创新链与企业全要素生产率——来自Meta 分析的证据＊

毛义华，胡雨晨，水悦瑶

（1.浙江大学滨海产业技术研究院，天津 300301；2.浙江大学建筑工程学院，浙江 杭州 310058；3.无锡学院数字经济与管理学院，江苏 无锡 214105）

改革初期，中国经济呈“粗放型” 发展，产出增长过度倚重要素投入的增加[1]。然而，随着中国低劳动力成本优势流失、人口生育率降低和老龄化程度不断推进、资本边际报酬递减、能源产品价格不断上涨和能源供应紧张，这种增长方式显然是不可持续的。一方面，习近平总书记在党的十九大报告中指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。另一方面，不断有研究发现中国的经济增长在向全要素生产率（TFP）驱动型转变[2-4]，这一转变表明了今后中国地区经济增长的主要差异仍将是全要素生产率的差异，而全要素生产率的增长则依赖于技术进步和创新[5]。若将技术进步与创新作为企业生产经营与未来战略发展的重要方式与手段，需把技术进步与创新的概念转化为具体的实施路径，并以目标为导向，经由合理的实施路径，最终为实现企业、产业乃至经济的进步与发展提供指导。

1 文献综述

“创新” 的概念最早是由美籍奥地利经济学家SCHUMPETER[6]所提出的，他认为，创新不仅是指科学技术上的发明创造， 更是指把已发明的科学技术引入到企业之中， 形成一种新的生产能力。这一观点突显出科学技术与商业化生产之间存在着相当大的差距，这意味着需要有一个衔接过程，而学者们把这一过程概括为创新链。

1.1 创新链的定义与内涵

创新链的概念最早由国外学者MARSHALL 等[7]提出，后经HANSEN 等[8]发展并被广为采纳。一般来说，从基础科学研究到形成科学知识，再利用科学知识指导技术革新并最终实现大规模市场应用的这一过程被认为是创新链。创新链包含创意的激发、转化和扩散3 个阶段，这3 个阶段的划分体现了从创意产生到产品商业化的价值增值过程，企业应当基于创新链这一思维，分析企业内创新的优势和不足，并针对性地制订战略规划推动和提高企业创新能力。

1.2 企业全要素生产率

黄志霖等[9]认为，对于创新的转化，需要依托企业全要素生产率的提升，进而作用于区域经济的发展。结合上文创新链的概念，这也就表明，通过加大对企业创新能力和创新活动的投入与支持，其实现的路径之一是基于创新链这一思维和过程，影响并促进企业全要素生产率，进而带动区域经济的发展。回顾已有文献，基于创新链思维研究其如何影响企业全要素生产率的文献分为4 个方向，分别是创新政策、创新绩效、研发投入以及企业管理和活动。如李政等[10]基于A 股制造业上市公司的研究，发现政府的补贴政策对于全要素生产率有提升作用；徐长生等[11]从创新绩效的专利视角出发，研究发现拥有发明专利能显著提升企业的全要素生产率；张广胜等[12]的实证分析结果显示，研发投入显著提升了制造业上市企业的全要素生产率；此外，还有研究分别从企业金融和企业组织管理架构等方面分析其对企业全要素生产率的影响[13-14]。但尚未有研究系统地将创新链这一过程行为在企业创新活动和能力的提升与企业全要素生产率的增长所产生的作用进行归纳和量化分析。因此，本研究将创新性地从创新链建设和管理的维度出发，分别收集相关维度上能够对单一企业全要素生产率产生影响的有关文献，并利用元分析方法（Meta-Analysis）开展实证研究和量化分析，揭示企业提升全要素生产率的路径，从经济角度为企业的创新与发展政策制定提供一定的参考。

2 研究设计

2.1 研究方法与步骤

元分析（Meta-Analysis），又称Meta 回归、荟萃分析等，是一种可以综合某一主题下的众多单个实证研究结果的统计学方法[15]。由于同一主题下同一变量的各类研究在样本和研究方法上存在一定差异，得到的因果关系效应量也不尽相同。元分析则可以通过定量综合集成分析，生成不同的权重从而计算平均效应量，同时在综合分析的过程中对研究间的异质性成因进行探索，对推动学科的研究方向具有重要意义。目前来说，元分析已经在医学、经济管理学和情报科学中有着广泛应用[16-17]。

现有利用元分析进行的研究主要有以下2种形式：①针对某一要素开展与研究问题间的关系探索，对该要素的不同特征、研究方法的异质性进行细致划分；②从研究问题的全局出发，综合分析多因素对某一问题的解释关系。本文研究以形式②为主，针对企业的全要素生产率开展多因素整合，利用元分析进行定量集成研究。

具体的研究开展将采取以下4 个步骤：首先，从研究的问题，即创新链的建设管理对于全要素生产率的影响出发，全面收集有关文献；其次，在综合浏览所收集的文献基础上制定文献筛选的标准；再次，对按照标准筛选出的文献进行数据整理和编码；最后，按照元分析方法的运用过程进行异质性检验、发表偏倚检验和效应值计算。元分析的具体开展将借助软件CMA2.0（Comprehensive Meta-Analysis）完成。

2.2 文献收集与筛选

元分析方法的研究对象具有全面性和客观性的特点，全面地收集样本文献能保证元分析结果的客观性和消除潜在的偏倚性。本研究将文献检索范围设定为中国企业全要素生产率影响因素的相关文章。而后使用知网、万方、维普等众多中文数据库进行检索，同时为避免遗漏，又借助“百度文库” 进行二次检索，对重点文献进行回溯检索，以保证最大限度收集相关文献。一轮文献检索共获得相关文献95 篇，以供二轮文献筛选。

对一轮文献检索获得的95 篇文献做进一步筛选，以选取适用于本文分析的文献。二轮文献筛选标准如下：①选取以企业作为全要素生产率研究对象的文献，剔除以城市、区域作为研究对象的文献；②选取明确报告了样本数量、因素相关系数r或者可以转化为r（如t值、F值等）的效应值的实证研究文献，剔除综述类、理论研究等非实证类型文献以及缺乏可计算数据的文献。经过多次筛选排查，最终获得35 篇文献用于元分析，其中包括期刊论文32 篇、学位论文3 篇，文献的时间跨度为2015—2021 年。文献发表的时间分布如图1 所示。

图1 相关文献发表时间分布图

2.3 文献编码和变量选择

基于上述目标文献，本研究将对包括文献内容、文献特征、效应统计量在内的数据进行编码整理。首先根据文献研究的具体内容，也就是对全要素生产率的具体影响因素进行分类。在分类过程中，要将不同研究中内涵一致但有命名差异的因素归为一类（如将研发补贴、政府支持、政府补助等相似因素合并为政府补贴）。同时，对每一类影响因素的有关研究，记录文献的作者、研究对象（如哪一类别的企业）、数据处理的方法和回归方法，以及实证分析得出的影响因素作用于要素生产率的回归系数。进而根据回归系数（r）记录或者计算效应值，具体有以下2 种处理方式：如果同一个影响因素在同一样本下被使用多种方法进行回归，则取回归系数的算术平均值作为效应值；反之，如果研究中记录了含有多个不同独立样本的回归系数，则将每个回归系数作为独立的效应值进行记录和编码。

同时，文献的编码由2 位研究人员分别独立完成，并对2 份结果进行交叉核对与校准，最终得到编码一致性为92.5%。总体来说，上述35 篇目标文献共识别出影响企业全要素生产率的74 个不同因素。根据Rosenthal 和目前研究的处理方法，将效应值频次大于等于3 的11 个影响因素保留，进行下一步的元分析。这11 个因素及其定义如表1 所示。

表1 企业全要素生产率的元分析变量选择结果

3 元分析结果

3.1 异质性检验

异质性检验是元分析中对各研究结果效应值合并模型选择的佐证，异质性的来源包括研究纳入标准不一致性，各个研究的基线水平、处理、结果变量不同等。目前，Q检验和I2值是主要的异质性检验方法。两者的区别在于I2值是定性检验，I2值越大则异质性越高，一般将50%作为明显异质性的临界值。而Q检验更为定量，当Q值在统计意义上显著时可明确认定研究间存在异质性，而采用随机效应模型合并效应量则能够将异质性充分包含在内；反之，当研究间不存在异质性时，选用固定效应模型合并效应量较为合适。本研究的异质性检验结果如表2 所示，“社会责任感” 和 “创业投资”因素的Q值不显著（p＞0.05）。余下9 个影响因素的Q值均显著，且多数因素的I2值集中在95 左右，异质性水平较高。因此，下文对于异质性较高的9 个影响因素选用随机效应模型进行效应值合并计算，对“社会责任感” 和“创业投资” 因素选择固定效应模型。

表2 异质性检验结果

3.2 偏倚分析

发表偏倚是指得出统计学显著性的研究成果比不显著的成果更易发表的现象。因此，为了减少纳入元分析文献受 “发表偏倚” 问题的影响，进而影响主效应值计算，将利用失效安全系数（Fail-safe N）和Egger检验进行发表偏倚检验。

一般而言，当失效安全系数（Fail-safe N）大于其判别标准5K+10（K为独立研究的数量）时，可以认为研究不存在发表偏倚。而Egger 检验则是对效应值是否围绕总效应量的对称分布的检验。具体检验结果如表3 所示。

表3 偏倚分析结果

从表3 的失效安全系数（Fail-safe N）可见，创业投资这一影响因素存在发表偏倚，且其Egger 检验的p值小于0.1，效应值围绕总效应量非对称分布且显著。对于Egger 检验中p值小于0.1 或者失效安全系数与5K+10 差距过大的因素进行剪补分析，进一步判断2 类现象是否会影响效应值点估计，分析结果显示，管理费用这一因素受到发表偏倚的影响且剪补分析前后的效应值差距过大。

综上，发表偏倚会显著影响创业投资和管理费用2 个因素的点效应分析计算，故而在主效应分析中予以剔除。

3.3 主效应分析

表4 主效应分析结果

4 讨论

剔除存在发表偏倚的影响因素后，绘制基于主效应分析的全要素生产率影响关系强度结果如图2所示。

图2 基于创新链的全要素生产率影响关系强度图

根据各影响因素自身的含义与特点，从创新链的思维出发，将政府研发补贴、创新强度、人力成本、专利产出和新产品产出归纳为“创新链建设”，主要关注在创新链源头的投入情况、中间产出和最终产出对企业全要素生产率的影响；将管理集中程度和信息化归纳为 “创新管理”，主要关注一个组织在创新与发展中所呈现出的组织特征和组织管理效率；将金融活动和社会责任感归纳为“经营活动”，主要关注组织在创新链末端所进行的商业性活动。

从创新链的投入情况看，政府研发补贴、创新强度和人力投入的情况都为全要素生产率带来了正面的促进作用，研发经费的投入使得企业愿意将更多的资源转移到科学研究与技术开发层面，为全要素生产率的提高带来了新的创新动力。在综合产出效益层面，不管是产出新的专利，抑或是产出新的产品，都会对企业的全要素生产率起到提高作用。

但同时可以关注到，政府研发补贴对全要素生产率的分析结果的效应值较小。一些研究结果显示，生产率水平越低的企业所获得的补贴力度越大，即补贴与企业生产率之间呈现负相关。这可能是由于企业投入研发的资金来源于多个方面，包括政府补贴、营业收入、社会补助等，资金来源的不同，导致企业可以自由支配资金的灵活度不同，对于使用政府补贴受到的限制条件往往较多，而来自市场的资金使用灵活，对比之下，受限于资金使用程度，政府补贴在企业内的应用效率更低[18]。另外，企业在获得相关补贴之后，并未将大量资金投入研发部门，而更有可能将资金投入生产扩张，未实现资源的合理配置。这可能是由于相关企业过度依赖政府补贴，相比于技术创新，企业更倾向于追求短期内的产能增值，而越多的产出越会带来政府资金支持的倾向性，从而形成对政府补贴的长期依赖，不利于企业全要素增长率的提升[19]。

从发展的角度来看，要促进企业更好地发挥创新效能，除关注企业自身除创新链本身的环节，还应关注那些对提升创新链完整度与完善程度的组织管理方式或手段，推动创新链与产业结合并发展的关键要素。信息化程度体现了企业内外部的信息、知识的交流与传播情况，形成高效的信息流动，有利于推动全要素生产率的提高。较高程度的统一管理能为企业带来更好的创新环境、生产环境，也意味着当有一个较为明确的责任人对企业进行科学的管理会带来运行效益的提升。但同时值得注意的是，管理费用的投入将抑制企业的全要素生产率。

在经营活动层面，开展过多的金融活动，不管是交易金融资产、持有金融投资、投资性房地产，都将“挤出” 企业在研发与生产方面的投入，不仅不能增长投资性收益，反而会抑制全要素生产率。企业的社会责任指的是其对区域所在社会所应承担的包括环境保护、社会服务等方面的责任，较高的社会责任感能为企业带来较好的社会影响力，从而正面影响全要素生产率。

5 研究结论与启示

研究利用元分析方法定量综合分析企业全要素生产率的影响因素，系统且创新地以创新链这一思维为研究的切入点，并构建了基于创新链的全要素生产率影响关系理论框架。整体上看，政府研发补贴、专利产出和创新强度对全要素生产率的提高起到了显著的正面作用，最应给予较大的关注。此外，信息流动情况、新产品销售、管理集中和社会责任感也从多个维度促进企业全要素生产率的提高，降低人力成本及金融活动开展强度也有利于推动全要素生产率发展。但政府研发补贴的负面影响值得进行深入挖掘。

本文的研究具有一定的理论和现实意义。理论方面，从创新链思维出发，构建了创新链建设、管理和企业活动之于企业全要素生产率的理论模型与分析框架，完善了全要素生产率和创新链的理论研究。实践方面，有关单位可基于文中的结论，更加有针对性地设计和评价企业的创新行为和创新过程。同时研究也有一定的局限性，总的来说，基于创新链思维的企业全要素生产率研究的样本收集有限，产生各个影响因素元分析结果的异质性有待进一步探索。