产业关联视角下的创新网络传导效应研究——基于浙江省投入产出数据的实证分析

潘亚岚，姜悦琳，江力涵

(杭州电子科技大学 会计学院，浙江 杭州 310018)

一、研究问题的提出

自主创新是加快发展现代产业体系，推动经济体系优化升级，全面提高我国产业竞争力和国际分工地位的关键。不少文献关注企业创新的影响因素，重点探讨管理层、战略、组织架构、技术等企业内部因素对创新行为和方向的影响[1-3]，有的文献则更加关注产业创新政策、产权保护措施、营商环境和外部技术革新对企业创新的引领作用。但少有文献观测到企业创新行为的溢出效应。现阶段我国存在诸多“卡脖子”技术，跨产业跨区域的关键共性技术无法突破，迫切需要通过实施产业链协同创新计划，助推行业关键核心技术攻关与产业化，实现一批关键核心技术突破和成果转化。这也说明了创新协同和产业创新网络在核心科技领域将扮演越来越重要的作用。

“十三五”期间，浙江省着力构建多种形式的产业合作模式，以期构建产业关联下的创新网络。省政府出台《浙江省产业链上下游企业共同体护链实施办法》，围绕数字经济、新材料等产业创建了省级创新中心19家、产业链上下游企业共同体105家，以期加快围绕产业链部署创新链的步伐，利用产业之间技术的耦合共生关系攻克“卡脖子”技术，促进创新成果转化为企业生产力。据省科技厅和经信厅统计数据显示，各类产业创新服务综合体累计解决技术难题1.6万个，达成技术交易成果6 811项，全省规上工业企业新产品产值在“十三五”期间提升438亿元，年均增长6.2%，新产品产值率提高6.7%。可见，产业间的创新网络传导效应能够对企业发展产生显著的促进作用，但其内在的影响路径与实际效果仍值得研究。

本文重点探讨产业关联视角下创新网络的传导效应。创新网络传导效应是指产业间创新投入的关联关系，是创新协同机制的一种表现。在产业关联的视角下，某产业的创新行为不仅作用于本产业还有助于其他关联产业的创新与发展，同时本产业还能够从关联产业的创新活动中获益，有力地推动整体产业的协同发展。而依据创新传导路径的方向不同，该传导效应可以分为创新吸收效应和创新溢出效应。

本文关注网络传导效应对于企业生产效率的促进作用。产业创新网络可以从以下三个方面提升企业的生产效率。第一，当产业链上游企业产生创新成果，其下游企业为了适应最新的技术成果而进行生产技术的改进与创新，倒逼下游企业进行有目的性的创新投入和新产品研发，从而提高生产效率[4]。研发活动对于企业而言具有高风险和长期回报的特点，这意味着在短期内会面临较大损失(杨道广等，2017)[5]。完善产业间的创新协同机制，有助于企业之间相互配合、取长补短,通过合作降低研发成本,提高创新收益,进而提高企业的全要素生产率水平(张豪等，2018)[6]。朱平芳等(2016)[7]以感应度系数和影响力系数来衡量产业关联的程度，研究发现以影响力系数为代表的后向关联越密切，企业研发人力投入、资金投入和新产品销售对其他企业的影响越强。第二，产业创新网络的传导效应较强，预示着产业链和价值链上的供求信息互通更为紧密，因此，企业的生产和经营行为能够及时对市场和需求的变化做出反应，创新网络传导效应提升了企业内部的管理和运作效率。如何收集有效信息是企业突破技术和效率瓶颈的主要问题之一。浙江省致力于搭建产业链上下游企业共同体，促进产业间创新协同的同时，也通过平台的信息集聚效应来降低运营成本，提升规模经济。不少研究都证明了信息对于企业生产效率的促进作用(蔡跃洲和张钧南，2015；孙早和刘李华，2019)[8,9]。高丽娜等(2016)[10]也认为加强产业间的关联能更多地了解市场最新信息，充分利用各产业间的异质资源提升自身创新绩效，从而提升企业生产经营水平。第三，紧密的产业创新网络可以加速生产要素的流动和资源的分享。外部创新协同就是要求企业与其他企业、高校、科研机构等组织进行深度合作，引导建立多元主体协同创新模式，提高创新绩效，从而反过来促进企业生产和经营效率提升。多种形式的创新融合模式也为禀赋上处于劣势的市场主体提供了融资条件。同时，产业创新网络的关键作用是加速产业内和产业间的资源整合，降低劳动力流动的门槛。而劳动力流动为企业带来新的人力资本，加速了技术和人力资本的整合，缩短了企业间技术和生产效率的差距(陆铭等，2019；王婷等，2020；曹芳芳等，2020)[11-13]。

本文一方面通过产业创新网络模型的构建识别分析浙江省各产业自身创新的效率和创新传导效应。结果表明，浙江省整体的产业创新网络较为稳定，其中高效高溢型在整个创新网络中起主导作用，而受到政策关注的新兴产业自身创新效率稳步提高。另一方面，通过面板数据进行回归的结果显示，创新网络传导确实会提高企业内部的创新效率，从而提升企业自身的生产效率，但是这种影响只来自产业间的创新溢出效应。

相关文献主要包括两类。一类文献侧重于产业关联相关的研究。现有文献主要集中于测度某个特定产业多期感应度系数与影响力系数，研究该产业与其他产业间的关联强度变化情况。感应度系数与影响力系数的本质属于二元系数，适用于单链式关联强度的测度，难以系统性描述产业间的传导结构特征[14]。随着社会网络分析法在创新经济学领域的应用，产业创新网络结构特征与传导机制的相关研究得以进行。目前研究多集中于我国特定产业某一时点的网络特征[15,16]。另一类文献关注企业生产效率。企业作为产业创新网络的构成主体，产业的创新溢出效应对本产业内微观企业自身的生产效率也会产生一定影响，企业通过产业网络关联溢出，吸收外溢创新成果或倒逼自身科技创新，进一步将创新成果内化为生产效率[17]。本文则从产业关联的角度对产业创新网络进行识别，从而分析创新网络传导效应对于企业生产经营的积极作用，补充了已有文献。

二、产业关联的创新网络模型

随着产业融合不断深化，各产业链开始出现跨链融合，形成了错综复杂的产业创新网络传导。本节通过社会网络分析法对产业间存在的竞合、上下游等经济联系进行分析，并借鉴Terleckgi(1974)[18]产业间技术溢出效应模型构建产业间的创新关联与传导机制。

(一)创新传导矩阵构建

借鉴Terleckgi(1974)[18]提出的产业间技术溢出效应模型以及Hauknes和Knell(2009)[19]对传统Leontief逆矩阵的修正方法，构造矩阵T=diag(R&D)×diag(X)-1×L*。矩阵T是以直接消耗系数矩阵为基础，但利用直接消耗系数矩阵进行行向量的分析并不合理[20]。因此文章采用刘起运(2002)[20]提出的直接分配系数对模型进行进一步修正，即利用直接分配系数矩阵B衡量技术扩散的溢出效应以及直接消耗系数矩阵A衡量技术扩散的吸收效应：

1.技术扩散溢出效应。构造修正后的后向关联矩阵S如下：

S=diag(R&D)×diag(X)-1×D*

(1)

2.技术扩散吸收效应。构造修正后的前向关联矩阵R如下：

R=diag(R&D)×diag(X)-1×L*

(2)

其中，矩阵R的第j行代表产业j从省内其他产业技术创新活动中吸收技术创新效应的总和。L*的构造方法参考Hauknes和Knell(2009)[19]对传统Leontief逆矩阵的修正方法。

(二)各产业相对创新能力指标

1.自主研发创新能力

以研发人员全时当量和研究经费内部支出作为投入指标，以专利申请数作为产出指标来衡量各产业的自主创新能力。为同时考虑投入和产出水平以及时间趋势，本文选用数据包络分析模型(DEA-Malmquist指数模型)来描述效率的动态变化。

2.相对创新溢出效应(Spill)和相对创新吸收效应(Absorb)

相对创新传导效应的指标计算公式借鉴了施卫东和朱俊彦(2011)[21]的构造方法，具体公式如下：

(3)

(4)

其中，矩阵S的行向量之和表示该产业创新溢出效应；矩阵R的列向量之和表示该产业创新吸收效应。同时，本文通过完全供给系数矩阵D和完全消耗系数矩阵C排除产业规模差异的影响，构建相对指标衡量创新网络传导效应。

3.创新网络传导指标

创新网络传导相关中心度借鉴了施卫东和朱俊彦(2011)[21]的指标计算公式。具体公式如下：

(5)

三、创新网络传导效应的识别和分析

本节将从产业创新网络的视角出发，识别创新网络传导效应，并对其进行网络分析。

(一)识别创新网络传导效应

首先，关注浙江省产业自身的创新能力。数据选取2009—2017年《浙江省科技统计年鉴》中县级以上政府部门属自然科学的研究与开发机构和规上工业企业这两类主体的三项数据(研发经费、研发人员和专利申请数)，并以此来衡量自主创新能力。由于从研发投入到产出存在明显滞后性，故以产出年度前三年的平均研发投入衡量创新的投入。

借鉴Hauknes和Knell(2009)[19]的合并方法，将2012、2015和2017年浙江省投入产出表中的42个产业归类为11个类型的产业。由于消费性服务业中大量投入产出指标数值为零，不适合作为有效的决策单元，因此研究对象仅包括其余10个产业，数据详见表1。从自身创新能力来看，2012年至2017年整体上创新网络传导效应并未发生显著变化，体现了网络结构的稳定性。劳动密集型制造业、新能源产业得分为1，属于有效决策单元，高端装备制造业、新材料产业和电子信息产业创新效率较优。而农林牧渔产业和服务业的得分靠后，说明创新效率偏低，存在投入冗余和产出不足问题。相对而言，受政策支持程度较高的高端装备制造业、生命健康产业、电子信息产业和节能环保产业的自主创新效率持续提高，体现了政策对于新兴产业自主创新能力的引导作用。

表1 产业自主创新效率

其次，根据公式(3)(4)计算得到各产业相对创新传导指标来衡量创新传导效应，结果如表2所示。高端装备制造业和电子信息产业的双向创新传导效应指标大于或接近1，说明这些产业在政府的引导下能够与其他产业开展密切的创新合作。新材料产业的创新溢出效应指标超过1，吸收效应指标小于0.5，说明其利用上游产业的优势通过产品交易向中下游产业溢出创新成果。劳动密集型制造业、新能源产业和服务业，溢出指标小于0.5，吸收指标大于或接近1，说明这些产业主要为其他产业提供传统产品与服务，技术创新主要来源于对其他产业技术创新成果的消化吸收。

表2 产业创新传导效应

(二)网络分析

文章从产业创新网络结构的角度对创新网络传导效应进行分析，并按照在网络中心度将产业的层级角色分类为普通、核心和源，详见表 3。其中，高端装备制造业是2012年和2015年创新网络中的源头，2017年源头产业转变为新材料产业。这是因为，随着高端装备制造业前两个窗口期快速发展，推进产业升级政策转向高端制造业的上游产业，通过新材料产业研发创新出高性能材料并应用于航空、电子等高精尖领域，为高端装备制造业乃至整个创新网络升级提供可能。此外，从2012年至2017年，少数产业的相对中心度在2017年稍有提升，其余均呈现下降或处于较低水平，这表明各产业间的创新联系趋于松散，但整体结构未发生明显变化。

表3 创新网络传导相关指标(1)层级角色划分标准参考《知识密集型服务业在国家创新体系中的创新扩散模式研究——基于网络分析的视角》[21]。

基于上述行业在创新网络中的特征，将产业归纳为四类，并利用NetDraw软件绘制了2017年创新网络传导图，见图1。一是高效高溢型产业，主要包括高端装备制造业、新材料产业和电子信息产业。这些产业处于创新网络的中心，具备较高的自主研发能力和创新溢出效应，但在吸收创新效应上存在差异。二是高效高吸型产业，主要包括新能源产业和劳动密集型制造业。这些行业处于次中心地位，有较高的自主研发创新效率，较大程度地受到其他产业研发创新的影响，但其产品具备较强的应用消费属性，本身的创新溢出效应较低。三是低效高溢型产业，主要包括生命健康产业、节能环保产业和农林牧渔产业。这些行业基本处在我省创新网络中的核心与普通地位之间，在研发过程中的创新效率不高，但其创新产品对其他行业具有一定的溢出效果。四是低效高吸型产业，主要包括生产性服务业和公共性服务业。服务业虽然仅处于边界位置，其本身自主创新能力存在明显不足，但具有很强的吸收效应，通过有效利用各产业创新成果并将其转化为最终产品供给终端消费者。

图1 2017年创新网络传导图(2)图中节点的大小表示该部门的在创新网络当中起到中介作用的大小，线条的粗细表示产业间创新传导的强度。

四、数据描述与统计

在识别创新传导效应的基础上，本文重点关注创新网络传导效应对企业生产效率的影响。

(一)基本模型设定

通过上文的分析可知，产业间创新网络主要影响的是网络内部企业的创新行为，创新关联越紧密，越能够激发出企业的创新效率，提高研发投入转化为真实生产力的能力。因此本文构建创新传导系数与研发投入的交互项作为模型的解释变量，具体模型如下所示：

TFPi,t=α0+β1Spilli,k×lnR&Di,t+γ1lnR&Di,t+∑Øixi,t+ηt+δc+εi,k,t

(6)

TFPi,t=α0+β2Absorbi,k×lnR&Di,t+γ2lnR&Di,t+∑Øixi,t+ηt+δc+εi,k,t

(7)

其中，被解释变量TFPi,t表示i样本企业在t年的生产效率，由于生产率分解方法(OP法)可以较好地处理变量相互影响所引起的内生性问题和样本选择偏差问题，本文选取OP法计算样本企业的全要素生产率来衡量样本企业的生产效率。解释变量为样本企业所在行业的创新传导效应与企业研发支出的交互项，其中，Spilli,k×lnR&Di,t和Absorbi,k×lnR&Di,t分别表示t年k行业的创新溢出效应和吸收效应与i样本企业研发支出的交互项，相对创新溢出效应(Spilli,k)与相对创新吸收效应(Absorbi,k)由公式(3)和公式(4)计算得到。研发支出(R&Di,t)表示i样本公司t年研发支出，lnR&Di,t=ln(R&Di,t+1)。xi,t表示一系列控制变量。ηt和δc分别表示年份和地区层面上的固定效应。β1、β2表示产业创新传导能够调节企业研发投入对企业全要素生产率的程度，若β显著为正数，说明产业创新网络传导效应有助于促进企业创新对于生产效率的提升。

借鉴国内外文献研究成果，控制变量选取了研发投入、市场集中度、企业年龄、产权结构、政府补助、人力资本、资产负债率、营业收入增长率和托宾Q值。其中，市场集中度采用十厂商集中度(CR10)来衡量。企业年龄(Age)自样本企业成立当年开始计算。产权结构(OWN)依照CSMAR数据库中的分类，将样本企业分类为国有企业和非国有控股企业两类。政府补助(GS)=ln(GSi,t+1)，其中GSi,t为样本公司的政府补助金额。人力资本(SE)为样本公司研发人员数量。资产负债率(TDR)采用负债对总资产的比率表示。营业收入增长率(OIGR)采用营业收入本期金额与上年同期金额之差对同期营业收入的比率表示。托宾Q值(TobinQ)=市值/资产总额。

(二)描述性统计

本文选取主要经营地位于浙江省的沪深两市A股上市公司作为研究对象。数据来源于CSMAR数据库。剔除在观测期内被ST、*ST等特殊处理的上市公司和金融、保险类企业，以及主要变量经过上下1%的缩尾处理后，获得回归样本量831个，如表4所示。

表4 主要变量的描述性统计

五、创新网络传导效应的实证分析

(一)基准回归

表5报告了创新传导效应通过企业研发投入对企业生产效率的影响。列(1)和(3)为保留了部分关键变量的回归结果，列(2)和(4)则考虑了其他潜在因素的影响。其中列(1)因变量lnR&D和交乘项的系数均显著为正，表明企业研发投入有助于提升自身生产效率。列(2)在加入其他影响因素后，因变量和交乘项的系数依然为正，说明对于处于产业溢出效应高的企业，自身研发投入能够借助产业环境的积极作用，进一步促进企业生产效率提升。列(3)结果表明在产业吸收效应强的企业，自主创新能够提升企业的生产效率，但产业环境对企业生产效率的提升作用不明显。列(4)回归结果与列(3)保持一致。这表明，创新溢出效应能够显著提高企业的生产效率，但创新吸收效应对于企业生产效率的影响不显著。可见，在现阶段的产业创新网络中，新技术的倒逼作用是推进创新协同和联动的主要动力，但产业间的信息互通和生产要素流动并没有对企业的生产效率带来显著的影响。此外，控制变量的系数显示，市场集中度越高、政府补助越少、企业经营时间越长的企业创新传导效应越高。

表5 产业创新关联与公司生产效率的关系

(二)分类回归

由表6可见，不同类型产业创新传导强度对企业生产效率的作用效果存在显著差异。第一，产业创新溢出效应对高效高溢产业、高效高吸产业和低效高吸产业内企业的全要素生产率起到显著促进作用，但对低效高溢产业的促进作用并不显著。说明处于低效高溢产业以外的企业能够有效吸收网络创新成果，与企业自主创新产生协同效应，提升自身的生产效率。而低效高溢产业中的节能环保产业和农林牧渔业的下游企业对于创新产品的需求量不足，企业自身创新效率不高，导致难以实现突破式创新并传导到下游产业，实现企业TFP的提升。第二，产业创新吸收效应仅对高效高吸产业内的企业TFP起显著促进作用。说明高效高吸产业内的企业创新效率高并且在生产要素和信息流动中掌握优势，将创新资源内化为自身的创新动力，实现技术革新，提高生产效率。

表6 产业创新关联的选择效应

(三)稳健性检验

考虑到可能存在的反向因果问题，将解释变量提前一期进行回归，发现得到的结果仍然是显著且稳健的。为进一步排除内生性问题的影响，本文选取与浙江省产业结构类似的福建省创新网络数据作为工具变量，并重复上文的实证结果。结果表明，溢出效应确实通过改进企业的创新效率提高了企业整体的生产效率，详见表7。

表7 工具变量的回归结果

六、结论与建议

借助浙江省的投入产出表，运用DEA和社会网络分析法，构建了浙江省产业创新网络。通过实证分析，发现创新网络中的溢出效应会影响到企业的生产效率，主要体现在高效高溢、高效高吸以及低效高吸产业中。这表明，产业创新网络的深化确实可以提高企业创新效率对于生产效率的促进作用。搭建健康合理有序的产业创新网络，深化创新传导机制，对经济高质量发展具有重要意义。

由此提出以下建议：

1.立足产业关联与创新传导，识别战略产业并加强顶层设计。基于各产业之间普遍存在产业关联和创新网络传导效应，政府可利用产业创新链特征，识别具有较强传导效应的特定产业，加大对高溢出但自主创新能力不足的产业的政策扶持，巩固高溢出且创新能力强的产业的核心地位，突破区域和产业的边界，在相互耦合渗透过程中形成更优的产业创新网络。

2.科学评价产业创新社会贡献度，高效推进资源要素优化配置。由于土地、资源、环境容量等要素制约，需要综合评价产业贡献度，为精准施策实施公共资源要素差别化配置提供科学依据。如在浙江省“亩均效益”评价中，结合创新网络结构特征和重点领域关键节点，实施分领域分行业分类设置评价标准，分类施策，提高对高溢出效应产业创新型企业在产业链协同创新中的发挥作用的赋值权重，让高贡献产业在资源要素配置上享受更高待遇。

3.营造激发企业创新内生动力的营商环境。聚焦一批产业链“卡脖子”关键核心技术的突破创新，采用目录引导，支持上下游企业加强产业协同与技术合作攻关。建立共性技术平台，解决跨行业关键共性技术问题，推动核心技术与产品的产业化及应用。完善知识产权保护体系，形成激发创新的内生动力机制。以创新驱动为引擎，优化政府公共服务，激发市场主体创新活力，实现产业网络的持续创新。