外部技术来源视角下我国高技术产业创新绩效研究

1引言由于当今技术日益增加的复杂性和跨学科性，单个企业很难独自完成所有自身所需技术的研究开发。

内部研究开发不再是企业获取技术的必然首选途径，而是采用内部R&D 活动和外部技术来源相结合的创新策略［1］。

外部技术来源主要渠道有国内技术购买、国外技术引进以及国内外资企业R&D 活动产生的间接溢出［2］。

高技术产业具有研发投入大、研基金项目：国家自然科学基金资助课题（71073151）。

收稿日期：2011-04-19作者简介：冯锋（1963-），男，安徽滁州人，博士，教授，博士生导师；研究方向:（公共）科技政策、知识管理。

外部技术来源视角下我国高技术产业创新绩效研究冯锋，马雷，张雷勇（中国科学技术大学管理学院，安徽合肥230026）Innovation Performance of High-tech Industry of China ———From the External Technology Sources PerspectiveFeng Feng ，Ma Lei ，Zhang Leiyong（School of Management,University of Science and Technology of China,Hefei230026，China ）Abstract:Based on the panel data of China ’s high-tech industries from 1999to 2008,using SFA method,this paper analyzes the effect of technology purchase,import and foreign-owned enterprises ’R&D diffusion on innovation performance of high-tech industry,and finds that:In the sample session,innovation performance has been improved improving steadily when output is patent application,and improved slowly when output is new product sales revenue;Purchase of domestic technology and foreign-owned enterprise R&D action are main external strength promoting patent output,while foreign technology import can clearly improve innovation performance as the output is new product sales revenue.Proposals are given in the end.Key words:external technology sourcing;stochastic frontier analysis;innovation performance;high-tech industry摘要：基于1999—2008年我国高技术产业行业面板数据，运用随机前沿分析法，就国内技术购买、国外技术引进和三资企业科技活动溢出等外部技术来源形式对我国高技术产业创新绩效影响进行研究，结果表明：样本期间，以专利为产出的我国高技术产业创新绩效稳步增长，而以新产品销售收入为产出的创新绩效增长缓慢；国内技术购买和三资企业科技活动是促进我国高技术产业专利产出的重要外部技术力量，而国外技术引进能显著提高以新产品销售收入为产出的创新效率。

在分析基础上提出了相应对策建议。

关键词：外部技术来源；随机前沿分析；创新绩效；高技术产业中图分类号：276.44文献标识码：A发人员占比高、行业技术发展变化快等特点，技术交流和合作更具有特色。

随着产业规模的壮大和开放的深入，技术交流和合作更加频繁紧密，涉及金额也越来越大，外部技术来源对我国高技术产业创新绩效究竟影响几何已是一个不可回避的问题，因此，就这一课题进行研究就具有重要的现实意义。

对于创新绩效的研究，早期主要是运用回归分析和相关分析研究创新投入与产出之间的关系［3］，近年来随着现代综合评价方法的发展，利用参数和非参数法对创新绩效进行研究的成果日见增多。

就国内技术购买、国外技术引进以及国内外资企业R&D活动溢出等外部技术来源对创新绩效的影响研究而言，现有文献通常是作为一项研究经费在知识生产函数中以回归方法处理，而且焦点集中在外资R&D活动溢出效应单一渠道上，结论也不尽一致［4］，鲜有学者运用现代综合评价方法就这三种外部技术来源同时进行研究。

在针对我国高技术产业创新绩效评价上，朱有为和徐康宁［5］、方福前和张平［6］、孙玮和刘栋［7］、韩晶［8］、陈修德和梁彤缨［9］等学者已进行了卓有成效的研究，但回顾这些文献可以看出，关于三种外部技术来源对创新产出影响的比较研究尚缺少关注。

因此，本文尝试运用随机前沿分析（SFA）方法，分别以专利申请数和新产品销售收入为创新产出指标，就这三种外部技术来源对我国高技术产业创新绩效的影响进行研究，探讨造成影响的背后动因，并提出分析结论和政策启示。

2研究模型随机前沿分析法（SFA）和数据包络分析法（DEA）是近年来兴起并得到广泛应用的现代综合评价方法。

但数据包络分析法无法测量随机误差对不同评价对象的影响，也不能直接检验影响个体技术效率差异的外生性因素［5］。

而随机前沿分析方法可以完成这些分析，且具有统计特性，能够对模型本身和其中参数进行检验。

因此，随机前沿分析法更适合本研究需要。

随机前沿分析方法的一般函数形式为：y it=f（x it，t）·exp（v it－u it）（1）y it表示评价对象i在时期t的标量产出，x it表示要素投入，f(·)是生产函数，表示可能性边界上的确定前沿产出，(vit－u it)为组合误差项，v it为观测误差和其他随机因素，服从N（0，σ2v）分布，u it是一个非负变量，服从N+(0，σ2u)分布。

变差系数定义为γ=σ2u/ (σ2v+σ2u)，0≤γ≤1，用以对技术无效率项所占比例进行检验，若γ接近于零，说明实际产出与可能最大产出的差异主要来源于观测误差和其他随机因素v it，此时采用传统生产函数方法即可；γ接近于1，则意味着无效率项在生产单元与前沿面的偏差中占主要成分。

从统计检验的角度看，在γ显著异于零时，说明存在着无效率效应，此时随机前沿生产函数则是更为有效的模型形式。

为了进一步解释个体间技术效率的差异，学者Battese和Coelli［10］在上述模型中引入了技术无效率函数：u it=δ0+z itδ+w it（2）其中，δ为常数项，zit为技术非效率外生解释变量，δ为待估非效率外生解释变量的系数向量，wit为随机误差项，服从截尾正态分布N（0，σ2）。

3变量设定与数据来源3.1变量设定在衡量创新绩效产出指标选择上，学者们通常采用专利申请数或新产品销售收入单一指标，但这两个指标反映侧重不同，专利代表的是技术研发成果，而新产品销售收入更多反映的是技术研发成果转化，因此将专利申请数和新产品销售收入分别作为研发创新产出指标对研发创新绩效进行研究更为恰当。

外部技术来源是本文研究焦点，在以往研究文献中，外资技术溢出效应指标选择上以FDI投入代替居多，或者仅仅选取三资企业R&D投入作为影响因素，而在技术引进和国内技术购买指标选择上也各有不同［11］。

根据统计指标解释和现实经济行为，并借鉴前人研究成果，本文对三种外部技术来源指标选择为：购买国内技术与技术改造经费支出之和表示完整的国内技术购买（PR），技术引进与消化吸收经费之和表示完整的技术引进（IA），三资企业内部科技活动和其他科技活动经费支出之和表示完整的外资技术活动投入（FT）。

参照Battese和Coelli［10］在1995年研究模型的设定，所用随机前沿生产函数模型和技术无效率函数模型基本形式为：LnY it=β0+β1LnK it+β2LnL it+v it－u it（3）u it=δ0+δ1LnPR it+δ2LnIA it+δ3LnFT it+w it（4）Y it表示第i个行业在t年的研发产出，文中分别为研发中间产出专利申请数（项）和研发最终产出新产品销售收入（万元），Kit和Lit分别为第i个行业表1以专利申请数为创新输出的SFA 估计结果注：*、**、***分别表示在10%、5%和1%显著水平下显著；无效率函数的负参数估计值表示对效率存在正向的影响。

在t 年的R&D 经费内部支出（万元）和R&D 活动人员当量（人年）。

外部技术来源对创新绩效的影响不但取决于输出主体的意愿和能力，还依赖于接受主体的吸收能力，一般通过变量的交互作用反映吸收能力产生的效应［12］。

为进一步探讨吸收能力对外部技术来源与创新绩效关系的调节作用，这里在技术无效率函数中设置R&D 经费内部支出和各外部技术来源的交互项反映资本渠道吸收能力产生的影响，设置R&D 活动人员当量和各外部技术来源的交互项反映人力资本渠道吸收能力产生的影响。

3.2数据来源与说明我国高技术产业四位码分类为17个子行业，由于航天器制造和雷达及配套设备制造两个子行业相关外资科技活动统计资料匮乏，本研究剔除这两个子行业。

文中使用的基础数据来源于2000—2009年各期《中国高技术产业统计年鉴》和《中国科技统计年鉴》。

由于时间跨度长，期间通货膨胀因素波动较大，为保持数据的一致可比性，以1999年为基期，参照已有学者研究构建的R&D 支出价格指数［13］，对除专利申请数和R&D 活动人员当量之外的数据进行平减调整。

对于创新投入与产出之间的滞后效应，从韩晶［8］、陈修德和梁彤缨［9］盛磊［12］等众多学者的研究来看，基于面板数据的SFA 方法不考虑滞后效应并不会影响研究结果的可信度，因此，本文亦不做滞后效应处理。

4实证结果分析4.1以专利申请数为创新产出指标的实证结果分析（1）计算结果。

运用Frontier4.1分析软件，采用分层检验方法，加入交互效应影响，对前沿生产函数（3）和技术无效率函数（4）进行估计，得出参数估计值及其检验结果，并给出基于模型2以专利申请数为创新输出的创新效率（见表1、表2）。

（2）结果分析。

从表1模型1到模型4可以看出，γ值均在0.8以上，且都通过了1%显著水平下检验，这说明采用随机前沿分析方法对本文构造的面板数据进行研究是合理有效的。