創新氛圍與企業創新能力
——基于企業周邊高校特征的視角

石惠敏，李 強（教授）

一、引言

近年來，我國企業創新能力不斷提高，但表現出顯著的地區差異。根據2017年《中國企業創新能力百千萬排行榜》，我國高新技術企業創新能力前1000 強主要集中于廣東、北京、江蘇、上海和浙江，這五個地區的企業占到了前1000 強的64.4%，而西部地區的甘肅、內蒙古和新疆合計占比僅為0.5%。

企業創新能力存在地區差異的原因可能包括兩方面：一是創新主體即企業自身存在差異；二是創新外部環境存在差異。已有研究發現，企業所在地區的知識產權保護水平、文化等會對其創新產生重要影響[1，2]。當前，我國正在積極推動“大眾創業、萬眾創新”，營造鼓勵產學研合作、協同創新的良好氛圍。那么，作為外部環境的構成要素之一，創新氛圍是否會影響企業創新能力？從理論上而言，一定產業區域具有空間接近和文化同質性，一方面在區域內能夠形成共有知識和相互信任[3]，另一方面特定的氛圍會促進技術的擴散、轉移，加強知識的正外部性和組織學習[4，5]，從而對產業區域內微觀企業的創新能力產生影響。但在實證方面，直接檢驗創新氛圍對企業創新能力的影響的文獻還很少。究其原因，可能是由于對創新氛圍的量化較為困難。已有研究通常采用員工調查數據衡量企業的創新氛圍[6]，但該種衡量方式僅僅著眼于企業內部，對外部的創新氛圍無法準確度量，且調查數據往往受制于被試者的誠實回答，具有數據量小、實施成本高的局限性[7]。

值得注意的是，高校的知識溢出對企業創新至關重要，且知識溢出效應存在本地化特征[8]，企業也傾向于與地理位置臨近的主體開展產學研合作[5，9]。通過產學研合作，高校可以幫助企業了解科技前沿、提供解決方法以及長期合作的高素質人才等[10，11]。我國于1992年提出“產學研聯合開發工程”，此后一系列國家政策的頒布旨在將大學科研機構的優勢創新資源引入產業系統，提高企業自主創新能力[12]。高校作為區域創新的主要知識源，體現了企業開展地理位置臨近產學研合作的可能性[13]，也塑造了區域內“鼓勵創新”的氛圍。因此，從某種程度上而言，企業所在地的高校特征可以較好地反映其外部創新氛圍。

基于此，本文選擇我國A 股上市公司2010～2015年數據為樣本，以企業周邊高校特征衡量創新氛圍，實證檢驗創新氛圍對企業創新能力的影響。研究發現，創新氛圍與企業創新能力顯著正相關，表現為企業周邊高校數量越多、質量越高，則企業創新產出越多、創新效率越高，而且創新氛圍的這種積極作用在國有企業、高新技術企業中更加明顯。此外，在知識產權保護水平較低的地區，創新氛圍對企業創新能力的促進作用更加顯著，表明創新氛圍能夠在一定程度上彌補正式制度的不足。

本文的貢獻主要體現在以下方面：①創新氛圍的衡量。借鑒Acs等[14]對高校知識溢出范圍的測度，本文采用企業注冊地周邊100千米內高校的數量和質量衡量企業外部的創新氛圍，并擴大到200 千米進行穩健性檢驗。這種方法避免了已有研究主要采用問卷調查方式所存在的主觀性和樣本量小、實施成本高等不足。②從非正式制度角度豐富了企業創新能力影響因素的研究文獻。相比已有研究側重于討論知識產權保護、財稅政策、產業政策等正式制度[1，15]，以及文化多樣性、宗教文化[2，16]等非正式制度，本文著眼于創新氛圍，結合我國產學研政策導向研究周邊高校特征對企業創新能力的影響，并考慮非正式制度與正式制度的綜合效應，是對企業創新能力影響因素研究的有益補充。

二、理論分析及假設提出

（一）創新氛圍對企業創新能力的影響

創新不僅僅是企業內部活動的結果，同時也是外部因素綜合作用的結果[2]。創新氛圍作為外部知識、理念、價值觀等一系列因素的綜合，可以從創新意愿和創新資源兩方面影響企業創新能力。

1.良好的創新氛圍有助于提高企業創新意愿。創新活動是一個不確定性高、回報周期長、風險大，而且失敗率很高的復雜過程[17]。高管出于風險規避和對自身利益的考慮，傾向于放棄風險較高的研發投資項目[18]，導致企業創新意愿下降。但在一個擁有良好創新文化的地區，企業傾向于選擇創新戰略，投資者和監管層對于創新失敗的包容程度也更高，此時，企業高管更有積極性開展創新活動[19]。而且，在開放式創新的背景下，良好的創新氛圍意味著企業擁有更多協同創新的機會。研究表明，外部合作研發會產生1+1＞2的協同效應，有助于降低企業創新失敗的可能性[20，21]，從而提升企業開展創新活動的積極性。

2.良好的創新氛圍有助于企業獲取創新資源。企業的研發創新活動是否成功在很大程度上依賴于企業能否獲得充足的財力和人力，即外部融資和研發人員[22，23]。具體而言，創新氛圍有助于緩解企業創新的融資約束以及提升企業的人力資本水平：

第一，在創新氛圍好的地區，企業更有可能獲得創新所需的資金。Hall 等[24]指出，鑒于創新項目的長期性和高風險，處于信息劣勢的外部人難以評估企業創新活動的優劣，進而導致企業外部融資成本增加，融資金額受限，引發企業創新投入不足的問題。相較而言，良好的創新氛圍所帶來的協同創新有助于降低企業創新失敗的可能性[21]。產學研協同創新的開展本身具有“專家效應”和“聲譽效應”，可以有效對外傳遞信號，降低資金所有者對企業創新風險的負面預期，從而使其更有意愿進行資金投入。而且，結合我國產學研合作背景，協同創新活動本身也受到政府支持，有助于企業獲取政府創新補助，進一步緩解企業創新面臨的融資約束[25]。

第二，在創新氛圍好的地區，企業創新受到的人力資源限制較少。若所在地區創新氛圍良好，企業研發人員對于創新的積極性更高，企業也會更有意識地將人力資源向研發部門傾斜，有助于提升對科研人員的激勵以及其在企業中的人力占比，從而提升企業創新能力。此外，創新氛圍好的地區能夠提供更多的協同創新機會，其可以作為一種關系投資為企業積累關系資本提供機會[26]。一方面，合作創新為企業技術人才儲備提供了關鍵支撐，使企業更容易獲得高素質的人力資源和科技人才[27]；另一方面，合作創新也增加了不同層面R & D 人員的交流，如個人間的自由結合、校企間的戰略結合等正式與非正式的溝通機制，為企業打通持續接觸新興技術的渠道以及增加企業獲得知識的機會[28]。

綜上，良好的創新氛圍可以提高企業創新意愿和改善企業創新資源（財務資源和人力資源），進而提升企業創新能力。基于此，提出如下假設：

H1：創新氛圍與企業創新能力正相關。

（二）正式制度對創新氛圍與企業創新能力關系的影響

創新氛圍作為一種非正式制度，其與企業創新能力的關系不可避免地會受到企業所面對的正式制度的影響。其中，最重要的正式制度是企業所在地的知識產權保護制度。我國各地區間知識產權保護水平存在較大差異[29]，由于研發投資存在外部性，政府對于企業知識產權的保護程度決定了企業開展創新活動的積極性和效率[30]。相關研究發現，正式制度與非正式制度的關系較為復雜，二者既可能互補，也可能相互替代[31]。本文認為，創新氛圍與知識產權保護制度在影響企業創新能力方面也可能存在這兩種情況：

1.互補關系，即在知識產權保護較好的地區，創新氛圍對企業創新能力的促進作用更顯著。①知識產權保護水平的提高可以減少研發的外部性，從而提升企業的創新意愿[30]。在知識產權保護更好的地區，企業研發的“被模仿風險”和“侵權風險”得到有效控制，此時創新氛圍能更好地促進企業創新意愿的提升。②當企業外部知識產權保護制度較為完善時，企業創新面臨的融資約束能夠得到有效緩解，企業的創新資金較為充裕，更有可能參與協同創新[32]，此時創新氛圍帶來的資源效應能更好地發揮作用。

2.替代關系，即在知識產權保護較差的地區，創新氛圍對企業創新能力的促進作用更顯著。①若企業所在地區的知識產權保護較差，創新成果收益上的非獨占性和消費上的非排他性使得企業創新的預期收益下降，致使企業創新的激勵不足和風險進一步加大[33]，企業傾向于與外部組織開展合作創新以規避技術溢出風險、縮短創新周期[34]。在此情形下，校企合作更有助于降低企業的創新風險，創新氛圍發揮了更強的邊際作用。②在知識產權保護較差的地區，由于研發活動的信息不對稱，外部投資者對于企業創新風險的預期會進一步加大，導致企業面臨更為嚴重的融資約束[30]。此時，開展產學研合作的主體的“聲譽效應”和“專家效應”可以對外傳遞“利好信號”，有效降低外部投資者對企業創新活動的風險預期，緩解企業創新面臨的外部融資約束。由此，創新氛圍可以更好地發揮信號傳遞的作用，提升企業創新能力。

可見，在提升企業創新能力的過程中，正式制度（知識產權保護）與非正式制度（創新氛圍）之間的關系并不是確定的。由此，本文提出對立假設H2a 和H2b：

H2a：在知識產權保護較好的地區，創新氛圍與企業創新能力的正相關性更顯著。

H2b：在知識產權保護較差的地區，創新氛圍與企業創新能力的正相關性更顯著。

三、研究設計

（一）樣本選取與數據來源

我國從2007年開始要求上市公司披露研發投入（R & D）信息[35]，但仍有大量企業存在未披露或披露不充分的情況。本文對我國主板上市公司研發投入數據進行整理發現，2007～2009年分別只有117、101、115 家公司進行了詳細披露，此后自2010年才開始顯著增多。由于本文擬采用面板數據進行實證分析，同時考慮到研發產出的延滯性，故以2010～2015年滬、深A股上市公司為樣本。初始樣本為922家，并進行以下篩選：剔除樣本期間內未連續進行研發投入信息披露的樣本；剔除被ST、?ST等以及財務指標存在異常的樣本；剔除金融類上市公司；剔除變量數據存在缺失的樣本。最終，獲得了534家樣本公司2010～2015年的平衡面板數據。

本文的數據來源如下：企業專利信息來自于國家知識產權專利局（CSIPO）數據庫，由筆者手工整理；企業R & D 投入、技術人員數據來自于CSMAR數據庫和WIND 數據庫，并輔以手工年報整理；企業周邊高校特征數據來自于手工整理；知識產權保護數據來自于王小魯等[36]發布的《中國分省份市場化指數報告（2016）》；其余數據均來自于CSMAR和CCER 數據庫。為避免極端值的影響，對主要連續變量進行首尾各1%的Winsorize處理。

（二）變量定義

1.被解釋變量：企業創新能力（Patent1、Patent2和Pr）。已有文獻主要采用四種方式衡量企業創新能力：研發投入，專利申請或授權量，新產品銷售收入，創新效率[15，37-39]。由于新產品銷售收入數據較難獲得[40]，而研發投入不僅包括資金投入，還包括實物投入、人力資本投入等，只考慮資金投入不夠全面[41]，故本文從兩方面衡量企業創新能力——創新產出與創新效率。借鑒已有文獻[42]，采用專利數量衡量企業的創新產出，并將創新投入作為控制變量。專利申請數量相比于授權數量更能刻畫創新的產出時間[43]，因此，本文采用專利的申請數量衡量企業專利產出，并用授權數量進行穩健性檢驗。我國的專利可以分為三類，發明專利、實用新型專利、外觀設計專利，其中發明專利被認為獲得難度較大、技術要求較高，更能代表企業的創新能力[42]。因此，借鑒黎文靖、鄭曼妮[15]的研究，以專利申請總數加1 的自然對數（Patent1）、發明專利申請數量加1 的自然對數（Patent2）分別衡量企業創新產出。對創新效率的衡量則借鑒馮根福等[39]的研究，以專利申請數量與研發投入絕對值的自然對數的比值衡量企業創新效率（Pr）。

2.解釋變量：創新氛圍（Allsch 和Schtop）。參考Acs 等[14]的研究，本文將企業周邊的高校范圍鎖定為100 千米，并采用200 千米作為穩健性檢驗的范圍。借鑒陳冬華等[7]，采用爬蟲（Python）技術和高德地圖的接口分別鎖定企業注冊地和高校所在地的經緯度，將數據導入Arcmap地理信息系統以企業注冊地為圓心，以100 千米為半徑，查找匹配的高校數量。采用注冊地而非企業經營地的原因是，注冊地一般代表企業總部，總部往往與其核心業務活動臨近，涉及R & D支出的決策通常在總部進行[16]。此外，對于高校的認定，采用教育部2017年統計的全國普通高等學校名單，共計2631所（含獨立學院265所）。為了保證回歸結果的可讀性，采取與創新產出相似的處理方式，用企業注冊地100千米內高校數量加1取自然對數、企業注冊地100千米內985和211高校數量加1 取自然對數分別作為創新氛圍的代理變量（Allsch 和Schtop），前者代表高校數量，后者代表高校質量。

3.調節變量：知識產權保護（IPpro）。吳超鵬、唐菂[30]研究指出，我國各省在知識產權保護水平上的差異主要是在法律法規的執行方面，而非法律條文方面。因此，本文借鑒Shen[44]、史宇鵬和顧全林[29]的研究，采用專利糾紛結案率衡量一個地區的專利管理機構對于侵權案件的查處力度。該指標的數值越大，代表該地區知識產權保護水平越高。此外，王小魯等[36]評價并發布的各省份“政府執法力度”指數可以與專利糾紛結案率相互印證來衡量知識產權保護水平，本文采用此種衡量方式進行穩健性檢驗。

4.控制變量。借鑒余明桂等[42]、Binay和Anup[16]等的研究，選取企業規模、財務杠桿、產權性質、盈利能力、資產結構、創新投入、成長能力、股權集中度、管理層持股、兩職合一、獨立董事比例、董事會規模和是否為高新企業等作為控制變量。另外，還控制了年份、行業和省份變量。變量定義具體見表1。

（三）模型構建

由于企業研發創新到專利申請存在一定時滯，借鑒已有研究將解釋變量滯后一期處理。為了檢驗創新氛圍與企業創新能力的關系（H1），構建模型（1）：

表1 變量定義

為了檢驗知識產權保護對創新氛圍與企業創新能力關系的調節作用（H2），在模型（1）的基礎上構建模型（2）：

其中：Patent 表示企業創新能力，回歸時分別代入Patent1、Patent2 和Pr；Sch 代表高校特征，回歸時分別采用高校數量（Allsch）和高校質量（Schtop）作為替代變量；IPpro代表企業注冊地的知識產權保護程度，由于該變量是基于企業所在省份的評價指標，與省份的固定效應存在多重共線性，因此在模型（2）中去掉了省份的固定效應。

（四）描述性統計

表2列示了主要變量的描述性統計特征。

表2 描述性統計

由表2 可知，申請專利總數（Patent1）的極小值為0，極大值為6.6320，標準差為1.6490，表明不同企業的創新產出存在著較大的差異。發明專利數量（Patent2）的分布與申請專利總數（Patent1）類似。創新效率（Pr）的標準差較大，且極小值和極大值之間差距較大。另外，分別采用高校數量（Allsch）以及高校質量（Schtop）衡量創新氛圍，其極小值均為0，極大值分別為4.7622 和3.3322，表明企業周邊的高校分布存在明顯差異。地區知識產權保護（IPpro）依據中位數進行了分組，可以看出分組樣本較為均衡。其余變量的描述性統計結果均在正常范圍之內。

四、實證分析

（一）創新氛圍與企業創新能力的回歸分析

由于被解釋變量企業創新能力（Patent1、Patent2和Pr）的取值均為非負，且在0 處存在左歸并，因此采用面板數據的Tobit 回歸方法。回歸結果見表3，根據被解釋變量（Patent1、Patent2、Pr）和解釋變量（Allsch、Schtop）的不同衡量方式，分為6列列示。

由表3可知，不論是采用申請專利總數（Patent1）、發明專利數量（Patent2）還是創新效率（Pr）來衡量企業創新能力，創新氛圍（Allsch、Schtop）的回歸系數均顯著為正。表明在其他因素相同的情況下，企業注冊地創新氛圍越好，企業創新的數量、質量和效率越有優異的表現，創新氛圍對企業創新能力產生了顯著的積極影響，H1 得到支持。從控制變量的回歸結果來看，規模較大企業（Size）、高新技術企業（Hightech）的創新產出和效率較高，與已有研究的結論保持一致。

進一步，按照產權性質（State）、行業屬性（Hightech）對樣本進行分組。一般而言，國有企業掌握更多資源，產學研合作也多屬于政府主導型，且相比于民營企業，國有企業創新意愿受資源的約束較少，也容易獲得更多產學研合作機會，因此創新氛圍更能發揮其積極作用；對于高新技術企業，技術創新是其核心競爭力，其自身創新意愿更強，也有更多資源進行創新[2]。

表4 列示了采用企業注冊地周邊高校數量（Allsch）衡量的創新氛圍與按照申請專利總數（Patent1）和創新效率（Pr）衡量的企業創新能力的分組回歸結果（受篇幅所限，采用其他衡量方式的分組回歸結果未予列示，但回歸結果保持一致）。

由表4 可以看出，創新氛圍對企業創新能力的促進作用在國有企業、高新技術企業顯著為正，而在非國有企業和非高新技術企業未通過顯著性檢驗。這表明在提升企業創新能力方面，創新氛圍存在一定的局限性，受企業產權性質、行業屬性的制約。

（二）正式制度的調節作用

表5 列示了模型（2）的回歸結果。由表5 可以看出，創新氛圍與企業創新能力顯著正相關，H1 再次得到支持。此外，對于創新效率（Pr），知識產權保護（IPpro）與創新氛圍（Allsch 和Schtop）交乘項的回歸系數均在5%的水平上顯著為負；對于創新產出（Patent1、Patent2），知識產權保護與創新氛圍交乘項的回歸系數均部分顯著為負。

表3 創新氛圍與企業創新能力的回歸結果

總體而言，回歸結果支持H2b，表明知識產權保護與創新氛圍之間存在替代性，創新氛圍對企業創新能力的促進作用在知識產權保護力度較弱的情況下更顯著，即創新氛圍能在一定程度上彌補正式制度的不足。其原因主要在于：產權保護制度的完善并非朝夕可就，出于宗教、文化及歷史等原因我國并不能移植發達國家成熟的產權制度，在正式制度缺失的情況下，創新氛圍長久以來扮演著彌補產權制度缺失的角色來促進創新，二者形成了一種替代性的關系。在產權制度不完善的地區，創新氛圍能夠更好地發揮其合作機制和聲譽機制，這也較好地解釋了我國在產權制度不完善的背景下仍取得了豐碩的創新成果。

表4 按產權性質及行業屬性的異質性檢驗結果

表5 對知識產權保護調節作用的檢驗結果

（三）穩健性檢驗

1.內生性問題。本文的內生性問題主要存在于創新氛圍與企業創新能力的自選擇上，即創新能力強的企業在初始選址時就考慮到創新氛圍，選擇了注冊在距離高校更近的地點。此外，企業創新能力受眾多因素影響，無法在模型中全部進行控制。前文采用面板數據的回歸方法盡可能控制了遺漏變量的內生性，并采用滯后一期的方式緩解了互為因果的內生性。但樣本自選擇的問題和遺漏變量問題仍有待進一步解決。

（1）遺漏變量問題：安慰劑測試。將企業所在地周邊高校數量（Allsch）和高校質量（Schtop）在各企業間隨機分配，隨機分配后的企業周邊高校特征無法準確衡量企業的外部創新氛圍。利用隨機分配后的樣本重新進行回歸，如果創新氛圍與企業創新能力的正向關系依舊顯著，那么可能是遺漏重要變量導致的偽相關。表6列示了對創新氛圍（Allsch）進行隨機排列后再次回歸的結果，可以看出，Allsch 的回歸系數不顯著，表明遺漏變量問題并不會導致本文的核心結果發生變化。此外，也采用Schtop進行安慰劑測試，結果相似。

（2）樣本選擇偏誤問題。對于回歸中存在的樣本選擇偏誤，本文采用傾向得分匹配法（PSM）加以解決。傾向得分匹配法以非線性高維度選擇更精確的匹配對象，從而可以緩解樣本的自選擇問題。其思路是：首先，按照創新氛圍高低將樣本分為兩組，即高創新氛圍組和低創新氛圍組；其次，將企業特征、治理結構、收益水平等多維度特征濃縮為一個概率值，尋找到與高創新氛圍組（實驗組）多維度特征類似的配對樣本（控制組），比較兩組的差異，即在控制其他兩組特征的基礎上，比較僅僅由創新氛圍所帶來的企業創新能力差異。在匹配前，本文對于兩組樣本進行了平衡性檢驗。檢驗結果表明，在匹配前，高創新氛圍組（實驗組）和低創新氛圍組（控制組）在財務杠桿（Lev）、資產結構（Tangibility）、創新投入（Innov）、董事會規模（Board）和是否為高新企業（Hightech）等方面均存在著顯著差異，但匹配后所有協變量的標準化偏差均小于10%，T 檢驗結果不顯著。這表明進行匹配后，匹配結果較好地平衡了數據，高創新氛圍組和低創新氛圍組企業特征差異得到較大程度的消除，在進行傾向得分匹配時僅會損失少量樣本。

表6 安慰劑測試

表7 PSM檢驗

表7列示了以高校數量（Allsch）衡量創新氛圍，實驗組和控制組經過PSM 匹配后得出的不同創新氛圍下企業創新能力的差異。ATT 均顯著為正，表明創新氛圍較高的公司其創新能力更強。按照最近鄰匹配、半徑匹配、核匹配和局部線性回歸進行匹配后，其結果均是一致的。傾向得分匹配估計結果進一步驗證了本文的結論。此外，本文也采用了高校質量（Schtop）衡量創新氛圍進行PSM 檢驗，結論保持不變。

2.主要變量衡量問題和模型選擇問題。模型選擇和變量衡量對于研究結論有重要影響。本文分別更換了創新氛圍與企業創新能力的衡量方法以及回歸模型進行了穩健性檢驗：①采用注冊地周邊200千米內的高校特征作為創新氛圍的替代變量。②借鑒楊道廣等[35]的研究，分別采用滯后一期、二期、三期的專利授予數量來衡量企業的創新能力。同時將回歸方式更換為常用的最小二乘法（OLS）。③由于企業的專利數據是計數變量，因此也適合采用泊松分布模型進行回歸。統計檢驗顯示被解釋變量過度分散，通過Hausman檢驗，本文采用了負二項式回歸的固定效應模型再次進行回歸。④采用王小魯等[36]的“政府執法水平”指數衡量企業所在地的知識產權保護水平，再次進行回歸。

表8 列示了更換解釋變量、被解釋變量及回歸方法后，企業創新能力（Patent2）與創新氛圍（Allsch）的回歸結果，可以看出，創新氛圍與企業創新能力顯著正相關，支持前文的結論。本文也采用申請專利總數（Patent1）、創新效率（Pr）、創新氛圍（Schtop）進行了回歸，結論保持一致。

表9列示了采用“政府執法水平”衡量企業所在地的知識產權保護水平的回歸結果，可以看出，正式制度知識產權保護水平（IPpro）與非正式制度創新氛圍（Allsch）的替代關系仍然成立。

五、結論與啟示

當前我國正在積極營造“大眾創業、萬眾創新”的良好氛圍，但不同地區的企業創新能力卻存在顯著差異。本文采用企業周邊高校特征衡量創新氛圍，實證檢驗了創新氛圍與企業創新能力的關系并分析了其作用路徑。研究發現：創新氛圍與企業創新能力顯著正相關，企業周邊高校越多、質量越高，越有助于提升企業創新產出和創新效率，且這種積極作用在國有企業、高新技術企業中更為顯著；創新氛圍與企業創新能力的正向關系在知識產權保護較差的地區更為明顯，良好的創新氛圍有助于彌補我國當前知識產權保護存在的不足。本文從非正式制度角度拓展了文化與企業創新研究領域的相關研究，有助于更好地理解高校對企業創新的影響機理，對于推動我國產學研協同創新有較大的理論和現實意義。

表8 穩健性檢驗

表9 對知識產權保護調節作用的穩健性檢驗

本文的研究啟示包括：①培養創新氛圍應以發展高等教育為抓手。知識經濟的兩大支柱是人力資源和科技創新，二者均與高等教育密切相關。本文的研究表明，不論是高校的數量還是質量都對企業創新能力具有顯著的提升作用。我國應不斷優化高等教育結構，一方面強調高端“頂天”，推進研究型大學建設以提升前沿科技創新水平，另一方面強調應用“立地”，加強職業技術院校建設以培養技術型人才。②實行差別化的創新發展政策。創新增長的不平衡為落后地區帶來了后發追趕優勢，追趕潛力的實現依賴于外部知識溢出的獲取。我國高等教育資源分布極不均衡，中西部省份缺乏優質科教資源，企業創新能力整體偏低。國家創新發展政策的制定應充分考慮這種不平衡，出臺專門措施加強中西部地區的校企合作，充分發揮高等教育的知識溢出效應和人力資本效應。③從創新意愿和創新資源入手，優化創新氛圍對企業創新能力的影響路徑。在當前大力營造創新氛圍的基礎上，政府相關部門應進一步整合創新資源、保護創新成果、加強創新人才培養，注重市場化手段對于企業創新的支持，引導金融資源配置到創新活動。