创新集群发展的“东亚模式”：基于日、韩数据的实证检验

范 硕，何 彬，谭少梅

(1.吉林大学 经济学院，吉林 长春130012；2.吉林大学 中国国有经济研究中心，吉林 长春130012)

一、问题的提出

经济全球化形势下，产业集群以其规模化、降低成本和协作创新的功能，成为一些发达国家区域经济发展的主要模式。随着美国硅谷在创新领域获得了巨大成功，一些国家的产业集群开始向创新集群方向发展，特别是自20世纪80年代末起，培育创新集群的趋势十分明显，并成为很多发达国家产业政策的核心(OECD，2001)。

创新集群理念传入我国的时间也较早。20世纪80年代初，一些美国硅谷的华裔研究人员期望按照硅谷模式把中关村打造成中国的创新集群，并创立了中国最早的一批高技术创新企业。之后，我国政府也相继出台了鼓励科技成果转化以及推动产学研合作等一系列措施，希望通过大学和研究机构的知识转化、技术转移以及衍生企业的方式，实现“美国式”创新集群的建立与发展。然而，令人遗憾的是，这个发展思路并未成功，我国也未能形成创新集群驱动的产业发展模式。与此同时，东亚一些先进国家(地区)却借助创新集群成功地实现了产业转型，由原来以低劳动成本优势为主的粗放型经济转向了高密度的创新型经济，并在全球竞争中表现出色。在国际公认的20个创新型国家(地区)中，日本、韩国、中国台湾、新加坡均名列其中，其中日本与韩国分别排在了第二位和第五位。从专利申请看，日本已经远远超过了德国，并成为仅次于美国的世界第二大专利申请国。与此同时，韩国、中国台湾也呈现显著的上升势头，从知识经济准备指数(Knowledge Economy Readiness Index，KERI)看[注]该指数包含了企业创新量、创新能力和研发质量等指标。，美国是8.3，日本是7.5，中国台湾是7.4，韩国是6.9，东亚的先进经济体与创新经济领跑者美国之间的差距并不大。以上数据说明，在国际创新领域，东亚经济体作为独立的“国际玩家”正发挥着越来越重要的作用，而创新集群的发展则起到了关键性的作用。那么，东亚先进经济体的创新集群是如何发展起来的？它们和美国的创新集群是否属于同样的发展模式，以及哪些要素在东亚创新集群发展过程中起到了关键作用？解答这些问题对于检验我国创新集群的发展思路具有重要的指导意义，对于我国创新集群的培育也具有重要的启示作用。

二、文献综述

学术界与政界对东亚创新集群的关注催生了很多研究成果，但这些研究成果的主题并不集中，主要从以下四方面展开：第一，关于东亚创新集群的发展程度。其中，比较著名的是韩国科技政策研究所开展的“东亚地区全球生产网络的创新集群研究”，该研究对东亚多个国家与地区，包括日本、韩国、中国台湾、新加坡、马来西亚、印尼以及中国大陆等地创新集群的发展状况进行了大规模的实地问卷调查及系统的研究，并通过1995年、2000年和2003年三个不同时间段的对比分析得出，东亚地区创新集群的发展成效显著。平川均和崔龙浩(2011)从2006年起主持了“关于东亚地区产业集群与企业关联的新形态与可持续性的研究”，该研究在对东亚地区大规模问卷调查的基础上，对企业在集群发展过程中面临的问题，以及有利于企业发展的关键要素进行了分析整理并得出，日本、中国台湾、韩国、新加坡等东亚先进经济体已经形成了较为成熟的创新集群体系。第二，东亚创新集群发展的条件。Tsuji和Kuchiki(2009)的研究认为，成熟的创新集群有六种要素必不可少，即丰富的技术资源及扩散媒介、具有高度适应性的人力资源、充足的资金供给、具有被有效管理且有利的宏观环境、发达的软硬件基础设施以及适当规模的顾客群体。Cooke等(2007)专门研究了东亚地区已经获得成功的创新集群，并总结了这些成功的创新集群所存在的一些共性，如发达的基础设施、完善的制度结构以及政府的有力支持等。第三，东亚创新集群在全球中的地位。Kitagawa(2010)研究指出，东亚地区形成了与国际相连的创新网络，而东亚不同地区的创新集群都是这个网络中的节点。Yeung等(2009)针对东亚创新集群在全球生产网络中的嵌入特征进行了分析，并关注了创新集群之间的地理联系、生产联系、贸易联系以及人员流动等，最后指出东亚创新集群是全球创新网络中重要的一环。Ernst(2006)研究了东亚创新集群之间的连接关系，指出东亚正在成为一个新兴的“创新空间”，且在区域内部存在多样性的创新空间的连接。第四，东亚创新集群发展的国别研究。金东柱(2001)对韩国龟尾、大田和京畿地区18个产业进行了调查，研究了韩国创新集群现状与集群模式，认为韩国创新集群已初具雏形，并在不同的地区形成了不同的产业特色。Shapira(2008)对日本的创新集群进行了研究，认为日本创新模式的改变代表了东亚地区创新模式的最新发展方向，日本创新集群最重要的特点是集群之间既有合作又有竞争；并且在集群发展过程中，既存在创新政策的“地区主义”[注]主要体现在通过中央政府的资金支持发展创新集群。，又存在研发和生产的“国际主义”[注]指公司研发的国际化，伴随着公司研发活动的开放性和国际合作。。除此之外，针对中国台湾(Yang等,2009)、新加坡(Menkhoff和Evers，2012)和东南亚国家(Yeung，2010)的创新集群也均有相关研究出现。

相对于理论研究，有关创新集群的实证研究相对较少。这是因为在实证研究中首要解决的一个问题就是如何有效度量创新集聚水平这一关键性变量。早期的一些实证研究往往是针对某一个特殊行业，利用行业微观调查问卷的专家评分结果来近似反映此行业的创新集群情况，这一方法的局限在于专家评分法的结果往往存在较大差异，评价结果缺乏一致性，并且某个行业的创新情况也很难反映地区整体的创新集聚程度。近年来，一些学者开始尝试利用空间计量方法来刻画和测度创新集群，但尚未有针对东亚国家(地区)创新集群的实证研究。

与现有文献相比，本文在以下几个方面存在鲜明的特点：第一，首次通过实证方法验证了以日、韩为代表的东亚经济体不仅存在显著的创新集群现象，而且创新集群化的趋势仍在不断加强；第二，提出了创新集群发展的“东亚模式”，并解释了“东亚模式”与“美国模式”的区别与成因；第三，在实证方法上，本文将截面数据空间计量经济模型的设定方法引入面板数据模型中，由此降低了由于模型设定带来的偏误。

三、研究方法设计

(一)创新集群现象测度：基于Moran I指数方法

在现有的关于地区创新集群研究中，往往利用空间自相关指数——Moran I指数来判断地区之间是否存在创新集群现象。

Moran I指数的计算公式如下：

(1)

(二)空间面板数据模型的GMM估计

一般而言，GMM估计的均方误差较低，所以本文后续的实证研究中将采用GMM估计进行空间面板模型的参数估计。由于在现有的空间面板模型的相关实证研究中采用GMM方法的研究还较少，本文将对后续研究中所涉及的GMM方法及其所使用的矩条件作简单说明。

考虑如下的面板回归模型：

(2)

可以将每一个时间观测点的N的观测单元进行堆栈排列为如下的回归模型：

yN(t)=XN(t)β+uN(t)，t=1,K,T

(3)

uN(t)服从如下的1阶空间自回归过程：

uN(t)=ρWNuN(t)+εN(t)

(4)

其中，WN是N×N阶的空间权数矩阵，ρ是空间自回归系数。Kapoor等(2007)提出了基于下面6个矩条件的GMM估计：

(5)

(6)

(7)

(8)

(9)

(10)

第一种GMM估计量，在文献中称为初始GMM估计。初始GMM估计仅涉及式(5)至式(7)的矩条件。第二种GMM估计量，称之为完全加权GMM估计。完全加权GMM估计在对矩方程加权的基础上得到。第三种GMM估计量，称之为部分加权GMM估计。

四、实证结果

(一)指标选择及数据来源

已有的一些研究选用了专利数这个指标衡量创新产出，但是由于专利申请授权审批需要一段时间，存在滞后期，并且也容易受到制度或人为等因素的影响，所以专利数指标并不能全面反映创新产出情况。考虑到研究样本统计数据的可得性，本文选择万人专利申请受理量来衡量地区的创新产出水平。在后续的实证分析中，创新产出水平(Y)作为被解释变量，根据前述的理论分析，本文选择了大学与企业的项目合作数量(X1)、研究机构与企业的项目合作数量(X2)、风险投资总额(X3)、政府R&D投资(X4)、中小企业R&D投资(X5)、大企业R&D投资(X6)作为解释变量。本文根据日本、韩国的自然行政区域进行划分，其中日本被分成10个区域(见表1)，分别是北海道、东北、关东、中部、北陆、近畿、中国、四国、九州和冲绳，并以这10个区域为研究对象；韩国则以6个广域市(相当于直辖市，分别是釜山、大邱、仁川、光州、大田和蔚山)、8个道(相当于省，分别是京畿、江原、忠北、忠南、全北、全南、庆北和庆南)、一个特别自治道——济州和一个特别市——首尔，共16个地区为研究对象，样本区间是2001-2010年。日本数据来源于2011年日本统计年鉴(Japan Statistical Yearbook)、日本经济产业研究所的研发合作调查(RIETI’s R&D Collaboration Survey, 2012)、日本历年的《科技白皮书(2002-2011)》(White Papers for Science and Technology)以及日本风险投资协会(Japan Venture Capital Association)的《日本风险投资动向调查(2002-2011)》。韩国数据来源于韩国科学技术部编写的《科学技术研究活动调查报告(2001-2010)》、2011年韩国三星研究院和韩国地区创新委员会(Korea Regional Innovation Council)联合编制的《韩国地区创新报告》、2011年韩国政府管理和家庭事务部(MOGAHA)编制的《政府研发投资报告》、2011年韩国统计年鉴(Korea Statistical Yearbook 2011)，以及韩国风险投资协会(Korean Venture Capital Association)的历年统计数据。

(二)空间权重矩阵的构建

总结现有的研究，存在三种空间权重矩阵的构造方法。第一种方法是以地理关联为基础的邻近基准(contiguity based)或距离基准(distance based)的空间权重矩阵W1。具体而言，这种空间权重矩阵构造方法又分为空间邻接权重矩阵，又称为二进制权重矩阵和地理距离权重矩阵。第二种方法是以社会经济特征为设定基准(socio-economic weights)的空间权重矩阵W2，其设定与两个空间单元之间的相互经济影响有关，一般可以采用产业间的关联、区域间的贸易量或者是区域之间的人口迁移等作为空间权数设定的依据。第三种方法是地理关联和社会经济关联综合的空间权重矩阵W3。Beck等(2006)认为可以构造出一种综合考虑地理空间因素和经济距离因素的空间权重矩阵，其构造方法是利用W1和W2构建如下的组合空间权重矩阵(combined spatial matrix)：

W3=(1-α)W1+αW2

(11)

其中：α为参数，决定了在空间加权矩阵中地理空间距离因素和经济距离因素的比重大小，0≤α≤1。

考虑到区域创新集群兼具空间关联和社会经济关联的特征，本文借鉴了项歌德等(2011)的做法，利用后续实证研究中所选的韩国16个地区和日本10个地区间的地理空间距离构建空间权重矩阵W1，利用两国地区人均收入指标构建社会经济特征的空间权重矩阵W2，经过多次测算，当韩国α=0.6、日本α=0.54时，得到了一个最优的空间权重矩阵。

(三)韩国和日本区域创新的空间自相关性检验与创新集群

首先计算2001-2010年韩国16个地区和日本10个地区的创新产出水平(Y)的Moran I指数，计算结果见表1。根据表1中韩国16个地区创新产出水平的Moran I指数检验结果，2001-2010年韩国16个地区的创新产出水平(Y)的Moran I指数从4.034升至4.470；而日本10个地区的创新产出水平(Y)的Moran I指数在2001-2003年有所下降，但从2004年开始逐年上升，从3.380升至2010年的4.975。韩国和日本创新产出水平(Y)的Moran I指数的正态统计量Z值均大于正态分布函数在0.01水平下的临界值(1.96)，说明韩国16个地区和日本10个地区的创新产出水平在空间分布上并非均匀分布或完全随机，而是呈现出显著的空间相关性，并且这种相关性在所选的样本区间内是逐年增加的。韩国和日本区域创新产出所表现出来的正向空间相关性，充分说明了当一个地区具有较高的创新水平时其邻近区域也往往具有较高的创新产出水平，这也说明了韩国和日本确实在空间分布上呈现出了显著的创新集群现象(innovation clustering)。

表1 Moran I检验

(四)韩国和日本区域创新集群影响因素的空间面板计量模型分析

Moran I指数检验结果显示了韩国和日本区域创新集群现象的存在和基本特征，本文进一步建立空间面板数据模型对影响韩国和日本区域创新集群的因素进行分析和检验。在建立模型之前，首先对模型进行相关的设定性检验，检验结果见表2。由表2的模型设定检验结果可以看到：模型的Lagrange Multiplier(Error)和Robust LM(Error)都通过了1%的显著性检验，而Lagrange Multiplier(Lag)和Robust LM(Lag)并不显著，所以本文将选择空间误差模型的设定形式。

表2 模型设定性检验

根据模型设定检验的结果，本文对韩国16个地区和日本10个地区分别建立了如下的面板空间误差模型：

Ym=μn+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+β6X6it+Um

(12)

Unt=λWUnt+Vnt

(13)

模型参数的三种GMM估计结果见表3和表4。[注]估计过程使用了美国Maryland大学Ingmar R. Prucha教授所编写的空间面板GMM估计的Stata程序。

表3 韩国16个地区面板空间误差模型参数的GMM估计

表4 日本10个地区面板空间误差模型参数的GMM估计

由表3和表4可见，韩国和日本系数β1的三种GMM估计均为正值，但是初始GMM估计以及完全加权GMM估计均不显著，只有部分加权GMM估计在10%的水平上显著。实证结果显示，日本大学与创新集群发展弱相关，而韩国大学对创新集群的能力仅存在微弱影响。这说明在日本和韩国创新集群发展过程中，大学所发挥的作用很小。实际上，这也是东亚地区大学存在的普遍问题，大学在技术外溢和衍生高科技创新企业方面尚欠缺条件，因为科技商业化的运作是一个系统工程，科研成果转化也是一个复杂的过程，中间涉及很多环节，如处理专利申请、提供创业咨询和指导、提供创业场所、提供创业初期的专业服务(如财会审计、市场销售、软件开发、公司网站的建设等)以及引进成熟的风险投资基金等。任何一个环节出现问题都会导致科技转化的失败。除此之外，通过创业进行科技转化还需要拥有完善的进入与退出机制，从而可使创业风险大大下降，由于东亚国家这套科技成果转化体系还没有建立起来，导致大学未能充分发挥其应有的潜力。

韩国系数β2的初始GMM估计以及完全加权GMM估计均为负值，且均不显著，部分加权GMM估计为0.460，但是也没有通过显著性检验。日本系数β2的初始GMM估计、完全加权GMM估计以及部分加权GMM估计虽然为正值，但是显著性较弱。这说明日本政府研究机构对创新集群发展存在微弱影响，而韩国政府研究机构对创新集群没有显著影响，总之，政府研究机构在日、韩创新集群发展中的作用很小。造成这种情况的可能原因是，日、韩都存在较为严重的层级管理结构。日本政府研究机构采取的是垂直领导和垂直指挥的一体化运作模式，不同政府部门下属的研究机构之间缺乏良好的沟通，在科学研究中各行其是，因此，往往造成重复建设和较大浪费，同时，政府机构与民间机构也缺乏沟通机制，难以形成网络联系，无法发挥创新网络的作用。韩国与日本类似，也存在政府管制过多的问题，机构中一项技术开发首先要立项、审批，经过层层官僚机构通过之后，才能进行开发，具有较为浓厚的政府管制色彩，从而使政府研究机构获得成果的时间往往落后于世界市场。总之，层级管理之下，政府对研发干预过多，具有创造性的个体由此受到压抑，个人意识只能体现于政府计划之中，从而压制了个人的创新积极性。

韩国和日本系数β3的初始GMM估计、完全加权GMM估计和部分加权GMM估计均为正值，而且都通过了显著性水平为1%的检验。这说明风险投资对日本、韩国的创新集群存在显著的正向影响，与一般的理论分析相符。需要特别说明的是，风险资本的作用不仅仅限于提供资本，成熟的风险投资机构还可以在新创高科技企业制定发展战略、组织经营团队等方面提供相应的帮助。

系数β4反映了政府R&D投入对日、韩创新集群的影响。系数β4的初始GMM估计、完全加权GMM估计和部分加权GMM估计均为正值，而且都通过了显著性水平为5%的检验。这说明在日韩创新集群的发展过程中，政府起到了较为重要的作用。日本政府早在20世纪80年代就开始实施技术立国的战略，90年代开始敦促地方政府建立地方科技体系，并从2001年起在经济产业省的领导下，开始实施创新集群计划，正是在日本政府明确的战略意图的推动下，政府资源逐渐向科技研发方向倾斜，科技投入结构也日益优化。2002年日本每千人就业人数中研究人员数就超过了10%，而研发经费占GDP的比重更是达到了3.12%，这个比例在发达国家中是最高的。此外，在日本政府的推动下，日本几乎所有大中型企业都拥有自己的研究机构。韩国政府也是如此，特别是在亚洲金融危机后，韩国开始追求一个更具创意的创新体系，在这个过程中，韩国政府加大了对基础研究的研发投入，开始强调体系内的知识扩散和技术转移，并更加关注研发的商业化。总之，在日韩创新集群的发展过程中，政府起到了十分关键的作用。

系数β5和β6反映了企业R&D投资对创新集群的影响。韩国系数β5部分加权GMM估计为正，且通过显著性水平为5%的检验，初始GMM估计、完全加权GMM估计不显著，甚至完全加权GMM估计为负值。日本系数β5初始GMM估计、完全加权GMM估计和部分加权GMM估计均为正，且都通过了显著性水平为10%的检验。韩国和日本β6的初始GMM估计、完全加权GMM估计和部分加权GMM估计均不显著。实证结果表明，无论日本还是韩国，在企业研发投资方面，大企业研发投资与创新集群发展具有明显的正相关作用，但中小企业研发投资与创新集群发展没有相关性。这种现象与欧美创新集群有所不同。出现这种状况的原因可能有两个：第一，日韩的经济模式是大企业主导的，虽然很多传统财阀已经解体，但仍然形成了一些大型企业集团，这些大企业虽然在法律上是独立的，但实际上却紧密地交织在一起。其中，日本形成了集团取向的综合企业结构，而韩国则形成了家族企业。这种大企业结构通过至少三种机制——相互投资、相互参股、相互担保把下属企业连结在一起。这导致新生企业很难获得公平的竞争机会，特别是在技术领域，大企业只会照顾其姊妹企业，其他新生技术企业则很难生存。第二，日韩处于技术追赶阶段，它的技术进步主要是对美国等发达国家技术的改进创新，缺乏原创性。而对先进技术进行吸收、改进、再创新需要投入大量资金，小企业没有能力进行。因此，日本和韩国只能走适应自己实际情况的发展道路，那就是以大企业为龙头的“卫星式”创新集群发展道路。

五、结论及启示

本文以日本和韩国作为东亚创新集群发展模式的典型代表国家，并以2001-2010年的相关数据作为分析样本，对影响其创新集群发展的关键因素进行了实证检验，综合实证结果可以得到如下结论及启示：

第一，东亚经济“创新集群化”呈现逐渐加强的趋势。Moran I指数显示，无论日本还是韩国，地区的创新产出水平在空间分布上并不是分散均匀或者完全随机，而是呈现出显著的空间相关性，并且这种相关性在所选的样本区间内是逐年增加的。这表明日韩不仅存在显著的创新集群现象，而且创新集群化的趋势还在不断加强。日韩经济的成功以及创新集群化的趋势表明，当今时代的创新模式已经发生了根本的改变，通过创新集群实现不同知识主体的互动与协同创新是一国产业获得国际竞争力的必由之路。因此，我国也应该根据这种趋势及早做出战略调整，首先要像发达国家那样，把培育创新集群作为产业政策的核心，并积极研究制定创新集群政策，对创新集群的早期培育和发展给予多方支持。

第二，不同的社会和经济背景下，对创新集群发展起到关键作用的因素是不同的。实证结果显示，在以日韩为代表的东亚创新集群发展过程中，大学、研究机构、中小企业发展所起到的作用是很小的，而政府和大企业的因素却很重要，这与美国等西方发达国家恰恰相反。出现这种情况的原因在于，文化、企业和社会背景最终决定一个因素的作用方式和效果，同一个因素在一个经济体中所起的作用完全不同于在另一个经济体中的作用。特别对于东亚来说，一方面，东亚技术追赶的形势短期内难以改变；另一方面，东亚在体制以及文化上的因素也很难在短期内获得根本转变，这些都与西方的经济社会环境有根本区别。因此，东亚在创新集群发展上一定要找到最适合自己的方式才能获得成功，而不是盲目地模仿西方。同样，在我国创新集群的培育过程中，也一定要考虑我国的文化经济条件以及国内经济的发展阶段，要特别突出我国创新集群培育实践本身与我国经济转轨的双重特性，从我国独特的制度环境、文化背景和发展阶段等现实情况入手，探索各种要素背后隐藏着的文化及社会规则。我们应认真研究文化和社会背景以及它们对创新行为的决定作用，具体而言，重点可从以下三方面进行研究：行为者的取向、行为者活动的组织和网络形式以及行为者所依从的经济或政治制度。我们认为，只有在对这三个层面的互动分析中才能确定创新文化，并确定各因素所能发挥的真正作用。

第三，创新集群发展存在“东亚模式”。实际上，“东亚模式”与“美国模式”的本质区别在于创新集群产生与发展的关键驱动要素不同。美国模式中，创新性的技术和构想首先在研究型大学产生，然后通过技术转移进行商业化，进而逐渐在大学周围衍生出众多创新公司，从而形成创新集群；而东亚模式(也称为日韩模式)则是基于政府产业政策的支持以及大公司大规模研发预算的投入，从而围绕大型公司出现众多依赖其生存的小公司，形成“卫星式”创新集群。从实践经验看，“东亚模式”尽管走出了与传统思维不太一样的路径，但同样获得了成功。应该说“东亚模式”更适合于技术、教育都相对落后的国家进行“跨越式”追赶。但需要警惕的是，通过“东亚模式”获得一定成功后有可能导致政府忽视大学作用的倾向，日本与韩国都存在这样的问题。科研成果的转化需要提供一个完善的服务体系，需要给大学和产业交流创造各种有利条件，提供各种中介服务，在制度上创造一个可以进入与退出的机制从而降低创业风险，但这套科技转化体系在东亚国家尚未建立起来，从而使大学无法发挥其应有的潜力，对此，我们应引以为戒。根据我国地域广阔、区域特征多样的特点，可以把两种创新集群发展模式都吸纳进来，根据本国经济发展的实际情况，灵活地采取政策措施，使两种模式相互促进、良性互动。

主要参考文献：

[1]范硕,李俊江.创新体系的“韩国模式”：URIs与集群的作用[J].科学学与科学技术管理,2011,(6).

[2]范硕,李俊江.剑桥大学科技商业化的经验及启示[J].中国科技论坛,2011,(6).

[3]范硕,李俊江.西方创新集群研究最新进展评述[J].科技进步与对策,2012,(1).

[4]姜磊,季民河.城市化、区域创新集群与空间知识溢出[J].软科学,2011,(12).

[5]金东柱.知识信息时代的产业区位与集群体系研究[R].韩国国土研究院咨询报告,2001.

[6]平川均,崔龙浩.东亚的产业集聚：形成、机制与转型[M].北京：社会科学文献出版社,2011.

[7]吴玉鸣,何建坤.研发溢出、区域创新集群的空间计量经济分析[J].管理科学学报,2008,(4).

[8]项歌德,朱平芳,张征宇.经济结构、R&D投入及构成与R&D空间溢出效应[J].科学学研究，2011,(2).

[9]Braunerhjelm P., Carlsson B.Industry Clusters in Ohio and Sweden, 1975-1995[J].Small Business Economics, 1999,43(12):297-293.

[10]Choi J. Research on Manufacturing Clusters and Regional Specialization in Korea[J].Korea Regional Study,2005, 2(1):55-90.

[11]Conley T.G. GMM Estimation with Cross Sectional Dependence [J].Journal of Econometrics, 1999,92(1):1-45.

[12]Cooke P., Laurentis C., Todtling F., and Tripple M. Regional Knowledge Economies: Markets,Clusters and Innovation[M].Edward Elgar, 2007.

[13]Engel J.S., Palacio I.T. Global Networks of Clusters of Innovation: Accelerating the Innovation Process[J].Information & Management, 2009, 52(7):493-503.

[14]Ernst D.Innovation Offshoring: Asia’s?Emerging Role in Global Innovation Networks [R]. East-West Center Special Reports, No. 10，2006.

[15]Kapoor M., Kelejian H.H., Prucha I.R. Panel Data Models with Spatially Correlated Error Components[J].Journal of Econometrics, 2007, 140(1):97-130.

[16]Kitagawa F. International R&D Alliances and Clustering in East Asia: Implications for the Multi-Scalar Governance of Science and Innovation[R].Presented at Gothenburg University, 2 December 2010.

[17]Tsuji M., Kuchiki A. From Agglomeration to Innovation: Upgrading Industrial Clusters in Emerging Economies[M].Pragrave Macmillan, 2009.

[18]Risaburo N. Technology Transfer, Intellectual Property and Effective University-Industry Partnerships: The Experience of China, India, Japan, Philippines, the Republic of Korea, Singapore and Thailand[M].Geneva: WIPO, 2005.

[19]Shapira P. Putting Innovation in Place: Policy Strategies for Industrial Services, Regional Clusters, and Manufacturing SMEs in Japan and the United States[J].Advances in the Japanese Innovation System, 2008,26(1):69-87.