高技术产业研发投入强度对创新效率的影响及其机制研究＊
马亮＊＊郑亚萍＊＊
兰州理工大学经济管理学院 兰州 730050
摘 要： 高技术产业是国家实施创新驱动发展战略的重要领域，如何制定产业的发展规划与政策导向，提升我国高技术产业创新效率，是值得深入研究的问题。本文通过相关理论探究，抽象出基于对外开放程度约束的研发投入强度对高技术产业创新效率影响的作用机制，采用面板基本回归和门槛回归的方法分别对高技术17个细分行业的面板数据进行实证检验，探讨研发投入强度对创新效率的影响。结果表明：高技术产业R&D投入强度对创新效率的影响具有显著的正向促进作用；随着对外开放程度的加深，其促进作用呈现出先增加后减少的倒“U”型趋势；所有制结构、技术引进、产业规模有利于高技术产业创新效率的提升，而市场竞争则表现出负向抑制作用。
关键词： 高技术产业 创新效率 门槛效应 Super-SBM
1 引言
高技术产业作为国民经济发展的战略性先导产业，因具有创新性强、附加值高、资源消耗少、环境污染低等特点，成为促进国民经济稳定增长和可持续发展的主要阵地，也是国家实施创新驱动发展战略的重要领域。技术创新是保证高技术产业发展的核心动力，依靠研发投入提高创新产出是目前的主要途径。根据国家统计局发布的《国民经济和社会发展统计公报》显示，2000～2018年，我国科技研发经费由897.7亿元增加至19657亿元，年均增长率28.8%。2016年高技术产业研发经费投入占GDP的比值高达1.82%，占制造业研发总投入的30.57%，但是创新产出却没有相应的增加，新产品销售收入的增速逐年放缓，专利申请数甚至出现负增长。可见盲目地增加研发投入而不注重创新效率的做法不利于高技术产业的健康发展。此外，高技术产业种类繁多但发展不平衡，2016年电子及通信设备制造业新产品销售收入高达31820.647亿元，占全国高技术产业的66.4%，而航空航天器及设备制造业仅占3.2%，行业差距明显。最后，我国高技术产业起步较晚，采取了引进国外先进技术和设备，由模仿创新走向自主创新的道路；随着开放经济的扩大，非政府主导的高技术企业是国际市场的主力军，因此，高技术企业面临着来自海内外市场的双重竞争，而产业集聚的优势吸引着大批高技术企业相继入驻高新技术产业园区。
那么，高技术产业研发投入如何影响创新效率？影响程度是否随着外部约束的改变而发生变化？所有制结构、技术引进、产业规模、市场竞争和产业集聚又将如何影响创新效率？这些不仅直接关系到我国高技术产业创新效率的提升，更影响到产业的发展规划与政策导向，是值得深入研究的问题。因此，在国家大力实施创新驱动战略背景下，本文通过梳理相关理论和文献，明确了研发投入强度对高技术产业创新效率的影响机理，找出了制约R&D投入强度影响创新效率的关键约束和最优区间，为实现高技术产业健康稳定高效地发展提供理论依据和实践指导。
2 文献综述
创新效率的测度来源于Farrell[1]创立的生产前沿面效率模型，在此基础上学者们对其进行了扩展和补充，归纳起来主要是以数据包络分析（DEA）为主的非参数估计法和以随机前沿分析（SFA）为主的参数估计法两类。现有文献大多采用成熟的DEA方法：Broekel等[2]使用模糊匹配的共享输入DEA模型测度了德国地区的区域创新效率；Wang等[3]采用非径向DEA方法测量我国新能源企业的创新效率；刘鑫等[4]用TSC-DEA模型对我国金融支持技术创新的两阶段效率进行了测度；屈国俊等[5]基于三阶段DEA模型考察了中国上市公司的技术创新效率；田春晓和陈聪[6]采用DEA模型测度了35家信息技术企业的创新效率。另有一些学者采用随机前沿分析法进行分析：Sanatkhani等[7]采用SFA测度了2000～2013年美国商业银行系统的创新效率；Tan和Chen[8]利用SFA方法对2009～2013年我国医药制造业创新效率进行了测度；张满银和张丹[9]通过随机前沿方法（SFA）测算了京津冀地区规模以上工业企业的技术创新效率；而王慧等[10]则认为DEA模型虽然不受指标量纲的约束，但会造成投入要素的松弛问题，而Malmquist指数法又无法比较效率值均为1的决策单元水平，因此采用非径向的超效率DEA模型测度我国不同省份的高技术产业创新效率。
在效率测度的基础上，学者们相继进行了高技术产业创新效率的影响因素和异质性研究。王伟和邓伟平[11]认为金融环境、研发强度和劳动者素质有利于高技术产业创新效率的提高；宁华等[12]论证了资金投入和人才投入是影响医药制造业创新效率最直接的因素；王钊和王良虎[13]认为税收优惠政策对高技术产业创新效率有显著的正向影响；陈珊[14]剖析了科技金融发展对高技术产业区域创新效率的影响;宛群超等[15]研究发现固定资产投资对省域高技术产业创新效率影响显著，而且表现出明显的空间异质性；Wang[16]进一步发现不同区域的创新效率存在显著差异且差距日益缩小；刁秀华等[17]实证检验了企业规模质量对技术创新效率的影响存在明显的区域差异。戴魁早和刘友金[18]则认为对创新效率的贡献度不同也表现为异质性，研究发现要素市场扭曲对创新效率产生的抑制效应存在边际贡献递减规律；相当一部分学者都支持该观点[19-21]，认为外商直接投资（FDI）技术溢出、制度因素等对高技术产业创新效率的影响也存在异质性。但是，目前鲜少有文献提及高技术产业不同细分行业创新效率的异质性，研发投入强度对创新效率影响是否存在异质性也几乎没有学者进行研究。
3 研究设计
3.1 影响机制
在影响高技产业创新效率的众多因素中，研发投入是最直接的影响因素，研发投入强度直接关系到创新活动能否顺利进行。此外，学者们一致认为，国有企业由于缺乏市场活力，研发创新效率普遍低于民营企业和外资企业[22]；而市场竞争具有双向作用，一方面激励企业研发新产品增加市场优势，另一方面竞争的加剧又会破坏研发活动抑制创新效率的提升；产业集聚能够带来劳动力流动、技术溢出和资源共享，有利于促进创新产出[23]；技术引进对于提升科技发展水平，促进技术进步、发挥后发优势具有重要作用[24]；最后，产业规模越大，研发创新越具有规模经济性，越能促进创新效率的提升。
对外开放程度的扩张会提升R&D经费的利用率，国际化程度越高，高技术产业的研发投入要素越能得到合理利用，研发投入强度对创新效率的促进作用也就越明显。因此，本文进一步研究，随着对外开放程度的提升，研发投入强度对创新效率的影响是否发生明显变化。
基于以上分析，本文将研发投入强度、所有制结构、市场竞争、产业集聚、技术引进和产业规模作为高技术产业创新效率的影响因素，而把对外开放程度作为研发投入影响创新效率的约束条件，抽象出研发投入强度对创新效率影响的作用机制（图1）。创新效率通常由研发投入与创新产出之比来衡量，研发投入包括经费投入与人员投入，创新产出主要分为新产品和专利发明。
英文名称：Casein phosphopeptides，简称CPP。别名：酪蛋白钙肽，CAS号：691364-49-5。核心结构为—Se r（P）-Se r（P）-Se r（P）-G lu-G lu-（Se r丝氨酸，G lu谷氨酸，P磷酸基），属于氨基酸系列。CPP是易溶于水的白色或淡黄色粉末，具有很好的溶解和压片性能，可耐受高温处理，稳定性良好。根据《食品营养强化剂使用标准（GB 14880）》的规定，CPP可在食品中添加。
图1 高技术产业研发投入强度对创新效率影响的作用机制
3.2 模型设计与变量说明
因此，科研项目信息化管理系统的建立，是科研成果的全成本核算的基础，更是实现经济活动内部控制的有效手段。
作用机制阐述了研发投入强度与高技术产业创新效率之间的关系，由此本文将基本回归模型设定如下：
式（1）中，i代表行业，t代表时间；Iefit表示高技术产业创新效率；intit表示研发投入强度；struit表示所有制结构；comit表示市场竞争强度；gathit表示产业集聚度；tecit表示技术引进；scait表示产业规模；μi表示行业个体效应；εit表示随机干扰项(εit～iidN(0,δ2))。
选取所有制结构、市场竞争程度、产业集聚度、技术引进和产业规模作为控制变量。所有制结构用高技术产业投资额中非国有企业所占的比重表示，市场竞争程度采用高技术产业营业利润总额占主营业收入的比值表示，产业集聚度用高技术企业数量表示，技术引进用高技术产业引进技术经费支出来表示，产业规模用高技术产业人均主营业务收入表示。
最终监测结果如图17所示。可以看出，切眼左帮总位移约62mm，位移速率随着切眼扩帮的进行逐渐减小；切眼右帮在扩帮前位移量为零，随着扩帮的进行，位移量逐渐增大，总位移量约54mm，低于左帮位移量；切眼顶板总位移量约14mm，总位移量较小；切眼底板最终底鼓量约14mm。由以上数据可以看出，切眼左帮、右帮、顶板、底板变形量均较小，在允许的范围之内，且在整个工作面推进期间，均没有发生明显的破坏，支护效果良好。
式（2）中，openit表示门槛变量，γ1和γ2表示门槛变量对应的两个门槛值。I(·)表示虚拟变量，如果括号内条件满足则 I(·)=1，否则 I(·)=0 。
3.2.2 变量选取及说明
办难办之事，成难成之功。催生深层次、根本性变革，取得全方位、开创性成就，中国特色社会主义进入新时代，中华民族之复兴气象蔚为大观。
选取高技术产业创新效率作为被解释变量。借鉴Tone[25]提出的非径向SBM模型，采用Super-SBM测度高技术产业的创新效率，以研发经费和新产品开发经费作为资本投入量，以R&D人员折合全时当量作为劳动投入量，以新产品销售收入和有效发明专利数作为产出变量，运用DEA-SOLVER Pro5.0软件测算出高技术产业17个细分行业的创新效率（表1）。
此外，产业规模、技术引进对高技术产业创新效率的提升具有正向的促进作用，且通过了1%的显著性检验；市场竞争程度对高技产业创新效率的提升具有显著的负向影响，并且也通过了1%的显著性检验；而所有制结构、产业集聚度对创新效率的影响在统计意义上不显著。
借鉴Hansen创立的门槛模型回归方法，本文将对外开放程度openit作为门槛变量引入式（1）中，建立双重门槛回归模型：
通过前期建模时数据整理发现，优质窖泥的pH值多集中在6.0～7.5范围内，而质量一般窖泥的pH值多集中在5.0～6.0或7.5～8.0，当窖泥pH＜4.5时，窖泥质量明显下降。pH值可引起细胞膜电荷的变化，从而影响了微生物对营养物质的吸收；也可影响生化反应过程中酶的活性[12]。3年窖泥的pH值较10年、30年的窖泥低，pH值缓冲能力较弱。随着窖泥年份增加，pH值逐渐稳定在5.0～6.0。
选取对外开放程度作为门槛变量。采用出口交易额占GDP的比值表示对外开放程度。
3.3 数据来源
本文分别使用固定效应模型、随机效应模型和混合效应模型进行初步的面板回归效果检验，结果如表3所示。
4 模型估计及分析
4.1 平稳性检验
为防止出现伪回归现象，需要对时间序列数据做平稳性检验。分别使用LLC检验、IPS检验、Fisher-ADF对被解释变量、解释变量和控制变量做单位根检验，结果如表2，变量均是平稳的，不会出现伪回归。
4.2 基本模型回归分析
本文使用的数据源于《中国高技术产业统计年鉴》、《中国统计年鉴》、《中国高技术产业发展研究报告》，时间跨度为2007～2016年。由于计算机外围设备制造业部分年份数据缺失较多，且该细分行业在高技术产业中所占比重较小，因此本文并没有把该数据计入统计，而其他17个细分行业的极个别缺失数据采用指数平滑法补齐。
录播系统对教学过程实现全过程的录制。教师采用录播系统等信息化手段，实现信息化教学，有利于满足精品课建设的要求。学院录播教室自使用以来，校内很多教师在录播教室进行精品课的录制，参加各级各类信息化教学大赛及其他精品课的评比，取得较好的成绩。简易便捷的高清录制，舒适安静的上课环境，相比用手机或笔记本电脑的录制，在录播教室录制的课程更能体现课程“精品”的内涵。
表3显示，BP-LM检验的Prob>chi2=1.000，故在混合效应和随机效应的比较中，应选择混合效应模型；Hausman检验的卡方为49.23，P值为0.000，在固定效应和随机效应的检验中，应选择固定效应模型；然后再通过Wald检验，决定是选固定效应模型，还是混合效应模型。检验结果中F值为2.59，P值为0.008，因此应选取固定效应模型进行回归分析。而且从整个模型拟合优度来看，固定模型效应的R2最高。
表1 高技术产业17个细分行业＊＊＊ 1：化学药品制造；2：中成药生产；3：生物药品制造；4：飞机制造；5：航天器制造；6：通信设备制造；7：广播电视设备制造；8：雷达及配套设备制造；9：视听设备制造；10：电子器件制造；11：电子元件制造；12：其他电子设备制造；13：计算机整机制造；14：计算机零部件制造；15：办公设备制造；16：医疗仪器及器械制造；17：仪器仪表制造。 创新效率测算值
表2 各变量的单位根检验
固定模型效应显示：高技术产业R&D投入强度对创新效率具有显著的促进作用。R&D投入强度每提升1个百分点，高技术产业的创新效率将相应地提升0.026%；所有制结构、技术引进、产业规模对高技术产业创新效率具有显著的正向作用，而市场竞争程度对高技术产业创新效率具有明显的负向影响，且通过了1%的显著性检验，产业集聚度对高技术产业创新效率也有正向作用，但是在统计意义上不显著。
4.3 门槛模型回归分析
在基本模型回归结果显著的基础上，本文以对外开放程度为门槛变量，进一步分析R&D投入强度对高技术产业创新效率影响的门槛效应。借鉴Hansen的方法，本文依次对模型存在单一门槛、双重门槛和三重门槛进行估计，得到各门槛变量的F统计量，采用Bootstrap法估计出相应的P值和临界值（表4）。
表3 面板数据基本模型回归结果
表4显示，单一门槛检验和双重门槛检验均通过了5%的显著性水平，但就整个模型的拟合程度来说，双门槛模型要优于单门槛模型，所以本文采用双门槛模型进行分析。
图2和图3给出了门槛变量值的似然比函数，图中的虚线为LR值小于5%显著水平下的临界值7.35，其与LR值的交点所构造的空间即为门槛变量95%的置信区间。综合表5的具体数值，门槛值均在95%的置信区间内且区间长度较小，说明门槛估计值识别效果较好，对外开放程度的两个门槛值分别为为0.0015和0.0020。
图2 对外开放程度第一门槛值和置信区间
图3 对外开放程度第二门槛值和置信区间
表6显示，F 统计量为 27.89，P 值为0.000，R2为59.5%，回归方程整体显著，模型的拟合程度较高，且大多数变量系数都通过显著性检验，模型的估计效果较好。而且，门槛模型系数的显著性和系数符号与基本模型回归结果大体一致，说明模型的稳健性较好。
从影响结果来看，在对外开放程度的不同区间，R&D投入强度对高技术产业创新效率的影响存在显著的差异性。随着对外开放程度的加强，R&D投入强度对高技术产业创新效率的影响呈现倒“U”型特征。当对外开放程度较低，即出口交易额占GDP总值低于0.0015时，研发投入强度对高技术产业创新效率的影响较弱，R&D投入强度每提升1个百分点，高技术产业的创新效率将提升0.335%；而当出口交易额占GDP总值介于0.0015～0.0020之间，研发投入强度对高技术产业的创新效率的影响最强，此时R&D投入强度每提升1个百分点，创新效率将会显著提升1.471%；而当出口交易额占GDP总值高于0.0020时，系数降至0.032，R&D投入强度对创新效率的促进作用最弱。这说明在对外开放的初期，较为封闭的国内市场阻碍了高技术产业引进先进的知识文化和科学技术，研发活动主要依赖于企业自有的研发设备和技术水平，低效率的生产线抑制了R&D投入强度对创新效率的促进作用；随着对外开放程度的加深，与国外的技术交流逐渐频繁、知识引进逐步成熟，技术水平的提升降低了制造成本，知识的引进促进更多的创新产出，推动了高技术产业创新效率的大幅度提升；随着对外开放的继续扩张，研发人员的创造性、积极性减弱，研发活动由自主创新转为被动模仿，且过高的开放度，会与行业的经济基础、知识积累不适应，从而降低了研发投入强度对创新效率的促进作用。
加强顶层设计，突出规划引领，实行试点先行，坚持点面结合。在科学发展观的指导下，江苏水利现代化建设正在有力有序全面推进。我们坚信，不久的将来，“江淮安澜、河湖健康、碧水畅流、和谐水乡”的水利现代化愿景一定会在江苏大地实现！
表4 门槛效果检验结果
表5 门槛值的估计结果
选取研发投入强度作为解释变量，由于各细分行业研发经费占GDP的比重较小，故本文在参考前人研究的基础上，以不同的单位进行计量，采用各细分行业R&D经费内部支出（万元）占GDP（亿元）的比值来表示。
综合分析对外开放程度的门槛效应，表7列出了2007年和2016年各细分行业对外开放程度与门槛区间的关系。
3.2.1 模型设定
从行业分布可以看出，我国对外开放程度处于较高水平。2007年处于第一区间（open≤0.0015）的行业只有航天器制造业，中成药生产、雷达及配套设备制造位于第二区间（0.0015<open≤0.0020），剩下的14个行业均处于第三区间（open>0.0020）。而在2016年，中成药生产、雷达及配套设备制造两个行业转至第一区间，这是因为出口交易额的增加值远远低于GDP的增加值，导致两者的比值低于0.0015，造成低门槛区间行业个数的增加；剩下的14个行业仍处于第三区间；而R&D投入强度对创新效率影响最强的第二区间却没有一个行业。航天器制造由于其战略地位的特殊性，一直保持在最低的对外开放区间，中成药生产基于传统民族特色、雷达及配套设备制造基于防护和安全性，也应保持在较低的开放区间。而位于第三区间的行业，基于自身的行业特点，可在一定范围内控制出口额占GDP的比重，以提升研发投入强度对创新效率的促进作用。
式中，为动态初始压溃应力;D为动态应变硬化参数。进而，文献[12]基于D-R-PH冲击波模型，提出了通过对冲击应力和瞬时冲击速度的测量确定动态材料参数的方法。
表6 对外开放程度双门槛模型回归结果
表7 处于对外开放程度门槛区间的具体行业名称
5 结论与启示
5.1 主要结论
（1）本文通过构建理论模型，抽象出高技术产业研发投入强度对创新效率影响的作用机制，在此基础上构建面板基本模型分析研发投入强度对高技术产业创新效率的影响，结果表明高技术产业R&D投入强度对创新效率的影响具有显著的正向促进作用，R&D投入强度每提升1个百分点，创新效率将提升0.026%；
在充分肯定成绩的同时也要看到，目前，党务公开工作在党员领导干部的思想认识、党务公开的内容和范围、制度体制建设等方面尚存在一些问题与不足，具体表现在以下几个方面。
（2）在面板基本模型回归显著的基础上，引入对外开放程度作为门槛变量建立面板门槛模型，验证高技术产业研发投入强度对创新效率的影响程度是否会发生改变。结果表明R&D投入强度对高技术产业创新效率的促进作用呈现先增加后减少的倒“U”型趋势，当对外开放程度介于0.0015～0.0020时，促进作用最强，此时R&D投入强度每提升1个百分点，创新效率将会显著提升1.471%。
（3）所有制结构、技术引进、产业规模对高技术产业创新效率的提升具有显著的正向促进作用，而市场竞争则表现出显著的负向抑制作用，产业集聚对其影响在统计意义上不显著。
5.2 启示和展望
（1）优化产业结构，扩大产业规模，规范行业竞争，注重技术引进和自主创新的综合平衡。
面板数据基本模型表明，所有制结构、技术引进、产业规模对高技术产业创新效率存在显著的正向促进作用，而市场竞争对其呈现显著的负向抑制作用。因此政府应扩大高技术产业的规模，发展产业园区，实现集聚优势，促进知识和技术溢出；鼓励非国有企业的发展，释放创新活力，带动国有企业的发展，以此提升高技术产业的创新效率；加强对企业的管理，规范各企业之间的恶性竞争，防止出现垄断行为，降低市场竞争对创新效率的抑制作用；最后，引进国外先进的技术和设备可以快速提高创新效率，但必须注重我国自主研发与创新能力的提升，提升核心竞争力和综合国力才是最终目标。
（2）根据高技术产业的差异化特征，合理控制各细分行业的出口比率。
对外开放程度的双重门槛效应表明：在对外开放的不同阶段，R&D投入强度对创新效率的影响存在显著的差异性，因此政府应该依据行业的自身特征，结合高技术产业整体的发展政策，合理控制各行业的出口比率。中成药生产、航天器制造、雷达及配套设备等产业制造因传统特色、战略地位及国家安全需要等一直保持在较低的出口水平，因此也不用刻意扩大出口比例。但是，通信设备制造、电子器件制造、办公设备制造、计算机零部件制造等行业，由于较高的出口比率使对外开放处于较高水平，削弱了R&D投入强度的积极影响。因此，对于这些行业，政府可适当的降低出口比率，调整对外开放程度位于最优区间，提升R&D投入强度对创新效率的促进作用。
（3）本文在研究高技术产业研发投入强度影响创新效率的外部约束中，只考虑了对外开放程度，还有其他的因素制约着研发投入强度对高技术产业创新效率的影响，是下一步的研究方向。
当前军工企业军民融合发展的问题还存在于人力资源管理工作方面。首先，军民融合发展使得军工企业无论在管理方面还是技术方面都产生了更大的人才需求，但在传统观念的影响下，很多军工企业仍然坚持通过内部的人才调动与培养来满足自身人才需求，而不愿外聘优秀人才，这对于企业人才引进产生了极大的限制，也阻碍了企业的发展。其次，很多军工企业仍然存在着论资排辈的错误思想，习惯于将新资待遇与工龄、资历相联系，这使得员工的工作积极性大大下降，人才流失问题也因此变得更加严重。
参考文献：
[1]FARRELL M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society,1957,120(3):253-290.
[2]BROEKEL T,ROGGE N,BRENNER T.The Innovation Efficiency of German Regions-A Shared-Input DEA Approach[J].Working Papers on Innovation&Space,2013(219):1-33.
[3]WANG Q W,HANG Y,SUN L C,et al.Two-Stage Innovation Efficiency of New Energy Enterprises in China:A Non-radial DEA Approach[J].Technological Forecasting&Social Change,2016,112:254-261.
[4]刘鑫,李云静,郭凯.我国金融支持技术创新的两阶段效率——基于TSC-DEA模型的检验[J].财经问题研究,2018(11):66-73.
[5]屈国俊,宋林,郭玉晶.中国上市公司技术创新效率研究——基于三阶段DEA方法[J].宏观经济研究,2018(6):97-106.
[6]田春晓,陈聪.高新技术产业中信息技术企业创新效率评价研究[J].科技促进发展,2019,15(2):184-191.
[7]SANATKHANI M,VASAF E.Dynamics of Innovation and Efficiency in Banking System:An Application of SFA and Metafrontier Method[J/OL].http://mpra.ub.uni-muenchen.de/64840,2015-06-11.
[8]谭晓东,陈玉文.基于SFA方法的中国医药制造业创新效率评价[J].中国新药杂志,2016,25(13):1461-1465.
[9]张满银,张丹.京津冀地级市区规模以上工业企业创新效率分析[J].经济经纬,2019(1):1-15.
[10]王惠,王树乔,苗壮,等.研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J].科研管理,2016,37(2):63-71.
[11]王伟,邓伟平.高技术产业三阶段创新效率及其影响因素分析——基于EBM模型和Tobit模型[J].软科学,2017,31(11):16-20.
[12]宁华,程祖强,刘敬东,等.四川省生物医药产业创新驱动关键因素分析及发展建议[J].科技促进发展,2017,13(7):602-607.
[13]王钊,王良虎.税收优惠政策对高技术产业创新效率的影响——基于断点回归分析[J].科技进步与对策,2019,36(11):109-116.
[14]陈珊.科技金融对我国高技术产业区域创新效率影响分析[J]经济问题探索,2019(3):166-172.
[15]宛群超,杨晓岚,邓峰.中国省域高技术产业创新效率的收敛性及其影响因素研究——基于空间经济学视角[J].科技管理研究,2018,38(8):80-86.
[16]Wang Q.Dynamic Trend and Regional Differences of Innovation Efficiency in Chinese High-tech Industry—An Analysis Based on DEA-Malmquist[C]//International Conference on E-business&E-government.IEEE,2011.
[17]刁秀华,李姣姣,李宇.高技术产业的企业规模质量、技术创新效率及区域差异的门槛效应[J].中国软科学,2018(11):184-192.
[18]戴魁早,刘友金.要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[J].经济研究,2016,51(7):72-86.
[19]余泳泽.FDI技术外溢是否存在“门槛条件”——来自我国高技术产业的面板门限回归分析[J].数量经济技术经济研究,2012,29(8):49-63.
[20]陈建丽,孟令杰,王琴.吸收能力、FDI技术溢出门限效应与内资企业生产率增长——基于我国高技术产业的实证分析[J].工业技术经济,2015,34(10):121-128.
[21]刘树林,韩渭,韩书成.我国高技术产业创新效率的制度贡献及其异质性[J].科技进步与对策,2018,35(17):75-82.
[22]刘伟.中国高新技术产业研发创新效率测算——基于三阶段DEA模型[J].数理统计与管理,2015,34(1):17-28.
[23]赵玉林,马照宁.产业集聚视角下高技术产业发展对区域经济增长的贡献研究[J].财会月刊,2018(14):3-12.
[24]王钦,张隺.中国工业企业技术创新40年:制度环境与企业行为的共同演进[J].经济管理,2018,40(11):5-20.
[25]TONE K.A Slacks-Based Measure of Super-efficiency in Data Envelopment Analysis[J].European Journal of Operational Research,2002,143(1):32-41.
Research on the Effect of R&D Investment Intensity on Innovation Efficiency and Its Mechanism in High-Tech Industries
MALiang,ZHENG Yaping
School of Economics and Management,Lanzhou University of Technology,Lanzhou 730050
Abstract: Through relevant theoretical research,this paper abstracts the mechanism of R&D investment intensity on innovation efficiency in high-tech industries based on the degree of openness constraints,and uses panel basic regression model and threshold regression model to empirically test panel data of 17 sub-sectors in high-tech industry,and explores the impact of R&D investment intensity on innovation efficiency.The results show that R&D input intensity of high-tech industry has a significant positive effect on innovation efficiency;with the deepening of opening up,its promotion shows an inverted"U"trend of increasing first and then decreasing;ownership structure,technology introduction and industrial scale are conducive to the improvement of innovation efficiency in high-tech industry,while market competition shows a negative inhibition effect.
Keywords: high-tech industry;innovation efficiency;threshold effect;Super-SBM
DOI: 10.11842/chips.2019.07.002
＊国家自然科学基金委地区科学基金项目（71764015）：新能源汽车碳配额管理体系的实验研究，负责人：马亮。
＊＊马亮，博士，副教授，硕士生导师，研究方向：技术创新管理；郑亚萍（通讯作者），在读硕士研究生，研究方向：产业决策与管理。
（责任编辑：何岸波； 责任译审：毛子英）
标签：高技术产业论文; 创新效率论文; 门槛效应论文; Super-SBM论文; 兰州理工大学经济管理学院论文;