张永安，郄海拓
(北京工业大学 经济与管理学院，北京 100124)
摘要：基于高新技术产业数据，对相异研发机会下高新技术产业研发创新与创新绩效间的关系进行深入研究发现，在不考虑和考虑控制变量交乘项两种情形下，研发机会水平均对上述关系存在双重门槛效应，且相关系数均为正。区别在于两种情形下通过显著性检验的相关系数：不考虑控制变量交乘项时，相关系数先减后增；考虑控制变量交乘项时，相关系数先增后减。此外，从各控制变量及其变式对创新绩效的影响进行分析，由于各地区具体情况不同，因而认为地方负责人应结合地区实际情况选择最优要素组合。
关键词：研发创新；创新绩效；高新技术产业；面板门槛模型
在十九大报告中，习总书记肯定了创新驱动发展战略的重要成果，并鼓励更多社会主体投身创新创业。高新技术产业作为引领创新的中坚力量，一直受到党和国家领导人高度关注。高新技术产业创新绩效也是近年来的研究热点，通过比较不同地区发现，产业研发创新与创新绩效之间并不是简单的线性相关关系，往往受复杂内在规律及不同地区差异的影响。基于此，本文拟研究不同地区、不同研发机会下高新技术产业研发创新与创新绩效之间的关系。
通过思考现实情况及参阅相关文献发现，我国各地区的具体情况差异非常大，这一差异在高新技术产业领域集中体现为研发机会不同，如果通过变量说明就是新产品开发经费情况差异巨大，由此带来的人力、物力和财力等资源投入与配置差异巨大，进而在地区间出现了不同的研发机会，这就是本文所指的相异研发机会。本文以各省市高新技术产业新产品开发经费作为区分地区相异研发机会指标，同时作为所研究问题的门槛变量，研究区域高新技术产业研发创新与创新绩效之间的关系。另外，为了使模型更符合实际情况，提高模型精度，本研究将多个控制变量引入模型。并且，为了研究控制变量对关系的影响是否呈现“U”型或倒“U”型状态，引入控制变量的平方项。在不考虑和考虑控制变量交乘项的情况下对门槛模型进行计算与检验。最后，本文在考虑控制变量交乘项的基础上，分别在考虑和不考虑异方差的情况下，检验当地区高新技术产业在处于低研发机会、中等研发机会和高研发机会时，区域高新技术产业研发创新与创新绩效之间的关系。此思路来源于我国学者连玉君在研究资本结构与经营绩效关系时提到的研究深化和展望，虽然所研究的问题不同，但研究方法和研究思路是相通的，同时本文作了新的尝试。相对于本领域内类似研究，本文的创新和贡献体现在以上方面。
Hansen[1]将面板模型应用于不同负债率情况下企业现金流与投资比例关系研究，并发现负债率对两者关系的调节存在双重门槛效应，也就是说，存在两个临界值点使两者关系突变。Wu[2]通过实证研究验证了美国48个州的人均收入对增长速率收敛行为存在门槛效应，认为贫穷地区和国家只有克服收入门槛才有机会赶上富庶国家。Hansen的研究开启了门槛回归在各个领域的研究热潮。我国学者连玉君、程建[3]基于Hansen的研究思路，选取422家上市公司5年数据，研究不同总资产成长率条件下资本结构和经营绩效间的关系，发现低成长率下两者呈负相关关系而高成长率下两者呈正相关。此后，门槛模型被广泛应用于我国各研究领域。谢兰云、王维国[4]使用门槛回归模型研究我国科技投入产出在不同R&D强度下相关关系中的双门槛。陈恒、侯建[5]基于我国高新技术产业数据，研究不同知识积累水平下自主研发创新与科技绩效的关系，发现存在双门槛。李斌等[6]研究FDI技术溢出与产业进步的关系，同样验证了双重门槛的存在。苏屹、安晓丽(2017)研究了人力资源与创新绩效的关系，发现不同知识产权保护强度下，两者关系将发生突变。
门槛回归方法应用广泛，有助于解决非线性突变关系问题，相对于一般回归方法具有更高的精度。本文认为，门槛回归方法能够应用于相异研发机会下区域高新技术产业研发创新与创新绩效关系的研究。从现实情况看，虽然研发创新与创新绩效之间普遍存在正相关关系，但是这种关系并不是简单的线性关系而是非常复杂的，两者关系很可能存在突变。由于我国三大经济区的具体情况不同，不同研发机会将影响两者之间的关系，符合门槛回归模型研究的问题特征，因而本文拟采用门槛回归研究我国高新技术产业研发创新与创新绩效间的关系。
最常用的方法是经典的投入产出法，关键在于代理变量选择。Jonker等[7]验证了研发创新与产出绩效间的正相关关系。Santamaría等[8]提出，非正式研发行为对创新成果具有重大促进作用。Rojas等[9]以高技术企业为研究对象，印证了研发创新对企业绩效的促进作用。储德银和张同斌[10]通过实证得出，研发投入有利于高技术产业长期和短期效益提高。陈恒、侯建[5]研究发现，自主创新投入(R&D经费支出)、研发人员能够促进科技绩效(新产品销售收入)提升，而改造创新和技术引进则会抑制绩效提升。李斌、李倩提出，R&D经费内部支出能促进创新绩效提升。持同样观点的还有邹林全[11]、张玉臣(2013)以及外国学者Acs[12]、Ehie等[13]。上述学者认为，创新绩效最经典的代理变量是最能反映创新成果的新产品销售收入，而解释变量多集中于R&D经费内部支出这个经典代理变量。基于上述研究，本文选取经典变量新产品销售收入作为被解释变量，选取R&D经费内部支出作为解释变量。
此外，朱俊杰、徐承红[14]实证研究表明，R&D经费投入强度能提升区域创新绩效。国内学者董艳梅和朱英明[15]以及国外学者Acs[12]与Ehie[13]均研究了新产品开发经费的重要作用。以上研究更多地从投入产出角度研究创新效率，没有考虑投入与产出之间可能存在的突变性。本研究引入门槛回归模型，将新产品销售收入对创新绩效影响的复杂性考虑进来。本研究认为，新产品开发经费支出不仅能够体现研发机会的多寡，而且在已有研究中体现了对创新绩效作用的复杂性，即其对创新绩效的影响是非线性的，且可能存在促进和抑制双重作用。同时，Hansen提出企业获得融资越多(融资机会为其门槛变量，以负债率代理)，其开展优质投资的机会就越多。以此推及高新技术产业的情况可知，获得更多新产品开发经费就意味着获得越多研发机会，因而本文选取高新技术产业新产品开发经费支出作为门槛变量。
上述变量确定后，还需要根据已有类似研究选取影响高新技术产业研发创新与创新绩效之间关系的关键控制变量，以提高模型精度。在以投入产出为关键思路的创新绩效研究中，人力投入是关键要素之一，考虑到核算客观性，本文选择高新技术产业R&D人员折合全时当量作为第一个控制变量。在已有文献中，陈恒和侯建[5]、谢兰云和王维国[4]、朱俊杰、徐承红[14]同样选择通过这一变量研究区域创新绩效问题。此外，专利作为创新的重要部分,常被学者们运用于创新绩效衡量，如邹林全[11]、张宗益等[16]分别以专利授权量与受理量作为衡量科技和技术创新绩效的要素。由此可见专利量对于创新绩效的重要作用。为了使变量选择更为精准，本文结合研究对象，即区域高新技术产业，选择高新技术产业有效发明专利数作为控制变量。此外，针对地区差异性，本文选择地区GDP作为控制变量。在已有文献中，涉及GDP类似的控制变量非常多，如郑强[17]、朱俊杰和徐承红，以及谢兰云和王维国的研究成果。除地区GDP外，本文还选择地区资本存量作为控制变量，因为地区资本存量能较客观地反映地区基础水平，对创新绩效将产生影响，如庞瑞芝和范玉[18]在研究我国科技创新时同样考虑了该要素的影响。需要说明的是，本文参考吴延兵[19]的研究方法进行核算，具体方法不再赘述。
本文基于以上研究成果，最终确定高新技术产业R&D人员折合全时当量、高新技术产业有效发明专利数、地区GDP和地区资本存量作为基础控制变量，在模型设计中还参考了Hansen[1]的研究思路，引入基础控制变量的平方项，以考察是否存在“U”型或倒“U”型以及其它关系。
门槛模型适用于研究非线性结构突变问题，从外国学者Hansen[1]、Hsiao[20]、Wu[2]到国内学者连玉君与程建[3]、陈恒和侯建[5]等，在上述学者们的研究中，门槛模型都体现了其专业性和准确性特征。Arellano 和Bond[21]提出了滞后项在门槛模型中的运用。综合国内外学者的模型设定理论，本研究提出门槛模型，如式(1)所示。
(1)
式(1)中各字母含义如下：t表示年份，取值范围为2011-2016年，i表示地区id，取值范围为1～31，pe1it表示第t年第i地区的高新技术产业新产品销售收入，xit-1表示考虑滞后期时第t-1年第i地区的控制变量集合，包括R&D人员折合全时当量、有效发明专利数、地区资本存量和地区GDP及其变式。rdf1it-1表示第t-1年第i地区的高新技术产业R&D经费内部在支出。θ、αi、βi分别为常数项、控制变量对应系数向量、解释变量对应系数向量。εit表示随机扰动项，服从正态分布。
对式(1)中的各个变量进行说明，t代表年份，取值范围为2011-2016年。i表示地区id，本文选取了我国内地31个省市(自治区)数据，其取值范围为1～31。pe1it表示第t年第i地区的区域创新绩效(performance of innovation,pe1)，以变量高新技术产业新产品销售收入代理，由于本研究中涉及平方项，故对原值统一在变量代码后加数字1予以区分，下同。rdf1it-1表示第t年第i地区的研发创新水平，以高新技术产业R&D经费内部支出(research and development fund, rdf1)代理。门槛变量集中体现为各省市相异研发机会(research and innovation opportunity, ri1)，选取的代理变量为各省市高新技术产业新产品开发经费。Xit-1代表第t-1年第i地区的控制变量集合，包括R&D人员折合全时当量(R&D personnel or full time equivalent, ft1)、有效发明专利数(available inventor patents, ap1)、地区资本存量(regional stock of capital, sc1)和地区GDP(regional gross domestic product, gdp1)及其变式。θ、αi、βi、εit分别表示常数项、控制变量对应系数向量、解释变量对应系数向量以及随机扰动项。被解释变量、常数项和对应系数意外变量均作滞后一期处理[1,3,5]。根据文献，将变量选择依据进行汇总，结果如表1所示。
表1变量选择依据
为了更全面地研究我国区域高新技术产业研发创新与创新绩效之间的关系，本文选取2010-2016年我国内地31个省市(自治区)的高新技术产业相关数据(考虑滞后效应，2010年的数据也需要)，数据主要来源于万德数据库、《中国统计年鉴》以及《中国科技统计年鉴》，并对极少数缺失值以stata11进行补充。
变量确定依据主要是已有文献选取的经典变量。表1对大多数变量进行了说明，处理方式为取对数，变量描述性统计情况如表2所示。
综上分析，研发创新与创新绩效之间的关系可能因为研发机会不同呈现非线性关系，也可能存在不同状态区间，即存在门槛效应。人为地对研发机会进行划分不仅容易出现偏差，而且无法确保客观性。因此，本研究沿袭Hansen的研究思路，以面板门槛模型研究划分情况。面板模型的简化写法如式(2)所示。
表2描述性统计结果
lnpe1it=θ+αilnxit+β1*lnrdf1it-1*I(lnri1it-1≤γ)+β2*lnrdf1it-1*I(lnri1it-1>γ)+μi+νt+εit
(2)
需要说明的是，本文根据Hansen[1]和连玉君[3]的研究方法对变量进行组内去心，从而消除个体效应影响(难以观测因素的影响)。从单一门槛扩展到多门槛情况只要进行扩展即可得到式(3)。
(3)
综上所述，对门槛模型进行详细设定和表达。首先设定面板单一门槛模型，考虑到时滞性，本文将解释变量、门槛变量以及控制变量作提前一期处理，方法参照Hansen[1]、陈恒和侯建[5]的研究成果。面板单一门槛模型如式(4)所示。
(4)
式(4)中变量含义对应表2，I(·)表示指示函数，v为待求解的门槛值，μi、vt和εit分别代表个体特定效应，即企业文化或管理水平等难以观测的变量、时间特定效应和随机扰动项，随机扰动项符合正态分布。在此基础上创建面板双重门槛模型，如式(5)所示。
(5)
式(5)与式(4)相比，增加的γ1和γ2代表双重门槛，其它含义相同。
基于面板门槛模型表达式，运用stata11对数据进行处理，对式(2)逐次进行不存在门槛、存在单一门槛、存在双重门槛等情况估计。表3为门槛效应自抽样检验结果。结果可见，单一门槛和双重门槛均通过了检验，三重门槛不显著，P值高达0.517。因此，后文将对双重门槛进行分析。
表3门槛效应自抽样检验结果
注：表中*、**、***分别表示在10%、5%与1%水平下显著
双重门槛置信区间情况如表4所示。将门槛通过似然比(其检验统计量即为LR)的函数图1和图2予以列示，以便更直观地观察门槛情况。门槛估计值是指LR为0时，γ的取值，图1和图2中门槛分取值11.246和6.917，两门槛估计值处于95%置信区间条件下LR值低于5%显著性水平下的临界值(图中虚线位置),即γ所组成的区间。为便于区分和表述，本研究按照门槛变量(研发机会)将31省市的研发机会分为低研发机会(lnri1≤6.917)、中等研发机会(6.917<lnri1≤11.246)和高研发机会(lnri>11.246)3类。
表4门槛估计及置信区间
从图1和图2可以较为清晰地看出两门槛的具体情况。对每年(2011-2016年)处于各区间的值进行统计，如表5所示。
图1 第一个门槛估计值与置信区间
图2 第二个门槛估计值与置信区间
从表5可以看出，我国各区域高新技术产业研发机会变化趋势具有很强的时空异质性。具体来说，随着时间推移，我国区域高新技术产业研发机会出现了显著变化，低研发机会水平地区数量逐渐减少，中等研发机会水平地区数量呈现先增后减趋势，但总体而言变化不大，且高研发机会水平地区数量基本呈现逐年上升趋势。这说明我国各区域越来越重视研发机会，相关投入逐年增加，但是由于非线性门槛的存在，研发机会并非越多越好。通过对结果分解，观察东部、中部和西部的具体情况，如表6所示。
从表6可以看出，东部、中部和西部门槛变量取值低于第一个门槛值的省市数量明显下降；介于两门槛值之间的省市数量有所不同，东部和中部均稳中有降，而西部则基本呈上升状态；从越过第二个门槛值的区域省市数量看，东部和中部基本呈上升状态而西部则出现了波动。由此可见,东部和中部情况较为相似，即门槛变量取值基本随时间推移而上升，低于第一个门槛值的省市数量逐渐减少，高于第二个门槛值的省市数量逐渐增加，而介于两门槛值之间的省市数量基本呈现稳中有降的态势。西部地区低于第一个门槛值的省市数量减少，介于两门槛值之间的省市数量随时间推移显著增加，而高于第二个门槛值的省市数量出现了波动，说明相对于东部和中部地区研发机会迅速增加，西部地区研发机会虽总体上也在增加，但增加速度比较缓慢，幅度小于东部和中部地区。
表52011-2016年处于各区间省市数量统计结果
表6三大经济区处于各区间的地区数量统计结果
对门槛模型的其它返回结果进行分析，并对不同区间的系数予以估计，结果见表7。结果返回值是不考虑控制变量交乘项情况下各变量的估计结果。
表7模型参数估计结果
注：lnrdf1_1，lnrdf1_2，lnrdf1_3分别表示的是不考虑控制变量交乘项的情况下，当研发机会分别处于低水平、中等水平和高水平时，研发创新与创新绩效之间的关系
由结果可以看出，当研发机会分别处于低水平、中等水平和高水平时，高新技术产业研发创新与创新绩效之间均呈现正相关关系，相关系数呈现先减后增趋势。这说明选取最适宜水平的研发机会非常重要，不能盲目贪多。当研发机会处于中等水平时，研发创新与创新绩效间的系数最低，相应效率就处于最低水平。因此，各地区应该避免长时间处于中等研发机会水平，努力提高资源利用率。从表6可以看出，东部和中部地区处于中等研发机会水平的省市数量较少，而西部地区则较多，此时应提升西部地区研发机会水平，尽快促进更多省市将研发机会水平提升到第二个门槛值以上，从而提升创新效率。
R&D人员折合全时当量对区域高新技术产业创新绩效的影响为正且显著(1%水平下)，系数为1.592 1，证明人力资源投入有利于促进创新绩效提高，一单位R&D人员折合全时当量投入能带来1.592 1单位的创新绩效。该结论与谢兰云、王维国[4]的研究结论一致。同时，其平方项对创新绩效影响为-0.075 4且在5%水平下显著，说明随着R&D人员折合全时当量持续增加，并不能持续通过促进研发创新带来创新绩效，即人力资源投入对区域高新技术产业创新绩效的影响呈现倒“U”型。可能原因是当R&D人员折合全时当量水平较低时，该因素是阻碍研发创新转化为创新绩效提升的瓶颈，此时人力资源投入增加能够带来创新绩效提升，但随着R&D人员折合全时当量逐渐处于饱和，不再是创新绩效的关键影响因素，继续加大人力资源投入不仅会导致资源浪费，而且会抑制创新绩效提升。同时，由系数从1%显著性水平下的1.592 1到5%显著性水平下的-0.075 4可以看出，变化过程应该是较为缓慢的，因而人力资源投入带来创新绩效提升的空间非常大。地方政府应鼓励人才引进和培育，并将人力资源投入控制在合理范围内，不仅有利于成本降低，而且能最大限度地发挥人力资源的作用，实现人才优化配置。
地区GDP通过了1%水平下的显著性检验，但符号为负，证明地区GDP可能抑制研发投入对创新绩效的促进作用。但同时，地区GDP的平方项通过了检验且系数为0.824 0，证明地区GDP将成为促进创新绩效提升的关键要素。地区GDP与地区创新绩效呈现“U”型关系，说明我国普遍情况是各地区GDP还没有达到能够促进研发创新向创新绩效转化的程度，提高地方生产力水平依然是地方政府工作的重中之重。同时，由于科技创新绩效提升将大幅提高地方GDP，且科技拉动GDP往往能以更加节能、集约和绿色方式进行，因而地方GDP与地方创新绩效就形成了互促过程。此外，地方GDP对创新绩效影响系数的转变说明GDP促进创新的作用存在临界值，地方政府需要在努力提升地方GDP的同时确定临界值，充分发挥地区经济发展与创新绩效间的相互促进作用。
有效发明专利数对创新绩效影响为正，但并未通过显著性检验，说明有效发明专利数并不是创新绩效的重要影响要素。同时，其平方项通过1%显著性水平下的检验，但系数为-0.037 8，对创新绩效有抑制作用，说明有效发明专利数与创新绩效总体呈现倒“U”型关系，但未完全形成。同时，也反映了地区高新技术产业有效发明专利数并未有力地转化为地区创新绩效，这与庞瑞芝等[18]的研究结论相同。国外学者Parisi等[22]提出，成果转化(新技术的吸收)对提高绩效而言非常重要。地方政府可行措施包括优化专利申请流程、严格专利申请要求、优先确认现实意义较强的专利以及督促专利成果转化情况并予以适当奖励，多渠道地鼓励专利转化为切实的创新绩效。
资本存量与其平方项均未通过检验，证明区域资本存量并不是区域创新绩效的影响要素之一。对于资本存量较少的地区来说，这是非常有利的情况，地区创新投入产出与地区资本存量间具有一定程度的独立性，关注研发创新关键因素，同样可以取得较好的创新绩效。另外，从相关系数看，原值系数为-0.115，平方项系数为-0.001 5，说明系数绝对值正在减小，资本存量对区域创新绩效的影响有从抑制转向促进的趋势。未来研究可以将其去除以提高模型精度，或加入其三次项以观察相关系数能否进一步正向转化，深度验证区域资本存量在到达一定水平后能否促进区域创新绩效提升。
分析双重门槛的检验结果，即表7中lnrdf1_1、lnrdf1_2和lnrdf1_3对应的情况，3种情况下相关系数均为正值且通过了1%水平下的显著性检验。如表7所示，当新产品开发经费低于第一个门槛值(6.917)时，研发创新与创新绩效显著正相关，系数为0.795 2。即当研发机会处于较低水平时，一单位研发创新能带来0.795 2单位创新绩效提升。当研发机会超越第一个门槛值且未达到第二个门槛值(11.246)时，两者依然呈现显著正相关关系，但系数有所下降，达到0.510 0，即一单位研发创新带来0.510 0单位创新绩效提升，与之前相比有所下降。这说明研发创新与创新绩效间的关系受研发机会多寡的影响，但并非越多的研发机会就能带来越高的创新绩效，具体情况还需要结合地区实际情况进行选择。当超越第二门槛值时，两者依然正相关，系数为0.665 1。相比于上一个区间，系数有所上升。观察3个区间系数情况发现，随着新产品开发经费增加，R&D经费内部支出与创新绩效一直呈现正相关关系，不同之处在于系数大小，系数总体趋势是先减后增。这说明在不考虑控制变量交乘项的情况下，随着研发机会增加，一单位研发创新所带来的创新绩效份额首先出现小幅下降，然后出现上涨，中间出现的下降除源自创新系统本身的内耗外，还可能源于资源整合与创新投入产出系统内部自我整合和协调，经过调整阶段，系数重新上升。除控制好自身研发机会，不盲目贪图大而全外，地区政府还要进行更多有意义的尝试，选择最适合本地区高新技术产业的研发机会水平。
加入解释变量、控制变量与门槛变量三者交乘项作为虚拟变量，对考虑控制变量交乘项的参数估计结果进行分析，按不考虑和考虑异方差两种情况进行运算。返回结果情况如表8所示，其中x代表所有控制变量，将所有控制变量作为一个集合进行固定效应分析，同样采用Hansen[1]的研究方法，先通过组内去心方法清除个体效应的影响，然后将整份数据作为混合截面数据进行处理。本研究在构建固定效应模型时分两种情况进行讨论，一种是考虑异方差，另一种不考虑异方差，区别是前者能得到稳健的标准误。分别将两种结果输出，为避免与表7内容重复，将重复结果删去，如表8所示。
表8加入控制变量影响的交乘项结果
通过stata编程设定，生成交乘项lnrdf1_x_lnri11、lnrdf1_x_lnri12以及lnrdf1_x_lnri13，分别代表考虑控制变量交乘项的情况下，地区高新技术产业在低研发机会水平、中等研发机会水平和高研发机会水平下，区域高新技术产业研发创新与创新绩效之间的关系。结果可见，3种研发机会水平均通过了显著性检验，系数没有差别，显著性水平有一些变化，说明结果有较强的稳定性。当研发机会处于较低水平时，研发创新与创新绩效呈现正相关关系，相关系数为0.250。当研发机会处于中等水平时，研发创新与创新绩效之间的正相关系数为0.446，说明随着研发机会增加，一单位研发创新能带来的创新绩效提高了78.4%。当研发机会处于高水平时，研发创新与创新绩效之间的正相关系数仅为0.067 8，虽然依然呈现正相关，但系数大幅下降，说明研发机会不需要持续增加，而应该保持在一定范围内，这样才能最大限度地促进区域高新技术产业研发创新与创新绩效之间的关系。各地方政府应树立正确的创新观念，不能盲目贪图大而全，要选择最优研发机会水平。
此外，对比考虑和不考虑交互项的两种情况(表7和表8)，本研究发现，各地方政府需要充分结合自身实际情况制定创新政策，不能完全照搬其它地方的经验，特别是要周密考虑各要素间的交互影响情况，选择最适合本地区发展的研发机会水平以及要素投入水平。
从区域高新技术产业研发创新与创新绩效之间的关系看，其受研发机会的显著非线性影响。随着研发机会增多，在不考虑控制变量交乘项的影响下，研发创新与创新绩效之间的正相关系数出现先减后增态势；在考虑控制变量交乘项的影响下，两者显著正相关，关系系数先增后减。因此，各地要结合自身实际情况，充分考虑控制变量的影响程度，确定最适合本地区的高新技术产业研发机会水平，避免资源浪费，从而获得最优创新绩效。
从各控制变量对创新绩效影响看，在高新技术产业研发创新备受重视的背景下，高新技术产业人力资源投入(以R&D人员折合全时当量计量)对区域高新技术产业创新绩效的影响呈倒“U”型，地区GDP对创新绩效的影响呈“U”型，地区资本存量对创新绩效影响不显著。但从影响系数看，地区资本存量对创新绩效的影响系数为-0.115 7，其平方项对创新绩效的影响系数为-0.001 5，说明随着地区资本存量增加，相关系数有由负转正的趋势。有效发明专利数对两者关系的影响由不显著的正向影响逐渐转为显著正向影响，说明现阶段有效发明专利数未能有效转化成创新成果和绩效，区域科技创新成果转化不力的状况依然突出。
(1)由于变量间关系是非线性的，需要各地方政府遵循规律，同时结合具体情况选择最适合本地区发展的各要素强度，特别是研发机会水平，切忌盲目贪图大而全。目前，东部和中部地区的高新技术产业发展状况较好，仅少数省市处于效率较低的中等研发机会区间，因而地方政府的工作重点应放在进一步推进创新工作上。西部地区处于效率较低的中等研发机会区间的省市数量明显呈现上升趋势，应加大新产品开发经费投入强度，尽快促进处于中等研发机会区间的省市向高水平转化，提高创新效率。对于受现实情况限制较为严重的省市，可以暂时将研发机会水平控制在第一个门槛值内，以保证较高的创新效率，无需一味地追求创新投入而造成资源浪费。
(2)各要素投入强度要控制在合理范围内，而作为研发创新的深层次基础，研发机会依然是一个需要进一步研究的问题。由于变量间的交互作用和省域复杂的现实情况，各地区要积极寻找最优要素组合，实现区域高效创新驱动可持续发展。例如，东部地区应积极发挥其人才和资源禀赋优势，尽快将研发机会水平和其它控制变量水平控制在最优组合范围内；西部地区虽然资源较匮乏，但可以通过调整资源配置，加强学习和交流，结合本地区特色着重提升创新效率；中部地区资源水平处于东部和西部之间，因而需要吸取先进经验，结合自身特点开展高新技术产业创新相关工作。
(3)创新绩效提升途径是多样化的，本文列举的大多数控制变量均能对创新绩效起很大作用，因而通过多渠道提升创新绩效更应该受到地区政府的重视。例如，科技成果转化依然是地区高新技术产业绩效提升的薄弱环节，各地区要加强区域间横向交流，加强省际间交流互通，以点带面地提高创新绩效水平。另外，要注重要素间的相互作用，避免孤立地处理问题。以地区GDP为例，地区GDP提升不仅对创新绩效起促进作用，而且有利于人才引进以及促进R&D人员折合全时当量提升，最终反馈到地方GDP增长上，从而形成多维度动态互促循环。东部地区应发挥其资源优势，建立高新技术产业创新试点省市，主动承担起区域交流合作的任务，中部地区省市较少，工作开展较为灵活，政策落实情况容易衡量，因而应主动配合东部地区创新试点并学习其成功经验。此外，中部地区作为连接东部和西部地区高新技术产业的纽带，应该更积极地促进区域高新技术产业间的横向交流。西部地区虽然资源相对匮乏，但创新容易取得突破性进展，可以主动吸取东部和中部地区成功经验，从而促进本地区创新，降低创新成本、提高创新效率。
本文通过面板模型研究，确定了相异研发机会下高新技术产业研发创新与创新绩效之间的关系。同时，将其它控制变量纳入研究范围，未来研究可在本研究的基础上作进一步深化，如对“U”型和倒“U”型关系作进一步研究，考虑形成该结果的深层原因；对通过检验或部分通过检验但未形成显著性状特征的关系作进一步研究，挖掘其内在规律和特征；对未通过检验的变量予以剔除，进一步优化模型；对区域特征作进一步挖掘，最大限度地以变量进行区域特征描述，使模型精准化，能够更好地进行预测，从而为地方政府、政策制定者和利益相关方提供参考。
参考文献:
[1] HANSEN B E. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2):345-368.
[2] TSUNG-WU H O. Income thresholds and growth convergence: a panel data approach[J]. Manchester School, 2010, 74(2):170-189.
[3] 连玉君, 程建. 不同成长机会下资本结构与经营绩效之关系研究[J]. 当代经济科学, 2006, 28(2):97-103.
[4] 谢兰云, 王维国. 我国科技创新体系产出机制的门槛效应研究[J]. 统计研究, 2016, 33(2):51-60.
[5] 陈恒, 侯建. 自主研发创新、知识积累与科技绩效——基于高技术产业数据的动态门槛机理研究[J]. 科学学研究, 2016, 34(9):1301-1309.
[6] 李斌, 李倩, 祁源. FDI技术溢出对高技术产业技术进步的门槛效应研究——基于吸收能力与金融发展视角的门限模型检验[J].对外经济贸易大学学报, 2016(3):74-84.
[7] JONKER M, ROMIJN H, SZIRMAI A. Technological effort, technological capabilities and economic performance: a case study of the paper manufacturing sector in West Java[J]. Technovation, 2006, 26(1):121-134.
[8] SANTAMARA L, NIETO M J, BARGE-GIL A. Beyond formal R&D: taking advantage of other sources of innovation in low and medium-technology industries[J]. Research Policy, 2009, 38(3):507-517.
[9] MARTN-ROJAS R, GARCA-MORALES V J, MIHI-RAMREZ A. How can we increase Spanish technology firms' performance[J]. Journal of Knowledge Management, 2011, 15(5):759-778.
[10] 储德银, 张同斌. 自主研发、技术引进与高新技术产业成长[J]. 科研管理, 2013, 34(11):53-60.
[11] 邹林全.科技创新政策绩效评估指标体系的设计[J].中国管理信息化，2010(1):50-53.
[12] ACS Z J, AUDRETSCH D B. Innovation in firms:an empirical analysis [J]. The Americal Economic Review, 1988, 78 (4):678-690.
[13] EHIE I C, OLIBE K. The effect of R&D investment on firm value: an examination of US manufacturing and service industries[J]. International Journal of Production Economic, 2010, 128 (1):127-135.
[14] 朱俊杰, 徐承红. 区域创新绩效提升的门槛效应——基于吸收能力视角[J]. 财经科学, 2017(7):116-128.
[15] 董艳梅, 朱英明.中国高技术产业创新效率评价[J].科技进步与对策，2015(24):106-113.
[16] 张宗益，周勇，钱灿，等.基于SFA模型的我国区域技术创新效率的实证研究[J].软科学, 2006,20(2):125-128.
[17] 郑强. 科技创新对新型城镇化的影响——基于面板门槛模型的实证分析[J]. 城市问题, 2017(6).
[18] 庞瑞芝,范玉,李扬.中国科技创新支撑经济发展了吗[J].数量经济技术经济研究,2014(10):37-52.
[19] 吴延兵. 生产率对中国经济增长的贡献：新的估计[J].经济学, 2008(3):78-91.
[20] HSIAO C. Analysis of panel data[J]. Cambridge Books, 2003, 87(2):221-222.
[21] ARELLANO M, BOND S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations[J]. Review of Economic Studies, 1991, 58(2):277-297.
[22] PARISI M L, SCHIANTARELLI F, SEMBENELLI A. Productivity, innovation and R&D: micro evidence for Italy[J]. European Economic Review, 2006, 50(8):2037-2061.
Zhang Yong′an, Qie Haituo
(School of Economics and Management, Beijing University of Technology, Beijing 100124，China)
Abstract：Based on the data of the high-tech industry, this paper researches the relationship between innovation and innovation performance research and innovation in different research and development innovation opportunities in depth. Results show that research and development innovation opportunities exist double threshold effect both in the conditions of discarding and considering control variable cross-multiplicative effects. All the coefficients are positive. The difference comes from the concrete conditions of coefficients. The former shows a tendency of decrease and then increase, the latter is opposite. Then, this research analyzes the control variables and their variances. The results put forward that the local leaders should choose the optimal combination of elements in combination with the actual situation of the region based on different regional circumstances.
KeyWords:R & D Innovation; Performance of Innovation; High and New Technology Industry; Panel Threshold Model
作者简介：张永安(1957-)，男，陕西咸阳人，博士，北京工业大学经济与管理学院教授、博士生导师，研究方向为经济与管理系统复杂性、政策管理、仿真；郄海拓(1988-)，女，北京人，北京工业大学经济与管理学院博士研究生，研究方向为技术创新政策仿真、金融政策、大数据、知识挖掘、区域科技创新政策绩效、政策评价、政策效能。本文通讯作者：郄海拓。
基金项目：国家部委项目(3A011212200901)； 国家自然科学基金项目(70972115)；北京市教委重点项目(SZ20071005002)
收稿日期：2018-02-11
文章编号：1001-7348(2018)17-0059-08
文献标识码：A
中图分类号：F264.2
DOI：10.6049/kjjbydc.2017120523
(责任编辑：张 悦)