數字產業化與高技術產業研發效率
——基于隨機前沿方法的實證研究

張鐘方, 侯立軍

(1.南京財經大學 糧食和物資學院,江蘇 南京 210046; 2.南京財經大學 工商管理學院,江蘇 南京 210046)

1 引言

2019年中央經濟工作會議首次提出大力發展數字經濟,2021年政府工作報告再次明確指出“加快數字化發展,打造數字經濟新優勢”,數字經濟已成為我國經濟發展的重大戰略。數字經濟分為數字產業化和產業數字化兩個領域,其中數字產業化代表了數字技術的新方向和新成果,更能體現數字經濟的特征[1]。高技術產業是引領經濟增長的先導產業,其高質量發展是提升我國綜合實力的關鍵路徑,但我國高技術產業研發效率仍然與歐美等發達國家存在一定差距。那么在數字經濟的快速發展階段,數字產業化帶來的數字技術與產業化成果能否提升我國高技術產業的研發效率呢?對其進行研究有助于拓展對數字經濟與企業創新能力之間關系的認識。同時,數字產業化是一個系統工程,涉及多個國民經濟領域,其重要意義在于對其他領域效率的提升作用。本文以高技術產業為切入點,研究數字產業化對企業創新效率的影響,力求為其他領域特別是粗放式管理現象普遍存在的工程管理等領域提供借鑒,以達到通過對本領域數字產業化水平的調整提升企業效率的目的。

目前,已有文獻對數字經濟的研究主要集中在數字經濟的內涵和發展現狀[2]、數字經濟的特征[3]與發展對策[4]、數字經濟對全要素生產率和國民經濟高質量發展的驅動機制[5]等方面。對研發效率的研究主要從研發效率的測度和影響因素兩個方面展開。研發效率的測度方法包括以數據包絡分析(DEA)為代表[6]的非參數方法和以隨機前沿方法(SFA)為代表[7]的參數方法;研發效率的影響因素主要包括企業內部因素、產業因素和環境因素等三個方面。其中內部因素涉及企業規模[8]、董事會資本[9]、研發稟賦結構和研發人員學歷[10]等;產業因素涉及產業外向度[11]、空間集聚[12]與市場結構[13]等;環境因素涉及政府支持[10]、稅收優惠政策[14]、生產性服務業發展[15]和市場化程度[16]等方面,且不同測度方法會導致不同的研究結論。

相較于已有相關研究,本文的邊際貢獻在于:第一,在研究指標上,構建了一套時間跨度大、指標可獲得性強、可推廣應用的衡量地區數字產業化水平的指標體系。為數字產業化和數字經濟的后續研究提供數據支撐。第二,實證檢驗了地區數字產業化水平對高技術產業研發效率的影響,為提升高技術產業研發效率和創新能力探索了新路徑。第三,從企業規模、技術密集度和地區市場化程度等三個方面考察了數字產業化水平對高技術產業研發效率的異質性影響,不僅有助于深化對數字產業化與高技術產業研發效率關系的認識,還有助于提出更具針對性的對策建議。

2 理論基礎與研究假設

2.1 數字產業化對高技術產業研發效率的影響

數字經濟以使用數字化的知識和信息作為關鍵生產要素,通過對信息技術的有效使用從而提升效率和優化經濟結構。數字產品制造業和服務業的發展水平越高,多樣化數字產品的供給能力和后期維護能力越強,本質上降低了高技術企業購買和使用數字產品的成本,提高了生產和研發活動中資本品的投入力度,有助于提升研發活動的數字化水平。數字技術應用業和數字要素驅動業具有較強的網絡型特征,數字經濟的快速發展,使信息和知識傳播的速度和范圍得到大大提升,從根本上改變了信息不對稱所造成的市場失靈,降低了企業在研發勞動、研發合作伙伴等方面的搜尋成本,擴大了企業的市場范圍。互聯網平臺技術的發展有助于降低企業研發部門和消費者之間的溝通成本,提高溝通效率,完善供需對接機制,使得最終消費者對新產品、新技術的體驗、意見和建議等很快能夠反饋到研發部門,加快產品的更新換代。網絡的高度互通性產生的外部效應能夠促進高技術企業實現規模經濟[17]。另外,研發活動具有投入產出周期長、風險高、資金需求量大的特點,而構成數字產業化重要組成部分的互聯網金融和數字普惠金融的發展能夠降低高技術企業,尤其是中小微企業的融資成本,提供相對充裕的研發資金,保證研發活動順利進行[18]。數字產業的發展還有助于加速技術與產品的更新力度,縮短研發周期,弱化地域差異,強化市場化競爭,促使企業在研發活動中將要素投入到自身具有比較優勢的技術能力上,積極優化分工并尋求合作。

綜上,數字產業化的發展一方面有助于降低研發活動中的勞動搜尋成本、數字化資本的使用和維護成本、研發部門和外部成員(包括消費者、研發合作伙伴)的溝通成本;另一方面通過與互聯網生產和科技創新平臺合作,可以完善研發策略,提升研發技術水平,從而提高研發成果成功走向產業化的可能性,最終提升研發產出。因此,本文提出如下假設:

假設1數字產業化水平能夠有效促進高技術產業研發效率的提升。

2.2 企業規模的調節效應

任何企業研發活動都離不開人員、資金、技術等要素,企業規模的大小恰恰反映了企業在人員、資金、技術等方面的實力,也影響了這些要素在企業中的配置效率[19]。企業規模越大,數字產業化發展所帶來的規模經濟效應對高技術產業研發效率的促進作用越顯著。一方面,企業規模越大,企業所雇傭的研發人員數量及其科研水平越高,對于數字產業化發展所帶來的數字技術的掌握能力越強,運用速度越快,在一定程度上提高數字資本品的使用效率,從而提高研發效率;另一方面,企業規模越大,越有實力購買先進的數字化資本品,企業通過優化內部研發要素的資源配置,重新進行人機分工,形成新的人機協同,充分發揮研發規模經濟優勢,降低單位研發產出的投入量,減少研發投入的浪費,從而提升研發效率。高技術產業本身所需資金往往大于一般產業,相對于小企業來說,大企業融資能力和抵抗風險的能力較大,因而相對來說更具有創新優勢。小企業由于融資的困難以及難以承擔巨大的研發費用,難以進行大規模的研發活動。因此,本文提出如下假設:

假設2企業規模越大,數字產業化對高技術產業研發效率的促進作用越強。

2.3 技術密集度的調節效應

要素密集度反映的是產品生產對某種要素的依賴程度。技術密集度越高,產品生產過程中技術的貢獻度越大,對技術的要求和依賴度越高,技術風險就越大[20]。與傳統產業相比,高技術產業的技術密集度更高,高技術產業內部不同細分產業和不同地區之間也存在技術密集度差異。高技術產業對高技術含量和高技術要求的基礎設施的依賴程度也較高,其核心競爭力在于技術的先進性與不可替代性。由于高技術產業的技術復雜程度高、更迭速度快,因而高技術企業必須更加注重研發投入。數字產業化的發展,有利于企業利用信息化成果構建高效率的研發平臺,不斷尋求與高校、科研院所等進行合作,提高研發水平,降低創新成果的難度系數。同時,信息的有效傳遞能為企業抓住市場機會提供條件,從而降低研發技術風險。即技術密集度越高,對信息的需求程度越高,越有利于企業充分利用數字產業化的成果,對數據這一生產要素進行綜合運用,縮短研發周期,實現研發效率的提高。因此,本文提出如下假設:

假設3技術密集度越強,數字產業化對高技術產業研發效率的促進作用越強。

2.4 市場化程度的調節效應

市場化程度是指市場在資源配置中所起作用的程度,不同地區由于地理、歷史和改革進程的差異,市場化程度存在一定差異。市場化程度越高,產品和要素市場的發育程度越高,有利于企業形成公平的競爭環境,技術落后、成本較高的企業會被淘汰,而充分利用數字產業化成果的高技術企業能夠快速獲得信息,有效地進行研發,從而降低了企業的市場風險,提高了信息的利用效率,促進研發效率的提高;同時市場化水平越高,要素市場的扭曲程度就越低,有利于資本的自由流動。數字產業化帶來企業信息的有效傳遞,也提高了金融機構對企業風險識別的能力,緩解了金融機構和企業之間信息傳遞不對稱,數字產業化與市場化程度相輔相成,降低了高技術產業研發的風險,提高了研發的效率。市場化程度越高意味著法律制度越完善,良好的法治環境對于企業生產率的高低起著非常重要的作用。知識產權制度的健全與否很大程度上體現了法治環境的優劣程度,高技術產業的研發活動和產業化成果依賴于知識產權制度的保護,通過對侵占知識產權的行為進行懲罰[21],能夠激勵企業的創新行為。數字產業化發展要求技術成果迅速轉化,需要解決一系列技術難題并加速發明專利的產生;同時,法律法規制度及知識產權保護制度也對技術發明專利起到了保護的效果,從而促進數字產業化的快速發展,為高技術產業研發效率的提高創造了必要條件。因此,本文提出如下假設:

假設4市場化程度越高,數字產業化對高技術產業研發效率的促進作用越強。

3 方法、指標與數據

3.1 隨機前沿方法

本文基于隨機前沿方法使用Battese和Coelli[22]提出的技術效率模型估計高技術產業的研發效率。基于隨機前沿方法的模型包含兩個部分:第1部分為研發生產函數估計,第2部分為無效率程度影響因素估計。其中第1部分的具體表達式為

yit=α0+α1rdlit+α2rdkit+vit-uit

(1)

其中y為研發產出,rdl為研發勞動投入,rdk為研發資本存量,v為一般意義上的隨機干擾項,u為無效率項,i為地區,t為年份。在估計時研發產出和研發投入變量均取對數。隨機干擾項v和無效率項u的假設通常如下

(2)

(3)

第2部分的具體表達式為

(4)

其中z為地區的數字產業化程度,x為一系列控制變量,ε為隨機干擾項。采用最大似然估計法對方程(1)和(4)中的模型參數同時進行估計,可得到相應的參數估計值。最后根據Battese和Coelli[23]所提出的計算公式將無效率程度轉化為研發效率值,見(5)式

teit=E{exp(-uit)│εit}

(5)

3.2 指標與數據

3.2.1 研發投入、產出指標與控制變量

已有文獻通過新產品銷售收入和專利申請數衡量研發產出。由于兩個指標在衡量研發產出時各有優劣勢,因此,為了增強實證結果的穩健性,本文使用兩種指標代理研發產出。研發投入要素通常包括研發勞動投入和研發資本存量,研發勞動投入使用研發人員全時當量指標代理,研發資本使用永續盤存法(PIM)進行計算。其中研發資本價格指數和折舊率的設定參照李彥龍[14]的做法,研發資本價格指數等于0.45×固定資產投資價格指數+0.55×居民消費價格指數;折舊率取15%。

借鑒已有相關文獻,本文所選的控制變量包括地區人力資本水平(human)、地區科技發展水平(tech)、地區市場化程度(market)、地區高技術企業的平均規模(size)、地區高技術產業外向度(export)、時間趨勢(t)和東部虛擬變量(east)。其中地區人力資本水平使用6歲及以上人口中不同受教育階段人口占比乘以受教育年限計算得到;地區科技發展水平使用地區技術市場成交額來衡量;地區市場化程度使用地區個體和私營企業就業占地區城鎮單位、個體和私營企業就業數的比重來衡量;企業平均規模使用主營業務收入與企業數的比值來衡量;高技術產業外向度使用出口交貨值占主營業務收入的比重來衡量;時間趨勢為虛擬變量;根據《中國高技術產業統計年鑒》,東部地區包括北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東和海南共10個省(市)。

3.2.2 數字產業化指標

本文立足于中國國家統計局于2021年5月14日通過的《數字經濟及其核心產業統計分類(2021)》標準,結合楊慧梅和江璐[5],張雪玲和焦月霞[24],劉軍和楊淵鋆[25]關于數字產業化的指標選擇,構建了數字產業化測度指標體系。詳見表1。

表1 數字產業化測度指標體系

在指標權重方面,本文采用主成分分析法構建數字產業化水平測度指數。考慮到在進一步的回歸中取對數計算的方便性,本文將總得分值進行標準化處理。

經過計算發現,(1)2020年30個省份數字產業化水平的平均值為3.78,僅有9個省份的數字產業化水平高于全國平均水平。這9個省份的數字產業化水平平均值高達6.07。(2)分地區看,從高到低分別是東部(5.56)、中部(3.28)、西部(2.74)和東北(2.61)。中部略低于全國平均水平,西部和東北遠低于全國平均水平。

本文所構建的數據集為2003—2020年我國30個省市的面板數據。去掉西藏自治區的原因在于西藏自治區的高技術產業發展較為薄弱,數據缺失較為嚴重。數據來自于歷年《中國統計年鑒》《中國高技術產業統計年鑒》《中國第三產業統計年鑒》《中國物價統計年鑒》和《中國工業統計年鑒》。

4 實證結果分析

4.1 研發生產函數選擇

利用隨機前沿方法估計研發效率時首先需要設定生產函數形式,文獻中常見的函數形式包括Cobb-Douglas型和Translog型兩種。表2為基于隨時間衰減的SFA模型的研發生產函數估計結果。由于研發投入到產出存在時間差,因此在回歸時通常取研發投入變量的不滯后、滯后1期或滯后2期的數據。

表2 以新產品銷售收入為產出的不同研發生產函數估計結果

表2的6個模型中,Gamma的估計值均大于0.5,這說明復合擾動項中的主要成分為無效率項,而非一般意義上的隨機干擾項,繼而使用隨機前沿方法估計研發生產函數是必要的。Eta均在1%水平上顯著為正,說明隨著時間推移,各地區研發效率均存在普遍上升的趨勢。在多數模型中Mu顯著為正,說明多數地區的研發活動并不處在最有效率的前沿面上,而是存在不同程度的效率損失,同時不能假設無效率項服從零均值的半正態分布,需要假設其服從正均值的截斷正態分布,從而本次回歸的模型選擇(隨時間衰減的SFA模型)是合理的。模型1估計了C-D型研發生產函數,研發勞動投入和研發資本的系數分別為0.261和0.640,且均在1%水平上顯著,對數似然值為-576;模型2估計了Translog型研發生產函數,各研發投入均在1%水平上顯著,對數似然值為-560,大于C-D型研發生產函數下的對數似然值。通過廣義似然比檢驗(LR檢驗)模型設定,相應的p值小于0.01,因此認為Translog型研發生產函數更合理,這與孫早和徐遠華[20],張玉和陳凱華[26]的估計結論是一致的。當研發投入滯后1期、滯后2期時這一結論仍然成立。為了進一步增強研究結論的穩健性,本文還使用專利申請數作為研發產出的代理變量重復了表2模型的回歸過程,再次證明結論是穩健可信的。

4.2 數字產業化影響高技術產業研發效率的實證結果分析

表3報告了數字產業化水平影響高技術產業研發效率的實證研究結果。模型7～模型12中Lambda均大于1,且在1%水平上顯著,再次說明復合擾動項的主要組成部分是無效率項,使用隨機前沿方法同時估計研發生產函數和無效率項影響因素是必要的。在模型7中,數字產業化水平(lnz)的系數在1%水平上顯著為負,即地區數字產業化水平越高,高技術產業的研發無效率程度越低,研發效率越高。使用滯后期變量,同時更換研發產出的代理變量,數字產業化水平(lnz)的系數均在1%的水平上顯著為負,因此數字產業化有助于促進高技術產業研發效率提升的結論是穩健可信的。假設1得到證實。

表3 數字產業化對研發效率的影響

4.3 調節效應的實證結果分析

表4報告了企業規模、技術密集度和地區市場化程度的調節效應估計結果:模型13～模型18為企業規模的調節效應估計結果。其中lnzsize是lnz和lnsize的交乘項,模型13～模型15中lnzsize的系數在1%水平上顯著為負,說明隨著企業規模的不斷擴大,數字產業化對高技術產業研發效率的促進效應越強,或者,相對于小企業而言,大企業從數字產業化中獲得的益處更多。假設2得到證實。使用專利申請數作為因變量時,滯后2期的交互項回歸系數顯著性較弱,可能是當專利申請數作為研發產出代理變量時存在測量偏誤問題。

表4 調節效應的估計結果

模型19～模型24為技術密集度(lntd)的調節效應估計結果。其中lnztd是lnz和lntd的交乘項。借鑒孫早和徐遠華[20]的做法,使用物質資本存量與從業人員比值來衡量產業的技術密集度。其中物質資本存量采用PIM測算,折舊率假設為5%。模型19、22和23中交互項的回歸系數至少在10%水平上顯著為負,這說明技術密集度越高,數字產業化對高技術產業研發效率的促進效應越明顯。相反,技術密集度越小,或勞動密集度越高,數字產業化對高技術產業研發效率的促進效應越小。假設3得到證實。模型20、21和24未成立的原因可能是滯后期樣本量偏少,降低了顯著性。

模型25～模型30為市場化程度的調節效應估計結果。其中lnzmarket是lnz和lnmarket的交乘項。6個模型中有3個模型(模型28、29和30)的交互項回歸系數在10%水平上顯著為負,這說明地區市場化程度在數字產業化與高技術產業研發效率關系間具有正向調節效應。地區市場化程度越高,產品和要素市場的發育程度越高,契約精神越完備,法律法規與研發合同能夠被更好地執行和保護,因此數字產業化對高技術產業研發效率的促進效應越明顯。假設4得到證實。模型25、26和27未成立的原因可能是當前市場化程度的調節效應主要發生在以專利為代表的技術開發階段,而不是以新產品為代表的成果轉化階段。

5 研發效率收斂性分析

5.1 研發效率及年均增速

研究期內我國東部、東北、中部和西部四大地區的高技術產業研發效率均存在明顯上升趨勢,增速從高到低分別是中部(11.21%)、西部(7.71%)、東北(2.74%)和東部(2.05%)。其中中部和西部的增速高于全國水平(4.57%),存在追趕和收斂趨勢。到2020年,中國高技術產業的研發效率僅為0.523,這說明盡管中國高技術產業的研發效率有所改善,但未來仍有較大的提升空間。特別是西部(0.333)和東北(0.243)地區,是未來我國研發效率提升需要重點關注的區域。各地區具體數值詳見表5。

表5 2020年各地區高技術產業研發效率及年均增速

5.2 收斂性分析

為了更詳細地了解中國高技術產業研發效率的動態演進趨勢,本文還對其進行了收斂性分析,包括β絕對收斂和β相對收斂。借鑒Baumol[27],Barro[28]的模型設定,β絕對收斂采用橫截面數據進行,β相對收斂采用面板數據進行。具體方程設定如(6)式和(7)式。

gi=α0+α1lntei03+εi

(6)

lnteit-lnteit-1=β0+β1lnteit-1+ui+εit

(7)

其中gi為i地區研發效率的年均增速,tei03為i地區2003年的研發效率值,teit為t年i地區的研發效率值,ui為地區固定效應,εi和εit均為隨機干擾項。

表6報告了分地區β絕對收斂和β相對收斂分析結果。其中所有地區的lntei03回歸系數均顯著為負,說明地區的研發效率初始值越高則提升速度越慢,即地區研發效率存在β絕對收斂趨勢,研發效率落后的地區存在追趕趨勢,同時研發效率先進的地區存在增速放緩趨勢。從β相對收斂性分析結果中可以看出,lnteit-1的回歸系數顯著為負,說明高技術產業研發效率同時存在β相對收斂趨勢。

表6 分地區β收斂情況

6 結論與對策建議

當前數字經濟蓬勃發展,已經逐漸成為國民經濟發展的助推劑。數字產業化作為數字經濟發展的重要組成部分,其作用尤為重要。本文以2003—2020年30個省級面板數據為研究樣本,探討了數字產業化對高技術產業研發效率的影響,并在此基礎上從企業規模、技術密集度和地區市場化程度等三方面考察了數字產業化水平對高技術產業研發效率的異質性影響。研究得出以下結論:(1)雖然各地區數字產業化水平均存在顯著上升趨勢,但多數地區低于全國平均水平。(2)地區數字產業化水平有助于提升高技術產業的研發效率,同時,企業規模、技術密集度和地區市場化程度在數字產業化與高技術產業研發效率關系間具有顯著的正向調節效應。(3)我國高技術產業的研發效率盡管有所提高,但仍存在較大提升空間,且地區間存在顯著的β收斂趨勢。

本文的研究結論具有如下政策含義:第一,大力發展數字經濟,推動數字產業化水平的不斷提高。進一步加大財政、金融等方面的政策扶持力度,加快5G網絡、數字中心等基礎設施的建設,并不斷完善互聯網、人工智能等新一代數字信息建設,同時注重平臺網絡健康發展,提高數據安全性保障,提升網絡服務水平。第二,進一步提高高技術企業規模。鼓勵大量科技型中小微企業和創新創業企業“上規入統”。雇傭具有先進科研能力的人員,提高數字資本品的使用效率。優化企業內部研發資源配置效率,形成規模經濟,降低單位科研產出成本。第三,提升高技術產業的技術密集度。加強信息基礎設施建設,推動信息化與技術的融合,以利于高效率的科研平臺的搭建。與高校和科研院所合作,降低創新難度系數,進行專業化分工,縮短研發周期,提升研發效率。第四,不斷提升地區的市場化程度。充分發揮市場在資源配置中的決定性作用,為高技術產業發展提供更加公平的外部環境。進一步打破地方保護,擴大市場范圍,規范市場交易行為,強化執法力度,提升監管的力度和水平,為高技術產業持續開展研發創新活動營造良好的外部氛圍。