技术融合式创新、知识溢出与企业全要素生产率

薛莹 赵文凯

摘要：技术融合式创新是企业提升核心竞争能力的重要抓手，通过链接技术创新网络获取各类要素资源，为提升企业全要素生产率注入创新动能。基于2010—2021年1208家A股制造业上市公司样本数据，实证分析技术融合式创新对企业全要素生产率的影响，研究发现：技术融合式创新水平提升正向影响企业全要素生产率；知识溢出在技术融合式创新提升企业全要素生产率过程中发挥中介作用；伴随产业集聚程度上升，技术融合式创新对企业全要素生产率的正向影响显著增强。进一步研究分析表明，在较好的资源禀赋条件下，技术融合式创新对企业全要素生产率的赋能效应更强。据此，应重塑多节点交互生态创新网络，切实提升企业全要素生产率；构筑跨空间知识资源集聚平台，发挥知识要素溢出撬动效应。

关键词：技术融合式创新；知识溢出；企业全要素生产率；产业集聚

中图分类号：F272；F425文献标识码：A文章编号：1001-148X（2024）02-0133-10

收稿日期：2023-05-22

作者简介：薛莹（1991—），女，山东潍坊人，讲师，博士，研究方向：金融科技与企业创新；赵文凯（1991—），女，河南郑州人，博士，研究方向：财政与企业创新。

基金项目：教育部人文社会科学研究规划基金“我国零售业对接‘一带一路市场的‘全球本土化战略研究”，项目编号：17YJA790007。

一、引言

中国经济由高速增长转向高质量发展阶段，全面推动发展方式转变、经济结构转型，形成经济增长新动能已然成为中国经济高质量发展的题中之义。提升全要素生产率是顺应新时代社会生产效率变革、质量变革与动力变革的必然趋势［1］。然而，中国企业全要素生产率提升面临创新内生动力不足［2］、前沿技术距离过长［3］、成果转化路径受阻［4］等多重困厄，严重滞缓经济跃迁式发展进程。2022年11月，工信部等五部门联合印发《虚拟现实与行业应用融合发展行动计划（2022—2026年）》，明确指出要“推进关键技术融合创新”“多技术融合、产学研用高效协同的系统化创新体系基本形成”，为企业全要素生产率攀升提供全新思路。技术融合式创新可贯通产业技术、学科知识、成果转化多个环节，将各领域创新元素、技术与生产方式进行有机融合，打破要素联结共享藩篱，推动颠覆式技术进步与成果产出，优化创新投入-产出比，进而助力提升企业全要素生产率［5］。在此过程中，技术融合式创新可发挥网络组织特性，促进跨学科产业合作与知识共享，增强知识外溢效应。进一步地，技术融合式创新可通过知识溢出产生资源协同效应，推动生产要素在企业间共享与互补，降低生产边际成本，提升生产与创新效率，赋能企业全要素生产率攀升。在理论推断上，技术融合式创新、知识溢出与企业全要素生产率具有一定关联，但其中的内在机理尚需进一步实证检验。厘清三者之间影响机制对于全面提升企业投资预期回报率、提高资源配置效率、优化生产组织结构等具有重要意义。

既有研究大部分围绕技术创新、知识溢出与企业全要素生产率两两间的关系展开的。

鉴于开展创新活动是实现企业全要素生产率“量质齐升”的实然路径，大量学者围绕二者间的关系进行了探讨。其中部分研究立足实证分析层面检验技术创新对全要素生产率具有助力效能［6-7］，为本文后续深入探讨奠定学理基础。而技术融合式创新作为技术创新资源的“黏合剂”与“孵化池”，鲜有学者针对其影响效应进行论证，这为本文丰富相关领域研究提供了空间。

知识要素流动是创新能力“提质增量”的有生力量，二者间的关系同样备受相关研究的关注。梳理相关研究文献，知识流动可有效推动创新能力攀升这一结论已得到证实［8-9］。然而，作为创新链与产业链相互交织的重要产物，技术融合式创新是否可对知识溢出发挥生态互动效应？当前鲜有学者围绕上述推断展开实证考察。

由于知识溢出是生产活动“降本增效”的有力抓手，也有部分文献聚焦知识溢出对全要素生产率的影响效应，揭示二者的内在作用机制，其中对知识溢出对全要素生产率的赋能效应已进行充足论证［10-12］，但大部分研究时间距今较久远。伴随数字经济时代纵深发展，知识溢出参与主体与外溢方式产生颠覆式变化，对于全要素生产率的作用可能发生改变，既有研究可能难以为现时企业全要素生产率提升提供有益参考与经验指导。

综合来看，现有研究已证实技术创新、知识流动与溢出以及全要素生产率两两间具有密切关联。由此引发思考，技术融合式创新作为技术创新的全新范式，可突破行业壁垒与跨学科藩篱，打造产业与企业创新发展新生态，是否对全要素生产率发挥同等助力效能？同时，技术融合式创新具有多元融合、资源共享特性，能否通过知识与技术外溢产生互补匹配效应，使得各类创新要素进行创造性融合，促使企业全要素生产率产生质的跃迁？为验证上述问题，本文尝试从如下层面进行突破：第一，立足制造业上市公司样本数据，构建技术融合式创新与企业全要素生产率相关研究模型，搭建技术融合式创新与企业全要素生产率关系的研究框架，拓宽相关领域研究范畴。第二，引入知识溢出作为中介变量，梳理技术融合式创新、知识溢出与企业全要素生产率的理论机制，剖析三者间的实证逻辑，为提高企业全要素生产率、促进经济高质量发展提供经验证据与理论参考。

二、研究假设

（一）技术融合式创新与企业全要素生产率

融合创新概念衍生自JosephAloisSchumpeter于1912年提出的创新理论，意指将各类创新要素进行颠覆式融合，促使创新成果具有独占性与不可复制性［13］。技术融合式创新可聚焦产业链供应链端口，发挥技术更迭效应与资源配置效应，赋能企业全要素生产率攀升。

就技术更迭效应而言，技术融合式创新可促使企业以原有技术为母本，加强产业集群内部联动衔接与高效合作，推动新型技术要素衍生发展与创新要素耦合，加速技术消化吸收与模仿创新，赋能技术迭代更新［14］。得益于此，企业能够横向拓宽技术融合边界，缩减商品研发与生产周期，驱动关键共性技术突破式进步，加快商品研发与服务更迭速率，助力企业全要素生产率攀升。同时，技术融合式创新能够完善产学研用一体化创新体系，强化多元主体创新联合体建设，从研发端口破解低效创新、重复投入的痛点难点，持续建立健全科研成果从研发实验室转向市场化应用机制，优化要素投入与产出比例，助力企业全要素生产率攀升。

就资源配置效应而言，技术融合式创新可联合多元主体绘制产业链创新发展图谱，深化各创新主体间的专业化分工，打造集要素汇聚整合、挖掘利用、分析研判等功能于一体的全链条创新体系，提高企业产品技术含量与附加价值。在此过程中，技术融合式与扩散式创新可模糊产业既定边界，降低资源要素流动门槛，为资源合理配置夯实根基［15］。进一步，技术融合式创新在提升企业资产收益率与降低要素流动门槛的基础上，引导市场资源依据资产收益向先进生产力集聚，增加富含比较优势企业的要素存量，并将过剩资源向其他企业转移［16］。这能够全方位赋能企业生产与创新过程中质量与效率变革，实现资源配置及利用效率最大化，有效避免资源配置不合理所导致的要素浪费，从而推动全要素生产率提升。综上所述，本文提出如下假设：

H1：技术融合式创新可推动企业全要素生产率提升。

（二）知识溢出的中介作用

技术融合式创新以创新要素联结共享为主要方式，提升创新成果产出比率与创新主体综合竞争实力。在这一过程中，不同创新主体对某一特定知识资源的掌握优势各异，使得知识势差成为必然趋势［17］。而技术融合式创新可引导知识要素由产业价值链中高端位势向低端位势企业流出，补齐企业资源禀赋条件、要素转化能力方面的创新短板，进一步催生知识溢出现象。Marshall认为，知识要素可在各主体间直接、间接互动交流过程中进行无意识传播与再造，产生知识溢出现象，可发挥带动效应、连锁效应与模仿效应影响经济活动［18］。就横向合作效应来看，技术融合式创新可联结供应链上同一层次的不同企业开展横向联动协作，为技术与知识要素跨界流动奠定基础，带动显性知识溢出。显性知识溢出可释放知识碰撞与融合红利，增强企业知识沉淀与应用水平，助力企业改进现有生产技术与组织管理方式，驱动企业全要素生产率提升［19］。就人力资本流动效应来看，在技术融合式创新过程中，部分人力资源可通过正向或逆向流动将所获知识、技能与经验扩散至其他企业，并产生隐性知识溢出。由此，企业能够通过人力资本流动与更迭的方式，在资本投入不变的条件下降低经验积累成本与试错成本，加快前沿技术攻坚步伐，提升技术研发与产出质效，赋能企业全要素生产率攀升。据此，提出如下假设：

H2：技术融合式创新通过知识溢出推动企业全要素生产率提升。

（三）产业集聚的调节效应

产业集聚通过行业分工细化与规模效应，提升技术融合式创新对企业全要素生产率的赋能效果。具体而言，产业集聚可持续提升相同或相近类型产业在特定地理区域的集中度，实现产业层次由单一到复杂、产业链条由短到长、企业关联由散到融的变化［20］。在这一过程中，产业集聚能够引导项目配套数字基础设施建设进一步完善，提高数字技术可供性，进一步提质功能完备的新型科创载体［21］。在此基础上，技术融合式创新与产业集聚的协同效应可加速推动不同应用场景研发进程，依托数据分析功能精细化指导链式融合分工，赋能企业要素再造、流程优化与价值螺旋式提升，激发企业全要素生产率增长的内生动力。另外，产业集聚可汇集区域性人流、物流与信息流，为深化集群内部垂直化分工提供基础条件。这能够充分整合创新资源，深化专业化分工，实现资源利用效率最大化，降低创新信息搜寻成本与试错成本，提高创新成果产出，有效赋能企业全要素生产率增长。根植于此，提出如下假设：

H3：产业集聚程度越高，技术融合式创新对企业全要素生产率正向推动效应越强。

三、研究设计

（一）样本选择与数据来源

选取2010—2021年1208家A股制造业上市公司样本数据，剔除经营状态异常的ST&PT公司、资产负债率不在0—1区间的公司与核心数据缺失公司。同时，为避免极值影响，对连续变量在前后1%分位处进行Winsorize缩尾处理，最终获得9856个观测值。研究数据主要来源于《中国统计年鉴》《中国科技统计年鉴》，国家统计局官网、国泰安数据库、CSMAR数据库、Wind数据库。

（二）模型设计

为检验技术融合式创新与企业全要素生产率间的关系，构建如下基准回归模型：

TFPi，t=α0+α1RIi，t+αkControlsi，t+λi+ηt+εi，t（1）

式（1）中，i与t分别为企业、时间；α0为截距项；α1代表技术融合式创新对企业全要素生产率的影响系数；Controls表示控制变量；λ为行业固定效应；η代表年份固定效应；ε表示随机误差项。依据假设H1，技术融合式创新水平越高，企业全要素生产率随之越高，故预测α1系数为正。

（三）变量选取

1.被解释变量：企业全要素生产率（TFP）。当前，企业全要素生产率主流测算方法为LP法与OP法。相较于LP法，OP法能够解决因同时性偏差与样本选择偏差导致的内生性问题，故借鉴盛明泉等（2022）［22］的研究，使用OP法测算上市公司全要素生产率，模型设定如下：

lnYi，t=β0+β1+lnQi，t+β2lnPi，t+β3lnMii，t+β4Agei，t+β5Exporti，t+β6Soei，t+β7Exiti，t+λi+ηt+εi，t（2）

其中，Y表示企业营收总金额；β表示对应变量回归系数；Q代表固定资产；P即研究期内企业员工数量；Mi为购买中间产品投入；Age表示企业存续年限；Export代表企业是否存在进出口业务；Soe为产权性质，若为国有企业赋值为1，非国有企业赋值为0；Exit即是否退出市场；其余变量设定同式（1）。运用opreg命令回归上述模型，所得残差为全要素生产率。

2.解释变量：技术融合式创新（RI）。参考既有研究［23］，本文运用技术融合、技术扩散与技术研发创新的加权平均值度量技术融合式创新，计算步骤如下：第一，针对技术融合，分年计算技术融合网络中各类专利分类号的中介中心性①、接近中心性②与局部聚类系数③。随后分别计算企业所获授权专利中各类专利分类号所占比重，揭示企业之间技术掌握差异。最后，将三种系数与企业专利分类号所占比重相乘，并将乘积求和，对最终结果进行对数处理，得到技术融合水平。第二，一般而言，技术要素依托市场交易实现趋利性扩散，故使用技术交易市场成交总金额表征技术扩散。第三，针对技术研发创新，使用新型产品市场销售额与产业销售总产值之比衡量。

①中介中心性系数计算公式为：BC=∑dst（i）dst。其中，dst代表由s到t的最短路径数量；dst（i）表示由s到t的最短路径中所经过节点i的数量（s，t≠i）。

②接近中心性系数计算公式为：di=N－1∑j≠idij，CCi=1di。其中，di为节点i到其余各点的平均距离；dij代表由i到j的最短距离；CCi即i节点接近中心性，该值越大说明点的接近中心性越强。

③局部聚类系数计算公式为：CC（u）=2Ruku（ku－1）。其中，u为节点；Ru是通过u邻节点的关系数；ku表示u的一阶邻节点。

3.中介变量：知识溢出（KS）。现有知识溢出衡量方法主要为文献跟踪法、永续盘存法、成本函数法、引力模型以及技术流动法。参考李雪等（2022）［24］研究方法，使用引力模型测度知识溢出，构建公式如下：

KSij=HKiKjd2ij（3）

其中，KSij代表两家企业之间知识溢出总量；H为引力常数，可赋值为1；Ki与Kj分别为两家企业知识存量；dij即i企业与j企业之间直线地理距离。

基于式（2），可得出i企业与其他m个省份之间的知识溢出总量，公式如下：

KSi=∑mj=1KSij（4）

同时，使用投入法测度知识存量，公式构建如下：

Kit=（1－δ）Ki，t－1+Iit（5）

其中，Kit与Ki，t－1分别代表i企业于t时期、t－1时期知识存量；δ为折旧率，取值为15%；Iit表示i企业于t时期实际研发投入金额，通过研发投入总金额平减得出。

最终估算基期知识存量，公式构建如下：

Ki0=Ii0g+δ（6）

其中，Ii0代表2010年i企业实际研发投入金额，g表示企业在2010—2021年间实际研发投入金额的平均增长率。

4.调节变量：产业集聚（IA）。参照吴明琴和童碧如（2016）［25］的做法，使用研究样本周边企业员工数量衡量产业集聚程度，具体计算公式如下：

IAri=eri－ef（7）

eri表示r区域内i企业员工数量，ef即f企业员工数量。

5.控制变量。为确保研究结论客观性与准确性，选取如下控制变量。（1）净资产收益率（ROA）：使用企业净利润与净资产的比重表征；（2）企业规模（Scale）：通过企业年末资产总额自然对数衡量；（3）行业市场集中程度（IMC）：采用赫芬达尔-赫希曼指数表示；（4）企业产权性质（EPR）：国有企业赋值为0，非国有企业赋值为1；（5）企业负债率（CDR）：采用负债总额占资产总额比重表示；（6）地区经济发展水平（REDL）：运用企业所在地区GDP总量的自然对数衡量；（7）企业成长能力（GA）：通过本期主营业务收入增长量占上期主营业务收入总量的比重表征。各变量定义及说明详见表1。

四、实证分析

（一）描述性统计

表2为描述性统计结果。在主要变量方面，技术融合式创新平均值与标准差分别为32195、08624，说明企业技术融合式创新水平相对较高，且存在较大差距。企业全要素生产率均值与标准差分别为121042、07763，表明企业间全要素生产率差距相对较大；知识溢出标准差为09285，可以看出研究样本间存在较大差距。产业集聚标准差为03123，说明不同地区产业集聚水平差异相对较小。在控制变量方面，净资产收益率平均值为146278，说明在研究样本中大部分企业净资产收益率比较可观；企业规模均值与标准差分别为98857、12528，表明虽所选大部分研究样本规模较大，但样本之间尚存明显内部差异；行业市场集中程度均值为00315，可以看出当前研究样本所在行业市场集中程度普遍较低；企业产权性质标准差为03104，表明所选样本离散程度较小，即国有企业与非国有企业数量分配较为均等；企业负债率标准差为11723，说明企业负债水平具有相对较大差距；地区经济发展水平均值为158216，说明所选研究样本所在地区经济发展水平普遍较高；企业成长能力均值为00054、最小值为-10059，表明企业成长能力偏低，仍然有待提升。

（二）相关性分析

表3列示各变量相关系数分析结果。依据表中数据可知，技术融合式创新与企业全要素生产率正相关，其回归系数在1%统计水平上显著，假设H1得以验证。同时，各控制变量与企业全要素生产率之间相关性均通过不同水平显著性检验，说明控制变量的选取相对合理。为检验各变量之间多重共线性问题，对变量间方差膨胀因子展开检验。结果显示，方差膨胀系数值均小于5，说明变量间不存在严重多重共线性问题。

（三）回归结果分析

1.基准回归分析。表4显示基准回归分析与中介效应检验结果。其中，列（1）检验控制变量对企业全要素生产率的影响。数据显示，净资产收益率、行业市场集中程度、地区经济发展水平与企业成长能力对企业全要素生产率可产生正向影响，分别能为企业全要素生产率提升带来资金、市场、资源与经验支持。在所选控制变量中，大部分能够通过P值显著性检验，说明控制变量选取可靠。列（2）报告不考虑控制变量情况下技术融合式创新对企业全要素生产率的影响。可以知悉，技术融合式创新影响系数显著为正，说明该变量能够推动企业全要素生产率攀升。列（3）显示技术融合式创新对企业全要素生产率的直接影响效应。可以知悉，技术融合式创新对企业全要素生产率的估计系数为00219，且在1%置信水平上显著。这说明技术融合式创新有利于推动企业全要素生产率提升，佐证假设H1成立。

2.中介效应分析。为深入考察知识溢出在技术融合式创新与企业全要素生产率间发挥的中介机制，构建如下中介效应检验模型：

KSi，t=α0+α1RIi，t+αkControlsi，t+λi+ηt+εi，t（8）

TFP=κ0+κ1RI+κ2KS++κkControlsi，t+λi+ηt+εi，t（9）

式（8）—（9）探讨知识溢出在技术融合式创新与企业全要素生产率关系中发挥的中介效应。k代表各控制变量序数值。依据前文假设H2，技术融合式创新通过提升知识溢出水平，进而助力企业全要素生产率攀升。因此，预测式（8）中α1系数与式（9）中κ2系数均为正。

表5列（1）—（3）显示中介效应检验结果。观察列（2）数据可知，技术融合式创新对知识溢出的估计系数为00085，且在1%统计水平上显著。这说明技术融合式创新可对知识溢出产生正向影响。列（3）中知识溢出对企业全要素生产率的估计系数为00821，且通过1%置信水平的正向检验，且该估计系数与列（1）相较有所下降，表明知识溢出在技术融合创新与企业劳动生产率之间发挥中介作用。为了确保结论的客观性与准确性，使用Sobel与Goodman方法展开进一步检验。Sobel检验结果显示，SobelZ值为35542，P小于001，中介效应占总效应比重为541%。Goodman-1中Z值为35197；Goodman-2中Z值为35897，二者均通过1%显著性检验，说明中介效应成立，假设H2得以验证。也就是说，技术融合式创新能够助力企业间知识要素共享与流动，进一步提升知识溢出程度，从而提高企业全要素生产率。

3.调节效应分析。前文理论分析提及，较高产业集聚水平可强化技术融合式创新对企业全要素生产率的正向影响，为验证上述推论，构建如下模型：

TFPi，t=α0+α1RIi，t+α2IAi，t+α3RI×IAi，t+αkControlsi，t+λi+ηt+εi，t（10）

式（10）中，α3为技术融合式创新与产业集聚的交互项对企业全要素生产率的影响系数。该数值越高，说明技术融合式创新对企业全要素生产率的正向影响越显著。

表6列示产业集聚在技术融合式创新、企业全要素生产率间发挥的调节效应检验结果。可以看出，技术融合式创新与产业集聚交互项系数为00543，且在5%统计水平上显著。这说明产业集聚在主效应中发挥正向调节作用，为假设H3成立提供数据支撑。据此可得，产业集聚可在一定程度上实现资源多元化供给、扩大规模效应，正向调节技术融合式创新对企业全要素生产率的助力效能。

（四）稳健性检验

1.引入滞后变量。考虑到技术融合式创新与企业全要素生产率之间可能存在反向因果问题，研究将滞后一期、滞后二期技术融合式创新水平（L1_RI、L2_RI）作为自变量再次展开回归分析，检验结果见表7列（1）—（2）。结果显示，技术融合式创新滞后一期与滞后二期估计系数均通过1%统计水平显著性检验，表明所得结论具有稳健性。

2.Heckman两阶段模型。为克服样本自选择问题，使用Heckman两阶段法，将研发投入强度（R&Dinput）作为工具变量，稳健性检验结果列示于表7列（3）—（4）。数据显示，第一阶段回归结果中，R&Dinput回归系数为31942，且在1%统计水平上与RI呈正相关关系，故不存在工具变量选取偏差问题。第二阶段回归数据显示，IMR系数通过5%显著性检验，说明所选样本具有一定程度上的自选择问题。因此，充分考虑技术融合式创新样本偏差所造成的回归结果偏误具有必要性。除此之外，技术融合式创新回归系数为00086，且在1%统计水平上显著，这与前文基准回归结果保持一致，这意味着控制选择性偏差后，结论仍具有稳健性。

3.倾向得分匹配法。为避免内生性问题对研究结果的影响，使用PSM法展开稳健性检验（见表8），并将各控制变量作为配对变量。在实施匹配之后，处理组与控制组变量未产生显著差异，其数据具备较高平衡性。表8中数据显示，技术融合式创新估计系数通过1%显著性检验，说明上文回归结果具有稳健性。

4.替换变量衡量方法。为避免变量衡量方式选取不当引致结论产生偏误，分别替换技术融合式创新与企业全要素生产率衡量方式，对回归结果进行稳健性检验。首先，使用生产要素配置效率反映企业全要素生产率。由表9列（1）可以看出，技术融合式创新回归系数为0.3871，在1%统计水平上显著，说明前文所述结论稳健。其次，使用企业通过合作产生的发明专利、实用新型与外观设计专利申请数量的对数表征技术融合式创新，再次进行拟合回归，结果见表9列（2）。据此可知，技术融合式创新回归系数显著为正，且在1%统计水平上显著，说明回归结果具备稳健性。

（五）进一步分析

依据烙印理论，资源要素禀赋能够影响企业资源识别与利用能力，驱动其突破创新边界、延伸业务范围，从而提升企业全要素生产率［26］。作为技术融合式创新的重要驱动力量，企业资源禀赋可提供人力、技术、管理、土地资源，从而影响技术融合式创新水平［27］。因此，本文聚焦资源禀赋视角，进一步分析不同资源禀赋条件下，技术融合式创新对企业全要素生产率的影响是否存在差异。

依据资源禀赋条件对企业进行分类，检验不同资源禀赋背景下技术融合式创新对企业全要素生产率作用是否发生改变（见表10）。若企业资源禀赋条件较好赋值为1，反之则赋值为0。依据表中数据可知，当资源禀赋条件较好时，技术融合式创新对企业全要素生产率相关回归系数在1%统计水平上显著；当资源禀赋条件较差时，技术融合式创新对企业全要素生产率相关回归系数虽为正但未通过显著性检验，说明较好的资源禀赋条件下技术融合式创新对企业全要素生产率的正向驱动效应更强。

五、结论与政策建议

研究选取2010—2021年1208家A股制造业上市公司样本数据，实证分析技术融合式创新与企业全要素生产率之间关系，得出如下结论：技术融合式创新对企业全要素生产率具有积极助力作用，且该结论在经过一系列稳健性检验后依然成立。机制检验结果显示，知识溢出在技术融合式创新与企业全要素生产率的关系中发挥中介作用。调节效应分析显示，在技术融合式创新促进企业全要素生产率提升的过程中，产业集聚可发挥调节效应。在不同资源禀赋条件背景下，技术融合式创新对企业全要素生产率的影响作用存在差异。具体表现为较好的资源禀赋条件下技术融合式创新对企业全要素生产率的赋能效果更强。鉴于此，提出如下政策建议：

第一，重塑多节点交互生态创新网络，切实提升企业全要素生产率。依据上述研究结论可知，技术融合式创新对企业全要素生产率发挥促进作用。政府部门、社会企业及科研机构应发挥协同作用，通过重塑多节点交互生态创新网络，切实提升企业全要素生产率。一方面，构建多方协作创新机制。地方政府应充分发挥引导作用，引导社会企业同国内高校、科研机构创新合作，构建“技术研发、中试转化、资本运作”一体化协作创新平台，通过多方赋能提升企业创新速度与创新质量。同时，地方政府应支持与引导当地金融机构与企业开展创新合作，为社会企业开展技术创新活动提供充足资金支持，扩大技术融合式创新对企业全要素生产率的助力效能。另一方面，建构多方协作转化机制。地方知识产权部门应制定统一企业科技成果转化与应用标准，确定技术融合式创新成果转化条件，使技术融合式创新成果转化工作更加制度化、规范化，借此加速创新项目孵化与成果推广，为全要素生产率提升夯实基础。

第二，构筑跨空间知识资源集聚平台，发挥知识要素溢出撬动效应。中介效应检验显示，知识溢出是技术融合式创新提高企业全要素生产率的重要路径。因此，各区域社会企业应构筑跨空间创新集聚平台，切实发挥知识要素溢出撬动效应，以此提升企业全要素生产率。一方面，构建跨空间知识资源多样集聚平台，发挥经济发达地区企业多样集聚溢出效应。对于发达地区的社会企业而言，应充分发挥其“孵化”作用，借助规模化生产的知识积累优势建设多样知识资源交流平台，通过金融、科研、公共管理等多方面知识哺育促进本区域企业转型升级，提升企业全要素生产率。另一方面，构建跨空间知识资源专业集聚平台，补齐欠发达地区企业专业集聚知识溢出短板。对于欠发达地区而言，社会企业应基于自身比较优势嵌入跨区域分工网络，不断获取专业知识以提升自身专业集聚知识积累水平，为企业全要素生产率攀升提供知识溢出平台支持。

第三，聚力产业集聚基础支撑布局，激发集群赋能效应。前文述及，产业集聚可增强技术融合式创新对企业全要素生产率的赋能效应。为此，各级政府需围绕产业集群基础支撑进行合理布局，以激发集群聚力效应，切实提升企业全要素生产率。一方面，提升产业集聚用地基础支撑水平。政府应制定产业集聚区域用地预先申请制度，依据资源储备与建设指标统筹编制产业用地供应计划，合理调配产业用地资源。同时，有关部门需提升产业集聚用地管理与服务质量，引导资金、技术、人才与原材料等各类资源集聚，助力产业集群内部项目落地，为提升企业全要素生产率夯实产业集聚资源基础。另一方面，完善产业集聚数字基建支撑布局。地方政府、产业集聚园区企业应加快推进5G、千兆光网、数据机房等数字化基础设施建设，强化产业集聚网络基础支持。进一步地，园区企业应以信息网络为基础，加强园区科技基础设施、科教基础设施、产业创新基础设施布设，全力提升园区基础设施能级，驱动企业全要素生产率提升。

参考文献：

［1］张微微，王曼青，王媛，等.区域数字经济发展如何影响全要素生产率？——基于创新效率的中介检验分析［J］.中国软科学，2023（1）：195-205.

［2］余泳泽，庄海涛，伏雨.社会失信与全要素生产率——基于交易成本视角的研究［J］.金融研究，2023（5）：58-76.

［3］张沁琳，沈洪涛.政府大客户能提高企业全要素生产率吗？［J］.财经研究，2020，46（11）：34-48.

［4］王西贝，李海燕.创新要素、资源错配与全要素生产率的作用研究［J］.云南财经大学学报，2023，39（5）：77-96.

［5］薛阳，牛子正，段淏文，等.数字经济、技术创新与高质量发展［J］.统计与决策，2023，39（21）：96-102.

［6］胡德龙，巢文鸣.区域创新、数字经济与企业全要素生产率［J］.现代经济探讨，2023（9）：62-72.

［7］姬新龙，董木兰.绿色技术创新、股权结构与重污染企业全要素生产率［J］.统计与决策，2023，39（21）：164-168.

［8］刘琦.知识流动与区域协同创新关系的实证检验［J］.统计与决策，2020，36（23）：81-84.

［9］郭建杰，谢富纪.知识流动对企业创新的影响研究——以ICT产业为例［J］.科技管理研究，2022（19）：137-144.

［10］覃一冬，屈炜怡.知识外溢与中国制造业全要素生产率——基于DEA的经验分析［J］.中央财经大学学报，2013（4）：56-62.

［11］张同斌，李金凯，周浩.高技术产业区域知识溢出、协同创新与全要素生产率增长［J］.财贸研究，2016（1）：9-18.

［12］涂心语，严晓玲，王珊珊.知识溢出、企业异质性与企业全要素生产率——来自制造业上市公司的经验证据［J］.商业研究，2022（6）：23-33.

［13］陈劲，李根祎.企业员工契约理论的构建——后熊彼特时代现代契约理论的新探索［J］.财经问题研究，2023（12）：17-30.

［14］尹西明，陈劲，海本禄.新竞争环境下企业如何加快颠覆性技术突破？——基于整合式创新的理论视角［J］.天津社会科学，2019（5）：112-118.

［15］孙文浩.高级劳动力要素阶段性“断点”特征与企业创新——来自吸收能力理论和“威廉姆森”假说的解释［J］.系统管理学报，2023（6）：1299-1312.

［16］李拓晨，韩冬日，梁蕾，等.产业转移、高端资源错配与创新绩效——基于医药制造业数据的门槛机理［J］.系统工程，2019（5）：62-70.

［17］康鑫，刘美芯.技术创新网络分裂断层、知识权力与创新独占性——知识势差的调节作用［J］.科技进步与对策，2021（8）：9-15.

［18］FengGuo，HuXinjie，WangKai，etal.ExecutivesForeignWorkExperienceandInternationalKnowledgeSpillovers：EvidencefromChina［J］.EmergingMarketsFinanceandTrade，2023，59（3）：754-771.

［19］郭伟，郭童，耿晔强.数字经济、人力资本结构高级化与企业全要素生产率［J］.经济问题，2023（11）：73-79+129.

［20］刘友金，周健，曾小明.中国与“一带一路”沿线国家产业转移的互惠共生效应研究［J］.中国工业经济，2023（2）：55-73.

［21］方冬莉.数字经济对中国城市能源利用效率的影响——基于技术赋能和技术外溢视角［J］.资源科学，2023（2）：296-307.

［22］盛明泉，项春艳，盛安琪.人才政策支持与企业全要素生产率［J］.财经问题研究，2022（12）：104-116.

［23］郑万腾，赵红岩，陈羽洁，等.技术扩散能否成为区域创新效率提升的新动能——研发要素流动视角［J］.科技进步与对策，2020（21）：56-63.

［24］李雪，吴福象，竺李乐.互联网发展水平、知识溢出与区域创新能力［J］.经济经纬，2022（3）：15-25.

［25］吴明琴，童碧如.产业集聚与企业全要素生产率：基于中国制造业的证据［J］.产经评论，2016（4）：30-44.

［26］李晓翔，张树含.烙印视角下初始资源禀赋对中小企业可用资源的作用研究［J］.管理学报，2022（8）：1134-1142.

［27］BlouchRiffat，KhanMuhammadMajid，ShakeelWajid.Abottom-uproleofinformationasymmetry：openingtheblack-boxoffirmsresourceallocationmechanism［J］.GlobalKnowledge，MemoryandCommunication，2023，72（1-2）：210-230.

TechnologicalIntegrationInnovation，KnowledgeSpillover，andTotal

FactorProductivityofEnterprises

XUEYing1，ZHAOWenkai2

（1.ShanghaiLixinUniversityofAccountingandFinance，SchoolofFinance，Shanghai201209，China；

2.ShandongProvincialAuditOffice，Jinan250012，China）

Abstract：Technologicalintegrationinnovation，asanimportantmeansforenterprisestoenhancetheircorecompetitiveadvantage，injectsinnovationmomentumintoimprovingthetotalfactorproductivityofenterprisesbylinkingtechnologyinnovationnetworkstoobtainvariousfactorresources.Basedonthesampledataof1208A-sharemanufacturinglistedcompaniesfrom2010to2021，itempiricallyanalyzestheimpactoftechnologyintegrationinnovationontotalfactorproductivityofenterprises.Theresearchresultsshowthattheimprovementoftechnologyintegrationinnovationlevelcanpositivelyaffectthetotalfactorproductivityofenterprises，knowledgespilloverplaysamediatingroleintheprocessofenhancingenterprisetotalfactorproductivitythroughtechnologicalintegrationinnovation，asthedegreeofindustrialagglomerationincreases，thepositiveimpactoftechnologicalintegrationinnovationontotalfactorproductivityofenterprisesissignificantlyenhanced.Furtherresearchandanalysisindicatethatthebettertheresourceendowmentconditions，thestrongertheempoweringeffectoftechnologyintegrationinnovationonthetotalfactorproductivityofenterprises.Accordingly，itisproposedtoreshapethemulti-nodeinteractiveecologicalinnovationnetworktoeffectivelyimprovethetotalfactorproductivityofenterprises，buildacross-spaceknowledgeresourceagglomerationplatformtoexerttheknowledgefactorspillovereffect.

Keywords：technologicalintegrationinnovation;knowledgespillover;totalfactorproductivityofenterprises;industrialagglomeration

（责任编辑：李江）