The Impact of Industry-University-Research Integration Degree on Innovation Performance of High-tech Small and Medium-sized Enterprises

Zhang Yufei1, Yuan Changhong1, Zhang Shuman2

(1. School of Management, Xi’an Jiaotong University, Xi’an 710049, China; 2. School of Business Administration, Zhejiang Gongshang University, Hangzhou 310018, China)

Abstract：It is a Chinese major strategy of building deep-integrated industry-university-research (IUR) technological innovation system to cope with the current complex changing international environment and fulfill domestic requirements of high-quality development. Under this background, more and more high-tech small and medium-sized enterprises (SMEs) have taken the path of IUR integration, and chosen to frequently form high-quality alliances with universities or research institutes within multiple fields, in order to obtain complementary external resources and recombine them with internal resources, ultimately achieving high-quality innovation performance and rapid firm growth. However, since IUR deep integration is a new practical phenomena and theoretical problem, rigorous academic at home and abroad research just started. At present, there are only a few studies on IUR deep integration only focusing on the concepts, organizational models, operating mechanisms, and evolution paths. Specifically at first the existing research on IUR integration still remains at macro level, instead of systematically exploring the phenomenon of firm-level IUR integration from micro level, failing to provide theoretical supports to firms’ practices of IUR integration. Secondly, limited by the ambiguity and complexity of the phenomenon of IUR integration, existing research has not yet touched on the measurement or evaluation of IUR integration degree, and no mature quantitative measurement indicators have been established to measure the degree of firm-level IUR integration. Thirdly, although the influencing results of IUR integration are extensive in practices, the current academic community pays little attention to the performance effects of IUR integration, and only a few studies use qualitative research methods such as case studies to explore the mechanism of the effects of IUR integration. No quantitative empirical analyses have been conducted before, which cannot guide high-tech SMEs to improve their innovation performance through IUR integration. In addition, in the past research on IUR cooperation at micro level, two-dimension indicators, namely breadth and depth, were used to measure the degree of IUR cooperation from the aspect of large listed firms, which cannot reflect the true connotation of deep integration requirements of deep and close cooperative relationship in IUR integration and cannot fully measure the degree of IUR integration. Taken together, this paper raises the following research questions. To what extent and under what conditions does the degree of IUR integration affect the innovation performance of high-tech SMEs?

Given the above research gaps, based on analyses the macro and micro connotation of IUR integration, this paper first constructed a three-indicator comprehensive evaluation model of IUR integration from aspects of breadth, depth, and frequency. Second, this paper theoretically hypothesized and analyzed the impact of IUR integration breadth, depth and frequency on the innovation performance of high-tech SMEs, as well as the moderating effect of environmental uncertainty. Third, this paper constructed unbalanced panel data of 150 listed manufacturing firms on the Chinese Growth Enterprises Market (GEM) Board from 2013 to 2017 in order to empirically test the impacts of IUR integration breadth, depth, and frequency on the innovation performances of high-tech SMEs and the moderating effect of environmental uncertainty.

Results show that firstly In recent years, IUR integration breadth, depth and frequency of Chinese high-tech SMEs have risen with fluctuations, gradually moving towards a stage of deep integration; secondly IUR integration breadth and depth have significant positive impacts on the innovation performance of high-tech SMEs; thirdly IUR integration frequency has significant negative impact on the innovation performance of high-tech SMEs; and fourthly environment uncertainty strengthens the positive relationship between IUR integration breadth and innovation performance of high-tech SMEs, weakens the positive relationship between IUR integration depth and innovation performance of high-tech SMEs and strengthens the negative relationship between IUR integration frequency and innovation performance of high-tech SMEs.

On the one hand, this paper constructed a comprehensive evaluation model of firm-level IUR integration from three dimensions of the breadth, depth and frequency and realized the quantitative evaluation using scientific methods and objective data, making up for the shortcomings of previous studies that mainly focused on analyses from the macro perspective. On the other hand, this paper theoretically hypothesized and empirically analyzed the influencing mechanism of IUR integration on innovation performances of high-tech SMEs and the moderating effect of environmental uncertainty on these relationships, contributing to relevant research on IUR integration as well as expanding domestic and foreign related research on the performance impacts of IUR cooperation. Moreover this paper provides certain practical guidance for improving low-efficient IUR integration with poor mechanism and institutional environment that facilitates IUR integration.

Key Words:Industry-university-research Integration; High-tech Small and Medium-sized Enterprises; Innovation Performance; Environmental Uncertainty

DOI：10.6049/kjjbydc.2021010254

开放科学(资源服务)标识码(OSID)：

中图分类号：F276.3

文献标识码：A

文章编号：1001-7348(2022)09-0064-11

收稿日期：2021-01-11

修回日期：2021-03-28

基金项目：国家自然科学基金面上项目(72072142, 71572141)

作者简介：张羽飞(1994—)，女，河北石家庄人，西安交通大学管理学院博士研究生，研究方向为技术与创新管理、中小企业治理; 原长弘(1963—)，男，陕西西安人，博士，西安交通大学管理学院教授、博士生导师，研究方向为产学研合作、创新创业；张树满(1992—)，男，江苏连云港人，博士，浙江工商大学工商管理学院讲师，研究方向为技术与创新管理、战略管理。本文通讯作者：张树满。

0 引言

当前，受贸易保护主义、中美经贸摩擦影响，全球政治经济环境急剧变化，科技创新资源流动极大受限。为应对复杂多变的国际环境、满足新时代经济高质量发展要求，我国科技发展转向以自主创新为主的内循环模式[1]，通过产学研融合，整合创新资源，促进创新链与产业链各环节相互渗透、各创新主体组织不断融合，实现创新资源在各主体间高效流动，有助于企业应对外部环境挑战，为我国经济发展提供动力。党的十九大和十九届四中全会先后提出并强调建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化。这标志着产学研深度融合成为国家战略要求，且科技型中小企业在其中具有先锋和主力军作用[2]。自产学研合作进入融合发展新阶段以来，我国科技型中小企业产学研融合取得了一定成就，开始出现多环节、深层次、高频率趋势。然而，实现科技型中小企业产学研深度融合发展，还存在诸多问题。一方面，微观产学研融合机制不优，具体表现为产学研深度融合协调机制不顺畅、运行机制与保障机制不完善、利益分配机制不健全[3]；另一方面，微观产学研融合程度不高、融合效率较低，各产学研主体融合积极性不高，创新资源未得到有效利用。此外，当前科技型中小企业产学研实践仍以委托研发等较低层次合作为主，缺乏深度合作[1]，利益共同体共建模式尚未得到广泛应用。因此，如何从更广领域、更深层次、更高频次推动产学研融合从初步融合向深度融合转变，构建多领域、全方位、高效率的产学研深度融合发展格局，提高科技型中小企业创新能力和创新绩效，是当前亟待解决的现实问题。

然而，对于产学研融合的新现象和新问题，国内外相关研究尚处于萌芽阶段。当前，仅有的少量产学研融合研究集中在定性分析产学研融合的概念与重要意义[1-2]、组织模式[3]、运行机制[4]、演进路径[5]等方面。此外，以往微观产学研合作研究多从高校、大型上市企业层面，使用二维度指标(广度、深度)测度产学研合作程度[6-7]，并未体现产学研融合阶段对深度融合合作关系的新要求，因此未能全面测度产学研融合程度。具体而言，现有研究存在以下不足：①现有研究对产学研融合的探讨仍停留在宏观层面，未能系统探究微观层面以企业为主体的产学研融合现象，无法为科技型中小企业产学研融合实践提供理论支持；②由于产学研融合现象具有模糊性和复杂性，现有研究尚未触及产学研融合程度评价，尚未构建成熟的定量指标测度微观层面的企业产学研融合程度，更未见有研究定量探讨其对企业创新绩效的影响；③对产学研融合效应的微观机制和作用机理分析不够完善，缺乏定量实证分析，无法有效指导科技型中小企业通过产学研融合提高创新绩效的实践。

本文致力于回答产学研融合程度如何影响科技型中小企业创新绩效这一核心问题，揭示不同维度产学研融合程度对科技型中小企业创新绩效的影响机制，以弥补现有研究不足，并为我国科技型中小企业产学研融合实践活动提供启示。具体而言，本文首先在解析产学研融合宏观和微观内涵基础上，从微观企业产学研融合的范围、层次和频率3个方面，构建包含广度、深度、频度3个指标的产学研融合程度综合评价模型；其次，从理论层面提出并分析产学研融合程度对科技型中小企业创新绩效的影响以及环境不确定性的调节效应；最后，利用非平衡面板数据，实证检验产学研融合广度、深度、频度对科技型中小企业创新绩效的影响以及环境不确定性的调节作用。本研究实现了定量分析产学研融合程度与企业创新绩效关系的突破，可在理论上拓展产学研合作相关研究，发展产学研融合理论，为科技型中小企业和政府部门推进产学研深度融合提供启示。

1 理论分析与研究假设

1.1 产学研融合程度

受限于产学研融合现象固有的复杂性，产学研融合是一个相对模糊的概念，其测度与分析是亟待破解的理论难题[4-5]。目前，学术界尚未厘清产学研融合的内涵，对于产学研融合发展程度的评价更是空白。综合现有研究[1-2]，产学研融合可分为宏观和微观两个维度。从宏观角度看，产学研融合表现为产业、大学、科研院所等具有不同分工的机构，在充分发挥自身资源与能力优势的基础上，打破原有组织结构壁垒，实现优势资源在各创新主体间高效流动与共享[4]，促进创新链、产业链、资金链、服务链深度融合，实现多领域、全方位、高效率的渗透、交融和重组，推动经济增长由要素驱动向创新驱动模式转变。从微观角度看，产学研融合表现为企业与大学或科研院所深度合作和高度融合，在基础研究、应用研究、中试生产、成果转化与产业化、科技金融、科技服务、人才培养等方面进行多维度的创新资源与能力共享，形成创新合力，实现创新链与产业链各环节相互渗透、创新主体组织边界不断融合。基于以往研究[5]，本文将产学研融合程度定义为产学研创新系统中各创新主体融合范围拓展、层次提升、互动频繁的程度。本文拟回答科技型中小企业产学研深度融合能否提升创新绩效，并使用科学方法和客观数据，探讨微观层面企业产学研融合程度与创新绩效的关系。具体而言，本文将微观产学研融合程度界定为产学研融合广度、深度、频度“三位一体”的综合评价模型。企业与大学或科研院所融合范围越广、层次越深、互动越频繁，产学研融合程度就越高。

1.2 研究假设

1.2.1 产学研融合广度与科技型中小企业创新绩效

借鉴以往研究[8-9]，本文将产学研融合广度定义为企业在创新链与产业链全链条各环节进行产学研合作的广泛程度，以反映企业产学研融合范围。产学研融合广度越高，企业与大学或科研院所进行融合的范围就越广，创新链与产业链全链条融合也越完整[8]。

首先，产学研融合广度越高，大学或科研院所参与企业全链条创新的环节越多，从而能共同搭建完善的全链条创新体系，加速创新资源集聚与流动，优化创新要素配置，最终提高创新要素的产出效率[9]。同时，科技型中小企业可以从学研机构获得更多互补的非冗余知识、技术、人才、资金资源[10]，学研机构从基础研究开始，在创新链与产业链全链条各环节为科技型中小企业提供新思想、新视角，带来更多创新资源组合机会，缩短新产品开发周期，有效弥补并增加科技型中小企业原本匮乏的内部知识基础[11]，有助于企业对知识进行创造性重构和重新整合，最终提高企业创新绩效。其次，较高的产学研融合广度可以增加科技型中小企业获取外部知识、技术和产品信息的机会与途径，提高其识别和获取市场机会的效率，有助于企业了解和跟踪整个创新链与产业链相关技术前沿发展动态[12]，拓宽研发视野，提高新产品开发效率[7]，最终提升创新绩效。最后，科技型中小企业与学研机构在创新链与产业链全链条不同环节开展产学研合作可以产生协同效应[6]，帮助企业解决实际问题，降低产学研融合中的不确定性，减少各主体因利益诉求或目标不一致造成的合作障碍[13]。相比之下，如果仅与学研机构在少数环节进行合作，科技型中小企业产学研活动范围可能会受到限制，从而失去与学研机构探索和利用其它类型资源的机会[6]，导致融合效率低下。科技型中小企业可将从某一环节获取的产学研经验和成果应用于其它环节，实现创新资源在不同产学研活动中共享[14]，降低创新成本。例如，科技型中小企业在基础研究环节进行产学研合作时，可将自身需求融入合作研发中，进行关键核心技术突破，提高其新产品开发速度和效率，从而产生协同效应；企业与学研机构联合培养的人才，以及从成果转化环节获得的经济收益，可反哺基础研究环节的产学研创新过程，从而实现高效协同，提高创新绩效。基于以上分析，本文提出如下假设：

H1：产学研融合广度对科技型中小企业创新绩效具有正向影响。

1.2.2 产学研融合深度与科技型中小企业创新绩效

参考以往研究[15]，本文将产学研融合深度定义为企业与大学、科研院所等外部创新主体合作的层次与质量，以反映企业与学研机构进行高质量深层次合作的程度。共建实体模式是产学研合作中层次最高、互动最深入的融合模式，包含共建科研基地和经济实体两种模式[16]。在共建实体模式中，企业、大学、科研院所融合成收益共享、风险共担、共同发展的利益共同体[17]，集中各自优势资源，分别投入一定比例知识、人力、资金等资源，共同投资构建研发实体或独立法人组织，进行长期、全方位深度合作(鲁若愚等，2012)。由此，各主体组织边界被打破，创新链与产业链完成融合，科技与产业实现无缝对接，产学研迈向深度融合[16]。

首先，产学研融合深度越高，科技型中小企业与学研机构共建利益共同体越多，通过一系列制度安排，形成利益融合机制，有效解决风险分担、利益分配等机制问题[17]，实现对创新资源的高效共享和优化配置，有利于调动产学研各方为实现共同利益追求而深入合作的积极性[16]，最大程度形成创新合力，克服关系契约下短期项目式合作行为的弊端(鲁若愚等，2012)，提高创新绩效。在利益高度融合、战略利益契合的共建实体内，知识转移转变为组织内活动，产学研合作各方能密切接触，创新链与产业链各环节也能实现融合，从而解决科研成果从实验室到市场应用的难题，同时促进企业研发能力和人才培养水平提高[16]，最终提高创新绩效。其次，当企业与学研机构进行高质量深层次合作时，往往会在共建实体中设立专门管理部门，对知识转移过程和伙伴行为进行监督，帮助合法性和话语权较低的科技型中小企业及时、高效地与学研机构进行沟通交流，减少信息不对称和机会主义行为，降低知识泄露与滥用风险[18]。良好的监督与沟通机制帮助产学研伙伴间建立信任关系，促进伙伴间知识共享、交流和获取[[15]，长期面对面的交流能促进伙伴间进行隐性知识共享，提高产学研融合效率和效果[14]，最终提高科技型中小企业创新绩效。最后，较高的产学研融合深度释放出更为积极的信号，能提高科技型中小企业外部融资能力，缓解融资压力对创新绩效的影响。一方面，较高的产学研融合深度下，共建实体模式会释放更为积极的合法性信号，放大科技型中小企业的合法性，提供“信用背书”(刘家树和刘紫舒，2018)，认可其为可靠的合作伙伴和更具价值的投资对象，从而带来融资机会[19]；另一方面，较高的产学研融合深度下，科技型中小企业具有足够技术水平和研发能力进行高质量深层次产学研融合，向外界发出企业创新能力和市场竞争力的积极信号，降低外部资源持有者及其它优秀合作伙伴对企业的不确定性(刘家树和刘紫舒，2018)，从而帮助企业获得更多外部融资和创新资源，进而提升创新绩效。基于此，本文提出如下假设：

H2：产学研融合深度对科技型中小企业创新绩效具有正向影响。

1.2.3 产学研融合频度与科技型中小企业创新绩效

借鉴以往研究[7]，本文将产学研融合频度定义为企业与大学或科研院所等外部创新主体合作的频率，以反映企业对外部学研机构有价值知识的深度利用和依赖程度[20]。产学研融合频度越高，企业与外部学研伙伴的互动越频繁，对外部学研伙伴的依赖程度越高，越倾向于与学研伙伴建立固定而频繁的联系[7]。

首先，较高的产学研融合频度可能会导致过度信任，增加核心知识泄露风险，带来更多机会主义行为。尽管大部分学研机构是非盈利学术组织，合法性较低的科技型中小企业在与其融合过程中，仍会面临机会主义行为、知识窃取、“搭便车”等风险[13]。一方面，在频繁合作基础上，科技型中小企业倾向于相信学研伙伴会采取对其有利的行为，从而减少对学研伙伴不当行为的监督，使得融合过程中学研伙伴的机会主义行为不太可能受到制裁，导致合作风险上升[21]，进而增加产学研融合中的导向型障碍和交易型障碍[13]，最终对创新绩效产生负向影响。另一方面，频繁的联系使得企业将核心知识和技术信息逐渐暴露给学研伙伴，带来产品信息和核心知识泄露风险[20]，使得学研伙伴了解企业更多弱点，更好地利用作弊机会[21]，致使产学研融合中知识共享过程或技术交易过程受到损害，从而降低合作效率，最终损害企业创新绩效。其次，在高产学研融合频度下，科技型中小企业并不追求广泛地与大量学研机构合作[7]，导致其局限于已有产学研合作关系内，从而束缚企业创新视野，降低其战略柔性[21]。此时，科技型中小企业知识搜索范围可能被锁定于固定知识来源提供的同质知识资源和冗余信息中[20]，从而阻碍异质性新知识和新信息流入，影响知识认知与获取质量[12]。因此，高产学研融合频度会带来知识锁定和知识刚性风险[20]，不利于吸收能力较低的科技型中小企业接触新颖和多样化的知识资源与学习机制，不利于企业增强知识基础，不利于企业提高知识获取与利用能力，阻碍其创造性地对知识资源进行重组和整合[12]，进而抑制技术创新绩效。最后，高产学研融合频度下，频繁接触使产学研各方形成高阶纽带和过于紧密的关系，制约产学研合作伙伴选择与合作行为变更，从而增加科技型中小企业陷入路径依赖的风险[22]。一方面，当互动越来越频繁时，科技型中小企业不愿或难以摒弃以往频繁合作中投入大量时间与资源成本带来的租金优势[22]，越来越依赖现有互动关系，阻碍其匮乏的内部资源重新分配给可能提供其它资源的学研伙伴，从而陷入“熟悉陷阱”[23]，限制创新路径与范围，降低创新灵活性[24]。另一方面，高产学研融合频度可能导致产学研各方沟通与协调的跨组织规范越来越结构化[23]，形成僵硬的交互模式[22]，忽略偏离现有交互模式的创新想法，不利于科技型中小企业利用差异化产学研活动进行创新[24]，从而削弱产学研各方合作效率，最终阻碍创新绩效提高。基于以上分析，本文提出如下假设：

H3：产学研融合频度对科技型中小企业创新绩效具有负向影响。

1.2.4 环境不确定性的调节作用

面对复杂多变的国际环境与国内高质量发展的迫切需求，中国科技型中小企业生存与发展环境面临越来越多的不确定性，其战略决策行为和创新实践活动也会受到外部环境影响[25-26]。环境不确定性是指技术、产品、市场等企业外部环境因素的动荡程度和不稳定程度，以及环境变化的不可预测程度[27-28]。现有研究表明，环境不确定性在企业产学研、联盟网络与企业创新绩效的关系间具有重要调节作用[26-30]。

环境不确定性正向调节产学研融合广度与科技型中小企业创新绩效间的关系。一方面，当科技型中小企业面临较高不确定性时，产学研融合广度会帮助其降低核心刚性，增强战略柔性，以应对不断变化的环境[21]。当环境不确定性较高时，科技型中小企业为应对外部风险并保持竞争优势，更倾向于在创新链与产业链全链条各环节进行产学研合作，以获取多样化资源和信息[30]。同时，加快对所获创新资源的重构和重新整合，开发新产品、新技术，以灵活适应环境变化[25]，从而降低环境不确定性带来的影响。因此，较高的环境不确定性更有利于产学研融合广度发挥对科技型中小企业创新绩效的作用。在较高的环境不确定性下，学研机构会带来丰富的外部异质性资源和新的创新机会，为科技型中小企业提供更为独特的知识或技术[31]，有利于拓宽其学习范围。此时，产学研融合广度的作用效果会更强，对科技型中小企业创新绩效的影响也更大。另一方面，较高的环境不确定性缩短了产品和技术生命周期[25]，使得市场需求变化与技术发展趋势变得更难预测[30]，从而增加科技型中小企业获取市场信息的难度。此时，科技型中小企业可以利用高产学研融合广度对市场信息与技术前沿识别效率较高的优势，及时掌握产品与技术市场动向，准确发现或预测市场环境变化和技术前沿发展方向，识别市场中的潜在机会，使产学研创新活动更具目标性和前瞻性[21]，从而打开高环境不确定性中的机会窗口[31]，促进创新资源重构与重新整合。基于以上分析，本文提出如下假设：

H4a：环境不确定性会增强产学研融合广度对科技型中小企业创新绩效的正向影响。

环境不确定性负向调节产学研融合深度与科技型中小企业创新绩效间的关系。一方面，较高的环境不确定性会阻碍科技型中小企业将匮乏的内部资源分配给不确定性较高的长期项目[32]，尤其是共建实体这一类收益周期较长、资金投入较大的项目。在不确定性环境下，科技型中小企业管理者更加倾向于收益更明确的“短平快”产学研项目[32]，而忽略高产学研融合深度带来的优势。另一方面，较高的环境不确定性会削弱企业与学研伙伴之间高质量、深层次的知识共享优势。较高的环境不确定性使产学研各方行为难以预测和协调[30]，从而增加合作关系的不确定性，导致对伙伴产生怀疑，降低信息传递效率，增加知识泄露与知识滥用风险[31]，进而抑制知识共享意愿和效率[25]。同时，随着环境不确定性增加，产学研融合中知识流动管理的复杂性随之增加[26]，从而使交易不确定性增加，合作过程变得更加困难[25]，进而产生交易风险，增加交易成本[32]，不利于企业充分获取和利用共建实体的知识与技术资源。基于此，本文提出如下假设：

H4b：环境不确定性会削弱产学研融合深度对科技型中小企业创新绩效的正向影响。

环境不确定性正向调节产学研融合频度与科技型中小企业创新绩效间的关系。一方面，科技型中小企业在高环境不确定性规范共识约束下会表现出路径依赖性。当环境不确定性较高时，市场环境会出现剧烈波动，信息不对称性问题更加突出[26]，从而导致企业从公开市场直接获得知识、技术等创新资源的难度增加[25]。此时，科技型中小企业更倾向于依赖现有产学研合作关系，维持现有产学研交易结构，并习惯性采用现有组织流程解决当前问题[23]，即在短期内加强与现有学研伙伴的频繁合作，降低知识搜寻成本，以应对复杂多变的外部环境[25]，但会降低创新灵活性，增加知识锁定与路径依赖风险。因此，环境不确定性会抑制产学研融合频度对科技型中小企业创新绩效的作用。另一方面，较高的环境不确定性会增加产学研融合过程中的监督成本，使得科技型中小企业无法或难以察觉学研伙伴对契约和互惠义务的偏离[31]，降低合同和信任的有效性[32]，不利于产学研伙伴间的互相理解从而增加彼此间的分歧，导致协调困难和非理性决策行为，降低合作创新效率[33]，最终增加伴随高产学研融合频度的机会主义风险。基于以上分析，本文提出如下假设：

H4c：环境不确定性会增强产学研融合频度对科技型中小企业创新绩效的负向影响。

2 研究设计

2.1 样本选取与数据收集

本文选择中国创业板制造业上市企业为研究对象，主要原因如下：①创业板为研究科技型中小企业提供了良好背景，并在现有研究中被广泛使用[34]；②与其它行业相比，制造业上市企业产学研融合活动更加丰富，便于收集研究数据[12]；③制造业子行业种类较多，可提高研究结论的普适性[12]。因此，以创业板制造业上市企业为样本，能够为本文探索产学研融合程度对科技型中小企业创新绩效的影响提供较好的研究情境。

为研究微观层面企业产学研融合程度对创新绩效的影响，本文构建一段时间内企业产学研活动的集合——产学研联盟组合[12,34]，利用产学研联盟组合基本指标，构建并测度产学研融合广度、深度、频度，以反映微观层面产学研融合的范围、层次和频率。本文依据以下原则收集数据并构建产学研联盟组合：首先，遵循已有研究[12,23]，采用5年移动时间窗构建产学研联盟组合，即企业第t年的产学研联盟组合包括该企业在第t-4～t年加入的所有产学研联盟。其次，受5年移动时间窗限制，需选取上市6年及以上的企业，构建产学研联盟组合并获取滞后1期的创新绩效。因此，本文仅收集2009—2013年在创业板上市的制造企业于2009—2018年发起或参与的产学研联盟信息。最后，剔除未能在连续5年内至少发起或参与2个产学研联盟的企业。最终，获得2013—2018年150家创业板制造业上市企业非平衡面板数据集，共计549条观测值。

本文研究数据来源如下：①企业产学研联盟数据来源于人工收集的产学研联盟信息数据库，其中既包括Wind数据库，又包括人工通过百度新闻、企业官网收集的产学研联盟信息，以保证产学研联盟数据的准确性和完备性；②专利数据主要来源于CSMAR数据库，并辅以国家知识产权局网站数据进行核实与补充；③企业基本信息与财务数据来自CSMAR和Wind数据库；④各省市人均GDP数据主要来源于国家统计局数据库。为消除极端值的影响，本文对连续变量进行1%双边缩尾处理。

2.2 变量测量

2.2.1 因变量

遵循已有研究[12,35]，本文选取企业发明专利申请数测度因变量企业创新绩效，具体公式为Innovation = ln(企业发明专利申请总量+1)，主要原因如下：首先，与其它创新绩效指标相比(如研发强度、新产品销售额等)，专利数量指标具有一致性和客观性等优点，且在以往研究中得到广泛使用[12,35]；其次，由于专利从申请到获批往往需要1～2年，专利申请数更能反映企业当期技术创新水平[35]；最后，发明专利申请数代表企业更高层面的创新，可更有效、稳健地衡量创新绩效[35]。

2.2.2 自变量

(1)产学研融合广度。借鉴以往研究[8,36]，本文采用产学研联盟组合内企业在创新链与产业链全链条中开展产学研合作的环节数量测量产学研融合广度。本文将创新链与产业链全链条分成基础研究、应用研究、开发研究、成果转化与产业化、市场营销、科技金融、科技服务和人才培养8个环节[37]，因此取值范围为1～8，数值越大，表明企业与大学或科研院所产学研融合范围越广，创新链与产业链全链条融合越完整。

(2)产学研融合深度。借鉴以往研究[38]，本文以产学研联盟组合内企业与大学或科研院所采取共建实体模式(包含共建经济实体或科研基地)的产学研联盟数占产学研联盟总数的比值测度产学研融合深度，取值范围为0～1，数值越大，表明产学研融合深度越高。例如，若企业在过去5年内与学研机构共建1个经济实体、1个科研基地，签署3项合作研发协议，则该企业年度产学研融合深度为(1+1)/(1+1+3)=0.4。

(3)产学研融合频度。借鉴以往研究[7]，本文采用产学研联盟组合内企业与大学或科研院所合作频率测度产学研融合频度，即企业与所有学研伙伴合作频次之和/学研伙伴数量，该值越大，企业与学研机构交互越频繁，产学研融合频度越高。例如，若企业在过去5年内与3个学研伙伴进行合作，其中与伙伴A合作3次，与伙伴B合作2次，与伙伴C合作1次，则该企业年度产学研融合频度为(3+2+1)/3=2。

2.2.3 调节变量

借鉴现有文献的做法[28]，本研究使用企业非正常销售收入波动测度调节变量环境不确定性，计算方式如下：①对企业过去5年的主营业务收入与年份虚拟变量进行最小二乘法回归，得到的残差即为企业非正常销售收入；②将企业过去5年非正常销售收入的标准差除以过去5年主营业务收入的均值，得到企业未经行业调整的环境不确定性；③计算出各行业所有企业未经行业调整的环境不确定性中位数，即各行业的环境不确定性；④以企业未经行业调整的不确定性除以所在行业的环境不确定性。

2.2.4 控制变量

参考以往研究的做法[12,35]，本文选取可能影响科技型中小企业创新绩效的控制变量。企业层面：①企业规模，以企业总资产的自然对数衡量；②企业盈利能力，以总资产净利润率表示，即净利润与总资产平均余额之比；③企业偿债能力，以资产负债率表示，即负债合计与资产总计之比；④资本密集度，以总资产与营业收入之比衡量；⑤企业经营能力，以存货周转率表示，即营运成本与存货期末余额之比；⑥技术人员，以企业技术人员数的自然对数衡量；⑦员工受教育水平，以企业具有研究生及以上学历的员工数占总员工数之比衡量；⑧CEO受教育水平，用虚拟变量替代，若CEO具有博士学位则计为1。区域层面：①地区经济发展水平，以企业所在省份人均GDP增长率衡量；②区域虚拟变量，根据我国东北、华北、西北、华东、中南、西南六大区域，本文设置5个区域虚拟变量，若企业属于特定区域则赋值为1。行业层面：用行业虚拟变量替代，包含制造业16个子行业，本文设置15个行业虚拟变量，若企业属于某个行业则赋值为1。时间层面：用年份虚拟变量控制各企业之间共同时间趋势的影响，如经济波动、财政政策等，本文包含6个年份，因此设置5个年份虚拟变量，若样本期属于某一年份则赋值为1。

2.3 模型设定与研究方法

为检验产学研融合程度与科技型中小企业创新绩效的关系以及环境不确定性的调节作用，本文构建模型(1)。

Innovationi,t=β0+β1Integrationbreadthi,t-1+β2Integrationdepthi,t-1+β3Integrationintensityi,t-1+β4EUi,t-1+β5Integrationbreadthi,t-1×EUi,t-1+β6Integrationdepthi,t-1×EUi,t-1+β7Integrationfrequencyi,t-1×EUi,t-1+β8Controlsi,t-1+λyear+λindustry+λregion+ɛi,t

(1)

其中，Innovationi,t为企业i第t年的创新绩效，Integrationbreadthi,t-1为企业i第t-1年的产学研融合广度，Integrationdepthi,t-1为企业i第t-1年的产学研融合深度，Integrationfrequencyi,t-1为企业i第t-1年的产学研融合频度；EUi,t-1为企业i第t-1年所处环境不确定性，Controlsi,t-1为企业i第t-1年所有控制变量，λyear、λindustry、λregion分别为年度、行业和地区固定效应，ɛi,t为模型随机误差项。为消除多重共线性的影响，本文在检验调节效应时，对自变量和调节变量进行中心化处理；为降低内生性问题，本文将所有解释变量滞后1期；为降低异方差影响，本文采用稳健标准误。

面板数据通常采用固定效应模型或随机效应模型进行估计，固定效应模型假定个体不可观测特征与解释变量相关，而随机效应模型则假定个体间差异是随机的、不可预测的[12]。为挑选最佳研究方法，本文使用Hausman检验进行筛选，检验结果拒绝原假设，说明固定效应模型比随机效应模型更适合本文情境[39]。因此，本文使用多维固定效应线性回归模型检验研究假设。与无法捕获非时变变量的普通固定效应模型相比，多重固定效应模型可同时吸收多个维度固定效应，并捕获不可观测的异质性特征，以尽可能降低遗漏变量问题导致的偏误，并正确估算聚类稳健标准误[40]。

3 实证分析

3.1 回归结果分析

模型中各变量描述性统计及相关性分析结果如表1所示。可以发现，各变量间皮尔森相关系数均未超过0.5，全模型平均方差膨胀因子(VIF)为1.257，VIF值最高为1.978，远低于问题阈值10[41]，表明模型中各变量间不存在严重的多重共线性问题。同时，为直观描述企业产学研融合程度随年度变化趋势，本文基于2013—2018年150家创业板制造业上市企业产学研融合程度平均值绘制折线图，如图1所示。可以发现，近年来，我国科技型中小企业产学研融合广度、深度、频度总体均呈波动上升趋势，其产学研活动正逐步迈向深度融合阶段。

表2显示了多重固定效应的线性回归结果。模型1仅包含所有控制变量，模型2、4、6在模型1基础上依次加入自变量产学研融合广度、深度、频度，分别检验H1、H2、H3；模型3加入调节变量环境不确定性及其与自变量产学研融合广度的交互项，以检验H4a；模型5加入环境不确定性及其与自变量产学研融合深度的交互项，以检验H4b；模型7加入环境不确定性及其与自变量产学研融合频度的交互项，以检验H4c；模型8为全模型，包含所有解释变量。由R2值可知，与模型1相比，其它模型均具有更强的解释力度。

模型2结果显示，产学研融合广度的回归系数显著为正(b=0.713, p<0.01)，H1得到验证，即产学研融合广度对科技型中小企业创新绩效具有正向影响。同时，调节效应检验模型3(b=0.837, p<0.01)、全模型8(b=1.093, p<0.01)中产学研融合广度的回归系数均在1%水平下显著为正，进一步支持了H1。模型4结果显示，产学研融合深度的回归系数显著为正(b=0.349, p<0.05)，验证了H2，即产学研融合深度对科技型中小企业创新绩效具有正向影响。同时，模型5(b=0.310, p<0.1)、全模型8(b=0.466, p<0.01)中产学研融合深度的回归系数均显著为正，进一步验证了H2。模型6(b=-0.173, p<0.1)、调节效应检验模型7(b=-0.195, p<0.1)、全模型8(b=-0.281, p<0.05)中产学研融合频度的回归系数显著为负，共同支持了H3，即产学研融合频度负向影响科技型中小企业创新绩效。

模型3结果显示，产学研融合广度与环境不确定性交互项的回归系数显著为正(b=0.834, p<0.01)，验证了H4a，即环境不确定性增强产学研融合广度对科技型中小企业创新绩效间的正向作用。同时，全模型8中产学研融合广度与环境不确定性交互项的回归系数显著为正(b=0.903, p<0.01)，进一步验证了H4a。模型5(b=-0.324, p<0.1)、模型8(b=-0.276, p<0.1)中产学研融合深度与环境不确定性交互项的回归系数显著为负，验证了H4b，即环境不确定性会削弱产学研融合深度对科技型中小企业创新绩效间的正向作用。模型7(b=-0.289, p<0.05)、模型8(b=-0.368, p<0.05)中产学研融合频度与环境不确定性交互项的回归系数显著为负，共同验证了H4c，即环境不确定性会增强产学研融合频度对科技型中小企业创新绩效间的负向作用。

为更清楚地展示环境不确定性的调节作用，本文绘制环境不确定性在产学研融合广度、深度、频度与科技型中小企业创新绩效间的调节作用图(见图2～4)。可以发现，与低环境不确定性下的科技型中小企业相比，高环境不确定性下，科技型中小企业产学研融合广度对创新绩效的正向作用更强，但产学研融合深度对创新绩效的正向影响更弱，产学研融合频度对创新绩效的负向影响更强，这与H4a、H4b、H4c一致。

3.2 稳健性检验

为保证研究结果的可靠性，本文从4个方面进行稳健性检验，结果如表3所示。首先，在模型9中使用企业过去5年与大学或科研院所共建实体数量总计，测度产学研融合深度[38]。结果显示，产学研融合广度的回归系数显著为正，产学研融合深度的回归系数显著为正，产学研融合频度的回归系数显著为负，H1、H2、H3均得到验证；产学研融合广度、深度、频度与环境不确定性交互项的回归系数均显著，H4a、H4b、H4c均得到验证。其次，本文在模型10中使用环境动态性测量环境不确定性[28]。对企业过去5年的销售收入与时间进行回归，得到回归系数的标准误，再除以企业过去5年销售收入均值即为环境动态性，回归结果与前文检验结果一致。第三，借鉴以往研究对创新效率的测量方法[35]，本文在模型11中使用企业专利申请数与研发投入绝对额的自然对数之比作为创新绩效的代理变量，回归结果与前文检验结果一致。最后，随机效应模型考虑了个体效应且不存在固定效应模型中附带参数问题[12]，因此本文使用随机效应模型测试研究结果的稳健性。由于企业创新绩效为计数变量，负二项回归模型能较好地处理数据过度分散问题[42]，本文在模型12中使用随机效应负二项回归模型进行分析，回归结果与前文检验结果基本保持一致。

4 结论与讨论

本文在厘清产学研融合内涵的基础上，从微观层面企业产学研融合范围、层次和频率3个方面构建包含产学研融合广度、深度、频度的产学研融合程度综合评价模型，对2013—2018年150家创业板制造业上市企业产学研融合程度进行测度，采用多维固定效应线性回归方法，实证检验产学研融合程度对科技型中小企业创新绩效的影响以及环境不确定性的调节作用。本文得到以下结论：①微观层面产学研融合程度是由产学研融合广度、深度、频度构成的“三位一体”综合构念；②我国科技型中小企业产学研融合广度、深度和频度总体均呈波动上升趋势，且正逐步迈向深度融合阶段；③产学研融合广度、深度对科技型中小企业创新绩效具有显著正向影响，产学研融合频度对科技型中小企业创新绩效具有显著负向影响；④环境不确定性会增强产学研融合广度对科技型中小企业创新绩效的正向影响，削弱产学研融合深度对科技型中小企业创新绩效的正向影响，增强产学研融合频度对科技型中小企业创新绩效的负向影响。

本研究主要贡献如下：一方面，在解析产学研深度融合宏观和微观内涵基础上，从产学研融合广度、深度、频度3个维度出发，构建“三位一体”的微观企业产学研融合程度综合评价模型，弥补了以往研究主要基于宏观视角分析产学研融合的不足，实现了通过科学方法和客观数据对产学研融合程度进行定量评价；另一方面，本文从理论层面探讨产学研融合程度对科技型中小企业创新绩效的影响机理以及环境不确定性的调节作用，并通过面板数据对上述影响机理和调节作用进行实证研究，实现了对产学研融合的定量分析，发展了产学研融合相关理论，并拓展了产学研合作对企业创新绩效影响的研究。

本文结论具有重要实践启示：从宏观层面看，我国产学研深度融合的目标是形成全要素、多领域、高质量的产学研深度融合发展局面，政府应健全推进产学研深度融合的政策支持体系，尤其是进一步制定支持企业与大学、科研院所共建高层次产学研创新联合体的政策体系，并通过配套政策形成支撑产学研深度融合的利益融合机制，健全产学研深度融合的制度保障、资金保障、设施保障和人才保障。从微观企业层面看，进一步拓展与大学或科研院所产学研融合的范围、层次，是实现产学研深度融合的重要路径，而不仅仅是简单地增加合作频次。首先，在创新链与产业链全链条各环节积极开展不同类型的产学研合作，多渠道获取学研机构异质性资源，促进协同效应产生；其次，建立高质量、深层次的产学研合作关系，建立收益共享、风险共担、共同发展的利益共同体，如产学研创新联合体，打破产学研各主体组织边界，实现创新链与产业链融合、科技与产业无缝对接；最后，与现有学研伙伴保持一定合作频率，避免过度信任与依赖，同时积极寻找新的学研伙伴，构建多样化合作模式，充分利用不同学研机构或合作模式带来的不同类型优势资源，不断提高创新灵活性，拓展产学研创新路径及范围。

本研究不可避免存在一些局限，也为后续研究提供了启示。首先，本文仅使用产学研合作层面数据对产学研融合程度进行测度，未来可使用其它层面数据，从主体组织、项目边界的渗透与融合等角度测度产学研融合程度；其次，本文仅探讨了微观层面产学研融合程度与科技型中小企业创新绩效的关系，未来可关注宏观层面产学研融合程度对企业创新绩效的影响机制；最后，受限于产学研数据的可获得性，本文仅选取产学研合作数据披露相对完整的中小型制造业上市企业作为研究对象，而忽略了其它行业未上市、规模较小、成立时间较短的科技型中小企业，因而限制了研究结论的普适性，未来可针对这些企业进行研究。

参考文献:

[1] 朱永彬,张赤东.推进产学研深度融合破解科技成果“转而未化”难题[J].科技中国,2020(9):4-7.

[2] 陈宏生.共同推动产学研深度融合再上新台阶[J].中国科技产业,2020,34(1):25-26.

[3] 沙其富,任媛媛.环巢湖科技创新走廊产学研融合机制研究[J].中国高校科技,2019,33(7):75-78.

[4] 黄宦霖.职业教育集团产学研深度融合机制研究[J].中国高校科技,2020,34(Z1):1908-1911.

[5] 张羽飞,原长弘,王涛,等.产学研深度融合演化路径分析:基于浙江清华长三角研究院的纵向案例研究[J].中国科技论坛,2020,36(7):87-98.

[6] WANG Y D,HU D,LI W P,et al.Collaboration strategies and effects on university research:evidence from Chinese universities[J].Scientometrics,2015,103(2):725-749.

[7] 刘斐然,胡立君,范小群.产学研合作对企业创新质量的影响研究[J].经济管理,2020,42(10):120-136.

[8] 尹君,谭清美.军民融合程度评价及其优化对策研究[J].科研管理,2020,41(1):90-97.

[9] 吴中超.“双链融合”应用型大学的产学研协同创新运行机制分析[J].宏观经济管理,2020,36(4):44-50.

[10] KAFOUROS M,WANG C Q,PIPEROPOULOS P,et al.Academic collaborations and firm innovation performance in China:the role of region-specific institutions[J].Research Policy,2015,44(3):803-817.

[11] 杜兰英,陈鑫.政产学研用协同创新机理与模式研究:以中小企业为例[J].科技进步与对策,2012,29(22):103-107.

[12] ZHANG S M,YUAN C H,HAN C.Industry-university-research alliance portfolio size and firm performance:the contingent role of political connections[J].The Journal of Technology Transfer,2020,45(5):1505-1534.

[13] BRUNEEL J,D’ESTE P,SALTER A.Investigating the factors that diminish the barriers to university-industry collaboration[J].Research Policy,2010,39(7):858-868.

[14] SCHAEFFER V, ÖCALAN-ÖZEL S,PÉNIN J.The complementarities between formal and informal channels of university-industry knowledge transfer:a longitudinal approach[J].The Journal of Technology Transfer,2020,45(1):31-55.

[15] FISCHER B B,SCHAEFFER P R,VONORTAS N S,et al.Quality comes first:university-industry collaboration as a source of academic entrepreneurship in a developing country[J].The Journal of Technology Transfer,2018,43(2):263-284.

[16] 董睿,张海涛.产学研协同创新模式演进中知识转移机制设计[J].软科学,2018,32(11):6-10.

[17] 丁祺,张子豪.产学研协同创新模式与利益机制构建[J].中国高校科技,2018,32(7):28-30.

[18] LIOUKAS C S,REUER J J.Choosing between safeguards:scope and governance decisions in R&D alliances[J].Journal of Management,2020,46(3):359-384.

[19] HOEHN-WEISS M N,KARIM S.Unpacking functional alliance portfolios:how signals of viability affect young firms' outcomes[J].Strategic Management Journal,2014,35(9):1364-1385.

[20] 杨震宁,赵红.中国企业的开放式创新:制度环境、“竞合”关系与创新绩效[J].管理世界,2020,36(2):139-160,224.

[21] 李德辉,范黎波,杨震宁.企业网络嵌入可以高枕无忧吗:基于中国上市制造业企业的考察[J].南开管理评论,2017,20(1):67-82.

[22] 崔蓓,王玉霞.供应网络联系强度与风险分担:依赖不对称的调节作用[J].管理世界,2017,33(4):106-118.

[23] ZHENG Y F,YANG H B.Does familiarity foster innovation? the impact of alliance partner repeatedness on breakthrough innovations[J].Journal of Management Studies,2015,52(2):213-230.

[24] HAGEDOORN J,LOKSHIN B,ZOBEL A K.Partner type diversity in alliance portfolios:multiple dimensions,boundary conditions and firm innovation performance[J].Journal of Management Studies,2018,55(5):809-836.

[25] 唐国华,孟丁.环境不确定性对开放式技术创新战略的影响[J].科研管理,2015,36(5):21-28.

[26] KRISHNAN R,GEYSKENS I,STEENKAMP J B .The effectiveness of contractual and trust-based governance in strategic alliances under behavioral and environmental uncertainty[J].Strategic Management Journal,2016,37(12):2521-2542.

[27] 申慧慧,于鹏,吴联生.国有股权、环境不确定性与投资效率[J].经济研究,2012,47(7):113-126.

[28] 傅皓天,于斌,王凯.环境不确定性、冗余资源与公司战略变革[J].科学学与科学技术管理,2018,39(3):92-105.

[29] 王金凤,蔡豪,冯立杰,等.外部环境不确定性、网络惯例与双元创新关系研究[J].科技进步与对策,2020,37(6):37-45.

[30] 张敏.资源拼凑会抑制企业家精神吗:基于环境不确定及政商关系的调节效应检验[J].科学学研究,2020,38(5):886-894.

[31] 李文亮,赵息.外部学习、环境不确定性与突破性创新的关系研究[J].研究与发展管理,2016,28(2):92-101.

[32] 刘婧,罗福凯,王京.环境不确定性与企业创新投入:政府补助与产融结合的调节作用[J].经济管理,2019,41(8):21-39.

[33] SABHERWAL R,ARKANSAS U O,SABHERWAL S,et al.How does strategic alignment affect firm performance? the roles of information technology investment and environmental uncertainty[J].MIS Quarterly,2019,43(2):453-474.

[34] 戴浩,柳剑平.政府补助对科技中小型企业成长的影响机理:技术创新投入的中介作用与市场环境的调节作用[J].科技进步与对策,2018,35(23):137-145.

[35] 温军,冯根福.风险投资与企业创新:“增值”与“攫取”的权衡视角[J].经济研究,2018,53(2):185-199.

[36] CHOI J,CONTRACTOR F J.Choosing an appropriate alliance governance mode:the role of institutional,cultural and geographical distance in international research & development (R&D) collaborations[J].Journal of International Business Studies,2016,47(2):210-232.

[37] 洪银兴.围绕产业链部署创新链:论科技创新与产业创新的深度融合[J].经济理论与经济管理,2019,38(8):4-10.

[38] BERTRAND-CLOODT D,HAGEDOORN J,VAN KRANENBURG H.The strength of R&D network ties in high-tech sectors：a multi-dimensional analysis of the effects of tie strength on innovation performance[J].Technology Analysis & Strategic Management,2011,23(10):1015-1030.

[39] XU G.The costs of patronage:evidence from the British empire[J].American Economic Review,2018,108(11):3170-3198.

[40] GORMLEY T A,MATSA D A.Common errors:how to (and not to) control for unobserved heterogeneity[J].The Review of Financial Studies,2014,27(2):617-661.

[41] COHEN P,COHEN P,WEST S G,et al.Applied multiple regression/correlation analysis for the behavioral sciences[M].London:Psychology Press,2014.

[42] MCEVILY B,MARCUS A.Embedded ties and the acquisition of competitive capabilities[J].Strategic Management Journal,2005,26(11):1033-1055.

(责任编辑：陈 井)