創新價值鏈視角下制造業技術創新效率測度及影向因素硏究

[摘要]基于創新價值鏈理論、構建兩階段DEA模型測度2011-2019年制造業企業技術創新效率、引入Malmquist指數并進行分解分析，本研究在此基礎上構建Tobit模型研究技術創新效率的影響因素。結果顯示：制造業企業技術創新整體效率較低，尤其是研發階段效率很低，但總體呈逐年改善趨勢;不同產權性質、區域和行業的制造企業技術創新效率具有異質性，且研發階段效率對技術創新整體效率影響較大，是制約技術創新整體效率提升的主要因素;員工教育質量、盈利能力和現金流動性均對技術創新整體效率有顯著正向影響，而發明專利、出口程度、存續年限、企業成長性和高技術產業對技術創新整體效率有顯著負向影響。

[關鍵詞]制造業;技術創新;效率測算;影響因素;兩階段DEA模型

[中圖分類號]F424

[文獻標識碼]A

[文章編號]1008-1763（2021）06-0037-09

一引言

在國家創新驅動發展戰略背景下，我國經濟進入換擋增速、動力轉型、結構優化的“新常態”時期山，技術創新成為產業變革和經濟高質量發展的重要動能2。但作為實體經濟的核心，我國制造業的創新投入產出失衡，雖然技術創新投入總額高，但創新能力的核心指標較發達國家過低。由于我國制造業技術創新資源利用率低下，創新投入出現增長懲罰現象，額外投資對促進產出的作用較小企業金融化進一步抑制了制造業技術創新。制造業的良性發展，提升制造業企業的技術創新績效，需要系統地掌握制造業整體技術創新資源利用情況。因此，有必要準確測量技術創新效率，全面剖析制造業技術創新效率影響因素。

我國制造業規模巨大，各企業間經濟實力、資源背景、生產產品和流程等存在顯著異質性，各企業技術創新資源利用情況也不盡相同，增加了技術創新效率測量的難度。在現有研究成果中，數據包絡分析（DEA）和隨機前沿分析（SFA）是效率評價的兩種前沿分析方法，SFA方法考慮了隨機因素對輸出的影響，但不適合管理具有多個輸出的對象。DEA作為同時考慮多投入多產出的評價方法，最早由Charnes等提出，在效率評價中得到了廣泛的應用7。已有文獻主要從區域或行業的宏觀層面考察制造業技術創新效率-，對微觀企業的研究較少。其中，Wang等考察了新能源企業創新效率，但忽略了專利產出的影響。Cruz-cazares等-1從企業層面研究了創新效率，但忽略了創新活動的中間過程，將創新活動視為單一過程。同時，傳統的DEA方法將技術創新過程視為一個“黑箱”，沒有考慮技術創新中間過程及其對技術創新效率的影響。

事實上，技術創新是一個復雜的過程，創新資源的劇烈轉化貫穿于整個過程，Hage和Hollingworthy4是首批將技術創新視為連鎖過程的學者之一。Hansen和Birkinshaw提出基于創新過程中價值創造的創新價值鏈理論。Carayannis等16提出考慮創新活動的內部結構有望提供更有意義和信息豐富的結果，并將創新過程分為知識生產和知識轉化兩個階段。目前，越來越多的研究使用兩階段DEA方法研究技術創新效率。例如，方正起等運用網絡EBM模型對中國軍工企業技術創新效率進行測度分析，發現成果轉化階段和技術創新綜合效率均高于技術開發階段。Xiong等利用兩階段動態DEA模型測算中國科學院科研機構的創新效率，研究表明創新整體效率與商業化效率的關系更為密切。企業作為技術創新的主體，對其效率的考察具有重要意義，然而，現有研究缺乏從微觀視角綜合分析我國制造業技術創新效率現狀。因此，本文從技術創新價值鏈視角出發，將技術創新視為一個多投入、多產出、多環節的復雜過程，同時按技術創新模式將制造業企業分為四類，并考察制造業企業技術創新效率差異的影響因素，為技術創新效率提升提出有針對性的策略和戰略建議。

二制造業技術創新效率測算模型

（一）創新價值鏈視角下的技術創新過程分析

Hansen和Birkinshaw-提出了創新價值鏈視角理論，將技術創新理論和價值鏈理論結合。創新價值鏈依托于技術創新是一個連續的、多階段的過程，包括想法的產生、想法的發展和想法的擴散，從而為企業帶來盈利。本文將制造業企業技術創新過程分解為上游研發階段和下游成果商業化階段，具有明顯的兩階段鏈式網絡特征。如圖1所示，上游研發階段將研發資源的投入轉化為知識、技術產出;下游成果商業化階段將研發成果和專項投入用于生產面向市場的商品或服務，轉化為商業效益，從而創造市場價值，獲得利潤1。上游階段的產出作為企業技術創新活動的中間產物，不僅是企業研發活動的產出成果，也是技術創新成果商業化過程的前提，連接著技術創新兩階段過程。

（二）基于兩階段DEA的技術創新效率測算模型

本文利用創新價值鏈理論，將技術創新分為上游研發和下游成果商業化兩個階段。假設有j個決策單元（DMU）。每個DMU第一階段有i個投入（x，1=1……，D），r個產出（y，r=1，……，R），同時也是第二階段的投入;第二階段有g個專項投入（xa·g=1，……，G），最終得到k個最終產出（x，k1，……，K）。借鑒Wang等構建基于非徑向方法和羅素方向距離函數，規模報酬不變的DEA模型，通過DEA模型測算制造業企業的技術創新效率，使所有輸入和輸出松弛變量的組合最大化：

A.研發階段：

B.成果商業化階段

其中，研發階段為投入導向，成果商業化階段為產出導向。

表示第一階段投入i和第二階段產出k的松弛變量，得到技術創新整體效率（E”P）、研發階段效率（ERD）和成果商業化階段效率（Em）：

其中，0和gk分別是投入i的權重和產出k的權重，m和o2分別表示兩階段權重。

（三）Tobit回歸模型構建

采用Tobit回歸模型考察技術創新整體效率及其子階段效率的影響因素，模型構建如下：

其中，Y代表因變量，Y。是潛變量，當潛變量為正值時，表示技術創新效率。本文分別以技術創新整體效率（EP）、研發階段效率（ER）和成果商業化階段效率（Em）為因變量進行Tobi回歸;X。為自變量，表示企業特征的變量，具體如表1所示;y是彈性系數。下標和t分別代表企業和年份，e是隨機誤差項。

三數據與變量

（一）樣本選取與數據來源

本文選取2011-2019年滬深A股制造業上市企業為研究對象進行實證研究。制造業企業選取基于國家統計局發布的《國民經濟活動行業分類》。其中，專利數據源于CSMAR數據庫，其他數據源于Wind數據庫。樣本篩選要剔除含有缺失數據和具有退市風險（ST或ST*）的樣本，最終得到包含465家制造業上市企業的平衡面板數據，包含4185個觀測值。

（二）變量定義

一是投入產出指標。企業在上游研發階段需要投入大量資源，本文將研發支出、員工工資和固定資產作為投入指標，分別代表研發過程的財力、人力和物力資源投入。研發活動的產出通常以專利和新產品的形式出現，本文使用企業專利申請量作為產出指標，由于不是所有的研發都擁有專利，因此選取無形資產作為第二個產出指標。研發階段的產出變量也是成果商業化階段的投入變量（即專利和無形資產）;在下游成果商業化階段，選取營業成本、銷售和管理費用為專項投入，最終產出指標定義為營業收入和總利潤，反映企業盈利能力是影響因素指標。變量的描述分析如表1所示。

四實證分析

（一）技術創新效率分析

時我國465家制造業企業2011-2019年技術創新整體效率（EP）、研發階段效率（ERD）和成果商業化階段效率（Em）進行測算，結果如表2所示。結果顯示，樣本企業年均技術創新整體效率低于0.6，企業平均技術創新整體效率在2011年為0.5429，在2019年為0.5579。制造企業技術創新資源利用率較差，有較大提升空間。制造企業研發階段和成果商業化階段效率均值分別為0.2403和0.8059，結果表明企業成果商業化階段效率優于研發階段效率，研發效率低下是制約技術創新效率的重要因素。研發和成果商業化效率差異大的主要原因：其一，我國以市場經濟為主導，企業運營的目的是盈利，因此技術創新成果商業化階段受到更多的關注，有效的成果商業化過程更加符合企業經營理念;其二，我國制造業致力于提高自主創新能力，核心技術研發需要進行大量的研究和試驗，造成了部分研發資源的浪費。研究結果說明研發階段比成果商業化階段具有更多的開發潛力，提高研發效率需要合理配置技術創新資源，避免過度投資造成的資源浪費。

本研究進一步分析樣本企業技術創新效率的時序變化，采用Pastor和Lovel2的全局前沿Malmquist指數，測算技術創新全要素生產率（TFP）、技術進步指數（TECH）和效率變動指數（TECCE），結果如表3所示。根據表3結果發現我國制造業企業技術創新全要素生產率年均大于1，表明2011-2019年間我國制造業企業技術創新整體效率逐年提升，雖然技術創新整體效率表現較差，但是技術創新資源利用情況逐年得到改善。效率變動指數反映了技術創新生產技術的“追趕”效應，我國制造企業樣本期間效率平均提高了1.7%。其中，2012-2013、2014-2015、2016-2017和2018-2019年間效率變化指數小于1，意味著企業平均效率下降，在技術創新發展中沒有形成“追趕”效應，效率變化沒有促進技術創新效率提升。技術進步指數均值為1.1319，表明總體而言我國制造企業技術創新取得技術進步。從價值創新鏈視角分析，研發階段全要素生產率均值大于1，說明除20182019年外，研發效率逐年得到改善：成果商業化階段自2015年起，效率逐年提升。表3結果表明，我國制造業企業技術創新效率變動趨勢同時受技術進步和效率變動的作用。

（二）技術創新效率差異對比分析制造業企業技術創新效率針對不同產權性質區域和行業具有異質性。通過圖2可對比不同產權性質企業技術創新效率。在樣本期間內，制造業國有企業研發效率顯著低于非國有企業;除2015和2016年外，國有企業成果商業化效率高于非國有企業，但差異較小;綜合看來，國有企業技術創新整體效率低于非國有企業。非國有企業面臨激烈的市場競爭和投資預算限制，同時，大多數中國高科技公司都是非國有企業，企業屬性要求企業具有產品差異化優勢，因此更有可能以更高的效率開展研發活動。而國有企業更易獲得政府融資、稅收抵免和多元化的分銷渠道，同時制造業企業為了企業存續，都較為重視傳統經濟效益的實現。研究結果再次證明，研發效率低下是抑制企業技術創新效率的關鍵因素。

表4列出了各區域技術創新效率值。從區域角度看，中部地區的研發效率和技術創新整體效率均高于東部地區，而成果商業化效率低于東部地區這一結果顯示了東部沿海地區具有經濟規模優勢和較強的市場競爭力，更加重視企業經濟效益;中部地區通過調整產業結構、優化資源配置、引進先進技術能夠實現技術創新的空間較大。根據表4看出，西部地區技術創新效率最優。這一現象驗證了西部大開發戰略工作的成效顯著。隨著西部大開發工作開展，西部地區產業結構得到優化升級。具體來說，西部地區根據其獨特地域特征和資源優勢，形成了符合當地特色的產業基地，其中包括西安、成都等地已經形成一定規模的高新技術產業。西部地區憑借其較低的人力物力成本，引進或開發了先進科技研發活動，提升了企業生產效率，從而擁有較高投入產出比。從地區角度看，2011-2019年間，我國大部分地區制造業企業技術創新效率穩步提高，但河北、遼寧、安徽、重慶、甘肅和西疲五地區技術創新效率卻逐年下降。我國各地技術創新效率不同，導致各地區技術創新效率變動具有顯著差異，如遼寧、甘肅和重慶具有較高的技術創新整體效率，但其技術創新效率呈逐年下降趨勢。相反，像廣西和浙江等技術創新整體效率低下，但其技術創新效率呈逐年提升趨勢。

根據國民經濟分類標準，本文將樣本企業劃分為28個子行業，計算各行業技術創新效率均值如圖3所示。結果顯示，我國各行業研發效率和成果商業化效率差距較大，研發與成果商業化關系不協調，研發瓶頸是我國制造業各行業技術創新的短板，我國制造業應注重提高研發資源利用率。技術創新整體效率排名前三行業均屬于低技術產業，分別是石油、煤炭及其他燃料加工業，木材加工和木、竹、藤棕、草制品業，酒、飲料和精制茶制造業。上述行業企業研發投人低，主要以優化改進產品為主，較低水平的研發資源投人可獲得較高水平產出，從而具有較高的研發效率，形成較高的技術創新效率。相反汽車制造業以及鐵路、船舶、航空航天和其他運輸設備制造業屬于高技術產業，其技術創新整體效率處于較低水平。高技術產業具有研發成本高、周期長難度大的特征，降低了研發投入產出比，雖然具有較高市場效益，但研發效率低下抑制了技術創新整體效率。

（三）技術創新資源利用模式分析

根據研發階段效率和成果商業化階段效率，制造業企業技術創新發展模式可以分為四類（如圖4所示）。

A類：集約型。曉程科技（0.8562，0.9172）和老風祥（0.4426，1.0000等共62家企業屬于這一類型。這類企業具有良好的研發資源配置和成果轉化機制。

B類：側重成果商業化，研發能力較弱。長春高新（0.0858，1.0000和上柴股份（0.0246，0.8832）等共166家企業屬于此類。這類企業存在技術研發方面的短板，其技術創新尚未涉及產業核心技術開發和系統性集成技術。同時，研發過程的資源浪費和產出不足現象使研發效率低下，企業可以通過增加技術積累和掌握核心關鍵技術實現規模化生產，以利于提高研發產出績效。

C類：粗放型。滬電股份（0.0432，0.8017）和杭齒前進（0.1758，0.5925）等129家制造業企業研發效率和成果商業化效率均較低。此類企業創新資源配置不合理、利用率較低，不重視研發成果的市場價值兌現，導致企業投入大量的研發資金和人力，但產出低下的局面。

D類：側重研發，成果商業化程度較低。這類企業對應機器人（0.8560，0.6832）和國民技術（08140，0.4948）等108家。D類企業具有一定的技術累積，但研發成果產業化機制不完善，市場導向不明確，研發活動生產的專利產出和非專利產出沒有實現其市場價值，浪費企業創新資源。該類企業亟需開展符合市場需求的創新活動，使企業實現商業價值。

我國集約技術創新型制造業企業較少，僅占樣本總量的13.33%，絕大多數企業的研發活動與商業轉化之間聯系脫鉤。我國不斷加大創新投入力度帶動了研發產出的量化增加，但研發活動的技術含量和產出轉化率低下，研發產出的增加沒有帶來同等的經濟效益提升，導致我國制造業企業整體技術創新效率較低。

（四）影響因素分析

本文通過構建Tobit回歸模型，分析我國制造業企業技術創新效率影響因素，為提升技術創新效率途徑提供參考，回歸結果如表5所示。對比研發階段和成果商業化階段影響因素發現，發明專利和非發明專利申請對研發階段效率提高具有顯著促進作用;相反，發明專利和非發明專利申請對成果商業化階段效率具有顯著抑制作用。這一現象是由于專利從開發到應用周期較長且需要投入大量資源，但在短期內無法實現經濟效益，造成效率差異的影響。企業規模僅對成果商業化階段效率具有顯著負向作用，表明企業規模的增大反而會加大企業財務負擔，抑制技術創新成果商業化水平。員工教育水平對企業技術創新研發效率具有顯著正向作用，表明高學歷科研人員是企業開展研發活動的主體，但不能顯著影響研發成果的市場化進程。股權集中度系數僅在研發階段顯著為負，即股權結構的高度集中不利于提高企業研發階段效率。出口程度對研發階段效率具有顯著負向作用。企業存續年限系數在研發階段顯著為負，在成果商業化階段不顯著，表明隨企業存續年份的增加，企業技術創新發展疲軟態勢使其面臨研發瓶頸，從而使研發水平不斷下降。企業產權性質和資產負債率水平對技術創新各階段效率不具有顯著影響1。企業成長性對研發效率的提高具有顯著抑制作用，結果表明營業收入的增長不利于技術創新效率的提升。企業盈利能力對制造業企業的研發階段效率沒有顯著影響，而對成果商業化階段效率具有顯著的正向影響。研究表明，高盈利能力有助于企業將投入資源轉化為技術優勢和收益，促進研發成果實現商業化目標。高技術產業系數在研發階段效率顯著為負，表明高技術企業相比低技術企業具有較低的研發資源利用率。現金流動系數為正，但僅在成果商業化階段具有顯著性，表明現金流動性増強會提高成果商業化效率。

五結論與建議

本文以我國2011-2019年制造業上市企業為研究對象，測算其技術創新效率及影響因素，為有效評價我國制造業企業技術創新情況及提升路徑提供依據。首先，我國制造業企業技術創新整體效率表現較差，存在較大的提升潛力，但其在樣本期內逐年得到改善。其中，成果商業化階段效率優于研發階段效率。其次，不同產權性質、區域、行業的企業技術創新效率具有異質特征，且研發階段效率對技術創新整體效率影響較大，是抑制技術創新整體效率的主要因素。再次，我國集約技術創新型制造業企業稀缺，大部分制造業企業均為低開發的技術創新模式，占比超60%，研發和成果商業化之間關系脫鉤，需要關注技術創新短板，致力于提升薄弱環節。最后，制造業企業技術創新整體及其子階段效率影響因素具有較大差異。發明專利和非發明專利的開發均有助于提高研發階段效率，但不利于成果商業化階段效率提升。員工教育質量提高、盈利能力和現金流動性的增加對技術創新整體效率是有利的，可以顯著促進技術創新效率提高。相反，企業出口程度、存續年限、成長性和高技術產業會顯著抑制技術創新整體效率提高。

結合研究結果，以下政策建議供決策者參考第一，提高技術創新效率已成為制造業企業可持續發展的關鍵。企業需保持技術創新投資的合理遞增，避免盲目擴張和重復建設，實現以技術創新為驅動，推進產業結構優化升級和持續增長。第二，搭建企業技術創新服務平臺，完善技術創新政府支持機制，為制造業提供稅收抵免等研發補貼政策，以應對技術創新成本高、周期長等特征帶來的潛在風險，為企業研發活動的長期有效開展提供充分的資源支持。第三，制定以補齊短板為導向的效率提升路徑，優化技術創新資源利用模式。研發能力較弱企業需要同時大力支持發明、實用型和外觀設計型非發明專利的研發，引進高質量人才提高知識內化能力，同時鼓勵創業型企業進入市場，激發市場活力，提升企業研發動力和產出水平。成果商業化能力較弱企業則需要注重銷售渠道的拓展，研發以解決市場實際問題的產品和服務，使研發成果成功實現商業化目標，避免盲目擴大企業規模以加重企業負擔。粗放型企業應該以提高成果商業化為突破口，通過合理追加資源投入、配置資源、引進再創新等途徑提高研發效率，從而實現技術創新整體效率提升。

[參考文獻]

[1]江紅莉，蔣鵬程.財政分權，技術創新與經濟增長質量[J].財政研究，2019（12）：75-86.

[2]朱慧明，王向愛，賈相華.社會責任和研發投入對企業績效影響的分位關系研究[J].湖南大學學報（社會科學版），2019（5）：47-55

[3]張峰，黃玖立，王睿.政府管制、非正規部門與企業創新：來自制造業的實證依據[J].管理世界，2016（2）：95-111+169

[4]Wang E. Ramp;D Efficiency and Economic Performance Cross-country Analysis Using the Stochastic Frontier Approach[J]. Journal of Policy Modeling. 2007（2）： 34536

[5]王紅建，曹瑜強，楊慶，等.實體企業金融化促進還是抑制了企業創新——基于中國制造業上市公司的經驗研究[J].南開管理評論，2017（1）：155-166

[6]成瓊文，賀顯祥，李寶生.綠色技術創新效率及其影響因素——基于我國35個工業行業的實證研究[J].中南大學學報（社會科學版），2020（2）：97-107

[7]charnes A， Cooper W， Rhodes E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978（6）：429-444.

[8]李詩琪，楊晨.金融發展對綠色創新效率的影響研究[J].江西師范大學學報（哲學社會科學版），2018（6）：84-92

[9]雷輝，鄭艷.資源稟賦差異下中國工業企業的環境創新效率研究[J].財經理論與實踐，2018（4）：131-137.

[10] Wang Q， Hang Y， Sun L. Two-stage Innovation Efficiency of New Energy Enterprises in China： A Non-radial DEA Approach J l. Technological Forecasting and Social Change2016（12）：254-261.

[11] Cruz Cazares C， Bayona-saez C， Garcia-marco T. You Can’t Manage Right What You Can't Measure Well： TechnologicalInnovation Efficiency[J]. Research Policy， 2013（6-7）： 1239

[12] Wu H， Chen I， Chen [J]. The Ramp; D Efficiency of the Taiwanese Semiconductor Industry[J]. Measurement， 2019（7）： 203213

[13]劉亦文，歐陽瑩.我國新一代信息技術產業創新效率的時空特征與動態演進[J].湖南大學學報（社會科學版），2020（5）：52-6

[14] Hage J， Hollingsworth [J]. A Strategy for the Analysis of Idea Innovation Networks and Institutions J 1. Organization Studies，2000（5）：971-1004

[15] Hansen M， Birkinshaw [J]. The Innovation Value Chain J Harvard Business Review， 2007（6）： 961-977

[16] Carayannis E， Goletsis Y， Grigoroudis E. Multi-level Multi

stage Efficiency Measurement： the Case of Innovation Systems[J]. Operational Research， 2015（2）： 253-274

[17]方正起，張寶承，秦杰.創新價值鏈視角下我國上市軍工企業技術創新效率評價研究[J].經濟與管理評論，2019（6）：37-48

[18] Xiong X， Yang G， Guan Z. Assessing Ramp; D Efficiency Using a Two-stage Dynamic DEA Model： A Case Study of Research Institutes in the Chinese Academy of Sciences[J]. Journal O Informetrics， 2018（3）： 784-805

[19] Qin X， Du D. Measuring Universities，Ramp;D Performance in China's Provinces： A Multistage Efficiency and Effectiveness Perspective [J]. Technology Analysis amp; Strategic Management，2018（20）：1392-1408.

[20] Pastor J， Lovell C A Global Malmquist Productivity Indexlj Economics Letters. 2005（2）： 266-271

[21]賓厚，馬全成，王歡芳.政產學研協同創新模式與產業技術創新

質量[J].湖南科技大學學報（社會科學版），2020（4）：70-79.