中国技术转移的演化特征、区域差异及空间收敛性分析

摘要：技术转移是促进区域协调发展和创新资源高效配置的重要手段。利用中国城市间专利转让数据，运用核密度估计、全局空间自相关与Dagum基尼系数法，揭示中国技术转移的分布动态演进规律与区域差异和来源，并运用收敛分析分区域检验其空间收敛机制。研究发现：①中国城市总体专利转让呈逐渐上升趋势，并逐渐从以实用新型专利转让为主转变为以发明专利转让为主，京津冀、长三角与珠三角地区呈现较高水平的技术转移；②城市间技术转移的总体差异主要来源于区域间差异，分地区结果表示西部地区的区域内与东西部之间的区域间差异最大；③总体及三大区域技术转移呈σ收敛特征与时空β收敛特征，中部地区的收敛速度高于总体的收敛速度，各区域技术转移差异随着时间推移而逐渐缩小。本研究为加深对技术转移的空间发展格局认知提供了支撑，为缩小区域间技术创新差距提供了新思路。

关键词：技术转移；分布动态；区域差异；收敛性分析

中图分类号：F124.3文献标识码：ADOI：10.3969/j.issn.1003-8256.2025.01.011

基金项目：国家自然科学基金青年项目（71804077）；内蒙古自治区高等学校青年科技英才支持计划资助（NJYT-20-B21）

党的二十大报告和我国“十四五”规划均指出，要坚持创新在我国现代化建设全局中的核心地位，加紧培育区域创新发展新动能。然而，由于各地区要素禀赋、地理条件和政策导向等方面的差异，我国区域创新能力的不平衡发展问题依然不容忽视[1-2]，突出表现为不同地区之间创新要素的分布不均衡。推动创新要素在区域内的合理流动和集聚，建设高效的技术转移通道，提高空间范围内的创新资源配置效率[2]，促进区域创新能力协调发展，是提升区域创新能力的重要内容[3]。专利技术的转移转化是创新要素区域流动的重要内容，根据国家知识产权局《2022年中国专利调查报告》，2022年我国发明专利转让率达到11.5%，实用新型专利转让率为3.7%。专利技术的转移为企业进行技术储备，实现产业化应用以及经济效益提供了重要支持。

维基百科认为技术转移等同于技术的商业性转化，指出技术转移的目的在于开发出新的产品与服务[4]。企业利用技术转移可以弥补自身技术的不足[5]以及进行集成创新[6]，通过对互补技术的消化吸收与应用实现创新价值，提高自身核心竞争力[7]，强化竞争优势。区域范围内，专利技术通过行业间以技术许可、专利技术公开、公开出版物等渠道进行技术扩散[8]，促使技术在更大的市场中进行应用开发。对于技术水平欠发达地区而言有利于实现技术进步，技术发达地区可与流入技术相结合实现优势互补[9]，驱动城市创新能力迈入新阶段[10-11]，促进区域创新平衡发展。2017年《国家技术转移体系建设方案》强调了通过建立技术转移体系、设立国际技术转移中心等促进区域间的技术转移，以促进区域创新发展。

由于创新在经济活动中的重要作用，创新地理学应运而生，一些研究开始关注创新活动的空间演进与创新网络的空间关联特征等内容[12]，以揭示科技创新的空间分布、明确区域差异来源与收敛机制[13]。在针对区域技术转移的分析上，主要内容包括省市间技术转移的空间分布、影响因素以及经济效应。从空间分布看，部分学者是使用全局自相关与局部自相关等方法描述技术转移的空间特征[14-15]，另有学者则基于复杂网络分析法探讨专利转让的空间关联特征[9，16-18]。从影响技术转移相关因素的研究看，一方面是来自本地区的影响，如产业产值比重与专利申请量[14]；另一方面是来自邻近地区的影响，如邻近地区的技术转移行为[19]，以地理邻近性[20-21]和社会邻近性[22]为主的邻近效应。另外，经济发展水平、金融发展水平、地理空间联系程度与地区创新能力[23]有助于提高技术转移的空间关联性。从经济效应看，已有研究验证了城市层面技术转移存在空间相关性，并根据经济增长等理论与实证研究论述了技术转移对科技创新[24-25]、产业升级[26]和经济增长[15，27-28]的驱动效应。

已有关于技术转移的研究为本文提供了丰富的经验与理论依据，但还可从以下方面进行改进：第一，已有研究以省份尺度为研究对象，城市层面技术转移的空间分布等相关研究还很缺乏；第二，已有研究探讨了技术转移的空间相关与空间集聚特征，本文使用核密度估计描述技术转移的长期演变和发展趋势，对技术转移的时空演化规律与演化机制进行总结；第三，本文使用Dagum基尼系数探究技术转移的相对差异，避免了传统Gini系数存在的样本交叉重叠问题，明确了区域内与区域间差异的大小和来源，为缓解技术转移的“马太效应”提供了解决方向；第四，部分研究对技术转移的空间分布进行描述，但缺乏针对时空分布收敛机制的探讨。本文基于σ收敛和时空β收敛等方法，揭示全国以及区域范围内城市技术转移的时空分布收敛机制，对技术转移空间收敛的研究作出补充。

1数据来源与研究方法

1.1数据来源

技术转移数用专利转让数量表示，基于国家知识产权局专利检索及分析数据库与智慧芽PatSnap数据库、大为innojoy专利搜索引擎系统对2005—2022年284个城市的专利转让信息进行追踪观测和汇总，计算每个城市拥有的发明专利中被转化（完成技术转让）的数量。收敛分析中用到的控制变量则来源于《中国城市统计年鉴》。

1.2研究方法

1.2.1核密度估计法

核密度估计（Kernel Density Estimation）通过分布位置与形态、延展性和极化趋势来反映技术转移的动态演进特征。本文选取高斯核函数展示技术转移的时序特征。

1.2.2全局空间自相关

1.2.3Dagum基尼系数

现有文献用于分析地区差异的做法包括变异系数、基尼系数与泰尔指数等。相对其他测度方式而言，泰尔指数可将地区差异分解为组内、组间差异，而Dagum基尼系数在此基础上既可将地区差异分解为组内、组间差异与超变密度，能够反映各地区交叉重叠的现象，还可用于分析对样本分组后子样本内部与组间的差异[29]。因此本文使用Dagum基尼系数分析中国与分地区的技术转移差异与来源。

1.2.4收敛模型

2技术转移的总体特征

2.1技术转移的空间分布特征

2005—2022年中国技术转移的空间格局的分布动态如图1所示。在样本期间内，中国各城市技术转移数持续提高，区域分布格局由总体较低演变为“京津冀、长三角、珠三角以及川渝地区”显著高于其它城市的状态。2005年各城市的技术转移数普遍偏低，技术转移相对较高的地区均集中在直辖市与省会城市，是该时期的主要特征。2010年东部地区与中部地区城市技术转移显著增长，技术转移空间分布差异性明显，表现出明显的对科技创新要素禀赋与经济发展水平的依赖性，形成了以北京、上海、长沙、广州为引领核心，以区域中心城市为节点的空间格局。2015年长三角地区的技术转移水平迅速增长，并逐步向周边地区不断延伸，省会城市的技术转移增长趋势也较为明显。2020年东中部地区的省会城市、沿海省份的城市以及成都和重庆的技术转移数量突破了2 000件，以省会城市为核心的技术转移集聚分布特征更为显著。2022年各城市技术转移数量有所下降，但依旧保持着省会城市为集聚核心的技术转移格局。

为了进一步探讨各城市在样本期间内技术转移的主导类型，以发明专利转让数与实用新型专利转让数的比值作为评判标准，若二者的比值大于1则表明该城市在当前年份是以发明专利转移为主导，小于1则表示以实用新型专利为主导。由于部分城市存在着当前年份只存在发明专利转让而实用新型专利转让数为0的情况，然而这类城市二者的数量相差不是很大，对于此类地区列为比值为[0，1]的区间内，具体的测算结果如图2所示。2005年，除了少数省会城市的发明专利转让数超过了实用新型专利转让数，大部分城市发明专利与实用新型专利的比值都小于1，这些城市鲜有发生技术转移行为，因此在2005年的分布格局是省会城市以发明专利转移主导，其余城市的技术转移处于起步阶段。2010年以发明专利为主导的省会城市数量明显增多，省会城市的邻近城市技术转移水平明显改善，非省会城市技术转移更多表现为实用新型专利为主导。2015年除西北地区与东南沿海地区，大量的非省会城市由实用新型专利主导转向了发明专利主导，各城市的核心创新能力显著提高。2020年在之前发展的基础上长三角地区、珠三角地区、广西壮族自治区以及川渝地区的发明专利转让数明显超过了实用新型专利转让数，以发明专利为主导的技术转移格局基本形成。2022年虽然两种专利转让数有所下降，但以发明专利主导的格局未发生明显改变。

为了检验证明中国的技术转移是否具有空间自相关性，使用全局Moran’s I指数进行计算，结果如表1所示。2005—2022年期间Moran’s I指数均在1%的水平下显著为正，意味着中国技术转移存在较强的空间正相关关系。此外，Moran’s I指数逐年增大，在2017年达到了峰值，在2018—2022年略有减小，增长趋势为倒U形曲线，表明技术转移整体的空间集聚特征显著增强。全局Moran’s I指数的变化幅度不大，说明技术转移具有一定的时序惯性和空间稳定性。

2.2技术转移的时序演进特征

为分析我国总体、东部、中部和西部地区技术转移的演进趋势，采用Kernel密度估计对总体和三大区域技术转移对数的整体形态与动态分布进行分析，为保证技术转移水平的分布特征展示清晰明了，图3只绘制了2008、2012、2016、2020和2022年的基本情况。

图3a展示的是总体技术转移水平的动态变化趋势。核密度分布曲线的中心点逐年向右移动，说明技术转移水平有上升趋势，但随着年份的增加移动幅度逐渐放缓，2022年核密度分布曲线则是向左移动，表明可能受新冠疫情影响使得总体的技术转移受阻。此外，样本期间内核密度分布曲线峰值呈现先下降后增长的分布特征，2008年总体技术转移水平偏低，峰值集中在0值附近，核密度约为0.25，2012年核密度约为0.2，核密度曲线变宽，意味着城市间的技术转移水平的差异程度正在变大，2016年、2020年与2022年核密度又返回到了0.25附近，技术转移水平位于4到6之间，带宽没有发生显著变化，表明技术转移水平虽然得到改善，但城市间的差距仍较为明显。

图3b～3d则展示了分地区的技术转移水平演进趋势。三大区域的核密度分布曲线均表现为向右移动的趋势，而在2022年分布曲线则发生了左移，意味着技术转移水平发生了衰退现象，与总体的核密度分布曲线变化趋势基本一致。样本期间内，东部地区和中部地区的核密度分布曲线峰值表现为先上升后下降再上升的状态，西部地区的核密度分布曲线峰值则呈先下降后增长的趋势，东部地区的技术转移水平均值主要集中在6附近，而中西部地区介于4到6之间，表明东部地区的技术转移水平虽高于中西部地区，但差距缩小的状态逐渐显现。总体来看，无论是从总体还是三大区域的角度分析，技术转移的总体趋势表现出“水平提升、绝对差异缩小”的特征，但发展过程波折起伏。需要注意的是，2022年技术转移水平出现一定衰退迹象。

为了进一步探究技术转移的时序演进，从发明专利转让和实用新型专利转让的视角做进一步分析。图4显示，中国发明专利转让总数在2005年时仅有573件，2020年发明专利转让总数达到了最大，为218 864件，但在2022年发明专利转让总数下降为104 338件，下降幅度为109.76%；实用新型专利在2005年的转让总数为308件，增长到2021年的135 282件，实用新型专利转让数则远小于发明专利转让数，说明样本期间内中国技术转移是以发明专利转让为主。2005—2014年期间，中国技术转移的增长速度较为缓慢，可能的原因在于技术转移法制化属于发展前期，相关配套政策有待完善；此外政策内容规定较为宏观，原则性的条文多，细化落实的条文少；同时，政策关注的领域不均衡，农业类的政策较多，高新科技产业的政策较少，导致技术转移活跃度相对较低。2015—2020年期间，技术转移总数迅速增长，发明专利与实用新型专利在此区间的平均增长率分别为37.19%和24.42%，原因是国家对技术转移愈加重视，修订后的《中华人民共和国促进技术转移法》更加深化政策目标及其实施，2016年国务院发布的《实施<中华人民共和国促进技术转移法>若干规定》和《促进技术转移行动方案》以及后续相关的政策陆续实施，使得中国技术转移迈向了新高度。2021—2022年期间受新冠疫情影响，中国技术转移数量出现下滑，但截至2022年发明专利和实用新型专利转让总数仍分别保持在10万件和7万件以上。分区域来看，样本期间内东部地区的发明专利与实用新型专利的转让数占比均最大，2005—2010年中部地区与西部地区所占比重大体一致，2011年起中部地区的技术转移发展情况则显著高于西部地区，而西部地区发展占比情况变化幅度较小，技术转移发展较为稳定。

3技术转移的地区差异特征

利用Dagum基尼系数分析技术转移地区差异及演变趋势，结果见图5。

（1）总体来看，图5a中的技术转移的总体基尼系数表现为先增大后减小的过程。基尼系数由2005年的0.718增加到2010年的0.839，相较于2010年，2022年的基尼系数下降幅度为11.27%，意味着自2010年后各城市技术转移的差距有明显缩小趋势，非均衡发展状态有所缓解。此外，图5a显示区域间差异要显著高于区域内差异与超变密度，说明总体差异的变化可能更多地取决于地区间差异。图5b的地区内、地区间差异与超变密度的贡献率显示，样本期间内，区域间的年均贡献率为52.39%，要高于区域内年均贡献率15.31%与超变密度年均贡献率32.30%，这表明总体差距的变化受地区间差异变化的影响更为明显，地区间差异是导致总体技术转移存在非平衡发展的主要来源。区域间差异的贡献率在样本期间内呈现先减小后增大再减小的W形变化趋势，超变密度贡献率的变化趋势与之相反，而地区内差异的贡献率始终维持在30%以上，2005—2022年贡献率的下降幅度仅为5.52%。

（2）分地区来看，图5c显示在不同时间段内三大地区的区域内差异存在异质性。2005—2010年期间，东中西部地区的差异均呈增长趋势，东部地区的差异要高于中部与西部地区，2010年后各地区的区域内差异则变为下降趋势，东部与中部地区的区域内差异下降幅度明显高于西部地区的区域内差异，因此西部地区的区域内技术转移的非均衡发展情况较为严重。东部地区的区域内差异则又高于中部地区，可能的原因在于东部地区包括技术转移程度较高的北京、长三角和珠三角地区，同时也包括转移程度较弱的河北省、福建省等省份，东部地区内的技术转移差距相对较大。综合来看，虽然三大区域内基尼系数均值波动起伏，有高有低，区域内差异仍然存在，但区域内基尼系数在大趋势上逐渐降低。

（3）三大地区的区域间差异同样表现为先增大后减小的倒U形趋势。图5d表明，与三大地区的区域内差异相同，2010年三大地区的区域间差异则由增长变为减小的过程，其中下降幅度最明显的是中西部地区间的差异，其次是东中部与东西部地区，意味着我国各地区间的技术转移的差距自2010年后不断缩小，非均衡发展态势逐渐改善。值得注意的是，东部与西部地区之间的技术转移差异最大，这一结论与经济高质量发展[31]的分布差异表现一致。

4技术转移收敛性分析

4.1技术转移的σ收敛

2005—2022年中国城市技术转移的σ收敛趋势如图6所示。总体层面来看，除2006年的变异系数高于2005年的数值，其他年份的变异系数均表现为逐年减少的状态，说明总体层面的科技成果存在显著的σ收敛特征。分地区来看，东部地区σ系数的变化趋势与总体有着相似的变化趋势，西部地区σ系数的下降程度低于中部地区，中部地区的σ系数变化幅度最大，收敛性最强，这与前文的Dagum基尼系数的分析结果得出的结论一致。

通过对比图5与图6可以发现，相较于前文的Dagum基尼系数，变异系数的波动较大。基尼系数和变异系数虽然都可以用于测量数据的不均匀程度，但是它们的侧重点和角度有所差异。基尼系数主要是衡量数据中的不平衡度，更侧重于关注数据的分布情况。如果有一些城市技术转移数明显高于或低于其他城市，基尼系数就会显著增大。从图2可以看出，中国东、中、西部在专利转移数量上存在显著区别，但除了2010年以外，各区域之间的占比变化较小，说明城市间差距没有得到较大改善，故图5中的基尼系数曲线较平稳。另一方面，变异系数主要用于描述数据的波动程度，更多的是反映数据的稳定性。即便数据分布相对均匀，城市间技术转移数差距不大的情况下，如果数据波动较大，那么变异系数也可能会比较大。2005年除北京与上海的专利转让数超过100件，其余城市专利转让数均在10件以内，且多数城市甚至为0件。2006年北京市的专利转让数增加到337件，其余城市专利转让数未发生较大变化。极端值的存在导致计算变异系数的标准差波动较大，故变异系数曲线变动幅度较大。

4.2技术转移的空间β收敛

进行空间绝对β收敛与条件β收敛分析时，对SDM模型能否退化到空间自回归模型（Spatial Autoregressive Model，SAR）与空间误差模型（Spatial Error Model，SEM）进行LR检验与Wald检验，表2的检验结果显示LR统计量与Wald统计量均在1%的水平下显著，空间杜宾模型并不能退化到SAR与SEM模型，基于此本文选择空间杜宾模型检验β收敛。

城市技术转移存在着显著的空间相关性，为了验证技术转移程度低的地区比转移程度高的地区具有更快的增长率，最终会以同样的增长率发展，因此对总体和三大区域的技术转移进行了空间绝对β收敛和空间条件β收敛检验。表3汇报了空间绝对β收敛的检验结果，无论是总体还是三大区域范围内，β系数在1%的水平下均显著为负，表明技术转移存在显著的空间绝对β收敛特征。分地区的结果表明，中部地区的收敛速度是最快的，高于总体的收敛速度22%，其次是西部地区和东部地区，收敛速度的差异一定程度上拉大了区域间技术转移的差距，使得区域间技术转移差异不断扩大。由于绝对β收敛没有考虑影响技术转移的经济发展水平、产业结构、科学支出、金融规模以及创业活跃度等因素，因此在控制以上变量后进行条件β收敛的检验。

进行条件β收敛分析时选取了部分影响技术转移的控制变量，考察其对技术转移的影响。具体包括：①经济发展水平：以地区GDP的对数值进行表示；②科学支出水平：以科学支出额与GDP的比值表示；③产业结构：以第三产业产值在GDP中的比重表示；④金融发展水平：以年末金融机构贷款余额与GDP的比值表示；⑤城市创业活跃度：以城市每百人新创企业数进行表示。

表4汇报了总体和三大区域的空间条件β收敛的检验结果。β系数同样显著为负，即总体和三大区域的技术转移存在空间条件β收敛特征，说明在考虑经济发展水平、产业结构、科学支出、金融规模以及创业活跃度等影响因素后，β收敛速度更快，即技术转移的区域差异以更快的速度缩小。此外，东部、中部与西部的收敛速度均明显高于空间绝对β收敛，说明部分影响技术转移的特征加快了技术转移的收敛速度。而且在总体范围内空间自回归系数ρ显著为正，说明技术转移具有显著的空间外溢效应，能够加快科技成果的收敛速度，最终达到相同的增长速率。

5研究结论与政策启示

5.1研究结论

利用2005—2022年中国284个地级市为研究对象，采用空间相关性分析、Kernel密度估计分析了各城市技术转移的空间分布及其变化趋势，并使用Dagum基尼系数及其分解方法对总体与分区域的技术转移的空间差异进行测度并探讨导致差异的来源，此外又使用了变异系数及空间杜宾模型对技术转移进行了收敛性检验。得出结论如下：

（1）中国技术转移水平逐年增长，空间格局表现为技术转移数多的城市集中在省会城市与长三角地区。基于技术转移类别分析显示，各城市的技术转移类型逐渐向发明专利主导转变。

（2）核密度估计结果显示，总体的技术转移水平逐年上升，但随着年份的增加移动幅度逐渐放缓。三大区域的核密度分布曲线与总体的核密度分布曲线变化趋势基本一致。其中东部地区的技术转移水平高于中西部地区，但差距缩小的趋势逐渐显现。

（3）区域间的差距是导致总体技术转移非平衡发展的主要来源，区域间基尼系数的贡献率显著大于区域内贡献率与超变密度贡献率，进一步验证了这一结论。从三大区域内基尼系数来看，西部区域内差异最大，东中西部的基尼系数变化均表现为先增大后减小的趋势。三大区域间基尼系数同样呈先上升后下降的趋势，且东西部之间的差距显著高于东中部与中西部差距。

（4）中国技术转移存在显著的σ收敛特征与时空β收敛特征，技术转移速度低的地区与技术转移速度高的地区差距表现为缩小趋势。其中，中部地区内的收敛速度显著且高于总体收敛速度，东部地区与西部地区的收敛速度小于东部地区但同样显著，表明东部与西部区域内技术转移差距呈缩小趋势。

5.2政策启示

以上研究结论对于促进技术转移迈入新阶段、技术转移由数量转向质量扩张以及缩小区域差距实现协调发展具有重要的政策启示：①研究发现技术转移虽逐年提升，但转移数量高的城市主要集中在京津翼、长三角、珠三角与成渝地区，因此针对各城市转移程度采用差异化发展战略。技术转移程度高的东部地区要注重实现高质量科技成果的转移，推动突破性技术转化为现实生产力，实现科技创新成果产业化。转移程度低的城市普遍表现为经济发展水平较低，因此应完善有利于技术转移的政策体系建设，提供有利于技术转移的生态环境，针对科技创新能力强的企业应帮助创新产出及时转移，促进科技创新的循环。②研究发现区域间的差距是导致总体技术转移非平衡发展的主要来源。因此位于东部地区且技术转移数量高的城市可依靠技术溢出与知识溢出方式对落后地区提供支持，而落后地区可根据自身情况采用转移程度高地区颁布的相关政策与手段，并通过学习与引进的方式改善技术创新落后现状，从源头上解决技术转移供给不足的局面。③技术转移表现为显著的空间收敛效应，因此技术转移程度高的城市应发挥好引导与辐射效应，促进各城市之间跨区域合作，实现科技创新资源开放共享，并制定差异化的相关政策促进技术转移空间收敛，以此实现空间均衡。

参考文献：

[1]孙志燕，侯永志.对我国区域不平衡发展的多视角观察和政策应对[J].管理世界，2019，35（8）：1-8.

[2]李兰冰，刘秉镰.“十四五”时期中国区域经济发展的重大问题展望[J].管理世界，2020，36（5）：36-51.

[3]柳卸林，杨博旭，肖楠.我国区域创新能力变化的新特征、新趋势[J].中国科学院院刊，2021，36（1）：54-63.

[4]蔡跃洲.科技成果转化的内涵边界与统计测度[J].科学学研究，2015，33（1）：37-44.

[5]BOZEMAN B. Technology transfer and public policy：a review of research and theory[J].Research Policy，2000，29（4-5）：627-655.

[6]刘承良，桂钦昌，段德忠，等.全球科研论文合作网络的结构异质性及其邻近性机理[J].地理学报，2017，72（4）：737-752.

[7]TEECE D J.Technology transfer by multinational firms：the resource cost of transferring technological know-how[J]. The Economic Journal，1977，87（346）：242.

[8]杨武，王玲.技术创新溢出的乘数效应与加速效应研究[J].科学学研究，2005，23（3）：425-427.

[9]张翼鸥，谷人旭，马双.中国城市间技术转移的空间特征与邻近性机理[J].地理科学进展，2019，38（3）：370-382.

[10]栾心晨，朱晟君，毛熙彦.多尺度视角下技术转移网络对城市创新能力的影响[J].地理科学，2023，43（1）：11-19.

[11]JAFFE A B，TRAJTENBERG M，FOGARTY M S. Knowledge spillovers and patent citations：evidence from a survey of inventors[J].The American Economic Review，2000，90（2）：215-218.

[12]吕拉昌，黄茹，廖倩.创新地理学研究的几个理论问题[J].地理科学，2016，36（5）：653-661.

[13]杨明海，张红霞，孙亚男，等.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究，2018，35（4）：3-19.

[14]段德忠，杜德斌，谌颖，等.中国城市创新技术转移格局与影响因素[J].地理学报，2018，73（4）：738-754.

[15]段德忠，杨凡，胡璇.中国城市技术转移的空间溢出效应与经济增长[J].科研管理，2020，41（6）：90-97.

[16]谢祥，高新宇，李志鹏，等.区域间专利转让的网络结构研究[J].科技管理研究，2019，39（7）：170-176.

[17]刘耀彬，孙敏.中国城市技术转移网络空间格局分析：基于企业控股与专利转移的视角[J].地理科学，2022，42（10）：1695-1705.

[18]黄永春，钱昕怡，严翔，等.长三角绿色技术转移空间关联网络演化及驱动因素研究[J].科技进步与对策，2022，39（21）：45-55.

[19]杨龙志，刘霞.区域间技术转移存在“马太效应”吗？省际技术转移的驱动机制研究[J].科学学研究，2014，32（12）：1820-1827，1858.

[20]柳坤，刘毅.创新型城市内部技术转移网络空间特征与影响因素：以广州市为例[J].地理研究，2023，42（9）：2324-2342.

[21]张贵，刘思思，吕晓静.省际技术转移的时空分异特征与邻近效应研究：中国31个省份空间互动分析[J].科技管理研究，2022，42（21）：74-83.

[22]陈钰芬，王科平，喻成.中国省际技术转移：空间关联与内生演化机制[J].科学学研究，2023，41（1）：38-50.

[23]王秋玉，曾刚，杨文龙，等.长江经济带技术转移网络结构及影响机制探究[J].长江流域资源与环境，2022，31（1）：1-12.

[24]姜玲，张浩文.跨区域技术转移对西部地区技术进步的作用研究[J].工业技术经济，2018，37（4）：78-84.

[25]汤萱.技术引进影响自主创新的机理及实证研究：基于中国制造业面板数据的实证检验[J].中国软科学，2016（5）：119-132.

[26]史丹，叶云岭，于海潮.双循环视角下技术转移对产业升级的影响研究[J].数量经济技术经济研究，2023，40（6）：5-26.

[27]白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长[J].经济研究，2017，52（7）：109-123.

[28]刘大勇，孟悄然，段文斌.科技成果转化对经济新动能培育的影响机制：基于230个城市专利转化的观测与实证分析[J].管理科学学报，2021，24（7）：49-65.

[29]DAGUM C.A new approach to the decomposition of the Gini income inequality ratio[J].Empirical Economics，1997，22（4）：515-531.

[30]聂长飞，简新华.中国高质量发展的测度及省际现状的分析比较[J].数量经济技术经济研究，2020，37（2）：26-47.

[31]佟孟华，褚翠翠，李洋.中国经济高质量发展的分布动态、地区差异与收敛性研究[J].数量经济技术经济研究，2022，39（6）：3-22.

Analysis of Evolutionary Characteristics，Regional Differences and Spatial Convergence of Technology Transfer in China

CUI Jingjing，SHI Xinyu

（School of Economics and Management，Inner Mongolia University of Technology，Hohhot 010051，China）

Abstract：Technology transfer is an important means to promote coordinated regional development and efficient allocation of innovation resources.This paper utilizes patent transfer data among Chinese cities，applies kernel density estimation，global spatial autocorrelation and Dagum’s Gini coefficient method to reveal the dynamic evolution law of the distribution of technology transfer in China with regional differences and sources，and applies convergence analysis to test its spatial convergence mechanism in sub-regions.The study finds that：①the overall patent transfer in Chinese cities shows a gradual upward trend，and gradually changes from utility model patents to invention patents mainly，and the BeijingTianjin-Hebei，Yangtze River Delta and Pearl River Delta regions show a higher level of technology transfer；②the overall differences in the technology transfer between cities are mainly due to the inter-regional differences，and the results of the sub-region indicate that the inter-regional differences between the western region and the eastern and western parts of China are the largest；③the overall and the three major regions show the dynamic evolution of the distribution of technology transfer and the sources of regional differences.The overall and three major regions’ technology transfer showsσconvergence characteristics and spatio-temporalβconvergence characteristics，the convergence rate of the central region is higher than that of the overall convergence rate，and the differences in the technology transfer of each region gradually decrease with the passage of time.This paper provides support for deepening the knowledge of the spatial development pattern of technology transfer，and provides new ideas for narrowing the technological innovation gap between regions.

Keywords：technology transfer；distribution dynamics；regional differences；convergence analysis