创新数量与质量视角下研发人员绩效研究※

王黎明 俞立平

内容提要：从创新数量与创新质量的视角分析研发人员的作用特征具有重要意义。该文首先从理论上构建了研发人员对创新数量、创新质量的作用机制，包括直接作用机制、间接作用机制与创新成果反馈机制。并利用贝叶斯向量自回归模型与面板门槛模型进行了实证，研究结果表明，研发人员对创新数量作用机制显著。研发人员对创新质量不具备直接作用机制和反馈机制，只有微弱的间接作用机制。研发人员对创新数量的贡献具有创新数量门槛效应、研发人员门槛效应、企业研发经费门槛效应：随着创新数量水平的提高，研发人员贡献的弹性也较高；随着研发人员增加，研发人员贡献的弹性降低；随着企业研发经费的增加，研发人员贡献的弹性呈现先增加后降低的状态。

一、 引 言

我国已经成为创新大国，但还不是创新强国，广大科技工作者是我国重要的创新主体。据2015年中国统计年鉴，全国R&D人员535.15万人，居世界第一，其中全时人员336.36万人，占62.85%，投入研究与试验发展经费13015.63亿元，居世界第二位。我国发明专利受理数世界第一，科技论文世界第二。需要注意的是，我国还不是科技强国。据中国科学技术信息研究所统计，中国各学科论文在2005-2015年10年期间共发表国际论文158.11万篇，稳居世界第二，但被引用次数处于世界前1%的高被引论文有15011篇，仅占全世界的11.9%。美国、英国和德国高被引论文数量分别为65079篇、16478和15073篇，均超过中国。除了在量子通讯、航天、高铁等少数领域我国处于世界先进水平外，大多数技术领域我国与发达国家还有较大差距。

创新数量代表了创新的总体规模，而创新质量代表了创新的实际水平，研发人员发挥着重要作用。创新质量是产品和服务的质量、过程质量、企业管理质量的综合(Haner，2002)，是创新所提供的产品、服务、过程，经营管理和市场的组织、方法的特征满足顾客要求的程度，以及所含缺陷的免除程度(杨幽红，2013)。科技人员对创新的贡献，既体现在创新的数量，也体现在创新的质量上。在这样的背景下，研究研发人员对创新数量与创新质量的作用机制，分析其中存在的问题，不仅有利于提高创新绩效，提高研发人员的积极性，而且对于国家出台相关科技政策具有重要意义。

关于研发人员与创新的关系。Coombs(1996)在总结若干大型企业研发战略管理成功经验基础上，提出创新绩效是企业研发先期投入和过程学习的体现，是衡量研发人员创新活动有效性的关键指标。Mumford(2000)认为创新不仅指企业赖以生存和发展的创新产品或技术，还涵盖了研发人员在实现创新目标过程中的知识发现、创新流程和工作氛围等所有可能影响创新绩效的过程因素。Kogut et al.(1992)认为创新实际上是研发人员在对知识识别、整合和创造过程中所产生的各种显性和隐性成果，是研发人员个体综合创新能力的体现。Nelson et al.(1966)最早从创新能力维度评价企业研发人员的创新绩效，重点关注如何从教育角度促进研发人员创新能力成长，以加快技术扩散和企业利润增长。李永周、黄薇等(2014)认为研发人员的创新绩效并非是单纯的创新业绩体现，而是对创新系统从研发资源投入到创新成果产出过程中，创新效率和效益的综合衡量。

在实证研究领域，Thomhill(2006)认为研发人员创新活动中所涉及的企业知识、行业活力和创新互动等都会影响企业的经营业绩。Lev et al.(1996)研究发现，科研经费投入对科技创新团队绩效的影响具有明显滞后作用，影响持续时间与科研团队所在领域相关。Moenaert et al.(1990)把市场客户、现有技术、同业竞争和储备资源的不确定程度视为影响研发人员信息获取能力和创新成功的关键障碍因素，并分析了不同情境下研发人员创新行为的风险高低程度。Ballot et al.(2001)将中间创新产出纳入研发人员创新模型，用以考核创新投入的利用率和创新流程的有效性。王钺、白俊红(2016)运用引力模型和空间计量分析技术，研究发现研发人员的区际流动能够显著促进中国地区创新的收敛，而户籍制度改革对研发人员的流动有显著的推进作用。吴玉鸣(2006)对我国省域R&D投入与创新产出之间的关系进行了计量分析，发现省域人力资本投入对区域创新产出的贡献率最高。

也有少数研究认为研发人员对创新的贡献较低。车春鹂、陆文安(2015)分析发现，某市187个科研团队中，科技资金、人力资源投入与科技创新团队绩效之间不存在显著相关关系。邓明、钱争鸣(2009)在知识生产中引入了知识存量的概念，研究了知识存量、知识生产与空间知识溢出之间的关系。研究发现我国区域知识生产效率较低，特别是科技活动人员的产出弹性很低。

从现有的研究看，微观层面关于科技团队的组成、影响因素、激励等领域的研究较多，关于研发人员的绩效、对创新以及企业效益贡献的研究也比较丰富。关于研发人员的绩效，学术界研究结论并不一致，可能与变量选择、模型设置、研究对象等不同有关。总体上，在以下几个方面有必要进行进一步的深入研究：

第一，创新既包括创新数量，也包括创新质量，从这个角度研究研发人员作用机制、作用特点的研究不多，需要从理论和实证角度加以深入分析。

第二，研发经费与研发人员是两项重要的创新投入，它们对创新数量与创新质量作用有何区别？作用规律有何特点？

第三，我国科技投入产出中，从创新数量与创新质量的视角，存在哪些问题？原因是什么？

本文以我国高技术产业为例，对以上问题进行分析。高技术产业是我国国民经济的主导产业和创新的重要主体，具有较强的代表性。本文首先基于贝叶斯向量自回归模型，从宏观上分析研发人员投入、研发经费投入与创新数量、创新质量之间的互动关系，在此基础上，进一步采用面板门槛模型，研究研发人员投入对创新数量、创新质量的非线性关系，包括研发人员对创新成果贡献的创新成果门槛效应、研发人员自身门槛效应、研发经费门槛效应，最后进行总结。

二、 研发人员对创新数量、创新质量的作用机制

1. 研发人员对创新的作用机制

研发人员的作用机制如图1所示。其作用机制包括直接作用机制、间接作用机制和反馈机制。直接作用机制就是研发人员的投入，会通过其创造性的劳动，带来创新成果的增加，包括创新数量的增加与创新质量的提高。间接作用机制就是指，企业扩大研发人员投入，除了人员投入带来的创新贡献外，还通过带动研发经费的进一步增加，带来创新成果的增加。直接作用机制是一种静态贡献，而间接作用机制是一种动态贡献，是随着研发人员增加而体现的。研发人员对创新的作用还体现在反馈机制上，即研发人员投入取得较好的创新成果，为企业带来效益，企业得到激励后会进一步加大研发人员与经费投入，形成良性循环。反馈机制是间接作用机制的重要推动力量。

图1 研发人员的作用机制

2. 研发人员对创新数量、创新质量的非线性分析

研发人员对创新数量、创新质量的贡献是一个比较复杂的问题，以往研究之所以会出现研发人员对创新贡献较小甚至不显著情况，除了变量选取、研究对象、模型设置不同以外，另外一个重要原因可能与研发人员对创新贡献的非线性有关。所谓非线性，就是指不同的创新成果、不同研发人员水平、不同企业研发经费水平下，研发人员的弹性均会体现出不同的特点和规律。

第一，不同创新数量、创新质量下研发人员弹性。当创新数量水平较低时，研发人员数量较少，水平较低，随着创新数量的提高，企业研发水平也得到提高，相应地，研发人员对创新的贡献也得到提高。研发人员规模的扩大，还会带来创新的规模经济效果，即人均创新数量会得到提高。对于创新质量，情况也类似。为此，本文提出如下假设：

H1：随着创新数量的提高，研发人员对创新数量的弹性越来越大，即研发人员贡献存在创新数量的门槛效应。

H2：随着创新质量的提高，研发人员对创新质量的弹性越来越大，即研发人员贡献存在创新质量的门槛效应。

第二，不同研发人员水平下研发人员的弹性。当研发人员数量较少时，研发人员受到足够的重视，积极性得到充分发挥，因此对创新数量的贡献必然较大，随着研发人员增多，团队得到扩大，力量增强，创新数量必然增加，但是研发人员的边际贡献是减少的，其弹性是降低的。对于创新质量，同样也呈现类似的规律，为此提出以下假设：

H3：随着研发人员增加，研发人员对创新数量的弹性越来越低，即研发人员贡献存在自身的门槛效应。

H4：随着研发人员增加，研发人员对创新质量的弹性越来越低，即研发人员贡献存在自身的门槛效应。

图2 不同研发人员下研发人员弹性

第三，不同研发经费下研发人员的弹性(图3)。当研发经费较低时，由于没有足够的经费投入，研发人员难以开展有效的研究，因此创新数量是较低的，随着研发经费的进一步增加，在较好的条件下，研发人员可以获取更好的创新数量，但是当研发经费非常充裕时，虽然创新数量继续增加，但研发人员创造性得到充分发挥，此时增加创新数量更加困难。为此提出以下假设：

H5：随着研发经费增加，研发人员对创新数量的贡献呈现先增后降的状态，即研发人员对创新数量的贡献呈现研发经费门槛。

对于创新质量，虽然从理论上与创新数量类似，但由于我国创新质量还较低，研发经费增加时，创新质量总体是提高的，因此研发人员对创新质量的贡献总体上呈现单调递增状态。为此提出以下假设：

H6：随着研发经费的增加，研发人员对创新质量的贡献呈现递增状态，即研发人员对创新质量的贡献呈现研发经费门槛。

图3 不同研发经费下研发人员弹性

三、 研究方法与数据

1. 贝叶斯向量自回归模型

为了分析研发经费投入、研发人员投入与创新数量、创新质量之间的互动关系，可以用贝叶斯向量自回归模型(Bayesian Vector Autoregressions，BVAR)进行研究。贝叶斯向量自回归模型是在Sims(1980)创立的传统VAR模型基础上产生的，用来分析若干具有互动关系的变量之间的关系。传统VAR模型有一些不足，影响了其应用，尤其是在数据量较少的情况下。比如VAR模型不能解决待估参数过多问题，当滞后期较多和数据量偏少的情况下会出现估计偏误，也不能有效处理各滞后变量之间的多重共线性问题。Litterman(1986)在贝叶斯推断理论基础上创立了贝叶斯向量自回归模型，在短期预测时，预测精度得到了大幅提高，并且不会出现传统模型的不可信结构。与传统VAR模型类似的是，BVAR模型也是主要通过脉冲响应函数与方差分解来分析变量之间的互动关系。

2. 面板门槛回归模型

在贝叶斯向量自回归模型的基础上，可以采用面板门槛模型进一步分析研发人员对创新数量、创新质量贡献的非线性效应。这里主要包括创新数量/创新质量自身的门槛、研发人员门槛、研发经费门槛三种类型，从而可以检验本文中的几个主要假设，以对研发人员的作用机制进行验证。

(1) 基本方程。本文的基本方程是科技生产函数。在科技投入产出中，Griliches(1979)借鉴Cobb-Doglas生产函数，首先将研发经费引入到科技投入产出中，Jaffe(1989)在此基础上进一步引入科技人力资源投入，这就是著名的Griliches- Jaffe知识生产函数：

Y=AKαLβ

(1)

公式(1)中，Y表示科技产出，K表示研发经费，L表示研发人员，α、β分别表示研发经费与研发人员的弹性系数，A为常数项，表示科技生产函数中的全要素生产率。

(2) 创新数量、创新质量门槛。以创新数量为例，由于研发人员L对创新数量Y1的贡献可能存在创新数量门槛效应。假设存在单门槛，如果存在一个创新数量水平τ，使得对于Y1≤τ和Y1>τ时，研发人员对创新数量贡献的弹性呈现显著差异。当Y1≤τ时，研发人员对创新数量的弹性系数为θ1；当Y1>τ时，研发人员对创新数量的弹性系数为θ2。如果存在多个门槛，可以进一步引入更多的τ1、τ2……，原理类似。

(2)

对于创新质量门槛，方法类似，这里省略公式。

(3) 研发人员门槛。所谓研发人员门槛，就是在不同研发人员水平下，研发人员对创新数量、创新质量的弹性呈现出显著的差异。以创新数量为例，假设存在单门槛，如果存在一个研发人员水平τ，使得对于L≤τ和L>τ时，研发人员对创新数量贡献的弹性呈现显著差异。当L≤τ时，研发人员对创新数量的弹性系数为θ1；当L>τ时，研发人员对创新数量的弹性系数为θ2。如果存在多个门槛，可以进一步引入更多的τ1、τ2……。

(3)

对于研发人员对创新质量贡献的研发人员自身门槛，方法类似，在此同样省略公式。

(4) 企业研发经费门槛。所谓企业研发经费门槛，就是在不同企业研发经费水平下，研发人员对创新数量和创新质量的弹性出现显著差异。以创新质量为例，对于单门槛情形，如果存在一个企业研发经费水平τ，使得对于K≤τ和K>τ时，研发人员对创新数量贡献的弹性出现显著差异。当K≤τ时，研发人员对创新数量的弹性系数为θ1；当K>τ时，研发人员对创新数量的弹性系数为θ2。如果存在多个门槛，可以进一步引入更多的τ1、τ2……。

(4)

对于研发人员对创新质量贡献的企业研发经费门槛，方法类似，此处公式省略。

3. 变量与数据

高技术企业知识生产函数中，因变量涉及创新数量Y1、创新质量Y2，创新数量主要从创新规模角度衡量，借鉴Griliches(1990)的方法，采用新产品销售收入表示。关于创新质量的处理方法较多，Lerner(1994)采用授权专利IPC分类号前4位表示，张古鹏、陈向东等(2011)采用专利长度和专利授权率表示。本文基于省际面板数据进行研究，无法得到专利代码长度相关数据，因此采用授权发明专利占所有申请专利的比重表示。

因变量中，企业研发投入数据直接来自于高技术产业统计年鉴，研发人员投入采用研发人员折合全时当量表示，数据也直接来自统计年鉴。由于发明专利授权数指标2010年才开始公布，因此数据范围为2010-2015年期间。西藏地区因数据缺失较多而将其删除，实际为30个省市6年的面板数据，变量的描述统计如表1所示。

四、 实证结果

1. 变量的平稳性检验

表1 变量描述统计

由于分析研发人员对创新数量、创新质量的非线性关系本质上仍然是回归，因此必须对数据进行平稳性检验，以防止出现伪回归问题。从提高稳健性角度出发，本文同时采用Hadri、Levin lin & chu、Fisher ADF三种方法进行平稳性检验，以结果相同为准，结果如表2所示，经过1阶差分后，所有变量均为平稳的面板数据。

表2 变量的平稳性检验

注：***、**和*分别表示在1%、5%和10%的统计水平上显著。下表同。

2. 研发投入与创新数量、创新质量的互动关系

下面建立面板贝叶斯向量自回归模型，分析创新数量、创新质量、企业研发经费、研发人员之间的互动关系。贝叶斯向量自回归模型不要考虑协整关系，根据经验滞后期选择2期，这是因为滞后期太短不能反映投入产出关系，而滞后期太长数据时间跨度不允许。下面采用脉冲响应函数与方差分解进行深度分析。

图4 创新数量的脉冲响应函数

(1) 脉冲响应函数分析。第一，创新数量的脉冲响应函数(图4)。来自研发经费一个标准差的正向冲击对其影响最大，但作用有一定的滞后性，当期为0，然后快速升高并趋于稳定。其次是来自创新质量的冲击，当期为0，随后持续升高，作用时间较长。说明创新质量的提高有利于创新数量的增加。最后是研发人员的冲击，当期为0，第三期达到极大值后趋于稳定。

第二，创新质量的脉冲响应函数(图5)。来自创新数量一个标准差的正向冲击对其影响最大，其次是研发经费的冲击，但两者的总体作用比较轻微，尚难以有效地提高创新质量。而来自研发人员的冲击对其影响为负，说明研发人员的增加难以有效提高创新质量，反而有相反的效果。

图5 创新质量的脉冲响应函数

第三，企业研发经费的脉冲响应函数(图6)。来自创新数量一个标准差的正向冲击对其影响最大，当期就发挥作用，效果比较平稳，时间较长，说明创新数量对企业研发经费形成了良好的正向反馈。来自创新质量的冲击次之，当期就发挥作用，并且随着时间的推延总体呈上升趋势。来自研发人员的冲击作用最小，当期为0，第三期达到最大，随后缓慢下降。

图6 企业研发经费的脉冲响应函数

第四，研发人员的脉冲响应函数(图7)。来自创新质量一个标准差的正向冲击对其影响最大，当期就发挥作用并达到极大值，随后缓慢下降。其次是研发经费的冲击，同样当期发挥作用并达到极大值，随后缓慢下降。最后是创新质量的冲击，当期发挥作用，随后急剧衰减为负，到第四期以后才逐渐上升。

图7 研发人员的脉冲响应函数

(2) 方差分解。各变量方差分解如表3所示。创新数量的方差分解中，除自身外，研发经费作用较大，创新质量与研发人员作用较小。创新质量的方差分解中，除自身外，研发人员的贡献最大。企业研发经费的方差分解中，除自身外，创新数量份额最大，其次是创新质量和研发人员。研发人员的方差分解中，创新数量与研发经费的作用较大。

表3 方差分解(100%)

(3) 研究小结。基于脉冲响应函数与方差分解可以看出，研发人员与创新数量之间形成了良性的互动关系。研发人员与创新质量之间不存在互动关系。总体上，研发人员对创新数量具有直接作用机制，对创新质量不具备直接作用机制。存在的原因一方面是由于我国创新质量总体水平不高，另一方面可能是研发人员与创新质量之间存在非线性关系，因此有必要采用面板门槛回归模型进行进一步分析。

研发人员与研发经费之间形成了良性互动，而企业研发经费与创新数量、创新质量之间也形成了良性互动，因此研发人员的间接作用机制还是比较明显。

研发人员与创新数量之间形成了反馈机制，与创新质量之间不存在反馈机制。

3. 研发人员作用的面板门槛回归模型分析

(1) 不同创新数量、创新质量下研发人员弹性。首先对不同创新数量门槛下的研发人员弹性进行估计，基于Hansen(1999)的面板数据门槛模型，首先进行单门槛检验，F检验值为18.641，相伴概率为0.001，拒绝没有门槛的原假设，继续进行双门槛检验，结果F检验值为20.116，相伴概率为0.000，可以采用双门槛模型，但第一阶段研发人员的回归系数没有通过统计检验，最终决定采用单门槛模型。此外，考虑到研发投入与产出之间的滞后关系，滞后期选择1年进行估计，结果如表4所示。

表4 创新数量门槛下研发人员对创新数量的弹性

注：括号内为标准误。下表同。

创新数量自然对数的门槛值为14.239，即当创新数量的自然对数小于等于该值时，研发人员对创新数量的弹性为0.261，共有93组数据位于此范围；当创新数量的自然对数大于该值时，研发人员对创新数量的弹性为0.339，共有87组数据位于此范围，这样H1就得到了检验。

下面对不同创新质量门槛下研发人员的弹性进行估计，经过检验发现，研发人员对创新质量的贡献不存在创新质量的门槛效应，并且在采用普通最小二乘法进行估计时，研发人员对创新质量的弹性系数为负数但没有通过统计性检验，这样H2就没有得到检验。

(2)不同研发人员水平下研发人员的弹性。首先对不同研发人员门槛下研发人员对创新数量的弹性进行估计，单门槛F检验值为16.213，相伴概率为0.001，双门槛F检验值为4.828，相伴概率为0.025，最终决定采用双门槛模型进行估计，结果如表5所示。

表5 研发人员自身门槛下研发人员对创新数量的弹性

研发人员两个门槛值的自然对数分别为5.050、9.675，将研发人员水平分为三类，数据组数量分别为9、129、42个，以中等水平居多。随着研发人员的增加，其对创新数量贡献的弹性系数分别为0.727、0.351、0.311，弹性系数是逐渐降低的，这样H3就得到了检验。

经过进一步检验发现，研发人员对创新质量的贡献不存在研发人员自身的门槛， 这样H4就没有得到检验。

(3) 不同研发经费门槛下研发人员的弹性。首先对不同研发经费门槛下研发人员对创新数量的弹性进行估计，单门槛F检验值为7.105，相伴概率为0.009，双门槛F检验值为2.959，相伴概率为0.085，最终决定采用双门槛模型进行估计，结果如表6所示。

表6 研发经费门槛下研发人员对创新数量的弹性

企业研发经费两个门槛值的自然对数分别为11.931、13.337，将研发经费投入水平分为三类，数据组数量分别为93、56、31个。随着企业研发经费增加，研发人员对创新数量贡献的弹性系数分别为0.294、0.348、0.316，呈现中间高两边低的特点，这样H5就得到了检验。

同样经过进一步检验发现，研发人员对创新质量的贡献不存在企业研发经费自身的门槛效应，这样H6就没有得到检验。

五、 研究结论

1. 研发人员对创新数量作用机制显著

本文构建了研发人员对创新数量与创新质量作用机制的理论框架，并采用贝叶斯向量自回归模型和面板门槛回归模型进行了实证。研究表明，研发人员对创新数量的作用机制显著，其直接作用机制是研发人员对创新数量的直接贡献，间接作用机制是研发人员的增加通过带动研发经费的增加进而加快创新数量产出，同时创新数量增加会对研发人员投入增加带来正向反馈，具有反馈机制。

2. 研发人员对创新质量的作用机制不显著

研发人员对创新质量的贡献并没有呈现理论上的直接作用机制和反馈机制，但研发人员增加通过带动研发经费增加对创新质量具有一定的间接作用机制，总体上，研发人员对创新质量的作用机制不显著。存在的原因主要有两个：一是我国创新质量较低，还处于起步阶段；二是研发人员对创新质量的贡献呈现非线性关系。实证研究排除了后者，也就是说，研发人员对创新质量作用机制不显著的根本原因是我国创新质量水平较低所致。因此，一方面要加快创新驱动发展，注重创新成果量的扩张，促进我国高技术产业转型升级；另一方面要注重提高创新质量，以提高企业核心竞争力，两者必须协调发展。

3. 研发人员对创新数量的贡献呈现非线性特征

研发人员对创新数量的贡献具有创新数量门槛效应，即随着创新数量水平的提高，研发人员贡献的弹性也较高。研发人员对创新数量的贡献也具备研发人员自身的门槛效应，随着研发人员增加，研发人员贡献的弹性是降低的。研发人员对创新数量的贡献也具备企业研发经费门槛效应，随着企业研发经费的增加，研发人员贡献的弹性呈现先增加后降低的状态，即中等研发经费时，研发人员贡献的弹性最大。