数据及模型构建

2.1 研究数据构造

为系统分析突破性技术创新的地理分布，本文基于1976至2015年间美国专利商标局（USPTO）授予的实用专利数据，聚焦美国大都市统计区（MSAs）。研究选择美国作为分析对象，因其在突破性技术（如人工智能）领域占据全球领先地位，且约81%的突破性创新集中于人口超150万的大型都市区。以下为数据构造的关键步骤：

数据来源与时间跨度数据来源于USPTO专利数据库，涵盖专利标题、摘要、申请日期、发明人地址、国际专利分类（IPC）代码及前向引用等信息。研究时段为1976至2015年，因1976年为数字专利记录起点，而2015年截止可确保通过五年期前向引用评估突破性创新的影响。专利按发明人地址区域化，仅保留所有发明人位于美国MSAs的专利记录，并以申请年份作为创新发生时间。

因变量：突破性技术创新的界定突破性技术创新被定义为兼具高影响力和高新颖性的专利。

高影响力：通过前向引用衡量，选取每年每技术领域前向引用排名前5%的专利。为消除技术领域和时间的差异，引用数按同年同领域专利平均引用数标准化。
高新颖性：定义为包含至少一个非关联技术对组合的专利，基于IPC代码的共现分析。因变量（Entry_{r,i,t}）为二元指标，若某地区r在时间t内某一技术领域i首次产生突破性专利（前一期无此类专利），则取值为1，否则为0。

自变量：（非）关联性密度

区域内（非）关联性密度（RD{r,i,t} 和 UNRD{r,i,t}）：通过两步计算。首先，基于IPC代码共现，采用关联概率公式（van Eck & Waltman, 2009）计算技术间关联性（φ{ij} > 1为关联，≤ 1为非关联）。其次，结合地区技术优势（RTA，基于地区专利占比与全国对比），计算技术i与地区r技术组合的认知接近度（RD）或疏远度（UNRD）。
区域间（非）关联性密度（Inter_RD{r,i,t} 和 Inter_UNRD{r,i,t}）：通过六步计算，基于Balland & Boschma (2021)。包括识别其他地区s的技术i（非）关联性密度、确定地区r缺失的（非）关联技术、识别可提供这些技术的地区s、计算新增（非）关联性密度、结合地区r与s的专利共同发明人联系数（NL{r,s,t}），最终汇总得分。

控制变量：

区域间协作（Inter_Coll{r,t}）：区域r的区域间协作专利占比，反映外部联系强度。

区域内外协作平衡（Balance{r,t}）：基于De Noni et al. (2017)，衡量区域内与区域间协作的平衡度，取值0-1（1为完全平衡）。
区域间地理多样性（Inter_Div{r,t}）：通过熵指数衡量协作专利的地区分布多样性。
人口规模（Pop{r,t}）：基于人口普查数据，反映地区规模对创新的潜在影响。

数据处理与分析方法数据以五年为非重叠区间（1976-1980至2011-2015）处理，以平滑年度波动。所有变量标准化（z-score），并滞后一期以应对内生性问题。分析采用包含地区、技术和时间固定效应的线性模型，结合异方差稳健标准误，确保结果稳健性。

2.2 计量模型设定

为探究区域内和区域间（非）关联性密度对突破性技术创新地理分布的影响，本文基于1976-2015年间美国大都市统计区（MSAs）专利数据，构建了以下计量模型，系统验证七个研究假设。模型设计综合考虑了变量的时间滞后、固定效应和稳健性检验，以确保结果的可靠性和解释力。

模型公式核心计量模型如下，用于分析突破性技术创新的发生（Entry_{r,i,t}）与各变量的关系：