李 鵬，李美娟，陳維花

（福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福州 350116）

0 引言

“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”五大發(fā)展理念在黨的十八屆五中全會(huì)中被提出，其中，被擺在國(guó)家發(fā)展全局核心位置的發(fā)展理念是創(chuàng)新。由于企業(yè)的可持續(xù)發(fā)展離不開創(chuàng)新，創(chuàng)新問題一直是學(xué)者們研究的熱點(diǎn)。Wakelin[1]采用Cobb-Douglas生產(chǎn)函數(shù)研究企業(yè)的R&D支出與生產(chǎn)率增長(zhǎng)的關(guān)系，發(fā)現(xiàn)R&D支出對(duì)生產(chǎn)率增長(zhǎng)具有顯著的影響。嚴(yán)焰等[2]運(yùn)用分組回歸方法，發(fā)現(xiàn)企業(yè)R&D投入對(duì)創(chuàng)新績(jī)效有正向促進(jìn)作用。高楠[3]利用灰色關(guān)聯(lián)度方法，計(jì)算企業(yè)R&D投入與創(chuàng)新績(jī)效的灰色關(guān)聯(lián)度，結(jié)果和嚴(yán)焰等[2]一樣，兩者正相關(guān)。何慶豐等[4]通過主成分分析法等方法，實(shí)證分析R&D投入與創(chuàng)新績(jī)效間的定量關(guān)系，發(fā)現(xiàn)R&D投入對(duì)創(chuàng)新績(jī)效的貢獻(xiàn)為正。

國(guó)內(nèi)外學(xué)者們根據(jù)自己的研究?jī)?nèi)容和目的，運(yùn)用不同的方法分析了企業(yè)R&D投入與創(chuàng)新績(jī)效的關(guān)系，但很少使用面板數(shù)據(jù)模型來分析。本文利用2009—2015年全國(guó)30個(gè)省份的面板數(shù)據(jù)，運(yùn)用多指標(biāo)面板數(shù)據(jù)因子分析方法對(duì)企業(yè)R&D投入多指標(biāo)進(jìn)行縮減，然后進(jìn)行單位根檢驗(yàn)和協(xié)整檢驗(yàn)，最后采取面板數(shù)據(jù)模型分析了企業(yè)R&D投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效果的關(guān)系。

1 模型的設(shè)定

作為產(chǎn)學(xué)研協(xié)同創(chuàng)新的核心利益相關(guān)者之一，企業(yè)對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新發(fā)展起著不可或缺的作用，其中R&D投入對(duì)創(chuàng)新績(jī)效的作用往往具有決定性意義。企業(yè)需要不斷加強(qiáng)核心競(jìng)爭(zhēng)力，提高對(duì)R&D投入，增強(qiáng)企業(yè)的活力，促進(jìn)企業(yè)可持續(xù)健康發(fā)展。

根據(jù)相關(guān)文獻(xiàn)，企業(yè)R&D投入主要由企業(yè)R&D人員和企業(yè)R&D經(jīng)費(fèi)組成[5]。本文采用面板數(shù)據(jù)模型實(shí)證分析企業(yè)R&D投入對(duì)創(chuàng)新績(jī)效的影響作用。選取“規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)投入”“規(guī)模以上工業(yè)企業(yè)R&D人員投入”“規(guī)模以上工業(yè)企業(yè)R&D項(xiàng)目數(shù)”作為衡量企業(yè)R&D投入的指標(biāo)。將產(chǎn)學(xué)研協(xié)同創(chuàng)新績(jī)效分為創(chuàng)新經(jīng)濟(jì)績(jī)效和創(chuàng)新科技績(jī)效，分別選擇“新產(chǎn)品銷售收入”和“專利授權(quán)數(shù)”作為其替代變量。“新產(chǎn)品銷售收入”不僅從經(jīng)濟(jì)效果方面反映了創(chuàng)新績(jī)效的情況，而且能夠代表創(chuàng)新成果的轉(zhuǎn)化能力，反映創(chuàng)新經(jīng)濟(jì)績(jī)效；“專利授權(quán)數(shù)”代表的是產(chǎn)學(xué)研協(xié)同創(chuàng)新產(chǎn)出成果的實(shí)際結(jié)果，可以用來反映創(chuàng)新科技績(jī)效。這兩個(gè)指標(biāo)的數(shù)值越高，說明企業(yè)創(chuàng)新成果轉(zhuǎn)化率越好。本文的相關(guān)初始數(shù)據(jù)均來自《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)科技統(tǒng)計(jì)年鑒》的歷年數(shù)據(jù)。

模型具體設(shè)定如下：

其中，y1表示創(chuàng)新經(jīng)濟(jì)績(jī)效，y2表示創(chuàng)新科技績(jī)效；下標(biāo)i和t表示第i個(gè)省份第t期的相應(yīng)指標(biāo)；X4表示企業(yè)R&D投入，使用多指標(biāo)面板數(shù)據(jù)因子分析方法計(jì)算得來，其系數(shù)β反映了企業(yè)R&D投入對(duì)創(chuàng)新經(jīng)濟(jì)績(jī)效和創(chuàng)新科技績(jī)效的影響效果；υ是隨機(jī)擾動(dòng)項(xiàng)，滿足E(υ)=0和var(υ)=σ2。

2 實(shí)證分析

2.1 多指標(biāo)面板數(shù)據(jù)因子分析

為了方便、直觀地分析企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新績(jī)效的影響，本文將“規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)投入”“規(guī)模以上工業(yè)企業(yè)R&D人員投入”“規(guī)模以上工業(yè)企業(yè)R&D項(xiàng)目數(shù)”多個(gè)指標(biāo)因子分析降維成一個(gè)變量。使用多指標(biāo)面板數(shù)據(jù)因子分析方法，即將面板數(shù)據(jù)各個(gè)時(shí)間截面數(shù)據(jù)按時(shí)間順序平鋪展開形成一個(gè)大截面數(shù)據(jù)。使用軟件SPSS 18.0來輔助完成分析。

對(duì)初始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，減少因數(shù)據(jù)間的單位存在量綱差異而可能導(dǎo)致的不必要誤差，接著對(duì)處理好的數(shù)據(jù)進(jìn)行因子分析適用性檢驗(yàn)，如表1所示。

表1 適用性檢驗(yàn)結(jié)果

為了確定所選指標(biāo)是否適合進(jìn)行因子分析，可通過表1的KMO值和Bartlett檢驗(yàn)的概率值來分析。可以看到，KMO值為0.771，Bartlett檢驗(yàn)的概率值為0.000，均說明本文選取的指標(biāo)適合進(jìn)行因子分析，可以進(jìn)一步進(jìn)行數(shù)據(jù)分析。

表2是運(yùn)用主成分分析法提取因子并選取大于1的特征根的分析結(jié)果?？梢钥吹剑恍枰?個(gè)特征根就可以解釋我國(guó)30個(gè)省份企業(yè)R&D投入情況的97.075%。說明選取的3個(gè)初始指標(biāo)表達(dá)的信息可以縮減至1個(gè)綜合指標(biāo)，并能很好地反映因子分析降維的思想。

表2 解釋的總方差情況

一般情況下，需要確定各指標(biāo)的權(quán)重。按照加權(quán)平均的方法，求出綜合得分。由于只提取了1個(gè)公因子，這個(gè)公因子上的得分就是所求的綜合得分，計(jì)算公式為：

其中，φi（i=1，2，3）為因子得分系數(shù)；X1、X2、X3使用原始數(shù)據(jù)，這與楊俊等[6]處理方法一樣。企業(yè)R&D投入成份得分系數(shù)矩陣如表3所示。

表3 企業(yè)R&D投入成份得分系數(shù)矩陣

2.2 單位根檢驗(yàn)與協(xié)整檢驗(yàn)

在對(duì)變量進(jìn)行回歸數(shù)據(jù)分析之前，為了防止虛假回歸，保證變量平穩(wěn)性，先對(duì)面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。常用的方法主要包括假設(shè)樣本單位根一致和假設(shè)樣本單位根不一致兩種情況，前者主要方式有LLC、Hadri和Breitung，后者主要方式有IMP、IPS、Fisher-ADF和Fisher-PP。一般情況下，若面板數(shù)據(jù)是平穩(wěn)的，需要拒絕存在單位根的原假設(shè)。

分別對(duì)面板數(shù)據(jù)lny1、lny2和lnX4進(jìn)行單位根檢驗(yàn)，采用Eviews8.0軟件，檢驗(yàn)結(jié)果如表4所示?？梢钥闯觯琹ny1、lny2和lnX4均在1%的顯著水平下是平穩(wěn)的，均存在單位根，即lny1、lny2和lnX4均為一階單整變量。

表4 面板單位根檢驗(yàn)結(jié)果

同樣的，需對(duì)面板數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)，常用的方法主要以Engle and Granger二步法檢驗(yàn)為基礎(chǔ)和以Johansen協(xié)整檢驗(yàn)為基礎(chǔ)。前者主要方式有Pedroni和Kao，Pedroni允許面板數(shù)據(jù)存在異質(zhì)性，其構(gòu)造了7個(gè)檢驗(yàn)面板協(xié)整的統(tǒng) 計(jì) 量 ：Panel-v、Panel-rho、Panel-PP、Panel-ADF、Group-rho、Group-PP和Group-ADF。其中，前4個(gè)用聯(lián)合組內(nèi)維度描述，后3個(gè)用組間維度描述的。本文采用Pedroni檢驗(yàn)，lny1、lnX4和lny2、lnX4的面板協(xié)整檢驗(yàn)結(jié)果如表5所示。

表5 Pedroni面板協(xié)整檢驗(yàn)結(jié)果

根據(jù)Pedroni[7]的研究結(jié)論，本文參考Panel-PP、Panel-ADF、Group-PP和Group-ADF四個(gè)統(tǒng)計(jì)量的結(jié)果。從表5檢驗(yàn)結(jié)果看，可以認(rèn)為企業(yè)R&D投入與創(chuàng)新經(jīng)濟(jì)績(jī)效和創(chuàng)新科技績(jī)效之間均存在長(zhǎng)期的均衡關(guān)系。

2.3 回歸結(jié)果分析

在確定采用哪一種具體模型進(jìn)行數(shù)據(jù)分析之前，能夠采用的方法有F檢驗(yàn)和Hausman檢驗(yàn)。本文采用Hausman檢驗(yàn)，同樣運(yùn)用Eviews 8.0軟件輔助，檢驗(yàn)結(jié)果表明P值遠(yuǎn)小于顯著性水平0.05，所以本文采用固定效應(yīng)模型（排除隨機(jī)效應(yīng)模型和混合效應(yīng)模型）來分析企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新績(jī)效的影響。

下頁(yè)表6是對(duì)模型（1）和模型（2）參數(shù)進(jìn)行回歸的結(jié)果果?？梢钥闯?，調(diào)整R2值分別為0.995、0.992，說明兩個(gè)模型的擬合優(yōu)度很高；F的值均在1%水平下顯著，說明兩個(gè)模型總體線性關(guān)系顯著。

從表6可以得出：（1）除了吉林和黑龍江之外，全國(guó)其他地區(qū)企業(yè)R&D投入X4的系數(shù)均能通過t檢驗(yàn)，表明企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新經(jīng)濟(jì)績(jī)效的影響顯著；企業(yè)R&D投入的彈性系數(shù)平均水平為0.981，說明了企業(yè)R&D投入對(duì)創(chuàng)新經(jīng)濟(jì)績(jī)效具有積極的促進(jìn)作用。（2）企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新經(jīng)濟(jì)績(jī)效影響最大的是江西，其彈性系數(shù)約為1.526，說明該省創(chuàng)新經(jīng)濟(jì)績(jī)效受企業(yè)R&D投入的影響較大；除江西之外，企業(yè)R&D投入的彈性系數(shù)較大的省份有浙江、新疆、海南、河南、江蘇、湖南、寧夏、安徽、河北、湖北、廣東、甘肅，彈性系數(shù)都在0.981以上，說明這些省份的企業(yè)R&D行為對(duì)創(chuàng)新經(jīng)濟(jì)績(jī)效有較好的促進(jìn)作用。（3）青海的企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新經(jīng)濟(jì)績(jī)效的影響最小，其彈性系數(shù)約為-2.234，相對(duì)于其他省份，青海省企業(yè)R&D行為的增加并未推動(dòng)創(chuàng)新績(jī)效的提高。青海省2015年R&D人員全時(shí)當(dāng)量?jī)H為4008人年，是除西藏外全國(guó)30個(gè)省份中最少的，而R&D人員全時(shí)當(dāng)量最高的是廣東，為501696人年，是青海的125多倍?？萍既瞬诺那啡痹诤艽蟪潭壬舷魅趿饲嗪５募夹g(shù)創(chuàng)新能力與創(chuàng)新績(jī)效實(shí)力。除青海之外，陜西、黑龍江、吉林三省的企業(yè)R&D行為的彈性系數(shù)也比較小，都在0.5以下，說明這4個(gè)省份的企業(yè)R&D行為對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新經(jīng)濟(jì)績(jī)效的促進(jìn)作用弱于全國(guó)其他地區(qū)。（4）北京、遼寧、天津、福建、山西、山東、貴州、廣西、云南、上海、重慶、四川和內(nèi)蒙古這13個(gè)省份的企業(yè)R&D行為對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新經(jīng)濟(jì)績(jī)效的影響在全國(guó)位于中等水平，彈性系數(shù)都在0.5～0.981之間。

表6 企業(yè)R&D投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新績(jī)效模型參數(shù)的估計(jì)結(jié)果

同樣的分析方法可以得到：企業(yè)R&D投入對(duì)創(chuàng)新科技績(jī)效具有積極的促進(jìn)作用（彈性系數(shù)平均水平為1.264）。黑龍江、貴州、江西、北京、甘肅、安徽、廣西、天津、陜西、山西、新疆、福建和河南這13個(gè)省份的企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新科技績(jī)效的促進(jìn)作用強(qiáng)于全國(guó)其他地區(qū)，彈性系數(shù)都在全國(guó)平均水平以上。企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新科技績(jī)效有較差的促進(jìn)作用的省份有：海南、遼寧、寧夏、上海、青海，彈性系數(shù)都在0.8以下。其他省份的企業(yè)R&D投入對(duì)產(chǎn)學(xué)研協(xié)同創(chuàng)新科技績(jī)效的影響均在全國(guó)位于中等水平。

3 結(jié)束語(yǔ)

本文使用我國(guó)30個(gè)省份2009—2015年的有關(guān)面板數(shù)據(jù)分析企業(yè)R&D投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效果的關(guān)系，得到如下結(jié)論：（1）我國(guó)30個(gè)省份企業(yè)R&D投入對(duì)創(chuàng)新科技績(jī)效和創(chuàng)新經(jīng)濟(jì)績(jī)效均具有積極顯著的促進(jìn)作用。所以企業(yè)在進(jìn)行相關(guān)創(chuàng)新活動(dòng)時(shí)要積極分析R&D投入與創(chuàng)新績(jī)效的正面促進(jìn)關(guān)系，在加強(qiáng)企業(yè)和高校、科研機(jī)構(gòu)的協(xié)作的同時(shí)，也要大規(guī)模增加企業(yè)R&D人員投入和經(jīng)費(fèi)投入，實(shí)現(xiàn)R&D資源的優(yōu)化配置，提高人力、經(jīng)費(fèi)的合理、有效使用。（2）企業(yè)R&D投入對(duì)創(chuàng)新科技績(jī)效的促進(jìn)作用高于對(duì)創(chuàng)新經(jīng)濟(jì)績(jī)效的促進(jìn)作用。所以，企業(yè)在保證科技績(jī)效提升的情況下，要進(jìn)一步提升經(jīng)濟(jì)績(jī)效，提高科技創(chuàng)新成果的轉(zhuǎn)化率。避免創(chuàng)新目標(biāo)不明確，創(chuàng)新成果與市場(chǎng)脫節(jié)的現(xiàn)象，使創(chuàng)新成果市場(chǎng)化、商業(yè)化。（3）對(duì)創(chuàng)新科技績(jī)效和創(chuàng)新經(jīng)濟(jì)績(jī)效的影響都很高的省份有江西、新疆、河南、安徽，很低的省份僅有青海，其他省份則是表現(xiàn)出企業(yè)R&D投入彈性系數(shù)此高彼低的特點(diǎn)。因此，對(duì)創(chuàng)新績(jī)效影響低的省份可以采取激勵(lì)措施，引進(jìn)與培養(yǎng)創(chuàng)新型、應(yīng)用型人才；另外，政府可以加強(qiáng)對(duì)這些省份的科研經(jīng)費(fèi)投入。