企业技术前沿接近度如何影响合作创新？

《社会科学辑刊》2023年第5期，172-180页。

【数字经济研究】

企业技术前沿接近度如何影响合作创新？

黄凯南 魏晓珂

　　〔摘　要〕合作创新日益成为企业提升技术水平的重要创新策略，有关合作创新的研究也成为热点。处于行业内不同技术创新水平的企业，所面临的创新不确定性风险不同，由此影响了企业的合作创新倾向。基于技术前沿接近度（PTF）这一衡量企业创新能力相对水平的指标，企业PTF与合作创新之间先减后增的非线性U型关系得以揭示，并在基于中国制造业上市公司数据的实证研究中得到验证。企业风险承担水平对U型关系的二次项系数有显著的负向调节效应，验证了不确定性风险是技术前沿接近度与合作创新之间关系的重要内在机制。U型关系在宏观地区层面、中观产业层面、微观企业层面存在异质性。研究结论为企业合作创新问题提供了新的研究视角与经验证据。

　　〔关键词〕技术前沿接近度；合作创新；U型关系；技术研发风险

　　〔基金项目〕国家社会科学基金重点项目（21AJL005）

　　〔作者简介〕黄凯南，山东大学经济研究院教授，博士生导师，山东省社会科学理论重点研究基地（省委党校）高质量发展研究中心首席专家；魏晓珂，山东大学经济研究院博士研究生。

　　〔中图分类号〕F273.1　〔文献标识码〕A　〔文章编号〕1001-6198（2023）05-0172-09

一、引言与文献综述

随着全球范围内知识量和技术复杂度的急剧提升，创新主体间的合作创新大量涌现。以中国为例，中国创新专利研究数据库显示，中国制造业上市公司联合申请专利数量已经从2008年的68件快速上升至2018年的4902件。对于此现象，我们很自然地关注以下问题：什么因素会影响企业开展合作创新活动的意愿？不同企业选择合作创新的动因及其内在机制是什么？这些问题的研究将有助于深入理解企业合作创新行为，对政府相应激励政策制定具有重要意义。

企业合作创新研究有两种基本理论。一是成本最小化理论〔1〕，企业根据成本最小化原则选择创新方式，难以独立开展技术创新的企业通过合作方式以更低的成本获得外部知识和技术。二是资源基础理论〔2〕，该理论认为资源在企业间是专有性高且不易复制模仿的，企业合作的动因是立足自身优势资源搜寻与之相匹配的外部资源。上述两种理论对企业合作创新问题分别给出了理论解释。学者们在此基础上对企业合作创新的影响因素进行了实证研究。其一，企业技术创新能力是影响合作创新的关键因素。技术创新能力较弱的企业倾向于开展合作创新，随着企业创新能力逐渐提升到一定高度后，研发活动的固定边际成本减小，企业转而采取内部创新。〔3〕但Nakamura和Odagiri给出了相反的结论，他们发现创新能力强的企业对于外部资源更敏感，吸收外部知识的质量和效率更高，因此倾向于合作创新。〔4〕其二，企业规模是企业技术创新方式的影响因素。Granstrand等对世界440家技术活动活跃的公司研究后发现，企业规模与外部研发活动之间是正相关关系。〔5〕而元桥一之和姜波对日本经济产业研究所调查问卷数据分析后发现，企业规模与外部合作创新程度之间呈现出非线性的U型关系，规模较小的企业缺少创新活动所需的大量研究资源，开展外部合作进行资源补充的意愿较强；中等规模企业采取少量外部合作的策略，来弥补自身无法单独进行的研发活动；规模较大的企业则从学习全新技术的角度开展外部合作，以获得长期研发能力提升。〔6〕其三，融资约束对合作创新产生显著影响。合作创新使企业能够获取其他创新主体的知识溢出，但需要较高的资金成本才能将这些外部知识转化为企业自身的创新产出，融资约束较为严重的企业难以为合作研发活动提供必要的资金支撑，从而降低了企业参与合作研发的倾向。周开国等发现融资约束对于企业自身研发、协同研发活动都起到了抑制作用。〔7〕其四，创新过程中的各种风险也将显著影响企业的技术创新方式，当研发创新项目的风险较大以至于单个企业无法独自承担风险时，企业倾向于通过合作来分摊风险。〔8〕

当前对于企业合作创新影响因素的相关研究存在以下不足。其一，现有研究多是探讨绝对量指标对企业合作创新的影响，对于反映企业在所处行业中相对水平的指标研究较少。其二，现有研究忽略了创新水平变化所带来的非线性效应，特别是对于组织模式选择的非线性效应。其三，已有文献对于企业技术创新方式选择问题的内在机制研究尚不充分。因此，本文引入技术前沿接近度作为衡量企业创新水平的指标，通过测算企业在某个技术领域的创新水平与该领域最前沿技术之间的距离，反映其在所处行业中技术创新的相对水平，讨论企业在技术前沿接近度变化过程中合作创新的非线性变化。从风险机制出发探讨企业技术前沿接近度影响合作创新的内在机制。

二、理论分析与研究假说

风险是技术创新活动的固有属性，企业创新存在技术、市场、管理、财务等方面的风险，其中技术风险是创新主体最先遇到也是影响最大的风险因素。〔9〕从知识基础论来看，企业技术创新的不确定性来自创新项目所需的信息量与企业已经获得的信息量之间的鸿沟，Ferreira等发现创新失败概率与研发经验、外部知识获取之间是负向相关关系。〔10〕企业技术创新不确定性与自身创新资源禀赋相关，知识存量和研发经验越薄弱的企业其开展技术研发创新的失败风险就越大；也与企业技术创新的难度相关，难度越大、可供借鉴的经验越少，技术创新的风险越大。

处于不同技术前沿接近度的企业由于自身掌握的知识存量、研发经验和开展技术创新项目的难度不同，对于技术创新模式的选择也存在差异。远离技术前沿的企业掌握的知识和技术较少。根据Cohen和Levinthal的研究，较低的知识存量会限制企业对于外部企业知识溢出的吸收内化能力，在企业内部开展独立创新的失败风险较大。〔11〕企业需要借助合适的合作对象来降低研发失败风险，借助创新资源共享，企业能避免实验设备、人才资源一次性投入过大带来的巨大风险。企业与其他创新主体开展合作，能以较低的研发成本和时间成本获得技术，同时通过外溢、干中学等方式逐渐建立技术研发创新的知识基础。因此，远离行业技术前沿的企业采取合作创新的动机较为强烈。随着知识存量和研发经验的积累，企业能相对容易地吸收企业外部现成的知识、技术溢出以及研发经验，企业仅通过独立创新就可以获得较多的知识和技术，试错成本较低；同时，企业在内部完成创新资源的配置，节省了合作创新过程中的协调成本，此时合作创新意愿较弱。技术前沿企业为了追逐技术创新带来的垄断利润，避免竞争性企业开展技术创新带来“创造性毁灭”，需要探索尝试根本性的技术变革。Dosi提出，根本性技术变革是从一种技术范式过渡到另一种技术范式，不仅发生的可能性更小，并且与沿着既定轨迹的创新项目相比，其不确定性更大。〔12〕企业进入某一技术领域的“无人区”，利用已经掌握的技术和知识进行颠覆式创新的难度更大、不确定性更强，企业需要合作创新拓展创新资源，提高技术创新成功率，分担创新过程中的风险成本；〔13〕技术前沿企业进行颠覆式创新具有很强的外部性，企业通过合作创新促使这种正外部性内部化，吸引更多的企业加入新技术同盟，建立新技术的行业标准，提高新技术在上下游企业和同行业竞争者中的兼容性，合作创新动机较为强烈。

据此，我们提出假说1：技术前沿接近度是企业合作创新决策的重要影响因素，随着企业技术前沿接近度由低到高变化，企业合作创新呈现出先下降后上升的U型变化趋势，即最远离技术前沿和最接近技术前沿的企业其合作创新程度要高于处于技术水平中游的企业。

企业在创新风险方面承受能力的差异对合作创新产生影响。风险承担水平是企业决策制定者对于风险承担态度的集中表现，反映了企业对于风险的选择倾向。风险承担水平高的企业，对于风险的忍受能力强，倾向于选择收益更高、不确定性更大的技术创新策略，通过承担独立研发的高风险来获得技术创新成功后的垄断利润。〔14〕风险承担水平低的企业对于风险的规避态度更强，只能选择低风险、低收益的投资策略，这类企业选择合作创新降低不确定性风险。

据此，我们提出假说2：企业风险承担水平对企业技术前沿接近度与合作创新之间的U型关系产生负向调节效应。

三、研究设计

本文设定计量模型如下：

（1）

其中，Yi，t为企业i在t时期合作获得发明专利数量；PTFi，t是企业技术前沿接近度；X_firmj，i，t、X_indk，i，t、X_prol，i，t分别为企业、行业、省份控制变量；λt、μm、νn分别代表时间固定效应、行业固定效应和省份固定效应。

本研究的被解释变量为企业合作创新程度，专利被很多研究用于衡量企业的技术创新活动，本文在寇宗来和刘学悦所用方法基础上，采用一家企业每年与其他创新主体联合获得的发明专利数CPnum作为衡量企业合作创新产出的指标。〔15〕本研究使用企业技术前沿接近度PTF作为核心解释变量。其定义为，企业i的技术创新水平与其所在行业中技术创新水平最高企业的技术创新水平之间的接近程度，通过计算企业i当年全要素生产率TFP与当年所在行业中企业TFP最大值之比测算获得。〔16〕企业TFP值通过LP方法，使用企业增加值、固定资产净值、员工人数和中间品投入等数据估计得到。后文使用Wooldridge估计方法计算得到不同的企业TFP估计值，作为稳健性检验之一。本文从企业微观层面、行业中观层面、地区宏观层面选择控制变量。一是企业层面变量，包含企业当年独立获得的发明专利数量、营业收入、R&D投入、国有控股比例SOE、融资约束SA指数、盈利能力ROA指数、管理费用比例及高管特征变量（CEO年龄及受教育程度），上述变量与企业创新禀赋、融资、管理等密切相关，对企业合作创新产生影响。〔17〕二是行业层面变量，行业集中度HHI指数会决定企业面临的市场结构，进而影响企业的创新策略。〔18〕三是地区层面变量，包括所在省份人均GDP、所在城市营商环境。〔19〕

本文使用的企业专利数据来自中国研究数据服务平台的中国创新专利研究数据库，计算企业TFP值所使用的企业增加值、固定资产净值、员工人数、中间品投入等数据来自国泰安上市公司基本信息数据库。在控制变量中，企业规模、研发投入、国有控股比例、SA指数、ROA指数、管理费用比例、CEO年龄与受教育程度、所在行业集中度来自国泰安上市公司基本信息数据库，企业所在省份人均GDP来自中国统计年鉴，企业所在城市营商环境指数来自粤港澳大湾区研究院、21世纪经济研究院联合发布的中国城市营商环境报告。研究采用面板数据，使用2041家中国制造业企业2008—2018年的相关数据，在剔除缺失值的样本之后，剩余样本为11570条数据。样本描述性统计如表1所示。企业合作获得发明专利数量差异非常大，标准差为23.566，远大于均值1.839。制造业上市公司合作发明专利总数从2008年的68件增长至2018年的4902件，涨幅约70倍；在专利总数中的比例也从5.45%上升至13.47%，这说明合作创新在企业创新中的贡献度越来越大。但企业合作创新比例仍然相对较低，在本研究的样本中，有1861家企业（91.18%）获得发明专利，但其中只有846家企业（41.45%）有过联合获得发明专利。

表1　描述性统计

变量名称

样本量

均值

标准差

最小值

最大值

变量名称

样本量

均值

标准差

最小值

最大值

CPnum

11570

1.839

23.566

0

1615

ROA

11570

0.061

0.072

-0.798

0.586

PTF

11570

0.776

0.094

0.511

1

MFR

11570

0.098

0.106

0.004

7.284

IPnum

11570

12.219

73.193

0

2574

CEO_age

11570

49.353

6.693

26

81

Size

11570

12.598

1.141

9.848

18.097

CEO_edu

11570

2.860

1.481

0

6

RD

11570

8.447

1.663

0

15.815

GDP

11570

481.142

113.269

207.641

865.065

SOE

11570

0.031

0.106

0

0.837

RBE

11570

0.379

0.127

0.234

0.606

SA

11570

-3.710

0.233

-4.433

-2.762

HHI

11570

0.165

0.134

0 .036

1

四、实证结果

表2第（1）列汇报了基准回归结果，企业合作创新随技术前沿接近度提高呈现出先减后增的非线性变化。即在同一行业内，随着企业技术前沿接近度提高，其合作创新程度存在一个转折点。在低于转折点的技术相对落后区间里，企业越远离技术前沿，参与合作创新的程度越强，周开国等利用2012年世界银行的企业调查数据对合作创新选择进行了研究，得到了创新能力越弱时其协同研发意愿相对较高的结论，得出的结论与本研究技术相对落后区间的结论具有一致性。〔20〕而在高于转折点“谷底”的技术相对先进区间里，企业越接近技术前沿，参与合作创新的意愿也越强。Miotti和Sachwald认为，企业进行成本高昂、风险较大的创新项目，加入合作创新的倾向越强烈，所以更加重视科学资源进行创新的企业合作研发的意愿越强烈。〔21〕

表2　基准回归结果与稳健性检验

变量

（1）基准回归

CPnum

（2）替换被解释变量

TPnum

（3）替换解释变量

CPnum

（4）GMM方法

CPnum

PTF2

23.222***

（4.099）

54.052***

（13.300）

24.145***

（4.156）

36.387***

（12.472）

PTF

-34.532***

（6.264）

-76.153***

（20.341）

-36.066***

（6.349）

-55.323***

（20.007）

IPnum

0.029***

（0.004）

0.080***

（0.013）

0.029***

（0.004）

0.027***

（0.004）

Size

0.738***

（0.065）

2.417***

（0.218）

0.742***

（0.066）

0.801***

（0.077）

RD

0.077**

（0.037）

0.285**

（0.123）

0.071*

（0.037）

0.107**

（0.051）

SOE

-0.032

（0.383）

0.294

（1.374）

-0.011

（0.385）

-0.169

（0.507）

SA

-0.082

（0.190）

1.630**

（0.647）

-0.171

（0.191）

-0.223

（0.254）

ROA

1.548***

（0.467）

3.678**

（1.651）

1.661***

（0.470）

1.727***

（0.553）

MFR

2.294***

（0.670）

6.431***

（2.176）

2.269***

（0.673）

1.646

（1.092）

CEO_age

0.013***

（0.004）

0.048***

（0.013）

0.012***

（0.004）

0.011**

（0.005）

CEO_edu

0.056***

（0.021）

0.283***

（0.071）

0.050**

（0.021）

0.046*

（0.025）

GDP

-0.001

（0.001）

0.005

（0.004）

-0.001

（0.001）

-0.002

（0.001）

RBE

0.919**

（0.387）

0.441

（1.413）

1.018***

（0.393）

1.023**

（0.469）

HHI

-0.188

（0.388）

-3.247*

（1.773）

-0.153

（0.392）

0.124

（0.506）

常数项

3.323

（2.636）

0.968

（8.675）

3.230

（2.660）

10.387

（7.608）

时间固定效应

是

是

是

是

省份固定效应

是

是

是

是

行业固定效应

是

是

是

是

样本量

11570

11570

11433

9219

R2

0.210

0.206

0.211

0.215

注：*、**、***分别表示在10%、5%和1%的水平上显著，系数下方括号中数值为标准误，下表同。

为了保证结果的稳健性，本文首先将基准回归中的被解释变量企业合作获得发明专利数量CPnum替换为企业合作获得的全部专利数量TPnum（包括发明、实用新型、外观设计三类专利），结果如表2第（2）列所示，对于被解释变量的两个衡量指标，U型关系的结果依然显著。本文对解释变量进行替换时，我们使用全要素生产率的不同计算方法得到解释变量PTF的替换变量进行稳健性检验。基准模型回归部分采用LP方法测算，稳健性检验中使用Wooldridge方法，在广义矩估计（GMM）框架下通过一步估计方法计算企业全要素生产率。由表2第（3）列可知研究结果是稳健的。考虑到研究中由可能存在的反向因果等带来的内生性问题，本研究采用工具变量法，将滞后一期的PTF值作为工具变量进行内生性检验。异方差检验发现存在异方差问题（White检验值、Breusch‐Pagan检验值都等于0.000），由于传统Hausman检验不适用于异方差情形，我们选择进行异方差稳健的Durbin-Wu-Hausman检验，DWH检验的p值为0.324，不能拒绝“解释变量为外生”的原假设，因此可以接受基准回归结果。参考杨振兵的方法，我们使用广义矩估计（GMM）方法，结果如表2第（4）列所示，研究结果是稳健的。〔22〕

核心解释变量二次项的估计系数显著只是企业技术前沿接近度与合作创新之间U型关系的必要非充分条件，需要进一步证明U型关系的另外两个条件：一是核心解释变量两个端点处的斜率必须显著，且符号相反；二是转折点及其置信区间必须在核心解释变量的取值范围内。本文对核心解释变量两个端点处斜率的显著性进行检验，结果发现左侧端点斜率显著为负，右侧端点斜率显著为正，然后总体检验U型关系成立。根据Lind和Mehlum方法，使用Fieller方法估计极值点位置并检验是否在解释变量取值范围内，估计得出U型曲线极值点95%置信区间为（0.714，0.773），在核心解释变量取值范围（0.511 ，1）内。〔23〕如表3所示，满足U型关系条件。

表3　U型关系检验

被解释变量：CPnum

估计值或区间

t值

P>|t|

被解释变量：CPnum

估计值或区间

t值

P>|t|

核心解释变量取值范围

（0.511，1）

–

–

U型检验

–

4.640

0.000

左端点斜率

-7.417***

-4.639

0.000

极值点估计值

0.744

–

–

右端点斜率

11.911***

5.694

0.000

极值点95%置信区间

（0.714，0.773）

–

–

五、影响机制与异质性分析

（一）机制分析

处于不同技术前沿的企业所面对的创新风险是不同的，由此影响企业作出不同的创新策略选择。本文使用风险承担水平这一指标进行机制检验。已有文献常用盈余波动性、资产负债率、股票回报波动性等指标来衡量企业风险承担水平。由于中国股票市场波动性较大等原因，使用盈余波动进行衡量的方法在已有研究中具有较高认同度。本文借鉴余明桂等的方法使用ROA波动程度作为企业风险承担水平的代理变量，将观测时段设置为五年，滚动计算观测时段内经行业调整后的ROA标准差，盈余波动性数值越大，说明企业的风险承担水平越高。〔24〕其中，调整ROA（ADJ_ROAi，t）和风险承担水平（riski）表达式分别为：

（2）

（3）

其中，i代表企业，t代表在观测时段内的年度，X代表某行业的企业总数，k代表该行业的第k家企业，EBIT为企业息税前利润，ASSET为企业总资产。借鉴江静琳等的方法〔25〕，本文构建企业风险承担水平这一指标，将其与核心解释变量一次项、二次项的交互项进行回归，结果详见表4。可以看到核心解释变量的二次项的交互项系数显著为负，这表明企业风险承担水平对二次项有显著的负向调节作用。企业风险承担水平越低，越倾向于加强企业的合作创新来降低研发环节的风险，故企业的合作创新程度也较高。高技术前沿接近度企业与低技术前沿接近度企业的创新风险较高，出于规避和分摊风险成本的考虑，企业合作创新程度更高，这使得技术前沿接近度与企业合作创新之间U型关系更加陡峭。

表4　机制检验

变量

（1）基准回归

CPnum

（2）风险承担水平调节效应

CPnum

变量

（1）基准回归

CPnum

（2）风险承担水平调节效应

CPnum

PTF2

23.222***

（4.099）

35.829***

（7.946）

CEO_age

0.013***

（0.004）

0.012**

（0.005）

PTF

-34.532***

（6.264）

-52.641***

（12.235）

CEO_edu

0.056***

（0.021）

0.048*

（0.026）

PTF2×Risk

-4.734***

（1.689）

GDP

-0.001

（0.001）

-0.003*

（0.001）

PTF×Risk

6.932***

（2.532）

RBE

0.919**

（0.387）

1.412***

（0.529）

Risk

-2.479***

（0.940）

HHI

-0.188

（0.388）

-0.153

（0.554）

IPnum

0.029***

（0.004）

0.027***

（0.004）

常数项

3.323

（2.636）

9.257*

（4.896）

Size

0.738***

（0.065）

0.811***

（0.083）

时间固定效应

是

是

RD

0.077**

（0.037）

0.079*

（0.042）

省份固定效应

是

是

SOE

-0.032

（0.383）

-0.239

（0.528）

行业固定效应

是

是

SA

-0.082

（0.190）

-0.005

（0.257）

样本量

11570

8160

ROA

1.548***

（0.467）

1.993***

（0.634）

R2

0.210

0.218

MFR

2.294***

（0.670）

2.912***

（0.904）

（二）异质性分析

1.区位异质性。考虑到我国不同地区企业创新的外部环境存在巨大差异，本文按照传统地理位置将企业划分为东部、中西部两个地区组，分组回归结果如表5第（1）（2）列所示。东部地区企业合作创新与技术前沿接近度之间呈显著的U型关系，而在西部地区企业中，二次项与一次项系数都不显著。这种地区异质性的内在原因可能在于：其一，东部地区市场化程度更高，企业间竞争性更强，创新过程的风险属性更易被放大，出于风险规避的考虑，东部地区的企业有更大动机选择合作创新来提高自身的创新绩效。其二，东部地区法制化环境更为完善，知识产权保护力度更强，能够保护合作关系中各个创新主体的权益，减轻企业担心技术外泄的顾虑，从而提升企业合作创新的动力。其三，东部地区企业、高校的总数和密度更大，创新的集聚程度更高，这为企业寻找创新合作伙伴提供了更多便利，降低了合作创新过程中的搜寻成本。

表5　异质性分析

变量

（1）东部

地区企业

CPnum

（2）中西部

地区企业

CPnum

（3）高新技术

企业

CPnum

（4） 非高新

技术企业

CPnum

（5）正向业绩

反馈企业

CPnum

（6）负向业绩

反馈企业

CPnum

PTF2

31.852***

（5.234）

-3.139

（4.047）

33.580***

（6.960）

33.922***

（5.302）

27.239***

（6.723）

19.752***

（5.365）

PTF

-48.496***

（8.056）

5.856

（6.110）

-49.666***

（10.334）

-51.744***

（8.345）

-40.502***

（10.368）

-29.230***

（8.090）

IPnum

0.027***

（0.005）

0.026***

（0.006）

0.027***

（0.005）

0.021***

（0.006）

0.028***

（0.006）

0.028***

（0.005）

Size

0.966***

（0.087）

0.343***

（0.085）

1.163***

（0.114）

0.433***

（0.071）

0.967***

（0.112）

0.576***

（0.079）

RD

0.091

（0.058）

0.104***

（0.024）

-0.016

（0.077）

0.098***

（0.030）

0.003

（0.075）

0.098***

（0.029）

SOE

-1.821***

（0.500）

1.787***

（0.601）

-0.592

（0.631）

-0.067

（0.412）

-0.209

（0.656）

0.040

（0.447）

SA

0.098

（0.225）

-0.802**

（0.315）

-0.410

（0.323）

0.441**

（0.180）

-0.152

（0.286）

0.024

（0.255）

ROA

2.592***

（0.618）

-0.130

（0.593）

2.072***

（0.746）

1.363**

（0.581）

-0.885

（1.069）

2.474***

（0.706）

MFR

2.621***

（0.891）

1.610*

（0.850）

2.554***

（0.928）

3.051***

（0.947）

5.255***

（1.287）

1.030

（0.781）

CEO_age

0.013***

（0.005）

0.011*

（0.007）

0.020***

（0.006）

0.007*

（0.004）

0.022***

（0.006）

0.007

（0.005）

CEO_edu

0.099***

（0.027）

-0.032

（0.033）

0.110***

（0.033）

0.033

（0.028）

0.080**

（0.038）

0.034

（0.024）

GDP

0.002

（0.002）

-0.002

（0.002）

0.000

（0.002）

-0.002

（0.002）

0.001

（0.002）

-0.001

（0.001）

RBE

0.672

（0.464）

0.130

（0.610）

1.428**

（0.606）

0.881*

（0.459）

1.471**

（0.595）

0.357

（0.513）

HHI

-0.371

（0.475）

0.266

（0.516）

0.700

（1.105）

-0.357

（0.378）

-0.851

（0.601）

0.415

（0.547）

常数项

7.145**

（3.365）

-10.960***

（2.996）

1.216

（4.266）

16.574***

（3.162）

-2.366**

（0.946）

4.921***

（1.884）

时间固定效应

是

是

是

是

是

是

省份固定效应

是

是

是

是

是

是

行业固定效应

是

是

是

是

是

是

样本量

8178

3392

5723

5847

5516

6041

R2

0.243

0.184

0.239

0.219

0.228

0.213

2.行业异质性。行业异质性往往导致各种要素在各个行业中的创新效应不尽相同，本文参照国家统计局制定的《高技术产业统计分类目录》《高技术产业（服务业）分类（2018）》两份文件和证监会出台的《上市公司行业分类指引》，选取六个行业作为高新技术行业，即电气机械及器材制造业；计算机、通信和其他电子设备制造业；铁路、船舶、航空航天和其他运输设备制造业；专用设备制造业；医药制造业；仪器仪表制造业。将样本企业分为高新技术行业组和非高新技术行业组，行业分组回归结果如表5第（3）（4）列所示。结果显示，技术前沿接近度与合作创新之间U型关系的行业异质性并不显著。

3.业绩反馈的异质性。业绩反馈压力会影响企业创新策略的选择，我们进一步验证业绩反馈差异的企业U型关系的异质性。本文使用历史期望落差来反映企业所面临的业绩反馈，历史期望业绩HAi，t与历史期望落差fbi，t分别为：

（4）

借鉴连燕玲等的做法〔26〕，我们取α=0.4，即公司i在t期的历史期望业绩HAi，t等于0.6倍的公司i在t-1期的实际业绩Pi，t-1加上0.4倍的公司i在t-1期的历史期望业绩HAi，t-1。

（5）

根据业绩反馈，我们将企业分为实际业绩高于期望业绩的正向业绩反馈企业组（fbi，t>0）和实际业绩低于期望业绩的负向业绩反馈企业组（fbi，t<0），回归结果见表5第（5）（6）列。相比于负向业绩反馈企业，正向业绩反馈企业合作创新与技术前沿接近度之间U型关系的二次项系数更大。当实际业绩高于期望业绩时，企业管理者会增加对既有策略的信心，低技术前沿接近度企业和高技术前沿接近度企业从合作创新中获得收益，会更加坚定并继续加大合作创新力度的决心，而技术创新水平中段的企业在内部独立创新活动中已经获得了高于预期的业绩，转变技术创新策略进行合作创新的意愿比较弱。而当实际业绩低于期望业绩时，企业管理层出于负向业绩反馈的压力考虑，往往会将企业生存作为优先考虑的问题，采取更为保守的经营管理策略来加强成本费用支出控制，降低研发创新方面的投入强度，企业合作创新行为也会大幅降低。

六、结论

本文考察了企业技术前沿接近度对合作创新的影响及其作用机制。使用企业技术前沿接近度这一相对性指标，从理论层面发现了其对企业合作创新的非线性U型影响效应，即随着技术前沿接近度由低到高变化，合作创新呈先降后升趋势。实证研究基于2008—2018年制造业上市公司数据，对满足变量之间U型关系的三个条件逐一检验，实证结果支持企业技术前沿接近度与合作创新之间U型关系的假说。机制检验表明，企业风险承担水平对技术前沿接近度与合作创新之间U型关系的负向调节作用，企业风险承担水平越低，越倾向于加强企业的合作创新来降低研发环节的风险，合作创新与技术前沿接近度二次项之间的相关系数越大，二者U型关系的开口越陡峭，这证明技术创新不确定性在影响不同技术前沿接近度的企业进行合作创新中发挥着重要的机制作用。本文对上述U型关系进行地区层面、产业层面、企业层面异质性分析，东部地区企业、业绩高于预期的正向业绩反馈企业其技术前沿接近度与合作创新之间的U型关系更陡峭，而U型关系在高新技术产业企业和非高新技术产业企业没有表现出异质性。

根据本文结论，我们提出如下政策建议。第一，政府应根据企业创新水平提供个性化的合作创新政策支持。企业创新水平决定其研发目的与合作意愿差异，企业面临的创新约束也不相同，同质化政策在促进企业合作创新方面可能收效甚微。第二，政府应立足国内企业创新现状，深化知识产权保护工作体制机制改革。知识产权保护能够强化企业合作创新意愿的原因在于厘清合作创新中各参与主体的权利保护边界，降低违约、侵权风险，有效保障企业在合作创新中的合法权益。

〔参考文献〕

〔1〕Pedro de Faria，Francisco Lima，Rui Santos，“Cooperation in Innovation Activities：The Importance of Partners，”Research Policy，vol.39，no.8（2010），pp.1082-1092.

〔2〕Barney J. B.，“Firms Resources and Sustained Competitive Advantage，”Journal of Management，vol.17，no.1（1991），pp. 3-10.

〔3〕生延超：《企业技术能力与技术创新方式选择》，《管理科学》2007年第4期。

〔4〕Nakamura K.，Odagiri H.，“R&D Boundaries of the Firm：An Estimation of the Double-Hurdle Model on Commissioned R&D，Joint R&D，and Licensing in Japan，”Economics of Innovation and New Technology，vol.14，no.7（2005），pp. 583-615.

〔5〕Ove Granstrand，Parl Patel，Keith Pavitt，“Multi-Technology Corporations：Why They Have ‘Distributed’ Rather Than ‘Distinctive Core’ Competencies，”California Management Review，vol.39，no.4（1997），pp. 8-25.

〔6〕〔日〕元桥一之、姜波：《日本企业的R&D合作及其对国家创新系统改革的政策启示》，《科学学研究》2006年第4期。

〔7〕〔20〕周开国、卢允之、杨海生：《融资约束、创新能力与企业协同创新》，《经济研究》2017年第7期。

〔8〕杨建君、聂菁：《寡头垄断企业技术创新模式选择——创新风险与技术类型的影响分析》，《科学学与科学技术管理》2009年第11期。

〔9〕王宗军、杨萍：《企业自主技术创新风险的影响因素研究》，《技术经济》2008年第4期。

〔10〕Ferreira J.，Fernandes C. I.，Ferreira F.，“Wearing Failure as a Path to Innovation，”Journal of Business Research，vol.120，no.11（2020），pp. 195-202.

〔11〕Cohen Wesley M.， Levinthal Daniel A.，“Innovation and Learning：The Two Faces of R&D，”Economic Journal，vol.99，no.397（1989），pp. 569-596.

〔12〕Dosi G.，“Technological Paradigms and Technological Trajectories：A Suggested Interpretation of the Determinants and Directions of Technical Change，”Research Policy，vol.11，no.3（1982），pp.147-162.

〔13〕黄凯南、乔元波：《产业技术与制度的共同演化分析——基于多主体的学习过程》，《经济研究》2018年第12期。

〔14〕Leonce L. Bargeron，Kenneth M. Lehn，Chad J. Zu‐tter，“Sarbanes-Oxley and Corporate Risk-Taking，”Journal of Accounting and Economics，vol.49，no.1（2010），pp. 34-52.

〔15〕寇宗来、刘学悦：《中国企业的专利行为:特征事实以及来自创新政策的影响》，《经济研究》2020年第3期。

〔16〕郭平：《基于前沿技术距离的企业异质性创新问题研究》，博士学位论文，云南大学经济学院，2017年，第52页。

〔17〕王昌荣、李娜：《高管特征、自信度与企业创新成果关系研究——基于制造业企业的经验数据》，《经济问题》2019年第5期。

〔18〕杨兴全、尹兴强：《行业集中度、企业竞争地位与现金持有竞争效应》，《经济科学》2015年第6期。

〔19〕李志军：《我国重点城市群营商环境评价及比较研究》，《北京工商大学学报（社会科学版）》2021年第6期。

〔21〕Luis Miotti，Frederique Sachwald，“Co-Operative R&D：Why and with Whom? An Integrated Framework of Analysis，”Research Policy，vol.32，no.8（2003），pp. 1481-1499.

〔22〕杨振兵：《市场整合利于提升创新效率吗——基于创新能力与创新动力的新视角》，《当代财经》2016年第3期。

〔23〕Jo Thori Lind，Halvor Mehlum，“With or Without U？The Appropriate Test for a U‐Shaped Relationship，”Oxford Bu‐lletin of Economics & Statistics，vol.72，no.1（2010），pp. 109-118.

〔24〕余明桂、李文贵、潘红波：《管理者过度自信与企业风险承担》，《金融研究》2013年第1期。

〔25〕江静琳、王正位、廖理：《农村成长经历和股票市场参与》，《经济研究》2018年第8期。

〔26〕连燕玲、贺小刚、高皓：《业绩期望差距与企业战略调整——基于中国上市公司的实证研究》，《管理世界》2014年第11期。

【责任编辑：田　华】