异质性创新对中国工业生产效率的影响研究

张萌物 陈 瑞 刚翠翠

(西安理工大学 经济与管理学院，陕西 西安 710048)

0 引 言

工业是经济活动运行的物质基础，以创新带动工业发展既是中国工业持续健康发展的重要基础，也是中国工业向全球价值链中高端攀升、维护国家安全的重要保障[1]5-27。工业生产效率是衡量生产过程效益和工厂经济效益的基础，在很大程度上反映了工业发展水平的高低。徐冬冬、黄震方等[2]114-121借助随机前沿生产函数模型测度了江苏各县域工业生产效率，结果表明，江苏省县域工业生产效率整体水平不高，总体差异较大，相对差异逐年缩小，效率值的空间聚类呈“南高北低”的梯度变化特征。肖枝洪、曾伟等[3]3-12基于2004—2017年省级面板数据对中国工业生产效率进行测度后发现，中国多数省市区工业生产效率呈上升之势，区域整体差异呈现出波动且下降的趋势，西部地区工业生产效率的区域差异高于其他地区，并且多数省份的动态综合评价值为正，说明工业生产效率具有良好的发展趋势。

创新是经济实现内生增长的重要动力，以创新为引领提升生产效率是实现工业高质量发展的重要驱动力之一。创新活动存在多种类型，在分析创新活动对总产出水平和经济增长的影响时，不宜将所有创新活动视为同质。[4]51-57“异质性”是各类资源形成互补性的前提条件，同样的要素投入在不同的企业中，产出不尽相同，投入要素包括科学家、设备等，产出则包括新技术、新产品等，创新投入与产出之间的差异即创新能力的差异，这种技术创新效率的差异性即异质性创新。

异质性创新对工业生产效率的影响可从基础创新与应用创新两方面分析。(1)基础创新以认识现象和开拓新的知识领域为目的，产业核心技术突破与创新来源于持续的基础研究创新的投入。[5]104-117基础创新是科学技术发展的基础和前提，没有雄厚的基础创新实力做后盾，就没有高水平的应用创新。[6]93-102(2)应用创新是将理论发展成为实际运用的形式，是为了确定基础创新成果可能的用途，或是为达到预定目标而采取的原理性的新方法或新途径，具有特定的实际目的或应用目标，主要表现为应用性的成果实现环节。Luintel K B,Khan M[7]71-74通过对10个OECD国家的面板数据进行计量分析，发现提高基础、应用研究以及试验发展，对国内产出和生产率的提高均具有促进作用。杨玲、许传龙[8]72-80基于长江经济带11个省市的实证研究表明，从短期看基础研究对全要素生产率的促进作用不明显，长期基础研究对全要素生产率的促进作用最大。王娟、任小静[9]3-16基于有限分布滞后模型的研究表明，短期内应用研究的资本存量对工业全要素生产率的正向作用强于基础研究，从较长时期看，基础研究和应用研究对工业全要素生产率的增进作用均强于短期，其中基础研究的长期效应更突出，基础研究对工业全要素生产率的长期贡献在东部地区最明显。而叶祥松、刘敬[10]116-132通过实证检验发现，科学研究在短期内对提高全要素生产率没有直接影响，技术开发对提高全要素生产率存在显著抑制作用。

综上所述，现有对工业生产效率相关的影响研究大多为创新研究对全要素生产率的影响，没有从区域、工业企业规模等角度深入研究异质性创新对工业生产效率的影响。全要素生产率和工业生产效率不同，全要素生产率是指在各种生产要素的投入水平既定的条件下，所达到的额外生产效率。各种生产要素包括劳动力、资本等，而工业生产效率指工业生产中产品的产出量与投入量的比例。基于此，本文将异质性创新解构为基础创新与应用创新，在运用数据包络分析法(DEA)测算出工业生产效率的基础上，建立计量模型分析基础创新、应用创新对工业生产效率的影响，并从区域和工业企业规模两个角度进行深入分析，以期为增强区域创新能力、提升工业生产效率提供参考依据。

1 异质性创新对工业生产效率的影响

利用创新为工业发展提供新的增长动力是提高中国工业生产效率的主引擎。Hall B H,Lotti F等[11]300-328认为R&D对生产率有积极贡献，主体的研发活动可以有效地提高其生产率水平。技术开发和技术改造投入与工业企业间存在显著的正相关性，国内外技术引进和消化吸收对工业企业创新的作用弱于本国自身的技术开发与改造[12]174-187，不同类型的创新活动对工业生产效率的影响各不相同。

基础创新创造新知识，但基础创新风险及资金投入都很大，研究期限长，在形成现实生产力的过程中，需要经历一系列的中间环节而且受多种因素制约，成果在短期内难以及时转化为现实生产力，这就意味着过多的基础创新投入可能会降低稳定状态下的工业生产效率，导致基础创新的短期收益相对长期来说较低。[13]1075-1090从长期来看，基础创新的持续投入可能积累效应实现重大理论与技术突破，显著提升技术水平，从而提高工业生产率。多数核心技术得以突破的背后因素是长期的基础创新积累，持续加大基础创新投入可通过增强企业自主创新能力，缩小最优技术差距，扭转应用创新对创新增长边际递减的负面效应。[14]5-23

应用创新利用已有知识开发新产品、研制新材料和形成新工艺来提高工业生产效率，是企业科技创新的主要组成部分。应用创新具有投入少、周期短、风险低的特点，相比基础创新，一定程度的投入较容易增加产出，因此，短期内效益值较高。但长期来看，当一国越来越接近世界前沿技术水平时，若没有进一步基础创新的重大突破，应用创新通常很难取得实质性进展。当前沿差距小于最优技术差距时，应用创新投入持续维持在一个过高水平上将会对创新增长产生抑制作用。[14]5-23后发大国企业的技术创新方式取决于基础创新领域的创新成本系数，当这个系数处于一个合适的范围内，企业倾向于采取合作创新的方式；而当这个系数比较小时，企业基础创新领域的创新难度不大，都倾向于进行自主创新，且集中在基础创新领域。[15]16-25应用创新的开发活动也受技术风险和市场风险的影响，若应用创新活动没有成功，投入就容易形成沉没成本，阻碍工业生产效率的提升。[10]116-132

2 模型设定与指标选取

2.1 模型设定

本文选取工业生产效率(ipe)为被解释变量，基础创新(br)与应用创新(ar)为核心变量，考虑到工业生产效率的延续性，引入工业生产效率的一阶滞后项ipei,t-1。已有文献指出，工业生产效率不仅受到研发投入的影响，还受到对外开放水平(open)、外商直接投资水平(fdi)、市场化程度(market)以及人力资本水平(hr)因素的影响，因此选取以上变量为控制变量。为避免多重共线性问题，关键变量均进行了取对数处理。模型构建见(1)式：

ipeit=β1ipei,t-1+β2brit+β3arit+β4openit+β5fdiit+β6marketit+β7hrit+ci+vt+μit

(1)

(1)式中，i表示第i个地区(1≤i≤30，港澳台地区及西藏不在分析范围之内，下同)，t表示第t年，本文样本区间为2003—2019年，c为个体效应，v为时间效应，μ为随机误差项。

2.2 指标选取与数据来源

2.2.1 工业生产效率

被解释变量为工业生产效率，根据《工业工程实用手册》中的定义，工业生产效率指工业生产中产品的产出量与生产产品所使用投入量之间的比例。目前，测算工业生产效率的方法主要有以下两种：第一，基于DEA模型的研究。如郭亚军[16]16-23选取各地区的工业固定资产投资、工业劳动力就业人数、工业科研投入为投入指标，选取各地区工业生产总产值为产出指标，运用三阶段DEA模型对我国2009年工业生产效率进行实证研究。第二，基于随机前沿理论的研究。如杜江、杨文溥[17]17-27选取固定资产净值年平均余额、工业全部从业人员年平均人数、市场化指数以及工业增加值作为投入与产出变量，运用面板随机前沿模型测算了我国工业生产效率。

本文运用DEA模型中以产出为导向的BCC模型对我国各地区工业生产效率进行测量。与其他效率评价方法相比，DEA方法不需要预先估计任何参数或权重以及考虑投入与产出之间的生产函数关系，可以在很大程度上避免主观因素对于效率评价的影响。根据柯布道格拉斯生产函数Y=AL∂K(1-∂)，投入指标应为资本和劳动力。本文的研究对象为工业生产效率，参考之前学者们的研究，考虑到数据的可获得性和完整性，选取第二产业就业人数和第二产业固定资产投资作为投入指标，选取工业增加值为产出指标。

2.2.2 异质性创新

解释变量为基础创新与应用创新，由于实质性产出表示技术创新程度，而专利在某种程度上更能体现一国企业的创新能力[14]5-23。因此本文选取规模以上工业企业发明专利数作为测度基础创新的变量，选取规模以上工业企业实用新型加外观设计作为测度应用创新的变量。其中，发明专利的技术含金量大，专利价值大，体现为新产品与方法创新；实用新型一般为微创新，小改进，体现为形状、构造的实用微创新；外观设计为快速保护产品的独特设计，体现为新设计的形状、图案等。

2.2.3 控制变量

控制变量中，外商直接投资水平(fdi)可以反映地区技术引进水平，通过外商直接投资总额与地区生产总值(GDP)之比测度；对外开放水平(open)衡量了地区经济的外向程度，通过地区进出口贸易总额与地区GDP之比测度；人力资本水平(hr)反映了地区劳动力要素的质量水平，通过劳动力平均受教育年限测度；市场化程度(market)通过分省份市场化指数测度。本文相关数据来自《国家统计年鉴》、《中国工业统计年鉴》、中国大陆30个省(自治区、直辖市)统计年鉴以及《中国分省份市场化指数报告》，个别缺失数据通过移动平均法及插值法获得。

3 实证结果分析

3.1 中国省域工业生产效率现状

我国地域辽阔，生产力发展不平衡。总体来看， 工业生产效率排名靠前的为重庆、湖北、四川等地。分区域来看，东部(1)东中西部区域划分：按照2020年国家统计局公布的经济带划分标准，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、安徽、江西、河南、湖北和湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；考虑到实证数据处理，本文将东北三省按照2017年公布的划分标准进行分类，将辽宁归到东部地区，将吉林、黑龙江归到中部地区。的工业生产效率均值为0.880 2，中部为0.836 8，西部为0.880 1，东部和西部地区工业生产效率值相当，且明显大于中部地区。天津等地区效率较低是导致东部地区工业生产效率不高的主要原因，而重庆、四川等地工业投入产出机制运行较好，从而拉高了西部地区整体的工业生产效率。此结果与李健、卫平等[18]21-30的研究结果相似。各地区工业生产效率差异较大，东部和西部的工业生产效率显著高于全国平均水平，而中部地区的工业生产效率显著低于全国平均水平。2003—2019年中国大陆30个省(自治区、直辖市)工业生产效率均值见图1。

综上所述，东部和西部工业生产效率都较好，反而中部的工业生产效率较低，其主要原因有如下几点：第一，东部虽然工业发展相对成熟，但目前面临产业结构升级换代的挑战，需要对传统产业实行强制转移或淘汰，新产能未成熟，旧产能需要淘汰，这就导致了东部工业生产效率的相对低下。此外，东部地区三大经济圈存在同构现象，优势产业都有电气机械制造业、电子通信设备制造业等，区域内这些产业的雷同导致市场份额争夺加剧，不利于产业的长期发展，因此工业生产效率有所放缓；第二，西部地区经过几十年的发展以及西部大开发战略的实施后，已经基本实现了经济腾飞，多数省区通过充分利用各自的优势资源形成了具有区域特色的产业，如内蒙古的乳制品行业、甘肃的石油制品业等；第三，中部地区是全国重要的原材料工业基地和交通枢纽中心，但中部地区不像西部地区拥有丰富的自然资源，也不像东部地区掌握成熟的生产技术，再加上近年来生态状况的恶化，阻碍了其发展。

3.2 异质性创新与工业生产效率回归结果分析

3.2.1 基准回归结果分析

基础创新与应用创新对工业生产效率的回归结果如表1所示。

由表1可知，第一，表中(1)估计了基础创新对工业生产效率的影响。从估计结果来看，估计系数显著为负(-0.047 5)，表明基础创新对工业生产效率存在显著的抑制作用，加大基础创新投入不利于工业生产效率的直接提升，产生这个问题的原因在于基础创新资金投入大，研究周期长，在形成现实生产力的过程中受多种因素的制约，成果在短期内难以及时转化为现实生产力。第二，表中(2)估计了应用创新对工业生产效率的影响。从估计结果来看，估计系数显著为正(0.015 6)，与孙早、许薛璐[14]5-23以及王娟、任小静[9]3-16的估计结果相似，表明应用创新对工业生产效率的提升存在显著正向作用。第三，表中(3)估计了基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数显著为负(-0.028 2)，应用创新估计系数显著为正(0.030 5)，与表中(1)和表中(2)估计结果基本一致。

表1 基础创新与应用创新对工业生产效率的回归结果

3.2.2 地区差异下回归结果分析

整体层面的分析比较笼统，不能充分说明异质性创新对工业生产效率的影响，有必要将中国大陆30个省(自治区、直辖市)划分为东中西三部分来进行更具针对性的分析。

基础创新与应用创新对工业生产效率的分地区回归结果见表2。

由表2可知，表中(5)估计了东部地区基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数不显著为负，应用创新系数显著为正(0.053 3)，表明基础创新对东部地区工业生产效率没有显著的抑制作用， 应用创新对东部的工业生产效率存在显著的促进作用，说明对于较为发达的东部地区来说，基础设施相对完善，研发效率较高，应用研发投入的增加可以有效增加产出进而提升工业生产效率值；表中(6)和(7)估计了中西部地区基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数均显著为负(-0.109 6、-0.045 9)，应用创新系数均不显著为正，表明基础创新对中部地区工业生产效率具有显著的抑制作用，应用创新对中部地区的工业生产效率不存在显著的促进作用。产生这个问题的原因可能在于中西部地区的发达程度相对较低，创新生产技术和管理水平偏低，导致科技研发无效率，这就使得应用创新的投入产出效率值低，而短期内效益较低的基础创新投入的增加更难以转换成产出，进而抑制了工业生产效率的增加。

表2 基础创新与应用创新对工业生产效率的分地区回归结果

3.2.3 规模差异下回归结果分析

为进一步深入分析异质性创新对不同规模水平工业生产效率的影响，将中国大陆30个省(自治区、直辖市)按照2011年国家统计局等联合发布的《关于印发中小企业划型标准规定的通知》(工信部联企业〔2011〕300号)，依据从业人员数、营业收入划分为大、中、小规模工业区域(本文以2019年工业企业相关数据为基础)，基础创新与应用创新对工业生产效率的分规模回归结果如表3所示。

表3 基础创新与应用创新对工业生产效率的分规模回归结果

由表3可知，第一，表中(8)估计了大工业规模地区基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数显著为正(0.052 8)，应用创新系数显著为负(-0.070 0)，表明基础创新对大工业规模区域的生产效率具有显著的促进作用，应用创新对大规模工业区域的生产效率存在显著的抑制作用。产生这个问题的原因在于，对于大工业规模的区域来说，技术创新水平已经发展到了相对较高的程度[19]21-29，此时应用创新投入持续维持在一个过高水平将会对创新增长产生抑制作用[15]16-25，原先以技术模仿为主的研发活动已经满足不了现在高端多样化的市场需求，激烈的市场竞争使得模仿创新成本上升而收益下降。第二，表中(9)估计了中等工业规模地区基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数显著为负(-0.203 8)，应用创新系数显著为正(0.151 7)，表明基础创新对中等工业规模的区域存在显著的抑制作用，应用创新对中等工业规模区域存在显著的促进作用，这说明中等工业规模区域的技术创新水平还不是很高，技术创新方式还以应用创新为主，主要是对现有基础创新成果的扩展。对于短期收益较低的基础创新来说，增加其投入并不能有效的转化为产出，进而抑制了工业生产效率的增加。第三，表中(10)估计了小工业规模地区基础创新与应用创新对工业生产效率的影响。从估计结果来看，基础创新估计系数显著为负(-0.079 5)，应用创新系数不显著为负，表明基础创新对小工业规模的区域存在显著的抑制作用，应用创新对小工业规模区域不存在显著的抑制作用。说明小工业规模地区由于要素流动不充分、生产设备落后等原因导致技术创新水平低，基础创新和应用创新投入的增加都不能有效的增加产出。

3.3 稳健性检验

为验证以上研究结果的稳健性，本文通过以下方式进行检验：

对于被解释变量工业生产效率，采用以投入为导向的BCC效率值进行替代估计。对于解释变量，首先计算出规模以上工业企业发明专利数与总发明数(发明专利数、外观设计与实用新型之和)的比率a，然后用研发资本存量与a的乘积替代基础创新，用研发资本存量与(1-a)的乘积替代应用创新进行估计。运用新变量进行回归的结果与前述实证检验相比，关键变量的系数、符号以及显著性并无明显变化，前文得出的结论依然得到了支持，这表明前文关于基础创新、应用创新对工业生产效率的影响的估计结果是稳健的。

4 结论与建议

通过异质性创新驱动提升工业生产效率至关重要，不同类型科技创新活动对工业生产效率的影响机制存在显著差异，本文在运用DEA模型计算出工业生产效率的基础上，实证检验了异质性创新对中国工业生产效率的影响，并从区域和工业企业规模两个角度进行了分析。

4.1 结论

(1)东部和西部地区工业生产效率值相当，且明显大于中部地区。东中西三地区2003—2019年工业生产效率均值分别为0.880 2、0.836 8和0.880 1。(2)总体来看，应用创新对工业生产效率的提升存在正向作用，基础创新则不利于工业生产效率的直接提升。(3)分区域来看，基础创新对东部地区工业生产效率没有显著的抑制作用，但对中西部的工业生产效率存在显著的抑制作用。应用创新对东部的工业生产效率存在显著的促进作用，对中西部工业生产效率提升的促进作用不明显。(4)分规模来看，基础创新显著促进大工业规模区域工业生产效率提升，但对中小工业规模区域存在显著抑制作用。应用创新对大工业规模区域工业生产效率提升存在显著抑制作用，对中等工业规模区域存在显著促进作用，对小工业规模区域不存在显著抑制作用。

4.2 建议

针对本文实证结果，提出以下建议：

(1)结合区域优势致力于增强创新能力以提升工业生产效率。东部应用创新研发效率较高，研发投入的增加可以有效增加产出。但如果基础创新不能相应发展，则容易出现应用创新断层现象，因此，东部地区应大力发展基础性研究，增强企业内源性动力；中西部地区基础、应用创新效率均较低，提高工业生产效率的需求较迫切。因此，短期来说承接东部地区相关工业产业转移是一条重要的发展路径，但从长期发展来看，中西部还应在充分利用各自优势资源的基础上逐步提升自己的基础创新能力，形成具有区域特色的产业。

(2)不同工业规模区域采取差别化政策。规模较大的工业企业一般科技研发和成果转换技术较高，但随着与前沿技术差距的不断缩小，会导致模仿创新成本上升收益下降，而激烈的市场竞争将使得这些企业无力承担基础创新，因此，对于工业规模较大的企业应给予基础创新补贴，协助这些企业由模仿创新到自主创新的转变，提升其核心技术创新能力。规模较小的企业一般研发基础比较薄弱，科技研发技术较低，应用创新投入少且周期短，因此，对于这些企业，政府可侧重支持应用研究，促使规模较小的工业企业生产效率的提升。