高校知识溢出与企业创新绩效

奥鹏网院作业

高校知识溢出与企业创新绩效*
梁俊伟 黄德成
[提 要] 本文利用全样本数据探讨了作为创新和知识溢出微观主体的高校对企业创新绩效的影响。本文通过ArcGIS测算了2007—2015年上市公司所在地周边全部高校数量，并以企业研发投入金额、发明专利衡量企业创新水平，利用Anselin et al.(2000)的KPF方程，采用双聚类OLS检验高校知识溢出对企业创新行为的影响效应与机制。研究发现：第一，高校知识溢出对企业研发创新投入和有效创新产出均具有显著促进作用；第二，知识溢出效应具有显著的地理邻近性特征，而行政边界关联影响较弱；第三，高校知识溢出通过提高企业研发投入，提升员工和管理层人力资本，进而影响企业创新绩效。进一步研究表明，空间异质性、高校异质性、企业异质性、中心城市集聚效应、高铁开通等因素导致高校知识溢出效应存在差异。
[关键词] 知识溢出；创新绩效；地理邻近性
一、引言
《“十三五”国家科技创新规划》提出，到2020年中国国家综合创新能力世界排名进入前15位。要实现这个目标不仅要在创新的“量”上保持稳步增长，更要在创新的“质”上进一步升级；不仅需要宏观创新机制的引导和激励，更需要微观创新主体的积极参与和合作共赢。创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。 近年来，中国创新投入水平不断提高。2018年，我国科研经费为19 657亿元，占GDP的2.18%，排名世界第二。专利申请量约为154.2万件，授权43.2万件，其中，发明专利授权34.6万件。PCT国际专利申请53 345件，仅次于美国56 142件，排名第二，是前十五位中仅有的两个中等收入经济体之一。(1)另一个发展中经济体为印度，专利申请2 013件，排名第13位。
2019年1月2日，欧盟委员会正式公布了《2018年欧盟工业研发投资排名》(2)该项目主要是对全球46个国家和地区的2 500家研发投资额超过2 500万欧元的企业会计年度的研发投入进行调查，这一调查范围大约覆盖90%以上的研发行为。，中国以438家位居第三，仅次于美国(778家)和欧盟(577家)。2017年开展创新活动的企业达29.8万家，其中，实现创新的企业为27.8万家，占37.1%。企业作为国家创新体系的主体地位已经确立。高校在提供创新型人力资本的同时，也积极参与技术创新，营造良好稳定的研发氛围(Jaffe，1989)，推动区域经济增长(Anselin et al.，1997；2000)，是国家创新体系的主体之一。高校通过教学、科研、培训等形成“智力池”(knowledge base)(Giuliani & Arza，2009)为全社会，尤其是溢出辐射区内研发型人力资本的形成提供强大的智力支持。(3) 2016年，高校科研经费总额约为1 072.24亿元，拥有科研机构13 062个，科研人员36万人，全国占比为47.6%。高校作为卖方在技术市场签订技术合同6万余项，占全国18.7%，技术合同成交金额约为314.3亿元。
一方面，高校对企业研发存在明显的正外部性溢出。企业与高校共同开展研发活动，参与分享各类创新思路，获取创新信息，共享创新渠道，产生更有效的创新成果。2017年的《全国企业创新调查年鉴》显示，2016年，在成功实现技术创新的16万家企业中，与高等学校合作的企业占比为31.5%，在11类创新合作伙伴中位居第三位。合作创新企业特别是与高校合作企业表现出更强的创新产出能力。与高校合作的企业平均每家实现新产品销售收入2.5亿元，是未开展创新合作企业的4.8倍。(4) 数据来源于《全国企业创新调查年鉴(2017)》。另一方面，高校通过独自或合作形式参与研发创新活动，与企业形成明显的竞争关系。根据WIPO发布的“专利合作条约2019年度报告”，加州大学以501项PCT专利位居教育类机构申请者第一位。这一水平相当于本田公司(504项)的年度专利申请量，超过索尼半导体(467项)和深圳华星光电(463项)。同时，我国《专利法》规定，专利的申请具有典型的“在先申请原则”，即当两个以上的申请人分别就同样的发明创造申请专利时，专利权授予最先申请的人。这一优先原则在企业和高校之间形成明显的竞争性。
目前，关于微观企业层面创新绩效与高校知识溢出的文献并不多见，且极少能够在准确识别企业与高校空间距离的基础上，对企业创新绩效进行系统研究。关于微观企业创新驱动的研究主要沿着以下三个分支展开：微观企业治理模式、制度特征和知识溢出。
(一)微观治理与企业创新
企业作为推动经济增长的微观创新主体，其微观治理特征对其R&D决策、方式及企业绩效产生显著影响(Audretsch & Fritsch，2002)。Zahra(1996)利用127家500强企业的数据研究发现，高管持股和政府持股有利于企业创新。而私人持股可能会使企业远离内部产品的研发，进而不利于企业创新，外部董事比例能够减轻私人持股的负面影响。冯根福和温军(2008)研究了2005—2007年343家上市公司的相关数据，发现适度的管理层持股、股权集中度、机构投资者、更高的独立董事比例有利于企业技术创新，国有持股对企业技术创新存在负相关关系。
(二)制度特征与企业创新
在公司内部治理结构之外，部分文献侧重于中国处在经济社会转型期的事实，即产权制度、法律制度及市场经济运行等外部制度因素变化对企业创新行为的影响，将制度纳入分析框架，揭示制度与创新行为的关系(吴延兵，2007)。相关研究主要集中在知识产权保护、创新补贴、所有权结构、金融发展水平、就业保护、高科技项目等方面(吴超鹏和唐菂，2016；李春涛和宋敏，2010)。相关文献普遍认为加强知识产权执法力度，可以提升企业创新能力，使得企业研发投资和专利产出增加，同时对企业未来财务绩效的提升作用更大。而在制度因素之外，非制度因素在中国的经济实践中也发挥着重要影响。袁建国等(2015)研究政治关联对企业技术的影响，发现企业政治关联降低了市场竞争，助长过度投资，阻碍了企业创新活动。
(三)知识溢出与企业创新
研发和技术创新具有明显的外部性特征，而知识溢出效应是其中的重要表现之一。该效应的知识载体主要包括企业和高校研发机构。基于企业知识溢出的研究更多侧重经济活动的集聚带来的成本外部性和技能型劳动力池效应(skilled labor pool),如FDI企业进入东道国后引发的行业技术进步(Blomström & Kokko, 1998)，工业园区的溢出效应和集聚效应会提升区内企业生产率(Zheng et al., 2017)。基于高校科研院所知识溢出的研究则主要沿着以下两个方向展开。第一，高校作为研发主体参与研发，参与合作、学术会议、专业培训或是成果展示都可以将知识扩散至校园或实验室之外(Anselin et al.，2000；Feldman & Francis，2002)，为企业提供服务的过程存在显著的知识溢出效应。尤其是研究型大学，通过校企共建，可以为企业提供知识池(knowledge pool)(赵勇和白永秀，2009)。第二，高校具有独特的教育功能，可以为经济体提供专业的科研人员。这些科研人员除了具备专业技能之外，还携带相关领域前沿的创新思路和研发意图，同样具有技能型劳动力池效应。
上述文献为理解企业创新路径及高校在知识溢出方面的影响提供了有益的研究思路和借鉴，但在具体研究方法和机制方面仍存在诸多有待改进和补充的环节。第一，已有研究大部分局限于省级或市级数据，而鲜有微观企业层面的数据。宏观数据可以解释高校或高等教育对地区经济增长或总体人力资本形成的机制(周末等，2017)，但无法明晰高校对异质性企业创新行为的影响效应与渠道。第二，高校对企业的知识溢出和扩散既有临近性和便利性的一面，又有广泛性和叠加性的特征，已有文献的样本绝大部分都是局部小样本或问卷调查。这种样本的选择会导致统计偏误。如刘志迎和单洁含(2013)选取了13 所大学及与之协同创新的191个企业作为样本；罗瑾琏等(2014)的样本来自256家环同济知识经济圈企业的调查数据；周末等(2017)使用的是65所教育部直属高校与工业企业的数据。本文爬取2007—2015年中国A股全部上市公司及其周边所有高校数据，最大化实现了样本的可得性。第三，采用省级数据隐含了“行政边界约束知识溢出范围”这一假定，而基于中国高校分布的历史和现实特征(5)例如，1952年全国范围内进行的高校院系大调整，众多高校跨地区迁移、重建或重组。1985年，哈尔滨工业大学威海分校成立，开创了国内高校跨省办学的先河，随后，越来越多的高校都选择了在其他省份设立校区或者分校。，高校人员携带知识跨界流动的可能性在已有文献中考虑不足。与此同时，知识溢出的辐射又存在明显的地理距离约束(Mansfield & Lee，1996；Anselin et al.，2000)，单纯行政意义上的地理边界无法准确予以区分。
本文通过科学测算2007—2015年中国A股上市公司周边高校知识溢出强度，分析高校知识溢出对上市公司创新的影响效应与机制。得出以下主要结论。第一，高校知识溢出对企业研发创新投入和有效创新产出均具有显著促进作用；第二，知识溢出效应具有地理邻近性特征，而行政边界关联影响较弱；第三，高校知识溢出通过强化企业研发投入，降低研发成本，影响研发决策，从而影响企业创新绩效。进一步研究表明，空间异质性、高校异质性、企业异质性、中心城市集聚效应、高铁开通等因素会导致高校知识溢出的影响效应存在差异。
本文余下部分安排如下：第二部分构造了高校知识溢出影响企业技术创新的理论框架并提出研究假设；第三部分为数据来源、指标选取和模型构建；第四部分为基准回归结果与分析；第五部分为稳健性检验、异质性分析与内生性处理；最后简要总结。
二、理论框架与研究假设
R&D知识溢出的空间范围与溢出途径是内生经济增长理论与新经济地理研究的热点问题(Fujita et al.，1999)。知识溢出效应是由于知识和技术的非竞争性和部分排他性决定的(Romer，1986，1990；Griliches，1979)。20世纪90年代以来，知识溢出的研究主要集中在城市与区域空间范围内，探究知识溢出对集聚、创新和区域经济增长的影响(赵勇和白永秀，2009)。陈晓光(2006)也指出由于知识的非竞争性，基于R&D的内生增长模型存在规模效应。集聚是由知识溢出效应、本地劳动力池效应以及中间投入品三要素在成本外部性和技术外部性两个方面共同作用下形成的(Fujita & Thisse，1996)，对于区域经济发展如此，对于微观企业创新亦如此。
知识的来源包括产业研发、熟练劳动力以及特定的基础科学研究和创新活动，创新活动在空间上的集聚不仅因为生产活动的地理集中，更多地则归因于区域内知识溢出效应的影响。Audretsch & Feldman(1996)指出，企业和大学在研发方面的投资会导致知识溢出，从而影响第三方的研发行为。如此在集聚的环境下，企业研发的个体成本显著低于社会成本。据此，本文提出假设1。
假设1：企业所在地高校分布越密集，对其创新的激励作用越显著。
根据知识和技术植根于个体的事实以及隐性知识难以进行编码化或记录的特征，知识溢出具有显著的地理邻近性。地理邻近性提高了经济主体面对面交换思想以及通过交流意识到原创性知识价值的可能性，使得地理临近性在知识溢出吸收效率中发挥了重要的作用(Audretsch & Feldman，1996)。Balland & Rigby(2017)研究发现，复杂知识具有空间黏性。考虑中国行政区划体制与区域性优惠政策，会促使同一省份校企间交换异质性知识，实现行政边界内技术知识的溢出或扩散。这也是已有文献大部分采样的依据。然而，随着企业研发市场化水平的提升，企业越来越注重地理临近性及实际溢出效果，二三线城市的企业或许更加信赖北上广深的一流高校。高校异质性和空间地理临近性在企业创新中发挥的作用错综复杂，相互交互。笔者认为，在市场机制的驱动下，企业可能会突破行政区划的限制，优先选择地理临近性或异质性高校接受其知识溢出。
假设2：高校知识溢出对企业创新的影响具有地理邻近性特征，且高校异质性会显著影响溢出效果。
企业进行创新存在一定的风险和不确定性，无论从投资决策还是研发成本的角度，企业都存在理性决策的过程。高校从事的基础研究具有公共品属性，会在一定范围内扩散并刺激新一轮技术创新。这种正的外部性会以知识溢出的方式惠及周边企业。Feldman & Francis(2002)通过对美国首都地区科技产业集群的研究发现，研究型大学通过转移技术成果、安排学生在当地就业以及为当地发展提供建议等形式，为企业寻求智力支持提供了有效途径。这种知识溢出的正的外部性会极大降低企业研发的成本，同时，提高R&D的产出效率。高校通过从事基础科研活动和培养高素质人才的方式，具有显著的知识溢出效应和劳动力池效应。这种效应的存在进一步降低了区域内企业科学发现和科技成果商业化的成本，提高了技术研究的效率和产品研制的质量。企业临近高校会使得管理层获取更高学历变得容易，进而更加积极影响企业的创新决策，进而提升企业创新绩效(Zahra，1996)。综合上述分析，本文提出研究假设3。
假设3：高校知识溢出通过降低研发失败风险、降低研发成本、积极影响管理层决策等机制，对企业创新产生积极影响。
三、数据、模型及特征事实
(一)数据与样本
本文选取CSMAR和Wind数据库中2007—2015年(6)由于2007年国家颁布新会计准则要求所有中国境内的上市公司须在财务报表中公布研发支出费用。本文将研究样本的期间确定为2007年1月1日—2015年12月31日。的A股上市公司为初始样本。为提高研究的有效性，按以下原则进行筛选：(1)剔除与银行、保险和其他金融行业相关的公司；(2)剔除当年交易状态为特别处理(ST)、暂停上市(*ST)或特别转让(PT)的公司；(3)剔除资不抵债的公司；(4)剔除同时发行B股或H股的公司；(5)剔除数据缺失的公司样本。最终得到8 116个样本观测值。为了消除极端值可能带来的影响，对模型中所有连续变量在1%和99%分位数进行了缩尾处理。(7) 处理样本离群值的方法主要有截尾和缩尾，由于缩尾不会损失样本自由度，故文献中普遍采用该方法处理离群值。
(二)高校知识溢出影响的变量定义
已有文献对于知识溢出距离的研究采取不同的标准(详见表1)。基于前述理论分析，本文借鉴Hilary and Hui(2009)的基本思路，测算样本期间内公司周边特定范围内各类高校数量。具体步骤，利用“Google Earth”和“百度地图”，手工爬取样本上市公司2007—2015年的注册地址以及高校通信地址所对应的经纬度坐标。高校选取的标准来源于2007—2015年中华人民共和国教育部官方网站公布的《全国高等学校名单》中所列的普通高等学校(含独立学院)。利用上述经纬度坐标，通过式(1)计算上市公司和高校之间的距离。进一步，分别计算出企业周围方圆100公里、200公里和300公里的高校数量作为企业所在地高校知识溢出强度的代理变量。
表1 知识溢出距离的文献依据

资料来源：笔者整理。
C=sin(latitudei)×sin(latitudej)
+cos(latitudei)×cos(longitudei)
×cos(latitudej)×cos(longitudej)
+cos(latitudei)×sin(longitudei)
×cos(latitudej)×sin(longitudej)
Dis=6 371.04×Arccos(C)×π/180
(1)
(三)模型构建与相关变量定义
本文沿着Anselin et al.(2000)KPF的思路，具体表示为：
log(RD)=βR1log(U)+βR2ZR+εR
(2)
log(Inv)=βI1log(RD)+βI2log(U)
+βI3ZI+εI
(3)
式中，ZR和ZI分别表示影响R&D和Inv的控制变量；εR和εI表示随机扰动项。(8)采用公司和年份层面的双聚类OLS回归，该方法参考了Petersen(2009)的做法。
已有文献主要使用R&D人员数、R&D支出、专利、注册商标数等作为企业创新指标(李春涛和宋敏，2010；吴超鹏和唐菂，2016)。本文选取企业当年R&D支出金额(R&D)及企业拥有的发明专利授权数(Inv)作为衡量指标。公司层面控制变量包括：公司规模(Size)、公司年龄(Age)、资产负债率(Lev)、股权集中度(Top1)、董事会规模(Board)、独立董事比例(Inde)、产权性质(Sta)、两职合一(Dua)。省级层面控制变量包括人口数(Pop)、经济水平(gdp)、知识产权保护水平(Ippl)。(9)来源于王小鲁等《中国分省份市场化指数报告(2016)》。公司层面的某些不可观测特征可能导致回归分析的残差项与自变量不独立。这里在模型中增加了行业和年度的虚拟变量用来弱化内生性问题。考虑到企业专利授权相对于研发投入存在时间滞后性，对所有涉及创新产出(Inv和App)的模型中，R&D均作滞后一期处理。
表2 主要变量及定义

(四)特征事实
统计显示，上市公司周边100公里内高校平均数量超过54所，有一半公司多于57所。U200和U300的均值分别为117.58和185.90，表明上市公司位于高校较密集的区域。(10)根据面积公式：S=R2π，方圆200公里、300公里是方圆100公里面积的4倍和9倍，但高校数量却只为其2.17倍和3.43倍。Upro的统计表明，各省平均拥有高校99所，有一半省份高于全国平均水平。R&D均值为17.44，标准差为1.18，表明公司研发资金投入差异并不大。企业有效发明专利持有数平均为15件，有一半企业发明专利数低于6件且企业间差别较大。而公司专利申请量均值为24.47，标准差为34，远高于R&D和Inv的水平，说明由于研发初期投入具有极高的风险，能否到达申请专利的环节具有很大不确定性。变量统计描述详见表3。
表3 主要变量的描述性统计

四、基准检验与分析
(一)高校知识溢出与企业创新投入
表4显示，企业所在地高校知识溢出对企业研发投入具有显著的促进作用，中位数分组回归显示，企业所在地区高校知识溢出具有明显的规模效应。进一步比较，企业所在省份高校知识溢出同样具有激励作用，但显著水平低于地理临近的高校，基本验证了假设1和假设2的理论预期。具体而言，表4列(1)U100的系数为0.002，且在1%的水平上显著，说明企业地理临近范围内高校数量越多，其创新投入水平越高。这主要源自创新投入的不确定性和高风险性，而企业邻近区域内较多高校的存在则会降低此类风险，高校数量的多寡直接影响企业对于研发风险冲销的预期。表4列(2)Upro的系数为0.002，仅在10%的水平上显著，表明行政边界内高校知识溢出对省内企业从事创新活动同样表4
高校知识溢出与企业创新绩效：R&D

注：*，**，***分别表示在10%，5%，1%的置信水平上显著，小括号内为双聚类稳健标准误，下表同。
具有激励作用，但在统计上较企业临近区域内高校弱。表4列(3)和列(4)以百公里内高校数量的中位数进行分组回归，较高组系数为0.005，且在1%的水平上显著，而较低组系数为0.001，且统计不显著。这一结果表明，由于知识的非竞争性，企业外部智力资本具有规模效应。位于高校知识溢出程度较强范围内的企业，其拥有的可以调动的智力资本越多，研发失败的风险越低，更倾向于增加创新投入。这一结果与陈晓光(2006)观点类似。控制变量的回归结果与已有文献基本一致。
(二)高校知识溢出与企业有效创新
除了高校知识溢出对企业创新投入存在显著影响之外，更关键的，笔者力图解释高校知识溢出对企业有效创新的影响。笔者以企业持有的发明专利数代理企业的有效创新。根据式(3)，笔者在计量过程中将R&D取滞后一期处理，表5列(1)～列(5)R&D的系数在1%的水平上均显著为正，表明企业研发投入越多，有效创新产出越多。表5列(2)显示，U100的影响系数为0.056，且在1%的水平上显著为正，表明U100每提高一个标准差(33.11，)，Inv提高1.85。根据原始样本，Inv均值为13.38，即公司持有有效发明专利数将会平均提高13.83%(1.85/13.38×100%)。表5列(3)交互项R&D×U100的系数为0.051，U100的系数为-0.838，且均在1%的水平上显著，取均值处的边际效应为0.048(17.38×0.051-0.838=0.048)，表明研发投入在均值处既定时，企业周边百公里内高校数量越多，其有效创新产出水平越高，假设1进一步得证。同时，交互项R&D_U100的系数为正，表明企业对外部智力资本的吸收能力会受到企业创新投入水平的影响，即企业内部研发投入越大，其能够从外部知识溢出中收获的外部性越多。
借鉴陆铭和欧海军(2011)的思路，本文可以计算出高校数量对于其有效发明专利持有数的边际效应为0时，R&D的临界值为16.43，即当R&D大于16.43时，企业周边高校数量越多，企业会持有更多的有效发明专利。当R&D小于16.43时，高校数量增加则会降低企业持有的发明专利数。其背后的逻辑体现了高校与企业之间复杂的合作竞争关系。企业内部研发创新投入会提高企业区域知识竞争力，进而更多吸收外部知识溢出，提升企业创新绩效。而如果企业内部研发创新投入水平相对较低，处于竞争弱势，高校的竞争优势则会在创新研发产出上形成对企业创新绩效的部分挤
表5 高校知识溢出与企业创新绩效：专利授权数量

出，进而降低其创新产出指标。事实上，样本R&D的均值为17.38，中值为17.33，均大于R&D的临界值，这意味着对于半数以上企业来说，周边高校数量增加会提高企业创新研发的有效性。
表5列(4)将指标U100替换为企业所在省内高校数量(Upro)后，系数为0.029，但统计上不显著，说明单纯的行政边界内高校知识溢出对本省企业创新影响没有地理边界意义上显著。
(三)高校知识溢出影响企业创新的机制分析
前述分析已经证实企业周边高校数量会显著影响企业创新投入和创新产出，然而，笔者想进一步探究，除了企业创新投入之外，高校究竟还通过哪些机制影响企业的创新绩效。Barker & Mueller(2002)认为，高管所接受的教育水平越高，对风险的认知更加全面、客观，对风险更具有包容性。同时，拥有较高学历水平的高管具备更好的战略决策能力和资源整合能力，更加重视创新对于企业长期成长的贡献，因此，会倾向更加积极的研发投资决策，并通过内外部知识资本和人力资本的重塑和结合，降低研发过程中的不确定性带来的系统性风险，进而确保研发投资成功转化为企业绩效。笔者认为，高校的存在有利于其周边企业决策层获取更高的学历，掌握更加科学的风险管理技能，以更加积极稳妥的研发投资决策提升企业创新绩效，这是渠道之一。由此，本文以5级赋值的方式引入总经理学历(GMD)，学历越高，分值越高，赋值规则如下，1=中专及中专以下，2=大专，3=本科，4=硕士研究生，5=博士研究生。
同时，Acs et al.(1999)认为，美国大学R&D溢出对高科技集团的人力资本具有显著的促进作用，我们有理由认为，高校对于周边企业员工人力资本的提升和积累有积极作用。这是渠道之二。由此，笔者引入两个测度员工人力资本水平的变量，一是大专以上学历员工占员工总数的比例，以EmD_1表示；二是大专以上学历员工人数与高中及以下学历员工人数之比，以EmD_2表示。
表6的回归结果分两部分显示，企业周边高校数量对管理层人力资本有显著的正向影响，同时，管理层人力资本与高校数量对企业R&D投入和专利授权数量均有显著 的 正 向 影 响。GMD_R&D的交互项也显著为正，证实了第一个机制。企业周边高校知识溢出还会对员工人力资本产生积极影响，U100对EmD_1和EmD_2影响系数均为正显著，而员工人力资本对企业的创新产出也 有 显 著 的正效应，第二个影响机制也得到验证。
表6 高校影响企业创新绩效的机制：管理层和员工人力资本

说明：控制变量与基准模型一致，下表同。
五、内生性处理和稳健性检验
(一)内生性处理
根据本文的模型，想要识别高校知识溢出与企业创新的因果关系，需要处理好两种可能存在的内生性问题。第一，模型变量选择偏误。虽然本文在参考已有研究的基础上控制了一系列影响企业创新的重要因素，但仍然可能存在变量选择偏差，这些偏差可能会导致模型估计产生偏误。第二，反向因果关系。企业本身在选址时存在内生性，不同类型的企业对选址的偏好也不相同，创新型企业可能更偏好高校集中的地区，同样，高校也有可能在企业研发中心或总部集中的区域选择建立校区或分校。这种反向因果关系所产生的内生性问题也会导致模型估计结果有偏。(11) 感谢匿名审稿人提出的建设性意见。针对模型可能存在的内生性问题，本文采用替换变量、工具变量法及剔除中心城市的策略进行处理。
1.替换变量。企业的选址和空间布局主要受到自身市场战略和行业特征的影响，其地理意义上的考虑较为单纯。而高校的布局则是地方政府与中央政府共同协调的结果，其受到非市场因素的影响较多。笔者首先使用省级层面的高校数量替换地理临近区域内的初始指标来衡量企业所在区域知识溢出水平，使得解释变量和被解释变量之间不在同一层面，且通过控制行业特征极大降低内生性问题。该结果与前述结果基本一致。其次，笔者将企业创新绩效的衡量指标替换为“当年企业专利申请数量”，因为从知识生产的流程看，从研发投入到专利申请过程便已经完成了知识生产的过程，而专利申请过程则主要是将知识产权类产品诉诸法律保护，通过正规化便于许可和贸易。单纯以“发明专利授权数量”衡量企业创新绩效有可能会导致结果被低估。依据表7，结果与表5基本一致，这基本排除了变量选择偏误导致的内生性。
表7 高校知识溢出与企业创新绩效：专利申请数量

2.工具变量估计。为了消除多重因果导致的内生性，笔者采用19世纪80年代到20世纪10年代西方国家在中国创办的教会大学数量作为工具变量。教会大学会在一定程度上影响地区教育文化水平，一省内教会大学越多，该地区的文化教育程度越高，满足工具变量相关性条件。同时，20世纪创办的教会大学与当今企业创新活动关系不大，满足工具变量外生性条件。本文进行了工具变量识别不足检验和弱工具变量检验。工具变量识别不足检验的KP LM值为1 007，其P值为0；弱工具变量检验得到的Cragg-Donald Wald F值为1 428，远高于10%偏误水平下的临界值16.38，说明本文设定的工具变量是强有效的。运用2SLS方法进行估计，如表8所示，高校数量与教会大学数量存在显著的正相关，第二阶段显示加入工具变量以后，高校知识溢出对企业创新绩效的正向影响加强。IV估计结果与OLS回归基本一致。
表8 高校知识溢出和企业创新绩效：IV-2SLS

3.剔除中心城市。知识生产、传播、共享与转化的过程会受到创新中心集聚效应的影响(梁琦，2004)，即更多的高校和创新型企业有可能更加倾向在创新中心城市选址。如果这一情况存在，那么可能导致本文的样本存在自选择效应和放大效应，进而干扰本文核心变量间的因果识别逻辑。笔者对样本进行了筛选，剔除企业所在地为北京、上海、广州和深圳四个城市的样本(约占总样本的25%)。表9显示，高校知识溢出对R&D的影响方向和影响程度与前文一致，而对于企业创新产出的影响程度有所减弱但依然显著为正。这表明，中心城市在高校知识溢出和企业技术创新方面存在显著的集聚效应。
表9 高校知识溢出和企业创新绩效：剔除北上广深

(二)地理距离差异
高校知识溢出作为企业外部智力资本的重要来源，尤其是其中隐性知识和复杂知识的传播通常会受地理距离限制，表现为地理邻近性的特征。笔者进一步检验了地理距离为100公里、200公里、300公里、省内及全国范围内高校对企业创新的影响。结果显示，校企间的地理距离越近，企业参与研发创新投入越高并表现出更高的创新产出，从而进一步验证假设2。(12) 限于篇幅，本节的结果均未报告，备索。
(三)高校异质性
考虑到高校不同层次、不同优势学科等异质性对周边企业创新绩效的影响可能存在差异。根据高校是否为理工类(13) 本文将包含理工类、农林类、综合类、医药类、艺术类的高校视为理工类院校。、是否为本科、是否为“211”、是否为“985”的标准对高校进行分类。回归结果均在1%的水平上显著为正，且系数大小存在明显差异，表明不同类别高校对企业研发的促进程度存在显著差异。“985”和“211”高校远高于其他，本科院校及理工科院校均高于我国高校知识溢出程度平均水平。这一结论说明，“985”和“211”高校通过教学科研及校企合作等形式对企业创新研发存在显著的推动作用，当然，还可能来自知识溢出及技术市场竞争的压力。
(四)企业异质性
为了进一步考察不同的企业特征受高校知识溢出的差异，笔者选取以下异质性指标进行稳健性检验。(1)根据企业营业收入是否超过当年所在行业营业收入中位数，划分为大型企业与中小型企业。(2)根据企业成立年限是否超过20年，将样本企业划分为成熟期企业和成长期企业两种类型。(3)根据企业实际控制人属性将样本划分为国有企业和非国有企业两种类型。回归结果显示，大型企业与高校影响交互项系数显著为正，表明高校对大型企业创新的促进作用更加显著。高校影响对成熟期企业的研发投入影响更显著，对创新绩效的影响不显著。国有企业与高校影响交互项对创新绩效的回归系数显著为正，说明高校影响对国有企业创新效果的促进作用更明显。
(五)地区差异
考虑到中国经济发展过程中不同地区市场发展水平不同，高校知识溢出效应对企业创新影响可能存在差异，将样本分为东部、中部、西部三个子样本进行分析。结果表明，高校知识溢出效应对企业创新研发投入水平及有效创新产出水平的影响在东中西部存在一定差异。具体而言，一方面，高校知识溢出效应对东部地区R&D投入的激励作用最显著，可能的原因是东部地区的市场化程度高，创新在竞争过程中的作用更加明显，企业对智力资本的认知、接受与重视程度更高。另一方面，高校知识溢出对东部、中部、西部有效创新水平存在显著的促进作用，数量上西部最强、中部其次、东部最弱，但内部研发R&D投入的经济效益却是东部最强、中部其次、西部最弱。这一结果反映出一个典型事实，相对东部，西部上市公司内部智力资本水平不足，研发有效性较弱，更依赖周边高校等外部智力资本，通过专利转让、技术指导和合作研发等形式提高自身创新水平。
(六)交通便利性
在很多知识生产过程中，面对面的交流往往显得格外重要(Dong et al., 2018)。因此，笔者有一个疑虑，即地理空间的临近性约束是否会随着交通便利性的提高而变得放松。笔者选取了企业注册地是否开通高铁作为检验交通便利性的代理变量。笔者分别检验了100公里和300公里两组样本，结果显示，除了300公里内高校数量与高铁交互项对于R&D有负向的调节作用之外，其余都呈现显著的正向调节。这证实，交通的便利性并不是弱化高校对一定地理边界内企业创新绩效的影响，而是强化其影响效果。
六、简要总结
本文以2007-2015年中国的上市公司为样本，在科学测度企业所在地高校知识溢出强度的基础上，考察高校知识溢出对企业创新行为的影响效应与机制。得到以下主要结论：第一，高校知识溢出对企业研发创新投入和有效创新产出均具有显著促进作用；第二，知识溢出效应具有地理邻近性特征，而行政边界关联影响较弱；第三，高校知识溢出是通过强化企业研发投入、降低研发成本、积极影响研发决策，进而影响企业创新绩效。进一步研究表明，空间异质性、高校异质性、企业异质性、中心城市集聚效应、高铁开通等因素会导致高校知识溢出对企业创新的实际影响效果存在差异。
从公司治理的角度看，为了提高企业技术创新能力，一方面应当积极鼓励企业参与研发创新活动，提高市场竞争力。另一方面，为了降低企业研发风险与研发成本，应当充分利用企业外部智力资本，加强校企间交流与合作，吸收外部知识溢出，提高内部研发有效性与研发质量。从区域经济发展的角度看，政府可通过兴建工业园区、招引外资等形式形成产业集聚。同时，亦可合理利用区域内高校的知识溢出效应和劳动力池效应，促进校企间创新信息交流，营造良好创新氛围，从而形成知识集聚，实现区域可持续发展。本文并没有具体识别高校知识溢出与企业创新绩效的因果关系背后的深层次机制，即事实上，高校究竟是通过哪些具体的渠道影响周边企业员工和管理层的人力资本？高校与企业究竟是合作多还是竞争多？这些问题都有待我们今后更加深入的研究。
参考文献
陈晓光, 2006：《教育、创新与经济增长》,《经济研究》第10期。
冯根福、温军, 2008：《中国上市公司治理与企业技术创新关系的实证分析》，《中国工业经济》第7期。
国家统计局，2017：《全国企业创新调查年鉴》，北京：中国统计出版社。
国务院，2016：《国务院关于印发“十三五”国家科技创新规划的通知》，http://www.gov.cn/zhengce/content/2016-08/08/content-5098072.htm,国发[2016]43号。
李春涛、宋敏, 2010：《中国制造业企业的创新活动:所有制和CEO激励的作用》,《经济研究》第5期。
梁琦, 2004：《知识溢出的空间局限性与集聚》,《科学学研究》第1期。
刘志迎、单洁含，2013：《技术距离、地理距离与大学—企业协同创新效应——基于联合专利数据的研究》，《科学研究》第9期。
罗瑾琏、门成昊、钟竞、顾玉婷，2014：《高校知识溢出对周边企业创新绩效的影响机制研究——基于地理邻近性的调节作用》，《科技进步与对策》第10期。
陆铭、欧海军, 2011：《高增长与低就业:政府干预与就业弹性的经验研究》,《世界经济》第12期。
吴超鹏、唐菂, 2016：《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》,《经济研究》第11期。
吴延兵, 2007：《企业规模、市场力量与创新:一个文献综述》,《经济研究》第5期。
王小鲁、樊纲、余静文，2016：《中国分省份市场化指数报告(2016)》，北京：社会科学文献出版社。
王永进、张国锋，2016：《开发区生产率优势的来源：集聚效应还是选择效应？》，《经济研究》第7期。
袁建国、后青松、程晨, 2015：《企业政治资源的诅咒效应——基于政治关联与企业技术创新的考察》,《管理世界》第1期。
张继红、吴玉鸣、何建坤, 2007：《专利创新与区域经济增长关联机制的空间计量经济分析》,《科学学与科学技术管理》第1期。
赵勇、白永秀, 2009：《知识溢出:一个文献综述》,《经济研究》第1期。
周末、张宇杰、刘经纬、唐轶凡, 2017：《高校知识溢出对本地工业企业绩效的空间影响》,《科学学研究》第7期。
Acs,Z.J.,F.R.Fitzroy,and I.Smith,1999,“High Technology Employment,Wages and University R&D Spillovers:Evidence from Us Cities”,Economics of Innovation & New Technology,8(1-2):57-78.
Anselin, L., A.Varga,and Z.Acs, 1997, “Local Geographic Spillovers between University Research and High Technology Innovations”,Journal of Urban Economics, 42(3): 422-448.
Anselin, L., A.Varga,and Z.Acs,2000, “Geographical Spillovers and University Research: A Spatial Econometric Perspective”, Growth and Change, 31(4): 501-515.
Audretsch, D.B.,and M.Fritsch, 2002, “Growth Regimes over Time and Space”, Regional Studies, 36(2): 113-124.
Audretsch, D.B.,and M.P.Feldman, 1996, “R&D Spillovers and the Geography of Innovation and Production”, American Economic Review, 86(3): 630-640.
Balland, P.A.,and D.L.Rigby, 2017, “The Geography of Complex Knowledge”, Economic Geography, 93(1): 1-23.
Barker, V.L.,and G.C.Mueller, 2002, “CEO Characteristics and Firm R&D Spending”, Management Science, 48(6):782-801.
Blomström, M.,and H.Kokko, 1998, “Multinational Corporations and Spillovers”, Journal of Economic Surveys, 12(3):247-277.
Dong, X., S.Zheng,and M.Kahn, 2018, “The Role of Transportation Speed on High Skilled Teamwork”, NBER Working paper, No.24539.
Du, X., 2013, “Does Religion Matter to Owner-Manager Agency Costs? Evidence from China”, Journal of Business Ethics, 118(2):319-347.
European Commission,2018,The 2018 EU Industrial R&D Investment Scoreboard,http://iri.jrc.ec.europa.eu/scoreboard18.html.
Feldman, M.P.,and J.Francis, 2002, The Entrepreneurial Spark: Individual Agents and the Formation of Innovative Clusters, Wien: Physica Verlag HD.
Fujita, M.,and J.F.Thisse,1996,“Economics of Agglomeration”,Journal of Japanese and International Economies,10(4):339-378.
Fujita, M.,P.Krugman,and A.J.Venables, 1999, The Spatial Economy: Cities, Regions, and International Trade, Cambridge, Massachusetts: The MIT Press.
Giuliani, E.,and V.Arza, 2009,“What Drives the Formation of ‘Valuable’ University-industry Linkages: Insights from the Wine Industry”, Research Policy, 38(6): 906-921.
Griliches, Z., 1979, “Issues in Assessing the Contribution of Research and Development to Productivity Growth”, Bell Journal of Economics, 10(1): 92-116.
Hilary, G.,and K.W.Hui, 2009, “Does Religion Matter in Corporate Decision Making in America?”, Journal of Financial and Economics, 93(3):455-473.
Jaffe, A.B., 1989, “Real Effects of Academic Research”, American Economic Review, 79(5): 957-970.
Mansfield, E.,and J.Y.Lee, 1996, “The Modern University: Contributor to Industrial Innovation and Recipient of Industrial R&D Support”, Research Policy, 25(7):1047-1058．
Petersen, M.A., 2009, “Estimating Standard Errors in Finance Panel Data Sets: Comparing Approaches”, Review of Financial Studies, 22(1):435-480.
Romer, P.M., 1986, “Increasing Returns and Long-Run Growth”,Journal of Political Economy, 94(5):1002-1037.
Romer, P.M., 1990, “Are Nonconvexities Important for Understanding Growth?”, American Economic Review, 80(2):97-103.
Zahra, S.A., 1996, “Governance, Ownership, and Corporate Entrepreneurship the Moderating Impact of Industry Technological Opportunities”, Academy of Management Journal, 39(6):1713-1735.
Zheng, S., W.Sun, J.Wu,and M.E.Kahn, 2017, “The Birth of Edge Cities in China: Measuring the Effects of Industrial Parks Policy”, Journal of Urban Economics, 100(7): 80-103.
UNIVERSITIES KNOWLEDGE SPILLOVER AND FIRMS INNOVATION EFFECT
LIANG Jun-wei1 HUANG De-cheng2
(1. School of Economics and Trade, Guangdong University of Foreign Studies; 2. School of Business, Shandong University)
Abstract: This paper explored the effect of universities, as the micro main bodies of innovation and knowledge spillover, on firms’ innovation based on the full sample. We measured the number of all types of universities around the listed companies from 2007 to 2015 by ArcGIS and the innovation level by RD input and invention patents. Using Knowledge Production Function of Anselin et al. (2000), we tested the effect and mechanism of universities spillover on firms’ innovation through double cluster OLS. We concluded as follows: First, universities notably improved the innovation input and output of firms. Second, geographical characterized the spillover effect more than administrative linkage. Third, knowledge spillover makes effect on innovation through RD, employee and management human capital. Further research implied that spatial difference, university heterogeneity and firms’ characteristics, agglomeration effect of center cities, high speed railways will affect the level of knowledge spill over from universities.
Key words: knowledge spillover; innovation effect; geographical proximity