知识溢出跨地域边界的影响因素研究——以生物技术产业为例

初大智，张丽丽，黄泽彬，丁婉玲

（深圳大学管理学院，广东深圳 518061）

1 问题的提出

知识经济时代，知识已经成为区域竞争最重要的资源，而知识溢出是内生经济增长理论、新经济地理学等经济学分支解释集聚、创新和区域增长的重要概念之一。当某一创新主体产生的创意无偿被其他主体习得时，就发生了知识溢出。知识溢出指学习他人的创意、有效地建立源自外部并用于自身研究与发展的知识存量。

自从Jaffe等［1］学者发现了知识溢出本地化证据以来，也有学者如Breschi等［2］提出了知识溢出非本地化的证据。知识溢出的地理边界问题一直是西方发达国家创新经济学和经济地理学者们备受争议的话题之一。由于知识生产具有明显的空间外部性，许多学者从“企业”转向“空间”研究知识的外部性［3］。

在此基础上，关于知识溢出影响因素的研究主要可以分为两大类：一类是区域之间知识溢出的影响因素研究［4］；另一类是关于区域内知识溢出影响因素的研究。前者一般基于知识发送方和接收方的视角，研究认知距离、学习能力、地理距离［5］，如Caniëls等［6］对地区间溢出的影响，以实现地区间区域经济增长趋同或趋异的关系；而后者多见于高科技园区和产业集聚等研究，主要研究区域、产业和时间三个方面因素在知识溢出本地化过程中的作用［7］，如区域的产业集聚水平、社会资本、企业规模、产业结构和市场结构，以及作为知识和人力资本生产者的大学机构、产业的知识密集度、知识资本的时间积累等对本地知识溢出的影响［8］。

通过对已有文献的梳理发现，由于缺乏统一的视角，现有文献多是把区域内和区域间知识溢出的影响因素分开探讨，没有合并在一起探讨哪些因素易于实现区域内知识溢出，哪些因素易于实现区域外知识溢出。关于区域内溢出影响因素的探讨主要集中在英美发达国家，而区域间主要集中发展中国家，且主要是从知识接收方的角度，而没有从发送方的角度来研究。如陈傲等［9］学者也对中国的空间知识溢出影响因素的作用机制进行了探讨，但是他们主要是从知识接收方的角度，来探讨边缘城市与中心城市的地理距离、中心城市人口相对拥挤程度、自身的吸收能力等因素如何促进或者阻碍边缘城市对中心城市溢出知识的吸收。之所以主要从接收方角度来研究中国区域的知识溢出，是因为很多学者认为，中国属于发展中国家，其主要作为吸收方，吸收来自美国、日本和德国等先进国家的知识溢出。此外根据对外投资理论，西方发达国家跨国公司的技术研发仅仅在母国进行，跨国公司在发展中国家的投资主要集中在制造业和简单的装配业［10］，由于发达国家在高层次技术引进和技术转移等方面设置了种种限制，发展中国家很难引进真正先进的核心技术。这样，发展中国家可能就难以作为知识溢出方出现。

然而对于像中国这样面积广阔，企业和地区之间差异巨大的国家来说，随着近几年经济的高速增长，目前难以界定其到底位于典型发达经济体和典型的欠发达经济体之间的什么位置。因为如果说中国是欠发达经济体，但它还有接近发达国家和地区水平的珠三角和长三角地区，那里作为改革开放前沿阵地，存在着极具自主创新能力的华为、富士康、华大基因和迈瑞等公司［11］；与此同时，中国也有欠发达的省份，如中西部的广西、甘肃、云南和贵州等，那里有大量只是由低收入工人从事简单装配的组装公司。由此可见，在中国的部分地区，作为知识的发送方，知识创造及知识溢出是存在的。这些区域的知识溢出分为区域内知识溢出和区域间知识溢出两种，近年来已有研究表明，在中国区域内生产的知识约有59%留在区域内部，41%知识将溢出到外部［12］。

由于知识溢出具有创新效应［13］，因此从区域内和区际国际两个层面，以专利引用作为视角，研究中国知识溢出的影响因素，对于合理评估专利对区域内以及区域外的价值，并分别从各省和国家层面制定正确的政策，合理利用有限资源，对满足需要的专利进行奖励和支持，从而促进区域内或者区域间知识溢出，实现区域创新效应，具有重要的意义。

生物技术产业是中国近年来大力发展的尖端前沿技术产业，其创新模式不同于中国一直表现良好的电子信息技术，是一种非线性模式。而且生物技术产业的新知识，往往都以专利形式表现出来，因此生物技术的专利引用，相对于电子信息等其他产业，更能全面反映知识溢出的轨迹。

在这种情况下，我们以中国生物技术产业为例，寻求在中国情境下，哪些因素促进了知识更好地本地化溢出，从而促进本地化知识创造，提高了本地的知识资本；而哪些因素又促进了知识跨区域溢出，实现更大的社会福利。

不同以往的区域层面的研究，本文采用微观的专利引用作为知识溢出的代理变量，对现有研究进一步拓展，从专利特征角度探讨，何种特征能够影响该专利的本地化或非本地化被引，实现知识溢出的本地化或非本地化，进而影响其后续的知识创造？从而将区域内和区域外知识溢出影响因素纳入到一个统一的理论框架内，加深对知识溢出与区域创新和经济增长理论的认识。本文从科技关联度，专利技术搜索的广度，研究合作，专利权利要求数，专利范围和新颖度等6个专利特征入手，探讨影响中国生物技术产业专利本地化与非本地化被引的因素，尝试用专利特征数据衡量中国生物技术产业是否跨地域溢出的影响因素。

2 理论基础与研究假设

自从20世纪90年代以来，城市、区域甚至到国家层面的知识溢出本地化问题一直是经济地理学、区域经济学、区域创新和创新管理等领域最具争议的问题之一［14］。这些研究往往以专利引用作为替代变量，并且使用引用专利和被引专利的信息来决定知识溢出的地理效应，即如果引用专利和被引专利的地址在一个地理单位内，如同一个城市，同一州/省或是同一国家，那么它们就被视为本地信息流［15］。大多数学者更经常用发明者的地址而非受让人的地址作为地理信息。他们认为，知识溢出是否本地化，是基于引用专利和被引专利的发明者是否居于同一个城市，或者是更广泛的同一个州/省，还是更广泛的同一个国家。然而，审查者对专利引用情况的鉴定会导致引用包含的信息产生噪声。在本文中，我们试图通过控制审查者的引用来提高知识溢出度量的质量。另外，专利引用的强度也是一种噪声。有些学者认为，在不同的技术领域情况下会有不同的专利引用率，在某些领域具有较高的引用率，在另一个领域可能会适中或者较小。但是在本文中，我们只关注生物技术领域。

（1）科技关联度。学者们普遍认为，相比学术作者，专利申请人在选择科学文献时更加地谨慎，因为基础研究是应用研究的先决条件和催化剂，也是技术创新的根本驱动动力。Narin等［16］对当代美国专利引文进行了大规模和系统的分析，发现在过去的6年中，美国科学与技术之间的联系增加了2倍，这表明公共科学知识在技术创新中起着重要的作用。Martin B R［17］认为，专利对科学论文的引用可视为科学与技术之间的紧密联系。专利中引用科学文献越多，技术开发与科学研究之间的关系就越密切，特别是对于生物技术产业来说更是如此。因为如Martin R［18］以及Plum等［19］所言，生物技术产业是以科学为基础而不是基于工程学［18-19］，在一个以科学为基础的行业，学者们认为知识流来源于科学知识的生产者，即大学，政府实验室和研发密集型企业［20］。

Meyer［21］在美国进行了纳米技术领域的专利案例研究。他认为，纳米科技论文的引用应该被理解为科学与技术之间多层次，高度复杂的相互作用。Fleming［22］研究了美国专利和商标局在1990年5月和6月批准的16 822项美国专利，发现引用了科学论文的专利有助于提高其被引用的频率，特别是对于需要高技术和科学知识密切结合的生物技术领域。其原因是，引用科学文献的专利加速了知识的传播，促进了技术创新［23］。赵志耘等［24］通过专利引用的非专利引文的分析视角探讨了中国生物技术领域的科技关联度，实证结果表明我国生物科技领域的专利对SCI论文的引用频次要明显高于其他技术领域，这说明我国生物科技领域的技术创新对基础研究的需求较高，且随着时间的推移，技术创新对基础研究的依赖程度也不断加强。以上文献均表明，科技关联度越高，知识溢出水平越大。为此，本文提出第一个假设：

H1:科技关联度能够促进本地化知识溢出。

（2）技术搜索广度。专利技术搜索基础的广度被定义为技术搜索的范围，或组织在其创新活动中依赖的外部技术类别的数量。Rosenkopf［25］和Cassiman等［26］学者们认为，创新往往取决于企业广泛搜索知识的能力，因为更广泛的搜索增加了发现新的和有用的知识组合的可能性［27］。根据英国2707家制造企业的创新调查数据，Laursen等［28］使用16种外部知识来源来衡量企业的知识搜索水平。结果表明，知识搜索库的广度和创新绩效之间存在倒U关系，激发了同行的兴趣。之后，学者们基于不同国情进行了跨文化比较研究。Wu等［29］通过分析美国1990—2000年电子医疗设备行业的专利引文数据，发现探索性知识搜索的广度和创新绩效之间存在倒U关系。Hwang 等［30］通过对韩国创新调查中提取的123个信息和通信企业样本的分析，发现知识搜索广度与创新绩效呈倒U关系。

基于实证研究的结果，学者们深入探讨了知识搜索广度对创新绩效U形影响的内在机制。Katila等［31］认为，通过增加搜索广度，加强知识的变化和重组，扩大组织的知识库，能够提高组织的创新绩效。Chen［32］等学者以中国企业的样本作出了相同的研究结论。Ruan等［33］从正式-非正式知识搜索的角度考察了知识搜索广度对中国企业创新绩效的影响，发现网络嵌入和吸收能力在二者间起到了调节作用。然而Cohen等［34］认为，过广的搜索范围也会导致对不同范式的新知识的整合需求增加，从而扩大了整合的难度和成本。为此，本文提出第二个假设：

H2:技术搜索的广度与本地化知识溢出呈现倒U型关系。

（3）研究合作。近几年来，政府和各级机构积极地推动科研合作。Chang［35］和Gao等［36］认为研究应该与合作伙伴一同展开而不是单独进行。通过合作，研究者们不仅可以获得专业知识、必要的资源和资金，还可以交流彼此的看法，尤其是在跨学科领域，这对于生物技术产业极其重要。此外，合作研究还可以汇集复杂问题的专业知识［37-38］，学习新的技能［39］并获得更高的生产力［40］，因此，合作研究将会大大提高创新过程［41-43］。Rigby等［44］研究表明，高质量的研究成果也会经合作研究中而实现。实际上合作研究使组织能够扩大自己的知识基础，从而探索新的机会和解决方案［45］，这反过来又可能导致技术上有价值的创新发展［46］。基于此，本文提出第三个假设：

H3：研究合作促进非本地化知识溢出。

（4）权利要求数。专利权利要求可以被归类为主体和从属权利，前者定义了发明的基本新颖特征，而后者描述了创新的详细特征,专利权利要求定义了专利所赋予的保护范围，或专利申请中所寻求的保护。关于专利权利要求的数量如何影响专利权的保护，专利价值，专利质量，专利诉讼等方面，相关学者已经做了大量的研究。

大部分专利权利都是由一组专利要求组成的，每一个专利要求都有严格的技术贡献［23］。在专利申请过程中，权利要求的内容和数量在反映专利权保护范围中发挥着至关重要的作用［47-48］。学者们试图研究专利权利要求对专利价值的影响。Lanjouw等［49］和Liu等［50］认为，对于大多数行业专利来说，权利要求数量是评估专利价值的基本指标之一。Ouyang等［51］和Chen等［52］研究表明，专利权利要求数越多，专利的价值就越高。Shane［53］认为，与专利权范围狭窄的专利相比，专利权范围广的专利显示出更大的经济价值。此外，Scellato等［54］学者认为，专利权利要求的数量越多，专利持有人对技术的理解越透彻，专利诉讼的质量就越高。

为此提出本文的第四个假设：

H4:专利权利要求数与知识溢出本地化呈正相关。

（5）专利范围。为了从专利所包含的知识基础的角度来研究创新，许多学者提出了专利范围的概念［55-57］，专利范围是衡量专利所含知识的复杂性和异质性，反映了专利所涵盖的技术范围。根据国际专利分类方法，每个专利都会被分配到对应的技术领域。专利范围越广，或者可以重新整合的知识元素越多，新技术的出现频率就会越高［58-59］。Lerner［60］首先提出，专利范围越广，其对专利前置引用的解释力越强，生物技术行业初创公司的价值越强。通过对医药行业的分析，Nesta等［61］发现，专利范围越是多样化，企业的创新绩效就越显著。然而Novelli［62］研究表明，当专利被分配到更多的技术类别时，发明公司建立在之前专利的知识基础上的后续发明的可能性越小。Messeni 等［63］发现，专利的范围与专利对非生物技术专利的前向引用有正相关关系，专利影响力与跨组织边界的发明具有倒U形关系。

基于此，本文提出第五个假设：

H5:专利范围与知识溢出本地化呈现正相关。

（6）专利高度。专利制度主要涉及3个维度，即保护期限（长度），保护范围（宽度）和新颖性（高度），三者的结合决定了专利保护的力度［64-65］。专利的新颖性是反映创新质量和程度的一种手段。学者主要从两个角度进行分析：一个是它可以被区分为突破性和渐进性的创新［66］。与后者相比，突破性创新（也称为颠覆性创新，重大技术变革或不连续创新等）是一种产品，设备或材料等的不连续变化［65］，这将导致创新绩效和功能的转变，导致市场、产品、服务或业务模式的不连续变化。二是可以根据国内或国际市场不同的市场进入时间来定义。如果新产品是最早进入全球市场的产品，那么它可以被评为最高创新产品。否则，如果新产品只限于企业内部，就意味着创新只是后续性的。

虽然具有新颖性的技术专利会为企业带来竞争优势和垄断利润，但其潜在的技术和商业绩效的不确定性仍然存在［67］，因为不是所有新颖的发明总是成功的带来技术和经济上的影响［22］。技术和市场演变的阶段［68］，也可能影响买家作出是否会投资的决定［69-71］，最终影响一项新颖专利能否扩散和成功地夺取市场［72］。Messeni 等［63］指出，专利的新颖性与专利在整个行业和组织边界的影响之间存在倒U关系。

基于此，本文提出第六个假设：

H6:专利高度与知识溢出本地化呈现倒U型关系。

从上述讨论中我们可以看到，通过使用专利引用，来分析专利特征为我们研究知识溢出跨地域的影响因素提供了很好的视角。

3 数据选取与变量说明

3.1 数据来源

本文以美国专利数据库（USPTO）作为数据来源，提取了1999—2014年的所有中国生物技术的专利数据，在相同的5年时间窗内选取专利的前向引用数，最终筛选出764个中国生物专利，每个专利都是一个分析单元，对于每个专利，我们都搜集它的目录文献信息，以及它的前向和后向的专利引用。样本数据的筛选遵从以下两个条件：（1）只要专利受让人或者发明人中至少有一个是中国人，则我们认为该专利属于中国专利；（2）对于生物技术的定义，我们遵循Rothaermel等［73］的方法，因为它是少数几个基于美国专利分类（USPTO）来定义的。尽管Van Beuzekom等［74］提供了基于WIPO的国际专利分类（IPC）码，且IPC的分类方法近年来深受学者喜爱，但因样本数据中早期的专利没有IPC码，我们最终选择了基于美国专利分类码去提取生物技术专利。

基于以前的研究，生物技术领域是使用以下3位数的美国技术类别码来确定的：424,435,436,514,530,536,800,930和PLT［73］。从专利受让人的角度，样本专利的分布如图1所示。在各种专利受让人中，外商投资企业，研究机构以及国内公司、大学和各种类型的合作申请，分别占总数的36%，22%，16%，11%，15%。外商直接投资的专利数目是270件，占比为36%，居所有类型专利受让人之首。从专利技术的主要技术类别来看，样本专利的分布如图2所示。主要技术类别的数目和比例分别如下：No.514是数目最多，占比最大的。大约占总数的51%。其他类型的技术类别，如No.424,435,436,530,800,930,PLT等分别占21%，5%，4%，7%，10%，2%，0%，0%。

图1 生物技术专利在不同类型机构中的分布

图2 生物技术专利在不同主要技术类别中的分布

3.2 变量测度

3.2.1 因变量

本模型中的因变量建立在Thompson等［75］采用的本地化知识溢出指数（ILKS）的基础上。该指数的出现取代了Jaffe等［1］学者的产业标准指数，主要创新之处是使用发明者引用和审查者引用的差值。在专利申请中，发明人需要列出与该专利相关的早期专利，发明者往往没有考虑到全部的专利，因此导致发明人少提供了一些专利，专利当局的审查员就会增补了缺失的引用。发明人所引用的引用被称为“发明人引用”，而审查员添加的引用是“审查员引用”。发明人会添加他实际知道的先前专利，另一方面，审查员可能对该领域有更全面的了解，因此，审查员引用更好地反映了该技术的研发活动的分布，而发明人引用则反映了实际的知识流动。如果发明人引用比审查员引用更加本地化，我们可以得出结论，知识溢出存在本地化。

在这篇文章中，我们计算了发明者和审查者引用的本地化引用比率，并将他们之间的差值作为本地化溢出的度量。

3.2.2 自变量

科技关联度我们通过专利的非专利引用数目得到，非专利后向引用的数量是衡量专利基于科学知识的程度的一种合适的方法［16,76］。专利的技术基础（TechBreadth）广度，由以下公式测算可得，，其中Sij是指专利i中所引用的专利属于由USPTO分配给该专利的N个技术类别中的j类别所占的比例，由于这个变量不能在没有后向引用的情况下定义，即当专利没有引用科学文献时，技术广度默认为0。

专利的联合开发是通过计算授予专利的申请人的数量来计算的［77-78］。对于专利所赋予的保护范围，我们测量了每项专利的专利要求数［48,79-80］。根据Lerner［60］提出的方法，我们将专利的范围作为一个时间不变的计数，即USPTO分配给该专利的三位数技术类别的数目［76］。最后，专利的新颖度被评估为专利i所引用的专利对应的三位数技术类别数目，但不包括专利i所对应的技术类别［53］。

表1 因变量、自变量与控制变量的定义

4 实证分析结果与讨论

4.1 描述性统计

表2为各个自变量和因变量的描述性统计结果和相关性矩阵。由表2可知，各独立变量之间的相关性较低，排除了多重共线性问题。在创建变量平方项并进行回归之前，我们对变量进行了标准化。当测试变量的曲线效应时，潜在的多重共线性问题将通过估算过程中的标准化而减少［81］。此外，当在回归模型中发现一个独立变量的平方项无统计学意义时，我们进行了排除这一项的回归，这使得我们能够通过进一步降低多共线性问题的风险获得更好的估计。

表2 变量的描述性统计和相关性矩阵

4.2 回归结果

由表3可知，科技关联度对跨地域知识溢出产生了U形效应（Sci-Tech Relation,β=-0.02,P＜ 0.01；Sci-Tech Relation2,β=0.02,P＜ 0.01）。这表明，当科技关联度超过一定的临界值（0.51）时，会给后续的专利发明产生了积极的影响,也就是说，专利引用非专利文献的数量越多，其专利外溢本地化就越突出。令我们感到惊讶地是，人们普遍会认为科学知识是一种显性编码化的知识，更多地是通过学术期刊和会议等正式渠道溢出，对研究人员之间的地理邻近性敏感度不高。且Storper等［82］研究表明，引用许多科学论文需要研究人员之间的信任和地理上的接近。另外，多方参与合作的专利（Research,β=-0.042 96,P＜ 0.01）对本地化知识溢出具有负面的影响，即当发明人数超过一个时，该专利的知识溢出不太可能被本地化。这似乎是一个可预测的结果，因为共同发明者经常有不同的网络，而这些网络又延伸到不同的城市、地区和国家。结果还表明，技术搜索基础的广度，权利要求的数量，专利范围和专利高度，通常不会显着影响专利知识溢出的本地化程度。

表3 科技关联度、研究合作影响知识溢出跨地域的回归结果表

4.3 稳健性检验

为使模型估计结果更具稳健性，本文对数据样本分年度进行稳健性测试。稳健性检验检验的是实证结果是否随着参数设定的改变而发生变化，如果改变参数设定以后，结果发现符号和显著性发生了改变，说明不是robust的，需要寻找问题的所在。一般根据自己文章的具体情况选择稳健性检验：（1）从数据出发，根据不同的标准调整分类，检验结果是否依然显著；（2）从变量出发，从其他的变量替换，如：公司size可以用total assets衡量，也可以用total sales衡量；前文已经分析出科技关联度与本地化知识溢出是U型关系，因此使用变量Sci-tech relation2，检验模型的稳定型。（3）从计量方法出发，可以用OLS,FIX EFFECT及GMM等。

本文采用第一种方法，进行文件性检验，即从数据出发，根据不同的标准调整分类，检验结果是否依然显著。即将因变量引用数据分为后续引用三年内、两年内、及后续引用四年内；实验结果如表4的Model/2/3/4所示，结果稳健。科学知识对知识本地化溢出呈现倒U型关系，正负号不变；多方参与合作的专利对本地化知识溢出具有负面的影响，均在1%的水平上显著。

表4 稳健性回归结果

4.4 结果讨论

本文从专利特征视角探讨了知识溢出跨地域边界的主要决定因素。在0.51引用值的左侧，以科学引文为度量指标的科学技术关联度越大，施引专利发明者本地化程度越弱。这与学者Meyer［21］和Perri等［83］的发现相符。然而，在0.51引用值的右侧，更多科学文献的引用引起本地化程度的增强。尽管充分理解这一现象需要进一步研究，但是我们仍能基于现有文献加以如下推断。

（1）我国生物技术科学文献引用主要来自于美、日、德等先进国家的基础研究成果，Malva等［84］、DAHLIN等［85］学者证实，生物技术专利引用科学文献越多，科技关联度越高，与基础研究联系越紧密，专利技术的新颖性就越大，成为突破性创新的可能性就越大。然而由于我国各区域经济发展水平及生物技术发展水平差异较大，生物技术专利主要集中在有限的几个省份。区域之间科技实力上的差异，是主导区域之间知识扩散的主要因素之一。技术落后的区域，为了迎头赶上先进区域的科技水平，会通过引证一些先进区域的专利以产生知识扩散的效应，来学习其科学技术。但是那些引用的基础研究成果较多，技术较先进前沿的技术，由于技术势差大的缘故，并不能被中国其他大多数落后的区域很好地吸收，反而会更多地流入本区域内部，进行进一步的改进和完善。这些具有较高科技关联度的专利技术所属区域，往往具有较强的经济基础和区域吸收能力、良好的创业环境和强大的集聚效应［86］。这也就是为什么随着专利引用科学文献数量从0逐渐到接近极值0.51，专利知识溢出的本地化程度降低，而过了极值0.51以后，专利知识溢出的本地化程度提高的原因。

（2）如果专利是合作研究的，那么后续引用该专利的技术，是跨地域产生的可能性更大。即当专利是合作发明时，知识溢出难以本地化，即地理邻近性不那么重要，原因可能与中国生物技术产业的性质有关。中国的生物技术发展较晚，但后劲十足，其中主要进展部分归功于与发达经济体公司或跨国公司总部在早期阶段的合作［83,87］。因此，研究合作越多，参与者就越多样化，知识溢出就越少本地化。以上因素增加了专利对后续发明技术跨地域影响的可能性。

5 结论

本文采用专利引用作为知识溢出的代理变量，探讨专利特征是如何影响本地化与非本地化知识溢出；用本地化知识溢出指数(ILKS)来度量发明者本地化指数与审查者本地化指数的差，基于1999—2014年764个中国生物技术专利的实证分析，测量了这些专利的6个专利特征（科技关联度、技术搜索广度、研究合作、权利要求数、专利范围、专利高度）对后续专利技术的地域影响。实证结果发现，合作开发对知识本地化溢出具有负向影响，而科学知识对知识本地化溢出呈现U型关系。本文鲜有地从微观的专利特征视角，对中国生物技术专利是否跨地域的前因因素进行深入探讨，其研究结果可以为区域和国家两个层面制定适当的创新政策提供参考。

从区域层面，如果地方政府希望增加知识溢出的本地化，以最大限度地发挥其管辖范围内政策的效益，提高区域知识资本水平，则应该高度重视科学技术关联程度，从而提高知识溢出本地化水平。地方政府应该制定政策措施来支持高度依赖科学投入的研发活动，因为如果以引用更多科学文献作为刺激性政策，可能会产生机会主义行为从而导致大量无用科学文献的引用。从国家层面，如果中国政府希望扩大专利的社会影响，则应该鼓励多边合作，从而实现知识的跨地域溢出。