有缘千里来相会：集聚视角下技术重叠对中外发明人合作的影响※

内容提要：在世界创新变局中加速开放，深度利用国际创新资源夯实和推动自主创新是中国建设创新型国家的内在要求。空间集聚是创新活动的显著特征，鉴于目前考察区域创新活动特征影响中外国际研发合作的研究并不多见，基于专利的后向引用信息和发明人地理信息，构建中外次级行政地理单元之间的技术重叠指标以刻画双边创新投入的知识联系，进而基于集聚经济的分类效应视角考察其对中外专利发明人国际研发合作的影响。研究证实了技术重叠对中外国际研发合作的规模有显著推动作用，并进一步揭示了分类效应在集聚环境下，与集聚效应和选择效应对高技能劳动力空间流动的联动效应。

一、 引 言

2020年国务院政府工作报告提出“支持制造业高质量发展”需要“提高科技创新支撑能力”，尤其是“深化国际科技合作”。最大限度利用全球创新资源是中国当前推进创新型国家建设、夯实自主创新实力以应对全球新一轮科技革命和产业变革的现实选择，正如习近平总书记在两院院士大会上的所言“自主创新是开放环境下的创新，……，要聚四海之气，借八方之力”(习近平，2018)。在创新型国家战略举措的推动下，中国的创新实力得到了巨大提升，深圳-香港-广州、北京和上海业已进入全球创新集群百强的前十名(WIPO,2020)。成为全球创新网络中的重要新兴节点。与此同时，由欧美跨国公司主导的全球创新网络业已形成了“地区热点，全球互联(Local Hotspot, Global Networks)”的特征(WIPO,2019)(1)世界知识产权局(WIPO)2019年的报告指出，数以百万专利发明人和科学出版物作者提供的地理编码级数据向世人描绘了近年来全球创新地理版图的显著特征：略具违和感的“区热点，全球互联”，即知识创造高度集中在少数几个地区热点城市，但正向更广阔的国际社会扩散。，引导着全球创新资源的流动。因此，依托全球创新网络配置海外创新资源是现阶段和今后较长时期内中国的现实选择。那么，中国参与创新国际合作的微观基础是什么？在近年来大国战略博弈加剧以及全球创新治理体系重构的背景下，面对单边主义和各种“脱钩”风险，既有国际合作基础有助于维系和拓展创新国际合作关系，助力创新国际合作走向“精准化”，进而为中国深度配置全球创新资源创造有利条件吗？对该问题的探讨在当下具有重要的现实意义。

“科技创新，人才先行”，创新对经济增长的关键作用以及高技能劳动力在空间上高度集聚这一现象催生了创新人才流动及其影响成为近年来经济学诸多领域的研究热点之一(Kerr和Kerr，2018)。创新地理领域的研究认为，被投入于创新活动中的各种知识是彼此相互联系的，即所谓的知识关联(Boschma和Frenken，2011)。鉴于人是知识的重要载体之一，知识关联这一特质意味着创新活动中的人力资本是一个经过匹配的有机组合，这与“新”新经济地理学中空间集聚配置资源的分类效应(Sorting)(Gaubert,2018)所强调的“物以类聚，人以群分”是一致的。那么，全球创新网络中的境内外“地区热点”之间的知识联系能否成为中外创新合作的现实基础，充当起“红娘”以推动双边创新人才漂洋过海实现“牵手”？ 欧美是全球创新活动的“领跑者”，而中国则属于新兴创新节点，扮演着“追赶者”和“赶超者”的双重角色；知识联系对跨境创新人才配置的影响在两者之间是否存在显著差异？与此同时，北京、上海和深圳(后文简称京沪深)三地是当前中国境内创新活动最为活跃的核心地区，知识联系的跨境人才配置效应在中国境内又会呈现何种区域差异呢？“新”新经济地理学一直强调地理因素是影响创新活动的关键之一，那么“地区热点”的其他创新活动特征在知识联系配置跨境创新人才的过程中又能发挥何种作用呢？

区别于隐性知识，以学术刊物和专利等形式表现的编码知识借助于革命性的通讯技术在全球以前所未有的广度、深度和速度传播，潜在地成为了创新人员交流的专业“共同语言”。显然，科创人员之间内化的编码知识重合度越高，彼此间的专业“共同语言”就越多。因此，在创新活动专业化不断演进引致个人知识负担(Burden of Knowledge)(Jones,2009)，进而推动团队成为当今创新活动主要组织形式的背景下，广泛传播的编码知识在创新全球化进程中扮演起创新人才实现“牵手”并组建国际创新团队的“红娘”。当我们关注于空间集聚对创新活动这一议题时，地理单元的编码知识自然成为配置创新资源的关键因素之一，而在多个地理单元环境下，双边或多边知识联系则成为创新人才空间流动的驱动力之一。技术重叠(Technological Overlap)是一个兼顾各方知识存量关联程度的概念(Ahuja和Katila,2001)，而基于专利数据构建这一指标是现有经验研究中的一种常见做法(Bena和Li,2014;Sears和Hoetker,2014)。鉴于外部性是知识与生俱来的天然属性，结合“新”新经济地理学将地理单元视为考察创新活动的传统视角，本文依托专利数据构建技术重叠指标，籍此刻画和呈现中国与世界创新热点之间的双边知识联系，进而考察其对专利发明人跨境合作的影响。

基于以上思考，本文以专利化创新活动为研究对象，聚焦于技术重叠对中国配置全球发明人的影响。本文的边际贡献主要体现在以下三个方面：首先，基于专利层面的微观数据，本文首次在省/州地理单元层面测度了31个中国省份与境外586个次级行政区之间的技术重叠指标，尝试利用创新节点间的共引专利呈现专利化创新活动的双边知识联系，以区别现有文献常见的单边吸收能力和双边技术距离的视角，为考察国际研发合作提供新的洞见。其次，技术重叠这一具有双边联系特征的概念强调了发明人之间“共同语言”对跨境创新团队组建的影响，且能基于技术类别刻画人力资本的多元知识结构，进而有别于传统高、低技能水平的二元劳动力分类，这两个特征均契合于“新”新经济地理学中空间集聚配置资源异质性的分类效应(Behrens等,2014)，本文藉此提供了空间知识存量如何影响高技能劳动力国际流动的经验证据。最后，区别于现有研究多关注欧美等传统创新高地的跨境人才配置，本文关注于中国作为全球创新网络新兴节点的经验证据，并在国家层面(中国与欧美等国)和区域层面(北京、上海和深圳)进行了比较研究，呈现了技术重叠配置跨境创新人才在多层地理纬度上的异质性，丰富了发展经济学中“人才外流”(Gibson和McKenzie, 2011)这一问题的研究。

二、 文献综述

1. 关于空间集聚分类效应对高技能劳动力流动的影响

劳动经济学的Roy模型强调的选择效应(什么样的高技能劳动力被市场选择)和分类效应(高技能劳动力如何选择就业目的地)对高技能劳动力的最优区位选择提供了坚实的微观基础。鉴于创新活动和高技能劳动力集中于少数大城市的特征事实，Kerr和Kerr (2018)强调了空间因素对解释高技能劳动力空间流动特征的重要性，而Behrens等(2014)则进一步基于动态视角强调配置劳动力资源的空间力量是由集聚效应、选择效应和分类效应三者相互交织而成的。

分类效应强调劳动力的技能水平与空间集聚引致的大城市生产率优势相匹配，这主要表现为三个方面。首先，劳动力技能与技能溢价的匹配。依托于选择效应而形成的生产率优势，大城市的企业利用高工资吸引高技能劳动力(Davis和Dingel，2020)；与此同时，大城市在医疗教育等基础设施方面的优势也为就业者创造了潜在的非货币收益(Kerr和Kerr,2018)。这导致大城市的技能溢价成为吸引高技能劳动力流入城市的力量之一。其次，劳动力技能与知识外溢的匹配。知识外溢效应是最高层次的集聚动力，其对高技能劳动力区位选择尤为重要。依托于吸收能力的概念，Davis和Dingel(2019)认为高技能的劳动力在内化知识外溢方面具有比较优势。显然，高技能劳动力为了更好地发挥自己的比较优势会选择进入汇聚了大量创新活动的大城市，因为这里知识溢出也更为显著；而且Davis和Dingel(2020)给出的经验证据也支持城市越大，高技能劳动力和技能密集型生产活动越多这一观点。最后，劳动力技能之间的匹配。区别于高、低技能水平的传统二元劳动力分类，Eeckhout等(2014)认为多元技能之间的互补性有助于解释大城市中不同技能水平劳动力共存的特征事实，并进一步指出技能互补既可以存在于高端技能之间，体现为异质高技能劳动力之间的学习交流与技能知识的互补，即Top-skill complementarity(比如职业体育联盟中的教练和运动员)；也存在于高端技能与一般技能之间，表现为异质劳动力之间在专业化分工和服务功能上的互补，即Extreme-skill complementarity(比如高技能劳动力与家政服务劳动力之间的互补性)。

Davis和Dingel(2019)认为，鉴于劳动力可以免费享受知识外溢这一假设，源于空间集聚的马歇尔外部性一般作为黑箱处理，现有的经验文献通常用工资作为劳动力技能水平的代理变量(Wang，2016)。但工资只能反映技能水平，而无法进一步揭示劳动力的技能结构。鉴于与知识类型或结构相关数据可得性较差，现有文献对知识结构如何影响高技能劳动力区位选择的经验研究并不多见。通过对城市编码知识存量的测度，本文提供了一种刻画城市劳动力技能结构的可行方法，进而有助于我们提供关于分类效应如何驱动高技能劳动力区位选择的经验证据，成为打开外部性黑箱这一城市经济学基本问题的有益尝试。

2. 关于技术重叠测度及其对创新活动的影响

技术重叠(Technological Overlap)，也称为背景知识库重叠(Knowledge Base Overlap)，是指两个发明主体在某个时间点知识存量的重叠程度，侧重从共性视角探讨创新主体间的知识联系。与之类似的概念有技术距离、技术相似性、技术相关性等。相关研究认为，技术重叠越高，创新主体之间关于技术方面的专业知识越相似，彼此间对相关技术和知识越熟悉，越有助于缓解信息不对称在交易前(比如交易双方的搜寻匹配)和交易后(比如外部技术或知识的消化与吸收)引致的各种摩擦和困扰，故这一概念在考察企业获取外部知识资源行为(比如技术并购和研发联盟)的研究中多有论及(Ahuja和Katila，2001; Sears和Hoetker，2014)，而公司金融领域的研究认为技术重叠也有助于并购交易后形成创新资源的规模经济(Bena和Li，2014)。鉴于专利引用信息所提供的知识流动足迹(Alcacer和Gittelman，2006)和专利信息电子化后数据可得性的改善，围绕两个发明主体(比如两家企业)申请专利中共同的引用专利信息构建技术重叠指标成为经验研究中较为常见的做法(Sears和Hoetker，2014；Bena和Li，2014)。

关于技术重叠对创新活动的影响，现有研究主要关注于技术重叠对创新主体内化外部知识活动的影响。Chesbrough(2007)指出，企业等研发主体的研发创新活动呈现开放式创新(Openness Innovation)的倾向，但外部新思想或知识的内化不是一个自动或免费的过程。Ahuja和Katila(2001)、Bena和Li(2014)均指出研发主体通过并购获取的外部知识与自身既有知识存量之间的关联性(即技术重叠)能够影响其获取外部知识资源后的创新产出。

总的来看，相关研究认为技术重叠影响创新活动的机制主要有以下几个方面。首先，技术重叠有助于缓解信息不对称引致的各种摩擦，例如Graebner等(2010)认为技术重叠有助于提高企业的吸收能力，降低企业消化和吸收外部知识资源的障碍。其次，技术重叠有助于形成创新资源的规模经济和范围经济。由于技术重叠是交易双方既有知识存量的交集，所以Henderson和Cockburn (1996)认为并购交易有助于某些重复创新资源的节约，或者这些知识也可以产生更广泛的用途。再次，技术重叠有助于创新活动的专业化分工。参与方重复创新资源引致的富余创新资源也会导致创新联盟对创新资源进行重新配置，参与各方可以在自己具有比较优势的技术领域投入更多的资源，从而提升专业化水平(Cassiman和Colombo,2006)。

现有文献主要是在微观创新主体(比如企业)层面构建技术重叠这一指标，但知识天然外部性引致的溢出效应意味着企业所掌握的知识的影响边界可能不局限于其内部，类似于专利这样的编码知识更是如此，故将该指标拓展到地理空间也许是一个可行的尝试，使之契合于创新活动在空间上高度集聚这一特性。并且，技术重叠所包含的两个创新主体之间的知识联系也在一定程度上较好地与空间集聚分类效应所强调的“物以类聚”相契合。鉴于发明人是知识的关键载体，通过构建地理单元之间的技术重叠指标并考察其对国际创新人才流动影响可以让我们从空间的视角考察技术重叠对创新活动的影响。

3. 关于中国配置全球创新人才的研究

作为全球人才流失最大的发展中国家之一，吸引海外留学人员和侨民，实现由“人才外流”到“人才回流”的反哺一直是中国自改革开放以来配置全球创新人才的重要现实选择。Liu等(2010)给出了“海归”促进了中关村科技园企业专利数量的证据。但是，Zweig和 Wang (2013)认为中国虽然在一定程度上实现了人才回流(reverse brain gain)，但未能吸引顶尖的科学家和研发人员。

伴随着中国经济实力的增强，以及政府力推的高质量增长转型，创新成为引领发展的第一动力，中国全球引智的目的、方式和合作对象也日益多元化。Zheng等(2012)指出，中国参与的国际科技合作的合作对象不断拓宽，其中美国和中国台湾地区是最大的合作伙伴。Zhou和Glänzel(2010)则聚焦于科学出版物，认为中国与欧盟和北美地区科技工作者的国际合作数量逐渐增加，但与新兴国家(比如巴西和土耳其)之间的国际合作则出现下降。

总的来看，较少研究基于创新活动在空间上高度集聚这一特征，在中外省或州这一较小地理空间单元上考察中国参与国际研发合作的微观基础。在当前逆全球化和全球科创格局不断变化的背景下，考察中国如何实现国际科技合作的精准化具有重大的现实意义。

三、 理论模型与研究假设

表1 发明人合作博弈的支付矩阵

假设1：技术重叠可以促成专利发明人之间的研发合作。

当进一步将该博弈模型置于外生的空间集聚环境下进行讨论时，本文讨论两个影响发明人研发合作博弈决策的空间因素。首先，地理距离邻近提升了信息传播的便利性，本地其他发明人既有的研发合作关系会产生溢出效应，有助于降低本地发明人寻找合作伙伴的搜寻成本Cse；其次，本地在特定领域或行业的技术优势深化了相关专业知识厚度，空间邻近提升了本地发明人享受相关知识溢出的可得性，有助于降低本地发明人在研发合作过程中内化外部知识所面临的吸收成本Cab。由此，本文提出以下假设：

假设2：本地既有发明人合作规模和本地技术优势会与技术重叠形成联动效应，推动专利发明人之间的研发合作。

四、 数据来源、变量构建及模型设定

1. 数据来源和变量构建

本文使用的数据来源为经济合作与发展组织，简称经合组织(OECD)整理统计的REGPAT和Citations两个专利数据库(Egger和Loumeau, 2018)，其中REGPAT提供了专利发明人的地理位置，而Citations则提供了专利的引用信息。

本文关键解释变量技术重叠(Overlapijt，其中下标i和j分别代表中国大陆境内和境外的省或州)的构建步骤如下：首先，根据REGPAT数据库中1998-2017年间公开的PCT专利的发明人地理信息，一共提取了617个有PCT专利发明人记录的全球次级行政区(中国大陆境内31个省和境外586个省或州，后文简称省)作为本文研究的空间单元(具体见表2)，在此基础上匹配了18166个中外省际对用于构建技术重叠指标；其次，以省为单位，将时期t(2)为了平滑处理，基准回归中以3年为时间段构建了各项指标，并进行了滚动计算。内该省专利发明人参与专利的后向引用(backward citation)专利进行加总作为该省的知识来源库，然后进一步提取中外省际对两个地理单元知识来源库中的相同专利构建双方的共同引用库(具体见图1)，并进一步计算双方共同引用库中的专利总量，籍此作为中外省际对的技术重叠指标，例如在图1案例中，i、j双方在考察期t内的共同引用库由专利a、专利c、专利d共计三条专利构成，由此可以得出i、j双方在考察期t内技术重叠规模Overlapijt为3。此外，值得一提的是，本文只基于非合作专利(即不同时含中外省际对发明人的专利)提取技术重叠指标(例如在图1中排除由i、j双方发明人合作的专利C)，以缓解后文回归分析中由反向因果引致的内生性偏误。

表2 1998-2017年间有PCT发明人记录的次级行政区地理分布

图1 境内外省份之间共同引用库提取流程

作为被解释变量的当期的省际发明人国际合作规模(Invnumijt)则是选取18166个中外省际对的双边专利发明人合作人次。具体而言，本文首先基于REGPAT提供的专利发明人地理信息，识别出同时含有中外省际对两地发明人的专利，然后根据该专利中中外各省发明人数量计算中外省际对双边发明人合作人次，将其作为中外省际对发明人国际研发合作规模指标(3)举例来说，假设一个专利有2个发明人来自北京，3个来自美国加州，1个来自日本东京，本文将北京-加州国际合作规模计算为6(2×3)人次，北京-东京国际合作规模计为2(2×1)人次。在后文的稳健性检验中，本文也采取了其他方法测度省际国际合作规模这一指标。。

如表3所示，中国参与的研发国际合作对象主要集中于G7国家，其中美国尤为突出，中美省际间的研发国际合作规模均值是G7其他国家的5倍。类似地，中美省际对的技术重叠均值接近11件专利，而中国与其他G7国家的只有3.9件。

表3 中外省际跨境研发合作规模和技术重叠样本的统计特征

本文在控制变量中引入了中外各省t时期的发明人规模，分别为Invnumit和Invnumjt，该指标基于发明人参与的专利人次计算而得。另外，后文回归分析中的主要控制变量包括中外省际对的技术结构相似性(Co_techijt)(4)正如Jiang等 (2017)在考察224个中国城市间的市际研发合作的空间格局及影响城市研发合作的主要因素时，采用两两城市之间的Pearson相关系数作为测度城市之间技术偏好因素的变量。。本文利用WIPO设定的专利IPC与技术领域对照表(5)参见https:∥www.wipo.int/meetings/en/doc_details.jsp?doc_id=117672，2021年3月12日。测算了中外省际对专利活动在35个技术领域层面的分布向量之间Pearson相关系数，以此作为中外省际对创新活动在技术领域维度相似程度的代理变量。

2. 模型设定

为检验前文提出的假说，本文设定基准计量方程如下：

Invnumijt=α+β1Overlapijt-3+Xη+FEit+FEjt+FEij+εijt

(1)

其中，被解释变量Invnumijt是t期的中外省际对i和j之间发明人合作规模，解释变量则为滞后一个观测期(3年)(6)为了缓解可能的内生性偏误，本文在实证模型中将解释变量和部分控制变量滞后了一个长度为3年的标准观测期；此外，在之后的稳健性检验中，本文也根据采用的观测期长度，调整了对解释变量和部分控制变量的滞后时间长度。的中外省际对技术重叠Overlapijt-3；控制变量X则是滞后一个观测期的双边发明人合作规模Invnumijt-3和当期的中外省际对技术结构相似性Co_techijt。为了更好地控制遗漏变量导致的偏误，估计方程还引入了中国大陆境内省份与年份联合固定效应FEit，外国省份与年份的联合固定效应FEjt和中外省际对固定效应FEij。

五、 基本回归结果及其讨论

1. 基准回归结果及其解释

表4给出了以中国大陆境内31个省级行政区与境外586个次级行政地理单元之间专利发明人合作规模(Invnumijt)为被解释变量的基准回归结果。首先，表4第(1)列只引入了本文的关键解释变量中外省际对的技术重叠(Overlapijt-3)；此外，为了控制时空维度的特定影响，常见的年份和省份固定效应也予以引入。结果显示，Overlap的估计系数为正，且在1%的水平上显著。当引入上期双边既有合作规模(即Invnumijt-3)、当期双方的发明人规模(即Invnumit和Invnumjt)后，如第(2)列所示，Overlapijt-3的估计系数略微下降，但仍在1%的水平上显著。其次，鉴于省级层面(尤其是外国的省或州)影响创新活动的相关变量可获得性不高，为了进一步缓解遗漏变量引致的估计偏误，本文在第(3)列的估计方程中分别引入了中、外省份与年份的联合固定效应(FEit和FEit)以及中外省际对固定效应(FEij)，前面两个固定效应有助于我们控制中外省级层面随年份变动的影响因素，比如第(2)列中的中外各省历年专利发明人规模；而最后一个固定效应则能够控制中外省际间特定联系的影响，比如说源自于南粤侨民和在粤传教牧师建立起的广东省与美国加州的民间联系。如第(3)列显示，调整R2由0.551上升至0.721，幅度高于30%，显示了引入上述固定效应对缓解遗漏变量的合理性和效果。与此同时，Overlapijt-3的估计系数下降至0.408，同样在1%的水平上显著。最后，直觉上，如果两地从事的创新活动在技术领域较为相似或接近，两地专利发明人合作的可能性也更大。为此，本文基于细分技术领域构建了中外省际对创新活动技术结构相似性指标，即Co_techijt，并将其作为控制变量引入方程。估计结果如第(4)列所示，Co_techijt的估计系数显著为正，而且Overlapijt-3的估计系数没有发生变化。

表4 技术重叠对国际合作规模影响的基准检验

总的来看，在不同的模型设定环境中，关键解释变量Overlapijt-3的估计系数基本稳健。本文将第(4)列作为基准估计，该结果意味着境内外省际间共引专利增加10条，则双边专利发明人国际合作规模增加4.08人次。本文将省这一地理单元视为创新集聚的空间节点，而将专利发明人视为拥有不同技术领域知识且可进行区位选择的创新人才，上述结果也可以看作是集聚经济环境下分类效应配置跨境高技能劳动力的经验证据。

2. 稳健性检验

本文采取了以下方式进行了稳健性检验(7)限于篇幅，稳健性检验不再显示，备索。。首先，为了检验考察期长度波动对回归结果产生的潜在冲击，本文进一步进行了考察期长度为2/4/5年的检验(关键解释变量、控制变量和被解释变量均根据考察期长度进行了相应的调整)，该检验结果显示技术重叠的估计系数均在1%的水平上显著为正。其次，考虑到被引专利在两地被引用的次数很有可能存在差异，而这一事实也许反映了被引专利所含知识在本地创新活动中运用的广泛程度和强度，本文基于引用次数构建加权的技术重叠指标进行了稳健性检验，检验结果显示加权构建的技术重叠系数虽然有所下降，但仍在1%的水平上显著。最后，借鉴Kogler等(2017)的构建方法，本文利用发明人跨境合作的专利数量测度跨境合作的规模(8)基于专利数量测度的合作规模，同一地理单元的发明人不重复计算。比如说，专利A共有6个发明人，其中2个发明人来自中国北京，2个来自英国伦敦，2个来自美国纽约，那么北京-伦敦和北京-纽约的合作规模均为1。因此，Patnumijt相较于基准回归中基于发明人合作关系次数构建的合作规模Invnumijt更小。，技术重叠的系数虽然有所下降，但依旧在1%的水平上显著。总的来看，相关稳健性检验的估计结果与基准回归的估计结果是一致的。

六、 异质性分析

创新活动在空间上高度集聚这一显著特征事实反映了地理单元配置创新资源能力的异质性。作为全球创新活动“领跑者”的欧美地区是当前全球创新网络的主导者，也是全球创新资源配置竞赛的领先者，在吸引境外高技能劳动力方面尤为突出，比如美国和瑞士是最大的高技能移民净输入国，而中国和印度两个发展中国家则是最大的高技能移民净输出国(Kerr等,2016)。在创新型国家战略的推动下，基于全球视野配置创新资源成为中国不断夯实创新实力的重要选择。那么，作为全球“抢人大战”中的“后来者”，中国在利用知识联系吸引国外高技能劳动力上与欧美国家存在显著差异吗？ 进一步，深圳、北京和上海三个进入了全球百强的创新集聚城市(WIPO,2020)是中国创新活动的核心地带，上述效应在中国境内三大创新集群之间是否也存在异质性呢？

1. 国际比较：发明人流入vs流出

为了考察中国和欧美地区在利用技术重叠吸引境外创新人才资源的差异，本文基于专利申请人国别对所有含中外发明人的专利进行分类，提取了境外发明人流入和本土发明人流出专利(9)鉴于申请人通常是专利所含知识产权的所有者，对于含中外发明人的专利，本文将至少含一个中国境内申请人的专利视为发明人流入专利；将至少含一个中国境外申请人的专利视为发明人流出。需要指出的是，本文此处的发明人流入和流出与发明人国籍变化无关，而是旨在突出发明人创新成果知识产权的国别归属。比如说，如果某专利的申请人只来自中国，那么该创新成果的产权专属于中国；如果申请人来自中国和美国，那么该创新成果的产权由中国和美国共同拥有。上述定义契合于当前国内“不求所有，但求所用”的柔性人才引进方式。另外，为了叙述简洁，本文将“本地发明人流出”和“境外发明人流入”分别简称为“发明人流出”和“发明人流入”。，构建对应的专利发明人合作规模并沿用基准回归的设定进行估计。具体如表5中所示，无论是发明人流入样本，还是发明人流出样本，技术重叠的估计系数均显著为正，这说明共引专利建立起的双边知识联系确实显著地促进了专利发明人的双边流动，形成互利共赢局面。换句话说，技术重叠既促进中国在专利发明活动中引进了更多“外援”，也推动中国向其他国家输送了大量的专利发明人。

表5 国际合作发明人流向的国别比较

但通过对比，如第(1)列所示，本文发现发明人流入样本中技术重叠的估计系数明显小于发明人流出样本中技术重叠的估计系数。就其经济含义而言，境内外省际间共引专利增加10条，流入中国的境外发明人大概增加0.3人次；而流出中国的本土发明人则会增加近1.6人次。显然，技术重叠虽然促进了发明人的双向流动，但流动规模却呈现出显著的不对称。进一步看，如Panel B所示，中国发明人主要流向了G7国家，其中美国远高于其他6国。另外，技术重叠也推动中国发明人流向金砖国家。与此同时，就境外发明人流入而言，涵盖了全球主要创新热点的G7国家是中国配置境外发明人的最重要来源地，而美国也为中国提供了最多的“外援”。 这一证据意味着，在近年来中美科技“脱钩”事件频发的背景下，维系和发挥中美既有的创新合作关系具有重大的现实意义。值得一提的是，技术重叠对中国与近邻日韩之间的发明人国际合作并没有显著影响。

这一证据显然契合于欧美地区一直以来是全球创新人才“净流入”地(Kerr等,2016)的事实。另外，区别于现有基于移民群体的研究，本文基于专利产权国别归属视角的这一结果也丰富了发展中国家“人才外流”的证据。

2. 国内比较：京、沪、深(10)为了与WIPO (2020)所列的中国三大创新集群对应，本文选取了北京、上海和深圳进行对比。的地区差异

技术重叠对专利发明人国际合作影响的空间异质性也存在于中国境内。表6给出了来自北京、上海和深圳三地子样本的估计结果。首先，技术重叠均显著推动了三地专利发明人流入和流出，这一结果与基准回归结果相吻合。其次，技术重叠对三地发明人流入和流出影响程度存在显著的差异。具体来看，对于北京和上海两地，技术重叠对发明人流出的促进作用大于对发明人流入的影响，存在发明人的净流出；与之相反，技术重叠对深圳发明人流入的影响明显高于发明人流出的影响，存在发明人净流入；横向对比，技术重叠对深圳发明人流入的促进作用是北京和上海两地的2.5～3倍。显然，借助于市场力量实现从小渔村-世界工厂-全球创新基地完美三级跳的深圳在利用境外发明人资源方面独树一帜。结合表5的结果，中国专利发明人净流出主要在于由京沪两地的发明人流出所致(11)自中国改革开放以来，京沪两地在科创资源和高级人才储备上一直拥有明显的优势，成为外国跨国公司在华设立区域总部和海外研发中心的重要选择(比如截至2020年10月，上海已有研发中心477家，由世界500强企业设立的研发中心约占1/3，https:∥www.thepaper.cn/newsDetail_forward_10119035，2021年1月30日)。本文认为，上述事实为外国企业配置京沪两地本土创新人才提供了极大的便利，成为两地专利发明人流出的重要“推手”。。

表6 发明人国际合作的京沪深比较

七、 空间集聚力量对专利发明人国际合作的交互效应

如前所述，基于共引专利构建的技术重叠指标刻画了地理单元之间在知识维度的双边联系，其对专利发明人跨境合作的影响契合于空间集聚配置资源的分类效应。事实上，地理单元双边知识联系具有更为宽泛的含义，也可体现在其他方面。那么，这些不同知识联系会形成叠加效应吗？在“新”新经济地理学探讨的空间集聚配置经济资源过程中，Behrens等(2014)认为传统的集聚效应会与选择效应和分类效应交织在一起形成联动效应。集聚效应源自于生产要素空间邻近所形成的外部性，而选择效应则是市场竞争优胜劣汰所形成的本地要素资源优化。那么，在中国发明人与境外发明人的合作过程中，这些因素会与技术重叠形成何种联动效应呢？ 进一步，该联动效应在京沪深三大创新中心之间是否存在异质性呢？为此，这一部分将通过交互模型进行相关考察，具体的计量模型如下：

Invnumijt=α+β1Overlapijt-3+β2Mijt+β3Mijt×Overlapijt-3+FEit+FEjt+FEij+εijt

(2)

其中调节变量Mijt与Overlapijt-3的交互项是新引入的，以此考察技术重叠与其他影响因素对中外发明人合作规模的交互效应。

1. 双边技术结构相似性与技术重叠的叠加效应

Jiang等(2017)认为地区间生产和创新活动的相似技术背景能够显著提升双边知识流动的规模。究其原因在于，某一领域创新活动所投入的技术通常与特定知识相关联，其中某些被广泛运用的基础性知识会成为本领域的通用知识。因此，对于从事相似技术背景创新活动的地理单元而言，这些通用知识起到了桥梁作用，相互间的知识更容易被再编码和再解读。从该意义上看，双边技术分布相似性可视为宽泛意义上的一种知识联系。那么，在双边发明人合作这一过程中，宽泛的技术分布相似性和具体的技术重叠这种知识联系会形成叠加效应吗？

为了验证这一影响，本文构建了控制变量Co_techijt与技术重叠的交互项Overlapijt-3×Co_techijt，籍此考察两者的叠加效应。表7第(1)列给出的结果显示，两种知识联系的叠加效应在全国范围对发明人流入和流出均显著存在，且对发明人流出的影响更强。进一步对比京沪深三地，对于发明人流入，该叠加效应只限于上海；对于发明人流出，该叠加效应只限于北京，而对于深圳，技术结构相似性与技术重叠之间则存在显著的替代效应，即技术结构相似性缓解了技术重叠对发明人流出的推动效应。

表7 双边技术结构相似性与技术重叠的叠加效应

2. 既有发明人合作规模与技术重叠的联动效应

双边专利发明人既有合作所形成的历史遗产不仅体现在合作者之间的相互了解和联系，而且也体现在相关信息(比如说合作者的个人信息、合作者所在城市的信息等)的网络传播，即合作者所了解的各种信息会在自身所处社会网络的不同节点之间蔓延。显然，既有发明人合作规模和发明人空间邻近所形成的外溢效应均会进一步放大相关信息传播的网络效果，这有助于削弱双边发明人在寻求创新合作对象过程中由于地理距离引致的信息障碍。当发明人借助于技术重叠所形成专业“共同语言”寻找“同道中人”时，上述网络传播所形成的集聚效应则会强化分类效应的影响，两者形成正向的联动效应。

为了验证这一机制，本文首先通过引入既有合作关系的虚拟变量Collaborijt-3(0/1分别表示i和j在第t期无/有合作关系)和关键解释变量Overlapijt-3的交互项Overlapijt-3×Collaborijt-3，在发明人流入和流出两种情境下验证既有发明人合作规模引致的集聚效应与技术重叠引致的分类效应在跨境发明人流动中形成的联动效应。

如表8所示，在全国层面，无论是发明人流入还是发明人流出样本，交互项Overlapijt-3×Collaborijt-3的估计系数显著为正，这意味着既有合作关系与技术重叠在促进发明人双边流动过程中形成了联动效应，且对发明人流出的影响仍旧显著高于对发明人流入的影响。进一步考察京沪深三地时，本文发现这一联动效应也同样存在于京沪深三地发明人流入和流出样本中。但值得一提的是，对于深圳而言，该联动效应对发明人流入的影响高于发明人流出的影响，有别于全国以及京沪两地。

表8 双边既有合作关系与技术重叠的联动效应

其次，鉴于既有发明人合作规模也会进一步影响集聚效应的强度，本文通过引入Invnumijt-3和关键解释变量Overlapijt-3的交互项Overlapijt-3×Invnumijt-3来进一步验证上述的联动效应。如表9所示，相关结果与表8非常类似。

表9 双边既有合作规模与技术重叠的联动效应

3. 本地技术优势与技术重叠的联动效应

本地技术优势体现了某一地理空间在科创环境、资源和配置效率上的独到之处，可视为地理单元的空间资产(Bilal和Rossi-Hansber,2021)，其释放的信号能极大地缓解创新活动常常面对的信息不对称，从而成为吸引高技能劳动力的关键因素，比如欧洲五大职业足球联赛和美国篮球职业联盟(NBA)对全球顶尖足球和篮球运动员的吸引力无出其右。从“新”新经济地理学视角来看，一个地区的技术优势是本地创新资源经过市场竞争实现优化配置后的综合表现，故本文将其视为选择效应的代理变量。那么，本地技术优势所代表的选择效应与技术重叠所代表的分类效应会形成联动效应吗？

为此，本文基于地理单元参与PCT专利的发明人累计人次排位作为衡量本地技术优势的主要依据。具体而言，以全球610余个次级行政地区作为比较单元，在同一时期内，如果某地区参与某一细分领域(12)沿用前文的35种技术领域分类。的PCT专利的发明人累计人次进入该细分领域全球排名前20%，就将该地区于该细分领域的本地技术优势指标Techadvift(表示中国境内次级行政地理单元)和Techadvjft(表示中国境外次级行政地理单元)赋值为1，否则为0；然后在基准回归方程中引入它们与技术重叠相应的交互项Overlapijft-3×Techadvift和Overlapijft-3×Techadvjft。

表10给出的估计结果显示，对于全国样本而言，中外地理单元的技术优势和技术重叠的联动效应对发明人流入和流出规模均具有显著影响，且对发明人流出规模的影响明显高于发明人流入规模。显然，该联动效应的影响力在发明人流向上也是非对称的。

表10 本地技术优势与技术重叠的联动效应

同样地，通过进一步的比较分析，技术优势和技术重叠对发明人流动的联动效应在京沪深三地呈现明显的异质性。在发明人流入方面，该联动效应对深圳的促进作用大概是京沪两地的2.7～3.5倍；在发明人流出方面，该联动效应对深圳的促进作用远远低于上海和北京，只及前者的10%，后者的5%。显然，本地技术优势是深圳实现发明人“外援”净流入的重要“推手”之一。

八、 结论与讨论

人才是科技创新的第一资源。在“本地热点，全球互联”的全球创新格局下，中国比历史上任何时期都更需要积极主动地引进海外创新人才。但在近年来西方发达国家单边主义和民粹主义兴起的风潮下，国际环境日趋复杂，中国的“海外引智”面对诸多掣制，精准汇聚天下英才对于中国的高质量发展和深入参与全球科技创新治理的意义尤为重要，但已有文献却较少有深入研究。为此，基于“地区热点”间的知识联系是牵引双边创新人才国际合作的“红线”这一观念，本文利用专利数据将双边知识联系具体化为中外省际对的技术重叠指标，并依托“新”新经济地理学框架，运用高维固定效应模型集中考察了技术重叠对中外专利发明人双边流动的分类效应，并进一步探究了其与集聚效应和选择效应在这一过程中的联动作用。本文的研究结果显示，技术重叠显著地促进了中外省际间的专利发明人国际合作规模，但该合作规模在流动方向上是非对称的。具体而言，这一非对称性表现在两个地理维度：首先，在国家层面，技术重叠推动的中国本土发明人流出规模远高于境外发明人流入规模，且主要集中于G7国家，其中美国是中国最主要的国际合作对象；其次，在中国省级层面，京沪两地呈现发明人净流出，而深圳则是发明人净流入。进一步的研究发现，中外省际对创新活动的一般特征(双边技术分布相似性和既有合作规模)和中国境内省份创新活动的专业特征(本地技术优势)均与技术重叠形成正向交互效应推动发明人的双边流动，但这些交互效应和影响强度在京沪深三地具有明显异质性。

利用专利数据，本文不仅测度中外省际间的知识联系，还给出了其推动中外发明人国际合作的证据，相关结论具有重要的现实意义和丰富的政策含义。首先，技术重叠体现的共引专利这一知识联系可以成为中国主动配置海外创新人才的既有现实基础，且这一现实基础受政治环境影响较小；其次，利用技术重叠在细分技术领域和小尺度地理空间的信息，结合相关专利发明人的信息，我们可以在微观层面构建多元立体的中外知识联系，进而提升中国海外引智政策的精准性。这两个特点契合于当前中国在充满不确定的国际环境中配置全球创新资源这一时代特征。

然而，作为一项探索性工作，本文对于技术重叠对发明人跨境合作影响的研究还处于初级阶段，探讨技术重叠的结构以及其衍生的创新网络对研发国际合作的影响可能是助推相关研究拓展和深化的方向。另外，依托中国的现实情境，进一步探寻深圳在吸引境外发明人上的独特原因也是一个非常有现实意义的研究。