信息基礎設施建設能提高中國高技術產業的創新效率嗎？
——基于2002—2013年高技術17個細分行業面板數據的經驗分析

孫 早 徐遠華

一、引 言

進入21世紀以來，以互聯網與物聯網為代表的信息技術發展迅速，正在很大程度上重塑工業產業發展的路徑。工業化與信息化的深度融合正在成為時代的潮流，工業化國家紛紛借助現代信息技術助力工業特別是高技術產業的快速發展。高技術產業的發展態勢直接反映了一國工業發展的水平和質量，常常被視作為國民經濟的支柱產業。高技術產業具有資本技術密集、高滲透率、高投入性、高風險性、外部性強的特征，對信息技術發展變化十分敏感。也就是說，一國(地區)信息化水平的高低，很大程度上影響著高技術產業的創新能力和發展趨勢。在這個意義上，如何通過現代信息技術進一步提高高技術產業的創新效率，從而更好地引領整個國家產業的轉型升級自然是一個具有重要意義的話題。隨著新一輪科技革命的深入，信息基礎設施建設對產業創新的支撐作用日益凸顯。正如Ward和Zheng(2012)所強調的那樣，隨著經濟發展水平的持續提高，信息日益呈現出集中趨勢，信息基礎設施在產業創新中的重要性也日益凸顯。在這個背景下，工業化國家紛紛將信息基礎設施建設納入到支持國家高技術產業創新的國家戰略中，必將對今后一個時期高技術產業的創新能力產生深遠影響①2010年11月德國發布《德國ICT戰略：數字德國2015》旨在指導德國的信息通信技術的未來發展。2011年11月英國發布《英國信息化基礎設施戰略愿景：先進計算、數據和網絡開發與使用路線圖》的報告，作為指導英國未來十年的開發與管理信息基礎設施建設戰略。2011年，歐盟發布《關鍵信息基礎設施保護——成果以及下一步行動》報告，2012年 3月，歐洲網格基礎設施(EGI)發布對 EGI的發展愿景，致力于推進共享和協作、聯合的云基礎設施、虛擬研究環境、運行基礎設施的建設。挪威在2012年4月公布《挪威科研基礎設施國家戰略(2012-2017)》。新西蘭2011年7月發布2011年國家基礎設施計劃，目前超快寬帶計劃(UFB)與農村寬帶計劃(RBI)正在加緊實施。2011年底，法國發布《數字法國2020》，普及固定和移動寬帶、推廣數字化應用和服務、助推電子企業的發展。美國在 2012年 1月發布《美國競爭力和創新能力》報告，重點發展下一代空中交通管制系統、無線通訊、云計算、智能電網等。資料來源：《中國信息年鑒——2012》。。本文嘗試以中國高技術產業為例，從理論和經驗兩個層面上分析信息基礎設施建設與高技術產業創新效率間的關系，進一步揭示出轉型時期信息基礎設施建設影響高技術產業創新的機理，為更好地落實國家創新驅動戰略提供科學的理論支撐。

本文的邊際貢獻在于：(1)與現有文獻將研究集中于信息化、信息化與工業化融合的動因、機制、質量及其對地區經濟增長的影響的做法不同，本文使用衡量信息基礎設施水平的綜合性指標來考察信息基礎設施建設對高技術產業的創新效應；(2)本文采用全國層面的整體市場化指數和行業市場化相結合的方式刻畫和度量高技術細分行業所處的市場化程度，進而考察了市場化進程中信息基礎設施影響高技術產業創新的機制及作用方向；(3)本文還進一步從高技術產業細分行業內的國有產權比重、平均企業規模、技術密集度及盈利能力四個維度的行業異質性特征出發探討了信息基礎設施對產業創新所產生的行業異質性影響。本文的研究結論為加快信息基礎設施建設和進一步發揮信息技術對高技術產業創新的支撐作用提供了新的經驗證據，也為新常態下推進供給側結構性改革、提高中國高技術產業發展的質量和效益提供了新的政策思路。

本文的后續部分安排如下：第二部分是理論與假說，第三部分是計量模型、變量與數據，第四部分是實證結果與分析，第五部分是結論及政策啟示。

二、理論與假說

（一）信息基礎設施建設與中國高技術產業的創新效率

與非高技術產業相比，高技術產業具有資金密集、技術先進、高投入性、高風險性、高滲透性的特征，其創新效率與交易成本、管理效率、產業融合密切相關，而信息基礎設施作為深入推進信息化、信息技術發揮作用的重要載體，又是影響交易成本、管理效率、產業融合的重要因素，因而信息基礎設施建設必然對高技術產業的的創新效率產生影響。本文認為信息基礎設施主要通過以下途徑影響高技術產業的創新效率。

1.降低交易成本。Arrow(1969)將交易費用定義為經濟制度運行所耗費的成本，認為信息成本是產生交易費用的根源。Hendriks(1999)的分析表明，通信技術的不斷進步會增加信息溝通渠道，完善生產和交易流程，增加信息透明度，削弱信息不對稱。因此，信息基礎設施的完善與通信技術的進步能夠大幅度降低信息搜索成本，拓寬搜索范圍，加速信息傳輸速度，極大緩解信息不對稱問題，從而提高交易活動的速度和質量(Hardy，1980)。高技術產業資本投入大、研發風險高、產品更新換代快，信息基礎設施的完善則有利于高技術企業減少市場摩擦和提高交易效率；同時有利于高技術企業迅速捕捉市場機會，把握市場對高技術產品的供需動態，增強研發活動的目的性和針對性，弱化高技術產業的研發風險，優化創新資源配置，減少資源浪費，以最小的資源投入獲得更大的創新收益，從而提高產業創新效率。

2.提高管理效率。信息技術通過變革科層組織形態，催生出虛擬組織(Virtual Organization)、大型模塊化組織(Large Modular Organization)、柔性組織(Flexible Organization)等新型組織結構，優化企業乃至產業的組織結構，促進分工，加強協作，提高勞動生產率。信息技術能夠促進知識信息的傳播，為知識管理和知識學習創造有利條件，從而有助于提升員工的素質，加速對新技術的研發、吸收、推廣，最終能夠提高創新效率(閆海洲，2012)。高技術企業資本密集且技術復雜，內部信息傳輸量大，而信息基礎設施的完善將有利于高技術企業改革組織結構，提高企業內部信息的透明度和上傳下達的速度，有利于企業進行量化管理和量化生產，對企業資源特別是創新資源進行科學的調配，從而節約成本、降低管理費用和提高決策水平與管理效率；組織變革增強了高技術企業應對市場競爭的靈活性，促使高技術企業拓展新的業務領域、開發新產品和提高服務質量，客觀上有助于企業擴大市場并提高競爭力，反過來也會激勵企業進行創新活動。

3.加快產業融合進程。高技術產業具有高滲透性、外部性強的特點，而信息基礎設施的完善強化了信息技術的擴散效應，加速了高技術產業內部細分行業之間、高技術產業與非高技術產業之間的相互交叉、相互滲透、相互融合，這將會促進技術融合、產品(服務)與管理融合、市場融合，從而能夠加速提高高技術產業的創新效率。因為產業融合完成了從技術創新到市場創新再到產業創新的全過程，其本質就是產業創新(原毅軍，2012)。產業內外的各種融合能夠降低和縮短運輸、溝通的成本和時間，還通過促進知識信息共享降低研發成本，從而能夠提高高技術產業的創新效率(原毅軍，2012)。

根據前文理論推演，本文提出假說1。

假說1：信息基礎設施的完善能夠顯著提高高技術產業的創新效率。

（二）市場化進程、信息基礎設施建設與中國高技術產業的創新效率

市場化作為一種從計劃經濟向市場經濟過渡的體制變革過程，是通過一系列經濟、社會、法律體制經過較長時期的變革才能最終完成。在經濟轉型過程中，市場化水平的高低主要由產品和要素市場的發育程度、法律制度環境等幾個維度來刻畫和衡量(樊綱、王小魯和馬光榮，2011)。產品市場、要素市場、法律制度的發育狀況分別與信息基礎設施建設的交互作用均會影響高技術產業的創新效率。

1.市場化水平越高，意味著產品市場的發育程度越高。商品價格水平由市場總供給和總需求決定，而發育更好的產品市場能夠更及時準確地反應供求關系，使新產品的價格信號更加真實和靈敏(戴魁早和劉友金，2013a)。市場化水平的提高有助于弱化地方保護主義，減少產品市場上的地區貿易壁壘，促進商品的自由流動和各地區間企業的公平競爭，從而會淘汰技術落后、成本高昂、產品質量低劣的企業。充分利用信息基礎設施的高技術企業可以快速獲取新產品需求信息，迅速靈活地做出決策，有針對性地開展研發活動，降低高技術企業的技術風險和市場風險，同時實現研發合作、資源信息共享、節約資源，提高創新效率，從而在殘酷的市場競爭中生存和不斷發展。隨著產品市場發育程度的提高，為了獲取更加及時詳實的市場信息，企業投資于信息基礎設施、提高信息化水平的意愿就更強烈。

2.市場化水平越高，表明要素市場的扭曲程度在不斷降低。要素市場的市場化改革推動了資本市場的發展，促進了資本要素在廠商間的流動(戴魁早和劉友金，2015)。高技術企業從事技術研發活動需要有效的、發達的信用體系的支持(Schumpeter，1942)。在現階段的中國，金融市場發展相對滯后，且存在明顯的金融歧視，加上技術密集型高技術企業的研發活動面臨收益的不確定性以及逆向選擇和道德風險問題，導致不少規模小的非國有高技術企業處于“融資缺口”的困境，弱化了對企業加大研發投入的激勵(張杰等，2012)。隨著現代信息技術在金融領域的廣泛運用以及金融工具的快速創新，信息基礎設施的完善加快了信息傳遞的規模和速度，從而有利于提高金融機構對企業研發活動中的風險甄別水平和監督效率，在一定程度上解決企業研發活動與外部金融部門之間存在的信息不對稱問題。近年來建立在發達信息基礎設施之上的互聯網金融在一定程度上緩解了高技術企業的融資壓力，節約了企業融資的貨幣成本和時間成本。也就是說信息基礎設施的完善與市場化的交互作用推動了融資市場的發展，為高技術企業的研發活動拓寬了融資渠道，降低了融資成本，有利于企業抓住市場機會并降低研發活動風險，從而提高創新效率。

3.市場化水平越高，預示著法律制度環境也在不斷改善。是否具有良好的法律制度環境亦是影響一國企業乃至產業層面生產率高低的不可忽視的重要因素(Acemoglu和Johnson，2005)。法律制度環境的優劣主要體現在知識產權制度是否健全上。知識產權制度在經濟運行和創新活動中發揮著重要作用，它規定了專利發明者在一定期限內壟斷使用專利的權利，以保證獲得超額利潤，同時規定了對侵權者的懲罰，從而激勵企業家和研發人員從事創新活動(李平等，2007)。一方面，信息基礎設施建設對基礎理論和應用轉化研究提出了迫切要求，需要突破技術難題并產生發明專利；另一方面，知識產權保護制度的完善也為技術發明專利的產生保駕護航，從而促進信息基礎設施的不斷升級，為發揮信息基礎設施的技術創新效應創造了條件。

綜上分析，市場化進程的推進加快了信息基礎設施的完善，同時信息基礎設施的改善也加快了市場化進程，兩者相輔相成，為高技術產業的創新效率的提高創造了必要條件。

根據前文理論分析，本文提出假說2。

假說2：隨著市場化進程的加快，信息基礎設施建設對高技術產業的技術創新的效應趨于增強。

（三）行業異質性、信息基礎設施建設與高技術產業的創新效率

與非高技術產業相比，高技術產業具有研究與開發密度(研究與開發費用占總銷售額的比值)較高和專業科技人員密度(專業技術人員占總就業人數的比值)較高的共同特點(蘇東水，2010)，同時高技術產業內部各個細分行業之間存在顯著的產業異質性，主要體現在國有產權比重、行業內平均企業規模水平、技術密集度、盈利能力等方面。這些與信息基礎設施資本要素互補的異質性投入，在很大程度上導致信息基礎設施對高技術產業創新效率的影響效果存在顯著性差異(韓先鋒，惠寧和宋文飛，2014)。

1.細分行業的國有產權比重。一般情形下，企業的研發(R&D)活動及其效率決定于企業的產權性質和結構(吳延兵，2012b)。技術創新的長期性、風險性、不確定性會威脅到國企經營者的地位，導致國企經營者從事研發活動的成本遞增，從而弱化了創新激勵作用。理性的國企經營者熱衷于投資那些能在短期內帶來收益、顯示政績的生產性項目，而對從事那些投資收益周期長、在其任職期間不能帶來回報的創新性項目缺乏熱情，因此國有企業的創新動機相對較弱(徐遠華和孫早，2015)。加上國有企業面臨的市場競爭相對較弱，往往對信息基礎設施影響技術創新的重要作用認識不到位，缺乏投資于信息基礎設施建設的激勵，同時對現有信息基礎設施的利用不足。與國有企業相比，民營企業具有產權結構清晰的內在優勢，并且競爭更為激烈的外部環境往往使得企業堅定地以利潤最大化為其經營目標。因此，民營企業具有較強的意愿來調整各種資源配置，積極投資于信息基礎設施建設，充分利用信息基礎設施以提高競爭力，實現成本最小化。因此，本文提出假說3a。

假說 3a：在國有產權比重較大的細分行業內，信息基礎設施的完善對高技術產業創新效率的促進作用相對較弱。

2.細分行業內平均企業規模水平。行業平均企業規模水平是導致信息化對技術創新產生異質性影響的重要因素(韓先鋒、惠寧和宋文飛，2014)。高技術產業中的多數中小企業，盡管成立時間短、歷史包袱輕和開拓精神強以及技術創新的積極性高，其成長卻常常受到大企業的挑戰。因此，與大企業相比，在市場競爭中處于弱勢地位的中小企業對投資于信息基礎設施建設的積極性更高，提高信息基礎設施利用效率的動機較強，而且信息技術在中小規模行業的技術創新活動中的滲透和擴散速度往往快于規模較大的行業，因而信息基礎設施的建設對較小規模行業的技術創新的影響更為顯著。因此，本文提出假說3b。

假說 3b：在規模較小的細分行業中，信息基礎設施對高技術產業創新效率的提升作用相對較大。

3.細分行業的技術密集度。隨著技術密集度的不斷提高，技術和產品的復雜度也在加大，創新的產出難度增加，技術風險上升，并且市場機會稍縱即逝。高技術企業投資于信息基礎設施建設，一方面有利于借助現代信息技術來構建先進而高效的研發平臺，與高等院校、科研院所、業界同行進行合作，從事高質量、高水準的新產品研發活動，降低創新產出的難度；另一方面有利于擴大搜集市場信息的范圍和提高信息的準確性，更有利于捕捉市場機會和提高決策效率，從而弱化創新風險和技術風險。也就是說，不同技術密集度的行業由于技術和產品的復雜度及其技術進步難度的差異導致了創新難度、創新風險、資源配置效率的差異，從而使得其對信息的需求意愿和對信息基礎設施的利用效率存在差異，進而導致創新效率也相應存在差異(韓先鋒、惠寧和宋文飛，2014)。因此，本文提出假說3c。

假說 3c：在不同技術密集度細分行業的創新過程中，信息基礎設施建設對創新效率的影響存在顯著的異質傳導效應。

4.細分行業的盈利能力。高技術產業的高收益性常常會影響信息基礎設施對高技術產業的技術創新效應。盡管高技術產業技術門檻高以及資本密集，但是對盈利能力較強、成長性高的行業來說，仍不可避免地會吸引不少廠商進入，導致競爭加劇，壓低新產品的市場價格，抬高關鍵生產要素的成本，從而降低資本的平均利潤率(蘇東水，2010)。為了掌握本行業技術和產品研發的最新動態，為了占領技術創新和產品研發的制高點，為了準確把握業界同行和潛在進入者的發展趨勢和維護其在市場競爭的有利地位，在位廠商通常對提高信息化水平、推廣信息技術、推進信息基礎設施建設和提高對現有信息基礎設施的利用效率有較強的意愿，而且高盈利行業的資本積累使其具有投資完善信息基礎設施的雄厚物質基礎。概括起來講，高技術細分行業的盈利能力越高，資本增值越快，資金越雄厚，對信息基礎設施的投資強度就越大，利用效果就越好，信息基礎設施對產業創新的促進作用也越大。因此，本文提出假說3d。

假說 3d：盈利能力越強的細分行業，信息基礎設施對高技術產業的技術創新效應就越大。

三、計量模型與變量度量

（一）計量模型

Gust 和 Marquez(2004)建立的計量模型和實證結果表明，正是由于信息技術采用程度的不同才導致了美國和其它 12個工業化國家的生產率增長出現了發散趨勢，論證了信息技術在一國生產率增長中所發揮的重要作用。借鑒 Gust 和 Marquez(2004)的研究思路，本文在控制了行業研發投入、政府研發補貼、對外貿易、外商直接投資變量的基礎上，引入信息基礎設施建設指標來考察其對高技術產業的技術創新效應，同時引入市場化程度指標與信息基礎設施指標的交互項來驗證市場化程度的提高對信息基礎設施建設的技術創新效應的調節作用，引入行業異質性變量與信息基礎設施建設的交互項以考察信息基礎設施對高技術產業創新效率的影響是否具有行業異質傳導效應。為此本文設定如下待檢驗的計量模型：

在計量模型式(1)中，Teit：創新效率，本文的被解釋變量，即下文估計出的技術效率的預測值；Jciit：信息基礎設施建設指標；Marit：市場化進程變量指標；Hegit：行業異質性指標，包括國有產權比重(Ownit)、行業內平均企業規模(Sizeit)、技術密集度(Capdit)、盈利能力(Proit)；Zit：一組控制變量，包括行業研發強度(Rdqit)、政府研發補貼強度(Btqit)、對外貿易(Trait)、外商直接投資(Fdiit)。

（二）數據說明

如無特別說明，本文的原始數據均來源于《中國高技術產業統計年鑒》、《中國信息年鑒》、《中國統計年鑒》、《中國科技統計年鑒》。《中國高技術產業統計年鑒》中的高技術行業包括醫藥制造業、航空航天器制造業、電子及通信設備制造業、電子計算機及辦公設備制造業、醫療設備及儀器儀表制造業 5個一級行業，并進一步細分為17 個二級行業。為了增加樣本容量，本文選取全部的17個二級行業進行分析。需要指出的是，電子計算機外部設備制造(4043)在《中國高技術產業統計年鑒—2013、2014》分解為計算機零部件制造(3912)和計算機外圍設備制造(3913)。因此，為了保持數據的一致性和可比性，本文將 2012年和 2013年的計算機零部件制造(3912)和計算機外圍設備制造(3913)的相關數據進行加總。

（三）變量的設定與度量① 限于篇幅，本文沒有報告主要變量的符號、單位、定義及描述性統計，備索。

1.被解釋變量

本文的被解釋變量即創新效率(Teit)的度量比較繁瑣，需要通過以下步驟估計得到。

第一，確定計算創新效率的方法。本文中的效率是指技術效率，創新的技術效率簡稱為創新效率(白俊紅，2011a)。技術效率是指在既定投入下最大化產出或既定產出下最小化投入的能力(Farrel，1957)。與同樣可以測算決策單元技術效率的數據包絡分析(Data Envelopment Analysis，DEA)方法相比，隨機前沿分析(Stochastic Frontier Analysis，SFA)方法的優勢是可以使用計量方法對前沿生產函數進行估計，并能夠對估計出的參數進行統計檢驗，具有更為可靠的經濟理論基礎；通過從復合誤差中有效分離技術非效率與隨機誤差的方法，人們可以進一步考察導致效率差異的背后因素，所以本文采用SFA方法來衡量創新效率。為了考察信息基礎設施水平對中國高技術產業技術創新效率的影響，本文借鑒Kumbhakar和 Lovell(2000)的隨機前沿模型的一般形式：

式(2)中，i表示行業，t表示時間，y表示實際產出，誤差項(vit-uit)為復合結構，其中vit服從，表示隨機擾動的影響，uit為技術非效率項，表示個體沖擊的影響。根據 Battese和 Coelli(1992)的設定，uit服從非負斷尾正態分布，即uit服從且有式(3)：

式(3)中，ηit是決定技術無效率隨時間變化的函數，待估參數(η)表示技術效率指數的變化率，0η＞表示隨著時間的推移，相對前沿的技術效率不斷改善，0η＜表示技術效率不斷惡化，0η=表示技術效率不隨時間變化。itv與itu相互獨立。

Battese和 Coelli(1995)設定了方差參數(其中來檢驗復合擾動項中技術無效率項所占的比例，λ介于0與1之間，若0λ=被接受，表明實際產出與最大產出之間的距離均來自于不可控的純隨機因素，此時無需采用 SFA方法估計，直接運用OLS方法即可。

第二，給出中國高技術產業知識創造過程的兩種生產函數形式。在具體選擇生產函數時，柯布-道格拉斯生產函數(C-D)和超越對數生產函數兩種形式比較常見。本文采用面板數據進行實證檢驗，隨著時間的推移，技術是否為中性，產出彈性是否固定，研究中并不能事先單純依據經驗確定，因此選用超越對數生產函數形式的隨機前沿模型。本文假定式(2)取對數并展開后具有如下形式：

如果式(4)中所有二次項系數均設定為零，即αll=αkk=αlk =0，得到C-D形式的隨機前沿模型(5)：

在式(4)、式(5)中，yit表示產出，litx和itkx 分別表示產業在第t年的研發勞動投入和研發資本投入要素，α為待估計變量的參數，需要注意的是，式(4)為超越對數生產函數，避免了技術中性和產出彈性固定的嚴格假設，并且在形式上更加靈活，更加具有一般性，能更好地避免由于函數形式的設定偏誤而帶來的估計偏差。

為了檢驗式(4)、式(5)設定的合理性以尋求更適合表達中國高技術產業的知識生產過程的生產函數形式，可用廣義似然比統計量進行檢驗。廣義似然比(LR)統計量的表達式為：

其中，L(H0)、L(H1)分別為受約束模型和無約束模型的對數似然值。當原假設成立時，LR統計量服從混合χ2分布，自由度為受約束變量的數目。

第三，設定產出變量(ity為創新產出)和投入變量(1itx為研發勞動投入，itkx為研發資本投入)。在衡量產業特別是高技術產業的研發創新產出時，專利雖然是一個較為常用的指標，可是部分發明沒有申請專利，因此專利并不能反映出研發的全部成果(白俊紅，2011b)，而且專利僅能從某程度上反映技術創新的中間產出，不像新產品銷售收入那樣能反映技術創新的商業化水平與市場價值(白俊紅，2011a)。由于SFA模型的單產出特性，本文只使用新產品銷售收入作為創新產出的考核變量。為了克服價格波動的影響，本文用工業品出廠價格指數對新產品銷售收入(Rnp)進行縮減，統一折算為2002年不變價。根據中國高技術產業統計指標的特點和工業技術創新活動的特征，本文選取細分行業的研發(R&D)人員全時當量(Rl)和R&D資本存量(Krrd)分別作為技術創新的人力和資本投入指標。關于 R&D資本存量的核算，本文采用永續盤存法(Perpetual Inventory Method，PIM)，詳見白俊紅(2011b)的核算方法。需要說明的是：①對于R&D支出價格指數，本文借鑒白俊紅(2011b)的做法，按照《中國高技術產業統計年鑒》 R&D支出的明細，2002—2013年間R&D支出用于勞務費的支出共計35765857萬元，用于設備儀器的支出共計 16586712萬元，勞務費和設備儀器支出分別占0.68和0.32，因此，R&D支出價格指數＝0.68?消費價格指數+0.32?固定資產投資價格指數，然后將 R&D支出額折算為 2002年不變價的實際支出額；②計算出2002—2013年間 R&D實際支出的平均增長率；③對于折舊率，本文采用文獻中通常采用的經驗設置取15%,(Griliches，1980)。

第四，明確被解釋變量即創新效率(Teit)的預測值的估計方法。得到參數的估計值后，本文進一步采用Jondrow等(1982)推出的混合誤差分解方法(簡稱JSML技術)從復合誤差中分離出技術無效率項(uit)的估計值：

這里的和分別決定于式(8)和式(9)：

Battese和Coelli(1988，1992)指出，不采用而是采用Teit=E[exp(-uit)|eit]作為技術效率的估計值，原因是后者最小化了期望平方預測誤差，被證實為最優。采用同樣的方法，產業i在t年的技術效率的預測值表示如下：

第五，估計出被解釋變量即創新效率(Teit)的預測值。表1報告了兩種隨機前沿模型的參數估計結果。模型1和模型2分別是式(4)超越對數生產函數和式(5)柯布-道格拉斯生產函數的隨機前沿的擬合結果。從表1可以看出，λ度量的是復合誤差項的方差中技術無效率項的方差所占的比重，λ值越大，技術無效率對生產的波動越具有解釋力。從其中可以看出，模型1和模型2的λ非常接近于1，這表明效率的偏差主要來源于技術非效率效應，本文采用SFA方法是合理的。表1最后兩行顯示了以模型為原假設、模型1為備擇假設的自由度為3的混合卡方檢驗結果，在5%,的水平上拒絕原假設，表明超越對數生產函數的隨機前沿模型更適宜擬合樣本數據，更能準確表達中國高技術產業的知識生產過程。因此，本文采用超越對數生產函數的隨機前沿模型式(4)的估計結果，即采用表1中的模型(1)按照式(7)、式(8)、式(9)、式(10)來估計創新效率。模型1中創新效率的時變參數(η)的系數顯著為正，表明在樣本期間，隨著時間的推移，中國高技術產業的創新效率在不斷改善。這個結論也在圖1中也得到了證實。在圖1中，從2002年到2013年，中國高技術產業的創新效率從0.302增長到2013年的0.413，平均每年增長0.01，大致呈線性增長趨勢。

表1 兩種隨機前沿模型的參數估計結果

2.解釋變量

第一，信息基礎設施指數(Jci)。目前已經有不少對于信息基礎設施指標的選取可供參考，郵電業務總量、電信服務價格、固定電話普及率、移動電話普及率、寬帶、互聯網用戶數都曾被使用過(R?ller和 Waverman，2001)。對信息基礎設施水平的測度應該使用一個綜合性指標，而且隨著信息技術的發展，這一指標的內涵不斷充實，外延不斷延伸，此外還要兼顧數據的可得性。李偉軍(2011)選擇使用主成分分析法計算出的信息基礎設施指數來測算信息基礎設施發展水平，莊雷和王云中(2015)選取信息基礎設施資本存量來衡量信息基礎設施水平。國家統計局統計科研所信息化統計評價研究組曾前后編制了兩套信息化指數(Informatization Development Index)指標體系，并且信息化發展指數(Ⅱ)是在信息化發展指數(Ⅰ)基礎上的進一步優化。因此，本文采用信息化發展指數(Ⅱ)中的信息基礎設施指數代表信息基礎設施發展水平①詳情請查閱《中國信息年鑒——2012》之專題研究篇《2011年中國信息化發展指數(Ⅱ)研究報告》。。信息基礎設施指數指標則包含電話擁有率(部/百人)、電視機擁有率(臺/百人)、計算機擁有率(臺/百人)3個二級指標。

圖1 中國高技術產業的創新效率的時間變化模式

信息基礎設施指數(Jci)計算方法：先對涉及信息基礎設施指數的 3個具體指標數據進行標準化，然后加權平均計算出信息基礎設施指數值。計算公式如下：

其中，ijP為 3個指標標準化后的得分，iW為五個分類指數的相應權重，其中基礎設施指數直接反映信息化應用的狀況，其權重為 25%,，令n＝1，W1＝25%,，m=3(信息基礎設施指數包含3個指標)。

第二，市場化進程指標(Hmar)。高技術產業的市場化不僅與全國整體的市場化進程有關，而且還與細分行業的市場化程度密切相關，因此衡量高技術產業的市場化程度不僅需要全國層面的市場化總指數，還需要考慮細分行業的市場化指數。本文借鑒戴魁早和劉友金(2013a)的研究，采用全國市場化總指數(Mar)與高技術產業細分行業的市場化程度(Xfmar)的乘積(Hmar)來衡量細分行業的市場化進程。全國市場化總指數(Mar)采用樊綱、王小魯和朱恒鵬(2011)提供的 1997—2009年間各地區市場化進程的總指數，技術產業細分行業的市場化變量(Xfmar)為該細分行業非國有企業總產值比重、非國有企業從業人員年平均余額比重和非國有企業固定資產投資額比重的算術平均值。其測算方法用公式表示：

第三，產業異質性變量(Heg)。①參考戴魁早和劉友金(2013b)的方法，本文使用細分行業國有及國有控股企業總產值占細分行業內全部企業的總產值的比重度量國有產權比重(Own)。②由于高技術行業具有增值性和價值劇變性的特點，本文采用細分行業內平均每個企業的銷售收入額來測度該細分行業平均企業規模(Size)。③本文仿照戴魁早和劉友金(2015)的做法采用細分行業的物質資本存量與從業人員數之比來反映技術密集度指標(Capd)，物質資本存量仿照 R&D資本存量的核算方法計算，使用固定資產投資價格指數進行平減折算成 2002年不變價，折舊率取 5%,。④參照孫早和宋煒(2012)的研究，使用細分行業的利潤占銷售收入的比重(利潤率，Pro)來刻畫盈利能力。

3.控制變量

第一，本文采用張杰等(2012)的做法使用 R&D支出與銷售收入的比值反映行業研發強度(Rdq)。第二，借鑒戴魁早和劉友金(2015)的研究，本文采用政府 R&D補貼占企業 R&D支出中的比例來刻畫政府 R&D補貼強度(Btq)。第三，參考張誠和蒙大斌(2012)的研究，采用細分行業的出口交貨值占總產值的比重度量對外貿易(Tra)。《中國高技術產業統計年鑒》沒有公布細分行業 2012—2013年的總產值，本文以2002—2011年平均增長率進行推算。第四，借鑒戴魁早(2011)的做法，采用細分行業三資企業的投資額占該行業投資總額的比重來衡量外商直接投資(Fdi)。

從主要變量的描述性統計中可以看出，產業異質性變量國有產權比重(Own)、行業平均規模(Size)、技術密集度(Capd)、盈利能力(Pro)的最大值和最小值差距很大，而且標準差也很大，因而這些產業異質性變量的異方差和非對稱性應該是比較嚴重的。可見，信息基礎設施的完善對高新技術產業的技術創新的影響很可能存在明顯的行業異質傳導機制。

四、實證結果與分析

（一）信息基礎設施水平影響中國高技術產業創新效率的基本回歸結果

在面板數據模型估計的選取方法上，使用 F檢驗識別混合回歸模型還是固定效應模型，原假設是不存在個體效應模型，即為混合效應模型；使用 Breusch和Pagan(1980)提出的LM檢驗(LM Test for Individual-specific Effects)來識別是混合效應模型還是隨機效應模型，原假設是不存在個體效應即混合效應模型；使用 Hausman檢驗來判斷是選擇使用固定效應還是隨機效應，原假設是隨機模型為正確模型。表2報告了信息基礎設施建設影響中國高技術產業創新效率的基本回歸結果。從表2可以看出，(2.1)、(2.3)～(2.6)列，F2檢驗選擇了固定效應，LM 檢驗選擇了隨機效應，Hausman檢驗表明固定效應優于隨機效應，所以本文的檢驗結果最終選擇了固定效應模型。(2.2)列最終選擇了隨機效應模型。F1檢驗結果表明各個變量的聯合顯著性較好，Adj-R2數值在0.90附近，表明模型對樣本的擬合度較高。

需要指出的是，表2給出的基本回歸結果都是初步的，沒有考慮內生性問題，最終結果有待進一步檢驗。

1.關于信息基礎設施水平與中國高技術產業創新效率間的關系

從(2.1)～(2.6)列的估計結果來看，信息基礎設施指數(Jci)的估計系數為0.2198～0.3414，表明在其他條件不變時，信息基礎設施指數提高一個單位，將促進創新效率提高 0.2198～0.3414個單位，接近于劉生龍和胡鞍鋼(2010)的研究結果，高于莊雷和王云中(2015)、陳亮、李杰偉和徐長生(2011)的研究結果。并且 t統計量大部分超過了10，在1%,的水平上高度顯著，表明信息基礎設施的完善、信息基礎設施指數的上升顯著提高了中國高技術產業的創新效率，本文的假說1得到初步驗證。首先，信息基礎設施建設加快了信息的傳遞，為供求雙方提供更加充分準確的信息，擴大了信息搜尋的范圍，降低了信息不對稱程度和交易風險，削減了交易成本，提高了交易速度和質量。信息基礎設施的服務水平和質量的不斷提高促使高技術產業及時獲取有關政府的產業政策、國際國內兩個市場、兩種資源的信息，從而可以靈活調整研發資源，降低了高技術產業的研發風險和不確定性，縮短了技術研發周期以及商業化周期，從而提高創新效率。其次，信息基礎設施的不斷完善加快了企業組織內部的信息上傳下達的速度，促使組織不斷變革，改變了科層組織形態，完善了組織管理，提高了決策水平和管理效率。再次，信息基礎設施領域的持續建設會加強研發部門和生產部門的互動交流，信息在部門間的傳遞具有一定的反饋效應和累積循環效應。最后，信息基礎設施的完善強化了信息技術的擴散效應，加速了高技術產業內部細分行業之間、高技術產業與非高技術產業之間的產業融合，從而可以激勵高技術產業不斷創新。此外，信息基礎的完善便利了知識管理和知識學習，提高了人力資本的質量(閆海洲，2012)，同時也提高了對其它基礎設施的利用率，從而提高創新效率。

2.關于市場化進程對信息基礎設施的高技術產業創新效應的調節作用

為了避免嚴重的多重共線性，本文在(2.2)列中并沒有單獨加入市場化變量(Hmar)，只加入了市場化指標與信息基礎設施指數變量的交互項(Jci?Hmar)。(2.2)列的估計結果顯示，市場化指標變量與信息基礎設施指數的交互項的估計值為0.0002，且在1%,的水平上顯著，表明市場化程度的提高顯著強化了信息基礎設施水平對高技術產業的創新效率的提升作用，因此本文的假說2得到初步證實。隨著市場水平的不斷提高，供求關系的及時調整使價格信號更加真實和靈敏。信息基礎設施的完善提高了信息傳遞的效率，可以幫助高技術企業獲取新產品需求信息，迅速靈活而科學地進行決策。因此，信息基礎設施的完善增強了高技術企業從事研發活動的針對性，降低了高技術產業的技術和市場風險，還可以實現研發合作與資源信息共享，從而節約資源和提高創新效率。要素市場的完善有利于形成統一、開放、競爭、有序的市場化體系和公平、開放、透明的市場規則，從而進一步發揮市場在(資源特別是創新資源，比如高素質人才)配置中的決定性作用。同時，建立在信息技術基礎上的互聯網金融業也會不斷壯大，為中小高技術企業的研發活動提供資金，緩解信貸約束，從而改善創新資源配置。法律制度環境的改善可以矯正高技術企業的較強外部性，確保企業技術創新活動得到應有的創新租金，激勵高技術企業加大 R&D投入，成為產生技術創新的土壤。信息基礎設施的建設也對基礎理論和應用轉化研究提出了強烈的要求，因此推進信息基礎設施建設需要突破技術難題，產生發明專利。知識產權保護制度通過保護技術發明人的權益來鼓勵其從事科學研究活動，為技術發明創造了有利條件，促使相關技術取得突破性進展，從而加快信息基礎設施升級的步伐，為信息基礎設施的技術創新效應的發揮創造了基本前提。

3.有關信息基礎設施作用于高技術產業創新效率的異質傳導效應的估計結果

基于和(2.2)列同樣的考慮，本文在列(2.3)～(2.6)依次加入國有產權比重(Own)、平均企業規模水平(Size)、技術密集度(Capd)、盈利能力(Pro)。從列(2.3)～(2.6)可以看出，所有交互項都非常顯著。(1)國有產權比重與信息基礎設施指數變量的交互項(Jci?Own)系數顯著為負，表明國有產權比重越高的高技術產業細分行業信息基礎指數的提高不僅沒能改善高技術產業的創新效率，反而產生了顯著的抑制作用。換句話說，過大的國有產權比重顯著稀釋了信息基礎設施建設的技術創新效應。本文的假說3a得到了初步驗證。國有企業的委托代理機制使得創新收益權與創新控制權不匹配，背離了創新效率最大化的基本原則(相當于西方微觀經濟理論中的廠商利潤最大或虧損最小的一階條件，即邊際收益等于邊際成本)，由此不可避免地降低了創新效率(吳延兵，2012a)。國有高技術企業面臨的市場競爭威脅相對較小，對信息化基礎設施的需求較弱，導致其有關投資較少，利用率不高，降低了信息技術的滲透速度，從而弱化了技術擴散效應。過大的規模也導致了 X非效率的產生，加上國有企業自身缺乏技術創新的激勵，所以過大的國有產權比重會限制信息基礎設施對技術創新的積極作用。與國有企業相比，民營企業具有產權結構清晰的內在優勢，且競爭更為激烈的外部環境促使企業堅定地以利潤最大化為其經營目標，并靈活調整各種資源配置，積極投資于信息基礎設施建設，更有意愿采用現代信息技術改變落后的生產方式和管理模式以提高競爭力，因此信息基礎設施對民營高技術企業的技術創新效應大于國有高技術企業的該效應。(2)行業平均企業規模水平與信息基礎設施指數變量的交互項(Jci?Size)系數顯著為負，這表明隨著細分行業的平均企業規模的擴大，信息基礎設施建設反而顯著抑制了高技術的創新效率的提高。假說 3b得到初步證實。(3)技術密集度與信息基礎設施建設變量的交互項(Jci?Capd)顯著為正，這意味著在技術水平越高的行業中，信息基礎設施對創新效率的促進作用越大，假說 3c初步成立。這與韓先鋒、惠寧和宋文飛(2014)的結論相反。技術密集度越高，技術差距越小，技術創新越需要依靠自主創新(孫早和宋煒，2013)，對信息化的需求意愿越強烈，利用信息基礎設施的效率越高，從而創新效率越高。(4)盈利能力與信息基礎設施建設變量的交互項(Jci?Pro)系數顯著為正，這表明隨著盈利能力的提高，信息基礎設施建設的推進顯著改善了高技術產業的創新效率。初步驗證了假說3d。盈利能力越高，利潤越高，而利

潤正是 R&D投入的重要來源，因此企業才會有更多的資本投入到信息基礎設施建設中，從而為提高技術創新效率提供了堅實的物質基礎。

表2 信息基礎設施影響中國高技術產業創新效率的基本回歸結果

（二）穩健性檢驗

為了驗證結論的可靠性，本文分別從以下三個方面進行穩健性檢驗①限于篇幅，本文沒有報告穩健性檢驗結果，備索。。

1.信息基礎設施發展水平的其他度量方法。莊雷和王云中(2015)選取信息基礎設施資本存量來衡量信息基礎設施水平。Koutroumpis(2009)的研究采用滲透率來度量信息基礎設施水平，滲透率通常表現為某一信息基礎設施指標的人均存量，比如人均郵電業務量，能夠避免用總量水平衡量信息基礎設施發展水平的偏差。本文選取人均信息基礎設施資本存量(Inf)來測度信息基礎設施水平。盡管信息基礎設施資本存量的核算與前面核算 R&D資本存量的方法相似，但仍然需要說明幾點：①我們參考孫琳琳、鄭海濤和任若恩(2012)的做法，采用計算機、通信和其他電子設備制造業、軟件業的投資作為信息基礎設施領域的投資額，根據《中國統計年鑒》公布的原始數據進行核算；②我們對得到的信息基礎設施投資額用固定資產投資價格指數進行平減，折算成 2002年不變價；③計算出 2002—2013年間信息基礎設施實際投資的平均增長率；④折舊率我們采用陳亮、李杰偉和徐長生(2011)的研究中所設定的 7.5%,；⑤將得到的信息基礎設施資本存量按全國人口折算為人均信息基礎設施資本存量(Inf)。

2.市場化進程指標的其他度量方法。高技術產業的市場化改革進程是在整個國家的市場化改革的宏觀環境中推進的，因此本文可以采用前面計算得出的全國市場化總指數(Mar)來替換前文的市場化指標(Hmar)進行穩健性檢驗。

3.行業異質變量指標的其它度量方法。本文嘗試以新的行業異質指標對信息基礎設施的高技術產業創新效應的異質傳導機制進行穩健性檢驗。以高技術產業細分行業國有及國有控股企業從業人員年平均余額比重(分行業國有及國有控股企業從業人員平均人數/行業內全部企業從業平均人數，Soe)重新衡量國有產權比重，以細分行業平均從業人員人數(Sca)代替細分行業平均企業規模，以行業技能結構(細分行業 R&D人員占該行業從業的比重，Ski)重新測度技術密集度，以利稅率(細分行業的利稅占該行業銷售收入的比重，Lsl)代替利潤率來再次度量盈利能力。

（三）內生性問題討論及解決

信息基礎設施建設的推進會改善高技術產業的創新效率，反過來，高技術產業的創新效率提高也會導致產業內利潤上升，從而增加高技術產業對信息基礎設施的需求和投資額，進一步完善信息基礎設施，而且信息基礎設施指標的變動決定于不斷提高的產業創新效率和整體經濟發展水平。也就是說，信息基礎設施的投資建設是內生于產業創新效率和整體經濟發展水平的。信息基礎設施和創新效率之間可能互為因果關系，從而導致內生性問題，所以信息基礎設施指標并非嚴格意義上的外生變量。由于受認識的局限性和數據的可得性，本文還有可能遺漏一些對高技術產業創新效率的影響因素。結合以上分析，解釋變量的內生性以及可能的遺漏變量等問題可能導致我們的估計結果出現偏誤。

傳統的工具變量法解決內生性問題在實際操作中難度較大(白俊紅，2011b)。Blundell 等(2000)證明，在有限樣本情況下，system GMM方法比difference GMM方法估計的偏差更小，有效性更高，因此本文使用system GMM方法來處理內生性問題。system GMM方法是在差分廣義矩估計的基礎上增加解釋變量的一階差分滯后項作為原水平方程的工具變量，并將水平方程和差分方程作為一個系統同時對其進行估計(Blundell和 Bond，1998)。本文在模型中引入被解釋變量的滯后一期作為解釋變量，以控制一些遺漏變量及不可觀測因素的影響，由此構造一個動態面板數據模型，再將信息基礎設施指數以及信息基礎設施指數與市場化變量、行業特征變量的交互項的滯后項分別作為自身的工具變量來嘗試性地解決內生性問題，采用system GMM方法進行內生性檢驗①限于篇幅，本文沒有報告內生性檢驗結果，備索。。

穩健性和內生性檢驗結果均表明，信息基礎設施變量及其與市場化程度、行業異質性變量指標(行業國有產權比重、行業規模、行業盈利能力)交互項的符號、顯著性基本保持不變，表明前文得到的實證結果總體上具有相當的穩健性和可靠性。信息基礎設施變量與技術密集度的交互項系數在相關的第一種穩健性檢驗(負值)、第三種穩健性檢驗(正值)及內生性檢驗(正值)中均沒有通過顯著性檢驗。因此，假說 3c最終沒有得到證實。隨著細分行業技術密集度的提高，信息基礎設施的改善對中國高技術產業的創新效率的提高具有積極作用，但是不顯著。其可能的原因是，雖然技術密集度較高的高技術產業更加依賴于技術創新，對信息的需求意愿和對信息基礎設施的利用效率都相對較高，但隨著技術密集度的提高，在技術創新過程中(新思想產生——中試成果——形成新技術——形成新產品的整個過程)，產品復雜度越高，創新產出的難度、風險(比如技術風險、市場需求變動風險、管理風險等)也會隨之增大(戴魁早和劉友金，2013a)。因此，在技術密集度較高的高技術細分行業，信息基礎設施建設的改善的技術創新效應變得不再顯著了。

綜上所述，在國有產權比重較低、平均企業規模較小、盈利能力更強的高技術產業細分行業中，信息基礎設施建設能夠顯著改善高技術產業的創新效率。技術密集度對信息基礎設施建設的技術創新效應具有不顯著的積極作用。換句話說，信息基礎設施建設對高技術產業的創新效率整體上具有行業異質傳導效應。

五、結論及政策啟示

發達的信息基礎設施是信息化時代產業創新的重要物質基礎。為了考察信息基礎設施建設對中國高技術產業創新效率的影響，本文利用中國高技術產業 2002—2013年間 17個細分行業的面板數據檢驗了信息基礎設施建設水平與高技術產業的創新效率之間的關系。本文的主要發現如下：①在考察期間，超越對數生產函數的隨機前沿模型更適宜表達中國高技術產業的知識生產過程，中國高技術產業的創新效率在不斷改善；②信息基礎設施建設對中國高技術產業的創新效率具有顯著的促進作用；③隨著市場化程度的提高，信息基礎設施建設對高技術產業創新效率的提升作用趨于增強；④高技術產業的細分行業特征對信息基礎設施促進技術創新效率的作用產生了顯著的異質性影響，在國有產權比重較低、平均行業規模較小以及盈利能力較強的高技術細分行業中，信息基礎設施建設對技術創新效率的提升作用更大。技術密集度的提高也對信息基礎設施建設的技術創新效應具有積極作用，但是不顯著。

本文的研究結論具有深刻的政策含義：首先，需要進一步加快完善信息基礎設施建設的步伐，推動信息化與技術創新、工業化深度融合，促進高技術產業轉型升級，充分發揮信息基礎設施建設的產業關聯效應。其次，加快市場化轉型，建設統一開放、競爭有序的現代市場體系，努力使市場在資源配置中起決定性作用，為充分發揮信息基礎建設對高技術產業創新效率的提升作用創造有利的外部環境。最后，要科學引導行業特征對信息基礎設施影響高技術產業創新效率的行業異質傳導效應，這要做到以下幾點：(1)國有企業改革以及企業的并購、重組不能盲目追求過高的國有產權比重和過大的企業規模，否則會降低信息基礎設施建設的技術創新效應。(2)在企業的發展過程中，不斷加大投資力度，通過區際貿易、國際貿易、引進外資等方式加強信息技術對技術密集度相對低的高技術細分行業的升級改造，提高技術密集度，防范并化解伴隨技術密集度提高而來的潛在風險，進一步發揮信息基礎設施建設對創新效率的提升作用。(3)外部通過市場化的改革完善市場競爭，內部促使高技術企業提高管理效率，從而倒逼企業提高盈利能力，有利于強化信息基礎設施建設對高技術企業創新效率的促進作用。

［1］白俊紅.企業規模、市場結構與創新效率——來自高技術產業的經驗證據[J].中國經濟問題，2011a(5)：65-78.

［2］白俊紅.中國政府的 R&D 資助有效嗎？——來自大中型工業企業的經驗證據[J].經濟學(季刊)，2011b，10(4)：1375-1400.

［3］陳 亮，李杰偉，徐長生.信息基礎設施與經濟增長——基于中國省際數據分析[J].管理科學，2011(1)：98-107.

［4］戴魁早.中國高技術產業的 R&D 投入與生產率增長——基于行業層面和 Malmquist指數的實證檢驗[J].山西財經大學學報，2011(3)：63-71.

［5］戴魁早，劉友金.市場化進程對創新效率的影響及行業差異——基于中國高技術產業的實證檢驗[J].財經研究，2013a(5)：4-16.

［6］戴魁早，劉友金.行業市場化進程與創新績效——中國高技術產業的經驗分析[J].數量經濟技術經濟研究，2013b(9)：37-54.

［7］戴魁早，劉友金.要素市場扭曲、區域差異與 R&D投入——來自中國高技術產業與門檻模型的經驗證據[J].數量經濟技術經濟研究，2015(7)：3-20.

［8］范·杜因.外國經濟學說研究會譯.創新隨時間的波動[M].北京：商務印書館，1986.

［9］樊 綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011(9)：4-16.

［10］樊 綱，王小魯，朱恒鵬.中國市場化指數——各地區市場化相對進程2011年報告[M].北京：經濟科學出版社，2011.

［11］韓先鋒，惠 寧，宋文飛.信息化能提高中國工業部門技術創新效率嗎[J].中國工業經濟，2014(12)：70-82.

［12］李 平，崔喜軍，劉 建.中國自主創新中研發資本投入產出績效分析[J].中國社會科學，2007(2)：32-42.

［13］李偉軍.地區行政層級、信息基礎與金融集聚的路徑選擇——基于長三角城市群面板數據的實證分析[J].財經研究，2011(11)：80-90.

［14］劉生龍，胡鞍鋼.基礎設施的外部性在中國的檢驗：1988—2007[J].經濟研究，2010(3)：4-15.

［15］蘇東水.產業經濟學(第三版)[M].北京：高等教育出版社，2010.

［16］孫琳琳，鄭海濤，任若恩.信息化對中國經濟增長的貢獻：行業面板數據的經驗證據[J].世界經濟，2012(2)：3-25.

［17］孫 早，宋 煒.企業 R&D投入對產業創新績效的影響——來自中國制造業的經驗證據[J].數量經濟技術經濟研究，2012(4)：45-63.

［18］孫 早，宋 煒.中國工業的創新模式與績效——基于 2003—2011年間行業面板數據的經驗分析[J].中國工業經濟，2013(6)：44-56.

［19］吳延兵.國有企業雙重效率損失研究[J].經濟研究，2012a(3)：15-27.

［20］吳延兵.中國哪種所有制類型企業最具創新性[J].世界經濟，2012b(6)：3-29.

［21］徐遠華，孫 早.產業政策激勵與高技術產業的競爭力[J].山西財經大學學報，2015(9)：65-75.

［22］閆海洲.要素投入、技術外溢與信息化的生產率效應[J].上海經濟研究，2012(4)：74-82.

［23］原毅軍.產業發展理論及應用[M].大連：大連理工大學出版社，2012.

［24］張 誠，蒙大斌.技術創新、行業特征與生產率績效——基于中國工業行業的實證分析[J].當代經濟科學，2012(4)：49-55.

［25］張 杰，盧 哲，鄭文平，陳志遠.融資約束、融資渠道與企業 R&D投入[J].世界經濟，2012(10)：66-90.

［26］莊 雷，王云中.中國區域信息網絡基礎設施投資效應的實證研究[J].技術經濟，2015(4)：23-29.

［27］Acemoglu D.，Johnson S.Unbundling Institutions[J].Journal of Political Economy，2005，113(5)：949-95.

［28］Arrow K.J.The Organization of Economic Activity：Issues Pertinent to the Choice of Market versus Non-market Allocation[A].U.S.Goverment：Print Office.In The Analysis and Evaluation of Public Expenditures：The PBB-System[C].Washing D.C：U.S.Joint Economic Committee，91st Cong.，1st sess，1969，1：1-16.

［29］Battese G.E.，Coeli T.J.Prediction of Firm-Level Technical Efficiencies with a Generalized Frontier Production Function and Panel Date[J].Journal of Econometrics，1988，38(3)：387-99.

［30］Battese G.E.，Coeli T.J.Frontier Functions，Technical Efficiency and Panel Date：With Application to Paddy Farmers in India [J].Journal of Production Analysis，1992，3(1)：153-69.

［31］Battese G.E.，Coeli T.J.A Model for Technical Inefficiency Effects in a Stochastic Production Frontier for Panel Date[J].Empirical Economics，1995，20(2)：325-32.

［32］Blundell R.，Bond S.Initial Conditions and Moments Restrictions in Dynamic Panel Data Models[J].Journal of Econometrics，1998，87(1)：115-43.

［33］Blundell R.，Bond S.，Windmeijer F.Estimation in Dynamic Panel Data Models：Improving on the Performance of the Standard GMM Estimator[R].Ifs Working Papers，2000，15(00)：53-91.

［34］Breusch T.S，Pagan A.R.The Lagrange Multiplier Test and Its Application to Model Specification in Econometrics[J].The Review of Economic Studies，1980，47(1)，239-53.

［35］Farrel M.J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society，1957，120(3)：253-90

［36］Griliches Z.R&D and the Productivity Slowdown[J].The American Economic Review，1980，70(2)：343-48.

［37］Gust C.，Marquez J.International Comparisons of Productivity Growth：The Role of Information Technology and Regulatory Practices[J].Labor Economics，2004，11(1)：33-58.

［38］Hardy A.The Role of the Telephone in Economic Development[J].Telecommunications，1980，4(4)：278-86.

［39］Hendriks P.Why Share Knowledge? The Influence of ICT on Motivation for Knowledge Sharing[J].Knowledge and Process Management，1999，6(2)：91-100.

［40］Jondrow J.，Lovell C.A.K.，Materov I.S.，Schmidt P.On Estimation of Technical Inefficiency in the Stochastic Frontier Production Functions Model[J].Journal of Econometrics，1982，19(2-3)：233-38.

［41］Koutroumpis P.The Economic Impact of Broadband on Growth：A Simultaneous Approach[J].Telecommunications Policy，2009，33(9)：471-85.

［42］Kumbhakar S.C.，Lovell C.A.K.Stochastic Frontier Analysis[M].New York：Cambridge University Press，2000.

［43］R?ller L.H.，Waverman L.Telecommunications Infrastucture and Economic Development：ASimultaneous Approach[J］.The American Economic Review，2001，91(4)：909-23.

［44］Schumpeter J.A.Capitalism，Socialism，and Democracy[M］.New York：Harper &Row，1942.

［45］Ward R.M.，Zheng L.S.Mobile and Fixed Substitution for Telephone Service in China[J］.Telecommunicetions Policy，2012，36(4)：301-10.