协同创新对制造业经济绩效影响的实证研究

杨浩昌，李廉水

(1.南昌大学经济管理学院，江西　南昌　330031；2.东南大学经济管理学院，江苏　南京　211189；3.南京信息工程大学中国制造业发展研究院，江苏　南京　210044)

0　引言

随着经济“新常态”的到来，绩效水平不高已逐渐成为当前制约中国制造业由大变强所面临的突出问题。另一方面，随着全球经济一体化进程的逐渐加快，以及新一代信息技术与制造业的加速融合，过去那种只依靠单一创新主体通过引进技术进行模仿式创新，或依靠自身能力进行简单式创新等的发展模式已难以为继[1-2]。因此，由依靠单一创新主体的“封闭式创新”模式向多个不同创新主体(企业、高等院校、科研机构、政府、金融中介等)相互配合、共同协作、协同互动的“协同创新”模式转变越来越成为当前的迫切需求。有鉴于此，我们不禁要思考：中国制造业能否通过借助协同创新这样一种新型的创新范式来有效地提升其经济活动的效率，从而实现其经济绩效的提高？各区域之间所存在的协同创新程度差异是否也可能导致其对制造业经济绩效影响的差异？

纵观国内外现有文献，目前关于协同创新对绩效的影响研究，虽然取得了一定的进展，但是仍未形成一致的结论，依然存在较大的分歧：一部分学者认为协同创新对绩效具有显著的正向影响。Lin等的研究发现，研发协同有助于促进创新绩效的提升[3]。Fndk等通过基于土耳其2006—2008年公司创新活动调查数据的实证分析，发现外部协同合作与创新绩效之间存在正向关系[4]。Huang等通过基于141所台湾高校的实证分析，发现产学研协同创新有助于促进创新绩效的提升[5]。樊霞等的研究发现，产学研协同创新对企业创新绩效具有一定的促进作用[6]。熊励等的研究发现，产业协同创新对创新绩效具有显著的正向影响[7]。王旭等研究发现，协同创新对企业短期和长期绩效均具有显著的促进作用[8]。但是，另一部分学者却得出了与之相反的结论，他们认为协同创新对绩效可能没有影响甚至具有负向影响。Larsson等通过基于瑞典机械生产商数据的实证分析，发现协同创新并不能显著促进创新绩效的提高[9]。Gao等研究结果发现，产学研协同创新对创新绩效的提升作用较弱[10]。白俊红等的研究发现，各创新主体及其之间的协同对创新绩效存在负向影响[11]。林润辉等的研究发现，适当规模的协同创新网络能够显著促进创新绩效的提高，但过度的协同会降低创新绩效[12]。白俊红等的研究发现，各创新主体对创新绩效的影响有正有负[13]。其次，现有研究主要集中于探讨协同创新对制造业创新绩效的影响，而对协同创新对制造业经济绩效的影响研究却鲜有关注。此外，现有研究还相对缺乏深入探讨协同创新对制造业经济绩效的影响是否可能也存在区域差异。

1　实证模型构建与变量说明

1.1　实证模型构建

结合已有文献的研究，本文构建了如下的实证计量模型：

lnPerformanceit=α0+α1lnSynit+α2lnHit+α3lnKit+α4lnInstiit+α5lnInfrait+α6lnStrucit+μi+νt+εit

(1)

其中，Performance为被解释变量；Syn为解释变量；H、K、Insti、Infra、Struc为控制变量(见表1)；下标i和t分别代表地区和年份，μi表示地区虚拟变量，表示不随时间变化的固定效应；νt表示时间虚拟变量，用以捕捉各省市共同的时间趋势，εit表示误差项。其他字母则分别表示常数项、变量系数。

1.2　变量说明与数据来源

本文的数据来源于2002—2016年《中国统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》和国研网。其中，出口值用当年人民币对美元的年平均中间价进行折算；个别年份缺失的数据，用插值法进行补充。表2给出了各主要变量指标的描述性统计结果。

表2　主要变量指标的描述性统计结果

2　实证结果及分析

2.1　总体回归分析

基于2001—2015年中国30个省级制造业总体面板数据和上文构建的实证模型，本文首先对各变量的系数进行了总体估计，结果见表3。

首先，根据Hausman检验，我们在方程1和方程2之间选择方程1。其次，通过比较方程3的估计结果和方程1的估计结果，可以发现：各变量系数符号基本一致。而由于方程3的估计结果在一定程度上能够消除可能存在的异方差性和序列相关性[15]，因此，我们在方程3估计结果的基础上分析总体回归分析的结果。

(1)在控制了人力资本水平、资本投入、对外开放程度、基础设施和产业结构等条件下，协同创新对制造业经济绩效的影响系数为负，并且通过了5%的显著性检验。这表明从全国总体来看，协同创新对制造业经济绩效具有一定的挤出作用。其原因可能主要在于：当前中国总体的协同创新程度较低，而根据协同学的基本原理，如果协同主体之间协同程度较低时，有可能导致不合理优化配置资源，从而造成资源的无效率使用，进而对绩效产生一定的负向影响，即会产生负向协同效应。赵昌平等也提出协同所带来的效应既可以是正的也可以是负的绩效，并非是简单的单边正向效应[16]。

表3　总体回归分析结果

(2)人力资本对制造业经济绩效的影响系数显著为正(通过了1%的显著性检验)，并且当人力资本提高1%，制造业经济绩效将提升1.8043%，在所有系数为正的变量中，其值为最大。这表明，人力资本对中国制造业经济绩效的提升发挥着关键性的作用。要想提升一个地区的制造业经济绩效，大力提高该地区制造业就业人员的素质水平是一个可供选择的重要途径；资本投入对制造业经济绩效的影响系数也显著为正(通过了1%的显著性检验)。这表明增大一个地区的制造业投资力度，也有利于提高该地区的制造业经济绩效；产业结构对制造业经济绩效的影响系数同样为正，并且也通过了1%的显著性检验。这表明产业结构也会促进地区制造业经济绩效的提升。因此，我们应当积极促进制造业产业结构转型升级。

(3)值得注意的是，对外开放程度对制造业经济绩效的影响为负，并且通过了1%的显著性检验。这表明对外开放程度在一定程度上会对一个地区的制造业经济绩效产生一定的挤出效应。其原因可能主要在于：当前中国制造业大多处于技术中低端，经济效益不高，生产效率相对较低[17]，在国际竞争中处于相对不利的地位。对外开放程度越高，外资进入相对越容易，但是外资的大量涌入并不会把其先进的优势技术传授给东道国企业，并且还会占据东道国企业的部分市场份额，从而不利于东道国企业经济绩效的提升。

2.2　分区域回归分析

借鉴杨浩昌等[18-19]的做法，本文首先将全国总体分成东部地区和中西部地区。然后，在此基础上采用分区域的制造业面板数据，进一步探究协同创新对制造业经济绩效影响的区域差异。计量方法和分析软件与前文一致。表4报告了分区域回归分析的结果。

表4　分区域回归分析结果

(1)当研究样本为东部地区时。首先，根据Hausman检验，我们在方程4和方程5之间选择方程4。其次，通过比较方程6的估计结果和方程4的估计结果，可以发现：各变量系数符号基本一致。因此，我们在方程6估计结果的基础上分析东部地区协同创新对制造业经济绩效的影响。根据方程6，可以发现，东部地区协同创新对制造业经济绩效的影响系数为正，并且通过了5%的显著性检验。这表明，东部地区的协同创新有利于促进制造业经济绩效的提升。其原因可能主要在于：东部地区协同创新程度较高，一方面，其可以有效提高企业、高等院校、科研机构、政府、金融中介等创新主体的创新效率，充分调动各创新主体的创新积极性，促进技术进步，从而提高生产效率[20]；另一方面，其通过创新资源和要素的有效汇聚，也能够突破创新主体间的壁垒，从而充分释放彼此间的“人才、资本、信息、技术”等创新要素活力而实现深度合作[21]。因此，在上述两种机制的综合作用下，其能够提高科技创新成果的转化率，并有效地促进经济活动中资源的合理优化配置，从而达到“1+1>2”的正向协同效应，进而促进东部地区制造业经济绩效的提升。

(2)当研究样本为中西部地区时。首先，根据Hausman检验，我们在方程7和方程8之间选择方程7。其次，通过比较方程9的估计结果和方程7的估计结果，可以发现：各变量系数符号基本一致。因此，我们在方程9估计结果的基础上分析中西部地区协同创新对制造业经济绩效的影响。根据方程9，可以发现，中西部协同创新对制造业经济绩效的影响系数也显著为负(通过了10%的显著性检验)。这表明，中西部地区协同创新对制造业经济绩效也会产生一定的挤出效应。其与全国总体协同创新对制造业经济绩效的影响作用相似，其原因可能主要在于：中西部地区协同创新程度较低，不利于地区经济资源的合理有效配置，从而造成了经济活动的绩效水平不高，即导致了负向协同效应的产生。

综上可以发现，协同创新对制造业经济绩效的影响在东部与中西部地区之间存在显著的差异：东部地区的协同创新能够显著促进地区制造业经济绩效的提升，而中西部地区的协同创新则会对地区制造业经济绩效产生一定的挤出效应。其原因可能主要在于：东部地区协同创新程度明显高于中西部地区协同创新程度，从而有利于促进正向协同效应的产生。

3　内生性检验

如果一个地区通过协同创新的方式，可以有效促进该地区制造业经济绩效的提升，那么这种协同创新方式必将得到强化；如果一个地区通过协同创新的方式，该地区制造业经济绩效反而降低了，那么这种协同创新方式必将得到改变或者舍弃。也就是说，前期的制造业经济绩效会对当期的制造业经济绩效产生一定的影响，即存在内生性问题。因此，为了进一步增强上述回归分析结果的可靠性，本文还将使用系统GMM方法来克服模型中被解释变量的内生性问题。为此，借鉴杨浩昌等[22]的做法，引入被解释变量(制造业经济绩效)一阶滞后将其扩展为一个动态计量模型：

lnPerformanceit=α0+δlnPerformancei，t-1+α1lnSynit+α2lnHit+α3lnKit+α4lnInstiit+α5lnInfrait+α6lnStrucit+μi+νt+εit

(2)

其中，lnPerformancei，t-1表示被解释变量(制造业经济绩效)一阶滞后值，其余符号同式(1)。

基于前文的面板数据和上述动态计量模型，本文对各变量进行了动态计量回归分析，其结果见表5。

表5　内生性检验回归分析结果

通过观察表5，我们可以发现：方程10、方程11和方程12中的AR(1)和AR(2)检验均表明本文设立的动态计量模型是合理的；Sargan Test检验也表明本文使用的工具变量是合适的。通过比较方程10与方程3，方程11与方程6，方程12与方程9，可以进一步发现：各变量的系数符号基本一致。这再次表明上文中得出的回归分析结果是稳健的。因此，我们可以进一步得出：从全国总体来看，协同创新对制造业经济绩效具有一定的挤出作用；分区域来看，协同创新对制造业经济绩效的影响存在显著的区域差异：东部地区的协同创新能够显著促进地区制造业经济绩效的提升，而中西部地区的协同创新则会对地区制造业经济绩效产生一定的挤出效应。

4　结论与政策启示

(1)从全国总体来看，在控制了人力资本水平、资本投入、对外开放程度、基础设施和产业结构等条件下，协同创新对制造业经济绩效具有一定的挤出作用。此外，人力资本水平、资本投入、基础设施和产业结构等对制造业经济绩效存在正向的促进作用；而对外开放程度则对制造业经济绩效表现为一定的负向挤出效应。

(2)分区域来看，在控制了人力资本水平、资本投入、对外开放程度、基础设施和产业结构等条件下，协同创新对制造业经济绩效的影响存在显著的区域差异：东部地区的协同创新能够显著促进地区制造业经济绩效的提升，而中西部地区的协同创新则会对地区制造业经济绩效产生一定的挤出效应。

(3)采用动态面板数据模型进行分析，上述结果也成立。其可能的原因主要在于：东部地区协同创新程度显著高于中西部地区协同创新程度，从而有利于促进正向协同效应的产生。

基于上述结论，本文可以得出以下政策启示：首先，东部地区协同创新之所以能够显著促进地区制造业经济绩效的提升，其关键在于东部地区协同创新程度较高，没有产生负向协同效应。因此，我们应积极促进协同创新发展，特别是应积极促进中西部地区协同创新发展，从而有效发挥协同创新的正向协同效应；其次，各地区也应采取多种手段提高人力资本水平，并加大对中西部地区教育的政策扶持力度，改善中西部地区的教育环境，增加中西部地区的教育资源，从而确实有效地提升中西部地区的人力资本水平，以及也应积极增加中西部地区的基础设施建设，并解决中西部地区人才和资金短缺等问题，切实发挥基础设施对地区经济发展的先导作用；再次，各地区还应积极增加资本投入，从而有效发挥资本对经济发展的拉动力作用；最后，各地区还应大力优化产业结构，积极推进产业结构转型升级，促进资源的合理优化配置，从而实现产业结构对制造业经济绩效的提升作用。