| 标题 | 高技术产业技术创新效率的阶段性特征及其动态演变 |
| 范文 | 肖利平+蒋忱璐 内容提要：创新活动过程的不同阶段具有不同特征，本文从价值链的角度构建规模报酬可变情形下的技术创新三阶段DEA模型，测度中国30个省市1998-2010年间高技术产业技术创新的三阶段效率，并实证检验三阶段创新效率的影响因素。研究表明：中国高技术产业的技术创新效率存在显著的区域发展不平衡，各地区的创新效率大致呈“多V”型的动态发展趋势；创新三阶段效率多为低基础性创新效率、低应用性创新效率、低收益性创新效率型；信息技术发展、企业自主创新对三个阶段的创新效率都有显著的正向影响，而金融支持、政府科技支持与企业规模对不同阶段的创新效率具有不同的影响。细化技术创新活动的研究利于真实地拟合高新技术产业研发创新过程，合理测算各阶段的效率，发现各环节中真正的无效率部分。 关键词：基础性创新；应用性创新；收益性创新；阶段性特征 中图分类号：F273.1 文献标识码：A 文章编号：1001-148X（2017）10-0153-09 作为促进国民经济增长的战略性支柱产业，高技术产业的技术创新活动及其成果已成为中国当前和未来经济发展新的增长点。据统计，2000年之后，中国高技术产业增加值年均增长20. 4%，远高于同期我国GDP的增长速度，2010年高技术产业增加值达到79302亿元，占当年规模以上工业总产值的12%以上。与此同时，中国高技术产业的研发投入不断增加，1998-2010 年间，高技术产业R&D内部经费支出从17.85亿元增加到1733.81亿元，增长了96.15倍，其占产品销售收入的比重也从0.46% 上升到1.70%，几乎翻了两翻；新产品开发经费投入也从32.38亿元增加到2128.19亿元，平均投入增速达到30%左右。在人员投入方面，中国高技术产业R&D人员全时当量投入也从1998年的5.78 万人年增加到2010年的62.32万人年，增长了12倍之多[1]。 虽然创新投入在不断增加，但有效专利申请数、新产品销售收入等创新产出提高相对较慢，且在关键设备和高端产品等方面明显落后于发达国家，出口的创新产品中，也鲜有核心专利技术产品。从区域创新活动来看，我国高技术产业发展极不平衡。2010年，经济发达的东部地区占有创新资源的2/3以上，科技活动人员中科学家和工程师几乎占全国的2/3，而西部落后地区占有创新的资源不足1/10，在研发资金与人员投入方面都相对匮乏[2]。 创新活动从科技研发到收益实现的过程并不是一蹴而就，而是分阶段、有次序的开展。高技术产业研发创新过程，不仅包括技术开发与成果转化，还包括产品商业化，即将研发成果推向市场、为市场所认可，实现向现实收益的过渡，才算是创新过程的完成。若将其作为一个整体来对待则不能真实地拟合高技术产业研发创新过程，合理测算各阶段的效率和及时发现各环节中真正无效率的部分。因此，基于价值链角度，分阶段考察高技术产业技术创新效率、作用机制及其影响因素具有重要现实意义。 一、文献简述 高技术产业创新效率的测算，目前主要有数据包络分析（DEA） 和随机前沿生产函数模型（SFA），样本涵盖了行业和区域层面， 大致可以分为三个阶段。 第一时期为整体效率评价，这一时期将技术创新过程作为“黑箱”来处理，认为创新是一个只有投入与产出的大系统，而忽略系统的内部运行机理[3-15]。该类研究认为技术创新的运作过程绝对有效，这显然不符合高技术产业技术创新的实际运作。第二时期是基于创新过程及创新价值链划分的两阶段分析与评价。随着对创新过程及创新价值链理解的逐步深入，学者们不再完全将高技术产业研发创新过程看作是一个“黑箱”。少数国内外学者开始对髙技术产业研发创新过程进行细化分析，将研发创新过程划分为技术开发和技术成果转化两个阶段，既关注高技术产业创新的技术开发情况，又关注技术成果经济转化情况[16-23]。这类研究主要出现在2008年以后。第三时期是在第二阶段的基础上，进一步细化，将高技术产业创新过程分为技术开发、成果转化、产品商业化三个过程。该类研究将创新过程中科技成果成功转化为创新产品、创新产品实现收益看作是两个过程，并以取得现实收益作为创新过程的完结，并不断为后续创新过程提供资金[24]。这类研究目前鲜有文献涉及，主要出现在2015年以后。 综上所述，对高技术产业创新效率的研究，大多数文献都是進行整体效率的测算和研究，并没有细化创新的阶段，部分文献将创新活动分成了两阶段或者三阶段，但仅仅是测度了每个阶段的创新效率，并没有对此进行深入研究。本文基于价值链视角，选取1998-2010年中国30个省市的高技术产业面板数据，将我国高技术产业创新过程分为基础性创新、应用性创新、收益性创新三个阶段，运用基于Malmquist 指数的DEA方法，测算和分析我国高技术产业三阶段的创新效率。 二、创新三阶段构建 已往研究将高技术产业创新过程分为技术开发和成果转化两个阶段，忽略了创新成果的收益性过程。本文认为，高技术产业研发创新的实现过程包含高技术从研究到开发、从技术到生产、从产品推向市场等一系列复杂经济活动。从整个产业的层面来看，科技成果既是前期研究投入的结果，又是后期新产品开发、新工艺改造的基础，后续阶段则还包括创新产品与经济效益（新产品成功商业化的收益）两方面。创新产品是实现经济效益的前提，经济效益是创新产品市场化的必然结果。因此，高技术产业研发创新的运作过程具有明显的三阶段过程特征，本文将技术创新过程分为基础性创新、应用性创新、收益性创新三个阶段，技术创新贯穿于整个三阶段，每个阶段的创新成果各有侧重。 （1）基础性创新阶段。通过R&D人员、经费的投入以及上年的知识产出来开发新技术，这个过程主要体现了技术创新的基础性创新效率。（2）应用性创新阶段。将第一阶段创造出来的新技术、新工艺转化为创新性产品的过程，是对基础实验阶段的扩展，完成从技术开发到试生产，这个过程主要体现了技术创新的应用性创新效率。（3）收益性创新阶段。企业将第二阶段的新产品销售出去，转变为现实的生产力，开辟新市场并使企业能利用创新产出带来的收益去进一步研究开发新产品，并再次将之转化为现实的生产力。这是一个实现商业化、产业化的过程，主要体现了技术创新的收益性创新效率。这三个阶段并不相互独立、互不干扰，而是相互联系、相互促进的过程。上个阶段的产出为下一阶段的投入，下一阶段的提升也会促进上一阶段的提升和发展，使创新过程不断持续下去。 根据上述分析，本文构建高技术产业创新效率的评价指标体系，具体如图1所示。 对于创新活动指标体系的构建，现有文献各有侧重。如郑坚（2008）认为， 基础性创新階段R&D资源的投入一般包括资金投入和人员投入。贾静雪（2012）则在其基础上增加知识投入，逐步完善了基础性创新阶段投入指标的构建。基础性创新阶段是创新活动的第一个阶段，主要是R&D活动开发新知识、新技术的过程。本文借鉴郑坚（2008）、贾静雪（2012）、刘树林（2015）的方法，选取R&D人员全时当量作为此阶段的人员投入，R&D经费内部支出作为此阶段的资金投入，上年有效发明专利数作为此阶段的技术投入，选取当年有效发明专利数作为此阶段的创新产出指标。 应用性创新阶段投入指标的构建，本文借鉴郑坚（2008）的方法：选取第一阶段产出作为此阶段技术投入；选取科技活动人员作为此阶段的人员投入，新产品开发经费支出作为此阶段的资金投入；选取新产品销售收入作为此阶段的创新产出指标。 在收益性创新阶段投入指标的构建上，技术投入指标选取第二阶段产出；选取从业人员年平均数作为此阶段的人员投入，新增固定资产作为此阶段的资金投入；选取新产品销售收入作为此阶段的创新产出指标（见表1）。 三、数据来源与测算方法 （一） 数据来源与处理 高技术产业的统计口径在2010年发生了改变，为保持数据口径的一致性，本文选取中国30个省市1998-2010年的面板数据，研究中国高技术产业创新三阶段的效率。由于有些省市的部分年份数据存在缺失，本文采取合适方法对缺失数据进行差补。所用的数据1998-2001年的资料来源于2002年出版的《中国高技术产业统计年鉴》和《中国统计年鉴》；2002-2010年的资料来源于2002-2010年出版的《中国高技术产业统计年鉴》、《中国统计年鉴》与2006-2012年出版的《中国科技统计年鉴》。 为消除物价变动对分析的影响，本文对新产品销售收入、总产值运用工业生产者出厂价格指数进行平减（以1998年为基期）；对R&D经费内部支出、新产品开发经费支出、新增固定资产构建R&D价格指数来平减（以1998年为基期）。根据朱平芳等（2012）[25]的观点，由于R&D 支出主要由固定资产支出和R&D活动人员的消费构成， 故R&D价格指数由消费物价指数（权重为55 %）和固定资产投资价格指数（权重为45 %）加权合成。 根据增长理论的基本观点，产生作用的并不仅仅是当期R&D 投入，而应该是R&D资本存量。因此采用国际通用的永续盘存法对R&D 资本存量进行核算：Kt=Rt-1+（1-δ）Kt-1（ Kt表示t期R&D资本存量，Rt-1为t-1期的R&D支出，δ表示R&D资本存量的不变折旧率，取值15%），假定R&D资本存量的平均增长率等于R&D支出的平均增长率g，基期R&D资本存量为：K0=R0g+δ。 本文剔除数据缺失较多的西藏自治区，针对有些省市的地区出现中间年份缺失的情况，利用内插法来补齐所缺失的数据，即取前后两年数据的平均值作为当年的数据。对于科技活动人员这一指标，由于2009年后统计年鉴上不再记录，故2009和2010年的值采用外推法补齐。 （二）DEA模型 DEA基本思想是根据其输入和输出数据，得出每个决策单元DMU相应的数量指标，以此来评价其相对有效性。 DEA方法在评价技术效率时，其优势在于无须事先假设投入与产出之间的函数关系式，也无须为各个指标赋予权重，因而能够避免人为因素所产生的误差。它可以处理不止一个投入和产出的问题，且无须统一投入与产出指标的单位。 根据Farrell的定义，规模效率指标可以用来判断研究对象是否达到最佳规模，纯技术效率指标可以用来判断扣除规模效率所产生效益之后的经营效率。 四、技术创新效率的测算 （一）三阶段效率技术创新区域差异总体分析 本文基于技术创新效率测算，根据基于Malmquist指数的DEA方法，以1998年为基期，采用DEAP2.1软件计算我国30个省市高技术产业创新过程三阶段的效率，并对测算结果进行分析。由于篇幅所限，本文不具体列出，为表达简洁，用effch1表示基础性创新阶段的技术效率、effch2表示应用性创新阶段的技术效率、effch3表示收益性创新阶段的技术效率。 为达到客观评价的目的，本文用基础性创新效率、应用性创新效率、收益性创新效率在1998-2010年的平均值作为代表值，来分析1998-2010年间我国高技术产业的技术创新三阶段的效率。通过表2的分析我们发现，对于高技术产业基础性创新效率而言，我国30个地区基础性创新效率均值为1.010，整体处于较高水平，标准差系数为6.088，说明各地区间的差距较小。其中，高技术产业基础性创新效率最高的地区为北京，说明其创新投入得到充分利用，没有出现投入冗余或者产出不足等问题。在技术创新的第一阶段，低于效率平均值的地区有18个，占地区总数的一半以上，表明我国相对多数地区在基础性创新阶段由于较低的效率水平而拉低了整体的效率水平。因此，如何平衡各地区基础性创新的效率水平，不要让效率相对较低的地区成为整体地区提高的“短板”，成为高技术产业基础性创新效率亟待解决的问题。 在高技术产业应用性创新阶段，即由专利技术和资金、人员向新产品转化的阶段，我国30个地区的平均效率为0.986，略低于基础性创新效率的平均值，但相差不大。具体而言，北京、新疆、天津、甘肃、山东的应用性创新效率相对较高，排名在1-5名，这些地区是新产品产出相当有效的地区。但是，相对于排名前5名的其他地区而言，新疆所处的经济环境截然不同，但是在创新资源的利用上，却表现出一致的有效性，本文认为新疆的高应用性创新效率可能是因为技术创新规模偏小，资金、专利技术等创新投入少，在牺牲规模的情况下实现的。而广西壮族自治区的应用性创新效率最低，仅为0.679，说明在将知识、技术等转化为新产品这一阶段，存在着严重的资源投入不足或资源浪费问题。 在高技术产业收益性创新阶段，即创新产品向现实生产力转化的阶段，该阶段的效率在于评价技术与经济结合的有效程度。甘肃、青海、广东、河南、天津、北京、新疆等地区在高技术产业的收益性创新阶段最为有效，其效率值均达到1以上，说明这些地区在收益性创新阶段合理地进行了资源的配置，应用性创新阶段的新产品有效地转化成为现实的生产力，给当地经济带来了相应的贡献。值得注意的是，收益性创新阶段的标准差系数为10.554，在三个阶段中最大，说明在收益性创新阶段，各地区由于地理位置、经济发展环境、政策支持等因素有较大差异，创新产品成功转化为现实生产力的能力和力度各不相同。北京、天津、广东等地区由于优越的地理位置、成熟开放的市场环境等因素，使得创新产品的商业化更易实现，而云南、贵州、陕西等地区由于交通环境闭塞、政策支持力度小等原因，创新产品的商业化进程受到阻碍。 为了对区域内高技术产业技术创新过程中三个阶段的创新效率值进行比较分析，以表2中的效率值为依据，将各省市划分为不同的区域，各阶段效率值大于其均值的区域为高创新效率地区，各阶段效率值小于其均值为低创新效率地区（如图2所示）。 结合图2与表2的数据来看，考察期内中国30个省市中，高技术产业效率模式为高基础性创新效率、高应用性创新效率、高收益性创新效率的省市只有6 个，占20%，在这些省市当中，北京市、天津市来自东部经济发达地区，广东省来自沿海经济开发区，优越的政策支持、开放度高的对外贸易环境等有利条件为这些地区知识创新、成果转化与产品商业化创造了良好的条件，从而使这些省市成为中国高技术产业科技研发与成果转化的领跑者。甘肃省、宁夏回族自治区、新疆维吾尔自治区三个地区的经济发展水平较低，但却拥有较高的创新效率，从其三阶段投入产出数据平均值中可以看出（见表3），虽然这些地区自身创新资源不够丰富，但是却能利用有效的资源去高效率地创造新产品，提高创新产品的产出并转化为现实的生产力去推动本地区经济的发展，本地区经济的发展反过来又为创新活动的继续进行提供了良好的外部经济条件。但是，值得注意的是，这些地区的投入产出数据存在较多的缺失，虽然采取合理的方法对其进行了补充，但是由于原始数据的缺失，其测量的效率存在较大的不确定性。 所考察的30个地区中有6个地区高技术产业效率模式为低基础性创新效率、低应用性创新效率、低收益性创新效率，占比为20%，说明相对于其他24个地区而言，山西、黑龙江、江苏、浙江、安徽、四川这6个地区的创新三阶段的效率都比较低，且与其经济地位不匹配。但是，值得注意的是，从表3可以看出，山西、黑龙江、江苏、浙江、安徽、四川三阶段的投入较多，但相对而言，投入的巨大和产出的相对较少仍然不成比例，这些地区的创新产出相对于巨大的投入来说仍然是不足的，存在着投入冗余的现象，故而导致了基础性创新效率、应用性创新效率、收益性创新效率均小于均值。因此，需调整相关技术政策和制度，在提升研发效率的同时，促进科技成果的转化，并最终实现商业化。 而其他地区的三阶段效率值都存在著不平衡发展的问题，某个阶段创新效率的低下或者较高会影响到其他与其相互关联的阶段的效率，三阶段效率的相互关联、相互影响使企业必须在创新的每一阶段都要合理配置创新资源，促进创新整体快速、健康的发展。 （二）三阶段技术创新效率的动态比较 本文用基础性创新效率、应用性创新效率、收益性创新效率在1998-2010年的平均值作为代表值，绘制了1998-2010年间我国各地区高技术产业技术创新效率各个阶段的动态变化曲线，并对此进行比较。 如图3所示，1999-2010年基础性创新阶段的技术效率大致呈“V”型和“倒V”型上下变动，并在2010年达到最大，并且规模效率的变化和技术效率的变化大致相同，对技术效率的变化贡献较大，而纯技术效率的变化在1999-2006年和技术效率的变化大致相同，但在2006年之后与技术效率的变动出现偏离，对技术效率的变化贡献较小。说明在基础性创新阶段，技术效率的提升主要依赖于规模效率的提升，一味地增大创新投入并不能带来相应的创新产出，应合理安排创新资源，实现优化配置。 应用性创新阶段技术效率的变化比第一阶段波动更大，1999-2001年，规模效率的变动和技术效率的变动大致相同，2001-2010年，纯技术效率的变化和技术效率的变化大致相同。且在1999-2010年，规模效率变动指数大致在1上下波动。说明在将知识和新技术转化为新产品这一阶段，1999-2001年主要依赖投入较多的技术人员和经费支出来增加产出，而在2001年之后，则开始注重效率的提升和资源的有效配置来扩大生产，产出新产品。 在收益性创新阶段，技术效率、纯技术效率、规模效率三者之间的联系更加紧密，几乎呈同步变化。说明在收益性创新阶段，企业不再只注重扩大人员和经费的投入或者只注重提高效率来将新产品转为新市场和收益，而是将两者有机结合起来，既利用人员和经费的扩大，也注重效率的提升，二者相互配合、相互促进，将企业的创新研发转换为现实的生产力，使企业能够继续生存下去，并进行新一轮的研发和产出。 五、高技术产业创新效率的影响因素分析 （一）创新效率的影响因素 影响中国高技术产业技术创新效率的因素可以从企业自身特征（如企业规模、企业自主创新） 与所处的外部环境（信息技术的发展、政府部门的相关政策、金融机构的支持力度）分析：（1）信息技术发展。信息技术能影响企业的价值创造方式、资源配置和创新模式[26]。（2）金融支持。企业的创新活动需要银行等金融机构的支持，良好的融资环境会给地区高技术产业的发展创造更多的发展机会[27]。（3）政府科技支持。处于不同发展阶段的企业对政府资金的需求各异，政府的支持力度在企业创新的不同阶段所发挥的作用也各不相同。（4）企业规模。知识创新过程涉及研发人员的活动，而体现其规模经济效应之处则更多地偏向于科技成果转化与商业化阶段。（5）企业自主创新。过高的外部资金占比容易引发企业面对风险时的逆向选择，应充分发挥自身的主观能动性去进行创新活动。 （二）模型、变量与数据说明 被解释变量（y）为创新三阶段的技术效率（effch），及其子效率纯技术效率（pech）、规模效率（sech）。解释变量包括内外部两方面的因素。外部因素包括信息技术发展、金融支持、政府科技支持三个因素；内部因素包括企业规模、企业自主创新两个因素。具体如下所示：（1）信息技术发展（tele）。用移动电话年末用户数表示。（2）金融支持（finance）。（3）政府科技支持（govm）。本文从经费投入角度出发，选取科技活动经费筹集额中政府资金表示政府科技支持的代理变量。（4）企业规模（scale）。用各地区高技术产业总产值与企业个数之比表示。（5）企业自主创新（inno）。用各地区科技活动经费筹集额中企业资金来表示。 根据以上分析，建立高技术产业三阶段创新效率的多元线性回归模型，运用hausman检验得出应使用随机效应模型，且为了降低异方差的影响，将指标变量都进行对数处理： y=βk+β1Inteleit+Infinanceit+Ingovmit+Inscaleit+Ininnoit+uit（4） 其中βk为常数项，uit为随机扰动项。 本研究选取1998-2010年中国30个省市高技术产业的面板数据，数据源自各年份的《中国高技术产业统计年鉴》、《中国科技统计年鉴》、《中国统计年鉴》，运用随机效应OLS模型，通过Stata12.0软件进行计算，结果如表4所示。 （三）实证结果分析 由表4可知信息技术发展、企业自主创新对基础性创新效率具有显著的正向影响，金融支持、政府科技支持在这一阶段的负向影响显著，说明在企业的基础性创新过程当中，企业利用发达的现代科技模仿、学习国内外先进技术，并开发出新的专利技术。而在投入研发与转化技术成果的资金中政府资金和金融贷款比重越大，企业的基础性创新效率越低。企业是科技创新的主体，应更多地用自身的研发经费、研发人员来进行技术创新，这样企业才能在激烈的市场竞争中不被打败。企业规模变量的系数显著为负，说明现阶段中国高技术产业的企业规模越大，越不利于知识创新效率的提高。因此高技术产业科技创新第一阶段中企业规模不宜过大，因为知识创新过程涉及研发人员的活动，而体现其规模经济效应之处则更多地偏向于科技成果转化与商业化阶段，这在应用性创新阶段、收益性创新阶段的效率影响因素检验中得到证实（0. 083**、0. 074*）。且分子效率来看，企业自主创新对纯技术效率、规模效率的提升都有显著作用、说明在基础性创新过程中，企业的主观能动性尤为重要。信息技术的发展更能促进纯技术效率的提升，这是因为现代信息技术的普及更有利于创新过程中对技术的消化和吸收，并以此提高效率。 影响高技术产业应用性创新阶段的因素中，信息技术的发展这一变量的系数第一阶段一样显著为正，说明信息技术的发展能使企业更好地利用勞动力和新设备去产出新产品。金融支持的系数在这一阶段显著为负，而政府科技支持的系数则不显著，表明在将技术、人力和经费转化为新产品时，企业更多地是靠自身的资金实现科技成果的转化。但值得注意的是，政府科技支持对应用性创新阶段规模效率的提升却有一定促进作用。这是因为企业在将研发出来的新技术转化为现实产品的过程中，势必需要大量资金的支持，企业自身的资金恐难维持庞大的支出，这时就需要其他资金来使企业维持正常的研发、生产。企业自主创新在这一阶段的影响仍然显著为正，这是因为企业并不因为政府和金融部门对创新的支持就减少自身对创新的投入，企业充分利用自身的资金来生产新产品。企业规模变量的系数显著为正，说明扩大的企业规模对新产品的研制产生了一个正向的作用，企业规模越大，其规模效应发挥越明显。 在高技术产业收益性创新阶段，信息技术和企业自主创新这两个变量的系数仍然显著为正，表示企业创新无论是处于最初的创始阶段还是最后的完成阶段，信息技术和自主创新对企业创新的发展都十分关键。政府科技支持的系数显著为正，说明在创新的最后阶段，将产品投放到市场上，仅靠自身的资金投入是不够的，来自政府的资金支持为企业获得创新产品的收益起到了积极作用，且企业要想将创新产品投放出去，得到公众的认可，也需要来自政府政策的支持，使企业产品的转出和资金的转入都能顺利、快速地进行。企业规模变量的系数显著为正，说明企业规模效应的影响在这一阶段仍然持续影响，企业面临的市场容量越大，潜在的客户群越多。 六、结论与启示 基于价值链视角，本文利用Malmquist指数的DEA模型对我国各地区高技术产业1998-2010年各阶段技术创新的效率进行测算及动态评价，发现各地区三阶段创新效率存在极其不平衡的状态。北京、天津、广州等地区由于政策、市场环境等的支持，使得其成为中国高技术产业科技研发、成果转化与商业化的领跑者；而甘肃、宁夏、新疆虽然经济不够发达，但相对于其稀少的创新资源，其创新产出的效率比较高；江苏、浙江等经济较发达地区的创新效率较低，相对于巨大的创新投入，其产出偏少，创新资源没有得到充分的配置；其他地区在基础性创新、应用性创新、收益性创新三个阶段中，或多或少都存在着一个或者两个阶段的投入冗余或者产出不足的现象。 从动态比较来看，在基础性创新阶段，技术效率的提升主要依赖于规模效率的提升，一味地增大创新投入并不能带来相应的创新产出，应合理安排创新资源，实现优化配置。进入应用性创新阶段，1999-2001年，企业主要依赖投入多的技术人员和经费支出来增加产出，而在2001年之后，则开始注重效率的提升和资源的有效配置来扩大生产，产出新产品。在最后的收益性创新阶段，企业不再只注重扩大人员和经费的投入或者只注重提高效率来将新产品转为新市场和收益，而是将两者有机结合起来，既利用人员和经费的扩大，也注重效率的提升，二者相互配合、相互促进，将企业的创新研发转换为现实的生产力。 在影响高技术产业创新的诸多因素当中，信息技术发展、企业自主创新对创新三个阶段有显著的正向影响；金融支持对基础性创新和应用性创新阶段负向影响显著；政府科技支持对基础性创新阶段负向影响显著、对收益性创新阶段正向影响显著；企业规模对基础性创新阶段负向影响显著、对应用性创新与收益性创新阶段正向影响显著。 企业作为技术创新的主体，在创新活动中需拥有更多的主导权和责任感，充分发挥自身的主观能动性并充分借助现代信息技术的发展去进行创新活动。在高技术产业创新的基础性创新阶段与应用性创新阶段，企业应靠自身的资金去进行新技术的研制与科技成果的转化，来自政府部门与金融部门的资金支持反而会阻碍企业的创新活动。但在创新产品转化为现实生产力的过程当中，仅靠自身的资金投入是不够的，来自政府的资金支持为企业获得创新产品的收益起到了积极作用，且企业要想将创新产品投放出去，得到公众的认可，也需要来自政府政策的支持，使企业产品的转出和资金的转入都能顺利、快速地进行。在高技术产业科技创新中第一阶段企业规模不宜过大，因为R&D效率更多地依赖于研发部门的投入产出效率，规模较大的企业，其研发能力并没有很好的体现。但是在科技成果商业化阶段，企业规模越大，规模经济效应越明显，科技成果转化效率越高。 参考文献： [1] 陈凯华，官建成，寇明婷.中国高技术产业“高产出、低效益”的症结与对策研究：基于技术创新效率角度的探索[J].管理评论，2012，24（4）：53-56. [2] 付强，马玉成.基于价值链模型的我国高技术产业技术创新双环节效率研究[J].科学学与科学技术管理.2011，32（8）：93-97. [3] Chen C J，Wu H L，Lin B W. Evaluating the developmentof high-tech industries.：Taiwan′s sciencepark [J].Technological Forecasting and SocialChange，2006，73（4）.：452-465. [4] 吳瑛，杨宏进.基于R&D存量的高技术产业科技资源配置效率DEA度量模型[J].科学学与科学技术管理，2006，27（9）：28-32. [5] 朱有为，徐康宁. 中国高技术产业研发效率的实证研究[J].中国工业经济，2006（11）：38-45. [6] Raab R A，Kotamraju P. The efficiency of the hightecheconomy.：Conventional development indexes versusa performance index [J].Journal of RegionalScience，2006，46（3）：545-562. [7] 张纯，葛幼松. 中国高技术产业投入产出有效性地区差异分析[J].地理与地理信息科学，2007，23（3）：59-63. [8] 薛娜，赵曙东. 基于的高技术产业创新效率评价——以江苏省为例[J].南京社会科学，2007，28（5）：135-141. [9] 谢伟，胡玮，夏绍模. 中国高新技术产业研发效率及其影响因素分析[J].科学学与科学技术管理，2008，29（3）：144-149. [10]吴和成. 髙技术产业R&D效率分析[J].研究与发展管理，2008，20（10）：83-89. [11]官建成，陈凯华.我国高技术产业技术创新效率的测度[J].数量经济技术经济研究，2009，26（10）：19-33. [12]方福前，张平.我国高技术产业的投入产出效率分析[J].中国软科学，2009，24（7）：48-55. [13]韩晶.中国高技术产业创新效率研究——基于SFA方法的实证分析[J].科学学研究，2010，11（3）：467-472. [14]冯缨，滕家佳.江苏省高技术产业技术创新效率评价[J].科学学与科学技术管理，2010，31（8）：107-112. [15]李向东，李南，白俊红，等.高技术产业研发创新效率分析[J].中国软科学，2011，26（2）：52-61. [16]郑坚，丁云龙.高技术产业技术创新的边际收益特性及效率分析[J].科学学研究，2008，26（5）：1090-1097. [17]余泳泽.我国高技术产业技术创新效率及其影响因素研究：基于价值链视角下的两阶段分析[J].经济科学，2009（4）：62-74. [18]黄舜，管燕.基于过程的高技术产业技术创新效率测度[J].工业技术经济，2010，29（1）：7-8. [19]余泳泽，武鹏，林建兵.价值链视角下的我国高技术产业细分行业研发效率研究[J].科学学与科学技术管理，2010，31（5）：60-65. [20]Guan J C，Chen K H，Measuring the innovation production process： A cross-region empirical study of Chinas high-tech innovations[J].Technovation，2010，30（5-6）：348-358. [21]冯锋，张雷勇，高牟，等.两阶段链视角下科技投入产出链效率研究：来自我国29 个省市数据的实证[J].科学学与科学技术管理，2011，32（8）：33-38. [22]肖仁桥，钱丽，陈忠卫.中国高技术产业创新效率及其影响因素研究[J].管理科学， 2012，25（5）：85-98. [23]贾净雪.高技术产业技术创新效率的区域比较——基于链式网络DEA模型[D].武汉：武汉理工大学硕士学位论文，2012. [24]刘树林，姜新蓬，余谦.中国高技术卢业技术创新三阶段特征及其演变[J].数量经济技术经济研究，2015，22（7）：104-115. [25]朱平芳，项歌德，张征宇.中国高技术产业R&D溢出效应研究——本土与跨国途径两个维度的视角[J]. 上海经济研究，2012，13（9）：19-29. [26]刘景江.信息技术环境下组织创新的系统行为及其复杂性[J].科学学研究，2009（4）：598-602. [27]Sullivan O M.Finance and innovation[M]//Nelson R R，Mowery D C，Fagerberg J.The Oxford Handbook of Innovation.Oxford：Oxford University Press，2005：240-265. Abstract： Innovation activities process has different characteristics in different stages. Based on the value chain theory， this paper established a three-phase DEA model of technological innovation under variable returns to scale to measure the innovation efficiency in three phases and test their influence factors using the data of high-tech industries in 30 provinces during 1998-2010. Research shows： technological innovation efficiency in China′s high-tech industries is obviously unbalanced among different regions and roughly presents a multi-V-shaped dynamic trend； innovation efficiency of three phases are mostly the types of low fundamental innovation， low applicable innovation and low profitable innovation； the development of information technology and independent innovation of enterprises have significantly positive influence on the innovation efficiency in all three phases， while the support of finance and government as well as the scale of enterprises have different effects in different phases. Carefully studying technological innovation activities is conducive to truly fitting up the R & D innovation process of high-tech industries， reasonably calculating the efficiency of each phase， and finding the real inefficient parts of each link. Key words：fundamental innovation； applicable innovation； profitable innovation； periodical characteristics （責任编辑：维翰） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。