曾卓騏，王 躍

(華東理工大學 商學院，上海 200237)

0 引言

創(chuàng)新是國家發(fā)展進步的不竭動力，中共十九屆六中全會將堅持開拓創(chuàng)新作為中國共產(chǎn)黨百年奮斗積累的寶貴歷史經(jīng)驗之一。我國已經(jīng)把自主創(chuàng)新貫徹到國家層面發(fā)展戰(zhàn)略中，把創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略寫入國策，將高水平科技自立自強作為國家發(fā)展的戰(zhàn)略支撐。創(chuàng)新是驅(qū)動國家經(jīng)濟增長的重要因素[1]，現(xiàn)階段，中國經(jīng)濟發(fā)展進入新常態(tài)，必須加快培育創(chuàng)新型行業(yè)，提高科技創(chuàng)新發(fā)展的質(zhì)量和效益，通過創(chuàng)新促進國家經(jīng)濟增長。企業(yè)是創(chuàng)新的主體，其創(chuàng)新能力與我國科技創(chuàng)新體系建設的進度與質(zhì)量密切相關(guān)。

2010年10月18日，《國務院關(guān)于加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的決定》首次提出以培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)作為國家重大戰(zhàn)略，并指出到2030年，中國戰(zhàn)略性新興產(chǎn)業(yè)整體創(chuàng)新能力和產(chǎn)業(yè)發(fā)展要達到世界先進水平。作為基于重大技術(shù)突破和重大發(fā)展需求，對經(jīng)濟社會全局和長遠發(fā)展有著重大引領(lǐng)帶動作用的產(chǎn)業(yè)，戰(zhàn)略性新興產(chǎn)業(yè)具有科技含量高、市場潛力大、帶動能力強、綜合效益好等特征，是國民經(jīng)濟的支柱產(chǎn)業(yè)和先導產(chǎn)業(yè)，對中國經(jīng)濟發(fā)展具有非同尋常的戰(zhàn)略意義。我國把高端裝備制造、節(jié)能環(huán)保、生物、新能源、新能源汽車、新材料、新一代信息技術(shù)等作為現(xiàn)階段重點發(fā)展的戰(zhàn)略性新興產(chǎn)業(yè)。目前，我國戰(zhàn)略性新興產(chǎn)業(yè)還處于初級發(fā)展階段，在創(chuàng)新發(fā)展過程中，存在企業(yè)自主創(chuàng)新能力弱、整體創(chuàng)新效率偏低、成果轉(zhuǎn)化能力不足、核心技術(shù)對外依存度高等諸多問題，對戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新發(fā)展造成嚴重阻礙。

近年來，我國研發(fā)投入和研發(fā)規(guī)模不斷擴大，研發(fā)支出總額連續(xù)多年穩(wěn)居世界第二，2019年，全社會研發(fā)支出約2.2萬億元，占GDP比重為2.19%，科技進步貢獻率為59.5%。但是，按照世界知識產(chǎn)權(quán)組織(WIPO)和《全球創(chuàng)新指數(shù)報告》的評估，2020年中國創(chuàng)新指數(shù)僅居世界第14位，與歐美發(fā)達國家差距較大。以上反差說明我國創(chuàng)新成果轉(zhuǎn)化過程中存在問題，創(chuàng)新成果產(chǎn)出未能與創(chuàng)新投入成比例增加，創(chuàng)新效率偏低的問題亟待解決。創(chuàng)新效率代表創(chuàng)新投入與創(chuàng)新產(chǎn)出之間的有效轉(zhuǎn)換率，是衡量企業(yè)自主創(chuàng)新能力的一個重要指標，能夠反映技術(shù)創(chuàng)新水平。因此，為保證我國戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新可持續(xù)發(fā)展，有必要打開“黑箱”，測度分析戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率及其影響因素，對于深化技術(shù)創(chuàng)新效率研究和提高企業(yè)創(chuàng)新效率具有重要意義。

本文貢獻主要體現(xiàn)在：第一，與現(xiàn)有大多數(shù)文獻關(guān)注區(qū)域?qū)用娌煌?，本文利用微觀數(shù)據(jù)，從企業(yè)層面分析戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率及其影響因素，豐富了相關(guān)文獻的研究視角。第二，以往研究主要采用投入導向的傳統(tǒng)靜態(tài)模型測算創(chuàng)新效率，本文運用產(chǎn)出導向的高階動態(tài)模型，考慮創(chuàng)新投入一定情況下的產(chǎn)出最大化問題和連續(xù)時期結(jié)轉(zhuǎn)活動的動態(tài)創(chuàng)新效率。第三，基于創(chuàng)新產(chǎn)出的滯后性，分別考察不同階段使用不同創(chuàng)新產(chǎn)出指標的企業(yè)創(chuàng)新效率及其影響因素，深化對戰(zhàn)略性新興產(chǎn)業(yè)企業(yè)創(chuàng)新效率及其影響因素的認識，為提高戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率提供參考。

1 文獻綜述

縱觀國內(nèi)外研究，學術(shù)界關(guān)于戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新效率測度的方法主要有兩類：參數(shù)方法和非參數(shù)方法。其中，以Chames等[2]提出的數(shù)據(jù)包絡分析(DEA)為代表的非參數(shù)方法應用最廣，其次是以Aigner等[3]、Meeusen & Broeck[4]、Battese & Corra[5]提出的隨機前沿分析(SFA)為代表的參數(shù)方法。非參數(shù)方法是數(shù)學規(guī)劃方法，參數(shù)方法是計量經(jīng)濟學方法，二者都是最前沿的效率測量技術(shù)[6]。陳紅玲[7]基于產(chǎn)業(yè)維度和區(qū)域維度，考慮資源環(huán)境因素，利用SBM方向性距離函數(shù)與GML指數(shù)，對2005—2014年中國戰(zhàn)略性新興產(chǎn)業(yè)的環(huán)境技術(shù)創(chuàng)新效率增長值進行測度；劉暉等[8]利用DEA模型，對中國內(nèi)地28個省域的戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新綜合效率、純技術(shù)效率和規(guī)模效率進行評估；黃海霞和張治河[9]基于DEA-Malmquist指數(shù)分解方法，對中國內(nèi)地28個省域和三大區(qū)域戰(zhàn)略性新興產(chǎn)業(yè)的技術(shù)創(chuàng)新效率進行分析比較，發(fā)現(xiàn)純技術(shù)效率對戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新的影響最大，全要素生產(chǎn)率增長動力具有區(qū)域異質(zhì)性；Wang等[10]以2009—2013年中國38家新能源企業(yè)為樣本，基于新能源企業(yè)創(chuàng)新活動的研發(fā)過程和營銷過程，采用數(shù)據(jù)包絡分析方法構(gòu)建研發(fā)效率、市場效率和集成創(chuàng)新效率測度指標體系；閆俊周和楊祎[11]采用BCC模型、超效率模型、回歸模型等方法對2013—2015年中國戰(zhàn)略性新興產(chǎn)業(yè)的供給側(cè)創(chuàng)新效率進行評價；李柏洲等[12]運用BCC模型、相似SFA模型測算戰(zhàn)略性新興產(chǎn)業(yè)研發(fā)和轉(zhuǎn)化兩階段創(chuàng)新效率，發(fā)現(xiàn)我國戰(zhàn)略性新興產(chǎn)業(yè)整體創(chuàng)新效率不高，轉(zhuǎn)化階段的創(chuàng)新效率略高于研發(fā)階段，而且產(chǎn)業(yè)間及產(chǎn)業(yè)內(nèi)部存在異質(zhì)性，外商投資與政府支持力度會抑制創(chuàng)新效率；閆俊周等[13]利用CCR模型對2012—2017年400家中國戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率進行測算，發(fā)現(xiàn)政府補貼有助于戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新效率提升，而金融支持不利于創(chuàng)新效率提升，金融支持在政府補貼與創(chuàng)新效率之間存在遮掩效應。

現(xiàn)有研究主要存在以下不足：第一，已有文獻主要從區(qū)域或產(chǎn)業(yè)視角對戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新效率展開研究，而企業(yè)作為創(chuàng)新主體，卻鮮有文獻從企業(yè)視角進行研究。第二，鮮有學者運用高階動態(tài)DEA模型測算創(chuàng)新效率，通常使用傳統(tǒng)靜態(tài)DEA模型，如CCR模型和BCC模型。然而，企業(yè)創(chuàng)新活動是一個動態(tài)過程，在不同時期和不同階段具有不同表現(xiàn)，若忽略創(chuàng)新效率隨時間變化的動態(tài)演化過程，僅使用靜態(tài)DEA模型測算，則無法準確評估連續(xù)時期戰(zhàn)略性新興產(chǎn)業(yè)上市公司的動態(tài)效率變化。為彌補上述不足，本文采用動態(tài)松弛變量測量方法(dynamic slacks-based measure approach，DSBM)測算戰(zhàn)略性新興產(chǎn)業(yè)上市公司動態(tài)創(chuàng)新效率。

2 模型與數(shù)據(jù)

傳統(tǒng)測量方法僅孤立考察企業(yè)各個時期的效率，而忽略連續(xù)時期的結(jié)轉(zhuǎn)活動。本文采用Tone & Tsutsui[14]提出的考慮自由結(jié)轉(zhuǎn)變量延續(xù)性的DSBM模型，測度我國戰(zhàn)略性新興產(chǎn)業(yè)七大重點領(lǐng)域的873家上市公司動態(tài)創(chuàng)新效率。在此基礎(chǔ)上，使用面板Tobit回歸模型分析影響企業(yè)創(chuàng)新效率的因素。

2.1 模型設定

2.1.1 考慮動態(tài)效率與自由結(jié)轉(zhuǎn)變量的DSBM模型

長期持續(xù)運營的公司除有當期投入與產(chǎn)出項目外，還有從當期到下一期的結(jié)轉(zhuǎn)項目[6]。戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新過程中同樣存在結(jié)轉(zhuǎn)項目，使用傳統(tǒng)DEA模型(CCR和BCC模型)會忽略結(jié)轉(zhuǎn)項目，必然無法準確測算出創(chuàng)新效率水平。傳統(tǒng)靜態(tài)DEA模型忽視了連續(xù)時期的結(jié)轉(zhuǎn)活動，在測算企業(yè)長期效率變化時存在缺陷，動態(tài)DEA(Dynamic SBM)模型則將結(jié)轉(zhuǎn)活動納入模型，可以更好地測算企業(yè)長期效率。本研究采用DSBM模型評估多個時期的效率，打破了傳統(tǒng)DEA使用上的限制。此外，與假設投入與產(chǎn)出同比例變化的徑向模型相比，DSBM模型是一種非徑向動態(tài)DEA模型，假定允許投入、產(chǎn)出和結(jié)轉(zhuǎn)變量非同比例變化，可以準確測算一段時期內(nèi)具體每期的企業(yè)效率，比傳統(tǒng)靜態(tài)DEA方法更準確。因此，本文使用DSBM模型測算戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率，更符合現(xiàn)實情況。

根據(jù)Tone & Tsutsui[14]提出的DSBM模型，以結(jié)轉(zhuǎn)活動(carry-over activities)作為連結(jié)，假設動態(tài)創(chuàng)新過程有n個決策單元DMUj(j=1,2,…,n)跨越T個期間(t=1,2,…,T)，在t期每個決策單元DMUj均有投入與產(chǎn)出，通過結(jié)轉(zhuǎn)連結(jié)到下一期(t+1)，每期共有m種投入(i=1,2,…,m)、p種中間產(chǎn)出(i=1,2,…,p)和s種最終產(chǎn)出(i=1,2,…,s)。xijt表示決策單元DMUj在第t期的投入要素，zijt表示決策單元DMUj在第t期的中間產(chǎn)出，yijt表示決策單元DMUj在第t期的最終產(chǎn)出?？紤]相鄰期間的結(jié)轉(zhuǎn)變量，分析戰(zhàn)略性新興產(chǎn)業(yè)動態(tài)創(chuàng)新效率，選擇基于規(guī)模報酬可變假設與產(chǎn)出導向的DSBM模型。

(1)

式(1)受如下方程約束：

(2)

(3)

(4)

(t=1,2,…,T)

(5)

(6)

2.1.2 Tobit模型

由于DEA方法測算出的效率值在[0,1]區(qū)間，需要分析的數(shù)據(jù)具有如下特點：因變量為受到某種限制的受限因變量，其數(shù)值是截斷或者切割數(shù)據(jù)。若使用最小二乘法估計包含截尾數(shù)據(jù)的模型，則參數(shù)會產(chǎn)生偏差，且估計量不一致。因此，采取Tobit模型對此類受限數(shù)據(jù)模型進行估計。

為揭示影響企業(yè)創(chuàng)新效率的因素及影響程度，在創(chuàng)新效率測度基礎(chǔ)上，本文采用Tobit模型進行進一步分析。定義因變量創(chuàng)新效率為E*，則Tobit模型為：

E*=β'xi+μi

(7)

E=max(0,β'xi+μi)(i=1,2,…,n)

(8)

本文采用不同變量進行Tobit模型測算，以分析不同因素對創(chuàng)新效率的影響。

2.2 變量選擇、樣本選擇與數(shù)據(jù)來源

2.2.1 變量選擇

(1)DSBM模型變量選擇。借鑒嚴太華等[15]的研究，本文利用產(chǎn)出導向與規(guī)模報酬可變條件下的DSBM模型測算戰(zhàn)略性新興產(chǎn)業(yè)動態(tài)創(chuàng)新效率。本文在兩階段都選擇DSBM-O-V模型，SBM是基于松弛變量的模型，比原始的BCC、CCR模型更優(yōu)化，DSBM模型是以SBM模型為基礎(chǔ)的動態(tài)模型，能夠反映多階段企業(yè)創(chuàng)新效率動態(tài)變化情況。一方面，創(chuàng)新兩階段的產(chǎn)出最大化比投入最小化更受關(guān)注，因而本文選擇以產(chǎn)出為導向的模型(Output-oriented，縮寫為O)。有學者選擇以投入為導向的模型[16-18]，因為該模型假定資源是稀缺的，能夠解決投入最小化的問題，而產(chǎn)出導向模型可解決投入一定情況下產(chǎn)出最大化的問題。我國研發(fā)支出總量高居全球第二，企業(yè)創(chuàng)新活動以研發(fā)成果和經(jīng)濟利益最大化為主要目標，因此本文選擇以產(chǎn)出為導向的模型。另一方面，本文選擇規(guī)模報酬可變(Variable returns-to-scale，縮寫為V)相對而言更加合理，測算出的效率是綜合效率。

戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新是一個多投入、多產(chǎn)出的動態(tài)復雜過程。本文將技術(shù)創(chuàng)新過程分為兩個階段，第一階段是技術(shù)研發(fā)階段，主要通過投入研發(fā)資源創(chuàng)造新技術(shù)，通常以專利形式作為該階段產(chǎn)出衡量指標；第二階段是技術(shù)成果轉(zhuǎn)化階段，是技術(shù)性產(chǎn)出轉(zhuǎn)化為收益性產(chǎn)出和競爭性產(chǎn)出的過程，是一種商業(yè)化、產(chǎn)業(yè)化過程。

技術(shù)研發(fā)階段的研發(fā)資源投入通常包括人員投入和資本投入，文獻中一般以研發(fā)人員投入和研發(fā)經(jīng)費支出表征研發(fā)創(chuàng)新投入[19]，本文選取研發(fā)人員數(shù)量作為人員投入，研發(fā)資金投入作為資本投入。專利與技術(shù)創(chuàng)新關(guān)系密切，是測量技術(shù)創(chuàng)新產(chǎn)出的可靠指標，衡量標準客觀、數(shù)據(jù)易于獲得，主要以專利形式體現(xiàn)[20-22]。在專利類型方面，發(fā)明專利技術(shù)含量高，能夠客觀衡量創(chuàng)新能力與科技綜合實力[23]。參考亞琨等(2022)的方法，本文選取發(fā)明專利作為技術(shù)研發(fā)階段的產(chǎn)出指標，同時作為創(chuàng)新全過程的中間產(chǎn)出，即技術(shù)成果轉(zhuǎn)化階段的投入指標。

技術(shù)成果轉(zhuǎn)化階段是科技成果產(chǎn)業(yè)化產(chǎn)生收益的時期，只有把專利轉(zhuǎn)化成產(chǎn)品，并且獲得經(jīng)濟效益和價值增值，才能實現(xiàn)創(chuàng)新從技術(shù)研發(fā)到商品化的全過程?，F(xiàn)有文獻大多基于區(qū)域?qū)用鏈y算創(chuàng)新效率，通常選取新產(chǎn)品銷售收入作為衡量新產(chǎn)品產(chǎn)值的指標[24]。在企業(yè)層面，由于部分上市公司沒有公開披露新產(chǎn)品銷售收入數(shù)據(jù)，對企業(yè)創(chuàng)新效率的衡量尚未形成權(quán)威、統(tǒng)一的指標體系。企業(yè)最基本的經(jīng)營活動成果表現(xiàn)為主營業(yè)務收入和營業(yè)利潤[25-27]。鄭威和陸遠權(quán)(2022)采用主營業(yè)務收入和新產(chǎn)品銷售收入衡量成果轉(zhuǎn)化階段的創(chuàng)新產(chǎn)出。在創(chuàng)新投入方面，本文選取員工總數(shù)作為人員投入，研發(fā)支出作為資本投入，發(fā)明專利數(shù)作為技術(shù)投入。在創(chuàng)新產(chǎn)出方面，本文認為營業(yè)收入比主營業(yè)務收入更能真實反映創(chuàng)新產(chǎn)品的經(jīng)濟效益，因為新產(chǎn)品尚未替代老產(chǎn)品成為主營產(chǎn)品時，新產(chǎn)品收益可能不會被企業(yè)劃分為主營業(yè)務收入，因而使用營業(yè)收入替代主營業(yè)務收入測算創(chuàng)新效率更為合適。本文分別以營業(yè)收入、營業(yè)收入增長額、營業(yè)收入增長率作為創(chuàng)新產(chǎn)出指標，測算企業(yè)創(chuàng)新效率，并比較3種情況下的創(chuàng)新效率值，以期選出較為合理的指標。本文首先以營業(yè)收入增長額衡量企業(yè)創(chuàng)新產(chǎn)出，在之后的創(chuàng)新效率測算中，選取營業(yè)收入、營業(yè)收入增長率作為替代性產(chǎn)出指標進行比較分析。

根據(jù)上述對戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新的分析，本文構(gòu)建測算企業(yè)兩階段創(chuàng)新效率的指標體系，如表1所示。

表1 兩階段投入產(chǎn)出變量

(2)Tobit模型變量選擇。面板數(shù)據(jù)Tobit回歸模型設定為：

(9)

其中，第一階段和第二階段的Tobit模型分別為：

(10)

(11)

式中，Eit*為因變量，表示企業(yè)創(chuàng)新效率值，i代表企業(yè)，t代表時間，α為參數(shù)，ε為誤差項。以各類創(chuàng)新效率影響因素為自變量，參考李雪松和曾宇航[28]、王成東等[29]、肖文和林高榜[24]的做法，本文將影響效率的因素分為投入要素和其它影響因素。投入要素包括人員投入(Per、Emp)、資本投入(Inv、Expe)和技術(shù)投入(Pat)。考慮到企業(yè)創(chuàng)新效率會受到企業(yè)自身特征等因素影響，本文引入企業(yè)規(guī)模、企業(yè)年齡、政府補貼、資產(chǎn)收益率、研發(fā)強度、勞動力素質(zhì)、企業(yè)性質(zhì)和企業(yè)類型等其它影響因素。其中，企業(yè)規(guī)模(Scale)用總資產(chǎn)衡量，以總資產(chǎn)取自然對數(shù)表示；企業(yè)年齡(Age)使用企業(yè)年齡的自然對數(shù)表示；政府補貼(Gov)用政府補貼的自然對數(shù)表示；資產(chǎn)收益率(ROA)用凈利潤與總資產(chǎn)的比值表示(凈利潤/總資產(chǎn))；研發(fā)強度(R&D)用研發(fā)投入與營業(yè)收入的比值衡量(研發(fā)投入/營業(yè)收入)；勞動力素質(zhì)(Labor)主要是指勞動力的智能素質(zhì)，其高低直接決定勞動生產(chǎn)率，用研發(fā)人員數(shù)與員工總數(shù)的比值表示(研發(fā)人員數(shù)/員工總數(shù))；企業(yè)性質(zhì)(Soe)為啞變量，國有企業(yè)取1，非國有企業(yè)取0；企業(yè)類型(Dome)為啞變量，內(nèi)資企業(yè)取1，外資企業(yè)取0。

2.2.2 樣本選擇與數(shù)據(jù)來源

本文綜合《國務院關(guān)于加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的決定》和國家統(tǒng)計局《戰(zhàn)略性新興產(chǎn)業(yè)分類(2018)》對戰(zhàn)略性新興產(chǎn)業(yè)的界定，選擇高端裝備制造、節(jié)能環(huán)保、生物、新能源、新能源汽車、新材料、新一代信息技術(shù)七大重點產(chǎn)業(yè)作為研究對象。按照戰(zhàn)略性新興產(chǎn)業(yè)分類標準，篩選中國A股中的戰(zhàn)略性新興產(chǎn)業(yè)相關(guān)上市公司，選取在2014—2017年上市的企業(yè)為研究對象，收集并整理2011—2019年企業(yè)一手創(chuàng)新和財務數(shù)據(jù)。剔除ST、*ST類以及數(shù)據(jù)缺失的上市公司樣本后，最終獲得873家上市公司有效樣本。

數(shù)據(jù)主要來源于CSMAR數(shù)據(jù)庫、Wind數(shù)據(jù)庫、國家知識產(chǎn)權(quán)局、上市公司年報等公布的企業(yè)創(chuàng)新和財務數(shù)據(jù)。

3 實證結(jié)果及分析

3.1 基于DSBM模型的創(chuàng)新效率測度

由于專利具有新穎性、創(chuàng)新性和實用性的嚴格要求，可以直接衡量企業(yè)創(chuàng)新產(chǎn)出，并且具有可得性，因而在創(chuàng)新研究中得到廣泛采用。專利分為發(fā)明專利、實用新型專利和外觀設計專利。發(fā)明專利要經(jīng)歷受理、初審、公布、實質(zhì)審查、授權(quán)5個階段，一般要耗費2～3年時間，授權(quán)數(shù)量比率為40%～50%，授權(quán)專利是審核最嚴格、最有價值的專利種類。大部分文獻用發(fā)明專利申請數(shù)衡量普通創(chuàng)新產(chǎn)出，用發(fā)明專利授權(quán)數(shù)衡量高質(zhì)量創(chuàng)新產(chǎn)出，本文也采用這一方法衡量創(chuàng)新產(chǎn)出。

3.1.1 整體動態(tài)創(chuàng)新效率測算

本文采用MAXDEA和DEA-Solver軟件測算動態(tài)創(chuàng)新效率?；谄髽I(yè)視角，以不同變量作為兩階段創(chuàng)新產(chǎn)出指標，系統(tǒng)比較戰(zhàn)略性新興產(chǎn)業(yè)上市公司整體動態(tài)創(chuàng)新效率水平，測算結(jié)果如表2所示。

表2 整體兩階段動態(tài)創(chuàng)新效率測算結(jié)果

在整體創(chuàng)新效率方面，為避免中間產(chǎn)出在兩階段權(quán)重不同而引起模型測算的矛盾[30]，本文設定兩階段權(quán)重相同，均為0.5。根據(jù)兩階段創(chuàng)新效率，計算得出采用不同創(chuàng)新產(chǎn)出指標的整體創(chuàng)新效率分別為0.37、0.71、0.66、0.274。

首先，分別以發(fā)明專利授權(quán)數(shù)、營業(yè)收入增長額作為兩階段創(chuàng)新產(chǎn)出，且兩階段創(chuàng)新產(chǎn)出均滯后兩年。結(jié)果顯示，在第一階段，戰(zhàn)略性新興產(chǎn)業(yè)上市公司平均創(chuàng)新效率為0.518 8，2014—2017年平均創(chuàng)新效率呈倒U型變化，2015年上市的企業(yè)平均創(chuàng)新效率最高，2017年最低。在第二階段，戰(zhàn)略性新興產(chǎn)業(yè)上市公司平均創(chuàng)新效率為0.216 1，低于第一階段，平均創(chuàng)新效率下降58%；2014—2017年平均創(chuàng)新效率總體呈下降趨勢，2014年上市的企業(yè)平均創(chuàng)新效率最高，2015年最低，僅為0.158 5，說明2015年上市的企業(yè)第二階段創(chuàng)新效率總體偏低；2017年上市的企業(yè)創(chuàng)新效率極差較大，最大值為1，最小值僅為0.001 2，表明不同上市公司之間的創(chuàng)新效率存在很大差異?？傊?，戰(zhàn)略性新興產(chǎn)業(yè)上市公司兩階段創(chuàng)新效率偏低，第一階段創(chuàng)新效率高于第二階段，企業(yè)在兩階段的創(chuàng)新效率不成比例，并且不同企業(yè)的創(chuàng)新效率在各個時期差異較大。

其次，第一階段創(chuàng)新產(chǎn)出仍然使用發(fā)明專利授權(quán)數(shù)，第二階段創(chuàng)新產(chǎn)出使用營業(yè)收入替代營業(yè)收入增長額，且兩階段創(chuàng)新產(chǎn)出均滯后兩年。結(jié)果顯示，第一階段平均創(chuàng)新效率還是0.518 8，第二階段平均創(chuàng)新效率達到0.901 1，遠大于第一階段。在第一階段，2014—2017年平均創(chuàng)新效率呈倒U型變化；在第二階段，2014—2017年平均創(chuàng)新效率呈正U型變化。綜上，用營業(yè)收入替代營業(yè)收入增長額作為第二階段的創(chuàng)新產(chǎn)出時，第一階段創(chuàng)新效率遠低于第二階段。比較發(fā)現(xiàn)，以營業(yè)收入作為第二階段創(chuàng)新產(chǎn)出測算的創(chuàng)新效率高于以營業(yè)收入增長額作為創(chuàng)新產(chǎn)出測算的創(chuàng)新效率。

再次，第一階段創(chuàng)新產(chǎn)出采用發(fā)明專利申請數(shù)，第二階段創(chuàng)新產(chǎn)出仍然使用營業(yè)收入，兩階段均不滯后。結(jié)果顯示，第一階段平均創(chuàng)新效率為0.421 0，低于以發(fā)明專利授權(quán)數(shù)為產(chǎn)出指標測算的效率值0.518 8，2014—2017年平均創(chuàng)新效率呈倒U型變化。第二階段平均創(chuàng)新效率為0.899 0，高于第一階段，2014—2017年平均創(chuàng)新效率呈正U型變化。比較發(fā)現(xiàn)，以發(fā)明專利授權(quán)數(shù)作為第一階段創(chuàng)新產(chǎn)出測算的創(chuàng)新效率，高于以發(fā)明專利申請數(shù)作為創(chuàng)新產(chǎn)出測算的創(chuàng)新效率。

最后，進一步使用營業(yè)收入增長率作為替代變量，分析用不同指標測算的創(chuàng)新效率差異。為避免過多的重復比較，第一階段創(chuàng)新產(chǎn)出依然使用發(fā)明專利申請數(shù)，第二階段創(chuàng)新產(chǎn)出使用營業(yè)收入增長率，測算兩階段創(chuàng)新效率。結(jié)果顯示，第一階段平均創(chuàng)新效率仍然是0.421 0，2014—2017年平均創(chuàng)新效率呈倒U型變化。第二階段平均創(chuàng)新效率僅為0.127 0，低于第一階段，而且各年份平均創(chuàng)新效率均低于0.2，2014—2017年平均創(chuàng)新效率總體呈下降趨勢。此外，第二階段創(chuàng)新效率極差較大，最大值為0.999 7，最小值僅為0.000 6，說明不同企業(yè)之間的創(chuàng)新效率極不均衡。

基于上述分析，以營業(yè)收入作為創(chuàng)新產(chǎn)出指標的創(chuàng)新效率最高，其次是營業(yè)收入增長額，以營業(yè)收入增長率作為創(chuàng)新產(chǎn)出指標的創(chuàng)新效率最低。其中，以營業(yè)收入作為第二階段創(chuàng)新產(chǎn)出指標時，第二階段創(chuàng)新效率在0.9左右，這與多數(shù)學者的研究結(jié)論以及我國戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)成果轉(zhuǎn)化階段創(chuàng)新效率偏低的實際情況存在出入，說明采用營業(yè)收入作為創(chuàng)新產(chǎn)出指標不合適。此外，以營業(yè)收入增長率作為第二階段創(chuàng)新產(chǎn)出指標時，第二階段創(chuàng)新效率很低，僅略大于0.1，遠低于多數(shù)文獻的測算結(jié)果，說明采用營業(yè)收入增長率作為創(chuàng)新產(chǎn)出指標也不合適。因此，綜合比較3種創(chuàng)新產(chǎn)出指標，本文采用營業(yè)收入增長額作為第二階段創(chuàng)新產(chǎn)出指標，更能反映現(xiàn)階段我國戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率現(xiàn)狀。

3.1.2 不同產(chǎn)業(yè)動態(tài)創(chuàng)新效率測算

由于不同細分產(chǎn)業(yè)的創(chuàng)新能力和產(chǎn)業(yè)特點具有差異，產(chǎn)業(yè)之間及產(chǎn)業(yè)內(nèi)部可能存在異質(zhì)性。因此，本文以發(fā)明專利授權(quán)數(shù)、營業(yè)收入增長額分別作為兩階段創(chuàng)新產(chǎn)出指標，且兩階段創(chuàng)新產(chǎn)出數(shù)據(jù)均滯后兩年，測算戰(zhàn)略性新興產(chǎn)業(yè)七大重點產(chǎn)業(yè)上市公司創(chuàng)新效率，結(jié)果見表3。

表3 不同產(chǎn)業(yè)兩階段動態(tài)創(chuàng)新效率測算結(jié)果

結(jié)果顯示，不同細分產(chǎn)業(yè)之間的創(chuàng)新效率存在異質(zhì)性，而且第二階段創(chuàng)新效率普遍低于第一階段。在第一階段，七大重點產(chǎn)業(yè)的創(chuàng)新效率按照從高到低排序依次為新材料、生物、節(jié)能環(huán)保、新能源、新能源汽車、新一代信息技術(shù)、高端裝備制造。其中，新材料產(chǎn)業(yè)上市公司平均創(chuàng)新效率最高，為0.715 2，高端裝備制造產(chǎn)業(yè)上市公司平均創(chuàng)新效率最低，為0.591 3。在第二階段，七大重點產(chǎn)業(yè)的創(chuàng)新效率按照從高到低排序依次為新材料、節(jié)能環(huán)保、生物、新能源、新能源汽車、高端裝備制造、新一代信息技術(shù)。其中，新材料產(chǎn)業(yè)上市公司平均創(chuàng)新效率仍最高，為0.442 2，新一代信息技術(shù)產(chǎn)業(yè)上市公司平均創(chuàng)新效率最低，僅為0.276 3?？傮w而言，高端裝備制造和新一代信息技術(shù)產(chǎn)業(yè)的兩階段創(chuàng)新效率都較低。因此，我國應采取措施大力提高戰(zhàn)略性新興產(chǎn)業(yè)上市公司第二階段創(chuàng)新效率，特別是提升高端裝備制造與新一代信息技術(shù)產(chǎn)業(yè)的創(chuàng)新效率迫在眉睫。

3.2 投入要素與其它因素對企業(yè)創(chuàng)新效率的影響分析

參考李雪松和曾宇航[28]、王成東等[29]的方法，進一步分析投入要素和其它因素對戰(zhàn)略性新興產(chǎn)業(yè)上市公司創(chuàng)新效率的影響，Tobit模型回歸結(jié)果如表4、5所示。

表4結(jié)果顯示，在第一階段，投入要素和其它因素對創(chuàng)新效率具有不同影響。在投入要素方面，研發(fā)人員與創(chuàng)新效率在多數(shù)年份負相關(guān)，且有兩年通過顯著性檢驗，原因可能是研發(fā)人員的無效投入過多，導致創(chuàng)新效率低下。研發(fā)資金投入與創(chuàng)新效率負相關(guān)，且有3年通過顯著性檢驗，可能是因為研發(fā)資金超額投入或重復投入，反而阻礙創(chuàng)新效率提升。在其它影響因素方面，企業(yè)規(guī)模與創(chuàng)新效率在多數(shù)年份具有顯著正向關(guān)系，說明擴大企業(yè)規(guī)模有利于提高企業(yè)創(chuàng)新效率，可能是因為大型企業(yè)比中小型企業(yè)擁有更多創(chuàng)新資源和更大優(yōu)勢。企業(yè)年齡與創(chuàng)新效率在多數(shù)年份負相關(guān)，說明成立時間短的企業(yè)比成立時間長的企業(yè)更具創(chuàng)新意愿，可能是因為年輕企業(yè)在接受知識創(chuàng)新和新興事物方面更具活力。政府補貼與創(chuàng)新效率在多數(shù)年份負相關(guān)，且都沒有通過顯著性檢驗，表明政府補貼會抑制企業(yè)創(chuàng)新效率提升，可能是因為缺乏完善的監(jiān)督管理機制，企業(yè)將政府補助投向其它方面而不是用于創(chuàng)新活動。資產(chǎn)收益率作為衡量盈利能力最常用的指標之一，能夠反映企業(yè)資產(chǎn)利用效果。資產(chǎn)收益率與創(chuàng)新效率在多數(shù)年份正相關(guān)，表明企業(yè)盈利能力越強，越有助于開展創(chuàng)新活動，提高創(chuàng)新效率。研發(fā)強度與創(chuàng)新效率正相關(guān)，且有3年通過顯著性檢驗，表明研發(fā)強度能夠促進創(chuàng)新效率提升。勞動者素質(zhì)與創(chuàng)新效率在多數(shù)年份正相關(guān)，說明勞動者素質(zhì)越高，學習吸收前沿知識技術(shù)的能力越強，越有助于提高企業(yè)創(chuàng)新效率。企業(yè)性質(zhì)與創(chuàng)新效率在多數(shù)年份正相關(guān)，且有兩年通過顯著性檢驗，說明國有企業(yè)創(chuàng)新效率高于非國有企業(yè)，可能是因為國有企業(yè)能為技術(shù)提升和專利研發(fā)提供充裕的資金支持，而非國有企業(yè)的科研基礎(chǔ)比較薄弱。企業(yè)類型對創(chuàng)新效率不存在顯著正向或負向影響，說明內(nèi)資企業(yè)與外資企業(yè)的創(chuàng)新效率無顯著差異。

表4 Tobit模型估計結(jié)果(第一階段)

表5結(jié)果顯示，在第二階段，投入要素和其它因素對創(chuàng)新效率也具有不同程度影響。在投入要素方面，員工總數(shù)與創(chuàng)新效率負相關(guān)，且有3年通過顯著性檢驗，可能是因為大量人員的重復投入導致未能發(fā)揮出對創(chuàng)新效率的促進作用。研發(fā)支出與創(chuàng)新效率顯著負相關(guān)，可能是因為企業(yè)對資金的配置與利用能力較弱，無法充分合理利用資金進行技術(shù)成果轉(zhuǎn)化活動。發(fā)明專利授權(quán)數(shù)與創(chuàng)新效率在大多數(shù)年份正相關(guān)，但是沒有通過顯著性檢驗，說明企業(yè)創(chuàng)新活動受到自身研發(fā)實力影響，增加發(fā)明專利授權(quán)數(shù)有利于促進創(chuàng)新效率提升，可能是因為專利產(chǎn)業(yè)化與商品化的轉(zhuǎn)化率偏低，導致不顯著。在其它影響因素方面，企業(yè)規(guī)模與創(chuàng)新效率顯著正相關(guān)，可能是因為規(guī)模較大的企業(yè)擁有更多專利和生產(chǎn)銷售渠道，從而有助于提高創(chuàng)新效率。企業(yè)年齡與創(chuàng)新效率在大多數(shù)年份負相關(guān)，且均未通過顯著性檢驗，表明企業(yè)成立時間越長，技術(shù)成果轉(zhuǎn)化能力越弱，創(chuàng)新效率越低。政府補貼對創(chuàng)新效率存在負向影響，說明政府補貼會抑制創(chuàng)新效率提升，可能是由于政府補貼滋生企業(yè)過度依賴政府資金的低效率行為[29]。資產(chǎn)收益率與創(chuàng)新效率顯著正相關(guān)，表明較高的資產(chǎn)收益率有利于企業(yè)開展持續(xù)性的創(chuàng)新活動，進而提升企業(yè)創(chuàng)新效率。研發(fā)強度對創(chuàng)新效率具有不顯著的正向影響。勞動者素質(zhì)與創(chuàng)新效率在大多數(shù)年份正相關(guān)，且有兩年通過顯著性檢驗，可能是因為較高的勞動者素質(zhì)有助于促進生產(chǎn)和銷售，從而提高技術(shù)成果轉(zhuǎn)化效率。企業(yè)性質(zhì)對創(chuàng)新效率不具有明顯的正向或負向影響。企業(yè)類型與創(chuàng)新效率負相關(guān)時，通過顯著性檢驗，說明外資企業(yè)比內(nèi)資企業(yè)的創(chuàng)新效率略高；企業(yè)類型與創(chuàng)新效率正相關(guān)時，未能通過顯著性檢驗。

表5 Tobit模型估計結(jié)果(第二階段)

4 結(jié)論與建議

本文基于企業(yè)視角，以2011—2019年873家中國戰(zhàn)略性新興產(chǎn)業(yè)上市公司為樣本，利用DEA方法并基于產(chǎn)出導向的DSBM模型測算企業(yè)兩階段動態(tài)創(chuàng)新效率。從整體創(chuàng)新效率測算結(jié)果看，兩階段動態(tài)創(chuàng)新效率具有較大差異。分別以營業(yè)收入增長額、營業(yè)收入、營業(yè)收入增長率作為技術(shù)成果轉(zhuǎn)化階段的創(chuàng)新產(chǎn)出指標，發(fā)現(xiàn)以營業(yè)收入增長額作為創(chuàng)新產(chǎn)出指標測算得出的創(chuàng)新效率比較符合多數(shù)文獻的結(jié)論以及我國戰(zhàn)略性新興產(chǎn)業(yè)創(chuàng)新效率現(xiàn)狀。從不同產(chǎn)業(yè)創(chuàng)新效率測算結(jié)果看，各產(chǎn)業(yè)間創(chuàng)新效率存在異質(zhì)性。在第一階段，各產(chǎn)業(yè)上市公司創(chuàng)新效率按照從高到低排序依次為新材料、生物、節(jié)能環(huán)保、新能源、新能源汽車、新一代信息技術(shù)、高端裝備制造；在第二階段，各產(chǎn)業(yè)上市公司創(chuàng)新效率從高到低排序依次為新材料、節(jié)能環(huán)保、生物、新能源、新能源汽車、高端裝備制造、新一代信息技術(shù)。高端裝備制造和新一代信息技術(shù)產(chǎn)業(yè)在兩個階段的創(chuàng)新效率均較低。本文在測算創(chuàng)新效率的基礎(chǔ)上，運用Tobit模型分析影響創(chuàng)新效率的因素，結(jié)果表明，在技術(shù)研發(fā)階段，企業(yè)規(guī)模、資產(chǎn)收益率、研發(fā)強度、勞動者素質(zhì)、企業(yè)性質(zhì)與創(chuàng)新效率正相關(guān)，研發(fā)人員、研發(fā)資金、企業(yè)年齡、政府補貼與創(chuàng)新效率負相關(guān)；在技術(shù)成果轉(zhuǎn)化階段，發(fā)明專利授權(quán)數(shù)、企業(yè)規(guī)模、資產(chǎn)收益率、研發(fā)強度、勞動者素質(zhì)與創(chuàng)新效率正相關(guān)，員工總數(shù)、研發(fā)支出、企業(yè)年齡、政府補貼、企業(yè)類型與創(chuàng)新效率負相關(guān)。

根據(jù)以上研究結(jié)論，本文針對性提出以下對策建議：

(1)轉(zhuǎn)變創(chuàng)新模式，提升企業(yè)自主創(chuàng)新能力。創(chuàng)新效率測算結(jié)果顯示，我國戰(zhàn)略性新興產(chǎn)業(yè)上市公司兩階段整體創(chuàng)新效率較低，尤其是技術(shù)成果轉(zhuǎn)化階段的創(chuàng)新效率具有較大提升空間，說明現(xiàn)階段企業(yè)自主創(chuàng)新能力較弱、創(chuàng)新動力不足、創(chuàng)新驅(qū)動效果不明顯。我國戰(zhàn)略性新興產(chǎn)業(yè)總體層次偏低，產(chǎn)品技術(shù)含量不高，很多高技術(shù)產(chǎn)品以模仿為主，并且在尖端關(guān)鍵技術(shù)上受制于它國，對外依存度高，核心技術(shù)標準與專利以及許多領(lǐng)域的主導設計都被外方控制。因此，應該鼓勵我國戰(zhàn)略性新興產(chǎn)業(yè)上市公司從模仿的創(chuàng)新模式轉(zhuǎn)向高水平科技自立自強的創(chuàng)新模式，特別是非國有企業(yè)、內(nèi)資企業(yè)、成立時間較長的企業(yè)要更加重視技術(shù)創(chuàng)新，提升企業(yè)高質(zhì)量創(chuàng)新能力和盈利能力，提高企業(yè)研發(fā)強度，積極開展創(chuàng)新活動，不斷增強自主創(chuàng)新能力，努力推進技術(shù)成果轉(zhuǎn)化階段創(chuàng)新產(chǎn)出的商業(yè)化。

(2)大力支持中小企業(yè)進行資源整合、發(fā)展壯大，提高整體競爭力。我國戰(zhàn)略性新興產(chǎn)業(yè)仍處于初期發(fā)展階段，在產(chǎn)業(yè)規(guī)模方面，中小企業(yè)數(shù)量眾多，構(gòu)成產(chǎn)業(yè)發(fā)展主體，在產(chǎn)業(yè)發(fā)展中占據(jù)著不可忽視的重要地位。但是，由于大多數(shù)中小企業(yè)缺乏創(chuàng)新動力和獨立承擔科研項目的實力，拉低了整個產(chǎn)業(yè)的國際競爭力。激發(fā)中小企業(yè)創(chuàng)新動力已成為發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的一項重要任務。根據(jù)Tobit回歸結(jié)果，企業(yè)規(guī)模和發(fā)明專利授權(quán)數(shù)在兩階段都與創(chuàng)新效率正相關(guān)。因此，應該強化企業(yè)創(chuàng)新主體地位，鼓勵中小企業(yè)通過整合上下游產(chǎn)業(yè)鏈、多方合作、并購重組等方式，增加發(fā)明專利授權(quán)數(shù)，擴大企業(yè)規(guī)模，實現(xiàn)優(yōu)勢互補、互利共贏、做大做強的目的。

(3)合理規(guī)劃安排創(chuàng)新投入，提高高素質(zhì)科技人才比例。根據(jù)研究結(jié)果，第一階段中研發(fā)人員、研發(fā)投入和第二階段中員工總數(shù)、研發(fā)支出都與創(chuàng)新效率負相關(guān)，表明兩階段的人員和資金投入可能過度，導致重復投入與無效投入。因此，應該有計劃地合理安排每個時期的創(chuàng)新投入，避免盲目超額投入，減少低水平重復研發(fā)項目。此外，勞動者素質(zhì)對創(chuàng)新效率具有正向影響，對此，企業(yè)應該注重人才隊伍建設，大力培養(yǎng)和引進高素質(zhì)科技人才，提高研發(fā)人員的科研創(chuàng)新水平，采用股權(quán)激勵等方式，激勵研發(fā)人員進行高質(zhì)量創(chuàng)新。

(4)加強監(jiān)管和引導，出臺傾斜性政策及措施。本文研究結(jié)果表明，政府補貼與創(chuàng)新效率負相關(guān)。對此，建議改革現(xiàn)行政府補貼政策，關(guān)注企業(yè)創(chuàng)新活動的全過程，重點考核政府補貼的使用方向和創(chuàng)新產(chǎn)出成果，刺激企業(yè)加大研發(fā)資金投入。有限的政府補貼要針對性地用于解決企業(yè)創(chuàng)新過程中的極端困難，政府應該加強調(diào)控和引導，針對高端裝備制造、新一代信息技術(shù)產(chǎn)業(yè)相應地出臺傾斜性政策和措施。此外，應完善稅收政策和出口優(yōu)惠政策，降低企業(yè)引進高技術(shù)人才的成本，加大對發(fā)明專利授權(quán)的獎勵力度，提高企業(yè)開展高質(zhì)量創(chuàng)新活動的積極性。

(5)健全自主知識產(chǎn)權(quán)制度，構(gòu)建產(chǎn)學研聯(lián)合體系。創(chuàng)新效率的提高，需要完善自主知識產(chǎn)權(quán)制度，建立自主知識產(chǎn)權(quán)交易平臺，拓寬融資渠道和技術(shù)成果商業(yè)化渠道。只有不斷通過專利技術(shù)成果獲得資金，企業(yè)才能長期、可持續(xù)地進行自主研發(fā)投入，從而促進創(chuàng)新效率提升。此外，目前我國高技術(shù)研發(fā)人才和科研基金項目主要集中在科研院所，企業(yè)研發(fā)能力相對較弱。因此，企業(yè)應該依托現(xiàn)有科研平臺，整合企業(yè)、高校和科研院所資源，建立產(chǎn)學研聯(lián)合體系，降低創(chuàng)新風險，縮短科技創(chuàng)新成果轉(zhuǎn)化周期，提高技術(shù)研發(fā)和成果轉(zhuǎn)化效率。