| 4,428 | 26 | 1057 |
| 下载次数 | 被引频次 | 阅读次数 |
本文利用我国重要学术科研机构以及上市公司的专利数据，实证检验产学研合作对于企业自身技术创新的促进作用及其作用机制。结果发现，若企业在过去5年内产学研合作专利申请数量提高100%，则其在未来5年独立申请的专利数量增加56%～79%。产学研合作通过知识学习、人才吸纳、缓解技术外溢三条渠道促进企业自身创新质量提升，企业专利原创性和深研性得到显著增强。进一步分析发现，政府重视程度、知识产权保护力度以及市场化程度均对上述促进效应产生正向调节作用，其中知识产权保护的调节作用大于政府重视程度及市场化程度。此外，分位数回归结果展示了政府与市场发挥调节作用的边界，即两者分别对于创新能力较强和较弱的企业发挥相对更强的作用。
Abstract：This paper uses patent data from China's major university, research institutions, and public companies to empirically examine the role of industry-university-collaboration(IUC) in promoting corporate technological innovation and its underlying mechanisms. It finds that if a firm's IUC patent applications increase by 100% over the past five years, its independent patent applications in the following five years will increase by 56% to 79%. IUC enhances the quality of corporate innovation through three channels: knowledge learning, talent absorption, and mitigation of technology spillovers. The originality and depth of corporate patents are significantly improved as a result. Further analysis reveals that the degree of government attention, the strength of intellectual property rights(IPR) protection, and the level of marketization all positively moderate the aforementioned promoting effects. Among them, the moderating effect of IPR protection is the strongest. Additionally, the quantile regression also shows the boundaries of the moderating roles of government and market: they play relatively stronger roles for firms with stronger and weaker innovation capabilities, respectively.
[1]戴魁早,刘友金,潘爱民.技术要素市场发展促进了制造业生产率增长吗?[J].统计研究, 2023, 40(12):119–131.
[2]樊纲,王小鲁,张立文,等.中国各地区市场化相对进程报告[J].经济研究, 2003(3):9–18.
[3]韩爱华,高子桓,张虎.我国科技资源配置的动态网络效率及空间优化研究[J].统计研究, 2023, 40(7):17–32.
[4]郭春野,庄子银.知识产权保护与“南方”国家的自主创新激励[J].经济研究, 2012(9):32–45.
[5]李婧,谭清美,白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界, 2010(7):43–55.
[6]刘锦华,王修华,严露.绿色金融试点政策能否倒逼污染企业绿色创新?——基于绿色金融改革创新试验区的经验证据[J].统计研究,2024, 41(12):98–110.
[7]毛昊,尹志锋,张锦.中国创新能够摆脱“实用新型专利制度使用陷阱”吗[J].中国工业经济, 2018(3):98–115.
[8]魏江,应瑛,刘洋.研发网络分散化,组织学习顺序与创新绩效:比较案例研究[J].管理世界, 2014(2):137–151.
[9]吴超鹏,唐菂.知识产权保护执法力度、技术创新与企业绩效——来自中国上市公司的证据[J].经济研究, 2016(11):125–139.
[10]吴延兵,刘霞辉.人力资本与研发行为——基于民营企业调研数据的分析[J].经济学（季刊）, 2009, 8(4):1567–1590.
[11]余明桂,钟慧洁,范蕊.业绩考核制度可以促进央企创新吗?[J].经济研究, 2016(12):104–117.
[12]张秀峰,陈光华,海本禄.融资约束、政府补贴与产学研合作创新绩效[J].科学学研究, 2019(8):529–536.
[13]赵晶,李林鹏,和雅娴.群团改革对企业创新的影响[J].管理世界, 2019(12):152–163.
[14]周开国,卢允之,杨海生.融资约束、创新能力与企业协同创新[J].经济研究, 2017(7):94–108.
[15]周亚虹,蒲余路,陈诗一,等.政府扶持与新型产业发展——以新能源为例[J].经济研究, 2015(6):147–161.
[16] Ang J S, Cheng Y, Wu C. Does Enforcement of Intellectual Property Rights Matter in China? Evidence from Financing and Investment Choices in the High-Tech Industry[J]. Review of Economics and Statistics, 2014, 96(2):332–348.
[17] Azagra-Caro J M, Barberá-Tomás D, Edwards-Schachter M, et al. Dynamic Interactions between University-Industry Knowledge Transfer Channels:A Case Study of the Most Highly Cited Academic Patent[J]. Research Policy, 2017, 46(2):463–474.
[18] Che Y, Zhang L. Human Capital, Technology Adoption and Firm Performance:Impacts of China’s Higher Education Expansion in the Late1990s[J]. Economic Journal, 2018, 128(614):2282–2320.
[19] Contigiani A, Hsu D H, Barankay I. Trade Secrets and Innovation:Evidence from the ‘Inevitable Disclosure’ Doctrine[J]. Strategic Management Journal, 2018, 39(11):2921–2942.
[20] Fang L H, Lerner J, Wu C. Intellectual Property Rights Protection, Ownership, and Innovation:Evidence from China[J]. Review of Financial Studies, 2017, 30(7):2446–2477.
[21] Guan J, Zhao Q. The Impact of University-Industry Collaboration Networks on Innovation in Nanobiopharmaceuticals[J]. Technological Forecasting and Social Change, 2013, 80(7):1271–1286.
[22] Hottenrott H, Peters B. Innovative Capability and Financing Constraints for Innovation:More Money, More Innovation?[J]. Review of Economics and Statistics, 2012, 94(4):1126–1142.
[23] Hsu D H, Hsu P H, Zhou T, et al. Benchmarking US University Patent Value and Commercialization Efforts:A New Approach[J]. Research Policy, 2021, 50(1):104076.
[24] Hsu P H, Tian X, Xu Y. Financial Development and Innovation:Cross-Country Evidence[J]. Journal of Financial Economics, 2014, 112(1):116–135.
[25] Kafouros M, Wang C, Piperopoulos P, et al. Academic Collaborations and Firm Innovation Performance in China:The Role of Region-Specific Institutions[J]. Research Policy, 2015, 44(3):803–817.
[26] Katila R, Ahuja G. Something Old, Something New:A Longitudinal Study of Search Behavior and New Product Introduction[J]. Academy of Management Journal, 2002, 45(6):1183–1194.
[27] Mowery D C, Sampat B N, Ziedonis A A. Learning to Patent:Institutional Experience, Learning, and the Characteristics of US University Patents After the Bayh-Dole Act, 1981—1992[J]. Management Science, 2002, 48(1):73–89.
[28] Parrotta P, Pozzoli D. The Effect of Learning by Hiring on Productivity[J]. RAND Journal of Economics, 2012, 43(1):167–185.
[29] Scandura A. University-Industry Collaboration and Firms’ R&D Effort[J]. Research Policy, 2016, 45(9):1907–1922.
[30] Thursby J, Thursby M. Who is Selling the Ivory Tower? Sources of Growth in University Licensing[J]. Management Science, 2002, 48(1):90–104.
(1)重要高校及科研院所界定为“985”高校、“211”高校、中国科学院以及中国社会科学院，其中“985”和“211”高校的名单来自教育部。
(1)在本文中，所有与专利有关的变量都包括上市公司母公司及其于年报中所披露的重要子公司。为行文方便，本文后续使用“上市公司”指代“上市公司及其子公司”。
(1)所有连续变量均在1%和99%水平下进行缩尾处理（winsorize）以减少极端值影响。当年有异常状态（ST、PT）的上市公司均被剔除，并且剔除金融行业的上市公司。
(2)省委机关报的定义见吴超鹏和唐菂（2016）。
(3)对应本文的实证分析样本区间，产学研合作专利数据涵盖2003—2017年。
(1)因篇幅所限，所有变量的描述性统计完整结果以附表1展示，见《统计研究》网站所列附件。下同。由图1可知产学研合作专利在2017年出现拐点，为此本文尝试剔除该年数据，所有结果都保持稳健。
(2)七大地区分别为东北地区（黑吉辽）、华东地区（沪苏浙皖闽赣鲁）、华北地区（京津冀晋蒙）、华中地区（豫鄂湘）、华南地区（粤桂琼）、西南地区（川渝云贵藏）和西北地区（陕甘宁青新）。
(3)当删除华东地区和华北地区的样本时，观测值数下降约55%，但基准模型下的实证结果仍保持稳健。
(4)例如，对于2007年的时点，某一企业的产学研合作强度为该企业2003—2007年5年间与高校共同申请并得到授权的专利总数。
(5)当以三年或6年的滚动窗口测度技术创新时，基准回归结果保持稳健。
(6)因篇幅所限，此处仅汇报产学研合作变量的回归结果。完整回归结果以附表2展示。
(1)因篇幅所限，工具变量的定义见附录第三部分，工具变量回归结果以附表3和附表4展示。
(1)在IPC中，大类以英文字母划分，而子类以英文字母加两位数字划分。例如，一个专利的IPC分类为“C12;G01;G09;H01;H02”，那么其专利原创性则被定义为3，而专利深研性则被定义为2。
(2)为使回归系数可比，子表A中专利原创性和专利深研性均减去样本均值并除以样本标准差。
(1)2006年通过并实施的新会计准则并未要求上市公司对研发人员数进行强制披露，因此本文在计算研发人员占比变量时，仅将自愿披露该会计科目的企业年度观测值纳入样本中。
(2)因篇幅所限，详细回归结果以附表5展示。
(3)因篇幅所限，详细回归结果以附表6展示。
(4)因篇幅所限，详细回归结果以附表7~9展示。
(1)对应三类调节变量，本文分别计算两个子指标之间的相关系数以及主成分与两个子指标的相关系数，计算结果发现：其一，两个子指标之间的相关系数都在1%的水平下显著，但平均相关系数较小（约为0.40），表明两个子指标能够从不同维度测度同一调节变量；其二，主成分与两个子指标的平均相关系数都较大（约为0.83），且都在1%的水平下显著，表明主成分分析法能够较好地提炼两个子指标的共同信息。
(1)为方便比较知识产权保护力度和市场化程度的调节作用边界，本文在分位数回归中引入二者的高低哑变量。替换为相应变量的标准化指标时结果依然稳健。图2对回归系数进行了加一后取自然对数的单调处理。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2025.04.008
中图分类号:G644;G306;F832.51;F273.1
引用信息:
[1]周开国,卢允之,周彤.产学研合作为何能促进企业技术创新？——以上市公司与高校合作专利为对象[J].统计研究,2025,42(04):99-111.DOI:10.19343/j.cnki.11-1302/c.2025.04.008.
基金信息:
国家社会科学基金重大项目“外部突发事件引发金融风险跨市场传染的干预对策研究”（20&ZD103）; 国家自然科学基金青年项目“我国上市公司异质创新策略的动因和效果研究：基于专利文本大数据的分析”（72002074）;国家自然科学基金青年项目“产学研合作成果转化、企业创新与经济增长——微观大数据经验和机制研究”（72003206）; 广东省哲学社会科学规划青年项目“基于数字化转型视角下宏观经济不确定性与企业技术创新关系研究”（GD24YYJ17）
2025-04-22
2025-04-22