“城市经济协调会”对 上市公司创新的影响 ——来自准自然实验的证据

李 璟 陈胜蓝

一、引 言

2018 年11 月18 日，中共中央、国务院印发《关于建立更加有效的区域协调发展新机制的意见》，旨在推动全面落实区域协调发展战略各项任务，促使区域协调发展向更高水平、更高质量迈进。“长三角城市经济协调会”(以下简称“经济协调会”)作为一项跨越二十多年的“区域一体化”措施，在区域协调发展中具有十分重要的作用。特别是在2010 年后，“经济协调会”通过推进合作论坛、合作专题、企业服务联盟等方式促进了长三角区域内的企业、科研院校和政府在产学研等多方面的协调发 展①例如，2013 年召开的第13 次市长联席会议设立了创新驱动合作论坛，邀请了各成员城市知名企业家和高等院校、科研院所的代表参会。2017 年第17 次市长联席会议决定成立“经济协调会”企业服务联盟。2018 年9 月21 日成立“经济协调会”产业特色小镇发展联盟，实行“政府搭台，高校参与，企业唱戏”。。目前对长三角及“经济协调会”的考察主要从政府间合作方式、协调发展策略、宏观影响等展开了一系列研究(徐现祥和李郇，2005；吴福象和刘志彪，2008)①这些研究主要侧重于规范性分析或分析式研究，从微观经济主体层面展开的实证研究十分缺乏。例如，黄新飞等(2014)利用长三角15 个城市的数据，测算了市场分割程度，估计了长三角地区两省一市之间的边界效应。孟庆国和罗杭(2017)基于“经济协调会”之间的合作，用社会网络模型演绎城市群中各城市政府决策者之间的交互关系，为促进城市群政府合作和加快区域一体化进程提供了决策依据和政策参考。。张学良等(2017)将“经济协调会”作为一个准自然实验，发现加入“经济协调会”可以通过城市之间的市场整合来实现资源的优化配置，促进生产效率提升。然而，“经济协调会”促使城市群经济绩效提升的微观机制尚不清晰。通过参与协调发展，市场整合、资源优化配置等带来的优势开始渗透到公司，本文通过考察“经济协调会”对公司创新的影响来打开其提高经济绩效的黑箱。

习近平总书记在党的十九大报告中指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。创新驱动作为一项基本国策，在引领经济社会发展中将发挥越来越重要的作用。为了在国际市场上有效竞争，一个国家的公司必须不断创新，提升其竞争优势(Porter，1992)。对此，如何提高公司创新发展就变得至关重要。创新包括利用新知识和信息创造更有效的产品(Hall 等，2005)，公司的信息收集、知识利用、技术发展等直接影响公司的创新能力。

城市的空间邻近可以产生正的外部性(Meijers，2005；Van Oort 等，2010)，通过劳动力市场的相互作用、中间产品和最终产品供应商之间的匹配、知识的溢出等机制产生集聚经济效应(Duranton 和Puga，2004)。“经济协调会”通过城市间的合作形成集聚经济，产生信息以及技术溢出效应。通过举办专题论坛邀请公司参与、建立“经济协调会”企业服务联盟等协调发展战略，“经济协调会”能够促进公司之间进行信息传递和相互学习，并实现知识的不断累积和循环改进，从而影响公司的创新。因此，本文预期“经济协调会”能够促进公司创新。

基于不同城市在不同时间加入“经济协调会”形成的准自然实验情境，本文使用双重差分来估计加入“经济协调会”对公司创新的影响。以中国资本市场上市公司2008—2016 年数据为研究样本的检验结果表明，公司所在城市加入“经济协调会”后，公司专利的申请数量平均上升了40%左右。为了排除其他替代性解释，进一步支持“经济协调会”促进了公司创新的观点，本文分别从公司网络、全要素生产率和信息环境三个维度进行了横截面差异检验。其结果发现，在公司网络中心度较低、全要素生产率较低、信息环境较差的条件下，“经济协调会”对公司专利申请数量增长的推动作用更大。最后，本文进行了一系列的稳健性测试以加强研究结果的稳健性。

本文的研究贡献主要在以下方面。

第一，本文贡献于“经济协调会”产生经济效应的相关研究。已有研究主要是从宏观层面介绍“经济协调会”提出的背景、合作模式及对城市群经济的影响等(徐现祥和李郇，2005；黄新飞等，2014)，少数研究为“经济协调会”的经济效应提供了经验证据①例如，张学良等(2017)实证考察了“经济协调会”对城市群经济绩效及市场整合的影响。。然而，这些研究较少关注“经济协调会”对微观层面的影响。本文从公司创新的角度考察了“经济协调会”对公司的影响，发现“经济协调会”能够促进公司创新，补充了“经济协调会”如何影响微观经济主体的经验证据。

第二，本文贡献于公司创新影响因素的相关研究。从实证角度看，已有研究主要分析了机构所有权、金融衍生品、外部环境变化等对公司创新的影响②已有研究主要分析了机构所有权(Aghion 等，2013)、金融衍生品(Blanco 和Wehrheim，2017)、董事会特征(Balsmeier 等，2017)等公司特征对创新的影响，也有研究考察了公司税(Mukherjee 等，2017)、卖空机制(权小锋和尹洪英，2017)、劳动保护(倪骁然和朱玉杰，2016)等外部环境的变化对公司创新的影响。。本文表明“经济协调会”带来的信息及技术溢出会导致公司专利申请数量的增加，有助于推动公司创新的相关行为，从宏观政策方面补充了创新影响因素的相关研究。

第三，本文使用的准自然实验可以有效消除内生性问题的干扰。以前关于公司创新的研究会受到内生性问题的干扰，因为一些重要的公司层面不可观测因素(如公司战略选择、公司特质等)很可能同时影响公司特征和公司创新。然而，“经济协调会”并不依赖于公司层面的不可观测因素，这种冲击是相对“外生”的，这有助于本文更准确地识别“经济协调会”对公司创新的因果效应。利用不同城市在不同时间加入“经济协调会”形成的准自然实验情境，本文使用双重差分方法解决了以往研究中存在的缺失变量问题，发现“经济协调会”可以促进公司创新。

本文按以下顺序安排后续部分：第二部分进行了理论分析；第三部分详述了数据的来源、变量定义以及模型设定等研究设计；第四部分给出基本问题、横截面差异的主要实证结果；稳健性检验及相关分析在第五部分中展示；最后是本文的研究结论。

二、理论分析

邻近的城市之间通过空间和功能整合可以达到一种密切合作、功能互补的状态，从而产生正的外部性，形成协同发展(Meijers，2005；Van Oort 等，2010)和集聚效应，集聚经济效应通过劳动力市场的相互作用、中间产品和最终产品供应商之间的匹配、知识的溢出等而产生(Krugman，1991；Duranton 和Puga，2004)。通过城市之间的协调合作，“经济协调会”形成了协同发展。从长三角的空间范围来看，“经济协调会”所引发的区域协调发展突出表现为城市间分工与协调合作的深化，尤其从产业和空间双重互动的动态角度看，呈现出共同集聚或协同集聚的特征，由此产生信息及技术溢出效应。例如，吴福象和刘志彪(2008)以“经济协调会”的16 个城市为研究样本，发现城市化群落驱动经济增长的主要机制之一是要素在区域间自由流动促进了技术溢出。孟庆国和罗杭(2017)指出“经济协调会”自发合作的现象体现了经济的集聚和协同发展。张学良等(2017)发现，作为一种区域合作和交流机制，“经济协调会”能够推动城市之间的功能分工和市场共享，实现城市群的协同发展，使群内的各个地区享受到更多的技术溢出，形成集聚的正外部性和溢出效应，带来经济效率的显著提升。

城市间的集聚会产生正外部效应，如知识溢出、商业联系等(Fujita，1989；Francis等，2016)。公司通过参与“经济协调会”的合作论坛、合作专题等，与政府及其他公司形成了一定的交流与合作，使得这种信息溢出对微观主体产生影响。

首先，这种信息溢出提高了公司间信息传递的可能性。通过参加“经济协调会”，公司之间更可能交换信息，更容易建立合作关系。“经济协调会”合作与交流产生的正外部性越大，信息溢出越容易在微观主体之间产生作用(Christoffersen 和Sarkissian，2009)，从而提高公司间的信息传递能力。

其次，这种信息溢出扩大了公司间信息传递的范围。通过参加“经济协调会”，信息及技术溢出效应会使大量的信息和知识能够在成员城市、公司之间迅速扩散，促使公司进行更大范围的信息传递与经验学习，提高了公司接收到信息的数量与异质性(Schilling 和Phelps，2007)。例如，加入“经济协调会”之前，公司可能只与同一城市的公司进行交流，而加入“经济协调会”后，依托协调会这一平台，公司与其他城市的公司也会进行交流。

最后，这种信息溢出提高了公司间信息传递的效率。通过参加“经济协调会”，公司之间更愿意分享隐性复杂的知识(Coleman，1988)，加深了对问题的理解并促进了问题的解决。对问题的探讨和解决又大大促进了进一步交流和学习(Brown 和Duguid，1991)，实现了知识的不断累积，提高了信息的传递效率。

创新包括获取和熟悉各种知识元素、新问题的发现及解决、失败的教训以及成功的解决方案等(Hargadon 和Fanelli，2002)。所以，信息对创新发展至关重要(Hall 等，2005)。公司的信息收集、知识利用、技术发展等直接影响创新，具有良好信息交流的公司更容易获得与公司创新相关的价值信息，信息的传递也会影响公司对创新的重视程度(Chuluun 等，2017)。“经济协调会”产生的信息及技术溢出效应会从以下三个方面影响公司之间创新信息的传递，进而对公司的专利申请数量产生影响。第一，公司之间基于“经济协调会”产生的联系有助于发现新的技术机会、确定创新需求、提高获得知识密集型服务的几率等，使公司之间更容易进行与创新相关的信息交换，增加了创新信息传递的可能性。第二，由“经济协调会”带来的信息溢出会使大量与创新相关的信息和知识能够在公司之间迅速扩散和整合，扩大了创新相关知识的传递范围，公司能够获得更多关于创新的知识。第三，这种协调发展使公司更愿意分享信息，尤其是与开发新产品相关的隐性复杂知识，这样可以实现创新知识的不断累积和循环创新，加速创新信息在公司与政府及其他公司之间的交流与传递，提高了创新相关知识的传递效率。因此，可以预期“经济协调会”可以通过产生信息及技术溢出促进公司创新，增加公司专利申请的数量。

三、样本选择、研究设计与描述性统计

（一）长三角城市经济协调会

长三角区域一体化的问题，其实就是区域治理能力的现代化问题，而如今的长三角，更迫切需要自上而下的顶层设计。“经济协调会”这一长三角实质性合作的起源，自成立以来，有效助力了长三角的一体化进程。1997 年，上海等15 个城市通过平等协商自发成立了“长三角城市经济协调会”。在2003 年“经济协调会”第四次会议上，台州市成为正式成员。自“经济协调会”吸纳台州后，扩容呼声不断，但迟迟未改变过“15+1”模式的格局。早期的“经济协调会”只在城市层面举行，采用由各成员城市市长或分管副市长出席的机制，由于彼此负责人之间的行政级别是不同的，16 座城市并不能完全对等地坐在一张圆桌上，这样的制度设置很难起到实效。

2008 年9 月7 日，国务院正式发布《关于进一步推进长江三角洲地区改革和经济发展指导意见》，表明长三角一体化快速发展战略正式上升到国家层面。2010 年，“经济协调会”扩容提速，合肥、盐城、马鞍山、金华、淮安、衢州6 个城市入围，“15+n”的“泛长三角”格局开始呈现。除了扩容以外，会议名称也更改为“长江三角洲城市经济协调会第××次市长联席会议”，以提高“经济协调会”的工作推进力、协调力和执行力。会议上还通过了合作专题等多项提案，强调了非政府组织的交流协调作用，鼓励开展经济技术合作研讨会、洽谈会和论坛等，“经济协调会”开始呈现“多层次”特征，公司开始参与协调会并受到影响。2013 年“经济协调会”第十三次市长联席会议决定吸纳徐州、芜湖、滁州、淮南、丽水、温州、宿迁、连云港8 座城市，从而会员城市扩容至30 个。市长联席会除了举行市长高峰论坛，还专门设立创新驱动合作论坛，大力促进了长三角区域内的企业、科研院校和政府之间更好地进行产学研合作与创新。

本文研究“经济协调会”对公司创新的影响。“经济协调会”通过城市间的合作形成集聚经济，产生信息以及技术溢出效应(吴福象和刘志彪，2008；张学良等，2017)。通过举办合作论坛邀请公司参与、建立企业服务联盟等，信息及技术溢出效应在公司间传递，提高了与创新相关的知识和技术的传递效率，并实现知识的不断累积和循环创新，从而使公司的专利申请数量增加。

考虑到2010 年之前的“经济协调会”只在城市层面召开，几乎没有供公司参与的论坛、合作项目等，公司难以参与其中，受“经济协调会”的影响不大。所以，本文研究问题围绕2010 年、2013 年加入“经济协调会”的14 个城市的79 家上市公司展开。选取这79 家公司作为处理组样本具有以下优势：第一，这些公司都处于长三角城市群，面临相同的地域文化、经济发展趋势等，样本具有同质性且有相似的创新行为，这有助于解决缺失变量或伪相关问题。第二，这些公司的所在城市在不同时间加入“经济协调会”，且通过“经济协调会”，公司之间可以随时交流与创新相关的信息，容易观察到由“经济协调会”带来的信息及技术溢出对公司创新的影响。第三，这些公司所在城市加入“经济协调会”的相关信息，如加入的时间、协调发展的主旨、成立的联盟等，都有详细的披露数据，便于我们考察“经济协调会”对其带来的影响。表1给出了研究期间各城市加入“经济协调会”的具体时间及加入当年城市上市公司的总数量。

表1 各阶段加入“经济协调会”的城市及上市公司数量

（二）样本选择与数据收集

本文的初始样本选取2008—2016 年中国资本市场上市公司的相关数据①由于横截面检验中高管的网络数据从2008 年开始，所以本文的样本期间起始年份为2008 年。，遵从以下程序筛选样本：(1)若公司的相关数据有缺失，将其删除；(2)由于保险、金融行业的公司特征与行业整体存在较大偏差，若公司处于这两个行业，将其剔除。本文从历年的《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《中国城市统计年鉴》和《中国统计年鉴》中获取“经济协调会”的相关数据，从深圳国泰安信息技术有限公司(CSMAR)获取上市公司的财务数据以及城市层面的区域经济数据。专利数据来自CSMAR，并通过国家知识产权局网站(CNIPA)进行手工补充整理。本文对连续变量实施1%的缩尾处理以控制极端值的影响，对公司进行“聚类(Cluster)”处理，同时使用异方差稳健性标准误，由此控制潜在的序列相关性和异方差问题。

本文使用“经济协调会”作为准自然实验考察其对公司创新的影响。首先，需要根据“经济协调会”组织的成员名单与研究期间来确定处理组样本。由于样本研究期间为2008—2016 年，为了排除过早加入“经济协调会”的样本对研究问题造成的干扰，本文的基本研究问题围绕2010 年、2013 年加入“经济协调会”的14 个城市的上市公司展开，将其作为处理组样本，其他城市的上市公司为控制组样本②在基本问题中，为了排除干扰，本文将1997 年、2003 年加入“经济协调会”城市的上市公司进行了剔除。但是为了稳健性，本文也对2016 年前所有加入“经济协调会”的城市(1997 年、2003 年、2010 年、2013 年四年加入“经济协调会”的城市)进行了全样本的测试，结果符合预期。。

（三）模型设计与变量定义

本文参考 Tong 等(2014)以及孔东民等(2017)的研究，以专利申请数量衡量公司创新。本文根据申请年份而非授予年份来定义专利产出，因为申请年份能更准确地刻画创新的产出时间。具体来说，本文将各公司每年三种类型的专利申请数量加总得到创新总量(Patent)③对于专利申请数据，若公司在样本期内仅存在一年的专利(发明专利、实用新型专利和外观设计专利任意一种)申请数据而其他年度的专利申请数据缺失，我们用0 替代。。因此，本文用三类专利申请总量衡量公司创新，考虑到专利申请数据的右偏问题，本文将所有专利数值加1 之后取自然对数，最终得到变量LnPatent，以此表示创新总量。

为有效缓解加入“经济协调会”前后时间因素对研究结论的干扰，本文使用双重差分方法(Difference-in-Differences)考察加入“经济协调会”与公司专利申请数量之间的因果关系。为控制其他因素的影响，本文借鉴已有研究(Wang 和Zhao，2015；Mukherjee 等，2017；孔东民等，2017)并加入相关控制变量。其具体的研究模型如下：

其中，LnPatentit表示公司i 在t 年的研发专利，使用公司专利申请总数量加1 后取自然对数来衡量。“经济协调会”变量ECCit(Economic Coordination Committee)是虚拟变量，如果公司i 所在的城市在t 年加入了“经济协调会”，则取值为1，否则取值为0。具体变量定义如表2 所示。

表2 变量定义与说明

为了控制由于公司其他特征带来的专利申请的差异，本文控制了公司固定效应。为了控制不同年度宏观因素的影响，本文设置了年度虚拟变量。系数β1估计了相比控制组，处理组在加入“经济协调会”后其申请的专利数量的变化。

（四）描述性统计

表3 报告了本文主要变量的描述性统计结果。从描述性统计结果可以看出，专利申请数量(LnPatent)的均值为1.329，意味着公司平均每年有1.3 个专利申请。“经济协调会”(ECC)的均值为0.054，表明样本中约有5.4%的公司所在城市加入了“经济协调会”。资本性支出(PPE)的均值为0.06，公司规模(Size)的均值为21.959，资产收益率(ROA)的均值为0.037，公司资本结构(Lev)的均值为0.432，公司成长性(MTB)的均值为2.261，公司年龄(Age)平均为13.704，管理层持股(CEOShare)的均值为0.092，营业收入增长率(SalesGrowth)平均为20.4%。平均而言，有20.9%的公司为国有企业，24.7%的公司董事长、总经理由一人担任，独董占比为37.3%。城市(县)国民生产总值自然对数的均值为8.143，人口自然对数的均值为6.107。

表3 主要变量的描述性统计结果

四、“经济协调会”与公司创新

（一）基准模型——“经济协调会”与公司研发专利

本文首先考察加入“经济协调会”对公司专利申请的影响，表4 报告了其回归结果。在加入“经济协调会”后，第(1)列控制年度固定效应和公司固定效应的回归中，ECC 的回归系数为0.475，在5%显著性水平下显著。控制其他相关变量之后，第(2)列中ECC 的回归系数为0.454，仍在5%(t＝2.22)显著性水平上显著，这意味着相比没有加入“经济协调会”的公司，公司在加入“经济协调会”之后专利申请数量增加了45.4%。第(3)列进一步控制了公司固定效应和年度×行业固定效应，ECC 的回归系数为0.384，在10%(t＝1.83)显著性水平上显著。另外，与已有文献一致(Wang 和Zhao，

2015；孔东民等，2017)，控制变量的系数表明，企业规模越大、资产收益率越高，其创新产出越高。综合上述结果可知，在加入“经济协调会”之后，公司专利申请的数量显著增多。

表4 “经济协调会”与专利申请数量

（二）横截面差异

加入“经济协调会”对公司创新的影响可能具有横截面差异，本文分别从公司网络、公司全要素生产率和公司信息环境三个维度进行横截面差异检验。

1. 公司高管网络程度的影响

社会网络是指社会个体成员之间因为互动而形成的相对稳定的关系体系。社会网络理论认为，个人或公司间的联系网络为信息交换提供了一个有效的渠道，可以提供信息优势，促进信息扩散，最终对个体行为产生影响(Shue，2013)。例如，公司作为节点可以通过高管(董事)的老乡、校友、任职关系等形成公司网络，不同的网络具有不同的信息优势，并能促进信息扩散，最终影响公司的行为。在社会网络中的不同地位决定了通过网络信息传递的数量、多样性和速度。

在公司环境中，高管除了发挥监督作用外，还发挥重要的咨询功能，高管的存在有助于传递隐性知识和信息，并让公司接触相关信息。通过不同公司的高管在同一地方任职，在公司之间建立了网络，社交网络个体之间的重复互动会导致相互信任和可信赖程度的提高(Glaeser 等，2000)，有利于相互关联的公司之间的信息流动和沟通(Cai和Sevilir，2012)，促进相互关联的公司共享与创新相关的信息。因此，公司的网络中心地位越高，公司之间存在的信任、共享和合作的程度越高，公司的信息获取和传递能力就越强，越可能获取创新的相关知识和技能，专利申请数量越多(Chuluun 等，2017)；而公司的网络中心地位越低，公司依靠网络获取和传递的信息越少，越不容易获得与公司创新相关的高价值信息，创新受到限制。“经济协调会”可以产生信息及技术溢出效应(吴福象和刘志彪，2008；张学良等，2017)。加入“经济协调会”后，信息溢出与公司网络带来的信息优势形成替代，公司网络中心地位的作用降低。信息溢出可以弥补网络信息传递的不足，对公司网络中心地位低的公司的信息劣势状况改善效果更明显，这类公司更容易通过“经济协调会”获取创新的相关知识，由此增加专利的申请数量。

基于由高管联系建立起来的公司网络，网络中心度是判断网络中节点(公司)重要性的量化指标，使用一系列中心度的度量方法能够计算出哪个公司更重要，就可以进一步分析中心度对公司高管财务决策行为造成的影响。根据已有研究(Phua 等，2018)，若两个公司的高管或董事同时在同一家其他单位(政府部门、其他公司、高校、银行等)兼职，则认为这两个公司存在联系。本文以高管和董事联系建立起来的公司网络为样本，分别使用公司兼职网络的度中心度(Degree)、接近中心度(Closeness)、中介中心度(Betweenness)、特征向量中心度(Eigenvector)四种方法衡量公司网络中心度的程度，具体定义如下。

(1) 度中心度(Degree)

对于每个公司来说，度中心度计算的是其拥有直接关系的其他公司的数量，是衡量公司网络中心程度最直接的变量。若公司i 与公司j 有直接的联系，则Ii,j为1，并用除公司i 以外的公司总数对其进行标准化。具体度中心度的定义为：

其中n 是网络中公司的总数。

(2) 邻近中心度(Closeness)

邻近中心度计算的是网络中公司i 与所有其他公司之间的平均距离的反比，距离被定义为两个公司之间最短路径的步数。其中，Dij为节点i 到除自身外的所有节点的最短路径之和，(n-1)为用网络规模进行调整而由此得到考虑了网络规模的标准化邻近中心度。邻近中心度关注公司在网络中与其他联系个体距离的重要性，衡量了资源共享速度的快慢。具体邻近中心度的定义为：

(3) 中介中心度(Betweenness) 中介中心度衡量了公司作为网络中的中介优势，或者一个公司在连接一个网络中的其他个体有多重要。Pkj为考虑所有连接中k 和j 最短路径的数量，Pikj为包括i 的k和j 之间的最短路径的数量，比率Pikj/Pkj表示了在k 和j 的连接中i 的重要性，对n 个公司组成的网络中的所有个体进行平均，得到公司i 的中介中心度。具体中介中心度

的定义为：

(4) 特征向量中心度(Eigenvector) 特征向量中心度衡量的是该公司所连接的公司的重要性。如果一个公司同时通过直接和间接的路径与网络中其他重要公司相连，则该公司具有较大的特征向量中心度。因此，给定公司的特征向量中心度取决于网络中其他重要公司的中心度。

其中，λ 是一个比例常数，若公司i 与j 之间有联系则Xij为1。

本文将通过计算所得的公司网络中心度按照前一年的行业均值划分为高(LowCentrality＝0)、低(LowCentrality＝1)两组并进行分组检验，结果如表5 所示。在表5 中，无论用何种方法衡量公司网络中心度，“经济协调会”变量ECC 的回归系数在低网络中心度组都更大(ECC＝0.672；ECC＝0.842；ECC＝0.672；ECC＝0.605)，且都显著(t＝2.15；t＝2.63；t＝2.31；t＝1.72)，在高网络中心度组系数都较小(ECC＝0.320；ECC＝0.370；ECC＝0.505；ECC＝0.394)，且除使用中介中心度衡量在10%水平上显著外(t＝1.86)，其他都不显著(t＝1.28；t＝1.47；t＝1.59)。此结果显示在低中心度的一组里ECC 系数显著且影响更大，表明加入“经济协调会”后公司专利申请数量的增加在网络中心度低的公司中更显著。

表5 公司高管网络程度的影响

2. 全要素生产率的影响

全要素生产率与公司层面技术的变化有相关性(Melitz，2003)，全要素生产率较高的公司拥有更多与创新相关的信息与技术，专利申请的数量更多(Brav 等，2018)。全要素生产率较低的公司创新的知识和技术相对缺乏，创新受到限制，专利申请的数量较少。而且，激烈的市场竞争会淘汰无效率的公司，促使公司为了生存而努力创新和增加投资(Bloom 等，2016)。加入“经济协调会”能带来信息、技术溢出等正外部性，促进公司创新。全要素生产率较低的公司由于本身创新需求较高，且创新知识和技术缺乏，对“经济协调会”带来的信息及技术溢出更加敏感，因而所在城市加入“经济协调会”后其专利申请的数量会增加。

本文依据已有研究的方法计算公司的全要素生产率(Giannetti 等，2015)。首先，对柯布-道格拉斯生产函数两边同时取对数后回归，模型如下：

其中，LnIncome 是公司销售收入变量，定义为公司i 在t 年销售商品或提供劳务收到现金的自然对数，LnAsset 是公司规模变量，定义为公司i 在t 年总资产的自然对数，LnLabor 是员工人数变量，定义为公司i 在t 年员工总人数的自然对数，LnCost 是支出变量，定义为公司i 在t 年购买商品接受劳务支付现金的自然对数。通过模型(6)使用研究期间样本公司每一年度(9 年)每一行业(22 个行业)进行回归，得到的残差项即为公司的全要素生产率。我们对全要素生产率的估计反映了企业在某一特定年份内与其所在行业的全要素生产率之间的偏差，可以理解为一个公司在其行业内的相对生产力。

按照全要素生产率前一年的行业均值，本文把研究样本划分为全要素生产率较高(LowProductivity＝0)、全要素生产率较低(LowProductivity＝1)两组，检验结果见表6。“经济协调会”变量(ECC)的回归系数在低全要素生产率组较高，为0.640，在5%的水平下显著；在高全要素生产率组较低，为0.364，且不显著。此结果说明，加入“经济协调会”后，公司专利申请数量的增加在全要素生产率较低的公司中更显著。

表6 全要素生产率程度的影响

3. 信息环境的影响

加入“经济协调会”对公司专利申请数量的影响随着对信息及技术溢出敏感性程度的不同而不同。在信息环境较好的公司中，公司本身可以凭借较好的信息环境获得创新的相关知识与技能，创新相对活跃。在信息环境较差的公司中，加入“经济协调会”之前，公司间信息传递效果较差，通过信息传递获得有效知识或技术的能力有限，创新相对较少；当其所在城市加入“经济协调会”后，其专利申请数量的增加主要源于城市合作、公司参与等产生的信息溢出(Duranton 和Puga，2004)，所以信息交流的加强对信息环境较差的公司改善更明显。因此，公司信息环境越差，其所在城市加入“经济协调会”后，由于信息溢出对创新相关知识传递的改善也越明显，专利申请数量也越可能增加。

Henderson(2000)认为，人口和产业在城市的高度集中可以提高信息溢出的效率，有利于节省公司之间货物交换、产品销售等成本。所以，本文分别使用城市人口密度和产业集聚指数作为衡量公司信息环境的方法。其中，对于城市人口密度，本文采用城市年末总人口/城市总面积来衡量(师博和沈坤荣，2013)；对于产业集聚指数，本文采用Krugman(1991)提出的Krugman 空间基尼系数来衡量(李波和杨先明，2018)。具体产业集聚指数的计算方法如下：

其中，aggrj为r 省(直辖市)j 行业的Krugman 空间基尼系数，empr/emp 为r 省(直辖市)就业总人数占全国总就业人数的比重，反映的是全国总就业的地区分布，emprj/empj为r 省(直辖市)j 行业总就业人数占全国j 行业的总就业人数的比重，反映的是行业j 总就业的地区分布。产业集聚指数大小介于0～1 之间，当取1 时，说明产业完全集聚于一个地区；当取0 时，说明产业分布均匀。

本文将计算得到的城市人口密度和产业集聚指数分别按照前一年的三分位数，把研究样本划分为上三分位数信息环境较好(LowInfo＝0)、下三分位数信息环境较差(LowInfo＝1)两组，检验结果见表7。分别使用城市人口密度、产业集聚指数衡量公司的信息环境，“经济协调会”变量(ECC)的回归系数在信息环境较差组都更大，为0.549 或0.665，且在1%或5%的水平上显著(t＝2.63；t＝2.15)；回归系数在信息环境较好组都较小(ECC＝0.090；ECC＝-0.043)，且都不显著(t＝0.11；t＝-0.09)。这表明加入“经济协调会”后公司专利申请数量的增加在信息环境较差的公司中更显著，进一步支持了本文的基本逻辑。

表7 信息环境的影响

五、其他附加测试①为进一步加强研究问题的稳健性，本文还将控制变量全部滞后一期或以专利授予数量衡量公司创新后重新对模型(1)进行回归，结果符合预期。由于篇幅限制未给出该结果，如有需要，可向作者索取。

（一）平行趋势检验

使用双重差分模型进行估计的一个重要假定是处理组样本和控制组样本在政策变动之前具有平行趋势(Parallel trend)，即如果没有处理效应，结果变量在处理组和控制组中的波动趋势是相似的。本文借鉴相关研究(Serfling，2016)，执行如下测试来检验平行趋势是否满足。具体而言，本文将基本模型中的ECC 替换为Before2、Before1、Current、After1 和After2+这5 个变量，如果观测值处于加入“经济协调会”前2 年、1年、当年、后1 年以及后2 年以上，这5 个变量分别取值为1，由此来观察平均处理效应的时间趋势。其结果表明Before1、Before2 的系数并不显著，意味着在加入“经济协调会”之前公司之间的专利申请数量并无明显差别，这为平行趋势假定满足及DID 方法的有效性提供了支持的经验证据②限于篇幅，本文没有给出平行趋势检验的图表。如有需要，可向作者索取。。

（二）倾向得分匹配

为进一步缓解处理组和控制组公司之间固有的特征差异对本文结果产生的干扰，本文使用倾向得分匹配法得到新的控制组重新检验。由于处理组样本较少，可选的配比样本较多，本文采用倾向得分匹配法依据公司特征与城市特征①借鉴相关研究(Serfling，2016；Blanco 和Wehrheim，2017)，将基本模型中的控制变量作为PSM 时的配比变量，能构造出一个与处理组相似的控制组样本，有效控制样本的选择偏误。并按照1∶10 的比例为每一个处理组样本配比了最相近的控制组样本，配比过程使用重置抽样②为了有效降低处理组与控制组之间的差异，可以使用1∶n 的配比方式，即1 个处理组样本配比与其倾向得分最接近的n 个控制组样本(Ming 和Rosenbaum，2000)。考虑到本文的处理组样本较少，为了有效降低处理组与控制组之间的差异，本文使用了1∶10 的配比方式。本文还使用1∶1 和1∶5 的配比方式，也能得到类似的结果。。参考已有研究的做法，本文把卡尺设置为0.01。最后，本文使用配比的控制组样本重新检验了模型(1)，发现检验结果与表4 中的结果基本一致。这表明使用配比控制组后，“经济协调会”对公司专利申请数量仍然存在显著的正向影响③限于篇幅，本文没有给出倾向得分匹配检验的图表。如有需要，可向作者索取。。

（三）安慰剂测试

为进一步减少时间上变化的宏观因素及难以在检验模型中加以控制的不可观测的缺失变量对基本研究发现的干扰，加强加入“经济协调会”与公司专利申请数量之间的因果关系，借鉴Dessaint 等(2017)的做法，本文随机将样本公司分为处理组和控制组进行安慰剂测试。此外，借鉴Gao 等(2020)的做法，为了加强选取“安慰剂处理组”的随机性，使结果更加稳健，本文使上述过程重复1000 次。结果显示Placebo 的回归系数并不显著，这表明随机指定的加入“经济协调会”公司以及不加入“经济协调会”的公司，在加入“经济协调会”后专利申请数量的变化并不存在显著差异，有助于缓解宏观经济因素对本文基本结果的干扰，确立了本文研究问题的因果效应④限于篇幅，本文没有给出安慰剂检验的图表。如有需要，可向作者索取。。

（四）排除替代性解释

中国城际高铁的开通会显著影响城市间信息和技术溢出效应作用于公司创新(龙玉等，2017；Dong 等，2020)。高铁的开通可能通过两种方式影响公司间的互动和信息传递。首先，位于两个高铁连接城市的现有合作公司可能会有更多互动；其次，由于高铁的便利可能会在公司之间增加新的合作。由于长三角城市之间高铁的开通，公司之间因信息交流而增加的创新可能不是由于所在城市加入“经济协调会”产生的信息溢出促进了公司间的信息传递，而是由于高铁开通为公司之间的交流提供了便利。所以，本文进一步在基本模型中控制高铁开通变量(HSR)。HSR 为虚拟变量，如果公司注册地对应的地级市属于2010 年、2013 年加入“经济协调会”的14 个城市⑤包含合肥、盐城、马鞍山、金华、淮安、衢州、徐州、芜湖、滁州、淮南、丽水、温州、宿迁、连云港这14 个城市。，且截至当年末开通可以到达另一“经济协调会”成员城市的高铁，则取值为1，否则取值为0，具体样本期间这14 个城市的高铁开通时间如表8。

表8 “经济协调会”城市高铁开通时间

本文在模型(1)中加入HSR 后重新进行回归，结果在表9 中显示。从表9 可以看出，控制高铁开通变量HSR 后，其结果基本保持不变。控制年度和公司固定效应之后，ECC 的系数为0.438，在5%的水平上显著。这表明考虑了高铁开通的影响之后，加入“经济协调会”仍可以显著提高公司专利申请的数量，增强了本研究的逻辑性。

表9 “经济协调会”与专利申请数量

六、研究结论及政策含义

2018 年长三角一体化协调发展上升为国家战略，随着长三角一体化全面深化，长三角的集聚辐射能力也在不断增加，产生越来越强的向心力，“长三角城市经济协调会”正是长三角地区之间协调发展的一种最直接的表现。“长三角城市经济协调会”的形成为本研究提供了理想的准自然实验情境。这不仅能在一定程度上消除测量误差带来的内生性偏误，而且城市加入“长三角城市经济协调会”是错层发生的，有利于控制宏观经济层面和公司层面一些不可观测的缺失变量对研究结论的干扰，更准确地识别加入“长三角城市经济协调会”与公司创新之间的因果关系。

以城市在不同时间加入“长三角城市经济协调会”为准自然实验，以2008—2016年的数据为研究样本，本文使用双重差分方法来估计“长三角城市经济协调会”与公司创新之间的因果效应。本研究结果表明，相对于所在城市没有加入“长三角城市经济协调会”的公司，加入“长三角城市经济协调会”之后公司专利申请的数量显著增多。本文还分别从公司的网络中心度、全要素生产率和公司信息环境三个维度来检验“长三角城市经济协调会”影响公司创新的横截面差异。其结果显示在网络中心度低、全要素生产率低以及信息环境差的条件下，“长三角城市经济协调会”对公司创新的影响更大。最后，本文进行了一系列的稳健性测试，测试结果与基本结果保持一致，进一步提高了研究结论的稳健性。

在目前区域协调发展战略新阶段的背景下，本文的研究结论具有一定的现实意义。从公司的角度来看，由于区域协调政策具有信息及技术溢出效应，公司应积极响应相关政策的制定与实施，参与其中，借助区域协调这一平台与其他微观个体(公司、科研院校等)充分沟通与交流，制定更加合理的发展战略，多渠道提高创新水平，实现可持续发展。从政策制定的角度来看，区域协调促进经济增长的一个重要机制是区域协调提高了公司的有效决策水平，政府可以借助区域协调政策进一步“联合”微观主体，如举行专门的政企交流会议、增设企业协调发展委员会、签署企业共同创新协议等，给予其相应的优惠与扶持，通过微观主体的创新，从基础上带动整个区域经济的发展。而且，基于“长三角城市经济协调会”所起到的促进公司创新的作用，可以进一步推广“城市经济协调会”这种协调发展模式，逐步建立更高层次的“经济协调会”，如“沿海城市经济协调会”“中西部城市经济协调会”甚至“全国性的经济协调会”，逐次提高全国公司创新的效率，扩大“区域协调”作用，提高综合竞争力。本文为“长三角城市经济协调会”与公司创新之间的因果关系提供了新的经验证据，研究结果对于理解集群经济信息溢出的作用以及“长三角城市经济协调会”如何影响微观企业决策，具有一定的理论与现实意义。