市场机制与非市场机制下的技术转移，哪种有利于提升创新能力？

许庆瑞，李 杨，吴画斌

市场机制与非市场机制下的技术转移，哪种有利于提升创新能力？

许庆瑞，李 杨，吴画斌

（浙江大学 管理学院，浙江 杭州 310058）

技术转移是推动技术进步与创新的重要手段之一。为明确多种技术转移途径与创新能力关系，本文从技术转移机制视角区分了市场与非市场两类转移机制，系统探究了四种技术转移途径对我国高技术产业创新能力的影响差异，揭示了市场化进程与知识产权保护制度如何通过转移机制对两者关系进行调节。通过对2009-2016年我国31省（市）高技术产业的相关数据分析发现：伴随国内整体技术水平的提升与技术市场的完善，市场机制下的技术转移途径，特别是国内技术购买，正在成为提升高技术产业创新能力的有效途径；而国外技术引进对创新能力的阶段能力作用方向并不一致。对于非市场机制下的技术转移途径，FDI会抑制高技术产业创新能力；而产学研合作对商业化能力也具有负向影响。此外，市场化进程与知识产权保护制度共同塑造了技术转移环境，高度市场化的环境有助于激发市场机制下的技术转移对创新能力的积极作用；而强知识产权保护会强化非市场机制下的技术转移与研发能力的负向关系。

创新能力；技术转移；市场化；知识产权保护

0 引言

创新是引领发展的第一动力。培育创新能力不能自我封闭，坚持自主创新的同时吸收外源技术可成为促进创新能力提升、实现产业技术升级的重要途径。改革开放以来，我国高技术产业发挥后发优势，通过多种技术转移途径获取外源技术，逐渐形成了二次创新能力、集成创新能力和自主创新能力[1]。然而2018年“中兴事件”的发生，再次提醒我们外源技术也有可能成为我国高技术产业创新能力提升中的绊脚石。如何充分发挥不同途径技术转移在创新能力提升中的积极作用，营造有利于自主创新的技术转移环境，是提倡开放式创新背景下我国高技术产业亟待解决的问题。

技术转移的本质是技术知识被挖掘并实现价值的过程，技术转移能为技术受方提供创新所需的知识资源。技术转移与创新关系的研究繁多，相关文献主要可分为两类：一类聚焦单一技术转移途径的作用，如外商直接投资对我国不同行业创新活动的影响[2]，产学研合作下的技术转移对协同创新的影响[3]等；另一类侧重比较不同途径的作用差异并分析原因，如关注技术引进、国内技术购买与外商直接投资对我国本土企业技术创新能力的影响[4]，或探讨专利许可、战略联盟以及产学研合作等途径获取外部技术知识对创新绩效的影响[5]。第一类研究孤立分析单一途径下的技术转移，无法从整体层面回答技术转移对技术接受方创新的影响；后者虽然提供了更为完整的分析框架，然而这类研究在解释不同途径技术转移对创新的影响差异时主要关注转移客体（外源技术）的功能，忽视了转移主体间传导路径（即转移机制）的作用。理论上，技术知识具有部分商品与公共品的双重属性，可以通过市场机制与非市场机制实现转移[6]。转移客体对创新的影响主要源于外源知识与内部知识的互补功能，而转移机制则主要通过影响外源技术的获取机会、获取效率与获取效果对技术接受方的创新产生影响[7]。忽视转移机制的作用将导致决策者在进行技术获取决策时信息依据不足，也会导致将转移机制引起的影响简单归因到技术层面。基于转移机制的分析，一方面有利于从主体关系视角解读技术转移与创新活动的复杂关系；另一方面，与转移客体的作用相比，转移机制更容易受到区域经济发展与制度环境变化的影响，关注转移机制对处于高速发展中的国家和区域来说更具现实意义；最后，创新能力结构复杂[8]，不同子系统能力提升或适用不同转移机制，不应一概而论。

因此，本文基于技术转移与创新能力相关理论，构建了技术接受方视角下的创新生产函数，采用随机前沿分析与层次回归分析检验市场机制与非市场机制下不同途径技术转移对我国区域高技术产业创新能力的影响，揭示了区域市场化进程与知识产权保护制度对不同转移机制的影响。本文创新点在于弥补了以往研究仅关注转移客体作用的视角局限，从转移机制出发，以新的分析视角阐释了不同技术转移途径的作用差异，探讨了制度环境对转移机制的影响，对我国高技术产业如何在新形势下利用外源技术实现创新能力提升具有方法借鉴意义，也为政府制定高技术产业创新及技术转移相关政策提供了理论依据。

1 理论分析框架

1.1 技术转移与创新能力关系

技术转移对发展中国家的产业技术进步与创新具有重要意义。创新是新知识的生产过程，该过程依赖于内部知识的积累与外部知识的参与。技术转移是创新主体获取外源技术的重要途径，对外源技术的合理利用有助于技术创新。关于技术转移与创新能力的关系，现有研究并未取得一致结论。支持技术转移促进创新能力提升的观点认为通过技术转移企业可以获得异质性知识资源，与存量知识形成互补，有助于创新能力提升[9, 10]；持相反观点的研究者认为技术转移会导致路径依赖问题，外源技术的替代作用也会削弱创新动机从而损害创新能力[11, 12]；也有学者认为技术转移对创新能力的影响应该是上述两种作用的叠加[13, 14]。以上针对外源技术的替代与互补作用分析均是基于技术转移已完成这一前提下对转移客体的功能分析。实际上，连接转移主体、实现技术流动的转移机制在外源技术被内化前已开始发挥作用，转移机制的知识传导性能、对技术知识的有效供给会影响外源技术的获取机会、效率与效果从而影响创新。基于转移机制视角的研究为理解多途径技术转移与创新能力关系提供了新思路。

创新能力是填充创新目的与创新结果间差距的过程，表现为一种过程效率[15]。基于过程观，创新能力可以被解构为一系列相互串联的环节能力[8]，如创新发起、组合管理、开发与实施、项目管理以及商业化等序列性子能力[16]。不同子能力由不同类型和不同结构的知识体系组成，技术转移的作用是为能力的知识体系建设提供新材料。发展不同子能力对知识的需求可能不尽相同，因此讨论技术转移对创新能力的影响不应一概而论，具体分析时需对创新能力进行分解。为简化分析，本文在后续讨论中将遵循能力研究的分析传统，将高技术产业创新能力分解为研发能力和商业化能力。其中研发能力以知识创造为目的，在研究、开发、测试等知识创造活动发挥作用；商业化能力以实现商业价值为目的，为新产品的产业化、市场推广、商业运作提供有力支持[17]。

创新能力研究离不开对创新能力的测量。现有文献主要采用主观测评法和间接代理法两类方法进行测量。主观测评是通过结构化的调查问卷对创新能力的不同维度进行衡量。不同学者通常会根据自身研究需要开发或改进相关题项，如Subramaniam[18]等开发的创新能力量表主要用于测量渐进式创新能力与突破式创新能力，而Gruber[19]等人的量表侧重考察创新能力在销售管理与组织学习层面的表达。现阶段，对于创新能力的主观测量学界并未形成相对统一的量表。此外，主观测评的一个局限在于它通常只能捕获截面数据，无法捕捉创新能力动态变化的相关信息。相对主观测评而言，间接代理法通过运用可观测或可测算的代理变量对创新能力进行持续追踪和记录，较好的解决了上述问题。常见的创新能力代理变量包括三类：创新投入相关的变量[20]（如研发强度、研发人员数等）、创新产出相关的变量[21]（如专利申请量、新产品产值等）以及创新效率[22]。运用间接代理法时，由于代理指标只能部分反映所代理的构念，无法刻画其全部内涵，所以对具体指标进行选择时应尽量选择能更多反映构念内涵的代理指标。由于本研究关注连续多年技术转移与高技术产业创新能力的相关情况，所以选择间接代理法来对创新能力进行测量更加合适。在具体代理指标选择上，本文选取创新效率作为创新能力的代理指标。主要原因在于：首先，创新投入指标更多反映的是创新资源的丰富性[23]，并不直接反映能力所强调的“资源运用水平”。而创新产出的高低与创新投入有直接关系，即高产出可能是由“投入驱动”的而非“能力驱动”的。最重要的是，能力概念强调投入到产出之间的资源运用与编排水平[24]。资源运用与编排水平高低体现在相同资源约束下不同组织的产出水平会存在差异。这与创新效率的定义，即创新投入不变时实际产出与前沿产出之比[25]，更加接近。所以本文选择创新效率作为创新能力的代理变量。由于创新效率无法直接观测，因此本文构建两阶段创新生产函数，测算研发效率与商业化效率作为创新两阶段子能力的代理指标。

1.2 技术转移机制：市场机制与非市场机制

技术转移在创新中的核心作用就是通过获取互补性知识资源，与已有知识进行重组、整合产生新知识来促进创新[26]。在我国产业发展实践中常见的技术转移途径包括FDI、合作研发、技术购买、技术引进、技术并购、技术联盟等。由于技术知识兼具部分商品与公共品的双重属性，技术可以通过市场与非市场两种机制实现主体间转移[27]。转移机制能够影响创新主体获取外源技术的机会、效率与效果，进而影响创新主体对知识基础的更新与延伸[28]。

在市场机制下，技术需求方将技术作为一种特殊商品，通过市场手段购入所需技术产品，包括专利、R&D成果、设计图纸或生产设备等。技术交易的对象一般属于可编码的成熟技术或标准化的成套技术。技术交易双方按照合同约定履行相应的权利与义务。输出方为了保持有利竞争地位，在市场交易中通常不会提供先进性和核心性高的技术，所以市场机制下能够获得关键技术的机会相对较少。从技术获取效率的角度来看，由于市场机制下技术供给与需求的目标相对明确、具体，可以高效准确的实现匹配，有利于缩短创新周期；市场机制下的技术转移是有偿的经济行为[29]，出让方具有主动输出的经济动机，有利于技术转移的顺利进行。在技术获取的效果方面，能够作为商品在市场上进行流通的技术方案或设备在解决特定问题、实现特定功能上必须是独立完整的，即市场交易对技术知识体系的完备性与连续性具有要求[7]；但是由于隐性知识的缄默性，市场机制下的技术转移无法对隐性知识进行缔约，并且转移双方关系伴随可编码技术或生产设备的交付完成而迅速结束[30]，不利于隐性知识的传播。

非市场的转移机制是指技术在合作研发、FDI、人员流动等非市场交易行为中通过互动、干中学与模仿实现转移。与市场机制不同，非市场机制的技术转移不是直接的等价交换，它不依赖于经济契约关系的建立，即使技术输出方不具备输出意愿也不能完全阻止技术转移的发生，就外源技术的获取机会而言，非市场机制下技术接受方具有更多的潜在学习对象。从转移效率上看，非市场机制下的技术转移通常缺乏对技术输出方的直接经济补偿以及一致的目标和价值评价体系，上述问题往往导致输出方不具备输出意愿或输出意愿低，转移效率差。在转移效果上，由于非市场机制下的主体间关系的建立通常不是以特定技术的出让为直接目的，通过转移所获技术知识的完备性和连续性得不到保障[7]；但是干中学与模仿过程中的人际关系建立与频繁互动更有利于隐性知识的传播。

为检验不同途径的技术转移如何通过异质的转移机制对创新能力产生影响，本文选取高技术产业内常见的技术购买、技术引进作为市场机制下的国内与国外技术转移途径；FDI、产学研合作作为非市场机制下的国内与国外技术转移途径，考察四者对我国区域高技术产业研发能力与商业化能力的影响。

1.3 市场化进程与知识产权保护制度的影响

技术转移是知识在输出方与接受方之间的流动与传递，这种流动与传递都是在一定的创新体系与制度环境下实现的，所以转移机制的作用会受到环境的制约和影响[31]。其中，市场化进程与知识产权保护制度共同塑造了知识流动与创新的基础环境。

首先市场化改革为技术转移通过市场机制发挥作用提供了有利条件。中国改革开放四十年以来的快速发展离不开市场化改革。市场化进程反映了政府与市场的关系、产品市场的发育、要素市场的发育、市场中介组织的发育以及规制环境的改善[32]。对技术转移而言，市场化水平的高低影响着创新要素流动的难易程度，进而影响技术转移中市场机制作用[33]。其次，在市场化水平高的区域，创新主体具备利用市场化的方式解决技术需求的意识；对于技术拥有者，市场化的思维方式会激发他们以市场交易的方式充分利用现有技术资源，使得基于市场机制的技术转移更易达成。最后，较高的市场化水平为转移主体提供了相对公平的交易环境，减少双方间的信息不对称，有效控制和避免转移中的机会主义风险[34]。

知识产权保护制度确保产权所有者能够依靠其创造的新技术或新产品获得垄断地位，将技术优势转化为创新租金。有研究表明，技术受方所在区域的知识产权保护有助于提高技术输出方的创新效率，从而增加技术输出方的技术转移，加快技术受方的技术进步与自主创新步伐[35, 36]。也有研究提出，严格的知识产权保护增加了通过学习和模仿实现技术转移的成本，恶化了发展中国家的贸易条件，导致发展中国家的创新成功率的降低[37]。上述研究结果虽然存在冲突，但都确认了知识产权在技术转移，特别是非市场机制下的转移中的重要作用。对于非市场机制下的技术转移来说，技术受方的知识产权保护可能具有双重作用：一方面，强知识产权有利于吸引技术先进方的投资与合作，从而增加了技术受方学习、模仿的机会；另一方面，强知识产权会提高技术受方的学习成本、抑制模仿行为，阻碍技术吸收与利用，不利于技术受方创新。

为检验区域市场化进程与知识产权保护制度如何通过对市场机制与非市场机制的调节影响前文所述四种技术转移途径与创新能力关系，本文将其纳入分析框架，最终的理论分析模型如图1所示。

图1 理论分析模型

Figure 1 Theoretical model

2 研究方法

效率测量的方法主要有参数法和非参数法两大类。非参数法以数据包络分析（DEA）为代表[38]，参数法则以随机前沿分析（SFA）为代表[25]。DEA主要采用线性规划技术，不需设置具体的生产函数形式，从而避免了主观设定函数的影响，但DEA要求设定明确的边界且模型不考虑测量误差，这样就会导致随机误差被包含到对效率的估计中从而对测量结果造成较大误差[39]。SFA技术采用计量方法对前沿生产函数进行估计，通过设置具体的生产函数形式，允许无效率因素进入误差项，可以同时完成对个体生产效率的测算和对无效率影响因素的分析。由于本文重点关注不同转移机制下的技术转移途径对我国高技术产业创新能力的影响差异并且选择效率作为创新能力的代理指标，所以用SFA方法更为合适。具体操作步骤如下，第一步，选择合适的生产函数形式，并对采用随机前沿分析方法进行效率测评以及生产函数形式选择的合理性进行检验。第二步，因为随机前沿分析模型允许无效率影响因素同时进入方程，所以在估算效率同时完成对无效率影响因素的检验。第三步，为检验知识产权保护强度与市场化进程对非市场机制与市场机制下的技术转移与创新能力关系的调节作用，本文采用固定效应模型对面板数据进行处理，通过层次回归对调节效应进行检验[40]。

根据Coelli的总结，随机前沿模型的一般形式如式(1)所示[41]：

所以，创新效率可表示为式(2)：

同时

若=0被接受，表示实际产出与最大产出差距全部来自于随机因素，没必要采用随机前沿分析技术，直接用OLS方法即可；若趋近于1，则说明实际产出与前沿产出的距离主要源于技术非效率因素，采用随机前沿分析是合理的。

可供选择的创新生产函数类型主要有两种，一种是柯布•道格拉斯生产函数，一种是超越对数生产函数。前者函数形式简单但假定技术中性并且产出弹性固定，而后者放宽这些假设且函数形式更为灵活。由于事先并不能确定技术是否中性、弹性是否固定，所以本文先选用超越对数生产函数，再通过假设检验，确认函数形式选择是否合理[42]。生产函数具体形式为：

其中，为待估计参数，K、L分别表示在时间区域高技术产业的物质资本投入、劳动力投入。

为检验市场化程度与知识产权保护在技术转移与创新能力中的调节效应，参照方杰与温忠麟提出的调节效应检验程序进行层次回归分析，依次检验加入乘积项前后的回归系数和R2差异[40]。此外对省际面板数据进行回归时，由于样本几乎代表了整个母体，选取固定效应模型是适合的。同时，为减少变量间的共线性问题，本文对回归模型中变量的乘积项进行中心化处理。为检验结果的稳健性，本文对所有SFA模型的投入与产出进行无滞后、滞后一年、滞后两年三种处理；在检验调节效应时，用无滞后与滞后一年情况下测算出的效率值分别进行层次回归，作为稳健性检验（由于滞后两年数据的样本量较小，而层次回归包含变量数较多，为保证检验精度在此不予考虑）。

3 数据来源与变量构建

本文使用原始数据主要来源于2010-2017年《中国高技术产业统计年鉴》和《中国工业统计年鉴》，数据时间覆盖范围从2009-2016年。研究对象是中国内地31个省级行政地区高技术产业。两阶段创新生产函数模型中均包括资本、劳动力投入要素、创新产出变量以及创新能力影响因素等相关变量。各变量名称、符号与定义如表1所示，描述性统计结果如表2所示。

表1 变量符号及定义

表2 描述性统计分析

表2（续） 描述性统计分析

3.1 研发阶段相关变量构造

现有研究通常选用R&D经费内部支出来表征技术开发阶段的物质资本投入指标。考虑资本对当期、后期创新活动均会产生影响，本文采用永续盘存法构建R&D资本存量。由于R&D经费内部支出中已经包含R&D人员劳务费，劳动力投入量指标意义重叠，需将此部分影响扣除。第二，本文以2009年为基期，构造R&D经费支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数，对各年经费进行平减[43]。第三，计算基期资本存量，假设R&D资本存量增长率等于R&D经费的增长率，则基期资本存量的估计公式如式(7)，其中K为基期资本存量，E为基期实际R&D经费支出，为考察期内R&D经费支出的几何平均增长率，为折旧率，按照Griliches对资本折旧率的估算取为15%。第四，采取永续盘存法核算R&D资本存量，计算公式如式(8)[44]：

劳动力投入指标选取R&D活动人员折合全时当量。技术开发阶段的成果是未被商业化的新技术。新技术的存在形式包括专利技术和非专利技术[45]。由于非专利技术属于商业秘密，没有公开数据难以度量，故不予考虑。而在三种类型的专利中，发明专利对创新性要求最高，产出指标选择当年发明专利申请量较为合适。

3.2 商业化阶段相关变量构造

商业化阶段的主要任务是新技术的规模化生产与商业化推广，该阶段投入要素类型与上阶段相同，指标选取略有差异。首先，物质资本投入用新产品开发经费构建，采用与R&D经费支出类似方法计算资本存量。用固定资产投入价格指数对各年份数据进行平减。劳动力投入指标选取产业从业人员年平均数。由于成果转化涉及到研发、生产、市场、销售等多部门的协同，故劳动力投入要素不能只考虑R&D人员，选择从业人员数作为指标更为合适[46]。选取新产品销售收入作为创新的最终产出衡量指标，可以较好的反映创新产出的商业化程度和市场收益[47]。用居民消费价格指数对各年数据进行平减。

3.3 技术转移相关变量构造

按照技术转移机制的差异，技术转移途径将其分为两类：市场机制下的转移途径，包括国内技术购买和国外技术引进；非市场机制下的转移，包括FDI和国内产学研合作途径。国内技术购买,用技术购买经费支出除以产业内雇员数构造；国外技术进口，用技术进口经费支出除以产业内雇员数构造；对于FDI途径下的技术转移，已有文献主要采用三种测度：包括外商直接投资企业资产在产业总资产中占比、外商投资企业数在产业中占比、外商投资企业雇员数在产业中占比等[48]。本文选择外商投资企业数占比是因为它通过刻画“环境中可供学习与模仿对象”的相对数量反映了企业获得FDI技术外溢的可能性[49]。对产学研途径下技术转移，用对内研究机构支出与对境内高校支出之和在R&D经费外部支出中占比构造。不同年份经费指标用GDP平减指数进行平减。

3.4 调节变量构造

对区域市场化水平的测量采用王小鲁、樊纲等人构建的市场化指数衡量，该指数由18项基础指数构成，涵盖区域政府与市场关系、非国有经济发展、产品和要素市场发育、中介组织成熟度以及维护市场的法制环境五个方面的情况，较为全面地反映了区域发展的软环境[32]。

知识产权保护制度强度用《中国分省企业经营环境指数2017年报告》中各省、直辖市反映企业经营的法治环境指数下的 “知识产权、技术、品牌保护”分项指数来衡量。由于该报告对企业经营环境的评测是每两年进行一次，考虑法律制度的相对稳定性，使用该指标时对未被考核年份数据用前一年数值代替。

3.5 控制变量

对可能影响高技术产业创新能力的其他影响因素，在模型中进行控制变量处理。本文主要考虑的控制变量包括政府资助与产业规模。政府资助对创新能力的影响，相关实证研究的结论存在冲突。部分研究认为政府资金支持有助于企业创新能力的培育；也有研究认为政府资助创新会滋生惰性导致创新意愿降低[50, 51]。这些结论共同说明了政府在创新活动中扮演着重要角色，本文采用高技术产业中政府资助在R&D经费中的占比来衡量政府资助的作用。此外，规模也是被广泛接受的影响创新能力的重要因素之一[52, 53]。为衡量各区域高技术产业规模，本文用区域高技术产业主营业务收入作为表征，对不同年份主营业收入，本文用居民消费价格指数进行平减，进入模型时取对数。

4 实证结果及分析

4.1 对分析方法及生产函数形式的检验

首先验证创新生产过程中是否存在无效率因素，即采用随机前沿模型对创新效率进行估算的合理性分析。为此建立模型1到模型6，分别考察创新两阶段生产函数的极大似然估计结果。从表3的参数估计的结果来看，六个模型的2和均通过了1%或5%显著性水平检验。说明创新无效率现象在高技术产业创新过程中显著存在，采用随机前沿分析方法对本文构造的面板数据进行研究是合理的。与非时滞模型（模型1,4）相比，时滞模型中值有明显增加，说明考虑时间滞后时，无效率因素的影响更突出。

表3 不考虑效率影响因素的SFA模型

注：***、**和*分别表示通过1%、5%、10%显著性水平。

为验证超越对数生产函数形式是否适宜拟合样本数据，针对模型1至6提出相应的零假设0和备择假设1。零假设提出：技术研发及商业化阶段生产函数中所有二次项系数均为0。若零假设被接受，说明无需采用超越对数函数形式，模型简化成道格拉斯函数形式即可。本文使用广义似然比对零假设进行检验，其统计量为。(0)和(1)分别为原假设和备择假设下的对数似然函数值。检验结果如表4所示，技术研发阶段模型的H均被接受；商业化阶段模型的0在1%显著性水平下均被拒绝。结果说明技术研发阶段，创新生产函数宜采用柯布道格拉斯函数形式；在商业化阶段，宜采用超越对数生产函数形式。

表4 广义似然比检验

注：***表示通过1%显著性水平。

4.2 基于技术转移的创新能力影响因素检验

确定各阶段适宜的生产函数形式后，将创新能力影响因素分别放入创新生产函数中，建立模型5至模型10。上述6个模型在测算各区域高技术产业创新能力的同时将完成对创新能力影响因素的分析。表5与表6的模型估计结果表明，技术研发与商业化阶段的值均在0.75以上，且通过1%显著性水平下检验，表明技术转移对区域高技术产业创新能力具有显著影响。

表5 研发阶段SFA模型检验

注：***、**和*分别表示通过1%、5%、10%显著性水平。

对研发能力而言，在非时滞模型5以及时滞模型6、模型7中，国内技术购买（TP）回归系数均为负且显著，说明国内技术购买对研发能力具有正向促进作用。而国外技术引进（TI）对研发能力的负向作用在时滞模型中得到确认。FDI与产学研对研发能力的影响均不显著。该结果表明，非市场机制下的技术转移对我国高技术产业研发能力影响不明显；而市场机制下的技术转移，根据技术来源不同，对研发能力呈现差异化影响。出现上述情况的主要原因可能在于，非市场机制下的技术转移，无论FDI还是产学研，技术输出方通常缺乏基于经济动机的强烈输出意愿，被动转移的效果与效率欠佳，无法有利支持技术需求方的研发能力培育。相较之下，基于市场机制的国内技术购买与国外技术引进对技术受方的研发能力具有更直接的影响。同样是依赖于市场机制，国内技术购买与国外技术引进对研发能力产生相反作用的原因可能在于：一方面，文化、地理距离的临近性为我国高技术产业从国内获取外源技术、提升自身的研发能力提供了更多的机会，而国外技术引进不具备以上优势；另一方面，受国家层面的技术封锁等政策约束，可供引进的外国技术先进性与核心程度未必符合我国高技术产业研发能力培育的需求。

表6 商业化阶段SFA模型检验

注：***、**和*分别表示通过1%、5%、10%显著性水平。

对商业化能力而言，FDI与产学研途径的回归系数在无时滞模型8与时滞模型9、模型10中均为正，且通过显著性检验；技术引进的回归系数在无时滞模型8与时滞模型9、模型10中为负且显著；而技术购买的回归系数在三个模型中均不显著。检验结果表明，非市场机制下的技术转移对我国高技术产业创新的商业化能力具有抑制作用，而市场机制下的技术转移具有部分促进作用。成功的新产品商业化通常建立在对市场需求变化的快速反应之上。非市场机制下，技术知识的转移效率相对更低，不利于商业化阶段所需知识的及时更新；另外，在面对产品市场时，非市场机制下的部分技术转移双方可能存在竞争关系并且输出方无法通过转移获得直接的经济回报，这将极大降低技术输出方的转移意愿，甚至提高对相关技术外溢的防范。上述两种原因均可能导致非市场机制下的技术转移对接受方商业化能力的抑制。最后，技术引进作为市场机制下的国外技术转移途径，对商业化能力与研发能力产生相反作用，其原因可能在于虽然依赖技术引进会让企业遭遇研发能力上的“天花板”，但对新产品的商业宣传来说，“采用国外先进技术”或能成为有利于新产品推广的卖点，国外技术的象征意义或有助于高技术产业的商业化能力提升。

此外，上述6个模型对控制变量的检验结果说明：产业规模对创新能力具有正向影响；而政府资助对研发能力与商业化能力均存在微弱的负向影响。该结果与Hong等人开展的政府资助、自筹研发资金对我国高技术产业创新能力的影响研究结论基本保持一致[51]。

4.3 调节作用的检验

为检验市场化水平与知识产权保护强度在技术转移与创新能力之间的调节作用，本文将SFA估算得到的效率值作为被解释变量进行层次回归分析。

表7 研发能力模型中调节效应检验

注：***、**和*分别表示通过1%、5%、10%显著性水平。

针对研发能力的层次回归分析结果显示如表7所示，加入调节变量后，在不包含交互项的模型11和模型13中，技术购买的正向作用均显著，该结果与SFA分析结果一致；而技术进口的负向作用在上述两模型中均不显著；而非市场机制下的转移途径，FDI与产学研的负向作用均显著。包含交互项的模型12的R2显著提高，检验结果显示，市场化水平对技术购买与研发能力之间的调节作用不显著；对技术引进与研发能力的调节作用在非时滞模型中显著（10%显著性水平），但在时滞模型中并不显著。上述结果说明，市场化水平并不能有效的调节市场机制下的技术转移与我国高技术产业研发能力之间的关系。另一方面，知识产权保护与FDI交互项的回归系数在时滞与非时滞模型中均显著为负，说明知识产权保护对FDI与研发能力的负向关系具有强化作用。即在强产权保护环境中，先进技术拥有者能够更好地防止技术溢出，从而强化FDI对我国高技术产业的挤出效应。

针对商业化能力的层次回归分析结果显示如表8所示，在不包含交互项的模型15与模型17中，技术购买的正向作用均显著；而FDI的负向作用在模型15和模型17里均显著；产学研途径的作用在非时滞模型里不显著，而在时滞模型中为正；技术引进的作用在两个模型里均不显著。包含交互项的模型16、模型18中R2显著提高，市场化水平与技术购买的交互项回归系数估计值在非时滞模型中显著为正，说明市场化水平对技术购买与商业化能力间的正向作用具有强化作用。模型16与18中知识产权保护强度与FDI的交互项回归系数估计值显著为负，表明它对FDI与商业化能力之间的负向作用同样起到强化的调节作用。上述检验结果说明，市场化水平越高的区域，高技术产业更能够有效利用市场机制从国内获取相关技术知识，促进自身商业化能力的提升。而强知识产权制度对国外技术知识的过度保护会抑制知识转移，强化了FDI与我国高技术产业商业化能力之间的负向关系。

表8 商业化能力模型中调节效应检验

注：***、**和*分别表示通过1%、5%、10%显著性水平。

5 结论与启示

技术转移是实现技术进步与创新能力提升的重要途径。尽管国内外学者就技术转移与创新关系进行了大量的讨论，但这些研究或孤立分析单一途径下的技术转移，或基于转移客体功能视角分析不同途径技术转移对创新的影响差异，忽视了转移主体间传导路径即转移机制的作用以及制度因素对转移机制的影响。本文基于转移机制视角，提出整体性的分析框架，用随机前沿分析与层次回归分析，讨论了市场机制与非市场机制下四种技术转移途径对我国31省（市）高技术产业两阶段创新能力影响，检验了区域市场化进程与知识产权保护制度对市场机制与非市场机制的调节作用。研究结果显示：（1）2009-2016年间，伴随国内技术市场的完善与发展，市场机制作用开始凸显：国内技术购买逐渐成为提升高技术产业创新能力的有效途径；而国外技术引进虽然对高技术产业商业化能力具有正向影响，但会抑制研发能力的培育。（2）在研究时期内，非市场机制作用下的技术转移途径（FDI与产学研）对高技术产业研发能力影响不显著；对商业化能力具有负向影响。（3）在市场化程度更高的区域，高技术产业能够更好地通过国内技术购买提升创新能力。（4）过强的知识产权保护会减少区域高技术产业通过FDI进行模仿、学习的机会，降低转移效率，固化内资企业与外资企业间的技术差距，从而强化FDI与研发能力的负向关系。

基于研究结论，得到以下启示：（1）继续规范、完善以市场机制为核心的技术转移体系。充分发挥技术交易在知识资源配置中的积极作用，鼓励国内技术购买，释放国内技术对高技术产业创新能力的促进作用。（2）改善非市场机制下技术输出方的转移意愿与转移质量。加强对高质量外资企业的引进，避免冗余FDI的进入，提升转移质量与效率，防止FDI挤出效应的发生；在产学研合作中赋予高校与研究机构更多自主决策权，提高转移意愿，激发非市场机制在隐性知识转移上的优势，推动高技术产业创新能力提升。（3）营造有利于技术转移与创新的宏观制度环境。深化市场化改革，特别是技术要素市场化改革是保障不同途径技术转移在高技术产业创新能力培育中发挥积极作用的重要前提。制定强度适宜的知识产权法规，避免过快收紧保护力度有利于减缓FDI对创新能力的负面作用。（4）合理布局和优化技术获取结构。高技术产业企业应综合考虑不同转移机制特征以及创新能力子能力培育的需求差异，选择适宜的技术转移途径获取外源技术，助力能力提升。

本文研究结论对于我国高技术产业选择适宜机制获取并利用外源技术、提升创新能力具有一定的理论指导与实践参考意义；同时也为相关部门的技术政策、法规制定提供了建议。本研究还存在一定局限性，如未对不同机制下技术转移的短期与长期效用进行区分分析、仅考虑制度性因素对不同转移机制影响。未来研究可从动态视角考察不同机制下的技术转移对创新能力的影响差异，并从文化、地域等多方面挖掘可能影响不同转移机制发挥作用的因素，对本研究框架作进一步的补充和完善。

[1] 许庆瑞,吴志岩,陈力田. 转型经济中企业自主创新能力演化路径及驱动因素分析——海尔集团1984～2013年的纵向案例研究[J].管理世界, 2013(4): 121-134.

Xu Q R, Wu Z Y, Chen L T. An Analysis of Evolution Path to and the Driving Factors of the Independent Innovation of Enterprise in the Transitional Economy: A Longitudinal Case Study on Haier Group from 1984 to 2013[J]. Management world, 2013(4): 121-134.

[2] 王红领,李稻葵,冯俊新. FDI与自主研发:基于行业数据的经验研究[J].经济研究, 2006(2): 44-56.

Wang H L, Li D D, Feng J X. Does FDI Facilitate or Dampen Indigenous R& D?[J]. Economic Research Journal, 2006(2): 44-56.

[3] 何郁冰.产学研协同创新的理论模式[J].科学学研究, 2012, 30(2): 165-174.

He Y B. The Theoretical Model of I-U-R Collaborative Innovation[J]. Studies in Science of Science, 2012, 30(2): 165-174.

[4] 张倩肖,冯根福.三种R＆D溢出与本地企业技术创新——基于我国高技术产业的经验分析[J].中国工业经济, 2007(11): 64-72.

Zhang Q X, Feng G F. Three Different R&D Spillovers and Technological Innovation of Local Enterprise Evidence from Chinese High-tech Industries[J]. China Industrial Economy, 2007(11): 64-72.

[5] Wang Y, Vanhaverbeke W, Roijakkers N, et al. How Chinese Firms Employ Open Innovation to Strengthen their Innovative Performance[J]. Social Science Electronic Publishing, 2012, 59(3): 235-254.

[6] Arrow K J. Economic Welfare and the Allocation of Resources for Invention[J].Nber Chapters, 1962: 609-626.

[7] 汤萱.技术引进影响自主创新的机理及实证研究——基于中国制造业面板数据的实证检验[J].中国软科学, 2016(5): 119-132.

Tang X. International Technology Transfer and Independent Innovation: A Test Based on Panel Data of Manufacture Industries in China[J].China Soft Science, 2016(5): 119-132.

[8] 张军,许庆瑞,张素平.企业创新能力内涵、结构与测量——基于管理认知与行为导向视角[J].管理工程学报, 2014, 28(3): 1-10.

Zhang J, Xu Q R, Zhang S P. Firms’Innovation Capabilities: Theoretical Definition and Construct Development from the Perspective of Managerial Cognition and Behavior-Oriented[J]. Journal of Industrial Engineering /Engineering Management, 2014, 28(3): 1-10.

[9] Caloghirou Y, Kastelli I, Tsakanikas A. Internal capabilities and external knowledge sources: complements or substitutes for innovative performance?[J]. Technovation, 2004, 24(1): 29-39.

[10] Lin B W, Wu C H. How does knowledge depth moderate the performance of internal and external knowledge sourcing strategies?[J]. Technovation, 2010, 30(11): 582-589.

[11] Blonigen B A, Taylor C T. R&D Intensity and Acquisitions in High‐Technology Industries: Evidence from the US Electronic and Electrical Equipment Industries[J]. Journal of Industrial Economics, 2000, 48(1): 47-70.

[12] Watkins T A, Paff L A. Absorptive capacity and R&D tax policy: Are in-house and external contract R&D substitutes or complements?[J]. Small Business Economics, 2009, 33(2): 207-227.

[13] Rothaermel F T, Alexandre M T. Ambidexterity in Technology Sourcing: The Moderating Role of Absorptive Capacity[J]. Organization Science, 2009, 20(4): 759-780.

[14] Tsai K H, Hsieh M H, Hultink E J. External technology acquisition and product innovativeness: The moderating roles of R&D investment and configurational context[J]. Journal of Engineering & Technology Management, 2011, 28(3): 184-200.

[15] Dosi G, Nelson R R. Technical Change and Industrial Dynamics as Evolutionary Processes[J]. Handbook of the Economics of Innovation, 2010, 1(518): 51-127.

[16] Crossan M M, Apaydin M. A multi-dimensional framework of organizational innovation: A systematic review of the literature[J]. Journal of Management Studies, 2010, 47(6): 1154-1191.

[17] Chen X, Liu Z, Zhu Q. Performance evaluation of China's high-tech innovation process: Analysis based on the innovation value chain[J]. Technovation, 2018, 74:42-53.

[18] Subramaniam M, Youndt M A. The Influence of Intellectual Capital on the Types of Innovative Capabilities[J]. Academy of Management Journal, 2005, 48(3): 450-463.

[19] Gruber M, Heinemann F, Brettel M, et al. Configurations of resources and capabilities and their performance implications: an exploratory study on technology ventures[J]. Strategic Management Journal, 2010, 31(12): 1337-1356.

[20] Helfat C E. Know-How and Asset Complementarity and Dynamic Capability Accumulation: The Case of R&D[J]. Strategic Management Journal, 1997, 18(5): 339-360.

[21] Sears J, Hoetker G. Technological overlap, technological capabilities, and resource recombination in technological acquisitions[J]. Strategic Management Journal, 2013, 35(1): 48-67.

[22] Li X. China's regional innovation capacity in transition: An empirical approach[J]. Research Policy. 2009, 38(2): 338-357.

[23] Ethiraj S K, Kale P, Krishnan M S, et al. Where Do Capabilities Come from and How Do They Matter? A Study in the Software Services Industry[J]. Strategic Management Journal, 2010, 26(1): 25-45.

[24] Dutta S, Narasimhan O, Rajiv S. Conceptualizing and measuring capabilities: methodology and empirical application[J]. Strategic Management Journal, 2005, 26(3): 277-285.

[25] Cdaa O C E O. Stochastic frontier analysis [M].Cambridge University Press, 2000: 129-131.

[26] Mowery D C, Oxley J E, Silverman B S. Strategic alliances and interfirm knowledge transfer[J]. Strategic Management Journal, 1996, 17(2): 77-91.

[27] 隋立祖.中国技术市场发展：理论逻辑和绩效评价[J].研究与发展管理, 2011, 23(3): 118-124.

Sui L Z. The Development of the Technology Market in China: Theoretical Logic and Performance Evaluation[J]. R&D Management, 2011, 23(3): 118-124.

[28] Hussinger K. Formal and Informal Knowledge and Technology Transfer from Academia to Industry: Complementarity Effects and Innovation Performance[J].Industry & Innovation, 2013, 20(8): 683-700.

[29] 刘学.技术交易的特征与技术市场研究[J].中国软科学, 2000(3): 62-67.

Liu X. The Research on Characteristics of Technology Trading and Technology Market [J].China Soft Science, 2000(3): 62-67.

[30] Cummings J L, Teng B S. Transferring R&D knowledge: the key factors affecting knowledge transfer success[J]. Journal of Engineering & Technology Management, 2003, 20(1-2): 39-68.

[31] 张玉臣. 技术转移机理研究：困惑中的寻解之路[M]. 北京：中国经济出版社, 2009.

Zhang Y C. Research on Mechanism of Technology Transfer: Finding the Way in Confusion[M].Beijing: China Economy Press,2009.

[32] 王小鲁,樊纲,余静文.中国分省份市场化指数报告(2016)[M].北京：经济科学出版社, 2017.

Wang X L, Fan G, Yu J W. Marketization Index of China’s Provinces[M].Beijing: China Economy Press,2017.

[33] 张云,赵富森,仲伟冰.市场化程度对高技术产业自主创新影响的研究——基于面板分位数回归方法[J].工业技术经济, 2017, 36(12): 114-121.

Zhang Y, Zhao F S, Zhong W B. Research on the Influence of Marketization on Independent Innovation of High-tech Industry—Based on Quantile Panel Regression[J]. Journal of Industrial Technological Economics, 2017, 36(12):114-121.

[34] 李艳丽,赵大丽,高伟.市场化改革、知识转移与区域创新能力研究[J].软科学, 2012, 26(4): 28-32.

Li Y L, Zhao D L, Gao W. Study on Market Reform, Knowledge Transfer and Regional Innovation Capacity[J].Soft Science, 2012, 26(4): 28-32.

[35] Gould D M, Gruben W C. The Role of Intellectual Property Rights in Economic Growth[J]. Journal of development economics, 1997, 48(2):323-350.

[36] Adkisson R V. Intellectual Property Rights in the Global Economy by Keith E. Maskus[J]. Journal of Economic Issues, 2004, 38(1): 281-282.

[37] 顾振华,沈瑶.知识产权保护、技术创新与技术转移——基于发展中国家的视角[J].产业经济研究, 2015(3): 64-73.

Gu Z H, Shen Y, Intellectual Property Rights Protection, Technology Innovation and Technology Transfer: From the Perspective of Developing Countries[J]. Industrial Economics Research, 2015(3): 64-73.

[38] Charnes A. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1979, 2(6): 429-444.

[39] 朱有为,徐康宁.中国高技术产业研发效率的实证研究[J].中国工业经济, 2006(11): 38-45.

Zhu Y W, Xu K N. The Empirical Research on R&D Efficiency of Chinese High- tech Industries. [J].China Industrial Economy, 2006(11): 38-45.

[40] 方杰,温忠麟,梁东梅.基于多元回归的调节效应分析[J].心理科学, 2015(3): 715-720.

Fang J, Wen Z L, Liang D M. Moderation Effect Analyses Based on Multiple Linear Regression[J]. Journal of Psychological Science, 2015(3): 715-720.

[41] Coelli T J. A Guide to FRONTIER Version 4.1: a Computer Program for Stochastic Frontier Production and Cost Function Estimation[J]. Centre for Efficiency and Productivity Analysis, 1996(7):1-33.

[42] 白俊红,江可申,李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界, 2009(10): 51-61.

Bai J H, Jiang K S, Li J. Evaluation the Regional R&D Innovation Efficiency in China Using Stochastic Frontier Model[J]. Management world, 2009(10): 51-61.

[43] 朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究, 2003(6): 45-53.

Zhu P F, Xu W M. The Impact of Government's S&T Incentive Policy on the R&D input and its patent output of large and medium-sized Industrial enterprises in Shanghai[J]. Economic Research Journal, 2003(6): 45-53.

[44] Griliches Z. R&D and Productivity Slowdown[J]. American Economic Review, 1980, 70(2):1-17.

[45] 余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学, 2009(4): 62-74.

Yu Y Z. China's high-tech industry technology innovation efficiency and Impact Factors—Two-stage Analysis Based on Value Chain Perspective[J]. Economic Science, 2009(4): 62-74.

[46] 张海洋,史晋川.中国省际工业新产品技术效率研究[J].经济研究, 2011(1): 83-96.

Zhang H Y, Shi J C. On the Technical Efficiency of New Product in Chinese Provincial Industry[J]. Economic Research Journal, 2011(1): 83-96.

[47] 范红忠.有效需求规模假说、研发投入与国家自主创新能力[J].经济研究, 2007(3): 33-44.

Fan H Z. A Hypothesis on Effective Demand Size, R& D Expenditure and National Innovation Capacity[J]. Economic Research Journal, 2007(3): 33-44.

[48] Wei Y, Liu X. Productivity spillovers from R&D, exports and FDI in China's manufacturing sector[J]. Journal of International Business Studies, 2006, 37(4): 544-557.

[49] Peng Y. Foreign direct investment and SOE performance in China: Ecvidence from the Third Industrial Census[M]. Bradford: Emerald Group, 2009.

[50] Bai J, Jing L. Regional innovation efficiency in China: The role of local government[J]. Innovation, 2011, 13(2): 142-153.

[51] Jin H, Feng B, Wu Y, et al. Do government grants promote innovation efficiency in China's high-tech industries?[J]. Technovation, 2016, 57:4-13.

[52] Wakasugi R, Koyata F. R&D, Firm Size and Innovation Outputs: Are Japanese Firms Efficient in Product Development?[J]. Journal of Product Innovation Management, 2010, 14(5): 383-392.

[53] Chun D, Chung Y, Bang S. Impact of firm size and industry type on R&D efficiency throughout innovation and commercialization stages: evidence from Korean manufacturing firms[J]. Technology Analysis & Strategic Management, 2015, 27(8): 1-15.

Market mechanism or non-market mechanism, which kind of technology transfer is benefit to innovation capability

XU Qingrui, LI Yang, WU Huabin

（School of Management, Zhejiang University, Hangzhou 310058, China）

In the background of open innovation, how to improve the innovation capability of hi-tech industry by adopting and utilizing external technology is a meaningful research question for China. Technology transfer as one of the most important way to gain external technology should be concerned. Majority of previous studies on this topic either focus on the role of a single technology transfer channel or focus on comparing the different channels’ effects and analyzing them based on the transferred technology characteristic when explain its influence to recipient innovation capability. Thus the first kinds of studies failed to provide a holistic framework for analysis. Although the second kinds of studies provide a more overall perspective but too much attention has been put on the function of transfer object and thus ignoring the transmission mechanism between transfer subjects. To fill this gap, this paper systematically explores the effects on two-stage innovation capability of technology transfer in four channels in the perspective of transfer mechanism based on technology transfer theory and capability theory, which gives an alternative explanation for the mixed findings on this research topic.

This research uses innovation production function model based on panel data from 31 regional hi-tech industries in China from year 1999 to 2016. Most data comes from the yearbook of Chinese Industry and the yearbook of Chinese hi-tech industry. Capital and Labors are treated as innovation input elements and patents application counts and sales revenue of new product are chosen as indicators of innovation output in the production function. After checking the proper form of production function in each innovation stage, the stochastic frontier analysis technique is applied to estimate two-stage innovation efficiency which is employed as proxies for innovation capability, namely R&D capability and commercialization capability. With the same technics, we also explore how four different channels of technology transfer (domestic technology purchase, foreign technology imports, FDI and industrial-academic-research cooperation) affect the innovation capability specifically. To further explore the moderation effects of marketization and intellectual property rights protection of a region, the hierarchical regression analysis based on fixed-effects model is adopted. To ensure the robustness of results, we also test the model considered time-lag and no time-lag both in efficiency factor estimation and moderation effect test.

The SFA results indicate that with the development of domestic technology transaction market, the role of market mechanism in technology transfer is highlighted: domestic technology purchase becomes an effective channel to obtain external technology and positively affects the innovation capability in two stages; however foreign technology import only have a positive relationship with commercialization capability but have a negative relationship with R&D capability. With the non-market mechanism, the transfer channels of FDI and industrial-academic-research cooperation exert a negative influence on commercialization capability. The test on institutional environment factors reveals that high level of marketization in specific region strengthens the positive relationship between domestic technology purchase and innovation capability whereas strong intellectual property protection intensify the negative relationship between FDI and R&D capability.

These above results implicates that by choosing the right technology transfer channel during the right innovation stage, hi-tech industry in our country could deliver benefits on the improvement of innovation capability and business competitive strength. To maximize the positive effects and minimize the negative effects of different transfer mechanisms, deepening the marketization process and building a proper intellectual property right protection should be considered by the regulation maker. These results also give some policy implications. First, continuing to standardize and improve the quality of technology transfer market are important to the market mechanism to exert effect. Second, improving the transfer motivation and transfer quality are keys to technology transfer by non-market mechanism. Third, deepening the market-oriented reform, especially the market-oriented reform of technological elements, is an important prerequisite to ensure that technology transfer plays an active role in the cultivation of innovation capability of high-tech industries through different channels. Forth, the appropriate intellectual property laws and regulations is needed in order to avoid too rigid protection which may leads to negative effect of FDI on innovation ability.

Innovation capability; Technology transfer; Marketization; Intellectual property protection

2019-03-06

2019-09-10

Supported by the National Nature Science Foundation of China (71572177) and the Consulting Research Project of Chinese Academy of Engineering (2017-XY-39)

F062. 9

A

1004-6062(2020)04-0196-011

10.13587/j.cnki.jieem.2020.04.021

2019-03-06

2019-09-10

国家自然基金资助项目（71572177）；中国工程院咨询研究项目（2017-XY-39）

许庆瑞（1930—），男，江苏常州人；中国工程院院士，浙江大学管理学院教授，博士生导师；研究方向：技术创新管理。

中文编辑：杜 健；英文编辑：Boping Yan