区域创新绩效的驱动：内部R＆D还是外部R＆D？——基于技术距离的门槛效应与检验

孙振亚，路航，张志新

（山东理工大学 经济学院，山东 淄博 255000）

0 引言

随着经济全球化的纵深发展，要素的流动早已跨越了地域的限制，一国科技实力的提升不仅取决于自身的科技力量，更受到外部创新资源的影响。研究表明传统的“封闭式创新”模式受到越来越多的挑战，而“开放式创新”模式逐渐受到青睐。高技术产业作为技术密集型产业是推动我国技术进步，实现经济驱动的动力源泉，因此高技术产业技术水平的提升是区域创新绩效提高的关键。然而由于各地区高技术产业技术水平存在较大差异，在“开放式创新”过程中，对外部R＆D资源的消化吸收转化能力有所不同，因此创新绩效的提升存在较大差距。目前我国大部分地区仍处在“技术追赶”阶段，在这一发展背景下，界定高技术产业技术水平与前沿技术的差距。处于不同技术距离水平的地区辨别内、外部R＆D资源的创新效率，探究高技术产业创新绩效的提升动力，科学合理地权衡内部R＆D与外部R＆D对高技术产业创新绩效的影响，以期充分利用内部与外部R＆D资源来提升中国区域高技术产业创新绩效，对中国经济可持续发展具有重要的指导意义。

1 文献综述

目前，在内部R＆D、外部R＆D与区域创新绩效的相关研究中，大部分学者认为内部R＆D投入能有效提高创新绩效。国家的内部R＆D投入不仅是决定技术进步的关键因素，更是决定吸收外来资源能力的关键因素，因此Trajtenberg认为一国的研发投入越多，其技术进步的潜力则越大，将会产生更多的创新。Griffith等通过对1974—1990年12个OECD国家的工业数据进行研究也证实了这一结论，随着研发投入的增加，与前沿技术国家的生产率差距将会减小，从而使技术的创新速度加快。同时R＆D的投入效果也因地区差异而产生不同的影响结果，由于东部地区经济发展速度较快，资源配置较为齐全，因此其创新力较高，而中西部地区则有待提高。随着研究的不断深入，相关学者对R＆D投入指标的选取逐渐多样化，有学者则认为R＆D投入对创新绩效存在不显著或显著的负向作用。而如今随着创新需要的技术基础的复杂化，有限的内部R＆D资源已经无法担负技术创新难度的提升以及创新成本增加的负荷，这促使企业纷纷寻求外部的创新资源。但是学者们对于外部R＆D投入对本国创新绩效的作用效果却得出不同的结论。一方面，对外部R＆D资源的过度依赖使得企业在创新活动的协调、管理和控制方面消耗较多精力，从而使得创新成本提高，反而降低了企业创新绩效。此外，外部R＆D的投入会相应减弱企业的自主研发积极性，然而技术和能力的建设是随时间不断积累的，且技术能力是隐性知识，通常需要企业在“干中学”获得，过度的外部R＆D依赖会使企业错失知识的积累，企业无法通过“干中学”获得隐性知识，从而不利于创新绩效的提升。另一方面，外部R＆D的投入分担了企业日益提高的创新成本，同时在与外部R＆D合作过程中，企业有机会接触差异化的技术知识，扩充了企业内部的知识储备，外部R＆D投入中隐含有价值的技术知识，会缩短企业的研发周期，促进企业的创新速度的提高，相应提高了企业的创新绩效。

技术距离作为通过衡量与前沿技术之间的差距来体现区域技术能力的重要指标，已经成为影响创新绩效的重要因素。部分学者认为技术距离过大时，企业依靠自身R＆D能有效避免“技术追赶陷阱”，从而实现创新绩效的提升，但是远离技术前沿也意味着企业的知识积累不足，不能有效对已有的技术进行吸收转化，从而不利于提高创新绩效。对于外部R＆D的部分，远离技术前沿的地区同样不能有效吸收外部知识，从而对创新绩效的提升作用不大，但也有学者认为远离技术前沿地区对外部R＆D资源的需求更为强烈，因而会显著提升创新绩效。对于技术距离较小的地区，学者们普遍认为较高的知识储备能有效整合来自内部与外部的创新资源，以创造性的竞争优势促进创新绩效的提升，但也有学者认为技术距离过小使得企业技术学习空间过小，进而影响企业创新能力的提高。

综上所述，目前学者们多侧重于从内部R＆D或外部R＆D单一方面对创新绩效的影响展开研究，没有将内部R＆D与外部R＆D纳入统一研究框架内。技术距离作用于内部R＆D与外部R＆D进而对创新绩效产生影响的文献也较为零散，没有得出一致结论，且多从技术距离的静态角度出发，对于技术距离的动态变化与非线性作用则关注较少，忽视了在技术距离变化的情形下内部R＆D与外部R＆D两种资源的选择与转变。因此，本文将内部R＆D与外部R＆D纳入统一的研究框架内，并将技术距离引入内部R＆D、外部R＆D与高技术产业创新绩效的非线性模型中，验证技术距离的动态变化对内部R＆D、外部R＆D与高技术产业创新绩效的“门槛”效应，以期为地区高技术产业随着技术距离的动态变化进行内部R＆D与外部R＆D的转变，实现创新绩效最大化提供一定的借鉴。

2 模型构建与指标说明

2.1 门槛模型的构建

Griliches在Cobb-Douglas生产函数的基础上提出了“知识生产函数”，认为创新产出是R＆D投入的结果。Jaffe进一步将人力资源引入生产函数，成为Griliches-Jaffe知识生产函数，本文借鉴陈恒和侯建对于生产函数的构建，构造以下知识生产函数：

其中，为区域高技术产业创新绩效，表示影响创新绩效的研发投入变量，为影响创新绩效的非研发投入变量，为随机误差项。

研发投入变量包括研发经费投入（）与研发人员投入（），因此可将（1）式进一步改为：

基于“开放式创新”模式，研发投入不再拘泥于研发主体内部，外部研发投入也是影响创新绩效的重要因素，因此将研发经费投入进一步分解为内部研发经费与外部研发经费，函数进一步改为：

借鉴现有相关文献研究，高技术产业不仅受到研发经费和研发人员的影响，其他外部渠道同样对创新绩效产生重要影响。选取技术引进与技术改造指标代入函数，进一步地，创新绩效的提升依赖于过去的知识积累，因此，知识积累作为重要的投入要素反映了科技创新的基础。因此，本文的高技术产业创新绩效模型为：

其中，表示内部R＆D，表示外部R＆D，表示研发人员，表示技术引进，表示技术改造，为知识积累水平。

将（4）式对数化，并将技术距离作为门槛变量引入模型，最终形成以技术距离为门槛的内部R＆D与外部R＆D对创新绩效影响的单一面板门槛模型：

其中，（·）为指示函数，为门槛变量，为变量的门槛值，ε表示随机干扰项。双重门槛模型为：

其中，和为双重门槛值。其他变量与式 （5）相同。

2.2 变量说明

2.2.1 被解释变量

区域高技术产业创新绩效（）。高技术产业创新绩效体现在科技活动转化的创新成果所产生的直接经济效益上，因此本文选用区域高技术产业新产品的销售收入作为创新绩效的衡量指标，并采用各省工业出厂价格指数进行平减，折算为以2009年为基期的实际值。

2.2.2 核心解释变量

内部R＆D（）与外部R＆D（）。R＆D活动表现为研发主体对科研活动的投入上，因此本文选取高技术产业R＆D经费内部支出与R＆D经费外部支出作为代理变量，并使用研发指数（研发指数＝居民消费价格指数×0.55+固定资产价格指数×0.45）进行平减，同时考虑到创新绩效不仅受当时研发投入的影响，同时受到资本存量的影响，因此采用永续盘存法转化为资本存量。计算公式为（以内部R＆D为例）Kin＝( 1-)Kin+ΔKin，其中，Kin和Kin分别表示省份时期与-1时期的研发资本存量，为折旧率，选取15%作为折旧值，ΔKin表示时期的R＆D经费内部支出。基期资本存量为Kin＝ΔKin／（+），其中，为2009—2018年R＆D经费内部支出的平均增长率。

2.2.3 门槛变量

技术距离（）。Malmquist指数高低与高技术产业的技术进步速度与起步水平有关，因此本文采用数据包络法（DEA）测算的Malmquist指数来衡量技术距离，指数越大，说明技术距离越小。测算Malmquist指数的投入变量包括研发经费内部支出存量，研发经费外部支出存量，R＆D人员全时当量；产出变量为高技术产业新产品销售收入。

2.2.4 其他变量

人力资本（），研发人员是创新活动的必要投入之一，本文选取R＆D研发人员的全时当量作为衡量指标。技术引进（），引进技术经费支出与消化吸收经费支出合并更能体现引进的系统性，因此，采用其两者之和作为技术引进的代理指标，并采用永续盘存法计算资本存量，使用研发指数进行平减。技术改造（），选用技术改造经费支出作为衡量指标，将平减后的实际值按照永续盘存法计算资本存量。知识积累水平（），各地区高技术产业的专利申请数据较为易得，同时较少受到授权审查机构的干扰，能比较客观的体现知识积累水平，同时借鉴肖振红的方法，按照永续盘存法计算知识积累存量。

综上，本文各变量的定义与衡量方法见表1。

表1 变量定义与衡量方法

2.3 数据来源

本文数据来源于《中国统计年鉴》《中国高技术产业统计年鉴》的27个省市自治区数据，由于《中国高技术产业统计年鉴2018》并未发布，因此采用相邻两年的平均值进行填补，其他缺失数据按照移动平均法与相邻两年数据比重进行填充，同时对各变量对数化。

3 实证结果与分析

在进行门槛回归之前，先通过Bootstrap自抽样的方法重复抽样500次，同时将内部R＆D与外部R＆D作为核心变量进行门槛效应检验，结果如表2、表3所示。两个核心变量在1%的显著性水平下通过了单一门槛检验，且均在5%的显著性水平下通过了双重门槛检验，而两者并未通过三重门槛的显著性检验，因此，本文认定模型具有显著的技术距离双重门槛效应，内部R＆D的技术距离单一门槛值与双重门槛值分别为0.966和1.492，外部R＆D的技术距离单一门槛值与双重门槛值分别为0.966和1.331，本文基于核心变量的双重门槛进行分析。

表2 门槛效应检验

表3 门槛值及其置信区间

在门槛检验的基础上，进行内部R＆D和外部R＆D的双重门槛估计，结果如表4所示。整体来看，两者均对区域高技术产业创新绩效存在显著的促进作用，但是其影响效果存在较大差距。

表4 回归结果

3.1 内部R＆D、外部R＆D与区域高技术产业创新绩效

如表4的回归结果所示，内部R＆D与外部R＆D对区域高技术产业创新绩效存在技术距离的三级“阶梯”作用，当技术距离小于0.996时，内部R＆D对创新绩效在1%的显著性水平下正相关，影响系数为0.5748，即内部R＆D每增加1%，区域高技术产业创新绩效提高0.5748%，当技术距离处于0.996与1.492之间时，回归影响系数为0.5883，且在1%显著性水平下正相关，技术距离跨过第二个门槛值1.492后，内部R＆D对创新绩效的影响系数为0.6078，从技术距离的动态变化角度看，随着技术距离跨越第一个门槛值与第二个门槛值，影响系数经历了由0.5748至0.588 3到0.607 8的变化，系数逐渐变大。同时，技术距离跨越第二个门槛值，系数的提升值为0.019 5（0.607 8～0.588 3），跨越第一个门槛值后，系数的提升值为0.013 5，表明内部R＆D对创新绩效有显著的促进作用，同时其促进作用在逐步增强。内部R＆D驱动创新绩效存在知识积累的内生性，随着技术距离的减小，科技创新的技术基础逐渐稳固，知识积累水平逐步提升，而产业创新的各个环节都需要知识积累这一内在基础与必要条件。产业内部知识积累水平的提高会减小知识搜寻与选择效率，使得内部R＆D识别与投入到最值得关注的市场需要上去，从而实现创新绩效最大化。同时，随着技术距离的减小，知识积累水平的提高会降低创新成本，提高产业创新绩效，强劲推进内部R＆D创新产出。

当技术距离小于0.996时，外部R＆D在10%的显著性水平下促进了创新绩效的提升，影响系数为0.098 5，在此阶段外部R＆D虽会促进创新绩效的提升，但是其拉动作用较小，当技术距离处于0.996与1.331之间时，外部R＆D对创新绩效的影响系数为0.124 0，在跨越第一个门槛值之后，创新绩效的提升速度增加了0.025 5（0.124 0～0.098 5）。当技术距离跨过第二个门槛值（1.331）后，外部R＆D对创新绩效影响系数提升为0.149 2，创新绩效的提升效率为0.025 2，基本与跨越第一个门槛值的提升速度（0.025 5）保持一致，说明外部R＆D对创新绩效的促进作用随着技术距离的减小而不断增强，且外部R＆D对创新绩效的提升速度较为稳定。表明随着技术距离的减小，外部R＆D的创新绩效提升效用在不断提高，内部R＆D具有驱动消化吸收外部R＆D能力提高的作用，在进行消化、吸收和转化外部R＆D知识的过程中，外部R＆D成为企业实际拥有的资源，依靠一定的知识基础为外部R＆D资源的吸收提供必要的环境支持与技术路线的支撑，使其在研发过程中提高产业创新绩效，因此，技术距离的减小伴随着对外部R＆D利用效率的稳步提高。

3.2 内部R＆D与外部R＆D效果之对比

为了更加直观与形象化地展现两种资源对创新绩效的提升效果与差异，本文绘制了内部R＆D与外部R＆D技术距离门槛作用下对创新绩效的作用效果图，如图1所示。

图1 内部R＆D与外部R＆D在技术距离门槛作用下对创新绩效的作用

由图1可以发现两种R＆D资源均在技术距离门槛作用下对创新绩效的提升呈现三级“阶梯”状，即随着高技术产业技术水平与前沿技术差距减小，对创新绩效的提升效果不断增强。但是无论在哪一梯度上，内部R＆D对创新绩效促进作用要强于外部R＆D对创新绩效的促进作用，说明目前中国高技术产业创新绩效的提高主要依赖于内部R＆D，这也符合自主创新使我国创新能力提升的实际，而外部R＆D对中国区域高技术产业创新绩效也存在显著促进作用，但是在技术距离过大的地区，其提升作用较小。因此我国高技术产业应走以利用内部R＆D为主，以外部R＆D为辅的模式，充分利用两种资源推进创新绩效的提升。技术距离过大的地区，不能盲目追求外部R＆D的创新绩效的提升作用，应注重自主创新，避免过度依赖外部R＆D资源，以免陷入“技术追赶陷阱”。从创新绩效的提升速率来看，跨越门槛值后，外部R＆D对创新绩效的提升速度较快且稳定。说明随着技术距离减小，外部R＆D对创新绩效的提升作用增大，因此在高技术产业技术前沿地区，应加大对外部R＆D的利用度，提高外部R＆D利用效率，避免资源浪费。

3.3 其他变量

基于内部R＆D的回归结果进行分析。人力资本在1%的显著性水平下与创新绩效正相关，这意味着研发人员的投入能更好地促进高技术产业创新绩效的提升，加强高技术产业的高水平研发人员的培育力度，为产业自主创新提供强劲动力。技术改造与技术引进显著抑制了创新绩效的提升，这与针对转型期间国内特有情况的研究一致，主要原因是一方面高技术产业国际化的技术更新速度较快，使得技术差距明显，我国处于国际化垂直分工价值链的低端层次，限制了高技术产业技术创新发展。同时受技术壁垒的封锁作用，技术引进效益有限，加之缺乏相匹配的学习与转化能力对溢出效应进行消化吸收，技术改造难以有效实现创新；另一方面技术引进与改造经费挤占了内部R＆D经费的投入，进而对创新绩效产生显著抑制作用。知识积累水平与创新绩效正相关，但并未通过显著性水平检验，这与陈恒和侯建的研究一致，知识积累对创新驱动作用存在“临界规则”，知识积累需突破一个临界规模，才会对创新绩效的提升产生显著促进作用，这也说明目前中国高技术产业进行创新的基础水平较差，知识积累水平有待进一步提高。

3.4 技术距离的时间变化趋势

统计我国处于不同年份不同内部R＆D和外部R＆D门槛区间的省市自治区数量，得到图2、图3。

图2 内部R＆D门槛区间技术距离变化趋势

图3 外部R＆D门槛区间技术距离变化趋势

图2与图3显示的是中国处于不同门槛区间省市自治区数量随时间变化趋势，从图中可以发现，无论是内部R＆D还是外部R＆D的门槛区间下，从2009—2018年，位于高技术距离（≤0.996）的地区数量呈现减少趋势，而中技术距离区间（0.996＜≤1.492与0.996＜≤1.331）与低技术距离区间（＞1.492与＞1.331）下的地区数量逐渐增加，说明中国高技术产业技术水平整体呈现上升趋势，与前沿技术距离正在不断缩小。但是大部分地区仍位于中、高技术距离区间中，仅有少数地区跨进低技术距离区间内，说明目前中国大部分地区仍处于技术追赶阶段，这也符合我国技术能力的发展状况。中国高技术产业与前沿技术距离仍待进一步减小，提高外部R＆D的利用效率，发展以内部R＆D为主、外部R＆D为辅的创新模式，提高产业创新绩效。

4 结论与建议

本文使用中国高技术产业2009—2018年面板数据，将DEA测算的Malmquist指数作为技术距离门槛变量引入模型，构建了技术距离作用下内部R＆D、外部R＆D与中国区域高技术产业创新绩效的非线性门槛模型，进行实证分析得出以下结论，并根据本文所得结论提出几点建议：

（1）内部R＆D与外部R＆D对中国区域高技术产业创新绩效的提升并不是简单的线性关系，而是以技术距离为双重门槛的非线性关系，两种资源对创新绩效的作用均呈现三级“阶梯”状。实证结果表明，在每一个梯度上，内部R＆D对创新绩效的影响系数远远大于外部R＆D对创新绩效的影响系数，说明目前中国区域高技术产业创新绩效的提升主要依赖于内部R＆D的驱动。在技术距离过大时，外部R＆D对创新绩效的提升效果较小，但是跨越门槛值后，外部R＆D对创新绩效的提升速度要快于内部R＆D，说明随着技术距离的减小，外部R＆D对创新绩效的提升空间将越来越大。

（2）根据门槛等级将地区划分为高技术距离、中技术距离与低技术距离三个区间。整体来看，中国高技术产业虽与前沿技术距离在不断减小，但是大部分地区仍处于高技术距离与中技术距离区间内，仅有极少数地区跨越第二个门槛值，进入低技术距离区间，说明目前中国大部分地区仍处于技术追赶阶段，中国区域高技术产业与前沿技术距离仍待进一步减小，以提高内部R＆D与外部R＆D实际利用率，促进区域高技术产业创新绩效的提升。

（3）高技术产业研发人员投入能够显著促进创新绩效的提升，研发人员的投入是促进地区创新绩效的重要因素；技术引进与技术改造并不利用创新绩效的提升，因此应注重引进高质量技术，同时增强对技术的消化吸收能力，实现引进技术的改造再创新，避免陷入创新驱动发展的不可持续状态；知识积累水平的影响系数为正，但并不显著，说明目前我国知识积累水平有待提高，尚未突破“临界值”。

综上，与现有研究忽略技术距离动态变化相比，本研究能够为地区随着技术距离的动态变化进行创新资源的选择与转换提供借鉴。据此提出以下建议：

首先，充分利用内部R＆D对创新绩效的强劲拉动作用，研发主体加大内部研发经费投入，培育高质量的研发人才，为高技术产业创新绩效的提升提供强大的内在动力，改善长期处于国际垂直分工体系低端的劣势情况。其次，地区应关注技术距离的动态变化，依据距离的变化对创新模式进行选择。在技术距离过大的地区，应注重内部R＆D的投入，避免过度追求外部R＆D，以免陷入“技术追赶陷阱”，走内部R＆D为主的创新模式；在技术前沿地区，应加大外部R＆D的使用效率，走以内部R＆D为主、外部R＆D为辅的综合创新模式。再次，加强地区对先进技术的消化与吸收能力。在引进技术过程中，既要关注技术质量，又要增强引进后对技术的消化吸收能力，实现二次创新，避免落入“引进-落后-再引进-再落后”的恶性循环。最后，作为科技创新的内在基础，知识积累水平的提高可以有效提高内外部R＆D资源的利用效率。高技术产业需从战略发展角度审视知识积累的作用，加强知识的扩散与吸收，以提高创新绩效提升的可持续性。