APP下载

产学研协同创新效率及其影响因素研究

2017-05-26黄菁菁��

软科学 2017年5期
关键词:Tobit模型创新效率

黄菁菁��

摘要:在分析产学研协同创新内在机理的基础上,利用辽宁省2010~2012年的企业面板数据对产学研协同创新的效率及其影响因素进行研究。研究发现:产学研协同创新效率偏低,其主要原因在于知识成果转化效率低下;企业R&D能力对产学研协同创新的影响非线性且存在“拐点”,企业家精神能够影响该“拐点”的位置;企业规模、员工的培训强度和政府政策支持对产学研协同创新效率都有显著的积极影响;企业战略开放程度和政府资金支持未能促进产学研协同创新。

关键词:产学研协同创新;创新效率;链式网络DEA;Tobit模型

DOI:10.13956/j.ss.1001-8409.2017.05.09

中图分类号:F276.42 文献标识码:A 文章编号:1001-8409(2017)05-0038-05

Research on the Universityindustry Collaborative

Innovation Efficiency and Its Affecting Factors

HUANG Jingjing

(Faculty of Management and Economics, Dalian University of Technology, Dalian 116024)

Abstract: Based on the analysis of universityindustry collaborative innovation internal mechanism, this paper researches the efficiency and influence factors of universityindustry collaborative innovation, using the enterprises panel data of Liaoning province from 2010 to 2012. Results show that: universityindustry collaborative innovation efficiency is low. The main reason is the inefficiency in the stage of intellectual achievements transformation. There is an “inflection point” between enterprise R&D ability and universityindustry collaborative innovation efficiency and the entrepreneurial spirit can determine the position of the “inflection point”. Enterprise scale, enterprise staff training intensity and the governments indirect policy support all can promote the universityindustry collaborative innovation efficiency significantly. The enterprise strategic and governments direct financial support cannot promote the universityindustry collaborative innovation.

Key words:universityindustry collaborative innovation; innovation efficiency; chain network DEA model; Tobit model

產学研协同创新作为开放、合作、共享的创新模式,已逐渐被实践证明是提高国家创新能力的有效途径[1]。近几年,中国的产学研协同创新取得了一定成效,但在企业和大学、科研机构仍然存在观念、利益冲突的情况下,要把大学、科研机构潜在的能力转化为企业显性的竞争优势还存在诸多困难。在此背景下,研究产学研协同创新的效率,分析产学研协同创新的影响因素,具有非常重要的现实意义。

对于产学研协同创新效率及其影响因素的研究,学者们展开了广泛的讨论[2-4]。但现有研究仍存在以下不足:第一,现有研究多把产学研协同创新看成是一个投入产出的大系统,忽略其内部结构和运行机理,缺乏对产学研协同创新的过程进行分析;第二,在产学研协同创新的影响因素的选择上比较单一,在研究假设上也多只考虑到影响因素对协同创新效率的线性影响,忽略了部分影响因素的复杂性;第三,基于微观层面数据的实证分析仍然较少,且忽略了产出滞后性的问题。

因此,本文着重从以上几个方面充实当前的研究。本文的研究贡献主要在于:①结合产学研协同创新的基本内涵,从知识的共享、创造和增值的角度剖析产学研协同创新的形成机理和运行过程,并在此基础上构建效率评价模型;②采用链式网络DEA模型将协同创新效率评价过程的“黑箱”打开,同时兼顾子阶段的独立性和联系性,对产学研协同创新的整体效率、子阶段效率及子阶段之间的衔接程度进行了测算和分析;③采用微观面板数据进行实证分析,并考虑了效率评价中投入到产出的滞后期,充实了相关研究;④对产学研协同创新效率的影响因素进行了较全面的分析,并利用Tobit模型进行了检验。

1 理论和假设

1.1 产学研协同创新的过程

知识的共享和增值在产学研协同创新的过程中起到了重要作用[5],因此,产学研协同创新效率的评估至少要考虑以下几个过程。

知识和资源的学习交流。知识和资源的互补是产学研协同创新的建立基础。大学和科研机构在基础研究、专业人才和研究方法等方面有优势,而企业在研发资金、生产试验设备和场所、市场信息和营销经验等方面有优势[4],当这些不同优势的知识和资源进行碰撞和交流时,产学研协同创新才真正开始起作用。且知识和资源的学习交流是企业和学研方共同进行知识创造的基础和依托[6],如果该过程不顺利,将直接影响产学研协同创新的效率。

知识的共同创造。知识的共同创造是企业、大学和科研机构通过知识、资源的学习交流,把各自的隐性知识转化为显性知识并进行一定程度的提升,最终实现技术上的创新。Koschatzky也指出,产学研协同创新是知识在合作组织间的转移、吸收、消化、共享、集成、利用和再创造的过程[7],知识共同创造即是产学研协同创新的核心。因此,知识的共同创造,直接关系到科学研究与产业创新的融合程度,是协同创新效率测评的重要过程。

知识成果的商业化。一个完整的创新过程既应包括前期研发,也应包括后期创新成果的经济转化。经过前两个过程,企业和学研方已经得到了初步的成果,之后要做的便是让知识成果转化为经济利益。知识成果的成功商业化,不仅能使企业获得经济效益,在迅速变化的市场中生存下来,还能使学研方获得持续的资金、信息、人才培养支持[8],使企业和大学、科研机构形成良性互动。

在实际生活中,由于知识和资源的学习交流和知识的共同创造往往交叉甚至同时进行,他们的投入产出变量不能分割清楚,因此,在实证分析中把这两个过程合为一体。图1描述了基于以上讨论的产学研协同创新的过程。

图1 产学研协同创新的两大阶段

1.2 产学研协同创新效率的影响因素及理论假设

良好的企业R&D能力不仅能促进企业与学研方的沟通,加速企业对外部知识的获取,还能加速内外知识在重组过程中持续创新,获得竞争优势,从而对产学研协同创新产生积极影响。但另一方面,在低研发投入密度下,企业的R&D能力相对较低,吸收能力较差,企业难以通过产学研提升自身创新能力,使企业内部研发与产学研协同创新产生替代性[9]。

H1:企业R&D能力对产学研协同创新效率的影响非线性且存在特定的“拐点”。

企业家精神在产学研协同创新中的重要作用,更多体现在其能够增加企业技术创新积极性,增强企业的R&D能力上。柴俊武等认为,越是有才能的企业家,越知道尊重知识和人才,越重视R&D的投入和R&D能力的培养[10]。Mueller指出,企业家精神在新技术实现商业化的过程中起到重要的带动作用[11]。戴勇等认为,企业家精神能够间接影响产学研协同创新效率,显著调节企业研发投入和产学研协同创新绩效之间的关系[12]。

H2:企业家精神对产学研协同创新效率有间接影响,它能影响企业R&D能力和产学研协同创新效率两者关系的“拐点”位置。

在企业规模上,大企业拥有更好的、更利于产学研协同创新效率提高的资源禀赋,比如充足的研发资金、良好的研发设备和完善的管理系统等[13];而且,研发效率的提升需要一定的规模效应,大规模企业在成本分摊上具有的优势会提高其参与产学研协同创新的投入回报[14]。

H3:企业规模对产学研协同创新效率有积极的影响。

企业战略的开放程度体现在其人才的流动性和研发伙伴的多样性上,但这可能会带来双重影响。一方面,人才流动和伙伴多样性将有助于协同創新的构建和知识扩散,加大外部资源整合[15];另一方面,也会增加企业培训新人的成本和企业的转化成本,或造成资源重复,对产学研协同创新的效率产生消极影响。

H4:企业战略开放程度对产学研协同创新效率的影响不确定。

企业对员工进行培训不仅能够增强员工的责任感、企业凝聚力,还能提高员工的综合素质,增进员工工作中所需要的知识。企业在产学研协同创新中对员工的有效培训越多,员工消化吸收先进技术和再创造的能力越强,产学研协同创新的效率也能得到相应提升。

H5:企业对员工的培训水平对产学研协同创新效率有积极的影响。

产学研协同创新的发展是国家战略层面的要求。政府通过设立项目,加大研究与开发的投入,可以有效地缓解产学研协同创新中的资金短缺问题,减少企业在技术创新中面临的风险,增加企业与大学、科研机构协同创新的积极性[16]。政府通过对产学研协同创新政策上的引导和支持,可以促进各个主体间创新要素和资源的合理流动,优化资源的配置,形成创新合力,减少交易成本,为产学研协同创新提供保障。

H6:政府资金投入对产学研协同创新效率有积极的影响。

H7:政府的政策支持对产学研协同创新效率有积极的影响。

2 研究方法与模型

2.1 两阶段链式关联网络DEA模型

Kao基于规模报酬不变的假设,建立了相同要素的权重在不同阶段保持不变的关联型网络DEA模型,把“黑箱”打开,考虑子系统间的相关关系[17]。基于以上讨论,并借鉴Kao的模型,构建规模报酬可变假设下,产学研协同创新的两阶段链式关联网络DEA模型。

假设DMUi内部链型系统第一阶段的投入和产出分别是Xi=(xi1,xi2,…,xim)T和Zi=(zi1,zi2,…,zik)T;第二阶段的投入是第一阶段的产出Zi,产出是Yi=(yi1,yi2,…,yin)T,如图2所示。

图2 两阶段的DMU链式过程

因DMU内部各阶段有关联,所以效率评价时应同时满足累计产出不超过累计投入和中间产出在各阶段的权重相同这两个条件。在此基础上构建评价单元的整体纯技术效率:

当CI>1,DMUi的内部各阶段间的关联有效;当CI=1,DMUi的内部各阶段间的关联弱有效;当CI<1,DMUi的内部各阶段间的关联无效。

2.2 Tobit模型

因用网络DEA测算出来的效率值大于0,若仍使用普通最小二乘法进行估计,会使结果严重有偏和不一致。因此,应利用Tobit截取回归分析来检验产学研协同创新的影响因素。具体模型如下:

Yi=Xiβ+εi,Xiβ+εi>00,其他

其中,Yi为第i家企业产学研协同创新的综合效率值;Xi为产学研协同创新的i个影响因素,εi为误差项。

3 数据与变量

3.1 数据来源和处理

本文所使用的数据主要来自于2011~2013年对辽宁省14个主要城市的企业技术能力进行的调研,数据搜集范围涵盖企业研发活动、产学研协同创新情况、企业经营状况、专利申请情况等领域的数十项指标。调研对象主要是掌握企业技术创新绩效和实际经营情况一手资料的企业高级管理者。分析中剔除了三年调研中重要数据缺失的样本,最后有效样本数量为233个。由于知识从学习、吸收到创新转化具有时滞性,按照通常做法,产出指标取滞后期1年。

3.2 变量选择

对于产学研协同创新效率评价指标体系构建,在知识协同开发阶段,从资金投入、人力投入、项目投入和固定资产投入四个方面去寻找投入指标[4],从专利、新产品相关项目数等方面寻找产出指标[18];在知识成果转化阶段,投入变量即上一階段的产出,产出变量为经济效益。具体的指标体系构建见表1。

4 实证检验与结果分析

4.1 产学研协同创新的相对效率评价

表3展示了产学研协同创新效率评价的结果。结果表明,产学研协同创新的整体效率、第一阶段和第二阶段的效率平均值分别为0.219、0.843和0.251,72.53%的企业整体效率低于均值。可见,产学研协同创新的整体水平较低且发展不平衡。子阶段的关联度均值小于1,说明两个阶段的关联无效,子阶段的衔接和沟通有待加强。

分城市和行业来看,知识协同开发阶段的效率都普遍高于知识成果转化阶段,说明目前企业和学研方在知识的学习、交流和技术开发上做得比较好,但知识成果向经济效益转化过程的不畅影响了协同创新效率。从企业规模来看,知识协同开发阶段效率的大小排序依次为小型、中型和大型企业,知识成果转化阶段效率的排序正好相反,说明中小企业有充足的创新动力和一定的创新能力,有成为创新主体的潜力,但或许是因硬件实力、管理能力或市场运作能力不足,成果商业化效率有待提高。

4.2 产学研协同创新效率的影响因素分析

进一步对影响因素进行检验,回归中加入ABILI×ABILI和ABILI×ENTERP,用于检验企业R&D能力的非线性影响以及企业家精神的间接影响,结果见表4。

结果表明,企业R&D能力显著为负,而其平方项系数显著为正,H1得到支持。ABILI×ENTERP的系数为正,说明企业R&D能力与企业家精神的关联效应对产学研协同创新有促进作用,这支持了H2。企业战略开放程度显著为负,说明在样本企业中,战略开放程度的消极影响大于积极影响,H4得到部分支持,但还仍需扩大样本进行进一步研究。企业规模和企业员工的培训强度也均通过检验,H3和H5得到支持。政府的资金投入没有通过显著性检验,说明政府的资金支持并没给产学研协同创新效率提升带来显著的效果,这可能与政府研发资金投入的挤出效应有关,H6未得到支持。政府的政策支持通过显著性检验,H7得到支持。

5 结论和启示

在探究产学研协同创新的内部机理的基础上,采用两阶段链式关联网络DEA模型对产学研协同创新的效率进行分析,并对其影响因素进行检验。研究发现:产学研协同创新的整体效率偏低,发展不平衡,子阶段的衔接和沟通需要加强;知识成果转化的效率低下是制约产学研协同创新发展的主要原因;中小企业的知识协同开发效率优于大型企业,但知识成果转化效率不如大型企业;企业R&D能力对产学研协同创新的影响非线性,且存在特定的“拐点”,企业家精神能够影响该“拐点”的位置;企业规模、企业员工的培训强度和政策支持对产学研协同创新效率都有显著积极影响;企业战略开放程度对协同创新效率的消极影响大于积极影响;政府直接给予企业资金支持并不能有效促进产学研协同创新。

本文结论蕴含了以下启示:政府应加大对知识成果转化的引导作用,积极搭建知识对接的中介平台,促进研发成果与市场需求有效结合,提高成果转化效率;重视中小企业创新力量,逐步引导中小企业成为产学研协同创新的主体,在政策、资金和技术等方面给予支持和帮助;企业应该努力提高自身研发能力,加大对员工的培训力度,完善配套设施,为更好地进行协同创新做好准备;通过完善市场机制、健全社会服务网络体系和塑造对企业家及其劳动和贡献予以充分尊重和回报的社会价值观等方式,营造良好的创新环境,培育本土企业家精神。

参考文献:

[1]陈劲,阳银娟. 协同创新的理论基础与内涵[J]. 科学学研究,2012, 30(2):161-164.

[2]肖丁丁, 朱桂龙. 产学研合作创新效率及其影响因素的实证研究[J]. 科研管理, 2013, 34(1): 13-13.

[3]刘民婷, 孙卫. 基于DEA方法的产学研合作效率评价研究——以陕西省制造业为例[J]. 科学学与科学技术管理, 2011, 32(3): 11-15.

[4]樊霞, 赵丹萍, 何悦. 企业产学研合作的创新效率及其影响因素研究[J]. 科研管理, 2012, 33(2): 33-38.

[5]张学文. 知识功能视角下的产学研协同创新路径: 来自美国的实证测量[J]. 科学学与科学技术管理, 2014, 35(5): 100-109.

[6]涂振洲, 顾新. 基于知识流动的产学研协同创新过程研究[J]. 科学学研究, 2013, 31(9): 1381-1390.

[7]Koschatzky K. Networking and Knowledge Transfer between Research and Industry in Transition Countries: Empirical Evidence from the Slovenian Innovation System[J]. The Journal of Technology Transfer, 2002, 27(1): 27-38.

[8]董美玲. 中美高校与企业合作的动因、方式、成效和环境的比较研究[J]. 研究与发展管理, 2012, 24(4): 113-121.

[9]樊霞, 何悦, 朱桂龙. 产学研合作与企业内部研发的互补性关系研究[J]. 科学学研究, 2011, 29(5): 764-770.

[10]柴俊武, 萬迪昉. 企业规模与R&D投入强度关系的实证分析[J]. 科学学研究, 2003, 21(1): 58-62.

[11]Mueller P. Exploring the Knowledge Filter: How Entrepreneurship and Universityindustry Relationships Drive Economic Growth[J]. Research Policy, 2006, 35(10): 1499-1508.

[12]戴勇, 肖丁丁, 锁颍馨. 研发投入、企业家精神与产学研绩效的关系研究——以广东省部产学研合作企业为例[J]. 科学学与科学技术管理, 2010, 31(11):136-142.

[13]Oerlemans L A G, Knoben J, Pretorius M W. Alliance Portfolio Diversity, Radical and Incremental Innovation: The Moderating Role of Technology Management[J]. Technovation, 2013, 33(6): 234-246.

[14]Chen C T, Chien C F, Lin M H, et al. Using DEA to Evaluate R&D Performance of the Computers and Peripherals Firms in Taiwan[J]. International Journal of Business, 2004, 9(4): 347-359.

[15]Cassiman Bruno, Veugelers Reinhilde. In Search of Complementarily in Innovation Strategy: Internal R&D and External Knowledge Acquisition[J]. Management Science, 2006, 52(1): 68-82.

[16]白俊红, 卞元超. 政府支持是否促进了产学研协同创新[J]. 统计研究, 2015. 32(11): 43-50.

[17]Kao C. Efficiency Decomposition in Network Data Envelopment Analysis: A Relational Mode[J]. European Journal of Operational Research, 2009, 192(3) : 949-962.

[18]朱雪珍, 施盛威, 封亚. 基于价值链视角的创新效率评价——以江苏省为例[J]. 管理评论, 2013, 25(10): 120-128.

(责任编辑:李映果)

猜你喜欢

Tobit模型创新效率
中国乳制品行业国际竞争力分析
我国高技术产业创新效率分析
基于VAR模型的创新绩效影响因素分析
基于DEA模型的东北三省国有高技术企业创新效率分析
农田水利设施供给水平综合评价
演进视觉下的Logistic模型、Probit模型、Tobit模型研究进展
中国对外移民的区位选择及其影响因素
我国基础设施投资结构性失衡问题研究
基于适度规模视角的天津农业规模效益、影响因素与发展思路研究
管理层持股激励与企业技术创新