產學研合作、集聚效應與企業創新質量

[摘要]產學研合作能夠產生創新要素集聚效應，對企業創新質量具有重要影響。基于國家知識產權局2012—2020年制造業聯合發明專利申請數據，利用雙重固定效應模型分析產學研合作對企業創新質量的影響及作用機制。研究表明：產學研合作對企業的創新質量有著顯著正向影響，在經過一系列穩健性檢驗后，該結論依舊穩健。機制分析發現，產學研合作通過創新人才集聚和創新資本集聚提升企業創新質量。異質性分析表明，相較于非省會城市，省會城市產學研合作對創新人才、創新資本集聚效應提升作用更顯著；高技術行業對于創新人才集聚效應較強，對創新資本集聚效應的影響低于非高技術行業。研究結論對制造業等實體企業如何開展高質量創新活動及政府部門政策的制定具有一定的參考價值。

[關鍵詞]產學研合作；創新質量；聯合專利申請；專利質量；集聚效應

一、 引言

《“十四五”規劃和2035年遠景目標》1明確提出，促進各類創新要素向企業集聚，形成以企業為主體、市場為導向、產學研用深度融合的技術創新體系。創新驅動發展戰略實施以來，我國產學研合作成果支撐企業和產業高速發展。為積極響應國家制定的創新追趕和專利推動政策，地方政府采取多種形式的財政支持措施，以激勵當地的企業進行專利申請，旨在促進本地區專利申請和授權數量的增長。然而這種“重數輕質”的扭曲性行為，可能會導致專利的使用價值和技術實際性效果下降，進而形成“專利泡沫”的創新假象[1]。創新驅動高質量發展下，企業主導和政府引導相結合，聚焦重大產業場景，瞄準產業關鍵核心技術的產學研合作創新，推動創新鏈與產業鏈深度融合，以突破“卡脖子”技術。產學研深度合作是實現這一目標的重要途徑，已經受到各級政府和學術界的高度重視。

高質量創新是驅動經濟發展與提升國際競爭力的關鍵，現有研究主要聚焦兩個層面：微觀層面主要關注數字技術[2]、金融市場[3]和企業特征[4]因素；宏觀層面主要聚焦產業政策[5]和法律環境[6]因素的影響。盡管關于創新質量影響因素的研究已較為豐富，但這些研究都基于一個假設前提，即企業的研發模式沒有發生重大變革。然而，作為一種貫穿于技術研發活動各個環節的契約安排，產學研合作必然會對研發模式產生重要影響。從科學性關聯程度來看，部分學者發現科學式產業的產學研合作模式聯系強度較低，但創新質量更高[7]，且科學合作與技術合作對企業創新質量的影響之間存在互補效應[8]。從創新環境來看，在知識產權保護和市場化程度較高地區，校企合作對創新質量提升效果更顯著[9]。此外，企業吸收能力和行業內在需求也正向激勵企業創新質量[10]。產學研合作的本質是聚集創新要素，開展關鍵技術聯合開發，推動科學—技術—產業化的創新鏈與產業鏈的融合，以高質量技術驅動經濟高質量發展。

本文可能的邊際貢獻如下：第一，研究方法的新突破。國外研究普遍采用專利引用次數來測度企業創新質量，這一方法具有一定的合理性，但結合中國專利實際引用情況，專利數據庫無法提供全面的引用信息。有鑒于此，本文擬通過手工整理國家知識產權局制造業聯合發明專利申請數據，采用改進的知識寬度法衡量企業專利質量。第二，作用機理的新嘗試。隨著市場體制的不斷完善，企業創新行為是基于各種創新要素協同耦合的結果。本文擬從產學研合作集聚創新要素的視角揭示企業創新質量的一個路徑。第三，研究內容的新拓展。從城市層級和行業屬性層面探討創新人才和創新資本集聚效應的異質性效應，為中國企業如何突破“卡脖子”問題提供經驗證據。

二、 理論分析與研究假設

1. 產學研合作與企業創新質量

不同學者和研究領域對于創新質量的界定可能存在差異，但綜合來說，學術界普遍將創新質量的評價標準與技術性能突破性和科技成果轉化率等特征聯系起來，強調創新成果質量對市場競爭和社會效益的重要性[11]。創新成果的收益周期往往較長，投資回報不確定性較高，這使得企業在決策創新投資時面臨較大的風險和壓力。面對技術創新復雜性和市場不確定性的風險，企業在開放式創新領域中尋求資源互補型合作模式已經成為趨勢[12]。一方面，產學研合作有助于構建技術網絡組織，促進顯性知識和隱性知識的生成與傳播。企業創新的實質就是知識元素重組的過程，不同的知識來源和知識特征能夠促進各要素之間的知識交流和整合效應。知識資本的積累和應用能夠為企業提供創新的智力支持和經驗積累。另一方面，產學研合作還可以降低企業的研發成本和風險。企業作為創新主體，通常需要投入大量的資金進行研發。高校和科研機構則擁有豐富的研究資源和技術優勢，可以為企業提供長期的技術支持和服務。兩者合作可以共同承擔研發成本，降低企業的負擔。此外，產學研協同創新有助于形成一個創新生態系統，共同推動區域企業創新能力的提升，使得深處其中的企業受益。因此，本文提出如下假設：

H1：產學研合作能夠提升企業創新質量。

2. 產學研合作的創新人才集聚效應

人才是技術變革的第一要素，更是創新的源泉。一個國家或一家企業必須擁有足夠的人力資本存量，才能成功地吸收和轉換外部先進技術。產學研合作易于匯聚創新鏈各個環節的創新人才。一是產學研合作搭建的創新平臺吸引各類人才注入。產學研合作共建技術研究院、聯合研發中心以及工程實踐孵化器等科研基地，匯聚了包括基礎性探索、技術開放和應用研究等專業團隊。這些高水平研究平臺產生“磁場效應”，形成圍繞創新鏈布局的完整的人才鏈。二是高新技術的開發應用引致企業對于高層次創新人才的需求。在合作過程中，企業具有資金優勢，熟悉產品市場的需求以及負責新產品銷售。高校和科研院所負責新知識、新技術的突破，其科研成果往往帶來顛覆性的技術變革。企業與高校和科研院所共享新技術、新成果會給企業帶來生產技術升級。先進設備的引進和高新技術的應用提高了企業對于勞動人員的技術門檻和管理層的知識能力要求，引致企業增加對高層次人才的需求[13]。人才集聚補充企業內部的知識和技能缺口的同時，也帶來新的思維和觀念，推動異質性知識在企業內部的碰撞，為企業的技術創新增量提質。因此，本文提出如下假設：

H2：產學研合作通過創新人才集聚效應提升企業創新質量。

3. 產學研合作的創新資本集聚效應

實踐表明，金融機構具有較低的風險容忍度，更偏好于穩定的貸款收益和有形的資產抵押[14]。創新活動具有高風險和長周期等特點，導致高新技術企業在創新初期的資金投入具有很高的不確定性和較大的預期收益波動，加上創新企業缺乏高價值的資產抵押品，眾多客觀因素降低了銀行為創新企業發放信貸的意愿[15]。產學研合作有利于緩解企業的融資約束、拓寬企業融資渠道，為創新活動提供更多資金支持。一是產學研合作受到來自各級政府的資金支持。地方政府出臺扶持政策支持校企合作開發新技術，包括為創新企業提供啟動資金、進行財政補貼、設立創新投資基金等方式，極大增加了創新資金的供給規模。二是產學研合作能夠吸引金融機構參與。企業開展產學研合作彰顯其具備相當的技術創新和高效的產品生產能力，這種積極“信號”向外部投資者傳遞良好的社會形象，減少創新企業與金融機構之間的信息不對稱，強化金融機構給企業發放貸款意愿。三是產學研合作模式能夠吸引社會資本投資。企業進行產學研合作吸引更多分析師等資本市場參與者的追蹤和關注，有利于提升企業研發信息的披露質量，降低外部資源持有者及其他社會風險投資機構對企業的不確定性，撬動資本市場上更多其他社會資金的流入[16]。基于以上分析，本文提出如下假設：

H3：產學研合作通過創新資本集聚效應提升企業創新質量。

三、 研究設計及檢驗結果

1. 樣本選取與數據收集

本文選擇2012—2020年制造業上市企業為研究對象，為確保數據合理性和匹配的有效性，對數據處理進行如下處理：（1）在專利之星數據庫中收集產學研合作相關數據，部分缺失的數據通過色諾芬（CCER）數據庫中合作申請數據補充；（2）剔除ST類、PT類以及觀測時間小于3年的上市公司，對主要變量進行1%的雙邊縮尾處理。本文控制變量中的區域指標源于中國城市統計年鑒以及EPS數據庫。最終獲得2012—2020年1624家企業，包含申請人、申請日、專利分類、摘要、主權項、頁數、主分類號、專利分類號等指標共計9997條觀測值。

2. 變量定義與測度

（1）創新質量

本文借鑒張杰等[17]的研究，采用知識寬度法衡量專利質量。測算方法參照產業集中度的測算思路，對聯合申請專利的IPC分類號1進行梳理，在小組層面運用赫芬達爾-赫希曼指數的邏輯思路進行加權。具體算法為[Qualityi=1-α2]。其中，[α]表示某一專利的專利分類號中各小組分類所占比重。根據赫芬達爾-赫希曼指數定義，類推得出[Qualityi]越大，各小組層面專利運用的知識越復雜，專利質量越高。此外，本文采用文本解讀法，對專利的權利要求項數、字數、頁數進行測度，進行穩健性檢驗。

（2）產學研合作

本文借鑒Hong等[18]的測算方法構建產學研合作虛擬變量。產學研合作數據主要來源于專利之星數據庫，具體數據檢索與處理主要有以下兩步：第一，根據制造業上市公司名單，設定“企業名稱+大學+學院+研究院+研究所”關鍵詞組合，搜集校企聯合專利申請數據。第二，對聯合申請專利數據進行清洗。剔除申請號重復、地址信息為國外及港澳臺、專利申請人為***大學醫學院等不符合要求的聯合專利。若企業當年有和高校或科研機構合作申請專利則賦值為1，否則為0。

（3）創新人才集聚

教育程度是衡量人力資本水平的重要因素，較高的學歷在一定程度上代表更豐富的知識儲備和更強的信息處理能力。相較于專科和本科層次，研究生教育注重培養創新思維，通過開放性問題解決和實踐項目激發學生挑戰傳統觀念、提出新問題并找到創新解決方案的能力，更加符合企業對于創新人才的需求。因此本文參考趙宸宇等[19]的做法，采用研究生以上學歷人員的占比衡量企業創新人才集聚水平。

（4）創新資本集聚

資金的充足性是影響高質量技術創新的關鍵因素，而穩定的外部融資則成為企業獲取資金并支持各項創新活動的重要途徑。參考Hadlock等[20]的做法，本文采用SA指數來測度企業融資約束程度，具體測算公式為[SA=-0.737×Size+0.043×Size2-0.04×Age]，Size為企業總資產的自然對數，Age為企業年齡。SA指數的絕對值越小，代表企業的融資約束程度越低，意味著企業創新資本集聚水平越高。

（5）控制變量

本文選取如下可能影響制造業企業專利質量的控制變量，主要包括企業規模（Size）、資產收益率（Roa）、資產負債率（Lev）、產權屬性（Soe）、上市年限（Age）、兩職合一（Dual）、股權集中度（Shrcr3）、董事會規模（Board）。此外，本文還在模型中加入了地區經濟發展水平（Gdp）和金融發展水平（Fin），詳細變量說明見表1。

3. 模型設定

為探究產學研合作與企業創新質量之間的關系，本文構建回歸模型如式（1）所示：

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

式（1）中，[Qualityit]為企業i第t年的整體專利質量，[Corpit]為企業i第t年是否參與產學研合作，[Controlit]為控制變量。模型（1）采用雙向固定效應方法控制企業個體效應[λi]以及時間效應[δt]，[εit]為誤差項，標準誤聚類到企業層面。

4. 實證分析

（1）描述性統計與分析

變量描述性統計結果如表2所示：專利質量（Quality）的均值和標準差分別為0.323和0.207。從總體樣本來看，我國企業整體專利質量水平并不高，從最大值和最小值可以看出創新質量差異非常明顯；企業是否參與產學研合作（Corp）均值為0.099，意味著在總樣本中僅有10%的企業存在產學研合作申請專利情況，表明企業與高校或科研機構的合作不太緊密；其他變量數據分布與既有研究基本一致。

（2）基準回歸分析

為了考察產學研合作對企業專利質量的影響，本文構造雙向固定效應模型進行驗證，結果見表3，第（1）列僅控制企業固定效應；第（2）列僅控制時間固定效應；第（3）列同時控制企業和時間固定效應。研究發現，無論是否考慮企業固定效應和時間固定效應，產學研合作的回歸系數都顯著為正，即企業擁有產學研合作對企業專利質量有著顯著正向促進作用，假設H1得以驗證。

（3）內生性處理

工具變量法。計量模型中聯立因果關系是內生性問題的主要來源。產學研合作會提高企業創新質量，高質量創新帶來的高利潤、高回報也會刺激企業尋求產學研合作。鑒于此，本文進一步使用工具變量法解決估計結果存在偏誤問題。在工具變量的選取上，考慮到產學研合作具有持續性，前一期的產學研合作會對當期合作產生影響，具有較強的關聯性，同時不會對誤差項產生干擾，故將滯后一期的產學研合作作為本文第一個工具變量（IV1）。此外，參考Degener等[21]的研究，構建產學研合作的年度-城市平均水平作為本文第二個工具變量（IV2）。由于不同地區的產業集群程度、政策支持力度及制度環境水平等存在差異，產學研合作的參與水平也會有所不同。首先，單個企業的產學研合作水平與同一城市的整體產學研合作情況相關，滿足了相關性假設要求；其次，產學研合作的城市-年度平均水平與單獨某個企業的創新質量關聯較小，滿足外生性假設要求。內生性問題的處理結果如表4列（1）和列（2）所示，Kleibergen-Paap rk LM統計量P值為0.000，拒絕不可識別的原假設；Cragg-Donald Wald F統計量為379.491，遠大于10%的Stock-Yogo標準（19.93），拒絕弱工具變量的原假設；Hansen J的P值約為0.801，拒絕過度識別的原假設。在第二階段回歸中，產學研合作系數顯著為正，表明經過內生性問題的處理后，產學研合作仍然顯著促進了企業的創新質量。

Heckman兩階段法。除了聯立因果關系，可能還存在樣本自選擇問題。例如，企業開展產學研合作可能與其本身固有某些特征相關，而這類企業本身創新質量水平較高，即基礎回歸的結果并不是產學研合作帶來的。為了確保回歸結果的穩健性，解決樣本自選擇問題，參照Heckman[22]的基本思路進行研究。表4列（3）報告了Heckman兩階段的檢驗結果可以看出，IMR在統計上顯著，表明考慮了樣本自選擇問題后，產學研合作促進企業創新質量提升的結論依舊穩健。

高維固定效應。不同城市和行業可能存在宏觀經濟因素等導致模型的估計結果產生系統性差異，例如政府補貼、稅收優惠等。為了避免這些因素導致估計結果有偏，本文借鑒Moser等[23]的研究思路，在模型中分別增加“行業×城市”“行業×時間”以及“行業×城市”和“行業×時間”的聯合固定效應進行檢驗。由表4列（4）至列（6）的檢驗結果可以看出，在加入高維固定效應后，產學研合作對企業創新質量仍產生積極影響。

（4）穩健性檢驗

為了確保研究結果的普遍性，本文對基礎回歸分析進行以下穩健性檢驗：一是更換被解釋變量。基于國家知識產權局數據庫提供的專利信息，本文將被解釋變量更換成專利分類號數量、主權利字數以及專利說明書頁數來衡量企業創新質量；二是更換解釋變量。將解釋變量更換為產學研合作頻度，以產學研合作次數與合作家數的比值衡量；三是更換回歸模型。根據知識寬度法所計算得到的創新質量數值介于0和1之間，且數據中包含了大量的0值，存在數據截斷特征，因此本文采用Tobit回歸模型進行重新回歸；四是剔除部分樣本。由于高新技術企業本身研發水平較高，企業創新質量比較高，本文剔除高新技術企業進行重新回歸；五是更換聚類層次。本文進一步將基準回歸的聚類層級依次設定為城市和行業層面。穩健性檢驗結果（表5）與基準回歸得到的結果并無顯著差異，表明研究結果穩健。

四、 機制檢驗

基準回歸表明，產學研合作對企業創新質量有正向影響，但其作用機制仍需進一步探討。理論分析表明，這種積極影響可能通過創新人才與創新資本集聚效應實現。為進一步為驗證產學研合作引導創新人才和創新資本集聚能否引致企業創新質量提升，即論證“產學研合作→創新人才集聚效應與創新資本集聚效應→企業創新質量”這一核心總邏輯是否成立，本文參照權小鋒等[24]的機制檢驗的做法，從以下兩方面進行分析：一是檢驗產學研合作是否會產生創新人才與創新資本的集聚效應，如果產學研合作能夠集聚創新要素，則初步支持理論分析的邏輯。二是根據企業人力資本結構、融資約束特征進行分組檢驗，如果創新人才和創新資本集聚效應越高的組合中企業創新質量越高，則進一步說明創新人才和創新資本集聚在產學研合作提升企業創新質量起中介作用。本文第一步部分機制檢驗模型如式（2）所示：

[Medit=α+βCorpit+controlit+δt+λi+εit] （2）

式（2）中，[Medit]表示機制變量創新人才與資本集聚效應，其余參數與式（1）相同。

1. 創新人才集聚機制

根據表6第（1）列回歸結果顯示，產學研合作對企業高層次人才集聚的回歸系數為0.231，且在5%的水平上顯著，因此上述機制推斷得到初步支持。進一步，本文根據人力資本水平的年度均值將樣本分為人才集聚較低組與人才集聚較高組，分別檢驗不同情境下產學研合作對企業創新質量影響作用的大小。此外，本文依據費舍爾組合檢驗方法來判斷產學研合作的組間系數差異是否顯著。表6第（2）和第（3）列的回歸結果顯示，創新人才集聚效應較高組中產學研合作系數絕對值明顯高于低創新人才組，且通過了5%的顯著性水平檢驗；而在創新人才集聚效應較低組中，產學研合作的解釋變量系數僅為0.009且不顯著，由Bootstrap法得到的組間系數差異顯著，表明創新人才集聚效應越高，企業的創新質量提升效果越明顯。上述兩步機制檢驗結果能夠證明，伴隨著高質量的知識資本和人力資本參與創新活動，企業能夠更快速地獲取和吸收外部的創新資源和知識，從而加快產品研發、技術應用和市場推廣的速度，提高自身的創新能力和競爭力，企業創新水平和質量得以提升，假說H2得以驗證。

2. 創新資本集聚機制

根據表7第（1）列的檢驗結果，產學研合作對融資約束的回歸系數為-0.012，且在1%的水平上顯著。產學研合作發出的積極的合作信號能夠顯著緩解企業的融資約束，拓寬融資渠道，獲得更多外部投資者的支持，初步支持了推斷。進一步，根據融資約束的年度均值，本文將樣本分為融資約束程度低樣本組和融資約束程度高樣本組，分別檢驗產學研合作在不同情境下對企業創新質量的影響。表7第（2）列和第（3）列結果顯示，在融資約束程度低的樣本組中，產學研合作對企業創新質量的回歸系數為0.023，且通過了5%的顯著性水平檢驗；在融資約束程度高的樣本組中，產學研合作的回歸系數絕對值低于融資約束程度低的樣本組，回歸系數不顯著，由Bootstrap法得到的組間系數差異顯著，顯然產學研合作對企業創新質量的提升作用主要體現在較高創新資本集聚組中。上述兩步機制檢驗結果能夠證明，產學研合作能夠集聚創新資本，充足的資金保障企業在技術研發上有足夠的投入，進而加速技術的應用和轉化，推動企業創新質量的提升，假說H3得以驗證。

五、 異質性分析

1. 城市等級異質性分析

中國特有的政治制度下，城市層級是制約經濟發展的關鍵因素。本文根據城市行政等級將樣本分為省會城市和非省會城市進行回歸分析。通過表8第（1）列至第（4）列的回歸結果可以看出，相較于普通城市，省會城市產學研合作對創新人才、資本集聚效應影響更大，且組間系數差異顯著。從現實情況來看，省會城市公共社會資源、基礎設施建設和醫療保障制度等更為完善，產業鏈和集群較為完整，專業化集聚模式能夠持續吸引高素質的勞動人口流入。此外，省會城市金融市場功能完善，信用制度健全，規范的市場標準能為企業創新活動提供更便捷的銀行信貸支持。

2. 行業性質異質性分析

本文按照國家統計局提供的《高技術產業（制造業）分類（2017）》指導標準，將C26、C27、C28、C37、C39、C40等6類界定為高技術行業。根據表8第（5）列至第（8）列的估計結果系數上看，高技術行業對創新人才集聚效應的促進作用更大，而創新資本集聚效應卻在非高技術行業更為突出，并且均通過組間系數差異檢驗。高技術行業具有較快的發展速度和廣闊的前景，新興技術的出現和不斷的科技進步為創新人才提供了廣闊的發展機會。此外，由于技術的創新性和前瞻性，這些行業的項目和企業可能面臨較高的失敗風險，這使得投資者對高技術行業的融資更加謹慎，銀行會更加傾向于給非高技術行業提供貸款。

六、 結論與啟示

本文使用國家知識產權局2012—2020年制造業聯合發明專利申請數據，實證檢驗產學研合作對企業創新質量的影響，得出以下主要結論：一是總體樣本來看，我國制造業企業整體專利質量水平并不高，企業與高校和科研機構的產學研合作水平相對較低。二是產學研合作能夠提升企業創新質量，經過一系列穩健性檢驗后，該結論依舊穩健。三是產學研合作通過創新人才和創新資本集聚效應提升企業創新質量，且該集聚效應針對不同城市和不同性質行業存在差異。具體來說，相較于非省會城市，省會城市產學研合作對人才和資本集聚效應影響更大；高技術行業對人才集聚效應影響較強，對資本集聚效應的影響低于非高技術行業。

根據研究結論，本文提出如下政策建議：

1. 政府發揮產學研合作的引導和推動作用

一是搭建合作平臺，鼓勵政府牽頭制定并實施產學研聯結機制與平臺，推動高校、科研院所與企業之間更緊密地協同創新；二是提供政策保障，地方政府可適當加大對產學研合作項目的研發經費支持，設立專項資金和科技成果轉化獎勵機制，鼓勵開展具有市場前景的合作項目并制定稅收激勵政策，給予參與合作的企業稅收減免或抵扣優惠；三是優化創新環境，打造良好的創新生態系統，加快建立和完善以各類園區為載體的研發、成果轉化和產業化等一體化制度，構建“政府+市場”相互補充的支撐保障服務體系。

2. 因地制宜推動產學研合作要素集聚

一是省會城市應該建立綜合服務考核機制，簡化政府審批流程，提高創新人才獎勵水平，同時加強創新項目獎補力度，保障企業創新資金的供給；二是鼓勵非省會城市設立地方性風險投資引導基金，引導本地企業和投資者參與創新項目，推動創新資本在本地的集聚，并制定更為靈活的人才引進政策。

3. 分類指導推動技術水平整體躍遷

一是鼓勵高技術企業加強與國際頂尖企業、研究機構的合作，引入先進技術和管理經驗，建立高技術產業技術轉移機構，促進科技成果的轉化和應用。二是加大對非高技術產業創新基礎設施的投入，鼓勵傳統產業進行數字化和智能化改造，提高傳統產業的技術含量，形成傳統產業集群，提升整體技術水平。

參考文獻：

[1] 申宇，黃昊，趙玲.地方政府“創新崇拜”與企業專利泡沫[J].科研管理，2018，39（4）：83-91.

[2] 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據[J].經濟研究，2023，58（3）：97-115.

[3] 文書洋，劉浩，王慧.綠色金融、綠色創新與經濟高質量發展[J].金融研究，2022（8）：1-17.

[4] 張遼，林鑫濤.企業金融化行為對創新質量的影響研究[J].華東經濟管理，2022，36（9）：33-44.

[5] 曹虹劍，張帥，歐陽峣，等.創新政策與“專精特新”中小企業創新質量[J].中國工業經濟，2022（11）：135-154.

[6] 周洲，吳馨童，唐安妮.知識產權案件“三審合一”對企業創新質量的影響[J].研究與發展管理，2022，34（6）：106-117.

[7] 李揚，樊霞，章熙春.產業科學關聯度視角下的產學研合作關系強度及創新質量研究[J].科學學與科學技術管理，2017，38（12）：12-25.

[8] 趙勝超，曾德明，羅偵.產學研科學與技術合作對企業創新的影響研究——基于數量與質量視角[J]. 科學學與科學技術管理，2020，41（1）：33-48.

[9] 邱洋冬.產學研合作的創新激勵效應研究——基于不同調節機制的分析[J].經濟體制改革，2020（5）：107-112.

[10] 王靖宇，劉長翠，張宏亮.產學研合作與企業創新質量——內部吸收能力與外部行業特征的調節作用[J].管理評論，2023，35（2）：147-155.

[11] Lanjouw J O，Schankerman M.Patent Quality and Research Productivity：Measuring Innovation with Multiple Indicators[J].The Economic Journal，2004，114（495）：441-465.

[12] 喻登科，嚴紅玲.科研團隊內部合作：知性互補還是強強聯合[J].科技進步與對策，2018，35（23）：9-16.

[13] 肖土盛，孫瑞琦，袁淳，等.企業數字化轉型、人力資本結構調整與勞動收入份額[J].管理世界，2022，38（12）：220-237.

[14] 張琦，吉富星，潘攀.政策不確定性、銀行信貸供給與企業投資[J].中國軟科學，2021（4）：173-182.

[15] 申宇，任美旭，趙靜梅.經濟政策不確定性與銀行貸款損失準備計提[J].中國工業經濟，2020（4）：154-273.

[16] 楊燕英，蒲秀娟.發揮政府采購政策效應促進中小企業發展[J].中央財經大學學報，2006（6）：14-18.

[17] 張杰，鄭文平.創新追趕戰略抑制了中國專利質量么？[J].經濟研究，2018，53（5）：28-41.

[18] Hong W，Su Y S.The Effect of Institutional Proximity in Non-local University–industry Collaborations：An Analysis based on Chinese Patent Data[J].Research Policy，2013，42（2）：454-464.

[19] 趙宸宇，王文春，李雪松.數字化轉型如何影響企業全要素生產率[J].財貿經濟，2021，42（7）：114-129.

[20] Hadlock C J，Pierce J R.New Evidence on Measuring Financial Constraints： Moving beyond the KZ Index[J].The Review of Financial Studies，2010，23（5）：1909-1940.

[21] Degener P，Maurer I，Bort S.Alliance Portfolio Diversity and Innovation：The Interplay of Portfolio Coordination Capability and Proactive Partner Selection Capability[J].Journal of Management Studies，2018，55（8）：1386-1422.

[22] Heckman J J.Sample Selection Bias as a Specification Error[J].Econometrica： Journal of the Econometric Society，1979，47（1）：153-161.

[23] Moser P， Voena A.Compulsory Licensing：Evidence from the Trading with the Enemy Act[J]. American Economic Review，2012，102（1）：396-427.

[24] 權小鋒，李闖.智能制造與成本粘性——來自中國智能制造示范項目的準自然實驗[J].經濟研究，2022，57（4）：68-84.

基金項目：國家社會科學基金一般項目“中國工業企業綠色技術創新的經濟績效、環境效應與激勵政策研究”（項目編號：20BJL042）。

作者簡介：魏向杰，男，博士，南京信息工程大學商學院副教授，碩士生導師，南京信息工程大學揚子江國際數字貿易創新發展研究院研究員，研究方向為產業經濟與科技創新；林曉鵬，通訊作者，男，南京信息工程大學商學院碩士研究生，研究方向為科技創新。

（收稿日期：2023-10-31" 責任編輯：殷 俊）