企业创新投资的空间互动关系研究

根据内生增长理论，创新和技术进步被视为经济增长的基本决定因素[1]。企业作为创新的主力军，直接创造经济价值，同时直接面对市场，能够敏锐地洞察市场需求变化，并通过创新活动予以响应，最终以创新产品或服务在市场上实现创新价值[2]。实施创新驱动发展战略是增强我国经济发展内生动力的必然选择，也是提高我国社会生产力和综合国力的战略支撑。在推进创新型国家建设的进程中，如何科学有效地组织与协调创新要素，助推创新生产，从而提升创新绩效，是一个值得关注的议题[3]。

在各项创新要素中，创新投资作为技术进步和技术创新的直接推动因素，其重要性越来越突出。Anselin[4]研究发现：“几乎所有的空间数据都具有空间依赖性或空间自相关的特征。”本研究试图立足企业这一微观主体，探索创新投资的空间互动关系，具体包括：企业之间的创新投资是否存在空间互动关系？如果存在，企业创新投资的空间互动关系是否受制于行业门槛限制？在空间互动过程中，不同企业之间的创新投资互动关系有何差异，究竟是龙头企业还是相似企业对企业创新投资的影响更显著?对这些问题的回答，有助于阐释企业创新投资空间互动的特征及运行机理，对于从投资角度理解企业创新活动的传播与扩散，把握创新的空间外溢效应，进而管理企业创新行为并最终落实国家创新驱动发展战略具有重要参考意义。

1 文献综述及理论基础

空间计量经济学发展为经济与管理问题研究提供了新视角和新工具。常规计量方法暗含空间事物无关联假设，因此，更关注相关因素对研究对象的影响，而忽略了其它主体对研究对象的影响作用，尤其是位于不同空间位置的其它主体行为可能对研究对象产生的差异性影响，降低了理论研究对经济现实的解释力度。1979年Paelinck[5]提出了空间计量经济学的概念，后经Anselin等学者的不断丰富与拓展，最终形成较为系统的理论，并被广泛应用于经济与管理领域多个方面问题的研究中，如区域创新[6]、金融聚集[7]、经济增长[8]等。空间计量经济学理论认为，一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的。空间计量经济方法是在继承和发展完善经典计量方法的基础上，将经典计量方法应用于与地理位置及空间交互作用相关的地理空间数据，通过地理位置与空间联系建立的计量关系，以计量方法识别和度量空间变动的规律与空间模式的决定因素[9]。运用空间计量方法研究相关经济与管理问题，将研究对象的影响因素考虑得更加完备，有效地弥补了传统计量方法的不足。关于空间计量经济学在创新方面的应用，多集中于区域创新研究领域，用以分析区域创新集聚现象[10]、评价区域创新行为间知识溢出效应[11]、探寻区域创新效率或创新能力的影响因素[12-13]等。

创新是一个复杂的过程[14]，创新要素作为创新过程的基础和核心[15]，在创新活动中发挥着重要作用。已有研究发现，创新具有空间相关性，创新的空间相关性源于创新要素的空间流动[3]，创新要素并不是静止孤立存在的，会在不同地理空间上产生动态的相互联系和相互影响[16]。创新要素具有稀缺性和追逐价值最大化的特征，会在市场“趋利”机制作用下流向边际收益率更高的地区，其在不同地区之间的流入和流出将打破创新资源原有的空间配置状态，引发空间再配置效应[17]，进而引致创新资源的空间集聚现象[18]，或者推动创新要素在空间配置上不断优化，提升创新效率[19]。不仅如此，创新要素的流入可能开辟一个全新领域，催生流入地新兴技术产业发展，加速新知识及新技术扩散与传播，形成新的生产模式，推动地区产业结构升级[20]，提升产品竞争力，为地区提供更好的创新基础和创新环境，进而提高地区创新绩效[21]。另外，创新要素的流动可以在区域内形成创新网络，加强区域内企业间创新合作，促进区域内企业技术共同进步[22]，甚至可以跨区域构建创新网络，通过跨区域互动与合作，提高多区域技术效率和生产率。

创新要素的流动性使创新具有空间溢出效应，技术创新最常见的溢出方式是知识溢出。知识是一种公共物品，内生增长理论假设经济体自动从其对新知识的投资中获益，作为一种非竞争性的知识交换，知识溢出会对技术进步和经济增长产生重要影响[23]。具体而言，知识溢出可以加强区域创新思想交流，从而减少区域内企业研发成本，降低从研究开发到新产品投入生产过程中的不确定性，促进创新网络形成并推动创新集聚[24]，通过吸收能力的调节影响区域创新绩效[25]，或者提升落后区域创新水平。创新溢出具有地理邻近性，与创新生产者在地理上的邻近可以促进区域内知识溢出，同时，与其它创新区域的邻近也可以促进本地创新。随着空间经济学的发展，地理空间上的创新溢出问题逐渐受到关注。Block等[26]认为地理邻近性对知识溢出的发生有重要影响；Keller[27]发现知识溢出效应随着距离的增加而减少；郭嘉仪等(2012)研究了不同地理距离下的知识溢出系数，并找出知识溢出效应急剧递减的地理距离临界值。随着信息技术的发展与科技中介作用的增强，地理距离不再是创新溢出的简单决定因素，地理邻近可以通过加强其它维度的邻近促进企业互动学习[28]。目前已有学者突破地理距离的限制[29-30]，从多维邻近的视角研究创新溢出问题。已有研究发现：认知邻近[31]、文化邻近[32]、制度邻近[33]、技术邻近等单一维度或若干个维度的综合作用对创新溢出产生多方面影响。

创新投资作为创新活动的重要驱动因素，国内外鲜有学者从空间互动的视角开展专门性研究，相关研究主要散见于创新资本与创新人员或技术的联合研究中。这些研究的主要结论是创新资本在不同区域之间动态流动，并实现特定区域的聚集[3]，进而对要素生产率[34]、制造业结构[15]等产生提升作用。创新投资存在空间关联性[21]，这一点在国外学者的研究中也有类似发现[35-36]。创新资本分布是创新投资行为的结果，根据创新资本存在的空间关联关系，可以推测不同主体的创新投资行为亦存在空间互动关系，而且这种互动关系很可能不仅存在于区域之间、城市之间，而且存在于企业之间，因为同为创新要素的资本与人员(或技术)之间存在稳定的合作逻辑关系，人员(或技术)溢出效应与资本溢出效应相互促进，但空间距离对人员(或技术)溢出存在限制[37]，该限制可能延伸至创新投资层面。同时，在贯彻实施中央政府的创新驱动发展战略过程中，不同经济主体为争取更多发展机会和抢占更多经济资源，可能存在创新投资的锦标赛竞争。焦翠红和陈钰芬[17]研究发现，不同区域之间存在研发投入竞赛，而这种竞赛将进一步加深了区域间创新投资的空间互动。这一现象可能在企业间同样存在，尤其是处于同一行政管辖下的企业之间。因此，基于企业层面开展创新投资空间效应研究，是合理和可行的。

相较于以往研究，本研究的创新之处主要在于：①研究对象方面，考虑到企业既是创新投资活动的主要推动者，也是创新投资活动的直接受益者，不同于已有研究创新活动空间效应的相关文献将关注点主要聚焦在区域或城市层面，本文将关注点下沉至企业层面，试图从企业层面考察创新投资的空间互动关系，期望在现有研究成果的基础上，取得新的研究发现；②研究方法方面，构建不同权重矩阵，采用空间计量模型检验企业创新投资空间互动关系的影响因素，以期为推动企业创新投资的良性互动提供理论支撑；③研究内容方面，在企业创新投资空间互动关系的检验中，重视同行业企业与跨行业企业之间创新投资互动关系的对比分析，检验企业创新投资的空间互动是否存在行业门槛，并以空间距离、行业差异、竞争力势差3个维度为基础构建经济距离，检验多维邻近是否对企业创新投资的影响更显著。本研究可以明确企业创新投资的空间集聚方式以及企业之间创新投资的互动机制，对于打造高水平创新区、激发企业创新联动效应具有参考价值。

2 研究设计

2.1 研究方法

(1)空间自相关检验方法。为考察企业创新投资行为是否存在空间相关性，以及相互之间的具体依存状态，在空间计量分析前，本文首先对企业创新投资进行空间自相关检验。目前学者对空间自相关的检验一般采用Moran′s I指数，该指数能够反映空间邻接或空间邻近的区域单元属性值相似程度[4]。

其中：

表示第i个企业的观测值，s2为样本方差，N为企业总数，wi,j为空间权重矩阵。

Moran′s I指数取值范围为[-1，1]，Moran′s I>0 表示正向空间相关性，该指数越接近于1，表明单元间空间关系越密切，性质越相似，即高值与高值相邻，低值与低值相邻；接近于0，表明单元间没有空间关系，即高值与低值完全随机分布；Moran′s I<0 表示负向空间相关性，越接近于-1，表明单元间差异越大，即高值与低值相邻，在空间上随机分布。

(2)空间计量模型设定。空间杜宾模型是LeSage & Pace[38]在空间自回归模型基础上提出的，该模型同时考虑了被解释变量与解释变量的空间相关性，认为某一空间单元的被解释变量不仅受到其本身解释变量的影响，还同时受到邻近单元被解释变量与解释变量的影响。空间杜宾模型多用于研究宏观经济层面的空间互动问题，然而企业作为经济活动的微观参与者和具体实施者，亦具有空间属性，因而其经济活动亦可能具有互动效应。因此，本文创新性地将该模型用于微观企业层面空间互动关系研究，将企业财务指标和邻近企业创新投资纳入模型，考虑企业自身财务能力和邻近企业创新投资行为对其创新投资的影响。

其中，yi,t为被解释变量创新投资；

为被解释变量空间滞后项；xi,t为所有解释变量构成的矩阵；

为解释变量空间滞后项；ρ为空间自回归系数。考虑到企业创新投资具有持续性，本文采用动态空间面板模型，将y的滞后一期即yi,t-1纳入模型，同时，考虑邻近单元被解释变量滞后一期的影响，将

纳入模型中。根据

的设定，分别估计以下两个模型：

(3)空间权重矩阵的设计方法。空间互动关系检验中，设计空间权重矩阵非常关键。空间互动关系研究特别关注地理邻近性，一般认为不同主体间各类互动需要以邻近距离为基础，距离越近，互动强度越大。部分学者对空间效应的研究已经突破了距离限制，不断深化距离内涵，将单一空间距离拓展到多维距离[29-30]。本文认同这种研究思路，选择空间距离维度构建空间权重矩阵1；选择空间距离、行业差异两个维度构建空间权重矩阵2；选择空间距离、行业差异、竞争力势差3个维度，构建经济距离，即空间权重矩阵3和矩阵4。以此检验企业创新投资的空间互动中，多维邻近的企业是否对创新投资的影响更显著。

本文基本空间权重矩阵(权重矩阵1)采用反距离矩阵，即企业空间距离的倒数，空间距离的测度以各企业经纬度坐标为依据。

其中，dij表示两企业之间的距离。

为考察处于同一行业的邻近企业对样本企业的影响情况，设计权重矩阵2，权重矩阵2在权重矩阵1设定的基础上，考虑两个相邻企业是否属于同一行业，如果不属于同一行业，则赋予权重为0。

其中，ind代表企业所处行业。

在考虑空间距离和行业差异两个维度确定邻近企业的基础上，进一步将竞争力势差引入权重计算，构建多维邻近的经济距离。在权重矩阵2设定的基础上，分别设置权重矩阵3和权重矩阵4，其中，权重矩阵3认为同行业中龙头企业由于其在行业具有很强的引领力与示范作用，对行业内企业创新投资影响显著，因此，营业收入越大的企业设定权重越大；权重矩阵4认为相似企业对于样本企业而言，其行为更具有参照性，因此，营业收入越相近的企业设定权重越大。

其中：

，income代表企业营业收入。

2.2 变量设计与数据来源

(1)变量设计。利用Moran′s I指数对企业创新投资的空间相关性进行检验之后,进一步检验邻近企业创新投资水平对样本企业的影响情况。被解释变量是样本企业创新投资，影响因素有两个层面：一是邻近企业创新投资水平；二是样本企业自身条件，根据已有研究[39-44]，这些条件主要包括企业的收益能力、负债能力、公司规模、公司年龄、董事会规模、股权结构、成长性、政府补助、投资机会、现金流及资本密集度。变量定义如表1所示。

(2)样本来源与数据特征分析。 Kumar等[45]将研发支出不为零的企业界定为研发活跃型企业，并考察资本投资、创新能力与股票收益的关系；解维敏等(2016)、苗苗等(2019)亦将研发支出不为0的企业作为研究样本。这种处理方式非常具有借鉴价值，因此，本文研究对象初始范围为A股上市公司，然后剔除创新投资为0的企业，将样本缩小至创新投资活跃型企业范围。另外，剔除金融业、ST、*ST以及其它变量数据存在缺失的样本企业。2012年党的十八大明确提出实施创新驱动发展战略，考虑到国家宏观发展战略落实到企业层面需要一定的反应和调整时间，同时，由于样本量较大，迭代计算复杂，本文将样本期设置为2014-2018年。为消除异常值对实证检验的影响，对主要连续变量的双侧极端值进行1%的缩尾处理。经过以上步骤，最终获得4 608个有效观测值。在考察处于同一行业的邻近企业对样本企业的影响情况时，是否处于同一行业的判断标准参照证监会行业类别代码表(2012年修订版)，同时考虑实证检验中不同行业样本数量差异情况，将制造业门类中处于同一二级代码的企业认定为同一行业，其它行业门类分别按一级代码认定为同一行业。数据来自于万德数据库、上海证券交易所、深证证券交易所和上市公司官网，数据处理采用Stata软件。主要变量(滞后项在变量代码前加L标注)的描述性统计结果如表2所示，可以发现创新投资在企业收入中所占比重约为5%。

3 实证检验结果

3.1 企业创新投资空间相关性检验

计算不同权重下2014-2018 年企业创新投资Moran′s I 指数，结果如表3所示。首先，整体上Moran′s I指数均为正，说明企业创新投资存在正向空间相关性，创新投资程度高的企业多与创新投资程度高的企业相邻，创新投资程度低的企业多与创新投资程度低的企业相邻，即企业创新投资存在空间集聚现象；其次，权重矩阵2下的Moran′s I指数远远高于权重矩阵1下的Moran′s I指数，说明同行业企业之间创新投资空间相关性显著高于跨行业企业，即创新投资空间相关性受行业门槛的限制，存在明显的跨行业衰减效应；最后，权重矩阵4下的Moran′s I指数显著高于权重矩阵3下的Moran′s I指数，意味着相比于行业龙头企业而言，企业创新投资与同行业中实力相似企业的相关性更高，即多维邻近企业之间的空间相关性更强。

3.2 企业创新投资空间互动关系及行业限制检验

为进一步考察企业创新投资的具体空间互动关系及该关系是否受到行业限制，在权重矩阵1和权重矩阵2下分别对模型1和模型2进行回归，结果见表4。首先，在不同权重矩阵和模型下，rho值均为正值，该结果证明不同企业创新投资之间存在正向互动关系，可以相互带动。其次，在权重矩阵1下，无论是模型1还是模型2，rho值均不显著，说明仅仅考虑空间距离确定邻近企业时，企业间创新投资互动关系不显著。再次，在权重矩阵2下，将是否处于同一行业纳入考虑后，模型1和模型2回归结果显示rho值均在1%水平上显著，同时rho值明显提高，说明利用空间距离和是否同行业两个维度确定邻近企业时，企业间创新投资正向互动关系显著增强。最后，比较权重矩阵1和权重矩阵2下的回归结果表明，企业之间创新投资互动关系存在行业门槛，具有跨行业衰减特征，企业之间创新投资的相互带动和促进更容易发生在同行业企业之间。

解释变量回归结果显示：反映企业自身状态的多个解释变量对企业当期创新投资的影响是稳定的，而邻近企业的解释变量影响普遍不稳定或不显著，在企业自身状态因素中，反映企业基本财务能力的多项指标对企业创新投资影响非常显著，表现为企业收益能力越强、规模越大、偿债能力越高(lev是反指标，该指标值越高表示企业偿债能力越低)、资本越密集，企业创新投资水平越高。

综上可知，显著影响企业创新投资的因素有两个：同行业中邻近企业创新投资水平、企业自身财务能力。

3.3 经济距离下企业创新投资空间互动关系检验

在考虑空间距离和行业差异两个维度确定邻近企业的基础上，进一步增加竞争力势差，构建经济距离，检验同行业内究竟是龙头企业还是相似企业对样本企业创新投资的影响更明显，形成权重矩阵3和权重矩阵4下对模型1和模型2的回归结果(见表5)。表5显示：①所有回归结果的rho值为正，表明经济距离下不同企业的创新投资之间仍表现为正向互动作用；②权重矩阵3下，模型1和模型2回归的rho值在10%水平上显著，而权重矩阵4下两模型回归结果的rho值均在1%水平上显著，同时相对于权重矩阵3下的rho值，其水平也明显提高，这意味着同行业内企业与企业之间创新投资互动时，来自于相似企业的影响高于来自龙头企业的影响。综上可知，企业之间的创新投资正向互动关系在多维邻近的企业间更容易达成。

4 研究结论与政策启示

4.1 结果分析

以我国A股市场中创新投资活跃型企业为样本企业，构建不同权重矩阵，运用空间杜宾模型，检验企业创新投资空间互动关系，得到以下结论：

(1)各年度各个权重矩阵下的企业创新投资Moran′s I 指数均为正，且各个模型回归的rho值亦为正，证实企业之间的创新投资存在正向空间互动关系，该关系容易引发“高值-高值、低值-低值”的创新投资空间集聚现象。余泳泽和刘大勇(2013)研究发现，创新要素所具有的地理邻近性能够加强创新主体之间的信息交流与互动，本文从空间效应的视角探究了创新投资这一创新要素的互动关系，即地理距离越小，创新投资的空间外溢性和互动效应越显著。

(2)将是否处于同一行业纳入考虑范围后，权重矩阵2下企业之间创新投资空间互动关系相较于权重矩阵1下更为显著，由此可知企业之间的创新投资空间互动关系存在行业门槛，表现为跨行业衰减。原因可能在于：不同行业之间存在明显的技术和发展路径差异，创新投资需要结合技术、战略目标才能形成真实投资水平。Block等[26]提到，知识溢出促进相关行业创新行为；潘文卿等[46]将35个工业行业分成四大类，发现技术溢出在每一大类相似行业内更容易发生，但他们均未具体分析行业内和行业间企业个体创新互动差异情况。本文通过设置具有行业门槛的权重矩阵，从微观企业层次着手，论证了跨行业企业之间巨大差异影响创新投资空间互动强度。

(3)以经济距离为基础的权重矩阵4下的Moran′s I指数更高且回归结果更显著，意味着创新投资空间互动关系在多维邻近的企业间更容易达成。该结论表明，竞争能力明显高于自己的龙头企业对很多企业而言不仅地位难以撼动，而且财务能力难以匹敌，其创新投资行为的参考价值反而偏低。根据Asaba[47]基于竞争的理论，企业通过模仿相似企业保持竞争平等性或限制同行竞争，本文从创新投资的角度进一步论证了那些竞争力比较接近的企业更容易也更可能跟进和赶超，因此，企业创新投资应主要盯住势均力敌企业的投资状态相机而动。

4.2 政策启示

起源于行为经济学的助推理论认为，采用非强制性的经济刺激方式可以实现经济个体行为方式改变[48]。根据本文研究结论，借鉴助推理论，积极营造创新投资氛围、引导创新投资思路、提供创新政策支撑等温和的助推方式，可以激发企业创新投资。本文对于进一步落实国家创新驱动发展战略，具有以下政策启示：

(1)甄别高、低水平创新投资集聚区，“量体裁衣”式助推企业创新投资。根据本文研究，企业创新投资的正向互动关系可以表示为两种形式：“高值-高值”和“低值-低值”。在推动企业创新发展中，政府管理部门需要甄别出高水平创新集聚区和低水平创新集聚区。在空间互动作用下，高水平集聚区企业的创新投资有利于形成积极带动机制，推动局部区域内企业整体创新投资水平不断提升；低水平集聚区则容易形成消极的拖拉机制，很可能导致局部区域内创新投资活动处于相对停滞状态。因此，宏观管理上应尽量做到“量体裁衣”。对于高水平聚集区，应维持企业间创新投资的相互带动作用，为企业创新投资提供良好的政策环境和平台支撑；对于低水平集聚区，应将其作为重点管理对象，对区域内企业实施有效的外部干预，出台必要的引领政策，扭转其消极的拖拉机制。

(2)充分发挥企业间创新投资联动效应，以“点”带“面”式助推企业创新投资。创新投资空间互动可以在企业间形成涟漪式扩散，在扩散过程中同行业企业作为关键传导节点，会显著影响扩散的力量和范围，因此，需要特别重视同行业企业间创新投资信息交流。行业协会要积极建设创新投资信息发布和交流平台，在行业信息流动中起到支撑和引导作用，提升行业创新投资信息质量和传递效率，助推行业内企业相互带动开展创新投资。另外，多维邻近企业之间创新投资的空间互动更强，更容易产生同群效应，为提高企业创新效率，可以基于不同维度如行业、产权性质、市场竞争力等，选出一批企业作为“点”管理对象，对其创新投资进行重点管理，利用这批企业对其经济距离邻近企业的辐射作用，带动更多企业的创新投资行为，产生以“点”带“面”的助推效果。

4.3 研究不足与展望

(1)邻近性维度方面。我国各地企业所面临的政策、制度、文化等存在不同程度差异，本文仅从地理距离、行业门槛、经济距离3个维度分别探究了企业创新投资的空间互动关系，那么，在其它维度邻近性下企业创新投资是否存在类似互动关系？如果存在，该互动关系具有何种特性？未来可进一步探讨。

(2)研究对象方面。为加快建设创新型国家，2015年中央深改组提出在京津冀、上海、广东、安徽、四川、武汉、西安、沈阳8个区域系统推进全面创新改革试验总体方案，目前正值8个创新区全面建设的关键时期，本文研究结论表明，企业之间的创新投资具有空间互动关系，意味着邻近企业之间在创新投资方面是可以互相带动和互相促进的，该结论暗合了八大创新区的设置初衷。未来可进一步针对八大创新区中企业创新投资空间互动关系进行深入研究，探讨各创新区在不同维度邻近性下空间互动效应的强弱，进而更具针对性地引导各创新区内企业开展创新投资。

[1] ROMER P M.Endogenous technological change[J]. Journal of Political Economy, 1990, 98(Ⅱ):71-102.

[2] 杨晨,周海林.创新要素向企业集聚的机理初探[J].科技进步与对策,2009,26(17):89-91.

[3] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究, 2015,50(7):174-187.

[4] ANSELIN L. Lagrange multiplier test diagnostics for spatial dependence and spatial heterogeneity[J]. Geographical Analysis, 1988,20(1):1-17.

[5] PAELINCK J. Spatial econometrics[J]. Economics Letters, 1979, 1(1):59-63.

[6] 苏屹,林周周.区域创新活动的空间效应及影响因素研究[J].数量经济技术经济研究, 2017, 34(11):63-80

[7] 张秀艳. 金融集聚引导下的经济增长路径——基于门限效应和空间效应的解析[J].财经问题研究, 2019,41(11):47-54

[8] 师博,任保平.策略性竞争、空间效应与中国经济增长收敛性[J].经济学动态,2019，60(2):47-62.

[9] 吴玉鸣. 空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究, 2006，22(5):74-85,130.

[10] MING W Y,KUN H J.Spatial econometric analysis of R&D spillovers and regional innovation cluster[J]. Journal of Management Ences in China, 2008, 11(4):59-66.

[11] 李志宏,王娜,马倩. 基于空间计量的区域间创新行为知识溢出分析[J].科研管理, 2013，33(6):9-16.

[12] 王鹏,曾坤.创新环境因素对区域创新效率影响的空间计量研究[J].贵州财经大学学报,2015,33(2):74-83.

[13] 桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析[J].经济地理,2014,34(6):100-107.

[14] 周敏,马书尧,寇宗来.研发支出、溢出池与专利申请——基于中国工业上市企业的经验研究[J].研究与发展管理, 2019，30(2):121-132.

[15] 张营营,高煜.创新要素流动能否促进地区制造业结构优化——理论解析与实证检验[J].现代财经(天津财经大学学报), 2019，38(6):98-113.

[16] 吕海萍,池仁勇,化祥雨.创新资源协同空间联系与区域经济增长——基于中国省域数据的实证分析[J].地理科学, 2017，37(11):1649-1658.

[17] 焦翠红,陈钰芬. R&D资源配置、空间关联与区域全要素生产率提升[J].科学学研究, 2018，35(1):81-92.

[18] 马述忠,李嫣君,吴国杰.基于空间自相关的中国技术类创新资源流动影响因素分析[J].经济学家, 2015，26(11):15-25.

[19] 卓乘风,邓峰.创新要素流动与区域创新绩效——空间视角下政府调节作用的非线性检验[J].科学学与科学技术管理, 2017，37(7):15-26.

[20] FREEMAN C, SOETE L. The economics of industrial innovation[M].Abingdon:Taylor and Francis, 2012.

[21] 张宓之,朱学彦,梁偲，等.创新要素空间集聚模式演进机制研究——多重效应的空间较量[J].科技进步与对策, 2016，33(14):10-16.

[22] BROEKEL T, GRAF H. Structural properties of cooperation networks in Germany:from basic to applied research[R]. Jena Economic Research Papers, 2010.

[23] CABRER-BORRAS B,SERRANO-DOMINGO G.Innovation and R&D spillover effects in Spanish regions:a spatial approach[J].Research Policy,2007,36(9):1357-1371.

[24] FREEMAN C. Networks of innovators:a synthesis of research issues[J]. Research Policy, 1991, 20(5):499-514.

[25] ESCRIBANO A, FOSFURI A, TRIBO J A. Managing external knowledge flows:the moderating role of absorptive capacity[J]. Research Policy, 2009,38(1):96-105.

[26] BLOCK J H, THURIK R, ZHOU H. What turns knowledge into innovative products? the role of entrepreneurship and knowledge spillovers[J]. Journal of Evolutionary Economics, 2013, 23(4):693-718.

[27] KELLER W. Geographic localization of international technology diffusion[J]. American Economic Review, 2002,92(1):120-142.

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

[29] 李文亮,许正中.考虑空间效应的高技术企业创新溢出效应研究[J].软科学, 2015，28(4):1-4.

[30] BALLAND P A. Proximity and the evolution of collaboration networks:evidence from research and development projects within the global navigation satellite system industry [J]. Regional Studies, 2011,46(6):741-756.

[31] MARTIN M, STEWART A. Does temporary geographical proximity predict learning? knowledge dynamics in the olympic games[J]. Social Ence Electronic Publishing, 2016, 50(3):1-14.

[32] 杨雪,顾新,王元地.文化邻近对产学合作创新倾向影响的实证研究[J].中国科技论坛,2014，29(10):66-71.

[33] 周青,侯琳,毛崇峰.制度邻近性对高新技术企业合作创新的作用路径研究[J].科技进步与对策,2013,30(10):81-83.

[34] 王钺,刘秉镰.创新要素的流动为何如此重要——基于全要素生产率的视角[J].中国软科学, 2017，31(8):91-101.

[35] TAPPEINER G,HAUSER C,WALDE J.Regional knowledge spillovers:fact or artifact [J]. Research Policy， 2008, 37(5):861-874.

[36] BERNARDI C B,GUADALUPE S D.Innovation and R&D spillover effects in Spanish regions:a spatial approach [J]. Research Policy,2007, 37(9):1357-1371.

[37] 韩坚,费婷怡,吴胜男，等.产业集聚、空间效应与区域创新研究[J].财政研究,2017，37(8):90-100.

[38] LESAGE J P, PACE R K. Spatial econometric modeling of origin-destination flows[J]. Journal of Regional Science, 2008, 48(5):941-967.

[39] GRAVES S B. Institutional ownership and corporate R&D in the computer industry [J]. The Academy of Management Journal, 1988, 31(2):417-428.

[40] 崔也光,王肇,周畅.独立董事背景特征影响企业研发强度吗——基于企业生命周期视角[J].经济与管理研究 2018，38(12):130-140.

[41] 田祥宇,杜洋洋,李佩瑶.高管任期交错会影响企业创新投入吗[J].会计研究,2018，38(12):56-61.

[42] 肖利平.公司治理如何影响企业研发投入?——来自中国战略性新兴产业的经验考察[J].产业经济研究,2016，14(1):60-70.

[43] 倪静洁,吴秋生.内部控制有效性与企业创新投入——来自上市公司内部控制缺陷披露的证据[J].山西财经大学学报,2020,42(9):70-84.

[44] 冯戈坚,王建琼.企业创新活动的社会网络同群效应[J].管理学报,2019,16(12):1809-1819.

[45] KUMAR P, LI D. Capital investment, innovative capacity, and stock returns[J]. The Journal of Finance, 2016(5):2059-2093.

[46] 潘文卿,李子奈,刘强.中国产业间的技术溢出效应:基于35个工业部门的经验研究[J].经济研究, 2011,46(7):18-29.

[47] ASABA L. Who imitates whom？an empirical study on new product introductions in the Japanese soft-drink industry[R]. Working Paper, 2011:1-40.

[48] THALER R H,SUNSTEIN C R.Nudge:improving decisions about health, wealth and happiness[M]. New Haven:Yale University Press, 2008.