上市公司创新决策的区域同群效应研究

孙锦萍 李亚飞 侯麟科

内容提要：区域创新能力与企业创新决策密切相关，考察企业创新决策对于厘清区域创新能力的微观影响因素至关重要。本文旨在从微观视角考察企业间社会互动对企业创新决策的影响。基于2007—2017年中国A股上市公司的数据研究表明：中国上市企业创新存在显著的区域同群效应，在采用倾向得分匹配法、工具变量法、剔除行业影响和替换代理变量等一系列内生性和稳健性检验后，该结论依然成立。进一步，对同群效应产生方式的研究验证了观察式学习和交流式学习两种学习方式。具体来说，当企业观察到同群企业较高的创新回报或同群企业获取创新补贴时会跟随和模仿其创新行为；而企业间专利引用以及高管间老乡和校友关系带来的直接式交流、相似收入水平高管间潜在的间接式交流使得企业可以通过交流的方式学习同群企业的创新行为。同时，本文还考察了竞争程度对创新区域同群效应的调节作用，发现越是竞争激烈的行业，企业创新的区域同群效应越弱。研究结论对于完善中国的创新支持政策具有重要参考价值。

一、问题提出

区域创新能力是推动区域经济增长的重要因素之一。研究区域创新能力的影响因素对区域经济发展至关重要。从中国目前的创新格局来看，中国各区域创新能力差异明显。一方面，各区域专利申请数量表现出明显的差异。另一方面，各区域创新优势也表现出显著差异。以中国三大创新集聚区为例，以上海为中心的长三角地区在利用外资创新方面极具优势；以深圳为中心的珠三角地区则在电子信息产业创新方面优势突出；以北京为中心的环渤海地区基础创新能力强。既有研究认为区域创新环境和政府创新支持是影响区域创新能力的关键因素，并从宏观视角分析了包含研发补贴、税收优惠等在内的政府创新政策以及制度环境、基础设施等区域创新环境对区域创新的促进作用。然而，区域创新能力差异本质上是区域内企业创新的差异，有必要从微观视角来考察区域创新能力分化现象。

关于区域创新能力的影响因素，以往文献从两个视角进行了研究与分析：一是从创新投入的视角考察区域创新能力的差异。一方面，学者们考察了研发投入、研发人员数量等对区域创新的影响，认为创新投入的差距是造成区域创新能力差异的根本原因[1]。另一方面，学者们研究了地方政府创新支持对区域创新能力提升的重要作用[2-4]。相关研究认为，创新市场由于知识的非排他性和正外部特征而存在市场失灵[5]，政府应当采取研发补贴、税收优惠、研发奖励等创新支持政策来促进企业创新投入[6]，因此，政府创新支持与区域创新能力密切相关。关于政府对区域创新能力是否会产生促进作用这一问题，学者们尚未得到一致结论：部分学者认为政府创新支持对增强区域创新存在促进作用[4]；亦有学者发现政府创新支持对高校、企业和科研机构的创新存在抑制作用[7]。然而，创新投入并不能完全解释区域创新能力的差异，因为有些地区虽然创新资源相似，但创新能力差异很大[8]。二是从创新环境的视角考察区域创新能力的差异[9-12]。部分学者关注了包括制度环境、金融环境、基础设施水平、劳动者素质、需求环境和产业环境等对区域创新能力的影响，发现创新环境对中国区域创新能力有显著的正向影响[11, 13]，但这种影响存在区域异质性，具体表现为创新环境对东部地区创新能力有显著正向影响，而对中西部地区创新能力的提升未起到支撑作用[9, 12]。部分学者还关注了知识产权保护水平对区域创新能力的影响，但关于二者的关系却得到了相悖的结论。如张源媛和仇晋文(2013)发现知识产权保护会形成知识垄断，对区域创新发展起到束缚效应[14]；而赵喜仓和张大鹏(2018)则发现知识产权保护对区域创新存在促进作用[15]。总之，学者们关于创新环境对区域创新能力的影响并未得到一致结论。

综合上述文献，可以得出两个结论：第一，创新投入和创新环境均会对区域创新能力产生重要影响，但又不能解释区域创新能力的全部，因此尚有其他未被考虑的因素对区域创新能力产生了影响；第二，由于创新相关统计数据的限制，既有关于创新投入和创新环境的研究多从宏观视角展开，而忽视了微观因素。如章立军(2006)[11]、白俊红和蒋伏心(2011)[13]、张攀和吴建南(2017)[2]、赵喜仓和张大鹏(2018)[15]等采用省级面板数据，张宽和黄凌云(2020)[4]采用市级板数据进行实证分析。区域创新能力与企业创新决策密切相关，因此本文认为亟需从企业创新决策出发探讨区域创新能力，以拓展相关理论。

企业创新与其他企业创新行为密切相关。既有研究认为，同伴的行为和决策包含一些有价值的但企业没有掌握的信息，向同伴“取经”可以降低信息不对称程度[16]。本文认为对于创新这类信息不对称程度更高的投资，同伴的创新行为和决策对企业的参考价值更大。首先，同伴的创新能够增加企业的知识累积，降低企业试错成本的同时增加企业创新成功的概率。其次，同伴的创新蕴含了政府的创新态度和创新支持政策等信息，降低了企业信息不对称程度，增加企业创新的积极性。最后，企业创新不仅能够通过乘数效应，为同群企业增加创新投入提供可能，而且能通过增加对高技术产品的需求倒逼同群企业增加创新。彭镇等(2020)从行业同群视角出发，验证了同行业内其他企业创新对企业研发投入强度与创新产出的积极影响[17]。然而，本文认为区域内其他企业创新对企业创新更具参考意义。一方面，知识的溢出受到地理距离的限制，距离越远，知识溢出的效果越弱；另一方面，同区域内的企业面临相同的政府政策和创新环境。因此，本文以2007—2017年中国沪深A股上市公司为样本实证检验区域内其他企业创新对该企业的影响，即企业创新区域同群效应。为解决潜在的内生性问题，本文采用倾向得分匹配(PSM)、工具变量、剔除行业影响等方法进行实证检验。进一步地，本文对区域同群效应的产生方式进行检验，同时，还考察行业竞争对创新区域同群效应的调节作用。

本文的潜在贡献如下：第一，本文拓展了区域创新能力影响因素的研究视角。与既有从宏观视角关注的政府创新政策和创新环境对区域创新能力的影响相比，本文从微观视角探讨了区域创新能力的影响因素。第二，本文扩充了区域创新能力的影响因素。本文关注的企业间社会互动是一直被文献所忽视，却对区域创新能力存在重要影响的关键因素之一。与既有研究相比，本文所探讨的企业间社会互动具有乘数效应，区域内同群企业的创新会沿着产业链、消费链传导。第三，本文基于社会互动理论考察了企业创新区域同群效应的产生机制，为政策制定者采取措施促进企业创新指明了方向。研究结论对于完善中国的创新支持政策具有重要参考价值。

本文结构如下：第二部分为回顾相关文献并提出研究假设；第三部分为研究设计，介绍数据来源、变量定义及实证策略；第四部分为基本结果与分析，考察中国上市企业创新区域同群效应的存在性及其产生方式；第五部分考察竞争对创新区域同群效应的调节作用；第六部分为研究结论与政策建议，总结全文并给出政策建议。

二、文献回顾与研究假设

同群效应是指一方的行为受到同伴行为影响的现象。在个体决策领域，既有研究发现个人体重、家庭捐赠行为、股市参与决策等会受到同伴行为的影响[18-21]。在企业决策领域，学者们认为同伴的行为和决策包含一些自身没有掌握的有价值的信息，通过向同伴“取经”，企业可以降低自身面临的不确定性并做出更优的决策[16]，并验证了企业并购、高管薪酬、企业投资行为、资本结构和违规等行为中同群效应的存在[22-33]。近年来，创新是学术界关注的焦点，以往学者[17-34]将同群效应的研究引入企业创新决策，分别考察了企业创新的社会网络同群和行业同群行为。而本文认为企业创新的区域同群行为是更值得探讨的话题，原因在于，一是区域同群企业面临更为相似的外部经济环境和创新资源，二是知识的溢出和信息的传递均存在地理限制。

(一)企业创新区域同群效应

本文认为企业创新存在区域同群效应的原因有如下三个方面：

首先，知识溢出会导致企业间形成区域同群效应。创新成果具有非排他性，知识一旦被创造出来，就不可避免地在不同主体间传播，形成溢出效应。而知识溢出会影响同群内其他企业的创新决策，进而形成创新同群效应。一方面，同群企业创新会通过知识溢出增加企业的知识积累，进而增加企业创新成功的概率，降低企业创新的风险。创新的高风险特征是企业创新投入意愿较低的主要原因之一，当企业获取更多相关知识后，对创新结果的未知程度就会降低，风险也随之降低，企业创新的意愿也会增加；另一方面，同群企业的创新能够降低企业创新的试错成本[35-37]，企业创新成本降低，企业创新意愿就会增加。创新的高成本特征是造成企业创新意愿较低的原因之一，同群企业创新能够在一定程度上分担企业的创新成本，尤其是当同群企业技术重合度较高时[38]。创新成本降低，企业的创新利润增加，进而企业创新的意愿也会增加。此外，企业创新的同群效应在区域层面更具特殊性。一方面，知识的溢出效应会受地理距离的限制，知识的非编码性越强[35, 39]，受到地理距离的限制程度越高。因此，企业的创新行为更易受与其地理位置较近的其他企业的影响；另一方面，处于同一省份的企业往往会有更多的交流机会，尤其是当政府采取行政手段积极推动时，区域内信息交换和知识转移就会更为便捷和顺畅。因此，企业创新行为更易受到与其在地理位置更接近的其他企业的创新行为的影响。综上所述，本文认为知识溢出会促进创新区域同群效应的形成。

其次，政府创新支持会导致企业间形成区域同群效应。本文认为政府创新支持形成区域同群效应的内在逻辑如下：一方面，处于同一省份的企业往往面临相同的政府创新支持政策，其创新积极性和创新资源更为相似，从而呈现出创新行为趋同的现象。政府创新支持政策降低了企业的创新成本，一旦创新成功，企业的生产效率就会增加，收益也随之增加；而即便企业创新失败，也无需负担全部的成本，也就是说企业损失有限，创新的积极性就会增加。因此，处于同一省份的企业的创新决策更为相似。另一方面，较少能接触到政府政策的企业会通过跟随和模仿其他企业的创新行为来获取政府创新态度和创新支持等相关信息，这亦会使得区域内企业创新行为表现出明显的同群现象。第一，对企业来说，与政府步调一致能够促进企业与政府间的协作关系，为后续从政府获得更多资源建立桥梁[30]。因此，政府态度是企业行事的风向标。但多数企业并不能在第一时间了解政府对创新的态度，只能通过区域内其他企业的行为来推测。第二，同群企业的创新行为能够反映政府创新支持相关信息，一些有创新意向又不能完全承担创新风险的企业在获取此类信息后会降低创新顾虑、加大创新投入，表现出明显的对同群企业创新跟随和模仿行为。因此，同区域内企业的创新会表现出明显的同群现象。

最后，社会分工的存在也会导致企业间形成创新区域同群效应。由于社会分工的存在，企业间的联系更加紧密。一方面，在创新领域也可能出现杜格尔等(Dougal et al.，2015)描述的企业行为趋同的现象，即企业I的创新增加时，企业II的创新也随之增加[28]。原因有三：第一，对于存在产品供应关系的两个企业I和II，企业I创新水平的提高会倒逼企业II增加创新投入，提升创新水平。这是由于，若企业I的创新水平提高，就可能会增加对高技术产品的需求。企业II为了维持市场地位和持续获取收益就需要增加创新投入，提升产品技术水平。第二，企业I增加的创新投入会产生乘数效应，这为其他企业增加投入提供了可能。乘数效应的存在使得企业I的投资持续传导到整个经济体中，其他企业收益增加，为创新投入提供可能。第三，企业间由于合作关系的存在也可能产生创新趋同现象。对于一些大的创新项目，往往需要多个企业协作共同完成，这也会导致企业间表现出创新趋同的现象。如企业I和企业II是进行联合创新的两家企业，当企业I的创新投入增加时，与其进行联合创新的企业II也可能会增加创新投入。相反，区域内企业创新投入和创新收益的降低，同样也会传导到其他企业。另一方面，社会分工与协作易受地理和区域界限的限制，因而更易形成区域同群效应。因此，本文认为企业创新还会因社会分工的存在而形成区域同群效应。

综合来看，上述三种因素所引致的区域同群效应并不完全相同。三者的相同点在于，上述三种因素均能诱导企业创新产生同群行为；而不同点在于，上述三种因素会引起不同维度上的企业创新同群行为。具体来说，知识溢出主要影响同行业内企业的创新行为，是行业维度的同群效应，而由于知识溢出距离有限性的存在，导致其表现为区域内的行业同群效应；政府创新政策所诱导的其他企业创新行为则更多是对同区域内的企业而言，是区域维度的同群效应；社会分工所诱导的其他企业创新则既可以是同行业内其他企业也可以是同区域内其他企业，既包含了行业维度的同群效应又包含了区域维度的同群效应。基于上述分析，本文提出如下假设：

假设H1：中国上市企业创新存在区域同群效应。

(二)创新区域同群效应的产生方式

社会学习理论将社会学习分为观察式学习和交流式学习[40]。观察式学习是指企业决策者通过观察区域内其他企业的创新行为及其创新收益情况，进而调整其创新决策；交流式学习是指企业决策者通过与区域内其他企业交流来获取政府创新支持政策、行业、市场等相关信息，并以此为依据调整自身的创新战略。在观察式学习方面，通过观察同群企业的创新行为和收益情况，能够降低企业信息的不对称程度和增强企业创新的信心。一方面，对于与政府联系不那么紧密或者信息不那么灵通的企业来说，区域内其他企业获取的政府创新补贴可以作为企业创新决策的依据。政府创新补贴不仅能降低创新成本、缓解企业创新资金约束，还在一定程度上代表了政府的创新立场。因此，当观察到区域内其他企业获取到政府创新补贴时，企业会模仿这类企业的创新行为。另一方面，同群企业创新收益情况亦是企业的进行创新的依据。企业创新决策会对区域内其他企业创新行为进行学习和模仿，但并不会对区域内所有企业的创新行为进行模仿，而是会观察其创新的收益[24, 32]。当企业创新收益较大时，企业更愿意进行学习和模仿；反之，当其他企业创新收益较小时，企业的学习意愿则较弱。因此，企业会观察同群企业创新收益和研发补贴的获取情况，进而决定是否模仿和跟随同群企业的创新。基于上述分析，本文提出如下假设：

假设H2：企业间通过观察式学习进而产生创新区域同群效应。

在交流式学习方面，企业高管是企业间信息传递的纽带，同一地区内，高管往往有更多的机会进行接触和交流，尤其是在政府采取行政手段促进企业间交流的情况下。通过与区域内其他企业的交流，企业能够获得有用信息，降低企业的信息不对称程度。一方面，通过交流，企业能够获取政府创新支持政策等相关信息。在现实中，普遍存在的情形是，政府出台了各类政策，但多数企业却并不知晓这类政策的存在，导致政策实施的效果不好，企业的实际困难也未得到解决。最先获取政府相关政策的企业往往能更早和更多地获得政府的支持和补贴[41-42]，其他企业则可以通过与了解信息的企业交流来获取相关信息。另一方面，通过企业间高管或技术人员的交流，尤其是技术人员的交流，企业可以获取专利、知识等方面的相关信息，降低企业创新试错成本和不确定性。现实中，最终阻碍企业创新投资的并不是其高投入性，而是企业创新投资的不确定性。一旦创新的成本确定，企业总有办法去支付成本并获得收益。相反，当企业创新投入不确定性较高时，企业为降低经营风险，会选择最大程度地降低创新投入。同群企业创新可以降低企业创新的不确定性和试错成本，也就能够增加企业的创新意愿。因此，企业间可以通过交流传递信息，并形成企业的同群行为。基于上述分析，本文提出如下假设：

假设H3：企业间通过交流式学习产生创新区域同群效应。

三、研究设计

(一)样本选择与数据来源

本文选取2007—2017年A股上市公司作为研究对象。鉴于大部分数据库忽视了企业所在地变更的情况，而企业所在地对本文的研究又至关重要，本文手工整理并补充了国泰安(CSMAR)数据库中企业所在省份的相关数据。企业专利数据来自CSMAR数据库中的上市公司专利申请数据库。其他财务数据来自CSMAR数据库。企业所在行业采用中国证券监督管理委员会2012年的行业分类指引。考虑到中国政治管理体系的特点，本文借鉴石桂峰(2015)[30]的研究将公司总部当年所在的省、自治区、直辖市作为衡量企业是否处于“同区域”的标准。

另外，借鉴已有研究，本文对数据做了以下处理：(1)剔除银行、保险等金融类上市公司样本；(2)剔除ST、PT类上市公司样本；(3)剔除主要变量缺失的样本；(4)剔除同区域内上市企业数量少于2家的样本；(5)为消除极端值对文章结论的影响，对连续变量进行1%水平上的缩尾(winsorize)处理。最终得到了包含2 706家上市企业、共计17 083个企业-年度观测值的样本。表1汇报了本文的主要变量及其含义。

表1 相关变量解释说明

(二)实证策略

1.企业创新区域同群效应存在性检验

本文借鉴马特雷(Matray，2021)[38]的研究构建如下模型检验企业创新区域同群效应：

lnapatenti,a,t=β0+β1lnp_peer-i,a,t-1+∑βkcontrolsi,a,t+νt+μi+εi,a,t

(1)

其中，a代表省份，i代表企业，t代表年份。被解释变量lnapatenti,a,t为a省份的i企业t年的专利申请水平，解释变量lnp_peer-i,a,t-1为该省份除i企业外，其他企业的专利申请水平。本文选取的控制变量包括：总资产收益率(roa)、现金(cash)、托宾Q值(tq)、公司规模(size)、企业年龄(age)、杠杆率(leverage)、营业收入增长率(growth)、前十大股东持股占比(cent)。为排除企业因面临相似的宏观环境而做出相似的创新决策带来的内生性问题，本文采用双向固定效应模型，控制了不随企业变化的年度固定效应(νt)和不随时间变化的企业固定效应(μi)，并将解释变量滞后一期。

2.企业创新区域同群效应产生方式检验

(1)观察式学习的实证检验策略

首先，以累计超额收益率作为企业创新收益的代理变量来检验企业间观察式学习。依据逻辑模仿律[43]，企业会对同群企业创新行为进行学习和模仿，但并不会模仿所有企业的创新行为，而是会观察企业的创新收益。当企业创新收益大于同群企业均值时，企业更愿意进行学习和模仿；反之，当企业创新小于同群企业均值时，企业的学习意愿则较弱。为此，本文选取企业超额收益率来检验企业观察式学习的存在。企业公布专利申请情况后，股价变动是企业创新绩效的重要表现。本文使用企业当年第一次专利公告发布后的累计超额收益率(car)作为企业创新绩效的代理变量来检验观察式学习的存在。为此，本文构建模型(2)考察企业观察式学习的存在性。

lnapatenti,a,t=β0+β1positivecari,a,t-1+β2negativecari,a,t-1+∑βkcontrolsi,a,t+νt+μi+εi,a,t

(2)

其中，positivecar与negativecar代表企业超额收益情况，当企业累计超额收益率大于同群企业的平均超额收益率时，positivecar取值为1，negativecar取值为0；当企业累计超额收益率小于同群企业平均超额收益率时，positivecar取值为0，negativecar取值为1；当其他企业无专利申请时，二者均取值为0。根据逻辑模仿律[45]，若能观察到β1显著高于β2，表明企业会通过观察同群企业的创新绩效来决定是否模仿和跟随其创新行为，则假设H2得证，创新区域同群效应会通过企业间的观察式学习来实现。

其次，以企业获取的研发补贴作为政府创新支持态度的代理变量来检验企业观察式学习的存在性。根据前文的分析，研发补贴与政府的创新支持密切相关。通过观察同群企业获取的政府研发补贴金额，企业能得到政府创新态度和创新支持政策方面的信息。若企业通过观察同群企业研发补贴额来获取政府创新态度和支持力度方面的信息，则应有：第一，同群企业获取的创新支持对该企业获得政府创新支持有正向影响；第二，对之前曾经获得过政府创新支持的企业，同群企业获得的政府创新支持并不会影响其获得的政府创新支持。为此，本文通过分别构建模型来检验上述两种现象的存在性，具体的做法是，采用模型(1)检验上述第一种现象，将模型(1)中的企业专利相关变量替换为企业获取的研发支持(lnsumsub)和同群企业获取的研发支持(lnasumsub)。对于第二种现象，构建虚拟变量experience，代表企业是否有获得政府创新支持的经历，并采用模型(3)进行检验。其中，当企业在前一年内(或前两年)有获得过政府创新补贴的经历，则取值为1，否则为0；lnasumsub和lnsumsub分别是同群企业和企业获得的政府创新补贴额加1的自然对数，其他变量含义均与模型(1)相同。

lnsumsubi,a,t=α0+α1lnasumsub-i,a,t-1×experiencei,a,t-1+α2lnasumsub-i,a,t-1+

α3experiencei,a,t-1+∑αkcontrolsi,a,t+νt+μi+εi,a,t

(3)

如果β1显著为正，则验证了第一种现象；α1显著为负，则验证了第二种现象；两种现象都得证则表明企业间存在观察式学习，即假设H2得证。

(2)交流式学习的实证检验策略

企业技术人员间的技术交流是企业创新行为趋同的关键影响因素之一。技术人员间的学习和交流不仅可以通过面对面的形式进行，还可以通过学习和引用对方已获取专利的形式进行。专利引用是企业间进行技术交流与学习的关键渠道之一。对于引用企业来说，引用其他企业专利就意味着企业进行了技术和知识的学习与模仿；对于被引用企业来说，专利被引用就意味着企业知识和技术的传播与扩散。且与技术人员间的面对面交流相比，通过专利引用进行的技术交流更易刻画和追踪。因此，本文以专利引用所形成的关系网络作为企业间技术交流的代理变量，检验企业间交流式学习的存在。为此，本文构建模型(4)，通过考察被引用企业的创新水平对引用企业创新的影响来检验企业交流式学习的存在：

lnapatenti,a,t=β0+β1lncited_peer-i,a,t+∑βkcontrolsi,a,t+νt+μi+εi,a,t

(4)

其中，lncited_peer是与i企业在同区域内，且拥有至少一项专利被i企业引用的其他企业专利申请平均值加1的自然对数，代表与企业存在专利引用关系的其他企业创新的平均水平。该指标构建的具体步骤为：第一，收集数据，鉴于大部分数据库缺少专利引用信息，本文借用专利抓取技术整理了上市公司全部专利的引用情况。本文先从国家知识产权局抓取了上市公司的专利信息，而后从谷歌专利网抓取了每一项专利的引用信息，包括引用专利号、引用专利授权日期、引用专利所属企业等；第二，定义引用关系，将在t年引用过企业i专利的，且与i企业在同一区域内的所有其他企业定义为与i企业存在专利引用关系的企业；第三，计算lncited_peer，将与企业存在引用关系的所有其他企业当年专利申请数求均值后加1取自然对数。其他变量含义均与模型(1)相同。如果观察到β1显著为正，则表明企业间技术交流促进了企业创新区域同群效应，假设H3得证。

高管间交流也是企业行为趋同的重要原因之一。本文采用直接法和间接法两种方式度量高管间的交流，其中直接法是以高管籍贯和毕业院校作为高管交流的代理变量，间接法是以高管薪酬作为高管交流的代理变量。在中国式企业管理体系下，企业的董事长和总经理对企业的决策影响较大，因此，本文仅保留董事长和总经理这两类高管，只要其中一类存在有老乡关系或者校友关系，就表示企业间可能存在交流关系。在中国社会文化中，老乡关系和校友关系构建起来的关系网络给不同企业的高管沟通建立了良好的渠道[44]，且存在老乡关系的高管因具有相似的文化、存在校友关系的高管因拥有类似的教育背景，往往具有相似的价值观。因此，本文选取高管籍贯和高管毕业院校作为高管交流的直接代理变量。为检验企业高管间因老乡关系和校友关系而产生的交流式学习的存在性，本文采用模型(4)，并将lncited_peer分别替换为lnhome_peer和lncollage_peer。其中，lnhome_peer是与i企业高管存在相同出生地的同区域内其他企业专利申请数量的平均值加1的自然对数，lncollage_peer是与i企业高管拥有相同毕业院校的同区域内其他企业专利申请数量的平均值加1的自然对数。如果观察到β1显著为正，则表明高管间交流式学习促进了企业创新区域同群效应，假设H3得证。

此外，高管间还可能存在间接式交流。拥有相似薪酬的高管往往拥有相似的居住偏好，同一地区内薪酬相近的高管往往居住在相同或相近的小区，因而有更多机会进行交流和建立联系[44-45]。借鉴陆蓉和常维(2018)的研究[32]，本文以高管薪酬水平作为高管交流的间接代理变量。以当年所有高管的薪酬中值为分界线，将高管区分为低薪酬和高薪酬两个子样本，采用模型(5)进行分样本回归。其中，lnapatent_low(lnapatent_high)为同区域内低薪酬(高薪酬)高管所在企业专利申请数量均值的自然对数。

lnapatenti,a,t=β0+β1lnapatent_lowi,a,t+β2lnapatent_highi,a,t+∑βkcontrolsi,a,t+νt+μi+εi,a,t

(5)

如果观察到在低薪酬子样本中β1大于β2，而在高薪酬样本中β1小于β2，则表明企业间通过交流式学习产生创新区域同群效应，假设H3得证。

四、基本结果与分析

(一)描述性统计

变量的描述性统计见表2。其中，企业创新代理变量lnapatent的均值为1.536，方差为1.619，最大值为6.103，最小值为0.000，表明企业之间创新差距较大。

表2 主要变量的描述性统计

表2(续)

(二)企业创新区域同群效应

1.基准模型回归

表3汇报了企业创新区域同群效应的实证结果，列(1)—列(3)分别是逐步加入企业个体固定效应、时间固定效应和企业层面控制变量的实证结果。可以发现，不管是否加入固定效应和控制变量，lnp_peer的系数始终显著为正，表明企业创新存在区域同群效应，即企业所在区域的其他企业专利申请水平越高，该企业专利申请的水平也会越高，验证了假设H1。

表3 基准回归

表3(续)

2.内生性检验

为检验前文结论的准确性，本文分别采用PSM法、工具变量法、剔除行业影响三种方法进行内生性检验。本文的实证研究中可能因为如下三种内生性问题导致估计偏误：一是样本自选择问题，企业创新行为一致性可能是由于同区域内企业拥有相似的各类财务指标、面临相似的外部环境等造成的，而非出自对其他企业创新行为的模仿；二是前文的实证研究中可能遗漏了某些与其他企业专利申请有关，而又会影响到本企业专利申请的变量；三是同群效应可能仅仅来源于行业同群，而非区域同群。

针对第一种内生性问题，本文采用PSM方法首先对样本进行预处理，而后对匹配后的样本采用模型(1)估计。表4列(1)汇报了实证结果，可以发现，经PSM方法预处理后，lnp_peer的系数为0.099，且在10%水平上显著。这表明，企业创新的区域同群效应是由于企业对同群企业创新行为的学习和模仿产生的，并非自我选择行为。

针对第二种内生性问题，本文借鉴以往学者[33]的方法，采用企业股票收益阿尔法(Alpha)值作为工具变量，进行工具变量估计。表4列(2)汇报了实证结果。从实证结果来看，lnp_peer的系数为0.272，且在5%水平上显著为正。为确定工具变量的有效性，本文对第一阶段回归进行了弱工具变量检验，发现第一阶段F值为307.066，大于经验值10，说明本文采用的工具变量并非弱工具变量。

针对第三种内生性问题，本文参照以往学者[28]的方法，同时将同行业区域同群效应、不同行业区域同群效应和同行业不同区域同群效应纳入模型中，在控制行业同群效应的基础上观察区域同群效应的影响。具体模型如下：

lnapatenti,k,a,t=β0+β1lnDISP_apatenti,-k,a,t-1+β2lnSISP_apatent-i,k,a,t-1+

β3lnSIDP_apatenti,k,-a,t-1+∑βkcontrolsi,k,a,t+νt+μi+εi,k,a,t

(6)

其中，k代表行业，lnDISP_apatenti,-k,a,t-1代表不同行业区域同群效应，lnSISP_apatent-i,k,a,t-1代表同行业同群效应，lnSIDP_apatenti,k,-a,t-1代表同行业不同区域的同群效应，其他变量含义均与模型(1)相同。表4列(3)汇报了实证结果，可以发现剔除同区域内同行业企业的影响后，区域内其他企业创新产出水平(lnDISP_apatent)的系数为0.095，且在10%的水平上显著，表明企业创新区域同群效应存在。

表4 内生性问题处理

3.稳健性检验

创新投入是企业创新的开端，体现了企业创新的积极程度，也是最先受同群企业创新行为影响的环节。因此，有必要替换创新的代理变量从创新投入的视角进一步探讨创新区域同群效应。本文选取企业研发强度(rdasset，研发投入金额与资产的比值)作为创新投入的代理变量，考察企业创新的区域同群效应。表5汇报了相关实证结果，通过逐步加入年份固定效应和企业层面控制变量，检验结果表明，同群企业研发投入平均强度(rd_peer)的系数始终显著为正，与基准回归结论一致，表明企业创新存在显著的区域同群效应这一结论是稳健的。

表5 稳健性检验

表5(续)

(三)企业创新区域同群效应产生方式

1.观察式学习

表6汇报了企业观察式学习的实证结果。首先，本文以企业累积超额收益率为创新收益的代理变量检验企业间观察式学习，基于模型(2)，本文考察了同群企业创新对企业创新的影响，列(1)和列(2)汇报了相关结果，二者分别是以(-2，2)和(-5，5)为事件窗口期计算的企业超额收益率作为企业创新收益代理变量的回归结果。结果表明，positivecar的系数均显著为正，而negativecar的系数不显著，这说明企业会观察同群企业的创新收益情况，并有选择地学习和模仿同群企业的创新行为。对于获取了较高创新收益的同群企业，企业会进行学习和模仿，但并不会学习创新收益偏低的同群企业的创新行为。这一实证结果表明，企业创新区域同群效应会通过观察式学习产生，验证了假设H2。其次，本文以企业获取的研发补贴金额作为政府创新支持的代理变量来考察企业的观察式学习。基于模型(1)，本文实证检验了同群企业研发支持获取对企业研发支持获取的影响，列(3)汇报了相关结果。结果表明，lnasumsub的系数为0.201，且在5%水平上显著，这表明企业获取的研发金额受到同群企业获取的研发金额的正向影响，企业研发支持获取存在区域同群现象。进一步，本文基于模型(3)考察了企业的研发支持获取经历对企业研发支持获取区域同群效应的影响，由列(4)和列(5)可知，当企业前1年或前2年有专利申请经历时，交互项(lnasumsub×experience)的系数分别为-0.632和-0.745，且均在1%水平上显著，表明当企业自身有研发支持获取的经历时，其会减少对同群企业的学习和模仿，进一步验证了企业观察式学习的存在。

表6 观察式学习

表6(续)

2.交流式学习

表7汇报了企业交流式学习的实证结果。首先，本文采用模型(4)实证检验了企业间技术交流对企业创新区域同群效应的影响。为降低企业自引用的影响，本文在构建lncited_peer时剔除了企业本身。表7列(1)汇报了实证结果。从回归结果来看，lncited_peer的系数为0.056，且在1%水平上显著，这表明引用企业的创新会受到被引用企业创新水平的正向影响，体现了企业间的技术学习和交流，也从技术交流的角度验证了企业间交流式学习的存在，验证了本文的假设H3。其次，本文采用模型(4)实证检验了高管老乡关系和校友关系对企业创新区域同群效应的影响。列(2)和列(3)分别汇报了高管老乡关系和校友关系对企业创新区域同群效应的影响。从列(2)的结果来看，lnhome_peer的系数为0.059，且在5%水平上显著，表明与该企业高管存在老乡关系的同群企业对企业创新存在正向影响。列(3)汇报了与该企业高管存在校友关系的同群企业创新对企业创新的影响。从回归结果来看，lncollage_peer的系数为0.064，且在5%水平上显著，验证了与企业高管存在校友关系的其他企业对企业创新的正向影响。这一组回归结果表明高管的老乡关系和校友关系促进了企业创新区域同群效应的产生，进一步验证了本文的假设H3。最后，本文采用模型(5)检验了高管交流式学习的存在，表7列(4)、列(5)分别展示了低薪酬与高薪酬子样本的实证结果。从结果来看，在低薪酬组，lnapatent_low的系数为正且显著，而lnapatent_high的系数不显著，表明低薪酬企业对区域内其他低薪酬企业创新行为存在明显的学习和模仿行为，而未表现出对区域内高薪酬企业创新行为的学习和模仿；在高薪酬组，lnapatent_low的系数为负且显著，而lnapatent_high的系数为正且显著，表明高薪酬企业对区域内其他高薪酬企业的创新存在学习和模仿，而不存在对区域内低薪酬企业创新行为的学习和模仿。这组回归结果进一步验证了同一区域内企业高管间交流式学习的存在。

表7 交流式学习

五、竞争对企业创新区域同群效应的负向调节作用

竞争是引发企业学习和模仿同伴行为的重要因素，若企业创新存在区域同群效应，则竞争程度可能对其存在调节作用。既有研究对于竞争的调节作用存在不同的结论，其中一类从行业同群角度出发，认为竞争对同群效应存在正向调节作用[17,23]。同时，行业竞争程度越高，企业面临的生存环境越恶劣，企业想要在市场上立足并生存下去，就必须提升自身竞争力，而学习和模仿同群企业是其重要手段。因此，竞争对企业的模仿行为存在正向调节作用，越是竞争激烈的行业，企业的学习和模仿意愿越强。另一类从区域同群的角度出发，认为竞争对同群效应存在负向调节作用[38]。这类文献认为，创新能增加企业边际收益，进而提高企业竞争力。相反，对不进行创新的企业来说，相对边际收益降低，企业会因为缺少资金而进一步减少创新投入。另外，同一区域内企业之间往往存在人才竞争，尤其是当企业间技术重合度较高时，这种竞争更为激烈。因此，竞争对企业的模仿行为存在负向调节作用，越是竞争激烈的行业，企业的学习和模仿意愿越弱。本文的研究与第二类文献更为接近，因此本文认为竞争对企业创新区域同群效应存在负向调节作用。

为实证检验竞争的负向调节作用，本文构建模型(7)。其中，highcom为虚拟变量，代表行业竞争程度，借鉴万良勇等(2016)[23]的研究，本文采取赫芬达尔-赫希曼指数(HHI)衡量行业竞争度。当HHI小于中值时，highcom取值为1，否则取值为0。其他变量含义均与模型(1)相同。

lnapatenti,a,t=β0+β1lnp_peer-i,a,t-1×highcomk,t-1+β2lnp_peer-i,a,t-1+

β3highcomk,t-1+∑βkcontrolsi,a,t+νt+μi+εi,a,t

(7)

当β1显著为负时，则表明竞争对企业创新区域同群效应有显著的负向调节作用，反之，则有正向调节作用。表8汇报了相关实证结果。列(1)—列(4)分别是以主营业务收入、所有者权益、总资产、营业收入计算的HHI。从回归结果来看，β1均显著为负，这表明行业竞争对区域创新同群效应存在显著的负向调节作用。

表8 竞争的调节作用

六、研究结论与政策建议

区域创新能力是推动区域经济增长的关键因素，在中国实施创新驱动发展战略的背景下探讨区域创新能力的影响因素具有重要意义。与既有研究相比，本文基于社会互动理论，从微观视角探讨了企业创新的区域同群效应。通过分析同区域内企业间相互模仿和跟随的内在动机，本文从理论上说明了企业创新区域同群的内在逻辑。进一步，以2007—2017年中国沪深A股上市公司为样本研究了企业创新的区域同群效应，并在此基础上探究了中国创新区域同群效应的产生方式。主要研究结论如下：首先，中国上市企业的创新行为存在显著的区域同群效应；其次，对企业同群效应产生的实现方式的研究结果表明，观察式学习和交流式学习是企业间学习和模仿的方式。最后，对竞争的调节作用的研究结果表明，行业竞争对企业创新区域同群效应存在负向调节作用，即行业竞争程度越高，企业创新区域同群效应越弱。

本文的启示意义在于：(1)从政府层面来说，首先，政府应采取措施引导企业间进行学习和交流，建立区域内企业间良性学习机制，引导企业更加积极、主动、高效地展开创新。积极组织召开“圆桌会”等企业间交流学习的平台，为企业间形成良性学习机制牵线搭桥，做好后勤保障。其次，地方政府应更好发挥“看得见的手”的作用。在中国特有的行政体制下，地方政府掌握着绝大部分的创新资源，因此企业创新不可避免地带有政府烙印。政府应避免选择“拉力型”创新激励，而应采取“推力型”创新支持，让“看不见的手”发挥更大作用，让企业按照市场的偏好而不是政府的偏好做出创新决策。最后，创新资源稀缺是企业创新成本高昂、创新积极性低的根本原因，同区域内企业之间存在创新人才与创新资金的竞争。政府应采取措施帮助企业缓解创新面临的“人才缺、资金少”难题：一方面，政府应采取措施吸引人才到当地就业，实现“引智”到企业、到岗位，解决企业创新无人可用的难题；另一方面，政府应采取措施帮助企业畅通融资渠道，实现“引资”到企业、到创新项目，解决企业创新融资难、融资贵的难题。(2)从企业层面来说，一方面，企业应加强与政府的联系，以便掌握更多的创新支持信息。企业创新面临的最大问题是资金，政府创新支持能够弥补企业资金的不足，降低企业的创新风险和资金约束。另一方面，企业应积极加强与其他企业的交流学习。通过与其他企业交流，企业不仅能降低创新的试错成本、提高创新成功的概率，还能获取更多关于政府创新支持、市场方面的信息，降低企业信息的不对称程度，进而降低创新风险。