林周周 李 丹 李盛楠

(1. 苏州大学政治与公共管理学院； 2. 哈尔滨工程大学经济管理学院；3. 南京工业大学经济与管理学院)

1 研究背景

区域创新系统作为国家创新体系的重要组成部分，是增强区域核心竞争力、推进国家创新驱动发展战略的有效途径，而区域专利产出的提升，则是区域创新系统高质量发展的关键。知识经济时代，提升区域专利产出不再是单纯依靠物质资源的投入，起关键作用的往往是知识资源[1]。从现实角度来说，区域专利产出的提升渠道主要分为两条：①依靠区域自身研发努力；②通过知识溢出和知识转移等方式获取区域外部知识[2]。面对经济新常态下的资源约束等问题，如何充分发挥区域内外部知识的创新驱动效应成为学术界研究的热点[3]。此时，知识源化战略的提出受到了学者们的广泛关注[4]。知识源化战略是指区域创新系统为产生新知识与新技术，根据自身有限的资源条件，通过内部知识创造或外部知识获取增加区域知识存量，并将异质性知识源化进行整合与利用的一种战略。其中，依靠内生努力而实现新知识的产生称之为内部知识源化战略；从其他区域获取外部知识以弥补本地创新资源的不足称之为外部知识源化战略[5,6]。

目前，知识源化对区域专利产出的作用效果已获得广泛认可，但由于知识源化衡量标准的差异，加上很少综合考虑知识源化主效应及其内外部交互效应对区域专利产出的异质性影响，致使相关研究的具体结论存在较大争议。此外，知识源化在作用区域创新过程中，还会受到区域知识产权保护强度和区域消化吸收能力的影响与制约[7,8]。鉴于此，本研究立足知识源异质性视角，在试图优化知识源化划分标准与测度方法的基础上，将不同类型知识源化纳入到同一分析框架内，并分别引入知识产权保护强度和消化吸收能力为门槛变量，从主效应和交互效应两个方面深刻揭示在不同控制因素作用下，知识源化对区域专利产出的非线性差异化影响，进而为明晰知识源化作用机理和促进区域专利产出提升提供有益借鉴。

2 文献回顾

关于知识源化对区域专利产出的影响，学者们主要从内部知识源化和外部知识源化两个角度展开研究。在内部知识源化效应的研究中，多数学者肯定了内部知识源化的积极影响[9,10]，但也有学者发现内部知识源化对区域专利产出的作用效果并不都是显著的[11]。在外部知识源化效应的研究中，大致可分为3类观点：①积极效应，即区域创新系统吸收到的外部知识源化，能够缓解本地创新活动对知识技术的需求压力，一定程度上弥补了创新资源的不足[12]；②消极效应，即外部知识源化对本地创新活动会产生“挤出效应”，从而抑制区域专利产出的提升[13]；③外部知识源化与区域专利产出的关系并不显著[14]。在同时考虑内外部知识源化的综合效应研究中，学者们普遍认为，不同类型的组合知识对区域专利产出的差异化影响是较为明显的[15]。

综上，学者们围绕着知识源化与区域专利产出的关系进行了较为深入的研究，但同时可以发现，知识源化影响区域专利产出的研究结论却不一致，包括积极效应、消极效应和无显著影响等。造成此现象的可能原因如下：①知识源化划分标准与衡量方式的差异。区域创新系统在发展过程中会涉及多种知识源化，如何对其进行科学划分与准确测度成为关键一步。②缺乏对知识源化与区域专利产出非线性关系的针对性探讨。考虑到中国各区域知识产权保护强度与消化吸收能力等存在较大差异的客观事实，故更有必要考虑异质门槛因素的影响。③忽略了内外部知识源化交互效应对区域专利产出的复杂性影响。尽管近年来一些学者意识到了内外部知识源化交互效应对区域专利产出的重要性，并进行了相关研究的尝试，但不可否认的是，这方面的研究成果和研究程度还远远不够。

3 研究设计

3.1 变量说明

本研究各变量的说明如下。

(1)被解释变量被解释变量即区域专利产出。由于专利申请数仅代表各创新主体进行专利产出的努力程度，而发明专利授权数具有信息完整、客观性强、创新质量高及易获取等特点，能够较为直接地反映区域内实际发生作用的专利数量，故本研究采用发明专利授权数表征区域专利产出[16]。

(2)解释变量解释变量即知识源化。知识源化的概念主要来源于知识源化战略的提出。其中，内部知识源化表示区域创新系统通过内部研发而产生的自有知识；外部知识源化表示区域创新系统从其他区域获取的外部知识，既包括客观上来自其他区域的无意识知识流动，也包括主观上与其他区域开展的知识合作或知识引进等有意识知识流动。基于此，本研究立足知识源异质性视角，首先根据区域边界的内外部知识，将区域创新活动所涉及到的知识源化划分为内部知识源化和外部知识源化；然后以外部知识源化的属性差异为切入点，将其进一步划分为无意识的外部知识溢出和有意识的外部知识转移，以期实现对知识源化的科学划分。

①内部知识源化。对于内部知识源化的测度，通常从投入或产出两个视角着手，且无论从哪一视角出发，其结果都具有科学性与一致性[17]。由于从产出视角测度内部知识源化不可避免地会涉及隐性知识的估算，这在一定程度上会导致测度结果的准确性降低。由此，为避免对隐性知识的遗漏，本研究选择基于投入视角测度内部知识源化。借鉴李婧等[17]的做法，采用R&D活动经费内部支出表征内部知识源化，并利用永续盘存法对区域内部知识源化存量进行核算。计算公式如下：

IKit=(1-δ)IKi(t-1)+Lit/Pit，

(1)

式中，IKit、IKi(t-1)分别表示i省t年、(t-1)年的内部知识源化存量；δ表示折旧率，取值15%；Lit表示i省t年的名义R&D经费支出；Pit表示i省t年的R&D支出价格指数。其中，R&D支出价格指数=人员劳务费所占权重×居民消费价格指数+仪器设备费所占权重×固定资产投资价格指数[18]。

②外部知识溢出。关于外部知识溢出的测度方法，主要包括技术流动法、成本函数法、文献跟踪法及生产函数法[19]。前两种方法未能体现知识溢出的局域性特征，第三种方法数据获取非常困难，故第四种方法成为主流选择。由于外部知识溢出体现的是区域间产生的一种无意识知识流动，故本研究在衡量外部知识溢出时，仅考虑中国两两区域之间的外溢知识，而选择暂时忽略其他国家或地区的外部知识，并将这部分外部知识划入到外部知识转移中。事实上，从其他国家或地区获取的外部知识主要通过外商直接投资和国际贸易来实现，其本质是一种有意识的外部知识转移。这主要是因为这部分外部知识在转移过程中会受到中国各区域经济发展水平、地理位置、文化背景以及政策导向等多种原因的综合影响。

本研究引入Verspagen-Cani⊇ls知识溢出模型对外部知识溢出进行测度[20,21]；同时，将该模型的省际距离衰减指数设定为2，以凸显地理距离对外溢知识的影响[22]。据此，构建的外部知识溢出测度模型如下：

(2)

式中，KSi表示区域i从其他区域b吸收到的知识溢出；N表示其他区域总数；dib表示区域间省会距离；Rib=ln(IKb/IKi)表示区域间内部知识源化差距；ηi和φi表示区域i两种不同的固有学习能力，分别取值1和0，即暂时忽略区域间学习能力的差异[23]。

③外部知识转移。知识转移即知识在主体间或组织间传递与交换的动态过程。外部知识转移作为有意识的知识流动，具有多种知识转移渠道。它既包括从国内其他区域开展的知识合作与知识引进，还包括从其他国家或地区开展的知识合作与知识引进[24]。本研究立足区域层次视角，从区际知识转移和国际知识转移两部分着手，同时考虑知识合作与知识引进的具体知识转移方式，构建外部知识转移测度指标体系，并利用客观赋权的熵权法确定各指标权重，旨在全方位多角度衡量外部知识转移。具体测度指标体系见表1。

表1 外部知识转移测度指标体系

(3)门槛变量本研究有针对性地选择两个第三方关系因素为门槛变量，即知识产权保护强度和消化吸收能力。其中，知识产权保护强度用以考察内部知识源化对区域专利产出的非线性影响；消化吸收能力用以探讨外部知识源化以及内外部知识源化交互对区域专利产出的非线性影响。

①知识产权保护强度。知识产权保护强度的测度方式主要分为两类：一是从立法与执法角度，利用G -P指数、知识产权保护强度指数或知识产权侵权结案率来测度[25]；二是从技术交易市场角度，采用技术转让市场规模来衡量[26]。基于立法与执法角度测度的知识产权保护强度，综合考虑了立法、司法和执法等多方面因素，故成为国内多数学者的选择。但在实际分析时，却客观存在着统计资料限制、度量方法主观及缺乏质量效应等缺陷，如司法地方保护现象普遍存在、统计数据不足与口径不一致等。而技术转让市场规模，具有客观性、综合性及可比性等特点，且其原始数据均来自《中国统计年鉴》，统计口径一致，数据可获取性强。由此，本研究选择技术转让市场规模表征知识产权保护强度，并利用技术市场成交额占GDP的比重表示[27]。

②消化吸收能力。就外部知识源化以及内外知识源化交互而言，区域外部知识具有来源复杂多样和属性各异等特征，虽然可以带来先进的技术与知识，但与本地创新的匹配度和适用性较低。如何准确识别、消化和利用区域外部知识是关键环节。人作为知识的重要载体，其自身学习能力的高低关系到可否最大限度地实现外部知识内化，从而缓解因外部知识与本地创新活动匹配度不高而造成的消极效应。对于一个地区来说，大学毕业生能够通过就业等方式将知识转移到高校、企业等机构内，进而提升区域专利产出。由此，参考柳卸林等[28]的做法，本研究采用各地区大专以上学历人数占地区总人口的比重表征消化吸收能力。

(4)控制变量为准确探讨知识源化对区域专利产出的非线性影响，本研究引入基础设施水平、经济发展水平、政府干预程度、人力资本水平、金融深化程度为控制变量，并分别采用3类交通总里程占地区面积的比重、人均GDP、政府财政支出占GDP的比重、加权人均受教育年限、金融机构存贷款余额占GDP的比重来表征。

3.2 模型构建

关于变量间非线性关系的估计方法，主要包括分组检验法、交互项检验法和门槛回归法。考虑到前两种检验方式不仅无法客观确定门槛值、门槛区间及相应的置信区间，还不能检验门槛值的显著性与真实性，而HANSEN[29]提出的门槛面板回归技术恰好可以克服以上缺陷。由此，本研究采用Hansen门槛面板回归模型，从主效应和交互效应双重视角构建知识源化影响区域专利产出的门槛面板回归模型。具体如下。

(1)内部知识源化主效应门槛回归模型构建以知识产权保护强度为门槛变量的内部知识源化影响区域专利产出的多重门槛面板回归模型(以双重门槛为例)：

lnRPit=α+α1lnTFit+α2lnREit+α3lnGIit+

α4lnHCit+α5lnFDit+β1lnIKit×I(lnIPit<λ1)+

β2lnIKit×I(λ1≤lnIPit<λ2)+

β3lnIKit×I(lnIPit≥λ2)+μi+νt+εit，

(3)

式中，α表示常数项；i表示省份；t表示年份；RPit为被解释变量，表示i省t年的区域专利产出；IKit为解释变量，表示i省t年的内部知识源化；IPit为门槛变量，表示i省t年的知识产权保护强度；I(*)为指示函数，当括号内条件满足时取值为1，反之取值为0；λ1和λ2为双重门槛值；β1～β3为解释变量的估计系数；TFit、REit、GIit、HCit、FDit为控制变量，分别表示i省t年的基础设施水平、经济发展水平、政府干预程度、人力资本水平、金融深化程度；α1～α5为控制变量的相应估计系数；μi和νt分别为个体固定效应和时间固定效应；εit为随机误差项。

(2)外部知识源化主效应门槛回归模型首先构建以消化吸收能力为门槛变量的外部知识溢出影响区域专利产出的多重门槛面板回归模型(以双重门槛为例)：

lnRPit=α+α1lnTFit+α2lnREit+α3lnGIit+

α4lnHCit+α5lnFDit+β1lnKSit×I(lnACit<λ1)+

β2lnKSit×I(λ1≤lnACit<λ2)+

β3lnKSit×I(lnACit≥λ2)+μi+νt+εit，

(4)

式中，KSit为解释变量，表示i省t年的外部知识溢出；ACit为门槛变量，表示i省t年的消化吸收能力。

同理，构建外部知识转移多重门槛面板回归模型(以双重门槛为例)：

lnRPit=α+α1lnTFit+α2lnREit+α3lnGIit+

α4lnHCit+α5lnFDit+β1lnKTit×I(lnACit<λ1)+

β2lnKTit×I(λ1≤lnACit<λ2)+

β3lnKTit×I(lnACit≥λ2)+μi+νt+εit，

(5)

式中，KTit为解释变量，表示i省t年的外部知识转移。

(3)内外部知识源化交互效应门槛回归模型首先构建以消化吸收能力为门槛变量的内部知识源化与外部知识溢出交互效应对区域专利产出影响的多重门槛面板回归模型(以双重门槛为例)：

lnRPit=α+α6lnIKit+α7lnKSit+α8lnKTit+

α1lnTFit+α2lnREit+α3lnGIit+α4lnHCit+

α5lnFDit+β1lnIKit×lnKSit×I(lnACit<λ1)+

β2lnIKit×lnKSit×I(λ1≤lnACit<λ2)+

β3lnIKit×lnKSit×I(lnACit≥λ2)+μi+νt+εit。

(6)

同理，构建内部知识源化与外部知识转移交互效应多重门槛面板回归模型(以双重门槛为例)：

lnRPit=α+α6lnIKit+α7lnKSit+α8lnKTit+

α1lnTFit+α2lnREit+α3lnGIit+α4lnHCit+

α5lnFDit+β1lnIKit×lnKTit×I(lnACit<λ1)+

β2lnIKit×lnKTit×I(λ1≤lnACit<λ2)+

β3lnIKit×lnKTit×I(lnACit≥λ2)+μi+νt+εit。

(7)

3.3 数据来源

本研究选取2009～2018年中国30个省份(西藏和港澳台地区因数据缺失而未被分析)的面板数据为样本[注]以2009年为分界点，《中国科技统计年鉴》《中国区域创新能力评价报告》等出现了统计指标与统计数据的大调整，导致本研究所涉及的一些变量指标的统计口径前后发生了变化，为了保证数据资料的前后一致性，将2009年作为样本取样时间的起始年；此外，最新出版的《2020年中国区域创新能力评价报告》，其内部统计数据的年份为2018年。为使研究结果更为准确，本研究采用的是平衡面板数据，故选择2009～2018年作为样本取样时间进行实证分析。，其原始数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国区域创新能力评价报告》以及各省统计年鉴，最终获取的观测值为300。各变量的描述性统计结果见表2。

表2 变量的描述性统计(N=300)

4 实证分析

4.1 内部知识源化主效应模型门槛回归分析

(1)门槛效应检验与门槛值估计首先，基于知识产权保护强度为门槛变量的显著性检验结果与门槛估计值分别见表3和表4。

表3 门槛效应显著性检验(N=300)

表4 门槛估计值及其95%置信区间(N=300)

由表3可知，单一门槛和双重门槛对应的自抽样p值分别是0.038和0.004，二者均通过了显著性检验。根据HANSEN[29]门槛理论，可以认为内部知识源化对区域专利产出的影响显著存在着非线性特征，且以双重门槛的经济意义更为重要。由表4可知，双重门槛估计值分别为-6.963和-3.704，且分别位于95%置信区间[-7.071，-6.592]和[-4.089，-3.704]内。

其次，利用最小二乘的似然比统计量LR进一步检验双重门槛估计值的真实性。检验结果分别见图1和图2。其检验过程分为两部分：当纵坐标LR值为0时，横坐标门槛参数的值即为门槛估计值；在95%置信区间条件下，LR值小于7.35(图中虚线)所构成的区间即为门槛值的置信区间。

由图1和图2可知，当LR值取0时，对应的两个门槛参数分别为-6.963和-3.704，即门槛估计值；当所有LR值小于7.35时，这两个门槛估计值的置信区间分别为[-7.071，-6.592]和[-4.089，-3.704]，均处于相应的置信区间，可以认为双重门槛估计值通过了真实性检验。由此，本研究选择双重门槛模型进行后续分析。

(2)模型参数估计结果以知识产权保护强度为双重门槛的内部知识源化主效应模型回归结果见表5。

表5 内部知识源化主效应模型回归结果(N=300)

由表5可知，在双重门槛条件下，当知识产权保护强度小于-6.963时，内部知识源化的回归系数为1.102；当知识产权保护强度处于-6.963和-3.704之间时，内部知识源化的回归系数为1.161；当知识产权保护强度大于-3.704时，内部知识源化的回归系数为1.106。这3个回归系数均在1%的水平下显著。由此，表明内部知识源化对区域专利产出的影响存在显著的非线性差异化特征。从中可以发现以下两点：①这3个回归系数均显著为正，说明在知识产权保护强度门槛条件下，内部知识源化对区域专利产出的影响总是存在显著的促进效应。内部知识源化作为区域创新生产的基本要素，具有外部性和不确定性等特征。这就导致通过内部知识源化产生的创新成果不可避免地存在着外部性问题，即区域创新系统很难阻止其他区域创新系统通过模仿、山寨等方式对其创新成果产生侵权行为。由此带来的后果是极大地挫伤了原始创新的积极性，长此以往，将非常不利于创新驱动发展战略的有效实施以及创新型国家的高端建设。而知识产权保护制度的建立与完善能够很好地减少外部性问题。通过知识产权制度及其保护强度，可以在一定程度上保证创新成果的排他性占有，降低创新成果被侵犯的风险，使得区域创新系统获得长期的竞争优势，刺激并鼓励区域创新系统愿意投入更多的内部知识源化，以进一步提升区域专利产出，增加创新成果的期望收益。②这3个回归系数先增后减，说明随着知识产权保护强度的逐渐提升，内部知识源化的促进效应先升后降。知识产权保护强度的适度提升，有助于激发原始创新活力，提高自主创新积极性；但过高的知识产权保护强度反而会抑制内部知识源化的促进效应。这主要是由中国在建设创新型国家过程中所处的阶段决定的。知识产权保护制度对创新产生的正向效应已获得学术界的广泛认可，但就知识产权保护强度的高低问题，仍存在一定的分歧。事实上，发达国家通常采用严格的知识产权保护政策，而发展中国家由于自身技术落后等原因，一般采用相对宽松的知识产权保护政策。如果不结合自身实际，盲目实施高强度的知识产权保护，将不利于创新的健康发展。目前，中国在建设创新型国家中正处于过渡阶段，知识产权保护强度并非越高越好。由此，各区域应基于自身知识积累和创新产出水平而实施恰当的知识产权保护政策，以使内部知识源化驱动区域专利产出提升的最大化。

4.2 外部知识源化主效应模型门槛回归分析

(1)门槛效应检验与门槛值估计以消化吸收能力为门槛变量的门槛效应检验结果与门槛估计值分别见表6和表7。

表6 门槛效应显著性检验(N=300)

表7 门槛估计值及其95%置信区间(N=300)

由表6和表7可知，外部知识溢出和外部知识转移的双重门槛均通过了1%水平下的显著性检验，且具有相同的门槛区间；双重门槛估计值-2.171和-1.610，分别位于相应的95%置信区间内。由此，本研究选择双重门槛模型进行实证分析。

外部知识溢出门槛估计值的似然比函数描述分别见图3和图4，外部知识转移门槛估计值的似然比函数描述分别见图5和图6。

图3 外部知识溢出门槛值-2.171的似然比函

由图3和图4可知，外部知识溢出门槛估计值与其真实值相同；同理，由图5和图6可知，外部知识转移门槛估计值与其真实值也相同。总之，外部知识溢出和外部知识转移均存在基于消化吸收能力的双重门槛效应，且两者的门槛区间均对应相等。

(2)模型参数估计结果以消化吸收能力为双重门槛的外部知识源化主效应模型回归结果见表8。

由表8可知，外部知识溢出主效应中，在消化吸收能力双重门槛条件下，外部知识溢出的回归系数分别为0.439、0.413、0.675，均为正数，且都通过了1%水平下的显著性检验。这说明外部知识溢出对区域专利产出的积极影响存在显著的门槛效应特征，且又以消化吸收能力高门槛区间的促进效应最大。外部知识溢出作为一种无意识的知识流动，其运行过程是动态变化的。区域创新系统从其他区域吸收外溢知识并进行学习、识别、消化等内化过程中，必然会受到区域消化吸收能力的影响。通常情况下，消化吸收能力越高的区域，对外溢知识的利用效率就越明显，有助于实现更高水平创新成果的产生。

表8 外部知识源化主效应模型回归结果(N=300)

外部知识转移主效应中，在消化吸收能力双重门槛条件下，外部知识转移的回归系数分别为1.143、1.198、0.878，均为正数，且都通过了1%水平下的显著性检验。这表明区域创新系统获取到的外部知识转移对区域专利产出均存在显著的正向门槛效应，且又以消化吸收能力中门槛区间的正向效应最大。外部知识转移作为一种有意识的知识流动，是区域创新系统根据自身创新发展需要而获取外部知识的重要途径。通过提高区域消化吸收能力，增强对外部知识的学习与利用，弥补本地创新资源的不足，从而实现区域专利产出的进一步提高。然而，外部知识内化是一项复杂工程，并不只是单纯要求提高区域消化吸收能力，更要与本地创新的实际情况相适应，避免出现创新资源浪费或重复占用等问题。

4.3 内外部知识源化交互效应模型门槛回归分析

本研究运用门槛面板回归技术，对基于消化吸收能力门槛的两种内外部知识源化交互效应模型进行门槛效应检验与门槛值估计。结果表明，两种内外部知识源化交互效应模型的双重门槛均通过了1%水平的显著性检验，且具有相同的门槛区间；同时，双重门槛估计值-2.043和-1.610均通过了LR似然比统计的真实性检验。由此，内外部知识源化交互效应模型回归结果见表9。

表9 内外部知识源化交互效应模型回归结果(N=300)

由表9可知，内部知识源化与外部知识溢出交互效应中，在消化吸收能力双重门槛条件下，内部知识源化与外部知识溢出交互的回归系数分别为0.068、0.067、0.079，均为正，且在1%的水平下显著。这说明内部知识源化与外部知识溢出在影响区域专利产出过程中，显著存在基于消化吸收能力的协同效应。通过外部知识溢出获取的无意识外溢知识，是基于区域内部知识源化产生的，具有适用性较强、匹配度较高等优势。在消化吸收能力作用下，区域创新系统能够加速外溢知识与本地内部知识源化的融合，更有效地发挥知识资源在区域创新过程中的关键作用，加快创新活动的开展与专利产出的提升。

内部知识源化与外部知识转移交互效应中，在消化吸收能力双重门槛条件下，内部知识源化与外部知识转移交互的回归系数分别为-0.079、-0.076、-0.095，均为负，且在1%的水平下显著。这说明内部知识源化与外部知识转移在影响区域专利产出过程中，显著存在基于消化吸收能力的互斥效应。通过外部知识转移直接获取的有意识知识在来源、类型、形式等方面异质性严重，致使其与内部知识源化的匹配度和契合度不高。区域创新系统的专利技术研发成果往往对知识的识别与利用具有更高的要求。如果将转移知识直接作用于本地创新活动，很可能产生一定程度的竞争效应和挤出效应，从而产生无法促进甚至抑制区域专利产出的现象。

4.4 知识源化效应模型门槛回归结果综合分析

为完整呈现知识源化主效应及其内外部交互效应对区域专利产出的非线性影响，同时便于直观地综合分析知识源化效应模型门槛回归结果，结合表5、表8和表9分别绘制了不同门槛区间下知识源化效应的非线性变化图。具体见图7～图9。

由图7～图9可知：①无论是从内部知识源化、外部知识源化，还是从内外部知识源化交互视角，实证结果均表明，知识源化对区域专利产出的作用效果均存在显著的双重门槛特征，二者呈现明显的非线性关系。其中，内部知识源化主效应会受限于区域知识产权保护强度，而外部知识源化主效应及内外部知识源化交互效应会受限于区域消化吸收能力，且分别具有相同的门槛区间。②从主效应视角来看，在不同门槛条件下，内部知识源化和外部知识源化对区域专利产出的非线性效应均显著为正。这说明知识源化作为专利创新产生的核心要素，能够为区域创新系统高质量发展提供最具价值的资源。通过对比外部知识溢出与外部知识转移的回归系数可以发现，外部知识转移对区域专利产出的促进效应较外部知识溢出在整体上更强。这与两种外部知识源化的来源属性差异是分不开的。外部知识转移是区域创新系统根据自身实际需要，而从其他区域主动获取的外部知识，具有针对性强、实用性高等优点。就外部知识溢出而言，它是区域创新系统经过无意识的知识流动，而从其他区域获取的外部知识。外溢知识能否被利用以及能被利用多少，都存在一定的变动性。由此，在同时考虑消化吸收能力下，外部知识转移较外部知识溢出更能有效地促进区域专利产出提升。③从交互效应视角来看，随着消化吸收能力门槛值的提升，两种内外部知识源化交互效应对区域专利产出分别呈现出截然不同的影响，即内部知识源化与外部知识溢出的协同效应先降后升，以及内部知识源化与外部知识转移的互斥效应先减后增(回归系数的绝对值先小后大)；并且，内部知识源化与外部知识溢出的协同效应整体更强。其原因如下：一方面，内外部知识融合的程度往往与区域消化吸收能力是分不开的。较高的区域消化吸收能力能够对吸收到的外溢知识资源进行甄别、消化与利用，更好地实现内外部知识的聚合。不仅可以剔除那些对本地创新活动产生互斥效应和竞争效应的外溢知识，还可以发挥外溢先进知识的示范效应，进一步提高区域专利产出。另一方面，外部知识转移虽然属于一种有意识的知识流动，但如何准确地识别、消化及利用是关键环节。这就要求各区域在创新过程中对转移知识具有较强的消化吸收能力。随着消化吸收能力的提升，能够更大程度地实现转移知识内化，以缓解因转移知识与本地创新匹配度不高而造成的消极效应。

5 结语

本研究采用2009～2018年中国省域面板数据，运用门槛面板回归技术，以知识产权保护强度和消化吸收能力为门槛变量，从主效应和交互效应两方面实证探讨了知识源化对区域专利产出的非线性影响，主要得到如下结论：①内部知识源化对区域专利产出的影响，显著存在以知识产权保护强度为双重门槛的复杂非线性特征，且其促进效应呈现出先升后降的变化态势。②两种外部知识源化对区域专利产出均显著存在以消化吸收能力为双重门槛的正向非线性效应，且具有相同的门槛区间；外部知识转移的正向效应较外部知识溢出在整体上更强。③两种内外部知识源化交互对区域专利产出的双重门槛效应均显著存在，且门槛区间相同；随着消化吸收能力门槛值的提高，分别呈现出协同效应先降后升和互斥效应先减后增的异质性特征，且协同效应整体更强。由此得到以下几点启示：①持续增加内部知识源化，努力提高内部知识源化利用效率，并实施宽严适度的知识产权保护政策；②降低外部知识溢出壁垒，建立健全外部知识转移机制，切实提高区域消化吸收能力；③搭建内外部知识源化交互平台，营造良好的内外部知识源化交互环境，深化内外部知识源化交互程度，并建立内外部知识源化驱动创新发展支撑体系。

本研究仍存在一些不足：①所选取的知识源化测度指标均是定量指标，未来研究将进一步拓宽知识源化测度的广度和深度，适当增加定性指标；②知识源化作用区域专利产出是一个复杂的动态过程，未来研究可在非线性考察的基础上，进一步分阶段来对其进行深入探讨。