区域多样化模式、技术生命周期与战略性新兴产业创新绩效

以新能源汽车、节能环保、生物、新材料、新能源等技术为支撑的战略性新兴产业代表了新一轮科技革命和产业变革方向,是获取未来竞争优势、实现可持续发展的关键领域。创新驱动发展战略作为加快科技强国建设的核心战略,受到各地区的积极响应并纷纷提出各自的战略性新兴产业发展规划。由于知识溢出受地理空间限制[1],区域创新具有路径依赖特征[2],现有知识库是区域创新发展的基础[3]。一些地方政府忽视本区域知识结构和比较优势,导致战略性新兴产业布局存在雷同、重复建设等问题[4],没有因地制宜。演化经济地理学研究发现,伴随技术演化发展,处于不同生命周期阶段的产业知识重组需求并不相同[5],而传统多样化与专业化理论无法为区域产业创新布局提供充分的理论与实证支持。因此,本文从演化经济地理学角度,结合创新理论和相关多样化理论,探讨不同多样化模式对战略性新兴产业创新数量和质量的影响,以及不同技术生命周期阶段创新绩效的差异,以拓展区域创新布局思维,为深入实施创新驱动发展战略、优化战略性新兴产业路径选择提供理论与实证支持。

1 理论分析与研究假设

1.1 多样化模式与创新数量

区域多样化是与区域专业性相对应的一个概念,通常是指地区产业发展的多样化程度[6]。区域产业多样化水平越高,其经济发展对少数产业部门的依赖程度就越低[7]。有经济地理学家提出,城市发展受益于多元化经济[8],而知识多样性有助于促进技术创新。早期研究认为,组织或者技术变革源于突变[9,10]。Rosenberg[11]发现,不同产业领域存在相似技术应用,进而提出技术融合概念。Becker et al.[12]指出,创新本质上是对已有资源、能力进行新组合的结果,进一步证明成功的交流离不开共同的知识基础,创新者掌握的知识越接近于新知识,越易于获得该知识[15]。基于文献计量学和专利计量学的研究成果表明,相邻知识之间更易于产生知识溢出效应[14]。因此,知识在不同生产领域转移和应用会影响一个地区技术变化速度与方向,如果一个地区拥有更多相关的知识基础,知识就更易于从一个领域扩展到另一个领域[15]。若认知距离过大,各创新主体间知识基础不同,将难以产生知识溢出,也难以实现知识重组与创新。国内学者高旻昱等[16]使用2011—2016年长三角26个地级市专利申请数据,探讨相关多样化和非相关多样化对长三角地区创新产出的影响,发现相关多样化有利于创新,而非相关多样化的影响不显著;蒋晟和贺灿飞[17]探讨了区域产业相关多样化和非相关多样化对中国出口市场多样化的影响,发现两者均发挥正向作用;王叶军和周京奎[18]研究了相关多样化、无关多样化对中国城市服务业增长的影响,发现两种多样化都具有正向促进作用。此外,学者针对西班牙50个地区相关多样性的研究也发现,相关多样性与地区经济增长正相关,而无关多样性的作用不显著[19]。Content &Frenken[20]经过梳理既有文献发现,大多数研究支持相关多样性对区域经济发展有积极影响的假设,尤其是制造业和知识密集型行业。

基于以上分析,本文提出如下研究假设:

H1a:相关多样化对战略性新兴产业与非战略性新兴产业创新数量有提升作用。

此前的研究普遍认为技术关联性对创新产出至关重要,以Boschma et al.[19]、Alshamsi et al.[21]为代表的学者研究了经济活动之间或技术之间的关联性,并基于技术关联性提出促进创新的建议,这些文献主要是相关性论证,忽略了区域知识基础对技术路径依赖的潜在影响[22]。相关多样化虽然对技术创新有推动作用,但由于创新活动具有很强的积累性[13,23],如果创新活动主要建立在相似能力基础上,大多数经济体只能开发出与已经掌握的技术高度关联的新技术新产品,这引发了一些学者对发展过程中路径依赖的担忧[24]。技术路径依赖是指创新活动沿着既定路径进行,一旦进入某个路径,就很难转向其它路径,从而阻碍创新突破和变革[25,26]。

全球化与新技术兴起正在推动创新范式转变,一些证据表明,远距离的技术融合能够催生更多颠覆性创新[27]。如Jacobs[28]认为,最重要的知识溢出来自核心行业之外,企业通过认识不同行业企业以获得更好的新想法。Castaldi et al[14]结合专利引用情况将专利分为增量创新和突破性创新两类,其基于美国州区的技术多样化分析证明,相关多样性对区域整体创新有正向影响,而非相关多样性对区域突破性创新有正向影响;Prudhomme[29]分析了中国各省域在战略性新兴产业中的发展布局与实际表现,发现一些省域选择具有比较优势和技术能力较强领域,而另一些省域则选择风险较高领域;王建华(2022)利用城市层面专利数据,探讨中国发展战略性新兴产业的两条技术路径,发现技术路径因依赖于本地知识基础而呈现出较强的路径依赖特征。综上发现,一个地区一旦具有生产特定产品的能力,就易于在该能力相关领域开发出更多新产品,即实现相关多样化[30]。

战略性新兴产业是具有重要战略意义、引领未来发展、带动产业升级的新兴产业,能够代表国家核心竞争力和国际影响力[31]。战略性新兴产业属于技术含量高、技术附加值大、技术成长性高和战略性显著的前沿领域[32],往往涉及跨学科、跨领域、跨行业的技术融合和创新[33]。相比于一般产业,战略性新兴产业的复杂性更高,需要更广泛、更多样化的知识、技能投入,因此无关多样化对创新绩效的抑制作用并不明显。基于以上分析,提出研究假设:

H1b:无关多样化会抑制非战略性新兴产业的创新数量,但对战略性新兴产业创新数量的抑制作用不显著。

1.2 多样化模式与创新质量

仅讨论创新数量不足以全面描述创新绩效,还需要从创新质量方面作进一步考察[34]。一些文献指出,依赖现有资源与已经建立关联性的知识有助于降低创新风险,但是创新本身就是一个充满不确定性的过程,不相关多样化需要建立新的协调机制以连接不同甚至原本无关的能力,这可能推动更复杂的技术创新[35]。Fleming在此基础上提出技术新颖性来源的新理论,即发明是一个重组与局部搜索过程,当发明人搜索不熟悉组件和进行组件组合时会产生技术不确定性,这种不确定性是技术新颖性的来源,因此技术重组难度对新颖性有正向影响[36,37]。Fleming的研究表明,发明是一个重组与搜索过程,即发明者通过将不熟悉组件与组件组合进行试验以创造新技术。发明效用与不确定性受到发明者对组件及组合熟悉程度的影响,对不熟悉组件与组合的探索虽然平均效用较低,但有可能产生突破性发明。这种创新使得无关的知识片段通过组合变为相关,但是这种不相关领域的重组创新更困难,风险更高,且这些创新一旦取得成功,通常具有激进性和破坏性,这是因为不相关技术重组可能带来新市场需求、新功能和新应用。因此,基于无关知识重组产生的创新可能具有更高价值。这种高价值创新可能带来新发展路径,对企业或区域摆脱现有产业路径锁定、实现路径突破至关重要。由此可见,无关多样化会促进战略性新兴产业形成高质量创新产出,而过度接近的知识可能导致区域创新路径锁定,不利于战略性新兴产业创新质量提升。

基于上述分析,本文提出如下研究假设:

H2a:相关多样化不利于战略性新兴产业形成高价值创新;

H2b:无关多样化有利于战略性新兴产业形成高价值创新。

1.3 多样化模式与技术生命周期

在不同的技术生命周期阶段,产业技术创新类型和知识来源不同[38],因此有必要探索不同生命周期阶段战略性新兴产业的技术创新模式。现有研究通常将技术作为驱动区域经济增长的主要因素,而关于集聚外部性如何引发技术进步的机制证据较少。现有文献在探讨相关多样化对技术创新的推动作用时通常包含一个隐含假设,即新旧技术都是静态不变的,这与技术生命周期理论不符。Boschma &Frenken[39]指出,要避免简单地认为相关多样化总是有利于创新,在部门发展的早期阶段关联性的重要性不明显,这是因为新知识与现有环境之间存在较大差距。技术生命周期理论认为,技术沿着S型生命周期路径发展,可以分为萌芽期、成长期、扩散期和衰落期[40-42]。在最初阶段,不同类型知识经重新组合,形成不同于以前的新技术。该阶段技术通常具有生产成本高、市场渗透性弱以及潜在用途不确定等特点[43]。随着技术发展和扩散,技术用途的不确定性降低,研发风险下降,创新变得较为缓和,但是竞争者数量不断增加[42]。Neffke et al[44]使用瑞典统计局的产品生产数据集发现,新兴产业发展通常伴随激进的创新和不成熟技术,当主导设计确立后,技术中断的可能性降低,该行业进入成熟阶段,在此阶段创新是渐进的。这种变化意味着在不同阶段产业发展利用了不同类型的集聚外部性。Barbieri et al[45]首次将知识结构相关性与非相关多样性作为解释变量,分析不同生命周期阶段美国绿色技术创新产出,发现非相关多样化在早期阶段更有利于绿色技术发展,而相关多样化则在技术进入成熟期时更重要。

基于上述分析,本文提出以下研究假设:

H3a:相关多样化能够提升技术扩散期与成熟期的创新数量,但对技术萌芽期创新数量的提升作用不显著;

H3b:无关多样化会抑制技术扩散期与成熟期的创新数量,但对技术萌芽期创新数量的抑制作用不显著。

2 研究设计

2.1 研究样本

当前研究中创新多样化与创新绩效测算主要基于专利数据,这是因为长期以来专利被认为是技术情报的可靠来源,并被用作识别技术水平的直接指标。根据WIPO[46]的报告,专利包含全世界80%以上的技术信息。专利在技术、商业和法律方面具有多重价值,其提供了发明活动的大量信息,如发明人或申请人位置、发明知识库以及创新质量(例如对已有专利或研究的引用、专利权要求的保护范围等)。专利数据的另一个益处是对特定知识领域的细粒度分析[47],这对相关多样化与无关多样化测量至关重要。此外,专利数据使用也存在一定局限性,并不是所有发明都是专利,专利质量根据研究技术而不同[48]。在新兴技术领域,技术更新换代加快,专利申请更加迫切。根据专利法,专利应当具有新颖性和创造性。专利通常是在创新活动早期申请或授予的,同时,其提供了一些研发活动信息。既有的产业技术创新研究主要依赖于专利数据分析[49],尤其是区域创新,国内也有大量研究将专利作为创新衡量指标[50,51]。本文的战略性新兴产业划分依据是国家知识产权局于2021年发布的《战略性新兴产业分类与国际专利分类参照关系表(试行)》[52]。该文件按照技术相关度,将九大战略性新兴产业细分成40个二级子技术、311个三级子技术,实现了专利分类与战略性新兴产业的对应,且覆盖全面,便于统计。

2.2 创新绩效测量

专利包括发明、实用新型和外观设计。由于实用新型和外观设计无需实质审查即可获得授权,受政府鼓励政策影响,不以保护为目的的专利申请通常以实用新型和外观设计方式获得授权。而发明专利需要经过实质审查,其技术和市场价值通常高于实用新型专利和外观设计专利,因此国内学者多选用发明专利作为创新衡量指标[53]。参考现有研究,本文将战略性新兴产业授权发明专利数(SEI)与非战略性新兴产业授权发明专利数(NSEI)作为区域创新数量衡量指标。

根据专利法,专利申请时必须参考现有技术进行审查[54]。因此,测量专利中体现的知识被后续专利引用的频次可以衡量创新质量。大量研究证明专利价值与被引频次间存在正相关关系[55-57]。本文将战略性新兴产业授权发明专利的平均被引次数(SEICited)作为战略性新兴产业创新质量的第一个评价指标。相应地,使用非战略性新兴产业授权发明专利的平均被引次数(NSEICited)作为非战略性新兴产业创新质量的评价指标。

根据《最高人民法院关于审理侵犯专利权纠纷案件应用法律若干问题的解释(二)》第五条:在人民法院确定专利权的保护范围时,独立权利要求的前序部分、特征部分以及从属权利要求的引用部分、限定部分记载的技术特征均有限定作用。权利要求中记载的技术特征越多,对保护范围的限制越多,专利的保护范围就越小。改进型发明方案是基于现有技术,在专利申请与审查意见答复的权利要求中添加了更多技术特征,以获得新颖性和创造性。对于需要经过实质审查的发明专利,其原创性技术特征反而更少。因此,技术特征数量可以评价专利创新质量。Patentics专利数据库使用独有的智能语义技术识别每件具有独立权要求的专利技术特征数量。借鉴李黎明等[58]的研究,本文将各省域战略性新兴产业授权发明专利申请文本独立权利要求的平均技术特征数量(SEITecF)作为创新质量的第二个评价指标。由于发明专利在实质审查过程中需要根据审查意见修改后方可获得授权,为了获得最大保护范围,申请阶段的技术特征数量一般较少,且容易受到专利代理人等其它因素影响。由于授权文本的技术特征数量能够较客观地反映创新质量,因此本文使用战略性新兴产业发明专利授权文本独立权利要求的技术特征数量(SEITecFGr)作为创新质量的第三个评价指标,相应地,使用NSEITecF、NSEITecFGr分别对应非战略性新兴产业授权发明专利独立权利要求的申请文本与授权文本的平均技术特征数量。上述指标可用于检验多样化模式对创新质量影响的稳健性。

2.3 多样化模式测量

区域创新活动的多样化模式是本文核心解释变量,参考Castaldi et al[14]提出的开创性方法,本文采用熵指标测量多样化。熵指标可以根据关联度分解成相关多样化和无关多样化,进而捕捉区域知识结构的关联性与多样性程度(Frenken等,2007)。该方法获得广泛应用。本文也采用该方法,对区域战略性新兴产业相关多样化与不相关多样化程度进行测度。

熵测量是基于专利分类号,本文利用专利的技术分类代码,结合国际专利分类系统(IPC)的分层结构计算不同代码的多样化水平。当两个专利共享相同的 IPC代码时,表明专利间存在相关性。根据国际专利分类号的设计逻辑,当IPC位数增加时,两种技术同属于更下位的概念,因此技术相关性也会提升。具体来说,无关多样化(UV)使用更上位专利IPC类别分布的熵衡量,即通过测量概率分布的不确定性捕捉多样性。例如,如果某省域的所有专利都属于同一专利类别,那么从该地区的专利组合中随机抽取一项专利时不存在不确定性,因此熵值最低。反之,如果专利组合中所有专利类别的占比相同,则抽取到隶属于每个分类专利的概率也相同,此时抽样的不确定性更高,熵值最大。

根据熵分解定理,一个系统的整体熵可以分解为不同层次的熵值[10]。在区域创新多样性研究中,可以使用熵分解定理量化地区在不同技术领域的多样性水平。具体来说,熵值是衡量概率分布不确定性的指标,熵值越高,表示系统中的不确定性越大,即多样性越丰富。熵分解定理允许研究者将一个地区的技术多样性分解为两个部分——组间熵和组内熵。其中,组间熵反映不同技术类别之间的多样性,组内熵则反映每个技术类别内部的多样性。无关多样性(UV)是通过计算地区在不同技术大类中专利分布的熵值来衡量的,该指标反映一个地区在更上位(距离更远)技术类别中的多样性。相关多样性(RV)是通过计算地区在更细粒度(距离更近)技术分类中的多样性,然后减去组间熵(UV)得到的,该指标反映出地区在更细粒度技术类别内部的多样性。综上所述,熵分解定理允许构建不同变量以代表不同相关性程度的多样化水平,可以将最低聚合层级的技术多样性视为更高聚合层级技术多样性以及这些类别多样性的总和。

需要特别强调的是,相关多样性(RV)、半相关多样性(SRV)和无关多样性(UV)并不是相互排斥的(Frenken等,2007)。理论上一个地区可以同时具备高相关多样性、高无关多样性,这意味着该地区在多个不相关技术类别中都拥有多样化的专利技术,同时,每个类别内部也拥有多样化的专利技术。本文中,相关多样性是指一个地区在相似或相关技术领域内的多样性,其对应本地现有的认知结构与技术基础;无关多样性是指一个地区在不同技术领域的多样性,这种多样性有助于促进技术突破,因涉及不相关技术领域整合,因此可能产生新功能或新应用。

本文分别计算相关(RV)、半相关(SRV)和不相关(UV)3个级别的多样化水平。具体地,UV表示基于IPC三位数(大类)专利数量分布的熵:

其中,Sk,it表示第t年省域i在IPC大类k=[1…N]申请并获得授权的发明专利数占该省区i全部授权发明专利数的比值。SRV等于基于每个IPC四位数(小类)与大类(UV)计算的熵差值。

其中,Sl,it表示第t年省域i在IPC小类l=[1,…,P]的授权发明专利份额。RV基于IPC七位数(大组)水平与小类水平的熵差值获得。

其中,Sm,it表示第t年省域i在IPC大组m=[1…R]的授权发明专利数。

2.4 技术生命周期测度

为了识别战略性新兴产业技术成熟度,本文遵循Barbieri et al[45]的思路测量技术生命周期。战略性新兴产业生命周期是技术空间内的一种相对度量,其根据技术普及程度和专利数量两个维度判断,可以区分较发达产业和较不发达产业。其中,普及程度反映创新活动在地理上的扩散程度。首先,计算出当前每个地区具有比较优势的战略性新兴产业技术(relative technological advantage,RTA),如式(4)。

式(4)中,分子代表省域c产出的j技术专利占全部技术专利的比值,分母表示j技术专利数量占全部专利数量的份额。如果RTAc,j≥1,则说明技术类别j在省域c具有相对技术优势。换而言之,RTA能够捕捉区域在某技术方向相对于全局的比较优势。技术j的普遍性(UBIQUITY)可以使用时间t内RTAc,j大于1的地区数量表示,见式(5)。

根据Barbieri et al[45]的建议,技术生命周期可以划分成萌芽期(Emergence)、发展期(Development)、扩散期(Diffusion)、成熟期(Maturity)4个阶段,如表1所示。其中,萌芽期技术的专利数量与普遍性低于平均水平;发展期技术的专利数量高于平均水平,但普遍性低于平均水平;扩散期技术的专利数量和普遍性均高于平均水平;成熟期技术的专利数量低于平均水平,而普遍性高于平均水平。技术演进是非线性的,存在技术突破与新旧技术替代,所以并非所有阶段都是必须经过的,技术进入成熟期后仍然有可能进入新发展阶段。

本文通过计算每个区域在不同产业生命周期阶段的授权专利数量评估不同多样化模式对不同生命周期阶段创新绩效的影响,见式(6)。

式中,Pij(L)t表示省域i在时间t内对生命周期阶段L技术j进行专利申请并获得授权的发明专利数量。

图1展示了战略性新兴产业技术普遍性和专利数量(为避免图中折线过度聚集,图中的专利数量以10为底取对数)演变趋势,如果折线位于图左侧且方向越趋向垂直,意味着专利活动增长越快。相应地,参与技术开发的地区数量较少,意味着技术处于发展期。相反,如果折线位于右侧且发展趋势趋于水平,则专利活动增长越小,技术普遍性较高,即该技术处于扩散期。基于战略性新兴产业二级子技术编码的技术生命周期与授权发明专利数量统计结果如图2所示。

2.5 控制变量

为了精确分析相关多样化与无关多样化对区域创新绩效的影响,本文控制以下变量:①城市化水平(URB),使用年末城镇人口与总人口之比表示;②经济开放度(OPEN),使用当年美元与人民币汇率折算的进出口总额与GDP的比值表示;③市场化水平(MAR),使用非国有企业员工数占总员工数之比表示;④政府干预(GOV),使用财政支出占GDP的比重表示;⑤研发投入强度(R&D),使用研发经费投入占GDP的比重表示;⑥产业结构(SIC),使用第二产业产值占GDP的比值表示;⑦金融发展水平(FIN),使用金融机构年末存贷款余额与GDP比值表示;⑧互联网建设水平(INT),使用互联网接入端口数表示;⑨区域经济发展水平(PGDP),使用人均GDP作为衡量指标,各省人均GDP按照 GDP平减指数进行平减。所有经济数据均采用平减指数换算为2000年价格,金融指标数据来自《中国金融统计年鉴》,互联网建设指标数据来自韩先锋等[59]的研究,其余经济指标数据来自国家统计局官网和各省(市、区)统计年鉴。由于西藏自治区和海南省数据存在部分缺失,参照以往研究,未纳入统计分析。由于发明专利从申请到授权通常存在2～3年滞后期,相关控制变量的数据更新存在延时性,因此构建2006-2020年的面板数据。

2.6 模型构建

其中,GPit+1表示省域i在时间t+1申请并获得授权的发明专利数,本文分别对战略性新兴产业专利数量与非战略性新兴产业专利数量进行考察。HIPit+1代表省域i在时间t+1申请并获得授权的战略性新兴产业创新质量,分别对战略性新兴产业专利质量与非战略性新兴产业创新质量进行考察。使用授权专利的平均被引次数(SEICited)、专利申请文本的独立权利要求技术特征数(SEITecF)和专利授权文本的独立权利要求技术特征数(SEITecFGr)3个指标反映战略性新兴产业创新质量,相应地,使用NSEICited、NSEITecF、NSEITecFGr三个指标反映非战略性新兴产业创新质量。

表示省域i在时间t+1申请且属于对应技术生命周期的战略性新兴产业授权发明专利数量。Controlsit表示控制变量,τi表示区域固定效应,γt表示时间固定效应,εit为残差项。区域与时间固定效应模型可以控制每个时段内不随时间变化的影响因素,缓解遗漏变量导致的内生性问题。考虑到发明是申请日之前发生的,因此将自变量滞后一期。针对模型中相关多样化(RV)、半相关多样化(SRV)以及无关多样化水平(UV)与被解释变量之间的内生性问题,采取以下措施:首先,相关多样化水平是基于Frenken et al和Castaldi et al提出的熵测量方法,虽然其测度源于专利,但该方法考虑的是专利中所含IPC分类号对应的技术领域距离及其多样性分布,使用的是专利数据中的技术信息而非专利数量信息,因此解释变量与作为被解释变量的授权专利数量并无直接关联。其次,作为被解释变量创新质量的3个指标,分别考察专利平均被引次数、申请文本独立权利要求的平均技术特征数和授权文本独立权利要求的平均技术特征数,上述指标对应于专利记载的技术方案保护范围及对后续发明创造的影响[57],与作为解释变量的RV、SRV、UV亦无直接关联。因此,模型不存在明显的内生性问题。

3 结果

3.1 描述性统计

本文的被解释变量为计数数据,由于省域专利授权量较大且没有0值,取对数后不会损失观测值,且对数变换后仍然符合正态分布,因此本文选择线性面板数据模型进行评估,使用泊松回归模型或负二项模型进行稳健性检验。为方便比较自变量重要性,所有自变量均作标准化处理。表2是变量描述性统计结果。

3.2 回归结果分析

3.2.1 多样化模式与创新数量

表3是相关多样化水平对创新数量的回归结果,对应研究假设H1a和H1b。首先,相关多样化(RV)对战略性新兴产业(SEI,模型2)、非战略性新兴产业(NSEI,模型4)和全样本(FULL,模型6)创新数量的影响都显著为正。这表明相关多样化对战略性新兴产业与非战略性新兴产业创新数量都有提升作用,假设H1a得到证实。其次,对于战略性新兴产业来说,SRV和UV都不显著,而对于非战略性新兴产业和全样本来说,SRV和UV显著为负。这些表明无关多样化对非战略性新兴产业创新数量有抑制作用,对战略性新兴产业的抑制作用不明显,故假设H1b得到证实。上述结果表明,非战略性新兴产业比战略性新兴产业更加依赖相关多样化,这是因为远距离知识重组难度提高会抑制技术创新产出,即在不相关领域拓展创新活动对创新数量增长不利。但是相对于非战略性新兴产业而言,战略性新兴产业技术复杂性更高,更强调跨领域技术融合,因此反而会得益于跨领域知识重组。

3.2.2 多样化模式与创新质量

表4是相关多样化与无关多样化对创新质量的回归结果,对应研究假设H2a和H2b。模型1～6的被解释变量是战略性新兴产业创新质量(SEICited、SEITecF、SEITecFGr),模型7～12的被解释变量是非战略性新兴产业创新质量(NSEICited、NSEITecF、NSEITecFGr)。

首先考虑专利被引次数,模型1、2的因变量是战略性新兴产业专利平均被引次数(SEICited),结果表明,相关多样化(RV)系数显著为负,意味着在相近领域进行知识重组,产出的发明创造被引次数较低。此外,没有发现无关多样化(UV)与半相关多样化(SRV)对专利被引次数有显著提升作用。模型7和8的结果也表明,UV、SRV和RV对非战略性新兴产业专利平均被引次数(NSEICited)均无显著影响,故假设H2a得到部分支持。

其次考虑独立权利要求的技术特征数量,模型3、4的被解释变量是战略性新兴产业专利授权文本独立权利要求的平均技术特征数量(SEITecF)。发明专利的创新程度高,通常比同领域专利拥有的技术特征数量少。因此,SEITecF越小,意味着专利保护范围越大,专利价值越高。模型4中,RV与SEITecF技术特征数量的关系不显著,但是SRV在5%水平上显著为负,说明半相关多样化有利于减少技术特征数量,提升创新价值。模型9和10的结果也表明,UV、SRV和RV对非战略性新兴产业专利授权文本独立权利要求的技术特征数量(NSEITecF)均无显著影响,故假设H2b得到部分支持。综合模型2和模型4可知,相关多样化(RV)不利于战略性新兴产业提升创新价值,表现为专利被引次数下降;半相关多样化(SRV)有利于战略性新兴产业提升创新价值,体现为具有独立权利要求的技术特征数量减少,同时,半相关多样化有助于获得具有更大保护范围的基础性发明创造。

鉴于发明专利需要经过实质审查,根据审查意见进行修改后方可获得授权,申请阶段的技术特征数量更容易受到专利代理人水平等因素影响。因此,使用授权文本的技术特征数量能够更加客观地反映专利创新质量。在模型5和6中,将发明专利授权文本独立权利要求的平均技术特征数量(SEITecFGr)作为被解释变量,结果表明,半相关多样化(SRV)可以显著减少授权文本的技术特征数量。模型11和12的结果表明,3种多样化模式对非战略性新兴产业发明专利授权文本独立权利要求的技术特征数量(NSEITecFGr)影响均不显著。本研究没有观察到UV对高价值创新的促进作用,是因为目前我国战略性新兴产业发展水平还不足,创新者缺少跨越重大领域的重组能力或机会。

3.2.3 多样化模式与技术生命周期

表5是研究假设H3a和H3b的回归结果。模型2～4的被解释变量分别是萌芽期、发展期、扩散期和成熟期战略性新兴产业专利数量。其中,RV对发展期、扩散期、成熟期创新数量的影响在1%水平上显著为正,但是对萌芽期创新数量的提升效应不显著,假设H3a得到验证。模型2中,SRV和UV的回归系数虽然为负但不显著,说明无关多样化对萌芽期创新数量没有明显抑制作用;模型3～5中,UV和SRV都显著为负,说明无关多样化会抑制战略性新兴产业在发展期、扩散期和成熟期的创新数量,综合模型2～5,假设H3b得到验证。

上述结果表明,对于战略性新兴产业而言,在技术发展的早期阶段,相关多样化对创新数量的提升作用、无关多样化对创新数量的抑制作用都不明显。当技术进入发展期后,相关多样化成为提升战略性新兴产业创新数量的主要驱动力。对于扩散期和成熟期的产业来说,半相关多样化SRV与无关多样化UV的作用显著为负,说明两种多样化存在认知距离过大、重组难度过高的问题,进而可能抑制创新数量增长。

3.3 稳健性检验

首先,替换回归模型。本研究的被解释变量包括专利数量、平均被引次数、平均技术特征数量,变量分布较分散,可以考虑进行泊松回归或负二项回归。初步采用负二项拟合后发现,上述因变量的负二项模型存在非常高的 theta 值(theta=10 000),表明因变量不存在过度离散迹象,泊松模型结果更为稳健[60]。基于泊松面板固定效应模型的稳健性检验结果与基准回归结果一致(限于篇幅,具体结果备索)。

其次,替换核心解释变量的计算方法。本研究使用另一种方法测算多样化指标,将战略性新兴产业的一、二、三级技术分类用于计算香农熵指标,计算方法参照式 (1)—式(3)。更换多样化指标算法后的泊松面板固定效应模型与基准回归结果一致(限于篇幅,具体结果备索)。

4 结论与讨论

利用2006-2020年中国内地授权发明专利数,构建面板固定效应模型,计算各省市相关多样化、半相关多样化和无关多样化指标,分析它们对战略性新兴产业、非战略性新兴产业创新数量与质量的影响,探讨不同生命周期阶段战略性新兴产业创新绩效的差异性。实证结果表明:①相关多样化对战略性新兴产业、非战略性新兴产业创新数量都有正向影响,而无关多样化对非战略性新兴产业创新数量有负向影响,无关多样化对战略性新兴产业的影响不显著;②相关多样化不利于战略性新兴产业实现高价值创新,半相关多样化有利于战略性新兴产业实现高价值创新,相关多样化、无关多样化对非战略性新兴产业创新质量均无显著影响;③相关多样化对技术扩散期、成熟期创新数量的提升作用比技术萌芽期更明显。

(1)从整体上看,相关多样化对战略性新兴产业、非战略性新兴产业创新数量都有正向影响,说明相关多样化可以促进知识转移和重组,降低创新风险,提高创新效率。这一结论与蒋晟和贺灿飞[17]、Castaldi et al[14] 等的研究一致。然而,上述研究多基于欧美数据且不区分新兴产业与非新兴产业,本研究将中国各省域授权发明专利所属领域区分为战略性新兴产业与非战略性新兴产业,为区域多样化模式对战略性新兴产业创新绩效的影响分析提供了中国证据。

(2)本研究发现无关多样化对非战略性新兴产业创新数量有负向影响,说明无关多样化增大了知识的认知距离和协调成本,进而抑制非战略性新兴产业创新数量。这与Hidalgo et al[24]基于产品空间的分析结果一致,但Hidalgo等并未对战略性新兴产业进行专门考察。本研究进一步发现,无关多样化对战略性新兴产业没有显著影响。对于战略性新兴产业来说,无关多样化对创新数量的负向效应并不显著,这可能是因为战略性新兴产业是技术含量高、技术附加值大、技术成长性高和战略性强的前沿领域,具有较高复杂性和不确定性,涉及到跨学科、跨领域、跨行业的技术融合,需要更广泛、多样的知识输入。

(3)相关多样化与无关多样化对非战略性新兴产业高价值创新的影响都不显著,这与Castaldi et al[14]的研究不一致。此外,相关多样化不利于战略性新兴产业实现高价值创新,半相关多样化有利于战略性新兴产业实现高价值创新,这与Castaldi et al[14]的研究基本一致。上述结果表明,与非战略性新兴产业相比,战略性新兴产业整体创新性更强,更符合高价值创新定义。本研究没有观察到无关多样化对高价值创新的促进作用,这可能是因为目前我国战略性新兴产业发展还不成熟,创新者缺少跨越重大领域的重组能力或机会。上述结果进一步证实了Fleming[36]、王萍萍和王毅[37]关于知识的远距离重组是技术新颖性来源的观点。现有研究多基于专利被引频次评价创新质量,少有研究从专利权利要求的技术特征角度分析创新质量。本研究借鉴Harhoff et al[57]的做法,同时将两种指标纳入创新质量考察框架,充分利用专利包含的技术信息和法律信息。具体而言,相关多样化不利于战略性新兴产业实现高价值创新,体现为专利被引频次下降。无关多样化更有利于高价值创新,体现为权利要求的技术特征数量减少。这说明相关多样化虽然可以促进渐进式创新,但是也可能导致区域创新路径锁定,难以实现突破性创新,因此虽然其产出数量多,但多为改进型发明。无关多样化虽然增大了创新难度和风险,但是远距离知识重组可以提供更多潜在创新机会和组合可能性,有利于促进更复杂、独特技术重组,形成更具激进性、突破性的创新成果。这种高价值创新可以帮助区域实现技术突破,摆脱对现有技术路径的依赖。这对寻求转型升级、实现新旧动能转换的区域至关重要。

(4)在不同技术生命周期阶段,多样化模式对创新绩效的影响存在异质性,这与Barbieri et al[46]关于绿色技术生命周期的研究一致。现有研究多以某个具体产业,如可再生能源[61]或绿色技术[45]生命周期为分析对象,缺乏针对战略性新兴产业的整体、宏观考察。本研究发现,相关多样化对萌芽期战略性新兴产业创新数量的提升作用不明显,在技术扩散期和成熟期表现显著。无关多样化对创新数量的抑制发生在技术扩散期和成熟期。这是因为在技术生命周期的后期阶段,相关多样化可以利用现有资源和协同效应提高创新效率;在技术发展萌芽阶段,无关多样化可以促进知识重组和突破,进而催生高价值创新。

本研究从理论上拓展了相关多样化与无关多样化对区域创新绩效影响的分析框架,并考虑了不同技术生命周期阶段的差异性。研究采用基于专利数据的多样化模式测度方法,利用国际专利分类系统的分层结构,构建相关多样化与无关多样化指标,描绘区域知识结构的关联性与多样性程度,从技术普及程度与专利数量两个维度判断技术生命周期阶段,实现对战略性新兴产业技术成熟度的度量。本研究揭示了相关多样化与无关多样化对战略性新兴产业、非战略性新兴产业创新数量和质量的异质性影响,并分析了不同生命周期阶段多样化模式与创新绩效的动态关系,丰富了区域创新理论研究和技术生命周期理论研究。

本文为促进战略性新兴产业发展、实现转型升级、制定差异化创新政策提供了理论和实证依据。研究结果表明,在无关技术领域广泛拓展创新能力不利于创新数量提升,但这种负向作用对战略性新兴产业整体而言并不明显。相关多样化由于知识重组距离过小会阻碍创新质量提升,而无关多样化可以促进知识重组和突破,助力战略性新兴产业实现高价值创新。因此,政府应当基于自身资源禀赋和知识基础,发挥本地比较优势,因地制宜地制定差异化创新政策。研究结果还表明,相关多样化对扩散期与成熟期技术创新数量有正向影响,但是对萌芽期的影响不显著。因此,针对萌芽期的产业,政策制定者应当考虑增加无关多样性,给予萌芽期产业更多的试错机会,尝试不同发展方向,实现“远距离”产业间的相互融合,进而形成突破性的高价值创新。在技术扩散期和成熟期,不能盲目拓展创新领域,尤其是与现有技术基础无关的技术领域,以避免技术过于分散、知识重组距离过大,影响创新数量积累。

本文也存在一些不足之处,首先,使用专利数据作为创新绩效测度指标,但是专利数据并不能涵盖所有创新活动,也不能完全反映创新质量差异。未来可以尝试使用其它类型数据,如科技论文、企业研发投入、市场份额等衡量创新绩效并进行比较分析。其次,从技术普遍性和专利数量两个维度识别技术生命周期阶段,但是这种方法也存在一定局限性。未来可以考虑使用其它技术生命周期测量方法,如基于专利引用网络、S型曲线拟合等方法识别技术生命周期阶段并进行稳健性检验。

[1] JAFFE A B,TRAJTENBERG M,HENDERSON R.Geographic localization of knowledge spillovers as evidenced by patent citations[J].The Quarterly Journal of Economics,1993,108(3):577-598.

[2] 尹贻梅,刘志高,刘卫东.路径依赖理论及其地方经济发展隐喻[J].地理研究,2012,31(5):782-791.

[3] APA R,DE NONI I,ORSI L,et al.Knowledge space oddity:how to increase the intensity and relevance of the technological progress of European regions[J].Research Policy,2018,47(9):1700-1712.

[4] 洪勇,张红虹.新兴产业培育政策传导机制的系统分析——兼评中国战略性新兴产业培育政策[J].中国软科学,2015,30(6):8-19.

[5] 周灿,曾刚,尚勇敏.演化经济地理学视角下创新网络研究进展与展望[J].经济地理,2019,39(5):27-36.

[6] 魏后凯.现代区域经济学[M].北京:经济管理出版社,2011.

[7] FRANKEL J A.The natural resource curse:a survey of diagnoses and some prescriptions[R/OL].http://nrs.harvard.edu/urn-3:HUL.InstRepos:8694932.

[8] GLAESER E L,KALLAL H D,SCHEINKMAN J A,et al.Growth in cities[J].Journal of Political Economy,1992,100(6):1126-1152.

[9] SCHUMPETER J A.The theory of economic development[M].NewYork:Routledge,2017.

[10] NELSON R R,WINTER S G.Toward an evolutionary theory of economic capabilities[J].The American Economic Review,1973,63(2):440-449.

[11] ROSENBERG N.Technological change in the machine tool industry 1840—1910[J].The Journal of Economic History,1963,23(4):414-443.

[12] BECKER M C,KNUDSEN T,MARCH J G.Schumpeter,winter,and the sources of novelty[J].Industrial and Corporate Change,2006,15(2):353-371.

[13] STEFANO B,FRANCESCO L.Mobility of inventors and the geography of knowledge spillovers:new evidence on US data[R/OL].CESPRI Working Paper184,Bocconi University,Milan,2006.http://dimetic.dime-eu.org/dimetic_files/breschi.pdf.

[14] CASTALDI C,FRENKEN K,LOS B.Related variety,unrelated variety and technological breakthroughs:an analysis of US state-level patenting[J].Regional Studies,2015,49(5):767-781.

[15] HIDALGO C A,HAUSMANN R.The building blocks of economic complexity[J].Proceedings of the National Academy of Sciences of the United States of America,2009,106(26):10570-10575.

[16] 高旻昱,曾刚,王丰龙.相关多样化、非相关多样化与区域创新产出——以长三角地区为例[J].人文地理,2020,35(5):103-110.

[17] 蒋晟,贺灿飞.区域产业相关多样化和非相关多样化对中国出口市场多样化的影响[J].地理科学进展,2022,41(5):770-784.

[18] 王叶军,周京奎.相关多样化、不相关多样化与城市服务业增长[J].首都经济贸易大学学报,2019,21(3):14-25.

[19] BOSCHMA R,MINONDO A,NAVARRO M.Related variety and regional growth in Spain[J].Papers in Regional Science,2011,91(2):241-256.

[20] CONTENT J,FRENKEN K.Related variety and economic development:a literature review[J].European Planning Studies,2016,24(12):2097-2112.

[21] ALSHAMSI A,PINHEIRO F L,HIDALGO C A.Optimal diversification strategies in the networks of related products and of related research areas[J].Nature Communications,2018,9(1):1328.

[22] TORRE A,GALLAUD D.Handbook of proximity relations[M].Cheltenham:Edward Elgar Publishing,2022.

[23] BATHELT H,FELDMAN M P,KOGLER D F.Beyond territory.dynamic geographies of knowledge creation,diffusion,and innovation[M].London:Routledge,2011.

[24] HIDALGO C A,KLINGER B,BARABA SI A L,et al.The product space conditions the development of nations[J].Science,2007,317(5837):482-487.

[25] ANTONELLI C.Handbook on the economic complexity of technological change[M].Cheltenham:Edward Elgar,2011.

[26] 郭琪,贺灿飞.演化经济地理视角下的技术关联研究进展[J].地理科学进展,2018,37(2):229-238.

[27] TAGLIONI D,WINKLER D.Making global value chains work for development[M].Washington,DC:World Bank,2016.

[28] JACOBS J.The economy of cities[M].Vintage Books:A Division of Random House,1969.

[29] PRUD'HOMME D.Dynamics of China's provincial-level specialization in strategic emerging industries[J].Research Policy,2016,45(8):1586-1603.

[30] BALLAND P A,BROEKEL T,DIODATO D,et al.The new paradigm of economic complexity[J].Research Policy,2022,51(3):104450.

[31] 国务院.国务院关于加快培育和发展战略性新兴产业的决定[EB/OL].(2010-10-10)[2021-11-09].http://www.gov.cn/zwgk/2010-10/18/content_1724848.htm.

[32] 陈爱雪.我国战略性新兴产业发展研究[D].长春:吉林大学,2013.

[33] ZHOU W,GU X,YANG X.The impact of knowledge search balance on the generality and specificity of breakthrough innovation[J].Technology Analysis &Strategic Management,2022,34(11):1310-1325.

[34] LUO Z,CALLAERT J,ZENG D,et al.Knowledge recombination,environmental turbulence and firms' innovation quality:the evidence from Chinese pharmaceutical industry[J].European Journal of Innovation Management,2024,27(1):69-95.

[35] HIDALGO C A,BALLAND P A,BOSCHMA R,et al.The principle of relatedness[C]//Unifying Themes in Complex Systems IX:Proceedings of the Ninth International Conference on Complex Systems 9.Springer International Publishing,2018:451-457.

[36] FLEMING L.Recombinant uncertainty in technological search[J].Management Science,2001,47(1):117-132.

[37] 王萍萍,王毅.技术新颖性从何而来——基于纳米技术专利的分析[J].管理工程学报,2020,34(6):79-89.

[38] NORTON R D,REES J.The product cycle and the spatial decentralization of American manufacturing[J].Regional Studies,1979,13(2):141-151.

[39] BOSCHMA R A,FRENKEN K.Why is economic Geography not an evolutionary science towards an evolutionary economic geography[J].Journal of Economic Geography,2006,6(3):273-302.

[40] BROSSIA C E.Technology forecasting based on patent trend analysis using robotics technology as a case study[D].United States-Colorado:Colorado School of Mines,1983.

[41] ACHILLADELIS B.The dynamics of technological innovation:the sector of antibacterial medicines[J].Research Policy,1993,22(4):279-308.

[42] HAUPT R,KLOYER M,LANGE M.Patent indicators for the technology life cycle development[J].Research Policy,2007,36(3):387-398.

[43] CALLON M.An essay on framing and overflowing:economic externalities revisited by sociology[J].The Sociological Review,1998,46(1):244-269.

[44] NEFFKE F,HENNING M,BOSCHMA R.How do regions diversify over time Industry relatedness and the development of new growth paths in regions[J].Economic Geography,2011,87(3):237-265.

[45] BARBIERI N,PERRUCHAS F,CONSOLI D.Specialization,diversification,and environmental technology life cycle[J].Economic Geography,2020,96(2):161-186.

[46] WIPO.Patents as a source of technological information in the technology transfer process[R/OL].WIPO,2004.https://www.wipo.int/edocs/mdocs/tk/en/wipo_grtkf_ic_6/wipo_grtkf_ic_6_inf_4.pdf.

[47] MUN C,YOON S,PARK H.Structural decomposition of technological domain using patent co-classification and classification hierarchy[J].Scientometrics,2019,121(2):633-652.

[48] IVAN HASCIC,MAURO MIGOTTO.Measuring environmental innovation using patent data[R/OL].OECD Publishing,Paris:OECD/OECD Environment Working Papers,2015.https://www.oecd-ilibrary.org/environment/measuring-environmental-innovation-using-patent-data_5js009kf48xw-en.

[49] PARK Y,YOON J.Application technology opportunity discovery from technology portfolios:use of patent classification and collaborative filtering[J].Technological Forecasting and Social Change,2017,118:170-183.

[50] 郑江淮,冉征.走出创新“舒适区”:地区技术多样化的动态性及其增长效应[J].中国工业经济,2021,39 (5):19-37.

[51] 冯仁涛,余翔.基于技术距离的中国区域创新分布研究[J].情报杂志,2018,37(1):191-197.

[52] 国家知识产权局.国家知识产权局办公室关于印发《战略性新兴产业分类与国际专利分类参照关系表(2021)(试行)》的通知[EB/OL].(2021-02-10)[2021-05-15].https://www.cnipa.gov.cn/art/2021/2/10/art_75_156716.html.

[53] 寇宗来,刘学悦.中国企业的专利行为:特征事实以及来自创新政策的影响[J].经济研究,2020,55(3):83-99.

[54] MARIAGRAZIA S,HE lENE D,CHIARA C.Measuring patent quality:indicators of technological and economic value.OECD Science,technology and industry working papers[R].OECD,2013.https://www.oecd-ilibrary.org/science-and-technology/measuring-patent-quality_5k4522wkw1r8-en.

[55] HARHOFF D,NARIN F,SCHERER F M,et al.Citation frequency and the value of patented inventions[J].Review of Economics and Statistics,1999,81(3):511-515.

[56] HALL B H,JAFFE A,TRAJTENBERG M.Market value and patent citations[J].The Rand Journal of Economics,2005,36(1):16-38.

[57] POEGE F,HARHOFF D,GAESSLER F,et al.Science quality and the value of inventions[J].Science Advances,2019,5(12):7323.

[58] 李黎明,张敏,李小娟.引证网络专利质量对专利拍卖经济价值的影响效应研究[J].情报杂志,2021,40(10):115-121.

[59] 韩先锋,宋文飞,李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济,2019,36(7):119-136.

[60] KLEIBER C,ZEILEIS A.Visualizing count data regressions using rootograms[J].The American Statistician,2016,70(3):296-303.

[61] 徐

,金泽润,朱晟君,等.生命周期,知识多样性与区域技术创新——以中国可再生能源技术为例[J].地理研究,2023,42(8):2070-2088.