如何提高企业创新绩效，增强其高质量创新能力，是中国经济发展的重要议题。而企业在创新活动中会面临诸多困难与挑战，包括技术的复杂性、投资的高成本和高风险等（周开国等，2017）。为解决上述难题，企业更多倾向于选择与其他机构合作研发，以共同应对日益复杂的技术变革，分摊高额的创新成本，分散创新成果不确定性带来的风险，由此合作研发成为趋势（Kamien et al.，1992；De Faria et al.，2010）。但企业与其他机构之间的合作研发能否真正帮助企业提升创新质量？对于这一议题，现有研究并未达成一致意见。为回答上述问题，本文使用 1992—2016 年第一申请人为企业的授权发明专利数据，基于联合申请数据构造合作研发指标；进一步根据申请人名称信息手动整理申请人类别，构建不同合作研发模式指标；使用剔除所有申请人自引用后的专利被引用数量衡量企业创新质量，以进行实证分析。
▪ 文献来源： 龙小宁,刘灵子,张靖.企业合作研发模式对创新质量的影响——基于中国专利数据的实证研究[J].中国工业经济,2023,(10):174-192.
▪ 数据与代码来源：《中国工业经济》编辑部 (中国工业经济 (ajcass.org)
▪ 关键词： 合作研发； 产学研合作； 创新质量； 信息共享
▪ 主要内容：本文使用 1992—2016 年第一申请人为企业的授权发明专利数据，通过手动整理申请人类别信息，构建合作研发模式指标，分析企业合作研发以及不同合作研发模式对企业高质量创新能力的影响。研究发现：整体而言，企业合作研发并不能提高企业创新质量；但将合作研发区分为不同模式后，产学研合作相比其他合作模式产生的专利被引数量更高，表明产学研合作对企业创新成果质量有显著的正向影响。在使用工具变量处理内生性问题、替换被解释变量，以及增加控制变量进行稳健性检验后，该结果仍然保持稳健。机制分析显示，产学研合作对企业创新绩效产生影响的机制是更高水平的信息共享。信息共享程度的提高能够显著提升企业创新质量，而与其他合作研发模式相比，产学研合作对信息共享的促进作用更大，因而能够显著提高合作创新质量。异质性分析揭示了产学研合作为何能够更好地促进信息共享，产学研合作中合作主体之间较弱的竞争关系，以及产学研合作技术的较强初创性和基础性特征均有利于提高合作者之间的信息共享程度。本文的研究发现揭示了产学研合作对企业高质量创新的重要性，对于中国如何建设成为创新型国家具有启示意义。
本文使用如下计量模型分析企业合作研发对企业创新质量的影响。具体地，使用模型（1）分析企业合作研发是否会对创新质量产生影响，使用模型（2）分析不同合作研发模式是否对创新质量存在差异化影响：
其中，模型（1）、（2）中的下标 i、j、s、t分别表示专利、企业（第一申请人）、技术领域和申请年份。
被解释变量 Cited_timesi，j，s，t 表示企业的创新质量，用 t年 j企业 s 技术领域 i专利剔除自引用后的被引用数量衡量。专利被引是指一件专利被后续专利的申请人或审查员引用，通常体现了两件专利在技术上的关联性。因此，某件专利的被引数越高，其与后续发明创造的关联性越强，对后续技术的贡献越大，其质量也越高。此外，学者们采用多样化的市场指标发现，专利的被引用数量与专利的市场价值显著正相关（Harhoff et al.，1999；Belenzon，2012），更有研究采用上市公司数据，估算被引数量的市值（Hall et al.，2005）。由于专利的被引数量既能反映其技术质量，也能体现其市场价值，大量研究采用该指标衡量企业的创新质量以及其创新能力（吴敏等，2021）。企业在进行连续的创新活动时，往往会引用其先前专利。有两种可能的原因：一是后续专利与先前专利具有技术上的关联性，例如后续专利改进了先前专利的技术；二是企业通过后续专利引用其先前专利的方式，“虚增”其先前专利的被引用数量，使先前专利在表面上质量更高。因而，为了消除企业内部“虚增”专利被引用数量这一行为对指标构建的影响，本文借鉴 Galasso and Schankerman（2015）的方法，在计算专利被引用数量时减去所有申请人的自引用数量，以更加准确地体现创新成果质量。在具体的指标构建中，设定专利被引用的窗口期以消除专利年龄对被引用次数的影响；将窗口期分别设定为3 年和 5 年，窗口期 3 年（或 5 年）表示该专利申请后 3 年（或 5 年）内的被引用次数。进一步地，由于专利窗口期内被引用次数具有一定的偏斜度，采用现有文献较为常见的处理方式，将专利窗口期内剔除自引用后的被引用次数加 1 并取对数（权小锋等，2020），作为企业创新质量的代理指标。
模型（1）中的解释变量 D_Coopi，j，s，t 表示 t年 j企业 s 技术领域 i专利是否属于合作研发专利，用该专利是否为企业和其他机构联合申请衡量，若该专利的机构申请人数量大于 1，该变量为 1，否则为0。《中华人民共和国专利法》（简称《专利法》）明确规定，“申请专利的权利属于完成或者共同完成的单位或者个人”，因而专利的机构申请人能够在一定程度上指代参与专利研发的机构。并且，专利申请人在专利获得授权后能作为专利权人享有一系列权利。因而，参与专利技术研发的所有机构都有激励参与专利申请，成为专利的共同申请人。因此，专利申请人数量大于 1 能够表明企业与其他机构共同参与了专利技术的研发，可以作为企业合作研发的代理指标（叶菁菁等，2021）。
为分析不同合作研发模式对企业创新质量的影响，本文在模型（2）中根据专利申请人的类型将 合 作 分 为 四 类 ：企 业 和 科 研 机 构 合 作 ，即 产 学 研 合 作（D_InsCi，j，s，t）、企 业 和 企 业 合 作（D_CorpCi，j，s，t）、企业和政府合作（D_GovCi，j，s，t），以及企业和上述多类机构合作（D_MixCi，j，s，t）。其中，企业是指以盈利为主要目标的社会组织，科研机构是指以教学或科学研究为主要目标的社会组织和事业单位，而政府机构是指以公共行政事业为主要职能的政府职能机构。具体的分类步骤如下：第一步参照寇宗来和刘学悦（2020）的专利数据清理方法整理专利申请人名称，并手动整理因为专利申请人变更名称导致同一申请人出现不同名称的数据，得到前后统一的专利申请人名称信息。第二步根据专利申请人名称中是否含有具有明确指代性的关键词，对申请人分类（庄涛和吴洪，2013）。例如，明确指代企业的关键词包括：公司，集团，株式会社，银行，矿，厂等；明确指代科研机构的关键词包括：大学、科学院等；明确指代政府机构的关键词包括：政府办公室，税务局，出入境管理局等。需要强调的是，在这一步的分类过程中，发现一些关键词并不具有明确的指代性。例如“研究院”“研究所”和“研究中心”等，在很多情况下是企业出于自身研发需要下设的机构，因而不应直接将其识别为科研机构。针对这些无法在第二步采用明确指代性关键词分类的申请人，采取第三步人工识别的方法，对申请人手动分类。最终得到所有申请人所属类别数据以及专利合作研发模式数据。
表 1 中 Panel A 和 Panel B 分别报告了模型（1）和模型（2）的回归结果。每两列分别加入不同的固定效应。其中，第（1）、（2）列加入专利第一申请人、IPC 小类以及年份的固定效应，以控制企业特征、专利技术领域特征以及时间因素对专利合作偏好和专利质量的影响。④ 第（3）、（4）列加入第一申请人、IPC 小类和年份三个固定效应的交乘项，以更加严格地控制同一企业内部不同技术领域随时间变化的特征对专利合作和被引数量的影响。例如，在不同时点，企业所在行业或地区政策发生变化、某项技术实现了技术飞跃或技术井喷，企业为应对这些变化改变其在不同领域的创新战略。这些外部环境和内部决策的改变都会影响企业对合作的偏好以及创新成果。与前两列相比，后两列能更大程度地减少可能存在的遗漏变量问题，进一步提高回归结果的准确性，是本文的基准结果。
表 1 中 Panel A 的第（3）、（4）列结果表明，同一企业在同一年份同一技术领域（IPC 小类）中合作和独立研发的授权发明专利，其窗口期内剔除自引用后的被引用数量没有显著的差异，说明两者的平均质量并没有显著区别。换言之，企业与其他机构合作研发并不能显著提高企业的创新质量。 Panel A 第（1）、（2）列和第（3）、（4）列的合作系数估计值之间存在显著差异，前两列显著为正，后两列不显著，该差异说明了识别企业合作研发与企业创新质量间因果关系的复杂性。这一复杂性重点表现为企业在特定年份对不同技术领域采取的创新策略会同时影响其合作偏好与创新表现。例如，当部分技术领域在某一年发生变革时，一些企业可能会采取扩张性的创新策略，从而更多地选择合作研发专利，同时增加当年的研发投入。当不控制三类固定效应的交乘项时，合作系数会囊括企业研发投入对专利质量的影响，进而高估合作的影响。因此，在回归分析中加入三类固定效应的交乘项至关重要，后文的实证分析均控制该组固定效应。
表 1 中 Panel B 的结果显示，产学研合作系数均在 1% 的水平上显著为正，说明产学研合作对专1822023 年第 10 期利窗口期内剔除自引用后的被引用次数始终保持显著的正向影响。以第（3）、（4）列的回归结果为例，实证发现：同一企业在同一年份同一技术领域（IPC 小类）进行专利研发，产学研合作研发的专利质量明显高于企业独立研发的专利质量；而其他三种合作研发模式产生的专利，其质量与企业独立研发的专利没有显著的差异，甚至在某些情况下，企业间合作研发的专利质量会显著更低。对比结果说明企业进行产学研合作能够显著地提高其创新质量，提升其高质量创新能力。表 1 的结果为假说 1 提供了实证支持。表 1 中控制变量对应的回归结果也符合经济学逻辑。发明人数量的系数显著为正，表明高质量人力资本投入，对企业创新质量具有显著的正向影响。此外，企业使用专利代理机构能帮助提高专利质量。该结果可能的解释为，专利代理机构能够优化专利权利要求的内容，完整展现专利的技术内容，突出其技术特点，从而提高专利被引用数量。控制变量的结果与经济学逻辑相符，进一步支持了本文模型设定与变量选择的合理性。
见推文末尾。
▪ 客服微信方式：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：
DeepData001
获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
