地理距離、子公司治理與企業內專利分布——基于中國上市公司的實證研究

何文龍 沈 睿

?

地理距離、子公司治理與企業內專利分布——基于中國上市公司的實證研究

何文龍1沈 睿2

（1. 對外經濟貿易大學國際商學院 北京 100029）（2. 北京大學光華管理學院 北京 100871）

本文結合知識搜尋視角與委托-代理理論，綜合考察了母公司到技術中心的相對距離與母子公司治理關系對企業內部研發結構的影響。通過構建“中國上市公司專利數據庫”，并分析832家上市公司2000至2010年的研發結構，我們發現，母公司離技術中心越遠，企業越傾向于建立分散式的研發結構；而母公司對子公司的所有權越大，或子公司對母公司的依賴程度越深，企業越少建立分散式的研發結構；并且，所有權與依賴程度都會削弱距離與分散式研發結構的正向關系。

研發結構 專利分布 地理距離 子公司治理 委托-代理理論

一、引 言

過去二十年，中國的創新經歷了舉世矚目的高速增長。中國創新的飛速發展不僅受益于制度保障與政策鼓勵，也歸功于以企業為代表的創新主體自身的努力，不但在創新投入方面逐年增加，而且不斷優化自身研發結構。以華為技術有限公司為例，過去十年，其研發投入累計超過1900億人民幣，其中，2014年研發投入408億人民幣，較2013年增長29.4%（深圳特區報，2015年4月1日）。就其內部研發結構而言，為了提高研發效率，華為早在1995年便建立了“中央研發部”（簡稱中研部）。中研部通過對各業務部門的研發工作提供規劃指導、信息交流、人才交換，提高了各業務部門新產品研發的穩定性，并促進了各部門之間技術共享。因此，中研部的成立增強了華為的創新能力（張利華，2009）。

近年來，企業內部的研發結構吸引了越來越多學者的關注。研究發現，不同的企業可能選擇不同的研發結構。一些企業傾向于將研發活動更多地集中在母公司或總部進行，建立“集中式”的研發結構；而另一些企業卻選擇將研發活動授權給下級子公司或者各業務部門，建立“分散式”的研發結構。針對企業內部研發結構的差異，現有文獻主要考察了其對創新活動的影響，例如，對研發投入的影響（Arora et al, 2014）、對不同類型創新活動的影響（Leiponen和Helfat, 2011），以及對創新質量的影響（Lahiri, 2010）。這些文獻雖然突出了研發結構的重要性，但均把研發結構當作企業既有的稟賦，忽視了對其前因的考察，即哪些因素可能導致企業選擇不同的研發結構。為數不多的幾篇有關研發結構決定因素的文章單純地從組織因素（例如Ecker et al, 2013）或知識因素（例如Kafouros et al, 2012）的角度展開討論，卻未綜合考察二者如何共同影響企業研發結構的設計，因而缺乏一個完整的理論框架。此外，相關研究的發展與完善還受到數據可獲得性的制約。由于缺乏企業內部研發結構的縱向數據，現有研究主要依賴小樣本的問卷數據（例如Argyres和Silverman, 2004；Ecker et al., 2013），或者將某一年的母子公司名錄與其他年份的兼并收購數據結合起來，從而間接推斷母子公司關系及企業內部的研發結構（例如，Arora et al., 2014）。類似小樣本的橫截面數據容易受到內生性問題的干擾，從而導致現有研究結論存在一定分歧。總之，現有文獻尚未對企業內部研發結構的決定因素形成充分認識。

考慮到研發結構的重要性，本研究將整合知識搜尋視角（Knowledge Sourcing Perspective）與委托-代理理論（Agency Theory）的觀點，綜合考察知識因素（即獲取外部新知識）與組織因素（即降低子公司研發活動的監督成本）對企業研發結構產生的影響，從而彌補現有文獻的缺陷。為了檢驗理論假說，本研究將中國上市公司及其子公司名錄與中國專利數據庫進行匹配，建立了獨特的“中國上市公司專利數據庫”，并利用專利申請在母子公司之間的分布信息客觀、準確地衡量企業內部的研發結構（Arora et al，2014）。采用最小二乘（OLS）回歸以及雙重設限杜賓模型（two-limit Tobit Model），本研究進行了嚴格的實證檢驗。

二、理論假設

（一）知識搜尋戰略與研發結構

獲取外部知識對企業創新具有明顯的促進作用（Cohen和Levinthal, 1990）。為了獲取新知識，企業往往會采取“基于自身的互補性擴張”（home-base-augmenting）戰略，跨地域邊界搜尋外地知識以豐富自身知識儲備（Almeida和Phene, 2004；Tallman和Phene, 2007）。技術中心作為一種知識“集群”（agglomeration），不僅能為周邊企業提供知識型人才、低成本勞動力和便捷的中介服務，還能產生知識溢出效應，因此成為企業獲取外部知識的重要途徑。

然而，知識具有一定的地域粘性。即使是在企業內部母子公司之間，跨地域傳遞知識也會產生較高的成本，并導致知識損耗與失真（Tallman和Phene, 2007； Von Hipple, 1994）。因此，受地理距離的限制，知識溢出效應僅僅對技術中心附近的創新活動有影響。隨著地理距離的增加，知識溢出對創新的促進作用會不斷減小。于是，當企業離技術中心較遠時，更傾向于將研發活動授權給技術中心附近的子公司，或在技術中心附近建立新的子公司。這些子公司不僅更容易從技術中心的溢出效應中獲取新知識，而且能更好地嵌入當地商業、技術和社會關系網絡中，獲得相應的互補性資源（Almeida和Phene, 2004）。

綜上所述，母公司距離技術中心越遠，企業越有可能選擇分散式的研發結構。

假設1：相較于子公司到技術中心的地理距離，母公司到技術中心的距離越遠，企業越傾向于建立分散式的研發結構。

（二）母子公司治理關系與研發結構

前人的研究揭示，組織內部的治理結構會影響其創新活動（相關文獻綜述，請參考Ahuja et al, 2008）。因此，本研究接著考察企業內部母子公司的治理關系對研發結構的影響。參照前人關于母子公司關系的研究，本研究擬采用委托-代理的理論視角，并據此提出研究假說。

根據委托-代理理論（Jensen和Meckling, 1976），母公司向子公司分派研發任務，并授予子公司一定的研發自主權，因此，母公司充當了“委托人”的角色。相應地，子公司接受母公司的授權，并根據母公司的需求開展研發活動，因此，子公司被視為“代理人”。當母子公司在研發活動中存在利益沖突或目標不一致時，便可能出現委托-代理問題。具體地，從研發活動的類型來看，母公司傾向于開展非針對性的基礎研發，因為基礎研發的成果可以應用于企業各部門、各子公司，從而帶來“協同效應”。相反地，子公司由于更靠近終端市場，更易受到客戶需求的影響，因此傾向于開展針對性較強的應用型研發活動，但其研發成果很難應用于企業其他部門，或使其他子公司廣泛受益（Argyres和Silverman, 2004；Leiponen和Helfat, 2011）。從研發活動的目標來看，子公司往往只考慮自身而非整個企業的創新績效，且各子公司經理人之間因為升職或資源分配存在競爭關系，因此子公司之間很難實現研發成果的共享。這加劇了母子公司在研發活動中的利益沖突。于是，企業有必要通過建立合理的研發結構來克服母子公司間的利益沖突。

隨著母公司所有權的增加，子公司研發活動中的委托-代理問題會愈發突出。具體而言，當母公司對子公司的所有權較少時，母公司僅將子公司視為其投資組合的一部分，而很少考慮利用子公司的研發活動促進企業整體創新。此時，子公司研發活動的自由度較大，整個企業呈現出分散化的研發結構。隨著母公司對子公司所有權比例的逐漸增加，母公司不再簡單地把子公司視為其投資組合的一部分，而是更多地發揮子公司的研發與創新功能。于是，母子公司之間由研發活動帶來的委托-代理問題逐漸突顯。而且，隨著母公司對子公司投入的增加，子公司在研發活動中的機會主義行為給母公司帶來的損失也相應增加。因此，為了規避風險和降低監督成本，隨著母公司對子公司所有權的增加，企業更傾向于把研發活動集中到母公司內部開展。

綜上所述，我們提出如下假設。

假設2：母公司對子公司所有權的增加使企業更傾向于建立集中式的研發結構。

（三）知識搜尋戰略與母子公司治理關系的交互作用

由以上論述可知，企業內部研發結構的設計將分別受到其外部知識搜尋戰略與內部母子公司治理關系的影響。那么，二者之間存在著怎樣的交互作用呢？

一方面，雖然母公司將研發活動授權給距離技術中心較近的子公司有助于更好地利用知識溢出促進創新，但子公司的信息優勢導致母子公司之間出現信息不對稱。根據委托-代理理論的觀點，信息不對稱會增加監督的難度和成本（Jensen和Meckling, 1976）。這即是說，當子公司獲取知識溢出效應的同時，母公司監督子公司研發活動的成本和難度也相應增加了，從而增強了企業建立集中式研發結構的動機。另一方面，隨著母公司對子公司所有權的增加，母子公司之間的聯系變得更加緊密，從而有利于母子公司之間的知識傳遞。母公司可以更有效地利用子公司獲取技術中心的知識溢出，再將這些新知識以最低的成本傳遞回母公司，以促進母公司的研發和創新。

綜上所述，考慮到監督成本的提高和知識傳遞成本的降低，給定母子公司與技術中心之間的相對距離，隨著母公司對子公司所有權的增加，企業更傾向于把研發活動集中到母公司內部開展，建立集中式的研發結構。

假設3：所有權增加將削弱距離與分散式研發結構之間的正向關系。

（四）母子公司依賴關系與研發結構

企業研發結構的設計還與子公司對母公司的依賴程度有關（Arora et al., 2014；Ecker et al., 2013；王玨等, 2010）。具體而言，子公司對母公司的依賴程度越低，表示子公司自身具備較強的研發與創新能力。于是，企業可能將研發活動更多地授權給子公司，從而建立較為分散的研發結構。相反地，子公司對母公司的依賴程度越高，則表明其越缺乏獨立開展研發活動的能力。于是，企業傾向于將研發活動集中到母公司內部進行，從而建立集中式的研發結構。

由此，我們提出如下假設。

假設4：子公司對母公司的依賴導致企業更傾向于選擇集中式的研發結構。

（五）知識搜尋戰略與母子公司依賴關系的交互作用

企業對外部知識的搜尋戰略與母子公司的依賴關系之間也存在著一定的交互作用。具體地，子公司對母公司的依賴程度越高，則表明母子公司之間的聯系越緊密。于是，子公司可通過正式或非正式的聯系將新獲取的知識順利傳遞給母公司（Von Hipple, 1994），以便母公司更有效地開展研發和創新活動。此時，企業更可能選擇集中式的研發結構。

假設5：子公司對母公司的依賴將削弱距離與分散式研發結構之間的正向關系。

三、研究設計

（一）數據與樣本

為了檢驗本文的理論假說，我們按照美國學者Hall，Jaffe和Trajtenberg（2001）為匹配美國專利數據與上市公司信息而設計的方法，將國家知識產權局（State Intellectual Property Office）提供的中國專利數據與萬德資訊（WIND）提供的中國上市公司及其子公司名錄（Corporate Tree）進行了匹配，從而建立了“中國上市公司專利數據庫”。①

緊接著，我們將匹配成功的專利數據按照股票代碼和年份信息加總到上市公司層面，從而形成了企業層面的面板數據。由于中國企業從2000年開始大規模申請專利，因此本研究將樣本觀測期的起點設定為2000年；同時，考慮到中國專利從申請到授權平均需要4年時間，于是我們將樣本觀測期的結點設定為2010年，從而避免引起“截斷問題”。此外，金融和保險行業很少開展技術創新與專利申請活動，且受到政府的嚴格監管，因此，我們參考了前人研究的一貫做法（例如，余琰等，2014），剔除了樣本中的金融和保險類上市公司。最終，本研究的樣本包含832家上市公司，共計5,602條“企業-年份”觀測記錄。

（二）變量定義

因變量：我們借鑒了Arora等（2014）提出的方法，利用專利申請在母子公司之間的分布來衡量企業的研發結構。具體而言，基于上市公司母子公司名錄和匹配成功的專利數據，我們能夠識別哪些專利是由母公司“集中”申請的，哪些是由“分散”的子公司申請的。據此，我們計算了某上市公司某年由子公司申請的專利的比例。子公司申請專利的比例越高，則表明該企業內部的研發結構越分散；反之越集中。圖1通過對比普天集團與海信集團的專利分布，直觀地展示了企業內部集中式與分散式的研發結構。為了進一步證實該測量方法在中國情景下的有效性，我們針對不同行業、不同企業的研發人員、知識產權律師，以及企業高管等分別展開訪談。例如，在訪談中國彩電行業的龍頭企業——康佳集團時，一名高管人員透露，康佳內部實行“誰發明誰申請”的規則，因此專利分布很大程度上體現了康佳集團內部研發活動的結構。由此可見，業界人士也充分認同專利分布與企業內部研發結構的對應關系，從而提高了該測量在中國情景下的有效性。

圖1 企業內部不同的專利分布模式

A: 分散式的專利分布 B: 集中式的專利分布

注：普天集團92%的專利申請來自其子公司，而海信集團87%的專利申請來自集團總部。截至2010年末，普天集團共申請專利1255件，海信集團共申請專利2091件。兩家企業隸屬于同一行業（即電子和通訊設備制造業），具有相同性質的所有權（即國有企業），且子公司數量相同（均有9家下屬子公司）。本圖系作者根據匹配后的上市公司專利數據庫繪制。

自變量：為了衡量企業對外部知識的獲取，我們計算了母公司（即上市公司本身）到技術中心的相對距離。具體步驟如下。首先，我們根據匹配成功的上市公司專利數據庫和國際專利分類代碼（International Patent Class，IPC）找出每家上市公司申請專利數量最多的4位（4-digit）技術分類，并認定此類技術即是該上市公司的主要技術（Main technology）。同時，我們利用國家知識產權局公布的近500萬條專利申請（截止到2010年12月31日），算出每一類4位技術對應的專利申請最多的省份，并認定該省份即是此類技術在全國范圍內的中心。第二步，利用“大圓距離”的算法，我們計算上市公司所在的城市到相應技術中心省會城市的地理距離，從而得到母公司到技術中心的距離。類似地，我們接著計算出該上市公司每家子公司所在城市到上述省會城市的地理距離，然后利用該上市公司在每家子公司的投資額進行加權平均，從而得到子公司到技術中心的平均距離。第三步，將母公司到技術中心的距離除以子公司到技術中心的平均距離，從而得到母子公司到技術中心的相對距離。如果比值大于1，說明母公司到技術中心的距離比子公司到技術中心更遠；反之亦然。根據描述，上述算法可用如下公式表示：

母公司到技術中心的相對距離=

其中，下標i, t, k分別表示上市公司i，年份t，以及子公司k。可見，該變量數值在不同年份隨著技術中心的遷移、子公司的新建或剝離，以及母公司對子公司投資額的變化而改變。

為了衡量母子公司的治理關系，我們利用上市公司對子公司的投資額計算出母公司對子公司的平均持股比例。具體而言，我們先將某上市公司某年對其所有子公司的投資額進行加總，然后除以該上市公司當年所有子公司資產的總和。用公式表示如下：

其中，下標i, t, k分別表示上市公司i，年份t，子公司k。該變量數值在不同年份隨子公司的新建或剝離、母公司對子公司投資額的變化而改變。

為了衡量子公司對母公司的依賴程度，我們利用了上市公司與子公司之間的關聯交易信息。根據中國證監會的規定，上市公司與其子公司屬于關聯方，上市公司有義務規范披露其與子公司之間的一切交易事項。參考前人的研究（例如，Jia et al，2013），我們計算了某上市公司某年與其所有子公司的關聯交易總額，并除以該上市公司當年的資產總額，從而生成了變量子公司對母公司的依賴程度。之所以采用母子公司關聯交易的總額，而未進一步區分母子公司雙方的交易地位（買方或者賣方），是因為子公司對母公司的依賴既有可能通過廉價購買母公司提供的各種原材料來實現（即作為買方），也有可能通過高價向母公司出售其產品來實現（即作為賣方）。由于關聯交易的貨幣單位并不統一，在計算過程中，我們先按交易當年的匯率將貨幣統一為人民幣，再進行加總。此外，之所以除以上市公司當年的資產總額，是因為相比于交易絕對額，相對額度更能反映子公司對母公司的依賴程度，且便于不同規模、不同行業的企業進行比較。

為了檢驗假設3和假設5提出的交互作用，我們先將上述3個自變量按其均值進行中心化處理，以降低共線性，再交叉相乘生成交互項，即母公司到技術中心的相對距離*母公司對子公司的持股比，母公司到技術中心的相對距離*子公司對母公司的依賴。

控制變量：我們將前人研究中的重要變量，以及其他可能影響企業研發結構的因素均納入模型中進行控制。首先，現有研究表明，如果企業的業務分布于多地，則企業更傾向于采取分權模式管理（Leiponen和Helfat, 2011）。為了控制企業業務的地域分布對其研發結構的影響，我們將其作為控制變量納入模型中。該變量的計算采用了布勞指數（Blau index, Blau, 1977），具體算法如下：

其中，下標i, t, m分別表示上市公司i，年份t，和城市m；Nitm表示上市公司i第t年在城市m的子公司個數，Nit表示上市公司i第t年的子公司總數。

接著，我們控制了上市公司的所有權性質。根據國泰安數據庫（CSMAR）提供的上市公司“最終控制人信息”，若最終控制人為政府及其機關單位、或上級國有企業，則編碼為1，否則編碼為0。此外，為了控制企業多元化對研發結構的影響（Argyres和Silverman，2004），我們根據上市公司在不同的2位（2-digit）行業的投資情況，①計算了其業務分布的熵值，并將其納入模型作為控制變量。具體計算公式表達如下：

其中，下標i, t, l分別表示上市公司i，年份t，和2位行業l；Pitl代表上市公司i第t年在行業l中的投資額占其當年總投資額的比例。

第四，上市公司本身的組織結構（即獨立企業vs.企業集團）也會對其研發結構產生影響（Argyres, 1996；Leiponen和Helfat，2011）。因此，我們計算了上市公司每年的全資子公司比例，并將其納入控制變量中。對于獨立企業來說，該變量的取值為0。第五，上市公司的股權結構也可能對其研發結構產生影響。根據委托-代理理論，股權結構越集中，股東對公司的治理能力越強（Jensen 和 Meckling，1976）。因此，我們計算了上市公司每年前十大股東的股權集中程度，并將其納入模型中進行控制。第六，現有研究表明企業的財務特征會對其研發活動產生影響（Hall，2002），因此我們在模型中控制了上市公司的財務績效，即資產回報率。第七，已有文獻指出，企業技術多元化的程度對其研發結構的設計有影響（Argyres，1996）。因此，在本研究中，我們的模型亦控制了企業的技術多元化。按照文獻中較為常見的方法（例如Miller，2006），我們利用上市公司專利在不同技術門類中的分布，①來計算其技術多元化的熵值。具體算法如下：

根據配置模型公式(6)與(7)與求解步驟，經過三次賦值，得出江蘇省各地區醫療衛生資源床位數與醫生數的現狀年(2016年)最優配置方案，如表1所示。

其中，下標i, t, c分別表示上市公司i，年份t和技術門類c；Pitc表示上市公司i第t年在技術門類c中的專利比例。該變量的數值越大，表示上市公司的技術多元化程度越高。

此外，我們還控制了上市公司的年齡（即觀測年份減去上市公司成立年份的差，再取自然對數值），以及上市公司的規模（即上市公司當年總資產的自然對數）。最后，我們在模型中加入了年份啞變量、企業啞變量，用于控制不隨時間變化的宏觀因素、企業屬性等對研發結構的影響。

（三）研究模型

本研究的回歸模型設定如下：

研發活動的分散化程度=0+1母公司到技術中心的相對距離

+2母公司對子公司的持股比例

+3母公司到技術中心的相對距離

*線公司對子公司的持股比例

4子公司對母公司的依賴

5母公司到技術中心的相對距離

*子公司對母公司的依賴+X

其中，0為常數項，1到5為我們感興趣的回歸系數，向量Xit代表所有的控制變量，Fi表示企業固定效應，t表示年份固定效應，it表示殘差項。

我們首先運用最小二乘回歸作為主要分析。在面板數據的最小二乘回歸中，由于殘差項序列相關，因此即使加入企業固定效應和年份固定效應也無法克服標準誤差被低估的問題。于是，我們采用了文獻中計算面板數據標準誤差更保守的方法，即在控制企業固定效應和年份固定效應的前提下，將標準誤差聚合到企業層面（Bertrand et al, 2004）。

此外，由于因變量的上限為1，下限為0，因此，作為穩健性檢驗，我們采用了雙重設限杜賓模型對數據再次進行分析（Argyres和Silverman, 2004）。考慮到固定效應條件下杜賓模型估計值不穩定（Cameron和Trivedi，2005），且標準誤差可能被低估（Greene, 2004），于是，我們采用了隨機效應的杜賓模型進行回歸。其優勢在于可以納入不隨時間改變的變量，比如行業固定效應，從而降低企業特定效應的誤差方差。

另外，在穩健性檢驗中，我們還采用了因變量的滯后值考察自變量在1年后、2年后對因變量的影響，從而有助于克服反向因果關系導致的內生性問題。

四、結果匯報

表1 描述性統計與相關系數表

注：絕對值大于0.02的相關系數在p<0.05的統計水平上顯著。

表1匯報了所有變量的描述性統計值以及變量間的相關系數。表2匯報了固定效應普通最小二乘（Fixed-Effects OLS）的回歸結果。共線性檢驗結果顯示，方差膨脹因子（VIF）的值為1.25，顯著低于警戒值10.00，從而說明我們的模型不存在多重共線性的問題。

表2模型1中，母公司到技術中心的相對距離的回歸系數為正，且在0.01的統計水平上顯著，表明當母公司到技術中心的距離越遠時，母公司越有可能將研發活動授權給離技術中心較近的子公司，從而形成分散式的研發結構。這一發現與假設1中的理論預測一致，因此假設1得到了實證支持。進一步地，我們利用Stata軟件的“margins”命令計算該變量的效應值（Williams, 2012）。結果顯示，母公司到技術中心的相對距離每增加一個標準差，則導致企業內部研發結構的分散化程度提高4.38%（dy/dx=0.0438）。緊接著，母公司對子公司的持股比例的回歸系數為負，且在0.05的統計水平上顯著，這表明隨著母公司對子公司的持股比例不斷提高，企業研發結構分散化的程度不斷降低。因此，假設2也得到了實證支持。我們進一步計算了該變量的效應值。結果顯示，母公司對子公司的持股比例每增加一個標準差，則導致企業內部研發結構的分散化程度降低7.58%（dy/dx=-0.0758）。最后，子公司對母公司的依賴回歸系數為負，且在0.05的統計水平上顯著，表明隨著子公司對母公司依賴程度的提高，母公司逐漸減少對子公司研發活動的授權。因此，假設4也得到了實證支持。效應值的計算結果顯示，子公司對母公司的依賴程度每增加一個標準差，則導致企業內部研發結構的分散化程度降低4.91%（dy/dx=-0.0491）。

表2模型2加入了交互項母公司到技術中心的相對距離*母公司對子公司的持股比例，用來檢驗假設3。結果顯示，該交互項的回歸系數為負，且在0.05的統計水平上顯著。這表明，雖然母公司到技術中心的相對距離越遠，企業越有可能建立分散式的研發結構，但是隨著母公司對子公司所有權的增加，企業會更多地將研發活動集中在母公司內部，從而削弱相對距離對研發結構的影響。假設3得到了支持。模型3納入交互項母公司到技術中心的相對距離*子公司對母公司的依賴，用以檢驗假設5。結果顯示，其回歸系數為負，且在0.05的統計水平上顯著。這表明，雖然母公司離技術中心越遠，企業越傾向于建立分散式的研發結構，但是隨著子公司對母公司的依賴程度提高，企業更多地將研發活動集中在母公司內部，從而削弱相對距離對研發結構的影響。假設5也得到了實證支持。模型4作為全模型，包含所有變量。各變量的回歸系數及顯著性水平與獨立模型中的系數一致。從而驗證了回歸結果的穩健性。

表2 影響企業研發結構的因素：固定效應OLS回歸分析

續表2

因變量：研發結構的分散化程度 　模型1模型2模型3模型4 企業固定效應是是是是 常數項0.531（0.088）***0.551（0.088）***0.524（0.088）***0.544（0.088）*** 企業數量832832832832 樣本量5602 5602 5602 5602 R20.689 0.736 0.720 0.760

注：***、**、*分別表示在1%、5%、10%的水平下顯著。

作為穩健性檢驗，我們進行了一系列補充分析。表3匯報了雙重設限杜賓模型的結果。結果顯示，采用杜賓模型的回歸結果跟普通最小二乘的回歸結果高度一致。此外，采用因變量的滯后值得到的回歸系數與表2中的系數高度一致（限于篇幅，有關滯后1年、2年的回歸結果，感興趣的讀者可向作者索取），排除了反向因果關系的存在。綜上，實證結果在不同的回歸模型中具有高度穩健性。

表3 影響企業研發結構的因素：隨機效應Tobit回歸分析

注：***、**、*分別表示在1%、5%、10%的水平下顯著。

五、討論與結論

本文通過構建中國上市公司及其子公司的專利數據庫，探討了外部知識獲取與內部母子公司關系對企業內部研發結構的影響。結果顯示，當母公司到技術中心的距離相比子公司更遠時，企業更傾向于將研發活動授權給子公司，從而建立分散化的研發結構。這一發現與“基于自身的互補性擴張”的觀點一致。此外，結果還顯示，隨著母公司對子公司所有權的增加，或者子公司對母公司依賴程度的增加，企業的研發結構會變得越來越集中。這印證了“委托-代理理論”的觀點，即為了降低研發活動的風險和對子公司的監督成本，企業傾向于將研發活動集中到母公司內部開展。結果還顯示，相對距離與子公司治理之間還存在著交互作用，母公司對子公司的所有權控制和子公司對母公司的依賴會削弱由距離差異造成的分散式研發結構。

本研究的貢獻主要有以下幾點。首先，本研究通過考察企業外部知識搜尋戰略與內部子公司治理在研發結構的設計中發揮的重要作用，補充了現有的關于企業研發結構決定因素的文獻。更重要的是，作為“戰略——結構——績效”這一經典管理議題在企業研發領域的具體應用，本研究的結論深化了學者們對“戰略與組織結構關系”的理解。第二，本研究突破了現有文獻中的數據瓶頸，在實證方法上亦有重要貢獻。具體地，本研究將專利信息與上市公司母子公司名錄進行了嚴格的匹配，建立了有關企業內部研發結構的面板數據，從而有效克服了各種內生性問題。該數據庫的建立與共享將極大地促進中國創新研究的進一步發展。第三，現有關于企業研發結構的文獻主要關注歐美發達國家的企業，而忽視了來自新興經濟體的企業。然而，過去十年里，不少新興經濟體的企業，如華為、海爾，大力提高了自身的研發與創新能力，因此，新興經濟體企業的創新活動值得學術界關注和重視。本研究以中國上市公司為樣本，因而豐富了有關新興經濟體企業創新研究的文獻。

總之，企業研發結構的決定因素這一議題值得更多學者的關注和探討，尤其是在“大眾創新、萬眾創業”的新經濟形勢下。研究如何正確設計企業的研發結構不但能為經理人提供實踐指導，還能進一步豐富和發展管理理論。

1. 王玨、林肇宏、熊立：《跨國公司子公司自主權決定因素及其技術貢獻研究——基于369家在華外資企業的實證研究》[J]，《管理世界》2010年第5期。

2. 余琰、羅煒、李怡宗、朱琪：《國有風險投資的投資行為和投資成效》[J]，《經濟研究》2014年第2期。

3. 張利華：《華為研發》[M]，機械工業出版社，2009年。

4. Ahuja, G., Lampert, C. M., Tandon, V., 2008, “Moving Beyond Schumpeter: Management Research on the Determinants of Technological Innovation” [J],, Vol. 2, No.1:1-98.

5. Almeida, P., & Phene, A., 2004, “Subsidiaries and Knowledge Creation: The Influence of the MNC and Host Country on Innovation” [J],Journal, Vol.25, No.8-9: 847-864.

6. Argyres, N., 1996, “Capabilities, Technological Diversification and Divisionalization” [J],, Vol.17, No.5: 395-410.

7. Argyres, N.S., & Silverman, B.S., 2004, “R&D, Organization Structure, and the Development of Corporate Technological Knowledge” [J],, Vol.25, No.8-9: 929-958.

8. Arora, A., Belenzon. S., Rios, L.A., 2014, “Make, Buy, Organize: The Interplay between Research, External Knowledge, and Firm Structure” [J],, Vol.35, No.3: 317-337.

9. Bertrand, M., Duflo, E., Mullainathan, S., 2004, “How Much Should We Trust Differences-in-Differences Estimates?” [J],, Vol.119, No.1:249-275.

10. Blau, P. M., 1977, “Inequality and Heterogeneity: A Primitive Theory of Social Structure”[M], New York: Free Press.

11. Cameron, A. C., & Trivedi, P. K., 2005, “Microeconometrics: Methods and Applications”[M], Cambridge, United Kingdom: Cambridge University Press.

12. Cohen, W. M., & Levinthal, D. A., 1990, Absorptive Capacity: A New Perspective on Learning and Innovation”[J],, Vol.35, No.1:128-152.

13. Ecker, B., S. van Triest, and C. Williams. 2013. “Management Control and the Decentralization of R&D”[J],, Vol.39, No.4: 906-927.

14. Greene, W., 2004, “Fixed Effects and Bias Due to the Incidental Parameters Problem in the Tobit Model”[J],, Vol.23, No.2: 125-147.

15. Hall, B. H., 2002, “The Financing of Research and Development”[J],, Vol.18, No.1:35-51.

16. Hall, B. H., Jaffe, A. B., Trajtenberg, M., 2001, “The NBER Patent Citation Data file: Lessons, Insights and Methodological Tools (No. w8498)”[D]. National Bureau of Economic Research.

17. Jensen, M. C., & Meckling, W. H., 1976, “Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure”[J],, Vol.3, No.4: 305-360.

18. Jia, N., Shi, J., Wang, Y., 2013, “Coinsurance within Business Groups: Evidence from Related Party Transactions in An Emerging Market”[J],, Vol.59, No.10: 2295-2313.

19. Kafouros, M. I., Buckley, P. J., Clegg, J., 2012, “The Effects of Global Knowledge Reservoirs on the Productivity of Multinational Enterprises: The Role of International Depth and Breadth”[J],, Vol.41, No.5: 848-861.

20. Lahiri, N., 2010, “Geographic Distribution of R&D Activity: How Does it Affect Innovation Quality?”[J],, Vol.53, No.5: 1194-1209.

21. Leiponen, A., & Helfat, C. E., 2011, “Location, Decentralization, and Knowledge Sources for Innovation”[J],, Vol.22, No.3:641-658.

22. Miller, D. J., 2006, “Technological Diversity, Related Diversification, and Firm Performance”[J],, Vol.27, No.7: 601~619.

23. Tallman, S., & Phene. A., 2007, “Leveraging Knowledge across Geographic Boundaries”[J],, Vol.18, No.2: 252-260.

24. Von Hippel, E., 1994, ““Sticky Information” and the Locus of Problem Solving: Implications for Innovation”[J],, Vol.40, No.4: 429-439.

25. Williams, R., 2012, “Using the Margins Command to Estimate and Interpret Adjusted Predictions and Marginal Effects”[J],, Vol.12, No.2: 308-331.

①由于篇幅有限，具體匹配過程不在文中贅述，感興趣的讀者可向作者索取。

①雖然國泰安數據庫（CSMAR）和萬德資訊（WIND）披露了上市公司主營業務的構成，但其劃分依據并不統一，同一家企業的主營業務構成既有2位行業的，也有4位行業的，甚至有些具體到產品，因此無法準確計算上市公司的業務多元化程度。

①此處依然采用國際專利分類（IPC）代碼，并選擇4位（4-digit）技術門類進行統計。

* 本文感謝“對外經濟貿易大學中央高校基本科研業務專項資金（項目號：CXTD7-03）”的資助。作者特別感謝美國圣母大學門多薩商學院徐淑英教授（Professor Anne Tsui）、北京大學光華管理學院路江涌教授、美國普渡大學克蘭納特管理學院童文鋒教授（Professor Tony Tong）的建設性意見。