<span class="emphasis_bold">三大城市跨域合作创新形成机制差异分析</span>

摘要：利用三大城市跨域合作专利数据，从知识流动角度分析发现：在知识流入网络中，深圳市是主要流入区；在知识流出网络中，北京市是主要流出区；在知识交流网络中，北京跨域合作创新最多，并且这3种知识交流模式都体现出非“地理邻近性”特征。进一步采用“稀有事件”模型实证回归发现，北京、上海、深圳跨域合作创新的形成机制存在差异。①三大城市跨域合作创新形成都依赖“制度邻近性”，但是,上海市创新网络较为综合，既体现“地理邻近性”也体现“制度邻近性”；②三大城市合作创新形成机制存在差异，其与城市的企业所有制结构密切相关。上海参与合作创新的主体是民营企业，跨域合作创新的市场特征更为明显，合作创新的形成主要依赖非正式“制度邻近性”。深圳市参与合作创新的主体是外资企业，外资企业倾向于通过正式“制度邻近性”的方式将核心技术锁定在企业内部。北京市跨域合作创新的形成以国有企业为主体，主要依赖“隶属关系”和“过往合作经验”，创新网络较为封闭和稳定。

0 引言

随着中国经济进入“新常态”，创新成为未来中国经济发展的新动力。十九大报告强调，必须“坚定不移贯彻创新、协调、绿色、开放、共享的发展理念”，“使市场在资源配置中起决定性作用”。国家近几年出台了一系列政策，鼓励创新主体构建跨域合作创新网络。2016年，中国首个跨域“十三五”规划——《“十三五”时期京津冀国民经济和社会发展规划》的首要目标就是实现创新发展，推动创新资源共享；2016年5月，国务院在《国家创新驱动发展战略纲要》中明确指出要“跨域整合创新资源，构建跨域创新网络，推动区域间共同设计创新议题，互通互联创新要素”；2017年十九大报告也强调，要“加快推进京津冀、长江经济带、东西部协同创新，强化国家自主创新示范区和国家高新区的辐射带动作用，建设一批具有强大带动作用的创新型城市和区域创新中心”。可见，构建跨域合作创新网络是国家实现创新发展的重要途径，了解不同城市跨域合作创新形成机制，有利于政府更有针对性地制定相关创新政策。

分析不同城市跨域合作创新形成的相关研究已经比较成熟，其中，“制度邻近性”是一个重要的解释变量。最早将制度与创新相结合的代表理论有Lundvall[1]的国家创新系统理论、Cooke[2]的区域创新理论等，他们把国家或者城市看作提供创新资源的重要平台，认为国家或城市宏观社会经济环境对合作创新行为产生重要影响。从该视角出发，已有城市跨域合作创新研究存在一些不足：“制度邻近性”被界定为城市之间宏观社会经济环境差异，如城市之间市场化水平差距、人力资本差距等，并认为国家或者地区之间在“制度邻近性”上的差异对跨域合作创新的形成有重要影响。按照这种逻辑，他们认为导致不同城市跨域合作创新存在差异的主要原因，在于城市之间宏观环境不同，而政府应该加强不同城市创新“硬环境”建设[3-7]。虽然这些研究能在一定程度上解释了为什么不同城市跨域创新网络存在差异，但是，仍然无法解释其具体产生差异的微观机制。本研究从知识流动视角分析三大城市跨域合作创新发现，企业之间的跨域合作创新构成了城市跨域合作创新的重要主体。城市之间形成跨域合作创新，并不是仅仅受到宏观社会经济环境影响，还受到参与合作创新主体的企业制度特征影响[8]。

从企业层面分析不同城市跨域合作创新网络的形成机制，需要回答一些新问题：不同城市中参与合作创新的企业所有制结构存在差异，那么，这种企业所有制结构差异会对不同城市跨域合作创新形成机制产生什么样的影响？北京、上海、深圳跨域合作创新的形成有什么不同？为此，本研究将从企业所有制的微观视角出发，试图进一步了解城市跨域合作创新形成机制。主要分析两个方面：①从知识流动视角，更细致地分析三大城市跨域合作创新特征；②进一步分析影响不同城市跨域创新网络形成的关键因素，并对比不同城市在建立跨域合作创新中依赖途径的异同。

1 非“地理邻近性”：知识流动视角下三大城市跨域合作创新特征分析

借鉴刘凤朝[9]的分类方法，本研究将合作创新按照知识流动方向分为3种模式，即区域之间知识流入型、知识流出型以及知识交流型：①知识流出型是指区域内学研与区域外企业的合作(模式1)，其本质上反映本地知识流入外地企业的过程；②知识流入型主要指区域内企业和区域外学研之间的合作(模式2)，其本质上反映外地知识流入本地企业的过程；③知识交流型主要指区域内企业与区域外企业之间或者区域内学研与区域外学研之间的合作创新(分别为模式3和模式4)，其本质上体现的是创新主体知识互动、交流过程。据此分类方法，通过编码统计三大城市为第一申请地的28 892条跨域合作申请专利，运用Gephi软件绘制了三大城市的跨域创新网络关系图，即图1-4。图中线条越粗或箭头越大，表示这两个地区合作频次越高。

从知识流动视角分析三大城市创新，有如下发现：

(1)三大城市为主要申请地的跨域合作创新并未体现地理邻近性特征。为了更加清晰地描述合作中知识流向特征，表1计算了跨域合作强度。图1和图4反映的是知识交流网络，其中，图1表示企业之间的跨域合作网络即合作模式3，图4表示科研机构之间的跨域合作网络即合作模式4。根据图1和表1可以发现，北京是企业之间知识交流最频繁的城市，并且北京与山东、上海、辽宁的合作强度最高，分别是56.13、54.63和47.03。根据图4和表1发现，上海是学研机构之间合作最频繁的城市，并且上海与深圳、北京的合作强度最大，均为1.36。通过以上分析还可以发现，合作模式3和合作模式4均反映出知识交流网络没有明显体现地理邻近特征。图2反映的是知识流出网络，即区域内学研与区域外企业的合作(模式1)。分析图2和表1可以发现，北京是知识流出的主要扩散城市，流向区域主要是深圳、江苏，合作强度分别是17.2、9.7。这说明，北京是主要知识输出地，大量高校和科研机构聚集在北京为其提供了丰富的智力资源，但是，由于其周边城市天津、河北相关产业比较落后，出现了知识资源与周边地区产业基础不相匹配的情况，大量知识实际上外溢到了更远的地区，如深圳、江苏等。总之，知识流出网络也没有明显体现地理邻近的特点。图3反映的是知识流入网络，即区域内企业与区域外学研的合作(模式2)。分析图3和表1可以发现，深圳市知识的主要流入地即合作对象主要集中在北京、上海，跨域合作创新强度分别是6.6和4.93。这说明，深圳主要是知识输入地，由于本地智力资源相对匮乏，使得地区内企业出于研发需要，不断与外地学研机构合作以促进企业研发能力提升。对比模式1和模式2，说明在学研机构与企业共同参与合作创新的两种知识流动网络中，中国存在某一地区智力资源与城市周边相关产业不匹配的情况，导致智力资源外溢到更远的地区，对该地区周边产业辐射较少，知识流入和知识流出的跨域合作创新网络也都体现出非地理邻近特征。

注：跨域合作创新强度=两地区合作创新频次/网络中节点总数

总之，不论是从知识流入、知识流出还是知识交流的角度来看，三大城市跨域合作创新都表现出很明显的非地理邻近性特征。

(2)分析图5，对比4种跨域合作模式可以发现，三大城市跨域合作创新建立的主要方式是模式3(大约超过60%)，即区域内外企业之间的合作创新。这说明，当前在三大城市中企业仍然是建立跨域合作创新的重要主体。同时，在4种跨域合作模式中，区域内外学研之间的合作(模式4)还比较薄弱，通过这种模式跨域合作的占比最低，学研之间的跨域合作创新还不成熟。

综上可以发现，三大城市跨域创新存在两个重要特征：一是跨域合作的非地理邻近性，二是跨域合作创新以企业间合作创新为主。企业之间的跨域合作创新，构成了三大城市跨域合作创新形成的主体，其中，企业间跨域合作专利共计23 828条。为此，本研究将重点分析跨域合作模式3 (企业间跨域合作创新)的形成机制，将关注的两个问题具体转化为：①模式3在这三大城市中如何形成，即什么因素影响企业之间的跨域合作创新？②不同城市跨域合作创新形成机制是否存在差异？

2 三大城市跨域合作创新形成影响因素分析：企业所有制视角

2.1 企业所有制视角选择

企业是参与城市跨域合作创新的最重要主体，已有研究在解释城市跨域合作创新形成中，把城市作为一个整体，认为制度邻近的城市之间更容易形成跨域合作创新。此时，制度邻近性主要是指城市在市场化水平、教育水平等方面的相似程度。但是实际上，城市之间形成跨域合作创新，并不仅仅受到宏观社会经济环境影响，还受到合作创新主体的制度特征影响。

在中国，企业所有制为探求三大城市企业之间跨域合作创新的形成机制提供了新角度。从企业所有制结构来看，本研究统计23 828条企业之间跨域合作创新的数据发现，在北京、上海、深圳三大创新城市中，参与城市跨域合作创新的企业所有制结构存在一定差异，如图6所示。①北京市企业之间跨域合作创新以国有企业的参与为主，占比超过80%；②上海市企业之间的跨域合作创新以民营企业和外资企业的参与为主，两者相加占比超过80%；③深圳市企业跨域合作创新中，外资企业参与的占比最大，其次为民营企业，两者相加占比超过90%。总之，不同城市参与跨域合作创新的企业所有制结构确实存在明显差异。

城市间企业所有制结构差异，可能导致不同城市在跨域合作创新形成中依赖的机制也存在差异。原因在于，不同所有制类型的企业在跨域合作创新中有不一样的行为逻辑，企业行为差异会导致不同城市跨域合作创新可能依赖不一样的途径[10,11]。换句话说，分析城市跨域合作创新形成机制的差异，需要转化为分析构成城市跨域合作创新的主体即企业这一微观主体。此时，制度邻近性不仅仅指城市之间宏观环境差异，还与企业所有制密切相关。为此，将从城市企业所有制结构视角，结合制度邻近性理论，分析影响三大城市跨域创新合作形成的影响因素，这样能够更加清晰地解释城市跨域合作创新形成的微观机制，如图7所示。

2.2 城市企业所有制结构差异下的制度邻近性

已有研究认为，制度邻近性对于企业跨域合作创新的形成具有重要影响，并将其分为两个方面，即正式制度邻近性和非正式制度邻近性。

(1)正式制度邻近性。正式制度邻近性主要是指创新主体合作双方之间具有相似的规章制度和规则，其主要实现途径包括两种方式：①合作双方有隶属关系，即“有关系”[5,12]；②创新主体双方来自于同一种组织类型，即企业之间合作创新、大学之间合作创新、科研机构之间合作创新等[13-14]。他们认为，正式制度邻近性发挥作用的关键在于，降低了企业跨域合作创新的交易成本，企业通过处理系统内部的跨域合作创新，能够大大降低在未来创新合作中可能遇到的各种不确定性和高交易成本[15]。借鉴已有理论，结合三大城市创新主体企业的制度属性特征，本研究将从新的角度定义3个城市制度邻近性的形成机制。正式制度邻近性主要包括两个方面：①参与城市跨域合作创新的企业合作双方是否存在隶属关系；②参与城市跨域合作创新的合作双方所有制属性是否一致。不同所有制企业在正式制度上存在较大差异，这种所有制属性所产生的制度距离，也可能对城市间企业跨域合作创新产生影响。由此提出假设：

H1：在北京市(上海市/深圳市)，具有正式制度邻近的企业更容易形成跨域合作创新。

(2)非正式制度邻近性。非正式制度邻近性主要是指企业双方依赖企业社会关系等非正式制度，形成合作创新关系。不同于正式制度邻近性，倾向于通过非正式制度邻近性寻找合作伙伴的企业，不仅仅关注合作创新中的交易成本，还关注交易价值。从交易价值视角出发，Zajac[16]认为企业之间的合作是一个连续的过程，企业不单纯考虑一次交易，合作中企业信誉和名声等都是企业重要资产，这些资产对于企业以后寻找合作伙伴有重要影响。具体实现途径包括：①依赖以往合作经验，企业倾向于再次选择以往合作伙伴，形成反复多次合作创新[17]；②依赖第三方中介机构，即企业双方通过共同认识的第三方主体，形成跨域合作创新[18]。这两种途径本质上都说明合作创新主体双方可能并不完全依赖市场机制选择合作伙伴，创新主体的社会网络关系也发挥重要作用。

结合已有理论，本研究也从这两个角度定义非正式“制度邻近性”：①是否存在多次合作经验，即企业发生不止一次合作创新；②是否存在中介企业，即企业之间可能通过第三方企业形成合作创新。由此提出研究假设：

H2：在北京市(上海市/深圳市)，具有非正式制度邻近的企业，更容易形成跨域合作创新。

3 实证研究

3.1 数据与研究方法选择

本研究主要分析2005-2015年以北京、上海、深圳三大城市为主要申请地的企业之间跨域合作专利。其中，对于大于两个合作申请人的专利，本研究进行了两两拆分，最终获得本研究的23 818条合作专利数据，其中，以北京市为申请地的跨域合作专利数据有12 399条，以上海市为申请地的跨域合作专利有4 565条，以深圳市为申请地的跨域合作专利有6 854条。在获取全部跨域合作专利样本的基础上，通过“国家企业信用信息公示系统”对参与合作的两个企业的具体信息进行检索和查询，具体包括“企业成立时间”、“企业注册资本”、“企业之间是否存在隶属关系”等信息。

本研究采用Gary King[19]提出的“稀有事件模型(Rare event logit)”，该模型是对以往研究二分类变量Logit模型的改进。“稀有事件模型”主要针对实际发生的样本在总样本中低于1%的情况，即已经发生的事件在总样本中较难产生。本研究的分析对象是参与合作创新的企业，如果运用原Logit模型对两两企业进行随机匹配，则会产生N*N(N为参与跨域合作创新的企业总数)矩阵下的大量样本，而实际真实可能发生合作创新的企业在总样本中占比较低。为此，本研究的样本符合“稀有事件模型”。运用该模型，通常的做法是对样本进行“选择性配对(Case Control Design)”，即对每一个已经发生过合作的企业，在所有参与过合作但是实际并没有发生的企业样本中进行随机配对。通过这种方法，一方面，能够避免原logit模型对“稀有事件”回归时产生的估计偏误；另一方面，该方法能够避免大量的数据搜集和整理工作。最终，通过该方法，本研究回归的总样本量为47 636条跨域合作专利。

同时，为了能够清晰对比不同城市在跨域创新网络形成中依赖制度邻近性程度的差异，分别对北京市、上海市、深圳市跨域创新网络进行回归。

cooperateij=αij+β1X1ij+β2X2ij+β4X4ij+γ2sizegapij+γ3agei+γ3cognizationproximityij+θ1sizegapij×distanceij+θ2X1ij×distanceij+θ3X2ij×distanceij+θ4X3ij×distanceij+θ4X4ij×distanceij+μij

3.2 变量测量

(1)因变量：跨域合作创新。通过企业之间是否实现合作来测度，即为二分类变量。

(2)自变量：制度邻近性。本研究主要包括两个方面，分别是正式制度邻近性和非正式制度邻近性。其中，正式制度邻近性主要包括两个方面：双方是否存在隶属关系，记为X1；合作双方是否属于同一类型的所有制企业，记为X2。非正式制度邻近性也包括两个角度：合作双方是否曾经合作过，记为X3；合作双方是否之前与第三方机构共同合作过，记为X4。测度制度邻近性的指标均为二分类变量，通过对样本中所有合作申请的专利数据编码获得，企业相关信息主要来源于“国家企业信用信息公示系统”。

(3)控制变量：①地理邻近性，即两企业所在省会城市间距离，通过“distance calculator”计算获得；②企业创新能力，包括合作企业规模差距；③第一申请人企业经营年限。其中，企业规模为企业注册资本，企业年限为企业注册时间。认知邻近性即合作企业双方是否属于同一产业类型。以上信息均可以通过“国家企业信用信息公示系统”查询获得。

4 实证结果分析

4.1 描述性统计与相关分析

3个城市回归模型的变量描述和相关性分析如表3～5所示，北京市参与合作的样本总数大于上海市和深圳市，城市跨域合作创新能力较强。在变量相关性描述中，除北京市回归模型中X1和X3有较强的相关性(0.778)外，其它回归模型中变量之间相关性均不强。为此，在北京跨域合作创新网络回归中将分别考虑X1和X3变量，即回归(4)和回归(5)，并与回归(1)作比较，见表10。

注：通过对回归模型变量计算均值所得，“*”表示该变量不显著

4.2 回归分析与假设检验

通过对回归模型结果进行均值计算得到表11，分析对比3个城市制度邻近性对合作创新网络关系的影响,可以总结出以下特征：

(1)由于北京市X1和X3变量相关性比较高，回归(4)、回归(5)和回归(1)分开考虑X1、X3以及两个变量同时加入模型对回归系数的影响。通过回归结果发现，同时考虑两个变量对回归系数的影响不大，所以,主要根据回归(1)—回归(3)的结果进行分析。

(2)根据表11分析“地理邻近性”变量发现，只有上海该变量系数为负值，体现出了地理邻近性的特征，即随着合作距离的增加，企业跨域合作的可能性降低，而北京和深圳则呈现出非地理邻近性特征。上海市创新网络集聚特征更加明显，北京和深圳的创新网络则相对比较分散，未体现地理邻近性。

(3)根据表11结果，对于正式制度中“是否存在隶属关系(X1)”，北京该特征最显著，深圳其次，上海则完全不体现隶属关系。同时，地理距离的远近变化也会改变隶属关系的作用强度。该特点与3个城市的企业所有制结构特征有着密切关系。

对于北京市来说，国有企业构成了跨域创新网络的参与主体(约占74.77%，见图6)，在一定程度上说明国有企业更倾向于在体制内部完成合作创新，即企业与子公司的合作较多，X1变量系数最大。

对深圳而言，其参与跨域合作创新的主体是外资企业(约占55.02%)，外资企业依赖该途径形成合作，可能与其“技术保护”的强烈意愿密切相关，外资企业希望核心技术锁定在企业内部。

上海则与北京、深圳在合作创新的建立中表现出相反的模式，主要体现在一定距离内企业并不倾向于通过隶属关系的路径寻找技术合作伙伴，但是，分析“地理距离”与“有关系”的交互项发现，当距离增加到一定程度以后，X1系数变为正值，企业开始依赖“有关系”路径形成合作。从参与合作创新的企业所有制结构分析发现，该现象在一定程度上与其参与合作技术创新企业类型有关，民营企业在上海参与合作企业中占比最大(约占45.92%)。民营企业比较倾向于通过市场机制寻找距离较近的技术合作伙伴，当合作双方距离较远时，企业可能依赖隶属关系降低交易成本。

(4)对于正式制度邻近性中“是否存在一致的所有制类型”，上海和深圳都很显著，北京的跨域合作创新网络则没有体现该机制。同样，该现象的出现与所在区域的企业所有制结构密切相关。

对于上海而言，民营企业占比最大，一方面，民营企业与其它所有制类型企业在规章制度以及文化上存在差异，存在可能增加民营企业与其它企业合作中的交易成本。另一方面，国有企业和外资企业都存在“垂直整合”的发展模式，国有企业和外资企业内部资源丰富使其不愿意主动与民营企业合作，这也可能导致民营企业在创新研发市场中处于劣势地位，企业难以参与到跨所有制合作中，处于被动地位。最终，企业在建立跨域创新网络中必然以选择具有相同所有制类型的企业为主。

对深圳来说，参与合作创新的主要是外资企业，相似的企业文化更加容易导致外资企业合作创新中倾向于选择所有制类型一致的企业。同时，外资企业之间产业联系更紧密，企业研发技术水平也相当，更容易产生合作创新。而国有企业、民营企业更多的是技术学习和模仿者，很难参与合作，所以，该特征也比较明显。

对于北京来说，其并不依赖该途径。一种可能的解释是X1与X2存在一定的相关性。当分别将X1和X2对原模型进行回归时，两者系数均为正值且在1%水平下显著。但是，当把两者同时放入模型回归，控制由于存在“隶属关系(X1)”而形成的创新合作后，发现异质性企业反而更容易合作。该现象同样可能与构成北京市跨域合作创新主体的国有企业密切相关。整理并分析北京、上海、深圳3个城市的29 837条跨域合作申请的专利数据发现，民营企业和外资企业参与异质性合作的比例较低(约占88.5%)。国有企业较高比例的异质性合作网络，与其拥有的强大资本和声誉有一定关系，使得其能够很容易与其它类型企业合作。

(5)对于非正式制度邻近性，北京、上海的X3变量显著，而深圳则不显著。该现象可能也与深圳市参与合作创新网络的企业机构特征有关。深圳外资企业占比较大，企业研发的市场导向性更强，“有经验”可能不是外资和民营企业研发考虑的主要因素，寻找合作的市场导向性更明显。对于非正式制度中的X4，北京、上海、深圳均显著。可见，通过第三方中介机构可能是企业寻找合作伙伴的有效途径，对于企业合作的形成有着重要影响。

(6)控制变量都符合预期：3个城市“认知邻近性”系数都为正数，说明认知邻近的企业更易合作；在控制企业技术创新能力的两个变量“企业规模差距”和“企业年龄”上，上海市都不显著，说明企业年龄和企业规模对于影响企业合作对象选择作用有限。在“企业年龄”变量上，北京表现为成熟的企业更容易建立合作关系，而深圳与其相反，表现为新兴企业更容易形成合作，这可能与深圳的创新环境相关，说明深圳市场环境更为灵活，更多新兴企业集聚在深圳，所以表现为年轻企业更容易合作。同样，在“企业规模差距”中，北京市体现为企业之间规模差距越小越容易合作，而深圳市是企业规模差距越大越容易合作。这也从侧面说明深圳市参与合作技术创新的企业包容性更强，企业规模差距并不能决定企业合作伙伴选择。

4.3 小结

从企业所有制结构的角度，分析三大城市跨域合作创新的形成可以明显发现，3个城市由于构成其参与合作创新企业的所有制结构不同，城市之间依赖“地理邻近性”和“制度邻近性”的程度存在差异。

(1)只有上海市体现地理邻近性。具体来说，上海市依然体现地理邻近性特征，同时，跨域合作创新网络的形成主要产生于“具有相同所有制类型(X2)”和“有过往合作经验(X3)”的企业之间。相比较而言，北京和深圳更加依赖通过“隶属关系(X1)”建立合作，所以，对地理邻近性敏感度较低，降低了对于地理邻近性的依赖。

(2)不同城市依赖制度邻近性的程度不一样。北京市跨域合作创新关系的建立主要依赖正式制度邻近性，合作创新主要产生在企业内部，尤其是国有企业内部的合作创新，跨域合作创新网络具有较强的稳定性和刚性；上海不同于北京、深圳，其仍然体现地理邻近性特征，同时，在合作创新中主要依赖“相同所有制类型(X2)”和“通过中介机构(X4)”，说明上海跨域合作创新网络更为活跃，企业更倾向于寻找地理邻近性合作伙伴，合作创新网络的市场特征更加明显；深圳也有较强的正式制度邻近性特征，原因可能是深圳参与合作创新的主体中外资企业占比较大，外资企业往往倾向于通过投资、控股以及子母公司的方式进行创新合作，“技术锁定”倾向明显。但是，从企业规模以及企业年龄的角度来说，深圳市的网络相较于前两者更为灵活，表现为很多新兴企业更容易参与合作创新。

5 结语

通过以上实证分析，得到主要研究结论如下：①跨域创新网络形成中，上海市仍然体现地理邻近性特征，而北京市和深圳市则不存在地理邻近性；②制度邻近性成为影响三大城市企业选择跨域合作伙伴的重要途径，并且由于三地参与合作创新的企业所有制结构不同，3个城市在跨域合作创新网络形成中依赖制度邻近性的程度存在差异。

北京跨域合作创新以国有企业的参与为主，其更多依赖正式制度邻近性下的隶属关系，合作创新较为封闭和稳定；上海参与跨域合作创新的主体则是民营企业，合作创新的市场特征更为明显，仍然体现地理邻近性，同时，跨域合作创新的形成主要通过非正式制度邻近性；深圳市跨域合作创新的形成，也具有较强的正式制度邻近性特征，跨域合作创新参与主体是外资企业，为了防止核心技术外溢，外资企业往往倾向于通过与子公司合作，将核心技术锁定在企业内部。另一方面，深圳的创新网络也体现出一定的灵活性，不同于北京和上海，年轻企业更倾向于参与合作技术创新，过去的合作经验并不是企业参与合作的重要影响因素。

本研究的贡献主要是：①理论上，从微观企业所有制视角进一步解释了城市构建跨域合作创新网络的机制，即制度邻近性。同时，揭示了不同城市跨域合作创新形成机制的差异；②现实意义上说，三大城市跨域创新网络的制度邻近性从侧面反映了跨域合作创新在形成中仍然面临很多问题，这对于政府制定相关创新政策具有一定的启示。

(1)地理邻近不必然导致合作创新行为的出现，如京津冀等一些城市跨域合作创新出现了“陌生的邻居”现象，同时，制度邻近成为三大城市形成跨域合作创新的必然选择，由此值得思考的是，制度邻近性下形成的合作创新是否有利于三大城市创新能力提升？本研究认为，北京和深圳跨域合作创新中的制度邻近性会对提升城市创新能力形成一定阻碍。对于北京来说，在国有企业为主导的合作创新中，跨域合作创新网络较为封闭，企业之间的知识溢出更多依靠所有制制度而不是市场规律。在这种情况下，一方面，北京作为全国科研机构等大量新知识的汇聚地，很难真正发挥知识溢出功能，并且溢出范围十分有限。另一方面，北京市自身创新资源的获取也将受到所有制限制，容易陷入封闭的资源网络。对深圳市来说，在外资企业为主导的跨域合作创新中，制度邻近性实际上是外资企业进行技术保护的重要方式。中国在20世纪90年代提出以“技术换市场”的发展战略，但现实却是，外资企业通过制度邻近性的方式限制企业核心技术外溢，与所在国其它企业的技术互动较少，深圳市作为全国新技术引进的主要汇聚地，发挥的知识外溢功效也十分有限。总之，制度邻近性下创新资源流动并不是完全按照市场规律，企业所有制成为城市之间跨域合作创新的重要途径，此时，北京、上海、深圳作为全国创新发展的高地，其知识外溢作用十分有限，尤其是从国家发展长远战略来看，制度邻近性可能不利于创新资源的自由流动。由此，应该重视创新资源自由流动的软制度环境建设，减少城市跨域合作创新对制度邻近性的依赖，防止城市之间的技术锁定。

(2)三大城市参与合作创新主体所有制结构存在差异，其形成跨域合作创新的机制也不同。因此，政府在制定促进跨域协同创新的政策时需要增强针对性，坚持“分级、分层、分类”的指导思想。一方面，从知识流动的4种模式来看，北京市是知识交流和知识流出的主要城市，而深圳市是知识流入的主要城市，这说明不同城市在创新资源分布上存在明显差异，政府应该根据城市创新资源特征，制定相关政策，促进不同城市之间协同创新发展。另一方面，由于所有制结构不同，三大城市跨域合作创新的形成机制也存在明显差异，即对制度邻近性的依赖程度和偏好不一致。这说明，政府应该首先识别城市跨域合作创新形成机制特征，并在此基础上制定更有针对性的相关政策，如北京市跨域合作创新以国有企业为主导，且跨域合作创新网络较为封闭，如何推动国有企业扩展创新资源，加强与民营、外资企业的技术交流和互动，成为亟待解决的问题。总之，对比分析不同城市跨域合作创新的微观机制，有利于政府更有针对性地制定支持企业创新的政策，打造以北京、上海、深圳为核心的区域创新共同体，推动创新驱动下的区域协调发展。

[1] LUNDVALL, BENGT-ÅKE. National systems of innovation: towards a theory of innovation and interactive learning[J]. Research Policy, 2004, 7(4):318-30.

[2] COOKE P, URANGA M G, ETXEBARRIA G. Regional innovation systems: institutional and organizational dimensions[J]. Research Policy, 2004, 26(4-5):475-491.

[3] 吴卫红, 李娜娜, 张爱美,等. 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.

[4] 党兴华, 弓志刚. 多维邻近性对跨域技术创新合作的影响——基于中国共同专利数据的实证分析[J]. 科学学研究, 2013, 31(10):1590-1600.

[5] HARDEMAN S, FRENKEN K, NOMALER Ö, et al. Characterizing and comparing innovation systems by different "modes" of knowledge production: a proximity approach[J]. Science & Public Policy, 2014, 42(4):530-548.

[6] 李晨, 覃成林, 任建辉. 空间溢出、邻近性与区域创新[J]. 中国科技论坛, 2017(1):47-52.

[7] 夏丽娟, 谢富纪, 付丙海. 邻近性视角下的跨区域产学协同创新网络及影响因素分析[J]. 管理学报, 2017(12):1795-1803.

[8] 毛磊, 谢富纪, 凌峰. 多维邻近视角下跨域协同创新影响因素实证研究[J]. 科技进步与对策, 2017, 34(8):37-44.

[9] 刘凤朝, 闫菲菲, 马荣康,等. 邻近性对跨域研发合作模式的影响研究——基于北京、上海、广东的实证[J]. 科研管理, 2014, 35(11):100-108.

[10] 吴延兵. 中国哪种所有制类型企业最具创新性[J]. 世界经济, 2012(6):3-29.

[11] 吴友, 刘乃全. 不同所有制企业创新的空间溢出效应[J]. 经济管理, 2016(11):45-59.

[12] TORRE A, LOURIMI S. Proximity relations and firms′ innovative behaviors: different proximities in the optics cluster of the greater Paris region[M].Applied Regional Growth and Innovation Models. Springer Berlin Heidelberg, 2014.

[13] STEINMO M, RASMUSSEN E. How firms collaborate with public research organizations: the evolution of proximity dimensions in successful innovation projects[J]. Journal of Business Research, 2016, 69(3):1250-1259.

[14] BUENSTORF G, KLEPPER S. Heritage and agglomeration: the Akron tyre cluster revisited [J]. Economic Journal, 2009, 119(537):705-733.

[15] KLEPPER S. The origin and growth of industry clusters: the making of silicon valley and detroit[J]. Journal of Urban Economics, 2010, 67(1):15-32.

[16] ZAJAC E J, OLSEN C P. From transaction cost to transactional value analysis: implications for the study of inter-organizational strategies [J]. Journal of Management Studies, 1993, 30(1):131-145.

[17] NESTLE V, T

UBE F A, HEIDENREICH S, et al. Establishing open innovation culture in cluster initiatives: the role of trust and information asymmetry[J]. Technological Forecasting & Social Change, 2018,6(22):1-10.

[18] UZZI B. The sources and consequences of embeddedness for the economic performance of organizations: the network effect[J]. American Sociological Review, 1996, 61(4):674-698.

[19] KING G, ZENG L. Logistic regression in rare events data[J]. Political Analysis, 2001, 9(2):137-163.

TheInstitutionalProximityCharacterofThreeCitiesInnovationNetwork

(School of Public Policy and Management, Tsinghua University, Beijing 100084, China)

Abstract:Geographical proximity plays an important role in the traditional literatures, which explains the innovation performance of firms located in clusters. However, it cannot explain the non-geographical proximity phenomenon of China's innovation network. It extends this literature by focusing on how institutional proximity lead to the cooperation in three cities in China. By using rare event logit model, it finds out that both the formal institutional proximity and the informal proximity promote the innovation cooperation. What's more, these three cities show a different preference in forming its network owing to its firm ownership structure. In a word, maybe just 'being there' is not enough, something more is needed to make the co-located firms more innovative.

KeyWords：Cross-Regional Cooperation and Innovation；Technology Innovation; Institutional Proximity；Patent Analysis

作者简介：刘婧玥(1991-)，女，湖北襄阳人，清华大学公共管理学院博士研究生，研究方向为区域发展与政策；殷存毅(1955-)，男，北京人，博士，清华大学公共管理学院教授、博士生导师，研究方向为区域发展与政策。