技术创新能力的影响因素研究

刘洁

摘 要：本文基于嵌入性理论和技术创新能力影响因素，把影响技术创新能力的社会嵌入分为关系嵌入、结构嵌入和政治嵌入。以技术创新的投入要素分别为R&D经费内部支出、R&D人员投入、技术消化吸收经费和技术改造经费为一层变量，社会嵌入为二层变量，建立影响技术创新能力的多层统计模型。结果显著影响技术创新能力的主效应为投入要素分别为R&D、技术消化吸收经费、政治嵌入和关系嵌入，显著影响技术创新能力的交互效应为结构嵌入和关系嵌入。

关键词：技术创新;多层统计模型;投入要素

一、引言

随着经济的发展，技术创新逐渐成为推动经济增长的主要动力，全球技术创新竞争日益激烈，各国更加重视技术创新的能力。近年以来，我国对高技术产业的科技投人也逐年增加，但是由于产业自身发展中长期存在的问题制约着我国高技术产业的发展，因此我国高技术产业面临着“高投入，低产出”的困境，如何提高我国高技术产业技术创新的能力已经成为发展经济的主要问题。高技术产业技术创新和技术进步是我国经济发展方式转变的重要支撑，能够进一步有效地推进我国建设成为创新型国家的进程。

长江中下游地区技术创新能力一直是我国创新能力最强的地区，因此本文以长江中下游地区为研究对象对技术创新的影响因素展开研究。之前大多理论分析都是研究单层面投入要素或者是单层面市场变化、企业规模、政府支持等技术创新影响因素对技术创新能力的影响，缺少嵌入性思维将变量综合起来分析。本文基于多层统计模型对2011年到2018年长江中下游地区十个省份技术创新能力进行研究，通过嵌入性视角把影响因素分成内外二层进行研究。尤其是将影响技术创新能力的政治嵌入、关系嵌入和结构嵌入纳入模型当中。

二、理论基础

近二十年来，多层统计分析模型已广泛地应用于各个领域。多层统计分析模型不仅可以分析微观水平得到的数据还可以研究宏观角度得到的数据。在上世纪50年代后期和60年代前期，美国哥伦比亚的大学教授Lazarsfeld（1961）和Merton（1957）曾就社会场景对个人行为的效应进行了研究，但他研究的模型采用普通最小二乘法估计，此模型并不能分析多层数据。到20世纪80年代初期，美国密西根大学的社会学家发展了多层模型的统计理论，并编制了相应的程序，将模式应用于分析多层数据。随着时间的发展，多层统计分析模型不断的被完善，不断的被推广，广泛地应用于社会科学的各个研究领域。

本文采用多层统计分析模型对技术创新影响因素进行分层次分析，把技术创新自身投入要素方面的影响因素放在一层，更多有关社会的影响因素放在二层，从而建立多层统计模型，通过零模型判断是否可以进行多层统计分析，如果ICC足够合理在通过固定效应模型分析一层变量对因变量的影响程度，近而再通过随机效应模型判断斜率在组间是否显著性不同，最后引进二层变量建立全模型。

三、实证分析

（一）数据来源和变量选择

本文选取2011-2018年上海、浙江、江苏、安徽、江西、湖南、湖北、重庆、陕西、贵州十个省的数据。

因变量：各地区大中型企业专利申请数（件），数据来源于《中国高技术产业统计年鉴》。

层一变量：各地区大中型企业R&D经费内部支出、大中型企业R&D人员全时当量、大中型企业技术改造经费支出、大中型企业消化吸收支出，数据来源于《中国高技术产业统计年鉴》。

层二变量：财政性教育经费和GDP的比重，各地区财政性教育经费和GDP数据来源于《中国统计年鉴》;外商投资实到金额与进出口总额之和与GDP的比值，数据来源于《各省统计年鉴》和《中国固定资产投资统计年鉴》。

（二）实证结果分析

1、建立零模型

把因变量加入在模型当中，建立零模型，通过零模型把技术创新的变异分解成层一（投入要素因素）和层二（社会嵌入性因素）解释的部分，形成组内相关系数ICC，通过ICC判断是否可以进行多层统计分析。因为一层变量之间相关性较高，所以对一层自变量及因变量取对数分析。

由技术创新能力变异的分解结果可知，组内相关系数ICC=0.6640，说明由66.4%变异可以由社会嵌入性变量解释，只有33.6%的变异可以由技术创新投入要素因素解释，所以仅仅利用层一变量去分析技术创新是远远不够的。因此，研究影响技术创新可以进行多层统计分析，引入社会嵌入性变量。

2、建立隨机效应模型

将影响技术创新的层一变量引进模型中，得到随机效应模型。

由技术创新回归结果可知，LNRI是个正向显著的预期因子，回归系数为0.935111，这表明各地区大中型企业R&D经费内部支出每增加1%，则各地区大中型企业专利申请数平均增加0.935111%。即企业R&D经费内部支出的增加对技术创新能力的提高具有显著性作用。这是由于在技术创新研究的各个环节都需要资金的支持，如购买设备、支付人员投入所需的劳动报酬等。经费的支持可以让高技术产业更顺利地开展科学研究实验并实现科技成果转化。

LNRW为正向不显著预期因子，回归系数为0.061640，表明各地区大中型企业R&D人员每增加1%，则各地区大中型企业专利申请数平均增加0.061640%。即R&D人员的投入促进企业技术创新能力的提高。这是因为人是企业技术创新的主体，企业创新想法的提出和执行都离不开创新技术人员，技术创新人员的投入和人员研发水平直接影响研究实验的成败。但对比R&D经费内部支出的增加对专利申请数的影响，R&D人员投入增加对专利申请数的影响相对较小。高技术产业的技术创新更多是由研发经费的投人而实现的，这提醒我们更加关注高素质创新人才的培养问题。

LNTA为负向显著性预期因子，回归系数为-0.047358，这表明各地区大中型企业消化吸收支出每增加1%，则各地区大中型企业专利申请数平均减少0.047358%，即企业消化吸收对技术创新能力呈现降低作用。这一结论与周岩的研究结论相反，周岩认为企业投入高的消化吸收经费才能形成引进技术的二次创新。出现这个结果，本人认为可能是由于研发消化吸收水平低，尽管消化吸收经费的增加但仍然不能导致企业对引进技术较好的吸收，相反可能会因此造成对研发经费的消耗浪费，从而导致对技术创新能力呈现负向影响。也有可能是企业长期通过消化吸收的手段去对引进技术进行吸收、利用，导致企业过度依赖外来引进技术，缺乏自主研发的能力，从而对技术创新能力呈现负向影响。

LNTR为正向不显著性预期因子，回归系数为0.0378，这表明各地区大中型企业技术改造经费的支出每增加1%，则各地区大中型企业专利申请数平均增加0.0378%，即企业技术改造对技术创新能力的提高有促进作用。这是因为企业技术改造可以优化企业技术创新的生产和技术条件，提高技术水平，为企业创造更好的技术创新环境，从而对技术创新能力呈现正向影响，但是影响并不显著。原因可能是因为技术改造并不是改变现有技术条件，而是对现有技术的逐步改善，因而技术改造的影响可能更明显体现在产品的质量上，对因变量专利申请数的影响并不明显。

由技术创新随机效应模型方差成分与检验性可知，截距项、LNRI和 LNTR系数的斜率在各个省之间存在显著性差异，即系数斜率在各个省之间显著不一致。而LNRW、LNTA系数的斜率在各个省之间不存在显著性差异。也就是说，截距项、LNRI和LNTR与LNPT之间的关系会随着省份的变化而显著不同。所以可以向模型中加入嵌入性变量来解释省份之间的变化。

3、建立全模型

向模型中加入嵌入性变量来解释截距项、LNRI和LNTR与LNPT之间关系的省份变异。将嵌入性变量FTG、FG和MD引入β0j、β1j、β4j，将P值不显著的从大的逐个剔除，得到全模型。

由技术创新社会嵌入性变量所解释方差成分的程度可知，FG、FTG和MD嵌入性变量较好地解释了各省截距以及LNRI、LNTR变量之间关系的变异程度。说明建立的层二模型较为合理。

由技术创新社会嵌入影响效应的结果可知，FTG为正向预期因子，回归系数是1.374380，这表示各地区外商投资实到金额与进出口总额之和与GDP的比值每增加1%，则各地区大中型企业专利申请数平均增加1.374380%，即关系嵌入直接对技术创新能力的提高有促进作用。这是由于在开放经济下，中国已逐渐融入到全球经济当中，外商直接投资可以弥补企业内部对技术创新投入的不足，使资源得到合理的配置，從而促进技术创新。而进出口一直以来都是推动中国经济增长的重要力量，其中进口可以使企业直接获得所需的外部创新资源，可以通过进口国内稀缺高端设备、技术和重要零部件来促进高技术产业技术创新。出口则是能够将企业生产的产品推向国际市场，提高企业对技术创新的积极性，从而推动技术创新。

FG为正向预期因子，回归系数是34.258805，这表示各地区财政性教育经费和GDP的比重每增加1%，则各地区大中型企业专利申请数平均增加34.258805%，即政治嵌入直接对技术创新有正向影响。这一结果说明政府支持对高技术产业来说十分重要。政府投入财政性教育经费，一方面为国家、企业培养更优秀的高技术人才，让更多的人有能力去参与到技术创新这项经济活动中来，给技术创新提供更好的设计和研究方案，并且整体提高创新的技术水平，从而推动技术创新;另一方面一定量的减少企业高薪聘请外来技术人员，从而减少资本外流，增加对本国高技术人才的聘用，从而使资本循环利用，促进经济发展，间接作用于技术创新。

在层二模型变量LNRI的斜率β1方程中，MD为正向预期因子，回归系数为2.404782，这说明MD的增加会增强LNRI投入对LNPT的影响。这体现了结构嵌入对R&D经费内部支出有直接的影响，在MD比重大的省份，RI对技术创新的正向影响程度高。这是因为MD代表市场化程度，MD比重大省份市场化程度高。在市场竞争机制的作用下，非国有企业为了能够获得更多的超额利润，会尽力去学习和研发新的技术，不断提高技术创新的水平;面对非国有企业的后来居上，国有企业也不得不通过提高自身技术创新水平来保持领先地位。所以市场化程度高的省份，技术创新水平也相对较高，这就使得在原有的R&D经费投入下，MD比重大的省份能够获得更多的专利申请数。

在层二模型变量LNRT的斜率β4方程中，FTG为负向预期因子，回归系数为-0.233793，这表示FTG的增加会减弱LNTR对LNRT的正向影响，这表明关系嵌入变量对LNTR有着直接影响，在FTG比重大的省份，TR对技术创新的正向影响程度低。这是因为开放经济下，FTG比重大的省份过多通过外商投资、和进口国内稀缺高端设备、技术和重要零部件，导致太过依赖外来技术支持，缺乏自主动手的能力，企业技术改造的能力也相对较低，由此造成在投入相同的技术改造经费下，FTG比重大的省份能获得的专利申请数减少了。

四、结论与建议

（一）结论

基于社会嵌入性视角下对长江中下游地区10个省份进行技术创新能力影响因素研究的实证分析，得到直接显著性影响的因素是大中型企业R&D经费的内部支出、企业消化吸收经费的支出、关系嵌入和政治嵌入，其改变可以直接影响因变量专利申请数;间接显著性影响的因素是结构嵌入和关系嵌入，它是通过对层一解释变量的影响间接影响因变量专利申请数，其中结构嵌入型变量是通过影响企业R&D经费的内部支出从而间接地影响专利申请数，而关系嵌入型变量是通过影响企业技术改造经费从而间接影响专利申请数;既是直接又是间接显著性影响的因素是关系嵌入。

直接显著性影响因素中，大中型企业R&D经费的内部支出、关系嵌入和政治嵌入对技术创新能力有正向影响，而企业消化吸收经费的支出对技术创新能力有反向影响。间接显著性影响因素中，结构嵌入对企业R&D经费的内部支出有正向影响，表明结构嵌入程度高的省份，企业R&D经费的内部支出对专利申请数的正向影响程度大;而关系嵌入对企业技术改造经费有反向影响，说明关系嵌入程度高的省份，企业技术改造经费对专利申请数的正向影响程度小。

（二）建议

由以上分析结论得出启示，在分析省域技术创新时，可以通过嵌入性视角去分析影响技术创新的影响因素，得到的结果更具有说服力。

第一，加大研究经费的投入来推动长三角地区的技术创新，近几年虽然我国高技术产业对研发经费的投入增加了，但是研发经费占高技术产业增加值的比重仍然不高，这一比例远远落后于其他发达国家。造成有些研发实验无法进行或者研发实验过程中由于经费不足而暂停实验。因此我们应该适当的增大研发经费的投入比重。

第二，为提高企业技术消化吸收的水平，加大人力资本的投资，较高的人力资本水平可以提高企业技术消化吸收的水平，一方面，通过人力资本的投资去提升本企业人员的技术水平;另一方面，建立人才吸引和激励机制，吸引大量高素质人才进入企业，为企业技术消化吸收提供技术支持。

第三，加大政府对国家教育和改革开放的支持，通过结论可知，财政教育经费占GDP的比重影响企业技术创新程度非常的大，因此国家应加大对教育事业的投入，从而培养更多的高素质人才;加大政府对改革开放的支持，坚持不懈的推进市场化改革，减少对市场的干预，鼓励企业在市场化条件下自主开展研发实验。重视小企业的技术研发能力，对研发能力强的小企业给予政策的支持。

参考文献

[1] Yuan-shengHuang，Jian-xunQi，Jun-huaZhou.FuzzySystemsandKnowledgeDiscovery[M].SpringerBerlinHeidelberg：2005-07-26.

[2] WenJieJiang，YuRongZhang.InfluenceofIntellectualCapitalonTechnicalInnovationPerformanceofClusteredManufacturingEnterprises[J].AdvancedMaterialsResearch，2013，2450（712）.

[3] 張娜，杨秀云，李小光.我国高技术产业技术创新影响因素分析[J].经济问题探索，2015（01）：30-35.

[4] 谢子远，黄文军. 非研发创新支出对高技术产业创新绩效的影响研究[J]. 科研管理，2015，36（10）：1-10.

[5] 张果. 技术标准化对技术创新、经济增长影响的实证研究及共演分析[D].西北工业大学，2016.

[6] 方莹. 政府支持、企业制度与技术创新——基于关系解构的视角[J]. 广西财经学院学报，2016，29（02）：57-66.

[7] 周剑.中国高技术产业创新效率影响因素分析[D].成都理工大学，2017.

[8] 刘怡芳.我国政府R&D补贴对技术创新的影响研究[D].东北师范大学，2017.