企业规模、市场势力与技术创新——基于新实证产业组织的视角

梁丹

一、引言

早期关于竞争和创新之间关系的论证大多是基于Schumpeter（1943）的研究，他认为产品市场竞争程度和创新活动之间存在着线性的反向变动关系。但是之后的一些研究推翻了他的结论，得出了两者之间存在着正向关系的结论（Nickell 和 Steven，1996；Blundell, 1999）。U型关系的出现最早可以追溯到Scherer（1967），他以企业规模作为市场竞争程度的度量指标，研究发现财富500强企业中专利活动和企业规模之间存在着一种非线性相关关系。Aghion等（2005）在这方面取得了突破性的进展，他以1973-1994年英国17个行业的非平衡面板数据为样本，以勒纳指数作为市场竞争程度的衡量指标，实证检验了市场竞争程度和技术创新之间的关系：结果表明创新和勒纳指数之间呈现显著的倒 U型关系，并以此为基础构建了一个复杂的数理模型来解释曲线的形成，这个模型被称为经典的市场竞争和技术创新倒 U型关系理论假说。此后的研究大多以此为基础，通过变换数据样本对这个理论假说加以实证检验或者拓展完善。

值得注意的是，在大多数研究市场结构与技术创新的相关关系的文献中，一系列用于衡量市场结构的指标被看作是测度市场势力的替代指标。市场势力是指企业利用各种手段诸如提升技术能力、降低生产投入或者采用一定的营销手段将价格维持在竞争性水平（即边际成本）之上的能力，以期可以获取更多的经营利润，其仅仅是市场结构中不完全竞争程度的衡量指标，并不等同于市场结构。20世纪60年代，以哈佛学派为代表的传统产业组织理论提出了SCP分析范式，即“结构—行为—绩效”假说。在此框架下，市场集中度、赫芬达尔指数等常作为衡量市场势力的代理变量（Howe 和Mcfetridge，1976；Gayle，2003；陈志广，2004；陈林和朱卫平，2011；寇宗来和高琼，2013）。Demsetz（1973）批评了这种分析范式并提出了效率假说，他认为产业具有更高的利润是来自企业共谋的结果或企业效率的差异。之后的很多研究指出了 SCP分析范式存在的诸多缺陷（Hazlett 和 Weisman，2012）：一是在 SCP分析范式下结构、行为、绩效三者之间的因果关系并不是建立在严谨的模型推理上，因而缺乏理论基础（Martin，1999；Michael 等，2010）；二是SCP分析范式的实证研究对账务数据的依赖性很强，而账务数据的使用在测算经济成本与经济利润的准确性方面存在较多争议（Amess 和 Roberts，2005）；三是SCP分析范式的研究仅仅局限于市场中的一种非均衡关系，受到样本选择偏差及企业盈利性衡量误差的影响很大（Brozen，1971；Carlton 和Perloff，2000）。基于此，20世纪70年代以来，以考察企业策略性行为为核心的新产业组织理论（New Industrial Organization，NIO）逐渐兴起，Mcfadden（1974）、Bresnahan（1982）、Lau（1982）、Steen和Salvanes（1999）、Schaeck 和Cihak（2009）、Ariss（2012）、Dobbelaere 和Mairesse（2013）等均在此框架下探讨了市场势力的测度。相对于国外丰富的研究文献，我国在新实证产业组织视角下对市场势力的研究尚处于起步阶段，目前仅有陈甬军和周末（2009）、程茂勇和赵红（2011）、陈甬军和杨振（2012）、王皓（2013）等进行了相关研究。这些研究大多集中于直接借鉴国外现成方法对市场势力进行测度，对市场势力的影响因素及经济效应研究却涉及较少。本文的研究在此背景下展开。

二、研究方法和数据

（一）模型框架

1. 新实证产业组织视角下市场势力测度模型

市场势力是企业将产品价格制定在边际成本之上的支配能力，但是实证中测度市场势力的难点在于企业的边际成本是不能直接观察到的。Hall（1988）认为宏观经济波动为观察企业的边际成本提供了一种自然实验：当经济扩张时，消费需求会增加，企业产出会相应增加，从而引起投入成本也增加，那么投入增加与产出增加的比例就是边际成本。基于这一简单的经济逻辑，在Solow（1957）分析技术进步的新古典模型基础上，Hall（1988）通过以下假设来检验市场势力的存在性：原假设是在市场完全竞争且规模报酬固定时，与产量及要素投入相关的外生变量一定与索洛余值不相关；备择假设是当市场势力存在且规模报酬固定时，与产量及要素投入相关的外生变量与索洛余值一定相关。Hall（1988）模型中要素投入所带来的内生性问题需要用外生工具变量来矫正，但是寻找到完全外生的工具变量并非易事。Olley和Pakes（1996）提出用代理变量来表示不可直接观测到的生产率。与OP方法相比，Levinsohn和Petrin（2003）完善了代理变量，使其能够进一步反映生产率的变化。De Loecker和Warzynski（2012）模型在这个方法的基础上，不仅放开了原模型的严格限定条件，而且可以借助微观数据反映企业的动态变化，因此，De Loecker和Warzynski（2012）方法成为微观层面测度市场势力的比较常用的方法（黄枫和吴纯杰，2013；任曙明和张静，2013），具体模型如下。

假设企业i在t时期的生产函数为：

假设企业追求利润最大化，也即在产出一定的情况下追求最小化成本，构建拉格朗日函数有：

追求成本最小化的企业的最优要素决策条件为要素投入的产出弹性。

假设生产函数为柯布—道格拉斯（Cobb-Douglas）形式，技术进步为Hicks中性，将生产函数进行取对数运算之后，产出的衡量指标可以表示为：

Yit表示企业i在t时期的产出的对数，和分别表示劳动投入和资本投入的对数。表示企业i的全要素生产率。企业根据可观测到的生产率来进行诸如要素投入等方面的投资决策是导致生产函数内生性问题的根源。εit表示随机误差项。

Olley和Pakes（1996）提出了用投资和资本来控制模型内生性问题，其假设全要素生产率服从一阶马尔科夫过程：

Levinsohn和Petrin（2003）指出将投资作为生产率的代理变量至少存在两个不合理之处：一是对于企业而言，由于投资的调整成本过高，难以对企业生产率的变化作出灵敏反应；二是从数据的角度来说，样本中大量非零投资数据的弃用将会带来十分严重的样本截断问题。解决方法是采用中间品投入的数据来作为生产率的代理变量，并假设中间品投入M依赖于企业的资本投入K和生产率W：

中间品投入是关于生产率的严格递增函数，则可将生产率用中间品投入的反函数形式表示：

将式（11）代入式（6）中可得：

2. 企业规模、市场势力影响企业技术创新的计量回归模型

建立回归模型的整体思路是全面考察影响企业创新活动（INNOV）的所有内外因素，包括企业层面与行业层面的解释变量以及控制变量。熊彼特的创新理论认为，企业规模（SIZE）越大，意味着其垄断能力越强，越有能力从事技术创新活动。但是根据 Scherer（1965）的研究，企业规模和技术创新之间可能并非是简单的线性关系，因此加入市场规模的平方项作为解释变量，以验证市场规模和创新之间是否存在曲线关系。此外，选取的企业层面的控制变量主要有企业年龄（AGE）和企业利润率（PROR），原因如下：企业年龄在很大程度上反映了企业内部资本以及劳动投入的优化情况，可能对企业的创新活动产生影响；利润率衡量了企业的盈利能力，利润率越高的企业越会有更多的闲置资金来从事技术创新。

行业层面的解释变量主要是已测度的市场势力（MPOW）。同样地，加入市场势力的平方项来验证二者之间是否存在曲线关系。加入的控制变量包括行业特征（INDU）和地理位置（DIST），原因如下：考虑到每个行业的生产特征并不一致，每一个行业的资源分布、技术机会都存在很大的差异，为了消除这种差异对回归模型准确性带来的影响，本文选择以行业代码作为行业特征的虚拟变量。不同的地理位置可能会通过影响企业所在区域的经济状况、政府支持力度等来影响技术创新。通常而言，经济发展程度越高、政府支持力度越大的地区对创新活动产生的正面促进作用越大。

综上所述，本文将影响企业技术创新的回归模型设定为：

（二）数据来源与处理

1. 市场势力测度模型的数据处理

本文使用的数据全部来源于1999-2009年中国工业企业数据库，它由全部国有工业企业和年销售额在500万元以上的非国有工业企业组成。该数据库涵盖了企业代码、行业类别、职工人数、所有制以及地理位置等基本信息和销售收入、固定资产、应付工资、中间投入等主要财务指标。考虑到国民经济行业分类标准于2002年进行了修订，基于数据在统计口径上的连贯性与准确性，本文截取2003-2009年的统计数据作为样本。同时，为了保证估计结果的准确性，借鉴了谢千里（2008）的做法对数据进行了以下剔除：工业总产值小于500万的企业；部分统计口径不一致或者关键财务指标缺失的数值；不符合一般会计准则的，比如固定资产年平均余额大于总资产或者研发投入小于0的企业。在对数据加以整理后，共得到63 513个观测值。为了剔除价格变动因素对指标的干扰，所有观测值均以1999年为基期进行平减，主要指标选取如下。

总产出：根据现有文献的一般做法，使用数据库中总产值来衡量。

资本投入：用数据库中固定资产净值来衡量。

劳动投入：用数据库中工资项来衡量。

中间投入：用数据库中中间投入项来衡量。

劳动份额：定义为劳动投入在总产出中的比重，用数据库中的工资项除以总产值直接计算得到。

为了保证回归分析的准确性，将以上的指标均进行了取对数整理。表1是对主要数据指标的描述性统计分析。

表1 主要变量的统计描述

2. 计量回归模型的数据处理

（1）被解释变量

在衡量创新产出的指标选取上，目前一般是以R&D投入或者专利作为产出的替代值，选择R&D投入的最大争议来自于只有成功实施了商业化并且产生了显著的经济效益的 R&D投入才被认为是创新活动。Griliches（1994）认为R&D投入只能部分反映创新活动，Peters（2008）认为R&D投入会低估小企业和服务行业的创新活动。专利也并非衡量创新的完美指标，专利申请虽然是体现企业创新能力的基础，但是一些企业从商业机密的角度考虑并不会将所有的发明都申请专利，这使得专利不能反映技术创新的全部成果。此外，专利在质量方面的不同也导致其在体现创新产出的经济价值方面存在着误差。因此，本文在研究创新产出的时候，参考唐清泉等（2009）、余永泽和武鹏（2010）等现有文献的做法，选取新产品产值（New product）作为衡量创新产出的代理变量。

首先从经济意义上删除了新产品产值为负值的数据，考虑到数据库中有大量缺失数据，为了保证回归结果的准确性，将这部分的数据补充为0，即认为这些企业没有创新产出。值得注意的是，由于新产品产值中存在着很多的0值数据，这会对估计结果的准确性带来很大影响，而如果将0样本数据删除，将会造成数据的大量遗弃，进而使得回归结果出现偏差。本文借鉴Fishe等（1979）的做法，将所有新产品产值为0的数据增加为0.01，这样做的好处是既不会造成数据的浪费，又不会对估计结果产生很大的影响。同样地，考虑到价格波动因素的影响，将新产品产值数据以1999年为基期按照价格指数进行了平减，同时对处理后的数据进行取对数运算。

（2）核心解释变量

企业规模的衡量指标通常有三个：总资产、销售收入以及员工人数。本文借鉴Scherer（1965）的研究，认为销售收入更能反映出企业短期需求的变化，而且其对生产要素的影响更偏向于中性，是企业规模（SIZE）的最佳代理变量，并且本文将销售收入项按照1999年价格指数进行平减与取对数运算。另一个核心解释变量为市场势力（MPOW）的测度值。

（3）控制变量

企业年龄（AGE）：用企业所在年份与成立年份之差衡量。

利润率（PROR）：用产品销售收入与成本之间的差额除以成本来确定，销售收入与成本的数据均以1999年为基期进行了价格指数平减处理。

行业特征（INDU）：来自于数据库中的四位数行业代码，并进行了取对数处理来消除其值过大对回归结果带来的偏差。

地理位置（DIST）：选择以数据库中的六位数区域代码作为地区的控制变量，并且进行了取对数处理。

回归变量及选取指标归纳整理见表2，描述性统计分析见表3。

表2 回归变量的指标选取

表3 回归变量的描述性统计

三、实证结果

（一）市场势力测度

1. 产出弹性估计结果

在LP方法下，本文分别对电子及通信设备制造业中21个四位数子行业的产出弹性进行了估计。需要指出的是，由于劳动投入和资本投入同全要素生产率存在相关性，这会导致传统OLS方法在估计产出弹性时存在内生性问题以及同时性偏差问题。为了对比LP方法测度结果的准确性，在表4中同时给出了OLS估计的产出弹性值。从表4中可以看出，相比较于LP方法的估计结果，OLS方法明显低估了资本投入的产出弹性，高估了劳动投入的产出弹性。从进一步的分析中可以看出，除了移动通信及终端设备制造业（行业代码 4014）外，电子及通信设备制造业下属的20个子行业的资本投入产出弹性均大于劳动投入产出弹性，即从整体而言，电子及通信设备制造业属于资本投入密集型行业。实证结果符合预期，相比于其他制造行业，电子及通信设备制造业具有设备占有率大、投资额大、容纳劳动力较少等特点，只有不断地通过资本积累，以高技术谋求发展，才能更好地应对信息化浪潮的冲击。因此，其行业的技术创新特征会体现得更加明显，这也是本文选择电子及通信设备制造业作为样本来考察的原因之一。

表4 四位码行业的产出弹性估计结果

（续表）

2. 市场势力估算

根据公式（5）和表4，计算出21个子行业2003-2009年的市场势力值如表5所示。限于篇幅，表5仅列出2003年和2009年的测度值，2004年至2008年的测度结果见附表A。通过表5和附表A可以看出，只有行业代码为4011、4051、4090的3个行业在2003年的市场势力测度值刚刚超过1，这说明，电子及通信设备制造业下属的21个四位码行业的产业结构类型更加倾向于完全竞争，测度结果符合预期。一方面，根据测度模型，市场势力和劳动力投入份额之间存在着倒数关系，而目前在有关我国劳动力供给的研究中，虽然对于“刘易斯拐点”是否已经到来的议题争议不断，但母庸置疑的是，我国劳动力供给的“人口红利期”正在或者已经接近尾声，主要表现为劳动力供给急剧减少、劳动力价格明显上升，劳动力成本的快速上涨使得劳动投入份额不断增大，对市场势力产生了一个“挤压”的作用，直观反映在市场势力的测度值在小于1附近的值徘徊。另一方面，虽然电子及通信设备制造业近年来迅速发展，但由于其行业进入门槛低，行业内部尚未形成以技术推动增长的竞争优势，导致企业在价格层面展开激烈竞争。以通信终端设备制造业（代码为 4013）为例，虽然该行业在我国起步较晚，但在经济全球化的背景下发展迅猛，广阔的发展空间使得行业内部竞争日益激烈。从行业内部来看，行业内市场结构经历了从垄断、双寡头垄断到如今完全竞争的转变，随着 2002年行业内众多国产品牌的崛起以及2005-2006年市场的整合，使得市场份额被各个品牌平分，竞争程度进一步加深。

表5 四位码行业的市场势力估计结果

（续表）

（二）企业规模、市场势力与技术创新的实证分析

1. 基本回归结果

为了判断该模型适合固定效应模型还是随机效应模型，本文分别对模型进行固定效应和随机效应的拟合，然后对两者进行了Hausman检验。作为一个参照系，同时对模型进行了混合回归，所有的计量分析均利用Stata软件进行。对回归结果进行的Hausman检验如附表B所示。首先，固定效应回归中F检验的P值为0.000 0，故认为应该允许每个个体拥有自己的截距项，即固定效应模型明显优于混合回归。其次，Hausman检验中的P值为0.000 0，认为应该拒绝随机效应模型与固定效应模型估计结果无差异的原假设，认为相比较于随机效应的拟合，固定效应模型更为适合。回归结果整理如表6所示。

表6 企业规模、市场势力与技术创新的静态回归结果

（续表）

首先，市场势力与创新产出之间存在着显著的正 U型关系，这意味着存在一个市场势力的临界值，在这个临界值之内，企业技术创新会随着市场势力的增加而减少，而超过这个临界值之后，企业技术创新又会随着市场势力的增加而增加。在对企业规模和创新产出之间关系的考察中发现，两者之间也呈现出显著的正U型关系。

其次，企业年龄和创新产出之间呈现出显著的正向变动关系。实证结果符合预期，因为从长期看，一个企业发展的核心竞争力正源于其创新能力。一般来说，企业的生存时间越长，越有利于其通过创新来维持在行业中的优势地位。一方面，企业的生存时间越长，其越有能力为技术创新积累资金。另一方面，企业在从事技术创新方面的经验也将随着生存时间的增加而丰富。

最后，利润率和创新产出之间存在着显著的正向变动关系，利润率每增加 1%，创新产出将增加 8‰。对于利润率的解释还是跟技术创新所需要的资金有关，一个企业的利润率越高，说明其盈利能力越强，越有能力为创新活动投入更多的资金保障以及承担创新活动带来的风险。此外，企业技术创新呈现出明显的地域特征，即区域变量对创新产出的影响显著，但是行业特征并不明显。

2. 内生性问题处理

有学者指出实证工作最大的难点是解决技术创新和市场势力之间存在的内生性问题。如果忽略了这个问题，任何实证结果都是存在偏误的。市场势力不仅会对企业创新活动产生影响，反过来创新活动也可能对市场势力有显著的影响。解决这个问题的一个思路是寻找替代市场势力的工具变量，通过工具变量的方法来识别市场势力与企业创新之间的因果关系走向。但是运用工具变量的一个难题是寻找出有效的工具变量，这一工具变量需要同时满足相关性和排他性。所谓相关性是指工具变量和内生变量相关，而排他性是指按照现有实证文献的一般做法，本文考虑用市场势力以及市场势力的平方项均滞后一阶作为其工具变量。一方面，内生变量的滞后期一般与当期的内生变量高度相关，因而相关性条件得以满足。另一方面，内生变量的滞后期由于已经发生，一般与当期的扰动项也不相关，因而也满足排他性。

为了进一步验证所选工具变量是否有效，首先从以下两个角度予以检验：一是采用二阶段最小二乘法（2SLS），因为2SLS所提供的工具变量线性组合是所有线性组合中最接近有效的。二是采用对弱工具变量更加不敏感的有限信息最大似然法（LIML）进行估计，并与2SLS的估计系数进行对比分析，结果均表明本文所选择的工具变量是有效的。同时考虑到企业创新活动所具有的连续性特征，将创新产出滞后一阶与二阶作为解释变量。由于微观企业所具有的异质性特征，本文选用系统GMM估计方法，回归结果如表7所示。

表7 系统GMM模型回归结果

更进一步地，对随机扰动项是否存在序列自相关进行检验，P值为0.271 0，接受扰动项无自相关的假设，认为不存在序列自相关。在控制了市场势力和创新之间互为因果关系可能导致的内生性问题之后，实证结果仍然指向U 型关系，说明本文所采用的固定效应模型的拟合是准确的。

在处理了内生性问题之后，市场势力、企业规模对企业技术创新的影响均显著增大。这说明，忽视内生性问题将会低估市场势力、企业规模对企业创新技术活动的影响。值得注意的是，系统GMM回归结果表明在影响技术创新的众多因素中，利润率有着显著的促进作用。在对其他控制变量的考察中发现，企业技术创新活动不存在明显的行业特征，但是区域特征很明显，均支持了基本回归结果。

3. 稳健性检验

稳健性检验围绕以下两个方面展开。一是通过替换核心被解释变量来检验实证结果是否仍然可靠，二是通过选择不同的计量回归方法来检验是否存在因回归模型选择的不同导致结果出现偏差。沿着这个思路，首先根据现有文献的一般做法，将被解释变量由新产品产值替换为R&D投入，仍然按照基本回归的方法进行测度。其次，参考以往文献在应用工业企业数据库为样本时的一般做法，采用Tobit模型进行回归。

（1）创新产出的不同度量指标

数据仍来自于中国工业企业数据库。对R&D投入数据的处理方法和新产品产值相同。同样按照基本回归的思路，分别从混合回归、固定效应回归以及随机效应回归对模型进行了拟合，回归结果整理如表8所示，对回归结果进行的Hausman检验如附表C所示。根据附表C，首先固定效应回归中F检验的值为0.007 2，在10%的显著水平上认为固定效应回归优于混合回归。其次，Hausman检验中P值为0.000 0，认为应该拒绝随机效应模型与固定效应模型估计结果无差异的原假设，即固定效应回归优于随机效应。据此可以得出结论：在将被解释变量由新产品产值替换为R&D投入之后，固定效应模型仍然是合适的。

表8 企业规模、市场势力与技术创新的静态回归结果

（2）Tobit模型

Tobit模型作为因变量受限模型的一种，被广泛应用于因变量为片段值或者切割值时。但是，使用Tobit模型时应注意被解释变量的受限问题，为了保证模型的准确性，本文用R&D投入占总销售收入的比重即创新投入强度作为被解释变量，其余解释变量均保持不变。同时考虑到Tobit模型中可能存在异方差的问题，给出了稳健标准差与普通标准差的对比分析。回归结果如表9所示。

表9 Tobit模型的回归结果

从表9中可以看出，Tobit模型中的稳健标准差和普通标准差十分接近，这意味着模型并不存在异方差的问题。从以上两步稳健性检验的结果来看，利润率、企业年龄仍然对企业技术创新起到正向的促进作用，只是显著性水平有所下降，而第一步稳健性检验仍然显示回归结果不存在明显的行业特征，但是区域特征明显，支持了基本回归结论。在对核心解释变量的考察中发现，两步稳健性检验均表明企业规模、市场势力与企业技术创新之间呈现出显著的U型关系。

四、结论与启示

（一）结论

有很多学者尝试从各个角度来解释市场势力同技术创新之间 U型关系的形成机理，Salop（1977）构建产品差异性和垄断竞争程度的领导者模型，Hart（1983）假定经理人个人效益最大化，但这些解释都存在争议。本文借鉴Aghion等（2005）的研究，不同于以往内生增长模型强调创新动力依赖于过去的创新租，认为创新动力来自过去的创新租和预期创新租之间的差额。假定创新活动均来自于外部企业（过去的创新租为 0），随着产品市场竞争程度的加强，过去的创新租和预期创新租将会同时减少，但相比之下过去创新租减少的幅度将大于预期创新租。换句话说，竞争可能增加企业从创新活动中获得的利润，这被称作“逃离竞争效应”，这种情况常发生在实力相当的企业间。而对于实力落后的企业来说，他们已经从创新活动中获得一个比较低的最初利润，产品市场的竞争可能主要影响过去的创新租，减少了创新激励，这被称作“熊彼特效应”。考虑到真实市场中存在着各种各样的产业结构，因此 U型关系形成的实质是不同产业结构中不同企业技术水平差异的结果。

对于企业规模和市场势力之间 U型关系可能的解释是，企业的管理成本将会随着规模的扩大而增加，复杂的决策机构、种类繁多的业务等分散了企业在创新方面的投入力度。而规模较小的企业由于组织精干、灵活性高反而更有利于提升创新效率。但这种影响作用是相对的，当企业规模突破一个临界值之后，企业规模的增加反而提升了企业的创新激励，因为大企业的资金优势使其更能承担创新投入的沉没成本以及创新失败所带来的风险。这也验证了熊彼特理论中“大企业比小企业承担着更大比例的创新份额”。

（二）启示

随着我国经济由高速增长转向高质量增长，创新成为转变发展方式、转换增长动力的关键一招，而如何激发企业创新活力，使企业成为创新主体，成为亟待解决的重要问题。根据本文的研究结论，可以得到三个方面的政策启示。

一是因地制宜制定产业政策。对于企业数目较多且技术水平相差不大的行业来说，制定鼓励竞争的产业政策有助于提升创新激励，从而提高整个行业的竞争力。同时，产业政策还应充分考虑地域特色，不同区域有所侧重，如对于资金富足的区域多从政策上加以引导，对于资金短缺的区域多从融资渠道上予以扶持，多管齐下，最大限度地激活整个行业的发展潜力。

二是适度扩大企业规模，提升企业利润率。总体来看，目前我国电子及通信设备制造业正处于规模报酬的递增阶段，企业规模的适度扩大将有利于发挥规模经济效应，实现企业资源的有效整合，降低企业的生产成本。同时，规模效应也会带来利润率的提高，增加企业的资金收入，积累资金优势，保障创新活动的持续进行。

附表A 四位码行业的市场势力估计结果

附表B 回归模型的Hausman检验结果

附表C 回归模型的Hausman检验结果

三是增加创新投入，发挥技术优势。从长期来看，加大对创新投入的支持力度，是企业破解发展难题的突破口。纵观世界上所有具有悠久发展历史的知名企业，无一不是在技术上具备很强的优势，在创新方面独占鳌头。现今对于大多数的中国企业而言，缺乏创新所导致的竞争力不足是制约企业发展的瓶颈，只有攻克技术创新的难关，才能让企业在日趋激烈的市场竞争中立于不败之地。