中国高技术制造业产业集中度与技术创新研究

李 颖

(中国社会科学院 工业经济研究所，北京 100006)

关键字：产业集中度；技术创新；高技术制造业；数字经济；区域发展

一、问题提出

十九届五中全会指出“坚持创新在中国现代化建设全局中的核心地位”及十四五规划明确“坚持创新驱动发展”均表明创新是中国经济高质量发展的重要保障。工业制造业作为国民经济的支柱，对国家经济发展的重要性毋庸置疑。然而中国制造业发展面临着自主创新性不强、“卡脖子”技术受制于人等现实问题。对比传统制造业，高技术制造业由于具有高技术创新含量、高附加价值等特点，已成为继传统制造业后的国民支柱产业，是国家科技实力和产业竞争力的重要体现，在拉动对外贸易、促进经济结构转型等方面，已成为炙手可热的新经济增长点。

影响产业技术创新的原因众多，以谢勒(Sherer，1980)为代表的西方产业组织学者认为，市场结构决定市场行为，进而决定市场绩效(SCP范式)，而决定市场结构的首要因素就是产业集中度[1]。对产业集中度与技术创新关系的学术探讨方兴未艾、莫衷一是。然而相关实证结果缺乏解释力，很大一部分原因在于相关研究未系统地考察企业和产业技术创新行为与绩效变化的基础性源泉，且不同国别、不同产业面临的技术机会、技术需求条件、产业发展能力和特征等均不同，这也是导致相关实证检验出现“明显混乱结果”的重要原因。本文把研究对象界定为中国高技术制造业，根据技术创新研发阶段和成果转换阶段选取研发效率和商业化绩效两类技术创新绩效指标，探讨中国高技术制造业产业集中度如何影响技术创新绩效，以及中国高技术制造业技术创新如何反作用于产业集中度。

对比发达国家，中国高技术制造业处于发展的较初级阶段，受市场发展的限制，产业集中度与技术创新互动作用机理可能不同于发达国家。以“大智移云网”(大数据、人工智能、移动互联网、云计算、物联网)为代表的新一轮数字技术引发全球产业链、价值链和供应链重构。十八大以来中国数字经济蓬勃发展，十九大更是提出建设数字中国的目标和要求，数字经济在推动资源配置、产业升级上的积极作用将在未来经济发展中迭现。那么，数字经济发展如何影响产业集中度与技术创新绩效？

针对这一问题，本文可能的边际贡献在于，从地区维度面板数据考察中国高技术制造业产业集中度与技术创新研发阶段和成果转化商业化阶段的关系，对中国高技术制造业的技术创新发展及产业和地区相关政策的制定具有现实意义。同时，考虑到地区间数字经济发展对两者关系的调节影响关系，也为数字经济趋势下的产业政策等提供有效解释。

二、文献综述和假设提出

(一)文献综述

诸多学者均强调创新对经济发展的巨大作用。简泽等(2017)以熊彼特视角分析了产业集中度对技术进步的影响[2]。新古典经济增长理论如哈罗德-多马模型(Harrod-Domar Model)[3-4]、索罗(Solow)模型[5]、阿罗(Arrow，1971)[6]干中学理论、罗默(Romer，1990)[7]的技术内生增长理论、波斯纳(Posner，1961)[8]的技术差距等理论从不同方面解释说明了技术创新通过推动产业生产率变化促进经济增长。

产业集中度与技术创新的关系始终是相关领域学者研究的重点。随着研究深入，学者们发现两者之间并非单纯线性关系，而是分别呈现“U型”关系、“倒U型”关系、“M型”关系、“V型”关系等。熊彼特“破坏性创造”假说开启的“产业集中度影响创新”得到大量理论和实证验证[9]。以科恩(Cohen，1987)等为代表的学者支持熊彼特的低产业集中度会对技术创新产生正向激励效应的观点[10]；以阿罗(Arrow，1962)为代表的学者认为完全竞争更有利于发明创新[11]；以曼斯菲尔德(Mansfield，1971)为代表的学者提出 “倒U型”假说，认为产业集中度对技术创新的影响是非线性的[12]。玛西亚(Marcia，2019)等通过实证检验发现产业集中度与技术创新的“U型”关系[13]。随着产业组织理论发展，芝加哥学派认为绩效是对市场结构的一种回应，对哈佛学派的结构决定论提出挑战。基于此，技术创新绩效对产业集中度影响的研究发轫，如有学者指出不同的创新(具体包括突破性创新、渐进性创新、产品创新与过程创新)对产业集中度的影响不同[14]。还有学者运用中国电子信息行业数据验证技术创新对产业集中度产生影响[15]；通过实证研究中国长三角城市群内制造业产业集中度与技术创新的关系，发现两者存在正向互动关系[16]。

与产业集中度对技术创新的影响研究相比，关于技术创新对产业集中度影响的相关研究数量不多。虽然主张“市场内生性”的学者们认为技术创新被产业特征如产业需求、技术机会等更本质因素决定，但不可否认，产业集中度与技术创新之间存在不可忽略的相互作用。无论是互为因果关系，还是产业集中度与技术创新在市场过程中由其他外部因素共同决定，从特定产业层面来看，技术创新对产业集中度的影响具有一定敏感性。罗森布鲁姆和阿伯内西(Rosenbloom & Abernathy，1982)用联立方程模型证明技术创新对产业集中度存在长期正向影响[17]。福田(Futia，1980)通过动态随机模型证明技术创新对产业集中度影响呈“倒U型”[18]。不同技术创新类型如渐进性创新与颠覆性技术创新对产业集中度影响不同[19]。克莱普(Kleeper，2002)认为技术创新导致产品存在生命周期的不同阶段，进而导致各阶段产业集中度的差异[20]。余东华(2006)比较了在不对称信息情况下，在位企业和潜在企业增加技术创新投入对产业集中度的影响[21]。张政(2013)研究发现，无论长短期，技术创新都显著降低了行业的市场集中度[22]。

通过文献梳理可以看出，现有研究对产业集中度与技术创新的关系多集中于单向；将产业、企业同质简化，将两者不同层面因素混为一谈(如用企业规模代替产业集中度)，认为产业是企业的简单加总。有文献中出现“降低市场竞争程度，增加创新者利润从而鼓励创新”“提高产业集中度，避免过度竞争”与“中国企业自主创新能力不足主要是市场的竞争程度不够所导致”相互矛盾的说辞；对两者关系的研究较少涉及其他重要因素的影响，单纯考虑两者之间关系的研究较多。而在数字经济趋势下、在全球化浪潮的推进下，中国高技术制造业如何借力数字经济发展等问题均值得进一步探索。

基于此，本文对上述问题进行探讨，具体包括：考虑区域经济对经济发展的重要作用，以中国省级高技术制造业面板数据为依据，考量产业集中度与技术创新不同阶段绩效(研发效率、商业化指数)之间的关系；在方法选取上，除基础模型(最小二乘模型、固定效应模型、随机效应模型)外，还考虑内生性含工具变量两阶段最小二乘法(2SLS)和三阶段最小二乘法(3SLS)，全面刻画中国高技术制造业产业集中度和技术创新关系；以地区间数字经济差异为调节变量，考察地区间数字经济发展如何影响产业集中度与技术创新的关系。

(二)机理分析及假设

1.产业集中度对技术创新的双重作用

产业集中度对技术创新绩效的影响是两方面的：一方面是“熊彼特效应”，熊彼特效应产生的原因在于技术创新的前期研发投入需要注入大量资金，这部分资金多来源于累计利润，累计利润又来源于超额利润，企业需要在激励竞争中胜出，取得垄断地位获取超额利润。加尔布雷思(Galbraith，2008)强调了垄断在资源保障方面对技术创新的促进作用[23]，超额利润的存在激发了企业内部进行技术创新研发的动力。另一方面是“逃离竞争效应”，逃离竞争效应是基于新进入者的租金消散效应产生的。新进入者的租金消散是指在局部均衡中，基于“理性经济人”假设的新企业会进入存在超额利润的部门，增加总产出，使价格下降，使竞争加剧，直至超额利润消失。因此，在位企业会对新进入企业所带来的竞争压力做出调整。为了延缓新进入企业对在位企业的替代，在位企业会产生逃离竞争效应。陈艳莹和吴龙(2015)认为逃离竞争的途径有模仿学习和加大异质性资源两种方式，即通过直接引进、模仿、学习先进的管理方式和技术水平以及通过特有技术形成差异化战略[24]。春山(Haruyama，2006)和迪诺普洛斯(Dinopoulos，2007)认为多元技术创新、累积创新和对技术创新产生的租金的保护动机是形成逃离竞争效应的主要来源[25-26]。总之，“逃离竞争效应”可以概括为在位企业为了阻止新进入企业的进入的行为，具体包括通过技术创新来向市场提供新的产品和服务，或提升效率降低成本和价格等。

高技术制造业由于其产业特征、技术创新强度和速度均高于传统产业，开放的市场环境赋予高技术制造业技术创新活力和进行持续技术创新的动力。在竞争环境下，高技术制造业面临更多技术机会，为了赚取更多利润会更主动地进行技术创新活动。中国高技术制造业在发展初期限制较少，进入门槛较低，高技术制造企业在利润驱动下形成较充分竞争局面，新产品也大多来源于对发达技术的引进、吸收、改造。由此，可以大致判断在高技术制造业发展初期，低产业集中度更有利于以新产品销售率衡量的技术创新绩效指标。然而过度竞争、恶性竞争会发出错误信号，打破市场规则，降低资源的配置效率，此时市场竞争产生了“挤出效应”，产业集中度对商业化能力衡量技术创新绩效的指标(新产品销售率)的影响发生转折，具体表现为影响的非线性，即拐点出现。

对研发效率(发明专利综合产出效率、发明专利技术产出效率)衡量技术创新指标的分析首先要基于研发的特点。研发具有高风险性、长周期、高投入等特点，只有具备一定实力的企业才有能力承受研发结果不确定性带来的风险。且企业需要有足够的投入(资金、人力)才能保障研发的可能成功。研发成果如果要转化成发明专利，还要求研发的企业具有盈利的资金保障。此时，需要低的产业集中度，非充分竞争时企业更易获取超额利润，可以满足其下一步的研发投入需求。然而过度集中，没有外在的压力，则缺乏研发动力，所以产业集中度对研发效率的影响也为非线性，也有拐点的出现。

基于上述分析，提出假设1和假设2。

假设1：对于中国高技术制造业，较低产业集中度、保持适度市场竞争有利于技术创新成果转化绩效提升，然而过度竞争又会损害市场正常秩序，阻碍技术创新商业化。

假设2：对于中国高技术制造业，产业适度集中有利于技术创新研发绩效提升，然而过度集中又不利于研发效率的提升。

2.技术创新对产业集中度的正反馈效应

技术创新对产业集中度影响主要体现在如下方面：一方面，颠覆性技术创新创造出新市场，颠覆性技术创新以替代式竞争使原有产业中优势地位企业发生变化，落后企业被淘汰出局，打破了产业进入壁垒，降低了产业集中度。另一方面，虽然技术创新造成暂时垄断与超额利润，看似阻碍了市场竞争，但从总体市场过程来看，对于技术创新而言，市场进入条件的重要性远大于市场势力。即便是高度垄断的企业，在自由进入、退出情况下，也会面临潜在进入者的明显威胁，不得不提高经营效率和改进创新能力以提高企业竞争力，从而增加市场份额。中国高技术制造业渐进性技术创新比例较高，整体处于充分竞争局面，技术创新存在的潜在压力使企业在竞争中占据优势地位，从而提高产业集中度，技术创新对产业集中度的影响作用更多表现为市场化作用，随着技术创新绩效(包括研发效率和商业化绩效)的提高，会引起一定程度的产业集中。

基于上述分析，提出假设3。

假设3：中国高技术制造业技术创新对产业集中度的影响均为正向。随着技术创新绩效的提高，产业集中度会上升。

3.数字经济发展的调节作用

数字经济时代技术特征与工业时代和农业时代有显著差别，以新一代信息技术为基础的数字经济业态具有网络附加效应。节点和连接构成网络两要素，随着时间推移，节点逐渐缩小，连接趋于多且强，是从个体到高度互联的跨越过程。随着网络上节点和连接数量增多，技术特征也向去中心化、多样化、通用化、跨界化、分散化、个性化、碎片化发展。互联网运行本身的逻辑在于打通地域、规模和时间的限制，合理重聚配置资源，强连接、富信息、跨时空、自由流动等网络特性，都为企业打破进入壁垒进而自由创新提供了技术保障。数字经济发展对产业集中度与技术创新两者关系起到调节作用。由前文假设可以看出，产业集中度对技术创新绩效的影响并非简单线性，故在不同产业集中度情况下，数字经济的调节影响不同，数字经济发展的调节效应随产业集中度变化而变化。对于以新产品销售衡量的商业化技术创新绩效，数字经济发展打通地域封锁，使新产品快速流入市场，降低了产业集中度对技术创新商业化绩效的边际影响。而对于以研发效率衡量的技术创新绩效，数字经济发展为研发提供基础支撑，工业互联网平台的搭建和物联网的发展均能提高研发效率，总体来说，地区间数字经济发展的不同程度使产业集中度对研发效率的边际影响效果进一步放大。

基于上述分析，提出假设4。

假设4：对于中国高技术制造业，随着数字经济的发展，产业集中度对技术创新商业化绩效的边际影响效果会不断下降，而产业集中度对研发效率的边际影响效果会不断上升。

三、模型设计与变量说明

(一)模型设计

本文样本选取面板数据，基础模型选定普通最小二乘法(OLS)、固定效应和随机效应模型，通过基础模型之间的检验确定最优模型。考虑到产业集中度与技术创新两变量间的内生性，选取面板2SLS分析和3SLS联立方程组进行估计(1)联立方程组模型估计方法一般可分为两类：单一方程估计方法和系统估计方法。单一方程估计法不考虑方程之间联系，对每个方程进行独立参数估计，用到的方法主要为两阶段最小二乘法(2SLS)。系统估计的方法即把联立方程组看作是一个整体进行系统估计。。同时，为进一步保证结果的准确性和稳定性，引入合适IV(工具变量)。基础模型如下：

(1)

hhiit=b10+b11TIPit+b1nZit+μi+εit

(2)

式(1)和式(2)中，下角标i和t分别代表不同省份和年份；μi表示省份固定效应，设置为虚拟变量；εit表示随机误差项。TIPit代表特定年份技术创新绩效，hhi代表市场集中度，Z代表控制变量。本文对面板数据的估计模型以式(1)和式(2)为主，分别对两式进行单独估计和联立估计。

此外，本文选取的调节变量D为各省的数字经济指数，为连续型变量，调节效应模型为：

(3)

(二)变量说明

本文的核心变量包括地方产业集中度、技术创新绩效和地方数字经济发展指数。现有研究多采用产业集中度衡量市场结构，产业集中度衡量方法现已完善，典型指标有：CR4、CR8、赫芬达尔指数(hhi指数)。其中CR4、CR8指标较简单，但不能全面反映产业集中度变化。为分析中国高技术制造业产业集中度整体变化，本文选取赫芬达尔指数为描述产业集中度的主要指标。使用hhi指数须准确获得产业中每个企业的市场份额，中国高技术制造业中企业数量庞大，数据可获得性上存在难度，本文采用张如意(2016)[27]构造的近似赫芬达尔指数，既保留了赫芬达尔指数对产业总体集中度评价的优点，数据也可获得。首先把产业中的企业按照统计标准分为大、中、小型三类，统计各类型产业中企业数量和产值，然后分别计算平均值，得到近似赫芬达尔指数，具体运算公式如下：

(4)

(5)

技术创新绩效包括技术研发阶段和研发成果市场化阶段。专利相关指标普遍被认为是衡量研发阶段技术创新绩效的指标。而新产品销售率(nsale)和新产品产出率(noutput)更强调技术创新市场化、商业化过程。本文为全面衡量中国高技术制造业的技术创新绩效，分别选取反映商业绩效的技术创新指标和反映研发效率的技术创新指标。其中，反映商业绩效的指标包括新产品销售率(新产品销售收入/主营业务收入)和新产品产出率(新产品产值/当年价总产值)。反映研发效率的技术创新指标为发明专利综合产出效率(nrdcrs)、发明专利技术产出效率(rdvrste)，具体是通过数据包络方法测算。拥有发明专利数(2)发达国家多使用专利技术为技术创新指标，而对中国来说，实用新型专利、外观设计专利以及发明专利是企业申请专利的三种类型，其中外观设计专利和实用新型专利并不能有效度量企业的真实自主创新能力，而发明专利则是体现一国乃至微观企业创新能力最为重要的指标。为产出变量，R&D活动人员折合当时量、R&D经费内部支出、研发机构数、机构经费支出为投入变量。

关于数字经济发展(digital)的测度一向受学术界和相关统计部门关注。数字经济发展水平指标的层次和内涵随数字经济发展逐渐丰富完善。衡量数字经济发展既要符合当下现实需要，与时俱进地去除旧指标，增加新指标，也要考虑到数据的可得性。本文主要利用各年度的《中国信息年鉴》和中国互联网信息中心定期发布的《中国互联网发展状况统计报告》的数据，从信息通信基础资源(各省域名数量)和相关信息技术应用(各省网民数量)两个维度考察地区数字经济发展，对两个指标权数的确定使用变异系数法。具体做法是首先为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。根据年度横截面构建省份和指标项矩阵，再以每年为单位进行权重计算。计算权重后再计算指数得分，并对得分取对数得到不同年度各个省份的数字经济指数。

工具变量选取地理上相邻且经济发展状况类似的两省份的产业集中度，并取平均数。相邻省份的产业集中度会因扩散、渗透效应影响其产业集中度，而又外生于该省份的技术创新变量，保证了工具变量选取的前提假设。下文中nhhi、nnsale、nnoutput、nrdcrs、nrdvrste为工具变量，表示相邻省份的相关变量的平均值。

控制变量包括：企业规模(fsize)采用当年价总产值与企业数比值衡量；国有企业占比(soe)为国有企业个数与总企业个数比值；销售利润率(ol)表示产业总利润与主营业务收入比值；市场化指数(markind)采用樊纲不同地区市场化指数；市场规模(msize)使用产业产值表示；人均收入(pci)为各省份人均收入指标，从侧面反映该省份经济发展水平。

本文原始数据源于2006—2017年《中国高技术产业统计年鉴》《中国科技统计年鉴》以及《中国统计年鉴》，数据以2000年为基期，首先对面板数据进行标准化、正态化处理，地区层面缺失数据采用插值法补全。

主要变量的描述性统计见表1。

表1 变量描述性统计结果

四、实证分析

(一)基础模型分析

表2报告了式(1)基础模型的估计结果。

表2 式(1)基础模型估计结果

对式(2)面板数据OLS、随机效应和固定效应模型进行两两检验。F检验结果显示固定效应模型优于OLS模型；BP检验结果显示，随机效应模型优于OLS模型；豪斯曼(Hausman)检验结果表明，固定效应模型优于随机效应模型，故后文汇报的结论主要以固定效应模型所显示的为主。

图1中的(a)(b)(c)(d)四个图分别为地区层面产业集中度与技术创新关系拟合散点图，其中，(a)(b)描绘反映商业化绩效的技术创新指标(nsale、noutput)与产业集中度的关系，可以清晰看出两者之间的“U型”关系及样本分布；(c)(d)描绘反映研发效率技术创新指标(rdcrs、rdvrste)与产业集中度的关系，大致可以看出呈现“倒U型”关系。假设1和假设2得到验证。

图1 地区层面产业集中度与技术创新关系拟合散点

对于反映研发效率的技术创新绩效指标，中国高技术制造业产业集中度对其影响总体呈现“倒U型”，随着产业集中度的提高，市场竞争程度的下降，研发效率增加，这与实际情况相符合。本文选取的研发效率计算中产出指标为发明专利，能较客观地描述研发能力。有实力的大中型企业对研发的重视程度、资金投入、相关支持均大于小微企业，所以随着产业集中的提高，研发能力增加，特定市场中大中型企业越集中，越有能力进行研发的技术创新。技术研发离不开知识积累和扩散，重大技术研发在实践中也并非依靠个体企业、个别专家。在知识创造螺旋过程中，伴随着企业间互动，暗默知识与形式知识相互作用，暗默知识通过“干中学”过程传递。具体来说，是从共享暗默知识到形式知识的表出化，再到形式知识的联接，不断往复循环，创造新知识的过程也反映技术创新研发过程。技术创新研发过程离不开企业之间的交流、互动，产业集中能促进企业间研发与互动活动，激活组织研发效率，从区位上为企业间合作提供便利，促使技术扩散频率和速度加快，也能提高企业研发效率。然而，产业集中度到达一定程度后，市场缺乏竞争，大中型企业懈怠，进行研发技术创新的外在和内在动力均下降，随着集中度的进一步提高，研发技术创新反而下降。一方面，拥有市场势力的企业缺少竞争对手而研发动力不足，导致研发效率降低；另一方面，研发活动作为结果不确定性的长期过程，具有路径依赖性，技术轨道难以轻易转移。过度的产业集中度使在位企业由于自身路径依赖对新技术研发的感知能力和反应能力下降，从而降低研发效率。综上所述，产业过度集中并不利于研发技术创新绩效，适中的集中度是产业保持最优研发效率的有效途径。

对于反映技术创新成果转化的商业化绩效指标，如图1和表2所示，产业集中度对技术创新成果转化绩效影响呈现“U型”。具体来说，充分竞争有利于技术创新成果转化绩效的提升，随着市场竞争程度的下降，商业化技术创新绩效下降。本文商业化绩效技术创新指标利用新产品的销售利润率和产出率进行衡量，作为技术创新的市场化绩效指标，需要一定程度的市场竞争进行激励。充分的市场竞争可以激活组织动能，促使技术创新成果转化；与新产品绩效有关的指标更注重于渐进性技术创新，如通过技术改造改良新产品功能、样式等，偏向于连续技术创新。充分市场竞争的市场准入门槛不高，为渐进性技术创新及成果转化创造有利条件，提高了产业整体技术创新成果转化的产出绩效。然而，过度竞争、恶性竞争扰乱市场正常秩序，出现劣币驱逐良币现象，以价格为信号的市场机制紊乱，企业无法正常获取创新回报，反而不利于技术创新成果转化。

此外，本文所构建的数字经济指数变量digital反映不同省份数字经济发展程度的差异。对反映研发效率的技术创新指标和反映商业化绩效的技术创新指标均产生正向影响，表明各地数字经济发展的程度越高，越有利于该地区技术创新绩效的提高。数字经济运行产生的网络外部性以及开放、共享、协作的特性改变资源配置方式，产业的市场结构和区域分布均发生多维变化。地区间技术和经济活力差距进一步加大，同时也说明数字经济发展带动区域技术创新。

表3报告了式(2)模型的估计结果。

表3 式(2)模型估计结果

与式(1)模型的检验结果类似，式(2)基本模型选择中，固定效应为最优，故本文仅报告式(2)的固定效应。从结果可以看出，式(2)中技术创新绩效对产业集中度的反馈结果较一致，均为正，则技术创新绩效的提高会促使产业集中度的提高。因为进行技术创新，企业也会获得“创新租金”，在经济发展过程中也会使企业获得优势地位。假设3得到验证。

高技术制造业不同于传统制造业，技术创新的投入具有高风险性和高投入性，整体产业技术生命周期的更迭快于传统制造业，面临的市场竞争也更加激烈。产业内的企业更容易受新技术的影响，同时随着相关新技术更新频率和速度的加快，接收到的信息越来越多，更能掌控新技术带来的不确定性与风险，从而对新技术的采纳也更积极。在新技术发端初期，扩散速度较慢，率先采用新技术的企业或先发者必然占据优势地位，迅速占领产业内领先位置，此时由于采用新技术的企业较少，市场竞争还不激烈，产业集中度较高。同时，在技术创新演化发展过程中，在无外界干预条件下，主导设计和主导产品是在市场选择下产生，成为主导的产品和拥有主导产品的企业会产生独占效应，对新进入企业产生一定影响。在特定时期主导设计通过多个技术创新的融合，以新产品形式表现出来。主导设计会产生技术兼容性或标准化压力，同时也形成新技术壁垒，提高产业集中度。

(二)基于2SLS及3SLS模型的稳健性检验

表4报告了2SL与3SL模型的估计结果。

表4 2SLS与3SLS模型估计结果

表(4)续

表(4)续

为进一步验证中国高技术制造业产业集中度与技术创新之间的关系，并检验结果稳定性和准确性，有必要通过引入工具变量的方法，消除内生性对两者关系的相关结果影响。因此，选取2SLS与3SLS模型对两者关系进行稳健性检验，结论显示与基本模型一致，假设1、假设2和假设3得到进一步验证。

总体来说，产业集中度作为市场结构的重要解释变量内生于市场运行过程中，从另一方面看，市场过程本身是对技术创新进行自组织筛选的过程。个体企业均受到市场作用以及检验，市场竞争机制作为连接生产者与消费者的直接桥梁，既筛选出培育技术创新的主体，为技术创新提供动力，又通过价格信号等反映消费者需求，达到引领技术创新筛选主导技术的目的，还通过市场竞争给予企业技术创新压力。同时，由于技术创新成果的外部性、知识在扩散传播中的正负效应，就市场结构而言，无论是完全竞争还是垄断市场结构下的技术创新都未达到社会最优水平。表2、表3和表4的实证结果也显示，对于技术创新研发绩效，一定程度的产业集中有利于研发效率的提升，过高产业集中度反而不利于技术研发效率；对于技术创新成果转化绩效，较低的市场集中度引致的充分市场竞争更有利于技术创新商业化绩效提升，然而过度竞争又会降低技术创新成果转化绩效。

(三) 数字经济调节效应分析

表5报告了调节效应模型的估计结果。

表5 调节效应模型估计结果

从表(5)中可以看出，当技术创新绩效指标选取为商业化绩效时，由于数字经济发展指数的定义域均为正数，即随着数字经济发展，产业集中度对技术创新商业化绩效的边际影响效果先下降而后上升。例如在固定效应模型中，产业集中度的一次项与数字经济发展指数的交乘项为-3.761，在10%的水平下显著，产业集中度的二次项与数字经济发展的交乘项为-49.255，在1%的水平下显著。可以看出，转折点显著地受到数字经济指数调节影响，即随数字经济的发展，转折点会相应变化。从两个系数的符号可知，当产业集中度取值较低时，数字经济指数发挥负向调节效果；当产业集中度取值较高时，数字经济发展发挥正向调节效果，该转折点发生在hhi=0.038。结合样本特征可知，产业集中度均值为0.036(见表1)，且产业集中度呈现典型的右偏分布特征(中位数为0.011，均值大于中位数)。据此可知，在样本范围内，数字经济指数主要发挥负向调节作用，即随着数字经济的发展，产业集中度对技术创新商业化绩效的边际影响效果会不断下降。同理可得出，随着数字经济发展，产业集中度对研发效率的边际影响效果会不断上升。

数字经济的发展会降低产业集中度对以新产品销售率为代表的技术创新商业化绩效影响，数字经济的发展打破地域限制，使产品包括新产品的交易变得更加便捷，新产品的销售和新产品的产出均可打破地域壁垒。数字经济的发展会增加产业集中度对以研发效率为代表的技术创新绩效影响。数字经济的发展可以从一定程度上反映各省份的经济发展水平，在经济发达省份，对研发的重视程度和效率均高于欠发达的省份。由于知识的产生和传递会产生外溢效应，在特定地区内集聚使知识的转移和传播具有地理上的先天优势，所以数字经济发展使产业集中度对研发效率的边际影响不断上升。

五、结论与政策启示

本文基于中国高技术制造业省级面板数据对产业集中度与技术创新绩效进行研究，探究何种市场结构更有利于技术创新。同时还以各省份数字经济发展作为调节变量，更进一步分析数字经济对产业集中度与技术创新之间的影响。本文的结论如下：

一是中国高技术制造业发展符合产业技术创新动态，在竞争条件下，商业化技术创新绩效显著提高；二是过度竞争不利于提升技术创新研发效率；三是随着数字经济的发展，产业集中度对技术创新商业化绩效的边际影响效果会不断下降，而产业集中度对研发效率的边际影响效果会不断上升，因此，高技术制造业可以根据自身技术创新发展程度与阶段利用地区产业集中效应。

根据本文的分析，提出以下政策建议：

首先，在技术创新商业化阶段要发挥市场对资源配置的决定性作用和竞争的基础性作用。深化产业改革的核心在于通过技术创新实现产业效率的不断提高和产业结构的不断升级，而技术创新驱动的关键也在于正确处理好市场与政府的关系，尤其在技术创新成果转化阶段，政府过度干预的营商环境会制约技术创新成果转化绩效。明确企业作为技术创新主体，检验企业技术创新是否成功选取的标准应该为市场。在新一轮工业革命背景下，发挥市场对资源配置的决定性作用，在市场竞争环境下激发企业家精神是大势所趋。发挥市场对资源配置的决定性作用和竞争的基础性作用同时也是中国高技术制造业可持续发展的基础保障。

其次，在技术研发阶段完善国家创新实验室和共性技术研发机构的建设，围绕产业链布局研发创新链，同时促使研发创新与成果转化之间联动发展。技术研发离不开丰富的资源支撑，企业间合作交流也为技术扩散提供基础。因此，依托各地区高技术制造业产业基础，结合地区高质量发展现实需求，推动优势产业在区域范围内集聚，促进技术在区域间扩散，是提高研发效率的有效途径。需要强调的是，对于国家战略性技术及基础技术的研发需要建立国家创新实验室和共性技术研发机构进行联合攻关，“卡脖子”技术受制于人一方面不利于中国在全球产业链上地位的攀升，另一方面也是阻碍中国经济高质量发展的桎梏。同时，加强产业链与创新链联动，促进研发创新与成果转化之间联动，也是形成良性反馈循环的创新激励体系的前置条件。

最后，要注重各省份数字经济发展及布局，营造有利于技术创新的基础环境，发挥数字经济对技术创新的乘数效应。在数字经济时代下，在高度发达的信息技术推动下，经济经过离散化解构与全息化重构，其知识链、技术链、价值链不同于传统经济，各省份通过发展数字经济带动本区域的传统产业升级转型也是激活传统产业活力、融合数字经济与实体经济的重要战略导向。