产业融合对中国装备制造业创新效率的影响:结构嵌入的调节作用

改革开放40年来，中国装备制造业取得了长足进步，成为支撑经济向高质量发展的重要力量，但与发达国家相比，中国装备制造业整体 “大而不强”的特征依然明显。随着全球新一轮工业革命的兴起，数字经济成为经济增长的主要驱动力，制造业加速向数字化、网络化、智能化方向延伸拓展，新产品、新模式、新业态的出现使得原本清晰的产业边界逐渐模糊，产业间呈现“彼此交融，不可分割”的发展态势。在这场工业变革中，如何把握信息网络技术与传统制造业融合机遇，通过产业融合发展突破传统产业发展瓶颈，成为实现中国装备制造业转型升级的关键。理论层面上，产业融合有利于打破既定的产业格局，改变原有产业间的资源配置、供需结构与要素流动惯性，进而影响企业创新方向、创新方式与创新效率[1]。实践层面上，产业融合已成为提升产业竞争力、助推产业转型升级的有效路径，许多跨学科交叉领域的新兴产业已呈现出低成本和高效率的竞争优势[2-4]。因此，针对中国装备制造业结构散、价值低、创新弱和绩效差的痼疾，产业融合能否促进创新效率提升以带动中国装备制造业“由大变强”？如果可以，那么二者之间存在何种作用关系？随着全球化生产体系及产业内分工日益细化，网络嵌入行为又会对二者关系产生怎样的影响？

针对上述疑问，国内外学者分别从不同角度进行研究，具体内容大致可分为以下3类：一是产业融合与产业竞争优势关系研究。Hacklin等[3]指出，技术融合的不断累积会引致颠覆性创新，从而改变企业现有价值，有助于保持其竞争优势；Brǒring[5]等发现，产业融合迫使企业转变核心业务，通过从外部获取知识和经验提升企业创新与管理能力。二是产业融合对产业结构升级的作用研究。綦良群和赵龙双[6]基于产品价值链视角，认为装备制造业与生产性服务业融合能够促进产权结构调整，从而推动企业内部组织结构创新；Young[2]以信息产业为例，认为产业融合能够促进产业间技术渗透与交叉，缩小产业增速差异，从而推动产业结构升级。三是产业融合与产业绩效关系研究。Niedergassel & Leker[7]以化学产业为研究对象，发现产业融合程度越高，生产成本越低，生产效率就越高；汪芳和潘毛毛[8]通过专利系数法与面板数据回归方法得出，制造业与信息产业融合不仅能够提升制造业绩效，而且有助于促进制造业成长。

综上所述，现有研究在以下3个方面亟待突破：一是缺乏基于网络嵌入视角针对产业融合影响装备制造业创新效率的系统性研究，相关成果尚无法为装备制造业的产业融合实践提供理论支持；二是对产业融合的测度大多采用替代指标，难以反映产业融合本质；三是对产业融合效应发挥机理缺乏实证分析检验，且对于微观机制及作用机理的解析与阐述不够完善。鉴于此，本文基于网络嵌入及产业演进理论，赋予产业融合全新的动态化内涵，深层次探究产业融合影响装备制造业创新效率的作用机制，具体包括：①从理论层面提出产业融合影响装备制造业创新效率的作用机制，详细阐述产业融合影响创新效率的微观机理并从实证层面予以检验；②从结构嵌入性调节视角，理论解释并实证检验网络中心性和网络异质性对产业融合与装备制造业创新效率关系的调节作用及其渠道效应，试图弥补现有研究的不足。本研究对解决中国装备制造业创新效率低下困境、提升供给体系质量和效率、增强产业自身竞争优势具有一定的现实指导价值，对进一步完善产业融合理论体系、拓展产业创新理论体系应用范畴具有重要理论意义。

1 理论分析与研究假设

1.1 产业融合影响产业创新效率的机理

产业融合激励机制引致的需求效应通过加速创新要素积累，拓宽知识网络边界，降低知识学习成本与交易成本，提升创新产出盈利水平。产业融合过程伴随着异质性知识整合与集成，新知识源一经诞生，便会在特定条件下(先进知识工具、设施、场所及有利的制度、文化等组织环境)引发知识发酵，即异质性知识个体在知识母体中历经适应、转化、消化、活化等过程后形成“行动知识”，进而激励先导企业加大新知识搜索与吸收力度，增加研发创新行为，促进开放式创新由需求向实践转变。通常情况下，先行企业利用融合式新知识、新技术改变产品生产特征与使用性能，生产出功能强大、契合市场需求的新产品，新兴市场的开拓与市场势力的扩张使企业获得高额利润，进而吸引更多企业跟随加入，通过相机调整发展战略、整合知识资源等方式加大产品研发力度，实现创新获利。

产业融合竞争机制引致的溢出效应通过加快创新要素流动，调整知识整合模式，拓宽知识流通渠道，增加创新边际产出，实现产品价值增值。产业边界的消失将使知识传播方式由产业间溢出转变为产业内溢出，从而消除知识转移壁垒，降低交易费用，提升知识流动效率。通常情况下，企业通过分工协作、销售服务等渠道捕捉创新契机，并通过专利授权、技术转让及企业并购等方式从外部直接获取溢出知识。随着产业融合不断演进，融合式新技术溢出空间逐渐扩大，溢出速度加快，推动企业通过众多溢出渠道快速获取新知识，突破创新资源惯性束缚，提升知识集合丰厚度与异质度，进而提升企业技术创新能力。此外，溢出效应还能增强企业创新意愿，使其加大创新投入，提升创新要素产出弹性，从而缓解知识积累路径依赖，避免创新能力刚性问题。

产业融合扩散机制引致的挤占效应通过优化创新资源配置，降低信息不确定性与风险，引导创新有效竞争，加快新旧知识更迭速度，实现产品价值增值。新兴技术历经市场竞争筛选，具备技术先进、性能优越、需求广阔等特征，产业融合扩散机制能够推动新兴技术挤占传统技术，影响知识流动与整合方向，迫使传统生产企业改良旧技术、研发新技术。通常情况下，企业不会选择独立创新，而是针对潜在市场需求，通过模仿、改进、二次创新等方式对传统技术进行改造升级。虽然这种跟随式创新在一定程度上扭曲了创新要素资源配置，导致社会净福利损失[9]，但新兴技术溢出与扩散可以明确研发方向和重点，降低创新不确定性与风险。尤其在信息化与工业化融合趋势下，研发风险与收益难以预判，跟随式创新能够降低追随企业研发投入成本，缩短创新时间，提升创新实效。

产业融合强化机制引致的关联效应通过转变资源利用方式，激励资源互补外部性正向发挥，优化知识结构，实现创新产出多样化。新兴技术的普及推动新兴产品发展空间与市场规模不断扩大，促使更多新产品被顾客所接受，企业随之获取更多收益，继而进一步增加研发投入，提高产品性能。通常情况下，影响力系数与感应度系数较大的行业，关联效应发挥更充分：一方面，为配套产品提供更大的创新空间，促进上下游企业通过动态柔性生产、组织学习等方式搜寻、传递、整合与应用新兴知识，提升资源配置与利用效率；另一方面，促进知识专业化、多样化集聚，提升知识提取效率和知识引力强度，扩大知识互补规模效应，优化产业知识结构，进而提升产品协同配套性能，增强知识资产通用性，实现多样化创新产出。

产业融合对产业创新效率的影响主要通过需求效应、溢出效应、挤占效应和关联效应4条路径，如图1所示。据此，本文提出以下假设：

H1a：产业融合促进装备制造业创新效率提升；

H1b：产业融合抑制装备制造业创新效率提升。

1.2 网络中心性调节产业融合与产业创新效率关系机理

网络中心性能够使企业享有“结构洞”优势，缓解“凝聚力冗余”，但也可能造成资源先导力与群体控制力、资源柔性和协调柔性之间的矛盾。因此，网络中心性调节产业融合与装备制造创新效率的关系主要通过以下两条路径实现：

(1)加快产业融合释放创新要素的流动边际效应和资源配置的边际效应，由此产生的规模经济与范围经济效应大大提升了创新多样化产出比率。一方面，大型整装制造企业通常占据着整个网络的枢纽位势，其它中小配套企业以其为核心相互结网联结，产业融合发展趋势增加了多样化产品预期需求，进一步迫使核心制造企业加大结网力度、扩大结网范畴，以捕寻网络外部个性化且多样化的创新资源，核心企业的这一行为会直接增加不同网络主体之间的跨网络结网行为，继而核心企业建立的弱联结也会增多，“结构洞”优势便会凸显，如图2所示。因此，产业融合引发的知识流动提升了要素配置效率，提升了产品创新的多样化与有效性。另一方面，装备制造业发展格局一直存在着“凝聚力冗余”窘境，即“大亦全、小亦全”，尤其是某些中小型配套企业，其产品涵盖多条产业链，没有实现自身“精深化”发展，严重降低了网络创新资源配置效率，阻碍了企业间协同发展。企业网络中心性越高，资源凝聚力就越强，庞大的资源集聚以及合理的资源配置有助于企业获取规模经济与范围经济，从而加速创新产出。如果企业网络中心性较低，便会引发一系列“搭便车”、“囚徒困境”等问题，从而阻碍创新效率提升。

(2)阻碍产业融合释放要素流动的边际效应和资源配置的边际效应，由此引发资源先导力与群体控制力、资源柔性和协调柔性之间的矛盾，从而削弱产业融合的正向促进作用。一方面，装备制造业在一国经济发展中占据着重要战略地位，中心性较高的大型整装企业通常都是国有企业，无论是经营规模还是资金规模都具有中小企业无法比拟的优势，因而对各项资源拥有庞大的掌控力。但这种控制力并不是越大越好，一旦超过了一定界限，便会反过来阻碍创新资源优化配置，使原本属于中小配套企业的资源被挤占，导致配套企业逐渐丧失创新活动的主动性与积极性，形成嵌入追随惰性，企业协同创新能力不断下滑。另一方面，中心性较高的企业通常在网络层级中占有较高位势，主导全网络创新行为协调工作，包括选择上下游合作伙伴、与研发机构建立长期有效的合作机制、经销售渠道捕捉最前沿的需求信息等，掌控资源信息调配与协调。如果企业拥有较高的网络中心性，那么与其合作的网络主体就会对其越来越依赖，支配地位的不对等使资源流动速度与时效降低，造成资源柔性与协调柔性之间的矛盾，从而抑制产业融合中加速要素流动效应的发挥。据此，本文提出以下假设：

H2a：网络中心性正向调节产业融合与装备制造业创新效率的关系；

H2b：网络中心性负向调节产业融合与装备制造业创新效率的关系。

1.3 网络异质性调节产业融合与产业创新效率关系机理

网络异质性能够帮助企业获取范围经济，使生产驱动向市场驱动转化并缓解资源“专属”嵌入困境，但也可能引发“知识结构冗余”和认知差异性问题。因此，网络异质性主要通过以下两种途径调节产业融合与装备制造创新效率的关系：

(1)加快产业融合释放创新要素的积累边际效应和资源互补外部性的边际效应，降低信息不对称和创新资源交易成本，加速集聚效应形成。一方面，知识资源的多样化有效传递了市场需求信息，全球产能过剩导致企业间竞争越发激烈，以往大批量、一刀切式的生产方法难以为继。对于装备产品而言，快速、小批量、定制化的生产方式已成为未来发展趋势，迫使生产驱动向市场驱动转化。在产业融合演进过程中，信息化、集成化与低碳化的特性能够降低个性化需求搜寻成本，使上下游配套企业之间、企业与客户之间实现低成本联结。同时，这一过程也会加快知识跨产业边界流通与传递速度，提升知识积累丰厚度与集成度，从而提升创新针对性与有效性。另一方面，装备产品产业链条丰富，企业与企业之间大多采取模块化生产竞争模式，专用零部件配套商为了获取系统集成商的信任，常常面临“背对背”式的淘汰竞争(见图3)。这一过程虽然有助于生产效率提升，但却提升了配套产品的资产专用程度，迫使企业面临高昂的资产转换成本，陷入“专属嵌入”难题。网络异质性越丰富的企业，获取跨网络多样化资源的机会就越多，多种创新要素的不断积累能够拓展创新深度与广度，丰富创新产品性能与种类，进而提升资产通用性，进一步促进产业融合中创新要素积累边际效应的发挥。

(2)阻碍产业融合释放创新要素的积累边际效应和资源互补外部性的边际效应，削弱知识引力产出弹性，减缓要素集聚规模效应递增速度。一方面，异质性较强的企业虽然可以接触到更多的多样化资源，但未必会增加创新产出，产业融合对创新效率的提升效应体现为要素流动产生的相互作用，而不是知识的简单浅层次堆积，即除知识要素之间保有最佳距离外，还需要有较强的引力产出弹性，知识之间的互补性和关联性越强，相互吸引力就越强，有效创新产出就越多。网络异质性虽然拓宽了知识可选择空间，但相关性较弱的资源之间不但不会产生相互作用，反而会造成容量拥挤，出现“知识结构冗余”问题，从而降低创新产出对知识引力的敏感程度，进而降低要素固有价值，削弱产业融合对创新效率的提升效应。另一方面，网络嵌入主体类别差异过大可能造成知识认知差异，增加知识识别、转移与传播交易费用，削弱资源互补正向外部性。面对同类知识，不同网络主体会采用不同的价值判断与创新方式，产业融合对资源互补效应的发挥需要借助共同的产出标准与共享平台，主体之间的认知差异过大会增加要素传递摩擦，削弱创新要素之间的协同效应和溢出效应，使得原本因多样化知识集聚而产生的规模效应递增出现下降。据此，本文提出以下假设：

H3a：网络异质性正向调节产业融合与装备制造业创新效率的关系；

H3b：网络异质性负向调节产业融合与装备制造业创新效率的关系。

2 研究设计

2.1 模型构建

本文基于省级面板数据检验装备制造业创新效率与产业融合之间的相互关系及网络中心性和网络异质性的调整效应，以及调整效应的发挥方式，基本度量模型构造如下：

IEEPit=α+βICDit+βZZit+εit

其中，下标i=1,2,3…n代表地区，t代表年份，IEEPit为被解释变量，代表i地区在t时期装备制造业创新效率，α是常数项。ICDit为解释变量，代表i地区在t时期的装备制造业产业融合程度，β是系数。Zit是后续要添加的其它控制变量的向量集合，βZ是系数向量，εit是随机干扰项。

在式(1)基础上，进一步考察网络中心性与网络异质性对装备制造业创新效率的调控效应，将该模型扩展为：

IEEPit=α+β1ICDit+β2NCit+β3NHit+β4ICDit×NCit+β5ICDit×NHit+βZZit+εit

其中，NCit为调节变量，代表i地区在t时期装备制造业网络中心性指标。NHit为调节变量，代表i地区在t时期的装备制造业网络异质性指标，ICDit×NCit代表产业融合与网络中心性的交互项，ICDit×NHit代表产业融合与网络异质性的交互项。此外，装备制造技术创新具有投入大、周期长等特点，大型企业在成本配置、融资渠道等方面拥有无可比拟的优势，具有较高的研发效率。因此，企业规模、市场集中度、研发强度和FDI是装备制造业创新效率的重要影响因素，本文将其引入回归模型。

IEEPit=α+β1ICDit+β2NCit+β3NHit+β4ICDit×NCit+β5ICDit×NHit+β6FIRMit+β7CSit+β8RDit+β9FDIit+εit

其中，FIRMit代表装备制造业在i地区t时期的企业规模，CSit代表装备制造业在i地区t时期的市场集中度，RDit代表装备制造业在i地区t时期的研发投入强度，FDIit代表i地区t时期的装备制造业对外直接投资与工业总产值占比。

2.2 变量定义与度量

(1)产业融合(ICD)。已有文献对产业融合内涵的界定并不完全一致，有学者认为，共性技术是产业融合的前提，如果一个产业应用了另一个产业的技术，就说明发生了产业融合[1,10]。还有学者将产业融合聚焦为某项产业特征，即产业固有边界收缩或跨产业进入壁垒消失[11]。本文将产业融合定义为具备互补性或替代性的创新要素普遍、持续、交互式嵌入的动态过程，该定义一是为了厘清产业融合与产业关联的联动关系，二是“嵌入性”能够动态反映产业融合演化发展状态，使其内涵更加丰富。

目前，关于产业融合的测度方法主要有专利系数法、投入产出法、熵指数法和剩余法，本文并未采用上述方法主要基于两个方面的考虑：①上述方法受算法及数据可行性影响，只能将研究对象限定在特定产业之间，此类“融合”只能体现产业关联属性，没有兼顾产业动态化发展；②本文关注的产业融合在产业发展过程中具有多维度综合特性，它发生并存在于任何产业领域，也贯穿于产业发展的各个阶段，因而上述方法对产业融合本质的理解与其不完全匹配。因此本文采用ISCNFI测度模型衡量装备制造业产业融合程度：

ICDi=γ1Infoi+γ2Servi+γ3Carbi+γ4Neti+γ5Finai+γ6Innoi

其中，Infoi表示投入信息化指数，Carbi表示流程低碳化指数，Servi表示产出服务化指数，Neti表示组织网络化指数，Finai表示融资多元化指数，Innoi表示创新集成化指数，γ代表各指数权重，ICDi是上述各指数加权计算后的产业融合综合指数。具体指数计算方法如下：

其中，

分别对应创新集成化指标下各项二级指标：新产品研发与销售比、高技术产业技术引进比重、研发经费投入强度、消化吸收强度、高学历研发人才比重、高技术产业技术改造比重、产学研合作深度；

分别代表：服务业法人单位比重、服务业增加值占GDP比重、电子商务销售比重、服务业拥有网站比重、互联网企业比重；

分别代表指标：人均能源消耗、单位GDP能耗、环境污染治理投资/GDP、CO2排放量/GDP、人均CO2排放量、单位GDP电耗、固体废物综合利用率；

表示指标：网络密度、网络外部环境、技术共享程度、网络强度、网络发展潜力；

代表度量指标：资产收益率、外商投资比重、银行贷款比率、上市公司市值比重以及保险深度；

代表度量指标：互联网普及率、信息产业就业比重、计算机普及率、软件和信息技术服务业比重、移动电话普及率、信息产业固定资产投资比重。此外，每项指标权重γ通过主成分分析计算得出，各项指标与各自权重相乘最终可得出2006—2015年中国装备制造业各省(市)(西藏因数据缺失未纳入统计，下同)产业融合度综合指数得分，如表1所示。

(2)装备制造业创新效率(IEEP)。现有研究对创新效率的测算有两种方法，即数据包络分析法和随机前沿分析法。其中，数据包络分析法虽无需假定生产函数形式，但仍然存在决策单元数量限制、指标敏感等一系列问题，降低了效率分析适用性。Gong&Sickles[12]认为，随机前沿分析法可以避免上述问题，将误差项与无效率项组成复合结构，能够得到更好的估计效果。本文基于Coelli&Perelman[13]的做法，采用产出距离函数测量创新效率。

=E[exp(-zitδ-Wit)|(vit-Wit)]

本文选取3个投入变量和2个产出变量，前者包括新产品开发资本存量(NRDP)、研发资本存量(RD)和科技活动人数(PRD)；后者包括新产品产值(VNP)和专利申请数量(PAT)。此外，参照史修松等[14]的做法，将滞后1年期作为投入产出的时滞期，t -1时期的NRDP、RD、PRD即为t时期VNP、PAT的投入。其中，研发资本存量(RD)采取永续盘存法计算如下：

RDit=(1-γ)×RDit-1+Iit

RDit代表t时期i行业的研发资本存量，RDit-1代表t-1时期i行业研发资本存量，γ代表资本折旧率，本文沿用吴延兵[15]的做法，设定γ=15%，Iit代表t时期i行业的科技活动经费支出。此外，以1997年为基期，则RDi0表示为：

RDi0和Ii0分别代表基期i行业研发资本存量和科技活动经费支出，gi代表2006—2015年i行业科技活动经费年均增长率。运用软件FRONTIER4.1，将投入变量与产出变量代入SFA模型，可得2006—2015年中国内地各省(市)装备制造业创新效率情况(见表2)。

(3)网络中心性(NC)。网络中心性体现了企业在网络中的位势，距离中心位置越近，企业所建立的网络联结越稳固，网络中心性就越高。现有文献对于网络中心性的衡量大多采用多指标调查问卷方法，研究主体主要集中在微观企业层面，但该方法对中观或宏观层面并不适用，需要新的指标对产业层面的网络中心性加以衡量。依据定义，网络中心性旨在描述产业网络控制力与影响力，该指标与产业影响力系数内涵相似，从产业间投入产出关联看，产业影响力系数衡量的是特定产业的产出增长对其它相关产业的发展带动作用。因此，本文采用产业影响力系数作为网络中心性的替代变量，如式(15)所示。

其中，j=1,2,3…n表示第j个部门的网络中心性系数，bij表示里昂惕夫逆矩阵系数，n为部门总数。

(4)网络异质性(NH)。网络异质性体现了网络主体的多样化程度，主体之间在知识、信息、资源及形态方面的差异性越大，网络异质性程度就越高。现有文献对于网络异质性的衡量也都集中于微观企业层面，通过局部范围的问卷调查获取数据，这一方法对于产业层面同样不适用。网络异质性旨在反映关联产业间需求多样化程度，该指标与产业感应度系数内涵相似，网络异质性越强，产业间相互影响的程度越大，产业感应度系数就越高。因此，本文采用产业感应度系数作为网络异质性的替代变量，如式(16)所示。

其中，i=1,2,3…n表示第i个部门的网络中心性系数，bij表示里昂惕夫逆矩阵系数，n为部门总数。

(5)控制变量。为保证解释变量的估计准确性，本文选取以下控制变量：①企业规模，用装备制造业工业产值与企业数量的比值表示；②市场集中度，沿用赫芬达尔指数(HHI)测度方法，用装备制造7个子行业产值与总产值比值的平方和表示；③R&D投入强度，用装备制造业R&D投入经费与装备制造业总产值的比值表示；④对外直接投资，用装备制造业当年实际利用外资规模作为衡量指标。

2.3 数据来源

本研究所选取的数据，源自于《中国工业经济统计年鉴》、《中国科技统计年鉴》、《中国统计年鉴》以及各省市统计年鉴整理汇总。本文对数据处理遵循以下原则：①可获得原则，选取2006—2015年装备制造业规模以上工业企业数据，均为连续可获得数据；②数据一致原则，涉及较多年份的产业及地区数据，但仍有部分指标统计口径不一致或数据缺失，对此，本文采用线性插值法进行补充;③行业一致原则，依据国民经济行业分类，本文收集的装备制造业数据包括金属制品业、普通机械制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、电子及通信设备制造业和仪器仪表及文化办公用机械制造业7个行业数据。

3 实证检验结果

3.1 模型估计

本文利用面板回归模型对理论假设进行实证检验，依据F检验和Hausman检验结果构建RE模型，继而对其进行OLS估计。估计结果发现，产业融合(ICD)与研发投入(R&D)对装备制造业创新效率(IEEP)具有显著影响。因此，本文引入解释变量的1阶滞后变量进行稳健性检验，并对其进行2SLS估计。依据Hausman检验结果，选择固定效应与随机效应模型，将调节变量、控制变量及交互项以不同方式引入模型1、模型2和模型3，固定效应与随机效应回归结果如表3所示。

注：*、**和***分别表示在1%、5%和10%显著性水平上显著，括号内为t值，下同

3.2 回归结果及分析

(1)产业融合对装备制造业创新效率的影响。产业融合与装备制造业创新效率之间存在倒“U”型曲线关系，在产业融合前期，装备制造业创新效率与之呈正比例变化，提升产业融合程度就会提升装备制造业创新效率。随着产业融合不断加深，装备制造业创新效率并不会一直提升，而是在达到一个阈值后出现下降，此时产业融合与创新效率之间就会反向变化。表3中3个模型的固定效应结果与随机效应结果显示，产业融合程度及其平方项均在不同的显著性水平下拒绝了原假设，说明产业融合对装备制造业创新效率具有正向促进作用，H1a成立。待引入产业融合平方项之后，固定效应系数显著为负，说明产业融合与装备制造业创新效率之间存在倒“U”型曲线关系。这可能是由于产业融合促进创新效率提升的边际效应递减所致，产业融合发生伊始，大量异质性知识随之流动、扩散与融合，此时产业汇聚创新要素成本相对低廉，由此开展的有效创新增多，创新效率便会提升。但伴随着产业融合不断推进，知识流通速度与效率降低，融合式知识异质性与丰厚度提升空间缩小，产业创新效率便会出现提升乏力甚至下降。

(2)网络中心性的调节作用。网络中心性对产业融合与装备制造业创新效率的关系具有正向调节作用，H2a成立。由表3可知，ICDit单独变量系数在一定的显著性水平上为正。另外，模型1、模型3中，交互项ICDit×NCit的系数也在一定显著性水平上为正，说明网络中心性越高，产业融合对装备制造业创新效率提升就越有利。在产业创新网络中，核心企业通常具有较强的市场势力，企业网络中心度高低代表其对资源控制力与影响力，这种辐射作用会顺势产生正外部性，提升创新要素流通速度，继而缓解创新效率提升的边际效应递减问题，大大增强创新效率提升的持续性和有效性。

(3)网络异质性的调节作用。网络异质性抑制了产业融合对装备制造业创新效率的提升作用，对二者关系具有负向调节作用，H3b成立。由表3可知，ICDit单独变量系数在一定的显著性水平上为正。此外，模型2、模型3中，交互项ICDit×NHit的系数在一定显著性水平上为负，说明产业融合对装备制造业创新效率的提升作用会随着网络异质性增强而不断弱化，网络异质性程度越低，产业融合越能提升装备制造业的创新效率。这可能是由于产业融合发生过程中存在“转换成本”，装备制造业知识门类繁多，多样化知识流通、转移与整合虽有助于集成式创新，但也会造成创新要素积累效率低下、资源互补外部性等“成本”，致使网络异质性越强，所需的“转换成本”越高，进而抑制产业融合对创新效率的提升效应。

(4)各控制变量与被解释变量的关系。企业规模与装备制造业创新效率之间存在负相关关系，由表3可知，3个模型中企业规模均在不同显著性水平上拒绝了原假设，说明企业规模扩大会降低创新效率，这一现象在大型装备制造企业中尤为明显。研发投入与装备制造业创新效率的关系只在模型2随机效应系数5%的水平上显著为负，其它估计结果均缺乏显著性，意味着研发投入对创新效率的影响并非只是单调的线性关系，可能存在门槛或拐点。产业结构与装备制造业创新效率的关系尚不确定，模型1中CS的单独系数在一定显著性水平上为正，而模型2与模型3中的系数显著为负。同样，对外直接投资与装备制造业创新效率的关系也不确定，模型1中FDI的单独系数在10%水平上显著为正，但在模型2与模型3中显著为负。

3.3 稳健性检验

由于企业规模、研发投入等因素对装备制造业创新效率的影响具有持续性，由此产生的内生性问题会造成估计结果偏差，故本文进一步使用产业融合、研发投入及企业规模的滞后一期变量对其进行稳健性检验，结果如表4所示。

表4显示了被解释变量在T+1时期的回归结果，无论是模型4还是模型5均证实了产业融合对装备制造创新效率具有提升作用。首先，模型4中ICD独立变量的固定效应和模型5中的固定效应与随机效应系数均为正，而平方项系数在一定的显著性水平上为负。上述结果表明，前述结论已经通过了稳健性检验，即产业融合的确与装备制造创新效率存在倒“U”型曲线关系。其次，交互项ICD×NC的系数在10%水平上显著为正，说明网络中心性对二者的正向调节作用通过了稳健性检验。最后，交互项ICD×NH的系数在10%水平上显著为负，证实了网络异质性对产业融合促进创新效率提升存在抑制作用。

4 结论与建议

4.1 主要结论

本文利用2006—2015年中国装备制造业7个子行业面板数据和中国内地30个省市地区数据，建立回归计量模型并对理论假设进行实证检验，实证结果有力地支持了研究假设，提供了产业融合促进装备制造业创新效率提升的经验证据。本文实证研究结论如下：产业融合程度与中国装备制造业创新效率存在倒“U”型曲线关系，即随着产业融合程度提升，中国装备制造业创新效率呈现出先上升后下降的变化趋势；网络中心性对二者关系起正向调节作用，即网络中心性越高，产业融合对装备制造业创新效率的提升就越有利；网络异质性对二者关系起负向调节作用，即网络异质性越强，就越会阻碍产业融合对装备制造业创新效率的提升。

4.2 政策建议

(1)构建以核心企业为枢纽的全球性复合型二元创新网络，具体构建形式有以下3种类型：①“主制造商+供应商”，该网络以核心企业为枢纽，以产业纵向关系为联结纽带，例如核心企业与上下游配套企业结成网络；②“核心企业+辅助机构”，该网络以核心企业为主导，以产业横向关系为联结纽带，例如核心企业与当地研发机构及竞争者结成网络；③“核心企业+跨国研发机构”，该网络以核心企业为主导，通过并购国际研发机构或设立海外研发分部，建立技术开发联盟网络。上述二元网络中，核心企业作为紧密网络与松散网络的枢纽，应该采取有效形式在其中建立“桥联结”，促使紧密结构与松散结构耦合，实现全球范围内开放式集成创新。

(2)打造以工业大数据应用为基础的产业融合服务平台。①与高校科研机构联合出资建设数据服务中心，建立健全大数据标准体系：首先，深入探究各类工业数据库(嵌入型与关系型等)、应用软件及数据集成平台，提升系统整体运算能力。其次，定标规划产品全产业链条及全生命周期的所有数据应用，贯穿研发设计、加工制造、物流仓储及售后服务等环节。最后，梳理大数据应用中的各项标准，涉及技术使用、产业安全及运营管理等多项内容；②应用标准建立完成后，由国家主导构建工业大数据使用共享平台，在融入移动互联网、云计算和物联网等先进技术后，推广并引导企业应用，在重点领域按需培养示范企业，定期对其进行数据标准校验，以此带动相关领域企业加入使用，完成传统装备制造业向先进化、智能化方向转型升级。

(3)建立以技术升级为保障的长效机制和政策体系。①有力的资金扶持政策：鼓励政府对高端装备技术研发实行信贷风险补偿机制，或通过设立产业投资基金等新型金融扶持方式提升装备企业融资水平，借助互联网、物联网等新一代信息技术拓展资本市场，优化融资服务，丰富融资工具；②配套财税支持政策：针对高端装备企业先进技术研发采取财政补贴和税收优惠等倾向性政策，例如提高中小制造企业研发费用加计扣除比例、扩大小微企业所得税优惠享受范畴等。此外，还要鼓励政府采购优先选用国产设备；③完善技术交流渠道，举办高端技术博览会和前沿学术论坛，为装备制造业与国际科研机构、高校院所搭建良好的沟通平台，加速先进技术交流与共享，促进装备制造技术升级。

4.3 不足与展望

与同类文献相比，本文研究视角更新颖，研究方法和过程更科学，对中国装备制造业创新效率提升具有一定的实践指导价值。但受篇幅所限，仍存在以下局限：首先，网络嵌入具有多种形式，其衡量指标也各不相同，本文探讨了网络中心性和网络异质性对产业融合与创新效率关系的调节机制，但未注意关系嵌入中政府关系嵌入与生产关系嵌入等方面的作用；其次，对部分指标测度采用了数据转换和替代方法，可能会影响研究结果的准确性，这也是后续研究需要着重解决的问题。

[1] 周振华.产业融合:产业发展及经济增长的新动力[J].中国工业经济,2003(4):46-52.

[2] YOUNGJUNG G,MOON-SOO K,SUNGJOO L.How industrial convergence happens: a taxonomical approach based on empirical evidences [J].Technological Forecasting & Social Change,2016(107): 112-120.

[3] HACKLIN F,MARXT C,FAHRNI F.Coevolutionary cycles of convergence: an extrapolation from the ICT industry [J].Technological Forecasting and Social Change,2009,76(6): 723-736.

[4] 单元媛,罗威.产业融合对产业结构优化升级效应的实证研究——以电子信息业与制造业技术融合为例[J].企业经济,2013,32(8):49-56.

[5] BRORING S,MARTIN L,LEKER J.The front end of innovation in an era of industry convergence: evidence from nutraceuticals and functional foods [J].R&D Management,2006,36(5): 487-498.

[6] 綦良群,赵龙双.基于产品价值链的生产性服务业与装备制造业的融合研究[J].工业技术经济,2013,43(12):118-124.

[7] NIEDERGASSEL B,LEKER J.Open innovation: chances and challenges for the pharmaceutical industry[J]. Future Medicinal Chemistry,2009,1(7): 1197-1200.

[8] 汪芳,潘毛毛.产业融合、绩效提升与制造业成长——基于1998—2011年面板数据的实证[J].科学学研究,2015,33(4):530-538.

[9] 赵珏,张士引.产业融合的效应、动因和难点分析——以中国推进“三网融合”为例[J].宏观经济研究,2015(11):56-62.

[10] 林民盾,杜曙光.产业融合:横向产业研究[J].中国工业经济,2006(2):30-36.

[11] 单元媛,赵玉林.国外产业融合若干理论问题研究进展[J].经济评论,2012(5):152-160.

[12] GONG B H,SICKLES R C.Finite sample evidence on the performance of stochastic frontier models using panel data [J].Journal of Productivity Analysis,1989,1(3): 229-261.

[13] COELLI T J,PERELMAN S.A comparison of parametric and non-parametric distance functions: with application to European railways [J].European Journal of Operational Research,1999,117(2): 326-339.

[14] 史修松,赵曙东.中国经济增长的地区差异及其收敛机制(1978—2009年)[J].数量经济技术经济研究,2011,28(1):51-62.

[15] 吴延兵.国有企业双重效率损失研究[J].经济研究,2012,47(3):15-27.