創新驅動背景下企業外來技術比重變化研究

袁勝軍，彭長生，鐘昌標，俞立平

(1.桂林電子科技大學 商學院，廣西 桂林 541004；2.安慶師范大學 經濟與管理學院，安徽 安慶 246011；3.云南財經大學 商學院，云南 昆明 650221；4.浙江工商大學 管理工程與電子商務學院，浙江 杭州 310018)

一、引言

新經濟增長理論認為，經濟增長的持續動力是知識生產和人力資本積累，技術進步和創新是推動一個國家經濟發展的根本力量。通過技術引進推動本國的產業技術升級，對中國這樣的發展中國家而言，是一種切實可行、成本較低、效益較好的戰略選擇[1]。然而大量的實踐和研究表明，引進技術并不一定總是取得較好的效果，從國內的情況來看，我國家電、紡織等行業已經可以自主創新，然而汽車等行業則嚴重依賴國外技術，自主創新能力有限[2]。

改革開放以來，我國高技術企業技術創新取得了長足的進展。目前自主研發已經成為高技術企業創新的主要方式，而引進技術和購買國內技術已經成為高技術企業技術需求的必要補充。根據中國高技術產業統計年鑒，1995年，高技術產業R&D經費內部支出17.85億元，而引進技術高達29.16億元，占R&D經費內部支出的163.38%，購買國內技術僅4.25億元，占R&D經費內部支出的23.83%；2015年，高技術企業R&D經費內部支出2219.66億元，引進技術僅71.74億元，僅占R&D經費內部支出的3.23%，購買國內技術63.31億元，僅占R&D經費內部支出的2.85%，引進技術的比重降低較快，而購買國內技術的比重增加迅速。

在創新驅動發展背景下，引進技術和購買國內技術的相對重要性正發生結構性變化。從圖1看，我國高技術企業引進技術從1995年開始經歷了起步期、成長期和下降期3個階段，1995-1999期間比較平穩，隨后快速增長，雖然有所波動，直到2007年達到極大值，隨后開始下降。而購買國內技術一直處于穩步上升狀態，尤其是從2010年開始，上升速度開始加快，可以預見的是，不久的將來購買國內技術支出將會超過引進技術。圖1也說明我國并沒有走上技術引進依賴的道路。與日本、韓國在經濟起飛期依托引進技術然后消化吸收再創新的路徑不同，我國在這方面并沒有取得太大成果，我國消化吸收投入占引進技術的比例2015年只有18.02%，而日本韓國消化吸收投入平均為引進技術的3～10倍[3]。學術界所期望的引進技術消化吸收再創新模式在我國似乎未老先衰，已經走入困境。

圖1 引進技術與購買國內技術的歷史軌跡

企業購買技術的用途是多方面的(圖2)。企業技術需求的滿足，可以有以下三種方式，第一種是一次創新，主要指企業進行自主研發，當然也包括知識和技術的溢出效應，這樣可以使企業創新相對更加容易，并且節省成本。第二種是二次創新，主要是在引進技術與購買國內技術的基礎上進行消化吸收后再創新。第三種是技術補充，就是企業不再進行研發，而是直接購買技術。第四種是技術溢出，即企業直接享受產業技術創新成果，無需投入過多成本。對于第一種、第二種情況，一般是企業的關鍵技術、核心技術，對于第三種、第四種情況，一般是企業的非核心技術。在創新過程中，企業不一定需要對所有的相關技術都進行創新，這不符合規模經濟原則。隨著企業 R&D 成本的增加，引進外部非核心技術可以節省大量的 R&D 成本(Hagedoorn，2002)[4]。

圖2 企業技術需求圖

在創新驅動發展背景下，重新審視技術引進與購買國內技術的作用具有十分重要的意義。雖然我國的技術創新跟世界一流水平還有較大差距，但是我國已經建立起了相對完備的科學技術創新體系，隨著國力的增強，國家科研實力大增，在某些領域已經達到或接近世界一流水平。在實際對引進技術依賴下降、對國內技術需求上升的情況下，客觀評價技術引進和購買國內技術在我國發揮的作用，分析它們與創新諸要素的互動關系，探索存在的問題，對于我國高技術產業創新驅動發展戰略具有十分重要的意義。

二、文獻綜述

關于技術引進的地位與作用，學術界總體上持肯定態度。Kinoshita(1998)認為，國外技術通過FDI的擴散途徑包括關聯效應、示范效應、競爭效應和人員流動效應[5]。Mansfield et al(1991)認為后發國家通過技術引進與模仿可以降低技術進步成本，縮短國家之間經濟發展的差距[6]。Hagedoorn(1993)認為，由于技術日益復雜和產品生命周期日漸縮短，單純依賴企業內部研發已經不能滿足創新需求，必須借助引進技術和吸收外部知識[7]。Zhao(1995)分析了技術進口模式及其對中國自主技術的影響，結果表明，引進技術增強了中國的技術能力，引進技術與自主技術具有正相關關系[8]。劉煥鵬、嚴太華(2014)研究發現，高技術產業技術引進和研發能力對創新績效具有顯著貢獻，并且技術引進與創新績效之間呈顯著的“U”型曲線關系[9]。

也有一些學者對技術引進的效果持不同觀點。Laursen et al(2006)認為過度依靠外部技術對企業自主創新能力具有負面影響[10]。Bettis et al(1992)認為，如果企業形成了對外部技術引進的路徑依賴，一旦引進技術減緩將會阻礙企業內部知識存量增加，影響企業進行技術創新[11]。Audretsch et al(1996)實證研究發現，在較低研發密度的行業中，內部研發投入與外部引進技術之間呈現互相替代的關系[12]。肖黎明、袁敏(2014)認為，技術引進與自主創新之間不存在確定的替代或互補關系，技術引進可能在任意階段擠出自主創新，產生替代效應[13]。李姝、劉殿和(2012)實證研究發現，引進技術不僅未促進企業經營效益的提升，反而對多項經營效益指標產生負面影響，購買國內技術對部分企業經營效益指標具有積極作用[14]。

關于不同類型技術創新來源之間的關系，Chesbrough et al(1996)認為，企業不能完全依賴引進技術，還應該重視自主研發能力的提高[15]。Guo(2008)考察了國內R&D、國內技術轉移、產業間R&D溢出、國外技術轉移對于產業績效的作用，發現產業間R&D溢出和國外技術轉移對中國制造業的勞動生產率和全要素生產率具有顯著貢獻，與國內R&D相關的國外技術轉移對于勞動生產力具有互補作用[16]。Long(2008)對轉軌和發展中國家的知識生產進行實證研究發現，國際知識溢出對于國內知識生產具有顯著的貢獻[17]。Hu et al(2005)的研究表明，國內技術轉移與國際技術轉移對國內R&D均呈現顯著的互補性關系[18]。吳延兵(2008)研究發現，引進技術和自主研發對工業企業生產率有顯著促進作用，但引進國內技術對生產率沒有顯著貢獻[19]。劉小魯(2011)研究發現，研發投入、引進技術和FDI對我國創新能力均具有顯著的積極影響，研發投入對創新能力的貢獻程度最高，國內企業之間的技術轉移對企業創新能力沒有顯著影響[20]。

自主創新和技術引進是兩個經典的問題，學術界的研究也比較豐富，關于自主研發與技術引進的關系研究也比較充分。由于研究對象不同、數據不同、研究方法不同，實證研究結果存在差異。總體上，有以下問題值得進一步深入研究：

第一，關于技術引進的作用，現有的研究更多側重對技術引進的績效、技術引進消化吸收和再創新研究，很少從技術補充角度進行，即技術引進只是為了滿足一部分非核心技術的需要，沒有必要所有的技術引進都要進行消化吸收。

第二，我國的技術引進結構正在悄悄發生變化，技術引進額正逐年下降，很少有研究關注到這個問題，并且在創新驅動的背景下，深入分析產生這個問題的原因。進一步地，我國技術引進的消化吸收投入一直處于較低水平，對其深層次的原因缺乏深入分析。

第三，購買國內技術日漸成為高技術企業技術來源的重要渠道，但是關于購買國內技術的績效缺乏研究，關于購買技術與其他技術來源渠道的關系研究也比較缺乏。

本文在理論分析的基礎上，基于中國高技術產業的面板數據，采用面板數據模型比較自主研發、引進技術與購買國內技術的績效，采用貝葉斯向量自回歸模型研究創新投入產出要素之間的互動關系，從而對高技術企業購買技術的結構變化原因進行深入分析。

三、研究方法與數據

(一)不同創新模式的績效比較

高技術產業創新模式包括自主研發、引進技術、購買國內技術三種主要方式，本文不討論技術溢出以及企業更新改造的影響，因為技術溢出的渠道和途徑較多，難以計量，而且由于技術溢出效應，企業一般也不需要進行太多的創新投入。更新改造主要是面向生產設備的改進，往往是一次性的，而企業創新主要是面向產品的創新，其創新是主要的和長期的。

本文的基本方程源于知識生產函數，Jaffe(1989)[21]根據Cobb-Doulas生產函數，在Griliches(1979)[22]研究的基礎上，將科技人力資源變量引入到科技投入產出中，這就是著名的Griliches-Jaffe知識生產函數：

Y=AKαLβ

(1)

公式(1)中，Y是創新成果，K是研發經費，L是研發人員，α、β是彈性系數，A是全要素生產率。進一步將研發經費投入分為自主研發投入K1、引進技術投入K2、購買國內技術投入K3，同時兩邊取對數得：

log(Y)=c+α1log(K1)+α2log(K2)+α3log(K3)+βlog(L)

(2)

本文采用Mundlak(1961)創立的面板數據模型進行估計，面板數據擴大了數據數量，同時可以有效地克服多重共線性問題，使得回歸時有足夠的自由度，避免出現t檢驗值過小、回歸系數符號錯誤等問題，從而提高了估計效率和估計效果[23]。考慮到自主研發投入K1與引進技術K2和購買國內技術K3之間存在互動關系，創新產出與投入之間可能也存在互動關系，即存在變量的內生性問題，此時原來的基于普通最小二乘法OLS的估計就會失效，因此采用Blundell et al(1998)提出的系統廣義矩法SYS-GMM進行估計，它降低了差分廣義矩法估計量較易受弱工具變量影響的問題[24]。關于工具變量的選取，一般采用自變量的1階滯后項，這也是一種比較方便的處理辦法。

(二)貝葉斯向量自回歸模型

貝葉斯向量自回歸模型是在傳統向量自回歸模型(Vector Autoregressions，VAR)基礎上發展起來的(Sims，1980)[25]。向量自回歸模型重視經濟系統的互動關系與動態特征，把視角集中在少數幾個具有因果關系的重要變量上，較多地用于變量之間的動態關系和經濟預測。但是VAR也有一些缺點，比如對數據依賴程度最高，缺乏經濟理論基礎。VAR模型對所有待估參數設置了相同的權重，會忽略先驗信息，可能導致實證研究選用錯誤的模型。特別在時間序列較短和待估參數過多時，人為設定一些參數為零，使得模型結構與經濟理論矛盾。

貝葉斯推斷理論與傳統VAR模型的完美結合克服了傳統VAR模型的估計問題，特別在短期預測時，能夠達到更高的預測精度。Litterman(1986)創立了貝葉斯向量自回歸模型(Bayesian Vector Autoregressions，BVAR)，模型把所有變量的系數不是視為固定值，而是視為圍繞其均值的波動，實際上就是隨機變量，給定了系數的分布函數[26]。模型采用的先驗分布主要是Minnesota分布，也被稱為Litterman分布。

Litterman(1986)假設BVAR模型所有系數均服從正態分布，在模型的第n個方程中，變量n的一階滯后項系數的均值全部設為1，其他系數均值全部設為0。方程i中變量j的滯后期系數的標準差為：

(3)

公式(3)中，γ表示自變量一階滯后系數的標準差，又被稱為總體緊縮度。si為變量i自回歸方程殘差的標準差，si/sj表示不同變量的差比。調和滯后延遲函數g(l)=l-d，其中d為衰減系數，表示舊信息比新信息有用性衰減的程度，d的數值越小，先驗方差隨著滯后階數的增加衰減得越慢，反之則反。

采用Minnesota分布將傳統VAR模型對眾多系數的估計轉化成對少數幾個超級變量γ、d、ω的估計，估計方法一般采用泰爾(Theil)提出的混合估計法。超級變量的確定類似柵格搜索過程，盡可能搜索到能夠獲得最優預測效果的值。

(三)狀態空間模型

一般的回歸模型估計的系數是平均值，但是在時間序列中，這種假設往往是不存在的，因為經濟結構可能發生變化，特別是對處在轉型期的中國而言，高技術產業技術創新發展很快，很難假定投入要素的彈性系數在某個階段沒有變化。為了解決這個問題，Harvey(1989)[27]、Hamilton(1994)[28]等學者創立了狀態空間模型。

狀態空間模型主要用于時間序列數據，它包含量測方程和狀態方程兩類方程。設yt是包含k個變量的k×1維矩陣，這些變量與m×1維矩陣αt有關(αt也稱為狀態向量)，假定其服從一階向量自回歸過程，狀態方程和量測方程如下：

(4)

公式(4)中，t為數據的時間跨度，Zt為k×m階量測矩陣，Tt是m×m階狀態轉移矩陣，dt為k×1維矩陣，ct為m×1階矩陣，Rt為m×g階矩陣；μt為k×1維矩陣，其均值為0，協方差為Ht的不相關擾動項；εt為g×1階矩陣，其均值為0，協方差矩陣為Qt的不相關擾動項，并且μt和εt相互獨立，且服從均值為0，方差為δ2和協方差矩陣為Q的正態分布。隨機擾動矩陣μt、εt同一時刻的協方差矩陣為：

(5)

Zt，Tt，Rt，Ht，Qt，Gt和 dt，ct被稱為系統矩陣。系統矩陣Zt，Tt，Rt，Ht，Qt，Gt可以依賴于一個未知參數的集合。狀態空間模型的核心就是估計這些系數。假定系統矩陣全為非隨機矩陣，即使它們隨時間變化而變化，但都可以預先確定。對于任一時刻t，把轉移方程及其滯后方程依次代入，yt可以表示為當前的和過去的μt、εt及初始狀態α0的線性組合，即模型是線性的。

卡爾曼(Kalman，1960)濾波是估計狀態矩陣的較好的核心求解算法[29]。當初始狀態矩陣和隨機擾動項均服從正態分布時，卡爾曼濾波通過對預測誤差分解來計算似然函數，對模型中的所有未知參數進行估計。

(四)變量與數據

創新成果：創新產出變量借鑒Griliches(1990)的研究，采用新產品銷售收入作為創新成果的替代變量[30]。另外一種應用較多的方法是采用授權發明專利數量，但是我國發明專利從申請到獲得授權往往需要3年左右的時間，再考慮研發投入的滯后效應，這樣滯后期就更長，會犧牲寶貴的數據，因此不采用該方式。

研發投入變量：企業自主創新投入采用研發經費內部支出表示；引進技術和購買國內技術直接采用相關統計數據；研發勞動力采用研發人員折合全時當量表示。

本文所有數據均來自于2001～2014年中國高技術產業統計年鑒，實際數據為2000～2013年期間14年的面板數據。由于內蒙古、甘肅、青海、寧夏、新疆、西藏部分年度數據缺失，因此將這些數據剔除。面板數據的描述統計如表1所示。

表1 變量的描述統計量

四、實證結果

(一)變量的平穩性檢驗

本文數據實際為25個省市14年的面板數據，因此也有可能存在偽回歸問題。同時采用ADF檢驗、Levin Lin & Chu檢驗、PP檢驗三種方法進行平穩性檢驗，這樣可以提高穩健性。經過一階差分，所有變量均為平穩時間序列，結果如表2所示，因此可以繼續采用面板數據模型進行估計。

表2 變量的平穩性檢驗

(二)面板數據估計結果

下面采用面板數據模型進行估計，考慮到投入產出變量之間的滯后問題，投入變量選用1階滯后。一般情況下，為了消除變量的內生性問題，采用SYS-GMM進行估計時，工具變量采用自變量的1階滯后項，但由于自變量已經滯后1階，所以采用自變量的2階滯后項作為工具變量。首先采用隨機效應模型進行估計，Hauseman檢驗值為1.429，相伴概率為0.839，不能拒絕原假設，說明應該采用隨機效應模型進行估計，結果如表3所示。為了便于比較分析，表3還給出了固定效應的估計結果。

從隨機效應估計結果看，自主研發在1%的水平上通過了統計檢驗，研發勞動力在10%的水平上通過了統計檢驗，引進技術和購買國內技術沒有通過統計檢驗，引進技術的回歸系數為正數，購買國內技術的回歸系數為負數，模型的擬合優度R2為0.668，處于中等水平。高技術產業自主研發投入的彈性系數最高，為0.861，其次是研發勞動力，彈性系數0.288。

下面對比隨機效應與固定效應的估計結果。固定效應估計結果中，引進技術雖然通過了統計檢驗，但回歸系數為負，購買國內技術的回歸系數為負數但沒有通過統計檢驗；隨機效應的估計結果中，引進技術和購買國內技術均沒有通過統計檢驗。綜合說明，我國高技術產業引進技術和購買國內技術的績效均不高。

表3 面板數據回歸結果

注：*表示在10%的水平下檢驗通過；**表示在5%的水平下檢驗通過；***表示在1%的水平下檢驗通過。

(三)狀態空間模型估計

首先建立高技術產業科技投入產出的狀態空間方程：

log(Y)=c1log(L)+sv1×log(K1)+sv2×log(K2)+sv3×LOG(K3)+μt

sv1=sv1(-1)+ε1,t
sv2=sv2(-1)+ε2,t
sv3=sv3(-1)+ε3,t

(6)

公式(6)中，研發勞動力不是主要關注的變量，因此其回歸系數設定為固定系數，自主研發、引進技術、購買國內技術的回歸系數是動態的，其系數序列分別為sv1、sv2、sv3。采用1995～2013年的時間序列數據進行估計，勞動力的回歸系數為0.328，在1%的水平上通過了統計檢驗；sv1的回歸系數終值為0.619，在1%的水平上通過了統計檢驗；sv2的回歸系數終值為0.236，在1%的水平上通過了統計檢驗；sv3的回歸系數終值為0.132，在10%的水平上通過了統計檢驗。各年度的回歸系數如表4所示。

為了進一步看出不同研發模式彈性系數的變化規律，圖3給出了回歸系數的比較結果。由于采用狀態空間模型進行估計時，起始幾年的回歸系數不穩定，因此剔除了初始幾年的數值。自主研發的彈性系數總體較高，隨著引進技術和購買國內技術的彈性日漸提高，自主研發的彈性系數略有下降但總體比較穩定。引進技術的彈性系數剛開始是負數，但隨著時間推延，彈性系數不斷提高，從2007年開始轉為正數，并于2011年超過了購買國內技術。購買國內技術的彈性系數總體處于下降趨勢，但走勢比較平穩。

表4 狀態空間方程估計結果

(四)貝葉斯向量自回歸模型估計

下面建立貝葉斯向量自回歸模型，以分析創新成果、自主研發、引進技術、購買國內技術之間的互動關系。在建立BVAR時，考慮到過長的滯后期沒有意義，會犧牲更多自由度，因此選擇滯后2期，單位圓檢驗結果表明，模型所有點都位于單位圓內，說明模型是穩健的。由于向量自回歸模型是一種非經濟理論模型，其回歸系數沒有具體的經濟學意義，因此采用脈沖響應函數進行進一步分析。

創新成果的脈沖響應函數如圖4所示。來自其自身一個標準差的正向沖擊對其影響最大，當期達到極大值，隨后開始衰減，但總體處于較高水平。除此以外，來自自主研發的沖擊對創新成果影響最大，當期為0，隨后開始快速升高，總體水平較高，作用時間較長。來自引進技術的沖擊當期為0，第三期達到極大值，隨后開始衰減。而來自購買國內技術的沖擊當期、第二期影響不大，但是從第三期開始緩慢升高，作用時間較長。說明總體上，高技術企業對于購買國內技術的消化吸收能力要好于引進技術。

圖3 不同創新模式彈性比較

圖4 創新成果的脈沖響應函數

自主研發的脈沖響應函數如圖5所示。除了自身的沖擊外，來自創新成果一個標準差的正向沖擊對其影響最大，當期就發揮作用，并且水平較高，基本生呈現一水平線。來自購買國內技術的沖擊作用也比較顯著，當期為0，隨后快速升高，作用時間較長，說明高技術企業會追加購買國內技術的消化吸收投入，總體效果較好，兩者呈互補關系。而來自引進技術的沖擊當期為0，隨后開始為負，作用時間較長，說明引進技術與自主研發投入之間形成了替代關系，降低了自主研發投入。

引進技術的脈沖響應函數如圖6所示。除了其自身外，來自創新產出投入一個標準差的正向沖擊對其影響最大，當期就發揮作用，隨后開始緩慢升高，總體比較平穩。來自自主研發投入一個標準差的正向沖擊，對引進技術也有正向帶動作用，當期達到極大值，隨后略有衰減，總體比較平穩，說明在自主研發中，一旦面臨關鍵技術需求，仍然需要引進技術。而來自購買國內技術的沖擊對引進技術的影響總體較小，說明作用機制不強。

圖5 自主研發的脈沖響應函數

圖6 引進技術的脈沖響應函數

購買國內技術的脈沖響應函數如圖7所示。除了自身外，來自創新產出與自主研發投入的沖擊對其影響大小相當，當期就發生作用，總體比較平穩。而來自引進技術的沖擊當期對購買國內技術沖擊最大，但隨后急劇衰減為負數，說明在引進技術的同時，也會適當購買國內技術作為必要補充，但長期引進技術會對購買國內技術產生替代作用。

圖7 購買國內技術的脈沖響應函數

五、結論與討論

(一)購買國內技術投入對高技術企業創新起著重要作用

面板數據的估計結果表明，購買國內技術與創新產出無關，主要因為早期高技術產業對購買國內技術不夠重視，使得其平均彈性系數被“稀釋”了，這種現象僅僅是問題的一個方面。近20年來，購買國內技術投入雖然僅占高技術產業創新支出的很小份額，但其一直處于穩步上升狀態，并且有超過引進技術投入的趨勢。狀態空間方程的估計結果表明，購買國內技術對創新產出的彈性系數2010年之前，一直高于引進技術。從脈沖響應函數的結果看，高技術產業對購買國內技術的消化吸收效果總體較好，購買國內技術能夠有效帶動自主研發投入。總體上，購買國內技術對創新產出的貢獻要大于引進技術。

長期以來，學術界一直重視引進技術的研究，對于購買國內技術的績效之研究重視不夠，本文的研究結果表明，購買國內技術在我國創新驅動發展中已經發揮著重要作用，這是與我國創新的總體實力和水平密切相關的，也是推進產學研合作，加強協同創新的必然結果，我國急需調整相關政策，推進國內技術市場建設，鼓勵高技術企業優先選用國內技術。

(二)引進技術績效總體不高但有好轉的趨勢

我國對引進技術一直比較重視，但是其績效總體不高，面板數據模型的估計結果表明，引進技術與創新產出無關。引進技術投入與自主研發投入之間總體上存在替代效應，脈沖響應函數表明，技術引進會擠占自主研發投入，并且我國對引進技術的消化吸收有待提高。但是引進技術的績效有提高趨勢，狀態空間模型的估計結果表明，引進技術的彈性系數從2007年開始轉為正數，并且逐年提高，說明我國對引進技術的消化吸收已經取得進展。

我國并沒有走上“引進技術——技術落后——再引進技術”的惡性循環，沒有形成對技術引進的依賴，從2007年開始，我國高技術產業引進技術投入總體呈下降趨勢，主要原因有兩個，一是自主創新能力增強，二是對購買國內技術的需求提升很快，一定程度上抵消了對引進技術的需求。

(三)我國應該走引進技術與購買國內技術協調的發展之路

無論是引進技術還是購買國內技術，對于關鍵技術，一定要進行消化吸收，然后在此基礎上進行二次創新。我國的創新戰略，以往一直重視自主創新，這是正確的，但是在尋求補充之路時，一味強調引進技術以及對其進行消化吸收，實踐證明，雖有效果但是并不顯著，而且存在較多負作用。必須重視對購買國內技術的支持，走引進技術與購買國內技術協同發展的道路。隨著我國國內技術市場的日趨成熟，應該鼓勵高技術企業優先購買國內技術，如果不能滿足需要再考慮引進技術。

創新驅動發展，首先要盡可能減少對國外的技術依賴，研究表明，長期看引進技術與購買國內技術存在替代關系，我國對購買國內技術的消化吸收能力要大大高于引進技術，我國的創新驅動發展戰略，應該從引進技術與購買國內技術并重逐步走向自主創新和購買國內技術為主。