技術融合式創新、知識溢出與企業全要素生產率

摘要：技術融合式創新是企業提升核心競爭能力的重要抓手，通過鏈接技術創新網絡獲取各類要素資源，為提升企業全要素生產率注入創新動能?；?010—2021年1208家A股制造業上市公司樣本數據，實證分析技術融合式創新對企業全要素生產率的影響，研究發現：技術融合式創新水平提升正向影響企業全要素生產率；知識溢出在技術融合式創新提升企業全要素生產率過程中發揮中介作用；伴隨產業集聚程度上升，技術融合式創新對企業全要素生產率的正向影響顯著增強。進一步研究分析表明，在較好的資源稟賦條件下，技術融合式創新對企業全要素生產率的賦能效應更強。據此，應重塑多節點交互生態創新網絡，切實提升企業全要素生產率；構筑跨空間知識資源集聚平臺，發揮知識要素溢出撬動效應。

關鍵詞：技術融合式創新；知識溢出；企業全要素生產率；產業集聚

中圖分類號：F272；F425文獻標識碼：A文章編號：1001-148X（2024）02-0133-10

收稿日期：2023-05-22

作者簡介：薛瑩（1991—），女，山東濰坊人，講師，博士，研究方向：金融科技與企業創新；趙文凱（1991—），女，河南鄭州人，博士，研究方向：財政與企業創新。

基金項目：教育部人文社會科學研究規劃基金“我國零售業對接‘一帶一路’市場的‘全球本土化’戰略研究”，項目編號：17YJA790007。

一、引言

中國經濟由高速增長轉向高質量發展階段，全面推動發展方式轉變、經濟結構轉型，形成經濟增長新動能已然成為中國經濟高質量發展的題中之義。提升全要素生產率是順應新時代社會生產效率變革、質量變革與動力變革的必然趨勢［1］。然而，中國企業全要素生產率提升面臨創新內生動力不足［2］、前沿技術距離過長［3］、成果轉化路徑受阻［4］等多重困厄，嚴重滯緩經濟躍遷式發展進程。2022年11月，工信部等五部門聯合印發《虛擬現實與行業應用融合發展行動計劃（2022—2026年）》，明確指出要“推進關鍵技術融合創新”“多技術融合、產學研用高效協同的系統化創新體系基本形成”，為企業全要素生產率攀升提供全新思路。技術融合式創新可貫通產業技術、學科知識、成果轉化多個環節，將各領域創新元素、技術與生產方式進行有機融合，打破要素聯結共享藩籬，推動顛覆式技術進步與成果產出，優化創新投入-產出比，進而助力提升企業全要素生產率［5］。在此過程中，技術融合式創新可發揮網絡組織特性，促進跨學科產業合作與知識共享，增強知識外溢效應。進一步地，技術融合式創新可通過知識溢出產生資源協同效應，推動生產要素在企業間共享與互補，降低生產邊際成本，提升生產與創新效率，賦能企業全要素生產率攀升。在理論推斷上，技術融合式創新、知識溢出與企業全要素生產率具有一定關聯，但其中的內在機理尚需進一步實證檢驗。厘清三者之間影響機制對于全面提升企業投資預期回報率、提高資源配置效率、優化生產組織結構等具有重要意義。

既有研究大部分圍繞技術創新、知識溢出與企業全要素生產率兩兩間的關系展開的。

鑒于開展創新活動是實現企業全要素生產率“量質齊升”的實然路徑，大量學者圍繞二者間的關系進行了探討。其中部分研究立足實證分析層面檢驗技術創新對全要素生產率具有助力效能［6-7］，為本文后續深入探討奠定學理基礎。而技術融合式創新作為技術創新資源的“黏合劑”與“孵化池”，鮮有學者針對其影響效應進行論證，這為本文豐富相關領域研究提供了空間。

知識要素流動是創新能力“提質增量”的有生力量，二者間的關系同樣備受相關研究的關注。梳理相關研究文獻，知識流動可有效推動創新能力攀升這一結論已得到證實［8-9］。然而，作為創新鏈與產業鏈相互交織的重要產物，技術融合式創新是否可對知識溢出發揮生態互動效應？當前鮮有學者圍繞上述推斷展開實證考察。

由于知識溢出是生產活動“降本增效”的有力抓手，也有部分文獻聚焦知識溢出對全要素生產率的影響效應，揭示二者的內在作用機制，其中對知識溢出對全要素生產率的賦能效應已進行充足論證［10-12］，但大部分研究時間距今較久遠。伴隨數字經濟時代縱深發展，知識溢出參與主體與外溢方式產生顛覆式變化，對于全要素生產率的作用可能發生改變，既有研究可能難以為現時企業全要素生產率提升提供有益參考與經驗指導。

綜合來看，現有研究已證實技術創新、知識流動與溢出以及全要素生產率兩兩間具有密切關聯。由此引發思考，技術融合式創新作為技術創新的全新范式，可突破行業壁壘與跨學科藩籬，打造產業與企業創新發展新生態，是否對全要素生產率發揮同等助力效能？同時，技術融合式創新具有多元融合、資源共享特性，能否通過知識與技術外溢產生互補匹配效應，使得各類創新要素進行創造性融合，促使企業全要素生產率產生質的躍遷？為驗證上述問題，本文嘗試從如下層面進行突破：第一，立足制造業上市公司樣本數據，構建技術融合式創新與企業全要素生產率相關研究模型，搭建技術融合式創新與企業全要素生產率關系的研究框架，拓寬相關領域研究范疇。第二，引入知識溢出作為中介變量，梳理技術融合式創新、知識溢出與企業全要素生產率的理論機制，剖析三者間的實證邏輯，為提高企業全要素生產率、促進經濟高質量發展提供經驗證據與理論參考。

二、研究假設

（一）技術融合式創新與企業全要素生產率

融合創新概念衍生自JosephAloisSchumpeter于1912年提出的創新理論，意指將各類創新要素進行顛覆式融合，促使創新成果具有獨占性與不可復制性［13］。技術融合式創新可聚焦產業鏈供應鏈端口，發揮技術更迭效應與資源配置效應，賦能企業全要素生產率攀升。

就技術更迭效應而言，技術融合式創新可促使企業以原有技術為母本，加強產業集群內部聯動銜接與高效合作，推動新型技術要素衍生發展與創新要素耦合，加速技術消化吸收與模仿創新，賦能技術迭代更新［14］。得益于此，企業能夠橫向拓寬技術融合邊界，縮減商品研發與生產周期，驅動關鍵共性技術突破式進步，加快商品研發與服務更迭速率，助力企業全要素生產率攀升。同時，技術融合式創新能夠完善產學研用一體化創新體系，強化多元主體創新聯合體建設，從研發端口破解低效創新、重復投入的痛點難點，持續建立健全科研成果從研發實驗室轉向市場化應用機制，優化要素投入與產出比例，助力企業全要素生產率攀升。

就資源配置效應而言，技術融合式創新可聯合多元主體繪制產業鏈創新發展圖譜，深化各創新主體間的專業化分工，打造集要素匯聚整合、挖掘利用、分析研判等功能于一體的全鏈條創新體系，提高企業產品技術含量與附加價值。在此過程中，技術融合式與擴散式創新可模糊產業既定邊界，降低資源要素流動門檻，為資源合理配置夯實根基［15］。進一步，技術融合式創新在提升企業資產收益率與降低要素流動門檻的基礎上，引導市場資源依據資產收益向先進生產力集聚，增加富含比較優勢企業的要素存量，并將過剩資源向其他企業轉移［16］。這能夠全方位賦能企業生產與創新過程中質量與效率變革，實現資源配置及利用效率最大化，有效避免資源配置不合理所導致的要素浪費，從而推動全要素生產率提升。綜上所述，本文提出如下假設：

H1：技術融合式創新可推動企業全要素生產率提升。

（二）知識溢出的中介作用

技術融合式創新以創新要素聯結共享為主要方式，提升創新成果產出比率與創新主體綜合競爭實力。在這一過程中，不同創新主體對某一特定知識資源的掌握優勢各異，使得知識勢差成為必然趨勢［17］。而技術融合式創新可引導知識要素由產業價值鏈中高端位勢向低端位勢企業流出，補齊企業資源稟賦條件、要素轉化能力方面的創新短板，進一步催生知識溢出現象。Marshall認為，知識要素可在各主體間直接、間接互動交流過程中進行無意識傳播與再造，產生知識溢出現象，可發揮帶動效應、連鎖效應與模仿效應影響經濟活動［18］。就橫向合作效應來看，技術融合式創新可聯結供應鏈上同一層次的不同企業開展橫向聯動協作，為技術與知識要素跨界流動奠定基礎，帶動顯性知識溢出。顯性知識溢出可釋放知識碰撞與融合紅利，增強企業知識沉淀與應用水平，助力企業改進現有生產技術與組織管理方式，驅動企業全要素生產率提升［19］。就人力資本流動效應來看，在技術融合式創新過程中，部分人力資源可通過正向或逆向流動將所獲知識、技能與經驗擴散至其他企業，并產生隱性知識溢出。由此，企業能夠通過人力資本流動與更迭的方式，在資本投入不變的條件下降低經驗積累成本與試錯成本，加快前沿技術攻堅步伐，提升技術研發與產出質效，賦能企業全要素生產率攀升。據此，提出如下假設：

H2：技術融合式創新通過知識溢出推動企業全要素生產率提升。

（三）產業集聚的調節效應

產業集聚通過行業分工細化與規模效應，提升技術融合式創新對企業全要素生產率的賦能效果。具體而言，產業集聚可持續提升相同或相近類型產業在特定地理區域的集中度，實現產業層次由單一到復雜、產業鏈條由短到長、企業關聯由散到融的變化［20］。在這一過程中，產業集聚能夠引導項目配套數字基礎設施建設進一步完善，提高數字技術可供性，進一步提質功能完備的新型科創載體［21］。在此基礎上，技術融合式創新與產業集聚的協同效應可加速推動不同應用場景研發進程，依托數據分析功能精細化指導鏈式融合分工，賦能企業要素再造、流程優化與價值螺旋式提升，激發企業全要素生產率增長的內生動力。另外，產業集聚可匯集區域性人流、物流與信息流，為深化集群內部垂直化分工提供基礎條件。這能夠充分整合創新資源，深化專業化分工，實現資源利用效率最大化，降低創新信息搜尋成本與試錯成本，提高創新成果產出，有效賦能企業全要素生產率增長。根植于此，提出如下假設：

H3：產業集聚程度越高，技術融合式創新對企業全要素生產率正向推動效應越強。

三、研究設計

（一）樣本選擇與數據來源

選取2010—2021年1208家A股制造業上市公司樣本數據，剔除經營狀態異常的STamp;PT公司、資產負債率不在0—1區間的公司與核心數據缺失公司。同時，為避免極值影響，對連續變量在前后1%分位處進行Winsorize縮尾處理，最終獲得9856個觀測值。研究數據主要來源于《中國統計年鑒》《中國科技統計年鑒》，國家統計局官網、國泰安數據庫、CSMAR數據庫、Wind數據庫。

（二）模型設計

為檢驗技術融合式創新與企業全要素生產率間的關系，構建如下基準回歸模型：

TFPi，t=α0+α1RIi，t+αkControlsi，t+λi+ηt+εi，t（1）

式（1）中，i與t分別為企業、時間；α0為截距項；α1代表技術融合式創新對企業全要素生產率的影響系數；Controls表示控制變量；λ為行業固定效應；η代表年份固定效應；ε表示隨機誤差項。依據假設H1，技術融合式創新水平越高，企業全要素生產率隨之越高，故預測α1系數為正。

（三）變量選取

1.被解釋變量：企業全要素生產率（TFP）。當前，企業全要素生產率主流測算方法為LP法與OP法。相較于LP法，OP法能夠解決因同時性偏差與樣本選擇偏差導致的內生性問題，故借鑒盛明泉等（2022）［22］的研究，使用OP法測算上市公司全要素生產率，模型設定如下：

lnYi，t=β0+β1+lnQi，t+β2lnPi，t+β3lnMii，t+β4Agei，t+β5Exporti，t+β6Soei，t+β7Exiti，t+λi+ηt+εi，t（2）

其中，Y表示企業營收總金額；β表示對應變量回歸系數；Q代表固定資產；P即研究期內企業員工數量；Mi為購買中間產品投入；Age表示企業存續年限；Export代表企業是否存在進出口業務；Soe為產權性質，若為國有企業賦值為1，非國有企業賦值為0；Exit即是否退出市場；其余變量設定同式（1）。運用opreg命令回歸上述模型，所得殘差為全要素生產率。

2.解釋變量：技術融合式創新（RI）。參考既有研究［23］，本文運用技術融合、技術擴散與技術研發創新的加權平均值度量技術融合式創新，計算步驟如下：第一，針對技術融合，分年計算技術融合網絡中各類專利分類號的中介中心性①、接近中心性②與局部聚類系數③。隨后分別計算企業所獲授權專利中各類專利分類號所占比重，揭示企業之間技術掌握差異。最后，將三種系數與企業專利分類號所占比重相乘，并將乘積求和，對最終結果進行對數處理，得到技術融合水平。第二，一般而言，技術要素依托市場交易實現趨利性擴散，故使用技術交易市場成交總金額表征技術擴散。第三，針對技術研發創新，使用新型產品市場銷售額與產業銷售總產值之比衡量。

①中介中心性系數計算公式為：BC=∑dst（i）dst。其中，dst代表由s到t的最短路徑數量；dst（i）表示由s到t的最短路徑中所經過節點i的數量（s，t≠i）。

②接近中心性系數計算公式為：di=N－1∑j≠idij，CCi=1di。其中，di為節點i到其余各點的平均距離；dij代表由i到j的最短距離；CCi即i節點接近中心性，該值越大說明點的接近中心性越強。

③局部聚類系數計算公式為：CC（u）=2Ruku（ku－1）。其中，u為節點；Ru是通過u鄰節點的關系數；ku表示u的一階鄰節點。

3.中介變量：知識溢出（KS）?，F有知識溢出衡量方法主要為文獻跟蹤法、永續盤存法、成本函數法、引力模型以及技術流動法。參考李雪等（2022）［24］研究方法，使用引力模型測度知識溢出，構建公式如下：

KSij=HKiKjd2ij（3）

其中，KSij代表兩家企業之間知識溢出總量；H為引力常數，可賦值為1；Ki與Kj分別為兩家企業知識存量；dij即i企業與j企業之間直線地理距離。

基于式（2），可得出i企業與其他m個省份之間的知識溢出總量，公式如下：

KSi=∑mj=1KSij（4）

同時，使用投入法測度知識存量，公式構建如下：

Kit=（1－δ）Ki，t－1+Iit（5）

其中，Kit與Ki，t－1分別代表i企業于t時期、t－1時期知識存量；δ為折舊率，取值為15%；Iit表示i企業于t時期實際研發投入金額，通過研發投入總金額平減得出。

最終估算基期知識存量，公式構建如下：

Ki0=Ii0g+δ（6）

其中，Ii0代表2010年i企業實際研發投入金額，g表示企業在2010—2021年間實際研發投入金額的平均增長率。

4.調節變量：產業集聚（IA）。參照吳明琴和童碧如（2016）［25］的做法，使用研究樣本周邊企業員工數量衡量產業集聚程度，具體計算公式如下：

IAri=eri－ef（7）

eri表示r區域內i企業員工數量，ef即f企業員工數量。

5.控制變量。為確保研究結論客觀性與準確性，選取如下控制變量。（1）凈資產收益率（ROA）：使用企業凈利潤與凈資產的比重表征；（2）企業規模（Scale）：通過企業年末資產總額自然對數衡量；（3）行業市場集中程度（IMC）：采用赫芬達爾-赫希曼指數表示；（4）企業產權性質（EPR）：國有企業賦值為0，非國有企業賦值為1；（5）企業負債率（CDR）：采用負債總額占資產總額比重表示；（6）地區經濟發展水平（REDL）：運用企業所在地區GDP總量的自然對數衡量；（7）企業成長能力（GA）：通過本期主營業務收入增長量占上期主營業務收入總量的比重表征。各變量定義及說明詳見表1。

四、實證分析

（一）描述性統計

表2為描述性統計結果。在主要變量方面，技術融合式創新平均值與標準差分別為32195、08624，說明企業技術融合式創新水平相對較高，且存在較大差距。企業全要素生產率均值與標準差分別為121042、07763，表明企業間全要素生產率差距相對較大；知識溢出標準差為09285，可以看出研究樣本間存在較大差距。產業集聚標準差為03123，說明不同地區產業集聚水平差異相對較小。在控制變量方面，凈資產收益率平均值為146278，說明在研究樣本中大部分企業凈資產收益率比較可觀；企業規模均值與標準差分別為98857、12528，表明雖所選大部分研究樣本規模較大，但樣本之間尚存明顯內部差異；行業市場集中程度均值為00315，可以看出當前研究樣本所在行業市場集中程度普遍較低；企業產權性質標準差為03104，表明所選樣本離散程度較小，即國有企業與非國有企業數量分配較為均等；企業負債率標準差為11723，說明企業負債水平具有相對較大差距；地區經濟發展水平均值為158216，說明所選研究樣本所在地區經濟發展水平普遍較高；企業成長能力均值為00054、最小值為-10059，表明企業成長能力偏低，仍然有待提升。

（二）相關性分析

表3列示各變量相關系數分析結果。依據表中數據可知，技術融合式創新與企業全要素生產率正相關，其回歸系數在1%統計水平上顯著，假設H1得以驗證。同時，各控制變量與企業全要素生產率之間相關性均通過不同水平顯著性檢驗，說明控制變量的選取相對合理。為檢驗各變量之間多重共線性問題，對變量間方差膨脹因子展開檢驗。結果顯示，方差膨脹系數值均小于5，說明變量間不存在嚴重多重共線性問題。

（三）回歸結果分析

1.基準回歸分析。表4顯示基準回歸分析與中介效應檢驗結果。其中，列（1）檢驗控制變量對企業全要素生產率的影響。數據顯示，凈資產收益率、行業市場集中程度、地區經濟發展水平與企業成長能力對企業全要素生產率可產生正向影響，分別能為企業全要素生產率提升帶來資金、市場、資源與經驗支持。在所選控制變量中，大部分能夠通過P值顯著性檢驗，說明控制變量選取可靠。列（2）報告不考慮控制變量情況下技術融合式創新對企業全要素生產率的影響?？梢灾ぃ夹g融合式創新影響系數顯著為正，說明該變量能夠推動企業全要素生產率攀升。列（3）顯示技術融合式創新對企業全要素生產率的直接影響效應?？梢灾ぃ夹g融合式創新對企業全要素生產率的估計系數為00219，且在1%置信水平上顯著。這說明技術融合式創新有利于推動企業全要素生產率提升，佐證假設H1成立。

2.中介效應分析。為深入考察知識溢出在技術融合式創新與企業全要素生產率間發揮的中介機制，構建如下中介效應檢驗模型：

KSi，t=α0+α1RIi，t+αkControlsi，t+λi+ηt+εi，t（8）

TFP=κ0+κ1RI+κ2KS++κkControlsi，t+λi+ηt+εi，t（9）

式（8）—（9）探討知識溢出在技術融合式創新與企業全要素生產率關系中發揮的中介效應。k代表各控制變量序數值。依據前文假設H2，技術融合式創新通過提升知識溢出水平，進而助力企業全要素生產率攀升。因此，預測式（8）中α1系數與式（9）中κ2系數均為正。

表5列（1）—（3）顯示中介效應檢驗結果。觀察列（2）數據可知，技術融合式創新對知識溢出的估計系數為00085，且在1%統計水平上顯著。這說明技術融合式創新可對知識溢出產生正向影響。列（3）中知識溢出對企業全要素生產率的估計系數為00821，且通過1%置信水平的正向檢驗，且該估計系數與列（1）相較有所下降，表明知識溢出在技術融合創新與企業勞動生產率之間發揮中介作用。為了確保結論的客觀性與準確性，使用Sobel與Goodman方法展開進一步檢驗。Sobel檢驗結果顯示，SobelZ值為35542，P小于001，中介效應占總效應比重為541%。Goodman-1中Z值為35197；Goodman-2中Z值為35897，二者均通過1%顯著性檢驗，說明中介效應成立，假設H2得以驗證。也就是說，技術融合式創新能夠助力企業間知識要素共享與流動，進一步提升知識溢出程度，從而提高企業全要素生產率。

3.調節效應分析。前文理論分析提及，較高產業集聚水平可強化技術融合式創新對企業全要素生產率的正向影響，為驗證上述推論，構建如下模型：

TFPi，t=α0+α1RIi，t+α2IAi，t+α3RI×IAi，t+αkControlsi，t+λi+ηt+εi，t（10）

式（10）中，α3為技術融合式創新與產業集聚的交互項對企業全要素生產率的影響系數。該數值越高，說明技術融合式創新對企業全要素生產率的正向影響越顯著。

表6列示產業集聚在技術融合式創新、企業全要素生產率間發揮的調節效應檢驗結果。可以看出，技術融合式創新與產業集聚交互項系數為00543，且在5%統計水平上顯著。這說明產業集聚在主效應中發揮正向調節作用，為假設H3成立提供數據支撐。據此可得，產業集聚可在一定程度上實現資源多元化供給、擴大規模效應，正向調節技術融合式創新對企業全要素生產率的助力效能。

（四）穩健性檢驗

1.引入滯后變量?？紤]到技術融合式創新與企業全要素生產率之間可能存在反向因果問題，研究將滯后一期、滯后二期技術融合式創新水平（L1_RI、L2_RI）作為自變量再次展開回歸分析，檢驗結果見表7列（1）—（2）。結果顯示，技術融合式創新滯后一期與滯后二期估計系數均通過1%統計水平顯著性檢驗，表明所得結論具有穩健性。

2.Heckman兩階段模型。為克服樣本自選擇問題，使用Heckman兩階段法，將研發投入強度（Ramp;Dinput）作為工具變量，穩健性檢驗結果列示于表7列（3）—（4）。數據顯示，第一階段回歸結果中，Ramp;Dinput回歸系數為31942，且在1%統計水平上與RI呈正相關關系，故不存在工具變量選取偏差問題。第二階段回歸數據顯示，IMR系數通過5%顯著性檢驗，說明所選樣本具有一定程度上的自選擇問題。因此，充分考慮技術融合式創新樣本偏差所造成的回歸結果偏誤具有必要性。除此之外，技術融合式創新回歸系數為00086，且在1%統計水平上顯著，這與前文基準回歸結果保持一致，這意味著控制選擇性偏差后，結論仍具有穩健性。

3.傾向得分匹配法。為避免內生性問題對研究結果的影響，使用PSM法展開穩健性檢驗（見表8），并將各控制變量作為配對變量。在實施匹配之后，處理組與控制組變量未產生顯著差異，其數據具備較高平衡性。表8中數據顯示，技術融合式創新估計系數通過1%顯著性檢驗，說明上文回歸結果具有穩健性。

4.替換變量衡量方法。為避免變量衡量方式選取不當引致結論產生偏誤，分別替換技術融合式創新與企業全要素生產率衡量方式，對回歸結果進行穩健性檢驗。首先，使用生產要素配置效率反映企業全要素生產率。由表9列（1）可以看出，技術融合式創新回歸系數為0.3871，在1%統計水平上顯著，說明前文所述結論穩健。其次，使用企業通過合作產生的發明專利、實用新型與外觀設計專利申請數量的對數表征技術融合式創新，再次進行擬合回歸，結果見表9列（2）。據此可知，技術融合式創新回歸系數顯著為正，且在1%統計水平上顯著，說明回歸結果具備穩健性。

（五）進一步分析

依據烙印理論，資源要素稟賦能夠影響企業資源識別與利用能力，驅動其突破創新邊界、延伸業務范圍，從而提升企業全要素生產率［26］。作為技術融合式創新的重要驅動力量，企業資源稟賦可提供人力、技術、管理、土地資源，從而影響技術融合式創新水平［27］。因此，本文聚焦資源稟賦視角，進一步分析不同資源稟賦條件下，技術融合式創新對企業全要素生產率的影響是否存在差異。

依據資源稟賦條件對企業進行分類，檢驗不同資源稟賦背景下技術融合式創新對企業全要素生產率作用是否發生改變（見表10）。若企業資源稟賦條件較好賦值為1，反之則賦值為0。依據表中數據可知，當資源稟賦條件較好時，技術融合式創新對企業全要素生產率相關回歸系數在1%統計水平上顯著；當資源稟賦條件較差時，技術融合式創新對企業全要素生產率相關回歸系數雖為正但未通過顯著性檢驗，說明較好的資源稟賦條件下技術融合式創新對企業全要素生產率的正向驅動效應更強。

五、結論與政策建議

研究選取2010—2021年1208家A股制造業上市公司樣本數據，實證分析技術融合式創新與企業全要素生產率之間關系，得出如下結論：技術融合式創新對企業全要素生產率具有積極助力作用，且該結論在經過一系列穩健性檢驗后依然成立。機制檢驗結果顯示，知識溢出在技術融合式創新與企業全要素生產率的關系中發揮中介作用。調節效應分析顯示，在技術融合式創新促進企業全要素生產率提升的過程中，產業集聚可發揮調節效應。在不同資源稟賦條件背景下，技術融合式創新對企業全要素生產率的影響作用存在差異。具體表現為較好的資源稟賦條件下技術融合式創新對企業全要素生產率的賦能效果更強。鑒于此，提出如下政策建議：

第一，重塑多節點交互生態創新網絡，切實提升企業全要素生產率。依據上述研究結論可知，技術融合式創新對企業全要素生產率發揮促進作用。政府部門、社會企業及科研機構應發揮協同作用，通過重塑多節點交互生態創新網絡，切實提升企業全要素生產率。一方面，構建多方協作創新機制。地方政府應充分發揮引導作用，引導社會企業同國內高校、科研機構創新合作，構建“技術研發、中試轉化、資本運作”一體化協作創新平臺，通過多方賦能提升企業創新速度與創新質量。同時，地方政府應支持與引導當地金融機構與企業開展創新合作，為社會企業開展技術創新活動提供充足資金支持，擴大技術融合式創新對企業全要素生產率的助力效能。另一方面，建構多方協作轉化機制。地方知識產權部門應制定統一企業科技成果轉化與應用標準，確定技術融合式創新成果轉化條件，使技術融合式創新成果轉化工作更加制度化、規范化，借此加速創新項目孵化與成果推廣，為全要素生產率提升夯實基礎。

第二，構筑跨空間知識資源集聚平臺，發揮知識要素溢出撬動效應。中介效應檢驗顯示，知識溢出是技術融合式創新提高企業全要素生產率的重要路徑。因此，各區域社會企業應構筑跨空間創新集聚平臺，切實發揮知識要素溢出撬動效應，以此提升企業全要素生產率。一方面，構建跨空間知識資源多樣集聚平臺，發揮經濟發達地區企業多樣集聚溢出效應。對于發達地區的社會企業而言，應充分發揮其“孵化”作用，借助規模化生產的知識積累優勢建設多樣知識資源交流平臺，通過金融、科研、公共管理等多方面知識哺育促進本區域企業轉型升級，提升企業全要素生產率。另一方面，構建跨空間知識資源專業集聚平臺，補齊欠發達地區企業專業集聚知識溢出短板。對于欠發達地區而言，社會企業應基于自身比較優勢嵌入跨區域分工網絡，不斷獲取專業知識以提升自身專業集聚知識積累水平，為企業全要素生產率攀升提供知識溢出平臺支持。

第三，聚力產業集聚基礎支撐布局，激發集群賦能效應。前文述及，產業集聚可增強技術融合式創新對企業全要素生產率的賦能效應。為此，各級政府需圍繞產業集群基礎支撐進行合理布局，以激發集群聚力效應，切實提升企業全要素生產率。一方面，提升產業集聚用地基礎支撐水平。政府應制定產業集聚區域用地預先申請制度，依據資源儲備與建設指標統籌編制產業用地供應計劃，合理調配產業用地資源。同時，有關部門需提升產業集聚用地管理與服務質量，引導資金、技術、人才與原材料等各類資源集聚，助力產業集群內部項目落地，為提升企業全要素生產率夯實產業集聚資源基礎。另一方面，完善產業集聚數字基建支撐布局。地方政府、產業集聚園區企業應加快推進5G、千兆光網、數據機房等數字化基礎設施建設，強化產業集聚網絡基礎支持。進一步地，園區企業應以信息網絡為基礎，加強園區科技基礎設施、科教基礎設施、產業創新基礎設施布設，全力提升園區基礎設施能級，驅動企業全要素生產率提升。

參考文獻：

［1］張微微，王曼青，王媛，等.區域數字經濟發展如何影響全要素生產率？——基于創新效率的中介檢驗分析［J］.中國軟科學，2023（1）：195-205.

［2］余泳澤，莊海濤，伏雨.社會失信與全要素生產率——基于交易成本視角的研究［J］.金融研究，2023（5）：58-76.

［3］張沁琳，沈洪濤.政府大客戶能提高企業全要素生產率嗎？［J］.財經研究，2020，46（11）：34-48.

［4］王西貝，李海燕.創新要素、資源錯配與全要素生產率的作用研究［J］.云南財經大學學報，2023，39（5）：77-96.

［5］薛陽，牛子正，段淏文，等.數字經濟、技術創新與高質量發展［J］.統計與決策，2023，39（21）：96-102.

［6］胡德龍，巢文鳴.區域創新、數字經濟與企業全要素生產率［J］.現代經濟探討，2023（9）：62-72.

［7］姬新龍，董木蘭.綠色技術創新、股權結構與重污染企業全要素生產率［J］.統計與決策，2023，39（21）：164-168.

［8］劉琦.知識流動與區域協同創新關系的實證檢驗［J］.統計與決策，2020，36（23）：81-84.

［9］郭建杰，謝富紀.知識流動對企業創新的影響研究——以ICT產業為例［J］.科技管理研究，2022（19）：137-144.

［10］覃一冬，屈煒怡.知識外溢與中國制造業全要素生產率——基于DEA的經驗分析［J］.中央財經大學學報，2013（4）：56-62.

［11］張同斌，李金凱，周浩.高技術產業區域知識溢出、協同創新與全要素生產率增長［J］.財貿研究，2016（1）：9-18.

［12］涂心語，嚴曉玲，王珊珊.知識溢出、企業異質性與企業全要素生產率——來自制造業上市公司的經驗證據［J］.商業研究，2022（6）：23-33.

［13］陳勁，李根祎.企業員工契約理論的構建——后熊彼特時代現代契約理論的新探索［J］.財經問題研究，2023（12）：17-30.

［14］尹西明，陳勁，海本祿.新競爭環境下企業如何加快顛覆性技術突破？——基于整合式創新的理論視角［J］.天津社會科學，2019（5）：112-118.

［15］孫文浩.高級勞動力要素階段性“斷點”特征與企業創新——來自吸收能力理論和“威廉姆森”假說的解釋［J］.系統管理學報，2023（6）：1299-1312.

［16］李拓晨，韓冬日，梁蕾，等.產業轉移、高端資源錯配與創新績效——基于醫藥制造業數據的門檻機理［J］.系統工程，2019（5）：62-70.

［17］康鑫，劉美芯.技術創新網絡分裂斷層、知識權力與創新獨占性——知識勢差的調節作用［J］.科技進步與對策，2021（8）：9-15.

［18］FengGuo，HuXinjie，WangKai，etal.Executives’ForeignWorkExperienceandInternationalKnowledgeSpillovers：EvidencefromChina［J］.EmergingMarketsFinanceandTrade，2023，59（3）：754-771.

［19］郭偉，郭童，耿曄強.數字經濟、人力資本結構高級化與企業全要素生產率［J］.經濟問題，2023（11）：73-79+129.

［20］劉友金，周健，曾小明.中國與“一帶一路”沿線國家產業轉移的互惠共生效應研究［J］.中國工業經濟，2023（2）：55-73.

［21］方冬莉.數字經濟對中國城市能源利用效率的影響——基于技術賦能和技術外溢視角［J］.資源科學，2023（2）：296-307.

［22］盛明泉，項春艷，盛安琪.人才政策支持與企業全要素生產率［J］.財經問題研究，2022（12）：104-116.

［23］鄭萬騰，趙紅巖，陳羽潔，等.技術擴散能否成為區域創新效率提升的新動能——研發要素流動視角［J］.科技進步與對策，2020（21）：56-63.

［24］李雪，吳福象，竺李樂.互聯網發展水平、知識溢出與區域創新能力［J］.經濟經緯，2022（3）：15-25.

［25］吳明琴，童碧如.產業集聚與企業全要素生產率：基于中國制造業的證據［J］.產經評論，2016（4）：30-44.

［26］李曉翔，張樹含.烙印視角下初始資源稟賦對中小企業可用資源的作用研究［J］.管理學報，2022（8）：1134-1142.

［27］BlouchRiffat，KhanMuhammadMajid，ShakeelWajid.Abottom-uproleofinformationasymmetry：openingtheblack-boxoffirms’resourceallocationmechanism［J］.GlobalKnowledge，MemoryandCommunication，2023，72（1-2）：210-230.

TechnologicalIntegrationInnovation，KnowledgeSpillover，andTotal

FactorProductivityofEnterprises

XUEYing1，ZHAOWenkai2

（1.ShanghaiLixinUniversityofAccountingandFinance，SchoolofFinance，Shanghai201209，China；

2.ShandongProvincialAuditOffice，Jinan250012，China）

Abstract：Technologicalintegrationinnovation，asanimportantmeansforenterprisestoenhancetheircorecompetitiveadvantage，injectsinnovationmomentumintoimprovingthetotalfactorproductivityofenterprisesbylinkingtechnologyinnovationnetworkstoobtainvariousfactorresources.Basedonthesampledataof1208A-sharemanufacturinglistedcompaniesfrom2010to2021，itempiricallyanalyzestheimpactoftechnologyintegrationinnovationontotalfactorproductivityofenterprises.Theresearchresultsshowthattheimprovementoftechnologyintegrationinnovationlevelcanpositivelyaffectthetotalfactorproductivityofenterprises，knowledgespilloverplaysamediatingroleintheprocessofenhancingenterprisetotalfactorproductivitythroughtechnologicalintegrationinnovation，asthedegreeofindustrialagglomerationincreases，thepositiveimpactoftechnologicalintegrationinnovationontotalfactorproductivityofenterprisesissignificantlyenhanced.Furtherresearchandanalysisindicatethatthebettertheresourceendowmentconditions，thestrongertheempoweringeffectoftechnologyintegrationinnovationonthetotalfactorproductivityofenterprises.Accordingly，itisproposedtoreshapethemulti-nodeinteractiveecologicalinnovationnetworktoeffectivelyimprovethetotalfactorproductivityofenterprises，buildacross-spaceknowledgeresourceagglomerationplatformtoexerttheknowledgefactorspillovereffect.

Keywords：technologicalintegrationinnovation;knowledgespillover;totalfactorproductivityofenterprises;industrialagglomeration

（責任編輯：李江）