创新要素协同、市场化改革与制造业高质量发展

贺灵 付丽娜

基金项目：国家社会科学基金项目（20BJY104）

作者简介：贺 灵（1980— ），男，湖南平江人，博士，湖南科技大学商学院教师，研究方向：产业创新与金融发展;付丽娜（1982—），女，湖南湘潭人，博士，湘潭大学商学院教师，研究方向：数量经济与产业发展。

摘 要：基于2004-2018年30个省级地区的面板数据，运用动态面板数据模型与门槛效应模型，考量创新要素协同对制造业高质量发展的影响机制。结果显示：科技创新、现代金融、人力资源等创新要素协同对制造业高质量发展具有显著的正向效应，且存在明显的时间差异性和空间异质性;资源配置、产业融合、技术进步及需求升级在创新要素协同促进制造业高质量发展的过程中起到中介作用，市场化改革进程具有调节作用。

关键词：高质量发展;市场化配置改革;创新要素协同;传导机制

中图分类号：F273.1 文献标识码：A 文章编号：1003-7217（2021）06-0126-06

一、引 言

在经济进入高质量发展的现阶段，如何促进制造业质量变革、效率变革、动力变革进而实现高质量发展成为理论界和实践领域所关注的重要课题。十九大报告创造性地从要素投入角度提出我国要建立实体经济、科技创新、现代金融、人力资源“四位协同”的现代产业体系。“四位协同”的关系本质上是指各类创新资源要素间的互动关系及其对实体经济的影响机制，其内在逻辑同样适用于制造业与相关创新要素之间。可见能否推动制造业高质量发展是检验创新要素协同作用效果的重要标准。此外，要素市场化配置改革对创新要素供给质量、要素流动及要素间互动很有可能会产生深远影响。那么，创新要素协同是否推动了我国制造业高质量发展？影响的内在机制是什么？要素市场化配置改革在两者关系间产生何种作用？对以上问题的解答具有重要的理论价值和现实意义。

狭义的创新要素包括研发人员和研发资本。广义的创新要素涵盖创新主体、资源及环境要素[1]。制造业高质量发展是指在兼顾调整制造业内部结构的同时，着重突出制造业与现代服务业融合、对资源的集约利用及对生态环境的保护[2]。学者们讨论了企业家创新精神对制造业出口技术复杂度的影响以及要素禀赋结构尤其是研发资金投入对制造行业标准供给的作用[3，4]。有学者从产业政策、国际贸易、突发事件等方面研究了制造业发展的影响因素[5]。技术研发投入对企业的创新绩效影响显著[6];人力资源结构高级化会通过劳动生产率的提升和技术创新的强化作用于服务业结构升级[7];创新要素的空间集聚能产生技术外部性和金融外部性，从而影响产业的发展[8]。

为此，本文借鉴和参考已有文献成果，在理论机制分析基础上构建动态面板数据模型等模型方法，基于2004-2018年30个省级地区的面板数据展开实证检验，分析创新要素协同、市场化改革与制造业高质量发展三者之间的关系，并根据实证结果提出相应对策建议。

二、理论分析与研究假设

理论上分析，创新要素协同可能通过优化资源配置等机制对制造业高质量发展产生推动作用。

创新要素协同对提高資源配置效率的作用。（1）要素供给方面。创新要素培育、供给质量改善能增加制造业所需的创新要素存量，为产业提质升级所需的创新要素间最优配置的实现提供保障。高水平原创性技术成果、创新性金融产品、受更好教育的人力资源对要素生产率提升有促进作用[9]。（2）要素间协调匹配方面。制造业运营离不开多种创新要素组合，某种要素须与其他要素在量和质两个层面组合方能实现产品生产。要素间协调匹配能充分发挥各类要素的功效，从而提升要素边际生产率，实现要素优化配置。（3）要素流动方面。在逐利动机驱使之下创新要素会流向投资收益率更高的项目，以提升企业或行业的投入产出效率，进而实现创新资源配置动态优化及制造业提质增效[10]。

创新要素协同对产业融合的促进作用。（1）创新要素协同能从“投入融合”层面促进制造业服务化。专业性人力资源的培育及流入能提高对其他资源的整合配置与吸收能力，为制造企业战略调整、技术变革及新模式新业态产生提供保障[11]。大数据技术等要素导入能支撑企业发展网络协同制造等先进模式从而促进制造效能提升。现代金融的导入可扩大制造企业融资渠道、降低资金使用风险及成本从而化解融资约束和提高企业资本配置效率[12]。（2）创新要素协同能从“产出融合”层面促进制造业服务化。产出服务化可为制造企业拓展服务业务、增加新的利润增长点。它是制造企业改善供给质量、形成差异化竞争优势的重要手段，能确保企业通过服务创新提高盈利能力。

创新要素协同对技术进步的促进作用。（1）创新要素协同能促进不同主体间研发合作。单个主体常基于各自比较优势开展专门化、精细化创新活动，而仅凭某项专门化的技术难以完成系统性研发。创新要素协同所促成的研发合作通过建立起网络关系能有效整合创新资源，将分散的技术知识变得更具系统性并将其高效应用于研发。这既利于制造企业从合作网络中获得外源性知识从而推动自身技术变革，又有助于降低被低端技术锁定的风险[13]。（2）创新要素协同能促进创新知识的转移或溢出。技术转移与溢出既可通过正式市场交易机制实现，也可通过人员间互动交流的非正式方式“自然传播”。制造企业对所溢出的新技术知识进行吸收、模仿、再创新，进而提高自身创新能力，推动企业产品升级和产业高质量发展。

创新要素协同对需求升级的推动作用。（1）创新要素协同会促使需求能力提升。当具有创新能力的高技能、复合型人才流入制造业后，其收入及占比会明显提高。金融产品创新既能缓解企业融资约束又可增加劳动者投资理财回报;而资本市场发展还能强化其财富增值功能，增加劳动者财产性收入。（2）创新要素协同会推动消费和生产性需求结构升级。因高素质人才受过良好教育并掌握相对充分的信息，故其对高技术含量产品有更强偏好从而拉动消费结构升级。大数据技术等向现代金融的渗透能降低金融服务成本，推动消费需求结构升级[14]。高端创新要素流入及相关生产活动会促使新材料、新设备等不断涌现，这将拉动生产性需求结构升级。需求结构升级会倒逼制造业更新技术、变革工艺进而推动产品升级和产业高质量发展[15]。

为此，提出待检验假设：

H1 创新要素协同推动了各区域制造业高质量发展;

H2 创新要素协同主要通过提高资源配置效率、推进产业融合、促进技术进步、拉动需求升级来推动制造业高质量发展。

三、计量模型、变量与数据说明

（一）计量模型设定

1. 基准模型的构建。构建式（1）所示模型检验创新要素协同对制造业发展的影响。

其中，i表示地区单元（i=1，2，…，30）;t代表时间序列（2004-2018年）;Hqu为制造业发展质量指数，X表示创新要素协同等解释变量;α为原始截距项;u为随机扰动项。制造业发展有路径依赖，上期发展质量对当期具有影响。式（2）“局部调整模型”可解释该滞后效应。

其中，ln Hqueit为发展质量预期水平，发展水平的实际改变（ln Hquit-ln Hqui，t-1）常小于预期改变（ln Hqueit-ln Hqui，t-1）。式（3）体现两者关系：

将式（3）代入式（2）获得式（4）基准模型动态面板数据模型。

式（4）中的Xit核心解释变量（Syn）外还包括基础设施水平（Inf）、城镇化水平（Urb）、外商直接投资（Fdi）、地区开放程度（Ope）、环境规制（Env）。

2. 递归模型的构建。构建如式（5）～（7）所示递归模型验证资源配置效应、产业融合效应等中介效应的存在性[16]。

式（6）、式（7）中的M 为中介变量，Xo，it代表除核心解释变量（Syn）外的其余变量。

（二）变量说明与数据来源

1.制造业发展质量。构建由工业新产品销售收入占比、高技术产业主营业务收入占比、一般工业固体废物综合利用率、制造业出口交货值占比、制造业产值增速组成的多元化测度指标[17]。借助效用值法对原始指标值进行标准化处理后，结合德尔菲法获得指标权重进而采用线性加权法求取各地区制造业发展质量水平综合指数值。

2.创新要素协同发展水平。从要素供给、流动、互动三层面构建指标。体现要素供给的指标：研究与开发机构R&D人员全时当量、高等院校R&D人员全时当量、高技术产业R&D人员全时当量[18];信贷市场发展水平、股票市场发展规模[19];高等学校R&D课题数、研究与开发机构R&D课题数、高技术产业R&D项目数[20]。体现要素流动的指标：企业获得外部人力资源的便利性、融资渠道给行业运营带来的障碍。体现要素互动的指标：工业企业科技活动获得金融机构贷款额、高校和科研院所科技活动资金中来自企业资金的比例、高校及科研院所R&D经费中来自金融机构资金的比例;万人R&D科学家和工程师数;区域金融人才的集聚程度。采用复合系统协同度模型测度创新要素系统的协同发展程度。

3.控制变量。采用各省市人均公路里程数衡量基础设施水平（Inf），城镇人口占地区总人口的比重体现城镇化水平（Urb），各地区进出口总额占其GDP比重衡量地区开放程度（Ope），制造业年度实际利用外资规模衡量外商直接投资（Fdi），各地区环境投资存量与资本存量比率衡量环境规制强度（Env）。

4.中介变量。采用工业企业销售费用率与管理费用率之和体现资源配置效应（RES），制造业的完全消耗系数体现产业融合效应（CON），基于专利申请受理数和技术交易额所得复合指标体现技术进步效应（TEC），劳动者报酬占行业增加值的比重体现需求升级效应（DEM）。

数据主要来源于《中国科技统计年鉴》《中国金融年鉴》《中国劳动统计年鉴》《中国高技术产业统计年鉴》《中国工业经济统计年鉴》《中国环境统计年鉴》《中国统计年鉴》相关年度以及省级和省际间投入产出表等渠道。时间跨度为2004-2018年，样本涵盖除西藏之外的30个省级地区（不含港澳台地区）。

四、实证检验及结果解析

（一）创新要素协同对制造业发展质量的影响分析

1. 总体影响分析。从表1中模型（1）的估计结果可知，ln Syn系数估计值为正（0.286）且显著，说明ln Syn对制造业发展有积极作用，这验证了假设H1。将ln Hqu（-1）纳入POLS和FE模型进行估计，并将结果与两步SYS-GMM法的估计结果对比。从表1可知，模型（1）中的ln Hqu（-1）系数估计值处于0.135和0.266之间。这表明模型（1）的两步SYS-GMM估计结果未存在明显偏差，意味着ln Syn的推动效应是显著且稳健的。

2.影响的地区差异。引入地区虚拟变量D，东部沿海省区取1，中西部省区则取0。借助表1中模型（4）的估计结果来考察ln Syn对制造业发展的影响是否存在明显地区差异。从模型（4）可以看出，在引入地区虚拟变量与ln Syn的交互项以后，ln Synit的系数估计值为0.231且显著，D×ln Synit 的系数估计值为0.130且显著，这便说明ln Syn对沿海省区制造业發展的影响更强劲。

3.影响的时期差异。将金融危机前的2004-2007年间时间虚拟变量的值设定为0，2008-2011年间取值设定为1;将十八大前的2008-2011年间取值设定为0，2012-2018年间取值设定为1。表1模型（5）的报告结果显示，ln Syn系数估计值显著为正（0.222），T1×ln Synit的系数估计值为0.114且显著。这就表明ln Syn对制造业发展不仅产生了正向作用，且金融危机后的促进效应更强。从模型（6）的估计结果可知，ln Syn的系数估计值显著为正（0.203），T2×ln Synit的系数估计值为0.146且显著。这就表明ln Syn对制造业发展不仅有正向作用且十八大后其推动效应更强。

（二）基于递归模型的传导机制检验

采用两步系统GMM方法检验四个中介效应，其结果列示在表2中。Hansen检验和AR检验结果说明采用的两步系统GMM估计方法是有效的。

从表2模型（1）可知，ln Syn系数估计值为负（-0.284）且显著，这说明创新要素协同发展有效地降低了制造行业的管理成本和市场交易费用。模型（2）的估计显示，ln Syn的系数估计值为正，而变量RES的系数估计值为负，且ln Syn系数估计值（0.254）小于式（4）中相应估计值0.286。从模型（3）可知，ln Syn系数估计值为正（0.194）且显著，这说明创新要素协同有助于促进制造业与相关要素的互补性、渗透性融合。模型（4）的估计显示，ln Syn和变量CON的系数估计值都为正，且ln Syn系数估计值0.171小于0.286。从模型（5）可知，ln Syn系数估计值显著为正（0.230），这说明创新要素协同促进了研发合作，推动了技术成果的转移和溢出。模型（6）的估计显示，ln Syn和变量TEC的系数估计值都显著为正且ln Syn系数估计值0.238小于0.286。从模型（7）可知，ln Syn系数估计值显著为正（0.214），这说明ln Syn有利于劳动者收入水平的提高。模型（8）的估计显示，ln Syn和变量DEM的系数估计值都显著为正，且ln Syn的系数估计值0.232小于0.286。以上检验表面，四个代理变量都起到了部分中介效应，至此假设H2得到了验证。

五、市场化改革影响的门槛效应

构建如式（8）所示的以要素市场化改革及细分要素市场发展为门槛变量的面板门槛模型，考察可能由各地市场化改革进程的不同导致的创新要素协同影响效果的差异性。

其中，M为门槛变量（要素市场化改革Fac、劳动力市场发展Lab、资本市场发展Cap、技术市场发展Tec）;δ为待估计的门槛变量具体取值，I（.）代表示性函数;β代表ln Syn的影响系数;γ为其余变量的影响系数。在采用Boostrap（自抽样法）1000次运算后获得相关门槛变量的门槛数、F统计值、P值及具体的门槛估计值和置信区间。检验表明，四个门槛变量都仅存在单一门槛，门槛模型估计结果见表3。

从表3中模型（1）的估计结果看，ln Syn对ln Hqu的影响存在明显门槛特征。当要素市场发展（Fac）低于门槛值5.224时，ln Syn_1 的正向效应不明显，其估计值0.179不显著。但当Fac超过门槛值5.224后，ln Syn_2系数估计值增加到0.214且显著。从模型（2）-模型（4）的估计来看，ln Syn对ln Hqu的净影响也呈现明显门槛特征。当Lab小于门槛值6.632时，ln Syn的影响系数为-0.116但不显著;随着Lab跨越门槛值，ln Syn的影响系数明显为正（0.227）且显著，这说明ln Syn的促进效应得到了较为充分的发挥。对于Cap低于门槛值7.652的省级地区，ln Syn_1 的正向作用不理想，其系数估计值为0.986;然而对于Cap跨过门槛值7.652的地区，ln Syn_2的作用力度明显变大（估计值0.242）且显著。当Tec跨过门槛值7.956时，ln Syn的促进作用更强了。

六、研究结论与政策启示

通过研究获得相应结论如下：创新要素协同促进了各地区制造业高质量发展，其影响存在明显地区和时期差异;创新要素协同的作用主要通过提高资源配置效率、推进产业融合等机制实现;市场化改革对创新要素协同的作用效果有影响。

基于研究结论得出以下建议：

（1）制定改善要素条件的政策措施。围绕科研机构分类改革、收入分配机制改革、融资体系构建展开科技政策、人力资源政策、金融创新政策设计，实现研发投入、人才培养、金融产品创新的突破。提高科技创新贡献度，通过完善制度保障成果转化中各方合法利益，以增强科技成果流向制造业的意愿;增强人力资源支撑作用，重视通过削减过剩产能、优化供求结构来实现盈利能力提升从而增强高端人力资源流入制造业的意愿;促进现代金融更好服务于制造业，改变“金融空转”、资金“脱实向虚”现状。确保融资方式与处于不同阶段的科技创新相匹配;畅通人才进入科技及金融领域发展的通道，增强人力资源对科技创新及现代金融发展的支撑作用。

（2）重视资源配置效率提升政策等匹配性政策优化。在资源配置方面，应矫正要素市场扭曲，增强资本及其他资源流动性，尤其要减少非国有制造企业存在的投融资障碍。在两业融合方面，应推进管理行政体制改革，推动法律法规和规章文件清理、市场准入规则完善，破除禁锢融合的体制机制障碍。在技术进步方面，要通过产学研合作创新机制的构建来强化制造企业、高校、科研机构间的合作关系;重视技术转移渠道构建，通过正式渠道的完善来促进新技术知识在合作主体间的转移与溢出。在收入分配方面，要通过促进劳动者工资性收入和财产性收入的增加来提高其消费能力。

（3）推进要素市场化改革及促进各细分要素市场发展。健全和完善间接融资体系，通过促进中小银行机构发展來增加金融服务有效供给;坚持市场化法治化改革方向，通过构建和完善主板、科创板等多层次直接融资体系增强对制造业的资本有效供给。借助互联网信息平台构建、科技中介培育等手段来解决技术交易市场上供需间成果信息共享问题，进而促进成果转移和高效转化。破除阻碍各类人才跨地区、跨行业转移的制度藩篱，通过深化户籍制度改革、完善技能评价制度等手段促进人才合理流动。

参考文献：

[1] 肖兴志，徐信龙.区域创新要素的配置和结构失衡：研究进展、分析框架与优化策略[J].科研管理，2019，40（10）：1-13.

[2] 史丹，李鹏.中国工业70 年发展质量演进及其现状评价[J].中国工业经济，2019（9）：5-23.

[3] 程锐，马莉莉. 企业家精神、要素配置效率与制造业出口升级[J].产业经济研究，2019（6）：89-101.

[4] 侯俊军，钟灵子.要素禀赋结构与标准供给：基于中国制造业行业面板数据的实证研究[J].湖南大学学报（社会科学版），2019，33（4）：66-72.

[5] Aghion P， Dewatripont M. Industrial policy and competition [J]. American Economic Journal：Macroeconomics， 2015， 7（4）：1-32.

[6] Coad A ， Segarra A ， Teruel M. Innovation and firm growth：Does firm age play a role？[J]. Research Policy， 2016， 45 （2）：387-400.

[7] 戴魁早，李晓莉.人力资本結构高级化、要素市场发展与服务业结构升级[J].财贸经济，2020（10）：129-146.

[8] Desbordes R， Wei S J. The effects of financial development on foreign direct investment [J]. Journal of Development Economics， 2017， 127（2） ：153-168.

[9] 付保宗，盛朝迅，徐建伟，等. 加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系研究[J].宏观经济研究，2019（4）：41-52.

[10]Frank A G， Cortimiglia M N. The effect of innovation activities on innovation outputs in the Brazilian industry：Market-orientation vs technology-acquisition strategies[J].Research Policy， 2016， 45（3）：577-592.

[11]Giri B C， Roy B， Maiti T.Coordinating a three-echelon supply chain under price and quality dependent demand with sub-supply chain and RFM strategies[J].Applied Mathematical Modelling， 2017（52）：747-769.

[12]陈创练，庄泽海，林玉婷. 金融发展对工业行业资本配置效率的影响[J].中国工业经济，2016（11）：22-38.

[13]Noni I D， Orsi L， Belussi F. The role of collaborative networks in supporting the innovation performances of lagging-behind European regions[J].Research Policy， 2018， 47（1）：1-13.

[14]杨伟明，粟麟.数字金融是否促进了消费升级？——基于面板数据的证据[J].国际金融研究，2021（4）：13-22.

[15]陈丽娴，魏作磊.地区制造业服务化程度与劳动者工资收入：基于CHIP 数据的经验研究[J].财经论丛，2019（5）：13-21.

[16]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014（5）：731-745.

[17]刘瑞，郭涛.高质量发展指数的构建及应用：兼评东北经济高质量发展[J].东北大学学报（社会科学版），2020，22（1）：31-39.

[18]刘友金，易秋平.产学研协同创新对地区创新绩效的影响：以长江经济带11省市为例[J].经济地理，2017，37（9）：1-10.

[19]王曼怡，甄晗蕾. 金融发展与微观企业技术创新关系研究：来自制造业的经验证据[J].山东社会科学，2019（9）：130-135.

[20]陶长琪，徐茉.经济高质量发展视阈下中国创新要素配置水平的测度[J].数量经济技术经济研究，2021（3）：3-22.

（责任编辑：钟 瑶）