新一代信息技术产业创新绩效影响因素研究

汤萱+汤颖蕾+谢梦园

摘要：本文从公司的企业规模、创新投入产出、经营绩效等方面，运用CDM阶段模型实证研究了新一代信息技术产业的创新绩效。研究发现新一代信息技术产业的创新绩效与企业研发费用投入、专利数、公司年龄及流通股呈负相关关系，与企业技术人员投入以及企业总资产呈正相关关系，但与企业总股本及实际所得税率无显著性相关关系。

关键词：新一代信息技术；产业创新；产业创新绩效

中图分类号：F062.5 文献识别码：A 文章编号：1001-828X（2016）007-000-04

一、引言

随着“后危机”时代的到来，为走出危机阴霾，各国面临着新一轮产业结构调整，力求寻找新的经济增长点，战略性新兴产业逐渐成为各国走向经济复苏的产业发展选择。发展战略性新兴产业也成为中国立足于渡过当前危机难关，着眼于未来长远的可持续发展当仁不让的战略决策。从原则通过《国务院关于加快培育和发展战略性新兴产业的决定》到《“十二五”国家战略性新兴产业发展规划》出台，战略性新兴产业的发展逐渐成为我国经济发展的主流趋势。

作为战略新兴产业之一的新一代信息技术产业，将被作为重点推进的对象。2010年10月国务院发布了《关于加快培育和发展战略性新兴产业的决定》，将新一代信息技术列入七大战略性新兴产业，并位列第二位，充分体现了其战略地位。新一代信息技术产业技术涵盖量大、应用范围广，与传统行业结合的空间大，推动经济发展和产业结构调整的作用将远远超出本行业的范畴。本文从微观企业层面入手，进而研究新一代信息技术产业创新绩效，以期为新一代信息技术企业创新及相关政府部门提供政策制定依据以及理论指导。

二、文献回顾

国外学者在产业创新的内涵上有开拓性的研究。Schumpeter（1934）认为，创新的本质是“产业突变”或“创造性破坏”，强调创新是经济发展的核心，是国家内生需求的主要任务。他最早提出了产业创新包括采用新产品、引进新的生产方法、开辟新市场、控制原料供应来源、实现工业组织化等五种组合的情况；Freeman et al（1987，1997）指出产业创新是系统概念，系统因素是产业创新成功的决定因素；Malerba（2002）在进化经济学理论基础上，建立了产业创新的系统理论。他认为产业创新系统是由知识、技术体系和以及之间的联系网络与制度等部分组成，产业创新就是由这几部分共同进化而导致。

至于怎样界定产业创新绩效，普遍的观点认为产业的创新绩效主要取决于对创新过程的高效率管理（Amit and Schoemaker，1999）；也有的观点认为产业创新绩效不仅是绩效的过程，还是创新元素的组合。这当中主要包含了环境需求、生产程序、产业市场以及人口组成等变动元素（Drucker，2003）；Hagedoorn Cloodt（2003）将产业创新绩效分为狭义和广义的理解。狭义上认为产业的创新绩效是从创新的成果引入市场的力度的结果来衡量，广义上认为是将概念的出现到创新发明，为整个相关市场所带来的创新发明、创新技术等方面的绩效，从而推动形成产业。

如何测定创新绩效在创新经济学的研究领域中一直倍受关注，自内生增长理论提出以来创新的外溢效益、扩散效应对生产率的影响成为国外学者研究的热点。其中该理论的提出者Romer（1986，1990）关注了知识和技术的溢出效应或者是R&D的外部性与经济增长的关系，将研发和创新过程加入生产函数模型，得出微观企业创新活动的成果会最终影响到企业整体的经济增长。Bernstein & Nadiri（1991）发现创新的溢出可以使得可变成本降低并增加产量，从而降低产品的价格；还有其它大量的研究证明这种外溢效应对企业绩效的显著正影响（Grossman and Helpman，1991；Nadri，1993；Wieser，2005；Aiello and Cardamone，2009）。

国内学者在对产业创新理论的研究也都从不同的方面诠释了产业创新及产业创新绩效。在产业创新内涵上，杜义飞等（2007）从企业和产业两个层面分析了产业创新的内涵：如果企业从产业的层面来审视创新活动，那么其创新效益必然会影响到其他企业的效益，引出交叉互换式的创新活动，从而实现产业创新；黄顺春（2008）认为产业创新的概念主要涉及产业创新的主体、产业创新的范围以及产业创新的表现；韩红丽（2012）则认为产业的创新通过产业价值链的整合实现价值的发现和再创造，进而进行产业分工协作形成战略竞争合作机制，形成新的价值创造系统而实现。在产业创新绩效上，高建（2004）认为产业创新的绩效包含过程绩效和商业绩效，商业绩效即企业在技术、产品等产出成果在其商业带来的贡献；陆国庆（2011）出于对创新外溢效应考虑，对战略性新兴产业中小板上市公司进行了绩效研究，得出企业创新绩效与创新投入、创新环境等呈弱正相关关系，与产品毛利率显著正相关的结论；刘伟伟（2012）按照过程绩效和商业化绩效分别测算我国创业板上市公司创新绩效，得出企业在知识资本形成阶段的绩效要显著高于商业化应用阶段的绩效，企业的整体创新绩效与商业化应用阶段绩效高度相关的结论。杜勇（2014）等也研究发现高新技术企业研发投入与企业的盈利能力及企业获利能力间存在明显的正相关关系。通过对文献的梳理，发现目前相关研究中尚未对产业创新内涵及产业创新绩效在得出一致结论。本质上，产业创新是典型的投入与产出的过程。创新的投入包括资金设备、人员投入等，创新的产出主要有专利、产品。总的来说，在影响创新绩效的因素当中，投入与产出是关键，是产业创新绩效的重要影响因素。

三、理论分析及研究假设

世界银行《工业技术发展项目案例研究报告》中认为，创新绩效可以通过对创新资源的投入产出进行评价。徐鸿和杜国良（2014）通过对新三板非上市高新技术企业的实证研究，发现研发投入与高新技术企业当期的绩效呈负相关的关系。本文认为由于创新投入到创新产出存在一定的时间周期，当年的创新投入产出并不全是当年的研发费用投入的结果，短期内研发投入不能收到好的效果；而且在R&D活动上的财务支出在增加产品开发成本的同时，还会占用企业的资金，减少了企业其他方面的投资；加之市场对创新对技术的要求越来越高，企业的研发投入取得的成果也不能马上得到市场的认可，利润增长率短时间内不会很快增加。除了考虑到创新的时滞问题，还要考虑带研发投入指标数据的全面程度和真实程度问题。已有研究认为，R&D 投入也应包括了长期设备的购买。此外其它企业、产业或者机构研发产生的知识外溢带给企业的研发投入也不能体现在数据上。财务报告给予了企业在创新投入归类上的自由空间，且新一代信息技术作为新兴产业，创新投入是申报高新技术企业的硬性指标，申报过程中存在虚列费用风险。这一系列因素都可能导致研发投入的增加不能带来企业绩效的提高。

因此，本文提出假设H1：研发投入与新一代信息技术企业绩效负相关。

有关创新产出与创新绩效之间的关系，现有的研究成果并没有得出一致的结论，且这种结论的不一致呈现出地区性、行业性的差异。Creponetal、Duguet、Mairesse（1998）运用CDM模型对法国企业的创新情况进行了分析，他们以专利或新产品销售额衡量企业的创新产出，发现企业生产率和创新产出正相关；Feng et al （2008）通过分析中国纺织行业和医药行业企业技术创新与企业绩效之间的关系，研究发现创新产出对企业绩效的影响为正；陆国庆（2011）的研究显示企业绩效与创新投入，创新产出呈现显著的正相关性；王小童和高昌林（2013）的研究也表明企业创新产出显著促进企业生产率的提高；企业的集成创新对企业生产率的提升有显著促进作用。但也有不少研究成果表明创新产出与创新绩效之间并没有显著的关系或是呈现出负相关关系（Benavente，2006；Mohnen，2006；谢芳琳，2013）。因此，本文不对创新产出与新一代信息技术企业创新绩效间的相关关系作出假定。

关于企业规模与企业创新的关系研究，安同良、施浩等（2006）研究发现小企业、中型企业和大企业的 R&D强度存在着倾斜的V型结构关系，即对小型到中型的企业来说总资产规模越大，其研发强度越低。企业在由小型向中型企业转变的过程中，会逐渐将部分资源投入到研发之外，例如购置固定资产、加大员工比例，从而就导致了研发投入强度减少，而本文样本公司大多已经是发展稳定的中型企业，可以理解为大多数研究对象已经有一定的创新产出累计，且有研究表明企业规模对于企业创新投入转化为创新产出具有正向影响（Carolan，2008；王小童等，2009；李常洪等，2013）。

因此，本文提出假设H2：企业规模与新一代信息技术企业的创新绩效呈正相关性。

四、研究方法及模型设计

（一）研究方法

实证研究中，学者们利用CDM模型、随机前沿生产函数（SFA）和数据包络分析（DEA）等方法对创新转化过程中的变量进行参数或非参数转化，实证探究创新投入与创新产出间的作用机理。Creponetal（1998）最先提出CDM模型，其核心思想为企业的R&D投入通过知识生产过程，在企业的运营下转变为知识知本，推动企业的创新，最终为企业产出带来效益。据此可将企业的创新绩效评价划分为创新投入阶段、知识资本转化阶段、生产率提升阶段。Aiello & Cardamone（2009）在该CDM模型研究的基础上建立了考虑了创新外溢效应的新模型，完善了最初的CDM模型。CDM方法使得创新投入与创新产出在模型上建立了连接，并最终通过模型使企业生产效率提升，使得后续的创新绩效研究脱离单纯的对指标数据的讨论。基于此，本文亦采用CDM模型作为测度新一代信息技术产业创新绩效的方法。

（二）CDM模型

1.创新投入阶段方程

（1）

（2）

方程（1）分析企业创新投入决策的影响因素，x0是解释向量，b0是相关系数向量，μ0误差项，gi*是创新投入决策虚拟变量，若企业从事了创新活动则取1，没有从事创新活动则取0。方程（2）表示创新投入强度的影响因素，k代表企业的人均R&D投入量。x1为影响企业创新决策及企业人均R&D投入量的各因素组成的解释变量向量，主要包括经营现状、市场份额、需求大小、技术推动、企业规模和行业特征等6个变量。

2.创新转化阶段方程

（3）

方程（3）表示创新投入成果的转化，ti*代表创新成果及专利数量或新产品销售比例；x2是影响知识资本转化因素组成的解释向量。

3.生产率提升阶段方程

（4）

方程（4）表示创新成果对企业生产率的提升。其中q表示劳动生产率（人均产出或人均销售收入）；x3为除了创新投入以外的影响企业生产率因素组成的解释变量向量。

4.综合以上三阶段方程，可以得到创新绩效方程

（5）

方程（5）用以表示创新活动从最终对企业生产率或者业绩的影响，其中；；。

CDM模型把创新投入、创新产出、生产率指标结合在同一模型中，使多个指标相结合，对创新绩效的研究更加合理、有说服力。

（三）模型设计

依据CDM模型，结合国内外创新绩效相关研究，本文将新一代信息技术上市公司创新过程分为：创新资源投入阶段、产出形成知识资本阶段、公司经营绩效阶段。创新投入阶段选用研发费用投入和人力资源投入。由于新兴产业的发展离不开政府的支持，而实际税率在一定程度上可以反映政府对于企业创新的支持力度，故本文选用实际税率作为投入阶段政府支持力度。创新产出采用当年申请的专利数和软件著作权衡量；经营业绩指标方面，本文采用企业净资产收益率衡量。结合上述三阶段构建企业规模、创新投入产出与经营绩效的线性计量模型如下：

lnYi=a+a1lnXi1+a2lnXi2+a3lnXi3+a4lnXi4+a5lnXi5+a6lnXi6+a7lnXi7+σ

模型涉及的相关指标如下表1。

表1 模型变量及定义

公司绩效指标 净资产收益率（Y） 公司当年净利润占股东权益余额比

创新投入产出 研发投入（X1） 公司每年研发费用

技术人员比重（X2） 公司每年末技术人员占总员工数的比例

专利数及软件著作权等知识资本（X3） 公司当年申请专利、著作权的数量

实际税率（X4） 当年所得税费用占利润总额比，衡量政府给予的间接补贴

控制变量 企业规模 总资产（X5） 公司每年12月31日资产总额

总股本（X6） 当年年末总股本

公司年龄（X7） 公司成立日期到当年年末的时间跨度

五、实证检验与结果分析

（一）样本选择

本文选取2009--2011年新一代信息技术A股上市公司为研究对象。由于新一代信息技术产业是战略性新兴产业，中国的战略性新兴产业的蓬勃发展也是在2009年一系列相关政策的出台，因此本文选取从2009年开始选取样本公司数据作为研究对象。在研究期间内从中国财经网得知共有50家新一代信息技术A股上市公司，剔除ST样本公司1家，故本文选取剩余49家当中47家新一代信息技术公司作为样本。样本数据资料主要来源于中国财经网，数据主要来源于上市公司年报和国泰安CSMAR系列研究数据库。

（二）回归结果及分析

1.描述性统计

对样本公司2009-2011年的经营绩效变量、创新投入变量、企业规模控制变量、进行描述性统计，具体见表2。

从表1可知，经营绩效方面，近三年，样本公司的净资产收益率平均值分别为0.113、0.144、0.11，标准差分别为0.116、0.128、0.212，可知样本公司近三年的经营绩效基本稳定，2009-2011年新一代信息技术发展状况良好。创新投入方面，样本公司的专利数、研发费用、技术人员比重都有所增加，而替代政府支持力度的实际税率略低于高新企业界定的优惠税率15%。企业规模控制变量方面，样本公司的总资产、总股本呈逐年递增趋势，企业规模逐年扩大。

2.回归分析

运用SPSS软件对新一代信息技术上市公司样本数据进行回归分析，得出表3、表4、表5所示结果。

表3 模型汇总

模型 R R2 调整R2 方 标准估计误差

1 .706a .498 .424 .074

a. 预测变量： （常量）， 实际所得税率， 专利数（项）， 技术人员比重， 公司年龄， 研发费用（元）， 总股本（股）， 总资产（元）。

表4 Anovab

模型 平方和 df 均方 F P

1 回归 .234 8 .029 5.333 .000a

残差 .681 124 .005

总计 .915 132

a. 预测变量： （常量）， 实际所得税率， 专利数（项）， 技术人员比重， 公司年龄， 研发费用（元）， 总股本（股）， 总资产（元）。

b. 因变量： 净资产收益率

表5 模型系数a

模型 非标准化系数 标准系数 t P

B 标准 误差 试用版

1 （常量） .112 .026 4.343 .000

总资产（元） 1.488E-11 .000 2.283 3.352 .001

公司年龄 -.003 .001 -.196 -2.239 .027

专利数（项） -.002 .000 -.476 -5.427 .000

实际所得税率 -.074 .101 -.058 -.730 .467

技术人员比重 .000 .000 .143 1.706 .046

总股本（股） 4.426E-11 .000 .286 .906 .367

研发费用（元） -1.509E-11 .000 -1.951 -3.273 .001

a. 因变量： 净资产收益率

从表34可看出模型相关系数R为0.706，判定系数R2为0.498，调整后R2为0.424，说明模型拟合程度较好，可以进行样本回归分析。从表3可知模型统计量F=5.333，相伴概率P=0.000<0.05，说明多个自变量与因变量净资产收益率存在线性关系，说明模型的回归性整体是显著的。从表5可知：

（1）从创新投入来看，创新经营绩效与技术人员投入呈正相关，与研发费用、专利数呈显著负相关，但与实际所得税率相关性不明显。经营绩效与技术人员比重呈正相关关系。由于本文所选取的样本公司属于战略性新兴产业，样本公司技术人员所占比重平均在40%左右，其中个别公司达到了90%以上，可以看出在以创新为核心竞争力的企业中，技术人员作为企业研发的重要人力资本，对公司创新研发带来技术进步起到至关重要的作用，这说明技术人员的比重会直接影响到企业的研发力度，为企业带来收益，与经营绩效呈正相关成立。

经营绩效与研发费用呈显著负相关关系。经营绩效与研发费用呈显著负相关关系验证了本文的假设H1；而研究表明代表创新产出的专利数与企业经营绩效呈现明显的负相关关系，一方面可能是由于指标本身的缺陷，即用专利数作为创新产出指标本身存在不足；另一方面，专利带动生产率或企业绩效的提高存在时滞性，而且专利的审批也需要时间，在两年的观测时间内存在时滞。

经营绩效与实际所得税率间间无显著性关系。实际税率在一定程度上能反映政府对企业的创新投入，从样本企业实际税率的统计结果上看，样本公司三年平均的实际所得税税率为12.6%，低于国家所规定的高新技术企业享有的15%的优惠税率。国内在研究中国企业R&D行为指出企业在申请R&D补贴时经常发送虚假的创新信号以获取政府R&D补贴。另一方面，大多数企业享受到了同样的税率优惠，这也说明了实际所得税率对经营业绩没有太大的影响。

（2）从企业的规模来看，创新绩效与总资产呈显著正相关性，与公司年龄呈负相关，而与企业总股本显著性不明显。

总资产与经营绩效表现出明显的正相关性，即企业规模的加大对经营绩效的提升有显著效果，证实了假设H2。企业创新绩效与公司年龄的负相关关系与企业生命周期理论相一致。企业经营绩效与总股本间无明显相关关系。规模越大的企业其创新实力更强，有成熟的研发团队和技术基础，对创新绩效有明显的正向影响。本文选取的样本公司总股本平均在5亿股，总股本较低，可理解为在这规模下公司股本对企业创新带来的经营绩效不明显。

六、结论

新一代信息技术产业是我国战略性新兴产业的代表，也是中国经济实现自主创新成功转型的希望所在，对这一公司群体的技术创新绩效进行研究有很重要的理论价值和现实意义。本文的研究亦存在不足，如数据样本的有限性、专利、研发费用指标衡量的不全面性以及创新投入产出的时滞性问题等，以期在未来的研究中进一步改进，更全面地考察产业创新绩效的影响因素。

参考文献：

[1]安同良，施浩.L. Alcorta.中国制造业企业 R&D 行为模式的观测与实证[J].经济研究，2006（02）.

[2]安同良，周绍东，皮建才.R&D补贴对中国企业自主创新的激励效应[J].经济研究，2009（10）.

[3]李常洪，郭嘉琦，宋志红，范建平.创新投入、创新产出与企业绩效：基于CDM模型的实证研究[J].华东经济管理，2013（5）.

[4]陆国庆.战略性新兴产业创新的绩效研究—基于中小板上市公司的实证分析[J].南京大学学报（哲学.人文科学.社会科学版），2011（04）.

[5]王小童，高昌林.基于CDM模型的创新测度研究[J].统计研究，2009（03）.

[6]Aiello，F. and Cardamone，P.R&D Spillovers and Firms′Performance in Italy： Evidence from a Flexible Production Function”，in： Baltagi，A. （ED. ），Spatial Econometrics，Mannheim： A Springer Company.2009.

[7]Freeman，C. and Soete，L. “The Economic of Industrial Innovation（Third Edition）”，London：Pinter.1997.

[10]Wieser，R. “Research and Development Productivity and Spillovers： Empirical Evidence at the Firm Level”，Journal of Economic Survey.2005，19：587—621.