基于结构方程模型的VR 产业集群创新绩效研究

2022-11-12黄红英章丽萍杨慧雅

华东交通大学学报 2022年4期

黄红英，章丽萍，杨慧雅

（1. 华东交通大学计划财务处，江西南昌 330013； 2. 华东交通大学经济管理学院，江西南昌 330013）

十九大指出，要实现建设我国现代化经济体系的目标，促进产业迈向全球价值链中高端，培育若干世界级先进制造业集群是其中必不可少的一个环节[1]。2020 年科技部火炬中心印发相关通知，要推进创新产业集群建设，提高行业的创新和竞争能力，推动区域经济体系的建立和发展，推进合作创新。产业集群创新是集群内各种从事知识生产传播、应用等组织之间相互合作影响的结果。创新绩效很大程度上取决于产业集群内企业间如何构建知识创新的集合体。

新发展时代下，高新技术产业的可持续发展在很大程度上依赖于高新技术产业的创新效率[2]，虚拟现实（virtual reality, VR）产业作为高新技术产业，VR 产业集群的发展有利于促进社会创新引领，推动市场主体间创新要素的流动。我国VR 产业仍存在发展不均衡、核心技术匮乏、产品应用场景不广泛等问题，这使得促进VR 产业集群的创新发展刻不容缓。集群内企业创新网络与创新绩效的关系中，企业自身潜力、政府行为导向和企业合作驱动均不同程度和层面影响创新网络与创新绩效发展[3]。学者对产业集群中官产学协同创新也进行了多方研究，刘小灿等和方文超等均以三螺旋理论为基础，前者认为产业集群是创新活动的开端，政府则要为产业集群的创新提供良好的政策环境，高校和科研院所则要提供知识产出，为集群企业创新提供人才和知识支持；后者基于三螺旋理论构建“高校和科研院所-集群企业-政府” 之间的互动关系，它们相互合作共同促进区域创新发展[4-5]。

在现有文献中，传统产业集群研究占据了学者对产业集群相关研究的大部分篇幅，并取得了一定的研究成果，而对高新技术产业的VR 产业集群的针对性研究则较少。鉴于此，本文将基于三螺旋理论，探讨研发投入、政府行为与集群氛围对VR 产业集群创新绩效的影响机制，并采用南昌市VR 产业集群的调查数据建立结构方程模型来实证检验。以期促进企业之间的深度分工，有利于VR 集群构建并维系企业间的社会网络关系，进而有效发挥产业集群对VR 产业创新绩效的作用。

1 理论分析与研究假设

1.1 VR产业集群

我国VR 产业集群已初步建成，拥有VR 创新、体验、展示、云四大中心和资本、教育、标准、交易四大平台。其中交易平台已累计完成交易额1.3 亿元，技术创新活动日益频繁[6]。目前南昌市VR 产业集群建设存在诸多问题，例如未能突出优势和培育出拥有VR 相关核心技术的本地企业，未构建完整的科技产业链，其产业集群创新绩效过低，需采取措施提升集群的创新绩效。 “官产学”之间仍需更加紧密合作，政府应继续引进高科技核心人才，鼓励高新科技企业落户，实行政策优惠等措施，集群企业应积极进行产品和技术升级创新，学校应继续加大对VR 产业专门素质人才的培养并加强与集群企业的交流合作。

1.2 VR 产业集群创新绩效影响因素分析

三螺旋理论是1990 年美国著名经济学者Henry Etzkowitz 所提出的区域性官产学创新经济理论，该创新理论主要研究高校和科研院所，产业和地方政府之间的区域性经济协同创新与合作关系，更加强调通过官产学间有效互动，作用于各主体创新，如图1 所示。

图1 三螺旋理论图Fig.1 Theoretical diagram of triple helix

以该理论为依据，将上述3 个螺旋归结为以下3 个方面，研发投入、政府行为、集群氛围，即VR 产业集群创新绩效的3 个影响因素，并构建了概念模型，如图2。

图2 南昌市VR 产业集群创新绩效影响因素概念模型Fig.2 Conceptual model of influencing factors of innovation performance of Nanchang VR Industrial Cluster

1.3 研究假设

根据影响南昌市VR 产业集群创新绩效的各个因素间的逻辑关系，基于前文构建的VR 产业集群概念模型，本文提出3 个假设。

假设H1：研发投入因素对产业集群创新绩效有正相关影响。

从企业-研究组织关系来看，房银海等研究指出高校，科研机构是集群企业网络创新模式的核心要素[7]。 Lyu 等[8]指出在中国区域创新网络中，大学和研究机构占据重要位置。研发投入包括企业研发活动资金投入比重、企业研发部门人员比重、企业与高校，科研所合作频率等。一般来说，企业在研发活动中投入力度较大，越有利于提高自主创新能力，产生更高的创新绩效，产品附加值更高。企业拥有的专利数量也是一种无形资产。此外，企业与高校，科研所合作紧密有利于引进核心专业人才，培养自己的技术团队。

假设H2：政府行为因素对产业集群创新绩效有正相关影响。

清华大学技术创新研究中心将政府政策、社会文化、设施等作为影响企业创新绩效的因素。王圣云等研究认为政府通过制定政策，基础设施建设等为集群企业创新提供了良好的环境[9]。彭英等[10]指出政府行为具有强有力的导向及推动作用，其行为不仅包括政府的政策行为，还包括规划行为和投资行为，对产业的发展方向和规模扩张有很大的影响。政府作为市场经济“有形的手”能够有效调节市场经济，弥补市场调节对经济总体和市场信息掌握有限的问题，制定人才挽留机制，协调具体部门进行VR 基础设施的建设。

假设H3：集群氛围因素对产业集群创新绩效有正相关影响。

有学者认为集群氛围环境与集群的创新绩效存在正相关关系。 Antonio 等[11]研究发现中小企业与供应商的关系越密切，越能促进创新；Cong 等[12]从企业合作角度得出集群企业间合作关系与产业集群创新绩效存在正相关关系；Wang 等[13]认为创新绩效受到企业的信任，合作及创新态度及行为的影响。集群内企业自身的积极行为提升了企业的创新绩效，而企业创新绩效的提高又促进了集群企业的自身行为[10]。集群氛围包括企业运营资金来源渠道丰富程度、企业间的集体销售频率、企业信息共享程度和沟通情况、企业与当地上下游厂商的合作次数等。产业集群企业之间的集体采购与集体销售频率在一定程度上有利于降低采购与销售成本，利于区位优势互相学习，共同进步，不断提高自主创新能力。

2 数据来源与变量选取

2.1 数据来源

数据库的收集采用问卷调查的形式，利用收集的有效问卷建立数据库，本文的问卷发放对象主要是南昌市VR 企业中从事生产、销售、研发等不同部门的员工或管理者，剔除无效问卷后共回收问卷321 份。

2.2 变量选取

为了使选取的指标更具科学性和代表性，在VR 产业集群创新绩效的研发投入、政府行为的基础上，将集群氛围也纳入自变量范畴内，选取了以下指标来反映VR 产业集群创新绩效及其影响因素，具体见表1。

表1 主要变量建立Table.1 Establishment of main variables

2.3 信效度分析

常用的表示信度的系数是Cronbach α 信度系数。一般而言，Cronbach α 信度系数最好在0.6 以上，说明数据信度较好，通过检验，若是在0.5 以下，数据则不适合作下一步分析。

2.3.1 信度分析

本文针对每个变量所对应的问卷题项，通过计算Cronbach's α 值来评价信度，运用SPSS.24 检验的结果见表2。

由表2 可知，本问卷的数据α 值均达到了0.8以上，说明各个变量的可靠性良好，适合进一步的研究。

表2 信度分析表Table.2 Reliability analysis

2.3.2 效度分析

本文的效度检验选用KMO 检验和Bartlett 球体检验，具体结果如表3 所示。

表3 研发投入KMO 和Bartlett 球体检验Table.3 KMO and Bartlett sphere inspection of R&D investment

KMO 检验用于检验变量间的相关性，取得的检验数值在0～1，数值越接近于1，说明变量间的相关性越强，当KMO 检验数值在0.5 以下，此时不适合用因子分析法。同时，Bartlett 检验值需小于0.05。

从表3 检验结果可以看出，KMO 值为0.744，大于0.7，数据效果较好；Bartlett 球形检验值为0.00，说明各观测变量之间具有较强的相关性。

结合表4 检验结果分析数据，KMO 值为0.659，变量间的相关性可以接受；Bartlett 球形检验值为0.00，说明各观测变量之间具有较强的相关性。

表4 政府行为KMO 和Bartlett 球体检验Table.4 KMO and Bartlett sphere test of government behavior

从表5 检验结果可以看出，KMO 值为0.753，变量间的相关性强；Bartlett 球形检验值为0.00，说明各观测变量之间具有较强的相关性。

表5 集群氛围KMO 和Bartlett 球体检验Table.5 KMO and Bartlett sphere test in cluster atmosphere

3 实证分析

3.1 模型构建

结构方程通常如下

式（1）为结构方程，其中：η 为内生潜变量；ξ 为外生潜变量；β 为内生潜变量η 之间相互影响的系数矩阵；Γ 为外生潜变量ξ 对内生潜变量η 的影响；ζ为误差量。式（2）、式（3）为测量方程，X 为外生潜变量的测量方程，Y 为内生潜变量的测量方程，通过测量方程，潜变量可以由可测变量来反映[14]。

在参考肖绪文[15]和简兆权等[16]的研究文献基础上，模型初步构建图如图3。

图3 初始模型结构Fig.3 Initial model structure

本次模型中有3 个外生潜变量，分别为研发投入、政府行为、集群氛围，对应9 个外生观测变量，分别为：企业研发资金投入比重，企业研发部门人员数量，企业与高校、科研院所合作频率；企业营运资金来源渠道，基础设施建设投入力度，政府支持合作项目；集群企业间的信息沟通程度，集群企业参与集体销售程度，集群间企业互相借调资产或人员频率，观测变量对应的残差为e1～e9。有1 个内生潜变量，为VR 产业集群创新绩效，对应3 个内生观测变量，分别为：企业依靠新技术、新产品获得的收入占销售额的比重，新技术、新产品是否企业主要增长点，企业拥有专利数量。

3.2 模型识别

本文中VR 产业集群结构方程模型，有9 个外生观测变量，3 个内生观测变量，即m=9，n=3，通过系列计算得出t 值为30，即有30 个待估计的自由参数。此时自由度df=78-30=48＞0,按照模型识别标准属于过度识别，可以继续后续拟合。

3.3 模型估计

确定模型可以识别后，进行模型估计的样本数据一般要求足够大，Chen 等[17]建议样本数不少于100 份，最好在200 份以上。在估计方法选择上，本文的估计方法为最大似然估计法（maximum likelihood，ML）。

在建立好VR 产业集群结构方程模型后，对模型中的观测变量的方差和协方差进行参数估计，通过对数据的导入，运行AMOS.24 结果如表6 所示。

表6 系数估计结果Table.6 Coefficient estimation results

据表6 可知，研发投入、政府行为、集群氛围均对VR 产业集群创新绩效有正向作用，其中研发投入对VR 产业集群创新绩效显著相关，验证假设H1、H2、H3。

3.4 模型拟合

以指标拟合度为标准，可以得出模型初步运算出的拟合结果，如表7 所示。除了CMIN（卡方值）、GFI、RMR、RMSEA 外，其他指标均已达到可以接受的模型拟合标准，根据模型初步估算的修正指数M.I.（modification indices），可以对相关变量进行下一步的模型修正。

表7 模型指标检验Table.7 Model index test

3.5 模型修正

通过模型修正指数表计算得知，e1 和e2 之间的修正指数MI 最大，为32.231，说明可以建立二者之间的关系来修正模型。通过修正指数，进行了e1和e2、e2 和e10、e3 和e10、e1 和e8 共4 次修正后，模型数据达到了较为理想的参数拟合度。修正结果如表8 所示。

表8 最终模型拟合度适配值Table.8 Fit value of final model

其中，修正后模型的RMSEA 值为0.094，大于0.08 的良好标准，但介于0.08～0.10，根据吴明隆在《结构方程模型：AMOS 的操作与应用》中的结论，该模型属于普通适配模型，即可以接受。

最终模型输出结果如图4 所示。通过上述修正，进行模型结果假设检验分析。

图4 模型修正输出Fig.4 Model correction output

研发投入因素对产业集群创新绩效有正相关影响，通过SEM 中的路径系数可得，研发投入在VR 产业集群创新绩效上的路径系数为0.54。政府行为因素对产业集群创新绩效有正相关影响，通过SEM 中的路径系数可得，政府行为在VR 产业集群创新绩效上的路径系数为1.22。集群氛围因素对产业集群创新绩效有正相关影响，通过SEM 中的路径系数可知，集群氛围在产业集群创新绩效上的路径系数为0.42。