Can Reverse Outsourcing Improve the Innovation Efficiency of China's Semiconductor Industry

Ke Ying, He Genyuan, Liu Yuying

(Business School, Guangxi University, Nanning 530004,China)

Abstract：Reverse outsourcing is emerging as a new strategic behavior of high-end embedded in global value chain for developing countries.This paper takes listed Chinese semiconductor companies that had reverse outsourcing from 2012 to 2016 as the research object, constructs an innovation efficiency evaluation index system covering innovation output, input and influencing factors, and adopts the tranlogarithmic stochastic frontier model to analyze the influence intensity and direction of reverse outsourcing on the innovation efficiency of China's semiconductor industry.It is found that reverse outsourcing significantly increases the number of patent applications issued by semiconductor enterprises, but inhibits their operating income and net profit.The comprehensive results of these two kinds of empirical results confirm the hypothesis of "strategic driving theory" of reverse outsourcing in China's semiconductor industry.The negative impact of reverse outsourcing on the operating income and net profit of semiconductor enterprises mainly comes from the merger and acquisition of overseas related companies.This finding reflects that reverse merger and acquisition has the dual reality characteristics of high operating risk and high R&D and innovation efficiency.Among the influencing factors of innovation efficiency, the employees' educational background, technical learning ability and industrial chain integrity have a positive influence on the number of patent application authorization, while the global market share and policy support have a negative influence on the number of patent application authorization although they promote the profit growth.

Key Words:Reverse Outsourcing; Innovation Efficiency; Semiconductor Industry; SFA Model

收稿日期：2020-08-17

修回日期：2020-10-20

基金项目：国家自然科学基金项目(71663007)；广西哲学社会科学规划重点项目(15AGL002)

作者简介：柯颖(1975—)，女，广东顺德人，博士，广西大学商学院教授，研究方向为产业经济理论与创新发展实践；何根源(1995—)，男，河南商丘人，广西大学商学院硕士研究生，研究方向为产业经济理论与创新发展实践；刘昱影(1994—)，女，广西柳州人，广西大学商学院硕士研究生，研究方向为产业经济理论与创新发展实践。

DOI：10.6049/kjjbydc.2020080439

开放科学(资源服务)标识码(OSID)：

中图分类号：F426.6

文献标识码：A

文章编号：1001-7348(2021)06-0055-10

0 引言

经济发展新常态下，中国经济由高速增长转变为中高速增长，加上资源紧缺、产能过剩、生态压力叠加，以“新基建”为推手，促进产业体系高质量发展势在必行。与此同时，新技术革命使得创新驱动成为产业结构升级的本质，为中国高科技产业提供了与发达国家并跑的契机，而顶尖智力资源、技术缺失成为掣肘。半导体产业是现代电子工业发展的基础和科技强国的重要标志，中国是电子产品制造大国，但半导体产业总体发展水平滞后，产业链尚不完善，自主创新能力欠缺，国内自给率不足20%，多数关键领域国产化率低于5%，在全球价值链中处于低端地位。根据中国海关统计，中国2018年进口集成电路产品4 175.7亿块，进口额高达3 120.9亿美元，分别同比增长10.8%和19.8%，高端产品严重依赖国外进口，产业创新发展形势十分严峻；2019年集成电路进口量同比增长6.6%，而进口额却罕见下降2.6%，这与美国将中国多家产业链相关厂商列入“实体清单”及芯片国产替代势头渐起有关。

2008年国际金融危机后，逆向外包作为一种旨在推动后发国家创新能力和技术水平提升的新型外包活动越来越受到重视，成为中国、印度等发展中国家快速集聚全球创新资源的新方法。从本质上看，逆向外包是发展中国家作为主动发包方，为提升自身服务、产品质量或完成发达国家的发包任务等，以发达国家作为接包方，采取雇佣发达国家专业技术人员、收购它国企业或在发达国家建立子公司、离岸研发中心等方式的外包活动。从国家宏观角度看，逆向外包是发展中国家利用本国市场和国外高级生产要素，特别是充分利用国外创新要素加快创新型经济发展的一种有效手段[1]；从产业中观层面看，新兴发展中国家企业通过逆向外包，可以利用发达国家企业技术、品牌等高端生产要素，通过产业关联效应带动和促进本国产业结构调整升级；从企业微观层面看，发展中国家企业主动进行发包，占据价值链高端环节，破解“低端锁定”，迫使发达国家以技术换市场[2]。尤其在技术落后领域，中国企业可以通过逆向外包，充分利用国外优质创新资源，积极主动嵌入全球新兴产业创新链分工，在技术溢出进程中实现“干中学”，加速产业自主创新能力培育和提升。

自逆向外包逐渐兴起以来，国内学者对该领域的研究不断深入，但总体上还处于初步探索阶段，主要集中于两个方面：一是理论剖析，如逆向外包的内涵、产生原因与驱动力及其价值链提升机理等[2-5]；二是实证研究，如价值租金获取、制造业自主创新、产业价值链升级等[6-10]。目前，针对逆向外包如何影响关键产业实际创新绩效的相关文献非常少，研究深度亟待拓展。由此，本文结合当下背景研究逆向外包对中国半导体企业创新效率的具体影响，试图通过对中国半导体企业开展逆向外包活动的实证研究，探索产业创新突破、企业创新能力与效率有效提升的方法和路径，对理论与实践发展均具有重要现实意义。

1 文献综述

1.1 逆向外包起源

逆向外包最早由Sen(2005)提出，用以解释印度和中国为解决飞行员短缺问题而采取的行动。近年来，随着逆向外包活动的发展，逐渐引起学界重视。关于逆向外包的概念，学界迄今尚未形成共识。Tholons公司将逆向外包界定为，作为原始接包方的发展中国家(印度、菲律宾、中国等)，雇佣作为原始发包方的发达国家(美国、英国、日本等)专业技术人员，完成最初由发达国家交付给发展中国家的任务；徐毅和张二震[11]将逆向外包表述为，以发达国家原材料、零配件为中间投入品，以发展中国家为本位进行的外包活动；Agrawal 等[12]提出，逆向外包是在不同公司或母子公司之间建立的知识与信息共享模式；刘丹鹭等[4]、张月友等[5]、Bunyaratavej&Hahn[13]认为，逆向外包是发展中国家为开拓国际市场、进行品牌创新等采取的直接雇佣国外高端技术人才的一种战略活动。

关于逆向外包驱动因素的讨论主要有3种，即战略驱动论、成本节约论和多重影响论。战略驱动论提出，发展中国家将逆向外包看作参与全球分工的国际化战略，主动向发达国家发包，从而获取并整合高级要素资源，实现自身目的[4-5,9,14]。大部分学者认为战略驱动论是发展中国家以逆向外包努力打破“低端锁定”、向价值链高端跃升的最核心解释。成本节约论从发达国家角度对逆向外包的驱动因素进行探讨，指出随着发展中国家劳动力工资飞速上涨，相对而言，发达国家劳动力工资却基本没有变化，发达国家通过外包活动节约的成本急剧减少，甚至会增加成本，因此将发包出去的业务回岸至本国[15-18]。多重影响论则认为，逆向外包并非由单一因素引起，而是由多种因素综合作用所致，包括成本套利下降、人才储备不充分、人员离岸输送与签证管制、知识产权管理等，对高质量人才的需求、区位因素和语言文化优势，以及获得创新资源、追求规模经济[5]等共同驱动逆向外包行为发生。

1.2 逆向外包与创新

逆向外包作为一种新兴外包形式，可以帮助企业有效获取外部创新资源，整合高级要素资源，从而实现自身竞争力提升[19-20]。Sako[21]认为，在知识流程外包中，企业可达到节约成本的核心目标，同时能满足其对于高级专业知识和专业化的需求，实现企业内部质的转变，从执行单一标准化工作转变为技术分析等创新性工作；Azadegan&Wagner[22]指出，逆向外包作为提升创新能力的手段，与产业升级相辅相成、相互依赖；Krishna等[23]认为，逆向外包过程中，有3种途径可提升技术水平和创新能力，包括利用接包方现有科技资源支持发包方的创新活动、整合双方现有科技资源并雇佣各自高质量劳动力进行研发创新工作，以及使涉及跨国公司的研发创新部门形成创新网络从而充分利用创新资源；俞荣建[24]通过讨论国际客户与代工企业之间的知识竞合博弈，发现在价值链中，代工企业可以通过逆向工程学习国际客户的产品进而形成自身创新研发能力；张月友和刘丹鹭[5]通过理论模型证明，获取全球优质创新资源是开展逆向外包活动的最主要推动力，有利于进一步提升中国企业创新能力，发展基于内需的全球化经济。

实证研究方面，岳中刚[14]认为，在汽车企业逆向外包的几种形式中，设立海外研发中心和海外并购能显著提高企业创新绩效，而海外研发合作与创新绩效呈现非显著的负向关系，但将吸收能力因素引入模型后，二者之间呈现正相关；陈启斐等[7]发现，研发外包可以显著改善我国制造业创新能力和创新效率，主要体现在技术进步率的提高上；沈春苗[25]从增长视角认为，逆向外包能够促进后发国家提高创新强度，推动产业结构向高级化发展，进而增强潜在经济增长力，同时从分配视角提出逆向外包使后发国家收入分配格局更偏向于高技能劳动力，由此推动产业创新人才涌现；Nieto & Rodríguez[26]对西班牙相关部门的实证研究表明，R&D外包与企业创新能力显著正相关，并且对产品创新的影响大于流程创新；杨瑾和侯兆麟[27]通过对装备制造业面板数据进行回归分析，指出逆向研发外包、探索式学习和利用式学习对装备制造业突破性技术创新存在显著正向影响，且探索式学习和利用式学习在逆向研发外包与装备制造业突破性技术创新之间起完全中介作用。

1.3 逆向外包产业实证研究

逆向外包作为发展中国家获取创新资源和高级生产要素的手段，对推动产业升级具有重要作用。逆向外包的产业实证研究起步较晚，主要是实证考察制造业内部众多产业逆向外包发展趋势及其对价值链地位提升的影响。如邱斌等[8]通过102个主要国家贸易数据，计算2001—2009年中国24个制造行业出口复杂度，衡量各行业在全球价值链中的地位，检验全球生产网络对中国制造业价值链地位提升的影响；陈启斐和刘志彪[9]利用中国2002、2007年投入产出表及联合国贸发数据库中服务进口贸易数据，测算2003—2011年我国制造业逆向服务外包指数，显示技术密集型行业的逆向服务外包处于上升趋势，并探讨其对制造业价值链地位提升的影响；陈羽等[6]基于一般化企业租金与全球价值链租金理论，分析逆向外包分工中的租金来源，并以中国本土手机品牌的逆向外包为例，讨论发展中国家的逆向外包策略和产业升级路径；Lin等[28]利用中国台湾地区315个工业面板数据，分析由逆向外包获得的创新资源、人力资源多样性与产业绩效之间的关系，证明二者之间呈现倒U型变化；杨瑾[10]研究逆向外包驱动大型复杂产品制造业集群升级的作用机理，通过构建有中介调节效应的理论模型，证明逆向外包对集群升级具有显著正向影响；张月友和方瑾[29]根据2005—2014年世界投入产出表计算中国服务行业的逆向外包度，研究中国企业逆向外包的驱动力，论证发达国家的服务质量、相对用工成本及与中国的双边政治关系，对中国开展逆向外包活动具有显著影响；刘天琦和刘京星[30]运用动态面板GMM方法考察逆向外包对中国制造业全要素生产率的影响，指出逆向外包指数与制造业全要素生产率变化指数之间呈显著正相关关系，不同类型制造业逆向外包对其全要素生产率的促进程度略有不同，存在异质性。

综上可知，逆向外包作为一种以发展中国家企业为主要发包方的全新外包形式，逐渐引起学界重视。其研究重心主要是关于逆向外包现象的归纳、发生条件和形成机制等方面的理论探索，将逆向外包理论与发展中国家具体产业实践结合的实证研究还不够充分，同时，有关企业逆向外包行为对产业创新效率影响评价的国内外文献也十分有限。因此，本文试图从上述角度对现有研究加以拓展和完善。

本文创新点及可能的贡献主要在于：首先，将逆向外包促进产业发展的研究重点聚焦于关键瓶颈产业创新效率的改善，有助于厘清逆向外包战略与产业创新发展之间的关系，在研究视角上进行突破；其次，在研究方法上，运用超越对数随机前沿模型，针对中国当前亟需创新突破的半导体产业逆向外包现象，利用2012—2016年相关上市公司数据，深入分析逆向外包活动对半导体产业创新效率的影响，重点判断海外并购和海外研发中心设立两种逆向外包形式对创新效率的影响程度，进一步探索提升半导体产业创新效率的途径和方法，结论更具客观性和稳健性。

2 逆向外包对半导体产业创新效率的影响机理

创新效率即创新行为的投入产出比。创新产出过程可分为创新技术产出阶段和创新技术转化阶段。其中，创新技术产出阶段主要是知识的积累，体现为专利量增加；创新技术转化阶段主要是指技术为企业带来经济效益提高，体现为营业收入、净利润等经济指标变化。本文从创新技术产出和创新技术转化两个方面分别分析逆向外包的两种模式，即海外并购和海外研发中心设立对半导体产业创新效率的影响机理。

2.1 海外并购对半导体产业创新效率的影响机理

与设立海外研发中心相比，海外并购见效时间更短、风险更小，能更快地为企业带来专利累积。因此，中国大多数半导体企业偏向于选择海外并购方式进行逆向外包活动。

2.1.1 海外并购对半导体产业创新技术产出的影响

半导体企业通过并购发达国家或地区相关企业，可以直接获得被并购企业现有研发成果，包括其已有专利、产品等，将其纳入并购企业的财务报表和统计范围，直接提高并购企业的知识技术层次和水平。同时，并购企业可利用被并购企业现有技术、设备和研发人员，进行新一轮技术和产品研发，形成更多专利成果，从而极大缩短新产品生产周期，进一步促进企业研发创新技术产出提高。

2.1.2 海外并购对半导体产业创新技术转化的影响

半导体企业通过从事海外并购活动促进其创新技术转化水平和程度提高。一方面，通过海外并购，半导体企业可将被并购企业的市场份额直接转为己有，由此提高企业全球市场占有率，带来更多海外营收；另一方面，海外并购会极大缩短创新研发环节，可利用半导体国产替代的巨大市场需求，将已有研发成果有效转化为企业经济效益。但是，因海外并购涉资额巨大，且人力资源存在磨合期，其对半导体产业创新技术转化的积极效应并不一定能在短期内完全显现。

2.2 海外研发中心设立对半导体产业创新效率的影响机理

半导体企业在发达国家或地区建立海外研发中心及从事研发活动的子公司，必然会加大企业研发投入。由于半导体研发创新不确定性高，尤其是高端芯片研发难度大，其反映出来的企业创新产出往往需要经历较长过程的逐步释放。

2.2.1 海外研发中心设立对半导体产业创新技术产出的影响

对于知识、技术、人才密集的半导体产业而言，贴近新技术产生地有利于创新技术产出，形成更有价值的创新成果。半导体企业通过在发达国家或地区设立研发中心，可以帮助其迅速获得掌握先进技术、创新意识强的各类海外专才，也有利于企业原有研发人员通过“研中学”更新知识技术、创新理念及提升研发能力，紧贴全球技术与市场前沿进行新技术、新产品研发及现有产品功能提升，创造出更多专利技术和高端半导体产品。新专利申请的每项授权、新产品的每次问世及现有产品的每次升级都代表半导体企业创新技术产出的提高。

2.2.2 海外研发中心设立对半导体产业创新技术转化的影响

进行海外研发中心投资，需要半导体企业在短期内投入大量前期成本，而其对企业经营效益的影响则需要通过持续不断的研发投入和长期的研发活动才能逐步显现，因此创新技术难以实现快速转化，甚至可能会抑制企业净收益增长。从长期看，海外研发中心会加快半导体企业新产品推出速度，促进产品服务质量提升，进一步提高产品技术含量和高端市场贴合度，从而促进新产品销售收入和市场占有率增长，改善企业经济效益。

3 计量模型与数据来源

3.1 方法与模型

3.1.1 基于创新效率的SFA模型

创新效率测算一般采用生产前沿分析方法，其中又包括参数方法和非参数方法，分别以随机前沿分析(Stochastic Frontier Analysis，SFA)和数据包络分析(Data Envelop Analysis，DEA)为代表。DEA是非参数前沿分析方法，不考虑随机误差项影响[31]。SFA由Aigner等[32]、Meeusen&Van[33]各自独立提出，通过区分误差项中的低效率项与随机误差项，能够更准确地反映实际技术效率水平[34]，因而被广泛运用于区域研发创新效率[35]、创新试点企业创新效率[36]、生产技术效率[37]等生产力分析中。本文借鉴前人研究方法，利用SFA超越对数模型，实证分析中国半导体企业逆向外包行为对该产业创新效率的影响。

SFA方法的基本思路是，假定一定生产要素投入约束，估计生产单元的最大化产出水平，而实际产出对最大化产出的偏离即为技术无效率。参照Kumbhakar&Lovell[38]给出的模型，前沿生产函数基本形式如下：

yit=f(xit,t)exp(υit-uit)

(1)

式中，yit 表示企业 i(i=1,2,3,...,N) 在 t (t=1,2,3,...,T) 时期的实际创新产出；xit 表示第 i 个企业在 t 时期的一组要素投入向量；f(xit,t) 表示生产可能性边界上的确定前沿面。误差项由相互独立的 υit、uit 组成，其中随机误差项υit代表由不可控因素造成的随机误差，服从正态分布技术无效率项uit用于度量实际利用技术与最优生产技术之间的差距，服从截断正态分布

为进一步详细刻画个体间的技术效率差异，Battese&Coelli[39]在前沿生产函数基本模型基础上引入技术非效率函数，其函数形式如下：

uit=δ0+zitδ+wit

(2)

式中，zit是影响技术非效率的因素，δ0为常数项，δ是要估计的参数向量，wit服从均值为0、方差为的截断正态分布。

生产技术效率(TE)被定义为实际产出与前沿面产出的比值，即：

(3)

当uit=0时，TEit=1，表示决策单元位于前沿面上，此时技术有效；当uit>0时， TEit<1，决策单元位于前沿面下方，此时存在技术无效性。即TE∈(0,1，并且当TE越趋近于0时，生产的技术无效性越大；当TE越接近于1时，生产的技术有效性越大。

3.1.2 超越对数生产函数

对式(1)两边进行对数线性化处理，进一步得到对数形式的随机前沿生产函数表达式。

lnyit=lnf(xit,t)+υit-uit

(4)

从本文研究目的出发，结合陈诗一[40]的超越对数生产函数随机前沿模型，考虑到要素投入与时间的相对变化关系，引入投入要素与时间的二次项，也即本文采用的非中性技术进步下超越对数模型进行研究，具体形式如下：

(5)

式中，t为年份时间趋势变量；X为投入要素，其下标j,k=(1,2,3,4) 分别表示4种投入要素，具体为半导体企业资本投入、劳动力投入、海外并购额和海外研发中心投资额；β 为需要估计的回归参数。

综合以上分析，构建本研究的超越对数回归模型。

lnyit=β0+βklnKit+βllnLit+βomlnOMit+βoilnOIit+βtT+βtkTlnKit+βtlTlnLit+βtmTlnOMit+βtoTlnOIit+βttT2+βkllnKitlnLit+βkmlnKitlnOMit+βkolnKitlnOIit+βlmlnLitlnOMit+βlolnLitlnOIit+βmolnOMitlnOIit+βkk(lnKit)2+βll(lnLit)2+βmm(lnOMit)2+βoo(lnOIit)2+υit-uit

(6)

其中，yit为i企业在t时期的创新产出，Kit,Lit,OMit,OIit分别为i企业在t时期的资本投入量、劳动投入量、海外并购额和海外研发中心投资额。υit、uit分别为随机误差项与技术非效率项。

3.1.3 技术非效率函数

技术非效率函数的构建，参考现有文献并考虑半导体行业属性，本文选取公司员工学历占比、产品市场份额、政府支持力度、技术学习能力和产业链完善性作为技术非效率函数的解释变量。具体构建形式如下：

uit=δ0+zitδ+wit=δ0+δ1lneduit+δ2lnshareit+δ3lngovit+δ4lnintensityit+δ5integrityit+wit

(7)

其中，lneduit、lnshare、lngovit、lnintensityit和lnintegrityit分别为i企业t时期的员工学历占比、产品市场份额、政府支持力度、技术学习能力和产业链完善性的对数形式。

3.2 变量选择与衡量

目前，对高新技术产业创新效率评价指标体系的研究较为丰富[41-43]。在创新投入方面，主要通过R&D资金投入和人员投入进行量化；在创新产出方面，以专利申请量、新产品收益等作为衡量标准。由于使用绝对量构建指标体系受社会宏观环境影响较大，因此对相应指标进行转化。如姚晓芳[44]将产学研投入比例(外部支出/科技活动经费支出总额)、研发人员占职工总数的比重作为创新投入指标，并新增全员劳动生产率(工业增加值/全部职工平均人数)作为创新产出指标，构建创新效率评价体系；罗利华等[45]以研发人员比例、研发投入强度、仪器设备投入比作为创新投入指标，以发明专利申请比、专利转让比、境外有效专利比、国家或行业标准数、新产品收入比为创新产出指标，构建基于质量视角的指标体系。本文基于现有研究，并考虑半导体产业特征，构建相应创新效率指标体系，如表1所示。

3.2.1 创新产出

企业创新产出变量即被解释变量，主要以企业创新研发带来的效用表示。在企业或产业创新相关研究中，创新成果大多以专利受理量(专利授权量)、新产品销售收入等作为衡量指标。而上述指标能否准确衡量创新产出，学术界一直存在诸多争论。本文在创新产出方面采用专利申请授权量、企业营业收入和企业净利润3个指标进行衡量比较，以期尽可能全面、客观反映半导体产业实际创新成果。其中，以专利申请授权量作为被解释变量的回归重在研究逆向外包行为对企业创新能力提升的影响；企业营业收入与净利润的回归则侧重于分析逆向外包行为是否促进其真实业绩增长，进而探索逆向外包行为的根本经营动机。这3个被解释变量回归结果的对比分析不仅有助于把握逆向外包活动对半导体产业创新效率的总体影响，也利于探究企业发起逆向外包的潜在根本动机，即形成核心专利技术，以实现企业内生发展能力的长久提升。

3.2.2 创新投入

基于逆向外包发生的3种形式及数据可获得性，本文选取中国半导体企业在发达国家并购相关企业的海外并购存量与建立海外研发中心的投资存量作为逆向外包的代理变量，衡量企业逆向外包活动发生程度。由于固定资产投资将在很长一段时间内发挥作用，且本研究中的投资额是一种非连续企业投资活动，为了确定投资活动发生后对企业产生持续性影响，本文采用永续盘存法计算海外并购额与海外研发中心投资额的年资本存量数值。借鉴张军等[46]的研究，将资产折旧率设定在9.6%，在此基础上逐年推算海外并购资本存量，推算公式为OMit=(1-δ)×OMi,t-1+Iit，其中，OMit、OMi,t-1、Iit、δ 分别为当期海外并购存量、上期海外并购存量、本期海外并购额和资产折旧率。海外研发中心投资存量的计算方法与此一致。本研究中，随机前沿模型中的资本投入量以研发支出额表征，因为其很大程度上作为一种非固定资产投资，且是一种持续性资本投入；劳动投入量则采用研发人员数量表征。

3.2.3 影响因素

为了更准确估计逆向外包对半导体产业创新效率的影响，根据技术非效率模型，本文增加一些其它相关影响变量，具体定义如表1所示。包括：①企业员工学历占比，以企业全部职工中本科及以上学历员工占比作为代理变量，反映企业人力资源知识密集型程度与逆向外包之间的契合关系；②企业全球市场份额，即本年度企业营业额与全球半导体市场营业额的比值，反映企业国际竞争力对创新效率的影响；③政府支持力度，用企业本年度获得政府补贴与研发经费支出的比值衡量，反映政府对半导体产业的重视与投入力度；④技术学习能力，用企业年度研发经费支出与研发活动人员数的比值表示，与逆向外包过程中知识、技术、能力的协同及创新转化相关；⑤产业链完善性，根据企业在半导体设计、晶圆制造、封装和测试等产业链环节是否存在业务涉入，设置虚拟变量，如果企业主要业务包含所有环节即设置虚拟变量为1，否则为0，反映企业对产业链环节的涉入程度、产业进口替代实现程度与逆向外包之间的关联性。

3.3 数据来源

为研究逆向外包对半导体产业创新效率的影响，本文主要从同花顺软件“半导体及元件”板块并结合东方财富网、大智慧网站，筛选出与本研究相关的半导体产业A股上市公司70家。然后，根据逆向外包发生的直接雇佣(Direct Hire)、内涵式(Organic)和外延式(Inorganic)3种主要方式对上述公司进行筛选[5]。在样本筛选中，半导体企业无论是以提升自身产品技术水平或为完成发达国家企业的发包任务为目的，采取的逆向外包行为均反映出其追求新技术、新发展的意愿，且无论何种目的的逆向外包活动都在一定程度上对企业创新效率存在影响，因此本文不对其进行区别分析。最终，受限于上市公司年报数据披露口径不同，且因发达国家针对中国半导体产业海外并购等逆向外包活动的政策不断收紧，该类行为自2016年达到峰值后，2017—2019年呈现逐年大幅下滑，为确保研究数据的一致性，本文选取2012—2016年数据，最后确定22家A股上市公司作为样本。研究数据主要来自3个方面：①企业营业收入、净利润、研发支出及其它基本特征数据来自上市公司经过审计的年度报告；②海外并购额、海外研发中心投资额数据来自企业官网及同花顺网站；③专利数据来自国泰安经济金融数据库(CSMAR)和国家知识产权局专利检索网站。

在数据处理方面，由于海外并购额、海外研发中心投资具有不连续性，并且可能在投资完成后较长一段时间才发挥作用，本文依据永续盘存法原理计算确定每年的逆向外包资本存量[47]，以此作为影响企业创新效率的第一类因素。由于企业创新效率影响因素是多元的，本文以资本投入和劳动投入作为影响企业创新效率的第二类元素。

4 实证结果分析

4.1 适用性检验

利用Frontier4.1软件对我国半导体产业逆向外包的创新效率影响进行随机前沿分析。首先，对随机前沿回归模型进行适用性检验，根据随机前沿函数假设检验原理，本文构造符合混合卡方分布的适用性检验广义似然比统计量LR=-2×[lnL(H0)-lnL(H1)]，其中L(H0) 为含有约束条件模型的似然函数值，L(H1) 为不含约束条件模型的似然函数值。本文适用性检验内容包括随机前沿模型的适用性检验、C-D生产函数和超越对数生产函数选择的检验及技术进步是否为中性技术进步的假设检验，并分别提出如下原假设：

H1：H0∶γ=0，即检验随机前沿模型是否适用。

H2：H0∶βtk=βtl=βtm=βto=βtt=βkl=βkm=βko=βlm=βlo=βmo=βkk=βll=βmm=βoo=0，即检验在函数形式选择中，C-D生产函数与超越对数模型哪一个更适合，若检验结果拒绝原假设，则认为本研究中选择超越对数模型优于C-D生产函数模型。

H3：H0∶βt=βtk=βtl=βtm=βto=βtt=0，即检验在本文检验模型中是否存在技术变化。

若H3中拒绝原假设而存在技术变化，则进一步提出技术进步是否是中性技术进步的假设检验。

H4：H0∶βtk=βtl=βtm=βto=0，如果原假设成立，则技术进步为希克斯中性技术进步，否则为非中性技术进步。

本文适用性检验结果如表2所示，所有检验统计量均显著大于自由度为7的混合卡方分布临界值。在分别以专利申请授权量、企业营业收入和企业净利润为被解释变量的3个模型中，均适合采用超越对数模型的随机前沿分析，且根据H3、H4检验结果可知，在以营业收入为被解释变量的回归中接受不存在技术变化的原假设，而在以专利申请授权量和净利润为解释变量的回归中则需要考虑非中性技术进步的影响因素。因此，本文拒绝柯布—道格拉斯生产函数，并拒绝中性技术进步的原假设(除营业收入外)，进而证明本文构建超越对数随机前沿模型是合理的。

4.2 结果分析

基于上述分析，本文构建超越对数随机前沿模型，探讨逆向外包对我国半导体产业创新效率的影响，并在以营业收入为解释变量的回归方程中采用不存在技术变化的超越对数随机前沿模型，得到如表3所示的实证分析结果。

由表3可知，在以专利申请授权量为被解释变量的回归分析中，Gamma值为1，且通过1%的显著性检验。时间(T)和资本投入(LnK)的系数分别为0.456和0.166，表明时间和资本投入量均对企业专利申请授权量产生正向影响，且资本投入的回归系数通过1%的显著性检验，反映半导体产业具有高资本密集型属性；而时间的回归系数不显著缘于中国实施逆向外包行为的半导体上市公司样本数较少且对创新效率的影响存在时滞性。劳动力投入量(LnL)的系数为负且未通过显著性检验，表明半导体产业创新效率提升与研发人员数量的关系不显著。逆向外包的两个代理变量海外并购存量(OM)和海外研发中心投资存量(OI)的系数分别为7.17和0.196，且都通过1%的显著性检验，表明半导体企业的逆向外包行为显著改善企业研发创新效率。具体来说，假设其它条件保持不变，当海外并购存量增加1%时，半导体产业创新效率将提高7.717%；当海外研发中心投资存量增加1%时，半导体产业创新效率将提高0.196%。

对比以营业收入为被解释变量与以净利润为被解释变量的两组回归结果可知，其Gamma值均通过1%的显著性检验。同时，其在逆向外包关键变量的回归系数方面也有着相同的正负一致性，即海外并购存量(OM)在两组方程的回归系数分别为-2.89和-0.346，海外研发中心投资存量(OI)在两组方程的回归系数分别为0.115和0.013。此外，上述两个关键因素的系数在以营业收入为被解释变量的回归中均通过1%的显著性检验，但在以净利润为被解释变量的回归中不显著。这说明逆向并购需要耗费大量资金，必然会对企业短期利润产生不利影响，而且并购主、客体间在业务和人员协同上也需要较长磨合期，对企业短期营业收入带来显著减量效应；海外研发中心投资因能更好地对接当地市场，因而显著促进企业营业收入增长，但由此带来的利润增量并不显著，原因在于投资摊销、筹资产生的财务费用冲减以及其它交易成本增加。

本文选取的5个技术非效率影响因素估计结果中，估计系数为负表示技术非效率影响下降、前沿函数效率水平提高。其中，员工学历占比对半导体企业专利申请授权量、净利润具有正向影响但均不显著。这恰恰符合该产业知识型人才的独创性、个性化和经验领军特性。全球市场份额对净利润产生显著正向作用，并可维持营收增加。这说明对接客户的定制量产对半导体企业生存极为重要，但也可能因此放缓研发创新速度。政府支持力度对半导体企业短期盈利能力提升具有重要促进作用，但对半导体企业专利申请授权量、营业收入具有显著负向影响。这说明上市半导体企业倾向于将获得的政府补贴作为企业盈利增量，以达到优化财报、稳定股价的目的，而减少其实际用于不确定性研发活动的支出，也即政府补贴存在企业创新行为上的“道德风险”；而且由于半导体企业一般业绩稳定性较差，政府大量补贴还会对企业自身研发支出产生一定挤出效应，进而抑制企业研发创新效率的内生性提升，使企业难以在全球高端半导体市场结构中实现突围。技术学习能力提高的基础在于企业研发经费支出增加，其作为企业主动攀升价值链高端的战略手段，能促进产业研发创新效率提升，并显著增加企业营业收入；而半导体企业研发、试制及确保良品率的成本尤为高昂，因而技术学习能力提高对企业短期净利润产生少许负向影响。半导体产业链环节众多且集聚效应显著，芯片设计、晶圆代工、封装测试等环节适度一体化及本土配套是提升企业创新效率、生产效率和盈利能力的有效措施，因而产业链完善性会促进半导体产业研发创新效率提升与净利润增长。但同时，因现阶段我国半导体产业仍较弱小，国内产业链完善性高意味着可能弱化企业与国外品牌间的产业链合作，对开拓全球市场带来短期不利影响，从而显著减少营业收入。

综上所述，探寻中国半导体企业逆向外包行为发生动机，本文作出如下判断：逆向外包行为显著促进企业研发创新效率提升，而之所以未能对企业净利润产生显著正面刺激，缘于现阶段中国半导体企业实施逆向外包行为的战略目标并非出于短期利润获取，而是为了整合跨国高级要素资源，更主动融入全球产业链分工，努力破除技术瓶颈，锻造企业更持续的创新发展能力，打破“低端锁定”，实现整体产业国产替代并逐步向全球价值链高端跃升。这也表明，中国半导体企业逆向外包行为支持了逆向外包战略驱动论的观点，由此进一步丰富了逆向外包理论研究。

5 研究结论与政策建议

5.1 研究结论

本文利用2012—2016年中国半导体逆向外包上市公司面板数据，运用超越对数随机前沿分析方法，实证研究企业逆向外包行为对半导体产业创新效率的影响，得到如下结论：

(1)从逆向外包发生动机看，中国半导体产业逆向外包行为的发生是基于打破技术瓶颈、实现价值链高端跃升的目的，符合逆向外包战略驱动论的解释。中国半导体产业内生发展能力仍然较弱，通过逆向外包获取关键资源，有利于补齐产业短板。同时，中国是全球最大的半导体消费市场，不同于以往以市场换技术的被动策略，逆向外包是半导体企业力图尽快缩小与先进国家技术差距、实现国产替代的一种自发涉外扩张举措，会对整体产业创新发展产生实质性积极影响。综合逆向外包促进企业创新效率提升，但却与其短期净利润负相关的实证研究结果，本文认为中国半导体企业以逆向外包方式获取国外先进创新资源，再经自身整合消化吸收与协同，促进反哺式创新的发生，最终实现产业从市场开发、应用拓展到利润获取的长期目标。

(2)从逆向外包实现形式看，逆向并购发达国家相关企业是一种高风险、高回报的企业战略选择。高回报体现为逆向并购对产业创新效率的提升效果显著优于设立海外研发子中心的效果，有利于企业加速实现反哺创新的长远战略，从而快速全面布局价值链高端；而高风险性则体现为海外并购行为具有较高的信息不对称风险、业务合一风险及商誉减值风险，从而对企业营业收入与净利润构成短期拖累。

(3)从逆向外包获取的创新产出收益看，无论是逆向并购还是海外研发中心投资均显著促进中国半导体产业研发创新效率提升，其重要原因是，逆向外包可帮助企业捕获全球半导体高级要素资源与创新资源，包括生产所需关键原料、顶尖人才、先进企业管理经验以及发达市场良好的产业发展环境等。但根据本文海外并购与海外研发中心投资的交互项回归结果，中国半导体上市公司逆向外包行为未能在短期内带来营业收入和净利润增长，这归因于以下两点：一是企业的主观选择，即不以短期营收和利润增长作为逆向外包的首要目的。企业并购海外领先公司或建立海外研发中心后，只有持续不断的高资本投入才能激发出更多研发创新产出，进而实现市场卡位及规模效益、品牌知名度提升，这需要经历一个较漫长的历程。二是客观经营上的困难，即逆向外包耗资巨大，且半导体产业本身具有高风险、技术迭代、周期波动和资本密集等特性，企业很难较快实现良好的财务绩效，甚至会出现暂时亏损的现象，只有当国内外创新资源深度融合并推动企业主营业务向产业前沿发展且获得市场认可，逆向外包的创新产出才会逐渐显现。

5.2 策略建议

基于上述研究结论，为促进中国半导体企业更好地实施逆向外包战略，从而提高创新绩效，本文提出如下建议：

(1)企业应选择适宜的逆向外包方式，以促进其创新能力与效率提升。逆向外包实施方式的多样性决定了发包国企业在战略制定上的多样性。从本文研究结果看，不同逆向外包方式会对半导体企业研发创新效率和经营绩效产生不同影响效果，企业应根据其所处半导体产业链不同环节经营特性、技术突破难点和市场定位，因地制宜地选择恰当的逆向外包实施方式，从而补齐产业短板，实现国产替代的战略目标。

(2)鼓励大中型半导体企业积极实践逆向外包战略，力争与国外强势品牌建立长期战略性创新合作利益共生关系，带动中国半导体产业整体创新效率提升、全球价值链节点地位跃升和产品国际竞争力培育。由于逆向外包需要大量资本投入作为先决条件，这就决定了只有规模较大的企业才具备较强的资金实力和风险承受能力，也更可能在离开政府补贴后能够自然生存，而且大企业涉足业务时间较长，相应的知识、技术、人才储备相对充分，运营能力也较强，能够对国内外创新资源进行良好的整合、吸收与协同，发挥逆向外包的实际创新效能；而规模较小的企业对逆向外包则须审慎决策。

(3)提高专利技术的商品化与产业化能力，促进产业规模扩大与盈利能力提高。中国半导体产业逆向外包之所以与研发创新产出正相关，而与营业收入、净利润反映的市场创新产出负相关，很大程度上是因企业实现研发成果商品化和产业化的能力不足所致。为此，中国半导体企业在实施逆向外包前，应对拟研产品、技术路线、下游应用形成清晰定位，构建与自身研发能力相配套的生产与营销体系，统筹研发、生产、销售、服务的全产品周期，以尽快达到规模经济水平，避免陷入资产负债率过高、现金流枯竭的困境，实现研发创新→技术商品化与产业化→国产替代→企业成长→业绩提升与自有资金积累→新的研发创新的良性循环，逐渐开拓国际市场并最终形成全球品牌。

(4)适当调整政府支持强度与方向。目前中国半导体产业处于成长期，逆向外包战略在获取关键资源和补齐产业链短板方面已发挥实质性作用。由于半导体产业具有极高的资本密集型属性及逆向外包本身巨大的资金需求，政府支持不可或缺。但从本文实证研究结果可知，政府补贴占企业研发经费支出的比值过高，会显著抑制半导体企业专利申请授权量和营收增长。因此，政府应科学甄别和评价半导体产业链各环节的真实发展水平，对已具备内生成长能力的企业要逐渐减少补贴、撤出股权，促使企业直面市场竞争。在材料、设备、制造等产业链弱势环节应进一步加大政策倾斜力度，尤其在支持企业逆向外包活动更高效地开展方面，方式要更灵活、更有针对性且符合国际商业规则。针对发达国家技术封锁，除增强自力更生能力外，应继续加大国家斡旋力度，鼓励企业更广泛地开展全球产业链潜在合作对象搜寻，化零为整地获取关键创新资源和人才，确保半导体产业正常生存、不断发展和逐渐壮大。

参考文献:

[1] 刘志彪.基于内需的经济全球化:中国分享第二波全球化红利的战略选择[J].南京大学学报(哲学·人文科学·社会科学),2012,49(2):51-59,159.

[2] 张亚斌,刘天琦.逆向外包:理论源起、前沿进展与全球化战略路径创新[J].经济与管理研究,2016,37(12):123-130.

[3] 江小涓.服务全球化与服务外包:现状、趋势及理论分析[M].北京:人民出版社,2008.

[4] 刘丹鹭,岳中刚.逆向研发外包与中国企业成长:基于长江三角洲地区自主汽车品牌的案例研究[J].产业经济研究,2011,10(4):44-52.

[5] 张月友,刘丹鹭.逆向外包:中国经济全球化的一种新战略[J].中国工业经济,2013,30(5):70-82.

[6] 陈羽,黄晶磊,谭蓉娟.逆向外包、价值链租金与欠发达国家产业升级[J].产业经济研究,2014,13(4):1-12.

[7] 陈启斐,王晶晶,岳中刚.研发外包是否会抑制我国制造业自主创新能力[J].数量经济技术经济研究,2015,32(2):53-69.

[8] 邱斌,叶龙凤,孙少勤.参与全球生产网络对我国制造业价值链提升影响的实证研究:基于出口复杂度的分析[J].中国工业经济,2012,29(1):57-67.

[9] 陈启斐,刘志彪.反向服务外包对我国制造业价值链提升的实证分析[J].经济学家,2013,25(11):68-75.

[10] 杨瑾.逆向外包驱动大型复杂产品制造业集群升级的作用机理:“主—供”模式的调节作用[J].技术经济,2017,36(6):10-17.

[11] 徐毅,张二震.外包与生产率:基于工业行业数据的经验研究[J].经济研究,2008,43(1):103-113.

[12] AGRAWAL S,GOSWAMI K,CHATTERJEE B.The evolution of offshore outsourcing in India[J].Global Business Review,2010,11(2):239-256.

[13] BUNYARATAVEJ K,HAHN E D.Offshoring of services from developing countries[J].International Journal of Service Science,Management,Engineering,and Technology,2012,3(2):1-12.

[14] 岳中刚.逆向研发外包与企业创新绩效:基于汽车产业的实证研究[J].国际商务(对外经济贸易大学学报),2014(6):97-106.

[15] RAZIN A,SADKA E,TONG H.Bilateral FDI flows:threshold barriers and productivity shocks[J].CESifo Economic Studies,2008,54(3):451-470.

[16] GRAY J V, SKOWRONSKI K, ESENDURAN G, et al.The reshoring phenomenon: what supply chain academics ought to know and should do[J].Journal of Supply Chain Management, 2013, 49(2): 27-33.

[17] MARGULESCU S, MARGULESCU E.Reshoring in manufacturing and services[J].Global Economic Observer,2014,2(1):90-95.

[18] TATE W L.Offshoring and reshoring:US insights and research challenges[J].Journal of Purchasing and Supply Management,2014,20(1):66-68.

[19] LAURSEN K,SALTER A.Open for innovation:the role of openness in explaining innovation performance among U.K.manufacturing firms[J].Strategic Management Journal,2006,27(2):131-150.

[20] WEIGELT C.Leveraging supplier capabilities:the role of locus of capability deployment[J].Strategic Management Journal,2013,34(1):1-21.

[21] SAKO M.Outsourcing and offshoring:implications for productivity of business services[J].Oxford Review of Economic Policy,2006,22(4):499-512.

[22] AZADEGAN A,WAGNER S M.Industrial upgrading,exploitative innovations and explorative innovations[J].International Journal of Production Economics,2011,130(1):54-65.

[23] KRISHNA V V,PATRA S K,BHATTACHARYA S.Internationalisation of R&D and global nature of innovation:emerging trends in India[J].Science Technology & Society,2012,17(2):165-199.

[24] 俞荣建.基于共同演化范式的代工企业GVC升级机理研究与代工策略启示:基于二元关系的视角[J].中国工业经济,2010,27(2):16-25.

[25] 沈春苗.逆向外包对后发国家产业结构、经济增长和收入分配的影响[J].南开经济研究,2017,33(5):99-117.

[26] NIETO M J,RODRGUEZ A.Offshoring of R&D:looking abroad to improve innovation performance[J].Journal of International Business Studies,2011,42(3):345-361.

[27] 杨瑾,侯兆麟.逆向研发外包、组织学习与装备制造业突破性技术创新[J].科学决策,2020,27(3):23-41.

[28] LIN J Y.Effects on diversity of R&D sources and human capital on industrial performance[J].Technological Forecasting and Social Change,2014,85:168-184.

[29] 张月友,方瑾.逆向外包驱动力的实证研究[J].中国地质大学学报(社会科学版),2018,18(5):153-167.

[30] 刘天琦,刘京星.逆向外包能提升全要素生产率吗:基于我国制造业经验数据的实证研究[J].湘潭大学学报(哲学社会科学版),2020,44(4):129-136.

[31] CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[32] AIGNER D,LOVELL C A K,SCHMIDT P.Formulation and estimation of stochastic frontier production function models[J].Journal of Econometrics,1977,6(1):21-37.

[33] MEEUSEN W,VAN DEN BROECK J.Efficiency estimation from Cobb-Douglas production functions with composed error[J].International Economic Review,1977,18(2):435-444.

[34] COELLI T,RAO D S P,BATTESE G E.An introduction to efficiency and productivity analysis[M].Boston,MA:Springer US,1998.

[35] 白俊红,江可申,李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界,2009,25(10):51-61.

[36] 庞瑞芝,薛宁,丁明磊.中国创新型试点企业创新效率及其影响因素研究:基于2006—2010年创新型试点企业非平衡面板数据的实证考察[J].产业经济研究,2012,11(5):1-10,18.

[37] 盛雯雯.金融发展有利于中国生产技术效率的提升吗:基于随机前沿分析方法的检验[J].中央财经大学学报,2017,37(12):83-97.

[38] KUMBHAKAR S C,LOVELL C A K.Stochastic frontier analysis[M].Cambridge:Cambridge University Press,2000.

[39] BATTESE G E,COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics,1995,20(2):325-332.

[40] 陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009,44(4):41-55.

[41] ARUNDEL A.The relative effectiveness of patents and secrecy for appropriation[J].Research Policy,2001,30(4):611-624.

[42] 郑坚,丁云龙.高技术产业技术创新效率评价指标体系的构建[J].哈尔滨工业大学学报(社会科学版),2007,9(6):105-108.

[43] 王双盈.高技术产业技术创新效率研究综述[J].中国高新技术企业,2009,16(8):3-4.

[44] 姚晓芳,常晓娜.基于DEA的合肥市创新型企业创新效率评价研究[J].情报科学,2011,29(9):1388-1391,1429.

[45] 罗利华,胡先杰,冯君.企业创新效率评价指标体系实证比较研究[J].科研管理,2018,39(2):60-65.

[46] 张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952—2000[J].经济研究,2004,39(10):35-44.

[47] 邵军,徐康宁.我国城市的生产率增长、效率改进与技术进步[J].数量经济技术经济研究,2010,27(1):58-66,106.

(责任编辑：陈 井)