高校与新能源企业创新产出的优势度及匹配度的实证分析

耿纪超　龙如银

摘要：基于28个省级层面的面板数据，测度了高校创新产出优势度对新能源企业创新产出优势度的影响，并研究了高校与新能源企业创新产出的匹配度。结果显示：高校的创新产出优势度对企业的创新产出优势度有显著的正向关系；基础投资对企业创新产出优势度的影响显著为负；企业规模和R&D经费投入显著为正，但R&D人力投入不显著；河北等地高校与企业的匹配度较低，辽宁等地的匹配度较高，天津、浙江实现均衡匹配。

关键词：高校；新能源企业；创新产出；优势度；匹配度

DOI：10.13956/j.ss.1001-8409.2016.05.04

中图分类号：F124.3；G64 文献标识码：A 文章编号：1001-8409（2016）05-0017-04

Abstract：Based on the panel data of 28 provincial regions， this paper measures the effect of university innovation output dominance to new energy company innovation output dominance. And then， it analyzes the match degree of college with company. Results show that， firstly， university innovation output dominance has a positive and significant effect on company innovation output dominance. Secondly， the effect of infrastructure investments is negative. Thirdly， company size and R&D funding have a significant role， while R&D manpower has not. Finally， the match degree of university to company of Hebei is low， while Liaoning is high，Tianjin and Zhejiang achieve matching equilibrium.

Key words：university； new energy company； innovation output； dominance； match degree

1 文献回顾与问题提出

新能源又称非常规能源，主要包括太阳能、风能、生物质能等。新能源产业作为战略性新兴产业，在国家和地方政府的大力支持下得到了快速发展[1]。但由于GDP导向下地方政府的发展冲动，企业对行业片面的乐观预期和盲目投资，企业自主研发能力的缺乏，致使风电、多晶硅等多个产业出现重复建设倾向，造成我国新能源产业链出现低端产能过剩问题[2]。新能源产业属于高新技术产业，关键技术对企业发展有很强的推动作用，因此技术创新是新能源企业发展的根本驱动力和核心竞争力[3]。

为了配合新能源企业的创新发展，教育部陆续在高校开设新能源专业，但人才供给方面仍出现严重短缺。以风能产业为例，到2020年中国风电行业人才缺口将在40万人左右，其中高端人才占比高达40%[4]。由此可见，高校的创新人才培养对我国新能源产业的发展尤其重要。高校创新能力对企业创新能力的促进作用已经得到学者们的研究支持[5]，新能源企业对知识密集的依赖性很强，高校的人才集聚和技术创新对当地企业的创新能力有显著的影响[6]。

目前我国新能源产业的相关研究多围绕在国家政策、价格补贴、产业结构及企业技术因素上[7，8]，对于创新能力的分析尚不多见[9]，更缺少基于高校匹配视角的研究；且由于新能源产业的数据较难获得，现有研究或是产学研协同的理论与定性研究[10]，或是企业创新能力的评价体系研究[11]，缺少实证和定量研究。本文以创新产出为衡量标准，分析高校与企业创新产出的相关性。考虑到现有的分析大多直接将原始数据进行回归，得到的结论只是解释变量对被解释变量的直接影响，无法区分地区之间的相对优势。如某地区企业的科技投资会促进创新产出，但与其他地区相比，这种促进作用不一定具有优势性。因此本文引入优势度的概念，旨在重点测度高校创新产出优势度对企业创新产出优势度的影响，并研究各省高校与企业的匹配度，为高校和企业的区域性技术协同发展提供依据。

2 优势度的研究模型、变量选取和数据来源

2.1 研究模型和变量选取

计量模型经检验应采用半对数线性模型，因此将模型设定为：

Y=α+β0X+β1LnZ1+β2LnZ2+β3LnZ3+β4LnZ4+ε

（1）被解释变量：企业创新产出优势度（Y）。用专利申请数衡量创新产出，虽然可能会高估创新产出的真实能力[12]，但由于专利数据是创新产出的最直观体现，数据较为客观且变化缓慢，因此总体上相当可靠[13，14]。关于优势度的测量，采用各省的企业专利申请数与全国企业平均专利申请数的比值来衡量。当比值大于1时说明有优势度；当比值小于1时说明优势度较低或无明显优势度。

（2）解释变量：高校创新产出优势度（X）。同上，采用各省高校的专利申请数与全国高校平均专利申请数的比值来衡量。

（3）考虑指标数据的易获得性，选取若干影响企业创新产出的指标作为控制变量：工业固定资产投资作为基础投资规模指标（Z1）；企业R&D经费作为科技经费投入规模指标（Z2）；企业R&D人员全时当量作为科技人力投入规模指标（Z3）；企业全部从业人员年平均人数作为企业规模指标（Z4）。

（4）虚拟变量（D）：为了进行区域分析，分别设置东部地区为1，中部和西部地区为0；中部地区为1，东部和西部地区为0；西部地区为1，东部和中部地区为0。其中东部地区包括北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、山东、福建、广东、海南；中部地区包括山西、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、贵州、云南、陕西、青海、新疆、四川；由于企业数据存在缺失，甘肃、宁夏、西藏除外。

2.2 数据来源

自2006年开始，以华北电力大学为首的近10所高校率先开设新能源专业（水电和核电除外），本文选取的样本时间为2007～2013年。专利申请数据来源于国家知识产权局官方网站，以“太阳能风能生物质能锂电池地热能海洋能新能源汽车”为摘要，各省为申请人地址，年份为申请日。高校专利检索以“大学学院”为申请人，并减去以“科学院”为申请人的数据；企业专利检索以“公司”为申请人。由于新能源产业的数据收集非常困难，因此按照李士忠[15]和郭立伟[16]提出的方法，将通用设备制造业和电气机械及器材制造业之和近似代替新能源产业。数据来源于《中国统计年鉴》《中国固定资产统计年鉴》《中国工业经济统计年鉴》和各省统计年鉴。数据处理过程全部采用Eviews 8.0计量分析软件。

3 优势度的实证分析

3.1 相关性描述

为使观察更为直观，分别做了全国、东部、中部和西部层面的高校与企业优势度的散点图（见图1）。如图1所示，从全国（QG）来看，企业（QY）和高校（GX）的创新产出优势度存在显著的正相关。从区域来看，东部（DB）和西部（XB）的正相关性显著高于中部（ZB）。以上只是无条件的相关分析，下面基于面板数据，对高校创新产出优势度是否会影响企业创新产出优势度进行进一步的估算和分析。

3.2 模型估算

考虑到当期基础投资对企业创新产出的影响具有滞后性，使用AIC和SC准则来确定自变量的滞后阶数，由最小的AIC和SC值确定了最优的自变量搭配：发现基础投资的当期变量对企业创新产出优势度的影响不显著，其滞后一期变量的影响显著，且AIC和SC值最小。因此使用基础投资的滞后一期变量，并分别使用固定效应模型和混合效应模型进行估算，结果见表1。

表示p<0.1；②由于横截面样本存在异方差，因此系数显著性程度是经WHITE异方差调整后的P值来确定；③模型1采用固定效应模型，模型2采用混合效应模型，模型3至模型5因增加虚拟变量而采用混合效应模型

3.3 结果分析

（1）全国和区域范围，高校创新产出优势度对企业创新产出优势度的影响均通过显著性检验，且在1%水平上正相关，高校的创新产出优势度会促进企业创新产出优势度的形成，其中东部最高，中部最低。我国高校和新能源企业多聚集在以长三角、珠三角和环渤海地区为主的东部地区，由于地区经济水平和高校基础科研水平较高，大量的人才和资金流入使高校形成明显的区域优势；高校在为企业提供人才和技术支持时，促进了企业创新产出优势度的形成。虽然与中部相比，西部的高校和新能源企业数量较少，创新产出水平相对较低，但高校对企业创新产出优势度的形成有更强的促进作用。原因为中部地区高校的创新产出优势度较高，而企业相对较低，导致高校对企业创新产出优势度的作用相对较弱。

（2）中部地区虚拟变量值为负，表明在相同的控制变量影响下，中部企业的创新产出优势度较东、西部低。原因在于：虽然中部高校创新产出优势度较高，新能源企业规模较大、基础投资及科技投入较高，但这些资源优势并没有带来企业创新产出的绝对优势，相比之下，东、西部企业的资源利用和科技转化能力更高。

（3）全国和区域范围，基础投资滞后期对企业创新产出优势度的影响均表现为显著的负相关。基础投资并没有带来企业创新产出优势度的形成，出现了基础投资的过剩现象。以光伏、风能产业为例，近几年国家和地方政府给予较大的政策优惠，各省陆续建设风能设备制造基地，多晶硅、光伏组件生产基地，企业对行业片面的乐观预期和盲目的基础投资导致出现了重复建设倾向和产能过剩问题，“漏风”、“漏电”现象较严重；且由于企业较多地集中在产业链的中下游，R&D投入力度不够，R&D人才短缺，科研能力相对薄弱，在大型风机制造、硅提纯方法等核心技术上还暂时落后于西方发达国家，导致企业的核心竞争力不强。

（4）企业的科技投入方面，R&D经费投入对新能源企业的创新产出优势度有显著的促进作用，而R&D人力投入指标不显著。数据显示，R&D经费投入近年来增长较快，但R&D人力投入增长相对缓慢，部分省份甚至出现轻微的下降，科研人员的供需缺口是导致R&D人力投入指标不显著的原因。此外，企业规模对企业创新产出优势度有显著的正向作用，规模越大的企业，其配套设施越完善，设备越先进，科技投入越多，科研能力越强，创新产出优势度越明显。

4 匹配度的实证分析

为进一步研究2009～2013年各省高校与新能源企业创新产出的匹配状况，这里引入区位商的算法，计算公式为：

LQi=（Eij/Ei）/（Ekj/Ek）

其中j为省份，i为高校，k为企业，E为专利数，LQ为匹配度。

（1）如表2所示，匹配度大于1的有北京、山西、内蒙古、辽宁、吉林、黑龙江、上海、江西、湖北、湖南、广西、海南、重庆、贵州、云南和陕西，表明高校的创新产出优势度显著高于新能源企业，高校满足了企业发展的技术需求。天津、浙江的匹配度在1附近，表明高校和企业出现了创新产出的均衡，尤其是浙江省，高新技术企业研究开发中心的建成和发展使新能源企业的创新产出处于全国前列，而“政产学研商”的合作模式促使高校和企业的协同创新；相比之下，天津高校和新能源企业的创新产出实现了较低水平的均衡。

（2）匹配度小于1的有河北、江苏、安徽、山东、四川、福建、河南、广东、青海和新疆，高校尚未与新能源企业的发展现状相匹配。其中河北、江苏、安徽、四川、福建、山东、河南和广东的光伏、风能、生物质能等产业处于全国领先地位，企业技术创新能力强，对高校的人才和技术需求较高；虽然这些地区高校的创新产出较高，但尚未满足企业发展的需求。青海和新疆拥有新能源专业的高校数量很少，高校的创新产出与企业相比还有较大差距。

（3）从匹配度的年均增长率来看，天津、内蒙古、福建、四川、黑龙江、江苏、安徽、湖南、广西、重庆、云南、陕西、青海均小于0，表明2009～2013年期间，这些地区新能源企业的创新产出能力得到了更快提升。

5 结论与建议

首先，高校的创新产出优势度对企业的创新产出优势度有显著的促进作用，其中东部最高，中部最低；其次，由于中部地区企业的资源利用和技术转化能力相对较低，在基础投资、科技投入和企业规模的影响下，企业的创新产出优势度较东、西部地区低；再次，大规模的基础投资并没有带来新能源企业创新产出优势度的形成，而出现了基础投资的过剩现象；最后，企业规模和R&D经费投入对新能源企业创新产出优势度有显著的促进作用，但R&D人力投入指标不显著，R&D人才的供需还存在较大缺口。通过匹配度分析：河北、江苏、安徽、山东、四川、福建、河南、广东、青海和新疆的高校尚未与新能源企业的发展现状相匹配；天津和浙江实现了高校和企业的均衡匹配；其余地区高校与企业的匹配度较高，高校满足了企业发展的技术需求；此外，天津、内蒙古、福建、四川、黑龙江、江苏、安徽、湖南、广西、重庆、云南、陕西、青海新能源企业的创新产出能力在近几年得到了更快提升。

针对研究结果，提出如下建议：首先，各地政府在加大招商引资力度建设新能源产业时，不仅应考虑大规模的基础投资，还应鼓励企业将更多的目光聚焦于创新能力的提升上，如加大R&D经费的投入和对R&D人才的引进与培养，提高企业的创新产出能力，打破西方发达国家在核心技术上的垄断，使企业从产业的中下游转型到中上游。其次，高校在新能源产业人才和技术的输送上仍将发挥重要作用，未来应在匹配度低的地区高校继续增设新能源相关专业，培养更多高技术水平的专业人才；还应在匹配度高的地区强化高校与新能源企业之间的人才和技术交流，如创建大学科技园、产学研协同中心、企业实习基地等，以实现技术从高校到企业的转化。同时政府要充分发挥桥梁的作用，通过搭建通信和网络平台，鼓励和招标更多的产学研合作项目，构建政、产、学、研、用技术协同创新模式，实现高校与新能源企业的协同发展。

参考文献：

[1]Hong L， Zhou N， Fridley D， et al. Assessment of Chinas Renewable Energy Contribution during the 12th Five Year Plan[J].Energy Policy， 2013，62： 1533-1543.

[2]蒙丹. 我国新能源产业链的低端产能过剩问题研究[J]. 经济纵横，2010（5）：37-40.

[3]赵红梅. 关键技术突破对新兴产业发展的创造效应研究[J]. 科学管理研究，2014（5）：51-54.

[4]贾渊培. 风电人才缺失成产业发展瓶颈[N]. 中国能源报， 2013-7-29.

[5]刘永，李汉邦，周健. 高校科技创新链中的关键角色及其动力分析[J]. 科学管理研究，2012（2）：13-16.

[6]王廷. 三区联动：高校集聚区的创新发展之路[J]. 高等工程教育研究，2014（3）：50-54.

[7]Zhi Q， Sun H H， Li Y X， et al. Chinas Solar Photovoltaic Policy： An Analysis Based on Policy Instruments [J]. Applied Energy. 2014， 129：308-319.

[8]Wang Z， Qin H， Lewis J I. Chinas Wind Power Industry： Policy Support， Technological Achievements， and Emerging Challenges [J]. Energy Policy， 2012， 51：80-88.

[9]王元地，史晓辉. 我国新能源技术创新能力空间分布格局研究[J]. 科技进步与对策，2014（6）：69-72.

[10]易高峰，邹晓东. 面向战略性新兴产业的产学研用协同创新平台研究[J]. 高等工程教育研究，2015（2）：39-43.

[11]宋艳，张世慧，蒋冲雨. 战略性新兴产业属性的科技项目评价模型及方法研究[J]. 软科学，2014，11：128-132.

[12]Griliches Z. Patent Statistics as Economic Indicators： A Survey [J]. Journal of Economic Literature， 1990（92）： 630-653.

[13]Furman J， Porter M， Stern S. The Determinants of National Innovative Capacity [J]. Research Policy， 2002（31）： 899-933.

[14]王淑英，秦芳. 基于空间面板模型的高校创新产出溢出效应的实证研究[J]. 软科学，2015（7）：64-68.

[15]李士忠， 张朝， 张素芳. 保定新能源产业园集聚效应的实证分析[J]. 产业与科技论坛， 2011（9）：34-35.

[16]郭立伟， 沈满洪. 基于区位商和NESS模型的新能源产业集群水平识别与评价——以浙江省为例[J]. 科学学与科学技术管理，2013（5）：70-79.

（责任编辑：李映果）