本文探讨了中国企业创新活动中大企业的引领作用，基于2007-2022年中国A股上市公司的数据，发现大企业的创新行为对其他企业具有显著的示范效应，且这一效应对规模较大、国有企业以及位于东部和中部地区的企业影响更为显著。机制分析表明，大企业的创新示范效应源于企业的竞争性动机和高管的声誉获取动机，并通过高管之间的交流式学习和企业之间的观察式学习等学习方式实现。此外，不同产权性质的企业对大企业创新示范效应的反应存在差异，表现出先内后外律的特征。研究建议提升大企业的创新积极性，营造公平、公正、有序的竞争环境，搭建信息交流平台，以及引导大企业与其他企业进行创新合作，以促进创新发展。
基于2007-2022年中国A股上市公司的数据，研究发现大企业的创新行为对其他企业存在明显的示范效应，即大企业的创新活动能够激发其他企业的创新活动。
研究结果显示，大企业的创新示范效应对规模较大、国有企业以及位于东部和中部地区的企业影响更为显著，这可能是因为这些企业与大企业在资金、制度等方面有更大的相似性。
机制分析结果表明，大企业的创新示范效应源于企业的竞争性动机和高管的声誉获取动机，即企业为了保持市场地位、获取市场份额，以及高管为了获取声誉，会选择学习和模仿大企业的创新行为。
研究还发现，不同产权性质的企业对大企业创新示范效应的反应存在差异，表现出先内后外律的特征，即企业更倾向于学习和模仿与自身特征相似的行业内大企业的创新行为。
今天是2024年12月24日，星期二，农历十一月二十五，美好的一天从阅读《现代财经-早读早分享》开始！
每日晨语
内心富足之人，从不张扬所拥所有，不乐于提及阅读的书籍、驾驭的座驾、游历的远方、珍藏的珠翠。因为其心境坦然，无丝毫自卑之影，无需通过炫耀证明自身的价值！周二，早安
！
以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3324期）。原创不易，敬请尊重。谢谢鼓励。
一、早读分享
1、让工业遗产实力“出圈”。
近日，工业和信息化部印发通知，公布第六批国家工业遗产名单，37个工业遗产上榜。通过复核的第一批、第二批国家工业遗产名单和需要整改项目名单同时公布。去年3月，工业和信息化部印发《国家工业遗产管理办法》，明确支持利用国家工业遗产资源，开发具有生产流程体验、历史人文与科普教育、特色产品推广等功能的工业旅游项目。（中国经济网-《经济日报》）
蔡子微评：
工业遗产的保护和利用是一个系统工程，需要政府、企业和社会各界的共同努力。政府应制定相关政策和规划，为工业遗产的保护和利用提供指导和支持；同时，企业应积极参与工业遗产的保护和利用工作，发挥其在资金、技术、管理等方面的优势。通过政府引导、企业参与、社会支持的方式，形成合力推动工业遗产保护与利用的良性循环。
话题关注：工业遗产的活化利用与区域经济发展的互动机制研究
2、技术创新引领行业变革，中国汽车自主高端化加速演进。
在全球汽车产业格局深刻变革和技术飞速发展的背景下，中国汽车品牌正以前所未有的姿态，站在全球舞台的中央。随着2024年第1000万辆新能源汽车下线，中国成为全球首个年度新能源汽车产量达到这一里程碑的国家。量变的背后，是质变的飞跃。中国汽车产业正在实现从低端制造向高端制造、低端品牌向高端品牌、低端消费向高端消费的历史性跨越。（人民网）
蔡子微评：
先进制造业的技术创新对高质量发展起到了显著的助推作用。技术进步不仅增强了制造业的核心竞争力，还促进了产业升级和转型，提高了资源利用效率和环境可持续性。随着新技术的应用，制造业能够更好地满足市场需求，实现产品和服务的创新。政策的扶持和市场机制的完善将进一步加速技术创新的步伐，为制造业的高质量发展提供持续动力。
话题关注：技术创新、嵌入性创新网络与先进制造业集群发展——以新能源汽车产业为例
3、传统零售业创新破局路径：识变、应变、求变。
商务部等7部门近日联合印发《零售业创新提升工程实施方案》，为传统零售业发展注入新动力。面对变革关键期，传统零售业应如何实现创新提升？为积极应对行业发展面临的多重挑战，一些传统零售企业不再拘泥于传统的商业模式，通过重塑供应链、优化商品种类、改造购物环境等方式创新探索，在细节服务上下足功夫，以消费者为中心重新构筑市场竞争力。（新华网）
蔡子微评：
“识变、应变、求变”作为传统零售业创新破局的路径，高度概括了行业转型升级的核心要义。识变，意味着要敏锐洞察市场趋势和消费者需求的变化；应变，则要求企业迅速调整策略，灵活应对市场波动；求变，更是主动出击，不断创新业务模式和技术应用，寻求新的增长点。在电商崛起、消费升级的背景下，唯有不断求新求变，传统零售业才能突破困境，焕发新生。
话题关注：零售企业商业模式创新与组织动态能力演化——以胖东来公司为例
4、物流降本增效需提速。
近日
，长三角地区三省一市联合出台了全国首个跨省域物流降本增效方案，提出七大行动37项举措，旨在进一步降低长三角区域物流成本、提高经济运行效率。长三角地区是我国经济最活跃的区域之一，这里物流发达且运输成本较低，被称为网购“包邮区”。对标国际先行地区，“包邮区”在物流基础设施建设、通关效率、物流链协同、物流技术创新与应用以及物流服务水平等方面还有短板要补，区域降低物流成本、提高运行效率仍有较大空间，而此次方案出台，就是要突破制约物流降本增效的“中梗阻”。（中国经济网）
蔡子微评：
新质生产力作为高质量发展的内生动力，在推动实现物流业提质降本增效方面的作用日益凸显。然而，物流降本增效的过程中也存在中小企业融资难度大、全球经济下行等问题。对此，一方面支持中小微物流企业通过技术创新实现降本，构建即插即用的数智化软件系统。另一方面，需要政府引导大型物流企业面向中小微企业提供多样化、数字化的公共服务，推动中小微物流企业智能化、信息化转型。
话题关注：产业融合与新质生产力共同赋能物流业降本增效：现实瓶颈与实施策略
5、深化投融资综合改革，凝心聚力稳住股市。
中央经济工作会议强调“稳住楼市股市”，要求“深化资本市场投融资综合改革，打通中长期资金入市卡点堵点”。在投资端，分类施策打通中长期资金入市的堵点卡点，
完善“长钱长投”的制度环境
，是稳住股市的关键所在。
完善“长钱长投”的制度环境
，当务之急是出台并落实长钱入市配套政策，畅通长钱入市渠道。（中国经济网）
蔡子微评：
通过加强跨部门协调，制定更加完善的政策来引导长线资金入市，尤其是在年金、保险机构的长期投资中推广三年以上的考核机制，有望显著缓解股市波动性，稳定资本市场。在这一过程中，还需关注投资结构的优化，提高投资决策的灵活性，扩大投资范围和工具，进一步推动资本市场的多层次发展。
话题关注：“长钱长投”政策与资本市场波动性的关系：基于中国股市的实证研究
6、农文旅融合建设和美乡村。
在浙江的绿水青山中，藏着乡村振兴的密码，成为人们向往的地方。这里的乡村不仅产业兴旺、文化繁荣、生态宜居，而且农业、文化、生态和旅游深度融合，为万千乡村提供发展示范。特色资源是乡村发展的重要基础。立足资源禀赋，浙江乡村挖掘农业多种功能、乡村多元价值，发展“产业＋文旅”，推动一二三产业融合。（经济日报）
蔡子微评：
浙江的乡村振兴不仅仅是经济发展，更是文化复兴的典范。通过将本土特色与现代产业结合，乡村在保持传统文化的同时，提升了吸引力和竞争力。此外，资源共享和跨村合作为乡村振兴提供了可持续的发展路径，解决了传统乡村发展中的许多痛点，体现了集体智慧和创新的力量。
话题关注：乡村振兴视角下农文旅融合发展的增收效应与实践机制
7、扭住“牛鼻子”，铸就“强引擎”——东北开拓高质量发展新局面。
2024年是实现“十四五”规划目标任务的关键一年。一年来，东北各地牢牢把握在维护国家“五大安全”中的重要使命，聚焦构建具有东北特色优势的现代化产业体系，抓住科技创新“第一动力”，打造优化营商环境“升级版”，在错综复杂的内外部形势下加快推动高质量发展。（新华网）
蔡子微评：
东北各地通过聚焦构建具有东北特色的现代化产业体系，抓住了区域经济发展的关键点。同时强调科技创新的作用，打造强有力的经济增长点，为东北地区的全面振兴提供持久动力
，
而优化营商环境则进一步提升了区域经济的吸引力和竞争力。这些举措展现了东北地区加快高质量发展的坚定决心和实际行动。
话题关注：营商环境优化、技术创新与区域产业结构升级
8、河北蠡县加速发展麻山药特色产业。
12月19日至21日，以“实施优质山药工程 赋能国民健康生活”为主题的第二届全国山药产业发展大会暨第三届蠡县麻山药丰收节在河北蠡县举办。此次大会由国家山药产业科技创新联盟与国家中药材产业技术体系山药单品种攻关组主办。旨在推动山药全产业链高质量融合发展，通过权威发布、专题报告、技术交流等形式，推广新技术、新产品、新装备与新模式，助力产业升级。（经济日报）
蔡子微评：
蠡县通过科技创新和资源整合，成功推动了山药产业的升级发展。以技术为核心驱动力，结合地方特色和现代化管理，蠡县为农业产业化提供了宝贵的经验。同时，依托电商平台和金融支持，推动山药产业进入新兴市场，增强了市场竞争力。这不仅体现了产业发展的潜力，也展示了农业现代化转型的重要性。
话题关注：科技创新推动区域特色优势产业高质量发展：价值指向与路径选择
9、首发经济撬动内需新动能。
首发经济直接面向消费市场，是撬动消费需求扩张的新动能。其核心特征在于“首次”，本质是创新，例如开发新产品、拓展新模式、发展新市场等。这些创新型活动的“首发”效应能够迅速吸引公众注意力，在短时间内形成话题和影响力，促进品牌曝光和销量增长。首发经济注重捕捉消费者尝鲜猎奇、时尚个性的消费心理，对拉动消费需求具有重要作用。由于首发首店直接面向消费者，企业能够敏锐感知消费者偏好和消费趋势变化，从而更精准地优化生产决策、改善产品结构、促进产业链良性循环。（中国经济网）
蔡子微评：
高质量发展下，首发经济的发展受到广泛关注。然而，我国
首发
经济目前存在着制度
缺乏、
制度
创新与缺乏专业生态圈等问题。对此，一方面要推进
规则
标准等制度型开放，优化与首发经济发展相适应的通关、检验、活动举办等制度体系，提升消费市场的国际化水平；另一方面要构建首发经济专业服务生态圈，加快发展首发经济领域高能级专业服务机构。
话题关注：首发经济何以激发消费活力?——基于需求侧和供给侧的双重视角
10、报告：2023年底地方国有企业牵头建设国家级创新平台111个。
全国人大常委会执法检查组关于检查《中华人民共和国企业国有资产法》实施情况的报告22日提请十四届全国人大常委会审议。报告显示，2023年底地方国有企业牵头建设国家级创新平台111个、省级创新平台1010个。报告称，近年来，我国加快推动国有企业产业结构调整与合并重组，国有经济布局不断优化。党的十八大以来，国务院国资委累计推动完成28组50家中央企业重组整合，新组建和接收中央企业16家，在船舶、化工、装备、能源电力等领域打造了一批具有较强竞争力的行业领军企业，带动形成一大批优势产业集群。（中国新闻网）
蔡子微评：
国家级创新平台对提升地区创新能力和新质生产力建设具有重要作用。这些平台通过集聚高端人才、先进技术和创新资源，推动了关键技术突破和产业升级。它们加强了产学研用的深度融合，加速了科技成果的转化应用，为地区经济发展注入了新活力。政策的引导和平台的优化将进一步激发地区创新潜力，促进新质生产力的形成和发展，为实现区域经济的高质量发展提供坚实基础。
话题关注：国家级创新平台建设能否助推先进制造业高质量发展？
11、肖钢：加强金融AI算法和模型治理。
中国证监会原主席肖钢12月22日在国民财富发展研究合作平台“AI+金融”峰会上表示，人工智能是一把“双刃剑”，一方面引领了新一轮科技革命和产业革命，深刻改变社会生产生活，也深刻改变了金融业的业态和模式，另一方面也产生了各种风险和挑战。从智能金融来看，肖钢认为，人工智能极大提高了金融机构识别预警和控制风险的能力，但并没有分散或消除金融风险。因此，智能金融的本质还是金融，要遵循金融的基本规律。（中证网）
蔡子微评：
生成式人工智能驱动下的大模型，促进人工智能算法技术快速演进并深度嵌入金融服务行业，从而推动了现代金融服务平台的新模式发展、新技术应用与新产品研发。然而，其在发展过程中也存在算法垄断、算法控制风险等问题。对此，一方面强化平台算法垄断的多元规制，逐步构建科学合理的反垄断执法体系；另一方面，通过算法透明体系防范平台算法控制，强化算法信息披露义务以破解算法控制风险。
12、试点政策再优化，跨国公司跨境资金管理更便利。
中国人民银行、国家外汇管理局18日对外发布消息，优化跨国公司本外币一体化资金池业务试点政策，提升跨国公司跨境资金运营效率，加大对跨国公司跨境投融资便利化的支持力度。跨国公司本外币一体化资金池主要面向特大型跨国公司集团，于2021年3月在北京、深圳率先推出首批试点，2022年推出第二批试点，并优化试点政策。（经济日报）
蔡子微评：
政策实施将为跨国公司带来诸多好处：首先，试点审批权限下放至分局，扩大了政策惠及面，使更多符合条件的企业能够受益；其次，允许跨国公司境内成员企业间错币种借贷用于经常项目跨境支付业务，有助于节省企业的财务成本；最后，进一步提高跨国公司资金使用效率，使其能够更好地进行跨境资金运营管理。这有助于促进企业持续稳健经营和发展海外业务，对我国经济的发展具有积极的推动作用。
话题关注：跨境投融资便利化对跨国公司可持续发展绩效的影响研究
大企业引领了创新发展吗?——基于中国上市公司示范效应的研究
作者：孙锦萍,董志勇. 来源：《经济与管理研究》2024年第11期
导读
摘要：
大企业在中国创新中扮演了重要角色。与既有文献从创新能力和创新效率的视角关注大企业创新的“支撑”作用不同，本文从社会互动的视角关注大企业创新的“引领”作用。基于2007—2022年中国沪深A股上市公司数据，本文采用社会互动理论常用的线性均值模型研究大企业创新对同行业内其他企业创新的影响。研究结果表明：大企业创新存在明显的示范效应，且大企业创新对规模较大、国有企业以及位于东部和中部地区的其他企业发挥着更为明显的示范效应。机制分析结果表明，大企业创新示范效应源于企业的竞争性动机和高管的声誉获取动机。进一步，大企业创新示范效应是通过高管之间的交流式学习和企业之间的观察式学习等学习方式实现的。最后，大企业创新示范效应遵循先内后外律，对与其具有相同产权性质的其他企业创新的促进作用更明显。本文从行业内不同规模企业创新关系的视角研究了大企业的创新示范效应，考察并肯定了中国大企业在创新中发挥的关键引领作用，同时也为政策制定者出台创新支持政策提供进一步的理论参考。
关键词：
企业规模;示范效应;企业创新;同群效应;线性均值模型;
引用格式：
孙锦萍,董志勇.大企业引领了创新发展吗?——基于中国上市公司示范效应的研究[J].经济与管理研究,2024,45(11):104-125.
一、问题提出
《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出,要提升企业技术创新能力,发挥大企业引领支撑作用,明确了大企业在创新中的关键作用。据寇宗来和刘学悦(2020)测算,中国工业企业1998—2013年规模维度的创新基尼系数均高于0.53,说明大企业在中国创新中占据着主导地位,这一特征事实凸显了大企业在中国技术创新与创业发展中的骨干支撑作用
[1]
。事实上,无论是大企业还是中小企业创新均构成创新的总量。大企业的创新行为对其他企业是否具有示范引领作用关系到中国创新驱动发展战略的实施效果,发挥大企业的引领效应能够通过促进其他企业创新的方式进一步提升整体技术水平和生产率,但却鲜有文献探究大企业创新是否通过示范作用引领了其他企业的创新水平。鉴于此,本文认为有必要进一步考察大企业创新的引领作用。
探讨企业规模对创新的影响一直是学术界的热点问题。从大企业创新的优缺点出发,可以将已有研究归纳为如下两类:第一类研究认可大企业创新的优势,认为创新与企业规模存在正相关关系。熊彼特(1942)对企业规模与创新的关系进行了深入分析,其主要观点被称为“熊彼特假说”,该假说认为创新与企业规模呈正相关关系
[2]
。这一假说认为大企业更具创新性,后来学者们沿着这一假说进行了大量的实证研究,进一步肯定了大企业创新的重要影响
[3-5]
。于长宏和原毅军(2017)、孙文浩和张杰(2021)从创新的高投入、高风险特征出发,认为大企业的财力和风险抵抗能力较强,因此更具创新优势
[6-7]
。王孝松和张瑜(2021)进一步从成本收益的视角进行了分析,认为大企业普遍具有较完善的创新制度和更专业的创新能力,并掌握更多创新前沿信息和创新资源,其创新成功率自然较高
[8]
。同时,相比其他企业,大企业能获得更多创新垄断利润,因此更有动机进行创新。第二类研究认为大规模企业存在较多劣势,不利于颠覆式创新。一方面,大企业存在组织冗长等“大企业病”,在创新激励方面反应迟钝、僵化,不利于企业创新
[9-10]
。另一方面,一些能够代表未来市场方向的颠覆式创新由于与企业当前的盈利模式相冲突,往往不能通过审批,因此大企业会放弃颠覆式创新
[11-13]
。相反,小企业在掌握市场方向后往往能够抓住机遇,并实现颠覆式创新。纵观现有文献,在研究企业规模与创新的关系时,要么讨论企业规模大小对其自身创新的影响,要么讨论企业规模特征对其创新的影响,而忽视了不同规模企业之间创新的关系,也忽视了大企业创新能否引领其他企业创新的问题。因此,本文将从不同规模企业之间的创新关系出发研究大企业创新的引领作用。
大企业创新引领作用研究的主要挑战有两个方面。一是大企业界定标准的选择。研究不同规模企业之间创新行为关系的前提是选择界定大企业的标准。本文认为既有文献通行的以企业实际的资产或员工规模的绝对值划分“大、中、小企业”的标准不适合本文的研究。原因在于,企业规模是一个相对概念,处于不同行业的龙头企业的实际资产和员工规模差异较大,如重资产行业企业的资产规模一般都较大,而轻资产行业的资产规模一般较小。在此情形下,以企业实际资产或员工规模的绝对值进行划分的标准将会导致轻资产行业内的大企业被错误地定义为小企业。二是非上市公司的创新数据难以获得。由于创新活动的机密性以及中国对企业创新数据的统计渠道匮乏,本文很难获得除公开上市企业以外的其他企业的创新数据。
社会互动理论主要研究群体内不同个体之间行为互动与影响
[14]
,其理论及实证研究方法为解决上述挑战提供了可行思路。一方面,社会互动理论对于“群组”的划分为本文选取大企业的界定标准提供了可行思路。本文可以借鉴社会互动理论划分同群企业的思路,以行业为群体的界定标准,在此基础上以企业的相对规模划分大企业与其他企业。另一方面,社会互动理论及其实证分析框架能够克服创新数据匮乏带来的挑战。在社会互动理论的实证分析框架下,群体内企业之间的行为有更高的研究价值,因此,本文可以以更为相似的上市公司作为研究样本。鉴于上述原因,本文将基于社会互动理论,从同群效应视角,关注大规模企业创新对行业内其他企业创新的影响。
本文基于曼斯基(Manski,1993)
[15]
提出的线性均值模型,以沪深A股上市公司2007—2022年的数据为研究样本,实证检验同一行业内部大企业对其他企业创新的示范效应。本文的潜在贡献如下:第一,本文从同群效应这个全新的视角评估了大企业创新的影响。在评估大企业创新的影响时,已有研究多从溢出效应的视角出发,评估大企业创新对其他企业生产率的影响,却鲜少关注其他企业与大企业之间的同群行为。同群行为与溢出效应的差异在于,同群者会进行创新活动,而溢出效应的受益者未必进行创新。这不仅关系到大企业创新对全要素生产率的提升,更关系到国家或区域创新系统的形成。第二,本文从社会互动的视角考察了同行业内大企业创新的引领作用。大量文献关注了大企业创新的支撑作用,却鲜少有文献关注到大企业创新的引领作用。本文的研究不仅为采取措施“发挥大企业创新引领作用”夯实了理论基础,也为理解大企业创新的重要作用提供了新的视角。第三,本文厘清了大企业创新示范效应的产生方式和影响因素,为政策制定者出台创新支持政策提供了理论支撑。少数文献关注到企业之间社会互动的作用,但尚未有文献专门研究大企业创新对其他企业创新的影响,更缺乏对示范效应产生动机和产生方式的考察。
本文结构安排如下:第二部分为文献回顾;第三部分为理论分析与研究假设;第四部分为实证设计与数据来源;第五部分为实证结果与分析,考察大企业创新示范效应的存在性;第六部分为机制检验,考察大企业创新示范效应的产生动机,并在此基础上考察大企业创新示范效应的产生方式;第七部分为拓展性分析,考察示范效应的先内后外律;第八部分为结论与政策建议。
二、文献回顾
社会互动理论认为个体的行为决策不仅受到其自身特征的影响,还与其他人的行为和特征有关。这就导致外生冲击不再局限于个体,而是在行为人之间“回荡”,并产生乘数效应
[16]
,这有助于政策的实施
[17]
,并因此引发了学者们的广泛关注。已有研究将这种个体的行为和决策受到群体内其他个体行为影响的现象定义为同群效应,并进行了大量的理论和实证研究。在理论层面,曼斯基(1993)将社会互动分为内生互动效应和外生互动效应
[15]
。其中,内生互动效应是指个体的决策受到其他个体决策的直接影响,如企业的创新决策受到同群企业创新的影响;外生互动效应是指他人的个体特征对个体决策的影响,如企业创新决策受到同群企业绩效、信贷规模等的影响。在实证层面,早期相关研究主要集中于对个体社会行为的研究,包括对学习成绩
[18]
、体重
[19]
、犯罪行为
[20]
在内的个体行为与同伴行为关系的研究。随着社会互动理论与实证方法的完善,学者们将其引入公司研究领域,并研究了企业并购
[14,19,21-22]
、企业资本结构
[23-24]
、高管薪酬
[25-27]
、企业违规
[28-29]
、企业捐赠
[30-32]
和企业投资
[33-35]
等行为,均发现了企业决策之间的同群效应。
与本文最为相关的研究有两支,分别是研究企业创新同群效应的文献和研究不同规模企业之间同群行为的文献。关于企业创新同群效应的研究,归纳起来,有如下三类:第一类文献关注企业创新的社会网络同群效应,分析社会网络特征对同群效应的影响。这类研究主要基于社会网络理论,分析企业基于高管社会关系而产生的同群行为
[36]
。第二类文献关注企业创新的区域同群效应,分析同一地区内不同企业创新行为的互动关系
[37-38]
。这类研究基于不完全信息理论、市场失灵理论和外部性理论,认为企业需要通过学习和模仿其他企业的创新行为来获取市场、技术和补贴等相关信息并保持市场地位,因而位于同一地区的企业之间存在同群行为。第三类关注企业创新的行业同群效应,分析同一行业内不同企业之间的同群行为
[39]
。这类文献认为处于同一行业中的企业面临的市场环境更为相似,彼此之间的借鉴意义更大,因而更易产生同群行为。
在不同规模之间企业同群行为的研究方面,利伯曼和阿萨巴(Lieberman &Asaba,2006)指出规模的大小会影响企业的模仿行为
[40]
;利里和罗伯茨(Leary &Roberts,2014)在研究企业融资行为时发现,规模较小的企业更容易受大规模企业的影响
[23]
;万良勇等(2016)指出大规模企业本身就拥有更多的信息获取渠道和知识累积,更易成为其他企业的模仿对象,而小规模企业更可能成为追随者
[14]
;帕森斯等(Parsons et al.,2018)发现规模相近的企业之间更易表现出相似的违规倾向
[29]
。上述研究表明,不同规模企业之间的同群行为对于发挥社会互动的乘数效应至关重要,但鲜少有文献关注大企业对行业内其他企业的影响,且在创新领域亦是空白。鉴于此,本文认为有必要基于社会互动理论,从同群效应视角出发,关注大企业创新对行业内其他企业创新的影响。具体地,本文将这种其他企业对行业内大企业创新的跟随和模仿行为定义为大企业创新的示范效应。
企业之间的同群行为与个体之间的模仿、技术的溢出效应不同:首先,同群行为与个体之间模仿的差异在于同群行为是“点与面”的关系,而模仿则是“点与点”的关系
[14, 21]
。其次,同群行为与溢出效应的差异在于,前者侧重行动,后者侧重成果的影响。同群者会进行创新活动,而溢出效应的受益者未必进行创新。这意味着大企业创新不仅通过技术外溢的方式提升其他企业的生产率,还通过提升其他企业创新投资的方式提升其他企业的生产率。因此,大企业创新的示范效应是独立于个体模仿行为和溢出效应之外的,且能够通过乘数效应影响其他企业创新的关键因素。
三、理论分析与研究假设
(一)大企业创新的示范效应
本文认为在中国的制度环境下,同行业的大企业创新更容易对其他企业的创新产生示范效应。
一方面,相比于其他企业,大企业在创新方面更具优势。一是专业优势,一个行业的大企业往往是该行业中创新的佼佼者,积累了更多的创新经验、拥有更专业的创新人才和知识积累
[14]
,因此其创新行为一般包含了行业未来的科技前沿和动向。二是信息优势,大企业创新的信息优势一部分来自其自身的创新经验,另一部分则来自其市场势力带来的规模经济
[40]
。三是融资优势,大企业有丰富的抵押品,因而金融市场更偏好贷款给大型企业。加之,大企业本身资金充足,这使得其创新具备了融资优势。四是制度优势,在计划经济时代,大企业占据经济的主导地位,中国科技体制也更适合大企业创新,形成了对大企业的制度偏好。受此影响,大企业至今仍具有制度优势,使得其创新具备合法性
[41]
,进而吸引着其他企业对其创新的追随与模仿。
另一方面,对于其他企业而言,锚定大企业的创新行为能够发挥后发优势,降低创新风险。在创新过程中,相比大企业,小企业由于存在更强的融资约束和信息不对称,其创新的能力和意愿均较差,且抵御创新风险的能力不足
[42]
。小企业将大企业作为模仿对象,可以弥补自身不足,增加创新后发优势。这是因为,其一,大企业往往是行业内竞争实力最强的企业,相比其他企业,大企业拥有更多信息和话语权,其创新决策蕴含着丰富的信息价值,因此其他企业会出于信息获取动机而选择模仿大企业的创新。其二,行业内大企业创新包含了行业未来发展动向,小企业追随或模仿行业内大企业创新不仅能获取行业发展的重要信息,还能够保持甚至缩小与大企业竞争地位的差距。其三,创新的高成本和高风险特征也使得小企业倾向于模仿和跟随大企业。创新具有高风险特征,而模仿和跟随大企业创新能够在一定程度上降低不确定性
[39]
。总之,与大企业行为保持一致,可以降低企业走向竞争劣势、被行业淘汰的概率。
然而,大企业的创新行为也有可能不会对本行业内的其他企业产生示范效应。首先,大企业由于研发投资的资金充足,其创新项目很可能具有较大的投资规模,超出了其他企业的投资能力。其次,大企业存在组织冗长、创新思维固化等问题
[9-10]
,可能会消除大企业的创新优势,甚至产生劣势,不利于其在同行业企业中形成引领效应,如一些代表行业未来发展方向的颠覆式创新往往由小企业创造。因此,大企业创新行为是否具有示范效应还有待进一步验证。基于以上分析,本文提出如下假设。
假设H1:大企业创新会对行业内其他企业产生示范效应。
(二)大企业创新示范效应的产生动机
从企业和高管出发,探究企业之间学习和模仿的动机是已有文献的普遍做法
[14,28,43]
。社会互动理论将个体和组织的模仿动机区分为竞争性动机和信息获取性动机
[40]
。其中,竞争性动机是指个体和组织为应对竞争需要而学习和模仿其他组织的行为。信息获取性动机是指个体和组织为获取对决策有价值的信息而采取的学习和模仿其他组织的行为。随着声誉经济学和高阶理论的发展,学者们逐步将学习和模仿的主体拓展到高管层面,并从声誉获取动机出发研究企业学习和模仿的内在动机
[24]
。具体地,声誉获取动机是指管理者为获取声誉而学习和模仿其他管理者的行为
[24]
。综合来看,竞争性动机、信息获取动机和声誉获取动机是个体学习和模仿的主要动机。鉴于此,本文将从上述三个方面研究大企业创新示范效应的产生动机。
1．企业的竞争性动机
大企业创新的示范效应可能源自企业的竞争性动机。竞争是引发企业学习和模仿行为、产生社会互动的重要因素
[40]
。既有研究认为,越是竞争激烈的行业,企业的学习和模仿行为越明显。原因在于,竞争性越强的行业,企业面临的生存环境越恶劣,企业想要在市场上立足并生存下去,就必须时刻保持竞争优势。因此,企业会关注同伴的行为,并进行跟随和模仿,以降低竞争对手带来的压力和保持市场势力
[14]
。具体到不同规模的企业,本文认为这种基于竞争动机的学习和模仿在不同规模企业之间会更明显。一方面,大企业更具合法性
[41]
,其他企业有跟随和模仿大企业的习惯和倾向。学习和模仿大企业可以使其他企业获得一定的后发优势,并保持市场地位。利里和罗伯茨(2014)发现小企业会模仿大企业的融资决策
[23]
,万良勇等(2016)发现小企业会跟随大企业的并购行为以增强自身的竞争力,缩小与大企业之间的差距
[14]
。具体到创新领域,彭镇等(2020)、孙锦萍等(2022)分别考察了行业和区域同群行为中企业的竞争动机
[38-39]
。另一方面,其他企业为获取市场地位和竞争优势,必须与同行业企业,尤其是大企业拥有较为接近的技术水平和成本优势,否则小企业就容易被市场淘汰。为保持竞争优势,其他企业会留意和观察大企业的创新动向,并进行跟随和模仿。基于上述分析,本文认为竞争是引发大企业创新示范效应的动机之一,并提出如下假设。
假设H2:大企业创新示范效应源于企业的竞争性动机。
2．企业的信息获取动机
大企业创新的示范效应可能源自企业的信息获取动机。众多研究表明,企业会通过各种方式获取信息以降低不确定性
[14, 43]
。其中,企业以往的经验亦是其获取信息的重要来源,因此,企业经历会减少其对同群企业学习和模仿行为。豪恩席尔德(Haunschild,1993)认为企业会从同群企业的并购行为中获取信息和降低不确定性,并通过实证研究证明了信息获取是企业模仿同群企业的动机之一,具体表现为当企业拥有并购经历时,其对同行业企业并购行为的模仿意愿降低
[44]
。孙锦萍等(2022)在研究企业创新的区域同群效应时发现,有过补贴获取经历的企业模仿同区域其他企业补贴获取行为的倾向大大降低
[38]
。然而,在本文的研究情形下,很难直接判断小企业以往的创新经历是否会降低其模仿意愿。原因在于,其他企业对大企业创新行为的模仿动机不仅源于信息获取,更源于市场份额的获取。相比于大企业,其他企业在市场地位、创新能力等方面劣势明显,若不能紧跟大企业的步伐,提升技术和产品,极可能失去市场份额。基于上述分析,本文提出如下假设。
假设H3:大企业创新示范效应源于企业的信息获取动机。
3．高管的声誉获取动机
大企业创新的示范效应还可能源自高管的声誉获取动机。企业决策归根结底是高管的决策,而高管的特征会影响企业决策,如高管的从军经历和研发经历等会影响企业创新
[45-47]
。高管特征还会影响企业的同群行为,原因在于,虽然高管的劳动力市场是完全竞争的,但公司与高管之间存在信息不对称,因此,在招聘高管的过程中,高管的既有工作经历是企业决策的重要参考
[48]
。企业会基于高管的业绩水平评估其能力,并据此做出是否雇佣的决策。因此,当高管能力属于“离群值”时将面临失业。高管为获取高于市场平均水平的评价,会选择模仿其他企业的行为,尤其是规模和技术等各方面优于自身的企业。陆蓉等(2017)研究了中国上市公司资本结构的同群行为,发现高管年龄越小,企业的同群行为越明显
[24]
。在创新方面,本文认为同样会存在高管基于自身声誉获取需求而模仿其他企业行为的现象。因为模仿大企业的创新,不仅可以降低企业创新风险,也能获取更多的行业动向,有利于高管声誉的获取和企业绩效的提升。因此,高管为获取声誉会选择模仿和跟随行业内大企业的创新行为。基于上述分析,本文提出如下假设。
假设H4:大企业创新示范效应源于高管的声誉获取动机。
(三)大企业创新示范效应的产生方式
社会学习理论将社会学习分为交流式学习和观察式学习。本文认为如果大企业创新存在示范效应,那么背后同样存在这两种学习方式。其中,交流式学习是指企业决策者通过与行业内大企业交流的方式获取创新相关信息,并以此为依据调整自身的创新战略;观察式学习是指企业决策者通过观察行业内大企业的创新行为及其创新收益情况,进而做出是否创新的决策。
1．交流式学习
在交流式学习方面,社会互动相关理论指出个体并非独立存在,而是处在彼此关联的网络或群体当中。在此情况下,个体最经常的做法不是进行调查研究,而是通过口头相传的方式获取信息。企业会通过各种直接或者间接的社会关系获取信息,并做出决策。交流式学习广泛存在于企业决策当中,如企业违规决策。具体到企业的创新决策,本文认为来自行业内大企业的信息能够帮助企业降低创新风险。原因在于,信息不对称程度高、信息获取渠道少是企业创新风险高、成功率较低的根源,相比其他企业,大企业对行业前景的把握程度高,创新实力也更强,其他企业有动机学习和模仿大企业的创新行为。既有实证研究发现企业可以通过高管之间的老乡关系进行相互学习和模仿,如老乡关系对企业研发投入存在影响。因此,企业会通过交流式学习的方式模仿行业内的大企业创新。
2．观察式学习
在观察式学习方面,既有研究认为个体或组织会基于其他个体或组织的实践进行决策。因此,企业会对同行业内大企业的创新行为进行学习和模仿,但并不会对同行业内所有大企业的创新行为进行模仿,而是会观察大企业创新的收益,大企业创新收益越好,企业的学习和模仿意愿越强烈,这一规律即为逻辑模仿律,是企业模仿所遵循的内在规律。该规律认为绩效好、效率高的企业更容易成为被模仿对象。陈仕华和卢昌崇(2013)、陆蓉和常维(2018)分别检验了企业违规和并购行为中观察式学习的存在,发现企业会通过观察其他企业违规(并购)的收益情况,进而决定是否违规(并购)
[22,28]
。根据逻辑模仿律,企业在进行创新决策时,有较强的动力观察行业内大企业创新的收益情况。通过观察大企业创新收益情况获取更多关于创新项目和收益的相关信息,从而有效评估自身研发项目的收益,以降低创新风险。因此,企业会通过观察式学习的方式模仿和跟随大企业的创新行为,也即存在观察式学习。基于以上分析,本文提出如下假设。
假设H5a:大企业的创新示范效应通过高管之间的交流式学习产生。
假设H5b:大企业的创新示范效应通过企业之间的观察式学习产生。
四、实证设计与数据来源
(一)实证设计
本文采用社会互动领域普遍采用的线性均值模型检验大企业创新示范效应的存在。线性均值模型由曼斯基(1993)构建,其将企业行为趋同的因素划分为来自同伴行为影响的内生互动效应、来自同伴特征影响的外生互动效应和受相似企业特征或相同环境影响的关联效应
[15]
。本文在界定同行业企业规模的基础上,借鉴线性均值模型剥离企业之间互动效应的思路,实证识别大企业创新的示范效应。这一思路同时也允许相关研究不用拘泥于数据不易获得的中小企业,使得选取数据较易获得的上市公司作为样本研究大企业创新示范效应成为可能,即克服了相关研究的数据获取难题。线性均值模型设定如下:
(1)
其中,
i
代表企业,
j
代表行业,
t
代表时间。
y
i
,
j
,
t
为
j
行业内除大企业外的其他企业的创新水平;
j
行业内大企业的创新水平,
β
1
反映了其他企业行为随着大企业行为的变化情况,即内生互动效应系数;
j
行业内大企业的特征,
β
2
反映了行业内其他企业行为与大企业的外生特征有关的变化,即外生互动效应系数。曼斯基(1993)认为个体之间行为的一致性还可能是由于其拥有相似的特征、面临相似的环境或者外生冲击,这并非社会互动效应而是关联效应,因此还应加入企业层面特征
x
i
,
j
,
t
[15]
。上述三种效应中只有内生互动存在乘数效应,因此
β
1
为本文的重点关注对象。参考已有研究
[14,28]
,本文选取的企业特征变量包括:杠杆率(
leverage
)、企业资产规模(ln
asset
)、现金流(
cashasset
)、营业收入(
businessasset
)、总资产收益率(
roa
)、第一大股东持股占比(
top
1)等。考虑到企业创新还可能受到其他与企业所在行业、区域和时间等有关的不可观测因素的影响,本文进一步控制了企业个体和年份固定效应,其中,
μ
i
代表企业个体固定效应,
δ
t
代表年份固定效应。
创新投入、专利申请、专利授权和专利引用四个指标是已有研究常用的企业创新的代理变量,考虑到与研究的适配性,本文选取企业专利申请量作为创新的代理变量。原因如下:第一,创新投入是衡量企业研发投入的变量,但由于数据披露不完整,往往造成估计偏误,因而不是最适合本文研究的创新的代理变量。《新会计准则》实施前,绝大部分企业未公布该数据,即便《新会计准则》实施后企业开始披露该指标,但2010年之前公布该指标的企业也不足50%
(1)
数据由作者整理获得,原始数据来源于深圳希施玛数据科技有限公司CSMAR中国经济金融数据库。
。已有研究在使用该数据时要么直接将未公布样本剔除
[49]
,要么将部分未公布企业的研发投入规模视为零
[50]
。前一种做法会删除大量样本,使得样本选择非随机,造成样本选择偏误;后一种做法则严重低估企业研发投入,同样会带来估计偏误。第二,企业专利授权量也是衡量企业研发产出的关键指标,但由于该指标只能涵盖成功的创新而忽略了企业研发投入中失败的部分,因而不适合本文的研究。与专利授权量相比,专利申请量更能够体现企业创新的努力程度
[47]
。专利申请量能够涵盖那些申请但未获得授权的专利,这部分专利虽然没有获得批准,但同样需要企业投入人力、物力等生产要素,代表着企业创新的努力。此外,一项专利从申请到获得授权,需要1～2年的时间,这意味着专利授权量衡量的并非当年企业的创新水平。第三,专利引用量是衡量企业创新质量的关键变量,但由于时滞较长而不适合本文的研究。专利被引用的黄金期是其授权后3～5年
[51]
,因而专利引用量有很长的滞后期。鉴于此,本文选择企业专利申请量作为创新的代理变量,考虑到企业专利呈现偏态分布和左截尾分布,本文对专利申请量进行自然对数调整。本文主要变量定义如表1所示。
表1 主要变量定义说明
(二)数据来源与处理
考虑到数据可得性,本文选取2007—2022年中国A股上市公司作为研究对象。本文的数据来源于深圳希施玛数据科技有限公司CSMAR中国经济金融研究数据库,企业所在行业采用中国证券监督管理委员会《上市公司行业分类指引》(2012年修订)。鉴于创新具有较强的行业属性,本文将处于同一行业内的企业按照员工数量划分为大企业与其他企业,考察大企业的创新示范效应。具体是将企业员工数量排名前10%的企业视为大企业。另外,借鉴已有研究
[38]
,本文对数据进行以下处理:(1)剔除创新行为具有特殊性或不具有代表性的金融类、房地产类和餐饮住宿类等行业上市公司;(2)剔除ST、PT类上市公司样本;(3)剔除主要变量缺失的样本;(4)剔除同行业内上市公司数量少于10家的样本;(5)为消除极端值对研究结论的影响,对所有连续变量进行1%水平上的缩尾处理。
经过上述一系列的数据清洗后,本文最终得到了包含4 823家上市公司、共计36 464个企业-年度观测值,表2报告了主要变量的描述性统计结果。统计结果显示,同行业内其他企业的专利申请均值为10.642 5,而大企业专利申请均值为93.745 9,这表明行业内大企业的创新明显高于其他企业,是创新的重要主体。另外,其他企业创新水平(
patent
)的标准差为61.296 2,约为其均值(10.642 5)的5.76倍;行业内大企业创新水平(
mpatent
)的标准差为224.575 6,约为其均值的2.40倍,表明不同企业之间创新水平差异明显。其他变量的描述性统计情况如表2所示,限于篇幅此处不再赘述。
表2 变量描述性统计结果
五、实证结果与分析
(一)基准回归
本文实证检验了大企业创新的示范效应,表3汇报了回归结果。其中,列(1)—列(2)分别汇报了加入企业特征和大企业特征的回归结果,列(3)是同时加入企业特征和大企业特征的回归结果。从实证结果可以看出,不管是否控制企业特征和大企业特征,大企业创新水平(ln
mpatent
)的回归系数始终显著为正,且系数大小与显著性变化不大,即大企业创新行为存在示范效应,对行业内其他企业创新产生了促进作用,验证了本文的假设H1。这可能是因为即使大企业由于组织冗长和创新思维固化等问题,不能率先产生那些代表行业未来发展方向的颠覆式创新,但由于大企业具有更多创新优势,往往掌握了一些与行业未来发展方向相关的信息,因此小企业仍旧有学习和模仿大企业的动机。从列(3)的结果来看,内生互动效应系数为0.016 6,且在1%的水平下显著,这表明行业内大企业创新能够促进其他企业创新水平。
表3 基准回归结果
注:列(1)、列(2)和列(3)的被解释变量均为企业专利申请(ln
patent
);
*
、
**
和
***
分别代表10%、5%和1%的显著性水平,括号内为标准误;后表同。
(二)稳健性检验
前文的实证中,本文加入了一系列控制变量并采用双向固定效应模型进行了回归分析,但仍可能存在一些其他随机因素而影响到本文的实证结果。鉴于此,本文将进行一系列的稳健性分析以检验前文结论。
第一,考虑到小企业在资金、管理等各方面与大企业存在较大差异,其可能采取策略性创新而非实质性创新,如此企业创新虽然有量的提升却不会有质的提升,也与高质量发展相违背。因此,大企业创新的引领作用还有可能只是数量维度的引领,而非质量维度的引领。为此,本文将从创新质量的视角进行稳健性检验。参考霍尔等(Hall et al.,2005)
[51]
的研究,本文以企业专利自申请日开始三年内的累计被引量加1后取自然对数作为创新质量的代理变量进行实证分析。从表4可以看出,行业内大企业创新质量(ln
mcitenum
)的回归系数为0.162 7,且在1%的水平下显著。这一结果表明,大企业创新的引领作用不仅表现为对其他企业创新数量维度的引领作用,还表现为对其他企业创新质量维度的引领作用。
表4 稳健性检验回归结果
注:
x
是企业特征,
第二,本文改变创新代理变量,检验大企业创新的示范效应是否依然存在。企业研发投入和企业专利授权量也是衡量企业创新的重要指标,为此本文替换企业创新的代理变量进行实证检验。表4结果显示,当以企业研发投入与总资产的比值(
rdasset
)作为创新的代理变量时,同行业内大企业研发投入强度(
mrdasset
)的回归系数为0.130 5,且在1%的水平下显著,进一步验证了大企业创新的示范效应。当以企业专利授权量(ln
apatent
)作为创新代理变量时,同行业内大企业专利授权水平(ln
mapatent
)的回归系数同样显著为正。上述结果表明,当改变企业创新代理变量后,大企业创新示范效应依旧存在,进一步验证了前文结论。
第三,考虑到创新的时滞性以及反向因果的存在,本文以下一期的企业创新水平为被解释变量进行稳健性检验。从表4可以看出,ln
mpatent
的回归系数为0.013 1,在1%的水平上显著为正,进一步验证了大企业创新示范效应的存在。
第四,本文还改变回归方法进行了稳健性检验。在计量经济学中,对于创新这类取非负整数的计数数据,还可以采用泊松回归和负二项回归等回归方法,且与泊松回归相比,负二项回归对样本的要求更低。从样本的分布来看,企业创新(
patent
)的期望为10.652 4,而标准差为61.296 2,未能达到泊松回归中需要被解释变量的期望与方差相等的条件,因此,更适合负二项回归。从表4可以看出,大企业创新水平(
mpatent
)的回归系数为0.000 3,且在1%的水平下显著,验证了结论的稳健性。
第五,本文还通过改变大规模企业的界定标准进行了稳健性检验。正如前文所述,企业规模是一个相对概念,因而,大企业界定的标准有可能对研究结论产生影响。为此,本文通过改变大规模企业的界定标准进行稳健性检验。一方面,将行业内员工规模位于前25%的企业定义为大企业进行实证分析;另一方面,将行业内资产规模位于前10%的企业定义为大企业进行实证分析。表4结果显示,改变大企业的界定标准后,ln
mpatent
的回归系数依旧显著为正。上述实证结果表明,大企业创新示范效应并未因界定标准的改变而产生变化,进一步验证了前文结论的稳健性。
(三)内生性检验
前文通过滞后一期的方式缓解了反向因果带来的内生性问题,但仍有可能存在遗漏变量和测量误差问题。为此,本文采用工具变量法和广义矩估计(GMM)方法进行内生性检验。
首先,借鉴利里和罗伯茨(2014)
[23]
、彭镇等(2020)
[39]
的研究,选取股票收益(
Alpha
)作为工具变量。选取该变量的合理性在于:股票收益(
Alpha
)反映的是非系统性风险收益,会受到企业创新等企业经营特征的影响,但与行业及市场状况无关。因此,大企业的股票收益(
Alpha
)与大企业创新有关,但与其他企业创新无关,满足工具变量选取所必须遵循的外生性及相关性条件。具体地,本文以月、周和日为周期计算的大企业股票收益(
Alpha
)的一阶滞后项作为工具变量,如表5所示。第一阶段回归中,三个工具变量均在1%的水平下显著。第二阶段回归中,大企业创新(ln
mpatent
)的回归系数依然显著为正,这表明在缓解潜在内生性问题后大企业创新的示范效应依然存在。为确定工具变量的有效性,本文还进行了工具变量弱识别和过度识别检验。其中,弱工具变量检验
F
值为165.168 0,显著大于经验值10,表明工具变量并非弱工具变量。过度识别检验中,汉森(Hansen)检验
P
值为0.764 4,大于0,表明该工具变量有效。
表5 内生性检验回归结果
其次,借鉴魏国学等(2010)
[52]
的研究,本文还采用广义矩估计方法进行了内生性检验。本文的样本属于“大N小T”类,容易产生估计偏误。为此,本文选取行业内大企业创新水平的所有滞后项(
L
2
.
ln
mpatent
、
L
3
.
ln
mpatent
……)为工具变量,采用广义矩估计方法进行实证检验。表5分别汇报了采用一步法和两步法的回归结果,可以看出,采用广义矩估计后同行业内大企业的创新水平依旧能够促进其他企业创新,这表明在缓解内生性问题后同行业内大企业创新的示范效应依然存在。从广义矩估计需满足的前提假设来看,AR (1)检验
P
值分别为0.008和0.000,显著拒绝原假设,AR(2)检验
P
值均大于0,接受原假设,而汉森检验
P
值大于0,表明采用的工具变量有效,GMM的回归结果可信。
(四)异质性分析
本文从规模、区域和产权性质三个层面探究大企业创新示范效应的异质性。
首先,规模异质性。考虑到企业规模差异越大,企业之间的资金和经营决策差异越大。本文按照企业资产规模样本中值将总样本划分为大规模企业和小规模企业两个子样本,进而探究大企业创新示范效应的规模异质性,从表6可以看出,在大规模样本组中,大企业创新水平(ln
mpatent
)的回归系数为0.021 0,且在1%的水平下显著;在小规模样本组中,大企业创新水平的回归系数并不显著。这表明大企业创新的示范效应在规模更大的企业中表现更为明显。这可能是因为,规模越小的企业,其与行业内大企业在资金等方面差异越大,即使企业想要学习和模仿大企业的创新行为,其创新资金也不足以支撑。相反,大规模企业与大企业在资金等方面有更大的相似性,更有利于大企业发挥创新示范效应。
表6 异质性分析回归结果
其次,区域异质性。考虑到不同地区在资源禀赋、产业结构和营商环境等方面差异较大,这将进一步影响大企业创新的示范效应。鉴于此,本文将总样本划分为东部地区、中部地区和西部地区三个子样本,进而探究大企业创新的示范效应。从表6可以看出,在东部和中部地区子样本中,大企业创新水平(ln
mpatent
)的回归系数显著为正;而西部地区子样本中,大企业创新水平(ln
mpatent
)的回归系数并不显著。这表明在东部和中部地区,大企业创新均表现出明显的创新示范效应,而在西部地区大企业创新并未表现出明显的示范效应。这可能是因为西部地区尚未形成适合企业学习与模仿体制机制,不利于大企业创新示范效应的发挥。
最后,产权异质性。考虑到不同产权性质的企业创新所面临的约束状况存在较大差异,这也将影响大企业创新的示范效应。鉴于此,本文按照企业实际控制人将总样本划分为国有企业和非国有企业两个子样本,进而探究大企业创新示范效应的产权异质性。从表6可以看出,在国有企业样本中,大企业创新水平(ln
mpatent
)的回归系数为0.032 7,且在1%的水平下显著;而在非国有企业样本中,大企业创新水平的回归系数并不显著,说明大企业创新的示范效应在国有企业中表现更为明显。这可能是因为国有企业的规模一般都相对较大,与行业内大企业的差距相对更小,其面临的创新约束状况也较为接近,因此更有利于大企业发挥创新示范效应。
六、机制检验
(一)大企业创新示范效应的产生动机检验
1．企业竞争性动机检验
为检验企业学习和模仿行业内大企业创新的竞争性动机,本文借鉴万良勇等(2016)
[14]
的研究构建如下模型进行实证检验:
(2)
其中,
comp
为行业竞争程度,采用赫芬达尔-赫希曼指数(HHI)衡量,该指标越大,则行业竞争程度越小。其他变量定义与模型(1)相同。HHI分别以主营业务收入、所有者权益、总资产和营业收入四种方式计算。若大企业创新对行业内其他企业的示范效应源于行业竞争,则交互项(
comp
×ln
mpatent
)的系数
β
1
为负。表7汇报了回归结果,
comp
×ln
mpatent
的回归系数均显著为负,验证了本文的假设H2。这一结果表明竞争是大企业创新示范效应产生的内在动因,企业为了获取市场份额、在市场竞争中生存,不得不跟随和模仿行业内大企业的创新行为。
表7 企业竞争性动机回归结果
2．企业信息获取动机检验
前文的分析表明,信息获取动机亦可能是其他企业跟随和模仿大企业创新的根源。本文借鉴万良勇等(2016)
[14]
的研究构建如下模型,从调节效应的视角检验企业的信息获取动机:
(3)
其中,
exp
为创新经历虚拟变量,当前一年企业有专利申请经验时,则取值为1,否则为0。其他变量均与模型(1)相同。当交互项的系数
β
1
为负值时,即企业创新经历对大企业创新的示范效应产生了负向调节作用,这表明该企业对大企业创新行为的模仿是源于其信息获取的动机。但若
β
1
为正值,即企业创新经历产生了正向调节作用,意味着企业创新经历越多,企业模仿同行业大企业创新的意愿越强烈。这表明企业对行业内大企业创新行为的跟随和模仿并不是或不完全源自其信息获取目的。从表8可以看出,交互项(
exp
×ln
mpatent
)的回归系数
β
1
为0.046 2,且在1%的水平下显著。为检验结论的稳健性,本文进一步检验了当企业前两年均有创新时创新经验的调节作用。表8的结果表明,改变
exp
的定义后,交互项的回归系数依旧显著为正。上述结论表明,企业对大企业创新的模仿不仅是为了获取信息,而企业创新经验对大企业创新示范效应的正向调节作用可能源自其市场和利益获取动机。
表8 企业信息获取动机回归结果
3．高管声誉获取动机检验
高管声誉获取也是大企业创新示范效应产生的动机之一。根据声誉理论,高管的市场价值取决于其过去的工作业绩。因此,高管的声誉与其长期职业生涯相关
[53]
。由此,即便在没有显性激励的情况下,高管们也有努力工作提高声誉的激励。进一步的研究表明,这种声誉激励对年轻的高管和职业生涯处于起步阶段的高管更有效
[54-56]
。原因在于,在声誉建立之前,高管会努力工作以获得声誉,而一旦高管的能力被市场认同,该高管就会开始懈怠
[54]
。基于上述理论,本文认为年轻高管声誉获取的迫切程度更高,若大企业创新示范效应源于高管的声誉获取动机,则越是年轻的高管,其对大企业的学习和模仿行为越是强烈。为此,本文参考陆蓉等(2017)
[24]
、高等人(Gao et al.,2021)
[57]
的研究,以年龄为高管声誉获取迫切程度的代理变量,检验企业的声誉获取动机。具体地,构建年龄虚拟变量
lage
,并采用模型(4)进行实证检验。
(4)
其中,当高管年龄小于行业内高管年龄30分位数时,
lage
取值为1,否则为0。根据前文的理论分析,越年轻的高管,越迫切获取声誉,因此,预测
β
2
显著为正,此时,高管声誉获取迫切程度对大企业创新的示范效应产生了正向影响。
从表9可以看出,当以30分位划分年轻高管时,交互项
lage
×ln
mpatent
的回归系数为0.016 7,且在10%的水平下显著,这表明相比于年长高管,年轻高管对行业内大企业的模仿意愿更强烈,验证了本文的假设H4,即高管声誉获取迫切程度是大企业创新示范效应产生的动机。考虑到上述实证结果可能依赖于30%这个划分标准,本文还通过改变年轻高管的定义重新进行了回归,表9还汇报了当以40%为分类标准时的回归结果,可以看出除系数大小有所改变外,
β
2
的符号和显著性并未改变。
表9 高管声誉获取动机回归结果
(二)大企业创新示范效应的产生方式检验
1．交流式学习检验
高管之间交流是企业信息传递的重要方式。本文采用直接法度量行业内高管之间的交流,分别以高管籍贯和高管出生地作为高管交流的代理变量。在中国,企业的董事长和总经理对企业的决策影响较大,因此,本文仅保留董事长和总经理这两类高管。一方面,高管出生地相同表明高管之间存在老乡关系,依托老乡关系构建起来的关系网给不同企业高管提供了良好的沟通渠道,且存在老乡关系的高管往往接受了相同的文化熏陶,具有相似的价值观,所以选取高管出生地作为高管交流的代理变量是文献较为常见的做法。另一方面,现实中经常出现高管籍贯所在地与出生地不一致的情况,而籍贯所在地的文化同样会对高管的价值观和处事方式产生重要影响,所以本文还选择籍贯所在地作为高管交流的代理变量。为检验企业高管之间交流式学习的存在性,本文借鉴陆蓉和常维(2018)
[28]
的做法构建模型(5)。
(5)
其中,
j
行业内与
i
企业高管
g
具有相同出生地(籍贯所在地)的大企业的专利申请的自然对数。若
β
1
显著为正,则假设H5a得证。
考虑到新冠病毒感染事件发生后,高管之间的跨区域交流受到阻碍,本文在剔除和不剔除2020年以来样本的情况下分别检验了高管之间因同乡和同籍贯而产生的交流式学习。表10汇报了回归结果,其中,当高管之间存在老乡关系时,在不剔除感染事件影响的样本中,ln
mpatent
的回归系数虽为正,但并不显著;在剔除感染事件影响的样本中,ln
mpatent
的回归系数为0.048 4,且在10%的水平下显著,表明其他企业会通过交流的方式学习和模仿大企业的创新行为,而新冠病毒感染事件阻碍了老乡之间的交流。这一方面可能是因为拥有相同出生地的高管往往拥有相近的文化,导致其价值理念和处事方式具有一定的相似性。另一方面,广泛存在的“老乡会”也可能给高管之间交流搭建桥梁,尤其当老乡来自同一行业时,高管之间的交流会更为频繁和顺畅。新冠病毒感染事件的发生则直接切断了高管之间的跨区域交流,老乡关系难以发挥作用。表10还汇报了不剔除和剔除感染事件影响时,行业内大企业对与之拥有相同籍贯高管的其他企业创新行为的示范效应的回归结果。可以看出,不管是否剔除新冠病毒感染事件的影响,ln
mpatent
的回归系数均显著为正。这一结果表明企业高管亦可以通过籍贯相同所带来的交流机会向行业内大企业创新进行学习和模仿,且新冠病毒感染事件对拥有相同籍贯的高管之间的交流影响较小。
表10 交流式学习回归结果
