产业创新速度作用机制与门槛特征——以高技术产业为例

俞立平,孙建红

(1.浙江工商大学管理工程与电子商务学院,浙江 杭州 310018;2.宁波大学商学院,浙江 宁波 315211)

产业创新速度作用机制与门槛特征
——以高技术产业为例

俞立平1,孙建红2

(1.浙江工商大学管理工程与电子商务学院,浙江 杭州 310018;2.宁波大学商学院,浙江 宁波 315211)

本文构建了创新速度的作用机制框架，包括线性机制和非线性机制。线性机制是指创新速度通过竞争优势、树立品牌、降低成本、获取利润等效应有效地促进创新成果。非线性机制包括规模经济效应和适度速度效应。在此基础上基于面板数据模型和面板门槛回归模型进行了实证，结果表明：创新速度对创新成果的贡献显著，弹性系数为0.344。创新成果越高，创新速度的弹性系数越大。中等创新速度时，创新速度的弹性系数最大。企业研发经费的弹性系数最大，政府科技投入以及研发人员的绩效总体不高。

高技术产业；创新速度；创新成果；门槛特征

1 引言

当前，以美国为代表的西方发达国家产品创新周期不断缩短，多数产品已经可以达到3周的设计周期和3个月的试制周期，而我国企业相去甚远，新产品开发周期仍较长，平均为18个月[1]。麦肯锡公司研究发现，市场平均每年销售增长20%，但是商品价格却下跌12%，如果高技术产品晚上市6个月，即使开发成本控制在预算内，也会导致企业5年内盈利减少33%[2]。

市场的不确定性以及技术创新的复杂性，使得新产品快速创新风险巨大。当年施乐公司快速开发的1045型复印机，由于设计缺陷造成100万美元的损失[3]。2015年5月13日，丰田和日产因高田气囊缺陷需要召回汽车650万辆，使得“高田气囊门”汽车召回总量突破3000万辆，成为迄今规模最大的汽车召回案[4]。

高技术产业是我国国民经济的主导产业，2013年高技术产业R&D经费内部支出为1734亿元，新产品销售收入29029亿元，有效发明专利115884件，与10年前相比，平均年度增幅分别为22.79%、42.50%、20.45%，研发增长保持着较高的速度。研究高技术产业发展速度与创新成果的关系，分析其作用机制，探索其作用规律，寻找最佳发展速度，对于我国高技术企业创新驱动发展、实现经济转型升级具有十分重要的意义。

现有研究主要从微观企业层面对产品创新速度加以界定。Manisfield[5]认为产品创新速度就是指产品从研发到投放市场过程中，某两个标志性时间点的跨度。Kessler等[6]则偏向单个产品的整个研发过程，认为产品创新速度是从初次发现市场可能，到实现商品化所需要的时间。关于产业创新速度，学术界总体上缺乏研究。本文认为：产业创新速度就是指产业创新的快慢程度，一般用某个产业创新成果的增长率来表示，产业创新速度一般是隐性的，难以用具体的时间来衡量。

Alpert等[7]认为创新较快的企业往往是市场中的先进入者，拥有更快的资金回收速度、更低的价格、更卓越的产品，最终带来企业利润的增加。Menon等[8]认为，快速创新的企业能够为市场带来更加新颖的产品，从而树立品牌、赢得客户。Mcevily等[9]认为从经济收益角度来看，较高的创新速度可以使企业有效利用财务杠杆，分摊项目成本，从而实现利润最大化。Markman等[10]认为加快创新速度赋予企业更多尝试失败的机会，降低了单次失误所带来的成本，从而增加了创新成功的可能性。Aghion等[11]从经济周期角度分析，认为在经济衰退期，市场需求不旺，此时增加一单位的研发资源用于创新，机会成本比经济繁荣期小，所以在衰退期，资源投入从生产活动转向技术创新活动，创新速度加快；而繁荣期则相反。周游等[12]通过对英国技术创新和经济增长历史数据的分析，发现技术创新与经济增长之间有相互决定、相互影响的关系。马永远[13]通过对98个新产品开发团队的数据进行实证分析，发现新产品开发团队的时间压力与团队创新绩效之间存在倒U型相关关系，过高的时间压力对创新绩效会产生不利的影响。

Smith等[14]发现,绝大多数国外企业新产品开发周期都比预计周期长。Graves[15]、Griffiina[16]认为，必须均衡好产品快速投放市场获取利润与产品性能风险之间的关系，快速投放市场容易获取高额利润，但也容易产生产品缺陷。吕涛等[17]认为加速产品创新可能带来各种经营风险，如由于创新产品技术本身的不成熟、技术效果的不确定性以及技术寿命的不确定性等。何山等[18]也持类似观点，如果企业单纯提高产品投放市场速度，未成熟产品推向市场机率就会增大，往往难以应对后进人市场者的竞争。申元月等[19]建立了产品创新最佳周期选择模型，并用皮尔曲线拟合创新产品的生命周期。蔡瑞林等[20]通过实证研究发现，创新模式对竞争战略存在反向能动影响，竞争战略对创新速度具有正向影响，单一的创新模式对创新速度没有显著影响。

综合以上论述，从以下几个方面尚值得深入研究：

第一，缺乏从宏观角度对产业创新速度的研究，包括产业创新速度的界定、基本理论、作用机制等；第二，高技术产业是我国的主导产业，那么其创新速度的变化特征、作用规律如何？产业创新速度对创新成果的贡献是线性的还是非线性的？与产品创新速度相比，产业创新速度过快可能有什么问题，过慢有什么问题，有没有最佳的速度；第三，高技术产业创新速度的总体表现如何？其增长潜力如何？如何对我国高技术产业创新速度的状况做一个客观评价。

2 产业创新速度的作用机制分析

企业创新速度的微观作用机制是宏观产业创新速度作用机制分析的基础和重要依托，所有的微观作用机制如品牌效应、成本效应、利润效应等对宏观作用机制同样有效，但宏观作用机制又有自身特点。此外，关于创新速度的测度，微观层面往往用时间作为单位，而在宏观产业创新速度层面，是难以采用时间作为单位的。本文主要从产业创新速度的角度研究其作用机制(见图1)，包括线性作用机制和非线性作用机制。线性作用机制就是产业创新速度的平均水平，以及如何对创新成果产生作用。非线性作用机制主要指产业创新速度的作用规律，又包括规模经济效应、适度速度效应以及两者的交叉共同效应。

图1 产业创新速度作用机制

线性作用机制是一种比较理想化的状况，因为高技术产业创新系统本质上是复杂系统，很难呈现完全的线性特征，线性作用机制只是分析问题的视角之一，与非线性作用机制对应，从而达到更精细描述产业创新速度作用机制及其特点的目的。线性非线性作用机制与宏观微观作用机制又是交叉的，线性机制本质上描述的是作用机理，而非线性机制描述的是作用规律，两者是辩证的统一。由于微观作用机制是宏观作用机制的基础，因此线性非线性作用机制分析又主要体现出微观作用机制。

线性机制与非线性机制本质上是共存的，区别在于看问题的视角不一样。如果研究创新速度的平均弹性和总体状况，那很明显是线性作用机制；如果研究创新速度弹性的某段时间或者某种情况下的作用规律，那就体现出非线性所用机制。

2.1 线性作用机制

线性作用机制主要是创新速度对创新产出的平均影响，高技术产业创新速度的提高，必然会追加更多的研发经费，同时带来国家对产业创新政策的支持，最终导致企业创新成果大量增加，呈现如下五种效应：①竞争优势效应。创新速度是企业竞争优势的重要前提，也是核心竞争力所在[21]。提高创新速度的最大优越性就是使企业获得先入优势，创新速度越快，这种先入优势就越大[22]。②品牌效应。快速创新使得企业产品以更快的速度投向市场，吸引客户，树立企业良好的品牌形象[23]。加快创新速度能够提高产品的新颖程度，提高品牌效应，更好地满足消费者的动态需求，提高消费者的效用和感知水平[24]。③研发成本相对降低效应。快速创新意味着创新效率的提高，从而分摊了创新成本[6,9]。④知识积累效应，创新速度的加快增加了研发团队的知识积累，而研发团队知识的积累带来了规模经济效果，使得最终提供给消费者的新产品更加完善，上市时间更短、更能满足顾客需求[25]。⑤利润效应。创新速度的提高最终能够为企业带来丰厚的利润回报[7]。当然，竞争优势效应、品牌效应、研发成本相对降低效应和知识积累效应，本质上都会给企业带来利润。为此提出假设H1：创新速度对创新成果具有正向促进作用，其弹性系数为正。

2.2 非线性作用机制

(1)规模经济效应。企业创新也存在着经济学中的规模经济效应，当企业创新规模较小时，研发人员需要解决的问题较多，只能将注意力集中到关键技术、关键环节，这样势必会降低研发效率，所以很难保证较高的创新速度，创新速度对产出的贡献就较小。只有当企业具有一定的研发规模时，才能进行有效的分工协作，提高研发效率，此时创新速度也能得到保证，取得较好的创新成果；而当企业研发规模很大时，如果不能有效地进行管理，那么也不容易激发科技人员的创新热情，创新速度也难以提高，创新效果也难以处于最佳水平。

产业创新同样存在规模经济效应，就高技术产业创新发展而言，当产业创新规模较小时，难以形成有效的创新网络和创新集群，产业创新效率不高，也难以保证产业的创新速度，创新速度的作用机制难以有效发挥，产业创新效果往往不佳。只有当产业具有一定创新规模时，产业内部各单位才能进行有效的协同创新，提高创新速度，取得较好的创新效果。而当产业创新规模很大时，意味着产业已经成熟，此时要进一步提高创新速度也比较困难。基于以上分析，提出假设H2：中等创新规模的产业，创新速度对创新成果的弹性系数最大，创新速度存在创新成果门槛。

(2)适度速度效应。低速创新的企业，要么处于起步期，要么处于成熟期，前者企业刚刚创建，许多技术问题还没有解决，创新速度缓慢，创新效果不好。新兴产业要得到市场的认可需要一个过程，自身有个培育期，这也会带来风险；后者发展已经比较稳定，技术也比较成熟，所以创新也比较缓慢，当然也难以有较好的创新成果。

高速创新的企业由于速度过快，创新投入大，涉及创新人员多，创新风险面广，创新管理困难，一般难以取得较好的效果，只有保持适当的创新速度，才能产生较好的效果，为此提出假设H3：中等创新速度的产业，创新速度对创新成果的弹性系数最大，创新速度自身具有门槛效应。

3 方法与数据

3.1 面板数据模型

在生产函数的基础上，Jaffe基于Griliches的研究[26-27]，将人力资源变量引入，构成了著名的Griliches-Jaffe知识生产函数：

Y=AKαLβ

(1)

式中，Y表示创新产出，K表示R&D研发经费，L表示研发劳动力，α、β表示弹性系数，A为常数项，是知识生产函数的全要素生产率。对于高技术产业而言，由于研发投入包括企业研发经费投入和政府财政科技经费投入，因此将K分解为企业研发经费(K1)和财政科技经费(K2)，并增加产业创新速度变量S。此外为了便于消除异方差，对式(1)两边同时取对数，经整理得： log(Y)=c+α1log(K1)+α2log(K2)+βlog(L)+

γlog(S)

(2)

本文采用面板数据模型进行估计，面板数据模型同时基于截面数据与时间序列数据进行估计，该模型是Mundlak[28]首创，在增加数据量的同时可以有效消除多重共线性的影响，保证模型估计时的自由度，提高估计效率和估计效果。常见的估计方法有最小二乘估计(OLS)、两阶段最小二乘估计(2SLS)、系统广义矩估计(SYS-GMM)等。考虑到高技术产业科技投入产出系统中，往往存在内生变量，因此采用系统广义矩法进行估计[29]，它克服了差分广义矩法估计量较易受弱工具变量影响的弱点。

3.2 面板门槛回归模型

(1)创新成果门槛模型。由于创新速度可能存在创新成果门槛效应，即创新速度的弹性系数存在非线性关系，所以引入面板门槛回归模型来进行研究。以单门槛为例，对于创新速度S而言，如果存在一个创新成果门槛水平τ，使得对于Y≤τ和Y>τ时，创新速度对创新成果的弹性系数呈现显著差异：

(3)

当Y≤τ时，创新速度对创新成果的回归系数为θ1；当Y>τ时，创新速度对创新成果的回归系数为θ2，如果存在数个门槛，可以进一步引入更多的τ，原理基本类似。

(2)创新速度门槛模型。根据前文分析，创新速度可能也存在门槛效应，以单门槛为例，对于创新速度S而言，如果存在一个门槛水平τ，使得对于S≤τ和S>τ时，创新速度对创新成果的弹性系数会表现出显著的差异，呈现非线性关系，引入虚拟变量Di使其满足：

(4)

将其带入式(2)：

log(Y)=c0+θ1Dilog(S)+θ2(1-Di)log(S)+

c1log(K1)+c2log(K2)+c3log(L)

(5)

式(5)相当于一个针对创新速度的分段函数模型，当S≤τ时，创新速度的弹性系数为θ2，当S>τ时，创新速度的弹性系数为θ1。通过选择合适的门槛值τ，从而可以得到不同的θ，虚拟变量Di是以一个门槛为例说明的，实际情况可能有多个门槛值，需要设置多个虚拟变量。

3.3 数据

学术界一般选择发明专利、新产品销售收入、研发投入等作为创新成果的替代变量，由于发明专利从申请到授权往往需要3年乃至更长的时间，这样研发投入到专利的滞后期可能需要 4～5年，这对数据的时间跨度提出了很高的要求，本文时间跨度有限，此外一些企业也不一定申请专利，有些创新也不能申请专利，因此借鉴Griliches[30]的做法，采用新产品销售收入作为高技术产业创新成果的替代变量，它较好地说明了创新产品的市场价值。自然地，其年度增长率作为创新速度的替代变量，但在数据处理时，部分地区新产品销售收入出现负增长，而在回归时由于弹性取值需要必须取对数，负数是无法取对数的，所以必须将增长率转为正数，于是采用下一年度新产品销售收入与上一年度的比值表示创新速度。高技术产业研发经费的来源主要是两个渠道，一是企业研发经费投入，二是财政科技经费，这两个数据统计年鉴中可以直接查到，R&D劳动力采用研发人员全时当量表示，这也是学术界通行的做法。

本文所有数据均来自于《中国高技术产业统计年鉴》2010—2014年，主要原因是一些变量的统计口径发生了变化，实际数据为2009—2013年期间高技术产业的省际面板数据，西藏、青海地区由于部分地区部分年度数据缺失，实际数据为大陆29个省级行政区域5年的面板数据，变量的描述统计量如表1所示。

表1 变量描述统计

4 实证结果

4.1 变量的平稳性检验

面板数据也包含时间序列，因此也有可能存在平稳性问题，必须进行单位根检验，以防止伪回归。面板数据平稳性检验方法包括ADF检验、PP检验、Levin Lin及Chu检验等，为保证研究的稳健性，本文采用这几种方法同时进行检验，以结果一致作为检验标准(见表2)，一阶差分后所有变量均为平稳的时间序列。

表2 单位根检验

续表2

注：*表示在10%的水平下检验通过、**表示在5%的水平下检验通过、***表示在1%的水平下检验通过，下同。

4.2 面板数据回归结果

考虑到变量的内生性问题，工具变量均采用自变量的1阶滞后项。首先引入全部变量进行回归，Hauseman检验为19.008，其相伴概率为0.001<0.1，拒绝随机效应的原假设，说明需要采用固定效应模型，当然由于本研究中，研究对象已经接近总体，也应该采用固定效应模型。回归结果发现研发人员全时当量没有通过统计检验，将其删除，继续进行Hauseman检验，最后采用固定效应模型进行回归，结果见表3中的“固定效应2”栏。三种估计结果中，企业研发经费的弹性系数均最大并且显著，创新速度的弹性系数均第二并且显著，财政科技经费的弹性系数均为负并且显著。研发人员全时当量在混合回归时只在10%的水平下通过了统计检验，这充分说明回归结果是比较稳健的。

表3 面板数据估计结果

从最终结果看，剔除研发人员全时当量以后，所有变量均在1%的水平上通过统计检验，模型的拟合优度R2高达0.989。企业研发经费的弹性系数最大，其次是创新速度的弹性系数，政府财政科技投入的弹性系数为-0.236，假设1得到验证。

政府财政科技投入绩效不高的原因是多方面的：第一，财政科技投入侧重点不同，政府对于高技术产业的财政科技支持，主要投入到关系到国计民生的一些关键领域和关键环节，并不是投向所有产业和地区，纯粹市场化的技术创新政府一般不予投入，这样就降低了财政科技投入的贡献。第二，目前的财政科技投入体制可能也存在较大的优化空间，财政科技投入存在不合理的现象，财政科技投入的绩效有待提高。

4.3 创新成果的门槛效应估计

为了对创新成果门槛对创新速度的弹性影响进行估计，首先运用Hansen[31]的面板数据门限模型，检验高技术产业创新成果对创新速度是否存在门槛效应。先进行单门槛检验，面板数据门限效应检验的似然比值LR(LR Test for Threshold Effect)为7.352，F检验值为34.078，相伴概率为0.000，说明应该采用单门槛模型。继续进行双门槛回归，F检验为35.859，相伴概率为0.000，说明双门槛效应存在。进一步进行三门槛检验，但是第一阶段回归系数没有通过检验，最终采用双门槛进行回归，结果见表4，除了研发劳动力没有通过统计检验外，所有变量均通过统计检验。

表4 创新成果的门槛效应

高技术产业创新成果的门槛值有两个，分别为10.330和16.716，换算成原始值后新产品销售收入分别为3.06亿元和1818.28亿元。新产品销售收入低于3.06亿元的地区数据有6个，介于3.06亿元和1818.28亿元之间的有128个，高于1818.28亿元的有11个，总体上，中等创新成果水平的地区居多。对于创新成果水平较低的地区而言，创新速度的弹性系数为0.108；中等地区创新速度的弹性系数为0.363；较高地区创新速度的弹性系数为0.777，随着创新成果水平的提升，创新速度弹性系数的提升比较明显。

假设2仅得到部分验证，并没有呈现出中等创新成果地区创新速度的弹性系数最大，根本原因是，创新成果较高的地区只有11个数据，绝大多数地区处在中等创新成果水平，这样少部分地区创新绩效好，创新速度的弹性系数相对较高，从另外一个角度也说明我国创新成果也具有较大的提升空间，创新成果越好，创新速度的弹性系数越大。

4.4 创新速度的门槛效应估计

下面估计高技术产业创新速度自身的门槛效应。首先运用Hansen(1999)的面板数据门限模型，检验高技术产业创新速度是否存在门槛效应。先进行单门槛检验，面板数据门限效应检验的似然比值LR为7.352，F检验值为8.726，相伴概率为0.001，拒绝原假设。继续进行双门槛回归，F检验为7.388，相伴概率为0.003，说明存在双门槛。进一步进行三门槛检验，第一阶段回归系数没有通过检验，最终决定采用双门槛进行回归，结果如表5所示。除了研发劳动力外，所谓变量在1%的水平下均通过了统计检验。

表5 创新速度的面板门槛回归结果

高技术产业创新速度门槛值有两个，分别为5.069和5.525，换算成原始值后分别为158.95%和250.96%。创新速度低于158.95%的地区数据有114个，介于158.95%～250.96%的有23个，高于250.96%的有8个。对于创新速度较低的地区而言，创新速度的弹性系数为0.246；对于中等水平地区，创新速度的弹性系数为0.324；对于创新速度最高的地区而言，创新速度的弹性系数为0.224。中等创新速度地区创新速度的弹性系数最高，这样假设3得到验证。

5 研究结论

本文构建了创新速度的作用机制框架，认为通过竞争优势、树立品牌、降低成本、获取利润等效应能够有效促进创新产出。创新速度对创新成果的贡献显著，创新速度每增加1%，会带来创新成果增加0.344%。此外创新速度存在自身门槛和创新成果门槛，中等创新速度时，创新速度对创新成果贡献的弹性系数最大，适度速度效应明显；而创新成果越高，创新速度的弹性系数越大。保持合适的创新速度，对于高技术产业发展具有重要意义。对于创新成果水平较高的高技术产业而言，创新具有累计效应，创新速度的弹性会越来越大，因此，鞭打快牛不失为一种有效的手段。

我国高技术产业创新成果总体上还不丰富，大多数地区处于中等创新成果地区，并且大多数地区处于低速创新阶段，因此，加快创新速度，能有效促进高技术产业的技术创新。无论是创新速度的平均水平还是创新成果的总量，均有较大的提升空间，加快高技术产业创新速度是行之有效的重要措施。

研究还发现，企业研发经费的弹性系数最大，政府财政科技投入以及研发人员的绩效总体不高。因此，必须充分发挥市场机制，加强财政科技经费的分配与跟踪，使得有限的经费投入能够发挥最佳效果，以提高财政科技经费的绩效。此外还要注重提高研发人员的积极性，以提高劳动生产率。

[1]孙卫，徐昂，尚磊.创新速度理论研究评述与展望[J].科技进步与对策，2010(4)：156-160.

[2]DUMAINE B.Earning more by moving faster[J].Fortune,1991(7):89-90.

[3]MATT P.How Xerox speeds up the birth of new products[J].Business week，1984(19):58-59.

[4]腾讯汽车网[EB/OL]http://auto.qq.com/a/20150513/047432.htm 2015-05-14.

[5]MANSFIELD E.The speed and cost of industrial innovation in Japan and United States:external vs internal technology[J].Management science，1988(34)：1157-1169.

[6]KESSLER E H，CHAKRABARTI A K.Innovation speed：a conceptual model of context,antecedents and outcomes[J].Academy of management review，1996(21)：1143-1491.

[7]ALPERT F H，KAMINS M A.Pioneer brand advantage:a conceptual framework and propositional inventory[J].Journal of the academy of marketing science，1994，22(3)：244-253.

[8]MENON A,CHOWDHURY J,LUKAS B A.Antecedents and outcomes of new product development speed:an interdisciplinary conceptual framework[J].Industrial marketing management，2002(31)：317-328.

[9]MCEVILY S，EISENHARDT K，PRESCOTT J.The global acquisition,leverage,and protection of technological competencies[J].Strategic management journal，2004(25)：713-722.

[10]MARKMAN G，PHAN H，BALKIN D，GIANIODIS P.Entrepreneurship and university based technology transfer[J].Journal of business venturing，2005(20)：241-264.

[11]AGHION P,ANGELETOS M,BANERJEE A,MANOVA K.Volatility and growth:credit constraints and the composition of investment[J].Journal of monetary economics,2010(57)：246-265.

[12]周游,翟建辉.长波理论、创新与中国经济周期分析[J].经济理论与经济管理，2012(5)：21-26.

[13]马永远.新产品开发团队时间压力、自省性与创新绩效[J].科学学与科学技术管理，2015(2)：139-146.

[14]SMITH P G,REINERTSEN D G.Developing products in half the time[M].New York:Van Nostrand Reinhold,1991.

[15]GRAVES S B.The time-cost tradeoff in research and development[J].Engineering costs and production economics,1989(16):1-9.

[16]GRIFFIN A.Metrics for measuring product development cycle time[J].Journal of product Innovation management,1993(10):112-115.

[17]吕涛,王震生.企业快速产品创新的利益与风险[J].价值工程,2002(2):23-25.

[18]何山,李成标,胡树华.产品创新速度的经济性分析[J].科技与管理，2002(3)：24-26.

[19]申元月,周萍,王治超.产品创新最佳周期选择模型在创新加速化风险防范中的应用[J].山东大学学报(理学版)，2014(4)：56-61.

[20]蔡瑞林,陈万明,朱广华.创新模式对竞争战略、创新速度的影响研究[J].中国科技论坛，2014(11)：25-30.

[21]CLEMENS B W，DOUGLAS T J.Understanding strategic responses to institutional pressures[J].Journal of business research，2005，58(9)1205-1213.

[22]EMMANUELIDESA P.Determinants of product development time:a framework for analysis[J].Academy of management best paper proceedings,1991:342-346.

[23]MENON A,CHOWDHURY J,LUKAS B A.Antecedents and outcomes of new product development speed:an interdisciplinary conceptual framework[J].Industrial marketing management，2002,31:317-328.

[24]CHEN J Y,REILLY R R,LYNN G S.New product development speed:too much of a good thing[J].Journal of product innovation management,2012,29(2):288-303.

[25]COHEN W M.Empirical studies of innovative activity[M]//STONEMAN P.Handbook of the economics of innovation and technological change.London:Blackwell,1995.

[26]GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].Bell journal of economics,1979(1):92-116.

[27]JAFFE A B.Real effects of academic research[J].The American economic review,1989(5):957-970.

[28]MUNDLAK Y.Empirical productions free of management bias[J].Journal of farm economics，1961(43):44-56.

[29]BLUNDELL R，BOND S.Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometrics，1998，87:115-143.

[30]GRILICHES Z.Patent statistics as economic indicators:a survey[J].Journal of economic literature，1990，28(12):1661-1707.

[31]HANSEN B E.Threshold effects in non-dynamic panels:estimation，testing and inference[J].Journal of econometrics，1999(93):345-368.

(责任编辑 沈蓉)

The Threshold Characteristics and Innovation Speed of High Technology Industry

Yu Liping1,Sun Jianhong2

(1.School of Management Engineering and Electronic Business,Zhejiang Gongshang University,Hangzhou 310018,China;2.Business School of Ningbo University,Ningbo 315211,China)

Action mechanism framework of innovation speed was constructed in this paper,including linear mechanism and nonlinear mechanism.Linear mechanism is one of mechanisms that innovation speed can effectively improve innovation output through the effect of competitive advantage,building brands,cutting cost and earning profits.Nonlinear mechanism insists of scale economic effect and moderate speed effect.On this basis,it carried on a empirical research using panel data modal and panel threshold regression model.It shows that innovation speed significantly affects innovation output with a 0.344 elastic coefficient.With more innovation output,elastic coefficient of innovation speed increases.When innovation speed is at a medium level,elastic coefficient of innovation speed is largest.Elastic coefficient of firm R&D input is largest,the performance of the full-time equivalent financial technology input and R&D staff is generally not high.

High-technology industry;Innovation speed;Innovation output;Threshold feature

国家社科基金“港口经济圈构建的理论框架和实践探索”(15FJY005)，浙江省软科学重点课题“浙江省创新驱动发展的关键问题、影响因素与评估体系研究”(2015C25024)，浙江省软科学项目“基于可持续发展的浙江战略性新兴产业发展路径与对策研究”(2016C25018)。

2016-11-28

俞立平(1967-)男，江苏姜堰人，博士，教授；研究方向：技术经济、科学计量。

G302

A