企业R&D投入与产学研协同创新绩效分析

李 鹏，李美娟，陈维花

（福州大学 经济与管理学院，福州 350116）

0 引言

“创新、协调、绿色、开放、共享”五大发展理念在党的十八届五中全会中被提出，其中，被摆在国家发展全局核心位置的发展理念是创新。由于企业的可持续发展离不开创新，创新问题一直是学者们研究的热点。Wakelin[1]采用Cobb-Douglas生产函数研究企业的R&D支出与生产率增长的关系，发现R&D支出对生产率增长具有显著的影响。严焰等[2]运用分组回归方法，发现企业R&D投入对创新绩效有正向促进作用。高楠[3]利用灰色关联度方法，计算企业R&D投入与创新绩效的灰色关联度，结果和严焰等[2]一样，两者正相关。何庆丰等[4]通过主成分分析法等方法，实证分析R&D投入与创新绩效间的定量关系，发现R&D投入对创新绩效的贡献为正。

国内外学者们根据自己的研究内容和目的，运用不同的方法分析了企业R&D投入与创新绩效的关系，但很少使用面板数据模型来分析。本文利用2009—2015年全国30个省份的面板数据，运用多指标面板数据因子分析方法对企业R&D投入多指标进行缩减，然后进行单位根检验和协整检验，最后采取面板数据模型分析了企业R&D投入与产学研协同创新效果的关系。

1 模型的设定

作为产学研协同创新的核心利益相关者之一，企业对产学研协同创新发展起着不可或缺的作用，其中R&D投入对创新绩效的作用往往具有决定性意义。企业需要不断加强核心竞争力，提高对R&D投入，增强企业的活力，促进企业可持续健康发展。

根据相关文献，企业R&D投入主要由企业R&D人员和企业R&D经费组成[5]。本文采用面板数据模型实证分析企业R&D投入对创新绩效的影响作用。选取“规模以上工业企业R&D经费投入”“规模以上工业企业R&D人员投入”“规模以上工业企业R&D项目数”作为衡量企业R&D投入的指标。将产学研协同创新绩效分为创新经济绩效和创新科技绩效，分别选择“新产品销售收入”和“专利授权数”作为其替代变量。“新产品销售收入”不仅从经济效果方面反映了创新绩效的情况，而且能够代表创新成果的转化能力，反映创新经济绩效；“专利授权数”代表的是产学研协同创新产出成果的实际结果，可以用来反映创新科技绩效。这两个指标的数值越高，说明企业创新成果转化率越好。本文的相关初始数据均来自《中国统计年鉴》和《中国科技统计年鉴》的历年数据。

模型具体设定如下：

其中，y1表示创新经济绩效，y2表示创新科技绩效；下标i和t表示第i个省份第t期的相应指标；X4表示企业R&D投入，使用多指标面板数据因子分析方法计算得来，其系数β反映了企业R&D投入对创新经济绩效和创新科技绩效的影响效果；υ是随机扰动项，满足E(υ)=0和var(υ)=σ2。

2 实证分析

2.1 多指标面板数据因子分析

为了方便、直观地分析企业R&D投入对产学研协同创新绩效的影响，本文将“规模以上工业企业R&D经费投入”“规模以上工业企业R&D人员投入”“规模以上工业企业R&D项目数”多个指标因子分析降维成一个变量。使用多指标面板数据因子分析方法，即将面板数据各个时间截面数据按时间顺序平铺展开形成一个大截面数据。使用软件SPSS 18.0来辅助完成分析。

对初始数据进行标准化处理，减少因数据间的单位存在量纲差异而可能导致的不必要误差，接着对处理好的数据进行因子分析适用性检验，如表1所示。

表1 适用性检验结果

为了确定所选指标是否适合进行因子分析，可通过表1的KMO值和Bartlett检验的概率值来分析。可以看到，KMO值为0.771，Bartlett检验的概率值为0.000，均说明本文选取的指标适合进行因子分析，可以进一步进行数据分析。

表2是运用主成分分析法提取因子并选取大于1的特征根的分析结果。可以看到，只需要1个特征根就可以解释我国30个省份企业R&D投入情况的97.075%。说明选取的3个初始指标表达的信息可以缩减至1个综合指标，并能很好地反映因子分析降维的思想。

表2 解释的总方差情况

一般情况下，需要确定各指标的权重。按照加权平均的方法，求出综合得分。由于只提取了1个公因子，这个公因子上的得分就是所求的综合得分，计算公式为：

其中，φi（i=1，2，3）为因子得分系数；X1、X2、X3使用原始数据，这与杨俊等[6]处理方法一样。企业R&D投入成份得分系数矩阵如表3所示。

表3 企业R&D投入成份得分系数矩阵

2.2 单位根检验与协整检验

在对变量进行回归数据分析之前，为了防止虚假回归，保证变量平稳性，先对面板数据进行单位根检验。常用的方法主要包括假设样本单位根一致和假设样本单位根不一致两种情况，前者主要方式有LLC、Hadri和Breitung，后者主要方式有IMP、IPS、Fisher-ADF和Fisher-PP。一般情况下，若面板数据是平稳的，需要拒绝存在单位根的原假设。

分别对面板数据lny1、lny2和lnX4进行单位根检验，采用Eviews8.0软件，检验结果如表4所示。可以看出，lny1、lny2和lnX4均在1%的显著水平下是平稳的，均存在单位根，即lny1、lny2和lnX4均为一阶单整变量。

表4 面板单位根检验结果

同样的，需对面板数据进行协整检验，常用的方法主要以Engle and Granger二步法检验为基础和以Johansen协整检验为基础。前者主要方式有Pedroni和Kao，Pedroni允许面板数据存在异质性，其构造了7个检验面板协整的统 计 量 ：Panel-v、Panel-rho、Panel-PP、Panel-ADF、Group-rho、Group-PP和Group-ADF。其中，前4个用联合组内维度描述，后3个用组间维度描述的。本文采用Pedroni检验，lny1、lnX4和lny2、lnX4的面板协整检验结果如表5所示。

表5 Pedroni面板协整检验结果

根据Pedroni[7]的研究结论，本文参考Panel-PP、Panel-ADF、Group-PP和Group-ADF四个统计量的结果。从表5检验结果看，可以认为企业R&D投入与创新经济绩效和创新科技绩效之间均存在长期的均衡关系。

2.3 回归结果分析

在确定采用哪一种具体模型进行数据分析之前，能够采用的方法有F检验和Hausman检验。本文采用Hausman检验，同样运用Eviews 8.0软件辅助，检验结果表明P值远小于显著性水平0.05，所以本文采用固定效应模型（排除随机效应模型和混合效应模型）来分析企业R&D投入对产学研协同创新绩效的影响。

下页表6是对模型（1）和模型（2）参数进行回归的结果果。可以看出，调整R2值分别为0.995、0.992，说明两个模型的拟合优度很高；F的值均在1%水平下显著，说明两个模型总体线性关系显著。

从表6可以得出：（1）除了吉林和黑龙江之外，全国其他地区企业R&D投入X4的系数均能通过t检验，表明企业R&D投入对产学研协同创新经济绩效的影响显著；企业R&D投入的弹性系数平均水平为0.981，说明了企业R&D投入对创新经济绩效具有积极的促进作用。（2）企业R&D投入对产学研协同创新经济绩效影响最大的是江西，其弹性系数约为1.526，说明该省创新经济绩效受企业R&D投入的影响较大；除江西之外，企业R&D投入的弹性系数较大的省份有浙江、新疆、海南、河南、江苏、湖南、宁夏、安徽、河北、湖北、广东、甘肃，弹性系数都在0.981以上，说明这些省份的企业R&D行为对创新经济绩效有较好的促进作用。（3）青海的企业R&D投入对产学研协同创新经济绩效的影响最小，其弹性系数约为-2.234，相对于其他省份，青海省企业R&D行为的增加并未推动创新绩效的提高。青海省2015年R&D人员全时当量仅为4008人年，是除西藏外全国30个省份中最少的，而R&D人员全时当量最高的是广东，为501696人年，是青海的125多倍。科技人才的欠缺在很大程度上削弱了青海的技术创新能力与创新绩效实力。除青海之外，陕西、黑龙江、吉林三省的企业R&D行为的弹性系数也比较小，都在0.5以下，说明这4个省份的企业R&D行为对产学研协同创新经济绩效的促进作用弱于全国其他地区。（4）北京、辽宁、天津、福建、山西、山东、贵州、广西、云南、上海、重庆、四川和内蒙古这13个省份的企业R&D行为对产学研协同创新经济绩效的影响在全国位于中等水平，弹性系数都在0.5～0.981之间。

表6 企业R&D投入与产学研协同创新绩效模型参数的估计结果

同样的分析方法可以得到：企业R&D投入对创新科技绩效具有积极的促进作用（弹性系数平均水平为1.264）。黑龙江、贵州、江西、北京、甘肃、安徽、广西、天津、陕西、山西、新疆、福建和河南这13个省份的企业R&D投入对产学研协同创新科技绩效的促进作用强于全国其他地区，弹性系数都在全国平均水平以上。企业R&D投入对产学研协同创新科技绩效有较差的促进作用的省份有：海南、辽宁、宁夏、上海、青海，弹性系数都在0.8以下。其他省份的企业R&D投入对产学研协同创新科技绩效的影响均在全国位于中等水平。

3 结束语

本文使用我国30个省份2009—2015年的有关面板数据分析企业R&D投入与产学研协同创新效果的关系，得到如下结论：（1）我国30个省份企业R&D投入对创新科技绩效和创新经济绩效均具有积极显著的促进作用。所以企业在进行相关创新活动时要积极分析R&D投入与创新绩效的正面促进关系，在加强企业和高校、科研机构的协作的同时，也要大规模增加企业R&D人员投入和经费投入，实现R&D资源的优化配置，提高人力、经费的合理、有效使用。（2）企业R&D投入对创新科技绩效的促进作用高于对创新经济绩效的促进作用。所以，企业在保证科技绩效提升的情况下，要进一步提升经济绩效，提高科技创新成果的转化率。避免创新目标不明确，创新成果与市场脱节的现象，使创新成果市场化、商业化。（3）对创新科技绩效和创新经济绩效的影响都很高的省份有江西、新疆、河南、安徽，很低的省份仅有青海，其他省份则是表现出企业R&D投入弹性系数此高彼低的特点。因此，对创新绩效影响低的省份可以采取激励措施，引进与培养创新型、应用型人才；另外，政府可以加强对这些省份的科研经费投入。