高铁连通对企业跨区域合作创新的影响及作用机制

王雨飞 王云辉 许可 曹清峰

摘要 创新主体之间的跨区域合作是应对并解决现有企业创新需求的有效手段，是发挥创新合力打造科技创新共同体的重要形式。该研究从企业跨区域合作创新的视角，基于2005—2019年高铁连通与“企业-城市关系对”的合作专利申请的面板数据，采用多期双重差分法，实证检验高铁连通促进企业跨区域合作创新的影响及作用机制。研究发现：①企业所在城市与合作对象所在城市高铁连通显著提升了企业合作专利申请的数量，该结论在经过内生性检验、平行趋势检验、安慰剂检验和稳健性检验后依然稳健；②在高铁连通影响下，企业跨区域合作创新对象的数量明显增加，但主要分布在近距离及近距离的中心城市范围内，整体呈现“散中有聚”的空间收缩效应和空间分级效应；③高铁连通还使得企业合作创新质量得到提升，将近距离范围内的低质量合作创新转化为高质量的合作创新，呈现空间上的分层效应。进一步研究发现：①高铁连通主要促进了非制造业企业的合作创新，而对制造业企业的促进效果不显著；②高铁连通使国有资本背景的企业跨区域合作专利申请的数量得到提高，而对民营、外资和其他企业的影响不显著；③高铁连通更能提高规模较大企业的合作创新水平，但对规模相对较小的企业作用不显著。该研究结论可为国家推动企业牵头组建创新联合体，完善创新体系建设提供新思路；建议持续优化完善高铁主干及支线网络布局，将更多潜力城市接入高铁网络。

关键词 高铁连通；企业；合作创新；空间优化

中图分类号 F270. 3 文献标志码 A 文章编号 1002-2104（2024）05-0149-13 DOI：10. 12062/cpre. 20231218

创新是巩固企业竞争优势、引领经济增长的动力源泉。在中国经济转向高质量发展的新阶段，企业强化市场竞争力的本质是依赖创新实现技术水平的进步与应用水平的提升［1］。在新一轮科技革命和产业变革加速演进的背景下，企业创新面临的关键核心技术往往涉及综合性交叉性问题，其研发非单一创新主体能够承担与完成，亟须组织国内联合攻关，实现各项资源要素的配置及互补。党的十九届四中全会提出建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，支持大中小企业和各类主体融通创新。党的二十大报告也明确提出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。强化企业科技创新主体地位，发挥科技型骨干企业引领支撑作用。2021 年5 月，习近平在全国两院院士大会上强调，要增强企业创新动力，要发挥企业出题者作用，加快构建龙头企业牵头、高校院所支撑、各创新主体相互协同的创新联合体。在党和国家的政策支持下，企业或校企的跨区域合作也取得了较为突出的成绩。同年，由国家能源集团宁夏煤业有限责任公司牵头联合中国科学院山西煤炭化学研究所、沈阳透平机械股份有限公司、内蒙古伊泰集团有限公司等20余家科研院所和企业单位，通过跨区域的协同研究和技术交流，成功攻关37项重大煤制油技术，打破国外在该技术领域的垄断。实践证明，创新主体之间的跨区域合作是解决创新需求的有效手段，也是发挥创新合力打造科技创新共同体的重要形式。

对企业而言，合作创新可以促进各类优势资源集聚，有利于企业控制成本，提高研发创新的效率，实现知识在创新链各环节上的交流共享，有利于创新主体间的技术扩散［2］。2008年以来，中国企业合作专利申请的数量增长约10倍，构成专利总量的重要组成部分，成为企业创新的关键组织形式。企业合作创新的快速增长，主要得益于两种成本的降低：一是搜寻与匹配成本。市场中存在多种影响合作双方搜寻与匹配的障碍，例如资源开发成本、信息获取与交互成本等。二是面对面交流成本。面对面交流是创新主体间开展合作的重要渠道［3］，而跨区域的面对面交流必然伴随着相应的交通成本［4］。无论是搜寻与匹配还是面对面交流，都在一定程度上受到时空距离因素的制约。交通基础设施尤其是近年来高铁网络化的快速发展，极大地压缩了城市之间的时空距离［5-6］。高铁开通后，跨区域合作的距离障碍被打破，合作创新主体间的搜寻与匹配和面对面交流成本得以降低，有利于企业合作关系网络的扩张，促进了企业的合作创新。此外，相较汽车、航空等交通运输方式，高铁具有速度快、准点率高和上下车流程简便等优势，能充分满足时间敏感型商务人士的出行要求，成为促进企业合作创新的有力载体。因此，探讨高铁连通影响企业合作创新的作用机制，对国家推进交通强国建设，推动企业牵头组建创新联合体，提升企业创新水平，加快实现高水平科技自立自强具有一定的理论和现实意义。

1 文献综述与研究假设

1. 1 文献综述

现有研究基于企业和城市的视角，对高铁的创新效应展开了丰富的讨论。已有研究普遍认为，高铁开通显著提升了企业和区域的整体创新水平［7-8］，但在行业性质、城市规模、城市区位等维度存在差异化影响。从行业维度来看，那些对创新依赖程度更大、创新强度更高的行业，高铁开通对沿线企业创新产出的增长效应更明显［9］；从城市维度来看，东部沿海发达城市的高铁开通对创新活动的促进效应更强，而中部和西部等相对欠发达地区的创新发展，却难以充分享受到由高铁开通带来的正向推动作用［10］，进一步拉大了高铁城市和非高铁城市间的创新差距［7］。在机制分析中，现有研究大多在要素流动框架下，研究了通过提升高铁沿线企业本科及以上学历员工和技术员工占比［9］、降低地区间的贸易成本和促进区域间人力资本迁移［11］、加速信息与技术等创新要素的跨区域流动和促进企业的创新投资［12］等路径提高企业的创新产出水平，重塑了中国区域创新空间结构。

事实上，跨区域合作可以搭建创新主体之间的创新平台，形成长效机制，共享优质创新资源，在实现技术互补的同时有利于技术的扩散与传播［13］。高铁作为跨区域连通的交通纽带，应该在这种跨区域的合作创新中发挥更重要的作用。关于高铁对合作创新的影响研究，易巍等［14］重点研究了学术会议举办、科技服务和技术转让等途径对高校创新知识传播的影响；Dong等［ 15］基于论文合作数据研究了不同科研单位的合作创新；Hanley等［ 16］验证了高铁连通拓展了城市合作创新的扩展边际与集约边际，促进了城市间合作创新数量的增加。然而，已有研究无论是从企业还是城市视角，大多基于企业整体创新水平而未深入考虑合作创新过程。尽管少数学者尝试通过高校和科研单位的视角来研究合作创新，但也仅局限于论文的合作发表、学术会议的举办等途径，缺乏对创新主体之间跨区域合作专利的深入分析。因此，本研究从企业之间、企业与科研院所之间跨区域创新合作的视角切入，更有针对性地研究高铁连通对企业跨区域合作创新的影响。

本研究将两两城市连通高铁看作一项准自然实验，采用多期双重差分法进行实证检验，可能的创新与边际贡献在于：①在研究视角上，从更加微观的企业跨区域合作创新的视角切入，基于“企业-城市关系对”的合作专利申请数据和两两城市间高铁连通数据，深入探究高铁连通对企业跨区域合作创新的影响效应，拓宽了国内关于高铁与企业创新方面的实证研究。②在机制分析中，纳入了企业所在城市与合作对象所在城市间的空间距离，侧重研究高铁连通影响下的企业合作专利的空间分布和演变规律，提出高铁连通使企业跨区域合作创新呈现“散中有聚”的空间特征，存在合作对象的空间收缩、空间分级效应，以及创新质量的空间分层效应。

1. 2 研究假设

创新是企业保持增长活力、获得持续发展的内生动力［17］。受限于自身规模、周边环境和发展周期等的约束，企业创新往往因为难以突破组织和技术边界陷入内部创新瓶颈［18］。随着经济活动的多元化与知识结构的密集化，企业对创新资源的搜索不再局限于有限的内部空间，开始向更远空间范围的外部创新主体寻求创新合作［19］。为了应对各种创新挑战，企业不仅需要寻求与之具有互补性或相关业务领域的其他企业合作，与高校、科研院所开展产学研合作也是其合作创新产出的重要来源［20］。企业与多元创新主体通过建立合作伙伴关系并搭建创新团队，能够充分发挥各创新主体的优势，促进知识、技术的学习交流及软硬件资源的互补共享，有利于弥补企业在资源和能力上的缺陷，有助于创新主体共同突破困境［21］，进一步扩大企业的市场份额［22］。因此，企业对外寻求合作创新具有强大的内生动力。

知识管理理论认为，企业通过提高外部知识搜寻的宽度和深度，来提高创新主体间知识转移水平，进而提升创新绩效［23］。外部知识搜寻的宽度即为企业选择创新合作对象的筛选范围与匹配路径，会受到时空距离和搜寻成本等因素的影响。传统理论认为受地理空间分割的影响，企业创新合作对象的选择只能局限在一定范围内，合作主要建立在基于社会网络关系产生的信任依赖上。高铁的连通打破了受地理空间和社会关系属性影响的合作模式，能够扩大企业搜寻合作对象的选择空间，促进知识与想法以更快的速度向更远的地方扩散［15］，使企业对外合作的空间半径得到延展［5］。连通高铁的城市间往来的时间距离被大幅压缩，降低了企业对合作对象的搜寻和匹配成本，实现搜寻和匹配路径的优化［21］。外部知识搜寻的深度即为企业与创新合作对象之间建立的信息交流与知识共享机制［24］，通过降低彼此之间的信息不对称来提高创新产出。合作创新是一项长期且复杂的经济活动，需要企业与合作对象在创新的全过程或某些重要环节共同投入、共同参与、共享成果、共担风险。因此，相比单纯的技术转移，合作创新的主体之间更加重视信任关系的建立，以便传递更加复杂的隐性知识［25］，而社交场合的互动和非正式的私人交流都有助于创新主体之间合作关系的稳固［26］。高铁连通为企业与创新合作对象面对面交流提供了便利条件，有助于创新主体之间信任关系的建立与巩固，有效缓解了企业与合作对象之间的信息不对称问题。

综上所述，“企业-城市关系对”是指企业与合作对象所在城市构成的创新合作关系。城市间连通高铁，让企业与合作对象之间的交通更加便捷，从创新主体间合作的宽度与深度两个层面推动了企业与异地城市开展更多的合作创新。据此本研究提出假设1。

H1：企业与合作对象所在城市连通高铁后，合作创新产出显著提高。

高铁对合作创新的促进效应存在距离上的最优作用半径［5］。最优作用半径以内，高铁在时间和空间方面的优势得到了充分发挥，有利于创新主体间的交流与沟通，不仅提高了企业搜寻与匹配合作对象的数量和范围，呈现空间上的扩散效应；还有助于企业通过学习和模仿优质对象获得技术进步，增加了合作研发过程中高价值创新产出的比例，企业合作创新的质量得到提高［8］。超出该半径范围后，随着地理距离的增加，一方面高铁的交通运输成本和时间成本不断增加，与航空运输相比的优势逐渐减弱［27］；另一方面创新主体间的交流、匹配效率也持续降低，既不利于原有合作关系的巩固，也不便于优质合作对象的寻找［9］。因此，高铁连通会促进企业与更多合作对象在近距离空间范围内开展异地城市合作创新，呈现出“散中有聚”的空间分布特征。

城市间连通高铁将增加企业合作创新的对象，但企业在选择合作对象时会存在选择偏好，进而影响合作创新的质量。合作创新与技术扩散的最大不同在于资源交换与能力互补，即合作创新强调双方在资源条件和技术水平上的相似或一致性［28］。因此，合作创新更强调“势均力敌”合作，而技术扩散更多是“自上而下”传播。考虑到中国高铁网络规划具有一定的政策倾向性，高铁网络扩展的路径表现为中心城市先连接成骨干网络，非中心城市作为支线节点陆续接入骨干网络的过程。因此，企业更倾向于在具有区位优势的中心城市寻找相似、互补的合作对象，通过有效整合创新对象的各类资源，借助技术上的互补优势，从而形成合作对象的空间分级效应。高铁连通带来的区域间交流成本下降，会吸引企业与更加优质的异地合作对象开展更加复杂的合作创新，从而提高创新质量、形成创新质量的空间分层效应。

综上所述，高铁连通对企业跨区域合作创新的影响呈现出“散中有聚”的空间分布特征。其中：“散”是指高铁连通后，企业合作创新数量与对象均显著增加，呈现出空间扩散效应。“聚”不仅是指企业合作对象主要收缩到近距离空间范围内，具有空间收缩效应和空间分级效应；还指企业间近距离合作创新的质量得到提升，具有合作创新质量的空间分层效应。据此本研究提出假设2。

H2：高铁连通会促进企业与更多城市合作对象在近距离空间范围内开展与异地城市合作创新，存在“ 散中有聚”的空间收缩效应和空间分级效应，以及创新质量的空间分层效应。

2 研究设计

2. 1 方法选择与模型设计

将高铁连通看成是一项准自然实验，采用多期双重差分模型，利用1 354 家上市公司与合作对象在2005—2019年异地合作专利申请的面板数据，构建如下基准回归模型：

ln Patijt = α0 + α1Connectijt + φij + μit + δjt + εijt （1）

式中：ln Patijt 为被解释变量，表示第t 年上市公司i 与合作城市j 所有的合作对象合作专利申请的总量取自然对数，以此衡量上市公司异地合作创新水平。下标i 表示上市公司，下标j 表示合作创新对象所在城市，t 为年份。解释变量Connectijt 是高铁连通的虚拟变量，若上市公司i所在城市与合作对象所在城市j 在第t 年连通高铁，则虚拟变量赋值为1，否则为0。α0为常数项，α1为解释变量的系数。本研究还在模型中加入了多维固定效应，即同时固定上市公司i 和城市j 的个体固定效应φij、上市公司i 的年份固定效应μit、城市j 的年份固定效应δjt。需要说明的是，通过控制μit 将企业层面和城市层面的固定效应同时控制住［29］，因此无须再添加各年份的控制变量。εijt 为随机扰动项，由于两个城市间的扰动项一般存在自相关，导致独立同分布假设前提下的估计标准误有偏，因此使用聚类标准误的方法对标准误进行调整，将标准误聚类在企业-城市对层面。

另外，关于被解释变量衡量指标的选取，现有研究一般采用专利申请或专利授权数量来衡量企业创新水平。本研究选用合作专利申请数量衡量企业合作创新水平，主要出于以下两个方面的考虑：一是专利从提交申请到授权公布大约需要18个月的时间周期，专利授权数据存在较大的滞后性；二是专利一旦提交申请，就意味着企业与合作对象之间已经完成了初步的创新合作。因此，专利申请完全可以认定企业合作创新的事实。

2. 2 数据来源与处理说明

数据主要包括企业和城市两个层面，考虑到对照组包含高铁开通前的样本，因此将样本区间设置为2005—2019年。考虑样本量的完整性，企业层面的研究样本为国内全部板块的上市公司中拥有异地合作专利申请的1 354家上市公司。异地合作专利申请数据来自Patsnap专利数据库，其他如上市公司名单、产业性质、股权性质等相关数据来自国泰安（CSMAR）数据库和国家企业信用信息公示系统。城市层面的研究样本数量为284个地级及以上城市，剔除了样本区间内发生行政区域或等级调整的地级市：三沙市、儋州市、铜仁市、毕节市、日喀则市、昌都市、林芝市、山南市、那曲市、武威市、海东市、吐鲁番市、哈密市。高铁连通等数据来自中国铁道出版社历年出版的《全国铁路旅客列车时刻表》，其他如城市名单等数据来自历年《中国统计年鉴》《中国城市统计年鉴》，以及各省份和各城市的统计年鉴。

2. 2. 1 被解释变量

采用上市公司与合作对象异地合作专利申请（包括发明、实用新型、外观设计3类专利）的数量衡量企业合作创新产出。现有研究多使用论文、研发经费、科技人员、新产品等指标来测度创新，本研究选用合作专利申请数据具有一定的优势和特色：一是专利包含的信息更为丰富，包含发明人和所有权人的姓名和地址、专利的数量和内容、技术分类、市场估值、引用的专利等；二是专利的主体多为企业，符合本文的研究设计；三是专利更侧重于创新的产出，通常以商业化为目的，能够为申请人带来预期回报，更偏向于应用落地。为控制异方差问题和修正统计偏误，参考陈婧等［30］的处理方法，对被解释变量均采取专利数量加1取自然对数的做法。

2. 2. 2 解释变量

解释变量为上市公司所在城市与合作对象所在城市间高铁连通的虚拟变量，这里的高铁包括C字头（城际动车组）、D字头（普通动车组）和G字头（高速动车组）列车。需要指出的是，现有研究大多使用CNRDS平台上的高铁站点数据，通过识别城市有无设置高铁站来确定单个城市是否连通高铁，而本研究则是通过《全国铁路旅客列车时刻表》公布的高铁线路与停靠信息来确定两两城市间的高铁连通与否，相比之下本研究中城市对的高铁连通数据更为精确。

2. 2. 3 其他变量

本研究还涉及时间距离、车次频率、专利被引、专利价值、专利知识宽度等数据的使用。时间距离指的是高速铁路、普通铁路、高速公路、普通公路4种交通工具下的最短通行时间，因航空与其他交通工具时速相差较大［31］，故未将航空纳入其中。首先，参照国家铁路局和《公路工程技术标准》的相关规定，设定G、C字头列车的平均时速为300km，D字头列车的平均时速为200 km，普通铁路的平均时速为140 km，高速公路的平均时速为100 km，普通公路的平均时速为60 km。其次，参考王雨飞等［31］的方法，时间距离的计算采用真实的交通距离而非空间地理距离除以交通平均时速。车次频率指的是两两城市间高铁通车的车次总数，其中包括C、D、G字头列车。专利被引、专利价值分别指代专利被引用的次数、专利的市场估值。专利知识宽度借鉴Akcigit等［32］的方法，采用专利的行业大类总数/门类总数来衡量。

2. 3 变量描述

表1汇报了主要变量的描述性统计结果。图1显示了2005—2019年连通高铁和未连通高铁的城市拥有的上市公司合作专利申请数量的变化趋势。从图1可以看出，连通高铁和未连通高铁城市上市公司合作专利申请总数均呈现总体增长的趋势，但连通高铁城市的增长速度明显高于未连通高铁城市；而且连通高铁与未连通高铁城市合作专利申请数量的差距从2009年开始逐渐增大，在2018年达到最大。

3 实证结果分析

3. 1 基准回归分析

表2列（1）汇报了企业全部异地合作专利申请量的回归结果，在控制企业和年份双向固定效应后，估计系数在10%的水平上显著为正，初步说明企业所在城市连通高铁促进了企业的合作创新。列（2）—列（4）汇报了“企业-城市关系对”专利申请量取自然对数的回归结果。结果显示，在仅纳入企业-城市关系对固定效应后，列（2）解释变量系数在1%的水平上显著为正。列（3）仅纳入企业-年份和城市-年份固定效应，列（4）同时纳入企业-城市、企业-年份和城市-年份的多维固定效应后，估计系数仍在1%的水平上稳健显著为正，即两两城市连通高铁使上市公司异地合作专利申请量提高0. 10%，证明高铁连通对企业的合作创新具有促进作用。

基准回归结果显示高铁连通会对企业合作专利申请产生显著影响，然而从拥有合作意向到提出专利申请也需要一定时间周期，因此合作专利申请数据也可能存在一定的滞后效应。本研究在基准模型的基础上纳入了对合作专利申请滞后期的检验，检验结果发现仅滞后一期的结果在10%的水平下勉强通过了显著性检验，见表2列（5）。从系数来看，高铁连通当年会使得上一年合作专利申请数量增加0. 07%。与基准回归结果对照来看，高铁连通当年对合作专利申请量的影响（增加0. 10%）要大于对上一年合作专利申请量影响，表明高铁连通当年对合作专利申请量的影响更加显著。

缓解内生性问题是经济学定量分析中不可忽视的重要环节。一方面，影响企业合作创新的因素有很多，高铁连通只是其一，遗漏变量的问题是普遍存在的；另一方面，高铁站点的选址可能与城市的经济发展水平相关，而城市经济的高质量发展也为企业的研发创新提供了良好的外部环境，会间接影响企业的合作创新，因此高铁连通与企业合作创新之间可能存在反向因果关系。为了缓解因遗漏变量和反向因果造成的内生性影响，本研究尝试寻找工具变量以解决内生性问题，识别高铁连通对企业合作创新影响的净效应。

根据1948年的《中国铁路交通地图》，以城市间是否开通铁路的数据构造工具变量，采用两阶段最小二乘法（2SLS）进行回归检验。《中国铁路交通地图》展示出京广、京沪、京哈、陇海、沪昆等线路的“雏形”。例如，京广线在武汉断开、京沪线在南京断开（两座长江大桥尚未修建），沪昆线只修到了株洲，陇海线只修到了天水。以上线路正是2016年《中长期铁路网规划》中提及的需要较早布局修建的高铁线路，高铁线路的选址与1948年的铁路线路高度吻合，可以推断历史上铁路连通的城市极有可能也是高铁通车的城市。因此，选取历史铁路通车数据作为高铁通车的工具变量可以满足相关性要求。由于本研究的样本时间为2005—2019年，因此1948年的铁路通车情况不会直接影响现阶段企业合作创新能力，满足工具变量的排他性约束。

鉴于1948年城市间是否有铁路连通为不随时间变化的截面数据，进一步参考了黄群慧等［33］构造工具变量的办法，在城市间历史铁路连通数据基础上，构造了各城市1948年铁路连通数据（与个体变化有关）与上一年城市间高铁通车车次（与时间变化有关）的交互项作为城市间高铁连通的工具变量。表2的列（6）汇报了2SLS第一阶段回归结果，工具变量系数在1%水平上显著为正，且检验弱工具变量识别的Kleibergen?Paap rk Wald F 统计量为215. 650 0，超过10%检验水平临界值16. 380 0［34］，说明不存在弱工具变量问题。列（7）汇报了2SLS第二阶段的回归结果，表明高铁连通使沿线企业异地合作专利申请量得到提升，与前文回归结果基本一致。

3. 2 机制检验

3. 2. 1 合作对象的空间收缩效应

科技创新具有前期投入巨大、风险性高、周期长的特点，为规避风险，企业更多选择合作的方式弥补技术短板实现技术创新，因而企业创新具有明显的正外部性［35］。技术人员、工程师间的技术交流增进了不同创新主体的学习与模仿，这种知识的外部溢出促进了企业的创新发展。交通在这些技术交流与扩散中发挥了重要的载体作用，尤其是以高铁为代表的快速交通网络的形成，对企业合作创新起到了加速作用。高铁连通前，企业间知识溢出的速度和范围有限，技术的交流与合作局限在较低的效率和较小的范围内。高铁连通带来的时空压缩效应加速了企业间的知识溢出，提高了企业间面对面交流与合作的效率。更为重要的是，高铁的连通降低了企业与合作对象的搜寻成本，企业的探寻空间向外拓展，可选择的合作对象与合作机会增加，突破了过去“同城合作为主、邻近交流为辅”的合作局限，企业合作专利申请的数量随之增加。

为验证城市间高铁连通是否通过增加企业合作对象的数量进而提高企业异地合作专利申请的数量，设置了变量Objectijt 为上市公司i 与城市j 的创新合作对象数量。回归结果见表3。列（1）为检验合作对象数量的结果，估计系数在1%的水平上显著为正，说明上市公司所在城市与其合作对象所在城市连通高铁，使得上市公司异地创新合作对象的数量提高0. 09%，验证了高铁连通增加了企业合作对象的数量这一机制。继续将上市公司所在城市与合作对象所在城市的地理距离纳入回归方程，并根据距离的中位数，分别构建近距离和远距离两个虚拟变量与高铁连通的交互项Connect_S 和Connect_L，检验企业合作对象数量的增加在空间分布上是否存在一定规律。列（2）结果显示，高铁连通使得上市公司的合作对象在近距离范围内显著增加，且其估计系数明显高于列（1）不考虑地理距离的全部合作对象数量的估计系数，但远距离的合作对象估计系数并不显著。结合列（1）的结果可以认为，高铁连通使得上市公司合作对象的数量增加，即高铁连通对上市公司合作专利申请具有空间扩散效应；但从合作对象的空间分布来看，上市公司合作对象的增加又具有空间收缩效应，仅在其方圆1 000 km以内的近距离空间范围内显著增加。综上，高铁连通对上市公司合作创新的影响呈现出“散中有聚”的空间分布特点，验证了研究假设2中对合作对象的空间收缩效应。近距离合作对象数量的增加降低了企业对外联系的时间成本和经济成本，实现了企业合作创新的空间优化。

3. 2. 2 合作对象的空间分级效应

在前文得出高铁连通使得上市公司的合作对象具有空间收缩效应结论的基础上，本研究将进一步检验上市公司在前文验证的近距离即1 000 km（按中位数划分）范围内，选择合作对象时是否存在对优势地区合作对象的选择偏好［36］，形成空间分级效应。将样本中的284个地级及以上城市按照中国城市行政等级划分为35个中心城市和249个非中心城市。其中，中心城市是指直辖市、副省级城市、计划单列市或省会城市。出于稳健性考虑，还采用了另外两种城市分级的方法：一是采用“八纵八横”重要节点城市作为中心城市对样本城市进行分类；二是参考国务院2014年颁布的《关于调整城市规模划分标准的通知》，将284个地级及以上城市，按照大规模以上城市和大规模以下城市的标准，重新划分为中心城市和非中心城市。

根据两两合作城市地理距离的中位数将样本划分为近距离范围和远距离范围两组，并继续将组内城市按照上述方法细分为中心城市和非中心城市，以此检验高铁连通提升了城市间的可达性后，上市公司在选择合作对象时对城市等级是否具有偏好性。表4列（1）—列（3）分别报告了在城市行政等级划分、“八纵八横”重要节点城市划分、城市规模划分标准下对合作对象所在城市等级分类得到的回归结果。

表4的结果显示：以列（1）为例，高铁连通两两城市后，显著提升了上市公司与近距离所有城市的合作对象的专利合作数量，但从系数上来看，上市公司与位于近距离的中心城市的合作对象专利合作数量提升了0. 72%，明显高于与近距离非中心城市的合作对象专利合作数量的提升（0. 09%）；高铁连通反而降低了上市公司与远距离非中心城市合作对象专利合作的数量，回归系数显示该数值下降了0. 09%，但与远距离中心城市的合作对象没有通过显著性检验。3种合作城市分类方法得出的结论在显著性上表现出高度一致性，只存在系数大小的细微差别，证明了回归结果的有效性。综上，高铁连通后，上市公司选择合作对象时不但会向近距离范围内收缩，还会聚焦在近距离的中心城市，验证了研究假设2中高铁连通对合作对象的空间分级效应。

3. 2. 3 创新质量的空间分层效应

高铁连通使得上市公司显著增加了近距离合作对象的数量，那么上市公司与近距离合作对象合作专利申请的数量是否有增加呢？本研究将样本中的企业-城市对合作专利申请数量面板数据按照上市公司所在城市与合作对象所在城市地理距离的中位数，分解为上市公司与近距离城市合作专利申请量、上市公司与远距离城市合作专利申请量两个虚拟变量，并与高铁开通变量进行交互。表5的列（1）显示，高铁连通显著增加了上市公司与近距离合作对象合作专利申请的数量，而与远距离的合作对象合作专利申请数量回归系数为负，没有通过显著性检验。

考虑到在合作专利申请数量提升之外，创新质量也是企业合作创新水平的重要体现，因此将合作创新质量纳入模型，进一步探讨上市公司与近距离合作对象增加的合作专利申请质量的空间演变规律。从技术研发的视角来看，专利的知识宽度代表了所包含知识信息的广泛性与复杂性，体现了合作创新的广度与深度；从市场应用的视角来看，专利的市场估值代表了专利所能带来的预期经济价值，体现了合作创新的市场认可度［ 34］；从技术创新影响力的视角来看，专利被引量越高说明该专利的认可度越高，专利技术的重要程度也越高。因此，3个指标在一定程度上都反映了专利的质量，可以作为衡量企业合作创新质量的指标。本研究取全样本专利知识宽度、市场价值、专利被引量的中位数作为评估专利质量高低的标准，进一步检验高铁连通对合作创新质量的影响。

表5的列（2）—列（4）分别是专利知识宽度、市场价值、专利被引量的回归结果。结果表明，高铁连通不但显著提升了近距离高质量合作专利申请量，还显著降低了近距离低质量的合作专利申请量，而且3种指标的检验结果在系数的大小、符号，以及显著性上均高度一致。因此，可以认为高铁连通能够增强上市公司对近距离范围内合作对象的搜寻能力与联系强度，有利于开展更高复杂度、更高市场价值和更高影响力的高质量的跨区域合作创新。综上，高铁网络的建设将在一定范围内将一些低质量的企业合作创新转化为高质量的企业合作创新，推动了合作创新质量的优化升级，验证了研究假设2中高铁连通对创新质量的空间分层效应。

4 稳健性分析

4. 1 平行趋势检验

双重差分法的一个重要前提是平行趋势假设，即高铁连通后的城市与连通前的城市具有相同的时间趋势。参考Moser等［37］采用事件研究法检验高铁连通前后城市的平行趋势，模型设定如式（2）所示：

图2为窗口虚拟变量系数所作95%置信区间图。可以看出，在高铁连通的前8 年到前2 年，事件虚拟变量Vtij0 + m 的估计系数均为负且不显著，说明未连通高铁的城市和连通高铁的城市并无显著差异，验证了平行趋势假设；在高铁连通的当年到后2年，事件虚拟变量Vtij0 + m 的估计系数均为正但不显著；高铁连通后的第3年以后，估计系数显著为正且越来越大，说明高铁连通的效应具有长期性，3年以后高铁对企业合作创新具有持续累积的促进效应。

4. 2 稳健性检验

4. 2. 1 替换变量检验

高铁连通节约了城市间通行的时间成本，而城市间高铁运行车次的增加能够提高出行的概率，更多的车次意味着有更多的出行选择。因此，使用普通铁路、高速公路、普通公路、高速铁路4种交通方式下的最短时间距离及高铁运行的车次频率来替换基准回归中的解释变量，结果见表6列（1）—列（2），回归结果依然在1%水平上显著为正。如果合作专利申请是评估企业合作创新的意向和过程，那么合作授权专利数量则是企业合作创新的最终产出。用企业合作授权专利数替代被解释变量企业合作专利申请数进行稳健性检验，结果见表6列（3），回归结果在10%的水平上显著为正，城市间连通高铁可以让企业合作授权专利数量提升0. 04%。综上，替换了解释变量和被解释变量后，回归结果依然稳健。

4. 2. 2 堆叠双重差分估计

将两两城市连通高铁看作一项准自然实验，假定“高铁连通”这一事件作为外生冲击，采用多期双重差分模型，并在模型中纳入多维固定效应，检验高铁连通对企业异地合作创新的影响。由于高铁线路的建设是陆续开展的，并且不同线路建设的时间周期也不相同，因此城市间连通高铁的年份并不一致，导致了高铁连通这一政策冲击并不严格于同一时点发生，因此每个城市对个体的时间趋势也不一样，先连通高铁的部分对照组样本可能被重新当作处理组样本，从而导致估计偏误［38］。考虑到高铁连通的时间不是统一的，本研究参考Cengiz等［39］的做法采用堆叠双重差分法进行估计，结果见表6列（4）。回归结果通过了10%的统计显著性检验，且与基准回归结果十分接近，证明基准回归结果是稳健的。

4. 3 安慰剂检验

为检验基准回归结果是否由某些不可观测因素导致，进一步采用随机化处理组、对照组的方法实现安慰剂检验。

参考曹清峰［ 40］等研究，采取随机化处理组和对照组的方式来进行安慰剂检验（Placebo Test）。整体思路为：先将所有样本视为对照组，从中随机选择高铁连通的年份，再对随机年份下的样本进行随机抽样作为处理组，其余样本为对照组，最后对随机化后的高铁连通虚拟变量重新估计基准回归1 000次。图3为估计结果的核密度分布图，该图呈正态分布，均值为-0. 000 006 4，远小于基准回归结果中的真实估计系数0. 001 0（表2列（4）），且随机估计系数大于0. 001的样本占比为0. 8%，小于10%，故这里可以认为高铁连通对企业合作创新的影响并不是由某些偶然因素引起的。

4. 4 异质性检验

从企业的视角来看，高铁的连通可能因为上市公司所在行业、股权性质、企业规模的不同而对企业的合作创新产生差异化的影响，因此进一步探究企业视角下高铁连通对不同行业、不同股权性质、不同企业规模的上市公司对外合作创新的影响。

4. 4. 1 上市公司行业异质性分析

制造业直接体现了国家的生产力水平，是构成国民经济的主体部分，制造业产品具有标准化的特点，其技术创新主要是生产工艺的迭代优化，通过企业自主研发来实现［41］。非制造业中包含了对人才、信息等资源需求更强的信息传输、软件和信息技术等高新技术产业，产品具有差异化的特点，更依赖面对面交流带来的个性化创新产出；这部分产业还具有极强的技术创新意愿，研发投入和人才培养形成的创新基础较好，对外合作创新的频率更高［42］。高铁连通带来的时空压缩效应，有效地节约了技术人员之间面对面沟通的成本，促进了人员间的交流互动，由人员流动带来的知识溢出效应也促进了技术上的合作创新［43］，因此本研究预期高铁连通对非制造业的合作创新影响更大。通过识别上市公司所属行业代码将其分为制造业（Manufacture）和非制造业（NManufacture）。表7列（1）结果显示：高铁连通与非制造业企业交互项的估计系数在5%的水平上显著为正，而与制造业企业交互项的系数却并不显著，这说明高铁连通使得属于非制造业的上市公司异地合作专利申请量提高了0. 21%，故高铁连通将主要促进非制造企业的合作创新。

4. 4. 2 上市公司股权异质性分析

徐明东等［44］通过研究发现，国有企业对资本成本的反应不敏感，民营、外资和其他企业对资本成本的反应较为敏感。李春涛等［45］通过研究中国制造业企业数据指出，国有企业在R&D投入和产出方面均显著高于非国有企业。为进一步探究高铁连通对上市公司对外合作创新是否因股权产生异质性影响，根据上市公司的股权性质将其分为国有企业（SOE）、民营企业（PRI）、外资企业（FOR）和其他企业（RES）。表7列（2）结果显示：高铁连通与国有企业交互项的估计系数在1%的水平上显著为正，这说明高铁连通使国有资本背景的上市公司异地合作专利申请量提高了0. 19%，而对民营、外资和其他企业的影响不显著。事实上，技术创新需要大量的R&D投入，且回收周期长，短期内很有可能无法营利，企业创新由国有企业率先发力，带动社会资本和民营、外资和其他企业逐渐参与进来。

4. 4. 3 上市公司规模异质性分析

规模相对较大的上市公司拥有更为丰厚的资金、更加充足的人才储备、更为优质的设施环境，为高铁连通促进企业的合作创新提供了有利条件。本研究以总资产作为衡量上市公司规模的代理变量，根据上市公司总资产规模的上中下三分位数将其分成大规模上市公司（Scale_L）、中等规模上市公司（Scale_M）、小规模上市公司（Scale_S）。表7列（3）结果显示：高铁连通与大规模上市公司交互项的估计系数在1%的水平上显著为正，而与中等规模和小规模上市公司交互项的系数却并不显著。这说明高铁连通主要使大规模上市公司的对外合作申请专利量提高了0. 27%（表7列（3）），相比于规模相对较小的上市公司，高铁连通后更能提高规模较大上市公司的对外合作创新水平。

5 结论与政策建议

中国已经建成了世界上规模最大和现代化水平最高的高铁网络，交通基础设施的快速发展为企业实现技术扩散与合作创新提供了重要载体。本研究基于2005—2019年1 354家上市公司与284个地级及以上城市合作专利申请数量的“企业-城市关系对”数据，采用多期双重差分法估计了上市公司所在城市与合作对象所在城市高铁连通对企业合作创新的影响效应，发现：①企业所在城市与合作对象所在城市连通高铁将显著提升企业与合作对象所在城市合作专利申请的数量，而且结论非常稳健。②高铁连通对企业合作创新的影响呈现出“散中有聚”的空间分布特征，“散”是指高铁连通带来企业合作创新数量、合作创新对象的显著增加，呈现出空间扩散效应；“聚”是指企业合作创新数量与合作对象都收缩到近距离范围内，推动近距离低质量合作创新转化为高质量合作创新，实现创新质量的空间升级。③从企业的视角来看，高铁连通具有显著的异质性特征，主要促进了非制造企业、国有企业和大规模企业的合作创新。

根据实证分析结果和主要结论，为更好地推动交通网络发展与企业创新，提出如下政策建议。

（1）优化完善“八纵八横”主干道布局，将更多潜力城市接入高铁网络。高铁网络改变了城市的地理空间格局，网络结构的进一步优化与覆盖面积的持续扩大，使得企业可以在更远的范围内寻找更合适的合作对象，获得更多的合作创新机会。当前高铁网络已经覆盖了全国超92%的50万人口以上城市，部分城市如徐州市、新乡市、泰安市、泰州市、温州市、漳州市、衡水市等连通高铁后，企业的合作创新水平得到了显著提高。因此，应当持续推进“八纵八横”高铁主干道建设，优化网络布局，有序建设区域连接线路，着力打通其与创新型企业密集的邻近地区间的高铁线路，促进区域内、地区间的创新合作，通过企业合作创新推动市场一体化形成。

（2）进一步优化中转接驳换乘等流程，发挥高铁在促进要素流动方面的优势。在高质量综合立体交通网络的背景下，进一步细化高铁建设的出行体验，通过优化站点停靠，缩短高铁与航班楼、市内交通地铁站等其他交通方式的中转接驳换乘时间，考虑采取智能安检措施优化进站流程，提高企业人才出差的体验满意度，为商务差旅提供优质的出行保障。充分借助高铁这一快速交通工具，尽量消除企业与高校、企业与科研院所之间的异质性合作障碍，发挥高铁在促进要素流动方面的优势。以市场为导向，发挥企业主体自身强大的造血能力，实现从研发到创新再到市场的有机结合，将科技创新成果转化为推进经济社会发展的现实动力。

（3）实施优势企业引领带动的创新策略，激发市场主体的创新活力。首先，包含信息传输、软件和信息技术业等高新技术产业的非制造业企业具有更强的科技创新活力。应当适当加大科技创新税收减免优惠与金融专项信贷支持，鼓励数字技术企业与制造业企业融合创新，减少从研发创新到落地应用的响应时间，提高技术迭代升级的创新效率。其次，国有企业凭借先进的技术水平在行业中占据优势地位。应当发挥国有企业的带头作用，以国有资本为杠杆，撬动民营、外资和其他企业投资参与其中，以市场为主体，政府为引导，构建良性竞争的科技合作创新环境。最后，规模相对较大的上市公司拥有更为丰厚的资金、更加充足的人才储备、更为优质的设施环境。应当主动承担起与其他企业的创新合作，以创新驱动示范引领推动产业升级，全力推进高质量发展。

参考文献

［1］ 黎文靖，郑曼妮. 实质性创新还是策略性创新：宏观产业政策对

微观企业创新的影响［J］. 经济研究，2016，51（4）：60-73.

［2］ AUDRETSCH D B， FELDMAN M P. R&D spillovers and the geography

of innovation and production［J］. American economic review，

1996， 86（3）：630-640.

［3］ AGRAWAL A， GOLDFARB A. Restructuring research： communication

costs and the democratization of university innovation［J］.

American economic review， 2008，98（4）： 1578-1590.

［4］ 李建成，陈建隆，邓敏. 地理约束、合作与劳动力知识分配空间

偏好［J］. 统计研究，2021，38（11）：115-129.

［5］ 叶德珠，潘爽，武文杰，等. 距离、可达性与创新：高铁开通影响

城市创新的最优作用半径研究［J］. 财贸经济，2020，41（2）：

146-161.

［6］ 王雨飞，倪鹏飞，赵佳涵，等. 交通距离、通勤频率与企业创新：

高铁开通后与中心城市空间关联视角［J］. 财贸经济，2021，42

（12）：150-165.

［7］ BOSETTI V， CATTANEO C，VERDOLINI E. Migration of skilled

workers and innovation： a European perspective［J］. Journal of international

economics， 2015， 96（2）： 311-322.

［8］ 孙文浩，张杰. 高铁网络能否推动制造业高质量创新［J］. 世界

经济，2020，43（12）：151-175.

［9］ 吉赟，杨青. 高铁开通能否促进企业创新：基于准自然实验的研

究［J］. 世界经济， 2020， 43（2）： 147-166.

［10］ 卞元超，吴利华，白俊红. 高铁开通是否促进了区域创新［J］.

金融研究，2019（6）：132-149.

［11］ 王春杨，兰宗敏，张超，等. 高铁建设、人力资本迁移与区域创

新［J］. 中国工业经济， 2020（12）： 102-120.

［12］ 郭进，白俊红. 高速铁路建设如何带动企业的创新发展：基于

Face?to?Face理论的实证检验［J］. 经济理论与经济管理，2019，

39（5）：60-74.

［13］ 张勋，乔坤元. 中国区域间经济互动的来源：知识溢出还是技

术扩散［J］. 经济学（季刊）， 2016，15（4）：1629-1652.

［14］ 易巍，龙小宁，林志帆. 地理距离影响高校专利知识溢出吗：来

自中国高铁开通的经验证据［J］. 中国工业经济，2021（9）：

99-117.

［15］ DONG X F， ZHENG S Q， KAHN M E. The role of transportation

speed in facilitating high skilled teamwork across cities［J］. Journal

of urban economics， 2020， 115： 103212.

［16］ HANLEY D，LI J C， WU M Q. High?speed railways and collaborative

innovation［J］. Regional science and urban economics，

2022， 93： 103717.

［17］ KATILA R， CHEN E L， PIEZUNKA H. All the right moves： how

entrepreneurial firms compete effectively［J］. Strategic entrepreneurship

journal， 2012， 6（2）： 116-132.

［18］ ROSENKOPF L， NERKAR A. Beyond local search： boundaryspanning，

exploration， and impact in the optical disk industry

［J］. Strategic management journal， 2001， 22（4）： 287-306.

［19］ CATALINI C， FONS?ROSEN C， GAUL? P. How do travel costs

shape collaboration［J］. Management science， 2020， 66（8）：

3340-3360.

［20］ MILAGRES R， BURCHARTH A. Knowledge transfer in interorganizational

partnerships： what do we know［J］. Business process

management journal， 2019， 25（1）： 27-68.

［21］ WANG J T， CAI S Y. The construction of high?speed railway and

urban innovation capacity： based on the perspective of knowledge

spillover［J］. China economic review， 2020， 63： 101539.

［22］ ADLER N， PELS E， NASH C. High?speed rail and air transport

competition： game engineering as tool for cost?benefit analysis

［J］. Transportation research part B： methodological， 2010， 44

（7）： 812-833.

［23］ 王长峰. 外部知识搜寻、控制机制与产学研合作创新绩效：基

于NCA与SEM的混合方法［J/OL］. 南开管理评论：1-26（2023-

06-27）［2024-03-05］. http：//kns. cnki. net/kcms/detail/12. 1288.

F. 20230627. 1021. 002. html.

［24］ 龙玉，赵海龙，张新德，等. 时空压缩下的风险投资：高铁通车

与风险投资区域变化［J］. 经济研究，2017，52（4）：195-208.

［25］ PINA?STRANGER A， LAZEGA E. Bringing personalized ties

back in： their added value for biotech entrepreneurs and venture

capitalists interorganizational networks［J］. Sociological quarterly，

2011， 52（2）： 268-292.

［26］ DE CLERCQ D， SAPIENZA H J. Effects of relational capital and

commitment on venture capitalists' perception of portfolio company

performance［J］. Journal of business venturing， 2006， 21（3）：

326-347.

［27］ 丁金学，金凤君，王姣娥，等. 高铁与民航的竞争博弈及其空间

效应：以京沪高铁为例［J］. 经济地理，2013，33（5）：104-110.

［28］ HAMEL G. Opinion： strategy innovation and the quest for value

［J］. Sloan management review， 1998， 39（2）： 7-14.

［29］ 马光荣，程小萌，杨恩艳. 交通基础设施如何促进资本流动：基

于高铁开通和上市公司异地投资的研究［J］. 中国工业经济，

2020（6）：5-23.

［30］ 陈婧，方军雄，秦璇. 交通发展、要素流动与企业创新：基于高

铁开通准自然实验的经验证据［J］. 经济理论与经济管理，

2019（4）：20-34.

［31］ 王雨飞，倪鹏飞. 高速铁路影响下的经济增长溢出与区域空间

优化［J］. 中国工业经济， 2016（2）： 21-36.

［32］ AKCIGIT U， BASLANDZE S，STANTCHEVA S. Taxation and

the international mobility of inventors［J］. American economic review，

2016， 106（10）： 2930-2981.

［33］ 黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升： 内

在机制与中国经验［J］. 中国工业经济， 2019（8）： 5-23.

［34］ 尹斯斯，高云舒，黄寰. 贸易自由化、企业异质性与创新的知识

宽度［J］. 科研管理，2022，43（3）：142-151.

［35］ 史丹. 数字经济条件下产业发展趋势的演变［J］. 中国工业经

济，2022（11）：26-42.

［36］ 王雨飞，王雅琦，曹清峰. 高铁开通对促进城市经济增长的影

响：基于企业选择效应的研究［J］. 北京工业大学学报（社会科

学版），2023，23（1）： 84-97.

［37］ MOSER P，VOENA A. Compulsory licensing： evidence from the

trading with the enemy act［J］. American economic review， 2012，

102（1）： 396-427.

［38］ 刘冲，沙学康，张妍. 交错双重差分：处理效应异质性与估计方

法选择［J］. 数量经济技术经济研究，2022，39（9）：177-204.

［39］ CENGIZ D， DUBE A， LINDNER A， et al. The effect of minimum

wages on low?wage jobs［J］. Quarterly journal of economics，

2019， 134（3）： 1405-1454.

［40］ 曹清峰. 国家级新区对区域经济增长的带动效应：基于70大中

城市的经验证据［J］. 中国工业经济，2020（7）： 43-60.

［41］ 王珮，黄珊，王瑶，等. 碳排放权交易对企业碳绩效的影响研究

［J］. 科研管理，2023，44（12）：158-169.

［42］ 闫中意，卜伟，王雅婧. 国家级新区与城市绿色技术创新：基于

产业集聚的中介效应研究［J/OL］. 科学学与科学技术管理：

1-30（2023-12-13）［2024-03-06］. http：//kns. cnki. net/kcms/detail/

12. 1117. G3. 20231212. 1636. 002. html.

［43］ CHEN C L， HALL P. The impacts of high?speed trains on British

economic geography： a study of the UK's InterCity 125/225 and its

effects［J］. Journal of transport geography， 2011， 19（4）： 689-704.

［44］ 徐明东，陈学彬. 中国工业企业投资的资本成本敏感性分析

［J］. 经济研究，2012，47（3）：40-52，101.

［45］ 李春涛，宋敏. 中国制造业企业的创新活动：所有制和CEO激

励的作用［J］. 经济研究，2010，45（5）：55-67.

（责任编辑：王爱萍）