The Influence of Technology Relatedness and Technology Transfer on Regional Technology Evolution:An example from the Chengdu—Chongqing Area

Gong Qinlin, Li Yuan, Zou Donghan

(School of economics, Sichuan University, Chengdu 610065, China)

Abstract：Technology is the key driving force for economic growth. The development of technology follows the law of life cycle. If regional technology is in recession for a long time, the region will also fall into recession. Technological evolution (the emergence of new technologies and the decline of old ones) is an important driving force to promote sustainable economic development and a key driving force for high-quality regional development. At present, China is facing the pressure of external trade barriers and internal kinetic energy conversion. Accelerating technological evolution and realizing self-reliance in science and technology are the key to China's connotative growth, which also requires China to pay more attention to the regional driving force of technological innovation and improve the level of regional innovation governance.

The evolution of technology is the result of internal and external forces. It is driven by regional endogenous innovation and affected by regional external technology spillover. Therefore, this paper aims to analyze the impact of these factors on regional technology evolution from both internal and external aspects. Specifically, this paper holds that technology relatedness is the ability of a region to generate new technologies based on existing knowledge, which represents the endogenous driving force of regional innovation. Technology transfer represents the external force of regional technological innovation. Based on the panel data，this paper analyzes the impact of technology relatedness and technology transfer on technology evolution in Chengdu-Chongqing Area, and further discusses the role of regional and technological heterogeneity.

The results show that technology relatedness and technology transfer have a positive impact on regional technology evolution, and it is found that there is a substitution effect between technology transfer and technology relatedness. According to the technology gap theory, when the technology gap is large, technology transfer from developed regions will promote the development of undeveloped regions more effectively. When the technological gap is narrowed, it is necessary to rely on regional technology relatedness to achieve technological innovation. At the same time, high technology often has great technical barriers, and technical heterogeneity will change the role of technology relatedness and technology transfer. Therefore, it is necessary to analyze the differential impact of regional heterogeneity and technical heterogeneity. The results show that technology relatedness plays a stronger role in developed areas and low-tech areas, and technology transfer plays a more significant role in backward areas and high-tech areas. Further research shows that there are an "inverted U" effect on technology evolution between technology relatedness and technology transfer, and the spillover effect in adjacent areas.

In order to accelerate the technological evolution of Chengdu-Chongqing area, the local governments put forward policies such as increasing R&D investment and strengthening the cultivation and introduction of high and new technologies. However, it should be noted that in the process of promoting technological evolution, attention should be paid not only to the amount of investment, but also to the structure of investment. At the same time, differentiated innovation policies should be implemented according to regional heterogeneity. Therefore, it is necessary to increase investment in the fields with strong technology relatedness, such as electronic information and automobile manufacturing. This is conducive to consolidating Chengdu-Chongqing's advantages in such technologies and avoiding the negative impact of resource dispersion and uncertainty risks. At the same time, the backward areas of Chengdu-Chongqing area should integrate into the national technological innovation network and make up for the missing links in the local innovation chain, so as to avoid falling into continuous decline. Finally, the Chengdu-Chongqing area should break the barriers of factor flow, improve the top-level design of inter-regional collaborative innovation, and build a regional technological innovation cooperation platform, thereby enhancing the overall technological innovation level of the Chengdu-Chongqing area.

Key Words:Regional Innovation; Technology Relatedness；Technology Transfer; Technology Evolution; Knowledge Spillover

收稿日期：2021-07-13

修回日期：2021-11-14

基金项目：国家社会科学基金项目(20BJL088)；四川省软科学项目(2021JDR0160)；重庆市科协智库调研重大项目(2021KXKT02)

作者简介：龚勤林(1972-)，男，四川富顺人，博士，四川大学经济学院教授、博士生导师，研究方向为区域经济与创新管理；李源(1992-)，男，四川宣汉人，四川大学经济学院博士研究生，研究方向为区域技术创新；邹冬寒(1994-)，女，湖北随州人，四川大学经济学院博士研究生，研究方向为区域经济。

DOI：10.6049/kjjbydc.2021070326 开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2022)07-0033-11

0 引言

技术是经济实现内生增长的关键动力，经济兴衰往往伴随技术更迭，实践表明，新技术出现与旧技术衰落形成的技术演化是推动经济增长、实现可持续发展的重要原因[1]。为了抢占新一轮科技革命的战略制高点，发达国家或地区均制定了相应战略及政策，如欧盟提出 “精明专业化(Smart Specialization)”政策，美国提出 “国家创新战略”，德国提出 “高科技战略2025”。当前，我国正面临外部贸易壁垒和内部动能转换的双重压力，加速技术创新演化、实现科技自立自强是我国实现内涵型增长的关键，因此我国要不断向内部“挖潜”，重视区域空间对技术创新的驱动作用，不断提升区域创新治理水平。

在实施创新驱动发展战略的过程中，各地方政府均将提升区域技术水平作为重要着力点，制定相应技术发展政策和规划，支持和鼓励科研院所及企业进行技术创新。由于技术差距等原因，东部地区技术优势得到进一步强化，而中西部地区依旧陷入技术创新“泥潭”。据《中国区域科技创新评价报告》显示，上海、北京、广东、天津、江苏、浙江等东部省市始终是我国科技创新排名前六的区域，东中西部的技术创新差距呈现固化状态。产生技术差距的重要原因是后发地区陷入锁定效应，区域技术演化变缓，新技术难以形成规模，也难以替代旧技术。因此，后发地区如何通过有效的技术创新手段摆脱锁定效应，进而实现推陈出新，成为区域创新研究重点。

2020年中央提出推动成渝地区双城经济圈建设重大战略，赋予成渝地区建设具有全国影响力的科技创新中心的重要使命。近年来，成渝地区已经在“人造太阳”“大数据处理”等关键技术上实现重大突破，但整体技术创新水平仍然较低。以每万人口发明专利拥有量为例，成渝地区所在的四川省和重庆市分别为8.4件与11.3件，远低于全国15.8件的平均水平，与北京(155.8件)、上海(60.2件)、江苏(35.5件)等省市差距进一步拉大。同时，从表1可以看出，相比于2000-2010年，2011-2019年成渝地区专利技术结构变化幅度缩小，存在 “技术锁定”风险。因此，对于成渝这类技术创新后发地区而言，如何有针对性地加速技术演化、推动区域研发出新技术，将是成渝地区建立具有全国影响力的科技创新中心的关键。

基于此，本文以区域创新系统和演化经济地理学理论为指导，从区域内部技术关联和外部技术转移两个方面分析区域技术演化动力，并以成渝地区作为研究样本，基于1999-2019年的区域—技术行业面板数据，实证分析技术关联和技术转移对区域技术演化的差异化与阶段性影响，最后基于实证结论提出对策建议，以期为后发地区探索技术演化路径、提升我国区域科技创新整体实力提供理论指导。

1 理论分析与研究假设

技术发展遵循萌芽期、成长期、成熟期、衰退期的生命周期规律[2]，如果区域技术长期处于衰退期，则会导致经济陷入衰退困境。技术路径依赖理论认为一旦某项技术得到采用，由于存在收益递增机制，这项技术很难被潜在、更具竞争力的技术所取代[3]。同时，由于沉没成本(如专用技术设备等)以及创新不确定性的影响，使得区域被锁定在由次优技术决定的低效率状态，但这并不意味着区域就没有走向新发展道路的机会。演化经济地理学强调基于知识创造与溢出的重要性[4]，企业随机区位决策[5]、区位机会窗口[6]和有针对性的战略性行为在一定程度上为区域发展创造了新路径[7]。Martin & Sunley [8]认为区域演化是内因和外因相互作用的结果，新路径演化模式包含现有产业转型升级以及区域外投资和产业转移。对于区域技术而言，技术演化也是内外两种力量作用的结果，既有区域内生的创新驱动，也有受到区域外部技术溢出的影响[9]。因此，本文将从区域技术创新的内部和外部两个方面出发，分析这些因素对区域技术演化的影响。技术关联事实上代表了区域技术积累，是区域依托已有知识驱动新技术产生的一种方式，在一定程度上能够代表区域技术创新的内生动力；而技术转移代表了区域技术创新的外部力量，通过技术引进实现区域技术创新能力提升。

现有区域内生创新动力的研究多从研发经费支出和研发部门人员投入角度出发[10]，多用研发要素投入测度。但现有文献忽略了研发要素投入的领域问题，即假设生产家具的地区和生产摩托车的地区将等量要素投入汽车研究领域的产出相同。事实上，要素流入毫无技术关联与关联较强的领域，其产出结果差异较大。技术不是孤立存在的，技术之间总是相互关联，这种关联性表现在发展沿革、应用反馈以及共有知识和共用实验设备等方面。Arthur[11]认为，新技术是从已有技术中创造出来的；Boschma & Frenken[12]也将区域技术演化描述为一种由区域已有技术衍生出关联技术的过程，认为技术演化不是偶然的，而是脱胎于已有技术积累，形成众多增量的技术创新[13]。同样，Rigby[14]在针对美国 1975-2005 年的技术相关性研究中也发现，若某类新技术与美国大都市区现有技术相关，则该地区发展出这类新技术的概率更高。因此，关于技术关联是区域技术演化重要动力的观点成为众多学者的共识。由此可以认为，基于技术关联的演化本质是一种路径依赖式演化，选择强关联领域进行创新研发的不确定性小，产出较稳定，但是这种依赖式演化路径容易导致地区长期陷入低附加值技术领域而不能自拔，落入“比较优势陷阱”[15]，同时，区域创新活动边界也会缩小，降低新技术出现几率，导致区域技术演化难以实现，其结果就是这些区域会与发达地区永远存在一定技术差距[16]。据此，本文提出如下研究假设：

H1：短期内技术关联能够驱动区域实现技术演化，但从长期看，过度依赖技术关联的作用将阻碍区域技术演化。

在外生作用方面，技术转移能够很好地解释区域间创新的相互作用。技术转移是某种技术或知识体系的扩散过程，表现为知识在地理空间上的动态扩散，是一种有意识的知识溢出[17]。Aghion等 [18]认为，跨区域的技术转移是实现创新资源流动与共享、促进地区技术进步的重要途径。一方面，技术转移可以促进输入地形成新技术积累，加快技术创新，同时，技术转移有助于补齐区域技术链条上的短板，进一步发挥区域创新的协同效应。另一方面，转移技术一般为成熟技术，直接进行技术转移能够节省输入地的研发投入成本，进而形成“转移—消化—创新—输出”的动态演化过程[19]。而这种作用在后发地区更显著，林毅夫和张鹏飞[20]认为，后发地区自身基础薄弱，研发投入不足，缺乏进行技术演化的原始积累，而通过学习先发地区的先进技术与管理经验、引进先发地区的技术和设备，可以节约科研费用和时间，快速积累人力资本和物质资本，实现区域技术演化。

但是技术转移也存在着负效应，如接受转移的地区可能存在“搭便车”行为，进而抑制本地自主创新。技术转移是区域技术演化的外生动力，后发地区在早期虽然能够通过技术引进发挥“后发优势”，实现技术演化，但随着后发地区与前沿地区技术差距的缩小，技术转移的作用将会下降。同时，由于模仿创新的成本比自主创新成本低，区域缺乏进行自主创新的内生动力，因此过多进行技术转移将对本土创新产生严重替代(徐欣，2015)，即形成“创新毁灭”效应[21]，抑制区域原始创新能力进而在后期阻碍区域技术演化。由此，本文提出如下研究假设：

H2：短期内技术转移有利于区域技术演化，但从长期看，技术转移过多将会抑制技术演化。

综上所述，本文基于演化经济地理和区域创新理论提出实证假设，试图从区域技术演化的内部动力和外部动力两个维度出发，研究技术关联和技术转移对区域技术演化的作用，以全面分析区域技术演化的空间动力机制。研究框架如图1所示。

2 模型设计与数据来源

2.1 计量模型设定

实证研究主要探究区县尺度下区域技术关联度、技术转移对区域技术演化的影响，建立如下计量模型：

Entryc,i,t=α1+β1Densityc,i,t-1+β2Trac,i,t+Controlc,t+γi,t+μc+φi+ηt+εc,i,t

(1)

其中，下标c、i、t分别表示区域、技术领域和年份。Entry是二元变量，表示区域是否扩展技术i，如扩展则为1，否则为0，这里的演化表示在新技术i上实现比较优势。Density为技术关联度，Tra为技术转移，Control表示区县层面的控制变量，包括城镇化率(UR)、人均地区生产总值(Pgdp)、二产占比(Sec)，γ是区域-技术固定效应，μ是区域固定效应，φ是技术领域固定效应，η是时间固定效应，ε是回归残差。

2.2 数据来源与变量计算

专利文献由于数据质量高、可获性强、包含了众多技术创新信息，是进行创新研究的重要数据来源，应用较早也比较广泛[22]。同时，专利包含发明、实用新型和外观设计3种类型。其中，发明专利的价值最高，也最能代表区域技术创新水平，因此本文利用发明专利数据进行研究。研究数据来源于1999—2019年国家知识产权局的发明专利数据库和成渝地区各市统计年鉴，其中，发明专利数据库详细记录了各专利的专利号、申请人、申请地、技术类别等信息。

2.2.1 区域技术演化

技术演化表示区域在一项新技术上实现比较优势(区位熵大于或等于1)，由于区域在某项技术上实现比较优势需要一定时间，同时，考虑到数据本身的长度，也为区分不同阶段的影响，本文将数据年限(1999-2019)等分为7个阶段。技术演化(Entry)是一个二元变量，如果第t阶段区域c在i技术领域的比较优势小于1，但在第t+1阶段的比较优势大于或等于1，则Entryc,I,t+1=1，否则记为0。图2显示了成渝地区不同技术部类的技术演化平均情况，可以发现，成渝地区技术演化主要集中在A、B、C和E部，这与成渝地区农业、汽车、化工等行业较为发达的现状相符。

2.2.2 技术关联性测度

为测度技术关联性，按照IPC“部—大类—小类”，将专利技术划分为637类，每类由四位数编码代表，例如技术代码B64C，B代表“作业和运输”部，B64为“飞行器、航空、宇宙航行” 大类，B64C为“飞机、直升飞机”小类，本文用不同小类代表不同技术领域。

技术关联性代表区域围绕该类技术形成的集聚程度，本文采用Hidalgo & Balland等[23]的计算方法对技术关联性进行测度，通过计算两类不同技术出现在同一专利中的概率测算技术类别间的技术关联性。该方法认为，如果两类技术高频率地出现在同一专利中，则在一定程度上说明这两类技术间存在共性知识、共同的研发要素需求，即有一定关联性。具体计算公式如下:

φij=Min{P(Nzi>0|Nzj>0),P(Nzj>0|Nzi>0)}

(2)

其中，z代表一项专利，i和j代表专利IPC分类的技术领域。如果专利z中存在i技术，则Nzi为1，否则为0。同理，如果专利z中存在j技术,则Nzj为1，否则为0。如果φij的值很大，则说明技术i与技术j之间的相关性较强。由于区域在不同时期都有专利产出，因此本文将1985-2019年的所有发明专利均纳入计算。所有技术类别之间的技术关联度均可以构成一个637×637的对称矩阵。

在得到技术关联性后，城市C在i上具备的技术关联密度通过加权具有比较优势的技术类别得到，具体指标计算如下：

(3)

式中:φij为技术i与技术j之间的关联性；χc,j,t为技术j在区域C中是否具有比较优势。具体设置如下:

(4)

如果RTAc,j,t≥1，则χc,j,t=1，否则记为0。

基于计算得到的技术关联性，利用Gephi软件进行可视化，如图3所示。本文对不同部类技术进行颜色深浅度区分，不同点代表不同技术类别，点越大代表与该技术存在关联性的种类越多，点之间的连线代表技术关联度，线条越粗表示关联度越大。可以看出，图中明显出现3个核心关联，即G部物理，B部作业、运输，H部电学，形成了明显的核心集团，集团内部的技术关联性较强，且3个集团间也存在一定技术关联性，尤其是G与H之间的技术关联度较高。通过查阅国民经济行业分类与国际专利分类对照表可以发现，G与H的技术多集中在电子信息产业。

2.2.3 技术转移测度

技术转移中既有可编码知识转移，也有隐性知识溢出。现有研究多基于空间邻近性对知识溢出进行研究[24-25]，并认为知识溢出存在一定范围，但这种溢出多基于非编码知识，主要通过研发人员面对面的近距离交流和共享实验设备等实现。除邻近地区的隐性知识溢出外，同样存在长距离的技术转移，尤其对于成渝地区而言，更多的是接受京津冀、珠三角、长三角等地的技术转移。专利转让是长距离技术转移最为直接的表达方式，是指专利权人将拥有的专利所有权或者持有权转移给受让方，作为受让方,自然就获得了相应的技术输入，因此本文利用专利转让表征技术转移。在专利转让数据提取方面，国家知识产权局专利检索平台记录了专利法律状态的每次变动，其中包含专利转让信息，如转让时间、受让人名称和地址等。因此，本文首先根据专利法律状态识别出发生过转让行为的专利，然后根据受让人地址信息，保留受让人为成渝地区的数据，进而提取出本文所需的专利转让数据。随后，本文构建地区专利转让关联矩阵，利用Gephi软件对全国转入成渝地区的专利进行可视化，如图4所示。图中各点代表不同地区，点越大代表越多地区向成渝地区进行技术转入，线条粗细表示两个地区间的技术转移次数。从图中可以发现，京津冀、长三角、珠三角是成渝地区的主要技术来源地，在成渝地区内部，技术转入地主要集中在重庆巴南区、渝北区以及成都武侯区。

3 实证分析

3.1 基准回归结果

利用面板回归模型探讨成渝地区技术演化影响因素，结果如表2所示，第(1)列和第(3)-(5)列均显示技术关联密度(Density)对区域技术演化(Entry)的影响显著为正，验证了已有研究中提出的相关结论，即在区域技术演化过程中倾向于发展与原有技术关联性较强的技术。第(2)列和第(3)-(5)列验证了技术转移(Tra)对区域技术演化的影响，结果显著为正，说明技术转移能够促进区域技术演化，从而创造新发展路径，由此验证了假设H1和H2中技术关联与技术转移能够驱动区域实现技术演化的假设。尽管二者都存在正向影响，但可以发现，技术关联的作用明显强于技术转移，说明区域技术积累仍是区域技术演化的主要动力，而且从第(2)、(3)列可以发现，当加入技术关联度时，技术转移对区域技术演化的影响减弱，说明二者之间存在一定替代作用。

3.2 异质性分析

由于不同地区所处的发展阶段各异，其人力资本与物质资本储备也不同，区域利用技术关联进行创新或是直接进行技术转移的结果也会不同。技术差距理论认为，欠发达地区在技术差距较大时通过技术转移可以享受后发优势，因此应该直接利用与吸收发达地区的技术成果，而当与前沿地区的技术差距较小时，则应该依靠本地区的技术关联实现技术演化。同时，不同技术领域的进入门槛不同，如高新技术往往具有较高技术壁垒，因此技术异质性将导致技术关联、技术转移的作用存在差异，本文将基于区域异质性和技术异质性分析技术关联、技术转移的差异化影响。

3.2.1 区域异质性分析

专利数量能够反映区域技术水平，技术水平高的地区，其专利数量也多。因此，本文根据专利数量，将成渝地区划分为技术先发地区和技术后发地区，各71个区县。分样本回归结果如表3所示，在技术转移方面，第(3)、(4)列显示相较于先发地区，后发地区通过技术转移更能实现区域技术演化；第(5)列显示，当加入技术关联后，技术转移的作用虽然为正，但不显著，与余泳泽和张先轸[26]的研究结论一致，即随着成渝先发地区与我国东部地区技术差距缩小，技术转移的边际效用下降，进而不利于区域技术演化。而对于成渝地区技术后发地区，仍然存在较大的后发优势，可以继续吸收东部发达地区的技术溢出。在技术关联方面，表3中第(5)、(6)列显示，先发地区的技术关联系数为0.57，后发地区为0.83，表明后发地区更能通过自身技术关联实现技术演化，这与已有研究成果存在一定差异。

考虑到技术关联在不同时间段的边际效应存在差异，本文将研究时间划分为前期和后期两个阶段，由于成渝地区的专利转让主要发生在2005年后，即第3个阶段，因此本文将3～5阶段(2005-2013)作为前期，6～7阶段(2014-2019)作为后期，结果如表4所示。可以发现，先发地区的技术关联在前期作用较强，在后期作用减弱。这主要是因为先发地区已经拥有一定技术存量，早期通过存量技术发挥技术关联效应且能够较好地实现技术演化，但随着技术存量进一步增加，技术关联的边际作用开始下降。后发地区由于前期技术存量积累较少，技术关联的作用受限，随着技术积累增加，技术关联作用开始增强。考虑到依时间划分阶段对结果的不同影响，本文亦将3～4阶段(2005-2010)作为前期，5～7阶段(2011-2019)作为后期进行稳健性检验，其结果仍然稳健。

3.2.2 技术异质性分析

根据专利分类号，对照专利分类代表的国民经济行业，将电子信息、生物医药、车辆及有关运输设备制造、精密仪器制造等归为高技术含量专利，农作物种植、食物烘焙、家具生产、建筑水利等归为低技术含量专利。表5中第(1)、(2)、(5)和(6)列结果显示，技术关联在两种技术领域均对区域技术演化有正向作用，但在低技术含量领域的作用更强；技术转移则相反，在低技术含量领域作用较弱。这主要是因为低技术含量领域的技术转换门槛较低，例如企业前期拥有桌子制造技术(A47B)，那么后期演化出椅子制造技术(A47C)则较容易。但在高技术含量领域，技术专业性更强，形成新技术所需的专业知识和研发设备等要素投入要求更高，且要素具有专用性，导致技术转换较困难，例如具有生产电缆和导体(H01B)技术的企业较难演化出电阻器(H01C)技术。技术转移对于转入地而言是一种外部技术冲击，这种冲击会为本地带来与新技术相关的知识和技术设备，如果转入的是低技术含量专利，这与其已有技术的差距不大，不利于本地知识更新，其冲击作用较弱，不利于演化出新技术。因此，技术转移在低技术含量领域的作用较小。同时，比较第(3)列和第(5)列可以发现，当加入技术关联后，技术转移系数不显著，说明在低技术含量领域技术关联会替代技术转移的作用，低技术含量领域主要通过发挥技术关联的作用实现技术演化。

3.3 稳健性检验

本文解释变量技术关联通过不同技术在同一专利中出现的概率反映，由于样本量较大，两项毫无关联的技术只要在同一专利中偶然出现，就会被赋予一定关联值。尽管这个值很低，但仍会高估技术关联对技术演化的作用。因此，本文将变量技术关联(Density)小于25%分位数的值设为0，其余值不变，其结果如表6中第(1)列所示。同时，技术转移年度变化较大，且呈现离散状态，考虑到变量的数值特性和数理统计分布，本文将变量技术转移(Tra)大于1的值定义为1，小于1的值定义为0，结果如表6中第(2)列所示。最后，同时将两个变量一起替换，结果如表6中第(3)列所示。整体来看，回归结果与基准结果一致，模型具有较强稳健性。

在时间阶段的划分中，本文将1999-2019年按每3年等分为7个时间阶段，考虑到技术演化时间可能大于3年，该值选择可能对结果造成影响，因此按照5年等分，将研究期划分为4个阶段，其结果依然显著，如表7所示。

3.4 进一步讨论

3.4.1 邻近地区的溢出效应

前文中的技术转移是基于专利等可编码知识的扩散活动，这种转移受地理距离的影响小，例如成渝地区接受来自北京、上海和深圳等地的技术转移要远远多于距离较近的武汉地区的技术转移。但对于不可编码知识，距离则变得非常重要，这种不可编码知识伴随科研人员的区际流动、面对面技术交流和共享区域科研设施而实现转移。因此，本文认为区域技术演化不仅受到远距离技术转移的影响，同时受到邻近地区知识溢出与技术转移方式的影响。本文基于邻近性构建地理空间权重矩阵，并加权形成Wentry、Wdensity、Wtra3个指标。其中，Wentry 表示邻近地区在某项技术上是否实现演化，Wdensity表示邻近地区在某项技术上的技术关联密度，Wtra表示邻近地区在某项技术上的转移数量。将其纳入模型，其回归结果如表8所示。可以发现，如果邻近地区在某项技术领域实现技术演化(Wentry)，将会促进本地在该技术上实现演化，说明存在空间溢出效应。另外，从第(2)和(3)列看出，当加入Wdensity和Wtra后，Wentry的影响系数变小，说明邻近地区技术关联密度和邻近地区技术转移是溢出效应的部分作用渠道。

3.4.2 技术关联、技术转移的“倒U型”效应

技术关联反映技术i与技术j之间的关联程度，如果仅发展与区域现有技术关联性较强的技术，将导致区域知识无法得到更新，这种发展方式表现为现有知识间的一种组合，难以达到“破坏式创新”效果，进而导致区域后期缺乏技术演化动力。此外，技术关联也反映技术i与技术j之间的距离，若技术关联度太小，即使区域在i技术上具有比较优势但是实现j技术演化的可能性很小。若技术关联度太大，意味着技术i与技术j之间的距离很小，由技术i与技术j分别形成的产品在功能上差异也很小，技术i与技术j之间可能存在一定替代效应。在此情况下，尽管区域已经在技术i上实现比较优势，基于沉没成本考量，区域仍会持续推进i技术发展。因此，本文将技术关联的二次项纳入模型，其结果如表9中第(1)、(3)列所示，技术关联与技术演化呈现“倒U型”关系，即技术关联太小或者太大都不利于区域技术演化。

技术转移是区域直接引入外部技术、进行区域技术演化的外生动力。技术转移通过促进区域技术更新，推动区域模仿和学习，进而在该技术上逐渐形成比较优势。但技术转移过多，也可能导致区域失去该项技术的自主创新动力，倾向于直接引进技术，并进一步抑制本地区创新能力形成，陷入“引进技术—抑制本地创新—引进技术”的循环陷阱，不利于区域技术演化。本文将技术转移的二次项纳入模型，其结果如第(2)、(3)列所示，即一定的技术转移有利于区域实现技术演化，但过多的技术转移会阻碍区域技术演化。由此，验证了假设H1和H2中的观点，即过度依赖技术关联和技术转移不利于区域技术演化。

4 结语

4.1 结论

本文基于成渝地区区县技术层面的专利数据，讨论了技术关联与技术转移对区域技术演化的影响，并进一步进行了异质性、稳健性等分析。研究发现：

(1)技术关联显著提高了区域技术演化概率，技术转移以及邻近地区知识溢出同样对区域技术演化具有正向作用，但作用较技术关联弱。

(2)技术关联与技术转移在不同区域、不同技术领域具有异质性影响，发挥作用的方向和程度因地区技术积累和技术行业进入门槛而异。具体而言，技术关联在低技术领域和先发地区作用更显著，而技术转移在高技术领域和后发地区作用更显著。

(3)技术关联和技术转移均存在“倒U型”效应，长期来看，过度依靠技术关联和技术转移均不利于区域技术演化。

4.2 政策建议

近年来，成渝地区科技创新正致力于从后发向前沿迈进，部分技术甚至处于世界领先水平，然而与粤港澳大湾区、长三角地区和京津冀地区间的差距也说明成渝需要继续推动技术创新，缩小与前沿地区间的技术差距。为了加速推进成渝地区技术演化、实现新旧技术替代，地方政府提出了加大研发投入、加强高新技术培育和加大引进力度等政策。但需要注意的是，在推动技术演化过程中，不仅要关注投入数量问题，也要关注投入结构问题，同时，结合地区异质性，实施差异化创新政策。结合以上研究，本文认为：

(1)成渝地区应将研发要素投向技术关联紧密领域，例如电子信息和汽车制造等，持续巩固成渝在此类技术上的优势，避免技术不相关带来的资源分散和不确定性风险等负面影响。在推进新技术发展时，需要强化其关联技术的协同培育，充分发挥技术知识溢出效应，提升新技术演化概率；探索与实施成渝创新链“链长”制度，梳理成渝地区优势技术以及未来技术，根据技术关联性，编制技术关联表，选择成渝地区产业发展急需、具有高度关联性的重要科技领域，发布关联技术集群攻关项目；鼓励行业龙头企业与其它企业建立合作研发平台，整合产业链企业创新能力，加速形成优势技术集群演化格局。

(2)在发挥技术关联作用的同时，鼓励成渝落后地区进行技术引进，充分发挥后发优势，避免“村村点火”带来的效率低下问题。同时，落后地区加强对外开放，积极融入全国技术创新网络，引入本地创新链缺失环节，加速技术演化，避免陷入持续性衰落窘境。探索实施创新帮扶制度，持续完善成都、重庆与其它地区的合作模式，通过国家级高新区—地市州、省部级高校—地市州等方式实现结对子技术创新帮扶，加速先进技术向后发地区的转移转化，破除技术由创新核心向创新边缘扩散的桎梏。

(3)由于邻近地区间存在正向知识溢出效应，成渝地区应破除行政区划对研发要素流动的空间限制，完善区域协同创新的顶层设计，搭建区域技术创新合作平台，强化共性技术研发，通过开展区际科技创新合作，为区际知识溢出提供通道，进而提升成渝地区整体技术创新水平。探索实施经济区与行政区分离的办法，促进成渝间创新要素合理流动，完善人才互认办法和户籍制度，打破区际人才流动壁垒，搭建科研设备共享平台，推动实现重大科技设施共建共享，强化知识溢出效应；探索发布区域科技合作项目申报计划，鼓励企业和高校等进行跨区域联合申报。

4.3 研究贡献

区域技术演化是区域内部和外部因素共同作用的结果，与已有研究仅关注区域研发投入[27]、政府补贴[28]等区域内部因素和基于地理邻近的知识溢出[24]等外部因素不同，本文在此基础上关注创新要素投入领域与现有技术之间的关联问题，并将长距离的可编码技术转移纳入研究框架。同时，从区域技术演化角度分析专利技术创新，探究新技术在区域形成比较优势的过程，是对现有专利技术数量或者质量[29]等研究的补充，为区域专利技术研究提供了结构方面的新视角。

4.4 不足与展望

综上，本文探究了技术关联、技术转移对区域技术演化的影响，研究结论符合理论预期和实际，但仍存在一些不足：一方面，理论上影响区域技术演化的因素很多，但由于本文研究的地理尺度是区县，数据可获性不强，可能存在控制变量考虑不全等问题；另一方面，技术转移变量仅考虑了专利转让，尚未对技术许可、合作研发等技术转移模式进行考量。同时，现有技术关联计算方法难以捕捉技术关联的动态变化性。综上，未来研究可以基于全国城市尺度，研究不同技术转移方式，以及采用动态技术关联计算方法，以更加准确地分析区域技术演化影响因素。

参考文献:

[1] BOSCHMA R, MARTIN R. The handbook of evolutionary economic geography[M]. Cheltenham: Edward Elgar Publishing,2010.

[2] CAMPBELL R S. Patent trends as a technological forecasting tool[J]. World Patent Information, 1983, 5(3):137-143.

[3] ARTHUR W B . Competing technologies, increasing returns, and lock-in by historical events[J]. The Economic Journal, 1989, 99(394):116-131.

[4] 贺灿飞.区域产业发展演化:路径依赖还是路径创造 [J].地理研究，2018，37(7)：1253-1267.

[5] BOSCHMA R A, FRENKEN K.Evolutionary economics and industry location [J].Review of Regional Research, 2003, 23 (2):183-200.

[6] STORPER M, WALKER R.The capitalist imperative: territory, technology, and industrial growth [M].New York: Blackwell, 1989.

[7] DAVID P A.Why are institutions the 'carriers of history' [J]. Structural Change and Economic Dynamics, 1994, 5 (2) :205-220.

[8] MARTIN R，SUNLEY P.Path dependence and regional economic evolution[J]. Papers in Evolutionary Economic Geography, 2006, 6(4):395-437.

[9] 苏屹，林周周.自有知识、知识溢出与区域创新产出[J].科研管理,2021，42(1)：168-176.

[10] 宋跃刚，郑磊.中间品进口、自主创新与中国制造业企业出口产品质量升级[J].世界经济研究,2020,36(11):26-44，135.

[11] ARTHUR W B. The nature of technology: what it is and how it evolves[M].Penguin Books, 2009.

[12] BOSCHMA R, FRENKEN K. The emerging empirics of evolutionary economic geography[J]. Journal of Economic Geography, 2011, 11(2):295-307.

[13] 黄凯南，乔元波.产业技术与制度的共同演化分析——基于多主体的学习过程[J].经济研究，2018，53(12)：161-176.

[14] DAVID L RIGBY. Technological relatedness and knowledge space: entry and exit of us cities from patent classes[J]. Regional Studies,2015,49(11):1922-1937.

[15] 张小蒂，李风华.技术创新、政府干预与竞争优势[J].世界经济，2001,24(7)：44-49.

[16] NELSON R R , PHELPS E S. Investment in humans, technological diffusion, and economic growth[J]. Cowles Foundation Discussion Papers, 1966, 56(1-2):69-75.

[17] POLANYI M.Personal knowledge: towards a post-critical Philosophy[M]. Chicago: University of Chicago Press, 2015.

[18] AGHION P, HOWITT P, BRANT-COLLETT M, et al. Endogenous growth theory[M]. Cambridge: MIT Press, 1998.

[19] 楚尔鸣，曹策.人才流动缩小了区域经济差距吗——来自技术转移的经验证据[J].财经科学,2019,63(9):99-112.

[20] 林毅夫，张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学(季刊)，2005,163(4)：53-74.

[21] 李光泗，沈坤荣.技术引进方式、吸收能力与创新绩效研究[J].中国科技论坛，2011,27(11)：15-20.

[22] 赵建吉，曾刚.创新的空间测度：数据与指标[J].经济地理，2009，29(8)：1250-1255.

[23] BALLAND P A, BOSCHMA R A, CRESPO J, et al. Smart specialization policy in the eu: relatedness, knowledge complexity and regional diversification[J]. Social Science Electronic Publishing, 2018(4):1-17.

[24] 白俊红，王钺，蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究，2017，52(7)：109-123.

[25] 原毅军，高康.产业协同集聚、空间知识溢出与区域创新效率[J].科学学研究，2020，38(11)：49-58，90.

[26] 余泳泽，张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界，2015，31(9)：13-31，187.

[27] 柳卸林，田凌飞.不同产业研发投入对区域创新产出的影响[J].科技进步与对策，2019，36(4):33-39.

[28] 马嘉楠，周振华.地方政府财政科技补贴、企业创新投入与区域创新活力[J].上海经济研究，2018，35(2):53-60，99.

[29] 杨亭亭，罗连化，许伯桐.政府补贴的技术创新效应：“量变”还是“质变” [J].中国软科学，2018，33(10):52-61.

(责任编辑：胡俊健)