中国不同行业全球价值链位置对创新效率的影响

姜 超

(上海财经大学 国际工商管理学院,上海 200433)

关注中国各行业全球价值链位置对创新性效率的影响,基于新古典经济理论提出假设,采用非竞争性投入产出法计算中国19个代表性行业在全球价值链中的位置及变化趋势,测算其整体创新效率。进一步将创新效率分解为技术进步指数、规模效率指数、纯技术效率指数,通过观察分解变量值揭示行业差异。结果表明:研发阶段,处于全球价值链上游的行业,行业技术前沿水平上升,行业整体向前沿靠近的程度降低;生产阶段,处于全球价值链上游的行业,行业技术前沿水平下降,行业整体向前沿靠近的程度上升。

关键词全球价值链;技术进步指数;规模效率指数;纯技术效率指数;创新效率

0 引言

在经济全球化与信息技术发展背景下,国际生产分工、外包、全球采购、公司内贸易等新型贸易模式相继出现,使得全球价值链在不同国家之间得以进一步延展细化,由此形成了新型国际生产、分工与贸易模式。当前,全球贸易新常态的特征是:增长趋缓、三足鼎立、区块结构。其中,中国是亚洲价值链的核心,德国是欧洲价值链的核心、美国是美洲价值链的核心。全球经济治理正由区域经济合作转变为全球稳定的经济治理框架,而稳定的经济治理框架要求区域内包含核心国家和深度自由贸易区。在亚洲价值链中,中国整体实力上升,这有利于实施创新驱动发展战略并推动产业结构升级,进而形成具有代表性、高效率、合作化、多元化的全球治理新框架。基于此,评估中国参与全球价值链分工程度及演变趋势具有重要的现实意义。虽然中国在亚洲价值链中的地位日渐上升,但是中国企业在全球价值链的新型分工体系中,仍然面临较为严重的“低端锁定”效应、核心技术受制于人、缺乏产业竞争力等问题[1]。因此,本文通过研究中国不同行业全球价值链位置对创新效率的影响,提出利用行业生产优势提高企业创新效率、转变增长方式、调整贸易结构,进而全面提高企业生产效率和核心竞争力的建议,这对提高中国企业在全球价值链的参与度,实现其在全球价值链的地位跃升具有现实意义。

1 理论基础

1.1 创新效率

Antras和 Helpman[2]指出,只有效率超过一定阈值的企业才会将部分任务外包到外国,其中效率较低的企业采用签订企业间契约的外包形式,而效率高的企业则采用一体化外包形式。因此,在该分析框架下,企业参与全球价值链深度在一定程度上取决于效率这一异质性因素。企业生产效率主要由技术创新效率和制度创新效率决定,在制度创新效率不变的条件下,研究技术创新效率具有重要的战略意义[3]。国内学者结合我国区域发展特征,基于非参数方法的基本原理,构建创新效率模型,对创新过程进行分解,提出促进区域内创新效率提高的新思路。当前学界有关创新效率的研究聚焦于行业差异、地域差异、阶段差异、影响因素等方面[4]。史修松等[5]认为:“中国区域创新效率差异明显,时间波动性较大,总体水平较低。区域创新资金相对于人力资本而言,对创新效率的推动作用更大,而且创新专利产出效率高于产品产出效率。”韩先锋等[6]认为:“中国工业研发创新效率存在行业差异和阶段性差异,但总体呈上升趋势。我国加入WTO之后,关税减免政策有利于研发创新效率和技术转化效率提升,而对技术转化效率的促进作用更为明显。受行业规模、R&D强度、技术密集、环境污染等因素影响,关税减免政策对于两个阶段的工业创新效率的影响存在明显的行业差异。”李习保[7]认为:“我国各区域创新能力普遍提高,但区域间差异明显。企业创新能力具有区域集聚的特征,随着区域内研发投入模式转变为以工业企业为主体,不同区域的创新能力因此具备了集聚特征。”目前,建立创新试点企业、提供创新补贴等方式被广泛应用于创新效率亟待提高的行业部门,其作用尚未完全发挥,缺漏之处仍在不断修正中[8]

1.2 全球价值链

经济学家对于全球价值链分工的认识始于20世纪60-70年代,以中间品贸易理论与经验研究为出发点。UNCTAD(2013)显示,全球60%左右的贸易是中间产品和服务贸易。因此,检测中间产品和服务的国际贸易是分析全球价值链分工与贸易的第一步。随后,关于全球价值链分工的研究主要经历了3个阶段:①Hummel等[9]开创了增加值贸易与垂直贸易研究,指出垂直贸易是国际生产分散化的结果,估算中间投入品中国外含量的两个关键假定是“同比例假定”和“进口100%来自国外”。显然,在一般贸易与加工贸易共存的情境下,第一个假定不成立。在出口中间品的国家数量大于1的情况下,第二个假定不成立;②Koopmans 等[10]放宽了Hummel 的同比例假定条件,通过构建非竞争性投入产出模型,分别估算用于出口的生产和用于国内销售的生产的投入产出系数,将一国出口总值分解为不同来源国的增加值与重复统计项,并将之前所有关于垂直专业化和增加值贸易的测算整合成一个统一框架。目前,对于价值链问题的测算方法创新多是基于KWW方法进行的。例如,樊茂清等[11]提出,基于全球投入产出表,应用非竞争性投入产出表的宏观测算方法,对中国贸易产品类别进行分解,发现中国企业在全球价值链中的位置上升、中间品贸易比重上升知识密集型产业快速发展;③Wang等[12]从总体、行业及双边水平上进行价值链及增加值贸易测算和分解,从前向和后向关联的角度测算经济体之间的增加值关联程度。

关于中国在全球价值链位置,学者们认为贸易自由化、打破国内行业垄断、引入外资、优化创新资源配置方式均有助于提升中国出口行业在全球价值链中的位置[13]。吕越等(2015)认为,在全球价值链中,存在高效率企业和低效率企业,高效率企业可以克服较高的固定成本障碍进入市场,更愿意嵌入全球价值链中。融资约束对企业参与全球价值链的阻碍作用仅体现在进入阶段,而效率与企业全球价值链参与度之间呈U型关系。因此,我国企业在参与全球价值链过程中欲打破‘低端锁定’困局,应当提高企业生产效率,建立能够反映资源稀缺程度和供求关系的价格体系,优化资源配置方式,降低企业融资约束。已有文献缺乏中国各行业在全球价值链中影响力差异对创新效率影响的探讨。因此,本文将从理论层面和实证层面验证处于全球价值链上游的行业是否重视开展创新活动、提高创新效率和生产力水平,以巩固其在全球价值链中的地位。

1.3 新增长理论

根据Romer(1986)和Lucas(1988)有关新增长理论的观点可知,国家经济和区域经济可依托技术创新、人力资本等要素投入实现长期增长。探寻经济增长动因,需对经济增长的本质和特征进行分析。首先,国家各行业在全球分工中具有的比较优势决定了该国在该行业开展技术创新的程度。某行业在生产领域的比较优势越突出,其技术创新程度则越高,并且技术创新活动需要投入的技术要素、人力资本要素越多;其次,在国际分工过程中,行业集聚和区域集聚形成的规模经济效应可以促进企业追加技术研发投资,进而提高了技术创新成功的可能性;再次,随着生产全球化与国际分工细化,国与国之间建立起畅通的信息传输网络,参与全球价值链的国家可以通过中间品和最终品贸易,获得贸易伙伴的技术创新溢出;最后,参与全球价值链的国家拥有更丰富的融资渠道,有助于由要素驱动和投资驱动发展模式向创新驱动发展模式转变,从而保障开放经济平稳运行[14]。具体从投入、产出、长短期增长角度分析如下:

(1)从投入角度看,参与全球价值链的国家,在具有比较优势的行业开展生产活动,有助于生产资源集聚,包括研发活动所需的技术资本、人力资本等创新要素。正是因为具有比较优势的行业可以为创新活动积累丰富的生产要素,所以具有比较优势的行业更可能成为全球化经济环境中的创新主体[15]

(2)从产出角度看,参与全球价值链的国家,在具有比较优势的行业开展生产活动,有助于增加其经济收益,进而产生行业集聚和区域集聚效应。依托全球畅通的通信网络,各行业能更便捷地获取国际市场环境信息,同时市场收益能对具有比较优势的行业开展创新活动更好地发挥引导作用。为进一步扩大市场份额、增加经济收益,行业会不断开展研发创新活动,及时更新产品和技术,以满足市场需求。

(3)国家各行业效益短期增长可以通过批量式生产实现,而长期增长的源泉和动力则是行业内开展的创新研发活动。贸易自由化程度较高的创新经济体以更加开放的姿态融入全球市场,创新主体和非创新主体可以共同享有创新研发成果,进而提高行业技术前沿水平及行业内企业向技术前沿靠近的水平。

2 实证分析

2.1 模型构建

为检验中国19个代表性行业全球价值链位置在研发阶段和生产阶段对创新效率的影响,构建实证分析模型如下:

Innovit=Upstreamit+Intfpit+Inklit+Inlaborit+InGDPit+InFDIit+αi+λt+μit

(1)

μiti.i.d(0,σ2)

Upstreamit用以衡量中国19个行业在全球价值链中的位置,称为上下游指数,数值越大表明该行业在全球价值链中的影响力越强;Innovit代表各行业的创新效率,TCit代表技术进步指数,PEit代表纯技术效率指数,SCit代表规模效率指数,三者共同反映创新效率;tfpit是行业全要素生产率,反映了行业生产效率水平;klit代表行业资本密集度,用行业固定资产总额与行业总人数之比测度;laborit代表行业规模,用行业从业人员总数测度;GDPit是行业总产值,反映了行业总体发展水平;FDIit是行业实际利用外商直接投资额,反映了行业利用外资的程度;αi为个体固定效应,是不随时间改变的定值;λt为时间固定效应,是不随个体改变的定值;μit代表随机误差项。由于创新效率由两个阶段组成,即研发阶段和生产阶段,具体采用以下操作步骤:①应用实证分析模型测度研发阶段中国19个代表性行业在全球价值链中的位置对创新效率的影响;②应用该模型测度生产阶段中国制造业、采矿业、电力生产与供应行业在全球价值链中的位置对创新效率的影响。

2.2 数据描述

本文使用的2009-2015年行业数据来自国家统计局公布的国民经济行业(2011版)科技统计数据、工业行业数据、劳动经济数据、商品贸易数据、宏观经济数据、对外经济数据。在测算企业上下游指数时,由于国家统计局每隔2年或3年公布一次投入产出数据,且2005年后的投入产出流量表涉及的行业为粗口径,导致部分行业数据无法进行匹配,因而本文以2002年公布的投入产出表为准,构建2002年国民经济各行业的直接消耗矩阵病带入计算。其中,各行业的中间投入和最终产出值通过当年统计数据得出。在进行创新效率测算时,对其所处阶段进行区分:在研发阶段,将2009、2011-2014年中国19个行业的R&D人员投入、R&D经费投入作为创新投入变量,将科技论文数量、科技专著数量、R&D课题数量、有效专利数量作为产出变量,计算得出创新效率值,并将创新效率值分解为技术进步指数、规模效率指数、纯技术效率指数;在生产阶段,采用上述相同办法,对2009、2011-2014年中国采矿业、制造业、电力和热力供应行业创新投入和产出数据进行计算,得出生产性行业整体创新效率以及分解后的技术进步指数、纯技术效率指数、规模效率指数。为使得回归模型中各指标变量数据相互匹配,模型仅采用2009、2011-2014年的数据。

2.3 上下游指数测算

借鉴Antras等(2012)的研究,结合投入产出表,用上下游指数衡量中国不同行业在全球价值链中的位置。生产过程可以看作是连续的过程,参与国际分工的行业企业承担不同阶段的生产任务,从而行业内所有企业在全球价值链中发挥的作用决定了该行业在价值链中的位置[3]。投入产出表可以用来衡量各行业参与生产分工发挥的作用。投入产出恒等式中,Yi代表行业i的总产出水平;Fi代表行业i的总支出水平,包括用于最终消费和投资的支出;Zi代表中间投入水平,包含生产活动后续环节的投入量,如下所示:

Yi=Fi+Zi

(2)

本文测度中国21个行业,将投入产出恒等式进行拓展:

(3)

两个行业ij,且1≤i,jN,dij代表行业i为生产1单位j行业产品的中间投入量代表行业i在行业j生产最终产品的过程中投入的全部中间品,这是行业i在中间投入中的直接使用量代表行业

i在中间投入中的间接使用量,此时行业i在中间投入环节所处的位置更为上游,至少与最终产品相距两个生产阶段,其中,dildlkdkj代表行业i是上游产业,行业i的中间产品用于行业l进行生产,行业l的中间产品用于行业k进行生产,行业k的中间产品用于行业j进行生产,以此类推。行业i的总产出、总支出、中间投入以矩阵形式表示如下:

(4)

投入产出恒等式经过变换可得:

Y=F+DF+D2F+D3F+…DnF

Y=F(I+D+D2+…Dn-1)

(5)

D表示N×N的直接消耗矩阵,第(i,j)个元素用dij表示,列昂惕夫逆矩阵表示为[I-D]-1。为了更充分地利用上游产业间接消耗中间投入品的信息,即区分同一产业不同价值链长度的生产过程,根据投入品进入最终使用生产阶段的顺序区分间接使用的价值。本文将上述恒等式的最终使用产出赋予权重1,将在最终使用中作为中间投入品的直接使用量赋予权重2,等式右边第3项赋予权重3,依次类推。权重越大,表明行业在全球价值链中发挥的作用越强、影响力越大,并得到如下公式:

Y=F+2DF+3D2F+4D3F+…(N+1)DnF=[I-D]-2F

(6)

根据模型推导结果对中国19个代表性行业的上下游指数进行测算,结果如图1所示。中国19个行业的上下游指数在2009-2014年期间,年度变化趋势相同,行业差异明显。目前,我国农林牧渔业、制造业、交通运输与通讯业、金融业、租赁与商务服务业、科学研究与技术服务业在全球价值链中的位置在19个代表行业中相对上游。本部分区分了中国19个代表行业在全球价值链中位置的差异,这是研究中国行业在全球价值链中影响力对创新关注度影响的第一步。

图1 2009-2014年中国19个代表行业上下游指数整体变化情况

2.4 创新效率测算

基于非参数DEA (Data Envelope Analysis)方法是目前最具优越性的创新效率测算方法,该方法发展经历了4个阶段:Charnes 等[16]在规模收益不变的条件下,构建CCR模型测度创新效率;Banker等[17]在规模收益可变的条件下,构建BCC模型测度创新效率;Caves等[18]基于投入产出距离函数,应用Malmquist指数方法测算创新效率;Fare等[19]将Malmquist指数进行分解,构建M指数模型进行创新效率测度。该方法将创新效率分解为技术进步和技术效率,其中技术进步是指当前可应用于生产的技术前沿水平,技术效率是指向前沿靠近的程度。本文采用M指数分解法,将测度过程分为3个阶段:第一阶段,计算决策单元的效率值;第二阶段,考虑环境和随机误差项的影响,并对投入变量进行修正;第三阶段,对投入变量进行再次计算,最终得到创新效率值。DEA模型使用需设置投入变量、产出变量、环境变量。在创新研发阶段,投入变量包括研发机构R&D 人员投入量、资金投入量,产出变量包括R&D课题数量、科技专著数量、论文发表数量、授权专利数量;在创新生产阶段,投入变量包括R&D 人员投入、R&D 内部投资、R&D 外部投资、新产品支出经费,产出变量包括有效专利数量、新产品开发项目、新产品销售收入。

假定A为区域生产条件,是外生给定的;α代表外部技术变化,X为要素投入,I为创新能力,β为要素投入弹性,γ为产出创新弹性,构建创新模型:

F(X,I)=AeαtXβIγ=AeαtXβI(x)

(7)

创新生产阶段需要密集投入生产技术要素以转换创新价值链,可以得到以下公式:

I(x)=I(Ri(h,r),Pi(p))=I(h,r,p)

(8)

式(8)中,hrp分别代表人力资本要素、R&D 资本要素、生产技术要素,表明创新研发阶段还需密集投入人力资本要素、R&D资本要素。

假定创新在研发阶段和生产阶段存在线性投入产出关系,用公式表示为:

(9)

λμ分别代表研发阶段人力资本投入和R&D资本投入的产出系数,θ代表生产阶段技术投入的产出系数。创新活动具有外溢性,该特性具体表现在空间地理层面和价值链层面:一方面,创新主体在研发或生产阶段的创新成果不仅会对区域地理空间内其它非创新主体产生影响,还会对与创新主体有经济贸易往来的主体在经济地理层面产生影响;另一方面,创新主体参与研发阶段的知识投入、创意产生到生产阶段的技术进步环节,这些环节之间存在相互影响。通过模型推演,得到如下结论:

Ri=η(Pi,Pj),ij

(10)

创新研发阶段和生产阶段存在溢出效应,根据Bloom[4]的理论可知,上式函数η(·)满足非递减凸函数性质,因而在不同创新阶段发生的外溢效应均是正向的。对于每个创新主体,K0代表知识存量,R0代表科研创新基础,P0代表技术创新基础,当价值最大化时,有:

(11)

基于模型分析可知,创新研发阶段的知识投入、创意生成主体均存在外溢效应,创新生产阶段的技术进步推进主体之间也存在外溢效应。此外,创新效率在不同阶段存在差异,并且不同阶段的创新活动相互影响:创新研发阶段通常需要从生产阶段获取市场反馈信息,在市场需求和供给信息共同引导下进行知识创新,这在一定程度上促进了创新研发效率提升,而创新效率的正向效应最终会在生产和销售领域得到体现[20]

使用DEA方法进行创新效率测算最为普遍,在规模报酬不变的条件下,从t时期到t+1时期,用于度量创新效率的M指数可以表示为:

M0(xt,yt,xt+1,yt+1)

(12)

式(12)中,(xt,yt)和(xt+1,yt+1)分别是t与t+1时期的创新投入量和产出量。以t时期的技术水平Tt为参照,dtdt+1是t、t+1 的距离函数,有:

(13)

如果那么效率从t到t+1时期是递增的。Fare[5]在规模报酬不变的前提下,将创新效率分解为技术效率变化指数(EF)和技术进步指数(TC)。由此,得到下式:

M0(xt,yt,xt+1,yt+1)

(14)

在规模报酬可变的前提下,技术效率变化指数可以分解为规模效率指数(SC)和纯技术效率指数(PE),有:

(15)

2009-2014年我国19个代表行业在创新研发阶段的创新效率整体变化情况如图2所示。在创新研发阶段,各行业创新效率变化不大,但制造业、信息传输与计算机服务业、零售与批发业、租赁业、教育出现过明显的上升时期,说明我国各行业在不同时段均受到国际市场环境、政策激励等因素影响,正在积极寻找利用科技创新实现转型升级的路径,并在部分前沿领域进行了开创性试验,将科研成果转化为新技术和新工艺,进而促使创新效率在一定时间内发生明显变化。

研发阶段创新效率提高是生产阶段创新效率提高的基础与保障。2009-2014年我国19个代表行业在创新生产阶段的创新效率整体变化如图3所示。本文选取中国制造业、采矿业、电力与热力生产供应业进行创新效率分析。其中,采矿业整体创新效率水平均低于其它两个生产性行业,且在2011-2013年,整体效率略有下降;2013年至今,采矿业整体创新效率水平快速上升,且在2014年赶超其它两个生产性行业;制造业创新效率水平变化趋势较为平稳,但在2013-2014年呈现出下降趋势。其原因可能在于,全球价值链重新分工布局使得部分劳动密集型制造业部门正从我国转移到东南亚国家,因而从行业指标上看,出现短期内创新效率下降的趋势;电力与热力供应行业创新效率变化幅度较大,其中2013年达到5年间创新效率峰值,此后呈下降趋势。我国电力和热力供应行业依托国有大中型企业的市场化运营,因而在改革创新方面存在时滞性,需要较长周期实现创新效率提升、获得创新收益,但其创新生产运营模式对本行业和上下游行业的影响力较强,具有明显的带动作用[21]

图2 2009-2014年中国19个代表行业在创新研发阶段的创新效率整体变化情况

图3 2009-2014年中国19个代表行业在创新生产阶段的创新效率整体变化情况

2.5 实证结果

本部分对2009-2014年我国处于创新研发阶段和生产阶段19个行业的面板回归结果进行分析:模型内生性问题通过面板数据结合个体固定效应和时间固定效应方法检验,实证结果通过Robust稳健性检验,总体P值和关键变量的P值均小于0.05,结果显著。将2009-2014年我国19个行业的上下游指数对技术进步指数、纯技术效率指数、规模效率指数作面板回归,结果如表1中(1)、(2)、(3)列所示。

表1研发阶段面板回归分析

变量(1)TC(2)PE(3)SCupstream54.38*-3.626-1.557*(2.56)(-1.96)(-2.30)Intfp30.30***0.404***0.0337(9.81)(4.60)(0.94)Inkl-6.0540.282-0.000 333(-0.97)(1.78)(-0.13)Inlabor0.186-0.2560.004 07(0.02)(-1.17)(0.55)Ingdp-5.5560.359-0.000 726(-0.60)(1.64)(-0.35)Infdi-2.8970.0433-0.000 505(-1.26)(1.96)(-1.02)_cons-82.10-0.1962.665***(-1.68)(-0.38)(4.10)N888889

注:t统计量标注在括号内;*p<0.05,**p<0.01,***p<0.001,下同

表1的面板回归分析结果显示,上下游指数、行业全要素生产率对技术进步指数具有较强正向影响,说明越是处于全球价值链上游的行业越注重技术创新,且在全球价值链中的位置每上升1个单位,该行业技术前沿水平提升54.38个单位;行业全要素生产率水平每上升1个单位,该行业技术前沿水平提升30.3个单位;行业上下游指数每上升1个单位,该行业规模效率水平下降1.557个单位,说明随着我国19个代表行业在全球价值链中位置上升,行业技术前沿水平不断提高,但行业整体水平向前沿水平靠近的程度降低,进而导致行业整体创新水平在研发阶段有所下降。

在创新产出阶段,我国3个生产性行业在全球价值链中的位置对创新效率影响的面板回归分析结果如表2所示。表2中第(1)、(2)、(3)列分别代表行业在全球价值链中的位置对技术进步指数、规模效率指数、技术效率指数的影响。技术进步指数用以测度行业技术前沿的变化程度,技术效率指数是规模效率指数和纯技术效率指数的乘积,反映了行业整体技术水平向前沿靠近的程度。

表2生产阶段面板回归分析

变量(1)TC(2)SC(3)PE*SCupstream-0.000 284***0.000 263***0.000 263***(-13.02)(13.56)(13.56)TFP0.755***0.2300.230(3.52)(1.13)(1.13)_cons0.2920.727***0.727***(1.29)(3.39)(3.39)N151515

创新产出阶段,行业上下游指数上升会使行业技术前沿水平下降、行业整体水平向前沿靠近的程度上升。处于该阶段行业重视对新技术和新工艺的应用,暂缓了技术更新,因而行业在创新产出阶段的技术前沿水平略有下降。由于行业在应用新技术和新工艺时,需要大量公共设施和基础资源支持,从而引起产业集聚和区域集聚、形成规模经济效应,行业整体水平向前沿靠近的程度上升。

3 结语

3.1 研究结论

当前,全球价值链在不同国家之间不断延展细化,新型国际生产、分工、贸易模式逐渐形成,中国在全球价值链中的作用不断增强,但仍面临较为严重的“低端锁定”问题。本文研究中国各行业在全球价值链中的位置对创新效率的影响,首先对创新效率和全球价值链的相关文献进行梳理,发现相关研究聚焦于行业差异、地域差异、阶段差异、影响因素等方面;创新效率测算方法包括CCR模型、BCC模型、Malquist指数法。其中,Fare等提出应用M指数模型,将创新效率分解为技术效率和技术进步的测算方法,为深入研究创新效率提供了新思路。有关全球价值链的研究关注价值链位置的测算方法,考察了贸易自由化、引入外资、优化资源配置等对不同行业在全球价值链中位置的影响,但缺乏结合中国情境的探讨。因此,本文基于新增长理论,以投入、产出、国家各行业长短期增长为切入点,从理论层面分析不同行业全球价值链位置对创新效率影响的作用机制。

本文实证部分应用非竞争性投入产出法计算中国19个代表性行业在全球价值链中的位置及变化趋势,发现19个行业的上下游指数年度变化趋势相同,但行业差异明显;应用M指数法测算创新效率,并将创新效率分解为纯技术效率指数、规模效率指数、技术进步指数。研究发现,研发阶段,中国各行业创新效率变化不大,但制造业、信息传输与计算机服务业、零售与批发业出现过明显上升;生产阶段,选取制造业、采矿业、电力与热力生产供应业进行分析,其中制造业创新效率变化趋势较为平稳,电力与热力供应行业的创新效率变化幅度较大,采矿业整体创新效率水平在5年间均低于其它两个生产性行业。本文基于以上指标测算和特征描述结果,分别对创新研发阶段和生产阶段进行实证分析,得到如下结论及对策建议:

(1)创新研发阶段,行业在全球价值链的位置越上游,创新效率越高。行业创新效率整体水平是由行业前沿水平、整体水平向前沿水平靠近的程度共同决定的。导致行业整体创新效率水平不高的原因有两方面:一方面,行业内多数企业创新效率水平不高,行业前沿水平发展停滞;另一方面,行业技术前沿水平较高,但行业整体水平与前沿水平差距较大。这破解了行业整体创新态势良好、但创新效率总水平不高的难题。因此,各行业应依托科技园区,加强企业与科研院所间的关联,促进产学研一体化,缩短创新成果转化周期,以行业前沿技术水平带动整体水平提升,最终实现行业整体创新效率提升。

(2)创新产出阶段,行业在全球价值链的位置越上游,创新效率不一定越高。当行业生产活动集中于国家控股的大中型企业中时,如电力和热力供应业,行业整体水平向前沿靠近的程度很高,行业的技术前沿进步,意味着行业整体创新效率将在产出阶段稳步提高;当行业的生产活动分布在国有企业和民营企业中时,如采矿业和制造业,行业中其它企业为了抢占市场空间,会在生产中引进新技术和新工艺,进而带动行业前沿水平加速提升,但行业整体水平与前沿水平的靠近程度降低,导致行业整体创新效率水平在产出阶段相对落后。相对于电力和热力供应业,制造业和采矿业在全球价值链中位置较高,但其创新效率相对较低。因此,政府应当加强对不同所有制企业的引导,通过发放创新补贴、实施创新人才引进政策等方式,促进民营企业开展创新研发活动。同时,应用科技创新奖励机制、落后企业淘汰机制,引导国有企业提高创新能力、实现转型升级。

(3)相同行业的创新效率在研发阶段和产出阶段表现出明显差异性。一方面,当行业生产活动集中于国家控股的大中型企业中时,行业内企业的盈利情况受市场因素影响较小,较少关注通过创新活动实现转型升级、占有更大的市场份额。因此,该行业在研发阶段的创新效率较低。但当该行业采纳新技术和新工艺后,可以依托自身雄厚的资本、完善的组织运营架构,快速将其应用于生产活动,因而具有较高的创新产出效率[22];另一方面,当行业生产活动集中于国有企业和民营企业时,行业内企业的盈利情况受市场因素影响较大,此时应注重通过创新实现转型升级、增加市场份额。因此,该行业在创新研发阶段的效率较高。行业内生产效率较高的企业率先使用新技术和新工艺,会带动行业前沿水平不断提高,但行业内发展水平差异明显,在创新产出阶段,行业整体技术水平与前沿水平差距被拉大,因而行业整体创新产出效率提升幅度较小。因此,政府应放宽行政审批制度中对民企的政策限制,适当对国企倾斜,引导民资入股国企,促使国企和民企在市场经济中公平竞争。

3.2 创新与不足

(1)内容创新。本文结合已有关于全球价值链和创新效率的研究,探讨中国不同行业在全球价值链中的位置对于创新效率的影响,具体关注中国各行业在全球价值链中的位置是否会促进创新活动、提高创新效率。一方面,参与全球价值链的国家,在具有比较优势的行业领域开展生产活动,会形成生产资源集聚,包括研发资源和人力资本等创新要素,因而处于全球价值链上游的行业具有提高创新效率的基础;另一方面,参与全球价值链的国家,在具有比较优势的行业领域开展生产活动,能从国内市场和国际市场获得收益。随着经济效益增加,该行业会在区域内形成示范效应和竞争效应。因此,处于全球价值链中上游的行业具有提高创新效率的动力。基于以上两方面考虑,本文研究中国各行业在全球价值链中的位置对创新效率的影响,具有理论依据和研究价值。

(2)方法创新。本文将创新分为两个阶段,分别是创新研发阶段和创新生产阶段。其中,创新研发阶段集中于高校、科研院所、企业研发部门,创新生产阶段集中于企业内部。本文检验中国不同行业在全球价值链中的位置对创新效率影响的阶段性差异,旨在找到产学研一体化进程中的薄弱环节和发展方向。同时,本文将创新效率分解为技术进步指数、规模效率指数和纯技术效率指数,用技术进步指数反映行业技术前沿水平,效率指数反映行业整体水平向前沿水平靠近的程度。该方法有效破解了行业内多数企业创新效率上升,但行业整体创新效率下降的谜团,并通过实证检验,揭示了中国在全球价值链中的位置对创新效率影响的行业差异及其内在原因。

本文不足之处在于:实证检验不是基于微观企业层面,仅匹配了5年跨度的行业数据,从而无法得到更为精准、细致的结论。这是因为行业创新效率测算数据仅涵盖2009、2011、2012、2013、2014年,各行业微观企业数据仅涵盖1998-2008年,限制了本文研究结论的全面性和适用范围。在今后的研究中,如果能通过改善上下游指数、创新效率测算方法,获得更精准的计算结果,并从微观企业层面加以分析,将进一步推动该领域相关研究。

参考文献:

[1] 王直,魏尚进,祝坤福. 总贸易核算法:官方贸易统计与全球价值链的度量[J]. 中国社会科学,2015(9):108-127,205-206.

[2] ANTRAS P, HELPMAN E. Global sourcing[J]. Journal of Political Economy, 2004, 112(3): 552-580.

[3] 戴魁早,刘友金. 要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[J]. 经济研究,2016,51(7):72-86.

[4] 肖兴志,谢理. 中国战略性新兴产业创新效率的实证分析[J]. 经济管理,2011,33(11):26-35.

[5] 史修松, 赵曙东, 吴福象. 中国区域创新效率及其空间差异研究[J]. 数量经济技术经济研究, 2009(3): 45-55.

[6] 韩先锋,惠宁,宋文飞. 贸易自由化影响了研发创新效率吗[J]. 财经研究, 2015, 41(2): 15-26.

[7] 李习保. 中国区域创新能力变迁的实证分析: 基于创新系统的观点[J]. 管理世界, 2007 (12): 18-30.

[8] 姜南. 自主研发、政府资助政策与产业创新方向——专利密集型产业异质性分析[J]. 科技进步与对策,2017,34(3):49-55.

[9] HUMMEL R L. Solar distillation with economies of scale, innovation and optimization[J]. Desalination, 2001, 134(1-3): 159-171.

[10] KOOPMAN R, WANG Z, WEI S J. Estimating domestic content in exports when processing trade is pervasive[J]. Journal of Development Economics, 2012, 99(1): 178-189.

[11] 樊茂清,黄薇. 基于全球价值链分解的中国贸易产业结构演进研究[J]. 世界经济,2014,37(2):50-70.

[12] KOOPMAN R, WANG Z, WEI S J. Tracing value-added and double counting in gross exports[J]. The American Economic Review, 2014, 104(2): 459-494.

[13] 张定胜,刘洪愧,杨志远. 中国出口在全球价值链中的位置演变——基于增加值核算的分析[J]. 财贸经济,2015(11):114-130.

[14] ROMER P M. Endogenous technological change[J]. Journal of Political Economy, 1990, 98(5): S71-S102.

[15] 刘维林,李兰冰,刘玉海. 全球价值链嵌入对中国出口技术复杂度的影响[J]. 中国工业经济,2014(6):83-95.

[16] 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.

[17] BANKER R D, CHARNES A, COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science,1984,30(9):1078-1092.

[18] CAVES D W, CHRISTENSEN L R, DIEWERT W E. The economic theory of index numbers and the measurement of input, output, and productivity[J]. Econometrica: Journal of the Econometric Society, 1982: 1393-1414.

[19] FARE R, GROSSKOPF S, LOVELL C A K. Production frontiers[M]. Cambridge University Press, 1994.

[20] 孙冰,沈瑞. 行业竞争强度对创新扩散效率的影响——知识吸收能力的中介作用[J]. 科技进步与对策,2017,34(1):59-65.

[21] 孙学敏,王杰. 全球价值链嵌入的“生产率效应”——基于中国微观企业数据的实证研究[J]. 国际贸易问题,2016(3):3-14.

[22] 董桂才,王鸣霞. 全球价值链嵌入对我国本土工业机器人技术进步的影响[J]. 科技进步与对策,2017,34(4):78-83.

TheImpactofPositioninGlobalValueChainonChina'sInnovationEfficiency

Jiang Chao

(School of International Business Administration,Shanghai University of Finance and Economics, Shanghai 200433,China)

AbstractThe paper aims to analyze the impact of China's postion in global value chain on innovation efficiency, we use New Classical Economic Theory to make assumptions. We use non-competitive input-output method to calculate 19 representative industries' positions in global value chain, then we calculate 19 representative industries' innovation efficiency, and it is decomposed into technical progress index, pure technical efficiency index, and scale efficiency index, and industrial differences can be observed in the decompostion. On the basis of empirical results, in the research and development stage, China's industries in global value chain have positive effect on the technological frontier, and it can widen gap between the whole level and technological frontier. In the production stage, China's industries in global value chain have negative effect on the technological frontier, and it can narrow gap between the whole level and technological frontier.

KeyWords:Global Value Chain;Technical Progress Index;Scale Efficiency Index; Pure Technical Efficiency Index;Innovation Efficiency

DOI10.6049/kjjbydc.2017090531

中图分类号F273.1

文献标识码:A

文章编号:1001-7348(2018)11-0069-08

微信扫码看作者独家介绍本论文

收稿日期2017-11-23

作者简介姜超(1995-),女,黑龙江铁力人,上海财经大学国际工商管理学院博士研究生,研究方向为国际贸易理论与政策。

(责任编辑:林思睿)