布鲁盖尔研究所-了解欧盟在低碳技术方面的区域潜力（英文）-2020.11-36页_2mb

总结：理解欧盟地区在低碳技术中的潜力

核心内容

本研究旨在分析欧盟各地区在低碳技术领域的现有和潜在专业化能力，并提出有助于实现这种潜力的政策建议。通过使用OECD的REGPAT数据库，该研究利用专利数据对258个NUTS2地区在14项低碳技术中的潜在优势进行了估计。研究方法结合了技术相关性分析和区域网络结构，构建了基于回归模型的潜在技术优势（pRTA）估计，并探讨了影响区域技术优势的关键经济、劳动力市场和人口统计变量。

主要观点

• 低碳技术潜力不均：并非所有欧盟地区都具备在所有低碳技术领域发展的潜力，某些地区如法国的Rhône-Alpes、德国的Dresden和Stuttgart、意大利的Lombardy等，在特定技术领域表现出较强的集中度。
• 技术相关性驱动潜力：区域技术优势可以通过其在相关技术领域的现有优势来预测，这种相关性体现在专利网络和知识结构的联系中。
• 政策与创新环境相关：区域创新潜力与劳动市场参与率、科技相关就业、高等教育水平、研发投入比例等变量存在显著关联。
• 方法论创新：研究采用了一个两阶段分析框架，首先估计潜在技术优势，其次识别与之相关的经济和社会变量。同时，使用了零膨胀Beta回归模型和弹性网络正则化技术，以处理稀疏数据和多重共线性问题。
• 技术复杂度影响发展：某些技术如核能由于其复杂性，专利活动相对集中，而其他技术如风能和氢能则更具扩散潜力，适合更多地区发展。

关键信息

技术分类与定义

• 14项低碳技术包括：太阳能电池板、氢能技术、太阳能和热能、风能、水能、能源管理、高效照明、高效加热和冷却、燃烧技术、建筑保温、生物燃料、电池、电动车、高效铁路运输、核能。
• 使用CPC Y类代码和IPC类代码对技术进行分类，其中CPC用于定义低碳技术，IPC用于其他技术。

数据来源

• REGPAT数据库：用于获取区域化的专利数据，补充了PATSTAT数据库在子国家层面数据缺失的问题。
• Eurostat和Urban Data Platform：提供经济、人口和劳动力市场数据，用于后续分析。

方法论

• 潜在技术优势（pRTA）：基于现有技术优势（RTA）和网络相关性分析，使用零膨胀Beta回归模型进行预测。
• 网络分析：构建了18个区域-技术接近性网络，通过主成分分析（PCA）减少维度，最终得到两个主成分。
• 区域网络可视化：利用技术相关性构建区域网络，识别出高创新地区的聚集现象。

结果与分析

• 区域创新指数相关性：pRTA与欧盟区域创新指数（Regional Innovation Scoreboard）表现出较高的相关性，尤其在电池、电动车和能源管理技术中。
• 技术集群特征：低碳技术的专利网络显示，法国和德国是主要的创新中心，而某些技术如风能则更广泛地分布在多个国家。
• 政策建议：研究强调，政策应考虑区域特性，支持特定技术领域的专业化发展，通过劳动市场、教育水平和研发投入等手段增强区域竞争力。

重要发现

• 技术潜力与区域特征相关：区域技术潜力与劳动市场参与率、科技就业、高等教育、研发投入等因素密切相关。
• 区域网络显示技术扩散趋势：某些技术如风能具有较高的扩散潜力，适合更多地区发展，而核能则更集中于少数创新中心。
• 模型局限性：尽管pRTA模型在某些技术上表现良好，但其与RTA的预测精度仍有提升空间，需进一步验证因果关系。

政策启示

• 制定区域化政策：欧盟应基于各地区的创新潜力和特征，制定针对性的政策以促进低碳技术发展。
• 加强区域合作：区域间的创新网络显示，加强合作有助于技术扩散和知识共享。
• 支持创新生态系统：提升区域的教育水平、研发投入和劳动力市场灵活性，是实现低碳技术潜力的关键。

方法与数据结构

• 数据时间跨度：使用2001-2016年的专利数据，分为三个时间栈（t1, t2, t3）。
• 变量选择：通过弹性网络正则化方法筛选与技术优势相关的经济、社会和人口变量。
• 可视化工具：利用图示展示技术与区域之间的网络关系，揭示区域创新集群和潜力分布。

结论

本研究通过专利数据分析和网络建模，揭示了欧盟地区在低碳技术领域的潜力分布及其影响因素。结果表明，技术潜力与区域创新环境密切相关，且不同技术具有不同的扩散特征。研究建议，政策制定者应基于区域特性，推动低碳技术的本地化发展，并通过加强区域间合作与创新支持，实现技术潜力的最大化。