技术采用视角下知识资本对企业创新绩效影响的异质性
2021-08-23许长新黄心饴
许长新 黄心饴
摘要：制造业是实体经济的重要基础，通过技术创新推动制造业向数字化、智能化发展，是中国从制造业大国迈向强国的关键，长三角城市群作为创新活动的孵化地，制造业的发展正呈现出强劲势头。以长三角地区制造业上市企业为样本，利用有限混合模型划分出企业在不同年份的技术采用水平，在此基础上考察了知识资本的投入对企业创新绩效的影响。结果表明：制造业企业技术采用水平总体偏低;知识资本投入能显著提高企业的全要素生产率，与当前阶段的技术采用水平呈现正相关。但是，企业异质性效应差异明显，出口企业效果优于非出口企业，民营企业显著性高于其他所有制企业。
关键词：知识资本;技术采用;创新绩效;长三角城市群
中图分类号：F275.5文献标识码：A文章编号：1005-6378（2021）06-0097-12
DOI：10.3969/j.issn.1005-6378.2021.06.012
一、引言
中国处于后工业化时代，根据工信部最新数据显示，中国2020年制造业增加值占全球比重达28% 以上，连续10年保持世界排名第一，成为驱动全球经济增长的重要引擎。但从产业链条的位置来看，中国制造业呈现两端高价值和中间低价值的局面，当外部环境发生变化时，极易导致关键技术“卡脖子”。在新冠肺炎疫情冲击和国际经贸环境恶化的复杂背景下，打造制造业强国显得尤其紧迫与必要，实现从大国迈向强国的目标亟须扩大创新投资，而加快高质量发展和效益变革的关键是提高企业的创新力[1]。
内生经济增长模型首次突破性地将技术进步引入模型中，对技术的内生性提出了两个观点：第一，干中学一般通过企业的创新投资获得，资本存量增加的同时也会带动知识存量的增加;第二，知识具有公共品属性，可通过各类传播渠道直接或间接地影响技术进步，即知识溢出使技术表现为非竞争性的和无成本的特点。在企业创新力的构建过程中，大多数学者偏好验证第一个观点，通常将创新投资物化为以知识为基础的资产——知识资本，检验创新投资对企业创新绩效的促进作用[2-3]。知识资本作为缺乏物理维度的知识资产的总合，广义上是由创新的组织设计或人力资源实践产生的非物质价值来源，狭义上则指可辨认的非货币性资产，主要包括专利权、商标权等形式。知识资本强调非货币性物质的使用价值和创造的经济效益，将知识产权和智力资产转化管理，可以提升企业的全要素生产率，保证企业创新带来的超额利润回流至企业，从而使企业創新力最终转化为企业盈利，在企业市场价值提升过程中竞争优势更加显著[4]。
但也有学者正积极讨论第二个观点，肯定了知识溢出在空间上的瞬间扩散行为，即技术的内生性导致企业间相似的技术具有溢出效应，促使知识在企业间出现传播。其中，最典型的代表是Parente等[3]在1994年正式提出了技术采用和扩散（Technology Adoption and Diffusion）的概念，他们认为技术采用的障碍程度因行业和时间而异，技术扩散与区域经济发展密切联系。换言之，企业采用技术所获得的回报不仅与相关制度有关，更取决于当前企业在国内以及世界范围相似领域中技术的相对水平。随后，很多学者对技术采用和扩散问题展开了热烈讨论：Barro等[6]论述了模仿在技术扩散中的作用;Basu等[7]认为适宜技术（Appropriate Technology）为技术扩散经验的多样性提供了潜在的解释;Howitt[8]研究了研发活动对技术转移的作用;林毅夫等[9]提出最适宜的技术结构内生于要素禀赋结构，在发展的不同阶段，选择与其要素禀赋结构相一致的技术结构，甚至比先进技术的采用更具生产效率。上述研究说明，在开放的经济系统中，企业的创新门槛值受到国家制度、市场规模等特征影响，企业的技术采用水平不仅取决于自身的创新投入，通过模仿、消化和吸收其他企业的先进技术也是获取技术进步的重要来源。
以上研究为理解企业技术的内生性提供了深刻洞见，但在理论和实证方面仍存在发展的空间：（1）创新投资是提高企业创新力的外部手段，技术采用是改善企业全要素生产率的内在动力。现有文献一部分从整体上认可内部研发对企业创新的正向影响，另一部分单独考察技术扩散与企业全要素生产率的定性关系[10]，鲜有研究定量讨论相同行业的不同企业的技术采用水平，并将创新投资和技术采用纳入同一个框架中，深究采用生产性技术或者借助技术扩散实现技术升级的过程，因此对于技术溢出引致的研发投资对企业创新的影响缺乏系统性的分析。（2）国际贸易改变了资源配置的格局，促使资源流向全要素生产率较高的企业，立足中国转型时期的制度背景，需要对异质性企业的创新绩效分类研究。随着新贸易理论研究的逐步深入，以Melitz[11]为代表的学者提出了异质企业贸易模型，用以解释相同行业的不同企业的技术差异和出口决策行为。企业可以通过提高技术效率降低其边际成本，尤其是全要素生产率较高的企业可以从技术升级中获得更高的潜在收益[12]。基于中国特殊的制度环境，国有企业具有较强的市场垄断地位和市场优势，而民营企业大多来自市场竞争较为充分的行业，倾向于提高资源配置效率来扩大市场份额[13]。那么，若将企业的异质性纳入考虑，知识资本投入与企业创新的关系又会有何差异？这个问题值得进一步探索。
为此，本文以2013—2019年长三角城市群制造业上市企业为研究对象，从技术采用的视角出发，探索知识资本投入对企业创新绩效的影响。本文的边际贡献主要包括三个方面：（1）考虑到企业间存在技术溢出的实际情况，划分出高技术与低技术两类企业，分析7个主要行业两类企业全要素生产率的总况和差异，以及技术采用水平与当前所处发展阶段的匹配度;（2）在同一框架内展开对自主研发与技术扩散两者关系的考察，从生产函数内部将企业的全要素生产率与技术采用水平两种效应剥离开来，从生产函数外部着重分析知识资本对企业创新绩效的影响;（3）异质性因素会改变知识资本与企业创新之间的关系，如国际贸易促使资源进一步流向全要素生产率较高的企业，不同所有制类型的企业全要素生产率效用不相等，故围绕企业的异质性效应展开扩展性检验。本文的研究可以加深学术界对创新投资如何影响企业技术采用水平和全要素生产率的理解，对增强中国制造业企业知识资本的投资利用效率有现实意义，为最大限度发挥不同行业、不同类型企业的创新力提供经验依据和相关政策建议。
二、理论分析与研究假说
（一）知识资本与企业创新
处于知识经济时代，创新成为企业战略管理的核心要素之一。一般来说，企业的创新能力越强，在市场竞争中优势越明显。企业创新能力的提升具有两条获取路径：第一条以技术开发和自主研发为核心，指“独创”的过程，强调企业竞争优势来源自身的资源与能力;第二条包含引进、吸纳、转化和开发利用四个阶段，这一过程更体现为技术的“模仿”和“借鉴”。从“借鉴”的具体发展阶段来看，企业只有达到一定的资产规模后，才可以采用资本密集型技术。通过实践学习和因地制宜来改进技术，尤其是吸纳和总结具有潜在价值的技术，以实现技术转化和应用[14]。多数企业创新能力的提升都源于“借鉴”而非“独创”[15]，企业在将技术或想法应用于组织实践的过程中，各类传播渠道将这种先进技术扩散到企业外部，即技术跨越有形的边界在企业间发生流动[16]，企业通过模仿、消化和吸收先进技术来提高资源配置效率。当然，出于技术保密性和企业战略层面的考虑，直接引进核心技术的方式对创新能力的贡献十分有限，企业通过投资、贸易等渠道间接引进技术往往更为普遍。无论是哪条路径，企业都需要扩大投资以提升技术采用的水平，并从中直接或间接获益以提高企业的全要素生产率。
企业通过扩大创新投资来提升创新能力，其中很大部分是以知识资本的形式进行的。知识资本具备独特的价值创造力和知识转化的竞争优势，相较于有形资产或其他形式的无形资产，市场为它提供了一定的甄别功能和定价功能，该类资产的信息披露向市场传递有效的价值增量信息，能够创造规模经济和超额利润，对企业的长久发展贡献更大[17-19]。从短期角度来看，在信息不对称的市场环境下，由于知识资本投资本身具有收益周期长、风险高、不确定性强等特征，在获取收益的过程中，企业需要付出更高的成本或者代价，可能导致对创新能力的改善效果有限[20]。但从长远角度来看，知识资本边际报酬递增的技术特征逐渐凸显，展现出长期性收益能力的优势，其典型的非竞争性激励企业创造更多的价值[21]，对属于高技术行业的企业甚至会产生外部网络化效应。相比全要素生产率低的企业，全要素生产率较高的企业更容易实现技术进步，增强在企业经营中的优势[22]。总体而言，知识资本投资可以提高企业的技术效率以降低生产边际成本，有利于企業提高创新绩效并获取更高的潜在收益。基于此，本文提出：
H1：知识资本对企业创新绩效存在显著地促进作用。
（二）企业异质性效应
企业异质性的存在与技术选择的偏好密不可分，在一定程度上影响了知识资本与企业创新能力的关系。一方面，国际贸易促使资源流向全要素生产率较高的企业，是否具备进出口业务的企业对知识资本的依赖程度差距很大。企业的“自我选择效应”表明，全要素生产率较高的企业投资容易引发出口行为，而全要素生产率较低的企业则是服务于本土市场。尤其在进出口业务迅速发展的竞争格局下，全要素生产率更高的企业获得可观的利润，平庸的企业利润较低，最差的企业很快就会消失[23-24]。一般来说，技术水平较高的企业需要增加国内外收入来支付固定的技术成本，技术水平较低的企业则会提高对技术型劳动力和技能溢价的相对需求[25]，因此采用高技术生产的企业更容易成为最具竞争力的出口商[26]。上述分析说明，企业的投资行为受“分类效应”影响，有进出口业务的企业势必会增强技术创新的动机，其全要素生产率提升更依赖于知识资本的创新投入，而仅在国内市场销售的企业依赖程度相对较弱。基于此，本文提出：
H2：知识资本对进出口和非进出口企业的创新绩效都可能存在提升作用，但对进出口企业的效果相对更强。
另一方面，知识资本对不同所有制企业发挥的创新效应也相差甚远。基于中国转型时期的制度背景，不同所有制的企业为了实现相应的经济及社会功能，对于知识资本的依赖程度也大相径庭。其中，国有企业和民营企业的差异尤为显著。国有企业具有特定的垄断优势，自主创新的门槛较低，但面临着更多的社会责任，受政府干预程度较大，经常借助相关政策的补贴来维系经营，这些补贴主要与土地使用权等使用类无形资产挂钩，因而对这类无形资产的依赖性较强[27]。而民营企业具有经营灵活、市场化程度高、社会负担轻等优势，在面对市场竞争时能够迅速转化满足市场需求的科技成果，展现出强大的活力和市场竞争力，从而对专利权等类型的知识资本依赖更多。因此，与民营企业相比，国有企业的市场优势并没有完全转化为创新优势[28]，在知识资本提升企业创新绩效的过程中表现的效用更弱。基于此，本文提出：
H3：知识资本对国有和民营企业的创新绩效都可能存在提升作用，但对民营企业的效果相对更强。
三、模型设定与变量选取
（一）变量选择与数据来源
选取2013—2019年长三角制造业上市企业为研究对象，数据来自CSMAR数据库。根据2012年证监会行业分类，对象代码为C13-C42，依据如下原则进行数据筛选：（1）考虑到行业特征和企业样本量因素，划分出制造业7个主要类型，分别是轻纺工业、石油化工、医药化纤、橡胶塑料、金属制造、设备制造、电子机械;（2）剔除观测年度进入和退出的企业;（3）剔除观测年度暂停上市、终止上市、停牌的企业;（4）剔除数据严重缺失的企业;（5）剔除Winsorize处理的上下1%的变量。最终得到423家企业，建立如下的变量体系。
1.被解释变量。被解释变量指的是企业创新绩效，包括企业的全要素生产率（LNTFP）和技术采用水平（TECH），两者均为计算所得。其中，技术采用水平（TECH）划分为高技术与低技术两类，高技术（H）取1，低技术（L）取0。
2.解释变量。解释变量指的是知识资本（LNKC）。参考杨文君等[29]的研究成果，选取技术类无形资产存量为代理指标，涵盖专利权、非专利技术、软件和商标权等类型，并对其取对数。
3.控制变量。控制变量包括企业规模、资产回报率、前十大股东持股比、企业年龄、进出口业务和企业性质。以上指标选取主要参考刘虹等[30]、刘晴等[31]的研究成果。其中，企業规模（SIZE）为总资产取对数;资产回报率（ROA）为净利润与总资产比值;前十大股东持股比（TOPTEN）为前十大股东持股占全部股东比值;企业年龄（AGE）为观测年度与企业成立年度之差;进出口业务（EXP）将样本企业与海关总署网站企业进出口登记情况对比，得到进出口企业取0，非进出口企业取1;企业性质（SOE）将国有企业取0，民营企业取1，其他类型企业取2。
（二）模型构建
构建特定于技术的生产函数，将企业全要素生产率与技术水平区分，无须对企业之间的技术共享程度进行任何类型的事前假设，从企业层面确定生产函数为：
其中，A代表全要素生产率，X代表要素投入，β代表关联生产系数，Y代表总产出，i代表企业，n代表要素投入个数，t代表年份（t=1，2，…，T），m代表技术数量（m=1，2，…，M）。Yi，t的大小主要取决于Ai，t和βn，m，前者属于企业自身特征，后者受行业等条件限制，往往是固定不变的。按部门估计对数的生产函数，将Ai，t设计为：
简化技术采用水平设定的复杂性，仅考虑两种技术水平（M=2）来体现相同行业的企业当前所采纳技术的差异，即式（1）中的关联生产系数βn，m提供了企业属于一个或另一个组的可能性，同时利用有限混合模型聚类不同技术的企业，将企业分配给所属的群体，从而达成更高的分配概率。明确这些前提条件后，得到式（1）的概率分布函数：
而在t时间属于M组的i企业的效率为：
企业属于分配效率大的一组，根据式（1）计算出企业所在分组下的预测产出，结合企业资本和劳动力的实际值，判定高于实际产出的企业为高技术采用水平（H），反之为低技术采用水平（L）。在确定企业采纳的技术水平之后，最终计算出其全要素生产率：
完成以上计算后，建立以下两个回归模型验证：
LNTFPi，t=α0+α1LNKCi，t+α2SIZEi，t+α3ROAi，t+α4TOPTENi，t+α5AGEi，t+μi+μreg+εi，t（8）
TECHi，t=α0+α1LNKCi，t+α2SIZEi，t+α3ROAi，t+α4TOPTENi，t+α5AGEi，t+μi+μreg+εi，t（9）
其中，μi，代表控制时间效应，μreg代表控制地区特征差异。
四、实证分析
（一）描述性统计与相关性检验
企业所有制情况如图1所示，民营企业有282家，占比达67%，而国营或国有控股企业仅为21%;企业地区分布方面，江苏和浙江分别以153家和149家企业遥遥领先，且民营企业占比均高达75%;企业行业分类方面如图2所示，电子机械类以116家企业位列第一（占比27%），设备制造类紧随其后有95家（占比23%），其后依次为轻纺工业、石油化工等。总的来看，长三角地区仍以传统制造业为主，大多数产业集群发展层次较低，各大城市间产业同构程度高，但随着一体化进程的推进，区域发展特色逐渐凸显。其中，江苏制造业门类齐多，包括化学工业、纺织业、高端装备制造业等多个产业;浙江形成了化学纤维、饮品制造业和电子及通信设备制造业等多个集群;上海重点推动汽车、钢铁等多个产业向高端延伸;安徽不断发挥家用电器和装备制造等传统优势产业。
对变量进行描述统计，同时为避免变量之间存在重复替代关系，运用stata15.0对变量进行相关性检验。一般来说，相关系数的绝对值处于0.3以内为弱相关，如表1所示，除了企业全要素生产率与技术采用水平之间相关系数为0.496，其余结果均小于0.3，变量结果不存在明显替代问题。又由于知识资本与企业全要素生产率、技术采用水平之间的相关系数均为正，且在1%水平下显著，表明具有较强的正相关关系。
（二）企业技术采用水平结果分析
表2报告各类企业分组过程和结果，可以发现系数基本上都是1%显著，依据概率大小判定所在小组并计算出预测产出，进一步将预测产出与实际产出比较，最终确定出企业的技术采用水平。可以看出，电子机械、轻纺工业和设备制造类的低技术企业居多，分别占该同类企业的96.6%88.5%和58.95%，这些产业的劳动密集型特征表现明显，以轻纺工业为例，存在中小企业居多、产品更新周期长、自主开发能力差、技术人才匮乏等情况，技术整体水平较低，总的来讲，得到的结果与实际情况相符，证明了估算结果的有效性。值得注意的是，样本期间26.95%的企业在高低技术间转变，表明企业的技术采用水平并非固定不变。
（三）知识资本对企业创新绩效的影响分析
在正式回归分析之前，考虑到面板数据可能存在多重共线性问题，计算发现最大的VIF为1.19，远小于10，故不存在多重共线性，同时为避免伪回归使用LLC方法进行单位根检验，结果表明所有变量在1%水平下显著，即面板数据是平稳的。通过Hausman检验得到模型在1%的显著水平下接受原假设，确定该面板数据应当使用随机效应回归（RE）。为了尝试解决由双向因果导致的内生性问题，引入知识资本的滞后一期作为变量进行回归。
回归结果表3显示，知识资本的回归系数为0.039，且在1%的水平下显著，表明知识资本每投入1%，企业全要素生产率增加0.039%;在以技术采用水平为因变量的回归模型中，知识资本的系数为0.206，在1%的水平下显著，说明当期知识资本的积累能有效改善企业技术采用水平现状。而滞后一期变量系数同样为正，在5%的水平下显著，说明滞后一期知识资本也能显著促进企业的创新绩效，上述结论验证了H1。随着时间增加，知识资本规模报酬递增的效果会逐渐凸显，同类企业之间可通过技术扩散逐步提升整个行业技术采用水平，从而实现企业内部的技术转化和应用。
从控制变量结果来看，企业规模、资产回报率、企业年龄均与企业全要素生产率、技术采用水平呈正相关关系，前两者大多通过了1%的显著性检验，而前十大股东持股比系数为负。具体来看，企业规模决定了生产成本和价格，规模扩大有利于企业调整产量达到最优规模，此时企业会寻求更多技术提升以扩大市场需求，对企业经营和发展显得至关重要;资产回报率用来衡量企业对投入资金的运作回报能力，回报率反映出企业真实的运营能力，能力越强可以带动企业效率提升，激发企业内涵式发展;前十大股东持股比代表股权的集中度，制造业企业缺乏核心的竞争优势，股权的过分集中无法保持企业的创新活力，不利于保持业绩高速增长;企业年龄对企业技术采用水平有不显著的正面促进作用，这可能是由于这个变量与时间效应密切相关，企业年龄正向促进作用可能已经被时间变量所解释，即出现了系数符号不显著的结果。
（四）扩展性讨论：基于企业异质性的检验
为进一步分析技术资本对企业创新绩效的影响，需要对企业的异质性加以讨论，包括对是否存在进出口业务和所有制状况分类的讨论。其中，进出口业务分为有无两种，所有制性质分为国营或国有控股企业、民营企业和其他企业三类，依次带入式（8）和式（9）中回归。
1.分进出口业务估计结果。国际贸易是国际间技术扩散的重要途径之一，进出口企业往往拥有更多渠道和信息优势从事对外直接投资，投资过程中通过学习效应带动国内技术进步，并在决策方面获得更多信贷和技术支持。表4结果显示，进出口企业技术资本对全要素生产率的影响系数为0.070，技术水平的系数为0.568，无论是系数还是显著性都远高于非进出口企业，上述结论验证了H2。由于国际贸易自身涵盖一定的固定成本和风险成本，只有具有较高的生产水平、吸收能力以及技术转化能力的企业才能从对外投资中获益。相比非进出口企业，进出口企业更擅长利用环境和政策优势，灵活投资有潜在收益的生产性技术，从而更好地推动企业技术升级。
2.分所有制估计结果。所有权优势、制度因素以及资本市场不完全性等问题普遍存在于中国为代表的新兴经济体中，企业所有制性质对技术采用决策具有一定的影响。从表5的结果来看，国有企业、民营企业和其他企业效应依次降低，其中只有民营企业呈现较强的正相关性，通过了1%的显著性检验，除了其他类型企业，国有企业和民营企业都高于全部样本效应，上述结论验证了H3。不同所有制的企业在技术采用决策中存在显著差异，国有企业具有某些特定垄断优势，如特定行业的进入特许权、低息贷款、独特的信息优势等，这些都降低了企业通过自主创新提升全要素生产率的门槛。与国有企业相比，民营企业对技术采用水平的正向效应则更加显著，原因可能是民营企业在面对市场竞争时，技术采用水平改善是企业价值最大化的直接表现，只有迅速提高技术水平才能更好地满足市场化需求。
五、稳健性检验
为了验证结果的稳健性，本文从三个方面进行了稳健性检验：一是改变计量模型，由于文章采用的是典型的短面板模型，故選用系统GMM模型估算有利于提高结果的适用性，同时可以将内生性问题纳入考虑;二是改变变量的度量方式，模型二改变了解释变量的度量方式，替换为知识资产占总资产的比例，模型三改变了被解释变量的度量方式，用LP方法测算企业的全要素生产率;三是采用分行业的检验，考虑到不同行业企业数量的不同，选用医药化纤、设备制造和电子机械这三个行业依次测试。
稳健性检验结果如表6所示，发现自变量系数均具有一定的显著性，且与前文回归系数的正负性相对一致，表明当前企业已经进入技术创新的重要阶段，知识资本有利于推动企业进行更好地技术选择，并对企业节约生产成本、获得更多超额利润、提高全要素生产率有明显正向影响。值得注意的是，医药化纤、设备制造和电子机械三个行业的效应依次减弱，一般也认为医药业中的专利技术等知识资本比其他行业相对较高，而机械业的传统结构使得知识资本未发挥最大的作用。
六、结论与对策
基于长三角城市群423家制造业上市企业数据，利用有限混合模型将创新投资和技术采用纳入同一个框架中考察，定量估算出相同行业的不同企业的技术采用水平，借以考察知识资本对企业创新绩效的影响，并结合企业的异质性效应完成了扩展性讨论。研究结果表明：一是不同行业技术采用水平差距显著，其中劳动密集型行业低技术企业居多，如电子机械、轻纺工业和设备制造类。二是知识资本与企业创新绩效呈正相关关系，知识资本每投入1%，样本企业全要素生产率增加0.039%，技术采用水平增加0.206%，即当期的知识资本的积累能有效改善企业技术水平现状。而滞后一期变量系数同样为正，体现了结果的稳健性。三是从企业异质性效应来看，进出口企业的异质性效应远高于非进出口企业，国有企业和民营企业均高于全部样本，并且只有民营企业呈现较强的正相关性。总体而言，本文系统性地分析了技术溢出引致的创新投资对企业创新的影响，证实知识资本在当期甚至长期都有助于提升企业的创新绩效，而企业异质性的效应也在企业技术采用决策中发挥着重要作用。
根据研究结果，提出两点建议：（1）科学配置创新资源，实现制造业创新驱动发展。制造业企业自身应加强知识资本的投入，提高关键技术的开发能力，通过自主研发和技术吸收改善企业创新效率，提高企业的智能化和自动化水平，增强企业创新的竞争力，最终实现企业的技术进步。（2）完善供需平衡的创新政策。根据不同行业和区域之间企业技术采用水平差异，以及对创新需求的差异，国家应实施差异化的分类创新投资支持政策。对高技术行业重点加大自主创新的研发资本和科技领军人才投入，提高自主研发和创新能力，形成核心技术的竞争优势;对低技术行业加大引进国内外成熟技术，同时增大研究开发的力度，以提升企业技术采用水平。
参考文献：
[1]魏后凯，王颂吉.中国“过度去工业化”现象剖析与理论反思[J].中国工业经济，2019（1）：5-22.
[2]程惠芳，陆嘉俊.知识资本对工业企业全要素生产率影响的实证分析[J].经济研究，2014（5）：174-187.
[3] BONTEMPI M E，MAIRESSE J. Intangible Capital and Productivity：An Exploration on a Panel of Italian Manufacturing Firms[R]. National Bureau of Economic Research，2008.
[4]张珍.知识资本视角下企业技术创新路径锁定突破研究[D].武汉：武汉理工大学，2019.
[5] PARENTE S L，PRESCOTT E C. Barriers to Technology Adoption and Development [J]. Journal of Political Economy，1994，102（2）：298-321.
[6] BARRO R J ，SALA-I-MARTIN X. Technological Diffusion，Convergence and Growth [J]. Journal of Economic Growth，1997，2（1）：126.
[7] BASU S，WEILD N. Appropriate Technology and Growth[J]. Quarterly Journal of Economics，1998，113（4）：1025- 1054.
[8] HOWITT P. Endogenous Growth and Cross-country Income Differences[J]. American Economic Review，2000，90（4）：829-846.
[9]林毅夫，张鹏飞.适宜技术、技术选择和发展中国家的经濟增长[J].经济学（季刊），2006（4）：985-1006.
[10]李逢春.出口贸易、技术溢出与企业自主创新[J].南京社会科学，2013（11）：21-26.
[11]MELITZ M J. The Impact of Trade on Intra-industry Reallocations and Aggregate Industry Productivity[J]. Econometrica，2003，71（6）：1695-1725.
[12] MARROCU E，PACI R，PONTIS M. Intangible Capital and Firms Productivity[J]. Industrial and Corporate Change，2012，21（2）：377-402.
[13]蒋冠宏.并购如何提升企业市场势力——来自中国企业的证据[J].中国工业经济，2021（5）：170-188.
[14] WANG K J ，NGUYEN P H，WU S Y，et al. Technology Portfolio Adoption Considering Capacity Planning under Demand and Technology Uncertainty[J]. Journal of Manufacturing Systems，2018，47：1-11.
[15]张莉侠，吕国庆，贾磊.技术引进、技术吸收能力与创新绩效——基于上海农业企业的实证分析[J].农业技术经济，2018（9）：80-87.
[16]TATNALL A. Information Systems，Technology Adoption and Innovation Translation[J]. International Journal of Actor Network Theory and Technological Innovation，2009，1（1）：59-74.
[17]汪海粟，方中秀.无形资产的信息披露与市场检验——基于深圳创业板上市公司数据[J].中国工业经济，2012（8）：135-147.
[18]何明志，王晓晖.财务柔性、研发投入与企业全要素生产率[J].产经评论，2019（4）：81-94.
[19]李静，彭飞，毛德凤.研发投入对企业全要素生产率的溢出效应——基于中国工业企业微观数据的实证分析[J].经济评论，2013（3）：77-86.
[20] RODRiGUEZ-CLARE A. Innovation and Technology Adoption in Central America[J]. SSRN Electronic Journal，2005（4395）.
[21]黄太宏.上市公司知识无形资产与企业经营绩效——兼论激励与监督的中介效应[J].河南社会科学，2018（7）：49-54.
[22] DIEGO A，DIEGO C，MARK G，JOSEBA M. Endogenous Technology Adoption and R&D as Sources of Business Cycle Persistence[J]. American Economic Journal：Macroeconomics，2019，11（3）：67-110.
[23] HELPMAN E，MELITZ MJ，YEAPLES R. Export Versus FDI with Heterogeneous Firms[J]. American Economic Review.2004，94（1）：300-316.
[24]BAS M. Technology Adoption，Export Status，and Skill Upgrading：Theory and Evidence[J].Review of International Economics，2012，20（2）：315-331.
[25] BRAUN S. Economic Integration，Process and Product Innovation，and Relative Skill Demand [J]. Review of International Economics，2008，16（5）：864873.
[26] AW B Y，ROBERTS M J，XU D Y. R&D Investment，Exporting，and Productivity Dynamics[J]. American Economic
Review，201 1，101 （4）：1312-1344.
[27]胡川，車险峰，邓莹.国有背景企业绩效与无形资产关系的比较研究[J].中南财经政法大学学报，2014（1）145149.
[28]刘和旺，郑世林，王宇锋.所有制类型、技术创新与企业绩效[J].中国软科学，2015（3）：28-40.
[29]杨文君，陆正飞.知识产权资产、研发投入与市场反应[J].会计与经济研究，2018（1）：3-20.
[30]刘虹，肖美凤，唐清泉.R&D补贴对企业R&D支出的激励与挤出效应——基于中国上市公司数据的实证分析[J]. 经济管理，2012（4）：19-28.
[31]刘晴，郑基超.贸易成本、技术选择和外资出口企业转型——基于异质性企业贸易理论的视角[J].财贸经济，2013（7）：79-86.
Heterogeneity of the Influence of Knowledge Capital on Enterprise Innovation Performance from the Perspective of Technology Adoption
Taking the Yangtze River Delta Urban Agglomeration as an Example
XU Changxin，HUANG Xinyi
（Business School，Hohai University，Nanjing，Jiangsu 211100，China）
Abstract：Manufacturing is an important foundation of the real economy. It. is the key for China to become a great manufacturing country by promoting the digital and intelligent development of manufacturing in technological innovation. As the incubator of innovation activities，the Yangtze River Delta urban agglomeration is showing strong momentum in the development of manufacturing industry. Taking the listed manufacturing enterprises in the Yangtze River Delta as samples，this paper divides the technology adoption levels of enterprises in different years by using the finite mixed model，and then investigates the impact of knowledge capital investment on enterprise innovation performance. The results show that the technology adoption ability of manufacturing enterprises is generally low，and knowledge capital investment can significantly improve the enterprises productivity，while showing a positive correlation with the current stage of technology level. At the same time，the difference of enterprise heterogeneity effect，is obvious，the effect of export enterprises is better than that of non-export enterprises，and the significance of private enterprises is higher than that of other ownership enterprises.
Key words：knowledge capital;technology adoption;innovation performance;Yangtze River Delta urban agglomeration
