中国工业创新：过程、效率与模式——基于2001-2008年大中型工业企业的数据，本文主要内容关键词为：工业企业论文,中国论文,效率论文,过程论文,模式论文，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。
中图分类号：F062.9 文献标识码：A 文章编号：1671-9301(2011)02-0001-09
修回日期：2011-02-20
一、问题的提出
内生增长理论认为，技术进步是经济增长的源泉与不竭动力，纵观世界历史，工业部门的技术革命是经济增长与社会进步的重要引擎。改革开放以来，我国经济持续了30年的高速增长，但经济增长的质量似乎并不高[1-2]，与工业发达国家相比，中国经济是典型的原材料高投入、能源高消耗、资本高积累的增长模式，而不是依靠技术进步和效率改进[3]。经济增长的动力绝大部分均来自于投入的增加，技术进步的贡献则非常有限[4]。在当前全球资源与环境面临严重约束的背景下，以技术进步为主要驱动的集约型工业增长模式成为未来我国经济成长的重要驱动，而技术进步的根本途径是实现技术创新——增强创新能力与提高创新效率。近年来，在“建设自主创新型国家”的战略指导下，我国科技投入增长非常快，创新能力得到了极大增强①。然而，相比于科技投入的快速增长，工业创新效率的提升却并不明显[5]，工业创新仍处于粗放阶段，这显然与通过技术创新构建集约型工业增长模式的初衷相违背。在资源环境约束和建设自主创新型国家背景下，提升工业创新效率、改善创新模式以促进技术进步，对于我国经济持续健康增长具有重大的现实意义。
针对我国工业创新效率问题，研究者以不同视角、不同工具对创新效率进行评估发现：中国工业部门研发效率有很大的提高空间[6]。然而以大中型工业企业为例，近年来的研发效率提升却并不明显[7]，并且创新价值链的第一环节与第二环节效率都较低[8]。然而，现有研究没有从创新生产过程的视角对其进行深入剖析，因此，难以从创新过程视角进一步剖析效率不足的来源。在当前世界由工业经济向知识经济转型的关键时期，中国工业创新效率低将会阻碍中国经济的转型步伐。因此，找到工业创新效率低的根源与“症结”，并“对症下药”，对于提升工业创新效率、加快我国经济转型至关重要。要寻找工业创新效率低的根源，首先需要认清技术创新的本质特征。技术创新是由多个阶段的子过程构成的一系列创新活动的总和[9-10]，创新过程中某个子过程的失效将导致整个创新活动失败[11]，换言之，创新过程中各子过程的转换效率将决定创新的整体效率。据此，整体效率低的“症结”暗藏在创新的各子过程中，那么揭开创新过程的“黑箱”并测算各子过程的转换效率便成为研究的首要任务。与现有关于工业创新效率的研究不同，本文旨在剖析创新生产过程的阶段化网络式特征基础上，打开创新“黑箱”，评估创新子过程的创新效率，进而寻找我国工业创新效率低的根源。
二、创新生产过程：一个概念框架
创新理论的鼻祖熊彼特将创新定义为“生产要素的重新组合”、“建立一种新的生产函数”[12]，引领学术界从生产角度研究创新。Romer的思想生产函数[13]与Griliches的知识生产函数[14]都受到熊彼特式创新的影响，他们将创新理解为由创新要素投入到创新成果产出的生产过程。Van de Ven et al.指出，创新是一个多种作用相互交织、干预的复杂过程[15]，Edquist认为在这个过程中存在用户与生产者之间、机构和组织之间交互、反馈、渗透等信息传递行为[16]，要素流动具有非线性特征。Rothwell[9]、Rossi和Emilia[17]、Bernstein和Singh[10]等进一步剖析了创新生产过程的多阶段性，认为它是由多个阶段的子过程构成的一系列创新活动的总和。由于创新过程的非线性、复杂性与不确定性等特征，导致外界对创新过程内部知之甚少，创新因此被笼罩在一个难以观测的“黑箱”中，虽然以上学者对创新生产过程进行了深入探索，然而这种复杂的概念性描述给实证研究带来了极大挑战，特别是对于实证测算而言，过分强调要素的非线性将导致创新测算的失效[18]。事实上，创新生产过程错综复杂，很难用恰当的语言进行精确描述，那么实证测算方法的适用性与创新实质描述的准确性就构成了矛盾，这就需要在把握创新生产过程总体特征基础上，尽可能对创新实质进行简化研究。如Hansen和Birkinshaw[11]、Roper[19]等借鉴波特的价值链理论，将知识进行商业化的创新过程看作一条流动价值链，包括知识生产、知识转化与知识扩散三个主要环节，Guan和Chen[20]则在总结大量的前人研究基础上，植入了“网络”观点，并将创新生产过程的要素传递机制绘制在一张“创新生产过程的概念框架图”中。这种对复杂创新过程的抽象与简化有助于理清创新要素流动的机制，以便从实证测算的角度对创新子过程的效率进行准确测算。
在前人研究的基础上，本文将创新生产过程的本质特征总结为三点：一是创新过程的多阶段特征，二是创新要素的价值链传递特征，三是创新过程的网络非线性特征。基于此，本文发展了Guan和Chen[20]的创新生产过程概念形成图1的模型。
如图1所示，从生产视角看，技术创新是从创新要素投入到创新产品产出的一个多阶段、多要素的价值链传递过程，包含总投入、中间产出与最终成果三个主要存在形态。其中，技术创新总投入由研发资金和科研人员等要素构成，是一种创新资源的流动形态；技术创新中间产出由专利等知识性产出构成，是一种创新知识的凝结形态；而技术创新最终成果则由新产品的社会价值来体现，是创新成果的实现形态。可见，创新生产过程实际上是创新要素的各个存在形态的转换过程，即由流动形态到凝结形态，最终到实现形态的价值传递过程。三种存在形态由前向后转换，是一种能力不断衰减的过程，即前一形态的生产能力决定了后一形态的生产潜力[21]，同时也是一种价值逐渐增值的价值链过程[20]。能力衰减的快慢以及价值增值的程度与整个创新价值链核心环节的转换质量密切相关，表现为转换越顺利、能力衰减越慢、而价值增值越多，那么转换质量越高。这揭示出创新过程中存在两个重要转换阶段：第一阶段为流动形态向凝结形态的转换，即“创新资源转换”阶段，第二阶段为凝结形态向实现形态的转换，即“创新知识转化”阶段。在“创新资源转换”阶段，主要涉及研究、开发与测试等知识创造性活动，是新知识诞生阶段，技术含量高，对人力资本质量要求较高。而在“创新知识转化”阶段，主要涉及创新成果的产业化、市场推广及商业化等经济活动，是新知识的扩散与价值实现阶段，与产品市场紧密衔接，而对核心技术与人力资本的要求不如第一阶段高。由此可见，创新过程中两个重要转换阶段之间的技术特征与转换特点并不相同，因此两个阶段对整个创新过程总体绩效的影响也会不同，需要在关注整体转换绩效的同时对各个阶段的转换质量分别进行考察。
从创新要素的流动看，技术创新的总投入并非全部流向第一阶段参与新知识生产，仅有其中一部分作为初始投入流向第一阶段，而另一部分则作为追加投入流向了第二阶段的商业化过程。这是由于：第一，在第二阶段“创新知识转化”中，知识的商业价值并不能自动实现，它的顺利与高效转化同样需要人力与资金投入；第二，参与“创新知识转化”阶段的人力资本与“创新资源转换”阶段具有不同的要求与特征，配套资金运用也具有不同特点。如图1所示，创新要素从投入到产出，并非简单的线性流动，而是一种分层次、多路径的网络化流动，这揭示出创新过程的网络化特征。另外，为便于实证测算，本文研究只考虑要素的前向流动(图1实线所示)，暂且忽略信息反馈效应(图1虚线所示)。
三、模型构建、指标设计与数据处理
(一)模型构建
效率评估常用两类方法，一是基于随机前沿分析(SFA)的参数法，二是基于数据包络分析(DEA)的非参数法。由Charnes等[22]提出的传统DEA方法尽管拥有广阔的运用空间，得到了国内外学者的广泛认可，但它适合于衡量单个生产过程的效率，在应用上有一定的局限。在现代经济体系中，片段化、模块化的多阶段生产方式已成普遍，在衡量生产过程的整体效率时要剖析每一个子过程的生产效率。Fare和Grosskopf[23-24]、Seiford和Zhu[25]、Chen和Zhu[26]、Kao和Hwang[27]等通过引入约束条件，将生产过程分为前后相续的多个阶段，为后续研究提供了重要参考。Lewis和Sexton[28、Kao[29]、Guan和Chen[20]据此构建的网络DEA模型，将整个创新生产过程与各个阶段的生产集成于一个模型中，既把握了整体，又兼顾了各个子过程的生产信息，并在一些领域得到了成功应用。本文借鉴上述学者的建模思想，结合创新生产过程的要素流动特征，构建基于创新生产过程的网络DEA模型：
(二)指标选取
创新指标的选取与合理量化对于创新效率的衡量至关重要。由于在知识生产与扩散的创新过程中包含一些隐性要素的流动，而隐性要素是不可量化的，从而导致实证测算失灵[30]。因此，为避免这种情况发生，我们原则是尽可能选取可量化的实用指标。
也并非所有的发明都被专利化了，并且专利化的发明也有很大程度上的质量差异”[14]，但从可量化的角度，专利确实是一个可靠的衡量指标[31]；另外，本文研究选择了新产品开发项目数作为另一项中间性产出，新产品项目在知识产出与新产品产出之间起到桥梁性连接作用，已被不少学者当做一项可量化的创新产出[6,32]。在最终产出方面，我们选择t+2期的大中型工业企业新产品销售收入(
)与新产品工业总产值(
)两项商业化成果指标。
(三)数据来源与处理
所有数据摘自《中国科技统计年鉴》(2002-2009)。考虑到创新投入到产出的转换时滞，需要对变量进行一定的滞后处理。然而，创新中各个阶段的时滞长短因创新的类型、产品属性及制度环境等多种因素而异，并没有被普遍接受的时间滞后长度[33]。不过，Hollanders & Celikel-Esser实证表明，时间滞后的使用对创新效率的估计影响不大[34]。因此，为了获得更多年份的效率值，本文只对每个阶段的产出做滞后一年处理。具体而言，对于初始投入使用t期的数值，对于中间性产出与追加投入使用t+1年数值，而对于最终产出则使用t+2年数值。此外，由于DEA模型测算的是各个DMU之间的相对效率，同一变量同比例增加或减少对于结果没有任何影响，因此对于各个金额变量无需做消除通货膨胀因素的指数平减。
四、实证分析：中国工业创新效率、模式与制约
基于前面建立的理论与效率评估模型，本文研究采用中国29个省市④2001-2008年的相关数据，对样本期间各地区的工业创新过程整体效率以及“创新资源转换”和“创新知识转化”阶段的效率进行了测算。实证分析将围绕对工业创新的模式、制约和收敛性的分析展开。
(一)工业创新过程的四种模式
通过计算工业创新过程第一阶段“创新资源转换”与第二阶段“创新知识转化”效率的年份均值，绘制二维坐标图(见图2)，从而得到各省市工业创新过程两个阶段效率的地区分布概况图。同时以两个阶段效率的地区均值为基准，引入两条参考线，将图2划分为四个象限，这四个象限揭示了工业创新过程的四种模式。
1.粗放式低效率工业创新模式——Ⅰ类地区。这类地区在“创新资源转换”与“创新知识转化”两个阶段的效率都低于平均水平，表现为在创新资源转换阶段，较为充裕的R&D人员与R&D经费并没有转换成相应的科技创新成果，只注重投入而不注重效率的粗放式创新，包括甘肃、湖南、江苏、山东、新疆、河北、河南、陕西、黑龙江、青海、宁夏等11个省市，为四类地区中最多。这类地区在加强区域自主创新能力时，应注意合理规划创新规模，切忌盲目投资，注重技术的消化吸收。
2.高开发低转化工业创新模式——Ⅱ类地区。这类地区在“创新资源转换”阶段效率较高，而“创新知识转化”阶段效率较低，确切地讲，这类地区的技术开发效率较高而成果转化效率较低，表现为实验室诞生了大量的科研成果与项目，而实现产业化的项目显得不足。科研成果产业化不足是这类地区工业创新面临的一个主要障碍⑤。
3.集约式高效率工业创新模式——Ⅲ类地区。这类地区作为集约式高效率工业创新模式的代表，在工业创新过程的两个阶段皆表现出较高的效率，是其它地区学习的标杆。这类地区包括天津、上海、广西、山西、江西与浙江6省市，值得注意的是，广西、山西、江西与浙江尽管相比于其余大部分省市在两阶段效率上存在一定优势，但与天津、上海等真正的集约式工业创新代表相比，仍然有很大差距。因此，这些地区在工业创新方面仍然有很大提升空间。
图2 工业创新过程效率的地区分布
4.低开发高转化工业创新模式——Ⅳ类地区。这类地区在“创新资源转换”阶段效率较低，但在“创新知识转化”阶段效率却较高，呈现出一种低技术开发高成果转化的工业创新模式。这类地区在技术开发阶段的低效率限制了整个工业创新过程的效率，因此，注重技术开发、加强知识获取能力是这类地区下一步努力的方向。
以上四种模式共同存在于当前的工业创新过程中，工业创新效率的提升实际上是创新模式由粗放式低效率逐步向集约式高效率迈进的过程，然而正如唐清泉和卢博科[5]所发现的那样，我国工业创新效率的提升并不明显。那么，是什么制约了我国工业创新效率提升呢？这是本文下一步回答的问题。
(二)工业创新过程效率的制约
为探寻工业创新过程效率的制约因素，通过实证分析得出：(1)从工业创新过程效率变化的趋势图(如图3)可看出，2001-2006年我国工业创新过程整体效率虽然有一个微小幅度的上扬，但提升程度并不显著，这与已有研究者所观察到的现象一致。整体效率最高的2004年其效率值仅为0.576，仍存在较大提升空间；(2)从第一阶段与第二阶段效率变化趋势看，第一阶段“创新资源转换”与第二阶段“创新知识转化”的效率表现明显不同，第一阶段效率波动幅度大，而第二阶段效率相对平稳，一项Wilcoxon配对秩和检验结果⑥也确认了二者来自两个不同的正态总体；(3)除2002年外，其余各年的第一阶段效率值均远高于第二阶段，那么从直观上看，作为工业创新过程的关键环节，相比于“创新资源转换”而言，“创新知识转化”效率不足是导致工业创新过程整体效率低的主要因素；(4)将中国各省市按照八大经济区进行划分⑦，并将各区创新过程效率值呈现于图4中。如图4所示，整体效率表现较好的为沿海地区，而内陆地区相对落后，这与我国各地经济发展水平基本相符，而第一阶段效率却没有这种区域分布特征，相反，整体效率较低的长江中游及大西南地区，其第一阶段效率良好，高于北部沿海及南部沿海。另外，第二阶段效率表现出与整体效率相似的地区分布特征。
基于上述实证发现，可以做出以下判断：首先，我国工业创新过程整体效率较低，表明我国工业创新过程中创新资源存在较大的投入冗余，原因可能有两个：一是部分地区科技投入资金重复支持，二是发达地区科技创新人员扎堆集聚。其次，“创新资源转换”阶段和“创新知识转化”阶段表现不同，对工业创新过程整体效率的影响程度也会有所差异。最后，从直观上看，“创新知识转化”阶段的低效率是制约工业创新过程整体效率提升的主要因素。
(三)工业创新过程效率的收敛性分析
通过上述分析，我们评估了我国工业创新过程整体效率及子过程的效率表现，并初步检验出整体效率低的制约环节。为了观察低效率地区是否存在向高效率地区学习的技术“追赶”效应，则需要从一个较长的样本时期来考察各项效率的收敛特征。效率的收敛性分析对于区域间技术外溢特点的把握与创新政策的制定至关重要。借鉴Barro和Sala-i-Martin的研究[35]，设置收敛模型如下：
如表2的效率收敛结果可知，从全国范围来看，无论是工业创新过程整体效率，还是第一阶段与第二阶段效率，均存在绝对β收敛，这意味着各省市的工业创新效率的差距在不断缩小，区域间存在良性的技术外溢，创新效率出现追赶、趋同现象。而从八大经济区的收敛情况看，除少数经济区(如南部沿海)的某些效率值收敛系数不够显著外，多数经济区的各项效率均存在绝对β收敛，这说明我国工业创新效率在大部分经济区内还存在“俱乐部”收敛现象，这是由于技术外溢现象在经济区内的各省市之间更容易形成导致的。
五、结论及引申
在文献研究的基础上，本文将创新理解为一种从投入到产出的生产过程，通过揭示创新生产过程要素流动机理与网络化特征，将创新过程分为相互制约的两个阶段，即“创新资源转换”阶段与“创新知识转化”阶段。通过网络DEA模型的实证分析，考察了我国工业创新过程的四种模式，并发现：我国工业创新过程整体效率偏低，“创新知识转化”效率低是主要制约因素，然而收敛性分析显示，我国工业创新过程各项效应呈现出地区追赶的收敛特征，大部分经济区还出现了“俱乐部”收敛，这揭示出在技术外溢效应下，各区域之间创新效率的差异正逐步缩小。
我国工业创新模式正处于向集约式高效率迈进的关键时期，创新效率的提高迫在眉睫。本文的研究表明，加强科研成果转化体系建设，提升科技成果和科研项目转化效率，这是提升我国工业创新过程整体效率的关键。同时，要完善人才流动机制，引导人力资本向欠发达地区转移，提升欠发达地区创新资源转换阶段的效率，加快技术外溢过程，以实现工业创新过程中的区域协调发展。
注释：
①2001年全国R&D经费支出1042.49亿元，2008年已增长到4616.02亿元，年均增长23.7％，远高于同期GDP增速。
②按照《中国科技统计年鉴》的定义，科技活动人员指从事科技活动的实际工作时间占全年制度工作时间10％及以上的人员，而R&D全时人员是指报告年内从事R&D活动的时间占全年工作时间90％及以上的人员，应该说，R&D人员包含于科技活动人员之中，并且R&D全时当量是一个加权值，即将所有科技活动人员从事R&D活动的时间都折合进了R&D全时当量，也就是说，如果将R&D全时当量从科技活动人员中剥离出来，那么余下部分可看作非R&D科技人员，本文认为这部分人力参与“创新知识转化”阶段的生产。
③由于“创新知识转化”阶段是以新产品为产出，而新产品又主要在企业中生产，因此本文将大中型工业企业开发新产品经费作为该阶段的资金投入。
④未包含西藏与海南，西藏由于数据不全，而海南的创新体量过小，与其它省市差距较大，不宜做对比。
⑤相关数据表明，我国科技成果转化率平均为20％，实现产业化不足5％。
⑥Wilcoxon配对秩和检验原假设是Ek1=Ek2，检验结果Z值为2.812，P值为0.0049，通过1％显著性检验，拒绝原假设。
⑦八大经济区域是：南部沿海地区(广东、福建、海南)；东部沿海地区(上海、江苏、浙江)；北部沿海地区(山东、河北、北京、天津)；东北地区(辽宁、吉林、黑龙江)；长江中游地区(湖南、湖北、江西、安徽)；黄河中游地区(陕西、河南、山西、内蒙古)；西南地区(广西、云南、贵州、四川、重庆)；西北地区(甘肃、青海、宁夏、西藏、新疆)。