产学知识耦合的协同创新效应——基于创新系统的视角

王文静，张 卫

(1.中国人民大学统计学院，北京 100872；2.四川大学经济学院，四川 成都 610065)

0 引言

区域创新体系内各主体间的互动交流是提高区域创新产出乃至经济增长的重要动力。产学合作是区域创新体系中最活跃的一对关系。在当前技术融合的大趋势下，任何企业都难以掌握持续发展需要的全部技术，而大学也越来越多地承担起科技成果转化的使命，二者之间的密切合作将成为引领新一轮创新浪潮的核心。产学合作的本质是企业与高校拥有的异质性知识的耦合。从研发活动类型出发，可以明显观察到企业的研发活动集中于试验发展，更加重视技术的市场化。而大学则更侧重研发活动中的基础研究。2017年全国基础研究支出中，企业占比仅为2.96%，而高校占比高达54.44%。新常态下，知识已成为驱动发展的核心要素，产学异质性知识耦合能否有效促进创新，甚至发挥比各自分割状态下更高的效用，是社会各界广泛关注的议题。

国内相关领域的文献尚未将产学合作与企业内部研发纳入统一测度框架，也鲜有从知识生产与流动角度讨论二者之间的关系。已有研究常使用合作资金占比、合作项目数和企业技术依存度等指标替代产学合作，这些测度方式未能体现产学合作异质性知识耦合的本质，也忽略了知识的累计特性[1-4]。少量触及合作中知识共性的文献，对产学合作的度量仍较为模糊，且不够全面[5]。事实上，从知识存量角度考察产学合作，并分析其创新效应将更加有助于理解区域创新体系中产学合作发挥的真实作用。国外已有相关研究将企业可获取的知识划分为内部知识与外部知识两部分，并分别进行存量测算，进一步研究外部知识对企业生产率的提升作用。Lokshin等基于荷兰制造业企业的内、外部知识存量的测算结果，研究得到企业外部知识存量比重上升将提高其生产率的结论[6]。也有大量理论与实证文献在存量基础上讨论企业可获得的内、外部知识之间的关系[7，8]。

本文所考察的产学合作知识存量是特定时点上企业与高校通过联合研发活动以及高校科技成果商品化活动积累的知识总量。该知识存量内涵了产学异质性知识耦合，并体现知识的累积性特征，是产学合作的合理度量。基于知识生产函数模型，本文首次在国民经济核算框架下，利用永续盘存法具体测算了产学联合研发、技术转让两种合作方式下积累的知识存量，同时也测算了企业内部研发知识资本存量数据。基于此数据，进一步利用知识生产函数模型对产学合作协同创新效应及其与内部研发之间的关系展开详细讨论。为了验证基准模型的稳健性，本文进行了替换因变量、减少工具变量、改变样本量等多种稳健性检验，结果显示与基准模型所得结论保持一致。在区域异质性分析方面，深度考察了区域研发强度、产学合作深度两种分组下，产学合作协同创新效应的不同表现以及与内部研发之间互动关系强度的变动。

1 理论框架与假设

任何一个区域创新系统都包含企业和高校两类创新主体，对企业而言，其与全国范围内的高校进行研发合作，从而形成联合研发模式的产学合作关系。对于高校，其通过技术转让方式与各地区企业开展合作，同时获得转让收入，形成另一类常见的产学合作形式。通过对产学合作模式的剖析，从存量角度对各类产学模式积累的知识进行测算，并与内部研发知识资本存量纳入同一分析框架，将为本文研究提供理论支持。

1.1 产学合作知识存量的创新效应

产学合作关系是区域创新体系的重要组成部分。区域创新体系是由企业、高校、科研机构、政府、金融及中介服务机构等主体及其之间关系构成的复杂系统，各主体间 (尤其是企业与高校之间)知识的互动程度决定着整个系统的绩效[9]。主体间的协同合作对创新产出的促进作用被称为协同创新效应。白俊红等采用分省区面板数据，从创新要素在区域间动态流动的视角讨论了协同创新与区域创新绩效之间的关系[10,11]。该研究发现企业与高校的联结对区域创新绩效有显著正向影响，区域间创新要素的动态流动将通过促进知识空间溢出进而提升区域创新绩效。

虽然产学合作作为企业的创新合作模式之一能够显著提升创新产出已被广泛证实，但对合作关系的异质性测度仍在丰富与加深创新合作领域的研究。在知识层面讨论产学合作的创新效应与此前研究的不同之处有二，一是更准确地反映产学合作强度与深度对创新绩效的影响。此前文献中仅引入二元变量对产学合作与内部研发两类创新模式进行识别，仅能反映企业与高校之间是否建立合作关系，难以解释合作深度与强度，知识存量较好地弥补了这一不足。二是更具有综合性，此前对产学合作协同创新的研究无法同时体现关联型、交易型等多种方式发挥的作用，而知识层面的产学合作度量能够统一不同类型的合作方式，更全面地反映合作规模。将多种形式的产学合作还原到知识生产与积累中，可更加综合地反映其对创新产出的提升作用。因此，本文提出假设一：产学合作知识积累能够显著提升企业创新产出。

1.2 知识层面产学合作与企业内部研发

产学合作与企业内部研发的关系一直以来都有 “替代说”与 “互补说”两种争论。 “替代说”认为，在企业资金、人力等资源投入一定的情况下，合作研发的增加将会使内部研发投入减少，即产学合作可能对内部研发产生 “挤出”作用。而 “互补说”认为，企业通过产学合作可接触与吸收来自合作方的显性与隐性知识，合作带来的外部知识溢出将提升企业内部研发的边际创新效应，因而产学合作与内部研发表现为 “协同”关系。实证研究方面，Cassiman和Veugelers以比利时企业为样本开展的实证研究发现企业外部研发力量显著提高了样本企业内部研发的边际收益，二者之间是协同关系[12]。Love和Roper研究了德国与英国的企业在不同创新阶段外部研发力量对内部研发的影响[13]。结果表明，德国样本企业的外部研发力量与内部研发显示出互补关系，而英国样本企业的外部合作研发对内部研发存在替代效应。樊霞等将研发投入作为情境变量纳入计量模型中,讨论产学研合作与企业独立研发之间的关系，结果发现在劳动力密集型行业，企业内部研发与产学研合作相互替代[14]。事实上，合作研发与内部研发之间的关系在企业技术能力发展的不同阶段可能表现为不同的形式。刘炜等构建了技术能力演化视角下合作研发与内部研发互动关系的理论模型，发现随着技术能力的增强，二者关系呈现出替代—互补—替代的变化趋势[15]。

现有研究已深刻反映了产学合作研发与企业内部研发之间关系的复杂性。当前我国产学合作理论与实践还在高速发展阶段，本文基于合作理论并结合我国实际情况进行分析，给出产学合作与内部研发之间关系的假设。首先，我国产学合作的历史并不长，目前该领域的重点是探索合作模式的创新 (例如共建实体、产学联盟等)，以及挖掘产学合作潜在机制动力等，企业还未能足够关注产学合作与内部研发之间协同关系的构建，欠缺对内、外部知识源的有效配置与管理。其次，产学合作与内部研发关系还受到企业吸收能力、高校扩散能力等因素的影响，即后者将对产学合作与内部研发之间的关系发挥调节作用。在企业 “重引进轻吸收”的现状下，内部研发较难达到增进产学合作的程度，产学合作也较难带动企业内部研发的积极性，二者之间尚缺乏良好互动。最后，在企业与高校之外，政府、金融以及中介服务机构等外部环境对产学合作的引导与支持也处于发展阶段，企业获得外部知识的搜索成本较高，可能挤占部分研发资源，从而对内部研发造成一定影响。基于此，本文提出假设二：当前阶段产学合作知识存量对内部研发存在 “挤出效应”。

2 模型与数据

基于以上理论分析和假说，本文将构建计量模型对产学合作知识存量的创新效应进行实证研究并讨论产学合作与企业内部研发之间的关系。

2.1 模型框架

Griliches构建知识生产函数模型来研究企业知识资本对创新的影响[16]。基于此，本文选择Cobb-Douglas生产函数，将企业内部研发知识存量、产学合作知识存量以及人力资本作为投入要素，企业的申请专利数作为产出要素建立知识生产函数：

(1)

其中，A表示全要素生产率，i表示地区，t表示年份，α、β、γ分别为内部研发Rit、人力资本Lit、产学合作UICit三类投入要素的产出弹性。为了验证产学合作与内部研发知识存量之间的互动关系，本文还将在后续具体的计量模型中加入二者交互作用项，并引入其他控制变量。

2.2 动态面板回归模型

由于从研发投入到专利产出需经历较漫长的过程，存在滞后效应。专利产出本身也存在惯性，是一个连续的动态调整过程，因此在研究知识存量对专利产出影响这一问题时，应当考虑使用动态模型。考虑这一惯性特征和路径依赖，本文在静态面板模型中加入被解释变量的滞后项构建动态面板模型作为基准模型。具体形式如下：

lnYit=α1lnYit-1+α2lnYit-2+β1lnUICit+

β2lnRDit+β3lnLit+θ1lnFDIit+lnSIZEit+

θ3lnGOVit+ηi+δt+òit

(2)

其中，Yit为企业的专利申请量或发明专利申请量；UICit、RDit、Lit分别为产学合作知识存量、企业内部研发知识存量以及研发人员数，以上三者是知识生产函数的主要投入变量。FDIit为各地区外商直接投资占GDP的比重，表示区域的对外开放程度对企业专利创新的影响。SIZEit为区域大中型企业的平均总资产，用于代表企业规模；GOVit为科技经费收入中来自政府部门的比重，表示政府对科技创新的支持力度。ηi为不可观测的个体差异，δt为时间差异，òit为随机扰动项。为了减少异方差，对所有变量进行对数变换。

由于被解释变量滞后项的存在，不可避免会产生解释变量内生性问题。此时若仍然采用固定效应或随机效应模型的最小二乘估计(OLS)估计将无法得到具有一致性的估计结果。Bover等提出了动态面板广义矩估计 (GMM)方法解决这一问题[17]。因此，本文采用两步系统GMM方法，并对估计的标准差进行调整[18]。

2.3 数据来源与变量描述

本文的研究样本为2005—2015年我国26个省市 (由于数据缺失，不包括西藏、青海、海南、重庆)的区域面板数据，数据来自 《中国科技统计年鉴》 《工业企业科技活动统计年鉴》 《中国统计年鉴》。实证模型中各变量的定义见表1,数据情况见表2。

(1)创新产出。本文选用各地区大中型企业的专利申请量作为创新产出衡量指标。我国的专利包括发明、实用新型和外观设计三种，其中发明专利的审核更为严格，创新性也更强。在稳健性检验中，本文选择发明专利申请量作为被解释变量对基准模型进行再次估计。

(2)知识资本投入。本文借鉴Hall和Mairesse选取知识资本存量作为投入变量[19]。企业能够利用的知识资本存量一方面来自内部研发，另一方面来自产学合作。本文对产学合作、内部研发知识存量进行合理测算获得知识资本投入。

(3)研发人员投入。人员投入是知识生产函数中重要的自变量之一，本文以企业研发人员数度量人员投入。

(4)企业规模。在国内外研究中最常使用的衡量企业规模的变量是企业的销售收入或总资产。本文选择后者作为企业规模的控制变量。

(5)政府支持。政府支持会对企业创新产生影响，有研究认为政府支持能够起到激励作用，但也有研究讨论政府科技投入对企业自主研发投入的 “挤出效应”。由于在区域层面上无法获得政府间接支持的数据，因此本文选择企业科技收入中政府资金所占比重替代政府支持。

(6)外商直接投资。外商直接投资是发展中国家获取和利用技术知识的重要途径之一。外商直接投资能够带来新技术，对国内创新活动提供动力，也是影响企业创新产出的因素。因此本文选择外商直接投资占GDP的比重为替代变量，控制外商直接投资的影响。

表1 变量的定义、含义与测度方法

表2 变量描述性统计结果

3 实证研究结果

3.1 基准估计结果

表3报告了基准模型的估计结果，其中 (1)～ (3)列分别列示了混合OLS估计、固定效应模型以及系统GMM估计的系数。产学合作知识存量系数、内部研发知识存量系数、研发人员投入系数都显著为正，符合假说一。产学合作与内部研发知识存量的交互项系数显著为负，说明产学合作对内部研发存在一定 “挤出效应”，与假说二一致。因此，宏观上看，当前我国企业产学合作尚未与内部研发形成有效的协同机制，产学合作对企业创新绩效的提升潜力有待进一步挖掘。

3.2 稳健性检验

本文从三个角度对上述结论的稳健性进行分析：①替换因变量。根据前文分析，发明专利申请量是更加具有创新性的创新产出形式。若模型对不同情境下的创新产出均存在前文结论，说明本文结论具有可靠性；②缩短样本量。王宇伟等采用缩短样本长度方式对模型进行稳健性检验[20]，其基准模型中采用2007—2014年数据，稳健性检验中剔除2007年、2008年数据，将剩余数据代入模型进行估计。基于此，本文通过将原始数据中2005—2007年数据剔除，缩短样本量，重新利用基准模型进行检验。③减少工具变量。减少工具变量数量也是对GMM估计结果进行稳健性检验的方式之一，具体结果见表4。由表4可知，模型中核心解释变量的系数估计值与符号都保持稳定，并且模型均能通过Sargan检验与序列自相关检验。因此，本文的研究结论具有一定的稳健性。

表3 产学合作知识存量的创新效应结果

注：括号内为稳健标准误；***、**、*分别表示在1%、5%及10%水平上显著；Sargan检验栏中是接受原假设的概率值；AR (1)与AR (2)为序列相关性检验的概率值。各变量作为工具变量的起始滞后期固定不变，因变量滞后项以及内生变量的滞后期从1期开始，下同。

表4 基本回归的稳健性分析结果

3.3 基于分组的区域异质性分析

由于全样本中各区域的经济发展程度、研发强度、产学合作程度有较大差异，基于全部样本区域的分析没有考虑区域异质性条件下产学合作知识存量对创新产出的不同影响。为了进一步考察产学合作知识存量在创新中发挥的作用以及异质性区域条件下产学合作知识存量与内部研发知识存量对创新产出影响的异同，本文将根据各区域的研发强度、产学合作深度将各区域进行划分，对不同区域分别进行研究讨论，从而进一步对本文理论假说进行验证。

根据 《科技活动统计公报》公布的各区域研发强度数据，将全部样本省市划分为高研发强度与低研发强度两组，结果见表5。另外，产学合作深度在各区域间也有不同的表现。本文构建了区域产学合作深度指标来进行测算，具体指标形式如下：

(3)

其中，UICstock,i与INNERstock分别为区域i的产学合作与自主研发知识存量。UICintensity,i表示区域i的产学合作深度。根据计算的产学合作深度对样本区域进行划分，得到高合作深度组与低合作深度组两组样本。表5报告了两个组别的回归结果。

表5 区域异质性分析

由表5可知，高研发强度的区域产学合作的创新效应显著为正，这说明基于产学合作的协同创新发挥着积极作用。然而，研发强度低的区域产学合作与自主研发的创新效应都未能显现。对于后发地区，尚未形成依托企业、高校及其他服务机构的技术创新中心，协同创新无法发挥作用。产学合作深度较高的地区，产学合作的创新效应为正，自主研发的创新效应不显著，且产学合作与自主研发的交互项显著为负。这一结果说明产学合作对自主研发产生 “挤出效应”，减弱了自主研发的创新效应。在产学合作强度较低的区域，产学合作与自主研发的创新效应都显著为正，且从系数看，二者对创新产出的影响相当。

区域异质分析的结果显示，研发强度是产学合作发挥作用的重要基础。事实上，已有文献从吸收能力角度对这一现象进行了解释。只有具有一定的吸收能力才能成功吸收、消化产学合作生产的异质性知识[21]。随着产学合作深度增强，其对企业自主研发的 “挤出效应”开始显现。

4 基于分位回归模型的进一步检验

前文所使用的面板模型分析都只针对均值回归，回归结果仅能反映均值附近数据之间的结构关系，对分布上下尾的变量关系刻画并不准确。另一方面，以上模型都假设误差项服从正态分布，当所获得的样本数据不满足经典假设时，其估计结果将不再具有优良性。为了能够更好地弥补传统均值回归的缺陷，同时获得不同区域创新产出水平下产学合作对创新产出的影响，本文对专利申请量的分布进行建模，利用Powell[22]提出的工具变量面板分位回归模型 (IVPQR)获得不同分位点上因变量与自变量之间的关系，回归结果见表6。表6的结果显示，在所研究各分位点上，产学

表6 工具变量面板分位数模型 (IVPQR)的结果

合作的创新效应显著为正，验证了假设1，且产学合作与内部研发的交互项系数为负，反映产学合作的 “挤出效应”，验证了假设2。由于在不同分位点进行回归时，将对该分位点周围的数据给予更高权重，本文通过对数据的分析，发现广东省的创新产出偏离其他省份较远。事实上， 《中国区域创新能力评价报告2016》中也专门提到，广东省的企业专利申请量占比明显高于其他地区，企业的创新主体地位明显优于其他地区。因此高分位点处的分位回归结果可能受极端值影响较大，因此本文略去了更高分位点处的结果。

5 结论与启示

本文利用2005—2015年省际面板数据，建立动态面板回归模型对产学合作的创新效应进行了实证分析。研究表明，第一，产学合作知识存量对企业创新存在显著正向影响；第二，产学合作知识存量与内部研发知识存量交叉项的系数为负，反映了产学合作对内部研发存在一定的 “挤出效应”；第三，通过减少工具变量、替换因变量与缩短样本量的回归结果显示本文的实证分析结论具有稳健性。

基于面板分位回归模型的实证结果揭示了不同创新产出水平下产学合作的创新效应大小，进一步验证了前文假设。此外，本文还从区域研发强度、产学合作深度两个维度上开展异质性分析，结果表明研发强度高的区域产学合作创新效应表现更好。研发强度作为区域吸收能力的重要体现，是促进产学合作创新效应发挥的重要基础。随着产学合作深度增强，其对企业自主研发的 “挤出效应”开始显现。企业产学合作与内部研发还需建立有效的协同机制，企业如何有效利用产学合作知识，进行外部知识管理是亟待解决的课题。

在产学合作广度不断扩展与深度不断加强的背景下，如何真正有效发挥产学合作的协同创新效应，并使之与企业内部研发形成良好互补关系是研究的关注点以及实践的着力点。研究发现，企业吸收能力是影响产学合作创新绩效的重要因素之一，企业的内部研发能力、外部知识学习能力需实现平衡。对于政府而言，搭建产学合作平台，完善技术交易市场并制定有助于区域创新系统知识流动的连接性政策是需关注的方向。