◆胡 諜 鄧佳欣 肖雨奚

一、引言

在國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的推動下，我國科技成果總量持續(xù)增長，但人均創(chuàng)新水平相對較低，個人創(chuàng)新能力發(fā)展不平衡[1]。以發(fā)明專利為例，截至2019年，國內(nèi)發(fā)明專利擁有量已經(jīng)達到186.2萬件，但每萬人發(fā)明專利擁有量約13件，僅為美國的1/4，不到日本的1/10。從個人創(chuàng)新能力來看，近年來少數(shù)中國科學(xué)家憑借卓越的科研成果走上了國際領(lǐng)獎臺，如諾貝爾醫(yī)學(xué)獎獲得者屠呦呦、量子力學(xué)突出貢獻者潘建偉等等，但優(yōu)秀創(chuàng)新人才數(shù)量與發(fā)達國家還存在較為明顯的差距，不利于實現(xiàn)以創(chuàng)新驅(qū)動為主導(dǎo)的高質(zhì)量經(jīng)濟發(fā)展目標(biāo)[2]。

為此，無論是政府還是企業(yè)都希望通過樹立和引進創(chuàng)新典范，以“先富帶動后富”的方式促進整體創(chuàng)新能力提升。在實踐中，政府和企業(yè)根據(jù)個人創(chuàng)新成果是否卓越來區(qū)分明星和非明星，對成果突出的明星科學(xué)家給予豐厚的資金和榮譽獎勵，希望他們帶動并幫助更多人提高創(chuàng)新能力。但究竟如何充分發(fā)揮核心科技人才對其他創(chuàng)新者，尤其是普通創(chuàng)新者的正面影響，即外溢性，還有待實業(yè)界和學(xué)術(shù)界做出更深入的探索。專利發(fā)明人作為技術(shù)創(chuàng)新的主力軍，在我國創(chuàng)新體系建設(shè)中發(fā)揮舉足輕重的作用[3]。因此，深入研究發(fā)明明星的外溢性，對提升社會整體創(chuàng)新水平具有重要現(xiàn)實意義。

目前，關(guān)于發(fā)明明星的研究主要集中在如何識別明星，以及如何進一步提高他們的創(chuàng)新產(chǎn)出。近年來，雖然已有部分學(xué)者意識到發(fā)明明星外溢性的重要性，但主要討論明星對其所在團隊或組織整體創(chuàng)新績效的影響[4]，明星對非明星發(fā)明人的外溢性，包括影響機制和程度還需要繼續(xù)深化和拓展。此外，不同類型的發(fā)明明星因其差異化的創(chuàng)新特質(zhì)，對非明星發(fā)明人的影響也可能有所差別[5]。只有弄清楚各種類型發(fā)明明星如何差異化地影響非明星的技術(shù)創(chuàng)新，才能充分發(fā)揮這些核心科技人才的作用。

為解決以上問題，本文首先對發(fā)明明星的識別和分類、發(fā)明明星的外溢性等內(nèi)容進行文獻回顧，然后提出不同類型發(fā)明明星對非明星產(chǎn)生影響的理論框架，再利用專利數(shù)據(jù)對發(fā)明明星進行測度和分類，比較不同類型發(fā)明明星對非明星發(fā)明人創(chuàng)新績效的差異化影響，最后為充分發(fā)揮不同類型明星的外溢性提供科學(xué)的對策建議。

二、文獻回顧

（一）發(fā)明明星的識別與分類

學(xué)者們根據(jù)創(chuàng)新者的成果是否卓越將其分為明星和非明星。因此，現(xiàn)有文獻一般根據(jù)論文的發(fā)表數(shù)量和質(zhì)量來識別基礎(chǔ)研究中的科學(xué)明星，或根據(jù)專利的申請數(shù)量和質(zhì)量來識別技術(shù)創(chuàng)新中的發(fā)明明星。如Oettl[6]將年度論文數(shù)量和被引用量都排在同行前5%的學(xué)者認定為明星科學(xué)家。而Kehoe[4]分別根據(jù)發(fā)明專利數(shù)量和被引用量是否超過同行平均水平的兩倍或兩個標(biāo)準(zhǔn)差來識別發(fā)明明星。本文聚焦技術(shù)創(chuàng)新，利用專利數(shù)據(jù)來對創(chuàng)新中的發(fā)明明星進行識別。

為了研究各類明星在創(chuàng)新中的角色，學(xué)者們根據(jù)不同維度對其進行分類。最常見的是創(chuàng)新成果數(shù)量和質(zhì)量兩個維度，比如Ernst[7]基于發(fā)明人的專利產(chǎn)出數(shù)量和質(zhì)量，將明星分為多產(chǎn)發(fā)明者、天才發(fā)明者、關(guān)鍵發(fā)明者。也有學(xué)者結(jié)合其他維度來區(qū)分不同類型的明星。如Oettl[6]加入了社會維度，即對他人的幫助，將明星區(qū)分為孤狼明星、專家明星、全明星；Grigoriou等[8]結(jié)合明星在企業(yè)內(nèi)的合作網(wǎng)絡(luò)來區(qū)分融合關(guān)系明星和橋梁關(guān)系明星。但識別發(fā)明明星時，除這些有關(guān)知識深度的維度之外，還應(yīng)考慮有關(guān)知識廣度的維度，因為一個多產(chǎn)發(fā)明人可以橫跨多個技術(shù)領(lǐng)域，發(fā)明上百項專利，全才明星有可能做到“全面開花”[9，10]。所以，本文將從創(chuàng)新產(chǎn)出數(shù)量、質(zhì)量、技術(shù)廣度3個維度進行考慮，識別和區(qū)分不同類型的發(fā)明明星。

（二）發(fā)明明星的外溢性

發(fā)明明星在創(chuàng)新中的作用除了發(fā)揮個人高水平績效外，還表現(xiàn)在對他人的影響力上，學(xué)者們把這種作用稱為創(chuàng)新個體的外溢性[11]。這一概念最早出自經(jīng)濟學(xué)家對人力資本外溢性與經(jīng)濟增長關(guān)系的探討。Lucas[12]認為人力資本由兩部分構(gòu)成，一是對個人生產(chǎn)力的影響，二是對他人生產(chǎn)力的影響，人力資本積累通過這兩種效應(yīng)提升整體生產(chǎn)率水平，最終導(dǎo)致經(jīng)濟增長?；诖?，國內(nèi)外創(chuàng)新學(xué)者認識到人力資本外溢性是產(chǎn)生知識流動和溢出的關(guān)鍵[13~16]，因此，了解創(chuàng)新中人力資本外溢性的產(chǎn)生，尤其是表現(xiàn)突出的創(chuàng)新個體如何影響其他創(chuàng)新個體，對提升整體創(chuàng)新水平至關(guān)重要。

已有國外學(xué)者開始嘗試從外溢性視角探索明星對他人創(chuàng)新的影響。Oettl[6]討論了不同類型的明星逝世對其合作者后續(xù)創(chuàng)新數(shù)量和質(zhì)量的影響，發(fā)現(xiàn)全明星和專家明星的離世都會降低其合作者后續(xù)創(chuàng)新的質(zhì)量，但不會影響后續(xù)創(chuàng)新的數(shù)量。Agrawal等學(xué)者[17]把外溢對象區(qū)分成組織內(nèi)的在位者和新加入者，從同群效應(yīng)的視角分析發(fā)現(xiàn)明星對組織內(nèi)在位者的創(chuàng)新績效無顯著影響，但能夠顯著提升新加入創(chuàng)新者的平均質(zhì)量。除此之外，部分國內(nèi)學(xué)者也開始研究明星的外溢性。例如王巍等學(xué)者[5]認為關(guān)鍵研發(fā)者在社會網(wǎng)絡(luò)中的關(guān)系強度和占據(jù)結(jié)構(gòu)洞的情況會影響他們對外的知識擴散能力。李從剛[18]則從“雇中學(xué)”、身份效應(yīng)、橋梁效應(yīng)、產(chǎn)學(xué)研合作、同群效應(yīng)5個方面歸納總結(jié)了科研成果卓越且具有較高學(xué)術(shù)聲望的頂級科學(xué)家在創(chuàng)新活動中可能產(chǎn)生的作用。

現(xiàn)有文獻為研究發(fā)明明星的作用奠定了堅實的基礎(chǔ)，但關(guān)于不同類型發(fā)明明星的外溢性還值得深入探索。因此，本文利用專利數(shù)據(jù)識別和測度發(fā)明明星，并重點分析不同類型發(fā)明明星在技術(shù)創(chuàng)新中的外溢性，即他們對合作過的非明星發(fā)明人后續(xù)創(chuàng)新績效影響機制和影響程度的差異。

三、理論框架

在識別和區(qū)分不同類型發(fā)明明星時，本文考慮知識深度相關(guān)的創(chuàng)新產(chǎn)出數(shù)量和質(zhì)量，同時增加知識廣度相關(guān)的技術(shù)領(lǐng)域廣度，將明星分為領(lǐng)域內(nèi)明星和跨領(lǐng)域明星兩大類，并進一步區(qū)分6種明星類型（見圖1）。

圖1 不同類型明星的劃分

不同類型發(fā)明明星可能具有不同的創(chuàng)新特質(zhì)，進而影響他們在技術(shù)創(chuàng)新中的外溢性。領(lǐng)域內(nèi)明星是只在某一個細分技術(shù)領(lǐng)域內(nèi)表現(xiàn)突出的明星，他們長期研究一個領(lǐng)域，對該領(lǐng)域具有深度見解，通過正式與非正式交流，領(lǐng)域內(nèi)明星可以將知識傳遞給非明星，這種知識流動可以促進非明星對領(lǐng)域內(nèi)知識的學(xué)習(xí)，進而提升自己在本領(lǐng)域的創(chuàng)新績效[6]。由于產(chǎn)出數(shù)量和質(zhì)量的差異，領(lǐng)域內(nèi)的不同類型明星也會表現(xiàn)出差異化的創(chuàng)新特質(zhì)。領(lǐng)域內(nèi)多產(chǎn)明星雖然創(chuàng)新產(chǎn)出數(shù)量高，但其創(chuàng)新質(zhì)量不如領(lǐng)域內(nèi)專家明星和關(guān)鍵明星，因此對非明星的外溢性影響有限[7]。而領(lǐng)域內(nèi)關(guān)鍵明星在數(shù)量和質(zhì)量上都表現(xiàn)突出，憑借其豐富的創(chuàng)新經(jīng)驗和高水平的創(chuàng)新質(zhì)量，除了知識流動和知識學(xué)習(xí)外，還可能對非明星起到很好的正面示范作用[18]。跨領(lǐng)域明星是在多個技術(shù)領(lǐng)域表現(xiàn)突出的明星，他們長期從事不同領(lǐng)域的研究，具有廣泛的知識基礎(chǔ)，不僅能通過給非明星學(xué)習(xí)者提供多元化的知識，促進其創(chuàng)新水平的提高，還可能聚集來自不同領(lǐng)域的創(chuàng)新資源，使其非明星合作者受益[9，10，19]。同樣，跨領(lǐng)域的不同類型明星也可能存在差異化的創(chuàng)新特質(zhì)。跨領(lǐng)域多產(chǎn)明星雖然創(chuàng)新數(shù)量多，但對每個領(lǐng)域的研究可能不夠深入，因此對非明星的外溢性也可能有限，不過因其較高的知識廣度，相比于領(lǐng)域內(nèi)的多產(chǎn)明星，跨領(lǐng)域多產(chǎn)明星對非明星的影響可能更大?？珙I(lǐng)域全才明星在多個領(lǐng)域中不僅創(chuàng)新數(shù)量產(chǎn)出多，而且質(zhì)量高，說明此類明星深度掌握了廣泛的知識，他們最強的創(chuàng)新能力和知識融會貫通能力可以更有效地作用于非明星的知識學(xué)習(xí)，進而提高與其合作過的非明星的后續(xù)創(chuàng)新績效。此外，相較于跨領(lǐng)域明星，領(lǐng)域內(nèi)明星可能對本領(lǐng)域的非明星起到擠出效應(yīng)，一個領(lǐng)域的資源有限，往往都會傾向于少數(shù)明星[18]，從這個角度分析領(lǐng)域內(nèi)明星對非明星的影響可能不如跨領(lǐng)域明星。基于以上分析，本文就6類明星對非明星合作者后續(xù)創(chuàng)新績效的影響提出以下理論分析框架圖（見圖2）。

圖2 不同類型發(fā)明明星對非明星合作者后續(xù)創(chuàng)新績效影響的理論框架

四、研究設(shè)計

（一）數(shù)據(jù)來源與樣本選擇

本文選用美國專利和商標(biāo)局（USTPO）的醫(yī)藥發(fā)明專利進行實證研究。選擇美國醫(yī)藥專利數(shù)據(jù)進行分析，主要基于以下幾點考慮：首先，美國醫(yī)藥行業(yè)有80%的技術(shù)創(chuàng)新都申請專利，可以有效追蹤發(fā)明人的創(chuàng)新情況；其次，美國專利審查制度比較平穩(wěn)，其專利數(shù)據(jù)通常被用來衡量高質(zhì)量的創(chuàng)新績效和創(chuàng)新能力；最后，美國專利數(shù)據(jù)包括專利、申請人、發(fā)明人、專利引文等相對完善的信息，具有公開性、連續(xù)性及易獲取性，可用于明星和其他相關(guān)變量測度。

本文根據(jù)醫(yī)藥技術(shù)領(lǐng)域分類號檢索出USTPO在1976~2019年間授權(quán)的389461件醫(yī)藥專利，共涉及具有完備信息的發(fā)明人234454個。從創(chuàng)新產(chǎn)出數(shù)量、質(zhì)量、技術(shù)廣度3個維度對發(fā)明明星進行識別和分類。參照已有文獻[7]，將T-4至T期發(fā)明專利授權(quán)數(shù)量在T期同行中排名前10%的發(fā)明人識別為T期的數(shù)量明星，將T-4至T期發(fā)明專利被引量在T期同行中排名前10%的發(fā)明人識別為T期的質(zhì)量明星，將T-4至T期授權(quán)專利涉及技術(shù)領(lǐng)域僅有1個的明星識別為T期的領(lǐng)域內(nèi)明星，有多個技術(shù)領(lǐng)域的明星為跨領(lǐng)域明星。在此基礎(chǔ)上劃分領(lǐng)域內(nèi)多產(chǎn)明星、領(lǐng)域內(nèi)專家明星、領(lǐng)域內(nèi)關(guān)鍵明星、跨領(lǐng)域多產(chǎn)明星、跨領(lǐng)域?qū)＜颐餍恰⒖珙I(lǐng)域全才明星。以上數(shù)據(jù)中從未成為明星的發(fā)明人有68173個?？紤]到構(gòu)建創(chuàng)新質(zhì)量指標(biāo)需要五年的后向引文數(shù)據(jù)，在對相關(guān)信息進行清洗合并后，最終得到由16961個非明星在1998-2015年間獲得授權(quán)的專利12020件。其中僅326件專利的非明星發(fā)明人在T-4至T期內(nèi)與某一類明星有過合作，其余11694件專利的非明星發(fā)明人在T-4至T期內(nèi)從未與明星合作過。以326件專利為實驗組，為了獲得具有可比性的對照組，在精確控制授權(quán)年份的基礎(chǔ)上利用傾向得分匹配法從11694件專利中選取以下條件與之最匹配的326個對照專利:發(fā)明人團隊規(guī)模（Inventor number，IN）、發(fā)明人團隊過去5年的平均授權(quán)數(shù)量（Grant number，GN）、平均后向引文數(shù)量(Forward citation，F(xiàn)C)、平均技術(shù)領(lǐng)域廣度（Breadth），專利權(quán)利要求個數(shù)。傾向得分匹配平衡趨勢檢驗結(jié)果顯示（見表1），匹配前各變量之間存在顯著性差異，匹配后各變量之間的差異明顯降低，在一定程度上可解決選擇性偏差問題。

表1 傾向得分匹配平衡趨勢檢驗結(jié)果

（二）變量測度與模型選擇

本文最終分析對象為652件專利。因變量是非明星的創(chuàng)新績效（Innovation performance，IP），借鑒Kehoe[4]和馬榮康[3]的研究，本文利用每件專利在授權(quán)后5年內(nèi)（含當(dāng)年）收到的后向?qū)＠每偭縼頊y量。本文自變量為分類變量，首先，構(gòu)造是否與明星有過合作的自變量（Star），如果非明星發(fā)明人在授權(quán)前5年內(nèi)（含當(dāng)年）與任何一個明星合作過，則該變量記為1，否則為0；其次，構(gòu)造是否與不同類型明星有過合作的自變量（Star subdivide），如果非明星發(fā)明人在授權(quán)前的5年內(nèi)（含當(dāng)年）與領(lǐng)域內(nèi)多產(chǎn)明星、領(lǐng)域內(nèi)專家明星、領(lǐng)域內(nèi)關(guān)鍵明星、跨領(lǐng)域多產(chǎn)明星、跨領(lǐng)域?qū)＜颐餍?、跨領(lǐng)域全才明星合作過，則分別標(biāo)記為1、2、3、4、5、6，其他為0；最后為了進一步比較領(lǐng)域內(nèi)和跨領(lǐng)域明星對非明星的差異化影響，將明星歸類，構(gòu)建自變量（Star type），如果非明星發(fā)明人在授權(quán)前5年內(nèi)（含當(dāng)年）與領(lǐng)域內(nèi)明星合作過，則記為1，與跨領(lǐng)域明星合作過，則記為2，其他為0。

控制變量考慮了專利層面[3]的權(quán)利要求數(shù)量（Claim）、IPC個數(shù)（IPC）、后向引文數(shù)量（Backward citation，BC），發(fā)明人層面[17]的團隊人數(shù)（Inventor number，IN）、過去5年的平均授權(quán)數(shù)量（GN）、平均后向引文數(shù)量(FC)、平均技術(shù)領(lǐng)域廣度（Breadth）、第一發(fā)明人的創(chuàng)新年限（Inventor tenure，IT），申請人層面[6]的申請人團隊規(guī)模（Assignee number，AN）、第一發(fā)明人的創(chuàng)新年限（Assignee tenure，AT）。同時控制授權(quán)時間虛擬變量。為了緩解數(shù)據(jù)偏態(tài)造成的影響，所有連續(xù)變量均取對數(shù)，并進行1%縮尾處理。

本文因變量是計數(shù)型數(shù)據(jù)，且均值不等于方差，所以選用負二項模型進行回歸。為了保證結(jié)果的穩(wěn)健性，避免因變量右偏問題，對因變量取對數(shù)后用Tobit模型進行穩(wěn)健性回歸。

五、實證結(jié)果分析

表2是變量的描述性統(tǒng)計分析與相關(guān)性分析結(jié)果，各個變量之間的相關(guān)系數(shù)小于0.6，VIF值也都未超過10，說明指標(biāo)之間不存在嚴重的多重共線性的問題。

表2 描述性統(tǒng)計與相關(guān)系數(shù)分析

表3是在不區(qū)分明星類型的情況下，與明星合作對非明星創(chuàng)新績效的影響結(jié)果。表3呈現(xiàn)了負二項回歸和Tobit回歸的結(jié)果，模型（1）和（3）是僅含控制變量的基礎(chǔ)模型，大部分控制變量對創(chuàng)新績效存在顯著影響，且在兩類模型中各系數(shù)均保持穩(wěn)定性。以模型（2）為例進行分析，自變量系數(shù)為0.602，在1%水平上顯著，說明前五年和明星合作過的非明星發(fā)明人在當(dāng)年的創(chuàng)新績效顯著高于未和明星合作過的非明星。模型（4）中自變量的系數(shù)同樣顯著為正（β=0.545，p<0.01），進一步證實了與發(fā)明明星合作可以有效提升非明星發(fā)明人后續(xù)的創(chuàng)新績效。

表3 發(fā)明明星對非明星創(chuàng)新績效的影響

為了進一步分析不同類型發(fā)明明星對非明星創(chuàng)新績效的影響，本文先將發(fā)明明星分成領(lǐng)域內(nèi)明星和領(lǐng)域外明星兩大類。表4的模型（2）中自變量Star type 1的系數(shù)為0.485，在10%水平上顯著，Star type 2的系數(shù)為1.030，在1%水平上顯著，說明前五年和領(lǐng)域內(nèi)的明星合作過的非明星發(fā)明人在當(dāng)年的創(chuàng)新績效顯著高于未和明星合作過的非明星，前五年和跨領(lǐng)域的明星合作過的非明星發(fā)明人在當(dāng)年的創(chuàng)新績效也顯著高于未和明星合作過的非明星。從系數(shù)大小來看，跨領(lǐng)域明星和領(lǐng)域內(nèi)明星的影響力存在差異。為了進一步證實這一結(jié)論，對模型（2）中兩個自變量系數(shù)進行T檢驗，表5的結(jié)果顯示Star type 2的系數(shù)顯著大于Star type 1的系數(shù)，說明跨領(lǐng)域明星對非明星創(chuàng)新績效的影響顯著大于領(lǐng)域內(nèi)明星對非明星創(chuàng)新績效的影響。Tobit回歸模型的結(jié)果與以上分析保持一致。

表4 不同類型發(fā)明明星對非明星創(chuàng)新績效的影響

表5 模型（2）中自變量系數(shù)的T檢驗結(jié)果

從創(chuàng)新產(chǎn)出數(shù)量、質(zhì)量、技術(shù)廣度3個維度將明星細分為6類：領(lǐng)域內(nèi)多產(chǎn)明星、領(lǐng)域內(nèi)專家明星、領(lǐng)域內(nèi)關(guān)鍵明星、跨領(lǐng)域多產(chǎn)明星、跨領(lǐng)域?qū)＜颐餍?、跨領(lǐng)域全才明星。由于跨領(lǐng)域?qū)＜颐餍窃谒邪l(fā)明人中占比不足0.2%，本文保留的最終樣本中未出現(xiàn)與跨領(lǐng)域?qū)＜颐餍呛献鞯那闆r，導(dǎo)致模型（3）和（6）中缺少Star subdivide 5的自變量。模型（3）的負二項回歸結(jié)果和模型（5）的Tobit回歸結(jié)果均顯示，除Star subdivide 1的系數(shù)不顯著外，其他4個變量的系數(shù)均顯著為正，且系數(shù)大小依次遞增，但T檢驗顯示各系數(shù)之間不存在統(tǒng)計上的顯著差異。盡管如此，該結(jié)果也在一定程度上說明不同類型的發(fā)明明星對非明星創(chuàng)新績效的影響是存在差異的，跨領(lǐng)域明星的影響力比領(lǐng)域內(nèi)明星的影響力更大。

六、研究結(jié)論與對策建議

本文從創(chuàng)新產(chǎn)出數(shù)量、質(zhì)量以及技術(shù)領(lǐng)域廣度3個維度出發(fā)，定義和區(qū)分了6類發(fā)明明星，并以美國醫(yī)藥專利為研究對象，實證分析和比較了不同類型發(fā)明明星對其非明星合作者后續(xù)創(chuàng)新績效的影響，研究結(jié)果表明：①與明星合作會提升非明星后續(xù)創(chuàng)新的績效；②不同類型發(fā)明明星因其獨特的創(chuàng)新特質(zhì)，會通過不同的傳導(dǎo)機制發(fā)揮其外溢性，不同類型發(fā)明明星對非明星合作者后續(xù)創(chuàng)新績效產(chǎn)生不同程度的影響；③跨領(lǐng)域進行技術(shù)創(chuàng)新的明星比僅在領(lǐng)域內(nèi)進行技術(shù)創(chuàng)新的明星更有利于發(fā)揮其外溢性，即對非明星合作者后續(xù)創(chuàng)新績效的影響程度更大。

以上研究結(jié)論有助于學(xué)術(shù)研究者深入理解發(fā)明明星在技術(shù)創(chuàng)新中的外溢性，同時本文從核心科技人才培養(yǎng)、團隊合作、跨界交流等方面為創(chuàng)新管理者提出以下對策建議：①管理者要重視核心科技人才的培養(yǎng)，尤其是跨領(lǐng)域創(chuàng)新人才，他們自身具有較強的外溢性，能有效提升其他人的創(chuàng)新能力。但應(yīng)當(dāng)注意避免馬太效應(yīng)帶來的負面影響，若資源過度傾向于核心人才，容易對其他人的創(chuàng)新產(chǎn)生擠出效應(yīng)。②管理者應(yīng)該鼓勵團隊合作，尤其是跨界合作與交流，為非明星與明星搭建溝通橋梁，通過合作發(fā)揮明星的知識傳播、示范效應(yīng)等作用，促進非明星的知識學(xué)習(xí)和創(chuàng)新能力提升，進而提高整體創(chuàng)新水平。