知识空间分异对企业创新的影响——基于知识强度的调节作用

马有才，张荣芳，刘 柱

（山东科技大学经济管理学院，山东青岛 266590）

一、引言

知识经济时代，知识在区域发展中起着举足轻重的作用。然而，我国的知识分布呈现出非均衡态势。以2016 年为例，在我国的省级行政单位中，以R&D 研发经费内部支出测度的知识存量最高省份为最低省份的669 倍；以专利授权量测度的知识存量最高省份为最低省份的1 076 倍；以发明专利授权量测度的知识存量最高省份为最低省份的663倍。巨大的知识空间分异造就了拥有丰富知识资源的“知识核心区域”与知识资源相对匮乏的“知识边缘区域”。

知识的空间分布不均，造就了各区域不同的知识动态，影响着企业创新[1]：在知识供给与知识溢出方面，“知识核心区域”要显著优于“知识边缘区域”。那么一个值得探究的问题是，知识的空间分异对企业创新造成怎样的影响：如果位于“知识核心区域”的企业拥有更好的创新表现，那么“知识边缘区域”企业依靠什么来实现创新的“逆袭”；如果“知识核心区域”并没有给企业带来更好的创新表现，那么其背后的原因又是什么？

本文对知识空间分异对企业创新的影响展开探讨。首先，在利用永续盘存法对知识存量测度的基础上，对知识空间分异特征进行了论述；其次，从知识溢出非对称性视角出发，探讨了企业知识强度这一异质性因素对区域知识存量与企业创新关系的调节机理，并使用2005—2017 年我国制造业上市公司数据进行了实证；最后，针对实证分析结果，对如何更好地促进企业创新提出建议。

二、知识空间分异特征

（一）区域知识存量的测度

本文使用永续盘存法对狭义上的知识存量——即区域在以往研究开发所产生的知识积累，也称为技术知识存量或R&D 知识存量进行测度。其合理性在于：第一，知识的推陈出新使得通过永续盘存法对知识存量进行估算成为可能；第二，广义而言，任何观察及观察基础上的思索都可以认为是知识的生产活动，这种复杂性使得很难对广义上的知识进行测度，因而对技术知识存量的测度更具有操作性；第三，技术知识存量能够在一定程度上反映区域知识水平[2-3]。具体方法如下：

其中，KSi，t表示i 区域t 年的技术知识存量，δ为知识折旧率，Ni，t为i 区域t 年知识的增加量。根据Goto 和Suzuki 的观点，基年知识存量KSi，t为：

其中，gi为i 区域新知识年增长率的算术平均。

在测度区域知识存量时，需要先明确技术知识的衡量标准、区域层次、基期与知识折旧率。借鉴已有研究，分别以专利数量、R&D 经费支出作为技术知识的衡量标准；以省为分析单元探究知识分异特征；设定2000 年作为基期；知识折旧率参照蔡虹、张永林课题组的做法，设定为0.071 4。

KS 为区域知识存量的绝对值，为了更好地进行地区间知识存量差异的比较，构造区域知识存量的相对值：

（二）知识分布的空间特征

在测度省际知识存量的基础上，采用ArcGIS 技术对其分布进行描绘。图1 展示了2016 年各城市的知识存量分布。

图1 2016 年各城市知识存量分布

通过图1，可以得出以下结论：第一，整体上呈现出东部沿海地区技术知识存量大于中部大于西部的分布态势；第二，极化特征显著，一些城市的技术知识存量按照发明专利测度超过了10%，按照总专利测度也超过了5%；第三，省份内部呈现出非均衡分布态势，一省内往往呈现出个别城市技术知识存量大，而其余城市少的分布；第四，省会城市与技术知识存量的分布存在着较高的重叠，表现为一省的省会往往是技术知识存量较大的城市。

三、知识存量、知识溢出与企业创新

（一）知识存量与知识溢出

“知识溢出”是指区域内企业由于存在某种社会关系而更易获得创新信息的一种经济外部性现象[4]。相较于“知识边缘区域”，“知识核心区域”在溢出数量、溢出渠道与溢出质量方面均有着其优势，原因如下：第一，从知识溢出的数量而言，“知识核心区域”有着更为丰富的创新信息，区域在以往的研发过程中积累的知识为知识溢出奠定了坚实的基础。已有研究多从知识存量出发对区域间的知识溢出进行测度[5-6]，在一定程度上说明学者对这一观点的认可。第二，“知识核心区域”提供了更多的溢出渠道。知识存量的丰富不仅带来了更多的知识交流的机会[7]，并且更容易形成知识交换市场，这种交流与交换促进了创新主体间的知识溢出。第三，从知识溢出的质量而言，由于跨国企业往往选择“知识核心区域”作为其研发中心，因而“知识核心区域”的知识质量相对较高。在实证方面，曾经成功进行创新地区孵化出的企业更容易创新成功，以及同一地区内的专利更容易存在相互引用现象都表明知识溢出更容易发生于知识存量丰富的地区。

（二）知识溢出与企业创新

从区域创新的视角来看，一个地区的知识溢出效应越显著，则区域内企业的创新能力也就越强，具体原因如下：

（1）区域在以往的研发过程中积累的知识为创新的开展奠定了坚实的知识基础。Feldman 研究表明，曾经成功进行创新地区孵化出的企业更容易创新成功；（2）由于隐性知识难以突破地理距离的限制[8]，积累的隐性知识更能够影响该地区的创新；（3）知识溢出丰富的地区内部存在着更多的知识沟通交流的机会[7-9]，这种交流为区域内各创新主体间的进一步知识溢出提供了契机；（4）研发活动积累下来的知识溢出会形成集聚效应，从而吸引更多的资金和人才参与到创新活动中，由于R&D 活动的开展对劳动力的素质提出了要求，因此创新活动更可能集聚发展[10]；（5）知识溢出的集聚区更容易形成知识交换的市场，从而能够更好地实施创新。

综合以上论述，提出本文的假设1：

H1：在其他条件不变的情况下，区域的技术知识存量与该区域内企业的创新能力呈正向关系：区域技术知识存量越多，则该地区企业的创新能力越高；区域技术知识存量越少，则该地区企业的创新能力越低。

（三）知识溢出的非对称性

从区域层面而言，知识存量的丰富带来了知识溢出效应。然而知识溢出的非对称性特征决定了知识溢出对不同知识强度的企业的影响存在差异：知识强度高的企业在拥有较高吸收能力，更好地利用其他企业知识溢出的同时，也面临着内部知识向其他企业“反向溢出”的风险；而知识强度低的企业虽不能够充分利用其他企业的知识溢出，却不必担心向其他企业的“反向溢出”。围绕着知识溢出的“非对称性特征”，学者对于知识溢出对企业创新的影响产生了两种观点：“互补论”及“均衡论”。“互补论”的支持者认为，知识溢出更有利于知识强度高的企业[5]；“均衡论”的支持者则认为，虽然知识强度高的企业能够更有效地吸收本地其他企业的知识溢出，但是，其同时也是知识溢出的源头[11-12]。

按照知识溢出与企业知识强度互补的观点，提出本文的假设2：

H2：在其他条件不变的情况下，企业知识强度对区域技术知识存量与企业创新的关系产生正向调节作用：相较于知识强度低的企业，知识强度高的企业更能够从技术知识存量丰富区域获益。

按照知识溢出与企业知识强度均衡的观点，提出本文的假设3：

四、研究设计

（一）样本选择

由于使用专利衡量企业创新产出，而专利主要来自于制造业[13]，因此选择A 股2005—2017 年所有制造业上市公司作为研究对象。参照已有研究的做法，剔除以下样本：（1）专利数据缺失样本；（2）关键变量缺失的样本；（3）ST 类企业。所有连续变量进行了上下1%分位的缩尾处理。经过以上处理，最终得到11 481 个样本。

（二）变量选取与说明

1.关键变量选取。企业创新产出：采用专利授权数衡量企业创新产出。其中，2010 年及之前的上市公司专利授权数据源自于CPDP 项目，2010 年之后的数据参照He 等（2018）[14]与蔡卫星等（2019）[13]的做法，利用国家知识产权局专利检索及分析系统进行获取。

区域知识存量：对地级市的专利授权量采用永续盘存法测度地级市知识存量，方法见公式（1）～公式（3）。需要进行说明的是，由于各地级市的研发支出数据存在口径不一的情况：一些城市报告了研发经费支出，而一些城市仅报告了研发经费内部支出，还有一些城市仅汇报了规模以上企业的研发支出，因此并没有采用研发支出数据测度地级市的知识存量。各地级市的专利数据源于国家知识产权局专利检索系统，检索方式参考马静等（2017）[1]。

企业知识强度：借鉴龙小宁等（2018）[15]的做法，以企业的“知识资本”，即企业截止每年末有效存续的专利数量与企业规模之比来测度企业的知识强度——即以单位资产的知识资本衡量企业的知识强度。

2.模型设定。不同于实用新型专利与外观设计专利，发明专利体现的更多是关键技术成果，黎文靖和郑曼妮（2016）[16]认为，企业的发明专利能够衡量企业的实质性创新。因此，为了更全面地考察区域知识存量、企业知识强度对企业创新的影响，将企业创新划分为以专利授权总量衡量的企业整体创新与以发明专利授权衡量的企业实质性创新；将区域知识存量划分为总体知识存量与发明知识存量。

考虑到区域知识存量、企业知识强度对企业创新的影响，建立如下形式的线性回归模型：

在回归方程中，Innovationi，t表示t 时期企业i 的创新产出，分别使用企业的专利授权总量与发明专利授权量衡量，RKSi，t表示企业所在城市的知识存量，分别使用总体知识存量与发明知识存量衡量，KFi，t表示企业的知识强度。Xi和δ 分别是K*1 维控制变量向量和系数向量。

3.控制变量选取。知识扩散已成为促进地区创新发展的潜在技术机会窗口之一[17]，企业创新不仅受到本地知识溢出的影响，还受到非本地知识溢出的影响，因此以其他城市对企业所在城市的知识溢出量作为衡量企业受到的非本地知识溢出的影响。

其中，KRi，t表示i 所在城市t 时期接收的其他地区的知识溢出量，为溢出知识存量的绝对值，KSj，t表示j 地区t 时期的知识存量，以专利总量衡量的区域总体知识存量衡量，dij表示i，j 两地的地理距离，λ 为地理距离的调节系数，RKRi，t表示地区接收的其他地区的知识溢出量占该时期全国知识地区间知识溢出总量的比例，为区域接受的知识溢出量的相对值。在λ 的取值方面，参考Grillitsch 和Nilsson（2015）[18]的研究，将其设定为0.017。

目前，该软件的最新版本为2016年2月18日发布的 ERICA Assessment Tool 1.2，可以在网络上免费下载使用。

上市公司不仅在其注册地开展业务，还存在异地经营的现象。曹春方等（2015）[19]研究表明，中国地方制造业上市公司有42.15%的子公司为外省的异地子公司。企业的异地经营使得企业接触到更广阔的市场以及更为多样的知识，从而影响到企业创新。因此，本文控制了企业异地经营这一变量，如果上市公司存在异地子公司，该变量取值为1，否则取值为0。

企业集团内部的知识市场影响着企业的创新产出。本文参照已有研究[13]设置企业集团的虚拟变量：当两家或两家以上上市公司在同一年度具有相同的最终控制人时，就认定这些上市公司从属于企业集团，取值为1，否则取值为0。

此外，本文还控制了企业规模、资产负债率、企业年龄、企业性质、经营现金流比率、资本密集度以及城市的人均国内生产总值及外商直接投资等一系列变量（见表1）。

五、实证分析

（一）基准回归

由于采用专利授权量衡量企业创新，因此本文更适合采用计数模型进行回归。由于泊松回归需要满足”均等分散“假定，而本文的数据更接近于负二项分布，因此选择负二项回归作为基准回归方式。

在基准回归中，首先采用区域知识存量对企业创新进行单独回归，以验证其对企业创新的影响；然后加入企业知识强度以及区域知识存量与企业知识强度的交互项，来验证企业知识强度在区域知识存量与企业创新中的调节作用；最后进一步控制企业层面、区域层面的控制变量及年份、行业、城市等效应，从而降低遗漏变量的可能性。此外，将企业的创新表现划分为整体创新与实质性创新，将区域知识存量划分为总体知识存量与发明知识存量。回归结果如表2 所示。

表1 变量定义及描述性统计

从表2 可以看出，各控制变量的符号均符合预期，在分别使用区域总体知识存量还是发明知识存量对企业创新单独回归时，无论被解释变量为整体创新还是实质性创新，区域知识存量都在1%水平上显著促进企业创新（模型（1）、模型（4））。在考虑了企业知识强度及其与区域知识存量的交互项之后，可以发现，交互项回归系数显著为负（模型（2）、模型（5）），说明企业知识强度对区域知识存量与企业创新的关系有着负向调节作用：知识存量丰富的地区有利于知识强度低的企业提升创新产出，而不利于知识强度高的企业创新产出的提升。在进一步控制了企业层面、城市层面控制变量以及年份、行业、城市虚拟变量后，各主要变量的回归系数及其显著性并没有发生太大的变化（模型（3）、模型（6））。模型（7）、模型（8）进一步探究了区域发明知识存量对企业总体创新的影响以及总体知识存量对企业实质性创新的影响，结果仍然显著。

表2 基准回归结果

（二）稳健性检验

1.更改回归方式。为检验回归结果对回归方法的稳健性，参考已有研究[20]，将被解释变量加1 后取对数作为新的被解释变量，采用混合回归与面板数据固定效应模型分别回归。从回归结果可以看出，无论是使用混合回归还是固定效应模型进行回归，主要解释变量在符号与显著性方面仍然符合预期，因此可以认为研究结论不受回归方式的影响。

2.纳入滞后项。考虑到区域知识存量对企业创新的影响可能存在滞后性，因此将主要解释变量滞后一期进行稳健性检验。回归结果表示，无论是使用滞后项还是加入研发投入，以上结论仍然稳健，此外，研发投入显著地影响了企业的创新表现。

3.子样本回归。为了确保结论的稳健性不存在样本偏差，使用子样本进行回归：（1）按照企业产权性质划分为国有企业与非国有企业进行回归，其中国有企业与非国有企业的划分按照股权控制链计算所得；（2）按照行业性质划分为高科技企业与非高科技企业进行回归，参照李诗等、黎文靖和郑曼妮（2016）[16]的分类，将通用设备制造业，专用设备制造业，交通运输设备制造业，电器机械及器材制造业，计算机、通信及其它电子设备制造业，仪器仪表制造业，文化办公用机械制造业、有色金属冶炼和压延加工业、金属制品业化为高科技行业，其它行业为非高科技行业。从分组回归的结果来看，虽然个别组的显著性水平与基准回归存在着差异，但是各变量符号均符合预期，以上结论仍然成立。

4.更改变量衡量方式。由于各个城市的辖区面积、人口的不同可能造成拥有更大辖区面积与更多人口的城市有着更好的知识存量，因此分别使用单位面积知识存量（绝对知识存量/城市面积）与人均知识存量（绝对知识存量/总人口）衡量区域的知识存量；此外，由于2007 年新会计准则要求原无形资产分别在“无形资产”、“商誉”和“投资性房地产”中核算，因此新会计准则下的无形资产主要由专利权和非专利技术构成[21]，故选择2008 年及之后企业的无形资产与期末总资产比重衡量企业的知识强度。从回归结果可以看出，虽然个别回归结果在系数的符号及显著性方面有着一定的差异，但整体而言，主要结论是稳健的。

（三）内生性问题的探讨

基准回归可能存在内生性偏误：第一，尽管通常认为单个企业很难影响到城市层面的变量，由于知识溢出效应的存在、标杆企业的进入也能吸引更多企业进入相应城市，从而以集聚的形式影响到城市的知识存量，这种反向因果会高估城市知识存量对企业创新的影响；第二，城市的知识存量与企业创新可能同时受到某一因素的影响，从而导致二者较高的相关性；第三，可能遗漏了一些与解释变量相关的其他变量，导致扰动项与解释变量相关。

现有文献多采用准自然试验的方法来解决上述内生性问题[22-23]。由于企业的选址通常不是随机的，很难找到外生冲击事件，因此采用工具变量法解决上述内生性偏误[24]。选择中国1919 年各地基督教教会初级小学注册学生数占总人口的比例作为区域知识存量的工具变量，原因在于：第一，近代科学和科学革命诞生在欧洲，中国近代的科学启蒙很大程度上依赖于西方，这在技术知识方面体现的更为明显；第二，区别于传统的学校，基督教教会小学在课程设置方面加入了诸如算术、图画、手工以及自然科学的启蒙教育，为各地现代知识体系的建立奠定了基础；第三，知识的累积性特征使得过去形成的知识体系影响着当前的技术知识存量；与此同时，作为历史变量，其并不直接影响当前企业的创新，并且也不会通过宗教等因素影响企业的创新。在数据方面，由于地级市行政区划变动频繁，因此使用县级的行政区划进行匹配，并在地级市层面进行加总；在数据来源方面，1919 年的县区数据及基督教教会初级小学注册学生数来自于《1901—1920年中国基督教调查资料》。

表3 工具变量法估计结果

利用1919 年基督教教会初级小学注册学生占比作为工具变量对区域知识存量、企业知识强度与企业创新进行工具变量回归发现，三者之间的关系依然稳健：区域知识存量对企业创新的影响受到企业知识强度的调节，知识强度高的企业能够从知识存量丰富的地区提升创新表现，而知识强度低的企业创新表现则可能在知识存量丰富的地区得到抑制。

六、结论与建议

如何促进企业创新，推动发展方式转变是我国当前面临的重大问题之一。本研究从我国知识空间分异这一现象出发，探讨了知识空间分异的时空特征及其对企业创新的影响。研究表明：（1）在技术知识存量与企业创新关系方面，基准回归结果验证了在不考虑其他因素的条件下，区域的技术知识存量越丰富，企业的创新表现越好。（2）在考虑知识溢出非对称性特征的基础上，在回归中加入企业知识强度这一调节变量，基准回归结果验证了知识溢出非对称性的存在。（3）稳健性检验结果表明，在更改回归方式、更改变量的测度方式、使用子样本回归以及纳入滞后项等情况下，均保持了基本结论的不变；为解决可能存在的内生性问题，本文使用历史数据作为工具变量，工具变量回归结果依然支持了本文的主要结论。

基于以上研究结论，为更为有效地推动企业创新与区域创新的协调发展，提出以下建议：第一，对于位于“知识核心区域”的知识强度低的企业而言，应当积极利用自身的区位优势开展创新活动，从而形成自身的竞争力；而对于“知识核心区域”的知识强度高的企业而言，可以借助于企业的异地经营与集团化等方式趋利避害，从而更好地开展创新。第二，对区域政策的制定者而言，由于处于“知识边缘区域”的地区知识资源的局限性，其应当大力引入知识强度高的企业，以该类企业的创新促成发展方式的转变；而处于“知识核心区域”的地区则应当充分利用其知识资源优势，鼓励新创企业探索新的发展方向，从而实现发展方式的转变。