李约瑟之谜，又名“李约瑟难题”
，是英国学者李约瑟在研究中国科学技术史时提出的问题。其主题是：
“尽管中国古代对人类科技发展做出了很多重要贡献，但为什么资本主义和现代科学起源于西欧而不是中国或其他文明？”
。李约瑟从科学的角度得到的答案是：
中国人不懂得用数字进行管理，这对中国儒家学术传统只注重道德而不注重定量经济管理是很好地批评
。
文章从李约瑟对儒家文化与中国科技发展的视角出发，利用历史典籍中的儒家学校和进士数据，检验了儒家文化与技术创新的关系．
尽管儒家文化与新教伦理在很多方面存在差异，但都尊重个体的经济理性，韦伯认为这种文化环境为经济激励提供了伦理正当性．儒家文化发达的地区更重视在教育方面的投资，企业和其他社会组织更容易聘用到受教育程度高的管理者．而且，明清时期科举制度在命题、参考书籍编撰和士子选拔等方面出现了向
“
算学
”
人才倾斜的趋势．因此，上述因素都可能提升公司的创新绩效。
选择
企业专利申请量(patent)
来度量创新总量．将发明申请数量(patent1)作为度量企业创新绩效的第二个指标，用于度量创新质量．同时，将
实用新型和外观设计加总，作为度量创新绩效的第三个指标(patent23)
用于度量创新数量．对上述变量加1然后取自然对数，最终得到ln patent、ln patent1和ln patent23作为实证研究的被解释变量．
研究主要的数据来源从1646年到1904年，共26748名知识分子通过殿试成为进士，《清朝进士题名录》记录了25440名进士的籍贯，作者查阅相关资料确定了286名八旗进士居住地，仍有1022名八旗进士的居住地不详，约占清代总进士数量的3．8%．在确定代理变量之后，作者参考陈冬华等的方法，以100 km为度量半径，通过编程计算
上市公司注册地址100 km范围内儒家学校(sch100)和进士数量(jsh100)作为代理变量
．考虑到被解释变量为对数值，作者对上述变量也进行了加1取自然对数处理，分别生成了解释变量ln sch100和ln jsh100．
文章以
2007年—2017年在沪深两市的A股上市公司
为初选样本，在剔除金融业、ST和退市样本及存在异常值或缺失值的样本之后，获得了3425家A股上市公司共计23048个年度－企业样本．衡量创新绩效的数据主要来源于CSMAR上市公司研发创新数据库，用“上市公司本身小计”对应的数值作为代理变量．度量儒家影响的数据通过手工收集《大清一统志(道光)》和《清朝进士题名录》等历史文献进行记录，然后编程计算获得．公司层面的控制变量均来自于CSMAR数据库，人均GDP数据来自于国家统计局网站．
表
4
报告了模型
(1)
的回归结果．
ln sch100和ln jsh100的回归系数均大于0，且通过了置信度水平为1%的显著性检验
，说明儒家文化可以有效地提升样本公司的创新绩效．
Ne
edham
关于儒家与中国古代科技关系的推论照搬到现代中国难以获得实证的支持．
通过儒家学校和进士数量度量儒家影响，可能同时包含了古代中国政府意识形态的部分内容，这种度量误差可能会影响实证结果．黄宗羲所著《明儒学案》为解决上述问题提供了新的思路．《明儒学案》中记载的儒家学者数量更多地反映了儒家思想传播的情况，而且儒家学者分布情况并非明朝经济发展的直接原因。然后，根据《明儒学案》中记载的210位学者籍贯信息，计算出公司地址100 km范围内的学者数量，生成新的工具变量ln mr100进行回归．表6报告了回归结果，
第一阶段回归结果显示工具变量与解释变量的回归系数大于0，且通过了显著性检验
．第一阶段回归结果反映了明代学者通过讲学等普及儒家思想，经过代际传承后影响清朝的儒学教育和科举．
第二阶段回归结果与表4相似
．
此外，并非所有样本公司都会选择申请专利，而且TOBIT模型假设未申请专利的企业创新绩效为0，因此研究存在选择性偏差．为了控制选择性偏差对回归结果的影响，
选择具有工程技术工作经历的董事人数比董事会总人数(eng_ratio)作为工具变量
，运用Heckman两阶段模型对样本进行了回归．表7报告了回归结果，
ln sch100和ln
jsh100的回归系数均显著大于0
。
儒家影响企业创新绩效的路径，主要包括
:1)
重视教育，企业更容易聘期到高学历管理者
;2)
尊重个体的经济理性，为经济激励提供了基本的伦理正当性．建立如下回归方程做了进一步的检验
:
表8报告了TOBIT模型的回归结果．在第一部分，作者
将教育水平(edu)设定为中介变量，发现解释变量ln sch100和ln jsh100的回归系数均显著大于0
．这说明儒家重视教育尊重知识，受其影响公司股东更有可能聘任教育水平高的董事，从而提升公司创新绩效．
在第二部分，作者将高管持股比例(tmtshare)设定为中介变量，结果表明解释变量的回归系数也显著大于0
．最后，考虑到解释变量可能存在内生性，
运用工具变量TOBIT模型对式(2)进行了回归，也获得了相似的结果
．
进一步分析台风冲击的影响，下载了从2007年—2017年台风路径文件．台风形成后10级大风的最大半径为149 km．因此作者
根据公司地址经纬度计算了公司与台风路径之间的最小距离，当该值小于等于150 km时post取值为1，否则为0
，与儒家代理变量生成交叉乘积项进行回归．表9报告了回归结果，其中
ln sch100和ln jsh100回归系数仍然显著大于0
，说明气候灾害不会影响儒家的回归结果．不过，
ln sch100和ln jsh100与post的交叉乘积项大于0，也通过了显著性检验
．可能的原因在于长期存在的自然灾害经历会增加管理者的风险承担意愿，从而提高创新产出．
中国的西部地区居住着很多少数民族．根据《大清一统志》记载，从乾隆开始，清朝中央政府便着手在少数民族聚集区普及儒家教育．但是，在少数民族地区儒家的文化传播是否会影响上市公司的技术创新仍然没有定论．为了解决这个重要问题，作者从回归样本中
分离出134家位于五个少数民族自治区的上市公司
，共计1 037个年度的企业样本进行小样本回归．表10报告了回归结果，
其中ln sch100和lnjsh100回归系数仍然显著大于0，说明儒家文化同样可以促进少数民族地区的技术创新
．
为了进一步考察科举锦标赛机制对创新的影响，研究从《清代进士题名录》中分离出一甲进士公里范围内的
状元(f100)、榜眼(s100)和探花(t100)数量
，按照同样方法进行对数变换之后代籍贯或居住地，然后计算上市公司注册地址100入式(1)进行回归．表11报告了回归结果，
从总体上清代科举确实可以提高当地中国上市公司的技术创新效率
．不过，仔细比较上述三个变量的回归系数不难发现，
历史上状元多的地区在创新效率方面并不一定比榜眼或者探花多的地区更具优势
，这种现象与“赢者诅咒”非常相似．
儒家文化可能导致技术创新掉入高水平陷阱，即中国在15世纪之前农业技术发达，但是农业技术带来的超额收益被人口增长吞噬，进而要求更有效的技术创新满足新增人口的需求，最终技术创新被锁定在农业方面．
对三个被解释变量取一阶差分，生成新的被解释变量d ln patent、d ln patent1和d ln pa-tent23
代入到回归模型(1)中进行回归，观察儒家文化对创新增量的影响．然后，
再将儒家解释变量与滞后一期的创新总量(ln patent_1)、创新质量(ln patent1_1)和创新数量(ln patent23_1)生成交叉乘积项进行回归
，观察儒家文化与技术创新路径的关系．表12报告了回归结果，
第1列到第3列的回归结果显示解释变量ln sch100和ln jsh100的回归系数均显著大于0
，说明儒家文化可以有效地提升创新绩效的增量．不过，
滞后一期创新变量(ln
pa-tent_1、ln patent1_1和ln
patent23_1)回归系数显著小于0
，说明在其他条件不变的情况下A股上市公司的技术创新将随时间收敛于某个均衡点．
与第4列到第6列报告了交叉乘积项的回归结果，其中儒家解释变量和滞后一期创新变量的回归系数仍然显著，不过交叉乘积项回归系数显著小于0
，说明儒家文化无法使中国本土企业的技术创新摆脱高水平陷阱．
清朝江南地区属于科举重镇，儒家教育非常发达．大量人口死亡可能会影响儒家文化的代际传承，因此作者根据曾树基提供的太平天国战争期间各府死亡率统计数据与上市公司所在城市相匹配，构建太平天国战争影响的度量指标(deathra-tio)，参考Chen等的方法进行回归分析．表13报告了回归结果．其中
表示儒家影响的代理变量ln sch100和ln jsh100回归系数仍然显著大于0
