【翻译&转载】成功的创新一定需要大都市地区吗？以德国为反例（Part IV）

大家好啊，我又回来了。这将近一年的时间里，我还要做非常多别的事，所以原本的翻译和探讨工作都停止了。一方面，我在学校里的工作是优先的，另一方面，我还要为品葱学院的振兴做些部署，因此我很抱歉要暂停差不多一年来继续所有的在品葱上的志愿工作。最近，受到某些葱油的鼓励，我准备重操旧业，先把以前挖的坑都填上，然后再做新的。为品葱学院编写数学教材的事情比较复杂，我肯定不能全部“借鉴”已经出版的数学教材，需要有原创的部分，至此我花了大量时间暂时完成了第一本书的大部分，准备把教材发布不定期地推后，但肯定还是要做的。这是本篇论文的第四部分，也是最后一部分，作者在里面探讨了自己如何给数据分类和对结果的讨论，还没看过第三部分的葱油可以去：https://pincong.rocks/article/59084

正文

回归分析
...
经验方法和变量定义

我们使用计划区（Raumordnungsregionen）作为我们分析在空间上的框架，我们的因变量则是三种当今地区创新活动的指标。
1，每10000劳动力人口的专利比率，专利选取自OECD地区专利数据库（RegPat），并被匹配至发明者所宣称他们居住的地区。如果一项专利有多于一个的发明者，则计数结果需要除以发明者总数，每位发明者将会分到自己所占的权重。
2，R&D行业就业数量占比
3，每10000劳动力人口中高科技新企业的比率

对于2000年到2014年之间的两个子时期，我们使用的是三项指标的平均值。正如上文强调，我们主要关注的自变量是到历史上知识产出的中心，也就是大学的距离。对于截止至1900年成立的古典大学和技术大学，我们进行了区分，该年标志着一项开始于19世纪晚期的进程的结束，那就是技术大学建成的第一波浪潮。
德国境内早期的技术大学和古典大学是极其不同的，当时技术大学的一项主要区分性特色在于它们对自然科学和工程学的关注，在那些大学进行的大多数研究有对于知识的商业化应用的强烈倾向，以作对于工业化期间市场需求快速增长的回应（见Drucker于2018年，Carlsson等人于2009年的工作）。由于古典大学更加关注艺术和人性，产生自技术大学的知识库可能与创新活动更为相关。
在我们的分析中，我们对比了通过人口密度锁定的大都会经济体与历史上知识产出中心各自扮演的角色，人口密度在预料中应当同样会影响一系列其他相关的变量，例如工资和土地价格的水平。根据有关创新活动空间性分布的标准理论，人口密度正向刺激创新活动。在我们的经验分析中，我们主要依赖于1900年附近找到的历史人口密度，纳入历史人口密度而非当今人口密度的一个重要优势在于，这一变量并不受到创新活动现今水平的影响。出于为区块架构而控制变量，我们不仅考虑了制造业的就业占比，同样考虑了历史上以科研为基础的行业中就业的比率。关于制造业就业和人口的数据是基于1907年执行的官方人口普查（Statistik des Deutschen Reichs 1909），而基于科研行业的信息则是从1925年的职业调查得来的（Statistik des Deutschen Reichs 1927）。同样，我们在“到煤矿的距离”上控制了变量，因为这些地区倾向于有着较高程度的大规模工业，从而也就有着较低水平的自雇行为（见Fritsch、Obschonka、Wyrwich于2019年的工作）。
对于那些包含着为解释行政因素及地区政策影响创新活动起到的作用而选中区域的现联邦州，我们采用了虚拟变量。而且我们还为历史上的州纳入了虚拟变量，那些研究的地区在1871年德意志帝国的建立前就属于这些州，为的是涵盖历史政治性与行政性的差异。出于德国境内当地企业与储蓄银行，也就可以说风险投资，的多少有些不平均的分布并不需要风险资本企业和投资组合公司在地理位置上的接近（见Fritsch和Schilder于2008与2012年的工作），我们并没有为金融机构的存在性设置虚拟变量。
在反映创新型企业现今发展水平的模型中，我们为自雇现象在1907年的历史水平控制了变量，它表现在所有的受雇者中所涉及的非农业企业的总数，而且我们还区分了科技行业和非科技行业里的自雇现象。表格3展现了我们经验性分析所用到的变量定义一览，附录中表格A1和表格A2则给出了总结性数据和一个相关性矩阵。

（表格3，变量的定义）

研究结果

我们主要分析的结果全都列在了表格4中，并将样本分成了两个时期的（一个是2000年至2007年，另一个是2008年至2014年），以便于研究历史性参数带来的影响是否随时间有所改变。首先一个非常重要的结论就是，1907年的历史人口密度与当今的创新活动和企业发展无关（见模型I到III）。与历史上的人口密度相比，一个地点与20世纪前就设立的各种大学之间的距离倒是扮演了一个比较重要的角色。和我们猜想一致，到一所古典大学或到一所技术性大学（要求在20世纪前已经设立）的距离与R&D雇员的区域性占比、超过100年后的专利活动都是负相关的（亦可见于模型I到III）。如同研究者所预料的，某地到最近一所技术性大学的距离明显更高的相关系数清晰可见地表明，在确定当今创新活动输入和输出量的多少上，与最近的一所技术性大学靠得近比与一所古典大学靠得近重要得多。



（表格4，某地到历史上的知识产出中心与当今的创新活动与企业发展水平之间的关系。注：此为普通最小二乘法回归模型，已引入胡博——怀特标准差，样本总量N=92，***表示1%水平的统计显著性，**表示5%水平的统计显著性，*表示10%水平的统计显著性；所有的连续型变量都经过了对数变换，且所有模型都涵盖了对各个地区历史上和今天所在州的虚拟变量控制）

到历史上技术性大学的距离与当今创新型企业的出现也是负相关的，与此同时，到某所古典大学的距离则对其产生不了这样的影响，这件事可能反映了各地工程学和自然科学的研究传统对于新兴创新型企业的重要性。20世纪早期基于科学的行业就业占比同样正面且显著地相关于R&D行业雇员的就业占比以及当地的专利活动水平，但它和创新型企业的活动之间就没有这种关系。值得注意的是，知识指标的相关系数在研究涉及的两个时期都是相对稳定的。
考虑到有可能历史人口密度影响的不显著性是由于与知识指标的高度相关导致的，我们同样还在去除了到历史上各个大学的距离、科技行业的就业占比两项参数后，进行了分析（可见于模型IV到VI）。我们发现，人口密度和现今创新活动水平之间的关系在数据上保持着不显著，除了2000年至2007年之间的R&D行业就业情况，此项上历史人口密度的相关系数展现着高达10%水平的数据显著性，而如果把历史数据换成现今人口密度，分析结果也差不多。基于这些结果，我们可以得出德国境内的创新活动并不一定需要大都市，城市的存在对于创新活动所有潜在的效应都得到了研究对象地点与历史上知识产出中心距离的吸收。数据上来说，对于附近可取得的自然资源以及行业结构的历史性变量控制也没有明显的影响。
并不囊括知识指标的模型IV，在1907年以及2000年到2007年之间的这段时期，产生了在科技行业自雇率上的高度显著成效，而历史上非科技行业的自雇比例则保持着没那么明显。这些结果指示着地区的创新型企业传统的重要性，而这些地区整体上的自雇传统则显得对创新型新兴企业没那么重要。我们在模型I中引入了基于科技的行业中的就业占比，从而很好地吸收了上文提到的规律。
在更进一步的可靠性检验中，我们将分析限制在德国西部的地区，以排除我们的结果受到后苏维埃时期的东德经济转型带来的非常规影响。另外，我们也在没有设置历史州及当今的联邦州的虚拟变量的情况下，运行了研究的主要模型，这样就能排除研究结果被模型的过度细分化所引导的情况。所有这些可靠性检验明确地肯定了我们主分析的结果。
为了确定历史上的知识产生源地和大都市经济体的存在对当今创新活动的影响到底有没有随着时间增大或减小，我们还考虑了1976年至2016年之间的四个子时段。由于数据的局限性，这项分析只能停留在地区的R&D行业就业占比上。由于东德R&D行业的可靠数据只能在1990年代中期以后取得，我们还是只能在分析中排除掉德国的这部分区域。我们发现，某地到历史上的知识产出中心尤其是技术性大学之间距离的相关系数估计值保持着稳定（见表格5），另外一边，人口密度影响的相关系数在过去的四十年间显示出了明显的下降，这显然说明，人口密度的解释说服力并没有随时间上升，反而是说明了大都市经济体对于R&D行业活动的作用最近几十年是在下降的。


(表格5，从1976年到2016年某地到历史上的知识产出中心的距离与其R&D行业就业占比之间的关系。注：样本总量N=70，已引入胡博——怀特标准差，***表示1%水平的数据显著性，**表示5%水平的数据显著性，*表示10%水平的数据显著性。所有的连续型变量都得到了对数变换，所有的模型都囊括了地区所在的历史州及当今联邦州的虚拟变量控制)

总结

我们对创新的地理学进行理解所下的结论

那些最为发达的国家并没有展现出地理上创新活动在大城市的强势集中（可见Fritsch和Wyrwich于2021年的工作），这一事实表明大都市经济体的存在以外的因素要更加重要。为了识别这些因素，我们调查了德国境内创新活动的地理分布，对于德国，研究表明了一个很特别的现象，那就是存在大量的中型和小型企业，它们坐落的地方平平无奇，却还是在全球市场上运营得非常成功。
我们抓住并专门讨论了四个主要决定德国境内创新活动的地理分布，并帮助农村和偏远地区成功创新的因素：首先，是德国明显去中心化的定居点结构，一没有居于主导地位的首府，二却有更大的城市来很好地触及到边远地区，当然它们崛起的时候还是这片地区四分五裂，形成着上百个享有高度的政治自治权的王国和公国的历史时代。我们同样证明了政治上的分裂带来的遗产导致了大学、公共教育机构较为平均的分布，和去中心化的设施建设。而且，德国的金融系统有着扎实植根、普遍存在的地区性储蓄及贷款银行（Sparkassen），双向或合作的信用体系联盟（Kreditgenossenschaften），地理上较为平均地分布着，在各自地区，甚至在农村和偏远地区资助着经济活动。最后，德国的劳动力规则创造了奖励劳动者，去学会企业定向型技能，并对单一雇主产生忠诚意识的这样一种环境。德国的学徒培训体系加强了高资质劳动力的供给，即便在小镇和中等规模的城市也是如此。
除此之外，我们还证明了历史上的政治分裂能够解释当今地区之间创新活动的差异。更加精确地说，我们从经验证据的角度表明了，由政治上的分裂所形成的，历史上知识产出中心的分布显著地塑造了今天的创新活动水平，与这些知识产出中心靠得比较近的地区有更多的专利、更充分的R&D行业就业、更多的高科技新兴企业。
大都市经济体并不在德国境内的成功创新活动的分布上起到决定性的作用，也不在其它国家有这种作用（见Fritsch和Wyrwich于2021年的工作），基于这一发现，我们得出，聚焦于大都市带来的作用的标准学说忽略了其它重要影响，例如历史因素。我们的研究结果鼓励整合各种研究手段，包括考虑一个国家的定居结构、大都市之间的知识溢出效应、将某地区整合进研究创新型劳动力的跨地区的更大分区（见Crescenzi、Rodríguez-Pose和Storper于2007年的工作）。我们的发现同样指出，历史与影响深远的政治/行政结构对于创新活动的空间上的分布可以有长期持久的作用。创新政策急需一些创新活动的反馈，若想对这些创新活动进行开发更加正确的理论解释，你肯定需要承认历史规律的持久作用。

政治上的启示

我们研究在政治上的一个重要启示就是，创新活动并不一定需要大城市，而在农村和偏远地区也可以成功。因此，我们有足够的理由相信，设计成通过发起和支持创新进程来刺激低人口密度的落后地区发展的政策项目，比如欧盟的智慧专业化战略，是可以成功的（见Foray和Landabaso于2014年的工作及McCann与Ortega-Argilés于2015年的工作）。大城市在成功的创新活动上并不是特别有优势的，这一理解说明，支持大城市以外的创新活动的政策措施与最大化全国创新活动产出的总目标并不矛盾；恰恰相反，关注人口密度更低地区的人们的知识和创造力，可以更好地利用现有资源并且对所有地区都应该有利。创新政策应该聚焦于长期效果，以及那些能提供重要资源，包括能参与各种创新活动的高资质劳动力，的高等教育及研究机构；而且政策应该积极活化各地教育及研究机构之间的联系，来更好地把它们整合进当地的创新体系中。除此之外我们还得出，刺激知识和创新型劳动力跨区域流动的公共措施带来的影响可能是极其深远的。
我们的研究结果也表明，创新政策不应该对大都市之外的创新活动进行歧视，比如想当然地把低人口密度地区排除在资助对象之外。与其尝试用鼓励在高度政策补贴但技术水平低下的行业里的创业，来促进落后地区的发展，政策制定者不如别再用一个地区人口密度较低为借口，拒绝提拔创新活动。一个地区的创新政策并不需要模仿其它地区的成功，而是可以为区域特有的资产和资源量身定做一套战略，显然，这件事和欧盟的智慧专业化手法是保持一致的。所以，任何地区导向的创新相关政策都应该考虑到一个地方的优势和劣势，关键的优势可以是它深植于历史渊源的特定知识储备，或是我们可以不止于从本地，还能从别的地区调用资源。政策的制定者也应该考虑到，对一个有着悠久创新活动历史的地区制定的政策，需要不同于那些创新活动较为晚近的地区。

对于将来研究的启示

我们的分析为将来的研究提供了几种研究思路。第一，存在一些特定国家的案例研究，是可以提供满足创新活动不集中于大城市且显露出影响创新活动地理分布的环境例子的，我们相信十分有效产出结果的一种研究方法，正是实施这一类型的研究。
第二，一种用来补充我们认识的分析链，在于调查偏远农村地区的企业一直有创新能力，并在经济上取得成功的原因。这些企业是如何为自己的创新活动取得它们所需的高资质劳动力的？激活或阻止农村和偏远地区成功创新活动的框架性条件是什么？以容易连接到中等规模的城市和当地金融机构的多元化教育系统为特征的，去中心化定居结构是不是农村地区创新活动发展的关键因素？
第三，也是一种挑战，那就是去解释历史因素可以在一个地区的创新行为上留下持久印记的原因。这些规律背后相关的原理是什么？在研究上的公共开支拨款是否在这种持久性上起了作用？政策在刺激创新水平较低地区的创新活动上能做到什么程度？
另外，所有这些分析应该在不同类型的创新之间有所区分，例如，激进vs稳健，高科技vs低科技，基于科学vs基于工程与人力。比起“创新活动需要大城市”的范式教条，这些类型的经验性分析应该为政策决定提供了更为相关的基础。

------
本论文的翻译到此结束，我会把附录放在楼下。看完这篇论文（每次都有人不看标题，就在那里说“我看完了你这篇论文怎么看不见标题里的结论balabala”，我都不知道看着一篇要么没头要么没尾，要么两者都没有的文段，他们是怎么觉得这是一篇完整论文的？再次强调，这只是Part IV，以前还有Part III、II、I，顺着开头的链接点下去你就能看见所有的它们），你有什么感受呢？
和德国是一种截然不同的思路，中国是把所有的创新活动、所有的高等教育塞到特大城市里去，北上广深基本上垄断所有创新活动，是一种完全的大一统化的、依赖中央政策空降的、不尊重各地历史发展传统的思路，更是犯下了很多本文作者说政策制定者不该犯的错误，比如歧视人口密度较低的地区，直接放弃建设当地的创新活动，假模假式地投资但毫无助益于当地的创新水平，而是放在训练奴隶和牛马的低端劳动力产业上，或者放在官员的口袋里，演都不演了。你可以想象，就像是中共把西方学术界觉得不对的东西归纳起来，当教科书用，你觉得滑不滑稽？
好了，这篇文章光看完、接受完信息是不足的，那是文章作者Michael Fritsch和Michael Wyrwich的观点，你自己思考了才是你的东西。具体这篇文章能启发你什么，取决于你的思考，但要是这篇文章对你哪怕有那么一点点用处，我觉得我的工作都值了。
对于论文，我一向是完全人工翻译的，而且为了翻译特定的词语，我还经常翻找，比如去欧盟官方的网站看他们是怎么解释“Smart Specialization Strategy”的、欧盟官方到底有没有给出中文译名等等。如果你愿意，点个赞支持一下我呗，谢谢谢谢谢谢。