企业规模、创新能力与“熊彼特假说”——基于中国工业企业数据的研究

林 奇

（深圳职业技术学院 经济学院，广东 深圳 518055）

企业规模、创新能力与“熊彼特假说”
——基于中国工业企业数据的研究

林 奇

（深圳职业技术学院 经济学院，广东 深圳 518055）

基于构建的非线性R＆D活动投入产出弹性模型，以2007年《中国工业企业数据库》中35 369个企业样本的截面数据为研究对象，分析了企业创新能力与企业规模之间的关系特征。研究发现：在不同的企业规模定义下，R＆D活动产出效率与企业规模之间呈现不同的关系，这一结论与已有研究不同。将企业分为高技术企业和中低技术企业之后，发现技术水平因素并不影响R＆D活动产出效率与企业规模之间的关系。

R＆D活动；企业规模；熊彼特假说

一、引 言

最早关注企业技术创新效率与企业规模、市场结构的经济学家熊彼特提出了著名的“熊彼特假说”，即企业规模越大，技术创新就越有效率，即大企业比小企业更具创新性。针对这一假说，Fisher等最早运用实证研究对此假说进行了验证（即规模越大的企业越倾向于从事更多的创新活动）［1］。在此之后，Cohen等对企业规模与创新活动之间的关系进行了大量的实证研究［2］。在这些研究中创新活动一般都是用R＆D活动效率来描述，而后者多是用专利数量或者专利占R＆D活动支出比例等变量来代表。与此对应的是，Griliches等在验证这二者关系时采用R＆D活动投资的回报率作为R＆D产出的代理变量［3］419－461。

实际上，在学术界关于企业规模与创新活动之间关系的争论一直没有停止，这种分歧表现为，有的研究认为二者之间呈现显著的正向关系，另外一些研究则持相反的观点。面对这样的争论，国外的相关研究已经非常丰富，国内也有学者运用不同的研究对象对熊彼特假说进行了验证，但所使用的研究方法和结论都存在一定的局限性。本文以更为丰富的样本空间为研究对象，在对R＆D活动产出效率进行了更为准确定义的基础上，运用多元的企业规模定义对熊彼特假说进行了更为全面的验证，得到了有价值的结论。

二、文献综述

在认为企业规模与创新活动之间表现为正向相关的文献中，对于这一问题进行了大量的研究。Cohen就认为创新活动作为R＆D活动与其他生产功能性活动（诸如市场营销和制造等活动）的重要补充，只有在那些规模较大的企业中才表现出更强的生产效率［4］138－151。Mintzberg进一步指出，既然其他生产功能性活动越来越专业化，大企业在市场竞争中更能发挥其创新活动的贡献［5］215－222。持类似观点的其他研究者提出了更为丰富的解释，Cohen等认为企业的R＆D活动支出能够通过其产出得到更广泛应用，那么较大规模的企业就能够从其R＆D活动中获得更高的回报。这些实证经验表明，规模较大的企业相比那些小企业而言，其R＆D产出表征的R＆D活动效率更高，创新活动更活跃。

与此对应，也有很多学者研究认为，企业规模与创新活动之间并没有呈现出一种正相关关系，这种关系或者不显著，或者是一种负相关或者是其他非线性的性质。Griliches发现除了生物医药和石化行业部门以外，在其他的行业部门中没有明显的证据说明企业的R＆D活动呈现随企业规模增长的规模报酬递增效应。Tsai等研究发现那些规模最小和最大的两类企业，其R＆D活动效率比起中等规模的企业而言明显更高，这就意味着企业规模与R＆D活动效率之间呈现一种“U”型的非线性关系［6］。

国内学者中，对于企业规模与创新能力之间的关系研究也没有统一结论。刘德胜等以116家中小板上市企业为研究对象，发现R＆D支出与企业绩效间呈倒“U”型关系［7］；赵彦云等发现2009年北京海淀区671家企业中R＆D产出弹性与企业规模存在负向相关关系［8］；刘笑霞等以2005年3 831家制造业企业为研究对象发现企业规模与研发强度之间存在显著正向关系［9］。

总结这些已有的文献，可以得到五个结论。首先，针对企业规模与创新活动效率之间的关系至今没有一个统一的结论。不同学者运用不同的样本对象、方法得到的结论不尽相同，但都有其一定的道理和借鉴意义。其次，从变量选择上看这些研究无一例外的都是采用专利或者专利相对研发活动的强度这类指标用于度量R＆D活动的产出。正如韩东林等所指出的，如果仅仅只是使用专利作为创新活动的产出并不能直接说明R＆D活动对提升企业竞争力产生的效果［10］。因此本文运用R＆D活动产出弹性指标来刻画企业规模与R＆D活动效率之间的关系，能够非常清晰地度量R＆D活动对于提升企业生产效率的贡献作用。第三，这些文献中都是将企业规模大小作为一个独立的变量用于衡量前述二者之间的关系。需要注意的是，这些研究的目的是确认企业规模是否作为一个主导内在因素，影响到R＆D活动对于企业生产率提升的作用。鉴于此，本文研究认为将企业规模作为一个独立的估计变量是存在问题的，而应该将其作为一个中间变量更能够反映这其中的逻辑关系。第四，正如Tsai等研究中发现的那样，企业规模与R＆D活动效率之间可能存在一种非线性的关系，基于此本文在设定实证模型时候必须考虑到可能存在的这种“U”型的非线性关系。第五，国内的相关研究在样本选择上都存在一定缺陷，样本规模都较小或者局限于某一类型企业样本中，这样得到的结论未必具有代表性。

本文的主要贡献有三点：其一，与以往研究相比，本文的企业微观样本更具有代表性，行业覆盖面更广，样本容量更大（并非以往针对国内的研究局限于小样本或某一产业）；其二，从更为多元的维度对企业规模给出准确、恰当的定义，避免以往研究中的偏颇性；其三，本文在分析企业规模与R＆D活动之间关系时，用R＆D产出弹性来表征R＆D活动，以避免简单用产出表征R＆D活动带来的偏颇性。

三、模型推导

企业通过加大R＆D活动投入力度，可以提升企业技术积累实力和新产品开发能力，进而实现产品或者生产流程的创新。按照新经济增长理论的思路，R＆D活动投入作为类似资本、劳动一样的基本投入要素成为推动产出不断增长的主要因素。本文从最基本的生产函数出发，假定生产函数是Cobb－Douglas形式，并且要素规模报酬不变，其公式为：

式（1）中Y 代表产出，L代表劳动投入，K代表资本投入，而α则表示要素投入产出弹性。这里的A通常被认为是剔除劳动（L）和资本（K）贡献以外的全要素生产率TFP（Total Factors Productivity），那么就得到：

Tsai等认为TFP代表了企业的产出效率水平，而R＆D活动投入是对其产生影响的重要因素，遵循这一思路构建如下模型：

式（3）中lnTFPit为TFPit的对数形式，RDit反映的是i企业在第t年的R＆D活动投入水平；lnRDit为RDit的对数形式；α0it表示每一个企业的异质性特征；λ反映的是R＆D活动的投入产出弹性①；εit是误差项。

结合已有的文献，认为企业R＆D活动投入对企业产出效率的影响应该与企业规模呈现一定的关系，而这种关系并不能够简单的认为仅仅是一种纯线性的，更可能呈现为二次函数形式（具体的形式有待实证分析的检验），即：

式（4）中S表示的是企业规模。将式（4）代入式（3）可以得到：

式（5）就是本文研究的主体计量模型。式（5）中，β0表示R＆D活动产出弹性（即R＆D活动生产效率）；β1表示企业规模对于R＆D活动生产效率的影响作用；β2表示企业规模对于R＆D活动生产效率影响作用的变化率。如果β2显著为正，那么R＆D活动产出与企业规模之间大致呈现出一种“U型”关系；如果为负，二者之间呈现一种“倒U型”关系。如果β1显著的异于零，而β2并不显著，则说明R＆D活动产出与企业规模之间呈现一种单纯的线性关系。

四、变量与数据说明

本文所采用数据来自于国家统计局《中国工业企业数据库》，该数据库收集了国内主营业务收入500万元以上的制造业企业抽样调查的各项指标数据。由于其涵盖行业范围广，权威性和代表性强，学者研究工业企业的微观特征时多采用此数据库中的抽样调查样本作为研究对象。《中国工业企业数据库》中所调查的指标有70多个，但是针对企业研究开发费指标进行调研的年份只有2006年和2007年。由于不同年份中调查企业对象发生了较大变化，无法得到较为完整的面板数据，基于这个原因，本研究过程中仅仅选用了2007年的调查全部样本数据作为研究对象形成截面数据样本。

1．变量说明。式（5）对于模型的被解释变量是企业个体的全要素生产率TFP，该变量可由式（2）获得，即：需要产出、劳动投入和资本投入变量。其中所需产出变量数据采用新产品产值指标代表，而不选用工业总产值或销售收入指标。这主要是考虑到新产品产值更多的与企业R＆D活动有关，是R＆D活动关联程度最高的间接产出。工业总产值指标包含的内容更为广泛，与企业R＆D活动关联程度不如新产品产值更为密切。销售收入是从企业市场营销活动效率角度衡量产出，与R＆D活动关联程度更低。

劳动投入变量直接采用数据库中的“全部从业人员年平均人数”来表征。按照Lucas提出的人力资本理论，更为合适的劳动投入应该包含人力资本水平，但是数据库指标中本身并没有提供相应的人力资本数据。也有研究采用其他指标来表示劳动投入，比如Tsai和Wang就是运用平均劳动工资水平。本文认为，对于中国这样一个制造业大国，制造业本身劳动力供给较为充裕，流动较为频繁，工资水平本身的差异性在制造业部门反而不一定很显著。基于这些考虑，本文认为采用传统的劳动人数指标更具有代表性。

资本投入变量采用“固定资产原值”这一指标。按照索洛增长理论，式（1）对应的生产函数中资本投入应该是一个剔除了价格因素、折旧因素的资本存量指标。本文在研究中使用的是截面数据，价格因素和折旧因素都不构成影响。因此直接采用企业财务报表中的“固定资产原值”来对资本投入进行度量。

式（5）中R＆D活动投入水平是模型估计的关键变量，该指标一般可以从两个方面进行度量：其一是从人力投入角度，一般采用诸如R＆D活动全时人员当量、科技活动人员数等指标；其二是从经费投入角度，多采用R＆D活动经费支出或者R＆D活动经费支出与产出的比重。本文从数据可得性、科学性出发，认为运用R＆D经费支出来计算R＆D活动投入更为合适。在已有的时间序列研究中，更多是运用R＆D资本存量来表征R＆D活动投入水平，项歌德等指出R＆D资本存量的计算可以采用类似固定资本存量的方法即永续盘存法，但是在基年存量水平和折旧率上需要考虑多种因素［11］。Griliches还指出，当采用R＆D资本存量作为投入指标时候需要考虑到R＆D活动的时滞性：当期的R＆D活动产出并不仅仅来自于当期的R＆D活动投入，还与前期的R＆D活动投入有关。Griliches并没有说明这种滞后期的具体时限。由于本文所研究对象为2007年当年的截面数据，不存在时间滞后，也就不考虑诸如基年存量、折旧率等问题。综合以上考虑，本文将数据库中的“研究开发费用支出”作为衡量R＆D活动投入水平的代理变量。

2．企业规模定义。式（5）对应的模型中变量S用于描述企业规模大小。对于企业规模如何衡量，已有文献都采用了不同的处理方法。刘笑霞等就是采用企业固定资产作为标准企业规模的变量；赵彦云等采用的则是企业人数表征规模。由此来看，对于如何准确度量企业规模并无统一定论。值得借鉴的是国家有关部门对于企业规模的定义标准。国家统计局2003年在《关于印发中小企业标准暂行规定的通知》中对工业企业大中小型分类情况进行了新的划分，划分标准如表1所示。

表1 大中小型工业企业划分标准表

从表1中不难看出，对于企业规模的划分可以采用三个度量标准：企业从业人员数、企业产品销售收入总额和企业资产总额。我们认为，如果要更为准确衡量企业规模与企业R＆D活动绩效之间的关系，应该从更为全面的维度对企业规模进行度量。本文研究中将以表1为依据，从三个角度同时对企业规模进行度量。

3．数据描述。本文所采用的数据来自国家统计局《中国工业企业数据库》2007年调查数据样本。本文研究过程中剔除了那些没有研发投入的企业样本，这样最后得到35 369个企业样本。对于所需各个变量的描述如表2所示。

表2 变量基本属性描述表

从表2的变量描述中不难看出，企业样本之间的特性差距显著，所有变量的变异系数均大于1。我们按照表1中列示的企业类型划分标准对样本企业进行统计，结果如表3所示。

表3 企业规模统计表 （单位：个）

很明显，本文所选取的研究样本中如果按照人数规模看小型企业占到三分之二左右，而大中型工业企业占到三分之一左右。但是如果按照资产或者收入规模来划分，选取样本中基本都是小型企业。从这一比较结果看，按照不同的规模维度对企业进行划分得到的结论不尽相同，这也说明了本文从多个角度对企业规模进行度量的必要性。

五、实证分析

1．不同企业规模定义下的实证结果。根据得到的变量数据，运用Eviews6．0软件对式（5）对应的模型进行估计，得到的估计结果如表4所示。

表4 估计结果表（被解释变量lnTFP）

表4中第2～4列分别表示用不同代理变量来度量企业规模，其中S1～S3分别对应表1中的变量。表4估计结果说明了企业R＆D活动投入对提升企业生产效率的影响作用特征。

无论采用哪种企业规模定义，R＆D活动产出弹性均显著为正，而且在三种不同企业规模定义中的估计结果并无显著差异。这表明企业在R＆D活动上的投入极大推动了企业生产率的提升。

β1在三种情况下的估计结构均显著为负，这说明伴随着企业规模的增加，R＆D活动生产效率反而下降：即规模较大的企业其创新能力反而较低；而规模较小的企业其创新能力反而较强。这一结论似乎验证了Griliches、赵彦云等人的研究成果。

β2的估计结果在不同企业规模定义下存在显著差异：

第一，S1对应的是从业人数定义企业规模，在这种情形下β2显著为正，这意味着企业规模与企业R＆D活动产出效率之间呈现“U”型关系。这一研究结论与Tsai等的研究吻合。

第二，S2对应的是销售收入定义企业规模，表4第3列的估计结果中β2显著为负，这意味着（用销售收入定义的）企业规模与R＆D活动产出效率之间呈现“倒U”型关系。这一结论与刘德胜等的结论类似。

第三，S3对应的是资产总额定义的企业规模，表4第4列的估计结果中β2也显著为负，这说明（用资产总额定义的）企业规模与R＆D活动产出效率之间同样存在“倒U”型关系。

表4的实证结果印证了企业规模的定义不同将会直接影响到研究结论的得出。事实上，企业规模与R＆D活动产出效率之间并不是一种简单关系，这种关系的建立基于研究中对企业规模的定义。

表4实证结果中存在差异的是当采用不同企业规模定义时，企业规模与R＆D活动产出效率之间非线性特征的验证结果。值得指出的是，无论采用何种企业规模定义，二者之间始终存在一种较为简单的线性关系，即企业规模与R＆D活动产出效率之间存在负相关关系。

表5 企业规模定义变量的相关性分析表

表5列示了三种不同企业规模定义变量之间的相关性，从相关系数看这三种变量之间的相关性程度较低，这就导致采用不同定义时得到了迥然不同的结论。

2．企业技术水平的影响研究。表4估计结果在研究企业规模对R＆D活动产出弹性影响时，仅仅只是考虑了不同的企业规模定义，并未考虑不同技术水平企业这一特性的差异。Dietmar以德国制造业企业为研究对象，分析其R＆D活动特征时，就将企业按照R＆D投入强度不同划分为高技术企业和中低技术企业，并发现这两组企业的R＆D活动特征呈现显著差异［12］。因此，可以预见的是针对不同技术水平的企业，其企业规模对R＆D活动产出弹性影响也必定产生差异。

对于如何界定企业的技术水平，学术界并无统一标准，一般常见的是借鉴OECD的评价标准：企业R＆D投入强度。对于R＆D投入强度达到多高水平可以视为高技术产业，目前也没有统一标准。根据《中国高技术产业统计年鉴》的统计数据，2007年中国高技术产业的R＆D投入强度（即R＆D经费支出占工业总产值的比重）为1．08%。本研究中就以该平均水平作为划定技术水平的标准，高于或等于该标准的企业视为高技术企业，低于该标准的企业视为中低技术企业。

从表6的估计结果可知，企业技术水平这一因素并没有在企业规模与企业R＆D活动产出效率关系中起到差异化作用。表6中第2列与第3列的估计结果特征与表4第2列估计结果完全一致。无论是高技术企业还是中低技术企业，其企业规模与企业R＆D活动产出效率关系呈现如下特征：

表6 企业技术水平影响估计结果表

第一，R＆D经费投入对于提升企业生产率有显著的促进作用。唯一的差异之处在于，对于高技术企业而言这种促进作用更大一些，这也是高技术企业区别于中低技术企业最重要的特征。

第二，随着（从业人数定义的）企业规模增加，R＆D活动投入产出弹性反而下降，且这一特征在两种不同技术水平的企业中表现完全一致。

第三，当企业规模扩大到一定程度后，R＆D活动投入产出弹性又逐步上升，即企业规模与企业R＆D活动产出效率之间呈现“U”型关系。

六、结 论

本文以2007年调查的《中国工业企业数据库》中35 369个企业样本为研究对象，通过构建非线性的R＆D活动投入产出弹性模型，分析了企业规模与企业创新能力之间的关系特征。通过对企业规模进行分析得到的主要结论如下：

第一，企业规模与企业创新能力之间并不一定存在单纯的线性关系或者非线性关系。这种结论的得出取决于对企业规模的不同定义。当用从业人数定义企业规模时，二者之间呈现“U”型非线性关系。当用销售收入或资产总额定义企业规模时，二者之间则呈现出“倒U”型关系。这就意味着，熊彼特提出的企业R＆D活动存在规模效应的假说在中国制造业企业中并没有得到验证，这一验证必须在一定的假设前提下（如本文中只有当采用从业人数对企业规模进行定义时）成立。

第二，考察（用从业人数定义的）企业规模与企业创新能力之间关系时，企业的技术水平因素并不发挥任何影响作用，对不同技术水平的企业而言，企业规模与创新能力之间都呈“U”型非线性关系。

［1］ Fisher M，Temin P．Returns to Scale in Research and Development：What Does the Schumpeterian Hypothesis Imply？［J］．Journal of Political Economy，1973（1）．

［2］ Cohen M，Klepper S．Firm Size and the Nature of Innovation within Industries：the Case of Process and Product R＆D［J］．Review of Economics and Statistics，1996（78）．

［3］ Griliches Z．Returns to Research and Development Expenditure in the Private Sector［M］∥．In：Kendrick J W，Vaccara B N．New Developments in Productivity Measurement and Analysis．Chicago：University of Chicago Press，1980．

［4］ Cohen W M．Empirical Studies of Innovative Activity［M］∥．In：Stoneman P．Handbook of the Economics of Innovation and Technological Change．Boston：Blackwell Press，1995．

［5］ Mintzberg H．Structure in Fives：Designing Effective Organizations［M］．Englewood Cliffs：Prentice Hall，1993．

［6］ Tsai K，Wang J．Does R＆D Performance Decline with Firm Size？Are－examination in Terms of Elasticity［J］．Research Policy，2005（6）．

［7］ 刘德胜，张玉明．R＆D支出驱动中小企业绩效有效性研究［J］．科技与经济，2010（1）．

［8］ 赵彦云，刘思明．企业规模、R＆D与生产率——基于2009年海淀区R＆D资源清查数据的实证研究［J］．统计与信息论坛，2012（1）．

［9］ 刘笑霞，李明辉．企业研发投入的影响因素——基于我国制造企业调查数据的研究［J］．科学学与科学技术管理，2009（3）．

［10］韩东林，云坡．中国高技术服务业R＆D资源配置效率的省际比较分析——基于2009年第二次全国R＆D资源清查数据［J］．统计与信息论坛，2012（7）．

［11］项歌德，朱平芳，张征宇．经济结构、R＆D投入及构成与R＆D空间溢出效应［J］．科学学研究，2011（2）．

［12］Dietmar H．R＆D Spillovers，Technological Proximity and Productivity Growth：Evidence from German Panel Data［J］．Schmalenbach Business Review，2000（3）．

Enterprise Scale，Innovation and the Schumpeter’s Hypotheses：Bases on the Data of Chinese Industrial Enterprises

LIN Qi
（School of Economics，Shenzhen Polytechnic，Shenzhen 518055，China）

By building a nonlinear R＆D activities input－output elasticity model，based on the sample of 35 369enterprises in the Chinese industrial enterprises database in 2007for the study，this paper analyzed the relationship between the characteristics of the innovation capability of enterprises and enterprise scale．The empirical results show that，by different definition of firm size，R＆D activities show a different relationship between the output efficiency with the scale，and this conclusion is different from the existing research．Further divided into the high－tech sector and the low－skilled sector，the technical level factors do not affect the relationship between the output efficiency of R＆D activities and the scale．

R＆D；enterprise scale；Schumpeter’s hypotheses

F062．4

A

1007－3116（2013）09－0062－06

2013－01－30

林 奇，男，浙江台州人，经济学博士，讲师，研究方向：技术进步与科技政策评估。

（责任编辑：李 勤）