區域多樣化模式、技術生命周期與戰略性新興產業創新績效

收稿日期：2023-11-16" 修回日期：2024-02-18

基金項目：國家社會科學基金重大項目（21amp;ZD204）

作者簡介：彭文波（1990-），男，四川峨眉人，華中科技大學管理學院博士研究生，研究方向為知識產權管理、技術融合、技術復雜性與技術創新；余翔（1965-），男，貴州貴陽人，博士，華中科技大學管理學院教授、 博士生導師，研究方向為知識產權管理與技術創新；馮仁濤（1978-），男，湖北紅安人，博士，福建理工大學法學院副教授，研究方向為知識產權管理與技術創新。

摘" 要：探討區域多樣化模式對戰略性新興產業創新績效的影響，利用發明專利授權數，分析相關多樣化、無關多樣化對戰略性新興產業和非戰略性新興產業創新數量與質量的影響，以及不同技術生命周期階段的差異性。研究結果表明：①相關多樣化對戰略性新興產業與非戰略性新興產業創新數量發揮正向影響，無關多樣化對非戰略性新興產業創新數量發揮負向影響，對戰略性新興產業的影響不顯著；②相關多樣化和無關多樣化對非戰略性新興產業創新質量的影響不顯著，對戰略性新興產業而言，相關多樣化不利于高價值創新，半相關多樣化則有利于高價值創新；③相關多樣化對技術擴散期、成熟期創新數量的提升作用比技術萌芽期更顯著。

關鍵詞：戰略性新興產業;多樣化模式;技術生命周期;技術創新

DOI：10.6049/kjjbydc.2023110461

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F264.2

文獻標識碼：A

文章編號：1001-7348（2024）14-0049-13

0" 引言

以新能源汽車、節能環保、生物、新材料、新能源等技術為支撐的戰略性新興產業代表了新一輪科技革命和產業變革方向，是獲取未來競爭優勢、實現可持續發展的關鍵領域。創新驅動發展戰略作為加快科技強國建設的核心戰略，受到各地區的積極響應并紛紛提出各自的戰略性新興產業發展規劃。由于知識溢出受地理空間限制［1］，區域創新具有路徑依賴特征［2］，現有知識庫是區域創新發展的基礎［3］。一些地方政府忽視本區域知識結構和比較優勢，導致戰略性新興產業布局存在雷同、重復建設等問題［4］，沒有因地制宜。演化經濟地理學研究發現，伴隨技術演化發展，處于不同生命周期階段的產業知識重組需求并不相同［5］，而傳統多樣化與專業化理論無法為區域產業創新布局提供充分的理論與實證支持。因此，本文從演化經濟地理學角度，結合創新理論和相關多樣化理論，探討不同多樣化模式對戰略性新興產業創新數量和質量的影響，以及不同技術生命周期階段創新績效的差異，以拓展區域創新布局思維，為深入實施創新驅動發展戰略、優化戰略性新興產業路徑選擇提供理論與實證支持。

1" 理論分析與研究假設

1.1" 多樣化模式與創新數量

區域多樣化是與區域專業性相對應的一個概念，通常是指地區產業發展的多樣化程度［6］。區域產業多樣化水平越高，其經濟發展對少數產業部門的依賴程度就越低［7］。有經濟地理學家提出，城市發展受益于多元化經濟［8］，而知識多樣性有助于促進技術創新。早期研究認為，組織或者技術變革源于突變［9，10］。Rosenberg［11］發現，不同產業領域存在相似技術應用，進而提出技術融合概念。Becker et al.［12］指出，創新本質上是對已有資源、能力進行新組合的結果，進一步證明成功的交流離不開共同的知識基礎，創新者掌握的知識越接近于新知識，越易于獲得該知識［15］。基于文獻計量學和專利計量學的研究成果表明，相鄰知識之間更易于產生知識溢出效應［14］。因此，知識在不同生產領域轉移和應用會影響一個地區技術變化速度與方向，如果一個地區擁有更多相關的知識基礎，知識就更易于從一個領域擴展到另一個領域［15］。若認知距離過大，各創新主體間知識基礎不同，將難以產生知識溢出，也難以實現知識重組與創新。國內學者高旻昱等［16］使用2011—2016年長三角26個地級市專利申請數據，探討相關多樣化和非相關多樣化對長三角地區創新產出的影響，發現相關多樣化有利于創新，而非相關多樣化的影響不顯著；蔣晟和賀燦飛［17］探討了區域產業相關多樣化和非相關多樣化對中國出口市場多樣化的影響，發現兩者均發揮正向作用；王葉軍和周京奎［18］研究了相關多樣化、無關多樣化對中國城市服務業增長的影響，發現兩種多樣化都具有正向促進作用。此外，學者針對西班牙50個地區相關多樣性的研究也發現，相關多樣性與地區經濟增長正相關，而無關多樣性的作用不顯著［19］。Content amp; Frenken［20］經過梳理既有文獻發現，大多數研究支持相關多樣性對區域經濟發展有積極影響的假設，尤其是制造業和知識密集型行業。

基于以上分析，本文提出如下研究假設：

H1a：相關多樣化對戰略性新興產業與非戰略性新興產業創新數量有提升作用。

此前的研究普遍認為技術關聯性對創新產出至關重要，以Boschma et al.［19］、Alshamsi et al.［21］為代表的學者研究了經濟活動之間或技術之間的關聯性，并基于技術關聯性提出促進創新的建議，這些文獻主要是相關性論證，忽略了區域知識基礎對技術路徑依賴的潛在影響［22］。相關多樣化雖然對技術創新有推動作用，但由于創新活動具有很強的積累性［13，23］，如果創新活動主要建立在相似能力基礎上，大多數經濟體只能開發出與已經掌握的技術高度關聯的新技術新產品，這引發了一些學者對發展過程中路徑依賴的擔憂［24］。技術路徑依賴是指創新活動沿著既定路徑進行，一旦進入某個路徑，就很難轉向其它路徑，從而阻礙創新突破和變革［25，26］。

全球化與新技術興起正在推動創新范式轉變，一些證據表明，遠距離的技術融合能夠催生更多顛覆性創新［27］。如Jacobs［28］認為，最重要的知識溢出來自核心行業之外，企業通過認識不同行業企業以獲得更好的新想法。Castaldi et al［14］結合專利引用情況將專利分為增量創新和突破性創新兩類，其基于美國州區的技術多樣化分析證明，相關多樣性對區域整體創新有正向影響，而非相關多樣性對區域突破性創新有正向影響；Prudhomme［29］分析了中國各省域在戰略性新興產業中的發展布局與實際表現，發現一些省域選擇具有比較優勢和技術能力較強領域，而另一些省域則選擇風險較高領域；王建華（2022）利用城市層面專利數據，探討中國發展戰略性新興產業的兩條技術路徑，發現技術路徑因依賴于本地知識基礎而呈現出較強的路徑依賴特征。綜上發現，一個地區一旦具有生產特定產品的能力，就易于在該能力相關領域開發出更多新產品，即實現相關多樣化［30］。

戰略性新興產業是具有重要戰略意義、引領未來發展、帶動產業升級的新興產業，能夠代表國家核心競爭力和國際影響力［31］。戰略性新興產業屬于技術含量高、技術附加值大、技術成長性高和戰略性顯著的前沿領域［32］，往往涉及跨學科、跨領域、跨行業的技術融合和創新［33］。相比于一般產業，戰略性新興產業的復雜性更高，需要更廣泛、更多樣化的知識、技能投入，因此無關多樣化對創新績效的抑制作用并不明顯。基于以上分析，提出研究假設：

H1b：無關多樣化會抑制非戰略性新興產業的創新數量，但對戰略性新興產業創新數量的抑制作用不顯著。

1.2" 多樣化模式與創新質量

僅討論創新數量不足以全面描述創新績效，還需要從創新質量方面作進一步考察［34］。一些文獻指出，依賴現有資源與已經建立關聯性的知識有助于降低創新風險，但是創新本身就是一個充滿不確定性的過程，不相關多樣化需要建立新的協調機制以連接不同甚至原本無關的能力，這可能推動更復雜的技術創新［35］。Fleming在此基礎上提出技術新穎性來源的新理論，即發明是一個重組與局部搜索過程，當發明人搜索不熟悉組件和進行組件組合時會產生技術不確定性，這種不確定性是技術新穎性的來源，因此技術重組難度對新穎性有正向影響［36，37］。Fleming的研究表明，發明是一個重組與搜索過程，即發明者通過將不熟悉組件與組件組合進行試驗以創造新技術。發明效用與不確定性受到發明者對組件及組合熟悉程度的影響，對不熟悉組件與組合的探索雖然平均效用較低，但有可能產生突破性發明。這種創新使得無關的知識片段通過組合變為相關，但是這種不相關領域的重組創新更困難，風險更高，且這些創新一旦取得成功，通常具有激進性和破壞性，這是因為不相關技術重組可能帶來新市場需求、新功能和新應用。因此，基于無關知識重組產生的創新可能具有更高價值。這種高價值創新可能帶來新發展路徑，對企業或區域擺脫現有產業路徑鎖定、實現路徑突破至關重要。由此可見，無關多樣化會促進戰略性新興產業形成高質量創新產出，而過度接近的知識可能導致區域創新路徑鎖定，不利于戰略性新興產業創新質量提升。

基于上述分析，本文提出如下研究假設：

H2a：相關多樣化不利于戰略性新興產業形成高價值創新；

H2b：無關多樣化有利于戰略性新興產業形成高價值創新。

1.3" 多樣化模式與技術生命周期

在不同的技術生命周期階段，產業技術創新類型和知識來源不同［38］，因此有必要探索不同生命周期階段戰略性新興產業的技術創新模式。現有研究通常將技術作為驅動區域經濟增長的主要因素，而關于集聚外部性如何引發技術進步的機制證據較少。現有文獻在探討相關多樣化對技術創新的推動作用時通常包含一個隱含假設，即新舊技術都是靜態不變的，這與技術生命周期理論不符。Boschma amp; Frenken［39］指出，要避免簡單地認為相關多樣化總是有利于創新，在部門發展的早期階段關聯性的重要性不明顯，這是因為新知識與現有環境之間存在較大差距。技術生命周期理論認為，技術沿著S型生命周期路徑發展，可以分為萌芽期、成長期、擴散期和衰落期［40-42］。在最初階段，不同類型知識經重新組合，形成不同于以前的新技術。該階段技術通常具有生產成本高、市場滲透性弱以及潛在用途不確定等特點［43］。隨著技術發展和擴散，技術用途的不確定性降低，研發風險下降，創新變得較為緩和，但是競爭者數量不斷增加［42］。Neffke et al［44］使用瑞典統計局的產品生產數據集發現，新興產業發展通常伴隨激進的創新和不成熟技術，當主導設計確立后，技術中斷的可能性降低，該行業進入成熟階段，在此階段創新是漸進的。這種變化意味著在不同階段產業發展利用了不同類型的集聚外部性。Barbieri et al［45］首次將知識結構相關性與非相關多樣性作為解釋變量，分析不同生命周期階段美國綠色技術創新產出，發現非相關多樣化在早期階段更有利于綠色技術發展，而相關多樣化則在技術進入成熟期時更重要。

基于上述分析，本文提出以下研究假設：

H3a：相關多樣化能夠提升技術擴散期與成熟期的創新數量，但對技術萌芽期創新數量的提升作用不顯著；

H3b：無關多樣化會抑制技術擴散期與成熟期的創新數量，但對技術萌芽期創新數量的抑制作用不顯著。

2" 研究設計

2.1" 研究樣本

當前研究中創新多樣化與創新績效測算主要基于專利數據，這是因為長期以來專利被認為是技術情報的可靠來源，并被用作識別技術水平的直接指標。根據WIPO［46］的報告，專利包含全世界80%以上的技術信息。專利在技術、商業和法律方面具有多重價值，其提供了發明活動的大量信息，如發明人或申請人位置、發明知識庫以及創新質量（例如對已有專利或研究的引用、專利權要求的保護范圍等）。專利數據的另一個益處是對特定知識領域的細粒度分析［47］，這對相關多樣化與無關多樣化測量至關重要。此外，專利數據使用也存在一定局限性，并不是所有發明都是專利，專利質量根據研究技術而不同［48］。在新興技術領域，技術更新換代加快，專利申請更加迫切。根據專利法，專利應當具有新穎性和創造性。專利通常是在創新活動早期申請或授予的，同時，其提供了一些研發活動信息。既有的產業技術創新研究主要依賴于專利數據分析［49］，尤其是區域創新，國內也有大量研究將專利作為創新衡量指標［50，51］。本文的戰略性新興產業劃分依據是國家知識產權局于2021年發布的《戰略性新興產業分類與國際專利分類參照關系表（試行）》［52］。該文件按照技術相關度，將九大戰略性新興產業細分成40個二級子技術、311個三級子技術，實現了專利分類與戰略性新興產業的對應，且覆蓋全面，便于統計。

2.2" 創新績效測量

專利包括發明、實用新型和外觀設計。由于實用新型和外觀設計無需實質審查即可獲得授權，受政府鼓勵政策影響，不以保護為目的的專利申請通常以實用新型和外觀設計方式獲得授權。而發明專利需要經過實質審查，其技術和市場價值通常高于實用新型專利和外觀設計專利，因此國內學者多選用發明專利作為創新衡量指標［53］。參考現有研究，本文將戰略性新興產業授權發明專利數（SEI）與非戰略性新興產業授權發明專利數（NSEI）作為區域創新數量衡量指標。

根據專利法，專利申請時必須參考現有技術進行審查［54］。因此，測量專利中體現的知識被后續專利引用的頻次可以衡量創新質量。大量研究證明專利價值與被引頻次間存在正相關關系［55-57］。本文將戰略性新興產業授權發明專利的平均被引次數（SEICited）作為戰略性新興產業創新質量的第一個評價指標。相應地，使用非戰略性新興產業授權發明專利的平均被引次數（NSEICited）作為非戰略性新興產業創新質量的評價指標。

根據《最高人民法院關于審理侵犯專利權糾紛案件應用法律若干問題的解釋（二）》第五條：在人民法院確定專利權的保護范圍時，獨立權利要求的前序部分、特征部分以及從屬權利要求的引用部分、限定部分記載的技術特征均有限定作用。權利要求中記載的技術特征越多，對保護范圍的限制越多，專利的保護范圍就越小。改進型發明方案是基于現有技術，在專利申請與審查意見答復的權利要求中添加了更多技術特征，以獲得新穎性和創造性。對于需要經過實質審查的發明專利，其原創性技術特征反而更少。因此，技術特征數量可以評價專利創新質量。Patentics專利數據庫使用獨有的智能語義技術識別每件具有獨立權要求的專利技術特征數量。借鑒李黎明等［58］的研究，本文將各省域戰略性新興產業授權發明專利申請文本獨立權利要求的平均技術特征數量（SEITecF）作為創新質量的第二個評價指標。由于發明專利在實質審查過程中需要根據審查意見修改后方可獲得授權，為了獲得最大保護范圍，申請階段的技術特征數量一般較少，且容易受到專利代理人等其它因素影響。由于授權文本的技術特征數量能夠較客觀地反映創新質量，因此本文使用戰略性新興產業發明專利授權文本獨立權利要求的技術特征數量（SEITecFGr）作為創新質量的第三個評價指標，相應地，使用NSEITecF、NSEITecFGr分別對應非戰略性新興產業授權發明專利獨立權利要求的申請文本與授權文本的平均技術特征數量。上述指標可用于檢驗多樣化模式對創新質量影響的穩健性。

2.3" 多樣化模式測量

區域創新活動的多樣化模式是本文核心解釋變量，參考Castaldi et al［14］提出的開創性方法，本文采用熵指標測量多樣化。熵指標可以根據關聯度分解成相關多樣化和無關多樣化，進而捕捉區域知識結構的關聯性與多樣性程度（Frenken等，2007）。該方法獲得廣泛應用。本文也采用該方法，對區域戰略性新興產業相關多樣化與不相關多樣化程度進行測度。

熵測量是基于專利分類號，本文利用專利的技術分類代碼，結合國際專利分類系統（IPC）的分層結構計算不同代碼的多樣化水平。當兩個專利共享相同的 IPC代碼時，表明專利間存在相關性。根據國際專利分類號的設計邏輯，當IPC位數增加時，兩種技術同屬于更下位的概念，因此技術相關性也會提升。具體來說，無關多樣化（UV）使用更上位專利IPC類別分布的熵衡量，即通過測量概率分布的不確定性捕捉多樣性。例如，如果某省域的所有專利都屬于同一專利類別，那么從該地區的專利組合中隨機抽取一項專利時不存在不確定性，因此熵值最低。反之，如果專利組合中所有專利類別的占比相同，則抽取到隸屬于每個分類專利的概率也相同，此時抽樣的不確定性更高，熵值最大。

根據熵分解定理，一個系統的整體熵可以分解為不同層次的熵值［10］。在區域創新多樣性研究中，可以使用熵分解定理量化地區在不同技術領域的多樣性水平。具體來說，熵值是衡量概率分布不確定性的指標，熵值越高，表示系統中的不確定性越大，即多樣性越豐富。熵分解定理允許研究者將一個地區的技術多樣性分解為兩個部分——組間熵和組內熵。其中，組間熵反映不同技術類別之間的多樣性，組內熵則反映每個技術類別內部的多樣性。無關多樣性（UV）是通過計算地區在不同技術大類中專利分布的熵值來衡量的，該指標反映一個地區在更上位（距離更遠）技術類別中的多樣性。相關多樣性（RV）是通過計算地區在更細粒度（距離更近）技術分類中的多樣性，然后減去組間熵（UV）得到的，該指標反映出地區在更細粒度技術類別內部的多樣性。綜上所述，熵分解定理允許構建不同變量以代表不同相關性程度的多樣化水平，可以將最低聚合層級的技術多樣性視為更高聚合層級技術多樣性以及這些類別多樣性的總和。

需要特別強調的是，相關多樣性（RV）、半相關多樣性（SRV）和無關多樣性（UV）并不是相互排斥的（Frenken等，2007）。理論上一個地區可以同時具備高相關多樣性、高無關多樣性，這意味著該地區在多個不相關技術類別中都擁有多樣化的專利技術，同時，每個類別內部也擁有多樣化的專利技術。本文中，相關多樣性是指一個地區在相似或相關技術領域內的多樣性，其對應本地現有的認知結構與技術基礎；無關多樣性是指一個地區在不同技術領域的多樣性，這種多樣性有助于促進技術突破，因涉及不相關技術領域整合，因此可能產生新功能或新應用。

本文分別計算相關（RV）、半相關（SRV）和不相關（UV）3個級別的多樣化水平。具體地，UV表示基于IPC三位數（大類）專利數量分布的熵：

UVit=∑Nk=1Sk，itln1Sk，it（1）

其中，Sk，it表示第t年省域i在IPC大類k=1…N申請并獲得授權的發明專利數占該省區i全部授權發明專利數的比值。SRV等于基于每個IPC四位數（小類）與大類（UV）計算的熵差值。

SRVit=∑Pl=1Sl，itln1Sl，it-UVit（2）

其中，Sl，it表示第t年省域i在IPC小類l=［1，…，P］的授權發明專利份額。RV基于IPC七位數（大組）水平與小類水平的熵差值獲得。

RVit=∑Rm=1Sm，itln1Sm，it-∑Pl=1Sl，itln1Sl，it（3）

其中，Sm，it表示第t年省域i在IPC大組m=1…R的授權發明專利數。

2.4" 技術生命周期測度

為了識別戰略性新興產業技術成熟度，本文遵循Barbieri et al［45］的思路測量技術生命周期。戰略性新興產業生命周期是技術空間內的一種相對度量，其根據技術普及程度和專利數量兩個維度判斷，可以區分較發達產業和較不發達產業。其中，普及程度反映創新活動在地理上的擴散程度。首先，計算出當前每個地區具有比較優勢的戰略性新興產業技術（relative technological advantage，RTA），如式（4）。

RTAc，j，t=∑Patentsc，j，t/∑jPatentsc，j，t∑cPatentsc，j，t/∑c，jPatentsc，j，t（4）

式（4）中，分子代表省域c產出的j技術專利占全部技術專利的比值，分母表示j技術專利數量占全部專利數量的份額。如果RTAc，j≥1，則說明技術類別j在省域c具有相對技術優勢。換而言之，RTA能夠捕捉區域在某技術方向相對于全局的比較優勢。技術j的普遍性（UBIQUITY）可以使用時間t內RTAc，j大于1的地區數量表示，見式（5）。

UBIQUITYjt=∑cRTAcjt，RTAcjtgt;1（5）

根據Barbieri et al［45］的建議，技術生命周期可以劃分成萌芽期（Emergence）、發展期（Development）、擴散期（Diffusion）、成熟期（Maturity）4個階段，如表1所示。其中，萌芽期技術的專利數量與普遍性低于平均水平；發展期技術的專利數量高于平均水平，但普遍性低于平均水平；擴散期技術的專利數量和普遍性均高于平均水平；成熟期技術的專利數量低于平均水平，而普遍性高于平均水平。技術演進是非線性的，存在技術突破與新舊技術替代，所以并非所有階段都是必須經過的，技術進入成熟期后仍然有可能進入新發展階段。

本文通過計算每個區域在不同產業生命周期階段的授權專利數量評估不同多樣化模式對不同生命周期階段創新績效的影響，見式（6）。

GPLit=∑jPijLt（6）

式中，PijLt表示省域i在時間t內對生命周期階段L技術j進行專利申請并獲得授權的發明專利數量。

圖1展示了戰略性新興產業技術普遍性和專利數量（為避免圖中折線過度聚集，圖中的專利數量以10為底取對數）演變趨勢，如果折線位于圖左側且方向越趨向垂直，意味著專利活動增長越快。相應地，參與技術開發的地區數量較少，意味著技術處于發展期。相反，如果折線位于右側且發展趨勢趨于水平，則專利活動增長越小，技術普遍性較高，即該技術處于擴散期。基于戰略性新興產業二級子技術編碼的技術生命周期與授權發明專利數量統計結果如圖2所示。

2.5" 控制變量

為了精確分析相關多樣化與無關多樣化對區域創新績效的影響，本文控制以下變量：①城市化水平（URB），使用年末城鎮人口與總人口之比表示；②經濟開放度（OPEN），使用當年美元與人民幣匯率折算的進出口總額與GDP的比值表示；③市場化水平（MAR），使用非國有企業員工數占總員工數之比表示；④政府干預（GOV），使用財政支出占GDP的比重表示；⑤研發投入強度（Ramp;D），使用研發經費投入占GDP的比重表示；⑥產業結構（SIC），使用第二產業產值占GDP的比值表示；⑦金融發展水平（FIN），使用金融機構年末存貸款余額與GDP比值表示；⑧互聯網建設水平（INT），使用互聯網接入端口數表示；⑨區域經濟發展水平（PGDP），使用人均GDP作為衡量指標，各省人均GDP按照 GDP平減指數進行平減。所有經濟數據均采用平減指數換算為2000年價格，金融指標數據來自《中國金融統計年鑒》，互聯網建設指標數據來自韓先鋒等［59］的研究，其余經濟指標數據來自國家統計局官網和各省（市、區）統計年鑒。由于西藏自治區和海南省數據存在部分缺失，參照以往研究，未納入統計分析。由于發明專利從申請到授權通常存在2～3年滯后期，相關控制變量的數據更新存在延時性，因此構建2006-2020年的面板數據。

2.6" 模型構建

GPit+1=β1UVit+β2SRVit+β3RVit+γ Controls it+τi+γt+εit（7）

HIPit+1=β1UVit+β2SRVit+β3RVit+γ Controls it+τi+γt+εit（8）

GPLit+1=β1UVit+β2SRVit+β3RVit+γ Controlsit+τi+γt+εit（9）

其中，GPit+1表示省域i在時間t+1申請并獲得授權的發明專利數，本文分別對戰略性新興產業專利數量與非戰略性新興產業專利數量進行考察。HIPit+1代表省域i在時間t+1申請并獲得授權的戰略性新興產業創新質量，分別對戰略性新興產業專利質量與非戰略性新興產業創新質量進行考察。使用授權專利的平均被引次數（SEICited）、專利申請文本的獨立權利要求技術特征數（SEITecF）和專利授權文本的獨立權利要求技術特征數（SEITecFGr）3個指標反映戰略性新興產業創新質量，相應地，使用NSEICited、NSEITecF、NSEITecFGr三個指標反映非戰略性新興產業創新質量。GPLit+1表示省域i在時間t+1申請且屬于對應技術生命周期的戰略性新興產業授權發明專利數量。Controlsit表示控制變量，τi表示區域固定效應，γt表示時間固定效應，εit為殘差項。區域與時間固定效應模型可以控制每個時段內不隨時間變化的影響因素，緩解遺漏變量導致的內生性問題。考慮到發明是申請日之前發生的，因此將自變量滯后一期。針對模型中相關多樣化（RV）、半相關多樣化（SRV）以及無關多樣化水平（UV）與被解釋變量之間的內生性問題，采取以下措施：首先，相關多樣化水平是基于Frenken et al和Castaldi et al提出的熵測量方法，雖然其測度源于專利，但該方法考慮的是專利中所含IPC分類號對應的技術領域距離及其多樣性分布，使用的是專利數據中的技術信息而非專利數量信息，因此解釋變量與作為被解釋變量的授權專利數量并無直接關聯。其次，作為被解釋變量創新質量的3個指標，分別考察專利平均被引次數、申請文本獨立權利要求的平均技術特征數和授權文本獨立權利要求的平均技術特征數，上述指標對應于專利記載的技術方案保護范圍及對后續發明創造的影響［57］，與作為解釋變量的RV、SRV、UV亦無直接關聯。因此，模型不存在明顯的內生性問題。

3" 結果

3.1" 描述性統計

本文的被解釋變量為計數數據，由于省域專利授權量較大且沒有0值，取對數后不會損失觀測值，且對數變換后仍然符合正態分布，因此本文選擇線性面板數據模型進行評估，使用泊松回歸模型或負二項模型進行穩健性檢驗。為方便比較自變量重要性，所有自變量均作標準化處理。表2是變量描述性統計結果。

3.2" 回歸結果分析

3.2.1" 多樣化模式與創新數量

表3是相關多樣化水平對創新數量的回歸結果，對應研究假設H1a和H1b。首先，相關多樣化（RV）對戰略性新興產業（SEI，模型2）、非戰略性新興產業（NSEI，模型4）和全樣本（FULL，模型6）創新數量的影響都顯著為正。這表明相關多樣化對戰略性新興產業與非戰略性新興產業創新數量都有提升作用，假設H1a得到證實。其次，對于戰略性新興產業來說，SRV和UV都不顯著，而對于非戰略性新興產業和全樣本來說，SRV和UV顯著為負。這些表明無關多樣化對非戰略性新興產業創新數量有抑制作用，對戰略性新興產業的抑制作用不明顯，故假設H1b得到證實。上述結果表明，非戰略性新興產業比戰略性新興產業更加依賴相關多樣化，這是因為遠距離知識重組難度提高會抑制技術創新產出，即在不相關領域拓展創新活動對創新數量增長不利。但是相對于非戰略性新興產業而言，戰略性新興產業技術復雜性更高，更強調跨領域技術融合，因此反而會得益于跨領域知識重組。

3.2.2" 多樣化模式與創新質量

表4是相關多樣化與無關多樣化對創新質量的回歸結果，對應研究假設H2a和H2b。模型1～6的被解釋變量是戰略性新興產業創新質量（SEICited、SEITecF、SEITecFGr），模型7～12的被解釋變量是非戰略性新興產業創新質量（NSEICited、NSEITecF、NSEITecFGr）。

首先考慮專利被引次數，模型1、2的因變量是戰略性新興產業專利平均被引次數（SEICited），結果表明，相關多樣化（RV）系數顯著為負，意味著在相近領域進行知識重組，產出的發明創造被引次數較低。此外，沒有發現無關多樣化（UV）與半相關多樣化（SRV）對專利被引次數有顯著提升作用。模型7和8的結果也表明，UV、SRV和RV對非戰略性新興產業專利平均被引次數（NSEICited）均無顯著影響，故假設H2a得到部分支持。

其次考慮獨立權利要求的技術特征數量，模型3、4的被解釋變量是戰略性新興產業專利授權文本獨立權利要求的平均技術特征數量（SEITecF）。發明專利的創新程度高，通常比同領域專利擁有的技術特征數量少。因此，SEITecF越小，意味著專利保護范圍越大，專利價值越高。模型4中，RV與SEITecF技術特征數量的關系不顯著，但是SRV在5%水平上顯著為負，說明半相關多樣化有利于減少技術特征數量，提升創新價值。模型9和10的結果也表明，UV、SRV和RV對非戰略性新興產業專利授權文本獨立權利要求的技術特征數量（NSEITecF）均無顯著影響，故假設H2b得到部分支持。綜合模型2和模型4可知，相關多樣化（RV）不利于戰略性新興產業提升創新價值，表現為專利被引次數下降；半相關多樣化（SRV）有利于戰略性新興產業提升創新價值，體現為具有獨立權利要求的技術特征數量減少，同時，半相關多樣化有助于獲得具有更大保護范圍的基礎性發明創造。

鑒于發明專利需要經過實質審查，根據審查意見進行修改后方可獲得授權，申請階段的技術特征數量更容易受到專利代理人水平等因素影響。因此，使用授權文本的技術特征數量能夠更加客觀地反映專利創新質量。在模型5和6中，將發明專利授權文本獨立權利要求的平均技術特征數量（SEITecFGr）作為被解釋變量，結果表明，半相關多樣化（SRV）可以顯著減少授權文本的技術特征數量。模型11和12的結果表明，3種多樣化模式對非戰略性新興產業發明專利授權文本獨立權利要求的技術特征數量（NSEITecFGr）影響均不顯著。本研究沒有觀察到UV對高價值創新的促進作用，是因為目前我國戰略性新興產業發展水平還不足，創新者缺少跨越重大領域的重組能力或機會。

3.2.3" 多樣化模式與技術生命周期

表5是研究假設H3a和H3b的回歸結果。模型2～4的被解釋變量分別是萌芽期、發展期、擴散期和成熟期戰略性新興產業專利數量。其中，RV對發展期、擴散期、成熟期創新數量的影響在1%水平上顯著為正，但是對萌芽期創新數量的提升效應不顯著，假設H3a得到驗證。模型2中，SRV和UV的回歸系數雖然為負但不顯著，說明無關多樣化對萌芽期創新數量沒有明顯抑制作用；模型3～5中，UV和SRV都顯著為負，說明無關多樣化會抑制戰略性新興產業在發展期、擴散期和成熟期的創新數量，綜合模型2～5，假設H3b得到驗證。

上述結果表明，對于戰略性新興產業而言，在技術發展的早期階段，相關多樣化對創新數量的提升作用、無關多樣化對創新數量的抑制作用都不明顯。當技術進入發展期后，相關多樣化成為提升戰略性新興產業創新數量的主要驅動力。對于擴散期和成熟期的產業來說，半相關多樣化SRV與無關多樣化UV的作用顯著為負，說明兩種多樣化存在認知距離過大、重組難度過高的問題，進而可能抑制創新數量增長。

3.3" 穩健性檢驗

首先，替換回歸模型。本研究的被解釋變量包括專利數量、平均被引次數、平均技術特征數量，變量分布較分散，可以考慮進行泊松回歸或負二項回歸。初步采用負二項擬合后發現，上述因變量的負二項模型存在非常高的 theta 值（theta=10 000），表明因變量不存在過度離散跡象，泊松模型結果更為穩健［60］。基于泊松面板固定效應模型的穩健性檢驗結果與基準回歸結果一致（限于篇幅，具體結果備索）。

其次，替換核心解釋變量的計算方法。本研究使用另一種方法測算多樣化指標，將戰略性新興產業的一、二、三級技術分類用于計算香農熵指標，計算方法參照式 （1） —式（3）。更換多樣化指標算法后的泊松面板固定效應模型與基準回歸結果一致（限于篇幅，具體結果備索）。

4" 結論與討論

利用2006-2020年中國內地授權發明專利數，構建面板固定效應模型，計算各省市相關多樣化、半相關多樣化和無關多樣化指標，分析它們對戰略性新興產業、非戰略性新興產業創新數量與質量的影響，探討不同生命周期階段戰略性新興產業創新績效的差異性。實證結果表明：①相關多樣化對戰略性新興產業、非戰略性新興產業創新數量都有正向影響，而無關多樣化對非戰略性新興產業創新數量有負向影響，無關多樣化對戰略性新興產業的影響不顯著；②相關多樣化不利于戰略性新興產業實現高價值創新，半相關多樣化有利于戰略性新興產業實現高價值創新，相關多樣化、無關多樣化對非戰略性新興產業創新質量均無顯著影響；③相關多樣化對技術擴散期、成熟期創新數量的提升作用比技術萌芽期更明顯。

（1）從整體上看，相關多樣化對戰略性新興產業、非戰略性新興產業創新數量都有正向影響，說明相關多樣化可以促進知識轉移和重組，降低創新風險，提高創新效率。這一結論與蔣晟和賀燦飛［17］、Castaldi et al［14］ 等的研究一致。然而，上述研究多基于歐美數據且不區分新興產業與非新興產業，本研究將中國各省域授權發明專利所屬領域區分為戰略性新興產業與非戰略性新興產業，為區域多樣化模式對戰略性新興產業創新績效的影響分析提供了中國證據。

（2）本研究發現無關多樣化對非戰略性新興產業創新數量有負向影響，說明無關多樣化增大了知識的認知距離和協調成本，進而抑制非戰略性新興產業創新數量。這與Hidalgo et al［24］基于產品空間的分析結果一致，但Hidalgo等并未對戰略性新興產業進行專門考察。本研究進一步發現，無關多樣化對戰略性新興產業沒有顯著影響。對于戰略性新興產業來說，無關多樣化對創新數量的負向效應并不顯著，這可能是因為戰略性新興產業是技術含量高、技術附加值大、技術成長性高和戰略性強的前沿領域，具有較高復雜性和不確定性，涉及到跨學科、跨領域、跨行業的技術融合，需要更廣泛、多樣的知識輸入。

（3）相關多樣化與無關多樣化對非戰略性新興產業高價值創新的影響都不顯著，這與Castaldi et al［14］的研究不一致。此外，相關多樣化不利于戰略性新興產業實現高價值創新，半相關多樣化有利于戰略性新興產業實現高價值創新，這與Castaldi et al［14］的研究基本一致。上述結果表明，與非戰略性新興產業相比，戰略性新興產業整體創新性更強，更符合高價值創新定義。本研究沒有觀察到無關多樣化對高價值創新的促進作用，這可能是因為目前我國戰略性新興產業發展還不成熟，創新者缺少跨越重大領域的重組能力或機會。上述結果進一步證實了Fleming［36］、王萍萍和王毅［37］關于知識的遠距離重組是技術新穎性來源的觀點。現有研究多基于專利被引頻次評價創新質量，少有研究從專利權利要求的技術特征角度分析創新質量。本研究借鑒Harhoff et al［57］的做法，同時將兩種指標納入創新質量考察框架，充分利用專利包含的技術信息和法律信息。具體而言，相關多樣化不利于戰略性新興產業實現高價值創新，體現為專利被引頻次下降。無關多樣化更有利于高價值創新，體現為權利要求的技術特征數量減少。這說明相關多樣化雖然可以促進漸進式創新，但是也可能導致區域創新路徑鎖定，難以實現突破性創新，因此雖然其產出數量多，但多為改進型發明。無關多樣化雖然增大了創新難度和風險，但是遠距離知識重組可以提供更多潛在創新機會和組合可能性，有利于促進更復雜、獨特技術重組，形成更具激進性、突破性的創新成果。這種高價值創新可以幫助區域實現技術突破，擺脫對現有技術路徑的依賴。這對尋求轉型升級、實現新舊動能轉換的區域至關重要。

（4）在不同技術生命周期階段，多樣化模式對創新績效的影響存在異質性，這與Barbieri et al［46］關于綠色技術生命周期的研究一致。現有研究多以某個具體產業，如可再生能源［61］或綠色技術［45］生命周期為分析對象，缺乏針對戰略性新興產業的整體、宏觀考察。本研究發現，相關多樣化對萌芽期戰略性新興產業創新數量的提升作用不明顯，在技術擴散期和成熟期表現顯著。無關多樣化對創新數量的抑制發生在技術擴散期和成熟期。這是因為在技術生命周期的后期階段，相關多樣化可以利用現有資源和協同效應提高創新效率；在技術發展萌芽階段，無關多樣化可以促進知識重組和突破，進而催生高價值創新。

本研究從理論上拓展了相關多樣化與無關多樣化對區域創新績效影響的分析框架，并考慮了不同技術生命周期階段的差異性。研究采用基于專利數據的多樣化模式測度方法，利用國際專利分類系統的分層結構，構建相關多樣化與無關多樣化指標，描繪區域知識結構的關聯性與多樣性程度，從技術普及程度與專利數量兩個維度判斷技術生命周期階段，實現對戰略性新興產業技術成熟度的度量。本研究揭示了相關多樣化與無關多樣化對戰略性新興產業、非戰略性新興產業創新數量和質量的異質性影響，并分析了不同生命周期階段多樣化模式與創新績效的動態關系，豐富了區域創新理論研究和技術生命周期理論研究。

本文為促進戰略性新興產業發展、實現轉型升級、制定差異化創新政策提供了理論和實證依據。研究結果表明，在無關技術領域廣泛拓展創新能力不利于創新數量提升，但這種負向作用對戰略性新興產業整體而言并不明顯。相關多樣化由于知識重組距離過小會阻礙創新質量提升，而無關多樣化可以促進知識重組和突破，助力戰略性新興產業實現高價值創新。因此，政府應當基于自身資源稟賦和知識基礎，發揮本地比較優勢，因地制宜地制定差異化創新政策。研究結果還表明，相關多樣化對擴散期與成熟期技術創新數量有正向影響，但是對萌芽期的影響不顯著。因此，針對萌芽期的產業，政策制定者應當考慮增加無關多樣性，給予萌芽期產業更多的試錯機會，嘗試不同發展方向，實現“遠距離”產業間的相互融合，進而形成突破性的高價值創新。在技術擴散期和成熟期，不能盲目拓展創新領域，尤其是與現有技術基礎無關的技術領域，以避免技術過于分散、知識重組距離過大，影響創新數量積累。

本文也存在一些不足之處，首先，使用專利數據作為創新績效測度指標，但是專利數據并不能涵蓋所有創新活動，也不能完全反映創新質量差異。未來可以嘗試使用其它類型數據，如科技論文、企業研發投入、市場份額等衡量創新績效并進行比較分析。其次，從技術普遍性和專利數量兩個維度識別技術生命周期階段，但是這種方法也存在一定局限性。未來可以考慮使用其它技術生命周期測量方法，如基于專利引用網絡、S型曲線擬合等方法識別技術生命周期階段并進行穩健性檢驗。

參考文獻參考文獻：

［1］" JAFFE A B， TRAJTENBERG M， HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations［J］. The Quarterly Journal of Economics， 1993， 108（3）： 577-598.

［2］" 尹貽梅， 劉志高， 劉衛東. 路徑依賴理論及其地方經濟發展隱喻［J］. 地理研究， 2012， 31（5）： 782-791.

［3］" APA R， DE NONI I， ORSI L， et al. Knowledge space oddity： how to increase the intensity and relevance of the technological progress of European regions［J］. Research Policy， 2018， 47（9）： 1700-1712.

［4］" 洪勇， 張紅虹. 新興產業培育政策傳導機制的系統分析——兼評中國戰略性新興產業培育政策［J］. 中國軟科學， 2015，30（6）： 8-19.

［5］" 周燦， 曾剛， 尚勇敏. 演化經濟地理學視角下創新網絡研究進展與展望［J］. 經濟地理， 2019， 39（5）： 27-36.

［6］" 魏后凱. 現代區域經濟學［M］. 北京： 經濟管理出版社， 2011.

［7］" FRANKEL J A.The natural resource curse： a survey of diagnoses and some prescriptions［R/OL］.http：//nrs.harvard.edu/urn-3：HUL.InstRepos：8694932.

［8］" GLAESER E L， KALLAL H D， SCHEINKMAN J A， et al. Growth in cities［J］. Journal of Political Economy， 1992， 100（6）： 1126-1152.

［9］" SCHUMPETER J A. The theory of economic development［M］. NewYork：Routledge， 2017.

［10］" NELSON R R， WINTER S G. Toward an evolutionary theory of economic capabilities［J］. The American Economic Review， 1973， 63（2）： 440-449.

［11］" ROSENBERG N. Technological change in the machine tool industry 1840—1910［J］. The Journal of Economic History， 1963， 23（4）： 414-443.

［12］" BECKER M C， KNUDSEN T， MARCH J G. Schumpeter， winter， and the sources of novelty［J］. Industrial and Corporate Change， 2006， 15（2）： 353-371.

［13］" STEFANO B，FRANCESCO L.Mobility of inventors and the geography of knowledge spillovers： new evidence on US data［R/OL］.CESPRI Working Paper184，Bocconi University，Milan， 2006.http：//dimetic.dime-eu.org/dimetic_files/breschi.pdf.

［14］" CASTALDI C， FRENKEN K， LOS B. Related variety， unrelated variety and technological breakthroughs： an analysis of US state-level patenting［J］. Regional Studies， 2015， 49（5）： 767-781.

［15］" HIDALGO C A， HAUSMANN R. The building blocks of economic complexity［J］. Proceedings of the National Academy of Sciences of the United States of America， 2009， 106（26）： 10570-10575.

［16］" 高旻昱， 曾剛， 王豐龍. 相關多樣化、非相關多樣化與區域創新產出——以長三角地區為例［J］. 人文地理， 2020， 35（5）： 103-110.

［17］" 蔣晟， 賀燦飛. 區域產業相關多樣化和非相關多樣化對中國出口市場多樣化的影響［J］. 地理科學進展， 2022， 41（5）： 770-784.

［18］" 王葉軍， 周京奎. 相關多樣化、不相關多樣化與城市服務業增長［J］. 首都經濟貿易大學學報， 2019， 21（3）： 14-25.

［19］" BOSCHMA R， MINONDO A， NAVARRO M. Related variety and regional growth in Spain［J］. Papers in Regional Science， 2011， 91（2）： 241-256.

［20］" CONTENT J， FRENKEN K. Related variety and economic development： a literature review［J］. European Planning Studies， 2016， 24（12）： 2097-2112.

［21］" ALSHAMSI A， PINHEIRO F L， HIDALGO C A. Optimal diversification strategies in the networks of related products and of related research areas［J］. Nature Communications， 2018， 9（1）： 1328.

［22］" TORRE A， GALLAUD D. Handbook of proximity relations［M］. Cheltenham： Edward Elgar Publishing， 2022.

［23］" BATHELT H， FELDMAN M P， KOGLER D F. Beyond territory.dynamic geographies of knowledge creation， diffusion， and innovation［M］. London： Routledge， 2011.

［24］" HIDALGO C A， KLINGER B， BARABA SI A L， et al. The product space conditions the development of nations［J］. Science， 2007， 317（5837）： 482-487.

［25］" ANTONELLI C. Handbook on the economic complexity of technological change［M］. Cheltenham： Edward Elgar， 2011.

［26］" 郭琪， 賀燦飛. 演化經濟地理視角下的技術關聯研究進展［J］. 地理科學進展， 2018， 37（2）： 229-238.

［27］" TAGLIONI D， WINKLER D. Making global value chains work for development［M］. Washington， DC： World Bank， 2016.

［28］" JACOBS J. The economy of cities［M］. Vintage Books： A Division of Random House， 1969.

［29］" PRUD'HOMME D. Dynamics of China's provincial-level specialization in strategic emerging industries［J］. Research Policy， 2016， 45（8）： 1586-1603.

［30］" BALLAND P A， BROEKEL T， DIODATO D， et al. The new paradigm of economic complexity［J］. Research Policy， 2022， 51（3）： 104450.

［31］" 國務院. 國務院關于加快培育和發展戰略性新興產業的決定［EB/OL］. （2010-10-10）［2021-11-09］. http：//www.gov.cn/zwgk/2010-10/18/content_1724848.htm.

［32］" 陳愛雪. 我國戰略性新興產業發展研究［D］. 長春：吉林大學， 2013.

［33］" ZHOU W， GU X， YANG X. The impact of knowledge search balance on the generality and specificity of breakthrough innovation［J］. Technology Analysis amp; Strategic Management， 2022， 34（11）： 1310-1325.

［34］" LUO Z， CALLAERT J， ZENG D， et al. Knowledge recombination， environmental turbulence and firms' innovation quality： the evidence from Chinese pharmaceutical industry［J］. European Journal of Innovation Management， 2024，27（1）：69-95.

［35］" HIDALGO C A， BALLAND P A， BOSCHMA R， et al.The principle of relatedness［C］//Unifying Themes in Complex Systems IX： Proceedings of the Ninth International Conference on Complex Systems 9. Springer International Publishing， 2018： 451-457.

［36］" FLEMING L. Recombinant uncertainty in technological search［J］. Management Science， 2001， 47（1）： 117-132.

［37］" 王萍萍， 王毅. 技術新穎性從何而來——基于納米技術專利的分析［J］. 管理工程學報， 2020， 34（6）： 79-89.

［38］" NORTON R D， REES J. The product cycle and the spatial decentralization of American manufacturing［J］. Regional Studies， 1979， 13（2）： 141-151.

［39］" BOSCHMA R A， FRENKEN K. Why is economic Geography not an evolutionary science" towards an evolutionary economic geography［J］. Journal of Economic Geography， 2006， 6（3）： 273-302.

［40］" BROSSIA C E. Technology forecasting based on patent trend analysis using robotics technology as a case study［D］. United States-Colorado： Colorado School of Mines， 1983.

［41］" ACHILLADELIS B. The dynamics of technological innovation：the sector of antibacterial medicines［J］. Research Policy， 1993， 22（4）： 279-308.

［42］" HAUPT R， KLOYER M， LANGE M. Patent indicators for the technology life cycle development［J］. Research Policy， 2007， 36（3）： 387-398.

［43］" CALLON M. An essay on framing and overflowing：economic externalities revisited by sociology［J］. The Sociological Review， 1998， 46（1）： 244-269.

［44］" NEFFKE F， HENNING M， BOSCHMA R. How do regions diversify over time" Industry relatedness and the development of new growth paths in regions［J］. Economic Geography， 2011， 87（3）： 237-265.

［45］" BARBIERI N， PERRUCHAS F， CONSOLI D. Specialization， diversification， and environmental technology life cycle［J］. Economic Geography， 2020， 96（2）： 161-186.

［46］" WIPO.Patents as a source of technological information in the technology transfer process［R/OL］.WIPO， 2004.https：//www.wipo.int/edocs/mdocs/tk/en/wipo_grtkf_ic_6/wipo_grtkf_ic_6_inf_4.pdf.

［47］" MUN C， YOON S， PARK H. Structural decomposition of technological domain using patent co-classification and classification hierarchy［J］. Scientometrics， 2019， 121（2）： 633-652.

［48］" IVAN HASCIC， MAURO MIGOTTO.Measuring environmental innovation using patent data［R/OL］.OECD Publishing， Paris： OECD/OECD Environment Working Papers， 2015.https：//www.oecd-ilibrary.org/environment/measuring-environmental-innovation-using-patent-data_5js009kf48xw-en.

［49］" PARK Y， YOON J. Application technology opportunity discovery from technology portfolios： use of patent classification and collaborative filtering［J］. Technological Forecasting and Social Change， 2017， 118： 170-183.

［50］" 鄭江淮， 冉征. 走出創新“舒適區”：地區技術多樣化的動態性及其增長效應［J］. 中國工業經濟， 2021， 39 （5）： 19-37.

［51］" 馮仁濤， 余翔. 基于技術距離的中國區域創新分布研究［J］. 情報雜志， 2018， 37（1）： 191-197.

［52］" 國家知識產權局. 國家知識產權局辦公室關于印發《戰略性新興產業分類與國際專利分類參照關系表（2021）（試行）》的通知［EB/OL］. （2021-02-10）［2021-05-15］. https：//www.cnipa.gov.cn/art/2021/2/10/art_75_156716.html.

［53］" 寇宗來， 劉學悅. 中國企業的專利行為：特征事實以及來自創新政策的影響［J］. 經濟研究， 2020， 55（3）： 83-99.

［54］" MARIAGRAZIA S， HE lENE D，CHIARA C.Measuring patent quality：indicators of technological and economic value. OECD Science，technology and industry working papers［R］. OECD， 2013. https：//www.oecd-ilibrary.org/science-and-technology/measuring-patent-quality_5k4522w""" "kw1r8-en.

［55］" HARHOFF D， NARIN F， SCHERER F M， et al. Citation frequency and the value of patented inventions［J］. Review of Economics and Statistics， 1999， 81（3）： 511-515.

［56］" HALL B H， JAFFE A， TRAJTENBERG M. Market value and patent citations［J］. The Rand Journal of Economics， 2005， 36（1）： 16-38.

［57］" POEGE F， HARHOFF D， GAESSLER F， et al. Science quality and the value of inventions［J］. Science Advances， 2019，5（12）：7323.

［58］" 李黎明， 張敏， 李小娟. 引證網絡專利質量對專利拍賣經濟價值的影響效應研究［J］. 情報雜志， 2021，40（10）： 115-121.

［59］" 韓先鋒， 宋文飛， 李勃昕. 互聯網能成為中國區域創新效率提升的新動能嗎［J］. 中國工業經濟， 2019，36（7）： 119-136.

［60］nbsp; KLEIBER C， ZEILEIS A. Visualizing count data regressions using rootograms［J］. The American Statistician， 2016，70（3）： 296-303.

［61］" 徐， 金澤潤， 朱晟君， 等. 生命周期，知識多樣性與區域技術創新——以中國可再生能源技術為例［J］. 地理研究， 2023，42（8）： 2070-2088.

（責任編輯：胡俊健）

Regional Diversification Patterns， Technology Life Cycle and Innovation Performance of Strategic Emerging Industries

Peng Wenbo1， Yu Xiang1， Feng Rentao2

（1. School of Management， Huazhong University of Science and Technology， Wuhan 430074，China;2. School of Law， Fujian University of Technology， Fuzhou 350118， China）

Abstract：In the context of global economic restructuring and industrial upgrading， strategic emerging industries， as an important force to promote sustainable economic and social development， play a crucial role in regional economic development through the enhancement of their innovation performance. Existing literature on the relationship between diversification patterns and innovation performance is controversial， especially in the emerging field of strategic emerging industries. For instance， researchers have different opinions about the impacts of related diversification and unrelated diversification on regional innovation and innovation performance.

In the field of strategic emerging industries， high-quality innovation is crucial for maintaining competitive advantages and achieving sustainable development. It is necessary to take into account both innovation quality and technology life cycle. Hence， this study aims to explore in depth the impact of regional diversification patterns on the innovation performance of strategic emerging industries. Using the authorized invention patent data from mainland China， it systematically analyzes the effects of related diversification and unrelated diversification on the innovation quantity and quality of strategic emerging industries and non-strategic emerging industries， and examines the characteristics and differences at different stages of the technology life cycle. The study first uses entropy indicators based on the International Patent Classification （IPC） system to measure the level of diversification， and distinguish between related diversification and unrelated diversification by calculating the diversity of knowledge between different technology fields.Then it uses the knowledge information in patent data， combined with the popularity of technology and the number of patent families to determine the stage of the technology life cycle. The research process includes the construction of panel data models， controlling variables such as urbanization level， economic openness， marketization level， government intervention， and Ramp;D investment intensity， which help to reduce the endogeneity brought about by omitted variables.

The empirical results show that related diversification has a positive impact on the innovation quantity of both strategic emerging industries and non-strategic emerging industries. This indicates that related diversification can promote knowledge transfer and recombination， reduce innovation risk， and improve innovation efficiency. However， unrelated diversification has a negative impact on the innovation quantity of non-strategic emerging industries， suggesting that unrelated diversification increases the cognitive distance and coordination costs of knowledge， suppressing the innovation activities of non-strategic emerging industries. For strategic emerging industries， the impact of unrelated diversification is not significant， which may be because strategic emerging industries have higher complexity and uncertainty， requiring more extensive and diverse knowledge input.

In terms of innovation quality， this study finds that related diversification is detrimental to high-value innovation in strategic emerging industries， manifested as a decrease in the number of times patents are cited. On the contrary， semi-related diversification is beneficial to high-value innovation in strategic emerging industries， reflected in the reduction in the number of technical features claimed by rights. This shows that although related diversification can promote incremental innovation， it may also lead to the locking of regional innovation paths， making it difficult to achieve breakthrough innovation. While unrelated diversification increases the difficulty and risk of innovation， long-distance knowledge recombination can provide more potential innovation opportunities and combination possibilities， which is conducive to creating more complex and unique technology recombination， forming more radical and breakthrough innovation. In addition， at different stages of the technology life cycle， the impact of diversification patterns on innovation performance is heterogeneous. The promotion effect of related diversification on the innovation quantity of strategic emerging industries in the budding stage is not significant， and its promotion effect on innovation quantity is mainly reflected in the diffusion and maturity stages of technology. The suppression of innovation quantity by unrelated diversification occurs in the diffusion and maturity stages of technology. In the later stages of the technology life cycle， related diversification can use existing resources and synergistic effects to improve innovation efficiency. In the budding stage of technology development， unrelated diversification can promote knowledge recombination and breakthroughs， promoting the output of high-value patents.

The research results have important practical significance for guiding local governments on how to formulate effective innovation-driven development strategies based on local resource endowment and knowledge base; the research methods and analysis framework of this paper also provide a methodological reference for subsequent related research.

Key Words：Strategic Emerging Industries; Diversification Patterns; Technology Life Cycle; Technological Innovation