王炳富，刘 芳

0 引言

学者们大多认同知识转移是一个复杂的行为，影响知识转移的因素主要分四个方面：知识本身的特性、知识源的特性、知识接收方的特性以及知识存在的环境与关系的特性。知识各特性之间通常存在着互相解释或互为强化的关系[1]。正是由于知识内在结构的互补性以及每个人的经验是有限的，人们可以通过分工协调，来获取知识。

知识表现形式复杂，OECD从知识使用的角度分为事实知识、原理知识、技能知识和人力知识，并进一步将知识划分为两大类别：显性知识和隐性知识。知识转移既包含隐性知识的转移也包含显性知识的转移，既包含主动行为的转移也包含被动行为的转移。通过对知识研究模型的梳理来看，关于知识溢出问题研究模型已经在数理模型上有所突破关于知识转移的模型学者们在构建时更侧重于理论，基本都是概念模型，典型的有：Shannon-Weaver（1949）信息传递模型、Szulanski(1992)的知识转移过程模型、Nonaka和Takeuchi（1995）的SECI模型、Boisot（2005）的I-空间模型[2]。本文从知识溢出模型通过参数修正和改进，构建包含隐性知识和显性知识的知识转移模型。通过改进的模型以知识互补能力为例研究创新集群中知识转移的一些规律。

1 知识溢出经典量化模型

1.1 伯特·弗森伯格知识溢出模型

伯特·弗森伯格（1991、1993）对于知识溢出的研究是通过研究区域间技术追赶问题开始的[3]。区域间知识溢出的表达式为：

其中，S为区域间实际知识溢出；α（0＜α＜1）为潜在知识溢出系数；G为区域知识存量；αG为区域间潜在知识溢出；δ为区域的固有学习能力为区域的学习能力。

1.2 凯尼尔斯空间知识溢出蜂巢模型

凯尼尔斯（2000）通过地理距离以及引入新经济增长理论中的“干中学效应”，对以往知识溢出模型加以修正，构建出空间知识溢出蜂巢模型为：

其中，Si为i区接收j区知识溢出；δi为i区学习能力；Gij为两区域间知识存量的对数，表示知识存量差距；γij为区域i与j的地理距离；μi为技术追赶系数，是指两区域间技术追赶实现情况下的知识存量差距。

2 创新集群知识转移的修正模型构建

在知识溢出经典模型的基础上，引入创新集群知识互补能力和社会资本能力两个变量，将创新集群主体间距离修正为1（由于创新集群中主体的高度集中，使得空间距离可以忽略不计，而行业距离在知识存量差距中体现、文化距离在社会资本能力中体现），为了简化研究，将集群个体的累加代替了集群整体，并在其他参数基本不变的前提下，构建创新集群知识转移综合能力模型如下：

其中，KTAij为创新集群知识转移综合能力，Gi、μi、ξi、ψi、δi(K)i、δi、F(t)、C分别是主体i与主体 j间的平均知识存量差距、平均技术追赶系数、平均知识互补能力、集群社会资本能力、平均学习能力、平均知识吸收能力、平均知识扩散能力和扩散程度常数，N表示集群中主体个数，t表示知识转移时刻。以上指标以集群中知识主体相关指标按集群主体数目进行平均得到。

3 创新集群知识互补能力分析

3.1 知识互补能力与知识转移能力的量化关系

为研究知识互补能力，式（4）可以简化为：

其中，δc,μc分别表示知识吸收能力和技术追赶系数的常数项。

3.2 知识互补能力的测度

建立创新集群主体的向量空间模型，再根据他们之间的关系矩阵来进行知识相似程度的度量，即为知识互补能力的度量。

假设衡量知识互补能力的指标向量空间为R={r1,r2,…,rm,}，由此建立创新集群主体之间知识互补能力的关系矩阵为：

其中，rij表示创新集群面向指标的关系值，其隶属度为知识相似程度。本文选用夹角余弦方法计算知识互补能力，计算公式如下。

首先对知识互补能力的指标进行无量纲化处理：

单个知识互补能力指标的相似度的计算公式为：

因此创新集群主体间的平均知识互补能力可以计算如下：

其中，wi表示知识互补能力指标的权重（通过专家问卷，由AHP及信息熵方法得到），ξi表示创新集群主体间的平均知识互补能力，N表示创新集群主体的数量综合。

3.3 知识互补能力的指标体系选取

借鉴中关村管委会（2007）、汪丁丁（1997）[4]和朱美光（2006）[5]、郑展（2010）[6]、王晓凤（2010）[7]等研究机构和研究者对知识的区域合作、知识的区域协同测度的研究成果，根据创新集群知识互补能力的概念和特征，通过专家问卷确定创新集群知识互补能力应该从科技合作、人才流向以及知识交流（作为A层指标）来考察，在此基础上，B层指标确定为科技项目、论文著作、大学本科、硕士博士、通信工具、电视广播、图书报刊、交流中心，C层指标按文献整理，其作用大小（也可能没有作用）通过问卷的方式来确定，用权重分析法来取值。

由此，在前人研究的基础上综合本文研究对象的分析，建立衡量创新集群知识互补能力的测度指标体系如表1所示。

表1 创新集群知识互补能力测度指标体系

3.4 评估方法设计

本文采用混合多属性决策方法来对主客观数据进行分析，构建创新集群知识转移中所涉及参数的评价指标体系并赋予指标权重。

3.4.1 指标归一化处理

(1)对于越大越优指标

(2)对于越小越优指标

(3)对于中间优指标

其中，yij是第i个指标、j方案归一化之后的评价系数，介于0、1之间；xij是原始指标值，max(xi)、min(xi)分别为第i个指标评价结果的上、下限值。

3.4.2 指标权重计算

主观权重的设定根据专家对于各指标在决策变量的测度过程中打分结果，由AHP方法得到；客观权重采用综合信息熵的组合赋权方法，即采用熵值法确定。最后采用组合赋权法得到各指标值的权重。

(1)主观权重-AHP

层次分析法是通过分析复杂系统所包含的因素及相关关系，将系统分解为不同的要素，将这些要素按支配关系分组，以形成有序的递阶层次结构。将每一层次的各要素进行两两比较判断，按照标度理论，得到其相对重要程度的比较标度，建立判断矩阵。通过计算判断矩阵的最大特征值及其相应的特征向量，得到各层次要素对上层次某要素的重要性次序，从而建立权重向量。

(2)客观权重—信息熵

熵值法是根据指标观测值所提供的信息量的大小来确定指标权重的一种方法。熵值法赋权的步骤如下：

①建立评价向量矩阵

m个指标、n个方案建立Xm×n矩阵：

其中，xij是第i个指标、j方案的指标值：i=1，2，…，m；j=1，2，...，n。

根据式（11）～（13），将各指标体系做归一化处理，得到标准化矩阵：

②熵值法确定权重

根据式（15），计算第i个指标、j方案的指标值的比重pij：

根据式（16），计算第i个指标的信息熵：

其中，k=(lnn)-1，0≤e≤1。

则可以得到第i个指标权重：

(3)组合权重

由主客观权重计算结果，构建各指标的组合权重：

3.4.3 各变量测度

(1)将依据式（19）计算C层指标体系的评估值：

其中，yi为单指标计算结果；“∘”为扎德算子M(∗,⊕)。

(2)A，B模型

其中，Y为总指标评估结果；Y=(y1,y2,…,ym)T。

4 中关村国家自主创新示范区知识互补能力实证

由于创新集群的边界模糊性和动态性，划出一个单纯的创新集群是不太现实的，而且为了研究具有普遍性，应该是取许多创新集群的平均值来研究。从国内创新集群建设的情况来看，中关村国家自主创新示范区（以下简称中关村创新示范区）是创新集群最集中的地区，而且在园区内的集群大多都是创新集群。为了简化研究，可以认为在中关村示范区内的集群都是创新集群。

在研究过程中，为了确保数据真实性、可靠性、易量化，由式（4），根据知识互补能力指标体系，通过查阅统计年鉴和相关网络资源获取中关村创新示范区的数据，建立中关村创新示范区的各指标数据矩阵。

由式（4）计算知识互补能力测度变化情境下的知识转移综合能力测度值。知识转移综合能力模型中，知识存量差距，知识吸收能力，知识社会资本能力等参数的数据暂时设为常值[8]，μ=0.8，Gi=0.8，ψi=0.8，δi=0.7，F(t)=0.8，C=10。

代入程序运算，得到知识互补能力与知识转移综合能力的对应值和变化趋势（如表2，图1）。

图1 中关村创新示范区知识互补能力与知识转移综合能力的变化趋势图

表2 中关村创新示范区知识互补能力与知识转移综合能力测度值

5 结论

由图1可以看出，在其他条件不变的情况下，中关村创新示范区的知识转移综合能力随着知识互补能力的提升而提升，呈正相关关系。这符合式（4）知识互补能力与知识转移综合能力呈正相关的假设。

中关村创新示范区2001年至2010年的知识互补能力呈现比较明显的上升趋势，说明中关村创新示范区总体上讲分工越来越精细。这与中关村创新示范区的十亿以上大企业的快速发展、新“瞪羚”企业的较强成长是相一致的。

从数据分析可以看出，中关村创新示范区的知识主体之间非常重视知识与技能的交流和共享，知识主体之间的合作创新呈现大好前景，体现在科技合作、人才流向和知识交流等方面。从测度值来看，科技合作发展较快，评估值由2001年的0.1026急速达到2010年0.6089（但也有波动，2005年至2006年之间由0.3710降为0.2942，但总趋势还是上升的）；人才流向可以看出，中关村创新示范区这几年引进了众多人才；知识交流方面发展较快，2001年评估值为0.0753，到2010年达到0.9632，三者充分提高了知识互补能力。

[1] 汪丁丁.知识沿时间和空间的互补性以及相关的经济学[J].经济研究,1997,(6).

[2] 李红玲,廖建桥.从Shannon-Weaver到Boisot：解读国外若干典型知识转移模型[J].科技管理研究,2008,(4).

[3] Verspagen B.A.New Empirical Approach to Catahing up or Falling Behind[J].Structural Change and Economic Dynamics,1991,2(2).

[4] 汪丁丁.语言的经济学分析[J].社会学研究,2001,(6).

[5] 朱美光.空间知识溢出与中国区域经济发展研究[D].北京理工大学,2006.

[6] 郑展.知识流动与区域创新网络研究[D].北京理工大学,2009.

[7] 王晓凤.基于知识流动的区域孵化功能研究[D].北京理工大学,2010.

[8] 宋琦.知识溢出下创新集群空间经济增长研究[D].北京理工大学,2010.