《表3 专利转移与知识复杂性的回归分析Tab.3 Estimation results of knowledge complexity and knowledge flow based on Line

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中国城市知识复杂性的空间特征及影响研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:双尾检验统计显著度:*:P<0.05；**:P<0.01；***，P<0.001；“--”为未涉及项。

式中:Transfer=1表示专利i被转移，反之为0。本模型包含指标焦点专利i转移前所在城市的知识复杂性，由于复杂性知识十分重要且难以测度，对β1不做特定预期；Distance为距离指标，若专利转移前后位于同一城市则Distance=0，反之为1。本文认为地理距离越近，越容易转移（β2<0）。另一重要指标是复杂性和地理距离的乘积项。β3=0表示地理距离对复杂知识的流动无影响。根据此前对复杂知识地理空间的讨论和描述，在此假设两者存在负相关，即复杂知识难以转移。其中的协变量包括实验组中专利转移前后的年数。并利用线性概率模型（LPM）和Logit模型进行计算。表3表明两者结果类似。本文利用Firth逻辑回归模型进行进一步检验，发现结果与表3相同。