多维邻近视角下长三角城市群知识溢出对新型工业化的影响研究

【摘" "要】 基于知识溢出推动新型工业化高质量发展的视野，利用2011—2021年长三角地区41个城市的面板数据，运用引力模型测度知识溢出，在多维邻近视角下构建空间计量模型，实证检验知识溢出对长三角城市群新型工业化发展的影响。研究结果表明：知识溢出效应主要集聚在省会城市，上海及江浙两地部分城市的知识溢出总量较高，而安徽各市的知识溢出总量均较低；长三角城市群新型工业化发展水平存在空间分异现象，上海和杭州等高等水平城市具备扩散效应，但这种效应逐渐降低，而虹吸效应不断增强；长三角城市群新型工业化发展水平在2011—2016年不断提高，在2016—2021年逐渐降低，且长三角各地区新型工业化差异在扩大，存在两极分化现象；在地理邻近、经济邻近、经济地理邻近下知识溢出对新型工业化发展具有显著的正向影响，存在明显的交流效应；知识溢出链锁效应明显，知识溢出促进产业结构高级化并结合数字经济推动新型工业高级化。

【关键词】 知识溢出；新型工业化；引力模型；空间计量模型

中图分类号：F424" " "文献标志码：A" " " 文章编号：1673-8004（2025）01-0046-15

一、引言

推动新型工业化、信息化、城镇化、农业现代化同步发展，是新发展阶段我国经济实现更高质量、更有效率、更加公平以及可持续发展的重要任务。我国在2015年出台了《中国制造2025》战略规划［1］，旨在通过新型工业化推进产业升级和转型升级。党的二十大报告也明确强调推进新型工业化是我国加快现代化建设的必然选择，我国要深入推进新型工业化，推动制造业高端化、智能化、绿色化发展［2］。在党的十六大报告中，首次提出了新型工业化概念［3］，这一概念与传统工业化有着本质的不同，它将世界经济、科技和社会发展的全局视为一个整体，并紧密结合我国的实际情况，走出了一条具有高科技含量、高经济效益、低资源消耗、少环境污染的新型工业化道路。而这一条道路是基于知识的新型工业化，知识成为关键的生产要素。因此，知识运营、知识化和信息化成为新型工业化的最主要特征。

知识也成为新型工业化的主要发展地区长三角城市群的主要生产要素，与此同时，长三角城市群的知识生产和知识溢出总量非常大，那么如何更高效地利用知识溢出效应推动长三角城市群新型工业化的发展，就成为亟待解决的问题。

在新型工业化的测度方面。中国社会科学院工业经济研究所课题组等［4］提出以构建自立自强的科技体系、筑牢高端先进的制造体系、建设低碳循环的绿色体系、打造内外循环的分工体系四个维度构建新型工业化指标体系。陈国宏等［5］、丁翠翠等［6］、渠爱雪［7］、马毓璟等［8］、吴杨伟等［9］、李世英等［10］和任莹莹等［11］分别采取不同的分析方法从不同的视角构建了新型工业化发展指标体系，丰富了新型工业化发展水平测度方面的研究。

Marshall［12］最早通过外部性研究指出知识溢出会带动产业集群的发展。此后，Arrow［13］和Romer［14］对知识溢出的研究进行了发展，并提出了知识溢出模型。随着内生经济增长理论、新经济地理学等领域的发展，对知识溢出效应的研究也在不断拓展。Griliches［15］和Jaffe［16］提出并发展了知识生产函数，以定量的方式研究知识溢出效应。克鲁格曼提出的空间经济理论以及外部性理论认为知识溢出存在明显的交流效应，而Michael Porter的产业链理论则认为知识溢出会对产业发展产生显著的链锁效应。国内学者也从不同的角度对知识溢出做了详细的分析。李婧、何宜丽［17］基于省级面板数据，实证考察知识溢出对区域创新绩效的影响，研究发现在不同的空间视角下，知识溢出均对区域创新绩效起到了显著的正向影响。张德茗、谢葆生［18］将高校分为理工农医不同类型，研究高校Ramp;D投入对企业技术创新的影响，结果显示高校Ramp;D投入促进了企业的创新效益和创新能力。梁琦等［19］利用长三角25个城市间历年论文合作发表数据，分析知识交流合作的空间分布模式与特征，发现知识交流的强度与合作成果集聚现象明显，并呈现出不均衡分布。

在知识溢出的空间效应方面。邻近效应作为影响区域经济发展的重要因素之一，近年来被越来越多的学者所关注。Jungyul Sohn［20］从经济邻近和地理邻近的角度研究制造业活动的空间关联模式，发现产业间的经济联系从空间分布模式以显著的方式反映出来。Aranja Mülle和Alexandra K. Zaby［21］研究企业之间知识溢出对于合资企业的影响机制，结果表明技术邻近性和协作强度对合资企业的私人和社会效益起着决定性作用。王孝斌、李福刚［22］从知识流动的视角分析了在区域创新中地理邻近的影响机理，最终得出企业的创新绩效和地理邻近程度之间呈现一个倒“U”型的曲线关系的结论。孙铁山等［23］基于微观专利数据分析技术邻近性对区域协同创新的影响，通过分析发现技术邻近性不足不仅导致了北京对津冀的创新辐射带动能力难以充分体现，同时也制约了京津冀地区之间创新的联系与合作。杜亚楠等［24］从制度邻近、认知邻近和技术邻近三个方面剖析了我国三大城市群创新的特征与机制，研究发现多维邻近性对三大城市群创新网络表现出典型的城市群异质性。李琳、曾巍［25］探讨了不同邻近视角对省际边界区域经济协同发展的作用机制，结果表明地理邻近性对省际边界区域协同发展的影响呈倒“U”型，而地理邻近与认知邻近对两边界区域协同发展均产生显著的交互作用。

综上所述，关于新型工业化与知识溢出的测度以及影响因素分析的研究已较为丰富，但知识溢出对新型工业化的作用机制的研究尚处于起步阶段，鲜有学者从动态空间视角探索知识溢出与新型工业化发展之间的关系。基于此，本研究首先对知识溢出与新型工业化综合指数及子系统进行测算，分析其动态变化情况；其次利用Arcgis的区域分级显示功能，并采用核密度估计方法对长三角城市群新型工业化发展的动态演变情况进行分析，发现长三角城市群新型工业化水平以2016年为分界线，呈倒“U”型发展趋势；最后构建多种空间权重矩阵，并建立空间计量模型，利用长三角城市群2011—2021年的面板数据并采用空间杜宾模型探究知识溢出对新型工业化的影响，为长三角城市群推动新型工业化发展提供有益的政策建议。

二、研究方法与数据来源

（一） 新型工业化指标体系构建

借鉴已有研究的结论［4，6］，结合新型工业化的本质要求和内涵特征，从工业化水平、经济效益水平、信息化水平、科技发展水平、人力资源水平、资源与环境六个维度共26个三级指标构建新型工业化发展指标体系。具体内容如表1所示。

（二） 知识溢出评价指标构建

知识溢出的测度是多维多层次的，较为常见的方法有生产函数法、全要素生产率法等，借鉴已有文献的做法，使用引力模型分析测度知识溢出［17］。模型具体形式为：

式中，Kij表示区域间的知识溢出量，Fi、Fj分别表示两个区域的自有知识存量；lij表示城市i和城市j之间的地理距离，这里使用城市之间的直线距离测算；H表示引力常数，一般情况为1。在此基础上，测算该城市与其他所有城市间的知识溢出总量Ki：

式中，Ki为城市i与其他所有城市之间的知识溢出总量，n为对外城市创新系统个数。

应用引力模型测量知识溢出，常采用知识存量法，知识存量测度方法又分为投入和产出两种，为避免隐性知识难以测量的问题，此处借鉴苏屹等［26］的研究，采用投入法测度知识存量。投入法常采用Ramp;D活动经费支出和科技活动经费支出的有关数据，由于科技活动经费支出现已不再更新，考虑到数据的可得性，此处利用Ramp;D活动经费内部支出来计算知识存量，具体公式为：

Zit=（1- β）Zi，t-1+Iit（3）

式中，Zit、Zi，t-1分别表示第i地区第t期、第t-1期的研发资本存量，β为折旧率，总结以往学者的研究，折旧率δ值一般为15%。Iit表示第i地区第t期的实际Ramp;D经费支出，实际Ramp;D经费支出通过名义Ramp;D经费支出计算得到。计算时需要以2011年为基期，对名义Ramp;D经费支出作平减处理。参考朱平芳、徐伟民［27］构造的Ramp;D经费支出价格指数可以计算Iit，即：

Ramp;D支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数

在估计基期知识存量时，假设知识存量的增长率和Ramp;D经费的增长率相等，得出基期知识存量Zi0的计算公式为：

式中，Ii0为基期实际Ramp;D经费支出，ɡ为考察期内实际Ramp;D经费支出的平均增长率，β为折旧率。根据此式可进一步计算出各地区各期的知识存量。

（三）熵值法

为了建立新型工业化指标评价体系，运用熵值法确定各个指标的权重并计算新型工业化综合得分［28］。熵值法避免了主观性所带来的偏差，有效减少了指标差异大的指标对决策结果的影响。

（四）核密度估计

核密度估计是一种非参数统计方法，用于估计数据的概率密度函数。它通过在每个数据点周围放置一个核函数，并将这些核函数叠加起来，用于估计数据的概率密度。在核密度函数中，假设f（x）是新型工业化x的密度函数：

式中，N为观测量，Xi表示观测值，表示平均值，K代表核密度函数，H表示带宽。选用高斯核密度函数分析长三角城市群新型工业化的动态演变特征，核密度函数表达式为：

（五）空间计量模型构建

1.全局莫兰指数

为更准确地发现数据中的空间聚集模式，使用全局莫兰指数对新型工业化的空间相关性进行检验。计算公式为：

式中，s2=（xi-）2n表示样本方差，xi（xj）表示第i（j）地区的新型工业化水平的增长，表示其均值，n表示样本总量，wij表示空间权重矩阵。

2.局部莫兰指数

为进一步检验新型工业化的局部空间集聚效应，采用局部莫兰指数Ii进行局部地区的自相关检验［29］。计算公式为：

3.空间面板数据模型

空间计量模型能够有效分析要素间存在的空间效应，常见的空间计量模型主要有三种：空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。其具体模型的构建如下：

Yit=ρWYit+βKit+ε" " ε～N（0，δ2In）（9）

Yit=βKit+μμ=λWμ+ε" " ε～N（0，δ2In）（10）

Yit=ρWYit+β1Kit+β2WKit+ε" " ε～N（0，δ2In）（11）

其中，式（9）为空间滞后模型，SLM模型假定地区间相互作用通过因变量的空间滞后项实现空间溢出效应；式（10）为空间误差模型，SEM则用于反映误差项的空间依赖性；式（11）为空间杜宾模型，该模型的特点就是同时包含因变量的空间滞后项和解释变量的空间滞后项。式中的Y为i地区t年的新型工业化发展水平，K为知识溢出，ρ为空间自相关系数，β表示解释变量的系数，W为空间权重矩阵。本研究以地理邻近矩阵、经济邻近矩阵和经济地理嵌套矩阵作为空间权重矩阵，ε为误差项。

（六）中介变量

为进一步分析知识溢出的链锁效应，利用中介效应模型，将产业结构高级化和数字经济变量作为中介变量分析知识溢出推动新型工业化发展的作用机制。数字经济变量的计算参考赵涛等［30］的研究，产业结构高级化参考袁航、朱承亮［31］的做法。产业结构高级化的计算公式为：

式中，yi，m，t表示i地区第m产业在t时期占地区生产总值的比重。

（七）控制变量的选取

为了尽量减少由于遗漏变量所引起的估计结果的偏差，选取实际利用外资、财政科技支出占一般预算支出的比重、第三产业增加值占GDP比重、城市人均公园绿地面积和普通高等学校专任教师数作为控制变量进行分析。

（八）数据说明

本数据主要来源于2011—2021年国研网与中国城市统计年鉴，部分数据来自长三角41个地级市的统计年鉴，对于缺失数据，采用线性插值法进行处理。由于固定资产投资价格指数于2020年起不再统计，因此采用邻近值替代2021年的数值。各变量的描述性统计如表2所示。

三、知识溢出的测算结果分析

通过利用引力模型，即可测度各城市之间的知识溢出水平。图 1是2011—2021年长三角地区41个城市的知识溢出总量，从图中可以发现，长期以来，知识溢出总量最多、最为活跃的城市是上海。上海作为中国的经济中心和创新枢纽，拥有丰富的知识资源和高水平的人才集聚能力，因此知识溢出总量远远高于其他城市。第二梯度为南京和杭州，作为江苏与浙江两个经济发达省份的省会城市，南京和杭州是区域经济的中心，不仅集聚了大量的企业总部、研发中心和创新型企业，同时也拥有多所重点高校和科研机构，这些都为知识的集聚和溢出创造了有利条件。其次为镇江、绍兴、南通、嘉兴、苏州等地，其知识溢出也较为活跃，这些城市在经济发展和产业结构上具有一定的优势。

四、长三角城市群新型工业化发展的时空演变特征

（一） 长三角城市群新型工业化发展总体特征分析

1.趋势演变分析

如图2所示，从总体演变趋势来看，研究期内新型工业化发展呈现“平缓上升—下降”的波动轨迹，新型工业化发展水平由2011年的0.315下降到2021年的0.303。从发展阶段来看，新型工业化发展总体上可分为两个发展阶段。第一阶段为平缓上升阶段（2011—2017年）。新型工业化发展水平从2004年的0.315上升到2017年的0.345，表明长三角地区在推动新型工业化方面取得了一定的进展，侧面反映出长三角地区在产业结构升级、技术创新和资源配置等方面采取了一系列的措施和政策，并取得了一定的成果。第二阶段为下降阶段（2017—2021年）。新型工业化水平从2017年的0.345下降到2021年的0.303，其原因有以下两个方面：一是长三角地区已经形成了比较完善的产业体系和现代化的工业基础，新兴产业和先进制造业的发展逐渐趋于饱和状态，导致增速放缓；二是由于2019年新冠疫情的暴发导致全球供应链的中断和紧缩，给长三角地区的制造业带来了一定的冲击。

从六个子系统维度看，工业化水平指标数值整体得分较高，其发展趋势呈现“下降—上升—下降”的形态，其中2015年的快速增长与我国政府提出的《长江三角洲城市群发展规划》具有密切的联系。经济效益指标数值波动幅度较大，而信息化水平、科技发展水平和人力资源水平整体波动幅度较小，基于新型工业化的本质要求和可持续发展理念，资源与环境这一指标数值整体在不断下降，符合新型工业化内涵特征中对绿色发展的要求。

2.空间演变分析

为进一步探究长三角城市新型工业化发展水平的空间特征，使用软件Arcgis10.7的区域分级显示功能，利用自然断点法对新型工业化发展水平的空间分布格局进行比较。基于该方法，选用2011年和2021年作为研究时间节点，具体设置为低等、较低、中等、较高、高等五个分区，罗列于表3之中。

研究数据表明，长三角城市群新型工业化发展水平存在明显的空间分异现象，省会城市具有较强的回流效应，且这种回流效应在不断增强。具体来看，新型工业化发展水平较高的城市主要集中在上海、南京、杭州等省会城市，同时与之相邻的城市，其新型工业化发展水平也较高，这表明高等水平城市具备扩散效应，在一定范围内可以带动周边城市的新型工业化发展。另外，随着新型工业化不断发展，上海、苏州等地知识溢出的扩散效应在不断减弱，虹吸效应在不断增强，吸引了人口和投资的流入，资源和财富也在向这些城市集中，这导致周围相对较高水平的城市面临向中等水平城市转移的风险。从2011—2021年，中等水平城市的数量从8个增加到12个，进一步验证了省会城市具有更强的回流效应。从五个分区的范围来看，虽然2011年低等水平和较低水平的最低区间数值分别为0.199～0.243和0.243～0.286，均高于2021年，但中等及以上水平的区间数值均低于2021年，表明我国关于制定推动新型工业化发展的政策具有一定的可行性，例如《新型工业化产业规划》 《中国制造2025》等，明确了新型工业化的发展目标、路径和政策导向，能够为企业和地方政府提供指导。这也说明省会城市虽然回流效应大于扩散效应，但中心城市的扩散效应从纵向的工业化发展水平来看，逐年拉动了周围城市的工业化发展水平。

3.发展态势分析

图3为长三角城市群新型工业化发展水平的动态演变情况。首先从分布的位置来看，长三角城市群的中心在2011—2016年向右平移，表明在这一阶段新型工业化发展水平在不断提高，在2016—2021年中心向左平移，其原因既有内部影响也有外部冲击，对内表现为长三角城市群内部发展不平衡，一些次要城市发展相对滞后，对外表现为2019年暴发的疫情导致企业生产活动受到一定程度的限制，封锁和管控措施导致供应链中断、人员流动减少等问题，对一些实体经济企业的生产经营带来了困难。其次从峰值的特征来看，长三角城市群新型工业化的峰值在2011—2014年呈下降趋势，2014—2016年呈上升趋势，2016—2021年峰值趋于平缓，且宽度加大，表明长三角各地区之间的差异程度在变大。再次从波峰数量来看，长三角城市群有两个侧峰，表明长三角城市群新型工业化存在两极分化现象。最后从分布形态来看，右侧出现拖尾延展现象，表明长三角城市群新型工业化发展的空间差距在逐步扩大。

（二）长三角城市群新型工业化发展空间自相关分析

1.全局空间关联分析

利用全局莫兰指数计算2011—2021年新型工业化发展的空间自相关性，结果如表 4所示。长三角城市群新型工业化发展基于不同的空间权重矩阵均在1%的水平下显著，表明新型工业化发展存在地理邻近、经济邻近和经济地理邻近的空间依存性，验证了空间效应的存在。

2.局部空间关联分析

为进一步探究长三角城市群新型工业化发展的局部空间聚集模式，采用局部莫兰散点图分析2011年和2021年新型工业化发展的局部空间自相关情况，如图 4所示。

从基于经济地理嵌套矩阵的局部莫兰散点图看出，2011年上海、苏州、南京等城市位于HH象限，说明这些城市自身的新型工业化发展水平较高，也会带动长三角其他经济活动在地理空间上相近的城市，形成基于经济地理邻近性的集聚;芜湖、徐州等地位于HL象限，说明自己的发展水平相对较高，但对周围经济活动在地理空间上相近城市的带动作用不足；安徽大部分城市、江苏中北部城市和浙江部分城市位于LL象限，说明自己和经济地理邻近城市的新型工业化发展水平均较低；湖州位于LH象限，说明自己新型工业化发展水平较低，但同一水平（经济地理邻近）的城市大多具有较高的发展水平，如图4（a）所示。根据图4（b）可知，位于HH象限的城市数量增加，反映出新型工业化发展水平在局部地区的空间相关性增强。由于篇幅限制，仅报告基于经济地理嵌套矩阵的局部莫兰散点图。

五、实证结果分析

（一）空间杜宾模型回归结果分析

常用的空间计量模型主要包括空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。利用Hausman检验、LM检验和LR检验，最终确定使用空间杜宾的双固定效应来探究知识溢出对长三角城市群新型工业化发展的影响。具体结果如表5所示。

根据表 5中SDM模型的结果，在地理邻近、经济邻近和经济地理邻近下，知识溢出的系数为正值，且在5%的显著性水平下通过假设检验，表明本地区知识溢出总量越高，新型工业化发展水平越高。

由于空间杜宾模型的参数估计结果是有偏差的，不能直接反映空间溢出效应的真实影响效果，因此采用偏微分的方法将系数分解为直接效应、间接效应和总效应。根据表 5中SDM模型的结果得知，在地理邻近、经济邻近和经济地理邻近下，知识溢出的直接效应均通过了1%的显著性检验，表明本地区的知识溢出对本地区的新型工业化发展水平具有显著的正向促进作用。在地理邻近和经济地理邻近下，间接效应在10%的水平下显著，表明知识溢出具有空间溢出效应，即本地区的知识溢出对邻近地区新型工业化发展水平具有促进作用，体现了知识溢出在不同发展水平城市之间具有交流效应，先进城市的新知识与新技术会对其他城市产生正向的外部效应。

另外表5汇报了混合OLS回归的结果，可以发现知识溢出对长三角城市群新型工业化发展同样具有显著的促进作用，进一步证明了空间杜宾模型结果的有效性。

（二）分时段回归

为探究2016年长三角城市群新型工业化发展水平下降的原因，本研究在经济地理矩阵下利用空间杜宾模型进行分时段回归，结果如表 6所示，其中2017—2021年虽然LR检验未通过但LM检验通过，因此选择双固定空间杜宾模型。2011—2016年知识溢出对新型工业化的间接效应和总效应均为正值，2017—2021年知识溢出对新型工业化的直接效应为负值，表明从2016年开始知识溢出效应呈现出阻碍作用，可能是由于政策的实施未达到预期效果，未能充分利用数字经济对知识溢出的成果转化。

（三）中介效应分析

以知识溢出为依托的经济发展有效地推动了产业结构的升级与转型。具体来讲，知识溢出可以激发创新活动，推动技术的不断进步和创新，并催生新兴产业的兴起，同时能够促使企业和产业提高其技术水平和竞争力，从而优化和调整产业结构，使得具有竞争力的产业获得更多发展机会，进而为实现新型工业化提供机遇和动力。另外随着人工智能、大数据和物联网等不断兴起，知识溢出的形式和途径也将发生变化，若无法有效结合科技创新成果，将会降低知识溢出效应，甚至对新型工业化发展产生负面影响。利用逐步回归法来检验中介效应，结果如表7所示。结果显示，第1列中知识溢出对新型工业化发展具有显著的促进作用，第2列和第4列的回归结果表明知识溢出对产业结构高级化和数字经济具有明显的推动作用，第3列和第5列中KF的估计值均显著为正，表明知识溢出的确存在链锁效应，即知识溢出可以通过促进产业结构高级化以及结合数字经济发展进而推动新型工业化发展。

六、结论与启示

本文基于2011—2021年长三角地区41个城市的相关数据，通过地理邻近、经济邻近和经济地理邻近三种维度研究长三角城市群的知识溢出对新型工业化的影响。结果表明：（1）知识溢出效应主要集聚在省会城市，上海的知识溢出总量远超于其他地区，江浙两地部分地区的知识溢出总量水平较高，而安徽各市的知识溢出总量均较低，此外拥有主导优势产业的地区其知识溢出总量也较高；（2）长三角城市群新型工业化发展水平存在空间分异现象，上海和苏州等高等发展水平城市具备扩散效应，但这种效应逐渐降低，而虹吸效应不断增强。从整体来看，中等及以上发展水平的城市在2011—2021年其新型工业化发展水平不断上升；（3）根据核密度估计结果，长三角城市群新型工业化发展水平经历了“右偏移—左偏移”的过程，且各地区新型工业化差异程度在不断扩大，同时存在两极分化现象；（4）从空间关联模式来看，长三角城市群新型工业化发展以“高—高（HH）”集聚和“低—低（LL）”集聚为主。地理邻近、经济邻近和经济地理邻近下的知识溢出对新型工业化发展具有显著的正向影响。基于经济地理邻近的知识溢出的直接效应强于地理邻近和经济邻近，在经济邻近和经济地理邻近下，本地区的知识溢出对其他地区的新型工业化产生显著的促进作用；（5）知识溢出存在链锁效应，能够通过影响产业结构高级化和数字经济进而推动新型工业化的发展。

基于上述研究结论，可以得出以下五点启示。（1）为了缩小各地区之间的知识溢出总量差距，发达地区应积极支持相邻地区的发展。加强经济技术交流和合作是实现这一目标的关键。通过促进知识的共享和溢出，可以推动欠发达地区的创新和发展。对于知识溢出总量不高的地区，应注重人才培养和引进。改善人才政策和营商环境是吸引更多高层次人才到地方发展的重要手段。同时，促进优秀人才在地区之间的流动和交流有助于知识的传播和应用。（2）针对长三角城市群新型工业化发展水平的空间分异现象，首先应培育和发展中小城市的特色产业和优势领域来提高城市的竞争力。其次，引导高等发展水平城市的投资和资源流向中小城市可以实现产业转移和均衡发展。这有助于优化长三角地区的产业结构，促进经济的协调发展。同时，加强省会城市的核心功能建设可以打造具有辐射带动效应的经济中心和创新高地。这将引领周边城市的发展，并将一部分优质资源形成回流效应，促进中等发展水平城市的提升。（3）鉴于长三角各地区新型工业化差异程度不断扩大，同时存在两极分化现象，政府应加强对新型工业化发展的引导作用。制定差异化的政策和措施是必要的，因为各地区的实际情况和特点不同。减少不必要的行政干预可以为市场主体提供更精准的支持。通过这样的政策措施，可以推动长三角地区的经济协调发展，缩小地区间的差距。（4）空间距离已经成为影响知识溢出效应的重要因素之一。为了避免城市间出现产业同构现象，应采取多元化产业布局的策略。鼓励并支持不同类型的产业发展可以避免过度依赖某一特定行业或领域。对于新型工业化发展水平较低的地区，应积极引导其与周边高水平城市开展交流合作。建立合作框架或平台可以实现优势互补，推动共同发展。（5）知识溢出存在链锁效应，这意味着不同领域之间的合作与交流可以推动相关产业链的升级和优化。将知识从高科技领域转化应用到传统行业中可以加速产业结构向高级化方向转变。同时，将知识溢出与数字经济发展相结合可以充分利用科技创新成果，将其应用于新型工业化发展过程中。这将有助于推动新型工业化高质量发展，并进一步缩小各地区间的知识溢出总量差距。

参考文献：

［1］" "苗圩.中国制造2025：迈向制造强国之路［N］.人民日报，2015-05-26（12）.

［2］" "习近平.高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告［M］.北京：人民出版社，2022.

［3］" "江泽民.全面建设小康社会，开创中国特色社会主义事业新局面——在中国共产党第十六次全国代表大会上的报告［J］.求是，2002（22）：3-19.

［4］" "中国社会科学院工业经济研究所课题组，史丹，李晓华，等.新型工业化内涵特征、体系构建与实施路径［J］.中国工业经济，2023（3）：5-19.

［5］" "陈国宏，李克军.福建省新型工业化基础评价与比较分析［J］.东南学术，2004（S1）：136-141.

［6］" "丁翠翠，杨凤娟，郭庆然，等.新型工业化、新型城镇化与乡村振兴水平耦合协调发展研究［J］.统计与决策，2020（2）：71-75.

［7］" "渠爱雪.江苏省新型工业化水平综合测度研究［J］.经济地理，2006（1）：55-59.

［8］" "马毓璟，孔陇，夏娇.“双碳”背景下重污染行业ESG评价与优化路径研究［J］.重庆文理学院学报（社会科学版），2023（4）：62-73.

［9］" "吴杨伟，李晓丹.中国制造业分行业要素投入再测算：基于WIOD2016［J］.重庆三峡学院学报，2021（2）：57-68.

［10］ 李世英，李亚.新型工业化发展水平评价指标体系的构建及实证研究——基于陕西的数据［J］.当代经济科学，2009（5）：28-35.

［11］ 任莹莹，丁黄艳.千亿工业目标下云阳县工业集群化水平测度及提升路径研究［J］.重庆文理学院学报（社会科学版），2023（5）：78-92.

［12］ MARSHALL A.Principles of economics［M］.London：Macmillan Press，1890：42-58.

［13］ ARROW K J. The economic implications of learning by doing［J］.Review of Economic Studies，1962，29（3）：155-173.

［14］ ROMER P. Increasing returns and long-run growth［J］.Journal of Political Economy，1986，94（5）：1002-1037.

［15］ GRILICHES Z. Issues in assessing the contribution of Ramp;D to productivity growth［J］. Bell Journal of Economics，1979（10）：92-116.

［16］ JAFFE A. Technological opportunity and spillovers of Ramp;D： evidence from firms’ patents， profits，and market value［J］.American Economic Review，1986，76（5）：984-1001.

［17］ 李婧，何宜丽.基于空间相关视角的知识溢出对区域创新绩效的影响研究——以省际数据为样本［J］.研究与发展管理，2017（1）：42-54.

［18］ 张德茗，谢葆生.理工农医类高校Ramp;D投入对企业技术创新的知识溢出效应分析［J］.科研管理，2014（10）：136-143.

［19］ 梁琦，李建成，夏添，等.知识交流合作的空间溢出与邻近效应——来自长三角城市群的经验证据［J］.吉林大学社会科学学报，2019（2）：41-51.

［20］ SOHN J. Do birds of a feather flock together？ economic linkage and geographic proximity［J］.The Annals of Regional Science，2004，38（1）：47-73.

［21］ MULLER A， ZABY K A. Research joint ventures and technological proximity［J］.Research Policy，2019，48（5）：1187-1200.

［22］ 王孝斌，李福刚.地理邻近在区域创新中的作用机理及其启示［J］.经济地理，2007（4）：543-546.

［23］ 孙铁山，刘禹圻，吕爽.京津冀地区间技术邻近特征及对区域协同创新的影响［J］.天津社会科学，2023（1）：129-138.

［24］ 杜亚楠，王庆喜，王忠燕.多维邻近下中国三大城市群创新网络演化特征及机制研究［J］.地理科学，2023（2）：197-207.

［25］ 李琳，曾巍.地理邻近、认知邻近对省际边界区域经济协同发展影响机制研究——基于对中三角、长三角省际边界区域的实证［J］.华东经济管理，2016（5）：1-8.

［26］ 苏屹，郭家兴，王文静.多维邻近性下新能源合作创新网络演化研究［J］.科研管理，2021（8）：67-74.

［27］ 朱平芳，徐伟民.政府的科技激励政策对大中型工业企业Ramp;D投入及其专利产出的影响——上海市的实证研究［J］.经济研究，2003（6）：45-53.

［28］ 熊兴.三峡库区基本公共服务均等化水平的测度及影响因素分析［J］.重庆文理学院学报（社会科学版），2016（4）：147-156.

［29］ 郭守亭，张旺虎，刘泽杰.“一带一路”沿线省域绿色发展指数的时空分异研究［J］.重庆文理学院学报（社会科学版），2023（3）：54-66.

［30］ 赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020（10）：65-76.

［31］ 袁航，朱承亮.国家高新区推动了中国产业结构转型升级吗［J］.中国工业经济，2018（8）：60-77.

责任编辑：吴" "强；校对：罗清恋

Research on the Impact of Knowledge Spillovers on New Industrialization in the Yangtze River Delta Urban Agglomeration from a Multidimensional Neighborhood Perspective

LI Zicheng，WANG Jue，ZHANG Liejia

（Faculty of Economics， Yunnan Minzu University， Kunming Yunnan 650504， China）

Abstract： Based on the vision that knowledge spillover promotes the high-quality development of new industrialization， the impact of knowledge spillover on the development of new industrialization in the Yangtze River Delta （YRD） city cluster is empirically examined by using panel data of 41 cities in the YRD region from 2011-2021， applying the gravity model to measure knowledge spillover， and constructing a spatial econometric model under the perspective of multidimensional proximity. The results show that： the knowledge spillover effect is mainly concentrated in the provincial capital cities， and the total amount of knowledge spillover in Shanghai and some cities in Jiangsu and Zhejiang is higher， while the total amount of knowledge spillover in all cities in Anhui is lower; there is a phenomenon of spatial differentiation in the level of development of new industrialization in the Yangtze River Delta city cluster， and the cities with high levels of sophistication， such as Shanghai and Hangzhou， have a diffusion effect， but this effect is gradually decreasing while the siphoning effect is increasing; the development level of new industrialization in the Yangtze River Delta city cluster is increasing in 2011—2016， and gradually decreasing in 2016-2021， and the difference of new industrialization in each region of the Yangtze River Delta is expanding， and there is a polarization phenomenon; knowledge spillovers under geographic proximity， economic proximity， and economic geographic proximity have a significant positive effect on the development of new industrialization， and knowledge spillover has a significant positive impact on the development of new industrialization under geographic proximity， economic proximity， and economic geographic proximity， and there is an obvious exchange effect; knowledge spillover chain effect is obvious， and knowledge spillover promotes the advanced industrial structure and combines with the digital economy to promote the advanced new industry.

Key words： knowledge spillover； new industrialization； gravity model； spatial econometric model