[论文解读] Measuring Triple-Helix Synergy in the Russian Innovation Systems at Regional, Provincial, and National Levels

Loet Leydesdorff, Evgeniy Perevodchikov+1 more|arXiv (Cornell University)|Oct 11, 2013

University-Industry-Government Innovation Models被引用 7

一句话总结

本文使用互信息方法，基于企业规模、技术知识基础和地理位置在国家、地区和省级三个层面，衡量俄罗斯创新系统中的三螺旋协同效应。利用来自Orbis（2011年）的50万条企业级数据，研究发现协同效应主要局限于莫斯科（占知识基础的22.8%）和知识密集型服务业（KIS），而高科技制造业则破坏了区域协调，KIS仅在83个联邦主体中的30个促进协同效应，主要集中在行政中心。

ABSTRACT

We measure synergy for the Russian national, provincial, and regional innovation systems as reduction of uncertainty using mutual information among the three distributions of firm sizes, technological knowledge-bases of firms, and geographical locations. Half a million data at firm level in 2011 were obtained from the Orbis database of Bureau Van Dijk. The firm level data were aggregated at the levels of eight Federal Districts, the regional level of 83 Federal Subjects, and the single level of the Russian Federation. Not surprisingly, the knowledge base of the economy is concentrated in the Moscow region (22.8%); St. Petersburg follows with 4.0%. Only 0.4% of the firms are classified as high-tech, and 2.7% as medium-tech manufacturing (NACE, Rev. 2). Except in Moscow itself, high-tech manufacturing does not add synergy to any other unit at any of the various levels of geographical granularity; instead it disturbs regional coordination even in the region surrounding Moscow ("Moscow Region"). In the case of medium-tech manufacturing, there is also synergy in St. Petersburg. Knowledge-intensive services (KIS; including laboratories) contribute 12.8% to the economy in terms of establishments and contribute to the synergy in all Federal Districts (except the North-Caucasian Federal District), but only in 30 of the 83 Federal Subjects. The synergy in KIS is concentrated in centers of administration. Unlike Western European countries, the knowledge-intensive services (which are often state-affiliated) thus provide backbone to an emerging knowledge-based economy at the level of Federal Districts, but the economy is otherwise not knowledge-based (except for the Moscow region).

研究动机与目标

• 评估俄罗斯创新系统中三螺旋模型三大组成部分——高校、产业和政府——之间的协同程度。
• 研究企业规模、技术知识基础和地理位置的分布如何相互作用，以减少创新系统中的不确定性。
• 分析俄罗斯联邦主体和联邦地区间基于知识的经济活动的空间集聚特征。
• 确定高科技和中等技术制造业是否促进区域协调或造成其破坏。
• 评估知识密集型服务业（KIS），包括国家附属实验室，在不同行政层级下促进创新协同效应的作用。

提出的方法

• 采用互信息作为协同效应的度量，量化企业规模、技术知识基础和地理位置三个分布之间不确定性降低的程度。
• 使用Bureau Van Dijk的Orbis数据库提供的2011年俄罗斯50万家企业级数据。
• 在三个层级上聚合数据：8个联邦联邦区、83个联邦主体（地区）以及俄罗斯联邦国家层面。
• 根据NACE Rev. 2将企业分类为高科技（0.4%）、中等技术（2.7%）和其他制造部门。
• 分析知识密集型服务业（KIS）对协同效应的贡献，区分国家附属与私营KIS。
• 应用信息论方法，检测区域间协调与碎片化的模式。

实验结果

研究问题

• RQ1 企业规模、技术知识基础和地理位置的整合在多大程度上减少了俄罗斯创新系统中的不确定性？
• RQ2 高科技制造业的存在如何影响莫斯科地区及其周边区域的区域协调与协同效应？
• RQ3 在哪些联邦联邦区和联邦主体中，知识密集型服务业（KIS）对创新协同效应有显著贡献？
• RQ4 尽管存在KIS，为何俄罗斯创新系统在莫斯科以外地区仍非广泛基于知识？
• RQ5 行政中心与外围地区在知识与创新活动的空间分布上存在何种差异？

主要发现

• 莫斯科地区占俄罗斯技术知识基础的22.8%，是创新的主导中心。
• 圣彼得堡贡献了全国4.0%的知识基础，并在中等技术制造业中表现出协同效应。
• 高科技制造业（占企业总数的0.4%）并未增强区域协同效应，反而破坏了协调，即使在莫斯科地区也是如此。
• 知识密集型服务业（KIS）占企业总数的12.8%，并在除北高加索联邦区外的所有联邦联邦区产生协同效应。
• KIS协同效应集中于83个联邦主体中的30个，主要集中在行政中心，表明创新支持体系具有自上而下的结构特征。
• 俄罗斯创新系统在莫斯科以外地区仍主要非基于知识，KIS仅带来有限且局部的协同效应，且缺乏广泛的技术整合。