技术领军企业对行业内企业技术创新能力的联动效应研究

摘要：开放式创新背景下，技术领军企业对行业内企业技术创新具有重要影响。利用2012—2022年沪深A股上市公司数据，实证检验技术领军企业技术创新能力行业内联动的表现形式与内在机理，识别其差异及特征。结果发现：技术领军企业对行业内企业技术创新能力发挥联动效应，表现为技术创新扩散与技术创新追随。行业差异表现如下：行业竞争程度和环境不确定性越高，行业内企业技术创新的追随效应越强、扩散效应越弱；技术密集型行业企业技术创新的追随效应最强，劳动密集型行业企业技术创新的扩散效应最强。进一步考察行业联动特征发现，企业技术创新行业联动的行为表现为同行业企业主动追赶而非被动模仿，呈现“强者恒强，弱者恒弱”的马太效应以及显著邻近效应。结论对技术领军企业发挥引领作用，进而促进行业技术创新具有指导意义。

关键词：技术领军企业；联动效应；技术创新扩散；技术创新追随；生产率赶超模型

中图分类号：F273.1"""文献标识码：A"""文章编号：1001-7348（2025）01-0070-11

0 引言

企业是科技创新的主力军，技术领军企业更是其中的“排头兵”。中共二十大报告提出，“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”。技术和知识会从技术创新能力强的企业流动到技术创新能力弱的企业，以实现具有正外部性的技术扩散^[1]。技术领军企业处于行业前沿，其技术、规模和市场优势能够推动行业技术进步。充分发挥技术领军企业技术创新能力的行业联动作用是实现科技自立自强的有效途径。在国家战略需求牵引下，探讨技术领军企业技术创新能力的行业联动效应具有现实价值。

技术领军企业对行业内企业技术创新能力的联动作用如下：技术领军企业对同行业企业进行技术创新扩散以及企业对行业内技术领军企业进行技术创新追随^[2]。现有技术领军企业技术创新联动作用研究主要聚焦产业链^[3-7]和产业集群^[8]。产业链是指各企业或实体基于技术经济关联，依据特定逻辑和时空布局形成的链条式关联形态^[9]。技术领军企业通过互补效应、规模经济效应和倒逼效应促进产业链上下游企业技术创新能力提升。互补效应是指处在产业链上游的技术领军企业带动下游企业提升研发效率^[3]。一方面，高质量产品需要产业链每个环节实现技术匹配，出于追随上游技术领军企业实现技术创新的动机，下游企业会加大自身研发投入^[4]；另一方面，技术创新扩散能够降低下游企业研发成本，因为上游技术领军企业进行技术创新的中间投入可以通过互补匹配作用于下游企业研发^[5]。规模经济效应是指处在产业链上游的技术领军企业通过技术扩散实现规模经济。具体表现为其通过技术开放策略缓解下游企业生产效率失衡，使下游企业对中间品的需求量剧增^[6]。倒逼效应是指处在产业链下游的技术领军企业议价能力强且对中间品的技术含量要求高，进而倒逼上游企业为了提升自身技术水平进行追随创新^[7]。学界对技术领军企业如何影响产业集群内企业技术创新能力这一问题持不同观点。促进论认为，技术领军企业通过技术扩散对集群内企业技术创新能力发挥拉动效应。有研究发现，产业集群内技术领军企业和其它中小企业技术扩散是双向的，两者通过优势互补实现联动发展。抑制论认为，过于依赖技术领军企业会导致产业集群内其它企业滋生惰性^[9]，不利于其创新能力提升。有研究发现，技术领军企业技术扩散会导致集群内其它企业丧失自主创新动力，后者对集群内技术领军企业的创新追随行为会导致产品同质化。

综上，现有研究基于资源编排理论、互惠理论、路径依赖理论对技术领军企业技术创新能力的联动作用进行了探索，但主要关注对象是产业链和产业集群。技术领军企业能否提升同行业企业技术创新能力？如果能，行业内联动作用的表现形式、特征和作用机理如何？不同行业环境情景下，联动作用是否存在差异？上述问题尚未得到解答。

本文对行业内部技术差距情景下技术领军企业技术创新能力的行业内联动效应进行探讨，基于2012—2022年沪深A股上市公司数据，采用生产率赶超模型实证检验技术差距视角下技术领军企业技术创新能力行业内联动效应的表现形式（技术创新扩散和技术创新追随），以及行业竞争程度、行业环境不确定性和行业生产要素密集程度的调节效应，进一步识别技术领军企业技术创新能力的行业内联动特征。本文拓展技术领军企业技术创新联动研究视角，进一步揭示技术领军企业技术创新能力的行业内联动作用机制，对推动技术领军企业行业内联动具有参考价值。

1 机理分析与研究假设

1.1 技术领军企业技术创新能力的行业内联动效应

开放式创新是行业内联动效应产生的前提。开放式创新是指企业突破传统封闭的组织边界，与外部组织建立联系以获取创新所需资源与能力^[10]。技术领军企业技术创新能力的行业内联动效应主要表现为技术领军企业对同行业其它企业技术创新能力的拉动作用，体现在两个方面：一是通过技术扩散直接带动。企业技术创新扩散理论认为，技术创新可以通过特定渠道传播至社会系统中的其他成员^[11]，进而提升经济效率、推动社会生产力进步；二是激发行业内后发企业开展跟随式创新^[12]。为了缩小自身与行业前沿技术的差距，技术创新能力较弱的企业通过学习和模仿同行业技术领军企业提升自身技术创新能力。在此基础上，技术领军企业主要通过风险分散、资源配置、社会学习和竞争激励4种机制对同行业其它企业技术创新能力产生联动效应。

（1）风险分散机制。企业创新活动具有周期长、资源损耗大和结果不可预测等特征^[13]。对于行业技术领军企业而言，技术扩散能够分摊创新成本和风险。第一，通过向行业内企业出售、转让和授权专利将企业创新成果价值最大化，获得充裕的研发资金；第二，通过与行业内企业合作可以拓展创新活动的主体和规模，有利于企业开拓和占有市场，通过降低成本获得规模收益。对于行业内企业而言，技术追随同样能够降低创新成本和风险。与技术领军企业相比，行业内其它企业缺乏足够的资源和能力开展自主创新，在价值共创模式下，它们能够以较低成本获取创新所需资源^[14]。通过追随式创新，行业内其它企业可以少走弯路，从而极大地降低创新风险。

（2）资源配置机制。市场不完全竞争会导致资源错配和扭曲，合理的资源配置能够有效促进企业技术创新能力提升。一般来说，技术领军企业虽然具有较强的资源配置能力，但仍倾向于通过社会网络关系与外部资源方建立密切联系，通过获取多样化资源实现内外部创新资源集成、互补和融合，从而提升创新绩效。基于互补共创的价值主张，行业内技术领军企业技术扩散方式如下：为了实现价值最大化，将冗余资源进行有效匹配，以帮助行业内其它企业实现创新能力跃升。技术性人才、技术专利、创新知识及渠道等重要资源有助于行业内其它企业提升创新能力。

（3）社会学习机制。社会学习理论认为，企业通过观察和模仿外部环境中的企业对新事物进行学习^[9]。管理者具有有限理性，而创新活动面临着较高的不确定性风险。为了降低决策风险并获得创新活动的合法性，企业管理者倾向于对同行业技术领军企业进行模仿和学习，最终表现为技术创新追随行为。同理，技术领军企业会主动向行业内不同层次、不同区域企业学习，并结合自身资源禀赋实现“二次开发”和技术创新能力升级。

（4）竞争激励机制。竞争激励是优胜劣汰压力下的企业自觉强化机制。对于技术领军企业而言，为了巩固自身市场地位，具有一定动机采用共享、转让和授权部分非尖端技术等方式对行业内其它企业进行技术扩散。从行业竞争角度看，技术领军企业主动开展研发合作的目的如下：第一，掌握技术创新主动权，了解市场发展态势。通过合作交流评估和获取其它企业所占有的市场需求，确定自身技术升级方向，进而提升自身市场影响力并扩大客户群体。第二，以共享、转让和授权部分非尖端技术方式进行技术扩散，使非技术领军企业对其产生技术依赖，进一步维持自身主导地位。第三，技术扩散对行业内其它企业可能变成“毒药”，使其产生创新惰性并催生低水平同质化产品^[9]。由此，在行业竞争时，技术领军企业能够获得差异化优势。对于行业内企业而言，为了维持竞争优势和市场份额，会以最快速度主动追随同行业技术领军企业开展技术创新，以缩小与技术领军企业的差距^[12]。吴先明等^[15]指出，当后发企业对领先者的技术追赶遭遇瓶颈时，前者会借助横向、纵向或斜向关联全球化研发网络实现创新能力跨越，进而直接与领先企业展开竞争。鉴于此，本文提出以下假设：

H1：技术领军企业对行业内企业技术创新能力发挥联动效应，表现方式为技术创新扩散与技术创新追随。

1.2 不同情境下技术领军企业对行业内企业技术创新能力的联动效应差异

行业特征和属性差异会导致技术领军企业技术创新能力的行业内联动效应有所不同。本文主要分析行业竞争程度、行业环境不确定性和行业生产要素密集程度对技术领军企业技术创新能力行业内联动效应的差异化影响。

（1）行业竞争程度的调节作用。行业竞争程度较高意味着企业面临较大的外部生存压力^[9]。一方面，为了提升竞争力，企业对技术领军企业技术创新具有较强的模仿动机^[16]，因而有助于强化同行业企业对技术领军企业技术创新的追随效应。另一方面，当技术差距进一步缩小时，面对更加激烈的行业竞争环境，为了维持竞争优势，技术领军企业倾向于对最新创新活动和创新成果保密。此时，双方合作研发意愿降低，领军企业技术创新在行业内的扩散效应减弱。鉴于此，本文提出以下假设：

H2：行业竞争程度会强化行业内企业对技术领军企业技术创新的追随效应，弱化技术领军企业技术创新的扩散效应。

（2）行业环境不确定性的调节作用。行业环境不确定性会加剧信息不对称程度，进而影响企业创新活动^[7]。具体而言，当行业环境不确定性程度较高时，企业难以获取充分的信息制定研发决策。为了降低市场风险，企业在技术创新时倾向于向“行业标杆”看齐，进而采取创新追随战略。与此同时，行业环境不确定性会带来“信息鸿沟”，不利于技术领军企业对研发成果进行分享和交流等，进而阻碍技术创新扩散^[17]。鉴于此，本文提出以下假设：

H3：行业环境不确定性会强化行业内企业对技术领军企业技术创新的追随效应，弱化技术领军企业技术创新的扩散效应。

（3）行业生产要素密集程度的调节作用。生产要素密集程度会导致不同行业创新活动需求与形式有所不同。按照生产要素密集程度可将行业划分为技术密集型、劳动密集型和资本密集型3类^[18]。与劳动密集型和资金密集型行业相比，技术密集型行业对企业技术创新能力的要求更高，行业内企业普遍实施跟随战略^[19]，以期实现对技术领军企业的赶超。同时，在技术密集型行业，为了维持技术优势，技术领军企业开展技术扩散活动的意愿较低。与之相反，劳动密集型行业内，企业对研发活动的需求较小，导致技术领军企业技术创新的追随效应较弱。在劳动密集型行业，企业竞争力主要体现在创新外的活动上，因而技术领军企业技术创新的扩散效应较强。相较于技术密集型行业企业，资本密集型行业企业的创新意愿较弱，但由于大量资金和固定资产投入，其创新意愿仍强于劳动密集型行业企业。鉴于此，本文提出以下假设：

H4：在劳动密集型、资本密集型和技术密集型行业，企业对技术领军企业技术创新的追随效应逐步增强，技术领军企业技术创新的扩散效应逐步减弱。

综上所述，本文研究思路如图1所示。

2 研究设计

2.1 样本选择与数据来源

本文研究样本为2012—2022年沪深A股上市公司，并对公司样本进行如下处理：第一，剔除ST或*ST类上市公司样本；第二，剔除金融行业上市公司样本；第三，剔除变量观测值缺失样本。最终，本文整理得到1 061个公司共11 671个样本观测值的平衡面板数据。本文采用的数据来源于国泰安研究数据库（CSMAR）、国家知识产权局专利检索数据库以及上市公司年报。

2.2 基准模型设定

本文采用生产率赶超模型考察技术领军企业研发效率（技术创新能力）对行业内其它企业的联动效应^[20]，即验证技术领军企业能否对同行业其它企业技术创新能力发挥促进作用。具体地，沿用Bournakis ＆ Mallick^[21]的研究方法，将当年同行业技术创新能力最强企业作为技术领军企业，构建模型（1）揭示企业技术创新能力动态演变过程。

lnTEit=α1lnTEit－1+α2lnTEFt+α3lnTEFt－1+∑Controlsit+∑Industry+∑Year+∑Location+εit（1）

其中，TEit、TEit-1分别是焦点企业i在t年和t-1年的技术创新能力，TEFt、TEFt-1分别是t年和t-1年行业内技术领军企业技术创新能力。Controls、Industry、Year、Location是可能影响焦点企业自主创新水平的一系列控制变量、行业虚拟变量、时间虚拟变量和地区虚拟变量，下同。长期均衡状态下^[22]，α1+α2+α3=1，代入模型（1）可以推导得到模型（2）。

ΔlnTEit=βlnTEFt－1TEit－1+λΔlnTEFt+∑Controlsit+∑Industry+∑Year+∑Location+εit（2）

其中，ΔlnTEit=lnTEit-lnTEit-1。ΔlnTEit表示焦点企业i第t年技术创新能力增速，ΔlnTEFt是第t年行业内技术领军企业技术创新能力增速。ln（TEFt-1/TEit-1）表示焦点企业i第t-1年与同行业技术领军企业技术创新能力差距，取值范围为[0，+∞），可简写为Gapit-1。当Gapit-1=0时，表明焦点企业i第t-1年是行业内技术创新能力最强企业。Gapit-1越大，表明焦点企业i第t-1年与技术领军企业差距越大，技术创新能力越弱。综上，模型（2）可以转化为基准回归模型（3）。

ΔlnTEit=βGapit－1+λΔlnTEFt+∑Controlsit+∑Industry+∑Year+∑Location+εit（3）

其中，Gapit-1的系数β能够反映焦点企业对同行业技术领军企业技术创新的追随效应。如果βgt;0，则表明焦点企业i第t-1年与同行业技术领军企业技术创新能力差距越大，其第t年技术创新能力增长速度越快，即β值越大，焦点企业技术创新的追随效应越强。ΔlnTEFt的系数λ能够反映企业技术创新在行业内的扩散效应。如果λgt;0，则表明第t年行业内技术领军企业技术创新能力增长（技术进步）会加快焦点企业i第t年技术创新能力增长速度。

2.3 变量选取与测度

（1）被解释变量：焦点企业技术创新能力增速（ΔlnTEit）。研发效率可以反映焦点企业技术创新能力，因而本文采用焦点企业当期研发效率自然对数与上一期研发效率自然对数的差值表征焦点企业技术创新能力增速。鉴于企业个体存在差异，为了提高测度结果的精准度^[23]，本文使用真实固定效应随机前沿模型对企业研发效率进行测度^[24]，由此构建模型（4）如下：

yit=δi+xTitη+vit－uituit～h（zit，φ）·N+（μ，σ2u）≡e^zTitφ·N+（μ，e^cu）TEit=e^－E［uit|ξi］∧（4）

其中，δi为企业个体效应，yit为产出变量，采用企业当年专利申请数的自然对数衡量，xTit为投入变量，选择研发支出总额的自然对数和研发人员数量的自然对数衡量。vit为随机误差项，假定其服从正态分布N（0，σv2）且相互独立，uit是非负的技术无效率项。影响技术无效率项的因素zTit=｛Controls，Industry，Year，Location｝^T。是技术无效率项影响因素的系数，μ≥0。本文运用极大似然估计得到模型（4）第一步的参数估计值，基于第三步公式计算得到企业研发效率，以此表征企业技术创新能力（TEit）。

（2）解释变量：焦点企业在上一期与同行业技术领军企业技术创新能力差距（Gapit-1）和行业内技术领军企业技术创新能力增速（ΔlnTEFt）。Gapit-1采用焦点企业研发效率与同行业技术领军企业（研发效率最高的企业）研发效率在上一期比值的自然对数衡量。ΔlnTEFt采用当期行业内技术领军企业研发效率自然对数与上一期行业内技术领军企业研发效率自然对数的差值衡量。

（3）调节变量。①行业竞争程度（HH），采用赫芬达尔—赫希曼指数衡量；②行业环境不确定性（Indc），借鉴申慧慧等^[25]的方法，采用同一年度同行业企业过去5年非正常销售收入标准差与过去5年销售收入平均值的比值的中位数衡量；③行业生产要素密集程度（Indp），借鉴尹美群等^[18]的研究方法，选取固定资产比重（固定资产净值/平均总资产）、研发支出比重（研发支出/应付职工薪酬）分别衡量固定资产和研发支出在生产要素中的重要性，以此对样本行业进行聚类分析。

（4）其它变量：控制变量组（Controls）。借鉴已有研究成果^[12]，在公司特征层面对产权性质（Soe）、企业年龄（Firmage）、总资产净利润率（Roa）、营业成本率（Ocr）、营业净利率（Nom）、管理费用率（Mee）和企业规模（Size）进行控制。为了进一步控制焦点企业自主创新水平，本文在回归时考虑行业固定效应（Industry）、年份固定效应（Year）和地区固定效应（Location）。鉴于研究模型的特点，核心解释变量需要滞后一期，因而回归样本时间跨度为2013—2022年。本文主要变量名称、符号及度量方法见表1。

3 实证分析

3.1 描述性统计

表2为主要变量描述性统计结果。由表2可知，焦点企业在上一期与同行业技术领军企业技术创新能力差距（Gapit-1）、行业内技术创新能力前沿面增速（ΔlnTEFt）与焦点企业技术创新能力增速（ΔlnTEit）在1%水平上显著正相关。由此初步推断，企业技术创新存在行业联动效应，即焦点企业与同行业技术领军企业技术创新能力差距、行业内技术创新能力前沿面增长均有助于加快焦点企业技术创新能力增长速度。

3.2 基准回归

表3为焦点企业与同行业技术领军企业技术创新能力差距、行业内技术创新能力前沿面增长对焦点企业技术创新能力增速影响的实证结果。列（1）—（3）逐步考虑控制变量和时间、行业、地区效应，结果显示，焦点企业在上一期与同行业技术领军企业技术创新能力差距（Gapit-1）和行业内技术创新能力前沿面增速（ΔlnTEFt）的系数均显著为正，假设H1得到验证。由此表明，技术领军企业对同行业企业技术创新能力发挥联动效应。一方面，焦点企业对同行业技术领军企业技术创新存在追随效应，焦点企业上一期与同行业技术领军企业技术创新能力差距越大，其当期技术创新能力增速就越快；另一方面，技术领军企业技术创新在行业内具有扩散效应，行业内技术创新能力前沿面增长（技术进步）对同行业其它企业技术创新能力发挥拉动作用。具体地，以列（3）结果看，企业与同行业前沿研发效率（TE）的差距每增长1%，其自身研发效率增速提升0.288%；行业内前沿研发效率每提升1%，将拉动同行业其它企业研发效率增速平均增长0.247%。

3.3 稳健性检验

（1）更换研发效率测算方法。第一，借鉴杨欢和李香菊^[26]的研究方法，将企业当年发明专利、实用新型和外观设计分别赋予0.5、0.3、0.2的权重，加权后取自然对数，以此衡量随机前沿模型中的产出变量。第二，借鉴Jondrow等^[27]的研究成果，采用技术效率测算方法（JLMS）对产出变量衡量方式变更前后的研发效率进行测算，回归结果见表4列（1）—（3）。Gapit-1、ΔlnTEFt的系数均显著为正，说明前文结论具有稳健性。

（2）更换样本区间。本文将研究区间变更为2012—2019年，回归结果如表4列（4）所示。由结果可知，Gapit-1、ΔlnTEFt的系数仍然显著为正，说明前文结论可靠。

（3）内生性问题。第一，倾向得分匹配法。本文采用倾向得分匹配法缓解样本自选择偏误导致的内生性问题。首先，将当年专利申请数量为0的企业作为控制组，否则为实验组。其次，将产权性质、企业年龄、总资产净利润率、营业成本率、营业净利率、管理费用率和企业规模等作为协变量，分别采用1∶4最近邻匹配法和半径匹配法对样本进行匹配，对匹配后的样本进行回归估计，结果见表4列（5）和列（6）。由结果可知，Gapit-1、ΔlnTEFt的系数显著为正，说明前文结论具有稳健性。第二，固定效应模型。本文采用固定效应模型进行估计，以此对企业个体固定效应进行控制，回归结果如表4列（7）所示。由结果可知，Gapit-1、ΔlnTEFt的系数符号未发生变化，说明前文结论具有稳健性。第三，系统广义矩估计方法（GMM-SYS）。一般来说，技术创新在行业内的扩散路径是从技术领军企业扩散到非技术领军企业，但非技术领军企业技术创新能力也会影响技术领军企业技术创新能力，即存在双向技术溢出。为避免双向因果问题，本文采用系统GMM方法重新估计，结果显示，Sargan检验结果不显著、AR（1）的p值显著而AR（2）的p值不显著（不存在二阶序列相关）。由此说明，工具变量不存在过度识别问题且所有工具变量有效。表4列（7）显示，Gapit-1、ΔlnTEFt的系数显著为正，支持前文结论。

3.4 调节效应检验

为考察行业竞争程度对技术领军企业技术创新能力行业内联动效应的差异化影响，在模型（3）的基础上，加入行业竞争程度（HH）、行业竞争程度和焦点企业上一期与同行业技术领军企业技术创新能力差距的交互项（Gapit-1×HH），以及行业竞争程度与行业内技术领军企业技术创新能力增速的交互项（ΔlnTEFt×HH）。表5列（1）显示，行业竞争程度和焦点企业在上一期与同行业技术领军企业技术创新能力差距的交互项（Gapit-1×HH）系数在1%水平上显著为正，行业竞争程度与行业内技术领军企业技术创新能力增速的交互项（ΔlnTEFt×HH）系数在5%水平上显著为负。由此说明，与所处行业竞争程度较低企业相比，所处行业竞争程度较高企业技术创新的追随效应更强，扩散效应更弱，验证了假设H2。

为考察行业环境不确定性对技术领军企业技术创新能力行业内联动效应的差异化影响，在模型（3）的基础上，加入行业环境不确定性（Indc）、行业环境不确定性和焦点企业上一期与同行业技术领军企业技术创新能力差距的交互项（Gapit-1×Indc），以及行业环境不确定性与行业内技术领军企业技术创新能力增速的交互项（ΔlnTEFt×Indc）。表5列（2）显示，行业环境不确定性和焦点企业上一期与同行业技术领军企业技术创新能力差距的交互项（Gapit-1×Indc）系数在1%水平上显著为正，行业环境不确定性与行业内技术领军企业技术创新能力增速的交互项（ΔlnTEFt×Indc）系数在1%水平上显著为负。由此说明，与所处行业环境不确定性较低企业相比，所处行业环境不确定性较高企业技术创新的追随效应更强，扩散效应更弱，研究假设H3得到验证。

为考察行业生产要素密集程度对技术领军企业技术创新能力行业内联动效应的差异化影响，本文采用模型（3）对企业样本分为（按照行业生产要素密集程度分为技术密集型、资本密集型和劳动密集型）进行分组回归，结果见表5列（3）—（5）。结果显示，Gapit-1的系数从大到小依次为技术密集型、资本密集型和劳动密集型，ΔlnTEFt的系数正好相反，与前文分析结果一致。由此说明，技术密集型行业企业技术创新的追随效应最强，劳动密集型行业企业技术创新的扩散效应最强，资本密集型行业企业技术创新的追随效应和扩散效应处于中间水平，验证了研究假设H4。

4 拓展性分析

4.1 技术领军企业技术创新行业联动特征：主动追赶还是被动跟随

由基准回归结果发现，焦点企业对同行业技术领军企业技术创新存在追随效应，即焦点企业上一期与同行业技术领军企业技术创新能力的差距越大，其当期技术创新能力增速越快。鉴于焦点企业对技术创新领军企业既可能是主动追赶也可能是被动跟随，本文采用门槛模型对企业技术创新进行考察（是主动追赶行为还是被动跟随行为）。首先，运用Bootstrap法对门槛效应进行检验^[28]，将门槛变量设定为企业技术创新能力（TE），核心变量为焦点企业在上一期与同行业技术领军企业技术创新能力差距（Gapit-1），检验结果如表6所示。结果显示，企业技术创新能力表现为显著双重门槛效应，较小的门槛值γ1为0.790，较大的门槛值γ2为0.871。进一步进行门槛模型回归，结果见表7。随着技术创新能力增强，焦点企业上一期与同行业技术领军企业技术创新能力差距对其当期技术创新能力增速的提升作用进一步强化，即技术创新能力越强的焦点企业对同行业技术领军企业技术创新的追随效应越强。由此说明，技术创新能力越强的企业，会更加积极主动地追赶技术领军企业，验证了企业技术创新的行业联动特征是主动追赶而非被动跟随模仿。

4.2 技术领军企业技术创新的行业联动特征：马太效应

前文表明，技术创新能力强的企业会更加积极主动地追赶技术领军企业。与此同时，企业技术创新能力越强，其持续吸收创新知识的效率越高，呈现“马太效应”。借鉴范合君等^[9]的思路检验企业技术创新是否存在“马太效应”，具体地，将上一期焦点企业技术创新能力与同期同行业其它企业技术创新能力的均值相减，并根据差值生成两个变量，以此对样本进行划分。一是焦点企业技术创新能力大于同行业企业均值，差值为行业顺差（Dist_indu＞0）；二是焦点企业技术创新能力小于同行业企业均值，取差值的绝对值（|Dist_indu|＜0）。将两个变量分别与当期企业技术创新能力（TE）进行回归，结果见表8列（1）和列（2）。结果显示，行业顺差的回归系数显著为正，而行业落差的回归系数显著为负，说明当焦点企业技术创新能力高于行业平均水平时，技术创新能力较强企业在后一期会更加积极主动地提升技术创新能力。与之相反，当焦点企业技术创新能力低于行业平均水平时，企业技术创新意愿较弱，对同行业企业技术创新呈现消极反馈。由此验证存在“强者恒强，弱者恒弱”的马太效应。

4.3 技术领军企业技术创新的行业联动特征：邻近效应

对处于同一行政辖区的企业而言，一方面，不同行政辖区会根据本地实际情况制定相应政策，促进辖区内同行业企业技术创新扩散；另一方面，同一行政辖区内企业地理距离较近，有利于企业间建立稳定的合作关系，进而实现行业内部技术信息共享，最终促使前沿技术在同地区同行业企业间扩散。由此可见，企业技术创新扩散和追随会受制度、政策和地理距离的影响。借鉴龚斌磊^[22]构建的多维前沿生产率赶超模型，本文构建二级企业研发效率前沿：t年和t-1年同地区（同一地级市）同行业研发效率最高企业。基于此，计算得到焦点企业在上一期与同地区同行业技术领军企业技术创新能力差距（Gap_locit-1）和同地区同行业技术创新能力前沿面增速（ΔlnTE_locFt），加入模型（3）后，回归结果如表8列（3）所示。通过比较对应系数可知，同地区同行业技术创新的扩散效应远高于全国平均水平，而技术创新的追随效应远低于全国平均水平。由此说明，企业技术创新具有显著邻近效应，同一行政辖区政策相同、地理位置接近，有利于企业技术扩散，进而实现行业联动。其中，技术创新的追随效应远低于全国平均水平，说明同一地区企业技术扩散较为充分，地区技术创新前沿面增大对其它企业的拉动作用低于全国平均水平。

5 结语

5.1 研究结论

本文基于技术差距情景探讨技术领军企业对行业技术创新的联动效应，利用2012—2022年沪深A股上市公司数据，采用生产率赶超模型实证检验行业内部技术差距视角下技术领军企业技术创新能力行业内联动效应的具体表现形式（技术创新扩散和技术创新追随），以及行业竞争程度、行业环境不确定性和行业生产要素密集程度在其中的调节作用，进一步识别技术领军企业技术创新的行业内联动特征，得出以下主要结论：

（1）技术领军企业技术创新能力存在行业内联动效应，焦点企业对同行业技术领军企业技术创新具有追随效应且技术领军企业技术创新在行业内具有扩散效应。

（2）与行业竞争程度较低企业相比，行业竞争程度较高企业技术创新的追随效应更强，扩散效应更弱。

（3）与行业环境不确定性较低的企业相比，行业环境不确定性较高企业技术创新的追随效应更强，扩散效应更弱。

（4）技术密集型行业企业技术创新的追随效应最强，劳动密集型行业企业技术创新的扩散效应最强，资本密集型行业企业技术创新的追随效应和扩散效应处于中间水平。

（5）技术领军企业技术创新的行业联动特征是主动追赶而非被动跟随模仿。当焦点企业技术创新能力高于行业平均水平时，技术创新能力较强企业在后一期会更加主动地提升技术创新水平。与之相反，当焦点企业技术创新能力低于行业平均水平时，焦点企业技术创新对同行业企业技术创新呈现消极反馈。由此验证存在“强者恒强，弱者恒弱”的马太效应。技术领军企业技术创新的联动作用具有邻近效应，同一行政辖区内政策相同、地理位置接近，有利于企业间技术扩散，而因技术扩散导致的地区技术创新前沿面增大对其它企业的拉动作用低于全国平均水平。

5.2 研究贡献

（1）不同于以往相关研究关注技术领军企业对产业链和产业集群内企业技术创新的影响，本文基于行业内部技术差距视角考察技术领军企业对行业内其它企业技术创新能力联动效应的表现形式与内在机理，拓展了企业技术创新研究视角。

（2）明晰了技术领军企业技术创新能力在行业内联动效应的表现形式（技术领军企业技术创新在行业内的扩散效应以及企业对同行业技术领军企业技术创新的追随效应），是对已有研究的有益补充。

（3）揭示技术领军企业技术创新能力的行业内联动特征与行业差异，结果发现，其表现为同行业企业主动追赶而非被动模仿行为，且呈现“强者恒强，弱者恒弱”的马太效应以及邻近效应。本文结论可为企业制定创新战略提供启示，对政府相关政策制定也具有一定参考价值。

5.3 政策建议

（1）就企业层面而言，可以采取如下措施：第一，非技术领军企业应关注行业技术前沿，主动获取行业信息和资源，积极寻求机会与行业内技术领军企业合作，通过学习和模仿快速实现自身创新能力提升。尤其是创新能力薄弱的企业，其管理层要提高创新意愿，主动缩小与技术领军企业的技术差距。与技术领军企业地理邻近时，企业要充分利用距离优势，深入学习本地区行业技术领军企业创新经验，借助邻近效应完成从追随到赶超的跃迁。第二，行业技术领军企业要积极承担社会责任，发挥自身技术、规模和市场优势，与行业内其它企业建立合作共赢、知识共享的长效机制。在深度融合交流中取长补短，在协同共进中发挥互补优势，通过技术扩散推动行业技术创新。

（2）就政府层面而言，可以采取以下措施：第一，重点培育和扶持行业内“头雁企业”，利用“头雁企业”带动整个行业技术创新能力跃升。第二，鼓励和支持行业技术领军企业牵头建立创新联合体，引导技术领军企业向行业内其它企业开放创新资源等，带动整个行业企业联合开展创新活动，形成“领军企业+后发企业”创新生态网络，实现领先企业和后发企业协同创新、融通发展的格局。第三，出台相关政策促进行业内技术领军企业创新要素高效流动，完善行业合作所需配套设施，为技术领军企业发挥引领作用赋能。

5.4 不足与展望

本文存在以下不足：第一，研究样本具有局限性。限于数据可得性，本文研究样本为沪深A股上市公司，虽然具有一定的代表性，但较多未上市企业未能纳入研究范畴，结论的普适性有待进一步提升。未来可以进一步扩充研究样本或选取典型企业进行案例分析。第二，进一步丰富变量测度方法。行业内技术领军企业技术创新能力最强，采用研发效率衡量企业技术创新能力虽具有一定的科学性，但未来可以考虑采用其它方式对行业内技术领导企业技术创新能力加以衡量，如构建综合评价指标体系等。第三，进一步丰富研究内容。本文探讨了技术领军企业对行业内其它企业技术创新能力的联动作用，未来可进一步探讨不同情境下联动作用的差异。

参考文献：

[1] 汪丽娟，吴福象，蒋欣娟.国际技术势差、对外直接投资逆向技术溢出与本土企业技术进步[J].科技进步与对策，2022，39（20）：41-51.

[2] LIU Q， LU R， LU Y， et al. Import competition and firm innovation： evidence from China[J]. Journal of Development Economics， 2021， 151（4）： 102650.

[3] 诸竹君，王芳.来自美国的进口竞争与中国企业创新行为[J].财贸经济，2022，43（9）：117-132.

[4] GROSSMAN G M，HELPMAN E.Quality ladders and product cycles[J]. The Quarterly Journal of Economics， 1991， 106（2）： 557.

[5] LIU Q， QIU L D. Intermediate input imports and innovations： evidence from Chinese firms' patent filings[J]. Journal of International Economics， 2016， 103（6）： 166-183.

[6] 谈丹，魏航，李佩.制造商技术开放策略问题研究[J].中国管理科学，2021，29（7）：84-95.

[7] 肖利平，刘点仪.客户企业创新驱动了上游企业探索式创新吗——创新的反向传导效应研究[J].外国经济与管理，2023，45（8）：83-100.

[8] HARMANCIOGLU N， TELLIS G J. Silicon envy： how global innovation clusters hurt or stimulate each other across developed and emerging markets[J]. Journal of International Business Studies， 2018， 49（7）： 902-918.

[9] 范合君，吴婷，何思锦.企业数字化的产业链联动效应研究[J].中国工业经济，2023，40（3）：115-132.

[10] CHESBROUGH H W. The era of open innovation[J].MIT Sloan Management Review，2003，44（3）：35-41.

[11] ROGERS E M. Diffusion of innovations[M]. New York： Free Press， 2003.

[12] 杨本建，李威，王珺.合约执行效率与企业技术赶超[J].管理世界，2016，277（10）：103-117.

[13] 孟庆斌，侯粲然，鲁冰.企业创新与违约风险[J].世界经济，2019，42（10）：169-192.

[14] 张培，李楠.核心企业开放式服务创新平台构建过程机理——基于扎根理论[J].科研管理，2022，43（6）：132-141.

[15] 吴先明，高厚宾，邵福泽.当后发企业接近技术创新的前沿：国际化的“跳板作用”[J].管理评论，2018，30（6）：40-54.

[16] JONDROW J， KNOX LOVELL C A， MATEROV I S， et al. On the estimation of technical inefficiency in the stochastic frontier production function model[J]. Journal of Econometrics， 1982， 19（2）： 233-238.

[17] LIAO S H， HU T C. Knowledge transfer and competitive advantage on environmental uncertainty： an empirical study of the Taiwan semiconductor industry，China[J]. Technovation， 2007， 27（6-7）： 402-411.

[18] 尹美群，盛磊，李文博.高管激励、创新投入与公司绩效——基于内生性视角的分行业实证研究[J].南开管理评论，2018，21（1）：109-117.

[19] ROGES T. Competitive advantage in technology intensive industries[J]. Journal of Entrepreneurship， Innovation and Economic Growth， 2015， 18（4）： 121-124.

[20] BERNARD A B， JONES C I. Productivity across industries and countries： time series theory and evidence[J]. The Review of Economics and Statistics， 1996， 78（1）： 135-146.

[21] BOURNAKIS I， MALLICK S. TFP estimation at firm level： the fiscal aspect of productivity convergence in the UK[J]. Economic Modelling， 2018， 70（3）： 579-590.

[22] 龚斌磊.中国农业技术扩散与生产率区域差距[J].经济研究，2022，57（11）：102-120.

[23] 李彦龙.税收优惠政策与高技术产业创新效率[J].数量经济技术经济研究，2018，35（1）：60-76.

[24] GREENE W. Fixed and random effects in stochastic frontier models[J]. Journal of Productivity Analysis， 2005， 23（1）： 7-32.

[25] 申慧慧，于鹏，吴联生.国有股权、环境不确定性与投资效率[J].经济研究，2012，47（7）：113-126.

[26] 杨欢，李香菊.政府创新补贴对企业创新效率的影响效应及机制识别研究[J].管理学报，2023，20（4）：558-567.

[27] JONDROW J， KNOX LOVELL C A， MATEROV I S， et al. On the estimation of technical inefficiency in the stochastic frontier production function model[J]. Journal of Econometrics， 1982， 19（2）： 233-238.

[28] HANSEN B E. Threshold effects in non-dynamic panels： estimation， testing， and inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

责任编辑（责任编辑：张 悦）

英文标题The Linkage Effect of Leading Technology Enterprises on the Technological Innovation Capability of Enterprises in the Industry

英文作者Sun Hui^1，2， Zhu Shusen^1，2 ， Xia Xuechao^1，2， Yang Zedong^1，2

英文作者单位（1. Center for Innovation Management Research of Xinjiang， Xinjiang University;

2. School of Economics and Management， Xinjiang University，Urumqi 830046， China）

英文摘要Abstract：Enterprises are the main force of scientific and technological innovation， and leading technology enterprises can promote the industry to realize overall technological progress by virtue of their technical， scale， and market advantages. Giving full play to the industry linkage of technological innovation capability of leading technology enterprises is an effective way for China to realize scientific and technological self-reliance and self-improvement. Therefore， it is of practical significance to study the industry linkage of technological innovation capability of leading technology enterprises.

Existing research has made useful explorations of the linkage role of technological innovation capability in leading technology enterprises， but the linkage objects of concern are mainly industrial chains and industrial clusters. There is a lack of discussion on the linkage of technological innovation capability within the industry of leading technology enterprises. Thus， this paper focuses on the intra-industry linkage effect of technological innovation capability of leading technology enterprises under the influence of the technology gap within the industry. It utilizes the data of A-share listed companies in Shanghai and Shenzhen from 2012 to 2022， and empirically examines the manifestation of the intra-industry linkage effect of the technological innovation capability of leading technology enterprises from the perspective of technology gap based on the model of productivity catch-up and the effects of the degree of competition， uncertainty of the industry environment， and intensity of production factors on the technological innovation capability of leading technology enterprises under the viewpoint of technology gap and the moderating effect of the degree of industry competition， industry environmental uncertainty and industry factor intensity on the intra-industry linkage of technological innovation capability of leading technology enterprises， and further identify the characteristics of intra-industry linkage of technological innovation capability of leading technology enterprises.

The results of the study show that （1） leading technology enterprises have linkage effects on the technological innovation capability of enterprises in the industry， which is manifested in technological innovation diffusion and technological innovation following; （2） compared with enterprises with a low degree of industry competition， enterprises with a high degree of industry competition have a stronger following effect of technological innovation and a weaker diffusion effect; （3） the higher the degree of competition and environmental uncertainty in the industry， the stronger the following effect and the weaker the diffusion effect of technological innovation of enterprises in the industry; （4） the following effect of technological innovation of enterprises in technology-intensive industries is the strongest， the strongest diffusion effect of technological innovation of enterprises lies in labor-intensive industries， and the following effect and diffusion effect of technological innovation of enterprises in capital-intensive industries is at the intermediate level;（5） the behavior of enterprise technological innovation industry linkage is manifested in the active catch-up rather than passive imitation of enterprises in the same industry， showing the Matthew effect and significant proximity effect.

The contribution of this paper mainly lies in three areas. （1） It explores the manifestation and internal mechanism of the linkage effect of leading technology enterprises on the technological innovation ability of enterprises in the industry from the perspective of technology gaps within the industry， which expands the research perspective of enterprise technological innovation. （2） It clarifies the specific manifestations of the linkage effect of technological innovation capability of leading technology enterprises in the industry， which is a useful supplement to the existing research. （3） By identifying the characteristics and industry differences of intra-industry linkage of technological innovation capability of leading technology enterprises， the study confirms the Matthew effect and the proximity effect， expanding the research perspective on the technology innovation linkage of leading technology enterprises;it further reveals the micro-mechanism of the intra-industry linkage effect of technology innovation capability of leading technology enterprises， and thus the study is of reference significance for promoting the" intra-industry linkage of leading technology enterprises.

英文关键词Key Words：Leading Technology Enterprises; Industry Linkage Effect; Technological Innovation Diffusion;Technological Innovation Following;Productivity Catch-up Model

基金项目：国家自然科学基金项目（71963030）；新疆维吾尔自治区社会科学基金项目（21BJY050）

作者简介：孙慧（1963-），女，江苏泗阳人，博士，新疆大学新疆创新管理研究中心主任，新疆大学经济与管理学院二级教授、博士生导师，研究方向为ESG与企业技术创新；祝树森（1998-），男，江苏阜宁人，新疆大学新疆创新管理研究中心研究助理，新疆大学经济与管理学院硕士研究生，研究方向为ESG与企业技术创新；夏学超（1993-），男，山东枣庄人，新疆大学新疆创新管理研究中心研究助理，新疆大学经济与管理学院博士研究生，研究方向为环境税与技术创新；杨泽东（1996-），男，四川内江人，新疆大学新疆创新管理研究中心研究助理，新疆大学经济与管理学院博士研究生，研究方向为碳交易市场与技术创新。