摘 要： 中國生物醫(yī)藥產(chǎn)業(yè)邁向原始創(chuàng)新是實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型升級的必由之路。以2005-2020年中國生物醫(yī)藥A股上市公司作為研究樣本，利用高維固定效應(yīng)面板模型，實(shí)證分析多維技術(shù)溢出對醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新的因果效應(yīng)與影響路徑。研究發(fā)現(xiàn)：行業(yè)內(nèi)、行業(yè)間以及本地化技術(shù)溢出顯著提升醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新水平，而研發(fā)投資激勵效應(yīng)是其中的影響路徑，市場競爭在其中發(fā)揮著負(fù)向調(diào)節(jié)作用。異質(zhì)性分析表明，多維技術(shù)溢出對國有、大規(guī)模以及高新技術(shù)企業(yè)的積極影響更大。研究結(jié)論為激勵生物醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新活動、助推中國生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新升級提供了參考依據(jù)。

關(guān)鍵詞： 原始創(chuàng)新；中國生物醫(yī)藥產(chǎn)業(yè)；多維技術(shù)溢出

中圖分類號： R 194; F 062.9

文獻(xiàn)標(biāo)志碼： A

收稿日期：2024-05-20

基金項目：2020年度教育部人文社會科學(xué)研究項目“非正式制度與企業(yè)創(chuàng)新——基于鄉(xiāng)土文化視角的研究”（20YJC790175）

作者簡介：李卓璘（1998—），男，山東濰坊人，上海海洋大學(xué)經(jīng)濟(jì)管理學(xué)院，碩士研究生，研究方向：產(chǎn)業(yè)組織與產(chǎn)業(yè)發(fā)展。平瑛（1964—），女，浙江杭州人，上海海洋大學(xué)經(jīng)濟(jì)管理學(xué)院，教授、博士生導(dǎo)師，管理學(xué)碩士，研究方向：產(chǎn)業(yè)組織與產(chǎn)業(yè)發(fā)展、農(nóng)業(yè)經(jīng)濟(jì)管理。潘旺（1999—）（通信作者），男，湖北武漢人，上海海洋大學(xué)經(jīng)濟(jì)管理學(xué)院，碩士研究生，研究方向：農(nóng)業(yè)管理。

文章編號：1005-9679（2024）05-0066-09

Can Diverse Technology Spillover Enhance the Innovation Originalityof Firms？ Multidimensional Technology Spillover andOriginal Innovation Research in China’s Biomedical Industry

LI Zhuolin PING Ying PAN Wang

（College of Economics and Management ， Shanghai Ocean University， Shanghai 201306）

Abstract： China’s biomedical industry towards original innovation is the only way to realize industrial transformation and upgrading. Taking the 2005-2020 Chinese biomedical A-share listed companies as the research sample， the high-dimensional fixed-effect panel model is used to empirically analyze the causal effect and influence path of multi-dimensional technology spillover on the original innovation of pharmaceutical enterprises. The study found that： intra-industry， inter-industry and localized technology spillover significantly improves the original innovation level of pharmaceutical enterprises， and the incentive effect of R & D investment is the influence path， and market competition plays a negative role in regulating it. Heterogeneity analysis shows that multi-dimensional technology spillover has a greater positive impact on state-owned， large-scale and high-tech enterprises. The research conclusions provide a reference for encouraging the original innovation activities of bio-pharmaceutical enterprises and boosting the innovation and upgrading of China’s bio-pharmaceutical industry.

Key words： original innovation; China’s biomedical industry; multidimensional technology spillover

0 引言

受限于醫(yī)藥研發(fā)的高風(fēng)險、高投資、長周期的特點(diǎn)［1，2］，醫(yī)藥企業(yè)在研發(fā)過程中面臨著發(fā)現(xiàn)新靶點(diǎn)、引入新分子實(shí)體或者直接進(jìn)行藥物仿制之間的權(quán)衡［3］。原研藥核心專利的到期為仿制藥生產(chǎn)提供了市場機(jī)遇。醫(yī)藥企業(yè)通過對劑型、給藥途徑進(jìn)行改進(jìn)或發(fā)現(xiàn)新的適應(yīng)癥，能夠避開原研藥的非核心專利限制。由于仿制藥的活性成分與原研藥相同，并且通常不需要進(jìn)行化合物研究階段的試驗，這使得臨床前和臨床試驗的難度大幅降低。研發(fā)難度的降低減少了研發(fā)失敗的可能性，同時帶來研發(fā)周期的大幅縮短，最終導(dǎo)致仿制藥研發(fā)具有較大的成本和時間優(yōu)勢。仿制藥的研發(fā)過程涉及對原研藥的模仿、改進(jìn)和再創(chuàng)新，具有明顯的技術(shù)溢出特征，這在中國醫(yī)藥研發(fā)中非常普遍。技術(shù)溢出所帶來的時間和成本優(yōu)勢可能導(dǎo)致醫(yī)藥企業(yè)的創(chuàng)新惰性。這是由于難仿藥或原研藥的研發(fā)難度相較之下極大，醫(yī)藥企業(yè)很有可能選擇規(guī)避此類風(fēng)險并失去進(jìn)行原創(chuàng)性創(chuàng)新的機(jī)會。然而，技術(shù)溢出的這些優(yōu)勢也可能促使企業(yè)實(shí)行仿創(chuàng)結(jié)合［4］的研發(fā)模式，對仿制藥控本增效，并以仿制藥研發(fā)的低風(fēng)險對沖原始創(chuàng)新的高投資風(fēng)險和長研發(fā)周期，從而支持原始創(chuàng)新。那么，醫(yī)藥行業(yè)的技術(shù)溢出是否能夠激勵企業(yè)提升技術(shù)原創(chuàng)性呢？哪些因素促使企業(yè)選擇“仰之彌高，鉆之彌堅”的深度技術(shù)研發(fā)而非進(jìn)行“淺嘗輒止”的改良式或模仿式創(chuàng)新呢？

基于這些問題，通過手動檢索得到生物醫(yī)藥A股上市企業(yè)46.5萬余條專利的詳細(xì)數(shù)據(jù)，并將其與企業(yè)財務(wù)、基本工商信息數(shù)據(jù)相匹配。在深入分析技術(shù)溢出與醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新之間內(nèi)在邏輯的基礎(chǔ)上，以計量經(jīng)濟(jì)學(xué)面板數(shù)據(jù)模型驗證理論的正確性并探索其中的作用機(jī)理。預(yù)期將拓展技術(shù)溢出理論研究，豐富相關(guān)經(jīng)驗證據(jù)，并為醫(yī)藥行業(yè)創(chuàng)新升級提供政策參考。

1 理論分析與研究假設(shè)

1.1 技術(shù)溢出與藥企原創(chuàng)性創(chuàng)新

提高生物醫(yī)藥研發(fā)的原創(chuàng)性和新穎性已成為困擾世界醫(yī)藥行業(yè)的難題，而這在很大程度上歸因于醫(yī)藥研發(fā)高投資、高風(fēng)險、高利潤和長周期的特征。為了回避高額研發(fā)投資所帶來期望報酬的巨大波動性，醫(yī)藥企業(yè)通過投資組合最小化財務(wù)風(fēng)險，更加關(guān)注增量創(chuàng)新而非質(zhì)量創(chuàng)新［5］。醫(yī)藥企業(yè)在研發(fā)活動中所固有的風(fēng)險規(guī)避特征是導(dǎo)致藥物創(chuàng)新缺乏新穎性和原創(chuàng)性的深層原因［6］。因此，如何幫助醫(yī)藥企業(yè)削減研發(fā)成本、平衡研發(fā)風(fēng)險、保障研發(fā)投資持續(xù)性，將對原創(chuàng)性創(chuàng)新活動產(chǎn)生較大激勵作用。

首先，技術(shù)溢出具有削減研發(fā)成本的作用。多元化技術(shù)外溢為研發(fā)企業(yè)創(chuàng)設(shè)了良好的外部知識環(huán)境，降低了醫(yī)藥企業(yè)搜尋、獲取、轉(zhuǎn)移、利用知識的成本［7］。這允許企業(yè)“站在巨人的肩膀上”進(jìn)行新的創(chuàng)新，有效避免了重復(fù)性研發(fā)投資所耗費(fèi)的大量人力資本和物質(zhì)資本，并有助于優(yōu)化研發(fā)分工和提升研發(fā)效率。另外，技術(shù)外溢為研發(fā)企業(yè)提供了f79ef689648d15d190875663d99d5db6成功經(jīng)驗與失敗教訓(xùn)，醫(yī)藥企業(yè)通過研發(fā)信息獲取與研發(fā)路徑追蹤，能夠幫助研發(fā)過程更為順利，減少因頻繁研發(fā)失敗而產(chǎn)生的沉沒成本。

其次，技術(shù)外溢能夠有效降低研發(fā)風(fēng)險。由于較高的探索成本以及高波動性的研發(fā)收益，導(dǎo)致多數(shù)醫(yī)藥企業(yè)不愿意成為“第一個吃螃蟹的人”。而技術(shù)溢出過程通常伴隨著研發(fā)交流與技術(shù)學(xué)習(xí)，這促使隱性知識和隱藏信息通過科研人員在企業(yè)間進(jìn)行傳播［8，9］。這有助于加深研究人員對所在研發(fā)領(lǐng)域的認(rèn)識，警惕和防范研究過程中的風(fēng)險，最終減少原創(chuàng)性技術(shù)研發(fā)過程中的不確定性。

最后，技術(shù)外溢有助于增強(qiáng)研發(fā)投資的持續(xù)性。技術(shù)領(lǐng)導(dǎo)企業(yè)的創(chuàng)新示范效應(yīng)能夠激勵同類企業(yè)的技術(shù)研發(fā)過程［10］。在利潤導(dǎo)向的驅(qū)動下，行業(yè)內(nèi)其他企業(yè)將追隨領(lǐng)導(dǎo)者的技術(shù)更新與迭代步伐，促使醫(yī)藥企業(yè)不斷投入研發(fā)資金進(jìn)行新一輪的創(chuàng)新。此外，我國生物醫(yī)藥產(chǎn)業(yè)具有集群化發(fā)展的特征［11］。本地化的技術(shù)溢出為醫(yī)藥企業(yè)研發(fā)創(chuàng)造了有益的研發(fā)環(huán)境和創(chuàng)新氛圍，有助于協(xié)同研發(fā)行為的開展，從而產(chǎn)生更多高質(zhì)量創(chuàng)新成果［12］。這進(jìn)一步通過“成功孕育成功”的機(jī)制，激勵企業(yè)進(jìn)行新一輪的創(chuàng)新，從而提高企業(yè)研發(fā)創(chuàng)新投入的連續(xù)性［13］。

由此，提出研究假設(shè)H1：多維技術(shù)溢出激勵醫(yī)藥企業(yè)開展原創(chuàng)性創(chuàng)新活動。

1.2 研發(fā)投資的中介作用

技術(shù)溢出通過改變醫(yī)藥企業(yè)利潤回報預(yù)期，產(chǎn)生研發(fā)投資激勵效應(yīng)，激勵企業(yè)原創(chuàng)性創(chuàng)新活動。這主要體現(xiàn)在以下兩個方面：其一，技術(shù)溢出增強(qiáng)醫(yī)藥企業(yè)研發(fā)投資意愿。醫(yī)藥企業(yè)的研發(fā)決策主要基于期望收益與成本決策，技術(shù)溢出過程的正外部性特征能夠改善企業(yè)利潤回報預(yù)期。經(jīng)驗證據(jù)顯示，技術(shù)溢出能夠增加企業(yè)研發(fā)后營業(yè)收入［14］，即使領(lǐng)先技術(shù)企業(yè)通過技術(shù)交易市場內(nèi)部化外溢的知識（或創(chuàng)新準(zhǔn)租金），溢出過程仍能強(qiáng)化企業(yè)營收預(yù)期［15］，并增強(qiáng)企業(yè)研發(fā)投資激勵［16］。其二，技術(shù)溢出有助于改善醫(yī)藥企業(yè)研發(fā)投資結(jié)構(gòu)。技術(shù)溢出的本質(zhì)是對核心技術(shù)知識和異質(zhì)性知識的獲得、整合和運(yùn)用［17］。這為醫(yī)藥企業(yè)接觸前沿技術(shù)信息和最新市場需求提供了機(jī)遇，有助于企業(yè)學(xué)習(xí)吸收新思想和新方法解決技術(shù)難題，從而實(shí)現(xiàn)技術(shù)的迭代升級。

基于上述分析，提出研究假設(shè)H2：多維技術(shù)溢出通過研發(fā)投資激勵效應(yīng)提升企業(yè)技術(shù)原創(chuàng)性。

1.3 市場競爭的調(diào)節(jié)作用

市場競爭在企業(yè)創(chuàng)新過程中表現(xiàn)出雙重影響：熊彼特效應(yīng)和逃避競爭效應(yīng)［18］。中國生物醫(yī)藥企業(yè)的研發(fā)領(lǐng)域和作用機(jī)制集中度較高［19］，這導(dǎo)致企業(yè)彼此之間的技術(shù)和產(chǎn)品替代性較強(qiáng)，并成為醫(yī)藥研發(fā)競爭激烈的深層原因。因此，此時制約創(chuàng)新的熊彼特效應(yīng)相對于激勵創(chuàng)新的逃避競爭效應(yīng)可能更占據(jù)主要地位。國外的經(jīng)驗證據(jù)表明，更激烈的市場競爭可能改變生物醫(yī)藥企業(yè)的研發(fā)方向，促使企業(yè)選擇風(fēng)險低、收益穩(wěn)定而社會福利小的研發(fā)項目，這在新冠疫情期間世界醫(yī)藥研發(fā)活動中有較好的體現(xiàn)［20］。此外，來自中國藥品集中帶量采購政策實(shí)施的經(jīng)驗證據(jù)也顯示，較低的市場競爭程度更有助于發(fā)揮集采的創(chuàng)新效應(yīng)［21］。這與生物醫(yī)藥的研發(fā)特征有著密切的關(guān)聯(lián)，更激烈的市場競爭可能導(dǎo)致醫(yī)藥企業(yè)急于收回研發(fā)成本，疲于應(yīng)對市場生存壓力，而忽視對高質(zhì)量創(chuàng)新連續(xù)、大量的投入。

由此，提出研究假設(shè)H3：市場競爭對技術(shù)溢出影響醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新具有負(fù)向調(diào)節(jié)作用。

2 研究方法

2.1 數(shù)據(jù)來源

以2005—2020年生物醫(yī)藥A股上市公司作為研究樣本。企業(yè)數(shù)據(jù)來自CSMAR和CCER經(jīng)濟(jì)金融數(shù)據(jù)庫，按照申銀萬國2021版行業(yè)分類標(biāo)準(zhǔn)確定企業(yè)行業(yè)歸屬?？紤]到專利被引用所需的時間，數(shù)據(jù)截止到2020年末。專利數(shù)據(jù)來自PatSnap智慧芽數(shù)據(jù)庫、Google專利檢索系統(tǒng)以及國家知識產(chǎn)權(quán)局專利檢索及分析系統(tǒng)，使用企業(yè)中文或英文全稱手動檢索并基于Python編程匹配原始專利的前、后向引文及其所屬企業(yè)。為了剔除無效的專利申請，將檢索范圍限定在全球164個國家（或地區(qū)）的知識產(chǎn)權(quán)局，包含法律狀態(tài)為公開、實(shí)質(zhì)審查、授權(quán)、期限屆滿、未繳年費(fèi)、權(quán)利恢復(fù)、部分無效的專利。

2.2 數(shù)據(jù)處理

為確保數(shù)據(jù)的可靠性與完整性，對研究樣本作如下處理：①剔除當(dāng)年上市狀態(tài)為ST、*ST、暫停上市或退市的樣本。②剔除連續(xù)三年以上觀測值缺失的樣本。③基于隨機(jī)森林算法進(jìn)行鏈?zhǔn)椒匠潭嘀夭逖a(bǔ)，選取插補(bǔ)后不改變原有數(shù)據(jù)分布、均值變化量小于5%的數(shù)據(jù)集作為分析對象。進(jìn)行此項處理的目的在于盡可能保證數(shù)據(jù)完整性，盡量避免樣本選擇偏差。④對所有連續(xù)變量進(jìn)行前后1%的縮尾處理，以避免極端值對實(shí)證結(jié)果的影響。經(jīng)處理，最終得到341家生物醫(yī)藥A股上市公司的2863個企業(yè)-年度觀測值。其中，匹配得到的（去重后的）專利數(shù)據(jù)（包含原始專利及其前、后向引文）共計46.5萬條。

2.3 變量說明

2.3.1 被解釋變量

原創(chuàng)性創(chuàng)新水平（Origin）。利用申請專利的原創(chuàng)性指數(shù)反映企業(yè)原創(chuàng)性創(chuàng)新水平。在測度中借鑒Trajtenberg等［22］的研究，使用原始專利的后向引文信息將專利原創(chuàng)性定義為：

Originq=1-∑Kk=1BCitedqkBCitedq2（1）

Originit=∑Qk=1Originitq/patit（2）

式中，BCitedq為專利q的后向引文總數(shù)，BCitedqk為q專利在k技術(shù)子類的后向引文數(shù)量。Originq越高，則專利的原創(chuàng)性越高。企業(yè)層面的專利原創(chuàng)性（Originit）則為企業(yè)i在t時期所申請的所有專利原創(chuàng)性的平均值。

2.3.2 主要解釋變量

行業(yè)內(nèi)溢出（within_spill）。參考Lucking等［23］的方法，首先以k維列向量Si，T=（Si，1，T，Si，2，T，Si，3，T，…，Si，k，T）表示企業(yè)i于T時期（2005—2020年）在所有技術(shù)子類的專利份額矩陣。其中，Si，k，T表示k技術(shù)子類的份額，定義為企業(yè)i所申請的專利中k技術(shù)子類的IPC代碼個數(shù)與IPC代碼總個數(shù)之比。專利份額矩陣均基于3位IPC代碼計算，并進(jìn)行去重處理。然后，將k維列向量Si，T標(biāo)準(zhǔn)化后得到Si，T=Si，T/（S′i，TSi，T）12。i企業(yè)j與企業(yè)的技術(shù)鄰近度則為二者標(biāo)準(zhǔn)化專利份額矩陣的點(diǎn)積，即ωji，T=S′i，TSi，T（i≠j）。之后，參考Hall［24］的經(jīng)典方法計算企業(yè)知識資本存量lnRdStockjt，計算過程中折舊率取15%。企業(yè)i在t時期的行業(yè)內(nèi)溢出則為企業(yè)i與企業(yè)j（j=1，2，…，N-1）的技術(shù)鄰近度與企業(yè)j知識資本存量自然對數(shù)的乘積之和，即

within_spill=∑N-1j=1ωji，TlnRdStockjt（3）

式中，ωji，T為技術(shù)鄰近度矩陣，lnRdStockjt為知識資本存量矩陣。在回歸中對計算得到的技術(shù)溢出除以1000以縮小變量間的單位差異，以下相同。

行業(yè)間溢出（inter_spill）。借鑒Schnitzer和Watzinger［25］的方法，使用原始專利的前向與后向引文數(shù)據(jù)對技術(shù)鄰近度矩陣進(jìn)行加權(quán)，以計算跨行業(yè)技術(shù)溢出。首先，定義一個標(biāo)準(zhǔn)化的k維列向量Zi，T，用以反映原始專利前、后向引文的（3位）IPC代碼分布情況。將此列向量Zi，T與Si，T對應(yīng)元素相乘得到gi，T，從而對初始的專利份額矩陣進(jìn)行加權(quán)。此時，企業(yè)i與企業(yè)j的技術(shù)鄰近度矩陣變?yōu)棣豤ites_augji，T=g′i，tgi，t（i≠j），對此矩陣進(jìn)行標(biāo)準(zhǔn)化后得到ωcites_aug_stdji，T，進(jìn)而計算得到行業(yè)間技術(shù)溢出如式（4）所示。

inter_spillit=∑N-1j=1ωcites_aug_stdji，TlnRdStockjt（4）

本地化溢出（techgeo_spill）。技術(shù)溢出具有隨地理距離增加而衰減的特征［26，27］。因此，通過引入距離矩陣以反映溢出的本地化特征。首先，以企業(yè)總部辦公地點(diǎn)的經(jīng)緯度定義企業(yè)的實(shí)際位置，并計算企業(yè)i與其他所有企業(yè)j的地理距離。之后，考慮一個隨地理距離線性衰減的知識流動矩陣ωdisji，T=max（Dji，T）-dji，Tmax（Dji，T），其中max（Dji，T）為樣本中所有企業(yè)之間距離的最大值，dji，T為企業(yè)i與j之間的實(shí)際距離。由此得到距離加權(quán)的技術(shù)鄰近矩陣ωdis_augji，T=ωji，Tωdisji，T（i≠j）。將此矩陣內(nèi)所有元素取值映射到［0， 1］區(qū)間得到ωdis_aug_stdji，T。最后，將距離加權(quán)的技術(shù)鄰近度與企業(yè)知識資本存量相乘得到企業(yè)i在t時期的本地化技術(shù)溢出如式（5）所示。

techgeo_spillit=∑N-1j=1ωdis_aug_stdji，TlnRdStockjt（5）

2.3.3 控制變量

借鑒相關(guān)研究，將企業(yè)總資產(chǎn)（lnassed）、是否為國有企業(yè)（SOE，國有=1，民營=0）、實(shí)際營業(yè)收入（lnRevenue）、企業(yè)年齡（lnage）、資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)周轉(zhuǎn)率（Tirmpver）、政府補(bǔ)貼（lnsub）作為控制變量。文中所有變量，若在計算過程中涉及研發(fā)投入，則使用研發(fā)投資價格指數(shù)進(jìn)行平減［28］；若涉及營業(yè)收入，則使用醫(yī)藥制造業(yè)工業(yè)品出廠價格指數(shù)進(jìn)行平減。為縮小變量間單位差異，對部分連續(xù)變量取自然對數(shù)。

2.3.4 中介變量

研發(fā)投資強(qiáng)度（lnRdInt），定義為企業(yè)實(shí)際研發(fā)投入與實(shí)際營業(yè)收入之比的自然對數(shù)。

2.3.5 調(diào)節(jié)變量

勒納指數(shù)（Lernerit），定義為（營業(yè)收入-營業(yè)成本-銷售費(fèi)用-管理費(fèi)用）/營業(yè)收入［29］，用以衡量企業(yè)面臨的市場競爭程度。勒納指數(shù)越高，說明企業(yè)市場勢力越大，同時面臨的市場競爭越小。

2.4 計量模型設(shè)定

以高維固定效應(yīng)線性回歸作為基準(zhǔn)模型，用以驗證假設(shè)H1。設(shè)定的回歸形式為：

Originit=β0+β1Spillit+βkXit+ηi+τyear+φInd+εit（6）

其次，為驗證假設(shè)H2，采用兩步回歸法檢驗中介效應(yīng)：

MVit=γ0+γ1Spillit+γkXit+ηi+τyear+φInd+εit（7）

Originit=η0+η1Spillit+η3MVit+ηkXit+ηi+τyear+φInd+εit（8）

最后，為驗證假設(shè)H3，設(shè)定調(diào)節(jié)效應(yīng)模型為：

Originit=α0+α1Spillit×Lernerit+α2Spillit+α3Lernerit+αkXit+ηi+τyear+φInd+εit（9）

其中，Originit為專利原創(chuàng)性，是企業(yè)原創(chuàng)性創(chuàng)新水平的代理變量。Spillit為主要解釋變量，表示多維技術(shù)溢出，包括行業(yè)內(nèi)溢出（within_spill）、行業(yè)間溢出（inter_spill）以及本地化溢出（techgeo_spill）。Xit為控制變量。MVit為中介變量。在回歸中控制三位代碼行業(yè)固定效應(yīng)（Ind）、企業(yè)固定效應(yīng)（ηi）以及年份固定效應(yīng)（τyear）三重固定效應(yīng)，以此控制未觀測到的外部沖擊和企業(yè)異質(zhì)性。εit為隨機(jī)誤差項。

3 實(shí)證結(jié)果與分析

3.1 描述性統(tǒng)計分析結(jié)果

表1展示了變量的描述性統(tǒng)計結(jié)果。分析可知，企業(yè)專利原創(chuàng)性的取值區(qū)間為［0， 0.690］，而均值和標(biāo)準(zhǔn)差分別為0.220和0.170，表明醫(yī)藥企業(yè)間技術(shù)原創(chuàng)性差距較大，且總體水平不高。行業(yè)內(nèi)、行業(yè)間以及本地化溢出的大小相仿，并且測算得到的行業(yè)內(nèi)溢出最大。

3.2 基準(zhǔn)回歸結(jié)果

表2展示了基準(zhǔn)回歸結(jié)果，列（1）、（2）、（3）主要解釋變量分別為行業(yè)內(nèi)、行業(yè)間和本地化溢出。這些估計系數(shù)至少在1%的顯著水平下為正值，說明技術(shù)溢出效應(yīng)將提高醫(yī)藥企業(yè)專利原創(chuàng)性。在技術(shù)鄰近性不變的前提下，其他企業(yè)的知識資本存量每增加1%，則企業(yè)i的專利原創(chuàng)性將增加0.098ji，T或0.104ji，T，其中ji，T為企業(yè)i與其他所有企業(yè)技術(shù)鄰近性的均值。由此，假設(shè)H1得證。

3.3 穩(wěn)健性檢驗

使用工具變量解決內(nèi)生性問題?？紤]到測度誤差、遺漏解釋變量、反向因果等帶來的內(nèi)生性問題及其導(dǎo)致的估計系數(shù)不一致性，參考楊立成等［32］構(gòu)造移動份額工具變量（SSIV）并進(jìn)行面板工具變量回歸?；貧w過程中，先對固定效應(yīng)模型進(jìn)行離差變換，再對變換后的模型進(jìn)行兩步GMM估計。表3第（1）到（3）列展示的估計結(jié)果表明，在解決內(nèi)生性問題后結(jié)論仍然有效，并且估計系數(shù)和顯著性幾乎沒有發(fā)生變化。

a括號內(nèi)為P值，檢驗結(jié)果強(qiáng)烈拒絕不可識別的原假設(shè)。

b括號內(nèi)為Stock-Yogo弱工具變量10%臨界水平，檢驗結(jié)果拒絕弱工具變量的原假設(shè)。

c由于只有一個工具變量，因此恰好識別，不存在過度識別問題。

更換聚類層次。表4 Panel A將聚類層次更改為“年份×行業(yè)”，在更改聚類層次后多維技術(shù)溢出的估計系數(shù)基本不變，并且仍至少在1%的顯著水平下為正數(shù)。

替換解釋變量。3位IPC代碼可能并不能充分反映企業(yè)所發(fā)明技術(shù)的異質(zhì)性，因此使用4位IPC代碼重新計算多維技術(shù)溢出變量，之后引入基準(zhǔn)模型重新回歸。如表4 Panel B所示，在更改IPC代碼位數(shù)后結(jié)論仍然穩(wěn)健。

縮小樣本時間窗口。重大新藥創(chuàng)制國家科技重大專項于2008年啟動，新冠疫情于2020年初開始在全國范圍內(nèi)蔓延，二者對生物醫(yī)藥產(chǎn)業(yè)產(chǎn)生了巨大的外部沖擊。因此剔除2008年之前和2020年之后這一段時期，并重新估計基準(zhǔn)模型。如表4 Panel C所示，在縮小時間窗口后，多維技術(shù)溢出估計系數(shù)的顯著水平有所下降，但仍至少在5%的顯著水平下成立。

3.4 研發(fā)投資的中介效應(yīng)

原創(chuàng)性創(chuàng)新需要大量資金支持，技術(shù)溢出能夠通過激勵企業(yè)增加研發(fā)投資來支持高質(zhì)量創(chuàng)新活動。表5展示了作用機(jī)制分析結(jié)果，研發(fā)投資在行業(yè)內(nèi)、行業(yè)間以及本地化溢出的中介效應(yīng)分別為0.0055、0.0036、0.0061，占總效應(yīng)比重分別為5.58%、3.65%、5.86%。中介效應(yīng)檢驗的Sobel統(tǒng)計量在［2.1， 2.3］的區(qū)間內(nèi)，且至少在5%的顯著水平下成立，這證實(shí)技術(shù)溢出能夠通過投資激勵效應(yīng)支持原創(chuàng)性創(chuàng)新，從而驗證了假設(shè)H2。

3.5 市場競爭的調(diào)節(jié)作用

市場競爭是企業(yè)創(chuàng)新過程中的重要外部變量，競爭程度的強(qiáng)弱驅(qū)使企業(yè)作出不同的創(chuàng)新決策，并對溢出效應(yīng)具有調(diào)節(jié)作用。表6展示了調(diào)節(jié)效應(yīng)回歸結(jié)果，勒納指數(shù)與行業(yè)內(nèi)、行業(yè)間溢出的交互項分別至少在10%、5%的顯著水平下成立，而與本地化溢出的交互項仍為正但不顯著。這說明更激烈的市場競爭可能驅(qū)使醫(yī)藥企業(yè)增加短期主義創(chuàng)新傾向，并減少知識共享。這不利于行業(yè)內(nèi)外的知識傳播，也不利于企業(yè)原創(chuàng)性創(chuàng)新水平的提升。這些結(jié)果與唐運(yùn)舒等［21］的觀點(diǎn)相似。由此，假設(shè)H3得證。

3.6 拓展性分析：技術(shù)溢出的異質(zhì)性影響

企業(yè)產(chǎn)權(quán)性質(zhì)的異質(zhì)性。國有企業(yè)是政府解決市場失靈的工具，其技術(shù)創(chuàng)新行為需要充分考慮研發(fā)的社會效益，并在研發(fā)實(shí)踐中從事更多基礎(chǔ)性研究。而民營企業(yè)在研發(fā)活動中主要基于利潤最大化決策，在創(chuàng)新中主要從事應(yīng)用型研究。國有與民營企業(yè)在創(chuàng)新過程中社會分工的差別，導(dǎo)致二者研發(fā)基礎(chǔ)以及吸收能力的差異。表7第（1）、（2）列分別展示民營和國有企業(yè)的回歸系數(shù)，可以看出，多維技術(shù)溢出效應(yīng)對國有企業(yè)技術(shù)原創(chuàng)性的積極影響更大，這可能歸因于國有企業(yè)較好的研發(fā)基礎(chǔ)。

企業(yè)規(guī)模的異質(zhì)性。不同規(guī)模的企業(yè)盈利能力存在差異，而生物醫(yī)藥技術(shù)的研發(fā)需要持續(xù)性的創(chuàng)新投入。因此，大規(guī)模企業(yè)由于具有穩(wěn)固的市場地位，其研發(fā)投入現(xiàn)金流的連續(xù)性更強(qiáng)，具有更多的研發(fā)固定資產(chǎn)，并且能夠承擔(dān)更多研發(fā)風(fēng)險。而中小企業(yè)受限于融資約束，可能在研發(fā)活動中更少從事原始性創(chuàng)新活動。表7第（3）、（4）列分別展示了大規(guī)模企業(yè)和中小企業(yè)的回歸系數(shù)。回歸結(jié)果證實(shí)，相比于中小企業(yè)，技術(shù)溢出對大規(guī)模企業(yè)原始創(chuàng)新的刺激作用更強(qiáng)。

企業(yè)技術(shù)性質(zhì)的異質(zhì)性。不同技術(shù)水平的企業(yè)由于研發(fā)實(shí)力不同，對技術(shù)溢出效應(yīng)的感應(yīng)能力可能存在差異。高新技術(shù)企業(yè)由于技術(shù)水平相對較高，在研發(fā)過程中的技術(shù)約束較少，因此可能具備相對于非高新技術(shù)企業(yè)的研發(fā)優(yōu)勢。表7第（5）、（6）列分別展示了非高新技術(shù)和高新技術(shù)企業(yè)的回歸結(jié)果。可以看出，高新技術(shù)企業(yè)受到技術(shù)溢出的刺激作用更強(qiáng)但顯著性略低，而非高新技術(shù)企業(yè)則相反。這可能是由于，高新技術(shù)企業(yè)技術(shù)水平較高，在獲取外部知識后能夠有效轉(zhuǎn)化為技術(shù)創(chuàng)新，因而表現(xiàn)為多維溢出的估計系數(shù)更高。但是高技術(shù)水平也使得可供借鑒的、有價值的知識更少，因而表現(xiàn)為更低的顯著水平［16］。

4 結(jié)論與政策建議

利用2005—2020年生物醫(yī)藥A股上市公司匹配數(shù)據(jù)，實(shí)證檢驗了多維技術(shù)溢出對醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新的影響。研究發(fā)現(xiàn)：行業(yè)內(nèi)、行業(yè)間以及本地化技術(shù)溢出通過研發(fā)投資激勵效應(yīng)對醫(yī)藥企業(yè)原創(chuàng)性創(chuàng)新產(chǎn)生積極影響，市場競爭在其中發(fā)揮負(fù)向調(diào)節(jié)作用，國有、大規(guī)模、高新技術(shù)企業(yè)相比于民營、中小和非高新技術(shù)企業(yè)受到技術(shù)溢出效應(yīng)的積極影響更明顯。

對此，提出如下政策建議：第一，建立和完善良性知識流轉(zhuǎn)機(jī)制。在制度實(shí)踐中，應(yīng)當(dāng)完善技術(shù)交易市場機(jī)制，搭建多元研發(fā)交流平臺，促進(jìn)研發(fā)知識大范圍、多層次、合法性流動。注重搭建跨行業(yè)、跨學(xué)科技術(shù)合作平臺，引導(dǎo)行業(yè)外知識流入，豐富生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新實(shí)踐。第二，建設(shè)生物醫(yī)藥產(chǎn)業(yè)發(fā)展集群。制定政策促進(jìn)生物醫(yī)藥產(chǎn)業(yè)集群化發(fā)展，充分利用規(guī)模經(jīng)濟(jì)優(yōu)勢，促進(jìn)集群內(nèi)知識和信息共享，帶動地域鄰近企業(yè)提升技術(shù)創(chuàng)新能力。第三，穩(wěn)定市場競爭環(huán)境。政府應(yīng)當(dāng)嚴(yán)格執(zhí)行醫(yī)藥行業(yè)準(zhǔn)入規(guī)范，監(jiān)管醫(yī)藥企業(yè)競爭行為，防止不正當(dāng)競爭和尋租行為。加強(qiáng)藥品市場價格監(jiān)管，建立規(guī)范有序的市場競爭框架，從而激勵全體企業(yè)的高質(zhì)量研發(fā)活動。第四，優(yōu)化研發(fā)補(bǔ)貼結(jié)構(gòu)與數(shù)量。政府研發(fā)補(bǔ)貼政策應(yīng)當(dāng)兼顧初創(chuàng)民營企業(yè)、中小企業(yè)以及非高新技術(shù)企業(yè)的研發(fā)需求和利益，注重培養(yǎng)“小而專、小而精”的小巨人企業(yè)，幫助具有研發(fā)潛力的企業(yè)從事研發(fā)活動。

參考文獻(xiàn)：

［1］ DIMASI J A， GRABOWSKI H G， HANSEN R W. Innovation in the pharmaceutical industry： new estimates of R&D costs［J］.Journal of Health Economics， 2016， 4720-4733.

［2］ RICHARDS D. Drug development and regulation［J］.Medicine， 2008， 36（7）： 369-376.

［3］ GRABOWSKI H. Patents， innovation and access to new pharmaceuticals［J］.Journal of International Economic Law， 2002， 5（4）： 849-860.

［4］ 敖翼， 濮潤， 盧姍， 等. 我國新藥創(chuàng)制的模式選擇與發(fā)展思考［J］.中國新藥雜志， 2020， 29（2）： 136-142.

［5］ KRIEGER J L， LI X， THAKOR R T. Find and replace： R&D investment following the erosion of existing products［J］.Management Science， 2022， 68（9）： 6552-6571.

［6］ DRANOVE D， GARTHWAITE C， HERMOSILLA M. Does consumer demand pull scientifically novel drug innovation？［J］.The RAND Journal of Economics， 2022， 53（3）： 590-638.

［7］ TSENG C Y， PAI D C. Knowledge search， spillover and creation capability in India’s pharmaceutical industry［J］.Technology Analysis & Strategic Management， 2014， 26（2）： 207-222.

［8］ BRAUNERHJELM P， DING D， THULIN P. Labour market mobility， knowledge diffusion and innovation［J］.European Economic Review， 2020， 123（2020）： 103386.

［9］ TZABBAR D， LEE J， SEO D. Collaborative structure and post-mobility knowledge spillovers： A dyadic approach［J］.Strategic Management Journal， 2022， 43（9）： 1728-1762.

［10］ 張豪， 張建華， 何宇， 等. 企業(yè)間存在全要素生產(chǎn)率的溢出嗎？——基于中國工業(yè)企業(yè)數(shù)據(jù)的考察［J］.南開經(jīng)濟(jì)研究， 2018（4）： 102-119.

［11］ 李勛來， 劉曉倩， 李文琪. 生物醫(yī)藥產(chǎn)業(yè)集群創(chuàng)新發(fā)展的經(jīng)濟(jì)增長效應(yīng)研究——以山東生物醫(yī)藥產(chǎn)業(yè)集群為例［J］.科技管理研究， 2023， 43（9）： 153-160.

［12］ 王便芳， 王新慶， 張省. 知識溢出、企業(yè)創(chuàng)新與組織協(xié)同研發(fā)行為［J］.企業(yè)經(jīng)濟(jì)， 2021， 40（4）： 153-160.

［13］ ADELHEID H， BETTINA P， CHRISTIAN R. Local knowledge spillovers and innovation persistence of firms［J］.Economics of Innovation and New Technology， 2023， 32（6）： 826-850.

［14］ ZACCHIA P. Knowledge spillovers through networks of scientists［J］.The Review of Economic Studies， 2020， 87（4）： 1989-2018.

［15］ ARQUE-CASTELLS P， SPULBER D F. Measuring the private and social returns to R&D： Unintended spillovers versus technology markets［J］.Journal of Political Economy， 2022， 130（7）： 1860-1918.

［16］ 龐瑞芝， 涂心語， 嚴(yán)曉玲. 產(chǎn)品市場競爭與知識溢出如何影響企業(yè)研發(fā)？——基于多維空間鄰近的實(shí)證識別［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究， 2021（2）： 1-14， 29.

［17］ 鄭曼妮， 黎文靖， 譚有超. 技術(shù)轉(zhuǎn)移與企業(yè)高質(zhì)量創(chuàng)新［J］.世界經(jīng)濟(jì)， 2024（3）： 66-93.

［18］ AGHION P， BECHTOLD S， CASSAR L， et al. The causal effects of competition on innovation： Experimental evidence［J］.The Journal of Law， Economics， and Organization， 2018， 34（2）： 162-195.

［19］ KONG L， LI Q， KAITIN K I， et al. Innovation in the Chinese pharmaceutical industry［J］.Nature Reviews Drug Discovery， 2023， 22（1）： 12-13.

［20］ BRYAN K A， LEMUS J， MARSHALL G. R&D competition and the direction of innovation［J］.International Journal of Industrial Organization， 2022， 82（2022）： 102841.

［21］ 唐運(yùn)舒， 葉徽， 焦建玲， 等. 藥品集采、以量換價與藥企創(chuàng)新：如何實(shí)現(xiàn)醫(yī)藥減負(fù)與藥企創(chuàng)新發(fā)展的雙贏？［J］.中國軟科學(xué)， 2023（12）： 123-133.

［22］ TRAJTENBERG M， HENDERSON R， JAFFE A. University versus corporate patents： A window on the basicness of invention［Tc8LmkZek2Iu3lF1HhHQog==J］.Economics of Innovation and New Technology， 1997， 5（1）： 19-50.

［23］ LUCKING B， BLOOM N， VAN REENEN J. Have R&D spillovers changed？ ［R］： National Bureau of Economic Research， 2018.

［24］ HALL B H. The manufacturing sector master file： 1959-1987 ［R］： National Bureau of Economic Research Cambridge， Mass.， USA， 1990.

［25］ SCHNITZER M， WATZINGER M. Measuring the spillovers of venture capital［J］.Review of Economics and Statistics， 2022， 104（2）： 276-292.

［26］ LI Y A. Borders and distance in knowledge spillovers： Dying over time or dying with age？—Evidence from patent citations［J］.European Economic Review， 2014， 71152-71172.

［27］ MURATA Y， NAKAJIMA R， OKAMOTO R， et al. Localized knowledge spillovers and patent citations： A distance-based approach［J］.Review of Economics and Statistics， 2014， 96（5）： 967-985.

［28］ 朱平芳， 徐偉民. 政府的科技激勵政策對大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響——上海市的實(shí)證研究［J］.經(jīng)濟(jì)研究， 2003（6）： 45-53， 94.

［29］ PERESS J. Product market competition， insider trading， and stock market efficiency［J］.The Journal of Finance， 2010， 65（1）： 1-43.

［30］ WOOLDRIDGE J M. Econometric analysis of cross section and panel data ［M］. MIT press， 2010.

［31］ CORREIA S. Singletons， cluster-robust standard errors and fixed effects： A bad mix［J］.Technical Note， Duke University， 2015， 7.

［32］ 楊立成， 周正， 張蕓蕓. 知識溢出與企業(yè)綠色創(chuàng)新——制度壓力與吸收能力的調(diào)節(jié)作用［J］.軟科學(xué)， 2023， 37（9）： 67-77.