《中国的知识复杂性与时空技术转移(2001-2020年)》
《TECHNOLOGY IN SOCIETY》:Knowledge Complexity and Intercity Technology Transfer in China, 2001-2020
【字体:
大
中
小
】
时间:2026年02月02日
来源:TECHNOLOGY IN SOCIETY 12.5
编辑推荐:
康孙|李英成
东南大学建筑学院,南京,中国
**摘要**
虽然区域创新能力在技术转移中起着至关重要的作用,但现有研究往往缺乏对创新能力的细致衡量,而主要关注技术转移的“数量”。本文利用知识复杂性的概念来探讨其对城市间技术转移的“数量”和“复杂性”的影响。基于来自中国
康孙|李英成
东南大学建筑学院,南京,中国
**摘要**
虽然区域创新能力在技术转移中起着至关重要的作用,但现有研究往往缺乏对创新能力的细致衡量,而主要关注技术转移的“数量”。本文利用知识复杂性的概念来探讨其对城市间技术转移的“数量”和“复杂性”的影响。基于来自中国国家知识产权局(CNIPA)的超过1000万项专利的数据集,我们计算了252个中国城市的知识复杂性指数(KCI)以及2001至2020年间622个四位数技术领域的技术复杂性指数(TCI),以捕捉技术转移的“复杂性”维度。实证结果表明,中国城市间的KCI分布日益两极分化,城市间技术转移的“数量”和“复杂性”网络存在显著差异。通过使用固定效应面板回归模型和工具变量方法,我们发现了城市间KCI差异与技术转移的“数量”和“复杂性”之间的稳健的倒U型因果关系。适度的城市间KCI差异能够促进技术转移,而较大的差异则会由于吸收能力的限制而阻碍技术转移。此外,这种倒U型关系在不同技术领域和城市之间存在差异,对于TCI较低或中等的技术以及创新能力较强的城市之间的技术转移尤为明显。这些发现有助于从知识复杂性的角度理解技术转移,并为制定中国的智能技术专业化战略提供政策见解。
**引言**
技术转移是指技术从所有者向其他实体传播的过程,是一种有意识的知识溢出形式(Bozeman, 2000; Maskus, 1998; Buenstorf & Geissler, 2012)。它通过多种渠道实现,如外国直接投资(FDI)(Goswami, 2013)、专利许可和合资企业(JVs)(Ferreira et al., 2020; Prud’homme et al., 2018)。通过促进技术的直接应用,技术转移有助于缩小地区间技术差距、促进知识交流并提高生产力(Eaton & Kortum, 1996; Lee et al., 2018; Ma et al., 2022)。认识到其重要性,世界各国政府越来越重视技术转移(Lavoie & Daim, 2020),这一点在中国尤为明显,因为科学技术的快速发展推动了城市间技术转移活动的激增,尤其是通过专利许可(Gui et al., 2019)。
早期的技术转移研究主要集中在大学(Jensen & Thursby, 2001)、研究机构(Siegel et al., 2003; Jefferson et al., 2017)和跨国企业(Belderbos et al., 2008; Kafouros & Wang, 2015)之间的知识流动。研究表明,专利因其可交易性和可转移性而被广泛用作技术创新的实证研究代理指标(Sun & Li, 2025; Li & Phelps, 2019)。例如,在微观层面,研究关注大学、研究机构和企业之间的专利转移,为希望增强技术转移的政策制定者提供了洞见(Caviggioli & Ughetto, 2013; Azagra-Caro et al., 2017; Temel et al., 2021)。在宏观层面,研究从空间和网络角度分析了技术转移的 spatial distribution 和影响因素,表明创新能力、资源禀赋和地理邻近性起着关键作用(Ma et al., 2022; Ma & Xu, 2023)。例如,技术转移通常发生在主要城市之间(Cai et al., 2023; Gui et al., 2019; Seo & Sonn, 2018),并且通常从创新能力较强的城市流向创新能力较弱的城市(Eicher & García-Penalosa, 2001)。
尽管有这些贡献,现有文献仍存在一些重要局限性。首先,大多数研究严重依赖定量指标(如专利数量)来衡量区域创新能力和技术转移规模(Ma & Xu, 2023; Feng et al., 2022)。然而,这种对“数量”的关注忽视了知识的“复杂性”维度,而知识复杂性是技术价值、组合结构和可转移性的基本决定因素(Balland & Rigby, 2017)。其次,该领域的一个主导假设是,城市间创新能力的较大差异会单调增加技术转移(Eicher & García-Pe?alosa, 2001)。然而,吸收能力和认知距离的理论(Cohen & Levinthal, 1990; Nooteboom, 2000)表明,过大的知识差距会产生认知障碍,从而阻碍学习,这意味着这种关系可能是非线性的。第三,尚不清楚城市间知识差异对不同技术领域或不同类型城市的影响是否有所差异(Qiao & Li, 2025; Antonelli et al., 2022)。因此,解决这些差距对于超越对知识流动的简化理解并制定更有效的区域创新政策至关重要。这对于中国追求协调的工业发展尤为重要,因为工业政策塑造了创新的空间组织,而基于市场的技转移同时也提供了关于知识如何在城市间实际传播的反馈(Li et al., 2025a)。在这种背景下,更细致地理解影响城市间技术转移的因素对于洞察中国工业升级的空间动态具有重要意义。
为此,本文研究了城市间知识复杂性的差异如何影响技术转移的“数量”和“复杂性”。我们构建了技术复杂性指数(TCI)的改进衡量标准,以反映技术中嵌入的知识复杂性,以及知识复杂性指数(KCI),以代表城市内知识组合的复杂性。我们的实证分析基于中国国家知识产权局(CNIPA)数据库中的1000多万项专利数据,涵盖了2001至2020年的252个中国城市。我们根据专利交易数据构建了城市间技术转移网络,并利用技术和城市的二元矩阵计算了KCI和TCI。研究发现,技术转移网络的“数量”和“复杂性”维度存在显著差异。固定效应面板回归证实了城市间KCI差异与技术转移的“数量”和复杂性之间的倒U型关系。这种非线性效应在TCI较低或中等的技术以及创新能力较强的城市之间的技术转移中尤为明显。为了加强因果推断,我们使用出口商和进口商相邻城市之间的平均KCI差异作为工具变量(IV),证实了城市间知识复杂性差距的因果效应。这些结果在多次检验中仍然稳健。
本研究对文献做出了三项主要贡献。首先,我们将知识复杂性这一定性维度引入了主要关注数量的城际技术转移分析中。通过区分转移技术的数量和复杂性,我们提供了一个更细致的分析框架,并表明高复杂性的知识流动遵循不同的空间模式。在将转移技术视为同质单位的研究中,这种定性区分常常被忽视(Gui et al., 2019; Liu & Yan, 2022)。其次,我们通过建立稳健的倒U型关系,深化了对知识复杂性差异和城际技术转移的理解,从而丰富了基于吸收能力和认知距离的线性技术差距理论(Glass & Saggi, 1998; Cohen & Levinthal, 1990; Nooteboom, 2000)。我们进一步证明,一旦城市间知识复杂性差异超过某个阈值,认知障碍就会超过学习激励,这意味着适度的差距对技术转移最为有利。第三,我们揭示了这种倒U型关系的异质性,表明其程度在不同技术领域和城市类型中存在显著差异。关键的是,我们将技术转移置于中国的工业政策背景下,通过考察不同城市的制度异质性来进行分析,以国家创新型城市试点计划为例进行说明。这些共同贡献提供了对城际技术转移的更细致的理解,并为制定技术进出口的智能策略提供了见解。
本文的其余部分组织如下:第2节回顾了技术转移的特点和决定因素,重点关注知识复杂性对技术转移的影响。第3节介绍了数据、测量方法和计量经济学模型。第4节报告了实证发现,第5节总结了政策意义和未来研究的方向。
**技术转移的特点和决定因素**
技术转移已在管理学、经济学和经济地理学中得到广泛研究。它被广泛认为是一种塑造区域创新和经济发展的关键机制,因为它有助于缩小技术差距、促进知识交流并提高生产力(Bozeman, 2000; Lee et al., 2018)。先前的研究表明,技术转移通过多种渠道实现,包括专利许可、外国直接投资(FDI)等。
**数据**
专利提供了关于申请人和受让人的地址、国际专利分类(IPC)代码以及申请、授权和转让时间线的详细信息,使其成为评估技术转移和衡量知识复杂性的理想指标。然而,必须认识到专利数据的局限性,例如某些类型的创新被排除在外以及专利价值的变化(Hoekman et al., 2009; Jaffe et al., 2000)。
**表1**显示了2001-2020年间排名前15个城市 的KCI变化情况(更多细节见附录中的图A3)。KCI值较高的城市主要是主要城市群中的一线城市和省会城市,因此反映了它们在全国创新格局中的关键作用。北京、深圳和上海作为中国的主要技术枢纽,在KCI排名中始终占据领先地位。
**结论与启示**
基于超过1000万项专利的数据,本研究探讨了中国城市间知识复杂性与技术转移之间的关系。从空间上看,我们的分析突出了两个关键趋势。首先,与美国(Balland et al., 2020; Hong et al., 2020)类似,中国城市在知识复杂性方面也出现了日益两极分化的趋势,主要城市中心在创新方面处于领先地位。这一趋势的特征是新复杂技术的出现。
**作者贡献声明**
李英成:撰写——审稿与编辑、验证、监督、资金筹集、概念化。
康孙:撰写——初稿、方法论、正式分析、数据整理
**致谢**
本研究得到了中国国家自然科学基金(52378045)、江苏省社会科学基金(24GLB004)、江苏省研究生研究与实践创新计划(3301002303D)以及东南大学博士生创新能力提升计划(CXJH_SEU 24026)的支持。