加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Proximity and Knowledge Spillovers: Evidence from the Introduction of New Airline Routes
本文通过估计核心基础统计区（CBSA）对级专利引用量对新航线开通所引发的旅行时间变化的弹性，考察了邻近性与知识扩散之间的因果关系。研究发现，美国城市间旅行时间减少20%会使知识流动增加0.5%，在总量层面相当于增加超过15,000次引用。旅行时间缩短并非促进企业内部的 知识转移，而是主要促进了跨企业边界的知识溢出，尤其是在建立合资企业、相互持股或形成供应链关系的企业之间。这些效应在距离较远的城市对、吸收能力较高、技术类别复杂以及新开发技术中更为显著。进一步的机制检验表明，旅行时间缩短影响知识溢出的最可能渠道是通过促进跨CBSA的发明人流动和信息获取来影响隐性知识的转移。
Abstract
This paper examines the causal relationship between proximity and knowledge diffusion by estimating the elasticity of core-based statistical area (CBSA) pair-level citations to variations in travel time induced by the introduction of new flight routes. The findings reveal that decreasing travel time between U.S. cities by 20% increases knowledge flow by 0.5%, which corresponds to an increase of over 15,000 citations at the aggregate level. Rather than boosting within-firm knowledge transfer, travel time reduction leads to a rise in knowledge spillovers primarily across firm boundaries, particularly among those that form joint ventures, have block holdings in each other, or form supply chain relationships. These effects are stronger among city pairs located farther away from each other, with higher absorptive capacity, in complex technology classes, and for newly developed technologies. Additional mechanism tests suggest that the most likely channel through which travel time reduction impacts knowledge spillover is by influencing the transfer of tacit knowledge via facilitating cross-CBSA inventor flow and information acquisition.
旅行时间减少20%使知识流动增加0.5%
本文使用1980-2010年USPTO专利引用数据和美国交通部航空数据，构建超过300万个CBSA对-年度观测样本。基准连续处理强度DiD回归显示，Log(旅行时间)系数为-0.025，即旅行时间减少20%使专利引用流增加0.5%。在总量层面，以样本平均引用量0.91、110,998个CBSA对、31年计算，相当于增加约15,656次引用。该结果在控制引用方CBSA×年份固定效应和被引方CBSA×年份固定效应后依然稳健，有效排除了地方经济冲击的混淆。
知识溢出主要发生在企业边界之外
将专利引用按引用方与被引方关系分类后发现，旅行时间缩短对同一发明人引用（系数-0.003，不显著）、同一受让人引用（系数-0.003，不显著）和同一企业引用（系数-0.003，不显著）没有显著影响，但对排除这些关系后的'其他'引用（即跨组织边界引用）系数为-0.028，显著为负且绝对值大于基准。这表明旅行时间缩短主要促进的是跨企业边界的知识溢出，而非企业内部的知识转移。
合资、持股和供应链关系企业间溢出效应更强
在跨组织引用中，存在合资企业关系的引用对系数为-0.008，存在并购关系的引用对系数为-0.004，存在垂直供应链客户关系的引用对系数为-0.007，均在5%或1%水平上显著。虽然这些引用仅占全部引用的7.3%、1.2%和1.5%，但相对于其均值而言，系数绝对值大于基准回归，说明既有的企业间联系会放大旅行时间缩短对知识溢出的促进作用。
距离较远、吸收能力高的城市对效应更强
按城市对距离分位数分组回归显示，距离在P50-P75和P75-P100分位的城市对系数分别为-0.076和-0.074，均在1%水平显著；而P0-P25和P25-P50分位的系数分别为-0.006和-0.013，不显著。按引用方CBSA吸收能力分组，最高四分位系数为-0.045，显著为负；第二四分位系数降至-0.018，仅10%水平显著。说明旅行时间缩短主要惠及距离较远且知识吸收能力较强的城市对。
复杂技术和新技术知识对旅行时间更敏感
将专利按技术复杂度分为四个分位，最高分位系数为-0.022，最低分位系数为-0.012，均显著为负，且系数随复杂度单调递增。使用3年、6年、10年滚动引用窗口和1985年前固定窗口回归，系数从-0.025依次降至-0.022、-0.014和不显著的-0.002。复杂技术和新技术的知识更难编码、更具隐性特征，对面对面交流的依赖更强，因此对旅行时间变化更为敏感。
核心解释变量
核心解释变量为CBSA对之间的旅行时间（Travel Time），以对数形式进入回归。旅行时间综合考虑驾车和飞行两种方式，包括直飞、经停、驾车至邻近机场再飞行等多种行程组合，取最短旅行时间。旅行时间的变化由新航线开通、枢纽机场开设等航空网络变化外生驱动。样本期内共发生37,914次旅行时间减少事件，平均减少1小时21分钟（约20%）。
被解释变量
被解释变量为CBSA对之间的知识流动，以专利引用量衡量。基准回归使用引用方CBSA i在t年申请的专利对被引方CBSA j在t-3至t-1年申请专利的引用数量，经log(x+1)变换。引用具有方向性，芝加哥到波士顿与波士顿到芝加哥被视为两个不同的CBSA对。此外还使用发明人自引用、同一受让人引用、同一企业引用、合资企业引用、并购引用、垂直客户引用等分类引用量，以及新专利申请量、高影响力专利数、技术方向相似度等作为被解释变量。
样本与数据
样本为1980-2010年美国本土CBSA对-年度平衡面板，包含110,998个CBSA对、31年数据，共约344万个观测。航空数据来自美国交通部T-100国内航段数据库（1990-2010）和ER-586航段数据（1977-1989）；专利数据来自PatentsView，包含1977-2010年申请且2014年前授权的238万项实用专利。剔除阿拉斯加、夏威夷和海外领地专利，剔除不属于任何CBSA的县，CBSA对间无任何专利引用的对被删除，有部分年份无引用的对保留并填零。
识别方法 / 模型设定
采用连续处理强度双重差分（DiD）方法，控制引用方CBSA×年份固定效应和被引方CBSA×年份固定效应，以及CBSA对固定效应。引用方和被引方CBSA×年份固定效应可完全吸收两个CBSA层面所有随时间变化的局部冲击，无论冲击来源、形式和大小。CBSA对固定效应控制不随时间变化的城市对特征。动态效应检验显示，未来旅行时间变化系数不显著，而当期和滞后旅行时间系数显著，排除了预期效应和反向因果。稳健性检验还使用离散DiD设定和仅由枢纽机场开设驱动的旅行时间变化进行估计。
内生性及稳健性检验
本文进行了多项稳健性检验：（1）使用离散DiD设定，将旅行时间减少超过1.5小时定义为处理事件，仅保留经历不超过一次减少的CBSA对，结果一致；（2）动态处理效应检验显示处理前三年虚拟变量系数均不显著，无预趋势；（3）仅使用枢纽机场开设导致的旅行时间变化进行回归，系数仍显著为负，且枢纽处理组效应更强；（4）使用OLS加反双曲正弦变换、泊松回归和OLS加原始引用量等替代函数形式，结果均与基准一致；（5）将标准误分别在CBSA对层面和引用方CBSA层面聚类，系数保持显著；（6）排除发明人自引用和同一企业引用后，主效应反而增强。
更多相关数据正在补充