1.3 知识流动与创新活动空间分布研究述评

1.3.1 创新活动空间分布及其驱动因素研究

集聚和分散是经济活动的重要地理特征[2]，这种存在于产品生产中的现象同样存在于创新活动领域[3]。20世纪80年代以来，随着知识促进经济增长作用的突显，大量学者对创新活动空间分布态势及其驱动因素进行了探究。

1. 创新活动空间分布的测度

对创新活动的地理分布进行测度是研究创新活动空间分布的主要切入点。

Saxenian（1985）[4]以硅谷和128公路为案例，研究了创新地理集中的实现机理。20世纪80年代后期，学术界提出空间分布测度框架，并利用大规模的数据对创新活动的地理分布进行测度。Zvi Griliches（1994）[5]指出，在经济研究领域，存在着许多未解之题的根源在于测度问题尚未得到很好的解决。同样，在创新空间分布测度领域，关于测度视角、测度指标以及测度方法等都存在诸多争论。学者们提出基于不同指标、方法以及模型的方案，用以测度创新的集聚程度及收敛情况。

Uallachain和Leslie（2005）[6]研究了从1963年至2003年美国各州人均专利数量的不均等和收敛情况。Knudsen等（2007）[7]分析了美国MSA（Metropolitan Statistical Area，美国区域划分标准——大城市及其郊区）层面的创新分布。Moreno，Paci和Usai（2003）[8]研究了欧洲区域层面创新分布的影响因素。Andersson和Quigley（2005）[9]分析了瑞典100个劳动力市场区域的新知识产品的空间分布情况。Fornahl和Brenner（2009）[10]检验了德国43个技术领域的专利在97个规划区层面的地理集中情况。张战仁（2013）[11]、王庆喜和张朱益（2013）[12]分析了中国在省一级层面创新活动的空间分布及其演变状况。邹琳、曾刚和曹贤忠（2015）[13]分析了长三角16个地级市城市构成的城市群群R&D投入相关数据的空间分异及演化特征。刘青等（2011）[14]对深圳市认定的高新技术企业从街道尺度进行整体、分行业类别和所有制的空间分布分析，并将企业分布与人口密度、产业园区、交通、创新资源等影响因素做空间叠加分析。

从某种意义上说，空间测度单元的选择影响着研究结果及其政策内涵。一些研究指出以美国的州为创新地理性测度的基本单元（特别是考虑知识流动）的考量在测度单元的选取上有些宽泛。[5]然而在具体的测度研究中，测度数据的可得性是测度单元选取的约束条件。过于微观的测度单元会遇到测度数据（特别是统计数据）获取的困难。

创新活动空间分布分析所利用的数据涵盖了知识生产的整个过程，大致可以分为三类：表征创新投入的数据、反映创新产出的数据以及与创新机构相关的数据（见表1.1）。创新投入数据包括研究与发展支出和科学家或工程师的数量两大类。在创新地理分析中这类数据一般作为知识生产函数的投入数据用以检查知识在区域之间的溢出程度。Jaffe（1992）[15]利用研究与发展支出作为创新生产函数的投入数据度量了美国大学研发向企业研发溢出的本地性。Adams（2001）[16]利用研究与发展经费的调研数据分析了研究与发展活动在美国的分布情况。Adams（1990）[17]根据科学家的分布分析了美国两个数字制造产业的基础知识存量和产业生产率增长之间的关系。

由于专利数据具有易得性、可比性以及包含信息的丰富性等特征，所以大量关于创新空间测度的研究都以专利作为测度指标。USPTO和EPO是最主要的专利数据来源。Kerr（2010）[18]沿用USPTO专利数据，利用专利的被引用情况作为衡量突破性专利的标准，研究一个地区以突破性专利为表征的创新积聚随着技术移民空间移动改变的速度。

除了专利数据之外，诸如机构的创新统计、技术许可以及出版物等也被作为度量创新产出的指标。Feldman和Audretsch（1999）[19]利用美国小企业管理机构（SBA）统计的创新数据检验了多样化或者专业化对于创新空间分布的影响。Anselin，Varga和Acs（2002）[20]同样利用SBA的数据检验了美国州及MSA层面的大学研发和高技术创新之间的空间溢出程度。Nelson（2009）[21]分别利用专利、技术许可及出版物三个指标测度了DNA重组技术领域的知识流动情况。何键芳等（2013）[22]用大中型工业企业的新产品产值作为创新产出的测量指标，对广东省21个地级市的创新产出进行探索性空间数据分析。Adams和Jaffe（2002）[23]以美国化工产业的企业及其研究与发展实验室作为创新机构，研究了知识溢出的区域化现象。刘青等（2011）[14]对深圳市认定的高新技术企业从街道尺度进行了空间分布分析。丛海彬、邹德玲和蒋天颖（2015）[24]分析了浙江省区域创新平台空间分布与聚类特征及其影响因素。

创新活动空间分布的分析方法沿用了传统的生产活动空间分布测度方法。区位商、区位基尼系数、赫芬达尔指数、EG指数等传统的测度空间分布的方法同样也是测度创新地理分布的主要方法。Audretsch和Feldman（1996）[25]利用区位基尼系数测度了美国州层面的创新活动空间分布情况。Sun等（2008）[26]利用区位商测度了中国环境专利在区域层面的空间分布情况。Verspagen和Schoenmakers（2004）[27]基于利用赫芬达尔指数的变形公式衡量了跨国企业专利的空间分布。Lim（2003）[28]计算了MSA层面专利的Moran’s I指数和区位基尼系数，检验美国MSA层面的专利空间分布情况。Fornahl和Brenner（2009）[10]分别应用基尼系数、赫芬达尔指数、E-G方法及Moran’s I指数测度了德国规划区层面的创新活动地理集中程度，并探讨不同指标条件下，各测度结果之间的差别。此外，随着地理信息技术的发展，一些学者将可视化方法引入创新地理分布研究领域，他们以创新测度的数据及指标作为地理属性，绘制国家、区域创新活动分布地图，从而更直观地反映创新活动的空间分布。Liu和Sun（2009）[29]运用排序-频度、集中度和排序分类等方法，结合中美专利区域分布地图，对中美创新的区域分布进行了比较分析。

Ratanawaraha和Polenske[5]指出，虽然依据现有数据基础及测度方法，对创新活动空间分布进行测度还存在很多问题，但是抛开因测度数据和指标产生的偏差，这些测度还是揭示了创新地理集中现象在现实世界中的普遍存在。

2. 创新活动空间分布演化的驱动因素研究

创新活动空间分布测度是创新活动空间分布状态的统计性描述，要使测度研究具有政策内涵，必须在现象描述的基础上，阐明创新活动空间分布演化的动因，进而揭示创新活动向特定区域集中并对外产生知识溢出的具体机制。

生产活动集中是学者们理解创新活动地理分布的重要视角。Jaffe（1992）[15]认为，创新活动在特定产业更加容易发生地理集中是因为该产业本身的空间集中。Audretsh（1998）[30]研究指出，坐落在产业集聚区域的企业比位于该区域外的企业更具有创新力。这就意味着创新活动具有跟随产业集聚的特性，同时有研究表明，创新活动能够促进企业的成功和增长（Smolny and Schneeweis，1999）[31]，产业活动伴随创新的空间分布进行布局。也就是说，创新活动和产业活动的地理集聚具有互动效应。Audretsch和Feldman（1996）[25]运用经验数据检验了创新地理集中和生产地理集中的关系，结果表明倾向于地理集中的产业，创新活动也趋于地理集中，知识溢出普遍的产业的创新活动的地理集中程度更高。Fornahl和Brenner（2009）[10]的研究揭示了生产活动和创新活动空间集中的协同关系。张丽华、林善浪和汪达钦（2011）[32]研究了集聚经济对于中国技术创新活动全要素生产率、单要素生产率、要素价格以及要素需求的影响。结果显示，无论是在全国层面还是在区域层面，集聚经济对于中国技术创新的全要素生产率均有显著的正向作用。

创新活动空间分布演化的驱动因素，如表1.2所示。

另外，还有学者从知识生产函数的视角进行解释。知识生产函数模型，创新投入决定创新活动与创新产出，创新活动更容易集聚在知识投入多的空间单元，创新要素投入的地理集中是学者们普遍关注的因素，其中有关人力资本对创新活动空间集聚影响的研究较多。Lucas（1988）[33]指出新技术的发展依赖于特定区域的平均人力资本水平。Knudsen（2005）[7]，Andersson（2005）[9]和Crescenzi（2007）[34]等人的研究表明，人口密度对大城市的专利产出有积极影响。人力资本的高密度能够促进有效的面对面交流，产生创造力溢出，继而引发创新（Knudsen，2005）[7]。然而，高人口密度并非一定会促进创新，根据Carlino和Gerald（2007）[35]的研究，过高的劳动力密度会造成拥挤效应。还有学者以核心个体来度量人力资本，Zucher等（1994，1996，1997）[36][37][38]将研究聚焦在明星科学家身上，研究发现生物产业发展中本地化的人力资本非常重要，创新的产生更倾向聚集在明星发明家所在的区域内。除人力资本之外，创新资金投入对于创新空间分布的研究也受到关注。Carlino和Gerald（2007）[35]研究发现，本地大学、政府实验室以及私人机构的研发投资对于很多产业的创新活动起到显著影响，这些因素对不同产业的影响具有明显的差异。

一些学者研究了要素流动对于创新空间分布的影响。Crescenzi（2007）[34]研究了美国和欧洲创新的区域内部过程，结果表明美国区域内部人力资本和劳动力的高度流动性促进了区域内部创新活动的协同，继而提高了特定区域的研究活动集聚。Kerr（2010）[18]研究了一个区域以突破性专利为表征的创新集聚随着技术移民空间移动而改变的速度，结果表明随着发明者移民数量的变化，技术的空间布局也在逐渐调整。张战仁（2013）[11]用中国的省域数据在传统的投入产出生产函数的基础上，添加了一个市场潜能因素，考察了外部潜在的创新服务需求，即市场潜能给地区创新发展带来的直接空间溢出效应。结果发现中国创新发展存在随时间推移而日益加大的正向溢出性，并且市场潜能因素对中国各省区的创新发展及相互溢出具有重要的影响，但由市场潜能所引起的创新空间溢出存在随地区间隔距离增大而减小的地理特性。

社会资本是解释创新活动空间分布的非创新投入要素之一。Tura（2005）[39]指出，创新过程的社会本质对区域创新环境提出了较高的要求继而强化了社会资本的重要性。Kaasa（2009）[40]，Akcomak和Weel（2009）[41]等在区域层面关于社会资本对创新活动影响的研究都揭示了社会资本对于创新活动的显著正向影响。Kaasa的研究表明，不同维度的社会资本对于创新活动的影响存在较大的差异。张钢和王宇峰（2010）[42]开发出一套衡量社会资本表征的知识集聚与区域创新的指标体系，对中国30个地区的知识集聚与区域创新的相互关系进行了探索分析，结果表明社会资本表征的知识集聚水平能够显著影响区域创新水平，但存在滞后性。

从区域内部经济结构视角来看，经济活动的多样化还是专门化更有利于促进技术变革以及经济增长，是经济学文献热烈讨论的问题之一。基于这个议题引发的关于究竟是多样化还是专业化更有利于创新在地理空间上的集中引起许多学者的探讨。不同学者利用不同历史数据的研究得出的结论不尽相同。Feldman和Audretsch（1999）[20]利用美国数据从产业和企业两个层面检验了多样化或者专业化对于创新产出的影响，结果表明有着共同科学基础的产业存在较强的生产和创新活动空间集中趋势，多样化更有利于技术创新。Andersson（2005）[9]研究表明，多样化的劳动力市场以及包含更大劳动力份额的产业创新活动更加活跃。Moreno，Paci和Usai（2006）[43]研究指出，欧洲专业化程度对区域产业创新起到积极的促进作用。彭向和蒋传海（2011）[44]利用中国1999年至2007年间30个地区21个工业行业数据，检验了多样化及专业化两种外部性对于区域创新的影响，结果表明无论是多样性还是专业化对中国地区产业创新的影响均显著为正，但影响程度不同，专业化外部性中的产业互补对创新的推动作用最大，大约为产业多样性外部性作用的两倍。

基于创新体系结构视角的各创新主体之间的网络结构是创新地理研究的另一个议题。Fischer（2008）[45]等利用专利合作数据构建网络分析了欧盟各国知识流动的空间特征。Scherngell（2009，2010）[46][47]根据欧盟框架计划中的区际科学合作数据，利用空间相互作用模型，分析了欧盟区际知识交流合作的网络特征和空间格局。Coccia（2008）[48]分析了由知识源头（公共实验室）和使用者（企业）构成的技术转移网络随着距离增加而发生变化的情况，结果表明随着距离的增加，技术和知识转移的程度呈震荡状减少。Ponds，Oort和Frenken（2009）[49]分析了知识从大学向企业流动对于区域创新的影响，利用拓展的知识生产函数模型，分析了荷兰各区域之间的大学-产业合作网络对知识溢出的影响，研究表明学术研究对于区域创新的影响并不受制于地理接近性，而是受制于大学-产业合作的网络。Wilhelmsson（2009）[50]指出，研究者不仅在区域内部寻求合作者，也在远距离寻求合作者，然而创新合作网络倾向于在高人口密度和产业多样性的区域中存在。赵炎、王冰和郑向杰（2015）[51]研究了企业的区域位置以及企业间的地理邻近性与网络密度的交互作用对创新绩效的影响，结果表明地理邻近性对创新绩效的影响显著，而且企业间地理邻近性能够正向调节网络密度对创新绩效的影响。

上述研究主要从两个层面对创新活动空间分布演化的驱动因素进行分析。第一个层面是创新活动本身，如知识生产函数视角和创新要素流动视角主要揭示创新活动空间分布的静态及动态投入动因，依据知识生产规律，较高的创新要素投入通常意味着较高的创新产出，因而创新要素及其流动性的空间分布一般同创新活动的空间分布保持一致。创新体系结构视角揭示创新活动空间分布演化的结构动因，良好的创新主体之间的结构及生产活动结构是高效创新产出的保障。

第二个层面是经济社会环境，如产业视角揭示了创新活动空间分布演化的外部本源性动因。生产是创新活动产生的源泉，特别是对于技术依赖性较高的产业来说，创新活动总是伴随着生产活动一起出现，因而生产活动的空间分布同创新活动的空间分布存在较高程度的空间协同性。社会资本视角揭示创新活动空间分布演化的环境动因，良好的创新环境是吸引创新要素集聚、优化创新主体之间结构及生产活动结构的重要保证，因此，社会资本就成为影响创新活动空间分布的关键性外部条件。区域内部经济结构视角认为结构的多样性或专业性会促进创新的空间集聚。

上述两个层面的研究在对创新活动的范围界定上存在分歧，前者把创新产出作为创新活动的表征，而投入要素、主体结构等作为驱动因素；后者把整个创新系统作为创新活动的表征，而经济活动、社会资本等环境作为驱动因素。[52]创新活动空间分布演化是一个复杂的过程，生产活动和社会资本等环境因素诱发了创新要素的流动和聚集，创新投入要素聚集引发创新产出的空间集聚。从环境到投入再到产出是一个逐步深入的传导过程，随着学者们研究的推进，上述因素逐渐进入政策制定者的视野，成为政府制定政策促进创新活动空间集聚，继而有效提升区域创新能力的着力点。

1.3.2 知识流动的经济计量与专利引用研究

近期的经济学文献主要用两类方法度量创新过程中的知识空间流动现象：利用知识生产函数框架的经济计量分析及专利引用的空间模式研究。

1. 知识生产函数框架下的知识流动研究

知识生产函数框架由Griliches提出。Jaffe（1989）[53]在基本知识生产函数模型的基础上，区分了大学的研发投入和产业的研发投入，考虑了与特定考察单元相关的其他单元的大学研发活动对于本地的产业创新产出的影响。随着空间经济计量学的发展，学者们运用空间计量方法，构建了以知识生产函数为基础的衍生模型，在州、MSA、NUTS 2（Nomenclature of Territorial Units for Statistics，统计用领土划分方法）等不同的集聚单元上，分析了不同地区、不同时间、不同产业的知识空间流动情况。

Anselin，Varga和Acs（1997，2000，2002）[20][54][55]在Jaffe的研究基础上，利用空间计量方法，分析了美国州及MSA层面的大学研发和高技术创新之间的空间溢出。研究证明了大学研发和高技术创新之间空间外部性的存在，私人研发是该外部性的主要途径。同时，该研究也证明了不同产业空间溢出效应存在明显差异。Uallachain和Leslie（2005）[6]利用空间自相关和回归技术，对于美国州层面专利技术的不均等和收敛状态进行了研究，回归结果显示区域之间的空间溢出影响收敛率。Greunz（2003）[56]测度了欧洲NUTS 2层面上各区域之间的知识溢出。结果表明区域之间的知识溢出在地理接近和技术接近的区域之间存在。技术接近性和地理接近性的作用在一定程度上是一致的。Parent和Lesage（2005，2008）[57][58]利用空间计量中的贝叶斯方法，测度了1989年到1999年期间355个欧洲区域的空间知识溢出情况。Moreno，Paci和Usai（2003，2006）[8][43]在欧洲区域层面上，以专利计数为被解释变量，以人口密度、劳动力人数、国家虚拟变量及相邻区域的专利计数为解释变量构建空间回归模型，研究创新分布的影响因素，即空间交互过程背后的跨越区域壁垒对于创新分布的影响。研究结果表明，除了本地的研发投入对本地创新产生影响之外，地理上临近地区的研发投入也影响本地的创新产出，其辐射范围可以达到250公里，但是这种影响倾向于在同一个国家的区域之间发生。Han Jian（2008）[59]度量了中国省域的工业R&D活动。研究结果表明，R&D溢出存在区域化倾向而且有明显的空间衰减效应。

杨龙志和刘霞（2014）[60]对中国省际技术转移驱动机制进行了实证研究，结果发现省际技术转移更多地发生在“强–强”之间，呈现“强者愈强、弱者愈弱”的“马太效应”特征；省际技术转移受到市场需求、创新能力基础、科技资金筹集和相邻区域技术转移行为等主要因素的显著影响，表现出“市场导向”“能力导向”与“竞争导向”等三个内在主导决定机制，同时还受到如知识产权保护等环境方面一定程度的影响。徐德英和韩伯棠（2015）[61]基于中国区域高技术产业数据，对地理邻近、信息化邻近与交通便利度单维度及其交互邻近下中国研发创新的省际知识溢出效应进行研究。研究发现，中国区域高技术产业存在显著的正向空间自相关，且相关性逐渐增强；研发资本对创新产出的贡献要高于研发人员；除信息化邻近外各邻近下的省际溢出效应均呈现显著的促进作用；单维度邻近下，地理邻近的作用效果最大，但是在信息化与交通便利度交互邻近下，地理距离将不再是发展的主要制约因素。

2. 基于专利引用的知识流动模式研究

Jaffe（1992）[15]利用从美国专利局（USPTO）提取的引用数据，在美国州和MSA层面比较引用专利和被引专利的地理位置，从而度量知识流动的空间范围，得出了专利引用存在较强本地化趋势这一重要结论。在Jaffe等人的启发下，一些学者（Maurseth和Verspagen 2002，Fischer和LeSage 2006）[62][63]尝试利用欧洲专利局（EPO）的引用数据对欧洲区域之间的知识流动进行度量。还有一些学者（Lukach和Plasmans 2003，Criscuolo和Verspagen 2008）[64][65]尝试将USPTO和EPO的专利引用数据结合作为衡量知识流动的依据。

在国家层面上，Jaffe和Trajtenberg（1998）[66]分析了美国、德国、法国、日本、英国专利引用美国专利的频率，指出本国专利引用频率比非本国之间的引用频率高30%～80%，且引用速度较快；存在着特定国家间的引用趋势，如日本的专利引用要快于其他国家。Hu和Jaffe（2001）[67]分析了知识从美国、日本向韩国、中国台湾流动的模式，研究发现从美国、日本向韩国、中国台湾的知识流动模式存在明显差异，韩国专利倾向于引用日本专利，而中国台湾专利倾向于引用美国专利。Hu（2009）[68]利用USPTO的专利引用数据作为知识流动指标，基于国际知识扩散模型度量了东亚各国家和地区（包括中国大陆及香港地区、中国台湾地区、韩国、马来西亚、新加坡及泰国）的知识扩散模式。Maurseth和Verspagen（2002）[62]利用EPO的专利引用数据测度欧洲区域之间的知识流动模式。Paci和Usai（2009）[69]利用EPO的专利数据，检验欧洲各区域之间的知识流动，发现在临近区域和同一国家区域内部的知识流动更加容易发生。Azagra-garo et al（2009）[70]以西班牙巴伦西亚自治区作为低消化吸收能力的典型区域，对该地区知识流动趋势进行了探究。研究发现，低消化吸收能力地区传统的专利引用本地化趋势并不存在。叶选挺等（2014）[71]以计算机与通信产业领域为例，开展基于专利跨国引用网络的产业创新国际化知识流动测度，研究发现，产业创新主体在进行专利发明的过程中，更多关注国外同行的专利技术，并通过专利引用将其纳入自己的专利产出中；新兴国家对于网络的影响有限；中国台湾和韩国的赶超轨迹，值得其他国家借鉴。陈子凤和官建成（2014）[72]以16个创新型国家专利活动为实证对象，在国家层面研究基于国际专利合作和国外专利引用的知识流动对创新绩效的影响，实证结果显示，专利合作对创新数量和质量均具有显著的促进作用，专利引用对创新数量无显著影响，但对创新质量具有促进作用。

无论采用何种方法，知识空间流动的研究都表明，知识在空间上并非是“完全不转移”[73]，然而也并非是“无成本即时扩散”[73]，距离、技术差异、区域壁垒、文化及语言等差异都影响知识的空间流动。但是上述影响因素的作用强度及范围存在较强的异质性，时间、地域及结构都会对其产生影响。

1.3.3 知识流动与创新活动空间分布相关性研究

在克鲁格曼之前，创新活动空间分布和知识流动空间特征的研究是按照自身的路径独立发展，相互间的交流、渗透较少，因而未能实现应有的理论集成。克鲁格曼及其继承者的研究在一定程度上实现了两者的整合。克鲁格曼开创的新经济地理学运用一般均衡框架解释经济活动在特定地理空间聚集的过程。

早期的新经济地理学研究在一般均衡模型、规模报酬递增及由其导致的不完全竞争、运输成本、生产要素和消费者的空间移动的背景下，阐述由不同形式的规模报酬递增和不同形式的交易成本之间的取舍而导致的促使经济活动集中的向心力和促使经济活动分散的离心力之间的一般均衡机理。[74]

Sedgley和Elmslie（2004）[75]以中间产品数量表征创新程度，利用内生创新的方法探讨了创新和技术变革中的集聚和拥挤效应。Combes和Duranton（2006）[76]将马歇尔外部性来源的劳动力池和知识外部性整合到一起考虑，将劳动力的流动看作知识溢出的主要载体，构建了寡头垄断框架下的四阶段博弈模型，用以考察企业在面临劳动力池优势以及劳动力市场猎头劣势的情况下是否坐落在劳动力市场密集地区的决策。Kranich（2009）[77]在模型构建过程中引入研发部门，并利用研发部门相关的产品垂直差距将创新要素内生到经典的空间经济学模型中。其模型假设劳动力可以在区域之间流动，技术知识扩散通过知识生产者移动实现，在此基础上探讨了区域研发人员聚集、产业聚集的动态变化过程及相关要素之间的交互影响关系，在此基础上对区域之间的福利情况进行分析。随后，以对研发人员的补贴为例，探讨了单边或者双边的区域创新政策对于产业聚集、人员聚集以及各地区社会福利的影响。

Berliant和Fujita（2005，2006，2007）[78][79][80]构建了利用沟通合作而进行知识创造的微观模型，用以分析知识的传播及其与集聚活动的关系。在该微观模型框架下，个体拥有不同类型的知识，为了能够获得更高的生产效率，其不断寻求交换知识的合作者。在知识的交换过程中异质性扮演重要角色，个体之间过大或者过小的知识类型差异都会导致交换比率的降低。

1.3.4 现有研究评述

现有研究在创新活动空间分布及其影响因素、知识流动模式及动因等领域，取得了诸多有创见的成果。然而面对新的发展需求，还存在以下不足。

（1）对于知识空间流动机制及其影响因素的研究还需要做进一步的理论提升。在溢出研究中，早期人们并不关注知识流动的空间内涵。后来，一些学者开始关注创新和溢出的地理内涵，这些研究检验了地理因素是如何影响企业创新和知识转移的。上述研究多数侧重经验层面，然而政策制定更需要弄清楚知识流动的真正原因，而并不是简单地说明外部性可以扩散多远。知识是如何在空间流动和传播，地理因素又是如何作用于知识传播的环节进而影响知识空间流动，这些需要从知识的特征、知识传播的载体等最基本的概念出发，进行系统的梳理及探索。

（2）关于知识流动对创新活动空间分布作用机理的研究还有待深入。在研究传统上，生产及创新活动的空间分布和知识流动的研究是分开进行的。[81]一方面，区域科学家和城市经济学家致力于探究生产活动的空间集中对于生产率的影响，在此基础上一些经济学家开始关注创新活动的空间集中现象并从不同角度揭示了影响创新活动空间分布的诸多因素。另一方面，一些科学家致力于探寻知识流动的特征。但是，到目前为止，无论在理论上还是经验上，关于知识流动和创新活动空间分布之间的互动研究都很缺乏。尽管有大量的证据表明，知识流动和生产及创新活动的空间分布之间是相互影响的，但是由于在传统的空间分布研究中，知识外溢一般都被作为外生变量处理，因此知识外溢和空间分布之间的关系仍然是未解之谜。