企业创新效率的同群效应研究：影响机制与经济后果

2025-03-07武永霞刘亦楠

现代管理科学 2025年1期

[摘要]企业创新效率是影响企业价值和长期发展的重要因素之一，行业同群创新效率会对企业个体产生影响。以2013—2022年我国A股制造业上市公司为样本，实证研究同行业创新效率对企业创新效率的影响及作用机制。研究发现：制造业企业创新效率存在显著的行业同群效应，企业个体创新效率会受到同行企业的正向影响，该结论在经过一系列稳健性检验后仍成立；作用机制研究表明，行业竞争机制和跟随学习机制是此同群效应的重要原因；调节作用分析表明在数字经济高度发展的地区、同行地理位置相对接近的地区以及非国有企业中，创新效率的行业同群效应表现得更为突出；进一步分析表明企业创新效率的行业同群效应具有经济外溢效应，不仅能提升企业自身的盈利能力，而且能激发和增强整个行业企业的盈利潜力，竞争能力强的企业创新效率行业同群效应会更强。研究结论不仅拓展了企业创新效率影响因素在同群效应方面的研究范畴，而且为企业创新决策方案的选择提供了重要指导，为健全监管机构制定创新相关的规章制度以及政府机构政策引导提供了经验证据。

[关键词]创新效率；同群效应；竞争机制；信息机制；数字经济

一、引言

我国经济已进入高质量发展阶段，创新是实现经济高质量发展的关键路径。企业作为创新活动的重要主体，企业的创新效率已成为企业的发展活力和实现价值增值的重要标志。制造业是国家经济命脉所系，加快建设制造强国是高质量发展的题中应有之义。创新作为制造业的核心，制造业高质量发展离不开创新[1]，已有关于企业创新效率的研究主要基于信号传递理论及代理冲突理论，从企业数字化转型[2]、内部权力配置[3]等企业内部视角出发，分析企业内部的因素对企业创新效率的影响。也有学者从企业社会责任[4]、外部信息来源[5]等信号传递视角分析影响企业创新效率的影响因素。已有研究主要集中在企业创新产出作为企业创新绩效的衡量标准，探究影响企业创新效率的增减的路径。而获取企业外界信息是企业创新效率的重要决定因素[6]，鲜有学者考虑企业在进行创新活动时会受到同群其他企业的外部干扰效应，对这一关系的偶然性及其背后的机制仍有待进一步探究。

根据信息模仿理论和竞争模仿理论，企业在选择投资决策时并不独立于其同行企业和竞争对手的选择。Leary等[7]认为，作为组织决策的核心参与者，企业管理人员在行为和决策过程中不可避免地表现一种同群依赖性。这种依赖性不仅是由企业本身的特性所决定的，还会受到同一群体内其他企业的行为和特点所影响。处于同一行业的投资者，往往因为共同面对行业独特的市场压力而更容易建立一种默契，行业信息的交流共享，进一步促使他们形成一致的投资观点。企业研发活动具有较强的外部性，当行业同群的创新效率较高时，会对企业个体产生无形压力进而迫使企业提升创新效率，以达到追赶目的[8]。据此，本研究采用同群效应的理论框架，深入探讨企业创新效率的行业同群效应产生的原因和其经济影响，并描述同群企业如何影响企业的创新效率机制。

本文的研究贡献和创新点主要体现在以下几个方面：（1）已有的企业创新效率研究大多基于公司自主决策视角开展，未考虑同群间的相互影响，本文是对现有企业创新效率影响因素的研究仅关注企业自身特征的补充，深入探讨企业创新效率的外界影响因素，不仅丰富企业创新效率的外部影响因素的相关研究，而且拓展“同群效应”这一理论的研究边界。（2）本文创新性地将企业个体创新效率与同群企业的创新效率连接起来，并同时验证创新效率同群效应的竞争机制和信息机制，为模仿效应的竞争理论和信息理论提供经验证据；数字经济、地理位置、企业所有制形式对企业创新效率同群效应具有重要的调节作用，表现的异质性为揭示企业创新效率知识溢出效应提供重要的理论支持。（3）研究结论不仅为各方更好地理解企业研发活动决策中同行业的互动模式，明确创新效率在微观企业层面和中观行业层面的具体作用机制，以及制定企业创新行为相关决策具有重要指导作用，而且为行业规范标准和政策制度的制定提供重要启示，以充分发挥创新在推动经济高质量发展中的驱动作用。

二、文献回顾与研究假设

1. 同群效应

Crutchfield[9]将从众定义为屈服于群体压力。这种源于集体的压迫促使个体基于集体的社会效应和他们的融入意向采取行动。同群效应是指在一定范围内的社会交往中产生的一种心理上的认同作用，即群体成员对他人态度的一致性，其存在于个体的行动被一人或更多人的互动所影响。同群效应的主要表现之一是模仿，这是一种常见的行为形式，出现在各种商业领域[10]。许多学者通过实证研究证明了同群效应的存在并确定其大小[11]。企业不会孤立地作出投资决策，企业为了降低其投资决策的风险和不确定性会模仿同群企业的投资行为和作出决策。企业投资行为受到同群效应影响的前提是存在有影响价值的同群。同群效应在企业投资决策中通过同行业效应、同地区效应和同类型企业效应产生不同的影响。

同行的信息改变了企业开展业务的方式。在作任何投资决策时，企业会观察处于类似环境中的企业行为，包括他们的竞争者的行为，一家企业的政策很大程度上取决于其同行企业的类似政策。Dougal等的[12]研究表明，企业的投资依赖于同一地理环境中同行企业的投资和现金流策略，即一家企业的投资对附近企业的投资高度敏感，甚至在行业特征上也是如此[12]。同群效应在许多企业决策中发挥重要作用，如资本结构[7]、债务期限结构[12]和税收政策[13]，社会责任行为[14]，股息支付决策[15]等。

2. 同群效应对企业创新效率的影响

模仿行为机制在同群效应中可以被划分为两大类：行业竞争机制和跟随学习机制。竞争理论主张模仿行为是一种目的在于缓解竞争压力或降低风险的响应方式。因此，当企业面临竞争者的行动时，它们常常倾向于采纳同质化的策略与竞争者的行动保持一致，从而降低竞争的激烈程度或减少潜在风险。这意味着竞争对手的行为能激励企业采取行动[16]，当具有互相可比的资源和市场地位的企业彼此面对时，模仿彼此以减轻竞争是最常见的。同群企业中大多数经济决策都存在模仿行为，尤其是在不确定性加剧的时期或在市场高度竞争的环境中，这种模仿行为可能更为常见[10]。具体而言，在企业创新领域，第一发明人可以获得先发优势和技术的一些关键专利权[15]，为了化解竞争对手抢占市场的行为，企业会跟随竞争对手的创新行动，从而使竞争对手之间的创新行为正相关[10，17]。

基于信息理论，企业所处的市场环境中的信息泄露、噪声等因素使得企业很难获得完整、真实的市场信息。因此，企业在进行管理决策时，会尽量收集外部信息，然后利用内部信息促进决策行为，从而符合“理性经济人”的假设[14]。管理层通常努力降低决策和信息收集的成本，优化可预测的决策结果。为了降低收集外部信息的成本，防止自己在决策失败后独自承担后果，管理者倾向于参考行业同群中的其他个人，并呈现类似的投资趋势。参考对象不是随机或盲目选择的。处于优势地位的企业更有可能被列为参照物和模仿对象，而相对弱势的企业往往不被过多地借鉴。这可能是因为处于优势地位的企业往往拥有更有价值的内部信息，而且其创新投资行为释放的市场信号具有更强的参考价值。相比之下，行业领导者的行为不受非领导者的影响[18]。

此外，Li等[19]发现，由于微观个体的信息获取能力有限，他们在参考自己的历史投资信息时，倾向于横向比较同类企业在同一时期的决策结果[19]。自然会有比较和学习动机，从而导致模仿行为[14]。特别是在充满不确定性的环境中，“领导者”的决定常常是重要的资讯来源[10]。与“跟随者”相比，“领导者”往往具有更多的资源，因此，在信息不对称的条件下，追随者往往更有动机去观察“领导者”的创新活动，通过观察“领导者”的创新效率改变自身创新效率以提高在市场中的竞争力[8]。基于以上分析，本文提出以下假设：

H1：企业的创新效率受到同行企业创新效率的显著影响。

3. 数字经济、地理位置、产权性质的调节作用

数字经济对企业创新效率会产生重要影响。数字经济被认为是推动经济高质量发展的重要依托[20]，数字经济的发展为企业的创新创造了有利的外部环境，包含许多领域，如互联网、云计算和大数据。随着信息技术与产业融合的深入推进，我国数字经济呈现快速发展趋势，并成为推动经济社会高质量发展的重要引擎之一。一方面，数字经济的崛起为企业提供了优化市场信息匹配的途径，数字化信息打破了传统资源供应的限制，显著提升了企业在信息检索方面的效率[18]。企业能以较低的成本获取外部信息，这可能影响企业的创新效率。数字化信息不仅能给企业带来较高的经济效益，也是实现高质量创新的关键支持[21-22]。另一方面，数字经济的兴起帮助企业降低创新成本，激励它们追求高质量的创新。在数字经济较为发达的地区，企业更容易受到与其他企业互动的影响，从而使其创新效率产生更为明显的同群效应。

地理位置对企业创新效率同样产生重要影响。Dougal等[12]认为企业的投资依赖地理上同行的投资和现金流策略，一家企业的投资对附近企业的投资高度敏感[12]。同群效应实质上是个体对群体行为的解读与模仿过程[23]。相应地，当企业与同行其他企业之间的地理距离较近，那么它就能更好地解读同群企业传递的信息。企业和其所属相同地域的同行企业都面对类似的商业环境时，更容易根据同群企业传递的信息调整自己的创新方式[23]。

产权属性对企业创新效率会产生重要影响。国有企业能够获得政府的庇护，这使其能够享受到各种优惠政策，从而为其寻租活动提供了便利条件。然而，如果国有企业在寻租活动中投入过多的精力，导致对创新的忽视[24]。因此，国有企业与民营企业相比，国有企业对外部信息的感知能力相对较弱[25]，而同群效应作为对企业外部性的影响，相较于民营企业，国有企业可能更难对行业同群行为作出反应。基于以上分析，本文提出以下假设：

H2：数字经济、地理位置、民营企业产权属性能够强化企业的创新效率受到同行企业创新效率的促进影响。

本文研究框架如图1所示。

三、数据、变量与统计分析

1. 样本选取和数据来源

本文选取了2013—2022年A股制造业上市公司的相关数据作为研究样本，其中包括财务信息、数字基础设施数据和地理位置信息，这些数据均来自CSMAR数据库。上市公司年报资料来自深交所及沪交所的官网。对原始数据做以下处理：剔除ST及PT样本；剔除部分缺少财务数据的样本；对连续变量做1%Winsorize缩尾。最后获得了18346个数据样本1，使用stata18进行处理。

2. 变量定义

（1）被解释变量

企业的创新效率（Ineff）。目前，多数文献对创新的测度可分为创新投入和创新产出。创新投入主要集中在人力和资本投入，而创新产出则考虑企业的专利的产出。本文将创新投入与创新产出相结合，可以更合理地衡量企业创新效率。因此采取Yuan等[4]的方法使用三种专利总申请量的对数Ln（1+Pat）与公司研发投入对数Ln（1+RD）之比来衡量企业的创新效率（Ineff）。此外，因发明性专利更能代表企业的创新水平，使用发明专利申请量的对数Ln（1+Inv）与公司研发投入对数Ln（1+RD）之比作为企业创新效率的代理变量衡量（Ineff2）进行稳健性检验。由于创新产出相较于创新投入具有滞后性，本文在变量构建时将公司研发投入对数Ln（1+RD）进行滞后一期操作。

（2）解释变量

同行企业的创新效率（Ineffpeer）。本文参考Leary等[7]的做法，Ineffpeer用同行业中企业个体的创新效率平均值衡量，考虑到同群特征的决定因素对企业创新效率的影响存在时滞性，本文将Ineffpeer滞后一期处理。在Ineff2的基础上采取相同方法计算得出Ineffpeer2，并将其做滞后一期处理。

（3）调节变量

地理位置（GEOP）。本文借鉴了刘静等[23]的方法，采用对同一地区的同行企业数量对其地理邻近程度进行衡量，将收集到的同一地区的同行企业数量除以100以方便呈现回归结果，其值越高代表同行企业地理邻近程度越高。

数字经济（Dig）。根据2023年由中共中央、国务院发布的《数字中国建设整体布局规划》2，数字基础设施的高效连接可以显著提高数字经济的质量和效益。因此，本文结合赵涛等[20]的方法，采用数字化基础设施来评估各个地区数字经济水平，收集不同省份的域名数、互联网宽带接入端口、互联网宽带接入用户、长途光缆线路长度四个指标，对使用PCA主成分分析法得出的值取自然对数获得数字经济（Dig）的值。

企业所有制属性（SOE）。借鉴以往研究[26]，本文将国有企业取值为1，民营企业取值为0。

（4）控制变量

本文根据以往的研究[5，27]，围绕企业创新效率设置以下控制变量：资产负债率（Lev）、企业成长性（Tobinq）、总资产净利润率（Roa）、营业收入增长率（Growth）、企业规模（size）、现金持有（Cash）；对同群企业的基本特征选取以下控制变量：平均资产负债率（Lev_peer）、平均成长性（Tobinq_peer）、平均资产净利率（Roa_peer）、平均营业增长（Growth_peer）、平均企业规模（Size_peer）、平均现金持有（Cash_peer）。此外，为了消除不同行业和年份对研究成果的潜在影响，本文除了控制个体固定效应，还控制行业固定效应和年份固定效应。

3. 模型设计

为了验证假设H1，本文借鉴Leary等[7]的模型研究同群效应对创新效率的影响。由于处于相同行业中的公司要想得到精确的资料，往往都要经过一段时间的公布，企业的现有个体特征会影响当前企业的创新效率，而同行群体特性的决定因素对企业创新效率的影响则具有一定的时滞性，因此将行业同群创新效率滞后一期。具体模型如下：

[yi，j，t=α+βy-i，j，t-1+γX-i，j，t-1+λXi，j，t+δμj+φvt+εi，j，t] （1）

[yi，j，t]是本文的被解释变量企业创新效率；[y−i，j，t−1]是本研究的主要解释变量，使用相同年份的同群企业创新效率均值进行衡量，对其进行滞后一期的操作;[X−i，j，t−1]为次要解释变量，使用同群特征变量这种外部性因素来测度对企业创新效率的影响，对其进行滞后一期的操作；[Xi，j，t]为企业个体特征变量，将其作为控制变量以控制不同企业个体的特征；[μj]代表行业固定效应；[νt]代表时间固定效应。结合本文的研究方向，使用以下模型来验证企业的创新效率受到同行企业的显著影响，Ineff和Ineffpeer分别为被解释变量和解释变量；Controlpeer为同群特征控制变量；Control为不同企业个体特征的控制变量，本研究的关注点在β系数的显著性：

[Ineffi，j，t=α+βIneffpeer-i，j，t-1+γControlpeer-i，j，t-1+λControl i，j，t+δμj+φvt+εi，j，t] （2）

为了验证假设2，构建如下模型（3），其中MR代表地理位置、产权属性，数字经济的调节作用构建模型：

[Ineffi，t=α+βIneffpeeri，t-1+β1 MR×Ineffpeeri，t-1+β2MR+γControlpeeri，t-1+λControli，t+δμj+φvt+εi，t]

四、实证结果

1. 描述性统计

描述性统计的结果如表1所示。结果显示，Ineff均值为3.4%，Ineff2均值为2.7%，结果显示，我国上市制造企业创新效率普遍较低。p25与p75都为0，再次证明创新活动具有周期长、投入大，且具有一定风险等特点[27]。此外，企业创新效率最大值为0.537，最小值为0，表明我国制造业上市企业的创新效率之间具有较大差异。

2. 回归结果

表2展示了企业创新效率与行业同群效应之间的实证检验数据。表2采用企业个体创新效率作为因变量，列（1）列（2）使用OLS模型对相关性进行估算。在第一列的基础上，第二列控制了行业层面的特征变量以消除行业层面的外生性因素对研究结果可能产生的影响。列（1）列（2）结果显示解释变量的系数均在1%的水平上显著为正。初步证明同群企业创新效率对企业创新效率具有正向影响。列（3）列（4）为固定效应模型的回归结果，列（4）在列（3）的基础上控制同行业特征变量，发现解释变量系数仍在1%水平显著为正，在使用固定效应模型消除未观察到的因素对研究结果可能造成的影响后，企业创新效率的同群效应依旧存在。

3. 稳健性检验

（1）排除竞争性假设

本文研究同群效应的假设均基于同一行业的同群企业，但在相同的地域范围里，企业面临着相似的外部条件，如营商环境、市场压力等，可能导致同一地区的创新效率趋同，这种“基于地理位置的同群效应”会对研究结论造成影响。为消除这种可能给研究结论造成的影响，模型（4）在模型（2）的基础上加入同一省份的企业创新效率均值（PartIneffpeer）作为新的控制变量，其他变量的评估方法与模型（2）保持一致。观察在排除基于相似的外部环境的影响后，创新效率的行业同群效应是否依旧显著，具体的模型如下：

[Ineffi，j，t=α+β1Ineffpeer-i，j，t-1+β2PartIneffpeer-i，j，t-1+γControlpeer-i，j，t-1+λControli，j，t+δμj+φvt+εi，j，t] （4）

模型（4）的回归结果如表3所示。列（1）列（2）结果显示在加入新的控制变量后，β1在1%水平显著为正，这表明，在控制了地区同群效应之后，企业的创新效率仍然受到行业同群效应的显著影响。列（3）（4）结果显示更换变量后，β1仍在1%水平上显著为正，这进一步证实了企业的创新效率具有显著的行业同群效应这一结论具有稳健性。

（2）样本自选择问题

为避免样本选择偏差可能会给研究造成的影响，本文使用Heckman两阶段方法对可能存在的“自选择偏误”进行调整。已有研究表明政府的补贴和企业创新效率呈正相关关系[28]。在第一阶段，选用影响企业创新效率的外生关键变量，是否获得政府补贴（ifgrants）为加入的新变量，表4列（1）结果显示，ifgrants相关系数在1%水平上显著为正，表明企业获得政府补贴与自身创新效率正相关。列（2）结果显示，imr系数在10%水平上显著，在控制了imr后Ineffpeer系数显著为正，样本选择偏误得到了有效调整之后，企业创新效率的行业同群效应仍存在，假设H1依旧成立。

五、机制检验

以上验证了创新效率的行业同群效应的存在性，但对同群效应中的行业层面到企业个体层面的作用机制尚不清晰。本部分将从竞争理论和信息理论两方面验证创新效率的行业同群效应作用机制。

1. 行业竞争机制

企业不仅需要与客户进行“讨价还价”争夺利益，还要与同行企业来争夺来自上下游的资源。在市场竞争尤为激烈的情况下，企业倾向于采取同质化策略以与其竞争者的行动保持一致，从而减轻竞争压力并降低潜在风险[10]。为了验证行业竞争机制，本文使用行业集中度作为评估市场竞争强度的指标，结合陈正林[21]的方法，将企业所处行业的企业数量大于平均值的视为竞争较为激烈，赋值为1，企业所在行业企业数量小于平均值的赋值为0。

[Ineffi，t=α+βIneffpeeri，t-1+β1Crn×Ineffpeeri，t+δCrn+γControlpeeri，t-1+λControli，t+δμj+φvt+εi，t] （5）

上式中，Crn代表行业集中度。本文使用该模型验证基于竞争理论的行业竞争机制存在性，主要关注交互项系数β1是否显著，显著则说明企业创新效率行业同群效应的行业竞争机制成立。

表5列（1）、列（2）结果显示，在控制了行业特征变量前后，β1均在5%的水平上显著为正，相应地，列（3）、列（4）结果显示，在更换变量衡量方式后，β1仍在5%水平上显著为正。结果表明在竞争激烈的行业，企业创新效率的行业同群效应会更加显著，企业创新效率同群效应的行业竞争机制结论稳健。

2. 跟随学习机制

从信息理论的角度看，学习被视为模仿的关键驱动力，特别是在高度不确定的环境中，行业领导者的决策往往成为关键的信息来源[22]。迫使追随者调整自身的创新进行追赶[8]。

为验证跟随学习机制，本文遵循以下做法来定义和处理处于同一行业的“领导者”企业和“跟随者”企业。首先，结合Leary等[7]、Adhikari等[15]的做法，分别采用同行业企业的资产负债率大小（lev）和研发投入大小（spending）作为对“追随者”“领导者”的划分标准，数值大小在同行前30%的为“领导者”，处于同行后30%的为“追随者”；其次，使用领导者和追随者新样本对同群创新效率进行重新计算；最后，使用追随者和领导者行业同群创新效率与领导者和追随者匹配使用模型（2）进行回归，其中被解释变量为追随者（领导者）的个体创新效率，解释变量为领导者（追随者）样本重新计算后得出的同群创新效率，其他变量与模型（2）保持一致。回归结果如表6所示。列（3）、列（4）解释变量系数均在5%的水平上显著为正，而列（1）、列（2）中的解释变量回归系数并不显著，表明追随企业更容易受领导企业的行为影响，证明了企业创新效率行业同群效应跟随学习机制的存在。

六、调节效应检验

1. 数字经济的调节作用

本文使用生成的Ineffpeer×Dig的交互项来探究不同地区数字经济水平对企业创新效率同群效应的调节作用，表7为加入地区数字经济调节变量后的回归结果。列（1）、列（2）回归结果显示，交互项在1%水平上显著为正，表明地区数字经济发展对企业创新效率的行业同群效有正向促进作用。在更换变量后，结果仍稳健。

2. 地理位置的调节作用

本文进一步探讨了企业与其所在的同群企业的地理位置关系如何调节创新效率的行业同群效应。参考刘静等[23]的研究，用处于同一地区1的同行企业数量来衡量地区行业同群的邻近程度（GEOP）。表8列（2）是在列（1）的基础上将行业特征变量加入回归模型作为控制变量，列（1）、列（2）结果显示，交互项的回归系数均在1%的水平上显著，表明企业与其同行企业的地理邻近度越高，其创新效率的行业同群效应就越明显。相应地，列（3）、列（4）结果显示，交互项在5%的水平上显著为正，更换变量衡量方式后，研究结果保持一致。

3. 所有权属性的调节作用

本文进一步探讨了在不同产权属性下，企业创新效率与行业同群之间的关系。参照吴娜等[26]的方法，将国有企业设为1，民营企业设为0。表9中列（1）、列（2）显示，交互项的系数都在1%水平上显著为负，表明企业创新效率的行业同群效应在非国有企业更为显著。这是因为相较于国有企业，民营企业更善于捕捉市场中的有效信号，更易受同行企业影响。在表9的列（3）、列（4）结果显示，交互项系数都在5%的水平上显著为负，证明了相较于国有企业，在民营企业创新效率的行业同群效应更为突出这一结论稳健。

七、进一步分析

1. 对企业及行业盈利的影响

本文进一步探讨企业的创新效率与行业同群效应如何对企业自身的盈利能力及行业整体盈利水平产生影响。由于知识进步“溢出”给其他企业和消费者，企业往往无法完全占有其投资成果，创新投资的社会回报超过了企业个体回报。新的或技术上优越的产品的创新创造了暂时的垄断，企业可以在产品性能改善的基础上提高价格，这种“不完全竞争”优势促进企业提高销售业绩。

创新效率提升不会对经营绩效带来立竿见影的积极影响。公司应该至少等待一年才能从运营绩效方面的创新投资中获得有益效果。本文采用营业毛利率作为企业盈利能力的衡量标准，并将企业个体毛利率提前一期，行业毛利率提前两期进行匹配。参考李秋梅等[29]的做法，本文将同群企业创新效率与企业个体创新效率的交互项Ineffpeer×Ineff加入模型中，检验企业创新效率同群效应对企业个体盈利能力以及行业整体盈利的影响。

[Profiti，j，t+1=α+β1Ineffi，j，t×Ineffpeer-i，j，t-1+β2Ineffi，j，t+β3Ineffpeer-i，j，t-1+γControlpeer-i，j，t-1+λControli，j，t]

[+δμj+φvt+εi，j，t]" " "（6）

[Ind_profiti，j，t+2=α+β1Ineffi，j，t×Ineffpeer-i，j，t-1+β2Ineffi，j，t+β3Ineffpeer-i，j，t-1+γControlpeer-i，j，t-1+λControli，j，t]

[+δμj+φvt+εi，j，t]" " " （7）

除企业个体盈利指标（Profit）和行业盈利指标（Ind_Profit）以及同群企业创新效率与企业个体创新效率的交互项（Ineffpeer×Ineff）外，其余变量均与模型（2）保持一致。在此回归中主要关注企业创新效率与同群企业平均创新效率交互项（Ineff×Ineffpeer）的系数β1，考察创新效率行业同群效应对企业和行业的盈利能力的影响。表10列（1）为企业创新效率行业同群效应与企业盈利能力的回归结果，其交互项系数在1%水平上显著为正，说明企业创新效率行业同群效应越大，企业盈利能力越强；列（2）将企业创新效率的行业同群效应与行业盈利能力进行回归，交互项系数在5%水平上显著为正，表明企业创新效率同群效应对行业整体的盈利能力具有提升作用。列（3）、列（4）结果显示在更换变量衡量方式后，交互项系数至少在5%水平上显著为正。可见，企业创新效率的同群效应产生了溢出，这种溢出效应对企业个体盈利能力和行业整体盈利能力均具有促进作用。

2. 企业竞争能力的推动作用

本部分采用营业收入的勒纳指数衡量企业在行业中的竞争能力，检验以上创新效率同群效应经济后果产生的主要原因。表11列（1）、列（3）结果显示，交互项均在5%水平上显著为正，列（2）、列（4）结果显示，在控制了行业特征变量后，交互项回归系数在5%的水平上仍显著为正。研究结果表明当企业在行业中的竞争能力越强，企业创新效率受行业同群影响越强。

八、结论与建议

1. 研究结论

本文利用2013—2022年中国上市公司的十年数据，深入探讨了企业创新效率行业同群效应的存在性、作用机制、影响要素以及经济后果。研究结果表明，企业并不是孤立进行创新投资决策的，而是受到其所属同行的直接影响，企业的创新行为会学习具有相似特征的同群企业；进一步研究模仿机制发现，一是竞争尤为剧烈的行业中，企业的创新效率受到行业内同群效应的影响更为显著，二是信息上处于劣势的追随企业，在学习动机的驱动下，更有可能跟随领导企业的创新效率调整自身创新效率；企业创新效率同群效应存在异质性，在数字经济基础较为发达的区域、同群企业地理位置相近的地区以及非国有企业中，企业创新效率的同群效应更加明显；从经济后果来看，企业创新效率行业同群效应不仅能够显著提升企业个体的盈利能力，而且产生的溢出会进一步增加行业整体的盈利能力，这可能是因为同行业中竞争能力越强的企业，创新效率的行业同群效应就越强。

2. 政策建议

企业自身层面，一是企业在作出相关创新决策时，应将同群效应视为企业创新的新的重要决定因素，尽可能地收集同行企业创新行为相关信息，广泛关注行业创新活动相关披露政策，多举措提高企业创新活动效率，激发企业创造力，充分利用行业同群效应对企业创新效率的积极影响；二是行业“追随企业”要高度关注行业“领导企业”的创新行为，通过跟随学习提升自身在整个行业中的竞争地位；三是企业决策制定者应充分考虑企业所处地区的数字经济基础建设水平，与同行的地理位置邻近程度以及企业产权属性，并将以上因素纳入创新项目评价指标体系，因地制宜地选择适合本企业创新效率提升的路径和模式，全面综合考量创新项目的可行性和盈利性，提高创新项目投资成功的可能性。

行业监管机构层面，一是由于同行企业间的竞争程度越激烈，对企业个体的创新效率会产生积极影响，但竞争程度加剧也可能带来同行间的恶性竞争，行业监管机构要制定相应的行业规范和标准，积极引导企业良性竞争，防止无序竞争和恶性竞争给整个行业及市场带来危害；二是要充分发挥行业“领导者”带头作用，监督行业“领导企业”对企业创新信息披露的及时性和准确性，充分利用企业创新效率同群效应的“溢出效应”，并最大限度地激发这种外部性，提高整个行业的创新效率，促进整个行业实现高质量发展。

政府机构层面，一是应深入贯彻实施创新发展战略，精准监测企业创新数据和创新需求，增强创新信息传递效应；二是积极推动数字经济基础建设，搭建信息共享平台，规避“信息孤岛”，增进同行业企业的地理位置邻近程度，加快新兴数字技术与制造业深度融合，促进创新效率在各行业内的“溢出效应”；三是对各行业的创新信息进行深度调研，充分掌握不同行业发展的技术能力和创新需求，通过政策制度改革作出最优支持方案，充分利用创新带动各地区实现“先富带动后富式”的共同繁荣。

参考文献：

[1] 宋静思，刘书文.推动制造业高端化、智能化、绿色化发展[N].人民日报，2024-02-25（001）.

[2] LI S， GAO L， HAN C， et al.Exploring the Effect of Digital Transformation on Firms’ Innovation Performance[J].Journal of Innovation amp; Knowledge，2023，8（1）：100317.

[3] 谭洪涛，陈瑶.集团内部权力配置与企业创新——基于权力细分的对比研究[J].中国工业经济，2019，（12）：134-151.

[4] YUAN L，ZHENG L，XU Y.Corporate Social Responsibility and Corporate Innovation Efficiency：Evidence from China[J].International Journal of Emerging Markets，2023，18（12）：6125-6142.

[5] ASIMAKOPOULOS G， REVILLA A J， SLAVOVA K.External Knowledge Sourcing and Firm Innovation Efficiency[J].British Journal of Management，2020，31（1）：123-140.

[6] FU X.How Does Openness Affect the Importance of Incentives for Innovation？[J].Research Policy，2012，41（3）：512-523.

[7] LEARY M T， ROBERTS M R.Do Peer Firms Affect Corporate Financial Policy？[J].The Journal of Finance，2014，69（1）：139-178.

[8] 刘柏，王馨竹.企业创新成果与创新质量的驱动因素研究——基于同群和竞争的视角[J].宏观质量研究，2021，9（2）：43-58.

[9] CRUTCHFIELD R S.Conformity and Character[J].American Psychologist，1955，10（5）：191.

[10] LIEBERMAN M B， ASABA S.Why do Firms Imitate Each Other？[J].Academy of Management Review，2006，31（2）：366-385.

[11] ALI-RIND A，BOUBAKER S，JARJIR S L.Peer Effects in Financial Economics：A Literature Survey[J].Research in International Business and Finance，2023，64（5）：101873.

[12] DOUGAL C，PARSONS C A，Titman S.Urban Vibrancy and Corporate Growth[J].The Journal of Finance，2015，70（1）：163-210.

[13] BIRD A，EDWARDS A，RUCHTI T G.Taxes and Peer Effects[J].The Accounting Review，2018，93（5）：97-117.

[14] CAO J，LIANG H，ZHAN X.Peer Effects of Corporate Social Responsibility[J].Management Science，2019，65（12）：5487-5503.

[15] ADHIKARI B K， AGRAWAL A.Peer Influence on Payout Policies[J].Journal of Corporate Finance，2018，48（2）：615-637.

[16] PACHECO D F，DEAN T J.Firm Responses to Social Movement Pressures： A Competitive Dynamics Perspective[J].Strategic Management Journal，2015，36（7）：1093-1104.

[17] ANAND J，MESQUITA L F，VASSOLO R S.The Dynamics of Multimarket Competition in Exploration and Exploitation Activities[J].Academy of Management Journal，2009，52（4）：802-821.

[18] 顾丽敏，张骁.数字经济驱动企业商业模式创新的动因、机理与路径[J].南京社会科学，2023（12）： 36-43.

[19] LI C，WANG X.Local Peer Effects of Corporate Social Responsibility[J].Journal of Corporate Finance，2022，73（5）：102187.

[20] 赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.

[21] 陈正林.客户集中、行业竞争与商业信用[J].会计研究，2017（11）：79-85.

[22] KAUSTIA M， RANTALA V.Social Learning and Corporate Peer Effects[J].Journal of Financial Economics，2015，117（3）：653-669.

[23] 刘静，王克敏.同群效应与公司研发——来自中国的证据[J].经济理论与经济管理，2018（1）：21-32.

[24] 毕晓方，翟淑萍，姜宝强.政府补贴、财务冗余对高新技术企业双元创新的影响[J].会计研究，2017（1）：46-52.

[25] 董晓庆，赵坚，袁朋伟.国有企业创新效率损失研究[J].中国工业经济，2014（2）：97-108.

[26] 吴娜，白雅馨，安毅.主动模仿还是被动反应：商业信用同群效应研究[J].南开管理评论，2022，25（3）：149-161.

[27] 张云，方霞，杨振宇.数字金融、企业风险承担与技术创新[J].系统工程理论与实践，2023，43（8）：2284-2303.

[28] 杨欢，李香菊.政府创新补贴对企业创新效率的影响效应及机制识别研究[J].管理学报，2023，20 （4）：558-567.

[29] 李秋梅，梁权熙.企业“脱实向虚”如何传染？——基于同群效应的视角[J].财经研究，2020，46（8）： 140-155.