生產網絡視角下的技術創新

習媛杰 韓松

摘 要：創新是引領發展的第一動力。近年來，隨著產業分工和合作的增強，在生產網絡視角下研究技術創新逐漸成為一個前沿問題。本文從生產網絡下技術創新的傳導、溢出及其與生產網絡內生變動的相互影響等方面，對現有文獻進行全面的梳理。首先，本文介紹了生產網絡對外生技術沖擊的傳導作用；其次，放松技術沖擊的外生性，描述生產網絡及相關的創新網絡對技術溢出的影響；之后，再放松生產網絡早期被視為給定的傳導渠道這一設定，分析生產網絡的內生變動與技術創新的雙向關聯，并將以上三個方面的定量和實證研究進行統一整理和歸納；最后作出總結和展望。

關鍵詞：生產網絡；技術創新；內生增長

一、引 言

技術創新離不開產業鏈供應鏈的支撐。習近平總書記指出：“要緊扣產業鏈供應鏈部署創新鏈，不斷提升科技支撐能力?！雹冱h的二十大報告中也明確提到，“加快實施創新驅動發展戰略……推動創新鏈產業鏈資金鏈人才鏈深度融合?！鄙a網絡與產業鏈供應鏈緊密相關，它強調生產關系中的投入產出聯系，同時囊括了產業鏈強調的部門關聯，以及供應鏈強調的企業關聯。隨著生產分工不斷深化，經濟個體間的關聯逐漸增強，生產網絡結構趨向復雜，生產關聯也演變為一種知識溢出的渠道和技術內生動力來源。從生產網絡視角研究技術創新，既有助于創新鏈的部署，提升產業鏈供應鏈現代化水平，也有利于加快發展現代產業體系、推動經濟體系優化升級。

關于生產網絡與技術創新的聯系，早在1911 年，熊彼特就在其著作《經濟發展理論》中有過相關表述，表明創新會通過行業聯系傳導并產生連鎖反應，尤其是當行業間存在上下游關系時。②生產網絡相關研究近年來增長迅速，尤其是在2012 年，Acemoglu 等學者將投入產出聯系作為一種網絡結構系統地引入到經濟波動的分析中之后，生產網絡成為解釋經濟增長、部門協同發展、收入不平等、資源分配政策設定、產業升級等現象的重要因素。當下的相關研究可主要分為三類：一是研究某一外生沖擊在生產網絡中的傳導機制，二是研究技術和知識在生產網絡中的內生變化，三是研究生產網絡自身的變化。本文將對這三類文獻進行梳理分析，并介紹相關的實證研究。而技術沖擊貫穿于這三個方面的研究，即技術創新在生產網絡是如何進行傳導、會形成何種經濟效應、是否發展成宏觀的經濟波動，其他相關問題還有，生產網絡是否為技術創新的溢出渠道，技術知識溢出的機制，以及生產網絡如何通過技術創新發生內生化變動等等。由此可見，生產網絡與技術創新緊密相關、不可分割。在全球化的新形勢下，深入研究二者關系有利于發揮創新政策、強化科技創新支撐引領、深化供給側結構性改革，不斷加快構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局等。

本文旨在對已有文獻進行總結，從生產網絡視角分析技術創新。一方面，是為了更好地促進技術創新和經濟發展，為我國產業鏈供應鏈的現代化水平提升和創新鏈融合提供理論和實踐基礎；另一方面，是為了對生產網絡和技術創新相關理論進行補充。隨著經濟的發展和企業、產業間的分工合作深化，創新發展成為一項融合性工作，任何企業和產業在生產網絡中都不是獨立的，在生產網絡中審視技術創新是當代經濟社會發展提出的新要求。因此，本文將結合生產網絡和技術創新兩方面的文獻，梳理其關聯、相關理論模型和實證研究的發展①，并在對生產網絡文獻總結的基礎上，結合內生增長理論，著重闡述技術創新與生產網絡之間的關聯，意在為后續研究提供借鑒。

二、在生產網絡視角下關注技術創新的緣由

技術創新的重要性不言而喻，對技術創新的研究不斷發展。20 世紀以來，熊彼特之后，從新古典經濟增長到內生經濟增長，技術進步不再是完全的黑箱過程，技術創新從線性過程向復雜交互式過程前進?？v觀內生增長理論的發展歷程，大概可以總結出三個方向②：一是強調知識或技能水平的外部性和溢出作用（Arrow，1962；Romer，1986）；二是強調生產環節所需中間產品的種類多樣化（Romer，1987；Romer，1990）；三是強調生產環節所需中間產品的質量提升（Grossman 和Helpman，1991；Aghion 和Howitt，1992）。這三類研究中，技術創新通過兩種方式實現，一種方式是知識的傳遞，另一種方式是產品差異引致壟斷尋租激勵，使得企業進行內在創新投資。

在實證上，對知識溢出和壟斷尋租激勵等各類技術創新影響因素的分析，近年來已經有了大量的研究。知識溢出方面，主要集中于企業間的交互以及技術創新各類要素的流動，地理距離（Storper和Venables，2004；符淼，2009）、人才流動（羅思平和于永達，2012；Agrawal 等，2017）、供應鏈（Li，2018；陳勝藍和劉曉玲，2021）、產業集群（Ellison 等，2010； 彭向和蔣傳海，2011）等成為研究對象。壟斷尋租激勵方面，主要集中于行業層面或宏觀層面的政策，知識產權政策（Moser，2005；吳超鵬和唐菂，2016）、市場競爭（Aghion 等，2005；聶輝華等，2008）、產業扶持政策（毛其淋和許家云，2015；余明桂等，2016）等因素。這其中也不乏網絡，如交通網絡、資金網絡、知識網絡、人脈網絡等。除此之外，還有相當部分的文獻從企業內部結構，分析企業在進行創新相關決策時的各類內在影響因素。

那么，生產網絡與知識溢出、壟斷尋租激勵之間是否存在類似的聯系？生產網絡是因生產而形成的網絡，它較為正式地成為一個專有名詞（production network）見于Battiston 等（2007）、Weisbuch和Battiston（2007）的研究文章中。具體來說，即利用生產環節的投入和產出要素區分供應商和客戶，并將多個這樣的關聯組合起來形成網絡結構，其中企業是網絡中的節點，節點之間可能存在產品流動。在此之前，沒有明確提出生產網絡的概念，Long 和Plosser（1983）設定企業的產出不僅可以用來消費，也可作為中間品與其他投入品共同投入于生產中，以此來表示網絡。Bak 等（1993）則指明單個部門的沖擊也無法受限于該部門本身，會通過網絡進行傳遞。他們所描述的網絡具體表現為，經濟體中包含多部門多個階段生產流程，其中企業購買產品并用于生產再出售，因此，生產環節將經濟體中的多個企業和部門連接起來，這種連接即可表現為網絡。這些表述表明，客戶和供應商之間可以有多對多的連接，且存在非直接聯系，因此兩個看起來不相關的企業可能會互相影響，甚至處于網絡中不同位置的企業或部門所能夠影響的范圍和強度差異巨大。由此可見，一件產品由多個企業共同生產是常態，“共同生產”在現代經濟生活之中表現為：一方面是作為競爭者生產同一種類型的商品；另一方面是作為上下游分布在生產鏈的各個環節，逐步、循環地進行生產。如果后一個方面表現為早期相關文獻中所強調的供應商—客戶聯系，那么已有文獻證實了其知識溢出作用；前一個方面則表現為競爭關系，對應于內生增長理論中的壟斷尋租激勵部分。

隨著經濟社會中分工合作的不斷深化，加之2008 年金融危機帶來的全球性影響，學者開始關注生產網絡傳導沖擊的作用。同時，隨著Acemoglu 等（2012）對相關理論的發展，越來越多的學者開始研究生產網絡的特點，及其結構對微觀沖擊的傳導作用。Carvalho 和Tahbaz-Salehi（2019）總結了近年來文獻中所研究生產網絡的特點①：

行業層面上，一是行業級的生產網絡連接較為稀疏；二是（加權）出度呈現出高度的偏態分布，并與帕累托分布非常接近，表明生產網絡由少數中心行業作為樞紐主導，這些中心行業為經濟中的許多行業提供服務；三是直徑和平均路徑長度較小，即表現為“小世界”屬性，大多數產業之間并沒有直接通過供應商—客戶的關系產生聯系，而是通過類似樞紐的部門發生間接聯系；四是部門中心度呈現高度偏態分布，并近似于具備發散二階矩的帕累托分布，因此中心性的異質性足以突破多元化。

企業層面上，同樣有比較明顯的四個特點：一是出度更加接近帕累托分布，即企業作為供應商表現出了更強的異質性；二是入度分布更加有偏，表明一些企業依賴于大量的供應商；三是就銷售額或員工而言，較大的公司往往擁有大量的買家和供應商；四是地理距離很大程度上決定了企業間聯系的形成。這些基于一些國家的可得數據恰巧說明了生產網絡的不對稱性，也正是Acemoglu 等（2012）所證明的能夠將微觀沖擊放大為宏觀沖擊的結構。

當下經濟發展中，經濟體之間的聯系愈發緊密，生產網絡不容忽視。如上所述，技術創新和生產網絡是密切相關的，尤其是，內生增長理論中技術創新實現的兩種方式，在生產網絡中均能發揮作用，因此從生產網絡視角研究技術創新十分有意義。隨著創新難度的不斷加大（Bloom 等，2020），如何結合生產網絡的特點，分析生產網絡和技術創新之間的聯系和相互影響，更好地制定創新政策，達到更好地實現創新能力提升和經濟增長的目標，也成為了關鍵問題。

三、生產網絡中沖擊的放大：傳導渠道

生產網絡理論起源于Long 和Plosser（1983）。Long 和Plosser（1983）主要通過一個多部門動態一般均衡模型，解釋宏觀經濟周期中的經典現象，包括經濟趨勢的持續性和部門的協同趨勢等。盡管他們并未提出“生產網絡（Production Network）”這個概念，但設定了一個產品的生產需要多種中間品，這種多個產品間因生產關系而形成的投入產出聯系，可視為多條供應鏈交互式的聯系，已經具備生產網絡的特征。生產網絡的相關研究與投入產出表緊密相關，尤其強調使用列昂惕夫逆矩陣，該矩陣表明，部門之間能夠通過生產聯系逐級迭代，擴大單個部門沖擊，產生乘數效應。在較長的一段時間內，對Long 和Plosser（1983）的理論的進一步發展集中于對宏觀經濟周期的解釋，直到Acemoglu 等（2012）系統地引進了網絡科學的概念和方法，從而開啟了較為系統的生產網絡理論研究。

（一）生產網絡是傳導渠道：機制分析

生產網絡作為一個傳導途徑，目前主要用于解釋部門或企業之間出現的協同趨勢，即生產網絡對沖擊的傳導作用。沖擊大致可分為三類：技術沖擊（Acemoglu 等，2012；Acemoglu 等，2016a；Baqaee 和Farhi，2019；Fadinger 等，2022）、政策沖擊（Ozdagli 和Weber，2017；Liu，2019；齊鷹飛和Yuanfei，2020；張樂等，2021）、自然災害沖擊（Barrot 和Sauvagnat，2016；Boehm 等，2019；Carvalho 等，2021）。

這三類沖擊有一定的關聯。第一類沖擊——技術沖擊。技術是經典生產函數中，除去資本和勞動力之外的關鍵要素。技術性沖擊既可能來自于外生環境，也可能來自于人類行為，是Long 和Plosser（1983）和Acemoglu 等（2012）的研究重點。第二類沖擊——政策沖擊，則傾向于政府或市場參與者的自發行為，從這個角度進行研究，對于政府制定相關政策、更好達到宏觀調控目的有重要意義。盡管如此，仍有文獻指出政策沖擊或技術沖擊可能是自發性行為，并不滿足外生性特征，即生產網絡和沖擊之間有關聯。在該情形下，測度得到的生產網絡傳導微觀沖擊的作用很可能是有偏的，因此有研究將沖擊類型轉向完全外生的第三類沖擊——自然災害沖擊。

總體而言，生產網絡傳導沖擊的機制主要是通過價格和產量，有兩個作用機制：

一方面是直接作用機制。直觀上來說，當一個部門A 受到負向沖擊，產量受到影響，價格會直接或間接上調，相應地，使用該部門產品的部門B 就會因為原料價格上漲，而向下調整產量或提高價格；進一步，使用部門B 產品的部門C 又會有類似的調整。因此，最原始的單個部門沖擊被逐層放大。

另一方面是資源重新分配機制。若部門間產品在生產上具有可替代性，此時，若部門A 受到負面沖擊而下調了產量，那么它的下游部門B 很可能會選擇另外一個可替代的部門C 的產品投入生產。因此，盡管A 的產量下降了，但B 受到的影響可能不大，部門C 的產量可能還會上升。在該情形下，部門A、B、C 之間發生了資源的重新分配，尤其是部門B、C 之間需求資源重新發生了分配，此時經濟究竟是實現了增長還是下行，成為了一個新的問題。盡管無法明確經濟的變動結果，但該結果必定與可替代性的程度有關。

（二）生產網絡傳導渠道：Acemoglu 等（2012）的理論模型

目前生產網絡研究中最常使用的理論模型屬于一般均衡框架，且大多以Acemoglu 等（2012）的理論模型作為基準模型進行改進。本部分首先介紹Acemoglu 等（2012）的理論模型。

四、生產網絡中技術的擴散：溢出渠道

在研究生產網絡的傳導作用時，技術沖擊是一類微觀沖擊，對它的一個關鍵設定就是外生性。但在實證中，無論是用TFP，還是專利數量的滯后變動衡量的技術沖擊，都面臨一個問題：外生性是否成立？根據內生增長理論，知識傳播具有“干中學”的“內在”溢出效應（Arrow，1962），同時還有由單個個體向多個個體的“外在”溢出效應（Romer，1986），這兩種溢出效應，尤其是后者，在生產網絡中的存在性仍是一個值得探討的問題。另外，生產網絡的價格傳導作用，還可能會通過影響利潤，進一步促進企業對創新的投入?？紤]到這些技術的內生性問題，以及與生產網絡可能的聯系，有必要進一步研究技術或知識在生產網絡中的內生變化。

（一）內生增長理論與生產網絡

內生增長理論認為技術提高是內生的。Arrow（1962）、Romer（1986）、Lucas（1988）等認為知識具有外部性或溢出作用。早期的知識溢出集中表現為“干中學”、人力資本的積累性、個體與個體之間的互相學習。

近年來的研究則轉向其他的個體交互渠道發展，如地理上的鄰居關系、供應鏈的上下游關系、文化認同、信息獲取途徑等能夠促進個體間互相交流學習的因素。如在地理鄰居關系上，Storper 和Venables（2004）、符淼（2009）等認為面對面交流和地理上的近距離有利于技術和知識的傳播。Ellison 等（2010）、彭向和蔣傳海（2011）等則進一步認為這種地理上的近距離，在一定程度上降低了知識傳播的成本，因此才會有產業集群的現象，并進一步推動了集群地區的創新水平提升。在人才流動上，羅思平和于永達（2012）、Agrawal 等（2017）則考慮人才流動對知識溢出的促進作用，指出“海歸”人才的引進和通過交通設施完善促進人才流動，能夠有力促進知識的傳播，進而促進創新。在供應鏈上下游關系上，Li（2018）、Chu 等（2019）、陳勝藍和劉曉玲（2021）驗證了處于同一條供應鏈上下游企業之間的知識溢出現象。這些知識溢出和外部性的作用渠道中，涵蓋知識網絡、交通網絡、人才網絡等，而生產網絡的一個重要表現就是合作生產，企業需要互相溝通交流，直觀上來看，它不失為一個傳播知識和實現外部性的技術創新提升途徑。因此，在分析技術的外部性時，有必要考慮生產網絡的作用。

（二）生產網絡中的技術擴散

上述提到知識網絡、交通網絡、人才網絡對技術擴散和創新溢出的作用，現有文獻中也有繼續拓展至生產網絡的相關論述，但數量十分有限。

Magalh?es 和Afonso（2017）是少見的在生產網絡中考慮技術擴散的研究者，他們在多部門內生增長模型中嵌入了多部門的投入產出結構（即生產網絡），較為深入地研究了生產網絡對技術擴散和經濟發展的影響，并認為生產網絡通過學習渠道和乘數渠道影響技術擴散。生產網絡結構一方面能在學習渠道上影響企業對新技術的采納時滯，另一方面能在乘數渠道上同時影響采納時滯和采納強度。在理論模型的建立上，他們吸收了Acemoglu 等（2012）多種中間品共同生產的論述，但不同的是，首先，他們將技術創新品視為一種資本品，且具有壟斷性質，因此更改了市場完全競爭的假設，但又同內生增長理論中創新和技術進步對企業的尋租激勵一致。其次，壟斷者對技術的投入是內生的，可以自發地選擇采納新技術的時滯。最后，推導得到，生產網絡越密集，采納成本就越低，采納時滯越小，采納強度也越大。Carvalho 和Draca（2018）則將生產網絡作為一種需求沖擊的傳導渠道，他們認為需求越大，企業為了獲取更高的利潤，會更愿意進行創新活動。這一點也與內生增長理論中關于尋租激勵創新的觀點一致。

因此，生產網絡不僅可以作為學習渠道和乘數渠道促進技術擴散，同時還可以通過間接的市場規模效應促進企業創新。除了上述兩篇文獻之外，從生產網絡視角研究技術創新的還有盧昂荻等（2022），他們探究某一行業內企業創新活動如何受到同地區其他行業進口競爭的影響，主要是以當地的生產網絡為切入點，并認為，考慮溢出效應后，進口競爭對企業創新的負向影響明顯加強。另外，余典范等（2023）進一步結合了區域間投入產出聯系分析政策通過地區間的生產網絡，進而對技術創新的影響，他們認為碳排放權交易政策能夠影響產業創新，且其中的創新促進效應能夠通過生產網絡進行傳導。同樣在生產網絡視角下考慮技術擴散和知識溢出的還有劉維剛（2022）、張樂等（2021），二者在生產網絡內生變動的設定下，分析了市場扭曲或市場勢力對技術創新的抑制作用。

（三）創新網絡與技術進步

除了從生產網絡視角研究知識的溢出，創新網絡也逐漸成為熱點。與生產網絡的構建方式類似，創新網絡中，一個部門知識的創造需要使用其他部門的知識。

Acemoglu 等（2016b）認為，技術進步具有明顯“站在巨人的肩膀上”的特點，他們認為，知識鏈上游的技術發展在未來的專利申請速度和方向上起著重要的作用。創新網絡的存在，使得一個行業未來的創新水平可以利于其利用的創新網絡進行預測，并且技術進步在創新網絡中的溢出并不是普遍的，一個學科的創新對鄰近學科創新的影響較大，在距離較遠的兩個學科之間則無明顯影響。Liu 和Ma（2021）使用了Acemoglu 等（2016b）關于行業創新利用其他行業知識的設定，結合創新網絡對生產網絡模型進行了改進。他們更關心研發資源的分配問題，主要研究創新網絡結構對研發資源分配政策有效性的問題。在部門之間的作用機制上，創新網絡強調知識的溢出，因此在構建數理模型時，他們設定一個部門的創新能力與其他各部門的知識存量復合品成正相關，復合品以CD 形式復合，與生產網絡一般均衡模型中間品的復合形式類似，并以各部門知識存量的冪系數表示其余部門知識對該部門知識溢出的強度。最后得到了研發資源分配的最優路徑，并表明一個重視長期增長（即低貼現率）的計劃者應該將更多的研發分配給創新網絡中的上游關鍵部門，但在依賴外國知識溢出的開放經濟體中，這種激勵是不明顯的。Cai 等（2022）進一步在開放經濟體中的一般均衡模型中，同時納入了生產網絡和創新網絡，對生產網絡和創新網絡的構建方式類似于上述文獻，但他們認為，知識的積累不僅依靠于本國，還與其他國家部門的知識存量有關。不同于Liu和Ma（2021），他們對其他國家及部門的加總方式直接使用貼現加總方式，并納入知識傳播的速率。

同樣將創新網絡視為知識溢出渠道的研究還有Ayerst 等（2020），他們認為，在對創新網絡進行構建時，需要考慮國外輸入（貿易品）的知識，并且創新網絡和生產網絡具有不同的特征，在設計創新資源分配相關政策時，要綜合考慮兩個網絡的結構特征。他們還認為國外輸入的知識是創新的重要投入，會進一步影響進口國家的長期資源分配。除此之外，Cai 和Li（2019）、Zhu（2020）認為，創新網絡能夠傳播知識，并結合國際貿易、內生增長等作出了進一步拓展。

五、生產網絡內生變動與技術創新：雙向關系

生產網絡除了可以作為知識溢出和外部性的渠道之外，它自身也隨著技術的變化而變動，其內生變動已經成為目前的一個熱點。其內生變動表現為，企業自發地對中間投入品進行調整，在網絡結構上表現為企業或部門間的聯系變化。關于這種調整的原因，目前的說法莫衷一是，或是出于人際關系變動、或是出于減少市場摩擦、或是單純追求更高的生產效率。但毫無疑問，這種變動使得經典文獻中將生產網絡視為不變的這一做法不再適用。其中，技術水平是企業選擇供應商的一條重要標準，也逐漸被納入生產網絡內生變動的研究中，更是被拓展至生產網絡結構變動，進一步引入創新水平變化的相關研究中。

（一）生產網絡的內生變化生產網絡的內生變化，主要是在企業如何更換供應商這個問題之上，研究生產網絡的結構是如何變動的。

一方面，部分文獻將社會網絡的形成與演變思想引入供應鏈和生產網絡中，認為生產網絡的演變具有路徑依賴的特點，并疊加隨機性因素。Atalay 等（2011）認為企業之間建立供應—客戶關系時會優先偏好已經形成的連接，即會優先在之前已經合作的供應商及客戶中選擇下一期的合作對象，并疊加隨機性因素。Carvalho 和Voigtl?nder（2014）則認為生產者在尋找投入品時，會沿著產業鏈的垂直方向優先選擇已有的供應商，并使用BEA 和Compustat 數據庫進行了驗證，表明企業或部門之間的網絡距離越近，越可能形成新的投入聯系。他們提到網絡距離近也可能表明技術相近，因此他們尤其強調已有生產網絡結構對其變動和技術進步的重要意義。K?nig 等（2022）設定生產網絡的動態變化滿足馬爾可夫過程，且納入新企業的進入和企業的退出，同時，他們將搜尋和匹配過程納入到企業選擇合作對象的過程中，并設定供應商的產品能為客戶的生產提供正的生產率即匹配成功，因此，生產網絡變動具有較大的隨機性。

另一方面，也有一些文獻認為成本和收益的權衡是生產網絡演變的重要影響因素。K?nig 等（2022）設定，企業在更換合作企業時需要進行搜尋和匹配，相當于考慮轉換成本和搜尋摩擦。Elliott等（2022）則認為企業為了避免因外生沖擊引致的上游斷供的情況，會使用多源投入并進行戰略性投資，并在投資成本和增強穩健性的收益之間進行比較。同時，生產技術作為企業生產成本的一個決定因素，也逐漸成為許多研究中生產網絡內生變動的重要要素。如Gualdi 和Mandel（2016）、Oberfield（2018）、Gualdi 和Mandel（2019）、Acemoglu 和Azar（2020）、Acemoglu 和Tahbaz-Salehi（2020）等人，都設定企業優先選擇具有高生產率或低成本的企業，更有一些文獻研究生產網絡的變動。還有進一步納入更換供應商成本以及合同摩擦等的文獻，如Lim（2018）、Boehm 和Oberfield（2020）、Taschereau-Dumouchel（2020）、Kopytov 等（2021）。

總體而言，上述兩個視角中生產網絡的內生形成基于成本收益和社會網絡的選擇問題，技術是其中一項重要的決定因素，它能夠有效降低企業生產的成本，但更換供應商會帶來諸如銷售、合約等方面的成本，那么作出權衡十分必要。到底是選擇能帶來更高收益的高技術供應商，還是保持原有供應商而避免額外的成本，對于企業而言是一個重要問題。又鑒于生產網絡本身變動會形成結構沖擊，研究生產網絡的變動方向和機制就顯得尤為重要?？傊?，生產網絡的內生變化也成為近年來研究的一個趨勢。

（二）技術創新引致生產網絡變動

技術創新是生產網絡變動的一個重要原因。Fadinger 等（2022）通過實證指出，部門投入產出乘數和生產率有關，且在發達國家表現為負相關，在貧窮國家為正相關，即生產網絡結構與技術進步有關，但二者之間為單向因果還是雙向因果，目前也并無統一的觀點。

在已有的大部分理論研究中，技術創新是生產網絡結構變動的一種前置充分條件。Gualdi 和Mandel（2019）通過理論建模和實驗模擬，研究了技術進步對生產網絡結構的影響。他們在經典的生產網絡模型中考慮兩種技術進步表現，一種是增加投入品種類的增量式創新，另一種是進一步提高單個投入品生產率的激進式創新。同時，企業可以模仿學習：隨機選擇其他企業中的一個模仿，若該模仿對象的技術強于自身則可成功實現技術進步。企業發生技術進步之后，生產網絡也相應地發生變動，邊際成本低的投入品被建立起連接，而邊際成本完全由產品價格和生產率決定，與生產率成反比。他們認為增量式創新能通過多樣化投入品而增加網絡的連通性，但激進式創新在提高生產力的同時卻因使得一些企業暫時失去專業化優勢，而降低了連通性。Gualdi 和Mandel（2019）對生產網絡內生變動的機制設定，實際是在Gualdi 和Mandel（2016）的單純價格決定投入品邊際成本的基礎上，考慮了生產率和技術進步，使得技術創新和生產網絡的關系更為突出。

Oberfield（2018）同樣認為，客戶在選擇供應商時會在價格和技術之間做權衡，優先選擇能夠帶來額外收益的技術。Acemoglu 和Azar（2020）直接將該思想融入了理論建模中，在其內生生產網絡模型中，一個擁有更高技術的企業，降低了選擇將其作為投入品企業的邊際生產成本，因而該企業會被選擇為供應商而增加連接。Acemoglu 和Azar（2020）通過比較靜態分析，嚴格證明了在技術—價格單交叉等條件下，技術沖擊會使得生產網絡結構發生變化。

上述提到的生產網絡變動的機制，實際上就是供應商技術提高，使得客戶邊際收益上升帶來的更換連接激勵，但并沒有考慮更換供應商的額外成本。Lim（2018）則綜合比較了更換供應商的收益和成本。在收益方面，將產品的生產函數設定為CES 型，額外增加投入品種類相當于提高了技術，利潤相應增加；在成本方面，企業要付出額外勞動力成本推銷產品。他的模擬結果發現，技術沖擊在生產網絡調整中十分重要，內生的調整在一年內能貢獻4%左右的總產出和社會福利，長期的貢獻則更大。除此之外，Boehm 和Oberfield（2020）進一步考慮了合同執行強度，Taschereau-Dumouchel（2020）則進一步考慮了運營的固定成本，Kopytov 等（2021）還納入了企業對生產率的信念以及經濟的不確定性，但技術進步仍是這些研究中決定生產網絡結構變動的重要要素。

上述文獻都是在中間品之間可替代的基礎上進行的研究。Jackson 和Kanik（2019）更改了中間品和勞動力之間的替代性。他們在自動化發展迅速的背景下，研究了自動化技術發展對生產網絡結構的影響，并認為自動化技術的發展使得勞動力替代性強的行業工人勞動力成本下降，因此鞏固了自動化供應商在生產網絡中的中心地位，生產網絡也更加密集。

（三）生產網絡變動對創新的影響

生產網絡的結構變動可能源于技術進步，它也會影響企業、部門乃至整個經濟體的技術創新。Acemoglu 和Azar（2020）在研究內生生產網絡時，就在實證上將部門的TFP 變動回歸在部門生產網絡結構變動的代理變量上，驗證了生產網絡變動對部門技術生產率變動的促進作用。上文已經談到技術進步會引起企業生產過程中的投入品組合發生變動，尤其是在CES 技術下，投入品種類增加相當于提高了生產率，但是這個變動之后，企業的創新能力是否能有進一步的提升，這個話題也逐漸成為研究熱點。

目前分析生產網絡變動對企業創新影響的文獻相當有限。劉維剛（2022）從生產網絡內生的角度，分析微觀企業受到創新沖擊后，生產網絡變動中企業或部門創新水平進一步變化的過程。在創新水平的進一步變化上，他考慮的主要是企業對創新性勞動力的投入，并將其視為一個內生決策變量。在生產網絡內生的情況下，微觀企業受到創新沖擊之后，會同時影響該部門本身以及其他部門的創新投入，這相當于將Acemoglu 和Azar（2020）的“技術進步——生產網絡變動”的研究思路拓展為“技術進步——生產網絡變動——企業創新——技術進步”的迭代過程。此時，生產網絡變動不僅能直接影響企業創新能力轉化為企業生產率的效率，還能夠通過價格效應傳遞，影響其他部門的生產投入集合。劉維剛（2022）不僅在理論上建模，同時還使用中國的數據進行了驗證，表明技術溢出有利于發揮生產投入結構變動對企業創新的促進作用，而市場扭曲作用正相反。

張樂等（2021）同樣是在生產網絡內生變動框架下研究技術創新的變化，但傾向于研究生產網絡中技術擴散的問題，并不考慮創新決策的內生性。他們也是在Acemoglu 和Azar（2020）的研究基礎 之上進行。區別于劉維剛（2022），他們認為生產網絡內生變動中的技術擴散主要是通過成本效用和市場勢力效應實現：一方面，外生技術進步后在價格的傳導下，生產網絡結構會更密集，有利于技術擴散；另一方面，微觀的技術進步會給相應的企業帶來市場勢力，抑制價格下降而不利于技術擴散。劉維剛（2022）和張樂等（2021）對于技術擴散的定義并不相同，前者定義為部門投入品的變化使得該部門生產率的變動大小，類似于溢出強度，而后者定義為產品作為投入品被使用的范圍，類似于溢出范圍。

這兩篇文獻是極少數能在生產網絡的內生變動中討論技術創新水平的變化。正如上文所言，持續的尋租激勵對創新具有重要促進作用，這就是劉維剛（2022）得到的，生產網絡結構變動激勵企業創新，以及張樂等（2021）的結論——技術進步使得生產網絡結構變動，其中的一個表現就是提高了相應企業的市場勢力。因此在一定程度上，生產網絡內生變動形成的激勵作用和內生增長理論中的激勵作用是類似的。關于技術進步帶來壟斷效應的觀點還見于Lentz 和Mortensen（2008）和Garcia-Macia 等（2019）。創新變化會導致資源重新分配，并進一步促進具有技術優勢的企業或部門提高創新力度，但目前還很少有將生產網絡嵌入進這一觀點。因此在未來，將內生增長理論進一步延伸至生產網絡或許是個可為的方向。

六、相關定量和實證研究

對上述相關理論同樣有不少相關的定量和實證研究。目前生產網絡的相關研究主要還是將其視為一種傳導渠道，但隨著相關理論的發展，已有學者將注意力轉向生產網絡中技術的擴散，以及生產網絡與技術創新的關聯上。以下對三類文獻進行相關定量和實證研究的梳理。

（一）生產網絡作為沖擊的傳導渠道

生產網絡是微觀沖擊的一個傳導渠道，許多實證研究驗證了這一點，并使用實際數據估計了沖擊在生產網絡中的傳導方向和強度。

一方面，傳導方向一般與沖擊的來源有關。Acemoglu 等（2016a）在CD 型生產技術框架下，使用1992 年的BEA 數據。他們在供給側利用TFP 和知識沖擊構造技術沖擊，在需求側利用進口和政府購買構造沖擊，并在統計上和經濟上驗證了這兩方面沖擊通過生產網絡對實際總增加值和總就業量的影響。這兩種供給側的沖擊的傳導僅向下游傳導，向上游傳導的強度有限甚至幾乎為零，而需求側兩種沖擊的傳導方向則相反。同時，沖擊引致的間接網絡效應要顯著大于直接效應，前者的強度甚至高達后者的6 倍。Liu（2019）則使用了韓國1970 年和中國2007 年的投入產出表，驗證了財政政策沖擊對宏觀經濟的影響。他不僅分析得出了上游部門具有最大扭曲規模效應的結論，還將財政政策（諸如補貼比例、負債率）融入生產網絡結構，并表明傾向于上游部門的產業政策能有更高的社會產出價值。齊鷹飛和Yuanfei（2020）同樣分析的是財政政策沖擊通過生產網絡產生的宏觀經濟影響。他們使用了2017 年中國投入產出表數據進行政策模擬實驗，關于傳導方向的結論與Acemoglu 等（2016a）類似，并指出中間品投入比例和部門增加值率越高，財政支出的沖擊影響越大。需要說明的是，Liu（2019）、齊鷹飛和Yuanfei Li（2020）并沒有將生產技術指定為CD 型或CES 型，但作出了生產函數關于勞動和中間品嚴格凹且為一次齊次的設定。

另一方面，生產網絡傳導微觀沖擊的強度與研究問題和產品的替代性有關。Ozdagli 和Weber（2017）同樣使用了BEA 數據，但在CD 型技術框架中引入貨幣政策沖擊，并利用空間自回歸模型將聯邦基金期權利率變動對股市收益率的影響分解為直接效應和間接的網絡效應，指出后者占到總影響的50%到85%，即生產網絡具有將微觀沖擊轉化為宏觀沖擊的作用，傳導強度十分可觀。Barrot 和Sauvagnat（2016）則指明，投入品的專用性是生產網絡將微觀沖擊轉化為宏觀經濟影響的重要決定因素。他們研究的沖擊更為微觀——企業層面，使用的是美國公開上市公司的供應商—客戶匹配數據構建生產網絡。他們通過DID 方法驗證得到，供應商受到含暴風雪、地震、洪水和颶風等在內的41 種自然災害沖擊后，其客戶的銷售額、現金流和市值會顯著下跌，尤其當供應商的產品很難被替代時該結論更強，同時自然災害沖擊會通過生產網絡造成宏觀經濟影響。相較而言，Boehm 等（2019）更專注于2011 年日本東北大地震和海嘯，在CES 型技術框架下，使用企業層面的進口交易數據，指出2011 年的自然災害沖擊顯著影響了在美的日本跨國公司的產出，由于這些公司直接從日本進口，因此驗證了向下游傳導的渠道，同時說明這些跨國公司使用中間品的替代彈性幾乎為0，而這恰好說明產品的互補更能推動沖擊在企業間傳導。但是替代彈性接近于0 這個估計結果，在Carvalho 等（2021）的樣本中并不成立，他們使用日本的企業數據對上述的一般均衡框架的拓展模型進行了校準，發現中間品總體是可替代的（替代彈性在1.18 左右），同時在實證上發現日本地震不僅僅是影響災區的企業，同時生產網絡將這個沖擊傳導給上下游的企業，因此可以造成宏觀沖擊。

除此之外，Miranda-Pinto（2021）、Baqaee 和Farhi（2019）、張樂等（2021）也就生產網絡作為一個傳導渠道進行了研究。Fadinger 等（2022）還利用多個國家的生產網絡數據進行了驗證，他們的研究包括含36 個國家的WIOD 數據、65 個國家的GTAP 樣本數據，以及賓夕法尼亞大學世界數據庫，并以各個國家的生產率對美國的相對值作為技術沖擊，將表示生產網絡結構的部門投入產出乘數和技術沖擊交互起來作為人均GDP 差異的預測變量，并通過回歸認為，考慮生產網絡結構差異性能有效提高預測的準確性（能提高5.5 個百分點的解釋力）。估計模型對跨國收入差異的預測非常好，明顯優于沒有IO 聯系的多部門模型。同時，他們還認為，窮國很少有高乘數的部門，而大多數部門的乘數都很低；相比之下，富國有更多具有中等乘數的部門。此外，部門IO 乘數與生產力的相關性在窮國為正，而在富國為負。這些研究肯定了生產網絡作為傳導渠道的意義，同時認同生產網絡結構對經濟發展的影響。

（二）生產網絡作為技術溢出的渠道

生產網絡是技術擴散和知識溢出的渠道，已有相關實證研究對該觀點進行了驗證。其中，有部分文獻研究供應鏈作為知識溢出渠道的作用。供應鏈反映了企業之間的投入產出關系，是生產網絡的組成成分和重要表現形式。因此，供應鏈中的知識溢出也可在一定程度上說明生產網絡中的知識溢出。另外，還有少量文獻直接研究了生產網絡對技術溢出的影響。

一方面，部分文獻驗證了供應鏈對知識溢出的作用，這部分的研究主要集中在企業層面。國外的相關研究相對較多。Li（2018）使用Compustat 全球數據庫和NBER 專利數據庫，針對1980 年至2006 年Compustat 數據庫中的企業層面數據，使用混合OLS 等回歸方法，分析驗證了供應商—客戶關系是創新外部性的一個重要作用渠道。他認為客戶進行知識創新和技術革新，不僅有助于顯著提高供應商的盈利能力，也能促進其進行創新，并主要是通過知識溢出和需求擴張兩種機制。其后續還進一步考慮產業外部性、地理外部性、反向因果等，再次驗證了其主要結論的合理性。Chu等（2019）使用的也是Compustat 全球數據庫，同樣認同供應商—客戶關系對企業創新的影響，但進一步考慮了供應商和客戶之間的地理距離和技術距離（可以理解為技術相似度，原文中通過專利分類來衡量），他們認為這兩個距離更小，客戶的創新更有利于促進供應商的創新。Chu 等（2019）還通過廣義DID，進一步檢驗了供應鏈創新溢出四種可能的機制：反饋渠道、需求渠道、集聚渠道以及社會網絡渠道，并在實證中認同了前兩種機制，否定了后兩種機制，即供應商—客戶之間的地理距離和技術距離越小，越有利于客戶反饋信息給供應商，并通過客戶迅速擴大對近距離供應商的需求，以此來促進供應商進行創新。國內方面，陳勝藍和劉曉玲（2021）也有類似的發現，他們使用2008 年至2016 年中國上市公司的供應商—客戶數據，以下游的客戶企業所在地建立國家級高新區作為準自然實驗，并利用DID 方法，以上游企業的銷售收入增長率為因變量，說明下游企業的創新水平沖擊會通過上游企業傳導，從而驗證了生產網絡的創新溢出效應。這是一種從下游向上游傳導的渠道，但由于下游創新水平提高可能使得其需求擴張，因此可能并不是純粹的供給側沖擊。盧昂荻等（2022）則利用2000 年至2007 年中國工業企業數據，同樣利用回歸分析，發現上游行業受到進口沖擊后，中間品進口替代效應會使得下游企業進口更高質量的中間投入品，即技術的可替代性使下游企業的創新動力下降。同時他們使用城市-行業層面的數據對這一結果進行了穩健性檢驗。

另一方面，部分文獻考慮生產網絡對技術溢出的影響。Carvalho 和Draca（2018）同樣使用Compustat 全球數據庫，他們以政府軍事采購支出作為一個需求側的沖擊，使用美國國防部的軍事采購及上市公司的供應鏈相關數據，驗證了供應鏈網絡對企業創新的傳導效應。拓展至生產網絡的關鍵在于，他們同時考慮了企業因投入產出聯系產生的間接關聯，他們發現沖擊對創新的影響不僅僅局限于拿到國防合同的企業，更是通過企業之間的投入產出聯系產生了間接的市場規模效應，且估計結果顯示，創新結果關于國防部間接市場規模沖擊的彈性大約是直接承包商的一半，但由于影響到的公司范疇更廣，使得國防開支對總體創新的影響至少增加了20%。Carvalho 和Draca（2018）主要是將生產網絡作為一種需求沖擊的傳導渠道，研究認為，需求越大，企業為了獲取更高的利潤會更愿意進行創新活動。這一點也與內生增長理論中關于尋租激勵創新的觀點一致。Magalh?es 和Afonso（2017）使用的則是行業層面的數據，他們利用1970 年至1995 年9 個OECD 國家、35 個部門、10 項技術的數據，并用回歸分析的方法，研究生產網絡結構對采納時滯和采納強度的影響。他們發現，考慮生產網絡結構之后，對不同國家不同技術的采納時滯的估計精度達到86%，其中技術發明年份和網絡結構差異具有83%的采納滯后差異解釋力；同時，在采納強度上，網絡結構解釋了其樣本國家4%的技術采納強度差異。通過對數據的對比分析，他們驗證了他們在理論模型中得到的結論：生產網絡越密集，采納成本就越低，采納時滯越小，采納強度就越大。余典范等（2023）則利用雙重差分、三重差分等方法，使用2012 年至2016 年城市—行業的數據，研究了碳排放權交易政策通過生產網絡傳導對產業創新的促進效應。在構建生產網絡時，一方面，他們直接假定省內行業間關聯較不同地區間的行業關聯更強，以是否同地區構造指示變量，以此說明生產網絡；另一方面，利用2012 年區域間投入產出表，構造（直接）上下游關聯度，表示生產網絡結構。最后驗證發現，生產網絡能夠傳導碳排放權交易政策，促進產業創新，且向下游的傳導作用強于上游，而傳導強度也與網絡關聯強度正相關。

另外，還有一些學者研究創新網絡中的技術擴散，而創新網絡和生產網絡之間存在一定的相關性。Acemoglu 等（2016b）就驗證了創新網絡中的技術擴散，他們使用1.8 百萬個美國專利的數據，通過引用關系構建了不同行業（利用了USPTO 對專利的學科分類方法劃分行業，包括36 個子目錄和484 類）之間的知識創新網絡，并通過回歸預測，量化了創新網絡的強度和重要性。部分學者進一步在其研究的基礎上，考慮創新網絡和生產網絡的關聯。與他們類似，Liu 和Ma（2021）同樣使用了USPTO 的專利引用數據，依據IPC 分類劃分了131 個部門，構建了創新網絡，同時，Liu和Ma（2021）還使用多個國家的專利數據，得到了創新網絡和生產網絡之間的弱相關關系。Cai 等（2022）則在開放經濟體中的一般均衡模型中，同時納入了生產網絡和創新網絡，對生產網絡和創新網絡的構建方式類似于上述文獻。他們使用19 個國家19 個部門的數據進行模型校準和量化，結果顯示，生產網絡和創新網絡中的知識溢出，不僅使部門從自由貿易中受益，同時讓研發資源傾向于流入在生產上具有比較優勢的國家和部門。另外還有Ayerst 等（2020），使用美國的數據對比了創新網絡和生產網絡，發現創新網絡的連接更為稀疏，但中心部門更加集中，且二者的關鍵上游部門不同。

（三）生產網絡內生變動與技術創新的關系

關于生產網絡變動與技術創新的關系，上述已有文獻實證發現，生產網絡的結構能夠通過傳導沖擊和技術溢出，進而影響技術創新。由于生產網絡變動的其中一個重要表現就是結構變化，因此這也說明，生產網絡變動能夠影響技術創新。而技術創新對生產網絡的影響，仍有待進一步分析。部分文獻在理論建模上將技術創新視為生產網絡結構變動的一種前置充分條件，然而該設定的合理性和現實性，在實證上還有待進一步研究，目前僅有少量文獻進行過實證分析。

在二者的相關關系上，Fadinger 等（2022）利用國家-行業層面的數據，利用WIOD、GTAP 等數據庫計算生產網絡結構和行業全要素生產率。經過結構估計和回歸分析，他們指出部門投入產出乘數和生產率有關，即生產網絡結構與技術進步是有關的，但二者之間是單向因果還是雙向因果，尚沒有形成一致結論。

除了分析二者的相關關系，還有學者分析單向的影響作用。如Acemoglu 和Azar（2020），盡管在模型構建的基礎上，他們設定企業在選擇上游供應商時會優先選擇高技術的產品，但在實證上，他們研究的是生產網絡內生變動對部門全要素生產率的影響。他們利用1987 年至2007 年BEA 數據庫，構造美國的生產網絡結構變動代理變量。他們對生產網絡結構變動變量的構造使用的是供應商集合變動的杰卡德距離，并結合NBER-CES 數據庫中的TFP 數據，在實證上將部門的TFP 變動回歸在部門生產網絡結構變動的代理變量上，驗證了生產網絡變動對部門技術生產率變動的促進作用。劉維剛（2022）則在其基礎上，進一步利用1997 年至2012 年中國工業企業的相關數據，分析了生產網絡結構變動對技術創新的影響。在構造生產網絡結構變動時，使用的仍是行業層面的投入產出表數據，并將企業創新回歸在生產網絡結構變動變量上，表明在生產網絡外生情形下，生產投入結構變動對企業創新的效應不確定，但在生產網絡內生情形下，有確定的促進效應，同時他們還發現技術溢出有利于發揮生產投入結構變動對企業創新的促進作用，而市場扭曲作用正相反。張樂等（2021）分析的則是技術進步對生產網絡結構變動的影響，他們使用1998 年至2007 年中國工業企業數據庫以及2008 年至2017 年國泰安上市企業數據庫，并利用中國投入產出時間序列表（1998 年至2017 年）計算平均波及步數表示生產網絡結構。在實證上驗證發現，2008 年以前，微觀部門的技術進步會使得生產網絡更為緊密，但2008 年之后，該作用相反。進一步的實證研究發現，1998—2007 年中國微觀技術進步的成本效應要遠大于市場勢力效應，2008 年之后則相反。需要說明的是，關于生產網絡結構變動與技術創新關系的深入討論，相關研究并不多。

七、結論與展望

生產網絡的相關研究近年來發展迅速。技術創新作為生產網絡的一個重要相關要素，早期被視為一種外生的沖擊類型，以研究生產網絡傳導微觀沖擊的作用。之后，技術沖擊從完全外生轉為內生，學者們開始探究生產網絡中技術擴散的機制。同時，生產網絡也不再是一個固定不變的傳導渠道，更多表現為技術進步和非技術類因素作用下的內生變化，而這個內生變動也使得技術創新的水平變化。生產網絡與技術創新的關系密不可分，它已經不僅僅是一個價格或產量的傳導渠道，更是知識溢出的渠道，以及內生變動提高企業創新的迭代過程，成為推動企業乃至國家創新長足發展必不可少的要素。相關研究也為更好地制定相關創新政策提供了基礎。

結合生產網絡與技術創新的相關文獻進行總結，有以下幾個特征：

一是目前生產網絡的相關文獻，主要仍是將生產網絡作為沖擊傳導渠道進行研究，在生產網絡視角下對技術創新深入的研究相對缺乏。盡管將生產網絡作為一種傳導渠道的研究中，最早的沖擊類型就是技術變動，且當下已延伸至財政、貨幣、貿易開放等政策，及自然災害等多種沖擊類型，這使得生產網絡傳導沖擊的強度和方向能有更準確的分析，也能為提高政策效率、制定針對性政策提供借鑒，但當下系統性研究生產網絡中的技術擴散，以及其內生變動與技術創新關聯的文獻并不多。

二是生產網絡結構對技術創新有影響這一點是共識，但關于生產網絡結構對技術擴散和企業創新內生決策影響的相關研究卻有待進一步深入。生產網絡無論是作為一個傳導渠道提高經濟整體的生產能力，還是其結構對技術擴散和企業創新的內生決策影響，這兩類研究的對象都相對分散，具體作用的機制也尚待進一步明確。

三是生產網絡可通過不同的渠道促進技術擴散和創新，在理論和實證上的相關研究都相對缺乏?，F有文獻中，生產網絡，一是作為學習渠道和乘數渠道促進技術擴散；二是能通過間接的市場規模效應促進企業的創新；三是其變動可以通過價格傳導使得企業的投入品組合發生變化，從而促進創新，但研究這幾類渠道的文獻十分有限，理論和實證上都很少。

四是對于生產網絡和內生增長的理論模型的結合有待進一步提升。從內生增長理論視角來看，生產網絡和技術創新之間具有密不可分的關聯。目前相關的內生增長模型方面有了一些探索，對資源分配和社會福利改進的路徑，甚至能夠得到解析，但目前生產網絡內生化的相關文獻，一般只能通過求偏導得到一個分解性或方向性的結果。

五是實證上，目前相關的文獻多集中于外文，且多為行業層面，國內更微觀層面的相關研究有待進一步發展。對微觀企業層面的生產網絡分析及其與技術創新的關聯研究數量十分有限，而國內無論是對生產網絡結構的分析，還是其與各類沖擊的關聯，研究都相對缺乏。

我國正處于創新能力亟待進一步提高的發展新階段。盡管生產網絡與技術創新的相關研究已經有了較為明顯的發展，但有尚待改進之處。一是可更多將生產網絡與內生增長理論結合，將多部門、壟斷競爭、社會決策者、創新和生產多環節等因素結合，進一步探究生產網絡對技術創新的貢獻，尤其弄清楚二者的關聯和互相作用機制，為更好確定相關政策提供理論支撐。二是推動相關數據的收集和發展，尤其是在目前我國生產網絡的相關數據相對缺乏的情況下，宏觀和微觀層面數據的豐富對于提供實證支持和模擬實驗都具有重要意義。三是結合我國具體國情，將生產網絡和創新網絡進行結合，對生產網絡和創新環節的設定進行修改，如區分基礎研究和應用研究環節，深入研究二者之間的關系，為創新政策提質增效。

參考文獻

[1] 陳勝藍，劉曉玲. 生產網絡中的創新溢出效應——基于國家級高新區的準自然實驗研究[J]. 經濟學（季刊），2021 年第5 期，第1839-1858 頁。

[2] 符淼. 地理距離和技術外溢效應——對技術和經濟集聚現象的空間計量學解釋[J]. 經濟學（季刊），2009 年第4 期，第1549-1566 頁。

[3] 劉維剛. 生產投入結構變動與企業創新：基于生產網絡內生化的分析[J]. 經濟研究，2022 年第4 期，第50-67 頁。

[4] 盧昂荻，丁思琪，張可云，等. 間接進口競爭、本地生產網絡與企業創新[J]. 經濟學家，2022 年第12 期，第45-56 頁。

[5] 羅思平，于永達. 技術轉移、“海歸”與企業技術創新——基于中國光伏產業的實證研究[J]. 管理世界，2012年第11 期，第124-132 頁。

[6] 毛其淋，許家云. 政府補貼對企業新產品創新的影響——基于補貼強度“適度區間”的視角[J]. 中國工業經濟，2015 年第6 期，第94-107 頁。

[7] 倪紅福. 扭曲因子、進口中間品價格與全要素生產率——基于非競爭型投入產出網絡結構一般均衡模型事后核算方法[J]. 金融研究，2022 年第2 期，第21-39 頁。

[8] 倪紅福. 中國間接稅的效率損失——基于中國生產網絡結構一般均衡模型方法[J]. 管理世界，2022 年第5 期，第36-75 頁。

[9] 聶輝華，譚松濤，王宇鋒. 創新、企業規模和市場競爭：基于中國企業層面的面板數據分析[J]. 世界經濟，2008 年第7 期，第57-66 頁。

[10] 彭向，蔣傳海. 產業集聚、知識溢出與地區創新——基于中國工業行業的實證檢驗[J]. 經濟學（季刊），2011年第3 期，第913-934 頁。

[11] 齊鷹飛，Yuanfei Li. 財政支出的部門配置與中國產業結構升級——基于生產網絡模型的分析[J]. 經濟研究，2020 年第4 期，第86-100 頁。

[12] 齊鷹飛，李苑菲. 政府消費的生產性——基于生產網絡模型的刻畫、分解和檢驗[J]. 管理世界，2021 年第11期，第56-70+105+5+71-75 頁。

[13] 王勇，黃宇軒，韓博昱. 生產網絡與垂直結構研究進展[J]. 經濟學動態，2022 年第3 期，第123-138 頁。

[14] 吳超鵬，唐菂. 知識產權保護執法力度、技術創新與企業績效——來自中國上市公司的證據[J]. 經濟研究，2016 年第11 期，第125-139 頁。

[15] 葉初升，任兆柯. 生產網絡視角下宏觀波動的微觀來源研究進展[J]. 經濟學動態，2019 年第5 期，第104-118 頁。

[16] 余典范，蔣耀輝，張昭文. 中國碳排放權交易試點政策的創新溢出效應——基于生產網絡的視角[J]. 數量經濟技術經濟研究，2023 年第3 期，第28-49 頁。

[17] 余典范，王超，龍睿. 生產網絡的理論與應用研究進展[J]. 產經評論，2022 年第4 期，第5-18 頁。

[18] 余明桂，范蕊，鐘慧潔. 中國產業政策與企業技術創新[J]. 中國工業經濟，2016 年第12 期，第5-22 頁。

[19] 張樂，陳宸，陳璋. 技術進步影響技術擴散的雙重機制研究——基于生產網絡的視角[J]. 上海經濟研究，2021年第10 期，第88-101 頁。

[20] 周穎剛，肖瀟. 匯率波動、生產網絡與股市風險——基于中美貿易摩擦背景的分析[J]. 金融研究，2022 年第7 期，第115-134 頁。

[21] 朱勇，吳易風. 技術進步與經濟的內生增長——新增長理論發展述評[J]. 中國社會科學，1999 年第1 期，第21-39 頁。

[22] Acemoglu， D.， A. Ozdaglar， and A. Tahbaz-Salehi， “Microeconomic Origins of Macroeconomic Tail Risks”， American Economic Review， 2017， 107（1）， 54-108.

[23] Acemoglu， D.， and A. Tahbaz-Salehi， “Firms， Failures， and Fluctuations： The Macroeconomics of Supply Chain Disruptions”， NBER Working Paper， 2020.

[24] Acemoglu， D.， and P. D. Azar， “Endogenous Production Networks”， Econometrica， 2020， 88（1）， 33-82.

[25] Acemoglu， D.， U. Akcigit， and W. R. Kerr， “Innovation Network”， Proceedings of the National Academy of Sciences，2016b， 113（41）， 11483-11488.

[26] Acemoglu， D.， U. Akcigit， and W. R. Kerr， “Networks and the Macroeconomy： An Empirical Exploration”， NBER Macroeconomics Annual， 2016a， 30， 273-335.

[27] Acemoglu， D.， V. M. Carvalho， A. Ozdaglar， and A. Tahbaz-Salehi， “The Network Origins of Aggregate Fluctuations”，Econometrica， 2012， 80（5）， 1977-2016.

[28] Aghion， P.， and P. Howitt， “A Model of Growth Through Creative Destruction”， Econometrica， 1992， 60（2）， 323-351.

[29] Aghion， P.， N. Bloom， R. Blundell， R. Griffith， and P. Howitt， “Competition and Innovation： An Inverted-U Relationship*”， The Quarterly Journal of Economics， 2005， 120（2）， 701-728.

[30] Agrawal， A.， A. Galasso， and A. Oettl， “Roads and Innovation”， The Review of Economics and Statistics， 2017， 99（3），417-434.

[31] Arrow， K. J.， “The Economic Implications of Learning by Doing”， The Review of Economic Studies， 1962， 29（3）， 155-173.

[32] Atalay， E.， “How Important Are Sectoral Shocks？ ”， American Economic Journal： Macroeconomics， 2017， 9（4）， 254-280.

[33] Atalay， E.， A. Horta?su， J. Roberts， and C. Syverson， “Network Structure of Production”， Proceedings of the National Academy of Sciences， 2011， 108（13）， 5199-5202.

[34] Ayerst， S.， F. Ibrahim， G. MacKenzie， and S. Rachapalli， “Trade and Diffusion of Embodied Technology： An Empirical Analysis”， Unpublished Manuscript， 2020.

[35] Bak， P.， K. Chen， J. Scheinkman， and M. Woodford， “Aggregate Fluctuations from Independent Sectoral Shocks： Self-Organized Criticality in a Model of Production and Inventory Dynamics”， Ricerche Economiche， 1993， 47（1）， 3-30.

[36] Baqaee， D. R.， and E. Farhi， “Macroeconomics with Heterogeneous Agents and Input-Output Networks”， NBER Working Paper， 2018.

[37] Baqaee， D. R.， and E. Farhi， “The Macroeconomic Impact of Microeconomic Shocks： Beyond Hultens Theorem”，Econometrica， 2019， 87（4）， 1155-1203.

[38] Barrot， J.-N.， and J. Sauvagnat， “Input Specificity and the Propagation of Idiosyncratic Shocks in Production Networks*”， The Quarterly Journal of Economics， 2016， 131（3）， 1543-1592.

[39] Battiston， S.， D. Delli Gatti， M. Gallegati， B. Greenwald， and J. E. Stiglitz， “Credit Chains and Bankruptcy Propagation in Production Networks”， Journal of Economic Dynamics and Control， 2007， 31（6）， 2061-2084.

[40] Bernard， A. B.， A. Moxnes， and Y. U， “Saito. Production Networks， Geography， and Firm Performance”， Journal of Political Economy， 2018， 127（2）， 639-688.

[41] Bernard， A. B.， E. Dhyne， G. Magerman， K. Manova， and A. Moxnes， “The Origins of Firm Heterogeneity： A Production Network Approach”， Journal of Political Economy， 2022， 130（7）， 1765-1804.

[42] Bigio， S.， and J. LaO， “Distortions in Production Networks”， Quarterly Journal of Economics， 2020， 135（4）， 2187-2253.

[43] Bloom， N.， C. I. Jones， J. Van Reenen， and M. Webb， “Are Ideas Getting Harder to Find？”， American Economic Review，2020， 110（4）， 1104-1144.

[44] Boehm， C. E.， A. Flaaen， and N. Pandalai-Nayar， “Input Linkages and the Transmission of Shocks： Firm-Level Evidence from the 2011 Tōhoku Earthquake”， The Review of Economics and Statistics， 2019， 101（1）， 60-75.

[45] Boehm， J.， and E. Oberfield， “Misallocation in the Market for Inputs： Enforcement and the Organization of Production*”， The Quarterly Journal of Economics， 2020， 135（4）， 2007-2058.

[46] Cai， J.， and N. Li， “Growth Through Inter-Sectoral Knowledge Linkages”， The Review of Economic Studies， 2019，86（5）， 1827-1866.

[47] Cai， J.， N. Li， and A. M. Santacreu， “Knowledge Diffusion， Trade， and Innovation across Countries and Sectors”，American Economic Journal： Macroeconomics， 2022， 14（1）， 104-145.

[48] Carvalho， V. M， “From Micro to Macro via Production Networks”， Journal of Economic Perspectives， 2014， 28（4），23-48.

[49] Carvalho， V. M.， and A. Tahbaz-Salehi， “Production Networks： A Primer”， Annual Review of Economics， 2019， 11（1），635-663.

[50] Carvalho， V. M.， and M. Draca， “Cascading Innovation”， Meeting Papers， 2018.

[51] Carvalho， V. M.， M. Nirei， Y. U. Saito， and A. Tahbaz-Salehi， “Supply Chain Disruptions： Evidence from the Great East Japan Earthquake*”， The Quarterly Journal of Economics， 2021， 136（2）， 1255-1321.

[52] Carvalho， V.， and N. Voigtl?nder， “Input Diffusion and the Evolution of Production Networks”， NBER Working Paper，2014.

[53] Chu， Y.， X. Tian， and W. Wang， “Corporate Innovation Along the Supply Chain”， Management Science， 2019， 65（6），2445-2466.

[54] Domar， E. D， “On the Measurement of Technological Change”， The Economic Journal， 1961， 71（284）， 709-729.

[55] Elliott， M.， B. Golub， and M. V. Leduc， “Supply Network Formation and Fragility”， American Economic Review， 2022，112（8）， 2701-2747.

[56] Ellison， G.， E. L. Glaeser， and W. R. Kerr， “What Causes Industry Agglomeration？ Evidence from Coagglomeration Patterns”， American Economic Review， 2010， 100（3）， 1195-1213.

[57] Fadinger， H.， C. Ghiglino， and M. Teteryatnikova， “Income Differences， Productivity， and Input-Output Networks”，American Economic Journal： Macroeconomics， 2022， 14（2）， 367-415.

[58] Gabaix， X.， “The Granular Origins of Aggregate Fluctuations”， Econometrica， 2011， 79（3）， 733-772.

[59] Garcia-Macia， D.， C.-T. Hsieh， and P. J. Klenow， “How Destructive Is Innovation？”， Econometrica， 2019， 87（5）， 1507-1541.

[60] Grossman， G. M.， and E. Helpman， “Quality Ladders and Product Cycles”， The Quarterly Journal of Economics， 1991，106（2）， 557-586.

[61] Gualdi， S.， and A. Mandel， “Endogenous Growth in Production Networks”， Journal of Evolutionary Economics， 2019，29（1）， 91-117.

[62] Gualdi， S.， and A. Mandel， “On the Emergence of Scale-Free Production Networks”， Journal of Economic Dynamics and Control， 2016， 73， 61-77.

[63] Hulten， C. R.， “Growth Accounting with Intermediate Inputs”， The Review of Economic Studies， 1978， 45（3）， 511-518.

[64] Jackson， M. O.， and Z. Kanik， “How Automation That Substitutes for Labor Affects Production Networks， Growth，and Income Inequality”， SSRN Scholarly Paper， 2019.

[65] K?nig， M. D.， A. Levchenko， T. Rogers， and F. Zilibotti， “Aggregate Fluctuations in Adaptive Production Networks”，Proceedings of the National Academy of Sciences， 2022， 119（38）， e2203730119.

[66] Kopytov， A.， B. Mishra， K. Nimark， and M. Taschereau-Dumouchel， “Endogenous Production Networks under Supply Chain Uncertainty”， SSRN Scholarly Paper， 2021.

[67] LaO， J.， and A. Tahbaz-Salehi， “Optimal Monetary Policy in Production Networks”， Econometrica， 2022， 90（3）， 1295-1336.

[68] Lentz， R.， and D. T. Mortensen， “An Empirical Model of Growth through Product Innovation”， Econometrica， 2008，76（6）， 1317-1373.

[69] Li， K.， “Innovation Externalities and the Customer/Supplier Link”， Journal of Banking & Finance， 2018， 86， 101-112.

[70] Lim， K.， “Endogenous Production Networks and the Business Cycle”， Working. Paper， 2018.

[71] Liu， E.， “Industrial Policies in Production Networks*”， The Quarterly Journal of Economics， 2019， 134（4）， 1883-1948.

[72] Liu， E.， and S. Ma， “Innovation Networks and R&D Allocation”， NBER Working Paper， 2021.

[73] Long， John B.， and C. I. Plosser， “Real Business Cycles”， Journal of Political Economy， 1983， 91（1）， 39-69.

[74] Lucas Jr， R. E.， “On the Mechanics of Economic Development”， Journal of monetary economics， 1988， 22（1）， 3-42.

[75] Magalh?es， M.， and ?. Afonso， “A Multi-Sector Growth Model with Technology Diffusion and Networks”， Research Policy， 2017， 46（7）， 1340-1359.

[76] McNerney， J.， B. D. Fath， and G. Silverberg， “Network Structure of Inter-Industry Flows”， Physica A： Statistical Mechanics and its Applications， 2013， 392（24）， 6427-6441.

[77] Miranda-Pinto， J.， “Production Network Structure， Service Share， and Aggregate Volatility”， Review of Economic Dynamics， 2021， 39， 146-173.

[78] Moser， P.， “How Do Patent Laws Influence Innovation？ Evidence from Nineteenth-Century Worlds Fairs”， American Economic Review， 2005， 95（4）， 1214-1236.

[79] Oberfield， E.， “A Theory of Input–Output Architecture”， Econometrica， 2018， 86（2）， 559-589.

[80] Ozdagli， A.， and M. Weber， “Monetary Policy through Production Networks： Evidence from the Stock Market”， NBER Working Paper， 2017.

[81] Romer， P. M.， “Endogenous Technological Change”， The Journal of Political Economy， 1990， 98（5）， S71-S102.

[82] Romer， P. M.， “Growth Based on Increasing Returns Due to Specialization”， The American Economic Review， 1987，77（2）， 56-62.

[83] Romer， P. M.， “Increasing Returns and Long-Run Growth”， Journal of Political Economy， 1986， 94（5）， 1002–1037.

[84] Schumpeter， J.， and U. Backhaus， “The Theory of Economic Development”， Boston， MA： Springer US， 2003.

[85] Storper， M.， and A. J. Venables， “Buzz： Face-to-Face Contact and the Urban Economy”， Journal of Economic Geography， 2004， 4（4）， 351-370.

[86] Taschereau-Dumouchel， M.， “Cascades and Fluctuations in an Economy with an Endogenous Production Network”，SSRN Scholarly Paper， 2020.

[87] Todorova， Z.， “Network Effects of Monetary Policy： Evidence from Global Value Chains”， SSRN Scholarly Paper，2018.

[88] Weisbuch， G.， and S. Battiston， “From Production Networks to Geographical Economics”， Journal of Economic Behavior & Organization， 2007， 64（3）， 448-469.

[89] Zhu， W.， “Networks， Linking Complexity， and Cross Predictability”， SSRN Scholarly Paper， 2020.

〔執行編輯：應珊珊〕