創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動測度與結(jié)果分析

王必好，梁榮成

(1.華東交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌 330013；2.中國人民大學(xué) 勞動人事學(xué)院，北京 100872)

0 引言

當(dāng)前，質(zhì)量變革、效率變革、動力變革既是構(gòu)建新發(fā)展格局的優(yōu)先方向，也是實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要途徑。提高創(chuàng)新要素投入產(chǎn)出效率是“三大變革”的深刻內(nèi)涵和必然要求。創(chuàng)新要素投入主要來源于隨機(jī)變動的技術(shù)成果，由于產(chǎn)出端受加工制造環(huán)節(jié)不可觀測變量沖擊，產(chǎn)出變動是不確定的。創(chuàng)新要素投入產(chǎn)出配置形成于多樣化的要素組合中，結(jié)果是隨機(jī)出現(xiàn)的。投入產(chǎn)出效率在不可觀測變量的作用下具有隨機(jī)變動特征，直接表現(xiàn)為自回歸擾動項的不規(guī)則變動。因此，測度投入產(chǎn)出效率隨機(jī)變動程度具有較高的理論研究價值。本文通過量化分析上市公司投入產(chǎn)出效率隨機(jī)變動程度，研究股票收益率、創(chuàng)新要素投入、時期選擇與新產(chǎn)品產(chǎn)出等信息，探析這種隨機(jī)變動過程中技術(shù)經(jīng)濟(jì)之間的聯(lián)系與形成原因。

基于此，本文重點展開以下研究：①從創(chuàng)新要素投入產(chǎn)出大量數(shù)據(jù)集合中提取主成分，獲取共同因子，采集更多技術(shù)信息，反映創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動特征；②引入不可觀測變量，表示共同因子以外的大量技術(shù)信息，與共同因子組成投入產(chǎn)出效率預(yù)測器，構(gòu)建因子增廣向量自回歸模型(FAVAR)，最大限度地覆蓋技術(shù)信息；③分析變量之間的脈沖響應(yīng)關(guān)系，細(xì)化方差分解，逐一量化、解釋一階滯后自變量、共同因子和預(yù)測器單位擾動項沖擊引發(fā)的投入產(chǎn)出效率變動幅度，量化分析每次沖擊在投入產(chǎn)出效率方差中的貢獻(xiàn)份額，并確定相應(yīng)時期長度，從而細(xì)化分析投入產(chǎn)出效率隨機(jī)變動構(gòu)成。本研究的理論意義在于探析創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動形成原因、結(jié)構(gòu)組成與變動過程，測度隨機(jī)變動程度，優(yōu)化創(chuàng)新要素配置，改善投入產(chǎn)出比例，進(jìn)而提出相關(guān)政策建議。

1 文獻(xiàn)綜述

1.1 創(chuàng)新要素投入產(chǎn)出分析與效率變動

廠商實際盈利、TFP與各自預(yù)測量離差反映效率隨機(jī)變動情況，是經(jīng)濟(jì)衰退與效率下降的原因[1]。Bachmann等[2]認(rèn)為，投入產(chǎn)出效率隨機(jī)變動是由經(jīng)濟(jì)衰退造成的，而不是這種衰退的原因。技術(shù)經(jīng)濟(jì)活動中隨機(jī)變動程度可用多種方法測度[3]。創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動影響因素包括技術(shù)信息[4]、進(jìn)入時期與成本[5]和交易摩擦[6-7]。創(chuàng)新要素投入追求產(chǎn)出最大化，受風(fēng)險因素和隨機(jī)變動的影響[8]。在區(qū)域差異化經(jīng)濟(jì)發(fā)展水平下，相同創(chuàng)新要素投入產(chǎn)出效率相對較低，而有針對性地分配與使用創(chuàng)新要素能夠優(yōu)化投入產(chǎn)出效率[9]。研究表明，隨機(jī)變動特征在創(chuàng)新要素配置中是不可避免的，存在多種形成原因，無論是在投入端還是產(chǎn)出端都產(chǎn)生著深刻影響，導(dǎo)致投入產(chǎn)出效率隨機(jī)變動起伏較大。因此，本文重點研究哪些因素引起這種隨機(jī)變動，通過分析與利用相應(yīng)技術(shù)信息，精準(zhǔn)測度投入產(chǎn)出效率隨機(jī)變動程度。

1.2 隨機(jī)變動過程測度與模型構(gòu)建

隨著約束條件與環(huán)境的變化，投入產(chǎn)出模型也需要調(diào)整相應(yīng)參數(shù)，由此引入隨機(jī)變動因素[10]。隨機(jī)變動因素對模型的影響形式表現(xiàn)為分布形狀差異和分布參數(shù)差異兩種[11-12]，隨機(jī)變動量化分析法包括金融市場波動[13-14]、因子預(yù)測誤差[15]和媒體關(guān)鍵詞頻率[16-17]等。王義中等[18]采用條件方差作為隨機(jī)變動程度的量化指標(biāo)，分析要素投入受到的影響。上述研究表明，投入產(chǎn)出效率隨機(jī)變動可進(jìn)行量化分析，測度結(jié)果與構(gòu)成能夠反映其變動趨勢。因此，可根據(jù)技術(shù)經(jīng)濟(jì)關(guān)系構(gòu)建理論模型，通過計量分析檢驗相應(yīng)參數(shù)，逐步獲得更加完整的技術(shù)信息，再進(jìn)行參數(shù)調(diào)整與模型優(yōu)化。另外，還可以運用因子分析(FA)和向量自回歸(VAR)法構(gòu)建因子增廣向量自回歸模型(FAVAR)，分析技術(shù)信息如何導(dǎo)致投入產(chǎn)出效率隨機(jī)變動，并將其分解為具體構(gòu)成因素進(jìn)行細(xì)化分析。

1.3 技術(shù)進(jìn)步隨機(jī)變動因素分析

Scotti等[19]將宏觀經(jīng)濟(jì)不確定性與技術(shù)進(jìn)步隨機(jī)變動融合在一起，基本經(jīng)濟(jì)指標(biāo)包含隨機(jī)變動因素[20]。技術(shù)進(jìn)步隨機(jī)變動表達(dá)方式包括指標(biāo)離差和VAR擾動項兩種，反映一定時期內(nèi)投入產(chǎn)出效率隨機(jī)變動情況[13]。研究發(fā)現(xiàn)，技術(shù)進(jìn)步是多種因素共同作用的結(jié)果，之前難以預(yù)測出現(xiàn)什么樣的技術(shù)成果。因此，需要深入分析創(chuàng)新要素投入對產(chǎn)出水平的影響效應(yīng)。

創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動不僅表現(xiàn)為單個變量離差或回歸擾動項的變動幅度，通過分析其中的技術(shù)信息，還能夠深入挖掘隨機(jī)變動的多種來源、影響因素與構(gòu)成比例。與以往同類研究不同，本文創(chuàng)新之處在于，投入產(chǎn)出環(huán)節(jié)存在許多不可觀測變量，包含大量技術(shù)信息，通過構(gòu)建因子增廣大向量自回歸模型(FAVAR)可以深度挖掘和有效轉(zhuǎn)化不完全技術(shù)信息，使之更加充分地反映投入產(chǎn)出效率隨機(jī)變動趨勢與特征，精準(zhǔn)量化投入產(chǎn)出效率隨機(jī)變動程度及份額。另外，運用脈沖響應(yīng)分析和方差分解可以揭示這種隨機(jī)變動的主要來源、結(jié)構(gòu)組成與影響程度。

2 模型構(gòu)建

2.1 通過主成分分析提取共同因子

本文借鑒不確定性測度模型[15]研究創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動情況。假設(shè)Dt=(D1t,…,DNt)′為創(chuàng)新要素投入產(chǎn)出中的大量數(shù)據(jù)集合，投入產(chǎn)出效率包括兩個影響因素，即共同因子和不可觀測變量。構(gòu)建以下回歸模型：

(1)

(2)

2.2 通過挖掘投入產(chǎn)出信息構(gòu)建FAVAR模型

(3)

(4)

2.3 FAVAR回歸分析結(jié)果與投入產(chǎn)出效率隨機(jī)變動測度

(5)

(6)

由此，形成研究思路Ⅰ：從創(chuàng)新要素投入產(chǎn)出大量數(shù)據(jù)集合中提煉共同因子，與反映其額外信息的不可觀測變量構(gòu)成預(yù)測器，將其納入創(chuàng)新要素投入產(chǎn)出一階自回歸分析，構(gòu)建因子增廣向量自回歸模型(FAVAR)，使技術(shù)信息覆蓋投入產(chǎn)出效率隨機(jī)變動完整過程，將回歸擾動項轉(zhuǎn)換為隨機(jī)變動方差，以精準(zhǔn)測度隨機(jī)變動程度。

2.4 投入產(chǎn)出效率隨機(jī)變動程度方差分解

投入產(chǎn)出效率隨機(jī)變動主要由預(yù)測器Hit產(chǎn)生，影響變量包括共同因子Rt和不可觀測變量Ut兩種類型，它們間接影響投入產(chǎn)出效率隨機(jī)變動程度，方差分解可以深入分析自回歸擾動項如何導(dǎo)致這種隨機(jī)變動程度。以共同因子Rt為例(對不可觀測變量Ut的討論也采用類似方法)，構(gòu)建回歸分析模型。

(7)

ΠR(k)=ΠR(k-1)+(ΦR)2(k-1)(ηR)2

(8)

式(8)揭示投入產(chǎn)出效率隨機(jī)變動方差ΠR(k)、共同因子Rt方差(ηR)2、滯后一期自回歸系數(shù)ΦR之間的內(nèi)在聯(lián)系。滯后一期自回歸系數(shù)ΦR包含大量額外信息，在時期長度k與共同因子R方差(ηR)2的共同作用下，導(dǎo)致投入產(chǎn)出效率隨機(jī)變動方差ΠR(k)大幅度變動。通過自回歸過程細(xì)化分解方差(ηR)2，以更加深入地分析方差(ηR)2在投入產(chǎn)出效率隨機(jī)變動中產(chǎn)生的沖擊效應(yīng)。本文通過對數(shù)化消除異方差，構(gòu)建一階自回歸模型。

(9)

式(9)主要細(xì)化分解方差(ηR)2在投入產(chǎn)出效率隨機(jī)變動中的影響效應(yīng)，包括3項內(nèi)容：①水平效應(yīng)κR，當(dāng)期方差為0時，即在方差變動初始狀態(tài)下，帶來下一時期方差變動的一般水平；②規(guī)模效應(yīng)σR，即加劇自回歸擾動項隨機(jī)變動幅度；③穩(wěn)定性效應(yīng)εR，當(dāng)期方差信息向下一期傳遞，使方差變動在前后兩期保持相對穩(wěn)定。通過結(jié)構(gòu)化分析共同因子方差自回歸結(jié)果，可以精準(zhǔn)測度投入產(chǎn)出效率隨機(jī)變動情況。

由此，得出研究思路Ⅱ：在FAVAR模型中，共同因子和不可觀測變量構(gòu)成預(yù)測器，在創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動過程中產(chǎn)生3種沖擊效應(yīng)，分別是線性沖擊作用水平效應(yīng)、非線性沖擊作用規(guī)模效應(yīng)和穩(wěn)定性效應(yīng)。

2.5 投入產(chǎn)出效率隨機(jī)變動測度結(jié)果構(gòu)成分析

2.5.1 隨機(jī)變動信息識別與獲取

(10)

(11)

(12)

2.5.2 投入產(chǎn)出效率隨機(jī)變動測度結(jié)果構(gòu)成

(13)

由此，得出研究思路Ⅲ：創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動測度結(jié)果主要由4部分構(gòu)成：投入產(chǎn)出效率一階自回歸擾動項及相應(yīng)隨機(jī)變動方差、預(yù)測器方差及其與投入產(chǎn)出效率的協(xié)方差。

3 指標(biāo)選取與數(shù)據(jù)處理

3.1 指標(biāo)選取

創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動在時間上是連續(xù)的，上下波動是接連不斷發(fā)生的。本文觀測變量時間范圍為2002年1月至2017年12月。創(chuàng)新要素投入產(chǎn)出大量數(shù)據(jù)集合涵蓋32個指標(biāo)，歸納為7大類，具體分類情況如下：①科技活動產(chǎn)出類指標(biāo)包括主營業(yè)務(wù)收入、新產(chǎn)品銷售收入、新產(chǎn)品銷售利潤、每股收益、每股盈余公積、凈資產(chǎn)收益率、新產(chǎn)品產(chǎn)值、科技成果轉(zhuǎn)讓收入8個二級指標(biāo)；②科技活動投入類指標(biāo)包括R&D經(jīng)費支出、研發(fā)人員全時當(dāng)量、每股凈資產(chǎn)、購建無形資產(chǎn)支付的現(xiàn)金、處置無形資產(chǎn)的損失、當(dāng)期計提折舊與攤銷、無形資產(chǎn)攤銷、專利權(quán)減值準(zhǔn)備8個二級指標(biāo)；③技術(shù)獲取和技術(shù)改造支出類指標(biāo)包括引進(jìn)國外技術(shù)經(jīng)費支出、引進(jìn)技術(shù)消化吸收經(jīng)費支出、購買國內(nèi)技術(shù)經(jīng)費支出和技術(shù)改造經(jīng)費支出4個二級指標(biāo)；④科技活動效率類指標(biāo)包括投入產(chǎn)出效率、開發(fā)新產(chǎn)品比重、能源利用效率、R&D人員勞動生產(chǎn)率和R&D經(jīng)費投入產(chǎn)出效率5個二級指標(biāo)；⑤資本市場信息類指標(biāo)包括上證指數(shù)、高科技公司股價指數(shù)和上證加權(quán)平均市盈率3個二級指標(biāo)；⑥進(jìn)出口類指標(biāo)包括高新技術(shù)產(chǎn)品進(jìn)口額和高新技術(shù)產(chǎn)品出口額2個指標(biāo)；⑦價格指數(shù)類指標(biāo)包括高新技術(shù)產(chǎn)品生產(chǎn)者價格指數(shù)和高新技術(shù)產(chǎn)品消費者價格指數(shù)2個二級指標(biāo)。本文以669家上市公司為研究對象，涉及滬深股市中軟件開發(fā)業(yè)、通信設(shè)備業(yè)、電子元器件業(yè)、醫(yī)藥生物業(yè)、汽車零部件業(yè)和電氣設(shè)備業(yè)6個產(chǎn)業(yè)。

3.2 數(shù)據(jù)處理

本文對數(shù)據(jù)進(jìn)行如下處理：①時期處理：參考國家統(tǒng)計局大中型工業(yè)企業(yè)行業(yè)數(shù)據(jù)和上市公司業(yè)績預(yù)報數(shù)據(jù)，將669家上市公司年報數(shù)據(jù)、半年報數(shù)據(jù)細(xì)分為月度、季度數(shù)據(jù)，短時間內(nèi)比較分析投入產(chǎn)出效率變動情況；②異方差處理：首先對4種不同時期數(shù)據(jù)進(jìn)行差分變換，消除異方差；③數(shù)據(jù)可比性處理：由于投入產(chǎn)出效率隨機(jī)變動受創(chuàng)新要素投入與產(chǎn)出兩個環(huán)節(jié)的影響，需要緩解短期投入產(chǎn)出錯配對實證結(jié)果的影響，因此對投入類、產(chǎn)出類指標(biāo)進(jìn)行去量綱化處理。本文采用Stata12.0軟件，運用加權(quán)合并方式吸納更多信息量，分別體現(xiàn)投入產(chǎn)出環(huán)節(jié)中技術(shù)信息識別、吸納與變動情況，保持?jǐn)?shù)據(jù)可比性。

4 實證結(jié)果分析

4.1 共同因子提取

根據(jù)研究思路Ⅰ，運用有限變量獲取更大份額的技術(shù)信息，并將額外信息納入不可觀測變量，組成創(chuàng)新要素投入產(chǎn)出效率預(yù)測器，以實現(xiàn)技術(shù)信息全覆蓋，從而準(zhǔn)確完整地反映投入產(chǎn)出效率隨機(jī)變動情況。從32個指標(biāo)中提取主成分，對每個主成分特征值進(jìn)行降序排列，獲得相對應(yīng)的貢獻(xiàn)率和累計貢獻(xiàn)率，再根據(jù)解釋程度需要達(dá)到的水平選擇主成分?jǐn)?shù)量。最終，選取7個主成分，每個主成分的貢獻(xiàn)率均在1.5%以上，累計貢獻(xiàn)率達(dá)到96.75%；并且，根據(jù)共同因子與主成分特征向量之間的對應(yīng)關(guān)系，得到相應(yīng)實證分析指標(biāo)。表1結(jié)果顯示，通過主成分分析法提煉的7個指標(biāo)解釋程度達(dá)到96.75%，基本獲取創(chuàng)新要素投入產(chǎn)出兩個環(huán)節(jié)的全部信息。

表1 主成分分析法共同因子分析結(jié)果

4.2 不同時期數(shù)據(jù)創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度分析

4.2.1 基于月度數(shù)據(jù)的創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度分析

(1)表2第(1)～(6)列結(jié)果顯示，投入產(chǎn)出效率一階自回歸系數(shù)相對較低，受不可觀測變量的沖擊，不能完全識別技術(shù)信息變動。創(chuàng)新要素沒有足夠時間進(jìn)行調(diào)試與糾錯，容易產(chǎn)生錯配。多種創(chuàng)新要素在較短時期內(nèi)同時完成配置，要素投入沒有得到充分利用，產(chǎn)出水平仍然存在增長潛力，投入產(chǎn)出效率波動幅度較大，未達(dá)到最優(yōu)狀態(tài)。而主營業(yè)務(wù)收入、上證加權(quán)平均市盈率一階自回歸系數(shù)相對較高，通過產(chǎn)品市場、資本市場供求選擇機(jī)制的作用，剔除大量隨機(jī)變動因素，不可觀測因素相對較少，各時期指標(biāo)相關(guān)性較高。

(2)投入產(chǎn)出效率隨機(jī)變動程度與新產(chǎn)品產(chǎn)值環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度相關(guān)性不顯著，明顯低于主營業(yè)務(wù)收入、上證加權(quán)平均市盈率與3個變量之間的相關(guān)程度。根據(jù)研究思路Ⅱ、Ⅲ進(jìn)行深化分析，在短期內(nèi)，階段性技術(shù)進(jìn)步在創(chuàng)造性破壞因素作用下具有非線性趨勢和異質(zhì)性特征。新產(chǎn)品產(chǎn)出過程呈不規(guī)則變化，與傳統(tǒng)定制產(chǎn)品相比，創(chuàng)新要素規(guī)格、數(shù)量、種類、投入時機(jī)與方式等在短期內(nèi)難以消除隨機(jī)因素的影響。同時，知識形態(tài)技術(shù)成果滲透到實體形態(tài)要素受現(xiàn)有裝備水平、技術(shù)參數(shù)、配套功能與適應(yīng)性的影響，不確定性因素增加。新產(chǎn)品功能組合越復(fù)雜，技術(shù)含量越高，制造裝配難度越大，投入產(chǎn)出效率隨機(jī)變動幅度越大。隨機(jī)變動結(jié)構(gòu)組成復(fù)雜化，各種沖擊效應(yīng)持續(xù)放大。相應(yīng)地，主營業(yè)務(wù)收入和上證加權(quán)平均市盈率在市場機(jī)制作用下，通過甄別與篩選創(chuàng)新要素投入、產(chǎn)出、銷售信息和企業(yè)市值信息，獲取更多完全技術(shù)信息。回歸結(jié)果包含少量隨機(jī)因素，干擾程度較小。投入產(chǎn)出比例得到優(yōu)化，貼近新產(chǎn)品生產(chǎn)需求，從而能夠準(zhǔn)確、詳盡地反映新產(chǎn)品產(chǎn)值在不同時期變動情況。

(3)投入產(chǎn)出效率隨機(jī)變動程度與R&D經(jīng)費投入環(huán)比發(fā)展速度、前2期和前4期發(fā)展速度相關(guān)性系數(shù)均低于主營業(yè)務(wù)收入、上證加權(quán)平均市盈率與3個變量的相關(guān)程度。在短期內(nèi)，R&D經(jīng)費投入首先需要購買知識形態(tài)技術(shù)成果，技術(shù)進(jìn)步是隨機(jī)變動的，僅是階段性完成創(chuàng)新要素配置，投入產(chǎn)出環(huán)節(jié)高度契合概率較低，R&D經(jīng)費投入中產(chǎn)出份額存在較大的不確定性。而主營業(yè)務(wù)收入、上證加權(quán)平均市盈率與R&D經(jīng)費投入之間關(guān)聯(lián)程度較高，R&D經(jīng)費投入可以帶來更高性能的產(chǎn)品與企業(yè)價值。產(chǎn)品市場與資本市場能夠緩解創(chuàng)新要素投入中干擾因素帶來的產(chǎn)出波動，兩者之間存在較高的相關(guān)性。

4.2.2 基于季度數(shù)據(jù)的創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度分析

(1)表2第(7)～(10)列回歸結(jié)果顯示，相對于新產(chǎn)品銷售利潤，投入產(chǎn)出效率隨機(jī)變動程度一階自回歸系數(shù)相對較低，且存在較大的估計標(biāo)準(zhǔn)誤差，其偏度低于新產(chǎn)品銷售利潤，而峰度又高于新產(chǎn)品銷售利潤。根據(jù)研究思路Ⅱ可知，隨機(jī)變動來源于規(guī)模沖擊效應(yīng)和穩(wěn)定性沖擊效應(yīng)，主要體現(xiàn)在創(chuàng)新要素需求轉(zhuǎn)化為產(chǎn)出過程中。創(chuàng)新要素投入產(chǎn)出匹配依靠要素市場完成，要素需求是一種引致需求。這種需求既來自于下游生產(chǎn)廠商在要素市場上對中間產(chǎn)品的需求，又依賴于中間產(chǎn)品的技術(shù)含量。選擇中間產(chǎn)品作為要素投入，需要邊際要素成本等于邊際產(chǎn)品價值，即每增加一單位創(chuàng)新要素投入所產(chǎn)生的成本增量等于相應(yīng)產(chǎn)出增量。當(dāng)邊際要素成本小于邊際產(chǎn)品價值時，現(xiàn)有創(chuàng)新要素投入的產(chǎn)出潛力沒有得到充分挖掘，只有持續(xù)增加投入才能帶來更高水平的產(chǎn)出。當(dāng)邊際要素成本大于邊際產(chǎn)品價值時，單位要素投入產(chǎn)出增量小于相應(yīng)成本投入增量，因此此時應(yīng)當(dāng)減少創(chuàng)新要素投入。

(2)投入產(chǎn)出效率隨機(jī)變動程度與新產(chǎn)品產(chǎn)值環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度相關(guān)系數(shù)均低于新產(chǎn)品銷售利潤與3個變量的相關(guān)程度，前者存在較高的估計標(biāo)準(zhǔn)誤差，其偏度高于后者，而峰度又低于后者，這種隨機(jī)變動程度相對較大。創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度作為被解釋變量，間接受到產(chǎn)品市場需求的影響。消費者預(yù)期受多種因素的影響，如相關(guān)商品性價比。如果新產(chǎn)品性價比高于相關(guān)產(chǎn)品，消費者將優(yōu)先選擇新產(chǎn)品，從而拉動創(chuàng)新要素投入，改善投入產(chǎn)出比例。創(chuàng)新產(chǎn)品需求價格彈性也會影響消費者預(yù)期，當(dāng)需求價格富有彈性時，單位價格變動帶來新產(chǎn)品需求量更大幅度的反向變動，消費者將在合適的價格水平下形成較大的購買需求，從而帶來相應(yīng)創(chuàng)新要素需求。然而，消費品供求均衡條件比較嚴(yán)格，消費者邊際效用等于貨幣邊際價值，兩者難以長期保持相等狀態(tài)，從而導(dǎo)致投入產(chǎn)出效率隨機(jī)變動程度較大，因此與3個變量的相關(guān)性較弱。而新產(chǎn)品銷售利潤與3個變量有較強(qiáng)的相關(guān)性。根據(jù)研究思路Ⅱ，創(chuàng)新要素在新產(chǎn)品加工制造應(yīng)用過程中對市場信息變動比較敏感，規(guī)模沖擊效應(yīng)比較顯著。當(dāng)形成寡頭壟斷市場結(jié)構(gòu)時，市場競爭以價格和產(chǎn)量為主，分別形成伯特蘭均衡和古諾均衡，兩者對激勵創(chuàng)新、優(yōu)化投入產(chǎn)出效率造成差異化影響結(jié)果。以價格競爭為主的伯特蘭均衡比古諾均衡更能夠促進(jìn)創(chuàng)新，新產(chǎn)品市場供求銜接緊密，價格信息傳遞靈敏，生產(chǎn)與銷售環(huán)節(jié)沒有出現(xiàn)要素閑置浪費和產(chǎn)品過剩短缺，從而實現(xiàn)邊際成本等于邊際收益。中間產(chǎn)品利用程度持續(xù)提升，技術(shù)進(jìn)步不確定性因素得到有效改善。

(3)投入產(chǎn)出效率隨機(jī)變動程度與R&D經(jīng)費投入環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度相關(guān)系數(shù)顯著低于新產(chǎn)品銷售利潤與3個變量之間的相關(guān)系數(shù)。投入產(chǎn)出配置需要持續(xù)增加知識形態(tài)技術(shù)成果投入，而技術(shù)進(jìn)步受多種因素的制約，技術(shù)存量變動只能通過離散變量反映，其對投入產(chǎn)出效率形成明顯沖擊。創(chuàng)新要素在投入環(huán)節(jié)需要連續(xù)購買知識形態(tài)技術(shù)成果，因為其在引進(jìn)消化吸收過程中，受技術(shù)性能改進(jìn)、加速折舊及創(chuàng)造性破壞等因素的影響。當(dāng)技術(shù)進(jìn)步實現(xiàn)跨越式發(fā)展后，創(chuàng)新要素配置存在較大差異，技術(shù)進(jìn)步隨機(jī)變動受到多種沖擊而發(fā)生擴(kuò)散與放大，技術(shù)成果投入難以完全適應(yīng)生產(chǎn)環(huán)節(jié)需要，無法實現(xiàn)深層次轉(zhuǎn)化利用，導(dǎo)致投入產(chǎn)出效率呈曲線變動，而非持續(xù)平穩(wěn)上升。當(dāng)以新產(chǎn)品銷售利潤作為被解釋變量時，新產(chǎn)品產(chǎn)值受到市場供求狀況與價格波動的影響，僅從產(chǎn)出端觀察投入產(chǎn)出效率與新產(chǎn)品銷售利潤之間的關(guān)聯(lián)性，發(fā)現(xiàn)兩者相關(guān)程度相對較高。

4.2.3 基于半年度數(shù)據(jù)的創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度分析

(1)表2第(11)～(14)列回歸結(jié)果顯示，投入產(chǎn)出效率隨機(jī)變動程度一階自回歸系數(shù)低于新產(chǎn)品銷售收入，前者偏度高于后者，而峰度又低于后者，說明投入產(chǎn)出兩環(huán)節(jié)包含更多不可觀測變量，創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度較大。由研究思路Ⅲ可知，隨著觀察期延長，技術(shù)成果生成概率低，隨機(jī)變動測度結(jié)果反映多種干擾項變動信息。創(chuàng)新要素投入能夠緩解階段性技術(shù)進(jìn)步對產(chǎn)出效率的負(fù)面沖擊，使投入產(chǎn)出效率趨于平穩(wěn)。而新產(chǎn)品銷售收入一階自回歸僅取決于市場供求狀況和產(chǎn)品價格因素，其它隨機(jī)因素影響較小，影響程度與變動趨勢相對平穩(wěn)。

(2)投入產(chǎn)出效率隨機(jī)變動程度與新產(chǎn)品產(chǎn)值環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度回歸系數(shù)均低于新產(chǎn)品銷售收入與3個變量的回歸系數(shù)。根據(jù)研究思路Ⅱ可知，創(chuàng)新要素投入產(chǎn)出配置隨著觀察期逐步延長，技術(shù)進(jìn)步受更多隨機(jī)因素的沖擊，給階段性技術(shù)進(jìn)步預(yù)測帶來難度，投入產(chǎn)出效率隨機(jī)變動規(guī)模效應(yīng)趨于顯著。兩階段技術(shù)進(jìn)步之間的概率集合交集越大，這種影響效應(yīng)越容易識別，技術(shù)向更高階段升級的概率就越大。前后兩階段技術(shù)進(jìn)步界限模糊，只能將有限的關(guān)聯(lián)性信息轉(zhuǎn)化為由原因到結(jié)果的條件概率，創(chuàng)新要素投入產(chǎn)出隨機(jī)變動程度與新產(chǎn)品產(chǎn)值之間的回歸系數(shù)較低。

(3)投入產(chǎn)出效率隨機(jī)變動程度與R&D經(jīng)費投入環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度回歸系數(shù)均低于新產(chǎn)品銷售收入與3個變量的回歸系數(shù)。R&D經(jīng)費投入、人力資本、知識資本等創(chuàng)新要素配置比例及產(chǎn)出份額不確定，而是隨著人力資本流動性、結(jié)構(gòu)改進(jìn)與實際利用、知識資本穩(wěn)定性及替代比例等因素的變動而變動。最優(yōu)投入產(chǎn)出比例的實現(xiàn)條件是每種創(chuàng)新要素的邊際要素成本等于邊際產(chǎn)品價值，依此不斷進(jìn)行調(diào)整，創(chuàng)新要素投入產(chǎn)出對下階段實際效率的影響只能依據(jù)當(dāng)前狀況預(yù)測，從而優(yōu)先選擇可以多次反復(fù)使用的知識資本，最終優(yōu)化投入產(chǎn)出效率。但是，知識形態(tài)創(chuàng)新要素需要融入一定份額的實體形態(tài)創(chuàng)新要素中，如實驗設(shè)備、耗材、研發(fā)樣品、試制車間等的購買、配置、流轉(zhuǎn)與使用周期相對較長。由研究思路Ⅱ可知，不同種類創(chuàng)新要素配置存在較大的不確定性，投入產(chǎn)出效率包含諸多隨機(jī)因素，上下波動起伏較大。而新產(chǎn)品銷售收入與R&D經(jīng)費投入保持相同方向的變動。相對于一般產(chǎn)品，新產(chǎn)品由于增加R&D經(jīng)費投入，提高產(chǎn)品技術(shù)含量，滿足消費者多樣化需求，新產(chǎn)品功能與消費者效用得到較好改進(jìn)，能夠逐步占領(lǐng)更大的市場份額。因此，應(yīng)該激勵更多廠商優(yōu)先投入R&D經(jīng)費，持續(xù)深化技術(shù)創(chuàng)新，通過提高產(chǎn)品附加值獲得更大市場份額，而不是通過產(chǎn)量競爭和低價傾銷占領(lǐng)市場。

表2 創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度回歸比較結(jié)果

4.2.4 基于年度數(shù)據(jù)的創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度比較分析

(1)表2第(15)～(18)列回歸結(jié)果顯示，投入產(chǎn)出效率隨機(jī)變動程度一階自回歸系數(shù)低于新產(chǎn)品產(chǎn)值。在較長時期內(nèi)，投入產(chǎn)出效率隨機(jī)變動具有規(guī)模效應(yīng)，這與研究思路Ⅱ的結(jié)果一致。創(chuàng)新要素投入包括購買技術(shù)成果與自主研發(fā)兩種方式。前者一次性投入較大，受技術(shù)市場選擇的影響，技術(shù)成果供給者往往利用獨占地位索取壟斷高價，技術(shù)水平出現(xiàn)驟升驟降，難以保持穩(wěn)定的投入產(chǎn)出效率。而后者有著相對平穩(wěn)的投入機(jī)制，但是研發(fā)成果生成與轉(zhuǎn)化應(yīng)用存在許多偶然因素，投入產(chǎn)出效率一階自回歸出現(xiàn)較大波動。在較長時期內(nèi)，中間產(chǎn)品加工制造程度持續(xù)深化，與人力資本、知識資本等創(chuàng)新要素配置存在較大不確定性。投入產(chǎn)出效率逐漸向高精尖方向轉(zhuǎn)變，技術(shù)進(jìn)步難度加大，積累了較多技術(shù)風(fēng)險因素。每次連續(xù)性技術(shù)研發(fā)投入不能等比例地提升產(chǎn)出水平，產(chǎn)出水平可能高于或者低于投入水平。較小階段技術(shù)進(jìn)步可能帶來投入產(chǎn)出效率的大幅變動，從而導(dǎo)致創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度自回歸波動幅度較大。新產(chǎn)品產(chǎn)值通過先后選擇多種要素配置方式實現(xiàn)，要素選擇存在時間空檔，技術(shù)信息得到充分識別轉(zhuǎn)化，經(jīng)過多次試錯，逐步達(dá)到效率優(yōu)化狀態(tài)，使創(chuàng)新要素得到更加集約的高效利用，從而實現(xiàn)相對穩(wěn)定的發(fā)展速度。

(2)創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度與R&D經(jīng)費投入環(huán)比發(fā)展速度、前2期和前4期定基發(fā)展速度相關(guān)系數(shù)明顯低于新產(chǎn)品產(chǎn)值與3個變量的相關(guān)系數(shù)。R&D經(jīng)費投入是連續(xù)完成的，在投入環(huán)節(jié)可根據(jù)風(fēng)險判斷加以控制，而人力資本、知識資本配置帶來的技術(shù)進(jìn)步是以離散方式實現(xiàn)的，其不確定性因素發(fā)生的時間、節(jié)點及作用效果等都難以捕捉，知識與技術(shù)成果加速折舊出現(xiàn)信息遺失。階段性技術(shù)進(jìn)步融入連續(xù)性知識形態(tài)創(chuàng)新要素中存在許多時間間隙，導(dǎo)致創(chuàng)新要素閑置浪費，新產(chǎn)品產(chǎn)值與3個變量具有較強(qiáng)的相關(guān)性。R&D經(jīng)費投入在新產(chǎn)品產(chǎn)值形成過程中具有一定的替代彈性，與其它創(chuàng)新要素配置存在較大的選擇空間，無論是在成果利用、配置比例還是信息傳遞、產(chǎn)出預(yù)測等方面，均能夠形成更加優(yōu)化的創(chuàng)新要素配置比例，兩者之間具有較高的相關(guān)性。

4.3 創(chuàng)新要素配置中投入產(chǎn)出效率隨機(jī)變動分析

在創(chuàng)新要素配置中，新產(chǎn)品產(chǎn)值按照增長速度分為正增長與負(fù)增長兩類，本文對投入產(chǎn)出效率隨機(jī)變動程度與兩類變量的相關(guān)性進(jìn)行回歸分析。表3第(1)～(3)列回歸結(jié)果表明，兩者相關(guān)程度較低。這是因為，投入產(chǎn)出效率隨機(jī)變動在產(chǎn)出端受產(chǎn)品加工制造程度的影響，為實現(xiàn)跨越式技術(shù)進(jìn)步，不得不迅速拉開技術(shù)進(jìn)步距離。各階段技術(shù)進(jìn)步之間存在較大空間，新產(chǎn)品產(chǎn)出水平起伏變動較大。技術(shù)進(jìn)步觸發(fā)點不確定，而是隨著配套條件、制約因素的變動而改變。由研究思路Ⅱ可知，投入產(chǎn)出效率隨機(jī)變動程度無論是與正增長還是負(fù)增長新產(chǎn)品產(chǎn)值都弱相關(guān)。這是因為，技術(shù)信息水平效應(yīng)和穩(wěn)定性效應(yīng)不顯著，不完全技術(shù)信息產(chǎn)生規(guī)模效應(yīng)，隨機(jī)變動程度快速擴(kuò)散與放大。剖析與識別這些不完全技術(shù)信息，可以精準(zhǔn)測度投入產(chǎn)出效率隨機(jī)變動程度。

R&D經(jīng)費投入存在正增長和負(fù)增長兩種效應(yīng)，本文對創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度與兩者的相關(guān)性進(jìn)行回歸分析。表3第(4)～(6)列回歸結(jié)果表明，兩者相關(guān)關(guān)系不顯著。R&D經(jīng)費投入主要用于購買人力資本和知識資本，導(dǎo)致上一階段技術(shù)進(jìn)步僅對當(dāng)前階段產(chǎn)生影響，而與下階段技術(shù)進(jìn)步無關(guān)。由研究思路Ⅱ可知，技術(shù)信息傳導(dǎo)、反饋機(jī)制不存在穩(wěn)定性效應(yīng)和水平效應(yīng)，各種干擾因素是動態(tài)變化的，漸進(jìn)式與跨越式技術(shù)進(jìn)步隨時發(fā)生變換，既定R&D經(jīng)費投入在要素配置中出現(xiàn)錯位時，規(guī)模效應(yīng)顯著，投入產(chǎn)出效率隨機(jī)變動程度較大。

表3 創(chuàng)新要素配置投入產(chǎn)出效率隨機(jī)變動程度結(jié)果

4.4 創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度脈沖響應(yīng)分析

4.4.1 變量選取與分析原理

在投入產(chǎn)出環(huán)節(jié)中產(chǎn)生脈沖變動的變量包括主營業(yè)務(wù)收入、研發(fā)人員全時當(dāng)量和新產(chǎn)品銷售利潤，受這些脈沖變動影響的結(jié)果變量有5個，即t=1、6、12時期投入產(chǎn)出效率隨機(jī)變動程度、上證加權(quán)平均市盈率和新產(chǎn)品產(chǎn)值。分析原理來源于研究思路Ⅲ，刻畫k=6、12時期脈沖變量單位方差引起響應(yīng)變量方差的變動情況，觀察響應(yīng)變量方差最大值及其時間長度，從而量化分析方差變動幅度與趨勢，精準(zhǔn)測度投入產(chǎn)出效率隨機(jī)變動程度。

4.4.2 主營業(yè)務(wù)收入

表4第(1)、(3)、(5)和(7)列回歸結(jié)果顯示，在k=6、12時期的脈沖變量作用下，t=1、6、12時期投入產(chǎn)出效率隨機(jī)變動程度、上證加權(quán)平均市盈率形成響應(yīng)結(jié)果，通過深入挖掘不可觀測變量產(chǎn)生的隨機(jī)變動信息，能夠精準(zhǔn)細(xì)致地量化其隨機(jī)變動過程。根據(jù)研究思路Ⅱ和Ⅲ，共同因子與不可觀測變量構(gòu)成預(yù)測器，本文從多個構(gòu)成部分對投入產(chǎn)出效率隨機(jī)變動程度形成較大的解釋份額，并與上證加權(quán)平均市盈率變動情況進(jìn)行比較研究，以細(xì)化分析不完全技術(shù)信息擴(kuò)散規(guī)模效應(yīng)，測度投入產(chǎn)出效率隨機(jī)變動程度。投入產(chǎn)出效率隨機(jī)變動程度脈沖響應(yīng)結(jié)果和一階自回歸擾動項是隨機(jī)變動測度結(jié)果的主要構(gòu)成部分，在較短時期內(nèi)出現(xiàn)大幅度波動。表4第(2)、(4)、(6)和(8)列回歸結(jié)果表明，當(dāng)以新產(chǎn)品產(chǎn)值作為響應(yīng)變量時，脈沖變量單位方差導(dǎo)致響應(yīng)變量方差形成較大差異。這是因為，在創(chuàng)新要素配置過程中，既定創(chuàng)新要素投入在生產(chǎn)、加工、裝配、成果轉(zhuǎn)化等環(huán)節(jié)受各種不確定性因素的影響，難以實現(xiàn)最大化產(chǎn)出，與投入產(chǎn)出效率隨機(jī)變動程度的相關(guān)性較低。

4.4.3 研發(fā)人員全時當(dāng)量

表4第(1)、(3)、(5)和(7)列回歸結(jié)果為在k=6、12時期脈沖變量的作用下，t=1、6、12時期投入產(chǎn)出效率隨機(jī)變動程度、上證加權(quán)平均市盈率等4個響應(yīng)變量的方差、最大方差及相應(yīng)時期長度。對應(yīng)地，表4第(2)、(4)、(6)和(8)列回歸結(jié)果為，當(dāng)以新產(chǎn)品產(chǎn)值作為響應(yīng)變量時的方差變動幅度及相應(yīng)時期長度。從中可見，當(dāng)以研發(fā)人員全時當(dāng)量作為脈沖變量時，技術(shù)積累速度加快，導(dǎo)致創(chuàng)新要素投入與技術(shù)進(jìn)步需求不能完全同步，各種創(chuàng)新要素投入出現(xiàn)錯配，產(chǎn)出沒有達(dá)到最高水平，仍然存在增長潛力，投入產(chǎn)出效率不是一維線性變化，而是呈現(xiàn)隨機(jī)變動。由研究思路Ⅲ可知，在投入產(chǎn)出效率隨機(jī)變動程度一階自回歸分析中，共同因子與不可觀測變量構(gòu)成預(yù)測器，與滯后一期因變量組成自回歸因變量，通過最大限度地覆蓋技術(shù)信息，能夠更加全面地反映投入產(chǎn)出效率隨機(jī)變動情況，量化分析投入產(chǎn)出效率隨機(jī)變動程度。

4.4.4新產(chǎn)品銷售利潤

表4第(1)、(3)、(5)和(7)列回歸結(jié)果為在k=6、12時期脈沖變量的作用下，t=1、6、12時期投入產(chǎn)出效率隨機(jī)變動程度、上證加權(quán)平均市盈率等4個變量作為響應(yīng)變量時的方差、最大方差及相應(yīng)時期長度。由研究思路Ⅲ可知，預(yù)測器包含技術(shù)轉(zhuǎn)化、技術(shù)進(jìn)步正外部性、負(fù)外部性等額外信息，預(yù)測器方差能夠更加精細(xì)化地反映投入產(chǎn)出效率隨機(jī)變動趨勢與程度。對應(yīng)地，表4第(2)、(4)、(6)和(8)列回歸結(jié)果為新產(chǎn)品產(chǎn)值在4次脈沖響應(yīng)關(guān)系中的方差變動趨勢，集中表現(xiàn)為最大方差及所在時期長度。從中可見，技術(shù)成果轉(zhuǎn)化率是提高新產(chǎn)品產(chǎn)值的必要條件。在正外部性條件下，完全競爭市場促進(jìn)技術(shù)成果迅速轉(zhuǎn)化、新產(chǎn)品產(chǎn)值快速提升，而在負(fù)外部性條件下，新產(chǎn)品產(chǎn)值增長滯后，兩種外部性轉(zhuǎn)換受多種條件的制約。因此，新產(chǎn)品產(chǎn)值導(dǎo)致投入產(chǎn)出效率隨機(jī)變動程度呈不規(guī)則變化，通過挖掘和開發(fā)更多技術(shù)信息，可以細(xì)致深入地量化這種隨機(jī)變動程度。

表4 創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動測度方差分解結(jié)果

5 結(jié)語

本文重點測度創(chuàng)新要素投入產(chǎn)出效率隨機(jī)變動程度，運用主成分分析法，從技術(shù)創(chuàng)新活動大量數(shù)據(jù)集合中提取共同因子，與反映其額外信息的不可觀測變量組成預(yù)測器，通過構(gòu)建因子增廣向量自回歸模型(FAVAR)，充分挖掘既定變量信息，有效利用現(xiàn)有數(shù)據(jù)資源，避免引入較多變量而導(dǎo)致信息疊加度過高。以669家上市公司投入產(chǎn)出效率為研究對象，從32個指標(biāo)構(gòu)成的大量數(shù)據(jù)集合中提取7個指標(biāo)作為共同因子，獲取最大化技術(shù)信息量，使投入產(chǎn)出效率隨機(jī)變動測度能夠獲得更多信息來源。研究發(fā)現(xiàn)，一階滯后因變量和預(yù)測器變動方差對投入產(chǎn)出效率隨機(jī)變動測度結(jié)果形成3種沖擊效應(yīng)，即線性水平效應(yīng)、非線性規(guī)模效應(yīng)和穩(wěn)定性效應(yīng)，投入產(chǎn)出效率隨機(jī)變動程度由4項構(gòu)成：投入產(chǎn)出效率自回歸擾動項、預(yù)測器方差及其與投入產(chǎn)出效率的協(xié)方差及投入產(chǎn)出效率隨機(jī)變動方差。

未來可以細(xì)化分析創(chuàng)新要素供求雙方如何識別與判斷不完全技術(shù)信息，推理與歸納雙方收益最大化目標(biāo)下的技術(shù)信息選擇策略，探討不同規(guī)模創(chuàng)新要素投入所包含的技術(shù)信息，分析這些信息在投入產(chǎn)出效率隨機(jī)變動中的差異化作用，論證技術(shù)信息獲取與轉(zhuǎn)化實現(xiàn)路徑。這些內(nèi)容不僅是對本文研究主題的有益拓展，而且使技術(shù)效率與技術(shù)信息理論成果更加貼近實踐需求，具有較好的應(yīng)用前景。據(jù)此，本文提出以下政策建議：

(1)政府層面需要完善創(chuàng)新要素市場。構(gòu)建競爭有序適度、價格反應(yīng)靈敏、供求銜接順暢、信息公開充分的技術(shù)成果交易市場，加大知識產(chǎn)權(quán)保護(hù)力度，充分發(fā)揮市場機(jī)制的作用，更好地激勵技術(shù)研發(fā)活動，優(yōu)化資源分配，增強(qiáng)創(chuàng)新主體活力，實現(xiàn)效率提升有空間、產(chǎn)業(yè)成長有動能、資源集聚有回報。

(2)產(chǎn)業(yè)層面需要集約利用要素投入。對知識信息進(jìn)行深度挖掘與開發(fā)，改變單純依靠R&D經(jīng)費投入、R&D研發(fā)人員全時當(dāng)量增加的規(guī)模式擴(kuò)張，注重既有創(chuàng)新要素集約、高效利用，以創(chuàng)新要素投入產(chǎn)出效率為導(dǎo)向，實現(xiàn)內(nèi)涵式創(chuàng)新驅(qū)動發(fā)展。

(3)微觀層面需要加快信息傳導(dǎo)擴(kuò)散。發(fā)揮技術(shù)信息在創(chuàng)新要素配置中的神經(jīng)傳輸功能，鼓勵技術(shù)信息廠商參與流通、交易、利用與轉(zhuǎn)化，顯著提高資源利用效率，避免要素閑置浪費與短缺，促進(jìn)既定創(chuàng)新要素投入創(chuàng)造更多產(chǎn)出。