政府数据公开与企业跨区域协同创新

《TECHNOLOGY IN SOCIETY》：Government Data Openness and Firms’ Interregional Collaborative Innovation

　　丁莉|曹玉轩
兰州大学经济学院，中国兰州730000

摘要
现有的研究主要将政府数据的透明度视为一种增强透明度和提升公共治理的制度安排，然而关于政府数据透明度如何影响企业作为微观创新主体的跨区域协同创新行为的系统化微观证据仍然不足。本文利用中国地方政府数据开放平台的推出作为一个准自然实验，并利用中国A股上市公司的面板数据，通过分阶段差分法（DID）来探讨政府数据透明度对企业跨区域协同创新的影响。研究结果表明，政府数据透明度显著促进了企业的跨区域协同创新，平均使跨城市联合专利申请的数量增加了5.4%。机制检验表明，这种效应主要通过缓解时空限制和降低制度交易成本来发挥作用。在企业层面，本文揭示了政府数据透明度如何将创新合作从地理邻近的关系转向更注重知识互补性的跨区域联系，从而丰富了跨区域协同创新形成的微观基础。同时，政府数据透明度不仅是一种提高透明度的政策工具，也是一种重塑创新网络结构的数字治理安排，从而扩展了制度经济学和数字治理的研究领域。

引言
创新是国家竞争力的重要支柱，也是企业提升市场竞争力和实现可持续发展的关键战略资源（Bukhari等，2021；Su?i?等，2026）。根据传统的知识基础观，创新大致可以分为两种类型：独立创新和协同创新。与封闭的、企业内部的创新相比，协同创新促进了不同组织之间的知识流动、整合与重组，使企业在日益激烈的竞争环境中获得可持续的竞争优势（Wang & Hu，2020）。同时，它还使企业能够与外部创新主体更紧密地合作，并在日益复杂的创新格局中共享研发风险，从而成为主导性的技术创新模式（Yang等，2021）。

协同创新通常指的是两个或多个创新主体在知识共享的基础上进行的联合研发活动，其目的是共同开发新技术或产品（Xie等，2023）。作为开放创新的核心模式，协同创新强调跨越组织边界整合资源和能力互补性。现有研究表明，协同创新通过促进知识互动和协同学习，激发参与者的创造潜力，降低研发成本和不确定性风险，最终提升整体创新绩效（Stoj?i?等，2024）。此外，协同创新使企业能够利用外部合作伙伴的专业知识和关键资源，弥补仅靠独立创新难以克服的技术、资本或人才方面的局限性，从而实现互利共赢（Baah等，2026）。

基于这一视角，协同创新的范畴已从地理邻近的主体扩展到更广泛的空间范围，从跨城市合作延伸到国际合作。与局限于本地网络的合作相比，跨区域协同创新要求企业跨越城市边界，在更广阔的空间范围内重新组织知识搜索、合作伙伴选择和资源整合。对于企业而言，这种合作的重要性体现在两个方面：一方面，超越本地区域的合作使企业能够接触到更多样化的技术，拓宽知识重组的範圍；另一方面，它为企业提供了突破高度同质化的本地知识环境的实际途径，从而缓解路径依赖，增强创新活动的灵活性和潜在回报。这一点在中国尤为重要，因为中国的创新资源分布不均，各地区的知识基础差异显著。在这一背景下，企业通过跨区域协同创新进入更广泛的知识网络的能力成为提升创新能力的重要途径（Vlasova，2021；Wang等，2022）。如图1所示，本文的典型事实分析为此观点提供了直观支持。通过对上市公司样本的分析，我们比较了样本期间本地合作专利和跨区域合作专利的知识广度，结果显示跨区域合作专利的年均知识广度始终高于本地合作专利。这表明跨区域协同创新通常伴随着更广泛的知识组合和更强的知识整合潜力。

然而，正因为跨区域协同创新具有明显的跨边界特征，其形成条件比一般的协同创新更为复杂。一旦企业超越本地合作圈，它们必须在更广阔的空间范围内寻找机会和筛选合作伙伴，同时应对不同地区的制度规则和政策环境差异。现有研究表明，交通基础设施的改善可以加强城市间的创新联系，促进跨区域合作的增长（Hanley等，2022；Kang等，2023）。然而，这些研究主要关注连通性改善后的整体变化，而对一个更基本的问题——企业为何会参与跨区域协同创新，以及哪些因素帮助它们从熟悉的本地网络转向本地区域之外的多样化合作伙伴——缺乏深入探讨。需要更清晰的答案来区分跨区域协同创新与一般意义上的协同创新的空间延伸，并阐明其在克服本地知识锁定和获取多样化资源方面的独特作用。

在数字经济的背景下，这一问题与政府数据透明度的提升密切相关。大数据、人工智能和云计算等数字技术的发展为企业跨区域协同创新创造了新的可能性。这些技术可以提高知识传播效率，提供远程合作的新 organizacional 形式，但也严重依赖于大规模的数据输入。政府拥有大量的高价值数据资源，因此有效且持续地开放政府数据对于希望超越本地知识网络的企业至关重要。早在2009年，美国政府就推出了“开放政府计划”并建立了第一个国家级政府数据开放平台。随后，“开放政府”的理念迅速传播到全球，加拿大、英国和新加坡等发达国家也建立了自己的政府数据开放平台。受此趋势影响，中国各城市的政府在2012年上海和北京率先建立政府数据开放平台后，也逐步启动大规模平台建设。截至2023年8月，中国已建立了204个地方政府数据开放平台，覆盖率为60.53%。这些平台涵盖了宏观层面的数据（如人口、消费、环境、科学研究项目和建设规划）以及微观层面的数据（如企业注册、企业处罚和企业经营状况）。大多数这些数据以原始形式公开，企业和其他社会主体可以免费获取和使用。随着更多地方平台的上线，原本分散在政府部门内的数据资源逐渐被整合为可搜索、可调用和可重复使用的公共数据资源。因此，政府数据开放平台已从单纯的信息披露工具发展成为支持数据流通和数字治理的重要基础设施。

在这种背景下，政府数据透明度与企业跨区域协同创新之间的关系尤为重要。对于企业而言，进入跨区域合作网络通常需要解决两个实际问题：一是本地区域之外是否存在值得合作的合作伙伴；二是跨区域合作是否涉及可接受的成本和制度风险。随着政府数据透明度不断释放有关行业、信贷、审批、监管和项目的信息，企业识别外部机会和筛选合作伙伴的基础可能会发生变化。同时，随着外部制度环境的透明度提升，企业对跨区域合作可行性的判断也可能相应调整。从这个意义上说，政府数据透明度既涉及数据的公共可获取性，也涉及企业是否愿意和有能力超越本地网络，连接本地区域之外的多样化知识和资源。换句话说，政府数据透明度与企业跨区域协同创新之间的联系超越了“开放数据能否促进创新”的一般性问题，而是关注企业如何重新评估跨区域合作的利益、成本和可行性。

因此，本文重点关注企业跨区域协同创新这种更明确反映跨领域知识整合和网络边界扩展的创新行为。具体而言，它探讨了政府数据开放平台的推出如何影响企业超越本地创新网络的能力，并分析了这一效应的传导机制。我们将地方政府数据开放平台的推出视为一个准自然实验，并利用中国A股上市公司的面板数据，通过分阶段差分法来研究政府数据透明度对企业跨区域协同创新的影响。

本研究对三个文献领域有所贡献。首先，本文将政府数据透明度的研究与公共数字基础设施如何塑造企业作为创新主体的更广泛讨论联系起来。现有研究主要将政府数据透明度视为一种增强透明度、加强责任性和提升公共服务提供的制度安排（Lnenicka等，2024），重点关注政府数据开放平台的建设、实施、绩效评估和制度条件。例如，Young（2020）从政府组织的角度讨论了政府数据开放平台实施的制度制约；赵等（2022）分析了中国城市政府数据开放平台的资源基础和制度生成机制。近期，一些研究开始将政府数据透明度纳入更广泛的数字生态系统框架，如Bonina & Eaton（2020）和Marchesani & Ceci（2026a）探讨了政府数据透明度与数据价值链、数字转型和平台基础设施的关系，指出它不仅是提高政府透明度的工具，也是重要的数字治理和数据基础设施。尽管如此，现有研究仍主要集中在政府实施、平台治理和绩效评估方面，尚未充分解释政府数据透明度作为数字治理工具和数字生态系统中的数据基础设施，如何进一步影响企业的知识搜索、合作伙伴匹配和跨区域合作决策。通过研究政府数据透明度对企业跨区域协同创新的影响，本文表明政府数据透明度不仅是一种信息披露和增强政府透明度的工具，也是一种数字治理工具和数据基础设施。它通过提高数据可用性、增强合作伙伴的可识别性以及减少跨区域合作中的信息不对称性和制度不确定性，重塑了企业的创新搜索环境和合作边界。

其次，本文从企业如何超越本地知识池、参与跨区域创新搜索的角度推进了跨区域协同创新的研究。现有研究普遍认可协同创新对知识整合和创新绩效提升的重要性，但对跨区域协同创新如何产生的解释主要基于交通基础设施和宏观城市分析。例如，Hanley等（2021）、Wang等（2022）和Kang等（2023）强调高速铁路通过降低时空成本和加强组织与社会联系促进了城市间的创新合作。然而，这些研究主要关注区域连通性的变化和城市间合作的总体量，而对一个更基本的问题——一旦区域连通性改善，哪些类型的微观主体实际上会发起并维持跨区域协同创新，以及企业为何会超越地理邻近性和本地知识锁定，转向本地区域之外的多样化合作伙伴——的解释较为有限。值得注意的是，城市层面的跨区域协同创新并不一定等同于企业间的合作，因为它往往涵盖企业、大学、研究机构和政府之间的多方协作。现有研究尚未充分解释为什么数字治理条件的改善会影响企业作为核心创新主体的知识搜索、合作伙伴筛选以及跨区域合作边界。本文认为，跨区域协同创新不仅仅是协同创新的地理延伸，而是一种跨越边界的创新形式，它更清晰地反映了企业获取异质知识、筛选远距离合作伙伴以及克服制度摩擦的能力。通过识别政府数据开放性对企业在跨区域协同创新中的促进作用，本文表明，数字治理条件的改善并不会自动转化为跨区域创新联系。相反，只有当企业的信息条件、合作伙伴的可识别性以及合作预期发生变化时，这种联系才会产生。这样，本文不仅补充了跨区域协同创新形成的微观基础，还将数字治理理论与创新网络、开放创新和区域创新系统的理论紧密联系起来。

第三，本文为关于国家主导的数据治理如何重塑区域创新系统运作条件的更广泛讨论做出了贡献。在这个讨论中，关键问题是公共数据安排如何影响企业构建跨区域创新联系的决策。现有关于政府数据开放性影响途径的研究主要集中在三个方向。第一方向侧重于数据供应和质量，强调开放数据的有效性取决于部门能力、组织安排、法律和政策框架、外部压力以及数据质量等因素；从这个角度来看，实现政府数据开放性的关键是持续提供可访问、可用且高质量的数据资源（Young, 2020; Zhao et al., 2022; Dabi? et al., 2024）。第二方向关注平台治理和数据重用，将政府数据开放性置于平台生态系统、开放数据生态系统和数据价值链架构中，并将其视为具有平台、基础设施和治理属性的数字制度安排。在这个框架内，平台治理、透明度、规则设计及责任划分影响着数据重用、创新培育和生态系统性能（Bonina & Eaton, 2020; Lnenicka et al., 2022; Marchesani & Ceci, 2026a）。第三方向进一步指出，开放数据可以通过共创和价值实现机制促进创新和公共价值，如支持大数据分析、跨边界信息共享和多主体共创；同时，隐私风险、问责压力、官僚主义抵制以及战略变通也可能削弱开放数据所带来的价值（Liu et al., 2026; Sun et al., 2026）。然而，这些研究仍主要关注政府供应、平台治理或公共价值实现，未能充分解释一个更微观的问题：政府数据开放性是如何从“数据被开放”转化为企业决定参与跨区域协同创新的决策的。本文通过考察政府数据开放性对企业跨区域协同创新的影响，表明其关键效应不在于单纯增加数据供应，而在于同时重塑企业在跨区域合作中面临的两个核心约束：首先，通过提高数据可用性、可识别性和可重用性，降低了企业在异地合作中的信息搜索、机会识别和合作伙伴匹配成本；其次，通过增强规则透明度、改善制度环境并减少合作不确定性，降低了跨区域合作的制度交易成本。因此，本文不仅增加了关于开放数据创新效应的实证发现，还揭示了政府数据开放性如何通过信息环境重塑、制度环境改善和合作边界扩展来影响企业的跨区域协同创新决策，从而推进了数字治理、制度环境和区域创新系统之间相互作用的研究。

在第二节中，我们发展了理论分析和研究假设。第三节回顾了样本选择过程并解释了计量经济学规格。第四节展示了实证结果并讨论了额外的稳健性测试。第五节进一步探讨了政府数据开放性的范围，并分析了其对不同类型和结构配置下协同创新的差异化影响。第六节提出了主要结论并讨论了研究结果的含义。第七节讨论了本研究的局限性并概述了未来研究的方向。

企业跨区域协同创新的跨界性质及其约束来源
协同创新既是一种创新主体之间的合作形式，也是企业整合外部知识以实现技术突破和提升创新绩效的重要组织模式。与本地合作相比，跨区域协同创新要求企业主动跨越地理边界和本地知识网络，在更广阔的空间范围内搜索知识、筛选合作伙伴。

研究设计
综上所述，上述论点表明，政府数据开放性可能通过两个主要渠道影响企业的跨区域协同创新。首先，通过提高跨区域信息的可见性和可用性，它可以扩大企业搜索和筛选外部合作伙伴的机会范围。其次，通过使制度条件更加可观察和可预测，它可以降低跨区域合作的感知风险和成本。

主要结果
在理论分析中，我们认为政府数据开放性可以通过改善企业获取外部区域信息的能力、增强潜在合作伙伴的可识别性以及加强企业评估外部制度环境的能力，从而扩展企业的合作边界。因此，主要的实证问题是，在地方政府数据开放后，企业是否会更积极地参与跨区域协同创新。

关于本文主要论点的进一步证据
第五节进一步探讨了上述核心理论逻辑是否扩展到企业跨区域协同创新的空间和质量维度。本文的主要论点是，政府数据开放性改变了企业的机会搜索、合作伙伴筛选和制度评估方式，帮助它们超越本地化的知识网络。如果这一论点是正确的，其影响不应仅限于跨区域合作次数的增加。

结论与讨论
本文将中国地方政府数据开放平台的推出视为一个准自然实验，并使用中国A股上市公司的面板数据（采用分阶段差异-差异设计）来识别政府数据开放性对企业跨区域协同创新的影响。得出了三个主要结论：首先，政府数据开放性显著促进了企业的跨区域协同创新，并使企业的合作网络更加多元化。

局限性与未来研究
本研究存在几个局限性。首先，本文以平台启动作为政策冲击，虽然这种方法能够清晰地衡量政府数据开放的时间，但无法完全捕捉不同城市在数据可用性、更新频率或应用价值方面的差异。因此，结果应被视为建立政府数据开放平台的效果，而不是直接估计已发布数据质量的效果。

作者贡献声明
Li Ding：撰写——原始稿件、形式分析、数据整理
Yuxuan Cao：撰写——审阅与编辑、方法论、资金获取

未引用的参考文献
Jin et al., 2024; Su?i? Funko et al., 2026

参与同意
本文的所有作者都参与了研究的某些实质性方面，并被承认或列为贡献者。

出版同意
本文未曾也不打算同时提交给其他期刊。本文是完全原创的作品，没有抄袭问题。根据我们所知，文中报告的信息是准确的。一项研究不会被分成多个部分以增加提交数量或分时间提交给不同的期刊。我们同意发表本文。

伦理批准
本研究不涉及任何危害，例如使用动物或人类受试者的问题。我们的研究不存在抄袭现象，也没有借鉴他人的数据、文章或理论。

数据可用性
部分或全部支持本研究发现的数据、模型或代码可在合理请求下从相应作者处获得。

利益冲突声明
作者声明没有已知的财务利益冲突或可能影响本文工作的个人关系。

致谢
本研究得到了天津社会科学基金会项目（编号TJYJQN25-19）的支持。