推文作者简介：李凌云，北京大学企业大数据研究中心、国家发展研究院2020级博士。

一、摘要

高科技产业聚集在几个中心城市,美国的计算机,半导体,生物行业中前十个大产业集群中的发明人分别占据所有美国发明人总数的69%，77%和59%。本文使用了涵盖109846个发明人的数据,研究发现地理集聚对产出有很大的影响。当一个发明人转移到另一个城市中同一领域但发明人更多的集群时,该发明人的专利产出和专利质量都有显著的提高。另外发明人的集聚也会有显著的产出外部性,增加发明的产出总量。

高科技产业集群的典型例子:

西雅图:亚马逊和微软两家大型互联网软件公司

波士顿:生物医药研究

奥斯汀(Austin):软件和通讯

罗利-达勒姆:大量制药企业

匹斯堡:自动驾驶企业

硅谷:大量的创新企业

研究高科技产业集群的意义:

现代经济中高技术部门发挥着越来越重要的作用（Glaeser and Saiz 2004, Buera and Kaboski 2012）。1980-2010期间，高技术部门集中的城市平均工资比其它城市高（Moretti，2012）。在本文使用的专利数据中，以专利定义的高技术空间集聚很明显。

二、数据

2.1专利、发明者及其工作地

专利数据来源于COMETS (Connecting Outcome Measures in Entrepreneurship, Technology, and Science)数据库(Zucker and Darby 2014),包括全美1971-2007年共4229809条专利及其授权引用数据，其中90.9%的发明者受雇于企业，4.1%的受雇于大学，剩余则受雇于国家实验室、政府部门、非营利机构等。

发明者及其地址：专利的地址既有具体发明人的居住地址，也有其受雇或专利受让公司的地址，作者选取发明人的居住地址，因为公司的地址不能反映专利前期的研发活动地址。

发明者的地理分区：根据the Bureau of Economic Analysis’s(BEA)的分类，将全美分为179个“economic areas”，作者在后文称之为“城市”，每个发明者的地址都与相应的城市匹配。

专利所属研究领域:半导体(占所有专利的3.8%)，计算科学(占所有专利的12.6%)。生物化学(占所有专利的22.3%)，其他工程(占所有专利的52.7%)，其他科学(占所有专利的8.4%)。

专利所属技术等级:共分579个技术等级

发明者层面数据：统计发明者每年的发明数及被引用数；年份是按照专利申请年份确定，引用也是按被引用的专利申请年份确定；

如果一个专利有多个发明人，则平均分配专利数及引用数；

明星发明者（Top Inventors ）：样本期间的发明数位于前10%的发明者(star inventors)是本文的主要关注对象；同时，根据前10%来界定明星发明者过于随意，本文也做了前0.5%、1%、5%、25%和全样本的分析。

2.2集群

集群定义为城市和研究领域的组合，179个城市和5个研究领域一共形成895个集群。

集群规模的度量定义为当年的全部发明者在某个集群（城市领域）的专利数占当年该领域全部专利数的比例。

2.3专利质量的测度

专利数量统计不是完美的，不同专利发挥的效果不一,不同领域的专利申请倾向也不相同。为了弥补这种缺点，本文还使用后续引用(subsequent citations)测度专利质量。

并非所有的创新转化为专利形式，同时不少专利是跨研究领域的。这使得在以专利度量创新时发生偏差。因此，本文模型包含了研究领域年份、技术类别年份效应。

并非所有发明者的专利是按年连续产出的，这就存在样本选择问题。为了尽可能减少偏差，本文特别关注那些高产、每年或大多数年份有专利产出的明星发明者(Star inventor)。

三、罗彻斯特的高技术集群

3.1外生冲击与硅谷集群模式的生产力优势研究：

研究硅谷这种具体集群的生产力优势的可靠方法之一是利用对当地高技术集群的外生冲击。

一些美国高技术集群的兴起与没落为研究集群的生产力优势提供了很好的案例样本。本文关注于纽约州罗切斯特市的类似案例。

3.2柯达(Kodak)的案例：

柯达是在1980s和1990s相机胶卷生产的领导者，总部位于美国纽约州罗切斯特市。1971-2007年间全美专利数量排名第五，专利涉猎范围广泛，包含了所有五个研究领域。柯达是该市的最大专利拥有企业，在其专利数量顶峰年份（1996年），其专利数量占整个罗切斯特市的49%。但是1996年之后，由于电子摄影技术的兴起造成对胶卷需求的大幅下滑，从而使得柯达股价受到很大的负面冲击。

检验假说：用柯达的案例检验高技术集群的规模如何影响发明者的生产率。

DID回归：1996-2007年罗彻斯特市非柯达发明者生产率变化

四、发明者生产率和集群规模

4.1模型：

\(lny_{ijfkct}=\alpha lnS_{-ifct}+d_{ct}+d_{ck}+d_{ft}

+d_{kt}+d_{ct}+d_i+d_j+\mu_{ijfkct}\)

发明者i、企业j、科研领域f、技术类别k、城市c、年份t；

\(S_{-ifct}\)：排除发明者i的c城市、f科研领域、t年的集群规模；

d：一系列的固定效应，比如\(d_{cf}\)是城市*科研领域的效应

4.2动态响应

类似平行趋势检验:

\[lny_{ijfkct}=\sum_{s=-5}^{-1}\beta_slnS_{-ifc(t+s)}+\beta_0lnS_{-ifc(t)}+\sum_{s=1}^{5}\beta_slnS_{-ifc(t+s)}+d_{cf}+d_{ck}+d_{ft}+d_{kt}+d_{ct}+d_i+d_j+\mu_{ijfkct}\]

在集群变化的当年，对发明者的影响就显现了，这与之前的研究类似。前人研究发现在很多领域专利申请和研发的时间是接近的，在几个月甚至几周之间。

4.3工具变量估计——罗切斯特市案例

五、专利引用、异质性和稳健性

5.1为了研究发明者产出质量，本节关注专利的引用

5.2异质性

集群大小异质性,企业生产率异质性

发明者生产率异质性

5.3稳健性

跨领域溢出

集群质量以及团队

六、集聚对于创新总产出的效应

发明者总是集聚在少数的城市区域中，如果重新分配不同集群的规模，那么这种重新分配对于整个美国的总生产效应如何？

在本部分，作者使用发明者生产率对集群规模的弹性估算集聚对美国整体的宏观效应。

6.1空间集聚如何影响专利总数量

假说有两个集群A和B,规模为\(S_A\) 、\(S_B\)，且\(S_A\)> \(S_B\)

发明者i的产出函数：

\[y_{ic}=g(S_c)\]

g'＞0,Y1,,Y2是两种规模分配下的专利总量

\[Y^2-Y^1=S_A[g(\frac{S}{2})-g(S_A)]+S_B[g(\frac{S}{2})-g(S_B)]\]

将两个集群推广到多个集群，其余条件不变

\[Y_{ft}^2-Y_{ft}^1=\sum_cS_{cft}[g(\bar{S_{ft}})-g(S_{cft})]\]

发明者i的产出函数（根据表3列8的结果设定）

\[y_{ic}=S_c^{0.0662}\]

6.2对专利总数量的影响估算

七、结论

高技术企业的地理集中在美国非常明显，根据专利数据显示美国半导体、通讯等五个领域中的前10大城市专利规模占比均超过50%。

本文的重要发现是：一个发明者从小集群迁移到大集群将提升其专利年度产量或专利被引用数；同时，这种高技术集聚现象也有助于美国专利总数的提升。

原文信息：

Moretti, E. (2021). The Effect of High-Tech Clusters on the Productivity of Top Inventors.American Economic Review, 111(10), 3328 – 3375.

DOI:10.1257/aer.20191277