多维邻近视角下跨区域协同创新影响因素实证研究

(1.上海交通大学安泰经济与管理学院，上海 200052；2.江苏科技大学公共管理学院，江苏镇江 212003；3.南京理工大学经济管理学院，江苏南京 210094)

摘要：在国家实施创新驱动战略的背景下，研究跨区域协同创新具有重要实践意义。邻近性理论是产业集群层面和企业层面协同创新的重要研究主题，因而从多维邻近视角出发，探讨跨区域协同创新的影响因素具有重要理论价值。从跨区域协同创新的实践背景出发，借助协同创新理论，以长三角地区苏州、上海和杭州企业为例，通过问卷调查，运用因子分析法找出跨区域协同创新影响因素，并运用结构方程模型进行实证研究，构建了跨区域协同创新影响因素模型，最后提出了促进跨区域协同创新的对策。

0 引言

面对经济产业结构升级的急迫需求，我国政府将创新驱动发展列为国家战略。实施跨区域多层次产学研协同创新是落实创新驱动发展战略的重要路径，在此背景下，京津冀、长三角等主要经济区域都加快了跨区域协同创新步伐。目前京津冀协同发展已成为国家战略，三省市的企业、高校和科研院所之间开展了各种层面跨区域协同创新，而且这种趋势正进一步加强。以上海为龙头的长三角地区之间科技合作由来已久，并随着三省市经济融合而加快发展，地区之间协同创新更为深入。

跨区域协同创新的影响因素有哪些？其对跨区域协同创新的影响程度如何？这些影响因素之间是否相关？上述问题既是学界需要研究的理论命题，又是政府部门制定相关政策的重要依据。因而，本文运用邻近性理论对跨区域协同创新影响因素进行实证研究具有重要的理论和实践意义。

1 多维邻近视角下跨区域协同创新影响因素国内外研究现状

邻近性理论已经成为国内外学者研究跨区域协同创新的重要理论。20世纪90年代法国邻近动力学派提出邻近应该覆盖一系列维度，认为邻近性不仅仅指地理空间位置的邻近，其它维度的邻近性也为不同地区企业间相互学习和创新提供了便利。荷兰学者Boschma[1,2]从5个维度对邻近性进行了定义，即认知邻近、组织邻近、社会邻近、制度邻近以及地理邻近。Hoekman等[3]使用欧洲地区33个国家2000—2007年公开出版物的数据，展示了地理邻近对跨区域间科研合作的影响，研究发现地理邻近伙伴的合作趋势没有减弱。Petruzzelli[4]对企业与大学合作申请专利的研究同样表明，地理邻近对跨区域间产学研合作创新绩效影响显著。Asheim 和Isaksen[5]强调了社会文化和制度维度的邻近性在跨区域协同创新中的重要性，认为研究机构和高等教育机构、负责技术转移的组织、职业培训机构以及商业协会等扮演了重要角色。Marianne Steinmo等[6]认为，地理、认知、组织和社会维度的邻近性是跨地区间企业和公共研发机构维持合作的重要推动因素，对于新合作的构建，不同邻近性维度的重要性因企业性质的变化而改变。Cristian Geldes[7]等运用多维邻近性视角，对智利农商产业集群内企业间市场合作进行了实证研究，得出了不同维度的邻近性对跨地区间企业开展市场合作的影响程度及各维度间相关关系。

国内学者党兴华、弓志刚[8]基于1999-2009年中国30个区域间共同申请专利数据，分析了认知邻近性、制度邻近性以及地理邻近性对于跨区域技术创新合作的影响，发现区域间认知邻近性过高会制约跨区域技术创新合作，而制度邻近性对其具有促进作用，另外，地理邻近性依然是跨区域协同创新的重要促进因素。吴卫红[9]等研究发现，认知邻近性、地理邻近性和制度邻近性对京津冀地区协同创新具有正向影响，制度邻近性中的市场化程度相似性是影响三地之间协同创新的重要因素，而制度邻近性中的地方保护程度相似性则构成了制约因素。

综上，近年来国外学者在运用多维邻近理论解释跨区域协同创新影响因素方面进行了较多探索，不少学者对多维邻近性对于跨区域协同创新的影响进行了定性和定量研究，并得出了一些具有说服力的结论。而国内多数学者从定性角度阐述了多维邻近性对跨区域协同创新的影响，仅有少数学者运用定量方法进行研究。

2 多维邻近性对跨区域协同创新的影响机理

考虑到在邻近性相关研究中被广泛接纳的程度，本文沿用荷兰学者Boschma教授对于邻近性5个维度的划分(地理邻近性、制度邻近性、认知邻近性、社会邻近性以及组织邻近性)，分别阐释其对跨区域协同创新的影响机理。

Anet Weterings[10]和 Hoekman[11-12]认为，尽管经济发展的全球化趋势明显，但大量企业互动行为依然发生在地理位置邻近的企业之间，因而地理邻近仍然是影响跨区域企业间协作网络构建的一个重要因素。地理邻近通常以行为主体间地理空间距离(以公里数为绝对数或以空间旅途时间为相对数)作为衡量指标，也就是协作组织之间距离越远，企业获取正外部性的强度越弱，在企业间转移隐默知识就越困难，反之亦然。

制度邻近性是指合作企业各自所在区域宏观制度层面的邻近或相似程度，包括法律法规等正式制度以及文化习俗、价值观念等非正式制度。法律规范等正式制度层面的相似度能保证跨区域合作主体有效实施交互式学习和创新行为，为跨区域创新合作的开展营造稳定良好的制度环境，而相似语言、价值观念和文化习俗等非正式制度层面确保了知识、信息在跨地区间传递的便利性[13-14]。

以Wuyts[15]为代表的学者认为，认知邻近性是指认知主体觉察、说明、理解和评估世界方式的相似性，也就是说，为了能够交流、理解和处理这些新的信息和知识，异地间企业需要具有大体相似的认知基础。与此同时，还需要合作企业间有着相似的知识吸收能力，这种能力使跨区域开展合作创新的企业能够识别、解释和探究所获新知识，使得有效的知识转移和合作成为可能。

社会邻近性概念源自根植性理论。Boschma将社会邻近定义为在微观层面上根植于社会的企业间关联。植根于企业间的关系依靠经常性相互作用而产生的亲切感和经历形成相互间信任，这样的信任关系携带了大量有关潜在合作伙伴的信息，增加了跨区域组织参与企业间创新网络的可能性。

Torre 和Gilly [16]将组织邻近性定义为相类似的关系空间，它以多种性质的有效相互作用为基础，行为主体因为共享相同的空间和知识而相互关联并呈现出相似性特征。为了降低新知识产生的不确定性和机会主义，通过组织邻近而形成的强有力控制机制能确保创新者的知识产权和新技术投资者获得足够回报，因而组织邻近有利于跨区域间知识学习和协同创新。

3 多维邻近性对跨区域协同创新影响的实证分析

3.1 概念模型构建

从上述学者对多维邻近性的解释来看，其直接构成了跨区域协同创新的影响因素。本文采用Boschma教授5个维度的邻近性观点，认为地理邻近是跨区域间企业协同创新的重要影响因素。根据Weterings[10]和Hoekman[12]对地理空间位置邻近性的解释，设立3个指标变量即区域空间距离、合作成本、人才和知识流动频率，反映潜变量地理邻近。

认知邻近是跨区域间企业协同创新的重要影响因素。根据Boschma[1-2]对于认知邻近的定义，设立3个指标变量即相似的知识吸收能力、相似的知识基础以及互补知识和技术储备能力，反映潜变量认知邻近。

组织邻近是跨区域间企业协同创新的重要影响因素。根据Nooteboom[17]对于企业间关联的阐释，设立3个指标变量即企业组织结构类似、企业管理体制相似、企业互信程度，反映潜变量组织邻近。

社会邻近是跨区域间企业协同创新的重要影响因素。根据Breschi[18]和Agrawal[19]对于人员流动性促使社会关系网络建立从而产生社会邻近的解释，设立3个指标变量即过往合作经历、员工了解信任程度、社会关系网络相似度，反映潜变量社会邻近。

制度邻近是跨区域间企业协同创新的重要影响因素。根据Boschma[1-2]和Hall[20]对区域间制度相邻的分析，设立3个指标变量即激励政策、公平市场制度以及文化习俗价值观相似度，反映潜变量制度邻近。

依据上述分析，构建影响因素的概念模型，如图1所示。

3.2 验证性因子分析

目前长三角地区已经形成以上海、杭州、苏州为中心的动漫产业发展带，这3个城市都拥有国家首批动漫产业基地。上海、杭州和苏州的动漫产业集群之间互动合作频繁，因而三地之间有着较为典型的跨区域协作特点，本文选取这3个城市的动漫制作及其相关企业作为问卷调查对象。

本研究采用多地多企业序时展开的方式，先后赴上海张江和外高桥文创产业园区、苏州工业园区创意产业园以及杭州西湖数字娱乐产业园等文创园区进行实地调研，共向78家规模各异的动漫制作企业发放问卷200份，实际收回有效问卷173份。另外，委托上海市经信委企业处对部分与文创产业相关的高新技术创新型企业发放问卷，共收回有效问卷43份。此次调研共收回有效问卷216份，课题组成员与欧瑞动漫等8家规模型动漫企业负责人进行了深度访谈。

从表1可以看出，KMO检验数值为0.783，KMO统计量在0.70以上，因子分析的适合性为中度，而在Bartlett球形度检验中Sig.数值为0.000，小于0.05，因而问卷观察指标适合进行因子分析。

从表2总方差解释变异量列表可以看出，选取特征值大于1的因子，也就是前4个因子，能解释累积总变异量的65%，因而提取前4个因子进行因子分析是合适的。

从表3旋转后的因子载荷矩阵可以看出，潜变量组织邻近的3个指标变量(企业组织结构类似、企业管理体制相似、企业互信程度)与社会邻近的3个指标变量(过往合作经历、员工了解信任程度、社会关系网络相似度)在第一个因子上有着较高的载荷系数，因而可以将第一个因子称为组织与社会邻近因子。同理，第二个因子称为认知邻近因子，第三和第四个因子分别称为地理邻近因子和制度邻近因子。

吴明隆[21]综合分析了国外学者的观点，认为对个别显性变量的项目信度应在0.5以上，列入每个公共因子中的观察变量的载荷系数均应大于0.5。另外，潜在变量的组合信度和平均方差抽取量能较好地反映模型内在结构适配情况。组合信度反映了一组潜在构念指标的内部一致性程度，即所有测量指标分享该因素构念的程度，组合信度高表示测量指标之间有着高度的内在关联，反之则认为测量指标间内在关联度低。国内外学者对潜在变量组合信度的判别依据较为一致，认为应该在0.6以上。从表4可以看出4个潜在变量的组合信度都大于0.6，表明每个潜在变量的测量指标间均存在高度的内在关联。另外，潜在变量的平均方差抽取值表示相较于测量误差变异量，潜在变量构念所能解释指标变量变异量的程度，也就是说，当潜在变量平均方差抽取值较大(大部分学者一致认为其值应大于0.5)时，表示指标变量可以有效反映其潜在变量，因而认为该潜在变量具有良好的信度和效度。组织与社会邻近和认知邻近两个潜在变量的平均方差抽取值虽未达到0.5，但已经很接近该临界值，而地理邻近和制度邻近潜在变量的平均方差抽取值均大于0.5，可见，潜在变量的指标变量基本能有效反映各潜变量。通过对上述指标的分析，可以认为模型内在结构较为适配。

3.3 结构方程模型构建

通过上述验证性因子分析可以看出，4个影响因子即地理邻近、认知邻近、组织与社会邻近、制度邻近对跨区域协同创新具有显著影响作用。因此，本文提出如下假设：

H1：地理邻近对跨区域协同创新具有正向影响。

H2：认知邻近对跨区域协同创新具有正向影响。

H3：组织与社会邻近对跨区域协同创新具有正向影响。

H4：制度邻近对跨区域协同创新具有正向影响。

Boschma[2]和Ozman[22]认为上述影响因子之间存在相互促进关系，因此，本文提出如下假设：

H5：地理邻近与组织和社会邻近具有正相关关系。

H6：组织和社会邻近与制度邻近具有正相关关系。

H7：制度邻近与认知邻近具有正相关关系。

H8：组织和社会邻近与认知邻近具有正相关关系。

H9：地理邻近与认知邻近具有正相关关系。

H10：地理邻近与制度邻近具有正相关关系。

运用Amos 7.0软件绘制结构方程模型运行结果，如图2所示。首先，判别整体模型适配度，结果如表5所示。

有效问卷216份，属于中等规模的样本数，因而在绝对适配度指数中可选用卡方自由度比值(规范卡方)作为适配判断指标。CMIN/DF(卡方自由度比)值为2.154<3，表示模型适配良好。RMR值为0.044<0.05，RMR值越小表示模型适配度越佳，通常其值在0.05以下是可以接受的适配模型。而RMSEA值等于0.073<0.08，一般而言，RMSEA值在0.05～0.08之间表示模型良好，能合理适配。GFI值等于0.902>0.9，AGFI值等于0.843<0.9，该指标未能达到适配标准，但也相对接近临界值。在增值适配度指数中，NFI值为0.838<0.9，未能达到适配标准，TLI值为0.875<0.9，同样未能达到适配标准。而RFI值为0.928>0.9， IFI值为0.906>0.9，CFI值为0.904>0.9，这3个指标均大于临界值，达到适配标准。在简约适配度指数中，PGFI值为0.615>0.5，PNFI值为0.646>0.5，PCFI值为0.697>0.5，表示模型适配度通过。AIC值和CAIC值的判别标准是理论假设模型的数值小于饱和模型值和独立模型值，从表5中可以看出，理论模型的AIC值为340.230，其小于342.000且小于1602.730，CAIC值为592.120，其小于1090.173且小于1681.485，可见模型适配度良好。

综上，认为假设模型和样本数据之间能够适配。

以极大似然法估计各回归系数参数结果，表6中有5个参照指标值设为1，不予估计，仅有“制度邻近→跨区域协同创新”回归系数的参数值为负数，而“地理邻近→跨区域协同创新”、“ 组织与社会邻近→跨区域协同创新”、“ 认知邻近→跨区域协同创新”回归系数的参数值均为正数，符合假设。而表中所有的估计标准误介于0.009～0.312之间，另外，参数估计值临界比值(C.R.)的绝对值均大于1.96，总体而言，模型的内在质量较好。

由表7可知，理论模型的标准化回归系数即标准化回归加权值，潜在变量间标准化回归系数就是潜在变量间路径系数，潜在变量对指标变量的标准化回归系数为因素载荷值。从潜在变量间路径系数可以看出，“认知邻近→跨区域协同创新”的路径系数为0.237，较其它潜在变量的影响系数大，“地理邻近→跨区域协同创新”、“ 组织与社会邻近→跨区域协同创新”的影响系数分别为0.128和0.086，而“制度邻近→跨区域协同创新”的路径系数为负数(-0.021)。潜在变量对指标变量的标准化回归系数除潜在变量对其指标变量即“跨区域协同创新→协同创新收益”的路径系数(0.20)较小外，其它路径系数均大于0.5，呈现出较高的因素载荷值，表示潜在变量的观察变量个别信度较好。

从表8可以看出，4个外因潜在变量之间的协方差估计值均大于0，也就是说，4个外因潜在变量的共变关系不等于0，呈现出正相关关系。而估计标准误介于0.023～0.043之间，且参数估计值临界比值(C.R.)的绝对值均大于1.96，符合模型的最初假设，能较好地体现外因潜在变量之间的结构关系。

从表9中可以看出，4个外因潜在变量之间的相关关系有强弱之分，但总体都呈现出较为显著的正相关关系。“组织与社会邻近↔制度邻近”的相关系数最大(0.694)，而“地理邻近↔组织与社会邻近”的相关系数最小(0.186)。

3.4 模型最终结论与解释

从模型运行的路径系数来看，认知邻近、地理邻近、组织与社会邻近和制度邻近4个潜在变量对跨区域协同创新潜变量均有影响，其中影响最大的是认知邻近潜在变量，这与课题组对动漫制作等高新企业进行访谈得出的结论相吻合。对于动漫制作这种高技术创新型企业而言，创意思想的获取尤为重要，不同地区的创作人员可以通过网络实现交流，对方企业的制作技术则是企业选择合作的关键要素，具体而言，当对方企业拥有较高的创作水平和本企业所需关键技术时，双方合作需求就产生了。可见，认知邻近对于跨区域协同创新更为重要。地理邻近对跨区域协同创新也有着正向影响，通过实地调研发现，对于文创企业而言，地理邻近依然是跨区域协同创新的一个促进因素。组织与社会邻近也是跨区域协同创新的促进因素，企业间具有相似管理体制以及合作经历、人员间相互熟悉并有工作往来，这些因素都为企业间开展合作奠定了良好的信任基础。制度邻近反向影响跨区域间协同创新，这个结论与最初的假设相悖。制度邻近性体现为各地激励政策、公平的市场制度以及文化习俗和价值观念的相似性，但对于文创这种创意型产业而言，创意源的产生需要多元文化的交融，不同制度文化传统的企业拥有截然不同的文化基因，更有可能产生合作需求。也就是说，制度、文化、习俗和价值观念差异性更能促进跨区域文创企业合作。

4个外因潜在变量间相关关系均成立，具体而言，地理邻近与组织和社会邻近具有正相关关系，地理位置邻近使得人员往来以及知识信息交换更为频繁，这成为组织与社会邻近的基础。组织和社会邻近与制度邻近具有正相关关系，这体现为企业间合作以及社会关系网络的相似性使得区域间趋于融合，区域一体化进程加快倒逼相邻地区间政府部门加快实施制度政策一体化。制度邻近与认知邻近具有正相关关系，因为认知邻近的企业间文化习俗、价值观念等可能更相似。组织和社会邻近与认知邻近具有正相关关系，人才资源会在不同地域同类企业间经常性流动，人才流动形成的组织与社会关系邻近性使得企业间认知能力和水平也相近。地理邻近与认知邻近具有正相关关系，地理位置较为靠近的企业由于经常性人员往来和技术交换，存在企业间认知能力趋同现象。地理邻近与制度邻近具有正相关关系，地理邻近的企业间因发展需要而开展合作，跨区域间合作增多要求区域制度环境一体化。

4 跨区域协同创新促进对策

认知邻近、地理邻近以及组织与社会邻近是影响跨区域协同创新的重要因素，具体而言，跨区域协同创新的制约因素是跨区域企业间认知存在较大差异、区域间企业缺乏了解和信任以及缺少各类协同创新平台。因此，本文提出促进跨区域协同创新的对策建议如下：

4.1 培育跨区域间各类关联性组织

关联性组织为企业间相互了解提供了较好的中介平台，拉近了跨区域企业间联系，增强彼此了解和信任，极大提升了企业间认知邻近程度和组织与社会邻近程度，从而促进双方合作。具体可采取以下举措：①积极构建跨区域各类产学研技术创新联盟。各地政府部门应积极支持跨区域间产学研合作，鼓励各地区加强协调，引导、组织行业龙头企业、科研机构共建产学研创新联盟；②鼓励发展跨区域的各类科技联盟组织。引导和支持区域内企业、科研机构、中介组织以及科技园区通过“走出去”方式，与其它地区同类机构合作组建各类科技联盟组织，通过组织各类科技论坛、积极开展科技创新交流对接等活动，吸引更多区域外相关创新主体参与联盟。

4.2 推动跨区域间联系的网络化

随着交通、通讯等基础设施的发展和完善，区际间联系日益密切，为跨区域间经济联系网络化构建提供了前提条件。通过构建具有拓扑结构性质的社会关系网络，可以提升跨区域间企业的组织与社会邻近性，从而更有利于激励企业间协同创新。具体可从以下几方面入手：①各地政府应联手推进跨区域产业合作和产业转移，共同筹建产业共建园区，通过建立优良的外部创新环境，引导跨区域合作；②跨区域政府之间应协力推进区际间技术和经济联系，形成跨区域产业价值链条和分工协作网络，依靠跨区域间技术、经济联系，提升企业间组织与社会邻近度和认知邻近度。

4.3 构建跨区域协同创新服务平台体系

跨区域产业集群间企业协作离不开创新协作体系的支撑，积极构建跨区域协同创新服务平台能降低企业间认知邻近成本。可从以下两方面加以完善：①构建多层次的科技创新平台。进一步完善国家层面科技创新服务平台，为企业提供各类技术供需信息，使之成为企业获取外部信息的重要窗口。跨区域间政府部门应加强合作，围绕各地产业集群发展，共建共享一批产业公共服务平台项目，减少各地区的重复建设；②推动科技资源共享开放。鼓励科研院所、高等院校通过加强产学研合作实现科技资源共享开放，加快推进内部创新资源向社会开放并提供服务。加快建设各类科技数据库信息共享平台，积极推进各类基础性科技资源联网共享，整合构建统一的科技资源共享信息平台。

5 结语

本文阐述了多维邻近性对跨区域协同创新的影响机理，并在此基础上构建了影响因素结构方程模型，对216份有效样本数据进行模型拟合，结论显示对跨区域协同创新影响强度由大到小依次为认知邻近>地理邻近>组织与社会邻近>制度邻近。本文也存在一定不足，未能展开大规模问卷调查，样本规模有限，一定程度上影响了模型拟合效果；研究对象仅仅是长江三角洲城市群中上海、杭州和苏州三地的文创企业和高新技术创新型企业，而我国其它地区间协同创新状况各异，因而研究结论是否具有普适性需进一步验证。

[1] BOSCHMA R.Proximity and innovation:a critical assessment[J].Regional Studies,2005,39(1):61-74.

[2] BOSCHMA R,FRENKEN K.The spatial evolution of innovation networks:a proximity perspective[C].Handbook of Evolutionary Economic Geography,2010.

[3] HOEKMAN J.Research collaboration at a distance:changing spatial patterns of scientific collaboration within Europe[J].Research Policy,2010,39(5):662-673.

[4] PETRUZZELLI A M.The impact of technological relatedness,prior ties,and geographical distance on university-industry collaborations:a joint-patent analysis[J].Technovation,2011,31(7) :309-319.

[5] ASHEIM B,ISAKSEN A.Regional innovation systems:the integration of local "sticky" and global "ubiquitous" knowledge[J].Journal of Technology Transfer,2002,27(1):77-86.

[6] MARIANNE STEINMO,EINAR RASMUSSEN.How firms collaborate with public research organizations:the evolution of proximity dimensions in successful innovation projects[J].Journal of Business Research,2016,69:1250-1259.

[7] CRISTIAN GELDES.How does proximity affect inter-firm cooperation:a study of an agribusiness cluster[J].Journal of Business Research,2015,68:263-272.

[8] 党兴华,弓志刚.多维邻近性对跨区域技术创新合作的影响[J].科学学研究,2013,31(10):1590-1600.

[9] 吴卫红,李娜娜，张爱美.京津冀省市间创新能力相似性、耦合性及多维邻近性对协同创新的影响[J].科技进步与对策,2016,33(9):24-29.

[10] ANET WETERINGS,RON BOSCHMA.Does spatial proximity to customers matter for innovative performance[J].Research Policy,2009,38:746-755.

[11] HOEKMAN J K FRENKEN,F VAN OORT.Collaboration networks as carriers of knowledge spillovers:evidence from EU27 regions[A].CESPRI Working Paper,2008.

[12] HOEKMAN J K FRENKEN,F VAN OORT.The geography of collaborative knowledge production in Europe[J].Annals of Regional Science,2009,43(3):721-738.

[13] 李琳,韩宝龙.组织合作中的多维邻近性:西方文献评述与思考[J].社会科学家,2009(7):108-112.

[14] 李琳,雒道政.多维邻近性与创新:西方研究回顾与展望[J].经济地理,2013,33(6):1-7.

[15] WUYTS S.Empirical tests of optimal cognitive distance[J].Journal of Economic Behavior&Organization,2005,58:277-302.

[16] TORRE A,GILLY J P.On the analytical dimension of proximity dynamics[J].Regional Studies,2000,34:169-180.

[17] NOOTEBOOM B.Inter-firm alliances:analysis and design[M].London and New York:Routledge,1999:239-255.

[18] BRESCHI S,F LISSONI.Mobility and social networks:localized knowledge spillovers revisited[A].CESPRI Working Paper,2003.

[19] AGRAWAL A I COCKBURN,J MCHALE.Gone but not forgotten:knowledge flows,labor mobility,and enduring social relationships[J].Journal of Economic Geography,2006(6):571-591.

[20] HALL P A,D SOSKICE.Varieties of capitalism[M].Oxford:Oxford University Press,2001:65-77.

[21] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社,2010:236-237.

[22] OZMAN M.Inter-firm networks and innovation:a survey of literature[J].Economics of Innovation and New Technology,2009,18(1):39-67.

An Empirical Study on the Influencing Factors of Cross-regional Collaborative Innovation from the Perspective of Multi-dimensional Proximity

(1.College of Antai Economics and Management, Shanghai Jiao Tong University, Shanghai 200052, China; 2. School of Public Administration, Jiangsu University of Science and Technology, Zhenjiang 212003, China; 3.School of Economics and Management, Nanjing University of Science and Technology, Nanjing 210094, China)

Abstract：In the context of the national implementation of innovation-driven strategy, the study of cross-regional collaborative innovation has important practical significance. While the proximity theory is an important research topic of collaborative innovation in industrial cluster and enterprise level, and it also has important theoretical value to explore the influence factors of cross-regional collaborative innovation from the perspective of multi-dimension proximity. From the practical background of cross-regional collaborative innovation, with the help of collaborative innovation theory, it takes the Yangtze River Delta region of Suzhou, Shanghai and Hangzhou's enterprises as an example, through the questionnaire survey and the use of factor analysis to identify the influencing factors of cross-regional collaborative innovation, based on the use of structural equation model for empirical research method. Building the model of the influencing factors of cross-regional collaborative innovation, it finally puts forward some countermeasures to promote cross-regional collaborative innovation.

Key Words：Multi-dimensional Proximity; Cross-regional Collaborative Innovation; Influencing Factors

作者简介：毛磊(1978-)，男，江苏镇江人，博士，上海交通大学安泰经济与管理学院博士后，江苏科技大学公共管理学院副教授、硕士生导师，研究方向为区域创新管理；谢富纪(1962-)，男，山东日照人，上海交通大学安泰经济与管理学院教授、博士生导师，研究方向为技术管理与创新；凌峰(1974-)，男，江苏镇江人，博士，南京理工大学经济管理学院博士后，研究方向为科技创新管理。