技术创新产出弹性结构分析——基于面板数据聚类分析和偏最小二乘回归

申 敏，吴和成，华海岭

（1.南京航空航天大学经济管理学院，南京 211100；2.南京工业大学理学院，南京 211816）

技术创新产出弹性结构分析
——基于面板数据聚类分析和偏最小二乘回归

申 敏1，2，吴和成1，华海岭1

（1.南京航空航天大学经济管理学院，南京 211100；2.南京工业大学理学院，南京 211816）

利用2000—2010年我国29个省级行政区大中型工业企业技术创新投入和产出的相关数据，运用面板数据聚类分析法，根据各省级行政区的技术创新综合实力，将29个省级行政区分为7类。运用偏最小二乘法测度了7类区域的技术创新产出弹性，并分析了回归模型的精度。得出如下结论：在分析期内，关键的技术创新产出及其重要影响因素存在较明显的地区差异；多数地区大中型工业企业的研发能力和科技成果转化能力普遍较强，但国际竞争力仍偏低；专利产出和发明专利产出具有几乎相同的弹性结构；除了私营企业集中的地区以外，专利主要体现为发明专利；经费投入是影响技术创新产出的最重要因素，而人员投入的影响相对较弱。最后，根据所有地区的共性和个性表现，就提高企业技术创新绩效提出相应的对策建议。

技术创新产出；投入产出弹性；弹性结构

1 研究背景

我国大中型工业企业所面临的市场竞争日趋激烈，只有进行技术创新才能实现我国工业经济增长方式的转变、产业结构的调整和升级以及产业竞争力的提高。

影响企业技术创新绩效的因素有很多，只有多角度、多层面地分析企业的技术创新活动，才能准确衡量企业的技术创新绩效。许多学者在研究企业技术创新活动的绩效时，都希望找到影响技术创新活动的主要因素。已有文献从不同角度研究了企业技术创新的投入和产出。例如，Jaffe［1］、Feldman和Florida［2］认为，决定区域创新能力的关键因素是R＆D存量和体现教育质量的人力资本。Stern、Porter和Furman［3］认为，R＆D存量是影响R＆D边际产出（即创新能力）的最重要因素。曹勇和苏凤娇［4］运用Pearson相关分析方法、改进的Griliches-Jaffe知识生产函数模型和逐步回归分析方法，实证分析了我国高技术产业的技术创新投入对技术创新绩效的影响机理。张宗和和彭昌奇［5］运用改进的Griliches-Jaffe知识生产函数模型，利用我国技术创新主体投入、产出指标的面板数据考察了技术创新能力的影响因素，结果表明R＆D因素对技术创新绩效有重要影响。周卫民和张益丰［6］对要素产出弹性理论进行了检验，结果表明我国技术进步的类型为资本增加型。韩晶［7］应用SFA（stochastic frontier analysis）方法对中国高技术产业的创新效率进行了实证分析，结果表明科技人员的产出弹性小于科研经费的产出弹性。邵云飞、范群林和唐小我［8］基于内生经济增长模型，采用面板数据固定效用模型对影响我国区域创新能力的内生因素进行了实证研究，结果表明我国高技术产业就业人员数是影响区域创新活动的一个显著因素，专利的弹性系数高于高技术产业就业人员数的弹性系数。

综上可知，研究者们大多从某一角度选取特定的技术创新投入或产出指标来考察产出对投入的弹性，而所选指标不全面很容易造成结果不准确。事实上，由于我国大中型工业企业的技术创新投入与产出的关系在空间上存在地区差异、在时间上呈现动态变化，因此，如果全面涵盖所有的投入指标，则可能出现因投入指标存在多重共线性而导致基于传统计量回归模型所得的估计结果不可靠的问题。同时，指标数量过多、样本点相对较少会产生样本饱和（样本量小于自变量个数）现象，从而使得基于传统计量回归模型所得的检验结果不可信［9］。此外，利用某一产出指标无法全面度量技术创新产出水平，而是需要一个产出指标集合，而传统计量回归模型无法解决多因变量对多自变量的估计问题。基于以上考虑，本文采用偏最小二乘（partial least square，PLS）回归法。

如果直接对29个省级行政区相关指标的混合数据运用偏最小二乘法进行回归，可能无法体现地区差异性，但若对每个省级行政区的时序数据进行分别计算，又可能因为样本量太少而损失准确性。为了兼顾产出弹性的地区差异性和参数估计量的可得性和准确性，本文根据技术创新综合实力相似程度，先对全国29个省（自治区、直辖市）①不包括我国港澳台地区、西藏地区和海南（因数据缺失）。进行聚类，再分别对每类区域进行偏最小二乘回归分析，测度各类区域大中型工业企业的技术创新产出弹性。

2 指标选择与数据说明

本文旨在测度我国各地区大中型工业企业的技术创新产出弹性。现有文献——包括《中国科学技术指标》黄皮书——中技术创新投入的表征指标一般分为人员和经费两个方面。本文也从人员和经费两个方面考虑技术创新投入的表征指标。目前表征技术创新人员投入的两个基本指标是科技活动人员数和R＆D人员全时当量。科技活动人员数用以反映从事创新活动的人员规模；R＆D人员全时当量用以反映创新活动人员投入的强度和质量。科技活动经费内部支出和R＆D经费内部支出两个财务指标较全面地反映了技术创新经费投入的规模，是评价技术创新投入的常用指标。技术创新投入的基本目的是，通过开展一系列研发活动等来提高产品的科技含量、不断推出具有市场竞争力的新产品。鉴于此，本文将新产品开发经费支出也作为技术创新活动的一项投入，以对应新产品的市场化。

在已有研究中，表征技术创新产出的指标主要是专利。笔者认为，企业技术创新投入的最终目的是，在立足市场的前提下通过技术创新开发新产品以获得核心市场竞争力。鉴于此，笔者认为可从专利和新产品两个方面选择表征技术创新产出的指标。

基于“指标应能较充分地度量研究现象的内涵，同时应考虑指标数据的可得性”的原则，笔者根据相关研究文献，并结合大中型工业企业技术创新绩效的特点，选择表征企业技术创新投入和产出水平或强度的指标，如表1所示。

表1 企业技术创新投入和产出的表征指标

根据弹性的意义，对所有变量均取对数，将y 1～y4分别记为ly1～ly4，将x1～x9分别记为lx1～lx9，则回归系数即弹性系数。以下分析均为对表1所示变量的对数进行的分析。

Romer［10］的知识内生性增长理论表明，创新并非从天而降，而是源于之前积累的知识资本和人力资本。鉴于此，本文考虑产出滞后于投入这一实际情况，所用投入指标数据的分析期为2000—2008年，所用产出指标中万人专利申请数和万人发明专利申请数的数据均滞后2年，即其分析期为2002—2010年，新品销售率和新产品创汇率的数据均滞后1年，即其分析期为2001—2009年。所用数据来源于2001—2011年的《工业企业科技活动统计资料》。

3 测度模型

3.1 面板数据聚类方法

学者们对创新能力给出了不同的解读。例如：余官胜［11］用国内专利申请量度量技术创新；吴永林和赵佳菲［12］构建了包括技术创新投入能力、研究开发能力、消化吸收能力和技术创新产出能力的技术创新能力评价指标体系。这些指标或具有片面性，或存在多指标相关问题而增加了研究的复杂性。本文利用因子分析法将所有的投入指标和产出指标进行综合而形成综合指标，并将该综合指标定义为技术创新综合实力。笔者认为，地区的技术创新综合实力相似，其技术创新产出弹性也应相似。鉴于此，可先根据技术创新综合实力对我国29个省（自治区、直辖市）进行聚类。

事实上，虽然处理多维动态面板数据不能简单套用经典聚类方法，但是可先对面板数据进行降维，使之变为单指标面板数据，再将时间维度转换为指标维度，则可进行经典聚类。通过因子分析可以实现有效降维。用m维的y空间代替p（m＜p）维的x空间，而用低维的y空间代替高维的x空间，不仅能够尽可能多地反映原x空间的信息，而且由于它们是从相同类指标中抽取而来的，因此低维的y空间的解释力远大于每个实际指标的解释力，同时克服了各指标信息重复的问题。因此，若将y空间中的潜在因子进行加权组合而形成综合评价函数序列矩阵，再确定相似指标和测量尺度，对面板数据进行Q型聚类分析，则既能在保留面板数据关键信息的同时实现降维的基本目标，又可以克服片面追求个别指标信息而忽略整体的倾向。聚类的具体思路如下：

然后，选择聚类分析测量尺度，将F视为时序长度为T、个体个数为n的面板数据，对面板数据F进行Q型聚类。本文选择欧氏距离测度相似性，利用离差平方和法（Ward法）进行面板数据的聚类分析。

3.2 偏最小二乘建模方法

偏最小二乘回归法是由Wold和Albano于 1983年提出的，此后被广泛用于各个领域，尤其是化学和经济评价领域。PLS回归方法是一种消除自变量间多重相关性的有效方法。该方法不是逐个判断复杂多变量系统中变量的取舍，而是通过信息分解将自变量系统的信息进行重新组合，有效提取对系统具有最强解释力的综合变量，排除重叠信息或无解释意义信息的干扰，解决了变量多重相关性对系统建模的负面影响，使得回归结果更加可靠。偏最小二乘回归模型的最大优点是解决了多元回归分析中变量的多重相关性和解释变量多于样本点等问题。

偏最小二乘回归的基本原理如下：设有n个样本点的q个因变量Y＝［y1，y2，…，yq］n×q和p个自变量X＝［x1，x2，…，xp］n×p。通过偏最小二乘回归，分别从X和Y中提取出成分t1和u1。要求：第一，t1和u1应尽可能多地反映原变量的信息；第二，t1和u1的相关程度能达到最大。

在成分t1和u1被提取后，分别进行X对t1的回归以及Y对t1的回归。如果回归方程的精度已达到满意程度，则算法终止；否则，利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮成分提取；如此往复，直到回归方程的精度达到较满意为止。若最终从X中共提取了m个成分t1、t2、…、tm，利用偏最小二乘回归法进行yk（k＝1，2，…，q）对t1、t2、…、tm的回归，其回归方程如下：

而th（h＝1，2，…，m）可以写成原变量x1、x2、…、xp的函数，即

由此可得由m个成分t1、t2、…、tm和原变量x1、x2、…、xp表示的偏最小二乘回归方程：

4 测度结果和影响因素分析

本文将体现经济、技术水平的投入能力和资源转化为创新成果的产出能力综合定义为技术创新综合实力，通过面板数据的聚类分析来科学、有效地辨别我国29个省级行政单位大中型工业企业技术创新综合实力的差异和所属类型。

4.1 聚类结果

利用上述面板数据聚类分析方法，借助软件SPSS16.0和Excel2007，针对每个省级行政区的投入及产出指标，以累积贡献率超过90%为原则选取主成分，同时构建综合评价函数矩阵，用系统欧式距离测算各省级行政单位大中型工业企业技术创新综合实力的相似性，并利用Ward联接法对29个省级行政单位进行聚类，聚类结果如表2所示。

表2 基于大中型工业企业技术创新综合实力的聚类结果

从表2可以看出，类别靠前的是技术创新能力较强的地区，类别靠后的是技术创新能力较弱的地区。显然，科技能力与经济实力之间存在高度的正相关关系，经济发展会加速技术创新能力的提高，技术创新能力又能够推动经济发展，两者相辅相成、互为动力。

4.2 投入与产出的相关关系判别

在本节，笔者利用偏最小二乘法，借助SIMCAP11.5软件，具体分析不同类别地区的技术创新产出如何依赖投入要素，为确定不同类别地区的技术创新投入要素强度提供强有力的理论基础。

分别以解释变量组X和被解释变量组Y的第一成分t1和u1为横、纵坐标，绘制平面图①限于篇幅，在此省略。。7类地区的偏最小二乘回归结果显示，u1与t1之间存在清晰的线性关系。这说明，7类地区的X与Y之间都存在很强的相关关系，用偏最小二乘回归方法进行建模是合理的。

4.3 PLS回归模型精度分析

根据交叉有效性原则，以SIMCA-P软件所规定的0.0975为临界值，选取适当的有效成分，求出有效成分对投入变量的累积信息提取度Rd X和对产出变量的累积解释能力Rd Y，如表3所示。

从表3可以看出：总体上，产出变量集合的PLS回归模型的精度较低（Rd Y均小于70%），而单个产出变量的PLS回归模型的精度存在较大差异，以万人专利申请数、万人发明专利申请数和新产品销售率为因变量的PLS回归模型的精度较高——其Rd Y值几乎都大于或接近70%，而新产品销售率模型的回归精度一般略低于前两者。这说明，在科技创新成果向经济绩效转化的过程中存在更多的无效率因素，未来应重视科技创新成果转化环节，积极推动技术市场发展。此外，以新产品创汇率为因变量的PLS回归模型的精度较低——其Rd Y值几乎都小于50%。从不同类别的地区来看，第二类地区所有PLS回归模型的精度都较高，特别是新产品创汇率回归模型的精度明显高于其他类别地区的精度。进一步分析发现，该地区主要包括经济、技术和出口贸易都较发达的沿海省份，技术创新成果向新产品转化率高、新产品出口创汇率高。反过来，正如Grossman和Helpman［13］以及Bernard和Jensen［14］所述，当一国出口本国产品时，出口企业往往会得到外国购买商关于改善生产流程的建议或从竞争对手和合作伙伴处学到更多知识，这些都会促进本国的出口企业实施技术创新。因此，在贸易发达地区，技术创新投入对所有技术创新环节的产出都有较好的解释能力。在第一、第四至第七类地区中，除新产品创汇率模型外，其他模型均有较高的回归精度，说明所选取的投入变量主要解释万人专利申请数、万人发明专利申请数和新产品销售率3种技术创新产出，而对新产品创汇率的解释能力较弱。在第三类地区中，新产品销售率模型和新产品创汇率模型的回归精度均较低，说明创新投入要素不能很好地解释与新产品有关的产出要素，这或许与第三类地区的科技成果转化能力较弱有关。

表3 7类地区的PLS回归模型精度

4.4 产出弹性结构与影响因素分析

PLS法的另一个重要用途是预测建模。PLS法适用于多个自变量和多个因变量的回归建模分析，一次计算后可同时给出ly1～ly4关于各投入要素变量的回归模型，利用SIMCA-P软件可得到各回归模型的回归系数（见表4～表7），据此可绘制各模型回归系数的直方图①。

表4 万人专利申请数（ly1）回归模型（模型1）的回归系数

表5 万人发明专利申请数（ly2）回归模型（模型2）的回归系数

表6 新产品销售率（ly3）回归模型（模型3）的回归系数

1）回归模型整体结构。

从表4～表7可以看出，除第二类地区外，其他地区的万人专利申请数回归模型和万人发明专利申请数回归模型的回归系数结构基本相同，表明两者发展基本同步，专利产出主要表现为表征技术创新的发明专利产出。第二类地区的民营企业经济较为发达。与发明专利相比，外观设计专利和实用新颖专利的技术含量低、研发难度小，因此内资民营企业较易通过外资企业的示范效应、模仿效应、竞争效应和产业关联效应来获得技术外溢，进而提升自身的技术创新能力。而发明专利在市场竞争中的重要性和研发难度等使得相应的技术较难被外溢，在一定程度上还存在某种技术“挤出”效应，由于在民营企业较多的第二类地区外观设计专利和实用新颖专利占有相当的比重，因此第二类地区表现出专利与发明专利的发展不同步，两者的回归模型结构也不相同。

经济较发达的第二类地区和第三类地区的万人专利申请数回归模型与新产品销售率回归模型的回归系数结构非常类似，表明两者发展基本同步。这说明这两类地区大中型工业企业的市场意识较强、创新成果转化率非常高。对于经济欠发达地区，新产品销售率和新产品创汇率的回归模型与万人专利申请数和万人发明专利申请数的回归模型存在较大的结构差异，说明该类地区的市场意识较弱、创新成果转化率较低。

除了第六类地区外，其他地区的新产品销售率回归模型和新产品创汇率回归模型的回归系数结构都不相同，说明这两个与新产品相关的产出的影响因素迥异。

表7 新产品创汇率（ly4）回归模型（模型4）的回归系数

2）主要的弹性变量。

虽然各类地区产出对投入的回归系数（弹性）结构不尽相同，但是各类地区的万人专利申请数（ly1）和万人发明专利申请数（ly2）普遍对人均科技活动经费（lx6）和人均R＆D经费（lx7）有较大的弹性，说明经费投入是影响发明专利产出和专利产出的最核心要素之一。在第三类、第五类、第六类和第七类地区，这两类技术创新产出对R＆D人员投入强度（lx3）的弹性也较大，说明这些地区的这两类技术创新产出对经费投入和人员投入都具有较高的弹性。

相对于技术创新经费投入，技术创新人员投入对专利产出的作用并不十分突出，这说明我国企业的技术创新是经费拉动型的，科技人员的创造性还未充分发挥出来——这与韩晶［7］的研究结论一致。由于第二类地区的专利产出中外观设计专利和实用新颖专利占较高比例，因此第二地区的万人专利申请数对技术创新人员投入的弹性较高，而万人发明专利申请数对技术创新经费投入的弹性较高。

多数地区的万人专利申请数、万人发明专利申请数对装备技术水平（lx9）的弹性普遍较低，经济最不发达的第六类地区和第七类地区的该弹性相对稍大。这可能与不发达地区缺乏创新人才和经费，只能通过投入高新设备获得创新产出有关。另外，装备技术水平对所有与新产品相关的技术创新产出的作用几乎都微乎其微，只有第四类地区的新产品销售率和新产品创汇率对装备技术水平有相当大的弹性。这可能是因为第四类地区对高技术设备的投入较多，而对科技人员和研发经费的投入相对较少有关。

在发达或中等发达地区（第一类～第四类地区），新产品销售率（ly3）对新产品开发经费投入强度（lx8）的弹性较小；而在不发达地区（第五类～第七类地区），新产品开发经费投入强度（lx8）却对新产品销售率（ly3）起着决定性作用，弹性系数非常高。当然，这并不能说明中等以上发达地区的新产品开发经费投入对新产品销售率的作用不大。事实上，这恰恰说明了新产品开发经费投入对新产品的重要性。由于这些地区的科技成果转化率较高，专利和发明专利能较快地被转化为新产品，因此对专利和发明专利的投入事实上也是对新产品开发的投入，而对新产品开发的投入也体现在专利和发明专利的产出上，这一点从模型中前两个产出指标对lx8的弹性很大可以看出。

5 研究结论及对策建议

5.1 研究结论

本文首先通过面板数据的聚类分析，根据我国29个省级行政单位大中型工业企业的技术创新综合实力对其进行系统聚类，将其分为7类地区；然后，对7类地区分别进行面板数据的偏最小二乘回归分析，测度并分析了2000—2010年我国29个省级行政单位大中型工业企业的技术创新产出弹性。根据实证研究结果，本文得出以下结论：

第一，技术创新投入变量对所有类别地区的万人专利申请数、万人发明专利申请数的解释能力最强，对除市场化程度较低的第三类地区以外的其他所有类别地区的新产品销售率的解释能力也很强，但对除贸易最发达的第二类地区以外）的其他所有类别地区的新产品创汇率的解释能力很弱。这说明，全国大中型工业企业的技术创新研发能力和研发成果转化能力普遍较高，但是国际竞争力仍偏弱。

第二，除了民营企业密集的第二类地区以外，我国大部分地区的万人专利申请数和万人发明专利申请数对技术创新投入具有大致相同的弹性结构，说明发明专利是专利的最主要形式。而对这两类技术创新产出贡献最大的是人均科技活动经费和人均R＆D经费，而科技和R＆D人员投入强度的作用相对次要，说明经费投入是影响技术创新产出的最核心要素。对各类别地区的新产品销售率普遍重要的变量是新产品开发经费投入强度。在研发成果转化率较高的地区，新产品开发经费投入强度也是影响万人专利申请数的最重要因素之一。

第三，除了第一类地区外，其他类别地区的装备技术水平几乎对所有与新产品相关的技术创新产出的作用微乎其微；只有最发达的第一类地区的新产品销售率对装备技术水平有相当大的弹性。装备技术要想充分发挥其作用，必须与良好的区域创新环境相结合，否则对创新产出的贡献很低，在某种意义上这是一种资源浪费。

5.2 政策建议

针对上述研究结论，本文认为：

第一，政府应鼓励大中型工业企业开展技术创新、拓展出口贸易。鉴于技术创新与出口贸易可以相互促进，政府应不遗余力地鼓励技术创新，通过制定并实施一系列政策扶持和引导企业进行自主创新。企业只有通过自主创新等来提高自身在产业链中的位置、加强新产品创新，才能在出口贸易中保持较强的竞争力、获得高附加值。同时，政府应继续鼓励企业发展出口贸易，尤其是对发达国家的出口贸易，以不断推动企业的技术创新，实现提高创新能力的目的。

第二，研究机构应加快技术创新的制度创新。提高企业技术创新产出的关键是积极发挥科技人员的作用，通过制度安排完善目前的科研工作体制，提高科技人员的科研积极性和创造性。研究机构要进行科研人员评价制度的创新，研发人员特别是工科类科研人员的职称评定和晋升不仅要依据其发表论文的级别和数量、课题经费，而且要加强R＆D活动的产业化导向，使研究成果与社会需求高度匹配，以提高技术创新的最终绩效。

第三，企业应合理配置高技术水平的装备。装备技术水平若与技术创新环境不匹配，先进装备的作用将很难发挥。据此，可适度控制或减少对不发达地区的高技术水平装备投入。与其花费大量资金配置装备，不如先将精力放在创新人员投入上。同时，对于发达地区，由于科技人员可充分挖掘装备的作用，因此可对其配置高技术装备。这表面上看似加剧了两极分化，实则是使技术创新效率最大化。

第四，政府应鼓励欠发达地区进行模仿创新。科技人员和经费的稀缺、产业结构的低度化以及发展经济的偏好，使得欠发达地区的技术创新应以模仿创新为主。模仿创新可避免重复引进技术和装备，有助于充分、有效地利用外部的先进技术资源，解决重复盲目引进导致的大量资金浪费的问题，其本质是从模仿创新过程中学习、积累相关创新资源，在此基础上逐步形成自主创新能力。欠发达地区的企业不能以高新技术创新为重点，而应大力发展在一定发展阶段和一定成本条件下能使企业赢利的“适当的技术”。

［1］ JAFFE A B．Real effects of academic research［J］．American Economic Review，1989，9（79）：57-70．

［2］ FELDMAN M P，FLORIDA R．The geographic sources of innovation：technological infrastructure and product innovation in the United States［J］．Annals of the Association of American Geographers，1994，84（2）：21-29

［3］ STERN S，PORTER M E，FURMAN J L．The determinants of national innovative capacity［C］．National Bureau of Economic Research Working Paper 7876：Cambridge，MA，2000．

［4］ 曹勇，苏凤娇．高技术产业技术创新投入对创新绩效影响的实证研究——基于全产业及其下属五大行业面板数据的比较分析［J］．科研管理，2012，11（9）：22-31．

［5］ 张宗和，彭昌奇．区域技术创新能力影响因素的实证分析——基于全国30个省市区的面板数据［J］．中国工业经济，2009（11）：35-44．

［6］ 周卫民，张益丰．技术进步实现机制和生产要素产出弹性理论假说——来自我国9个发达经济区的实证检验［J］．当代财经，2009（8）：22-29．

［7］ 韩晶．中国高技术产业创新效率研究——基于SFA方法的实证分析［J］．科学学研究，2010，28（3）：467-472．

［8］ 邵云飞，范群林，唐小我．基于内生增长模型的区域创新能力影响因素研究［J］．科研管理，2011，32（9）：28-34．

［9］ 王惠文．偏最小二乘回归方法及其应用［M］．北京：国防工业出版社，1999．

［10］ ROMER P M．Endogenous technological change［J］．Journal of Political Economy，1990，98（5）：71-102．

［11］ 余官胜．我国出口贸易和技术创新关系实证研究——基于联立方程组［J］．科学学研究，2011，29（2）：300-305．

［12］ 吴永林，赵佳菲．北京高技术企业技术创新能力评价分析［J］．企业经济，2011（3）：21-23．

［13］ GROSSMAN G，HELPMAN E．Innovation and Growth in the Global Economy［M］．Cambridge，MA：MIT Press，1991：153-201．

［14］ BERNARD A，JENSEN B．Exceptional exporter performance：cause，effect，or both？［J］．Journal of International Economics，1999，47（1）：1-25．

Analysis on Structure of Technological Innovation Output Elasticity：Based on Cluster Analysis of Panel Data and Partial Least Square Regression

Shen Min1，2，Wu Hecheng1，Hua Hailing1
（1.College of Economics and Management，Nanjing University of Aeronautics＆Astronautics，Nanjing 211100，China；2.College of Science，Nanjing University of Technology，Nanjing 211816，China）

Using the data of technology innovation input and output of large and medium-sized industrial enterprises in 29 provincial administrative regions from 2000 to 2010，this paper classifies 29 provincial administrative regions into 7 types through the cluster analysis of panel data according to the comprehensive strength of technological innovation.Then it calculates the technological innovation output elasticities of 7 types of regions by the method of partial least square，and analyzes the precision of regression models.The conclusions are as follows：during the analysis period，there exist obvious regional differences in key innovation outputs and their important influencing factors；the capabilities of R＆D and transformation of scientific achievement of large and medium-sized industrial enterprises in most regions are generally strong，but the international competitiveness are still low；the elasticity structure of patent output is the same as that of invention patent；except the region in which private enterprises concentrate，invention patent is the main form of patent；fund input is the most important factors influencing technological innovation output，but the influence of personnel input is weak.Finally，it puts forward some suggestions to enhance the technological innovation performance of enterprises.

technological innovation output；input-output elasticity；elasticity structure

F270

A

1002-980X（2014）01-0055-07

2013-06-27

江苏省高校哲学社会科学研究重点项目“创新环境效应评价的空间多层模型及其应用——基于江苏的实证研究”（2010ZDIXM030）；教育部人文社会科学研究规划基金项目“我国区域创新系统中行为主体的联动效应研究”（09YJA630066）

申敏（1978—），女，安徽凤阳人，南京航空航天大学经济与管理学院博士研究生，南京工业大学理学院讲师，研究方向：区域创新管理；吴和成（1963—），男，江苏启东人，南京航空航天大学经济与管理学院教授，博士生导师，研究方向：区域创新管理；华海岭（1975—），女，江苏无锡人，南京航空航天大学经济与管理学院博士研究生，研究方向：区域创新管理。