创新速度的提升路径：自主研发还是协同创新※
—— 以高技术产业为例
内容提要： 在产业创新速度的基础上，建立了创新速度提升路径的理论框架，认为创新速度对于高技术产业创新具有直接作用效应和创新模式选择效应。直接作用效应主要体现在通过政策激励效应、规模经济效应和资源投入效应，从而促进高技术产业创新；创新模式选择效应是指，在提高创新速度追加资源投入时，总是优先投向弹性系数较高的创新模式。通过面板数据模型和贝叶斯向量自回归模型的实证研究结果表明，以上两种效应是显著的。创新速度与其他创新要素呈现良性互动特征，此外协同创新绩效需要进一步提高。
关 键 词： 创新速度 自主研发 协同创新 作用机制
一、 引 言
创新驱动已经成为国家层面的宏观发展战略，提高创新速度对高技术产业具有重要意义。从高技术企业的创新模式来说，主要有两种：一种是自主研发，也称为自主创新；另一种是协同创新，就是企业与高校、科研院所以及其他企业合作，联合进行攻关，发挥各自优势，产生协同效应，从而提高创新效率。当然更多的企业往往同时采用这两种模式进行研发，比如某个产品以自主研发为主，另一个产品以协同创新为主。
气象科学的发展对农业发展有着极大的帮助。天气预报会使人们提前对天气的变化有一定的了解，便于农户掌握规律。在得知灾难即将来临时，提前进行防灾的准备工作，从而做好应对，有效减少、避免经济损失。在得知天气晴好、适宜劳作的日子积极劳作，提高农业生产能力，增加收益。同时充分考虑气候及地理条件，更加合理地布置农作物的布局。
保持一定的创新速度对高技术企业的生存发展意义重大。在中国高技术产业创新快速发展的背景下，有必要关注这样的问题：自主研发与协同创新哪个更有效率？在提升创新速度时，是优先进行自主研发还是协同创新？他们的内在机理是什么？可能存在什么问题？对这些问题进行研究可以丰富创新理论，提高创新效率，加快高技术产业的创新速度，从而更好地促进经济转型升级，提高经济发展质量。
2)单个本体设计构建好后，无法发挥作用，需要集成到整体的知识库或本体库中，本体的集成是一个复杂的过程，目前还没有一种成形的本体集成方法[14]，地名本体同样面临这个问题，如何将不同领域、不同方法创建的地名本体融入到一个统一的本体库中，是地名本体构建中的难题。
产品创新速度的研究主要从微观企业层面进行，有两种界定方式，一种认为产品创新速度是从产品研发到投放市场关键事件之间的时间跨度，注重重大事件和关键创新(Manisfield，1988)。另一种认为是从初次发现市场需求到商品化之间所需时间，注重创新过程(Kessler等，1996)。其实在宏观产业角度，同样存在创新速度，就是产业创新的快慢程度。
关于创新速度的作用机理，概括地说，主要包括以下四种机制：第一是竞争效应。创新速度快速成为企业竞争能力强的重要标志和前提(Clemens等，2005)。第二是品牌效应。企业通过快速创新树立品牌形象，一些具有良好创新速度的企业创新速度自身就是品牌(Menon等，2002)。第三是研发成本降低效应。快速创新意味着创新效率的提高，具有更多的尝试失败次数，从而分摊了创新成本(Kessler等，1996等)。第四是利润效应。快速创新可以为企业带来较好的利润回报(Alpert等，1994)。
关于协同创新的理论与作用机制研究，Ansoff(1965)较早提出了协同思想，指出协同是指一个大系统内部各子系统之间协调能力的大小，可以发挥1+1>2的效果。Freeman(1987)、Lundvall(1987)等提出国家创新系统理论，开创一个新的研究领域。Etzkowitz(2000)通过建立三重螺旋模型，分析创新网络中利益相关方核心企业、科研院所和其他相关机构的关系及创新变化。Chesbrough(2003)提出了开放式创新理论，将创新时空进一步进行拓展。Haken等(1971)建立协同理论，已经成为系统科学的一个重要分支。Hall等(2000)认为产学研合作的动机包括两种，一是加强与高校重要研发人员之间的关系，二是设法获取互补性的研究成果。俞立平、方建新(2015)研究高技术产业自主创新与协同创新的协调机制，认为两者互动关系显著，但协调水平需要进一步提高。
从现有的研究看，产品创新速度的研究比较成熟，研究包括产品创新速度的概念界定、作用特征、影响因素、提升路径等等。关于协同创新的研究，近年来成果也比较丰富，涉及协同创新的基本理论、作用机制、存在问题等等。总体上，尚有以下问题值得深入。
在科尔沁沙地，有牧民将刚采回的沙葱，简单洗一下就装入罐子里，撒上一点盐，浸之，不消半个时辰就是美味的小菜。
第一，从产业创新速度的角度研究需要深入，首先需要对其进行界定，这是研究产业创新速度必须首先要解决的理论问题。第二，自主研发与协同创新的关系，他们之间是否有影响，以及哪一个更有效率。第三，创新速度与自主研发及协同创新的关系，在提升创新速度时，如何进行路径选择，以发挥最大的效果。
H1：高技术产业产业创新速度对创新产出的弹性系数为正。
二、 产业创新速度的作用机制
产业创新速度的作用机制主要包括两个方面，第一是产业创新速度对创新产出的影响，称为直接作用机制。第二是产业创新速度的提升，必然涉及投入要素增加以及创新模式的选择，但其选择的依据和标准并非是确定的。
1 .产业创新速度对创新产出的作用机制
(1) 产业发展速度的政策激励效应：任何产业的科技发展总是在强大的需求拉动下产生的，当然革命性的技术也会创造需求，当初的互联网就是这样。新兴产业在起步期由于技术还不完善，需求不旺，因此发展比较缓慢，只有度过起步期后，产业发展速度得到较快增长，引起市场和政府的重视，政府才会出台一系列的政策鼓励产业发展，相关媒体也会更多地予以关注，从而新兴产业慢慢得到培育，最终进入良性发展轨道。
通过表中的数据可以得到：在进行恒压频比调速时，由于在低频下近似为恒转矩调速，其动载系数随着频率的降低而降低，由此可以得出在这种调速方案中低频启动最合适，但是启动频率不能低于变频电动机的最低启动频率。所以，研究变频电机的最佳启动频率也是机电领域的重要课题。
(2) 产业创新速度的规模经济效应：单个产品难以形成产业，只有同一领域的若干企业相似产品的集合才能形成产业，而一旦产业形成以后，由于企业之间的竞争，创新必然成为每家企业生存发展的必然之选。这样对创新资源必然产生大量需求，吸引高等院校、科研院所合作，加快产业积聚，产生创新的规模经济效应，导致产业创新速度的快速增加。创新速度与产业规模是相辅相成的，产业规模的扩大必然会加大竞争，从而提高创新速度，而创新速度的提升必然会促进产业更快发展，规模越来越大。
(3) 加大研发资源投入效应：产业创新速度的提升，是产业内部竞争和市场需求共同作用的结果，提高创新速度，必然带来研发资源投入增加，包括研发经费、研发人员投入，甚至会寻求政府财政支持。
基于以上分析，本文提出以下假设：
本文从宏观视角界定并研究产业创新速度，首先对产业创新速度作用机理进行分析，以及其对自主研发与协同创新的影响，然后基于面板数据模型，比较诸要素对创新成果贡献的弹性系数，在此基础上，基于贝叶斯向量自回归模型，研究创新速度与自主研发、协同创新的关系，总结内在规律，分析存在问题，最后进行总结。
有些老师总担心，一旦指导学生写“规范的议论文段落”，学生的思维会变得僵化，写作也束缚了手脚。其实，议论文段落的写法虽说可以不拘一格，但初学者还是掌握基本的套路，这样有意识地进行规范化训练，既有利于养成良好的写作习惯，有利于迅速入门，也有利于读者（阅卷老师）尽快把握写作者的写作意图、论证结构和思想观点，减少误判的可能性。循着这样的思路训练下去，也才能写出立意新颖、结构清晰、技法灵活、表达得当的优秀议论文来。
2 .创新模式选择机制与创新速度
高技术企业在创新资源投入时，总是会遵循寻求最大创新产出的目标。从微观企业视角而言，创新速度的提高，会增加创新资源投入，关于自主研发与协同创新模式的选取，主要由企业的技术难度、创新基础、团队特点、产品特征、经费投入等多种因素。为了降低产品研发风险，企业往往会存在路径依赖，即如果企业以往以自主研发为主，且效果较好，那么在提高创新速度追加增量创新投入时，往往也会选择自主研发模式。如果企业在协同创新方面有成功的经验，那么企业也会继续选择协同创新。对于我国高技术产业而言，由于长期以来形成的习惯，绝大多数企业往往以自主研发为主，较少进行协同创新。
log(Y )=c +α 1log(K 1)+α 2log(K 2)+β log(L )+γ log(S )
从宏观角度分析，如果高技术产业创新中自主研发的弹性较大，那么产业在提高创新速度追加创新资源时，往往也会选择自主研发模式；如果协同创新投入的弹性系数大，那么高技术产业也会选择协同创新模式，相关国家政策也会向相关方向进行引导。
基于以上分析，本文提出以下假设：
H2：产业创新速度提升追加的创新资源会投向弹性系数较高的创新模式，创新速度对弹性系数较大的创新模式正向影响较大。
三、 研究方法与数据
1 .面板数据模型
首先根据Jaffe(1989)、Griliches(1979)建立的知识生产函数，建立本文研究的基本方程：
向量自回归模型强调经济系统的动态性与互动性，较好地解决了变量的内生性问题。缺点是VAR模型对数据依赖程度较高，缺乏足够的经济理论基础。此外模型估计参数较多，对于一个包含m个内生变量，滞后阶数为p的模型，共有m(mp+1 ) 个参数需要估计，估计过程中经常主观设定一些参数初值为0，导致模型难以解释。
Y =AK α L β
(1)
公式(1)中，Y代表创新产出，K代表研发经费，L代表研发劳动力，A为常数项，代表全要素生产率，α、β为弹性系数。研发投入包括自主研发与协同创新两种模式，所以将研发经费分解为自主研发(K1)与协同创新(K2)两种来源，在此基础上继续引入产业创新速度变量S，并对公式两边同时取对数，得：
对于该文全程教育组我们为患者配合全程健康教育方案进行护理，具体护理方案为：①成立健康教育小组：从院内选择多名具有糖尿病专业护理知识的护理人员，通过对于竞争上岗的方式的应用，从护士小组当中选出责任小组组长，在护理干预前，进一步的进行岗位要求和知识梳理。同时聘请具有糖尿病多学科、多科室、专业治疗和教育经验的专科医生进行宣讲，从护士和营养师，心理理疗师等各个角度进行综合的考虑，充分的将专业特长发挥，以便对患者进行糖尿病的预防指导，做好对于糖尿病患者的健康教育工作[5]。
(2)
所有数据来自中国高技术统计年鉴，考虑到协同创新数据2010年才开始公布，所以数据为2010-2015统计年鉴数据。西藏、青海缺失数据较多，将其舍弃，本文所有变量的描述统计量如表1所示。
2 .贝叶斯面板向量自回归模型
在导航过程中，定位是实现自主能力的核心问题之一，其功能是获得机器人相对于坐标系的位置。机器人定位一般可划分为相对定位和绝对定位。
产业创新速度本质上是创新产出的增长率，所鉴Griliches(1990)的研究，用下一年度新产品销售收入与上一年度新产品销售收入的比值表示创新速度。采用研发经费内部支出表示自主研发，采用研发经费外部支出表示协同创新，采用研发人员折合全时当量表示研发劳动力。
3 .数据
Litterman(1986)建立贝叶斯向量自回归模型(Bayesian Vector Autoregressions，BVAR)，用一种相对简单的方法来处理模型估计中的约束问题，当估计参数被判定为某一值时，使模型参数趋近于这一值而不是锁定该值，从而提高了模型的估计精度。相比传统的向量自回归模型，BVAR不会产生传统方法的不可信结构。
本文基于面板数据模型做计量分析，在数据量较少的情况下，采用面板数据有时是一种不得已的办法。在数据量较多时面板数据的估计结果更好。面板数据能降低多重共线性，提高模型估计时的自由度。考虑到变量内生性问题，本文采用系统广义矩法进行估计，它较好地解决了差分广义矩法估计量容易受弱工具变量影响的问题。
表1 变量描述统计
四、 实证结果
1 .变量的平稳性检验
为了防止伪回归问题，需要对面板数据进行单位根检验，本文面板数据的时间跨度较短，只有短短6年，从提高研究的稳健性角度出发，同时采用ADF、PP、Levin Lin & Chu检验3种方法进行，经过一阶差分后，所有变量均平稳。
2 .面板数据回归结果
为了降低变量内生性带来的影响，工具变量选取各解释变量的1阶滞后项。先采用随机效应进行估计，Hausman检验值为21.312，p值为0.001，拒绝原假设，采用固定效应模型进行估计。结果如表2中所示，为便于比较同时给出混合回归结果。
一种意识的变革隐藏在这些艺术家一系列循序渐进的实践中，在这一时期、这一领域的雕塑中，体积和容积不再是雕塑的唯一表现手段，从对动感的追求到真正使雕塑运动起来，成为当时艺术创作的重要元素。 拉兹洛·莫霍利·纳吉(LaszloMoholyNagy)还在一则宣言中为活动的艺术提供了一套理论，他主张以能量间的关系取代传统艺术观念中形体间的关系，以“动态——解构”系统为手段使空间活动起来。至此，动态雕塑获得了实践与理论的支持，成为了一种新兴的艺术形式。
从最终结果看，除研发人员折合全时当量外，其他变量均通过了统计检验，模型的拟合优度R2高达0.978。企业自主研发投入的弹性系数最大，为1.224，其次是创新速度，弹性系数为0.499，协同创新的弹性系数为0.227，这样，假设1得到了验证。
表2 面板数据估计结果
研发人员全时当量的弹性系数没有通过统计检验，其原因是多方面的，首先，很难简单地用统计指标来衡量企业科技人员的创新劳动，科学家与工程师人数以及研发人员折合全时当量均没有考虑到不同水平研发人员的不同劳动，此外还有可能存在部分研发人员绩效较低以及统计数据误差等现象。
3 .贝叶斯向量自回归模型
(1) 创新成果Y的脉冲响应函数(图1)。除自身的冲击外，来自自主研发投入一个标准差的正向冲击，对创新产出的正向弹性最大，当期为0，随后快速增长，从第四期后开始平稳增长。其次是来自协同创新的冲击，当期也为0，随后缓慢增长，作用时间较长。第三是来自创新速度的冲击，当期为0，第二期达到最大，随后基本平稳。而来自劳动力的冲击影响最小，当期为0，随后有所增加，但总体作用较小。
图1 创新成果的脉冲响应函数
图2 自主研发投入的脉冲响应函数
(2) 自主研发投入的脉冲响应函数(图2)。来自创新产出投入一个标准差的正向冲击对自主研发的影响最大，当期就发生作用，水平较高，随后缓慢增长并保持较长时间。其次是协同创新投入的冲击，当期为0，随后快速增加，作用时间较长。第三是创新速度的冲击，当期为0，第二期达到弹性极大值，随后平稳发展。来自劳动力的冲击总体作用较小。
之后，尽管还经过了一些大小波折，但在以血缘亲情为纽带、紧密团结一致的各组、户社员的坚持下，山科村分田包干到户、组的既成事实最后得到了公社的默认。几个月后，山科村二季稻实现大增收，木工单干户官慢生光卖征购粮就收入400多元，其他作业组户均收入也都翻了一番。在现实利益的激励之下，到1979年年终，山科村7个作业组几乎都更进一步“包产到户”了。
(3) 协同创新投入的脉冲响应函数(图3)。来自创新产出一个标准差的正向冲击对协同创新投入的影响弹性最大，并且没有时间滞后，当期达到极大值，随后弹性曲线缓慢增加，维持时间较长。其次是来自自主研发的冲击，也是当期发辉作用，弹性曲线总体比较平缓。来自创新速度和劳动力的冲击总体影响不大，作用较小。
图3 协同创新投入的脉冲响应函数
(4) 创新速度的脉冲响应函数(图4)。来自创新产出一个标准差的正向冲击对创新速度的影响最大，当期达到极大值，随后急剧衰减并走向平稳，总体作用强度较大。其次是自主研发的冲击，当期弹性系数达到极大值，随后略有衰减并维持平稳。第三是来自协同创新的冲击，当期达到极大值，随后开始衰减，作用效果较小。第四是来自劳动力的冲击，当期影响为负并达到极大值，随后虽然有所升高但一直维持负值。
由验证结果可知，所有的观测变量与其对应的具体因素之间都具有显著性关系。再通过表4可发现，智慧城市感知质量、感知价值以及发展水平都与智慧城市建设市民满意度呈显著正相关；智慧城市市民抱怨、智慧城市预期与智慧城市建设市民满意度负相关是显著的；智慧城市感知价值、智慧城市发展水平、智慧城市预期都与智慧城市感知质量正相关是显著的；智慧城市感知价值、智慧城市发展水平与智慧城市预期呈正相关且是显著的；智慧城市感知价值、智慧城市发展水平与智慧城市市民抱怨呈负相关且是显著的；智慧城市预期与智慧城市市民抱怨呈正相关但不显著。在图2中，用实线代表该影响路径具有显著性，用虚线代表该影响路径不具有显著性。
图4 创新速度的脉冲响应函数
五、 结 论
1 .创新速度对高技术产业创新作用显著
创新速度对于高技术产业创新具有直接作用效应和创新模式选择效应。直接作用效应主要体现在通过政策激励效应、规模经济效应和资源投入效应，从而促进高技术产业创新。创新模式选择效应是指，在提高创新速度追加资源投入时，总是优先投向弹性系数较高的创新模式。由于自主研发投入的弹性系数远大于协同创新的弹性系数，贝叶斯向量自回归模型的结果显示，创新速度的冲击对自主研发投入的作用也大于协同创新的作用。
2 .创新速度与其他创新要素互动关系总体良好
创新速度除了对创新成果具有较高的弹性系数外，脉冲响应函数的结果表明，创新速度的正向冲击，对自主研发投入与协同创新投入均具有比较显著的正向影响。而创新速度的脉冲响应函数中，创新成果、自主研发投入的冲击对创新速度也具有显著的正向影响，协同创新投入的正向影响相对较小。总体上，创新速度与创新成果、自主研发投入、协同创新投入之间形成了良性循环。
3 .协同创新投入绩效有待提高
研究结果表明，自主研发的弹性系数为1.224，而协同创新的弹性系数仅有0.227，相差较大。脉冲响应函数中，协同创新的冲击对创新速度影响较小。这充分说明中国高技术产业协同创新绩效总体水平还较低，无论从提高创新产出角度还是从提高创新速度角度，都应该重视协同创新的作用，以提高协同创新的绩效。
参考文献：
1. Mansfield, E. The Speed and Cost of Industrial Innovation in Japan and United States: External vs. Internal Technology.Management Science ,1988,34：1157-1169.
2. Kessler, E. H., and A. K Chakrabarti. Innovation Speed：A Conceptual Model of Context, Antecedents and Outcomes.Academy of Management Review ,1996,21(4)：1143-1191.
3. Clemens, B. W., and T. J. Douglas. Understanding Strategic Responses to Institutional Pressures．Journal of Business Research ,2005,58(9)：1205-1213.
4. Menon A., J. Chowdhury, and B.A. Lukas. Antecedents and Outcomes of New Product Development Speed: an Interdisciplinary Conceptual Framework. Industrial Marketing Management ,2002,31(4)：317-328.
5. Alpert, F. H., and M.A. Kamins. Pioneer Brand Advantage: a Conceptual Framework and Propositional Inventory.Journal of the Academy of Marketing Science ,1994,22(3)：244-253.
6. Ansoff, H.Corporate Strategy (Revised Edition). New York McGraw HillBook Company ,1987.
7. Freeman, C．Technology and Policy and Economic Performance: Lessons from Japan. London Pinter ,1987．
8. Lundvall, B. A．National Innovation System, Towards a Theory of Innovation and Interactive Learning. London Pinter ,1987．
9. Etzkowitz, H., and L. Leydesdorff. The Dynamics of Innovation: From National Systems and “ Mode 2” to a Triple Helix of University-Industry-Government Relations.Research Policy , 2000,29(2):109-123.
10. Chesbrough, H.W.Open Innovation.Harvard Business school press ,Boston ,Ma ,2003.
11. Haken, H.Synergetics：Introduction and Advanced Topics. Springer ,Berlin ,2004.
12. Hall , B. H., A. N. Link , and J. T. Scott . Universities as Research Partners.Review of Economics & Statistics, 2003,85(2):485-491.
13. Jaffe, A.B. Real Effects of Academic Research.American Economic Review ,1989, 79(5):957-970.
14. Griliches, Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth.Bell Journal of Economics ,1979,10(1):92-116.
15. Litterman, R. B. Forecasting with Bayesian Vector Autoregressions Five Years of Experience.Journal of Business and Economics Statistics ，1986,4(1):25-38.
16. Griliches, Z. Patent Statistics as Economic Indicators: A Survey. Journal of Economic Literature ，1990，28(4):1661-1707.
17. 俞立平、方建新：《 自主研发与协同创新协调发展研究》，《 科研管理》2015年第36期。
中图分类号： F062.9
文献标识码： A
文章编号： 1009-2382(2019)02-0122-05
※基金项目： 云南省哲学社会科学重点项目“ 防范化解云南地方债务风险研究”； 区域经济与社会发展研究院“ 地方政府性债务管理和风险防范研究”(编号：QYJYND1205)。
作者简介： 郭强华，云南大学经济学院教授、博士生导师(昆明 650504)。
[责任编辑：张 震]
标签：创新速度论文; 自主研发论文; 协同创新论文; 作用机制论文; 云南大学经济学院论文;