1 文献回顾

当某一创新主体产生的创意无偿被其他主体习得时，就发生了知识溢出。知识溢出指学习他人的创意、有效地建立源自外部并用于自身研究与发展(R&D)的知识存量[1]。如何度量知识溢出数量是研究知识溢出问题的基础，近年来，学者们的研究存在两方面重要进展：第一，从假设知识溢出仅发生于某一技术部门内部，转变为跨部门的知识溢出研究[2-3]。早期研究认为知识溢出主要集中于技术部门内部，即主要研究专业化知识溢出，后来学者们发现经济生活中实际存在大量产业部门之间的知识溢出，即多样化知识溢出。第二，近年来，学者们从使用间接方法度量知识溢出现象转变为使用更直接的方法刻画知识溢出。大量研究使用专利引用数据刻画知识溢出，并以此为基础探讨知识溢出的创新效应。专利引用表示当前的发明者习得了前人创新活动的相关知识，因此该数据记录了学习遗留下的可辨识的痕迹。Jaffe等[4]用该数据检验了在美国境内知识溢出对创新行为的影响。Trajtenberg等[5]和Adams[6]使用专利引用数据分别研究了源自高校和联邦政府实验室的知识溢出。此外，Criscuolo等[7]使用专利引用数据分析了欧洲各地区之间的知识溢出。本文沿用以上研究的思路，使用专利引用数据，不局限于单一行业内部，刻画我国各区域间的知识溢出。虽然引用数据存在一些缺陷，但是它提供的是学习行为“留在沙滩上的痕迹”，并且他们可以被用来估计知识溢出的方向和强度。

知识溢出具有创新效应。在创新过程中，现有的发明创造是带有一部分公共品性质的投入要素(或者至少是在一定条件下具有公共品性质)，它源自其他创新主体的知识溢出，因此，就宏观角度而言，区域间的知识溢出程度能够影响某一区域的创新产出量。与已有创新相关的显性知识几乎能够被所有查阅该专利的人士所获得，由此可以看作具有完全公共品的性质；而隐性知识依赖于人与人的交流，甚至是面对面的接触，因而这类知识溢出可能主要存在于一定空间范围内，并且随着交流和互动的降低而减少，可以看作在一定条件下具有公共品性质，能够溢出至其他主体，从而影响创新[8]。此外，也有学者从微观视角出发，考察了主体间构成的社会网络中的知识溢出，发现网络中普遍存在的溢出对创新活动的开展有着重要的推动作用[9]。由于数据的原因，本文捕捉到的是区域间知识溢出，检验我国各区域间程度各异的知识溢出是否能够切实提高区域创新能力，对于推动区域协同合作、促进区域间广泛科研交流等科技政策的实施有着重要意义。

国内学者也对知识溢出的创新效应开展了大量研究。张昕等[10]探讨了我国医药、电子及通讯设备行业的专业化溢出、多样化溢出和空间溢出对区域创新绩效的影响。他们参考以往研究构建了产业专业化及多样化指数，并使用地理距离作为权重矩阵进行空间计量回归。侯鹏等[11]在扩展知识函数基础上，考察了知识存量、R&D人员投入、区域知识溢出和不同渠道国际知识溢出对区域创新能力的影响。他们对区域间知识溢出的度量方法是以区域间空间距离生成权重矩阵，对其他区域知识存量进行加权汇总得到潜在知识溢出数量。以上研究都未曾直接度量知识溢出，都是从间接角度论证知识溢出的存在。

本文的贡献是，使用国内的专利数据，通过一个简洁的经验研究框架直接检验了知识溢出的轨迹。我们使用了一个庞大的包含区域间专利引用的数据库，讨论了在我国30个一级行政区之间知识溢出的相对方向及强度。此外，本文还估计了这些溢出对本区域以专利行为体现的创新活动的影响。

本文的余下部分安排如下：第二部分介绍本文的分析框架。第三部分对本文使用数据进行描述性统计，并讨论实证检验的模型及相关的度量问题。第四部分控制了我国30个一级行政区间的知识溢出制约因素，估计了各区域间的知识溢出量。第五部分用使用上一部分估计的知识溢出量为权重系数，检验外部R&D对本区域创新产出的影响。第六部分是本文的主要结论。

2 基本分析框架

假设Qit代表区域i的创新产出，区域i是c国内的一个省或市。假设R&D存量是区域i创新活动的主要投入要素，那么Qit的生产可以表示为如下对数生产函数：

 

(1)

其中，Xct国家c的政策与制度因素，并且可能随时间t变化；Ait是R&D存量，来自于i地区过去和现在R&D投资的积累，代表是除i以外的区域积累的R&D存量，并且i地区在t时刻可以获得的数量。本文的分析目标是通过构建一个方法度量两个存量Ait和并以此来估计弹性γ和μ。

根据麻石水电站2012—2016年实际运行资料，2012—2016年平均弃水约67d，水量利用系数约65.5%。其中，2015年和2016年弃水天数最多，约101d。采用1953年4月～2017年3月共64年设计径流系列进行计算，麻石水电站平均每年约有74d弃水，水量利用系数为63.2%。为了提高水量利用率，减少弃水天数，对麻石水电站进行扩建，利用现有机组因装机容量过流限制产生的弃水，扩建1台50MW机组可增加电能约6.503×107kW·h，扩建后，麻石水电站（含扩建）的总水量利用系数提高为72.8%，比扩建前增加9.6%。

式(1)可以被看作是创新生产函数。Ait的积累过程可以描述为ΔAit=R&Dit-δAit，其中δ是R&D存量的折现率。我们使用永续盘存法计算Ait的值。我们主要关注的是的构建和μ的估计。

若一个地区的研究进展能够完全并立即地扩散到其他区域，我们可以简单地将区域i的外部可获得的R&D存量表示为然而，考虑到研发成果在区域间的扩散可能不是完全的，区域i源自外部的R&D存量可表示为其中φij∈[0,1]是区域能够得到的区域j生产的R&D存量的份额。将的表达式代入等式(1)并且取对数，我们得到如下等式：

 

(2)

参考文献：

然而，为了计算源自外部的R&D存量我们需要度量每一对区域之间的φij。本文使用区域间相对专利引用数来计算它，该方法隐含的假设是：若区域i学习了区域j产生的知识的一定比例，等同于获取了区域R&D资源的一部分。该假设暗含了一种间接获取知识的途径，即通过学习科研成果而不是直接使用研发资源，因此，该类投入与自身R&D存量Ait分别列入知识生产函数中。参数φij捕捉到知识溢出的强度并且可以被解释为区域j的研究成果中被区域i学到的比例。这些知识溢出取决于区域双向的一些特征，他们的技术差异程度、他们的地理位置以及其他能够影响居住在i地区的科学家向j地区学习的成本和收益的因素。参数μ表示外部可获取的研发成果对知识生产的影响。

3 模型设定及数据

本文的实证研究包含两个部分，首先使用区域间专利引用频数估计参数φij，然后使用这些估计值及区域R&D、区域授权专利数估计式(2)中的弹性μ和γ。本部分将描述数据，解释我们的实证研究程序以及讨论可能的假设和缺陷。

3.1 区域间知识溢出量的估计模型

本文将φij(τ)定义为t时刻产生于j区域的未过时的发明被i区域在t1=t0+τ时刻学到的概率。该概率取决于区域(i，j)的特征以及自从发明产生后流逝的时间τ。本文认为φij(τ)约等于j区域的发明自产生后，在τ年内被i区域学到的比例，在大数据的情况下，该比例将收敛到概率。参考Jaffe等 [5]的做法，我们将比例φij(τ)表示为：

从式(5)，我们可以得到：

模型2直接使用区域间标准化的引用频数计算权重φij，得到的创新生产函数的估计值。从式(6)推知，假设所有地区申请专利的偏好(βj)是常数，并且可以忽略随机误差项(εij)，得到表达式(cij/Pj)/(cii/Pi)。使用标准化的φii=1，引用数据cij和专利数据Pi，可以直接计算出各溢出区域和接收区域的权重φij。模型2除了对于自身R&D的弹性的估计值相较于模型1较大(0.6)，其他结果都较为相似。总体而言，模型结果较为稳健，自身R&D的弹性为0.5～0.6，外部R&D的弹性为0.3。该估计结果与Pakes等[15]、Branstetter[16]及其他研究对自身R&D弹性的估计值相似(分别为0.72和0.61)。源自外部的R&D的弹性系数为自身R&D弹性的50%～80%，该结果与以往研究结果也较为一致[1]。

四川农村居民生活水平提高，2016年四川省农村居民人均可支配收入为11203元，比2015年农村居民人均消费支出10192元同比增长9.33%，增速比上年降低0.3个百分点，比全国平均水平高1.1个百分点。2012-2016年四川城镇居民与农村居民人均纯收入不断增加(见图1)。

(3)

其中，因子1-e-βτ暗含i区域能够获取到j区域的知识的概率随着时间τ流逝而增大，因此它表明区域i自发明开始τ年内学习知识的累积概率函数。因子ef(i,j)表明知识溢出方j和接收方i之间学习知识的强度可能取决于一系列作为潜在阻力因素的双向区域特征。

式(3)中包含着本文最主要的简化假设，即这些潜在制约因素f(i，j)和时间效应τ以乘数形式做交互项。这说明随着时间流逝，越来越多源自于j区域的知识将被所有其他区域所学习，但是这种增长是各区域阻力因素的一部分。在实证分析中，我们将从2年至10年设定溢出方和接收方的不同长度的时间间隔。为了刻画知识的溢出，我们固定所有地区的时间间隔τ，直接将函数f(i，j)表示为依赖于一系列地理和技术特征的形式：

φij=Cef(i,j)=exp[a+b1(out_region)ij+b2(out_next)ij+b3(dist)ij+γ(Tech·Controls)ij]

（2）微观分析 采用能谱分析仪（S P E C T R O/L A B LAVM10）对行星齿轮轴进行材料化学成分检测，其检测结果如表1所示，行星齿轮轴材料化学成分均符合GB/T 3077《合金结构钢》的技术要求。

(4)

式(4)说明从区域j至区域i的相对知识溢出强度(时间不变的)取决于一系列双向的区位因素。我们考查3个地理特征，阻力因素取决于技术特征，由Tech·Controls来控制。变量(out_region)ij是虚拟变量，若i=j则为0，其他情况下为1，该变量考查知识是否至少跨越了一个区域边界。当i=j或i与j毗邻时，变量(out_next)ij为0，其他情况下为1，该变量考查知识溢出是否至少跨越两个区域边界。最后，(dist)ij表示区域i和j之间的地理距离。参数b1-b3和γ的估计将提供一个详细的关于地理和技术特征如何影响知识溢出的分析。

虽然我们不能直接观察到φij，但是能够观察到各地区专利及专利之间的引用情况。参照已往的研究，我们将使用专利数据来指代创新知识的产生。虽然专利数据是不完美的，但是专利与新创意之间的联系已经在经济分析中被广泛地讨论过，并且无论是理论还是经验研究都认为使用专利数据是合理的：首先，可获得专利的创意要具备新颖性、实用性和非显著性，这正好符合我们对“新知识”的设定；其次，许多应用经济学家都曾使用大量的专利数据作为对“新创意”的度量，与此相类似的，许多理论经济学家在他们的模型中也将一个创意等同于一个专利[12]。

然而，现实情况中将专利与创新完全对等也存在一些问题。第一个问题是不同地区对于是否将一个创新申请为专利的倾向程度不同。第二个问题是专利可能包含完全不同的创意，有些专利可能含有大量的创新，而另一些专利的创新程度很低[5]。相对于企业层面的研究，我们的研究在很大程度上避免了第二个问题。因为我们使用的是每个区域的大量的数据(每个地区平均有约80 000条数据)，单个专利内容的差异在区域加总时可能通过平均值消除掉。考虑到第一个问题，我们允许各地区申请专利的倾向程度不同，表示为1/βj(不可观测到)，所以j地区产出的创新数量γj与j地区的授权专利数量Pj的关系是γj=Pjβj。我们依据各专利信息中的所属地区来识别不同地区专利，由此假设该创新是源自于该地区的。本文选用是我国30个一级行政区作为地区单元。

本文使用专利引用代表了通过学习形成的知识溢出。在申请专利时，所有专利申请人必须通过引用之前的专利来注明在该创新之前的技术。一条引用表示研究人员知道该创新，并且该创新与自身的研发过程存在一定的相关性。Jaffe等[4]认为这种引用建立了一种“学习”联系，并且它仅限于对本项创新有重大相关的前人的专利。如果专利审查员认为这种相关性不强，可能会去掉一些引用。此外，发明人也不希望大量引用其他专利，那将会很大程度上限制本专利的范围，减少潜在的收益，因此，不同于对学术论文作者的激励，对发明人的经济激励使得他们不希望过度引用。但是，有些专利引用由审查员加入，发明人自身不一定知道该知识的情况，则会给我们使用引用数据带来一些误差，因此，我们假设审查员在专利引用信息上加入了一些干扰信息。

本文使用了专利数据中提供的大量引用数据(大约30万条引用数据，平均一个地区有1万条引用)来估计知识从每个j地区向其他地区的溢出。我们定义cij为i地区引用j地区专利的数量，Φij为从j地区至i地区的实际知识溢出量，假设专利引用和知识溢出的关系如下：

cij=ψiΦijeεij

(5)

其中，ψi表示引用地区固定效应，该固定效应使得各(引用)地区的每条专利平均引用数量不同，Φij是j地区生成的被i地区习得的有效创新数量，eεij是随机分布的扰动项，εij是零均值的噪声。

高校财务是一个广义集合的概念，其内涵不仅包括预算、核算、结算等主体业务，也包括薪资、科研、收费、后勤等具体业务。每种业务的制度规则、运行机制、审批操作、资金流转及处理方式都各不相同，既相互交织，又相对独立。同时，随着政府会计制度的实施落地，高校财务工作在做好原有系统升级改造的基础上，还必须做好新旧科目体系衔接转换、资产折旧摊销、基建账务合并、调整完善报表体系等工作，任务重、时间紧，进一步增加了高校财务信息化系统整合的工作难度。

 

(6)

其中，第一个等式是对φij的定义，φij等于区域i学习到的知识的数量(Φij)占j地区生产的知识总数的份额(γj)。将Φij和γj的定义代入将得到第二个等式。最后一个等式来源于式(4)的第一部分。将式(4)代入式(6)，整理得到如下方程：

cij=exp[ρi+ϑj+b1(out_region)ij+b2(out_next)ij+b3(dist)ij+γ(Tech·Controls)ij+εij]

(7)。

式(7)的被解释变量是i地区作为引用地区，j地区作为被引用地区的总引用关联数量。如上文所述，该指标度量的是从j地区至i地区的知识溢出数量。它依赖于引用地区的固定效应φi=lnψi，及被引用地区的固定效应ϑj=ln(βjPj)。前一部分控制的是不同地区引用专利的倾向性的差异；后一部分控制的是不同地区专利的数量(Pj)及对申请专利的偏好(βj)的差异。总体而言，固定效应控制的是所有引用及被引用地区的特定个体特征。需要强调的是，由此用来辨别相对知识流动的信息与区域申请新创意的偏好、区域引用专利的偏好及区域专利总数是正交的。因此，该方程可识别的变化是i地区引用j地区的平均专利数量相对于j地区专利内部引用平均数量的频率。一旦控制了固定效应，并且允许随机误差εij，我们能够估计参数b1-b3及γ。

[3]FRANZ TÖDTLING，PATRICK LEHNER，ALEXANDER KAUFMANN. Do different types of innovation rely on specific kinds of knowledge interactions?[J]. Technovation，2009, 29(1)：59-71.

3.2 知识溢出创新效应的估计模型

在第五部分，我们将估计区域R&D存量及来源外部的R&D存量对区域创新产出的影响。将式(7)估计的参数b1-b3及γ代入到式(4)，由此构建j地区至i地区知识流出份额估计的区域i的来源外部的R&D存量则为该权重加上Ajt的数量：本文采取式(4)中的标准化方法，令a=0，由此它表明i地区产生的研发成果Ait对于区域i而言是全部可得的。

我们用各地区的授权专利数量Pit指代Qit，由此来估计方程(2)。本文使用与各地区专利数、申请专利的偏好及引用专利偏好正交的信息来估计系数仅取决于相对引用频率。因此，的构建没有引入任何与Pit有关联的信息。

本文使用永续盘存法构建1985—2011年各地区的存量Ait。首先初始化1985年的R&D存量，然后运用递归方程Ait=(1-δ)Ai,t-1+(R&D)it计算随后年份的存量。初始R&D存量设定为Ai1985=Ai1985/(δ+gi)，其中δ是R&D资本的折现率，gi是1985—2011年各地区R&D支出的平均增速。参考多数文献的做法，本文对δ的取值为以往文献数值模拟得到的10%[14]。最后，将控制地区-时间固定效应Dct，该项等同于式(2)中的lnXct。这说明地区之间随时间变化的制度或政策差异、地区特有的申请专利的偏好差异、或者其他随地区和时间改变的因素都不影响对γ与μ的估计，该系数的变化仅反映地区之间专利和R&D的变动。加入一个零均值的随机扰动项uit，我们的估计方程是：

 

(8)

3.3 数据

专利和引用数据来源于中国知识产权局公布的专利库(2012年光盘版)，中国专利数据库包括发明专利、实用新型专利和外观设计专利3个子库，收录了自1985年9月—2011年12月31日以来所有公开专利的信息。专利引用数据来自Google Patent，包括引用他人的(后向引用，backward citations)和被别人引用(前向引用，forward citations)的数据，引用信息的收集截止到2013年12月31日。R&D经费支出数据来源于《中国科技统计年鉴》，为了剔除价格因素变动的影响，我们对所有以货币计量的变量均用GDP平减指数进行调整。考虑到专利数据及R&D数据的可得性，重庆由于1997年才成为直辖市，故不在本文研究范围，我们选用中国30个一级行政区(除重庆、台湾、香港和澳门)的相关数据及他们之间的引用关系开展本研究。本文的研究样本包含240万条专利及30多万条专利引用数据。

表1是对区域层面数据的描述统计，汇报了30个一级行政区年平均授权专利、R&D支出、专利引用及地理距离的均值及标准差。由表1可知：首先，我国各地区的创新水平呈现出地区差异性，标准差是均值的1.1倍；其次，从研究经费来看，区域之间的差异并不明显，说明区域内部的R&D投入不存在显著的区域差异性；最后，各地区获取外部知识溢出的程度存在较大的区域差异性，有些地区能够吸取大量有益的知识溢出，另一些地区获取的知识溢出数量可能较小。因此，就描述统计而言，源自外部的知识溢出对区域创新可能存在显著的影响，作用不容忽视。

1.2.2 超声心动图检查 心超确诊标准：DA存在,DA水平分流作为判断PDA存在和严重程度的标准。hsPDA 指导管直径>1.5 mm,存在左向右分流,左房与主动脉根部比值>1.5,心室舒张期主动脉存在双向双期分流。

 

表1 对区域层面数据的描述统计

  

变量均值标准差最小值最大值年平均授权专利数(1985—2011年)/件295332411412042年均R&D经费支出占GDP的份额/%070064013352区域之间引用专利总数/件(不含自引用)3581028018495地理距离/103km1270720346

注：引用数量不包含自引用，即专利引用方和被引用方的第一发明人属于同一公司或机构

4 区域间知识溢出量的估计结果

本部分将汇报式(7)的估计系数。表2中的模型1是基准回归，汇报了地理和技术的制约因素对知识溢出的影响。本文使用最大似然法估计负二项回归方程式(7)，使用负二项回归能够涵盖所有零引用的地区，能够假设一个广义泊松数据生成过程，并且考虑到引用数据是计数数据的事实。我们同样使用OLS方法(式(7)两边同时取对数)估计了所有方程，得到了相似的系数估计值。为了使文章更简洁，本文仅汇报负二项回归的结果。表2中模型1的因变量是j地区生成的，在授权以后10年之内被i地区引用的(忽略自引用)的引用专利总数。该时间段应该足以捕捉到最相关的、非过时的那部分知识溢出。此外，我们同样在模型2中使用2年作为有效期限；在模型3中使用6年作为有效期限；模型4中涵盖了样本中所有引用数据；在模型5中，我们挑选引用专利属于1985—2011年，被引用专利属于1985—2001年的数据进行回归。

本部分将汇报式(7)的估计系数。表2中的模型1是基准回归，汇报了地理和技术的制约因素对知识溢出的影响。本文使用最大似然法估计负二项回归方程式(7)，使用负二项回归能够涵盖所有零引用的地区，能够假设一个广义泊松数据生成过程，并且考虑到引用数据是计数数据的事实。我们同样使用OLS方法(式(7)两边同时取对数)估计了所有方程，得到了相似的系数估计值。为了使文章更简洁，本文仅汇报负二项回归的结果。表2中模型1的因变量是j地区生成的，在授权以后10年之内被i地区引用的(忽略自引用)的引用专利总数。该时间段应该足以捕捉到最相关的、非过时的那部分知识溢出。此外，我们同样在模型2中使用2年作为有效期限；在模型3中使用6年作为有效期限；模型4中涵盖了样本中所有引用数据；在模型5中，我们挑选引用专利属于1985—2011年，被引用专利属于1985—2001年的数据进行回归。

第二，在编制房屋拆迁肺预算方面，测绘系统的应用，其有利于相关部门全面掌握情况，进而做到科学合理的复核。

从表2中可以看出地理制约因素对知识溢出的影响，因此控制地理距离的影响对于准确估计区域间知识溢出量十分重要。每个系数表示的是当距离增加以后，知识溢出的衰减，我们需要使用指数公式，将每个系数值转化为百分比形式的衰减率。例如，表2中模型1的第一个系数表示跨越本区域的边界，知识将减少到初始水平的41%(=e-0.903)，即59%的知识保留在区域内部。第二个系数表示41%的49%(=e-0.709)将跨越相邻地区的地理边界，但是该系数值并不显著，说明大约20%的知识将溢出与本区域地理毗邻地区，知识溢出不受到毗邻地区边界的影响。此外，地理距离每增加1 000 km2，知识溢出将减少44%，说明地理距离确实是知识溢出的阻力因素，地理距离的增加，知识溢出将减少。

表2中模型1至模型5的结果非常稳定，无论是2年、6年还是10年的时间间隔。当允许引用专利覆盖整个样本数据库，被引用专利的仅为1985—2001年的情况(模型5)，知识溢出本区域的情况更少，大量的知识仍留在知识生产的区域内。1985—2001年间生产的知识在2011年前有37%溢出区域外，而考虑发明后的10年内的配对则有40%的知识溢出到区域外。当考查每远1 000 km的影响时，模型1和模型5的系数变化也很小(从每远1 000 km减少45.1%到每远1 000 km减少43.9%)。总体而言，考虑到大量的专利在发明后10年内被引用，加入更长时期的滞后并没有改变地理距离对知识溢出的制约。

此外，考虑到技术专业化程度和技术成熟程度相似的地区可能地理位置也较为邻近，若不控制地区之间的技术差异可能高估地理距离对知识溢出的影响，因此，我们在表2中加入两个反映区域技术差异的变量。第一个指标考察的是两个区域的技术专业化程度的差别。具体而言，按照国际专利IPC分类标准，将某一区域的所有授权专利(假设为区域i)分为八大类。区域i的授权在各技术类别的份额s(=1,2,…,8)表示为一个向量是Shi=(shi1,shi2,…,shi36)。区域i和区域j向量的偏相关系数的计算公式为该指标度量的是地区技术专业化的相似程度。它的值介于0至1之间，该值越趋近于1，说明技术专业化的重合程度越高。之后，我们用(SpecDis)ij=1-(SpecDorr)ij来指代区域i和区域j之间的技术专业化的差距。第二个指标考察的是两区域技术成熟度的差距，它度量的是知识溢出接收地区与溢出地区的研究人员人均R&D支出(1985—2011)对数值的差别。

考察以上两个变量，我们发现两个区域技术成熟度的差距将增大知识从发达地区的溢出量，但是技术专业化的差异却会阻碍知识溢出。模型1的数据说明两个技术专业化指数完全不同((SpecDis)ij=1)的区域的知识溢出量是两个技术专业化指数完全相同((SpecDis)ij=0)的42%(=e-0.859)。此外，若某一区域的R&D研发高于另一地区50%，则他们之间的知识溢出比两地区R&D强度相同情况下高62%(=e-0.5×0.97)。不同于地理距离，技术距离随着时间的流逝对知识溢出的影响似乎在逐渐增大。从2年内到最长的时间间隔，系数的估计值(绝对值)在不断增大(模型5)。因此，随着时间推进，越来越多发达地区的知识被落后地区所学到。在下文中，我们将使用式(4)及表2的模型1的系数计算出各区域间的外部影响权重φij，以此为基础估计创新效应大小。

该位置是列车在运行过程中，自动制动手柄常放位置，是向全列车初充风、再充风缓解列车制动以及列车正常运用所采用的位置。

 

表2 知识溢出的制约因素

  

知识溢出模型1(10年)模型2(2年)模型3(6年)模型4(全样本)模型5引用专利：1985—2011年被引用专利：1985—2001年流出区域-0903∗∗∗(0132)-0976∗∗∗(0141)-0919∗∗∗(0134)-0997∗∗∗(0131)-0917∗∗∗(0136)流出邻近区域-0709(0412)-0709(0417)-0810(0513)-0810(0511)-0815(0515)每远1000km-0584∗∗∗(0014)-0597∗∗∗(0020)-0588∗∗∗(0016)-0577∗∗∗(0013)-0578∗∗∗(0017)技术专业化的差别-0859∗∗∗(0061)-1023∗∗∗(0084)-0914∗∗∗(0066)-0864∗∗∗(0059)-1003∗∗∗(0071)技术先进化的差别-0970∗∗(0035)-0800∗∗∗(0057)-0873∗∗∗(0039)-0951∗∗(0033)-1068∗∗(0045)是否控制引用区域个体效应是是是是是是否控制被引用区域个体效应是是是是是观测值900900900900900对数似然值-1430839-1240232-1403670-1456038-1129831

注：1)括号内值为标准差；2)***、**、* 分别表示在1%、5%、10%的水平上显著

5 知识溢出创新效应的估计结果

表3汇报了方程(8)中γ和μ的估计值。创新产出(因变量)表示为lnPit，其中Pit是i地区t年获得的授权专利总数。我们完全控制了地区和时间固定效应。在模型1中，包含了来自所有地区的源自外部的加权R&D存量。自身R&D对创新的影响弹性约为0.5，源自外部的R&D对创新的影响弹性为0.3左右，源自外部的R&D对区域创新产出具有显著的重要贡献。

φij(τ)=ef(i,j)(1-e-βτ)

陈大勇睁圆了双眼，双手握紧鬼子的枪刺，一声虎啸，刺刀被他带着喷血拔了出来，小鬼子惊呆了，手一撒，就那么两秒的时间，陈大勇反手把刺刀扎进了鬼子的胸膛。

将收治的72例确诊为老年2型糖尿病的患者，随机分为对照组36例，观察组36例。72例患者一般情况均良好，能准确配合资料的收集。其中男性54例，女性18 例；年龄 60～85 岁，平均年龄（69.6±13.5）岁；病程 1～30 年，平均（18±9.5）年；体重 40～75.4 kg，平均（52.5±13.8）kg；并发高血压、冠心病等其他疾病者42例。

 

表3 知识溢出创新效应的估计结果

  

方程变量模型1模型2权重ϕij来自方程(1)(cij/Pj)/(cii/Pi)自身R&DlnAit0534∗∗∗(0056)0606∗∗∗(0058)源自外部R&DlnAait0354∗(0261)0381∗∗∗(0152)地区和时间双固定效应是是时期1985—2011年1985—2011年R209650965观测值810810

注：1)括号内值为标准差；2)***、**、* 分别表示在1%、5%、10%的水平上显著

6 结论

左达边笑边摇头，“没时间了，离开这是非之地，你转告张仲平，如果有来世，我会和他成为最好的朋友，现在，在我跳楼之前，你，快滚！”

根据式(2)，i地区的创新产出的对数值lnQit取决于一系列地区-时间效应lnXct、本区域R&D存量lnAit以及可获取的外部R&D存量若外部可获取的R&D存量对创新产出存在正向的影响(即μ>0)，那么知识溢出则有积极效应。

[1]ZVI GRILICHES. The search for R&D spillovers[J]. Scandinavian Journal of Economics，1998, 94(94)：29-47.

[2]BUN SONG LEE，SOOMYUNG JANG，SUNG HYO HONG. Marshall's scale economies and Jacobs' externality in Korea: the role of age, size and the legal form of organisation of establishments[J]. Urban Studies，2010, 47(14)：3131-3156.

式(7)在知识溢出的研究中很常见，并且通常使用非线性最小二乘法估计[5]，或者由于引用数据是计数数据，使用负二项回归[13]。如果我们将式(7)两边取对数，将得到一个线性回归方程，考虑到引用数据的特征，本文将选用负二项回归。

[4]ADAM B. JAFFE，MANUEL TRAJTENBERG，REBECCA HENDERSON. Geographic localization of knowledge spillovers as evidenced by patent citations [J]. the Quarterly journal of Economics，1993：577-598.

[5]TRAJTENBERG，MANUEL. Patents, citations, and innovations [M]:Cambridge：MIT Press, 2002.

[6]JAMES D. ADAMS. Comparative localization of academic and industrial spillovers[J]. Journal of Economic Geography，2002, 2(3)：253-278.

本文使用我国30个一级行政区间的专利引用数据捕捉了知识溢出的痕迹，估计了知识溢出的创新效应。本研究得到了较为稳健的结果，实证结果表明区域内生产的知识约有41%将溢出到区域外部，但是跨越毗邻省份的边界对于知识溢出并无显著的影响。研究证实虽然知识溢出存在显著的区域化的现象，但是随着科技与经济的发展，地区之间的溢出数量仍十分庞大，不容忽视。在此基础上，本文估计了知识溢出对区域创新的影响效应，发现源自外部的知识的影响效应约为区域自身R&D投入影响的50%～80%，说明区域之间加强交流、充分利用外部知识溢出、对于提高区域创新能力有着重要的作用。

[7]PAOLA CRISCUOLO，BART VERSPAGEN. Does it matter where patent citations come from? Inventor vs. examiner citations in European patents [J]. Research Policy，2008, 37(10)：1892-1908.

[8]LAURA BOTTAZZI，GIOVANNI PERI. The international dynamics of R&D and innovation in the long run and in the short run [J]. Economic Journal, 2007, 117(518):486-511.

[9]JASON OWEN-SMITH，WALTER W. POWELL. Knowledge networks as channels and conduits: the effects of spillovers in the Boston biotechnology community[J]. Organization science，2004, 15(1)：5-21.

[10]张昕, 李廉水. 制造业聚集、知识溢出与区域创新绩效:以我国医药、电子及通讯设备制造业为例的实证研究[J].数量经济技术经济研究，2007，24(8)：35-43.

充足的存货对于粮食仓储企业而言是创造效益的根本，在当前的社会发展格局下，粮食仓储企业面临的市场环境较为复杂。若企业的仓储量大于需求量，粮食存储时间过长就会发生变质，造成企业的经济损失；若仓储量小于需求量，则会使企业丧失获取更多利润的机会，影响企业的创效能力。提升粮食仓储企业存货成本管理的有效性，是企业生存与发展的必由之路，应主动探究存在于当前存货成本管理当中的问题，探寻提升存货管理有效性的可行性路径。

(6)据资料显示，八达岭野生动物园在过去几年之间已经发生过多起动物伤人事件：2016年3月，八达岭野生动物园一名40多岁的动管部经理在给大象喂食时被其踩死。2014年8月，八达岭野生动物园孟加拉虎园区一名巡逻员被老虎咬伤后送至医院，经抢救无效死亡。2012年10月，一位老太太在八达岭野生动物园华南虎区下车解手，被突然出现的老虎扑倒，面部遭到撕咬。2009年3月，三名男子爬完长城抄近路下山，翻过几道护网后误入八达岭野生动物园虎园，其中一人被咬死……在发生了如此多起的动物伤人致害案件，动物园方仍然没有做出有效果的处理方案，导致了类似的悲剧的再一次发生。

[11]侯鹏, 刘思明. 内生创新努力、知识溢出与区域创新能力:中国省级面板数据的实证分析[J]. 当代经济科学，2013，35(6)：14-24.

[12]MARY O MAHONY，MICHELA VECCHI. R&D, knowledge spillovers and company productivity performance[J]. Research Policy，2009, 38(1)：35-44.

[13]LEE BRANSTETTER. Is foreign direct investment a channel of knowledge spillovers? Evidence from Japan’s FDI in the United States[J]. Journal of International economics，2006, 68(2)：325-344.

[14]吴延兵. 中国地区工业知识生产效率测算[J]. 财经研究，2008，34(10)：4-14.

[15]ARIEL PAKES，ZVI GRILICHES. Patents and R&D at the firm level: a first report[J]. Economics Letters，2004, 5(4)：377-381.

[16]LEE G. BRANSTETTER. Are knowledge spillovers international or intranational in scope?: Microeconometric evidence from the US and Japan[J]. Journal of International Economics，2001, 53(1)：53-79.

青花瓷始于唐代，直到元代，开始了传统青花的繁荣时期。成熟的元青花出现在景德镇，当时制作青花瓷的主要工艺不变，而是在釉料和青花的拣选配制作进行改进，使青花的质地日益精湛。元、明、清是中国传统青花主要发展的时代，元代青花瓷器型硕大，画风豪放；明代永乐、宣德青花瓷达到了青花瓷史上的最高峰，造型丰富、纹饰从疏朗转为繁密；清代青花绘画吸收了西洋画的技术特点，民窑青花达到了历史最高峰，但因政治、经济等方面的问题，青花瓷的发展不断衰败。