企業創新如何影響全要素生產率

收稿日期：2023-11-30" 修回日期：2024-01-12

基金項目：國家社會科學基金重點項目（18AGL005）；河南省高等學校哲學社會科學創新團隊項目（2022-CXTD-03）；河南省軟科學研究重點項目（232400411026）

作者簡介：海本祿（1982-），男，河南新鄉人，博士，河南師范大學商學院副院長、教授、博士生導師，河南師范大學“平原學者”拔尖人才，研究方向為技術經濟與創新管理；馬昂（1999-），男，河南禹州人，河南師范大學商學院碩士研究生，研究方向為技術經濟與創新管理。

摘 要：企業創新是資源分配和創新投入的有機統一。基于2003—2021年A股上市公司樣本數據，從創新廣度和創新深度兩個維度深入探討企業創新活動對全要素生產率的影響機制。結果發現：創新廣度與企業全要素生產率存在倒U型關系，創新深度對企業全要素生產率具有顯著正向影響。異質性研究表明，相較于國有企業，非國有企業創新深度對全要素生產率的正向影響更加顯著；相較于非高技術企業，高技術企業創新廣度與全要素生產率的倒U型關系曲線更加陡峭。進一步研究表明，高市場化水平情景下，創新深度對企業全要素生產率的正向影響更顯著；高知識產權保護水平情景下，創新廣度與企業全要素生產率的倒U型關系曲線呈現峰值提高、拐點左移的特點，創新深度對企業全要素生產率的正向影響更顯著，說明高知識產權保護水平地區企業創新效應更加顯著，但隨之而來的創新廣度“門檻”問題也更加突出。由此，提出測度企業創新活動的新視角和新方法，進一步揭示不同市場化水平、知識產權保護水平下企業創新對全要素生產率的影響，以期為相關政策制定與實施提供理論參考。

關鍵詞：企業創新；創新廣度；創新深度；全要素生產率

DOI：10.6049/kjjbydc.2023110877

中圖分類號：F273.1

文獻標識碼：A

文章編號：1001-7348（2025）04-0078-12

0 引言

當前，我國經濟已由高速增長階段轉向高質量發展階段。在此背景下，提高全要素生產率能夠促進經濟高質量發展［1］。Solow（1956）對全要素生產率進行了界定，并將全要素生產率作為影響經濟增長的決定性因素。自此，學者們開始廣泛探索全要素生產率背后的驅動機制［2］。基于企業異質性視角，現有相關研究探討企業研發投入、企業員工年齡［3］、行業類型［4］、高管薪酬差距［5］、產權性質［5］等因素對全要素生產率的差異化影響。值得注意的是，學者們普遍認為，創新是企業生產率提高和長期經濟增長的內在驅動力［6］。

現有研究普遍認為，企業創新對全要素生產率具有顯著促進作用［7-8］。研發創新能否必然引起企業全要素生產率提高？這是值得關注的問題。同時，研發投入過多或資源分配不當可能對企業創新產生負向影響［9］。現有研究大多基于線性視角展開，研究視角單一，無法充分揭示企業創新與全要素生產率的關系。企業創新是一個復雜的過程，不僅需要關注創新投入數量問題，而且不能忽視因創新資源分配帶來的創新效益問題。為揭示企業創新過程，需要從創新廣度與創新深度兩個維度探討企業創新過程。具體來說，創新廣度反映企業在不同技術領域的創新程度，能夠體現企業創新的多樣性與跨界性。通過多個技術領域創新，企業能夠更好地滿足市場需求，進而提高效率和效益。創新深度反映企業在創新方面的投入程度與強度。創新深度涉及核心技術開發和應用、生產過程優化以及組織管理等方面的創新，對于提高企業全要素生產率至關重要。因此，從創新廣度與創新深度兩個視角刻畫企業創新活動，能夠進一步揭示企業創新對企業全要素生產率的影響機制。

本文利用2003—2021年A股上市公司樣本數據，從創新廣度與創新深度兩個維度揭示企業創新活動，深入探討企業創新活動對全要素生產率的影響機制。本文的貢獻如下：一是從創新廣度和創新深度兩個維度刻畫企業創新水平，為創新活動評價與管理提供新視角和新方法；二是從創新廣度和創新深度兩個維度出發，全面分析企業創新活動對全要素生產率的影響機制；三是對不同市場化程度和不同知識產權保護水平的調節效應進行分析，為相關政策制定提供理論參考。

1 文獻綜述

企業創新活動有助于提高生產率，促進產品結構升級，推動自身高質量發展。關于創新與全要素生產率的關系，現有研究表明，企業創新對全要素生產率具有積極影響。例如，Knig等（2022）發現，研發投入對中國全要素生產率增長作出了重大貢獻。這一結論在其它地區也得到了證實［10-12］。然而，少數研究發現，創新投資不僅未能促進全要素生產率增長，反而會對全要素生產率產生負面影響。此外，部分研究認為，企業創新與全要素生產率并不是簡單的線性關系［13］。部分研究發現，研發投入對企業全要素生產率的促進作用具有滯后性［14］。

現有相關研究存在以下不足：第一，不同條件下企業創新對全要素生產率的影響可能不同。現有研究大多從投入、產出視角測度創新，而忽視了創新廣度與創新深度的作用。第二，現有研究大多基于線性視角探究企業創新活動對全要素生產率的影響，無法揭示創新活動產生的經濟效益。第三，現有相關研究存在指數測算不完整、樣本代表性不足等問題，可能無法充分解釋企業創新與全要素生產率的關系。在此基礎上，本文從創新廣度和創新深度兩個維度刻畫企業創新水平，深入探討企業創新對全要素生產率的影響機制。

2 研究假設

2.1 創新廣度與企業全要素生產率

基于環境動蕩性，企業需要拓展不同技術領域，從而獲取持續競爭優勢。企業通過加強不同技術領域探索提高自身技術水平與市場競爭力［15］，從而提高生產效率。一方面，企業通過提升創新廣度增加自身知識和技術儲備，進而掌握更多技術組合和創新機會。同時，企業涉及的技術領域愈發廣泛，創新溢出效應促使企業科技知識存量增加。企業通過加速引進知識吸收實現技術本土化［16］，從而提高生產過程中的要素利用效率［17］。另一方面，企業通過提升創新廣度拓展市場范圍、豐富產品種類，進而滿足不同消費者需求，提高產品質量和附加值［18］。同時，創新廣度能夠反映企業創新資源配置情況，合理的資源配置能夠促進企業全要素生產率提升［19］。""""" 然而，當創新廣度超過一定水平時，企業成本和風險增加，導致其生產效率降低。一方面，創新廣度提升需要企業投入更多資源和時間，由此導致企業面臨更高的融資約束與機會成本［16］；另一方面，過高的創新廣度意味著企業在不同技術領域專注度下降，因而難以形成核心競爭力與持續優勢。綜上，本文提出以下假設：

H1：創新廣度對企業全要素生產率具有倒U型影響。

2.2 創新深度與企業全要素生產率

內生技術創新是經濟持續增長的保障，是推動全要素生產率持續提高的關鍵［20］。企業通過創新活動降低生產成本、開發產品，從而提升產品質量。創新活動是推動技術進步和企業績效增長的主要驅動力［21］。研發創新投入增加有助于企業取得重大理論突破，隨之而來的積累效應能夠促進企業技術水平提升［22-23］，進而推動全要素生產率提高［18］。某些情況下，過高的創新深度可能抑制企業全要素生產率提升。隨著企業創新深度不斷增加，規模經濟與學習效應能夠推動企業技術朝某一既定方向強化，企業原有行為會因為慣性持續，進而被鎖定在低效或無效狀態不能自拔，直至實現路徑突破。此外，過高的創新深度可能要求企業頻繁發布迭代產品，導致產品質量不穩定，無法維護良好的客戶關系。同時，過高的創新深度可能促使企業過于注重技術與產品創新，忽略市場真實需求，導致企業產品或服務無法滿足消費者需求，進而抑制企業全要素生產率提升。綜上，本文提出以下假設：

H2：創新深度對企業全要素生產率具有倒U型影響。

3 實證研究設計

3.1 樣本數據

本文選取2003—2021年A股上市公司作為樣本。其中，專利數據來自CNRDS數據庫，其余數據來自CSMAR數據庫。此外，本文對初始樣本進行如下處理：第一，剔除ST類公司樣本；第二，剔除金融行業樣本；第三，剔除IPO未滿一年的企業樣本；第四，剔除總資產小于總負債的企業樣本。為避免極端值的影響，本文對連續型變量進行1%和99%水平的縮尾處理。最后，經整理得到27 638個公司—年度樣本觀測值。

3.2 變量定義

3.2.1 被解釋變量

本文被解釋變量為企業全要素生產率。現有企業全要素生產測度方法較多［24］，其中，OP法（Olley and Pakes，1996）和LP法（Levinsohn and Petrin，2003）可緩解傳統方法導致的內生性問題。同時，OP方法需要滿足投資大于0且投資單調增加這一前提，因而導致部分樣本丟失。相較之下，以中間投入作為工具變量的LP方法更加靈活。本文采用LP法估算企業全要素生產率，同時采用OP方法和GMM方法估算的全要素生產率作為穩健性檢驗的替代變量。

3.2.2 解釋變量

一般而言，現有研究使用專利申請數量作為衡量企業創新水平的代理指標。然而，單純依靠專利計數無法區分技術重要性與創新重要性［25］，由于策略性創新和“創新泡沫”的存在，專利數量無法真實反映企業創新水平。因此，本文利用CSMAR數據庫中的財務數據和CNRDS數據庫中的中國上市公司專利信息，構建創新廣度與創新深度兩個指標，以此度量企業創新水平。

（1）創新廣度。借鑒張杰和鄭文平［26］的研究成果，本文利用企業專利IPC分類號數據計算知識寬度，根據企業專利信息構建創新廣度水平指數，具體公式如下：

BOI=1－∑α2（1）

其中，a表示IPC分類號中大組分類所占比重。同時，綜合數據可獲得性、完整性以及科學性，本文選取截至2021年的專利數據進行計算。此外，外觀設計專利的IPC分類號與其余兩類專利不同，無法利用現有公式測算外觀設計專利質量［26］。因此，本文僅對發明專利和實用新型專利進行測算。

（2）創新深度。本文利用主成分分析法（PCA），以企業研發投入、研發人員數量和當年專利申請量和獲得量為基礎構建綜合指標，以此衡量創新深度。因指標構建涉及的4個指標部分缺失，為確保指標構建的合理性，本文采用4個指標均存在的樣本進行測算。

3.2.3 控制變量

為了確保結論的穩健性，本文選取一系列控制變量，具體如下：現金資產比率（Cash）、股權制衡度（Top10）、財務杠桿（Lev）、流動資產比率（CR）、產權性質（Soe）、在職員工人數（Employee）、企業年齡（Age）和企業規模（Size）。同時，本文控制了時間、行業和省份固定效應。上述主要變量定義如表1所示。

3.3 描述性統計

本文主要變量描述性統計結果如表2所示。由表2可知，基于LP法、OP法和GMM法計算的企業全要素生產率（TFP）平均值與中位數相近，表明樣本企業全要素生產率（TFP）大致呈現正態分布，標準差分別為1.085、0.938和0.904，最大值和最小值間的差距較小，代表樣本全要素生產率（TFP）變化范圍較小。核心解釋變量創新廣度（BOI）的平均值為0.286，中位數為0.273，標準差為0.092，最大值（0.668）與最小值（0）間的差距較小，數據整體分布較為集中，差異較小。由此說明，樣本企業間創新廣度差異較小。創新深度（DOI）的平均值為2.306，中位數為2.144，標準差為0.914，最大值（9.182）與最小值（0.721）間的差距比創新廣度（BOI）大。由此說明，相較于創新廣度，樣本企業間創新深度差異更為顯著。

本文使用Pearson相關系數對模型中各變量進行相關性分析，結果如表3所示。同時，方差膨脹因子檢驗結果顯示，各變量平均VIF值為1.400，且各變量VIF值均不超過10。因此，本文相關變量間不存在多重共線性問題。

3.4 模型構建

首先，考慮到創新活動的滯后效應，基于現有研究結果［27］，本文將創新廣度（BOI）和創新深度（DOI）分別滯后兩期。同時，為了檢驗企業創新與全要素生產率的倒U型關系，本文將解釋變量的一次項和二次項依次代入模型，構建以下模型：

TFPi，t=α0+α1BOIi，t－2+∑Con+∑Year+∑Ind+∑Province+εi，t（2）

TFPi，t=β0+β1DOIi，t－2+∑Con+∑Year+∑Ind+∑Province+εi，t（3）

TFPi，t=α0+α1BOIi，t－2+α2BOIi，t－22+∑Con+∑Year+∑Ind+∑Province+εi，t（4）

TFPi，t=β0+β1DOIi，t－2+β2DOIi，t－22+∑Con+∑Year+∑Ind+∑Province+εi，t（5）

其中，i表示企業，t表示年度，TFPi，t表示企業i第t年全要素生產率，BOIi，t－2表示滯后兩期創新廣度，DOIi，t－2表示滯后兩期創新深度。Con表示控制變量集合，Year、Ind、Province表示年度、行業和省份層面的固定效應。同時，考慮到隨機擾動項的異方差和序列相關，本文對標準誤進行企業層面的聚類處理。

4 實證結果與分析

4.1 基準回歸檢驗

表4為本文基準回歸結果。模型（1）和模型（2）顯示，滯后兩期創新廣度（L2.BOI）、創新深度（L2.DOI）對企業全要素生產率具有顯著正向影響（α1=0.182，plt;0.1；β1=0.272，plt;0.01），這一結果印證了現有研究中關于創新滯后效應的觀點。模型（3）顯示，L2.BOI的回歸系數為2.702（plt;0.01），二次項L2.BOI2的回歸系數為-4.055（plt;0.01），R2由模型（1）的0.472提升至0.474；模型（4）顯示，L2.DOI的回歸系數為0.456（plt;0.01），二次項L2.BOI2的回歸系數為-0.025（plt;0.01），R2由模型（2）的0.519提升至0.521。以上結果表明，創新廣度、創新深度與企業全要素生產率呈倒U型關系。

根據Haans（2016）的研究成果，本文使用U-test命令對模型（3）（4）進行進一步檢驗。模型（3）顯示，創新廣度對企業全要素生產率呈現先正向（2.702，plt;0.01）后負向（-2.878，plt;0.01）的影響。極值點為0.333，在自變量取值范圍內，且位于95%Fieller區間［0.308，0.360］，拒絕原假設。模型（4）顯示，L2.DOI的極值點（9.291）不在L2.DOI的取值范圍內，因而創新深度與企業全要素生產率的倒U型關系不成立。

針對模型（4），基于傳統方法的檢驗結果與U-test檢驗結果沖突問題，本文結合兩種方法原理，傾向于接受U-test檢驗結果。同時，為了揭示創新廣度、創新深度與企業全要素生產率的關系，本文繪制創新廣度、創新深度對企業全要素生產率的平均邊際效應變化圖（見圖1）。圖1結果與U-test檢驗結果相符。綜上，本文假設H1得到支持，拒絕假設H2。因此，創新廣度對企業全要素生產率具有倒U型影響，創新深度對企業全要素生產率具有顯著正向影響。雖然基準回歸結果并未直接支持創新深度與企業全要素生產率的倒U型關系，但創新深度對企業全要素生產率的顯著正向影響值得進一步思考。這意味著創新深度對企業全要素生產率的影響是單調的，盡管過高的創新深度可能會帶來一系列負面影響，但高水平創新深度情景下，創新深度增加仍能促進企業全要素生產率提升。

4.2 穩健性檢驗

（1）本文采取傾向得分匹配法（PSM）進行穩健性檢驗，具體操作如下：針對企業創新廣度與全要素生產率間的倒U型關系，將倒U型曲線拐點右側企業設為實驗組，并將其與拐點左側企業進行1∶8匹配；針對企業創新深度對全要素生產率的正向影響，以企業創新深度均值為界限，將均值右側企業設為實驗組，并將其與均值左側企業進行1∶8匹配。同時，將所有控制變量作為協變量進行傾向得分之差不超過0.01%的卡尺匹配，對通過均衡性檢驗的樣本再次進行回歸，回歸結果與基準回歸結果具有較高的一致性，如表5所示。

（2）本文采用替換變量的方法進行穩健性檢驗。首先，將基于OP和GMM法計算的企業全要素生產率作為被解釋變量代入模型，檢驗結果與基準回歸相符，如表5所示。其次，本文使用創新廣度和創新深度滯后3期替換模型中原有創新廣度和創新深度滯后兩期，回歸結果與基準回歸結果保持一致，如表5所示。

綜上，本文模型結果具有穩健性。

4.3 異質性檢驗

為檢驗不同產權性質樣本企業的異質性影響，本文根據產權性質將樣本企業分為國有企業（Soe=1）和非國有企業（Soe=0），分組依次檢驗模型（2）和模型（3）。表6顯示，無論是國有企業還是非國有企業，創新廣度對企業全要素生產率的倒U型影響，以及創新深度對企業全要素生產率的正向影響均顯著，U-test檢驗結果與基準回歸無異。同時，本文使用Bootstrap1 000次檢驗組間系數差異的顯著性，報告于表6中的經驗P值。結果顯示，滯后兩期創新廣度的二次項（L2.BOI2）組間系數差異經驗P值為0.140，表明在國有企業組和非國有企業組中，創新廣度對企業全要素生產率的倒U型影響差異不顯著。滯后兩期創新深度（L2.DOI）組間系數差異經驗P值為0.045，表明相較于國有企業，非國有企業創新深度對全要素生產率的正向影響更顯著。具體來說，國有企業、非國有企業在所有權性質、創新意愿與能力、組織文化和激勵機制等方面存在顯著差異。由于受政府管理和干預，國有企業創新行為受限，這會影響其創新意愿和能力，進而影響其創新投入。相較于國有企業，非國有企業更具靈活性和市場導向性，面臨更激烈的市場競爭和更大的經濟壓力，傾向于積極尋求創新機會并將其轉化為商業價值。同時，非國有企業組織文化與激勵機制更加市場化，鼓勵員工積極創新，進而提升創新廣度和深度以及全要素生產率。

同時，技術水平是影響企業創新效益的重要因素。為了檢驗企業技術水平的異質性影響，借鑒現有研究成果［28］，本文根據中國證監會《上市企業行業分類指引》（2012）將樣本分為高技術企業和非高技術企業，回歸結果如表6所示。結果表明，無論是高技術企業還是非高技術企業，創新廣度對企業全要素生產率的倒U型影響，以及創新深度對企業全要素生產率的正向影響均顯著。組間系數差異結果表明，創新廣度對全要素生產率的倒U型影響在高技術企業與非高技術企業存在顯著差異（p=0.000）。由此說明，對于高技術企業而言，創新廣度與企業全要素生產率的倒U型關系曲線更陡峭。結合圖2可知，相較于低技術企業，高技術企業創新廣度對全要素生產率的影響曲線呈現峰值降低、拐點左移的特點。需要指出的是，創新深度對企業全要素生產率的正向影響組間系數差異不顯著（p=0.110），因而不能認為兩組樣本間存在區別。具體來說，高技術企業、非高技術企業在技術要求、市場競爭和創新方向上存在顯著差異。相較于非高技術企業，高技術企業通常屬于技術密集型產業，需要通過高水平技術創新和研發投入獲得競爭優勢。同時，高技術企業對創新廣度更加敏感，其“門檻”更高。相較于高技術企業，非高技術企業可能處于較少競爭的市場或具有一定的市場地位，會通過積極探索不同技術領域生產差異化產品以滿足不同消費者需求，從而提升自身市場份額。同時，非高技術企業更加注重不同技術領域創新成果轉化與應用，通過提升創新廣度所產生的經濟效益也更加顯著。

5 進一步研究

5.1 市場化水平

企業創新與全要素生產率的關系可能受不同市場化水平的影響，具體取決于地區經濟環境、市場開放程度、法律和政策環境、市場規模以及需求水平等因素。現有研究表明，市場化水平提升可以促進企業研發投入水平、研發強度和研發效率提升［29］。因此，在探討企業創新與全要素生產率的關系時，需要考慮市場化水平的影響，以便制定針對性政策。基于現有研究成果（解學梅，朱琪瑋，2021），本文構建省級市場化水平指數，以年度中位數為界限將高于年度市場化水平中位數的地區歸為高市場化水平地區，將低于年度市場化水平中位數的地區歸為低市場化水平地區，并依據地區分組將樣本劃分為高市場化水平地區企業樣本組與低市場化水平地區企業樣本組，回歸結果如表7所示。結果表明，無論是高市場化水平還是低市場化水平，創新廣度對企業全要素生產率的倒U型影響，以及創新深度對企業全要素生產率的正向影響均顯著。組間系數差異顯著性檢驗結果表明，創新廣度對企業全要素生產率的倒U型影響在兩組間并無顯著區別（p=0.359）；創新深度對企業全要素生產率的正向影響組間差異在10%水平上顯著（p=0.061），意味著高市場化水平地區創新深度對企業全要素生產率的正向影響更顯著。具體來說，相較于低市場化水平地區，高市場化水平地區擁有更健全的市場機制和更高效的資源配置，企業更易獲取資本和技術支持，進而提升創新能力和動力。此外，高市場化水平地區通常具有較多產業集聚，即相關產業間互動和合作更緊密。產業集聚效應能夠促進知識傳播，加快創新速度，進而對全要素生產率產生顯著影響。高市場化水平地區通常具有完善的法律和政策環境，能夠為創新活動提供保護和激勵，降低創新風險，吸引更多創新投資，推動企業提升創新深度，從而進一步提升企業創新能力和全要素生產率。最后，高市場化水平地區通常具有較大的市場規模和較高的需求水平，可以為企業提供更多市場機會，助力企業開展更多創新研發活動，以滿足消費者需求。同時，高市場需求水平意味著更多銷售機會和利潤回報，能夠進一步激勵企業開展創新活動，進而提高全要素生產率。

圖2 不同企業技術水平下創新廣度對企業全要素生產率的倒U型調節作用Fig.2 Inverted U-shaped moderating relationship between breadth of innovation and total factor productivity at different levels of corporate technological capabilities

5.2 知識產權保護水平

知識產權保護是影響企業創新活動和創新效益的重要因素，能夠激勵企業創新投入，提高創新效率，促進創新成果轉化與利用，進而加快產業結構轉型和數字化轉型進程。知識產權保護不僅可以影響企業創新動力和能力，而且能夠影響企業創新方向和范圍。知識產權保護水平可能調節創新與企業全要素生產率的關系。為進一步檢驗知識產權保護水平對創新與企業全要素生產率關系的調節作用，參考現有研究成果［30］，本文使用技術市場交易額與GDP的比值衡量區域知識產權保護綜合水平，依據年度中位數將區域劃分為高知識產權保護水平地區和低知識產權保護水平地區，并依據地區分類將樣本企業劃分為高知識產權保護水平地區企業樣本組和低知識產權保護水平地區企業樣本組，回歸結果如表8所示。結果表明，無論是高知識產權保護水平還是低知識產權保護水平，創新廣度對企業全要素生產率的倒U型影響，以及創新深度對企業全要素生產率的正向影響均顯著。組間系數差異顯著性檢驗結果表明，創新廣度對企業全要素生產率的倒U型影響組間差異顯著（p=0.016）；創新深度對企業全要素生產率的正向影響組間差異在10%水平上顯著（p=0.052）。由此說明，高知識產權保護水平下，企業創新效應更加顯著。圖3展示了知識產權保護水平對企業創新廣度與全要素生產率倒U型關系的調節作用。由圖3可知，相較于低知識產權保護水平，高知識產權保護水平下，創新廣度對企業全要素生產率的影響曲線呈現出峰值提高、拐點左移的特點。這意味著在創新廣度相同的情況下，高知識產權保護水平地區企業創新廣度對全要素生產率的影響更顯著。具體來說，相較于低知識產權保護水平地區，高知識產權保護水平地區對知識產權的保護力度更大，能夠有效降低侵權和盜用風險，企業更愿意提升創新廣度和創新深度，也愿意分享知識和技術，因而創新溢出效應顯著。低知識產權保護水平下，企業可能傾向于模仿而非創新。需要指出的是，對于低知識產權保護水平地區企業而言，這并不意味著創新不重要。事實上，即使在低知識產權保護水平地區，企業也需要通過創新優化生產過程或開發新業務模式提高自身全要素生產率。

6 結語

6.1 研究結論

本文基于2003—2021年A股上市公司樣本數據，從創新廣度和創新深度兩個維度深入探討了創新水平對企業全要素生產率的影響機制，得出以下主要結論：

（1）創新廣度對企業全要素生產率具有顯著倒U型影響，創新深度對企業全要素生產率具有顯著正向影響。

（2）創新深度對企業全要素生產率的正向影響在不同產權性質樣本間存在差異。具體來說，相較于國有企業，非國有企業創新深度對全要素生產率的正向影響更加顯著。

（3）企業技術水平異質性檢驗發現，相較于非高技術企業，高技術企業創新廣度與全要素生產率的倒U型關系曲線更加陡峭，呈現峰值降低、拐點左移的特點。

（4）進一步研究表明，市場化水平對創新廣度與企業全要素生產率的倒U型關系無顯著影響。高市場化水平下，創新深度對企業全要素生產率的正向影響更顯著；高知識產權保護水平下，創新廣度與企業全要素生產率的倒U型關曲線呈現峰值提高、拐點左移的特點，創新深度對企業全要素生產率的正向影響更顯著。

6.2 理論貢獻

企業創新對全要素生產率的影響是一個較為復雜的過程，現有研究主要關注創新資源投入數量問題，對創新資源分配問題關注不足。本文從創新廣度和創新深度兩個維度分析企業創新對全要素生產率的影響過程。其中，創新廣度反映創新資源投入領域的多樣性和跨界性，創新深度反映企業創新資源投入規模與強度。本文揭示企業創新對全要素生產率的影響機制，通過對市場化水平、知識產權保護水平的調節效應進行分析，為相關政策制定提供了理論參考與決策依據。

6.3 管理啟示

（1）企業創新既要重視創新投入強度，又要注重創新資源合理配置。本文發現，企業創新廣度對全要素生產率具有顯著倒U型影響，企業創新深度對全要素生產率具有顯著正向影響。在通過持續創新投入獲得競爭優勢的同時，企業也要關注創新資源合理配置。持續改進和升級是產品迭代與優化的核心，通過不斷提升創新深度，企業對現有產品進行升級迭代，為產品質量提供保障，進一步滿足市場需求，實現可持續發展。在這一過程中，企業需要規避因創新領域過度分散或過度深入導致的風險。

（2）政府應全面加強知識產權保護，進一步提升治理能力和治理水平，充分發揮知識產權制度的保障作用，激發企業創新活力。知識產權保護對激勵創新、塑造品牌、規范市場秩序、擴大對外開放發揮重要作用。不同知識產權保護水平下，創新深度與創新廣度對企業全要素生產率的影響具有顯著差異。政府有關部門應進一步增強知識產權保護力度，助力企業打通知識產權創造、運用、保護、管理全鏈條，促進知識產權與企業創新能力融合，充分發揮知識產權制度的重要作用。

6.4 不足與展望

本文存在以下不足：首先，本研究發現創新廣度對企業全要素生產率具有倒U型影響，創新深度對企業全要素生產率具有顯著正向影響，未來可進一步探索企業創新廣度與全要素生產率的倒U型關系成因。其次，本研究采用傳統全要素生產率作為企業全要素生產率的衡量指標，未考慮其它指標（如營業收入增長率、市場份額等），后續可以考慮利用多種指標進行衡量，以獲得更全面、準確的結論。再次，本研究使用的企業樣本為A股上市公司，結論普適性有限，后續可以擴大樣本范圍，納入更多類型企業進行深入研究。

參考文獻參考文獻：

［1］ 王海成， 張偉豪， 夏紫瑩. 產業規模偏好與企業全要素生產率——來自省級政府五年規劃文本的證據［J］. 經濟研究， 2023， 58（5）： 153-171.

［2］ HOPENHAYN H A. Firms， misallocation， and aggregate productivity： a review［J］. Annual Review of Economics， 2014， 6（1）： 735-770.

［3］ ILMAKUNNAS P， MIYAKOSHI T. What are the drivers of TFP in the aging economy？ aging labor and ICT capital［J］. Journal of Comparative Economics， 2013， 41（1）： 201-211.

［4］ 孫華妤， 呂一清. 深圳市全要素生產率再測算及其驅動因素——基于產業及細分行業的研究［J］. 軟科學， 2019， 33（2）： 69-74.

［5］ 盛明泉， 蔣世戰. 高管股權激勵、技術創新與企業全要素生產率——基于制造業企業的實證分析［J］. 貴州財經大學學報， 2019， 37（2）： 70-76.

［6］ KUNG H，SCHMID L.Innovation， growth， and asset prices［J］.The Journal of Finance，2015，70（3）：1001-1037.

［7］ 宋敏， 周鵬， 司海濤. 金融科技與企業全要素生產率——“賦能”和信貸配給的視角［J］. 中國工業經濟， 2021， 38（4）： 138-155.

［8］ 陳維濤， 嚴偉濤， 莊尚文. 進口貿易自由化、企業創新與全要素生產率［J］. 世界經濟研究， 2018， 37（8）： 62-73，136.

［9］ AYERST S. Innovator heterogeneity， Ramp;D misallocation and the productivity growth slowdown［R］. U.S.：International Monetary Fund， 2020.

［10］ FEINBERG S E， MAJUMDAR S K. Technology spillovers from foreign direct investment in the Indian pharmaceutical industry［J］. Journal of International Business Studies， 2001， 32（3）： 421-437.

［11］ GOTO A， SUZUKI K. R amp; D capital， rate of return on Ramp;D investment and spillover of R amp; D in Japanese manufacturing industries［J］. Review of Economics and Statistics， 1989， 71（4）： 555-564.

［12］ 喻登科， 解佩佩， 高翔. “雙碳”目標下產業結構優化對區域綠色發展的影響研究［J］. 創新科技， 2022， 22（9）： 50-59.

［13］ WANG J， ZHANG Q， LI Q. Ramp;D investment and total factor productivity： an empirical study of the listed companies in the coastal regions of China［J］. Journal of Coastal Research， 2020， SI（106）： 13-23.

［14］ 孔東民， 龐立讓. 研發投入對生產率提升的滯后效應：來自工業企業的微觀證據［J］. 產業經濟研究， 2014， 13（6）： 69-80，90.

［15］ 葉祥松， 劉敬. 異質性研發、政府支持與中國科技創新困境［J］. 經濟研究， 2018， 53（9）： 116-132.

［16］ 盛明泉， 吳少敏， 張婭楠. 探索式創新與企業全要素生產率［J］. 產業經濟研究， 2020， 19（1）： 28-41.

［17］ 黃勃， 李海彤， 江萍， 等. 戰略聯盟、要素流動與企業全要素生產率提升［J］. 管理世界， 2022， 38（10）： 195-212.

［18］ 戴小勇. 中國高創新投入與低生產率之謎：資源錯配視角的解釋［J］. 世界經濟， 2021， 44（3）： 86-109.

［19］ HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India［J］. Quarterly Journal of Economics， 2009， 124（4）： 1403-1448.

［20］ JONES C I. The past and future of economic growth： a semi-endogenous perspective［J］. Annual Review of Economics， 2022， 14（1）： 125-152.

［21］ GROSSMAN G M， HELPMAN E. Innovation and growth in the global economy［M］." Cambridge：MIT Press，2001.

［22］ ADAMS J D. Fundamental stocks of knowledge and productivity growth［J］. Journal of Political Economy， 1990， 98（4）： 673-702.

［23］ 劉威， 施進發. 知識密集型服務業促進制造業高質量發展效率及其影響因素研究［J］. 華北水利水電大學學報（社會科學版）， 2023， 39（2）： 29-38.

［24］ 魯曉東， 連玉君. 中國工業企業全要素生產率估計：1999—2007［J］. 經濟學（季刊）， 2012， 11（2）： 541-558.

［25］ HALL B， JAFFE A， TRAJTENBERG M. The NBER patent citation data file： lessons， insights and methodological tools： w8498［R］. Cambridge， MA： National Bureau of Economic Research， 2001.

［26］ 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.

［27］ 張美莎， 邸勍， 馮濤. 異質性研發、市場化程度與全要素生產率［J］.科技進步與對策，2024，41（9）：57-66.

［28］ 郭蕾， 肖淑芳， 李雪婧， 等. 非高管員工股權激勵與創新產出——基于中國上市高科技企業的經驗證據［J］. 會計研究， 2019， 40（7）： 59-67.

［29］ 戴魁早， 劉友金. 市場化改革能推進產業技術進步嗎——中國高技術產業的經驗證據［J］. 金融研究， 2020， 41（2）： 71-90.

［30］ 李勃昕， 韓先鋒， 李寧. 知識產權保護是否影響了中國OFDI逆向創新溢出效應［J］. 中國軟科學， 2019， 34（3）： 46-60.

（責任編輯：張 悅）

英文標題

How Corporate Innovation Impacts Total Factor Productivity：

A Perspective Based on Breadth of Innovation and Depth of Innovation

英文作者Hai Benlu， Ma Ang

英文作者單位（Business School， Henan Normal University， Xinxiang 453007， China）

英文摘要Abstract：In recent years， as China transitions from a phase of high-speed economic growth to a stage of high-quality development， enhancing total factor productivity （TFP） has emerged as a critical lever for fostering sustainable economic progress. Amidst this backdrop， corporate innovation stands out as a pivotal engine driving productivity enhancements and long-term economic growth. Solow （1956） underscored the significance of TFP in economic advancement， sparking widespread exploration into the underpinnings of productivity growth. Drawing upon a rich tapestry of research that delves into various facets of corporate heterogeneity， including Ramp;D investments， workforce demographics， and industry characteristics， this study aims to scrutinize the intricate mechanisms by which corporate innovation influences TFP. Specifically， it ventures beyond conventional linear perspectives， adopting a novel lens focused on the dimensions of innovation's breadth and depth， thereby providing a robust theoretical foundation for policy formulation and implementation.

This study harnesses a dataset comprising A-share listed companies in China spanning from 2003 to 2021. By meticulously curating a sample reflective of the broader economic landscape， this investigation offers a comprehensive overview of the nexus between corporate innovation and TFP within the Chinese context. The study employs a multi-dimensional approach to quantify corporate innovation， distinguishing between innovation's breadth and depth. The breadth of innovation， indicative of the diversity and cross-disciplinary nature of a firm's innovative endeavors， reflects the firm's ability to engage in innovation across various technological domains. Conversely， the depth of innovation encapsulates the intensity and commitment of a firm towards innovation， signifying concentrated efforts in core technological advancements and improvements in production processes. Utilizing sophisticated statistical techniques， including regression analysis and robustness checks， the study evaluates the impact of these innovation dimensions on TFP. The analytical framework is further enriched by exploring the moderating effects of ownership structure， technological intensity， marketization level， and intellectual property rights protection on the innovation-TFP relationship. The investigation uncovers an inverted U-shaped relationship between the breadth of innovation and TFP， suggesting that while diversifying innovation across different technological fields initially boosts TFP， beyond a certain threshold， it may lead to diminishing returns. In stark contrast， the depth of innovation demonstrates a consistently positive influence on TFP， underscoring the importance of concentrated innovation efforts. Furthermore， the study reveals nuanced insights into how non-state-owned corporates， compared to their state-owned counterparts， and high-tech firms， relative to lower-tech firms， exhibit distinct patterns in how innovation's breadth and depth affect TFP. These findings highlight the complexity of the innovation-productivity paradigm， influenced by corporate characteristics and the external economic environment. The research also illuminates the critical roles of marketization and intellectual property rights protection. In regions with higher levels of marketization and stronger intellectual property protection， the positive effects of innovation depth on TFP are accentuated， thereby reinforcing the argument for fostering conducive economic and legal conditions for innovation.

This study introduces an innovative lens for assessing corporate innovation， emphasizing the dual dimensions of innovation's breadth and depth. By unraveling the intricate dynamics between different facets of innovation and TFP， it extends the existing literature and offers new pathways for theoretical exploration. Moreover， the findings bear significant implications for policymakers and business leaders， advocating for targeted strategies to cultivate an ecosystem that nurtures innovation and drives productivity growth. In conclusion， this research sheds light on the multifaceted relationship between corporate innovation and TFP， contributing valuable insights into the drivers of high-quality economic development. By advocating for nuanced policies that recognize the complexity of innovation activities， this study underscores the imperative of fostering a supportive environment for innovation， tailored to the diverse needs of corporates across different sectors and developmental stages. In the following research， the sample could be expanded and the specific reasons for the formation of the inverted U-shaped relationship between firms' breadth of innovation and total factor productivity could be further explored， along with further exploration of how to optimize the depth of innovation in order to maximize its positive impact on productivity.

英文關鍵詞Key Words：Corporate Innovation; Breadth of Innovation; Depth of Innovation; Total Factor Productivity