加载中...
Urban fragmentation and innovation collaboration: Evidence from China
本文度量了中国地级市的城市形态，并考察了其碎片化对当地创新活动的影响。利用1999年至2021年统一的卫星夜间灯光数据集，我们将城市区域描绘为由夜间相邻亮格形成的多边形。我们将城市形态的变化分解为两个部分：各个多边形的分散程度，以及以多边形之间空间距离日益增大为特征的碎片化程度。我们的实证分析表明，城市形态的恶化（通常意味着个体相见需要更长的通勤时间）与当地专利授权数量的减少相关，而城市碎片化是主要驱动因素。机制分析显示，加剧的城市碎片化尤其阻碍了协作式创新，主要是通过提高发明者团队内部的沟通成本。这些发现凸显了优化的城市空间结构在促进面对面互动和知识溢出方面的重要作用，而这对于创新生态系统至关重要。
Abstract
This paper measures the urban shape of Chinese prefecture-level cities and examines the impacts of its fragmentation on local innovation activity. Using a harmonized satellite nightlight dataset from 1999 to 2021, we delineate urban areas as polygons formed by adjacent bright grids at night. We decompose changes in a city's urban shape into two components: the dispersion of individual polygons, and the fragmentation characterized by the growing spatial separation between these polygons. Our empirical analysis reveals that deteriorating urban shape, which typically results in longer commutes for individuals to meet, is associated with fewer local patent grants, with urban fragmentation being the primary driver. Mechanism analysis reveals that intensified urban fragmentation disproportionately impedes collaborative innovation, primarily by elevating communication costs within inventor teams. These findings highlight the pivotal role of optimized urban spatial structures in fostering face-to-face interactions and knowledge spillovers essential for innovation ecosystems.
城市形态每增加一个标准差（25公里），专利授权量下降17.5%。
在控制城市和年份固定效应以及城市多边形总面积后，城市形态指标S每增加一个标准差（25公里），城市专利授权数量显著下降17.5%，表明城市形态恶化显著抑制了创新活动。
城市碎片化是抑制创新的主要因素，而单个多边形离散化影响不显著。
将城市形态分解为多边形间距离（Between_S）和多边形内部距离（Within_S）后发现，多边形间距离增大（即碎片化加剧）对专利授权有显著的负面影响，而多边形内部距离的影响不显著，证实了碎片化是城市形态恶化影响创新的主因。
城市形态恶化对合作专利的负面效应显著大于非合作专利。
机制分析表明，城市碎片化对合作专利（多发明人）的负面效应比对非合作专利（单发明人）更强，且这一差异在统计上显著，支持了面对面沟通成本是影响渠道的假说。
城市碎片化未显著差异化影响多领域专利与单领域专利的总量。
在总量上，城市碎片化对多领域专利（多IPC分类）和单领域专利的影响并无显著差异（交互项系数不显著）。然而，在多领域专利中，碎片化对协作专利的负面影响显著大于其在单领域专利中对协作专利的影响。
核心解释变量
城市形态指标 (S)，分解为多边形间距离 (Between_S) 和多边形内部距离 (Within_S)
被解释变量
专利授权数的反双曲正弦变换 (asinh(number of patents))，进一步区分合作与否、跨领域与否的专利类型
样本与数据
1999-2021年中国地级市面板数据，共6486个城市-年观测值。城市形态数据来源于统一的夜间灯光数据集PCNL，行政区划边界来自Dingel et al. (2021)和CnOpenData；专利数据来自国家知识产权局(CNIPA)。
识别方法 / 模型设定
利用1999-2021年中国城市面板数据，采用双向固定效应模型（城市固定效应和年份固定效应），控制城市多边形总面积，识别城市形态变化对创新的影响。核心识别假设是城市形态指标是预先决定的、难以精确操纵的。
内生性及稳健性检验
进行了多项稳健性检验：(1) 剔除直辖市和一线/省会等异常城市；(2) 使用非平衡面板；(3) 控制不同初始人口规模城市的异质性增长趋势；(4) 控制城市多边形数量；(5) 控制人力资本存量和宽带升级；(6) 剔除撤县设区涉及地区的专利。所有检验结果与基准结论一致。