俞 立 平

(寧波大學(xué) 商學(xué)院，浙江 寧波 315211)

不同高技術(shù)產(chǎn)業(yè)創(chuàng)新路徑績效比較研究
——基于系統(tǒng)廣義矩與分位數(shù)回歸模型的估計(jì)

俞 立 平

(寧波大學(xué) 商學(xué)院，浙江 寧波 315211)

績效是創(chuàng)新路徑選擇的重要依據(jù)，利用高技術(shù)產(chǎn)業(yè)省際面板數(shù)據(jù)，采用系統(tǒng)廣義矩估計(jì)與分位數(shù)回歸方法，研究企業(yè)自主研發(fā)、引進(jìn)國外技術(shù)、引進(jìn)國內(nèi)技術(shù)、更新改造四種不同途徑科技投入對創(chuàng)新產(chǎn)出的貢獻(xiàn)。結(jié)果表明：企業(yè)自主研發(fā)投入貢獻(xiàn)最大，引進(jìn)國外技術(shù)投入次之，更新改造投入貢獻(xiàn)最小。高技術(shù)企業(yè)自主研發(fā)投入與引進(jìn)國外技術(shù)的結(jié)合較好。引進(jìn)國內(nèi)技術(shù)投入對最高科研產(chǎn)出水平地區(qū)的貢獻(xiàn)比較顯著，研發(fā)人員全時(shí)當(dāng)量的貢獻(xiàn)總體較低，并且隨著科技產(chǎn)出的提高，其貢獻(xiàn)越來越低，說明高科研產(chǎn)出地區(qū)研發(fā)人員的績效較低。

高技術(shù)產(chǎn)業(yè)； 自主研發(fā)； 引進(jìn)技術(shù)； 更新改造； 績效

一、 引 言

高技術(shù)產(chǎn)業(yè)的創(chuàng)新水平是一國科技創(chuàng)新水平和創(chuàng)新能力的重要標(biāo)志。高技術(shù)產(chǎn)業(yè)包括5大行業(yè)，即醫(yī)藥制造業(yè)、航空航天器制造業(yè)、電子及通訊設(shè)備制造業(yè)、電子計(jì)算機(jī)及辦公設(shè)備制造業(yè)與醫(yī)療設(shè)備及儀器儀表制造業(yè)。根據(jù)《2014年中國高技術(shù)年鑒》，2013年，高技術(shù)產(chǎn)業(yè)共有企業(yè)研發(fā)機(jī)構(gòu)4 583個(gè)，研發(fā)人員510 507人。R&D經(jīng)費(fèi)內(nèi)部支出1 734.37億元，R&D人員折合全時(shí)當(dāng)量559 229人年。投入技術(shù)引進(jìn)及相關(guān)消化吸收經(jīng)費(fèi)66.22億元，購買國內(nèi)技術(shù)31.26億元，技術(shù)改造經(jīng)費(fèi)367.15億元。實(shí)現(xiàn)新產(chǎn)品銷售收入29 028.84億元，獲得授權(quán)發(fā)明專利115 884件。以科技創(chuàng)新引領(lǐng)的高技術(shù)產(chǎn)業(yè)已經(jīng)成為國家科技創(chuàng)新與成果轉(zhuǎn)化的重要力量，對經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)升級(jí)具有重大作用。

高技術(shù)產(chǎn)業(yè)的創(chuàng)新路徑主要包括自主研發(fā)、技術(shù)引進(jìn)、技術(shù)改造三個(gè)方面，其中，技術(shù)引進(jìn)又包括國外技術(shù)引進(jìn)與國內(nèi)技術(shù)引進(jìn)。自主創(chuàng)新是高技術(shù)產(chǎn)業(yè)創(chuàng)新的主要途徑，根據(jù)經(jīng)濟(jì)學(xué)理性人原則，高技術(shù)企業(yè)以追求最大利潤為目標(biāo)，如果自主研發(fā)不能滿足需求，那么購買技術(shù)也是高技術(shù)企業(yè)生存和發(fā)展的重要渠道。此外，原有設(shè)備的更新改造對高技術(shù)企業(yè)創(chuàng)新也十分重要，因?yàn)樗昧爽F(xiàn)有成熟技術(shù)，基本沒有創(chuàng)新風(fēng)險(xiǎn)，而且其效果可以立即在生產(chǎn)經(jīng)營中得到體現(xiàn)。對高技術(shù)產(chǎn)業(yè)不同創(chuàng)新路徑的績效進(jìn)行分析和比較，有利于發(fā)現(xiàn)其中存在的問題，同時(shí)也便于政府從宏觀角度加強(qiáng)對高技術(shù)產(chǎn)業(yè)創(chuàng)新的管理，從而對優(yōu)化科技資源配置，提高科技創(chuàng)新績效具有十分重要的意義。不同創(chuàng)新路徑投入產(chǎn)出關(guān)系如圖1所示。

圖1 創(chuàng)新投入產(chǎn)出關(guān)系

國外關(guān)于R&D研發(fā)投入產(chǎn)出關(guān)系及研發(fā)投入的影響和溢出效應(yīng)的研究成果較多。Kuen-hung(2004)[1]對臺(tái)灣電子行業(yè)的R&D活動(dòng)進(jìn)行實(shí)證研究后發(fā)現(xiàn)，R&D產(chǎn)出彈性為0.19，平均投資回報(bào)率在22%左右。Mclean(1978)[2]利用澳大利亞980個(gè)制造業(yè)企業(yè)1971至1972年的數(shù)據(jù)，研究企業(yè)R&D投入和產(chǎn)出之間的關(guān)系，發(fā)現(xiàn)R&D產(chǎn)出和R&D投入顯著正相關(guān)。Billings等(1995)[3]對美國和日本14個(gè)工業(yè)組織的R&D效率進(jìn)行了比較研究，發(fā)現(xiàn)美國的食品、紡織、化工、橡膠、金屬等制造工業(yè)的R&D效率具有比較優(yōu)勢，而日本的造紙、石油、機(jī)械和科學(xué)儀器設(shè)備制造工業(yè)的R&D效率具有比較優(yōu)勢，兩國的電子設(shè)備、運(yùn)輸及采掘業(yè)的效率大致相當(dāng)。

在研發(fā)投入的影響及溢出效應(yīng)實(shí)證研究領(lǐng)域，Martin(2007)[4]利用OECD數(shù)據(jù)研究R&D投入對國家經(jīng)濟(jì)長期發(fā)展的作用，發(fā)現(xiàn)工商企業(yè)R&D支出占GDP的比例、高科技產(chǎn)業(yè)R&D投入份額對單位資本和單位勞動(dòng)力的產(chǎn)出有明顯的正向影響。Carpon(1997)[5]估計(jì)了研發(fā)經(jīng)費(fèi)各種資金來源的效率，同時(shí)還估計(jì)了這些經(jīng)費(fèi)對于自身R&D投資的刺激效應(yīng)。Katharine(2001)[6]利用C-D生產(chǎn)函數(shù)對英國公司進(jìn)行分析，發(fā)現(xiàn)公司研發(fā)支出對產(chǎn)出增長有顯著的正向影響。Bulent(2008)[7]利用11個(gè)OECD國家1973至1994年的數(shù)據(jù)，研究R&D活動(dòng)在貿(mào)易中的溢出效應(yīng)，發(fā)現(xiàn)人力資本對R&D產(chǎn)出有直接影響。Lakshmi(1995)[8]借助1975至1986年間印度私營制造企業(yè)的面板數(shù)據(jù)，通過實(shí)證研究發(fā)現(xiàn)，研發(fā)投入溢出效應(yīng)比較明顯，會(huì)帶來產(chǎn)出的額外增加。

國內(nèi)關(guān)于產(chǎn)業(yè)與企業(yè)層面技術(shù)創(chuàng)新投入產(chǎn)出關(guān)系的研究也比較豐富。王國順、張涵等(2010)[9]通過實(shí)證研究發(fā)現(xiàn)，研發(fā)要素投入對產(chǎn)業(yè)技術(shù)創(chuàng)新效率提高具有基礎(chǔ)性促進(jìn)作用，其中外資產(chǎn)權(quán)比例上升能夠提高行業(yè)整體技術(shù)創(chuàng)新效率，但對內(nèi)資企業(yè)技術(shù)創(chuàng)新效率有負(fù)向影響趨勢。沙文兵、李桂香(2011)[10]的研究表明，內(nèi)資企業(yè)自主研發(fā)投入是創(chuàng)新能力形成的最主要因素；外資企業(yè)研發(fā)活動(dòng)對內(nèi)資企業(yè)具有一定的知識(shí)溢出效應(yīng)，能夠推動(dòng)內(nèi)資企業(yè)創(chuàng)新能力的提高。千慧雄(2011)[11]的實(shí)證研究發(fā)現(xiàn)，我國存在重視國外技術(shù)引進(jìn)，輕視后續(xù)消化吸收的問題。黃靜、吳和成等(2010)[12]發(fā)現(xiàn)研發(fā)經(jīng)費(fèi)投入對產(chǎn)出具有較強(qiáng)的促進(jìn)作用，而人員投入只對部分產(chǎn)業(yè)的產(chǎn)出有顯著貢獻(xiàn)。李平、張俊飚等(2010)[13]發(fā)現(xiàn)高技術(shù)產(chǎn)業(yè)R&D資源投入與產(chǎn)業(yè)發(fā)展存在協(xié)整關(guān)系，產(chǎn)業(yè)R&D經(jīng)費(fèi)與產(chǎn)業(yè)發(fā)展具有正向長期均衡關(guān)系，產(chǎn)業(yè)專利申請數(shù)與產(chǎn)業(yè)發(fā)展具有反向長期均衡關(guān)系，而研發(fā)人員數(shù)量投入與產(chǎn)業(yè)發(fā)展之間的關(guān)系并不明顯。孫冰、林婷婷(2011)[14]運(yùn)用灰色關(guān)聯(lián)方法分析技術(shù)創(chuàng)新能力指標(biāo)對高技術(shù)產(chǎn)業(yè)競爭力綜合指數(shù)的影響，發(fā)現(xiàn)新產(chǎn)品的研發(fā)與市場運(yùn)作狀況是影響競爭力的重要因素，專利申請及專利擁有是影響競爭力的次重要因素，而政府、金融機(jī)構(gòu)等創(chuàng)新環(huán)境對高技術(shù)產(chǎn)業(yè)競爭力的作用并不大。王達(dá)政(2009)[15]以專利申請量作為自主創(chuàng)新的產(chǎn)出指標(biāo)，以研發(fā)經(jīng)費(fèi)數(shù)和研發(fā)人員數(shù)作為投入指標(biāo)，通過回歸分析發(fā)現(xiàn)我國自主創(chuàng)新活動(dòng)呈現(xiàn)顯著的規(guī)模報(bào)酬遞增特征。鄧路、高連水(2009)[16]發(fā)現(xiàn)內(nèi)資企業(yè)自身R&D資本和研發(fā)人員對創(chuàng)新產(chǎn)出的提高具有顯著的促進(jìn)作用；高技術(shù)產(chǎn)業(yè)總體國內(nèi)技術(shù)購買、技術(shù)引進(jìn)及外資企業(yè)本土化R&D投入對自主創(chuàng)新效率存在顯著正向溢出效應(yīng)。

國內(nèi)外關(guān)于科技創(chuàng)新投入產(chǎn)出的研究成果均較多，包括創(chuàng)新中投入產(chǎn)出關(guān)系、科技創(chuàng)新的影響因素、創(chuàng)新投入產(chǎn)出效率等諸多方面。研究有的從區(qū)域?qū)哟?，有的從行業(yè)層次，有的從企業(yè)層次，有的從高校層次?？傮w上尚存在以下問題：

第一，缺乏從企業(yè)自主創(chuàng)新、購買國外技術(shù)、購買國內(nèi)技術(shù)、更新改造4個(gè)不同創(chuàng)新途徑視角進(jìn)行的研究，因此，對不同途徑創(chuàng)新方式的績效缺乏很好的把握，當(dāng)然也難以分析其中存在的問題。

第二，缺乏針對不同水平創(chuàng)新產(chǎn)出，同一投入要素貢獻(xiàn)彈性系數(shù)變化規(guī)律的研究，也就是說，現(xiàn)有的研究都假定投入要素對不同創(chuàng)新產(chǎn)出水平貢獻(xiàn)的彈性系數(shù)是一樣的，這明顯不符合經(jīng)濟(jì)學(xué)的常識(shí)，缺少理論支撐。

第三，從研究方法看，現(xiàn)有的研究采用的方法主要有普通回歸、面板數(shù)據(jù)、向量自回歸模型、灰色關(guān)聯(lián)分析等，較少考慮到變量的內(nèi)生性問題，從而導(dǎo)致模型估計(jì)結(jié)果是有偏誤的。部分研究沒有進(jìn)行面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)，有可能出現(xiàn)偽回歸問題。此外，還有一些研究沒有處理多重共線性、異方差、遺失重要變量等問題，會(huì)導(dǎo)致結(jié)果偏誤。

本文采用省際高技術(shù)產(chǎn)業(yè)省際面板數(shù)據(jù)，首先采用系統(tǒng)廣義矩估計(jì)方法對面板數(shù)據(jù)進(jìn)行估計(jì)，分析不同創(chuàng)新途徑貢獻(xiàn)的彈性系數(shù)，然后采用分位數(shù)回歸模型，分析不同創(chuàng)新產(chǎn)出水平下，投入要素貢獻(xiàn)的變化規(guī)律，最后對高技術(shù)企業(yè)創(chuàng)新途徑的選擇進(jìn)行總結(jié)。

二、 研究方法

(一) 基本方程

Griliches(1979)[17]認(rèn)為創(chuàng)新產(chǎn)出是R&D資本投入的函數(shù)，最早提出了“知識(shí)生產(chǎn)函數(shù)”的概念。Jaffe(1989)[18]認(rèn)為有經(jīng)濟(jì)價(jià)值的知識(shí)是企業(yè)追求的重要目標(biāo)，人力資源是創(chuàng)新中不可忽略的因素，科技創(chuàng)新是R&D經(jīng)費(fèi)和人力資源共同作用的結(jié)果，這也就是著名的Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)：

(1)

公式(1)中，Y表示科技創(chuàng)新產(chǎn)出，K表示R&D經(jīng)費(fèi)投入，L表示R&D人員投入，α1、α2表示彈性系數(shù)，A為常數(shù)項(xiàng)，表示科技投入的全要素生產(chǎn)率。

考慮到高技術(shù)企業(yè)創(chuàng)新途徑包括企業(yè)自主研發(fā)投入(K1)、引進(jìn)國外技術(shù)投入(K2)、引進(jìn)國內(nèi)技術(shù)投入(K3)和更新改造投入(K4)4大類，將其帶入公式(1)?？紤]到消除異方差需要，公式兩邊取對數(shù)，整理變換得：

(2)

這就是本文的基本方程，公式(2)中，c=log(A)，表示常數(shù)項(xiàng)，α1、α2…α5為彈性系數(shù)。

(二) 面板數(shù)據(jù)的系統(tǒng)廣義矩估計(jì)

面板數(shù)據(jù)最早由Mundlak[19]引入到經(jīng)濟(jì)計(jì)量學(xué)中，它是同時(shí)在時(shí)間序列和截面上存在的數(shù)據(jù)，因此又稱為平行數(shù)據(jù)。面板數(shù)據(jù)一般采用普通的最小二乘法(固定效應(yīng))或廣義最小二乘法(隨機(jī)效應(yīng))進(jìn)行估計(jì)，然而當(dāng)存在內(nèi)生變量時(shí)，原有的基于最小二乘法估計(jì)將會(huì)失效，必須采用基于工具變量的兩階段最小二乘法(2SLS)或廣義矩法等進(jìn)行估計(jì)。工具變量能夠較好處理模型估計(jì)中的變量的內(nèi)生性問題，但對于面板數(shù)據(jù)而言，數(shù)據(jù)的可獲得性較低，工具變量的選取更加困難，一般情況下難以找到合適的工具變量。為此，Arelano等(1991)[20]提出了差分廣義矩(DIF-GMM)方法，其原理是首先對原始模型進(jìn)行一階差分，然后利用被解釋變量和其他內(nèi)生性變量的高階滯后項(xiàng)作為工具變量，這樣處理拓展了工具變量的選取空間。進(jìn)一步研究認(rèn)為，差分廣義矩法估計(jì)量較易受弱工具變量的影響，其后果是容易產(chǎn)生有限樣本偏誤，特別是當(dāng)T較小時(shí)，估計(jì)結(jié)果會(huì)出現(xiàn)比較嚴(yán)重的偏誤。為此，Arellano et al(1995)[21]、Blundell et al(1998)[22]給出了另外一種克服上述問題的估計(jì)方法——系統(tǒng)廣義矩法(SYS-GMM)，相對于差分廣義矩估計(jì)而言，該方法增加了被解釋變量的一階差分滯后項(xiàng)作為水平方程的工具變量。

企業(yè)自主研發(fā)投入明顯是內(nèi)生變量，在科技投入有限的情況下，研發(fā)投入必然擠占購買技術(shù)及更新改造投入的空間，因而它們之間是相關(guān)的，此時(shí)需要采用系統(tǒng)廣義矩法進(jìn)行估計(jì)。

(三) 分位數(shù)回歸

分位數(shù)回歸描述解釋變量如何影響被解釋變量的中位數(shù)、1/3分位數(shù)、3/4分位數(shù)等，這些不同分位數(shù)代表處于不同水平的被解釋變量。不同分位數(shù)的參數(shù)估計(jì)量是不同的，代表著同樣的影響因素對處在不同水平的被解釋變量作用大小是不同的。

分位數(shù)回歸具有很多優(yōu)點(diǎn)，第一，它對數(shù)據(jù)中出現(xiàn)的異常點(diǎn)具有較好的耐抗性；第二，一般線性回歸需要滿足一系列較強(qiáng)的假設(shè)條件，如不能出現(xiàn)異方差，不能有自相關(guān)等，而經(jīng)濟(jì)變量往往難以做到。但是分位數(shù)回歸對模型中的隨機(jī)擾動(dòng)項(xiàng)不需做任何分布假定，參數(shù)估計(jì)量優(yōu)于傳統(tǒng)的線性回歸，具有較強(qiáng)的穩(wěn)健性。第三，分位數(shù)回歸還具有良好的彈性性質(zhì)，對因變量具有單調(diào)變換性，參數(shù)估計(jì)結(jié)果具有在大樣本下的漸進(jìn)優(yōu)良性質(zhì)。

三、 數(shù) 據(jù)

高技術(shù)產(chǎn)業(yè)創(chuàng)新產(chǎn)出的測度指標(biāo)選取比較復(fù)雜。以往實(shí)證研究選取的指標(biāo)主要有專利授權(quán)數(shù)量(Groot al.，2001[23])和新產(chǎn)品銷售收入(Griliches，1990[24]；Liu al.，2007[25])。采用專利授權(quán)量主要存在三個(gè)問題：首先，專利包括發(fā)明、實(shí)用新型、外觀設(shè)計(jì)三大類，真正屬于技術(shù)創(chuàng)新的是發(fā)明專利，中國統(tǒng)計(jì)年鑒中甚至只公布了高技術(shù)企業(yè)發(fā)明專利數(shù)量，其他專利都沒有公布。其次，專利從申請到授權(quán)一般有1至3年時(shí)間的滯后，難以確定滯后期。最后，部分企業(yè)為了保密，不一定申請專利，也不排除少數(shù)專利沒有太大的商業(yè)價(jià)值。采用新產(chǎn)品銷售收入作為創(chuàng)新產(chǎn)出存在的問題是，新產(chǎn)品的界定并沒有統(tǒng)一的標(biāo)準(zhǔn)，少數(shù)新產(chǎn)品并不一定有太大的創(chuàng)新，但是新產(chǎn)品綜合反映了創(chuàng)新的市場價(jià)值，因此本文選取新產(chǎn)品銷售收入作為高技術(shù)產(chǎn)業(yè)創(chuàng)新產(chǎn)出的替代變量。

高技術(shù)企業(yè)自主研發(fā)投入變量選取企業(yè)R&D經(jīng)費(fèi)內(nèi)部支出。引進(jìn)國外技術(shù)包括技術(shù)引進(jìn)投入和后期消化吸收支出，因此將兩者相加作為引進(jìn)國外技術(shù)數(shù)據(jù)。引進(jìn)國內(nèi)技術(shù)和更新改造投入有現(xiàn)成的數(shù)據(jù)。由于引進(jìn)國外技術(shù)、購買國內(nèi)技術(shù)、技術(shù)改造三項(xiàng)投入的周期較短，因此可以采用流量數(shù)據(jù)。而R&D經(jīng)費(fèi)內(nèi)部支出的投入產(chǎn)出周期一般較長，必須采用存量數(shù)據(jù)。所以，借鑒Griliches(2000)[26]的方法，采用永續(xù)盤存法R&D經(jīng)費(fèi)內(nèi)部支出的存量進(jìn)行估算。

研發(fā)人力資本投入數(shù)據(jù)有R&D人員數(shù)量和R&D人員全時(shí)當(dāng)量兩個(gè)指標(biāo)，本文選取后者，它能更加準(zhǔn)確地反映高技術(shù)產(chǎn)業(yè)研發(fā)人員的投入情況。此外，高技術(shù)企業(yè)研發(fā)人員負(fù)責(zé)企業(yè)所有的技術(shù)相關(guān)事宜，包括引進(jìn)技術(shù)的消化、更新改造中技術(shù)支持等等。

本文所有數(shù)據(jù)來自于1997至2013年的中國高技術(shù)年鑒，實(shí)際數(shù)據(jù)為1996至2012年17年的省際面板數(shù)據(jù)。西藏和臺(tái)灣地區(qū)由于數(shù)據(jù)缺失過多，因此加以省略。數(shù)據(jù)的描述統(tǒng)計(jì)量如表1所示。

四、 實(shí)證研究結(jié)果

(一) 面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)

面板數(shù)據(jù)不平穩(wěn)會(huì)產(chǎn)生偽回歸問題，常見的面板數(shù)據(jù)單位根檢驗(yàn)方法有ADF檢驗(yàn)、Levin檢驗(yàn)、PP檢驗(yàn)等，由于檢驗(yàn)原理不同，不同檢驗(yàn)方法的結(jié)果不盡相同，本文以3種方法中至少兩種結(jié)果一致為準(zhǔn)。結(jié)果如表2所示，所有變量在0階都是平穩(wěn)時(shí)間序列，因此可以直接回歸。

表1 數(shù)據(jù)摘要描述統(tǒng)計(jì)量

表2 面板數(shù)據(jù)單位根檢驗(yàn)

注：單元格中上一行是檢驗(yàn)值，下一行括號(hào)中為概率。*表示在10%的水平上統(tǒng)計(jì)檢驗(yàn)顯著。***表示在1%的水平上統(tǒng)計(jì)檢驗(yàn)顯著。

(二) 面板數(shù)據(jù)的廣義矩估計(jì)

考慮到投入變量可能存在內(nèi)生性問題，下面對其進(jìn)行檢驗(yàn)。第一步用自主研發(fā)投入作為因變量，其他所有外生變量和工具變量作為自變量進(jìn)行回歸，這里工具變量選取解釋變量的一階滯后項(xiàng)。第二步將第一步估計(jì)的殘差加入到公式(2)，結(jié)果殘差的回歸系數(shù)為-0.116，相伴概率為0.055，說明殘差的影響是顯著的，也就是說，自主研發(fā)投入變量是內(nèi)生的。采用類似的方法繼續(xù)檢驗(yàn)其他變量，引進(jìn)國外技術(shù)投入、購買國內(nèi)技術(shù)投入、更新改造投入變量均具有內(nèi)生性問題。

下面采用系統(tǒng)廣義矩法對面板數(shù)據(jù)進(jìn)行估計(jì)。在估計(jì)時(shí)，首先引入全部變量采用隨機(jī)效應(yīng)進(jìn)行估計(jì)，接著進(jìn)行hauseman檢驗(yàn)，發(fā)現(xiàn)hauseman檢驗(yàn)值為1.806，相伴概率為0.875，不能拒絕隨機(jī)效應(yīng)的原假設(shè)，應(yīng)選取隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。為了判斷工具變量的選擇是否存在過度識(shí)別問題，接著進(jìn)行Sargan-Hansen檢驗(yàn)，其原假設(shè)是全部工具變量已經(jīng)聯(lián)合有效，如果進(jìn)一步引入其他變量會(huì)造成過度識(shí)別問題。結(jié)果Sagen檢驗(yàn)的概率為0.715，不能拒絕工具變量聯(lián)合生效的原假設(shè)。為了便于比較，表3還同時(shí)給出了普通面板數(shù)據(jù)固定效應(yīng)模型的估計(jì)結(jié)果。

從最終結(jié)果看，R2值為0.652，屬于中等程度的相關(guān)。首先是企業(yè)研發(fā)經(jīng)費(fèi)的彈性系數(shù)最大，投入每增加1%，會(huì)導(dǎo)致創(chuàng)新產(chǎn)出增加0.943%；其次是引進(jìn)國外技術(shù)投入，每增加1%會(huì)帶來創(chuàng)新產(chǎn)出增加0.380%；最后是更新改造投入，每增加1%，會(huì)帶來創(chuàng)新產(chǎn)出增加0.250%。引進(jìn)國內(nèi)技術(shù)投入沒有通過統(tǒng)計(jì)檢驗(yàn)。研發(fā)人員變量的回歸系數(shù)為負(fù)數(shù)，并且統(tǒng)計(jì)檢驗(yàn)是顯著的，這可能與無法區(qū)分不同水平研發(fā)人員的貢獻(xiàn)、研發(fā)人員效率不夠高等因素有關(guān)。

對比面板數(shù)據(jù)傳統(tǒng)估計(jì)的結(jié)果，除了回歸系數(shù)大小不同外，自主研發(fā)投入和更新改造投入的回歸系數(shù)均為正值，并且通過了統(tǒng)計(jì)檢驗(yàn)，國內(nèi)引進(jìn)技術(shù)投入均沒有通過統(tǒng)計(jì)檢驗(yàn)，研發(fā)人員全時(shí)當(dāng)量的回歸系數(shù)均為負(fù)值。傳統(tǒng)面板數(shù)據(jù)估計(jì)結(jié)果中，引進(jìn)國外技術(shù)沒有通過統(tǒng)計(jì)檢驗(yàn)，其相伴概率為0.146，也就是說，稍微放寬一下統(tǒng)計(jì)檢驗(yàn)的限制是能通過統(tǒng)計(jì)檢驗(yàn)的。因此，系統(tǒng)廣義矩估計(jì)的結(jié)果總體是穩(wěn)健的，與傳統(tǒng)面板數(shù)據(jù)回歸相比，估計(jì)結(jié)果更為可信。

表3 面板估計(jì)結(jié)果

注：*表示在10%的水平下統(tǒng)計(jì)檢驗(yàn)顯著，**表示在5%的水平下統(tǒng)計(jì)檢驗(yàn)顯著，***表示在1%的水平下統(tǒng)計(jì)檢驗(yàn)顯著。

(三) 分位數(shù)回歸估計(jì)

分位數(shù)回歸可以精確反映不同創(chuàng)新產(chǎn)出水平下投入要素貢獻(xiàn)彈性系數(shù)的變化規(guī)律。與傳統(tǒng)的均值回歸相比，它能精確刻畫不同特定數(shù)據(jù)分布下投入要素的邊際貢獻(xiàn)，與面板數(shù)據(jù)估計(jì)結(jié)合，可以全面反映不同創(chuàng)新途徑的貢獻(xiàn)。關(guān)于分位數(shù)的劃分，分位數(shù)太少不能揭示出投入要素貢獻(xiàn)的變化，分位數(shù)太多又容易損失自由度。本文根據(jù)經(jīng)驗(yàn)采取10分位(τ=0.1～0.9)進(jìn)行估計(jì)，結(jié)果如表4所示，為了進(jìn)一步反映不同分位數(shù)下投入要素彈性系數(shù)的變化，將其繪圖如圖2所示。

從分位數(shù)回歸的結(jié)果看，擬R2值在0.531～0.663之間，相關(guān)程度中等。企業(yè)自主研發(fā)投入的貢獻(xiàn)最大，并且除了τ=0.3回歸系數(shù)最低外，基本上回歸系數(shù)呈倒U型分布，顯示出中間大，兩頭小的規(guī)律，也就是說，對于科技產(chǎn)出較低地區(qū)和較高地區(qū)，自主研發(fā)投入的彈性系數(shù)小于科技產(chǎn)出中等地區(qū)，換句話說，科技產(chǎn)出中等地區(qū)其自主研發(fā)的績效較高。

引進(jìn)國外技術(shù)的彈性系數(shù)基本上呈現(xiàn)“中間小，兩頭大”的規(guī)律，即科技產(chǎn)出較低水平和較高水平地區(qū)引進(jìn)技術(shù)的績效較高，而科技產(chǎn)出中等水平地區(qū)引進(jìn)技術(shù)的績效較低。

只有當(dāng)τ=0.9時(shí)，引進(jìn)國內(nèi)技術(shù)的彈性系數(shù)才是顯著的，說明科技產(chǎn)出最高水平地區(qū)對購買國內(nèi)技術(shù)比較感興趣，應(yīng)用效果良好。而其他地區(qū)雖然也購買國內(nèi)技術(shù)，但總體績效極低，其彈性系數(shù)沒有通過統(tǒng)計(jì)檢驗(yàn)。對比面板數(shù)據(jù)估計(jì)結(jié)果，由于只有科技產(chǎn)出最高水平地區(qū)引進(jìn)國內(nèi)技術(shù)的貢獻(xiàn)才是顯著的，從而導(dǎo)致平均水平面板數(shù)據(jù)估計(jì)的結(jié)果不顯著。

表4 分位數(shù)回歸結(jié)果

圖2 不同分位數(shù)投入要素的彈性系數(shù)變化

更新改造投入貢獻(xiàn)的彈性系數(shù)變化的規(guī)律不太明顯，并且當(dāng)τ=0.2和τ=0.6時(shí)，沒有通過統(tǒng)計(jì)檢驗(yàn)，這可能與各地高技術(shù)企業(yè)行業(yè)不同、生產(chǎn)設(shè)備不同、技術(shù)狀況不同等因素有關(guān)。

當(dāng)τ>0.5時(shí)，研發(fā)人員全時(shí)當(dāng)量對科技產(chǎn)出的貢獻(xiàn)才是顯著的，并且隨著τ的增加，回歸系數(shù)越來越小，而且全部是負(fù)數(shù)。說明低創(chuàng)新產(chǎn)出地區(qū)，研發(fā)人員的貢獻(xiàn)相對而言是有效率的，而中等和高科技產(chǎn)出地區(qū)，研發(fā)人員對產(chǎn)出的貢獻(xiàn)呈現(xiàn)低效率。各種科技產(chǎn)出水平地區(qū)研發(fā)人員貢獻(xiàn)的最終結(jié)果就是面板數(shù)據(jù)估計(jì)中，研發(fā)人員全時(shí)當(dāng)量的回歸系數(shù)為負(fù)數(shù)，并且通過了統(tǒng)計(jì)檢驗(yàn)。

對比企業(yè)自主研發(fā)經(jīng)費(fèi)與引進(jìn)國外技術(shù)彈性系數(shù)曲線，它們之間存在一種互補(bǔ)關(guān)系，即如果自主研發(fā)水平較低地區(qū)，可能需要引進(jìn)技術(shù)來進(jìn)行補(bǔ)充，而自主研發(fā)水平較高的地區(qū)，相對而言引進(jìn)技術(shù)要少。

五、 結(jié) 論

(一) 自主研發(fā)投入的績效最高

在經(jīng)濟(jì)轉(zhuǎn)型升級(jí)、創(chuàng)新驅(qū)動(dòng)發(fā)展背景下，高技術(shù)企業(yè)必須走自主創(chuàng)新為主的道路。高技術(shù)企業(yè)自主研發(fā)投入占所有科技投入的比重最大，其對高技術(shù)企業(yè)創(chuàng)新產(chǎn)出貢獻(xiàn)的彈性系數(shù)也最大，并且遠(yuǎn)遠(yuǎn)大于引進(jìn)國外技術(shù)、引進(jìn)國內(nèi)技術(shù)和更新改造投入的彈性系數(shù)，說明我國高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新路徑總體是正確的。如果不依賴自主創(chuàng)新，高技術(shù)企業(yè)難以買到真正具有競爭力的技術(shù)，其生存發(fā)展必將是不可持續(xù)的。雖然我國與發(fā)達(dá)國家技術(shù)創(chuàng)新水平還有較大差距，但從績效看，我國自主研發(fā)的總體態(tài)勢較好。

(二) 多種創(chuàng)新途徑必須進(jìn)行有效的結(jié)合

實(shí)證研究結(jié)果表明，高技術(shù)企業(yè)自主研發(fā)、引進(jìn)國外技術(shù)、更新改造的績效總體較好。如果完全依賴自主創(chuàng)新，一旦短期內(nèi)遇到技術(shù)難題不能克服，必然需要依賴外部的技術(shù)支持。更新改造是發(fā)揮原有設(shè)備產(chǎn)能，提高生產(chǎn)效率的行之有效的措施。高技術(shù)企業(yè)應(yīng)該根據(jù)自身的條件，尋找最適合自己發(fā)展的科技創(chuàng)新之路，創(chuàng)新路徑并不是單一的，應(yīng)該采取以自主研發(fā)為主，多種創(chuàng)新路徑相結(jié)合的創(chuàng)新道路。

(三) 必須注重引進(jìn)國內(nèi)技術(shù)

引進(jìn)國內(nèi)技術(shù)只對最高科技產(chǎn)出水平地區(qū)科技產(chǎn)出的貢獻(xiàn)是顯著的。這說明國內(nèi)科研院所、高等院校等科研機(jī)構(gòu)一樣可以研發(fā)高技術(shù)。但由于歷史原因，國內(nèi)高技術(shù)企業(yè)在引進(jìn)技術(shù)時(shí)，首先想到的是引進(jìn)國外技術(shù)，從而導(dǎo)致國內(nèi)技術(shù)存在嚴(yán)重的需求不足的現(xiàn)象，產(chǎn)生的直接后果是，國內(nèi)科技成果轉(zhuǎn)化率較低，產(chǎn)學(xué)研合作松散，導(dǎo)致國家和科技機(jī)構(gòu)投入的大量科研經(jīng)費(fèi)浪費(fèi)。國家在對高技術(shù)企業(yè)進(jìn)行直接投資的同時(shí)，應(yīng)采取措施鼓勵(lì)高技術(shù)企業(yè)優(yōu)先購買國內(nèi)技術(shù)，一旦形成良性循環(huán)，會(huì)給中國的科技創(chuàng)新帶來極大的推動(dòng)。

[ 1 ] Kuen-hung Tsai. The R&D Performance in Taiwan Electronics Industry: a Longitudinal Examination[J]. R&D Management,2004(2):179-189.

[ 2 ] L W Mclean，D K Round. Research and Product Innovation in Australian Manafacturing Industries[J]. Journal of Industrial Economics,1978(1):1-12.

[ 3 ] B Billings，A Yaprak. Inventive Efficiency: How the U.S. Compares with Japan[J]. R&D Management,1995(4):365-376.

[ 4 ] Martin Falk. R&D Spending in the High-tech Sector and Economic Growth[J]. Research in Economics，2007(3):140-147.

[ 5 ] H Carpon, B Van Pottelberghe.Public Support to R&Dprogrammes: An Integrated Assessment Scheme[R]. Paris: OECD,1997:35-48.[ 6 ] Katharine Wakelin. Productivity Growth and R&D Expenditure in UK Manufacturing Firms[J]. Research Policy，2001(7)：1079-1090.

[ 7 ] U N Bulent. R&D Spillovers Through Trade in a Panel of OECD Industries[J]. The Jurnal of International Trade & Economic Development, 2008(1):105-133.

[ 8 ] Lakshmi K Raut. R&D spillover and productivity growth：Evidence from Indian private firms[J]. Journal of Development Economics,1995(1):1-23.

[ 9 ] 王國順，張涵，鄧路. R&D存量、所有制結(jié)構(gòu)與技術(shù)創(chuàng)新效率[J]. 湘潭大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2010(3)：71-75.

[10] 沙文兵，李桂香.FDI知識(shí)溢出、自主R&D投入與內(nèi)資高技術(shù)企業(yè)創(chuàng)新能力[J]. 世界經(jīng)濟(jì)研究，2011(1)：51-56.

[11] 千慧雄. “重技術(shù)引進(jìn)，輕消化吸收”問題研究[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2011(9)：56-65.

[12] 黃靜，吳和成，李慧. 基于面板數(shù)據(jù)的高技術(shù)產(chǎn)業(yè)R&D投入產(chǎn)出關(guān)系研究[J]. 科技進(jìn)步與對策，2010(16)：58-62.

[13] 李平，張俊飚，徐衛(wèi)濤，等. 高技術(shù)產(chǎn)業(yè)R&D資源投入與產(chǎn)業(yè)發(fā)展關(guān)系實(shí)證研究[J]. 資源科學(xué)，2011(11)：2107-2115.

[14] 孫冰，林婷婷. 我國高技術(shù)產(chǎn)業(yè)競爭力與技術(shù)創(chuàng)新能力的關(guān)聯(lián)分析[J].科技與經(jīng)濟(jì)，2011(5)：48-52.

[15] 王達(dá)政. 自主創(chuàng)新還是技術(shù)引進(jìn)[J].科技進(jìn)步與對策，2009(24)：30-34.

[16] 鄧路，高連水. 研發(fā)投入、行業(yè)內(nèi)R&D溢出與自主創(chuàng)新效率[J]. 財(cái)貿(mào)研究，2009(5)：9-15.

[17] Z Griliches.Issues in Assessing the Contribution of Research and Development to Productivity Growth[J]. Bell Journal of Economics,1979(1):92-116.

[18] A B Jaffe. Real Effects of Academic Research[J].The American Economic Review,1989(5):957-970.

[19] Y Mundlak. Empirical Productions Free of Management Bias[J]. Journal of Farm Economics，1961(1)： 44-56.

[20] M Arrelano，S Bond. Some Tests of Specification for Panel Data：Monte-Carlo Evidence, and an Application to Employment Equation[J].Review of Economic Studies，1991(2):277-297.

[21] M Arellano，O Bover. Another look at the Instrument Variable Estimation of Error Compnents Models[J]. Journal of Econometrics，1995(1):29-51.

[22] R Blundell，S Bond.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J]. Journal of Econometrics，1998(1):115-143.

[23] Groot de HLF, P Nijkamp. Knowledge Spillovers, Innovation and Regional Development[J]. Papers in Regional Science, 2001(3):249-253.

[24] Z Griliches. Patent Statistics as Economic Indicators: A survey[J]. Journal of Economic literature，1990(12):1661-1707.

[25] X H Liu, T Buck. Innovation Performance and Channels for International Technology Spillovers: Evidence from Chineses High-tech Industries[J].Research Policy, 2007(3):355-366.

[26] Z Griliches. R&D, Education, and Productivity[M]. Cambridge: Harvard University Press,2000.

(責(zé)任編輯：周成璐)

A Comparative Study of the Performance of the Different Channels of China’s High-tech Industry Innovation ——Based on the Assessment by Sys-GMM and Quantile Regression Models

YU Li-ping

(SchoolofBusiness,NingboUniversity,Ningbo315211,China)

Performance is an important gauge of the channels of innovation. Based on panel data of provincial high-tech industry, this paper analyzes the contributions of four channels of scientific and technological input to innovation output, namely, enterprises’ self R&D input, the import of foreign technology, the introduction of domestic technologies and equipment upgrading and transformation by using Sys-GMM and Quantile Regression Models. The results show enterprises’ self R&D input yields highest contribution, the import of foreign technology ranks the second, while equipment upgrading and transformation ranks the last. The combination of self R&D input with foreign technology importing yields better results in those enterprises with high technologies. The introduction of domestic technologies makes significant contribution in those areas with the highest level of scientific and technological output while the overall contribution of R&D staff is comparatively low and turns out to be worse with the increase of scientific and technological output, indicating comparatively poor performance of R& D staff in those areas with high level of scientific and technological output.

high-tech industry, enterprises’ self R&D input, introducing technology, equipment upgrading and transformation; performance

10.3969/j.issn.1007-6522.2015.06.008

2014-06-09

寧波市與中國社會(huì)科學(xué)院合作共建城市經(jīng)濟(jì)研究中心預(yù)研項(xiàng)目(ZX2015000098)

俞立平(1967- )，男，江蘇姜堰人。寧波大學(xué)商學(xué)院教授，博士，主要從事計(jì)量經(jīng)濟(jì)、科學(xué)計(jì)量領(lǐng)域的教學(xué)科研工作。

F403.6

A

1007-6522(2015)06-0083-10