创新驱动背景下企业外来技术比重变化研究

袁胜军，彭长生，钟昌标，俞立平

(1.桂林电子科技大学 商学院，广西 桂林 541004；2.安庆师范大学 经济与管理学院，安徽 安庆 246011；3.云南财经大学 商学院，云南 昆明 650221；4.浙江工商大学 管理工程与电子商务学院，浙江 杭州 310018)

一、引言

新经济增长理论认为，经济增长的持续动力是知识生产和人力资本积累，技术进步和创新是推动一个国家经济发展的根本力量。通过技术引进推动本国的产业技术升级，对中国这样的发展中国家而言，是一种切实可行、成本较低、效益较好的战略选择[1]。然而大量的实践和研究表明，引进技术并不一定总是取得较好的效果，从国内的情况来看，我国家电、纺织等行业已经可以自主创新，然而汽车等行业则严重依赖国外技术，自主创新能力有限[2]。

改革开放以来，我国高技术企业技术创新取得了长足的进展。目前自主研发已经成为高技术企业创新的主要方式，而引进技术和购买国内技术已经成为高技术企业技术需求的必要补充。根据中国高技术产业统计年鉴，1995年，高技术产业R&D经费内部支出17.85亿元，而引进技术高达29.16亿元，占R&D经费内部支出的163.38%，购买国内技术仅4.25亿元，占R&D经费内部支出的23.83%；2015年，高技术企业R&D经费内部支出2219.66亿元，引进技术仅71.74亿元，仅占R&D经费内部支出的3.23%，购买国内技术63.31亿元，仅占R&D经费内部支出的2.85%，引进技术的比重降低较快，而购买国内技术的比重增加迅速。

在创新驱动发展背景下，引进技术和购买国内技术的相对重要性正发生结构性变化。从图1看，我国高技术企业引进技术从1995年开始经历了起步期、成长期和下降期3个阶段，1995-1999期间比较平稳，随后快速增长，虽然有所波动，直到2007年达到极大值，随后开始下降。而购买国内技术一直处于稳步上升状态，尤其是从2010年开始，上升速度开始加快，可以预见的是，不久的将来购买国内技术支出将会超过引进技术。图1也说明我国并没有走上技术引进依赖的道路。与日本、韩国在经济起飞期依托引进技术然后消化吸收再创新的路径不同，我国在这方面并没有取得太大成果，我国消化吸收投入占引进技术的比例2015年只有18.02%，而日本韩国消化吸收投入平均为引进技术的3～10倍[3]。学术界所期望的引进技术消化吸收再创新模式在我国似乎未老先衰，已经走入困境。

图1 引进技术与购买国内技术的历史轨迹

企业购买技术的用途是多方面的(图2)。企业技术需求的满足，可以有以下三种方式，第一种是一次创新，主要指企业进行自主研发，当然也包括知识和技术的溢出效应，这样可以使企业创新相对更加容易，并且节省成本。第二种是二次创新，主要是在引进技术与购买国内技术的基础上进行消化吸收后再创新。第三种是技术补充，就是企业不再进行研发，而是直接购买技术。第四种是技术溢出，即企业直接享受产业技术创新成果，无需投入过多成本。对于第一种、第二种情况，一般是企业的关键技术、核心技术，对于第三种、第四种情况，一般是企业的非核心技术。在创新过程中，企业不一定需要对所有的相关技术都进行创新，这不符合规模经济原则。随着企业 R&D 成本的增加，引进外部非核心技术可以节省大量的 R&D 成本(Hagedoorn，2002)[4]。

图2 企业技术需求图

在创新驱动发展背景下，重新审视技术引进与购买国内技术的作用具有十分重要的意义。虽然我国的技术创新跟世界一流水平还有较大差距，但是我国已经建立起了相对完备的科学技术创新体系，随着国力的增强，国家科研实力大增，在某些领域已经达到或接近世界一流水平。在实际对引进技术依赖下降、对国内技术需求上升的情况下，客观评价技术引进和购买国内技术在我国发挥的作用，分析它们与创新诸要素的互动关系，探索存在的问题，对于我国高技术产业创新驱动发展战略具有十分重要的意义。

二、文献综述

关于技术引进的地位与作用，学术界总体上持肯定态度。Kinoshita(1998)认为，国外技术通过FDI的扩散途径包括关联效应、示范效应、竞争效应和人员流动效应[5]。Mansfield et al(1991)认为后发国家通过技术引进与模仿可以降低技术进步成本，缩短国家之间经济发展的差距[6]。Hagedoorn(1993)认为，由于技术日益复杂和产品生命周期日渐缩短，单纯依赖企业内部研发已经不能满足创新需求，必须借助引进技术和吸收外部知识[7]。Zhao(1995)分析了技术进口模式及其对中国自主技术的影响，结果表明，引进技术增强了中国的技术能力，引进技术与自主技术具有正相关关系[8]。刘焕鹏、严太华(2014)研究发现，高技术产业技术引进和研发能力对创新绩效具有显著贡献，并且技术引进与创新绩效之间呈显著的“U”型曲线关系[9]。

也有一些学者对技术引进的效果持不同观点。Laursen et al(2006)认为过度依靠外部技术对企业自主创新能力具有负面影响[10]。Bettis et al(1992)认为，如果企业形成了对外部技术引进的路径依赖，一旦引进技术减缓将会阻碍企业内部知识存量增加，影响企业进行技术创新[11]。Audretsch et al(1996)实证研究发现，在较低研发密度的行业中，内部研发投入与外部引进技术之间呈现互相替代的关系[12]。肖黎明、袁敏(2014)认为，技术引进与自主创新之间不存在确定的替代或互补关系，技术引进可能在任意阶段挤出自主创新，产生替代效应[13]。李姝、刘殿和(2012)实证研究发现，引进技术不仅未促进企业经营效益的提升，反而对多项经营效益指标产生负面影响，购买国内技术对部分企业经营效益指标具有积极作用[14]。

关于不同类型技术创新来源之间的关系，Chesbrough et al(1996)认为，企业不能完全依赖引进技术，还应该重视自主研发能力的提高[15]。Guo(2008)考察了国内R&D、国内技术转移、产业间R&D溢出、国外技术转移对于产业绩效的作用，发现产业间R&D溢出和国外技术转移对中国制造业的劳动生产率和全要素生产率具有显著贡献，与国内R&D相关的国外技术转移对于劳动生产力具有互补作用[16]。Long(2008)对转轨和发展中国家的知识生产进行实证研究发现，国际知识溢出对于国内知识生产具有显著的贡献[17]。Hu et al(2005)的研究表明，国内技术转移与国际技术转移对国内R&D均呈现显著的互补性关系[18]。吴延兵(2008)研究发现，引进技术和自主研发对工业企业生产率有显著促进作用，但引进国内技术对生产率没有显著贡献[19]。刘小鲁(2011)研究发现，研发投入、引进技术和FDI对我国创新能力均具有显著的积极影响，研发投入对创新能力的贡献程度最高，国内企业之间的技术转移对企业创新能力没有显著影响[20]。

自主创新和技术引进是两个经典的问题，学术界的研究也比较丰富，关于自主研发与技术引进的关系研究也比较充分。由于研究对象不同、数据不同、研究方法不同，实证研究结果存在差异。总体上，有以下问题值得进一步深入研究：

第一，关于技术引进的作用，现有的研究更多侧重对技术引进的绩效、技术引进消化吸收和再创新研究，很少从技术补充角度进行，即技术引进只是为了满足一部分非核心技术的需要，没有必要所有的技术引进都要进行消化吸收。

第二，我国的技术引进结构正在悄悄发生变化，技术引进额正逐年下降，很少有研究关注到这个问题，并且在创新驱动的背景下，深入分析产生这个问题的原因。进一步地，我国技术引进的消化吸收投入一直处于较低水平，对其深层次的原因缺乏深入分析。

第三，购买国内技术日渐成为高技术企业技术来源的重要渠道，但是关于购买国内技术的绩效缺乏研究，关于购买技术与其他技术来源渠道的关系研究也比较缺乏。

本文在理论分析的基础上，基于中国高技术产业的面板数据，采用面板数据模型比较自主研发、引进技术与购买国内技术的绩效，采用贝叶斯向量自回归模型研究创新投入产出要素之间的互动关系，从而对高技术企业购买技术的结构变化原因进行深入分析。

三、研究方法与数据

(一)不同创新模式的绩效比较

高技术产业创新模式包括自主研发、引进技术、购买国内技术三种主要方式，本文不讨论技术溢出以及企业更新改造的影响，因为技术溢出的渠道和途径较多，难以计量，而且由于技术溢出效应，企业一般也不需要进行太多的创新投入。更新改造主要是面向生产设备的改进，往往是一次性的，而企业创新主要是面向产品的创新，其创新是主要的和长期的。

本文的基本方程源于知识生产函数，Jaffe(1989)[21]根据Cobb-Doulas生产函数，在Griliches(1979)[22]研究的基础上，将科技人力资源变量引入到科技投入产出中，这就是著名的Griliches-Jaffe知识生产函数：

Y=AKαLβ

(1)

公式(1)中，Y是创新成果，K是研发经费，L是研发人员，α、β是弹性系数，A是全要素生产率。进一步将研发经费投入分为自主研发投入K1、引进技术投入K2、购买国内技术投入K3，同时两边取对数得：

log(Y)=c+α1log(K1)+α2log(K2)+α3log(K3)+βlog(L)

(2)

本文采用Mundlak(1961)创立的面板数据模型进行估计，面板数据扩大了数据数量，同时可以有效地克服多重共线性问题，使得回归时有足够的自由度，避免出现t检验值过小、回归系数符号错误等问题，从而提高了估计效率和估计效果[23]。考虑到自主研发投入K1与引进技术K2和购买国内技术K3之间存在互动关系，创新产出与投入之间可能也存在互动关系，即存在变量的内生性问题，此时原来的基于普通最小二乘法OLS的估计就会失效，因此采用Blundell et al(1998)提出的系统广义矩法SYS-GMM进行估计，它降低了差分广义矩法估计量较易受弱工具变量影响的问题[24]。关于工具变量的选取，一般采用自变量的1阶滞后项，这也是一种比较方便的处理办法。

(二)贝叶斯向量自回归模型

贝叶斯向量自回归模型是在传统向量自回归模型(Vector Autoregressions，VAR)基础上发展起来的(Sims，1980)[25]。向量自回归模型重视经济系统的互动关系与动态特征，把视角集中在少数几个具有因果关系的重要变量上，较多地用于变量之间的动态关系和经济预测。但是VAR也有一些缺点，比如对数据依赖程度最高，缺乏经济理论基础。VAR模型对所有待估参数设置了相同的权重，会忽略先验信息，可能导致实证研究选用错误的模型。特别在时间序列较短和待估参数过多时，人为设定一些参数为零，使得模型结构与经济理论矛盾。

贝叶斯推断理论与传统VAR模型的完美结合克服了传统VAR模型的估计问题，特别在短期预测时，能够达到更高的预测精度。Litterman(1986)创立了贝叶斯向量自回归模型(Bayesian Vector Autoregressions，BVAR)，模型把所有变量的系数不是视为固定值，而是视为围绕其均值的波动，实际上就是随机变量，给定了系数的分布函数[26]。模型采用的先验分布主要是Minnesota分布，也被称为Litterman分布。

Litterman(1986)假设BVAR模型所有系数均服从正态分布，在模型的第n个方程中，变量n的一阶滞后项系数的均值全部设为1，其他系数均值全部设为0。方程i中变量j的滞后期系数的标准差为：

(3)

公式(3)中，γ表示自变量一阶滞后系数的标准差，又被称为总体紧缩度。si为变量i自回归方程残差的标准差，si/sj表示不同变量的差比。调和滞后延迟函数g(l)=l-d，其中d为衰减系数，表示旧信息比新信息有用性衰减的程度，d的数值越小，先验方差随着滞后阶数的增加衰减得越慢，反之则反。

采用Minnesota分布将传统VAR模型对众多系数的估计转化成对少数几个超级变量γ、d、ω的估计，估计方法一般采用泰尔(Theil)提出的混合估计法。超级变量的确定类似栅格搜索过程，尽可能搜索到能够获得最优预测效果的值。

(三)状态空间模型

一般的回归模型估计的系数是平均值，但是在时间序列中，这种假设往往是不存在的，因为经济结构可能发生变化，特别是对处在转型期的中国而言，高技术产业技术创新发展很快，很难假定投入要素的弹性系数在某个阶段没有变化。为了解决这个问题，Harvey(1989)[27]、Hamilton(1994)[28]等学者创立了状态空间模型。

状态空间模型主要用于时间序列数据，它包含量测方程和状态方程两类方程。设yt是包含k个变量的k×1维矩阵，这些变量与m×1维矩阵αt有关(αt也称为状态向量)，假定其服从一阶向量自回归过程，状态方程和量测方程如下：

(4)

公式(4)中，t为数据的时间跨度，Zt为k×m阶量测矩阵，Tt是m×m阶状态转移矩阵，dt为k×1维矩阵，ct为m×1阶矩阵，Rt为m×g阶矩阵；μt为k×1维矩阵，其均值为0，协方差为Ht的不相关扰动项；εt为g×1阶矩阵，其均值为0，协方差矩阵为Qt的不相关扰动项，并且μt和εt相互独立，且服从均值为0，方差为δ2和协方差矩阵为Q的正态分布。随机扰动矩阵μt、εt同一时刻的协方差矩阵为：

(5)

Zt，Tt，Rt，Ht，Qt，Gt和 dt，ct被称为系统矩阵。系统矩阵Zt，Tt，Rt，Ht，Qt，Gt可以依赖于一个未知参数的集合。状态空间模型的核心就是估计这些系数。假定系统矩阵全为非随机矩阵，即使它们随时间变化而变化，但都可以预先确定。对于任一时刻t，把转移方程及其滞后方程依次代入，yt可以表示为当前的和过去的μt、εt及初始状态α0的线性组合，即模型是线性的。

卡尔曼(Kalman，1960)滤波是估计状态矩阵的较好的核心求解算法[29]。当初始状态矩阵和随机扰动项均服从正态分布时，卡尔曼滤波通过对预测误差分解来计算似然函数，对模型中的所有未知参数进行估计。

(四)变量与数据

创新成果：创新产出变量借鉴Griliches(1990)的研究，采用新产品销售收入作为创新成果的替代变量[30]。另外一种应用较多的方法是采用授权发明专利数量，但是我国发明专利从申请到获得授权往往需要3年左右的时间，再考虑研发投入的滞后效应，这样滞后期就更长，会牺牲宝贵的数据，因此不采用该方式。

研发投入变量：企业自主创新投入采用研发经费内部支出表示；引进技术和购买国内技术直接采用相关统计数据；研发劳动力采用研发人员折合全时当量表示。

本文所有数据均来自于2001～2014年中国高技术产业统计年鉴，实际数据为2000～2013年期间14年的面板数据。由于内蒙古、甘肃、青海、宁夏、新疆、西藏部分年度数据缺失，因此将这些数据剔除。面板数据的描述统计如表1所示。

表1 变量的描述统计量

四、实证结果

(一)变量的平稳性检验

本文数据实际为25个省市14年的面板数据，因此也有可能存在伪回归问题。同时采用ADF检验、Levin Lin & Chu检验、PP检验三种方法进行平稳性检验，这样可以提高稳健性。经过一阶差分，所有变量均为平稳时间序列，结果如表2所示，因此可以继续采用面板数据模型进行估计。

表2 变量的平稳性检验

(二)面板数据估计结果

下面采用面板数据模型进行估计，考虑到投入产出变量之间的滞后问题，投入变量选用1阶滞后。一般情况下，为了消除变量的内生性问题，采用SYS-GMM进行估计时，工具变量采用自变量的1阶滞后项，但由于自变量已经滞后1阶，所以采用自变量的2阶滞后项作为工具变量。首先采用随机效应模型进行估计，Hauseman检验值为1.429，相伴概率为0.839，不能拒绝原假设，说明应该采用随机效应模型进行估计，结果如表3所示。为了便于比较分析，表3还给出了固定效应的估计结果。

从随机效应估计结果看，自主研发在1%的水平上通过了统计检验，研发劳动力在10%的水平上通过了统计检验，引进技术和购买国内技术没有通过统计检验，引进技术的回归系数为正数，购买国内技术的回归系数为负数，模型的拟合优度R2为0.668，处于中等水平。高技术产业自主研发投入的弹性系数最高，为0.861，其次是研发劳动力，弹性系数0.288。

下面对比随机效应与固定效应的估计结果。固定效应估计结果中，引进技术虽然通过了统计检验，但回归系数为负，购买国内技术的回归系数为负数但没有通过统计检验；随机效应的估计结果中，引进技术和购买国内技术均没有通过统计检验。综合说明，我国高技术产业引进技术和购买国内技术的绩效均不高。

表3 面板数据回归结果

注：*表示在10%的水平下检验通过；**表示在5%的水平下检验通过；***表示在1%的水平下检验通过。

(三)状态空间模型估计

首先建立高技术产业科技投入产出的状态空间方程：

log(Y)=c1log(L)+sv1×log(K1)+sv2×log(K2)+sv3×LOG(K3)+μt

sv1=sv1(-1)+ε1,t
sv2=sv2(-1)+ε2,t
sv3=sv3(-1)+ε3,t

(6)

公式(6)中，研发劳动力不是主要关注的变量，因此其回归系数设定为固定系数，自主研发、引进技术、购买国内技术的回归系数是动态的，其系数序列分别为sv1、sv2、sv3。采用1995～2013年的时间序列数据进行估计，劳动力的回归系数为0.328，在1%的水平上通过了统计检验；sv1的回归系数终值为0.619，在1%的水平上通过了统计检验；sv2的回归系数终值为0.236，在1%的水平上通过了统计检验；sv3的回归系数终值为0.132，在10%的水平上通过了统计检验。各年度的回归系数如表4所示。

为了进一步看出不同研发模式弹性系数的变化规律，图3给出了回归系数的比较结果。由于采用状态空间模型进行估计时，起始几年的回归系数不稳定，因此剔除了初始几年的数值。自主研发的弹性系数总体较高，随着引进技术和购买国内技术的弹性日渐提高，自主研发的弹性系数略有下降但总体比较稳定。引进技术的弹性系数刚开始是负数，但随着时间推延，弹性系数不断提高，从2007年开始转为正数，并于2011年超过了购买国内技术。购买国内技术的弹性系数总体处于下降趋势，但走势比较平稳。

表4 状态空间方程估计结果

(四)贝叶斯向量自回归模型估计

下面建立贝叶斯向量自回归模型，以分析创新成果、自主研发、引进技术、购买国内技术之间的互动关系。在建立BVAR时，考虑到过长的滞后期没有意义，会牺牲更多自由度，因此选择滞后2期，单位圆检验结果表明，模型所有点都位于单位圆内，说明模型是稳健的。由于向量自回归模型是一种非经济理论模型，其回归系数没有具体的经济学意义，因此采用脉冲响应函数进行进一步分析。

创新成果的脉冲响应函数如图4所示。来自其自身一个标准差的正向冲击对其影响最大，当期达到极大值，随后开始衰减，但总体处于较高水平。除此以外，来自自主研发的冲击对创新成果影响最大，当期为0，随后开始快速升高，总体水平较高，作用时间较长。来自引进技术的冲击当期为0，第三期达到极大值，随后开始衰减。而来自购买国内技术的冲击当期、第二期影响不大，但是从第三期开始缓慢升高，作用时间较长。说明总体上，高技术企业对于购买国内技术的消化吸收能力要好于引进技术。

图3 不同创新模式弹性比较

图4 创新成果的脉冲响应函数

自主研发的脉冲响应函数如图5所示。除了自身的冲击外，来自创新成果一个标准差的正向冲击对其影响最大，当期就发挥作用，并且水平较高，基本生呈现一水平线。来自购买国内技术的冲击作用也比较显著，当期为0，随后快速升高，作用时间较长，说明高技术企业会追加购买国内技术的消化吸收投入，总体效果较好，两者呈互补关系。而来自引进技术的冲击当期为0，随后开始为负，作用时间较长，说明引进技术与自主研发投入之间形成了替代关系，降低了自主研发投入。

引进技术的脉冲响应函数如图6所示。除了其自身外，来自创新产出投入一个标准差的正向冲击对其影响最大，当期就发挥作用，随后开始缓慢升高，总体比较平稳。来自自主研发投入一个标准差的正向冲击，对引进技术也有正向带动作用，当期达到极大值，随后略有衰减，总体比较平稳，说明在自主研发中，一旦面临关键技术需求，仍然需要引进技术。而来自购买国内技术的冲击对引进技术的影响总体较小，说明作用机制不强。

图5 自主研发的脉冲响应函数

图6 引进技术的脉冲响应函数

购买国内技术的脉冲响应函数如图7所示。除了自身外，来自创新产出与自主研发投入的冲击对其影响大小相当，当期就发生作用，总体比较平稳。而来自引进技术的冲击当期对购买国内技术冲击最大，但随后急剧衰减为负数，说明在引进技术的同时，也会适当购买国内技术作为必要补充，但长期引进技术会对购买国内技术产生替代作用。

图7 购买国内技术的脉冲响应函数

五、结论与讨论

(一)购买国内技术投入对高技术企业创新起着重要作用

面板数据的估计结果表明，购买国内技术与创新产出无关，主要因为早期高技术产业对购买国内技术不够重视，使得其平均弹性系数被“稀释”了，这种现象仅仅是问题的一个方面。近20年来，购买国内技术投入虽然仅占高技术产业创新支出的很小份额，但其一直处于稳步上升状态，并且有超过引进技术投入的趋势。状态空间方程的估计结果表明，购买国内技术对创新产出的弹性系数2010年之前，一直高于引进技术。从脉冲响应函数的结果看，高技术产业对购买国内技术的消化吸收效果总体较好，购买国内技术能够有效带动自主研发投入。总体上，购买国内技术对创新产出的贡献要大于引进技术。

长期以来，学术界一直重视引进技术的研究，对于购买国内技术的绩效之研究重视不够，本文的研究结果表明，购买国内技术在我国创新驱动发展中已经发挥着重要作用，这是与我国创新的总体实力和水平密切相关的，也是推进产学研合作，加强协同创新的必然结果，我国急需调整相关政策，推进国内技术市场建设，鼓励高技术企业优先选用国内技术。

(二)引进技术绩效总体不高但有好转的趋势

我国对引进技术一直比较重视，但是其绩效总体不高，面板数据模型的估计结果表明，引进技术与创新产出无关。引进技术投入与自主研发投入之间总体上存在替代效应，脉冲响应函数表明，技术引进会挤占自主研发投入，并且我国对引进技术的消化吸收有待提高。但是引进技术的绩效有提高趋势，状态空间模型的估计结果表明，引进技术的弹性系数从2007年开始转为正数，并且逐年提高，说明我国对引进技术的消化吸收已经取得进展。

我国并没有走上“引进技术——技术落后——再引进技术”的恶性循环，没有形成对技术引进的依赖，从2007年开始，我国高技术产业引进技术投入总体呈下降趋势，主要原因有两个，一是自主创新能力增强，二是对购买国内技术的需求提升很快，一定程度上抵消了对引进技术的需求。

(三)我国应该走引进技术与购买国内技术协调的发展之路

无论是引进技术还是购买国内技术，对于关键技术，一定要进行消化吸收，然后在此基础上进行二次创新。我国的创新战略，以往一直重视自主创新，这是正确的，但是在寻求补充之路时，一味强调引进技术以及对其进行消化吸收，实践证明，虽有效果但是并不显著，而且存在较多负作用。必须重视对购买国内技术的支持，走引进技术与购买国内技术协同发展的道路。随着我国国内技术市场的日趋成熟，应该鼓励高技术企业优先购买国内技术，如果不能满足需要再考虑引进技术。

创新驱动发展，首先要尽可能减少对国外的技术依赖，研究表明，长期看引进技术与购买国内技术存在替代关系，我国对购买国内技术的消化吸收能力要大大高于引进技术，我国的创新驱动发展战略，应该从引进技术与购买国内技术并重逐步走向自主创新和购买国内技术为主。