我国大中型工业企业创新驱动增长的测度与分析_创新驱动论文

中国大中型工业企业创新驱动增长的测度与分析，本文主要内容关键词为：工业企业论文,中国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      面对全球新一轮科技革命与产业变革的重大机遇和挑战，党的十八届三中全会做出了实施创新驱动发展战略。为加快推进这一战略，2015年3月，中共中央、国务院提出了《关于深化体制机制改革加快实施创新驱动发展战略的若干意见》（以下简称《意见》）。《意见》提出了实施创新驱动的总体思路和目标，并就营造创新环境、建立创新市场导向机制、强化金融创新功能、完善成果转化激励政策、构建科研体系、创新人才机制、推动创新融合、加强政策协调等方面做了详细规定。在此背景下，研究我国创新驱动增长的特点和现状是一件迫切且很有意义的工作。

      “创新”作为一个科技与经济结合的概念，最早见于1934年美籍奥地利人熊彼特（Schumpeter）提出的创新理论。熊彼特开创性地指出“创新”是经济增长的源泉，在各个创新主体中，企业是市场经济的主体，以企业为主体的内生创新是整个创新系统的核心。熊彼特创新理论重点探讨了企业的技术创新方式和创新对经济的影响，他认为创新活动从基础研究开始，依次经历应用研究、试验发展、商业化生产、市场销售、社会扩散等环节，研究与试验发展①是创新的源泉。但熊彼特对创新活动的开展过程和实现机制并未作具体阐述。

      为了全面地刻画企业创新的开展过程和实现机制，解决创新中的“黑箱”问题。1998年，Crépon等（1998）在分析法国制造业创新调查数据时提出了一种分析创新投入与生产率之间关系的新模型（简称CDM模型）。CDM模型对比以前分析企业创新问题的研究，有几个突出的特点：一是构建的模型系统较为全面地刻画了企业创新的开展过程，有效地打开了创新“黑箱”；二是明确提出是创新产出而不是创新投入（R&D投入）促进了企业最终产出的提高；三是除了企业的会计表、就业数据和R&D花费等这些常规统计数据外，CDM模型还把创新调查中其他丰富的数据纳入分析模型。利用CDM模型进行实证分析表明，企业最终产出提高的直接影响因素是企业的创新产出，而企业R&D投入通过知识生产过程间接地影响企业的最终产出。创新的微观效果体现在企业受益上，宏观效果体现在技术进步和生产率水平提高等创新对经济社会发展的贡献上。所以CDM模型较好地揭示了创新驱动增长的机制和过程，对熊彼特创新理论是很好的验证和补充。

      对于企业创新问题，国外学者的研究起步很早，从20世纪40年代至今涌现了非常多的成果。最初研究创新的文献，一般用创新投入指标来衡量创新水平。1950-1960年由于创新数据的限制，研究者通常以R&D人员数量和R&D支出作为代表创新投入的指标，来比较企业之间或者产业之间的创新水平。但是用R&D来衡量创新水平存在着一定的局限性，因为研发支出仅仅反映了创新过程中的投入方面，而无法反映实现的创新产出。Kleinknecht（1987，1991）、Kleinknecht和Verspagen（1989）经过研究指出，研究与发展支出仅仅反映了那些有正式研发预算和正式研发实验室的企业的研发努力状况，而在现实中，非正式研发是普遍存在的，特别是小企业这种情况更加突出。Mansfield（1984）指出，即使在正式研发实验室中，从事创新活动也不是其唯一目的，技术模仿和技术转移也是其目的之一。

      20世纪60年代中期以后，专利数据逐渐公开，许多研究者开始尝试使用这一新的测量创新水平的指标。他们普遍认为，由于专利反映了创新产出状况，专利比R&D更能代表创新水平。但是另一方面，专利在很大程度上只是一种中间产品，它反映了新技术知识，却没有反映新知识是否有经济价值，实际上只有那些在市场上成功的发明创造才能带来经济效益，才可以称得上创新。Comanor和Scherer（1969）阐明了专利统计上的许多缺陷。他们发现产品专利比工艺专利多，原因是工艺创新可以通过工业保密措施来阻止被模仿，产品创新则可以被抄袭和仿造。Pakes和Griliches（1980）认为，用专利来衡量创新是有缺陷的，因为专利统计并不能反映创新的质量，不是所有的创新都注册为专利，而且不同专利在经济价值上有很大差别。

      由于专利存在上述缺陷，一些研究者开始寻找更为直接的衡量创新产出的指标。英国科技政策研究中心收集了英国1945-1983年4378个成功商业化的重大技术创新，构成了一个数据集。Pavitt等（1987）利用该数据集分析了企业的创新行为。另一个创新数据集是美国小企业管委会收集的数据集，它包含了美国1982年成功商业化的8047个创新。Acs和Audretsch（1987）曾利用该数据集分析了企业规模与技术变化、市场结构与技术变化之间的关系。这种对创新的直接测量虽然可以避免使用专利数量时存在的某些缺陷，但是，用R&D或专利数量或创新数量衡量创新水平时均隐含着一个假设，即每单位的R&D或每个专利或创新的质量是无差异的。事实上，创新之间的这种质量差异在统计上可能无法鉴别。

      为了衡量每个创新的市场价值，有些研究者使用了新产品销售收入比例，即新产品销售收入占总产品销售收入的比重，来衡量创新（Mclean和Round，1978；Fitzroy和Kraft，1991；Jefferson等，2006）。一般来说，新产品销售收入在一定程度上代表了每个产品创新的市场价值和重要程度，这有利于克服用专利数量和创新数量衡量创新时的缺陷。但是，用新产品收入比例度量创新产出，只能衡量产品创新，并不能衡量工艺创新。且新产品收入是市场价值，除了创新的影响，还要受到市场营销等非创新因素的作用，所以该度量指标也有一定缺陷。

      上述衡量创新的指标仅仅反映了技术变化过程的某些方面，各有优缺点。正像Cohen和Levin（1989）所说，研究创新和技术变化时的一个基本问题是，缺乏有效的新知识衡量指标，以及难以衡量新知识对技术进步的贡献。虽然没有十全十美的指标来衡量企业创新与技术变化，但上述指标已经为我们提供了认识创新和技术变化的工具和手段。而且，由于数据的限制，实证文献也只能依靠以上的衡量指标来研究企业创新行为以及创新对经济增长的影响。但我们需要清楚的是，这些衡量指标并不是对创新水平的全面度量。

      已有关于企业创新问题的研究主要集中在：对企业创新行为影响因素和影响方式的研究、对企业创新与经济增长的关系研究和基于CDM模型对创新问题的相关研究。对企业创新行为影响因素和影响方式的研究一般从企业、行业和政府三个层面来展开。企业层面的因素包括企业规模、公司治理结构等。行业层面的因素包括市场集中度、行业特征以及企业之间的技术外溢等。政府层面主要是相关政府政策支持。

      熊彼特创新理论的核心特征是内生的研发和创新是推动技术进步和经济增长的决定性因素，更加强调实现经济增长的微观基础，为后来的研究者提供了一个全新的视角和一般性的分析框架。

      自1998年CDM模型发明以来，已经成为创新经济研究的一个非常重要的视角，现在国外运用CDM模型研究发达国家企业创新问题日渐成熟，各国学者运用或基于CDM模型对企业创新投入、创新产出和生产率的关系进行了广泛研究，分别从模型的改进、度量指标的选择和估计方法的改变等几个方面进行了应用。

      总结国外学者的研究绝大多数都是针对发达国家的制造业，以发展中国家企业为研究对象的较少。事实上，某国企业创新行为与该国经济、社会、文化、制度等环境密切相关，国外学者的研究成果只能借鉴，不能照搬。与国外学者相比，国内学者对企业创新的研究要晚很多，从20世纪90年代才开始出现较多的研究文献。国内研究以定性分析居多，从微观企业角度进行创新研究的成果很少。国内对CDM模型的研究尚处于起步阶段，特别是用微观企业数据进行研究的文献难以见到。

      在当前我国加快实施创新驱动战略的大背景下，本文基于CDM模型理论，构建了由四个方程组成的“四方程递归模型”，来全面地刻画企业创新决策、创新投入、创新产出和最终产出的全过程，有效地解决了创新“黑箱”问题。模型中，既考虑了企业规模、市场力量、技术机会等传统熊彼特理论中影响创新的因素，又考虑了中国特色的影响企业创新的因素，包括政府政策②、不同控股类型、是否是高新技术企业等，并运用了不同的指标来度量创新产出和最终产出。本文首次运用近年来中国大中型工业企业的微观数据进行实证分析。这些工作考虑得比较系统和全面，也有一定的创新和应用价值。

      一、研究框架设计

      本文基于CDM模型构建“四方程递归模型”对我国企业创新驱动增长的机制和过程进行测度和实证。该模型包括创新决策、创新投入、创新产出和最终产出四个方程，创新决策和创新投入方程考察影响企业创新决策和创新投入的因素，同时创新投入又作为生产要素嵌入创新产出方程，成为影响创新产出的重要因素。创新产出方程考察创新投入对创新产出的影响，同时创新产出又作为一种生产要素嵌入最终产出方程。下面具体阐述这一模型系统。

      1.创新决策和创新投入方程

      在创新决策和创新投入两个方程中，我们考虑了经典的对创新决策和投入的影响因素，如企业规模、市场力量、技术机会等。同时考虑了符合中国国情的企业控股情况、政府政策、高新企业等因素对企业的创新行为（活动）③的影响。创新决策和创新投入两个方程的具体形式如下：

      

      

包括的解释变量有：

      （1）企业规模，用企业从业人员数量表示，取对数（lncyry）。

      （2）企业大中型，构造是否是大型企业虚拟变量（xcyry）。根据企业大中型分类标准，如果企业的从业人员大于1000人，且主营业务收入在4亿元以上为大型企业；如果企业的从业人员在300～1000人之间，且主营业务收入在2000万元～4亿元之间为中型企业。我们以中型企业为参照构造虚拟变量，如果一个企业为大型企业，则为1；否则为0。该变量可以比较大型企业与中型企业创新行为的不同，也可以进一步检验熊彼特假说中关于企业规模与创新的关系。

      （3）激励机制，用企业控股类型代替（qykg），对大中型工业企业来说共有六种控股形式，分别是国有控股、集体控股、私人控股、港澳台商控股、外商控股和其他控股（略去），我们以国有控股为参照，构造集体控股（kgqykg2）、私人控股（kgqykg3）、港澳台商控股（kgqykg4）和外商控股（kgqykg5）四个虚拟变量，来对这几种控股企业与国有控股企业的创新驱动情况进行比较分析。

      （4）技术机会，用行业大类表示（hydml），行业大类代码是一个二位数编码。一个企业所在行业差别会影响企业的创新行为和创新绩效。实证分析样本中共有33个行业大类，以第一个行业煤炭开采和洗选业为参照，构造32个虚拟变量。

      （5）政府政策，用企业享受的人均研究开发费用加计扣除减免税表示，等于研究开发费用加计扣除减免税除以企业从业人员数，取对数（lnpyfim）。该指标用来检验政府对创新的激励政策的效果。

      （6）是否是高新技术企业，构造虚拟变量（gxqy），如果这个企业属于高新企业则取1；否则为0。高新技术企业是政府创新投入相对比较多的企业，设置该指标用来检验高新企业与非高新企业创新行为的不同。

      （7）市场力量，市场力量是影响创新的重要因素之一，也是经典CDM模型考虑的重要因素之一。一般用四位数制造产业的四厂商集中度（CR4）、八厂商集中度（CR8）或赫芬达尔指数（H指数）计算。CR4、CR8为四位数产业主营业务收入最大的前4家或前8家企业占整个产业主营业务收入的比重。H指数为先计算出某四位数产业中每个企业主营业务收入占产业主营业务收入的比重的平方，然后将产业中所有企业主营业务收入比重的平方进行加总。指数越大，表明产业集中度越高，市场垄断力量越强。这三个指数各有优缺点，其中H指数被认为是更好的衡量市场集中度的指数。本文中我们用赫芬达尔指数（H指数）表示，取对数（lnhzysr）。

      式（2）中，因变量为

表示企业做出创新决策之后的创新投入强度。可以代表创新投入强度的指标有企业人均R&D支出、每万人R&D人员全时当量、R&D经费占主营业务收入比重等，本文用企业人均R&D支出表示，取对数（lnprdjfn）。

      

      因变量

表示创新产出，本文分别用企业人均专利申请数（lnpzlsq）、人均专利发明数（lnpzlsqf）和新产品销售收入比例（lnbxcpsr）表示，其中新产品销售收入比例等于新产品销售收入除以企业主营业务收入，都取对数。

      解释变量

是潜在研发投入变量，是式（2）中研发投入的估计值，作为解释变量引入式（3），考察企业创新投入对创新产出的影响。

      

      3.最终产出方程

      在最终产出方程中，我们基于C-D生产函数，将创新产出作为一种投入要素嵌入到生产函数中，通过与资本和劳动相结合，共同带来企业最终产出的提高。最终产出方程如下：

      

      因变量

代表企业最终产出，用人均总产值（lnpzcz）和人均主营业务收入（lnpzysr）代替，取对数。本文用人均工业总产值代表最终产出，多考虑了创新是成本减少而少考虑了需求转变。用人均主营业务收入代表最终产出，是将需求转变这一影响最终产出的因素考虑在内。

      解释变量

是式（3）中的创新产出，作为解释变量引入式（4），考察企业创新产出对企业最终产出的影响。

      

      4.递归模型形式

      综上，本文构建的递归模型由创新决策方程、创新投入方程、创新产出方程和最终产出方程四个方程组成，形式如下：

      

      二、样本与数据处理

      本文实证分析分别利用2010年和2012年中国大中型工业企业的数据进行实证。两年中所包含的企业相同，这样既可以从不同角度检验结论的稳健性，也可以进行时间维度上的比较分析。下面对采用的样本进行简单介绍与描述，以明确样本的特点和可以研究的问题，为下一步的实证分析做好铺垫。

      1.样本选取说明

      本文实证中用到的企业数据是中国大中型工业企业数据。每个企业主要包括两部分指标：一是企业科技活动情况；二是企业基本情况。所有大中型工业企业的科技活动数据均来自中国国家统计局历年《工业企业科技活动及相关情况》④年度报表，相关企业基本情况数据均来自中国国家统计局历年《法人单位基本情况》⑤年度报表。之所以选取工业企业数据来研究该问题，一是因为工业占中国国民经济比重大，对经济增长贡献作用明显；二是工业企业一般规模较大，资金雄厚，开展创新活动最早，创新数量最多，是最能够代表中国企业创新动开展情况的行业；三是对于全部规模以上工业企业，国家统计局实行企业“联网直报”⑥，工业企业科技报表的数据质量相对较高。之所以选取大中型企业，一是因为小型和微型企业的创新数据无法获得；二是因为小型和微型企业虽然数量多，但是以工业总产值计算，其总量只占到全部工业企业的30%左右，所以我们分析大中型企业的创新情况对整个工业行业有足够好的代表性。

      2.数据整理与描述

      首先，对2010年、2012年全部工业大中型企业的数据进行整理，使得两年包含的企业完全相同，这样可以分析企业在时间上的变化趋势。为保证可比性，根据近几年相关统计制度的变化，对数据进行以下两方面的处理：一是以2012年新的行业分类为标准，对两年的行业代码进行了统一替换；二是剔除了一些行业。包括，有的行业的企业数据太少，比如开采辅助活动、金属制品、机械和设备修理业；有的行业属于资源垄断性产业，国家对其进行了大量的设备改造、技术改造等方面的投资，这些产业中的企业市场经济的行为特征不明显，如电力蒸汽热水生产和供应业、煤气生产和供应业、自来水生产和供应业；有的行业如其他制造业，两年中行业的涵盖范围发生了变化，不具有可比性。经过上述整理，每年的样本数据中包括33个行业大类，共有32267家企业。

      前面我们指出，以上数据是在每年大中型工业企业中整理得到的，下面我们计算2010年和2012年参与计算的样本企业数量和规模在全部大中型企业中的占比情况，来分析样本的代表性，如下页图1和图2所示。

      由图1和图2可知，从企业数量上看，2010年样本数据占全部大中型企业的71%，2012年样本数据占全部大中型企业的51%；从主营业务收入总量看，2010年样本数据占全部大中型企业的80%，2012年样本数据占全部大中型企业的71%；从R&D支出总量看，2010年样本数据占全部大中型企业的89%，2012年样本数据占全部大中型企业的85%。所以，2010年和2012年两年参与计算的样本数据都占到全部大中型企业的大多数，有足够好的代表性。

      三、测度与实证分析

      1.估计方法介绍

      本文构建的四方程递归模型中，创新决策方程（5）是Probit选择方程，描述企业是否做出创新决策行为以及创新决策的影响因素，创新投入方程（6）是结果方程，是在企业已经做出决策行为之后，描述企业具体创新投入强度，这两个方程联合组成一般化的Tobit模型，考虑样本选择的问题，用估计Tobit模型的方法来估计这两个方程。模型系统里要考虑创新投入、创新产出和最终产出的内生性问题，对创新产出方程（7）和最终产出方程（8）用工具变量方法估计。

      

      

      需要指出的是，本文中模型的估计和相关测算都是使用Stata 12.0软件计算。

      2.基于2012年数据的估计结果

      （1）创新决策方程和创新投入方程的估计。

      

      我们分别用两部法和Heckman两阶段法进行估计。具体结果如表1所示。

      表1是用两种方法估计的创新决策和创新投入方程的结果，32个行业虚拟变量大多数都显著，具体估计结果不再赘述。从表1可以知道，两种方法的估计结果相近，也验证了我们估计的稳健性。下面，对Heckman两阶段方法的估计结果进行分析。

      首先来看式（9）的估计，企业规模显著为正，企业做出创新决策行为的概率随着企业规模的变大而增大。企业大中型虚拟变量不显著。市场力量和政府政策对企业的创新决策行为有显著正向影响。是否是高新企业变量显著为正，说明高新技术企业比非高新技术企业更易于做出创新决策。对不同控股类型企业的比较分析显示，集体控股、私人控股、港澳台商控股和外商控股企业都不如国有控股企业更易于做出创新投入决策。

      

      再来分析式（10）的估计，结果显示各个解释变量都显著。企业大中型变量显著为正，说明大型企业比中型企业创新投入强度显著更大。市场力量对企业的创新投入强度的影响显著为正。政府政策对企业创新投入强度有较大的正向刺激作用，弹性系数达到0.24，比对创新决策的影响系数0.06要大得多。是否是高新企业虚拟变量的估计结果显示，高新技术企业比非高新企业创新投入强度平均多一倍以上。企业控股类型估计结果显示，集体控股、私人控股、港澳台商控股和外商控股企业都不如国有控股企业的创新投入强度大。事实上，我国大的研发中心或企业创新战略基地大都集中在大中型国有企业，也说明了这一点。

      （2）创新产出方程的估计。

      

      在式（11）中，创新投入变量作为解释变量引入，考虑创新投入变量的内生性，我们采用工具变量的方法，以式（10）中创新投入方程的预测值作为其工具变量，采用2SLS方法进行估计。分别用新产品销售收入比、专利申请数、专利发明数代表创新产出进行估计。具体估计结果如下页表2所示。

      由表2可以看出，无论是用新产品收入比例还是专利申请数和发明数来代表创新产出，创新投入指标对创新产出的影响显著为正，在其他影响因素不变的情况下，研发经费支出每增加1个百分点，新产品销售收入比增加0.55个百分点，专利申请数增加0.85个百分点，专利发明数增加0.99个百分点。对于企业大中型变量来说，无论用哪个指标度量创新产出，大型企业都不如中型企业的创新产出高。

      用新产品收入比代表创新产出时，是否是高新企业虚拟变量显著为正，高新技术企业的创新产出效率比非高新企业有优势。当用专利发明数代表创新产出时，是否是高新企业虚拟变量显著为负，没有发现高新技术企业的创新产出比非高新企业有优势。

      

      对于企业控股变量，当用新产品收入比度量创新产出时，集体控股和港澳台商控股不显著，私人控股和外商控股显著为负。当用专利申请数作为创新产出时，集体控股和港澳台商控股不显著，私人控股显著为正，外商控股显著为负。当用专利发明数代表创新产出时，集体控股显著为负，私人控股显著为正，港澳台商控股和外商控股不显著。所以，不同控股类型企业对创新产出的影响效应对比不明显，企业控股情况不是创新产出的重要影响因素。

      （3）最终产出方程的估计。

      

      在式（12）中，我们分别用企业工业总产值和主营业务收入代表最终产出，由于将创新产出作为解释变量引入，所以要考虑内生性问题，用式（11）中创新产出的预测值作为其工具变量来估计。用三个不同指标代表创新产出、两个不同指标代表最终产出，共有6种估计结果如表3所示。

      由表3可以看出，除了当以新产品收入比度量创新产出时，市场力量对最终产出的影响不显著以外，无论以哪个指标表示创新产出，哪个指标表示最终产出，相关解释变量都显著。

      无论以哪个指标表示创新产出，哪个指标表示最终产出，创新产出对企业最终产出的影响都显著为正，当以企业工业总产值代表最终产出时，在其他影响因素不变的情况下，新产品销售收入比增加1个百分点，企业最终产出增加0.45个百分点。专利申请数每增加1个百分点，企业最终产出增加0.53个百分点。专利发明数每增加1个百分点，企业最终产出增加0.57个百分点。当以企业主营业务收入代表最终产出时，在其他影响因素不变的情况下，新产品销售收入比增加1个百分点，企业最终产出增加0.45个百分点。专利申请数每增加1个百分点，企业最终产出增加0.55个百分点。专利发明数每增加1个百分点，企业最终产出增加0.59个百分点。

      几个估计结果一致显示，企业大中型变量显著为正，大型企业比中型企业的最终产出效率要高。无论以哪个指标度量创新产出和最终产出，是否是高新企业变量都显著为负，高新企业的最终产出并不比非高新企业效率更高。物质资本投入对最终产出有显著的正向促进作用，无论以哪个指标度量创新产出和最终产出，企业投入的物质资本每增加1%，最终产出要增加0.4%左右。当以新产品收入比代表创新产出时，市场力量对最终产出的影响不显著；当以两个专利数代表创新产出时，市场力量对最终产出的影响显著为负。无论以哪个指标度量创新产出和最终产出，集体控股、私人控股、港澳台商控股和外商控股都显著为正，说明这几种控股类型的企业都比国有控股企业的最终产出效率要高。

      

      3.对2012年与2010年结果的比较分析

      我们进一步用2010年的企业数据进行了计算（限于篇幅，没有列出具体结果），并与2012的结果进行比较。通过比较，一是检验两年估计结果的稳健性；二是检验企业创新驱动在时间上的变化情况。下页表4是模型估计的2010年和2012年企业创新决策、创新投入、创新产出和最终产出各个过程及其影响因素的相关结果。我们仅列出以企业R&D投入代表创新投入，以专利申请数代表创新产出，以工业总产值代表最终产出的结果，企业控股情况以私人控股为代表，与国有控股进行对比。

      由表4可以看出，对于影响创新决策、创新投入、创新产出和最终产出的所有因素，2012年与2010年估计系数均表现出一致的趋势，并且每一个指标的影响系数均相差不大，说明了估计的稳健性。

      从创新投入、创新产出和最终产出的关系来看，2012年创新投入对创新产出的弹性系数为0.85，比2010年有所下降。2012年创新产出对最终产出的弹性系数为0.53，比2010年也略有下降。本文基于CDM模型理论，将企业创新过程分为创新决策、创新投入、创新产出和最终产出四个过程。企业创新的过程和机制显示，企业创新投入并不直接对最终产出起作用，而是通过知识生产函数的过程，先将创新投入转化为创新产出，然后通过创新产出对最终产出产生影响。所以创新产出过程是一个知识内化的过程，当然企业创新投入的目的是带来更多的最终产出，也就是促进企业生产率的提高。据此，我们分析企业创新投入与最终产出的关系可以看出，在其他影响因素不变的条件下，2012年1个单位的创新投入，可以带来0.45个单位的最终产出，而2010年1个单位的创新投入可以带来0.59个单位的最终产出。所以在最终创新绩效上，本文通过企业微观数据的实证研究并没有发现2012年中国大中型工业企业的创新绩效比2010年有所提高。如果我们用其他指标代表创新产出和最终产出，也可以得到相同的结论。

      

      分析对创新行为的影响因素，2010年和2012年两年的估计结果一致表明，企业规模对企业创新决策有显著的正向影响，当企业规模大时，该企业更容易做出创新决策。企业大中型指标结果显示，大型企业比中型企业创新投入强度大，最终产出效率高，但是在创新产出上不如中型企业有优势。市场力量对创新决策行为和创新投入强度都有显著正向影响，也就是说处于市场集中度高行业的企业，更容易做出创新决策行为，也易于投入更多的研发经费。市场力量对最终产出的影响显著为负，也就是说市场集中度越高，最终产出越少，竞争比垄断更有利于最终产出效率的提高。高新企业比非高新企业更易于做出创新决策，创新投入强度更大，但是高新企业并不比非高新企业有更高的最终产出效率。

      2010年与2012年政府政策变量估计结果的一致表明，研究开发费用加计扣除减免税政策对于企业创新有非常好的正向刺激和拉动作用。且2012年政府政策对创新决策和创新投入强度的影响系数都比2010年有所提高，说明中国政府对企业创新驱动扶持政策效果增大。

      2010年与2012年企业控股情况指标估计结果一致显示，私人控股在做出创新决策上比较谨慎，在创新投入强度上不如国有控股财大气粗，但是一旦投入了，私人控股的创新产出和最终产出明显大于国有控股，这说明私人控股比国有控股的创新产出效率更高。2012年私人控股比国有控股最终产出效率高19.7%，比2010年的17%也有所提高。

      2010年与2012年物质资本指标估计结果的一致显示，物质资本投入对企业最终产出起到显著的正向影响。2012年，物质资本对最终产出的弹性系数为0.36，低于2010年的0.43，说明对中国大中型工业企业来说，物质资本投入对生产率提高的影响效用在减小。

      四、结论与政策建议

      从以下两方面对结论进行梳理和归纳：企业规模、市场力量、政府政策、企业控股情况等因素是如何影响企业创新决策、创新投入强度、创新产出和最终产出（生产率）的？中国企业驱动增长的过程中创新投入决策、创新投入强度、创新产出和最终产出之间的相互关系是怎样的？

      第一，创新行为影响因素的分析结论。一是企业规模与创新行为指标之间的关系。本文代表企业规模的指标有企业规模（人数）和企业大中型变量。研究表明，企业规模对企业创新决策有显著的正向影响。企业大中型对创新决策影响不显著。大型企业的创新投入强度显著大于中型企业的创新投入强度。无论用哪个指标度量创新产出，大型企业都不如中型企业的创新产出高。无论用哪个指标代表最终产出，大型企业比中型企业最终产出的效率要高。所以，本文研究结果并没有发现企业规模与企业创新行为之间存在稳定的关系，这表明熊彼特关于企业规模促进创新活动的假说依赖于创新行为指标和规模指标的设定，对熊彼特假说的解释要取决于不同的环境和条件。二是市场力量与创新指标之间的关系。研究表明，无论用哪个指标度量创新行为，市场力量对企业创新决策和创新投入强度都有显著正向影响，也就是说处于市场集中度高的行业的企业，更容易做出创新决策，创新投入也更多。所以，本文研究表明市场力量确实有助于企业创新过程前期的创新决策和创新投入，这为熊彼特市场力量促进创新假说提供了支持证据。同时，市场力量对企业最终产出的影响显著为负，说明对中国大中型工业企业而言，尽管垄断和竞争对提升生产效率各有自己的优势，但是竞争比垄断的优势更大。这为进一步放开市场、充分竞争提供了证据。三是不同控股类型企业创新行为的比较。研究表明，国有控股企业在创新决策和创新投入强度上比其他控股类型企业优势明显。在创新产出上，优势不明显。但是在最终产出上，集体控股、外商控股、港澳台商控股和外商控股都比国有企业的效率显著更高。这从一定程度上为国有企业改制提供了经验支持。四是政府政策对企业创新行为的影响。研究表明，无论用哪个指标度量创新行为，研究开发费用加计扣除减免税这一政府政策对于企业创新投入有非常显著的正向激励作用。2012年政府政策对创新投入强度影响系数比2010年有所提高，说明中国政府对企业创新驱动扶持政策效果的提高。这为政府进一步为创新驱动提供政策支持提供了实证经验。五是高新企业创新优势分析。研究表明，对大中型工业企业来说，高新技术企业表现出了在创新决策和创新投入上的力度和优势，但是在最终产出的提高上优势并不明显。这为我们进一步规范整合高新企业分类标准，进一步思考高新企业的发展思路与政策提供了信息。

      第二，创新行为之间相互影响的分析结论。研究表明，无论用哪个指标度量创新行为，企业创新投入对创新产出有非常显著的正向影响，创新产出对最终产出有非常显著的正向影响。本文通过分析微观企业创新驱动的过程得出，企业的创新投入带来了创新产出，创新产出提高了最终产出。那么，每个企业最终产出的增加累计核算便得到了该企业所在行业的增加值，从而带来了宏观意义上的经济增长，这就是企业创新驱动增长的机制和成效。对2010年与2012年两年横截面数据实证结果的比较分析并没有揭示2012年中国大中型工业企业的创新投入产出效率比2010年有所改进。事实上，根据创新经济理论与实证经验，创新投入与产出之间有时间上的滞后，当年创新投入的效果可能要在今后几年才能有效体现，这是需要进一步改进和检验的方面。

      当前，中国经济进入新常态，新常态带来了矛盾和挑战，也创造了机遇和条件。新常态意味着中国经济迈上了新台阶，意味着从投资驱动和出口驱动增长方式向创新驱动增长方式的转变。我们要积极引领新常态，加快推进实施创新驱动发展战略。在这个过程中应该以市场机制为基础、以企业为主导，但是也要充分发挥政府的作用。事实上政府在创新驱动中的作用是不可替代的。

      从国际比较看，尽管近年来我国加大了创新投入，但是无论从财力投入还是从人力投入上看，我国与发达国家都还存在一定的差距。2011年，我国R&D占GDP的比重为1.84%，同期，西方发达国家如美国、日本、法国、德国都在2.2%以上。亚洲发展较快的国家和地区，韩国、新加坡和中国台北也都在2.2%以上，其中韩国比重达到4.03%，远远高于我国。2012年，我国每万人就业人员中从事R&D活动人员数量为60人，其中研究人员数量为27人，比其他发达国家都要少。以科技论文数量作为创新产出的度量指标，根据基本科学指标数据库（ESI）统计得到的各国论文数和被引用次数的情况，虽然我国论文数量不少，但是按论文引用率（次/篇）比较，我国比其他发达国家都要低。所以，要进一步发挥政府在创新驱动中的重要作用。

      基于以上的分析和研究可以引申出相应的政策建议：一是政府政策对企业创新有非常正向的激励作用，两年的对比分析也说明了中国政府对企业创新驱动扶持政策效果的提高。所以要进一步加大政策力度，包括要加大企业研发费用税前加计扣除政策力度，该政策被认为是鼓励企业加大研发投入、开展创新活动的最为直接和有利的扶植政策之一。要加大政府财政科技拨款，该政策反映政府对创新的直接投入力度以及对重点、关键和前沿领域的规划和引导作用，对全社会创新投入和创新活动的开展具有重要带动和导向作用。二是竞争比垄断对提高企业生产率更有优势。因此，要进一步打破垄断，建立一个自由公平竞争的市场经济体，充分发挥“看不见的手”的作用，才有可能真正激发企业创新活力。三是虽然大中型工业国有控股企业在研发投入上具有资金优势和积极性，但是在最终产出上，集体控股、外商控股、港澳台商控股和外商控股都比国有企业的效率显著更高。大量的研发投入带来较少的最终产出，造成了资源的浪费。所以要进一步研究和创新国有企业改制问题，真正提高国有企业的活力和竞争力，充分发挥国有企业在创新驱动中的示范作用。

      感谢审稿人提出的宝贵意见。

      ①即R&D研发，指在科学技术领域，为增加知识总量以及运用这些知识去创造新的应用而进行的系统的、创造性的活动，包括基础研究、应用研究和试验发展三类活动。

      ②本文中“政府政策”指“研发费用税前加计扣除政策”。

      ③创新行为（活动）是指企业创新决策、创新投入、创新产出和最终产出。

      ④见2013年国家统计局《国家统计调查制度》，第1586页。

      ⑤见2013年国家统计局《国家统计调查制度》，第523页。

      ⑥所有规模以上工业企业，不是由各级统计机构层层上报，而是由企业通过网络直接报送国家统计局的，提高了效率，减少了干扰，保证了数据质量。

标签：创新驱动论文;  企业创新论文;  创新论文;  经济论文;  企业规模论文;