国家竞争力及创新能力提升依赖于各区域发展和创新。改革开放以来,我国发展更趋区域化,有效触发了各区域创新能力,释放了各地区的创新积极性[1]。作为最大的发展中国家,中国处在经济转型过渡期,以市场经济为主的发展道路有赖于各区域经济体系建设及各区域创新能力的稳步提升。目前,我国创新主体正逐渐由高校和科研院所转向企业[2],企业在区域创新能力形成过程中发挥着重要作用。对于不同区域而言,在适当产业增加研发投入对于区域创新产出及经济发展而言尤为重要。
学者关于企业研发投入和创新产出的研究多从发达国家视角展开。Triguero[3]指出,研发投入和创新产出过程是持续的,决定于企业之前的创新行为。此外,良好的创新环境能够促进企业创新[4]。近年来,越来越多的学者[5-6]认识到发展中国家在创新环境和创新禀赋方面的差异,提出在发展中国家并非所有研发投入都有利于企业创新产出,以扩大市场为目的的研发投入相较于以提高科技水平为目的的研发投入更能促进企业创新产出。这与传统理论提出的后发区域应采取循序渐进发展战略,发展拥有比较优势的传统产业,以积累资金和技术相吻合[7]。
但随着发展中国家创新能力的不断提升,部分学者发现持续发展比较优势会使发展中国家陷入“低端锁定”,难以实现经济持续增长。因此,将产业发展重点由传统产业向高技术产业转移,积累动态比较优势更有利于发展中国家经济可持续发展[8]。Breschi等[9]从熊彼特主义出发,提出深度创新和广度创新的概念,认为技术新兴主体能够更好地进行广度创新,并对现有产品、组织、分配产生冲击,阐述了在发展中国家发展高技术产业的可行性。
本研究认为,不同产业类型对区域创新效应不同,传统产业在我国大部分区域仍占主导地位,在国民经济中的比重较高,对国民生产总值和财政收入的贡献巨大[10]。高技术产业在部分地区逐渐兴起,对地区创新效率提升起到促进作用[2]。地区在哪些产业增加研发投入更有利于区域创新产出取决于区域发展现状与需求,根据各区域特点因地制宜发展自身经济及开展创新更有利于区域自身及国家创新能力整体提升。
因此,中国地区发展不均衡,对于经济发展水平较发达的领先地区和经济水平相对落后的追赶地区,应如何在不同产业选择研发投入以实现更好的技术创新发展?本研究发现,传统产业研发投入无论是在领先地区还是在追赶地区都有助于地区产业创新;而高技术产业研发投入对领先地区产业创新有一定影响作用,在追赶地区仅当地区发展到一定程度时才对产业创新有所影响。
在区域产业发展选择上,现有文献提出了二元创新体系,提供了两种可行的选择,分别是发展制造能力(发展传统产业)和发展创新能力(发展高技术产业)[2]。传统产业大多为劳动密集型产业,对技术要求低,在经济发展初期,在吸纳劳动力、解决就业压力方面有重大作用。而高技术产业通常是未来发展方向,且高技术产业发展需要地区具备一定的研发创新能力。本研究基于比较优势、动态比较优势及吸收能力等理论基础,分析在不同发展程度区域,传统产业与高技术产业研发投入对创新产出的影响。
基于比较优势理论,大部分学者认为地区产业发展受区域发展限制,区域在每个时点上的产业和技术结构决定于该时点给定的要素禀赋结构,与产业、技术相适应的软硬基础设施也受要素禀赋结构的影响[11]。同时,要素结构决定了区域在产业中的竞争力,因此追赶地区经济繁荣不可能突然间出现。在经济发展初期,只有选择具有比较优势的产业才能较快地积累经验和资本,实现快速发展。
对于中国追赶地区而言,拥有充分的劳动力资源,但技术能力水平发展较落后,应遵从比较优势,充分利用相对丰富的劳动力生产要素降低成本,提高竞争力,创造最大限度的经济剩余[7,12]。如果追求发展高技术产业,除丧失自身成本优势外,因为存在技术差距,短期内很难实现技术追赶优势,只能依赖外界政府政策保护才能得以生存和发展[7]。因此,本研究提出以下假设:
H1:相比于发展高技术产业,在追赶地区增加传统产业研发投入更有助于区域创新产出。
随着经济全球化发展,部分学者认为比较优势理论对于一国的意义逐渐衰减,持续发展具有比较优势的产业会产生诸如贸易条件恶化、过度依靠需求弹性小的劳动密集型产业等后果[13]。因此,Young[14]、Redding[15]提出动态比较优势理论,重点关注产业发展的潜在可能。对于发展中国家而言,在发展比较优势产业时地区会逐渐积累知识经验和创新能力。当经济发展水平与领先国家差距逐渐缩小时,应通过技术创新和干中学方式逐渐发展具有动态比较优势的产业[16]。与具有比较优势的劳动力要素、资本要素相比,动态比较优势的形成需要地区具备较高的技术要素水平,这也是动态比较优势形成的核心和关键。
对于领先地区而言,产业结构基本完善,经过多年的引进、消化、吸收,已具备了较先进的技术水平,在某些产业具备自主创新能力,因此需要进行传统产业转型升级,重点发展高技术产业,在技术上逐渐向发达国家靠拢,积累可持续竞争优势。因此,本研究提出如下假设:
H2:相比于发展传统产业,在领先地区增加高技术产业研发投入更有助于区域创新产出。
在开放经济中,创新产出除受自身相对技术能力的影响外,很大程度上还取决于吸收外部知识并应用这些知识服务于本地需求的能力[17]。中国区域间创新能力和发展差距会造成区域间吸收能力不平衡,因此分地区比较吸收能力对于创新产出的调节作用尤为重要。
对于追赶地区而言,拥有更好的知识转化与吸收能力,可将从其它地区和国家相关产业吸收到的知识应用于自身产发展,从而获得产业主导地位。此外,在追赶地区通常传统产业体系发展更为完善,在产业聚集情况下,互补产业或相关产业知识会通过正式或非正式渠道溢出。产业集聚溢出的外部知识与企业现有技术水平相近,通过这种方式产生的外部知识更易被企业吸收,有助于渐进性创新的产生,促进地区内企业创新产出,进而提升整个地区创新产出[18]。因此,本研究提出如下假设:
H3:追赶地区注重发展现实吸收能力,吸收能力在传统产业研发投入对区域创新产出过程中起正向调节作用。
对于领先地区而言,区域具有现实吸收能力的同时还有对外部知识获取与消化的潜在吸收能力。潜在吸收能力可以帮助企业识别外部行业现状和发展机会[19],对领先地区创新产出有所贡献的外部知识大多来自于国际上领先国家或产业的先进知识,与本地产业知识能力间存在一定差距。通过学习领先知识,将这类知识转化为自身所需要的创新能力,可以促进本区域产业储备新技术,实现突破性创新[18]。因此,本研究提出如下假设:
H4:领先地区注重发展潜在吸收能力,吸收能力在高技术产业研发投入对区域创新产出过程中起正向调节作用。
知识产出函数最早由Jaffe[20]提出,用于测量高校对企业知识产出的影响。基于Jaffe的研究,众多学者借鉴知识产出模型思想,将知识产出模型运用于不同创新主体以衡量创新产出[21]。大部分学者都支持本地企业创新产出取决于企业自身研发投入以及外部知识溢出。本研究基于知识产出函数,聚焦于不同产业研发投入对创新产出的影响,同时考虑吸收能力的调节作用,建立知识产出模型。
企业是区域创新的主体,我国传统产业占国民经济的80%~90%,体量庞大,对地区创新产出有不可忽视的影响,知识密集型高技术产业对区域发展新技术、提高区域创新产出也有重要作用。此外,高技术产业与传统产业对地区创新能力的作用还受地区吸收能力的影响。因此,本研究构建如下知识产出函数模型:
IO=αHβ1×Mβ2×ACβ3×ε
(1)
在区域经济系统中,创新产出不仅取决于产业发展情况,还受到其它因素的影响,地区开放程度、校企间合作会产生知识溢出效应,经济发展水平同样会对地区创新产出产生影响。本研究基本模型最终可设定为:
IO=αHβ1×Mβ2×ACβ3×SPILLβ4×OPENβ5×DEVβ6×ε
(2)
2.1.1 被解释变量
根据熊彼特对创新的定义,创新是对生产要素的重新组合,其包含产品创新、技术创新、市场创新、资源配置创新及组织创新。区域创新产出作为被解释变量,反映了区域创造新想法、新产品或服务的能力,也体现了区域经济发展的可能性。大部分学者[2,21]利用地区专利数作为衡量地区创新产出的指标,因为专利数据反映了地区技术发展水平,能够比较全面地反映地区发明和创新信息。本研究采用各地区企业专利申请数作为衡量地区创新产出的指标,该指标能够动态反映地区内每年申请专利的变化量,是衡量区域创新产出最常用的指标之一。
2.1.2 解释变量
企业是创新的主体,企业在国家创新系统建设过程中发挥着越来越重要的作用。为了探寻更适合地区发展的产业战略,本研究从高技术产业和传统产业两大类产业投入出发,研究其对地区产业创新产出的影响。
(1)高技术产业投入。随着科学技术的迅猛发展和信息技术的广泛应用,高技术产业已经成为国家实现自主创新和可持续发展的主导力量,是当今世界经济、科技竞争的战略制高点,也是国家和地方实现经济振兴的重要途径。积极促进高技术产业发展,有利于充分发挥各地区专利创新资源利用水平,提高区域高技术产业专利创新效率,从根本上增强专利创新能力,提高专利创新转化能力和产出能力。研发经费投入最能直接度量高技术产业用于发展创新的投入[22],因此本研究采用各地区高技术产业研发经费对其进行衡量。
(2)传统产业投入。研究表明,技术进步是推动产业结构升级的重要力量。技术创新有利于推动主导产业从传统劳动密集型向资本、技术密集型和知识密集型高技术产业升级。然而,从中国产业发展现状看,产业结构升级不仅是指发展新兴产业,也涵盖了传统产业升级[10]。传统产业在中国经济体系中占有极高的比重,因此传统产业对区域创新能力的影响不容小觑。与高技术产业相同,传统产业研发投入可以直接作用于创新产出。因此,本研究用传统产业研发经费衡量传统产业创新投入。
2.1.3 调节变量
本研究调节变量为吸收能力。与其它变量不同,对于吸收能力没有统一的测度标准。Cohen & Levinthal[23]最早采用在学习环境中影响研发支出的特征衡量吸收能力,还有部分学者采用产业聚集、地区内高技术企业数[21]或ICT企业数[24]衡量地区吸收能力,但对中国而言,尤其是追赶地区,传统企业对地区创新能力和吸收能力的贡献不可忽视。一般认为,人是知识的载体,企业创新能力高低很大程度上取决于受雇于该企业的员工质量。因此,人力资本、大学教育(毕业生人数)对区域而言是大学和企业间重要的“知识转移途径”[25]。大学毕业生通过就业方式将先进知识转移到企业,进而提升企业创新能力。因此,本研究选取各地区大专以上学历占总人口的比例衡量地区吸收能力。
2.1.4 控制变量
(1)溢出效应。溢出效应与知识吸收是一组相对概念。只有当知识从外部溢出并进入企业时,吸收能力才是有效的。知识溢出主体有很多种,包括本区域内其它组织或机构的知识溢出以及区域外知识流入本区域。大学与企业间的科研合作是企业学习先进知识的重要途径,高校和科研院所研发经费内部支出额中来自企业的资金有效度量了企业与高校合作的紧密程度[21,24],通过与高校合作,知识可以流入企业。
(2)开放程度。国外贸易和交流被认为是吸收国外技术、完善和发展本国技术的重要途径,同时还可以学习跨国公司经营管理等隐性知识,提高本国企业管理质量[26]。因此,本研究选取各地区进出口总额作为控制变量。
(3)发展水平。地区知识存量往往与地区经济发展水平相关联,知识存量会影响技术吸收能力,进而对地区创新发展水平产生正向影响[26]。本研究采用人均生产力水平作为衡量发展水平的控制变量。
ε表示随机误差项:对方程进行对数化处理,得式(3),其中μ为随机误差项,i代表年份,j代表省份。
lnIOij=θ1lnHij+θ2lnMij+θ3lnACij+θ4lnSPILLij+θ5lnOPENij+θ6lnDEVij+μij
(3)
分别设立lnH、lnM和lnAC的交互项,研究区域吸收能力对高技术产业和传统产业创新产出过程的调节作用,模型如下:
lnIOij=θ1lnHij+θ2lnMij+θ3lnACij+θ4lnSPILLij+θ5lnOPENij+θ6lnDEVij+θ7lnHijlnACij+θ8lnMijlnACij+μij
(4)
本研究变量和相应衡量指标如表1所示。
表1 变量设置
变量类型变量名称衡量指标被解释变量创新产出IO企业专利申请解释变量 高技术产业投入H高技术产业研发投入经费传统技术产业投入M传统技术产业研发投入经费调节变量 吸收能力AC大专以上学历占总人口的比例控制变量 溢出效应SPILL高校和科研院所研发经费内部支出额中来自企业的资金UFLINK开放程度OPEN进出口总额发展程度DEV人均GDP水平
本研究选取2001-2015年中国内地30个省、自治区(除西藏外)、直辖市的面板数据,数据来源于《中国统计年鉴》、《中国科技统计年鉴》及各省市统计年鉴中的相关指标,其中2012年《中国统计年鉴》中未公布规模以上企业从业人员数,而各省市统计数据制度略有不同,因福建、贵州、海南、河北4个省市缺失2012年规模以上企业从业人员数,因此本研究取前后两年平均值估计该数据,补足缺失值。
将所有地区2001-2015年人均GDP加总,以中位数为界划分领先地区和追赶地区,2015年人均GDP总额在中位数以上为领先地区,反之为追赶地区。第一组为领先地区,包括安徽、北京、福建、广东、河北、河南、湖北、湖南、江苏、辽宁、山东、上海、四川、天津、浙江;第二组为追赶地区,包括甘肃、广西、贵州、海南、黑龙江、吉林、江西、内蒙古、宁夏、青海、山西、陕西、新疆、云南、重庆,主要变量描述性统计结果如表2所示。
进一步,本研究中具体定量分析分两个阶段进行:第一阶段时间跨度为2001-2010年,第二阶段时间跨度为2011-2015年。采取这种分组方式的原因主要有两个:①2001-2015年长时间跨度中,初始阶段地区经济和企业经济、创新能力都发生了很大变化,这些无法观察到的变化可能会影响企业创新绩效,造成观测不准[25]。因此,将研究观测时期分为两个阶段,对其分别进行回归检验,这样可以从动态视角观测地区在不同发展阶段的产业战略转移;②通过统计数据发现,中国企业研发投入和专利申请量在2010年出现了增长拐点,2010年以后,这两项指标增长率大大高于2010年前。因此,本研究将观测期看作一个整体进行回归不科学也不合理。
表2 主要变量描述性统计结果
变量地区观察数MeanStd. Dev.MinMaxIO所有地区4507 593.54417 321.482119 927领先地区22513 712.4822 809.0956119 927追赶地区2251 474.6042 436.134220 239H所有地区450331 811830 775.508 271 917领先地区225607 383.81 104 4167 0118 271 917追赶地区22556 238.2105 653.10768 873.5M所有地区450977 034.31 668 043516.31.16E+07领先地区2251 675 7452 119 50155 7571.16E+07追赶地区225278 323.3322 677516.31 671 843AC所有地区4508.892 9786.029 2681.7842.34领先地区22510.536 47.612 4072.1642.34追赶地区2257.249 5563.080 891.7817.74SPILL所有地区450163 833.6227 863.62261 626 476领先地区225262 752276 985.94 7771 626 476追赶地区22564 915.2287 733.47226465 277.7OPEN所有地区4508 029 4681.60E+0719 6641.09E+08领先地区2251.49E+072.05E+07275 7791.09E+08追赶地区2251 162 5761 471 27819 6641.07E+07DEV所有地区45028 694.0421 753.012 895107 960领先地区22536 562.4524 910.155 221107 960追赶地区22520 825.6314 269.112 89571 101
在进行回归分析前先进行单位根检验,确认变量序列是否为平稳序列。采用ADF检验,结果表明各序列为非平稳序列,但为一阶单整序列,单位根检验结果如表3所示。基于此进行协整检验,因为本研究是多变量模型,采取扩展E-G检验,检验结果拒绝原假设“不存在协整关系”(p=0.000),即各序列虽不平稳,但长期存在均衡关系,不会出现伪回归情况。
3.2.1 第一阶段回归分析
在第一阶段(2001 -2010年)采取固定效应模型分别对追赶地区、领先地区和全样本,进行回归,将变量中未包含区域差异可能造成研究偏差的因素纳入区域截距项。模型1、模型3、模型5分别是对追赶地区、领先地区和全样本数据进行的分析,旨在探究吸收能力的调节作用,在模型1、模型3、模型5中分别引入去中心化交互项lnH′×lnAC′和lnM′×lnAC′后得模型2、模型4、模型6。其中,lnH′、lnM′、lnAC′分别对应各变量中心化后的结果,以降低交互项引起的多重共线性问题。对解释变量滞后期的处理,比较了滞后1-3年的结果,当滞后期为1年时,解释变量相关系数最大,因此采用解释变量滞后期为1年,结果如表4所示。
表3 单位根检验结果
变量ADF值P值检验结果lnIO72.104 20.136 0无法拒绝原假设,非平稳△lnIO761.681 30.000 0拒绝原假设,平稳 lnH36.347 30.993 3无法拒绝原假设,非平稳△lnH513.943 30.000 0拒绝原假设,平稳 lnM82.488 80.028 7无法拒绝原假设,非平稳△lnM454.039 40.000 0拒绝原假设,平稳 lnAC51.982 70.759 8无法拒绝原假设,非平稳△lnAC597.850 50.000 0拒绝原假设,平稳 lnSPILL118.229 40.000 0拒绝原假设,平稳 △lnSPILL889.866 10.000 0拒绝原假设,平稳 lnOPEN92.105 50.004 8无法拒绝原假设,非平稳△lnOPEN399.986 30.000 0拒绝原假设,平稳 lnDEV82.042 00.030 9无法拒绝原假设,非平稳△lnDEV79.719 60.000 0拒绝原假设,平稳
表4 第一阶段回归结果(2001-2010年)
模型1模型2模型3模型4模型5模型6lnH0.080 80.144*0.295*0.385**0.054 40.093 8(1.35)(2.33)(2.26)(2.85)(1.08)(1.76)lnM0.393***0.348***0.904***0.955***0.578***0.559***(3.84)(3.53)(6.16)(6.30)(6.85)(6.58)lnAC-0.343-1.068**-0.026 8-0.221-0.329-0.406*(-1.38)(-2.84)(-0.10)(-0.80)(-1.84)(-2.20)lnSPILL0.1980.094 20.031 2-0.0330.155*0.113(1.93)(0.90)(0.26)(-0.27)(2.05)(1.44)lnOPEN0.1250.120.017 90.054 1-0.006 3-0.008 04(1.19)(1.18)(0.14)(0.44)(-0.09)(-0.11)lnDEV1.745***1.745***1.048**0.857*1.768***1.780***(8.11)(8.44)(2.87)(2.26)(9.71)(9.77)lnH'×lnAC'0.1280.459*0.15(1.25)(2.43)(1.84)lnM'×lnAC'-0.507**-0.547**-0.265*(-3.00)(-2.81)(-2.39)R20.867 00.871 50.892 00.903 00.872 00.878 1
注:括号内为t检验值;*p<0.05,**p<0.01,***p<0.001,下同
模型1显示追赶地区影响创新产出的因素。从高技术产业和传统产业研发投入对地区创新产出的影响看,高技术产业研发投入对地区产业创新产出并无显著影响;传统产业研发投入对地区产业创新产出有显著影响,且回归结果在0.1%水平下显著,传统产业研发投入每增加1%,企业专利申请量将增加0.393%,假设H1成立。
模型3显示领先地区影响创新产出的因素。从中可以看出,对于领先地区而言,高技术产业和传统产业对于地区创新产出均有正向显著影响。高技术产业研发投入对地区产业创新产出的影响在5%水平下显著,高技术产业研发投入每增加1%,企业专利申请量将增加0.295%。传统产业研发投入对地区产业创新产出的影响在0.1%水平下显著,传统产业研发投入每增加1%,企业专利申请量将增加0.904%。在第一阶段,无论是从显著性水平还是产业研发投入导致专利申请量增加数量看,在领先地区传统产业研发投入对于地区产业创新产出的作用均更显著。因此,假设H2在这一阶段不成立。
在模型2和模型4中,追赶地区传统产业研发投入和产业创新产出间具有显著正向影响;领先地区传统产业和高技术产业研发投入均对地区产业创新产出有正向影响,与模型1和模型3结果一致。在地区吸收能力的调节作用中,追赶地区交互项lnH′×lnAC′并未通过显著性检验,也即地区吸收能力对于高技术产业对创新产出的影响并无调节作用。同时,交互项lnM′×lnAC′通过显著性检验,在1%显著性水平下,大专以上学历占总人口比例的增加反而抑制了研发投入对创新产出的作用,假设H3不成立。领先地区交互项lnH′×lnAC′通过显著性检验,在5%显著性水平下,地区吸收能力对于高技术产业研发投入对创新产出有正向调节作用,假设H4成立。交互项lnM′×lnAC′通过显著性检验,与追赶地区一样,在5%显著性水平下,大专以上学历占总人口比例的增加抑制了地区创新产出。
3.2.2 第二阶段回归分析
在第二阶段(2011-2015年)同样分别对追赶地区、领先地区和全样本采取固定效应模型进行回归,得到模型7、模型9、模型11;引入去中心化的交互项后得到模型8、模型10、模型12,结果如表5所示。
模型7显示追赶地区在第二阶段影响创新产出的因素。在这一时期,高技术产业和传统产业研发投入均对地区创新产出有显著影响。在0.1%显著性水平下,高技术产业研发投入每增加1%,地区产业创新产出增加0.175%;对于传统产业,回归结果同样在0.1%水平下显著,传统产业研发投入每增加1%,产业专利申请量将增加0.454%。相比于高技术产业,传统产业研发投入增加能导致产业创新产出增长率更高,因此假设H1在这一阶段仍然成立。
模型9显示领先地区在第二阶段影响创新产出的因素。可以看出,对领先地区而言,高技术产业和传统产业对于地区的创新产出仍然具有正向显著影响,在5%水平下显著。高技术产业研发投入每增加1%,企业专利申请量将增加0.227%。传统产业研发投入对地区产业创新产出的影响在0.1%水平下显著,传统产业研发投入每增加1%,企业专利申请量将增加1.064%。在这一阶段,所得结果无论是从显著性还是研发投入对创新产出的影响都与第一阶段相同。因此,假设H2在这一阶段仍不成立。
表5 第二阶段回归结果(2011-2015年)
模型7模型8模型9模型10模型11模型12lnH0.175***0.231***0.227*0.077 40.192***0.197***(3.47)(3.97)(2.39)(0.85)(4.54)(4.21)lnM0.454***0.429***1.064***1.326***0.667***0.655***(4.48)(4.10)(8.72)(9.58)(9.15)(8.13)lnAC0.009 33-0.037 80.1560.3020.016 60.018 8(0.04)(-0.18)(1.19)(1.25)(0.14)(0.12)lnSPILL0.1860.1920.060 50.0750.10.106(1.66)(1.73)(0.47)(0.58)(1.23)(1.28)lnOPEN0.083 20.087 80.021 50.031 40.008 90.008 58(0.88)(0.94)(0.21)(0.29)(0.14)(0.13)lnDEV0.943***0.915***-0.098 9-0.2280.754***0.765***(4.42)(4.33)(-0.34)(-0.78)(4.81)(4.79)lnH'×lnAC'-0.2150.344***-0.030 5(-1.92)(4.04)(-0.42)lnM'×lnAC'0.094 5-0.470**0.034 3(0.55)(-3.14)-0.33R20.910 80.913 60.941 40.956 60.915 00.915 3
模型8和模型10探究了地区吸收能力对产业创新产出的调节作用。模型8中追赶地区交互项lnH′×lnAC′与第一阶段相同,依旧未通过显著性检验,因此假设H3不成立。领先地区交互项lnH′×lnAC′在第二阶段通过显著性检验,在0.1%显著性水平下,大专以上学历占总人口比例增强了高技术产业研发投入对产业创新产出的作用,因此假设H4在这一阶段成立。交互项lnM′×lnAC′通过显著性检验,在1%显著性水平下,大专以上学历占总人口比例的增加抑制了地区创新产出。
假设H2和假设H3未得到验证,本研究通过实证模型结果发现,高技术产业研发投入有利于领先地区产业创新产出,但其对创新产出的影响小于传统产业。原因在于,Mckay&Song[27]指出,中国高技术产业创新产出效率仍然处于较低水平。发达国家高技术产业研发强度是传统产业的3~4倍,中国高技术产业研发强度仅是传统产业的2倍左右。即使在领先地区高技术产业发展仍然处于起步阶段,因此目前传统产业对创新产出的贡献更大。
关于吸收能力对传统产业研发投入影响创新产出的调节作用,在追赶地区2001-2010年和2011-2015年两个发展阶段均起到负向调节作用,大专以上学历占总人口的比例增长反而对区域内传统产业研发投入对企业创新产出产生负向影响。原因在于,人力资本和物力资本的作用是互补的,单方面提高人力资本,而没有一定的物力资本相配合,高人力资本无法发挥其应有作用[7]。
通过对比全国范围内、领先地区及追赶地区间的结果可以发现,中国地区间产业发展程度存在差距。整体而言,传统产业研发投入无论是在领先地区还是追赶地区都对区域创新产出有重要作用,但高技术产业增加研发投入对创新产出的作用值得商榷。
在追赶地区,高技术产业的作用在经济发展第二阶段开始显现,高技术产业增加研发投入对于区域创新产出有积极促进作用。这表明,追赶地区开始重新布局产业,发展高技术产业。因此,追赶地区发展过程可概括为在第一阶段先遵循比较优势发展传统产业以积累知识经验,在知识积累过程中逐渐发展高技术产业,也即由发展拥有比较优势产业向发展动态比较优势演进。
对于领先地区而言,高技术产业研发投入对区域创新产出一直起到促进作用。这表明,当地区具有更高的知识禀赋和资源时,应注重动态比较优势,选取技术层次更高的产业,以实现创新及经济可持续发展。因此,领先地区应注意高技术产业对于地区创新产出的影响。从长期看,高技术产业发展是我国从根本上提高自主创新能力的关键。
最后,需要指出的是,本研究尚存在一些不足之处。首先,本研究侧重于不同产业研发投入和产业创新产出,但对于不同产业创新产出内在机制缺乏详细描述和量化。其次,本研究观测期内,一直未出现之前假设的领先地区高技术产业对于地区创新产出的作用高于传统产业,这可能是中国目前高技术产业发展还未达到更高级程度,未来可深入研究中国高技术产业发展状况。
[1] 柳卸林.区域创新体系成立的条件和建设的关键因素[J]. 中国科技论坛, 2003(1):18-22.
[2] LI X. China's regional innovation capacity in transition: an empirical approach[J]. Research Policy, 2009,38(2):338-357.
[3] TRIGUERO A,CORCOLES D.Understanding innovation: an analysis of persistence for Spanish manufacturing firms[J]. Research Policy, 2013,42(2):340-352.
[4] FILIPPETTI A, ARCHIBUGI D. Innovation in times of crisis: national systems of innovation, structure, and demand[J]. Research Policy, 2011,40(2):179-192.
[5] LI Y, MAO P, ZHANG Y. Empirical research on the different innovation engine between China and US manufacturing using an improved method[J]. Applied Economics, 2016,48(6):471-482.
[6] FRANK A G, CORTIMIGLIA M N, RIBEIRO J L, et al. The effect of innovation activities on innovation outputs in the Brazilian industry: market-orientation vs. technology-acquisition strategies[J]. Research Policy, 2016,45(3):577-592.
[7] 林毅夫,李永军.比较优势、竞争优势与发展中国家的经济发展[J].管理世界,2003(7):21-28+66-155.
[8] 张小蒂,赵榄.“干中学”、企业家人力资本和我国动态比较优势增进[J].浙江大学学报:人文社会科学版,2009,39(4):73-81.
[9] BRESCHI S, MALERBA F, ORSENIGO L. Technological regimes and schumpeterian patterns of innovation[J]. The Economic Journal, 2000,110(463):388-410.
[10] 余泳泽,刘大勇. 中国传统产业和新兴产业差异性技术进步路径选择研究[J]. 财贸研究,2013,24(1):22-31.
[11] 林毅夫.新结构经济学、自生能力与新的理论见解[J].武汉大学学报:哲学社会科学版,2017,70(6):5-15
[12] 杨高举,黄先海.中国会陷入比较优势陷阱吗[J].管理世界,2014(5):5-22.
[13] 窦建华.发展中国家实现比较优势向竞争优势转化的途径——创新与技术[J].科学管理研究,2008(5):13-16.
[14] YOUNG A. Learning by doing and the dynamic effects of international trade[J]. The Quarterly Journal of Economics, 1991,106(2):369-405.
[15] REDDING S. Dynamic comparative advantage and the welfare effects of trade[J]. Oxford Economic Papers, 1999,51(1):15-39.
[16] MANI A, HWANG J. Income distribution, learning-by-doing, and comparative advantage[J]. Review of Development Economics, 2004,8(3):452-473.
[17] CIMOLI M, DOSI G. Technological paradigms, patterns of learning and development: an introductory roadmap[J]. Journal of Evolutionary Economics, 1995,5(3):243-268.
[18] ASHEIM B T, COENEN L. Knowledge bases and regional innovation systems: comparing nordic clusters[J]. Research Policy, 2005,34(8):1173-1190.
[19] 宁东玲.潜在吸收能力和现实吸收能力的差异分析[J].现代情报,2013,33(5):116-120.
[20] JAFFE A. Real effect of academic research[J]. The American Economic Review, 1989,79(5):957-970.
[21] QIU S, LIU X, GAO T. Do emerging countries prefer local knowledge or distant knowledge? spillover effect of university collaborations on local firms[J]. Research Policy, 2017,46(7):1299-1311.
[22] YU W, HONG J, ZHU Y, et al. Creative industry clusters, regional innovation and economic growth in China[J]. Regional Science Policy & Practice, 2014,6(4):329-347.
[23] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990,35(1):128.
[24] LIU W. The role of proximity to universities for corporate patenting: provincial evidence from China[J]. The Annals of Regional Science, 2013,51(1):273-308.
[25] LETEN B, LANDONI P, VAN L B. Science or graduates: how do firms benefitfrom the proximity of universities[J].Research Policy ,2014,43(8):1398-1412.
[26] 魏同洋,马英楠,靳宗振. 我国高技术产业创新绩效与区域差异性研究[J]. 科技和产业,2014,14(5):45-52+58.
[27] MCAKY H, SONG L. An empirical study of china′s high-tech industry innovation capability in transition. in rebalancing and sustaining growth in China [M]. Canberra: ANU Press, 2012: 289-308.