基于专利绩效的校企合作研发与技术重组研究

张鼐，周年喜

（1.淮海工学院图书馆，江苏连云港222005；2.淮海工学院电子工程学院，江苏连云港222005）

0 引言

校企合作能够推进技术和知识的创新，促进大学的科研工作，提高大学科技成果的转化率［1］，已被认为是经济增长的重要来源之一，也是提升企业创新能力，为大学培养创新型应用人才的重要模式。对于企业而言，与大学进行合作不仅可以获得知名专家和先进的科研设施资源，而且可以帮助企业积累知识资源、促进专利申请和新产品的开发，从而增强竞争优势［2］。

然而，由于大学的学术研究创造了一种鼓励自由探索新思想和交流科学知识的环境，导致企业与大学合作相关的研究范围通常不太明确，并可能与产业目标相距甚远。此外，企业将学术研究转化为产业化应用时，还必须具备获取和应用新知识的能力，这些知识通常是跨学科和复杂的，包括显性和隐性知识［3］。这些能力与企业在科学研究和技术重组中的研发重点密切相关，企业内部的科学研究不仅拓宽了企业的知识基础，还使企业能够获取和利用外部科学知识。在进一步推动科学发现的应用时，企业可以以创新的方式整合知识要素或重用现有的技术组合［4］。因此，企业的研发活动可以决定企业在科研成果产业化中与大学合作获取收益的程度。

现有文献研究大都将大学与企业合作研发的成功归因于从市场条件到治理结构以及大学和企业的创业方向等多种因素［5-7］，但对于理解公司内部的研发重点可能会增强或破坏外部合作带来的好处，并未给予足够的重视。从吸收能力角度来看，内部研发活动较多的企业将从大学合作中受益更多，但是从知识管理的角度来看，企业与大学之间科研资源和专业知识的重叠可能会导致不必要的知识冗余，并增加不必要的协调成本，从而降低其协同工作的有效性。因此，了解何时可以依靠这种合作，对于企业组织和管理内部资源以及访问和利用外部知识资产显得至关重要。鉴于此，本研究将从专利分析的角度出发，以生物技术与制药企业为研究对象，关注于企业研发工作中科学研究和技术重组这两个维度，并探讨它们各自对校企合作的影响。

1 理论背景与研究假设

1.1 校企合作与技术重组

Hess［8］等学者研究发现，企业的互补性和吸收能力有助于提高其内外部的创新活动，并获取更大的回报。基于经济学中互补性概念的解释，当一项活动的边际回报在另一项活动存在的情况下增加时，两项活动是相辅相成的；而当更多的一项活动减少了对其他活动的边际回报时，就会发生替代效应［9］。一般而言，增加内部研发投资将提高吸收能力，从而更好地使企业识别和吸收外部知识，因此，本研究认为就科学技术商业化而言，企业技术重组水平的提高会增加企业与大学合作的边际回报，换言之，技术重组水平高的企业从大学合作中获得的好处大于技术重组水平较低的企业。

上述判断基于以下两个事实：首先，技术重组中强调的实验性解决问题的方法促进了将科学发现转化为技术创新的过程，重新组合知识元素的尝试帮助企业接触到新的和未探索的组合，这些组合打破了现有的认知框架，有助于企业实验、学习并利用技术元素之间的互补性以解决新问题，因此，技术重组活动促使企业开发出技术前沿的新见解，并在创造性解决问题的过程中获得益处。其次，在不同知识领域应用跨学科、复杂的知识所积累的技能和经验可以提高企业在不同环境中理解抽象知识的能力，企业以技术形式结合先进科学知识能力的提高也扩大了企业解决更复杂问题的能力，随着企业更多地参与技术重组活动，它们将新知识从科学研究转化为商业应用的能力也得到了增强［10］，因此，具有较高技术重组水平的企业可能会更积极地与大学进行合作。

除了知识转化外，技术重组能力较强的企业还可以更好地利用多所大学合作带来的无形利益。首先，知识溢出创造了更多的在技术领域交流思想的机会［11］；其次，企业获得的专业知识以及与相关学术界的社会资本等无形收益为企业新产品的开发过程提供了更多帮助［7］。因此，基于以上论述，本文提出了第一个研究假设：

H1：企业的技术重组正向影响校企合作与企业专利绩效之间关系。

1.2 校企合作与科研

通过分析相关研究文献和知识管理的观点［12］，本文认为科研水平较低的企业在校企合作中获得的收益比科研水平较高的企业更大。首先，对于那些具有强大科研实力的企业而言，它们的科研人员有能力通过非正式途径获取企业研发所需的各类专业知识，从而导致校企合作的边际回报减少。有研究发现，当企业同时增加对校企合作以及内部科研发投资时，由于知识冗余，协调资源和监测研究成果的成本会不断上升，从而导致研发生产力的降低［8］。其次，在获取内部和外部知识的长期投资方面，不同企业的选择也不尽相同，例如华为大量投资于内部的基础研究并申请了大量专利。也有企业通过其他方法提高其科研基础，例如雇佣高水平的科研人员，建立研发联盟，以及通过阅读OA出版物获取研发进展，等等。

基于上述推理和论述，当同时增加其内外科研投入时，企业与大学的研发合作带来的好处就会减少。就校企合作主要提供知识资源而言，外部和内部的科研活动是可以相互替代的；而当大学与企业之间就研发活动达成后，企业可以通过增加资源获取和技术商业化的市场机会来补充企业的科研能力［13］。从长远来看，企业为了维护科研重点和校企合作之间平衡而付出的效率损失将抵消这种合作带来的无形收益。因此，本文提出第二个研究假设：

H2：企业的研发重点负向影响校企合作与企业专利绩效之间关系。

2 数据选择与变量设计

2.1 数据选择与分析方法

为了深入、有效地研究生物技术与制药企业研发重点和技术重组这两个维度各自对校企合作的影响，除了进行规范性的理论推理之外，本文还将通过定量的实证研究来验证理论推理和研究假设。我们从中信建投证券的分类目录中抽取了公司样本，该目录由208 家公开上市的生物技术和制药公司组成，并通过这些公司的网站查询相关数据。此外，为了区分生物技术公司和制药公司，本文在分析中添加了一个虚拟变量。

本文使用专利作为校企合作研发重点和技术重组的衡量指标，考虑到研究对象是中国生物技术和医药产业，所以本文选取CNIPR专利信息服务平台和德温特创新索引系统收集数据。为尽可能保证所检索到的专利是生物技术与制药领域内的，本文采用IPC 分类检索法根据经济合作与发展组织（OBCD）的标准将检索的分类号限定为14种［14］，具体如表1所示。

表1 与生物技术有关的专利类别

通过检索2008—2017年间在指定类别内的发明专利，并对得到的数据进行清洗，删除重复专利，分别得到企业的相关发明专利1633项，校企合作申请的专利124项，并进行回归分析。

2.2 变量度量

2.2.1 因变量

专利绩效（前向引用）：专利前向引用行为作为技术扩散活动的客观表征，专利前向引用行为特点是测度技术扩散模式的一个重要视角。累积被引用次数可以用来衡量专利的质量，一般来说，专利的引用次数越多，专利质量越高，专利的重要性就越高，专利的引用次数体现了专利的经济价值。因此，借鉴以往文献的做法［15］，本文利用专利的被引频数来衡量专利绩效。

2.2.2 自变量

本文以企业内部的技术创新、企业与大学建立的研发联盟以及企业年龄来衡量企业的研发和技术重组对专利绩效的影响。

（1）企业与大学的合作研发数量

统计研究样本中每个公司在2008—2017年期间与大学建立的研发联盟的数量。

（2）技术重组

企业内部的技术重组可以用企业开发新产品的创新活动中对专利重新组合的广度，并基于企业专利引用的专利技术类别来衡量。Trajtenberg 以每个专利被引用数做权重求得加权的专利数（Weighted Patent Count），实证结果显示专利被引用数越高，专利的价值越高［16］。在本研究中我们使用Trajtenberg的研究成果，具体计算方法如下：

其中Sij是指专利i 对专利技术分类j 中专利的引用比例，根据企业重点专利引用的不同专利技术类别的数量，ni对于每个专利都有所不同。计算结果在0和1之间波动，数值越高表明该专利引用的技术范围越广。

（3）企业年龄

企业年龄以企业成立之日起到目前的年数来衡量。

2.2.3 控制变量

（1）企业技术重点

一般而言，技术强大的企业会针对某一重点领域申请一套交叉的专利，任何其他外部企业如果想要把这一技术领域的创新进行产业化或商业化，将无法绕过这些交叉专利壁垒。同时，该企业还可以申请更多的交叉重叠专利以应对其他企业在这一技术领域可能的专利申请［17］。但无论何种情况，围绕特定的技术领域申请大量专利都可能导致前瞻性引用减少。因此，对于企业重点技术领域在t年获得授权的每一项专利，本文统计在同一技术类别中与重点专利相同的技术类别中其他专利的数量，并以此作为企业技术重点的控制变量。

（2）研发者数量

对于每一项专利统计其发明人的数量。该变量的值越大，说明企业在此重点技术的人力资源投入越多，注入的创新动力就可能越大，对企业的研发和技术重组越有可能产生显著的促进作用。

（3）企业联盟数量

对每个研究样本企业，本文通过计算其在2008-2017年期间与其他企业的研发联盟的数量。该变量越大，说明企业间的联盟数量越多，企业获得的技术支持有可能越多，从而有可能增加企业的研发技术能力。

（4）大学虚拟声望

以往研究认为，企业与大学合作的决定以及产学合作绩效的大小取决于大学的学术声誉和声望［18］。因此，为了控制大学声望对企业研发的影响，本文引入一个类别变量，其中1 表示样本公司在指定年份至少与一所著名大学建立了伙伴关系，反之则为0。

在本文的研究中，大学声望是根据大学作为联盟合作伙伴的吸引力而不是依赖于对大学进行排名的传统报告来确定的。著名大学的确定由以下方式产生，首先，在样本数据中统计所有与企业合作的大学，并计算每所大学建立研发关系的平均数量；其次，从社交网络的角度计算每所大学的度中心性的平均值。然后使用高于平均值的两个标准偏差作为基准，将那些得分高于基准的大学确定为著名大学。由于名牌大学的数量与大学合作伙伴的统计之间存在着高度的相关性，我们决定使用虚拟变量来表明企业是否与某一年份中的一所著名大学建立了合作伙伴关系。

（5）其他控制变量

专利权引用可能受到技术特征、专利特征和公司特征的影响。属于某些技术类的专利可能比其他技术类引用更多，同时专利发布时间较长的也可能会导致更高的引用率，因此，本文使用指标变量来控制每个专利类别和专利年龄。此外，较大的公司具有更大经济规模和更广的经营范围，本研究引入企业层面的控制变量，例如企业研发支出、企业规模（员工人数）和虚拟变量以区分制药公司和生物技术公司。我们将对数函数应用于这些变量（虚拟变量除外）以便解释不等变异。

2.3 分析方法

为准确测度企业内部的科研活动和技术重组对校企合作研发的影响，本文在借鉴有关研究的基础上［19］，采用负二项回归模型（negative binomial model）进行实证分析。之所以采用计数模型是因为本文的因变量-专利绩效（专利前向引用）是非负计数型变量，如果使用线性回归模型，将会导致系数估计结果有偏和不一致。此外，由于引用的数量表现出过度分散，专利研究发现数据的过度分散可归因于未观察到的异质性。因此，虽然分析单位是个别专利，但考虑到样本公司的异质性，本文加入了企业层面的控制变量。最后，为了获取稳健估计，本文在回归分析中包含了公司聚类的稳健标准误差。

3 假设检验与结果

3.1 假设检验

表2为回归模型的分析结果，表3为变量描述及相关系数。

模型1 仅包含控制变量，目的是研究变量单独添加到后续模型中，以证明变量的附加解释力。结果显示，专利层面的控制变量，即专利年龄和技术重点的系数具有显著的统计学意义（p＜0.01），说明较老的专利被引的次数较高，而那些因为技术保护需要而被专利丛林保护的专利被引次数则较少；大学声望的虚拟变量与专利的前向引用具有显著的正相关性（p＜0.001），这是因为大学声望是高质量学术知识生产和分配的重要预测因素，因此与知名大学结盟的公司从这种合作中获益更多，从而表现出更高水平的专利引用。

在其他控制变量中，发明人数量的系数测度与企业研发合作具有统计显著性（p＜0.05），说明雇佣大量发明人的公司表现出更高水平的专利引用，同时，拥有更多企业合作的公司也表现出更高水平的专利引用。最后，生物技术和制药公司虚拟变量的系数在统计学上不显著，这意味着生物技术公司的专利表现与制药公司的专利变现没有显著差异。

模型2 模型3 模型4 在模型1 的基础上分别加上校企合作、企业科研重点以及重点技术重组三个变量，由表3 可见，企业与大学的研发合作对前向引用有显着的积极影响（p＜0.01），表明校企研发联盟对公司的专利绩效有着积极的正向影响。重点技术重组对专利的前引用具有显着的积极影响（p＜0.01），相比之下，科研重点对专利绩效没有直接影响，这与Henderson和Cockburn［20］的研究结果一致。

表2 组织因素对校企合作的调节效应

模型5和模型6分别加入了校企合作模式中两种研发重点的相互影响。其中，对技术重组的侧重在校企合作与专利前向引用之间的关系中起着显著的正向影响，假设1 被证实；而对科研的侧重在校企合作与专利前向引用之间的关系中起着显著的负向影响，假设2得到证实。

本文进一步分析了不同年龄的公司在进行校企合作研发的相互依赖性，根据它们的中位年龄将样本公司分成两组，然后进行相同的回归分析。分析结果发现，对于老牌公司而言，侧重于科研活动负向影响校企合作与专利绩效之间的关系，而侧重技术重组则正向影响这种关系。而与此相反的是，校企合作中的不同侧重点，包括科研活动和技术重组都对成立时间较短的年轻公司产生积极的互补效应。

3.2 结果分析

科学研究的重点可以分别通过技术重组的重点与知识创造和知识应用的基本方法区分开来。首先，科学研究的基本活动是通过探索新的知识要素来扩展企业的知识基础，而技术重组的活动则是利用知识要素之间的互补性。其次，随着企业经验和技术的积累，以及时间的推移，各种知识活动所依据的组织结构和惯例会有不同的适应和发展。本文的研究H1 和H2 的统计证据表明，一些公司与大学合作所会获得更多的收益，原因在于企业在技术重组和科学研究之间的研发重点（即专有科学和开放科学）的不同选择。开放科学鼓励远离商业目标的知识探索，而专有科学则侧重于从科学发现中产生经济价值。因此，当企业更加关注将科学知识转化为商业应用时，预计公司与大学合作的边际价值会增加。

表3 变量描述及相关系数

同时，样本分析显示，年轻公司更容易在校企合作研发中获得较大的收益。样本企业年龄的平均值约为21 岁，21 岁以下的公司中生物技术企业大约占60%，老公司大多是制药公司。而药物开发从药物发现到一种新药物的批准，最终达到临床应用的目标，可能需要10～15 年的时间，平均需要几亿或更多的费用才能完成。因此，与老牌制药公司相比，一家15岁的生物技术公司可能仍然是一家相对“年轻”的小公司。考虑到这些统计数据，研究结果并不奇怪，因为可以从以前的研究中找到辅助解释［21］。首先，生物技术企业比制药公司更依赖学术科学。最新的一项生物技术产业研究报告表明［22］，生物技术公司而不是制药公司倾向于在早期阶段开发大学发现的新药。其次，虽然年轻的生物技术公司比老制药公司或大型制药公司更具创造力和创业精神，但它们缺乏维持早期和临床前阶段研究的长期时间的财政和人力资本。因此，除了建设科学研究能力外，他们还可能利用大学科学家的专门知识和专门技能。同时，由于年轻的生物技术公司需要学术投入来补充其早期的研发，它们必须通过进行科学研究来保持一定程度的吸收能力。

相比之下，对老牌公司来说，公司在研发方面的累积经验应能使公司通过运用公司特有的专门知识和技能，掌握从学术机构获得的知识，获得竞争优势。研究表明，这种竞争优势归因于公司的技术重组重点，而不是其科学研究重点。综合来看，管理内部和外部研发活动对老公司来说是一项更具挑战性的任务。现有的研究建议在咨询的基础上吸引学术科学家，并聘请研究生或博士后研究员，作为促进公司获得学术研究的有效方式。尽管如此，由于科学家各自的角色会对公司的整体表现产生相反的影响，老牌公司应该谨慎地管理他们对科学家在开放科学和专有科学方面的表现的期望。

4 研究结论与启示

本研究试图了解公司内部的重点研发工作是增强或破坏与大学合作研发所带来的帮助，并解释公司专利绩效的变化。研究结果首先证实了校企合作研发对公司专利绩效的积极影响，强调了学术发现和转化研究在企业研发中的重要性。对于企业而言，获得有益补充对知识和技能至关重要，因此，学术研究是赋予企业研发能力而不是替代它。

其次，创新学者强调内部和外部研发相结合所产生的互补性。换言之，当企业在内部和外部研发方面投入更多时，企业的创新绩效会得到提升。之前的研究通常将内部研发确定为一个单一的结构，统一了公司研发职能中的所有活动。然而，有证据表明［23］，创新型公司的研发工作重点不同于搜索和扩展其知识领域，而是跨技术和组织边界重新组合知识要素。基于知识的观点，我们认为科学研究和技术重组是企业研发重点的两个不同维度，可以补充或替代大学合作。研究结果表明，技术重组加强了大学合作与专利绩效之间的关系，而科学研究则削弱了这种关系。虽然在年轻和老公司之间也有所不同，但总体结果对缺乏资源的企业公司和受惯性较大的成熟公司具有重要意义。

最后，特别关注到外部合作和内部公司研发重点的相互作用，同时考虑到公司研发活动的异质性，这些活动在科学型企业中的开发和维护成本非常高。这项研究有助于从大学-产业联系的角度解释为什么一些企业与大学合作比其他人更成功。