产业创新速度的作用机制及要素投入效应

俞立平,宋夏云,储望煜

(1.浙江工商大学管理工程与电子商务学院,浙江 杭州 310018；2.浙江财经大学会计学院,浙江 杭州 310018；3.中南财经政法大学统计与数学学院，湖北 武汉 430073)

0 引言

目前,以美国为代表的西方发达国家在产品创新速度上优势明显，多数产品已经达到3周左右的设计周期和3个月左右的试制周期，而中国大部分企业的新产品开发周期较长，平均为18个月[1]。有研究表明，市场第二进入者的平均市场占有率只有第一进入者的71%，第三进入者的平均市场占有率只有第一进入者的58%[2]。

高技术产业是中国国民经济发展的支柱产业，2015年，大中型高技术产业研发经费内部支出为2219.66亿元，R&D活动折合全时当量590016人年，实现新产品销售收入38111.48亿元，拥有发明专利199728项。研究高技术产业创新速度的作用机制，分析其对研发资源投入的影响效应，总结规律，分析其中存在的问题，对于加快高技术产业创新驱动发展，提高转型升级的进程具有十分重要的意义。

创新速度的概念首先起源于产品创新速度，目前主要有两种界定方式：Manisfield[3]认为产品创新速度是从研发到销售过程中，某两个标志性事件的时间跨度。Kessler等[4]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涉猎较少，本文认为，产业创新速度就是指产业技术创新的快慢程度，一般用产业创新成果的年度增长率表示。产品创新速度往往以时间为单位，但产业创新速度一般难以用时间进行衡量，它是隐性的。

创新速度的研究主要集中在产品创新速度上。Cohen等[5]根据经济学的厂商理论，研究如何在不牺牲产品质量的前提下提高快速创新的可能性。Karagozoglu等[6]认为，由于激进式创新更加复杂，增加了风险，因此创新产品的复杂度越低，技术创新速度就会越快。Griffin[7]指出，加快创新速度生产的新产品不一定能取得成功，还取决于竞争对手的创新速度。Zirger等[8]基于结构方程模型，对企业加速创新的动因、影响因素、与创新绩效的关系等问题进行了跨行业研究。Murmann[9]认为，把资源集中在少数研发项目上能够提高项目的技术创新速度。Mower等[10]研究发现，当工作任务的相互依赖性要求研发人员密切协作时，个体绩效薪酬能强化研发人员之间的竞争，反而降低了团队内部知识共享和合作的可能性，从而影响创新速度。宋浩亮[11]将技术创新速度分为两个维度，即绝对速度和相对速度。

现有关于产品创新速度的理论、机制、规律等的研究比较充分，涉及产品创新速度与创新成果、利润、产品质量等诸多方面，但是关于产业创新速度的研究还处于起步阶段，对于产业创新速度的界定、作用机制、作用规律的研究较少。本文基于高技术产业的面板数据，在对产业创新速度直接作用机制和间接作用机制分析的基础上，通过面板数据模型与面板门槛回归模型，对产业创新速度的直接作用机制进行测度，并对其间接作用机制的非线性作用机制进行分析。

1 产业创新速度的作用机制与要素投入效应分析

产业创新速度的作用机制包括直接和间接作用机制(见图1)。直接作用机制又包括驱动机制和拉动机制，驱动机制是由于企业内部动力导致的产业创新速度提升，而拉动机制主要是由于政府和市场竞争的因素导致的提升。间接作用机制是指产业创新速度提高带来的资源带动效应和配置效应。

图1 产业创新速度的作用机制

1.1 产业创新速度的直接作用机制

(1)产业创新速度的驱动机制。产业创新速度的驱动机制主要源于微观视角，从企业主体角度分析加快创新速度的动因，主要体现在以下方面：第一，市场先入效应。Emmanuelides[12]认为提高技术创新速度的最大动力就在于能够使企业获得先入优势，技术创新速度越快，所获得的先入优势就越大。Chen等[13]认为加快创新速度能够提高产品的新颖程度，更好地满足消费者不断变化的需求，提高消费者的效用和感知水平；第二，竞争优势效应。Clemens等[14]认为创新速度快是企业核心竞争力所在，也是竞争优势的重要前提；第三，品牌效应。Menon等[15]认为产品快速创新就是一种品牌，加快创新速度能使企业产品更快地投向市场，吸引和留住客户，树立企业良好的品牌形象；第四，研发效率提高效应。Mcevily等[16]、Kessler等[4]认为加快创新速度意味着研发效率的提高，从而分摊了创新成本。Dickson等[17]认为新产品开发团队如果乐于尝试有关新产品的观点想法以及实施新技术，并勇于承担由此带来的风险后果，可以加快创新速度；第五，知识积累效应。以Cohen[18]为代表的学者认为，创新速度的加快增加了团队的知识积累，而团队知识的积累带来了规模效应，使得最终提供给消费者的产品更加完善，开发的新产品更能满足顾客需求；第六，利润效应。当然，这也是最终效应，快速创新最终能够为企业带来丰厚的利润回报[19]。

(2)产业创新速度的拉动机制。第一，创新驱动压力。政府一定程度上也是理性人，在创新驱动发展背景下，政府也面临着高技术产业的转型升级压力，因此会根据本地高技术产业的创新情况、资源禀赋特点，出台相关的创新驱动发展政策，鼓励企业加快创新；第二，集聚竞争效应。我国高技术产业的发展除了市场机制外，可以说政府在其中发挥着重要作用。政府通过出台一系列财政、税收、金融等优惠政策，进行招商引资，培育和鼓励产业发展，各种工业园、产业集聚区都是政府宏观引导的结果。产业集聚和产业发展加大了高技术企业之间的竞争，促使企业加大研发投入，提高创新速度；第三，规模经济效应。Worley[20]认为大企业每单位规模实现了更多的研究开发。产业集聚必然导致创新资源集聚，大量的研发资金、研发人员、实验设备等会流向产业集聚区，同时会加强高校、科研院所与产业之间进行紧密合作，产生创新的规模经济效果，从而提高创新的绩效。

根据以上分析，本文提出假设1：产业创新速度对创新成果具有促进作用，其弹性系数为正。

1.2 产业创新速度的间接作用机制

第一，研发资源带动效应。刘立[21]认为,企业创新的必要资源除了从事研究所需要的物质，还包括一支高素质的科学家和工程师队伍，企业人力资源储备越高，其从事R&D的可能性就越大。创新速度是产业加快创新资源投入的结果，因为加快创新资源投入，包括研发经费、研发人员等投入，必然带来更多的创新成果，从而加快创新速度。同时，创新速度也是企业加快创新资源投入的原因，如果将创新速度作为企业的重要目标，当然必须进行创新资源的投入。

第二，研发资源配置效应。Evange等[22]研究发现，公司员工规模与R&D支出有正相关关系，R&D活动的开展推动了企业生产规模的扩大，导致对人力资源需求的增大。黄鲁成等[23]认为研发倾向集中于对人力资本的投入，研发人员的投入与研发经费的支出是从事科技活动的最主要投入要素，同时两者又相互影响。研发人员的报酬构成研发支出的一部分，而研发支出的数额又限制着从事研发人员的数量，两者保持适当的比例有利于提高研发活动的效率。加快创新速度，必然要追加研发经费、研发人员投入，究竟如何增加以及研发资源的结构配置，取决于创新速度的要求、产业产品创新的特点、资源禀赋、时间约束、经费数量等多方面因素。因此产业创新速度具有资源配置效应，在充分考虑投入产出比的情况下完成既定的创新目标。

1.3 产业创新速度的要素投入效应

(1)产业创新速度对研发经费带动的非线性效应。创新速度的提升，必然带来研发经费投入的增加。创新速度对创新成果的贡献大小，很大程度上也取决于研发经费投入的规模，不是所有规模的产业其创新速度贡献的弹性是一样的，可能存在非线性关系。一般而言，研发经费投入较少的企业往往创新绩效也不好，创新速度的弹性也较低，而研发投入较多的产业往往容易取得较好的绩效，创新速度对创新成果的贡献更大。为此，本文提出假设2：研发经费投入较多的高技术产业，其产业创新速度对创新成果的贡献的弹性更大。

(2)创业创新速度对研发人员带动的非线性效应。研发人员是创新的重要力量，研发团队的水平、合作、激励等因素决定着创新速度。马永远[24]实证研究发现，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。当研发人员投入较低时，一般也难以保证取得较好的创新效果，因此创新速度的弹性就低，当研发人员投入过多时，可能由于激励和管理等问题，也不太容易取得较好的创新效果。为此，提出假设3：研发人员投入中等的高技术产业，其产业创新速度对创新成果的贡献更大。

2 研究方法与数据

2.1 创新速度直接效应的估计

Jaffe[25]基于Cobb-Doulas生产函数，在Griliches[26]研究的基础上，将科技人力资源变量引入到方程中，构建了著名的Griliches-Jaffe知识生产函数：

Y=AKαLβ

(1)

式中，Y表示创新成果，K表示研发经费，L表示研发人员，α、β表示弹性系数，A为全要素生产率。在此基础上增加产业创新速度变量S，为了消除异方差，对式(1)两边取对数，经整理得：

log(Y)=c+αlog(K)+βlog(L)+γlog(S)

(2)

采用式(2)在对研发经费和研发人员的贡献进行估计的同时，也可以有效地对创新速度的直接效应进行估计。本文采用面板数据模型Mundlak[27]进行估计，面板数据在保证数据数量的同时，可以有效消除回归时多重共线性的不足，保证回归时有足够多的自由度，避免出现t检验值过小、相伴概率较高甚至回归系数符号错误等问题，保证了估计效率和估计效果。由于高技术产业创新投入产出中往往存在变量的内生性问题，比如创新速度明显与研发经费、研发人员相关，因此采用系统广义矩法(SYS-GMM)进行估计[28]，它克服了差分广义矩法估计量较易受弱工具变量影响的缺点，工具变量选取时一般采用自变量的一阶滞后项。

2.2 创新速度的研发经费门槛效应

创新速度可能存在研发经费的非线性效应，即门槛效应，一个门槛表示有二个弹性值，二个门槛有三个弹性值，依此类推。以一个门槛为例，对于创新速度S而言，假设存在一个研发经费门槛水平τ，使得对于K≤τ和K>τ时，创新速度对创新成果的弹性系数呈现显著差异：

(3)

当K≤τ时，创新速度对创新成果的弹性系数为θ1；当K>τ时，创新速度对创新成果的弹性系数为θ2，如果存在多个门槛，当然也可以有更多的τ，原理类似。

2.3 创新速度的研发人员门槛效应

同样，创新速度可能存在研发人员的非线性效应。以一个门槛为例，对于创新速度S而言，假设存在一个研发人员门槛水平τ，使得对于L≤τ和L>τ时，创新速度对创新成果的弹性系数呈现显著差异：

(4)

当K≤τ时，创新速度对创新成果的弹性系数为б1；当K>τ时，创新速度对创新成果的弹性系数为б2，如果存在多个门槛，当然也可以有更多的τ，原理类似。

2.4 数据

创新速度本质上是一个次生变量，首先必须找到能够衡量创新速度的母体，从产出角度衡量创新速度更为合理，因为它反映了创新的市场价值。根据Griliches[29]的研究，本文采用高技术产业的新产品销售收入作为创新成果的替代变量，自然地，采用新产品销售收入的年度增长率来代表创新速度。但在数据处理时，由于所有数据均取对数，而部分地区新产品销售收入存在负增长，这样就无法取对数，因此用下一年度新产品销售收入与上年的比值来表示创新速度。研发经费采用R&D经费内部支出数据，研发人员采用研发人员折合全时当量数据。

由于指标统计口径变化，本文选取2010—2016年《中国高技术产业统计年鉴》的数据，西藏和青海两个地区由于部分年度数据缺失，因此将其剔除，实际数据为29个省级行政区域2009—2015年的面板数据，变量的描述统计量见表1。

表1 变量描述统计

3 实证结果

3.1 变量的平稳性检验

本文数据时间跨度仅有7年，通常没有平稳性问题，不至于出现伪回归问题，但为了稳健起见，继续同时采用Levin Lin及Chu检验、ADF检验、PP检验进行平稳性检验，以结果一致为准(见表2)。经过一阶差分后，所有数据均为平稳序列。

表2 单位根检验

注：*表示在10%的水平下检验通过、**表示5%、***表示1%，下同。

3.2 产业创新速度的直接效应估计

采用公式(2)，对创新速度对创新成果贡献的直接效应进行估计。首先采用随机效应进行估计，然后进行Hauseman检验，结果Hauseman检验值为17.325，相伴概率为0.000，拒绝原假设，应该采用固定效应模型进行估计。另外一个原因是，本文研究数据是总体而非样本，也应该采用固定效应模型进行估计。估计时，考虑到变量的内生性，选取滞后1期的变量作为工具变量，采用系统广义矩进行估计，结果如表3所示。为了便于比较，表3还列出了混合回归的估计结果。从固定效应的估计结果看，研发经费和创新速度在1%的水平上均通过了统计检验，研发人员没有通过统计检验，模型拟合优度R2=0.989，研发经费的弹性系数最大，为1.034，创新速度的弹性系数次之，为0.311。

表3 产业创新速度的直接效应

从混合回归结果看，所有变量在1%的水平上通过了统计检验，模型的拟合优度R2=0.903，也处于较高水平。研发经费的弹性系数最大，为0.795，其次是研发人员的弹性系数，为0.346，创新速度的弹性系数最低，为0.291。

固定效应与混合回归的结果，创新速度均通过了统计检验，假设一得到验证，即创新速度对创新成果的直接作用机制比较显著。

3.3 产业创新速度的研发经费门槛效应估计

为了对创新速度的研发经费门槛效应进行估计，基于Hansen[30]的面板数据门限模型，首先检验高技术产业创新速度是否存在研发经费门槛效应。单门槛检验结果表明，似然比值LR为7.352，F检验值为20.503，相伴概率为0.000，拒绝没有门槛的原假设。继续进行双门槛检验，F检验值为7.781，相伴概率为0.001，说明双门槛效应存在。最后进行三门槛检验，结果没有通过，最终采用双门槛模型进行估计，结果如表4所示。研发经费的弹性系数为0.956，研发人员的弹性系数为0.007，但没有通过统计检验。

表4 创新速度的研发经费门槛效应估计

高技术产业研发经费的门槛值有两个，分别为10.453和11.978，换算成原始值后研发经费投入分别为33927.31万元和159212.01万元。研发经费投入低于33927.31万元的地区数据有47个，介于33927.31万元和159212.01万元之间的地区数据有49个，高于159212.01万元的地区数据有107个，后者数据最多。研发经费投入水平较低地区创新速度的弹性系数为0.326；投入水平中等地区的弹性系数为0.245；投入水平较高地区的弹性系数为0.344，这样假设二就没有得到验证。

在研发经费较低时，企业在艰苦的环境中创新，研发资源投入不足，反而激励了企业的斗志，因此研发经费的利用效率较高，研发人员也团结攻关，反而容易取得较好的创新效果，因此创新速度的弹性系数较高。当研发经费较高时，说明企业研发实力很强，资金投入和人员投入均比较充沛，也容易取得较好的创新效果，创新速度的弹性系数较高。

3.4 产业创新速度的研发人员门槛效应估计

为了对创新速度的研发人员门槛效应进行估计，基于Hansen(1999)的面板数据门限模型，首先检验高技术产业创新速度是否存在研发人员门槛效应。单门槛检验结果表明，似然比值LR为7.352，F检验值为7.148，相伴概率为0.008，拒绝没有门槛的原假设。继续进行双门槛检验，F检验值为5.909，相伴概率为0.021，说明双门槛效应存在。进行三门槛检验，但没有通过。采用双门槛模型进行估计，结果如表5所示。研发经费的弹性系数为0.955，在1%的水平上通过了统计检验，研发人员的弹性系数为0.031，但没有通过统计检验。

表5 创新速度的研发人员门槛效应估计

高技术产业研发人员的门槛值有两个，分别为7.472和9.176，换算成原始值后研发人员投入分别为1758人年和9662人年。研发人员投入低于1758人年的地区数据有54个，介于1758人年和9662人年之间的地区数据有71个，高于9662人年的地区数据有78个，研发人员投入处于高等门槛的数据略多一些。研发人员投入水平较低地区创新速度的弹性系数为0.347；投入水平中等地区的弹性系数为0.256；投入水平较高地区的弹性系数为0.331。中等投入地区创新速度的弹性最低，这样假设三就没有得到验证。

研发人员数量中等时创新速度弹性系数反而降低的原因有两个：第一，研发人员较少时，人员紧张，但每人都是研发骨干，具有使命感，加上激励到位，管理相对高效，因此容易取得较高的创新速度，创新绩效良好；第二，研发人员较多时，企业研发能力增强，研发人员分工协作，知识可以互补，具有规模经济效果，也能取得较好的创新速度，从而使得创新速度的弹性较高。

4 结论

4.1 产业创新速度的直接作用机制显著

产业创新速度的直接作用机制包括驱动机制和拉动机制，内部驱动机制包括市场先入效应、竞争优势效应、品牌效应、研发效率提高效应、知识积累效应和利润效应。拉动机制包括政府的创新驱动压力、集聚竞争效应和规模经济效应。实证研究结果表明，产业创新速度对创新成果具有显著贡献，其弹性系数为正。

4.2 产业创新速度存在研发经费与研发人员门槛

研发经费投入是高技术产业创新发展的最重要因素，其弹性系数最高。产业创新速度存在研发经费门槛效应，当研发经费较低或较高时，创新速度的弹性系数较高。此外，产业创新速度还存在研发人员的门槛效应，当研发人员较低或较高时，创新速度的弹性系数较高。这是因为，当研发经费或研发人员较低时，企业往往拥有较高的创新效率，反而容易取得较好的创新绩效；而当研发经费或研发人员较高时，企业研发实力较强，也容易取得较好的创新绩效。

4.3 研发人员的绩效有待提高

面板数据固定效应模型中，研发人员的弹性没有通过统计检验；面板门槛回归模型估计结果中，研发人员的弹性系数均处于最低水平，并且没有通过统计检验。这充分说明了我国高技术产业研发人员的绩效亟待提高，加强研发管理，做好研发人员激励，是提高研发人员绩效的重要手段。