知識空間分異對企業(yè)創(chuàng)新的影響
——基于知識強(qiáng)度的調(diào)節(jié)作用

馬有才，張榮芳，劉 柱

（山東科技大學(xué)經(jīng)濟(jì)管理學(xué)院，山東青島 266590）

一、引言

知識經(jīng)濟(jì)時代，知識在區(qū)域發(fā)展中起著舉足輕重的作用。然而，我國的知識分布呈現(xiàn)出非均衡態(tài)勢。以2016 年為例，在我國的省級行政單位中，以R&D 研發(fā)經(jīng)費(fèi)內(nèi)部支出測度的知識存量最高省份為最低省份的669 倍；以專利授權(quán)量測度的知識存量最高省份為最低省份的1 076 倍；以發(fā)明專利授權(quán)量測度的知識存量最高省份為最低省份的663倍。巨大的知識空間分異造就了擁有豐富知識資源的“知識核心區(qū)域”與知識資源相對匱乏的“知識邊緣區(qū)域”。

知識的空間分布不均，造就了各區(qū)域不同的知識動態(tài)，影響著企業(yè)創(chuàng)新[1]：在知識供給與知識溢出方面，“知識核心區(qū)域”要顯著優(yōu)于“知識邊緣區(qū)域”。那么一個值得探究的問題是，知識的空間分異對企業(yè)創(chuàng)新造成怎樣的影響：如果位于“知識核心區(qū)域”的企業(yè)擁有更好的創(chuàng)新表現(xiàn)，那么“知識邊緣區(qū)域”企業(yè)依靠什么來實(shí)現(xiàn)創(chuàng)新的“逆襲”；如果“知識核心區(qū)域”并沒有給企業(yè)帶來更好的創(chuàng)新表現(xiàn)，那么其背后的原因又是什么？

本文對知識空間分異對企業(yè)創(chuàng)新的影響展開探討。首先，在利用永續(xù)盤存法對知識存量測度的基礎(chǔ)上，對知識空間分異特征進(jìn)行了論述；其次，從知識溢出非對稱性視角出發(fā)，探討了企業(yè)知識強(qiáng)度這一異質(zhì)性因素對區(qū)域知識存量與企業(yè)創(chuàng)新關(guān)系的調(diào)節(jié)機(jī)理，并使用2005—2017 年我國制造業(yè)上市公司數(shù)據(jù)進(jìn)行了實(shí)證；最后，針對實(shí)證分析結(jié)果，對如何更好地促進(jìn)企業(yè)創(chuàng)新提出建議。

二、知識空間分異特征

（一）區(qū)域知識存量的測度

本文使用永續(xù)盤存法對狹義上的知識存量——即區(qū)域在以往研究開發(fā)所產(chǎn)生的知識積累，也稱為技術(shù)知識存量或R&D 知識存量進(jìn)行測度。其合理性在于：第一，知識的推陳出新使得通過永續(xù)盤存法對知識存量進(jìn)行估算成為可能；第二，廣義而言，任何觀察及觀察基礎(chǔ)上的思索都可以認(rèn)為是知識的生產(chǎn)活動，這種復(fù)雜性使得很難對廣義上的知識進(jìn)行測度，因而對技術(shù)知識存量的測度更具有操作性；第三，技術(shù)知識存量能夠在一定程度上反映區(qū)域知識水平[2-3]。具體方法如下：

其中，KSi，t表示i 區(qū)域t 年的技術(shù)知識存量，δ為知識折舊率，Ni，t為i 區(qū)域t 年知識的增加量。根據(jù)Goto 和Suzuki 的觀點(diǎn)，基年知識存量KSi，t為：

其中，gi為i 區(qū)域新知識年增長率的算術(shù)平均。

在測度區(qū)域知識存量時，需要先明確技術(shù)知識的衡量標(biāo)準(zhǔn)、區(qū)域?qū)哟?、基期與知識折舊率。借鑒已有研究，分別以專利數(shù)量、R&D 經(jīng)費(fèi)支出作為技術(shù)知識的衡量標(biāo)準(zhǔn)；以省為分析單元探究知識分異特征；設(shè)定2000 年作為基期；知識折舊率參照蔡虹、張永林課題組的做法，設(shè)定為0.071 4。

KS 為區(qū)域知識存量的絕對值，為了更好地進(jìn)行地區(qū)間知識存量差異的比較，構(gòu)造區(qū)域知識存量的相對值：

（二）知識分布的空間特征

在測度省際知識存量的基礎(chǔ)上，采用ArcGIS 技術(shù)對其分布進(jìn)行描繪。圖1 展示了2016 年各城市的知識存量分布。

圖1 2016 年各城市知識存量分布

通過圖1，可以得出以下結(jié)論：第一，整體上呈現(xiàn)出東部沿海地區(qū)技術(shù)知識存量大于中部大于西部的分布態(tài)勢；第二，極化特征顯著，一些城市的技術(shù)知識存量按照發(fā)明專利測度超過了10%，按照總專利測度也超過了5%；第三，省份內(nèi)部呈現(xiàn)出非均衡分布態(tài)勢，一省內(nèi)往往呈現(xiàn)出個別城市技術(shù)知識存量大，而其余城市少的分布；第四，省會城市與技術(shù)知識存量的分布存在著較高的重疊，表現(xiàn)為一省的省會往往是技術(shù)知識存量較大的城市。

三、知識存量、知識溢出與企業(yè)創(chuàng)新

（一）知識存量與知識溢出

“知識溢出”是指區(qū)域內(nèi)企業(yè)由于存在某種社會關(guān)系而更易獲得創(chuàng)新信息的一種經(jīng)濟(jì)外部性現(xiàn)象[4]。相較于“知識邊緣區(qū)域”，“知識核心區(qū)域”在溢出數(shù)量、溢出渠道與溢出質(zhì)量方面均有著其優(yōu)勢，原因如下：第一，從知識溢出的數(shù)量而言，“知識核心區(qū)域”有著更為豐富的創(chuàng)新信息，區(qū)域在以往的研發(fā)過程中積累的知識為知識溢出奠定了堅(jiān)實(shí)的基礎(chǔ)。已有研究多從知識存量出發(fā)對區(qū)域間的知識溢出進(jìn)行測度[5-6]，在一定程度上說明學(xué)者對這一觀點(diǎn)的認(rèn)可。第二，“知識核心區(qū)域”提供了更多的溢出渠道。知識存量的豐富不僅帶來了更多的知識交流的機(jī)會[7]，并且更容易形成知識交換市場，這種交流與交換促進(jìn)了創(chuàng)新主體間的知識溢出。第三，從知識溢出的質(zhì)量而言，由于跨國企業(yè)往往選擇“知識核心區(qū)域”作為其研發(fā)中心，因而“知識核心區(qū)域”的知識質(zhì)量相對較高。在實(shí)證方面，曾經(jīng)成功進(jìn)行創(chuàng)新地區(qū)孵化出的企業(yè)更容易創(chuàng)新成功，以及同一地區(qū)內(nèi)的專利更容易存在相互引用現(xiàn)象都表明知識溢出更容易發(fā)生于知識存量豐富的地區(qū)。

（二）知識溢出與企業(yè)創(chuàng)新

從區(qū)域創(chuàng)新的視角來看，一個地區(qū)的知識溢出效應(yīng)越顯著，則區(qū)域內(nèi)企業(yè)的創(chuàng)新能力也就越強(qiáng)，具體原因如下：

（1）區(qū)域在以往的研發(fā)過程中積累的知識為創(chuàng)新的開展奠定了堅(jiān)實(shí)的知識基礎(chǔ)。Feldman 研究表明，曾經(jīng)成功進(jìn)行創(chuàng)新地區(qū)孵化出的企業(yè)更容易創(chuàng)新成功；（2）由于隱性知識難以突破地理距離的限制[8]，積累的隱性知識更能夠影響該地區(qū)的創(chuàng)新；（3）知識溢出豐富的地區(qū)內(nèi)部存在著更多的知識溝通交流的機(jī)會[7-9]，這種交流為區(qū)域內(nèi)各創(chuàng)新主體間的進(jìn)一步知識溢出提供了契機(jī)；（4）研發(fā)活動積累下來的知識溢出會形成集聚效應(yīng)，從而吸引更多的資金和人才參與到創(chuàng)新活動中，由于R&D 活動的開展對勞動力的素質(zhì)提出了要求，因此創(chuàng)新活動更可能集聚發(fā)展[10]；（5）知識溢出的集聚區(qū)更容易形成知識交換的市場，從而能夠更好地實(shí)施創(chuàng)新。

綜合以上論述，提出本文的假設(shè)1：

H1：在其他條件不變的情況下，區(qū)域的技術(shù)知識存量與該區(qū)域內(nèi)企業(yè)的創(chuàng)新能力呈正向關(guān)系：區(qū)域技術(shù)知識存量越多，則該地區(qū)企業(yè)的創(chuàng)新能力越高；區(qū)域技術(shù)知識存量越少，則該地區(qū)企業(yè)的創(chuàng)新能力越低。

（三）知識溢出的非對稱性

從區(qū)域?qū)用娑?，知識存量的豐富帶來了知識溢出效應(yīng)。然而知識溢出的非對稱性特征決定了知識溢出對不同知識強(qiáng)度的企業(yè)的影響存在差異：知識強(qiáng)度高的企業(yè)在擁有較高吸收能力，更好地利用其他企業(yè)知識溢出的同時，也面臨著內(nèi)部知識向其他企業(yè)“反向溢出”的風(fēng)險(xiǎn)；而知識強(qiáng)度低的企業(yè)雖不能夠充分利用其他企業(yè)的知識溢出，卻不必?fù)?dān)心向其他企業(yè)的“反向溢出”。圍繞著知識溢出的“非對稱性特征”，學(xué)者對于知識溢出對企業(yè)創(chuàng)新的影響產(chǎn)生了兩種觀點(diǎn)：“互補(bǔ)論”及“均衡論”?！盎パa(bǔ)論”的支持者認(rèn)為，知識溢出更有利于知識強(qiáng)度高的企業(yè)[5]；“均衡論”的支持者則認(rèn)為，雖然知識強(qiáng)度高的企業(yè)能夠更有效地吸收本地其他企業(yè)的知識溢出，但是，其同時也是知識溢出的源頭[11-12]。

按照知識溢出與企業(yè)知識強(qiáng)度互補(bǔ)的觀點(diǎn)，提出本文的假設(shè)2：

H2：在其他條件不變的情況下，企業(yè)知識強(qiáng)度對區(qū)域技術(shù)知識存量與企業(yè)創(chuàng)新的關(guān)系產(chǎn)生正向調(diào)節(jié)作用：相較于知識強(qiáng)度低的企業(yè)，知識強(qiáng)度高的企業(yè)更能夠從技術(shù)知識存量豐富區(qū)域獲益。

按照知識溢出與企業(yè)知識強(qiáng)度均衡的觀點(diǎn)，提出本文的假設(shè)3：

四、研究設(shè)計(jì)

（一）樣本選擇

由于使用專利衡量企業(yè)創(chuàng)新產(chǎn)出，而專利主要來自于制造業(yè)[13]，因此選擇A 股2005—2017 年所有制造業(yè)上市公司作為研究對象。參照已有研究的做法，剔除以下樣本：（1）專利數(shù)據(jù)缺失樣本；（2）關(guān)鍵變量缺失的樣本；（3）ST 類企業(yè)。所有連續(xù)變量進(jìn)行了上下1%分位的縮尾處理。經(jīng)過以上處理，最終得到11 481 個樣本。

（二）變量選取與說明

1.關(guān)鍵變量選取。企業(yè)創(chuàng)新產(chǎn)出：采用專利授權(quán)數(shù)衡量企業(yè)創(chuàng)新產(chǎn)出。其中，2010 年及之前的上市公司專利授權(quán)數(shù)據(jù)源自于CPDP 項(xiàng)目，2010 年之后的數(shù)據(jù)參照He 等（2018）[14]與蔡衛(wèi)星等（2019）[13]的做法，利用國家知識產(chǎn)權(quán)局專利檢索及分析系統(tǒng)進(jìn)行獲取。

區(qū)域知識存量：對地級市的專利授權(quán)量采用永續(xù)盤存法測度地級市知識存量，方法見公式（1）～公式（3）。需要進(jìn)行說明的是，由于各地級市的研發(fā)支出數(shù)據(jù)存在口徑不一的情況：一些城市報(bào)告了研發(fā)經(jīng)費(fèi)支出，而一些城市僅報(bào)告了研發(fā)經(jīng)費(fèi)內(nèi)部支出，還有一些城市僅匯報(bào)了規(guī)模以上企業(yè)的研發(fā)支出，因此并沒有采用研發(fā)支出數(shù)據(jù)測度地級市的知識存量。各地級市的專利數(shù)據(jù)源于國家知識產(chǎn)權(quán)局專利檢索系統(tǒng)，檢索方式參考馬靜等（2017）[1]。

企業(yè)知識強(qiáng)度：借鑒龍小寧等（2018）[15]的做法，以企業(yè)的“知識資本”，即企業(yè)截止每年末有效存續(xù)的專利數(shù)量與企業(yè)規(guī)模之比來測度企業(yè)的知識強(qiáng)度——即以單位資產(chǎn)的知識資本衡量企業(yè)的知識強(qiáng)度。

2.模型設(shè)定。不同于實(shí)用新型專利與外觀設(shè)計(jì)專利，發(fā)明專利體現(xiàn)的更多是關(guān)鍵技術(shù)成果，黎文靖和鄭曼妮（2016）[16]認(rèn)為，企業(yè)的發(fā)明專利能夠衡量企業(yè)的實(shí)質(zhì)性創(chuàng)新。因此，為了更全面地考察區(qū)域知識存量、企業(yè)知識強(qiáng)度對企業(yè)創(chuàng)新的影響，將企業(yè)創(chuàng)新劃分為以專利授權(quán)總量衡量的企業(yè)整體創(chuàng)新與以發(fā)明專利授權(quán)衡量的企業(yè)實(shí)質(zhì)性創(chuàng)新；將區(qū)域知識存量劃分為總體知識存量與發(fā)明知識存量。

考慮到區(qū)域知識存量、企業(yè)知識強(qiáng)度對企業(yè)創(chuàng)新的影響，建立如下形式的線性回歸模型：

在回歸方程中，Innovationi，t表示t 時期企業(yè)i 的創(chuàng)新產(chǎn)出，分別使用企業(yè)的專利授權(quán)總量與發(fā)明專利授權(quán)量衡量，RKSi，t表示企業(yè)所在城市的知識存量，分別使用總體知識存量與發(fā)明知識存量衡量，KFi，t表示企業(yè)的知識強(qiáng)度。Xi和δ 分別是K*1 維控制變量向量和系數(shù)向量。

3.控制變量選取。知識擴(kuò)散已成為促進(jìn)地區(qū)創(chuàng)新發(fā)展的潛在技術(shù)機(jī)會窗口之一[17]，企業(yè)創(chuàng)新不僅受到本地知識溢出的影響，還受到非本地知識溢出的影響，因此以其他城市對企業(yè)所在城市的知識溢出量作為衡量企業(yè)受到的非本地知識溢出的影響。

其中，KRi，t表示i 所在城市t 時期接收的其他地區(qū)的知識溢出量，為溢出知識存量的絕對值，KSj，t表示j 地區(qū)t 時期的知識存量，以專利總量衡量的區(qū)域總體知識存量衡量，dij表示i，j 兩地的地理距離，λ 為地理距離的調(diào)節(jié)系數(shù)，RKRi，t表示地區(qū)接收的其他地區(qū)的知識溢出量占該時期全國知識地區(qū)間知識溢出總量的比例，為區(qū)域接受的知識溢出量的相對值。在λ 的取值方面，參考Grillitsch 和Nilsson（2015）[18]的研究，將其設(shè)定為0.017。

目前，該軟件的最新版本為2016年2月18日發(fā)布的 ERICA Assessment Tool 1.2，可以在網(wǎng)絡(luò)上免費(fèi)下載使用。

上市公司不僅在其注冊地開展業(yè)務(wù)，還存在異地經(jīng)營的現(xiàn)象。曹春方等（2015）[19]研究表明，中國地方制造業(yè)上市公司有42.15%的子公司為外省的異地子公司。企業(yè)的異地經(jīng)營使得企業(yè)接觸到更廣闊的市場以及更為多樣的知識，從而影響到企業(yè)創(chuàng)新。因此，本文控制了企業(yè)異地經(jīng)營這一變量，如果上市公司存在異地子公司，該變量取值為1，否則取值為0。

企業(yè)集團(tuán)內(nèi)部的知識市場影響著企業(yè)的創(chuàng)新產(chǎn)出。本文參照已有研究[13]設(shè)置企業(yè)集團(tuán)的虛擬變量：當(dāng)兩家或兩家以上上市公司在同一年度具有相同的最終控制人時，就認(rèn)定這些上市公司從屬于企業(yè)集團(tuán)，取值為1，否則取值為0。

此外，本文還控制了企業(yè)規(guī)模、資產(chǎn)負(fù)債率、企業(yè)年齡、企業(yè)性質(zhì)、經(jīng)營現(xiàn)金流比率、資本密集度以及城市的人均國內(nèi)生產(chǎn)總值及外商直接投資等一系列變量（見表1）。

五、實(shí)證分析

（一）基準(zhǔn)回歸

由于采用專利授權(quán)量衡量企業(yè)創(chuàng)新，因此本文更適合采用計(jì)數(shù)模型進(jìn)行回歸。由于泊松回歸需要滿足”均等分散“假定，而本文的數(shù)據(jù)更接近于負(fù)二項(xiàng)分布，因此選擇負(fù)二項(xiàng)回歸作為基準(zhǔn)回歸方式。

在基準(zhǔn)回歸中，首先采用區(qū)域知識存量對企業(yè)創(chuàng)新進(jìn)行單獨(dú)回歸，以驗(yàn)證其對企業(yè)創(chuàng)新的影響；然后加入企業(yè)知識強(qiáng)度以及區(qū)域知識存量與企業(yè)知識強(qiáng)度的交互項(xiàng)，來驗(yàn)證企業(yè)知識強(qiáng)度在區(qū)域知識存量與企業(yè)創(chuàng)新中的調(diào)節(jié)作用；最后進(jìn)一步控制企業(yè)層面、區(qū)域?qū)用娴目刂谱兞考澳攴荨⑿袠I(yè)、城市等效應(yīng)，從而降低遺漏變量的可能性。此外，將企業(yè)的創(chuàng)新表現(xiàn)劃分為整體創(chuàng)新與實(shí)質(zhì)性創(chuàng)新，將區(qū)域知識存量劃分為總體知識存量與發(fā)明知識存量?；貧w結(jié)果如表2 所示。

表1 變量定義及描述性統(tǒng)計(jì)

從表2 可以看出，各控制變量的符號均符合預(yù)期，在分別使用區(qū)域總體知識存量還是發(fā)明知識存量對企業(yè)創(chuàng)新單獨(dú)回歸時，無論被解釋變量為整體創(chuàng)新還是實(shí)質(zhì)性創(chuàng)新，區(qū)域知識存量都在1%水平上顯著促進(jìn)企業(yè)創(chuàng)新（模型（1）、模型（4））。在考慮了企業(yè)知識強(qiáng)度及其與區(qū)域知識存量的交互項(xiàng)之后，可以發(fā)現(xiàn)，交互項(xiàng)回歸系數(shù)顯著為負(fù)（模型（2）、模型（5）），說明企業(yè)知識強(qiáng)度對區(qū)域知識存量與企業(yè)創(chuàng)新的關(guān)系有著負(fù)向調(diào)節(jié)作用：知識存量豐富的地區(qū)有利于知識強(qiáng)度低的企業(yè)提升創(chuàng)新產(chǎn)出，而不利于知識強(qiáng)度高的企業(yè)創(chuàng)新產(chǎn)出的提升。在進(jìn)一步控制了企業(yè)層面、城市層面控制變量以及年份、行業(yè)、城市虛擬變量后，各主要變量的回歸系數(shù)及其顯著性并沒有發(fā)生太大的變化（模型（3）、模型（6））。模型（7）、模型（8）進(jìn)一步探究了區(qū)域發(fā)明知識存量對企業(yè)總體創(chuàng)新的影響以及總體知識存量對企業(yè)實(shí)質(zhì)性創(chuàng)新的影響，結(jié)果仍然顯著。

表2 基準(zhǔn)回歸結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.更改回歸方式。為檢驗(yàn)回歸結(jié)果對回歸方法的穩(wěn)健性，參考已有研究[20]，將被解釋變量加1 后取對數(shù)作為新的被解釋變量，采用混合回歸與面板數(shù)據(jù)固定效應(yīng)模型分別回歸。從回歸結(jié)果可以看出，無論是使用混合回歸還是固定效應(yīng)模型進(jìn)行回歸，主要解釋變量在符號與顯著性方面仍然符合預(yù)期，因此可以認(rèn)為研究結(jié)論不受回歸方式的影響。

2.納入滯后項(xiàng)?？紤]到區(qū)域知識存量對企業(yè)創(chuàng)新的影響可能存在滯后性，因此將主要解釋變量滯后一期進(jìn)行穩(wěn)健性檢驗(yàn)?；貧w結(jié)果表示，無論是使用滯后項(xiàng)還是加入研發(fā)投入，以上結(jié)論仍然穩(wěn)健，此外，研發(fā)投入顯著地影響了企業(yè)的創(chuàng)新表現(xiàn)。

3.子樣本回歸。為了確保結(jié)論的穩(wěn)健性不存在樣本偏差，使用子樣本進(jìn)行回歸：（1）按照企業(yè)產(chǎn)權(quán)性質(zhì)劃分為國有企業(yè)與非國有企業(yè)進(jìn)行回歸，其中國有企業(yè)與非國有企業(yè)的劃分按照股權(quán)控制鏈計(jì)算所得；（2）按照行業(yè)性質(zhì)劃分為高科技企業(yè)與非高科技企業(yè)進(jìn)行回歸，參照李詩等、黎文靖和鄭曼妮（2016）[16]的分類，將通用設(shè)備制造業(yè)，專用設(shè)備制造業(yè)，交通運(yùn)輸設(shè)備制造業(yè)，電器機(jī)械及器材制造業(yè)，計(jì)算機(jī)、通信及其它電子設(shè)備制造業(yè)，儀器儀表制造業(yè)，文化辦公用機(jī)械制造業(yè)、有色金屬冶煉和壓延加工業(yè)、金屬制品業(yè)化為高科技行業(yè)，其它行業(yè)為非高科技行業(yè)。從分組回歸的結(jié)果來看，雖然個別組的顯著性水平與基準(zhǔn)回歸存在著差異，但是各變量符號均符合預(yù)期，以上結(jié)論仍然成立。

4.更改變量衡量方式。由于各個城市的轄區(qū)面積、人口的不同可能造成擁有更大轄區(qū)面積與更多人口的城市有著更好的知識存量，因此分別使用單位面積知識存量（絕對知識存量/城市面積）與人均知識存量（絕對知識存量/總?cè)丝冢┖饬繀^(qū)域的知識存量；此外，由于2007 年新會計(jì)準(zhǔn)則要求原無形資產(chǎn)分別在“無形資產(chǎn)”、“商譽(yù)”和“投資性房地產(chǎn)”中核算，因此新會計(jì)準(zhǔn)則下的無形資產(chǎn)主要由專利權(quán)和非專利技術(shù)構(gòu)成[21]，故選擇2008 年及之后企業(yè)的無形資產(chǎn)與期末總資產(chǎn)比重衡量企業(yè)的知識強(qiáng)度。從回歸結(jié)果可以看出，雖然個別回歸結(jié)果在系數(shù)的符號及顯著性方面有著一定的差異，但整體而言，主要結(jié)論是穩(wěn)健的。

（三）內(nèi)生性問題的探討

基準(zhǔn)回歸可能存在內(nèi)生性偏誤：第一，盡管通常認(rèn)為單個企業(yè)很難影響到城市層面的變量，由于知識溢出效應(yīng)的存在、標(biāo)桿企業(yè)的進(jìn)入也能吸引更多企業(yè)進(jìn)入相應(yīng)城市，從而以集聚的形式影響到城市的知識存量，這種反向因果會高估城市知識存量對企業(yè)創(chuàng)新的影響；第二，城市的知識存量與企業(yè)創(chuàng)新可能同時受到某一因素的影響，從而導(dǎo)致二者較高的相關(guān)性；第三，可能遺漏了一些與解釋變量相關(guān)的其他變量，導(dǎo)致擾動項(xiàng)與解釋變量相關(guān)。

現(xiàn)有文獻(xiàn)多采用準(zhǔn)自然試驗(yàn)的方法來解決上述內(nèi)生性問題[22-23]。由于企業(yè)的選址通常不是隨機(jī)的，很難找到外生沖擊事件，因此采用工具變量法解決上述內(nèi)生性偏誤[24]。選擇中國1919 年各地基督教教會初級小學(xué)注冊學(xué)生數(shù)占總?cè)丝诘谋壤鳛閰^(qū)域知識存量的工具變量，原因在于：第一，近代科學(xué)和科學(xué)革命誕生在歐洲，中國近代的科學(xué)啟蒙很大程度上依賴于西方，這在技術(shù)知識方面體現(xiàn)的更為明顯；第二，區(qū)別于傳統(tǒng)的學(xué)校，基督教教會小學(xué)在課程設(shè)置方面加入了諸如算術(shù)、圖畫、手工以及自然科學(xué)的啟蒙教育，為各地現(xiàn)代知識體系的建立奠定了基礎(chǔ)；第三，知識的累積性特征使得過去形成的知識體系影響著當(dāng)前的技術(shù)知識存量；與此同時，作為歷史變量，其并不直接影響當(dāng)前企業(yè)的創(chuàng)新，并且也不會通過宗教等因素影響企業(yè)的創(chuàng)新。在數(shù)據(jù)方面，由于地級市行政區(qū)劃變動頻繁，因此使用縣級的行政區(qū)劃進(jìn)行匹配，并在地級市層面進(jìn)行加總；在數(shù)據(jù)來源方面，1919 年的縣區(qū)數(shù)據(jù)及基督教教會初級小學(xué)注冊學(xué)生數(shù)來自于《1901—1920年中國基督教調(diào)查資料》。

表3 工具變量法估計(jì)結(jié)果

利用1919 年基督教教會初級小學(xué)注冊學(xué)生占比作為工具變量對區(qū)域知識存量、企業(yè)知識強(qiáng)度與企業(yè)創(chuàng)新進(jìn)行工具變量回歸發(fā)現(xiàn)，三者之間的關(guān)系依然穩(wěn)健：區(qū)域知識存量對企業(yè)創(chuàng)新的影響受到企業(yè)知識強(qiáng)度的調(diào)節(jié)，知識強(qiáng)度高的企業(yè)能夠從知識存量豐富的地區(qū)提升創(chuàng)新表現(xiàn)，而知識強(qiáng)度低的企業(yè)創(chuàng)新表現(xiàn)則可能在知識存量豐富的地區(qū)得到抑制。

六、結(jié)論與建議

如何促進(jìn)企業(yè)創(chuàng)新，推動發(fā)展方式轉(zhuǎn)變是我國當(dāng)前面臨的重大問題之一。本研究從我國知識空間分異這一現(xiàn)象出發(fā)，探討了知識空間分異的時空特征及其對企業(yè)創(chuàng)新的影響。研究表明：（1）在技術(shù)知識存量與企業(yè)創(chuàng)新關(guān)系方面，基準(zhǔn)回歸結(jié)果驗(yàn)證了在不考慮其他因素的條件下，區(qū)域的技術(shù)知識存量越豐富，企業(yè)的創(chuàng)新表現(xiàn)越好。（2）在考慮知識溢出非對稱性特征的基礎(chǔ)上，在回歸中加入企業(yè)知識強(qiáng)度這一調(diào)節(jié)變量，基準(zhǔn)回歸結(jié)果驗(yàn)證了知識溢出非對稱性的存在。（3）穩(wěn)健性檢驗(yàn)結(jié)果表明，在更改回歸方式、更改變量的測度方式、使用子樣本回歸以及納入滯后項(xiàng)等情況下，均保持了基本結(jié)論的不變；為解決可能存在的內(nèi)生性問題，本文使用歷史數(shù)據(jù)作為工具變量，工具變量回歸結(jié)果依然支持了本文的主要結(jié)論。

基于以上研究結(jié)論，為更為有效地推動企業(yè)創(chuàng)新與區(qū)域創(chuàng)新的協(xié)調(diào)發(fā)展，提出以下建議：第一，對于位于“知識核心區(qū)域”的知識強(qiáng)度低的企業(yè)而言，應(yīng)當(dāng)積極利用自身的區(qū)位優(yōu)勢開展創(chuàng)新活動，從而形成自身的競爭力；而對于“知識核心區(qū)域”的知識強(qiáng)度高的企業(yè)而言，可以借助于企業(yè)的異地經(jīng)營與集團(tuán)化等方式趨利避害，從而更好地開展創(chuàng)新。第二，對區(qū)域政策的制定者而言，由于處于“知識邊緣區(qū)域”的地區(qū)知識資源的局限性，其應(yīng)當(dāng)大力引入知識強(qiáng)度高的企業(yè)，以該類企業(yè)的創(chuàng)新促成發(fā)展方式的轉(zhuǎn)變；而處于“知識核心區(qū)域”的地區(qū)則應(yīng)當(dāng)充分利用其知識資源優(yōu)勢，鼓勵新創(chuàng)企業(yè)探索新的發(fā)展方向，從而實(shí)現(xiàn)發(fā)展方式的轉(zhuǎn)變。