“城市經濟協調會”對 上市公司創新的影響
——來自準自然實驗的證據

李 璟 陳勝藍

一、引 言

2018 年11 月18 日，中共中央、國務院印發《關于建立更加有效的區域協調發展新機制的意見》，旨在推動全面落實區域協調發展戰略各項任務，促使區域協調發展向更高水平、更高質量邁進。“長三角城市經濟協調會”(以下簡稱“經濟協調會”)作為一項跨越二十多年的“區域一體化”措施，在區域協調發展中具有十分重要的作用。特別是在2010 年后，“經濟協調會”通過推進合作論壇、合作專題、企業服務聯盟等方式促進了長三角區域內的企業、科研院校和政府在產學研等多方面的協調發 展①例如，2013 年召開的第13 次市長聯席會議設立了創新驅動合作論壇，邀請了各成員城市知名企業家和高等院校、科研院所的代表參會。2017 年第17 次市長聯席會議決定成立“經濟協調會”企業服務聯盟。2018 年9 月21 日成立“經濟協調會”產業特色小鎮發展聯盟，實行“政府搭臺，高校參與，企業唱戲”。。目前對長三角及“經濟協調會”的考察主要從政府間合作方式、協調發展策略、宏觀影響等展開了一系列研究(徐現祥和李郇，2005；吳福象和劉志彪，2008)①這些研究主要側重于規范性分析或分析式研究，從微觀經濟主體層面展開的實證研究十分缺乏。例如，黃新飛等(2014)利用長三角15 個城市的數據，測算了市場分割程度，估計了長三角地區兩省一市之間的邊界效應。孟慶國和羅杭(2017)基于“經濟協調會”之間的合作，用社會網絡模型演繹城市群中各城市政府決策者之間的交互關系，為促進城市群政府合作和加快區域一體化進程提供了決策依據和政策參考。。張學良等(2017)將“經濟協調會”作為一個準自然實驗，發現加入“經濟協調會”可以通過城市之間的市場整合來實現資源的優化配置，促進生產效率提升。然而，“經濟協調會”促使城市群經濟績效提升的微觀機制尚不清晰。通過參與協調發展，市場整合、資源優化配置等帶來的優勢開始滲透到公司，本文通過考察“經濟協調會”對公司創新的影響來打開其提高經濟績效的黑箱。

習近平總書記在黨的十九大報告中指出，創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。創新驅動作為一項基本國策，在引領經濟社會發展中將發揮越來越重要的作用。為了在國際市場上有效競爭，一個國家的公司必須不斷創新，提升其競爭優勢(Porter，1992)。對此，如何提高公司創新發展就變得至關重要。創新包括利用新知識和信息創造更有效的產品(Hall 等，2005)，公司的信息收集、知識利用、技術發展等直接影響公司的創新能力。

城市的空間鄰近可以產生正的外部性(Meijers，2005；Van Oort 等，2010)，通過勞動力市場的相互作用、中間產品和最終產品供應商之間的匹配、知識的溢出等機制產生集聚經濟效應(Duranton 和Puga，2004)。“經濟協調會”通過城市間的合作形成集聚經濟，產生信息以及技術溢出效應。通過舉辦專題論壇邀請公司參與、建立“經濟協調會”企業服務聯盟等協調發展戰略，“經濟協調會”能夠促進公司之間進行信息傳遞和相互學習，并實現知識的不斷累積和循環改進，從而影響公司的創新。因此，本文預期“經濟協調會”能夠促進公司創新。

基于不同城市在不同時間加入“經濟協調會”形成的準自然實驗情境，本文使用雙重差分來估計加入“經濟協調會”對公司創新的影響。以中國資本市場上市公司2008—2016 年數據為研究樣本的檢驗結果表明，公司所在城市加入“經濟協調會”后，公司專利的申請數量平均上升了40%左右。為了排除其他替代性解釋，進一步支持“經濟協調會”促進了公司創新的觀點，本文分別從公司網絡、全要素生產率和信息環境三個維度進行了橫截面差異檢驗。其結果發現，在公司網絡中心度較低、全要素生產率較低、信息環境較差的條件下，“經濟協調會”對公司專利申請數量增長的推動作用更大。最后，本文進行了一系列的穩健性測試以加強研究結果的穩健性。

本文的研究貢獻主要在以下方面。

第一，本文貢獻于“經濟協調會”產生經濟效應的相關研究。已有研究主要是從宏觀層面介紹“經濟協調會”提出的背景、合作模式及對城市群經濟的影響等(徐現祥和李郇，2005；黃新飛等，2014)，少數研究為“經濟協調會”的經濟效應提供了經驗證據①例如，張學良等(2017)實證考察了“經濟協調會”對城市群經濟績效及市場整合的影響。。然而，這些研究較少關注“經濟協調會”對微觀層面的影響。本文從公司創新的角度考察了“經濟協調會”對公司的影響，發現“經濟協調會”能夠促進公司創新，補充了“經濟協調會”如何影響微觀經濟主體的經驗證據。

第二，本文貢獻于公司創新影響因素的相關研究。從實證角度看，已有研究主要分析了機構所有權、金融衍生品、外部環境變化等對公司創新的影響②已有研究主要分析了機構所有權(Aghion 等，2013)、金融衍生品(Blanco 和Wehrheim，2017)、董事會特征(Balsmeier 等，2017)等公司特征對創新的影響，也有研究考察了公司稅(Mukherjee 等，2017)、賣空機制(權小鋒和尹洪英，2017)、勞動保護(倪驍然和朱玉杰，2016)等外部環境的變化對公司創新的影響。。本文表明“經濟協調會”帶來的信息及技術溢出會導致公司專利申請數量的增加，有助于推動公司創新的相關行為，從宏觀政策方面補充了創新影響因素的相關研究。

第三，本文使用的準自然實驗可以有效消除內生性問題的干擾。以前關于公司創新的研究會受到內生性問題的干擾，因為一些重要的公司層面不可觀測因素(如公司戰略選擇、公司特質等)很可能同時影響公司特征和公司創新。然而，“經濟協調會”并不依賴于公司層面的不可觀測因素，這種沖擊是相對“外生”的，這有助于本文更準確地識別“經濟協調會”對公司創新的因果效應。利用不同城市在不同時間加入“經濟協調會”形成的準自然實驗情境，本文使用雙重差分方法解決了以往研究中存在的缺失變量問題，發現“經濟協調會”可以促進公司創新。

本文按以下順序安排后續部分：第二部分進行了理論分析；第三部分詳述了數據的來源、變量定義以及模型設定等研究設計；第四部分給出基本問題、橫截面差異的主要實證結果；穩健性檢驗及相關分析在第五部分中展示；最后是本文的研究結論。

二、理論分析

鄰近的城市之間通過空間和功能整合可以達到一種密切合作、功能互補的狀態，從而產生正的外部性，形成協同發展(Meijers，2005；Van Oort 等，2010)和集聚效應，集聚經濟效應通過勞動力市場的相互作用、中間產品和最終產品供應商之間的匹配、知識的溢出等而產生(Krugman，1991；Duranton 和Puga，2004)。通過城市之間的協調合作，“經濟協調會”形成了協同發展。從長三角的空間范圍來看，“經濟協調會”所引發的區域協調發展突出表現為城市間分工與協調合作的深化，尤其從產業和空間雙重互動的動態角度看，呈現出共同集聚或協同集聚的特征，由此產生信息及技術溢出效應。例如，吳福象和劉志彪(2008)以“經濟協調會”的16 個城市為研究樣本，發現城市化群落驅動經濟增長的主要機制之一是要素在區域間自由流動促進了技術溢出。孟慶國和羅杭(2017)指出“經濟協調會”自發合作的現象體現了經濟的集聚和協同發展。張學良等(2017)發現，作為一種區域合作和交流機制，“經濟協調會”能夠推動城市之間的功能分工和市場共享，實現城市群的協同發展，使群內的各個地區享受到更多的技術溢出，形成集聚的正外部性和溢出效應，帶來經濟效率的顯著提升。

城市間的集聚會產生正外部效應，如知識溢出、商業聯系等(Fujita，1989；Francis等，2016)。公司通過參與“經濟協調會”的合作論壇、合作專題等，與政府及其他公司形成了一定的交流與合作，使得這種信息溢出對微觀主體產生影響。

首先，這種信息溢出提高了公司間信息傳遞的可能性。通過參加“經濟協調會”，公司之間更可能交換信息，更容易建立合作關系。“經濟協調會”合作與交流產生的正外部性越大，信息溢出越容易在微觀主體之間產生作用(Christoffersen 和Sarkissian，2009)，從而提高公司間的信息傳遞能力。

其次，這種信息溢出擴大了公司間信息傳遞的范圍。通過參加“經濟協調會”，信息及技術溢出效應會使大量的信息和知識能夠在成員城市、公司之間迅速擴散，促使公司進行更大范圍的信息傳遞與經驗學習，提高了公司接收到信息的數量與異質性(Schilling 和Phelps，2007)。例如，加入“經濟協調會”之前，公司可能只與同一城市的公司進行交流，而加入“經濟協調會”后，依托協調會這一平臺，公司與其他城市的公司也會進行交流。

最后，這種信息溢出提高了公司間信息傳遞的效率。通過參加“經濟協調會”，公司之間更愿意分享隱性復雜的知識(Coleman，1988)，加深了對問題的理解并促進了問題的解決。對問題的探討和解決又大大促進了進一步交流和學習(Brown 和Duguid，1991)，實現了知識的不斷累積，提高了信息的傳遞效率。

創新包括獲取和熟悉各種知識元素、新問題的發現及解決、失敗的教訓以及成功的解決方案等(Hargadon 和Fanelli，2002)。所以，信息對創新發展至關重要(Hall 等，2005)。公司的信息收集、知識利用、技術發展等直接影響創新，具有良好信息交流的公司更容易獲得與公司創新相關的價值信息，信息的傳遞也會影響公司對創新的重視程度(Chuluun 等，2017)。“經濟協調會”產生的信息及技術溢出效應會從以下三個方面影響公司之間創新信息的傳遞，進而對公司的專利申請數量產生影響。第一，公司之間基于“經濟協調會”產生的聯系有助于發現新的技術機會、確定創新需求、提高獲得知識密集型服務的幾率等，使公司之間更容易進行與創新相關的信息交換，增加了創新信息傳遞的可能性。第二，由“經濟協調會”帶來的信息溢出會使大量與創新相關的信息和知識能夠在公司之間迅速擴散和整合，擴大了創新相關知識的傳遞范圍，公司能夠獲得更多關于創新的知識。第三，這種協調發展使公司更愿意分享信息，尤其是與開發新產品相關的隱性復雜知識，這樣可以實現創新知識的不斷累積和循環創新，加速創新信息在公司與政府及其他公司之間的交流與傳遞，提高了創新相關知識的傳遞效率。因此，可以預期“經濟協調會”可以通過產生信息及技術溢出促進公司創新，增加公司專利申請的數量。

三、樣本選擇、研究設計與描述性統計

（一）長三角城市經濟協調會

長三角區域一體化的問題，其實就是區域治理能力的現代化問題，而如今的長三角，更迫切需要自上而下的頂層設計。“經濟協調會”這一長三角實質性合作的起源，自成立以來，有效助力了長三角的一體化進程。1997 年，上海等15 個城市通過平等協商自發成立了“長三角城市經濟協調會”。在2003 年“經濟協調會”第四次會議上，臺州市成為正式成員。自“經濟協調會”吸納臺州后，擴容呼聲不斷，但遲遲未改變過“15+1”模式的格局。早期的“經濟協調會”只在城市層面舉行，采用由各成員城市市長或分管副市長出席的機制，由于彼此負責人之間的行政級別是不同的，16 座城市并不能完全對等地坐在一張圓桌上，這樣的制度設置很難起到實效。

2008 年9 月7 日，國務院正式發布《關于進一步推進長江三角洲地區改革和經濟發展指導意見》，表明長三角一體化快速發展戰略正式上升到國家層面。2010 年，“經濟協調會”擴容提速，合肥、鹽城、馬鞍山、金華、淮安、衢州6 個城市入圍，“15+n”的“泛長三角”格局開始呈現。除了擴容以外，會議名稱也更改為“長江三角洲城市經濟協調會第××次市長聯席會議”，以提高“經濟協調會”的工作推進力、協調力和執行力。會議上還通過了合作專題等多項提案，強調了非政府組織的交流協調作用，鼓勵開展經濟技術合作研討會、洽談會和論壇等，“經濟協調會”開始呈現“多層次”特征，公司開始參與協調會并受到影響。2013 年“經濟協調會”第十三次市長聯席會議決定吸納徐州、蕪湖、滁州、淮南、麗水、溫州、宿遷、連云港8 座城市，從而會員城市擴容至30 個。市長聯席會除了舉行市長高峰論壇，還專門設立創新驅動合作論壇，大力促進了長三角區域內的企業、科研院校和政府之間更好地進行產學研合作與創新。

本文研究“經濟協調會”對公司創新的影響。“經濟協調會”通過城市間的合作形成集聚經濟，產生信息以及技術溢出效應(吳福象和劉志彪，2008；張學良等，2017)。通過舉辦合作論壇邀請公司參與、建立企業服務聯盟等，信息及技術溢出效應在公司間傳遞，提高了與創新相關的知識和技術的傳遞效率，并實現知識的不斷累積和循環創新，從而使公司的專利申請數量增加。

考慮到2010 年之前的“經濟協調會”只在城市層面召開，幾乎沒有供公司參與的論壇、合作項目等，公司難以參與其中，受“經濟協調會”的影響不大。所以，本文研究問題圍繞2010 年、2013 年加入“經濟協調會”的14 個城市的79 家上市公司展開。選取這79 家公司作為處理組樣本具有以下優勢：第一，這些公司都處于長三角城市群，面臨相同的地域文化、經濟發展趨勢等，樣本具有同質性且有相似的創新行為，這有助于解決缺失變量或偽相關問題。第二，這些公司的所在城市在不同時間加入“經濟協調會”，且通過“經濟協調會”，公司之間可以隨時交流與創新相關的信息，容易觀察到由“經濟協調會”帶來的信息及技術溢出對公司創新的影響。第三，這些公司所在城市加入“經濟協調會”的相關信息，如加入的時間、協調發展的主旨、成立的聯盟等，都有詳細的披露數據，便于我們考察“經濟協調會”對其帶來的影響。表1給出了研究期間各城市加入“經濟協調會”的具體時間及加入當年城市上市公司的總數量。

表1 各階段加入“經濟協調會”的城市及上市公司數量

（二）樣本選擇與數據收集

本文的初始樣本選取2008—2016 年中國資本市場上市公司的相關數據①由于橫截面檢驗中高管的網絡數據從2008 年開始，所以本文的樣本期間起始年份為2008 年。，遵從以下程序篩選樣本：(1)若公司的相關數據有缺失，將其刪除；(2)由于保險、金融行業的公司特征與行業整體存在較大偏差，若公司處于這兩個行業，將其剔除。本文從歷年的《上海統計年鑒》《江蘇統計年鑒》《浙江統計年鑒》《中國城市統計年鑒》和《中國統計年鑒》中獲取“經濟協調會”的相關數據，從深圳國泰安信息技術有限公司(CSMAR)獲取上市公司的財務數據以及城市層面的區域經濟數據。專利數據來自CSMAR，并通過國家知識產權局網站(CNIPA)進行手工補充整理。本文對連續變量實施1%的縮尾處理以控制極端值的影響，對公司進行“聚類(Cluster)”處理，同時使用異方差穩健性標準誤，由此控制潛在的序列相關性和異方差問題。

本文使用“經濟協調會”作為準自然實驗考察其對公司創新的影響。首先，需要根據“經濟協調會”組織的成員名單與研究期間來確定處理組樣本。由于樣本研究期間為2008—2016 年，為了排除過早加入“經濟協調會”的樣本對研究問題造成的干擾，本文的基本研究問題圍繞2010 年、2013 年加入“經濟協調會”的14 個城市的上市公司展開，將其作為處理組樣本，其他城市的上市公司為控制組樣本②在基本問題中，為了排除干擾，本文將1997 年、2003 年加入“經濟協調會”城市的上市公司進行了剔除。但是為了穩健性，本文也對2016 年前所有加入“經濟協調會”的城市(1997 年、2003 年、2010 年、2013 年四年加入“經濟協調會”的城市)進行了全樣本的測試，結果符合預期。。

（三）模型設計與變量定義

本文參考 Tong 等(2014)以及孔東民等(2017)的研究，以專利申請數量衡量公司創新。本文根據申請年份而非授予年份來定義專利產出，因為申請年份能更準確地刻畫創新的產出時間。具體來說，本文將各公司每年三種類型的專利申請數量加總得到創新總量(Patent)③對于專利申請數據，若公司在樣本期內僅存在一年的專利(發明專利、實用新型專利和外觀設計專利任意一種)申請數據而其他年度的專利申請數據缺失，我們用0 替代。。因此，本文用三類專利申請總量衡量公司創新，考慮到專利申請數據的右偏問題，本文將所有專利數值加1 之后取自然對數，最終得到變量LnPatent，以此表示創新總量。

為有效緩解加入“經濟協調會”前后時間因素對研究結論的干擾，本文使用雙重差分方法(Difference-in-Differences)考察加入“經濟協調會”與公司專利申請數量之間的因果關系。為控制其他因素的影響，本文借鑒已有研究(Wang 和Zhao，2015；Mukherjee 等，2017；孔東民等，2017)并加入相關控制變量。其具體的研究模型如下：

其中，LnPatentit表示公司i 在t 年的研發專利，使用公司專利申請總數量加1 后取自然對數來衡量。“經濟協調會”變量ECCit(Economic Coordination Committee)是虛擬變量，如果公司i 所在的城市在t 年加入了“經濟協調會”，則取值為1，否則取值為0。具體變量定義如表2 所示。

表2 變量定義與說明

為了控制由于公司其他特征帶來的專利申請的差異，本文控制了公司固定效應。為了控制不同年度宏觀因素的影響，本文設置了年度虛擬變量。系數β1估計了相比控制組，處理組在加入“經濟協調會”后其申請的專利數量的變化。

（四）描述性統計

表3 報告了本文主要變量的描述性統計結果。從描述性統計結果可以看出，專利申請數量(LnPatent)的均值為1.329，意味著公司平均每年有1.3 個專利申請。“經濟協調會”(ECC)的均值為0.054，表明樣本中約有5.4%的公司所在城市加入了“經濟協調會”。資本性支出(PPE)的均值為0.06，公司規模(Size)的均值為21.959，資產收益率(ROA)的均值為0.037，公司資本結構(Lev)的均值為0.432，公司成長性(MTB)的均值為2.261，公司年齡(Age)平均為13.704，管理層持股(CEOShare)的均值為0.092，營業收入增長率(SalesGrowth)平均為20.4%。平均而言，有20.9%的公司為國有企業，24.7%的公司董事長、總經理由一人擔任，獨董占比為37.3%。城市(縣)國民生產總值自然對數的均值為8.143，人口自然對數的均值為6.107。

表3 主要變量的描述性統計結果

四、“經濟協調會”與公司創新

（一）基準模型——“經濟協調會”與公司研發專利

本文首先考察加入“經濟協調會”對公司專利申請的影響，表4 報告了其回歸結果。在加入“經濟協調會”后，第(1)列控制年度固定效應和公司固定效應的回歸中，ECC 的回歸系數為0.475，在5%顯著性水平下顯著。控制其他相關變量之后，第(2)列中ECC 的回歸系數為0.454，仍在5%(t＝2.22)顯著性水平上顯著，這意味著相比沒有加入“經濟協調會”的公司，公司在加入“經濟協調會”之后專利申請數量增加了45.4%。第(3)列進一步控制了公司固定效應和年度×行業固定效應，ECC 的回歸系數為0.384，在10%(t＝1.83)顯著性水平上顯著。另外，與已有文獻一致(Wang 和Zhao，

2015；孔東民等，2017)，控制變量的系數表明，企業規模越大、資產收益率越高，其創新產出越高。綜合上述結果可知，在加入“經濟協調會”之后，公司專利申請的數量顯著增多。

表4 “經濟協調會”與專利申請數量

（二）橫截面差異

加入“經濟協調會”對公司創新的影響可能具有橫截面差異，本文分別從公司網絡、公司全要素生產率和公司信息環境三個維度進行橫截面差異檢驗。

1. 公司高管網絡程度的影響

社會網絡是指社會個體成員之間因為互動而形成的相對穩定的關系體系。社會網絡理論認為，個人或公司間的聯系網絡為信息交換提供了一個有效的渠道，可以提供信息優勢，促進信息擴散，最終對個體行為產生影響(Shue，2013)。例如，公司作為節點可以通過高管(董事)的老鄉、校友、任職關系等形成公司網絡，不同的網絡具有不同的信息優勢，并能促進信息擴散，最終影響公司的行為。在社會網絡中的不同地位決定了通過網絡信息傳遞的數量、多樣性和速度。

在公司環境中，高管除了發揮監督作用外，還發揮重要的咨詢功能，高管的存在有助于傳遞隱性知識和信息，并讓公司接觸相關信息。通過不同公司的高管在同一地方任職，在公司之間建立了網絡，社交網絡個體之間的重復互動會導致相互信任和可信賴程度的提高(Glaeser 等，2000)，有利于相互關聯的公司之間的信息流動和溝通(Cai和Sevilir，2012)，促進相互關聯的公司共享與創新相關的信息。因此，公司的網絡中心地位越高，公司之間存在的信任、共享和合作的程度越高，公司的信息獲取和傳遞能力就越強，越可能獲取創新的相關知識和技能，專利申請數量越多(Chuluun 等，2017)；而公司的網絡中心地位越低，公司依靠網絡獲取和傳遞的信息越少，越不容易獲得與公司創新相關的高價值信息，創新受到限制。“經濟協調會”可以產生信息及技術溢出效應(吳福象和劉志彪，2008；張學良等，2017)。加入“經濟協調會”后，信息溢出與公司網絡帶來的信息優勢形成替代，公司網絡中心地位的作用降低。信息溢出可以彌補網絡信息傳遞的不足，對公司網絡中心地位低的公司的信息劣勢狀況改善效果更明顯，這類公司更容易通過“經濟協調會”獲取創新的相關知識，由此增加專利的申請數量。

基于由高管聯系建立起來的公司網絡，網絡中心度是判斷網絡中節點(公司)重要性的量化指標，使用一系列中心度的度量方法能夠計算出哪個公司更重要，就可以進一步分析中心度對公司高管財務決策行為造成的影響。根據已有研究(Phua 等，2018)，若兩個公司的高管或董事同時在同一家其他單位(政府部門、其他公司、高校、銀行等)兼職，則認為這兩個公司存在聯系。本文以高管和董事聯系建立起來的公司網絡為樣本，分別使用公司兼職網絡的度中心度(Degree)、接近中心度(Closeness)、中介中心度(Betweenness)、特征向量中心度(Eigenvector)四種方法衡量公司網絡中心度的程度，具體定義如下。

(1) 度中心度(Degree)

對于每個公司來說，度中心度計算的是其擁有直接關系的其他公司的數量，是衡量公司網絡中心程度最直接的變量。若公司i 與公司j 有直接的聯系，則Ii,j為1，并用除公司i 以外的公司總數對其進行標準化。具體度中心度的定義為：

其中n 是網絡中公司的總數。

(2) 鄰近中心度(Closeness)

鄰近中心度計算的是網絡中公司i 與所有其他公司之間的平均距離的反比，距離被定義為兩個公司之間最短路徑的步數。其中，Dij為節點i 到除自身外的所有節點的最短路徑之和，(n-1)為用網絡規模進行調整而由此得到考慮了網絡規模的標準化鄰近中心度。鄰近中心度關注公司在網絡中與其他聯系個體距離的重要性，衡量了資源共享速度的快慢。具體鄰近中心度的定義為：

(3) 中介中心度(Betweenness) 中介中心度衡量了公司作為網絡中的中介優勢，或者一個公司在連接一個網絡中的其他個體有多重要。Pkj為考慮所有連接中k 和j 最短路徑的數量，Pikj為包括i 的k和j 之間的最短路徑的數量，比率Pikj/Pkj表示了在k 和j 的連接中i 的重要性，對n 個公司組成的網絡中的所有個體進行平均，得到公司i 的中介中心度。具體中介中心度

的定義為：

(4) 特征向量中心度(Eigenvector) 特征向量中心度衡量的是該公司所連接的公司的重要性。如果一個公司同時通過直接和間接的路徑與網絡中其他重要公司相連，則該公司具有較大的特征向量中心度。因此，給定公司的特征向量中心度取決于網絡中其他重要公司的中心度。

其中，λ 是一個比例常數，若公司i 與j 之間有聯系則Xij為1。

本文將通過計算所得的公司網絡中心度按照前一年的行業均值劃分為高(LowCentrality＝0)、低(LowCentrality＝1)兩組并進行分組檢驗，結果如表5 所示。在表5 中，無論用何種方法衡量公司網絡中心度，“經濟協調會”變量ECC 的回歸系數在低網絡中心度組都更大(ECC＝0.672；ECC＝0.842；ECC＝0.672；ECC＝0.605)，且都顯著(t＝2.15；t＝2.63；t＝2.31；t＝1.72)，在高網絡中心度組系數都較小(ECC＝0.320；ECC＝0.370；ECC＝0.505；ECC＝0.394)，且除使用中介中心度衡量在10%水平上顯著外(t＝1.86)，其他都不顯著(t＝1.28；t＝1.47；t＝1.59)。此結果顯示在低中心度的一組里ECC 系數顯著且影響更大，表明加入“經濟協調會”后公司專利申請數量的增加在網絡中心度低的公司中更顯著。

表5 公司高管網絡程度的影響

2. 全要素生產率的影響

全要素生產率與公司層面技術的變化有相關性(Melitz，2003)，全要素生產率較高的公司擁有更多與創新相關的信息與技術，專利申請的數量更多(Brav 等，2018)。全要素生產率較低的公司創新的知識和技術相對缺乏，創新受到限制，專利申請的數量較少。而且，激烈的市場競爭會淘汰無效率的公司，促使公司為了生存而努力創新和增加投資(Bloom 等，2016)。加入“經濟協調會”能帶來信息、技術溢出等正外部性，促進公司創新。全要素生產率較低的公司由于本身創新需求較高，且創新知識和技術缺乏，對“經濟協調會”帶來的信息及技術溢出更加敏感，因而所在城市加入“經濟協調會”后其專利申請的數量會增加。

本文依據已有研究的方法計算公司的全要素生產率(Giannetti 等，2015)。首先，對柯布-道格拉斯生產函數兩邊同時取對數后回歸，模型如下：

其中，LnIncome 是公司銷售收入變量，定義為公司i 在t 年銷售商品或提供勞務收到現金的自然對數，LnAsset 是公司規模變量，定義為公司i 在t 年總資產的自然對數，LnLabor 是員工人數變量，定義為公司i 在t 年員工總人數的自然對數，LnCost 是支出變量，定義為公司i 在t 年購買商品接受勞務支付現金的自然對數。通過模型(6)使用研究期間樣本公司每一年度(9 年)每一行業(22 個行業)進行回歸，得到的殘差項即為公司的全要素生產率。我們對全要素生產率的估計反映了企業在某一特定年份內與其所在行業的全要素生產率之間的偏差，可以理解為一個公司在其行業內的相對生產力。

按照全要素生產率前一年的行業均值，本文把研究樣本劃分為全要素生產率較高(LowProductivity＝0)、全要素生產率較低(LowProductivity＝1)兩組，檢驗結果見表6。“經濟協調會”變量(ECC)的回歸系數在低全要素生產率組較高，為0.640，在5%的水平下顯著；在高全要素生產率組較低，為0.364，且不顯著。此結果說明，加入“經濟協調會”后，公司專利申請數量的增加在全要素生產率較低的公司中更顯著。

表6 全要素生產率程度的影響

3. 信息環境的影響

加入“經濟協調會”對公司專利申請數量的影響隨著對信息及技術溢出敏感性程度的不同而不同。在信息環境較好的公司中，公司本身可以憑借較好的信息環境獲得創新的相關知識與技能，創新相對活躍。在信息環境較差的公司中，加入“經濟協調會”之前，公司間信息傳遞效果較差，通過信息傳遞獲得有效知識或技術的能力有限，創新相對較少；當其所在城市加入“經濟協調會”后，其專利申請數量的增加主要源于城市合作、公司參與等產生的信息溢出(Duranton 和Puga，2004)，所以信息交流的加強對信息環境較差的公司改善更明顯。因此，公司信息環境越差，其所在城市加入“經濟協調會”后，由于信息溢出對創新相關知識傳遞的改善也越明顯，專利申請數量也越可能增加。

Henderson(2000)認為，人口和產業在城市的高度集中可以提高信息溢出的效率，有利于節省公司之間貨物交換、產品銷售等成本。所以，本文分別使用城市人口密度和產業集聚指數作為衡量公司信息環境的方法。其中，對于城市人口密度，本文采用城市年末總人口/城市總面積來衡量(師博和沈坤榮，2013)；對于產業集聚指數，本文采用Krugman(1991)提出的Krugman 空間基尼系數來衡量(李波和楊先明，2018)。具體產業集聚指數的計算方法如下：

其中，aggrj為r 省(直轄市)j 行業的Krugman 空間基尼系數，empr/emp 為r 省(直轄市)就業總人數占全國總就業人數的比重，反映的是全國總就業的地區分布，emprj/empj為r 省(直轄市)j 行業總就業人數占全國j 行業的總就業人數的比重，反映的是行業j 總就業的地區分布。產業集聚指數大小介于0～1 之間，當取1 時，說明產業完全集聚于一個地區；當取0 時，說明產業分布均勻。

本文將計算得到的城市人口密度和產業集聚指數分別按照前一年的三分位數，把研究樣本劃分為上三分位數信息環境較好(LowInfo＝0)、下三分位數信息環境較差(LowInfo＝1)兩組，檢驗結果見表7。分別使用城市人口密度、產業集聚指數衡量公司的信息環境，“經濟協調會”變量(ECC)的回歸系數在信息環境較差組都更大，為0.549 或0.665，且在1%或5%的水平上顯著(t＝2.63；t＝2.15)；回歸系數在信息環境較好組都較小(ECC＝0.090；ECC＝-0.043)，且都不顯著(t＝0.11；t＝-0.09)。這表明加入“經濟協調會”后公司專利申請數量的增加在信息環境較差的公司中更顯著，進一步支持了本文的基本邏輯。

表7 信息環境的影響

五、其他附加測試①為進一步加強研究問題的穩健性，本文還將控制變量全部滯后一期或以專利授予數量衡量公司創新后重新對模型(1)進行回歸，結果符合預期。由于篇幅限制未給出該結果，如有需要，可向作者索取。

（一）平行趨勢檢驗

使用雙重差分模型進行估計的一個重要假定是處理組樣本和控制組樣本在政策變動之前具有平行趨勢(Parallel trend)，即如果沒有處理效應，結果變量在處理組和控制組中的波動趨勢是相似的。本文借鑒相關研究(Serfling，2016)，執行如下測試來檢驗平行趨勢是否滿足。具體而言，本文將基本模型中的ECC 替換為Before2、Before1、Current、After1 和After2+這5 個變量，如果觀測值處于加入“經濟協調會”前2 年、1年、當年、后1 年以及后2 年以上，這5 個變量分別取值為1，由此來觀察平均處理效應的時間趨勢。其結果表明Before1、Before2 的系數并不顯著，意味著在加入“經濟協調會”之前公司之間的專利申請數量并無明顯差別，這為平行趨勢假定滿足及DID 方法的有效性提供了支持的經驗證據②限于篇幅，本文沒有給出平行趨勢檢驗的圖表。如有需要，可向作者索取。。

（二）傾向得分匹配

為進一步緩解處理組和控制組公司之間固有的特征差異對本文結果產生的干擾，本文使用傾向得分匹配法得到新的控制組重新檢驗。由于處理組樣本較少，可選的配比樣本較多，本文采用傾向得分匹配法依據公司特征與城市特征①借鑒相關研究(Serfling，2016；Blanco 和Wehrheim，2017)，將基本模型中的控制變量作為PSM 時的配比變量，能構造出一個與處理組相似的控制組樣本，有效控制樣本的選擇偏誤。并按照1∶10 的比例為每一個處理組樣本配比了最相近的控制組樣本，配比過程使用重置抽樣②為了有效降低處理組與控制組之間的差異，可以使用1∶n 的配比方式，即1 個處理組樣本配比與其傾向得分最接近的n 個控制組樣本(Ming 和Rosenbaum，2000)。考慮到本文的處理組樣本較少，為了有效降低處理組與控制組之間的差異，本文使用了1∶10 的配比方式。本文還使用1∶1 和1∶5 的配比方式，也能得到類似的結果。。參考已有研究的做法，本文把卡尺設置為0.01。最后，本文使用配比的控制組樣本重新檢驗了模型(1)，發現檢驗結果與表4 中的結果基本一致。這表明使用配比控制組后，“經濟協調會”對公司專利申請數量仍然存在顯著的正向影響③限于篇幅，本文沒有給出傾向得分匹配檢驗的圖表。如有需要，可向作者索取。。

（三）安慰劑測試

為進一步減少時間上變化的宏觀因素及難以在檢驗模型中加以控制的不可觀測的缺失變量對基本研究發現的干擾，加強加入“經濟協調會”與公司專利申請數量之間的因果關系，借鑒Dessaint 等(2017)的做法，本文隨機將樣本公司分為處理組和控制組進行安慰劑測試。此外，借鑒Gao 等(2020)的做法，為了加強選取“安慰劑處理組”的隨機性，使結果更加穩健，本文使上述過程重復1000 次。結果顯示Placebo 的回歸系數并不顯著，這表明隨機指定的加入“經濟協調會”公司以及不加入“經濟協調會”的公司，在加入“經濟協調會”后專利申請數量的變化并不存在顯著差異，有助于緩解宏觀經濟因素對本文基本結果的干擾，確立了本文研究問題的因果效應④限于篇幅，本文沒有給出安慰劑檢驗的圖表。如有需要，可向作者索取。。

（四）排除替代性解釋

中國城際高鐵的開通會顯著影響城市間信息和技術溢出效應作用于公司創新(龍玉等，2017；Dong 等，2020)。高鐵的開通可能通過兩種方式影響公司間的互動和信息傳遞。首先，位于兩個高鐵連接城市的現有合作公司可能會有更多互動；其次，由于高鐵的便利可能會在公司之間增加新的合作。由于長三角城市之間高鐵的開通，公司之間因信息交流而增加的創新可能不是由于所在城市加入“經濟協調會”產生的信息溢出促進了公司間的信息傳遞，而是由于高鐵開通為公司之間的交流提供了便利。所以，本文進一步在基本模型中控制高鐵開通變量(HSR)。HSR 為虛擬變量，如果公司注冊地對應的地級市屬于2010 年、2013 年加入“經濟協調會”的14 個城市⑤包含合肥、鹽城、馬鞍山、金華、淮安、衢州、徐州、蕪湖、滁州、淮南、麗水、溫州、宿遷、連云港這14 個城市。，且截至當年末開通可以到達另一“經濟協調會”成員城市的高鐵，則取值為1，否則取值為0，具體樣本期間這14 個城市的高鐵開通時間如表8。

表8 “經濟協調會”城市高鐵開通時間

本文在模型(1)中加入HSR 后重新進行回歸，結果在表9 中顯示。從表9 可以看出，控制高鐵開通變量HSR 后，其結果基本保持不變。控制年度和公司固定效應之后，ECC 的系數為0.438，在5%的水平上顯著。這表明考慮了高鐵開通的影響之后，加入“經濟協調會”仍可以顯著提高公司專利申請的數量，增強了本研究的邏輯性。

表9 “經濟協調會”與專利申請數量

六、研究結論及政策含義

2018 年長三角一體化協調發展上升為國家戰略，隨著長三角一體化全面深化，長三角的集聚輻射能力也在不斷增加，產生越來越強的向心力，“長三角城市經濟協調會”正是長三角地區之間協調發展的一種最直接的表現。“長三角城市經濟協調會”的形成為本研究提供了理想的準自然實驗情境。這不僅能在一定程度上消除測量誤差帶來的內生性偏誤，而且城市加入“長三角城市經濟協調會”是錯層發生的，有利于控制宏觀經濟層面和公司層面一些不可觀測的缺失變量對研究結論的干擾，更準確地識別加入“長三角城市經濟協調會”與公司創新之間的因果關系。

以城市在不同時間加入“長三角城市經濟協調會”為準自然實驗，以2008—2016年的數據為研究樣本，本文使用雙重差分方法來估計“長三角城市經濟協調會”與公司創新之間的因果效應。本研究結果表明，相對于所在城市沒有加入“長三角城市經濟協調會”的公司，加入“長三角城市經濟協調會”之后公司專利申請的數量顯著增多。本文還分別從公司的網絡中心度、全要素生產率和公司信息環境三個維度來檢驗“長三角城市經濟協調會”影響公司創新的橫截面差異。其結果顯示在網絡中心度低、全要素生產率低以及信息環境差的條件下，“長三角城市經濟協調會”對公司創新的影響更大。最后，本文進行了一系列的穩健性測試，測試結果與基本結果保持一致，進一步提高了研究結論的穩健性。

在目前區域協調發展戰略新階段的背景下，本文的研究結論具有一定的現實意義。從公司的角度來看，由于區域協調政策具有信息及技術溢出效應，公司應積極響應相關政策的制定與實施，參與其中，借助區域協調這一平臺與其他微觀個體(公司、科研院校等)充分溝通與交流，制定更加合理的發展戰略，多渠道提高創新水平，實現可持續發展。從政策制定的角度來看，區域協調促進經濟增長的一個重要機制是區域協調提高了公司的有效決策水平，政府可以借助區域協調政策進一步“聯合”微觀主體，如舉行專門的政企交流會議、增設企業協調發展委員會、簽署企業共同創新協議等，給予其相應的優惠與扶持，通過微觀主體的創新，從基礎上帶動整個區域經濟的發展。而且，基于“長三角城市經濟協調會”所起到的促進公司創新的作用，可以進一步推廣“城市經濟協調會”這種協調發展模式，逐步建立更高層次的“經濟協調會”，如“沿海城市經濟協調會”“中西部城市經濟協調會”甚至“全國性的經濟協調會”，逐次提高全國公司創新的效率，擴大“區域協調”作用，提高綜合競爭力。本文為“長三角城市經濟協調會”與公司創新之間的因果關系提供了新的經驗證據，研究結果對于理解集群經濟信息溢出的作用以及“長三角城市經濟協調會”如何影響微觀企業決策，具有一定的理論與現實意義。