创新韧性对高技术产业创新的影响机制与特征研究

胡甲滨，俞立平

(浙江工商大学 统计与数学学院，浙江 杭州 310018)

0 引言

当前，我国正处于由经济高速增长转向经济高质量增长的内部环境变化，以及新冠疫情蔓延叠加贸易保护主义、中美贸易摩擦等外部不确定冲击双重影响下，创新是企业提升核心竞争力的内在动力，也是在外部冲击下国民经济得以持续发展的动力源泉。一方面，外部冲击能够激发国内企业创新活力，倒逼企业优化创新要素、调整创新结构，从而实现创新系统整体功能提升；另一方面，外部冲击也可能导致对外依存度高、不具备竞争优势、难以承担创新成本的企业放弃创新，转向低质低价的发展路径。如何应对外部冲击带来的不利影响，稳定创新系统，保持可持续发展，成为现阶段面临的现实问题。韧性研究为解决这一问题提供了新视角，韧性理论强调系统优化对外部冲击的抵抗、平衡能力，促进系统进化。

创新韧性的概念可借助有关韧性、经济韧性的研究进行界定。韧性(resilience)一词经历了从工程韧性[1]、生态韧性[2]到演化韧性[3]的演变过程，从演化视角出发, 韧性被认为是一个不断调整与适应的过程，是系统在外部冲击下表现出的抵抗能力、恢复能力。目前，国内外关于韧性的研究集中于经济韧性，是用于衡量经济体经济活动的韧性，学者们将经济韧性定义为地区面对外部不确定冲击时的抵抗能力，以及通过结构调整与适应恢复到原有水平甚至进化为更高水平的能力[4-5]。经济学中的创新是将发明等新事物转化成经济效益的过程，本质上是一种经济活动。在吸收借鉴上述研究的基础上，本文将创新韧性定义为创新面临外部冲击时抵御冲击保持系统稳定、恢复甚至进化为更高水平的能力。

现阶段，国内外关于创新韧性的理论与应用研究极其缺乏，还未形成相关理论体系与研究框架。有关创新韧性的研究有太多空白需要填补，如创新韧性如何界定及测度？创新韧性如何影响创新？创新韧性与创新产出之间存在怎样的关系？本文以中国高技术产业创新为研究对象，对以上问题进行探究。本文创新之处在于：首先，本文依据创新的定义，认为创新本质上是一种经济活动，结合韧性与经济韧性的界定，提出创新韧性的概念，并分析其对创新的影响机制，填补创新韧性理论研究的空白；其次，本文在参考经济韧性测量方式的基础上，提出创新韧性的测度方式；最后，本文基于高技术产业面板数据，分析创新韧性的影响机制，并采用面板数据模型和门槛回归模型，对创新韧性与创新产出的关系及其影响大小、特征、规律进行实证分析。

1 文献综述

1.1 创新韧性内涵

作为最早提出创新的人，熊彼特在《经济发展理论》中将经济发展的内在因素归结为创新，并认为导致经济活动变化的原因来自内部的改变，也就是创新。所谓创新，就是将从未有过的生产要素、生产条件引入生产体系，构建一种新的生产函数，而在一次次创新中，旧结构不断被破坏，促使组织形成更具抵抗力、更具创新能力的新结构[6-7]。韧性(resilience)一词经历了从工程韧性、生态韧性到演化韧性的发展历程，无论是工程韧性还是生态韧性都强调系统在遭受冲击或扰动时，从一个均衡状态进入另一个均衡状态，而随着持续的创新，经济发展不可能总处于均衡状态[8-9]。考虑到系统的非均衡变化，学者们提出演化韧性，从演化视角出发, 韧性被认为是一个不断进行的过程，而不是恢复到稳定均衡状态。由创新的定义可知，创新是长期的动态变化过程，演化韧性思想更加适用于创新韧性分析，创新韧性是一种演化韧性。

现阶段，有关韧性的研究大多基于演化韧性视角展开。如Walker等[10]指出，韧性是指系统面对冲击而被激发出的变化、适应并最后改变的能力；Meerow等[11]认为，韧性是指在外部干扰下自学习、自适应、自恢复，最终达到新的状态。总的来说，学者们对于韧性的特征达成以下共识：一是应对外界变化的缓冲性、适应性；二是系统内部主体的恢复性；三是外部冲击下系统要素优化和结构重构带来的进化性。借鉴一般系统的演化韧性内涵[12]，创新韧性的内涵为：创新面临外部冲击时抵御冲击保持系统稳定、适应恢复甚至进化为更高功能状态的能力。

1.2 韧性测量

创新韧性测度是研究其与高技术产业发展关系的基础。整理已有文献发现，国内外关于韧性衡量的研究集中于经济韧性，测度经济韧性的方式主要有两种，即综合指标法和核心变量法。综合指标法可通过构建指标体系进行测度，国内学者大多采用这种方式测度区域(省级、城市、县域)经济韧性[13-15]。然而，由于不同学者选取的指标、权重、测量方法不同，结果存在较大差异。为更加客观衡量韧性，有些学者采用核心变量法，选取一个或几个对外部冲击反应程度明显的核心变量，如GDP、就业率等。由此，Martin[16-17]、Hundt等[18]提出的研究范式被广泛认可。徐媛媛和王琛[19]、郭将和许泽庆[20]、林耿等[21]利用敏感指数(br=(ΔEr/Er)/(ΔEN/EN))衡量经济韧性，其中，ΔEr/Er、ΔEN/EN分别表示波动期地区和全国GDP变化率或就业率。但是，这种研究范式的前提是经济处于衰退期，才能确保敏感指数越低，韧性越强，这与中国实际情况严重不符，中国经济并不存在逐年下降的衰退期。在此基础上，Martin(2019)提出改进的测度方法(Resisit=(ΔYi-ΔE)/|ΔE|)，该方法可以测度冲击出现和冲击未出现时的韧性情况，并且无论结果为正或负，数值越大，韧性越强，便于对研究对象进行对比分析。

1.3 创新韧性与企业产出

在当前高质量发展背景下，创新能力是提高企业产出的关键要素。苏屹和李柏洲[22]、赵彦云等[23]实证发现，在金融危机等外部冲击下，创新能力整体处于下降趋势，但北京、上海等地表现出较强的抵抗力和恢复力，即北京、上海等地具有很强的韧性，遭受冲击后，创新能力反而提高，促使新技术产生、产出提高；张军和许庆瑞[24]认为，来自外部的冲击可能促使企业创新系统积累更多创新资源，对企业创新能力提升存在正向影响，从而促进企业产出提高；梁林等[25]基于韧性视角界定创新生态系统的韧性化理念，指出进化性是具有韧性的创新系统的核心表征，其意义在于，受到外部冲击的创新系统通过自学习、自调整，实现创新系统要素优化与结构重构，促进创新投入产出比提高；倪鹏飞等[26]认为，面对外部冲击，创新系统需确保自身拥有足够抵抗力进行应对，而这往往取决于系统内部资源冗余与结构复杂程度，由此必然促进企业创新要素、创新资源集聚。创新集聚会带来知识积累，降低创新成本，实现创新产品价值增值，从而提升企业创新能力和产品竞争能力，最终显著提高创新产出[27-29]。可见，现阶段国内外虽然鲜有关于创新韧性的研究成果，但已有学者较多关注外部冲击下创新表现出的抵抗力、恢复力等韧性对产出的影响。

1.4 研究述评

综上，现有关于韧性内涵、测量方式的研究比较丰富，但均侧重对经济韧性的研究，关于创新韧性对企业产出的影响尚待深化。总体上，在以下几个方面需要展开深入研究：首先，现阶段，对创新韧性的概念缺乏界定。其次，对于韧性的测量侧重于经济韧性，创新韧性如何测量？最后，创新韧性必然会对创新造成影响，其影响机制是怎样的？对其影响特征、规律也需要加以分析。

本文提出创新韧性的概念，认为创新韧性是创新面临外部冲击时保持系统稳定甚至进化为更高创新水平的能力，并以高技术产业为研究对象，探究创新韧性对高技术产业创新的影响机制，分析创新韧性对创新产出的影响大小、特征、规律。

2 创新韧性影响机制分析

2.1 创新韧性对高技术产业创新进程的影响

高技术产业创新系统的演化过程，本质上是系统内产业与产品结构、企业等对外部环境的涨落过程，而韧性理念强调通过提高系统对外部冲击的抵抗力、恢复力从而稳定系统，甚至实现进化。当前，高技术产业创新面临成本、市场、政策等多方面的制约[30]，也面临疫情、贸易战等外部冲击。研究高技术产业创新韧性，目的是为更好应对外部冲击，从系统内外部进行加强，稳定高技术产业发展。

依据上述对创新韧性内涵的界定，借助演化韧性思想，可以更准确地界定高技术产业创新韧性。高技术产业创新韧性是指高技术产业创新系统面对外部冲击时的抵抗以及自我调整转型并实现路径突破的能力。高技术产业创新韧性反映高技术产业创新系统的动态发展进程，是涉及创新进程多阶段的调整能力(见图1)，包括对外部冲击的抵抗力与脆弱性、应对外部冲击的自我调整及转型能力。脆弱性是指受到外部冲击后表现出的创新活力下降(消极情绪)、开放度下降、成本增加、创新能力下降等不利影响；抵抗力是指面对外部冲击带来影响的抵抗程度；恢复性是创新系统通过创新集聚与资源优化配置，并通过创新环境、产业结构、管理等进行自学习、自调整表现出的性质；转型能力是指通过自我调整恢复到原有路径甚至实现路径突破的能力。无论是系统的抵抗力还是转型能力，都受到产业结构特征、技术、企业文化、政策等因素影响，这些因素影响着创新系统面对外部冲击的创新韧性强度。

图1 高技术产业创新系统面对外部冲击的韧性过程Fig.1 Resilience process of high-tech industry innovation system against external shocks

创新韧性强度差异造成创新进程在受到外部冲击后呈现出不同发展态势(见图1)。

外部冲击发生前(t0～t1)，高技术创新进程处于安全状态，韧性强的创新系统创新进程水平往往高于韧性弱的创新系统。冲击发生时(t1)，创新系统功能结构水平下降，韧性弱的创新系统由于无法抵御可能导致消亡(如c线)，而韧性强的创新系统由于抵抗力、恢复力强，可以更早开始恢复。在恢复期和转型期(t2～t4)，韧性强的创新系统内企业更具信念与自我效能感，遭受冲击后，各方面能力、经验甚至技术层面反而得到提升，从而能够更高效地分配资源、调整结构、产生新构想并确定新增长路径，实现更高阶段的创新[31](如a线)；韧性弱的创新系统内企业往往因害怕冲击带来的损失而无法重构发展路径，其创新系统受外部冲击影响很大，导致系统功能与结构衰退(如b线)。

2.2 创新韧性对创新产出的影响机制

2.2.1 创新韧性对高技术产业产出的正向、负向作用机制

创新韧性对创新产出可能存在正向影响，也可能存在负向影响。创新韧性对高技术产业产出的正向影响机制包括：一是投入弥补效应。创新韧性强的企业在外部冲击刺激下能够激发创新活力，促使企业加大研发投入，足够的研发投入为企业创新带来信心，实现持续创新，提高创新产出[32]。二是创新集聚效应。创新系统需要足够抵抗力抵御外部冲击，这取决于系统内部资源冗余与结构复杂程度，由此必然促使创新集聚效应发生，集聚带来的知识积累有利于创新能力提升和创新成果产生[33]。三是资源配置效应。韧性强的企业在遭受外部冲击扰动后，由于自学习、自调整能力较强，各方面能力、经验甚至技术层面反而得到提升，从而可以更加高效地分配资源，取得更好的创新效果。四是创新环境优化。创新系统韧性演化过程是随外界环境变化的，通过优化创新环境等动态调整形成自适应，良好的创新环境能够提升创新投入绩效[34]，提高创新产出。五是知识积累效应。韧性强的企业能够获取更多外部新知识，而为抵抗冲击形成的创新集聚也促使知识进一步积累，从而实现创新产品价值提升，企业能够得到更多利润回报。

负向影响机制包括：一是成本累加效应。面对持续外部冲击，创新成本累加使企业难以承受研发投入支出，走向低质低价发展路径。同时，创新失败导致心理成本也随冲击次数累加[35]，阻碍创新行为发生，不利于创新产出提高。二是技术竞争效应。创新韧性弱的企业害怕外部冲击带来的损失，往往急于将尚不成熟的产品推向市场，导致企业产品创新水平不足，与国外产品相比难以形成竞争力，反而降低企业创新产出。三是知识拥挤效应。外部冲击导致的创新集聚有可能带来知识拥挤效应，同类产业大都采用相似的知识与技术，可能形成对新知识、新思想的锁定，不利于创新的发生。

2.2.2 创新韧性与创新产出的互动机制

创新韧性对创新产出存在规模效应。当创新规模较小时，很难形成相关创新集群和网络，由创新产出到价值产出的产业支持不足，价值实现能力弱，在遭受外部冲击时，难以拥有足够创新资源进行应对，因而抵抗力、创新韧性弱。当创新形成规模时，创新资源集聚促使知识积累与溢出，从而提升产品价值。同时，产业间协同创新有利于形成创新技术动力和优势，从而在面对外部冲击时具有更强的抵抗力和创新韧性。

3 研究设计

3.1 基本方程与面板数据模型

本文基本方程在知识生产函数基础上进行扩展得到。Griliches[36]第一个提出知识生产函数，但仅考虑了R&D投入变量，并未注意到研发人员对创新的贡献；Jaffe[37]在研究中引入研发人员投入，由此形成与Cobb-Douglas生产函数类似的Griliches-Jaffe知识生产函数。

Y=AKaLβ

(1)

式中，K表示研发经费，L表示研发劳动力，A表示知识生产函数中的全要素生产率，Y表示创新产出，α、β分别表示研发经费与研发劳动力的弹性系数。

根据前文分析，为研究创新韧性与创新产出之间的线性关系，本文在知识函数基础上，引入创新韧性R，为有效消除估计过程中可能存在的异方差，在公式两边同时取对数，进行线性转换。

log(Y)=c0+c1log(K)+c2log(L)+c3log(R)

(2)

为进一步分析创新韧性与创新产出之间的非线性关系,本文继续引入创新韧性的2次项。

log(Y)=c0+c1log(K)+c2log(L)+c3log(R)+c4log2(R)

(3)

本文采用面板数据模型对式(2)、(3)进行估计。面板数据能有效缓解多重共线性问题，增加回归自由度，弥补时间较短区间研究数据量不足的问题，提高估计效率。由于创新产出与创新投入往往相互影响、互为因果，而且可能会遗漏变量，存在变量的内生问题。因此，采用Blundell等(1998)提出的系统广义矩法(SYS-GMM)进行估计，该方法能够克服差分广义矩法估计容易受弱工具变量影响的弊端，有效缓解内生性问题。

3.2 面板门槛模型

3.2.1 创新产出门槛

根据前文分析，创新产出与创新韧性存在良好的互动关系，为估计创新韧性可能存在创新产出门槛，本文引入面板门槛模型。根据式(4)所示的单门槛模型，对于创新韧性R来说，存在一个创新产出门槛τ，使得创新韧性在其两边的弹性系数θ1、θ2呈现显著差异。如果存在多个门槛，则引入更多门槛τ，原理类似。

(4)

3.2.2 创新韧性门槛

根据前文分析，为估计创新韧性自身门槛，根据式(5)所示的单门槛模型，对于创新韧性R来说，存在一个门槛水平τ，使得创新韧性在其两边的弹性系数θ1、θ2呈现显著差异。

(5)

3.2.3 时间门槛

创新韧性在受到巨大危机冲击时对创新产出的贡献可能存在差别。为估计创新韧性是否存在时间门槛，根据式(6)所示的单门槛模型，对于创新韧性R来说，存在一个时间门槛τ，使得创新韧性在其两边的弹性系数θ1、θ2呈现显著差异。

(6)

根据前文分析，研发经费投入对创新韧性存在正向效应，足够的研发经费投入可能促进创新产出提高，创新韧性可能存在研发经费门槛效应。根据式(7)所示的单门槛模型，对于创新韧性R来说，存在着一个研发经费门槛τ，使得创新韧性在其两边的弹性系数θ1、θ2呈现显著差异。

(7)

3.2.5 研发人员门槛

根据前文分析，研发人员投入对创新韧性存在正向效应，足够的研发人员投入可能促进创新产出提高，创新韧性可能存在研发人员门槛效应。根据式(8)所示的单门槛模型，对于创新韧性R来说，存在着一个研发人员门槛τ，使得创新韧性在其两边的弹性系数θ1、θ2呈现显著差异。

(8)

4 变量与数据

4.1 相关变量选取

4.1.1 创新韧性

创新是将发明等新事物转变成经济效益的过程，本质上是一种经济活动。对创新韧性的衡量可以参考经济韧性的测量方式，即选取对冲击反应程度明显的核心变量，如衡量创新经济活动效果的新产品销售收入。基于此，本文借鉴Martin(2019)的测度方法，通过分析新产品销售收入变化状况达到衡量创新韧性的效果。

同时遥感影像是定源(卫星源)、定点(拍摄位置)、定时(单个时间)的，而矿山开发利用是动态的，地质环境也是实时变化的。要想做到变化监测，就要以多源、多时相的高分辨率的数据作为基础(图2)。对于不同时期的数据，前人多采用GIS手段，如主成分比值变化检测方法，提取地表变化信息，进而结合DEM高程数据，认定地质灾害体的变化[10]。

(9)

对上述结果进行中心化处理，使所有研究对象能够进行对比分析。

(10)

其中，Ri可以直接用于所有研究对象创新韧性的相互对比。当Ri>0时，表示研究对象i的创新韧性超过所有研究对象的平均水平，其数值越大表明研究对象的创新韧性在区域整体中表现越好；当Ri<0时，表示研究对象i的创新韧性低于所有研究对象的平均水平，其数值越小表明研究对象的创新韧性在区域整体中表现越差。

4.1.2 创新产出

在实证研究中，学者们根据企业创新的直接、间接成果以及获取的直接收益提出不同测度指标，传统意义上，专利申请量和授权量作为企业创新的直接成果被广泛使用。大多数学者以专利申请量作为衡量创新产出的指标，认为专利申请量比授权量更能反映企业创新真实水平[38-39]。也有学者以专利授权量衡量创新产出，认为被授权专利具备更高质量水平，更能代表创新产出[40]。然而，由于专利授权量存在滞后期过长的问题，导致对数据跨度要求较高。Arundel(1998)认为，许多制造业部门专利并不能获得授权。目前，我国整体创新水平还不高，高技术产业中制造业占比较大，导致专利授权量不能很好地衡量高技术产业创新产出。因此，本文借鉴刘和东[41]的研究，采用专利申请量作为创新产出的替代变量。

4.1.3 创新投入

现阶段，学术界对于知识生产函数中研发经费与研发人员变量的选取没有太大争议。因此，本文借鉴Moon[42]、Meng[43]的研究，以研发经费内部支出表征研发资本，以研发人员折合全时当量表征研发劳动力。

4.2 数据来源与描述性统计

本文数据来源于《中国高技术产业统计年鉴》《中国科技统计年鉴》，数据范围为2000—2019年的面板数据。由于西藏、青海、新疆数据不全，故未纳入统计。此外，在创新韧性的核算中难免出现负数，导致无法取对数，由于本文仅研究计算得到的相对韧性大小，因而采取加正数的方式进行预处理。变量描述统计如表1所示。

5 实证结果

5.1 变量平稳性检验与协整

虽然本文高技术产业创新投入产出面板数据跨度较小，出现伪回归的可能性自然也较小，但从提高研究稳健性角度出发，本文依旧对数据进行平稳性检验和协整检验。本文同时采用Levin lin&chu、Fisher ADF、PP方法进行平稳性检验，检验结果如表2所示。结果显示，在零阶差分时，研发经费、研发人员均为部分平稳；经过一阶差分，所有变量均是平稳的，说明变量之间不存在伪回归问题。

表1 变量描述性统计结果Tab.1 Descriptive statistics of variables

表2 变量平稳性检验结果Tab.2 Variable stationarity test results

本研究采用Kao检验进行面板协整检验，结果显示，ADF检验值为-7.415，p值为0.000，拒绝变量之间无协整关系的原假设，说明创新产出与创新韧性之间存在稳定的内在关系。

5.2 面板数据回归结果

为确定面板模型是采用固定效应变截距模型还是随机效应变截距模型进行Hausman检验，本文对创新韧性的弹性进行相关估计，结果如表3所示。结果显示，Hausman检验值为9.887，p值为0.020，拒绝适用于随机效应模型的原假设。由此，面板数据模型适用于固定效应模型。

从固定效应1的结果看，研发经费、创新韧性均在5%的水平下通过检验，研发人员未能通过统计检验；模型拟合优度为0.907，处于较高水平；研发经费的弹性系数最大(1.119)，其次是创新韧性(0.145)。从混合效应结果看，所有变量均在5%的水平下通过统计检验；模型拟合优度达到0.885，依旧处于较高水平；研发经费的弹性系数依然最大(1.163)，其次是创新韧性(0.156)，最后是研发人员(-0.202)。创新韧性的弹性系数为正，说明其对创新产出具有正向作用。

表3 面板数据估计结果Tab.3 Regression results of the panel data

进一步地，本文引入创新韧性的2次项，以研究其非线性效应。表3中固定效应2结果显示，创新韧性的1次项回归系数为0.760，2次项回归系数为-0.279，均通过统计检验。可以得出，创新韧性对创新产出的贡献曲线可能是倒U型，如图2所示。进一步计算出倒U型曲线的对称轴为log(R)=1.362，换算成原始数值为23.014。由于560个样本数据中仅24个大于23.014，说明当前我国创新韧性总体上处于对称轴左侧，创新韧性正处于不断上升阶段，对创新产出的总贡献为正，且其积极贡献一直在增加。

图2 创新韧性对创新产出的贡献曲线Fig.2 Contribution curve of innovation resilience to innovation output

5.3 创新韧性的创新产出门槛分析

本文对创新韧性是否存在创新产出门槛进行分析，采用Hansen[44]的面板数据门槛模型进行估计。单门槛检验结果显示，F检验值为109.540，p值为0.000，拒绝原假设，证明存在单门槛；双门槛检验结果显示，F检验值为133.804，p值为0.000，拒绝原假设，证明也存在双门槛；三门槛检验结果显示，F检验值为119.757，p值为0.000，拒绝原假设，证明存在三门槛。最终决定采用三门槛模型进行回归检验，结果如表4所示。

表4结果显示，除研发人员外，所有变量均在1%的水平上通过统计检验，高技术产业创新韧性的3个创新产出门槛分别为1.488、2.675、3.608，换算成原始数据后，根据创新产出大小分为低产出门槛(y≤30.761)、中低产出门槛(30.7614 055.085)。当创新产出处于低产出、中低产出门槛时，创新韧性对创新产出的弹性系数为负值，分别为-0.566、-0.016，其数据个数分别为60、226；当创新产出处于中高产出、高产出门槛时，创新韧性对创新产出的弹性系数为正，分别为0.410、0.805，其数据个数分别为175、99。综合来看，随着创新产出增加，创新韧性对创新产出的弹性系数不断增大，由负转正。当创新产出超过473.151时，创新韧性对创新产出产生较大积极影响，从数据分布看，较多数据分布在该区域。

5.4 创新韧性的自身门槛分析

本文对创新韧性的自身门槛进行分析，采用Hansen[44]的面板数据门槛模型进行估计。单门槛检验结果显示，F检验值为5.430，p值为0.020,拒绝原假设,证明存在单门槛；双门槛检验结果显示，F检验值为3.906，p值为0.034，证明存在双门槛；三门槛未通过检验。最终决定采用双门槛模型进行回归检验，结果如表5所示。

表4 创新韧性的创新产出门槛效应估计结果Tab.4 Estimation results of threshold effect of innovation output of innovation resilience

表5结果显示，除研发人员外，所有变量均在5%的水平上通过统计检验，高技术产业创新韧性的两个自身门槛分别为0.926、1.999，换算成原始数据后，根据创新韧性强度分为低韧性门槛(r≤8.433)、中韧性门槛(30.76199.770)。当创新韧性处于低韧性门槛时，创新韧性对创新产出的弹性系数为0.317，其数据个数为27；当创新韧性处于中韧性门槛时，其弹性系数为0.371，数据个数为530；当创新韧性处于高韧性门槛时，其弹性系数为0.182，数据个数为3。说明创新韧性存在自身门槛，随着创新韧性增强，其对创新产出的弹性系数不断增大，但当创新韧性强度提升至99.770时，其对创新产出的弹性系数开始下降，表明创新韧性与创新产出可能存在倒U型关系。

5.5 创新韧性的时间门槛分析

本文对创新韧性是否存在时间门槛进行分析，采用Hansen[44]的面板数据门槛模型进行估计。单门槛检验结果显示，F检验值为73.822，p值为0.000，拒绝原假设，证明存在单门槛；双门槛检验结果显示，F检验值为63.648，p值为0.000，拒绝原假设，证明也存在双门槛；三门槛未通过检验，证明不存在三门槛。最终决定采用双门槛模型进行回归检验，结果如表6所示。

表6结果显示，除研发人员外，所有变量均在5%的水平上通过统计检验，高技术产业创新韧性的两个时间门槛分别为2008年、2010年。在2008年之前，创新韧性的弹性系数为0.374；在2008—2010年，其弹性系数为0.205；在2010年之后，其弹性系数为0.379。说明创新韧性存在时间门槛，2008年创新韧性的弹性系数下降，2010年创新韧性的弹性系数开始上升。可能的原因是，2008年，高技术产业创新受到全球化竞争加剧、金融危机等冲击的影响，导致创新韧性对创新产出的影响在受到冲击后减弱。综合来看，受金融危机等冲击后，我国创新韧性对创新产出的正向影响进一步增强。

表6 创新韧性的时间门槛效应估计结果Tab.6 Estimation results of the time threshold effect of innovation resilience

5.6 创新韧性的研发经费门槛分析

本文对创新韧性是否存在研发经费门槛进行分析，采用Hansen[44]的面板数据门槛模型进行估计。单门槛检验结果显示，F检验值为67.540，p值为0.000，拒绝原假设，证明存在单门槛；双门槛检验结果显示，F检验值为29.188，p值为0.000，拒绝原假设，证明也存在双门槛；三门槛检验结果显示，F检验值为8.794，p值为0.004，拒绝原假设，证明存在三门槛。最终决定采用三门槛模型进行回归检验，结果如表7所示。

表7 创新韧性的研发经费门槛效应估计结果Tab.7 Estimation results of the threshold effect of R&D expenditure on innovation resilience

表7结果显示，除研发人员外，所有变量均在1%的水平上通过统计检验，高技术产业创新韧性的3个研发经费门槛分别为3.597、5.241、5.988，换算成原始数据后，根据研发经费金额分为低经费门槛(k≤3 953.666)、中低经费门槛(3 953.666972 747.224)。当研发经费投入处于低经费门槛时，创新韧性对创新产出的弹性系数为0.329，其数据个数为43；当研发经费投入处于中低经费门槛时，其弹性系数为0.057，未通过统计检验，且数据个数为290；当研发经费投入处于中高经费门槛时，其弹性系数为0.280，数据个数为155；当研发经费投入处于高经费门槛时，其弹性系数为0.417，数据个数为72。说明创新韧性确实存在研发经费门槛，随着研发经费增加，创新韧性对创新产出的弹性系数先减小后增大。

5.7 创新韧性的研发人员门槛分析

本文对创新韧性是否存在研发人员门槛进行分析，采用Hansen[44]的面板数据门槛模型进行估计。单门槛检验结果显示，F检验值为89.028，p值为0.000，拒绝原假设，证明存在单门槛；双门槛检验结果显示，F检验值为18.181，p值为0.000，拒绝原假设，证明也存在双门槛；三门槛检验结果显示，F检验值为12.082，p值为0.001，拒绝原假设，证明存在三门槛。最终决定采用三门槛模型进行回归检验，结果如表8所示。

表8 创新韧性的研发人员门槛效应估计结果Tab.8 Estimation results of the threshold effect of R&D personnel for innovation resilience

表8结果显示，除研发人员外，所有变量均在10%的水平上通过统计检验，高技术产业创新韧性的3个研发人员门槛分别为2.645、2.980、3.745，换算成原始数据后，根据研发人员数分为低人员门槛(l≤441.570)、中低人员门槛(441.5705 559.043)。当研发人员处于低人员门槛时，创新韧性对创新产出的弹性系数为0.747，其数据个数为48；当研发人员处于中低人员门槛时，其弹性系数为0.458，数据个数为41；当研发人员处于中高人员门槛时，其弹性系数为0.158，数据个数为195；当研发人员处于高门槛时，其弹性系数为0.257，数据个数为276。说明创新韧性确实存在研发人员门槛，且随着研发人员增加，创新韧性对创新产出的弹性系数先减小后增大。

6 结论与政策建议

6.1 研究结论

本文以高技术产业为研究对象，通过面板数据模型、面板门槛模型实证分析创新韧性对创新产出的影响大小、特征、规律，得到如下结论：

首先，当前我国创新韧性对创新产出具有积极贡献，表现为创新韧性的弹性系数为正。韧性增强促进创新集聚，产生资源配置效应、知识积累效应等正外部效应，企业知识吸收能力得以提高，能够获取更多外部知识，从而不断优化创新思想，实现更高阶段创新，提高创新产出。

其次，创新韧性中等时，对创新产出的影响最大，表现为随着创新韧性增强，其与创新产出呈现倒U型关系。韧性增强促使企业在外部冲击下激发创新活力，但由于创新沉没成本很高，企业往往需要加大研发投入、积累更多知识，以确保创新成功，实现持续创新。然而，并不是所有投入都能得到相应创新成果，适当放弃部分创新项目能避免大量资源浪费，而创新韧性较强的企业往往难以进行取舍，不利于创新产出提高。

第三，低创新韧性下，创新韧性负向影响创新产出，表现为创新韧性存在创新产出门槛，创新韧性的弹性系数为负。创新产出存在规模经济效应，当创新规模较小时，难以形成创新集群和创新网络，由创新产出到价值产出的产业支持不足，价值实现能力较弱，在遭受外部冲击时，难以拥有足够创新资源进行应对，抵抗力不足，创新韧性进一步减弱。

最后，中等研发投入时，创新韧性对创新产出的影响最小，表现为创新韧性的弹性系数随研发经费、研发人员增加先减小后增大。研发投入水平较低或较高时，创新韧性的弹性系数更大。研发投入较少时，研发经费利用率高，创新绩效良好。研发投入较高时，产生投入弥补效应，为企业带来信心，实现持续创新。中等研发投入下，一方面，由于创新沉没成本较高以及持续的外部冲击带来成本累加效应，可能使创新缺乏足够投入而导致失败；另一方面，企业产品创新水平不足，难以形成竞争力，不利于创新产出提高。

6.2 政策建议

当前，我国正处于经济高质量发展以及新冠疫情蔓延叠加贸易保护主义、中美贸易摩擦等内外部双重冲击影响下，创新韧性对稳定创新发展有着重要意义。创新韧性的时间门槛证明，在外部冲击下，我国具有较强的韧性，在冲击过后，创新韧性对产出的积极影响进一步增强。基于此，在增强创新韧性的基础上，也需强化创新韧性对创新产出的正向影响，具体可从以下方面着手：

(1)加大研发经费投入。数据分布显示，当前我国研发经费投入大多处于中等经费门槛，韧性对产出的影响较小，唯有继续加大研发经费投入，才能提升其积极影响。一方面，持续加大研发经费投入，完善经费管理机制，合理规划经费使用，重点支持创新前期基础研究；另一方面，足够的研发经费虽然能够增强企业创新自我效能感，但也可能会出现滥用情况，需要进行评估监管，提高经费使用效率。

(2)协调研发人员配置，增强研发人员认同感。研发人员较少时，具有较强的荣誉感，创新绩效良好，此时韧性对产出的影响较大。数据分布显示，当前我国研发人员投入水平较高，但韧性对产出的影响远不如研发人员投入较少时。基于此，高技术企业要形成合理的人才梯队，通过提供更好的创新环境和薪酬待遇吸引高端人才。此外，更加重视企业文化，增强研发人员认同感，从而抑制心理成本累加效应对产出的负向影响。

(3)加快高技术产业集聚。集聚带来的人才、知识、资源优势会产生创新集聚效应、资源配置效应、知识积累效应等正外部效应，增强创新韧性的同时，更有利于提高创新产出。因此，各地政府应鼓励高技术产业集群式发展，出台相应支持政策，建设配套基础设施。同时，对本地区高技术产业现状进行分析，结合自身优势，建设更具区域特征与竞争力的产业集群，避免区域间高技术产业创新差距扩大。

(4)优化创新环境。良好的创新环境能够提高知识、人才等要素的粘滞力，更容易产生创新集聚，提高创新抵御能力，增强创新韧性。在政府层面，需完善市场运行与人才引进相关政策制度，通过高技术产业扶持政策刺激产业间协作创新，同时加强数字基础设施建设，促进创新扩散；在企业层面，需提高产学研合作水平，利用各方优势形成知识聚集，提高应对外部冲击的知识吸收能力，实现技术突破。