产业创新能力的路径依赖研究——以高技术产业为例

徐菁鸿，郭燕青

（1.辽宁大学商学院，辽宁沈阳110036；2.沈阳工程学院管理学院，辽宁沈阳110136）

产业创新能力的路径依赖研究——以高技术产业为例

徐菁鸿1，2，郭燕青1

（1.辽宁大学商学院，辽宁沈阳110036；2.沈阳工程学院管理学院，辽宁沈阳110136）

产业创新能力是产业创新发展的基础条件之一，创新生态系统概念的提出为产业创新能力的研究提供了新的研究框架与思路。采用路径依赖理论及方法，对产业创新能力的形成与表现进行了研究，结合系统论的思想，提出了要素聚集、相互作用及非线性关系三个分析步骤，分别采用因子分析、关联度分析及非线性方程组三种方法进行数据处理。并以中国高技术产业为例，采用中国高技术产业2000年--2011年的相关数据，在实证分析的基础上构建了产业创新能力路径依赖模型，并根据运算结果进行了产业创新能力路径依赖模型的修正，发现在产业创新能力的形成过程中，某些输入因子的细微作用会给输出因子带来显著的影响，输入因子如果离开了产业创新生态系统是无法独立存在的。

产业创新能力；路经依赖；高技术产业

产业创新能力的研究框架目前存在着从新古典分析框架向创新生态系统框架演进的趋势。新古典分析框架强调企业的同质性且要素投入无差异，创新生态系统框架则侧重描述一种复杂的关系，这种复杂关系可以用系统动力学方法来进行描述，当实体之间存在这种复杂关系时，可以产生驱动创新以及推动技术发展的力量［1］。构建与创新能力相关的多指标体系并进行评价是目前对产业创新能力研究的经典思路，研究范围涉及制造业创新能力、高技术产业创新能力、文化产业创新能力、汽车产业创新能力、装备产业创新能力、家电产业创新能力、集成电路产业创新能力、医药制造业产业创新能力、生物技术产业创新能力、海洋产业创新能力、煤炭产业创新能力、体育产业创新能力等等多种产业创新能力。此外，还有一些学者运用主成分分析、因子分析、灰色关联等方法，侧重研究创新要素之间的相互关系。综合上述研究，我们认为在创新生态系统框架下研究产业创新能力，有以下三个基本特性是不容忽视的：一是要素集聚，二是交互作用，三是非线性演化。要素集聚是产业创新活动的基本要求，交互作用可以使产业创新活动处于动态的变化中，非线性演化则是产业创新能力不断成长进而形成可持续发展的基本动力，是实体生态特性的基本表现，也是创新生态系统框架体系的根本要求，这一特性是非常重要的。对非线性演化的研究方法很多，如组织生态方法、种群生态方法、路径依赖方法等，我们的研究主要借鉴了David提及的路径依赖理论与方法，他在研究技术变迁的过程中发现路径依赖的结果导致非线性系统的形成，并具有持续的自我发展趋势［2］。对此，我们拟借鉴路径依赖理论与方法，从以上三个基本特性所表现的三个层次入手，对产业创新能力展开研究，并在后面以高技术产业为例，对此研究方法进行验证。

一、文献综述

对产业创新能力的路径依赖研究，来自国外的主要有：Stephen Redding（2002）构建了非常经典的两阶段非线性模型研究了技术变革路径依赖对创新能力可持续发展的影响，在模型中对创新的激烈程度进行了细致的区分，并描述了技术变革的螺旋上升式发展，并发现了技术封锁这一路径依赖中的特例，同时提出该研究没有任何模仿，所提出的原理对该领域的基础研究起到了积极的作用［3］。Jee-Hae Lim（2012）选择了1997年至2004年中IW500评选出具有典型创新能力的IT企业群作为研究对象，对创新资源中的信息技术资源配置与信息技术能力展开了研究，建立了研究框架，提出了假设条件，选择了企业规模、固定资产和市场价值作为研究参数，建立了表示资源配置与能力的非线性模型，认为信息技术能力的获取过程是一种实际的状态依赖过程，即路径依赖，通过对可控的信息技术资源进行合理的配置，可以实现信息技术能力的动态发展，进而使该企业在IT产业中保持领先地位［4］。Rangarajan Parthasarathy（2011）认为动态创新能力的基础是企业资源，包括人力资源和物质资源，产品创新的基础条件是物质资源和资金投入，而过程创新的重要资源是人力资源，并据此提出了相关假设，构建了路径依赖的概念模型，在此概念模型基础上推导的产品与过程创新模型，表现出了明显的非线性特征，并认为该模型所表现的创新能力的动态持续特性可能帮助企业在某产业中获得领先地位，推动经济的快速繁荣，在经济衰退时期具有巨大的应用价值［5］。来自国内的研究主要有：孙晓华（2010）运用欧式距离法，选择2006年36个工业行业的统计数据，选择了R&D经费支出、R&D人员数量、专利数量、新产品销售收入、行业中的企业数量等作为基本参数，从企业异质性的角度对产业创新能力进行了研究，认为企业异质性越高，产业创新能力越强，且行业内企业数量越多，越有利于产业创新能力的提升［6］。赵志耘应用2005年-2010年的我国高技术产业面板数据（包括R&D经费和人员、专利数、技术引进经费、技术交易费用、企业规模等），发现R&D经费和人员投入对我国高技术产业创新的作用更突出，且企业规模对创新能力有负面的影响［7］。

综上分析，我们认为对产业创新能力路径依赖的研究思路主要分为两种：一种是先提出路径依赖的假设，然后通过数据分析来验证这个假设；另一种是运用采集到的实际数据进行实证，结合实证的结果，对路径依赖进行推论。从系统论的角度分析，我们认为在产业创新生态系统的框架下，产业创新能力是在系统输入——系统处理——系统输出（系统反馈）这一过程中形成的，与路径依赖过程是并行的，可以在某一个节点发现路径依赖的存在，或者在路径依赖存在的前提下，对产业创新能力进行观察，这样才能体现系统能观能控的本质特征。所以，我们拟在产业创新生态系统框架下，采用路径依赖理论与方法，对产业创新能力的形成与表现，通过要素聚集、相互作用及非线性关系三个步骤进行分析，并综合因子分析、关联度分析及构建非线性方程组的三种方法进行数据处理，尝试构建形成持续的产业创新能力的路径依赖模型，然后，采用中国科技统计年鉴中的相关数据，对上述过程进行实证，通过实证的结果，对产业创新能力路径依赖模型进行实际的修正。

二、概念模型

结合系统论的研究方法，构建产业创新生态系统模型。结合相关研究中经常采用的指标，系统输入因子选择R&D活动人员折合全时当量（x1）、R&D经费内部支出（x2）、新增固定资产（x3）、申请专利数（x4）、技术引进经费（x5）、技术改造投入（x6）、消化吸收经费（x7）、新产品开发经费支出（x8）。这八个指标主要反映创新能力的特征：创新基础（x1、x2、x3）、创新活力（x4、x5、x6）和创新潜力（x7、x8）。系统输出因子选择产业规模（行业企业数）（y1）和新产品销售收入（y2）。其中，一些学者通过计算产业集中度来表示产业规模，但是集中度主要反映产业中大企业的集中度，没有顾及其他企业，鉴于此，从种群生态的角度来考虑［8］，企业数量可以客观地反映产业进入和退出壁垒的大小，非常直观，所以用企业数量来表示产业集中度。一些研究认为专利数量在衡量创新产出方面是存在缺陷的，所以按照《中国科技统计年鉴》上的定义“新产品是指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品”，而新产品销售收入可以直观地反映其对经济的促进作用，所以选择了新产品销售收入作为输出因子。

图产业创新能力分析概念模型

在上图中，产业创新要素集聚并输入产业创新生态系统，输入要素在系统内产生相互作用，同时输入要素与输出要素也产生相互作用，如果输入要素与输出要素之间的相互作用能够用非线性关系进行描述，那么认为产业创新生态系统具备了基本的生态特性，并且产业创新能力能够表现为动态演化的特性。

三、数据处理方法及实证

（一）数据处理方法

第一步，要素集聚。通过找到若干潜在的互不相关的随机因子来描述多个因子之间的相关关系。构建如下矩阵结构。

其中，X代表输入因子的p维向量，F为公共因子，A为载荷矩阵，ε代表随机误差。通过计算R型因子载荷矩阵和Q型因子载荷矩阵，对指标进行综合归类，并选择出主要输入因子Z。

第二步，分析输入要素与输出要素之间的相互关系。（1）进行数列的无量纲处理；（2）形成差值矩阵；（3）计算主要输入因子Z和输出因子Y之间的关联系数ξ（式4.3）；（4）计算关联度r（式4.4）；（5）选择出与输入因子关联度最大的输出因子L。

其中，i=1，2，…，n；k=1，2，…，m。其中θ为分辨系数，一般取0.5。

第三步，对存在主要关联的主要输入因子Z和主要输出因子L构建非线性模型，观察其发展动态。建立非线性微分方程组。

（二）实证

样本数据主要来自于《中国高技术产业统计年鉴》2000年——2011年共12年的数据。用matlab7.0进行实证。样本数据代码表示见表1。

表1　高技术产业分类代码表示

第一步，采用因子分析法对要素集聚进行分析，计算8个输入因子的累积贡献率，结果见表1。

表2　输入因子累积贡献率

通过观察表2发现在经过因子旋转后，第一个综合因子R&D活动人员折合全时当量仅能解释原始数据矩阵约75.121%的信息，R&D活动人员折合全时当量、R&D经费内部支出两个综合因子能解释原始数据矩阵约92.9671%的信息，R&D活动人员折合全时当量、R&D经费内部支出、新增固定资产三个综合因子能解释原始数据矩阵约99.8025%的信息。所以，最终选定R&D活动人员折合全时当量、R&D经费内部支出、新增固定资产三个因子作为后续研究使用。并基于这三个指标分别做了指标和样本分类图，见图1。

图1　指标、样本分类图

通过观察图1（a）指标分类图，发现8项指标可以分为三类：第一类：R&D活动人员折合全时当量、R&D经费内部支出、新增固定资产；第二类：新产品开发经费支出、专利申请数；第三类：技术改造投入、技术引进经费、消化吸收经费。观察图1（b）样本分类图，发现电子计算机及办公设备制造业与其他制造业区别显著。

第二步，采用关联分析法分析输入因子与输出因子之间的关系，概念模型见图2。

图2　输入因子与输出因子之间关联的概念模型

采用式4.3、式4.4计算输入因子与输出因子之间的关联系数和关联度，结果见表3、表4。

表3　三个主要输入指标与企业规模的关联系数

表4　三个主要输入指标与新产品销售收入的关联系数

观察表3、表4发现三个输入指标与企业规模的关联度整体偏高，与新产品销售收入的关联整体偏低，说明这三个主要输入因子对企业规模这一输出因子影响更加显著，于是，选择企业规模作为主要输出因子进行后续研究。

第三步，构建非线性微分方程组，用2000—2010年的数据进行运算，用2011年的数据进行检验。按照三个综合因子进行排序，排在第一位的是医药制造业，然后顺次为：医疗设备及仪器仪表制造业、航空航天器制造业、电子计算机及办公设备制造业、电子及通信设备制造业。于是，在后续的研究步骤中，将以医药制造业为主要研究对象。根据第二步输入因子与输出因子之间的关系，考虑R&D经费内部支出的关联度整体偏低，接近0.6边界，并考虑复杂的非线性方程组极易出现无解的情况，于是，忽略R&D经费内部支出与输出因子之间的关联。我们在建模过程中由最复杂的关联描述开始，结果是非线性方程组无解。然后，经过反复的分析试验，我们决定在建模过程中尽量考虑最简单的关联描述，保证研究的后续进行。于是，进行如下假设：

假设1：假设产业规模受R&D活动人员折合全时当量以及新增固定资产影响显著，且仅受这两个因素影响；

假设2：假设R&D经费内部支出①受R&D活动人员折合全时当量影响显著；

假设3：假设R&D活动人员折合全时当量具有一定的独立性，影响要素不在表4.3范围内；

假设4：假设新增固定资产具有一定的独立性，影响要素不在表4.3范围内。

基于上述四个假设，假设路径依赖模型如图3所示。

图3　产业创新能力路径依赖模型（以医药制造业为例）

在图3的基础上，构建非线性微分方程组：

其中x1代表输出因子，x2、x3、x4代表输入因子，aij代表xi因子受xj因子的影响，aii代表因子的内禀增长［8］。用四五阶龙格库塔法进行求解，得到如下系数矩阵。

a11＞0，说明产业规模除了受R&D活动人员折合全时当量及新增固定资产的影响，还受其他因素影响，a22＜0，a33＜0，a44＜0，说明在没有其他因素的影响下，该要素是无法独立存在的。a12＜0，说明R&D活动人员折合全时当量增加对产业规模的扩大起到抑制作用，高科技产业的本质就是用更少的人力实现更大的生产，a14＞0，说明新增固定资产的增加对产业规模的扩大起到促进作用，a32＞0，说明R&D活动人员折合全时当量的增加对研发经费内部支出的增加起到抑制作用。

经过上述分析，对图4.3的路径依赖模型进行改进，如图4所示。

在图4中，虚线的箭头表示其它因素对输入因子和输出因子的影响。按照运算的结果来看，R&D活动人员折合全时当量、R&D活动内部支出、新增固定资产如果没有其它因素的影响，将无法独立存在。而企业规模除了受R&D活动人员折合全时当量、R&D活动内部支出、新增固定资产的影响外，其它贡献率微小的输入因子的影响也不能忽视。

图4　产业创新能力路径依赖修正模型（以医药制造业为例）

结语

运用路径依赖的方法对产业创新能力的形成与表现进行了系统的研究，先提出了理论上的研究过程和数据处理方法，然后运用实证数据对该方法进行了验证，在此过程中，推出了产业能力创新的路径依赖模型，该模型具备非线性特征，表现出明显的生态特性，然后根据非线性运算的结果对产业创新能力路径依赖模型进行了修正，从结果可以看出产业创新能力的形成过程是复杂的，某些输入因子的细微作用会给输出因子带来显著的影响，输入因子如果离开了产业创新生态系统是无法独立存在的。在实证的基础上求解非线性方程组遇到了很多问题，所以我们对输入因子之间以及输入因子与输出因子之间的关联并没有做到细致全面的描述，希望在后续的研究中能够做进一步细致的研究。

［1］曾国屏，苟尤钊，刘磊.从“创新系统”到“创新生态系统”［J］.科学学研究，2013（31）：4-12.

［2］David，P.，Why Are Institution the‘Carriers of History’:Path Dependency and the Evolution of Conventions，Organizations and Institutions［J］.Structural Change and Economic Dynamics，1994（2）：205-220.

［3］STEPHEN REDDING，PATH DEPENDENCE，ENDOGENOUS INNOVATION，AND GROTH［J］.INTERNATIONAL ECONOMIC REVIEW，2002（43）：1215-1248.

［4］JEE-HAE LIM，THEOPHANIS C.STRATOPOULOS，TONY S. WIRJANTO，PathDependenceofDynamicInformation Technology Capability:An Empirical Investigation.［J］.Journal of Management Information System，2012（28）：45-84.

［5］Rangarajan Parthasarathy，Chenglei Huang，SonnyAriss，Impact of Dynamic Capability on Innovation，Value Creation and Industry Leadership［J］.Journal of Knowledge Management，2011（4）：59-74.

［6］孙晓华，周玲玲，企业异质性与产业创新能力——基于我国36个工业行业的实证检验［J］.产业经济研究，2010（4）：9-15.

［7］赵志耘，杨朝峰，转型时期中国高技术产业创新能力实证研究［J］，中国软科学，2013（1）：32-42.

［8］郭燕青，徐菁鸿，产业生态为与种群规模的趋同效应研究——以中国汽车产业为例［J］.沈阳工业大学学报：社会科学版，2014

（3）：251-256.

【责任编辑曹萌】

F832.2

A

1674-5450（2015）03-0077-04

2014-12-14

沈阳工程学院青年基金项目（RWQN-1405）；国家教育部人文社科基金项目（10YJA630050）；辽宁大学亚研项目（201001）

徐菁鸿，女，山东莱州人，辽宁大学工商管理博士研究生，沈阳工程学院讲师；郭燕青，男，吉林梅河口人，辽宁大学教授，博士研究生导师。