摘要:技術轉移是促進區(qū)域協(xié)調發(fā)展和創(chuàng)新資源高效配置的重要手段。利用中國城市間專利轉讓數(shù)據(jù),運用核密度估計、全局空間自相關與Dagum基尼系數(shù)法,揭示中國技術轉移的分布動態(tài)演進規(guī)律與區(qū)域差異和來源,并運用收斂分析分區(qū)域檢驗其空間收斂機制。研究發(fā)現(xiàn):①中國城市總體專利轉讓呈逐漸上升趨勢,并逐漸從以實用新型專利轉讓為主轉變?yōu)橐园l(fā)明專利轉讓為主,京津冀、長三角與珠三角地區(qū)呈現(xiàn)較高水平的技術轉移;②城市間技術轉移的總體差異主要來源于區(qū)域間差異,分地區(qū)結果表示西部地區(qū)的區(qū)域內與東西部之間的區(qū)域間差異最大;③總體及三大區(qū)域技術轉移呈σ收斂特征與時空β收斂特征,中部地區(qū)的收斂速度高于總體的收斂速度,各區(qū)域技術轉移差異隨著時間推移而逐漸縮小。本研究為加深對技術轉移的空間發(fā)展格局認知提供了支撐,為縮小區(qū)域間技術創(chuàng)新差距提供了新思路。
關鍵詞:技術轉移;分布動態(tài);區(qū)域差異;收斂性分析
中圖分類號:F124.3文獻標識碼:ADOI:10.3969/j.issn.1003-8256.2025.01.011
基金項目:國家自然科學基金青年項目(71804077);內蒙古自治區(qū)高等學校青年科技英才支持計劃資助(NJYT-20-B21)
黨的二十大報告和我國“十四五”規(guī)劃均指出,要堅持創(chuàng)新在我國現(xiàn)代化建設全局中的核心地位,加緊培育區(qū)域創(chuàng)新發(fā)展新動能。然而,由于各地區(qū)要素稟賦、地理條件和政策導向等方面的差異,我國區(qū)域創(chuàng)新能力的不平衡發(fā)展問題依然不容忽視[1-2],突出表現(xiàn)為不同地區(qū)之間創(chuàng)新要素的分布不均衡。推動創(chuàng)新要素在區(qū)域內的合理流動和集聚,建設高效的技術轉移通道,提高空間范圍內的創(chuàng)新資源配置效率[2],促進區(qū)域創(chuàng)新能力協(xié)調發(fā)展,是提升區(qū)域創(chuàng)新能力的重要內容[3]。專利技術的轉移轉化是創(chuàng)新要素區(qū)域流動的重要內容,根據(jù)國家知識產權局《2022年中國專利調查報告》,2022年我國發(fā)明專利轉讓率達到11.5%,實用新型專利轉讓率為3.7%。專利技術的轉移為企業(yè)進行技術儲備,實現(xiàn)產業(yè)化應用以及經(jīng)濟效益提供了重要支持。
維基百科認為技術轉移等同于技術的商業(yè)性轉化,指出技術轉移的目的在于開發(fā)出新的產品與服務[4]。企業(yè)利用技術轉移可以彌補自身技術的不足[5]以及進行集成創(chuàng)新[6],通過對互補技術的消化吸收與應用實現(xiàn)創(chuàng)新價值,提高自身核心競爭力[7],強化競爭優(yōu)勢。區(qū)域范圍內,專利技術通過行業(yè)間以技術許可、專利技術公開、公開出版物等渠道進行技術擴散[8],促使技術在更大的市場中進行應用開發(fā)。對于技術水平欠發(fā)達地區(qū)而言有利于實現(xiàn)技術進步,技術發(fā)達地區(qū)可與流入技術相結合實現(xiàn)優(yōu)勢互補[9],驅動城市創(chuàng)新能力邁入新階段[10-11],促進區(qū)域創(chuàng)新平衡發(fā)展。2017年《國家技術轉移體系建設方案》強調了通過建立技術轉移體系、設立國際技術轉移中心等促進區(qū)域間的技術轉移,以促進區(qū)域創(chuàng)新發(fā)展。
由于創(chuàng)新在經(jīng)濟活動中的重要作用,創(chuàng)新地理學應運而生,一些研究開始關注創(chuàng)新活動的空間演進與創(chuàng)新網(wǎng)絡的空間關聯(lián)特征等內容[12],以揭示科技創(chuàng)新的空間分布、明確區(qū)域差異來源與收斂機制[13]。在針對區(qū)域技術轉移的分析上,主要內容包括省市間技術轉移的空間分布、影響因素以及經(jīng)濟效應。從空間分布看,部分學者是使用全局自相關與局部自相關等方法描述技術轉移的空間特征[14-15],另有學者則基于復雜網(wǎng)絡分析法探討專利轉讓的空間關聯(lián)特征[9,16-18]。從影響技術轉移相關因素的研究看,一方面是來自本地區(qū)的影響,如產業(yè)產值比重與專利申請量[14];另一方面是來自鄰近地區(qū)的影響,如鄰近地區(qū)的技術轉移行為[19],以地理鄰近性[20-21]和社會鄰近性[22]為主的鄰近效應。另外,經(jīng)濟發(fā)展水平、金融發(fā)展水平、地理空間聯(lián)系程度與地區(qū)創(chuàng)新能力[23]有助于提高技術轉移的空間關聯(lián)性。從經(jīng)濟效應看,已有研究驗證了城市層面技術轉移存在空間相關性,并根據(jù)經(jīng)濟增長等理論與實證研究論述了技術轉移對科技創(chuàng)新[24-25]、產業(yè)升級[26]和經(jīng)濟增長[15,27-28]的驅動效應。
已有關于技術轉移的研究為本文提供了豐富的經(jīng)驗與理論依據(jù),但還可從以下方面進行改進:第一,已有研究以省份尺度為研究對象,城市層面技術轉移的空間分布等相關研究還很缺乏;第二,已有研究探討了技術轉移的空間相關與空間集聚特征,本文使用核密度估計描述技術轉移的長期演變和發(fā)展趨勢,對技術轉移的時空演化規(guī)律與演化機制進行總結;第三,本文使用Dagum基尼系數(shù)探究技術轉移的相對差異,避免了傳統(tǒng)Gini系數(shù)存在的樣本交叉重疊問題,明確了區(qū)域內與區(qū)域間差異的大小和來源,為緩解技術轉移的“馬太效應”提供了解決方向;第四,部分研究對技術轉移的空間分布進行描述,但缺乏針對時空分布收斂機制的探討。本文基于σ收斂和時空β收斂等方法,揭示全國以及區(qū)域范圍內城市技術轉移的時空分布收斂機制,對技術轉移空間收斂的研究作出補充。
1數(shù)據(jù)來源與研究方法
1.1數(shù)據(jù)來源
技術轉移數(shù)用專利轉讓數(shù)量表示,基于國家知識產權局專利檢索及分析數(shù)據(jù)庫與智慧芽PatSnap數(shù)據(jù)庫、大為innojoy專利搜索引擎系統(tǒng)對2005—2022年284個城市的專利轉讓信息進行追蹤觀測和匯總,計算每個城市擁有的發(fā)明專利中被轉化(完成技術轉讓)的數(shù)量。收斂分析中用到的控制變量則來源于《中國城市統(tǒng)計年鑒》。
1.2研究方法
1.2.1核密度估計法
核密度估計(Kernel Density Estimation)通過分布位置與形態(tài)、延展性和極化趨勢來反映技術轉移的動態(tài)演進特征。本文選取高斯核函數(shù)展示技術轉移的時序特征。
1.2.2全局空間自相關
1.2.3Dagum基尼系數(shù)
現(xiàn)有文獻用于分析地區(qū)差異的做法包括變異系數(shù)、基尼系數(shù)與泰爾指數(shù)等。相對其他測度方式而言,泰爾指數(shù)可將地區(qū)差異分解為組內、組間差異,而Dagum基尼系數(shù)在此基礎上既可將地區(qū)差異分解為組內、組間差異與超變密度,能夠反映各地區(qū)交叉重疊的現(xiàn)象,還可用于分析對樣本分組后子樣本內部與組間的差異[29]。因此本文使用Dagum基尼系數(shù)分析中國與分地區(qū)的技術轉移差異與來源。
1.2.4收斂模型
2技術轉移的總體特征
2.1技術轉移的空間分布特征
2005—2022年中國技術轉移的空間格局的分布動態(tài)如圖1所示。在樣本期間內,中國各城市技術轉移數(shù)持續(xù)提高,區(qū)域分布格局由總體較低演變?yōu)椤熬┙蚣健㈤L三角、珠三角以及川渝地區(qū)”顯著高于其它城市的狀態(tài)。2005年各城市的技術轉移數(shù)普遍偏低,技術轉移相對較高的地區(qū)均集中在直轄市與省會城市,是該時期的主要特征。2010年東部地區(qū)與中部地區(qū)城市技術轉移顯著增長,技術轉移空間分布差異性明顯,表現(xiàn)出明顯的對科技創(chuàng)新要素稟賦與經(jīng)濟發(fā)展水平的依賴性,形成了以北京、上海、長沙、廣州為引領核心,以區(qū)域中心城市為節(jié)點的空間格局。2015年長三角地區(qū)的技術轉移水平迅速增長,并逐步向周邊地區(qū)不斷延伸,省會城市的技術轉移增長趨勢也較為明顯。2020年東中部地區(qū)的省會城市、沿海省份的城市以及成都和重慶的技術轉移數(shù)量突破了2 000件,以省會城市為核心的技術轉移集聚分布特征更為顯著。2022年各城市技術轉移數(shù)量有所下降,但依舊保持著省會城市為集聚核心的技術轉移格局。
為了進一步探討各城市在樣本期間內技術轉移的主導類型,以發(fā)明專利轉讓數(shù)與實用新型專利轉讓數(shù)的比值作為評判標準,若二者的比值大于1則表明該城市在當前年份是以發(fā)明專利轉移為主導,小于1則表示以實用新型專利為主導。由于部分城市存在著當前年份只存在發(fā)明專利轉讓而實用新型專利轉讓數(shù)為0的情況,然而這類城市二者的數(shù)量相差不是很大,對于此類地區(qū)列為比值為[0,1]的區(qū)間內,具體的測算結果如圖2所示。2005年,除了少數(shù)省會城市的發(fā)明專利轉讓數(shù)超過了實用新型專利轉讓數(shù),大部分城市發(fā)明專利與實用新型專利的比值都小于1,這些城市鮮有發(fā)生技術轉移行為,因此在2005年的分布格局是省會城市以發(fā)明專利轉移主導,其余城市的技術轉移處于起步階段。2010年以發(fā)明專利為主導的省會城市數(shù)量明顯增多,省會城市的鄰近城市技術轉移水平明顯改善,非省會城市技術轉移更多表現(xiàn)為實用新型專利為主導。2015年除西北地區(qū)與東南沿海地區(qū),大量的非省會城市由實用新型專利主導轉向了發(fā)明專利主導,各城市的核心創(chuàng)新能力顯著提高。2020年在之前發(fā)展的基礎上長三角地區(qū)、珠三角地區(qū)、廣西壯族自治區(qū)以及川渝地區(qū)的發(fā)明專利轉讓數(shù)明顯超過了實用新型專利轉讓數(shù),以發(fā)明專利為主導的技術轉移格局基本形成。2022年雖然兩種專利轉讓數(shù)有所下降,但以發(fā)明專利主導的格局未發(fā)生明顯改變。
為了檢驗證明中國的技術轉移是否具有空間自相關性,使用全局Moran’s I指數(shù)進行計算,結果如表1所示。2005—2022年期間Moran’s I指數(shù)均在1%的水平下顯著為正,意味著中國技術轉移存在較強的空間正相關關系。此外,Moran’s I指數(shù)逐年增大,在2017年達到了峰值,在2018—2022年略有減小,增長趨勢為倒U形曲線,表明技術轉移整體的空間集聚特征顯著增強。全局Moran’s I指數(shù)的變化幅度不大,說明技術轉移具有一定的時序慣性和空間穩(wěn)定性。
2.2技術轉移的時序演進特征
為分析我國總體、東部、中部和西部地區(qū)技術轉移的演進趨勢,采用Kernel密度估計對總體和三大區(qū)域技術轉移對數(shù)的整體形態(tài)與動態(tài)分布進行分析,為保證技術轉移水平的分布特征展示清晰明了,圖3只繪制了2008、2012、2016、2020和2022年的基本情況。
圖3a展示的是總體技術轉移水平的動態(tài)變化趨勢。核密度分布曲線的中心點逐年向右移動,說明技術轉移水平有上升趨勢,但隨著年份的增加移動幅度逐漸放緩,2022年核密度分布曲線則是向左移動,表明可能受新冠疫情影響使得總體的技術轉移受阻。此外,樣本期間內核密度分布曲線峰值呈現(xiàn)先下降后增長的分布特征,2008年總體技術轉移水平偏低,峰值集中在0值附近,核密度約為0.25,2012年核密度約為0.2,核密度曲線變寬,意味著城市間的技術轉移水平的差異程度正在變大,2016年、2020年與2022年核密度又返回到了0.25附近,技術轉移水平位于4到6之間,帶寬沒有發(fā)生顯著變化,表明技術轉移水平雖然得到改善,但城市間的差距仍較為明顯。
圖3b~3d則展示了分地區(qū)的技術轉移水平演進趨勢。三大區(qū)域的核密度分布曲線均表現(xiàn)為向右移動的趨勢,而在2022年分布曲線則發(fā)生了左移,意味著技術轉移水平發(fā)生了衰退現(xiàn)象,與總體的核密度分布曲線變化趨勢基本一致。樣本期間內,東部地區(qū)和中部地區(qū)的核密度分布曲線峰值表現(xiàn)為先上升后下降再上升的狀態(tài),西部地區(qū)的核密度分布曲線峰值則呈先下降后增長的趨勢,東部地區(qū)的技術轉移水平均值主要集中在6附近,而中西部地區(qū)介于4到6之間,表明東部地區(qū)的技術轉移水平雖高于中西部地區(qū),但差距縮小的狀態(tài)逐漸顯現(xiàn)??傮w來看,無論是從總體還是三大區(qū)域的角度分析,技術轉移的總體趨勢表現(xiàn)出“水平提升、絕對差異縮小”的特征,但發(fā)展過程波折起伏。需要注意的是,2022年技術轉移水平出現(xiàn)一定衰退跡象。
為了進一步探究技術轉移的時序演進,從發(fā)明專利轉讓和實用新型專利轉讓的視角做進一步分析。圖4顯示,中國發(fā)明專利轉讓總數(shù)在2005年時僅有573件,2020年發(fā)明專利轉讓總數(shù)達到了最大,為218 864件,但在2022年發(fā)明專利轉讓總數(shù)下降為104 338件,下降幅度為109.76%;實用新型專利在2005年的轉讓總數(shù)為308件,增長到2021年的135 282件,實用新型專利轉讓數(shù)則遠小于發(fā)明專利轉讓數(shù),說明樣本期間內中國技術轉移是以發(fā)明專利轉讓為主。2005—2014年期間,中國技術轉移的增長速度較為緩慢,可能的原因在于技術轉移法制化屬于發(fā)展前期,相關配套政策有待完善;此外政策內容規(guī)定較為宏觀,原則性的條文多,細化落實的條文少;同時,政策關注的領域不均衡,農業(yè)類的政策較多,高新科技產業(yè)的政策較少,導致技術轉移活躍度相對較低。2015—2020年期間,技術轉移總數(shù)迅速增長,發(fā)明專利與實用新型專利在此區(qū)間的平均增長率分別為37.19%和24.42%,原因是國家對技術轉移愈加重視,修訂后的《中華人民共和國促進技術轉移法》更加深化政策目標及其實施,2016年國務院發(fā)布的《實施<中華人民共和國促進技術轉移法>若干規(guī)定》和《促進技術轉移行動方案》以及后續(xù)相關的政策陸續(xù)實施,使得中國技術轉移邁向了新高度。2021—2022年期間受新冠疫情影響,中國技術轉移數(shù)量出現(xiàn)下滑,但截至2022年發(fā)明專利和實用新型專利轉讓總數(shù)仍分別保持在10萬件和7萬件以上。分區(qū)域來看,樣本期間內東部地區(qū)的發(fā)明專利與實用新型專利的轉讓數(shù)占比均最大,2005—2010年中部地區(qū)與西部地區(qū)所占比重大體一致,2011年起中部地區(qū)的技術轉移發(fā)展情況則顯著高于西部地區(qū),而西部地區(qū)發(fā)展占比情況變化幅度較小,技術轉移發(fā)展較為穩(wěn)定。
3技術轉移的地區(qū)差異特征
利用Dagum基尼系數(shù)分析技術轉移地區(qū)差異及演變趨勢,結果見圖5。
(1)總體來看,圖5a中的技術轉移的總體基尼系數(shù)表現(xiàn)為先增大后減小的過程?;嵯禂?shù)由2005年的0.718增加到2010年的0.839,相較于2010年,2022年的基尼系數(shù)下降幅度為11.27%,意味著自2010年后各城市技術轉移的差距有明顯縮小趨勢,非均衡發(fā)展狀態(tài)有所緩解。此外,圖5a顯示區(qū)域間差異要顯著高于區(qū)域內差異與超變密度,說明總體差異的變化可能更多地取決于地區(qū)間差異。圖5b的地區(qū)內、地區(qū)間差異與超變密度的貢獻率顯示,樣本期間內,區(qū)域間的年均貢獻率為52.39%,要高于區(qū)域內年均貢獻率15.31%與超變密度年均貢獻率32.30%,這表明總體差距的變化受地區(qū)間差異變化的影響更為明顯,地區(qū)間差異是導致總體技術轉移存在非平衡發(fā)展的主要來源。區(qū)域間差異的貢獻率在樣本期間內呈現(xiàn)先減小后增大再減小的W形變化趨勢,超變密度貢獻率的變化趨勢與之相反,而地區(qū)內差異的貢獻率始終維持在30%以上,2005—2022年貢獻率的下降幅度僅為5.52%。
(2)分地區(qū)來看,圖5c顯示在不同時間段內三大地區(qū)的區(qū)域內差異存在異質性。2005—2010年期間,東中西部地區(qū)的差異均呈增長趨勢,東部地區(qū)的差異要高于中部與西部地區(qū),2010年后各地區(qū)的區(qū)域內差異則變?yōu)橄陆第厔?,東部與中部地區(qū)的區(qū)域內差異下降幅度明顯高于西部地區(qū)的區(qū)域內差異,因此西部地區(qū)的區(qū)域內技術轉移的非均衡發(fā)展情況較為嚴重。東部地區(qū)的區(qū)域內差異則又高于中部地區(qū),可能的原因在于東部地區(qū)包括技術轉移程度較高的北京、長三角和珠三角地區(qū),同時也包括轉移程度較弱的河北省、福建省等省份,東部地區(qū)內的技術轉移差距相對較大。綜合來看,雖然三大區(qū)域內基尼系數(shù)均值波動起伏,有高有低,區(qū)域內差異仍然存在,但區(qū)域內基尼系數(shù)在大趨勢上逐漸降低。
(3)三大地區(qū)的區(qū)域間差異同樣表現(xiàn)為先增大后減小的倒U形趨勢。圖5d表明,與三大地區(qū)的區(qū)域內差異相同,2010年三大地區(qū)的區(qū)域間差異則由增長變?yōu)闇p小的過程,其中下降幅度最明顯的是中西部地區(qū)間的差異,其次是東中部與東西部地區(qū),意味著我國各地區(qū)間的技術轉移的差距自2010年后不斷縮小,非均衡發(fā)展態(tài)勢逐漸改善。值得注意的是,東部與西部地區(qū)之間的技術轉移差異最大,這一結論與經(jīng)濟高質量發(fā)展[31]的分布差異表現(xiàn)一致。
4技術轉移收斂性分析
4.1技術轉移的σ收斂
2005—2022年中國城市技術轉移的σ收斂趨勢如圖6所示。總體層面來看,除2006年的變異系數(shù)高于2005年的數(shù)值,其他年份的變異系數(shù)均表現(xiàn)為逐年減少的狀態(tài),說明總體層面的科技成果存在顯著的σ收斂特征。分地區(qū)來看,東部地區(qū)σ系數(shù)的變化趨勢與總體有著相似的變化趨勢,西部地區(qū)σ系數(shù)的下降程度低于中部地區(qū),中部地區(qū)的σ系數(shù)變化幅度最大,收斂性最強,這與前文的Dagum基尼系數(shù)的分析結果得出的結論一致。
通過對比圖5與圖6可以發(fā)現(xiàn),相較于前文的Dagum基尼系數(shù),變異系數(shù)的波動較大?;嵯禂?shù)和變異系數(shù)雖然都可以用于測量數(shù)據(jù)的不均勻程度,但是它們的側重點和角度有所差異?;嵯禂?shù)主要是衡量數(shù)據(jù)中的不平衡度,更側重于關注數(shù)據(jù)的分布情況。如果有一些城市技術轉移數(shù)明顯高于或低于其他城市,基尼系數(shù)就會顯著增大。從圖2可以看出,中國東、中、西部在專利轉移數(shù)量上存在顯著區(qū)別,但除了2010年以外,各區(qū)域之間的占比變化較小,說明城市間差距沒有得到較大改善,故圖5中的基尼系數(shù)曲線較平穩(wěn)。另一方面,變異系數(shù)主要用于描述數(shù)據(jù)的波動程度,更多的是反映數(shù)據(jù)的穩(wěn)定性。即便數(shù)據(jù)分布相對均勻,城市間技術轉移數(shù)差距不大的情況下,如果數(shù)據(jù)波動較大,那么變異系數(shù)也可能會比較大。2005年除北京與上海的專利轉讓數(shù)超過100件,其余城市專利轉讓數(shù)均在10件以內,且多數(shù)城市甚至為0件。2006年北京市的專利轉讓數(shù)增加到337件,其余城市專利轉讓數(shù)未發(fā)生較大變化。極端值的存在導致計算變異系數(shù)的標準差波動較大,故變異系數(shù)曲線變動幅度較大。
4.2技術轉移的空間β收斂
進行空間絕對β收斂與條件β收斂分析時,對SDM模型能否退化到空間自回歸模型(Spatial Autoregressive Model,SAR)與空間誤差模型(Spatial Error Model,SEM)進行LR檢驗與Wald檢驗,表2的檢驗結果顯示LR統(tǒng)計量與Wald統(tǒng)計量均在1%的水平下顯著,空間杜賓模型并不能退化到SAR與SEM模型,基于此本文選擇空間杜賓模型檢驗β收斂。
城市技術轉移存在著顯著的空間相關性,為了驗證技術轉移程度低的地區(qū)比轉移程度高的地區(qū)具有更快的增長率,最終會以同樣的增長率發(fā)展,因此對總體和三大區(qū)域的技術轉移進行了空間絕對β收斂和空間條件β收斂檢驗。表3匯報了空間絕對β收斂的檢驗結果,無論是總體還是三大區(qū)域范圍內,β系數(shù)在1%的水平下均顯著為負,表明技術轉移存在顯著的空間絕對β收斂特征。分地區(qū)的結果表明,中部地區(qū)的收斂速度是最快的,高于總體的收斂速度22%,其次是西部地區(qū)和東部地區(qū),收斂速度的差異一定程度上拉大了區(qū)域間技術轉移的差距,使得區(qū)域間技術轉移差異不斷擴大。由于絕對β收斂沒有考慮影響技術轉移的經(jīng)濟發(fā)展水平、產業(yè)結構、科學支出、金融規(guī)模以及創(chuàng)業(yè)活躍度等因素,因此在控制以上變量后進行條件β收斂的檢驗。
進行條件β收斂分析時選取了部分影響技術轉移的控制變量,考察其對技術轉移的影響。具體包括:①經(jīng)濟發(fā)展水平:以地區(qū)GDP的對數(shù)值進行表示;②科學支出水平:以科學支出額與GDP的比值表示;③產業(yè)結構:以第三產業(yè)產值在GDP中的比重表示;④金融發(fā)展水平:以年末金融機構貸款余額與GDP的比值表示;⑤城市創(chuàng)業(yè)活躍度:以城市每百人新創(chuàng)企業(yè)數(shù)進行表示。
表4匯報了總體和三大區(qū)域的空間條件β收斂的檢驗結果。β系數(shù)同樣顯著為負,即總體和三大區(qū)域的技術轉移存在空間條件β收斂特征,說明在考慮經(jīng)濟發(fā)展水平、產業(yè)結構、科學支出、金融規(guī)模以及創(chuàng)業(yè)活躍度等影響因素后,β收斂速度更快,即技術轉移的區(qū)域差異以更快的速度縮小。此外,東部、中部與西部的收斂速度均明顯高于空間絕對β收斂,說明部分影響技術轉移的特征加快了技術轉移的收斂速度。而且在總體范圍內空間自回歸系數(shù)ρ顯著為正,說明技術轉移具有顯著的空間外溢效應,能夠加快科技成果的收斂速度,最終達到相同的增長速率。
5研究結論與政策啟示
5.1研究結論
利用2005—2022年中國284個地級市為研究對象,采用空間相關性分析、Kernel密度估計分析了各城市技術轉移的空間分布及其變化趨勢,并使用Dagum基尼系數(shù)及其分解方法對總體與分區(qū)域的技術轉移的空間差異進行測度并探討導致差異的來源,此外又使用了變異系數(shù)及空間杜賓模型對技術轉移進行了收斂性檢驗。得出結論如下:
(1)中國技術轉移水平逐年增長,空間格局表現(xiàn)為技術轉移數(shù)多的城市集中在省會城市與長三角地區(qū)?;诩夹g轉移類別分析顯示,各城市的技術轉移類型逐漸向發(fā)明專利主導轉變。
(2)核密度估計結果顯示,總體的技術轉移水平逐年上升,但隨著年份的增加移動幅度逐漸放緩。三大區(qū)域的核密度分布曲線與總體的核密度分布曲線變化趨勢基本一致。其中東部地區(qū)的技術轉移水平高于中西部地區(qū),但差距縮小的趨勢逐漸顯現(xiàn)。
(3)區(qū)域間的差距是導致總體技術轉移非平衡發(fā)展的主要來源,區(qū)域間基尼系數(shù)的貢獻率顯著大于區(qū)域內貢獻率與超變密度貢獻率,進一步驗證了這一結論。從三大區(qū)域內基尼系數(shù)來看,西部區(qū)域內差異最大,東中西部的基尼系數(shù)變化均表現(xiàn)為先增大后減小的趨勢。三大區(qū)域間基尼系數(shù)同樣呈先上升后下降的趨勢,且東西部之間的差距顯著高于東中部與中西部差距。
(4)中國技術轉移存在顯著的σ收斂特征與時空β收斂特征,技術轉移速度低的地區(qū)與技術轉移速度高的地區(qū)差距表現(xiàn)為縮小趨勢。其中,中部地區(qū)內的收斂速度顯著且高于總體收斂速度,東部地區(qū)與西部地區(qū)的收斂速度小于東部地區(qū)但同樣顯著,表明東部與西部區(qū)域內技術轉移差距呈縮小趨勢。
5.2政策啟示
以上研究結論對于促進技術轉移邁入新階段、技術轉移由數(shù)量轉向質量擴張以及縮小區(qū)域差距實現(xiàn)協(xié)調發(fā)展具有重要的政策啟示:①研究發(fā)現(xiàn)技術轉移雖逐年提升,但轉移數(shù)量高的城市主要集中在京津翼、長三角、珠三角與成渝地區(qū),因此針對各城市轉移程度采用差異化發(fā)展戰(zhàn)略。技術轉移程度高的東部地區(qū)要注重實現(xiàn)高質量科技成果的轉移,推動突破性技術轉化為現(xiàn)實生產力,實現(xiàn)科技創(chuàng)新成果產業(yè)化。轉移程度低的城市普遍表現(xiàn)為經(jīng)濟發(fā)展水平較低,因此應完善有利于技術轉移的政策體系建設,提供有利于技術轉移的生態(tài)環(huán)境,針對科技創(chuàng)新能力強的企業(yè)應幫助創(chuàng)新產出及時轉移,促進科技創(chuàng)新的循環(huán)。②研究發(fā)現(xiàn)區(qū)域間的差距是導致總體技術轉移非平衡發(fā)展的主要來源。因此位于東部地區(qū)且技術轉移數(shù)量高的城市可依靠技術溢出與知識溢出方式對落后地區(qū)提供支持,而落后地區(qū)可根據(jù)自身情況采用轉移程度高地區(qū)頒布的相關政策與手段,并通過學習與引進的方式改善技術創(chuàng)新落后現(xiàn)狀,從源頭上解決技術轉移供給不足的局面。③技術轉移表現(xiàn)為顯著的空間收斂效應,因此技術轉移程度高的城市應發(fā)揮好引導與輻射效應,促進各城市之間跨區(qū)域合作,實現(xiàn)科技創(chuàng)新資源開放共享,并制定差異化的相關政策促進技術轉移空間收斂,以此實現(xiàn)空間均衡。
參考文獻:
[1]孫志燕,侯永志.對我國區(qū)域不平衡發(fā)展的多視角觀察和政策應對[J].管理世界,2019,35(8):1-8.
[2]李蘭冰,劉秉鐮.“十四五”時期中國區(qū)域經(jīng)濟發(fā)展的重大問題展望[J].管理世界,2020,36(5):36-51.
[3]柳卸林,楊博旭,肖楠.我國區(qū)域創(chuàng)新能力變化的新特征、新趨勢[J].中國科學院院刊,2021,36(1):54-63.
[4]蔡躍洲.科技成果轉化的內涵邊界與統(tǒng)計測度[J].科學學研究,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]劉承良,桂欽昌,段德忠,等.全球科研論文合作網(wǎng)絡的結構異質性及其鄰近性機理[J].地理學報,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]楊武,王玲.技術創(chuàng)新溢出的乘數(shù)效應與加速效應研究[J].科學學研究,2005,23(3):425-427.
[9]張翼鷗,谷人旭,馬雙.中國城市間技術轉移的空間特征與鄰近性機理[J].地理科學進展,2019,38(3):370-382.
[10]欒心晨,朱晟君,毛熙彥.多尺度視角下技術轉移網(wǎng)絡對城市創(chuàng)新能力的影響[J].地理科學,2023,43(1):11-19.
[11]JAFFE A B,TRAJTENBERG M,F(xiàn)OGARTY M S. Knowledge spillovers and patent citations:evidence from a survey of inventors[J].The American Economic Review,2000,90(2):215-218.
[12]呂拉昌,黃茹,廖倩.創(chuàng)新地理學研究的幾個理論問題[J].地理科學,2016,36(5):653-661.
[13]楊明海,張紅霞,孫亞男,等.中國八大綜合經(jīng)濟區(qū)科技創(chuàng)新能力的區(qū)域差距及其影響因素研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2018,35(4):3-19.
[14]段德忠,杜德斌,諶穎,等.中國城市創(chuàng)新技術轉移格局與影響因素[J].地理學報,2018,73(4):738-754.
[15]段德忠,楊凡,胡璇.中國城市技術轉移的空間溢出效應與經(jīng)濟增長[J].科研管理,2020,41(6):90-97.
[16]謝祥,高新宇,李志鵬,等.區(qū)域間專利轉讓的網(wǎng)絡結構研究[J].科技管理研究,2019,39(7):170-176.
[17]劉耀彬,孫敏.中國城市技術轉移網(wǎng)絡空間格局分析:基于企業(yè)控股與專利轉移的視角[J].地理科學,2022,42(10):1695-1705.
[18]黃永春,錢昕怡,嚴翔,等.長三角綠色技術轉移空間關聯(lián)網(wǎng)絡演化及驅動因素研究[J].科技進步與對策,2022,39(21):45-55.
[19]楊龍志,劉霞.區(qū)域間技術轉移存在“馬太效應”嗎?省際技術轉移的驅動機制研究[J].科學學研究,2014,32(12):1820-1827,1858.
[20]柳坤,劉毅.創(chuàng)新型城市內部技術轉移網(wǎng)絡空間特征與影響因素:以廣州市為例[J].地理研究,2023,42(9):2324-2342.
[21]張貴,劉思思,呂曉靜.省際技術轉移的時空分異特征與鄰近效應研究:中國31個省份空間互動分析[J].科技管理研究,2022,42(21):74-83.
[22]陳鈺芬,王科平,喻成.中國省際技術轉移:空間關聯(lián)與內生演化機制[J].科學學研究,2023,41(1):38-50.
[23]王秋玉,曾剛,楊文龍,等.長江經(jīng)濟帶技術轉移網(wǎng)絡結構及影響機制探究[J].長江流域資源與環(huán)境,2022,31(1):1-12.
[24]姜玲,張浩文.跨區(qū)域技術轉移對西部地區(qū)技術進步的作用研究[J].工業(yè)技術經(jīng)濟,2018,37(4):78-84.
[25]湯萱.技術引進影響自主創(chuàng)新的機理及實證研究:基于中國制造業(yè)面板數(shù)據(jù)的實證檢驗[J].中國軟科學,2016(5):119-132.
[26]史丹,葉云嶺,于海潮.雙循環(huán)視角下技術轉移對產業(yè)升級的影響研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2023,40(6):5-26.
[27]白俊紅,王鉞,蔣伏心,等.研發(fā)要素流動、空間知識溢出與經(jīng)濟增長[J].經(jīng)濟研究,2017,52(7):109-123.
[28]劉大勇,孟悄然,段文斌.科技成果轉化對經(jīng)濟新動能培育的影響機制:基于230個城市專利轉化的觀測與實證分析[J].管理科學學報,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]聶長飛,簡新華.中國高質量發(fā)展的測度及省際現(xiàn)狀的分析比較[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2020,37(2):26-47.
[31]佟孟華,褚翠翠,李洋.中國經(jīng)濟高質量發(fā)展的分布動態(tài)、地區(qū)差異與收斂性研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,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