企业间合作研发与技术创新绩效——基于世界银行2012年中国企业调查数据的实证分析

吴陈锐

(中国社会科学院 研究生院，北京 102488)

一、引言

在全球生产分工不断细化，竞争持续激烈化，技术创新复杂度、风险和成本大幅上升的经济环境下，企业核心能力日趋专业化，对外依赖程度深化，企业逐渐由单打独斗趋向于联合其他企业形成抱团式发展。20世纪60～70年代企业间合作研发发展缓慢，到了80年代，随着研发项目风险和成本日益增加，科技开发的持续复杂化和研发周期不断缩短，全球企业间合作研发开始大量出现[1]，企业间合作研发已成为不同企业整合资源、实现优势互补的一种重要技术创新方式。通过开展企业间合作研发，企业可以更好地获取外部资源，实现规模经济和范围经济，发挥企业间研发的协同效应，降低风险和减少重复研发[2][3]。

当前中国经济增长已进入“创新驱动”发展阶段，以依赖加大要素投入进而扩大投资规模为手段的经济增长模式不具有可持续性，科技创新对经济社会发展的支撑和引领作用越来越得到凸显。企业技术创新是中国经济创新驱动发展的基础。长期以来，在中国的科技创新投入大幅增长的同时，中国企业的生产技术水平仍然比较落后，大多数企业仍然停留在低技术低附加值领域，企业技术创新成效并不明显[4]。中国企业还面临创新人才紧缺、融资困难等现实问题，阻碍企业技术创新活动的开展和技术创新能力的提升。克服企业创新能力不足的难题并着力提升企业技术创新绩效，是中国经济创新驱动发展的重点和难点。企业间合作研发解除了单个企业独立创新的内在束缚并促进了企业间不同资源的整合和优化配置，为提升企业创新能力提供了新思路。那么，企业间合作研发是否可以提升中国企业技术创新绩效呢？此外，一些研究表明，对于提升企业绩效而言，企业研发投入并不是越多越好(如宗庆庆和周亚虹[5])，那么企业间合作研发投入对于提升中国企业技术创新绩效是否多多益善？

本文基于世界银行2012年中国企业调查数据，采用倾向得分匹配法及广义倾向得分匹配法分别考察企业间合作研发决策以及企业间合作研发强度对企业技术创新绩效的影响。研究结果表明，相对于未开展企业间合作研发，开展企业间合作研发显著提升了企业技术创新绩效；在企业间合作研发强度处于较低水平时，增加合作研发投入可以显著地提升企业技术创新绩效；而企业间合作研发处于较高水平时，合作研发投入的增加并不能有效地提升企业技术创新绩效。本文的研究结果对于企业规划和开展企业间合作研发活动具有一定的参考价值。

二、文献综述

企业合作研发①的文献主要分为三类，分别为合作研发影响因素、合作研发模式和合作研发绩效效应[6]。本文主要研究内容是分析企业间合作研发对企业技术创新绩效的影响，归属于合作研发绩效效应的文献范畴， 在此主要选择和评述归属于企业合作研发绩效效应范畴的相关文献。

企业间合作研发主要通过直接和间接两种方式影响企业技术创新绩效。其直接效应主要表现为企业间合作研发带来了补充性资源、风险成本共担和外部知识溢出。资源基础理论认为，企业通过与其他组织合作以得到其研发所需的补充性资源，并实现成本与风险的共担[7][8]。合作研发可以带来企业外部的知识溢出，并使得企业可以内部化外部知识溢出。D′Aspremont和Jacquemin构建了三阶段博弈模型，认为在外部知识溢出足够高的情况下，企业合作研发投入增加，并提升了企业的均衡产出[9]。间接效应主要表现为合作研发提升企业内部研发效率。企业内部研发与合作研发具有互补还是替代的关系，这取决于企业技术创新所需的是特定性知识还是一般性知识，替代性的内外部创新活动使得外部研发合作带来研发成本的下降，提升了企业研发效率[2]。而互补性的创新活动，使企业可以整合不同的创新战略，从而提升其创新产出[10](P6—8)。

然而，企业合作研发并非易事，也不是没有成本的。合作研发面临交易成本问题，特别是在协调、管理和控制不同参与方研发活动上[2]，如协调不同的组织行为，整合互补性的资产和资源，制订联合研发的规章制度。选择合作伙伴也是一件费力耗时的事件，增加了合作研发的搜索成本[7]。此外，合作研发还面临着潜在的研发风险和信息不对称问题，可能带来机会主义行为的威胁[11]。

大多数的实证研究表明，企业间合作研发可显著提升企业技术创新绩效。Arvanitis采用瑞士企业数据进行实证分析，表明企业合作研发提升了企业新产品销售占比[12]。在采用德国企业数据分析后，Aschhoff和Schmidt同样发现，企业合作研发提升了企业新产品的销售占比，但对企业模仿的新型产品销售占比，未起积极的推动作用[13]。Becker和Dietz同样采用德国企业数据实证发现，企业合作研发显著地提升了企业新产品销售占比[2]。Miotti和Sachwald采用法国企业数据，同样发现企业合作研发提升企业新产品销售占比[14]。Belderbos等采用丹麦企业数据进行实证分析后，发现企业合作研发显著推动了人均新产品销售额增长[15]。Peeters和de la Potterie采用比利时企业数据，发现合作研究不仅提升了企业申请专利的概率，还提升了企业申请专利的数量[16]。另一些文献却并未发现两者显著的正向关系。Klomp和Van Leeuwen采用荷兰企业数据进行实证分析，发现合作研发未能显著提升新产品销售占比[17]。Kemp等使用荷兰企业数据，得出与Klomp和Van Leeuwen一致的结论[18](P47—52)。

相对于国外研究而言，中国的研究数量较少。王龙伟等基于企业调查数据，以因子分析合成企业合作研发及创新绩效变量并进行回归分析，发现合作研发提升了企业创新绩效、契约治理和信任调节企业合作研发的影响作用[19]。马艳艳等结合中国工业企业数据库及中国国家知识产权局的专利数据进行实证分析，发现企业合作伙伴数量与企业新产品产值的增长存在倒U型关系，而合作伙伴之间的信任则会促进企业新产品产值的增长[20]。采用中国医药制造业企业数据进行实证分析后，张妍和魏江则发现，企业合作伙伴多样化会积极地提升企业创新绩效[21]。

大多数的实证研究以企业新产品销售占比来表征企业技术创新绩效[12]。Hagedoorn和Cloodt在回顾相关文献后指出，狭义的企业技术创新绩效是指企业能在多大程度上将新发明引入市场，而广义的企业技术创新绩效则涵盖对企业的技术研发和产品市场商业化阶段表现的衡量[22]。无论是狭义还是广义的技术创新绩效，都体现了企业技术创新的经济效益。新产品销售占比直接将创新活动与市场成功相联系，反映了企业技术创新活动的经济效益，是反映企业技术创新绩效的合适变量。一些研究采用专利表征企业技术创新绩效，除了未能反映企业技术创新经济效益之外，还存在一些不当之处。专利申请与否是企业的战略性决策，对一些不愿意申请专利的企业而言，商业机密或市场领先时间是更好的保护手段，而一些企业如小企业则没有能力申请专利[18](P16—17)。

国内学者有限的研究集中于企业合作研发经验、伙伴多样化、组织关系对企业技术创新绩效的影响。但一个直观的问题仍没得到分析，即中国企业开展企业间合作研发是否提升了企业技术创新绩效？鉴于此，本文基于世界银行2012年中国企业调查数据，采用倾向得分匹配方法实证考察企业间合作研发对企业技术创新绩效的影响，提供了稳健的中国微观企业实证证据，丰富了相关领域的研究。此外，大多数的实证研究考察了企业合作研发强度对企业技术创新绩效的线性影响，这样的分析潜在地假定不同的企业合作研发强度对于企业技术创新绩效的影响是同质的，并没有考虑不同的企业合作研发强度的异质性影响。本文还采用广义倾向得分匹配方法，实证分析不同的企业间合作研发强度对企业技术创新绩效的异质性影响，为企业合理规划企业间合作研发投入提供参考。

三、数据说明与模型设定

(一)数据说明

我们所采用的样本数据来源于世界银行2012年的中国企业调查数据。世界银行在2012年对位于合肥、北京、广州等25个城市的2700家企业进行调查，行业类型包括制造业和服务业企业，调查内容涵盖企业基本信息、基础设施、销售与供应、产能利用、创新与科技、融资、政企关系和劳动力等方面的问题，调查内容主要涉及2011年以及2009～2011年期间信息。相较于其他微观企业数据，该数据具有两点优势：一是该数据具有相对全面和丰富的企业技术创新信息，特别是提供了合作研发的信息；二是该数据是相对新近的可公开获取的微观企业数据，信息内容相对丰富。

由于本文考察企业技术创新绩效，我们首先删除服务业企业样本，然后删除相关变量回答不清楚或遗漏的企业样本，得到1485家制造业企业的样本。样本企业多数为中小规模企业，超过90%的企业年销售总额未达到2000万。其中，开展企业间合作研发的企业占全部样本企业比例的10.24%，而开展企业内部研发的企业占全部样本企业比例为40.74%，相对于企业内部研发，企业间合作研发仍然是少数企业的行为。

(二)模型设定

企业间合作研发是企业的战略性行为，是基于企业面临的市场环境、经营现况和经营目标而采取的行动。无论企业进行企业间合作研发决策还是确定企业间合作研发强度，都具有选择性偏差。如果直接使用最小二乘法分析企业间合作研发决策和企业间合作研发强度对企业技术创新绩效的影响，都将导致相关系数估计偏误。本文将分别采用倾向得分匹配和广义倾向得分匹配方法，以考察企业间合作研发决策及合作研发强度对企业技术创新绩效的影响。

1.倾向得分匹配模型设定。倾向得分匹配方法基于反事实推断框架，将研究对象分为处理组和非处理组，通过可观测条件来匹配两组样本，构建可与实际观测结果比较的未能观测到的“反事实”结果，从而确定处理行为的因果效应。我们设立二元虚拟变量，将企业划分为开展企业间合作研发的处理组样本和不开展企业间合作研发的对照组样本，建立Logit模型式如下：

(1)

式(1)中，D是企业是否开展企业间合作研发，若开展，赋值为1，否则为0。X为匹配变量。开展和不开展合作研发企业的技术创新绩效分别以Y1和Y0表示。

在根据所估计的开展企业间合作研发的倾向得分对处理组企业进行匹配，条件独立性和共同支撑条件成立的情况下，有E(Y0|D=1，X=Xi)=E(Y0|D=0，X=Xi)成立，即为处理组样本寻找潜在的“反事实”对照组样本。由此，可以基于匹配样本估计企业开展和不开展企业间合作研发的技术创新绩效差异，即参与者平均处理效应(ATT)，用式(2)表示：

(2)

式(2)中，N1是匹配处理组个体数，I1是匹配处理组样本集合。此外，若针对对照组进行匹配，根据E(Y1|D=1，X=Xi)=E(Y0|D=1，X=Xi)条件，可以估计未参与者平均处理效应(ATU)，公式为式(3)：

ATU = N2-1[ E(Y1|D=1，X=Xi) -Y0i]

(3)

式(3)中，N2是匹配对照组个体数，I2是匹配对照组样本集合。进一步可以估计样本平均处理效应(ATE)，公式为式(4)：

ATE = N-1[E(Y1|D=1，X=Xi) —E(Y0|D=0，X=Xi)]

(4)

式(4)中，N=N1+N2。

2.广义倾向得分匹配模型设定。我们建立广义倾向得分匹配模型以考察企业间合作研发强度对企业技术创新绩效的影响。与倾向得分匹配方法相似，广义倾向得分匹配方法通过可观测条件来匹配样本，进而推断因果效应。不同的是，在广义倾向得分匹配中，样本在一连续处理区间有无数种选择，通过选定某一处理水平，可通过匹配样本来构建相应的“反事实”结果。Hirano和Imbens提出三阶段方法进行估计[23](P73—84)，我们采用该方法估计企业间合作研发对企业技术创新绩效的剂量反应函数(dose-response function)及其处理效应。

第一阶段是估计处理变量的条件分布并拟合广义倾向得分。由于处理变量企业间合作研发强度存在大量零值的有偏分布情况，我们采用Papke和Wooldridge提出的Fractional Logit模型进行估计[24]。在将处理变量标准化在[0，1]之间后，采用极大似然估计法估计见式(5)：

(5)

(6)

第三阶段，估计剂量反应函数及其处理效应。根据第二阶段的估计结果，分别按式(7)和 式(8)估计特定处理水平d的技术创新绩效条件期望均值和处理效应。

(7)

(8)

3.变量说明。技术创新绩效数据取自“与企业过去三年引进新产品或服务相关的销售收入占比”②。企业间合作研发决策变量数据取自“过去三年，企业是否与其他企业合作研发”，如果回答是，则赋值为1，反之为0。企业合作研发强度变量数据取自“过去三年，企业与其他企业合作研发平均投入额”，以企业销售总额去规模化得到。

无论是倾向得分匹配还是广义倾向得分匹配，都旨在选择合适的匹配变量，以校正处理组和控制组的选择性偏差。我们将可能同时影响处理变量和结果变量的变量纳入考虑之中。同时，在参考相关文献与数据可得性的基础上，选择以下匹配变量：(1)吸收能力。较强的吸收能力可使企业更好地内部化外部知识溢出，激励企业开展合作研发，数据取自“过去三年，企业是否有内部研发支出”，如果是，赋值为1，否则为0。(2)企业规模。企业规模越大，更有能力寻找合作伙伴，但同时也更有能力开展独立研发，数据取自“2011年企业销售总额”，取自然对数值。(3)出口强度。出口强度越高，竞争力越强，越有能力开展合作研发，数据取自“企业间接出口销售占比”与“企业直接出口销售占比”，由两者数据相加并除以100得到。(4)融资约束。资金不足可阻碍企业开展合作研发，数据取自“企业是否有可透支账户”,若回答是，则取值为1，否则为0。(5)行业竞争程度。激烈的竞争环境带来的巨大压力可使企业寻求合作研发，数据取自“非正规竞争对企业运营的影响”。(6)是否外资企业。外资企业更可能参与合作研发，特别是国外企业网络的合作研发，数据取自“企业股份中外资企业占比”，如果占比超过50%，赋值为1，反之为0。(7)是否高科技企业。高科技企业更注重知识的创造、学习和吸收，更可能参与合作研发，数据取自“行业类型”，按国家统计局高技术企业行业分类划定，若属于高技术行业，赋值为1，反之为0。变量描述性统计见表1。

表1 变量描述性统计

四、实证回归结果与分析

(一)倾向得分匹配回归结果

1.倾向得分估计与平衡性检验。我们采用Logit模型进行倾向得分估计，按照估计所得的倾向得分对样本进行匹配后，进行比照匹配前后的平衡性检验，结果见表2。

表2汇报的是1∶5的K-近邻匹配平衡性检验结果。由表2可看出，在匹配后，各个匹配变量的标准偏差都相对于匹配前大幅降低。双尾t检验结果显示，在匹配后，各匹配变量的均值不存在显著系统性差异。整体而言，平均标准偏差大幅下降。相对于匹配前，匹配后样本的倾向得分估计结果显示，伪R2大幅下降并接近于零值，LR统计量则拒绝了匹配变量联合显著的原假设。这些说明匹配后匹配变量对模型的解释力较低，匹配变量在处理组与匹配后的对照组之间并没有系统性的显著差异。匹配后较低的伪R2、大幅降低的平均标准偏差以及不显著的LR统计量都表明，旨在平衡匹配变量，消除选择性偏差的倾向得分模型设定是较为成功的。

2.倾向得分匹配处理效应估计结果。我们采用1∶5的K-近邻匹配方法匹配后的样本估计参与者平均处理效应(ATT)、未参与者平均处理效应(ATU)和样本整体平均处理效应(ATE)三种处理效应。为了检验估计结果的稳健性，我们还采用卡尺匹配和核匹配方法估计处理效应。卡尺匹配的半径设定为0.06，而核匹配的带宽设定采用默认的0.06③。同时，为了进行简单的比较，我们还列出了匹配前的处理效应估计结果。以上的估计结果见表3。

表2 倾向得分估计及匹配平衡性检验结果

注：平衡性检验结果基于1∶5 的K-近邻匹配方法计算；在Logit估计结果中，括号内为标准误；*、**、***分别表示显著程度达到10%、5%、1%。

表3 倾向得分匹配处理效应估计结果

注：倾向得分匹配各方法估计的处理效应标准误均采用500次自举法计算得到。

采用匹配前样本的OLS估计结果显示，企业间合作研发显著地提升了企业技术创新绩效。倾向得分匹配的三种匹配方法估计结果显示，ATT显著为正，同样表明企业间合作研发显著地提升了企业技术创新绩效，但是处理效应相对于匹配前的估计结果皆有较大的降低。这证明了企业间合作研发决策存在着选择性偏差，企业间合作研发是企业基于其自身经营和市场环境的考虑所做的战略性行为，综合表现为企业技术创新绩效越高的企业越有可能开展企业间合作研发。从倾向得分匹配的三种匹配方法估计结果看，ATT、ATU、ATE均为正值，且显著程度达到1%的水平。这进一步验证了企业间合作研发有效地提升了企业技术创新绩效，与大多数的实证研究结果相似。企业可以通过寻求与其他企业合作研发，获取自身所紧缺的资源，吸收知识溢出，突破自身创新能力局限，达到更高的技术创新绩效。

(二)广义倾向得分匹配回归结果

1.广义倾向得分估计和平衡性检验。我们首先采用Fractional Logit模型估计广义倾向得分，并使用经广义倾向得分调整匹配后的样本进行平衡性检验，结果见表4。

我们参考Hirano和Imbens的做法进行平衡性检验，将处理水平划分为[0,0.1]和[0.1,1]两个子区间，检验经广义倾向得分调整匹配后的样本在两个子区间的各匹配变量条件均值差异[23](P73—84)。各匹配变量条件均值基于两个子区间处理变量均值计算。平衡性检验结果显示，在两个子区间中，各匹配变量平均偏差双尾t检验皆不显著，表明各匹配变量在匹配后并不与处理变量企业间合作研发强度相关。换言之，各匹配变量在匹配后并不存在着系统性差异，广义倾向得分模型的设定较好地满足了平衡性条件。

表4 广义倾向得分估计及匹配平衡性检验结果

注：括号内为标准误；*、**、***分别表示显著程度达到10%、5%和1%。

2.广义倾向得分匹配处理效应估计结果。我们选择广义倾向得分和处理变量的二阶逼近式拟合企业技术创新绩效。经过逐步回归测试，发现广义倾向得分与处理变量的交叉项并不显著，故并未将其纳入拟合技术绩效的回归之中。为了更好地拟合企业技术创新绩效并进行比较，我们还进行了三阶逼近估计，同样地，广义倾向得分与处理变量的交叉项不显著。图1描绘了剂量反应函数。从剂量反应函数的形状看，无论是二阶逼近估计还是三阶逼近估计，剂量反应函数都大致呈现倒U型。这说明随着企业合作研发强度的逐渐增加，企业技术创新绩效先提升再下降。按二阶逼近估计，剂量反应函数的峰值出现在[0.4，0.45]之间，而三阶逼近估计的剂量反应函数峰值则更早地出现在[0.3，0.35]之间。

图1 剂量反应函数图示

最后，我们估计了不同企业间合作研发强度水平上的处理效应，估计结果见表5。

由表5可知，以二阶逼近估计的处理效应随着企业间合作研发强度水平提升逐渐下降，表现为正向处理效应向负向处理效应扭转的变动。而以三阶逼近估计的处理效应呈现先下降后回升的趋势，但其回升仍未能达到正值。二阶逼近估计结果表明，标准化的企业间合作研发强度处于0～0.25的水平上，增加合作研发投入会显著提升企业技术创新绩效，而标准化企业间合作研发强度达到0.3，即真实企业间合作研发强度达到0.15左右时，企业间合作研发强度的处理效应不再显著。三阶逼近估计结果表明，标准化的企业间合作研发强度在0～0.15的水平上显著提升企业技术创新绩效，而标准化的企业间合作研发强度达到0.2，即真实企业间合作研发强度达到0.1左右时，企业间合作研发强度处理效应同样不再显著。

表5 广义倾向得分匹配处理效应估计结果

注：a为二阶逼近估计结果，b为三阶逼近估计结果；括号内为自抽样稳健标准误，使用100次自举法计算得到；*、**、***分别表示显著程度达到10%、5%和1%。

即使二阶逼近估计和三阶逼近估计的企业间合作研发强度处理效应存在着一些区别，但总体而言，两者是基本一致的。在企业间合作研发强度处于相对较低水平的情况下，企业间合作研发投入增加显著地提升企业技术创新绩效，而在企业间合作研发强度处于相对较高水平的情况下，企业间合作研发投入增加并不能显著地改变企业技术创新绩效。这说明，在企业间合作研发强度相对较高的情况下，企业继续加大与其他企业合作研发的投入并不能起到提升其技术创新绩效的效果。过高的合作研发投入意味着企业内部研发较低甚至完全依赖于外部研发，这可导致企业内部知识积累不足。过高的研发投入还会对企业人力资本积累形成“侵蚀效应”[25]。企业内部知识积累和人力资本积累不足都降低了企业吸收能力，即便企业持续地增加企业间合作研发投入，也无法提升其技术创新绩效。此外，Teece指出，创新的可盈利状况取决于企业的一些补充性能力，特别是在市场营销和物流环节，缺乏这些补充性能力，创新性思想无法实现商业化盈利[26]。样本企业大部分为中小规模企业，企业自身资金实力和融资能力都相对较差，过高的合作研发投入挤占了企业运用于新产品市场商业化等其他补充性经营活动的资金，抵消了企业间合作研发带来的收益，从而未能有效地提升企业技术创新绩效。

五、结论与启示

本文基于世界银行2012年中国企业调查数据，采用倾向得分匹配法及广义倾向得分匹配法分别考察企业间合作研发决策以及企业间合作研发强度对企业技术创新绩效的影响。研究结果表明，开展企业间合作研发的企业相对于不开展企业间合作研发的企业的技术创新绩效要高，这说明，中国企业可能通过企业间合作研发，实现资源互补，吸收外部知识溢出，分担成本与风险，从而提升企业技术创新绩效；而只有在企业间合作研发强度处于相对较低水平时，增加企业间合作研发投入可显著提升企业技术创新绩效，这表明，适当的合作研发投入可有效地发挥企业间合作研发对企业技术创新绩效的积极推动作用，而过高的合作研发投入则可能阻碍企业内部知识和人力资本积累，还可能挤占企业新产品商业化等补充性经营活动的资金投入，并不能有效地提升企业技术创新绩效。

本文的启示主要有三点：首先，企业应当积极寻求外部研发伙伴，开展企业间合作研发。当前中国企业市场竞争愈发激烈且技术创新风险性和重要性愈发凸显，但同时大多数企业陷入融资困难、创新人才缺乏的创新困境，无法依靠自身力量开展研发活动。通过企业间合作研发，企业可利用外部资源，吸收外部知识，整合内外部研发活动，以提升企业技术创新绩效，实现企业的创新式发展。其次，企业应当合理地规划企业间合作研发投入。本文的研究结果表明，企业间合作研发强度并非越高越好，简单地提升企业间合作研发强度并不能有效地提升企业技术创新绩效。在内部投入不足，缺乏自主吸收能力的情况下，加大企业间合作研发投入会使得企业内部研发投入受到挤压和过度依赖外部技术和知识，企业未能有效内部化外部知识溢出。企业应当结合自身运营以及外部需求，在统筹协调的原则下，合理地规划企业间合作研发投入并整合内外部研发活动。最后，本文发现只有在相对较低的合作研发强度水平上，企业提升企业间合作研发强度才可以显著地提升技术创新绩效，这并不意味以提升合作研发强度来深化企业间合作研发的方式不可取。合作研发带来的交易成本及风险性是企业进一步深化企业间合作研发的障碍。企业可以通过强化合作治理机制建设，降低企业间合作研发带来的交易成本和风险，为深化企业间合作研发提供制度基础。人力资本和知识积累不足以及产品商业化能力不足也阻碍了企业深化企业间合作研发。在保障正常经营的情况下，开展内部研发，重视内部知识和人力资本积累及强化产品商业化能力也都有助于企业从深化企业间合作研发中受益。

企业合作研发包括企业间合作研发和“产学研”合作研发，本文实证分析了企业间合作研发对企业技术创新绩效的影响。企业的技术创新不仅需要加强企业间合作研发，同样需要高校及研究机构的智力支持，特别是在基础研究领域。企业合作研发是一个多主体参与的系统工程，合作研发参与主体特质和外部环境都可能影响企业合作研发活动和企业技术创新绩效。将合作研发参与主体特征和外部环境因素纳入实证分析框架，考察合作研发的企业技术创新绩效是未来研究的较好的扩展方向。此外，关于合作研发模式及合作研发影响因素，中国的实证研究仍然较少，有待更多的研究补充。上述议题都可能成为未来进一步研究的重点。

注释：

①广义上讲，合作研发还包括高校、研究机构与企业之间的合作研发，但无论是业界实践还是国外研究，企业经常通过企业之间“联盟研发”以引进新产品，并对提升企业技术创新的作用更大[27]，这也是本文将研究视角集中于企业间合作研发的依据所在。

②在问卷中，前置问题为“过去三年,企业是否引入新产品或服务”，如果回答“否”，则跳过该问题。我们将前置问题回答“否”的企业在该问题中的数据赋值为0，没有引进新产品或服务，自然没有相关的销售收入。

③卡尺匹配和核匹配的平衡性检验结果与K-近邻匹配基本一致，限于篇幅，我们未汇报卡尺匹配和核匹配的平衡性检验结果。

[1] Hagedoorn,J.Inter-firm R&D Partnerships:An Overview of Major Trends and Patterns since 1960[J].Research Policy，2004，31(4):477—492.

[2] Becker,W.，Dietz,J.R&D Cooperation and Innovation Activities of Firms—Evidence for the German Manufacturing Industry[J].Research Policy，2004，33(2):209—223.

[3] Okamuro,H.Determinants of Successful R&D Cooperation in Japanese Small Businesses:the Impact of Organizational and Contractual Characteristics[J].Research Policy，2007，36(10):1529—1544.

[4] 肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014，(4):71—80.

[5] 宗庆庆，周亚虹.内生情形下企业研发对生产率作用评估[J].世界经济文汇，2013(6):39—54.

[6] 冯泰文，李一，张颖.合作创新研究现状探析与未来展望[J].外国经济与管理，2013，35(9):72—80.

[7] Srholec,M.Cooperation and Innovative Performance of Firms:Panel Data Evidence from the Czech Republic，Norway and the UK[J].Journal of the Knowledge Economy，2014，5(1):133—155.

[8] Aristei,D.，Vecchi,M.，Venturini,F.University and Inter-firm R&D Collaborations:Propensity and Intensity of Cooperation in Europe[J].Journal of Technology Transfer，2016，41(4):841—871.

[9] D′Aspremont,C.，Jacquemin,A.Cooperative and Noncooperative R&D in Duopoly with Spillovers[J].American Economic Review，1988，78(5):1133—1137.

[10] Cassiman,B.，Veugelers,R.Complementarity in the Innovation Strategy:Internal R&D，External Technology Acquisition，and Cooperation in R&D[Z].Barcelona，Spain:IESE Business School，2002.

[11] Veugelers,R.Collaboration in R&D:An Assessment of Theoretical and Empirical Findings[J].De Economist，1998，146(3):419—443.

[12] Arvanitis,S.How Do Different Motives for R&D Cooperation Affect Firm Performance? ：An Analysis Based on Swiss Micro Data[J].Journal of Evolutionary Economics，2012，22(5):981—1007.

[13] Aschhoff,B.，Schmidt,T.Empirical Evidence on the Success of R&D Cooperation-Happy Together?[J].Review of Industrial Organization，2008，33(1):41—62.

[14] Miotti,L.，Sachwald,F.Co-operative R&D:Why and with Whom? :An Integrated Framework of Analysis[J].Research Policy，2004，32(8):1481—1499.

[15] Belderbos,R.，Carree,M.，Lokshin，B.Cooperative R&D and Firm Performance [J].Research Policy，2004，33(10):1477—1492.

[16] Peeters,C.，de la Potterie,B.Innovation Strategy and the Patenting Behavior of Firms[J].Journal of Evolutionary Economics，2006，16(1):109—135.

[17] Klomp,L.，Van Leeuwen,G.Linking Innovation and Firm Performance:a New Approach[J].International Journal of the Economics of Business，2001，8(3):343—364.

[18] Kemp,R.，Folkeringa,M.，et al.Innovation and Firm Performance[M].Zoetermeer，The Netherlands:EIM，2003.

[19] 王龙伟，任胜钢，谢恩.合作研发对企业创新绩效的影响研究——基于治理机制的调节分析[J].科学学研究，2011，29(5):785—792.

[20] 马艳艳，刘凤朝，姜滨滨,等.企业跨组织研发合作广度和深度对创新绩效的影响——基于中国工业企业数据的实证[J].科研管理，2014，35(6):33—40.

[21] 张妍，魏江.研发伙伴多样性与创新绩效——研发合作经验的调节效应[J].科学学与科学技术管理，2015，36(11):103—111.

[22] Hagedoorn,J.，Cloodt,M.Measuring Innovative Performance:is there an Advantage in Using Multiple Indicators?[J].Research Policy，2003，32(8):1365—1379.

[23] Hirano,K.，Imbens,G.The Propensity Score with Continuous Treatments[C]//Applied Bayesian Modeling and Causal Inference from Incomplete-Data Perspectives:An Essential Journey with Donald Rubin's Statistical Family.Chichester，England:John Wiley & Sons，2004:73—84.

[24] Papke,L.，Wooldridge,J.Econometric Methods for Fractional Response Variables With an Application to 401 (K) Plan Participation Rates[J].Journal of Applied Econometrics，1996，11(6):619—632.

[25] 李尚骜，陈继勇，李卓.干中学、过度投资和R&D对人力资本积累的“侵蚀效应”[J].经济研究，2011，(6):57—67.

[26] Teece,D.Profiting from Technological Innovation:Implications for Integration，Collaboration，Licensing and Public Policy[J].Research Policy，1986，15(6):285—305.

[27] 周开国，卢允之，杨海生.融资约束、创新能力与企业协同创新[J].经济研究，2017，(7):94—108.