高技术产业协同创新对绩效影响的异质性研究

朱 勇 吕 璐

(重庆师范大学经济与管理学院，重庆 401331)

0 引 言

在当前“逆全球化”日益严峻的背景下，科技创新对提升国家竞争力和增强国家话语权具有急迫性和重要性。高技术产业作为技术密集型产业，其创新模式更新和创新结构升级是提高产业绩效的关键。协同创新具有规模溢出、知识共享、技术扩散等特点，已成为学术界关注的热点。党的十九大报告明确指出我国虽在生物、航空、信息等领域取得显著成果，但依然存在着区域创新发展不均衡[1]、地区创新活动封闭低效[2]、协同效应整体较弱[3]等问题，为此“十四五”规划提出支持布局建设区域创新中心，健全区域创新协调发展机制，高技术产业协同创新对绩效影响的效果亟待深入探索和研究。本文以高技术产业为基点，从异质性角度探究协同创新存在的意义、具体特征、作用机制，从倒U型异质性视角实证研究高技术产业协同创新对绩效的影响。

1 文献综述

协同与协同创新内涵。“协同”来源于对整体系统内部子系统由无序到有序的研究，定义为大系统中各子系统整体联合而产生的组织新结构。协同创新原本指以政府、企业、大学等为合作主体，以延伸知识价值链为核心，以完成科技创新重大突破为目标而进行的跨领域整合创新模式[4]。协同创新随技术创新模式发展而生，企业间通过股权或合约等方式形成利益合作关系网[5]，实现资源合理配置、风险共担、成本降低的目标。

产业协同创新对绩效具有正向促进作用。协同创新同时存在“协同效应”和“挤占效应”[6]，协同效应包括知识溢出[7]、技术扩散[8]、资源配置、成本节约等[9]；挤占效应表现为同质化竞争[10]、搭便车[11]、利益冲突等。区域协同创新存在知识溢出效应与规模效应，知识溢出效应是高技术产业提升绩效和增加竞争力的主要原因[12-13]。

产业协同创新对绩效的影响具有异质性特征。协同后期由于知识溢出的公共性，出现企业“搭便车”行为，导致产业创新积极性和协同意愿降低[11]。高度协同创新导致模仿创新成本降低，使产业内部出现模仿驱逐创新的“柠檬市场”[6]。王亮发现产业协同创新对绩效的影响曲线为倒U型，原因在于规模边际效应递减，创新后期缺乏基础性创新[14]。

本文探讨集群内外产业协同创新对绩效的影响，集群内协同包括主体与竞争企业以及相关企业，集群外协同包括主体与行业协会、金融机构、事务所等。从理论探索和实证检验来看，研究表明协同创新对提高产业绩效具有正向作用，国内部分学者提出该影响具有临界点，但大多数研究基于产业集群或区域层面的视角，在指标选择方面缺乏对协同本身的影响研究。本文借助面板数据双重门槛模型，将协同创新同时作为门槛变量和解释变量，重点分析协同创新对高技术产业绩效的异质性影响和门限效应。

2 研究方法与数据

2.1 数据说明

被解释变量。本文旨在研究协同创新对绩效的影响，绩效表示高技术产业协同创新成果实现产量化的效果，故采用每年新产品销售收入表示绩效Y。

核心解释变量。核心解释变量为协同创新K，使用创新主体的R&D经费外部支出表示协同创新，指企业委托其他企业、机构支出的经费，企业与其他企业机构合作所拨给对方的经费。从客观上讲，协同创新有利于提升高技术产业绩效，预期系数为正。

控制变量：经济发展水平以人均地区生产总值来衡量，理论上地区经济发展水平越高，该地区创新水平越高，预期系数为正。创新环境以该地区拥有R&D活动的企业数量来衡量，某地区进行R&D活动的企业数量越多，该地区创新环境越成熟，更有利于提高产业绩效，预期系数为正。劳动力水平用R&D人员折合全时当量表示，一般认为R&D人员数量越多，创新知识流动性越高，有利于提高产业绩效，预期系数为正。政府支持力度用政府对高技术产业创新活动提供的资金表示，政府支持有利于减少创新风险，降低创新成本，对产业绩效起正向作用，预期系数为正。仪器和设备用仪器和设备投入费用表示，对于高技术产业来说，仪器和设备投入有利于产业提高创新生产率，预期系数为正。金融支持用企业对R&D活动投入的资金表示，研发资金越充足，越能够缓解创新活动中资金紧张及流动性问题，预期系数为正。

各变量描述性统计结果见表1。

表1 描述性统计结果

2.2 模型构建

实证部分构建固定效应模型分析协同创新对高技术产业绩效的影响。

Yit=αi+βiXit+β1Kit+eit

(1)

其中，下标i表示各省份，t表示时间；Y为被解释变量，表示绩效；Xit为控制变量，包含地区经济发展水平、创新环境、劳动力水平、政府支持力度、仪器和设备、金融支持；Kit为核心解释变量，即协同创新。

根据上述文献梳理，发现高技术产业协同创新对绩效可能具有异质性影响。为探究协同创新对绩效的异质性影响，借鉴Hansen建立门槛模型的思路[15]，构建协同创新与绩效单门槛模型。

Yit=αi+βiXit+β1KitI(qit≤γ)+β2KitI(qit≥γ)+eit

(2)

其中，qit为门槛变量，γ为门槛值，KitI(qit≤γ)和KitI(qit≥γ)为示性函数，当qit达到相应条件时取值为1，否则取值为0。考虑现实以及现有研究，可能会有双重门槛情况，以单门槛为例，构建双重门槛模型如下：

Yit=αi+βiXit+β1KitI(qit≤γ)+β2KitI(γ1

(3)

3 实证检验

3.1 Hausman检验

使用Hausman检验得到统计量为11.67，p值为0.069 7，拒绝原假设，采用固定效应模型更合理。为了对比分析，还进行OLS、混合回归以及随机回归检验(见表2)。固定效应所得协同创新系数为0.176，在1%的水平下显著，与预期结果相一致，即协同创新每增加1万元，高技术产业绩效增加17.6万元。且OLS、混合效应以及随机效应结果均与预期相一致。说明协同创新对绩效存在正向促进作用。

表2 模型回归结果

3.2 稳健性检验

采用剔除样本中异常值的方法进行稳健性检验，对变量在1%的水平下进行缩尾处理，结果见表2列(5)，协同创新系数估计值为0.239，与固定模型结果类似，在1%的水平下显著。说明协同创新对绩效具有正向促进作用，结论稳健可靠。

3.3 面板门槛模型

根据上文分析，借助面板门槛模型对协同创新与绩效之间的关系进一步分析。

3.3.1 门槛值估计

门槛搜索图见图1，其中横轴表示协同度，竖轴表示LR值。第一个门槛值在10 000～30 000的范围内，第二个门槛值在40 000～60 000范围内。

图1 第一个门槛搜索图和第二个门槛搜索图

表3为三种门槛模型的门槛估计值和置信区间：如果该模型为单一门槛模型，门槛值为48 000；如果该模型为双重门槛模型，门槛值分别为25 000和51 000；如果该模型为三重门槛模型，门槛值分别为25 000、51 000和140 000。

表3 三种门槛模型的门槛估计值和置信区间

3.3.2 门槛效果检验

确定门槛值之后，需判断几重门槛最合适，门槛检验结果见表4。首先，在原假设不存在门槛的条件下，得到F值为29.682，P值为0.000，说明模型在1%的水平下拒绝了原假设，即该模型至少具有一个门槛，门槛值为4.8亿元；其次，在原假设只存在单一门槛的条件下，得到F值为15.511，P值为0.000，说明模型在1%的水平下拒绝了只存在单一门槛的原假设，即该模型存在双重门槛，门槛值分别为2.5亿元和5.1亿元；最后，在原假设只存在双重门槛的条件下，得到F值为-10.819，P值为0.047，说明模型在5%的水平下拒绝了只存在双重门槛的原假设。

表4 门槛效果检验

虽然三种门槛都通过了检验，但从显著性来说，双重门槛模型比三重门槛模型更为显著，且本文数据时间跨度仅为12年，对于三重门槛模型来说数据时间维度太短，因此双重门槛模型更适合。

3.3.3 双重门槛模型回归

根据Hausman检验和门槛效应检验结果，采用固定效应面板双重门槛模型进行检验，其结果如表5模型(1)所示。按照双重门槛结果把协同创新划分为三个梯度：协同创新q2，表示协同创新大于第二门槛值5.1亿元，定义为第三梯度。

表5 双重门槛模型回归结果

当协同创新小于2.5亿元时，系数估计值较小，且在5%的水平下显著，说明较低协同创新对绩效作用较弱；当协同创新介于2.5亿元～5.1亿元时，系数估计值提升到1.036，且在1%的水平下显著，表明第二梯度协同创新对绩效起到较强正向促进作用；当协同创新大于5.1亿元时，系数估计值大幅下降到-0.796，且在1%的水平下显著，表明较高协同创新对绩效起到反向抑制作用。从以上结果来看，协同创新对绩效具有倒U型异质性作用。

3.3.4 稳健性检验

采用三年滚动平滑数据的方法进行稳健性检验，结果如表5模型(2)所示。当协同创新小于2.5亿元时，系数估计值显著降低，说明较低协同创新对绩效作用是微不足道的，第二、第三梯度的协同创新系数估计值与模型(1)的结果相差不大，因此判断双重门槛回归结果是稳健的。

3.3.5 结果分析

由上述结果可知，高技术产业协同创新对绩效具有异质性影响。第三梯度协同创新对绩效发挥的作用较弱，第二梯度协同创新对提高绩效发挥的作用最强，第一梯度协同创新对绩效的作用由正向转变为抑制。结合现实情况分析，出现异质性现象有以下两个原因。

首先，协同创新位于第三梯度时对绩效具有正向作用，协同创新位于第二梯度时对高技术产业绩效发挥的促进作用增加，达到最大值。说明协同创新产生了规模效应，该效应受到知识管理水平[16]、人力资本积累、技术共享、成本优势等因素综合影响，起到提高产业绩效的效果。第二梯度协同体系发展相对于第三梯度更为成熟，创新资源配置趋于合理化，因此第二梯度协同创新促进高技术产业绩效作用更明显。

其次，协同创新位于第一梯度时对绩效发挥的作用由正向转变为负向，是由于规模效应边际递减，挤占效应占据主导地位。协同创新意味着大量企业之间技术共享，极易出现创新产品雷同，引起同质化竞争，协同系统整体竞争力下降。此外，由于模仿行为成本降低，收益却增大，使原创者获利减少，降低创新积极性，从而形成模仿驱逐创新的柠檬市场。此时规模效应已超过临界值，促进作用逐步降低，挤占效应的抑制作用大于规模效应的促进作用，协同创新对绩效的总效应为负，表现为第一梯度协同创新抑制高技术产业绩效发展。

综上所述，协同创新产生的规模效应和挤占效应彼此作用，相互抗衡，具体表现为倒U型非线性影响趋势。以双重门槛为标准，按照各地区2009—2020年协同创新均值得到各地区协同创新所处阶段概况(见表6)。由表6可知，我国高技术产业协同创新程度并不高，仅8个地区进入第二梯度；区域协同发展差异明显，东部地区高技术产业协同创新较高，而中西部地区产业研发能力较为薄弱，基本处于第三梯度。说明我国高技术产业正面临缩小各地协同差异，促进高技术产业创新结构升级，解决高度协同创新下挤占效应占主导作用的问题。

表6 各地区协同创新划分表

4 结论与展望

本文构建固定效应模型和面板门槛模型实证检验高技术产业协同创新对绩效的倒U型异质性影响，结果表明：高技术产业协同创新对绩效具有正向促进作用，双重门槛回归模型表明该影响存在倒U型异质性影响。造成异质性的原因是：当协同创新处于第二、第三梯度时，规模溢出效应的正向作用占主导地位；当协同创新处于第一梯度时，由于规模效应边际递减，挤占效应的抑制作用占主导地位。

根据以上结论，对高技术产业协同创新的未来发展提出相关建议。

一是对各梯度协同创新的地区实施差异化政策。综合考虑当地特色、地方原有产业、创新环境、配套设施等因素，出台适合当地高技术产业的协同创新政策。对于第三梯度地区应通过税收优惠、资金支持、资源优先、人才扶持等措施鼓励提高协同创新；对于第二梯度地区应维持原有协同创新状态，持续改善创新环境，降低高技术创新风险；对于第一梯度地区应完善知识产权保护相关政策，减少由挤占效应引发的负面影响。

二是加大对协同创新网络平台的投入。加强信息基础设施投入，建立高技术产业协同创新网络平台，连接邻近地区协同创新，实现从产业协同到地区协同的升级，以互联网大数据为基础探索协同新路径，强化城市群效应，提升地区信息开放水平与资源共享度。例如：借助成渝双城经济圈的契机，以信息共享为核心，以网络传输为路径，通过位于第二梯度的成都连接位于第三梯度的重庆实现两城协同，促进成渝双城协同创新升级，形成跨区域协同创新网络结构。