该篇文章主要研究的是区域合作（包括区域间合作、区域内合作以及组织间合作）对区域创新效率的影响，其中区域内合作对区域创新效率的影响表现出倒U型的影响效应，这为当前京津冀区域协同发展提供了发展方向，即当前京津冀应该继续深化京津冀协同发展战略，加大京津冀区域内的合作水平。与此同时，又要注意防止京津冀三地“区域过度嵌入”和“超区域过度嵌入”情况的发生，降低区域的创新效率。
文献来源：Broekel T , Brenner T , Buerger M . An Investigation of the Relation between Cooperation Intensity and the Innovative Success of German Regions[J]. Spatial Economic Analysis, 2015, 10(1):52-78.
摘要：区域创新体系、创新环境、学习型区域等概念强调区域内合作对企业创新绩效的积极贡献。尽管有大量的案例研究，但这种说法的定量实证证据很少。本研究利用德国270个劳动力市场区域的专利共申请和共发明数据，发现区域内合作强度与区域创新效率存在相关关系。与区域间合作的负面影响相比，区域内合作的中等水平能够促进区域创新效率。
一、引言
人们一致认为，企业的创新不是孤立的。相反，它们被嵌入知识网络和部门创新系统，这种嵌入式的一个重要部分与企业参与研发合作有关，这是知识溢出的一个重要载体。与此相一致，有强有力的实证证据表明，合作可以促进企业的创新绩效。在研究合作与创新绩效的关系时，大部分实证工作都集中在企业层面。然而，创新过程和知识网络可以表现出区域焦点，甚至可以构建区域创新系统的基本结构。因此，可以认为不同水平的区域合作强度转化为区域间创新绩效存在着差异性。
实证研究表明，区域间合作强度水平存在系统性差异，并且区域创新效率也是如此。因此，文章将重点研究Fritsch(2004)所提出的相同问题，即:区域合作强度是否与区域创新效率相关?尽管有许多研究涉及这些问题，但是这些研究主要基于定性方法，定量的实证证据仍然没有定论。虽然有一些研究人员没有发现区域合作与创新活动之间存在任何关系，但是其他人发现区域合作强度水平的积极影响(Ibrahim et al.，2009)以及消极影响(Broekel and Meder,2008)。然而，这些研究的主要缺陷是它们通常仅限于少数地区或单一行业。本文通过在七年的时间内利用包含270个德国地区的22个制造业数据的新数据集克服了这些缺点。 特别是，本文利用这些专利数据来构建区域合作强度的度量指标。
二、数据与区域合作强度变量构建
对于实证分析，文章德国劳动力市场区域（LMR）的数据，这些区域由439个德国NUTS-3区域的集聚形成；使用公司的研发人员作为雇佣企业级知识输入的近似值；研发人员的数据来自德国联邦就业局提供的德国劳动力市场统计数据；专利申请用来表示区域创新产出的指标以及用于模拟合作活动，专利数据来源于德国专利商标局（DPMA），涵盖1999年至2005年期间的所有德国专利申请。
本研究的一个重要方面是区分合作发明和非合作发明。合作发明被称为发明，这是不止一个人的研究成果。专利数据提供了申请人（通常是公司）和发明人（通常是个人）的信息，使用这种信息可以将组织间合作定义为两个或更多组织共同申请专利的情况。此外，还可以使用关于发明人的信息来构建个人层面的合作度量，即多个发明者所指出的合作。这两种方法都具有有趣的含义，这也是本文同时使用的原因。
在上述数据的基础上，本文利用下列测度方法来定义区域合作强度的不同维度：
COOP：对于第一个变量组织间合作，我们使用合作专利申请的信息，这意味着组织间合作活动处于前景。为了考虑到区域组织的一般合作倾向，变量COOP被定义为在专利申请总量中合作专利（具有至少两个申请人的专利）的区域份额。
INTRA：第二个变量侧重于区域内合作活动的强度。变量INTRA被定义为总合作专利中区域内合作专利的份额。本文再次使用有关专利共同申请的信息。因此，区域内合作显示来自同一区域的专利申请，而区域间合作的特点是来自不同区域的至少两个申请。
INTER_INV：第三个变量旨在捕捉区域参与者“向外取向”的程度，即它们对区域间知识关系的嵌入性。然而，这并不一定意味着这些关系跨越组织边界，即本文也考虑组织内（但仍然是区域间）的知识链接。通过利用关于共同发明的信息，变量INTER_INV被构建为与来自至少两个地区的（至少两个）发明者的区域专利的份额，它表明存在与参与者（可能是也可能不是同一公司的一部分）的联系，这些联系人位于所考虑的区域之外。
三、区域合作强度与创新效率的实证分析
区域间合作强度（INTER_INV）的系数在所有的回归模型结果中均为负值并且统计性显著。这意味着来自另一个地区的至少一个发明者的专利份额与区域创新效率存在着负相关的关系，即发明人经常与其他地区的发明人组成团队的地区比具有较低地区间合作发明水平的地区的创新性要低。地区合作倾向也表现出类似的影响关系。当不包括平方项时，组织间合作（COOP）与区域创新效率存在着显著的负相关关系。因此，较高的合作专利份额（超过一个申请专利）与创新效率负相关。因变量与区域的总创新产出呈正相关，但与合作呈负相关。这表明具有高创新产出的地区可能是更有效的地区之一，而更有效的地区合作专利的比例却较低。因此，应该承认的是这种关系可能会受到大公司的影响，这种大公司与较小的公司相比不太容易共同申请专利。为进一步区分区域内与区域间合作的不同影响，文章将变量区域内合作强度（INTRA）纳入分析，该分析近似于区域内合作的份额。研究发现，对于拥有大量专利的地区，区域内合作的强度与区域创新效率之间存在倒“U”型的关系。
总结三个变量的结果，研究发现组织间合作（COOP）的份额在所有模型中的系数均表现出显著为负。结合区域合作份额（INTRA）中发现的倒“U”型关系，分析强调特别是区域间合作与创新效率表现出负向的关系。这适用于组织间合作（COOP）以及个体发明者之间的联系，这些发明者可能是同一组织的一部分（INTER_INV）。因此，如果区域行动者很好地融入跨区域（全球）知识管道，这不会提高他们的创新效率。研究表明，区域行动者之间的紧密联系，刺激了创新效率。然而，INTRA的倒U关系意味着在该区域内仅具有连接也不利于高创新效率。此外，研究也表明，区域过度嵌入情况（对应于高INTRA值）与低创新效率相关。然而，更常见的情况是，区域行动者未能发展充分的区域内联系，同时与位于其区域之外的行动者建立了重要关系。Broekel和Meder（2008）将这种模式称为“超区域过度嵌入”。 在本文的分析中，将其转化为高COOP值和低INTRA值，因此研究发现“超区域过度嵌入”与低于平均水平的创新效率相关。因此，在区域内和区域间合作的水平之间应该存在着一定的平衡。
究竟是什么导致了观察到的区域间合作行为的变化？Mayer-Krahmer（1985）认为，企业在集聚区内外的位置可能是一个重要方面。他发现，“向外取向”水平较高的企业更容易在集聚地区被发现，而在农村地区则较少。他提出，在潜在合作伙伴很少的地区（如农村地区的情况），公司认为本地区缺乏知识是“地点劣势”。为了克服这一缺点，他们可能被迫更频繁地参与外部合作。然而，这些联系缺乏地理邻近的好处，因此会导致创新效率降低。本文发现并支持这一论点，因为INTER_INV与集聚和城市化的衡量标准呈负相关关系。
图1 区域创新效率的影响因素分析
四、结论
文章的分析为区域合作水平与区域创新效率之间的关系提供了新的证据。然而，本研究最重要的缺点之一是使用专利数据构建区域合作强度。企业一般参与合作，特别是合作专利的决定因素是多方面的。在这些公司中，行业和技术特定的决定因素肯定是最重要的决定因素。但是，根据专利数据构建的度量仅用于比较本研究中的区域。
虽然模拟区域内的合作似乎是促进区域创新的首选方式，但是必须通过政策来加以平衡这种区域内的合作努力。过于激烈的区域内合作以及缺乏非区域联系是提高创新绩效的重大障碍。在这种背景下，旨在通过鼓励或补贴合作活动来刺激创新绩效的倡议应该经过精心设计，以满足区域行动者的需求。刺激错误的合作类型（区域内或区域间）可能不仅会产生无效的努力，甚至可能导致低劣的情况。
作者：南开大学经济与社会发展研究院区域经济学2017级博士生 朱俊丰
核稿：周玉龙 编辑：刘萌
