The Impact of High-Speed Rail Connectivity on the Linkage between Investment and Innovation Factors

Wang Yufei1, Li Xinyue1, Xu Ke2, Zhang Aoshuang1

(1.School of Economics and Management, Beijing University of Posts and Telecommunications,Beijing 100876, China;2.School of Innovation and Entrepreneurship, Shandong University, Qingdao 266237, China)

Abstract：Effective investment promotion can facilitate the formation of urban agglomeration economies, driving innovation development among enterprises and cities and exerting a long-term impact on urban economic growth. Under the acceleration of the innovation-driven development strategy, China has set higher standards for innovation quality. However, higher quality implies higher barriers to innovation, leading enterprises to seek more resources and reduced risks alongside increased efficiency and quality through collaborative innovation. Investment opportunely provides a foundation of trust and resource conditions for such innovative collaboration. Due to spatial differences in the allocation of factor resources, these factors often need to flow across regions. Therefore, transportation infrastructure, exemplified by high-speed rail, can effectively lower the cost of capital and innovative factor flows, playing a pivotal role in promoting the linkage between investment-driven innovation factors among enterprises and cities. This study defines factor linkage as the flow of one factor leading to the connection of other factors and explores the impact of high-speed rail on the relationship between corporate urban investment and innovation from the perspective of factor linkage, providing significant insights for optimizing factor resource allocation and achieving regional integration in China.

In terms of research methodology, this paper primarily employs a continuous difference-in-differences (DID) model and incorporates multidimensional fixed effects to control for the influence of other confounding factors. It focuses on analyzing the channels through which high-speed rail affects the linkage between investment and innovation, specifically: the innovation quality channel, the investment sustainability channel, and the investment spillover channel. The study manually collects and compiles a panel dataset covering domestic investments and cross-regional collaborative innovations by A-share listed companies from 2005 to 2022, and constructs an indicator to measure the integration between investment and innovation. To capture intercity high-speed rail connectivity, the analysis uses continuous variables such as service frequency instead of binary indicators of mere connectivity, thereby more accurately reflecting the intensity of intercity linkages.

The study finds that high-speed rail connectivity can promote the increase in the number of cooperative patents in recipient cities driven by enterprises' off-site investments, triggering the linkage effect between investment and innovative factors. Moreover, after a series of robustness checks including endogeneity tests, parallel trend tests, and placebo tests, the conclusions remain robust. Mechanism tests demonstrate that high-speed rail connectivity can strengthen the driving effect of investment on innovation through the innovation quality pathway, the investment sustainability pathway, and the investment spillover pathway. High-speed rail can enhance the driving effect of investment on high-quality innovation; the higher the investment sustainability, the more high-speed rail can promote the driving effect of investment on innovative factors; and investment can also drive the linkage of urban innovative factors through inter-industry spillover and inter-firm spillover, among other avenues. Heterogeneity analysis proves that when capital factors flow to central cities, larger cities, or transport hubs, or when they move within urban agglomerations, the driving effect of high-speed rail connectivity on the investment-innovation factor linkage is greater. Thus, the study proposes to enhance the high-speed rail network, maximize spillover effects of transportation hubs, support long-term investment in innovation, and encourage enterprises to pursue technological breakthroughs through diversified pathways.

This study makes marginal contributions from two aspects. First, regarding the research perspective, by focusing on the linkage between investment and innovative elements as the primary research angle, this paper expands the research boundaries concerning the flow of factors and the causal impact among them. Furthermore, it investigates the role of high-speed rail in driving the effect of capital elements on innovative elements, as well as the pathways through which high-speed rail influences this process. Second, concerning the construction of indicator models, this study constructs a scientifically measured indicator that gauges the driving effect of enterprises' cross-regional investments on urban cooperative innovation. The indicator takes into account the lagging relationship between the two, which breaks away from the conventional measurement approaches used in existing research for constructing multi-factor indices.

Key Words：High-speed Rail Connectivity; Linkage of Innovation Factors; Off-site Investment; Cooperative Innovation

收稿日期：2024-07-23

修回日期：2024-10-21

基金项目：国家自然科学基金面上项目(72273015);国家自然科学基金地区项目(72363006)

作者简介：王雨飞(1986—),女,黑龙江齐齐哈尔人,博士,北京邮电大学经济管理学院教授、博士生导师,研究方向为区域与城市经济、交通与区域发展;李昕玥(1999—),女,四川成都人,北京邮电大学经济管理学院硕士研究生,研究方向为交通与区域发展;许可(1992—),男,山东济南人,博士,山东大学国际创新转化学院副教授、硕士生导师,研究方向为公共政策、创新管理与知识产权;张傲霜(1999—),女,辽宁葫芦岛人,北京邮电大学经济管理学院硕士研究生,研究方向为交通与区域发展。通讯作者:许可。

DOI：10.6049/kjjbydc.D202407166Q

开放科学(资源服务)标识码(OSID)：

中图分类号：F270.3

文献标识码：A

文章编号：1001-7348(2026)02-0096-13

0 引言

投资是带动城市经济增长、促进创新发展的重要动力[1]。近年来,部分城市在招商引资中不断推动产业变革与城市创新发展,提升城市竞争力[2]。然而,有些地区使用工业用地或税收优惠等政策招商引资,却忽视了投资企业与地方产业以及本地技术的适配度,导致企业在维持短期生存后被破产清算,仅能引发城市短期经济增长[3],对城市创新发展的带动效应甚微。因此,要解决无效投资困境,需要企业与城市深入合作,将投资转化为创新动能,通过投资改善企业创新环境、提高要素资源配置能力、激发城市创新活力(孙琴等,2024),进而带动城市经济长期发展。

已有研究表明投资对创新具有促进效应[4],其中,认缴出资入股和设立子公司为企业常见的投资方式,有利于在企业层面实现知识交流与共享,进而带动企业发展(戴一鑫等,2023)。由于市场竞争压力大、企业自身要素禀赋不匹配、创新风险大(刘岩等,2022)等因素,企业往往尝试对外寻求创新合作。合作创新能够结合不同企业优势,有效推动资源共享与互补,提高创新效率[5]。然而,合作创新也需要一定的信任基础和资源条件,而投资能为创新合作创造条件。不仅如此,合作创新产生的成果又会进一步吸引投资注入,从而加快创新成果研发进程[6]。

然而,要素市场存在空间差异[7],企业投资合作创新并不局限在小范围内,而是跨区域流动。交通基础设施作为要素跨区域流动的重要载体,能够降低资本与创新要素流动成本,进而提高流动效率[8]。国家铁路局数据显示,以高铁为代表的快速交通网络逐步发展成形,“八纵八横” 高铁网络串联起92%的50万以上人口城市,总里程已达4.5万公里。高铁网络能打破市场分割[9],降低企业对外搜寻和匹配投资对象成本,加速知识与技术溢出[10],降低企业异地投资与合作创新风险,推动企业与城市间投资,进而带动创新要素联动。

从要素流动与联动视角看,现有对要素联动的研究多集中于对历史事件的回顾。要素流动方面,学者多聚焦单一要素跨区域流动带来的影响(Wang,2024;李健,2023;Fan,2021),少数学者使用柯布-道格拉斯生产函数模型衡量多种要素流动对产出的影响[11]。要素联动方面,相关学者通常基于历史事件,探究投资对区域发展产生的长期影响(Kline,2014;林晨,2022)。然而,历史事件只是短期冲击,事件结束后要素的影响会逐步减弱。本文聚焦交通基础设施的不断完善与发展,研究城市间高铁连通对要素流动产生的长期持续影响效应,有助于拓宽要素联动研究应用场景。

从投资与创新联系视角看,大量研究表明投资对创新具有带动效应,但多围绕资本跨国流动(Khan,2021),尤其集中在对外直接投资(OFDI)与外商直接投资(FDI)带来的国外知识与技术溢出效应对创新的影响方面[12]。这类研究多聚焦对投资企业或被投资企业创新能力与创新水平的提升[13-14],企业间合作创新机制与企业本体创新机制存在差异,现有文献对企业间合作创新的研究不够充分。鉴于此,本文从上市公司异地投资影响合作创新的研究视角出发,深入梳理高铁连通对投资带动创新要素联动的影响效应,进一步补充要素间协同联动研究,以期为政府招商引资提供新思路。

本文将要素联动定义为“一种要素流动引发其它要素的自由流动与共享”,从投资—创新要素联动视角出发,收集与整理2005—2022年我国A股上市公司异地投资与跨区域合作创新面板数据,构建投资—创新要素联动指标,打破现有研究对多要素的固有衡量方式。本文采用连续型双重差分模型,探讨在高铁车次频率影响下,上市公司异地投资带动城市创新发展的不同效应,以期为国家实施创新驱动发展战略、协调资源要素配置、促进区域经济一体化发展、打通国内大循环痛点与堵点提供启示与借鉴。

1 文献综述与研究假设

1.1 文献综述

关于要素流动的研究主要包括两个方面:一方面,部分学者通过研究要素流动方向,提出要素流动“扩散效应”和“虹吸效应”(卞元超,2018;张克中,2016)。另一方面,较多研究聚焦要素流动带来的影响。从单一要素出发,Nguyen(2021)采用具有截面平均值的面板回归(PMG)方法研究资本要素对区域经济增长的短期与长期影响;Zhao(2022)采用面板回归模型探索创新要素对城市全要素生产率的提升作用。考虑到多种要素对经济发展的影响,佟孟华(2022)等学者融合资本、劳动力与创新等多要素数据构建经济高质量发展指数,研究中国高质量发展的地区差距;姚常成(2023)等使用柯布—道格拉斯生产函数模型衡量多种要素流动对区域协调发展的影响。此外,部分学者还关注要素间的联动关系。Kline(2014)等采用一般均衡模型研究投资对田纳西河流域的长期影响;林晨等[15]、Fan等(2021)将中国“三线建设”作为准自然实验,用工具变量估计法证明投资能够带动劳动力集聚与技术溢出,形成的集聚效应可使地区在投资结束后较长时间内持续实现经济增长。

已有大量研究表明投资对创新具有带动效应(Du,2024)。然而,国内外学者多以OFDI和FDI为切入点,研究资本跨国流动对企业、产业及地区创新发展的影响(Chen,2022)。从OFDI研究视角出发,Zhang等[14]采用双重差分模型,以“一带一路”合作伙伴为研究主体,探讨OFDI对上市公司创新的影响作用;Zhang(2023)聚焦绿色创新发展,研究中国上市公司OFDI对自身绿色技术创新发展的影响机制,指出企业通过密切观察、模仿、学习、吸收国际先进知识和技术推动绿色技术创新。从FDI研究视角出发,Vujanovic(2022)以塞尔维亚为研究主体,验证FDI具有溢出效应,即本地企业通过外来知识与技术的学习及模仿实现创新突破。此外,也有部分学者基于国内循环,聚焦中国区域创新发展问题,研究投资与创新的联动关系。如Wang(2024)探讨中国上市公司异地投资对本地创新的影响,验证上市公司异地投资比外资更能促进本地创新发展,企业通过自主创新实现技术追赶。

上述研究主要聚焦企业、产业或区域内部创新发展,但创新不只局限于个体独立创新,也包括企业间的合作创新。尤其是随着数字技术的日益发展,以大数据、人工智能等为代表的新兴技术已普遍应用于企业与产业创新领域(张昕蔚,2022)。技术门槛和壁垒在一定程度上会抑制企业与产业创新发展(Ullah,2021),因此企业可利用外部资源与伙伴关系,通过对外寻求创新与合作提升自身创新发展能力(Baker,2016)。国内外研究发现,信任关系是企业间达成合作的重要前提,对企业间知识交流和学习发挥重要作用(Chams-Anturi,2020;阮鸿鹏,2024)。投资能够推动企业间建立信任联系与沟通平台[16],带来优质资源要素,促进创新发展。

1.2 理论机理与研究假设

高铁的日益发展与完善不仅加强城市间的紧密联系,还打破市场分割,畅通城市间劳动力、资本、技术等多种要素流动[17-19]。高铁作为客运专线铁路,极大方便了以人才为载体的资本与技术的跨区域自由流动,形成资本要素与创新要素之间的天然联系。投资与创新之间存在溢出关系(Wang,2016),投资能够驱动创新成果转化与质量提升。一方面,跨区域资本投入直接作用于创新研发,能提高创新研发容错率,增强企业与城市创新能力并带动创新成果产出(Lv,2021;Wang,2024)。另一方面,技术溢出是突破性技术进步的重要驱动力(Byun,2021),技术与资源的获取能为企业提供学习和模仿机会(赵景艳,2023),不仅有利于加快创新进程,还对创新质量具有重要影响(Feng,2021)。资本流入不仅能带动城市自身发展,还能促进合作创新;反之,跨区域合作创新更需要城市间技术与资本的互补及联动(吕爽,2024)。资本所带来的知识与技术流动、扩散、溢出可增加合作创新的可能(Hanley,2022;Konig,2019),资本所构建的信任基础与联系平台可降低信息不对称对合作创新的负向影响(高鹏,2023),进而提升企业创新合作概率。

城市间高铁连通对企业异地投资带动创新要素联动的影响机制可从创新质量路径、投资持续度路径、产业间溢出路径和企业间溢出路径4个方面进行分析,城市间高铁连通与企业异地投资带动创新要素联动的路径如图1所示。

1.2.1 创新质量路径

高铁连通能够增强投资,进而带动高质量创新要素联动。与低成本要素驱动的低质量创新相比,高质量创新往往需要复杂的技术研发周期,这就需要大量人才、技术和资金等要素投入[20]。一方面,高质量合作创新更依赖于资金支持,资本跨区域流动对于高质量合作创新具有更强的带动作用;另一方面,高质量合作创新更需要知识、技术等创新要素的交互,更依赖合作对象间频繁的交流,城市间高铁连通能降低异地创新主体间的交流成本,实现知识与技术流通与外溢,促进高质量合作创新。此外,城市间高铁连通也会吸引更多投资者和创新型企业前来投资和发展[21]。高铁连通使得各城市之间的交流更加频繁,投资者也更容易获取企业发展信息、寻找合作伙伴,从而促进更多高质量创新项目的开展。因此,高铁连通能够增强投资对高质量创新的带动作用,实现知识、技术、资金跨区域流动。

1.2.2 投资持续度路径

高铁连通有利于企业间进行长期投资,更好地带动创新要素联动。城市间高铁连通能打破地理阻隔,缩短地区间时空距离,使得资本、人才、信息等资源有效在城市间便捷流动,进一步增强城市间的市场连接,使企业间形成跨区域长期稳定的投资合作关系。更进一步,城市间高铁连通还能畅通企业间沟通渠道,增加投资者对被投资地的了解与认同,提高投资者持续投资信心。因此,高铁连通能有效促进企业进行持续性异地投资。

企业长期持续的投资不仅能够增加创新研发资本投入,还能形成集聚效应,为城市带来知识扩散与技术溢出,带动产业链上下游协同发展[15]。同时,集聚经济的形成还能引发市场规模扩大及企业竞争加剧[22],不仅能为企业提供市场需求,还能推动企业不断寻求合作与突破。不仅如此,通过长期投资建立的企业与城市间稳定的合作关系,有助于为合作创新研发奠定良好的信任基础与交流合作机制[16]。因此,相较于多以短期利润为导向的短期投资,长期持续投资更能带动创新要素联动。

1.2.3 产业间溢出路径

高铁连通有利于促进企业间跨产业投资,通过产业间溢出效应带动创新要素联动。随着技术迭代速度的日益加快和市场竞争的日趋激烈,企业越来越意识到仅靠传统业务模式和单一内部资源难以维持长期竞争优势(张伟等,2018),因此迫切需要通过跨产业投资拓宽市场获取新技术和新知识。然而,由于中国区域发展不平衡[23],不同地理区位要素禀赋存在明显差异。因此,不同产业集群往往倾向于分布在不同地区,呈现出明显的地理分布差异[24]。企业跨产业对外投资往往不局限于单一城市,而需要在更广阔的区域范围内寻找合适的投资对象,实现产业间资源共享和产业链协同创新。城市间高铁连通能打破由于地理距离产生的产业分隔,消除异地产业间和企业间信息不对称,促使企业寻找跨产业投资合作对象[25]。企业跨产业对外投资带来的集聚效应能够有效促进产业间技术交换和知识溢出,促使企业实现跨产业投资—创新要素联动。同时,高铁连通有助于促进企业间频繁的往来交流[26],消除由于产业间差异带来的合作障碍,畅通企业间跨产业合作创新。

1.2.4 企业间溢出路径

高铁连通有利于加深投资城市与被投资地的市场联系,通过被投资地企业间的溢出效应带动创新要素联动。企业对外投资多以市场扩张为导向[27],往往会扶持异地中小企业或建立异地子公司,从而有效触及并拓展目标市场。然而,该类被投资企业有可能无法获取收益或实现有效合作。为解决这一问题,投资企业需寻求更加合适的创新合作对象,以实现技术的有效溢出和知识的高效转移。另外,对外投资企业会激励被投资企业业务扩张,这涉及供应链上下游等本地企业,从而建立全产业链更广泛的合作关系,促进投资企业与被投资企业合作创新。

城市间高铁连通使得企业间的人员交流更加便捷、频繁,能进一步强化投资企业与被投资地之间的联系,这种关系的不断深化有利于企业更加深入地了解被投资市场,寻找合适的创新合作伙伴,带来更广泛的机会以及潜在合作伙伴网络[28]。综上,本文提出如下假设:

H1:高铁连通能够促进企业异地投资,带动被投城市合作专利数量提升,引发投资—创新要素联动效应。

H2:高铁连通通过创新质量路径、投资持续度路径和投资溢出路径强化投资对创新的带动作用,提升投资—创新要素联动效应。

2 研究设计

2.1 投资—创新要素联动指数

为衡量高铁连通后资本要素流动对城市间创新要素联动的影响程度,本文构建投资—创新要素联动指数。本文以上市公司异地认缴出资额衡量上市公司异地投资水平、以上市公司异地合作专利申请数衡量上市公司异地联合创新水平,进一步筛选出在样本期内任意一年中,对城市j既有投资又有创新的上市公司c,将上市公司c的投资与创新数据按照投资对象所在城市j与年份t进行分类加总,构建“上市公司c—城市j—年份t投资与创新”面板数据。

为揭示高铁连通后城市异地投资与合作创新的潜在联系,本文将样本期内连通高铁的城市两两匹配形成城市对层面数据,城市对异地投资额与异地合作专利申请数量按照年份分别加总,并基于合作专利总数与滞后一期投资总额绘制图2。整体而言,滞后一期投资数据与创新数据呈现较强的长期相关性。本文认为在高铁连通的影响下,投资与合作创新存在较强相关关系,且投资对合作创新的影响存在一定滞后效应。

因此,本文对上市公司每年投资额作滞后一期处理,即用第t-1年的投资额衡量对第t年创新的带动效应,构建投资—创新要素联动指数,公式如下:

(1)

其中,Inv_Innocjt为投资—创新要素联动指数,表示在高铁连通环境下第t-1年上市公司c的投资对第t年城市j的创新产出理论上的拉动值。Inno_HR_sumjt表示在高铁连通环境下城市j在第t年的合作专利总数,用第t年上市公司c与城市j所有联合申请专利数量之和衡量,其中上市公司c所在城市i与城市j之间存在高铁连通。Inv_HR_sumj(t-1)表示在高铁连通环境下城市j在第t-1年所接受的投资额总数,用第t-1年上市公司c对城市j的所有投资额之和衡量,其中上市公司c所在城市i与城市j之间存在高铁连通;当Inv_HR_sumj(t-1)取值为0时,Inv_Innocjt直接取值为0,不再进行分数计算。Investcj(t-1)表示滞后一年(即t-1年)上市公司c对城市j的投资额。

2.2 基准模型

本文将高铁连通视为一项准自然实验。为检验高铁连通对投资—创新要素联动的影响,本文以2005—2022年我国沪深A股上市公司为研究对象,构建上市公司c在第t年与投资对象所在城市j的“上市公司c—城市j—年份t投资与创新”的面板数据,使用连续型双重差分(DID)模型,设定如下回归模型:

lnInv_Innocjt=β0+β1Frequencyijt+δcj+μct+λjt+εcjt

(2)

其中,lnInv_Innocjt为被解释变量,即投资—创新要素联动指数的对数,表示上市公司c在第t年的投资对城市j创新的带动效应强度;Frequencyijt为关键解释变量,表示上市公司c所在城市i与投资对象所在城市j第t年高铁运行的日均通车频次。模型中引入多维固定效应,δcj为控制上市公司—城市对层面的固定效应,μct、λjt分别表示上市公司c和城市j与t年份的固定效应[25]。εcjt为随机扰动项,标准误聚类在上市公司—城市对层面。

2.3 数据来源与变量测度

2.3.1 数据来源

在企业层面,本文整理上市公司异地投资与合作专利相关数据。其中,上市公司名单、行业分类等数据来源于国泰安(CSMAR)数据库,上市公司认缴出资额以及被投资企业名单、行业分类等数据来源于企查查平台,上市公司合作专利申请数据、专利价值、专利引用数量以及专利所属国民经济行业分类号等数据来源于Patsnap专利数据库,企业地址信息来源于百度地图开放平台。在城市层面,考虑到数据完整性与连续性,本文选取样本期内行政规划未发生明显调整的287个城市,高铁数据均来源于历年《全国铁路旅客列车时刻表》,城市GDP数据来源于《中国城市统计年鉴》。

2.3.2 解释变量

现有文献对高铁连通的衡量标准主要包括可达性与连通性两个方面(Jiao,2020),焦敬娟(2024)等学者以城市间高铁通车频次作为衡量高铁连通性的重要指标。本文参考其测度方式,以上市公司所在城市i与投资对象所在城市j间高铁日均通车频次作为衡量高铁影响力的解释变量。根据国家铁路局发布的《高速铁路设计规范》,本文从样本期内《全国铁路旅客列车时刻表》中手工整理C、D、G字头所有高铁线路24小时的全部往返信息,并通过地图位置信息将所有站点与287个城市进行匹配,且只选取两城市间高铁直达列车,不考虑中途换乘等中转情况,避免换乘方式较多、等待时间不定产生的影响。本文将未连通高铁的城市通车频次记为0,最终计算出两两城市间高铁日均往返车次数量之和,并取单位为10次。

2.3.3 其它变量

本文在后续检验与机制分析中从不同视角与维度衡量上市公司异地合作专利数量与质量水平,具体变量与测度方式如下:

(1)专利授权。本文参考Matray (2021)的研究,以专利授权数衡量企业创新,并以授权日期为筛选依据得到上市公司异地合作专利授权数量。

(2)专利价值。本文参考Svensson(2022)的研究,构建专利价值指标衡量企业创新水平。受数据可得性影响,在Patsnap数据库中以专利市场估值评估专利价值,其展现了专利的法律价值、技术价值及经济价值。

(3)专利引用。本文参考Boasson(2015)的研究,用专利引用表征企业创新质量,选取Patsnap数据库中专利引用数衡量企业合作创新水平,其在一定程度上反映专利可行性与技术价值。

(4)专利知识宽度。专利知识宽度反映专利所包含技术领域或产品种类的数量和复杂性,本文参考Akcigit等[29]、张杰等[30]对知识宽度的计算方法,以专利分类号中各大组分类所占比重衡量知识宽度。受专利分类号完整性的限制,本文使用每条专利国民经济行业分类号的门类数量衡量企业合作专利知识宽度。

本文主要变量描述性统计结果如表1所示。

3 实证结果分析

3.1 基准回归分析

表2报告了基准回归结果,其中列(1)仅控制上市公司和年份固定效应,列(2)仅控制上市公司—城市对个体固定效应,列(3)仅控制上市公司—年份、城市—年份对时间固定效应,3项结果均在1%水平上显著为正。列(4)报告了同时纳入个体和时间层面的多维固定效应回归结果,估计系数在1%水平上显著,即上市公司所在城市与投资对象所在城市高铁通车日均每增加10车次,上市公司对外投资1单位理论上能够拉动其与被投资城市下一年合作申请专利数量提高0.25%,说明高铁通车频次增加有利于上市公司异地投资带动创新要素联动。资本跨区域流动不仅能增强两地联系,还会引发要素外溢效应。高铁不仅能为资本流动提供便捷通道,还能助力技术、人才等创新要素在地理上外溢扩散,进而催生资本与其它要素尤其是创新要素之间的有机联动。

3.2 稳健性检验

3.2.1 内生性检验

本文可能存在一定的内生性问题:其一,要素跨区域流动受市场活跃度、政府支持等多种因素的影响,高铁仅是其中影响因素之一。其二,根据《中长期铁路网规划》,早期高铁开通的城市主要集中在东部中心城市,这些城市具有较高的经济发展水平与要素活跃度,更容易形成要素集聚,进而产生要素联动效应。因此,高铁通车频次与投资—创新要素联动之间可能存在反向因果关系,本文使用工具变量法解决上述内生性问题。

本文根据1948年绘制的中国铁路交通地图,利用1948年历史铁路开通数据与年份的虚拟变量交乘构建工具变量[31],采用两阶段最小二乘法(2SLS)进行回归检验。新中国成立前铁路通车情况不稳定,但铁路连通城市与高铁干线城市布局基本一致,且干线上的通车频次明显高于支线,因此可利用新中国成立前铁路开通数据估计高铁车次数据。除此之外,选取新中国成立前铁路开通数据作为工具变量满足相关性和排他性要求。一方面,新中国成立前铁路选址更多集中在经济发达、资源丰富地区或东部港口城市,当时铁路网络布局包含京广、京沪等线路雏形,与《中长期铁路网规划》中提及的早期高铁线路高度吻合;另一方面,1948年铁路通车情况不会直接对样本期内投资—创新要素联动产生影响。进一步,构建如下工具变量回归模型:

Frequencyijt=β0+β1Historyij×Yeart+δcj+μct+λjt+εcjt

(3)

(4)

其中,Historyij为上市公司所在城市i和投资对象所在城市j间1948年是否开通铁路的0-1变量,Yeart为年份虚拟变量,t=2008,2009,…,2022(第一辆高铁2008年开通),Historyij与Yeart交互构建工具变量;表示两阶段最小二乘法第一阶段得到的估计拟合值,带入第二阶段得到两阶段最小二乘法最终的估计值。

表3列(1)报告了2SLS第一阶段回归结果,工具变量系数均在1%水平上显著为正,且检验弱工具变量识别的Kleibergen-Paap rk Wald F统计量为226.92,远超1%检验水平临界值,说明不存在弱工具变量问题。列(2)汇报了2SLS第二阶段的回归结果,估计系数在1%水平上显著为正,高铁通车每增加10车次,上市公司对外投资1单位理论上能拉动其与被投资城市下一年合作申请专利数量提高0.46%,略高于基础回归结果,说明基准回归存在一定程度的低估。

3.2.2 平行趋势检验

使用DID模型的一个重要前提是平行趋势假设,即需检验在高铁开通前这个时间窗口内,相较于样本期内未连通高铁的城市对和连通高铁城市对的要素联动指数是否符合相同时间趋势。本文参考Zhang等[32]的研究,采用事件研究法检验高铁连通前的平行趋势,构建如下模型:

(5)

其中,Ftij0+m表示高铁连通前与连通当期的时间窗口虚拟变量,tij0为上市公司所在城市i与投资对象所在城市j第一次连通高铁的年份。当m=t-tij0≤-8时,Ftij0+m记为0,否则记为1(t=2006,2007,…,2022),将m=-1时为基期并删除。本文以连续型Frequencyijt变量取代离散型时间窗口虚拟变量,固定效应与基准回归模型保持一致。平行趋势检验结果如图3所示,从中可以看出,高铁连通前的相对时间虚拟变量系数置信区间均包含0值,即系数均不显著且数值较小。这表明,高铁连通前处理组与控制组在投资带动创新要素联动水平上无显著差异,满足平行趋势假设。

3.2.3 安慰剂检验

为排除非政策因素对基准模型检验的影响,避免企业因提前得到高铁连通信号而产生主观投资或合作创新变化,从而导致政策效应存在误差,进一步对企业—城市对数据样本进行安慰剂检验。本文参考Guo等[33]的样本处理方法,随机化政策时间与处理组样本,构建与原处理组样本相同数量的双随机新处理组进行回归分析。考虑到原样本非单独个体,在虚构处理组时需特别设置成对数据抽样以贴合高铁连通的实际情况。最后,利用蒙特卡罗模拟重复1 000次,基于所得系数分布情况绘制图4。

从图4可以看出,在1 000次随机抽样后,核密度估计系数基本正态分布于0两侧,系数均值为3.4×10-5,远小于基准回归结果0.25%,且基准回归结果在系数点95%置信区间外并远离估计系数点。这表明,样本在进行政策时间与处理组样本双重随机处理后,系数结果不显著,验证了基准回归结果未受非政策性因素的影响,研究结论稳健。

3.2.4 其它稳健性检验

本文进一步实施多项稳健性检验,在替换被解释变量检验中,将基准模型中专利合作申请量替换为专利合作授权量;在缩短样本区间检验中,将样本前后窗口分别缩短1～2年;在样本子区间检验中,剔除直辖市与省会城市样本。回归结果见表4,上述检验结果均表明基准回归结果稳健。

3.3 异质性分析

3.3.1 被投资城市的异质性分析

为检验被投资城市经济发展水平与空间地位是否会影响投资对创新的带动作用,本文将投资对象所在城市j按照是否为中心城市(Centralj)、是否为规模较大城市(Sizej)以及是否为交通枢纽城市(Hubj)分别构建分类虚拟变量,并与高铁通车频次生成交互项置入回归模型,回归结果见表5。结果显示,Centralj为1的交互项系数在10%水平上显著为正,即相较于非中心城市,高铁连通更能带动中心城市合作创新联动;Sizej为1的交互项系数在1%水平上显著为正,即相较于规模较小城市,高铁连通对大规模城市合作创新的带动效应更强;Hubj为1的交互项系数在10%水平上显著为正,即相较于非枢纽城市,高铁连通更能拉动枢纽城市的合作创新。综上,本文认为中心城市、规模较大城市以及交通枢纽城市因自身经济基础较好、技术发展水平较高、人力资本较为密集,相较于其它城市更具备合作创新研发的软硬条件,因此高铁连通更能促进投资—创新要素的联动。

3.3.2 城市群异质性分析

为探究高铁频次对城市间投资—创新的区位差异性影响,本文根据“十四五”规划提到的京津冀、辽中南等19个国家级城市群战略布局对样本城市所属城市群进行分类,构建分类变量Aggloij。当上市公司c所在城市i与投资对象所在城市j均属于城市群但不在同一城市群时,Aggloij取值为1;当城市i和j均属于同一城市群时,Aggloij取值为2;其余情形取值为0,结果如表5所示。列(4)结果显示,在1%置信度水平上,城市i、j属于同一城市群的交互项系数显著为正,而城市i、j在不同城市群的交互项系数在5%水平上显著为正。这表明,相较于其它情形,当上市公司所在城市和投资对象所在城市均位于城市群时,高铁对于投资带动合作创新的促进作用较为显著,且当两个城市属于同一城市群时,这种带动效应更显著。

4 机制检验

4.1 创新质量路径

相较于低质量、“凑数式”的专利申请,高质量创新更有助于推动技术进步和行业持续发展。为探究高铁通车频次是否有利于上市公司异地投资对高质量创新的拉动,本文将专利价值(Value)与专利引用数量(Quote)分别与高铁通车频次构建交互项,并纳入回归模型进行检验。表6列(1)(2)分别报告了按专利价值和专利引用数量评估的交互项回归结果。高铁通车频次与专利价值的交互项回归系数在10%水平下显著为正,与专利引用数量的交互项回归系数在1%水平上显著为正,表明高铁通车频次增加有利于上市公司异地投资对高质量创新的拉动,且更易形成高水平跨区域投资—创新要素联动。

进一步地,本文计算每个合作专利所涉及国民经济行业分类中的门类数量(Knobre),并将其加总至企业—城市层面,以此表征合作专利技术知识的多样性(刘凤朝等,2018)。当技术知识涵盖多个领域时,专利往往能够得到更全面的应用,也更具有竞争力。表6列(3)回归结果显示,高铁通车频次和每个合作专利所涉及国民经济行业分类门类数量交互项系数在1%水平上显著为正,从专利多样性角度补充了上述研究结论。

4.2 投资持续度路径

短期投资和长期投资是企业基于不同发展目的而选择的不同投资模式,两者对被投城市的影响作用存在差异。为探究投资持续度能否强化高铁连通对跨区域投资—创新要素联动的影响,本文计算样本期内上市公司c对城市j投资次数(NI),将其与高铁通车频次交互纳入回归分析,结果见表7。两者交互项系数在1%水平下显著为正,表明相较于短期投资而言,投资持续度越高,越能促进投资—创新要素联动。这可能是因为,短期投资往往表现为风险分摊、资本逐利或对市场机会的试探,难以推动城市竞争力提升与可持续发展;而长期投资不仅能促使企业与城市建立稳定的合作信任关系,还能促进集聚经济的形成与知识技术扩散,更易带动创新要素联动。

4.3 产业间溢出路径

本文按照上市公司与被投资企业是否属于同一产业分类构造变量CI,并与高铁通车频次交互后纳入模型进行分析。其中,表8列(1)结果显示,两者交互项系数在1%水平上显著为正,说明高铁通车车次增加能显著促进上市公司跨产业异地投资对创新的联动,有利于形成跨产业投资-创新要素联动。本文进一步细分上市公司所属产业,构建上市公司是否为制造业跨产业投资(CI_M)或是否为服务业跨产业投资(CI_S),用同样方式纳入回归模型。表8列(2)(3)结果显示,两者均在1%水平上显著为正,说明无论上市公司是制造业还是服务业,高铁通车车次增加均能显著强化跨产业投资对合作创新的拉动作用。但后者交互项系数明显高于前者,说明高铁连通对服务业投资—创新联动的影响效果更明显。随着信息技术和高端制造业的发展,现代服务业亟需通过产业融合解决传统产业过度依赖人力资本要素的问题。而高铁打通了城市间跨产业合作壁垒,推动高端制造业、现代服务业深度融合,进一步推动经济社会高质量发展。

4.4 企业间溢出路径

为检验上市公司异地投资是否会带动上市公司与被投资城市其它企业合作创新,本文计算被投资城市中其它企业数量(被投资企业但非合作创新企业)占城市全部企业数量的比重(Diff),构建其与高铁通车涉及车次交互项纳入回归分析。表8列(4)结果显示,两者交互项系数在1%水平上显著为正,说明高铁连通显著促进上市公司异地投资对上市公司与被投资地其它企业合作创新的联动。高铁架起城市间沟通联系的“桥梁”,使投资企业能够更加深入地了解被投资市场,对于扩充市场范围,实现要素流动与创新发展提供了重要支撑。

5 结论与建议

5.1 研究结论

资本要素流入能否为城市发展带来长期影响的关键在于能否拉动城市间创新要素联动,并将其转化为城市发展内驱力,以合作创新推动城市竞争力提升,而高铁连通在其中扮演着打破市场分割、建立沟通联系、畅通要素流动的重要角色。本文从投资与创新要素联动视角出发,以 2005—2022年我国A股上市公司为研究样本,构建投资—创新要素联动指数,并采用连续型双重差分模型,深入探究高铁连通对投资—创新要素联动的影响效应及内在机制,得出如下研究结论:

(1)高铁连通能够促进企业异地投资,带动被投资城市合作专利数量提升,引发投资—创新要素联动效应,在经过内生性检验等一系列稳健性检验后,研究结论依然稳健。

(2)机制检验证明,高铁连通通过创新质量路径、投资持续度路径和投资溢出路径增强投资—创新要素的联动效应。高铁连通能够强化投资对高质量创新的带动效应;投资持续度越高,高铁连通越能促进投资带动创新要素联动;另外,投资还能通过跨产业溢出与跨企业溢出路径带动城市创新要素联动。

(3)异质性分析表明,当资本要素流向中心城市、规模较大城市、交通枢纽城市时,抑或当城市属于城市群时,高铁连通对投资—创新要素联动的带动效应比较显著。

5.2 政策建议

根据上述研究结论,本文提出如下政策建议:

(1)进一步完善高铁网络建设,充分发挥交通枢纽城市的要素外溢作用。目前,“八纵八横”高铁网络主通道仍有20%处于在建或尚未开发的状态。因此,应继续完善高铁网络主通道建设,拓展高铁网络支线建设,增大高铁网络覆盖范围,增加50万人口以上城市覆盖率,打通更多城市间市场壁垒,畅通要素自由流动,增加城市间交流机会。同时,在考虑实际往来需求及运营成本的基础上,适当增加部分支线列车往来车次,加强支线城市与干线城市间的紧密联系,充分发挥中心城市、枢纽城市等经济活力较强城市的辐射效应,为小城市带来更多知识与技术溢出,促进资本要素流入并带动城市创新发展。

(2)加大长期投资力度,进一步促进创新质量提升。一方面,投资企业应认识到科技创新是企业持续发展的核心动力,注重投资的持续性,将长期投资的企业视为战略合作伙伴而非单纯资金提供者。另一方面,被投资企业要不断提升自身管理水平,加强对创新项目的风险管理,增强长期投资企业对被投企业的信心。此外,企业还应降低对低质量专利数量的追求,专注于发明专利等高质量创新,加大创新投入,优化研发方向,培养创新人才,加强与高校、科研机构的合作与交流,不断推动专利价值提升。

(3)鼓励企业通过多元化路径提升创新水平,寻求技术突破。随着数字技术的快速发展与应用,国家对科技创新提出更高要求,但并非所有企业具都有自主创新能力,因此通过多元化路径寻求创新合作成为企业转型的新选择。政府应打通资本市场壁垒,鼓励企业开展跨产业融合创新、跨企业合作创新,共享资源,优势互补。一方面,应谋划产业布局,通过政府政策或专业投资机构引导,帮助企业引入新技术手段、思维理念和商业模式。另一方面,通过组建创新联盟、共享创新资源、开展联合研发等方式,为企业合作创新建立有效沟通平台。鼓励企业通过并购、合资、技术许可等方式引进和整合外部创新资源,提升自身创新能力。

5.3 不足与展望

本文存在如下不足:一方面,部分变量数据精细度有待提升。样本中部分上市公司公开披露数据不完整,尤其企业行业分类等信息存在部分数据缺失情况,导致无法获取更为精确的行业细分数据进行检验。未来可探索数据挖掘方法,进一步细化并补充数据信息。另一方面,本文研究视角仅聚焦于投资要素跨区域流动对创新要素的带动作用。然而,要素之间存在相互影响关系。从较长时间跨度看,投资对创新具有拉动作用,同样创新发展也会吸引资本入驻,资本入驻又会促进创新发展,投资与创新之间可形成螺旋式上升的正反馈循环关系。受限于研究视角与数据,本文未能探讨创新要素如何反向影响资本要素联动,这也成为未来可拓展的研究方向。

参考文献：

[1] FAN F, LIAN H, LIU X, et al. Can environmental regulation promote urban green innovation efficiency? an empirical study based on Chinese cities[J]. Journal of Cleaner Production, 2021, 287: 125060.

[2] ZHANG M, XU J. Central-local state strategic coupling towards making entrepreneurial cities in China[J]. Political Geography, 2024, 109: 103062.

[3] 黄志基,朱晟君,石涛.工业用地出让、技术关联与产业进入动态[J].经济地理,2022,42(5):144-155.

[4] DU Q, LI Z, DU M, et al. Government venture capital and innovation performance in alternative energy production: the moderating role of environmental regulation and capital market activity[J]. Energy Economics, 2024, 129: 107196.

[5] RADICIC D, PUGH G, DOUGLAS D. Promoting cooperation in innovation ecosystems: evidence from European traditional manufacturing SMEs[J]. Small Business Economics, 2020, 54(1): 257-283.

[6] 荣奎桢,陆奇斌.中国政府创新补助对双元创新绩效的影响研究[J].科研管理,2024,45(3):64-73.

[7] 卢现祥,王素素.中国要素市场化配置水平的南北差异及形成机理[J].数量经济技术经济研究,2021,38(11):21-42.

[8] 卞元超,吴利华,白俊红.高铁开通是否促进了区域创新[J].金融研究,2019,62(6):132-149.

[9] 王雨飞,徐海东,王光辉.快速交通网络化影响下的城市空间关联与经济溢出效应研究——以航空及高铁网络为例[J].中国管理科学,2023,31(6):207-220.

[10] 何凌云,陶东杰.高铁开通对知识溢出与城市创新水平的影响测度[J].数量经济技术经济研究,2020,37(2):125-142.

[11] 姚常成,沈凯玙.要素流动视角下数字经济与区域经济的包容性增长效应[J].经济地理,2023,43(4):10-19.

[12] CHEN Y, JIANG H, LIANG Y, et al. The impact of foreign direct investment on innovation: evidence from patent filings and citations in China[J]. Journal of Comparative Economics, 2022, 50(4): 917-945.

[13] HOANG D T, DO A D, TRINH M V. Spillover effects of FDI on technology innovation of Vietnamese enterprises[J]. The Journal of Asian Finance, Economics and Business, 2021, 8(1): 655-663.

[14] ZHANG Y, ZHANG Z, JIN H, et al. Innovation and OFDI along the Belt and Road[J]. Technological Forecasting and Social Change, 2024, 200: 123136.

[15] 林晨,陈荣杰,徐向宇.外部产业投资与区域协调发展——来自“三线建设”地区的证据[J].经济研究,2022,57(3):173-190.

[16] 高鹏, 宁越敏, 何丹, 等. 企业异地投资视角下长三角城市经济增长的网络外部性研究[J]. 地理科学, 2023, 43 (7): 1216-1226.

[17] 王春杨,兰宗敏,张超,等.高铁建设、人力资本迁移与区域创新[J].中国工业经济,2020,38(12):102-120.

[18] 马光荣,程小萌,杨恩艳.交通基础设施如何促进资本流动——基于高铁开通和上市公司异地投资的研究[J].中国工业经济,2020,38(6):5-23.

[19] 谭志雄,邱云淑,李后建,等.高铁开通、人才流动对区域创新的影响及作用机制[J].中国人口·资源与环境,2022,32(8):128-139.

[20] HU J, PAN X, HUANG Q. Quantity or quality? the impacts of environmental regulation on firms′ innovation-Quasi-natural experiment based on China's carbon emissions trading pilot[J]. Technological Forecasting and Social Change, 2020, 158: 120122.

[21] 颜银根,倪鹏飞,刘学良.高铁开通、地区特定要素与边缘地区的发展[J].中国工业经济,2020,38(8):118-136.

[22] CHENG Z,JIN W.Agglomeration economy and the growth of green total-factor productivity in Chinese industry[J]. Socio-Economic Planning Sciences, 2022, 83: 101003.

[23] 王迪,张芷媛,汪小龙.高技术产业集聚何以促进区域绿色技术创新——基于知识溢出与市场竞争双重视角的考察[J].科技进步与对策,2025,42(12):49-58.

[24] 贺灿飞,胡绪千.1978年改革开放以来中国工业地理格局演变[J].地理学报,2019,74(10):1962-1979.

[25] LI B, ZHAO Q, SHAHAB Y, et al. High-speed rail construction and labor investment efficiency: evidence from an emerging market[J]. Research in International Business and Finance, 2023, 64: 101848.

[26] YANG X, ZHANG H, LI Y. High-speed railway, factor flow and enterprise innovation efficiency: an empirical analysis on micro data[J]. Socio-Economic Planning Sciences, 2022, 82: 101305.

[27] JAFARI-SADEGHI V, GARCIA-PEREZ A, CANDELO E, et al. Exploring the impact of digital transformation on technology entrepreneurship and technological market expansion: the role of technology readiness, exploration and exploitation[J]. Journal of Business Research, 2021, 124: 100-111.

[28] 李建成,陈强远,程玲,等.地区信任与超大规模市场优势——基于区域经济互动的视角[J].统计研究,2023,40(3):114-125.

[29] AKCIGIT U, BASLANDZE S, STANTCHEVA S. Taxation and the international mobility of inventors[J]. American Economic Review, 2016, 106(10): 2930-2981.

[30] 张杰,郑文平.创新追赶战略抑制了中国专利质量么[J].经济研究,2018,53(5):28-41.

[31] 黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与中国经验[J].中国工业经济,2019,37(8):5-23.

[32] ZHANG W, LI J, LI G, et al. Emission reduction effect and carbon market efficiency of carbon emissions trading policy in China[J]. Energy, 2020, 196: 117117.

[33] GUO Q, ZHONG J. The effect of urban innovation performance of smart city construction policies: evaluate by using a multiple period difference-in-differences model[J]. Technological Forecasting and Social Change, 2022, 184: 122003.

(责任编辑：王敬敏)