戰略性新興產業上市公司動態創新效率測度及其影響因素研究
——基于兩階段DSBM模型與Tobit模型

曾卓騏，王 躍

(華東理工大學 商學院，上海 200237)

0 引言

創新是國家發展進步的不竭動力，中共十九屆六中全會將堅持開拓創新作為中國共產黨百年奮斗積累的寶貴歷史經驗之一。我國已經把自主創新貫徹到國家層面發展戰略中，把創新驅動發展戰略寫入國策，將高水平科技自立自強作為國家發展的戰略支撐。創新是驅動國家經濟增長的重要因素[1]，現階段，中國經濟發展進入新常態，必須加快培育創新型行業，提高科技創新發展的質量和效益，通過創新促進國家經濟增長。企業是創新的主體，其創新能力與我國科技創新體系建設的進度與質量密切相關。

2010年10月18日，《國務院關于加快培育和發展戰略性新興產業的決定》首次提出以培育和發展戰略性新興產業作為國家重大戰略，并指出到2030年，中國戰略性新興產業整體創新能力和產業發展要達到世界先進水平。作為基于重大技術突破和重大發展需求，對經濟社會全局和長遠發展有著重大引領帶動作用的產業，戰略性新興產業具有科技含量高、市場潛力大、帶動能力強、綜合效益好等特征，是國民經濟的支柱產業和先導產業，對中國經濟發展具有非同尋常的戰略意義。我國把高端裝備制造、節能環保、生物、新能源、新能源汽車、新材料、新一代信息技術等作為現階段重點發展的戰略性新興產業。目前，我國戰略性新興產業還處于初級發展階段，在創新發展過程中，存在企業自主創新能力弱、整體創新效率偏低、成果轉化能力不足、核心技術對外依存度高等諸多問題，對戰略性新興產業創新發展造成嚴重阻礙。

近年來，我國研發投入和研發規模不斷擴大，研發支出總額連續多年穩居世界第二，2019年，全社會研發支出約2.2萬億元，占GDP比重為2.19%，科技進步貢獻率為59.5%。但是，按照世界知識產權組織(WIPO)和《全球創新指數報告》的評估，2020年中國創新指數僅居世界第14位，與歐美發達國家差距較大。以上反差說明我國創新成果轉化過程中存在問題，創新成果產出未能與創新投入成比例增加，創新效率偏低的問題亟待解決。創新效率代表創新投入與創新產出之間的有效轉換率，是衡量企業自主創新能力的一個重要指標，能夠反映技術創新水平。因此，為保證我國戰略性新興產業創新可持續發展，有必要打開“黑箱”，測度分析戰略性新興產業上市公司創新效率及其影響因素，對于深化技術創新效率研究和提高企業創新效率具有重要意義。

本文貢獻主要體現在：第一，與現有大多數文獻關注區域層面不同，本文利用微觀數據，從企業層面分析戰略性新興產業上市公司創新效率及其影響因素，豐富了相關文獻的研究視角。第二，以往研究主要采用投入導向的傳統靜態模型測算創新效率，本文運用產出導向的高階動態模型，考慮創新投入一定情況下的產出最大化問題和連續時期結轉活動的動態創新效率。第三，基于創新產出的滯后性，分別考察不同階段使用不同創新產出指標的企業創新效率及其影響因素，深化對戰略性新興產業企業創新效率及其影響因素的認識，為提高戰略性新興產業上市公司創新效率提供參考。

1 文獻綜述

縱觀國內外研究，學術界關于戰略性新興產業創新效率測度的方法主要有兩類：參數方法和非參數方法。其中，以Chames等[2]提出的數據包絡分析(DEA)為代表的非參數方法應用最廣，其次是以Aigner等[3]、Meeusen & Broeck[4]、Battese & Corra[5]提出的隨機前沿分析(SFA)為代表的參數方法。非參數方法是數學規劃方法，參數方法是計量經濟學方法，二者都是最前沿的效率測量技術[6]。陳紅玲[7]基于產業維度和區域維度，考慮資源環境因素，利用SBM方向性距離函數與GML指數，對2005—2014年中國戰略性新興產業的環境技術創新效率增長值進行測度；劉暉等[8]利用DEA模型，對中國內地28個省域的戰略性新興產業技術創新綜合效率、純技術效率和規模效率進行評估；黃海霞和張治河[9]基于DEA-Malmquist指數分解方法，對中國內地28個省域和三大區域戰略性新興產業的技術創新效率進行分析比較，發現純技術效率對戰略性新興產業技術創新的影響最大，全要素生產率增長動力具有區域異質性；Wang等[10]以2009—2013年中國38家新能源企業為樣本，基于新能源企業創新活動的研發過程和營銷過程，采用數據包絡分析方法構建研發效率、市場效率和集成創新效率測度指標體系；閆俊周和楊祎[11]采用BCC模型、超效率模型、回歸模型等方法對2013—2015年中國戰略性新興產業的供給側創新效率進行評價；李柏洲等[12]運用BCC模型、相似SFA模型測算戰略性新興產業研發和轉化兩階段創新效率，發現我國戰略性新興產業整體創新效率不高，轉化階段的創新效率略高于研發階段，而且產業間及產業內部存在異質性，外商投資與政府支持力度會抑制創新效率；閆俊周等[13]利用CCR模型對2012—2017年400家中國戰略性新興產業上市公司創新效率進行測算，發現政府補貼有助于戰略性新興產業創新效率提升，而金融支持不利于創新效率提升，金融支持在政府補貼與創新效率之間存在遮掩效應。

現有研究主要存在以下不足：第一，已有文獻主要從區域或產業視角對戰略性新興產業創新效率展開研究，而企業作為創新主體，卻鮮有文獻從企業視角進行研究。第二，鮮有學者運用高階動態DEA模型測算創新效率，通常使用傳統靜態DEA模型，如CCR模型和BCC模型。然而，企業創新活動是一個動態過程，在不同時期和不同階段具有不同表現，若忽略創新效率隨時間變化的動態演化過程，僅使用靜態DEA模型測算，則無法準確評估連續時期戰略性新興產業上市公司的動態效率變化。為彌補上述不足，本文采用動態松弛變量測量方法(dynamic slacks-based measure approach，DSBM)測算戰略性新興產業上市公司動態創新效率。

2 模型與數據

傳統測量方法僅孤立考察企業各個時期的效率，而忽略連續時期的結轉活動。本文采用Tone & Tsutsui[14]提出的考慮自由結轉變量延續性的DSBM模型，測度我國戰略性新興產業七大重點領域的873家上市公司動態創新效率。在此基礎上，使用面板Tobit回歸模型分析影響企業創新效率的因素。

2.1 模型設定

2.1.1 考慮動態效率與自由結轉變量的DSBM模型

長期持續運營的公司除有當期投入與產出項目外，還有從當期到下一期的結轉項目[6]。戰略性新興產業創新過程中同樣存在結轉項目，使用傳統DEA模型(CCR和BCC模型)會忽略結轉項目，必然無法準確測算出創新效率水平。傳統靜態DEA模型忽視了連續時期的結轉活動，在測算企業長期效率變化時存在缺陷，動態DEA(Dynamic SBM)模型則將結轉活動納入模型，可以更好地測算企業長期效率。本研究采用DSBM模型評估多個時期的效率，打破了傳統DEA使用上的限制。此外，與假設投入與產出同比例變化的徑向模型相比，DSBM模型是一種非徑向動態DEA模型，假定允許投入、產出和結轉變量非同比例變化，可以準確測算一段時期內具體每期的企業效率，比傳統靜態DEA方法更準確。因此，本文使用DSBM模型測算戰略性新興產業上市公司創新效率，更符合現實情況。

根據Tone & Tsutsui[14]提出的DSBM模型，以結轉活動(carry-over activities)作為連結，假設動態創新過程有n個決策單元DMUj(j=1,2,…,n)跨越T個期間(t=1,2,…,T)，在t期每個決策單元DMUj均有投入與產出，通過結轉連結到下一期(t+1)，每期共有m種投入(i=1,2,…,m)、p種中間產出(i=1,2,…,p)和s種最終產出(i=1,2,…,s)。xijt表示決策單元DMUj在第t期的投入要素，zijt表示決策單元DMUj在第t期的中間產出，yijt表示決策單元DMUj在第t期的最終產出。考慮相鄰期間的結轉變量，分析戰略性新興產業動態創新效率，選擇基于規模報酬可變假設與產出導向的DSBM模型。

(1)

式(1)受如下方程約束：

(2)

(3)

(4)

(t=1,2,…,T)

(5)

(6)

2.1.2 Tobit模型

由于DEA方法測算出的效率值在[0,1]區間，需要分析的數據具有如下特點：因變量為受到某種限制的受限因變量，其數值是截斷或者切割數據。若使用最小二乘法估計包含截尾數據的模型，則參數會產生偏差，且估計量不一致。因此，采取Tobit模型對此類受限數據模型進行估計。

為揭示影響企業創新效率的因素及影響程度，在創新效率測度基礎上，本文采用Tobit模型進行進一步分析。定義因變量創新效率為E*，則Tobit模型為：

E*=β'xi+μi

(7)

E=max(0,β'xi+μi)(i=1,2,…,n)

(8)

本文采用不同變量進行Tobit模型測算，以分析不同因素對創新效率的影響。

2.2 變量選擇、樣本選擇與數據來源

2.2.1 變量選擇

(1)DSBM模型變量選擇。借鑒嚴太華等[15]的研究，本文利用產出導向與規模報酬可變條件下的DSBM模型測算戰略性新興產業動態創新效率。本文在兩階段都選擇DSBM-O-V模型，SBM是基于松弛變量的模型，比原始的BCC、CCR模型更優化，DSBM模型是以SBM模型為基礎的動態模型，能夠反映多階段企業創新效率動態變化情況。一方面，創新兩階段的產出最大化比投入最小化更受關注，因而本文選擇以產出為導向的模型(Output-oriented，縮寫為O)。有學者選擇以投入為導向的模型[16-18]，因為該模型假定資源是稀缺的，能夠解決投入最小化的問題，而產出導向模型可解決投入一定情況下產出最大化的問題。我國研發支出總量高居全球第二，企業創新活動以研發成果和經濟利益最大化為主要目標，因此本文選擇以產出為導向的模型。另一方面，本文選擇規模報酬可變(Variable returns-to-scale，縮寫為V)相對而言更加合理，測算出的效率是綜合效率。

戰略性新興產業上市公司創新是一個多投入、多產出的動態復雜過程。本文將技術創新過程分為兩個階段，第一階段是技術研發階段，主要通過投入研發資源創造新技術，通常以專利形式作為該階段產出衡量指標；第二階段是技術成果轉化階段，是技術性產出轉化為收益性產出和競爭性產出的過程，是一種商業化、產業化過程。

技術研發階段的研發資源投入通常包括人員投入和資本投入，文獻中一般以研發人員投入和研發經費支出表征研發創新投入[19]，本文選取研發人員數量作為人員投入，研發資金投入作為資本投入。專利與技術創新關系密切，是測量技術創新產出的可靠指標，衡量標準客觀、數據易于獲得，主要以專利形式體現[20-22]。在專利類型方面，發明專利技術含量高，能夠客觀衡量創新能力與科技綜合實力[23]。參考亞琨等(2022)的方法，本文選取發明專利作為技術研發階段的產出指標，同時作為創新全過程的中間產出，即技術成果轉化階段的投入指標。

技術成果轉化階段是科技成果產業化產生收益的時期，只有把專利轉化成產品，并且獲得經濟效益和價值增值，才能實現創新從技術研發到商品化的全過程。現有文獻大多基于區域層面測算創新效率，通常選取新產品銷售收入作為衡量新產品產值的指標[24]。在企業層面，由于部分上市公司沒有公開披露新產品銷售收入數據，對企業創新效率的衡量尚未形成權威、統一的指標體系。企業最基本的經營活動成果表現為主營業務收入和營業利潤[25-27]。鄭威和陸遠權(2022)采用主營業務收入和新產品銷售收入衡量成果轉化階段的創新產出。在創新投入方面，本文選取員工總數作為人員投入，研發支出作為資本投入，發明專利數作為技術投入。在創新產出方面，本文認為營業收入比主營業務收入更能真實反映創新產品的經濟效益，因為新產品尚未替代老產品成為主營產品時，新產品收益可能不會被企業劃分為主營業務收入，因而使用營業收入替代主營業務收入測算創新效率更為合適。本文分別以營業收入、營業收入增長額、營業收入增長率作為創新產出指標，測算企業創新效率，并比較3種情況下的創新效率值，以期選出較為合理的指標。本文首先以營業收入增長額衡量企業創新產出，在之后的創新效率測算中，選取營業收入、營業收入增長率作為替代性產出指標進行比較分析。

根據上述對戰略性新興產業技術創新的分析，本文構建測算企業兩階段創新效率的指標體系，如表1所示。

表1 兩階段投入產出變量

(2)Tobit模型變量選擇。面板數據Tobit回歸模型設定為：

(9)

其中，第一階段和第二階段的Tobit模型分別為：

(10)

(11)

式中，Eit*為因變量，表示企業創新效率值，i代表企業，t代表時間，α為參數，ε為誤差項。以各類創新效率影響因素為自變量，參考李雪松和曾宇航[28]、王成東等[29]、肖文和林高榜[24]的做法，本文將影響效率的因素分為投入要素和其它影響因素。投入要素包括人員投入(Per、Emp)、資本投入(Inv、Expe)和技術投入(Pat)。考慮到企業創新效率會受到企業自身特征等因素影響，本文引入企業規模、企業年齡、政府補貼、資產收益率、研發強度、勞動力素質、企業性質和企業類型等其它影響因素。其中，企業規模(Scale)用總資產衡量，以總資產取自然對數表示；企業年齡(Age)使用企業年齡的自然對數表示；政府補貼(Gov)用政府補貼的自然對數表示；資產收益率(ROA)用凈利潤與總資產的比值表示(凈利潤/總資產)；研發強度(R&D)用研發投入與營業收入的比值衡量(研發投入/營業收入)；勞動力素質(Labor)主要是指勞動力的智能素質，其高低直接決定勞動生產率，用研發人員數與員工總數的比值表示(研發人員數/員工總數)；企業性質(Soe)為啞變量，國有企業取1，非國有企業取0；企業類型(Dome)為啞變量，內資企業取1，外資企業取0。

2.2.2 樣本選擇與數據來源

本文綜合《國務院關于加快培育和發展戰略性新興產業的決定》和國家統計局《戰略性新興產業分類(2018)》對戰略性新興產業的界定，選擇高端裝備制造、節能環保、生物、新能源、新能源汽車、新材料、新一代信息技術七大重點產業作為研究對象。按照戰略性新興產業分類標準，篩選中國A股中的戰略性新興產業相關上市公司，選取在2014—2017年上市的企業為研究對象，收集并整理2011—2019年企業一手創新和財務數據。剔除ST、*ST類以及數據缺失的上市公司樣本后，最終獲得873家上市公司有效樣本。

數據主要來源于CSMAR數據庫、Wind數據庫、國家知識產權局、上市公司年報等公布的企業創新和財務數據。

3 實證結果及分析

3.1 基于DSBM模型的創新效率測度

由于專利具有新穎性、創新性和實用性的嚴格要求，可以直接衡量企業創新產出，并且具有可得性，因而在創新研究中得到廣泛采用。專利分為發明專利、實用新型專利和外觀設計專利。發明專利要經歷受理、初審、公布、實質審查、授權5個階段，一般要耗費2～3年時間，授權數量比率為40%～50%，授權專利是審核最嚴格、最有價值的專利種類。大部分文獻用發明專利申請數衡量普通創新產出，用發明專利授權數衡量高質量創新產出，本文也采用這一方法衡量創新產出。

3.1.1 整體動態創新效率測算

本文采用MAXDEA和DEA-Solver軟件測算動態創新效率。基于企業視角，以不同變量作為兩階段創新產出指標，系統比較戰略性新興產業上市公司整體動態創新效率水平，測算結果如表2所示。

表2 整體兩階段動態創新效率測算結果

在整體創新效率方面，為避免中間產出在兩階段權重不同而引起模型測算的矛盾[30]，本文設定兩階段權重相同，均為0.5。根據兩階段創新效率，計算得出采用不同創新產出指標的整體創新效率分別為0.37、0.71、0.66、0.274。

首先，分別以發明專利授權數、營業收入增長額作為兩階段創新產出，且兩階段創新產出均滯后兩年。結果顯示，在第一階段，戰略性新興產業上市公司平均創新效率為0.518 8，2014—2017年平均創新效率呈倒U型變化，2015年上市的企業平均創新效率最高，2017年最低。在第二階段，戰略性新興產業上市公司平均創新效率為0.216 1，低于第一階段，平均創新效率下降58%；2014—2017年平均創新效率總體呈下降趨勢，2014年上市的企業平均創新效率最高，2015年最低，僅為0.158 5，說明2015年上市的企業第二階段創新效率總體偏低；2017年上市的企業創新效率極差較大，最大值為1，最小值僅為0.001 2，表明不同上市公司之間的創新效率存在很大差異。總之，戰略性新興產業上市公司兩階段創新效率偏低，第一階段創新效率高于第二階段，企業在兩階段的創新效率不成比例，并且不同企業的創新效率在各個時期差異較大。

其次，第一階段創新產出仍然使用發明專利授權數，第二階段創新產出使用營業收入替代營業收入增長額，且兩階段創新產出均滯后兩年。結果顯示，第一階段平均創新效率還是0.518 8，第二階段平均創新效率達到0.901 1，遠大于第一階段。在第一階段，2014—2017年平均創新效率呈倒U型變化；在第二階段，2014—2017年平均創新效率呈正U型變化。綜上，用營業收入替代營業收入增長額作為第二階段的創新產出時，第一階段創新效率遠低于第二階段。比較發現，以營業收入作為第二階段創新產出測算的創新效率高于以營業收入增長額作為創新產出測算的創新效率。

再次，第一階段創新產出采用發明專利申請數，第二階段創新產出仍然使用營業收入，兩階段均不滯后。結果顯示，第一階段平均創新效率為0.421 0，低于以發明專利授權數為產出指標測算的效率值0.518 8，2014—2017年平均創新效率呈倒U型變化。第二階段平均創新效率為0.899 0，高于第一階段，2014—2017年平均創新效率呈正U型變化。比較發現，以發明專利授權數作為第一階段創新產出測算的創新效率，高于以發明專利申請數作為創新產出測算的創新效率。

最后，進一步使用營業收入增長率作為替代變量，分析用不同指標測算的創新效率差異。為避免過多的重復比較，第一階段創新產出依然使用發明專利申請數，第二階段創新產出使用營業收入增長率，測算兩階段創新效率。結果顯示，第一階段平均創新效率仍然是0.421 0，2014—2017年平均創新效率呈倒U型變化。第二階段平均創新效率僅為0.127 0，低于第一階段，而且各年份平均創新效率均低于0.2，2014—2017年平均創新效率總體呈下降趨勢。此外，第二階段創新效率極差較大，最大值為0.999 7，最小值僅為0.000 6，說明不同企業之間的創新效率極不均衡。

基于上述分析，以營業收入作為創新產出指標的創新效率最高，其次是營業收入增長額，以營業收入增長率作為創新產出指標的創新效率最低。其中，以營業收入作為第二階段創新產出指標時，第二階段創新效率在0.9左右，這與多數學者的研究結論以及我國戰略性新興產業技術成果轉化階段創新效率偏低的實際情況存在出入，說明采用營業收入作為創新產出指標不合適。此外，以營業收入增長率作為第二階段創新產出指標時，第二階段創新效率很低，僅略大于0.1，遠低于多數文獻的測算結果，說明采用營業收入增長率作為創新產出指標也不合適。因此，綜合比較3種創新產出指標，本文采用營業收入增長額作為第二階段創新產出指標，更能反映現階段我國戰略性新興產業上市公司創新效率現狀。

3.1.2 不同產業動態創新效率測算

由于不同細分產業的創新能力和產業特點具有差異，產業之間及產業內部可能存在異質性。因此，本文以發明專利授權數、營業收入增長額分別作為兩階段創新產出指標，且兩階段創新產出數據均滯后兩年，測算戰略性新興產業七大重點產業上市公司創新效率，結果見表3。

表3 不同產業兩階段動態創新效率測算結果

結果顯示，不同細分產業之間的創新效率存在異質性，而且第二階段創新效率普遍低于第一階段。在第一階段，七大重點產業的創新效率按照從高到低排序依次為新材料、生物、節能環保、新能源、新能源汽車、新一代信息技術、高端裝備制造。其中，新材料產業上市公司平均創新效率最高，為0.715 2，高端裝備制造產業上市公司平均創新效率最低，為0.591 3。在第二階段，七大重點產業的創新效率按照從高到低排序依次為新材料、節能環保、生物、新能源、新能源汽車、高端裝備制造、新一代信息技術。其中，新材料產業上市公司平均創新效率仍最高，為0.442 2，新一代信息技術產業上市公司平均創新效率最低，僅為0.276 3。總體而言，高端裝備制造和新一代信息技術產業的兩階段創新效率都較低。因此，我國應采取措施大力提高戰略性新興產業上市公司第二階段創新效率，特別是提升高端裝備制造與新一代信息技術產業的創新效率迫在眉睫。

3.2 投入要素與其它因素對企業創新效率的影響分析

參考李雪松和曾宇航[28]、王成東等[29]的方法，進一步分析投入要素和其它因素對戰略性新興產業上市公司創新效率的影響，Tobit模型回歸結果如表4、5所示。

表4結果顯示，在第一階段，投入要素和其它因素對創新效率具有不同影響。在投入要素方面，研發人員與創新效率在多數年份負相關，且有兩年通過顯著性檢驗，原因可能是研發人員的無效投入過多，導致創新效率低下。研發資金投入與創新效率負相關，且有3年通過顯著性檢驗，可能是因為研發資金超額投入或重復投入，反而阻礙創新效率提升。在其它影響因素方面，企業規模與創新效率在多數年份具有顯著正向關系，說明擴大企業規模有利于提高企業創新效率，可能是因為大型企業比中小型企業擁有更多創新資源和更大優勢。企業年齡與創新效率在多數年份負相關，說明成立時間短的企業比成立時間長的企業更具創新意愿，可能是因為年輕企業在接受知識創新和新興事物方面更具活力。政府補貼與創新效率在多數年份負相關，且都沒有通過顯著性檢驗，表明政府補貼會抑制企業創新效率提升，可能是因為缺乏完善的監督管理機制，企業將政府補助投向其它方面而不是用于創新活動。資產收益率作為衡量盈利能力最常用的指標之一，能夠反映企業資產利用效果。資產收益率與創新效率在多數年份正相關，表明企業盈利能力越強，越有助于開展創新活動，提高創新效率。研發強度與創新效率正相關，且有3年通過顯著性檢驗，表明研發強度能夠促進創新效率提升。勞動者素質與創新效率在多數年份正相關，說明勞動者素質越高，學習吸收前沿知識技術的能力越強，越有助于提高企業創新效率。企業性質與創新效率在多數年份正相關，且有兩年通過顯著性檢驗，說明國有企業創新效率高于非國有企業，可能是因為國有企業能為技術提升和專利研發提供充裕的資金支持，而非國有企業的科研基礎比較薄弱。企業類型對創新效率不存在顯著正向或負向影響，說明內資企業與外資企業的創新效率無顯著差異。

表4 Tobit模型估計結果(第一階段)

表5結果顯示，在第二階段，投入要素和其它因素對創新效率也具有不同程度影響。在投入要素方面，員工總數與創新效率負相關，且有3年通過顯著性檢驗，可能是因為大量人員的重復投入導致未能發揮出對創新效率的促進作用。研發支出與創新效率顯著負相關，可能是因為企業對資金的配置與利用能力較弱，無法充分合理利用資金進行技術成果轉化活動。發明專利授權數與創新效率在大多數年份正相關，但是沒有通過顯著性檢驗，說明企業創新活動受到自身研發實力影響，增加發明專利授權數有利于促進創新效率提升，可能是因為專利產業化與商品化的轉化率偏低，導致不顯著。在其它影響因素方面，企業規模與創新效率顯著正相關，可能是因為規模較大的企業擁有更多專利和生產銷售渠道，從而有助于提高創新效率。企業年齡與創新效率在大多數年份負相關，且均未通過顯著性檢驗，表明企業成立時間越長，技術成果轉化能力越弱，創新效率越低。政府補貼對創新效率存在負向影響，說明政府補貼會抑制創新效率提升，可能是由于政府補貼滋生企業過度依賴政府資金的低效率行為[29]。資產收益率與創新效率顯著正相關，表明較高的資產收益率有利于企業開展持續性的創新活動，進而提升企業創新效率。研發強度對創新效率具有不顯著的正向影響。勞動者素質與創新效率在大多數年份正相關，且有兩年通過顯著性檢驗，可能是因為較高的勞動者素質有助于促進生產和銷售，從而提高技術成果轉化效率。企業性質對創新效率不具有明顯的正向或負向影響。企業類型與創新效率負相關時，通過顯著性檢驗，說明外資企業比內資企業的創新效率略高；企業類型與創新效率正相關時，未能通過顯著性檢驗。

表5 Tobit模型估計結果(第二階段)

4 結論與建議

本文基于企業視角，以2011—2019年873家中國戰略性新興產業上市公司為樣本，利用DEA方法并基于產出導向的DSBM模型測算企業兩階段動態創新效率。從整體創新效率測算結果看，兩階段動態創新效率具有較大差異。分別以營業收入增長額、營業收入、營業收入增長率作為技術成果轉化階段的創新產出指標，發現以營業收入增長額作為創新產出指標測算得出的創新效率比較符合多數文獻的結論以及我國戰略性新興產業創新效率現狀。從不同產業創新效率測算結果看，各產業間創新效率存在異質性。在第一階段，各產業上市公司創新效率按照從高到低排序依次為新材料、生物、節能環保、新能源、新能源汽車、新一代信息技術、高端裝備制造；在第二階段，各產業上市公司創新效率從高到低排序依次為新材料、節能環保、生物、新能源、新能源汽車、高端裝備制造、新一代信息技術。高端裝備制造和新一代信息技術產業在兩個階段的創新效率均較低。本文在測算創新效率的基礎上，運用Tobit模型分析影響創新效率的因素，結果表明，在技術研發階段，企業規模、資產收益率、研發強度、勞動者素質、企業性質與創新效率正相關，研發人員、研發資金、企業年齡、政府補貼與創新效率負相關；在技術成果轉化階段，發明專利授權數、企業規模、資產收益率、研發強度、勞動者素質與創新效率正相關，員工總數、研發支出、企業年齡、政府補貼、企業類型與創新效率負相關。

根據以上研究結論，本文針對性提出以下對策建議：

(1)轉變創新模式，提升企業自主創新能力。創新效率測算結果顯示，我國戰略性新興產業上市公司兩階段整體創新效率較低，尤其是技術成果轉化階段的創新效率具有較大提升空間，說明現階段企業自主創新能力較弱、創新動力不足、創新驅動效果不明顯。我國戰略性新興產業總體層次偏低，產品技術含量不高，很多高技術產品以模仿為主，并且在尖端關鍵技術上受制于它國，對外依存度高，核心技術標準與專利以及許多領域的主導設計都被外方控制。因此，應該鼓勵我國戰略性新興產業上市公司從模仿的創新模式轉向高水平科技自立自強的創新模式，特別是非國有企業、內資企業、成立時間較長的企業要更加重視技術創新，提升企業高質量創新能力和盈利能力，提高企業研發強度，積極開展創新活動，不斷增強自主創新能力，努力推進技術成果轉化階段創新產出的商業化。

(2)大力支持中小企業進行資源整合、發展壯大，提高整體競爭力。我國戰略性新興產業仍處于初期發展階段，在產業規模方面，中小企業數量眾多，構成產業發展主體，在產業發展中占據著不可忽視的重要地位。但是，由于大多數中小企業缺乏創新動力和獨立承擔科研項目的實力，拉低了整個產業的國際競爭力。激發中小企業創新動力已成為發展戰略性新興產業的一項重要任務。根據Tobit回歸結果，企業規模和發明專利授權數在兩階段都與創新效率正相關。因此，應該強化企業創新主體地位，鼓勵中小企業通過整合上下游產業鏈、多方合作、并購重組等方式，增加發明專利授權數，擴大企業規模，實現優勢互補、互利共贏、做大做強的目的。

(3)合理規劃安排創新投入，提高高素質科技人才比例。根據研究結果，第一階段中研發人員、研發投入和第二階段中員工總數、研發支出都與創新效率負相關，表明兩階段的人員和資金投入可能過度，導致重復投入與無效投入。因此，應該有計劃地合理安排每個時期的創新投入，避免盲目超額投入，減少低水平重復研發項目。此外，勞動者素質對創新效率具有正向影響，對此，企業應該注重人才隊伍建設，大力培養和引進高素質科技人才，提高研發人員的科研創新水平，采用股權激勵等方式，激勵研發人員進行高質量創新。

(4)加強監管和引導，出臺傾斜性政策及措施。本文研究結果表明，政府補貼與創新效率負相關。對此，建議改革現行政府補貼政策，關注企業創新活動的全過程，重點考核政府補貼的使用方向和創新產出成果，刺激企業加大研發資金投入。有限的政府補貼要針對性地用于解決企業創新過程中的極端困難，政府應該加強調控和引導，針對高端裝備制造、新一代信息技術產業相應地出臺傾斜性政策和措施。此外，應完善稅收政策和出口優惠政策，降低企業引進高技術人才的成本，加大對發明專利授權的獎勵力度，提高企業開展高質量創新活動的積極性。

(5)健全自主知識產權制度，構建產學研聯合體系。創新效率的提高，需要完善自主知識產權制度，建立自主知識產權交易平臺，拓寬融資渠道和技術成果商業化渠道。只有不斷通過專利技術成果獲得資金，企業才能長期、可持續地進行自主研發投入，從而促進創新效率提升。此外，目前我國高技術研發人才和科研基金項目主要集中在科研院所，企業研發能力相對較弱。因此，企業應該依托現有科研平臺，整合企業、高校和科研院所資源，建立產學研聯合體系，降低創新風險，縮短科技創新成果轉化周期，提高技術研發和成果轉化效率。