上海大都市圈技术溢出效应及其门槛特征——基于多维邻近性视角

胡俊峰

（1.南通大学经济与管理学院，江苏南通 226001；2.江苏长江经济带研究院，江苏南通 226001）

1 研究背景

在“双循环”发展格局下，作为城市化发展的高级空间形态，大都市圈正成为我国参与全球竞争与国际分工的新空间单元，成为实现区域经济高质量发展的新增长极。都市圈所特有的“核心-外围”结构是城市空间增长物理关系的深刻诠释，更体现为城市增长形态的演化与生产空间的变迁［1］。基于知识和技术溢出的城市创新合作网络，是大都市圈空间结构的重要特征事实，而技术溢出在不同空间尺度又表现出空间异质性。根据现有的研究，在大空间尺度条件下，技术溢出随着地理空间距离增大呈现加速衰减趋势［2］，且大尺度地理空间由于区域跨度大、涵盖城市数量多，必然涉及制度环境、人文习俗、认知习惯等异质性因素影响，致使空间技术溢出效应研究缺乏显著性与代表性，而小尺度空间由于地缘邻近、人员相亲、文化相近、制度趋同，中心城市对周边区域的技术溢出效应显著［3］。从小尺度空间研究邻近性对“核心-外围”结构技术溢出影响的典型范式，集中体现了大都市圈空间与内涵的主要特征。因此，基于多维邻近性实证研究大都市圈内的技术溢出效应，在理论层面，不仅有利于从空间变量内生化的视角探索邻近性效应与区域创新之间的关系，深入分析邻近性对区域创新溢出的作用机理；还有利于从都市圈视角研究区域创新协同并对创新网络与创新共同体概念进行逻辑验证。在经验层面，本文通过对上海大都市圈“1+8”城市群的创新相关面板数据建模分析，验证多维邻近性因素对“中心-外围”结构技术溢出的影响，并评估多维邻近性核心变量对技术溢出影响是否存在结构变化点，进一步厘清在大都市圈这一小空间尺度，邻近性因素引致创新扩散强度显著变化的关系拐点。

现有知识、技术溢出的研究针对都市圈这一跨行政区、地理邻近、经济联系紧密的精准小尺度空间的研究较少，主要以省际空间或城市群等大空间尺度为主，如李燕［4］对粤港澳大湾区城市群知识溢出研究；陈跃刚等［5］对长三角城市群技术溢出效应研究。但由于存在区域异质性，在大尺度空间范围内研究多维邻近性对区域创新溢出的影响时，不但要考虑城市间地理邻近性、经济邻近性、技术邻近性等核心关键变量，还需将社会、文化、组织、制度、认知等其他邻近性因素纳入研究范畴［6］。这导致模型研究趋于复杂化。另一方面，现有对都市圈内跨行政区创新协同研究，主要强调政府推动与政策保障，对市场、空间、组织等外部性因素的动力机制研究不够深入。

本文可能的边际贡献主要体现在3 个方面。第一，本文针对上海大都市圈这一交通便利、经济活力旺盛、创新动能强劲的精准小尺度空间，从多维邻近性影响因素与路径分析中心城市对周边城市的创新溢出，更具理论价值与现实意义。第二，在上海大都市圈这一精准、一体化的小空间内，城市间交流频繁、人文相近、环境制度趋同，使研究聚焦邻近性核心变量，从而简化了研究范式；同时，本文在研究中还对多维邻近性核心变量的测度有所创新，确保经验研究的精准可信。第三，本文试图通过跨区域的技术溢出研究，探讨市场条件下，形成大都市圈创新经济空间的内生动力，以及邻近性因素作用下创新环境、创新网络对技术溢出效应的内在作用机理。

2 政策与文献溯源

在全球治理体系和国际秩序发生重大变革、新一轮科技和产业变革与我国经济优化升级交织融合的背景下，2019 年12 月中共中央、国务院印发了《长江三角洲区域一体化发展规划纲要》（以下简称《规划纲要》），明确提出加快都市圈一体化发展，以及构建协同创新产业体系与区域创新共同体。2020 年12 月科技部出台了《长三角科技创新共同体建设发展规划》，明确到2025 年形成现代化、国际化的科技创新共同体，2035 年全面建成全球领先的科技创新共同体。而小尺度、跨区域的上海大都市圈，作为长三角城市群一体化发展格局中的硬核支撑，是多层次推进长三角一体化的重要抓手。上海大都市圈，由上海市，江苏省的苏州、无锡、常州、南通4 市以及浙江省的宁波、嘉兴、舟山、湖州市4 市组成，城市陆域面积约5.4 万km2，常住人口约7 125 万人，是世界级城市群长三角的强核，经济体量位列全国34 个国家级都市圈首位，是上海与周边城市在地缘、文化、经济等方面联系紧密的8 个城市所形成的城市群。一方面，除上海外，上海大都市圈聚集了众多经济发达、百万人口以上的城市（如苏州、无锡、宁波、南通等），具有成熟度高，扩张基础好的天然优势，且城市间存在分工合作、优势互补的竞合关系。另一方面，由于中心城市上海的经济、科技、人才实力超强，对毗邻地区的辐射带动作用显著，形成大都市圈所特有的“单中心-外围”结构特征，上海创新策源功能的核心依托空间已从行政性边界拓展为功能性边界。按照《上海市城市总体规划(2017—2035 年)》，上海大都市圈将对标国际一流都市圈，通过强化都市圈内城市功能关联与创新协同，积极培育创新演化能力，打造具有全球影响力的科技创新中心与具有全球影响力的世界级城市群，并在国家战略层面承担创新枢纽与策源地功能。

大都市圈的创新功能可追溯到20 世纪50 年代Gottmann［7］对美国波士顿城市带的研究,大都市区（MSA）规模扩张致使创新人员比例增加，进而促进区域生产效率的提升［8］。都市圈内各城市受益于城市间的技术交流和溢出，使都市圈更具创造性，并成为都市圈经济增长的源泉［9］。知识与技术的共享性、外溢性、扩散性等特征已被诸多学者所证明，而以知识为基础的经济领域边际收益则呈现递增现象［10］。Baldwin 等［11］研究得出的局部溢出模型以及Martin 等［12］提出的全域溢出模型，进一步分析了技术溢出效应对内生经济增长率以及区域经济活动的影响。Bretschger［13］的研究则指出区域一体化程度与技术溢出的密集度呈正向关系。徐盈之等［14］、Fritsch 等［15］中外学者的研究都证实了知识、技术溢出显著促进了地区经济的发展。由此可见，在上海大都市圈这一体化程度较高的经济空间研究技术溢出效应具有较高的理论与实际价值。

3 邻近性对区域创新溢出的作用机理

溢出效应作为创新经济学的核心内容，被表述为“外部经济”，是由技术创新扩散的外部性所引致，其具有存在的客观性、方向的确定性、目标的非指向性以及溢出过程的隐蔽性［16］。经济学家罗默［17］则用溢出效应的外部性解释封闭条件下经济的递增创新收益现象，进而推动了内生经济增长理论的诞生。自熊彼特提出创新理论以来，技术创新溢出被许多学者认为是创新活动中的一个重要现象，知识、技术的溢出促进了产业集聚与区域经济增长［18］。而创新活动的空间集聚，又使学者们认识到地理邻近对创新活动的影响，进而在经济学领域引出了邻近性概念。法国邻近动力学派试图将经济理论中空间变量等外生变量内生化，提出多维邻近性概念，并从制度创新、主体互动两个不同视角研究获得知识外部性的方式［19］。由于经济活动总是在一定地域空间载体内发生，微观主体创新溢出必然受到的特定区域创新环境的影响；另一方面，区域创新溢出的实现是建立在大量微观主体互动学习的网络关系基础上。因此邻近性对区域创新溢出的影响是涉及“自上而下”与“自下而上”复杂混合过程。邻近性对区域创新溢出作用机理见图1。

图1 邻近性对区域创新溢出作用机理

以上海大都市圈为例，按照中国城市规划设计研究院上海分院发布的《2019 长三角城市创新力排行榜》，上海“1+8”城市群中，中心城市上海的硬核创新实力与创新潜力都位于大都市圈的首位。而根据上海大都市圈城市指数（SMAC）的科技创新维度，上海各项科技创新硬核指标（高等学校数量、专利授权量、国家级孵化器数量、R&D 投入高端人才、国家级科技园区数量、研发机构与创新平台数量、高科技企业数量等）都领先于大都市圈其他城市，上海创新策源地的地位凸显，科技创新中心的龙头作用显著。回顾上海创新技术溢出历史，可追溯到20世纪80年代，通过“星期日工程师” “产品配套”“联营协作”等方式，上海企业的人才、技术、资本溢出到苏州、无锡、宁波等地理靠近、经济发达周边城市。进入20 世纪90 年代，以苏州、无锡为代表苏南板块，依托富于地方色彩的乡镇集体企业，在为上海企业生产配套过程中，通过互动学习，构建产业技术基础，从劳动密集或技术门槛相对较低的产业入手，通过技术嫁接与改造，进入轻纺、家电制造和通信产品配套等专业化生产领域，在与上海经济深度融合同时，提升产业耦合与集聚化水平。在此过程中，上海大都市圈内企业、高校、科研机构、中介组织、金融机构、政府等微观主体协同互动，形成相互学习、互为依托的交互式、辐射式创新网络，促进知识的交流，以科技创新提升制造业结构，带动苏南城市群的发展。另一方面，上海大都市圈内各城市积极营造优良的创新环境，不仅在各自行政区域内推出有利于创新的政策体系，健全科技创新的体制机制，培育创新文化与氛围，还围绕上海科创中心建设，加强区域创新合作。在非制度层面，大都市圈内各城市地理邻近且自古以来都属于吴文化圈，文化环境相似性必然形成相似的习俗、惯例、语言与价值观，微观创新主体间易于建立互信，从而大幅降低交流的协调成本，促进隐性知识交换与技术合作。在制度层面，依托地缘邻近与经济依存优势，从2003 年开始，上海大都市圈内城市即开始探索跨区域的协调联动创新实践，获得一系列的成就，如政府主导的《苏浙沪共同推进长三角创新体系建设协议书》（2003），长三角知识产权保护联盟（2003）、《长三角区域“十一五”科技发展规划》（2006）、《长三角科技合作三年行动计划（2008—2010）》、长三角科技资源共享服务平台开通（2009）、长三角联席会议制度（2010），长三角园区共建联盟（2011）、长三角区域合作办公室（2018）、长三角“双创”示范基地联盟（2018）、G6 科创走廊（2019）等，通过建立区域性的知识产权保护制度、产业技术创新战略联盟、跨区域科技合作框架机制、协调主体利益冲突的专门机构以及多元化创新激励制度等，在上海大都市圈范围内构建了较为完善的区域科技合作协调机制，促进了企业、高校、科研院所等主体的创新与合作。

4 研究假设

4.1 空间技术溢出

学者对技术溢出从不同视角给出多种界定。技术溢出被认为是外部性技术扩散的一种方式［20］,知识、技术的溢出效应具有非竞争性、外部性和部分排他性［17］。技术溢出促使区域间相互学习交流和搭便车，进而获取研发成果并促进区域经济增长［2］。而在区域层面，当两个以上区域构成一个区域经济体时，技术溢出促进了区域经济的增长［21］。Rhos等［22］研究指出区域间的知识与技术溢出具有空间联动性，其对不同行业均有正向影响，并对区域创新效率产生显著的调节作用［23］,而研发要素的区际流动引发了技术溢出效应，并推动区域经济增长［24］。在空间层面，Meijers 等［25］基于城市间空间相互作用的视角，认为技术溢出使相邻城市共享集聚效应。Moreno 等［26］学者还利用地理距离衡量空间技术溢出效应的大小，实证结果表明当空间距离超过一定数值时，地区间的经济技术联系明显变弱。由此可见，已有研究都验证了区域间空间联动所产生技术溢出，对区域经济增长的显著影响。上海大都市圈由“1+8”城市群组成，经济相联、地缘相近，文化相亲，城市间创新资源流动与互动合作频繁，具备了技术溢出的必要条件。为此，本文提出假设1。

H1：上海大都市圈城市间存在空间技术溢出效应，毗邻城市间的经济活动形成知识溢出并对本地创新绩效产生影响。

4.2 多维邻近性

Jaffe 等［27］、Greenstone 等［28］研究发现知识溢出具有距离衰减特征。由此，邻近性与技术溢出的关系成为跨区域创新合作相关研究中的重要视角。而邻近性不仅指地理邻近，它更具丰富的内涵［29］，相关研究从地理、组织、技术、认知、文化、制度、社会等多个维度界定邻近性，但学术界尚未形成统一的分析框架。Knoben 等［30］基于组织合作框架，将邻近性划分为地理邻近性、组织邻近性和技术邻近性3 种维度，目前被认为是最具代表性的研究成果。上海大都市圈作为复杂的经济系统，其整体性、联动性、协同性和异质性等基本特征共存，而“中心-外围”的结构特征，决定了中心城市上海与周边城市间存在着要素流动、产业扩散、知识与信息的交流。这种外部性所形成的城市间互动强度与方向，因距离因素而呈现差异性。由于城市是产业、组织的空间载体，经济邻近性则可综合表征为城市间产业、组织、环境、制度等方面的关联与互动［5］。基于上海大都市圈内城市合作与经济融合的框架，以及中心城市上海与周围城市间多维邻近性对城市创新产出异质性影响的视角，本研究从地理邻近、经济邻近和技术邻近3 个核心维度探究上海大都市圈的技术溢出效应。

地理邻近性是知识与技术溢出相关研究中最普遍的一种邻近形式。研究发现不同空间因素下技术溢出均显著推动区域创新效率提升，而地理距离因素的影响最大［31］，且技术溢出中的部分缄默知识是高度依赖于地理邻近性等因素［14］。此外，多位国外学者，如Luigi 等［32］也研究验证了技术溢出与地理邻近的稳定性关系。地理邻近性实质上表征了城市间相互作用强度与空间距离的相关性。上海大都市圈的“单中心-外围”结构，决定了周边城市距离中心城市上海越近，越有利于微观组织间的学习效应，有利于提升创新搜寻效率，降低创新交易成本，并有效促进技术溢出的地方化特征［33］。为此，本文提出假设2。

H2:上海大都市圈城市间的地理邻近性形成技术溢出效应，本地区创新产出受到地理邻近地区经济与创新活动的影响。

经济邻近性反映了城市间经济发展水平的差异。上海大都市圈各城市发展阶段的差异性，在很大程度上决定了各城市的创新供给与需求结构。大都市圈周边城市从中心城市上海获得的技术溢出效应的强弱受到各城市经济发展水平的影响。周边城市经济发展水平越接近中心城市，越有利于创新资源流动与技术溢出［5］。因此，本文提出假设3。

H3:上海大都市圈城市间的经济邻近性形成技术溢出效应，本地区的创新产出受到经济邻近地区经济活动与创新活动的影响。

技术邻近性体现城市间相似性或重叠性的知识基础，相容技术的地区更易引发潜在的技术溢出效应［5］。但技术邻近对城际技术溢出的影响更具复杂性。上海大都市圈各城市之间、中心城市与周边城市之间存在城际技术落差，而技术落差又是城市间创新分工与合作的前提。由于城市创新具有路径依赖性，城际技术层级在某种程度容易被固化，当城市间专业技术差异较大时，技术吸收难度加大，技术溢出效应反而不显著［34-35］。另一方面，基于Wuyts 等［36］学者提出的知识交流与知识基础差异的驼峰形关系曲线，当城市间专业技术水平过于接近，则妨碍经济主体的知识交流意愿，堵塞创新性思想的源泉。因此，必然存在最优的技术邻近性测度，实现技术溢出的绩效最大化。由此本文提出假设4。

H4:上海大都市圈由于城市间的技术邻近性形成技术溢出效应，本地区创新产出将受到技术邻近地区经济活动与创新活动的影响。

5 模型设计、变量与数据

5.1 间范围界定

本研究以《规划纲要》为依据，将已纳入《发展规划纲要》的上海大都市圈为研究对象，将上海、无锡、常州、苏州、南通、宁波、湖州、嘉兴、舟山等“1+8”共9 个城市为研究空间范围与对象。

5.2 准面板模型设定

本研究参考Griliches［37］和Jaffe［38］提出的知识生产柯布-道格拉斯函数模型,构建城市创新产出的一般对数表达式：

式（2）中：i代表上海大都市圈各地级市；t代表年份，β0为常数项，β1，β2，…，β9为各变量的弹性系数；εit为随机误差干扰项。

5.3 变量定义与说明

5.3.1 被解释变量

5.3.2 关键解释变量

多维邻近性因素是本文的关键核心变量，从地理邻近性、技术邻近性和经济邻近性3 个维度分别加以考察。

（1）地理邻近性说明。上海大都市圈空间技术溢出主要体现为中心城市上海与周边城市之间创新互动。在其他因素不变的前提下，技术溢出强度与周边城市与中心城市的空间距离呈反向关系，而与中心城市创新能力强弱呈正向关系［37］。因此，上海大都市圈中心城市与周边城市地理邻近性的计算公式为式（3）：

Di为大都市圈周边城市第i个城市空间单元与中心城市上海的地理距离。由于空间直线距离能较好反应相互作用关系在空间单位距离上的衰减效应，故选定上海与周边城市的人民政府为空间直线距离的起讫点，距离数据由两地间经纬度计算获得：区域间地理距离衰减指数设为2［38］。基于上海中心城市对周边城市技术溢出的经济特征，本文取上海滞后一期的专利授权数进行衡量。

（2）经济邻近性的说明。经济邻近性主要由各测度空间单元的人均地区生产总值（GDP）来衡量各城市空间单元的经济发展水平。本文采用上海与周围城市人均GDP 的差异值来反映经济邻近性的大小。GNP 的差异值越小，则两地经济水平越接近，被赋予权重越大。见上海大都市圈中心城市上海与周边城市间经济邻近性计算公式（4）：

Xit为周边城市空间单元在t年的人均GDP,Xt为中心城市上海t年的人均GDP。

（3）技术邻近性的说明。技术邻近性反映城市间技术水平的接近程度。从知识吸收角度，假设大都市圈周边城市空间单元学习能力相同，城市间知识存量差距越大，知识接收城市获得的技术溢出效应越显著［39-40］。因此，技术邻近性测度采用地区间知识存量的差异值来衡量,知识存量用专利申请授权数来表征。本文采用永续盘存法衡量区域知识存量，见公式（5）：

5.4 数据选取与说明

本文原始数据来源于上海大都市圈各城市2006—2019 年统计年鉴。对于空间距离的衡量，采取上海与大都市圈周边城市空间单元距离测算（起始点与终端点皆确定为当地政府所在地）。为了保证回归系数的相对可比性且不出现极端回归系数，本文在模型应用数据时，将对所有数据进行对数化处理。尽管对数化处理不改变原变量的回归系数符号，但会改变原变量系数值大小与显著性；而对变量量纲的调整，仅对原回归系数按调整幅度产生相应的同等变动，而不改变原变量的回归系数符号及其显著性。另本文研究中，中心城市上海是技术溢出发源地，作为一个整体空间单元进行研究，外围以各地级市城市空间单元样本进行测度。数据处理后的模型变量定义与描述性统计结果见表1。

表1 模型变量含义与描述性统计

表1（续）

6 实证与结果分析

对面板数据进行单位根检验，以判定面板数据的平稳性是否满足模型拟合要求。LLC 检验数据结果序列的平稳性，见表2 所示。由表2 可见在5%的显著性水平下，所有解释变量与被解释变量皆为平稳序列。面板数据相关性分析结果显示解释变量与被解释变量相关性较为显著，且核心解释变量（GPit、EPit、TPit）与被解释变量在1%水平上显著（见表2）。

表2 样本面板数据单位根检验结果

面板数据经Hausman 检验发现（见表3），P值为0.000 1（在1%范围内），固定效应模型估计结果相对更可靠。为了估计结果更具有稳健性，运用OLS、固定效应、随机效应、广义最小二乘法等估计方法检验控制变量对因变量的影响，见表4。由表4 可见，不同估计方法运算结果存在一定差异，但控制变量对因变量的整体作用方向性一致。考察固定效应模型估计结果可见，研发经费投入（R&Dit）回归模型系数为正且在1%水平上显著，说明期间研发经费投入指标项对区域创新具有显著的正向促进效应。人力资本（R&Dit）回归系数不显著，说明以期间在校大学生数度量的人力资本指标项对上海大都市圈创新正向促进效应不明显，主要原因可能在于区域科教资源存量尚未转化为人力资源优势，未能形成大都市圈城市群的创新产出增量。外商直接投资（FDIit）回归模型系数为正且在1%水平上显著，说明期间地区FDI 带来国外技术引进，对区域创新形成显著的正向促进效应。区域第二产业增加值占GDP 比重（LIit）回归系数不显著，可能是大都市圈城市群产业整体结构中低端化，导致创新产出弱化。区域社会消费品零售总额（NMSit）回归模型系数为正且在1%水平上显著，说明市场规模优势对城市群创新正向促进作用明显。区域产业集聚度(LQijt)对创新产出的影响表现为显著且负相关，主要原因在于大都市圈各城市的产业集聚，很大程度上是源于各地政府推动，而行政分权又极易导致区域层面技术锁定与低端固化，不利于创新能力的发挥。

表3 样本面板数据的霍斯曼检验

表4 控制变量对上海大都市圈创新影响的不同方法估计结果

本文主要研究空间邻近性、经济邻近性以及技术邻近性等邻近性因素对创新产出的影响，在OLS、固定效应、随机效应等估计模型中引入三维邻近性因素后，GP、EP 和TP 对城市创新产出的影响产生不同程度的变化，但整体作用方向保持一致，结果具有较好的稳健性(见表5) 。

表5 邻近性对上海大都市圈城市群创新产出影响的估计结果

由表5 中可见，在上海大都市圈范围内，空间邻近性作用较为显著，说明地理距离对于创新外溢效应存在显著影响，上海向大都市圈周边城市的创新扩散强度随着空间距离扩大而衰减，也进一步验证了前人的理论研究。技术邻近性作用非常显著，说明上海大都市圈周边城市与上海的技术结构越相似，越能提升对上海技术溢出的吸收度、优化“技术-技能”结构以及提升城市创新能力与创新产出，并在很大程度上与Tsai［48］、Audretsch 等［49］学者的实证研究相互验证。经济邻近性在固定效应模型下具有较显著正向作用效应，说明上海与大都市圈周边城市经济发展水平相近，有利于创新合作与技术溢出。这也验证Sun［50］、Soo 等［51］学者关于经济发展水平相似的城市节点更易于合作并促进创新产出的理论观点。

7 门槛效应分析

通过表5 实证检验回归结果可见多维邻近性因素对上海大都市圈创新溢出影响显著。在上海大都市圈所特有的“单中心-外围”结构特征下，由于创新网络外部性的存在，大都市圈周边城市创新能力与中心城市创新能力在空间维度、技术维度、经济维度方面的相邻性因素统计显著相关，且中心城市对周边城市群创新能力影响在多维结构层面存在关系拐点［52］，即突变点。这也符合Krugman［10］新经济地理学“核心-边缘”模型关于创新资源突发性集聚、重叠区和自我实现预期等基本性质。因此,本文运用门槛效应模型，对邻近性因素的结构变化点判断，通过自抽样检验，结果见表6、表7。

表6 门槛效应检验

表7 门槛效应估计结果

表7（续）

由表6、表7 中可见，空间邻近性的门槛变量识别检验具有单一门槛值为1.766 5，经济邻近性的门槛变量识别检验具有单一门槛值为1.426 7，技术邻近性门槛变量识别检验无门槛值。空间邻近性存在单一门槛值，说明上海大都市圈中心城市向周边城市创新外溢存在一个空间突变点，在空间距离突破该点后，创新扩散强度显著衰减。主要原因在于创新溢出存在空间边界性，在空间边界内，由于距离邻近，人员来往频繁，合作创新便利，创新产出较多；而在突破这一边界后，技术与人员交流频度相对而言显著减少，导致边界内外创新网络密度分布出现显著差异，进而影响创新溢出效应的均质传递。经济邻近性存在单一门槛值，说明大都市圈周边城市一旦在经济发展水平（以人均GDP 衡量）方面超过上海时，周边城市创新投入增加，自主创新能力增强，且存在反向溢出效应，上海创新扩散强度将出现显著衰减。事实上，2018 年苏州、无锡的人均GDP 已超过上海，从经济邻近性视角，上海对苏州、无锡的创新溢出效应有所减弱，这也较好地辅证了这一影响机制的解析。而技术邻近性不存在门槛值，说明大都市圈中心城市与外围城市之间技术结构差异对创新溢出不存在明显的突变点。

8 主要结论与政策启示

本文运用上海大都市圈城市群2005—2019 年的面板数据，基于上海大都市圈所特有的“单中心-外围”结构，从多维邻近性视角，实证分析上海对大都市圈周边城市的创新扩散与溢出，并得到如下结论：一是上海大都市圈中心城市对周边城市的技术溢出过程，是一个复杂的系统过程，受到多种因素共同作用，且各类因素的影响存在着异质性。创新投入、对外开放度、市场规模、产业结构等因素对周边城市接受上海的技术溢出产生正向影响；而上海大都市圈的产业集聚很大程度上源于各地政府推动，但行政分割极易导致区域技术低端锁定，对创新产出形成阻滞效应，表现为产业集聚度对周边城市接受上海的技术溢出产生负向影响。二是空间邻近性、经济邻近性、技术邻近性等多维邻近性因素，则对上海创新扩散与溢出产生显著影响。空间邻近性验证了上海与周边城市的空间距离对创新溢出的负向影响，且在某个空间距离点后出现显著的衰减，在一定程度上较好地验证创新扩散的距离衰减效应。经济邻近性验证了上海与周边城市经济结构的相似性对创新溢出的正向影响，但上海在经济发展水平的某个点（以人均GDP 测度）被周边城市超越后，周边城市创新投入增加，必将对上海产生逆向技术溢出，致使上海对外技术溢出整体呈现边际贡献快速递减的态势。本文在技术邻近性因素分析中，既考虑上海与周边城市专利结构相似度，更充分考虑城市群知识存量差异所带来的影响，验证了技术结构相似性对上海技术溢出的正向影响。

由此本文提出以下政策建议：

一是布局大都市圈创新合作顶层机制设计。利用长三角一体化的政府协调机制，协调推动大都市圈各城市加大创新投入、扩大对外开放、推动市场一体化、优化产业结构，系统布局上海大都市圈城市群的创新合作与技术交流，使中心城市与周边城市形成产业结构互补，经济互为一体，创新联系紧密，主体空间联动、协同机制完善的创新经济共同体。

二是强化大都市圈内部创新联系。加强大都市圈的交通基础设施建设，构建基于高铁、城际列车、高速公路、城市快速通道等多种交通工具与基础设施无缝对接的快速交通网络，优化布局上海与周边城市之间多元交通方式转换节点，缩短大都市圈中心城市与周边城市间的时空距离；增加天堑通道数量，如增加长江跨江通道与杭州湾跨海大桥数量，促进城市群内部的通达性，推动大都市圈同城化进程，赋能大都市圈内人员交流、技术溢出、仪器设备共享以及科研合作。

三是推动大都市圈创新协同规划。通过区域互动、人才交流、机制共建，构建大都市圈城市间创新协同治理机制，破解跨行政区域协同创新的制度壁垒及政策鸿沟；大力发展数字经济，降低信息流通成本，协同推进知识、信息、技术、资金等创新要素高效流动，放大技术溢出效果，促进创新要素在都市圈空间范围实现更大规模的优化组合；区域协同规划各类知识、技术密集型产业在大都市圈范围内的空间集聚，培育特色鲜明、优势互补、价值链分工明晰的现代产业体系，进一步带动城市间创新合作与经济融合，全面提升都市圈城市经济发展水平，形成大都市圈内城市间创新关联与经济发展的良性互动格局。

四是提升大都市圈整体创新能力。中心城市上海应主动加强与大都市圈周边城市的战略协同、创新合作、技术共享与主体联动，整合引导各城市的资源禀赋、产业基础、创新资源，大力推动关键核心技术联合攻关、重大领域联合研发、区域科技仪器设备共用、区域性创新政策互认，科技成果与人才共享，全面开创大都市圈城市群的创新整体优势。