地理邻近对产业集群创新影响效应的实证研究

李 琳，韩宝龙，高 攀

(1.湖南大学经贸学院，湖南长沙410079;2.中国科学院生态环境研究中心，北京100085)

一、引言

地理邻近的重要性早在19世纪就受到学者们的重视，但在传统空间科学的研究中却一直被视为“黑箱”。随着上世纪80年代末知识经济的蓬勃兴起，新经济地理学、新产业地理学等学科的众多学者试图从新的不同角度对地理邻近与知识溢出、交互学习等论题进行探讨(Audretsch和Feldman，1996;Storper，1998;Morgan，1997)［1－3］，并得出一个基本的结论:地理邻近对创新产生重要影响。大致的观点是:同一产业或相关产业内的组织，地域上的邻近有利于知识尤其是隐性知识的吸收与传递，并激励冒险与风险共担，进而假定企业创新过程从本地联系中较非本地联系中获得更大的益处。随着研究的深入，有学者对地理邻近在创新中的作用提出了异议(Grotz，Braun，1997;Tremblay，2004;Weterings，2009)［4－6］，他们的研究认为，地理邻近对企业(尤其是高技术企业)创新并没有显著的影响，而其他形式的邻近(如组织邻近等)更重要;地理邻近对创新的影响更有可能是通过强化其它维度邻近性的作用来实现的(Boschma，2005)［7］。尽管对于地理邻近的创新促进效应存在异议，但地理邻近作为西方学界研究最多的邻近性维度，对于其在区域创新(发展)中的作用已基本达成共识。

在地理邻近对产业(区域)创新影响的实证研究方面，不少西方学者进行了探讨。Tremblay DG.，Juan－ Luis Klein J－ L.(2004)［5］等学者通过实地访谈和问卷调查的方法，对蒙特利尔地区生物医药、通讯技术及航空三个高技术产业中的企业创新活动影响因素进行调研，结果表明，地理邻近不是影响企业创新的决定性因素，组织或关系邻近因素更重要。Ganesan S.，Malter A.J.(2005)［8］采用问卷调查与统计分析相结合的方法，对地理邻近在美国制造企业间的联系及新产品合作开发中的作用进行实证分析，结果显示，地理邻近促进了企业间的联系，但对企业间的新产品合作开发的影响效应不显著。Pond R.，Oort F.V.(2007)［9］以共同出版物为表征合作的指标，应用问卷调查与统计分析相结合的方法，探讨了地理邻近在企业与大学、研究机构的科学研究合作中的作用，结果显示，不同类型组织间的合作较同类型组织间的合作更倾向于本地化。也就是说，地理邻近与组织邻近在企业与大学、研究机构的科学研究合作中起相互替代作用。Boufaden N.，Plunket A.(2005)［10］，应用计量分析方法，对地理邻近对法国巴黎地区生物技术企业创新(专利申请)的影响进行实证研究，结果表明，地理邻近于技术相似的企业创新绩效明显优于其它企业，这意味着技术关联的企业间的地理邻近对创新具有显著影响。Weterings A.，Boschma R.(2009)［6］采用电话咨询与回归分析相结合的方法，以荷兰软件企业为研究对象，对地理邻近对客商－供应商的交互作用及企业的创新绩效的影响进行实证分析，结果表明，地理邻近促进了客商－供应商间的面对面的交互作用，但并没有改善企业的创新绩效。Silvestre B.D.S.，Dalcol P.R.T.(2009)［11］采用案例分析方法，对地理邻近对巴西坎普斯盆地石油天然气产业集聚区企业的创新活动的影响进行探讨，结果显示，地理邻近对企业创新产出具有正的影响效应。

在国内，关于地理邻近性对创新影响的专题研究较为缺乏。王缉慈(2005)［12］指出，要提高我国工业园区的创新能力，不仅要重视企业的地理邻近，更要促进地理距离遥远的产业联系的形成。李福刚、王学军(2007)［13］从知识流动和集体学习视角，对地理邻近对区域创新的作用机理进行探讨，并指出地理邻近是“距离产生美”，太多或太少的地理邻近对集体学习和区域创新都不利。汪涛、曾刚(2008)［14］通过解析上海浦东高技术企业创新合作伙伴的空间分布状况，对地理邻近在本地层面和区域层面上对企业创新活动的影响效应进行探讨，并得出在本地层面影响甚微而在区域层面发挥一定作用的结论。桂婕、乔晓东等(2008)［15］应用改进的知识生产函数模型，对我国ICT、生物医药、化工和机械四个不同行业的企业在吸收利用基础研究的过程中，企业与大学合作的基础研究与其专利发明的地理邻近性特征进行实证探讨，结果得出:企业进行外部基础研究合作时，其对基础研究部门的选择具有地理邻近特征，强邻近的基础研究合作对专利发明产出的影响更大。韩宝龙、李琳(2009)［16］以我国53个国家级高新区为对象，通过建立半对数回归模型，对地理邻近性对高新区创新绩效影响进行了实证分析，得出结论:地理邻近性对我国高新区创新绩效产生正的影响，这种正的影响效应具有边际报酬递减的特征;现阶段我国高新区尚不存在过度地理邻近对区域创新的抑制效应。李琳、杨田(2011)［17］在探析地理邻近和组织邻近对产业集群创新的影响机制的基础上，以我国汽车产业集群为对象采用对数函数与指数函数相结合的方法进行实证检验，得出结论:地理邻近对集群创新产生正效应;地理邻近与纵向组织邻近对集群创新影响呈替代关系，与横向组织邻近呈互补关系。

概之，在西方，对于地理邻近与创新论题的研究已取得丰硕成果。相比之下，国内研究明显滞后。而在地理邻近对创新影响的实证研究方面，即使在西方也是更多的停留于基于问卷调查的案例分析或统计分析，尚缺乏一个规范的较为科学的研究模型范式。基于此，本文开创性地运用人工神经网络前导的计量分析方法，以我国国家级软件园区软件产业集群为研究对象，创造性地将地理邻近划分为区内(集群内)地理邻近和区间(集群间)地理邻近这两个分维度，对软件产业集群创新中的地理邻近效应进行实证研究，得出结论:区内地理邻近对集群创新的影响呈“S”型阶段特征;区间地理邻近对创新影响呈边际报酬递减的正效应。

二、地理邻近对产业集群创新的影响机制

对地理邻近的讨论由来已久，地理邻近作为隐性知识溢出与传播的空间组织形式，是区域经济学者对区域创新研究的空间起点。地理邻近，反映集群企业间空间距离的远近性，这种距离不单纯从空间距离衡量，还需要考虑运输或传播时间与成本的因素(Beckman，2000;李琳、韩宝龙，2009)［18－19］。本文以产业集群为区域单元，将地理邻近划分为集群内地理邻近即区内地理邻近和集群区间地理邻近即区间地理邻近。产业集群作为相关行为主体创新活动的合作网络载体，它既承担着集群内的创新合作网络的功能，又吸引着集群外和集群间知识的交流，据此，将集群内的企业集聚状况称为区内地理邻近，在集群间的集聚和邻近状况称为区间地理邻近。

地理邻近对集群创新的影响表现在显性(可测度)和隐性(不可直接测度)两个方面(Boschma，2005;李福刚、王学军，2007)［7，13］，它们分别与集群创新硬投入和软投入相对接，以对中间环节的需求和供给为机制，构成地理邻近对集群创新的影响流程。具体来说，产业集群创新对创新硬投入(研发设备、管理人才、技术人才等显性投入)的直接需求创造了对人才、技术、物资等投入要素交流成本费用减少的引致需求;对创新软投入(合作协同、知识溢出、模仿竞争)的直接需求创造了对人才、技术、物资等要素交流频率增加的引致需求(韩宝龙、李琳，2011)［20］;而无论是交流成本的减少，还是交流频率的增加都需要通过地理邻近性的增强来实现(见图1)。

图1 地理邻近对产业集群创新影响机制

同时，正如产业集群的发展演化具有阶段性特征一样，地理邻近对集群创新影响也具有阶段性(Boschma，2005;Balland P － A.，Van M.de，Boschma，2011)［7，21］。一般认为，在集群发展到一定发展阶段后(如成熟阶段)，集群内过高的企业集聚度引致的过度地理邻近会产生“地理锁定”的负面影响:一方面，当一个区域集群变得过分空间邻近时，区域内主体的学习能力会明显减弱以至于不能对外部的变化作出及时反应，造成集群系统的自封闭性;另一方面，过高的地理邻近会引致集群内企业高度竞争和技术、产品过分相似，从而导致知识产权保护问题，抑制集群的创新活动(Boschma，2005;Malmberg，Maskell，1997;Friese，Sorensen，2005)［7，22－23］。同时，本文还认为，在集群形成的初期，由于企业的数量有限集聚程度不够，地理邻近水平不足，地理邻近对区域创新的影响机制尚未形成，其对创新的影响效应很有限;而具体到我国软件产业集群，在软件园发展的初期，园内企业产品和产业链位势功能上相似单一，过度竞争和技术简单模仿问题凸显，这样甚至会抑制区域创新活动的产生。综之，本文认为，地理邻近对集群创新具有促进效应，这种促进效应具有阶段性特征，在集群形成初级阶段地理邻近水平不足或集群发展成熟阶段地理邻近水平过度，这种促进效应会减弱，甚至会出现抑制作用。因此，地理邻近对产业集群创新影响效应大致呈“S”型特征(见图2)。

图2 地理邻近对集群创新的阶段性影响特征

三、地理邻近对集群创新影响效应的实证分析

(一)研究方法的选择

从前述理论机制中可以看出，地理邻近性对产业集群创新的影响机制不仅是地理邻近对集群创新的单一作用，更是各种显性投入因素和隐性投入因素交织在一起的复合作用。地理邻近在这个过程中不仅具有单独对集群创新产生影响的途径，又有与其他因素协同作用的可能，故影响机制的具体数理化模型可能是多输入、单输出的复杂非线性形式。为了解决此类没有已知模型范式的作用过程，本文采用以人工神经网络为前导的计量经济分析方法。为了明确模型的具体形式，先采取神经网络模拟的方法，模拟出地理邻近性对产业集群的影响机制数量关系，进而控制各解释变量，只放松一个解释变量自由变化，观测该解释变量与被解释变量的变动关系，进而探究该解释变量对被解释变量的影响方式，以明确该解释变量在整个影响模型中的形式和作用。在对所有解释变量进行上述操作后，对所掌握信息进行组合，推算出可能的数理模型形式。在数理模型形式确定后，用OLS方法对所收集的数据进行拟合方程回归，判断方程优劣，并进行调整进行下一次回归，直至模型通过检验。最后，判断数理方程对理论机制的解释程度，修正方程。本文的神经网络方法依靠Matlab软件得以实现，最小二乘回归分析依靠Eviews6软件实现。

(二)研究对象的确定与指标选取

1.研究对象的确定

本文选择我国国家级软件园软件产业集群作为实证研究对象，基于以下考虑:①探讨地理邻近对产业集群创新的影响，应选择研发合作和创新活动显著的集群作为典型案例，软件产业集群显然具有这一特征;②我国软件园区多始于政策引导型的企业集聚园区，园区企业间地理邻近性客观存在;③国家级软件园区产业集群已经过16年的发展演变，现整体上进入成熟阶段，在集群形成初期(集聚阶段)地理邻近的创新影响机制尚未形成以及在集群成熟阶段的“地理锁定”机制的产生，使地理邻近对软件产业集群创新的影响很有可能为负效应

2.指标选取与数据来源

产业集群创新绩效(I)。本文采用新产品产值表示该指标，软件行业的特殊性在于其产品更新换代快，产品的升级与创新层出不穷，故不同年份之间软件行业所销售的软件产品基本为新产品，所以实证部分以国家级软件产业园年软件销售收入衡量产业集群创新绩效。又软件行业从投入到产出的转换周期短，故投入和产出之间不采用滞后处理，即当年研发投入对应当年研发产出。

区内地理邻近水平(G)。拟采用国家级软件产业园内企业集聚程度表示该指标，但因不同软件园发展特点不一，有些软件园以小企业为主，另一些软件园大企业较多，在同样软件园面积和企业数量情况下，后者比前者明显密度大，集聚程度更高。鉴于此，本文改用软件从业人员密度衡量集聚状况，即以国家级软件产业园单位面积上年末软件从业人员数为指标，衡量产业集群内的地理邻近水平。

区间地理邻近水平(GX)。该指标用以衡量不同产业集群之间的邻近水平，设一个国家级软件产业园A所在区域B内(B省内)除A本身外，还有n个国家级软件产业园，与该区域(B省)接壤邻近的省份共有m个国家级软件产业园，则A软件产业园总计区间地理邻近得分为2n+m，因此GX为取整数值得离散型随机变量。

人力资源投入(L)，本文采用软件园内软件从业人员数表示该项指标。研发资金投入(RD)采用园区研发经费支出表示该项指标。海外知识获取(F)，由于海外知识的获取和交流总是建立在贸易往来的基础上，以产品的购销路径为依托完成的，所以本文采用软件产业园出口创汇额表示该项指标。

本文的数据主要来源于国家火炬中心提供的《火炬中心统计资料2005－2010》，其中2009年国家级软件产业园35个，2008年35个，2007年34个，2006年33个，2005年32个，2004年29个。实证中假设国家级软件产业园发展特征及模式是一样的，不同软件产业园之间的发展差别在于它们分别处在不同的发展阶段，故可将上述数据整理为197个截面样本，因少部分样本缺失数据太多难以调整，实际获得样本165个。进一步经过SPSS软件的异常值分析，剔除5%的异常值，最后获得实证有效样本129个。

(三)实证分析过程

1.人工神经网络数据预处理及其训练

为了消除数量模型中不同指标系数上的数量级差异，在数据分析前对指标的数据进行标准化;同时考虑实证的研究意图在于验证地理邻近与创新绩效之间的作用机理，并非构建严格的数量关系，且在神经网络训练与模拟中，需要尽可能的保持量纲上的一致性，因此对所有变量进行标准化，将变量值域限定在［1，100］。

标准化过程为

即Z变量的第i个样本的数据的标准化值为其原值减去Z变量所有样本最小值，再除以所有样本最大值与最小值之差，乘99再加1。

人工神经网络结构一般是主观选择，然后再根据人工神经网络训练结果进行调整。本文的人工神经网络训练中将性能函数设为最小方差函数，训练终止值为0.001，强迫终止循环次数为10000次，这种设置较一般(0.01，1000)的设置大幅提高了对人工神经网络模拟精度的要求，可以在10000次循环计算中寻找最优人工神经网络模拟解。

2.人工神经网络控制模拟

在人工神经网络训练完成后，即假设该网络能够模拟集群创新产出和创新要素之间的投入－产出机制，进一步采取人工神经网络控制性模拟，以逐一探究各创新要素对创新产出的影响机理。

区间地理邻近(GX)、区内地理邻近(G)、人力资源投入(L)、研发投入(R)、海外知识获取(F)的标准化后期望值分别为 56.5628、10.6632、6.3426、7.922、4.3500。

在研究GX与创新产出I之间的关系时，需要控制其他创新影响因素变量(G、L、R、F)，将这些受控制变量取值为期望值，而GX则保持动态变化。将 GX 与受控制的 G'、L'、R'、F'输入已训练好的人工神经网络中，利用神经网络产生随GX变动而变动的创新产出I'GX。同理重复上述方法，通过控制其他影响因素来对待分析因素和创新产出关系进行模拟，可以得到相应的模拟创新产出I'G、I'L、I'R、I'F 。

由于人工神经网络模拟过程中所使用的均为标准化后的数据，因此为了分析其真实的数量关系，需要对输入数据和模拟输出数据进行逆标准化。

将逆标准化后的GX和逆标准化后的I'GX绘出散点图图4(a)，同时将未控制GX与I的对应关系散点图绘做图4(b)。可以发现其余变量受控制后，GX对模拟创新产出I'GX的关系特征明显，而未受控制前由于受到其他因素的相互影响，则关系特征不明显。

重复上述方法，通过控制其他影响因素来就待分析因素和创新产出关系进行模拟，可以得到相应的模拟创新产出，并生成如图3－图7的关系散点图。

图3 区间邻近性与创新产出关系散点图

图4 区内邻近性与创新产出关系散点图

图5 研发人力资源与创新产出关系散点图

图6 研发投入与创新产出关系散点图

图7 海外知识获取与创新产出关系散点图

3.计量经济分析

将实际采集的连续数据GX(逆标准化后数据)和其他创新影响因素控制后模拟出的创新产出值 I'GX(逆标准化后)进行 OLS分析，有GX－I'GX的拟合关系曲线表达式表1。同理对G－I'G、L－I'L、R－I'R 、F－I'F进行 OLS分析得到集群创新产出与其影响因素的逐一对应关系见表1。

表1 集群创新产出与其影响因素关系的OLS回归分析结果

将上述公式分别计算一阶导、二阶导为0时的取值以进一步确定这种作用机制的变动趋势，结果见表2。

表2 数量关系式所反映的曲线趋势

(四)实证结果分析

结合图3－图7中拟合的趋势曲线，以及表2中给出的极值点，可以看出:

①区间地理邻近对产业集群创新影响呈现先正效应(值GX=4.5前正影响递增，之后正影响递减)，到达GX=11.26的极值后，转变为负效应，起抑制作用;

②区内地理邻近对产业集群创新的影响呈现“S”型变换特征，在区内地理邻近性形成初期，对产业集群创新影响为负，在跨过值G=1858.77后，转为正的影响效应，且正影响效应递增直至G=6826.26，在此之后，区内地理邻近正影响效应递减，到达G=9984.24点后，区内地理邻近对创新开始产生抑制效应，即负的影响效应;

③现阶段我国软件产业集群中的人力资源对创新产出的影响为正，且在L=91666.67之前这种正的促进作用递增，在L=2184050时人力资源贡献能力才达到饱和，开始起负作用;

④在研发投入达到R=144755.21后，对产业集群的创新产生正的影响，且这种正影响递增;

⑤在海外知识获取程度超过F=55340.61后，海外知识对产业集群创新开始产生正的影响效应，且这种正的影响效应递增。

四、结论与政策建议

上述实证结果所反映的各因素对集群创新绩效的影响趋势与前文论及的地理邻近对集群创新影响理论机制观点基本吻合，即:

①区间地理邻近(GX)对产业集群创新的影响在现阶段呈现正的影响趋势，但随着区间邻近性的增加，这种正效应的边际报酬递减，跨过峰值(11.26)后出现负影响效应，这种变动趋势符合投入要素的边际报酬递减原理，说明了由于过度竞争导致的过度区间地理邻近性存在。

②区内地理邻近(G)对产业集群创新影响的阶段性特征比较明显，在园区企业集聚的初级阶段，由于企业数量不足和合作机制尚未形成，集群的优势效应尚未显现，相反由于知识产权保护机制不力以及企业产品单一差异度不够，造成过度竞争，进而使地理邻近对集群创新产生负的总效应;而随着区内企业数目的不断增加，以及各种设施机构的日趋完善，集群的优势开始凸现，区内地理邻近开始产生正的影响效应，在区内地理邻近处于1858.77至6826.26之间时其正边际报酬递增，6826.26至9984.24之间时规模报酬递减，在此阶段符合投入要素的一般产出规律;跨过9984.24的峰值后，企业的过度密集导致过度区内地理邻近性产生，由于管理效率和过度竞争产生的不经济性限制了创新绩效的增长。

③在人力资源投入(L)影响因素方面，从其长期趋势线来看呈现边际报酬递减特征，在峰值为2184050处才转为负的影响效应，由于200万的就业量基本是园区就业量不可能接近量，所以可以认为人力资源投入符合边际报酬递减特征，且在现实情况中不会产生负的影响;在研发资金投入(R)和海外知识获取(F)方面，以现有的统计数据来看，并没有边际报酬递减的趋势，相反边际报酬递增的特征使得在这两方面的投入将产生极大的经济效益，这一点符合现阶段我国资本投入品回报率的基本特征。

结合上述结论针对我国软件产业集群提出以下建议:首先，在不同省域设立国家级软件产业园时要考虑其周边软件产业园个数和密集度，以避免出现区间过度地理邻近产生的不经济性;其次，在软件产业园内进行招商引资和产业布局时要充分考虑企业的密度，过低的企业密度难以形成集聚优势，企业间协调合作机制也难以形成，进而影响创新活动的产生;同样，过度的区内地理邻近会造成知识产权保护难以监管和产品同质性、过度竞争等不经济性，也会抑制区内的创新活动;最后，人力资源投入、研发资金投入和净出口贸易(海外知识获取)三要素的正影响以及现阶段影响效应呈边际报酬递增特征表明，加大人力资源和研发资金的投入以及加强国际合作能够极大地促进我国软件园创新绩效和经济产出的提升。

［1］Audretsch D B，Feldman M.R＆D Spillovers and the Geography of Innovation and Production［J］.American Economic Review，1996(86):630－640.

［2］Storper M.Innovation Milieux and New Generations of Regional Policies［J］.Entrepreneurship and Regional Development，1998(10):1 －6.

［3］Morgan K.The Learning Region:Institutions，Innovation and Regional Renewal［J］.Regional Studies，1997，31(5):491－503.

［4］Grotz R，Braun B.Territorial or Trans－territorial Networking:Spatial Aspects of Technology－oriented Cooperation within the German Mechanical Engineering Industry［J］.Regional Studies，1997，31(6):545 －557.

［5］Tremblay D G，Klein J L，Fontan J M，et al.Territorial Proximity and Innovation:A Survey of the Montreal Region.Research Note No 2004－06A［R］.Canada Research Chair on the Socio－Organizational Challenges of the Knowledge Economy，2004:1－7.

［6］Weterings A，Boschma R.Does Spatial Proximity to Customers Matter for Innovative Performance?Evidence from the Dutch Software Sector［J］.Research Policy，2009，38:746－755.

［7］Boschma R.Proximity and Innovation:A Critical Assessment［J］.Regional Studies，2005(39):61 －74.

［8］Ganesan S，Malter A L，Rindfleisch A.Does Distance Still Matter?Geographic Proximity and New Product Development［J］.Journal of Marketing，2005，69:44 －60.

［9］Ponds R，Van Oort FG，Frenken K.The Geographical and Institutional Proximity of Scientific Collaboration Networks［J］.Regional Studies，2007(3):79 －91.

［10］Boufaden N，Plunket A.Investigating Technological and Geographic Proximity on Forms'Innovation in an Immature Cluster:The Paris Area Biotech Cluster［Z］.Copenhagen:DRUID Conference，2005:69－75

［11］Bruno dos Santos Silvestre，Paulo Roberto Tavares Dalcol.Geographical Proximity and Innovation:Evidences from the Campoe Basin Oil＆Gas Industrial Agglomerateion－Brazil［J］.Technovation，2009，29:546 －561.

［12］王辑慈.产业集群和工业园区发展中的企业邻近与集聚辨析［J］.中国软科学，2005(12):91－98.

［13］李副刚，王学军.地理邻近性与区域创新关系探讨［J］.中国人口.资源与环境，2007(3):35－39.

［14］汪 涛，曾 刚.地理邻近与上海浦东高技术企业创新活动研究［J］.世界地理研究，2008(1):47－53.

［15］桂 婕，乔晓东.基础研究与专利发明的地理邻近性测度研究［J］.数字图书馆论坛，2008(11):6－10.

［16］韩宝龙，李 琳.地理邻近对高新区创新绩效影响效应的实证研究［J］.科技进步与对策，2009(9):40－43.

［17］李 琳，杨 田.地理邻近和组织邻近对产业集群创新影响——基于对我国汽车产业集群的实证研究［J］.中国软科学，2011(9):133－143.

［18］Beckman M.Interurban Knowledge Networks.Batten D，et al(eds).Learning，Innovaiton and the Urban Evolution［M］.London:Kluwer Academic Publishers，2000:347－357.

［19］李 琳，韩宝龙.组织合作中的多维邻近性:西方文献评述与思考.社会科学家［J］.2009(7):108－112.

［20］韩宝龙，李 琳.区域产业创新驱动力的实证研究——基于隐性知识和地理邻近视角［J］.科学学研究，2011(2):314－320.

［21］Balland P－A，Van M de，Boschma R.The Dynamics of Innovateion Networks along the Industry Life Cycle:The Case of the Video Games Industry［A］.Atlanta Coference on Science and Innovation Policy［C］.Georgia Institute of Technology，2011:1853 －1879.

［22］Maskell P，Malmberg A.Localised Learning and Industrial Competitiveness［J］.Cambridge Journal of Economics，1999，23(2):167－186.

［23］Friese H S，Sorensen J S.Linkage Lock－in and Regional Economic Development:The Case of the Resund Meditech Plastic Industry［J］.Entrepreneurship and Regional Development，2005，17:267 －29.