李 平等：产业政策提升数字企业的全要素生产率了吗？

四、实证分析

（一）基本回归

表 2 报告了四类产业政策对数字企业全要素生产率的回

归结果。在控制了一系列控制变量及企业个体、年份和省份

固定效应之后，结果显示，信贷支持显著促进了数字企业全

要素生产率的提升，在通过三种方法测算出的 TFP 的回归当

中回归系数均在 1% 的水平下显著为正。市场准入则带来显

著的负向效应，政府补贴和税收优惠对数字企业全要素生产

率的影响并不显著，假设 H3 得以验证，假设 H1、假设 H2 和假

设 H4 则未能得到证实。究其可能的原因，相较于计划经济

色彩残留、“寻租空间”相对较大的政府补贴和税收优惠政策

而言，市场倾向性更强的信贷支持政策有利于企业聚焦于主

业经营与企业发展，降低企业在政策寻租和利益游说中的资

源投入，从而在促进数字企业的全要素生产率方面更具优

势。此外，企业在不同年份获得的政府补贴和税收优惠可能

差异较大，而信贷支持作为解决企业融资问题的重要工具，

在政策的连续性和稳定性方面相对更优，能帮助企业获得更

加可靠的现金流来源，故而对于数字企业的效率提升作用

更大。

市场准入政策的回归结果表明，更低市场门槛、更具竞

争性的市场环境不利于数字企业全要素生产率的提升。细

究后发现，区别于传统企业边际成本先递减后递增的一般规

律，以互联网服务为代表的数字企业，在完成高额固定成本投入之后便具有显著的低边际成本特征，能够以

接近于零的成本无限扩增其产量、持续降低长期平均成本。在这种规模报酬递增的状态下，数字企业的生产

效率必然与企业规模成正比，这显然会压缩小企业的生存空间，使得完全竞争难以实现（荆文君和孙宝文，

2019；陈晓红等，2022）；此外，市场竞争过于激烈可能引发数字企业的过度投资行为，尤其是在新风口出现的

早期阶段，烧钱补贴、跑马圈地的现象屡见不鲜，数字企业之间的竞争更像是一场你死我活的零和博弈。这

显然会造成巨大的市场投入，导致数字企业“透支过度”，给企业带来效率损失。刘亭立等（2019）和高粼彤等

（2022）对新兴产业的研究也对此有所印证。因此，市场准入政策更加考验政府对公平和效率的兼顾，既要推

动构建一个公平高效、充满活力的有序市场，又要对数字企业“蹭热度”“挤风口”式一拥而上的市场行为进行

合理调节，缓解企业的过度投入和资源浪费，从而促进数字企业全要素生产率的提升。

（二）异质性检验

1. 产权异质性

产权性质是影响企业获得政策支持的一个重要变量，产业政策所带来的政府“软预算约束”和“所有制歧

视”问题曾一度引发学术界的广泛探讨（林毅夫等，2004；刘瑞明，2011）。故根据数字企业的产权性质进行分

组回归。表 3 报告了基于产权异质性的回归结果，可以发现，四类产业政策对于国有数字企业的全要素生产

率增长并无明显的促进作用，在通过三种方法测算的 TFP 的回归当中各回归系数均不显著。非国有数字企

业的回归结果则与全样本结果保持一致，信贷支持和市场准入政策分别发挥了正向和负向的影响作用。可

能的原因在于，产业政策多以缓解融资约束的方式来帮助企业经营发展，而国有企业因其有着更为紧密的政

商关联，获取政府资金支持的机会更多，面临的融资约束更小，故而对于产业政策的需求普遍不及非国有企

业那般迫切，对政府支持资金的利用也可能会更加粗放和低效。而非国有企业由于缺乏某种意义上的“保

护”，面临的市场竞争压力更大，必须将有限的资源聚焦于企业的生存和发展，对于产业政策的利用效率可能

更高。此外，相较于拥有更多自主决策权的非国有企业而言，国有企业虽然受到了更多的政策帮扶，但也面

临着更多来自于政府的决策干预，违背效率原则的经营决策时常出现。这可能会扭曲国有企业的资源配置

表 2 基本回归结果

变量

Sub

TaxP

Loan

Mar

Age

lnSize

ROA

Lev

Asset

Top1

TobinQ

常数项

N

R2

（1）

lnTFP_LP

-0.0421

（0.0612）

0.2070

（0.1760）

0.1710***

（0.0538）

-0.0585**

（0.0221）

-0.0053***

（0.0009）

0.0808***

（0.0050）

0.1040***

（0.0189）

0.0568***

（0.0153）

-0.0212***

（0.0054）

-0.0708

（0.0468）

-0.0005

（0.0007）

0.5370***

（0.1580）

1995

0.789

（2）

lnTFP_OP

-0.0897

（0.1190）

0.1750

（0.3230）

0.3230***

（0.0994）

-0.1300**

（0.0463）

-0.0114***

（0.0017）

0.0827***

（0.0099）

0.1990***

（0.0375）

0.0845***

（0.0252）

-0.0255***

（0.0072）

-0.0900

（0.0701）

-0.0012

（0.0012）

0.3850

（0.3130）

1995

0.541

（3）

lnTFP_GMM

-0.1160

（0.1860）

0.1340

（0.4560）

0.4950***

（0.1450）

-0.2050***

（0.0698）

-0.0168***

（0.0025）

0.0847***

（0.0144）

0.2990***

（0.0566）

0.1110***

（0.0352）

-0.0304***

（0.0089）

-0.1180

（0.0967）

-0.0019

（0.0016）

0.3860

（0.4430）

1995

0.430

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著，括

号中为标准误。

45

技术经济 第 42 卷 第 9 期

效率，不利于其全要素生产率的提升；另外，国有企业凭借其特殊的市场地位，所处的竞争环境相对宽松，因

市场竞争压力而进行过度投资的情况显然较少。非国有企业由于处于竞争第一线，开辟新领域、寻找新机遇

的动力更强，出现过度投资的概率更大，故而市场准入对于非国有企业的负向影响更为显著。

2. 企业规模异质性

企业规模往往与企业的市场影响力和资源充裕度强相关，这会使得不同规模的企业对于产业政策的需

求程度和利用状况不尽相同，因而也是影响产业政策作用效果的一个重要因素。本文借鉴邓峰等（2021）处

理数字企业的做法，依据企业员工人数进行规模划分，按人数是否大于 2000 人分为大企业和中小企业两类，

分组回归的结果见表 4。总体上看，信贷支持对于中小数字企业全要素生产率的提升作用明显，市场准入对

两类数字企业的全要素生产率均带来负向影响，但对大企业的作用显著性更强。部分原因在于，相较于多凭

借规模优势占领市场的大企业而言，组织决策高度灵活、对市场需求十分敏感的中小企业往往更具创新活

力，期望凭借产品服务创新和效率提升来获得进一步发展的机会（王孝松和张瑜，2021）。但受制于风险承担

能力低、可利用资源有限，中小企业的融资约束相对较高，但对于信贷支持往往更为倚重。而大企业的抗风

险能力往往更强，获取资源资金的渠道更广，信贷可得性要优于中小企业，对于信贷支持政策的敏感程度可

能不及前者；另外，根据前文的分析，排斥竞争性过强的市场环境是数字企业的普遍特征，尤其是对大企业而

言，保持规模优势、维护市场地位的优先级显然更高，故而对于市场准入更加敏感。

表 4 基于企业规模的回归结果

变量

Sub

TaxP

Loan

Mar

Control

常数项

N

R2

中小企业

（1）

lnTFP_LP

-0.0279（0.0385）

0.3140（0.2090）

0.1660**（0.0682）

-0.0619（* 0.0350）

控制

0.0565（0.1640）

929

0.8050

（2）

lnTFP_OP

-0.1010（0.0729）

0.3710（0.3820）

0.3070**（0.1240）

-0.1370（* 0.0719）

控制

-0.4200（0.3010）

929

0.6520

（3）

lnTFP_GMM

-0.1520（0.1170）

0.4200（0.5340）

0.4660**（0.1890）

-0.2230（* 0.1060）

控制

-0.7780（* 0.4310）

929

0.5760

大企业

（4）

lnTFP_LP

0.0658（0.1140）

0.2900**（0.1330）

0.1690（* 0.0815）

-0.0497**（0.0185）

控制

0.5970***（0.1270）

1066

0.7910

（5）

lnTFP_OP

-0.0300（0.2310）

0.3010（0.1950）

0.2780（0.1730）

-0.1360***（0.0434）

控制

0.4940（* 0.2620）

1066

0.5130

（6）

lnTFP_GMM

-0.0826（0.3560）

0.3310（0.2860）

0.4340（0.2580）

-0.2180***（0.0708）

控制

0.5130（0.4000）

1066

0.3860

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著，括号中为标准误。

3. 企业生命周期异质性

根据企业生命周期理论，处于不同生命周期的企业在资源约束、目标战略和发展稳定性等方面迥然相

异，对于产业政策的需求很可能存在较大差异性。本文以企业年龄中位数为界线，将数字企业划分为成长期

和成熟期两种类型并进行分组回归。表 5 的回归结果显示，四类产业政策中，信贷支持显著促进了成长期数

字企业全要素生产率的提升，市场准入则对成熟期数字企业的全要素生产率起到显著的抑制作用，其余产业

政策的效果均不显著。究其可能的原因，对于成长期数字企业而言，开疆拓土、抢占市场是这一阶段主要任

务，故而对外部资金有着巨大的需求。但此时企业的投资风险较高，面临的资金成本较大，融资渠道也较为

表 3 基于产权异质性的回归结果

变量

Sub

TaxP

Loan

Mar

Control

常数项

N

R2

国企

（1）

lnTFP_LP

-0.1320（0.1120）

0.4260（0.2500）

0.1060（0.0748）

-0.0241（0.0379）

控制

0.7750***（0.2610）

615

0.7050

（2）

lnTFP_OP

-0.2970（0.1870）

0.7420（0.4520）

0.0457（0.1080）

-0.0694（0.0702）

控制

0.6280（0.5180）

615

0.4960

（3）

lnTFP_GMM

-0.4610（0.2660）

0.9990（0.6360）

0.0468（0.1560）

-0.1110（0.1020）

控制

0.6080（0.7600）

615

0.4410

非国企

（4）

lnTFP_LP

-0.0038（0.0803）

0.0184（0.1410）

0.1390**（0.0499）

-0.0829（* 0.0421）

控制

0.4750***（0.1420）

1380

0.8510

（5）

lnTFP_OP

0.0297（0.1390）

-0.2420（0.2650）

0.2940***（0.0890）

-0.1650**（0.0789）

控制

0.2620（0.2760）

1380

0.6230

（6）

lnTFP_GMM

0.1110（0.2150）

-0.4880（0.3740）

0.4610***（0.1310）

-0.2670**（0.1190）

控制

0.2680（0.4010）

1380

0.5000

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

46

李 平等：产业政策提升数字企业的全要素生产率了吗？

有限。信贷支持政策能够为其提供成本较低、相对稳定的现金流来源，帮助其缓解融资约束，支持企业的生

产经营和研发创新，有助于提高其全要素生产率。而成熟期数字企业的业务模式和发展框架基本成型，面临

的融资约束相对更小，更为注重其市场地位的稳固，对于鼓励竞争的市场准入政策具有一定的排斥性，这可

能导致了市场准入对其全要素生产率的负向影响。

（三）稳健性检验

1. 调整样本年度区间

考虑到 2008 年金融危机和 2020 年新冠疫情所带来的外生冲击，可能会对数字企业的经营运转带来某些

不利影响，影响估计结果的稳健性，故将样本的年度区间调整为 2010—2019 年进行再次估计。表 6（1）~（3）

列的结果显示，调整后的估计结果与之前保持一致，研究结论保持稳健。

2. 替换解释变量

有别于政府补贴、收税优惠和信贷支持，市场准入本身具有一定的争议性，不同学者对市场准入的衡量

方法差别较大，仅用行业利润率进行衡量可能影响结论的稳健性。本文引入赫芬达尔指数（HHI）替换原有

解释变量，对市场准入政策进行重新表征。赫芬达尔指数公式为 HHI=∑( Xi /X )

2

，其中 Xi为数字行业中企业 i

的收入；X 为行业总收入。HHI 指数越大，表明该行业竞争程度越低，市场门槛越高。根据表 6 的（4）~（6）列

的结果，替换后的回归结果同之前一致，HHI指数与数字企业全要素生产率显著正相关，研究结论保持稳健。

表 6 稳健性检验结果（样本区间、替换解释变量）

变量

Sub

TaxP

Loan

Mar

HHI

Control

常数项

N

R2

（1）

lnTFP_LP

-0.0755（0.0671）

0.2110（0.1850）

0.1140**（0.0537）

-0.0889***（0.0247）

控制

0.5750***（0.1700）

1753

0.7950

（2）

lnTFP_OP

-0.1570（0.1220）

0.1880（0.3580）

0.2290**（0.1010）

-0.1890***（0.0531）

控制

0.4750（0.3400）

1753

0.5640

（3）

lnTFP_GMM

-0.2130（0.1810）

0.1560（0.5110）

0.3630**（0.1480）

-0.3020***（0.0832）

控制

0.5730（0.4840）

1753

0.4420

（4）

lnTFP_LP

-0.0210（0.0540）

0.2260（0.1660）

0.1810***（0.0576）

8.46×10-6**（3.94×10-6

）

控制

0.3060**（0.1240）

1995

0.7910

（5）

lnTFP_OP

-0.0549（0.1080）

0.2020（0.3090）

0.3380***（0.1050）

1.28×10-5

（* 6.63×10-6

）

控制

-0.1270（0.2310）

1995

0.5430

（6）

lnTFP_GMM

-0.0612（0.1680）

0.1750（0.4350）

0.5190***（0.1530）

2.02×10-5**（9.64×10-6

）

控制

-0.4220（0.3300）

1995

0.4320

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

3. 解释变量滞后处理

考虑到产业政策从开始实施到发挥作用也存在一定的时滞，可能不会对数字企业全要素生产率的提升

起到立竿见影的效果，故将解释变量滞后一期进行再度估计，表 7 的估计结果同之前依然保持一致。

4. 更换回归估计方法

为保证结果的可靠性，同时在一定程度上缓解内生性问题，本文借鉴宋敏等（2021）的处理方法，采用系

统 GMM 法对加入 TFP 滞后项的动态面板模型进行重新估计。在通过了二阶序列相关检验 AR（2）与过度识

别约束检验（Hansen 检验）后，表 8 的回归结果再次验证了之前结论的稳健性。

表 5 基于企业生命周期异质性的回归结果

变量

Sub

TaxP

Loan

Mar

Control

常数项

N

R2

成长期

（1）

lnTFP_LP

-0.0856（0.0788）

0.0195（0.1300）

0.2390***（0.0525）

-0.0099（0.0266）

控制

0.1640（0.1180）

1106

0.8690

（2）

lnTFP_OP

-0.1050（0.1390）

-0.1630（0.2220）

0.4580***（0.0846）

-0.0276（0.0572）

控制

-0.3580（0.2660）

1106

0.6630

（3）

lnTFP_GMM

-0.1060（0.1920）

-0.2800（0.2850）

0.6620***（0.1070）

-0.0578（0.0797）

控制

-0.6700（* 0.3630）

1106

0.5390

成熟期

（4）

lnTFP_LP

-0.0728（0.0865）

0.3660（0.2470）

0.0875（0.0651）

-0.0892**（0.0364）

控制

0.8910***（0.2030）

889

0.6830

（5）

lnTFP_OP

-0.2070（0.1580）

0.5050（0.4700）

0.1330（0.1150）

-0.1850**（0.0719）

控制

0.9420**（0.4030）

889

0.4480

（6）

lnTFP_GMM

-0.3330（0.2380）

0.6150（0.6820）

0.2130（0.1780）

-0.2730**（0.1110）

控制

1.0800（* 0.6100）

889

0.3680

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

47

技术经济 第 42 卷 第 9 期

表 7 稳健性检验结果（解释变量滞后处理）

变量

L. Sub

L. TaxP

L. Loan

L. Mar

（1）

lnTFP_LP

-0.1010（0.0614）

-0.0950（0.1980）

0.1930**（0.0791）

-0.0489（* 0.0250）

（2）

lnTFP_OP

-0.1320（0.1330）

-0.1690（0.3780）

0.2720**（0.1240）

-0.1080**（0.0446）

（3）

lnTFP_GMM

-0.1500（0.2120）

-0.2540（0.5420）

0.3670**（0.1670）

-0.1660**（0.0672）

变量

Control

常数项

N

R2

（1）

lnTFP_LP

控制

0.5130***（0.1530）

1726

0.7780

（2）

lnTFP_OP

控制

0.2840（0.2940）

1726

0.5350

（3）

lnTFP_GMM

控制

0.1870（0.4230）

1726

0.4160

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

表 8 稳健性检验结果（更换回归估计法）

变量

L. lnTFP_lp

L. lnTFP_op

L. lnTFP_GMM

Sub

TaxP

Loan

Mar

（1）

lnTFP_lp

0.6820***（0.0710）

-0.0863（0.1840）

-0.0310（0.1700）

0.2350**（0.0917）

-0.0055（* 0.0030）

（2）

lnTFP_op

0.7030***（0.0511）

-0.2420（0.2590）

-0.0845（0.2960）

0.305**（0.1310）

-0.0128***（0.0048）

（3）

lnTFP_GMM

0.7470***（0.0380）

-0.2700（0.3420）

-0.1850（0.3830）

0.3970**（0.1750）

-0.0166***（0.0064）

变量

Control

Constant

AR（1）

AR（2）

Hansen

N

（1）

lnTFP_lp

控制

0.0502（0.0737）

-5.3245（0.0000）

-1.1145（0.2651）

94.1999（0.2095）

1726

（2）

lnTFP_op

控制

-0.0014（0.1180）

-6.4487（0.0000）

-0.2344（0.8147）

98.0010（0.1408）

1726

（3）

lnTFP_GMM

控制

0.0049（0.1770）

-6.9181（0.0000）

-0.2820（0.9775）

97.5078（0.1487）

1726

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

五、机制分析

前文验证了信贷支持和市场准入对数字企业全要素生产率的影响作用，为进一步探索影响政策效力的

关键因素，明确两类产业政策的具体作用路径，进而进行机制检验与分析。

根据前文的理论分析，信贷支持能够通过缓解融资约束的方式促进数字企业全要素生产率的提升，而市

场准入则会引发数字企业的过度投资从而带来效率损失，故分别从融资约束和信贷支持两个方面，构建中介

效应模型分别进行机制检验，模型为

Medjt = β0 + β1 Policyjt + Controljt + μj + μr + μt + εjt （2）

lnTFPjt = β0 + β1 Policyjt + β2 Medjt + Controljt + μj + μr + μt + εjt （3）

其中：Policyjt 为产业政策，包括信贷支持 Loanjt 和市场准入 Marjt

，政府补贴与税收优惠则纳入控制变量当中；

Medjt 为中介变量，包括融资约束 FCjt 和过度投资 Overinjt

，前者采用体现影响因素最为全面的 WW 指数来衡量

（苗苗等，2019），后者借鉴 Richardson（2006）的研究，通过构建投资期望模型对数字企业的过度投资进行估

计，模型如式（4）所示。

Investjt = α0 + α1Growjt - 1 + α2 Levjt - 1 + α3Cashjt - 1 + α4 Agejt - 1 + α5 lnSizejt - 1 +

α6 Retjt - 1 + α7 Invjt - 1 + μj + μr + μt + εjt （4）

其中：Investjt 为数字企业 j 在 t 年的新增投资支出；Growjt - 1、Levjt - 1、Cashjt - 1、Agejt - 1、lnSizejt - 1、Retjt - 1 和 Invjt - 1 分

别为数字企业 j在 t-1 年的 TobinQ 增长率、资产负债率、现金保有量、企业年龄、企业规模的对数值、股票收益

率和投资支出；α 为待估系数。以投资期望模型

回归后的残差项（仅正值）作为对数字企业过度

投资 Overinjt的衡量。

（一）信贷支持机制‑融资约束

表 9 报告了融资约束中介效应的检验结果：

信贷支持显著降低了数字企业的融资约束程度

（Loan 的系数为-0.0904，10% 水平下显著），而融

资约束对数字企业全要素生产率有明显的抑制

作用，说明中介效应成立，信贷支持通过降低数

字 企 业 的 融 资 约 束 来 提 高 其 全 要 素 生 产 率 。

Sobel 检验结果也确保了结论的稳健性（Z 值都在

表 9 机制检验结果（信贷支持机制）

变量

Loan

FC

Control

常数项

N

R2

Sobel检验（Z 值）

（1）

FC

-0.0904*

（0.0449）

控制

-0.0370

（0.0588）

1984

0.6470

（2）

lnTFP_LP

0.1610***

（0.0546）

-0.1320***

（0.0259）

控制

0.5430***

（0.1580）

1984

0.793

3.5260***

（3）

lnTFP_OP

0.3010***

（0.0995）

-0.2590***

（0.0378）

控制

0.4010

（0.3110）

1984

0.5550

3.2750***

（4）

lnTFP_GMM

0.4580***

（0.1440）

-0.3800***

（0.0519）

控制

0.4090

（0.4370）

1984

0.4470

3.2770***

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

48

李 平等：产业政策提升数字企业的全要素生产率了吗？

1% 水平下显著）。数字技术的持续升级和快速迭代决定了数字企业需要不断加大技术创新投入以确保自身

竞争优势，而信贷支持所带来融资约束的改善意味着数字企业能够缓解资金不足的问题，并可以轻装上阵，

更加聚焦于研发创新，从而更有可能实现技术升级和效率提升。

（二）市场准入机制‑过度投资

市场准入机制的检验结果见表 10。由结果

可知，市场准入加剧了数字企业的过度投资行为

（系数为 0.0855，10% 水平下显著），过度投资对

数字企业的全要素生产率起到显著的抑制作用，

且 Sobel 检验均通过，中介效应成立。数字行业

具有企业竞争烈度大、技术研发难度高的显著特

点，数字企业必须不断探索新领域并提早布局才

更有助于应对竞争对手的挑战。市场准入则会

提高数字行业的市场竞争强度，激发数字企业的

“抢占先机”和“攀比动因”（刘亭立等，2019），加

剧企业的过度投资行为，降低资金的配置效率，从而给数字企业带来效率损失。

六、结论与建议

本文基于手工收集的 2007—2020 年中国数字行业上市企业的相关数据，采用三种方法对数字企业的全

要素生产率进行测算，实证检验了政府补贴、税收优惠、信贷支持和市场准入四类产业政策对数字企业全要

素生产率的作用效果，并进行基于企业产权、规模和生命周期的异质性分析，最后进行机制检验。研究发现：

①四类产业政策中，信贷支持显著促进了数字企业全要素生产率的提升，市场准入则起到显著的负向作用，

政府补贴和税收优惠对数字企业全要素生产率的增长无明显效果。②产业政策对数字企业全要素生产率的

影响存在显著的异质性，具体表现为产业政策对国有数字企业的全要素生产率无显著影响，对非国有数字企

业的作用情况与全样本保持一致；信贷支持显著促进了成长期数字企业全要素生产率的提升，市场准入则对

成熟期数字企业的全要素生产率起到显著的抑制作用；信贷支持对于中小数字企业全要素生产率的提升作

用明显，市场准入对大企业的负向影响更为显著。③机制检验结果表明，信贷支持通过缓解数字企业的融资

约束来提高其全要素生产率，市场准入加剧了数字企业的过度投资从而对其全要素生产率带来负向影响。

因此，为更好地发挥产业政策对数字企业的促进作用，尽可能提高数字企业的全要素生产率，本文提出如下

政策建议：

（1）加大对数字行业的信贷支持力度，把握好政策工具的实施方向和重点。由于信贷支持政策显著促进

了数字企业全要素生产率的提升，因而针对数字行业应更为重视与信贷优惠相关的政策设计，发挥好信贷支

持对数字企业的效率提升作用。要以激励创新作为政策出发点，加强对创新型数字企业的支持力度，鼓励企

业通过研发创新实现全要素生产率提升，降低创新性不足的数字企业优惠信贷可得性。要提高信贷支持政

策的针对性和精准度，进一步加大对非国有数字企业的支持力度，重点扶持处于初创期、规模较小和创新性

强的数字企业。考虑到此类企业一般具有高风险特征，银行信贷可得性较差，政府可酌情适度给予政策性担

保支持，增加企业获得商业性信贷的机会。还应进一步优化对国有数字企业信贷支持的力度和方式，合理施

用有限的政策资源，引导和激励国有企业加强技术研发和创新投入，增大国有数字企业借助创新提高全要素

生产率的内生动力。

（2）调节数字行业竞争烈度，健全公平竞争制度规则。针对过度竞争对数字企业所带来的效率损失问

题，应当进一步强化对数字行业的市场规制，通过规则健全和制度完善对过度和无序竞争行为进行监管调

节。要健全市场准入制度，将提升数字企业供给质量与规范行业入场秩序相结合，逐步建立各类数字行业的

准入标准，限制产品和服务不合规、不达标的企业进入市场运行，引导数字企业提供安全、便利、优质和规范

的数字产品及服务。完善数字经济公平竞争监管制度，构建全链条全流程全领域监管框架，明确反公平竞争

行为的判别标准，强化对行业头部企业的市场监管，推动形成自由公平竞争的市场秩序。进一步健全数字竞

表 10 机制检验结果（市场准入机制）

变量

Mar

Overin

Control

常数项

N

R2

Sobel检验（Z 值）

（1）

Overin

0.0855*

（0.0452）

控制

-0.0601

（0.3170）

523

0.1480

（2）

lnTFP_LP

-0.00119

（0.0183）

-0.0715**

（0.0287）

控制

0.2900**

（0.1040）

523

0.8030

-2.0140**

（3）

lnTFP_OP

-0.0087

（0.0421）

-0.1080**

（0.0486）

控制

-0.1160

（0.2370）

523

0.5980

-2.0100**

（4）

lnTFP_GMM

-0.0163

（0.0661）

-0.1270*

（0.0710）

控制

-0.4100

（0.3670）

523

0.5160

-1.9590**

注：*

、**、***分别表示在 10%、5%、1% 的统计水平上显著；括号中为标准误。

49

技术经济 第 42 卷 第 9 期

争规则，为数字企业提供清晰明确的规则指引，依法依规管控企业过度竞争、损害竞争的市场行为，努力构建

有序、有度、有活力的市场竞争环境。

（3）多措并举优化政策实施方式，提高产业政策作用效力。鉴于政府补贴和税收优惠目前未能有效提升

数字企业的全要素生产率，因此要进一步增加政策设计的科学性、政策覆盖的精准性和政策使用的合理性，

努力实现制定政策的预期目标。要进一步厘清不同数字行业的主要特点，进而实施差异化的产业政策，提升

政策的针对性和灵活性。要提高政府对数字企业的资质认证能力，加强对申请产业政策支持企业的资质审

核，对创新意愿强、发展潜力大和行业前景好的数字企业进行有效甄别，尽可能保证“好钢用在刀刃上”。要

健全补贴资金使用监督机制，确保获补数字企业资金使用合理合规，提升补贴资金的作用效力。还应进一步

完善如研发费用加计扣除等税收优惠政策的政策设计，优化申请审批流程，提升政策实施效率，合理加大对

初创期数字企业的政策倾斜。

参考文献

［ 1］ 陈熙，朱玉杰，2021. 融资融券对企业全要素生产率影响的研究——来自我国上市公司的实证研究［J］. 技术经济，40

（8）：41‑50.

［ 2］ 陈小亮，陈彦斌，2019. 发展人工智能的产业政策存在的问题与调整思路［J］. 人文杂志，（11）：25‑32.

［ 3］ 陈晓红，李杨扬，宋丽洁，等，2022. 数字经济理论体系与研究展望［J］. 管理世界，38（2）：208‑224，13‑16.

［ 4］ 陈雄辉，楚鹏飞，罗晓晴等，2020. 科技政策对企业创新的作用机制研究——以广东省为例的实证分析［J］. 技术经

济，39（12）：61‑68.

［ 5］ 陈志斌，王诗雨，2015. 产品市场竞争对企业现金流风险影响研究——基于行业竞争程度和企业竞争地位的双重考

量［J］. 中国工业经济，（3）：96‑108.

［ 6］ 邓峰，杨国歌，2021. 固定资产加速折旧政策对数字企业创新效率的影响［J］. 中南大学学报（社会科学版），27（5）：

106‑118.

［ 7］ 邓峰，杨国歌，任转转，2021. R&D 补贴与数字企业技术创新——基于数字经济产业的检验证据［J］. 产业经济研究，

（4）：27‑41.

［ 8］ 董鸿源，袁潮清，2023. 产业政策对光伏企业创新绩效的影响研究——基于区域创新体系的调节作用［J］. 技术经济，

42（6）：36‑46.

［ 9］ 高粼彤，田启波，孟霏，2022. 政府创新资助对战略性新兴企业创新投资的影响——基于产品市场竞争的调节作用

［J］. 学习与探索，（7）：120‑129.

［10］ 郭克莎，2019. 中国产业结构调整升级趋势与“十四五”时期政策思路［J］. 中国工业经济，（7）：24‑41.

［11］ 韩宝山，李夏，2022. 税收减免提高企业创新活力了吗？ ——基于融资约束视角的检验［J］. 经济学动态，（3）：

88‑107.

［12］ 贺炎林，张杨，尹志超，2022. 如何提高政府补贴和税收优惠促进技术创新的有效性——来自中国 A 股上市公司的证

据［J］. 技术经济，41（9）：10‑23.

［13］ 黄华，姚祖婵，连智华，2022. 数字经济产业政策环境对创新行为的影响研究——基于自我效能的视角［J］. 经济与管

理，36（6）：84‑90.

［14］ 荆文君，孙宝文，2019. 数字经济促进经济高质量发展：一个理论分析框架［J］. 经济学家，（2）：66‑73.

［15］ 孔东民，刘莎莎，王亚男，2013. 市场竞争、产权与政府补贴［J］. 经济研究，48（2）：55‑67.

［16］ 黎文靖，李耀淘，2014. 产业政策激励了公司投资吗［J］. 中国工业经济，（5）：122‑134.

［17］ 黎文靖，郑曼妮，2016. 实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响［J］. 经济研究，51

（4）：60‑73.

［18］ 李骏，刘洪伟，万君宝，2017. 产业政策对全要素生产率的影响研究——基于竞争性与公平性视角［J］. 产业经济研

究，（4）：115‑126.

［19］ 李文鹣，戴良平，郭本海，等，2021. 后补贴时代复合牵引机制下新能源汽车上下游企业合作创新博弈分析［J］. 软科

学，35（1）：81‑88.

［20］ 林毅夫，刘明兴，章奇，2004. 政策性负担与企业的预算软约束：来自中国的实证研究［J］. 管理世界，21（8）：81‑89，

127‑156.

［21］ 刘瑞明，2011. 金融压抑、所有制歧视与增长拖累——国有企业效率损失再考察［J］. 经济学（季刊），10（2）：603‑618.

［22］ 刘亭立，蔡娇娇，杨松令，2019. 市场竞争会驱动过度投资吗？——基于战略性新兴产业的经验证据［J］. 管理评论，

31（12）：219‑232.

［23］ 柳光强，2016. 税收优惠、财政补贴政策的激励效应分析——基于信息不对称理论视角的实证研究［J］. 管理世界，33

（10）：62‑71.

50

李 平等：产业政策提升数字企业的全要素生产率了吗？

［24］ 鲁晓东，连玉君，2012. 中国工业企业全要素生产率估计：1999‑2007［J］. 经济学（季刊），11（2）：541‑558.

［25］ 马光荣，刘明，杨恩艳，2014. 银行授信、信贷紧缩与企业研发［J］. 金融研究，（7）：76‑93.

［26］ 苗苗，苏远东，朱曦，等，2019. 环境规制对企业技术创新的影响——基于融资约束的中介效应检验［J］. 软科学，33

（12）：100‑107.

［27］ 钱雪松，康瑾，唐英伦，等，2018. 产业政策、资本配置效率与企业全要素生产率——基于中国 2009 年十大产业振兴

规划自然实验的经验研究［J］. 中国工业经济，（8）：42‑59.

［28］ 秦文晋，刘鑫鹏，2022. 网络基础设施建设对数字经济发展的影响研究‑基于“宽带中国”试点政策的准自然实验［J］.

经济问题探索，（3）：15‑30.

［29］ 宋敏，周鹏，司海涛，2021. 金融科技与企业全要素生产率——“赋能”和信贷配给的视角［J］. 中国工业经济，（4）：

138‑155.

［30］ 王宏伟，朱雪婷，李平，2022. 政府补贴对光伏产业创新的影响［J］. 经济管理，44（2）：57‑72.

［31］ 王孝松，张瑜，2021. 企业规模与创新效率——基于中国高技术产业的经验分析［J］. 吉林大学社会科学学报，61

（3）：129‑141，236‑237.

［32］ 余明桂，范蕊，钟慧洁，2016. 中国产业政策与企业技术创新［J］. 中国工业经济，（12）：5‑22.

［33］ 余长林，杨国歌，杜明月，2021. 产业政策与中国数字经济行业技术创新［J］. 统计研究，38（1）：51‑64.

［34］ 章琳一，张洪辉，2015. 市场竞争与过度投资的关系研究：基于战略性投资视角［J］. 产业经济研究，（2）：58‑67.

［35］ 郑宝红，张兆国，2018. 企业所得税率降低会影响全要素生产率吗？——来自我国上市公司的经验证据［J］. 会计研

究，（5）：13‑20.

［36］ 郑世林，崔欣，姚守宇，等，2023. 目标驱动创新：来自地方政府工作报告的微观证据［J］. 世界经济，46（8）：55‑79.

［37］ 周文斌，后青松，2021. 创业投资税收优惠政策与创投企业资金流向［J］. 税务研究，（7）：44‑51.

［38］ 周晓阳，李长长，刘莹，等，2022. 工业互联网平台、开发商与企业的三方协作演化策略——兼论政府补贴和收益共

享的作用［J/OL］. 中国管理科学：1‑14.［2023‑09‑13］. DOI：10.16381/j.cnki.issn1003-207x.2021.2558.

［39］ AGHION P，JING C，DEWATRIPONT M，et al，2015. Industrial policy and competition［J］. American Economic Journal：

Macroeconomics，7（4）：1‑32.

［40］ HOWELL A，2017. Picking‘winners’in China：Do subsidies matter for indigenous innovation and firm productivity？［J］.

China Economic Review，44：154‑165.

［41］ LI L，CHEN J，GAO H，et al，2019. The certification effect of government R&D subsidies on innovative entrepreneurial

firms’access to bank finance：Evidence from China［J］. Small Business Economics，52（1）：241‑259.

［42］ REGO S O，WILSON R，2012. Equity risk incentives and corporate tax aggressiveness［J］. Journal of Accounting Re‑search，

50（3）：775‑810.

［43］ RICCARDO F，MARKUS P，MARTIN K，et al，2023. Are public subsidies effective for university spinoffs？Evidence from

SBIR awards in the university of California system［J］. Research Policy，52（1）：104662.

［44］ RICHARDSON S，2006. Over‑investment of free cash flow［J］. Review of Accounting Studies，11：159‑189.

［45］ WANG X，YUAN L，TIAN LW，et al，2023，Government digital initiatives and firm digital innovation：Evidence from

China［J］. Technovation，119：102545.

51

技术经济 第 42 卷 第 9 期

Have Industrial Policies Improved the Total Factor Productivity of Digital Enterprises？

Li Ping1，2

，Li Tongzhou3

，Dong Kang4

（1. Institute of Quantitative Economics and Technical Economics，Chinese Academy of Social Sciences，Beijing 100732，China；

2. Research and Consulting Center of Project Evaluation and Strategic Planning，Chinese Academy of Social Sciences，Beijing

100732，China；

3. School of Business，University of Chinese Academy of Social Sciences，Beijing 102488，China；

4. Institute of Economics，Sichuan Academy of Social Sciences，Chengdu 610072，China）

Abstract：Improving the total factor productivity of digital enterprises is a necessary way to promote high‑quality development of the

digital economy，and the effective use of industrial policies will play an important role in promoting this process. Panel data of listed

companies in China’s digital industry from 2007 to 2020 was used to empirically test the impact of four types of industrial policies：

government subsidies，tax incentives，credit support，and market access on the total factor productivity of digital enterprises. Research

has found that credit support significantly promotes the improvement of total factor productivity of digital enterprises，while market

access has a significant negative effect. Government subsidies and tax incentives have no significant effect on the growth of total factor

productivity of digital enterprises. The conclusions remain stable after a series of robustness tests. The results of heterogeneity and

mechanism testing indicate that industrial policies have heterogeneity effects on the total factor productivity of digital enterprises in

terms of property rights，enterprise size，and enterprise lifecycle. Credit support and market access respectively affect the total factor

productivity of digital enterprises by alleviating financing constraints and intensifying excessive investment. The research conclusions

have certain enlightening significance for the government to formulate more precise and effective industrial policies.

Keywords：industrial policy；digital enterprise；total factor productivity；financing constraints；overinvestment

52

第 42 卷 第 9 期 技 术 经 济 2023年 9 月

张羽飞等：

产学研联盟组合对科技中小企业成长的

影响机制研究

张羽飞1

，原长弘2

，张树满3

（1.河北经贸大学 工商管理学院，石家庄 050061；2.西安交通大学 管理学院，西安 710049；

3.浙江工商大学 工商管理学院，杭州 310018）

摘 要：当前，在产学研深度融合战略要求之下，越来越多科技中小企业同时参与多个产学研联盟，形成了不同范围广度及不

同交互深度的产学研联盟组合，以同时获取外部互补性资源并实现高质量快速成长。基于 150 家创业板制造业上市企业数

据，构建了“产学研联盟组合‑技术创新能力‑企业成长”的研究框架，探讨了产学研联盟组合广度及深度对科技中小企业成长的

影响路径，以及中国独特外部正式与非正式制度环境的调节作用。结果表明：①产学研联盟组合广度正向影响科技中小企业

成长，而深度负向影响科技中小企业成长；②产学研联盟组合广度正向影响科技中小企业技术创新能力，而深度负向影响科技

中小企业技术创新能力；③技术创新能力在产学研联盟组合广度及深度与科技中小企业成长的关系中均起到了部分中介效

应；④正式制度发展水平削弱了产学研联盟组合广度对科技中小企业成长的正向影响，且削弱了产学研联盟组合深度对科技

中小企业成长的负向影响；⑤社会信任水平加强了产学研联盟组合广度对科技中小企业成长的正向影响，而削弱了产学研联

盟组合深度对科技中小企业成长的负向影响。研究结论拓展了联盟组合、产学研合作及制度理论的相关研究，并为推动科技

中小企业产学研深度融合发展的实践提供了一定启示。

关键词：产学研联盟组合；技术创新能力；科技中小企业成长；正式制度发展水平；社会信任水平

中图分类号：F272.3 文献标志码：A 文章编号：1002—980X（2023）9—0053—14

一、引言

科技中小企业是中国科技创新的重要载体，其成长与发展已成为学术界与实践界关注的热点问题。在

自身发展的迫切需求与国家产学研深度融合的战略要求下，越来越多的科技中小企业同时参与多个产学研

联盟，构成了不同外部范围广度及内部交互深度的产学研联盟组合（张羽飞等，2022），以同时实现获取互补

性资源、降低成长活动所需成本、规避成长机会开发风险等多个目标。然而，由于面临着融资难及内部资源

有限等问题，科技中小企业由产学研联盟组合中获取的各类资源大部分并不能直接转化为竞争优势与成长

绩效，需要构建与提升技术创新能力，高效整合、重构和再造所获资源，进而开发新产品、创造新成长途径（张

羽飞等，2022）。与此同时，产学研联盟组合影响科技中小企业成长的路径高度依赖外部情境，而中国正处于

转型的特殊时期，正式制度环境还不完善，历史悠久的传统文化和价值观念形成的非正式制度在也多个方面

发挥着重要的作用，独特的正式与非正式制度环境共同影响着社会经济活动与企业行为（Karfouros et al，

2015；杨震宁和赵红，2020），共同对产学研联盟组合与企业成长间关系产生不可忽略的影响。因此，有必要

在理论与实证上剖析产学研联盟组合对科技中小企业成长的作用机制，并揭示中国独特外部正式与非正式

制度情境在其中的调节作用。

尽管中国科技中小企业构建不同范围广度与不同交互深度的产学研联盟组合已经成为普遍现象，但现

有研究对此关注不足。具体而言：第一，以往联盟组合相关研究主要关注发达国家情境下大型企业的普通联

盟 组 合（Zheng and Yang，2015；Hagedoorn et al，2018），且 大 多 探 讨 规 模（张 羽 飞 等 ，2022）与 伙 伴 维 度

（Hagedoorn et al，2018）联盟组合配置的绩效影响，较少涉及中国这一异质制度情境下的科技中小企业及产

收稿日期：2023‑05‑23

基金项目：国家自然科学基金面上项目“制造业领军企业产学研深度融合突破关键核心技术的路径、模式与作用机理研究”

（72072142）；河北经贸大学科学研究与发展计划项目“新发展阶段下产学研深度融合的模式、机制与政策研究”

（2023QN01）

作者简介：张羽飞，博士，河北经贸大学工商管理学院，河北经贸大学科技创新政策研究中心副教授，硕士研究生导师，研究方

向：技术与创新管理；原长弘，博士，西安交通大学教授，博士研究生导师，研究方向：技术与创新管理；（通信作者）张

树满，博士，浙江工商大学副研究员，硕士研究生导师，研究方向：企业创新。

53

技术经济 第 42 卷 第 9 期

学研联盟组合的独特视角，较少关注广度与深度的关系维度联盟组合配置的绩效影响，尚未打开联盟组合配

置与企业成长关系的“黑箱”。第二，以往产学研联盟研究主要囿于单联盟层面，且主要关注学研方的学术绩

效或企业方的创新绩效（Karfouros et al，2015；Zhang et al，2022b），忽视了中国科技中小企业同时通过多个

产学研联盟实现成长的现实实践，尚未剖析产学研联盟组合关系特征对企业成长的作用机制和情境条件。

第三，以往制度理论研究主要关注正式制度环境，仅有少量研究探讨传统儒家文化（阳镇等，2021）、社会信任

（李文贵，2020）、文化多样性（李红和韦永贵，2020）等非正式制度环境对区域经济等宏观层面的直接影响，鲜

有研究涉及非正式制度环境对企业联盟行为与微观绩效间关系的影响。

基于此，本文提出以下研究问题：第一，产学研联盟组合广度及深度对科技中小企业成长有何影响？第

二，产学研联盟组合广度及深度影响科技中小企业成长的内在作用机制是什么？第三，复杂外部制度环境下

产学研联盟组合广度及深度如何影响科技中小企业成长？基于资源能力理论与制度理论，本文构建“产学研

联盟组合广度及深度—技术创新能力—企业成长”的研究框架，打开产学研联盟组合与科技中小企业成长关

系间的“黑箱”，利用 150 家创业板制造业上市企业数据，实证检验了产学研联盟组合广度及深度对科技中小

企业成长的影响路径和情境条件。本文研究拟拓展联盟组合、产学研联盟及制度理论的相关研究，为科技中

小企业合理构建产学研联盟组合实践提供参考，并为政府部门提供相关政策启示。

二、理论分析与研究假设

产学研联盟组合是焦点企业同一时间内主导或参与的所有产学研联盟的集合，涉及外部范围广度及伙

伴间交互深度两个关系维度的联盟组合配置问题（张树满等，2021），二者决定着焦点企业获得的资源数量及

质量，对科技中小企业提升成长绩效至关重要（Zhang et al，2022）。

（一）产学研联盟组合与科技中小企业成长：影响效应分析

1. 产学研联盟组合广度的影响效应

借鉴以往研究（Zhang et al，2022；刘斐然等，2020），本文将产学研联盟组合广度定义为产学研联盟组合

中焦点企业与产学研伙伴开展合作的广泛程度，反映了企业与产学研伙伴开展合作的范围和获得外部资源

的多样化程度。广度越高，焦点企业与产学研伙伴开展合作所涉及的领域与渠道越广泛，构建的产学研联盟

组合越平衡（Zhang et al，2022）。

首先，随着广度的增加，企业从学研机构处获取异质性非冗余资源的渠道增多（Zhang et al，2022），从而

对产学研联盟模式的配置越平衡（Martínez‑Noya and García‑Canal ，2021）。大量多元渠道来源的异质性资源

一方面可有效直接弥补并增加科技中小企业原本匮乏的资源基础（张羽飞等，2022）；另一方面有助于其对所

获资源进行创造性的重构，进而提供新的成长要素组合机会、创造新的成长途径（Li et al，2018），最终推动

不断成长。

其次，随着广度的增加，多样化的产学研联盟模式可助力科技中小企业搭建完善的产学研深度融合技术

创新体系，进而产生协同效应（Zhang et al，2022），提高资源集聚与配置的效率及效果，减少产学研合作的风

险与不确定性（Karfouros et al，2015），提高产学研联盟组合的产出效率。具体而言，企业可将某一产学研模

式中获取的合作经验与合作成果应用于其他模式中，增加产生新成长路径的机会（郭韬等，2021），最终推动

不断成长。

最后，随着广度的增加，产学研联盟组合会释放焦点企业拥有足够技术水平和管理能力与学研机构进行

广泛合作的积极信号（Hoehn‑weiss and Karim，2014），认证其为可靠的合作伙伴及具有市场竞争力的投资对

象（刘家树和刘紫舒，2018），吸引大量外部融资与高层次创新资源流入（Hoehn‑Weiss and Karim，2014），诱

发大量潜在合作机会和知识交流意愿，大幅度缓解融资约束的负面影响（郭韬等，2021），最终实现科技中小

企业快速成长。

基于此，本文提出假设 1a：

产学研联盟组合广度对科技中小企业成长具有正向影响（H1a）

2. 产学研联盟组合深度的影响效应

借鉴以往研究（Zhang et al，2022；刘斐然等，2020），本文将产学研联盟组合深度定义为产学研联盟组合

中焦点企业与产学研伙伴合作的紧密程度，反映了企业依赖外部有价值的学研伙伴汲取资源与知识的深度

54

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

（刘斐然等，2020）。深度越高，焦点企业越倾向于与固定的学研伙伴建立紧密的联系，展开频繁、深入的互动

交流（刘斐然等，2020）。

首先，随着深度的提高，科技中小企业越来越依赖关键学研伙伴进行频繁且深入合作，增加了其陷入资

源偏好高度同质的封闭产学研联盟组合的风险（张羽飞等，2022），影响资源的有效获取及重构利用（Zheng

and Yang，2015），降低了其灵活开发成长机会的可能性。此时，资源交换渠道相对固定，阻碍了异质性新机

会、新信息、新资源流入（González‑Moreno et al，2019），不利于企业重组所获资源、开发新的成长途径（Nason

et al，2019），最终抑制了成长。

其次，随着深度的提高，产学研联盟组合中的紧密互动增加了产学研伙伴间关系惯性与关系僵化的风险

（Zheng and Yang，2015），使得科技中小企业陷于次优的产学研联盟组合，损害了资源配置的效率与效果

（González‑Moreno et al，2019）。此时，企业越来越局限于已有的联盟关系内，阻碍其将资源重新分配给可能

带来更多成长绩效的其他相关活动（张羽飞等，2022），造成大量的资金与人力等资源投入无法回收，进而最

终阻碍了其成长。

最后，随着深度的提高，产学研联盟组合中过于紧密的互动会向市场释放消极信号（刘家树和刘紫舒，

2018），导致外部融资与潜在资源交换机会受阻，进而制约了科技中小企业的快速成长。具体而言，当企业依

赖关键学研伙伴进行频繁且深入的合作时，外部资源持有者会质疑其在某些领域是否存在弱点并过度依赖

外部学研机构，质疑其是否将内部有限资源浪费在多余的同质联盟上（Hoehn‑weiss and Karim，2014），从而

加剧了外部融资约束，限制了成长潜力（Li et al，2018）。

然而，除负向影响外，随着深度的提高，越来越紧密的关系可能会增加科技中小企业与伙伴间的信任，提

高产学研联盟效率（González‑Moreno et al，2019；刘斐然等，2020）；增进企业与伙伴间的了解，获得更多信息

（Bi et al，2020；杨震宁和赵红，2020），一定程度上有助于企业成长。尽管如此，本文认为深度与成长的关

系与企业所处不同发展阶段及具备的相关资源与能力有关。在本文研究情境下，科技中小企业知识技术等

创新资源基础有限、吸收能力不足、合法性较低（张羽飞等，2022）。当依赖关键学研伙伴进行频繁且深入的

合作时，科技中小企业可能无法较好识别、协调联盟关系（刘斐然等，2020），无法有效吸收和整合获得的同质

性冗余知识、信息等资源（Zhang et al，2022），容易出现夸大信任、承诺与信息共享的问题（杨震宁和赵红，

2020），进而无法发挥较高产学研联盟组合深度的积极作用。因此，产学研联盟组合深度对科技中小企业成

长的负向影响会超过其潜在的正向影响，总体表现为负向影响。

基于此，本文提出假设 1b：

产学研联盟组合深度对科技中小企业成长具有负向影响（H1b）。

（二）产学研联盟组合与科技中小企业成长：作用机制分析

技术创新能力指企业基础研发、产品改进等技术层面的创新能力，反映了企业利用内外部资源成功落实

新观点与新过程的能力（Zhang et al，2020），是企业成长的核心及主要驱动力（施建军和栗晓云，2021）。科

技中小企业通过产学研联盟组合获得的人力、知识、技术、财务等资源大部分并不能直接转化为企业成长（张

羽飞等，2022），需内化成技术创新能力，创造性地对所获各类新资源或知识进行高效率整合、重构和再造

（Wei et al，2014），进而开发新产品与新工艺、创造新的企业成长途径，最终提高企业成长水平（施建军和栗

晓云，2021）。

1. 产学研联盟组合广度的作用机制

当广度较高时，产学研联盟组合提供的广泛异质性产学研资源获取渠道可以产生协同效应，促进资源的

有效获取及重组利用，提供新的成长要素组合机会，释放积极信号吸引外部融资与创新资源，直接提升了科

技中小企业成长。同时，较高广度的产学研联盟组合还可以提供多样且新颖的外部知识资源，增强了企业知

识基础，提高了企业知识获取和知识整合能力；提供差异化产学研模式，分摊了产学研联盟的风险与成本；快

速掌握产业技术轨迹和前沿发展趋势，拓宽了创新路径及范围，增强了科技中小企业技术创新能力，间接促

进了其自身成长。具体而言：

首先，随着广度的提高，科技中小企业的知识搜索范围得到拓宽，可从中接触到多样化新颖外部知识及

学习机制，获得不同领域的新思想、新观点、新技术（Zhang et al，2022），激发了企业在产学研活动中探索新

知识组合和创新思想的机会（Zhang et al，2022），扩展了原本薄弱的知识基础，提升了吸收和整合异质性知

55

技术经济 第 42 卷 第 9 期

识的能力，进而实现了自身不断成长（刘斐然等，2020）。

其次，随着广度的提高，产学研联盟组合中广泛的多样渠道可分摊联盟风险与成本（Zhang et al，2022），

帮助科技中小企业高效定向获取和利用优质产学研知识资源（吕一博等，2020）、利用差异化产学研模式进

行创新，进而提高了企业创新灵活性与创新能力。具体而言，拥有多样化模式经验的企业可根据欲实现的目

标，结合自身情况与学研伙伴的优势特征选择匹配的产学研模式，试错时间相对较短（吕一博等，2020），拓

宽了创新路径及范围，进而推动了自身不断成长。

最后，随着广度的提高，产学研联盟组合中多元的信息渠道可发挥“雷达效应”（杨震宁和赵红，2020），

有助于科技中小企业快速掌握产业技术轨迹和前沿发展趋势，进而拓宽了研发视野，提升了创新要素配置效

率（吕一博等，2020）。此时，企业识别和获取市场机会的能力随之提升（杨震宁和赵红，2020），降低了产学

研决策偏误，减少了创新资源浪费（郭韬等，2021），增强了技术创新能力，进而促进了自身不断成长。

基于此，本文提出假设 2a：

产学研联盟组合广度通过增强科技中小企业技术创新能力来提升其自身成长（H2a）。

2. 产学研联盟组合深度的作用机制

当深度较高时，焦点企业陷入次优的同质性封闭产学研联盟组合的风险增加，降低了产学研联盟组合效

率，影响资源的有效获取及重组利用，抑制成长机会开发，直接制约了科技中小企业成长；同时，焦点企业陷

入路径依赖与锁定效应的风险增加，面临更大的意外知识泄露风险，限制创新模式与范围，损害了创新数量

与质量，削弱了科技中小企业技术创新能力，进而间接抑制其自身成长。具体而言：

首先，随着深度的提高，产学研联盟组合内的紧密关系增加了伙伴间形成高阶纽带与牢固缔约关系的风

险（杨震宁和赵红，2020），使得科技中小企业在伙伴选择中变得僵化，增加其陷入路径依赖的风险（Bi et al，

2020），降低其合作柔性与创新灵活性，最终制约了创新能力。当关系越紧密时，科技中小企业越来越依赖伙

伴 间 现 有 的 沟 通 渠 道 与 规 范 共 识 ，形 成 僵 硬 的 结 构 化 跨 组 织 规 范 ，忽 略 了 偏 离 现 有 规 范 的 创 新 想 法

（González‑Moreno et al，2019），降低了创新的数量和质量（张羽飞等，2022），进而抑制自身成长。

其次，随着深度的提高，产学研联盟组合内的紧密关系增加了科技中小企业陷入知识锁定及知识刚性的

风险（Bi et al，2020）。此时，企业将自身锁定于特定知识搜索范围及相对受限的知识基础中，阻碍其吸收异

质 性 新 知 识 和 新 信 息（Zhang et al，2022），抑 制 其 创 造 性 地 对 知 识 资 源 进 行 重 组（González‑Moreno et al，

2019），不利于提高新知识获取和利用能力，抑制创新能力（刘斐然等，2020），最终限制自身成长。

最后，随着深度的提高，科技中小企业管控知识共享与交易过程的难度提升，增加了机会主义行为与核

心知识泄露的风险（张羽飞等，2022），降低了产学研联盟组合的运行效率，损害了企业知识储备与创新能力

（刘斐然等，2020）。紧密的互动关系会夸大信任互惠（Zheng and Yang，2015），企业更倾向于相信学研伙伴

只会进行对其有利的行为，进而减少对伙伴行为与合作过程的监督（Bi et al，2020），从而不利于实现预期联

盟目标，损害创新能力（张羽飞等，2022），最终阻碍自身成长。

基于此，本文提出假设 2b：

产学研联盟组合深度通过削弱科技中小企业技术创新能力来抑制其自身成长（H2b）。

（三）外部制度环境的调节机制分析

外部制度环境约束着区域内企业的认知与行为，规范区域内联盟过程、交易成本与伙伴行为（杨震宁和

赵红，2020），是科技中小企业成长发展的重要影响因素（张羽飞等，2022），既包括正式成文的法律法规、市

场规则、产权保护等正式制度环境，又包括约定俗成的社会规范、道德规范、文化观念等非正式制度环境（贾

凡胜等，2017；杨震宁和赵红，2020）。因此，探讨产学研联盟组合对科技中小企业成长的影响时，需充分考

虑中国独特外部制度环境的重要影响。

1. 正式制度发展水平的调节作用

良好的正式制度发展水平意味着较高的政府治理水平、市场化水平及法制化水平，为企业创新活动提供

了比较稳定的运行框架（杨震宁和赵红，2020）。本文认为，正式制度发展水平在产学研联盟组合广度与科

技中小企业成长间存在调节作用。

首先，正式制度发展水平越高，市场规则越完善（Boddewyn and Peng，2021），科技中小企业更容易且更

愿意基于市场化规则，从丰富的市场渠道直接获取成长所需各类稀缺资源（张树满等，2021），进而对其依靠

56

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

广泛产学研联盟组合获取资源实现成长的路径产生了替代作用，广度的正向作用也因此被削弱。反之，正式

制度发展水平越低，市场规则作用越小，科技金融与科技中介等服务机制不够完善（杨博旭等，2021），创新

资源匮乏与合法性缺失的科技中小企业难以依靠自身通过市场手段获得成长资源（杨震宁和赵红，2020），

因此会更加依赖拓宽产学研联盟组合范围快速获取和利用外部学研资源（Kafouros et al，2015），进而放大了

广度的正向作用。

其次，正式制度发展水平越高，政府对资源配置与企业经营的干预水平越低，不利于科技中小企业获得

高水平的政府支持（张树满等，2021），降低其开展广泛产学研合作的积极性（刘斐然等，2020），进而弱化了

广度对成长的正向作用。反之，正式制度发展水平越低，政府越倾向于采取政府补贴等手段主导资源配置的

效率与效果（Boddewyn and Peng，2021），高水平的政府支持可通过直接资金投入或间接认证效应保障企业

持续稳定的创新支出（施建军和栗晓云，2021），缓解其开展广泛产学研活动时受到的创新资源限制与融资

约束（刘斐然等，2020），进而强化广度的正向作用。

最后，正式制度发展水平越高，市场价格的信号机制发挥更大的作用（杨博旭等，2021），外部资源持有

者的投资与合作决策更多依赖项目市场价格信号所反映的真实潜在价值（杨震宁和赵红，2020），削弱了高

广度的积极信号作用。此外，正式制度发展水平越高，金融体系越完善、融资渠道越多样（张树满等，2021），

科技中小企业可通过自身获得外部金融资源。此时，高广度产学研联盟组合带来的合法性认证效应只起到

了“锦上添花”的作用，对成长的促进作用被削弱。

基于此，本文提出假设 3a：

正式制度发展水平削弱了产学研联盟组合广度对科技中小企业成长的正向影响（H3a）。

本文认为，正式制度发展水平在产学研联盟组合深度与科技中小企业成长间存在调节作用。

首先，正式制度发展水平越高，政府的干预水平越低（杨震宁和赵红，2020），削弱科技中小企业为应对

制度压力而与学研伙伴加深合作的动机，更多地依照市场导向合理配置产学研联盟组合（Kafouros et al，

2015），进而弱化深度对成长的负向作用。反之，正式制度发展水平越低，政府的干预水平越高，科技中小企

业为满足政府产学研深度融合的要求而面临较高制度压力（张树满等，2021），倾向于选择依赖现有成熟经

验与组织惯例解决成长问题，即与现有学研伙伴重复加深合作以分摊固定成本、降低边际成本（刘斐然等，

2020），进而加剧深度的负向影响。

其次，正式制度发展水平越高，法律制度与监督机制越完善，越有利于产学研各方消除对产学研联盟关

系中知识产权、利益分配等问题的担忧（杨震宁和赵红，2020），提高了产学研联盟组合效率。此时，机会主

义行为和知识泄露风险得到抑制，伙伴间沟通协调得到促进（Kafouros et al，2015），有利于科技中小企业充

分获取和利用高深度产学研联盟组合中的同质性信息与资源，进而削弱了深度的负向作用。

最后，较高的正式制度发展水平可以提高企业管理者对产学研联盟组合的管控能力，鼓励企业与学研伙

伴积极开发新成长路径，降低了高深度产学研联盟组合中路径依赖与知识锁定风险，防止了锁定于特定知识

搜索范围内（杨震宁和赵红，2020），从而削弱了深度对成长的负向作用。具体而言，正式制度发展水平越

高，市场竞争越激烈，增加了企业管理者的生存压力，促使其提高自身的内部管理和控制能力（张树满等，

2021），进而提高了其对产学研联盟组合的管控能力。

基于此，本文提出假设 3b：

正式制度发展水平削弱了产学研联盟组合深度对科技中小企业成长的负向影响（H3b）。

2. 社会信任水平的调节作用

社会信任水平是市场经济中最重要的道德基础，是非正式制度环境最核心的构成要素，现有研究大多将

其作为非正式制度环境的主要代理指标（贾凡胜等，2017；徐玉德等，2021；张羽飞等，2023）。社会信任水平

指地区内社会成员对于其他成员可信程度的平均预期（李文贵，2020），具有促进契约签订和执行、规范个体

与企业行为等重要作用（宋渊洋和赵嘉欣，2020），会影响产学研联盟组合中创新主体间的认知、交流和互动

（张羽飞等，2023）。

本文认为，社会信任水平在产学研联盟组合广度与科技中小企业成长间存在调节作用。首先，社会信任

水平可以缓解企业管理者配置产学研联盟组合时的短视问题（于贵芳等，2020），增强其构建广泛产学研联

盟组合的动机，进而放大了广度对成长的正向作用。较高的社会信任水平不仅可以对企业管理者的自利行

为施加制度压力（宋渊洋和赵嘉欣，2020），抑制管理者在创新决策中的风险规避倾向；还可以打破股东与管

57

技术经济 第 42 卷 第 9 期

理者间的信息壁垒，使其相互信任、高效沟通，让股东对高广度产学研联盟组合中的投资风险具有更高的容

忍度以减少管理者的职业担忧（刘笑霞和李明辉，2019），进而激励管理者的多样化创新意愿。此时，企业管

理者倾向于拓宽与学研伙伴的合作范围，进而增强广度的正向作用。

其次，社会信任水平可以缓解科技中小企业面临的融资约束，减轻高广度产学研联盟组合中的高额搜索

成本与多元模式带来的财务负担，进而加强广度对成长的正向作用。一方面，高社会信任水平可以通过改善

企业信息披露意愿与质量，有效缓解企业与外部投资者的信息不对称（刘笑霞和李明辉，2019），直接吸引外

部融资流入；另一方面，可以通过赋予该地区内企业值得信赖的“社会印章”，间接吸引外部融资与高层次创

新资源流入，诱发潜在合作机会和知识交流意愿（于贵芳等，2020），进而放大产学研联盟组合广度的正向

作用。

最后，社会信任水平有利于科技中小企业有效利用广泛产学研合作获得的异质性资源，进而提升高广度

产学研联盟组合的运行效率与效果。较高的社会信任水平一方面可以强化产学研伙伴间的信任关系，提升

沟通效率并促进创新资源与信息的有效传递及共享（于贵芳等，2020），进而加快并提高产学研联盟组合的

进度与成功率；另一方面可以减少研发人员对智力成果被同行剥夺的担忧（宋渊洋和赵嘉欣，2020），使其愿

意及时共享新的知识和想法，提高产学研联盟组合的产出效率。

基于此，本文提出假设 4a：

社会信任水平加强了产学研联盟组合广度对科技中小企业成长的正向影响（H4a）。

本文认为，社会信任水平在产学研联盟组合深度与科技中小企业成长间存在调节作用。首先，社会信任

水平可以降低机会主义行为与知识泄露风险，保障产学研契约的高效构建与有效实施，进而缓解了深度对成

长的负面影响。一方面，较高的社会信任水平可以约束产学研各方进行诚信合作行为（李文贵，2020），有效

减轻科技中小企业在联盟中因较低合法性与话语权带来的风险与冲突（于贵芳等，2020），有利于维护较高

深度中紧密关系的稳定；另一方面，较高的社会信任水平可以为产学研各方提供稳定的心理预期，降低伙伴

间隐瞒与欺骗的概率，进而构建顺畅的合作机制，降低监督、协调等交易成本（于贵芳等，2020），进而削弱了

深度的负面影响。

其次，社会信任水平可以增进社会成员间与组织间的信任（于贵芳等，2020），有利于产学研各方开展高

质量的、复杂的知识传递与共享，促进核心隐性和复杂知识的迅速转移与溢出（李文贵，2020），从而使得产

学研各方在频繁且深入的合作中获得更多有价值的资源和知识。此时，企业可以充分获取和利用高深度产

学研联盟组合中的同质性信息与资源，提高了产学研联盟组合效率，进而削弱了深度对成长的负面影响。

最后，社会信任水平可以加速信息在不同社会成员与组织间的共享与流动（李文贵，2020），增进产学研

各方间的了解，增加资源分配的有效性（于贵芳等，2020），有利于科技中小企业突破较高深度产学研联盟组

合中的路径依赖，进而削弱了深度对成长的负面影响。反之，社会信任水平越低，产学研伙伴间信任度越低，

合法性低的科技中小企业更倾向于依赖现有伙伴、维持现有产学研交易结构（于贵芳等，2020），习惯性地采

用现有组织流程解决当前问题，降低了战略灵活性，

从而加剧了较高深度中产学研联盟组合知识锁定与

路径依赖的风险。

基于此，本文提出假设 4b：

社会信任水平削弱了产学研联盟组合深度对科

技中小企业成长的负向影响（H4b）。

基于以上分析，本文构建的研究框架如图 1 所示。

三、研究设计

（一）样本选取与数据收集

本文选择创业板制造业上市企业为研究对象，原因如下：首先，创业板旨在为具有高成长潜力的高科技

产业的中小企业、创业企业提供融资机会，可为研究科技中小企业提供较好的经验数据（张羽飞等，2022）；其

次，创业板制造业上市企业中，95% 以上被国家授予高新技术企业，65% 以上拥有至少一个产学研联盟组合，

可提供良好的研究环境；最后，制造业众多子行业覆盖范围广，可提高研究结论的普适性。

.6-4



.6-4

$ fflfl7 0K

!

\"

/\"

图 1 研究框架

58

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

采用 5 年移动时间窗口构建产学研联盟组合（Zheng and Yang，2015），收集了 2009—2020 年创业板制造

业上市企业建立或参与的产学研联盟信息，构建了 2013—2020 年的产学研联盟组合，最终获得了 150 家企业

2013—2020 年 8 个时期的非平衡面板数据，共计 1189 条观测值。

本文数据来源具有多样性。第一，产学研联盟组合数据来源于手工收集的产学研联盟信息数据库（张羽

飞等，2022），具体包含 WIND 数据库、百度新闻、企业官网披露的产学研联盟信息；第二，专利数据来源于国

泰安（CSMAR）数据库，并通过国家知识产权局网站进行核实与补充；第三，正式制度发展水平相关数据来源

于《中国分省份市场化指数报告（2018）》；第四，社会信任水平原始数据来源于《中国综合社会调查（CGSS）》；

第五，企业基本信息与财务数据来自 CSMAR 和 WIND 数据库。

（二）变量测量

1. 因变量

企业成长（FirmGrowth）：采用销售收入增长率作为科技中小企业成长的代理变量（Nason et al，2019；张

羽飞等，2022），具体公式为 FirmGrowtht

=（销售收入 t+1-销售收入 t

）/销售收入 t

。

2. 自变量

产学研联盟组合广度（IURAPB）：使用一个产学研联盟组合内焦点企业使用的产学研联盟模式类型的数

量总计测度产学研联盟组合广度（Zhang et al，2022）。具体而言，本文将产学研联盟模式划分为 10 种类型，

分别为技术转让、委托研发、成果转化与产业化、合作研发、共建研究中心或实验室、共建实体公司、订单式培

养、共建专业、共建实践基地、共建学院。因此，取值范围为 1~10，数值越大，广度越高。

产学研联盟组合深度（IURAPD）：采用一个产学研联盟组合内焦点企业与每个产学研联盟伙伴的平均合

作次数表示（刘斐然等，2020），具体测度为企业与所有学研伙伴合作频次之和/学研伙伴数量。企业与每个

伙伴的合作次数越多，说明其与这些伙伴间关系越紧密、互动越频繁且深入（刘斐然等，2020）。

3. 中介变量与调节变量

技术创新能力（Innoability）：采用企业发明专利申请数量作为技术创新能力的代理变量（施建军和栗晓

云，2021），具体计算公式为 Innoabilityt

=ln（焦点企业发明专利申请总量 t+1）。

正式制度发展水平（FInsti）：使用分省份市场化总指数测度正式制度发展水平（王小鲁等，2019），分数

越高说明该地区正式制度环境越好。数据来源于《中国分省份市场化指数报告（2018）》（杨博旭等，2021），

此报告只提供了 2008—2016 年偶数年数据，本文采用移动平均法，推算出奇数年各省份的市场化总指数。

社会信任水平（Trust）：采用由《中国综合社会调查（CGSS）》计算得到的各地区居民社会信任水平作为规

范维度非正式制度环境的代理变量（刘笑霞和李明辉，2019）。具体而言，对 CGSS 中问题“总的来说，您是否

同意在这个社会上，绝大多数人都是可以信任的？”的回答进行计算：首先，对“非常不同意”“比较不同意”“说

不上同意不同意”“比较同意”“非常同意”五类回答分别赋值-2、-1、0、1、2，然后分省份计算各省内所有回答

得分的平均数，作为该省当年的社会信任水平，数值越高表明该省社会信任程度越高。目前，CGSS 已公开披

露 2010—2013 年、2015 年及 2017 年的数据，本文采用移动平均法，推算出其他年份各省份的社会信任水平。

4. 控制变量

参考已有文献（Nason et al，2019；郭韬等，2021），本文同时控制了以下控制变量：①联盟组合层面：产

学研联盟组合规模（APsize），测度为一个产学研联盟组合中联盟数量总计；②企业层面：企业规模（Fsize），以

企业总资产的自然对数衡量；企业盈利能力（ROS），以营业毛利率表示，测度为毛利润与营业收入之比；企业

偿债能力（LEV），以资产负债率表示，测度为负债合计与资产总计之比；企业运营能力（TO），以应收帐款周转

率测度，为营业收入与应收账款期末余额之比；资本密集度（CI），以企业固定资产与员工人数比值的自然对

数 来 衡 量 ；技 术 人 员 数 量（TE），以 企 业 技 术 人 员 数 量 的 自 然 对 数 衡 量 ；首 席 执 行 官（CEO）受 教 育 水 平

（CEOedu），用虚拟变量测度，若 CEO 具有硕士或以上学历计为 1，否则为 0；③区域层面：地区经济发展水平

（GDP），测度为企业所在省份的年度 GDP 同比增长率。此外，进一步控制了地区、年份和行业虚拟变量。

（三）模型设定与研究方法

构建模型（1）以检验产学研联盟组合对科技中小企业成长的影响效应，以及外部制度环境对其的调节机

制。具体计量模型如式（1）所示。

59

技术经济 第 42 卷 第 9 期

FirmGrowthi，t = β0 + β1 IURAPBi，t - 1 + β2 IURAPDi，t - 1 + β3FInstii，t - 1 + β4Trusti，t - 1 +

β5 IURAPBi，t - 1 × FInstii，t - 1 + β6 IURAPDi，t - 1 × FInstii，t - 1 +

β7 IURAPBi，t - 1 × Trusti，t - 1 + β8 IURAPDi，t - 1 × Trusti，t - 1 +

βControlsi，t - 1 + λyear + λindustry + λregion + εi，t - 1 （1）

其中：FirmGrowthi，t为 i 企业第 t 年成长绩效；IURAPBi，t - 1、IURAPDi，t - 1 为 i 企业第 t-1 年产学研联盟组合广度

与深度；FInstii，t-1为 i 企业所在地区第 t-1 年的正式制度发展水平；Trusti，t - 1 为 i 企业所在地区第 t-1 年的社会

信任水平；IURAPBi，t - 1 × FInstii，t - 1、IURAPDi，t - 1 × FInstii，t - 1 分别为两个自变量与正式制度发展水平的交互

项；IURAPBi，t - 1 × Trusti，t - 1、IURAPDi，t - 1 × Trusti，t - 1 分别为两个自变量与社会信任水平的交互项；Controlsi，t-1

为 i 企业第 t-1 年所有控制变量；λyear、λindustry和 λregion为年度、行业及地区固定效应；εi，t - 1 为模型随机误差项；β

为各项回归估计系数。为降低多重共线性，对自变量和调节变量进行了中心化处理；为降低内生性问题，将

解释变量滞后 1 期；为消除极端值的影响，对连续变量进行了 1% 双边缩尾处理。本文使用多重固定效应线

性回归模型来检验假设，以同时包含两个以上固定效应且捕获不可观测的异质性特征，并正确估算聚类稳健

标准误。

四、实证分析

（一）产学研联盟组合与科技中小企业成长的影响效应与调节效应检验

变量的描述性统计和皮尔森相关性分析结果见表 1：各变量间的相关系数均未超过 0.6，表明回归多重共

线性可能性较低。方差膨胀因子（VIF）检验结果显示：全模型（1）的 VIF 平均值为 1.53，最大值为 2.61，均低

于问题阈值 10，因此研究模型不存在多重共线性问题。

多重固定效应线性回归结果见表 2。基准模型 1 仅包含所有控制变量，模型 2 加入了产学研联盟组合广

度与深度两个自变量以检验 H1a 与 H1b，模型 3 加入了调节变量正式制度发展水平及其与两个自变量的交

互项以检验 H3a、H3b，模型 4 加入了调节变量社会信任水平及其与两个自变量的交互项以检验 H4a、H4b，全

模型 5 包含了所有解释变量。

H1a 提出产学研联盟组合广度正向影响科技中小企业成长。表 2 的模型 2 中广度系数显著为正［b（回归

系数）=0.134，P（显著性 p 值）<0.05］，支持了 H1a；模型 3（b=0.180，P<0.01）、模型 4（b=0.135，P<0.01）、模型 5

（b=0.203，P<0.01）中广度系数均显著为正，进一步支持了 H1a。H1b 提出产学研联盟组合深度负向影响科

技中小企业成长。模型 2 中深度系数显著为负（b=-0.031，P<0.01），支持了 H1b；模型 3（b=-0.045，P<0.01）、

模型 4（b=-0.034，P<0.01）、模型 5（b=-0.050，P<0.01）中深度系数均显著为负，进一步支持了 H1b。

表 1 描述性统计和皮尔森相关性系数

变量名称

1. FirmGrowth

2. Innoability

3. IURAPB

4. IURAPD

5. FInsti

6. Trust

7. APsize

8. Fsize

9. ROS

10. LEV

11. TO

12. CI

13. TE

14. CEOedu

15. GDP

平均值

标准差

1

1

0.095***

0.018

-0.019

-0.003

-0.032

0.015

-0.026

0.064***

-0.058***

-0.047**

0.127***

0.006

-0.021

-0.019

0.206

0.401

2

1

0.156***

-0.148***

0.035*

0.014

0.172***

0.399***

0.059***

0.182***

0.077***

0.108***

0.506***

0.137***

0.045**

2.561

1.177

3

1

0.391***

0.108***

-0.033

0.381***

0.158***

0.013

-0.011

-0.010

-0.012

0.158***

0.095***

-0.01

3.136

1.483

4

1

0.084***

-0.025

0.362***

0.133***

0.002

-0.010

-0.032

-0.005

0.153***

0.094***

-0.018

1.547

0.665

5

1

0.223***

0.110***

0.186***

-0.038*

0.026

-0.013

0.016

0.105***

-0.066***

0.419***

8.539

1.586

6

1

-0.001

-0.007

0.028

-0.032

0.053***

-0.009

0.025

-0.011

0.680***

0.415

0.153

7

1

0.166***

0.022

-0.005

-0.013

-0.012

0.180***

0.106***

0.033

4.06

2.876

8

1

0.000

0.461***

0.066***

0.017

0.658***

0.101***

0.054***

22.028

0.878

9

1

-0.109***

0.071***

-0.022

0.051**

-0.017

-0.001

0.06

0.097

10

1

0.128***

0.028

0.283***

0.067***

0.039*

0.375

0.167

11

1

-0.171***

0.125***

0.000

0.070***

0.607

0.351

12

1

-0.018

0.020

-0.003

12.631

0.717

13

1

0.131***

0.082***

5.966

0.969

14

1

-0.038*

0.185

0.389

15

1

6.347

2.734

注：*表示 p<0.1，**表示 p<0.05，***表示 p<0.01。

60

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

表 2 多重固定效应线性回归结果

变量

IURAPB

IURAPD

Innoability

FInsti

IURAPB×FInsti

IURAPD×FInsti

Trust

IURAPB×Trust

IURAPD×Trust

APsize

Fsize

ROS

LEV

TO

CI

TE

CEOedu

GDP

Constants

Year/Region/Industry

N

R2

模型 1

-0.061**（0.026）

-0.982***（0.182）

0.306**（0.129）

1.973***（0.563）

1.543***（0.533）

0.574***（0.079）

0.131（0.400）

-0.331**（0.165）

-0.676（0.577）

37.966**（16.910）

控制

1189

0.228

模型 2

0.134**（0.060）

-0.031***（0.011）

-0.033（0.052）

-0.987***（0.182）

0.308**（0.129）

1.962***（0.562）

1.465***（0.533）

0.580***（0.079）

0.148（0.399）

-0.311（* 0.165）

-0.698（0.576）

38.595**（16.880）

控制

1189

0.232

模型 3

0.180***（0.045）

-0.045***（0.008）

1.084（* 0.597）

-0.388***（0.087）

0.094***（0.016）

0.003（0.038）

-0.596***（0.119）

0.138（* 0.077）

0.088（0.333）

-0.259（0.209）

0.199***（0.005）

-0.061（0.083）

-0.277**（0.123）

-0.859（* 0.439）

34.327***（13.120）

控制

1189

0.319

模型 4

0.135***（0.045）

-0.034***（0.008）

-2.798（0.192）

0.066（* 0.040）

0.017**（0.007）

0.005（0.039）

-0.583***（0.120）

0.125（0.078）

0.099（0.335）

-0.249（0.211）

0.199***（0.005）

-0.064（0.084）

-0.306**（0.124）

-1.054**（0.443）

43.884***（12.994）

控制

1189

0.320

模型 5

0.203***（0.045）

-0.050***（0.008）

0.889（0.630）

-0.955***（0.129）

0.230***（0.025）

-5.925（0.153）

0.158***（0.042）

0.038***（0.008）

-0.002（0.038）

-0.616***（0.118）

0.153**（0.076）

0.166（0.330）

-0.296（0.207）

0.199***（0.005）

-0.033（0.082）

-0.225（* 0.121）

-0.917**（0.438）

37.772***（12.992）

控制

1189

0.345

注：*表示 p<0.1，**表示 p<0.05，***表示 p<0.01；括号内为稳健标准误。

H3a 指出正式制度发展水平削弱了产学研联盟组合广度对科技中小企业成长的正向影响，模型 3（b=

-0.388，P<0.01）与全模型 5（b=-0.955，P<0.01）中均显著为负的广度和正式制度发展水平交互项共同验证

了 H3a。H3b 指出正式制度发展水平削弱了产学研联盟组合深度对科技中小企业成长的负向影响，模型 3（b=

0.094，P<0.01）与全模型 5（b=0.230，P<0.01）中深度和正式制度发展水平交互项显著为正，共同验证了 H3b。

H4a 提出社会信任水平加强了产学研联盟组合广度对科技中小企业成长的正向影响，模型 4（b=0.066，P<

0.1）与全模型 5（b=0.158，P<0.01）中均显著为正的深度和社会信任水平的交互项共同支持了 H4a。H4b 提出

社会信任水平削弱了产学研联盟组合深度对科技中小企业成长的负向影响，模型 4（b=0.017，P<0.05）与全

模型 5（b=0.038，P<0.01）中深度和社会信任水平交互项显著为正，共同支持了 H4b。

图 2~图 5 为调节作用图，其中，较低与较高制度环境水平分别为均值减去与加上一个标准差。由图 2 可

知，在正式制度发展水平较高的地区，广度对企业成长的正向作用更弱，与 H3a 一致；由图 3 可知，在正式制

度发展水平较高的地区，深度对企业成长的负向作用更弱，与 H3b 一致；由图 4 可知，在社会信任水平较高的

地区，广度对企业成长的正向作用更强，与 H4a 一致；由图 5 可知，在社会信任水平较高的地区，深度对企业

成长的负向作用更弱，与 H4b 一致。

-5,3  P-5,3 

D !

DP !











.













J

-5,3 # P-5,3 #

D !

DP !











.













J

图 2 正式制度发展水平在产学研联盟组合广度与 图 3 正式制度发展水平在产学研联盟组合深度与

科技中小企业成长间的调节作用 科技中小企业成长间的调节作用

61

技术经济 第 42 卷 第 9 期

.













J

-5,3  P-5,3 

D.!

DP.!























D.!

DP.!

.













J























-5,3  P-5,3 

图 4 社会信任水平在产学研联盟组合广度与 图 5 社会信任水平在产学研联盟组合深度与

科技中小企业成长间的调节作用 科技中小企业成长间的调节作用

（二）产学研联盟组合与科技中小企业成长的机制检验

根据前文理论假设，本部分对技术创新能力的作用机制进行检验。参照江艇（2022），机制检验计量模型

设定如下：

Innoabilityi，t = β0 + β1 IURAPBi，t - 1 + β2 IURAPDi，t + βControlsi，t + λyear + λindustry + λregion + εi，t （2）

其中：Innoabilityi，t为 i企业技术创新能力。

机制检验结果见表 3。自变量产学研联盟组合广

度的系数显著为正（b=0.163，P<0.01），反映产学研联

盟组合广度对科技中小企业技术创新能力具有明显

的正向作用。以往学者的研究认为，企业技术创新能

力的增强可以提升其自身成长绩效（Wei et al，2014；

施建军和栗晓云，2021）。因此，综合上述回归结果及

以往研究的结论能够得出，产学研联盟组合广度可以

通过增强科技中小企业技术创新能力来提升其自身

成长。自变量产学研联盟组合深度的系数显著为负（b=

-0.018，P<0.1），反映产学研联盟组合深度对科技中小

企业技术创新能力具有明显的负向作用。以往学者的研究认为，企业技术创新能力的下降会抑制其自身成

长绩效（张军和许庆瑞，2014；施建军和栗晓云，2021）。因此，综合上述回归结果及以往研究的结论能够得

出，产学研联盟组合深度将会通过削弱科技中小企业技术创新能力来抑制其自身成长。

（三）稳健性检验

稳健性检验结果见表 4。第一，更换自变量测度。使用产学研联盟伙伴重复度作为产学研联盟组合深

度的代理变量（Zheng and Yang，2015），具体测度为企业重复性产学研联盟伙伴的几何平均数（Bi et al，

2020）。重复合作次数越多，说明企业与这些伙伴的互动合作越紧密且深入（刘斐然等，2020），深度越高。结

果显示：模型 1 中显著为正的广度系数（b=0.142，P<0.05）验证了 H1a，显著为负的深度系数（b=-0.030，P<

0.01）验证了 H1b。正式制度发展水平与广度（b=-0.514，P<0.01）及深度（b=0.110，P<0.01）的交互项系数均

显著，验证了 H3a 与 3b；社会信任水平与广度（b=0.111，P<0.05）及深度（b=0.021，P<0.01）的交互项系数均显

著，验证了 H4a 与 H4b。至此，本稳健性检验结果与主检验保持一致。

第二，更换结果变量测度。本文使用总资产的对数增长率测度企业成长（Nason et al，2019），具体公式

为：FirmGrowtht

=ln（总资产 t+1

）-ln（总资产 t

）。结果显示：模型 2 中广度系数显著为正（b=0.060，P<0.05）、深度

系数显著为负（b=-0.014，P<0.05），分别验证了 H1a 与 H1b。正式制度发展水平与广度（b=-0.197，P<0.05）

及深度（b=0.059，P<0.01）的交互项系数均显著，分别验证了 H3a 与 H3b；社会信任水平与广度（b=0.096，P<

0.01）及深度（b=0.016，P<0.01）的交互项系数均显著，分别验证了 H4a 与 H4b。至此，本稳健性检验结果与主

检验保持一致。

表 3 机制检验结果

变量

IURAPB

IURAPD

Controls

Year/Region/Industry

Constants

N

R2

Innoability

模型 1

0.163***（0.053）

控制

控制

-5.643（14.548）

1189

0.765

Innoability

模型 2

-0.018（* 0.011）

控制

控制

-5.587（14.241）

1189

0.739

注：*表示 p<0.1，**表示 p<0.05，***表示 p<0.01；括号内为稳健标准误。

62

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

第三，更换调节变量测度。使用全国各地区社会信任指数的自然对数测度调节变量社会信任程度（傅绍

正和刘扬，2021）。结果显示：模型 3（b=0.206，P<0.01）中显著为正的广度系数、与显著为负的深度系数（b=-

0.051，P<0.01）分别支持了 H1a 与 H1b。显著的正式制度发展水平与广度（b=-1.015，P<0.01）及深度（b=

0.241，P<0.01）的交互项系数验证了 H3a 与 H3b；均显著的社会信任水平与广度（b=0.663，P<0.01）及深度（b=

0.153，P<0.01）的交互项系数验证了 H4a 与 H4b。至此，本稳健性检验结果与主检验保持一致。

第四，使用其他回归方法。随机效应模型考虑了个体效应且不存在固定效应的附带参数问题（张羽飞

等，2022），因此本文进一步使用随机效应模型检验研究假设。结果显示：模型 4（b=0.201，P<0.01）中显著为

正的广度系数、与显著为负的深度系数（b=-0.053，P<0.01）分别支持了 H1a 与 H1b。正式制度发展水平与广

度（b=-0.958，P<0.01）及深度（b=0.228，P<0.01）的交互项系数均显著，验证了 H3a 与 H3b；社会信任水平与

广度（b=0.139，P<0.01）及深度（b=0.034，P<0.01）的交互项系数均显著，支持了 H4a 与 H4b。至此，本稳健性

检验结果与主检验保持一致。

表 4 稳健性检验结果

变量

IURAPB

IURAPD

FInsti

IURAPB×FInsti

IURAPD×FInsti

Trust

IURAPB×Trust

IURAPD×Trust

Controls

Year/Region/Industry

Constants

N

R2

Wald Chi2

更换自变量测度

模型 1

0.142**（0.057）

-0.030***（0.007）

0.902（0.640）

-0.514***（0.142）

0.110***（0.017）

-6.918（0.327）

0.111**（0.049）

0.021***（0.049）

控制

控制

38.235***（13.199）

1189

0.342

更换因变量测度

模型 2

0.060**（0.029）

-0.014**（0.005）

-0.024（0.407）

-0.197**（0.083）

0.059***（0.016）

5.938（0.091）

0.096***（0.027）

0.016***（0.005）

控制

控制

20.674**（8.391）

1189

0.305

更换调节变量测度

模型 3

0.206***（0.045）

-0.051***（0.008）

1.089（* 0.639）

-1.015***（0.136）

0.241***（0.026）

0.148（0.339）

0.663***（0.210）

0.153***（0.031）

控制

控制

34.810***（13.054）

1189

0.328

随机效应模型

模型 4

0.201***（0.042）

-0.053***（0.004）

1.539（0.627）

-0.958***（0.149）

0.228***（0.022）

-10.116***（0.238）

0.139***（0.038）

0.034***（0.007）

控制

控制

37.811***（3.325）

1189

797.46***

注：*表示 p<0.1，**表示 p<0.05，***表示 p<0.01；括号内为稳健标准误。

五、结论与讨论

基于资源能力理论和制度理论，本文构建了“产学研联盟组合广度与深度‑技术创新能力‑企业成长”的

研究框架，利用 150 家中国创业板制造业上市企业数据，实证检验了产学研联盟组合广度与深度影响科技中

小企业成长的影响机理。结果表明：①产学研联盟组合广度对科技中小企业成长有显著正向影响，而深度则

有显著负向影响；②产学研联盟组合广度对科技中小企业技术创新能力有显著正向影响，而深度则有显著负

向影响；③技术创新能力在产学研联盟组合广度及深度与科技中小企业成长关系中均起到了部分中介效应；

④正式制度发展水平削弱了产学研联盟组合广度对科技中小企业成长的正向影响，且削弱了产学研联盟组

合深度对科技中小企业成长的负向影响；⑤社会信任水平加强了产学研联盟组合广度对科技中小企业成长

的正向影响，而削弱了产学研联盟组合深度对科技中小企业成长的负向影响。

本文的理论贡献主要如下：

第一，丰富了联盟组合相关研究。现有联盟组合文献主要关注发达国家情境下大型企业构建的普通联

盟组合，忽视了中国这一异质性制度情境中科技中小企业的特殊研究情境，忽视了产学研联盟组合这一特殊

类型联盟组合，更忽视了关系维度联盟组合配置对企业成长的绩效影响。本文聚焦中国科技中小企业构建

产学研联盟组合实现自身成长的独特现象，从外部合作范围及内部交互深度两个关系维度出发，分别探讨了

产学研联盟组合广度与深度对科技中小企业成长的影响，剖析了技术创新能力在其中的中介作用，以及中国

独特外部正式与非正式制度环境的调节作用，打开了内在机制“黑箱”，从而拓展了联盟组合相关研究。

第二，丰富了产学研联盟的相关研究。现有产学研联盟研究主要囿于单联盟层面探究其对学研方学术

绩效或企业方创新绩效的影响，忽视了学术界对转向产学研联盟组合层面的呼吁，更忽视了联盟组合层面产

学研关系特征对企业成长的影响机制。本文从联盟组合层面探讨了产学研联盟组合广度及深度对科技中小

63

技术经济 第 42 卷 第 9 期

企业成长的作用机制和情境条件，从而拓展了产学研联盟的相关研究。

第三，发展了制度理论的相关研究。现有制度理论研究主要关注正式制度环境，仅有少数研究探讨了社

会信任、儒家传统文化等非正式制度环境对区域经济等宏观层面的直接影响，忽视了非正式制度环境对微观

企业绩效的直接或间接影响。本文突破以往正式制度环境研究视角，将非正式制度因素纳入到企业联盟组

合治理的框架内，弥补了现有研究对非正式制度关注的不足，从而丰富了非正式制度微观机制的相关研究。

本文具有鲜明的管理启示：

第一，本文发现产学研联盟组合广度对科技中小企业成长具有正向影响，而产学研联盟组合深度具有负

向影响，因此科技中小企业配置产学研联盟组合时，应避免过度依赖少数关键产学研伙伴，在综合考虑自身

实际情况和优劣势后积极与多样的产学研伙伴构建多样的合作模式，以利用不同伙伴类型及合作模式带来

的不同类型的优势资源，不断提升自身成长。

第二，研究结果表明技术创新能力有利于促进科技中小企业成长，且在产学研联盟组合深度与企业成长

间发挥部分中介作用，因此企业应加强知识获取、转化和利用等技术创新能力建设，以更好地应对高产学研

联盟组合深度带来的威胁，削弱其对企业成长的负面影响。

第三，研究结果揭示了正式与非正式制度环境削弱了产学研联盟组合深度对科技中小企业成长的负向

作用，因此政府应培育更完善的正式制度环境、更诚信互助的社会信任环境，最终从正式制度和非正式制度

两个方面营造公平、高效、包容、互信的外部制度环境，帮助科技中小企业构建产学研联盟组合以实现其高质

量成长。

本文存在一些局限性：

第一，受限于产学研联盟信息的非强制披露性，本文仅选取联盟信息披露相对完全的创业板上市企业代

表科技中小企业。然而上市企业大多都进入了相对成熟的成长阶段，限制研究结果的普适性，未来研究可使

用不同行业未上市的、规模较小、较年轻的科技中小企业来检验本文假设。

第二，本文仅从外部合作范围与内部交互深度探讨了产学研联盟组合对科技中小企业成长的影响，而产

学研联盟组合配置是一个多维度的复杂概念，未来研究可以从主体构成、主体层次等其他维度入手，进一步

探讨产学研联盟组合配置对企业绩效的影响，以拓展产学研联盟组合相关研究。

第三，本文仅探讨了技术创新能力在产学研联盟组合与科技中小企业成长之间发挥的中介作用，而产学

研联盟组合还可以通过影响企业治理能力、网络关系能力等路径影响科技中小企业成长，未来研究可从其他

视角探讨中介机制。

参考文献

［ 1］ 傅绍正，刘扬，2021. 社会信任影响企业创新的作用路径研究［J］. 北京工商大学学报（社会科学版），36（4）：67‑77.

［ 2］ 郭韬，李盼盼，乔晗，等，2021. 网络嵌入对科技型企业成长的影响研究——组织合法性和商业模式创新的链式中介

作用［J］. 外国经济与管理，43（7）：97‑110.

［ 3］ 贾凡胜，张一林，李广众，2017. 非正式制度的有限激励作用：基于地区信任环境对高管薪酬激励影响的实证研究

［J］. 南开管理评论，20（6）：116‑128，149.

［ 4］ 江艇，2022. 因果推断经验研究中的中介效应与调节效应［J］. 中国工业经济，（5）：100‑120.

［ 5］ 李红，韦永贵，2020. 文化多样性与区域经济发展差异——基于民族和方言视角的考察［J］. 经济学动态，（7）：47‑64.

［ 6］ 李文贵，2020. 社会信任、决策权集中与民营企业创新［J］. 经济管理，42（12）：23‑41.

［ 7］ 刘斐然，胡立君，范小群，2020. 产学研合作对企业创新质量的影响研究［J］. 经济管理，42（10）：120‑136.

［ 8］ 刘家树，刘紫舒，2018. 产学研合作在企业贷款融资中的信号作用——基于上市公司数据实证分析［J］. 软科学，32

（10）：29‑33.

［ 9］ 刘笑霞，李明辉，2019. 社会信任水平对审计定价的影响——基于 CGSS 数据的经验证据［J］. 经济管理，41（10）：

143‑161.

［10］ 吕一博，朱雨晴，鲍丽宁，2020. 内向型开放式创新与突破性创新绩效——网络位置的调节效应［J］. 管理科学，33

（5）：86‑100.

［11］ 施建军，栗晓云，2021. 政府补助与企业创新能力：一个新的实证发现［J］. 经济管理，43（3）：113‑128.

［12］ 宋渊洋，赵嘉欣，2020. 地区社会信任能促进个体创业吗？——来自全球 31 个国家的经验证据［J］. 研究与发展管

理，32（2）：106‑119.

［13］ 王小鲁，樊纲，胡李鹏，2019. 中国分省份市场化指数报告（2018）［M］. 北京：社会科学文献出版社 .

［14］ 温忠麟，叶宝娟，2014. 中介效应分析：方法和模型发展［J］. 心理科学进展，22（5）：731‑745.

64

张羽飞等：产学研联盟组合对科技中小企业成长的影响机制研究

［15］ 吴金光，毛军，唐畅，2022. 政府研发补贴是否激励了科技型中小企业创新？［J］. 中国软科学，（9）：184‑192.

［16］ 徐玉德，杨晓璇，刘剑民，2021. 管理层过度自信、区域制度环境与内部控制有效性［J］. 审计研究，（2）：118‑128.

［17］ 阳镇，凌鸿程，季与点，等，2021. 数智化时代传统文化的特殊力量：儒家文化会驱动人工智能企业创新绩效吗？［J］.

创新科技，21（7）：19‑33.

［18］ 杨博旭，王玉荣，李兴光，等，2021. 技术多元化对双元创新绩效的影响研究：基于正式与非正式制度环境的视角

［J］. 科学学与科学技术管理，42（12）：145‑162.

［19］ 杨震宁，赵红，2020. 中国企业的开放式创新：制度环境、“竞合”关系与创新绩效［J］. 管理世界，36（2）：139‑160，

224.

［20］ 于贵芳，温珂，方新，2020. 信任水平、合作关系与创新行为：社会交换理论视角下公立科研机构创新行为的影响因

素研究［J］. 科学学与科学技术管理，41（2）：78‑93.

［21］ 张军，许庆瑞，2014. 知识积累、创新能力与企业成长关系研究［J］. 科学学与科学技术管理，35（8）：86‑95.

［22］ 张树满，原长弘，韩晨，2021. 产学研联盟组合伙伴多样性与企业创新绩效：经营环境与国有股权的调节作用［J］. 管

理工程学报，35（4）：51‑60.

［23］ 张羽飞，原长弘，张树满，2022. 产学研融合程度对科技型中小企业创新绩效的影响［J］. 科技进步与对策，39（9）：

64‑74.

［24］ 张羽飞，原长弘，张树满，2023. 共建产学研创新联合体对科技中小企业创新绩效的影响研究［J］. 管理学报，20（1）：

76‑85.

［25］ BI J，XIE E，JIN L，2020. Ties’repeatedness，partners’social value，and alliance portfolio performance in emerging

economy：The moderating roles of firm‑government linkages［J］. Industrial Marketing Management，91：537‑550.

［26］ BODDEWYN J，PENG M，2021. Reciprocity and informal institutions in international market entry［J］. Journal of World

Business，56（1）：101145.

［27］ GONZÁLEZ‑MORENO Á，TRIGUERO Á，SÁEZ‑MARTíNEZ F J，2019. Many or trusted partners for eco‑innovation？The

influence of breadth and depth of firms’knowledge network in the food sector［J］. Technological Forecasting & Social

Change，147：51‑62.

［28］ HAGEDOORN J，LOKSHIN B，ZOBEL A K，2018. Partner type diversity in alliance portfolios：Multiple dimensions，

boundary conditions and firm innovation performance［J］. Journal of Management Studies，55（5）：809‑836.

［29］ HOEHN‑WEISS M N，KARIM S，2014. Unpacking functional alliance portfolios：How signals of viability affect young

firms’outcomes［J］. Strategic Management Journal，35（9）：1364‑1385.

［30］ KAFOUROS M，WANG C，PIPEROPULOS P，et al，2015. Academic collaborations and firm innovation performance in

China：The role of region‑specific institutions［J］. Research Policy，44（3）：803‑817.

［31］ LI Y，ARORA S，YOUTI J，et al，2018. Using web mining to explore triple helix influences on growth in small and mid‑size

firms［J］. Technovation，76‑77：3‑14.

［32］ MARTíNEZ‑NOYA A，GARCíA‑CANAL E，2021. Innovation performance feedback and technological alliance portfolio

diversity：The moderating role of firms’R&D intensity［J］. Research Policy，50（9）：104321.

［33］ NASON R S，WIKLUND J，MCKELVIE A，et al，2019. Orchestrating boundaries：The effect of R&D boundary

permeability on new venture growth［J］. Journal of Business Venturing，34（1）：63‑79.

［34］ STAM E，WENNBERG K T，2009. The roles of R&D in new firm growth［J］. Small Business Economics，33（1）：77‑89.

［35］ WEI Z，YANG D，SUN B，et al，2014. The fit between technological innovation and business model design for firm growth：

Evidence from China［J］. R&D Management，44（3）：289‑305.

［36］ ZHANG S，YUAN C，HAN C，2020. Industry‑university‑research alliance portfolio size and firm performance：The

contingent role of political connections［J］. Journal of Technology Transfer，45（5）：1505‑1534.

［37］ ZHANG Y，YUAN C，ZHANG S，2022. Influences of university‑industry alliance portfolio depth and breadth on growth of

new technology‑based firms：Evidence from China［J］. Industrial Marketing Management，102：190‑204.

［38］ ZHENG Y， YANG H， 2015. Does familiarity foster innovation？ The impact of alliance partner repeatedness on

breakthrough innovations［J］. Journal of Management Studies，51（2）：213‑230.

65

技术经济 第 42 卷 第 9 期

Influence of Industry‑university‑research Alliance Portfolios on Growth of Technology‑based SMEs

Zhang Yufei1

，Yuan Changhong2

，Zhang Shuman3

（1. School of Administration Management，Hebei University of Economics and Business，Shijiazhuang 050061，China；

2. School of Management，Xi’an Jiaotong University，Xi’an 710049，China；

3. School of Administration Management，Zhejiang Gongshang University，Hangzhou 310018，China）

Abstract： Nowadays， following the requirement of industry‑university‑research （IUR） deep integration， more and more

technology‑based SMEs have simultaneously participated in multiple IUR alliances and formed IUR alliance portfolios（IURAP）with

different interaction breadth and depth in order to obtain external complementary resources and achieve high‑quality rapid firm growth.

An“IUR alliance portfolio ‑ innovation ability ‑ firm growth”research framework was built，and data of 150 listed manufacturing firms

on China’s GEM Board was used to explore the internal mechanism of IURAP breadth and depth on growth of technology‑based SMEs

as well as the moderating roles of China’s unique formal and informal institutional environments. Results show that IURAP breadth

positively affects growth of technology‑based SMEs，while IURAP depth negatively affects growth of technology‑based SMEs. IURAP

breadth positively affects innovation capability of technology‑based SMEs，while IURAP depth negatively affects innovation capability

of technology‑based SMEs. Innovation capability plays partial mediation effects between IURAP breadth and depth and growth of

technology‑based SMEs. Formal institution development level weakens the positive impact between IURAP breadth and growth of

technology‑based SMEs，and weakens the negative impact between IURAP depth and growth of technology‑based SMEs. Social trust

level strengthens the positive impact between IURAP breadth and growth of technology‑based SMEs，but weakens the negative impact

between IURAP depth and growth of technology‑based SMEs. Conclusions expand research on alliance portfolios，university‑industry

collaboration，and institution theory，providing practice enlightenments for implementing IUR deep integration strategy in Chinese

technology‑based SMEs.

Keywords：IUR alliance portfolio； technological innovation capability； growth of technology‑based SMEs； formal institutional

development level；social trust level

66

第 42 卷 第 9 期 技 术 经 济 2023年 9 月

苏 杭等：

数字经济发展提升了城市出口韧性吗

苏 杭，卢笑同

（东北财经大学 国际经济贸易学院，辽宁 大连 116025）

摘 要：面对全球经济增速放缓、贸易局势紧张带来的巨大负面冲击，数字经济逆势而上，在贸易领域起到了“稳定器”的作用。

基于中国城市和海关数据，考察数字经济发展与城市出口韧性二者之间的联系。研究发现，数字经济发展有助于提升城市出

口韧性，且后续的稳健性检验和内生性处理结论也支持了这一观点；异质性分析结果显示，数字经济发展对城市出口韧性的作

用因城市区位和政府治理效能、出口目的国经济发展水平和政治风险而异；机制分析表明，数字经济发展通过降低城市贸易成

本、提高城市创新能力和增强城市创业活力进而增强城市出口韧性；进一步研究发现，在外部不确定性冲击背景下，数字经济

能够平抑风险并持续提升城市出口韧性水平。本文厘清了数字经济发展增强城市出口韧性的作用机理，研究结论为我国城市

在世界政治经济形势复杂多变的背景下，推动贸易“稳中求进”，实现贸易高质量发展提供了值得借鉴的政策启示。

关键词：数字经济；出口韧性；贸易成本；创新能力；创业活力

中图分类号：F746.12 文献标志码：A 文章编号：1002—980X（2023）9—0067—16

一、引言

近年来，全球性问题加剧，更加复杂严峻和不确定的外部环境对我国出口贸易造成了巨大干扰，出口“承

压而上，稳中见韧”成为应对复杂的国际经济形势和保证我国经济强韧性的关键。城市作为我国开放经济下

对外经贸活动的主力军，拥有高度集聚的人口和经济资源，是防范外部风险与应对外部冲击的主要阵地，遭

受外部冲击后，出口韧性强的城市能够实现出口快速恢复，出口韧性弱的城市则表现为出口的持续低迷①，

可以说，城市出口韧性将直接反映我国出口抵御外部冲击和维持稳定增长的能力。因此，如何增强城市的出

口韧性从而进一步提升我国出口贸易抵御外部冲击的能力，是实现贸易高质量发展的核心问题之一。

我国数字经济发展迅速，凭借全球最大的数字经济市场、领先全球的数据资源及创新能力强劲的数字产

业成为推动世界经济增长的核心动能。截至 2021 年底，我国数字经济体量跃居世界第二位，增速位列世界

第一②，与此同时，我国第五代移动通信技术网络规模位居全球榜首，实现了“从跟跑到领跑”。但值得注意

的是，当前我国区域数字经济发展水平依然没有摆脱“胡焕庸线”的分割，呈现出“东强西弱”的态势（田杰棠

和张春花，2023），大城市的“虹吸效应”仍在影响周边城市数字经济发展，这种资源分配不均匀且呈现进一步

集聚的趋势将使各个地区在经济下行中受到的影响形成显著差异（陈安平，2022）。作为数字经济发展的载

体，城市能够集聚数字经济资源，通过产业关联、空间牵引等模式有效拉动经济增长，伴随着技术、人才、治理

短板进一步补齐，我国城市拥有广阔的数字经济发展前景，推动城市数字经济高质量发展可能是实现城市出

口韧性升级、打造“韧性城市”的一条重要路径。

党的二十大提出，要深化数字经济与传统产业融合、提升数字产业国际竞争力、建设网络强国和数字中

国，2023 年《政府工作报告》对促进数字经济和实体经济深度融合、支持工业互联网发展提出了更高的要求。

《关于推动外贸保稳提质的意见》和《关于做好跨周期调节进一步稳外贸的意见》强调了数字经济通过保订

单、稳预期、稳产业链和供应链，发挥“稳出口”的作用，进而能够推动经济强劲复苏。因此，在国家着力推动

数字经济发展的政策环境下，探讨数字经济发展影响城市出口韧性的基本规律对于进一步释放外贸发展潜

收稿日期：2023‑06‑06

基金项目：国家社会科学基金后期资助项目“中美科技竞争与我国高技术供应链安全发展研究”（22FGJB003）

作者简介：（通讯作者）苏杭，经济学博士，东北财经大学国际经济贸易学院教授，博士研究生导师，研究方向：世界经济，国际生

产网络与价值链升级；卢笑同，东北财经大学国际经济贸易学院硕士研究生，研究方向：世界经济。

① 以 2008 年全球金融危机带来的外部冲击为例，2009—2011 年，珠海市出口额增长率分别为-17.4%、15.9% 和 13.9%，表现为出口快速恢复；

而文山市出口额增长率分别为-49.1%、-29.9%、-59.5%，表现为出口持续低迷，数据来源为 Wind 数据库。

② 数据来源：《全球数字经济白皮书（2022）》。

67

技术经济 第 42 卷 第 9 期

力，推动出口贸易“稳字当头，稳中求进”有着非常重要的现实意义。

现有文献认为，数字经济是出口贸易领域的“稳定器”，有助于减轻危机影响和加快复苏，源源不断地为

世界经济注入新发展动力。就数字经济的技术子集而言，Albertos 等（2014）研究发现，信息技术密集度高、

互联网嵌入度高的企业的出口并未受到国际金融危机的影响。Eppinger 等（2018）发现，面对金融危机带来

的国内总需求崩溃，企业更倾向于使用互联网，将主要市场由国内转向国际，促进了企业出口并弥补了企业

在国内市场的损失。就数字经济赋能国际贸易新业态而言，一方面，借助跨境电商优势促进国际贸易能够在

短期内帮助出口企业寻找新的中间商和服务供应商（Hayakawa et al，2021），通过“保供效应”有效地保证了供

应链条完整，促进了贸易全链条运行效率的快速恢复；另一方面，跨境电子商务和数字贸易满足和刺激了消

费者的差异化、定制化需求，激活了各种“非接触式需求”（郭继文和马述忠，2022），通过“保需效应”实质性地

推动了出口贸易的增长。

韧性（resilience）源起于生态学，主要表现为系统吸收外部冲击后仍能保持稳定状态或能否自我修复的

能力（Holling，1973），之后被拓展至工程、社会、组织科学等学科领域，并逐渐引起了区域经济学家和地理经

济学家的重视，Reggiani 等（2002）在空间经济系统动态研究中引入了韧性的概念，认为韧性在探讨系统如何

应对冲击时显得格外重要，Martin 和 Sunley（2015）进一步拓展了韧性的概念，定义区域经济韧性为一个区域

抵抗外部冲击并从外部冲击中得以恢复的能力。随着国际政治经济环境不确定性对出口贸易的影响日渐增

多，学术界将“韧性”的定义拓展至贸易领域，Van den Berg 和 Jaarsma（2017）将出口韧性定义为贸易崩溃后

出口贸易的反弹程度，贺灿飞等（2019）提出，韧性在出口贸易方面的内涵是抵御冲击，强劲恢复及出口结构

优化升级，Mena 等（2022）进一步认为，出口贸易韧性是一国既能抵御出口贸易中断，又能在中断发生后恢复

的能力。

聚焦出口韧性的影响因素，姜帅帅和刘慧（2021）将出口韧性分为抵抗力和恢复力两类，研究发现全球价

值链嵌入能够一方面减弱企业的风险抵抗力，另一方面增强企业的出口恢复力。也有研究表明，多样化的产

业结构和出口方式能够提升出口韧性（贺灿飞和陈韬，2019；刘慧和綦建红，2021；王文宇等，2021）。此外，也

有文章从贸易网络（胡昭玲和高晓彤，2022）、不确定性冲击（刘洪愧，2022）、区域贸易协定（魏昀妍等，2023）

等角度对出口韧性的影响因素进行探讨。与本文研究主题关联度较高的一支文献探讨了数字化转型与企业

出口韧性之间的联系，例如，魏昀妍等（2022）认为，数字化转型能够通过促进企业出口多样化、提升企业出口

产品质量进而提升企业出口韧性。范黎波等（2022）发现，企业数字化转型有助于降低企业出口退出风险并

提高出口稳定性，创新提升、要素配置改善及市场扩大效应是二者间的重要作用渠道。张鹏杨等（2023）指出

在贸易摩擦冲击下，企业数字化转型能够通过出口产品转换和出口目标国转移进而提升出口韧性。虽然已

有文献对本文的研究提供了重要的借鉴和启示，遗憾的是鲜有文章将视角聚焦于城市，研究数字经济发展与

城市出口韧性间的联系并剖析其作用机制。

基于上述文献，本文可能的创新在：①在研究视角上，尝试将视角聚焦到数字经济发展，在城市‑产品‑目

的国这一更加细致的研究层面揭示数字经济发展对增强城市出口韧性的重要价值；②在影响机制方面，深度

挖掘了数字经济发展如何通过降低城市贸易成本、提升城市创新能力和提升城市创业活力来影响城市出口

韧性，在进一步丰富现有关于出口韧性影响因素研究的同时，有助于明晰数字经济发展影响城市出口韧性的

作用渠道；③在研究价值上，本文不但通过丰富的稳健性检验和异质性分析验证了数字经济发展对城市出口

韧性的促进效果，而且进一步研究了不确定性冲击背景下数字经济发展对城市出口韧性的影响，为当前不确

定性冲击加剧背景下城市出口韧性升级提出了数字经济视角的解决方案。

二、理论机制与研究假说

数字经济发展能够有效应对当前和未来出口贸易领域的风险与挑战，进而为提升城市出口韧性提供新

的机遇。具体来说，数字经济发展能够通过贸易成本节约效应、创新能力升级效应和创业活力提升效应增强

城市出口韧性。

（一）贸易成本节约效应

数字经济发展能够降低城市出口面临的成本约束。在贸易关系建立阶段，合适的供需匹配是贸易能够

顺利开展的前提。贸易搜索理论（Rauch，1999）认为，国际贸易中卖家和买家通过信息搜寻建立联系，数字

68

苏 杭等：数字经济发展提升了城市出口韧性吗

技术的应用为参与国际贸易的企业提供了国外市场的相关讯息，提升了信息获取的便利性，显著降低了贸易

的信息搜寻成本（Freund and Weinhold，2004；Clarke，2008）。与此同时，数字经济还能够减少信息在获取和

传输上的延误，降低国际贸易中存在的信息壁垒，极大地便利了买卖双方的交流沟通，使得产品的价格、质量

等关键信息变得透明可比，降低了买卖双方在合同签订过程中付出的协商成本（施炳展和李建桐，2020），并

且，这种信息壁垒的降低也有利于买卖双方在交易之前对潜在交易对象进行高效筛选，有助于提高匹配到高

质量交易对手的概率，降低因交易对手违约而产生的额外损失（袁淳等，2021）。在贸易履约阶段，得益于数

字技术的运用，外贸企业通过物流各环节精细化、动态化、可视化管理及根据货物特性选取合理的运输方式，

促进了运输工具和货物的精准匹配，提高了物流链条的运行效率，降低了运输成本（何树全等，2021），并且信

息化通关平台的建设还能够有效压缩产品出口通关时间，提升产品通关效率，进而有效降低了通关成本。此

外，电子商务平台和移动银行业务的发展也为国际贸易提供了更加便捷和经济高效的支付方式，降低了买卖

双方的支付成本。

当前我国外贸面临着种种风险与挑战，其中外需不足、供应链中断的问题最为凸显。面对外部冲击，数

字经济发展使外贸企业能够以较低成本精准搜寻合适的上游供应商并充分了解下游市场的产品结构和消费

者偏好（金祥义和施炳展，2022），这不仅提升了供需匹配效率，而且保证了出口产品的有效供给、推动了贸易

订单的增长，进而促进了供应链顺畅运转，提升了城市出口韧性。同时，由数字经济带来的贸易成本下降也

有助于激活国际市场上的潜在需求，城市不但能够提升贸易伙伴数量，而且可以与距离更远的国家或地区建

立贸易关系以扩大城市的出口市场范围，有助于通过出口市场多元化策略激活新的需求，进而增强城市出口

韧性。

因此，本文提出假说 1：

数字经济发展能够通过贸易成本节约效应提升城市出口韧性（H1）。

（二）创新能力升级效应

资源基础观认为，竞争优势的源泉是既有资源的积累和新资源的开发（Barney，1991），然而此类资源的

流动性往往受限于空间和市场，数字经济的快速发展可以有效打破资源流动的时空限制，加快资源要素的流

动，提升城市创新主体间的沟通效率及提高传统创新要素的质量，进而扩宽了创新资源获取渠道，有助于城

市创新能力升级。具体来说，一方面，传统意义上的创新往往会被束缚于生产环节或创新主体间形成的“信

息孤岛”，而数字经济能够将原本分散生产环节和企业联系起来，不但能够实现企业内部研发、生产、供应等

环节联动发展，而且能够加强区域间研发部门和应用部门之间的良性互动（韩先锋等，2019）。这样一来，在

整个城市范围内，创新主体通过数字经济得以有效联通，改变了城市原有的创新方式与创新类型，有助于拓

宽城市创新空间。另一方面，在数字经济时代，数据已成为新的创新要素，其能够对资本、劳动力和技术等传

统创新要素进行赋能，推动传统创新要素提质（张昕蔚，2019）。传统创新要素的流动通常仅在产业链上下游

或区域内流动，数字技术的嵌入扩大了传统创新要素的使用边界，使创新要素向效率更高的产业和地区迁

移，有效地提高了创新要素供求匹配度，拓宽了创新主体的创新要素获取范围，进而有助于城市创新能力

提升。

Schumpeter（1939）发现，在萧条时期，创新能够通过“创造性破坏”推动经济复苏，门斯（G.Mensch）的技

术创新论认为，在危机冲击下，社会上的需求会趋于饱和，而现有的技术不能满足社会的需求，产生了“技术

僵局”。此时只有技术创新或产生新的生产部门才能打破僵局，实现新的经济繁荣。因此在面临外部冲击

时，创新是“化危为机”的重要途径。具体而言，创新能够提升出口竞争力（Melitz et al，2007），一方面有助于

生产模式升级和出口产品质量提升；另一方面有助于促进产品生产转向高端专业化，进而提升出口技术复杂

度。进一步地，低生产成本和高生产率提升了出口价格竞争优势，产品质量的提高有助于赢得产品的国际口

碑，产品技术含量的提升增强了产品的不可复制性。可见，创新有助于产品在差异化竞争中取得优势，更有

利于产品出口，拥有更强的出口韧性。

因此，本文提出假说 2：

数字经济发展能够通过创新能力升级效应提升城市出口韧性（H2）。

（三）创业活力提升效应

数 字 经 济 发 展 进 一 步 丰 富 了 创 业 资 源 ，有 助 于 提 升 城 市 创 业 活 力 。 第 一 ，根 据 斯 密‑杨 格 定 理

69

技术经济 第 42 卷 第 9 期

（Smith‑Young Theorem），分工和专业化水平会随着市场规模扩大而提升，数字经济的规模效益使社会分工和

专业化水平日渐增长，产品价值链逐渐拉长，越来越多的新产业、新就业形态应运而生，有助于激发市场的创

造力，为大众创业提供了新的机会。第二，在数字经济时代，创业者的创业成本显著降低。首先，在匹配成本

方面，伴随数字经济发展，数据信息的流动方式由过去的供给端单向输出跃升为供需双方的高效交换，不仅

能够加速供需匹配和交易，而且激发了产品个性化定制化需求，商品流通速度和产品需求种类的增长为创业

提供了良好的需求环境。其次，在信息成本方面，数据多元、流通和共享能够为创业决策提供信息基础，有助

于创业者把握市场机会，实现灵活自由的价值追求。最后，数字金融的普惠性使更多的人可以获得信贷支

持，缓解信贷约束，有助于中小和微型企业的创立（张勋等，2019）。第三，数字经济发展能够带来较强的社会

互动，能够加强创业成功形成的示范效应，使得城市创业活力进一步增强。

创业活力是企业家精神的体现（Khalida and Bhattib，2015），有助于企业家在不利环境中利用自身优势

与环境因素实现自我成长，促进创业活动的有效开展，这将进一步推动企业进入国际市场③（Muñoz‑Bullón

等，2015）。根据渐进国际化理论，企业通过出口学习不但能够获得新的知识、技术和资本，而且能够进一步

熟悉国际消费市场的偏好，推动其寻找更多出口早期未考虑的、利润水平更高的市场作为新的出口目的地，

有助于出口多元化战略实施。与此同时，创业活力的提升往往能够推动新经济部门产生，这些部门不但能够

迅速将技术成果辐射至其他产业，而且可以通过推动旧市场淘汰和新市场建立进一步提升生产效率，进而在

复杂多变的环境下维持竞争优势，提升城市出口韧性。

因此，提出假设 3：

数字经济发展能够通过创业活力提升效应增强城市出口韧性（H3）。

三、模型设定、变量选取和数据说明

（一）计量模型设定

参照 He 等（2021）的研究设计，设定了如式（1）的计量模型。

rescijt = β0 + β1Digict + β2Controls + μcij + ηt + εcijt （1）

其中：被解释变量 rescijt为城市 c 在 t年向 j国出口的 HS6 位码产品 i的出口韧性；核心解释变量 Digict为城市 c 在

t 年的数字经济发展水平；Controls 为包括城市层面和出口目的国层面的控制变量；β0 为常数项；β1 为核心解

释变量估计系数，若 β1 为正，那么意味着数字经济发展水平对城市出口韧性有着正向影响；β2 为控制变量的

系数；μcij

、ηt 分别为城市‑HS6 位码产品‑出口目的国层面的固定效应和年份层面的固定效应；εcijt 为随机误

差项。

（二）变量选取

1. 被解释变量

被解释变量为城市出口韧性（res），本文借鉴 van den Berg 和 Jaarsma（2017）的研究思路，以 2009—2016

年各城市‑HS6 位码产品‑出口目的国层面的出口额增长率减去 2008 年相应出口额增长率来表示城市的出口

韧性④，具体公式如式（2）。

rescijt = expratecijt - expratecij2008 （2）

其中：c 为城市；i为产品；j为出口目的国；t为年份；exprate 为出口额增长率。

2. 核心解释变量

本文着重关注的核心解释变量为城市数字经济发展水平（Digi），参考黄群慧等（2019）提出的数字经济

发展综合评价指标构建方法，本文采用城市每百人互联网宽带接入的用户数、城市信息传输计算机服务和软

件业从业人员数占全部就业人员数的比重、城市人均电信业务总量及城市每百人移动电话年末用户数 4 个

③ Muñoz‑Bullón 等（2015）认为，企业家精神导向（先动性、风险承担性和创新性）是企业家进入国外市场的重要决定因素，其使用 2001—2008

年新生企业家数据进行实证研究，结果表明新生企业家的企业家精神导向会正向影响其跨国经营的意愿。

④ 2008 年全球金融危机导致外需放缓、贸易保护主义抬头，我国出口受阻，对外贸易顺差出现明显下降趋势，参考既有文献，选择 2008 年为冲

击元年计算出口韧性。需要说明的是，本文需要以 2008 年的出口数据作为后续比较的基础，因此样本期始于 2009 年。

70

苏 杭等：数字经济发展提升了城市出口韧性吗

指标构建综合评价体系⑤。首先对 4 个指标进行标准化处理并用熵权法计算评价指标的权重，之后通过对加

权后评价指标的权重进行 TOPSIS 评价计算进而测算出城市数字经济发展水平。具体测算步骤如下：

（1）对原始矩阵 X = ( xck ) m × n 进行标准化。

Yck = xck - minxck

maxxck - minxck

（3）

其中：c 为城市；k 为本文选取的用于测算城市数字经济发展水平的 4 个分项指标；Y 为经过标准化后的矩阵。

（2）计算第 k 项指标在第 c 年的数值占该指标的比重（pck

）。

pck = Yck

∑c = 1

m

Yck

（4）

（3）计算 k 项指标熵值（eck

），当 pck = 0 时，pck lnpck = 0。

eck = - 1

lnm∑c = 1

m

pck lnpck，k = 1，2，⋯，n （5）

（4）计算第 k 项指标的差异指数（Gk

）。

Gk = 1 - e k （6）

（5）计算第 k 项指标的权重（Wk

）。

Wk = Gk

∑k = 1

n

Gk

，k = 1，2，⋯，n （7）

（6）由标准化矩阵和各指标权重可得加权标准化矩阵（Zck

）。

Zck = Wk × Yck （8）

（7）计算正负理想解（I +

k 、I -

k ）。

I +

k = max ( z1k

，z2k

，⋯，zmk ) （9）

I -

k = min ( z1k

，z2k

，⋯，zmk ) （10）

（8）计算各指标与正负理想解的欧氏距离（D+

c、Dc

）。

D +

c = ∑k = 1

n

(I +

k - zck )

2 （11）

D -

c = ∑k = 1

n

(I -

k - zck )

2 （12）

（9）计算熵权 TOPSIS 法结果（Hc

）。

Hc = D -

c

D +

c + D -

c

（13）

3. 控制变量

本文选取了城市和出口目的国两个层面的控制变量：

城市层面的特征变量包括：城市经济体量（lnpgdp），以城市人均地区生产总值的对数来衡量，城市经济

体量越大，越容易暴露在外部冲击中；集聚水平（lncluster），以城市人口密度的对数衡量，城市集聚水平越高，

产业之间的关联性就越高，进而有利于抵御外部冲击；城市对外开放度（lnopen），以城市出口额的对数来衡

量，对外开放水平较高的地区往往能够吸引大量的资源、技术和公司，高效地调动全球资产用于区域发展，进

⑤ 值得注意的是，《“十四五”数字经济发展规划》对数字经济发展指标的合理测度提供了有益参考，与此同时柏培文和张云（2021）、戴魁早等

（2023）对城市数字经济发展水平的测度进行了较为创新的探索。但考虑到本文研究年份为 2009—2016 年，样本时间区间从 2009 年开始

能够反映城市出口从 2008 年全球金融危机的冲击中恢复的过程，而部分子指标如域名、网站、网民数量从 2011 年开始统计，与本文样本区

间重合度较小，综合已有研究对数字经济发展评价体系的构建思路以及考虑到相对而言更加细致的城市层面数据的可得性，最终借鉴黄

群慧等（2019）的研究思路构建数字经济发展指标综合评价体系。

71

技术经济 第 42 卷 第 9 期

而提高应对危机的能力。

出口目的国的特征变量包括：目的国经济发展水平（lnjpgdp），以目的国人均生产总值的对数来表征，目

的国经济发展水平越高，对我国出口的拉动效应越大；目的国对外开放度（lnjopen），以目的国外商直接投资

净流入的对数来衡量，目的国对外开放度越高，市场进入难度越低，有利于出口的顺利进行；目的国市场规模

（lnmarket），以目的国人口数的对数来衡量，市场规模反映了目的国的进口需求规模，面临外部冲击，需求的

锐减可能会削弱经济体抵御冲击的能力。

（三）数据说明

为了使研究更加精确细致，本文使用中国海关数据库中的城市‑产品‑目的国层面的出口数据测算城市

出口韧性，在进行测算之前，剔除了出口数据缺失、出口目的地不明（因数据缺失，未包含西藏地区及港澳台

地区）的数据，并且考虑到直辖市行政级别特点可能

导致出口体量明显高于其他城市的问题，本文剔除了

直辖市出口数据。此外，出口数据来源于中国海关数

据库，城市层面的核心解释变量及控制变量的数据来

自《中国城市统计年鉴》，国家层面控制变量数据来自

世界银行的世界发展指标（WDI）数据库。

在经过上述处理后，获得用于分析的 240 个城市、

3543个产品、191个出口目的国所组成的研究样本，表 1

为描述性统计结果。

（四）中国城市数字经济发展与出口韧性的典型事实

本文绘制了 2009 年、2011 年、2013 年和 2016 年城市数字经济发展水平的核密度图及 2009—2016 年数字

经济发展的时间趋势图。如图 1 所示，我国城市数字经济发展水平总体呈现右偏分布，表明我国只有少数城

市拥有较高的数字经济发展水平，大多数城市的数字经济发展还有待进一步加强。通过对比可以发现，首

先，核密度图左侧的峰值在不断下降，右侧的峰值在不断上升，说明随着国家政策的落实和科技的进步，更多

城市加入了高数字经济发展水平的队伍中，但这种“多峰”分布提醒我们仍要注意数字经济发展“两极分化”

现象，防范“数字鸿沟”的出现。其次，可以观察到核密度图整体向右移动，并且结合图 2 也能够发现，我国城

市数字经济发展水平呈现逐年上升的态势。

与此同时，本文也绘制了 2009 年、2011 年、2013 年和 2016 年城市出口韧性的核密度图及 2009—2016 年

城市出口韧性变化趋势图。由图 3 可以看出，多数城市出口韧性处于中等水平，仅有少数城市出口韧性较

高。而且可以发现，随着时间的推移，核密度曲线呈现出向右移动的特点，这表明随着稳外贸政策的积极效

应持续显现，城市出口韧性逐渐上升。同时，结合图 4 可以发现，我国城市出口韧性的总体水平也呈现逐年

上升趋势。











ffl





    

$IGI

       















$IGI

       



图 1 数字经济发展核密度对比 图 2 2009—2016 年数字经济发展时间趋势

表 1 主要变量的描述性统计

变量名

res

Digi

lnpgdp

lncluster

lnopen

lnjpgdp

lnjopen

lnjmarket

观测值

3229653

3229653

3229653

3229653

3229653

3229653

3229653

3229653

平均数

-0.303

0.262

11.268

-0.324

16.551

9.737

23.325

17.482

标准差

1.97

0.17

0.54

0.51

1.38

1.20

1.78

1.41

最小值

-21.299

0.005

8.894

-5.304

6.990

5.357

10.923

9.251

最大值

24.038

0.666

13.056

0.974

19.059

12.152

26.960

21.004

72

苏 杭等：数字经济发展提升了城市出口韧性吗











ffl





       RES

   











RES

       



图 3 城市出口韧性核密度对比 图 4 2009—2016 年城市出口韧性变化趋势

通过上述分析，不难看出，无论是数字经济发展

水平还是城市出口韧性在研究样本期内均呈现出明

显的上升趋势，故本文初步认为数字经济发展水平升

级有可能是城市出口韧性提升的原因之一。为进一

步观察数字经济发展水平与城市出口韧性的关系，还

绘制了能够反映二者之间关系的散点图。如图 5 所

示，横轴是城市数字经济发展水平（Digi），纵轴为城市

出口韧性（res），通过二者间散点图的分布情况及其拟

合线可以看出数字经济发展与城市出口韧性存在一

定的正相关，即城市数字经济发展水平越高，城市出

口韧性越强，这在一定程度上给出了支持本文研究猜

想的经验性证据，然而此类统计分析中仍混杂着影响

因果识别的其他干扰因素，因此本文在第四部分的实

证分析中采用更为严谨的方法尝试深入探究二者间的关联。

四、实证结果与分析

（一）基准回归结果

表 2 汇报了基准模型回归结果，其中，（1）列

控制了全部的固定效应但未加入城市和出口目

的国的特征变量；（2）列、（3）列分别加入了城市

控制变量、出口目的国控制变量并始终控制城

市‑产品‑目的国和年份固定效应，结果显示数字

经济发展（Digi）均对城市出口韧性（res）有显著

正向的影响。接下来，基于表 2 的（3）列进行结

果分析，在控制了全部固定效应和控制变量后，

数字经济发展系数为 0.389，并且通过了 5% 水平

的显著性检验，说明伴随数字经济发展水平上

升，城市的出口韧性也得以提高，即证明了数字

经济发展有助于城市出口韧性的提升。此外，相

关控制变量回归系数的结果与本文的预期一致，

城市经济体量越大，出口越容易暴露在冲击中，

会对城市出口韧性产生负向影响，城市集聚水平

和对外开放度对出口韧性存在正向影响，目的国经济发展水平和对外开放度越高，越有利于城市出口韧性提













RES

   

$IGI

图 5 数字经济发展与城市出口韧性的关系

表 2 基准回归结果

变量

Digi

lnpgdp

lncluster

lnopen

lnjpgdp

lnjopen

lnjmarket

常数项

城市控制变量

目的国控制变量

城市‑产品‑目的国固定效应

年份固定效应

样本量

R2

（1）

res

0.431**（0.182）

-0.416***（0.048）

不控制

不控制

控制

控制

3229653

0.639

（2）

res

0.406***（0.154）

-0.173***（0.064）

0.193***（0.060）

0.077（* 0.043）

0.336（1.062）

控制

不控制

控制

控制

3229653

0.639

（3）

res

0.389**（0.153）

-0.172***（0.062）

0.186***（0.063）

0.075（* 0.042）

0.106***（0.011）

0.012***（0.003）

-0.392***（0.060）

5.914***（1.758）

控制

控制

控制

控制

3229653

0.642

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、

1% 水平上显著。

73

技术经济 第 42 卷 第 9 期

升，而目的国市场规模不利于城市出口韧性提升。

（二）稳健性检验

1. 替换研究维度

前文在测算城市出口韧性时，将研究维度精确到了城市‑HS6 位码产品‑目的国层面。为了确保研究结

论的稳健性，在此尝试放宽产品限制，在城市‑HS4 位码产品‑目的国层面重新测算了城市出口韧性并纳入模

型进行回归，结果见表 3 的（1）列，可见数字经济发展对城市出口韧性的促进效果依然存在。

2. 剔除极端值

极端观测值的存在可能对本文基准回归系数产生较大影响，因此对模型中的变量进行 1% 双边缩尾以

排除极端值可能会对基准回归结果造成的影响，之后进行回归，结果见表 3 的（2）列，可以看出在剔除了极端

值影响的情况下，基准结论依旧成立。

表 3 稳健性检验

变量

Digi

Digient

Digipca

常数项

控制变量

城市‑产品‑目的国固定效应

年份固定效应

样本量

R2

替换研究维度

（1）

res

0.436**（0.223）

1.583（1.112）

控制

控制

控制

2361911

0.614

剔除极端值

（2）

res

0.384**（0.148）

6.296（42.303）

控制

控制

控制

3229653

0.642

Martin（2012）

（3）

res

11.576***（4.374）

18.504（17.335）

控制

控制

控制

3229653

0.157

提前基准期

（4）

res

1.453***（0.463）

5.894***（1.691）

控制

控制

控制

2885984

0.172

企业数字化

（5）

res

0.578***（0.133）

5.924***（1.743）

控制

控制

控制

3229653

0.642

赵涛等（2020）

（6）

res

0.015（* 0.008）

6.296（42.303）

控制

控制

控制

3229653

0.642

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、1% 水平上显著。

3. 替换被解释变量

第一，借鉴 Martin（2012）的研究思路对城市出口韧性进行重新测算，具体方法如式（14）。

rescijt = ΔEreal

cijt - ΔEexpected

cijt

| ΔE | expected

cijt

（14）

其中：rescijt 为城市 c 在 t年向 j国出口的 HS6 位码产品 i的出口韧性；ΔEreal

cijt 为城市 c 在 t年向 j国出口的 HS6 位码

产品 i 的实际出口额的变化量，用城市 c 在 t 年向 j 国出口的 HS6 位码产品 i 的出口额减去上一年的出口额表

示；ΔEexpected

cijt 为城市 c 在 t 年向 j 国出口的 HS6 位码产品 i 的预期出口额的变化量，用城市 c 在 t 年向 j 国出口的

HS6 位码产品 i的出口额 Ereal

cij (t - 1) 乘以产品 i在 t年对 j国出口的全国平均增长率 growthrateijt来表示，即

ΔEreal

cijt = Ereal

cijt - Ereal

cij (t - 1) （15）

ΔEexpected

cijt = Ereal

cij (t - 1) × growthrateijt （16）

growthrateijt = Eijt - Eij (t - 1)

Eij (t - 1)

（17）

其中：Eijt

、Eij (t - 1) 分别为全国产品 i在 t年和 t-1 年向 j国的出口额。

第二，考虑到金融危机发生在 2007 年年底，可能在 2008 年就已经对出口额产生了一定的影响，本文将参

照年份提前至 2007 年，并以 2009—2016 年各城市‑HS6 位码产品‑出口目的国层面的出口额增长率减去 2007

年相应出口额增长率来表示城市的出口韧性，结果见表 3 的（3）列、（4）列，说明采取替换被解释变量策略进

行重新回归后，基准结论依旧成立。

4. 替换核心解释变量

本文通过以下两种方法替换核心解释变量：第一，城市企业数字化水平（Digient），采用各城市上市公司

年报中企业数字化转型关键词出现频次的对数表征⑥；第二，参照赵涛等（2020）的研究设计，基于前文给出

⑥ 数据来源于中国研究数据服务平台（CNRDS）的年报关键词研究数据库（AKRD），值得注意的是，其关于企业数字化转型的词频统计层面为

省份‑上市公司‑年度，本文根据上市公司固定电话区号与城市相匹配，最终计算出各城市上市公司数字化转型关键词的频次。

74

苏 杭等：数字经济发展提升了城市出口韧性吗

的评价体系，使用主成分分析（PCA）计算城市数字经济发展水平⑦，记为 Digipca。

回归结果见表 3 的（5）列、（6）列，可以发现，在替换核心解释变量后，结果仍旧显示数字经济发展能够促

进城市出口韧性提升。

（三）内生性处理

本文设定的基准模型可能产生以下两种原因造成的内生性问题：第一，出口韧性较强的城市可能会进一

步加强数字技术的运用，倒逼数字经济发展，进而产生反向因果问题；第二，虽然本文在基准回归中通过不同

的固定效应尽可能地降低遗漏变量所导致的估计偏误，但是可能存在既影响城市数字经济发展又影响城市

出口韧性的外生经济冲击或其他不可观测因素，进而产生遗漏变量问题。

本文首先采用滞后一期的数字经济发展水

平（L.Digi）替代核心解释变量来克服反向因果问

题。原因在于城市当年的出口韧性能够受到上

一年数字经济发展的影响，但是上一年的数字经

济发展水平几乎不会受到当年出口韧性的影响。

结果见表 4 的（1）列，说明在克服反向因果问题

后，基准回归结论依旧成立。

接下来，本文借鉴 Nunn 和 Qian（2014）提出

的以历史数据构建工具变量的思路，以全国互联

网上网人数滞后一期与 2000 年各城市年末固定

电话用户数的交互项作为工具变量。因为当今

数字经济的技术子集如互联网和移动通信技术

正是历史上通信技术如固定电话的升级换代，因

此固定电话的使用与数字经济发展水平有着较

强的相关性，满足了相关性假定；同时，随着科技

进步，移动电话逐渐代替固定电话，而且城市固

定电话的使用并不会直接影响到城市的出口韧

性，满足了排他性假定。两阶段最小二乘法（2SLS）估计结果见表 4 的（2）列、（3）列，其中（2）列汇报了第一阶

段的估计结果，结果表明，本文所选取的工具变量（IV）显著提升了城市数字经济发展水平；（3）列展示了第二

阶段的估计结果，可见模型通过了“识别不足”检定和“弱工具变量”检定⑧，而且估计结果表明，经过内生性

处理后回归结果依旧稳健。

（四）排除其他政策干扰

作为数字经济的基础工具，移动通信技术的进步意味着网络连接速度更快，延迟时间更短，能够有效实

现移动状态下的高速数据业务，满足用户移动高速上网的需要，推动了移动办公、移动电子商务的进步，有效

带动产业链快速发展。因此本文认为移动通信技术进步能够有效提升城市数字经济发展水平。

2013 年，工信部宣布向三大运营商发布第四代移动通信技术（4G）牌照，这为验证数字经济发展与城市

出口韧性的因果关系提供了准自然实验框架。考虑到城市间移动通信基站密度存在差异，移动互联网发展

规模不一致，因而“4G 牌照颁布”这一政策冲击对不同城市的冲击强度是不同的。为此，参照 Chen 等（2020）

的研究思路，本文采用广义双重差分法（GDID）研究 4G 牌照颁布对城市出口韧性的作用效果，模型设定如

式（18）。

rescijt = λ0 + λ1 treatc，2012 × postt + λ2Controls + μcij + ηt + εcijt （18）

其中：rescijt为城市 c 产品 i 在年份 t 对 j 国的出口韧性；treatc，2012为政策实施前城市的移动通信基础，以 2012 年

城市互联网用户数的对数值表征；postt为“4G 牌照颁布”处理变量，在 2013 年及以后的年份取 1，其余情况取

⑦ 在对评价指标进行标准化处理后，首先进行了 KMO 和 Barlett 检验，发现 KMO 值为 0.789 且显著度为 0.000，说明所选指标适合做主成分分

析，根据累计方差百分比大于 85% 的原则，本文最终提取了两个主成分，并求解出主成分得分和城市数字经济发展水平。

⑧ Kleibergen‑Paap rk LM 统计量为 6.827 且在 1% 的水平上显著拒绝了“工具变量识别不足”的原假说，Kleibergen‑Paap rk Wald F 统计量为

112.678，大于临界值 16.38，拒绝了“弱工具变量”的原假说。

表 4 内生性问题处理

变量

L. Digi

IV

Digi

常数项

Kleibergen‑Paap rk

LM 统计量

Kleibergen‑Paap rk

Wald F 统计量

控制变量

城市‑产品‑目的国固定效应

年份固定效应

样本量

滞后一期

（1）

res

0.706**（0.305）

-10.222***（1.678）

—

—

控制

控制

控制

2820610

第一阶段

（2）

Digi

0.003***（0.000）

—

—

控制

控制

控制

3228165

第二阶段

（3）

res

0.881***（0.292）

6.827［0.009］

112.678｛16.38｝

控制

控制

控制

3228165

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、

1% 水平上显著。Kleibergen‑Paap rk LM 统计量用于检验工具变量是否识别不

足，［］内为该统计量的 P 值；Kleibergen‑Paap rk Wald F 统计量检验工具变量是

否是弱工具变量，｛｝内为 Stock‑Yogo 检验在 10% 上的临界值；关于 KP-LM 统计

量和 KP-WaldF 统计量未在（1）、（2）列列示出来，是因为这个这两个统计量是用

作检验工具变量的识别不足和弱工具变量而设置的，仅在工具变量法第二阶段

出现，因此在（1）列与（2）列中，以“—”替代。

75

技术经济 第 42 卷 第 9 期

0；treatc，2012 × postct 为 DID 交互项，其估计系数 λ1 即为该

政策对出口韧性的影响；λ2 为控制变量估计系数。

在进行广义双重差分估计之前，本文检验了 GDID

的识别条件，即在 4G 牌照颁布前各城市出口韧性是否

满足平行趋势假定。具体模型构建如式（19）。

rescijt = α + λ1

p

∑= - 4

p = 3

treatc，2012 × postt +

λ2Controls + μcij + ηt + εcijt （19）

其中：p 为 4G 颁布年份的相对期数。

图 6 汇报了平行趋势检验结果⑨，可见在 4G 牌照颁

布之前，估计系数并不显著，在 2013 年当期和后两期，

估计系数显著为正，证明了模型的有效性。广义双重

差分回归结果见表 5，可见 4G 牌照的颁布有助于城市

出口韧性提升，说明移动通信技术升级夯实了城市数

字经济发展根基，促进了城市出口韧性升级。

（五）异质性分析

1. 城市异质性分析

城市间数字经济发展的禀赋不同，相比于其他城

市，东部城市、数字经济一线城市和新一线城市拥有较

为完善的数字基础设施、较为先进的数字产业化水平

和较高的数字技术渗透度，集聚了大量数字经济发展

资源（吕明元等，2021）。那么在这两类城市中数字经

济发展对出口韧性的作用效果是否更强？本文构建了

东部地区虚拟变量 eastern、数字经济一线城市和新一

线城市虚拟变量 first⑩ 并将数字经济发展水平与虚拟变

量的交互项 Digi×eastern、Digi×first 纳入模型进行分析，

由表 6 的（1）列、（2）列可知，东部城市和数字经济一线、

新一线城市的数字经济发展推动城市出口韧性升级的作用更强。

当前我国数字经济生态尚不成熟，内生秩序和自发力量尚未形成，因此数字经济发展对城市出口韧性的作

用强度会受政府治理效能的影响，为了考察这一问题，本文选择以下变量表征城市政府治理效能，将变量与城

市数字经济发展水平的交互项纳入模型进行分析；①政府财政支出与城市 GDP 之比（finance），财政支出反映了

政府支配社会资源的程度，表征了政府职能的履行情况；②政府电子政务绩效排名（egov）???，数字政府作为一种

新兴治理模式，其电子政务绩效不仅反映了政府的数字关注度，而且能够反映新兴政府治理模式的成效；③数

字普惠金融指数（DFIIC），政府对数字经济的关注能够显著发挥数字经济的普惠性，将数字经济发展动力带给

各行各业，即数字经济的普惠性能够反映政府对数字经济的重视和治理成效；④城市知识产权司法审判案件数

（ip）???，数字经济拥有低复制成本特征，因此知识产权保护强度能够反映地方政府对数字经济发展环境的调控。

表 6 的（4）~（6）列显示，政府治理效能越强的城市，数字经济发展推动城市出口韧性升级的作用越大。

2. 出口目的国异质性分析

考虑到发达国家往往具有更高的科学技术水平，数字经济发展水平更高，更有利于城市与出口目的国信

息联通，实时获取目的国的需求信息，促进交易达成，那么数字经济发展是否更有利于出口目的地为发达国

⑨ 为了避免多重共线性问题，本文选取冲击年份的前一年（2012 年）作为基准组。

⑩ 数据来源：《中国数字经济发展研究报告（2022）》。

??? 由于中国软件评测中心对电子政务绩效的衡量方法随时间而变动，所以本文采用电子政务绩效排名这一相对值来衡量各城市电子政务发

展情况，为了反映排名越靠前电子政务发展水平越高的事实，本文将排名做取相反数处理，回归结果更易于读者理解，数据来自中国软件

评测中心。

??? 数据来自北大法宝法律数据库。













2



      



图 6 平行趋势检验

表 5 广义双重差分回归结果

变量

DID

lnpgdp

lncluster

lnopen

lnjpgdp

lnjopen

lnjmarket

常数项

控制变量

城市‑产品‑目的国固定效应

年份固定效应

样本量

R2

（1）

res

0.062***（0.015）

-0.605***（0.073）

不控制

控制

控制

3229653

0.639

（2）

res

0.070***（0.018）

-0.187***（0.070）

0.093（0.057）

0.081**（0.041）

0.106***（0.011）

0.012***（0.003）

-0.414***（0.055）

6.099***（1.658）

控制

控制

控制

3229653

0.642

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在

10%、5%、1% 水平上显著。

76

苏 杭等：数字经济发展提升了城市出口韧性吗

家的城市提升出口韧性？本文构建发达国家虚

拟变量 developed，并将交互项 Digi×developed 纳入

模型进行回归，结果见表 7 的（1）列。通过交互项

Digi×developed 的估计系数可以看出，数字经济发

展更有利于提升城市对发达国家的出口韧性。

为了进一步证明目的国数字经济发展水平

能够影响数字经济发展对城市出口韧性的作用

效果，本文以目的国互联网用户平均带宽作为该

国数字经济发展水平的代理变量，记作 jDigi，数

据来自国际电信联盟（ITU），将交互项 Digi×jDigi

纳入模型进行回归，结果见表 7 的（2）列。通过交

互项 Digi×jDigi 的系数可以看出，数字经济发展

更有利于提升城市对数字经济发展水平高的国

家的出口韧性。

随着地缘政治问题突显，出口会受到出口目的国政局变化、贸易制裁、腐败等行为的影响，出口目的国政

局不稳会加大信息不对称度，城市通过数字技术获取目的国需求信息将会变得更加困难。那么数字经济发

展是否会因出口目的国的政治风险不同而对城市出口韧性产生差异化影响？因此，本文采用国际国家风险

指南（ICRG）中公布的世界各国政治风险指数来衡量目的国政治风险，记作 policy，该评价指数由 12 个分指标

构成，本文通过将分指标加总得到各国政治风险得分，得分越高，政治风险越低。接下来将交互项 Digi×

policy 纳入模型进行回归，结果见表 7 的（3）列，说明目的国政治风险越低，数字经济发展推动城市出口韧性

升级的作用越大。

五、机制检验

基于前文分析，本文认为数字经济发展能够通过贸易成本节约效应、创新能力升级效应和创业活力提升

效应来推动城市出口韧性升级，为了检验上述机制，设定如式（20）调节效应模型。

rescijt = β0 + β1Digict + β2 Mct + β3Digict × Mct + β4Controls + μcij + ηt + εcijt （20）

其中：M 为调节变量，本文重点关注的是交互项 Digi×M 的系数 β3。

（一）贸易成本节约效应

考虑到城市面临的出口贸易成本难以通过城市的特征变量进行刻画，所以本文采用间接手段，通过考察

城市贸易成本降低的具体表现来解答这一问题。第一，贸易成本下降有助于提升买卖双方的供需匹配效率，

表 7 出口目的国异质性分析

变量

Digi

Digi×developed

Digi×jDigi

Digi×policy

常数项

控制变量

城市‑产品‑目的国固定效应

年份固定效应

样本量

R2

发达国家

（1）

res

0.143（0.161）

0.451***（0.113）

4.001**（1.798）

控制

控制

控制

3229653

0.642

数字经济发展

（2）

res

0.362**（0.146）

0.041**（0.017）

-9.454***（1.667）

控制

控制

控制

2799667

0.648

政治风险

（3）

res

0.380**（0.156）

0.004（* 0.003）

5.952***（1.979）

控制

控制

控制

2616863

0.644

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、

1% 水平上显著。

表 6 城市异质性分析

变量

Digi

Digi×eastern

Digi×first

Digi×finance

Digi×egov

Digi×DFIIC

Digi×ip

常数项

控制变量

城市‑年份‑目的国固定效应

年份固定效应

样本量

R2

东部城市

（1）

res

0.448（* 0.218）

0.959***（0.230）

5.452***（1.762）

控制

控制

控制

3229653

0.642

数字经济一线

（2）

res

0.010（0.274）

0.477（* 0.246）

5.987***（1.708）

控制

控制

控制

3229653

0.642

财政支出水平

（3）

res

0.216（0.182）

0.210**（0.082）

6.048***（1.674）

控制

控制

控制

3229653

0.642

电子政务绩效

（4）

res

0.307**（0.126）

0.004**（0.002）

-5.990***（1.993）

控制

控制

控制

2706532

0.649

数字普惠金融

（5）

res

0.515（0.378）

0.002**（0.001）

1.995（1.347）

控制

控制

控制

2412031

0.659

知识产权保护

（6）

res

0.326（* 0.195）

0.002***（0.001）

6.198***（1.458）

控制

控制

控制

3229653

0.643

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、1% 水平上显著。

77

技术经济 第 42 卷 第 9 期

使贸易订单更容易建立，这增加了产品的通关次数，即贸易成本越低，产品通关次数越多。遵循这一思路，参

考岳云嵩和李兵（2018）的做法，采用城市层面 HS6 位码产品出口通关次数的对数（cusnum）进行表征。第二，

贸易成本下降也意味着国际市场上的潜在需求得以激活，城市不但能够与更多的贸易伙伴建立贸易关系，而

且能够向距离更远的国家或地区出口以扩大城市的出口市场范围。因此，本文采用以下两种方式反映贸易

成本的变化，一是利用城市出口贸易伙伴数量的对数（partnernum）来表示贸易成本，贸易成本越低，城市搜寻

新贸易对象的能力越强；二是利用城市平均出口距离的对数（meandist）来表征贸易成本，贸易成本越低，平均

出口距离越远。同时，本文进一步参考了范鑫（2021）的做法，以各年各城市对不同国家的出口额占当年地区

出口总额的比重作为权重，计算出各城市出口加权平均距离（weighted‑meandist）作为贸易成本的代理变量。

其中，城市产品通关次数和出口贸易伙伴数量根据中国海关数据库计算得出，地理距离数据来自法国国际经

济研究中心（CEPII）数据库。由表 8 的（1）~（4）列可得，调节项 Digi×M 的系数分别为 0.217、2.521、22.985 和

0.140，并且均通过了 1% 水平的统计显著性检验，验证了本文的假说 1，即数字经济发展能够降低城市的贸易

成本，进而有助于城市出口韧性升级。

表 8 机制分析结果

变量

Digi

Digi×M

cusnum

partnernum

meandist

weighted‑meandist

innum

innqua

inneff

enscore

enavg

常数项

控制变量

城市‑产品‑目的国

固定效应

年份固定效应

样本量

R2

贸易成本节约效应

产品出口

通关次数

（1）

res

0.365**

（0.150）

0.217***

（0.063）

0.113***

（0.023）

6.353***

（1.399）

控制

控制

控制

3229653

0.643

贸易伙伴

数量

（2）

res

0.248

（0.158）

2.521***

（0.841）

0.559**

（0.263）

5.988***

（1.752）

控制

控制

控制

3229653

0.642

平均出口

距离

（3）

res

0.438***

（0.167）

22.985***

（6.144）

3.723***

（1.190）

5.883***

（1.626）

控制

控制

控制

3229653

0.642

加权平均

出口距离

（4）

res

0.332***

（0.125）

0.140***

（0.034）

0.163**

（0.064）

6.825***

（1.497）

控制

控制

控制

3229653

0.643

创新能力升级效应

创新数量

（5）

res

0.260

（0.163）

0.175***

（0.058）

0.035

（0.021）

6.248***

（1.679）

控制

控制

控制

3229396

0.642

创新质量

（6）

res

0.385**

（0.170）

0.110**

（0.055）

0.030

（0.029）

6.111***

（1.772）

控制

控制

控制

3229396

0.642

创新效率

（7）

res

0.462***

（0.163）

2.636*

（1.425）

0.383*

（0.223）

6.021***

（1.772）

控制

控制

控制

3229396

0.642

创业活力提升效应

新建企业

（8）

res

0.289*

（0.162）

0.015*

（0.008）

0.001

（0.001）

5.930***

（1.761）

控制

控制

控制

3229653

0.642

人口法

（9）

res

0.265

（0.168）

0.085***

（0.026）

0.008

（0.014）

6.359***

（1.924）

控制

控制

控制

3229653

0.643

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示在 10%、5%、1% 水平上显著。

（二）创新能力升级效应

本文从创新数量、创新质量和创新效率三方面综合考察城市创新能力，首先选用城市当年专利授权数的

对数值（innum）表征城市创新能力。其次，考虑到在专利中发明专利的技术含量更高，所以选取城市发明专

利授权数的对数值（innqua）来衡量城市创新质量。最后，关于城市创新效率，采用城市当年专利授权数与财

政科学支出之比（inneff）衡量将交互项纳入模型进行回归，发明专利数据均来自于中国研究数据服务平台

（CNRDS）。从表 8 的（5）~（7）列可得，调节项 Digi×M 的系数 β2 分别为 0.175、0.110 和 2.636 并通过了统计显

78

苏 杭等：数字经济发展提升了城市出口韧性吗

著性检验，验证了本文的假说 2，即数字经济发展增强了城市的创新能力，进而有助于城市提升出口韧性。

（三）创业活力提升效应

本文首先选用中国区域创新创业指数（IRIEC）中的“新建企业数量得分”分项指标来表征城市创业活

力，记作 enscore。另外，还参考白俊红等（2022）的做法，采用“人口法”，即城市每百人新建企业数表征城市创

业活力，记作 enavg，数据来源于爱企查数据库。从表 8 的（8）列、（9）列可得，调节项 Digi×M 的系数 β2 分别为

0.015 和 0.085 并通过了统计显著性检验，验证了本文的假说 3，即数字经济发展能够激发城市创业活力，进而

有助于城市出口韧性提高。

六、进一步分析：基于外部不确定性冲击背景的再考察

2008 年金融危机至今，拥有前所未见的频度和强度的外部冲击不断干扰着我国经济的平稳运行。中国

宏观经济形势分析与展望课题组（2022）认为，当前世界经济已经进入了外部冲击频发期，从全球视角看，国

际经济社会将变得更加动荡。因而，经济体的韧性和经济主体的应对能力将在充满不确定性的全球经济发

展环境中经受更加严苛的考验。因此在不确定性冲击迁延不断的背景下数字经济能否持续提升城市出口韧

性有待进一步探讨。为此，在本部分，本文将对外部不确定性冲击进行量化并构建交互效应模型，尝试对该

问题进行解答，模型设定如下：

rescijt = β0 + β1Uncert + β2Digict + β3Digict ×

Uncert + β4Controls + μcij + ηt + εcijt （21）

其中：rescijt为出口韧性；Uncert 为城市出口面临的外部不

确定性冲击水平；Digict为城市数字经济发展水平；Digict×

Uncert 为本文重点关注的数字经济发展与外部不确定性

冲击水平的交互项；β 为估计系数。

本文根据沈昊旻等（2021）的研究，采用中国贸易救

济信息网提供的全球涉华贸易救济案件数的对数（lntput

）

来表征城市面临的贸易政策不确定性冲击，此外将涉华

救济案件细分为反倾销、反补贴和保障措施，分别统计各

类救济案件的数量并将其以对数形式纳入模型中进行稳

健性检验，记作 lnad、lncv 和 lnsg。值得注意的是，lntput是

中国国家层面的变量，直接控制时间固定效应将会导致

lntput与固定效应完全共线而使其无法识别，因此通过加

入国内生产总值和货币供应量的增速作为控制变量以控

制宏观层面的影响因素。

基于不确定性冲击背景的再考察结果列示在表 9 中，

可见不确定性冲击的确会减弱城市的出口韧性；但是聚

焦城市数字经济发展与不确定性冲击的交互项，可以发

现，不同类型的冲击与城市数字经济发展水平的交互项

系数均显著为正，说明在不确定性冲击背景下，数字经济

发展能够平抑外部不确定性冲击带来的风险，提升城市

出口韧性，再次有效地论证了数字经济在城市面临外部冲击时作为出口贸易“稳定器”和“新引擎”的有效性。

七、结论和政策建议

面对全球经济增速放缓、贸易局势紧张带来的巨大负面冲击，城市作为我国开放经济下对外经贸活动的

主力军，其出口韧性对我国稳住外贸基本盘、促进外贸“稳中提质”至关重要。为此，本文基于 2009—2016 年

中国城市和海关数据，分析了数字经济发展与城市出口韧性二者之间的联系及内在的作用机制。主要研究

结论为：第一，数字经济发展有效促进了城市出口韧性升级，且经过稳健性检验和内生性处理后的结论也支

持了这一观点。第二，异质性分析表明，数字经济发展对城市出口韧性的作用效果因地区、出口目的国的性

表 9 基于不确定性冲击背景的再考察

变量

Digi

lntpu

lnad

lncv

lnsg

Digi×lntpu

Digi×lnad

Digi×lncv

Digi×lnsg

常数项

控制变量

宏观控制变量

城市‑产品‑目的国固定效应

样本量

R2

（1）

res

0.385**

（0.170）

-0.487***

（0.034）

0.754***

（0.107）

5.998***

（0.960）

控制

控制

控制

3229653

0.641

（2）

res

0.496***

（0.157）

-0.439***

（0.030）

0.473***

（0.084）

5.280***

（0.981）

控制

控制

控制

3229653

0.641

（3）

res

0.399***

（0.146）

-0.142***

（0.020）

0.523***

（0.086）

2.306**

（1.136）

控制

控制

控制

3229653

0.641

（4）

res

0.453**

（0.188）

-0.111***

（0.021）

0.199***

（0.061）

4.560***

（1.358）

控制

控制

控制

3229653

0.640

注：括号内为聚类到城市层面的稳健标准误；*

、**、***分别表示

在 10%、5%、1% 水平上显著。

79

技术经济 第 42 卷 第 9 期

质而异。第三，机制分析表明，数字经济发展有助于降低城市贸易成本、提升城市创新能力和增强城市创业

活力进而增强城市出口韧性。第四，进一步分析表明，外部不确定性冲击背景下，数字经济能够熨平风险，持

续推动城市出口韧性提升。

本文的研究结论对城市抓牢新一轮科技革命机遇，大力发展数字经济，在不确定性加剧背景下实现“稳

出口”有着重要的政策含义：

第一，进一步发掘数字经济提高城市出口韧性的潜能。研究结论表明，数字经济发展能够通过降低城市

贸易成本、提升城市创新能力和创业活力来推动城市出口韧性升级。因此在国家大力推动数字经济发展的

背景下，政府应在提升数字经济发展水平的同时，着重培育城市数字经济发展的贸易成本节约效应、创新效

应及创业效应。具体而言，地方政府应继续推动出口企业的数字技术运用和推广，一方面要提高信息沟通的

效率和质量；另一方面要在数字综合服务、仓储运输和数字通关上下功夫，借助数字化手段和工具，进一步降

低贸易成本。而且，地方政府可以在研发端加大数字经济人才引进力度和数字研发投入规模，进一步加强数

字经济专业人才培养，着重突破能够带来比较优势的核心技术，在生产端继续鼓励传统产业实现数字化转

型，进行数字创新。更进一步地，地方政府要继续利用数字平台为新创企业提供孵化空间，落实税收优惠、普

惠金融等创业支持政策，降低创业者的信息获取难度和创业成本。

第二，充分考虑数字经济发展在不同情境下对城市出口韧性作用的差异性表现。研究发现，数字经济发

展对城市出口韧性的作用效果因城市区位和政府治理效能而存在差异。因而，应当注意到当前我国数字经

济发展尚未摆脱胡焕庸线的束缚，如中西部数字基础设施建设力度不足、数字经济赋能力度不高的现实，所

以需要进一步弥合区域间的数字鸿沟，在继续发挥东部城市及数字经济一线城市的示范作用的同时，着重通

过加强数字经济新基建建设和数字经济新企业培育的手段带动中西部城市数字经济发展。对地方政府而

言，应完善协商机制、加强信息共享以提升政府治理效能，同时也应进一步提升政府数字关注度，抓住数字经

济发展机遇。此外，研究发现，数字经济发展对城市出口韧性的作用效果也取决于目的国经济发展水平和政

治风险。因此，地方政府在进行出口决策时要利用数字技术对贸易伙伴的政治风险和经济发展状况做充分

的调查，利用大数据分析城市出口比较优势和面临的外贸环境，“因城施策”地制定出口计划。

参考文献

［ 1］ 白俊红，张艺璇，卞元超，2022. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证

据［J］. 中国工业经济，（6）：61‑78.

［ 2］ 陈安平，2022. 集聚与中国城市经济韧性［J］. 世界经济，45（1）：158‑181.

［ 3］ 范黎波，郝安琪，吴易明，2022. 制造业企业数字化转型与出口稳定性［J］. 国际经贸探索，38（12）：4‑18.

［ 4］ 范鑫，2021. 数字经济与出口：基于异质性随机前沿模型的分析［J］. 世界经济研究，（2）：64‑76.

［ 5］ 郭继文，马述忠，2022. 目的国进口偏好差异化与中国跨境电子商务出口——兼论贸易演变的逻辑［J］. 经济研究，57

（3）：191‑208.

［ 6］ 韩先锋，宋文飞，李勃昕，2019. 互联网能成为中国区域创新效率提升的新动能吗［J］. 中国工业经济，（7）：119‑136.

［ 7］ 何树全，赵静媛，张润琪，2021. 数字经济发展水平、贸易成本与增加值贸易［J］. 国际经贸探索，37（11）：4‑19.

［ 8］ 贺灿飞，陈韬，2019. 外部需求冲击、相关多样化与出口韧性［J］. 中国工业经济，（7）：61‑80.

［ 9］ 贺灿飞，夏昕鸣，黎明，2019. 中国出口贸易韧性空间差异性研究［J］. 地理科学进展，38（10）：1558‑1570.

［10］ 胡昭玲，高晓彤，2022. 企业贸易网络对出口恢复的影响研究［J］. 世界经济，45（5）：113‑136.

［11］ 黄群慧，余泳泽，张松林，2019. 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，（8）：

5‑23.

［12］ 姜帅帅，刘慧，2021. 危机冲击下全球价值链嵌入对企业出口韧性的“双刃剑”效应［J］. 国际商务（对外经济贸易大学

学报），（1）：1‑17.

［13］ 金祥义，施炳展，2022. 互联网搜索、信息成本与出口产品质量［J］. 中国工业经济，（8）：99‑117.

［14］ 刘洪愧，2022. 不确定冲击下中国企业出口能力研究［J］. 经济研究，57（10）：103‑120.

［15］ 刘慧，綦建红，2021. 外需冲击下多元化策略如何影响企业出口韧性［J］. 国际经贸探索，37（12）：4‑19.

［16］ 吕明元，张旭东，苗效东，2021. 中国数字经济发展的分布动态、区域差异及收敛性研究［J］. 技术经济，40（11）：

46‑61.

［17］ 沈昊旻，程小可，宛晴，2021. 对华反倾销抑制了企业创新行为吗［J］. 财贸经济，42（4）：149‑164.

［18］ 施炳展，李建桐，2020. 互联网是否促进了分工：来自中国制造业企业的证据［J］. 管理世界，36（4）：130‑149.

［19］ 田杰棠，张春花，2023. 数字经济与实体经济融合的内涵、机理与推进策略［J］. 技术经济，42（1）：25‑33.

80

苏 杭等：数字经济发展提升了城市出口韧性吗

［20］ 王文宇，任卓然，李伟，等，2021. 贸易壁垒、市场相关多样化与城市出口韧性［J］. 地理研究，40（12）：3287‑3301.

［21］ 魏昀妍，龚星宇，柳春，2022. 数字化转型能否提升企业出口韧性［J］. 国际贸易问题，（10）：56‑72.

［22］ 魏昀妍，岳文，韩剑，2023. 区域贸易协定与企业出口韧性［J］. 当代财经，（4）：106‑117.

［23］ 袁 淳 ，肖 土 盛 ，耿 春 晓 ，等 ，2021. 数 字 化 转 型 与 企 业 分 工 ：专 业 化 还 是 纵 向 一 体 化［J］. 中 国 工 业 经 济 ，（9）：

137‑155.

［24］ 岳云嵩，李兵，2018. 电子商务平台应用与中国制造业企业出口绩效——基于“阿里巴巴”大数据的经验研究［J］. 中

国工业经济，（8）：97‑115.

［25］ 张 鹏 杨 ，刘 维 刚 ，唐 宜 红 ，2023. 贸 易 摩 擦 下 企 业 出 口 韧 性 提 升 ：数 字 化 转 型 的 作 用［J］. 中 国 工 业 经 济 ，（5）：

155‑173.

［26］ 张昕蔚，2019. 数字经济条件下的创新模式演化研究［J］. 经济学家，（7）：32‑39.

［27］ 张勋，万广华，张佳佳，等，2019. 数字经济、普惠金融与包容性增长［J］. 经济研究，54（8）：71‑86.

［28］ 赵涛，张智，梁上坤，2020. 数字经济、创业活力与高质量发展——来自中国城市的经验证据［J］. 管理世界，36

（10）：65‑76.

［29］ 中国宏观经济形势分析与展望课题组，汤铎铎，刘磊，等，2022. 外部冲击频发期的宏观经济政策空间［J］. 经济学动

态，（5）：3‑14.

［30］ ALBERTOS A C，ELENI H，YANNIS H A，2014. Success factors of internet use for exporting by Greek companies during

the period of the financial crisis［J］. MIBES TRANSACTIONS International Journal，8（1）：13‑30.

［31］ BARNEY J，1991. Firm resources and sustained competitive advantage［J］. Journal of Management，17（1）：99‑120.

［32］ CHEN Y，FAN Z，GU X，et al，2020. Arrival of young talent：The send‑down movement and rural education in China［J］.

American Economic Review，110（11）：3393‑3430.

［33］ CLARKE G R G，2008. Has the internet increased exports for firms from low and middle‑income countries？［J］. Information

Economics and Policy，20（1）：16‑37.

［34］ EPPINGER P S，MEYTHALER N，SINDLINGER M M，2018. The great trade collapse and the Spanish export miracle：

Firm‑level evidence from the crisis［J］. The World Economy，41（2）：457‑493.

［35］ FREUND C L，WEINHOLD D，2004. The effect of the Internet on international trade［J］. Journal of international

economics，62（1）：171‑189.

［36］ HAYAKAWA K，MUKUNOKI H，URATA S，2021. Can e‑commerce mitigate the negative impact of COVID-19 on

international trade？［J］. The Japanese Economic Review，（1）：1‑18.

［37］ HE C，CHEN T，ZHU S，2021. Do not put eggs in one basket：Related variety and export resilience in the post‑crisis era

［J］. Industrial and Corporate Change，30（6）：1655‑1676.

［38］ HOLLING C S，1973. Resilience and stability of ecological systems［J］. Annual Review of Ecology and Systematics，（1）：

1‑23.

［39］ KHALID S，BHATTI K，2015. Entrepreneurial competence in managing partnerships and partnership knowledge exchange：

Impact on performance differences in export expansion stages［J］. Journal of World Business，50（3）：598‑608.

［40］ MARTIN R，SUNLEY P，2015. On the notion of regional economic resilience：Conceptualization and explanation［J］.

Journal of Economic Geography，15（1）：1‑42.

［41］ MARTIN R，2012. Regional economic resilience，hysteresis and recessionary shocks［J］. Journal of Economic Geography，

12（1）：1‑32.

［42］ MELITZ M，HELPMAN E，MARIN D，2007. The dynamics of firm‑level adjustment to trade liberalization［J］. The

Organization of Firms in a Global Economy，（4）：107‑144.

［43］ MENA C，KARATZAS A，HANSEN C，2022. International trade resilience and the Covid-19 pandemic［J］. Journal of

Business Research，138（1）：77‑91.

［44］ MUÑOZ‑BULLÓN F，SÁNCHEZ‑BUENO M J，VOS‑SAZ A，2015. Nascent entrepreneurs’personality attributes and the

international dimension of new ventures［J］. International Entrepreneurship and Management Journal，（11）：473‑492.

［45］ NUNN N，QIAN N，2014. US food aid and civil conflict［J］. American Economic Review，104（6）：1630‑1666.

［46］ RAUCH J E，1999. Networks versus markets in international trade［J］. Journal of International Economics，48（1）：7‑35.

［47］ REGGIANI A，DE GRAAFF T，NIJKAMP P，2002. Resilience：An evolutionary approach to spatial economic systems［J］.

Networks and Spatial Economics，（2）：211‑229.

［48］ SCHUMPETER J A，1939. Business cycles［M］. New York：Mcgraw‑hill，65‑131.

［49］ VAN DEN BERG M，JAARSMA M，2017. What drives heterogeneity in the resilience of trade：Firm‑specific versus

regional characteristics［J］. Papers in Regional Science，96（1）：13‑32.

81

技术经济 第 42 卷 第 9 期

Does the Development of Digital Economy Improve the Export Resilience of Cities

Su Hang，Lu Xiaotong

（College of International Economic and Trade，Dongbei University of Finance and Economics，Dalian 116025，Liaoning，China）

Abstract：Facing the slowdown of global economic growth and trade tensions，the digital economy has bucked the trend and played the

role of a“stabilizer”in the trade sector. Based on the data of China’s cities and customs，the relationship between digital economy

development and cities’export resilience was examined. The results reveal that the development of the digital economy helps to

improve the resilience of cities’export，and the subsequent robustness test and endogenous processing conclusions also support this

view. The results of heterogeneity analysis show that the effect of digital economic development on cities’export resilience varies with

city location and government governance effectiveness，economic development level and political risk of export destination countries.

Mechanism analysis shows that the development of the digital economy can enhance the resilience of cities’export by reducing trade

costs，improving innovation capabilities，and enhancing entrepreneurial activity. Further research has found that in the context of

external uncertainty shocks，the digital economy can stabilize risks and continuously improve the cities’export resilience. It clarifies

the mechanism by which the development of the digital economy enhances the resilience of cities’exports，and the research

conclusions provide policy inspirations for cities to promote trade“seek progress while maintaining stability”and achieve high‑quality

trade development under the background of complex and ever‑changing world political and economic situations.

Keywords：digital economy；export resilience；trade costs；innovation capability；entrepreneurial activity

82

第 42 卷 第 9 期 技 术 经 济 2023年 9 月

余娟娟等：

中国高技术行业出口网络地位及影响因素分析

余娟娟，吴俊豪，万顺瑜

（中南财经政法大学 经济学院，武汉 430073）

摘 要：基于 WIOD2016 的数据，利用出口增加值核算和社会网络分析方法对中国高技术细分行业（r17，r12，r21）出口网络地

位进行了可视化分析，并利用跨国数据实证考察了一国高技术行业出口网络地位的影响因素。得出结论如下：①全球高技术

产业出口网络均呈现出“互惠性低、中心势高”的非均衡特征，这不利于全球高技术产业的经贸关系朝互利互惠的方向发展；

②中国在计算机/电子/光学设备制造业（r17）最终产品出口网络中的地位攀升较快，由 2000 年的“末梢”地位上升到 2014 年的

“绝对核心”地位；③相比 r17 行业，中国在医药产品/医药制剂业（r12）和船舶/航空航天/其他运输设备制造业（r21）的最终产品

和中间产品出口网络中仍然处于“边缘”与“半边缘”地位；④跨国面板回归显示，信息基础设施的改善、物质资本积累、研发投

入和人力资本的增加会显著促进节点国家网络地位的提升，但贸易开放度和投资开放度的提高并不能显著促进节点国家在全

球高技术行业出口网络中地位的攀升。

关键词：高技术行业；出口增加值；网络地位；社会网络分析（SNA）；影响因素

中图分类号：F7 文献标志码：A 文章编号：1002—980X（2023）9—0083—14

一、引言

自 2001 年底中国加入世贸组织以来，中国进出口贸易发展呈现出外延式和内涵式增长的特征，不仅在

进出口贸易规模上取得了突飞猛进的发展，在对外贸易结构上也呈现出日趋高级化的特征。20 世纪 90 年代

初，中国由于缺乏核心技术，其高科技出口仅占全球总量的 0.6% 左右，大量的高科技需求需要靠进口来满

足。但经过 30 多年的发展，中国高科技产品出口在总量上已经远超欧、美等发达国家和地区，2005 年首次超

越美国后就一路领跑，稳居高科技出口世界第一的位置，占全球高科技出口总量的比重也高达 25%。

但值得注意的是，从全球价值链分工的视角来看，以海关统计的高科技产品出口及其份额并不能完全客

观地真实反映出中国出口技术进步的全貌。一方面，是因为在全球价值链分工下，“中间产品贸易”的盛行使

得中国高科技产品的出口可能包含了大量的“国外成分”（foreign content），尤其是对中国这样的加工大国而

言，类似于智能手机、iPad 平板等高科技产品出口隐含了大量的国外进口中间产品的价值。以生产一部

iPhone 手机为例，极有可能是由中国进口高端零部件在国内简单加工组装而成，其核心技术仍然被位于美国

加州的苹果公司所掌控，并因此获得 58.8% 的利润份额，中国只负责产品劳动力密集型环节的生产，获得的

利润不足 2%（Kraemer et al，2011）。在这种情况下，如果继续基于最终产品为对象或以出口总值为核算标

准对中国出口技术进步进行评估则可能产生严重的“统计假象”问题，造成对中国高技术行业出口竞争力的

误读。另一方面，高技术产业是一种高度国际的产业，其精细化生产会涉及错综复杂的多边投入产出关系，

单纯地进行总量层面的分析可能会产生“只见树木不见森林”的问题，并不能站在世界贸易全局的视角去把

握中国高技术产业在全球产业网络中的地位及竞争力。为此，本文在全球价值链的分析框架下，结合出口增

加值 WWZ（2013）的测算方法和社会网络分析方法（SNA）对我国高技术行业出口网络地位进行客观测度和

可视化分析，并运用跨境数据对高技术行业出口网络地位的影响因素进行实证分析。具体而言，本文的研究

工作主要围绕以下两个核心问题展开：第一，如何科学客观地认识中国高技术行业在全球生产网络中的竞争

地位？第二，中国高技术行业的国际地位的影响因素有哪些？可以进一步从哪些方面发力以提升中国高技

术行业的国际竞争地位？

收稿日期：2022‑12‑24

基金项目：国家社会科学基金一般项目“贸易摩擦对我国出口企业技术创新的影响及突围路径研究”（20BJL053）

作者简介：余娟娟，博士，中南财经政法大学经济学院副教授，研究方向：国际贸易学；吴俊豪，中南财经政法大学经济学院硕士

研究生，研究方向：世界经济；万顺瑜，硕士，中南财经政法大学经济学院，研究方向：国际商务。

83

技术经济 第 42 卷 第 9 期

在中美贸易战及全球价值链重构的背景下，对以上问题的研究无疑具有较强的现实意义和理论意义。

从现实意义上看，测算结果有利于客观认识和动态把握中、美等国在全球高技术行业中的网络地位及角色特

征，进而有助于深层次地认识当前中美贸易战及科技战；另外，本文对高技术行业网络地位影响因素的分析，

有助于从跨国层面识别有利于中国高技术行业出口竞争力提升的内在因素，为进一步提升我国高技术行业

出口竞争力提供经验启示。从理论意义上看，本文基于出口增加值网络评估高技术行业出口竞争力，有利于

克服贸易总值下传统指标的估计偏误，基于社会网络分析方法进行产业竞争力评估既是对社会网络分析方

法的拓展性应用，也是对高技术产业国际竞争力评估方法的理论补充。

二、文献综述

关于中国高技术行业出口竞争力的解读一直是学术界研究的热点问题之一。相关研究大致可以分为以

下两类：一类是基于中国出口整体测算中国出口技术含量或是中国出口技术度等指标的相关文献。国外研

究，如 Rodrik（2006）基于出口技术复杂的测算结果得出，中国出口技术复杂度大约等于三倍于其人均收入水

平的国家，被称之“Rodrik 悖论”。Schott（2008）也利用出口结构相似度指数测算的结果显示，中国 1972—

2001 年的出口商品的技术结构与经合组织（OECD）中许多高收入水平的国家出口商品技术结构非常相似，

且这种高度相似日益显著。这些研究文献尽管在测算指标上不尽相同，但得出的结论一致认为，中国的出口

技术结构已经步入发达国家之列。但国内大多数学者认为，由于“产品内分工”及“全球价值链分工”的发展，

中间产品贸易的快速发展使得中国出口产品中包含了较多的“国外充分”，中国出口技术含量的测算必须剔

除国外中间产品投入的增加，否则就可能虚夸中国的出口产品的技术含量（姚洋和张晔，2008）。为此，姚洋

和张晔（2008）在剔除国外中间产品增加值的基础上对中国出口产品技术含量进行了重新测算，发现中国出

口技术含量迅速下降，大约只有之前水平的三分之一。类似的文献还有 Johnson 和 Noguera（2012）、余娟娟和

佘群芝（2014）等。这些学者的研究结论一致认为，中国作为全球价值链分工中的下游环节，其出口结构中包

含了大量的“外国成分”，这些外国成分可能导致中国出口技术含量被大大高估。

另一类是聚焦于高技术产业本身研究高技术行业的出口竞争力及分工地位的相关文献。由于全球价值

链下高技术行业的出口同样可能存在“统计假象”的问题，因此，当前主流研究文献大多是在考虑了全球价值

链中“贸易折返”和“重复计算”等问题的基础上展开研究。例如，黄先海和杨高举（2010）在关注出口总额所

导致的统计假象问题的基础上，利用非竞争型投入产出模型分测算了各国高技术产业的分工地位，结论显

示，中国高技术产业的分工地位从 1995 年以来因为劳动生产率的明显进步而快速提高，但与主要发达国家

相比仍有较大差距，还不具备挑战世界高技术产业领先地位的实力。尹伟华（2016）基于世界投入产出数据

库（WIOD），利用最新的出口增加值核算方法对中国高技术产业的全球价值链（GVC）进行分解进而分析了中

国高技术产业在全球价值链中的地位演变，其结论显示中国高技术产业位于全球价值链中相对下游位置，且

具有明显的阶段性特征。此外，还有少数学者聚焦于高技术产业中某个特定的行业进行研究。例如，杜传忠

和张丽（2013）研究了高技术行业中交通运输和通用设备制造业的国内技术复杂度；林桂军等（2015）基于

GVC 的分析框架比较了中国和日德美在“装备制造业”的参与地位指数；沈玉良和彭羽（2018）以电子产品中

的智能手机为例，基于全球价值链下智能手机的中间品模块化特征，测度比较了我国本土品牌与国外品牌手

机产品的技术复杂度；蔡跃洲和牛新星（2021）基于贸易增加值核算方法，利用 2000—2014 年世界投入产出

数据测算了中国信息通信技术（ICT）产业的比较优势指数和技术含量水平；李光勤等（2022）基于社会网络方

法专门分析 ICT 产业的出口贸易网络特征及影响因素。

社会网络分析（social network analysis，SNA）方法作为分析网络结构与节点间相互关系的分析方法，不仅

可以考察国家之间的贸易模式与贸易关系，还可以分析整个网络结构特征，因此被越来越多地应用到国际贸

易领域（如 Fagiolo et al，2008；Zhou et al，2016；耿伟等，2022；吕越等，2023）。余娟娟和龚同（2020）等用社会

网络的分析方法，基于多边投入产出模型可视化分析了全球碳排放网络；何文彬和桂璐（2022）、王志娟等

（2022）分别利用社会网络分析方法考察了“一带一路”沿线国家制造业贸易网络及农产品出口网络；姚星等

（2018）结合全球价值链下出口总值的分解方法（WZZ，2013）对全球制造业和服务业的增加值网络进行了可

视化分析。曲如晓和李婧（2020）基于社会网络分析的方法考察了我国高科技产品的贸易网络特征及中国地

84

余娟娟等：中国高技术行业出口网络地位及影响因素分析

位，但其贸易流量仍然基于传统贸易统计方法，忽略了全球价值链下“贸易折返”和“重复计算”的问题。类似

的研究还有钟祖昌等（2022）。

总的来说，当前学术界解读我国出口技术实力的文献有以下趋势：第一，必须考虑全球价值链的影响，更

多地立足于增加值的视角或价值链的视角用更加客观的指标去评估中国出口技术结构或是高技术行业的真

实竞争力；第二，由于全球价值链分工下，在多边投入产出模型的相关问题研究中，由于各国之间有着错综复

杂的投入产出关系，多边投入产出矩阵大概有 43×56=2408 个国家‑行业对的投入产出关系，传统的描述性统

计很难展示各国之的互动的全貌及个体在全局网络中的变化特征，因此越来越多的学者采用社会网络的分

析方法可视化分析全球价值链下的国家之间的互动关系。

因此，本文综合利用出口增加值 WWZ（2013）核算方法和社会网络分析方法（SNA）对我国高技术行业

出口网络地位进行客观测度和可视化分析，并运用跨境数据对高技术行业出口网络地位的影响因素进行实

证分析。具体而言，相比以往往文献的边际贡献主要体现在以下几个方面：

第一，由于高技术产业是一种高度国际分工的产业，其精细化生产中会涉及大量的中间产品贸易，如果

仅从高技术产品出口总值上看则会出现严重的“统计偏误”问题。因此，本文充分考虑了全球价值链分工的

现实特征，采用 WWZ（2013）贸易增加值的核算方法对高技术行业出口中的国内增加值（domestic value

added，DVA）部分进行了重新测算。

第二，由于中间产品的贸易涉及多国之间错综复杂的贸易流向问题，仅仅通过静态的统计数据无法直观

认识到中国高技术产业出口的相对地位。在出口竞争力的比较中，高技术产业的相对地位比绝对地位的更

具经济意义，为此，本文在测算各国高技术行业出口增加值的基础上，采用社会网络的分析方法（SNA）可视

化地展示了我国高技术行业在全球出口网络中的地位，进而比较性地、动态评估出中国高技术行业的出口竞

争力。

第三，不同于高科技产业的总量研究，本文从高技术产业的三大细分行业（r17，r12，r21）出发进行了更

为细致的考察。因为全球高技术产业具有较强的行业异质性，如果笼统地进行总量分析，可能会存在“混合

偏误”的问题。本文的研究结论也进一步佐证了行业细分考察的必要性。

第四，本文从增加值形成的路径区分了高技术行业中“中间产品”和“最终产品”的出口网络。由于“中间

产品”贸易是全球价值链分工下的典型特征，因此，这种异质性分析有助于全面了解高技术产业参与全球价

值链分工的本质和层次。

三、研究方法及数据

（一）基于 WZZ 的网络建模

多区域投入产出模型（MRIO）可以清晰地反映各国各部门间中间产出和最终消费品的贸易流向和直接

消耗关系，是全球价值链分解和国内增加值测算的重要工具。

本文将参考 Wang 等（2013）的分解方法进行研究。假设有 M 个国家 N 个部门，每个部门只生产一种产

品，这些产品既可以作为中间投入品，也可以作为本国或外国的最终消费品，由 MRIO 可以得到：

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

x 1

x 2

⋮

xm

=

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

Z11 Z12 ⋯ Z1m

Z21 Z22 … Z2m

⋮ ⋮ ⋮

Z m1 Z m2 … Z mm

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

1

1

⋮

1

+

æ

è

ç

ç

ç

ç

ç

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

÷

÷

÷

÷

÷

y 11 +∑i ≠ 1

y 1i

y 22 +∑i ≠ 2

y 2i

⋮

ymm +∑i ≠ m

ymi

（1）

其中：xi 表示国家 i 的总产出，为中间产品∑

j

Zij 与最终产品∑

j

yij 产出之和；Zij ( j ≠ i) 表示国家 i 各生产部门对

国家 j各生产部门中间产品交易矩阵，对角线上的分块矩阵则表示国家 i 各生产部门之间的中间产品交易矩

阵；∑

j

yij表示国家 i的最终产品产出，其中 yii为国内使用部分，∑

j ≠ i

yij是出口部分。

在此基础上，本文定义矩阵 Aij = Zij ( x̂

j) - 1

，因此，式（1）可改写为

85

技术经济 第 42 卷 第 9 期

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

x 1

x 2

⋮

xm

=

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

A11 A12 ⋯ A1m

A21 A22 … A2m

⋮ ⋮ ⋮

A m1 A m2 … A mm

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

x 1

x 2

⋮

xm

+

æ

è

ç

ç

ç

ç

ç

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

÷

÷

÷

÷

÷

y 11 +∑i ≠ 1

y 1i

y 22 +∑i ≠ 2

y 2i

⋮

ymm +∑i ≠ m

ymi

（2）

其中：Aij 的系数为 aij = zij xj

，表示国家 j向国家 i进口的中间产品与国家 j的总产出之比，被称为国家 j对国家

i 的进口直接消耗系数；对角线上的子矩阵 Aii 表示 i 国国内的直接消耗系数矩阵；对角线以外的子矩阵 Aij 表

示国家 j对国家 i进口的直接消耗系数矩阵；( x̂

j)

-1 则表示总产出列向量对角化后的逆。

式（2）进一步变换可以得到：

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

x 1

x 2

⋮

xm

=

æ

è

ç

ç

ç

ç

ö

ø

÷

÷

÷

÷

I - A11 - A12 ⋯ - A1m

- A21 I - A22 … - A2m

⋮ ⋮ ⋮

- A m1 - A m2 … I - A mm

- 1

æ

è

ç

ç

ç

ç

ç

ç

ç

çç

ç

ç

ç

ö

ø

÷

÷

÷

÷

÷

÷

÷

÷÷

÷

÷

÷

∑i

y 1i

∑i

y 2i

⋮

∑i

ymi

（3）

用分块矩阵可进一步简写为

X = (I - A) - 1

Y （4）

令 B = (I - A) - 1

，矩阵 B 即为著名的里昂惕夫逆矩阵。此时参考 WWZ（2013）的分解方法，将一国的总

出口完全分解为 16 个部分：

Es* =∑r ≠ s

G

Esr = Zs* + Ys* =∑r ≠ s

G

Zsr +∑r ≠ s

G

Ysr =( ) VsBss +∑r ≠ s

G

VrBrs +∑r ≠ s

G

∑t ≠ s，r

G

Vt Bts

T

(Zs* + Ys* )=

（VsBss

）T

∑r ≠ s

G

Ysr +(Vs Lss )

T

(∑ ) r ≠ s

G

Asr BrrYrr +(Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s，r

G

Brt Ytt +(Vs Lss )

T

(∑ ) r ≠ s

G

Asr Brr∑t ≠ s，r

G

Yrt +

(Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s，r

G

∑u ≠ s，r

G

Brt Ytu +(Vs Lss )

T

( ) (∑r ≠ s

G

Asr BrrYrs +(Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s，r

G

Brt Yts +

(Vs Lss )

T

(∑ ) r ≠ s

G

Asr BrsYss +(Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s

G

BrsYst +(VsBss - Vs Lss )

T

(∑ ) r ≠ s

G

Asr Xr +

(∑ ) r ≠ s

G

VrBrs

T

Ysr +(∑ ) t ≠ s，r

G

VtBts

T

Ysr +(∑ ) r ≠ s

G

VrBrs

T

( Asr LrrYrr )+

(∑ ) t ≠ s，r

G

Vt Bts

T

( Asr LrrYrr )+(∑ ) r ≠ s

G

VrBrs

T

( Asr LrrEr* )+(∑ ) t ≠ s，r

G

Vt Bts

T

( Asr LrrEr* ) （5）

其中：s 为出口国，r、t、u 为三个不同的进口国；Es* 为 s 国的总出口；Zsr 为 r 国产出中来自 s 国的中间产品投入；

Ysr 表示 r 国产出中来自 s 国最终产品的投入；矩阵 A 表示中间产品直接消耗系数矩阵，矩阵 V = VAs Xs 为增

加值系数矩阵；Lss =（I - Ass

）- 1 表示 s 国的国内里昂惕夫逆矩阵。式（5）中前 5 项和为国内增加值 DVA。根据

研究需要，本文参考 WWZ（2013）的分解方法，将 DVA 进一步细分为三部分：最终产品出口的国内增加值

DVA_Fin、被直接进口国吸收的中间产品的国内增加值 DVA_Int和被直接进口国生产并出口到第三国的中间

产品国内增加值 DVA_Intrex，如式（6）所示。

DVA =（VsBss

）T

∑r ≠ s

G

Ysr + (Vs Lss )

T

(∑ ) r ≠ s

G

Asr BrrYrr + (Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s，r

G

Brt Ytt +

(Vs Lss )

T

(∑ ) r ≠ s

G

Asr Brr∑t ≠ s，r

G

Yrt + (Vs Lss )

T

(∑ ) r ≠ s

G

Asr∑t ≠ s，r

G

u

∑≠ s，r

G

Brt Ytu

（6）

86

余娟娟等：中国高技术行业出口网络地位及影响因素分析

其中：第 1 部分为 DVA_Fin，第 2 部分为 DVA_Int，第 3~5 部分之和为 DVA_Intrex①，分别为不同经济学含义的国

内增加值形式。

（二）数据来源

本文的数据来源于世界投入产出数据库（WIOD）提供的世界投入产出表（WIOT）。WIOD（2016）发布的

世界投入产出序列，涵盖了 2000—2014 年 43 个经济体②和 56 个行业部门（r1~r56）的中间和最终产出数据。

考虑到国际比较的需要，经合组织（OECD）在 2001 年在第三版国际标准产业分类（ISIC Rev3.0）将高技术制

造业定义为以下五类：航天航空、计算机及办公设备、电子及通信设备、医药和专用科学仪器设备制造业。为

此，本文参考黄先海和杨高举（2010）、辛娜和袁红琳（2019）、马晶梅和丁一兵（2019）等的做法，根据 OECD 的

分类标准与 WIOD 数据库中的 56 个行业进行匹配，最终匹配出医药、航空航天及设备、电子及通信设备、计

算机及办公设备、医疗仪器设备及仪器仪表和信息化学制造业作为高技术的细分行业③。在此基础上，进一

步参考马晶梅和丁一兵（2019）将高技术制造业合并为三大行业：基本医药产品和医药制剂制造业（r12）、计

算机/电子/光学设备制造业（r17）和船舶/航空航天/其他运输设备制造业（r21）④。其中，r21 中包含有船舶、航

空航天和未另分类的运输制造业，但由于无法拆分，故将其看作一个整体进行研究。

基于以上方法构建和数据处理的基础上，利用 MATLAB 软件测算出了全球 43 个经济体和 56 个行业的

出口增加值，基于这个全矩阵，可以抽取并合并了三大高技术行业的出口国内增加值（DVA）及出口增加值

DVA 的三个组成部分，这些基础数据全部都是矩阵的形式⑤，无法直观展示。为此，下文将利用社会网络的

分析方法对这些出口增加值的矩阵形进行可视化分析，进而在全局网络中比较中国三大高技术行业的出口

地位和竞争力水平。

四、全球高技术产业网络特征及中国地位

为保证网络的稀疏性及可观测性，分别基于均值门槛的无权网络⑥和 TOP1 等级网络⑦方法进行可视化

分析。

（一）整体网络特征

为了观察全球高技术行业的整体特征，将三大高技术行业的贸易网络进行合并分析。由于门槛均值网

络比较密集，其可视化效果不佳，这里将不再展示网络图，主要报告基于门槛均值网络所得出的网络拓扑属

性，包括网络密度指数、互惠性指数及中心势指数，具体结果见表 1。

基于表 1，可以很好地洞察三种拓扑属性 2000—2014 年的变化趋势特征。首先，从网络密度指标来看，

可以得出如下结论：①2000—2014 年，三种增加值表征下的全球高技术产品出口网络的网络密度呈现出阶

段性变化的趋势，其中 2000—2006 年，高技术行业出口网络的密度指数基本呈现出上升态势，但自 2007 年之

后，三大网络的网络密度指数呈现出持续下降的趋势；这表明自 2007 年美国次贷危机以来，伴随着世界经济

的疲软，全球高科技产业的贸易往来也受到了一定的负面影响；②横向比较，高技术行业最终产品出口网络

的网络密度在 2005 年之前显著大于高技术产业中间产品出口网络的网络密度，但是随着时间的推移，二者

呈现出明显的收敛趋势，这可能是由于随着全球价值链分工的不断深入，中间产品的贸易日益频繁，逐渐超

过了最终产品贸易，这一现象在高技术产品贸易中尤为突出。

① 式（6）从左往右依次为第 1 到第 5 部分。

② 43 个经济体分别为奥地利（AUT）、比利时（BEL）、保加利亚（BGR）、塞浦路斯（CYP）、捷克（CZE）、德国（DEU）、丹麦（DNK）、爱沙尼亚

（EST）、芬兰（FIN）、法国（FRA）、克罗地亚（HRV）、爱尔兰（IRL）、意大利（ITA）、希腊（GRC）、匈牙利（HUN）、卢森堡（LUX）、波兰（POL）、荷

兰（NLD）、立陶宛（LTU）、拉脱维亚（LVA）、马耳他（MLT）、罗马尼亚（ROU）、西班牙（ESP）、葡萄牙（PRT）、斯洛伐克（SVK）、斯洛文尼亚

（SVN）、瑞典（SWE）、澳大利亚（AUS）、巴西（BRA）、加拿大（CAN）、英国（GBR）、瑞士（CHE）、中国（CHN）、印度（IND）、印度尼西亚（IDN）、日

本（JPN）、韩国（KOR）、墨西哥（MEX）、挪威（NOR）、俄罗斯（RUS）、土耳其（TUR）、美国（USA）以及其他地区（ROW）。

③ http：//www.stats.gov.cn/tjsj/tjbz/201812/t20181218_1640081.html.

④ r12、r17 和 r21 分别是三个细分行业在 WIOD 中的的序号，本文将其作为三个细分行业的简称。

⑤ 关于高技术行业出口增加值测算的基础数据备索。

⑥ 本文以一国总出口额为基数，设定一个固定的比率乘以基数作为该国出口关系的门槛值，这种网络的构建方法为比重门槛网络，当比率为

国家数量的倒数，这种比重门槛就是均值门槛，这里在均值门槛的基础上采用二值化处理使其转化为无权网络。

⑦ TOP1 等级网络仅保留一节点在网络中最密切的网络关系来构建关系等级网络，呈树状网络。

87

技术经济 第 42 卷 第 9 期

表 1 高技术制造业整体网络指标

年份

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

最终产品出口网络

DVA‑FIN

密度

0.237

0.235

0.243

0.25

0.251

0.254

0.244

0.243

0.242

0.236

0.224

0.229

0.225

0.215

0.212

互惠性

0.1505

0.1708

0.1801

0.156

0.1436

0.1591

0.164

0.168

0.1811

0.1703

0.156

0.1601

0.1465

0.1509

0.1433

中心势（%）

61.67

62.72

61.67

59.47

58.77

56.39

60.98

61.32

61.90

62.60

61.85

63.53

63.65

65.62

65.97

中间产品直接出口网络

DVA‑INT

密度

0.213

0.221

0.235

0.233

0.245

0.245

0.238

0.246

0.242

0.241

0.23

0.228

0.226

0.215

0.218

互惠性

0.1479

0.1494

0.1585

0.1503

0.1428

0.151

0.1559

0.1558

0.153

0.1534

0.1433

0.1448

0.1365

0.1479

0.152

中心势（%）

63.94

64.46

62.37

62.37

60.63

60.28

61.67

60.16

60.86

60.98

62.72

63.18

63.18

65.62

65.16

中间产品间接出口网络

DVA‑INTrex

密度

0.222

0.226

0.228

0.233

0.243

0.239

0.238

0.246

0.238

0.236

0.223

0.219

0.225

0.215

0.217

互惠性

0.1328

0.1361

0.148

0.1413

0.1377

0.1463

0.1467

0.1555

0.1529

0.1514

0.1388

0.1379

0.1341

0.1374

0.1358

中心势（%）

63.76

63.07

60.80

62.14

60.16

58.71

56.33

60.16

61.79

61.90

63.88

64.46

63.30

65.16

64.81

其次，从网络互惠性指数来看，可以得出如下结论，①横向比较而言，最终产品出口网络的互惠性指数始

终是大于中间产品出口网络的互惠性指数，这说明在高科技领域，以最终产品为对象的贸易互惠性显著大于

以中间产品对象的贸易的互惠性。这主要是由高技术产品高度专业化的垂直化分工所决定的，由于高科技

产品上、下游的产业链之间存在一定的技术差距，基于不同技术环节的中间产品贸易基本被特定的国家所垄

断，因而导致不同环节间的中间产品发生双向贸易的可能性不大，即表现出较低的贸易互惠性；②三大网络

的互惠性指数在整个观察期内均表现出阶段性变化的趋势特征，2003—2007 年互惠性指数逐年上升，但

2007 年以后三大网络的互惠性指数均呈现出逐年下降的趋势，这表明全球高技术出口呈现出单向发展的趋

势，高技术行业的出口收益也更多地偏向于单边国家。

最后，从网络中心势指数，可以得出，三种增加值网络的中心势指数自 2005 年开始均呈现出持续上升的

态势，其中，中间产品间接出口网络的中心势指数上升得最快，这表明全球高技术产品贸易网络存在典型的

“中心‑外围”的非均质特征，且这种非均质特征日益加剧。尤其是在以中间产品为对象的高技术行业出口网

络中，“中心”大国的垄断势力不断增强，而“外围”国家越来越多地被排除在核心中间产品的分工中。随着全

球高技术贸易网络中心势力的不断加强，全球高技术产品的中间核心环节将被少数国家垄断，多数国家被锁

定在低端外围环节。

（二）个体网络特征

为了更直观地分析不同的高技术行业中国家的个体特征及网络地位，这里采用更具稀疏性的 TOP1 网

络考察三大高技术行业贸易网络中的中心国家。

1. 计算机/电子/光学设备制造业（r17）

图 1~图 3 分别展示的 2000 年及 2014 年全球计算机/电子/光学设备制造业（r17）基于最终产品出口、中间

产品直接出口及中间产品间接出口的 TOP1 网络。通过这些可视化网络的比较分析，可以直观地获取以下

信息：

总体上看，全球计算机/电子/光学设备制造业最终产品和中间产品出口的 TOP1 网络在考察年份均呈现

出典型的“双核”或“单核”模式，中心势力主要集中在中国、美国、德国等少数国家。

横向比较来看，中国在 r17 的三类网络中的中心地位均呈现出上升的趋势，尤其是在最终产品出口网络

中，中国由 2000 年的边缘地位逐渐发展到 2014 年的核心中轴。这种演进趋势直观地反映了中国在计算机/

电子/光学设备制造业上实力的快速提升。伴随着全球价值链的发展，中国逐渐替代了 2000 年位处核心地

位的德国、美国和日本，成为当前全球计算机/电子/光学设备制造业出口的中心国家。这也是造成当前中国

成为西方发达国家进行技术围剿的重要原因之一。

但是值得注意的是，中国当前在 r17 的核心地位仍然需要谨慎解读：

首先，从 r17 出口增加值实现的路径来看，2014 年中国 r17 产业最终产品出口实现的出口增加值比重高

达 51.42%，中间产品直接出口和间接出口实现的增加值分别占比 30.75% 和 17.79%。这种增加值分布结构

88

余娟娟等：中国高技术行业出口网络地位及影响因素分析

说明，中国 r17 出口增加值的实现更多的是依靠最终产品出口来实现，中间产品直接出口及间接出口占比

偏少。

从线条指向及粗细来看，中国对美国出口的体量（以线条粗细表示）显著大于对其他国家的线条指向，这

表明中国 r17 最终产品主要出口到了美国，换言之，中国 r17 最终产品出口对美国市场的依赖程度较高。进

一步与德国相比，不难发现，尽管中国 r17 的出口中心度已经超过了德国，但德国 r17 出口的国别分布比较均

衡，中国 r17 最终产品出口的结构则有待进一步优化。

与美国对比而言，尽管美国在 r17 的三种网络中的中心度已经远低于中国了，但是在三种网络中以美国

为“桥梁”的链式关系仍然非常明显，尤其是在 r17 的中间产品出口网络中。此外，基于“中间中心度”指标测

算出来的结果也充分显示，美国在全球 r17 出口网络中的“中间中心度”是始终是最高的，远超中国和德国，

这充分表明美国对 r17 分工中关键资源和中间产品具有绝对的控制能力。

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45 '*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/ ,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135 306

364

47,

47/

48& 563

64\"

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69 -7\"

.&9

.-5

/-% /03

10-

135

306

364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 1 全球计算机/电子/光学设备制造业最终产品出口的 TOP1 网络

\"64

\"65

#&-

#(3

#3\"

$\"/

$)& $)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3- *5\"

+1/

,03

-56

-69

-7\"

.&9

.-5 /-% /03

10-

135

306

364

47,

47/

48&

563

64\"

\"64 \"65

#&-

#(3

#3\"

$\"/

$)/ $)&

$:1

$;&

%&6

%/, &41 &45 '*/

'3\"

(#3

(3$

)37 )6/

*%/ */%

*3-

*5\"

+1/

,03 -56

-69

-7\"

.&9

.-5 /-%

/03

10-

135

306

364

47,

47/ 48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 2 全球计算机/电子/光学设备制造业中间产品直接出口的 TOP1 网络

\"64

#&- \"65

#(3

#3\" $\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/ *%/ */%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364 47,

47/

48&

563

64\"

\"64 \"65

#&-

#3\" #(3

$\"/

$)&

$)/

$:1

$;&

%&6 %/,

&41

&45

'*/

'3\"

(#3

(3$

)6/ )37

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 3 全球计算机/电子/光学设备制造业中间产品间接出口的 TOP1 网络

89

技术经济 第 42 卷 第 9 期

2. 基本医药产品和医药制剂制造业（r12）

图 4~图 6 展示的是基本医药产品和医药制剂制造业（r12）基于最终产品出口所形成的 TOP1 网络，从中

可以看到：

首先，在图 4 最终产品出口网络中，美国和德国 2000—2014 年始终是网络的“双核”中心，尤其是德国，在

2014 年超过了美国成为全球基本医药产品和医药制剂制造业（r12）最终产品的出口的绝对轴心国。相比之

下，中国在 r12 最终产品出口网络中始终处于网“末梢”的位置，尽管 2014 年的 TOP1 网络显示出中国在 r12 最

终产品出口网络中的地位有所上升，但整体仍然处于相对劣势的地位。

\"64 \"65 #&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41 &45

'*/

'3\"

(#3

(3$

)37

)6/

*%/ */%

*3-

*5\"

+1/ ,03

-56

-69 -7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\" \"64

\"65

#&-

#(3

#3\" $\"/

$)&

$)/

$:1 $;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10- 135

306

364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 4 全球医药产品/医药制剂业最终产品出口的 TOP1 网络

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/, &41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

.&9 -7\"

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

\"64

\"65

#&- #(3

#3\"

$\"/

$)&

$)/ $:1

$;&

%&6 %/,

&41 &45

(#3 '3\" '*/

(3$

)37

)6/ *%/ */%

*3-

*5\"

+1/

,03 -56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 5 全球医药产品/医药制剂业中间产品直接出口的 TOP1 网络

\"64 \"65

#&-

#(3

#3\" $\"/ $)&

$)/

$:1

$;& %&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3- *5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/ $:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\" +1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 6 全球医药产品/医药制剂业中间产品间接出口的 TOP1 网络

90

余娟娟等：中国高技术行业出口网络地位及影响因素分析

其次，在图 5 和图 6 的中间产品出口网络中，可以直观地看到，中国在 2014 年逐渐取代了美国，成为全球

基本医药产品和医药制剂制造业（r12）中间产品出口网络的“次中心”位置。这与中国在 r12 最终产品出口网

络的地位格局产生了一定的反差。但这种反差也在某种程度上说明了中国在 r12 产业的国际分工中，更多

的是以中间产品进出口的贸易形式参与国际分工，在该产业最终产品出口上仍然处于相对劣势的地位。

3. 船舶/航空航天/其他运输设备制造业（r21）

图 7~图 9 展示了船舶/航空航天/其他运输设备制造业（r21）基于最终产品和中间产品出口的 TOP1 网络，

可以看到：

对船舶/航空航天/其他运输设备制造业（r21）而言，无论是最终产品出口网络还中间产品出口网络，美国

自始至终始终都处于该行业出口网络的核心地位，且呈现出日趋强化的特征。

\"64

\"65

#&- #(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

\"64

\"65 #&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41 &45 '*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-% /03

10-

135 306

364

47,

47/

48&

563 64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 7 全球船舶/航空航天/其他运输设备制造业最终产品出口的 TOP1 网络

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1 $;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\" .&9

.-5

/-%

/03

10-

135

306

364

47, 47/

48& 563

64\"

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45 '*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-% /03 10-

135

306

364

47,

47/ 48&

563 64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越大，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 8 全球船舶/航空航天/其他运输设备制造业中间产品直接出口的 TOP1 网络

\"64

\"65

#&-

#(3

$\"/ #3\"

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5

/-%

/03

10-

135

306

364

47,

47/

48&

563

64\"

\"64

\"65

#&-

#(3

#3\"

$\"/

$)&

$)/

$:1

$;&

%&6

%/,

&41

&45

'*/

'3\"

(#3

(3$

)37

)6/

*%/

*/%

*3-

*5\"

+1/

,03

-56

-69

-7\"

.&9

.-5 /-% /03

10-

135

306 364

47,

47/

48&

563

64\"

（a）2000 年 （b）2014 年

节点为各个国家，箭头的指向表明高技术产品出口的方向，箭头的粗细反映出口增加值（出口增加值越多，箭头线条越粗）；

节点的面积大小反映高技术产品出口关系的广度（关联的国家越多，节点面积越大）

图 9 全球船舶/航空航天/其他运输设备制造业中间产品间接出口的 TOP1 网络

91

技术经济 第 42 卷 第 9 期

德国和英国在船舶/航空航天/其他运输设备制造业（r21）产业上的竞争优势在不断退化，2014 年已然成

为边缘国家。尽管德国在 r21 最终产品出口网络中的核心地位不容小觑，但在中间产品出口网络中则逐渐

丧失竞争优势。从图 8 和图 9 中可以直观地看到，在 2000 年的 r21 中间产品出口网络中，英国和德国紧随美

国，是 r21 行业中间产品出口第二梯队的国家，但到了 2014 年，这两个国家已沦落为网络“末梢”，这也是变相

地成就了美国成为全球船舶/航空航天/其他运输设备制造业出口中绝对核心的地位。

相比欧美等国，中国在船舶/航空航天/其他运输设备制造业（r21）的最终产品出口和中间产品出口网络

中，均处于相对劣势的地位。但从趋势上看，中国已经逐渐从 2000 年的末梢位置开始攀升到了 2014 年的半

边缘地位，成为东亚地区的重要辐条。

五、中国高技术行业出口网络地位的影响因素分析

（一）回归模型及变量

从上文的可视化分析中可以看到不同国家在全球高技术行业出口网络中的地位差异，那这种地位差异

主要由哪些因素所导致？为了更好地理解这种网络地位差异背后的国别原因，借鉴许和连等（2015b）、杜运

苏和彭冬冬（2018）等的做法将高技术行业出口网络地位作为被解释变量，从人力资本水平（human）、物质资

本积累（capital）、信息基础设施（infras）、研发投入（rd）和投资开放度（fdi）、贸易开放程度（open）6 个方面识别

一国高技术行业出口网络地位演进的影响因素。基于 WIOD 数据库采用 42 个经济体高技术行业 2000—

2014 年共 15 年的数据构建模型如式（7）所示。

insit = f ( humanit

，infrasit

，capitalit

，rdit

，openit

，fdiit

，εit) （7）

其中：下标 i 为国家；t 为年份；insit为一国在全球高技术行业出口网络中的地位指数。由于出度点强度（联系

强度）指标相比出度中心度（联系广度）而言，考虑了出口增加值流量的权重，且具有数据连续性的优点

（Granovetter，1973），因此，这里参考杜运苏和彭冬冬（2018）、辛娜和袁红琳（2019）选用“出度点强度”作为反

映高技术行业出口网络地位的代理变量。

基于相关文献选择如下解释变量：人力资本（human）反映一国的人力资本质量，根据 WIOD 的社会经济

账 户 里 不 同 行 业 的 劳 动 报 酬 及 就 业 人 数 计 算 出 平 均 工 资 来 反 映 一 国 的 人 力 资 本 质 量 ；信 息 基 础 设 施

（infras），利用世界银行公布的每 100 户居民使用互联网的用户数来衡量信息基础设施的建设情况；物质资本

（capital），选择固定资本占 GDP 的比重来衡量一国物质资本的投入水平；研发投入（rd）从投入角度反映一国

的技术水平，用世界银行 WDI 公布的世界各国研发投入与 GDP 占比来反映不同国家的研发投入情况；贸易

开放度（open），选择商品和服务进出口贸易总额占 GDP 比重来

量化开放程度这一变量；投资开放度（fdi）是跨国公司实现全球

产业分布的重要途径之一，本文选择外商直接投资存量占 GDP

的比重来表示各国外商直接投资的情况。

被解释变量的原始数据来源于 WIOD（2016），数据年份为

2000—2014 年，包含了 42 个经济体共 630 个观测值，解释变量

的数据来源于世界银行 WDI、世界投入产出数据库 WIOD 和联

合国贸发数据库，并对缺失数据进行了平均值替代处理。表 2

为变量描述性统计，从中可以看到，被解释变量的标准差均大

于 1.5，说 明 不 同 国 家 高 技 术 制 造 业 贸 易 网 络 地 位 存 在 较 大

差异。

（二）回归结果及分析

1. 基准回归结果

由于本文采用的是面板数据，需先通过 Hausman 检验来确定是采用固定效应（FE）还是随机效应模型

（RE）进行回归。由于 Hausman 检验的 P 值小于 5%，原假设不成立，因此选择固定效应模型（FE）。回归结果

见表 3：其中（1）列和（2）列是对高技术行业最终产品出口网络地位的估计结果，（3）列和（4）列是对高技术行

业中间产品直接出口的网络地位的估计结果，（5）列和（6）列是对高技术行业中间产品间接出口的网络地位

的估计结果，通过比较分析，发现如下结论：

表 2 变量的描述性统计

变量

ins1

ins2

ins3

rd

capital

infras

open

fdi

human

观测值

630

630

630

630

630

630

630

630

630

平均值

8.587

7.506

7.239

8.244

3.133

7.198

4.367

3.544

2.110

标准差

1.723

2.031

2.061

2.216

0.196

0.821

0.562

1.031

0.605

最小值

4.578

3.168

1.605

2.173

2.446

3.129

2.986

0.0292

0.406

最大值

12.39

11.91

11.37

13.07

3.796

8.226

5.973

7.501

3.403

注：ins1

、ins2

、ins3分别表示高技术行业最终产品出口网

络的出度点强度、高技术行业中间产品直接出口网络的出

度点强度、高技术行业中间产品间接出口的出度点强度。

各变量均为取对数后的值。

92

余娟娟等：中国高技术行业出口网络地位及影响因素分析

首先，信息基础设施（infras）、物质资本积累（capital）、研发投入（rd）和人力资本（human）的估计系数在

（1）~（6）列中均显著为正，这表明无论是从高技术产业最终产品出口还是从中间产品出口层面来看，信息基

础设施的改善、物质资本的积累、研发投入的增多及人力资本的提升都能够显著促进节点国家网络地位的提

升。但横向比较而言，研发投入（rd）及人力资本（human）相比其他的因素对高技术行业出口竞争力的提升

具有更重要的意义，这与各国大力强调研发投入与教育兴国的现实背景十分吻合。

其次，贸易开放度（open）与投资开放度（fdi）的估计系数在三种网络中的显著性水平并不高，其中，贸易

开放度（open）和投资开放度（fdi）仅在高技术行业最终产品出口网络中的估计系数显著为正，在高技术行业

中间产品出口网络中的估计系数并不显著，这表明贸易开放度的提高与投资开放度的增多并不能提升我国

在高技术产业分工中地位，这背后的原因可能在于：经济全球化的不断深化使得少数节点国家在高技术产品

的国际分工中处于较高的垄断地位，其他的大部分国家尽管从表象上参与了高技术产品的国际分工，但并未

涉及核心零部件及中间产品的生产环节，因而这些节点国家在全球高技术产品出口网络中的地位并不高。

基于这一分工实质，贸易开放度及投资开放度的提高并不能很好地促进大部分国家在全球高技术产业中的

分工地位及网络地位的提升。

表 3 高技术出口网络地位的影响因素回归结果

网络类型

变量

infras

capital

rd

human

open

fdi

Constant

国家固定效应

时间固定效应

N

R2

最终产品出口网络

ins

（1）

0.212***

（5.14）

0.344***

（4.14）

0.807***

（8.98）

0.439***

（8.43）

-0.022**

（-2.18）

-0.086*

（-2.01）

-1.704***

（-3.03）

Yes

No

630

0.399

ins

（2）

0.214***

（5.26）

0.309***

（4.16）

0.842***

（9.08）

0.429***

（8.08）

-0.032**

（-2.03）

-0.082**

（-2.58）

-2.303***

（-3.60）

Yes

Yes

630

0.403

中间产品直接出口网络

ins

（3）

0.158***

（3.59）

0.458***

（3.74）

0.883***

（5.43）

0.467***

（7.19）

0.118

（0.67）

-0.049

（-0.93）

-2.548***

（-3.75）

Yes

No

630

0.353

ins

（4）

0.160***

（3.63）

0.466***

（3.09）

0.900***

（5.54）

0.462***

（6.97）

0.108

（0.21）

-0.047

（-0.80）

-2.838***

（-3.20）

Yes

Yes

630

0.354

中间产品间接出口网络

ins

（5）

0.217***

（3.39）

0.407***

（3.57）

0.538***

（5.59）

0.338

（1.59）

0.361

（0.56）

-0.059

（-0.99）

-2.548***

（-3.75）

Yes

No

630

0.353

ins

（6）

0.223***

（3.67）

0.476***

（3.57）

0.516***

（6.07）

0.418*

（1.98）

0.243

（1.24）

-0.049

（-0.93）

-2.838***

（-3.20）

Yes

Yes

630

0.353

注：***、**、*分别表示在 1%、5%、10% 的水平下显著；括号内为 t统计值。

2. 稳健性检验

由于本文主要从研发投入、人力资本、信息基础设施、经济自由度等六方面考察了节点经济体在全球高

技术行业出口网络中的地位，为了检验以上变量估计系数的稳健性，这里主要采用变量替代的方法进行检

验，以降低代理指标选取不当造成的估计偏误。表 4 是对高技术行业最终产品出口网络地位影响因素进行

的稳健性检验，其中表 4 的（1）列替换的是信息基础设施（infras）变量，由世界银行公布的每 100 户居民使用

互联网的用户数换为每 100 个人的移动蜂窝订阅量；（3）列将研发投入（rd）的绝对值替换为各国研发支出占

GDP 的比重，（2）列将物质资本从固定资本占 GDP 的比重替换为固定资本的绝对值；（5）列将贸易开放度

（open）从货物和服务进出口额占 GDP 比重替换为货物和服务出口额占 GDP 的比重，（6）列将投资开放度

（fdi）从各国外商直接投资存量占 GDP 的比重替换为各国外商直接投资存量绝对值，（4）列将人力资本

（human）从高技术制造业占制造业就业总人数的比重替换为高技术就业人员的劳动报酬。

从表 4 的回归结果可以发现，与表 3 的基准回归作对比，发现关键变量估计系数的方向和显著性水平未

发生显著变化，这表明基准回归的结果具有一定的稳健性，即信息基础设施（infras）的改善、物质资本积累

（capital）、研发投入（rd）和人力资本（human）的增加会显著促进节点国家网络地位的提升，但贸易开放度

（open）和投资开放度（fdi）的提高并不能显著促进节点国家在全球高技术行业出口网络中地位的攀升。

93

技术经济 第 42 卷 第 9 期

表 4 稳健性检验：高技术行业最终产品出口网络地位的影响因素

变量

infras

capital

rd

human

open

fdi

Constant

国家固定效应

时间固定效应

N

R2

（1）

替换 infras

0.398**

（2.13）

1.048***

（5.61）

0.357***

（6.59）

0.949***

（4.43）

0.065

（0.90）

0.256

（1.40）

-3.366***

（-3.14）

Yes

Yes

630

0.388

（2）

替换 capital

0.408***

（5.50）

0.975***

（5.69）

0.150***

（3.43）

0.541***

（3.14）

-0.037

（-0.62）

0.115

（0.65）

-2.490***

（-2.77）

Yes

Yes

630

0.329

（3）

替换 rd

0.352***

（3.92）

1.044***

（6.50）

0.223***

（3.36）

0.471***

（3.30）

-0.055

（-0.88）

0.121

（0.65）

-1.609*

（-1.83）

Yes

Yes

630

0.353

（4）

替换 human

0.405***

（4.41）

0.867***

（5.28）

0.149***

（3.42）

0.579***

（3.73）

-0.049

（-0.84）

0.146

（1.09）

-2.597***

（-3.87）

Yes

Yes

630

0.351

（5）

替换 open

0.423***

（4.16）

0.922***

（5.86）

0.155***

（3.49）

0.551***

（3.45）

0.019

（0.26）

0.131

（0.75）

-2.887***

（-3.24）

Yes

Yes

630

0.350

（6）

替换 fdi

0.466***

（7.06）

1.009***

（6.05）

0.154***

（3.55）

0.514***

（3.63）

-0.039

（-0.68）

0.130

（0.73）

-2.624***

（-3.12）

Yes

Yes

630

0.323

注：***、**、*分别表示在 1%、5%、10% 的水平下显著；括号内为 t统计值。

六、主要结论和启示

本文基于 WIOD2016 的数据，利用出口增加值核算 Wang 等（2013）和社会网络方法（SNA）分析对中国高

技术细分行业（r17，r12，r21）出口网络地位进行了可视化分析，并利用跨国数据实证考察了一国高技术行业

出口网络地位的影响因素。得出结论如下：①全球高技术产业出口网络均呈现出“互惠性低、中心势高”的非

均衡特征，这不利于全球高技术产业的经贸关系朝互利互惠的方向发展；②中国在计算机/电子/光学设备制

造业（r17）最终产品出口网络中的地位攀升较快，由 2000 年的“末梢”地位上升到到 2014 年的“绝对核心”地

位；③相比 r17 行业，中国在医药产品/医药制剂业（r12）和船舶/航空航天/其他运输设备制造业（r21）的最终

产品和中间产品出口网络中仍然处于“边缘”与“半边缘”地位；④跨国面板回归显示，信息基础设施的改善、

物质资本积累、研发投入和人力资本的增加会显著促进节点国家网络地位的提升，但贸易开放度和投资开放

度的提高并不能显著促进节点国家在全球高技术行业出口网络中地位的攀升。

为此，本文得出的结论启示如下：

首先，全球高技术行业的非均质特征决定了高技术行业很难朝着互利共赢的方法发展，这也在一定程度

上解释了中美之间频繁发生“科技战”的原因。因此，为了维护全球经贸关系的健康有序发展，全球科技大国

需要有“大国担当”与“大国智慧”，通过推动多层次的全球治理和多维度的对话机制处理好全球高技术产业

发展的中的利益纷争，在推动人类科学技术发展的进程中和谐相处、共同进步。

其次，对中国高科技行业而言，要注重对该产业核心关键环节的突破，进而提升中国高技术行业在中间

产品贸易中的竞争地位。尤其是对计算机/电子/光学设备制造业（r17）而言，尽管该产业在最终产品贸易上

具有较强的国际竞争优势，但在核心、关键零部件及中间产品的生产上还有较大的提升空间。因此，这些高

技术产业需要进一步加大基础研发，通过创新链与产业链双链融合及多主体联合创新等方式实现对芯片、光

刻机、刻蚀机、离子注入机等“卡脖子”环节的突破，进而全面提升我国高技术行业的国际竞争力。

最后，在新的对外发展格局下，我国高技术行业的突破性发展不能再单纯地依赖国外中间产品进口和外

商投资溢出效应等外部渠道，而是应该更多依靠内生动力的驱动。这就需要我国政府进一步加大教育投入、

优化科技研发投入、改善信息基础设施环境等，在产业链与创新链的双链融合中培育驱动我国高技术行业持

续发展和不断突破的内生动力。

参考文献

［ 1］ 蔡跃洲，牛新星，2021. 中国信息通信技术产业的国际竞争力分析——基于贸易增加值核算的比较优势及技术含量

测算［J］. 改革，（4）：24‑44.

［ 2］ 杜传忠，张丽，2013. 中国工业制成品出口的国内技术复杂度测算及其动态变迁‑基于国际垂直专业化分工的视角

［J］. 中国工业经济，（12）：52‑64.

94