基于价值链片段化的知识溢出与企业创新

盛玉雪，刘秉镰，2，丁明磊

(1.南开大学经济学院，天津 300071;2.南开大学经济与社会发展研究院，天津 300071;3.中国科学技术发展战略研究院，北京 100038)

1 引言

知识溢出是指知识具有外部性，创造知识的社会价值超过了创造知识的主体所能得到的补偿，这是内生经济增长模型的重要假设条件之一，也是新经济地理学关注的重要课题。针对我国现状的相关研究还处于初始阶段，各学者的结论也不尽相同。段会娟、梁琦认为专业化更有利于创新［1］;而李金滟、宋德勇认为对于大城市而言，多样化有利于创新，但对于中等城市，专业化则更有利［2］。在实证方面已有文献还存在以下不足:一是以单纯的总量(产量、研发支出等)指标计算相应的专业化和多样化程度，掩盖了产业的技术特点和价值链定位对知识溢出的可能影响，例如高技术产业较之低技术产业有更强的知识溢出。在价值链片段化背景下，处于价值链终端环节的企业相比处于中间生产环节的企业将拥有更高的创新强度［3］，可能的溢出效应将更强;二是以一个指标同时表示专业化和多样化，以回归系数的正负判定多样性或者专业化何者在区域创新中影响更强，由于多样化和专业化衡量的维度并不完全相同，两者的存在也不是非此即彼，而可能共存［4-5］，因此这样的指标设计并不妥;三是缺乏来自企业层面的证据，企业是创新的主体，国外学者如 Feldman 和 Audretsch［6］、Van Der Panne 和Van Beers均检验了专业化与多样化对企业层面上的创新的影响［7］，但在我国还主要集中在区域-产业层面［8-9］。刘伟巍和杨开忠利用世界银行在我国16个城市纺织服装和电子设备制造业的企业调查报告，实证分析认为专业化无益于知识溢出，同时电子设备制造业能受益于本地的行业多样性，而纺织服装业不存在这种集聚经济［10］，但由于数据所限，该结论缺乏普遍性。

2 价值链片段化与知识溢出作用于创新的机制

在全球价值链分工背景下，价值链细分达到了空前的程度［11］。 “微笑曲线”的不同位置获得的附加值也不同，且由于表现出来的创新强度不同，产生的知识溢出也将不同。一般而言，处于价值链终端环节的企业相对于处于中间生产环节的企业拥有更高的创新强度，前者形成的溢出效应将更强。特别是处于“微笑曲线”左端是产品试制开发环节，该环节明显比处于中间的生产、组装环节拥有更强的创新强度。此外，由于价值链片段化，生产和研发可以在不同区域进行，所以区域产业的专业化和多样化在生产和研发环节上将可能存在错位，而具有较强制造能力的个体能够显著提高其创新优势［12］，所以按价值链定位区分知识溢出十分必要。

知识溢出的过程是交往主体间直接或间接互动交流过程中发生的无意识的知识传播过程。显性知识可编码化记录能在较大范围以直接或间接的方式在主体间进行传播，而难以编码化的隐性知识只能以直接的面对面互动交流的过程实现，所以传播范围较小。一般而言，生产知识和研发知识均既有显性知识也有隐性知识。本文将知识的外部性促进企业创新的作用机制按作用要素不同概括为两类。首先，改善知识生产投入要素的产出弹性，或称为流量机制。知识根植于个人，人才的流动促进了知识特别是隐性知识在不同群体间的传播。生产环节既包括口传心授、面对面交流实现的隐性知识传播，也包括以培训等方式实现的显性知识传播。公司技术人员还能在产学研合作中实现与专职科研人员的正式或非正式的学术研讨交流，获得研发知识。通过基于个人的对知识溢出的吸收，提高研发人员投入要素的创新产出弹性，改善研发资金等投入要素的有效利用率，促进创新。其次，降低创新风险，顺利实现潜在创新能力到实际创新能力的转化，或称为存量机制。创新以已有的知识积累为基础，在实现的过程中面对巨大的风险。在存在知识溢出的环境中，拥有创意的企业家通过创立企业并与不同的群体发生互动和交流，可以获得大量的隐性知识，降低了创新风险，进而促进创新。

3 我国价值链片段化的区域分析

3.1 指标选取

受 Feldman 和 Audretsch［13］、Paci和 Usai［14］及Greunz［15］的启发，并考虑到本文的主要研究对象是知识溢出，价值链片段中的研发环节和生产环节，且相应地将两环节体现的知识溢出称为研发环节知识溢出和生产环节知识溢出。

区位商和赫芬达指数(Herfindahl Index)的倒数是相关研究中最常用的计算专业化和多样化程度的指标(Beaudry，Schiffauerova)。本文亦采用这两个指标，计算公式如下:

i区域j产业的专业化程度:LQij=Sij/Sj

i区域整体的专业化程度:LQi=maxj(LQij)(Duranton，Puga)

i区域的多样化程度:HHIi

上述式中，Sij表示i区域j产业的产值在i区域总产值中的占比;Sj表示j产业在全国所有产业中产值的占比，其中产值可以换成就业人数、增加值等其他总量指标。

3.2 结果分析

本文计算了2010年(为了与后文所用企业数据时间一致)我国各省工业生产与研发环节的专业化、多样化程度。其中研发专业化(NLQ)、研发多样化(NHI)以新产品产值为原始值;生产专业化(PLQ)、生产多样化(PHI)以除去新产品产值的工业销售产值为原始值。原始数据均采自国研网工业经济数据库。测算发现:

(1)各省工业生产专业化与研发专业化存在错位。仅有福建、广东、辽宁、山西、浙江、重庆等省市的研发专业化和生产专业化程度最高的行业是同一个行业，其余省份均不一致。对各省份生产专业化与研发专业化程度最高的行业的技术特点进行统计(见表1)发现，绝大多数省份工业的生产专业化和研发专业化均表现为低技术搭配低技术，内蒙古、新疆、江西三个省份表现出高技术产业的研发专业化搭配低技术产业的生产专业化，而吉林、广西两省表现为中技术产业的生产专业化搭配低技术产业的研发专业化。

表1 区域工业专业化产业技术特点分布

图1 区域多样化与专业化分布

(2)区域工业的生产多样化程度普遍高于研发多样化程度。除了山西省，生产多样化程度在绝大多数省份高于研发多样化程度(见图1)，省均前者是后者的2.4倍，吉林、内蒙古、广西、湖北等省更达5倍有余。可见从生产角度来看我国区域多样化程度很高，但这种生产多样化却没有得到相应的研发多样化的支持。

(3)工业的专业化和多样化可同时存在。生产环节的专业化程度很高的省份如四川、黑龙江等均表现出很高的生产多样化程度。研发环节专业化程度较高的山东、湖南等省份也存在很高程度的研发多样化。

这些都表明在价值链片段化的背景下，有必要在研究知识溢出时对不同价值链片段进行区分，并尽可能同时考虑两种类型的溢出。

4 知识溢出在提升创新绩效中的作用

4.1 模型拟定

阶层结构反映了不同分类之间的隶属关系，其中较低层次的数据嵌套在较高层次的数据之中。根据组织与环境间的嵌入特点，企业总是嵌套于特定区域中，同一区域的企业共享相同的区域环境。据此，企业属于个体层级而环境属于总体层级。对于这种结构特点的数据，可选用两阶层线性模型(Two-LevelHierarchalLinearModel，HLM2)加以分析［17］。

表2 数据描述性统计

本文为了验证知识溢出对企业创新的影响，因变量取企业创新产出，具体用企业新产品销售收入表示。自变量包含两类:一类是一般研究企业创新所用到的企业投入能力变量，也是知识溢出作用于企业创新的间接变量，包括上文分析的研发流量和存量两大类机制(研发投入变量如研发人员投入、研发经费投入，以及企业知识积累变量如企业规模、企业已有技术基础等，后两者本文分别以企业前一年度的资产规模与专利情况反映)，此类变量置于个体层;另一类是本文的主要研究对象，即价值链片段化视角下的专业化和多样化两种知识溢出类型，属于总体环境，置于总体层。

总体层的多样化程度及专业化程度由上文计算得到，个体层其他指标数据来自我国创新型(试点)企业的问卷调查。该问卷调查共设置企业基本信息、企业创新活动、绩效等内容。2010年数据完整的样本企业有498家(见表2)，不均匀分布在全国31个省(市、自治区)。

4.2 模型结果及分析

以Jaffe的知识生产函数为基准，本文设置的企业创新完整模型(模型7)如下:

其中，组内相关系数为 ρ=τ00/( τ00+σ2)。回归结果如表3所示。

模型0中ρ=0.143＞0.138，即属于各省间的差异所造成的变异程度1.089，占方差的14.3%，属于高度关联强度，可认为造成因变量的组间变异不可忽略，因变量在组间的分布是不一样的，必须将组间效应考虑到阶层线性模型里。从模型1到模型7，本文逐渐加入了各相关因素。结果显示，当考虑总体层因素后，τ00变小且显著性减弱，说明总体层因素很好地控制了组间差异。从模型1到模型2，由于研发多样化的引入，省间差异被控制了(0.097-0.065)/0.097=33%，即引入多样化可以减少第一层截距项约33%的变异程度。而模型3及以后的各模型省间差异也不同程度地得到总体层因素的控制，这也说明了本文模型选择的合理性。从各模型结果可知，基于价值链片段化的知识溢出在提升我国企业创新中的作用表现出以下特点:

(1)区域多样化程度正向影响企业的创新产出，而区域专业化程度负向影响企业创新产出。

研发多样化和生产多样化程度对企业创新的作用显著，回归系数为正且保持在一定的范围之间，可见在我国多样化程度越高的区域，由于互补性知识的频繁交换和思想碰撞，企业面临的市场风险减少，越能促进企业创新的搜寻和实践，即该区域的企业越易获得溢出，企业创新能力越强。此外由于研发多样化程度的回归系数对企业创新的作用只有在不加入其他类型溢出时显著，而在加入其他溢出类型后，该系数变得不显著。可见目前我国多样化有利于创新更多的是在生产环节的多样化，而非研发环节的多样化，生产多样化没有得到相应的研发多样化的支持，后者对企业创新产出的影响作用被前者完全掩盖，研发多样化溢出在我国还未成形。

生产专业化程度对企业创新的作用表现为显著为负，说明我国目前区域的专业化特别是生产专业化的提高会进一步阻碍创新的出现，即存在“锁定效应”:区域生产越是专业化越易陷入对已有技术的依赖，缺乏创新的动力。我国产业集群的现状能部分解释专业化溢出的不理想。由于专业化外部性除了来自产业上下游地理上的集中，更强调在这种集中中实际发生的有益联系。而我国目前大量产业集群处于低端道路的发展阶段，属于低层级上“扎堆式”模式，区域产业链不完善，企业间的合作只是偶然的，甚至不存在［18］，难以成为技术创新的有机载体。

我国大多数省份的生产以低技术产业专业化为主，为数不多的形成高技术研发专业化的省份却搭配着低技术产业的研发专业化。这种低技术的生产专业化会进一步恶化“锁定效应”。而创新是知识转化为生产力的过程，具有较强制造能力的个体能够显著提高其创新优势，脱离生产的创新将难以实现。在价值链片段化背景下，我国各省目前这种研发和生产的错位会使得逃离“锁定效应”变得十分困难。

(2)研发环节的知识溢出以存量机制为桥梁促进创新，生产环节的知识溢出以流量机制为桥梁促进创新。

研发多样化和研发专业化与企业规模的交乘项对应的系数均显著为正，可见研发环节的知识溢出以增强企业知识积累在促进企业创新中的作用，即主要以存量机制来促进创新。研发知识溢出程度越高的区域，企业获取各种隐性知识的机会越大，创意或者潜在的创新能力向实际创新转变的风险越小，特别是规模越大的企业，创新的相对风险更小，由此研发知识溢出促进了创新。

生产多样化和生产专业化与两研发投入要素的交乘项对应的系数均显著为正，而与企业规模和企业已有技术基础交乘项对应的系数均显著为负。生产知识溢出程度越高的区域，人与人之间的显性和隐性生产知识传播越频繁，这种生产知识的获取增强了研发投入的产出弹性。这说明生产环节的知识溢出以增强投入要素的创新产出弹性来促进创新，即主要通过流量机制来促进创新。

表3 两阶层线性模型回归结果

5 结论及政策启示

针对价值链片段化背景下我国处于全球价值链低端、创新能力不强的现状，本文的研究结论对以知识溢出促进企业创新的政策制定具有一定的启示。①由促进特定产业专业化聚集为主向区域多样化与专业化并重转变。区域多样化有利于创新，因此应鼓励产业的多样化集聚，充分发挥多样化环境对创新的作用。此外还可通过搭建跨行业、跨学科的产学研合作平台，发展创新联盟，建设协同创新基地等，丰富多样化环境，促进知识溢出。②由孤立主体引进为主的格局向以链条完善为主的产业链聚集转变。在鼓励区域专业化生产集聚时应注重发展健全的产业链，促进企业间合作，避免简单的扎堆式模式，以催生专业化的知识溢出。③由价值链低端发展向价值链高端转型。由于大多数省份的低技术产业生产专业化会进一步恶化锁定效应，因此为了实现创新驱动必须向价值链高端转移，以破解这种锁定效应，如建立依托园区、联盟或研发研究体的研究载体，完善各类中介，包括市场中介、社会中介、技术中介组织的知识传播职能，通过建立培训基地，引进高级人才等优化区域人才结构，吸引价值链两端特别是研发端进驻，发展总部经济等逐步实现向价值链高端环节的攀升。④由终端结果导向发展向创新链、产业链耦合的过程式发展转变。创新是知识转化为生产力的过程，制造能力的提高能显著提升区域的创新优势，研发若得不到生产的支持将难以为继，而且研发和生产的错位会使得逃离锁定效应变得十分困难，因此应在区域比较优势的基础上因地制宜，适时矫正区域研发与生产的错位，实现区域生产结构与研发结构的相互匹配和相互支撑，以促进创新。

［1］段会娟，梁琦.地方专业化、知识溢出与区域创新效率——基于我国省际面板数据的分析［J］.经济论坛，2009，22:21-23.

［2］李金滟，宋德勇.专业化、多样化与城市集聚经济——基于中国地级单位面板数据的实证研究［J］.管理世界，2008，02:25-34.

［3］张杰，刘志彪，郑江淮.产业链定位、分工与集聚如何影响企业创新——基于江苏省制造业企业问卷调查的实证研究［J］.中国工业经济，2007，07:47-55.

［4］Duranton G.D Puga.Diversity and specialisation in cities:why，where and when does it matter?［J］.Urban Studies，2000，37(3):533-555.

［5］Van der Panne G.Agglomeration externalities:Marshall versus Jacobs［J］.Journal of Evolutionary Economics，2004，14(5):593-604.

［6］Feldman M P，D B Audretsch.Innovation in cities:Science-based diversity，specialization and localized competition［J］.European economic review，1999，43(2):409-429.

［7］Van Der Panne G，C Van Beers.On the Marshall-Jacobs controversy:it takes two to tango［J］.Industrial and Corporate Change，2006，15(5):877-890.

［8］薄文广.外部性与产业增长——来自中国省级面板数据的研究［J］.中国工业经济，2007，01:37-44.

［9］柴志贤，黄祖辉.集聚经济与中国工业生产率的增长——基于DEA的实证分析［J］.数量经济技术经济研究，2008，11:3-15.

［10］刘伟巍，杨开忠.制造业集聚经济的来源——基于企业数据的经验研究［J］.技术经济与管理研究，2012，04:121-124.

［11］曾新胜.经济全球化中的中国制造业发展战略［J］.国际经济合作，2006，01:22-24.

［12］官建成.企业制造能力与创新绩效的关系研究:一些中国的实证发现［J］.科研管理，2004，S1:78-84.

［13］Audretsch D B，M P Feldman.R＆D spillovers and the geography of innovation and production［J］.The American Economic Review，1996，86(3):630-640.

［14］Paci R，S Usai.Externalities，knowledge spillovers and the spatial distribution of innovation［J］.GeoJournal，1999，49(4):381-390.

［15］Greunz L.The impact of industrial specialization and diversity on innovation［J］.Brussels Economic Review，2003，46(3):11-36.

［16］高洪成，王琳.高中低技术产业范围界定标准探析［J］.科技进步与对策，2012，13:46-48.

［17］Ita Kreft Jan Leeuw.多层次模型分析导论［M］.邱皓政，郭志刚译.重庆:重庆大学出版社，2007.

［18］王缉慈.关于发展创新型产业集群的政策建议［J］.经济地理，2004，04:433-436.