2. 河南大学环境与规划学院, 开封 475004
2. College of Environment and Planning, Henan University, Kaifeng 475004, China
技术创新与知识积累是经济增长的源泉，这种观点已经成为一种共识。2014年12月召开的中央经济工作会议指出，我国要素的规模驱动力减弱，经济增长将会更多依靠人力资本质量和技术进步，必须让创新成为驱动发展新引擎[1]。在我国，创新绩效存在较大的区域差异。
对于创新绩效的影响因素，不同学者有着不同的认识。Blomstrom等学者认为，外商直接投资（FDI）是发展中国家获取技术的主要来源[2]。从现实情况来看，很多发展中国家引入FDI的目的之一就是希望同时引进发达国家先进技术及先进设备，藉此提高本国技术水平。Scherer则通过实证发现企业研发支出与企业规模呈线性关系，Kumar和Saqib也有类似的研究结论[3, 4]。而Lee Jaymin与Homi Katrak则分别采用不同的方法证实了技术进口及R & D与企业的技术创新能力存在着密切联系[5, 6]。也有学者注意到了产业集聚对技术创新的促进作用[7-9]，认为随着区域产业集聚的不断加强，区域产业的创新程度也在不断增强。
通过以上学者们的研究可以看到，FDI、企业规模、国外技术引进、R & D经费支出以及产业集聚都对区域产业创新有影响。另外，区域经济规模对区域创新也有一定得拉动作用和促进作用，因为区域经济规模越大，对创新的需求也就越大，而且也能够提供创新所需要的资金投入。
区域产业技术创新不是简单的通过加强单个因素就能实现，创新的实现必须通过各方面的共同作用才能实现。本文基于河南省1991—2014年的面板数据，从宏观经济、行业、企业、外部力量等四个尺度构建了企业创新模型，对影响区域产业创新的各因素的影响机理及促进作用进行实证分析。
2 模型与变量 2.1 模型构建区域内的创新可以假设为一个投入产出的过程，创新投入能够产生创新产出，因此，借鉴柯布—道格拉斯生产函数，构建如下函数：
| $In = {e^{c + \varepsilon }}per\_GD{P^\alpha }L{Q^\beta }S{C^\gamma }R{D^\delta }FD{I^\lambda }Te{c^\mu }$ | (1) |
其中，In表示创新产出，Per_GDP表示人均GDP，LQ表示产业集聚度，SC表示大中型企业的规模，RD表示R & D经费内部支出，FDI表示外商直接投资金额，Tec表示技术引进，α表示人均GDP的创新产出弹性，β表示区位商的创新产出弹性，γ表示企业规模的创新产出弹性，δ表示R & D经费内部支出的创新产出弹性，λ表示FDI的创新产出弹性，μ表示技术引进与改造投入的创新产出c为常数，ε为随机误差项。
对公式（1）进行对数化处理，得到：
| $\begin{array}{l} \ln In{\rm{ = }}c + \alpha per - GDP + \beta \ln LQ + \gamma \ln SC\\ + \delta \ln RD + \lambda LnFDI + \mu \ln Tec + \varepsilon \end{array}$ | (2) |
对于企业创新来说，人均GDP表明了区域宏观经济发展的状况，产业集聚度表明了行业的状况，企业规模则表明了企业层面的状况，R & D经费内部支出、外商直接投资、技术引进则都是属于外部力量。
2.2 变量选择与测度 2.2.1 创新绩效的测量对于创新绩效的测量，学者们的看法有所不同。有学者用R & D投入作为衡量技术创新的指标[8]，本文认为，R & D投入作为创新研究的经费投入，可以认为是创新的努力，而不能作为创新的结果。颜克益等用新产品销售额占行业总销售额的比重来定义创新绩效[10]。自Griliches将专利作为衡量创新的代理变量以来[11]，该测量创新程度的方法就为学者们所广泛接受，因为专利的相关数据较为容易得到，而且也基本上能反映出区域的创新程度。专利包含专利申请与专利授权两部分，专利申请数只能表示技术开发的强度，表示为创新所做的努力，不能表示技术创新的结果[12]。也有学者将技术引进作为技术创新的一个方面[13]，但是技术引进只是一种创新的投入，而非创新的成果。本文结合这些学者们的观点，用规模以上工业企业的有效发明专利数来衡量创新绩效的程度，在统计年鉴中，专利授权数量可以衡量有效发明专利数，因此，对公式（2）进行调整，得到：
| $\begin{array}{*{20}{l}} {\ln InP{\rm{ = }}c + \alpha per\_GDP + \beta \ln LQ + \gamma \ln SC}\\ { + \delta \ln RD + \lambda LnFDI + \mu \ln Tec + \varepsilon } \end{array}$ | (3) |
其中，InP是以专利授权量来表示的创新产出。
2.2.2 产业集聚的测量目前学者们对产业集聚度衡量的指标主要有EllisonGlaese指数、赫芬达尔指数、空间基尼系数、区位商等[14]。空间基尼系数、赫芬达尔指数和Ellison-Glaeser指数对于企业微观数据的要求比较高, 目前很难获得。为此，本文选择区位商作为产业集聚度的衡量指标，计算公式如下[15]：
| $LQ = \sum\limits_i^n {L{Q_I}} $ | (4) |
| $L{{Q}_{i}}=\frac{{}^{{{q}_{i}}}\!\!\diagup\!\!{}_{\sum\limits_{i=1}^{n}{{{q}_{i}}}}\;}{{}^{{{Q}_{i}}}\!\!\diagup\!\!{}_{\sum\limits_{i=1}^{n}{{{Q}_{i}}}}\;}$ | (5) |
其中，LQ表示河南省工业行业总区位商，LQi表示河南省第i工业行业的区位商，q i表示河南省第i工业行业的产值，Q i则表示全国第i工业行业的产值。
2.2.3 企业规模由于每个行业的企业数不同，规模大小也存在着较大的差异。周黎安等用两个指标来测量企业规模，一是某地区平均每户企业所正式雇佣的职工数，二是某地区平均每户企业所产出的产值[16]。从理论上来说，如果各企业雇员在技能、经验等方面没有差异，以每户企业所正式雇佣的职工数来衡量企业规模亦无不可，但是，现实情况截然相反，各企业的雇员在技能、经验方面差异非常大，即使是同一家企业内部，雇员的技能与经验也是存在显著差异。因此，本文以大中型企业平均产出来测量企业规模。
2.3 数据来源本文采用1992年到2015年共24个年度《河南统计年鉴》、《中国统计年鉴》中统计数据，其中，R & D经费内部支出、外商直接投资、技术引进与改造总支出、专利授权数量、新产品销售收入数据均来自《河南统计年鉴》，大中型企业规模则由《中国统计年鉴》中河南省相关数据计算得到。区位商数据由《河南统计年鉴》及《中国统计年鉴》中按行业分的各行业销售收入数据计算得到，需要说明的是，《河南统计年鉴》中的武器弹药制造业数据在《中国统计年鉴》中并未列出，本文将该数据并入专用设备制造业中（见表 1）。
|
表 1 河南省工业企业创新活动基本情况统计 Tab.1 Statistics of Basic Situation of Industrial Enterprises Innovation Activities on Henan Province |
首先对模型（3）和模型（4）进行OLS估计（见表 2）。从系数的显著性来看，拟合优度Adjusted R2都在95%以上，说明该回归模型整体拟合较好，从模型整体的残差序列相关性来看，Durbin-Watson值为2.1512，接近于序列无自相关的标准值2，说明变量无自相关。表 2的回归结果表明，河南省研发投入规模（R & D）、外商直接投资规模（FDI）、产业区位商、企业规模显著影响专利授权量。技术引进与改造支出虽然显著影响专利授权量，但两者呈现负相关。人均GDP对专利授权量的影响在统计上不显著。
|
|
表 2 创新投入产出的OLS估计 Tab.2 OLS Estimates of Innovation Inputs and Outputs |
为了检验模型及回归的稳定性，需要对各变量作ADF单位根检验，通过对时间序列进行平稳性检验，如果时间序列非平稳，但是其n阶差分为平稳序列，而n-1阶差分非平稳，那么该时间序列为n阶单整序列，采用ADF单位根检验方法确定LnRD、LnFDI、LnTec、LnLQ、LnPerGDP、LnSC的滞后阶数，判断它们是否为同阶单整序列。使用最小信息准则SIC选取ADF检验滞后阶数，在判断其检验形式时，根据其散点图来决定其截距项及时间趋势，结果见表 3：由上表可以看出，LnInP、LnFDI、LnPer_GDP、LnRD、LnTec、LnLQ、LnSC都在水平序列下非平稳，而除LnPer_GDP外在一阶差分后则是平稳序列，因此LnInP、LnFDI、LnRD、LnTec、LnLQ、LnSC都是一阶单整。由于二阶差分没有经济学上的意义，因此，不再对LnPer_GDP的二阶差分进行单位根检验。
|
|
表 3 创新变量的ADF检验 Tab.3 ADF Test of Innovation Variables |
以上除LnPer_GDP外的六个变量均为一阶差分平稳序列，说明它们之间可能存在着协整关系，也就是说六个变量之间存在着长期的均衡关系。协整检验常用Johansen极大似然估计法，选择在有截距项、无趋势项，滞后期选择1期，可以看出，LnInP、LnLQ、LnFDI、LnRD、LnSC、LnTec有一个协整关系（见表 4）。
|
|
表 4 创新变量协整关系 Tab.4 Cointegration Relationship of Innovation Variables |
LnInP与LnLQ、LnFDI、LnRD、LnSC、LnTec六个变量的一阶差分之间有协整关系，因此，可以对它们的一阶差分进行Granger因果检验，来判断它们之间的因果关系与方向（表 5）。
|
|
表 5 LnInp的一阶差分与各变量的一阶差分的Granger因果关系检验 Tab.5 Granger Causality Test Between the First OrderDifference of Lninp and Other Variables |
从表 5可知，在5%置信水平下，当LnInP的一阶差分作为因变量时，LnLQ、LnFDI、LnRD、LnSC、LnTec的一阶差分共同成为LnInP的一阶差分的格兰杰原因，其中，LnRD、LnSC、LnFDI的一阶差分较显著。也就是说，当用专利授权量来衡量河南省创新绩效时，企业规模、R & D经费内部支出、企业规模成为了创新绩效的显著格兰杰原因。
4 结论与讨论企业规模、R & D经费显著正向影响河南工业企业的创新绩效。说明在企业尺度上，规模仍然是创新的重要因素之一。应该采取相应的政策措施鼓励大中型企业增加研发投入，建立创新平台，加大自主研发力度，增强自主创新能力，同时连接企业与大专院校、科研院所等智库，加强合作创新。
通过产业区位商测度的产业集聚度对创新的影响只是在0.1水平上显著。说明在中观尺度上，产业集聚还没有发挥很好的集聚效益，需要采取其他措施提升产业集聚度。河南省可以通过采取一些其它提升产业集聚度的措施促进产业创新，例如做好产业集聚区主导产业规划，建设高质量的产业集聚区，形成优势产业集群。
反映经济规模的人均GDP在统计上并未显著影响创新绩效，甚至是负影响。主要原因在于：宏观尺度上，河南的经济增长在一定程度上主要依靠资源型产业、劳动密集型产业，而高新技术产业对经济的推动作用还不够强，因此，虽然河南省经济增长的速度较快，但并未成为推动创新绩效增长的引擎。
外商直接投资和技术引进对创新绩效影响不同。外商直接投资增强了创新的绩效，而技术引进与创新绩效则呈显著负相关。说明在利用外部力量方面，更应该强调外商直接投资对区域发展的综合影响，尤其是对创新的影响。而单纯的技术引进对区域的创新具有挤出效应，应当慎重。
综合来看，企业创新是一个多尺度因素相互作用的非线性过程，是企业自身、行业集聚、宏观经济以及外部力量多种力量交织的结果，各种力量对创新的影响机理也较为复杂。
| [1] | 中央经济工作会议在北京举行[N]. 人民日报, 2014-12-12(1). [Central economic work conference held in Beijing [N]. People's Daily, 2014-12-12(1).] |
| [2] | Blömstrom M, Sjöholm F. Technology transfer and spillover does local participation with multinationals matter[J]. European Economic Review, 1999, 43(4): 915-923. |
| [3] | Scherer, Frederic M. Innovation and Growth: Spectives[M]. Cambridge, MA: MIT Press, 1984: 122. |
| [4] | Kumar N, Mohammed S. Firm size, opportunities for adaptation, and in-house R & D activity in developing countries:The case of Indian manufacturing[J]. Research Policy, 1996, 25(5): 712-722. |
| [5] | Jaymin L. Technology import and R & D eforts of Korean manufacturing firms[J]. Journal of Development Economics, 1996, 50(1): 197-210. DOI:10.1016/0304-3878(96)00010-7 |
| [6] | Katrak H. Developing countries imports of technology, in-house technological capabilities and efforts:An analysis of the Indian experience[J]. Journal of Development Economics, 1997, 53(1): 67-83. DOI:10.1016/S0304-3878(97)00011-4 |
| [7] | 彭向, 蒋传海. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J]. 经济学 (季刊), 2011, 10(3): 913-933. [Peng Xiang, Jiang Chuanhai. Industrial agglomeration, technological spillovers and regional innovation: Evidences from China[J]. China Economic Quarterly, 2011, 10(3): 913-933. ] |
| [8] | 范承泽, 胡一帆, 郑红亮. FDI对国内企业技术创新影响的理论与实证研究[J]. 经济研究, 2008, 43(1): 89-102. [Fan Chengze, Yifan Hu, Zheng Hongliang. A theoretical and empirical study on the impacts of FDI on indigenous innovation in China[J]. Economic Research Journal, 2008, 43(1): 89-102. ] |
| [9] | 蒋兰陵. 产业集聚、FDI的溢出偏向性与工资不平等[J]. 经济经纬, 2014, 31(4): 68-73. [Jiang Lanling. On industrial agglomeration, bias of spillover and wage inequality[J]. Economic Survey, 2014, 31(4): 68-73. ] |
| [10] | 颜克益, 芮明杰, 巫景飞. 产业集聚视角下高技术产业创新绩效影响因素研究——基于中国省际面板数据 (1998—2007) 的研究[J]. 经济与管理研究, 2010, 31(12): 57-67. [Yan Keyi, Rui Mingjie, Wu Jingfei. The study on the factors affecting performance of technical innovation in high-tech industry: Evidence from provincial panel data in China (1987-2007)[J]. Research on Economics and Management, 2010, 31(12): 57-67. DOI:10.3969/j.issn.1000-7636.2010.12.006] |
| [11] | Z.Griliches. Issues in assessing the contribution of R & D to productivity growth[J]. Bell Journal of Economics, 1979, 10(1): 92-106. DOI:10.2307/3003321 |
| [12] | 张倩肖, 冯根福. 三种R & D溢出与本地企业技术创新——基于我国高技术产业的经验分析[J]. 中国工业经济, 2007, 21(11): 64-72. [Zhang Qianxiao, Feng Genfu. Three different R & D spillovers and technological innovation of local enterprises: Evidence from Chinese high-tech industries[J]. China Industrial Economy, 2007, 21(11): 64-72. ] |
| [13] | 刘重力, 黄平川. 技术进口对我国企业技术创新能力的影响——基于中国省际数据的分位数回归[J]. 南开经济研究, 2011, 27(5): 132-141. [Liu Zhongli, Huang Pingchuan. The influence of technology imports to China's enterprises innovation: Evidence from provincial data and quantile regression[J]. Nankai Economic Studies, 2011, 27(5): 132-141. ] |
| [14] | 赵伟, 藤田昌久, 郑小平, 等. 空间经济学:理论与实证新进展[M]. 杭州: 浙江大学出版社, 2009: 183-192. [Zhao Wei, Masahisa Fujita, Zheng Xiaoping, et al. Spatial Economics: Recent Progress Theoretical and Empirical Works[M]. Hangzhou: Zhejiang University Press, 2009: 183-192.] |
| [15] | 樊秀峰, 康晓琴. 陕西省制造业产业集聚度测算及其影响因素实证分析[J]. 经济地理, 2013, 33(9): 115-119. [Fan Xiufeng, Kang Xiaoqin. Agglomeration level measurement of manufacturing in Shaanxi province and it's influencing factors empirical analysis[J]. Economic Geography, 2013, 33(9): 115-119. ] |
| [16] | 周黎安, 罗凯. 企业规模与创新:来自中国省级水平的经验证据[J]. 经济学 (季刊), 2005, 4(3): 623-638. [Zhou Li-an, Luo Kai. Firm size and innovation: Evidence from China's province-level data[J]. China Economic Quarterly, 2005, 4(3): 623-638. ] |