行为视角下新能源产业技术创新投入不足因素探究

张根明，李若琦

(中南大学 商学院，湖南 长沙　410083)

管理学研究

行为视角下新能源产业技术创新投入不足因素探究

张根明，李若琦

(中南大学 商学院，湖南 长沙410083)

从企业行为理论入手探索我国新能源产业技术创新投入不足的内部动因。建立新能源企业绩效比较与二元技术创新投入的概念模型，面板数据检验表明：当新能源企业当期绩效高于历史绩效或高于同行业企业同期绩效时，企业后期探索式创新投入和开发式创新投入将受到不同程度的抑制；企业行为理论对理解当前新能源产业技术创新投入不足现象有较好的解释力，既可丰富现有理论研究又有益于指导实践。

新能源，企业行为，绩效比较，创新投入，面板数据分析

一、引言

对新能源技术创新的研究可追溯到20世纪90年代。当时Freeman等人认为，新能源技术对社会经济发展可能带来的变化会是一个复杂的非线性动态演进过程[1]，并将遭遇市场、经济、投资、技术、文化和制度等多重障碍[2]。目前常规能源的短缺以及日益严重的环境问题，恰好为我国经济转型以及新能源的发展带来契机。出于国家能源安全问题的考虑，为掌控能源关键供应链、保证经济基础建设、减少不可再生能耗的开销，我国将新能源产业列入战略性新兴产业。但现阶段核心技术的缺失是我国新能源产业发展所面临的一个巨大挑战。为了提高我国新能源产业的技术创新水平，学者们开始重视对新能源产业技术创新影响因素的研究。通过对新能源产业的技术特点[3]及发展模式[4]的分析，认为我国新能源产业尚未完成向“创新驱动”发展的过渡，政策[5-7]、市场[8-9]、人文环境[10]等方面因素均会影响新能源领域的技术创新。以上基于外部视角的研究取得了丰富成果，但基于决策行为视角的研究较少。因此，本文以分析企业创新战略的决策行为为切入点，探索导致新能源产业技术创新投资不足的原因。

二、理论与假设

(一)绩效比较

企业行为理论认为，企业实际取得的绩效与管理者预期产生的偏差会影响决策者后期的战略选择。管理者首先形成心理上的参考点，当企业实际绩效低于参考点时选择激进策略，而当企业实际绩效高于参考点时选择保守策略。Greve在此基础上提出“绩效反馈理论”(performance feedback theory)[11]，认为只有在实际绩效低于预期时才引发管理者对问题和冗余的探索，且差距越大，越能促使管理者实施改进策略。

技术创新的投资收益带有极大的不确定性，可能给企业带来投入损失，也可能给企业带来收益。企业会谨慎选择是否采取技术研发投入的战略决策。因此，当企业实际绩效高于预期水平，管理者对绩效的满足感会抑制追加投资的动机[11-12]，体现为技术创新活动减少。

结合有限理性假设和企业行为理论，本文直接考虑最简化的比较方式，选择企业历史绩效和同行业企业同期绩效作为管理者的参考点，并提出假设：

假设1(H1)：实际绩效高于历史绩效的新能源企业将减少技术创新投入；

假设2 (H2)：实际绩效高于同行业企业同期绩效的新能源企业将减少技术创新投入。

(二)探索式/开发式创新

自March(1991)提出组织中存在探索(Exploration)和开发(Exploitation)两种不同学习行为后[13]，这一对概念逐渐成为创新问题研究领域的重要主题。

由于探索式创新和开发式创新依赖的知识基础不同，通常产生的效果也不同：Auh and Mengue[14]认为开发式创新侧重于提高企业效率，增加当前收入，改良短期绩效；而Levinthal and March[15]提出探索式创新致力于克服企业短视行为，增加企业长期竞争力。问题存续期的长短将影响管理者对探索式创新或开发式创新的选择。

在进行数量分析时，本文仅在技术层面考察探索式创新和开发式创新，并依据两者对绩效改良效果的差异，将假设1和假设2扩展为以下四项假设：

假设1a (H1a)：实际绩效高于历史绩效的新能源企业将显著减少探索式技术创新投入；

假设1b(H1b)：实际绩效高于历史绩效的新能源企业将减少开发式技术创新投入；

假设2a (H2a)：实际绩效高于同行业企业同期绩效的新能源企业将减少探索式技术创新投入；

假设2b (H2b)：实际绩效高于同行业企业同期绩效的新能源企业将显著减少开发式技术创新投入。

假设模型关系图如图1所示：

图1　假设模型关系图

三、研究设计

(一)样本与数据

以我国新能源企业为研究对象，样本选自中国新能源网(www.newenergy.org.cn)公布的新能源上市公司名单以及Wind数据库企业排行榜中进入2011-2013年按销售额排名的全球新能源企业500强中的中国上市公司。企业财务数据来自同花顺金融数据库及Wind金融数据库，企业专利数据来自中外专利数据库。

在数据的筛选及处理过程中，删除了主营业务不属于新能源产业的企业，保留了148个样本公司数据，同时对缺失数据采用均值插补法进行了补充；为保证平稳性并消除数据偏度的影响[16]，对部分指标数据使用自然对数进行处理；为消除数据变量由于数量级和量纲不同而产生的影响，对数据进行了标准化处理。

(二)变量描述

1.被解释变量

本文选择参考陈守明等[17]的方法，利用发明专利数量和外观设计与实用新型专利数量之和的比例，划分出企业R&D投入中用于探索式创新和开发式创新的份额，因为专利的数量虽不能直接反应企业技术创新实力，但专利种类的比例能反应企业创新的倾向[18]。将探索式技术创新投入规模(Eplr)和开发式技术创新投入规模(Epli)作为被解释变量。

2.解释变量

将企业历史绩效和同行业企业同期绩效作为管理者的参考点，因此将企业历史绩效比较(HPC)和同行业企业同期绩效比较(APC)作为解释变量。

用全面反映企业经营效果的ROA值作为企业绩效的代理变量，那么企业历史绩效比较(historical performance comparison,HPC)定义为企业i当期ROA与前三年ROA均值之差，而同行业企业同期绩效比较(average performance comparison,APC)定义为企业i在t时期的ROA与行业内所有企业在t时期ROA平均值之差，样本企业所在的行业由上市公司公布的行业代码确定，涉及风能、太阳能、生物质能、新能源电池、新能源汽车、新材料、电力供应和设备制造业。

3.控制变量

本文所包含的控制变量有：企业规模、环境动态性、资本密集度、所有权性质和冗余资源。其中：

企业规模(Size)用企业统计当年期末总资产的自然对数表示；

环境动态性(Dynamism)用行业5年销售收入增长率的方差表示；

资本密集度(Capital)用企业统计当年固定资产与雇员总数比值的自然对数表示；

所有权性质(Nature)选用虚拟变量表示，其中“1”表示“国有企业”，“0”表示“非国有企业”；

冗余资源(Slack)用自由现金流与期末总资产的比值表示。

此外，设置年度虚拟变量和行业虚拟变量，分别控制年度变化和行业不同属性对技术创新战略选择可能产生的影响。

选取的变量及其计算方法汇总列示如表1所示：

表1　选取变量及计算方法

(三)回归模型建立

根据假设关系建立面板数据回归模型，其中方程(1)和(2)为验证绩效比较与探索式创新投入关系的模型，方程(3)和(4)为验证绩效比较与开发式创新投入关系的模型。

Eplrit=a0i+a1iK1Sizeit+a2iK1Dynamismit+a3iK1Capitalit+a4iK1Natureit+a5iK1Slackit+a6iK1HPCi,t-1+γit

(1)

Eplrit=b0i+b1iK2Sizeit+b2iK2Dynamismit+b3iK2Capitalit+b4iK2Natureit+b5iK2Slackit+b6iK2APCi,t-1+δit

(2)

Epliit=c0i+c1iK1Sizeit+c2iK1Dynamismit+c3iK1Capitalit+c4iK1Natureit+c5iK1Slackit+c6iK1HPCi,t-1+ηit

(3)

Epliit=d0i+d1iK2Sizeit+d2iK2Dynamismit+d3iK2Capitalit+d4iK2Natureit+d5iK2Slackit+d6iK2APCi,t-1+ωit

(4)

其中,γit,δit,ηit,ωit为误差项。

K1表示HPC>0的企业，如果企业实际绩效ROAit高于历史绩效，那么K1=1，否则K1=0；K2表示APC>0的企业，如果企业实际绩效ROAit高于同行业企业的绩效水平，那么K2=1，否则K2=0。

四、实证结果

表2列示了绩效比较分别对探索式技术创新和开发式技术创新投入回归的结果。

表2　绩效比较对探索式创新和开发式创新投入回归结果

注： *、**、***分别表示在10%、5%和1%的水平上显著。

模型1—模型3以探索式技术创新(Eplr)为被解释变量，其中模型1为控制变量回归模型，模型2和模型3分别为检验方程(1)和方程(2)的回归模型。

模型4—模型6以开发式技术创新(Epli)为被解释变量，其中模型4为控制变量回归模型，模型5和模型6分别为检验方程(3)和方程(4)的回归模型。

(一)检验模型的选取

在回归分析前，首先对回归模型类型进行选择。模型1的固定效应F检验值为6.8639，在1%水平上显著，表明固定效应模型优于混合回归模型；在随机效应模型下进行Hausman检验，检验值为31.6867，在1%水平上显著，表明固定效应模型优于随机效应模型，因此采用固定效应模型。

使用同样方法检验余下的模型2 —模型6，均采用固定效应模型。

(二)结果分析

模型1的回归结果显示，企业规模(β=-0.6203，ρ<0.05)对探索式创新投入影响系数在5%的水平上为负，规模优势在竞争环境中为稳固企业市场地位提供了有利因素，放松了通过技术创新巩固优势的警惕性；环境动态性(β=0.1008，ρ<0.1)对企业探索式创新投入规模的影响系数在10%的水平上为正，当企业市场地位波动较大时，管理者着手审视企业内部潜在问题，加大技术创新投资，巩固市场地位；资本密集度(β=0.1507，ρ<0.1)对企业探索式创新投入规模的影响系数在10%的水平上为正，人均占有资本越多，越有利于激发研究人员的聪明才智，推动企业技术进步；企业性质对探索式创新的影响并不显著，国有企业和非国有企业在探索式创新的重视程度上不存在显著差异；冗余资源(β=0.0310，ρ<0.1)在10%的水平上对探索式创新有正向影响，充裕的冗余资源有利于企业进行更多战略决策。

模型2表明，当斜值>0时，企业历史绩效比较(β=0.0241，ρ<0.1)在10%的水平上对探索式创新投入有负向影响，符合假设1a，说明假设1a得到了验证。

模型3表明，当K2APC>0时，同行业企业绩效比较对探索式创新未产生较显著影响，假设2a不成立。意味着当绩效处于上升趋势时，新能源企业的探索式技术创新投入将受到抑制。

模型4表明，企业规模(β=0.2135，ρ<0.05)在5%的水平上对开发式创新有正向影响，相比于探索式创新，开发式创新难度较小，能够随企业规模的增加而加大投入力度；环境动态性(β=0.0744，ρ<0.1)在10%的水平上对开发式创新有正向影响，企业以增加开发式技术创新投入为策略应对快速变化的环境；资本密集度(β=0.1164，ρ<0.1)和冗余资源(β=0.0381，ρ<0.1)在10%的水平上对开发式创新有正向影响，表明资源越充裕，越有利于企业的技术创新活动；企业性质差异对开发式创新投入的影响并不显著。

模型5表明，当K1HPC>0时，企业历史绩效比较对开发式创新未产生显著影响，假设1b不成立。

模型6表明，当K2APC>0时，同行业企业绩效比较(β=-0.0103，ρ<0.1)在10%的水平上对开发式创新有负向影响，假设2b成立。意味着当新能源企业在行业中处于中上等地位时，开发式技术创新投入将受到抑制。

综上，利用新能源企业样本数据进行实证检验，证明假设1a和假设2b是成立的，假设1b和假设2a是不成立的。

五、研究结论与展望

首先，本文从企业行为视角出发，分析绩效比较对新能源企业后期探索式技术创新或开发式技术创新战略选择行为的影响，探索导致新能源领域技术创新投入不足的因素，弥补了现有新能源产业技术创新研究偏重于外部因素分析而忽略内部行为研究的缺陷，同时丰富和扩展了二元创新理论。

其次，从实证结果来看，若企业绩效高于历史绩效，探索式技术创新投入将受到抑制；若企业绩效高于同行业其他企业绩效，开发式技术创新投入将受到抑制。实证结果与理论相符，管理者认为企业的优势能够长期保持，企业内部问题探索活动将减少，技术创新内在动力也随之淡化。因此，提高管理者的心理参考点水平、甚至对产业发展的预期水平，特别是使我国新能源企业管理者从培育国际竞争力的角度展开战略思考，对提高新能源企业技术创新投入水平颇为重要。

最后，本文的研究结论对管理实践有指导意义。一方面，企业绩效反馈的信息影响后续决策的制定，那么管理者应重新审视参考点的设置是否合理;另一方面，产业政策制定者为提高新能源企业技术创新的积极性，应兼顾技术创新的行为特点，将扶持政策更多的引导企业差异式创新，使企业出现差异绩效，以提高企业技术创新积极性，提高产业整体技术水平。

本文存在以下不足：一是对样本仅根据行业不同进行划分，而未考虑企业在产业链中的位置；二是企业创新不仅涉及技术创新，还涉及产品创新、流程创新等，为便于计量未做全方面考察；三是管理者绩效评价基准点的选择，文章在计算时只引入过去三年的绩效值，计算量少，今后的研究可引入更长时期的参考值，或直接对不同的群体进行相应的问卷调查，获得预期值，以验证结论。

[1]FREEMAN C, SOETE L. The Economics of Industrial Innovation, 3rd Edition [M]. Cambridge MA: MIT Press, 1997.

[2]FOXON T J, GROSS R, CHASE A et al. UK Innovation Systems for New and Renewable Energy Technologies: Drivers, Barriers, and Systems Failures [J]. Energy Policy, 2005, 33(16): 2123-2137.

[3]王汉新.基于公共政策视角的新能源技术创新研究[J].科学管理研究, 2014 (6): 44-47.

[4]郭钧.战略性新兴产业企业技术创新能力影响因素研究[D].西安：陕西师范大学, 2015.

[5]MENZ F C, VACHON S. The Effectiveness of Different Policy Regimes for Promoting Wind Power: Experiences from the states [J]. Energy Policy, 2006, 34(14):1786-1796.

[6]JOBERT T, KARANFIL F. Sectoral Energy Consumption by Source and Economic Growth in Turkey [J]. Energy Policy, 2007, 35(11):5447-5456.

[7]BÜSGEN U, DÜRRSCHMIDT W. The Expansion of Electricity Generation from Renewable Energies in Germany: A review based on the Renewable Energy Sources Act Progress Report 2007 and the new German feed-in legislation [J]. Energy Policy, 2009, 37(7):2536-2545.

[8]姜江,韩祺.新能源汽车产业的技术创新与市场培育[J].改革, 2011 (7): 57-63.

[9]魏政,于冰清.我国光伏产业发展现状与对策探讨[J].中外能源, 2013 (6): 15-25.

[10]MARQUES A C, FUINHAS J A, MANSO J R P. Motivations Driving Renewable Energy in European Countries: A Panel Data Approach [J]. Energy Policy, 2010, 38(11):6877-6885.

[11]GREVE H R. A Behavioral Theory of R&D Expenditures and Innovations: Evidence from Shipbuilding [J]. Academy of Management Journal, 2003, 46(6): 685-702.

[12]ARRFELT M, WISEMAN R M, HULT G T M. Looking Backward Instead of Forward: Aspiration-driven Influences on the Efficiency of the Capital Allocation Process [J]. Academy of Management Journal, 2013, 56(4):1081-1103.

[13]MARCH J G. Exploration and Exploitation in Organization Learning [J]. Organization Science, 1991, 2(1): 71-87.

[14]AUH S, MENGUC B. Balancing Exploration and Exploitation: The Moderating Role of Competitive Intensity [J]. Journal of Business Research, 2005, 58(12):1652-1661.

[15]LEVINTHAL D A, MARCH J G. The Myopia of Learning [J]. Strategic Management Journal, 1993, 14:95-112.

[16]周密,盛玉雪,丁明磊.后发新兴大国、创新型企业与组织双元性研究——基于国家级创新型企业的实证分析[J].科学学与科学技术管理, 2014 (3): 126-134.

[17]陈守明,李汝.双元性技术战略与企业绩效关系研究——基于我国电子信息制造业的实证研究[J].科技进步与对策, 2013, 30(5): 70-74.

[18]DE RASSENFOSSE G, VAN POTTELSBERGHE DE LA POTTERIE B. A Policy Insight Into the R&D-Patent Relationship [J]. Research Policy, 2009, 38(5): 779-792.

【责任编辑侯翠环】

Research on the Factors for the Scarcity of Technological Innovation Input in Renewable Energy Industry from a Behavioral Perspective

ZHANG Gen-ming, LI Ruo-qi

(Business School, Central South University, Changsha, Hunan 410083, China)

A firm behavioral perspective is chosen to analyze the internal cause for the scarcity of technological innovation investment in renewable energy industry. A conceptual model of firm performance comparison of renewable energy industry and dual innovation is established and tested with panel data, which suggests that when current performance is higher than the historical performance or higher than the contemporaneous average performance, the exploration innovation input in the late stage of enterprises and the development innovation input will be subject to various degrees of inhibition. The behavioral theory of the firm can give explanation to the insufficient technological innovation input in renewable energy industry, which may enrich the current theoretical research and guide the practice.

renewable energy; firm behavior; performance comparison; innovation input; panel data analysis

10.3969/j.issn.1005-6378.2016.03.017

2016-01-20

国家软科学研究计划(2014GXS4D135)；国家自然科学基金项目(71172100)

张根明(1963—)，男，湖南长沙人，管理学博士，中南大学商学院教授，主要研究方向：创业与创新管理。

F272.3

1005-6378(2016)03-0112-06