[摘要] 創(chuàng)新溢出是加快實現(xiàn)高水平科技自立自強的重要步驟，也是構(gòu)建新發(fā)展格局的關(guān)鍵環(huán)節(jié)。創(chuàng)新生命周期分為搜尋期、熟知期、更迭期、振興期、替代期和沉默期。基于1985—2022年專利引證數(shù)據(jù)，采用QAP回歸分析方法，分析多維鄰近對創(chuàng)新全生命周期的溢出影響。研究表明：認知鄰近性顯著促進了創(chuàng)新全生命周期的溢出，表明認知差異是創(chuàng)新溢出的基礎(chǔ)，顯著影響了溢出需求和成本；技術(shù)、地理和關(guān)系鄰近性顯著促進了前5個時期的創(chuàng)新溢出，表明技術(shù)、地理和關(guān)系鄰近性提高了溢出需求并降低了溢出成本；由于空間鎖定和擁擠效應(yīng)，地理鄰近性顯著抑制了沉默期的創(chuàng)新溢出；由于知識產(chǎn)權(quán)保護、制度鎖定等原因，社會鄰近性顯著抑制了熟知期、更迭期、振興期和替代期的創(chuàng)新溢出。

[關(guān)鍵詞] 創(chuàng)新溢出;多維鄰近性;創(chuàng)新生命周期

[中圖分類號] F061.5" ［文獻標識碼］A" "［文章編號］1000-4211（2024）05-0001-12

一、引言

習(xí)近平總書記指出，要促進各類要素合理流動和高效集聚，增強創(chuàng)新發(fā)展動力，并強調(diào)要構(gòu)建全國統(tǒng)一大市場。創(chuàng)新活動不是孤立的，而是由不同地區(qū)主體間創(chuàng)新溢出關(guān)聯(lián)在一起的。創(chuàng)新溢出可以加強高校、科研院所、企業(yè)等主體之間的交流與合作，加快突破行業(yè)界限、行政壁壘和市場分割等障礙，推動人才、知識、技術(shù)等創(chuàng)新要素在不同主體之間自由流動和高效集聚。同時，創(chuàng)新溢出能夠促進創(chuàng)新要素跨地域共享和跨領(lǐng)域融合，助力全國統(tǒng)一大市場建設(shè)。在這一過程中，創(chuàng)新溢出促使各地區(qū)聯(lián)系更為緊密，深化區(qū)域間創(chuàng)新鏈產(chǎn)業(yè)鏈融合，為區(qū)域經(jīng)濟增長提供了更加廣闊的空間。

從創(chuàng)新誕生之初，創(chuàng)新溢出就開始了，并貫穿創(chuàng)新成果的全生命周期。在誕生伊始，初始創(chuàng)新往往蘊含著大量的新知識和新信息，具有較高的價值，此時，該創(chuàng)新具有較強的溢出需求，溢出的成本效率重要性較低，溢出呈激增態(tài)勢。在初期，隨著初始創(chuàng)新逐漸被廣泛熟知，其溢出速度加快，且衍生出大量關(guān)聯(lián)的新創(chuàng)新。然而，隨著大量的相似創(chuàng)新涌現(xiàn)，初始創(chuàng)新所蘊含的具有獨特價值的知識、信息逐漸減少，使得初始創(chuàng)新的溢出需求會漸漸降低，溢出的成本效率重要性開始上升，此時初始創(chuàng)新溢出會出現(xiàn)波動。當創(chuàng)新進入沉默期，初始創(chuàng)新所蘊含的有價值的知識和信息已經(jīng)大幅減少，該創(chuàng)新的溢出變得極其緩慢，但并不意味著該創(chuàng)新的價值已經(jīng)完全耗盡。相反，初始創(chuàng)新在沉默期可能仍然蘊含著少量未被發(fā)掘的價值和潛力，并且隨著研究的深入，初始創(chuàng)新仍有可能應(yīng)用到其他領(lǐng)域。此時，該創(chuàng)新面臨溢出需求和溢出成本的雙重考驗。多維鄰近性能夠顯著影響創(chuàng)新溢出，且動態(tài)影響全生命周期的溢出。認知鄰近性、技術(shù)鄰近性、地理鄰近性、關(guān)系鄰近性和社會鄰近性等通過影響創(chuàng)新溢出的需求供給和成本效率，進而影響了全生命周期的創(chuàng)新溢出。因此，隨著創(chuàng)新從誕生到熟知再到沉默的階段變化，多維鄰近性對創(chuàng)新溢出的影響會持續(xù)調(diào)整，其影響力和效果也會因生命階段的不同而有所區(qū)別。

二、文獻綜述

創(chuàng)新溢出是近年來創(chuàng)新研究的熱點，包括溢出的方式、渠道和影響因素等。知識儲備和實驗室是創(chuàng)新溢出的源頭。通過創(chuàng)新溢出，創(chuàng)新得以持續(xù)更新和擴展。然而，創(chuàng)新不會自動溢出，而是以交流、合作、創(chuàng)業(yè)、外包等方式，沿著創(chuàng)新網(wǎng)絡(luò)、跨國公司網(wǎng)絡(luò)、發(fā)明家網(wǎng)絡(luò)、社會網(wǎng)絡(luò)、貿(mào)易網(wǎng)絡(luò)等路徑溢出。同時，創(chuàng)新溢出受到創(chuàng)新能力、地理、制度、政策、投資等諸多因素影響，尤其是地理鄰近性和非地理鄰近性的影響，且多維鄰近性對溢出的影響存在差異。地理鄰近性、認知鄰近性、技術(shù)鄰近性、社會鄰近性可以促進創(chuàng)新溢出。其中，認知鄰近性對創(chuàng)新溢出的影響受到產(chǎn)品和區(qū)域異質(zhì)性調(diào)節(jié)。地理鄰近性和技術(shù)鄰近性對創(chuàng)新溢出具有調(diào)節(jié)作用，但是地理鄰近性和技術(shù)鄰近性對創(chuàng)新溢出效應(yīng)強度與方向的影響存在差異。盡管，地理距離會影響創(chuàng)新溢出，但隨著通信、交通等聯(lián)系方式的多元化和便利化發(fā)展，“距離死亡”逐漸呈現(xiàn)。然而，也有學(xué)者指出地理鄰近性仍是影響創(chuàng)新溢出的重要因素。

與創(chuàng)新有關(guān)的生命周期亦是學(xué)者研究的重點，包括創(chuàng)新生命周期、創(chuàng)新網(wǎng)絡(luò)生命周期、創(chuàng)新集群生命周期、創(chuàng)新系統(tǒng)生命周期等。其中，有學(xué)者研究了創(chuàng)新溢出在不同生命周期中的作用。創(chuàng)新溢出在創(chuàng)新研發(fā)期、溢出期、銷售期對模仿者、創(chuàng)新者以及社會收益的影響存在差異。創(chuàng)新溢出在成長和成熟階段對創(chuàng)新集群的影響較強，在形成階段和衰退階段的影響較弱，呈倒U型。同時，也有學(xué)者指出地理、組織和技術(shù)鄰近性對創(chuàng)新網(wǎng)絡(luò)孕育期、萌芽期和成長期的影響存在差異。然而，大多數(shù)學(xué)者未能深入探究多維鄰近性對創(chuàng)新全生命周期溢出的影響。結(jié)合創(chuàng)新溢出的需求供給和成本效率，本研究將探索多維鄰近性（包括認知鄰近性、技術(shù)鄰近性、地理鄰近性、關(guān)系鄰近性和社會鄰近性）影響不同生命階段創(chuàng)新溢出的機制，并分析多維鄰近性對全生命周期創(chuàng)新溢出影響的差異。

三、創(chuàng)新溢出網(wǎng)絡(luò)結(jié)構(gòu)和溢出趨勢分析

（一）京滬廣深是創(chuàng)新溢出網(wǎng)絡(luò)的核心

2022年，專利引用區(qū)域分布差異大。城際專利引證數(shù)量3697389項，占84.37%，同城專利引證數(shù)量685136項，占15.63%。引證數(shù)量≤1200的城市對數(shù)量為87705對，占比99.43%；引證數(shù)量≤1200的城市對引證總數(shù)量2068115項，占比47.19%，且多集中在西部城市。引證數(shù)量為0的城市對數(shù)量為29589對，占比為33.54%。北京、深圳、上海、杭州、廣州、成都、南京等城市之間專利引證數(shù)量較多。其中，北京、深圳、上海之間的引證數(shù)量最多，深圳引證北京專利數(shù)量多達43060項、北京引證深圳專利數(shù)量為40623項、北京引證上海專利數(shù)量為33445項、上海引證北京專利數(shù)量為25469項。北京、深圳、上海等城市的同城專利引證數(shù)量最多，分別為160898項、70471項、39149項。

北京、上海、廣州和深圳是全國創(chuàng)新溢出網(wǎng)絡(luò)中的核心城市。2022年，北京引證了全國295個城市共計348785項專利，并向全國92個城市溢出了9326項專利；上海引證了全國134個城市共計9175項專利，向全國95個城市溢出了7467項專利；深圳引證了全國122個城市共計8535項專利，向全國103個城市溢出了8207項專利。2022年，北京、上海和深圳的專利引證度數(shù)中心度最高，其中，出度度數(shù)中心度分別為381001、231147、214385；入度度數(shù)中心度分別為349785、161462、231938。2022年，深圳、北京、上海、廣州市、成都出度接近中心度最高，分別為296、295.5、295、295、294.5；上海、廣州、北京、成都和重慶入度接近中心度最高，分別為272、272、271.5、271.5、271。這數(shù)據(jù)表明大量的創(chuàng)新在京津冀、長三角、珠三角以及成渝等地區(qū)溢出。這是因為京津冀、長三角、珠三角以及成渝等城市群不僅具有堅實的科創(chuàng)和產(chǎn)業(yè)基礎(chǔ)，而且擁有人才聚集、科研機構(gòu)密集、產(chǎn)業(yè)協(xié)同水平高等優(yōu)勢，形成了較為完善的創(chuàng)新生態(tài)系統(tǒng)，為創(chuàng)新溢出奠定了基礎(chǔ)。同時，這些地區(qū)通過創(chuàng)新合作、創(chuàng)新聯(lián)盟等方式，加快了創(chuàng)新溢出。因此，京津冀、長三角、珠三角和成渝等地區(qū)是獲取創(chuàng)新成果的最佳之地。

創(chuàng)新溢出最多的城市對并非地理空間鄰近性的城市。這說明地理鄰近并非決定創(chuàng)新溢出的唯一因素，一定存在非地理因素推動了創(chuàng)新跨地域溢出。東部、中部和西部地區(qū)城市的創(chuàng)新溢出規(guī)模和溢出網(wǎng)絡(luò)中心度存在較大差異。其中，東部城市間不僅創(chuàng)新溢出規(guī)模顯著高于中部和西部城市，且在創(chuàng)新溢出網(wǎng)絡(luò)中具有更高的中心度。這與東部城市具有密集的道路網(wǎng)絡(luò)、較為完善的交通體系以及豐富的創(chuàng)新資源密不可分。尤其是，京津冀、長三角、珠三角等東部城市群，不僅聚集了我國大量的創(chuàng)新資源，擁有強大的創(chuàng)新能力，而且城市間的創(chuàng)新合作緊密，產(chǎn)業(yè)關(guān)聯(lián)度高，一體化建設(shè)正邁向深水區(qū)。因此，創(chuàng)新溢出是一個多維度的復(fù)雜過程，受到多維鄰近性的影響。

（二）全國和京滬廣深承接的創(chuàng)新溢出規(guī)模呈倒U型

隨專利引證時間間隔增加，全國專利引證規(guī)模變化趨勢如圖1所示。專利引證規(guī)模先快速擴大，隨之在小幅減小后又擴大，然后快速縮小，最后緩慢趨于0。全國專利引證規(guī)模先由時間間隔0個月和1個月的1227項、3271項，迅速增加到間隔2個月的14920項。然后，全國專利引證規(guī)模在波動中增加到間隔21個月的64724項，此時規(guī)模最大。在間隔22～31個月內(nèi)，引證規(guī)模呈下降趨勢。最后，在間隔32～40個月內(nèi)，引證規(guī)模小幅上升，隨后引證規(guī)模開始快速縮小，到間隔200個月，引證規(guī)模逐漸趨于0。

北京專利引證規(guī)模在間隔0～2個月內(nèi)快速擴大，由29項快速擴大到933項。在間隔3～21個月內(nèi)，北京專利引證規(guī)模在波動中增至最大，達到4706項。北京專利引證規(guī)模在間隔22～30個月內(nèi)呈減小趨勢，降至4253項。在間隔31～43個月內(nèi)，北京專利引證規(guī)模小幅上漲，達到4566項。隨后，引證規(guī)模開始快速縮小，到間隔200個月，引證規(guī)模趨于0。深圳專利引證規(guī)模在間隔0～3個月內(nèi)快速擴大，由26項快速擴大到1355項。在間隔3～21個月內(nèi)，深圳專利引證規(guī)模在波動中增長至最大，達到3451項。在間隔22～32個月內(nèi)，深圳專利引證規(guī)模呈減小趨勢，降至2611項。在間隔33～40個月內(nèi)，專利引證規(guī)模小幅上漲，達到3102項。隨后，引證規(guī)模開始快速縮小，到間隔200個月，引證規(guī)模趨于0。

上海專利引證規(guī)模在間隔0～4個月內(nèi)快速擴大，由18項快速擴大到733項。上海專利引證規(guī)模在間隔5～25個月內(nèi)在波動中增至最大，達到2039項。在間隔26～33個月內(nèi)，專利引證規(guī)模呈減小趨勢，降至1938項。在間隔34～40個月內(nèi)，上海專利引證規(guī)模小幅上漲，達到2220項。隨后，引證規(guī)模開始快速縮小，到間隔200個月，引證規(guī)模趨于0。廣州專利引證規(guī)模在間隔0～2個月內(nèi)快速擴大，由17項快速擴大到375項。在間隔3～22個月內(nèi)，廣州專利引證規(guī)模波動上升至最大，達到2311項。廣州專利引證規(guī)模在間隔23～30個月呈減小趨勢，降至1852項。在間隔31～38個月內(nèi)，廣州專利引證規(guī)模小幅上漲，達到2073項。隨后，引證規(guī)模開始快速縮小，到間隔200個月，引證規(guī)模趨于0。

由全國、京滬廣深專利引證的趨勢，我們可以發(fā)現(xiàn)創(chuàng)新溢出具有三個顯著的特點。一是創(chuàng)新溢出大多集中在創(chuàng)新誕生后的40個月內(nèi)。創(chuàng)新成果在誕生初期，往往具有較高的新穎性和市場價值，其相關(guān)信息就會通過各種渠道迅速傳播。創(chuàng)新主體通過模仿、學(xué)習(xí)或合作等方式，能夠較快地吸收和應(yīng)用這些創(chuàng)新成果，從而形成創(chuàng)新溢出。二是在時間間隔32～40個月，創(chuàng)新溢出規(guī)模由下降變?yōu)樾》仙?。?jīng)過一段時間的發(fā)展，創(chuàng)新技術(shù)逐漸成熟，其穩(wěn)定性和可靠性得到驗證。這使得更多主體采納這項初始創(chuàng)新，從而推動了創(chuàng)新溢出規(guī)模小幅上升。同時，由于市場上同類創(chuàng)新增多且為了保持市場地位，初始創(chuàng)新者可能加快該創(chuàng)新溢出速度并擴大溢出范圍，以便增強該初始創(chuàng)新的影響力。三是即使在時間間隔200個月之后，創(chuàng)新仍有可能溢出。隨著科技的不斷進步和市場需求的不斷變化，一些看似過時或已被替代的技術(shù)在某些領(lǐng)域或特定場景下仍具有應(yīng)用價值。尤其是，隨著學(xué)科交叉融合的趨勢加強，不同領(lǐng)域之間的合作和交流日益頻繁?？珙I(lǐng)域合作既有助于推動新技術(shù)研發(fā)，也為創(chuàng)新溢出提供了新機會。

結(jié)合全國、京滬廣深專利引證實際情況，創(chuàng)新生命周期可以劃分為搜尋期（時間間隔0～2個月）、熟知期（時間間隔3～21個月）、更迭期（時間間隔22～31個月）、振興期（時間間隔32～40個月）、替代期（時間間隔41～200個月）和沉默期（時間間隔201～447個月）。在搜尋期，初始創(chuàng)新的溢出規(guī)模急速上升，溢出速度極快；在熟知期，初始創(chuàng)新被大范圍了解和熟知，溢出規(guī)模快速上升，溢出速度較快；在更迭期，由于與初始創(chuàng)新相似創(chuàng)新的大量涌現(xiàn)，導(dǎo)致初始創(chuàng)新溢出規(guī)模和速度下降；在振興期，初始創(chuàng)新所蘊藏的部分知識被再度挖掘，溢出規(guī)模和速度上升；在替代期，初始創(chuàng)新被大量的關(guān)聯(lián)創(chuàng)新所替代，溢出規(guī)模和速度快速下降；在沉默期，初始創(chuàng)新所蘊藏的知識不僅被廣泛熟知，而且被更多的關(guān)聯(lián)創(chuàng)新所替代，其蘊藏的知識只有極少的一部分具有再次發(fā)現(xiàn)挖掘的潛力。盡管多維鄰近性可以促進創(chuàng)新溢出，但是在創(chuàng)新全生命周期不同階段，多維鄰近性是如何影響創(chuàng)新溢出的以及誰對創(chuàng)新溢出的作用更強呢？

四、多維鄰近性影響創(chuàng)新溢出的機制

地理鄰近性是指經(jīng)濟主體之間的物理空間距離。地理鄰近性不僅影響隱性知識流動，還隱含了包括認知、技術(shù)、關(guān)系、社會等在內(nèi)的非地理鄰近性對創(chuàng)新溢出的影響。認知鄰近性是指主體之間感知、理解、評估等方面的相似性，反映了溢出雙方是否擁有相似的知識庫，是否具備共享相似專業(yè)知識的基礎(chǔ)。技術(shù)鄰近性是指經(jīng)濟主體影響、改造、實現(xiàn)某種情景的能力相似性。關(guān)系鄰近性是指創(chuàng)新主體是否屬于同一關(guān)系空間，反映了創(chuàng)新主體之間聯(lián)系的緊密程度。社會鄰近性是指主體之間在文化、制度、法律等方面的相似性，反映了在習(xí)慣、慣例、既定做法、規(guī)則和法律等是否相似或具有一致性。

多維鄰近性是創(chuàng)新溢出的關(guān)鍵因素，深刻影響了創(chuàng)新溢出的需求供給和成本效率。區(qū)域創(chuàng)新差異為創(chuàng)新溢出奠定了需求供給的基礎(chǔ)，成本效率是影響創(chuàng)新溢出的重要因素。不同地區(qū)通過跨區(qū)域交流與合作，可以促進創(chuàng)新成果的引進、借鑒、模仿和再創(chuàng)新，實現(xiàn)地區(qū)間知識、創(chuàng)新和技術(shù)的互補和協(xié)同發(fā)展。認知和技術(shù)的異質(zhì)性不僅為創(chuàng)新溢出奠定了需求供給基礎(chǔ)，而且還影響著溢出的成本和效率。當認知和技術(shù)趨于同質(zhì)時，盡管溝通交流通暢，溢出難度和成本較低，但由于認知鎖定和技術(shù)鎖定，可能形成“競爭力陷阱”，使得溢出需求極低，不利于創(chuàng)新溢出。當認知和技術(shù)差異極大時，盡管溢出雙方具有極高的溢出需求，但是雙方不僅交流極為困難，溢出難度大，而且設(shè)備換代、人員培訓(xùn)等成本極高，亦不利于創(chuàng)新溢出。因此，只有當認知和技術(shù)鄰近性水平適度時，溢出雙方之間的交流與合作更加順暢且溢出需求強烈，設(shè)備換代、人員培訓(xùn)等成本較低，有助于激發(fā)創(chuàng)新溢出的供給。

地理鄰近性、關(guān)系鄰近性和社會鄰近性影響創(chuàng)新溢出的成本效率。當?shù)乩砜臻g過于接近時，由于空間鎖定以及擁擠效應(yīng)，增加競爭風(fēng)險，抑制了創(chuàng)新溢出。當?shù)乩磬徑运捷^低時，溢出的承接方難以及時獲取創(chuàng)新信息，且溢出雙方可能面臨極高的溝通交流成本和時間成本，不利于創(chuàng)新溢出。關(guān)系鄰近性是影響創(chuàng)新溢出的又一重要因素。關(guān)系過于鄰近可能會形成一個極為封閉的、內(nèi)向鎖定的系統(tǒng)，導(dǎo)致關(guān)聯(lián)鎖定，造成依賴性上升，降低靈活性。這就限制了創(chuàng)新的流動和溢出，導(dǎo)致創(chuàng)新成果只能在系統(tǒng)內(nèi)小范圍溢出，不利于初始創(chuàng)新的廣泛傳播和應(yīng)用。關(guān)系鄰近性過低則可能增加機會主義的風(fēng)險，不利于溢出雙方建立信任關(guān)系且不利于雙方的合作，增加溢出難度，降低溢出效率。社會鄰近性也是一個不可忽視的因素。過高的社會鄰近性可能導(dǎo)致制度鎖定，束縛甚至排斥創(chuàng)新，使得初始創(chuàng)新的溢出成本過高，增加溢出難度，不利于初始創(chuàng)新溢出。社會鄰近性水平過低則可能導(dǎo)致在溢出過程中面臨宗教文化、制度、收益不確定等障礙，增加溢出成本和難度，進而不利于初始創(chuàng)新溢出。因此，只有適度的地理鄰近性、關(guān)系鄰近性和社會鄰近性才會促進初始創(chuàng)新的溢出。

圖2 創(chuàng)新溢出規(guī)模分布圖

在創(chuàng)新生命周期的不同階段，多維鄰近性對創(chuàng)新溢出的影響存在差異。在搜尋期，一項新誕生的創(chuàng)新成果通常蘊藏著大量的新知識，不僅展現(xiàn)出極強的獨特性，而且還存在極高的價值。這一時期的初始創(chuàng)新往往與已有知識、技術(shù)存在顯著差異，并且潛在承接方為保持競爭優(yōu)勢，將會優(yōu)先考慮引入該創(chuàng)新。潛在承接方對該項創(chuàng)新具有強烈的溢出需求，而溢出的成本效率較為次要。因此，認知和技術(shù)鄰近性的作用尤為關(guān)鍵。這是因為對于初始創(chuàng)新的理解、認知和拓展應(yīng)用，在很大程度上依賴于承接方對前沿知識和技術(shù)的認知深度與掌握程度。相比之下，地理鄰近性和關(guān)系鄰近性在搜尋期對初始創(chuàng)新溢出的影響可能相對較小。這是因為初始創(chuàng)新剛剛出現(xiàn)，其功能在極短時間內(nèi)尚未被充分認知和了解，使得其溢出范圍較小。因此，即便地理鄰近性和關(guān)系鄰近性水平較高，也會因為缺乏足夠的信息和交流而難以顯著的影響創(chuàng)新溢出。同時，由于初始創(chuàng)新的認可、溢出、應(yīng)用等需要時間，社會鄰近性在搜尋期的影響存在滯后，因而社會鄰近性對創(chuàng)新溢出的影響不顯著。

在熟知期，初始創(chuàng)新仍與其他創(chuàng)新存在較大差異，并且其獨特性和新穎性已經(jīng)得到了市場的廣泛了解。潛在承接方仍會為了保持競爭優(yōu)勢，積極尋求引進該創(chuàng)新，此時初始創(chuàng)新具有較強的溢出需求。同時，隨著初始創(chuàng)新在市場上的廣泛應(yīng)用，對其進行深度挖掘的需求也隨之增加，這使得認知和技術(shù)鄰近性對初始創(chuàng)新溢出仍具有重要影響。隨著初始創(chuàng)新逐漸被市場接受和潛在承接方所熟知，承接方開始重視引進該創(chuàng)新的成本和效率。這意味著在熟知期，承接方將權(quán)衡引進該項創(chuàng)新的潛在收益和成本。此時，雖然認知和技術(shù)鄰近性仍然對創(chuàng)新溢出具有促進作用，但其影響力可能有所減弱。同時，隨著初始創(chuàng)新的熟知度上升，地理和關(guān)系鄰近性能夠加強溢出雙方的溝通交流，顯著影響知識共享，降低創(chuàng)新溢出的成本。在熟知期，溢出方開始加強知識產(chǎn)權(quán)保護以確保其核心知識不被輕易模仿或濫用，這可能造成初始創(chuàng)新溢出障礙。在這種情況下，社會鄰近性對創(chuàng)新溢出的抑制作用也開始顯現(xiàn)。

在更迭期，市場環(huán)境和技術(shù)發(fā)展產(chǎn)生了顯著變化，初始創(chuàng)新所蘊含的知識和技術(shù)不斷被相似或更先進的創(chuàng)新所替代。市場上出現(xiàn)更多相似或更先進的關(guān)聯(lián)創(chuàng)新，導(dǎo)致初始創(chuàng)新的溢出需求供給下降。認知和技術(shù)鄰近性仍然對創(chuàng)新溢出具有促進作用，但其影響力進一步下降。這是因為隨著初始創(chuàng)新被快速更迭，其蘊含的知識逐漸失去部分獨特性。在更迭期，承接方會更加注重初始創(chuàng)新的引進成本效率。這使得地理和關(guān)系鄰近性的促進作用可能變得更為顯著。當溢出雙方地理鄰近性水平較高時，地理鄰近性不僅顯著降低了溢出的交通和時間成本，還使得承接方能夠更快速地獲取、消化吸收并拓展初始創(chuàng)新。關(guān)系鄰近性能夠增強溢出雙方的信任，幫助承接方精準獲取初始創(chuàng)新所蘊含的知識，促進知識共享。在更迭期，隨著關(guān)聯(lián)創(chuàng)新涌現(xiàn)和市場競爭加劇，知識產(chǎn)權(quán)保護和相關(guān)創(chuàng)新活動加劇了創(chuàng)新溢出的挑戰(zhàn)，使得社會鄰近性對創(chuàng)新溢出的抑制作用愈發(fā)凸顯。

在振興期，盡管初始創(chuàng)新可能已被市場上的其他關(guān)聯(lián)創(chuàng)新所替代，但其不僅得到了市場的認可，而且其所蘊含的少部分知識仍存在價值，具有再發(fā)掘的潛力。初始創(chuàng)新的溢出需求再次上升，且潛在承接方更加重視引進該初始創(chuàng)新的成本效率。地理和關(guān)系鄰近性的促進作用可能變得尤為關(guān)鍵。由于初始創(chuàng)新被市場上更多的關(guān)聯(lián)創(chuàng)新替代，這使得初始創(chuàng)新的溢出需求不如搜尋期的強烈，致使認知和技術(shù)鄰近性對初始創(chuàng)新溢出的影響力下降。由于市場上關(guān)聯(lián)創(chuàng)新再次大量出現(xiàn)，這會引起更多的競爭、模仿和知識產(chǎn)權(quán)保護等行為，使得社會鄰近性在振興期會抑制創(chuàng)新溢出。

在替代期和沉默期，初始創(chuàng)新逐漸被市場上大量涌現(xiàn)的關(guān)聯(lián)創(chuàng)新所替代，導(dǎo)致初始創(chuàng)新的溢出需求快速下降。然而，盡管初始創(chuàng)新所蘊含的大多數(shù)知識已被挖掘殆盡，但其蘊含的極小一部分知識也可能存在再次發(fā)掘的潛力。具備深厚創(chuàng)新能力的主體仍然能夠從初始創(chuàng)新中挖掘出有價值的信息，并將其應(yīng)用于新的創(chuàng)新中。這種深度挖掘需要強大的認知和技術(shù)能力作為支撐，且創(chuàng)新主體更加注重與初始創(chuàng)新在認知和技術(shù)層面上的協(xié)同。因此，認知鄰近性和技術(shù)鄰近性對初始創(chuàng)新溢出的促進作用可能會超過關(guān)系和社會鄰近性。同時，隨著創(chuàng)新的大量衍生，創(chuàng)新主體更加注重技術(shù)和知識的深度整合，地理位置的鄰近性不再是影響創(chuàng)新溢出的主要因素。一方面是因為在沉默期，鄰近地區(qū)傾向于承接其他關(guān)聯(lián)創(chuàng)新或相似創(chuàng)新的溢出；另一方面是因為由于路徑鎖定，過度的地理鄰近可能導(dǎo)致創(chuàng)新主體承接創(chuàng)新溢出時缺乏靈活性。因此，地理鄰近性在替代期和沉默期可能會抑制創(chuàng)新溢出。

五、實證分析

（一）數(shù)據(jù)來源和變量測度

數(shù)據(jù)來源：專利數(shù)據(jù)源于國家知識產(chǎn)權(quán)局、大為專利數(shù)據(jù)庫，包括1985—2022年全國297個地級市（不含港澳臺）的專利數(shù)據(jù)，共計3700余萬項專利信息。本文專利時間以公開（公告）日為準，專利最后檢索時間為2023年6月16日。人口流動數(shù)據(jù)來自百度遷徙大數(shù)據(jù)平臺，地理坐標來自百度坐標拾取系統(tǒng)。

因變量（）：本文通過2022年地級市專利引證1985—2022年的專利規(guī)模，采用地級市之間不同時間間隔的專利引證規(guī)模比例來衡量。

其中，為當引證時間間隔為t時，城市i引證城市j的專利數(shù)量占城市i引證總數(shù)量的比值。

地理鄰近性（）：借鑒劉鳳朝等（2014）采用經(jīng)緯度測度地級市間球面距離的方法，具體如下所示：

其中，為城市之間的球面距離，是地球半徑，為6371km。表示緯度坐標，為經(jīng)度坐標。采用最大最小值法將標準化后，再用1減去標準后的地理距離即為地理鄰近性水平。越接近1，城市間物理空間距離越近，越接近于0，城市間物理空間距離越遠。

認知鄰近性（）：利用專利編號測度認知鄰近性的方法，具體如下：

其中，為城市i和城市j之間認知鄰近性，和分別為1985—2022年城市i和城市j專利編號前兩位和前三位相同的專利數(shù)量。

技術(shù)鄰近性（）：借鑒Jaffe的方法來測度技術(shù)鄰近性，具體如下所示：

其中，為1985—2022年城市i和城市j之間技術(shù)鄰近性水平，n為專利種類數(shù)，為城市i在該時間段內(nèi)，第k類的專利數(shù)量。

關(guān)系鄰近性（）：采用Jaccard指數(shù)法測度關(guān)系鄰近性水平，具體如下所示：

其中，表示2022年城市i和城市j之間專利合作數(shù)量；和表示2022年城市i和城市j與其他城市專利合作的總數(shù)量。

社會鄰近性（）：借鑒劉濤等（2020）、王聰和嚴潔（2021）的方法，利用2022年1月17號至2022年1月31號的人口流動來測度城市間社會鄰近性。

本研究采用最大最小值法分別對認知、技術(shù)、地理、關(guān)系、社會鄰近性進行標準化處理。經(jīng)標準化后，數(shù)值越接近1，城市間認知、技術(shù)、地理、關(guān)系、社會鄰近性水平越高，反之越接近0，鄰近性水平越低。

（二）模型構(gòu)建

二次指派程序 QAP（Quadratic Assignment Procedure）分析法通過比較兩個方陣中各個格值，進而計算出各變量矩陣之間的相關(guān)性系數(shù)。QAP對行和列進行排列，但單個節(jié)點的行和列不會分開。與傳統(tǒng)檢驗方法相比，QAP法不僅能夠避免自相關(guān)、多重共線性以及內(nèi)生性等問題，而且更加靈活，檢驗結(jié)果穩(wěn)健。本文從城市間聯(lián)系視角出發(fā)構(gòu)建城市間創(chuàng)新溢出時間矩陣和多維鄰近性矩陣，利用QAP 法檢驗兩矩陣的相關(guān)性，并分析城市間創(chuàng)新溢出與多維鄰近性的關(guān)系，具體模型如下：

（1）

（2）

（3）

其中，為搜尋期、熟知期、更迭期、振興期、替代期和沉默期等時期專利引證矩陣，為待估參數(shù)，為殘差項。本研究通過三個回歸模型檢驗了多維鄰近性對不同生命周期的創(chuàng)新溢出影響。其中，模型一重點檢驗了認知鄰近性和技術(shù)鄰近性對創(chuàng)新溢出的影響；模型二重點檢驗了地理鄰近性、關(guān)系鄰近性和社會鄰近性對創(chuàng)新溢出的影響；模型三檢驗了認知鄰近性、技術(shù)鄰近性、地理鄰近性、關(guān)系鄰近性和社會鄰近性對創(chuàng)新溢出的影響。本研究通過Ucinet 6.0分析了變量之間的相關(guān)性，并分別對三個模型進行了QAP回歸分析。

（三）實證結(jié)果

表2展示了多維鄰近性與不同時期創(chuàng)新溢出的相關(guān)性。在搜尋期，創(chuàng)新溢出與認知和地理鄰近性在1%顯著性水平上為正，與技術(shù)、關(guān)系和社會鄰近性在5%顯著性水平上為正；在熟知期、更迭期、振興期以及替代期，創(chuàng)新溢出與認知、技術(shù)、地理、關(guān)系和社會鄰近性在1%顯著性水平上為正；在沉默期，創(chuàng)新溢出與認知、關(guān)系和社會鄰近性的相關(guān)性系數(shù)在1%水平上顯著為正，與其他鄰近性的相關(guān)性不顯著。認知鄰近性與技術(shù)鄰近性未通過相關(guān)性檢驗，技術(shù)鄰近性與社會鄰近性在5%水平上顯著為正。此外，各鄰近性之間相關(guān)性系數(shù)均在1%顯著性水平上為正。由于變量間相關(guān)性較強，傳統(tǒng)計量模型分析方法不適用，為避免多重共線性并確保檢驗結(jié)果穩(wěn)健，故采用 QAP 模型對創(chuàng)新溢出與多維鄰近性之間的關(guān)系進行分析。

本研究對QAP回歸模型采用2000 次排列數(shù)隨機置換的分析方法。直接比較未標準化系數(shù)易受量綱影響，故采用標準化系數(shù)分析多維鄰近性對創(chuàng)新溢出的影響，回歸結(jié)果見表3和表4。

當時間間隔為0～2個月（搜尋期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0216，高于技術(shù)鄰近性的0.0087；在模型二中，地理鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0227，關(guān)系鄰近性的為0.0056，社會鄰近性的影響不顯著；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0186，其他鄰近性的影響不顯著。由此可見，認知鄰近性、技術(shù)鄰近性、地理鄰近性和關(guān)系鄰近性顯著促進了創(chuàng)新溢出，且認知鄰近性的作用最強。

當時間間隔為3～21個月（熟知期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0827，小于技術(shù)鄰近性的0.1302；在模型二中，地理鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.1821，關(guān)系鄰近性的為0.0117，社會鄰近性的為-0.0081；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0644、技術(shù)鄰近性的為0.0944、地理鄰近性的為0.1531、社會鄰近性的為-0.0118，關(guān)系鄰近性不顯著。這表明認知鄰近性、技術(shù)鄰近性、地理鄰近性和關(guān)系鄰近性均能顯著促進創(chuàng)新溢出，社會鄰近性抑制創(chuàng)新溢出。其中，地理鄰近性的作用最強，技術(shù)鄰近性的作用強于認知鄰近性。

當時間間隔為22～31個月（更迭期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0746，大于技術(shù)鄰近性的0.0655；在模型二中，地理鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.1191，關(guān)系鄰近性的為0.0109，社會鄰近性的不顯著；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0624、技術(shù)鄰近性的為0.0415、地理鄰近性的為0.1024、社會鄰近性的為-0.0083，關(guān)系鄰近性不顯著。因此，認知鄰近性、技術(shù)鄰近性、地理鄰近性和關(guān)系鄰近性均顯著促進創(chuàng)新溢出，社會鄰近性抑制創(chuàng)新溢出，且地理鄰近性的作用最強，技術(shù)鄰近性的作用弱于認知鄰近性。

當時間間隔為32～40個月（振興期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0826，大于技術(shù)鄰近性的0.0381；在模型二中，地理鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0927，關(guān)系鄰近性的為0.0143，社會鄰近性的不顯著；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0726、技術(shù)鄰近性的為0.0192、地理鄰近性的為0.0806、社會鄰近性的為-0.0057，關(guān)系鄰近性不顯著。此時，認知鄰近性、技術(shù)鄰近性、地理鄰近性和關(guān)系鄰近性均顯著促進創(chuàng)新溢出，社會鄰近性抑制創(chuàng)新溢出，且地理鄰近性的作用最強。

當時間間隔為41～200個月（替代期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.1814，技術(shù)鄰近性為0.0646；在模型二中，地理鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.1801、關(guān)系鄰近性的為0.0362、社會鄰近性的不顯著；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.1608、技術(shù)鄰近性的為0.0277、地理鄰近性的為0.1567、關(guān)系鄰近性的為0.0060、社會鄰近性的為-0.0111。此時，認知鄰近性、地理鄰近性、關(guān)系鄰近性和關(guān)系鄰近性均顯著促進創(chuàng)新溢出，社會鄰近性抑制創(chuàng)新溢出，且認知鄰近性的作用最強。

當時間間隔為201～447個月（沉默期）時，在模型一中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0132，技術(shù)鄰近性不顯著；在模型二中，地理鄰近性、關(guān)系鄰近性、社會鄰近均不顯著；在模型三中，認知鄰近性對創(chuàng)新溢出影響的標準化系數(shù)為0.0142、地理鄰近性的為-0.0076，其他鄰近性不顯著。此時，認知鄰近性均顯著促進創(chuàng)新溢出，地理鄰近性抑制創(chuàng)新溢出，且認知鄰近性的作用最強。

六、 結(jié)論和啟示

在創(chuàng)新全生命周期中，多維鄰近性通過影響需求供給和成本效率，進而對創(chuàng)新溢出產(chǎn)生了顯著影響。其中，認知鄰近性和技術(shù)鄰近性影響了創(chuàng)新溢出的供給需求和成本效率，地理鄰近性、關(guān)系鄰近性和社會鄰近性影響了創(chuàng)新溢出的成本效率。盡管多維鄰近性影響了全生命周期的創(chuàng)新溢出，但在不同生命階段，多維鄰近性的影響存在顯著差異。

認知鄰近性顯著促進了全生命周期的創(chuàng)新溢出，且在搜尋期、替代期和沉默期對創(chuàng)新溢出的影響最強。這說明認知鄰近性有助于創(chuàng)新主體間形成共同的知識基礎(chǔ)和語言，便于信息的交流和知識的共享，進而促進了創(chuàng)新溢出。在搜尋期，創(chuàng)新主體需要廣泛搜尋新的知識和信息，認知鄰近性不僅有助于減少信息搜尋成本，提高搜尋效率，而且有助于加快關(guān)聯(lián)技術(shù)研發(fā)，助推創(chuàng)新再突破；在替代期和沉默期，認知鄰近性不僅能夠快速評估并生成初始創(chuàng)新的替代方案，還有助于創(chuàng)新主體尋找新的突破口。

技術(shù)鄰近性和關(guān)系鄰近性在搜尋期、熟知期、更迭期、振興期、替代期顯著影響了溢出的供給需求和成本效率，進而促進了創(chuàng)新溢出。這表明在上述階段，通過共享先進的技術(shù)資源和構(gòu)建緊密的合作網(wǎng)絡(luò)，技術(shù)鄰近性和關(guān)系鄰近性共同促進了知識和技術(shù)的有效流動。這種流動不僅增強了創(chuàng)新的活力，還顯著地深化了創(chuàng)新溢出效應(yīng)，進一步加速了創(chuàng)新成果的擴散和應(yīng)用。然而，在沉默期，由于創(chuàng)新活動減弱或停滯、技術(shù)差異大等原因，技術(shù)鄰近性和關(guān)系鄰近性的影響減弱，從而使得技術(shù)鄰近性和關(guān)系鄰近性在沉默期對創(chuàng)新溢出的影響不顯著。

地理鄰近性在搜尋期、熟知期、更迭期、振興期、替代期均顯著影響了溢出成本和效率，進而促進了創(chuàng)新溢出，且在熟知期、更迭期和振興期的促進作用最強。這表明地理鄰近性通過減少信息傳遞成本、促進面對面的交流、加強合作等方式顯著促進了創(chuàng)新溢出。然而，在沉默期，由于市場上可能存在更為先進和相似的創(chuàng)新成果，且鄰近地區(qū)開始傾向于承接其他關(guān)聯(lián)或相似創(chuàng)新的溢出，導(dǎo)致沉默期初始創(chuàng)新溢出成本上升，進而使得地理鄰近性在沉默期抑制了創(chuàng)新溢出。

社會鄰近性在搜尋期和沉默期對創(chuàng)新溢出的影響不顯著。在搜尋期，創(chuàng)新剛剛誕生，其影響范圍較小，并且創(chuàng)新主體更側(cè)重于信息搜尋和技術(shù)更新。因此，社會鄰近性對創(chuàng)新溢出的影響不顯著。在這一階段，創(chuàng)新主體可以通過外部引進、內(nèi)部培訓(xùn)等方式，更好地獲取和吸收新知識，加快承接創(chuàng)新溢出。在沉默期，由于初始創(chuàng)新的價值逐漸降低，市場上的競爭和模仿行為也相對減少。此時，創(chuàng)新主體更加注重內(nèi)部創(chuàng)新和技術(shù)更新，而不是過度依賴外部社會環(huán)境。這使得社會鄰近性的影響不顯著。由于冗余信息、關(guān)聯(lián)創(chuàng)新活動增加、知識產(chǎn)權(quán)保護等因素的影響，初始創(chuàng)新溢出的成本增加，導(dǎo)致社會鄰近性在熟知期、更迭期、振興期、替代期顯著抑制了創(chuàng)新溢出。

通過分析多維鄰近性對不同時期創(chuàng)新溢出的影響，可以得到以下啟示：

第一，加強城市間創(chuàng)新合作，推動區(qū)域創(chuàng)新鏈協(xié)同布局。強化城市間創(chuàng)新伙伴關(guān)系，鼓勵城市間簽訂創(chuàng)新合作協(xié)議，深化區(qū)域創(chuàng)新鏈的協(xié)同布局。組建城市創(chuàng)新聯(lián)盟，建立城市間創(chuàng)新合作協(xié)調(diào)機制，定期召開創(chuàng)新協(xié)調(diào)會議，深化創(chuàng)新合作，協(xié)同解決創(chuàng)新合作可能存在的挑戰(zhàn)。鼓勵高校、科研機構(gòu)、企業(yè)等創(chuàng)新主體組建跨城市創(chuàng)新合作平臺和資源共享平臺，建設(shè)創(chuàng)新成果庫，共享人才、設(shè)備、數(shù)據(jù)、成果等創(chuàng)新資源。共同建設(shè)創(chuàng)新“飛地”、創(chuàng)新園區(qū)、孵化器等，鼓勵城市間創(chuàng)新服務(wù)機構(gòu)開展合作，為城際創(chuàng)新合作和技術(shù)轉(zhuǎn)移提供技術(shù)開發(fā)、技術(shù)測試、技術(shù)咨詢等技術(shù)支持和服務(wù)保障。

第二，促進產(chǎn)業(yè)合作，深化城市間產(chǎn)業(yè)聯(lián)動。制定區(qū)域產(chǎn)業(yè)協(xié)同發(fā)展規(guī)劃，明確各城市在產(chǎn)業(yè)協(xié)同發(fā)展中的定位和功能，避免產(chǎn)業(yè)同質(zhì)化競爭，實現(xiàn)產(chǎn)業(yè)錯位發(fā)展，促進區(qū)域產(chǎn)業(yè)協(xié)同發(fā)展。鼓勵城市間龍頭企業(yè)、行業(yè)協(xié)會等組建產(chǎn)業(yè)協(xié)同發(fā)展聯(lián)盟，共同破解核心技術(shù)難題、分享市場資源、強化供應(yīng)鏈韌性，推動產(chǎn)業(yè)鏈技術(shù)水平的整體提升。建立產(chǎn)業(yè)鏈上下游企業(yè)對接機制，推動原材料和零部件、生產(chǎn)、物流、銷售等各環(huán)節(jié)企業(yè)之間的深度合作，強化產(chǎn)業(yè)鏈上下游合作和資源整合，提升供應(yīng)鏈的穩(wěn)定性、高效性和靈活性。搭建跨地域產(chǎn)業(yè)合作平臺，開展論壇、展會、研討等活動，促進不同城市產(chǎn)業(yè)之間的協(xié)同合作。

第三，優(yōu)化創(chuàng)新溢出環(huán)境，促進創(chuàng)新要素流動。利用互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，打造線上創(chuàng)新交流平臺，促進創(chuàng)新資源的快速流動和共享。定期舉辦創(chuàng)新論壇、技術(shù)研討會等活動，為創(chuàng)新主體提供面對面的交流與合作機會。建立更加完善的知識產(chǎn)權(quán)保護機制，為知識產(chǎn)權(quán)持有人提供快速、高效的維權(quán)途徑，降低維權(quán)成本。完善知識產(chǎn)權(quán)價值評估方案，建立知識產(chǎn)權(quán)的技術(shù)含量、市場前景、行業(yè)地位、法律狀況等多維度評估體系。健全知識產(chǎn)權(quán)轉(zhuǎn)讓、許可、質(zhì)押等交易方式和機制，探索知識產(chǎn)權(quán)證券化、投資基金等新型融資方式，建設(shè)統(tǒng)一的知識產(chǎn)權(quán)交易平臺，簡化交易手續(xù)，提高交易過程的透明度和公開性，降低交易成本。制定相關(guān)政策，引導(dǎo)知識產(chǎn)權(quán)的流動和共享，推動創(chuàng)新成果的轉(zhuǎn)化和應(yīng)用。與國際知識產(chǎn)權(quán)組織和其他國家知識產(chǎn)權(quán)局加強合作，推動知識產(chǎn)權(quán)的跨國流動和共享。

第四，加強跨部門合作，促進各部門聯(lián)動。推動創(chuàng)新政策聯(lián)動，定期評估政策效果、調(diào)整政策方向，確保政策之間的銜接和協(xié)同。建立區(qū)域創(chuàng)新協(xié)同發(fā)展工作小組，明確各部門的職責(zé)與分工，負責(zé)協(xié)調(diào)各地區(qū)各部門之間的創(chuàng)新合作事宜，協(xié)同破解創(chuàng)新發(fā)展中存在的難題，避免產(chǎn)生跨部門溝通障礙。強化部門間的協(xié)作和信息共享，形成政府服務(wù)一體化，加強政府對高校、科研院所和科技型企業(yè)的服務(wù)和支持。建立統(tǒng)一的信息平臺，定期發(fā)布創(chuàng)新數(shù)據(jù)和分析報告等，以便各部門及時了解最新的發(fā)展動態(tài)和政策執(zhí)行情況。

第五，深化國際合作，構(gòu)建開放式創(chuàng)新生態(tài)系統(tǒng)。加強與國外高校、科研院所和實驗室的合作，共同開展共性技術(shù)研究和成果轉(zhuǎn)化，促進技術(shù)交流和合作。開展國際聯(lián)合培養(yǎng)項目，培養(yǎng)具有創(chuàng)新意識和實踐能力的專業(yè)人才，積極開展國際交流，并引進國際高端人才。舉辦國際科技創(chuàng)新峰會、論壇和展覽，促進跨國企業(yè)的合作創(chuàng)新和技術(shù)轉(zhuǎn)移。加快國際聯(lián)合實驗室、國際科學(xué)家研發(fā)中心和成果轉(zhuǎn)化中心建設(shè)，建設(shè)國際科技創(chuàng)新孵化平臺，引進并推動國際科技成果的國內(nèi)轉(zhuǎn)化。

參考文獻：

[1]Acemoglu D， Akcigit U， Kerr W. Networks and the Macroeconomy： An Empirical Exploration[J]. Nber macroeconomics Annual， 2016， 30（1）： 273-335.

[2]ARIELI I，BABICHENKO Y，PERETZ R，et al. The Speed of Innovation Diffusion in Social Networks[J]. Econometrica，2020，88 （2）：569-594.

[3]BILIR K L，MORALES E. Innovation in the Global Firm[J].Journal of Political Economy，2020，128 （4）：1566-1625.

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

[5]Broekel Tom， Ron Boschma. Knowledge Networks in the Dutch Aviation Industry： The Proximity Paradox[J]. Journal of Economic Geography，2012， 12（2）： 409-433.

[6]Cairncross， Frances. The Death of Distance： How the Communications Revolution Will Change Our Lives[M]. Boston： Harvard Business School Press，2001.

[7]Capello R ， Caragliu A. Proximities and the Intensity of Scientific Relations： Synergies and Nonlinearities[J]. International Regional Science Review， 2016（1）：7-44.

[8]Cooke P，Morgan K. The Associational Economy. Firms，Regions，and Innovation[M]. Oxford：Oxford University Press，1998.

[9]David B. Audretsch， Max Keilbach. Resolving the knowledge paradox： Knowledge-spillover entrepreneurship and economic growth[J].Research Policy， 2008，37（10）：1697-175.

[10]Griliches Z. The Search for Ramp;D Spillovers[J].Scandinavian Journal of Economics， 1992， 94（1）：29-47.

[11]Hu B ， Mai Y ， Peke S .Managing Innovation Spillover in Outsourcing[J]. Production and Operations Management， 2020，29（10）：2252-2267.

[12]Jaffe A. Technological opportunity and spillovers of Ramp;D： evidence from firm’s patents， profits， and market value[J]. American Economic Review，1986，76（5）：984-1001.

[13]Karen Fisher-Vanden， Gary H. Jefferson， Ma Jingkui， Xu Jianyi. Technology development and energy productivity in China[J]. Energy Economics， 2006，28（5-6）：690-705.

[14]Levitt B，March James G. Organizational learning[M]. Thousand Oaks，CA，Sage，1996：516 - 541.

[15]MARYANN P.Feldman.The new economics of innovation， spillovers and agglomeration： A review of empirical studies[J]. Economics of Innovation and New Technology，1999（8）：05-25.

[16]Olov H.D. Isaksson， Markus Simeth， Ralf W. Seifert. Knowledge spillovers in the supply chain： Evidence from the high tech sectors[J]. Research Policy， 2016，45，（3）：699-706.

[17]Rothwell， R. Successful Industrial Innovation： Critical factors for the 1990s[J]. Ramp;D Management， 1992，22（3）：221–239.

[18]Wolfgang Lattacher ， Patrick Gregori， Patrick Holzmann， Erich J. Schwarz. Knowledge spillover in entrepreneurial emergence： a learning perspective [J]. Technological forecasting and social change，2021，166（5）：1-13.

[19]Xiaolan Fu， Carlo Pietrobelli， Luc Soete. The Role of Foreign Technology and Indigenous Innovation in the Emerging Economies： Technological Change and Catching-up[J]. World Development， 2011，39（7）：204-1212.

[20]ZACCHIA P.Knowledge Spillovers through Networks of Scientists[J].Review of Economic Studies，2020，87 （4）：1989—2018.

[21]曾凡益，孫劍，陳新宇.農(nóng)產(chǎn)品電商集群企業(yè)多維鄰近性對協(xié)同創(chuàng)新績效的影響[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2021，26（12）：241-252.

[22]陳文婕，曾德明.低碳技術(shù)合作創(chuàng)新網(wǎng)絡(luò)中的多維鄰近性演化[J].科研管理，2019，40（03）：30-40.

[23]程大中，汪寧.企業(yè)貿(mào)易網(wǎng)絡(luò)中的創(chuàng)新溢出效應(yīng)--理論和基于高新技術(shù)企業(yè)認定政策的準自然實驗分析[J].國際貿(mào)易問題，2022（12）：1-19.

[24]黨興華，弓志剛.多維鄰近性對跨區(qū)域技術(shù)創(chuàng)新合作的影響——基于中國共同專利數(shù)據(jù)的實證分析[J].科學(xué)學(xué)研究，2013，31（10）：1590-1600.

[25]杜斌，張治河，李斌.健全技術(shù)創(chuàng)新的市場導(dǎo)向機制：動態(tài)最優(yōu)、福利分配與補償機制——彌合技術(shù)創(chuàng)新溢出效應(yīng)的視角[J].經(jīng)濟管理，2017，39（03）：63-75.

[26]高麗娜，李湘君.鄰近性促進城市群創(chuàng)新了嗎？--基于長三角城市群的經(jīng)驗研究[J].科技管理研究，2019，39（23）：103-108.

[27]賀燦飛，郭佳宏，謝玉歡.基于認知鄰近性的進口溢出效應(yīng)對區(qū)域出口產(chǎn)業(yè)重構(gòu)的影響[J].地理學(xué)報，2023，78（06）：1323-1338.

[28]賀燦飛，李文韜.中國國際科研合作網(wǎng)絡(luò)的時空演化特征與驅(qū)動力[J].中國軟科學(xué)，2022，（07）：70-81.

[29]胡蓓，朱樸義.產(chǎn)業(yè)集群人才集聚擁擠研究[J].科技進步與對策，2013，30（19）：130-134.

[30]胡緒華，徐駿杰.不同生命周期階段我國電子信息產(chǎn)業(yè)區(qū)域技術(shù)創(chuàng)新網(wǎng)絡(luò)演化比較分析[J].科技進步與對策，2017，34（22）：25-34.

[31]賴烽輝，李善民.共同股東網(wǎng)絡(luò)與國有企業(yè)創(chuàng)新知識溢出--基于國有企業(yè)考核制度變遷的實證研究[J].經(jīng)濟研究，2023，58（06）：119-136..

[32]李勃昕，韓先鋒，李輝.“引進來”與“走出去”的交互創(chuàng)新溢出研究[J].科研管理，2021，42（08）：122-130.

[33]李晨，覃成林，任建輝.空間溢出、鄰近性與區(qū)域創(chuàng)新[J].中國科技論壇，2017（01）：47-52+68.

[34]李文輝，陳依楠，江涌芝等.中國經(jīng)濟發(fā)達地區(qū)高校技術(shù)創(chuàng)新溢出研究[J].科研管理，2021，42（03）：120-130.

[35]李穎，馬雙，富寧寧等.中國沿海地區(qū)海洋產(chǎn)業(yè)合作創(chuàng)新網(wǎng)絡(luò)特征及其鄰近性[J].經(jīng)濟地理，2021，41（02）：129-138.

[36]廉軍偉.嵌入高新區(qū)創(chuàng)新網(wǎng)絡(luò)的企業(yè)研究院創(chuàng)新溢出研究——以新昌高新技術(shù)產(chǎn)業(yè)園為例[J].科技進步與對策，2016，33（17）：8-13.

[37]梁玲玲，李燁，陳松.組織情緒能力與多維鄰近性對企業(yè)開放式創(chuàng)新的組態(tài)路徑研究[J].領(lǐng)導(dǎo)科學(xué)，2024，（01）：55-60.

[38]劉鳳朝，閆菲菲，馬榮康等．鄰近性對跨區(qū)域研發(fā)合作模式的影響研究--基于北京、上海、廣東的實證[J]. 科研管理，2014，35（11）：454-464.

[39]劉濤，卓云霞，王潔晶.鄰近性對人口再流動目的地選擇的影響[J].地理學(xué)報，2020，75（12）：2716-2729.

[40]劉微微，金英哲，畢克新.多維鄰近性、創(chuàng)新開放度與合作創(chuàng)新績效——基于網(wǎng)絡(luò)演化視角[J].科研管理，2023，44（08）：162-172.

[41]阮平南，王文麗，劉曉燕.技術(shù)創(chuàng)新網(wǎng)絡(luò)多維鄰近性演化研究——基于IBM專利合作網(wǎng)絡(luò)數(shù)據(jù)[J].科技進步與對策，2018，35（08）：1-7.

[42]商亮，趙暉.區(qū)域產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)的成長因子與功能分析[J].南京社會科學(xué)，2021（04）：51-56+63.

[43]邵漢華，王慶祥，何鏗輝.人口結(jié)構(gòu)與區(qū)域科技創(chuàng)新差距的時空演化研究[J].科學(xué)學(xué)研究，2024，42（05）：1076-1087.

[44]宋琦，韓伯棠，王宗賜.基于知識溢出熵的創(chuàng)新集群生命周期演化研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2010，31（03）：68-71+112.

[45]涂心語，嚴曉玲，王珊珊.知識溢出、企業(yè)異質(zhì)性與企業(yè)全要素生產(chǎn)率--來自制造業(yè)上市公司的經(jīng)驗證據(jù)[J].商業(yè)研究，2022（06）：23-33.

[46]屠啟宇，余全明.區(qū)域高質(zhì)量一體化發(fā)展：從地理空間到多維聯(lián)系[J].南京社會科學(xué)，2022（06）：43-58.

[47]屠啟宇，余全明.誰是創(chuàng)新引領(lǐng)者？--基于六個都市圈對長三角創(chuàng)新發(fā)展的影響[J].南通大學(xué)學(xué)報（社會科學(xué)版），2022，38（01）：25-37.

[48]王聰，嚴潔.百度遷徙規(guī)模指數(shù)構(gòu)造方法反演[J].電子科技大學(xué)學(xué)報，2021，50（04）：616-626.

[49]魏佳慧，耿成軒.資本要素省際流動對區(qū)域創(chuàng)新差異的影響研究[J]. 經(jīng)濟經(jīng)緯，2023，40（03）：34-44.

[50]徐斌.技術(shù)創(chuàng)新、生命周期與企業(yè)財務(wù)績效[J].江海學(xué)刊，2019（02）：109-114.

[51]徐德英，韓伯棠.地理、信息化與交通便利鄰近與省際知識溢出[J].科學(xué)學(xué)研究，2015，33（10）：1555-1563.

[52]楊劍，梁皅.基于生命周期理論的區(qū)域創(chuàng)新系統(tǒng)研究[J].中國科技論壇，2006（01）：41-45.

[53]余典范，蔣耀輝，張昭文.中國碳排放權(quán)交易試點政策的創(chuàng)新溢出效應(yīng)--基于生產(chǎn)網(wǎng)絡(luò)的視角[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2023，40（03）：28-49.

[54]原毅軍，高康.產(chǎn)業(yè)協(xié)同集聚、空間知識溢出與區(qū)域創(chuàng)新效率[J].科學(xué)學(xué)研究，2020，38（11）：1966-1975+2007.

[55]張貴，劉思思，呂曉靜.省際技術(shù)轉(zhuǎn)移的時空分異特征與鄰近效應(yīng)研究——中國31個省份空間互動分析[J].科技管理研究，2022，42（21）：74-83.

[56]張華，孫鵬.多維鄰近性對陜西涇陽茯茶產(chǎn)業(yè)集群創(chuàng)新的影響研究[J].南京師大學(xué)報（自然科學(xué)版），2022，45（02）：34-43.

[57]張翼鷗，谷人旭，馬雙.中國城市間技術(shù)轉(zhuǎn)移的空間特征與鄰近性機理[J]. 地理科學(xué)進展， 2019，38（03）：370-382.

The Impact of Multidimensional Proximity on Innovation Spillover： A Life Cycle Perspective

Yu Quanming 1，2Tu Qiyu3

（1. Shanghai Institute for Science of Science; 2. East China Normal University3.Shanghai Academy of Social Sciences，Shanghai" 200000，China）

Abstract：" Innovation spillover is an important step to accelerate the realization of high-level sci-tech self-reliance and self-strengthening， and is also a key link in building the new development pattern. The paper divides the innovation life cycle into" search period， familiar period， change period， revitalization period， substitution period and silence period. Based on the patent data from 1985 to 2022， using QAP regression analysis method， this paper studies the influence of multidimensional proximity on national innovation spillover in different periods. The results show that： cognitive proximity significantly promotes innovation spillover during innovation life cycle， indicating that cognitive difference was the basis of innovation spillover and significantly affected the spillover demand and cost. Technology， geography and relationship proximity significantly promote innovation spillover in the first five periods， indicating that technology， geography and relationship proximity increase spillover demand and reduce spillover cost. Due to spatial lock-in and crowding effects， geographical proximity significantly inhibits innovation spillover during the silent period. Due to intellectual property protection and institutional lock-in， social proximity significantly inhibits innovation spillover during in the familiar period， change period， the revitalization period and the substitution period.

Key Words：Innovation spillover; Multidimensional proximity; Innovation life cycle

[基金項目]上海市2023年軟科學(xué)研究項目“未來產(chǎn)業(yè)融合集群發(fā)展路徑研究-以臨港新片區(qū)為例（項目編號： 23692122700）” ；本文獲得“創(chuàng)新型城市發(fā)展戰(zhàn)略研究中心”資助。

[作者簡介]余全明，上海市科學(xué)學(xué)研究所，華東師范大學(xué)，助理研究員，博士，研究方向：區(qū)域科技創(chuàng)新；屠啟宇，上海社會科學(xué)院城市與人口發(fā)展研究所副所長，研究員，博士，博士生導(dǎo)師，研究方向：城市規(guī)劃。