强制性制度压力对颠覆性创新的影响机理
——以中国新能源汽车产业“双积分”政策为例

何郁冰,林 婷

(福州大学 经济与管理学院,福建 福州 350108)

摘 要:政府应如何构建有利于颠覆性技术涌现及创新价值实现的政策环境,推动企业实现颠覆性创新并获得竞争优势,值得深入研究。从强制性制度压力视角探讨政策工具对企业颠覆性创新的影响机理,并基于新能源车企“双积分”政策的准自然实验,运用断点回归开展实证研究。结果表明:①“双积分”政策提高了新能源车企颠覆性创新的概率、数量、占比以及质量;②从机制分析看,“双积分”政策主要通过激励企业增加研发项目、参与技术标准联盟两条路径促进新能源车企颠覆性创新;③异质性分析发现,“双积分”政策对车企颠覆性创新的推动作用在民营企业以及更受媒体关注的企业中更显著。

关键词:强制性制度压力;颠覆性创新;新能源汽车产业;“双积分”政策;断点回归

The Impact Mechanisms of Compulsory Institutional Pressure on Disruptive Innovation: An Empirical Study on the CAFC &NEV Credit Regulation of China's New Energy Vehicle Industry

He Yubing, Lin Ting

(School of Economics and Management, Fuzhou University, Fuzhou 350108, China)

AbstractThere is considerable interest in studying the factors necessary to promote disruptive innovation. Literature on the emergence of a new industry and technological evolution suggests that the commercialization of disruptive technology is markedly constrained by government involvement. Previous studies have highlighted institutional pressure as an essential ingredient in the emergence of disruptive technology and the realization of its innovative value. However, how should the government construct a policy context to cultivate the emergence of disruptive technology and capture its innovation value? How will such a policy context propel firms to achieve disruptive innovation and establish sustainable competitive advantages? These unsolved issues still need further and deeper exploration, both scholarly and practically. This study attempts to address these issues by investigating the institutional pressure antecedents of firms’ innovative activities.

Approaching the topic from an institutional theory perspective, this paper, hence, throws fresh empirical light on regression discontinuity design (RDD) on how compulsory pressure from restrictive policies shapes organizational disruptive technological innovation loci. The new energy vehicle industry is a poster child of disruptive innovation—a specific type of technological change through which firms open up new markets and which leads to a reshuffle of the industrial structure. In this industry, the CAFC &NEV Credit Regulation introduced by the Chinese government is a typical type of compulsory policy and an excellent sample for evaluating the impact of compulsory institutional pressure on disruptive innovation. Thus, the study uses the data from the new energy vehicle industry from 2016 to 2021 to conduct the “quasi-natural experiment” of the “CAFC &NEV Credit Regulation” implemented by the Chinese government. Specifically, the research findings show that (1) the China CAFC &NEV Credit Regulation has a strikingly significant promotion effect on the probability, quantity, proportion, and quality of disruptive innovations of new energy automobile firms; (2) from the perspective of mechanism analysis, the China CAFC &NEV Credit Regulation mainly stimulates firms to increase R&D projects and participate in technical standard alliances to improve their disruptive innovation; and (3) according to the heterogeneity analysis, the promotion effect of the China CAFC &NEV Credit Regulation on the disruptive innovation output is more obvious in private firms and firms that have received more media attention. Thus, establishing reasonable and effective institutional environments contributes to the advancement of disruptive technological innovation and industrial technology upgrades. Results from the empirical study yield substantial decision-making contributions for policymakers to further improve the analytical framework and institutional construction of disruptive technological innovation.

This study makes three primary contributions. First, the perspective of institutional embeddedness extends existing work on the interaction between enterprises’ disruptive innovation and external institutional pressures in the face of technological uncertainty. It is stressed that the pattern of technological evolution is not just about the development of technological logic but also about how firms better adapt to social contexts and technology needs. Second, in terms of research methodology, there is now a broad literature that adopts a qualitative approach to demonstrate the mechanisms by which institutional barriers and drivers involved may influence disruptive innovation. Yet, to date, the empirical evidence base for the impact of institutional pressure on disruptive innovation remains sketchy. On the basis of the quasi-natural experiment of the China CAFC &NEV Credit Regulation, this paper closely follows a regression discontinuity design method to comprehensively evaluate the effect of the China CAFC &NEV Credit Regulation on the disruptive innovation behavior of new energy vehicle firms. Our study complements the micro-level evidence of disruptive innovation in the Chinese context. Third, this study provides a more comprehensive examination of the behavior of firms in the context of institutional pressure policies. It argues that the extent of media coverage and ownership attributes of firms seem to be a relevant and important factor for explaining the heterogeneous impact of the China CAFC &NEV Credit Regulation on firms.

Key WordsCompulsory Institutional Pressure; Disruptive Innovation; New Energy Vehicle Industry; CAFC &NEV Credit Regulation of China; Regression Discontinuity

收稿日期:2023-06-18

修回日期:2023-11-09

基金项目:国家社会科学基金重点项目(19AGL008)

作者简介:何郁冰(1974-),男,湖南江永人,博士,福州大学经济与管理学院教授、博士生导师,研究方向为技术创新管理;林婷(1995-),女,福建宁德人,福州大学经济与管理学院博士研究生,研究方向为创新管理。本文通讯作者:林婷。

DOI:10.6049/kjjbydc.2023060748

开放科学(资源服务)标识码(OSID):

中图分类号:F204

文献标识码:A

文章编号:1001-7348(2024)23-0029-12

0 引言

在新一轮科技革命和产业变革背景下,中国亟需加强颠覆性创新以实现技术跨越与创新赶超。与维持性创新相比,颠覆性创新具有高风险、不确定和跨组织等显著特征[1],在形成初期易受到在位企业的抵制,也面临技术不成熟、缺乏相关基础、与既有制度逻辑相冲突等多重挑战。有研究表明,合理的制度压力对企业技术创新具有显著推动作用,政府制定的产业政策、法律和规制在很大程度上影响企业开展颠覆性创新的战略决策[2]

制度压力是指政府及行业协会等为影响组织行为而建构和形成的一整套制度规则与正式的行为约束机制[3],包括强制性、规范性和模仿性等类型[4]。其中,强制性制度压力指组织外部具有法律权威的机构通过各种强制性的法律法规(产品禁令、排放标准等)或基于市场的激励性政策(政府补贴、税收优惠等),强制要求、劝导或邀请企业采取战略趋同行为(李怡娜等,2011)。强制性制度压力对企业创新行为具有形塑作用[5],企业在此情境下面临顺从制度需求与积极改变外部制度环境两种不同战略抉择。颠覆性创新从本质上挑战主流的社会技术体制,其发展路径以及对行业结构变迁的影响具有较大不确定性,供应链结构极其复杂,通常需要运用具有强制性特征的政策工具进行监管、调整与优化。比如,政府补贴可提升企业研发动力,弥补新兴技术投资的市场失灵,引导面向颠覆性创新的资源集聚。完善的财政科研资助体系有助于缓解企业开展颠覆性创新的融资约束,并降低潜在研发风险[6]。近年来,中国新能源汽车行业的创新能力和市场影响力快速提高,得益于各级政府积极为该行业构建适宜的制度环境,通过政策法规、技术标准和研发支持等干预手段,为新能源车企提供有效的保护机制,延长颠覆性技术孵化、突破与发展的期限。国务院《新能源汽车产业发展规划(2021-2035年)》提出,“突破关键核心技术,构建新型产业生态,完善基础设施体系,优化产业发展环境,推动我国新能源汽车产业高质量可持续发展,加快建设汽车强国”。有研究发现,强制性制度压力也可能对企业技术创新带来不利影响,随着产业发展进入增长与扩张阶段,基于政府扶持的制度压力对企业创新的激励效果不明显,会加剧同质化产能过剩的风险[7]。原因在于,某些设计不完善的激励政策虽然短期内推进企业研发投入并提高创新产出,但长期来看难以形成对企业创新的“杠杆”效应,而表现为一定程度的“挤出效应”,制度压力激励企业创新的边际贡献下降。因此,有必要深入探讨制度压力对颠覆性创新的影响机理。

颠覆性创新[8]是创新管理与企业发展领域长期关注的研究主题,研究视角涉及组织战略(资源配置和治理结构)、技术变革(科技突破和知识重组)和市场不连续(用户需求和商业模式)等方面。近年来,探讨制度环境对颠覆性创新的影响机制成为研究热点,但较少分析在强制性制度压力情景下,企业如何迎合制度约束并结合战略行动开展颠覆性创新。尽管较多学者关注政府补贴、税收优惠、知识产权制度等强制性制度压力对企业创新的影响机制,但大多将创新视为整体变量,缺乏针对颠覆性创新的具体分析。余维臻等(2022)认为积极且包容的制度环境对于中国新创企业颠覆性创新至关重要,但尚未关注不同性质制度压力的激励机制有效性问题。颠覆性创新是对既有技术范式和管理实践的根本性变革,其形成和发展需要具备良好的制度环境。由于强制性制度压力对企业颠覆性创新的影响具有非线性特征,难以进行全面系统的定量评估,本文采用文献中的普遍做法,选取反映强制性制度压力的某一典型政策事件进行分析。

新能源汽车被普遍认为具有颠覆性创新特征[2],正逐渐对传统能源汽车形成替代效应。在该行业,我国政府出台的“双积分”政策是一类典型的强制性政策,是评估强制性制度压力影响颠覆性创新的绝佳样本。2017年9月,为避免车企陷入“补贴依赖”并引导新能源汽车良性发展,工信部联合财政部和商务部等出台《乘用车企业平均燃料消耗量与新能源汽车积分并行管理办法》(简称“双积分”政策),旨在通过奖惩方式推动车企扩大对新能源汽车的投入,实现技术突破与产业培育。该项政策以境内和进口乘用车供应企业为对象,对其平均燃料消耗量及新能源乘用车生产情况进行积分考核,未能达标的企业会受到处罚。该制度提供了一个明确的断点,能较好地构造准自然实验。那么,“双积分”政策能否发挥强制性制度压力的作用,推动新能源车企颠覆性创新?该作用是通过何种机制实现的?尽管刘金亚等(2023)考察了“双积分”政策如何影响新能源车企的整体技术创新能力,但仅选择少数上市公司作为研究样本,研究结果可能存在一定偏差,且关于政策对新能源汽车或传统燃油汽车技术研发的影响机制也缺乏系统阐释。为使研究结论更具针对性,本文使用断点回归方法,以所有受到“双积分”政策影响的新能源汽车企业为研究样本,探讨“双积分”政策的强制性制度压力影响颠覆性创新的因果效应及作用机理,研究结论有助于深入理解颠覆性创新形成机制,为我国构建推进颠覆性创新的政策环境提供有益启示。

1 制度背景、理论分析与研究假设

1.1 制度背景

近十多年来,我国政府构建了多方面的组合激励政策,对新能源汽车产业进行全方位扶持,有效推动了电池、电机和电控领域的关键技术攻关。然而,随着政府补贴压力过重、车企“骗补”等问题凸显,政府补贴机制亟需与符合产业实际的市场机制进行融合。针对这一问题,借鉴美国CAFE(Corporate Average Fuel Economy)标准与ZEV(Zero-Emission Vehicle)法案引导车企全面提高技术水平的经验,工信部会同相关部门于2017年9月发布了“双积分”政策。该政策以中国境内年产量或进口量大于3万辆的乘用车企业为考核对象,根据汽车制造商生产的汽车产品相关参数进行加权计算,产生新能源汽车积分(NEV积分)与平均燃料消耗量积分(CAFC积分)。根据“双积分”管理办法,企业削减燃油车油耗和生产新能源汽车能够获得正积分。企业可通过结转、关联企业间转让CAFC 正积分、自有NEV积分或在积分市场购买其它企业的NEV积分等方式抵偿积分亏空。政策要求各车企NEV积分与CAFC积分均为正数,未达标的企业会受到暂停部分燃油车型生产的处罚。从长期来看,“双积分”政策能有效承接补贴政策,倒逼传统乘用车企业向新能源领域转型,是驱动新能源车企颠覆性创新的重要制度安排。

1.2 理论分析与研究假设

与有关学者主要关注“够用技术”意义上的商业模式创新不同[8],本文中颠覆性创新是指通过科学原理与技术知识突破对现有主导技术形成替代效应的一类创新模式。颠覆性创新为新兴企业实现技术突破提供新路径,破坏现有市场的联系与主流经济结构,开辟全新市场和潜在应用,并导致产业结构重新洗牌[9]。学者们发现颠覆性创新的形成和演化是非线性的、群体突破的动态过程,受到技术、组织、市场和制度环境等因素的综合影响[10]。在实践中,企业研发和创新通常受到行业、政府和社会认知等多重制度压力的约束[4],制度因素一定程度上决定企业颠覆性创新的模式和程度。

Hall等[10]强调通过完善相关政策、培育创新文化等措施,降低颠覆性创新给社会带来的风险和挑战,提升其与社会规范的匹配度;余维臻等(2022)基于制度嵌入认为,单一的规制、规范和认知压力对创新活动具有独特作用,但多个制度压力的组合对颠覆性创新的影响存在交互作用效果。企业在开展颠覆性创新的过程中可能面临来自政府、行业协会、核心组件采购商、媒体、竞争企业等各类利益相关者的多重影响,不同的制度压力实施主体会对企业产生差异性约束机制,并进一步影响企业创新目标的制定,导致企业采取不同战略决策。研究表明,中国新能源汽车行业发展是通过完善政策和优化制度环境实践颠覆性创新的典型[2]。目前,学术界主要通过分析政策组合工具、政府补贴等阐释相关产业政策对新能源车企的产出绩效和研发创新的作用机制,将制度嵌入作为一个整体,考察统一制度场域对企业创新的影响。但是,有关强制性制度压力对新能源汽车行业颠覆性创新的异质性影响尚未得到充分论证。政府干预带来的影响分布于新能源汽车行业发展的各个阶段,企业颠覆性创新战略决策需要采取符合制度或政策期待的行动方式。与颠覆性创新形成机理相关研究聚焦组织层面(知识管理、组织模式、创新过程等)和技术竞争等视角不同,本文关注技术内在特征与制度压力的互动,着重探讨强制性制度压力带来的影响,并以新能源汽车行业的“双积分”政策为切入点,揭示强制性制度压力与企业颠覆性创新之间的因果机制。强制性制度压力主要来自政府行政指示、强制性要求或法律法规等各种细则,以及政府发布的鼓励企业积极参与行动的劝导或邀请等激励型规制,是研究制度压力需要关注的重要维度。

“双积分”政策引致的强制性制度压力在一定程度上激励车企推出颠覆性创新成果以获得竞争优势。颠覆性创新的演化过程需要外部制度环境进行干预和矫正,并与之协同共演(臧树伟等,2021)。首先,“双积分”政策采取自上而下的行政命令形式,具备“强制”属性,积分考核与抵偿规则等规制方式使得车企需采取合理化的关系构建与行为调整措施,促进与颠覆性创新标准的适配[11]。为此,车企将研发新能源汽车技术摆在企业创新战略的首要位置,其研发颠覆性技术的可能性会显著提高。其次,按照“双积分”政策要求,车企在每一年度必须满足一定比例的新能源汽车积分比例要求,这将激励车企推出数量更多的新能源汽车相关颠覆性技术并将其商业化,以符合政策要求并获取新能源汽车正积分[12]。Li等[13]强调,“双积分”政策正逐渐摆脱单纯依靠财政补贴的做法,能有效发挥政府规制压力推动新能源汽车产业创新产出的作用。最后,车企生产新能源汽车得到的富余新能源正积分可在积分交易市场出售,这进一步推动车企围绕新能源积分奖励开展更大规模、更高质量的颠覆性创新(李旭等,2021),其颠覆性创新产出在企业整体创新产出中的权重会得到提升。Ruan等[2]以中国电动汽车行业为例,强调强制性制度压力会提高市场对颠覆性技术的认可度;Helveston等[14]探讨了制度环境对中国插电混合汽车技术跨越的影响,认为中国政府的政策引导和一系列强有力的政策制度与保障措施为该行业建立了受保护的市场空间。因此,“双积分”政策实施后,新能源车企开展颠覆性创新的概率、数量、比重以及质量都会得到显著提高。基于上述分析,本文提出如下假设:

H1:“双积分”政策实施带来的强制性制度压力有利于提升新能源车企颠覆性创新的概率、数量、占比以及质量。

“双积分”政策实施带来的强制性制度压力通过激励企业实施研发创新项目,推动其颠覆性创新能力提升。启动与实施研发创新项目并进行研发合作,对推进企业颠覆性创新尤为重要。一方面,新能源汽车发展受到电池能量密度、容量等技术的制约,而用户比较关注续航里程和安全性问题,因此,对续航里程、能量密度和电耗等方面予以倾斜的新能源正积分计算规则释放了一种积极信号。这种强制性制度利用合法性压力使动力电池及相关部件供应商提高研发力度,通过增加研发项目有效增强企业能动性,驱动技术加速迭代。另一方面,颠覆性技术研发通常伴随较高的研发费用投入,相应的创新风险也较大。作为内部研发的有益补充,企业开展外部研发合作将最大限度地减少不确定性。在“双积分”政策的强制性规制影响下,车企为避免警告或处罚,会主动改变供应链企业协同创新模式与合作行为。刘丛等[15]基于博弈模型分析指出,为提高新能源汽车技术水平和产品质量,制造企业将采取成本分担和收入共享的合作策略,激励动力电池厂商通过产业链企业间技术合作实现产品升级。因此,“双积分”政策实施带来的强制性制度压力会激励新能源车企扩大研发投入规模,增加研发项目数量,进而提升车企颠覆性创新能力。

“双积分”政策引致的强制性制度压力还将激励车企参与技术标准联盟,增强企业拓宽技术知识来源的意识,进而促进其颠覆性创新能力提升。单个组织通常无法拥有创新所需的全部资源,参与技术标准联盟已成为企业间信息互通和知识共享的重要渠道。实际上,技术标准化涉及创新相关资源与能力等要素的配置,表现为技术融合与交互作用的过程。相关研究表明,技术标准联盟网络化与联盟企业颠覆性创新呈正相关关系(王黎萤等,2022)。一方面,企业在强制性制度压力下表现出较为积极的战略反应,当企业嵌入技术标准联盟时,紧密的合作关系有利于创造信任互惠的环境,增加有效知识流动的可能性。具体而言,新能源汽车行业技术标准联盟提供技术和知识扩展池,其它联盟伙伴的技术知识为新能源车企开展颠覆性创新提供有益补充。另一方面,“双积分”政策带来的强制性监管是促进企业参与技术标准联盟的重要动力之一,当企业在行业技术标准联盟中占据一定控制地位时,技术知识壁垒的打破有助于企业获取更多优质的关键知识,为其实现技术颠覆提供重要基础。孙冰等[16]也强调技术标准联盟为企业重组和优化技术知识提供外部资源,有利于企业将多种创新要素进行整合与编排,增强技术突破能力。综合上述机制分析,本文提出如下假设:

H2:“双积分”政策实施带来的强制性制度压力主要通过激励车企增加研发项目、参与技术标准联盟,提高新能源汽车企业颠覆性创新水平。

2 研究样本、数据与方法

2.1 研究样本及变量测量

为进行实证检验,本文整理了3类数据:一是工信部发布的2016—2021年187家乘用车企业的“双积分”核算信息;二是专利数据,本文从Patsnap数据库中搜集样本企业2016-2021年申请的19 729条与新能源汽车技术相关的专利,并提取专利引用信息;三是企业数据,企业年龄与所有权信息从国家企业信用信息公示系统查询整理得到,企业参与技术标准联盟的数据来自CNKI《标准数据总库》中2015-2022年汽车行业所有正式标准,企业新增研发项目数据来自2017—2022年《节能与新能源汽车年鉴》,媒体关注数据来自中国经济新闻库。通过样本匹配和数据清洗,最终获得2016—2021年805个样本。

(1)被解释变量。本文借鉴Wu等[17]的思路,构建样本中每项新能源汽车专利的颠覆性指数(DI),计算公式如式(1)。

(1)

焦点专利的引用网络包括3类专利:焦点专利、参考专利和后续专利。式(1)中,ni是仅引用焦点专利的专利数量,nj是引用焦点专利及其部分参考专利的专利数量,nk是仅引用焦点专利的参考专利的专利数量。

颠覆性指数的值介于-1~1之间,其值越靠近1,越能凸显其颠覆性。遵循Byun等[18]的做法,本文将颠覆性指数在前10%的高颠覆性专利识别为新能源汽车技术中的颠覆性创新。由此,被解释变量测量包括:①是否有颠覆性创新(Disdum),衡量企业开展颠覆性创新的概率,在车企产生颠覆性创新的相应年份赋值1,否则为0;②颠覆性创新数量的对数(LnDis),衡量企业颠覆性创新的绝对数量;③颠覆性创新占比(Disrate),指颠覆性创新在企业总体创新中的比重;④颠覆性创新质量(LnDisq),用颠覆性创新被引用次数衡量。

(2)分组变量。车企NEV积分值(Evcredit)。

(3)处理变量。划分车企NEV积分达标与否(Di)。当NEV积分大于0时,处理变量为1,反之为0。

(4)协变量。本文引入如下协变量:企业性质(SOE)、企业类型(Firmtype)、企业年龄(Age)、媒体关注度(Media)、城市创新力指数(Inindex)、城市经济规模(Cgdp)以及城市人口规模(Cpop)。其中,城市创新力指数借鉴寇宗来等[19]的做法进行测量。

2.2 研究方法及模型

“双积分”政策规定企业负的CAFC积分可用正的NEV积分抵消,但负的NEV积分不能用正的CAFC积分抵消,CAFC积分对新能源汽车生产的影响相对较小。受“双积分”政策中NEV积分比例要求的影响,车企均有生产新能源汽车的动力。根据“双积分”政策,NEV积分未达标的企业会受到暂停高油耗产品生产等处罚,此时,变量根据企业生产遵循如下规则:

(2)

其中,i为企业,Evcrediti为分组变量,表示车企的NEV积分水平。Di为处理变量,其值为1时,表示车企NEV积分达标,否则为0。

在实际核算方法中,“双积分”政策达标情况并未完全由单一的NEV积分、CAFC积分决定,即NEV积分达标的车企不一定能实现“双积分”达标,因此,选择模糊断点回归方法更为合适。与式(2)一致,令Di表示处理状态,但是,这里Di不完全由分组变量Evcrediti决定。在断点Evcredit0处,个体得到处理的概率存在一个跳跃上升,即:

Pi(Di=1|Evcrediti)=

(3)

其中,Pi表示NEV积分达标的企业成为“双积分”达标企业的概率。g(Evcrediti)表示NEV积分大于0时车企实现“双积分”达标的概率。

断点回归在具体操作上可通过子样本非参数估计作局部线性回归或使用全样本数据进行参数估计两种方式得到[20],二者是等价的。为避免遗漏变量导致的内生性问题,本文采用两阶段最小二乘法(2SLS)进行工具变量估计。假设式(3)成立,则变量Disit与NEV积分达标存在如下关系:

Disit=α0+α1Pit+α2Evcreditit+α3Xit+εit

(4)

Pit=ζ0+ζ1Dit+ζ2Evcreditit+ζ3Xit+εit

(5)

其中,i代表企业,t代表年份,Xit为控制变量,Dis表示颠覆性创新相关变量,包括是否有颠覆性创新(Disdum)、颠覆性创新数量的对数(LnDis)、颠覆性创新比重(Disrate)、颠覆性创新质量(LnDisq)。

本文借鉴Imbens等[21]的做法,在稳健性检验部分进行非参数估计,并以最优带宽为基准对多个带宽设定的结果进行对比,进一步论证研究结果。如果只选取NEV积分考核水平在0的邻域中的数据,即考察NEV积分考核水平在区间[-h,h]的样本(h为很小的正数),则在断点两侧的样本近似随机分布。进一步地,根据Angrist等[22]的研究,可得到“双积分”政策的局部平均处理效应为:

(6)

3 实证结果与分析

3.1 描述性统计

总体样本分布情况和主要变量描述性统计结果如表1所示,颠覆性创新在企业当年创新中占比的最大值为66.667%,最小值为0.000,标准差为4.252,表明不同企业颠覆性创新在企业整体创新中的占比存在显著差异。

表1 描述性统计结果

Table 1 Descriptive statistics

变量变量描述MeanSDMinMaxDisdum是否有颠覆性创新,1表示企业当年有颠覆性创新,否则为00.2410.4280.0001.000LnDis颠覆性创新的数量对数0.3810.8370.0005.357Disrate颠覆性创新在企业当年创新中的占比0.9814.2520.00066.667LnDisq颠覆性创新的质量,取对数0.8281.6090.0007.876Evcredit新能源汽车积分0.2410.984-1.45714.017D新能源汽车积分是否达标0.5130.5000.0001.000P企业“双积分”达标的概率0.5130.1050.3720.685SOE企业性质,1表示国有企业,否则为00.4100.4920.0001.000Firmtype企业类型,1表示境内乘用车企业,0表示进口乘用车供应企业0.8100.3930.0001.000Age企业年龄,用ln(1+年份-企业成立年份)测量2.6250.6680.0004.234Media企业在当年被媒体报道的数量加1, 取对数9.24115.1850.000192.000Inindex城市创新力指数457.129654.5050.5672 907.851Cpop城市人口密度,全市年末总人口取对数1 282.473908.349129.9003 212.000Cgdp城市经济规模,企业所在城市的人均生产总值取对数10.9484.0762.70020.349

3.2 模糊断点回归

在回归分析前,本文通过散点图与选择带宽描绘分组变量、处理状态以及被解释变量三者之间的关系。由图1可知,在NEV积分为0的附近,车企“双积分”达标的概率有一个明显的向上跳跃,这与政策中车企“双积分”达标后可以不受生产处罚的政策规定基本吻合。

图1 “双积分”达标的概率与新能源汽车积分
Fig 1 Probability of target attainment of the "CAFC &NEV Credit Regulation" and the NEV credit

类似地,图2利用带宽选择和曲线拟合方法展示了分组变量NEV积分与颠覆性创新相关变量之间的关系,仍然在断点0处有一个明显的向上跳跃,初步表明“双积分”政策对车企颠覆性创新具有提升作用。

图2 颠覆性创新相关变量断点图
Fig 2 Breakpoint chart of variables related to disruptive innovation

本文采用2SLS模型检验全样本情形下的政策实施效果。鉴于模糊断点回归能在一定程度上克服内生性问题,本文在模型中加入时间效应而非个体固定效应,以排除其它可能的影响因素。表2展示了模糊断点回归结果,列(1)对应的被解释变量为企业是否有颠覆性创新,结果显示在控制企业、地区属性特征及时间效应后,“双积分”政策的估计系数为0.140并且显著。这表明,“双积分”政策的实施能显著提高企业研发颠覆性创新概率。由列(2)—(4)的回归结果可知,“双积分”政策显著提升颠覆性创新的数量、占比与质量。因此,在全样本层面,“双积分”政策对车企颠覆性创新的概率、数量、占比以及质量产生显著正向影响。

表2 全样本 2SLS 回归结果

Table 2 Results of 2SLS regression of the full sample

变量(1)(2)(3)(4)DisdumLnDisDisrateLnDisqEvcredit0.137 0.451***1.619**0.774**(0.083)(0.156)(0.742)(0.314)P0.140***0.294***1.253***0.593***(0.031)(0.070)(0.440)(0.129)SOE0.089**0.296***0.2760.539***(0.045)(0.099)(0.396)(0.183)Firmtype0.157***0.174*0.799**0.445**(0.048)(0.102)(0.364)(0.190)Age0.0230.0730.1760.150(0.038)(0.077)(0.319)(0.147)Media0.006**0.013***-0.0310.024***(0.002)(0.004)(0.022)(0.008)Inindex0.0290.0580.1510.112(0.033)(0.077)(0.226)(0.136)Cpop-0.0240.007-0.163-0.024(0.029)(0.069)(0.225)(0.128)Cgdp-0.006-0.014-0.015-0.025(0.007)(0.014)(0.041)(0.026)时间效应YesYesYesYes常数项-0.921***-2.045***-7.581***-4.090***(0.266)(0.546)(2.822)(1.064)样本量805805805805R20.1700.1210.1870.151

注:*、**、***分别表示在 10% 、5% 和 1% 的显著性水平下通过检验,括号内为稳健标准误,下同

为准确评估政策的效果,本文进行最优带宽样本下的2SLS回归,结果如表3所示。列(1)是将企业是否有颠覆性创新作为被解释变量的回归结果,在最优带宽[-0.047,0.047]内,变量P即政策的回归系数为0.066且显著。这表明,在达标线0附近的一个很小区间内,“双积分”政策会促使企业提高参与颠覆性创新的概率。列(2)—(4)也表明,在最优带宽内,“双积分”政策对新能源车企颠覆性创新的数量、比重、质量同样产生显著推动作用。李旭等(2021)指出“双积分”政策在引导产业调整方面具有激励作用,强调“双积分”政策显著促进新能源车企研发投入规模。这进一步倒逼汽车生产商和汽车进口商降低成本,提升产品竞争力,从而引导行业走向高质量创新。可见,无论是全样本还是最优带宽情况下,都支持假设H1成立。

表3 调整带宽的2SLS 回归结果

Table 3 2SLS regression results with adjusted bandwidth

变量(1)(2)(3)(4)DisdumLnDisDisrateLnDisqEvcredit0.117 0.590 1.585*1.134(0.265)(0.446)(0.820)(1.022)P0.066***0.135***0.935**0.314***(0.026)(0.039)(0.424)(0.087)SOE0.0630.150**0.2980.342**(0.043)(0.065)(0.419)(0.148)Firmtype0.148***0.199***0.936***0.489***(0.042)(0.059)(0.323)(0.136)Age-0.0160.028-0.0790.043(0.035)(0.048)(0.313)(0.118)Media0.010***0.010***-0.0080.024***(0.003)(0.004)(0.020)(0.008)Inindex0.0070.0440.4110.091(0.033)(0.044)(0.250)(0.101)Cpop-0.031-0.032-0.288-0.079(0.024)(0.035)(0.251)(0.080)Cgdp-0.0020.001-0.0200.003(0.007)(0.010)(0.040)(0.024)时间效应YesYesYesYes常数项-0.382*-0.989***-4.985*-2.228***(0.231)(0.359)(2.763)(0.837)样本量508498621498最优带宽0.0470.0430.1820.043R20.1610.1490.0180.161

3.3 稳健性检验

根据Imbens等[23]的观点,在设定相应带宽的条件下,协变量在断点处的密度函数满足平滑性检验是进行断点回归的重要前提。本文以协变量为被解释变量进行回归,结果如表4所示,协变量在断点处的回归系数均不显著,表明所有协变量在断点处是连续的。

表4 协变量连续性检验结果

Table 4 Continuity test results of covariates

变量 (1)SOE(2)Firmtype(3)Age(4)Media(5)Inindex(6)Cpop(7)CgdpLATE0.153-0.205-0.235-2.6300.361-0.067-2.454(0.347)(0.250)(0.311)(4.591)(0.436)(0.045)(2.112)带宽 0.119 0.2490.3860.1180.158 0.282 0.317 时间效应YesYesYesYesYesYesYes样本量584646674584608655661

本文基于McCrary[24]提出的核密度函数方法检验“双积分”政策识别策略的有效性。断点两边密度函数的置信区间基本重合,且断点两侧个体数量无明显差别,可以推断样本基本不存在对分组变量的操纵,进一步说明断点回归分析是可行的。

为增强估计结果的有效性,本文基于三角核函数的回归方法,采用均方误差计算最优带宽,进一步对模型进行非参数估计,结果见表5。由模型(1)可知,在子样本的最优带宽下,“双积分”政策实施使得车企研发颠覆性创新的可能性提高约0.184。由模型(2)—(4)可知,当被解释变量为新能源汽车企业颠覆性创新的数量、占比以及质量时,“双积分”政策的实施效应始终为正且显著。表5报告的非参数估计结果与参数估计结果基本一致。

表5 局部线性非参数估计结果

Table 5 Local linear nonparametric estimation

变量 (1)(2)(3)(4)DisdumLnDisDisrateLnDisqConventional0.177***0.112**0.746**0.314***(0.034)(0.048)(0.331)(0.107)Bias-corrected0.184***0.122**0.737**0.337***(0.034)(0.048)(0.331)(0.107)Robust0.184***0.122**0.737**0.337**(0.032)(0.053)(0.352)(0.150)控制变量YesYesYesYes时间效应YesYesYesYes带宽0.0450.0440.1960.043核函数TriangularTriangularTriangularTriangular样本量502501631499

本文将最优带宽与不同带宽设定下的估计结果进行比较,结果如表6所示。当被解释变量为车企是否产生颠覆性创新时,“双积分”政策在最优带宽设定下的政策估计效应为0.867。将带宽设定为0.100、0.120之后,不同带宽设定下“双积分”政策对车企产生颠覆性创新概率的估计值显著为正,与最优带宽估计结果基本一致。同理,当被解释变量为新能源车企颠覆性创新的数量、占比以及质量时,估计结果显示,不同带宽情况下“双积分”政策对新能源车企颠覆性创新相关指标的估计值与最优带宽估计结果基本一致。因此,所估计的“双积分”政策对车企颠覆性创新水平的提升作用是稳健的。

表6 不同带宽下的估计结果

Table 6 Estimated results with different bandwidths

被解释变量(1)最优带宽(2)自定义带宽0.100(3)自定义带宽0.120Disdum0.867***0.828***0.642***(0.223)(0.213)(0.244)LnDis0.591**0.858***0.539**(0.270)(0.322)(0.234)Disrate1.626**2.275***2.114***(0.661)(0.565)(0.600)LnDisq1.690***2.075***1.457*(0.633)(0.707)(0.798)控制变量YesYesYes时间效应YesYesYes

3.4 安慰剂检验

安慰剂检验的思想是,为排除其它因素的可能影响,论证车企颠覆性创新水平的提高是由“双积分”政策实施带来的。据此,将NEV其它积分值作为“伪断点”,回归结果应当看不到任何显著性。如表7所示,本文选择0.020、0.030、0.040、-0.020、-0.030、-0.040作为“伪断点”,并分别进行证伪检验。实证结果显示,所有回归结果均不显著,这从侧面印证了研究假设H1

表7 安慰剂检验结果

Table 7 Placebo test results

断点(1)+0.020(2)+0.030(3)+0.040(4)-0.020(5)-0.030(6)-0.040Panel A.DisdumLATE2.1891.143-0.249-0.3791.1650.962(1.774)(2.496)(1.075)(0.710)(3.057)(1.933)带宽0.0700.1030.1410.1000.1630.117样本量531560588578618591Panel B. LnDisLATE0.8820.30510.858-0.4561.3882.080(0.880)(0.670)(39.349)(1.197)(1.139)(2.887)带宽0.0830.0670.1080.0940.1090.090样本量548508560573587577Panel C. DisrateLATE2.8361.0913.303-13.1203.8772.580(6.170)(2.494)(2.130)(15.020)(17.699)(20.965)带宽0.0720.0320.0430.1060.1470.113样本量534374427582608591Panel D. LnDisqLATE7.337-0.19222.816-1.0632.6083.943(7.380)(7.272)(126.427)(2.395)(2.707)(6.061)带宽0.0680.0850.1100.1000.1230.100样本量527542562577595583

4 机制检验

“双积分”政策的实施可以显著提高车企颠覆性创新水平,那么,这种提升作用是通过何种路径实现的?本文从增加研发项目、参与技术标准联盟两条路径,厘清“双积分”政策影响新能源车企颠覆性创新的作用机制。具体模型如下:

Disit=δ+φ0+φ1Tit×Mechanismit+φ2Tit+φ3Mechanismit+φ4Xit+μit

(7)

其中,Tit为“双积分”考核水平是否达标。Mechanismit代表增加研发项目、参与技术标准联盟,前者用企业当年新增的新能源汽车相关研发项目数量加1取对数表示,后者使用t-1至t+1年共同起草标准的起草单位提取企业在t年的标准联盟信息。

表8是基于式(7)估计得出的“双积分”政策与车企颠覆性创新的机制分析结果。列(1)—(4)探究“双积分”政策带来的增加研发项目是否为提升车企颠覆性创新的重要路径。列(1)—(3)显示,“双积分”达标与新增研发项目的交互项及新增研发项目变量的系数都为正,表明“双积分”政策通过增加车企研发项目的路径提高其产生颠覆性创新的概率、数量和比重,证明新增研发项目是“双积分”政策激励车企进行颠覆性创新的作用机制。

表8 机制分析结果

Table 8 Mechanism analysis results

变量(1)Disdum(2)LnDis(3)Disrate(4)LnDisq(5)Disdum(6)LnDis(7)Disrate(8)LnDisq“双积分”达标0.170**0.1580.901**0.2050.0790.169**0.713*0.348*(0.080)(0.128)(0.418)(0.263)(0.063)(0.083)(0.431)(0.189)新增研发项目0.557*0.588***2.677***0.639**(0.285)(0.187)(0.383)(0.322)参与技术标准联盟0.034**0.148***0.0220.392***(0.015)(0.055)(0.087)(0.127)“双积分”达标×新增研发项目1.987*1.868**10.064***1.299(1.192)(0.915)(1.688)(1.694)“双积分”达标×参与技术标准联盟0.133**0.563***0.0121.517***(0.058)(0.199)(0.353)(0.457)控制变量YesYesYesYesYesYesYesYes时间效应YesYesYesYesYesYesYesYes常数项-0.184-0.210-0.2940.0410.051-0.406*1.304-0.980*(0.232)(0.271)(0.932)(0.587)(0.140)(0.226)(0.947)(0.534)样本量568596596596596492599492R20.1580.2380.0540.2170.1650.1460.0370.158

本文还验证了企业参与技术标准联盟的影响路径。在表8中,列(5)(6)(8)结果显示,参与技术标准联盟以及“双积分”达标和参与技术标准联盟的交互项对颠覆性创新各项指标的回归系数均显著为正。也就是说,“双积分”政策显著激发车企参与技术标准联盟的意愿,从而提高车企颠覆性创新的概率、数量以及质量。因为参与技术标准联盟作为企业持续获取高质量创新知识、开展学习活动的重要载体[25],能有效推进企业技术突破并加快颠覆性创新研发速度。机制分析结果表明,“双积分”政策可以激励企业通过增加研发项目以及参与技术标准联盟,为其开展颠覆性创新提供良好支持,因此,假设H2得到支持。

5 进一步检验

5.1 异质性因素考察

新增研发项目和参与技术标准联盟在不同程度上充当“双积分”政策影响车企颠覆性创新的作用渠道,那么,该推动作用的程度与哪些因素相关?相关文献主要关注两个方面:一是企业最终控制权。相比国有企业,民营企业具有创新决策速度快和市场反应能力强等优势,在创新活动中享有更大自主支配权[26]。叶静怡等(2019)指出,政府可以通过各种机制监督国有企业研发活动。二是媒体报道压力。王云等[27]强调,来自媒体的压力会促使企业纠正或主动放弃与社会标准期望相悖的行为。更高的媒体关注度有利于企业从外部环境获得社会资源,促使企业扩大研发投入规模,增加颠覆性创新产出。因此,本文进一步从企业最终控制权与媒体关注度两个方面,探究“双积分”政策引致的强制性制度压力在提高车企颠覆性创新作用上的差异。

为探讨基于企业最终控制权的异质性,本文根据企业最终控制权划分国有企业和民营企业样本组,表9展示了分组回归结果。针对被解释变量的所有指标,在民营企业样本组中,不同带宽情形下断点回归的系数均在1%水平上显著为正,而国有企业样本组的回归系数不显著,表明“双积分”政策对民营企业的颠覆性创新行为具有更强的推动作用。

表9 基于最终控制权的子样本分析结果

Table 9 Subsample analysis results based on ultimate control rights

带宽 DisdumDisdumLnDisLnDisDisrateDisrateLnDisqLnDisq民营国有民营国有民营国有民营国有0.0800.487***4.0650.445***28.8481.704***18.3241.169***35.627(0.073)(2.538)(0.080)(40.086)(0.600)(11.354)(0.201)(32.371)0.1000.490***6.0950.445***11.4101.775***19.9601.173***23.741(0.073)(4.837)(0.081)(9.408)(0.399)(13.586)(0.201)(19.175)0.1200.473***3.8570.436***6.9611.689***16.7761.138***14.810(0.078)(2.491)(0.091)(4.897)(0.503)(10.276)(0.223)(9.969)控制变量YesYesYesYesYesYesYesYes

关于“双积分”政策对不同媒体关注程度的车企颠覆性创新的影响,本文按照每年样本中位数划分相应的媒体关注度高低组进行分组回归,结果见表10。针对被解释变量的所有指标,不同带宽情形下断点回归的系数均在媒体关注度较高的样本中显著为正,而在媒体关注度较低组不显著,表明“双积分”政策对新能源车企颠覆性创新的推动作用在媒体关注程度较高的企业中更显著。这种正式的强制性制度压力与非正式市场压力相结合所产生的正向效应,反映市场压力对强制性制度压力的补充作用。

表10 基于媒体关注度的子样本分析结果

Table 10 Subsample analysis results based on media attention

带宽 DisdumDisdumLnDisLnDisDisrateDisrateLnDisqLnDisq低高低高低高低高0.0802.0510.596***4.0870.984***2.5512.240***5.4631.509*(1.975)(0.214)(4.855)(0.333)(2.872)(0.832)(6.202)(0.794)0.1001.5650.722***3.6001.035***6.0793.323***7.2472.293***(1.402)(0.195)(4.490)(0.337)(5.448)(1.090)(8.364)(0.689)0.1201.3990.729***2.0021.058***4.9123.388***4.3152.355***(1.242)(0.180)(2.690)(0.324)(3.419)(1.068)(5.048)(0.661)控制变量YesYesYesYesYesYesYesYes

5.2 “双积分”政策对传统燃油汽车技术创新的影响

“双积分”政策旨在倒逼汽车生产商扩大对新能源汽车的投入,那么,该政策是否推动车企由传统燃油汽车技术向新能源汽车技术转型升级?本文进一步检验“双积分”政策对传统燃油汽车领域技术创新的影响。首先,采用“0-1”变量衡量车企在传统燃油汽车技术领域创新的概率,回归结果如表11列(1)所示,“双积分”政策降低了车企在燃油汽车领域开展创新的意愿。其次,由列(2)(3)可知,“双积分”政策实施后,车企会显著降低燃油汽车技术创新数量及其在企业研发中的比重。最后,衡量车企在传统燃油汽车领域的技术创新质量,结果见列(4),“双积分”政策的实施未显著降低燃油汽车技术创新质量。

表11 “双积分”政策对传统燃油汽车领域技术创新的影响

Table 11 Impacts of "CAFC &NEV Credit Regulation" policy on technological innovation in the field of traditional fuel vehicles

变量 (1)(2)(3)(4)是否产生燃油汽车专利Ln(燃油汽车专利数量)燃油汽车专利数量/企业专利总数燃油汽车专利被引用总数Conventional-0.207***-4.947***-0.241***1.926(0.073)(1.024)(0.080)(8.248)Bias-corrected-0.226***-4.947***-0.264***2.574(0.073)(1.024)(0.080)(8.248)Robust-0.2261**-4.947***-0.264***2.574(0.088)(1.201)(0.091)(13.351)控制变量YesYesYesYes时间效应YesYesYesYes带宽0.1050.1000.0830.048核函数TriangularTriangularTriangularTriangular样本量575571555509

6 研究结论与启示

为探讨新能源汽车行业颠覆性创新的影响因素及其作用机制,本文以强制性制度压力为理论视角,基于中国政府对新能源车企实行“双积分”政策的准自然实验,使用工信部发布的2016—2021年《乘用车企业平均燃料消耗量与新能源汽车积分核算报告》及相关数据,运用断点回归方法实证检验“双积分”政策对新能源车企颠覆性创新的影响效应。研究结果显示:①随着“双积分”政策的实施,新能源车企开展颠覆性创新的可能性、数量、质量以及在总体创新活动中的比重均得到较大幅度提升,表明“双积分”政策引致的强制性制度压力从“质”与“量”等多方面对新能源车企的颠覆性创新产生显著积极影响;②机制检验结果表明,“双积分”政策对新能源汽车颠覆性创新的提升效应主要通过激励车企增加研发项目以及参与技术标准联盟实现;③“双积分”政策对新能源汽车颠覆性创新的提升效果在不同类别车企之间具有异质性,对民营企业及媒体关注度较高企业的提升效应更加显著,表明政策的影响具有非对称性。

本文结论对进一步改进“双积分”政策,完善新能源汽车企业的颠覆性创新决策机制提供了重要政策启示。

(1)鼓励、引导和推动企业开展颠覆性创新,需要构建与之相适应的体制机制,并更好地发挥政策实施主体的作用。颠覆性技术培育过程具有高不确定性、研发周期长、资金投入大等特点,政府应注重优化面向颠覆性创新的制度环境,构建灵活有效的政策体系,持续优化“双积分”管理流程,使强制性制度压力与市场力量在推动企业颠覆性创新的涌现中协同互补。

(2)发挥好强制性制度压力对颠覆性创新的引导作用,鼓励企业与大学、高校以及其它研发合作伙伴开展研发项目合作,在关键技术领域加大研发投入,广泛参与技术标准联盟,建立合作关系网络,从而获取开展颠覆性创新所需的重要信息和技术知识。

(3)“双积分”政策体现的强制性制度压力,对于不同产权属性与媒体关注程度的企业的作用不尽相同,政府不能采取“一刀切”的执行模式,应根据不同企业的创新需求和能力实行差别化政策实施标准。“双积分”政策的目标,不仅是充分释放民营企业的颠覆性创新动力及活力,更要关注国有企业如何转型。同时,发挥强制性制度压力与媒体关注等市场压力机制的联动效应,更有效地推动企业技术迭代升级。总之,政府应重视通过政策环境调节,发挥强制性制度压力的作用,更好地促进潜在颠覆性技术在观测、试错和调整等过程中逐步孵化成熟。

本文还存在一些不足之处。首先,在采用断点回归方法估计“双积分”政策有效性时,尚未考虑政策实施过程中从其它企业购买新能源积分等抵偿形式与条件。未来研究可以进一步考虑新能源汽车积分价格以及积分交易市场规模如何影响新能源汽车产业发展。其次,在阐释新能源汽车行业颠覆性创新的表现形式、涌现机制和演化规律等方面有待加强。后续研究可结合文本挖掘方法,对新能源汽车行业的颠覆效应进行细粒度分析。最后,目前学者们在阐释颠覆性创新的概念上尚未统一,缺乏统一的测量标准。本文仅从专利层面衡量颠覆性创新,未来研究可结合专利与产品相关数据,从技术创新投入、中间产出、最终产出等多个方面更全面测量颠覆性创新。

参考文献:

[1] 曹阳春, 张光宇, 戴海闻, 等. 基于跨案例研究的颠覆性技术演进特征分析[J]. 科技进步与对策, 2022, 39(3): 1-10.

[2] RUAN Y, HANG C C,WANG Y M. Government′s role in disruptive innovation and industry emergence: the case of the electric bike in China[J]. Technovation, 2014, 34(12): 785-796.

[3] NORTH D C. Institutions, institutional change and economic performance[M]. Cambridge:Cambridge University Press, 1990.

[4] DIMAGGIO P J,POWELL W W. The iron cage revisited: institutional isomorphism and collective rationality in organizational fields[J]. American Sociological Review, 1983, 48(2): 147-160.

[5] 王海花, 谭钦瀛,李烨. 数字技术应用、绿色创新与企业可持续发展绩效——制度压力的调节作用[J]. 科技进步与对策, 2023, 40(7): 124-135.

[6] 韩凤芹,罗珵. 构建面向颠覆性创新的财政科研资助体系[J]. 中国软科学, 2020,35(10): 26-35.

[7] 周亚虹,蒲余路,陈诗一,等. 政府扶持与新型产业发展——以新能源为例[J]. 经济研究, 2015, 50(6): 147-161.

[8] CHRISTENSEN C M. The innovator's dilemma: when new technologies cause great firms to fail[M]. Boston: Harvard Business Review Press, 1997.

[9] 杜传忠, 金华旺,金文翰. 新一轮产业革命背景下突破性技术创新与中国产业转型升级[J]. 科技进步与对策, 2019, 36(24): 63-69.

[10] HALL J K,MARTIN M J C. Disruptive technologies,stakeholders and the innovation value-added chain: a framework for evaluating radical technology development[J]. R&D Management, 2005, 35(3): 273-284.

[11] BEN-SLIMANE K, DIRIDOLLOU C,HAMADACHE K. The legitimation strategies of early stage disruptive innovation[J]. Technological Forecasting &Social Change, 2020, 158(11): 120161.

[12] 郑吉川, 赵骅,李志国. 双积分政策下新能源汽车产业研发补贴研究[J]. 科研管理, 2019, 40(2): 126-133.

[13] LI Y, ZHANG Q, LIU B, et al. Substitution effect of new-energy vehicle credit program and corporate average fuel consumption regulation for green-car subsidy[J]. Energy, 2018, 152:223-236.

[14] HELVESTON J P, WANG Y, KARPLUS V J, et al. Institutional complementarities: the origins of experimentation in China′s plug-in electric vehicle industry[J]. Research Policy, 2019, 48(1): 206-222.

[15] 刘丛, 刘洁, 邵路路, 等. “双积分”政策下新能源汽车制造商激励供应商创新的契约选择研究[J]. 管理学报, 2022, 19(6): 928-937.

[16] 孙冰, 刘晨,田胜男. 社会网络视角下联盟成员合作关系对技术标准形成的影响[J]. 科技进步与对策, 2021, 38(4): 21-27.

[17] WU L, WANG D,EVANS J A. Large teams develop and small teams disrupt science and technology[J]. Nature, 2019, 566(7744): 378-382.

[18] BYUN S K, OH J-M,XIA H. Incremental vs. Breakthrough innovation: the role of technology spillovers[J]. Management Science, 2021, 67(3): 1779-1802.

[19] 寇宗来,刘学悦.中国城市和产业创新力报告[R].复旦大学产业发展研究中心, 2017.

[20] HAHN J, TODD P,VAN DER KLAAUW W. Identification and estimation of treatment effects with a regression-discontinuity design[J]. Econometrica, 2001, 69(1): 201-209.

[21] IMBENS G,KALYANARAMAN K. Optimal bandwidth choice for the regression discontinuity estimator[J]. The Review of Economic Studies, 2012, 79(3): 933-959.

[22] ANGRIST J D,PISCHKE J-S. Mostly harmless econometrics: an empiricist's companion[M]. Princeton:Princeton University Press, 2009.

[23] IMBENS G W,LEMIEUX T. Regression discontinuity designs: a guide to practice[J]. Journal of Econometrics, 2008, 142(2): 615-635.

[24] MCCRARY J. Manipulation of the running variable in the regression discontinuity design: a density test[J]. Journal of Econometrics, 2008, 142(2): 698-714.

[25] 姜红, 孙舒榆,吴玉浩. 技术标准联盟知识生态系统演化机理分析——闪联产业联盟案例[J]. 科技进步与对策, 2019, 36(21): 1-9.

[26] CHILD J,PLEISTER H. Governance and management in China's private sector[J]. International Management, 2003, 7(3): 13-23.

[27] 王云, 李延喜, 马壮, 等. 媒体关注、环境规制与企业环保投资[J]. 南开管理评论, 2017, 20(6): 83-94.

(责任编辑:万贤贤)