比较视角下产学融合对专精特新企业创新能力的差异化影响

唐春勇，金登科，赖彦钊，陈力婷

（1.西南交通大学经济管理学院，四川成都 610031；2.成都深蓝卓越教育科技集团，四川成都 611745）

1 研究背景

习近平总书记在2022 全国专精特新中小企业发展大会的贺信中强调，希望专精特新中小企业聚焦主业，精耕细作，在提升产业链供应链稳定性、推动经济社会高质量发展中发挥更加重要的作用。创新，作为专精特新企业的灵魂，是其得以建立长期竞争力和“护城河”的关键。但是Coles 等［1］也指出专精特新企业因为长期的科技研发投入而承担巨大风险和压力。因此，相比于资金雄厚的大型企业，专精特新企业更需要充分利用外部资源，选择开放式创新［2］。Etzkowitz 等［3］研究表明，高校作为国家创新系统中的核心机构，是企业开放式创新选择的主要合作对象。然而，高校在产学协同创新过程中通常优先考虑和选择资源丰富的大型企业［4］，导致科研资源挤兑的问题。那么，在“卡脖子”难题背景下，不同类型企业应当如何选择各自产学融合战略以协同推进科技自立自强呢？这些问题引起了学者的普遍关注。

在对专精特新企业的过往研究中，学者李琼等［5］、张璠等［6］主要从政策、财税、企业战略等角度对专精特新企业的发展提出建议，关于开放式创新模式如何影响专精特新企业发展的研究仍较为 匮 乏。首 先，Jones 等［7］、Kafouros 等［8］、Tian等［9］的研究通过不同的样本数据验证了产学融合对企业创新数量的重要影响，认为产学融合是企业进行开放式创新的重要途径。但是，产学融合如何影响企业创新质量的相关研究依然不足。第二，现有研究要么将产学融合作为一个整体，要么单独关注某一种产学融合方式对企业创新的影响，忽视了产学融合方式的异质性（例如：合作研发和成果转化），缺乏必要的比较分析。Perkmann 等［10］提出，众多的产学融合方式被划分为两类目的不同的行为，即学术参与（academic engagement）和学术商业化（academic commercialization）。D' Este 等［11］、Bozeman 等［12］的研究表明，大学教师以推进学术研究为主要目的而开展“学术参与”，以合作研发为代表，而“学术商业化”的目的多是技术商业化和知识盈利化，以成果转化（例如：专利转让、专利许可）为代表。然而，现有研究对于两种产学融合类型究竟如何影响企业创新，也尚未达成共识。第三，少有研究关注产学融合对不同类型企业的差异化影响（例如：专精特新和非专精特新）。Dean 等［13］认为，不同类型的企业属性差异较大，若不考虑专精特新企业和非专精特新企业的差异，对其采用“大水漫灌式”的扶持和管理政策，将无法为专精特新企业提供好的生存发展环境，反而不利于我国制造业细分力量的建立。综上，主要回答以下问题：

第一，合作研发、成果转化对专精特新企业和非专精特新企业创新的影响是否不同？

第二，哪种产学融合方式更能够推动专精特新企业的创新质量和效率的提高？

鉴于此，基于Audretsch 等［14］的知识溢出理论和Cohen 等［15］的吸收能力理论，深入探讨分析了合作研发与成果转化对专精特新企业与非专精特新企业创新能力的差异化影响，以期为我国产学融合效率的提高提供新的启示。

2 理论基础与研究假设

2.1 合作研发对企业创新能力的差异化影响

合作研发指企业和高校通过合同、合作的方式共同开展科学研究，共同解决研究难题的产学融合方式。其重要性主要表现在以下两方面：第一，合作研发帮助企业吸收更具有突破性、新颖性、颠覆性的基础研究成果与知识［16］。企业内部研发往往“重应用、轻基础”“看短期、轻长期”，高校作为基础研究的创新主体，是类似专精特新这类科技企业天然的合作伙伴［17］。根据吸收能力理论［15］，企业可以通过与高校的合作研发紧跟基础研究动态，提高对新技术的吸收能力，打破对旧技术的路径依赖。第二，合作研发降低科技研发的难度、风险和成本［18］。科学研究需要大量时间、人员、资金的投入，其难度和风险较大。反观，大学拥有高水平的实验室，身处研究前沿的科学家，长期从事高难度研发的科研团队［9］。因此，合作研发不仅帮助企业规避了创新的高风险和高成本，也为企业提供额外的知识溢出，有利于提升企业的创新能力。

然而，合作研发对专精特新企业和非专精特新企业的影响却有差异，其根源于（非）专精特新企业独特的企业条件、业务领域、创新模式等。企业属性的对比分析如表1 所示。

表1 企业特征与吸收能力比较

首先，Boschma［19］、Audretsch 等［20］的研究表明，合作对象认知距离更近时，知识溢出效应更大。高校科研团队和专精特新企业相似，通常也聚焦于某一专门的领域或者专一技术，两者知识认知距离更近。非专精特新企业业务领域、产品类型、科研部门等呈现出多元化的特点，往往处于产业链、供应链的下游［21］，和高校的认知距离更远。所以，专精特新企业和高校研究团队建立合作关系时，知识溢出效应将会更大，高校对企业的指导和帮助也更具有针对性，创新能力也能得到更大提升。

其次，Cohen 等［15］在吸收能力理论中指出，企业的知识基础将会影响其对新知识的吸收和利用。专精特新企业在细分技术领域的知识基础和技术积累明显要强于非专精特新企业。当高校与企业进行共同研发时，专精特新企业对专一技术较强的吸收能力帮助其更好地从高校基础研究成果和合作研发中获得收益，促使其创新能力的提高。

最后，专精特新企业以中小企业为主，较小的企业规模和宽松的规章制度，使专精特新企业具有更好的“灵活度”［22］。根据牛彦秀等［23］的研究，非专精特新企业内部有完备的管理制度和章程，对科研合作的管控多，对研究资金消耗的管理更加细致，无形中对高校与企业的合作添加了较多的交易成本，影响着共同研发的效率。基于此，提出假设：假设1a：合作研发对企业创新数量有正向影响，且对专精特新企业的影响强于非专精特新企业；假设1b：合作研发对企业创新质量有正向影响，且对专精特新企业的影响强于非专精特新企业。

2.2 成果转化对企业创新能力的差异化影响

与合作研发相比，成果转化的过程更加干净利索，指高校和企业通过签订协议的方式实现专利的所有权或使用权的转移，本质上则是专利售卖行为。

一方面，成果转化有利于提高企业的创新数量。首先，企业购买高校的专利增加了其创新存量，降低了企业研发的不确定性风险和成本［24］。其次，企业通过购买专利，利用专利的排他性抢占某技术领域和产品市场的主导地位，一定程度上抑制竞争对手的创新［25］，为自身的研发创新赢得了时间窗口。另一方面，成果转化对提高企业的创新质量有较大的难度。由于高校并未针对企业的实际需求进行定制化的研究，其中蕴含的技术细节需要企业分析消化。这个过程不仅占用了更多的时间和精力，而且难以获得系统的技术知识［26］，从中获得的知识溢出减少，最终不利于提高对技术知识的理解和创新能力的提高。

同时，成果转化于专精特新企业和非专精特新企业的创新会存在不同的影响。第一，非专精特新企业业务领域宽、知识面广，以生产综合、复杂的产品为主，对复杂技术系统具有较强的分析拆解能力［6］，高校的研究成果和其研究方向、课题要求等密切相关，无法做到精准匹配企业的技术需求，且以成熟的研究成果呈现，相对较为复杂多样［27］。所以，非专精特新企业依据其对复杂知识的吸收能力，能够更好地提高创新能力［15］。第二，专精特新企业规模小，研发人员数量少于非专精特新企业，且研发人员的多样性也相对较弱［28］。而非专精特新企业强大的研发群体和多样性，能够发挥群体智慧和力量，使得非专精特新企业的对复杂新知识的吸收效果更佳。基于以上论述，提出以下假设：假设2a：成果转化对企业创新数量有正向影响，且对非专精特新企业的影响强于专精特新企业；假设2b：成果转化对企业创新质量有较小正向影响，且对非专精特新企业的影响强于专精特新企业。

2.3 产学融合对专精特新企业创新能力的差异化影响

合作研发和成果转化作为产学融合两种主要的方式，有较大的属性差异。D' Este 等［11］研究分析了高校研究人员与企业各种互动合作形式的动机或驱动因素，认为动机不同，高校学者参与产学融合的方式、程度、持续性等方面也存在较大差异。合作研发与专利转化的比较分析如表2 所示。

表2 产学融合模式和知识溢出比较

根据吸收能力理论［15］，企业从外部吸收的新知识越多，那么创新的可能性越高。因此，产学融合对专精特新影响的强弱主要取决于高校对企业知识溢出的多少［14］。首先，共同研发时，高校教师同时也在推进自身的科学研究，会投入更多的时间和精力推进项目，和企业研发人员商讨问题，创造知识，讲解已有的知识基础，整体较为体系、客观和完整，知识溢出的程度远大于成果转化［14］。其次，研究表明，产学过程中隐性知识的传播更有价值［29］。成果转化过程中知识的流动以显性知识为主。共同研发时，除了显性知识的输出，更为重要的是高校教师发现和解决问题的思路和经验等，这些隐性知识可以帮助企业整体提升研发能力。最后，通过合作研发，专精特新企业可以充分利用高校的人力资源、实验设备等，大大降低了专精特新企业的设备投入和研发风险［18］。在尖端科技、基础技术的研发时，必要的仪器设备尤为重要，但是成本较高。企业可以充分利用高校的各类资源，针对细分领域的“卡脖子”难题进行重点突破。成果转化时，企业则难以利用高校的设备资源。针对专精特新企业的产学融合策略，提出以下假设：假设3a：合作研发对专精特新企业创新数量的影响强于成果转化；假设3b：合作研发对专精特新企业创新质量的影响强于成果转化。

基于上述分析，提出概念模型，如图1 所示。

图1 概念模型

3 研究设计

3.1 样本选择与数据来源

截至2021 年12 月31 日，共有345 家优质专精特新企业在A 股上市；结合《上市公司行业分类指引》，为专精特新企业匹配了同行业的2 163 家非专精特新企业。由于中华人民共和国工业和信息化部在2011 年首次提出专精特新概念，故采用2011—2021 年中国A 股上市企业的基本数据及从incoPat数据库获取的1 124 159 条专利数据，通过比较分析对假设进行实证研究。

数据来源：第一，公司基本财务数据等来源于国泰安数据库（CSMAR）。第二，成果转化、合作研发等专利相关数据来源于incoPat 数据库。第三，本文控制的影响企业创新的区域因变量来源于《城市统计年鉴》。遵循一般处理做法，对数据进行了处理：（1）剔除基本数据严重缺失的样本；（2）剔除观测期间内ST 或ST*的企业；（3）剔除同时发行B 股和H 股的企业。另外，为了避免极端异常值对回归的影响，对连续性变量进行了1%和99%水平上的缩尾处理。

3.2 变量测量

3.2.1 被解释变量

（1）创新能力指标1：企业创新质量（innovation quality）：创新质量是一个多维度复杂的概念，现有文献多以专利质量作为创新质量的直接反映［30］。Sterzi［31］、Hu 等［32］、马永军等［33］国内外学者采用了多种专利质量测量方法，例如：前向引用量、专利维持费用、发明专利占比、权利要求数量等等。基于数据的可获得性和对专利的关注，选择发明专利权利要求数量测量创新质量［34］。

（2）创新能力指标2：企业创新数量（innovation quantity）：借鉴何瑛等［35］的研究，本文采用发明专利授权数量对创新数量进行测量。

3.2.2 解释变量

（1）合作研发（joint research）：参考Kafouros等［8］的研究，以企业和高校联合申请专利的数量衡量合作研发的情况，即企业和高校在特定年份联合申请一次专利，则表示企业和高校进行了一次合作研发。考虑到产学融合效果的时效性和稳定性，本文将合作研发滞后两期。

（2）成果转化（technology transfer）：借鉴Know［25］的研究，通过识别出专利所有权由高校变更为企业的专利数量以衡量成果转化。同理，将成果转化滞后两期进行回归。

3.2.3 调节变量

为了区分验证产学融合对不同类型企业的影响，通过设立虚拟变量的方式进行分层线性回归检验。具体而言，根据样本上市公司是否为专精特新“小巨人”进行判定，将所有的样本企业分别赋值1 和0。

3.2.4 控制变量

从企业、区域两个层面对变量进行了控制，包括企业规模、员工人数、企业年龄、研发投入、研发人员、滞后发明授权专利、股权性质、经济发展水平、高校资源等。具体指标介绍如表3 所示。

表3 变量及其数据来源

3.3 模型设定

为了检验合作研发、成果转化是否能够促进企业创新数量/创新质量的提高，以及其对不同类型企业的差异化影响，通过加入解释变量、调节变量和交互项构建了两个计量模型。其中公式（1）以创新数量（QT）为被解释变量，公式（2）以创新质量（QL）为被解释变量。具体如下：

4 实证结果和分析

4.1 描述性统计与相关性分析

描述性统计结果如表4 所示。第一，非专精特新企业创新数量的均值（5.525）大于专精特新企业（3.409），且T 检验表明两类型企业具有显著差异，反映出非专精特新企业的体量优势；但专精特新企业的创新数量分布较为集中（方差比较：5.808<13.380），整体发展较为平衡。第二，专精特新企业创新质量的均值（4.444）大于非专精特新企业（3.799），具有显著差异，反映出专精特新企业对创新质量的追求和重视。第三，在产学融合方面，无论是合作研发（均值比较：0.192>0.120）还是成果转化（均值比较：0.033>0.018），非专精特新企业的合作情况都要好于专精特新企业，这可能源于高校更加倾向于与资金充实、实力强劲的大型企业合作。因此，产学融合出现了一些匹配错位现象。T检验同时表明，两类型企业在成果转化方面没有显著差异，但在合作研发方面存在较小程度的显著差异，表明样本选择时可能存在一定的选择偏差，将采用倾向得分匹配方法以缓解该问题。

表4 变量的描述性统计

主要变量之间的相关系数情况见表5。合作研发与创新数量、创新质量的相关系数分别为0.17 和0.08，且在1%的水平上显著，说明合作研发的次数越多，企业的创新数量和创新质量越高；其次，成果转化与创新数量、创新质量的相关系数分别为0.04和0.03，且在1%的水平下显著，表明成果转化越多，企业创新数量和创新质量的影响越大。另外，几乎所有变量的VIF 值都在3 以下，说明变量之间不存在多重共线性的问题。

表5 相关系数矩阵

4.2 产学融合对企业创新能力的影响分析

使用固定效应模型（FE）和分层线性回归模型（HLM）分析产学融合对企业创新能力的差异化影响，检验结果如表6 所示。

首先，加入控制变量和解释变量的基准回归结果显示，合作研发与企业创新数量的回归系数显著为正，但交互项joint_2×SADI 的系数并不显著，表明合作研发有利于企业创新数量的提高，但对两类型企业无显著差异影响，因此假设1a得到部分支持。其次，加入产学融合与SADI 虚拟变量的交互项的基准回归结果显示，成果转化与创新数量的回归系数为正，交互项transfe_2×SADI 的系数为负，表明成果转化有利于创新数量的增加，且对非专精特新企业的影响要强于专精特新企业，假设2a得到支持。

同理，合作研发和joint_2×SADI 交互项与企业创新质量的回归系数显著为正，说明合作研发促进了企业创新质量的提高，且对专精特新企业的影响显著强于非专精特新企业，因此假设1b得到支持。但是，成果转化以及交互项transfer_2×SADI 的回归系数并不显著，表明成果转化无益于创新质量的提高，且对两类型企业不具有显著差异。假设2b不支持。

为研究专精特新企业如何选择其产学融合战略，进行了单样本回归，结果见表7。未含和加入控制变量的回归结果显示，合作研发更有利于提高专精特新企业的创新数量。此外，成果转化对专精特新企业创新数量产生显著的负向影响，反映出企业对高校专利较差的吸收能力。故假设3a得到验证。同理，合作研发与专精特新企业创新质量的回归系数显著为正，且成果转化的系数不显著。可知，合作研发对专精特新企业创新质量提高的促进作用强于成果转化。同时，成果转化对专精特新企业提升创新质量的影响较小。因此，假设3b得到支持。

表7 产学融合对专精特新样本企业创新能力影响的回归结果

4.3 稳健性检验

4.3.1 倾向得分匹配（PSM）

为了减少专精特新企业（处理组）和非专精特新企业（控制组）的系统性差异，选择Logit 回归计算PSM 模型的倾向得分，并依据半径匹配（卡尺范围0.05）的方法为专精特新企业匹配非专精特新企业，经过共同取值范围限制后，得到观测值共有10 300个。其次，在经过平衡性假设检验后，标准偏差的绝对值几乎都小于5%，处理组和控制组之间不存在显著差异，匹配后结果比较可靠。使用匹配后的变量再进行回归，结果见表8。数据显示，相关变量的系数和显著性保持一致，表明研究结论稳健。

表8 研究结论的稳健性检验：倾向得分匹配法

4.3.2 变量加总法

为进一步缓解互为因果导致的内生性问题，采用过去三期的解释变量加总（joint_sum3 和transfer_sum3）与未来两期的被解释变量加总进行了回归检验，结果见表9。数据表明，解释变量和交互项的回归系数方向与显著性和主回归几乎保持一致，证明结论具有稳健性。

表9 研究结论的稳健性检验：变量加总法

4.3.3 分样本回归

前述分析内容均通过构建虚拟变量进行全样本回归，为更进一步检验回归结果的稳健性，对专精特新和非专精特新企业进行分样本回归，结果如表10 和表11 所示。通过系数比较发现，相关结论与主效应检验保持一致，说明无论是全样本还是分样本，研究结论较为稳健。

表10 研究结论的稳健性检验：分样本回归（创新数量）

表11 研究结论的稳健性检验：分样本回归（创新质量）

5 结论与讨论

5.1 研究结论

李平等［36］、宋立丰等［37］指出，专精特新企业的发展事关我国产业链、供应链的稳定性和自主性，是我国制造业掌握“硬科技”和经济实现高质量发展的关键。从专精特新企业高质量创新的战略必要性和现实需求性出发，以比较的视角探讨专精特新企业的产学融合策略，得出三点结论：

第一，合作研发对企业创新能力的提高具有正向作用，且对企业有差异化的影响。尤其在创新质量方面，合作研发对专精特新企业的影响要强于非专精特新企业，说明产学融合应当逐步向专精特新中小企业倾斜；在创新数量方面则没有显著的差异，说明合作研发对企业专利申请的速度影响不大。第二，在现阶段，成果转化对企业提高创新能力影响不大，且对不同类型企业没有显著差异，说明我国企业对高校专利的吸收能力还有待提高。第三，对专精特新企业而言，相比成果转化，合作研发对其增加创新数量和提高创新质量具有更加显著的作用。因此，专精特新企业应当寻求更多的合作研发，以破除“卡脖子”难题。

5.2 研究启示与局限

研究结论对企业制定产学融合战略和政府优化产学融合政策均有一定启示。企业层面：第一，专精特新企业要认识到自身科研的不足和约束，积极同具有强基础研究的高校建立合作，加快提高创新质量，逐步破解关键核心技术难题。第二，要选择动态的产学融合战略，根据自身的研究需求、研究能力、发展阶段等特征，选择不同的产学融合方式，在企业发展壮大的过程中适时调整。第三，大型企业也应逐步走向专精特新的道路，在产业竞争中建立不可替代的核心优势，更加充分地发挥合作研发对创新的促进作用。第四，企业现阶段应当多以合作研发的方式进行产学融合，通过学习高校研究人员的知识溢出和隐性知识，提高对技术的吸收能力，强化对高校专利的吸纳能力。

政府层面，第一，相关部门需要认识到产学融合对不同企业有差异化影响，并积极引导产学融合的方向。数据表明，高校在产学融合时优先考虑大型企业，而忽视了以专精特新企业为代表的中小企业。因此，政府部门要更加大力支持和引导高校和专精特新企业等中小企业合作，协同创新破解“四基”难题。第二，高校成果转化的专利多以任务、课题为导向，管理部门应当转变思维，鼓励高校科研人员针对企业的具体需求开展基础性研究，提高成果转化效率，促进企业创新能力的提高。

本文的研究仍存在一些不足：第一，主要研究了产学融合与（非）专精特新企业创新数量与质量的关系，但实际上专精特新企业创新是一个较为复杂多元的问题。未来可拓展对创新方向、创新策略、科研院所合作等方向的研究，以及对“卡脖子”变量的直接测量。第二，专精特新企业大多在近五年上市，因此部分数据可能会收到时间因素的影响而出现较多的缺失。未来研究可以进一步扩大研究样本，全面了解几千家国家级专精特新企业的创新发展情况。最后，重点关注了专精特新企业与非专精特新企业的对比分析以及产学融合方式的对比分析，在产学融合与专精特新企业创新的边界效应方面有所欠缺，未来研究可拓展边界研究，例如高校与企业的地理临近性。