校企邻近性与协同创新绩效

陈会英 刘涵 周衍平

摘要：合作伙伴间的多维邻近性是影响合作伙伴协同创新绩效的重要因素，选择合适的合作伙伴对提高农业生物技术创新产出具有重要意义。基于中国23所高校和157家企业协同创新的数据，运用负二项回归模型，从技术邻近、地理邻近和制度邻近角度对中国农业生物技术专利协同创新绩效进行实证分析。研究表明，技术邻近、地理邻近和制度邻近与中国农业生物技术专利协同创新绩效呈显著正相关关系，即技术结构的相似、空间位置的邻近和制度环境的共通可以促进中国农业生物技术专利校企协同创新成果产出，据此提出农业生物技术专利协同创新伙伴选择的相关对策建议。

关键词：协同创新；技术邻近；地理邻近；制度邻近；农业生物技术专利

中图分类号：F062.3文献标识码： ADOI：10.3969/j.issn.1003-8256.2021.05.002

开放科学（资源服务）标识码（OSID）：

基金项目：国家社会科学基金项目（17BJY129）；山东省自然科学基金项目（ZR202103080031）

现代农业生物技术作为培育高产优质高效抗病性动植物品种的重要手段，对推动传统农业向现代化转型、实现农业经济高质量发展具有重大意义。世界各国已充分认识到发展现代农业生物技术的必要性、紧迫性，纷纷加大技术创新力度，掀起了新一轮的农业技术革命，以谋求在相关产业格局中占据优势地位[1]。在此背景下，中国政府也不断增加在农业生物技术方面的科研投入，并出台了一系列扶持政策来推动农业生物技术的发展。2017年国家颁布《关于创新体制机制推进农业绿色发展的意见》，要求构建支持农业绿色发展的科技创新体系。2021年中央一号文件指出，要加快实施农业生物育种重大科技项目，推进农业绿色发展。高校与企业作为重要的创新主体，在价值取向和社会分工方面存在差异，拥有的资源优势和风险承担能力不同。高校或企业单纯依靠自身能力创新，既面临高昂的成本投入，也难以实现可持续性的有效创新。而高校与企业协同创新能够实现优势互补，风险共担，打造资源集聚与科研力量聚合的创新模式，保证研究与需求的良好对接，切实推进农业科技发展进步。

农业生物技术产业作为国家战略性新兴产业的重要组成部分，具有广阔发展前景。近年来针对我国农业生物技术创新的研究多集中于专利态势、发展现状的分析[2-5]，在校企协同创新方面的研究相对较少。高校与企业间的协同创新往往受到内外部诸多因素的影响，协同创新双方的邻近性就是其中重要的情境因素。国内外学者从技术邻近、地理邻近和制度邻近等角度验证了多维邻近性对创新绩效存在影响，实证研究基于不同合作组织进行[6-8]，研究数据来自制造业、通讯设备行业等不同领域[9-10]，具体至农业生物技术方面的研究亟需加强。

在邻近性相关研究的基础上，本研究针对我国农业生物技术的发展，运用国家知识产权局（National Intellectual Property Administration，CNIPA）专利检索数据库中高校企业共同申请的专利数据，通过负二项回归分析，探讨地理邻近、技术邻近和制度邻近与农业生物技术专利协同创新绩效的关系，为高校、企业协同创新农业生物技术专利选择合适的合作伙伴提供参考依据。

1理论假设

1.1技术鄰近与农业生物技术专利协同创新绩效

Jaffe[11]在1986年首次提出技术邻近的概念，通过国际专利分类号IPC测量协同双方的技术邻近程度。技术邻近是协同创新中共享技术经验和知识的基础，反映了协同双方知识累积和技术经验的接近度，其对协同创新绩效的影响主要反映在协同双方之间技术知识的交互学习上。

目前，学者们关于技术邻近与创新绩效的关系研究得出的结论主要有两种，一是认为技术邻近对创新绩效有倒U型影响。Petruzzelli[12]根据Jaffe关于技术邻近的计算公式验证了技术邻近对创新绩效的影响呈倒U型的假设。高太山[6]基于74家中国企业参与国际研发联盟的数据进行实证研究，结果显示联盟伙伴间技术距离对企业突破性创新有倒U型影响，过大或过小的技术距离都不利于联盟内的知识流动。也有一部分学者的研究表明技术邻近与协同创新绩效呈正相关关系。史烽等[7]对中国31个大学-企业协同创新活动进行实证分析，发现技术距离显著促进大学-企业协同创新。Chuluun等[13]认为技术空间的接近程度越高，组织间技术交流的障碍越小，越有利于合作过程中相互间的理解以及技术知识的吸收和利用。刘志迎等[14]通过分析我国13所高校及与之协同创新的191个企业，发现我国技术距离对校企协同创新的影响仍处于倒U型曲线的前半段，技术距离较大的校企协同创新产出相对较少。本研究以农业生物技术创新为研究对象，由于生物基因的遗传性、变异性及农业产业的季节性，协同创新的不确定性更大，面临的风险程度更高。高校和企业在选择合作对象时更加注重沟通效率和风险管控，按照自身涉足的技术领域以及掌握的技术范围选择合作对象能够提高协同创新的品质和效率。鉴于此提出假设：

H1：技术邻近对农业生物技术专利协同创新绩效的影响为正向。

1.2地理邻近与农业生物技术专利协同创新绩效

地理邻近是邻近性研究的主要角度之一，有大量产业集群研究以及知识外溢的地理局限性作为研究支撑。

学术界一般认为地理邻近有利于协同双方的合作创新。Petruzzelli[12]基于企业和大学合作申请专利数据的研究表明地理邻近是促进二者协同创新的重要因素。Eklinder等[15]认为地理邻近性对冲破企业间的空间距离障碍具有促进作用，有利于协同创新过程中的知识交流和知识转移，从而提升企业间的协同创新绩效。刘斌等[16]研究发现地理位置邻近有利于降低中国高校技术合作创新过程中的复杂程度，提高创新产出质量。陈莞等[17]认为地理邻近加强企业社会责任对创新研发投入的正向影响，进而促进创新。然而有部分学者得到了相反的结论，夏丽娟等[18]研究结果显示地理邻近并没有增加高校企业的协同创新成果产出，现代交通基础设施和信息通讯技术的高速发展为知识转移提供了强大途径。但农业生物技术的创新是一个复杂的长周期过程，需要协同双方在创新动机、目标定位、实现机制等方面高度契合，如果在协同创新过程中仅仅依靠网络会议、短暂访问等方式互相交流是远远不够的，必须保障协同双方具有充分的现场接触。地理邻近在一定程度上降低了合作伙伴搜寻成本、合作过程复杂程度，方便知识转移和技术交流。鉴于此提出假设：

H2：地理邻近对农业生物技术专利协同创新绩效的影响为正向。

1.3制度邻近与农业生物技术专利协同创新绩效

制度邻近性反映合作双方所在区域宏观制度层面的邻近程度，区域主导的特殊文化环境和政策制度会影响组织的行动方式和协调程度，具体包括法律、规范等正式制度以及价值观念和习惯等非正式制度。

关于在协同创新过程中制度邻近的影响，学者们从市场化相似程度、区域地方保护性等多个角度进行了研究[6，19]，发现制度邻近性对协同创新绩效有显著促进作用。党兴华等[20]基于中国30个区域间联合申请专利的数据进行实证研究，发现区域间制度邻近性有利于降低跨区域技术合作创新成本进而提高合作绩效。Giuliani[21]认为制度邻近性将合作双方“粘合”在一起，能够降低相互沟通的不确定性，有利于促进高校和企业间的交流和互相学习。不同环境下的社会制度在发展过程中逐渐形成，打破环境差异造成的制度壁垒有利于农业生物技术协同创新的组织协调与沟通交流，即制度邻近意味着更低的协调激励难度和沟通成本。鉴于此提出假设：

H3：制度邻近对农业生物技术专利协同创新绩效的影响为正向。

2数据与方法

2.1数据来源与样本选取

本研究数据来源于CNIPA专利检索数据库中发明专利的申请数据。参照经济合作与发展组织（OrganizationforEconomicCo-operationand Development，OECD）报告对生物技术界定的专利分类号范围及农业生物技术专利领域的研究[2-5]筛选出与农业生物技术相关的国际专利分类（International Patent Classification，IPC）：A01H1、A01H4、A01N、A01P、A23K、A61K38、A61K39、A61K48、C05F11/ 08、C05F15、C07K14/415、C07K14/195、C07K14/37、C12N1、C12N5、C12N9、C12N15。在数据库专利申请（专利权）人一栏输入“大学”和“公司”“企业”“集团”等主体间的组合进行检索。检索日期为2020年2月24日，检索时间段为2014年1月—2018年12月①。根据申请人的信息，将不符合高校和企业协同创新专利的数据舍弃，然后再根据摘要和专利名称进行筛选，剔除检索结果中包括环保、医院、工业等与农业生物领域不相关的数据。

对筛选处理后的合作专利数据进行初步研究，选取中国农业大学、南京农业大学、华中农业大学、山东农业大学、湖南农业大学、四川农业大学、西北农林科技大学、河南农业大学、华南农业大学等23所高校。这些高校是国内学术界参与农业生物技术创新的主力军和有效代表，就其与企业在2014—2018年五年内联合申请的发明专利数进行统计，得到23所高校与157个企业的协同创新关系及对应的330件发明专利，具体协同创新关系分布如图1所示。

由圖1可知，南京农业大学、华中农业大学和湖南农业大学在农业生物技术领域合作的企业较多，其次为华南农业大学、河南农业大学和云南农业大学。大部分高校在农业生物技术领域建立合作关系的企业数在10个以下，高校与企业间的联结较少。

2.2变量选取

2.2.1因变量

本研究的因变量为大学和企业协同创新绩效，学者们关于协同创新绩效的测度方法主要采用合作申请专利数[17，20]、合著论文数[19，22]等，这里选取大学和企业共同申请的发明专利数作为对协同创新绩效的衡量指标。考虑到从专利审批直至对专利授权需要较长的时间滞后，所以用专利申请量比专利授权量更能及时反映技术创新产出。同时，发明专利相较于其他专利有更高的技术含量，更能体现创新性。

2.2.2自变量

由于大部分专利有多个分类号，隶属于多个技术方向，关于如何对专利的技术方向进行具体分类，学术界主要有两种解决方法：一种是“全部算”，即一项专利有多个分类号时，每个分类号都加1；另一种是采用均摊的算法，即一项专利有n个分类号时，每个分类号都加1/n。本研究在计算技术邻近时，采用“全部算”的方法。

将样本高校和合作企业的技术邻近值取平均值，求得各高校协同创新伙伴的技术邻近测算值，如图2所示。浙江大学协同创新伙伴的技术邻近测算值最大（0.618），表明其合作的企业与自身技术结构较接近，涉足的技术范围重叠度较高。总体来看，各高校协同创新伙伴的技术邻近测算值多集中在0.3～0.5之间，协同创新双方技术结构差距较大。

（2）地理距离。地理距离的测量方法主要有：①协同创新双方所在城市之间的球面距离；②协同创新双方之间的最短交通时间；③协同创新双方之间的最短直线距离。考虑到本研究中大部分高校和企业地理位置较近，以高校和企业的最短直线距离来测量地理距离，具体数据由百度地图中的测距工具提供。

（3）制度邻近。大部分制度邻近研究者以组织类型的是否相同来表征协同创新过程中制度的邻近与否，但高校和企业本就是不同的组织类型，故本研究采用高校和企业是否位于同一省份测度制度邻近，若协同创新双方属于同一省份，该变量赋值为1，表明其制度邻近性较高；属于不同省份，该变量赋值为0，表明其制度邻近性较低。

2.2.3控制变量

（1）企业研发实力。企业的技术水平和科研能力越强，意味着合作创新绩效越好。相比传统资源，专利资源更能代表企业的研发实力，增加企业的竞争优势[23]。本研究以企业2014—2018年在农业生物技术领域的专利总数作为企业研发实力的衡量指标。

（2）高校科研人员投入。高校科研人才储备是高校科研实力的一个重要体现，通常认为高端的人才储备和雄厚的智力资本是驱动创新成果产生的重要因素，更有利于合作创新成果产出。本研究采用各高校教学和科研人员中科学家和工程师所占比重的历年平均数表征高校科研人员投入。

3实证分析结果

3.1描述性统计分析及变量相关性分析

首先对变量进行描述性统计分析，见表1，得到因变量（联合申请发明专利数）的标准差大于均值，数据过度离散，故本研究采用负二项回归对数据进行分析。地理距离和企业研發实力两个变量标准化处理后进入回归方程。

表2为变量相关矩阵，制度邻近和地理距离的相关性比较大（-0.783），存在多重共线性问题，故本研究不同时将它们投入回归方程，即分别对它们进行回归。其他变量间的相关系数均低于0.7，区分效度较好。

3.2负二项回归模型的分析

表3为负二项回归模型的分析结果。模型1～模型6分别对控制变量、在控制变量基础上依次加入自变量进行回归分析，分别探析各个自变量与因变量之间的关系。从表中数据可以看出，所有模型均通过了显著性检验，表明数据与模型契合度良好。

模型2、模型5和模型6中技术邻近（Tec）的系数均为正数，且均通过了5%的显著性检验（p<0.05），表明技术邻近与农业生物技术协同创新绩效的关系是正向的，H1通过验证，协同创新双方的知识结构越相似，他们就越容易进行知识的交流与学习。模型2中技术邻近的平方项（Tec^2）的系数值为负且在10%水平上显著，模型5和模型6在模型2的基础上分别加入地理距离和制度邻近，技术邻近的平方项（Tec^2）的系数值减小且统计上不显著，表明加入地理距离、制度邻近稀释了技术邻近对协同创新绩效的倒U型影响。

从模型3和模型5可以看出，地理距离（Geo）的系数在5%的显著性水平上为负，这说明高校和企业的地理距离越大，协同创新产出越少，即地理邻近的高校和企业的农业生物技术协同创新绩效更佳，协同创新伙伴的搜寻匹配和协同创新过程中的交流沟通仍需要双方具有较小的地理距离，H2通过验证。

模型4和模型6中制度邻近（Inst）的系数分别在5%和10%水平上显著为正，表明制度邻近对农业生物技术协同创新有显著促进作用，地方政府给企业和高校提供了良好的规范环境，在合作的激励政策和沟通协调方面起到了重大作用，H3得到验证。

控制变量在所有模型中基本都通过了显著性检验，在模型1～6中企业研发实力（FirmY）的系数均为正数，表明企业研发实力促进农业生物技术协同创新产出。与预期相反的是，高校科研人员投入（UnivK）的系数均为负，这是因为：相比科学家和工程师占教学和科研人员比重较大的高校，科研人员投入比重较小的高校更能够在农业生物技术协同创新过程中获取较多的外部资源，从而推进技术成果的产出。

4结论与政策建议

鉴于生物基因的遗传性与变异性等特点，且农业生产容易受到季节、气候、地域等因素的影响，农业生物技术协同创新相比其他行业具有更大的市场不确定性和高风险性。本研究以邻近性相关研究为基础，利用高校和企业协同创新的专利数据，使用负二项式回归模型，实证分析了技术邻近、地理邻近和制度邻近与农业生物技术协同创新绩效的关系，得到如下结论：

（1）技术邻近有利于校企协同创新农业生物技术。协同创新双方以相似的技术结构为基础进行知识交互，有利于新知识的识别与吸收，促进高校与企业间的相互沟通与理解。协同创新双方技术结构相似程度低，知识交互不能被充分理解；技术结构越邻近，双方间的交流学习越有利于激发农业生物技术研发。

（2）地理邻近与农业生物技术校企协同创新绩效呈正相关。高校和企业间地理位置的邻近，有利于考察对方在创新目标与实现机制上与自身的匹配程度，高效进行交互式学习和协同创新。高校和企业低成本地搜寻到合适的协同创新伙伴并进行有效沟通，有利于知识的流动和良好互信关系的建立，进而促进协同创新成果产出。

（3）制度邻近对高校企业协同创新农业生物技术具有显著促进作用。政府积极引导高校和企业优势资源整合，在政策支持、沟通协调和信息共享等方面营造良好的合作环境，对提高协同创新意义重大。在相同或相似的制度环境中，更容易实现合作关系的建立和维持，知识交互的效率也会更高。

基于上述结论，本研究对我国农业生物技术协同创新实践提出以下政策建议：

（1）企业和高校需要对自身有正确的评估定位。根据自身的技术结构，在涉足的技术领域、掌握的技术知识范围内合理选择协同创新伙伴，保证协同创新过程中双方充分的理解沟通和知识互补。

（2）在空间位置上邻近的企业和高校应当积极寻求合作机会。大力建设高校科技园区，促进科技园区充分发挥其地理邻近优势，引进一批与高校的技术结构特点相似的、具有合作潜力的农业生物技术企业，有效对接双方的创新资源，实现对资源的合理配置。

（3）加大在相似制度环境中高校和企业协同创新的激励政策。交互式学习的稳定性需要相似制度环境这一前提条件来保证，政府应大力为农业生物技术协同创新搭建平台，清除技术交流和知识转移的潜在阻碍，保证协同创新主体共享相似的激励政策和沟通协调惯例。

未来研究可对邻近维度进行扩展，关于认知邻近、社会邻近对生物技术协同创新绩效的影响有待进一步探讨。其次，可以考虑将制度邻近的测度方法进一步细化，借鉴跨国公司绩效影响因素中制度邻近的研究，从市场化程度、激励政策、监管质量等多方面对协同创新双方的制度邻近进行测算，分析其对农业生物技术协同创新的影响，以得到更有价值的结论。

注释：

①考虑到我国在2012年5月启动实施"2011计划"遴选国家级协同创新中心以及专利研发创新的滞后效应，将检索起始时间定为2014年1月；考虑到知识产权局专利检索数据库录入和更新的延迟，造成2019年专利信息不完整，将检索截止时间定为2018年12月。

参考文献：

[1]李晶.国外农业生物技术的发展研究[J].世界农业， 2015（12）： 53-56.

[2]吴陆生，王钊.广东高校生物產业领域专利技术竞争力分析[J].科技管理研究， 2018， 38（5）： 188-194.

[3]李晓曼，孙巍，徐倩，等.基于专利计量的农业生物技术发展态势分析[J].生物技术通报， 2018， 34（12）： 221-231.

[4]石家惠，杜艳艳.基于专利数据的中国农业生物技术发展现状研究[J].情报杂志， 2013， 32（9）： 57-61， 67.

[5]赵萍，张博，王学昭.农业生物技术领域专利态势分析[J].中国生物工程杂志， 2018， 38（8）： 100-107.

[6]高太山.国际研发联盟、技术距离与企业突破性创新[J].当代经济管理， 2020， 42（3）： 21-26.

[7]史烽，高阳，陈石斌，等.技术距离、地理距离对大学-企业协同创新的影响研究[J].管理学报， 2016， 13（11）： 1665-1673.

[8]吴卫红，李娜娜，张爱美，等.京津冀省市间创新能力相似性、耦合性及多维邻近性对协同创新的影响[J].科技进步与对策， 2016， 33（9）： 24-29.

[9]李培楠，赵兰香，万劲波.创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J].科学学研究， 2014， 32（4）： 604-612.

[10]赵炎，王冰，郑向杰.联盟创新网络中企业的地理邻近性、区域位置与网络结构特征对创新绩效的影响——基于中国通讯设备行业的实证分析[J].研究与发展管理， 2015， 27（1）： 124-131.

[11] JAFFE A. Technological opportunity and spillovers of R&D： evidence from firm’s patents， profits， and market value [J]. American Economic Review， 1986，76（5）：984-1001.

[12] PETRUZZELLI A M. The impact of technological relatedness， prior ties， and geographical distance on university-industry collaborations： A joint-patent analysis [J]. Technovation， 2011， 31（7）： 309-319.

[13] CHULUUN T， PREVOST A， UPADHYAY A. Firm network structure and innovation [J]. Journal of Corporate Fiinance， 2017， 44： 193-214.

[14]刘志迎，单洁含.技术距离、地理距离与大学-企业协同创新效应——基于联合专利数据的研究[J].科学学研究， 2013， 31（9）： 1331-1337.

[15] EKLINDER F J， AGE L J. Perspectives on regional innovation policy： From new economic geography towards the IMP approach[J]. Industrial Marketing Management， 2017， 61（1）： 81-92.

[16]刘斌，唐慧敏，王玉凤，等.地理接近性对高校技术创新合作及创新绩效的影响[J].研究与发展管理， 2016， 28（1）： 121-131.

[17]陈莞，张烨桢.空间视角下企业社会责任与创新的关系研究——基于地理邻近和网络位置的调节作用[J].华东经济管理， 2021， 35（1）： 35-44.

[18]夏丽娟，谢富纪，王海花.制度邻近、技术邻近与产学研协同创新绩效——基于产学联合专利数据的研究[J].科学学研究， 2017， 35（5）： 782-791.

[19]吴和成，赵培皓.邻近性视角下长三角协同创新绩效影响因素实证研究[J].科技管理研究， 2020， 40（7）： 96-103.

[20]党兴华，弓志刚.多维邻近性对跨区域技术创新合作的影响——基于中国共同专利数据的实证分析[J].科学学研究， 2013， 31（10）： 1590-1600.

[21] GIULIANI E.Network dynamics in regional clusters： Evidence from chile [J]. Research Policy， 2013， 42（8）： 1406-1419.

[22] HOEKMAN J， FRENKEN K， VANOORT F. The geography of collaborative knowledge production in Europe [J]. The Annals of Regional Science， 2009， 43（3）： 721-738.

[23]陳会英，高晓航，周衍平.我国海外专利布局网络演化特征——基于社会网络分析[J].中国高校科技， 2019（6）： 23-26.

The Influence of Proximity on the Performance of University -Enterprise Collaborative Innovation：Based on the Research of Agricultural Biotechnology Industry

CHEN Huiying，LIU Han，ZHOU Yanping（College of Economics and Management， Shandong University of Science and Technology， Qingdao 266590，China）

Abstract： The multi-dimensional proximity between partners is an important factor that affects the performance of collaborative innovation of partners. Choosing the right partner is of great significance to improving the output of agricultural biotechnology innovation. Based on the collaborative innovation data of 23 universities and 157 enterprises in China， this study uses a negative binomial regression model to conduct an empirical analysis of the performance of Chinese agricultural biotechnology patent collaborative innovation from the perspectives of technological proximity， geographic proximity and institutional proximity. Research shows that technological proximity， geographic proximity， and institutional proximity are significantly positively correlated with the performance of Chinese agricultural biotechnology patent collaborative innovation. That is， the similarity of technological structure， the proximity of spatial location and the common institutional environment can promote the output of university-enterprise collaborative innovation results of agricultural biotechnology patent in China. Based on this， relevant countermeasures and suggestions for the selection of cooperative innovation partners for agricultural biotechnology patents are put forward.

Keywords： collaborative innovation； technology proximity； geographical proximity； institutional proximity； agricultural biotechnology patents