创新价值链视角下制造业技术创新效率測度及影向因素硏究

朱慧明 张中青扬 吴吴 邹凯

[摘要]基于创新价值链理论、构建两阶段DEA模型测度2011-2019年制造业企业技术创新效率、引入Malmquist指数并进行分解分析，本研究在此基础上构建Tobit模型研究技术创新效率的影响因素。结果显示：制造业企业技术创新整体效率較低，尤其是研发阶段效率很低，但总体呈逐年改善趋势;不同产权性质、区域和行业的制造企业技术创新效率具有异质性，且研发阶段效率对技术创新整体效率影响较大，是制约技术创新整体效率提升的主要因素;员工教育质量、盈利能力和现金流动性均对技术创新整体效率有显著正向影响，而发明专利、出口程度、存续年限、企业成长性和高技术产业对技术创新整体效率有显著负向影响。

[关键词]制造业;技术创新;效率测算;影响因素;两阶段DEA模型

[中图分类号]F424

[文献标识码]A

[文章编号]1008-1763（2021）06-0037-09

一引言

在国家创新驱动发展战略背景下，我国经济进入换挡增速、动力转型、结构优化的“新常态”时期山，技术创新成为产业变革和经济高质量发展的重要动能2。但作为实体经济的核心，我国制造业的创新投入产出失衡，虽然技术创新投入总额高，但创新能力的核心指标较发达国家过低。由于我国制造业技术创新资源利用率低下，创新投入出现增长惩罚现象，额外投资对促进产出的作用较小企业金融化进一步抑制了制造业技术创新。制造业的良性发展，提升制造业企业的技术创新绩效，需要系统地掌握制造业整体技术创新资源利用情况。因此，有必要准确测量技术创新效率，全面剖析制造业技术创新效率影响因素。

我国制造业规模巨大，各企业间经济实力、资源背景、生产产品和流程等存在显著异质性，各企业技术创新资源利用情况也不尽相同，增加了技术创新效率测量的难度。在现有研究成果中，数据包络分析（DEA）和随机前沿分析（SFA）是效率评价的两种前沿分析方法，SFA方法考虑了随机因素对输出的影响，但不适合管理具有多个输出的对象。DEA作为同时考虑多投入多产出的评价方法，最早由Charnes等提出，在效率评价中得到了广泛的应用7。已有文献主要从区域或行业的宏观层面考察制造业技术创新效率-，对微观企业的研究较少。其中，Wang等考察了新能源企业创新效率，但忽略了专利产出的影响。Cruz-cazares等-1从企业层面研究了创新效率，但忽略了创新活动的中间过程，将创新活动视为单一过程。同时，传统的DEA方法将技术创新过程视为一个“黑箱”，没有考虑技术创新中间过程及其对技术创新效率的影响。

事实上，技术创新是一个复杂的过程，创新资源的剧烈转化贯穿于整个过程，Hage和Hollingworthy4是首批将技术创新视为连锁过程的学者之一。Hansen和Birkinshaw提出基于创新过程中价值创造的创新价值链理论。Carayannis等16提出考虑创新活动的内部结构有望提供更有意义和信息丰富的结果，并将创新过程分为知识生产和知识转化两个阶段。目前，越来越多的研究使用两阶段DEA方法研究技术创新效率。例如，方正起等运用网络EBM模型对中国军工企业技术创新效率进行测度分析，发现成果转化阶段和技术创新综合效率均高于技术开发阶段。Xiong等利用两阶段动态DEA模型测算中国科学院科研机构的创新效率，研究表明创新整体效率与商业化效率的关系更为密切。企业作为技术创新的主体，对其效率的考察具有重要意义，然而，现有研究缺乏从微观视角综合分析我国制造业技术创新效率现状。因此，本文从技术创新价值链视角出发，将技术创新视为一个多投入、多产出、多环节的复杂过程，同时按技术创新模式将制造业企业分为四类，并考察制造业企业技术创新效率差异的影响因素，为技术创新效率提升提出有针对性的策略和战略建议。

二制造业技术创新效率测算模型

（一）创新价值链视角下的技术创新过程分析

Hansen和Birkinshaw-提出了创新价值链视角理论，将技术创新理论和价值链理论结合。创新价值链依托于技术创新是一个连续的、多阶段的过程，包括想法的产生、想法的发展和想法的扩散，从而为企业带来盈利。本文将制造业企业技术创新过程分解为上游研发阶段和下游成果商业化阶段，具有明显的两阶段链式网络特征。如图1所示，上游研发阶段将研发资源的投入转化为知识、技术产出;下游成果商业化阶段将研发成果和专项投入用于生产面向市场的商品或服务，转化为商业效益，从而创造市场价值，获得利润1。上游阶段的产出作为企业技术创新活动的中间产物，不仅是企业研发活动的产出成果，也是技术创新成果商业化过程的前提，连接着技术创新两阶段过程。

（二）基于两阶段DEA的技术创新效率测算模型

本文利用创新价值链理论，将技术创新分为上游研发和下游成果商业化两个阶段。假设有j个决策单元（DMU）。每个DMU第一阶段有i个投入（x，1=1……，D），r个产出（y，r=1，……，R），同时也是第二阶段的投入;第二阶段有g个专项投入（xa·g=1，……，G），最终得到k个最终产出（x，k1，……，K）。借鉴Wang等构建基于非径向方法和罗素方向距离函数，规模报酬不变的DEA模型，通过DEA模型测算制造业企业的技术创新效率，使所有輸入和输出松弛变量的组合最大化：

A.研发阶段：

B.成果商业化阶段

其中，研发阶段为投入导向，成果商业化阶段为产出导向。

表示第一阶段投入i和第二阶段产出k的松弛变量，得到技术创新整体效率（E”P）、研发阶段效率（ERD）和成果商业化阶段效率（Em）：

其中，0和gk分别是投入i的权重和产出k的权重，m和o2分别表示两阶段权重。

（三）Tobit回归模型构建

采用Tobit回归模型考察技术创新整体效率及其子阶段效率的影响因素，模型构建如下：

其中，Y代表因变量，Y。是潜变量，当潜变量为正值时，表示技术创新效率。本文分别以技术创新整体效率（EP）、研发阶段效率（ER）和成果商业化阶段效率（Em）为因变量进行Tobi回归;X。为自变量，表示企业特征的变量，具体如表1所示;y是弹性系数。下标和t分别代表企业和年份，e是随机误差项。

三数据与变量

（一）样本选取与数据来源

本文选取2011-2019年沪深A股制造业上市企业为研究对象进行实证研究。制造业企业选取基于国家统计局发布的《国民经济活动行业分类》。其中，专利数据源于CSMAR数据库，其他数据源于Wind数据库。样本筛选要剔除含有缺失数据和具有退市风险（ST或ST*）的样本，最终得到包含465家制造业上市企业的平衡面板数据，包含4185个观测值。

（二）变量定义

一是投入产出指标。企业在上游研发阶段需要投入大量资源，本文将研发支出、员工工资和固定资产作为投入指标，分别代表研发过程的财力、人力和物力资源投入。研发活动的产出通常以专利和新产品的形式出现，本文使用企业专利申请量作为产出指标，由于不是所有的研发都拥有专利，因此选取无形资产作为第二个产出指标。研发阶段的产出变量也是成果商业化阶段的投入变量（即专利和无形资产）;在下游成果商业化阶段，选取营业成本、销售和管理费用为专项投入，最终产出指标定义为营业收入和总利潤，反映企业盈利能力是影响因素指标。变量的描述分析如表1所示。

四实证分析

（一）技术创新效率分析

时我国465家制造业企业2011-2019年技术创新整体效率（EP）、研发阶段效率（ERD）和成果商业化阶段效率（Em）进行测算，结果如表2所示。结果显示，样本企业年均技术创新整体效率低于0.6，企业平均技术创新整体效率在2011年为0.5429，在2019年为0.5579。制造企业技术创新资源利用率较差，有较大提升空间。制造企业研发阶段和成果商业化阶段效率均值分别为0.2403和0.8059，结果表明企业成果商业化阶段效率优于研发阶段效率，研发效率低下是制约技术创新效率的重要因素。研发和成果商业化效率差异大的主要原因：其一，我国以市场经济为主导，企业运营的目的是盈利，因此技术创新成果商业化阶段受到更多的关注，有效的成果商业化过程更加符合企业经营理念;其二，我国制造业致力于提高自主创新能力，核心技术研发需要进行大量的研究和试验，造成了部分研发资源的浪费。研究结果说明研发阶段比成果商业化阶段具有更多的开发潜力，提高研发效率需要合理配置技术创新资源，避免过度投资造成的资源浪费。

本研究进一步分析样本企业技术创新效率的时序变化，采用Pastor和Lovel2的全局前沿Malmquist指数，测算技术创新全要素生产率（TFP）、技术进步指数（TECH）和效率变动指数（TECCE），结果如表3所示。根据表3结果发现我国制造业企业技术创新全要素生产率年均大于1，表明2011-2019年间我国制造业企业技术创新整体效率逐年提升，虽然技术创新整体效率表现较差，但是技术创新资源利用情况逐年得到改善。效率变动指数反映了技术创新生产技术的“追赶”效应，我国制造企业样本期间效率平均提高了1.7%。其中，2012-2013、2014-2015、2016-2017和2018-2019年间效率变化指数小于1，意味着企业平均效率下降，在技术创新发展中没有形成“追赶”效应，效率变化没有促进技术创新效率提升。技术进步指数均值为1.1319，表明总体而言我国制造企业技术创新取得技术进步。从价值创新链视角分析，研发阶段全要素生产率均值大于1，说明除20182019年外，研发效率逐年得到改善：成果商业化阶段自2015年起，效率逐年提升。表3结果表明，我国制造业企业技术创新效率变动趋势同时受技术进步和效率变动的作用。

（二）技术创新效率差异对比分析制造业企业技术创新效率针对不同产权性质区域和行业具有异质性。通过图2可对比不同产权性质企业技术创新效率。在样本期间内，制造业国有企业研发效率显著低于非国有企业;除2015和2016年外，国有企业成果商业化效率高于非国有企业，但差异较小;综合看来，国有企业技术创新整体效率低于非国有企业。非国有企业面临激烈的市场竞争和投资预算限制，同时，大多数中国高科技公司都是非国有企业，企业属性要求企业具有产品差异化优势，因此更有可能以更高的效率开展研发活动。而国有企业更易获得政府融资、税收抵免和多元化的分销渠道，同时制造业企业为了企业存续，都较为重视传统经济效益的实现。研究结果再次证明，研发效率低下是抑制企业技术创新效率的关键因素。

表4列出了各区域技术创新效率值。从区域角度看，中部地区的研发效率和技术创新整体效率均高于东部地区，而成果商业化效率低于东部地区这一结果显示了东部沿海地区具有经济规模优势和较强的市场竞争力，更加重视企业经济效益;中部地区通过调整产业结构、优化资源配置、引进先进技术能够实现技术创新的空间较大。根据表4看出，西部地区技术创新效率最优。这一现象验证了西部大开发战略工作的成效显著。随着西部大开发工作开展，西部地区产业结构得到优化升级。具体来说，西部地区根据其独特地域特征和资源优势，形成了符合当地特色的产业基地，其中包括西安、成都等地已经形成一定规模的高新技术产业。西部地区凭借其较低的人力物力成本，引进或开发了先进科技研发活动，提升了企业生产效率，从而拥有较高投入产出比。从地区角度看，2011-2019年间，我国大部分地区制造业企业技术创新效率稳步提高，但河北、辽宁、安徽、重庆、甘肃和西疲五地区技术创新效率却逐年下降。我国各地技术创新效率不同，导致各地区技术创新效率变动具有显著差异，如辽宁、甘肃和重庆具有较高的技术创新整体效率，但其技术创新效率呈逐年下降趋势。相反，像广西和浙江等技术创新整体效率低下，但其技术创新效率呈逐年提升趋势。

根据国民经济分类标准，本文将样本企业划分为28个子行业，计算各行业技术创新效率均值如图3所示。结果显示，我国各行业研发效率和成果商业化效率差距较大，研发与成果商业化关系不协调，研发瓶颈是我国制造业各行业技术创新的短板，我国制造业应注重提高研发资源利用率。技术创新整体效率排名前三行业均属于低技术产业，分别是石油、煤炭及其他燃料加工业，木材加工和木、竹、藤棕、草制品业，酒、饮料和精制茶制造业。上述行业企业研发投人低，主要以优化改进产品为主，较低水平的研发资源投人可获得较高水平产出，从而具有较高的研发效率，形成较高的技术创新效率。相反汽车制造业以及铁路、船舶、航空航天和其他运输设备制造业属于高技术产业，其技术创新整体效率处于较低水平。高技术产业具有研发成本高、周期长难度大的特征，降低了研发投入产出比，虽然具有较高市场效益，但研发效率低下抑制了技术创新整体效率。

（三）技术创新资源利用模式分析

根据研发阶段效率和成果商业化阶段效率，制造业企业技术创新发展模式可以分为四类（如图4所示）。

A类：集约型。晓程科技（0.8562，0.9172）和老风祥（0.4426，1.0000等共62家企业属于这一类型。这类企业具有良好的研发资源配置和成果转化机制。

B类：侧重成果商业化，研发能力较弱。长春高新（0.0858，1.0000和上柴股份（0.0246，0.8832）等共166家企业属于此类。这类企业存在技术研发方面的短板，其技术创新尚未涉及产业核心技术开发和系统性集成技术。同时，研发过程的资源浪费和产出不足现象使研发效率低下，企业可以通过增加技术积累和掌握核心关键技术实现规模化生产，以利于提高研发产出绩效。

C类：粗放型。沪电股份（0.0432，0.8017）和杭齿前进（0.1758，0.5925）等129家制造业企业研发效率和成果商业化效率均较低。此类企业创新资源配置不合理、利用率较低，不重视研发成果的市场价值兑现，导致企业投入大量的研发资金和人力，但产出低下的局面。

D类：侧重研发，成果商业化程度较低。这类企业对应机器人（0.8560，0.6832）和国民技术（08140，0.4948）等108家。D类企业具有一定的技术累积，但研发成果产业化机制不完善，市场导向不明确，研发活动生产的专利产出和非专利产出没有实现其市场价值，浪费企业创新资源。该类企业亟需开展符合市场需求的创新活动，使企业实现商业价值。

我国集约技术创新型制造业企业较少，仅占样本总量的13.33%，绝大多数企业的研发活动与商业转化之间联系脱钩。我国不断加大创新投入力度带动了研发产出的量化增加，但研发活动的技术含量和产出转化率低下，研发产出的增加没有带来同等的经济效益提升，导致我国制造业企业整体技术创新效率较低。

（四）影响因素分析

本文通过构建Tobit回归模型，分析我国制造业企业技术创新效率影响因素，为提升技术创新效率途径提供参考，回归结果如表5所示。对比研发阶段和成果商业化阶段影响因素发现，发明专利和非发明专利申请对研发阶段效率提高具有显著促进作用;相反，发明专利和非发明专利申请对成果商业化阶段效率具有显著抑制作用。这一现象是由于专利从开发到应用周期较长且需要投入大量资源，但在短期内无法实现经济效益，造成效率差异的影响。企业规模仅对成果商业化阶段效率具有显著负向作用，表明企业规模的增大反而会加大企业财务负担，抑制技术创新成果商业化水平。员工教育水平对企业技术创新研发效率具有显著正向作用，表明高学历科研人员是企业开展研发活动的主体，但不能显著影响研发成果的市场化进程。股权集中度系数仅在研发阶段显著为负，即股权结构的高度集中不利于提高企业研发阶段效率。出口程度对研发阶段效率具有显著负向作用。企业存续年限系数在研发阶段显著为负，在成果商业化阶段不显著，表明随企业存续年份的增加，企业技术创新发展疲软态势使其面临研发瓶颈，从而使研发水平不断下降。企业产权性质和资产负债率水平对技术创新各阶段效率不具有显著影响1。企业成长性对研发效率的提高具有显著抑制作用，结果表明營业收入的增长不利于技术创新效率的提升。企业盈利能力对制造业企业的研发阶段效率没有显著影响，而对成果商业化阶段效率具有显著的正向影响。研究表明，高盈利能力有助于企业将投入资源转化为技术优势和收益，促进研发成果实现商业化目标。高技术产业系数在研发阶段效率显著为负，表明高技术企业相比低技术企业具有较低的研发资源利用率。现金流动系数为正，但仅在成果商业化阶段具有显著性，表明现金流动性増强会提高成果商业化效率。

五结论与建议

本文以我国2011-2019年制造业上市企业为研究对象，测算其技术创新效率及影响因素，为有效评价我国制造业企业技术创新情况及提升路径提供依据。首先，我国制造业企业技术创新整体效率表现较差，存在较大的提升潜力，但其在样本期内逐年得到改善。其中，成果商业化阶段效率优于研发阶段效率。其次，不同产权性质、区域、行业的企业技术创新效率具有异质特征，且研发阶段效率对技术创新整体效率影响较大，是抑制技术创新整体效率的主要因素。再次，我国集约技术创新型制造业企业稀缺，大部分制造业企业均为低开发的技术创新模式，占比超60%，研发和成果商业化之间关系脱钩，需要关注技术创新短板，致力于提升薄弱环节。最后，制造业企业技术创新整体及其子阶段效率影响因素具有较大差异。发明专利和非发明专利的开发均有助于提高研发阶段效率，但不利于成果商业化阶段效率提升。员工教育质量提高、盈利能力和现金流动性的增加对技术创新整体效率是有利的，可以显著促进技术创新效率提高。相反，企业出口程度、存续年限、成长性和高技术产业会显著抑制技术创新整体效率提高。

结合研究结果，以下政策建议供决策者参考第一，提高技术创新效率已成为制造业企业可持续发展的关键。企业需保持技术创新投资的合理递增，避免盲目扩张和重复建设，实现以技术创新为驱动，推进产业结构优化升级和持续增长。第二，搭建企业技术创新服务平台，完善技术创新政府支持机制，为制造业提供税收抵免等研发补贴政策，以应对技术创新成本高、周期长等特征带来的潜在风险，为企业研发活动的长期有效开展提供充分的资源支持。第三，制定以补齐短板为导向的效率提升路径，优化技术创新资源利用模式。研发能力较弱企业需要同时大力支持发明、实用型和外观设计型非发明专利的研发，引进高质量人才提高知识内化能力，同时鼓励创业型企业进入市场，激发市场活力，提升企业研发动力和产出水平。成果商业化能力较弱企业则需要注重销售渠道的拓展，研发以解决市场实际问题的产品和服务，使研发成果成功实现商业化目标，避免盲目扩大企业规模以加重企业负担。粗放型企业应该以提高成果商业化为突破口，通过合理追加资源投入、配置资源、引进再创新等途径提高研发效率，从而实现技术创新整体效率提升。

[参考文献]

[1]江红莉，蒋鹏程.财政分权，技术创新与经济增长质量[J].财政研究，2019（12）：75-86.

[2]朱慧明，王向爱，贾相华.社会责任和研发投入对企业绩效影响的分位关系研究[J].湖南大学学报（社会科学版），2019（5）：47-55

[3]张峰，黄玖立，王睿.政府管制、非正规部门与企业创新：来自制造业的实证依据[J].管理世界，2016（2）：95-111+169

[4]Wang E. R&D Efficiency and Economic Performance Cross-country Analysis Using the Stochastic Frontier Approach[J]. Journal of Policy Modeling. 2007（2）： 34536

[5]王红建，曹瑜强，杨庆，等.实体企业金融化促进还是抑制了企业创新——基于中国制造业上市公司的经验研究[J].南开管理评论，2017（1）：155-166

[6]成琼文，贺显祥，李宝生.绿色技术创新效率及其影响因素——基于我国35个工业行业的实证研究[J].中南大学学报（社会科学版），2020（2）：97-107

[7]charnes A， Cooper W， Rhodes E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978（6）：429-444.

[8]李诗琪，杨晨.金融发展对绿色创新效率的影响研究[J].江西师范大学学报（哲学社会科学版），2018（6）：84-92

[9]雷辉，郑艳.资源禀赋差异下中国工业企业的环境创新效率研究[J].财经理论与实践，2018（4）：131-137.

[10] Wang Q， Hang Y， Sun L. Two-stage Innovation Efficiency of New Energy Enterprises in China： A Non-radial DEA Approach J l. Technological Forecasting and Social Change2016（12）：254-261.

[11] Cruz Cazares C， Bayona-saez C， Garcia-marco T. You Can’t Manage Right What You Can't Measure Well： TechnologicalInnovation Efficiency[J]. Research Policy， 2013（6-7）： 1239

[12] Wu H， Chen I， Chen [J]. The R& D Efficiency of the Taiwanese Semiconductor Industry[J]. Measurement， 2019（7）： 203213

[13]劉亦文，欧阳莹.我国新一代信息技术产业创新效率的时空特征与动态演进[J].湖南大学学报（社会科学版），2020（5）：52-6

[14] Hage J， Hollingsworth [J]. A Strategy for the Analysis of Idea Innovation Networks and Institutions J 1. Organization Studies，2000（5）：971-1004

[15] Hansen M， Birkinshaw [J]. The Innovation Value Chain J Harvard Business Review， 2007（6）： 961-977

[16] Carayannis E， Goletsis Y， Grigoroudis E. Multi-level Multi

stage Efficiency Measurement： the Case of Innovation Systems[J]. Operational Research， 2015（2）： 253-274

[17]方正起，张宝承，秦杰.创新价值链视角下我国上市军工企业技术创新效率评价研究[J].经济与管理评论，2019（6）：37-48

[18] Xiong X， Yang G， Guan Z. Assessing R& D Efficiency Using a Two-stage Dynamic DEA Model： A Case Study of Research Institutes in the Chinese Academy of Sciences[J]. Journal O Informetrics， 2018（3）： 784-805

[19] Qin X， Du D. Measuring Universities，R&D Performance in China's Provinces： A Multistage Efficiency and Effectiveness Perspective [J]. Technology Analysis & Strategic Management，2018（20）：1392-1408.

[20] Pastor J， Lovell C A Global Malmquist Productivity Indexlj Economics Letters. 2005（2）： 266-271

[21]宾厚，马全成，王欢芳.政产学研协同创新模式与产业技术创新

质量[J].湖南科技大学学报（社会科学版），2020（4）：70-79.