要素資源錯配、所有制結構與技術創新

呂承超 王志閣 王媛媛

摘?要：作為企業創新活動的基礎，要素資源對高技術產業上市公司技術創新可能產生重要影響。本文構建理論模型，利用2012—2016年我國高技術產業上市公司微觀數據，建立動態面板模型，采用系統GMM估計方法分析要素資源錯配對技術創新的影響。研究結果顯示：技術創新存在明顯的循環累積效應;資本錯配對醫藥制造業和鐵路、船舶、航空航天及其他運輸設備制造業上市公司技術創新分別有負向影響和正向影響，且存在非線性相關關系;勞動力錯配對高技術產業上市公司的技術創新投入或技術創新產出有顯著正向影響，且存在非線性相關關系;資本錯配和勞動力錯配對某些行業和地區高技術產業上市公司技術創新的影響有顯著的所有制差異;控制變量中，資本密集度有利于技術創新水平的提高，有形資產率則對技術創新有抑制作用。

關鍵詞：要素資源錯配;所有制結構;技術創新;系統GMM

中圖分類號：F062.9??文獻標識碼：A

文章編號：1000-176X（2019）10-0044-09

一、問題的提出

改革開放40年，我國經濟取得了舉世矚目的成就，經濟總量已經躍居全球第二位。我國經濟的高速增長主要依賴于制度紅利、人口紅利和環境紅利等，然而，隨著人口老齡化程度加劇、要素成本增加和環境約束增強等原因，我國經濟進入到了新常態。經濟新常態下，一方面，金融市場摩擦可能導致企業之間資本配置的扭曲，造成資本錯配問題;另一方面，勞動力市場受到體制干預，可能導致勞動力錯配問題。要素資源錯配是相對有效配置而言的，錯配即是對帕累托最優狀態的偏離，資源錯配表現在不同產業或不同企業之間邊際產品價值不相等。由于我國市場體制不完備、所有制歧視和政策誘導等因素，各地區要素市場的改革進程滯后于產品市場的改革進程，要素市場扭曲問題比較突出，要素資源錯配現象依然嚴峻[1]。在經濟新常態背景下，如何理清要素資源錯配，把握要素資源錯配對技術創新影響的作用機制，已經成為亟待研究的問題。

目前國內外關于要素資源錯配或要素市場扭曲的研究多集中于對全要素生產率（TFP）的影響上，得到的結論也不盡相同。大部分學者認為要素資源錯配或要素市場扭曲對TFP的提升具有阻礙作用。Hsieh和Klenow[2]通過對比中國、印度和美國的TFP水平指出，如果中國和印度的資源配置效率達到美國的水平，其TFP水平可分別提升30%—50%和40%—60%。由市場不完全導致的企業間資源錯配造成了TFP的實質性差異，進而阻礙了經濟增長[3]。很多學者的研究表明，若能減少要素資源扭曲，有效改善要素資源錯配狀況，即使在不增加投入的前提下，我國的 TFP 或GDP水平也將得到大幅度的提升[4]。資源配置效率成為制約我國TFP提升的首要因素。也有部分學者認為要素資源錯配或要素市場扭曲對TFP造成的影響很小，要素資源錯配對TFP損失或差異的解釋只能占很小一部分，而要素再配置效率不僅非常低[5]，而且對全要素生產率的提升作用很小[6]，資源配置不存在顯著的結構紅利效應[7]。此外，有部分學者的研究涉及要素市場扭曲與創新的關系方面。有學者從不同角度研究了金融發展與技術進步之間的關系，指出高效的金融市場有助于經濟主體創新活動的開展[8]，創新資源的合理分配對技術創新尤為重要[9]。然而，我國要素市場的市場化進程滯后導致了要素市場扭曲，阻礙了企業R&D投入的增加[10]，使得企業所需要的創新資源無法得到滿足，這不僅會抑制創新效率的提高，也不利于我國市場主體自主創新活動的開展[11]。

綜上所述，雖然學術界關于要素資源錯配與TFP的關系展開了廣泛研究，但關于要素資源錯配對技術創新影響的研究不足，不僅未取得一致的結論，并且以往研究缺乏必要的數理模型推導，多側重于采用宏觀數據檢驗，相關結論缺少微觀數據的實證支持。基于此，本文拓展Hsieh和Klenow[2]與戴魁早和劉友金[12]的生產率誤置模型，對要素資源錯配與技術創新的關系在理論上進行了推導，并利用我國高技術產業A股上市公司的數據，選取相關指標，基于全部樣本、分行業、分地區、分所有制對理論模型進行實證分析并進行穩健性檢驗。本文創新之處在于：其一，構建理論模型，為要素資源錯配與技術創新之間可能存在的關系提供理論依據，這是對現有文獻的補充。其二，豐富技術創新影響因素的研究領域，擴展技術創新影響因素范疇。

二、理論模型

（一）基本條件假設

假定一個壟斷競爭的市場結構，設定代表性廠商i的柯布—道格拉斯函數：Yi=AiLαiKβi，其中，Yi為代表性廠商i的產出，Ai為技術創新水平，Li為勞動力數量，Ki為資本存量，α和β分別為勞動力和資本的產出彈性系數，假定α+β=1，即代表性廠商規模報酬不變。

在經濟發展過程中，存在政府和信貸對國有企業扶持傾斜、勞動力和資本等資源價格扭曲及要素市場分割等現象，可能導致資源錯配問題包括資本錯配和勞動力錯配兩個方面。為了測算實際要素價格與競爭性價格之間的偏離程度，本文定義勞動力錯配指數τLi和資本錯配指數τKi，分別表示勞動力錯配程度和資本錯配程度。τLi和τKi的取值范圍在-1—1之間，τLi和τKi越小，表示要素資源錯配程度越低，反之則越高。定義wi和ri分別為勞動力市場和資本市場的競爭性價格。由此，wi（1+τLi）和ri（1+τKi）分別表示勞動力錯配價格和資本錯配價格，則代表性廠商i的利潤函數為：

πi=PiYi-wi（1+τLi）Li-ri（1+τKi）Ki（1）

其中，πi為廠商i的利潤，Pi為廠商i的產品市場價格，假定廠商被動接受產品市場價格。當τLi=0、τKi=0時，表示要素市場不存在資源錯配問題，要素市場價格為競爭性價格，廠商獲得正常利潤;當τLi>0或τKi>0時，表示存在資源錯配問題，競爭性價格低于要素市場價格，廠商承受要素市場價格高估造成的利潤損失;當τLi<0或τKi<0時，表示存在資源錯配問題，競爭性價格高于要素市場價格，廠商可獲得要素市場價格低估帶來的超額利潤。

（二）基本模型

1.消費者

假定某行業有n家廠商，均生產單一產品，當市場出清時，消費者獲得的CES效用函數為：U（Y）=[∫n0Yi（σ-1）/σdi]σ/（σ-1），Y為行業出清時的總產出，Y=∫n0Yidi，σ>1，消費者對代表性廠商購買支出為PiYi，定義Q為消費者對所有廠商的產品總支出，則：

maxU（Y）=max[∫n0Yi（σ-1）/σdi]σ/（σ-1）（2）

s.t.∫n0PiYidi≤Q （3）

式（2）和式（3）分別為消費者的效用最大化函數和預算約束條件，為求得消費者效用最大化時的產出Y，進一步構建拉格朗日函數為：

ω1=[∫n0Yi（σ-1）/σdi]σ/（σ-1）-λ（∫n0PiYidi-Q）（4）

則式（4）的一階條件為：

ω1/Yi=σ/（σ-1）[∫n0Yi（σ-1）/σdi]σ/（σ-1）-1（σ-1）/σYi（σ-1）/σ-1-λPi=0（5）

ω1/Yj=σ/（σ-1）[∫n0Yi（σ-1）/σdi]σ/（σ-1）-1（σ-1）/σYi（σ-1）/σ-1-λPi=0（6）

由式（5）和式（6）可得：

Yi/Yj=（Pi/Pj）-σ（7）

對式（7）兩邊同乘以Pi得：PiYi/Yj=Pi1-σ/Pj-σ，進一步積分：

∫n0PiYidi/Yj=∫n0Pi1-σdi/Pj-σ（8）

將價格指數P=（∫n0Pi1-σdi）1/（1-σ）定義為CES加總價格，則將其代入式（8）得：

Yi=QPi-σ/P1-σ（9）

式（9）表明，消費者效用最大化時，消費者的總支出、代表性廠商i的產品價格和加總價格共同決定了消費者對代表性廠商i的產出需求量。

2.廠商

廠商總成本TCi由可變成本MCiYi和固定成本FCi之和構成。長期生產中，所有要素均可隨產量變動，則廠商總成本TCi為MCiYi，等價于wi（1+τLi）Li+ri（1+τKi）Ki，則在消費者效用最大化條件下，代表性廠商i利潤最大化問題為：

maxπi=max（PiYi-MCiYi）（10）

s.t.Yi=QPi-σ/P1-σ（11）

代表性廠商利潤最大化的一階條件為：Pi=σ/（σ-1）MCi，表明代表性廠商i產品價格是其邊際成本的函數，但由于邊際成本現實中難以獲取，本文考慮代表性廠商i產出既定（設定為Y0）條件下的成本最小化問題，來推導其邊際成本：

min [wi（1+τLi）Li+ri（1+τKi）Ki]（12）

s.t.AiLαiKβi≤Y0 （13）

進一步構建拉格朗日函數：

ω2=wi（1+τLi）Li+ri（1+τKi）Ki-λ（AiLαiKβi-Y0）（14）

代表性廠商i成本最小化的一階條件：

ω2/Li=wi（1+τLi）-λαAiLiα-1Kβi=0（15）

ω2/Ki=ri（1+τKi）-λβAiLiα-1Kβi=0（16）

ω2/λ=-（AiLiαKβi-Y0）=0（17）

由此可得，代表性廠商i既定產出Y0下成本最小化時勞動力和資本的投入：

Li=（Y0/Ai）1/（α+β）[αri（1+τKi）/βwi（1+τLi）]β/（α+β）（18）

Ki=（Y0/Aj）1/（α+β）[βwi（1+τLi）/αri（1+τKi）]α/（α+β）（19）

則代表性廠商i的總成本TCi=MCiYi=[（α/β）β/（α+β）+（α/β）-α/（α+β）][wi（1+τLi）]α/（α+β）[ri（1+τKi）]β/（α+β）（Yi/Aj）1/（α+β），在規模報酬不變條件下（α+β=1），TCi=MCiYi=[（α/β）β+（α/β）-α][wi（1+τLi）]α[ri（1+τKi）]βYi/Aj。那么，代表性廠商i的邊際成本：

TCi/Yi=MCi=[（α/β）β+（α/β）-α]（1/Ai）[wi（1+τLi）]α[ri（1+τKi）]β（20）

將式（20）代入Pi=σ/（σ-1）MCi可得：

Ai=σ/（σ-1）[（α/β）β+（α/β）-α]（1/Pi）[wi（1+τLi）]α[ri（1+τKi）]β（21）

式（21）表明，代表性廠商i的技術創新水平Ai與勞動力錯配指數τLi和資本錯配指數τKi相關。

3.要素資源錯配對技術創新的影響

對式（21）分別求勞動力錯配指數τLi和資本錯配指數τKi的一階導數：

Ai/τLi=σ/（σ-1）[（α/β）β+（α/β）-α]（1/Pi）αwi[wi（1+τLi）]α-1[ri（1+τKi）]β（22）

Ai/τKi=σ/（σ-1）[（α/β）β+（α/β）-α]（1/Pi）[wi（1+τLi）]αβri[ri（1+τKi）]β-1（23）

由式（22）和式（23）可知，Ai/τLi、Ai/τKi均大于零，表明要素資源錯配指數τLi、τKi與代表性廠商i的技術創新水平Ai之間均呈現單調遞增的關系，即隨著要素資源錯配程度的提高，代表性廠商的技術創新水平也會提高，反之則降低。當τLi>0、τKi>0時，代表性廠商要素使用價格高于競爭性價格，廠商遭受利潤損失，此時，廠商愿意通過提高技術創新水平來增加產品附加值，彌補由資源錯配造成的利潤損失;當τLi<0、τKi<0時，代表性廠商要素使用價格低于競爭性價格，可以獲得要素市場價格低估帶來的超額利潤，此時廠商缺乏技術創新的動力。

為進一步明確要素資源錯配對技術創新水平的具體影響效果，在式（22）和式（23）的基礎上，進一步求勞動力錯配指數τLi和資本錯配指數τKi的二階導數：

2Ai/τLi2=σ/（σ-1）[（α/β）β+（α/β）-α]（1/Pi）α（α-1）w2i[wi（1+τLi）]α-2[ri（1+τKi）]β（24）

2Ai/τKi2=σ/（σ-1）[（α/β）β+（α/β）-α]（1/Pi）[wi（1+τLi）]αβ（β-1）r2i[ri（1+τKi）]β-2（25）

由式（24）和式（25）可知，2Ai/τLi2、2Ai/τKi2均小于零，由于Ai/τLi、Ai/τKi均大于零，可知式（21）是一個單調遞增的凸函數，且其斜率逐漸遞減。

三、研究設計與回歸分析

（一）變量選取與模型設定

1.變量選取

（1）被解釋變量：對技術創新的度量主要集中在投入、過程和產出三個角度。鑒于過程測度的指標多為定性指標且偏重于對組織機制方面的研究[13]，本文將從技術創新投入（tii）和技術創新產出（tio）兩個維度衡量企業技術創新（ti），用研發資金投入與員工人數的比值衡量技術創新投入，用專利授權數鑒于外觀設計幾乎沒有技術含量，本文用發明專利和實用新型數量加總衡量專利授權數。與員工人數的比值衡量技術創新產出。

（2）核心解釋變量：要素資源錯配（frm）包括資本錯配（krm）和勞動力錯配（lrm）。本文參照邵挺[14]的方法，資本錯配程度以每個企業資金使用成本與所在行業平均資金使用成本的偏離程度衡量，其中企業資金使用成本以利息支出除以扣除了應付賬款后的負債總額衡量。

根據會計準則，企業應付賬款不需要支付利息，因而應從負債總額中予以扣除。勞動力錯配程度以每個企業勞動力使用成本與所在行業勞動力平均使用成本的偏離程度衡量，其中企業勞動力使用成本以企業支付給職工以及為職工支付的現金與員工人數的比值衡量。

（3）控制變量：基于企業異質性理論[15]，本文主要加入企業規模（size）、企業年齡（age）、資本密集度（cap）、杠桿比率（lev）和有形資產率（rta）等控制變量。本文以企業資產總額衡量企業規模，以企業成立至樣本年份的經營年限衡量企業年齡，以企業固定資產凈值與員工人數的比值衡量資本密集度，以企業負債總額與資產總額的比值衡量杠桿比率，以企業固定資產凈額與資產總額的比值衡量有形資產率。

為了考察不同所有制性質企業要素資源錯配對技術創新的影響，按所有制性質（own）劃分為國有企業和非國有企業，國有企業賦值為1，非國有企業賦值為0。同時，本文引入要素資源錯配與所有制性質的交互項，包括資本錯配與所有制性質的交互項和勞動力錯配與所有制性質的交互項。為了控制不同年度宏觀經濟環境和政策變動[16]對技術創新的影響，本文還引入年份啞變量。

2.模型設定

對理論模型式（21）兩邊取自然對數得：

lnAi=lnσ/（σ-1）[（α/β）β+（α/β）-α]+ln（1/Pi）+αlnwi+αln（1+τLi）+βlnri+βln（1+τKi）（26）

其中，Pi、wi和ri分別為產品市場和要素市場的競爭性價格，可將計量模型簡化為：

lnAi=α0+α1lnτLi+α2lnτKi+∑βicontroli+εi（27）

其中，α0為常數項，α1和α2分別為勞動力錯配系數和資本錯配系數，βi為控制變量系數，controli為各控制變量，εi為隨機誤差項。

根據繆爾達爾的循環累積因果理論，在經濟社會動態發展過程中，前期技術創新可能通過回波效應和擴散效應影響當期技術創新，因而在計量模型中加入技術創新的滯后期。此外，要素資源錯配對技術創新具有邊際效應遞減趨勢，因而在計量模型中加入要素資源錯配的二次項，來檢驗非線性關系。本文分別構建以下以技術創新投入和技術創新產出為被解釋變量，要素資源錯配（勞動力錯配和資本錯配）為核心解釋變量的計量模型：

lntiiit=α0+α1lntiii，t-1+α2krmit+α3lrmit+α4krm2it+α5lrm2it+α6krmit×ownit+α7lrmit×ownit+∑βicontroli+μi+εit（28）

lntioit=α0+α1lntioi，t-1+α2krmit+α3lrmit+α4krm2it+α5lrm2it+α6krmit×ownit+α7lrmit×ownit+∑βicontroli+μi+εit（29）

其中，i和t分別為企業和年份，μ為個體效應，ε為隨機誤差項，其他變量含義同上。

（二）數據來源及處理

本文采用高技術產業A股上市公司數據進行研究，相關指標數據來自CSMAR數據庫，并參考和對比相關公司年報。基于所獲數據的特點和研究分析的需要，剔除ST、PT類企業，剔除存在大量缺失值的企業，最終獲取時間跨度為2012—2016年246家上市公司數據，1 230個樣本觀測值。包括除寧夏、青海、海南和港澳臺之外的28個省份;參考經濟合作與發展組織（OECD）對高技術產業的分類標準和CSMAR數據庫對高技術產業的行業劃分，將高技術產業劃分為醫藥制造業（行業1），計算機、通信和其他電子設備制造業（行業2），鐵路、船舶、航空航天及其他運輸設備制造業（行業3），醫療儀器設備及儀器儀表制造業（行業4）四大子行業。基于不同地區分析時，將28個省份劃分為東中西三大地區，其中，東部地區包括北京、天津、河北、遼寧、山東、江蘇、浙江、上海、廣東和福建，中部地區包括內蒙古、黑龍江、吉林、山西、河南、安徽、湖北、湖南和江西，西部地區包括廣西、陜西、甘肅、四川、貴州、重慶、云南、新疆和西藏。為減少極端值的影響，根據需要對連續性變量分別按1%和99%分位數進行了Winsorize處理。主要變量的描述性統計如表1所示。

（三）回歸結果

所構建的動態面板模型可能存在內生性問題，導致回歸結果出現偏誤，為了克服差分GMM和水平GMM弱工具變量和偏誤問題，本文采用系統GMM方法對動態面板數據模型進行估計，不但可以克服弱工具變量問題，而且能夠提高估計效率，較好地解決內生性問題。所有回歸結果均通過了檢驗，模型估計有效。

1.基于全部樣本的回歸結果分析

表2是全樣本要素資源錯配對技術創新的回歸結果。

從表2可以看出，第一，技術創新存在顯著的循環累積效應。技術創新投入和技術創新產出滯后一期系數均通過了顯著性水平檢驗且均為正值，表明技術創新存在循環累積效應。這一結論與多數學者的研究成果一致[17-18]。第二，資本錯配對技術創新的影響并不顯著。無論是技術創新投入還是技術創新產出，勞動力錯配系數均通過1%的顯著性水平檢驗，其平方項系數未通過顯著性檢驗，表明勞動力錯配對技術創新具有明顯的促進作用。這不同于李平和季永寶[19]的研究，可能因為所有制歧視和規模歧視導致的勞動力錯配造成了利潤損失，促使高技術產業上市公司通過技術創新進行彌補，并可能存在所有制差異，但實證結果表明資本錯配和勞動力錯配對技術創新的影響并未呈現顯著的所有制差異。第三，在控制變量中，僅有取自然對數的資本密集度和有形資產率通過了顯著性水平檢驗。具體地，取自然對數的資本密集度系數為正，表明資本密集度的提高促進了技術創新，較高的人均資本水平可以為技術創新提供堅實的研發條件和基礎，并且在長期中相互促進[20]，對技術創新產生了更高的需求，促進了技術創新水平的提高。有形資產率系數為負，表明有形資產率擠占了技術創新，明顯抑制了高技術產業上市公司技術創新。

2.基于行業差異的回歸結果分析

表3是基于行業差異的要素資源錯配對技術創新的回歸結果。

從表4可以看出，第一，東部地區高技術產業上市公司技術創新存在循環累積效應。與全部樣本的結論相同，東部地區資本錯配未對技術創新產生顯著影響。勞動力錯配系數均通過了1%的顯著性水平檢驗且為正值，但其平方項僅對技術創新投入系數通過了顯著性水平檢驗且為負值，表明勞動力錯配對東部地區高技術產業上市公司技術創新有正向作用，且在非線性條件下呈現倒U型趨勢。勞動力錯配與所有制性質的交互項對技術創新產出系數通過了1%的顯著性水平且為負值，表明相比于非國有高技術產業上市公司，勞動力錯配不僅會減緩對東部地區國有高技術產業上市公司技術創新產出的促進作用，并最終呈現負向影響

，表明中部地區，勞動力錯配在促進高技術產業上市公司技術創新產出水平提高的同時，會減緩對國有高技術產業上市公司技術創新產出水平的促進作用。第二，中部地區高技術產業上市公司技術創新存在循環累積效應。勞動力錯配對技術創新投入系數通過了5%的顯著性水平檢驗且為正值，表明與全部樣本和東部地區模型類似，勞動力錯配促進了中部地區高技術產業上市公司技術創新投入水平的提高。第三，西部地區高技術產業上市公司技術創新存在循環累積效應。勞動力錯配及其與所有制性質的交互項對技術創新產出系數均通過了1%的顯著性水平檢驗且分別為正值和負值，對國有高技術產業上市公司技術創新產出的凈作用為負。

4.基于所有制性質的回歸結果分析

表5是基于所有制性質的要素資源錯配對技術創新的回歸結果。

從表5可以看出，第一，國有高技術產業上市公司技術創新存在循環累積效應。在技術創新投入中，資本錯配系數和勞動力錯配系數分別顯著為負值和正值，表明對國有高技術產業上市公司來說，資本錯配抑制了技術創新投入水平，而勞動力錯配則對技術創新投入起著較大的促進作用，要素資源錯配對技術創新產出則沒有顯著影響。這可能是由于我國金融制度的特殊安排，隨著因循趕超型制度提供的模仿紅利消失，資本資源的配置不當不利于國有高技術產業上市公司技術創新投入水平的提高。第二，非國有高技術產業上市公司技術創新存在循環累積效應。勞動力錯配系數均通過了1%的顯著性水平檢驗，勞動力錯配促進了非國有高技術產業上市公司技術創新水平的提高。控制變量中，取自然對數的資本密集度系數和有形資產率系數均通過了較高的顯著性水平檢驗，資本密集度會提升非國有高技術產業上市公司的技術創新水平，而有形資產率則有著負向影響。企業規模對技術創新產出的系數通過了5%的顯著性水平檢驗且為負值，表明企業規模的擴大抑制了非國有高技術產業上市公司技術創新產出水平的提高。

（四）穩健性檢驗

考慮到模型估計結果的穩健性，基于全部樣本分析時，本文分別進行了最小二乘估計、固定效應估計和差分GMM估計，將其估計結果與系統GMM估計結果進行對比分析，以提高結果穩健性。對系統GMM估計采用逐個引入企業特征變量的方法進行估計，測度企業特征變量對技術創新的影響并保證估計結果的穩健性。

限于篇幅，穩健性檢驗結果未在正文列出，留存備索。通過Hausman檢驗選擇固定效應，差分GMM和系統GMM均通過了擾動項自相關檢驗和過度識別檢驗，在不同模型回歸結果中，各變量回歸系數大小、符號和顯著性基本穩定，得到的研究結論與前文一致。

在進行異質性分析時，本文仍然使用最小二乘估計、普通面板估計和差分GMM估計等方法，與系統GMM估計結果進行比較，檢驗結果穩健。基于行業、地區和所有制性質分析時，各個模型均通過了F檢驗或Wald檢驗，差分GMM和系統GMM均通過了擾動項自相關檢驗和過度識別檢驗。在不同行業、不同地區和不同所有制性質的回歸模型中，四種方法的回歸結果基本保持一致，變量系數大小、符號和顯著性比較穩定，研究結論并未發生實質性改變。

四、研究結論與政策啟示

本文構建理論模型，利用2012—2016年我國高技術產業上市公司微觀數據，建立動態面板數據模型，采用系統GMM估計方法分析要素資源錯配對技術創新的影響。研究結果顯示：（1）除個別模型外，技術創新存在明顯的循環累積效應。（2）從全部樣本來看，勞動力錯配顯著提高了高技術產業上市公司的技術創新水平，資本錯配的影響則不顯著。資本密集度提高了技術創新水平，有形資產率則對技術創新有抑制作用。（3）分行業來看，資本錯配抑制了醫藥制造業上市公司的技術創新水平，對鐵路、船舶、航空航天及其他運輸設備制造業上市公司的技術創新投入則有促進作用;勞動力錯配對四大行業高技術產業上市公司技術創新投入和技術創新產出均有顯著正向影響;要素資源錯配與技術創新呈現非線性關系。在交互項影響中，資本錯配對鐵路、船舶、航空航天及其他運輸設備制造業上市公司技術創新投入，勞動力錯配對醫藥制造業上市公司技術創新投入、對計算機、通信和其他電子設備制造業上市公司技術創新產出均呈現顯著的所有制差異。（4）分地區來看，資本錯配沒有顯著影響，而勞動力錯配對三大地區高技術產業上市公司技術創新水平均有顯著促進作用，且在東部和西部地區模型中呈現顯著的所有制差異。（5）分所有制性質來看，資本錯配降低了國有高技術產業上市公司的技術創新投入水平，勞動力錯配對國有和非國有高技術產業上市公司技術創新投入以及非國有高技術產業上市公司技術創新產出均有顯著促進作用。

本文將要素資源錯配（資本錯配和勞動力錯配）引入高技術產業的技術創新（技術創新投入和技術創新產出）領域，構建了一個新的理論模型分析要素資源錯配對技術創新的影響，并通過實證檢驗得出的結論具有重要的政策啟示：（1）制定穩健連續的技術創新戰略，保證企業技術創新投入和技術創新產出的連續性。高技術產業上市公司的技術創新存在明顯的循環累積效應，因而對高技術產業上市公司來說，要制定平穩的技術創新發展戰略，形成良好的企業創新投資氛圍，以連續的技術創新投入帶動持續的技術創新產出，維持高技術產業上市公司利潤增長點，促進企業長期高效發展。（2）深化要素市場改革，建立健全要素市場的合理配置機制。針對資本錯配和勞動力錯配對不同行業高技術產業上市公司技術創新可能產生的促進或抑制作用，要因行業制宜，制定合理有效的行業資源分配政策，根據行業特點滿足技術創新對資本資源和勞動力資源的需要;針對要素資源錯配與技術創新可能呈現的非線性關系，要準確把握要素資源錯配程度對技術創新影響的臨界值，根據各行業和地區高技術產業上市公司的特點分配要素資源，逐步建立以創新為導向的要素資源分配制度，使要素資源錯配程度保持在有利于技術創新的臨界值范圍內;針對要素資源錯配表現出的對技術創新影響的所有制差異，要。繼續深化金融市場改革，推進戶籍制度改革，逐步建立資本資源和高素質人才資源流動的市場化機制，形成國有企業和非國有企業更加公平合理的資源分配環境和創新環境。（3）把握企業特征因素對企業技術創新的作用，規避要素資源錯配的抑制效應。資本密集度、有形資產率和公司杠桿比率對高技術產業上市公司的技術創新活動均有顯著影響，這意味著在促進要素市場化改革的同時，要充分考慮企業特征因素對技術創新的影響，根據不同行業、地區和所有制性質企業的特征，制定合理的應對措施，規避要素資源錯配的負向影響，提高企業的技術創新水平。具體來說，要合理控制企業固定資產規模和企業員工人數，使企業保持較高的資本密集度;保持有形資產和無形資產比例適當，規避有形資產對技術創新資源的擠出效應;合理利用公司負債，把控公司償債風險的同時，利用公司杠桿率撬動更多資本，滿足企業技術創新對資本的需要，提高企業的技術創新水平。

參考文獻：

[1]?周新苗，錢歡歡.資源錯配與效率損失：基于制造業行業層面的研究[J].中國軟科學，2017，（1）：183-192.

[2]?Hsieh，C.T.，Klenow，P.J.Misallocation and Manufacturing TFP in China and India[J].Quarterly Journal of Economics，2009，124（4）：1403-1448.

[3]?簡澤.市場扭曲、跨企業的資源配置與制造業部門的生產率[J].中國工業經濟，2011，（1）：58-68.

[4]?曹玉書，樓東瑋.資源錯配、結構變遷與中國經濟轉型[J].中國工業經濟，2012，（10）：5-18.

[5]?Moll，B.Productivity Losses From Financial Frictions： Can Self-Financing Undo Capital Misallocation？[J].The American Economic Review，2014，104（10）：3186-3221.

[6]?姚戰琪.生產率增長與要素再配置效應：中國的經驗研究[J].經濟研究，2009，（11）：130-143.

[7]?涂正革，肖耿.中國的工業生產力革命——用隨機前沿生產模型對中國大中型工業企業全要素生產率增長的分解及分析[J].經濟研究，2005，（3）：4-15.

[8]?Hermes，N.，Lensink，R.?Foreign Direct Investment，Financial Development and Economic Growth[J].Journal of Development Studies，2003，40（1）：142-163.

[9]?Gorodnichenko，Y.，Schnitzer，M.Financial Constraints and Innovation：Why Poor Countries Dont Catch up[J].Journal of the European Economic Association， 2013， 11（5）：1115-1152.

[10]?Li，H.C.，Lee，W.C.，Ko，B.T.What Determines Misallocation in Innovation？ A Study of Regional Innovation in China[J].Journal of Macroeconomics，2017，52（6）：221-237.

[11]?張杰，周曉艷，李勇.要素市場扭曲抑制了中國企業R&D？[J].經濟研究，2011，（8）：78-91.

[12]?戴魁早，劉友金.要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析[J].經濟研究，2016，（7）：72-86.

[13]?李龍筠，謝藝.中國創業板上市公司創新能力評估[J].經濟學家，2011，（2）：93-102.

[14]?邵挺.金融錯配、所有制結構與資本回報率：來自1999～2007年我國工業企業的研究[J].金融研究， 2010，（9）：47-63.

[15]?Melitz，M.J.The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity[J].Econometrica，2003，71（6）：1695-1725.

[16]?吳延兵.不同所有制企業技術創新能力考察[J].產業經濟研究，2014，（2）：53-64.

[17]?呂承超.中國高技術產業專業化比多樣化更有利于區域產業創新嗎？[J].研究與發展管理，2016，（6）：27-37.

[18]?張偉峰，慕繼豐，萬威武.基于企業創新網絡的技術路徑創造[J].科學學研究，2003，（6）：657-661.

[19]?Acemoglu，D.，Aghion，P.，Zilibotti，F.Distance to Frontier， Selection， and Economic Growth[J].Journal of the European Economic Association，2006，4（1）：37-74.

[20]?Howitt，P.，Aghion，P.Capital Accumulation and Innovation as Complementary Factors in Long-Run Growth[J].Journal of Economic Growth，1998，3（2）：111-130.

[21]?白俊紅，卞元超.要素市場扭曲與中國創新生產的效率損失[J].中國工業經濟，2016，（11）：39-55.

[22]?康志勇.金融錯配阻礙了中國本土企業創新嗎？[J].研究與發展管理， 2014，（5）：63-72.