范德成，王瑞,2

(1.哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150001； 2.哈爾濱理工大學(xué) 管理學(xué)院，黑龍江 哈爾濱 150080)

企業(yè)技術(shù)能級(jí)的概念、測(cè)度方法與模型優(yōu)化

范德成1，王瑞1,2

(1.哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150001； 2.哈爾濱理工大學(xué) 管理學(xué)院，黑龍江 哈爾濱 150080)

企業(yè)技術(shù)軌道演化路徑是企業(yè)制定技術(shù)發(fā)展策略的風(fēng)向標(biāo)，現(xiàn)代企業(yè)的技術(shù)軌道正逐漸由傳統(tǒng)的累積型路徑向躍遷型路徑演化，技術(shù)發(fā)展不確定性的增加應(yīng)該引起我國(guó)企業(yè)的重視。本文提出企業(yè)技術(shù)能級(jí)的概念，對(duì)現(xiàn)有技術(shù)軌道模型進(jìn)行完善，建立了相應(yīng)的數(shù)學(xué)模型，分別使用改進(jìn)的索洛殘差法和DEA-Malmquist指數(shù)法對(duì)樣本企業(yè)的技術(shù)能級(jí)進(jìn)行測(cè)算和比較，利用面板門限模型驗(yàn)證了企業(yè)技術(shù)能級(jí)的存在。研究結(jié)果表明：全要素生產(chǎn)率可以作為測(cè)度企業(yè)技術(shù)能級(jí)的指標(biāo)；要素投入的增加不能有效提升企業(yè)的技術(shù)能級(jí)；企業(yè)技術(shù)軌道躍遷的實(shí)現(xiàn)需要受到來(lái)自外部的激發(fā)，政策、環(huán)境等約束要素對(duì)我國(guó)企業(yè)技術(shù)進(jìn)步的影響被低估。研究結(jié)論為技術(shù)后發(fā)企業(yè)提供了技術(shù)軌道跨越的有效途徑。

企業(yè)技術(shù)能級(jí)；技術(shù)軌道；門限回歸；全要素生產(chǎn)率；量子模型；技術(shù)后發(fā)企業(yè)；技術(shù)跨越

企業(yè)掌握核心技術(shù)的水平?jīng)Q定了其能否有效整合投入要素，實(shí)現(xiàn)企業(yè)盈利增長(zhǎng)。按照技術(shù)軌道理論，技術(shù)的發(fā)展是一個(gè)連續(xù)積累的過(guò)程，具有非常明顯的繼承性[1]，這與國(guó)家整體層面技術(shù)進(jìn)步呈現(xiàn)出的連續(xù)發(fā)展態(tài)勢(shì)相吻合，各種要素投入驅(qū)動(dòng)著技術(shù)水平的漲落；同時(shí)，技術(shù)的發(fā)展存在極限，即技術(shù)前沿，突破這個(gè)極限實(shí)現(xiàn)技術(shù)跨越需要根本性、顛覆性的創(chuàng)新或范式轉(zhuǎn)換[2]，從區(qū)域?qū)用娴狡髽I(yè)微觀層面，技術(shù)進(jìn)步與所投入各要素之間的相關(guān)性逐漸減弱，投入要素相近的區(qū)域往往表現(xiàn)出巨大的技術(shù)差異，表現(xiàn)為技術(shù)發(fā)展的不連續(xù)性[3]。Hsin-Hui Chou的案例研究表明，企業(yè)成功跨越技術(shù)不連續(xù)性(technological discontinuities)需要調(diào)動(dòng)自身及周邊資源，形成連續(xù)充分的產(chǎn)品、技術(shù)流程和營(yíng)銷技術(shù)儲(chǔ)備[4]。Jenkins對(duì)F1方程式56年發(fā)展歷程的研究指出，企業(yè)自身技術(shù)軌道(technological trajectories)的差異性很大程度上影響了其跨越技術(shù)不連續(xù)性的模式，并且企業(yè)實(shí)現(xiàn)技術(shù)跨越的路徑往往是突破式的而非漸進(jìn)式的[5]。

通過(guò)對(duì)相關(guān)文獻(xiàn)的整理發(fā)現(xiàn)，由于企業(yè)層面技術(shù)信息獲取難度較大，國(guó)內(nèi)外學(xué)者對(duì)Dosi提出的技術(shù)軌道理論[6]主要從理論模型構(gòu)建和案例分析兩個(gè)方面進(jìn)行深入的探討：Soete在技術(shù)軌道理論的基礎(chǔ)上提出技術(shù)“蛙跳”(leap frogging)的概念[7]，隨后Brezis等對(duì)這一理論進(jìn)行了完善[8]，企業(yè)技術(shù)水平的差距造就了差異化的技術(shù)路徑：以美國(guó)、德國(guó)、日本為代表的技術(shù)強(qiáng)國(guó)擁有堅(jiān)實(shí)的技術(shù)基礎(chǔ)，企業(yè)可以在原有技術(shù)基礎(chǔ)上繼承和創(chuàng)新；以中國(guó)為代表的后發(fā)展國(guó)家在傳統(tǒng)技術(shù)上投入較少，卻具備一定的技能和基礎(chǔ)設(shè)施，企業(yè)通過(guò)對(duì)新技術(shù)“機(jī)會(huì)窗口”的捕捉可能提前進(jìn)入新的技術(shù)范式，實(shí)現(xiàn)技術(shù)跨越。Teece等對(duì)技術(shù)軌道理論進(jìn)行了系統(tǒng)的梳理和評(píng)述[9-10]。Funk、Dijk和Tanaka分別以移動(dòng)互聯(lián)網(wǎng)和電力汽車技術(shù)為例，剖析了實(shí)現(xiàn)技術(shù)軌道跨越的必要條件和影響因素。姜紅、熊鴻儒等分別對(duì)技術(shù)軌道理論進(jìn)行了綜述研究和展望[11-13]。黃魯成、楊中楷、繆小明基于專利引用，分別以太陽(yáng)能電池和汽車產(chǎn)業(yè)為案例對(duì)技術(shù)軌道的演化進(jìn)行了實(shí)證研究[14-16]。

目前的技術(shù)軌道理論主要以產(chǎn)業(yè)為研究對(duì)象，張立超認(rèn)為產(chǎn)業(yè)系統(tǒng)從低級(jí)階段向高級(jí)階段演進(jìn)過(guò)程中與外界進(jìn)行物質(zhì)、能量交換的過(guò)程體現(xiàn)了量子特性[17-18]，其提出的產(chǎn)業(yè)技術(shù)軌道躍遷模型雖然刻畫出了產(chǎn)業(yè)系統(tǒng)的演化路徑，但對(duì)產(chǎn)業(yè)所處階段、運(yùn)行軌跡和發(fā)展路徑的把握仍是基于案例的定性描述。產(chǎn)業(yè)是由處于其中的異質(zhì)性企業(yè)組成的復(fù)雜系統(tǒng)，要從中觀產(chǎn)業(yè)層面表現(xiàn)出的漸進(jìn)式技術(shù)軌道中將跨越式技術(shù)演化路徑識(shí)別出來(lái)，就像物理中對(duì)由多種分子組成的系統(tǒng)進(jìn)行光譜分析一樣困難[19-21]，因此，關(guān)于技術(shù)軌道的不連續(xù)性就必須從組成產(chǎn)業(yè)的分子，即企業(yè)層面尋找證據(jù)，提出企業(yè)技術(shù)能級(jí)的概念并以此作為解釋技術(shù)軌道躍遷的工具，在此基礎(chǔ)上建立了企業(yè)技術(shù)軌道的數(shù)學(xué)模型，利用計(jì)量方法對(duì)樣本企業(yè)的技術(shù)能級(jí)進(jìn)行測(cè)度和分析，進(jìn)一步驗(yàn)證了基于量子思想的企業(yè)技術(shù)軌道躍遷模型。

1 概念提出與測(cè)度方法

1.1 概念模型

技術(shù)軌道躍遷理論的靈感來(lái)自于量子力學(xué)中微觀粒子的能級(jí)躍遷，然而，盡管微觀粒子自身能量分布具有離散化的能級(jí)特點(diǎn)，當(dāng)觀察尺度上升到分子以及由大量分子組成的復(fù)雜系統(tǒng)時(shí)，能量的分布往往呈現(xiàn)出能帶、甚至是連續(xù)分布。參考文獻(xiàn)[22]中對(duì)企業(yè)內(nèi)部結(jié)構(gòu)與原子內(nèi)部結(jié)構(gòu)的相似性進(jìn)行了詳細(xì)的分析，企業(yè)技術(shù)軌道的提升路徑取決于其資源投入的多少，將最終轉(zhuǎn)化為企業(yè)資本存量增加的資源定義為存量資本，將企業(yè)在指定資源投入水平下表現(xiàn)出的技術(shù)能量離散分布狀態(tài)定義為企業(yè)技術(shù)能級(jí)(enterprise technological energy level,ETEL)，企業(yè)資源投入的多少?zèng)Q定了其處于基態(tài)以及各激發(fā)態(tài)技術(shù)能級(jí)時(shí)所攜帶的能量。企業(yè)資源投入水平的提高有助于企業(yè)累積型技術(shù)軌道的形成，當(dāng)企業(yè)受到來(lái)自外部的技術(shù)、政策、環(huán)境等因素的刺激，則有可能由穩(wěn)定基態(tài)技術(shù)能級(jí)躍遷至不穩(wěn)定的激發(fā)態(tài)技術(shù)能級(jí)，若企業(yè)能夠把握機(jī)會(huì)窗口全面提升企業(yè)的規(guī)模，企業(yè)處于基態(tài)技術(shù)能級(jí)時(shí)所攜帶的能量也會(huì)隨之提升，當(dāng)企業(yè)失去外部刺激再次由激發(fā)態(tài)跌落至基態(tài)技術(shù)能級(jí)時(shí)將表現(xiàn)出企業(yè)整體技術(shù)能力的提升，即企業(yè)實(shí)現(xiàn)了技術(shù)軌道跨越[23-24]；若企業(yè)沒能夠把握機(jī)會(huì)窗口，當(dāng)企業(yè)由激發(fā)態(tài)跌落至基態(tài)技術(shù)能級(jí)時(shí)，由于整體規(guī)模不變，會(huì)表現(xiàn)為企業(yè)回歸原技術(shù)軌道，即企業(yè)無(wú)法實(shí)現(xiàn)技術(shù)軌道跨越，具體模型見圖1。

圖1 企業(yè)技術(shù)軌道模型Fig.1 Model of enterprise technological trajectories

使用文獻(xiàn)[25]中對(duì)柯布道格拉斯生產(chǎn)函數(shù)量子分解的簡(jiǎn)化形式：

(1)

其中，企業(yè)技術(shù)能級(jí)項(xiàng)分為由資源投入形成的主能級(jí)，以及外部政策、環(huán)境等約束形成副能級(jí)項(xiàng)。量子化的生產(chǎn)函數(shù)與現(xiàn)有前沿分析方法具有很好的契合度，例如，隨機(jī)前沿分析模型的基本表達(dá)方式為

(2)

式中：f(xitβ)為選定的生產(chǎn)函數(shù)；vit表示不受決策單位控制的隨機(jī)擾動(dòng)因素，例如天氣變化對(duì)產(chǎn)出的影響，由于隨機(jī)因素可以使產(chǎn)出增加或減少，故常假設(shè)其服從正態(tài)分布。uit表示無(wú)效率項(xiàng)，表示技術(shù)無(wú)效率對(duì)產(chǎn)出的影響?？梢园l(fā)現(xiàn)，式(1)中的a/nc2對(duì)應(yīng)無(wú)效率項(xiàng)uit，bnb2對(duì)應(yīng)不受決策單元控制的隨機(jī)因素vit，同時(shí)滿足系統(tǒng)所處主能級(jí)nc越高，則系統(tǒng)的無(wú)效率程度越低。

1.2 測(cè)度方法

企業(yè)全要素生產(chǎn)率(total factor productivity，TFP)是企業(yè)在各要素投入水平既定的條件下所達(dá)到的額外生產(chǎn)效率。在研究中常使用TFP代表技術(shù)的進(jìn)步，企業(yè)TFP在內(nèi)涵上與企業(yè)技術(shù)能級(jí)具有相似性，可以作為測(cè)度企業(yè)技術(shù)能級(jí)的指標(biāo)：首先，TFP反映了去除規(guī)模效應(yīng)后企業(yè)的能量狀態(tài)。企業(yè)隨著規(guī)模的增加，受多種因素影響會(huì)呈現(xiàn)出規(guī)模報(bào)酬遞增、規(guī)模報(bào)酬不變和規(guī)模報(bào)酬遞減三種不同的演化路徑[26]，TFP早期主要用于宏觀經(jīng)濟(jì)的研究，郭慶旺將TFP定義為各要素投入之外的技術(shù)進(jìn)步和能力實(shí)現(xiàn)等導(dǎo)致的產(chǎn)出增加，是提出要素投入貢獻(xiàn)后所得到的殘差[27]。生延超利用Malmquist指數(shù)對(duì)TFP進(jìn)行分解的實(shí)證分析表明，其提升主要來(lái)自技術(shù)進(jìn)步和技術(shù)效率的貢獻(xiàn)，無(wú)法直接依靠規(guī)模擴(kuò)張獲得[28-30]；其次，TFP提升的可能性受企業(yè)內(nèi)生因素的影響。雖然，資金、勞動(dòng)力等資源投入規(guī)模的增加無(wú)法直接提升TFP，但眾多研究表明企業(yè)規(guī)模和技術(shù)進(jìn)步之間存在倒U型關(guān)系[31-33]，文獻(xiàn)[25]中使用量子力學(xué)思想，使用SFA和DEA方法對(duì)產(chǎn)生這種現(xiàn)象的原因進(jìn)行了分析；最后，TFP的提升是企業(yè)受外生因素激發(fā)的結(jié)果?，F(xiàn)有研究表明，政策、技術(shù)研發(fā)投入、環(huán)境等因素都會(huì)影響企業(yè)的TFP[34-37]，李平的研究指出了TFP中技術(shù)進(jìn)步和技術(shù)效率的影響因素，人力資本積累、研發(fā)投入、體制機(jī)制、管理組織模式、員工素質(zhì)決定了企業(yè)感知和獲取外部激發(fā)因素的能力，信息通信技術(shù)的使用、企業(yè)地理位置和產(chǎn)業(yè)配套情況點(diǎn)明了企業(yè)接受外部激發(fā)的途徑[38]。

TFP的測(cè)度主要分為參數(shù)方法和非參數(shù)方法兩類，其中參數(shù)方法需要預(yù)先考慮生產(chǎn)函數(shù)的具體形式，選用錯(cuò)誤的函數(shù)模型將使測(cè)度結(jié)果產(chǎn)生較大的偏差；非參數(shù)方法雖然不需要預(yù)先設(shè)定生產(chǎn)函數(shù)形式并易于擴(kuò)展，但對(duì)數(shù)據(jù)要求較高，異常數(shù)據(jù)點(diǎn)將影響結(jié)果的穩(wěn)定性[39]。國(guó)內(nèi)外學(xué)者使用的參數(shù)方法主要有索洛余值法和SFA法；非參數(shù)方法主要有包含多種擴(kuò)展模型的DEA法，而對(duì)于TFP的分解常采用SFA和DEA-Malmquist法[40]。索洛余值法的使用效果受到研究對(duì)象的影響，樣本容量較大時(shí)會(huì)增加測(cè)算的難度，因此分別使用索洛余值模型和DEA-Malmquist指數(shù)模型首先對(duì)小樣本進(jìn)行企業(yè)技術(shù)能級(jí)進(jìn)行測(cè)度，并對(duì)兩種方法測(cè)度得到的結(jié)果進(jìn)行對(duì)比研究，在確定兩種方法在測(cè)度企業(yè)技術(shù)能級(jí)具有等效性后，使用DEA-Malmquist指數(shù)法進(jìn)行大樣本企業(yè)技術(shù)能級(jí)的測(cè)度和研究。

2 企業(yè)技術(shù)能級(jí)測(cè)度

2.1 研究設(shè)計(jì)與數(shù)據(jù)選擇

使用《中國(guó)規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)庫(kù)》，選取長(zhǎng)三角地區(qū)21 170個(gè)企業(yè)2001-2013年的面板數(shù)據(jù)為總研究樣本。在使用索洛余值模型的企業(yè)技術(shù)能級(jí)測(cè)算中，參照王藝明[41]的研究，將影響企業(yè)產(chǎn)出的投入要素分為資本和勞動(dòng)，使用企業(yè)工業(yè)總產(chǎn)值的對(duì)數(shù)形式Lnpro代表企業(yè)產(chǎn)出、企業(yè)固定資本存量的對(duì)數(shù)形式Lncap代表資本投入、企業(yè)年平均從業(yè)人員數(shù)的對(duì)數(shù)形式Lnlab代表勞動(dòng)投入。選取其中的212家企業(yè)為子樣本進(jìn)行面板回歸，隨后逐年估計(jì)TFP及企業(yè)技術(shù)能級(jí)。為避免出現(xiàn)偽回歸，數(shù)據(jù)均通過(guò)了平穩(wěn)性檢驗(yàn)和單位根檢驗(yàn)。使用DEA-Malmquist指數(shù)法的企業(yè)技術(shù)能級(jí)測(cè)算分解中，以企業(yè)工業(yè)總產(chǎn)值作為決策單元的產(chǎn)出變量，以企業(yè)固定資本存量、年平均從業(yè)人員數(shù)作為決策單元的投入變量，利用MaxDEA 6.3軟件對(duì)全部21 170個(gè)企業(yè)的TFP進(jìn)行測(cè)度和分解，以其中的技術(shù)效率項(xiàng)作為衡量企業(yè)技術(shù)能級(jí)的指標(biāo)。

2.2 測(cè)度結(jié)果比較

利用索洛模型對(duì)企業(yè)技術(shù)能級(jí)進(jìn)行估計(jì)首先需要對(duì)面板數(shù)據(jù)進(jìn)行個(gè)體固定效應(yīng)回歸，結(jié)果如表1所示。估計(jì)結(jié)果中所有變量的系數(shù)都是顯著的，模型擬合效果較好。其中，Lncap、Lnlab與Lnpro之間的回歸系數(shù)均顯著為正，說(shuō)明企業(yè)資本投入、勞動(dòng)投入的增加對(duì)企業(yè)產(chǎn)出具有顯著的正向影響。

表1 投入產(chǎn)出要素個(gè)體固定效應(yīng)回歸結(jié)果

Table 1 Individual fixed effects regression of inputs and outputs

變量系數(shù)標(biāo)準(zhǔn)差t統(tǒng)計(jì)量P值Lncap042650006769836400000Lnlab038730004994161100000C5045600088166832600000可決系數(shù)修正可決系數(shù)回歸系數(shù)偏差總離差平方和098420983001319565607對(duì)數(shù)優(yōu)度F值P值因變量因變量均值22642660793092300000Lnpro112245因變量標(biāo)準(zhǔn)差A(yù)IC統(tǒng)計(jì)量S標(biāo)準(zhǔn)值HQ統(tǒng)計(jì)量DW統(tǒng)計(jì)量12078-11437-06925-0982703371

注：Hausman檢驗(yàn)卡方統(tǒng)計(jì)量為447.595 939，對(duì)應(yīng)的顯著性概率P值為0.000 0，小于0.1，接受“建立個(gè)體固定效應(yīng)模型”的假設(shè)，選用固定效應(yīng)模型進(jìn)行估計(jì)。

研究選取的規(guī)模以上工業(yè)企業(yè)總體以資本投入為主導(dǎo)，同時(shí)受到勞動(dòng)力投入的制約，模型可決系數(shù)為0.984 231，調(diào)整后的可決系數(shù)為0.982 990，模型F檢驗(yàn)值為793.092 3，F(xiàn)檢驗(yàn)對(duì)應(yīng)的顯著性概率P值為0，在1%顯著性水平上通過(guò)了F假設(shè)檢驗(yàn)，說(shuō)明模型擬合效果較好。從模型回歸結(jié)果來(lái)看，Lncap與Lnpro呈現(xiàn)顯著的正相關(guān)關(guān)系，回歸系數(shù)為0.426 5，在1%顯著性水平上通過(guò)了T假設(shè)檢驗(yàn)，企業(yè)固定資本存量每上升1個(gè)百分點(diǎn)，企業(yè)工業(yè)產(chǎn)值就上升0.426 5個(gè)百分點(diǎn)，企業(yè)固定資本存量的增加對(duì)企業(yè)工業(yè)產(chǎn)值具有顯著的正向影響作用；Lnlab與Lnpro呈現(xiàn)顯著的正相關(guān)關(guān)系，回歸系數(shù)為0.387 3，在1%顯著性水平上通過(guò)了T假設(shè)檢驗(yàn)，勞動(dòng)力投入每上升1個(gè)百分點(diǎn)，企業(yè)工業(yè)產(chǎn)值就上升0.387 3個(gè)百分點(diǎn)，勞動(dòng)力人數(shù)的增加對(duì)企業(yè)工業(yè)產(chǎn)值同樣具有顯著的正向影響作用。

利用式(1)算得i企業(yè)第t年的技術(shù)能級(jí)項(xiàng)：

(3)

Ni,t隨著主副能級(jí)ni,t的提升而增大。對(duì)能級(jí)項(xiàng)的總體分布按區(qū)間進(jìn)行統(tǒng)計(jì)，如圖2所示。

圖2 企業(yè)能級(jí)項(xiàng)區(qū)間分布Fig.2 Enterprises′ interval distribution of energy levels

與技術(shù)能級(jí)提升路徑相對(duì)應(yīng)，企業(yè)DMU01144、企業(yè)DMU76154、企業(yè)DMU28676和企業(yè)DMU65537在2001-2014年間存在明顯的技術(shù)能級(jí)衰落。企業(yè)DMU76154在2001年技術(shù)能級(jí)處于較高水平的激發(fā)態(tài)，但在外界刺激下發(fā)生失穩(wěn)，至2005年已跌落至中等水平的激發(fā)態(tài)，2006-2013年，其技術(shù)能級(jí)基本保持穩(wěn)定，說(shuō)明已經(jīng)完全從原有能級(jí)衰落到較低能級(jí)，2013年后則開始向基態(tài)能級(jí)衰落。企業(yè)DMU01144、企業(yè)DMU28676和企業(yè)DMU65537在2001年時(shí)技術(shù)能級(jí)同樣處于中等水平，其中企業(yè)DMU65537從2001-2004年迅速跌落至基態(tài)能級(jí)，并且在基態(tài)能級(jí)附近調(diào)整，沒有實(shí)現(xiàn)新一輪的向上躍遷。企業(yè)DMU01144在2001-2005年逐漸跌落至能量較低的激發(fā)態(tài)，在2005-2014年的很長(zhǎng)一段時(shí)間里，其始終保持在該激發(fā)態(tài)，這說(shuō)明2001年前該企業(yè)技術(shù)能力能夠維持在較高水平可能是因?yàn)橐赝度?，特別是技術(shù)投入較大，2001年后由于要素投入的減少，失去外界激發(fā)后技術(shù)能級(jí)發(fā)生衰變，但由于前期投入要素有一部分已經(jīng)成功被內(nèi)化吸收，使其得以長(zhǎng)期維持在激發(fā)態(tài)，未向基態(tài)繼續(xù)跌落。企業(yè)DMU28676在2001-2005年期間在較高水平的激發(fā)態(tài)能級(jí)周圍做調(diào)整，2004-2005年向更高能級(jí)躍遷的過(guò)程受到阻礙，并開始緩慢衰落，2006年其技術(shù)能級(jí)進(jìn)入到新的穩(wěn)定時(shí)期，并保持該激發(fā)態(tài)直至2010年，2010年至今，其技術(shù)能級(jí)逐漸跌落至基態(tài)。

圖3 技術(shù)能級(jí)提升與衰落路徑Fig.3 Path of technical level enhancement and fading

企業(yè)技術(shù)能級(jí)還呈現(xiàn)出另外一種演化路徑，圖4(a)中，企業(yè)DMU76896、企業(yè)DMU63434、企業(yè)DMU45361、企業(yè)DMU46289、企業(yè)DMU13291在2001-2014年間技術(shù)能級(jí)整體比較穩(wěn)定，沒有明顯的躍遷和衰落現(xiàn)象，對(duì)5個(gè)企業(yè)技術(shù)能級(jí)演化路徑做更細(xì)致的觀察，圖4(b)中每個(gè)企業(yè)呈現(xiàn)出不同的演化趨勢(shì)。

圖4 技術(shù)能級(jí)震蕩調(diào)整路徑Fig.4 Path of technical level volatility and adjustment

企業(yè)DMU63434和企業(yè)DMU46289在2001-2014年間都經(jīng)歷了兩次小的技術(shù)能級(jí)波動(dòng)，并都于2010年完成第二次能級(jí)衰落，由2010-2014年都有小幅度的技術(shù)能級(jí)提升。企業(yè)DMU13291在2005年完成第一次技術(shù)能級(jí)的衰落后，在后續(xù)的4年間技術(shù)能級(jí)得到了較大程度的恢復(fù)，但并沒有能夠維持較高的激發(fā)態(tài)，自2009年之后技術(shù)能級(jí)明顯衰落，2011-2013年則在技術(shù)能量較低的激發(fā)態(tài)附近調(diào)整。企業(yè)DMU46289在2005年同樣處于其技術(shù)能級(jí)的最低點(diǎn)，但2005年之后可以看到明顯的調(diào)整，技術(shù)能級(jí)在2005-2013年穩(wěn)步提升，直至2013年已經(jīng)恢復(fù)至跌落之前的技術(shù)能級(jí)水平。企業(yè)DMU45361于2005年由較低的激發(fā)態(tài)能級(jí)成功躍遷至相對(duì)較高的激發(fā)態(tài)能級(jí)，2005-2013年則在新的激發(fā)態(tài)能級(jí)附近震蕩調(diào)整?？梢钥吹剑诰嚯x較近的能級(jí)之間躍遷更容易發(fā)生，但由于能級(jí)差較小，在外界環(huán)境的刺激下同樣容易發(fā)生能級(jí)的跌落，維持能級(jí)的穩(wěn)定需要外界要素的持續(xù)投入。

根據(jù)DEA-Malmquist指數(shù)方法對(duì)全部企業(yè)TFP進(jìn)行測(cè)算和分解，取其中的技術(shù)效率項(xiàng)代表企業(yè)技術(shù)能級(jí)，對(duì)技術(shù)效率項(xiàng)的總體分布按區(qū)間進(jìn)行統(tǒng)計(jì)，通過(guò)技術(shù)效率項(xiàng)集中分布規(guī)律對(duì)其進(jìn)行標(biāo)準(zhǔn)化，抽取與圖3對(duì)應(yīng)的8個(gè)企業(yè)標(biāo)準(zhǔn)化技術(shù)效率，通過(guò)對(duì)數(shù)據(jù)的觀察可以發(fā)現(xiàn)，所選8個(gè)企業(yè)技術(shù)效率項(xiàng)分布與其對(duì)應(yīng)的標(biāo)準(zhǔn)技術(shù)能級(jí)項(xiàng)分布在總體趨勢(shì)和局部演化路徑上都基本保持一致，對(duì)8個(gè)企業(yè)的技術(shù)效率項(xiàng)與技術(shù)能級(jí)項(xiàng)分別繪制對(duì)比折線圖可以進(jìn)一步識(shí)別二者之間的共同趨勢(shì)，見圖5。

將計(jì)算得到的標(biāo)準(zhǔn)化技術(shù)能級(jí)和標(biāo)準(zhǔn)化技術(shù)效率相匹配組成新的面板數(shù)據(jù)集，通過(guò)回歸分析驗(yàn)證二者的相關(guān)性。前文計(jì)算出的技術(shù)能級(jí)與技術(shù)效率都通過(guò)了單位根檢驗(yàn)，KAO檢驗(yàn)對(duì)應(yīng)的顯著性概率P值為0.000 0，小于0.01，在1%顯著性水平上通過(guò)了KAO檢驗(yàn)，證明模型的變量之間存在協(xié)整關(guān)系，可以做面板數(shù)據(jù)的協(xié)整回歸分析。

圖5 技術(shù)效率與技術(shù)能級(jí)分布Fig.5 Distribution of technical efficiency and technical level

通過(guò)Hausman檢驗(yàn)判定模型適用于個(gè)體固定效應(yīng)，由表2模型個(gè)體固定效應(yīng)回歸結(jié)果可知，模型的可決系數(shù)為0.939 545，調(diào)整后的可決系數(shù)為0.934 827，模型F檢驗(yàn)值為199.159 9，F(xiàn)檢驗(yàn)對(duì)應(yīng)的顯著性概率P值為0.000 0，在1%顯著性水平上通過(guò)了F假設(shè)檢驗(yàn)，說(shuō)明模型擬合效果較好。從模型回歸結(jié)果來(lái)看，技術(shù)效率(TE)與技術(shù)能級(jí)(TL)呈現(xiàn)出顯著的正相關(guān)關(guān)系，回歸系數(shù)為0.484 6，在1%顯著性水平上通過(guò)了T假設(shè)檢驗(yàn)。這說(shuō)明當(dāng)對(duì)生產(chǎn)函數(shù)的估計(jì)存在一定難度或研究龐大樣本時(shí)，使用非參數(shù)的DEA-Malmquist方法對(duì)技術(shù)能級(jí)進(jìn)行測(cè)定是可行的。

3 模型檢驗(yàn)與完善

3.1 模型檢驗(yàn)

根據(jù)理論模型，各要素的彈性系數(shù)至少受到技術(shù)能級(jí)、資源中心勢(shì)場(chǎng)以及經(jīng)濟(jì)體質(zhì)量三方面因素的影響，使用連玉君[42]編寫的STATA程序xtthres，利用Hansen[43]面板門限模型觀測(cè)企業(yè)技術(shù)能級(jí)對(duì)各要素彈性系數(shù)的影響。以企業(yè)工業(yè)產(chǎn)值作為因變量，資本投入、勞動(dòng)投入作為自變量，企業(yè)技術(shù)能級(jí)作為門限項(xiàng)。圖6顯示了門限值的估計(jì)過(guò)程，認(rèn)為門限回歸殘差平方和較小的位置存在結(jié)構(gòu)變化點(diǎn)，即門限效應(yīng)。

表2 技術(shù)能級(jí)個(gè)體固定效應(yīng)回歸結(jié)果

表3為程序估計(jì)出的產(chǎn)出與各投入要素之間關(guān)系出現(xiàn)結(jié)構(gòu)變化時(shí)的企業(yè)技術(shù)能級(jí)值及其置信區(qū)間。通過(guò)表4所示的門限顯著性檢驗(yàn)，對(duì)各門限分別進(jìn)行100次自抽樣(bootstrap)，產(chǎn)出與各投入要素均存在顯著的雙重門限關(guān)系，三重門限關(guān)系不明顯，故采用雙重門限模型分析技術(shù)能級(jí)對(duì)各投入要素彈性系數(shù)的影響。

圖6 門限回歸殘差平方和Fig.6 Threshold regression residual sum of squares

變量模型門限值95%置信區(qū)間LncapLnlab單一門限模型：雙重門限模型：三重門限模型：?jiǎn)我婚T限模型：雙重門限模型：三重門限模型：09681[09653，09701]06743[06695，06812]11812[11001，11878]09114[08913，09140]04225[04014，04807]08477[08373，08515]15883[13561，16351]13561[12369，14343]

表4 門限顯著性檢驗(yàn)

表5中，隨著企業(yè)技術(shù)能級(jí)的提升，各區(qū)間內(nèi)投入要素的彈性系數(shù)逐漸增加，說(shuō)明企業(yè)技術(shù)能級(jí)的提高有利于全面提高對(duì)各種投入要素的利用效率。當(dāng)企業(yè)技術(shù)能級(jí)項(xiàng)小于0.674時(shí)，資本投入的彈性系數(shù)為0.458 9，企業(yè)技術(shù)能級(jí)項(xiàng)介于0.674與1.181之間時(shí)，資本投入的彈性系數(shù)為0.480 0，企業(yè)技術(shù)能級(jí)項(xiàng)大于1.181時(shí)，資本投入的彈性系數(shù)為0.515 5，可以發(fā)現(xiàn)，資本投入的彈性系數(shù)隨著能級(jí)的提升而增加，說(shuō)明企業(yè)技術(shù)能級(jí)的提高有利于提高對(duì)企業(yè)固定資本的利用效率。當(dāng)企業(yè)技術(shù)能級(jí)項(xiàng)小于0.847時(shí)，勞動(dòng)投入的彈性系數(shù)為0.340 8，企業(yè)技術(shù)能級(jí)項(xiàng)介于0.847與1.588之間時(shí)，勞動(dòng)投入的彈性系數(shù)為0.357 8，企業(yè)技術(shù)能級(jí)項(xiàng)大于1.588時(shí)，勞動(dòng)投入的彈性系數(shù)為0.368 9，企業(yè)勞動(dòng)投入的彈性系數(shù)隨著能級(jí)的提升而增加，但企業(yè)技術(shù)能級(jí)的提高對(duì)勞動(dòng)力資本的利用效率提升效果有限，并且在企業(yè)技術(shù)能級(jí)項(xiàng)達(dá)到0.847前后的提升效果比達(dá)到1.588前后的提升效果明顯。

表5 總產(chǎn)出與各投入要素門限模型

注：Lncap_1: ··n<0.674 3，Lncap_2: ··0.6743≤n<1.181 2，Lncap_3: ··n≥1.181 2，Lnlab_1: ··n<0.847 7，Lnlab_2: ··0.847 7≤n<1.588 3，Lnlab_3: ··n≥1.588 3，其中，n為投入與產(chǎn)出要素間關(guān)系發(fā)生變化時(shí)的全要素生產(chǎn)率值，即門限值。

3.2 模型完善

與式(1)給出的企業(yè)技術(shù)能級(jí)形式相比對(duì)，設(shè)企業(yè)副技術(shù)能級(jí)項(xiàng)系數(shù)b與主技術(shù)能級(jí)項(xiàng)系數(shù)a的比值為B，B為遠(yuǎn)小于1的系數(shù)，將其定義為約束影響系數(shù)。分別繪制B1=0.03、B2=0.08時(shí)的標(biāo)準(zhǔn)化技術(shù)能級(jí)分布折線圖，見圖7。圖中同一條折線上的點(diǎn)具有相同的主能級(jí)，副能級(jí)由左至右遞增，系數(shù)B取值越大，折線的斜率越大，代表政策、環(huán)境等約束條件對(duì)企業(yè)技術(shù)軌道演化影響越強(qiáng)，企業(yè)技術(shù)能級(jí)之間的能量差越明顯，企業(yè)在不同能級(jí)之間的躍遷則越困難。

將計(jì)算出的企業(yè)技術(shù)能級(jí)以基態(tài)能級(jí)為基準(zhǔn)進(jìn)行歸一化處理，更新后的4個(gè)企業(yè)技術(shù)能級(jí)值分別為1(0.674 3)、1.257 1(0.847 7)、1.751 7(1.181 2)、2.355 5(1.588 3)。圖7中實(shí)證結(jié)果能級(jí)的分布折線前半部分與主能級(jí)I、B=0.035的模型能級(jí)折線擬合良好，后半段斜率迅速提升，與主能級(jí)I、B=0.070的模型能級(jí)折線擬合良好，最高能級(jí)接近主能級(jí)II、B=0.035，這說(shuō)明政策、環(huán)境等因素在企業(yè)技術(shù)能級(jí)提升過(guò)程中的作用不應(yīng)被忽略。首先，由投入要素形成的主技術(shù)能級(jí)在能級(jí)I至能級(jí)II之間存在較大的能級(jí)差，能級(jí)差隨著能級(jí)的提高迅速降低，企業(yè)技術(shù)進(jìn)步初期的不連續(xù)性嚴(yán)重阻礙了企業(yè)技術(shù)跨越的進(jìn)程[44]。政策、環(huán)境等因素構(gòu)建的副技術(shù)能級(jí)在能級(jí)I至能級(jí)III階段能級(jí)差很小，技術(shù)躍遷過(guò)程更容易發(fā)生，可以作為企業(yè)技術(shù)發(fā)展的階梯幫助企業(yè)逐漸提升自身技術(shù)能級(jí)，在減小與下一主技術(shù)能級(jí)之間差距的同時(shí)尋找技術(shù)跨越的機(jī)會(huì)。其次，企業(yè)隨著技術(shù)能級(jí)的提升可以更好地識(shí)別和利用政策、環(huán)境中對(duì)自身有利的要素，回避和突破其中的限制因素，政策、環(huán)境要素對(duì)企業(yè)技術(shù)進(jìn)步的影響將會(huì)更為顯著且表現(xiàn)為正向的促進(jìn)作用，約束影響系數(shù)B得到提高。

圖7 企業(yè)技術(shù)能級(jí)分布及實(shí)證擬合Fig.7 ETEL distribution and empirical fitting

4 結(jié)論

1)TFP不僅可以作為測(cè)度企業(yè)技術(shù)效率、技術(shù)進(jìn)步、規(guī)模效率的工具，還可以作為測(cè)度企業(yè)技術(shù)能級(jí)的指標(biāo)。企業(yè)在某一時(shí)間點(diǎn)的TFP只能體現(xiàn)其短時(shí)期內(nèi)所處的技術(shù)能級(jí)狀態(tài)，企業(yè)應(yīng)該通過(guò)對(duì)自身中長(zhǎng)期TFP的分布規(guī)律進(jìn)行分析，明確企業(yè)目前所處的技術(shù)軌道和技術(shù)能級(jí)狀態(tài)，針對(duì)自身的技術(shù)軌道特征提出有利于實(shí)現(xiàn)技術(shù)跨越的企業(yè)策略。

2)資源投入的增加和企業(yè)規(guī)模的擴(kuò)大只能緩慢地推動(dòng)企業(yè)技術(shù)前沿面即企業(yè)基態(tài)技術(shù)能級(jí)向前移動(dòng)，企業(yè)技術(shù)軌道躍遷的實(shí)現(xiàn)需要受到來(lái)自外部的激發(fā)。企業(yè)應(yīng)該通過(guò)選用合適的信息通信技術(shù)、選擇有利企業(yè)發(fā)展的地理位置等方式，提升企業(yè)對(duì)外部激發(fā)因素的感知能力；通過(guò)積累高水平技術(shù)人才、加大研發(fā)投入力度增加企業(yè)吸收外部激發(fā)因素完成技術(shù)軌道躍遷的成功率；通過(guò)對(duì)企業(yè)體質(zhì)機(jī)制、管理組織模式的優(yōu)化，對(duì)外部政策、環(huán)境的利用形成輔助主技術(shù)能級(jí)軌道躍遷的副技術(shù)能級(jí)軌道路徑。

3)累積型的技術(shù)軌道演化路徑體現(xiàn)了企業(yè)規(guī)模提升與技術(shù)停滯的不匹配。技術(shù)先行企業(yè)處于技術(shù)軌道的邊界，時(shí)刻面對(duì)不確定性的選擇，通過(guò)加大研發(fā)資金的投入尋求確定性的企業(yè)發(fā)展未來(lái)是其無(wú)奈也是其必然的選擇；與之相對(duì)應(yīng)，我國(guó)企業(yè)不應(yīng)盲目擴(kuò)大產(chǎn)能，而是應(yīng)該充分利用技術(shù)先行企業(yè)和技術(shù)先行國(guó)家創(chuàng)新團(tuán)隊(duì)的研發(fā)成果，秉持在技術(shù)引進(jìn)基礎(chǔ)上實(shí)現(xiàn)自主創(chuàng)新的技術(shù)發(fā)展戰(zhàn)略目標(biāo)，使企業(yè)能夠真正享受到技術(shù)進(jìn)步的紅利。

企業(yè)技術(shù)能級(jí)的量子模型表達(dá)形式簡(jiǎn)潔、易擴(kuò)展，企業(yè)技術(shù)軌道躍遷的研究具有一定啟示作用，本研究?jī)H對(duì)我國(guó)部分規(guī)模以上工業(yè)企業(yè)進(jìn)行了技術(shù)能級(jí)的測(cè)度和分析，研究結(jié)論有待進(jìn)一步的論證。同時(shí)，企業(yè)技術(shù)能級(jí)的躍遷代表了企業(yè)技術(shù)水平的提高及其對(duì)投入要素的利用效率，參考量子力學(xué)相關(guān)理論，企業(yè)由激發(fā)態(tài)技術(shù)能級(jí)向基態(tài)技術(shù)能級(jí)衰變的過(guò)程會(huì)釋放能量，產(chǎn)業(yè)內(nèi)大量技術(shù)同質(zhì)性企業(yè)技術(shù)能級(jí)同時(shí)衰變所釋放出的能量是巨大的，有可能成為激發(fā)區(qū)域內(nèi)其他企業(yè)技術(shù)軌道躍遷的重要力量，在今后的研究中應(yīng)該對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行深入的挖掘，同時(shí)結(jié)合空間可視化分析等先進(jìn)技術(shù)對(duì)這種能量進(jìn)行識(shí)別和追蹤，進(jìn)一步完善現(xiàn)有的理論模型。

[1] 熊鴻儒,王毅,林敏,等.技術(shù)軌道研究:述評(píng)與展望[J].科學(xué)學(xué)與科學(xué)技術(shù)管理, 2012, 33(7): 21-28. XIONG Hongru, WANG Yi, LIN Min, et al. The study of technological trajectory: review and prospect[J]. Science of science and management of science and technology, 2012, 33(7): 21-28.

[2]張立超,劉怡君.技術(shù)軌道的躍遷與技術(shù)創(chuàng)新的演化發(fā)展[J].科學(xué)學(xué)研究, 2015, 33(1): 137-145. ZHANG Lichao, LIU Yijun. Study on the transition of technology trajectory and the evolution of technological innovation[J]. Studies in science of science, 2015, 33(1): 137-145.

[3]MOLLER K. Sense-making and Agenda Construction in emerging business networks: how to direct radical inno-vation[J].Industrial marketing management, 2010, 39 (3): 361-371.

[4]CHOU Hsinhui. Mobilizing resources to bridge tech-nological discontinuities[J].Journal of business & indus-trial marketing, 2016, 31(6): 784-793.

[5]MARK J. Technological discontinuities and competitive advantage: a historical perspective on formula 1 motor racing 1950-2006[J]. Journal of management Studies, 2010, 47(5): 884-910

[6]DOSI G. Technological paradigms and technological trajectories: a suggested interpretation of the determinant and directions of technical change[J]. Research policy, 1982, 11(3): 147-162

[7]SOETE L. International diffusion of technology, industrial development and technological leap frogging[J]. World development, 1985, 13(3): 409-422.

[8]BREZIS E, KRUGMAN P. Leapfrogging in international competition: a theory of cycles in national technological leadership[J]. The American economic review, 1993, 83 (5): 1211-1230.

[9]TEECE D. Dosi’s technological paradigms and trajectories: insights for economics and management[J]. Industrial and corporate change, 2008, 17(3): 507-512.

[10]TUNZELMANN N, MALERBA F, NIGHTINGALE P, et al. tech-nological paradigms: past, present and future[J]. Industrial and corporate change, 2008, 17(3): 467-484.

[11]FUNK J. Key technological trajectories and the expansion of mobile internet applications[J]. The journal of policy, regulation and strategy for telecommunications, 2004, 6 (3): 208-216.

[12]DIJK M, YARIME M. The emergence of hybrid-electric cars: innovation path creation through co-evolution of supply and demand[J]. Technological forecasting & social change, 2010(77): 1371-1390.

[13]TANAKA N. Technology roadmap: electric and plug-in hybrid electric vehicles[R]. International Energy Agency, Tech Rep, 2011.

[14]黃魯成,石媛嫄,吳菲菲. 基于專利引用的技術(shù)軌道動(dòng)態(tài)分析:以太陽(yáng)能電池為例[J].科學(xué)學(xué)研究, 2013, 31 (3):358-367. HUANG Lucheng, SHI Yuanyuan, WU Feifei. Dynamic analysis on identification of technological trajectory based on patent citation network: taking solar cell technology as an example[J]. Studies in science of science, 2013,31(3): 358-367.

[15]楊中楷,劉佳.基于專利引文網(wǎng)絡(luò)的技術(shù)軌道識(shí)別研究:以太陽(yáng)能光伏電池板領(lǐng)域?yàn)槔齕J].科學(xué)學(xué)研究, 2011, 29(9): 1311-1317. YANG Zhongkai, LIU Jia. Research on identification of technological evolution path based on patent citation network: taking solar photovoltaic panels technology as an example[J].Studies in science of science, 2011, 29(9): 1311-1317.

[16]繆小明,趙靜.基于專利數(shù)據(jù)的汽車產(chǎn)業(yè)技術(shù)軌道研究[J].科研管理, 2014, 35(10): 101-106. MIAO Xiaoming, ZHAO Jing. A study on technological trajectory of vehicle based on patent data[J].Science research management, 2014, 35(10): 101-106.

[17]DENDLER L, SHARMINA M, CALVERLEY D. Sustainable futures: Multi-disciplinary perspectives on multi -level transitions[J]. Environmental development, 2012 (2): 2-5.

[18]KAPLAN S, TRIPSAS M. Thinking about technology: Applying a cognitive lens to technical change[J]. Research policy, 2008, 37(5): 790-805.

[19]DOINA O, SHARON P. Innovation network trajectories: the role of time and history[J].Journal of business & industrial marketing, 2015, 30(3): 342-353.

[20]CASTALDI C, FONTANA R, NUVOLARI A. Chariots of fire: the evolution of tank technology, 1915-1945[J]. Journal of evolutionary economics, 2009(19): 545-566.

[21]ANDERSON B. The evolution of technological trajectories: 1890-1990[J]. Structural change and economic dynamics,1998(9): 5-34

[22]王瑞,范德成. 產(chǎn)業(yè)集群連鎖裂變式創(chuàng)新模型研究：集群企業(yè)開放式創(chuàng)新視角[J].科技進(jìn)步與對(duì)策, 2017, 35(5): 52-57. WANG Rui, FAN Decheng. Research on model of industry cluster’s chain fission innovation: from open innovation perspective[J]. Science & technology progress and policy, 2017, 35(5): 52-57.

[23]郭磊,周燕芳,蔡虹.基于機(jī)會(huì)窗口的后發(fā)國(guó)家產(chǎn)業(yè)追趕研究：中國(guó)智能手機(jī)產(chǎn)業(yè)的案例[J].管理學(xué)報(bào), 2016, 13(3): 359-365. GUO Lei, ZHOU Yanfang, CAI Hong. Research on catch-up in latecomer based on windows of opportunity: the case of the smartphone industry in china[J].Chinese journal of management, 2016,13(3): 359-365.

[24]徐雨森,逯垚迪,徐娜娜.快變市場(chǎng)環(huán)境下基于機(jī)會(huì)窗口的創(chuàng)新追趕研究：HTC公司案例分析[J].科學(xué)學(xué)研究, 2014, 32(6): 927-936. XU Yusen, LU Yaodi, XU Nana. Research on the innovation catch-up based on the window of opportunity under the high-velocity markets: a case study of HTC[J]. Studies in science of science, 2014, 32(6): 927-936.

[25]王瑞，范德成.技術(shù)進(jìn)步視角下C-D生產(chǎn)函數(shù)的量子擴(kuò)展模型構(gòu)建[J].統(tǒng)計(jì)與決策, 2017(7): 35-40. WANG Rui, FAN Decheng. Construction of quantum expiation model of C-D production function from the perspective of technological progress[J].Statistics and decision, 2017(7): 35-40.

[26]肖欣榮,田存志.激勵(lì)契約、規(guī)模報(bào)酬遞減與組織形式演進(jìn):以公募基金和私募基金為例[J].南開經(jīng)濟(jì)研究, 2016(4): 38-55. XIAO Xinrong, TIAN Cunzhi. Incentive contract, diminishing returns to scale and organization forms evolution: evidence from mutual funds and privately offered funds[J]. Nankai economic studies, 2016(4): 38-55.

[27]郭慶旺,賈俊雪.中國(guó)全要素生產(chǎn)率的估算:1979-2004[J].經(jīng)濟(jì)研究, 2005(6): 51-60. GUO Qingwang, JIA Junxue. Estimating total factor productivity in China[J].Economic research journal, 2005(6): 51-60.

[28]生延超,歐陽(yáng)峣.規(guī)模擴(kuò)張還是技術(shù)進(jìn)步:中國(guó)汽車產(chǎn)業(yè)全要素生產(chǎn)率的測(cè)度與評(píng)價(jià)：基于非參數(shù)Malquist指數(shù)的研究[J].中國(guó)科技論壇, 2011(6): 42-47. SHENG Yanchao, OUYANG Yao. Total factor productivity measurement and evaluation of China’s automobile industry[J].Forum on science and technology in China, 2011(6): 42-47.

[29]生延超,鐘志平.規(guī)模擴(kuò)張還是技術(shù)進(jìn)步:中國(guó)飯店業(yè)全要素生產(chǎn)率的測(cè)度與評(píng)價(jià)：基于非參數(shù)的曼奎斯特(Malmquist)生產(chǎn)率指數(shù)研究[J].旅游學(xué)刊, 2010 (5): 25-32. SHENG Yanchao, ZHONG Zhiping. Scale expansion or technological advances: the measurement and evaluation of total factor productivity of China’s hospitality industry [J].Tourism tribune, 2010(5): 25-32.

[30]李勝會(huì),李紅錦.要素集聚、規(guī)模效率與全要素生產(chǎn)率增長(zhǎng)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2010(4): 59-66. LI Shenghui, LI Hongjin. Factors agglomeration, scale efficiency and TFP growth[J]. Journal of Central University of Finance & Economics, 2010(4): 59-66.

[31]SCHERER F M. Firm size, market structure, opportunity and the output of patented inventions[J]. American economic review, 1965, 55(5): 1097-1125.

[32]聶輝華,譚松濤,王宇鋒.創(chuàng)新、企業(yè)規(guī)模和市場(chǎng)競(jìng)爭(zhēng):基于中國(guó)企業(yè)層面的面板數(shù)據(jù)分析[J].世界經(jīng)濟(jì), 2008(7): 57-66. NIE Huihua, TAN Songtao, WANG Yufeng. Innovation, firm scale and market competition: an analysis based on panel data of China’s enterprises[J].The journal of world economy, 2008(7): 57-66.

[33]于君博,舒志彪.企業(yè)規(guī)模與創(chuàng)新產(chǎn)出關(guān)系的實(shí)證研究[J].科學(xué)學(xué)研究, 2007, 25(2): 373-380. YU Junbo, SHU Zhibiao. An empirical study on the relationship between enterprise scale and innovation output[J].Studies in science of science, 2007, 25(2): 373-380.

[34]韓超,胡浩然.清潔生產(chǎn)標(biāo)準(zhǔn)規(guī)制如何動(dòng)態(tài)影響全要素生產(chǎn)率：剔除其他政策干擾的準(zhǔn)自然實(shí)驗(yàn)分析[J].中國(guó)工業(yè)經(jīng)濟(jì), 2015(5): 70-82. HAN Chao, HU Haoran. How does clean production standards regulation dynamically affect TFP: a quasinatural experiment analysis with policy interference eliminated[J].China industrial economics, 2015(5): 70-82.

[35]毛德鳳,李靜,彭飛,等.研發(fā)投入與企業(yè)全要素生產(chǎn)率：基于PSM和GPS的檢驗(yàn)[J].財(cái)經(jīng)研究, 2013, 39 (4): 134-144. MAO Defeng, LI Jing, PENG Fei, et al. R&D input and corporate TFP: an empirical test based on PSM and GPS methods[J].Journal of finance and economics, 2013,39 (4): 134-144.

[36]方福前,張艷麗.中國(guó)農(nóng)業(yè)全要素生產(chǎn)率的變化及其影響因素分析：基于1991-2008年Malmquist指數(shù)方法[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2010(9): 5-12. FANG Fuqian, ZHANG Yanli. Analysis of changes of China′s agricultural total factor productivity and its impact factors[J].Economic theory and business management, 2010(9): 5-12.

[37]王玨,宋文飛,韓先鋒.中國(guó)地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其影響因素的空間計(jì)量分析：基于1992-2007年省域空間面板數(shù)據(jù)[J].中國(guó)農(nóng)村經(jīng)濟(jì), 2010(8): 24-35. WANG Yu, SONG Wenfei, HAN Xianfeng. Spatial econometric analysis of total factor productivity and its influence factors in China: based on spatial panel data of province 1992-2007[J].Chinese rural economy, 2010(8): 24-35.

[38]李平.提升全要素生產(chǎn)率的路徑及影響因素：增長(zhǎng)核算與前沿面分解視角的梳理分析[J].管理世界, 2016(9): 1-11. LI Ping. The path and influencing factors of total factor productivity: an analysi from the perspective of growth accounting and frontier decomposition[J].Management world, 2016(9): 1-11.

[39]BATTESE G E, COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical economics, 1995 (20): 325-332.

[40]李雙杰,范超.隨機(jī)前沿分析與數(shù)據(jù)包絡(luò)分析方法的評(píng)析與比較[J].統(tǒng)計(jì)與決策, 2009(7): 25-28. LI Shuangjie, FAN Chao. Analysis and comparison of SFA and DEA[J].Statistics and decision, 2009(7): 25-28.

[41]王藝明,陳晨,高思航.中國(guó)城市全要素生產(chǎn)率估算與分析:2000-2013[J].經(jīng)濟(jì)問題, 2016(8): 1-8+34. WANG Yiming, CHEN Chen, GAO Sihang. The estimation and analysis on TFP of Chinese cities: from 2000 to 2013[J]. Economic problems, 2016(8): 1-8,34.

[42]連玉君,程建.不同成長(zhǎng)機(jī)會(huì)下資本結(jié)構(gòu)與經(jīng)營(yíng)績(jī)效之關(guān)系研究[J].當(dāng)代經(jīng)濟(jì)科學(xué), 2006, 28(2): 97-103,128. LIAN Yujun, CHENG Jian. Research between capital structure and performance with different growth opportunities[J].Modern economic science, 2006, 28(2): 97-103,128.

[43]HANSEN. Threshold effects in non-dynamic panel: estimation, testing and inference[J].Journal of development economics, 1999, 94(3): 345-368.

[44]GOLDER P N, SHACHAM R, MITRA D. Finding innovations’ origins: when, by whom, and how radical innovations developed?[J]. Marketing science, 2009, 28 (1): 166-179.

本文引用格式：

王瑞,范德成.企業(yè)技術(shù)能級(jí)的概念、測(cè)度方法與模型優(yōu)化[J].哈爾濱工程大學(xué)學(xué)報(bào),2017,38(8): 1335-1344.

WANG rui, FAN Decheng. Enterprise technological energy level: Concept, measurement and model optimization[J]. Journal of Harbin Engineering University, 2017, 38(8): 1335-1344.

Enterprise technological energy level: concept, measurement, and model optimization

FAN Decheng1, WANG Rui1,2

(1.School of Economics and Management, Harbin Engineering University, Harbin 150001, China; 2.School of Management, Harbin University of Science and Technology, Harbin 150080, China)

The evolution route of enterprise technological trajectories is a guideline for an enterprise to strategize technological development. Technological trajectories of modern enterprises have gradually changed from the traditional cumulative route to a leapfrogging route. The growing unpredictability of technological development has already garnered much attention from many Chinese enterprises. To this end, the concept of enterprise technological energy level (ETEL) has been introduced to improve the existing model of technological trajectories. Their mathematical model is also built accordingly. The technological energy level of the enterprises in the sample is calculated and improved by adopting the improved Solow’s residual method and DEA-Malmquist index method, respectively. The panel threshold model is applied to verify the existence of an ETEL. According to the research results, total factor productivity can be used as an index to measure the ETEL. Moreover, an increase in the factor input cannot improve the ETEL effectively. The realization of the leapfrogging of enterprise technological trajectories should be stimulated externally. The influence of restrictive factors such as policy and environment on the technological progress of Chinese enterprises has been underestimated. This research can provide an effective means for realizing the leapfrogging of technological trajectories for technological latecomers.

enterprise technological energy level; technological trajectories; threshold regression; total factor productivity; quantum model; technological latecomers; leapfrogging

2017-06-03.

日期：2017-07-13.

國(guó)家自然科學(xué)基金項(xiàng)目(71373059).

范德成(1964-), 男, 教授,博士生導(dǎo)師； 王瑞(1984-), 男, 講師,博士研究生.

王瑞，E-mail：ruiwang2015@126.com.

10.11990/jheu.201706008

F061.5

A

1006-7043(2017)08-1335-10

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20170713.1021.002.html