国内需求、政府补助与我国石油石化产业技术创新效率

任保全，张欣

石油石化产业是我国重要的战略资源产业，在国防、工业、农业、交通和人民日常生活中都扮演着不可替代的角色。“十三五”以来，石油石化产业通过实施优化产业结构、提高企业竞争力、深化供给侧结构性改革等措施，在经济不确定形式下依然平稳发展。但是，我国石油石化产业低端产能过剩、高端供给不足的结构性矛盾依然存在。王卫星等[1]研究发现，我国石油石化绿色创新效率整体呈缓慢上升趋势，但行业内企业发展并不均衡。姜鸿等[2]通过构建石油石化企业国际竞争力分析模型，得出我国石油石化企业在技术创新、生产运营和资金管理等方面仍存在一定提升空间的结论。戴厚良等[3]指出，我国虽已跻身世界石化大国前列，但发展质量有待提升，存在“大而不强、快而不优”，产品有效供给能力不足，科技创新引领能力不强等薄弱环节。因此，为了提升我国石油石化产业的成长韧性和发展质量，提高产业技术创新效率刻不容缓。

一、文献综述

(一)国内需求对创新效率的影响

第一，国内需求显著降低企业技术创新成本。一是，先发性需求使得消费者更容易接受新产品，进而减少新产品的宣传推广费用[4]。二是，创新产品具有规模经济特性。在特定的规模范围之内，提高技术创新产品的生产数量，可以降低单位产品的生产成本[5]。

第二，国内需求引导技术创新[6]。一方面，国内市场需求可以显著降低企业在技术创新实践过程中遇到的不确定性风险，并对技术创新产生导向作用；另一方面，本土市场需求确保技术创新具备广阔的市场基础，能为企业带来较大的盈利空间，激发企业的创新热情。

第三，“母市场效应”理论。国内需求对技术创新质量所产生的直接或间接作用比出口更大[7]，本土市场规模可以显著促进产业创新水平的提升，但这种促进主要体现在劳动密集型和资本密集型行业中[8]。巨大的国内市场，能使企业产生规模效应，降低企业生产环节的成本，企业可以将更多的资金投入到技术创新项目中。

第四，本土市场规模对企业技术创新和技术成果转化存在抑制作用。由内生增长理论可以推导，新技术的生产量是由新技术的市场供给和需求共同决定[9]。如果消费者对技术创新产品的需求规模过小，甚至不存在，则新技术产品的产量会被抑制，最终导致创新技术成果转化失败。

(二)政府补助对创新效率的影响

第一，政府补助能显著提升企业的技术创新效率。一方面，政府对研发创新企业提供的资金支持缓解了创新企业的经济压力，降低了研发风险，使企业对创新活动更具积极性[10]；另一方面，政府补助具有释放积极信号的作用，不仅能够为产业发展指明方向，还可以吸引外部资本，确保企业拥有充裕的资金探索前沿技术[11]。

第二，政府补助能显著降低企业的技术创新效率。第一，由于市场反馈的滞后性、市场信息的不对称、政府偏好专用技术研究等原因，政府补助会降低企业的技术创新效率[12]；第二，政府研发补助会使全社会更加重视研发活动，研发资源需求上升会导致研发成本增加，相应地，研发投入产出效率会降低[13]；第三，政府补助会在短时间内替代企业原本用于研发的资金与资源，削弱企业的自主创新能力[14]；第四，创新存在溢出效应，创新成果容易被模仿，创新企业会因为失去获得创新风险补偿的机会，而缺乏技术创新的动力[15]。

第三，政府补助与企业技术创新效率存在“U型”或“倒U型”关系。有学者认为，政府补助规模与企业技术创新能力呈浅U型关系，即只有当补助规模超过适度值之后，政府补助才能真正提高企业技术创新能力[16]。也有学者认为，政府补助与企业技术创新效率存在“倒U型”关系，即政府补助存在门槛值，在达到门槛值之前，政府补助会促进企业技术创新效率的提升；超过门槛值之后，政府补助就会对企业技术创新效率产生抑制作用[17]。

第四，政府补助对企业创新效率的影响甚微[18]。政府补助对企业当期的技术创新效率不存在显著影响,激励效应存在一定时滞性[19]。

梳理现有研究成果发现，同时研究国内需求和政府补助对产业技术创新效率影响的文献较少，而针对我国石油石化产业的研究文献更加缺乏。因此，笔者在测算石油石化技术创新效率的基础上，建立Tobit模型，从产业整体、分产权性质、分地区等三个视角，分析国内需求、政府补助对我国石油石化产业技术创新效率的影响。

二、研究方法及数据说明

(一)三阶段DEA

1.模型设定

技术创新效率的测算方法主要包括以SFA为代表的参数法和以DEA为代表的非参数法。本文采用三阶段DEA模型测算我国石油石化产业技术创新效率。Fried等[20]剔除了随机误差和外部环境因素的影响，在传统DEA模型的基础上构建了相似SFA模型，克服了传统DEA模型存在真实效率误差的缺陷[21]。测算过程分为以下三个步骤。

第一步，构建传统DEA模型。基于企业原始的投入与产出数据测算初始效率，并将测算的综合效率TE分解为纯技术效率PTE和规模效率SE(TE=SE×PTE)。若纯技术效率PTE和规模效率SE都等于1，则DEA有效；若纯技术效率PTE或规模效率SE为1，则DEA弱有效；若两者均不为1，则DEA无效。

第二步，构建SFA回归模型。将各环境变量作为解释变量，第一阶段测算得到的各投入指标松弛变量作为被解释变量，进行回归。参照Fried等[20]的研究，构造类似SFA回归函数(从投入导向考虑)。

Sni=f(Zi;βn)+vni+μni;i=1,2,…,I;n=1,2,…,N

(1)

式中，Sni为第i个决策单元第n项投入的松弛值；Zi为环境变量；βn为环境变量系数；vni～N(0,σv2)是随机误差项，表示随机干扰因素对投入松弛变量的影响；μni～N+(0,σμ2)，是管理无效率，表示管理无效率对投入松弛变量的影响。SFA回归的目的是剔除环境因素和随机干扰因素对技术效率的影响，确保所有的决策单元都能处于相同的外部环境之中。参照Fried等[20]的研究，构建调整后的回归方程。

(2)

第三步，基于调整后的投入产出数据，再次运用DEA模型测算效率值。经过第二阶段的调整，已经剔除环境因素和随机因素的影响，测算结果较第一阶段更加真实准确。

2.变量选取

借鉴赵树宽等[22]的研究，将投入变量分为研发投入和生产投入，其中，研发投入指标包括研发投入费用和研发人员数量，生产投入指标包括劳动资本投入和生产性资本投入。选取石油石化企业R&D支出总额来衡量企业研发投入费用，选取R&D人员数量作为研发人员投入。生产投入指标包括劳动资本投入和生产性资本投入。选取上市公司年度企业员工总数作为劳动资本投入。李济广等[23]认为，技术创新投入一般包括人、财、物三个方面，并且“物”通常主要包括实验设备和生产设备，故选取固定资产净值作为生产性资本投入。

产出变量包括技术绩效和财务绩效。借鉴冯燕妮[24]的做法，用专利授权数量来测度技术绩效。企业实施创新活动最终目的是盈利，主营业务收入反映企业的盈利能力，故选取主营业务收入衡量财务绩效。选取政府补助总额、地区生产总值、科技投入水平、创新人力的投入规模，分别衡量政府补助、生产总值、科研强度、科研氛围等四个环境变量。

(二)Tobit模型

1.模型设定和变量选取

Tobit模型属于受限因变量模型，可以避免回归结果有偏的缺点。因此，选择Tobit模型，对国内需求、政府补助等解释变量与产业技术创新效率进行回归。其中，被解释变量为测算所得的产业技术创新效率(Effect)。解释变量包括国内需求(lnHmd,用国内主营业务收入之和取对数衡量)、政府补助(lnSub，用政府对上市公司的补助总额取对数衡量)。控制变量包括政府政策支持(Policy,用地区科学事业费占一般支出比重衡量)、教育投入水平(Edu,用地区教育事业费占一般支出比重衡量)、资产结构(Debt，用总负债比总资产衡量)、企业规模(lnSize，用企业总资产取对数衡量)、外商投资(lnFDI，用地区历年外商投资总额取对数衡量)、现金比率(CR，用企业现金类资产与流动负债的比值衡量)、企业性质(Nature，国有企业取1，其余取0)。Tobit回归模型设定下：

Effect=α0+α1lnHmd+α2lnSub+α3Policy+α4Edu+α5Debt+α6lnSize+α7lnFDI+α8CR+εjt

(3)

其中，αi为待估计参数，εjt为随机误差项，且服从εjt～N(0,σ2)。

2.数据来源

数据来自国家知识产权局、中国统计年鉴、Wind、企业年报、国泰安CSMAR的相关数据库。依据国务院国有资产监督管理委员会考核分配局对石油化工行业的分类方法，选取石油和天然气开采业、石油加工及炼焦业、化学工业(基础化学原料制造业、日用和化学产品制造业、化纤制造业、橡胶制造业、塑料制造业)这三大类作为研究对象。初选样本包括2012—2019年128家上市公司。剔除2012—2019年未公开披露年度报告的公司，剔除选取变量存在缺失值的公司，最终得到86家上市公司，共688个“公司 - 年”观测值。对主要变量进行1%的双边缩尾处理，以避免极端值对结果产生不良影响。变量的描述性统计见表1。

表1 主要变量的描述性统计

三、三阶段DEA模型实证结果

(一)一阶段DEA结果

运用DEAP2.1软件对2012—2019年我国石油石化产业技术创新效率进行测算，结果见表2。第一，2012—2019年我国石油石化产业技术创新效率均值呈现先上升后下降的趋势；第二，石油石化产业纯技术效率与技术创新效率到效率前沿面均有一定的距离，说明石油石化产业技术创新效率不高的主要原因是纯技术效率较低；第三，国有样本技术创新效率均值都超过非国有样本的技术创新效率均值，但两者之间的差距不大。

表2 2012—2019年我国石油石化产业技术创新效率第一阶段均值

(二)二阶段SFA结果

分别以政府补助、生产总值、科研强度及科研氛围等为自变量建立SFA回归模型，运用Frontier4.1软件进行回归，结果见表3。

表3 第二阶段SFA回归结果

由第二阶段的实证结果可知，LR通过了显著性检验，说明产业技术创新效率受到环境因素和随机干扰因素的显著影响。此外，gamma值接近1，说明是管理无效率导致投入变量冗余。

具体而言：第一，政府补助对研发人员、研发费用、劳动投入和生产资本投入的松弛变量均有正向影响，表明政府补助对提高各项投入资源的利用效率的作用不显著；第二，地区生产总值对劳动投入松弛变量有显著的负向影响，地区生产总值对研发人员、研发费用和生产资本松弛均有显著的正向影响；第三，科研强度对生产资本松弛变量有显著的负向影响，表明科研经费越高的地区，固定资产投资越多，充足的科研经费为技术创新活动的开展提供了物质保障；第四，科研氛围对研发人员松弛变量、研发费用松弛变量和劳动投入松弛变量都有显著的负向影响，说明增大地区创新人力的投入规模能有效减少研发人员、研发费用和劳动投入的浪费。

(三)三阶段DEA结果

剔除环境因素和随机干扰因素对上市公司投入与产出的影响后，再次运用DEA模型测算产业技术创新效率、纯技术效率和规模效率(结果见表4)。对比调整前后的结果发现：在剔除环境因素的影响后，技术创新效率值显著下降，主要原因是产业规模效率下降；调整后的纯技术效率高于规模效率，这表明制约我国石油石化产业综合效率的主要原因是创新规模效率不足；在第一阶段，我国石油石化产业技术创新效率值受到有利环境的影响而被高估，其实我国技术创新能力处于较低水平。国有样本调整前后的技术创新效率值相差较大，非国有样本调整后的技术创新效率略低于调整前的技术创新效率，且调整后的纯技术效率和规模效率均低于国有样本。

表4 2012—2019年我国石油石化产业技术创新效率第三阶段均值

四、Tobit模型实证结果

(一)产业整体回归结果分析

运用统计软件Stata 16.0，以国内需求、政府补助对企业技术创新效率的回归作为基准模型，逐步加入政府政策支持、教育投入水平、资本结构、企业规模、外商投资、现金比率进行回归，结果见表5。

表5 Tobit模型结果

由表5可知：第一，产业技术创新效率与国内需求的回归系数显著为正，表明国内需求对产业创新效率具有显著的促进作用。第二，政府补助的回归系数在1%以上的显著性水平为正，说明政府补助能够有效提高产业创新效率。第三，政府政策支持的回归系数在1%的统计水平显著，说明政府政策支持对产业创新效率具有显著的促进作用。第四，教育投入水平的弹性系数均为负，表明教育投入对产业创新效率提升存在抑制作用。第五，企业规模的回归系数在5%的统计水平显著，表明企业规模对产业创新效率具有显著的促进作用。第六，外商投资的弹性系数在1%的统计水平显著，表明外商投资对产业技术创新效率具有显著的促进作用。

(二)分产权性质分析

由于国有和非国有样本在企业文化、政策支持力度、内控模式、委托代理成本等方面存在较大差异，有必要考察石油石化产业技术创新的效率影响因素对于不同股权性质的差异性。表6显示：第一，无论是国有样本还是非国有样本，回归结果都与整体样本基本一致。这表明国内需求、政府补助对提高我国石油石化产业创新效率的正向激励效应并不因股权性质而存在差异。第二，加入政府政策支持、教育投入水平、资本结构、企业规模、外商投资、现金比率之后，国有样本的国内需求与技术创新效率的回归系数为负，这说明在外因的综合作用下，国内需求对国有样本技术创新产生了抑制作用。

表6 分产权回归结果

(三)分地区性质分析

由于不同地区的经济发展水平、人口受教育层次、自然资源丰富程度等存在较大差异，故要研究在东部、中部、西部等不同地区国内需求、政府补助等因素对产业技术创新效率影响的差异性。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省(区、市)，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省(区、市)，西部地区包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古等12个省(区、市)。分地区回归结果表明：第一，在东部和西部地区，国内需求、政府补助与技术创新效率的回归系数显著为正。这表明在东部和西部地区，国内需求、政府补助对产业技术创新效率存在正向激励效应。第二，东部和中部地区科学事业费占一般支出的比重与技术创新效率的回归系数显著为正。这说明提高东部和中部地区科学事业费占一般支出的比重有利于石油石化产业技术创新效率的提升。值得注意的是，东部、中部、西部地区教育投入水平与创新效率的回归系数均为负，这表明教育投入水平的提高反而降低了石油石化产业技术创新效率。

五、结论及政策建议

第一，研究相较于传统DEA模型，剔除了随机因素与环境因素的影响。剔除环境影响因素之后，技术创新效率测算结果下降了，表明产业效率受到环境因素的影响。第二，我国石油石化产业技术创新效率整体水平较低，这是由纯技术效率和规模效率下降共同导致的。第三，环境因素对产业技术创新效率的影响是显著的。第四，在产业整体估计中，国内需求和政府补助均能提高我国石油石化产业的技术创新效率。第五，在分产权估计中，国内需求对非国有企业技术创新效率的提升作用优于国有企业，但政府补助对国有企业技术创新效率的提升作用比非国有企业更显著。第六，在分地区估计中，国内需求对技术创新效率的激励效应在西部地区最显著，政府补助对技术创新效率的激励效应在东部地区最显著，国内需求和政府补助对提高西部地区产业技术创新效率作用均不显著。

基于以上结论，提出以下建议：

第一，提升规模效率，改善内生动力。石油石化产业需要优化技术创新的资源配置，提升技术创新的使用效率和规模效率。要破除阻碍产业技术创新的旧机制，建立有利于创新动力发挥作用的新机制；要整合优化系统内的创新资源，进行有利于内部创新资源效能发挥的供给侧改革；要构建高效率的产业创新链，搭建有利于嵌入区域或全球创新链体系的创新合作平台。

第二，重视国内需求，发挥母市场效应。要贴近需求方，及时跟踪和反馈需求的新变化，对产业创新的重点需求方向做动态调整。要对标进口的高端石油石化产品，加大高附加值产品的研发力度，逐步采取进口替代策略。庞大和高层次的母市场需求对于集聚创新资源和推动产业创新，都发挥着重要作用。因此，要借助母市场效应，构建以本土石油石化产业的头部企业为链主的国内价值链体系，培育本土石油石化产业的跨国公司，从而提高我国石油石化产业在全球创新链中的地位和话语权。要基于母市场效应，整合国内创新资源，形成以本土石油石化产业、高校、科研院所等创新媒介为核心的多维创新联合体，加大对石油石化产业创新难点和痛点的攻关力度，推动实现核心技术的自主可控。

第三，采取异质性政策，遵循产业发展规律。创新激励政策不能一刀切，对于不同类型的石油石化企业，要采取异质化的创新激励政策。政府应当跟踪和监督补助的实际使用效果，关注政府补助的创新用途和创新产出效率，提升创新政策的实施效果。石油石化产业应当遵循产业和产品的生命周期特点，采取精细化差异化的动态创新激励策略。