知识溢出、企业异质性与企业全要素生产率

涂心语 严晓玲 王珊珊

内容提要： 借鉴Bloom等的思想，本文通过多维空间邻近方法将知识溢出效应与偷生意效应分离，更为准确地估计企业间知识溢出效应对彼此全要素生产率的影响。基于2007-2019年中国制造业上市公司样本数据的研究表明：企业间知识溢出对其全要素生产率有显著的提升作用，地理邻近是知识溢出得以产生的必要条件，仅技术邻近无法产生知识溢出；企业具有一定的吸收能力、企业之间有一定技术差距是知识溢出效应得以产生的前提条件，但当企业间技术差距过大时，知识溢出效应无法产生。进一步研究发现，大企业与小企业在从知识溢出效应中获益方面均具备其各自独特优势，中等规模企业则无法从知识溢出效应中获益；知识溢出仅能促进高技术企业全要素生产率的提升，对非高技术企业不具有显著影响。

关键词： 全要素生产率；知识溢出；研发创新；企业异质性；产业集聚

中图分类号：F425；F272  文献标识码：A  文章編号：1001-148X（2022）06-0023-11

收稿日期：2021-11-01

作者简介： 涂心语（1991-），男，湖北老河口人，南开大学经济学院博士研究生，福建江夏学院金融学院副教授，研究方向：产业组织、创新经济学；严晓玲（1991-），女，福建诏安人，南开大学经济学院博士研究生，研究方向：创新经济学；王珊珊（1992-），女，黑龙江齐齐哈尔人，南开大学经济学院助理研究员，研究方向：创新经济学。

基金项目：国家社会科学基金重大项目，项目编号：18ZDA102，19ZDA077；国家社会科学基金重点项目，项目编号：19AZD015。

一、引言

企业研发活动是中国科学技术发展的微观基石，其所创造的知识资本不仅是企业自身技术进步的重要来源，而且能通过正外部性促使其他相关主体提升创新能力、生产效率，进而产生溢出效应推动整体层面技术进步［1］。 新经济增长理论指出，除非存在重大的外部因素、溢出效应或其他社会递增收益来源，否则经济不可能在长期保持一定速度持续增长；知识溢出所创造的外部经济在微观层面是企业全要素生产率提升所赖以存在的重要外部环境，在宏观层面能够带来整体生产的收益递增，因此被认为是经济长期持续增长的重要因素［2］。改革开放以来，中国研发经费支出增长非常迅速，企业在技术创新体系中扮演着越来越重要的角色，数据显示①，在2000—2019年间中国研发经费支出中企业支出占比从5995%增长至7642%。规模如此庞大的企业研发投入是否能够产生知识溢出效应，进而促进其他企业全要素生产率的提升？知识溢出效应的产生是否存在一定的前提条件？深入研究上述问题对于中国推进实施创新驱动发展战略、推动增长方式由投资驱动转向生产率驱动从而实现经济高质量发展具有重要意义。

在创新研究领域，企业规模与创新的关系一直存在争议，一类观点认为大规模企业更具创新优势［3］，但也有观点指出小规模企业更具创新活力［4］。考虑到知识溢出效应与企业创新的密切关系，本文认为考察企业规模与知识溢出效应的关系有助于为上述争论提供新的观点和证据。此外，创新要素对于不同研发强度②的企业而言重要程度并不同，高技术企业与非高技术企业在创新、运营等方面存在显著差异，研究知识溢出对不同研发强度企业所发挥的不同作用对于深入研究知识溢出效应对经济整体技术水平的推动作用具有重要意义。因此，本文在考察知识溢出与企业全要素生产率关系的基础上所要研究的第二个重要问题便是：企业规模以及企业研发强度这两类企业异质性因素是否与知识溢出效应的发挥有关？具体的影响特征如何？

当前探讨知识溢出的文献主要有两类：第一类聚焦于国际贸易、FDI、OFDI等渠道产生的知识溢出，这一类文献涉及企业、行业异质性与知识溢出效应的关系，但研究重点在于探讨来源于国外的先进技术与知识对国内创新所产生的溢出效应。事实上，长久以来的诸多研究［5］表明，知识溢出普遍存在，如果仅将目光局限于国外先进技术对本国所产生的知识溢出，可能会低估知识溢出的影响，同时也无法全面认识知识溢出效应。第二类文献的研究视角主要聚焦于中国地区间、行业间产生的知识溢出，这类文献使用加总数据进行研究，其潜在假设是同一地区或者行业内所有企业同质，这可能导致累计性偏差（Aggregation bias）［6］。此外，企业是知识溢出的主要微观主体，如果以行业或者地区作为研究对象，将无法深入到异质性企业层面探讨知识溢出。目前国内知识溢出的相关研究中涉及企业层面知识溢出测算的很少［7-8］，主要原因在于企业间知识溢出数据可得性不强、测算难度较大，而且大部分文献对知识溢出的测算仍存在缺陷，因此存在进一步研究空间。

本文基于沪深A股制造业上市公司样本，考察了企业间知识溢出对彼此全要素生产率的影响，并从企业吸收能力、企业之间的技术差距视角分析了知识溢出效应产生的前提条件，在此基础上还研究了企业规模、企业研发强度这两类企业异质性因素对于知识溢出效应的调节作用。本文的边际贡献主要体现在三个方面：（1）利用Bloom等（2013）［9］提出的方法估计了知识溢出的影响，这种基于企业微观数据的分析识别对于知识溢出效应研究深度而言是一次较大推进，也增强了研究结果的科学性和可靠性。Bloom等（2013）［9］指出，企业研发能同时产生两种外部性，分别为正的知识溢出效应和负的偷生意效应（Business stealing effect）。因此，将两种效应进行分离与识别对于准确估计知识溢出效应具有重要意义。（2）对知识溢出效应的研究深入到了异质性企业层面。虽然目前关于知识溢出的研究已经非常丰富，但具体到微观层面考察企业间知识溢出，同时进一步研究企业异质性调节效应的文献并不多，本文是对现有文献的有力拓展。（3）分别从地理空间邻近、技术空间邻近两个维度研究了企业间知识溢出对全要素生产率的影响，研究视角更为丰富。地理空间邻近以及技术空间邻近是知识溢出得以产生的重要机制，同时检验两种维度的知识溢出，有助于深度理解这两种不同机制的机理及重要性。

二、理论分析与研究假设

（一）知识溢出与企业全要素生产率

企业间知识溢出效应主要指“一个企业可从另一个企业的研发活动中获益，但无需支付对方研发成本”的效应［10］，这种效应之所以能够产生，是因为知识具有非竞争性和部分排他性特征。知识溢出的具体渠道可归纳为以下六个方面③：（1）人才流动。人是知识，尤其是隐性知识的重要载体④，因此各类人才在企业之间的流动会产生知识溢出效应［11］。（2）商品流动。知识通常会物化于商品或资本品之中，因此伴随着商品的交易，企业能够从中获取新知识，进而产生知识溢出效应［12］。 （3）研发合作。研发是一项高风险、高成本、高复杂性的活动，因此企业之间也会进行研发合作［13］，这要求双方分享自身的现有知识，由此会产生知识溢出效应。（4）科技文献。世界现存的知识中有大量可以轻松获取甚至免费获取的基础性知识，如科技论文、书籍专著、专利等，企业在学习吸收科技文献的过程中便会产生知识溢出效应。（5）模仿学习。即使没有人才、商品的流动以及企业间的研发合作，落后企业仍然可以通過观察与模仿学习获取先进企业的技术知识，进而产生知识溢出效应［14］。（6）企业家创业。企业家创业过程中一方面需要吸收、利用大量现存的外界知识，另一方面，拥有创意或专利的企业家在创业过程中会分享自身的经验和知识，因此新企业的创立和成长同样是知识溢出效应产生的过程［15］。综合来看，通过上述各种渠道，不同企业能够从彼此的研发中受益，从而提升其自身创新能力，最终提升其全要素生产率。基于以上分析，本文提出如下假设：

假设1：企业间知识溢出能够提升彼此的全要素生产率。

并非所有企业均能从外界知识溢出中获益，知识溢出效应的产生需建立在一定条件和基础上，其中最为关键的因素便是企业的吸收能力［16］和企业之间的技术差距［17］。Cohen和Levinthal（1989，1990）［16，18］的开创性研究指出， 企业研发投资不仅能够直接产生知识资本促使自身创新能力提升，还能增强其吸收能力，从而更有效识别和评价外部知识，进行学习、利用及商业化应用， 这两种作用使研发投资具备“两面性”（The two faces of R&D）。因此，即使外界存在大量可以获取的技术和知识，在企业自身缺乏一定技术基础和知识积累的情况，知识溢出效应也很难产生。此外，企业之间的技术差距同样是知识溢出产生的关键影响因素：一方面，技术差距的扩大虽然带来更多学习空间，但企业有可能无法达到能够从知识溢出中获益的技术门槛；另一方面，技术差距的缩小使企业模仿学习能力更强，但可能意味着能从前沿企业学到的东西不多［19］。根据以上分析，本文提出如下假设：

假设2：企业自身具备一定的吸收能力是其能够从外界知识溢出中获益的前提条件。

假设3：企业之间具有一定的技术差距是知识溢出能够产生的前提条件。

（二）企业异质性的调节效应

结合经典文献［3，15］以及本文对各种类型企业层面的调研观察，我们认为企业规模、研发强度这两类企业异质性因素对于知识溢出效应的发挥有着重要影响。

1企业规模。大企业一般而言具备两类特征：第一，研发项目相比于小企业而言更为多元化，涉及不同性质的技术种类更多，而每种类型的技术能从外界获取的知识溢出往往并不相同，因此多元化的研究项目使大企业更能从外界知识溢出中获益［20］。第二，相比于小企业而言会从事更多基础研究，而与其他类型的研究相比，基础研究更能增强企业学习外界先进知识和技术的能力［21］。上述分析意味着大型企业能够从知识溢出中获益更多，从而创新能力更强，这与熊彼特假说［3］相一致。但是，大企业通常位于技术前沿，是其他企业的“学习对象”，自身难以从外界获取有价值的知识，而且大企业对于外部知识可能不够重视，在接受外部知识时存在“惰性”或者“傲慢”，这可能导致其难以从知识溢出中获益。与大企业相比，小企业在利用知识溢出方面也具有独特优势。小企业的研发资金通常没有大企业充裕，技术也没有大企业先进，因此其对外界知识的重视程度通常高于大企业［15］。小企业之间的沟通互动与相互学习通常也更为频繁，这能使其获取更多的知识溢出［22］。仅凭理论分析无法确定企业规模与知识溢出的关系，具体情况依赖于实证检验。据此，本文提出如下对立假设：

假设4A：外界知识溢出对小规模企业全要素生产率的提升作用更大。

假设4B：外界知识溢出对大规模企业全要素生产率的提升作用更大。

2研发强度。不同企业由于所处行业不同，其要素使用情况、创新机制、创新理念具有较大差异［23］，因此知识溢出所依赖的不同渠道的有效性因行业而异［24］。企业的研发强度能够较好反映企业所处行业的特征以及技术特质，可能与知识溢出存在某种内在关联：首先，研发强度高的企业往往属于高技术产业，这类产业技术革新速度快，对知识和技术的需求普遍比其他产业高，而且愿意把大量资源倾斜在创新活动，这本身体现了企业的某种“特质”，即对创新的重视程度高于其他企业，因此会对外界知识更为关注［15］；其次，高技术产业自身技术水平较强，因此更容易把握外界知识和技术，吸收能力更强；最后，高技术产业更依赖于专用设备、专业人才，其沟通互动通常在地理上受到更多限制，因此在新技术发展迅速的行业中企业会在地理空间上显著集聚，而这种地理集聚会刺激企业创新及其传播，这有利于知识溢出效应发挥［22］。由此，本文提出如下假设：

假设5：外界知识溢出对高研发强度企业全要素生产率的提升作用更大。

三、研究设计

（一）知识溢出效应的识别方法

知识溢出在理论上的含义虽相对明确，但进行实证测算时面临较大困难。首先，并非所有类型的知识都能清晰表述和有效转移，对于可以用一定符码系统完整表述的“显性知识”（Explicit knowledge），其传播与扩散相对容易观测，但是对于“隐性知识”（Tacit knowledge）而言则几乎无法观测；其次，知识溢出的作用链很长，其作用范围可能非常广，以至于“人们很难在浩瀚如沙的数据中搜寻溢出效应的轨迹”［25］。学术界对于知识溢出的测算至今没有统一标准，被多数学者所接受的是Jaffe（1986）［26］提出的技术相似度方法。但Bloom等（2013）［9］指出，由于官方统计的价格平减指数存在缺陷，由此测算得到的企业全要素生产率往往是“收入”生产率，难以纯粹反映企业的技术水平，此时企业全要素生产率会同时被外界企业研发所带来的两种外部性所影响，分别为正的知识溢出效应以及负的偷生意效应，仅使用Jaffe（1986）［26］的方法对知识溢出进行测算可能会被偷生意效应所干扰，使结果出现偏差。

为解决上述问题，参考Bloom等［9］的方法识别知识溢出效应对企业全要素生产率的影响，这里简单介绍识别策略⑤。（1）将能对本企业产生知识溢出效应与偷生意效应所有企业划分为本企业的四类空间邻居：技术空间邻居、地理空间邻居、产业链垂直空间邻居、产品市场空间邻居。由于四类空间邻居间存在相互重叠关系（图1），因此以Jaffe（1986）［26］为代表的一系列文献中所使用的方法（即仅考察技术空间邻居的研发对本企业的影响）测算得到的知识溢出效应可能存在偏误，更为科学的识别策略需要将产品市场空间邻居的研发对本企业的影响剔除。（2）设置企业间技术空间距离权重矩阵ωteckspillij、地理空间距离权重矩阵ωgeospillij、产业链垂直空间距离权重矩阵ωverspillij以及产品市场空间距离权重矩阵ωcompetitionij，进而测算潜在的技术溢出池∑j≠iωteckspillijKj、地理溢出池∑j≠iωgeospillijKj、产业链垂直溢出池∑j≠iωverspillijKj与市场竞争池∑j≠iωcompetitionijKj。其中Kj为除企业i外某一家企业j的知识资本。（3）构建类似式（1）的计量模型，通过在实证中控制各类潜在影响池以最终识别出知识溢出效应的影响。其中TFP代表企业的全要素生产率，X与Ω为控制变量向量及相应系数向量，系数τ3、τ4、τ5即为知识溢出效应的影响系数，τ6即为偷生意效应的影响系数。

lnTFPit=τ1+τ2lnKit+τ3ln∑j≠iωtecspillij，tKjt+τ4ln∑j≠iωgeospillij，tKjt+τ5ln∑j≠iωverspillij，tKjt+τ6ln∑j≠iωcompetitionij，tKjt+ΩXit+εit （1）

图1 四类空间邻居的重叠关系

（资料来源：庞瑞芝等（2021）［31］）

（二）计量模型

由于数据可得性问题，本文无法研究基于产业链垂直空间邻近所产生的知识溢出。事实上由图1可知，产业链垂直空间邻居与产品市场空间邻居重叠关系较小，可认为其不会干扰对知识溢出效应的识别。因此，本文构建如下计量模型以识别企业间知识溢出效应对彼此全要素生产率的影响：

lnTFPijkt=β1+β2lnKtecspillijkt+β3lnKgeospillijkt+β4lnKcompetitionijkt+β5lnKijkt+αXijkt+λj+μk+ξt+εijkt （2）

其中，lnTFPijkt表示年份t在行业j中且位于省份地区k的企业i的全要素生产率对数，lnKtecspillijkt、lnKgeospillijkt、lnKcompetitionijkt分别表示技术溢出池、地理溢出池与市场竞争池对数值，lnKijkt表示企业i的知识资本对数值。Xijkt为控制变量向量。λj、μk、ξt分别为行业、地区、时间固定效应，εijkt为随机误差项。

（三）指标选择与测算

（1）被解释变量。全要素生产率（lnTFP），本文使用OP-ACF法［27-28］估计企业全要素生产率，并用LP［29］等方法进行稳健性检验。

（2）核心变量。①知识资本（K）。参考经典文献［1］，本文采用永续盘存法计算知识资本。企业第t期知识资本Kt的计算公式如下⑥：Kt=Rt-1+（1－δ）Kt-1。其中Rt-1代表企业在第t－1期的研发投入，δ为折旧率，按照惯例，假设δ为15%⑦。接下来需要对研发投入进行价格平减，平减指数用《中国科技统计年鉴-2020》的研发经费内部支出可比价增长率推算得出。最后还需要估算基期知识资本K0，计算公式为［30］：K0=R0/（g+δ）。其中R0为基期实际研发投入，g为样本期内企业研发投入的平均增长率。②技术溢出池（Ktecspill）。对于企业i而言，第t期所面临的技术溢出池为：Kteckspillit=∑j≠iωteckspillijtKjt。其中Kjt表示企业j第t期的知识资本，ωteckspillijt表示第t期企业j与企业i在技术空间的距离，计算方法如下⑧：

ωtechspillijt= FEitFEjt′  FEitFEit′  FEjtFEjt′  = ∑Ee=1fit，efjt，e  ∑Ee=1f2it，e∑Ee=1f2jt，e  ，i≠j （3）

其中FEit=（fit，1，…，fit，e，…，fit，E）表示第t期企业i在技术空间中的位置向量，FE′it为其转置向量。以国际专利分类（IPC）三位码作为分类标准，E为样本中所有企业全部年份发明与实用新型专利申请种类总数，fit，e为第t期企业i的第e类专利申请数存量与企业i所有种类专利申请总数存量之比。ωteckspillijt的取值范围为［0，1］，该值越接近于1表明企业间距离越近。③地理溢出池（Kgeospill）。對于企业i而言，第t期所面临的地理溢出池为：Kgeospillit=∑j≠iωgeospillijKjt。其中ωgeospillij表示企业j与企业i在地理空间中的距离（假设其不随时间改变），计算方法如下：

ωgeospillij= FGiFGj′  FGiFGi′  FGjFGj′  = ∑Gg=1fi，gfj，g  ∑Gg=1f2i，g∑Gg=1f2j，g  ，i≠j （4）

其中FGi=（fi，1，…，fi，g，…，fi，G）表示企业i在地理空间中的位置向量。G为样本中所有企业全部年份的发明、实用新型、外观设计专利申请的申请人所在城市以及企业总部所在城市总数⑨。fi，g表示企业i第g座城市出现频数与企业i所有城市出现频数之比⑩。④市场竞争池（Kcompetition）。对于企业i而言，第t期所面临的市场竞争池为：Kcompetitionit=∑j≠iωcompetitionijtKjt。ωcompetitionijt表示第t期企业j与企业i在产品市场空间中的距离，计算方法如下：

ωcompetitionijt= FCitFCjt′  FCitFCit′  FCjtFCjt′  = ∑Cc=1fit，cfjt，c  ∑Cc=1f2it，c∑Cc=1f2jt，c  ，i≠j （5）

其中FCit=（fit，1，…，fit，c，…，fit，C）表示第t期企业i在产品市场空间中的位置向量。 根据Bloom等（2013）［9］，可利用企业分行业销售额数据构建FCit。遗憾的是，中国上市公司虽在其年报中汇报了分行业主营业务收入，但行业分类混乱且不同公司标准不一，因此无法直接使用。本文分别将Wind、申银万国、中信、中证、证监会五大上市公司行业分类标准与企业分行业主营业务收入相匹配以解决上述问题B11。⑤吸收能力（K）。根据Cohen和Levinthal（1989）［16］的经典研究，本文选取企业知识资本（K）代表其吸收能力。⑥技术差距（techgap）。参考Aghion等（2005）［32］，技术差距定义为：techgapij＝（lnTFPFj－lnTFPij）/lnTFPFj。其中lnTFPFj表示与企业i在同一行业j（证监会二级行业）的全要素生产率最高的企业F的全要素生产率对数值，techgapij的取值范围为［0，1］，其越大意味着企业i与技术前沿的差距越大。⑦企业规模（size）。用企业总资产表示。⑧研发强度（intensity）。用企业研发投入占主营业务收入比重表示。

（3）控制变量。①企业规模（lnsize），用企业总资产的对数值表示。②产品市场竞争程度（market），用企业销售毛利率表示。③政府补助（subsidy），用企业非经常性损益中的政府补助与企业主营业务收入之比表示。④企业年龄（lnage），从企业上市年份计算，并取对数。⑤盈利能力（profit），用企业净资产收益率表示。⑥现金流量（cash），用企业销售商品提供劳务收到的现金与营业收入之比表示。⑦成长能力（growth），用企业总资产增长率表示。⑧营运能力（lnmanage），用企业营业周期表示，并取对数。⑨产权属性（state），构建虚拟变量，当企业为国有企业时state＝1，否则state＝0B12。

（四）样本及数据来源

理论上，由于服务业生产函数较为复杂，非C-D函数所能刻画，因此本文选取证监会一级行业分类为制造业的沪深A股上市公司样本进行研究B13。在剔除了ST、*ST、没有专利以及观测值存在严重缺失或异常的企业后B14，本文构建了2007—2019年的非平衡面板数据，并对连续变量采用Winsorize处理了前后1%的异常观测值，主要变量的描述性统计见表1。本文所需数据来源于CSMAR经济金融研究数据库、中国研究数据服务平台（CNRDS）及Wind数据库。

四、实证结果分析

（一）基准检验

本文将地理溢出池、技术溢出池与市场竞争池三个变量的七种组合分别作为解释变量进行回归，以检验识别效果，结果如表2所示。相关结果揭示出以下三点：第一，从表2列（1）至列（7）结果可知，基于地理空间邻近的知识溢出能显著促使企业全要素生产率的提升，而基于技术空间邻近的知识溢出的影响则不显著，此结果与前文假设1相符，同时表明地理空间邻近是企业间知识溢出效应得以产生不可或缺的基本条件。 第二，从表2列（3）及列（5）至列（7）结果可知，市场竞争池的估计系数显著为负。这可能表明测算得到的全要素生产率并不能纯粹反映企业的技术水平，此时偷生意效应会对企业全要素生产率产生负向影响。第三，对比表2列（1）与列（7）发现，在控制技术溢出池与市场竞争池后，地理溢出池的估计系数更大，说明本文的识别策略具有一定成效。

（二）内生性问题分析

全要素生产率更高的企业可能具有以下特征：第一，更有资金和能力从事研发［1］；第二，通常处于经济更为发达的城市，这类城市聚集了大量企业，其地理空间邻居更多；第三，更有能力获取市场力量和垄断地位，减少竞争对手威胁。上述特征可能带来双向因果问题：即企业全要素生产率更高导致其知识资本、地理溢出池更大，市场竞争池更小。为缓解此类问题，同时考察知识溢出效应对企业全要素生产率影响的持续性，本文将地理溢出池、技术溢出池、市场竞争池以及知识资本变量分别滞后一阶、二阶、三阶进行回归，结果列于表3列（1）至列（3）。总体而言，本文的核心结论并没有改变，即企业间知识溢出对其全要素生产率有显著正向影响。为进一步检验上述结果的稳健性，表3列（4）将地理溢出池、技术溢出池、市场竞争池以及知识资本变量的一阶、二阶滞后值作为工具变量进行两阶段最小二乘法（2SLS）估计，结果仍然显示企业间知识溢出对全要素生产率有正向影响， 因此本文结论具有一定稳健性。

（三）稳健性检验

本文还进行了以下稳健性检验：（1）改变标准误的聚类层面。基准回归的估计结果采用了企业层面的聚类稳健标准误，其潜在假设可能过于宽松，鉴于此，本部分分别聚类到行业层面以及地区层面计算稳健标准误，并重新回归。（2）改变全要素生产率测算方法。全要素生产率是本文的关键变量，为尽量缓解测算全要素生产率过程中的偏误对估计结果造成的影响，本部分分别使用OLS、固定效应、LP［29］、LP-ACF［28-29］、OP［27］、GMM方法测算企业全要素生产率，并重新回归。（3）改变知识资本的折旧率以及用研发投入替换知识资本变量。测算地理溢出池、技术溢出池、市场竞争池等核心解释变量需将所有企业的知识资本进行加权求和，因此知识资本测算方法的差异可能影响本文结论。基准检验中将知识资本的折旧率设置为15%，这虽然与多数文献的做法一致［1］，但仍然可能存在偏误，因此本部分分别将折旧率设置为10%、714%、5%，重新測算企业知识资本以及地理溢出池、技术溢出池、市场竞争池，此外，本文还直接用企业当期研发投入代替知识资本并测算上述变量。在此基础上重新回归。（4）改变地理空间距离权重矩阵的测算方法。基准检验中以企业总部以及研发部门是否处于同一座城市为标准定义企业间的地理空间距离权重，这种做法虽然考虑了企业研发部门的邻近，但也存在缺陷：假设知识溢出的地理边界局限于地级市范围，即使两家企业处于相邻的地级市，其地理空间距离权重也被定义为0。事实上，有研究发现，一到两个省的范围是中国知识溢出的边界［33］，因此为检验本文结论的稳健性，本部分使用传统方法［34］，以企业总部间的地理距离定义距离权重， 并设置了八种不同的距离衰减模式分别测算地理溢出池B15。，在此基础上重新回归。（5）改变回归样本。基准检验所用样本将缺失的企业研发投入数据进行了补全，考虑到此过程可能影响最终结果，本部分将缺失数据直接剔除，并重新回归。此外，基准检验将地理溢出池、技术溢出池与市场竞争池三个变量的七种组合分别作为解释变量进行回归与对比分析，但由于测算三个变量所需原始数据的缺失程度不同，使七种组合的回归所用样本存在差异。考虑到在相同数量样本下的对比分析更有意义，本部分还将七种组合的回归样本删减为相同数量进行回归。以上检验结果均表明B16，企业间知识溢出效应对彼此全要素生产率有显著的正向影响，本文核心结论具有一定稳健性。

（四）知识溢出效应的发生条件检验

在前文理论分析部分，本文指出企业的吸收能力与企业之间的技术差距是知识溢出效应得以产生的关键影响因素（假设2与假设3），本部分使用分组回归方法，将样本按相应指标等分为三组进行检验，并参考连玉君等（2010）［35］使用费舍尔组合检验方法 （Fishers permutation test） 检验组间系数差异的显著性。

1吸收能力。表4列（1）至列（3）给出了按照吸收能力指标分组回归的结果。结果显示在中吸收能力组与强吸收能力组中知识溢出效应对企业全要素生产率有显著正向影响，在低吸收能力的组中知识溢出效应的影响不显著，组间系数差异检验结果显示仅列（1）与列（2）的地理溢出池估计系数存在显著差异。总体而言此结果证实了前文的假设2，即企业自身具备一定的吸收能力是其能够从外界知识溢出中获益的前提条件，而吸收能力强弱与企业自身的知识资本密切相关，企业的研发投资具有“两面性”［16，18］。传统观点认为，知识溢出的存在会抑制从事创新活动的企业的研发动机，导致经济整体研发投资不足［36］，但研发投资“两面性”的存在可能颠覆这种认知。如果研发投资能够增强企业的吸收能力，那么知识溢出的存在将激励一些企业进行研发，这会弥补经济整体研发投资不足的问题。

2技术差距。表4列（4）至列（6）给出了按照技术差距指标分组回归的结果。结果显示仅在中技术差距组中知识溢出效应对企业全要素生产率有显著正向影响，在小技术差距与大技术差距组中知识溢出效应的影响均不显著，组间系数差异检验结果显示，仅列（4）与列（5）地理溢出池的估计系数存在显著差异，列（5）与列（6）两组的回归系数不存在显著差异（经验p值为0146）。综合来看此结果证实了前文假设3，即企业之间具有一定的技术差距是知识溢出能够产生的前提条件，因为技术差距不大的企业之间可互相学习的知识并不多。通常来说技术差距过大同样不利于企业从外界知识溢出中获益，表4中列（6）的估计结果虽然支持了此观点，但组间系数差异检验却表明中技术差距组与大技术差距组的地理溢出池估计系数不存在显著差异，这可能是因为本文所用样本是中国上市公司数据，能够上市的企业通常已经具有较强实力，企业之间的技术差距不会过大B17。

五、知识溢出与全要素生产率：企业异质性的调节效应

本部分考察企业规模、企业研发强度这两种企业异质性特征在知识溢出与全要素生产率的关系中所发挥的调节效应，以检验前文的假设4A、4B及假设5。目前主流的调节效应检验方法主要有交互项回归、分组回归等，考虑到交互项回归的前提假设过于严格，本部分我们仍使用分组回归方法检验企业异质性的调节效应，并使用费舍尔组合检验方法（Fisher′s permutation test）檢验组间系数差异的显著性。

（一）企业规模

表5列（1）至列（3）给出了按照企业规模指标分组回归的结果。结果显示在小企业规模与大企业规模组中知识溢出效应对企业全要素生产率均有显著正向影响，在中企业规模组中知识溢出效应的影响不显著，组间系数差异检验结果显示列（1）、列（2）以及列（2）、列（3）的地理溢出池估计系数均存在显著差异。在前文理论分析部分本文曾指出无论是大企业还是小企业，在从外界知识溢出效应中获益方面均存在自身独特优势，并提出了对立假设4A、4B，本部分的回归结果在某种程度上与这两个假设均相符。大企业由于研发项目种类多、吸收能力强、基础研究实力更强等原因，能够从外界知识溢出中获益更多，小企业由于对外界知识的重视、与技术前沿差距更大等原因，同样能够从知识溢出效应中获益，中等规模企业则不具备大企业与小企业的优势，反而无法从知识溢出效应中获益。在创新研究领域中历来存在两种对立观点：一种观点认为大企业创新能力更强，一种观点认为小企业创新能力更强。本文结论一定程度上解释了上述对立观点产生的原因，即无论是大企业还是小企业在从外界知识溢出中获益方面都具有独特优势，因此创新能力均较强。

（二）研发强度

表5列（4）至列（6）给出了按照研发强度指标分组回归的结果。结果显示在中研发强度与高研发强度组中知识溢出效应对企业全要素生产率有显著正向影响，在低研发强度组中知识溢出效应的影响不显著，组间系数差异检验结果显示仅列（4）与列（5）的地理溢出池估计系数存在显著差异。综合来看此结果与前文假设5相符，即知识溢出效应仅对研发强度较高的企业的全要素生产率有显著提升作用，这类企业多属于高技术行业，在地理空间的集聚程度高于其他企业，且更为依赖外界知识，须时刻把握技术变革动态，同时也具有很强的吸收能力，因此与低研发强度企业相比更能有效利用外界知识溢出。

六、结论与政策建议

中国正处于经济由高速增长阶段转向高质量发展阶段的关键时期，增强经济内生增长动力、提升全要素生产率是当前面临的重要任务。企业研发活动所产生的知识溢出效应是微观层面企业全要素生产率提升的重要影响因素，在宏观层面也被视为经济持续增长的重要内生动力，对于推动中国经济高质量发展具有重要意义。鉴于此，本文基于沪深A股制造业上市公司样本数据，同时借鉴Bloom等（2013）［9］的思路，通过将知识溢出效应与偷生意效应分离，使用更加科学准确的方法研究了中国企业间知识溢出对其全要素生产率的影响，并从企业吸收能力与企业间技术差距视角考察了知识溢出效应发生的前提条件。在此基础上本文还进一步研究了企业规模、企业研发强度这两类企业异质性因素对于知识溢出效应的调节作用。主要结论如下：（1）企业间知识溢出效应对彼此全要素生产率有显著的正向提升作用，仅技术空间邻近并不足以使企业间产生知识溢出效应，地理空间邻近是知识溢出效应得以产生不可或缺的基本要素，经过多种稳健性检验后上述结论仍然成立。（2）企业自身具备一定的知识技术积累和吸收能力，且与技术前沿存在一定技术差距是其能够从外界知识溢出效应中获益，并提升全要素生产率的前提条件，但当技术差距过大时，知识溢出效应反而无法产生。（3）小规模企业与大规模企业在从外界知识溢出效应获益方面均具备其各自独特优势，而中等规模企业无法从知识溢出效应中获益。（4）高研发强度的企业在外界知识溢出效应中获益更多，低研发强度的企业无法从知识溢出效应中获益。

上述研究结论对政府部门促进企业从知识溢出中获益、进一步挖掘中国经济内生增长动力以及相关创新激励政策的实施具有重要启示意义：（1）应实施更大力度的研发费用加计扣除、高新技术企业税收优惠等政策，完善激励科技型中小企业创新的税收优惠政策，激励企业加大研发投入。这不仅能促进企业自身技术水平提升，还能扩大其在知识溢出中的获益，从而在宏观层面实现对知识溢出效应的高效利用，形成有利的正向循环。（2）本研究揭示出，即使在互联网信息技术广泛应用和普及的当下，地理空间的邻近仍是企业间知识溢出得以产生的重要机制。因此，应进一步发展壮大城市群和都市圈，以中心城市和城市群等经济发展优势区域为重点，增强经济和人口承载能力，因地制宜建设先进产业基地。这有利于进一步利用知识溢出效应，带动全要素生产率整体提升，增强经济长期增长的内生动力。（3）根据本文研究结果，部分小微企业可能因为技术积累薄弱、与先进企业差距过大等失去从知识溢出中获益的机会。 因此，应完善服务于中小微企业的技术转移服务系统和政策体系，提供财税优惠以及融资便利，帮助存在困难的中小微企业快速度过技术关卡、实现整体技术水平提升、缩小与技术前沿的差距，从而促进其从知识溢出中获益，步入良性发展轨道，这有利于经济整体扩大收益递增效应。（4）应采取措施鼓励技术从高技术企业向低技术企业流动，搭建高技术企业与低技术企业的长效合作机制与平台，最大程度发挥高技术企业对经济整体创新的驱动作用，借助高技术企业的创新成果改造传统企业，提高传统企业的全要素生产率。

注释：

①  数据来源于《中国科技统计年鉴-2020》。

② 企业研发强度指企业研发投入与主营业务收入之比。

③ 赵勇和白永秀（2009）、Hall等（2010）对此做了较好的综述。

④ 根据知识能否清晰地表述和有效的转移，可以把知识分为显性知识和隐性知识。显性知识是能够被人类以一定符码系统（最典型的是语言，也包括数学公式、各类图表、盲文、手势语、旗语等诸种符号形式）加以完整表述的知识。隐性知识和显性知识相对，是指那种我们知道但难以言述的知识。

⑤ 详见庞瑞芝等（2021）［31］一文。

⑥ 受篇幅所限，这里未列出具体的推导过程，如有需求可向作者索取。

⑦ 白俊红和李婧（2011）进行了较为详细的梳理和说明。

⑧ 此类方法最初由Jaffe（1986）提出，测算出的距离一般被称为企业间技术相似度。

⑨ 每座城市最多统计一次。

⑩ 受篇幅所限，這里未列出具体的处理过程，如有需求可向作者索取。

B11 同⑩。

B12 Wind数据库依据公司大股东或实际控制人的属性，将企业的所有制类型分为国有企业（包括中央国有企业与地方国有企业）、民营企业、外资企业、集体企业、公众企业五种。

B13 显然，A股制造业上市公司并不能代表所有企业，但基于数据可得性，本文只能以此进行研究，而且不能保证将结论推广到所有企业时仍然成立。

B14 对缺失不严重的样本进行线性插值补齐。

B15 同⑩。

B16 受篇幅所限，这里未列出具体结果，如有需求可向作者索取。

B17 由描述性统计表1可知，在本文样本中技术差距指标的最大值仅为04889，即没有企业与前沿企业全要素生产率的差距超过一半。

参考文献：

［1］  Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth［J］．The Bell Journal of Economics，1979，10（1）： 92.

［2］ Romer P M. Increasing Returns and Long-Run Growth［J］．Journal of Political Economy，1986，94（5）： 1002-1037.

［3］ Schumpeter J A. Capitalism，Socialism and Democracy［M］．Oxford： Routledge，1942.

［4］ Arrow K J. The Economic Implications of Learning by Doing［J］．The Review of Economic Studies，1962，29（3）： 155.

［5］ Hall B H，Mairesse J，Mohnen P. Measuring the Returns to R&D［M］．Handbook of the Economics of Innovation. Amsterdam： Elsevier，2010： 1033-1082.

［6］ 路江涌. 外商直接投資对内资企业效率的影响和渠道［J］．经济研究，2008（6）： 95-106.

［7］ 叶静怡，林佳，张鹏飞，等. 中国国有企业的独特作用：基于知识溢出的视角［J］．经济研究，2019，54（6）： 40-54.

［8］ 胡志强，裴开兵. 研发溢出、吸收效应与经营绩效——基于创业板上市企业的经验证据［J］．软科学，2020，34（4）： 13-18，50.

［9］ Bloom N，Schankerman M，Van Reenen J. Identifying Technology Spillovers and Product Market Rivalry［J］．Econometrica，2013，81（4）： 1347-1393.

［10］ Branstetter L G. Looking for International Knowledge Spillovers A Review of the Literature with Suggestions for New Approaches［M］//Encaoua D，Hall B H，Laisney F，et al. The Economics and Econometrics of Innovation. Boston： Springer US，2000： 495-518.

［11］ Almeida P，Kogut B. Localization of Knowledge and the Mobility of Engineers in Regional Networks［J］．Management Science，1999，45（7）： 905-917.

［12］  Coe D T，Helpman E. International R&D Spillovers［J］．European Economic Review，1995，39（5）： 859-887.

［13］ D′Aspremont C，Jacquemin A. Cooperative and Noncooperative R&D in Duopoly with Spillovers［J］．The American Economic Review，1988，78（5）： 1133-1137.

［14］ Aitken B J，Harrison A E. Do Domestic Firms Benefit from Direct Foreign Investment？ Evidence from Venezuela［J］．American Economic Review，1999，89（3）： 605-618.

［15］ Audretsch D B，Feldman M P. R&D Spillovers and the Geography of Innovation and Production［J］．The American Economic Review，1996，86（3）： 630-640.

［16］ Cohen W M，Levinthal D A. Absorptive Capacity： A New Perspective on Learning and Innovation［J］．Administrative Science Quarterly，1990，35（1）： 128.

［17］ Aghion P，Howitt P. A Model of Growth Through Creative Destruction［J］．Econometrica，1992，60（2）： 323.

［18］ Cohen W M，Levinthal D A. Innovation and Learning： The Two Faces of R&D［J］．The Economic Journal，1989，99（397）： 569.

［19］ Nakamura T. Foreign Investment，Technology Transfer，and the Technology Gap： A Note［J］．Review of Development Economics，2002，6（1）： 39-47.

［20］ Henderson R，Cockburn I. Scale，Scope，and Spillovers： The Determinants of Research Productivity in Drug Discovery［J］．The RAND Journal of Economics，1996，27（1）： 32.

［21］ 劉常勇，谢洪明. 企业知识吸收能力的主要影响因素［J］．科学学研究，2003（3）： 307-310.

［22］ Koo J. Determinants of Localized Technology Spillovers： Role of Regional and Industrial Attributes［J］．Regional Studies，2007，41（7）： 995-1011.

［23］ Hall B H，Jaffe A B，Trajtenberg M. The NBER Patent Citation Data File： Lessons，Insights and Methodological Tools［R］．Cambridge： National Bureau of Economic Research，2001.

［24］ Harabi N. Channels of R&D Spillovers： An Empirical Investigation of Swiss Firms［J］．Technovation，1997，17（11）： 627-635.

［25］ Griliches Z. The Search for R&D Spillovers［J］．The Scandinavian Journal of Economics，1992，94： S29.

［26］ Jaffe A B. Technological Opportunity and Spillovers of R&D： Evidence from Firms′ Patents，Profits，and Market Value［J］．The American Economic Review，1986，76（5）： 984-1001.

［27］ Olley G S，Pakes A. The Dynamics of Productivity in the Telecommunications Equipment Industry［J］．Econometrica，1996，64（6）： 1263.

［28］ Ackerberg D，Caves K，Frazer G. Structural Identification of Production Functions［R］．München： MPRA Paper，2006.

［29］ Levinsohn J，Petrin A. Estimating Production Functions Using Inputs to Control for Unobservables［J］．The Review of Economic Studies，2003，70（2）： 317-341.

［30］ 吴延兵. R&D与生产率——基于中国制造业的实证研究［J］．经济研究，2006（11）： 60-71.

［31］ 庞瑞芝，涂心语，严晓玲. 产品市场竞争与知识溢出如何影响企业研发？——基于多维空间邻近的实证识别［J］．产业经济研究，2021（2）： 1-14，29.

［32］ Aghion P，Bloom N，Blundell R，et al. Competition and Innovation： An Inverted-U Relationship［J］．The Quarterly Journal of Economics，2005，120（2）： 701-728.

［33］ 符淼. 地理距离和技术外溢效应——对技术和经济集聚现象的空间计量学解释［J］．经济学（季刊），2009，8（4）： 1549-1566.

［34］ 王文翌，安同良. 产业集聚、创新与知识溢出——基于中国制造业上市公司的实证［J］．产业经济研究，2014（4）： 22-29.

［35］ 连玉君，彭方平，苏治. 融资约束与流动性管理行为［J］．金融研究，2010（10）： 158-171.

［36］ Pepall L，Richards D，Norman G. Industrial Organization： Contemporary Theory and Empirical Applications［M］．New Jersey： John Wiley & Sons，2014.

Knowledge Spillover，Enterprise Heterogeneity and Enterprise Total Factor

Productivity——Empirical Evidence from Listed Manufacturing Companies

TU Xin-yu1，2，YAN Xiao-ling1，WANG Shan-shan1

（1. School of Economics，Nankai University，Tianjin 300071，China；

2. School of Finance，Fujian Jiangxia University，Fuzhou 350108，China）

Abstract： This paper draws on the ideas of Bloom et al. （2013） and separates the effects of knowledge spillover from business stealing effect through the multidimensional spatial proximity method，and more accurately estimates the impact of knowledge spillovers between enterprises on each other′s total factor productivity. Research based on sample data of listed Chinese manufacturing companies from 2007 to 2019 shows that： Knowledge spillovers between enterprises have a significant effect on their total factor productivity. Geographic proximity is a necessary condition for the generation of knowledge spillovers. Only technological proximity cannot produce knowledge spillovers; a certain absorptive capacity and a certain technological gap between companies are the prerequisites for the knowledge spillover. However，when the technology gap between companies is too large，the knowledge spillover cannot occur. Further research found that both large and small enterprises have their own unique advantages in benefiting from the knowledge spillover，while medium-sized enterprises cannot benefit from the knowledge spillover; knowledge spillover can only promote the total factor productivity of high-tech enterprises，does not have a significant impact on non-high-tech companies.

Key words： total factor productivity; knowledge spillover; R&D and innovation; enterprise heterogeneity; industrial agglomeration

（責任编辑：李江）