创新网络结构对我国高技术产业创新绩效的影响与区域差异——基于省级动态面板模型SYS-GMM方法的实证研究

欧阳秋珍，陈　昭

(1.湖南文理学院　经济与管理学院，湖南　常德　415000；2.广东外语外贸大学国际经贸学院，广州　510006)



创新网络结构对我国高技术产业创新绩效的影响与区域差异
——基于省级动态面板模型SYS-GMM方法的实证研究

欧阳秋珍1，陈昭2

(1.湖南文理学院经济与管理学院，湖南常德415000；2.广东外语外贸大学国际经贸学院，广州510006)

[摘要]本文运用2000-2013年我国省级面板数据，构建动态面板模型，运用系统GMM方法实证研究了创新网络结构对我国高技术产业技术创新绩效的影响，研究发现：创新投入和网络规模都对高技术产业科技成果产出产生了显著的积极影响，但是创新主体间的创新合作程度、技术中介和网络开放性的影响存在差异；分区域检验，各个变量对高技术企业专利申请的影响符号基本一致，影响大小不同，大部分变量的影响为正，东部大于中西部。

[关键词]创新网络结构；创新投入；技术创新绩效；系统GMM

高技术产业技术创新已成为我国产业升级和建设创新型国家的 “助推器”。随着技术的日益复杂和知识更新速度的加快，高技术企业仅仅依靠自身力量“闭门苦练”，难以满足消费者需求和应对国际竞争，高技术企业必须寻求外部创新资源的支持，走网络化创新道路。创新网络可发挥创新主体之间的协同效应。近年来，越来越多的企业开始借助正式或非正式联结形成的创新网络进行技术创新。那么，我国高技术产业创新网络结构有何特征？网络结构的各个部分如何影响高技术产业技术创新绩效？各个区域又有何不同呢？对于这些问题的解答，不仅有助于理解网络视角下中国高技术产业技术创新的影响因素，而且对理解中国地区间高技术产业技术创新差异乃至地区间经济发展不平衡也具有重要的启示意义。

一、文献回顾

自Freeman[1](1991)设定了创新网络的概念以来，该概念开始广泛传播。此后，一些学者的研究发现创新网络对于企业有积极作用 (Li&Zhang，2007；康青松,2015)[2,3]。伴随着对创新网络作用的研究，越来越多的学者开始关注创新网络内部结构有何特征能够有效促进企业绩效提高。一些研究从网络规模(池仁勇，2005)[4]、网络开放性(Eisingerich et al,2010)[5]、结构洞(范群林等，2010)[6]、网络链接(Gao et al，2011)[7]、联系强度 (Gilsing&Nooteboom，2005)[8]等方面分别或者综合探讨了创新网络的结构特征。

那么，这些结构特征又如何影响企业技术创新呢？Eisingerich et al (2010)[5]证明了网络强度和网络开放度对集群绩效有显著正影响。于明洁等(2013)[10]运用随机前沿方法，研究发现网络规模、网络开放性等结构对区域创新效率的提高存在不同程度的积极影响。游达明等(2015)[10]的研究发现网络中不同的主体有不同的价值诉求，并不是高新技术企业和地方政府合作力度越大越好。然而，一些学者研究发现网络结构的各个部分对企业创新绩效的影响存在差别。如 Gilsing&Nooteboom(2005)[8]指出高联系强度会降低创新网络绩效。Gilsing et al. (2008)[11]指出，技术距离的增大使得处于中介位置的主体创新绩效下降。范群林等(2010)[6]认为，结构洞特征与企业创新绩效不存在显著的正向关系。任胜钢等(2011)[12]的研究结果表明，网络规模和网络结构洞等对区域创新能力具有显著的正向影响，而网络集中度对创新能力提升作用不明显。张宝建等(2015)[13]的数据分析显示，中心度、结构洞、异质性中介作用显著，而核心度并不显著。

由此可见，已有的文献表明了创新网络结构对创新绩效存在影响，但是网络结构各个组成部分的影响存在争议。研究多以定性研究为主，定量研究多以统计研究为主，尚缺乏以高技术产业为例、利用我国省级数据对高技术产业技术创新绩效进行的实证研究。本文将创新网络结构、创新投入和创新绩效等纳入统一框架，将各地高技术产业创新网络的内外影响因素相结合，建立了动态面板模型，运用计量经济学方法进行实证分析，不仅整体研究各个变量的影响，同时分区域研究，并运用系统GMM方法进行估计。

二、模型建立

(一)理论分析与假设

1.知识生产函数

Griliches-Jaffe知识生产函数被国内外学者广泛应用于技术创新等方面的研究，该模型假设创新产出是创新投入的函数，即：

RDoutput=a(RDinput)b

(1)

本文继承并扩展这一模型。一方面，投入要素包括产业自身的研发经费投入和研发人员投入；另一方面，随着科技发展的日新月异，任何产业都主动或被动地嵌入到各种复杂网络内，企业必须结合内外部创新资源，走网络化创新之路。因此，本文将研发经费投入RD，研发人员投入L和创新网络结构N引入模型(1)，用Yi,t代表创新产出，采取Cobb-Douglas生产函数形式来表示知识生产函数模型，再对方程两边取对数，本文的模型如下：

lnYi,t=a0+a1lnRDi,t+a2lnLi,t+a3lnNi,t+μi,t

(2)

2.创新网络结构

创新网络是指大学、研究机构和企业等主体在交互作用与协同创新时，建立的各种较稳定并且有助于技术创新的关系总和(盖文启，2002)[14]。根据这一定义和前文文献分析，本文认为创新网络结构主要包括网络规模、网络链接、结构洞和网络开放性四个特征。

网络规模反映了创新网络中创新主体的数量，即在地理位置上相对集中、某一领域内相互联系的高等学校、科研机构和企业等数量，通常，网络结构需有一定规模才能产生辐射。网络链接反映了创新主体间创新合作程度，它是创新主体间知识和技术等传递的纽带。网络结构洞充当创新主体沟通的桥梁，反映了知识和信息交换与共享的媒介，有助于推动创新网络中信息和技术等流动。网络开放性有助于创新主体接收外界知识和技术等。

(二)计量模型的建立

基于以上分析，为了全面理解创新网络结构、创新投入对我国高技术产业技术创新绩效的影响，本文进一步扩展Griliches-Jaffe知识生产函数，将创新网络结构从网络规模scale、网络链接link、网络结构洞hole和网络开放性open四个方面刻画，构建面板模型如下：

lnYi,t=a0+a1lnRDi,t+a2lnLi,t+a3lnscalei,t+a4lnlinki,t+a5holei,t+a6lnopeni,t+μi,t

(3)

本文在模型中加入因变量的滞后项，构建动态面板模型，这不仅能够捕捉创新产出的动态特征，而且还可以克服遗漏变量引起的偏误，本文的模型扩展为：

lnYi,t=a0+a1lnYi,t-1+a2lnRDi,t+a3lnLi,t+a4lnscalei,t+a5lnlinki,t+a6holei,t+a7lnopeni,t+μi,t

(4)

三、数据来源和处理

本文使用的数据为2000-2013年30 个省市的面板数据(不含西藏、港澳台)。高技术产业R&D经费、人员、开放性等数据来自《中国高技术产业统计年鉴》，价格指数和GDP等数据来自中经网统计数据库，网络规模、结构洞、网络链接等数据来自EPS和《中国科技统计年鉴》，数据以2000年不变价表示。

高技术产业创新绩效用科技成果产出能力专利申请数PAT表示。

创新投入包括研发人员投入和研发经费投入。采用高技术产业R&D人员折合全时当量表示研发人员投入。

结合创新网络结构特征的内涵及现有研究成果，本文构建相应的指标。

网络中的主要创新主体是企业、高等学校和科研院所等机构，本文用高等学校和研究机构个数Z1、高技术企业个数Z2两个指标测度网络规模。网络链接反映的是不同创新主体之间创新合作程度，用高等学校科技活动资金来自企业的比例Z3、科研机构科技活动经费来自企业的比例Z4以及高技术产业研发经费来自政府比例Z5来衡量创新主体的合作关系。结构洞采用于明洁(2013)[9]做法，用各地区技术市场成交合同金额Z6表示。网络开放性反映创新网络接收外界技术能力的高低，本研究结合任胜钢(2011)[12]的研究成果，选取了各地区高技术产业外资参与度Z7、国外技术引进合同金额Z8两个变量来反映区域创新网络的开放程度和获取资源能力。

四、实证分析

(一)基本回归结果分析

本文建立的是动态面板模型，为了克服内生性问题，同时利用更多样本信息，本文选择系统GMM方法进行参数估计。由表1可知，所有模型的Sargan统计量和AR(2)检验的P值均大于1%，滞后被解释变量系数的估计值介于混合OLS和FE之间①，以上检验表明系统GMM的估计结果是有效的。

高技术产业专利申请量前一期对其当期产生了显著且正相关影响，体现了高技术产业技术创新绩效具有传承性和累积性特点，同时也说明有必要建立动态面板数据模型。

高技术产业研发经费投入和研发人员投入对其专利申请产生了显著的积极影响，而且研发人员的作用大于经费投入的作用，这说明内生创新努力尤其是加大R&D人才的使用是提高其创新绩效的重要措施。

网络规模对高技术产业专利申请产生了正效应。网络规模越大，高技术企业与高校、科研机构等创新主体之间交流的机会可能就越多，越有利于提高其创新效率。不同创新主体之间的创新合作程度对高技术产业技术创新的影响存在差异。高等学校科技活动资金来自企业的比例并没有提高我国高技术产业技术创新绩效。这可能由于高等学校科研主要集中于学术研究，而企业更关注通过高校获取能转化为生产力的技术，导致双方产学研效率不高。科研机构与企业之间的科技合作促进了我国高技术产业技术创新，反映了科研机构市场导向型创新程度高于高校。高技术企业与政府的研发合作也产生了积极作用，这说明政府和企业合作程度越强，知识、信息和技术等的共享程度就越高，越有利于提高技术创新。技术市场成交额有利于高技术产业专利申请，但不显著。网络中结构洞数量及服务能力越强，知识、信息和技术等在创新主体之间的自由流动越通畅，从而减少了网络中冗余的信息，可能越有利于创新产出。高技术产业外资参与度越高，反而不利于高技术产业技术创新，这可能是由于外资产生的“挤出效应”大于“溢出效应”，抑制了我国高技术产业技术创新。国外技术引进也不利于专利申请。因此，我国高技术企业引进国外技术后不仅要注重技术成果的市场转化，更要加强先进技术的消化和吸收，进行模仿再创新，防止出现技术依赖，限于“拿来主义”陷阱。

表1　系统GMM估计结果

注：括号内为T值； AR(2)和Sargan检验报告值是P值；*、**、***分别表示在1%、5%和10%的显著性水平下显著，下同.

(二)分区域回归

鉴于我国不同地区的高技术产业技术创新水平与变化趋势存在较大的差异，我们有必要考察不同地区的各个变量对高技术产业创新绩效的影响程度。本文接下来按中国统计局划分标准将各地区划分为东、中、西三大地区，用式(4)进行回归。由于分区域之后，样本量变少，而解释变量较多，使用系统GMM估计失效，我们使用静态面板模型进行回归，结果在表2中显示。

表2　分区域面板数据回归结果

以高技术企业专利申请为被解释变量，创新研发经费投入和研发人员投入都对三大区域产生了积极影响，而且这两个变量的影响基本上呈现出由东至西逐步减少的形式。网络结构的影响呈现较大差异：从网络规模来看，高等学校和研究机构个数阻碍了东部专利申请，但是有利于中西部专利申请，而且中部的影响大于西部，这可能由于东部高校和研究机构数目虽多，但是产学研效率不高；高技术企业个数越多，三大区域高技术企业专利申请越多，中部地区的影响最大；从网络链接来看，高等学校科技活动资金来自企业的比例阻碍了三大区域技术创新，与表1回归结果类似，科研机构科技活动经费来自企业的比例有利于西部高技术产业技术创新，而高技术产业研发经费来自政府比例有利于东部。从结构洞来看，技术市场成交合同金额同样产生了积极效应。网络开放对高技术企业专利申请的影响存在差异性，高技术产业外资参与度对东部高技术企业专利申请产生了阻碍作用，有利于中西部而国外技术引进的作用相反。

五、结论与建议

利用内外部创新资源，走网络化创新道路，已成为新形势下很多企业实现技术创新的新模式。为了全面理解创新网络结构对我国高技术产业技术创新绩效的影响，本文扩展Grilic-hes-Jaffe知识生产函数，构建了动态面板模型，运用系统GMM方法对其实证研究，并运用2000-2013年我国30个省市自治区的面板数据从技术创新效果和地域方面进行了双重检验，研究发现：(1)高技术产业创新投入对其创新绩效产生了显著的积极影响，网络规模也产生了正效应，不同创新主体之间的创新合作程度和网络开放性对高技术产业技术创新的影响存在差异，技术市场成交金额有利于高技术产业专利申请。(2)按区域分组检验，各个变量的影响符号基本一致，影响大小不同。创新研发经费投入和研发人员投入都对三大区域两个被解释变量产生了积极影响，而且这两个变量的影响基本上呈现出由东至西逐步减少的形式，创新网络结构的影响在不同区域差距较大，大部分变量的影响为正。

因此，本文提出如下建议：第一，无论是整体检验或分区域检验，创新投入始终产生积极作用，我们应该进一步加强自主创新，尤其是加大知识的重要载体——R&D人员的投入；第二，创新网络结构存在差异性，我们应该一方面发挥各个部分的积极作用，另一方面加强各个部分的协同效应，实现网络创新效应；最后，创新网络结构和创新投入对高技术产业技术创新绩效的影响呈现区域差异性，因此，我们应根据地区比较优势差异，构建跨区域的资源共享平台和人才交流平台等，发挥创新网络跨地区的效应，实现优势互补。

[注释]

①限于篇幅，本文省略了OLS和FE的估计结果.

[参考文献]

[1]Freeman C.Networks of Innovators[J].Research Policy,1991,(5):499-514.

[2]Li H Y, Zhang Y.The Role of Mangers’ Political Network and Functional Experience in New Venture Performance: Evidence from China’s Transition Economy[J].Strategic Management Journal,2007,(8):791-804.

[3]康青松.跨国公司知识转移、网络与绩效的关系研究：基于吸收能力和进入方式的交互模型[J].国际贸易问题，2015，(4)：46-55.

[4]池仁勇.区域中小企业创新网络形成、结构属性与功能提升:浙江省实证考察[J].管理世界，2005，(10)：102-112.

[5]Eisingerich A B,Bell S J,Tracey P.How Can Clusters Sustain Performance?The Role of Network Strength,Network Openness, and Environmental Uncertainty[J].Research Policy,2010,(39):239-253.

[6]范群林，邵云飞，唐小我，王剑峰.结构嵌入性对集群企业创新绩效影响的实证研究[J].科学学研究，2010，(12)：1891-1899.

[7]Gao X,Guan J,Rousseau R.Mapping Collaborative Knowledge Production in China Using Patent Co-inventorships[J].Scientometrics,2011,(2):343-362.

[8]Gilsing V A,Nooteboom B.Density and Stroigth of Ties in Innovation Networks Ananatysis of Multimedia and Biotechnobgy[J].European Management Review,2005,(3):179-197.

[9]于明洁，郭鹏，张果.区域创新网络结构对区域创新效率的影响研究[J].科学学与科学技术管理，2013，(8)：56-63.

[10]游达明，李志鹏，杨晓辉.高新技术企业创新网络能力对创新网络绩效的影响路径[J].科学学与科学技术管理，2015，(2)：70-82.

[11]Gilsing V,Nooteboom B,Vanhaverbeke W,et al.Network Embeddedness and the Exploration of Novel Technologies:Technological Distance,Betweenness Centrality and Density[J].Research Policy,2008,(10):1717-1731.

[12]任胜钢，胡春燕，王龙伟.我国区域创新网络结构特征对区域创新能力影响的实证研究[J].系统工程，2011，(2):50-55.

[13]张宝建，孙国强，裴梦丹，齐捧虎.网络能力、网络结构与创业绩效——基于中国孵化产业的实证研究[J].南开管理评论，2015，(2):39-50.

[14]盖文启.创新网络:区域经济发展新思维[M].北京:北京大学出版社，2002.

[15]朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003，(6)：45-53.

[16]唐保庆，陈志和，杨继军.服务贸易进口是否带来国外R&D溢出效应[J].数量经济技术经济研究，2011,(5)：94-109.

[责任编辑：张晓娟]

The Innovation Network Structure Influence on the Performance ofHigh Technology Industry Innovation and Regional Differences in China——The Empirical Research Based on the Provincial Dynamic Panel Data by SYS-GMM

OUYANG Qiu-zhen1,CHEN Zhao2

(1.College of Economics and Management, Hunan University of Arts and Science, Changde 415000,China;2.School of international Trade& Economics,Guangdong University of Foreign Studies,Guangzhou 510006,China)

Abstract:In this paper, we construct the dynamic panel model and use the SYS-GMM method in order to empirically study the impact of innovation network structure on the technological innovation performance of high-technology industries by the use of the provincial data in 2000 -2013 in China. The study found that: innovation investment and network scale have a significant positive impact on the output of scientific and technological achievements ,but there are differences in the impact degree of innovation cooperation, the technology intermediary and the network openness.For the regional test, when the high tech enterprise patent applications were interpreted as variables,the influence of each variable is basically the same for each region,the degree of influence is different,and most of the variables are positive; the east is greater than the central and western regions.

Key words:innovation network structure;innovation investment; the performance of technological innovation; System-GMM

[中图分类号]F062.9

[文献标识码]A

[文章编号]2095-5863(2016)01-0044-06

[作者简介]欧阳秋珍(1985-)，女，湖南常德人，湖南文理学院经济与管理学院教师，硕士，从事技术进步与产业升级研究.

[基金项目]教育部人文社会科学研究青年基金项目(14YJC790091)

[收稿日期]2015-09-12