EN中文

地理科学进展 >

2023 , Vol. 42 >Issue 4: 782 - 795

DOI: https://doi.org/10.18306/dlkxjz.2023.04.013

理论探讨

区域经济发展的知识动力及其多区位机制

  • 王腾飞 , 1, 2
展开
  • 1.宁波大学商学院，浙江 宁波 315211
  • 2.华东师范大学城市与区域科学学院，上海 200241

王腾飞(1990— )，男，山东巨野人，博士，讲师，主要从事区域创新、城市与区域经济研究。E-mail:

收稿日期: 2022-10-12

  修回日期: 2022-12-16

  网络出版日期: 2023-04-27

基金资助

宁波大学高级别人文社会科学前期培育项目(XPYQ22003)

华东师范大学未来科学家和优秀学者培育项目(WLKXJ202009)

收起

The knowledge dynamics of regional economic development and its multi-locational mechanism

  • WANG Tengfei , 1, 2
Expand
  • 1. Business School, Ningbo University, Ningbo 315211, Zhejiang, China
  • 2. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China

Received date: 2022-10-12

  Revised date: 2022-12-16

  Online published: 2023-04-27

Supported by

The Cultivation Program of High-level Humanities and Social Sciences of Ningbo University(XPYQ22003)

The Program of Future Scientists and Outstanding Scholars of East China Normal University(WLKXJ202009)

Fold

摘要

在信息、劳动力、资本和商品等要素超具流动性的时代背景下，知识越发表现出一种邻近和远距离流动并存的多区位互动特征，并对区域经济发展产生重要影响。为此，论文首先围绕当前人类社会经济系统的一系列重要变化，并结合传统区域创新研究范式的内在缺陷，引介以知识组合为核心的区域知识动力学理论。在此基础上，尝试构建区域经济发展的多区位知识动力解析框架：通过引入信任机制和学习机制深度阐释正式/非正式制度和认知水平等地方情景因素对知识组合的影响机理;分别围绕外部知识关联和知识网络外部性探究多区位知识网络对区域产业比较优势演化和内生经济增长的作用机制。最后，从区域管治、区域战略导向、政策工具和知识影响4个维度归纳知识经济时代的区域治理逻辑。多区位知识动力框架推进了区域创新学派关于经济发展中知识动力问题的研究，有助于区域协同创新和经济高质量发展政策的科学制定。

关键词： 知识组合; 地方情景; 信任—学习机制; 外部知识关联; 网络外部性; 多区位知识动力; 区域经济发展

本文引用格式

王腾飞 . 区域经济发展的知识动力及其多区位机制[J]. 地理科学进展, 2023 , 42(4) : 782 -795 . DOI: 10.18306/dlkxjz.2023.04.013

Abstract

In the era when information, labor, capital, and commodities are extremely mobile, knowledge increasingly shows multi-locational interactions characterized by the coexistence of interaction between neighboring areas and interaction between distant places, which has an important impact on regional economic development. Based on a series of changes in the current human social and economic systems, combined with the inherent inadequacies of the traditional regional innovation research paradigm, this article introduced the territorial knowledge dynamics theory with knowledge combination as the core. According to the theory of territorial knowledge dynamics, knowledge combination is the key driving force of regional innovation, characterized by multi-scale networks. The combination of different types of knowledge is realized through interaction between neighboring areas or interaction between distant places in space. According to the spatial pattern of knowledge combination, territorial knowledge dynamics can be classified into multi-locational knowledge dynamics and networks of distant knowledge dynamics. This study built an analytical framework of multi-locational knowledge dynamics for regional economic development. By introducing trust and learning mechanisms, this framework analyzes the mechanism of influence of local contexts, such as formal/informal institutions and cognitive level, on knowledge interaction and combination. Based on the external knowledge linkages and knowledge network externality, this framework explores the path and mechanism of influence of multi-locational knowledge networks on the evolution of regional industrial comparative advantage and endogenous economic growth. Finally, the logic of regional governance in the era of the knowledge economy was summarized from four dimensions: regional governance, regional strategic guidance, policy tools, and knowledge impact. The study of multi-locational knowledge dynamics promotes the regional innovation school's research on knowledge dynamics in regional economic development. It is also helpful for scientifically formulating policies for regional collaborative innovation and high-quality economic development.

Key words： knowledge combination; local context; trust-learning mechanism; external knowledge linkages; network externality; multi-locational knowledge dynamics; regional economic development

21世纪的知识经济时代，知识作为区域经济发展的源动力，自20世纪90年代以来便备受经济学、管理学、社会学和地理学等学科的关注。其中，传统经济地理学和区域经济学研究均强调空间要素在本地知识学习过程中的重要作用，并认为受地理距离影响，知识溢出呈现距离衰减效应，进而为集聚经济提供了知识动力维度的解释。事实上，对于知识流动和学习而言，地理邻近并非是一个充分必要条件。尤其在知识经济时代，随着互联网信息技术和高铁等基础设施的快速发展，地理距离的壁垒效应明显弱化，时空压缩效应越发显著;相应地，信息、劳动力、资本和商品等要素的流动性得到空前强化，从而使得知识的跨区域流动现象愈加普遍，并呈现近距离和远距离流动并存的多区位流动特征[1⇓-3]。
然而，在各要素超具流动性的时代背景下，区域创新空间和经济景观却仍然呈现出马赛克式的非均衡分布特征[4⇓-6]。针对该问题，部分研究尝试从地方社会文化、制度和认知水平等非地理因素视角对知识流动区位及其经济效应进行解释[7⇓-9];但是，上述研究的理论基点多是立足于传统区域创新学派的知识累积动力，探究本地尺度的知识生产和溢出机制，而对知识多区位流动的内在逻辑、影响机制和经济效应鲜有关注。因此，本文立足于区域知识动力学派关于知识组合的多区位情景论点，尝试构建区域经济发展的多区位知识动力解释框架。
本文通过反思知识经济时代的区域发展动力，并在批判性吸收传统区域创新理论中知识累积动力的基础上，结合知识组合的多区位情景论点，尝试构建区域经济发展的多区位知识动力解析逻辑，以推进区域创新学派关于区域经济发展中知识动力问题的研究，并在其中深度阐释地方社会文化、制度、认知以及知识网络等要素的作用机制。多区位知识动力框架强调从更本质的知识关联(而非地理邻近)视角认识知识经济时代的区域关系，通过以知识多区位溢出为核心的内生增长路径助推中国区域经济高质量发展战略。

1 提出多区位知识动力概念的原因

1.1 知识经济时代人类社会经济系统发生了一系列重要变化

产业发展是技术、制度、经济和社会文化等多种要素协同演化的系统变迁过程。如果以通用技术的突破为产业演进阶段的判定依据，人类工业社会则是在18世纪60年代伴随蒸汽机和铁路设备制造业的兴起而逐渐步入“蒸汽时代”，并于19世纪中后期进入以电力、合成燃料和化工技术为主导的“电气时代”[10]。同时，随着工业技术的进步，工业生产系统开始由依赖于个人技能的单件少批量制造转向大规模标准化生产，并于20世纪30年代形成福特式大规模生产模式。即企业主要采用集中式纵向一体化生产方式向消费市场提供标准化产品。在福特式生产模式下，专业化生产机械、可替换零部件和一体化的生产管理工序成为关键;另外，企业较为独立，技术知识的学习和应用相对单一，同时，由于企业多是内部开展创新活动，企业自身需要承担较高的技术研发成本。
20世纪70年代，工业社会发生以信息通信技术为主导的第三次工业革命，同时也标志人类社会开启知识经济时代[11]。进入21世纪，随着新一代信息技术和高铁等基础设施的快速发展，以及新兴业态的兴起，人类社会经济系统发生诸多变化，并对创新动力和区域经济发展模式产生重要影响[1]。围绕区域创新的多区位知识动力论点，本文主要从3个方面归纳当前社会经济的重要变化及其对知识流动的影响。其一，Web 2.0交互式互联网和移动互联网等数字技术的快速发展使得知识呈现出复杂化、在线化、多元化和共享化等新特性，并成为影响知识流动和区域创新动力的内在因素。例如从门户论坛、微信公众号到资讯APP和短视频APP等，虚拟网络空间的更新升级为各类知识的数字化及其储存提供载体，同时也使得知识供给的多样化和传播的大众化程度不断提升。另外，知识的上述新特性使得产业生产活动及其技术体系变得更具可分解性，这促使企业在创新过程中积极搜寻外部知识进行重组。其二，创新所需的知识不再仅仅局限于生产系统，相应地，消费者群体也越来越成为企业搜寻知识的重要源头，这使得位于不同地方的各类消费者群体为本地企业的创新活动提供了有价值的多元化信息，从而促进知识的多区位流动和组合。具体而言，当前越来越多的产品和服务逐渐将地方社会文化和个体审美差异作为产品或服务创新和增值的重要因素;尤其是文化创意产业将地方社会文化作为创新的本底要素，同时结合不同消费群体的审美特质和体验需求进行个性化设计和创作[12-13]。这说明，当前社会经济背景下，特定地方或消费群体所特有的社会文化知识也成为创新的重要来源，使得生产系统和消费群体之间的关联网络更加重要。其三，信息技术和交通运输技术的快速发展为知识的多区位流动(尤其是远距离流动)提供物理渠道。即上述基础设施的发展很大程度上压缩了时空距离，扩大了产业的空间组织范围，使得商品、服务和资本，尤其是信息、劳动力等要素的流动性得到空前强化，显著促进了知识的远距离流动和跨区域组合，同时也使得创新活动的多尺度网络特征愈加明显[14⇓⇓⇓-18]。综上，随着人类社会经济系统的演变，产业技术创新条件和动力也发生了较大变化，这也放大了传统区域创新研究范式的内在缺陷。

1.2 以知识累积为核心的传统区域创新范式存在缺陷

20世纪80年代末，针对福特式大规模生产模式的诸多弊端，部分西方经济地理学者尝试基于结构主义和组织视角探究一些传统工业区域的衰落和个别地区的成功转型机制[19]。其中，加州学派综合新制度经济学的交易成本理论和演化经济学的技术轨迹观点，认为新产业空间之所以出现在于当地具有一种区别于大规模标准化生产模式的弹性生产体系;芝加哥学派又将社会规制因素考虑进来，认为产业区的兴衰机制在于本地产业是否形成一种弹性专业化(图1)。20世纪90年代初期，部分学者通过引介社会经济学理论探究地方制度厚度和创新环境对区域和产业演化的影响机制(图1)。该类学派认为减少不确定性是实现集体学习和投资过程的关键条件。直到20世纪90年代中后期，知识才被越来越多的学者视为区域和产业创新的重要动力(图1)。部分学者尝试引入认知科学领域的研究方法和基础理论解释区域发展过程，注重探究不同主体在经济活动中浏览、理解和应用各类信息的方式，并从编码知识和缄默知识间的相互转化层面对经济活动中的知识流动给予更深层次的解释。其中，经济地理学者Storper等[20]在集体学习概念的基础上，认为地理邻近和非贸易相互依赖关系缩短了经济主体间的认知距离，从而促进各主体通过面对面交流形成“本地蜂鸣”促进本地知识学习，在此基础上发展了全球区域理论;关系经济地理学者[21]在知识社区的基础上，认为本地蜂鸣是由同行业和同一地点内的经济主体通过面对面交流和共区位所形成的信息交流模式，并且还通过网络通道获取外部有价值的信息和知识，以促进本地创新和经济发展，从而提出“本地蜂鸣—全球通道”理论;演化经济地理学者[22]基于路径依赖等理论反思地理邻近之于区域创新的实际作用，并提出了以认知邻近为核心的多维邻近性解释框架，细化了产业间相关多样性和非相关多样性的技术创新效应。
图1 区域创新与知识学习相关理论和概念演进脉络图谱

注：根据文献[1,19]改制，图中红框上半部分的相关概念及传承关系可参考文献[19]。

Fig.1 Evolution of theories and concepts related to regional innovation and knowledge learning

上述区域创新研究立足于知识累积动力理论基点，为本地知识学习机制贡献了许多重要的学术概念和理论，包括集群、创新环境、三螺旋、地方蜂鸣—全球通道和多维邻近等[23-24]。其中，知识累积动力的特点是，新知识的产生直接依赖于或主要建立在先前已生成的知识基础上，并且这些知识基础是知识主体和地方制度环境在共同演化过程中构建的。知识累积理论认为，从个体到国家多个层面，累积性均决定了新知识的生产能力;路径依赖和长期演化对于知识累积的外部轮廓和内部结构至关重要。这主要是由于本地制度环境的稳定性及其与之共同演变的累积知识基础很大程度上减少了创新过程中的不确定性和风险。这也说明知识累积动力视角下的区域创新机制需要建立在较高的制度环境相似性之上。
然而，上述以知识累积动力为核心的传统区域创新理论在解释当前社会经济背景下的创新活动时表现出部分缺陷。第一，随着各要素的流动性空前提升，本地企业越发倾向在区域外部网络中锚定新知识以满足自身发展;然而，传统区域创新理论过于侧重本地知识学习机制探究，对多尺度网络学习机制关注不足。第二，知识分工细化程度的不断加深和新旧业态融合发展的刚性需求使得知识组合动力越发成为技术创新和产业升级的关键，但是，以知识累积动力为主的传统区域创新文献仅注重已有知识基础对新知识创造的作用，忽视了不同类型和不同区域知识的组合对技术创新的重要作用。第三，当前社会经济系统的一系列变化使得以往以知识分工明确、不确定性较小为特征的单一功能学习方法不再适应当前的创新环境，需要转向以知识复杂、不确定性较大为特征的多功能分散学习方法(例如，区域内的经济活动主体通过在区域外部设置研发中心等分支机构以实现在多尺度的知识网络中获取更专业和更前沿的知识技术等资源);然而，传统知识累积动力中的路径依赖机制适合单功能知识学习场景，无法应用于多功能分散学习模式。

1.3 一种以知识组合为核心的区域知识动力范式形成

在反思传统区域创新研究范式缺陷的基础上，Asheim[25]超脱编码知识和缄默知识的二分法，在产业知识基础语境下将知识分为合成型(synthetic)、解析型(analytical)和符号型(symbolic)知识基础类型，被称为知识的SAS分类法。SAS分类法的主要特征是，知识类型不是由其内容或价值定义的，而是由知识的创造方法和推理原则，以及评估这种知识的价值和有用性的标准定义的[26⇓-28]。因此，这种分类法强调了影响知识创造、转移、转化和应用的情景性，及其在不同行业中的不同意义。另外，SAS分类方法强调知识基础之间的产业语境差异，有助于区分知识累积动力和知识组合动力。
相较于知识累积动力，知识组合动力是通过整合最初分散于不同技术、产业、组织或区域的知识基础而形成的[29]。需要指出的是，在知识生产和共享过程中，区域内部和外部各类创新主体通过互动交流实现知识组合;反过来，不同区域和不同主体间的多重边界和情景差异在一定程度上影响并限制了知识的有效组合。因此，知识组合动力中的交互组合意味着需要通过克服多重壁垒以消融不同文化、制度和认知等情景差异所产生的阻力。具体而言，知识组合动力的有效运行需要依赖长期累积的专业知识基础为知识组合提供潜在的范围。技术演化理论认为，不同类型知识的组合不是任意进行的，而是需要事先积累成熟的专业化知识[30]。另外，各种社会关系网络为创新主体访问分布在不同区域的高度专业化但互补的知识基础提供了便利条件。
伴随知识的SAS分类方法的提出，知识组合开始受到越来越多学者的关注。Arthur[30]认为知识组合是新思想和新知识创造的重要机制。虽然已有知识缺乏新意，但通过以一种新颖的方式将不同类型的已有知识创造性地结合在一起也可以形成创新。部分学者将知识组合分为典型知识组合和非典型知识组合，认为典型知识组合是对已有知识组合方式的重组和改进;非典型知识组合指探索和开发一种全新的知识组合方式，这种知识组合经常出现在不相关知识的组合过程中[31-32]，并且非典型知识组合与城市规模之间存在一种超线性关系，具有显著的尺度性特征[33]。伴随着知识密集型服务活动的外包和创新的组织变革，全球价值链重组成为知识组合的重要驱动力，并且受到制度差异和认知距离的影响[34]。
需要指出的是，在诸多知识组合相关研究中，Crevoisier等[1]通过对比和反思传统区域创新研究范式，基于知识组合理论首次引入区域知识动力(territorial knowledge dynamics)①(① territorial意为“领土的”，具有政治意义的行政边界，一般指国家尺度的区域。)概念，旨在揭示当前社会经济变化对企业和企业所在区域(以及其他区域)的知识互动关系和创新动力产生的影响。相对于传统区域创新研究范式的“创新和邻近机制”，区域知识动力范式的核心观点是：知识组合是区域创新的源动力，具有多尺度网络特性;不同类型的知识组合在空间上具有邻近和远距离2种组合方式。例如，生物技术与信息和通信技术等产业领域的知识具有较高的编码性，可进行远距离的知识互动和组合;而知识密集型商业服务业和旅游业领域的知识具有较高的缄默性，主要通过邻近互动实现知识组合。依据知识组合的空间模式，区域知识动力可分为多区位知识动力和远距离知识网络动力。其中，多区位知识动力模式指当前社会经济变化使得知识同时具有较强的邻近互动和远距离互动特征，进而使得知识组合依赖于多区位情景(multi-location milieus);而远距离知识网络动力模式指知识具有较强的远距离互动和较弱的邻近互动。
虽然区域知识动力目前没有引起学界的高度重视，但该理论对多区位知识组合动力的重视更有利于揭示知识经济时代知识流动的真实轨迹和区域创新动力机制，这也正是部分学者继续拓展和深化区域知识动力学理论的原因所在。其中，Halkier等[35]在期刊European Planning Studies组织了以“知识动力、区域和公共政策”为主题的专刊，旨在探究不同区域和不同产业的知识组合对区域经济发展的影响，并尝试探索一种适应知识经济时代的区域政策;Jeannerat等[36]在期刊Regional Studies又组织了以“从区域创新模型到区域知识动力学”为主题的专刊，旨在将区域知识动力纳入经济地理既有理论框架来揭示区域和产业演化过程中的多区位知识组合机制。

2 区域经济发展的多区位知识动力逻辑框架建构

区域经济发展的多区位知识动力框架主要包括两部分内容：一是，在时空压缩效应越发显著的背景下，引入信任机制和学习机制，突出地方情景因素对知识互动和组合的影响机制;二是，基于外部知识关联和网络外部性，依次探究多区位知识网络对产业比较优势演化和经济内生增长的作用路径和机制(图2)。
图2 区域经济发展的多区位知识动力逻辑框架

Fig.2 Analytical framework of multi-locational knowledge dynamics for regional economic development

2.1 地方情景与多区位知识组合机制

传统经济地理学理论认为，地理邻近由于可以为创新主体间的面对面交流提供便利条件，从而成为知识(尤其是缄默知识)学习的先决条件。然而，地理邻近的行动主体之间往往也共享相同或相似的地方情景，从而产生一定程度的社会文化、制度和认知接近;正是这些社会文化、制度和认知等非地理要素邻近对主体之间的有效沟通和相互理解发挥了重要作用[37-38]。这说明，知识流动过程除了受到地理要素的影响以外，还受到其他非地理要素的影响[39⇓-41]。为揭示当前社会经济背景下的区域创新动力，区域知识动力学派在空间因素的基础上，突出了地方情景因素(即地方社会文化、制度和技术基础等表征地方性的因素)对知识组合的影响[1,42]。地方情景影响知识组合的内在逻辑在于：一方面，知识组合依赖于专业化的知识基础，而知识基础累积过程具有路径依赖性和情景嵌入性特征;另一方面，知识组合的本质是知识从其被创造时所嵌入的情景转移到另一个新的情景中，并涉及“去情景化”和“再情景化”过程。换言之，地方情景通过影响知识的“脱嵌”(即通过编码等方式将知识在初始创造时所嵌入的地方社会文化、制度和知识基础等情景性因素进行选择性摒弃或文本化)和“再嵌”(即已剥离初始情景的知识与新情景区域的知识进行互动和组合)过程影响知识组合。因此，可以得到这样一个推论：知识趋于流向情景相似的区域;而较大的地方情景差异会阻碍本地对外部新知识的理解和吸收(即脱嵌和再嵌过程)，从而形成一种非均衡性知识关联网络。即与知识创造地有相似地方情景的区域可以较为容易地锚定新知识，从而两地产生较强的知识关联;而与之具有较大情景差异的区域由于存在较高的知识学习成本和不确定性，很难产生知识流动，从而两地具有较弱的知识关联。

2.1.1 地方正式/非正式制度环境与信任机制

制度可分为正式制度(如法律和政策等)和非正式制度(如习俗、文化传统和行为守则等)。其中，非正式制度层面，部分学者认为良好的社会文化环境可以使得行为主体通过非贸易相互依赖关系进行互动，从而减少创新过程中的不确定性和不稳定性，并在本地知识流动过程中发挥“润滑剂”作用[43]。近年来，越来越多的学者应用社会资本理论探究地方制度环境对知识流动和区域创新的影响[44]。社会资本可以看作社会组织的信任、规范和网络特征，而具有这些特征的个体或组织可以凭借低成本获得深度嵌入在社会关系中的某种稀缺资源。其中，信任是嵌入在人际关系中的一种无形的社会资源，是在频繁的社会互动过程中建构的，有利于降低交易成本[45];规范可以理解为在产权、法治、竞争监督和合同协议等地方制度长期约束下形成的互惠行为趋向，有利于降低创新合作过程中的风险成本;网络是组织内成员在信任和规范基础上所形成的具有高度认同感和归属感的社会关系。可见，高水平的社会资本使网络内部资源的调动变得更加容易。而对于知识这样一种具有较大隐性和敏感性的资源，在其传播过程中尤其需要行为主体嵌入社会关系网络中[46]。
个别学者将上述社会资本概念拓展到区域层面，认为区域社会资本是一个区域共同体所拥有的社会资本，即某区域为更有效地获取区域外部资源以提高竞争优势，所构建的社会信任、互惠规范和社会网络[47]。其中，区域的社会信任主要体现在整个区域共同体长期演进过程中所形成的文化传统、习俗、历史文脉和社会信誉等，在一定程度上等同于区域形象。区域的互惠规范可以理解为地方政府所制定的一系列具有明确性、公平性和包容性的市场竞争规则，包括产权保护、优惠政策和契约等。一个施政良好的地方政府可以创造一个规范的制度环境，从而提高区域自身的可信赖性，有利于人才、企业和资本等创新要素集聚[48]。区域社会网络是在区域信任和互惠规范基础上形成具有高度区域认同性和归属感的区域共同体关系网络。
另外，地方正式制度环境也显著影响知识流动。具体而言，创新合作本质上属于一种“契约安排”，需要法律、规则等正式制度来保障创新合作行为的顺利推进[49]。规范的地方正式制度环境既能增加信息的透明化，降低信息不对称性产生的交易成本，又能通过法律等强制手段对违约者进行制裁，避免创新合作关系中途破裂[50]。因此，无论是地方非正式制度，还是正式制度，相似的制度环境均通过强化行为主体之间的信任，降低交易和互动成本，促进知识流动。可以得到以下推论：地方制度环境差异较大的区域之间由于缺乏相互信任的基础，从而难以建立一种稳固的社会关系，增加了信息不对称带来的机会主义风险和交易成本，最终影响知识的跨区域流动和组合。

2.1.2 地方认知水平与学习机制

近年来，演化经济地理学者在吸收认知科学相关理论的基础上，围绕区域和产业创新议题从路径依赖视角构建了以认知邻近为核心的多维邻近性解释框架。内在的微观逻辑在于：个体完整的学习过程包括具体体验、反思观察、抽象概括和主动实验4个阶段(图3)。其中，第一阶段直接具体的经验构成第二阶段观察和思考的基础;而这些观察又在第三阶段通过抽象和概念化形成理论，并用于指导第四阶段的实践行动;最后，通过自身不断的调整来适应新环境并开始一个新的学习周期[51]。需要指出的是，个体学习过程的这种周期性在一定程度上导致个体的认知学习能力具有累积性。换言之，个人已有知识与外部知识的关联性会影响个体的学习效率。Cohen等[52]将个体认知学习的累积性特征应用在组织学习层面，并提出吸收能力(absorptive capacity)概念。个体和组织间的差异性会产生认知距离，而消除认知距离的有效方式就是需要双方进行沟通和交流，使其在吸收能力和认知范畴层面存在合适的重叠域，从而促进互动学习[53]。例如，一些关于企业间学习的研究表明，吸收能力较高的企业往往获益更多的外部知识[54]。
图3 学习的循环过程

注：根据文献[51]改绘。

Fig.3 The circular process of learning

虽然大多数关于吸收能力的经验研究均是以企业为研究对象，但也有部分研究将吸收能力理论应用于区域创新层面[55]。由于创新是一个渐进和累积的过程，只有具备理解、吸收和应用外部知识能力的地区才能有效地获得知识溢出效应[56]。即那些拥有大量知识存量的区域更容易与外部知识进行组合。这也说明，地方吸收能力对于理解外部新知识并将其转化为区域自身创新能力至关重要。综上，地方认知水平对知识累积和知识组合均产生较大影响。即两地较高的地方认知水平为共享更多的知识基础提供广阔空间，可以更有效地进行知识互动组合;相反，较低的认知水平减少了区域之间的知识重叠域和共享范围，增加了知识学习和理解的成本，不利于知识的有效组合。需要注意的是，由于知识学习轨迹是一种涉及多类型多区域的知识组合网络[57]，区域认知水平不仅仅是特定区域所有个体和组织认知水平的总和，还包括主体间的相互关系[58]。这使得区域认知过度邻近及其锁定效应在多区位知识动力中是一个极小概率事件。
需要说明的是，地方情景对知识累积动力和知识组合动力在一定程度上具有差异化的影响。这种差异主要是由特定行业之间的产业属性差异导致的[29]。例如，对于汽车制造等传统产业而言，地方情景差异对该类产业的知识累积动力影响较大，对其知识组合动力影响较小;而对于网络游戏等新媒体产业而言，地方情景差异对该类产业的知识组合动力影响较大，对其知识累积动力影响较小。原因在于，汽车零部件制造商的生产惯例和标准在全球范围具有一定的统一性，使得该类知识相对容易在远距离条件下进行互动和组合;另外，由于该类产业的链条相对较长，本地相关产业集群对技术累积产生重要促进作用。电子游戏等新媒体产业的创新很大程度上需要考虑不同区域消费群体的喜好差异，导致该类行业知识的组合比较容易受到地方社会文化差异的影响。

2.2 多区位知识组合的产业升级和经济内生增长效应

关于区域经济发展知识动力的已有文献主要围绕产业升级和经济内生增长2个方面展开。其中，演化经济地理学学者从路径依赖视角强调了技术关联对本地产业演化的重要作用，忽视本地—非本地知识组合的作用;区域经济学者主要在知识溢出距离衰减假设前提下，运用知识生产函数模型和空间计量经济学模型量化分析知识空间溢出效应对相邻地区经济发展的影响，而较少关注知识的远距离网络溢出效应。为此，本节依次围绕地方产业比较优势演化和区域经济内生增长2个方面阐述多区位知识组合的产业经济效应和作用机制。

2.2.1 外部知识关联与地方产业比较优势演化

比较优势意味着某区域能够以比其他区域/国家更低的机会成本生产某种商品或服务。传统经济学理论是建立在技术水平、规模报酬和要素结构不变的假设前提下，认为比较优势演化是一个某种产业在连续且均质的产业空间中实现自动演化的过程。然而，随着国家和区域间产业分工不断细化、贸易和合作的日益频繁，区域技术水平和要素结构也发生一定变化;传统经济学关于比较优势演化的相关理论无法合理地解释不断演变的区际贸易格局，并且遭到其他理论流派的质疑。其中，演化经济地理学理论认为，产业空间是异质且离散的，若新行业超出了企业家的认知范围，产业升级就很难实现[59]。这意味着产业比较优势的演化并非随机，而是具有一定的路径依赖性。即产业比较优势的演化过程是从低端简单产业向高端复杂产业的升级过程。从时间维度来讲，产业升级过程受到本地已有知识基础的制约;从空间维度来讲，本地产业比较优势演化过程还受到其他区域优势产业知识的影响[60⇓-62]。基于知识溢出的距离衰减效应假设，部分学者通过实证研究论证了上述观点，并认为某区域更有可能在相邻区域的专业化领域中发展新的比较优势[63]。
然而，随着互联网信息技术和高铁等基础设施的快速发展，地理距离的阻碍效应明显弱化，从而使得信息、劳动力、资本和商品等各种要素流动性得到空前强化;同时，区域和产业创新越发依赖于不同区位知识的组合动力。在这种背景下，地方产业比较优势演化越来越依赖于跨区域锚定外部知识的能力，而不再仅仅取决于本地区既定的生产系统和初始资源分配[57]。重要的是，知识流动的多区位情景机制使得邻近区域间和远距离区域间均有可能产生较强的知识关联，从而使得这些区域更容易访问并学习对方优势产业的新知识和新技术[2,64]。综上，根据多区位知识动力理论，知识关联(尤其是区域外部知识关联)越发成为本地产业比较优势演化过程中的关键因素。

2.2.2 知识网络外部性与区域经济内生增长

20世纪90年代以来，大量的城市与区域经济学文献阐释了知识空间溢出与区域经济内生增长之间的关系，并形成以集聚外部性为核心的解释框架。总的来说，这些文献是建立在这样一个假设之上：知识溢出受地理距离影响在空间上表现出明显的距离衰减效应。基于该假设，集聚外部性理论认为空间集聚经济产生的一个主要原因在于：邻近创新中心区域的行为主体可以更有效地进行互动学习，从而获得更多的来自知识创造者溢出的新知识，即集聚外部性的“共享、学习和匹配”微观机制中的学习效应。
需要指出的是，在各要素超具流动性的知识经济时代，区域和产业创新模式随着知识学习方式的变化也发生较大转变。区域知识动力学派认为，基于本地知识基础促进产业专业化的模式逐渐转向在多区位网络中锚定特定知识和资源促进区域和产业创新的模式。原因在于，当前社会经济系统的巨大变化使得以往的单一功能学习方法不再适应当前的创新环境，需要转向以知识复杂、不确定性较大为特征的多功能分散学习方法[1]。重要的是，这种多区位网络学习模式使得网络外部性越发成为推动区域经济内生增长的核心动力[65]。在学术界，网络研究正成为经济学中最引人注目、最具活力的研究领域之一[66]。
不同于集聚经济外部性理论，网络外部性理论主张：个体基于自身特质(网络节点性)构建关系邻近优势并积极嵌入网络，利用互补关系和协同效应提升生产效率[67-68]。这也使得网络外部性具有与集聚外部性的空间距离衰减效应不同的特征，即“网络距离”衰减特征，而这里的网络距离可以依据网络节点间的互补性、可访问性或者连通性进行测度[69]。就知识流动而言，知识网络外部性驱动区域经济高质量发展的动力机制在于：(1) 知识网络所强调的平等共享式功能互动关系使得知识可以实现远距离的流动，有利于知识的精准匹配和组合，同时降低知识匹配和交易成本，从而提升区域创新效率;(2) 通过签订研发合作协议等市场行为所形成的区域网络邻近优势可以弱化地理空间分割和隐形壁垒阻隔的影响，使得新思想、新知识和新技术的流动和传播更便捷，实现跳跃式的网络溢出，从而扩大知识溢出的空间范围[3];(3) 网络外部性所强调的节点性允许不同区域可以基于自身的节点地位、协同角色和外部联系与其他区域形成异地网络化知识分工协作模式，推动细分领域产业链条的有序衔接，从而推动本地价值链的攀升和增值[65];(4) 网络连通性较强的中小城市可以利用“规模借用”机制与知识网络邻近的中心城市进行互动学习，从而享受到大城市中新知识集聚产生的正外部性，提升自身的生产率[70-71]。最新的研究发现，知识合作行为对关系邻近的依赖性要优先于地理邻近，从而导致网络溢出效应大于空间溢出效应[72]。基于上述文献分析可得到：区域间的知识关联越强越有利于新知识的学习和吸收，从而产生越强的知识溢出效应;随着互联网信息技术和高铁等基础设施的快速发展，地理距离对知识流动的阻碍效应明显弱化，从而使得区域间的知识溢出效应更加取决于知识网络邻近性。一言以蔽之，知识经济时代，区域间的知识互动越发频繁，使得知识网络溢出效应对于区域经济高质量发展越发重要。

3 多区位知识动力视角下区域经济发展的治理逻辑

20世纪80年代以来，伴随着工业化程度的不断深化，欧洲部分发达国家开始出现诸多“问题区域”。为解决这些“问题区域”的发展困境，针对特定地区的区域性政策和发展倡议在20世纪90年代呈现爆炸性增长，涉及范围从基础设施改善到科学园区、企业间网络和创意集群等领域[73]。相应地，作为一个工业化起步较晚但发展迅速的发展中国家，中国的区域政策框架在近几年也发生了重要革新。2012年以来，中国区域经济开始进入高质量发展阶段。为响应经济高质量发展诉求，中央和地方政府纷纷制定一系列区域政策试图破除人才、资本、信息和技术等要素跨区域流动的结构性和制度性障碍[74]。事实上，无论是欧洲地区的区域政策和发展倡议，还是中国政府近年来制定的各种区域战略，从本质上来看，两者均是对社会经济变迁所带来的挑战的一种政策响应。换言之，在工业经济时代转向知识经济时代过程中，除了知识技术和生产方式发生较大变化以外，区域政策也逐渐突破已有治理结构的路径依赖性，形成一种新的区域治理逻辑(表1)。
表1 工业经济时代和知识经济时代区域治理范式对比

Tab.1 Comparison of regional governance paradigms in the industrial economy era and the knowledge economy era

主维度 次维度 工业经济时代区域治理 知识经济时代区域治理
区域管治 治理结构 集中和等级式 分散和多层级网络式
扶持方式 自上而下集中扶持特定地区 自上而下和自下而上多元化扶持
区域战略
导向		 经济关系 市场关系 市场关系和网络关系
组织机构 企业 企业、中介、大学和科研机构
地方能力 投资基建改善硬环境，招商引资 强化行动者之间的知识互动关系，改善软环境
发展目的 扩大/复制现有经济活动以促进产量和区域经济增长 已有产业现代化和创造新兴产业，促进区域经济高质量发展
政策工具 政策类型 金融和财政等工具性政策 工具性和“身份提供”性政策
核心资源 资金 资金、信息和组织
知识影响 知识类型 合成型 合成型、解析型和符号型
创新阶段 应用阶段 探索、检验和应用阶段

注：根据文献[73⇓⇓⇓⇓⇓⇓-80]归纳得到。

区域管治维度，工业经济时代区域治理的权力基本全部集中在中央政府和地方政府层级，形成一种垂直等级式区域治理结构：中央政府通过自上而下的方式支持特定地区的发展。而在知识经济时代，由于信息、资本、劳动力和技术等多种要素的跨区域流动性得到空前提升，区域间的经济和科技交流与合作也变得更加频繁，这导致区域治理变得更加复杂。具体而言，知识经济时代区域治理结构形成一种更加分散和多层级网络式结构。即中央政府的权力下放使得地方政府的治理权限得到增加，并且地方政府之间通过在交叉领域签订一些合作协议实现区域共治;另外，除了自上而下式的中央政府扶持落后或衰败地区的发展以外，一些发达地区通过产业转移和技术扶持等途径扶持落后地区，形成一种自下而上式的区域帮扶模式。其实，近年来中国的京津冀协同发展[75-76]、长三角一体化[77-78]和粤港澳大湾区[79]等区域发展战略正是这种多层级网络式区域治理模式的实践案例。
区域战略在经济层面主要涉及经济关系、组织机构、地方能力和发展目的4个核心内容。其中，工业经济时代的区域发展战略主要围绕生产者一方优化经济主体之间的供应商关系，强调企业是推动区域经济增长的重要组织形式，并通过大规模地投资来改善地方基础设施，以良好的地方“硬环境”吸引企业和资本进入，进而扩大和复制本地已有的经济活动以促进本地企业产量的提升。相对于工业经济时代区域战略对经济体量的过度重视，知识经济时代的区域战略则转向重视经济质量，并倾向引导地方发展遵循熊彼特主义的创新发展路径。具体而言，知识经济时代的区域发展战略将经济关系由生产者构成的市场关系拓展到生产者和消费者市场关系，以及不同区域和行为主体之间构成的网络关系。除了企业之外，中介组织、大学和科研机构也被视为确保区域创新系统正常运行所必不可少的元素。知识经济时代，地方的社会制度环境(包括正式制度和非正式制度)与行为主体之间知识互动关系成为提升地方能力的重要维度。区域发展战略的上述转变核心目的是为了促进地方已有产业的现代化和培育位于价值链顶端的新兴技术产业，从而提升区域和企业竞争力。
区域发展战略作为一种对特定区域社会经济发展所制定的一种全局性、长远性和关键性问题的宏观决策，需要具体的和与之相匹配的政策工具才能顺利实施。在工业经济时代，区域发展政策主要以金融和财政等工具性政策为主。毋庸置疑，资金成为该时期推行区域经济政策的主要手段。然而在知识经济时代，除金融和财政等工具性政策以外，“身份提供”性政策越发受到区域政策制定者的重视。“身份提供”性政策主要借助特定符号或仪式表征区域间相似的地域文化和紧密的社会关系，以此强调特定的身份和价值，调动行为主体的情感性因素，增强成员间的区域归属感和认同感，降低区域和行动者之间的信任成本[80]。这种政策也使得信息资源和作为技术载体的实体组织更便于在区域间自由流动。需要指出的是，工具性政策和“身份提供”性政策往往是交互在一起，并以一种综合性的区域发展政策呈现。例如，20世纪80年代末，欧洲地区所实施的区域凝聚力政策就涵盖了“身份提供”性维度。另外，中国近年来所制定的长三角一体化和粤港澳大湾区等区域战略也将“身份提供”性政策包含在内。
最后，区域政策对知识动力的影响主要表现在知识类型和知识创新阶段2个方面。其中，工业经济时代的区域政策主要针对的是融合在某个工程开展或产品生产过程中的综合型知识，注重知识的应用及其经济价值的挖掘。由于知识经济时代的区域治理是以创新发展为核心导向，因此，知识经济时代的区域政策对综合型、分析型和符号型知识均有较大影响，并且更加注重新知识的创造和科学性检验，以此占领创新链和价值链的前端领域。

4 结论与讨论

在各要素超具流动性的知识经济时代，创新主体越来越难以在本地获得创新所需的所有知识，从而需要跨越区域边界与其他主体进行互动学习，以获得外部新知识促进创新。本文在反思知识经济时代区域发展动力的基础上，尝试构建了区域经济发展的多区位知识动力解析框架：首先，基于区域知识动力学派的多区位情景观点，并通过引入信任机制和学习机制依次阐述了正式/非正式制度和认知水平等地方情景因素对知识流动和组合的影响机理;然后，分别围绕外部知识关联和知识网络外部性探究了多区位知识网络对区域产业比较优势演化和内生经济增长的作用路径和机制。
通过对比和归纳方法凝练了知识经济时代的区域经济治理逻辑：首先，知识经济时代的区域管治转向一种分散和多层级网络式区域治理结构，以及自上而下和自下而上多元化区域扶持模式;其次，区域战略导向中的经济关系涵盖市场关系和社会网络关系，官、产、学、研均成为重要的创新组织机构，地方能力培育逐渐转向创新主体间知识关系强化和“软”环境的改善，发展目的开始以已有产业现代化和新兴产业培育为主;然后，政策工具类型涉及工具性和“身份提供”性政策，政策资源包括资金、信息和组织等;最后，区域政策对合成型、解析型和符号型知识均产生重要影响，并注重知识的创造、检验和应用等过程。
多区位知识动力理论框架探究嵌入在不同地方情景中知识的组合机制及其经济效应中。其中，多样性知识基础是创造力和创新的重要先决条件和刺激因素，同时也是知识共享和转化过程中造成误解和低吸收率的主要原因。知识的情景嵌入性使得多样性知识在组合过程中难以进行知识的情景“脱嵌”和“再嵌”。因为，不同创新主体需要共处在一个可以相互理解的共识场景，消除制度和认知等地方情景差异阻力，以探索原本分散的不同知识的组合机制。为此，一方面，需要通过适当增加研发投入提高地方认知水平和知识吸收能力，建立共享的知识基础库，以减小多区位知识动力中的学习机制所面临的阻力;另一方面，提升新知识所嵌入制度环境的可塑性和灵活性，增加知识组合的范围，例如将研发机构分散布局到不同的地方情景中并重新安排相应的组织惯例和规则。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Crevoisier O, Jeannerat H. Territorial knowledge dynamics: From the proximity paradigm to multi-location milieus[J]. European Planning Studies, 2009, 17(8): 1223-1241.

DOI

[2]
Crespo J, Vicente J. Proximity and distance in knowledge relationships: From micro to structural considerations based on territorial knowledge dynamics (TKDs)[J]. Regional Studies, 2016, 50(2): 202-219.

DOI

[3]
王腾飞, 谷人旭, 马仁锋, 等. “集聚—扩散”视角下中国区域创新极及其知识溢出区位[J]. 经济地理, 2021, 41(5): 11-18, 185.

[ Wang Tengfei, Gu Renxu, Ma Renfeng, et al. Regional innovation pole and its location of knowledge spillovers in China from the perspective of "agglomeration-diffusion". Economic Geography, 2021, 41(5): 11-18, 185. ]

[4]
Hidalgo C A. Why information grows: The evolution of order, from atoms to economies[M]. New York, USA: Basic Books, 2015.

[5]
王腾飞, 谷人旭, 姜炎鹏, 等. 长江三角洲城市创新梯度研究[J]. 经济问题探索, 2019(7): 78-84.

[ Wang Tengfei, Gu Renxu, Jiang Yanpeng, et al. Research on urban innovation gradient in Yangtze River Delta. Inquiry into Economic Issues, 2019(7): 78-84. ]

[6]
张翼鸥, 谷人旭, 马双. 中国城市间技术转移的空间特征与邻近性机理[J]. 地理科学进展, 2019, 38(3): 370-382.

DOI

[ Zhang Yi'ou, Gu Renxu, Ma Shuang. Spatial characteristics and proximity mechanism of technology transfer among cities in China. Progress in Geography, 2019, 38(3): 370-382. ]

DOI

[7]
Boschma R, Capone G. Institutions and diversification: Related versus unrelated diversification in a varieties of capitalism framework[J]. Research Policy, 2015, 44(10): 1902-1914.

DOI

[8]
Capello R, Caragliu A, Fratesi U. Breaking down the border: Physical, institutional and cultural obstacles[J]. Economic Geography, 2018, 94(5): 485-513.

DOI

[9]
钱肖颖, 孙斌栋. 跨区域产业技术关联与产业创新: 基于中国制造业的分析[J]. 地理科学进展, 2020, 39(11): 1822-1831.

DOI

[ Qian Xiaoying, Sun Bindong. Interregional technological relatedness and industrial innovation: An analysis based on China's manufacturing industry. Progress in Geography, 2020, 39(11): 1822-1831. ]

DOI

[10]
王姝楠, 陈江生. 数字经济的技术—经济范式[J]. 上海经济研究, 2019(12): 80-94.

[ Wang Shunan, Chen Jiangsheng. The techno-economic paradigm of digital economy. Shanghai Journal of Economics, 2019(12): 80-94. ]

[11]
黄群慧, 贺俊. “第三次工业革命”与中国经济发展战略调整[J]. 中国工业经济, 2013(1): 5-18.

[ Huang Qunhui, He Jun. "The third industrial revolution" and the adjustment of China's economic strategy. China Industrial Economics, 2013(1): 5-18. ]

[12]
马仁锋, 王腾飞, 张文忠, 等. 文化创意产业区位模型与浙江实证[J]. 地理研究, 2018, 37(2): 379-390.

DOI

[ Ma Renfeng, Wang Tengfei, Zhang Wenzhong, et al. Location model of cultural & creative industry and its application in Zhejiang. Geographical Research, 2018, 37(2): 379-390. ]

DOI

[13]
王腾飞, 马仁锋. 宁波老工业区创意空间孕育机制研究[J]. 地理科学进展, 2018, 37(11): 1567-1580.

DOI

[ Wang Tengfei, Ma Renfeng. Cultivation mechanism of creative spaces in the old industrial districts of Ningbo City. Progress in Geography, 2018, 37(11): 1567-1580. ]

DOI

[14]
李丹丹, 汪涛, 魏也华, 等. 中国城市尺度科学知识网络与技术知识网络结构的时空复杂性[J]. 地理研究, 2015, 34(3): 525-540.

DOI

[ Li Dandan, Wang Tao, Wei Yehua, et al. Spatial and temporal complexity of scientific knowledge network and technological knowledge network on China's urban scale. Geographical Research, 2015, 34(3): 525-540. ]

DOI

[15]
刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素[J]. 地理学报, 2018, 73(8): 1462-1477.

DOI

[ Liu Chengliang, Guan Mingming, Duan Dezhong. Spatial pattern and influential mechanism of interurban technology transfer network in China. Acta Geographica Sinica, 2018, 73(8): 1462-1477. ]

DOI

[16]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素[J]. 地理学报, 2018, 73(4): 738-754.

DOI

[ Duan Dezhong, Du Debin, Chen Ying, et al. Technology transfer in China's city system: Process, pattern and influencing factors. Acta Geographica Sinica, 2018, 73(4): 738-754. ]

DOI

[17]
马海涛. 知识流动空间的城市关系建构与创新网络模拟[J]. 地理学报, 2020, 75(4): 708-721.

DOI

[ Ma Haitao. The theoretical construction and network simulation of intercity innovative relationships in knowledge flow space. Acta Geographica Sinica, 2020, 75(4): 708-721. ]

DOI

[18]
刘君洋, 朱晟君. “求人”还是“求己”: 多尺度知识溢出与企业出口产品演化[J]. 地理科学进展, 2021, 40(3): 397-409.

DOI

[ Liu Junyang, Zhu Shengjun. "Learning from yourself" or "learning from others": Multi-scalar knowledge spillovers and the evolution of firms' export products. Progress in Geography, 2021, 40(3): 397-409. ]

DOI

[19]
Lagendijk A. Learning from conceptual flow in regional studies: Framing present debates, unbracketing past debates[J]. Regional Studies, 2006, 40(4): 385-399.

DOI

[20]
Storper M, Venables A J. Buzz: Face-to-face contact and the urban economy[J]. Journal of Economic Geography, 2004, 4(4): 351-370.

DOI

[21]
Boschma R, Frenken K. The spatial evolution of innovation networks: A proximity perspective[M]// BoschmaR, MartinR.The handbook of evolutionary economic geography. Cheltenham, UK: Edward Elgar, 2010.

[22]
Bathelt H. Buzz and pipeline dynamics: Towards a knowledge‐based multiplier model of clusters[J]. Geography Compass, 2007, 1(6): 1282-1298.

DOI

[23]
滕堂伟. 从地方集群到集群网络: 产业集群研究的国际前沿进展[J]. 甘肃社会科学, 2015(6): 171-175.

[ Teng Tangwei. From local cluster to cluster network: International frontier progress of industrial cluster research. Gansu Social Sciences, 2015(6): 171-175. ]

[24]
吕拉昌, 黄茹, 廖倩. 创新地理学研究的几个理论问题[J]. 地理科学, 2016, 36(5): 653-661.

DOI

[ Lv Lachang, Huang Ru, Liao Qian. Several theoretical issues on innovation geography. Scientia Geographica Sinica, 2016, 36(5): 653-661. ]

DOI

[25]
Asheim B, Coenen L, Moodysson J, et al. Constructing knowledge-based regional advantage: Implications for regional innovation policy[J]. International Journal of Entrepreneurship and Innovation Management, 2007, 7(2-5): 140-155.

DOI

[26]
Asheim B, Boschma R, Cooke P. Constructing regional advantage: Platform policies based on related variety and differentiated knowledge bases[J]. Regional Studies, 2011, 45(7): 893-904.

DOI

[27]
李琳, 蒋婷, 徐洁. 我国区域产业知识基础的测算及动态变化[J]. 经济地理, 2016, 36(5): 107-114.

[ Li Lin, Jiang Ting, Xu Jie. The measurement and dynamic change of China's regional industrial knowledge base. Economic Geography, 2016, 36(5): 107-114. ]

[28]
叶琴, 曾刚. 解析型与合成型产业创新网络特征比较: 以中国生物医药、节能环保产业为例[J]. 经济地理, 2018, 38(10): 142-154.

[ Ye Qin, Zeng Gang. Comparison of innovation networks of analytical and synthetic industries: An empirical analysis on China biomedicine and environmental protection industry. Economic Geography, 2018, 38(10): 142-154. ]

[29]
Strambach S, Klement B. Cumulative and combinatorial micro-dynamics of knowledge: The role of space and place in knowledge integration[J]. European Planning Studies, 2012, 20(11): 1843-1866.

DOI

[30]
Arthur W B. The nature of technology: What it is and how it evolves[M]. New York, USA: Free Press, 2009.

[31]
Kim D, Cerigo D B, Jeong H, et al. Technological novelty profile and invention's future impact[J]. EPJ Data Science, 2016, 5: 8. doi: 10.1140/epjds/s13688-016-0069-1.

DOI

[32]
Verhoeven D, Bakker J, Veugelers R. Measuring technological novelty with patent-based indicators[J]. Research Policy, 2016, 45(3): 707-723.

DOI

[33]
Mewes L. Scaling of atypical knowledge combinations in American metropolitan areas from 1836 to 2010[J]. Economic Geography, 2019, 95(4): 341-361.

DOI

[34]
Manniche J. Combinatorial knowledge dynamics: On the usefulness of the differentiated knowledge bases model[J]. European Planning Studies, 2012, 20(11): 1823-1841.

DOI

[35]
Halkier H, James L, Dahlström M, et al. Knowledge dynamics, regions and public policy[J]. European Planning Studies, 2012, 20(11): 1759-1766.

DOI

[36]
Jeannerat H, Crevoisier O. From 'territorial innovation models' to 'territorial knowledge dynamics': On the learning value of a new concept in regional studies[J]. Regional Studies, 2016, 50(2): 185-188.

DOI

[37]
Paci R, Marrocu E, Usai S. The complementary effects of proximity dimensions on knowledge spillovers[J]. Spatial Economic Analysis, 2014, 9(1): 9-30.

DOI

[38]
Caragliu A, Nijkamp P. Space and knowledge spillovers in European regions: The impact of different forms of proximity on spatial knowledge diffusion[J]. Journal of Economic Geography, 2016, 16(3): 749-774.

DOI

[39]
王腾飞, 谷人旭, 马仁锋. 知识溢出研究的“空间性”转向及人文与经济地理学议题[J]. 经济地理, 2020, 40(6): 47-59.

[ Wang Tengfei, Gu Renxu, Ma Renfeng. The "spatiality" turn in knowledge spillovers research and the themes of human and economic geography. Economic Geography, 2020, 40(6): 47-59. ]

[40]
毛琦梁, 王菲. 制度环境、技术复杂度与空间溢出的产业间非均衡性[J]. 中国工业经济, 2020(5): 118-136.

[ Mao Qiliang, Wang Fei. Institutional environment, technical sophistication and asymmetric spatial spillovers across industries. China Industrial Economics, 2020(5): 118-136. ]

[41]
杨开忠, 范博凯, 董亚宁. 空间品质, 创新活力与中国城市生产率[J]. 经济管理, 2022, 44(1): 47-64.

[ Yang Kaizhong, Fan Bokai, Dong Yaning. Qualities of space, innovation, and productivity of Chinese cities. Business and Management Journal, 2022, 44(1): 47-64. ]

[42]
Olsen L S. Territorial knowledge dynamics: Making a difference to territorial innovation models and public policy?[J]. European Planning Studies, 2012, 20(11): 1785-1801.

DOI

[43]
Balland P A, Boschma R, Frenken K. Proximity and innovation: From statics to dynamics[J]. Regional Studies, 2015, 49(6): 907-920.

DOI

[44]
刘伟. 社会资本与区域创新: 理论发展、因果机制与政策意蕴[J]. 中国行政管理, 2018(2): 65-70.

[ Liu Wei. Social capital and regional innovation: Theoretical development, causal mechanism, and policy implication. Chinese Public Administration, 2018(2): 65-70. ]

[45]
Nilsson M. Proximity and the trust formation process[J]. European Planning Studies, 2019, 27(5): 841-861.

DOI

[46]
Echebarria C, Barrutia J M. Limits of social capital as a driver of innovation: An empirical analysis in the context of European regions[J]. Regional Studies, 2013, 47(7): 1001-1017.

DOI

[47]
丁焕峰, 陈庆秋. 区域社会资本: 一种重要的区域创新动力[J]. 经济问题探索, 2006(9): 24-29.

[ Ding Huanfeng, Chen Qingqiu. Regional social capital: An important driving force for regional innovation. Inquiry into Economic Issues, 2006(9): 24-29. ]

[48]
Charron N, Dijkstra L, Lapuente V. Regional governance matters: Quality of government within European union member states[J]. Regional Studies, 2014, 48(1): 68-90.

DOI

[49]
刘凤朝, 闫菲菲, 马荣康, 等. 多维邻近与跨区域研发合作模式[J]. 科学学研究, 2020, 38(6): 1038-1047.

[ Liu Fengchao, Yan Feifei, Ma Rongkang, et al. Multi-dimensional proximities and inter-regional R&D collaboration pattern. Studies in Science of Science, 2020, 38(6): 1038-1047. ]

[50]
Cortinovis N, Xiao J, Boschma R, et al. Quality of government and social capital as drivers of regional diversification in Europe[J]. Journal of Economic Geography, 2017, 17(6): 1179-1208.

DOI

[51]
克努兹・伊列雷斯. 学习理论发展简史(下)[J]. 陈伦菊, 盛群力, 译. 数字教育, 2020(2): 86-92.

[ Knud Illeris. A brief history of the development of learning theory (II).Translated by ChenLunju, ShengQunli. DigitalEducation, 2020(2): 86-92. ]

[52]
Cohen W M, Levinthal D A. Absorptive capacity: A new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-152.

DOI

[53]
Huber F. On the role and interrelationship of spatial, social and cognitive proximity: Personal knowledge relationships of R&D workers in the Cambridge information technology cluster[J]. Regional Studies, 2012, 46(9): 1169-1182.

DOI

[54]
Lin C, Wu Y J, Chang C C, et al. The alliance innovation performance of R&D alliances: The absorptive capacity perspective[J]. Technovation, 2012, 32(5): 282-292.

DOI

[55]
宓泽锋, 曾刚. 本地知识基础对新兴产业知识流动的影响: 以中国燃料电池产业为例[J]. 地理学报, 2021, 76(4): 1006-1018.

DOI

[ Mi Zefeng, Zeng Gang. The impact of local knowledge base on knowledge flow of emerging industry: A case of China's fuel cell industry. Acta Geographica Sinica, 2021, 76(4): 1006-1018. ]

DOI

[56]
Miguélez E, Moreno R. Knowledge flows and the absorptive capacity of regions[J]. Research Policy, 2015, 44(4): 833-848.

DOI

[57]
James L, Vissers G, Larsson A, et al. Territorial knowledge dynamics and knowledge anchoring through localized networks: The automotive sector in Västra Götaland[J]. Regional Studies, 2016, 50(2): 233-244.

DOI

[58]
Abreu M. Absorptive capacity in a regional context[M] //Cooke P, AsheimB, BoschmaR, et al. Handbook of regional innovation and growth. Cheltenham, UK: Edward Elgar Publishing, 2011.

[59]
贺灿飞, 朱晟君. 中国产业发展与布局的关联法则[J]. 地理学报, 2020, 75(12): 2684-2698.

DOI

[ He Canfei, Zhu Shengjun. The principle of relatedness in China's regional industrial development. Acta Geographica Sinica, 2020, 75(12): 2684-2698. ]

DOI

[60]
Zhu S J, He C F, Zhou Y. How to jump further and catch up? Path-breaking in an uneven industry space[J]. Journal of Economic Geography, 2017, 17(3): 521-545.

[61]
Trippl M, Grillitsch M, Isaksen A. Exogenous sources of regional industrial change: Attraction and absorption of non-local knowledge for new path development[J]. Progress in Human Geography, 2018, 42(5): 687-705.

DOI

[62]
毛琦梁, 王菲. 地区比较优势演化的空间关联: 知识扩散的作用与证据[J]. 中国工业经济, 2018(11): 136-154.

[ Mao Qiliang, Wang Fei. Spatial correlation in evolution of regional comparative advantages: Evidence on the impact of knowledge diffusion. China Industrial Economics, 2018(11): 136-154. ]

[63]
Boschma R, Martín V, Minondo A. Neighbour regions as the source of new industries[J]. Papers in Regional Science, 2017, 96(2): 227-245.

DOI

[64]
Wang T F, Halkier H, James L, et al. External knowledge linkages and the evolution of comparative advantage: An examination of territorial knowledge dynamics in China[J]. Sustainability, 2022, 14(8): 4685. doi: 10.3390/su14084685.

DOI

[65]
陆军, 毛文峰. 城市网络外部性的崛起: 区域经济高质量一体化发展的新机制[J]. 经济学家, 2020(12): 64-72.

[ Lu Jun, Mao Wenfeng. The rise of urban network externalities: A new mechanism for the high-quality integrated development of regional economy. Economist, 2020(12): 64-72. ]

[66]
叶初升, 任兆柯. 经济学中的网络分析与网络的经济学研究: 经济学框架与网络分析方法的视界融合及其评述[J]. 学术月刊, 2019, 51(5): 39-46, 38.

[ Ye Chusheng, Ren Zhaoke. The network analysis in economics and the economic research of the network: A review based on the integration perspective on the economic framework and the network analysis method. Academic Monthly, 2019, 51(5): 39-46, 38. ]

[67]
林柄全, 谷人旭, 王俊松, 等. 从集聚外部性走向跨越地理边界的网络外部性: 集聚经济理论的回顾与展望[J]. 城市发展研究, 2018, 25(12): 82-89.

[ Lin Bingquan, Gu Renxu, Wang Junsong, et al. From agglomeration externalities to network externalities of crossing borders: Frontier progress of agglomeration economics. Urban Development Studies, 2018, 25(12): 82-89. ]

[68]
程玉鸿, 苏小敏. 城市网络外部性研究述评[J]. 地理科学进展, 2021, 40(4): 713-720.

DOI

[ Cheng Yuhong, Su Xiaomin. Review on the urban network externalities. Progress in Geography, 2021, 40(4): 713-720. ]

DOI

[69]
Burger M J, Meijers E J. Agglomerations and the rise of urban network externalities[J]. Papers in Regional Science, 2016, 95(1): 5-15.

DOI

[70]
Meijers E J, Burger M J. Stretching the concept of 'borrowed size'[J]. Urban Studies, 2017, 54(1): 269-291.

DOI

[71]
皮亚彬, 陈耀. 大国内部经济空间布局: 区位、禀赋与一体化[J]. 经济学(季刊), 2019, 18(4): 1289-1310.

[ Pi Yabin, Chen Yao. Distribution of economic activities of big country: Location, endowments and integration. China Economic Quarterly, 2019, 18(4): 1289-1310. ]

[72]
殷德生, 吴虹仪, 金桩. 创新网络、知识溢出与高质量一体化发展: 来自长江三角洲城市群的证据[J]. 上海经济研究, 2019(11): 30-45.

[ Yin Desheng, Wu Hongyi, Jin Zhuang. Innovation network, knowledge spillover and high-quality integrated development: An empirical study based on the urban agglomeration of the Yangtze River Delta. Shanghai Journal of Economics, 2019(11): 30-45.]

[73]
Halkier H. Knowledge dynamics and policies for regional development: Towards a new governance paradigm[J]. European Planning Studies, 2012, 20(11): 1767-1784.

DOI

[74]
刘秉镰, 边杨, 周密, 等. 中国区域经济发展70年回顾及未来展望[J]. 中国工业经济, 2019(9): 24-41.

[ Liu Binglian, Bian Yang, Zhou Mi, et al. 70 years review of China's regional economic development and its prospect. China Industrial Economics, 2019(9): 24-41. ]

[75]
孙涛, 温雪梅. 动态演化视角下区域环境治理的府际合作网络研究: 以京津冀大气治理为例[J]. 中国行政管理, 2018(5): 83-89.

[ Sun Tao, Wen Xuemei. Network analysis of regional environmental governance under inter-government cooperation: An example of the regional air governance in Beijing-Tianjin-Hebei area. Chinese Public Administration, 2018(5): 83-89. ]

[76]
张兵. 京津冀协同发展与国家空间治理的战略性思考[J]. 城市规划学刊, 2016(4): 15-21.

[ Zhang Bing. Coordinated development for the Beijing-Tianjin-Hebei region: A strategic trade-off in state spatial governance. Urban Planning Forum, 2016(4): 15-21. ]

[77]
张学良, 林永然, 孟美侠. 长三角区域一体化发展机制演进[J]. 安徽大学学报(哲学社会科学版), 2019, 43(1): 138-147.

[ Zhang Xueliang, Lin Yongran, Meng Meixia. The evolution of regional integration development mechanism in the Yangtze River Delta. Journal of Anhui University (Philosophy and Social Sciences Edition), 2019, 43(1): 138-147. ]

[78]
胡剑双, 孙经纬. 国家—区域尺度重组视角下的长三角区域治理新框架探析[J]. 城市规划学刊, 2020(5): 55-61.

[ Hu Jianshuang, Sun Jingwei. A research on the new regional governance model of the Yangtze River Delta from the perspective of state-region rescaling. Urban Planning Forum, 2020(5): 55-61. ]

[79]
钟韵, 胡晓华. 粤港澳大湾区的构建与制度创新[J]. 经济学家, 2017(12): 50-57.

[ Zhong Yun, Hu Xiaohua. Construction and system innovation of Guangdong-Hong Kong-Macao Greater Bay Area. Economist, 2017(12): 50-57. ]

[80]
张福磊. 多层级治理框架下的区域空间与制度建构[J]. 行政论坛, 2019, 26(3): 95-102.

[ Zhang Fulei. Regional space and institutional construction under multi-level governance framework. Administrative Tribune, 2019, 26(3): 95-102. ]

Options
文章导航

/

〈 〉