区位导向型政策与创新驱动的制造强国战略∗

沙学康 朱开笛

一、引言

党的二十大报告提出，要坚持把发展经济的着力点放在实体经济上，加快建设制造强国，而落实制造强国战略的核心在于实现制造业创新能力的提升。目前中国制造业仍面临着“大而不强”、关键核心技术缺乏等核心问题，而解决这些问题、落实制造强国战略的关键手段是提升制造业创新水平，促进制造业结构高级化(黄群慧，2017)。近年来，中国政府也高度关注制造业创新问题，积极出台了一系列政策措施以推动制造业技术创新。经济合作与发展组织(OECD)关于企业R＆D 投入的数据显示，中国制造业企业R＆D 投入从2008 年的9.21 亿美元上升至2019 年的34.76 亿美元，其背后离不开政府的大力支持。但随之而来的一个问题是，政府层面出台的一系列政策措施在多大程度上促进了制造业创新能力的提升，相关的机制是什么。既有研究大量探讨了中央和地方出台的各类政策对制造业创新的影响，比如五年规划中的重点产业规划(余明桂等，2016)、各地出台的知识产权保护政策(史宇鹏和顾全林，2013)和高铁建设(王春杨等，2020)等，但鲜有文献关注区位导向型产业政策对制造业创新驱动发展的影响。

自改革开放以来，中国出台了如经济开发区、高新技术产业开发区、两化融合试验区等多项区位导向型产业政策，这类政策通过其在管理机制优化、创新要素集聚和政策优惠等方面的独特优势对中国制造业的发展产生了不容忽视的作用(李志斌等，2022)。随着中国制造业发展目标由“大”向“强”的转变，传统的区位导向型产业政策也面临着转型升级的必然需求，尤其是其在推动制造业创新方面方式方法的转变。2019 年第24期《求是》杂志发表了习近平总书记的重要文章《推动形成优势互补高质量发展的区域经济布局》，其中指出:“当前我国区域经济发展出现一些新情况新问题，要研究在国内外发展环境变化中，现有区域政策哪些要坚持、哪些应调整。要面向第二个百年奋斗目标，作些战略性考虑。”为了顺应制造业发展的新趋势，区位导向型产业政策需要做出两方面调整:第一，其关注的主导产业应向智能制造、人工智能、新能源汽车等具有高附加值的先进制造业转变；第二，在推动区域内企业创新的方式方法上也应从创新主体、创新要素的简单堆叠转变为创新平台和创新生态的构建。事实上，近年来中国已经涌现出一批以工业机器人产业园、国家大数据综合试验区和国家数字经济创新发展试验区等为代表的靶向于先进制造业的区位导向型政策，探讨这类政策的实施是否能够带动当地制造业创新水平的提升有着重要的理论价值和政策价值。

在一众靶向于先进制造业的区位导向型产业政策中，工业机器人产业园建设时间最早，在推动产业发展方面起到了重要作用，具有较强的代表性。早在2008 年中国部分地区就开始着手自发建立工业机器人产业园，通过大项目招商引资的方式形成当地工业机器人产业集群，以壮大当地智能制造业。相较于美国、日本等机器人产业相对发达的国家，建设工业机器人产业园是中国智能制造业在落后于外国的情况下实现弯道加速的重要手段之一，而正是依托这一手段才形成了具有中国特色的智能制造发展模式，加速了中国智能制造发展的进程。工业机器人产业园之所以能够推动当地智能制造的发展，其关键原因在于产业园作为平台引导产学研协同创新的形成。具体来说，园区内的机器人龙头企业与科研院所凭借资本实力与专业优势，通过平台整合的方式构建联合研究院、初创合资公司、创业孵化器等，打造资本与技术紧密结合的机器人产业集群，试图以此突破技术瓶颈，实现技术创新，从而为地区智能制造发展奠定坚实的基础。①哈工大机器人(山东)智能装备研究院、中智科学技术评价研究中心:《中国机器人产业发展报告(2019)》，社会科学文献出版社，2020 年。

自2008 年第一个工业机器人产业园建成以来，机器人产业园在全国范围内的逐步推进带动了中国智能制造产业的快速发展。在这一背景下探究靶向于先进制造业的区位导向型政策是否有助于制造业创新水平提升以及背后的关键机制是政策界和学术界共同关注的话题。有鉴于此，本文以各地级市工业机器人产业园的建立作为准自然实验，通过构建多时点双重差分模型，研究靶向于先进制造业的区位导向型政策如何促进中国制造业创新驱动的发展，并试图探究产学研协同在其中扮演的重要角色。本文的研究发现:第一，工业机器人产业园的建立对制造业创新能力的提升有显著的推动作用，并且随着时间的推移这种效应在逐渐增大。第二，机制分析表明，靶向于先进制造业的区位导向型政策能够发挥正面效应的重要原因在于，园区作为平台链接了以企业为代表的产业链和以高校为代表的创新链，符合现阶段制造产业发展需求，为技术突破与城市创新能力提升做出了贡献。第三，企业与高校进行产学研协同创新不仅改善了企业技术创新实力，还有利于高校科研产出真正落地，造福于实际生产。第四，区域层面的异质性分析表明，构建良好的营商创新环境、优化金融服务以及积极进行人才引进有助于政策的创新驱动效应的发挥。行业层面的异质性分析表明，自动化程度更高的行业、技术复杂度更高的行业在智能制造发展进程中获益更多。

与既有文献相比，本文的贡献主要体现在以下几个方面:第一，伴随着我国制造业转型升级，区位导向型政策作为一类重要的支持制造业发展的产业政策也面临着迫切的转型需求。以工业机器人产业园为代表的一众靶向于先进制造业的区位导向型政策正是新的时代背景下我国适应制造业转型升级新要求的政策尝试，探讨这类政策对制造业技术创新的影响以及背后机制不仅有助于评估政策实际效果，更有助于总结中国式发展经验、为下一步政策制定提供借鉴。第二，产学研协同创新在攻克以智能制造为代表的关键核心技术并促进相关成果转化方面起到不容忽视的作用，是推动智能制造发展、实现制造强国的关键力量。既有研究已经开始关注区位导向政策的创新驱动效应，但少有学者对产学研协同创新这一关键机制进行阐释，而本文的研究则为该机制的存在性提供有力证据。第三，针对现有文献中较难直接度量产学研协同创新的问题，本文基于专利行政大数据构建产学研协同创新指标并结合高校层面的微观数据，从而可以较好地解决量化问题，为产学研协同创新的相关文献提供扎实的数据支撑。第四，创新服务缺乏和人才缺口等问题是制约中国制造业尤其是先进制造业发展的痛点，本文通过一系列区域层面的异质性分析探讨优化营商环境、完善金融服务和人才引进等政策对于促进工业机器人产业园发挥创新驱动效应的必要性，为国家以提高创新服务水平和吸引集聚创新资源为抓手完善制造业创新体系提供了学理依据。

二、文献综述

与经济开发区、高新技术产业开发区、工业园区等相类似，工业机器人产业园旨在通过引导从事工业机器人生产和技术创新的企业在当地集聚，形成规模经济从而促进工业机器人产业的规模化，是一类典型的区位导向型政策(place-based policy)。关于区位导向型政策是否能够促进当地企业乃至地区创新能力提升的争论早已有之 (张杰，2021)，但是与之相对应的经验性证据并不充分。Lu 等(2019)探讨了经济开发区的建设对本地生产率的影响，他们发现经济开发区的建立全面提升了当地资本投资、就业和生产率等。Liu 和Li(2021)则探讨了两化融合试验区的建设对地方创新能力的影响，发现该政策的确提升了地方创新能力，且当地方财政自给自足率较高、拥有经济资源较多以及市场化程度较高时，两化融合试验区对地方城市创新能力提升的作用较明显。张杰等(2021)则以中国高新技术产业开发区升级为研究对象，评估高新区“以升促建”政策对区域内企业创新能力提升的影响。研究发现，高新区升级政策虽然造成了一定的政策扭曲从而削弱了企业的创新能力，但同时也刺激了当地企业的创新溢出效应，使得该政策对地区企业创新能力的净效应为正。蔡庆丰等(2021)研究了国家级和省级开发区对域内企业创新活动的影响。研究表明，与国家级开发区显著促进域内企业创新投入不同，省级开发区表现出负向抑制作用。在深入探讨区位导向型政策刺激地方创新能力提升的作用机制方面，前人的研究往往从集聚效应、选择效应等区位导向型政策作用于地方经济发展的传统机制的角度阐释区位导向型政策对创新的驱动作用。与这些研究不同的是，本文试图从产学研协同创新这一全新视角分析区位导向型政策在促进区域创新驱动发展方面扮演的角色。事实上，有大量研究证实了产学研协同创新对各创新主体的创新行为有促进作用。Baba 等(2009)识别了校企合作对企业创新能力的影响，他发现当企业与高校科研人员尤其是那些并非“学术明星”的科研人员合作时其创新表现更好。García-Vega 和Vicente-Chirivella(2020)则发现，产学研协同创新显著提升了企业的创新能力，且这种作用对于小型企业而言最为明显。也有学者对中国企业进行研究并发现了类似的证据。亢延锟等(2022)从高校视角探讨了产学研协同创新的积极作用，他们利用国家级开发区的设立作为外生冲击，使用2006—2020 年高校层面的专利数据和国家级开发区数据，分析了产学研协同创新对高校创新的影响。研究发现，国家级开发区能够显著促进高校创新能力的提升。尽管政策界和学界均肯定了产学研协同创新对区位导向型政策创新效应的促进作用(扈秋宁，2012)，但鲜有研究将产学研协同创新作为机制来阐释一些区域性政策得以发挥其政策效力的深层次动因，因此本文的研究旨在为区位导向型政策作用机制的探讨提供有力的补充。

目前，针对智能制造尤其是工业机器人的研究正在逐步兴起，在认识智能制造对产业发展尤其是劳动力市场的影响方面学界已经取得了丰富的研究成果。在针对发达国家的研究中，以Acemoglu 和Restrepo(2020)为代表的研究工作通过使用国际机器人联合会(IFR)提供的各国各行业工业机器人存量数据计算国内各地区机器人渗透度指标，从而分析机器人的普及对当地劳动力市场的冲击，并发现机器人技术的广泛应用对发达国家的本地劳动力市场的确产生了较大的负面冲击。近年来针对应用工业机器人对中国劳动力市场的影响的研究也逐步兴起。一些学者借鉴Acemoglu 和Restrepo(2020)的做法，构造机器人渗透度指标，从宏观或微观的角度分析劳动力市场的变化。比如，孔高文等(2020)联合使用地区层面分行业就业数据与行业层面的机器人应用数据构造省份层面的机器人渗透度指标，考察了机器人应用对中国劳动力市场的异质性影响。王永钦和董雯(2020)则使用中国行业机器人应用数据和制造业上市公司微观数据构造上市公司层面的机器人暴露度，从企业层面研究了工业机器人应用对中国劳动力市场的影响。还有一些学者利用中国企业—劳动力匹配调查(CEES)中提供的微观企业工业机器人使用情况数据进行更为细致的探讨。比如，余玲铮等(2021)利用CEES 调查数据证明了工业机器人的引入促使非常规任务相对工资增长，从而非常规/常规任务工资差距扩大，造成了中国劳动力市场的结构性变革。前人的研究已经揭示出以工业机器人大规模应用为代表的智能制造发展浪潮对发达国家和发展中国家的劳动力市场产生了根本性影响，通过引致资本劳动替代深刻地改变了各类产业尤其是制造业的发展模式。那么本文进一步要问的问题是:智能制造的发展是否真正贡献于当地产业转型升级?本文探讨智能制造发展对地区创新能力的影响即是对这一问题的有益探索，是对工业机器人这一支文献的重要拓展。

三、政策背景

随着数字时代的到来，“工业机器人”、“人工智能”等智能制造产业链重要环节成为世界各国关注的重点领域。美国的“先进制造业国家战略计划”和“工业互联网”、德国的“工业4.0”、英国的“工业2050 战略”、日本的“机器人新战略”、法国的“新工业法国”等战略尽管表述不同、着力点各异，但都对本国制造业朝智能制造方向发展做出了部署。在这一背景下，为了争得发展先机，各国纷纷出台了一系列靶向于先进制造产业的区位导向型政策，试图促进本国相关产业的发展。比如，欧洲早在2007 年就提出了智能专业化战略(smart specialization)，智能制造业是该战略的核心组成部分。通过鼓励各地区根据自身禀赋和产业实际情况，专业化发展智能制造产业链的某些特定环节，该战略构建起欧洲各地区在智能制造方面的比较优势，形成了相关产业集群，使得欧盟智能制造业得以走向全世界。由于这类政策关注的产业往往是自主创新需求较大的技术密集型产业，这就要求当地政府充分发挥中介效应，搭建好创新主体间协同创新的平台。例如，2016 年欧盟出台的数字创新中心项目(digital innovation hub programme)的一大特色就是促进高校、企业等创新主体的合作，从而降低了企业的研发成本。近年来，中国各地区也纷纷迎合数字经济发展大势，出台了以工业机器人产业园、5G 产业园、人工智能示范园区、大数据产业园区等为代表的诸多靶向于智能制造产业等先进制造业的区位导向型政策。

为了切实推进智能制造产业的发展，中国出台了一系列旨在推进智能制造产业集群形成和技术创新的政策措施。其中，区位导向型政策是被广泛使用的政策工具，比如近年来纷纷涌现的工业机器人产业园、人工智能发展示范区、大数据产业园区等。在一系列靶向于先进制造产业的区位导向型政策中，工业机器人产业园是其中最典型的代表。工业机器人产业园主要是指地方政府或龙头企业为推动当地工业机器人产业发展而建设的产业发展园区，这些园区致力于吸引机器人产业链、创新链上的相关企业和科研机构入驻，并开展机器人生产制造和技术研发等活动。例如，北京亦创智能机器人产业园就是北京市统筹规划的机器人产业集聚核心区，该园区被打造成集设计研发、试验检测、会展交易等功能于一体的创新园区。①哈工大机器人(山东)智能装备研究院、中智科学技术评价研究中心，《中国机器人产业发展报告2019》，社会科学文献出版社，2020 年。

工业机器人产业是智能制造领域的代表性产业，是实现智能制造发展的第一步。相较于人工智能发展示范区、大数据产业园区等靶向产业政策，工业机器人产业园政策推行时间较长，已在实践中积累了大量经验。中国第一个工业机器人产业园始建于2008年，截止到2020 年中国有43 座已建成工业机器人产业园，以工业机器人产业园为研究对象有利于充分评估以智能制造为主导产业的区位导向型政策在提升区域创新能力方面的作用。从时间趋势上来看，自2008 年开始每年新建工业机器人产业园数量逐年攀升，到2018 年以后新增工业机器人产业园数量开始减少(见图1)。从地域分布的角度看，工业机器人产业园在各省的数量分布表明，工业机器人产业园主要集中在东部和中部省份，其中广东省拥有9 个工业机器人产业园，为全国各省之最(见图2)。

图1 工业机器人产业园建设数量的时间变化趋势

图2 工业机器人产业园在各省的分布

核心技术研发能力的不足是掣肘中国制造业发展的关键因素，以产业园区为平台引导企业与高校进行协同创新逐渐成为提升关键核心技术研发能力的重要手段。以工业机器人为代表的先进制造业的发展可以带动中国制造业创新模式发生变革，由“工程师时代”进入“科学家时代”。具体表现为，在研发新技术过程中，企业家和科学家作为利益共同体交互作用从而进行知识创新和技术创新的协同(洪银兴，2014)。工业机器人涉及多项学科，技术融合度较高，尤其需要企业与科研院所相互配合，发挥各自优势，进行产学研协同创新。工业机器人产业园恰恰为产学研协同创新提供了优质的平台，使高校的知识创新能力与企业的技术创新能力充分结合，形成产业链创新链融合氛围，从而推动区域自主创新能力的提升。例如，为了深化校企合作，深圳市智能机器人产业园设立了“大学生创业孵化基地”、“深圳大学理论经济学创新实践基地”和“深圳大学理论经济学博士后联合培养基地”。徐州经济开发区机器人产业园则与哈尔滨工业大学等高校合作，建立了校企合作研发平台徐工研究院。①哈工大机器人(山东)智能装备研究院、中智科学技术评价研究中心，《中国机器人产业发展报告2019》，社会科学文献出版社，2020 年。图3 直接反映了工业机器人产业园建设后高校与企业合作的紧密程度的变化，自2008 年工业机器人产业园的建设在中国各地区逐步推进后，有着工业机器人产业园区的城市的高校企业拨入科技经费平均值增速大于其他城市高校企业拨入科技经费平均值增速。

图3 高校企业平均拨入科技经费的趋势

图4 稳健性检验:事件分析

四、数据及实证策略

(一)计量模型构建

本文以2005—2016 年间各地级市工业机器人产业园的设立为准自然实验，将建立工业机器人产业园的城市作为实验组，未建立工业机器人产业园的城市作为对照组，运用双重差分方法估计区位导向型产业政策对城市制造业创新驱动发展的影响。由于工业机器人产业园的建立是逐步推进的，为此本文构建多时点双重差分模型，如式(1)所示:

其中，i代表2 位数制造业行业，c代表地级市，t代表年份。被解释变量Yict表示c城市的i行业在t年的专利申请情况；RobotParkct为核心解释变量，c城市在产业园区建立当年及以后取1，否则取0。为了进一步排除其他因素的干扰，回归模型中纳入了一系列地区特征控制变量Xct，包括二三产业产值之比、人均GDP 的对数、科教支出占财政支出比重等。此外，由于本文使用的数据是城市—行业—年份层面的三维度面板数据，因此需要控制在城市—行业—年份层面变化的可能对地区创新能力产生影响的因素。为此，本文借鉴周茂等(2019)的做法，利用工业企业数据库计算了2005 年即基期各地级市各行业R＆D 投入额对数和从业人员数对数，将其与年份变量的高次项相乘构造交互项，从而控制城市—行业—年份层面的遗漏变量，即公式(1)中的f(Zic，2005，t)。最后，τci、τit分别代表城市—行业固定效应和行业—年份固定效应，β1为本文关心的回归系数，代表了区位导向型产业政策对城市制造业创新驱动发展的影响，预期β1为正。所有回归结果均在城市层面进行聚类。μict为误差项。

(二)数据说明与描述性统计

(1)被解释变量。专利数据是被学术界广泛认可的用来衡量区域创新产出的指标(Bottazzi 和Peri，2003；刘志东和高洪玮，2019)，因此本文用各地级市专利申请量对数来衡量区域创新产出。计算城市专利申请量时用到的中国专利数据库来自中国国家知识产权局，涵盖2005—2016 年间在国家知识产权局申请并公开的除外观设计专利外的所有专利数据。专利数据库主要包含专利基本信息、申请人和发明人信息等。其中，专利基本信息包括专利名称、申请号、申请日、公开(公告)号、公开(公告)日、IPC (international patent classification)号等；申请人和发明人信息包括申请人名称、申请人地址、申请人邮编、申请人所在国(省)、发明人名称；基于申请人地址信息，本文将专利数据在地级市和2 位数制造业行业层面进行加总即获得了地级市每年各行业专利申请量。①由于目前以中国工业企业数据库、中国上市公司数据库等为代表的微观层面企业数据存在时间跨度较短或样本代表性不足等问题，使用这些数据估计智能制造发展对转型升级的影响一方面可能会导致因果效应被低估或高估，另一方面难以克服样本自选择问题，因此本文没有提供来自企业层面的更多证据。由于专利申请量属于计数变量，因此在接下来的讨论中本文将各城市专利申请量加一取对数后进行实证分析。

在度量产学研协同创新方面，现有文献中大多采用企业委托高校开展科技研发的经费投入(姜文宁等，2020)、高校和科研机构研发资金中企业资金占比(白俊红和蒋伏心，2015)等作为产学研协同创新代理变量，这些做法有效刻画了产学研协同创新的投入过程，但无法衡量产学研协同创新的实际产出。而相较于这些做法，使用专利数据这一公开透明且可得性较强的行政数据测度产学研协同创新有以下几个方面的优势:第一，专利较为全面地覆盖了各类形式的产学研协同创新活动的产出与成果，且相较于学术论文和专著等更能对企业实际生产产生直接影响；第二，相较于其他指标，专利数据可以提供详细的产学研协同创新主体的地理位置、所处行业等信息，从而使得研究者能够有效判断产学研协同创新发生的地理位置和产业链信息；第三，由于专利数据的可识别主体特性，可进一步将产学研协同创新成果与其他涉及这些主体的微观数据集进行匹配从而进行更深入的研究。

有鉴于此，本文在机制分析部分使用的产学研协同创新的代理变量也是基于专利数据库构造的。具体来说，本文按照专利申请人信息，将包含“公司”、“厂”或其他营利性单位名称划归到“企业”行列；包含“大学”、“学院”或其他研究院所、实验室等机构名称划归“大学”范围，科研机构被包含在大学概念中，这一点是目前产学研计量研究中通行的做法，因为二者的功能大学都具备。申请人中同时含有以上两者的专利即视为产学研合作专利。我们在此基础上对检索结果作进一步处理，将个别申请(专利权)人中含有“××大学××公司”或“××公司××局”等难以准确甄别类别或不符合联合申请发明专利条件的数据去除。最后，我们按照城市—行业对产学研合作专利数据进行加总，获取了产学研协同创新信息。进一步地，本文将产学研协同创新信息与高校科技研发微观数据进行合并，从而将分析深入到微观层面。具体来说，在充分考虑并处理了院校名称变更、院校合并等特殊情况后，本文利用专利数据库提供的申请人名称信息和《高等学校科技统计资料汇编》提供的院校名称信息将两者进行匹配即获得了微观高校层面的科技研发和产学研协同创新面板数据。

(2)建立工业机器人产业园。基于《中国机器人产业发展报告(2019)》和前瞻产业园区库，本文获取了全国各工业机器人产业园的所在城市信息。进一步地，通过手工搜集各工业机器人产业园官网、招商网络园区数据库、地方政府公开文件和其他公开新闻，本文搜集了各工业机器人产业园建成时间。利用这些信息构建关键解释变量Robot-Parkct。

(3)控制变量。本文还控制了其他一些可能影响区域创新产出的变量。参考已有研究(张萃，2019；王春杨等，2020)，本文选择二三产业产值之比、人均GDP 的对数、科教支出占财政支出比重、存贷款余额占GDP 比重、每万人大学生数的对数、外商投资额占GDP 比重、人口密度以及城市—行业层面的研究开发费用和从业人员数。这些数据来自历年《中国城市统计年鉴》和中国工业企业数据库。本文使用的主要变量的描述性统计如表1 所示。

表1 描述性统计

五、实证结果

(一)基本结果

工业机器人产业园的建立可能对制造业创新水平的提升有显著的推动作用，具体表现为专利申请量的增加，本文首先尝试对这一基本关系进行检验。为了尽可能避免城市、行业不随时间变动的不可观测因素对分析结果产生影响，我们采用城市—行业固定效应和行业—年份固定效应并在城市层面进行聚类。在表2 第(1)列中，本文仅加入“是否设立工业机器人产业园区”这一政策冲击变量和上述固定效应，结果显示工业机器人产业园的建立显著提升了当地制造业创新能力。而第(2)列则加入了可能影响地区创新能力的城市层面控制变量，系数β1仍显著为正。城市层面的控制变量在一定程度上解决了遗漏变量偏误，但是当遗漏变量在行业层面发生变化时仅控制城市层面的控制变量是不够的。因此，为了控制城市—行业层面不可观测因素对回归结果的影响，第(3)列同时控制了2005 年各城市各行业从业人员数对数和研究开发费对数与年份高阶项的交互项。可以发现，在考虑了城市—行业层面不可观测因素后，本文重点关注的RobotParkct的回归系数β1仍显著为正，且其绝对值大小与第(1)、(2)列两列结果差别不大。这表明，靶向于先进制造业的区位导向型政策对地区制造业创新活力有着显著的推动作用。

表2 工业机器人产业园与制造业创新驱动发展

(二)稳健性检验

(1)平行性趋势检验与动态效应分析。使用双重差分法能够得到一致估计的前提是平行性趋势假设能够得到满足，为此本文借鉴学界常用的事件分析法(event study approach)，通过平行性趋势检验验证双重差分估计结果的可信性。模型构建如下:

其中，本文以实际冲击前一年作为基准年，γt表示早于冲击年份前2—6 年或冲击发生后0—6 年的一系列估计值。其他变量定义与回归模型(1)相同，估计结果见图5。图5 绘制了γt的估计结果，横轴表示距政策发生时点的时间间隔，纵轴为核心解释变量RobotParkct的系数值及95%置信区间。

图5 安慰剂检验

事件分析的结果初步验证了本文实证分析的可信性。可以看到，在工业机器人产业园区政策冲击实施前，本文关注的核心参数γt在政策发生前不存在明显趋势，同时在冲击当年影响显著。这在很大程度上证明实验组与控制组之间的平行趋势基本得到满足，支持了本文利用双重差分法的有效性。此外，系数γt从政策当年开始保持显著并逐渐增大，说明工业机器人产业园的建立对于城市制造业创新产出具有长期影响，意味着靶向于先进制造业的区位导向型政策的实施带动了地区可持续的创新能力的提升。

(2)同期政策干扰。在工业机器人产业园建设的逐步推进过程中，可能存在其他影响区域创新能力的政策，因此本文梳理了在该时间窗口内可能影响估计结果的其他政策并进行同期政策干扰检验。事实上，工业机器人产业园区建设逐步推广的时间窗口正是中国不断深化创新型发展、推动城市创新能力建设的阶段，其中创新型城市试点和高新技术产业开发区的建设是窗口期内影响较大的创新促进政策。本文首先排除创新型城市建设对回归结果的干扰，具体做法是:与构造核心解释变量的方法类似，本文同样构造了代表创新型城市政策冲击的虚拟变量“是否评定为创新型城市”。在城市c被列为创新型城市的当年及以后，该虚拟变量取值为1，否则取值为0，然后将该虚拟变量作为控制变量加入基准回归之中，结果如表3 所示。从表3 第(1)列的结果来看，在控制了创新型城市的政策干扰后，β1依然显著为正，即在考虑政策干扰的因素之后，本文的结论依然成立。此外，张杰等(2021)研究发现，高新区“以升促建”对当地企业创新能力具有正面的影响，因此除了创新型城市外高新技术产业开发区的建设同样可能对区域创新能力产生影响，从而干扰本文的估计结果。为此本文搜集了各地级市建设高新技术产业开发区的时间，构造了虚拟变量“是否建立高新技术产业开发区”，回归结果见表3 第(2)列。本文发现，在控制了建设高新技术产业开发区的影响后，β1的系数依然显著为正，表明智能制造发展显著提升了创新能力，这与之前得到的估计结果基本一致。

表3 排除其他可能影响创新的政策干扰

除了同期施行的创新促进政策会对本文的实证结果产生干扰，同样发生在政策窗口期的其他旨在扶持当地智能制造相关产业发展的区位导向型政策也会对结果造成干扰。为此，本文搜集了中华人民共和国住房和城乡建设部(以下简称“住建部”)公布的2018 年版《中国开发区审核公告目录》，筛选出主导产业包含“智能制造”、“智能装备”、“智能机械”、“自动化”、“工业自动化”、“机器人”等关键词的开发区并检索其所在地级市和批准时间，构建相应的虚拟变量并将其作为控制变量加入回归中，相关结果见表3 第(3)列。本文发现，在考虑了同时期其他有关智能制造产业的区位导向型政策后，β1仍然显著为正，且其绝对值大小与基准回归结果相比仅有小幅度下降。总的说来，在考虑了同时期实施的其他创新促进政策和推动智能制造产业发展的政策之后，本文的估计结果仍然是稳健的。①本文还将创新型城市、高新技术产业开发区、经济开发区政策同时加入回归中进行稳健性检验，发现结论不变。因篇幅所限，本文省略相关结果的汇报，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。

(3)创新质量。从专利数量上看，工业机器人产业园的建立带动了创新成果在规模上的提升，然而仅仅数量上的提升并不能代表制造业创新能力的整体提升。因此进一步的问题是，区位导向型产业政策的实施能否带动创新成果在质量上的提升。借鉴诸竹君等(2020)对创新质量的度量方式，本文采用城市—行业层面的专利申请后3 年内被引量和发明专利占专利申请总量的比重作为创新质量的代理变量。表4 汇报了工业机器人产业园的建立对于创新质量的影响，第(1)列结果表明智能制造发展有助于专利被引量的提升，具体来说建立工业机器人产业园使得3 年内专利被引量提升43.9%。从发明专利占比的情况来看，表4 第(2)列的结果显示建立工业机器人产业园使得发明专利占比平均提升3.4%。这些结果均表明靶向于先进制造业的区位导向型政策的确有助于创新质量的提升。

表4 工业机器人产业园与制造业创新质量提升

(4)其他稳健性检验。第一，市场竞争是影响企业乃至区域创新能力的关键因素，可能通过优胜劣汰机制倒逼企业完成技术创新，从而提升区域创新实力(Aghion 等，2015)。本文构造2005 年城市—行业层面赫芬达尔指数(HHI)作为基期各城市各行业市场竞争程度的代理变量，并将该变量与年份的高次项相乘构造交互项在回归(1)中加以控制。表5 第(1)列结果显示，在控制了各城市各行业市场竞争程度的差异后，工业机器人产业园的建立对创新能力提升仍具有显著影响。第二，样本自选择问题带来的内生性问题是影响双重差分法估计结果一致性的关键因素。就本文而言，工业机器人产业发展形势较好的地区更可能拥有丰富的机器人项目招商引资经验，从而更有实力建设工业机器人产业园，这就可能使得处理组选择具有非随机性，从而影响双重差分估计结果的稳健性。为了解决这一问题，本文通过PSM-DID 的方式进行稳健性分析①第一步，本文选取2005 年至2007 年各地级市平均总产值、规模以上工业企业数量、二三产业结构占比等指标为控制变量，通过倾向得分匹配的方式为处理组城市寻找与之最为相似的控制组；第二步，将样本限制在处理组和经过倾向得分匹配处理后的控制组重新完成式(1)的回归。，结果如表5 第(3)列所示。本文发现，在考虑了样本自选择问题后，政策效应仍然显著为正，系数绝对值大小仅有轻微下降。第三，为了进一步排除可能存在的遗漏变量对实证分析有效性的影响，本文借鉴Le Ferrara 等(2012)的方法，随机抽取城市作为实验组，作进一步安慰剂检验。由图5 可见，随机分组的估计结果集中分布在0 附近，且较为符合正态分布，均值接近于0，说明工业机器人产业园建设对随机抽取的实验组无显著促进效应。此外，本文基准结果中估计的β1几乎远离主要分布区间，由此可见，本文得到的靶向于先进制造业的区位导向型政策对制造业创新的促进效应只有在小概率下是一个随机结果。第四，使用PSM-DID 方法和安慰剂检验可以在一定程度上缓解对内生性尤其是样本自选择问题的担忧，但在工业机器人产业园的实际选址与建设过程中，非随机性可能难以避免。为此，本文进一步寻找工具变量并使用两阶段最小二乘估计对内生性问题作进一步的处理。具体来说，本文借鉴Liu 和Zhao (2016)、Liu 和Li (2021)等研究的思路，选择当年地级市所在省份建设工业机器人产业园数作为工具变量。一方面，地级市所在省建设工业机器人产业园数量与该地级市是否建设工业机器人产业园的决策有正相关性；另一方面，地级市所在省建设工业机器人产业园数量对于该地级市的制造业创新不会产生直接影响。使用所在省工业机器人产业园数量作为工具变量的两阶段最小二乘结果见表5 第(3)列，在考虑了内生性问题后工业机器人产业园建立仍对制造业创新产生了显著为正的影响。②第一阶段估计的F 值为1 509.686。第五，由于科技创新活动往往需要相对较长的过程，专利申请、授权流程往往存在一定的周期，因此各种冲击体现在专利统计数据上的影响往往有一定的滞后性。因此，本文使用提前两期的专利申请量对数为因变量(Yic，，t＋2)重新进行估计，相关结果如表5 第(4)列所示。在考虑了专利申请周期问题后，我们发现工业机器人产业园的建设对于制造业创新仍然有显著的推动作用。第六，本文的实证分析所用因变量是专利申请数量，该指标本质上是计数变量。为了避免使用计数变量进行回归存在的问题，本文的主体分析使用专利申请量对数进行回归。另一种解决方案是采用泊松回归(Cohn 等，2022)，本文使用Correia 等(2020)开发的用于估计高维固定效应泊松模型的方法进行了稳健性检验，结果如表5 第(5)列所示。我们发现，使用泊松回归估计得出的结论支持了本文基准回归中得到的结论。第七，Goodman-Bacon (2021)、De Chaisemartin 和D'Haultfœuille (2020)等指出，使用传统的双向固定效应模型估计交错双重差分研究设计会存在处理效应异质性问题，如果忽视这一问题会导致估计系数有偏。本文采用De Chaisemartin 和D'Haultfœuille (2020)提出的DIDM估计量重新估计式(2)的模型设定。

表5 其他稳健性检验

DIDM估计量为通过不同处理组选择恰当的对照组分别估计处理效应，然后加权平均计算最终的平均处理效应估计量。DIDM估计量满足一致性要求，是解决交错双重差分回归中处理效应异质性问题的较常用方法。我们发现在考虑了处理效应异质性问题后，事件分析结果与前文相似。①考虑处理效应异质性后的结果请见《经济科学》官网“附录与扩展”栏目。

六、机制分析

以上部分通过基准回归及一系列稳健性分析回答了靶向于先进制造业的区位导向型政策的实施能否推动制造业创新能力提升的问题。进一步地，本部分在此基础上考察具体的传导机制。

毋庸置疑，区位导向型政策对制造业创新的推动绝不仅仅是一种机制发挥作用的结果。①建设以智能制造产业为主导产业的园区作为区位导向型政策的一种，在推进过程中对于区域创新驱动发展的推动存在着政策激励、选择效应、集聚效应等多种机制。面对融资约束较强、创新激励较弱的企业，地方政府往往以产业园区为政策标的，通过支持性政策给予扶持，在一定程度上保护创新动力，释放创新活力(余明桂等，2016)；同时，通过对进驻企业进行遴选，在位企业之间可能形成规模效应和产业链条互补，从而形成集聚效应推动标的产业创新(陆铭和向宽虎，2014)；此外，通过遴选的企业往往经营状况较好，创新能力较强，加之一定的竞争与退出机制，迫使在位企业增加研发投入，通过技术创新来扩大比较优势(王永进和张国峰，2016)然而，智能制造的技术密集特性使得该产业的发展需要技术创新作为重要支撑，在这一背景下，业界与学界通过深度合作突破创新难关成为必然选择，而以工业机器人产业园为代表的各类靶向于先进制造业的区位导向型政策为业界与学界的合作提供了优质的平台。中国众多制造业行业面临的普遍现状是，随着中国以工业机器人产业为代表的智能制造产业的不断发展，其创新模式已进入新的发展阶段，要求产业创新能力从“跟跑”为主转向“并跑”“领跑”并存；创新方式从引进消化吸收和模仿借鉴为主转向集成创新和原始创新并存。在这种情况下，研发成本、竞争机制和产业间集聚在一定程度上已经不再是中国现阶段进一步推动智能制造领域创新的关键性限制因素。中国“大而不强”的制造业企业面临着缺乏坚实的研发力量、扎实的学理基础等内源性动力不足的问题。在企业内的技术创新过程中，由于学术界与职业科学家参与程度不高，仅依靠企业自身的技术和研发力量进行，企业自身创新能力的参差不齐及短期内盈利的要求使得创新的技术无法处于前沿，从而会削弱企业的市场竞争力；同时，受创新能力的约束创新效率较低，一味地构建产业园区容易导致在位企业由集聚走向堆积(赵延东和张文霞，2008)。如果可以积极引导大学和科研机构参与技术创新，那么越来越多的科研部门科学发现的成果会直接成为技术创新的源泉，利用最新的科学发现可以实现大的技术跨越，建立在知识创新基础上的新产业的产生可以导致产业结构的革命性变化(洪银兴，2014)。因此，产学研协同创新成为推动智能制造攻破技术难关、实现创新能力质的飞跃的现实需求。

而经验事实表明，产学研协同创新的确成为智能制造技术创新能力提升的重要手段。就工业机器人产业园区而言，目前以工业机器人产业园为载体的产学研协同创新主要有三种手段:第一，大学与企业进行有组织的合作，向企业提供知识和技术的转移，例如技术转让和委托研究等。比如，南京市机器人产业园的龙头企业埃斯顿与东南大学和哈工海渡教育科技集团共建的“东南大学、埃斯顿＆TRIO 工业机器人及运动控制实验室”就是利用头部高校的尖端研发成果实现了技术的革新。②运动控制产业联盟，http://www.cmcia.cn/Content2623.html。这种模式的合作具有权责分明和容易操作的特点，能够帮助企业在短时间内掌握关键技术。第二，大学与企业不仅局限于单独的项目合作，而且共同构建协同创新的组织和平台。比如，徐州经济开发区机器人产业园与哈尔滨工业大学、中科院自动化研究所、东南大学和南京理工大学等高校和科研院所建成了徐工研究院、江苏省焊接自动化成套装备工程技术中心等一批企业研发平台①工业园网，https://www.cnrepark.com/news/detail/150496.html。，这种模式带来的有组织的合作创新有利于产生源源不断的创新成果，便于进行“卡脖子”技术的联合攻关。第三，企业和大学不仅建立了研发共同体，也建立了互利共赢的利益共同体。比如，上海大学与宝山工业机器人产业园多家入驻企业签约，共同成立上海环上大科技发展有限公司，以挖掘上海大学符合产业导向和市场需求的创新项目，推动成果转化和企业孵化。②上海机器人产业园官网，http://www.shrobotpark.com。这一模式可以有效解决风险分担和各方权益分配机制问题，从而实现企业与科研机构、高校的长期深入合作。

无论选择怎样的合作方式，产学研协同创新都有利于智能制造产业园区内企业技术创新实力的提升，同时也可以激发高校和科研机构进行前沿科学研究和科技创新成果转化的活力，最终提升当地企业、科研部门这两大创新主体的创新能力。也即，相较于选择效应、集聚效应、政策效应等传统机制，在先进制造业的语境下关注产学研协同创新有着更强烈的现实意义。而现有文献对于这一传导路径的考察尚待补充，故接下来的分析中本文将着重分析这一机制，希望从区域和微观高校两个维度对这一机制进行尽可能充分的探讨。

(一)区域层面

工业机器人产业园建设带来了产学研合作专利申请量的增加，这是产学研机制发挥作用的最直接体现。为了检验这一关系，本文利用专利数据库计算了地级市2 位数行业年度产学研专利申请量，表6 第(1)列展示了相应的回归结果。本文发现，工业机器人产业园的建设推动了当地产学研专利申请量的增加，初步验证了产学研机制的存在性。不过需要指出的是，部分工业机器人产业园试图通过与地区外顶尖高校合作建立研究院的形式开展产学研协同创新。这引出了一个新的问题:在这些增加的产学研专利中，本地企业是与地区外高校合作专利居多还是与地区内高校合作专利居多? 这一问题折射的是政府推动产学研协同创新的方式方法选择，是与国内顶尖高校形成紧密合作还是集合本地科研资源进行“本土化”合作。两种不同的模式选择意味着不同的政策成本和政策可行性。为了考察这一问题，本文利用高校地理位置信息和专利数据库提供的专利申请人地理位置信息将产学研专利按照合作高校所在地区分为:与非本城市高校合作的专利、与本城市高校合作的专利、与非本省高校合作的专利和与本省高校合作的专利。相应的回归结果如表6 第(2)—(4)列所示。结果显示，工业机器人产业园中主要的产学研协同创新形式仍然以企业与本地高校合作协同创新为主。

表6 工业机器人产业园与产学研协同创新

除了产学研合作专利申请情况，国家大学科技园的建设情况也可以作为产学研协同创新的一种度量方式。洪银兴(2014)指出，中国现阶段引导产学研协同创新形成的重要载体是政府规划并建立的大学科技园区，这些园区通过吸引大学和企业的进入，可以推动大学与地方政府、与科技企业的全方位合作，从而推动大学科技园成为大学教学、科研与产业相结合的重要基地，并成为高新技术企业孵化的基地、创新创业人才培育的基地和高新技术产业辐射催化的基地。因此，除了产学研合作专利，国家大学科技园的建设情况也可作为区域层面产学研合作情况的度量。国家大学科技园是指，以具有科研优势特色的大学为依托，将高校科教智力资源与市场优势创新资源紧密结合，推动创新资源集成、科技成果转化、科技创业孵化、创新人才培养和开放协同发展，促进科技、教育、经济融通和军民融合的重要平台和科技服务机构。①《科技部、教育部关于印发‹国家大学科技园管理办法› 的通知》，中国政府网，2019 年4 月3日，https://www.gov.cn/gongbao/content/2019/content＿5416182.htm。国家大学科技园是促进高校科技创新成果落地转化，加强高校与市场合作的重要抓手。本文通过教育部门户网站搜集整理各批次国家大学科技园建设情况，并以此计算各地级市每年累计建立国家大学科技园数量的对数，将其作为因变量进行回归。表7 的结果表明，工业机器人产业园的建设促进了国家大学科技园的落成，这进一步佐证了本文提出的产学研协同创新是靶向于先进制造业的区位导向型政策推动区域制造业创新能力提升的重要机制的观点。

表7 工业机器人产业园有利于高校智力资源与市场结合

(二)高校层面

前文通过区域层面的分析印证了工业机器人产业园是通过作为高校和企业间产学研协同创新的平台来发挥对创新能力的提升作用的，接下来我们试图利用微观层面的高校数据检验工业机器人产业园的建立对高校科技创新行为的影响，从而为产学研协同创新机制提供更为扎实的微观证据。基于这一目的，本文构造以下计量模型进行估计:

其中，Yut是高校的一系列产出变量，包括各高校各年度产学研合作专利申请量等，这些数据来自专利数据库。Xut是高校层面的控制变量，包括高校各年度研发人员对数和科技经费支出对数等，这些数据来自《高等学校科技统计资料汇编》。Zct是城市层面的控制变量，包括各地级市各年度科教支出占财政总支出比重和人均GDP 对数等。θu是高校固定效应，θt是时间固定效应。εut是误差项。表8 展示了相应的回归结果。第(1)列表明工业机器人产业园的建立在数量上促进了高校产学研专利的增加。第(2)列结果表明工业机器人产业园的建立不仅使得高校产学研专利的绝对数量有所增加，而且使其占全部专利申请总量的比重得到显著提升；这意味着，随着园区的建立，智能制造产业的发展和政府的推动使得高校将其创新资源更多地分配至与业界合作的研发中，从而提升了其创新成果落地转化服务于实际生产的可能性。第(3)列展示了高校科技成果转化的情况，结果显示高校科技成果的市场化程度也得到了显著提升，初步证明了政策的实施和平台的建设可能通过引发产学研协同创新在一定程度上改善了高校创新成果转化率偏低的局面，促使其创造的前沿知识得以成功产业化。

表8 激励高校进行产学研协同创新

上述分析从微观层面进一步验证了产学研协同创新机制的存在性，本文进一步要探讨工业机器人产业园的建立是否对高校自身的发展产生了正面效应。学术界已经有大量文献探讨产学研协同创新对于企业的积极影响，但高校和科研机构作为重要的创新主体，产学研协同创新对其自身的影响也是值得探讨的。为此，本文从国家自然科学基金委员会网站整理了各个高校申请国家自然科学基金项目的情况作为高校自身发展情况的度量指标。①国家自然科学基金资助项目统计，https://www.nsfc.gov.cn/publish/portal0/tab505/。表9 第(1)列结果表明，工业机器人产业园的建立可以促进当地高校更多地申请自然科学基金项目。第(2)列结果则表明，该政策的实施不仅激发了高校的热情，更提升了高校成功获取自然科学基金项目资助的可能性。第(3)列结果则意味着，最终高校成功申请自然科学基金项目的比率得到了显著的提升，进一步说明了工业机器人产业园的建立对于高校自身建设具有促进作用。

表9 高校获得更多国家基金项目支持

七、异质性分析

上述回归结果已经验证了靶向于先进制造产业的区位导向型政策的实施对于区域制造业创新能力具有促进作用，并验证了产学研协同创新是背后的关键机制。接下来通过异质性分析，本文着眼于考察在政策的推进过程中，具有哪些特征的区域和行业会获益更多。

(一)区域维度

前文的实证结果表明在平均意义上工业机器人产业园的建立促进了制造业创新能力的提升，然而如果不考虑区域科技创新环境而盲目推动更多智能制造相关的园区建设，可能会造成边际效益递减和资源浪费。因此，进行区域维度的异质性分析有利于提出有针对性的政策建议，实现园区高质量发展。

(1)优化营商环境。优化营商环境是激发区域内企业创新活力的重要手段，当区域营商环境较优时工业机器人产业园的创新效应会较为显著。营商环境对创新尤其是企业技术创新的推动作用已经得到学界的广泛认可(韩书成等，2022)。第一，良好的营商环境可以营造一个公平透明的市场环境，改善企业生产经营，为企业节省大量制度性交易成本，缩短企业行政审批时间，避免企业陷入“寻租”困境，将时间和精力更多用于内治。第二，良好的营商环境有助于政府提供高效服务，降低企业为获取创新资源所花费的交易成本，提高创新活动利润，从而激发企业创新意识，鼓励企业增加创新要素投入。因此，本文预期营商环境更好的城市受政策带来的创新促进作用更强。为验证上述预期，本文基于樊纲等提供的省份市场化指数①中国市场化指数数据库，https://cmi.ssap.com.cn/dataQuery。计算了各省营商环境指数并进行标准化处理，随后与是否建设工业机器人产业园变量交乘加入回归模型。表10 第(1)列报告了相应的回归结果。回归结果表明，营商环境的优化显著增强了工业机器人产业园对于制造业创新能力的提升作用。换言之，区域营商环境的优化是构建良好区域科技创新环境的重要抓手，对于充分发挥区位导向型政策的创新提升效应存在支撑作用。

表10 区域异质性

(2)金融服务。金融服务环境是科技创新环境的重要组成部分，优化金融服务有利于促进工业机器人产业园的创新提升效应的发挥。具体来说，金融服务可以为企业技术创新提供资本推动力，增强企业尤其是初创企业研发的容错率，同时大大降低企业的研发成本。在诸多针对创新的金融支持和服务中，以风险投资(VC/PC)为代表的针对创新创业的投资对于企业乃至区域创新能力的提升起到了较为关键的作用。因此，本文采用北京大学国家发展研究院公布的《中国区域创新创业指数》中的城市VC/PE 投资指数作为地区金融服务的代理变量，将其与是否建设工业机器人产业园虚拟变量交乘加入回归中。表10 第(2)列的结果显示，完善创新金融支持、提供优厚的创新金融服务的确有助于地区创新能力的提升。

(3)人才引进政策。党的二十大报告指出，“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑”，“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入人才强国战略”。人才是重要的创新要素之一，实施区域人才引进政策可能引发人才的集聚，从而促进区位导向型产业政策的创新提升效应的发挥。以工业机器人为代表的智能制造相关产业往往是多学科、高科技交叉融合的产物，作为技术集成度较高、应用场景较为复杂的高端装备，其人才需求也是多层次的。然而，当前中国智能制造领域的人才缺口较大。根据2016 年底教育部、人力资源和社会保障部、工业和信息化部等部门联合印发的《制造业人才发展规划指南》，到2020 年，中国智能制造领域人才缺口超过300 万人，到2025 年这一缺口将扩大到450 万人。由此可见，如果人才缺口问题得不到解决，区位导向型政策带来的创新提升效应很可能难以长期维系。若地区充分实施人才吸引政策，这一问题很可能得到缓解从而放大区位导向型政策的创新效应。为了检验这一观点，本文搜集并统计了各省份人才引进政策出台情况，并定义如下虚拟变量:若某省在2005 年至2016 年期间的某一年出台了引进海外人才、创新型人才等相关政策，则该虚拟变量在当年及之后取1，否则取0。本文将该虚拟变量与是否建立工业机器人产业园变量相乘作为交互项加入回归方程，实证结果如表10 第(3)列所示。结果表明，人才引进政策的出台的确有利于创新能力的提升。

(二)行业维度

区位导向型政策的创新提升效应可能在行业层面存在差异，行业维度的异质性分析有助于判断政策对哪些行业的创新有较强的带动作用，从而为地区通过扶持主导产业实现转型升级提供方向性的启示。

(1)行业智能制造应用程度。以智能制造为主导产业的产业园会带动智能制造产业自身创新能力的提升，从而可能提升智能制造应用程度更高的下游行业的创新水平，因此本文首先检验行业自动化程度的差异带来的政策效应的异质性。国际工业机器人联合会提供了世界各国不同行业工业机器人的存量数据，本文利用该数据计算了2005—2007年2 位数行业平均工业机器人存量，并根据2 位数行业工业机器人存量中位数定义了“高机器人存量”虚拟变量，通过该指标刻画行业自动化程度的高低。表11 第(1)列的结果表明，自动化程度更高的行业政策效应更明显，即工业机器人普及程度越高的下游行业受惠于政策的程度越高。本文的实证结论意味着智能制造应用程度越高的行业从工业机器人产业园建立带来的创新提升效应中受惠越多。其背后的原因有二:一方面，智能制造带来的智能化、网络化和数字化改善了行业中企业的生产率，从而使得企业有更多资源投入创新活动；另一方面，智能制造本身的技术外溢效应通过产业链条传导到与其融合程度更高的下游行业。

表11 行业异质性

(2)行业技术复杂度。技术复杂度更高的行业科技创新实力往往更强(Balland 和Rigby，2017)，在智能制造发展过程中可能经历更大幅度的创新能力提升，因此本文进一步检验不同行业技术复杂度带来的政策效应的异质性。本文借鉴Balland 和Rigby(2017)提供的方法，使用专利数据计算2005—2007 年间2 位数行业的平均技术复杂度KCI。行业技术复杂度KCI背后的基本逻辑是:一个国家在行业i上拥有专利生产比较优势的城市数量越多，行业i的技术门槛越低，其技术复杂度就越低。本文进一步利用行业技术复杂度中位数定义“高技术复杂度”这一虚拟变量作为替换指标进行分析。回归结果如表11 第(2)列所示，工业机器人产业园的建立使得那些技术相对较为复杂的行业创新水平提升较多。这说明，在智能制造产业的发展过程中，那些与智能制造产业一样具有高技术门槛的行业会率先实现发展模式向创新驱动发展的转变。

八、结论及政策启示

党的二十大报告和“十四五”规划均指出，要把发展经济着力点放在实体经济上，加快推进制造强国的建设。落实制造强国战略、实现制造业发展模式的转型，关键在于提升制造业创新能力。在这一背景下研究区位导向型产业政策能否促进制造业创新能力的提升、实现由要素驱动发展转向创新驱动发展有很强的现实性和必要性。本文发现，工业机器人产业园的建立对制造业创新能力的提升有显著的推动作用，且随着时间的推移这种效应逐渐增大。机制分析表明，靶向于先进制造业的区位导向型政策能够发挥正面效应的重要原因在于，园区作为平台连接了以企业为代表的产业链和以高校为代表的创新链，符合现阶段制造产业发展需求，为技术突破与城市创新能力提升做出了贡献。本文的研究还表明，企业与高校进行产学研协同创新不仅可以改善企业技术创新实力，还有利于高校科研产出真正落地，从而造福于实际生产。进一步地，区域层面的异质性分析表明，构建良好的营商创新环境、优化金融服务以及积极进行人才引进有助于政策的创新驱动效应的发挥。最后，行业层面的异质性分析表明，自动化程度更高、技术复杂度更高的行业在智能制造发展进程中获益更多。

基于上述研究结论，本文可能具有的政策启示是:第一，关注以智能制造为代表的先进制造业的发展，打造各具特色的区域先进制造业产业集群。党的二十大报告指出，要“打造具有国际竞争力的数字产业集群”，而结合地方禀赋发展先进制造业集群就是一个有益的探索。具体来说，要推动跨地区开展关键技术创新、供需对接、人才培养等合作；鼓励地方、行业组织、龙头企业等联合推广先进技术、装备、标准和解决方案；支持产业特色鲜明、转型需求迫切、基础条件好的地区建设先进制造业先行区，打造技术创新策源地、示范应用集聚区、关键装备和解决方案输出地。近年来，国家推出的“先进制造业集群竞赛”就是一个积极的尝试，有助于推动培育要素高效集聚、循环畅通的集群生态。2019 年以来，中华人民共和国工业和信息化部牵头组织开展国家先进制造业集群竞赛，全国各地积极培育发展先进制造业集群，对建设先进制造业集群“国家队”、代表国家抢占“世界制造业核心地位”充满干劲。第二，应以产业园区为抓手发展先进制造产业，充分发挥园区的主观能动性，构建平台型园区。园区首先应当是招商引资的平台，通过产业链招商等方式形成智能制造产业发展基础；其次，园区应当是“引智”的平台，积极吸引创新型人才、科研院所、科学家工作室、博士后工作站等落户园区；最后，园区应当是引导创新主体形成深度合作的平台，通过积极引导科研院所的知识创新力量与园区内龙头企业的技术创新力量，深度融合攻克“卡脖子”技术。因此，应当优化园区产业创新生态环境，以正式和非正式互动联系为纽带，以信任而非契约关系为重点，推动企业、高等院校、科研机构、行业组织、中介机构、金融机构等各主体之间的创新竞争与合作，加快知识与技术交流，优胜劣汰，降低企业创新成本，激励企业不断创造新产品、新品牌、新渠道、新模式，提升企业创新意识、学习能力、自主创新能力、行业领域影响力，进而提升区域品牌国际知名度。近年来，中央和地方层面积极推出的人工智能发展示范区、大数据综合试验区等就是有益的政策尝试。第三，应以科技成果转化引导基金等渠道为抓手，持续深化以企业为主体的产学研协同创新。“十四五”规划指出，要形成以企业为主体、市场为导向、产学研用深度融合的创新体系；党的二十大报告则指出，要加强企业主导的产学研深度融合，强化目标导向，提高科技成果转化和产业化水平。因此，产学研协同创新不仅要注重创新成果的产出，而且要关注创新成果的转化落地。具体要做到:首先，引导企业联合高校、科研院所以建设产业技术创新联盟等形式联合承担智能制造产业相关科技项目、共同制定产业联盟标准、协同推进共性产业技术研发和科技成果转化等方式开展产学研协同创新。其次，发挥成果转化基金的支持作用，提升先进制造业产学研创新成果转化效能。比如，综合运用设立创业投资子基金等方式实施科技成果转化引导基金，加强对企业与高校联合开展科技成果转移转化的支持。再次，完善产业创新链条。当前，我国产业创新链条中共性技术研发薄弱，工程化、中试环节不足等矛盾日益突出。产学研结合虽然可以在一定程度上弥补创新链条的不足，但是无法改变各自基本的利益导向和评价机制。因此，应从完善产业创新链条入手，探索应用开发类科研机构建设的新机制和共性技术研发提供的新形式，弥补创新链条的不足，为产学研有效结合奠定基础。最后，应将科技计划的研发支出的方向和重点领域延伸到整个产业链条中，解决制约提高产业竞争力的基础材料、装备制造、工艺甚至技术计量和标准等问题，加大对工程化和中试环节的支持力度，充分发挥科研院所提供产业共性技术、工程化和中试服务的能力。第四，应以引才、引资、引智为抓手，构建创新生态环境，形成创新生态体系，打造区域科技创新中心；以园区为平台充分实施引才、引资、引智政策，鼓励创新主体和创新要素的合理集聚；以产学研协同创新为抓手形成创新主体间的深度互动。应围绕园区构建良好的科技成果转化、创新创业孵化生态环境，使得地区形成以园区为载体的自主运行的创新生态体系，有利于实现可持续的创新驱动发展。具体来说，要健全公平竞争市场和法治环境，构建完善科技成果转化市场的相关秩序以及管理的全链条；完善知识产权管理体制建设，切实解决知识产权保护过程中遇到的各种问题，创造良好的知识产权保护环境；切实提升服务质量，加大对科技服务业的支持，造就一批知名的服务品牌；缩短科技成果的转化周期，同时消除科研中介的环节，节约科研成本，提高转化率。提高科技创新人才吸引力，是改善创新创业环境并加强科技创新人才创新创业基础设施建设，应通过搭建各种创新创业的平台，提供基础性服务，助力科技创新人才的成长与创业；既要立足于自身培养大量科技创新人才，也要积极引进科技创新人才，形成国际国内科技创新人才相互补充、相互配合的区域科技创新中心。