耿紀超　龍如銀

摘要：基于28個省級層面的面板數據，測度了高校創(chuàng)新產出優(yōu)勢度對新能源企業(yè)創(chuàng)新產出優(yōu)勢度的影響，并研究了高校與新能源企業(yè)創(chuàng)新產出的匹配度。結果顯示：高校的創(chuàng)新產出優(yōu)勢度對企業(yè)的創(chuàng)新產出優(yōu)勢度有顯著的正向關系；基礎投資對企業(yè)創(chuàng)新產出優(yōu)勢度的影響顯著為負；企業(yè)規(guī)模和R&D經費投入顯著為正，但R&D人力投入不顯著；河北等地高校與企業(yè)的匹配度較低，遼寧等地的匹配度較高，天津、浙江實現均衡匹配。

關鍵詞：高校；新能源企業(yè)；創(chuàng)新產出；優(yōu)勢度；匹配度

DOI：10.13956/j.ss.1001-8409.2016.05.04

中圖分類號：F124.3；G64 文獻標識碼：A 文章編號：1001-8409（2016）05-0017-04

Abstract：Based on the panel data of 28 provincial regions， this paper measures the effect of university innovation output dominance to new energy company innovation output dominance. And then， it analyzes the match degree of college with company. Results show that， firstly， university innovation output dominance has a positive and significant effect on company innovation output dominance. Secondly， the effect of infrastructure investments is negative. Thirdly， company size and R&D funding have a significant role， while R&D manpower has not. Finally， the match degree of university to company of Hebei is low， while Liaoning is high，Tianjin and Zhejiang achieve matching equilibrium.

Key words：university； new energy company； innovation output； dominance； match degree

1 文獻回顧與問題提出

新能源又稱非常規(guī)能源，主要包括太陽能、風能、生物質能等。新能源產業(yè)作為戰(zhàn)略性新興產業(yè)，在國家和地方政府的大力支持下得到了快速發(fā)展[1]。但由于GDP導向下地方政府的發(fā)展沖動，企業(yè)對行業(yè)片面的樂觀預期和盲目投資，企業(yè)自主研發(fā)能力的缺乏，致使風電、多晶硅等多個產業(yè)出現重復建設傾向，造成我國新能源產業(yè)鏈出現低端產能過剩問題[2]。新能源產業(yè)屬于高新技術產業(yè)，關鍵技術對企業(yè)發(fā)展有很強的推動作用，因此技術創(chuàng)新是新能源企業(yè)發(fā)展的根本驅動力和核心競爭力[3]。

為了配合新能源企業(yè)的創(chuàng)新發(fā)展，教育部陸續(xù)在高校開設新能源專業(yè)，但人才供給方面仍出現嚴重短缺。以風能產業(yè)為例，到2020年中國風電行業(yè)人才缺口將在40萬人左右，其中高端人才占比高達40%[4]。由此可見，高校的創(chuàng)新人才培養(yǎng)對我國新能源產業(yè)的發(fā)展尤其重要。高校創(chuàng)新能力對企業(yè)創(chuàng)新能力的促進作用已經得到學者們的研究支持[5]，新能源企業(yè)對知識密集的依賴性很強，高校的人才集聚和技術創(chuàng)新對當地企業(yè)的創(chuàng)新能力有顯著的影響[6]。

目前我國新能源產業(yè)的相關研究多圍繞在國家政策、價格補貼、產業(yè)結構及企業(yè)技術因素上[7，8]，對于創(chuàng)新能力的分析尚不多見[9]，更缺少基于高校匹配視角的研究；且由于新能源產業(yè)的數據較難獲得，現有研究或是產學研協(xié)同的理論與定性研究[10]，或是企業(yè)創(chuàng)新能力的評價體系研究[11]，缺少實證和定量研究。本文以創(chuàng)新產出為衡量標準，分析高校與企業(yè)創(chuàng)新產出的相關性?？紤]到現有的分析大多直接將原始數據進行回歸，得到的結論只是解釋變量對被解釋變量的直接影響，無法區(qū)分地區(qū)之間的相對優(yōu)勢。如某地區(qū)企業(yè)的科技投資會促進創(chuàng)新產出，但與其他地區(qū)相比，這種促進作用不一定具有優(yōu)勢性。因此本文引入優(yōu)勢度的概念，旨在重點測度高校創(chuàng)新產出優(yōu)勢度對企業(yè)創(chuàng)新產出優(yōu)勢度的影響，并研究各省高校與企業(yè)的匹配度，為高校和企業(yè)的區(qū)域性技術協(xié)同發(fā)展提供依據。

2 優(yōu)勢度的研究模型、變量選取和數據來源

2.1 研究模型和變量選取

計量模型經檢驗應采用半對數線性模型，因此將模型設定為：

Y=α+β0X+β1LnZ1+β2LnZ2+β3LnZ3+β4LnZ4+ε

（1）被解釋變量：企業(yè)創(chuàng)新產出優(yōu)勢度（Y）。用專利申請數衡量創(chuàng)新產出，雖然可能會高估創(chuàng)新產出的真實能力[12]，但由于專利數據是創(chuàng)新產出的最直觀體現，數據較為客觀且變化緩慢，因此總體上相當可靠[13，14]。關于優(yōu)勢度的測量，采用各省的企業(yè)專利申請數與全國企業(yè)平均專利申請數的比值來衡量。當比值大于1時說明有優(yōu)勢度；當比值小于1時說明優(yōu)勢度較低或無明顯優(yōu)勢度。

（2）解釋變量：高校創(chuàng)新產出優(yōu)勢度（X）。同上，采用各省高校的專利申請數與全國高校平均專利申請數的比值來衡量。

（3）考慮指標數據的易獲得性，選取若干影響企業(yè)創(chuàng)新產出的指標作為控制變量：工業(yè)固定資產投資作為基礎投資規(guī)模指標（Z1）；企業(yè)R&D經費作為科技經費投入規(guī)模指標（Z2）；企業(yè)R&D人員全時當量作為科技人力投入規(guī)模指標（Z3）；企業(yè)全部從業(yè)人員年平均人數作為企業(yè)規(guī)模指標（Z4）。

（4）虛擬變量（D）：為了進行區(qū)域分析，分別設置東部地區(qū)為1，中部和西部地區(qū)為0；中部地區(qū)為1，東部和西部地區(qū)為0；西部地區(qū)為1，東部和中部地區(qū)為0。其中東部地區(qū)包括北京、天津、河北、遼寧、吉林、黑龍江、上海、江蘇、浙江、山東、福建、廣東、海南；中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南；西部地區(qū)包括內蒙古、廣西、重慶、貴州、云南、陜西、青海、新疆、四川；由于企業(yè)數據存在缺失，甘肅、寧夏、西藏除外。

2.2 數據來源

自2006年開始，以華北電力大學為首的近10所高校率先開設新能源專業(yè)（水電和核電除外），本文選取的樣本時間為2007～2013年。專利申請數據來源于國家知識產權局官方網站，以“太陽能風能生物質能鋰電池地熱能海洋能新能源汽車”為摘要，各省為申請人地址，年份為申請日。高校專利檢索以“大學學院”為申請人，并減去以“科學院”為申請人的數據；企業(yè)專利檢索以“公司”為申請人。由于新能源產業(yè)的數據收集非常困難，因此按照李士忠[15]和郭立偉[16]提出的方法，將通用設備制造業(yè)和電氣機械及器材制造業(yè)之和近似代替新能源產業(yè)。數據來源于《中國統(tǒng)計年鑒》《中國固定資產統(tǒng)計年鑒》《中國工業(yè)經濟統(tǒng)計年鑒》和各省統(tǒng)計年鑒。數據處理過程全部采用Eviews 8.0計量分析軟件。

3 優(yōu)勢度的實證分析

3.1 相關性描述

為使觀察更為直觀，分別做了全國、東部、中部和西部層面的高校與企業(yè)優(yōu)勢度的散點圖（見圖1）。如圖1所示，從全國（QG）來看，企業(yè)（QY）和高校（GX）的創(chuàng)新產出優(yōu)勢度存在顯著的正相關。從區(qū)域來看，東部（DB）和西部（XB）的正相關性顯著高于中部（ZB）。以上只是無條件的相關分析，下面基于面板數據，對高校創(chuàng)新產出優(yōu)勢度是否會影響企業(yè)創(chuàng)新產出優(yōu)勢度進行進一步的估算和分析。

3.2 模型估算

考慮到當期基礎投資對企業(yè)創(chuàng)新產出的影響具有滯后性，使用AIC和SC準則來確定自變量的滯后階數，由最小的AIC和SC值確定了最優(yōu)的自變量搭配：發(fā)現基礎投資的當期變量對企業(yè)創(chuàng)新產出優(yōu)勢度的影響不顯著，其滯后一期變量的影響顯著，且AIC和SC值最小。因此使用基礎投資的滯后一期變量，并分別使用固定效應模型和混合效應模型進行估算，結果見表1。

表示p<0.1；②由于橫截面樣本存在異方差，因此系數顯著性程度是經WHITE異方差調整后的P值來確定；③模型1采用固定效應模型，模型2采用混合效應模型，模型3至模型5因增加虛擬變量而采用混合效應模型

3.3 結果分析

（1）全國和區(qū)域范圍，高校創(chuàng)新產出優(yōu)勢度對企業(yè)創(chuàng)新產出優(yōu)勢度的影響均通過顯著性檢驗，且在1%水平上正相關，高校的創(chuàng)新產出優(yōu)勢度會促進企業(yè)創(chuàng)新產出優(yōu)勢度的形成，其中東部最高，中部最低。我國高校和新能源企業(yè)多聚集在以長三角、珠三角和環(huán)渤海地區(qū)為主的東部地區(qū)，由于地區(qū)經濟水平和高?；A科研水平較高，大量的人才和資金流入使高校形成明顯的區(qū)域優(yōu)勢；高校在為企業(yè)提供人才和技術支持時，促進了企業(yè)創(chuàng)新產出優(yōu)勢度的形成。雖然與中部相比，西部的高校和新能源企業(yè)數量較少，創(chuàng)新產出水平相對較低，但高校對企業(yè)創(chuàng)新產出優(yōu)勢度的形成有更強的促進作用。原因為中部地區(qū)高校的創(chuàng)新產出優(yōu)勢度較高，而企業(yè)相對較低，導致高校對企業(yè)創(chuàng)新產出優(yōu)勢度的作用相對較弱。

（2）中部地區(qū)虛擬變量值為負，表明在相同的控制變量影響下，中部企業(yè)的創(chuàng)新產出優(yōu)勢度較東、西部低。原因在于：雖然中部高校創(chuàng)新產出優(yōu)勢度較高，新能源企業(yè)規(guī)模較大、基礎投資及科技投入較高，但這些資源優(yōu)勢并沒有帶來企業(yè)創(chuàng)新產出的絕對優(yōu)勢，相比之下，東、西部企業(yè)的資源利用和科技轉化能力更高。

（3）全國和區(qū)域范圍，基礎投資滯后期對企業(yè)創(chuàng)新產出優(yōu)勢度的影響均表現為顯著的負相關?；A投資并沒有帶來企業(yè)創(chuàng)新產出優(yōu)勢度的形成，出現了基礎投資的過?，F象。以光伏、風能產業(yè)為例，近幾年國家和地方政府給予較大的政策優(yōu)惠，各省陸續(xù)建設風能設備制造基地，多晶硅、光伏組件生產基地，企業(yè)對行業(yè)片面的樂觀預期和盲目的基礎投資導致出現了重復建設傾向和產能過剩問題，“漏風”、“漏電”現象較嚴重；且由于企業(yè)較多地集中在產業(yè)鏈的中下游，R&D投入力度不夠，R&D人才短缺，科研能力相對薄弱，在大型風機制造、硅提純方法等核心技術上還暫時落后于西方發(fā)達國家，導致企業(yè)的核心競爭力不強。

（4）企業(yè)的科技投入方面，R&D經費投入對新能源企業(yè)的創(chuàng)新產出優(yōu)勢度有顯著的促進作用，而R&D人力投入指標不顯著。數據顯示，R&D經費投入近年來增長較快，但R&D人力投入增長相對緩慢，部分省份甚至出現輕微的下降，科研人員的供需缺口是導致R&D人力投入指標不顯著的原因。此外，企業(yè)規(guī)模對企業(yè)創(chuàng)新產出優(yōu)勢度有顯著的正向作用，規(guī)模越大的企業(yè)，其配套設施越完善，設備越先進，科技投入越多，科研能力越強，創(chuàng)新產出優(yōu)勢度越明顯。

4 匹配度的實證分析

為進一步研究2009～2013年各省高校與新能源企業(yè)創(chuàng)新產出的匹配狀況，這里引入區(qū)位商的算法，計算公式為：

LQi=（Eij/Ei）/（Ekj/Ek）

其中j為省份，i為高校，k為企業(yè)，E為專利數，LQ為匹配度。

（1）如表2所示，匹配度大于1的有北京、山西、內蒙古、遼寧、吉林、黑龍江、上海、江西、湖北、湖南、廣西、海南、重慶、貴州、云南和陜西，表明高校的創(chuàng)新產出優(yōu)勢度顯著高于新能源企業(yè)，高校滿足了企業(yè)發(fā)展的技術需求。天津、浙江的匹配度在1附近，表明高校和企業(yè)出現了創(chuàng)新產出的均衡，尤其是浙江省，高新技術企業(yè)研究開發(fā)中心的建成和發(fā)展使新能源企業(yè)的創(chuàng)新產出處于全國前列，而“政產學研商”的合作模式促使高校和企業(yè)的協(xié)同創(chuàng)新；相比之下，天津高校和新能源企業(yè)的創(chuàng)新產出實現了較低水平的均衡。

（2）匹配度小于1的有河北、江蘇、安徽、山東、四川、福建、河南、廣東、青海和新疆，高校尚未與新能源企業(yè)的發(fā)展現狀相匹配。其中河北、江蘇、安徽、四川、福建、山東、河南和廣東的光伏、風能、生物質能等產業(yè)處于全國領先地位，企業(yè)技術創(chuàng)新能力強，對高校的人才和技術需求較高；雖然這些地區(qū)高校的創(chuàng)新產出較高，但尚未滿足企業(yè)發(fā)展的需求。青海和新疆擁有新能源專業(yè)的高校數量很少，高校的創(chuàng)新產出與企業(yè)相比還有較大差距。

（3）從匹配度的年均增長率來看，天津、內蒙古、福建、四川、黑龍江、江蘇、安徽、湖南、廣西、重慶、云南、陜西、青海均小于0，表明2009～2013年期間，這些地區(qū)新能源企業(yè)的創(chuàng)新產出能力得到了更快提升。

5 結論與建議

首先，高校的創(chuàng)新產出優(yōu)勢度對企業(yè)的創(chuàng)新產出優(yōu)勢度有顯著的促進作用，其中東部最高，中部最低；其次，由于中部地區(qū)企業(yè)的資源利用和技術轉化能力相對較低，在基礎投資、科技投入和企業(yè)規(guī)模的影響下，企業(yè)的創(chuàng)新產出優(yōu)勢度較東、西部地區(qū)低；再次，大規(guī)模的基礎投資并沒有帶來新能源企業(yè)創(chuàng)新產出優(yōu)勢度的形成，而出現了基礎投資的過剩現象；最后，企業(yè)規(guī)模和R&D經費投入對新能源企業(yè)創(chuàng)新產出優(yōu)勢度有顯著的促進作用，但R&D人力投入指標不顯著，R&D人才的供需還存在較大缺口。通過匹配度分析：河北、江蘇、安徽、山東、四川、福建、河南、廣東、青海和新疆的高校尚未與新能源企業(yè)的發(fā)展現狀相匹配；天津和浙江實現了高校和企業(yè)的均衡匹配；其余地區(qū)高校與企業(yè)的匹配度較高，高校滿足了企業(yè)發(fā)展的技術需求；此外，天津、內蒙古、福建、四川、黑龍江、江蘇、安徽、湖南、廣西、重慶、云南、陜西、青海新能源企業(yè)的創(chuàng)新產出能力在近幾年得到了更快提升。

針對研究結果，提出如下建議：首先，各地政府在加大招商引資力度建設新能源產業(yè)時，不僅應考慮大規(guī)模的基礎投資，還應鼓勵企業(yè)將更多的目光聚焦于創(chuàng)新能力的提升上，如加大R&D經費的投入和對R&D人才的引進與培養(yǎng)，提高企業(yè)的創(chuàng)新產出能力，打破西方發(fā)達國家在核心技術上的壟斷，使企業(yè)從產業(yè)的中下游轉型到中上游。其次，高校在新能源產業(yè)人才和技術的輸送上仍將發(fā)揮重要作用，未來應在匹配度低的地區(qū)高校繼續(xù)增設新能源相關專業(yè)，培養(yǎng)更多高技術水平的專業(yè)人才；還應在匹配度高的地區(qū)強化高校與新能源企業(yè)之間的人才和技術交流，如創(chuàng)建大學科技園、產學研協(xié)同中心、企業(yè)實習基地等，以實現技術從高校到企業(yè)的轉化。同時政府要充分發(fā)揮橋梁的作用，通過搭建通信和網絡平臺，鼓勵和招標更多的產學研合作項目，構建政、產、學、研、用技術協(xié)同創(chuàng)新模式，實現高校與新能源企業(yè)的協(xié)同發(fā)展。

參考文獻：

[1]Hong L， Zhou N， Fridley D， et al. Assessment of Chinas Renewable Energy Contribution during the 12th Five Year Plan[J].Energy Policy， 2013，62： 1533-1543.

[2]蒙丹. 我國新能源產業(yè)鏈的低端產能過剩問題研究[J]. 經濟縱橫，2010（5）：37-40.

[3]趙紅梅. 關鍵技術突破對新興產業(yè)發(fā)展的創(chuàng)造效應研究[J]. 科學管理研究，2014（5）：51-54.

[4]賈淵培. 風電人才缺失成產業(yè)發(fā)展瓶頸[N]. 中國能源報， 2013-7-29.

[5]劉永，李漢邦，周健. 高?？萍紕?chuàng)新鏈中的關鍵角色及其動力分析[J]. 科學管理研究，2012（2）：13-16.

[6]王廷. 三區(qū)聯動：高校集聚區(qū)的創(chuàng)新發(fā)展之路[J]. 高等工程教育研究，2014（3）：50-54.

[7]Zhi Q， Sun H H， Li Y X， et al. Chinas Solar Photovoltaic Policy： An Analysis Based on Policy Instruments [J]. Applied Energy. 2014， 129：308-319.

[8]Wang Z， Qin H， Lewis J I. Chinas Wind Power Industry： Policy Support， Technological Achievements， and Emerging Challenges [J]. Energy Policy， 2012， 51：80-88.

[9]王元地，史曉輝. 我國新能源技術創(chuàng)新能力空間分布格局研究[J]. 科技進步與對策，2014（6）：69-72.

[10]易高峰，鄒曉東. 面向戰(zhàn)略性新興產業(yè)的產學研用協(xié)同創(chuàng)新平臺研究[J]. 高等工程教育研究，2015（2）：39-43.

[11]宋艷，張世慧，蔣沖雨. 戰(zhàn)略性新興產業(yè)屬性的科技項目評價模型及方法研究[J]. 軟科學，2014，11：128-132.

[12]Griliches Z. Patent Statistics as Economic Indicators： A Survey [J]. Journal of Economic Literature， 1990（92）： 630-653.

[13]Furman J， Porter M， Stern S. The Determinants of National Innovative Capacity [J]. Research Policy， 2002（31）： 899-933.

[14]王淑英，秦芳. 基于空間面板模型的高校創(chuàng)新產出溢出效應的實證研究[J]. 軟科學，2015（7）：64-68.

[15]李士忠， 張朝， 張素芳. 保定新能源產業(yè)園集聚效應的實證分析[J]. 產業(yè)與科技論壇， 2011（9）：34-35.

[16]郭立偉， 沈滿洪. 基于區(qū)位商和NESS模型的新能源產業(yè)集群水平識別與評價——以浙江省為例[J]. 科學學與科學技術管理，2013（5）：70-79.

（責任編輯：李映果）