多维邻近性对我国跨区域产学协同创新的 影响 ：静态与动态双重作用
王海花，王蒙怡，孙银建
(上海大学 管理学院，上海 200444)
摘 要 ：基于国家知识产权局产学合作发明专利数据，采用负二项回归和逻辑回归模型，研究了多维邻近性对我国跨区域产学协同创新的影响，包括对协同创新绩效的静态影响和对协同创新关系形成与维持的动态影响。研究结果表明，技术邻近与地理邻近的静态和动态影响分别呈倒U型和正向关系；社会邻近能促进协同创新关系形成与维持，不会显著促进协同创新绩效提升，但能够正向调节技术邻近对协同创新的影响；网络邻近对协同创新绩效及其关系形成与维持的影响呈正向关系，且正向调节技术邻近对协同创新关系形成与维持的影响，负向调节社会邻近与地理邻近对协同创新绩效的影响。
关键词 ：技术邻近；地理邻近；社会邻近；网络邻近；跨区域产学协同创新
0 引言
在大力实施创新驱动发展战略下，我国创新型国家建设成果丰硕，但创新能力不强导致区域发展不平衡。因此，必须坚定不移地贯彻创新理念，实现科学发展。国务院印发的《国家创新驱动发展战略纲要》提出，应通过跨区域整合资源，优化区域创新布局并带动国家整体创新能力提升。
如何整合不同创新主体、不同创新区域拥有的创新资源是学术界的一个研究热点。Lundvall[1]最早提出国家创新系统的概念，后来延伸出区域创新系统的概念，解释国家和地区层面的创新资源整合。产学协同创新是区域创新系统的重要组成部分，是弥合产业技术创新和学术技术潜能之间创新断层的重要方式[2]。近年来，区域间邻近性影响是研究跨区域产学协同创新的一类重要因素，Nikos[3]、Crescenzi[4]和赵炎[5]分别研究了地理邻近、技术邻近、网络邻近对区域间协同创新的影响。Balconi[6]、Bruneel[7]、Aldieri[8]和Wei[9]验证了技术邻近、社会邻近、地理邻近和制度邻近对产学协同创新绩效的直接影响以及交互作用。此外，许多学者逐渐开始将社会网络分析方法应用于创新研究领域[10]。
本研究在综合考虑地理邻近、技术邻近和社会邻近的基础上，引入网络邻近维度，探讨各维度邻近性对我国跨区产学协同创新的内在影响机制。同时，既有文献一般研究多维邻近性对协同创新绩效的静态影响，较少涉及邻近性对协同创新关系形成和维持过程的动态影响[11]。本文将从静态和动态两个方面探析多维邻近性对跨区域产学协同创新的影响机制。
1 研究假设与理论模型
1.1 技术邻近性对跨区域产学协同创新的影响
技术邻近最早由Jaffe[12]提出，指两主体之间的技术相似程度。一般来讲，技术相似的创新主体之间知识扩散更有效率，容易形成合作关系，发生区域内[13]以及跨区域[14]的协同创新行为。但是，过高的技术邻近会阻碍协同创新，合作双方在产业结构和专利结构上过度邻近，不利于协同创新[15]。本研究认为，跨区域产学协同创新主体之间存在一定的技术邻近能够使合作主体进行有效的沟通和交流，促进协同创新关系的形成和长久维持，提升协同创新绩效。然而，如果技术邻近过高，不同区域之间的知识异质性较低，合作互补性较小，则不利于合作关系的形成与维持以及协同创新绩效提高。因此，提出如下假设：
H1a：技术邻近对跨区域产学协同创新绩效具有倒U型影响；
H1b：技术邻近对跨区域产学协同创新关系的形成与维持具有倒U型影响。
1.2 地理邻近性对跨区域产学合作创新的影响
Nikos[3]研究发现地理邻近会促进区域经济协同发展。Breschi[16] & Fleming[17]分别从信息成本增加和资源获取便利性角度解释了地理邻近的正向影响作用。也有一些学者认为过度的地理邻近会带来负向影响[18],地理距离在一定范围内有利于产学协同创新[9]。本研究认为，一方面地理邻近有利于面对面交流，推动不同区域创新主体间直接沟通；另一方面，地理邻近能够促进知识等创新要素流动，促进合作双方建立深入而频繁的合作。本研究以省份为基本单位，处于不同省份的产学双方距离较远，基本不存在过度邻近现象。因此，提出如下假设：
H2a：地理邻近对跨区域产学协同创新绩效具有正向影响；
政府提供公共服务时常是统一行进，总体投放，中国如此之大，容易造成公共服务产品投放总量不足且服务参差不齐，服务不公，由此而产生的服务水平差的现象就难以避免。这些不顾实情，统一行动的大政府行为难以给人民提供满意的服务。
H2b：地理邻近对跨区域产学协同创新关系的形成与维持具有正向影响。
1.3 社会邻近性对跨区域产学协同创新的影响
社会邻近源于嵌入性理论，指行为主体之间社会嵌入性关系的远近[19]。合作网络的形成受到主体间社会关系的影响[20]，具有较高社会邻近的创新主体之间信任程度较高[21]，可以更深入地进行沟通，有利于隐性知识传递；双方协调成本降低，合作意愿提升[22]。本研究认为，社会邻近水平高的创新主体之间的信任关系能够推动隐性知识传递，提高协同创新绩效，有利于合作关系的长期维持。因此，提出如下假设：
H3a：社会邻近对跨区域产学协同创新绩效具有正向影响；
前不久，湖南省沅江市茶盘洲镇湖南大润鸿生物科技有限公司的羊肚菌基地传来好消息：由中国农业科学院麻类研究所农产品加工微生物遗传改良与应用创新团队开展技术指导的羊肚菌林下栽培模式取得成功——在洞庭湖区滩地的杨树林下，套种的羊肚菌长势喜人。
H3b：社会邻近对跨区域产学协同创新关系的形成与维持具有正向影响。
1.4 网络邻近性对跨区域产学合作创新的影响
创新主体在创新网络中占据的位置决定了其在网络中获取信息和知识资源的能力，两个主体之间的邻近性反映了双方建立合作的难易程度。网络邻近程度越高，则组织间联结需要经过的网络成员越少，更容易进行知识转移获取创新所需要素，创造更多创新成果[5][23]。本研究认为，网络邻近在降低信息获取不确定性和合作成本方面具有优势，可以有效促进要素在跨区域产学双方之间的传递，不同区域的产学双方更容易进行合作，促进协同创新绩效提高，更有利于建立长久合作关系。因此，提出如下假设：
H4a：网络邻近对跨区域产学协同创新绩效具有正向影响；
在完成治疗之后对照组中血小板聚集情况、aPTT以及cTnT的改善情况均显著低于观察组，差异有统计学意义（P＜0.05）。见表1。
H4b：网络邻近对跨区域产学协同创新关系的形成与维持具有正向影响。
1.5 调节作用
1.5.1 地理邻近在技术邻近对跨区域产学协同创新影响中的调节作用
H5a：地理邻近正向调节技术邻近对跨区域产学协同创新绩效的影响；
Autant[24]研究发现技术邻近和地理邻近的有效结合能够取得更好的创新绩效；Mancusi[25]从吸收能力的角度解释了两者间互补关系，即地理距离会负向调节技术邻近和协同创新之间的关系[26]。本研究认为，当产学协同创新双方地理距离较近时，面对面的交流比较便捷，能够促进隐性知识传递与吸收，此时，技术邻近更能够为双方的有效沟通和理解奠定基础，促进双方合作关系的形成与维持，并提高协同创新绩效。因此，提出如下假设：
此次重读后，觉得自己找到了答案。也暗自讶异张恨水先生对人性如此透彻而敏锐的刻画。冷清秋，她清，她冷，她温柔，她淑雅，正是这般洁若百合的干净和透彻在最初的一刹攫住他的双眼。于是，他以为自己动了心，爱情的种子悄然萌芽，他用着追求女孩子一贯的作风，用近乎疯狂的挥霍展露他的热情，他的浪漫。为了她，他去作诗，开办诗社，在她生日时，送来昂贵的珠宝。于是，柔弱的她抗拒不了这阳光灼眼的热情，情窦初开的芳心被幸福击垮，尽管她预感到这其中隐隐的不安，但扑面的暖风，他执着的追寻，也最终让它一闪而散在营造出的美好梦境中了。他们一起到西山赏月，月光淡淡，月光是美的，但谁知道呢，远远看上去美，走近却是寒冷。
1.5.2 社会邻近在技术邻近对跨区域产学协同创新影响中的调节作用
4.4 播种或分苗密度应适宜，不可过密。同时应及时严格地清除苗床杂草、残枝枯叶，以利通风、透光、换气。
H6a：社会邻近正向调节技术邻近对跨区域产学协同创新绩效的影响；
本系统需要的卫星遥感数据由水利部旱情遥感监测系统提供，包括：经过预处理的MODIS数据产品，如植被指数、地表温度等。
地理距离使科技合作变得困难，网络的形成可以使创新主体跨越地理空间障碍[23]。本研究认为，尽管网络邻近和地理邻近都能够促进跨区域产学协同创新，但是，当两个区域的网络邻近性水平较高时，它们之间较容易建立合作关系并产生协同创新绩效，这种情况下两者在地理上是否邻近的重要性减弱。也就是说，网络邻近和地理邻近对跨区域产学协同创新的影响在一定程度上具有替代作用。基于此，提出如下假设。
1.5.3 网络邻近在技术邻近对跨区域产学协同创新影响中的调节作用
迟嘉昱[29]的研究表明，网络距离和技术距离对企业合作创新绩效存在替代作用。个体在网络中的位置会影响其在网络中获取资源的能力，而技术邻近和网络邻近都直接关系到合作双方进行交流和要素共享的能力，这表明合作双方的网络邻近性在技术距离对协同创新绩效的影响中存在调节作用。本研究认为，网络邻近代表产学双方“合作路径”的便捷程度，技术邻近则代表双方技术差异程度，主体之间的网络邻近较高，说明主体之间存在较多的直接或间接合作，更高效地在合作中发挥技术邻近对跨区域产学协同创新的促进作用。因此，提出如下假设：
H7a：网络邻近正向调节技术邻近对跨区域产学协同创新绩效的影响；
H7b：网络邻近正向调节技术邻近对跨区域产学协同创新关系的形成与维持的影响。
1.5.4 网络邻近在地理邻近对跨区域产学合作创新影响中的调节作用
H6b：社会邻近正向调节技术邻近对跨区域产学协同创新关系的形成与维持的影响。
H8a：网络邻近负向调节地理邻近对跨区域产学协同创新绩效的影响；
H8b：网络邻近负向调节地理邻近对跨区域产学协同创新关系形成与维持的影响。
1.5.5 网络邻近在社会邻近对跨区域产学协同创新影响中的调节作用
夏丽娟[30]提出，社会邻近与网络邻近都是反映社会关系的变量，影响主体获取社会资源的能力。本研究认为，当两个区域在创新网络中的距离较近时，说明主体间社会关系较好，建立协同创新关系的难度降低。因此，网络邻近和社会邻近对跨区域产学协同创新的影响在一定程度上具有替代作用。基于此，提出如下假设：
H9a：网络邻近负向调节社会邻近对跨区域产学协同创新绩效的影响；
H9b：网络邻近负向调节社会邻近对跨区域产学协同创新关系形成与维持的影响。
1.5.6 理论模型
本文理论模型如图1所示。
图1 理论模型
2 数据与方法
2.1 数据来源
本研究使用国家知识产权局专利检索数据库中已授权的高校和企业联合申请的发明专利。数据检索方式为在数据库中以39所“985”大学与“公司”、“企业”、“集团”或者“厂”两两组合进行检索，筛选出申请人仅有一所大学和一家企业并且被授权的发明专利。此外，发明专利从申请到授权一般需要1～3年的时间，本研究于2016年开始数据收集工作，因此，2014—2016年期间申请的专利还有一部分未通过授权批准，而2000年以前专利申请量很少，网络未形成规模[10]。为保证数据的完整性和有效性，本研究使用数据的时间跨度为申请日在2001—2013年之内，共得到7 928条专利。
Breschi[27]研究发现，社会邻近性较高的合作者之间发生技术溢出的概率也较高。社会邻近能够使双方在拥有一定信任的前提下进行交流，提高组织沟通效率，进而增强技术邻近对协同创新绩效的影响[28]。本研究认为，当社会邻近水平较高时，以往合作经历能够使合作过程更趋标准化，减少不必要的重复程序，并且会增加产学双方彼此的信任程度，双方技术邻近对产学协同创新的影响作用也会增强。因此，提出如下假设：
西藏自治区没有实行专利制度，因而收集除西藏外的内地各省专利数据。共得到435对区域组合，每对区域组合有11年的数据。本文使用的是一个平衡面板数据，共有435个横截面，每个横截面有11期数据，共有435*11=4 785个观测值。
2.2 变量测量
2.2.1被解释变量
(1)跨区域产学协同创新绩效(pat )，是指某一年两区域产学共同申请并被授权的发明专利数量。
(2)跨区域产学协同创新关系形成与维持，用两区域近两年内产学是否产生合作发明专利或者是否持续产生合作发明专利作为动态研究的解释变量，它是二分类变量，若观测期前两年两地区开展产学合作并且当年依然有合作，或者前两年内没有合作而当年发生了合作，则记为1，否则为0。
2.2.2 解释变量
(1)地理邻近性(geo_prox )。借鉴Wei[9]的研究，首先测量两两省级行政区域省会之间的球面距离，然后用其平方根的倒数表示两区域之间的地理邻近性。球面距离计算方法为：
d ij =6371{cos-1[sin(lat i )sin(lat j )+cos(lat i ) cos(lat j ) cos(|long i -long j |)] }
其中，d ij 表示两省会之间的球面距离，6371km表示地球的平均半径，lat i 和lat j 表示两省会的纬度，long i 和long j 表示两省会的经度。地理邻近为：
再说烟酒。烟酒伤身，早已是科学共识，但嗜烟酗酒的人在年轻时，总是以为烟酒的危害离自己很远，总是觉得那是危言耸听，总是侥幸地认为自己不会被厄运砸到。当有一天，躺在了医院里、病床上，甚至车轮下，医生说就是吸烟太多喝酒太狠了，你追悔莫及，悔不当初。可世界上没有后悔药，没有回头路，都是单程单行票。居安的时候不信有危，有危的时候没有了返回安的路。
(2)社会邻近性(soc_prox )。借鉴Wei[9]的研究，以二分类变量表示社会邻近性，若两区域产学双方在观测期前两年拥有授权的合作发明专利，则记为1，否则为0。
企业可以借助互联网的特性以第一身份实现与公众的双向对等沟通，通过建立新媒体矩阵有序发布各种形式的内容。新媒体矩阵的建立有利于将信息辐射到不同平台上的不同受众，扩大与公众沟通的“面”。
(3)网络邻近性(net_prox )。借鉴夏丽娟[30]的研究，以两地区在合作网络中的路径长度表示网络距离，用网络距离的倒数表示网络邻近性。若区域i 和j 可以直接联系，则其网络距离为1，网络邻近性为1；若区域i 和j 之间有K个节点，则其网络距离为K,网络邻近性为1/K。
(4)技术邻近性(tec_prox )。采用Jaffe[12]提出的技术距离计算方式，按照国际专利分类标准，专利可以分为8个专利部(A—H)，技术邻近性计算方法为：
其中，tec_prox ij 表示两区域之间的技术邻近性，1-8表示IPC的8个专利部，f ik 和f jk 表示某段时间内区域i 和j 在k 部专利中授权的发明专利总数。tec_prox ij 取值范围为0～1，越接近1表明两区域的技术邻近性越高，越接近0表明两区域的技术邻近性越低。
其中W为权重参数，i，j分别表示对应的目标框与类别，根据真实标注信息来求解参数，更新权重，利用反向传播来计算得到对应的参数值。
2.2.3控制变量
区域自身创新能力也会对区域间产学协同产生影响。因此，本研究将两个区域本身的专利申请总量作为控制变量。
3 实证分析
3.1 模型构建
3.1.1多维邻近性对跨区域产学协同创新绩效的影响
H5b：地理邻近正向调节技术邻近对跨区域产学协同创新关系形成与维持的影响。
由于因变量具有离散、非连续、非负整数、期望和方差不相等的特征，因此，选择负二项回归模型进行分析。同时，本研究将中国内地30个省级行政区域之间的产学协同创新作为研究对象，基本代表整体状况，因此，采用固定效应模型。回归模型如下：
pat ij =exp(c+β 1tec_prox ij +β 2geo_prox ij +β 3soc_prox ij +β 4net_prox ij +β 5kz 1+β 6kz 2+ε )
其中，i 、j 表示地区，β 1-β 6为待估计的参数，c 为常数项，ε 为随机扰动项。
(4)开设就业指导相关课程。在学生入学之初开展专业入学教育专题讲座，让学生明白专业发展方向；在学生离校前的一个学期，开设《职业发展与就业指导》《创业基础》两门课程，让学生做好就业规划。
3.1.2 多维邻近性对跨区域产学协同创新形成与维持的影响
由于因变量为二分类变量，因变量与自变量之间不是线性关系，不符合线性回归对数据的假设条件，因此，选择逻辑回归进行分析。回归模型如下：
其中，p表示因变量取值为1的概率，1-p表示因变量取值为0的概率。
湖北省各个地区的自然地理条件并不相同，每个地区发展农业循环经济的方式应该根据各自的地理位置、经济情况、以及自身独特的发展优势来进行。结合前面分析得出的相关结论，提出以下发展湖北省农业循环经济的建议：
3.2 描述性统计与相关分析
表1显示了因变量(授权的跨区域产学合作专利数量，记为pat )、自变量(技术邻近性tec_prox 、地理邻近性geo_prox 、社会邻近性soc_prox 、网络邻近性net_prox )和控制变量(两地区申请专利总数kz 1、kz 2)的描述性统计和相关性分析结果。从中可以看出，自变量之间的相关性程度均小于0.4，可以不考虑多重共线性问题。
表1 描述性统计与相关性分析
注：**表示在0.01水平(双侧)上显著相关
3.3 回归结果分析
3.3.1 多维邻近性的静态影响
回归分析结果如表2所示，在M2-M5中技术邻近项的系数均为正，技术邻近的平方项系数均为负，但是，均没有通过显著性检验，即技术邻近对跨区域产学合作创新绩效具有倒U型影响但不显著，H1a未得到直接验证。而在M1、M6、M8、和M10中技术邻近项的系数为负并通过了显著性检验，说明随着区域间技术邻近性的升高，区域间协同创新绩效会降低。这可能是因为我国区域间技术邻近性较高(描述性统计结果显示区域间技术邻近平均达到0.6)，导致技术邻近性和跨区域产学协同创新绩效的关系处于倒U型曲线的下降阶段，即过高的技术邻近会对创新绩效造成负向影响，H1a得到间接验证。在模型M3-M5中地理邻近项的系数均为正，并且通过了显著性检验，假设H2a得到验证。M4和M5中社会邻近性的系数为正，但没有通过显著性检验，假设H3a未得到验证。这可能是因为当今社会制度逐渐完善，合作双方更多依靠合约、法规等约束彼此，以信任为基础的社会邻近对合作的影响逐渐减弱。M5中网络邻近性的系数为正，并且通过了显著性检验，H4a得到验证。
关于调节效应的检验结果，M7中地理邻近和技术邻近乘积项的系数不显著，H5a未得到验证。M9中社会邻近与技术邻近乘积项系数为正，与技术邻近平方项的乘积项为负，并且均通过了显著性检验，H6a得到验证，调节效应如图2所示。M11中网络邻近与技术邻近或技术邻近的平方项的乘积项系数均不显著，H7a未得到验证。M12中网络邻近和地理邻近的乘积项的系数显著且为负，H8a得到验证，调节效应如图3所示。M13中网络邻近和社会邻近乘积项的系数显著且为负，H9a得到验证，调节效应如图4所示。
3.3.2 多维邻近性的动态影响
表3为回归分析结果，在M1'—M4'中技术邻近性的系数均为正，技术邻近的平方项均为负并且均通过了显著性检验，H1b得到验证。M2'—M4'中地理邻近、社会邻近、网络邻近的系数均为正，并且通过了显著性检验，H2b、H3b、H4b得到验证。
表2 负二项回归结果
注：被解释变量为跨区域产学协同创新绩效；***表示在0.001水平(双侧)上显著， **表示在0.01水平(双侧)上显著，*表示在0.05水平(双侧)上显著，+表示在0.1水平(双侧)上显著；N=4 785，下同
图2 社会邻近在技术邻近对跨区域产学协同创新绩效影响中的调节作用
图3 网络邻近在社会邻近对跨区域产学协同创新绩效影响中的调节作用
图4 网络邻近在地理邻近对跨区域产学协同创新绩效影响中的调节作用
关于调节效应检验结果，M5'中地理邻近与技术邻近的乘积项系数为正，与技术邻近平方项的乘积项为负，但均没有通过显著性检验，H5b未得到验证。M6'、M7'中社会邻近、网络邻近与技术邻近乘积项系数为正，与技术邻近的平方项的乘积项系数为负，并且均通过了显著性检验，H6b、H7b得到验证。M8'和M9'中网络邻近与地理邻近、社会邻近乘积项的影响系数均不显著，H8b和H9b未得到验证。
3.4 结果讨论
(1)技术邻近对跨区域产学协同创新绩效和协同创新关系形成与维持的影响都呈倒U型，说明具有一定技术相似性的产学双方能够更好地理解和沟通，并识别和吸收对方的新技术、新知识。随着技术邻近性不断提高，主体之间可以更高效地进行新知识传递，且更容易维系合作关系。然而，当技术相似性超过一个阈值时，合作双方的知识异质性过低，难以刺激创新的产生，合作关系也难以维持。
(2)地理邻近能够促进跨区域产学协同创新绩效显著提升，也有利于跨区域产学协同创新关系的形成与维持，但不会调节技术邻近对跨区域产学协同创新的影响。这说明地理邻近使得产学双方能够更方便地进行面对面沟通和交流，更利于隐性知识传递。同时，随着通信技术的不断发展，地理距离对双方沟通产生的限制作用会不断降低，技术邻近对跨区域产学协同创新的影响不会受到地理距离的影响。
较大的焦径比率可以使得交叉极化较为低，考虑到天线的实际安放，焦径比选择为1.7，选择的天线的焦距为3 m。
(3)社会邻近不会促进跨区域产学协同创新绩效显著提升，但能够促进跨区域产学协同创新关系的形成与维持，并正向调节技术邻近性对跨区域产学协同创新的影响。当今社会制度逐渐完善，合作双方更多依靠合约、法规等约束彼此，以信任为基础的社会邻近对协同创新的影响逐渐减弱。此外，较多的合作经历能够使彼此了解程度增加，技术邻近性对协同创新的影响也会增强。
表3 Logistic回归分析结果
(4)网络邻近会促进跨区域产学协同创新绩效显著提升，也有利于跨区域产学协同创新关系形成与维持，并正向调节技术邻近的动态影响。此外，网络邻近会负向调节地理邻近和社会邻近对跨区域产学协同创新绩效的影响。网络邻近在增加主体间信息传递和资源共享便捷程度、提升区域间协同创新绩效的同时，能够放大技术邻近对跨区域产学协同创新活动关系形成与维持的影响。此外，结果还表明网络邻近和地理邻近、社会邻近对跨区域产学协同创新绩效的影响具有替代作用，说明当两个区域在创新网络中的距离较近时，即使地理距离较远或以往没有直接合作关系，也比较容易合作产生创新绩效。
4 研究启示与展望
4.1 研究启示
(1)积极鼓励区域内创新主体形成自身技术优势，适度降低与其它区域的技术邻近，选择合作伙伴时不应仅以社会邻近为标准。我国目前区域之间的技术邻近性较高，二者关系已经处于倒U型曲线的下降阶段，表明区域之间技术异质性较低，这不利于创新的产生。因此，各区域应发展自身特色技术。同时，在选择合作伙伴时不应以是否有过协同创新经历作为唯一标准，而要推动合作伙伴多样化，促进更多创新成果产出。
(2)大力发展交通网络和通信技术，提升区域间地理邻近水平。地理距离会阻碍双方隐性知识传递，不利于区域间协同创新。因此，政府应该增加交通网络和通信技术方面的投入，不断弱化地理距离的阻碍作用，促使跨区域产学主体间更容易进行交流和资源共享，形成协同关系并产生创新绩效。
(3)构建有利于协同创新关系形成的公共服务平台，降低区域节点间平均网络距离。本研究表明网络邻近能够提高跨区域产学协同创新绩效，并降低地理距离的阻碍作用。因此，通过构建有利于高校和企业开展跨区域协同创新的公共服务平台，能够降低产学双方的信息不对称，促进区间协同创新网络发展和协同创新绩效提升。
京东物流目前已在北上广三个城市全面开展个人快递服务，根据情况，2019年会推广到中国最核心的30～50个城市，再根据这些城市的使用情况推广到全国更多的城市。目前京东物流的合作伙伴有高铁、航空这些快速的陆运网和航空网，也有传统的陆运网络，通过这些网络可以给消费者提供更多的选择。
4.2 研究展望
一是扩大研究样本范围，尽可能将更多高校纳入到研究中，增加研究样本的覆盖范围；二是综合考虑交通时间和交通成本等因素，更全面地反映区域间地理邻近水平。
参考文献 :
[1] LUNDVALL B A.National innovation system：towards a theory of innovation and interactive learning[M].Pinter,London,1992.
[2] 夏丽娟,谢富纪,王海花.制度邻近、技术邻近与产学协同创新绩效——基于产学联合专利数据的研究[J].科学学研究,2017,35(5):782-791.
[3] NIKOS B,STELIOS K,SOTIRIS K.Proximity and growth spillovers in European regions：the role of geographical,economic and technological linkages[J].Journal of Macroeconomics,2015,43:124-139.
[4] CRESCENZI R,NATHAN M,RODRIGUEZ-POSE A.Do inventors talk to strangers? on proximity and collaborative knowledge creation[J].Research Policy,2016,45(1)：177-194.
[5] 赵炎,王琦,郑向杰.网络邻近性、地理邻近性对知识转移绩效的影响[J].科研管理,2016,37(1):128-136.
[6] BALCONI M,BRESCHI S,LISSONI F.Networks of inventors and the role of academia：an exploration of Italian patent data[J].Research Policy,2004,33(1)：127-145.
[7] BRUNEEL J,D'ESTE P,SALTER A.Investigating the factors that diminish the barriers to university-industry collaboration[J].Research Policy,2010,39(7)：858-868.
[8] ALDIERI L.Technological and geographical proximity effects on knowledge spillovers：evidence from the US patent citations[J].Economics of Innovation and New Technology,2011,20(6)：597-607.
[9] WEI H,YU-SUNG S.The effect of institutional proximity in non-local university-industry collaborations：an analysis based on Chinese patent data[J].Research Policy，2013,42(2)：454-464.
[10] 刘芳芳,冯锋.产学研跨区域合作现状及特征研究——基于社会网络视角[J].科学学与科学技术管理,2015,36(8):83-92.
[11] VON PROFF S,BRENNER T.The dynamics of inter-regional collaboration：an analysis of co-patenting[J].The Annals of Regional Science,2014,52(1)：41-64.
[12] JAFFE A B.Technological opportunity and spillovers of R&D：evidence from firms' patents,profits,and market value[J].American Economic Review,1986,76(5)：984-1002.
[13] 向希尧,蔡虹,裴云龙.跨国专利合作网络中3种接近性的作用[J].管理科学,2010,23(5):43-52.
[14] SCHERNGELL T,HU Y.Collaborative knowledge production in China：regional evidence from a gravity model approach[J].Regional Studies,2011,45(6)：755-772.
[15] 曾巍.多维邻近性对省际边界区域经济协同发展影响的实证分析[D].长沙：湖南大学,2016.
[16] BRESCHI S，LISSONI F.Mobility of skilled workers and co-invention networks：an anatomy of localized knowledge flows[J].Journal of Economic Geography,2009,9(4)：439-468．
[17] FLEMING L,MARX M.Managing creativity in small worlds[J].California Management Review,2006,48(4):6-27.
[18] MANSFIELD E,LEE J Y.The modern university：contributor to industrial innovation and recipient of industrial R&D support[J].Research Policy,1996,25(7)：1047-1058.
[19] 吕国庆,曾刚,顾娜娜.基于地理邻近与社会邻近的创新网络动态演化分析——以我国装备制造业为例[J].中国软科学,2014(5):97-106.
[20] VELENTURF A P M,JENSEN P D.Promoting industrial symbiosis：using the concept of proximity to explore social network development[J].Journal of Industrial Ecology,2016,20(4):700-709.
[21] BROEKEL T,BOSCHMA R.Knowledge networks in the Dutch aviation industry：the proximity paradox[J].Journal of Economic Geography,2012,12(2)：409-433.
[22] DYER J H,HATCH N W.Relation‐specific capabilities and barriers to knowledge transfers：creating advantage through network relationships[J].Strategic Management Journal,2006,27(8)：701-719.
[23] CHEN Z,GUAN J.The impact of small world on innovation：an empirical study of 16 countries[J].Journal of Informetrics,2010,4(1)：97-106.
[24] AUTANT-BERNARD C.The geography of knowledge spillovers and technological proximity[J].Economics of Innovation and New Technology,2001,10(4)：237-254.
[25] MANCUSI M L.International spillovers and absorptive capacity：a cross-country cross-sector analysis based on patents and citations[J].Journal of International Economics,2008,76(2)：155-165.
[26] GUAN J C,YAN Y.Technological proximity and recombinative innovation in the alternative energy field[J].Research Policy,2016,45(7)：1460-1473.
[27] BRESCHI S,LISSONI F.Knowledge networks from patent data[M].Handbook of Quantitative Science and Technology Research,Springer Netherlands,2005.
[28] 韦文雯.多维邻近性对产学研合作创新绩效的影响研究[D].广州：华南理工大学,2015.
[29] 迟嘉昱,孙翎,刘波.网络位置、技术距离与企业合作创新——基于2003-2013企业专利合作数据的研究[J].科技管理研究,2015,35(22):22-25+31.
[30] 夏丽娟,谢富纪,付丙海.邻近性视角下的跨区域产学协同创新网络及影响因素分析[J].管理学报,2017(12):1795-1803.
Study on the Effect of Multidimensional Proximity on Regional Industry -University Cooperative Innovation ：Static and Dynamic Effects
Wang Haihua,Wang Mengyi,Sun Yinjian
(School of Management,Shanghai University,Shanghai 200444,China)
Abstract ：The effects of multidimensional proximity on regional industry-university cooperative innovation are studied,including the static influence on the performance of cooperative innovation and the dynamic influence on the formation and maintenance.Based on the patent data from the National Intellectual Propery Administration of China,the negative binomial regression model and logistic regression model are used .The results show that the technology proximity has an inverted U type impact on the innovation performance and the formation and maintenance，when the geography proximity has a positive impact.The social proximity can not only help to form and maintain the cooperative innovation relationship but also positively moderate the relationship between technology proximity and the cooperative innovation,and it does not have a significant impact on the innovation performance.In addition，network proximity has a positive impact on the innovation performance and the formation and maintenance and it will positively moderate the relationship between technology proximity and the formation and maintenance.
Key Words :Technology Proximity; Geography Proximity; Social Proximity; Network Proximity; Cross Regional Industry-University Cooperative Innovation
收稿日期 ：2018-07-30
基金项目 ：国家自然科学基金面上项目(71373158)；教育部哲学社会科学研究重大课题攻关项目(15JZD017)；上海市“科技创新行动计划”软科学研究领域重点项目(18692108400)
作者简介 ：王海花(1983-)，女，山东聊城人，博士，上海大学管理学院副教授，研究方向为创新和知识管理；王蒙怡(1994-)，女，浙江杭州人，上海大学管理学院硕士研究生，研究方向为创新和知识管理；孙银建(1991-)，男，河北邢台人，上海大学管理学院硕士研究生，研究方向为创新和知识管理。
DOI ：10.6049/kjjbydc.2018040030
开放科学 (资源服务 )标识码 (OSID)：
中图分类号 ：F061.5
文献标识码： A
文章编号： 1001-7348(2019)02-0044-07
(责任编辑：万贤贤)
标签：技术邻近论文; 地理邻近论文; 社会邻近论文; 网络邻近论文; 跨区域产学协同创新论文; 上海大学管理学院论文;