研究速递 | 腐败对创新是否有打磨或润滑作用？通过系统的文献综述调和相反的观点

腐败会激励企业将精力转向贿赂和欺诈等非生产性行为，从而影响全球经济。它对整体生产力的影响是明确的，每年使全球经济损失约占 GDP 的 5%（联合国，2018 年）。然而，腐败与创新之间的关系尚不清楚。大量文献认为腐败与创新之间存在因果关系，但腐败到底是创新努力的威慑（M´eon 和 Weill，2010）还是推动者、促进创新的必要手段（Cuervo-Cazurra， 2016）。

不同研究的背景焦点（例如行业或国家）和腐败与创新的分析水平（即公司、地区或国家）不同，导致理论解释存在分歧，结论也不一致。由于缺乏综合，对研究主体的补充似乎正在扩大而不是弥合观点之间的差距。因此，相关的理论和政策制定问题仍未得到解决。例如，在什么情况下（如制度环境、企业特征、行业）腐败对创新有利还是有害？腐败会对哪些类型的创新产生负面或正面影响？腐败是否会使企业倾向于短期创新战略而不是长期创新战略？我们能否期望反腐败政策对企业和创新活动产生不同的影响？

因此，我们进行了系统文献综述（SLR），综合了有关腐败和创新的文献，包括兼容、矛盾和反直觉的发现。我们的首要目标是全面了解腐败与创新之间的概念框架、关系的强度和方向，以及引导这些关系的变量和理论机制。更准确地理解腐败与创新关系的理论基础、边界条件和背景特殊性可以产生改善政策制定的观点。这是势在必行的，因为腐败给全球经济带来的成本意味着，即使制度条件使其能够有效促进创新，腐败也无法有增无减地存在。我们的 SLR 由两个相互关联的分析组成。第一个是腐败与创新之间关系建模的各种方式的概念图。这种分析有助于我们识别文献中的主导概念以及学者提出的替代观点。第二个是前因-调节-结果分析，深入研究腐败与创新之间的因果关系——概念映射中确定的主要关系。在本分析中，我们进一步分解文献中使用的前因、后果、背景因素和理论观点，并解释它们与腐败-创新关系的因果概念的联系。结合我们的双重分析，我们将审查结果综合成腐败与创新之间消极（打磨）和积极（润滑）因果关系背后的因素模式。根据我们的 SLR 结果，我们讨论了对理论和政策的影响，以及更全面地理解腐败与创新关系的研究方向。

打磨观点认为，腐败会增加额外成本并增加不确定性，从而对创新产生负面影响。企业面临着较低水平的专有性，因为创新所需的政府资源，例如许可证、许可证和知识产权（及其执行）可能需要额外的且往往是不可预见的付款。因此，腐败就像一种额外的税收（Bardhan，2017；RoseAckerman，1999），阻止企业追求本来可以盈利的创新。

润滑的观点表明，腐败可以通过减少交易不确定性对创新产生积极影响（Anokhin 和 Schulze，2009）。在以繁文缛节和无效法律体系为标志的薄弱制度背景下，腐败要么加速，要么促成原本会停滞或不会发生的交流（Cuervo-Cazurra，2016）。因此，腐败在商业环境中培育了一种秩序感，从而通过减少不确定性来抵消腐败增加的成本。对于创新公司来说，了解贿赂多少以及向谁获得许可可能优于不知道是否以及何时授予许可的不确定性。一种更有利的腐败形式发生在被占领的机构中，在这种情况下，国家可以行使其权力提供优惠待遇（Dorobantu 等，2017）。有能力行贿的企业获得政府资源，排除其竞争对手，为企业创造垄断优势（Kurer，1993）。

关于腐败与创新关系的文献的增长并没有得到足够的概念发展，重点是连贯地综合这些观点。声称存在打磨或润滑关系的基线研究结果已经积累，但很少承认这两种观点之间的相互依赖性。不一致的结果可能是由多种变量测量、背景和公司层面的差异或研究中的不同学科方法造成的。文献的综合可以促进对决定关系强度和方向性的措施、机制和边界条件的更好理解。此外，未来的研究人员可以利用这一知识基础，超越将这种关系概念化为二分法，转向更细致的问题，例如腐败的打磨或润滑影响、它们可能的共存以及我们继续讨论的其他可能的非因果概念化。通过我们的单反相机来揭秘。

由于腐败与创新关系的因果关系、方向性和理论机制等基本问题仍未得到解决，因此对相关问题的更广泛的见解，例如腐败影响的规范和政策制定影响，尚未得到揭示。腐败对社会的负面影响是众所周知的，导致基础设施不足、贫困和不平等等社会问题（Kaufmann，1997；Moran，2001）。对腐败的潜在影响进行批判性和深入的审视，可以让我们超越腐败是可以接受的简单化、结果主义的结论，并有助于建立一个反腐败的规范案例，作为促进创新的一种手段。

我们进行了系统的文献综述，以检查先前的研究并综合结果。SLR 采用精心选择关键词的文章搜索策略来确保样本全面，并采用严格的纳入和排除标准来确保研究的相关性。SLR 还使用预先开发的数据输入模板，其中包含来自先前文献的明确定义的类别和编码方案。与使用主观方法总结文献并从已发表的研究中提炼想法的传统文献综述相比（Wakefield，2014），SLR 可确保结果的偏见更少（Kitchenham 等，2009）。我们还对数据子集进行了荟萃分析，为我们的一些论点提供进一步的理由。我们现在解释用于识别、编码和分析相关文章的过程。

PRISMA 是一组用于报告有证据支持的系统评价和荟萃分析的要素。它的创建是为了在方法论的开放性和清晰度方面制定更好的标准。

文章识别阶段包括通过 Web of Science 数据库进行彻底的关键字搜索。在对文献进行广泛审查后，为腐败和创新分别确定了两组关键词。腐败的关键词包括“腐败”、“寻租”、“机构俘获”、“回扣”、“贿赂”、“私利”、“润滑轮子”、“精英俘获”和“送礼” ”。用于创新的关键词包括“创新”、“研发”、“研究与开发”、“研究与开发”、“专利”和“产品开发”。将 54 种不同的腐败和创新关键词排列应用于标题、摘要或作者提供的关键词，以识别相关的英语、同行评审的学术文章。2004年至2021年17年间，共找到1067篇文章。我们还使用了许多纳入和排除标准，以产生具有可接受比例的样本。剔除外文文章、会议论文集和书籍章节后，共保留772篇文章。所有772篇文章的书目信息（标题、期刊名称、出版年份、摘要、作者、关键词）均导出至Excel。每篇文章都被分配了一个唯一的 ID，该 ID 在所有后续分析中都没有改变。根据 PRISMA 框架，在阅读符合条件的论文的标题、摘要和完整文本（如果需要）后选择要包含的文章。仅包含重点关注腐败和创新而不是随意提及这两个概念的文章。此阶段删除了 669 篇文章，最终留下 103 篇文章样本。图 1 概述了文章选择过程。

为内容分析的一部分，完成了系统编码过程，以从每篇文章中提取重要信息（参见 Grodal 等人，2021）。内容分析中的信息既是显性的，又是隐性的。样本量等明显内容很容易观察到，并且可以高度可靠地记录下来。相反，研究中假设的诸如腐败与创新之间的概念关系之类的潜在内容必须使用研究人员的判断来理解，因为它是隐含的并融入到信息中（Holsti，1969）。

3.2.1 研究的描述性特征

为了分析研究的方法论，首先建立了所有类别数据的工作定义，例如实证研究、概念研究、原始数据和二手数据。如果一项研究收集了数值数据并使用统计方法对其进行了分析，则该研究被归类为实证研究。如果概念研究不包含任何数据，则对其进行分类。第一手数据是指研究人员从受访者那里收集的数据，而第二手数据是从已经发表的来源借用的。数据收集国家、分析单位和实证方法均已编码。研究团队创建了一个编码模板。一名具有编码经验的研究助理接受了培训，为该项目提取方法数据。编码方案、数据收集类别列表和相关定义已与研究助理共享，以确保一致性。一次提供十篇文章给研究助理进行数据输入。编码员阅读了每项研究的方法论部分，并在不更改任何文字的情况下复制并粘贴了准确的方法论信息。作为可靠性检查，一位专门从事研究方法的合著者在输入数据后对数据进行了 100% 的检查。

3.2.2 变量分析（前因、后果、调节因素、操作化）

第一步包括将每篇文章的相关数据单独传输到 Excel 中的编码程序表格中。研究人员仔细阅读每项研究，然后复制并粘贴研究中代表感兴趣变量的最合适的单词。第二步，研究人员审查彼此的工作，以确保所有编码过程都是正确和准确的。第三步包括编码协议的编码器间可靠性。间编码器一致性在 89% 到 100% 之间。编码数据中的任何差异均通过进一步讨论解决。

我们使用了一个四步过程来从低级代码归纳到高级类别。一阶代码是文章中发现的可观察对象或概念。更高级别的类别是包含可观察概念的更抽象的构造。

首先，仔细阅读每项研究，并从假设、概念框架和分析表中提取变量。对应于每项研究，变量被输入到单独的 Excel 列中，以区分前因、后果和调节因素。输入研究作者使用的确切词语是为了最大限度地减少偏见。其次，对用于描述相同变量或概念的相似词语进行协调，以巩固变量集。例如，腐败可以用贿赂、违规付款、控制腐败、寻租等几个关键词来表征。这些变量被归类为与腐败、创新或其他相关类别相关。第三，从每项研究中提取了腐败和创新措施的可操作性。腐败和创新的衡量被归类为更高的抽象层次，例如公司、行业或地理层面（例如国家、州或省）的腐败或创新。此外，腐败措施被编码为客观或主观，创新措施被编码为输入或输出，以方便计划分析。

3.2.3 概念图和假设分析

对于腐败创新关系概念化背后的编码，我们没有先验地规定关系的类型、名称或方向性。我们的目标是通过我们的分析让关系显现出来。然而，根据研究人员的知识，可以预期某些类型的关系分类。其中包括以下分类：不相关、概念上相关、经验相关、替代、互补和因果。如果不讨论概念上的关系，我们将腐败与创新之间的关系定义为不相关。如果讨论腐败与创新之间的联系，两个变量在概念上是相关的。

此外，如果研究人员还利用数据来检查概念相关变量之间的统计关联并找到经验证据，我们将变量定义为经验相关。在所有经验相关关系中，替代和互补是统计相关性的两种常见类型。替代关系是一种变量的增加导致另一变量减少的关系。互补关系是指一个变量的增加导致另一个变量的增加的关系。最后，因果关系是变量之间统计相关性的最强形式——当一个变量的影响是另一个变量的直接原因，并且原因发生在结果之前。在编码人员就关系的定义达成共识后，他们对所有 103 篇文章中的关系进行了分类，讨论了编码过程，并解决了任何不一致的地方。并非所有代码都用于最终分析。相反，现存文献中出现了四种主要类型的概念关系，成为本文的重点：因果关系、反向因果关系、替代关系和共生关系。

我们预计结果不会超过六种：不相关（即支持原假设）、相关（即拒绝原假设）、负、正、二次（U 形或倒 U 形）和立方（S 曲线）。我们的计划是确定文献中的主导观点并确定提出不同观点的研究。经过编码过程，我们发现腐败与创新之间只有三种类型的关系：相关、正相关和负相关。我们对方向性的分类进行了相应修改。分析部分提供了更多详细信息。

一些发现解释了文献的演变及其当前的构成。我们观察到近年来有关该主题的发表文章数量呈指数增长，因此我们将文献分为两个时期（图 2）。在本次综述的 103 篇文章中，绝大多数（74%；76 篇）是在 2017 年至 2021 年之间的五年期间发表的。从 2004 年到 2016 年，十三年的时间里，仅发表了 27 篇文章（26 篇）。%）。日益增长的兴趣不仅需要 SLR，而且表明腐败与创新的关系将成为未来的一个相关话题。

发表的绝大多数文章都是经验性的（89%）而不是概念性的（11% 不使用数据）。这一实证重点在两个时期（2004-2016 年和 2017-2021 年）都是一致的。大多数研究使用定量数据 (88%) 和二手数据源 (97%)。只有一项研究使用定性数据 (1%)，并且只有 3 篇文章 (3%) 依赖于原始数据。关于国家背景，单一国家 (50%) 和多国 (50%) 研究之间的比例相等。2017-2021 年单一国家研究比例的上升很大程度上归因于人们对中国自 2012 年开始的反腐败执法工作的兴趣日益浓厚。数据（例如 Chen 和 Yoon，2019；Yu 等人，2019）。可能出于同样的原因，对中国的研究在单一国家研究中代表性最高（29%）。对于多国研究，研究人员倾向于使用世界银行企业调查 (WBES) 的数据，这是世界银行自 20 世纪 90 年代以来进行的一项全球企业层面的调查。

4.2.1 腐败测量

腐败是在公司和总体分析层面（即国家或州/地区）来衡量的。腐败的衡量标准可以是主观的，可以是个人或集体对腐败的普遍性和影响的看法，也可以是客观的，例如参与贿赂或向政府官员支付非正式款项。通过对这两个维度进行制表，我们可以将腐败衡量分为四种类型：主观企业层面、客观企业层面、主观总体水平和客观总体水平衡量。

公司层面的主观衡量标准基于管理层对环境腐败的看法。公司层面的客观衡量标准通常基于公司是否参与贿赂或向政府官员非正式支付款项。主观总体衡量指标往往是根据专家意见制定的腐败指数，该意见涉及腐败对一个国家开展业务的阻碍程度。客观总体衡量标准包括管理者对贿赂行为的自我反应，并汇总到国家或州一级。多项研究采用了来自美国、中国、西班牙和印度的州或地区腐腐败与创新关系的概念图败定罪数据。

4.2.2 创新测量

SLR 表明，创新是通过公司或总体（即国家或州/地区）层面的投入或产出来衡量的。基于这两个维度，出现了四种类型的创新衡量标准：企业层面的投入、企业层面的产出、总量层面的投入、总量层面的产出。

企业层面的创新投入通常是自我报告的研发投资，以研发支出占销售额的百分比来衡量，或者是企业从事研发活动是否超过研发投入的指标。企业层面的创新产出包括作为数量衡量标准的专利申请和授予的专利。国家或地区层面的总体创新产出往往基于专利申请数据，来自世界知识产权组织（WIPO）。总体层面的创新投入很少被使用。

尽管我们在进行SLR之前预期了更广泛的关系，但我们发现了腐败与创新关系的四个主要概念(见图3)。最普遍的框架，我们将其标记为因果关系(框架1)，将腐败概念化为先决条件，创新为结果。在研究的103篇文章中，有70篇文章对腐败对创新的影响进行了理论化或实证检验(图3中的路径a)。根据因果框架中的逻辑，一些研究人员还研究了腐败-创新关系的最终结果对一个国家或企业的更广泛的经济结果。承认腐败对创新的直接影响，14篇文章调查了腐败对国家或企业增长的直接影响(途径c)或通过创新间接影响(途径a和b)。

大多数论文预测腐败会对创新产生负面影响(见表1)。这种关系在国家或公司层面进行了检验，70篇文章中有36篇提出了这一观点。在这36篇文章中，有16篇研究明确提出了否定假设。其他20项研究预测了负相关关系，但没有包括假设。36项研究中有24项证实了负相关，如果包括没有假设的研究，这一数字将增加到32项。对国家级研究子集的荟萃分析为主流观点提供了进一步的证据，即腐败对创新产生了负面影响

备选论点1:“腐败既是沙子又是油脂”。我们数据库中的11篇文章提出了一个看似不相容的论点，即腐败会对创新产生积极和消极的影响。持不同观点的研究人员采用三种方法来跨越相互矛盾的观点。首先，他们的数据包含显著的样本内变异，因此当研究人员放大数据的特定子集时，可以观察到不同的结果。样本内变异包括企业的特征(如大型或小型、国有企业或非国有企业、国内企业或跨国公司)、制度背景(如发展中国家或发达国家)、腐败的性质(小腐败或大腐败)或有关创新的类型。其次，研究人员在模型中加入了一个调节因子，使腐败与创新之间的关系在大小上发生变化，有时在方向上发生逆转。例如，Goedhuys等人(2016)认为，贿赂的好处只存在于薄弱的制度环境中，其影响是有害的。最后，他们基于不同的理论视角提出了相互竞争的假设。例如，t.v. Nguyen等人(2016)采用交易成本理论认为，轻微腐败与创新呈正相关(通过企业增长变量衡量)。另一方面，他们利用资源基础观点认为腐败会对企业的创新产生负面影响(用效率变量衡量)。

备选论点2:“腐败使车轮润滑”。8篇文章认为腐败对创新有积极影响。然而，腐败的积极影响似乎是有条件的。为了从腐败中获益，企业要么在特定的制度背景下运作(例如Krammer, 2019;Xie et al.， 2019)或具有一定的企业特征(例如Tomaszewski, 2018;夏等人，2018)。替代论点1和论点2的关键区别在于，前者的文章明确地模拟了宏观或企业层面的因素，这些因素可以逆转腐败-创新关系的方向性。从这个意义上说，腐败与创新之间存在非单调关系。另一方面，交替论点2中的文章具体位于腐败积极影响创新的背景下。因此，这种关系被建模为单调的。

备选论据3:“无预测”。15项研究未对腐败与创新的关系进行实证预测。通常，沙子和油脂的论点都是在经验检验之后提出的。例如，Dincer(2019)使用美国州级面板数据检查了腐败与创新之间的联系，并证实腐败从长远来看会减少创新。由于缺乏理论推导，这些论文的贡献仅限于新的数据集或在新的背景下复制以前的发现。

关于腐败对创新的影响的讨论应该根据本文所建立的发现来重新定义，正如油脂和沙子模式所总结的那样。与其提出腐败是沙子还是油脂的简单问题，不如提出更细致的问题，要承认每种影响最有可能发生的决定性条件。

是否存在允许排他性利益的条件，可以作为预测和发展对润滑性影响的论证的理论起点。腐败背后的动机可以说明一家公司是否会获得排他性的利益。企业的环境是否为某些企业提供排他性利益也可以作为发展理论论点的基础。不完整的机构和被俘获的机构之间的区别是相关的，因为它说明了可以从腐败中受益的行为者的范围。

未来的研究还可以关注“润滑”和“打磨”影响之间的相互依赖关系，以更准确地了解特定背景下腐败对企业的影响。未来的研究可以旨在了解哪些公司最有可能在依赖自然资源的经济体中获得排他性利益，他们所经历的腐败程度是否与他们的创新产出呈正相关，以及相对于那些无法获得这些利益的公司，影响的方向性是否不同。未来的研究还可以考察公司层面的调节因素，但在现有文献中尚未考虑到这一单反的发现。考虑到它们与非法行为的关联，令人惊讶的是，很少有研究调查会计和融资相关的做法。他们的进一步研究可以揭示出哪些类型的公司可以利用腐败来提高他们的创新成果。

我们的研究结果清楚地表明，尽管存在腐败促进创新的条件，但腐败对经济中更广泛的创新的长期影响将是明确的负面影响。国家层面的持续创新需要一个更广泛的创新企业生态系统，这些企业通过投入和努力相互支持，包括竞争对手、供应商和分销商(Oh et al.， 2016)。在腐败环境中获得独家资源的特权行为者的利益是以损害大多数公司为代价的。因此，由于腐败的影响越来越大，对腐败的宽松政策将以牺牲强大的创新生态系统为代价，使相对较少的公司受益。

总的来说，在制度质量较弱的条件下，腐败的润滑效应只能被认为是“次优”选择。此外，腐败促进整个经济交换的国家仍然会感受到其负面社会影响的冲击，例如贫困和不平等水平的增加。因此，政策制定者应该避免短期的观点，即允许腐败作为快钱或促进特权企业的创新。此外，较低的腐败水平有利于实现日益重要的政策目标。鉴于腐败对高科技行业创新的明显负面影响，发展中国家的反腐败政策将提高企业跨入信息通信技术(ICT)等新兴产业、不断创新并提高国际竞争力的能力。由于磨光效应适用于高度依赖政府和专注于开发专利的公司，因此具有这两种特征的创新型初创企业也应该在低腐败的环境中蓬勃发展。反腐败举措还会对在一个国家经营的国际公司产生不成比例的影响，从而使国内公司总体受益。

本文经翻译整理，仅供学习与交流，转载请注明出处。

       -编辑：姜尚天 | 审核：张宇擎-