产学研合作、集聚效应与企业创新质量

[摘要]产学研合作能够产生创新要素集聚效应，对企业创新质量具有重要影响。基于国家知识产权局2012—2020年制造业联合发明专利申请数据，利用双重固定效应模型分析产学研合作对企业创新质量的影响及作用机制。研究表明：产学研合作对企业的创新质量有着显著正向影响，在经过一系列稳健性检验后，该结论依旧稳健。机制分析发现，产学研合作通过创新人才集聚和创新资本集聚提升企业创新质量。异质性分析表明，相较于非省会城市，省会城市产学研合作对创新人才、创新资本集聚效应提升作用更显著；高技术行业对于创新人才集聚效应较强，对创新资本集聚效应的影响低于非高技术行业。研究结论对制造业等实体企业如何开展高质量创新活动及政府部门政策的制定具有一定的参考价值。

[关键词]产学研合作；创新质量；联合专利申请；专利质量；集聚效应

一、 引言

《“十四五”规划和2035年远景目标》1明确提出，促进各类创新要素向企业集聚，形成以企业为主体、市场为导向、产学研用深度融合的技术创新体系。创新驱动发展战略实施以来，我国产学研合作成果支撑企业和产业高速发展。为积极响应国家制定的创新追赶和专利推动政策，地方政府采取多种形式的财政支持措施，以激励当地的企业进行专利申请，旨在促进本地区专利申请和授权数量的增长。然而这种“重数轻质”的扭曲性行为，可能会导致专利的使用价值和技术实际性效果下降，进而形成“专利泡沫”的创新假象[1]。创新驱动高质量发展下，企业主导和政府引导相结合，聚焦重大产业场景，瞄准产业关键核心技术的产学研合作创新，推动创新链与产业链深度融合，以突破“卡脖子”技术。产学研深度合作是实现这一目标的重要途径，已经受到各级政府和学术界的高度重视。

高质量创新是驱动经济发展与提升国际竞争力的关键，现有研究主要聚焦两个层面：微观层面主要关注数字技术[2]、金融市场[3]和企业特征[4]因素；宏观层面主要聚焦产业政策[5]和法律环境[6]因素的影响。尽管关于创新质量影响因素的研究已较为丰富，但这些研究都基于一个假设前提，即企业的研发模式没有发生重大变革。然而，作为一种贯穿于技术研发活动各个环节的契约安排，产学研合作必然会对研发模式产生重要影响。从科学性关联程度来看，部分学者发现科学式产业的产学研合作模式联系强度较低，但创新质量更高[7]，且科学合作与技术合作对企业创新质量的影响之间存在互补效应[8]。从创新环境来看，在知识产权保护和市场化程度较高地区，校企合作对创新质量提升效果更显著[9]。此外，企业吸收能力和行业内在需求也正向激励企业创新质量[10]。产学研合作的本质是聚集创新要素，开展关键技术联合开发，推动科学—技术—产业化的创新链与产业链的融合，以高质量技术驱动经济高质量发展。

本文可能的边际贡献如下：第一，研究方法的新突破。国外研究普遍采用专利引用次数来测度企业创新质量，这一方法具有一定的合理性，但结合中国专利实际引用情况，专利数据库无法提供全面的引用信息。有鉴于此，本文拟通过手工整理国家知识产权局制造业联合发明专利申请数据，采用改进的知识宽度法衡量企业专利质量。第二，作用机理的新尝试。随着市场体制的不断完善，企业创新行为是基于各种创新要素协同耦合的结果。本文拟从产学研合作集聚创新要素的视角揭示企业创新质量的一个路径。第三，研究内容的新拓展。从城市层级和行业属性层面探讨创新人才和创新资本集聚效应的异质性效应，为中国企业如何突破“卡脖子”问题提供经验证据。

二、 理论分析与研究假设

1. 产学研合作与企业创新质量

不同学者和研究领域对于创新质量的界定可能存在差异，但综合来说，学术界普遍将创新质量的评价标准与技术性能突破性和科技成果转化率等特征联系起来，强调创新成果质量对市场竞争和社会效益的重要性[11]。创新成果的收益周期往往较长，投资回报不确定性较高，这使得企业在决策创新投资时面临较大的风险和压力。面对技术创新复杂性和市场不确定性的风险，企业在开放式创新领域中寻求资源互补型合作模式已经成为趋势[12]。一方面，产学研合作有助于构建技术网络组织，促进显性知识和隐性知识的生成与传播。企业创新的实质就是知识元素重组的过程，不同的知识来源和知识特征能够促进各要素之间的知识交流和整合效应。知识资本的积累和应用能够为企业提供创新的智力支持和经验积累。另一方面，产学研合作还可以降低企业的研发成本和风险。企业作为创新主体，通常需要投入大量的资金进行研发。高校和科研机构则拥有丰富的研究资源和技术优势，可以为企业提供长期的技术支持和服务。两者合作可以共同承担研发成本，降低企业的负担。此外，产学研协同创新有助于形成一个创新生态系统，共同推动区域企业创新能力的提升，使得深处其中的企业受益。因此，本文提出如下假设：

H1：产学研合作能够提升企业创新质量。

2. 产学研合作的创新人才集聚效应

人才是技术变革的第一要素，更是创新的源泉。一个国家或一家企业必须拥有足够的人力资本存量，才能成功地吸收和转换外部先进技术。产学研合作易于汇聚创新链各个环节的创新人才。一是产学研合作搭建的创新平台吸引各类人才注入。产学研合作共建技术研究院、联合研发中心以及工程实践孵化器等科研基地，汇聚了包括基础性探索、技术开放和应用研究等专业团队。这些高水平研究平台产生“磁场效应”，形成围绕创新链布局的完整的人才链。二是高新技术的开发应用引致企业对于高层次创新人才的需求。在合作过程中，企业具有资金优势，熟悉产品市场的需求以及负责新产品销售。高校和科研院所负责新知识、新技术的突破，其科研成果往往带来颠覆性的技术变革。企业与高校和科研院所共享新技术、新成果会给企业带来生产技术升级。先进设备的引进和高新技术的应用提高了企业对于劳动人员的技术门槛和管理层的知识能力要求，引致企业增加对高层次人才的需求[13]。人才集聚补充企业内部的知识和技能缺口的同时，也带来新的思维和观念，推动异质性知识在企业内部的碰撞，为企业的技术创新增量提质。因此，本文提出如下假设：

H2：产学研合作通过创新人才集聚效应提升企业创新质量。

3. 产学研合作的创新资本集聚效应

实践表明，金融机构具有较低的风险容忍度，更偏好于稳定的贷款收益和有形的资产抵押[14]。创新活动具有高风险和长周期等特点，导致高新技术企业在创新初期的资金投入具有很高的不确定性和较大的预期收益波动，加上创新企业缺乏高价值的资产抵押品，众多客观因素降低了银行为创新企业发放信贷的意愿[15]。产学研合作有利于缓解企业的融资约束、拓宽企业融资渠道，为创新活动提供更多资金支持。一是产学研合作受到来自各级政府的资金支持。地方政府出台扶持政策支持校企合作开发新技术，包括为创新企业提供启动资金、进行财政补贴、设立创新投资基金等方式，极大增加了创新资金的供给规模。二是产学研合作能够吸引金融机构参与。企业开展产学研合作彰显其具备相当的技术创新和高效的产品生产能力，这种积极“信号”向外部投资者传递良好的社会形象，减少创新企业与金融机构之间的信息不对称，强化金融机构给企业发放贷款意愿。三是产学研合作模式能够吸引社会资本投资。企业进行产学研合作吸引更多分析师等资本市场参与者的追踪和关注，有利于提升企业研发信息的披露质量，降低外部资源持有者及其他社会风险投资机构对企业的不确定性，撬动资本市场上更多其他社会资金的流入[16]。基于以上分析，本文提出如下假设：

H3：产学研合作通过创新资本集聚效应提升企业创新质量。

三、 研究设计及检验结果

1. 样本选取与数据收集

本文选择2012—2020年制造业上市企业为研究对象，为确保数据合理性和匹配的有效性，对数据处理进行如下处理：（1）在专利之星数据库中收集产学研合作相关数据，部分缺失的数据通过色诺芬（CCER）数据库中合作申请数据补充；（2）剔除ST类、PT类以及观测时间小于3年的上市公司，对主要变量进行1%的双边缩尾处理。本文控制变量中的区域指标源于中国城市统计年鉴以及EPS数据库。最终获得2012—2020年1624家企业，包含申请人、申请日、专利分类、摘要、主权项、页数、主分类号、专利分类号等指标共计9997条观测值。

2. 变量定义与测度

（1）创新质量

本文借鉴张杰等[17]的研究，采用知识宽度法衡量专利质量。测算方法参照产业集中度的测算思路，对联合申请专利的IPC分类号1进行梳理，在小组层面运用赫芬达尔-赫希曼指数的逻辑思路进行加权。具体算法为[Qualityi=1-α2]。其中，[α]表示某一专利的专利分类号中各小组分类所占比重。根据赫芬达尔-赫希曼指数定义，类推得出[Qualityi]越大，各小组层面专利运用的知识越复杂，专利质量越高。此外，本文采用文本解读法，对专利的权利要求项数、字数、页数进行测度，进行稳健性检验。

（2）产学研合作

本文借鉴Hong等[18]的测算方法构建产学研合作虚拟变量。产学研合作数据主要来源于专利之星数据库，具体数据检索与处理主要有以下两步：第一，根据制造业上市公司名单，设定“企业名称+大学+学院+研究院+研究所”关键词组合，搜集校企联合专利申请数据。第二，对联合申请专利数据进行清洗。剔除申请号重复、地址信息为国外及港澳台、专利申请人为***大学医学院等不符合要求的联合专利。若企业当年有和高校或科研机构合作申请专利则赋值为1，否则为0。

（3）创新人才集聚

教育程度是衡量人力资本水平的重要因素，较高的学历在一定程度上代表更丰富的知识储备和更强的信息处理能力。相较于专科和本科层次，研究生教育注重培养创新思维，通过开放性问题解决和实践项目激发学生挑战传统观念、提出新问题并找到创新解决方案的能力，更加符合企业对于创新人才的需求。因此本文参考赵宸宇等[19]的做法，采用研究生以上学历人员的占比衡量企业创新人才集聚水平。

（4）创新资本集聚

资金的充足性是影响高质量技术创新的关键因素，而稳定的外部融资则成为企业获取资金并支持各项创新活动的重要途径。参考Hadlock等[20]的做法，本文采用SA指数来测度企业融资约束程度，具体测算公式为[SA=-0.737×Size+0.043×Size2-0.04×Age]，Size为企业总资产的自然对数，Age为企业年龄。SA指数的绝对值越小，代表企业的融资约束程度越低，意味着企业创新资本集聚水平越高。

（5）控制变量

本文选取如下可能影响制造业企业专利质量的控制变量，主要包括企业规模（Size）、资产收益率（Roa）、资产负债率（Lev）、产权属性（Soe）、上市年限（Age）、两职合一（Dual）、股权集中度（Shrcr3）、董事会规模（Board）。此外，本文还在模型中加入了地区经济发展水平（Gdp）和金融发展水平（Fin），详细变量说明见表1。

3. 模型设定

为探究产学研合作与企业创新质量之间的关系，本文构建回归模型如式（1）所示：

[Qualityit=α+βCorpit+controlit+δt+λi+εit] （1）

式（1）中，[Qualityit]为企业i第t年的整体专利质量，[Corpit]为企业i第t年是否参与产学研合作，[Controlit]为控制变量。模型（1）采用双向固定效应方法控制企业个体效应[λi]以及时间效应[δt]，[εit]为误差项，标准误聚类到企业层面。

4. 实证分析

（1）描述性统计与分析

变量描述性统计结果如表2所示：专利质量（Quality）的均值和标准差分别为0.323和0.207。从总体样本来看，我国企业整体专利质量水平并不高，从最大值和最小值可以看出创新质量差异非常明显；企业是否参与产学研合作（Corp）均值为0.099，意味着在总样本中仅有10%的企业存在产学研合作申请专利情况，表明企业与高校或科研机构的合作不太紧密；其他变量数据分布与既有研究基本一致。