摘要：技術融合式創(chuàng)新是企業(yè)提升核心競爭能力的重要抓手，通過鏈接技術創(chuàng)新網絡獲取各類要素資源，為提升企業(yè)全要素生產率注入創(chuàng)新動能?；?010—2021年1208家A股制造業(yè)上市公司樣本數(shù)據，實證分析技術融合式創(chuàng)新對企業(yè)全要素生產率的影響，研究發(fā)現(xiàn)：技術融合式創(chuàng)新水平提升正向影響企業(yè)全要素生產率；知識溢出在技術融合式創(chuàng)新提升企業(yè)全要素生產率過程中發(fā)揮中介作用；伴隨產業(yè)集聚程度上升，技術融合式創(chuàng)新對企業(yè)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(chuàng)新對企業(yè)全要素生產率的賦能效應更強。據此，應重塑多節(jié)點交互生態(tài)創(chuàng)新網絡，切實提升企業(yè)全要素生產率；構筑跨空間知識資源集聚平臺，發(fā)揮知識要素溢出撬動效應。

關鍵詞：技術融合式創(chuàng)新；知識溢出；企業(yè)全要素生產率；產業(yè)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(yè)創(chuàng)新；趙文凱（1991—），女，河南鄭州人，博士，研究方向：財政與企業(yè)創(chuàng)新。

基金項目：教育部人文社會科學研究規(guī)劃基金“我國零售業(yè)對接‘一帶一路’市場的‘全球本土化’戰(zhàn)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(fā)展階段，全面推動發(fā)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(fā)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(yè)全要素生產率提升面臨創(chuàng)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(fā)展進程。2022年11月，工信部等五部門聯(lián)合印發(fā)《虛擬現(xiàn)實與行業(yè)應用融合發(fā)展行動計劃（2022—2026年）》，明確指出要“推進關鍵技術融合創(chuàng)新”“多技術融合、產學研用高效協(xié)同的系統(tǒng)化創(chuàng)新體系基本形成”，為企業(yè)全要素生產率攀升提供全新思路。技術融合式創(chuàng)新可貫通產業(yè)技術、學科知識、成果轉化多個環(huán)節(jié)，將各領域創(chuàng)新元素、技術與生產方式進行有機融合，打破要素聯(lián)結共享藩籬，推動顛覆式技術進步與成果產出，優(yōu)化創(chuàng)新投入-產出比，進而助力提升企業(yè)全要素生產率［5］。在此過程中，技術融合式創(chuàng)新可發(fā)揮網絡組織特性，促進跨學科產業(yè)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(chuàng)新可通過知識溢出產生資源協(xié)同效應，推動生產要素在企業(yè)間共享與互補，降低生產邊際成本，提升生產與創(chuàng)新效率，賦能企業(yè)全要素生產率攀升。在理論推斷上，技術融合式創(chuàng)新、知識溢出與企業(yè)全要素生產率具有一定關聯(lián)，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(yè)投資預期回報率、提高資源配置效率、優(yōu)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(chuàng)新、知識溢出與企業(yè)全要素生產率兩兩間的關系展開的。

鑒于開展創(chuàng)新活動是實現(xiàn)企業(yè)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(chuàng)新對全要素生產率具有助力效能［6-7］，為本文后續(xù)深入探討奠定學理基礎。而技術融合式創(chuàng)新作為技術創(chuàng)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(chuàng)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(chuàng)新能力攀升這一結論已得到證實［8-9］。然而，作為創(chuàng)新鏈與產業(yè)鏈相互交織的重要產物，技術融合式創(chuàng)新是否可對知識溢出發(fā)揮生態(tài)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(shù)字經濟時代縱深發(fā)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(fā)生改變，既有研究可能難以為現(xiàn)時企業(yè)全要素生產率提升提供有益參考與經驗指導。

綜合來看，現(xiàn)有研究已證實技術創(chuàng)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(lián)。由此引發(fā)思考，技術融合式創(chuàng)新作為技術創(chuàng)新的全新范式，可突破行業(yè)壁壘與跨學科藩籬，打造產業(yè)與企業(yè)創(chuàng)新發(fā)展新生態(tài)，是否對全要素生產率發(fā)揮同等助力效能？同時，技術融合式創(chuàng)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(chuàng)新要素進行創(chuàng)造性融合，促使企業(yè)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(yè)上市公司樣本數(shù)據，構建技術融合式創(chuàng)新與企業(yè)全要素生產率相關研究模型，搭建技術融合式創(chuàng)新與企業(yè)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(chuàng)新、知識溢出與企業(yè)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(yè)全要素生產率、促進經濟高質量發(fā)展提供經驗證據與理論參考。

二、研究假設

（一）技術融合式創(chuàng)新與企業(yè)全要素生產率

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

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

就資源配置效應而言，技術融合式創(chuàng)新可聯(lián)合多元主體繪制產業(yè)鏈創(chuàng)新發(fā)展圖譜，深化各創(chuàng)新主體間的專業(yè)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(chuàng)新體系，提高企業(yè)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(chuàng)新可模糊產業(yè)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(chuàng)新在提升企業(yè)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(yōu)勢企業(yè)的要素存量，并將過剩資源向其他企業(yè)轉移［16］。這能夠全方位賦能企業(yè)生產與創(chuàng)新過程中質量與效率變革，實現(xiàn)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(chuàng)新可推動企業(yè)全要素生產率提升。

（二）知識溢出的中介作用

技術融合式創(chuàng)新以創(chuàng)新要素聯(lián)結共享為主要方式，提升創(chuàng)新成果產出比率與創(chuàng)新主體綜合競爭實力。在這一過程中，不同創(chuàng)新主體對某一特定知識資源的掌握優(yōu)勢各異，使得知識勢差成為必然趨勢［17］。而技術融合式創(chuàng)新可引導知識要素由產業(yè)價值鏈中高端位勢向低端位勢企業(yè)流出，補齊企業(yè)資源稟賦條件、要素轉化能力方面的創(chuàng)新短板，進一步催生知識溢出現(xiàn)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(xiàn)象，可發(fā)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(chuàng)新可聯(lián)結供應鏈上同一層次的不同企業(yè)開展橫向聯(lián)動協(xié)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(yè)知識沉淀與應用水平，助力企業(yè)改進現(xiàn)有生產技術與組織管理方式，驅動企業(yè)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(chuàng)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(yè)，并產生隱性知識溢出。由此，企業(yè)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(fā)與產出質效，賦能企業(yè)全要素生產率攀升。據此，提出如下假設：

H2：技術融合式創(chuàng)新通過知識溢出推動企業(yè)全要素生產率提升。

（三）產業(yè)集聚的調節(jié)效應

產業(yè)集聚通過行業(yè)分工細化與規(guī)模效應，提升技術融合式創(chuàng)新對企業(yè)全要素生產率的賦能效果。具體而言，產業(yè)集聚可持續(xù)提升相同或相近類型產業(yè)在特定地理區(qū)域的集中度，實現(xiàn)產業(yè)層次由單一到復雜、產業(yè)鏈條由短到長、企業(yè)關聯(lián)由散到融的變化［20］。在這一過程中，產業(yè)集聚能夠引導項目配套數(shù)字基礎設施建設進一步完善，提高數(shù)字技術可供性，進一步提質功能完備的新型科創(chuàng)載體［21］。在此基礎上，技術融合式創(chuàng)新與產業(yè)集聚的協(xié)同效應可加速推動不同應用場景研發(fā)進程，依托數(shù)據分析功能精細化指導鏈式融合分工，賦能企業(yè)要素再造、流程優(yōu)化與價值螺旋式提升，激發(fā)企業(yè)全要素生產率增長的內生動力。另外，產業(yè)集聚可匯集區(qū)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(chuàng)新資源，深化專業(yè)化分工，實現(xiàn)資源利用效率最大化，降低創(chuàng)新信息搜尋成本與試錯成本，提高創(chuàng)新成果產出，有效賦能企業(yè)全要素生產率增長。根植于此，提出如下假設：

H3：產業(yè)集聚程度越高，技術融合式創(chuàng)新對企業(yè)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(shù)據來源

選取2010—2021年1208家A股制造業(yè)上市公司樣本數(shù)據，剔除經營狀態(tài)異常的STamp;PT公司、資產負債率不在0—1區(qū)間的公司與核心數(shù)據缺失公司。同時，為避免極值影響，對連續(xù)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(shù)據主要來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》，國家統(tǒng)計局官網、國泰安數(shù)據庫、CSMAR數(shù)據庫、Wind數(shù)據庫。

（二）模型設計

為檢驗技術融合式創(chuàng)新與企業(yè)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(yè)、時間；α0為截距項；α1代表技術融合式創(chuàng)新對企業(yè)全要素生產率的影響系數(shù)；Controls表示控制變量；λ為行業(yè)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(chuàng)新水平越高，企業(yè)全要素生產率隨之越高，故預測α1系數(shù)為正。

（三）變量選取

1.被解釋變量：企業(yè)全要素生產率（TFP）。當前，企業(yè)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(yè)營收總金額；β表示對應變量回歸系數(shù)；Q代表固定資產；P即研究期內企業(yè)員工數(shù)量；Mi為購買中間產品投入；Age表示企業(yè)存續(xù)年限；Export代表企業(yè)是否存在進出口業(yè)務；Soe為產權性質，若為國有企業(yè)賦值為1，非國有企業(yè)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(chuàng)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(fā)創(chuàng)新的加權平均值度量技術融合式創(chuàng)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(shù)③。隨后分別計算企業(yè)所獲授權專利中各類專利分類號所占比重，揭示企業(yè)之間技術掌握差異。最后，將三種系數(shù)與企業(yè)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(shù)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(xiàn)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(fā)創(chuàng)新，使用新型產品市場銷售額與產業(yè)銷售總產值之比衡量。

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

②接近中心性系數(shù)計算公式為：di=N－1∑j≠idij，CCi=1di。其中，di為節(jié)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(jié)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(shù)計算公式為：CC（u）=2Ruku（ku－1）。其中，u為節(jié)點；Ru是通過u鄰節(jié)點的關系數(shù)；ku表示u的一階鄰節(jié)點。

3.中介變量：知識溢出（KS）?，F(xiàn)有知識溢出衡量方法主要為文獻跟蹤法、永續(xù)盤存法、成本函數(shù)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(yè)之間知識溢出總量；H為引力常數(shù)，可賦值為1；Ki與Kj分別為兩家企業(yè)知識存量；dij即i企業(yè)與j企業(yè)之間直線地理距離。

基于式（2），可得出i企業(yè)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(yè)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(yè)于t時期實際研發(fā)投入金額，通過研發(fā)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(yè)實際研發(fā)投入金額，g表示企業(yè)在2010—2021年間實際研發(fā)投入金額的平均增長率。

4.調節(jié)變量：產業(yè)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(yè)員工數(shù)量衡量產業(yè)集聚程度，具體計算公式如下：

IAri=eri－ef（7）

eri表示r區(qū)域內i企業(yè)員工數(shù)量，ef即f企業(yè)員工數(shù)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(yè)凈利潤與凈資產的比重表征；（2）企業(yè)規(guī)模（Scale）：通過企業(yè)年末資產總額自然對數(shù)衡量；（3）行業(yè)市場集中程度（IMC）：采用赫芬達爾-赫希曼指數(shù)表示；（4）企業(yè)產權性質（EPR）：國有企業(yè)賦值為0，非國有企業(yè)賦值為1；（5）企業(yè)負債率（CDR）：采用負債總額占資產總額比重表示；（6）地區(qū)經濟發(fā)展水平（REDL）：運用企業(yè)所在地區(qū)GDP總量的自然對數(shù)衡量；（7）企業(yè)成長能力（GA）：通過本期主營業(yè)務收入增長量占上期主營業(yè)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(tǒng)計

表2為描述性統(tǒng)計結果。在主要變量方面，技術融合式創(chuàng)新平均值與標準差分別為32195、08624，說明企業(yè)技術融合式創(chuàng)新水平相對較高，且存在較大差距。企業(yè)全要素生產率均值與標準差分別為121042、07763，表明企業(yè)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(yè)集聚標準差為03123，說明不同地區(qū)產業(yè)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(yè)凈資產收益率比較可觀；企業(yè)規(guī)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(guī)模較大，但樣本之間尚存明顯內部差異；行業(yè)市場集中程度均值為00315，可以看出當前研究樣本所在行業(yè)市場集中程度普遍較低；企業(yè)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(yè)與非國有企業(yè)數(shù)量分配較為均等；企業(yè)負債率標準差為11723，說明企業(yè)負債水平具有相對較大差距；地區(qū)經濟發(fā)展水平均值為158216，說明所選研究樣本所在地區(qū)經濟發(fā)展水平普遍較高；企業(yè)成長能力均值為00054、最小值為-10059，表明企業(yè)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(shù)分析結果。依據表中數(shù)據可知，技術融合式創(chuàng)新與企業(yè)全要素生產率正相關，其回歸系數(shù)在1%統(tǒng)計水平上顯著，假設H1得以驗證。同時，各控制變量與企業(yè)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(shù)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(yè)全要素生產率的影響。數(shù)據顯示，凈資產收益率、行業(yè)市場集中程度、地區(qū)經濟發(fā)展水平與企業(yè)成長能力對企業(yè)全要素生產率可產生正向影響，分別能為企業(yè)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(chuàng)新對企業(yè)全要素生產率的影響?？梢灾?，技術融合式創(chuàng)新影響系數(shù)顯著為正，說明該變量能夠推動企業(yè)全要素生產率攀升。列（3）顯示技術融合式創(chuàng)新對企業(yè)全要素生產率的直接影響效應?？梢灾ぃ夹g融合式創(chuàng)新對企業(yè)全要素生產率的估計系數(shù)為00219，且在1%置信水平上顯著。這說明技術融合式創(chuàng)新有利于推動企業(yè)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(chuàng)新與企業(yè)全要素生產率間發(fā)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(chuàng)新與企業(yè)全要素生產率關系中發(fā)揮的中介效應。k代表各控制變量序數(shù)值。依據前文假設H2，技術融合式創(chuàng)新通過提升知識溢出水平，進而助力企業(yè)全要素生產率攀升。因此，預測式（8）中α1系數(shù)與式（9）中κ2系數(shù)均為正。

表5列（1）—（3）顯示中介效應檢驗結果。觀察列（2）數(shù)據可知，技術融合式創(chuàng)新對知識溢出的估計系數(shù)為00085，且在1%統(tǒng)計水平上顯著。這說明技術融合式創(chuàng)新可對知識溢出產生正向影響。列（3）中知識溢出對企業(yè)全要素生產率的估計系數(shù)為00821，且通過1%置信水平的正向檢驗，且該估計系數(shù)與列（1）相較有所下降，表明知識溢出在技術融合創(chuàng)新與企業(yè)勞動生產率之間發(fā)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(chuàng)新能夠助力企業(yè)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(yè)全要素生產率。

3.調節(jié)效應分析。前文理論分析提及，較高產業(yè)集聚水平可強化技術融合式創(chuàng)新對企業(yè)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(chuàng)新與產業(yè)集聚的交互項對企業(yè)全要素生產率的影響系數(shù)。該數(shù)值越高，說明技術融合式創(chuàng)新對企業(yè)全要素生產率的正向影響越顯著。

表6列示產業(yè)集聚在技術融合式創(chuàng)新、企業(yè)全要素生產率間發(fā)揮的調節(jié)效應檢驗結果?？梢钥闯?，技術融合式創(chuàng)新與產業(yè)集聚交互項系數(shù)為00543，且在5%統(tǒng)計水平上顯著。這說明產業(yè)集聚在主效應中發(fā)揮正向調節(jié)作用，為假設H3成立提供數(shù)據支撐。據此可得，產業(yè)集聚可在一定程度上實現(xiàn)資源多元化供給、擴大規(guī)模效應，正向調節(jié)技術融合式創(chuàng)新對企業(yè)全要素生產率的助力效能。

（四）穩(wěn)健性檢驗

1.引入滯后變量。考慮到技術融合式創(chuàng)新與企業(yè)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(chuàng)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(chuàng)新滯后一期與滯后二期估計系數(shù)均通過1%統(tǒng)計水平顯著性檢驗，表明所得結論具有穩(wěn)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(fā)投入強度（Ramp;Dinput）作為工具變量，穩(wěn)健性檢驗結果列示于表7列（3）—（4）。數(shù)據顯示，第一階段回歸結果中，Ramp;Dinput回歸系數(shù)為31942，且在1%統(tǒng)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(shù)據顯示，IMR系數(shù)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(chuàng)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(chuàng)新回歸系數(shù)為00086，且在1%統(tǒng)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(wěn)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(wěn)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(shù)據具備較高平衡性。表8中數(shù)據顯示，技術融合式創(chuàng)新估計系數(shù)通過1%顯著性檢驗，說明上文回歸結果具有穩(wěn)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(chuàng)新與企業(yè)全要素生產率衡量方式，對回歸結果進行穩(wěn)健性檢驗。首先，使用生產要素配置效率反映企業(yè)全要素生產率。由表9列（1）可以看出，技術融合式創(chuàng)新回歸系數(shù)為0.3871，在1%統(tǒng)計水平上顯著，說明前文所述結論穩(wěn)健。其次，使用企業(yè)通過合作產生的發(fā)明專利、實用新型與外觀設計專利申請數(shù)量的對數(shù)表征技術融合式創(chuàng)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(chuàng)新回歸系數(shù)顯著為正，且在1%統(tǒng)計水平上顯著，說明回歸結果具備穩(wěn)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(yè)資源識別與利用能力，驅動其突破創(chuàng)新邊界、延伸業(yè)務范圍，從而提升企業(yè)全要素生產率［26］。作為技術融合式創(chuàng)新的重要驅動力量，企業(yè)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(chuàng)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(chuàng)新對企業(yè)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(yè)進行分類，檢驗不同資源稟賦背景下技術融合式創(chuàng)新對企業(yè)全要素生產率作用是否發(fā)生改變（見表10）。若企業(yè)資源稟賦條件較好賦值為1，反之則賦值為0。依據表中數(shù)據可知，當資源稟賦條件較好時，技術融合式創(chuàng)新對企業(yè)全要素生產率相關回歸系數(shù)在1%統(tǒng)計水平上顯著；當資源稟賦條件較差時，技術融合式創(chuàng)新對企業(yè)全要素生產率相關回歸系數(shù)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(chuàng)新對企業(yè)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(yè)上市公司樣本數(shù)據，實證分析技術融合式創(chuàng)新與企業(yè)全要素生產率之間關系，得出如下結論：技術融合式創(chuàng)新對企業(yè)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(wěn)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(chuàng)新與企業(yè)全要素生產率的關系中發(fā)揮中介作用。調節(jié)效應分析顯示，在技術融合式創(chuàng)新促進企業(yè)全要素生產率提升的過程中，產業(yè)集聚可發(fā)揮調節(jié)效應。在不同資源稟賦條件背景下，技術融合式創(chuàng)新對企業(yè)全要素生產率的影響作用存在差異。具體表現(xiàn)為較好的資源稟賦條件下技術融合式創(chuàng)新對企業(yè)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(jié)點交互生態(tài)創(chuàng)新網絡，切實提升企業(yè)全要素生產率。依據上述研究結論可知，技術融合式創(chuàng)新對企業(yè)全要素生產率發(fā)揮促進作用。政府部門、社會企業(yè)及科研機構應發(fā)揮協(xié)同作用，通過重塑多節(jié)點交互生態(tài)創(chuàng)新網絡，切實提升企業(yè)全要素生產率。一方面，構建多方協(xié)作創(chuàng)新機制。地方政府應充分發(fā)揮引導作用，引導社會企業(yè)同國內高校、科研機構創(chuàng)新合作，構建“技術研發(fā)、中試轉化、資本運作”一體化協(xié)作創(chuàng)新平臺，通過多方賦能提升企業(yè)創(chuàng)新速度與創(chuàng)新質量。同時，地方政府應支持與引導當?shù)亟鹑跈C構與企業(yè)開展創(chuàng)新合作，為社會企業(yè)開展技術創(chuàng)新活動提供充足資金支持，擴大技術融合式創(chuàng)新對企業(yè)全要素生產率的助力效能。另一方面，建構多方協(xié)作轉化機制。地方知識產權部門應制定統(tǒng)一企業(yè)科技成果轉化與應用標準，確定技術融合式創(chuàng)新成果轉化條件，使技術融合式創(chuàng)新成果轉化工作更加制度化、規(guī)范化，借此加速創(chuàng)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(fā)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(chuàng)新提高企業(yè)全要素生產率的重要路徑。因此，各區(qū)域社會企業(yè)應構筑跨空間創(chuàng)新集聚平臺，切實發(fā)揮知識要素溢出撬動效應，以此提升企業(yè)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(fā)揮經濟發(fā)達地區(qū)企業(yè)多樣集聚溢出效應。對于發(fā)達地區(qū)的社會企業(yè)而言，應充分發(fā)揮其“孵化”作用，借助規(guī)?；a的知識積累優(yōu)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(qū)域企業(yè)轉型升級，提升企業(yè)全要素生產率。另一方面，構建跨空間知識資源專業(yè)集聚平臺，補齊欠發(fā)達地區(qū)企業(yè)專業(yè)集聚知識溢出短板。對于欠發(fā)達地區(qū)而言，社會企業(yè)應基于自身比較優(yōu)勢嵌入跨區(qū)域分工網絡，不斷獲取專業(yè)知識以提升自身專業(yè)集聚知識積累水平，為企業(yè)全要素生產率攀升提供知識溢出平臺支持。

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

參考文獻：

［1］張微微，王曼青，王媛，等.區(qū)域數(shù)字經濟發(fā)展如何影響全要素生產率？——基于創(chuàng)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(yè)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(chuàng)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(shù)字經濟、技術創(chuàng)新與高質量發(fā)展［J］.統(tǒng)計與決策，2023，39（21）：96-102.

［6］胡德龍，巢文鳴.區(qū)域創(chuàng)新、數(shù)字經濟與企業(yè)全要素生產率［J］.現(xiàn)代經濟探討，2023（9）：62-72.

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

［8］劉琦.知識流動與區(qū)域協(xié)同創(chuàng)新關系的實證檢驗［J］.統(tǒng)計與決策，2020，36（23）：81-84.

［9］郭建杰，謝富紀.知識流動對企業(yè)創(chuàng)新的影響研究——以ICT產業(yè)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(yè)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(yè)區(qū)域知識溢出、協(xié)同創(chuàng)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(yè)異質性與企業(yè)全要素生產率——來自制造業(yè)上市公司的經驗證據［J］.商業(yè)研究，2022（6）：23-33.

［13］陳勁，李根祎.企業(yè)員工契約理論的構建——后熊彼特時代現(xiàn)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(huán)境下企業(yè)如何加快顛覆性技術突破？——基于整合式創(chuàng)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(yè)創(chuàng)新——來自吸收能力理論和“威廉姆森”假說的解釋［J］.系統(tǒng)管理學報，2023（6）：1299-1312.

［16］李拓晨，韓冬日，梁蕾，等.產業(yè)轉移、高端資源錯配與創(chuàng)新績效——基于醫(yī)藥制造業(yè)數(shù)據的門檻機理［J］.系統(tǒng)工程，2019（5）：62-70.

［17］康鑫，劉美芯.技術創(chuàng)新網絡分裂斷層、知識權力與創(chuàng)新獨占性——知識勢差的調節(jié)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(shù)字經濟、人力資本結構高級化與企業(yè)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(yè)轉移的互惠共生效應研究［J］.中國工業(yè)經濟，2023（2）：55-73.

［21］方冬莉.數(shù)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(yè)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(qū)域創(chuàng)新效率提升的新動能——研發(fā)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(lián)網發(fā)展水平、知識溢出與區(qū)域創(chuàng)新能力［J］.經濟經緯，2022（3）：15-25.

［25］吳明琴，童碧如.產業(yè)集聚與企業(yè)全要素生產率：基于中國制造業(yè)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(yè)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）