引用本文
苏金燕. 我国网络学术信息空间分布影响因素研究——基于空间计量的实证分析. 现代图书情报技术, 2011, 27(5): 62-68
Su Jinyan. Influence Factors of the Spatial Distribution of Academic Information on Internet of China ——An Empirical Research Based on Spatial Statistic. 现代图书情报技术, 2011, 27(5): 62-68  
Permissions
Copyright©2011, 《现代图书情报技术》编辑部
《现代图书情报技术》编辑部
我国网络学术信息空间分布影响因素研究——基于空间计量的实证分析
苏金燕
中国社会科学院文献计量与科学评价研究中心 北京 100732
摘要

选取我国省域网络学术信息截面数据,在考虑地理空间因素的情况下,建立网络学术信息空间分布影响因素计量模型,以定量的方法对形成我国网络学术信息空间分布格局的原因进行分析。研究发现,网络学术信息的空间分布存在空间依赖性,空间误差模型是进行该分析的最优模型,经济发达程度、科研队伍大小、网络发展水平、人口基数和城市居民数量是影响网络学术信息空间分布情况的主要因素。

关键词: 网络学术信息; 空间分布; 空间计量; 影响因素
中图分类号:G250
Influence Factors of the Spatial Distribution of Academic Information on Internet of China ——An Empirical Research Based on Spatial Statistic
Su Jinyan
Bibliometrics and Science Research Centre, Chinese Academy of Social Science, Beijing 100732, China
Fund:
Abstract

According to the sample collected by search engines, the Spatial Error Model （SEM）, considering spatial dependence of academic information on Internet is established, which is a quantitative method to analyze the spatial agglomeration phenomenon of academic information on Internet． It is found that spatial dependence exists and SEM is the best model when analyzing this problem． Five factors are main influence factors of spatial distribution of academic information on Internet,and they are economic development level, size of research team, network development level, population base and number of urban residents．

Keyword: Academic information on Internet Spatial distribution; Spatial statistic; Influence factors
1 引 言

网络已经成为科研人员发布、传播、获取学术信息的重要平台,然而信息鸿沟在网络环境下仍然存在,网络学术信息的地理空间分布并不均衡[ 1],网络学术信息的获取仍会受到地域限制[ 2]。至于空间分布不均衡的原因,很多学者独立地考察经济、社会、地理等因素的作用,但很少将地域之间相互作用（空间依赖性）对地理空间分布的影响考虑在内。事实上,网络学术信息的空间分布情况是存在空间依赖性的,也就是说地理距离影响着网络学术信息的地理空间分布情况,当两个空间单元的地理位置越接近时网络学术信息在这两个空间单元的分布情况越相似[ 3]。在涉及地理因素的研究中,如果空间依赖性存在,那么各地区间样本数据的独立性将不存在,以样本独立为假设前提的数据分析可能会出现偏差,甚至出现错误结果。鉴于此,本文将空间依赖性纳入考虑范围,从空间计量角度出发,定量分析网络学术信息空间分布现状形成的原因,从而为优化网络学术信息资源配置提供参考。

2 相关假设
2．1 知识生产活动的基本假设

本文中的网络学术信息是指利用搜索引擎可以搜索到的以文本格式、音视频格式等多种文件形式存在于网络中的学术性信息,包括研究性论文、学术消息等。网络学术信息是一种显性知识,可将其看成是知识生产活动的结果,所以本文提出网络学术信息符合知识生产函数（Knowledge Production Function,KPF）的基本假设。知识生产函数是目前国际上研究知识生产及其决定因素的重要理论模型,由Griliches于1979年首次提出[ 4],如下所示：

y=F（x,k,μ）（1）

其中,y是宏观或微观水平的产出;x是生产投入向量,比如劳动力与资本;k表示技术知识水平,由现在和过去的研发费用决定;μ是其他因素的作用或随机误差。随后诸多学者对其进行了扩展和改进,Jaffe将知识生产函数定义为“一个分析区域知识流动（溢出）属性和检验其对区域创新影响的经验模型工具”,揭示了企业R＆D经费与高等院校科研之间的关系,提出扩展的知识生产函数并将专利作为测度指标[ 5]。此后,Fischer等提出了精练的知识生产函数[ 6],Greunz提出混合知识生产函数模型等[ 7]。Anselin在前人研究基础上,提出了将空间依赖性纳入考虑的知识生产函数[ 8]。大量实证研究结果发现,作为一个经验模型,知识生产函数在知识研究中是一个良好的统计模型,并为大多数经验研究所证实[ 9]。

2．2 空间分布影响因素假设

影响知识生产的主要因素有政治环境、经济水平、科技水平、人员情况以及地理距离等[ 10, 11, 12, 13, 14]。结合前人研究基础,本文提出影响网络学术信息空间分布的相关假设如下：

（1）与经济水平因素相关的假设

假设1（H1）：经济发达程度正向影响网络学术信息空间分布数量;

假设2（H2）：科研投入力度正向影响网络学术信息空间分布数量。

（2）与科技水平因素相关的假设

假设3（H3）：科学队伍大小正向影响网络学术信息空间分布数量;

假设4（H4）：信息化程度正向影响网络学术信息空间分布数量;

假设5（H5）：网络发展水平正向影响网络学术信息空间分布数量。

（3）与人员情况因素相关的假设

假设6（H6）：人口基数正向影响网络学术信息空间分布数量;

假设7（H7）：城镇居民群体正向影响网络学术信息空间分布数量;

假设8（H8）：网民群体正向影响网络学术信息空间分布数量;

假设9（H9）：人口素质正向影响网络学术信息空间分布数量。

由于本文采用定量方法对网络学术信息空间分布影响因素进行分析,而政治环境难以定量描述,所以未提出政治环境影响因素假设。对于地理距离的影响,本文采用地理信息系统、空间计量软件来考虑空间依赖性对网络学术信息空间分布的影响。

3 空间分布影响因素计量模型的构建
3．1 空间计量模型简介

本文采用Anselin提出的考虑空间依赖性的空间常系数回归模型,即空间滞后模型（Spatial Lag Model,SLM）和空间误差模型（Spatial Error Model,SEM）来分析各因素对网络学术信息空间分布的影响。

（1）空间滞后模型

空间滞后模型可以用来讨论各影响因素在一个地区对网络学术信息的空间扩散有影响,如下所示：

y=ρWy+xβ+ε（2）

其中,y是被解释变量;x是一个n×k的解释变量的观测矩阵;ρ是空间回归系数,反映样本观测值中的空间依赖作用,即相邻区域的观测值Wy对本地区观测值y的影响方向和程度;W是n×n的与被解释变量的空间自回归过程相关的空间矩阵,一般可以采用空间邻近矩阵和距离矩阵;Wy是空间滞后被解释变量,是一个内生变量,反映了空间距离对区域行为的作用;β是k×1的回归系数向量,反映了解释变量x对被解释变量y的影响;ε是n×1的随机误差向量。

（2）空间误差模型

空间误差模型如下所示：

y=xβ+ε

ε=λWε+μ（3）

其中,ε是随机误差向量;λ是n×1阶的截面被解释变量向量的空间误差系数;μ是正态分布的随机误差向量。在空间误差模型中,β反映了解释变量x对被解释变量y的影响;参数λ则衡量了样本数据中的空间依赖性,也就是说相邻地区的观察值y对本地区观察值y的影响方向与程度。

3．2 理论模型的构建

（1）理论模型

根据知识生产函数理论模型以及空间分布影响因素假设,构建我国网络学术信息空间分布影响因素双对数线性模型如下：

lnswx=β0+β1lnH1+β2lnH2+β3lnH3+β4lnH4+β5lnH5

+β6lnH6+β7lnH7+β8lnH8+β9lnH9+εi（4）

其中,β为回归参数,ε为随机误差项,i为1,2,…,31个省份。由于香港、澳门和台湾地区的统计口径与我国大陆地区的统计口径存在差异,在对我国网络学术信息空间分布计量模型进行估计时仅采用大陆31个省份的数据,未将香港、澳门和台湾地区纳入模型估计过程。式（4）中,为保证变量的平稳性,本文取被解释变量和所有解释变量的对数值。

（2）相关变量的选择与数据选取

根据本文构建的理论模型设定1个被解释变量与9个解释变量,如表1所示：

表1 网络学术信息空间分布影响因素计量模型中的变量汇总

①被解释变量

本文的被解释变量是网络学术信息数量,以我国大陆31个省份为空间单元,以基于搜索引擎采集到的截面样本数据为数据来源。样本数据采集方法如下：

1）选用带有应用程序接口（API）可以自动收集检索结果的Windows Live和Yahoo作为研究用搜索引擎。本文未采用学术搜索引擎进行数据采集,因为学术搜索引擎（如Google Scholar）的检索结果有很大一部分为正式发表的学术论文,与从商业数据库中检索的结果具有较大相似性,不能很好地反映纯网络学术信息的情况。本文也未采用Google搜索引擎,因为自2006年12月5日开始Google就不再发放API密匙,不易实现数据的自动采集。

2）由于学科差异的存在,本文以物理学的纳米材料主题、医学的艾滋病主题和图书馆学的数字图书馆主题为研究主题,每个研究主题选取3至4个关键词为检索词。

3）鉴于PDF文件及微软办公软件应用的广泛性,虽然网络学术信息可以文字、图片、音视频等多种形式存在,但本研究仅以．PDF、．DOC、．XLS、．PPT、．TXT类型的文件作为采集对象。

4）数据采集时间为2010年1月21日。

②解释变量

1）经济发达程度（H1）。经济发达程度以某一省份的国内生产总值（GDP）来衡量,以“GDP”表示（见表1）。主要度量经济发达程度对网络学术信息空间分布情况的影响作用,空间计量模型中的回归系数代表经济发达程度的增加对网络学术信息数量增长的弹性系数。如果该系数为正,则表明经济发达程度对网络学术信息增长呈正向影响作用,该系数越大则经济发达程度对网络学术信息数量的影响越大;如果该系数为负,则正好相反。

2）科研投入力度（H2）。研究与试验发展经费（R＆D）支出是衡量科技活动规模和科技投入水平的重要指标,本文选取每个省份的R＆D经费支出（包括高校和企业的R＆D支出）作为反映科研投入力度的指标,以“RD”表示。笔者预期,以R＆D经费支出表示的科研投入力度与网络学术信息增长之间呈正相关关系。

3）科研队伍大小（H3）。科学研究人员是网络学术信息生产、使用的生力军,此处以高等教育机构、科研机构以及企业的科学研究人员数量为整体作为表现科研队伍大小的指标,以“RDPop”表示。

4）信息化程度（H4）。互联网普及率的高低是衡量社会信息化程度水平的一个重要指标,因此本文采用每个省份的互联网普及率作为信息化水平的替代变量,以“WWW”表示,用来衡量信息化程度对网络学术信息空间分布数量的影响情况。

5）网络发展水平（H5）。网络域名是测度互联网发展水平的重要指标之一,本文以每个省份的网络域名数为网络发展水平的替代变量,以“Dom”表示。

6）人口基数（H6）。人,即使不是科研人员,也可以使用、传播网络学术信息,笔者以每个省份的人口数量来衡量人对网络学术信息空间分布数量的影响,可与科研人员对网络学术信息空间分布情况的影响作比较,以“Pop”表示。

7）城镇居民群体（H7）。从中国互联网络信息中心（CNNIC）的历次调查结果看,城镇人员的网民比例要比农村人员的网民比例高,并且笔者猜测城镇居民对于网络学术信息有着更大需求,所以用城市化率作为测度网络学术信息空间分布情况的一个解释变量,以“City”表示。

8）网民群体（H8）。网络学术信息是一种以网络为媒介的学术交流活动,其发布、传播与使用等各个环节都离不开网络,只有上网才会影响网络学术信息的空间分布情况。笔者认为,网民数量正向影响网络学术信息空间分布数量,以“User”表示。

9）人口素质（H9）。本文选人口平均受教育年限作为人口素质的替代变量,大专以上人均受教育年限按16年计算,高中人均受教育年限是12年,初中是9年,小学是6年,文盲人均按受教育1年计算。笔者预期,某一省份人口素质越高则网络学术信息空间分布数量越多,以“Year”表示。

（注：解释变量的数据来源是：国家统计局主编的《中国统计年鉴2009》,国家统计局社会和科技统计司主编的《中国社会统计年鉴2008》,国家信息中心、中国信息协会主编的《中国信息年鉴2009》,国家统计局、科学技术部主编的《中国科技统计年鉴2008》,国家统计局人口和就业统计司主编的《中国人口和就业统计年鉴2009》和国际教育部发展规划司主编的《中国教育统计年鉴2008》以及CNNIC发布的《第26次中国互联网络发展状况统计报告》）。

4 空间分布影响因素实证结果分析

常用的统计分析软件是以样本独立为基础的,由于本文考虑了空间依赖性,也就是说考虑到样本之间不再具有独立性,所以本研究未使用SAS、SPSS等软件进行分析,而是采用了GeoDa软件。GeoDa是一款免费获取软件,由美国伊利诺伊大学Anselin教授研发,可用于空间统计分析、多元探索性空间数据分析以及全局、局域空间相关性分析等[ 15]。GeoDa使用的中国省份行政区划界地图主要由ArcGIS软件生成。

4．1 空间依赖性检验
表2 网络学术信息空间分布的空间依赖性检验

表2中空间依赖性指数Moran's I的统计值为-0.9304,其检验概率值为0．0422,在5％水平上显著,且LMERR值也较大,这证明各省份网络学术信息的空间分布情况确实存在空间依赖性[ 16]。中国各省份网络学术信息的空间分布并非相互独立,形成较高网络学术信息分布的省份相对地趋于和较高网络学术信息分布的省份相靠近,较低网络学术信息分布的省份相对地趋于和较低网络学术信息分布的省份相临的空间联系结构。

这种检验结果与笔者以前的研究结果[ 3]相同。在空间依赖性相关研究中,王贤文对我国省域科技产出的空间依赖性进行了检验,同样发现我国科技产出空间依赖性的存在[ 17],吴玉鸣等则证实我国各省份区域创新的空间依赖性[ 18]。

4．2 空间分布影响因素计量模型的确定

网络学术信息的空间分布存在空间依赖性,经典线性回归模型的最小二乘法（OLS）估计就可能存在模型设定不恰当的问题。为比较空间计量模型与线性回归模型的优劣,在进行空间计量模型分析前,先给出OLS估计的分析结果,如表3所示：

表3 网络学术信息空间分布影响因素OLS估计结果

由表3可知,OLS估计的31个省份的网络学术信息空间分布影响因素计量模型的拟合优度为76．23％（表3中的 统计值）,即现有9个解释变量解释了被解释变量总变异程度的76．23％,但各解释变量并未通过显著性检验,这说明用OLS进行模型估计效果不理想。

既然OLS模型不理想,就需要判定空间滞后模型（SLM）和空间误差模型（SEM）哪一个更合适。根据模型判断准则[ 15],可判定SEM模型更合适,原因如下：

（1）表2中的拉格朗日乘数误差和滞后及其稳健性检验表明,LMERR、LMLAG、R-LMERR、R-LMLAG未能通过10％水平下的显著性检验,LMERR

（2）表4中空间误差模型（SEM）的拟合优度 检验值最高,为90．32％,而SLM和OLS模型（见表3）的拟合优度分别为84．95％和76．23％;SEM模型的自然对数似然函数（Log Likelihood,LogL）为-12．5467,比SLM模型的LogL（-16．8654）和OLS模型的LogL（-16．8735）都要大;SEM模型的赤池信息量准则（Akaike Information Criterion,AIC）为49．0933,比SLM模型的AIC（59．7308）和OLS模型的AIC（57．7469）都要小;SEM模型的施瓦茨准则（Schwartz Criterion,SC）,又叫贝叶斯准则（Bayesian Information Criterion,BIC）为66．3012,比SLM模型的SC（78．3727）和OLS模型的SC（74．9548）都要小。

表4 网络学术信息空间分布影响因素SLM/SEM估计结果

从表4可以看出,在利用基于搜索引擎样本数据进行网络学术信息空间分布影响因素分析时,共5个解释变量通过显著性检验,即经济因素中的H1经济发达程度lnGDP（P<0．1）,科技因素中的H3科研队伍大小lnRDPop（P<0．1）和H5网络发展水平lnDom（P<0．1）以及人口因素中的H6人口基数lnPop（P<0．05）、H7城市居民数量lnCity（P<0．01）5个解释变量通过了不同程度的显著性检验。然而,H2科研投入力度（lnRD）、H4信息化程度（lnWWW）、H8网民群体（lnUser）和H9人口素质（lnYear）4个的解释变量均未通过显著性检验。因此网络学术信息空间分布影响因素空间计量模型如下：

lnswx=-7．2557+0．5349lnGDP+0．3919lnRDPop

+0．4292lnDom+1．4525lnPop+2．8458lnCity+ε

ε=0．3453Wε+μ（5）

其中,ε是随机误差向量;Wε是误差被解释变量;μ是正态分布的随机误差向量。

4．3 空间分布主要影响因素分析

从实证结果来看,在9个网络学术信息空间分布计量模型估计相关假设中,有经济发达程度（H1）、科研队伍大小（H3）、网络发展水平（H5）、人口基数（H6）和城市居民数量（H7）5个解释变量与网络学术信息的空间分布情况有密切联系,但是科研投入力度（H2）、信息化程度（H4）、网民群体（H8）以及人口素质（H9）4个解释变量对网络学术信息空间分布情况无明显影响。具体分析如下：

（1）具有显著影响的因素

①经济发达程度（H1）是网络学术信息空间分布的重要影响因素,由式（5）可知lnGDP的系数为0．5349,这表明在其他条件不变的情况下,某一省份的GDP每增长1％,对该省份网络学术信息数量的增长则有0．5349％的贡献,说明GDP对网络学术信息的空间分布产生了显著的正面促进作用,而且这种作用是稳健的。这与本文的假设预期相同。

②科研队伍大小（H3）与网络学术信息的空间分布数量呈正相关关系,系数为0．3919,这说明了科研人员与网络学术信息数量之间的正相关关系,在其他条件不变的情况下,某一省份的RDPop每增长1％,对该省份网络学术信息数量的增长就有0．3919％的贡献。

③本文使用每个省份的域名数作为网络发展水平（H5）的替代变量,实证结果表明每个省份的域名数与网络学术信息数量呈正相关关系,系数为0．4292。

④人口基数（H6）、城市居民数（H7）与网络学术信息的空间分布数量呈正相关关系,并且相关系数较高,分别为1.4525和2.8458,这说明普通群众、特别是城镇居民在网络学术信息传播、使用中发挥重要作用,对网络学术信息具有较强烈需求,可以判断这两个因素是造成我国现在网络学术信息空间分布格局的重要原因。

（2）影响不显著的因素

①从实证结果来看,科研投入力度（H2）没有通过显著性检验,所以说科研投入力度对网络学术信息的空间分布影响并不显著。这与吴玉鸣等进行的我国省域创新研究结论一致[ 18],但与李纪生等进行的农业科研投入研究的结论恰好相反[ 19]。吴玉鸣等对我国省域区域创新产出的研究表明,高校的科研投入经费对区域创新的贡献不明显,高校与企业科研投入经费作为整体对区域创新的贡献不明显,但是企业科研投入经费对区域创新的贡献明显。本文使用的科研投入力度指标包含了高校科研经费投入和企业科研经费投入,没有通过显著性检验,两者分别对网络学术信息空间分布影响的显著性有待进一步检验。另外,李纪生等发现农业科研投入与农业生产率的提高有显著正相关关系。

②每个省份的域名数与网络学术信息数量呈正相关关系,但本文选取网络普及率为信息化程度（H4）替代变量的实证结果却显示信息化程度并没有通过显著性检验,这与笔者的预期不符。这可能与网络普及率和域名数两个指标具有较大相关性有关,也许网络普及率对网络学术信息空间分布的影响使用面板数据更为合适,这都有待进一步检验。

③网民群体（H8）对网络学术信息空间分布的影响并不大,但是一个省份的人口基数与城镇居民数却对网络学术信息空间分布情况有显著影响,这有可能与本文的变量设置有关。因为,网民数量与人口基数、特别是城镇居民数量呈现较高的相关性,这使得网民数量的影响作用不明显。

④人口素质（H9）也没有通过显著性检验,笔者推测这可能与学历越高（受教育年限越长）越偏向于在正式刊物、报纸或以图书形式进行学术交流有关,这有待进一步检验。

5 结 语

本文首先借鉴知识生产函数概念提出网络学术信息是知识生产活动的假设,然后根据前人相关研究成果提出影响网络学术信息空间分布的9个相关假设,利用基于截面数据的空间误差计量模型研究经济因素、科技因素以及人口因素对我国网络学术信息空间分布格局的影响。Moran’s I指数验证了我国网络学术信息空间分布具有空间依赖性的特性,较高网络学术信息分布的省份相对地趋于和较高网络学术信息分布的省份相靠近,较低网络学术信息分布的省份相对地趋于和较低网络学术信息分布的省份相邻。网络学术信息空间计量模型显示,经济发达程度、科研队伍大小、网络发展水平、人口基数和城市居民数量是影响网络学术信息空间分布情况的主要因素,而科研投入力度、信息化程度、网民群体以及人口素质的影响则未通过显著性检验。研究还发现,普通民众对网络学术信息有着较强烈的需求,因此科学合理地优化我国网络学术信息空间布局就显得十分必要,提高当地经济发达程度和网络发展水平是提高网络学术信息空间分布数量的有效途径。

本研究存在一定局限性,将在后继研究中进行改进：

（1）本文使用的是截面数据,也就是说样本数据是在一个特定时间点采集而成的,这样就无法判断出随着时间推移各因素对网络学术信息空间分布影响的变化情况。在后继研究中,拟采用面板数据追踪各影响因素在5年甚至10年间对网络学术信息空间分布作用的变化。

（2）本文未与各影响因素对其他形式信息空间分布情况的作用进行对比,因此在今后的研究中,拟以学术期刊中的论文为样本数据作为对照,研究各因素对学术期刊中论文作者所在地空间分布的影响情况。

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

参考文献
[1] 苏金燕, 邱均平. 网络学术信息的地理空间集聚研究[J]. 图书情报知识, 2011(2): 56-63. [本文引用:1]
[2] 陈传夫, 王云娣. 机构典藏资源的分布及获取策略研究[J]. 中国图书馆学报, 2008, 34(1): 69-71. [本文引用:1]
[3] 苏金燕. 网络学术信息空间依赖性研究[J]. 现代图书情报技术, 2011(2): 62-68. [本文引用:2]
[4] Griliches Z. Issues in Assessing the Contribution of R&D to Productivity Growth[J]. Bell Journal of Economics, 1979(10): 92-116. [本文引用:1]
[5] Jaffe A B. Real Affects of Academic Research[J]. American Economics Review, 1989, 79(5): 970-975. [本文引用:1]
[6] Fischer M M, Varga A. Production of Knowledge and Geographically Mediated Spillovers from Universities International[C]. In: Proceedings of the 41st Congress of the European Regional Science Association, Zagreb, Croatia. 2001. [本文引用:1]
[7] Greunz L. Geographically and Technologically Mediated Knowledge Spillovers Between European Regions[J]. Annals of Regional Science, 2003, 37(4): 657-680. [本文引用:1]
[8] Anselin L. Spatial Econometrics: Methods and Models[M]. Dordrecht: Kluwer Academic, 1988. [本文引用:1]
[9] Anselin L, Varga A, Acs Z. Local Geographic Spillovers Between University Research and High Technology Innovations[J]. Journal of Urban Economics, 1997, 43(3): 422-448. [本文引用:1]
[10] 吴延兵. 知识生产及其影响因素——基于中国地区工业的实证研究[J]. 世界经济文汇, 2009(2): 57-73. [本文引用:1]
[11] 陶长琪, 齐亚伟. R＆D投入的影响因素与知识生产函数的应用研究——基于中国区域的面板数据分析[J]. 科技管理研究, 2008, 28(7): 155-158. [本文引用:1]
[12] 向希尧, 蔡虹. 试论地理距离与社会距离对知识溢出的影响——基于专利引用研究视角[J]. 外国经济与管理, 2008, 30(11): 18-26. [本文引用:1]
[13] 孙兆刚, 王鹏, 陈傲. 技术差距对知识溢出的影响分析[J]. 科技进步与对策, 2006, 23(7): 165-167. [本文引用:1]
[14] 钱晓烨, 迟巍, 黎波. 人力资本对我国区域创新及经济增长的影响——基于空间计量的实证研究[J]. 数量经济技术经济研究, 2010(4): 107-121. [本文引用:1]
[15] GSISS-Spatial Tools-GeoDa[EB/OL]. [2010-03-15]. http://www.csiss.org/clearinghouse/GeoDa/. [本文引用:2]
[16] 吴玉鸣. 中国区域研发、知识溢出与创新的空间计量经济研究[M]. 北京: 人民出版社, 2007. [本文引用:1]
[17] 王贤文. 基于GIS的区域科技发展空间结构与合作网络分析[D]. 大连: 大连理工大学, 2009. [本文引用:1]
[18] 吴玉鸣, 何建坤. 研发溢出、区域创新集群的空间计量经济分析[J]. 管理科学学报, 2008(4): 59-66. [本文引用:2]
[19] 李纪生, 陈超. 省域农业科研投资生产率增长效应的空间计量分析[J]. 中国人口·资源与环境, 2010, 20(7): 164-169. [本文引用:1]