Impact of Technology Transfer on Green Innovation Efficiency in High-tech Manufacturing Industry

Zhou Shuzhen, Deng Qunzhao

(School of Management, Nanchang University, Nanchang 330031, China)

Abstract：In this paper, a two-stage network DEA model is used to measure the green innovation efficiency of China's inter-provincial high-tech manufacturing industry, and a Tobit regression model is established to analyze the difference of the three main technology transfer modes, namely domestic technology transfer, foreign technology introduction and foreign direct investment, in promoting the green innovation efficiency of China's high-tech manufacturing industry. The results show that domestic technology transfer has a significant positive impact on the green innovation efficiency of high-tech manufacturing industry, while foreign technology introduction has a significant inhibitory effect on the green innovation efficiency of high-tech manufacturing industry, and the spillover effect of foreign direct investment is not significant. There is a significant complementary effect between foreign technology introduction and foreign direct investment, while both foreign technology introduction and foreign direct investment have a significant substitution effect on domestic technology transfer. From the perspective of innovation value chain, this paper analyzes the deep-seated reasons for the differences in the functions of the three technology transfer modes, and puts forward some suggestions on promoting the synergy and complementarity of various technology transfer modes.

Key Words:Technology Transfer; High-tech Manufacturing Industry; Green Innovation Efficiency; Innovation Value Chain; Network DEA; Tobit Regression

收稿日期：2021-01-25

修回日期：2021-03-17

基金项目：国家社会科学基金重大项目(15ZDC014)；教育部人文社会科学研究青年基金项目(18YJC630131)

作者简介：周淑贞(1988—)，女，湖北随州人，南昌大学管理学院博士研究生，研究方向为管理系统工程与产业技术创新；邓群钊(1963—)，男，江西余干人，博士，南昌大学管理学院教授、博士生导师，研究方向为管理系统工程与产业技术创新。

DOI：10.6049/kjjbydc.2021010629

开放科学(资源服务)标识码(OSID)：

中图分类号：F264.2

文献标识码：A

文章编号：1001-7348(2021)16-0046-07

0 引言

改革开放以来，中国高技术制造业在坚持自主创新的同时，积极利用技术转移提升技术创新能力，迅速缩小与发达国家的技术差距，在高铁装备、移动通信等多个领域取得显著技术进步。进入新世纪以来，世界大国在高技术制造领域竞争日趋激烈，中国的发展潜力引起发达国家忌惮，中国高技术制造业成为美国重点打压对象。2017年8月，美国开始对中国技术转移和创新相关政策实施调查；2018年8月，美国发布《出口管制改革法案》，将对华技术出口管制范围从关键技术扩展到新兴和基础技术[1]。随后，美国陆续将华为、奇虎360、烽火科技等中国芯片、通信和互联网企业列入实体清单，以阻碍中国高技术企业利用技术转移提升创新能力。

绿色创新效率是衡量创新能力的重要指标，提升绿色创新效率是提高中国高技术制造业创新能力的客观要求，而利用技术转移整合全球技术资源是实现这一要求的重要途径。在当前国际环境下，中国如何通过调整技术转移政策促进高技术制造业绿色创新效率提升日益受到关注。为此，首先要明确两个问题：中国高技术制造业绿色创新效率如何？技术转移会对高技术制造业绿色创新效率产生何种影响？针对上述问题，本文引入网络DEA模型测度中国省际高技术制造业绿色创新效率，并基于创新价值链视角深入分析技术转移与高技术制造业绿色创新效率之间的关系，从而为新形势下制定高技术制造业技术转移政策，提升绿色创新效率提供现实依据。

1 文献回顾

现有文献从区域、行业和企业层面对中国高技术制造业创新效率进行测度与评价[2-4]，但无论是从区域、行业还是企业层面，研究结果大多证实中国高技术制造业创新效率存在较大提升空间[2-3]。从创新效率测度方法看，早期文献将创新过程视作“黑箱”，即将创新过程视为整体，多采用DEA或者SFA方法对高技术制造业创新效率进行评价[3-4]。近年来，更多文献从价值链视角分析高技术制造业创新效率。所谓创新价值链，就是将创新视为包括创意产生、转化和扩散的多阶段连续过程，这种观点有助于深入分析创新活动的优劣势[5]，相关文献多采用网络DEA方法，这种方法能够解构高技术制造业创新过程，从而深入分析不同创新阶段的效率[6-8]。

尽管对中国高技术制造业创新效率的研究文献比较丰富，但这些文献很少考虑创新过程中的环境污染因素，缺乏对绿色创新效率测度的研究。一些文献尝试将非合意产出纳入创新效率分析框架，如王惠等[9]、彭峰等[10]将SO2排放量作为非合意产出，测度中国高技术制造业绿色创新效率。但上述文献都将绿色创新过程视作“黑箱”，测度的是高技术制造业整体绿色创新效率。还有一些文献基于价值链视角分析高技术制造业多阶段创新效率，如肖仁桥等[6]、冯志军等[7]、Chen等[8]分别运用不同网络DEA方法测度中国高技术制造业创新效率。然而，这些文献没有考虑高技术制造业创新过程中的非合意产出因素。因此，基于价值链视角对高技术制造业绿色创新效率进行测度的文献仍然比较鲜见。

一些文献考察了高技术制造业创新效率的影响因素，重点分析了技术转移与中国高技术制造业创新效率之间的关系。技术转移是从外部获取创新所需技术知识的过程[11]，主要包括国内技术转移、技术引进和外商直接投资等方式[10-11]。关于技术引进和外商直接投资在高技术制造业创新效率提升中的作用，现有研究尚未形成一致结论[12-13]；少量文献考察了国内技术转移对高技术制造业创新效率的影响并证实国内技术转移具有积极作用[14-15]。从研究方法看，已有文献多采用SFA方法或者DEA-Tobit两阶段分析模型，对于后者通常是先采用DEA方法测度创新效率，再进一步建立Tobit回归分析模型进行分析[6]。

由于缺乏基于创新价值链视角对高技术制造业绿色创新效率进行测度的研究，现有文献鲜有分析技术转移在不同创新阶段对绿色创新效率提升的作用[10-11]。许庆瑞等[11]考察技术转移对高技术制造业多阶段创新效率的影响，但忽视了创新过程中的环境污染因素。高技术制造业绿色创新需要不同技术知识输入与交互[16-17]，在不同创新阶段，不同技术转移方式对绿色创新效率提升具有何种作用？各种方式之间是否具有互补性？对于这些问题，现有文献很少从价值链视角进行验证。

鉴于此，本文基于价值链视角,构建高技术制造业绿色创新投入与产出指标体系，运用考虑环境污染的网络DEA模型测度高技术制造业绿色创新效率。在此基础上，借助Tobit回归模型分析国内技术转移、国外技术引进和外商直接投资在高技术制造业绿色创新效率提升中的作用差异。不同于已有研究，本文不仅基于价值链视角测度高技术制造业绿色创新效率，还对3种技术转移方式在绿色创新各阶段中的影响差异及其交互作用进行深入分析。

2 理论分析

全球竞争、快速动态的技术变革以及越来越短的产品生命周期重塑了企业运作环境。企业不得不引进新技术，并被迫在创新中寻求竞争优势[18]。技术转移成为企业提升竞争力和创新能力的重要途径。利用技术转移和实施创新可以使企业满足市场和国际竞争要求[19]。利用外部知识的能力被证明是创新成功的关键[20]。

通过引进技术，发展中国家企业能够采用更高质量的投入和更高效的生产方式提升技术能力[21]，还可以在引进技术基础上进行再创新，在较短时间内实现技术赶超[18,22]。理论上，高技术的引进可能会产生更多外溢效应[23]。然而，也有研究证实，引进高技术不一定会提高创新效率，因为缺乏吸收能力和创新体系，发展中国家进口商可能不会熟练使用外国技术[24]。来自发达国家的外商直接投资通常被认为对发展中国家具有技术溢出效应[25]。跨国公司的子公司比东道国国内公司更倾向于引进产品和工艺创新，特别是母公司的新产品和新工艺，但跨国公司的子公司很少引进其它公司或者东道国市场的新技术[26]。尽管跨国公司比东道国国内企业更具竞争力，但其子公司依赖母公司的技术转移[27]。因而，外国直接投资可能是技术转移的渠道，但不一定会促进东道国创新效率提升[28]。国内技术转移也是中国高技术制造业技术创新的重要途径。国内技术转移是中国高技术制造业创新和增长的重要因素[14]，中国政府采取多种政策措施大力推进本土企业与高校、科研院所协同创新[29]，中国高技术制造企业可以通过产学研合作提升创新效率，高科技制造企业创新效率与大学—产业—政府合作存在正向联系[15]。

绿色创新的本质要求组织在应对不同技术经济问题时[30]，需要有不同技术知识输入与交互[16-17]。创新成功与否受外部技术获取的影响，但最重要的是受绿色创新过程各阶段不同技术相互作用的影响[31]。基于此，本文拟考察高技术制造业绿色创新过程的不同阶段，各种技术转移方式的作用差异及互补性。

3 研究方法与数据来源

3.1 经验设定

为分析国内技术转移、国外技术引进和外商直接投资在中国高技术制造业绿色创新效率提升中的作用，本文首先设定基准模型如下：

GIEit=α0+α1DTTit+α2FTTit+α3FDIit+γkZit+εit

(1)

式(1)中，i为省份，t为年份，GIEit表示中国省际高技术制造业绿色创新效率，DTTit表示国内技术转移，FTTit表示国外技术引进，FDIit表示外商直接投资，ε为误差项，控制变量Zit包括人力资本水平、环境规制和区位因素[29]。

绿色创新要求不同技术知识输入与交互[16-17]。为此，本文引入3种技术转移方式的两两交互项，进一步构建计量模型如下：

GIEit=α0+α1DTTit+α2FTTit+α3FDIit+βjØit+γkZit+εit

(2)

式(2)中，βjØit=β1DTTit*FTTit+β2DTTit*FDIit+β3FTTit*FDIit。

基于创新价值链视角，进一步分析国内技术转移、国外技术引进和外商直接投资在绿色创新效率提升中的作用差异，设定研发阶段基准模型如下：

RDEit=α'0+α'1DTTit+α'2FTTit+α'3FDIit+γ'kZit+ε'it

(3)

式(3)中，RDEit为研发效率，ε'为误差项。

引入3种技术转移方式的两两交互项，构建计量模型如下：

RDEit=α'0+α'1DTTit+α'2FTTit+α'3FDIit+β'jØit+γ'kZit+ε'it

(4)

式(4)中，β'jØit=β'1DTTit*FTTit+β'2DTTit*FDIit+β'3FTTit*FDIit。

设定商业化阶段基准模型如下：

CEit=α''0+α''1DTTit+α''2FTTit+α''3FDIit+γ''kZit+ε''it

(5)

式(5)中，CEit为商业化效率，ε''为误差项。

引入3种技术转移方式的两两交互项，构建计量模型如下：

CEit=α''0+α''1DTTit+α''2FTTit+α''3FDIit+β''jØit+γ''kZit+ε''it

(6)

式(6)中，β''jØit=β''1DTTit*FTTit+β''2DTTit*FDIit+β''3FTTit*FDIit。

3.2 因变量

将高技术制造业绿色创新分为研发和商业化两个阶段。其中，研发阶段的投入包括R&D人员和R&D资本，分别用高技术制造业R&D全时当量(FTERDP)和R&D资本存量(RDS)衡量(谢子远和王佳，2020)；产出包括高技术制造业专利申请数(PA)和拥有发明专利数(NP)[32]，这两项指标同时也是商业化阶段的投入。商业化阶段还有物质资本和劳动力两种补充投入，分别用高技术制造业物质资本存量(K)和从业人员数(L)衡量[29]。商业化阶段的合意产出包括高技术制造业新产品销售收入(YNP)和主营业务收入(Y)[8]，非合意产出为高技术制造业SO2排放量[9-10]。

由于高技术制造业绿色创新过程分为多个阶段，涉及多种投入和产出，因而在测度绿色创新效率时需要借助网络DEA 模型[33]。在规模报酬可变及弱可处置性假设下，具有非期望最终产出的两阶段网络DEA全局效率及其分阶段效率可通过模型一并求解[34]。

Mine0=

(7)

s.t.

第一阶段约束条件:

第二阶段约束条件:

一般约束：

αk,μk≥0, k=1,…,K

0≤θj,βn,φt≤1, for all j,n,t.

3.3 解释变量与控制变量

根据许庆瑞等[11]的研究，本文选取国内技术转移、国外技术引进和外商直接投资3种主要技术转移方式作为解释变量。对于国内技术转移(DTT)和国外技术引进(FTT)，借鉴谢子远和王佳(2020)的方法，采用购买境内技术经费支出和引进技术经费支出数据，运用永续盘存法(PIM)分别计算国内技术转移知识存量和技术引进知识存量；对于外商直接投资(FDI)，根据高技术制造业相关行业外商资本和实收资本数据[29]，用外商资本在实收资本中的比重表示FDI[35]。

控制变量包括人力资本水平(HC)、环境规制(ER)和地区虚拟变量。其中，人力资本水平(HC)用从业人员占当地人口比重表示[36]；对于环境规制(ER)，根据《中华人民共和国循环经济促进法》实施时间，2009年以后ER取值1；分别用MID、WE代表中部和西部。

3.4 数据

本文选取2006—2018年中国内地28个省市(其它3个省份因数据缺失较多，未纳入统计)高技术制造业相关指标面板数据，实证分析国内技术转移、国外技术引进和外商直接投资3种主要技术转移方式在高技术制造业绿色创新效率提升中的作用。数据来源于EPS数据平台，其中，用于衡量国内技术转移(DTT)变量的购买境内技术经费支出数据，以及用于衡量国外技术引进(FTT)变量的引进技术经费支出数据，从EPS数据平台的中国高技术产业数据库中获取；用于衡量外商直接投资(FDI)变量的外商资本和实收资本数据从EPS数据平台的中国工业经济数据库中获取。变量描述性统计结果如表1所示。

4 结果讨论

由于绿色创新效率、研发效率和商业化效率数值都介于0～1之间，具有截断特征，因而本文采用面板Tobit回归模型分析国内技术转移(DTT)、国外技术引进(FTT)和外商直接投资变量(FDI)对中国高技术制造业绿色创新效率的影响差异，并对估计结果进行稳健性检验。

4.1 估计结果

本文分别运用式(2)、(4)、(6)分析3类技术转移在中国高技术制造业绿色创新效率提升中的作用，模型1、2、3分别以绿色创新效率(GIE)、研发效率(RDE)和商业化效率(CE)为因变量，估计结果如表2所示。LR检验结果证实3个模型都适合使用随机效应的Tobit回归方法。

4.1.1 技术转移对中国高技术制造业绿色创新效率影响的估计结果

模型1结果显示，国内技术转移对中国高技术制造业绿色创新效率的回归系数显著为正(0.225 8)，说明积极促进国内技术转移有助于提升中国高技术制造业绿色创新效率；国外技术引进对中国高技术制造业绿色创新效率的回归系数显著为负(-0.053 6)，意味着国外技术引进会阻碍中国高技术制造业绿色创新效率提升，但这种阻碍作用的影响程度较小；外商直接投资的估计系数为正，但在统计上并不显著，表明外商直接投资对中国高技术制造业绿色创新效率没有显著影响。

同时，国外技术引进、外商直接投资两类国际技术转移与国内技术转移交互项的估计系数都显著为负(-0.036 9、-0.012 5)，说明国际技术转移尚未与国内技术转移实现融合互补；国外技术引进与外商直接投资交互项的估计系数显著为正(0.000 9)，说明两者在中国高技术制造业绿色创新过程中存在有限的互补效应。

此外，人力资本水平和环境规制的回归系数均显著为正，说明人力资本水平提高、环境法规实施力度加大都有助于促进高技术制造业绿色创新效率提升。中部地区的回归系数均显著为负，表明区域因素对中国高技术制造业绿色创新效率具有重要影响。

4.1.2 技术转移对中国高技术制造业研发效率影响的估计结果

模型2结果显示，国内技术转移对中国高技术制造业研发效率的回归系数显著为正(0.240 9)，说明国内技术转移显著促进中国高技术制造业研发效率提升；国外技术引进的回归系数显著为负( -0.104 7)，表明技术引进不利于中国高技术制造业研发效率提升；外商直接投资的回归系数为正，但在统计上并不显著，表明外商直接投资对高技术制造业研发不具有显著溢出效应。

同时，国内技术转移与国外技术引进交互项的估计系数不显著(0.002 1)，说明在研发阶段两者间不具有显著互补效应；国内技术转移与外商直接投资交互项的估计系数显著为负(-0.021 0)，说明在研发阶段两者间存在显著替代效应；国外技术引进与外商直接投资交互项的估计系数显著为正(0.001 8)，说明在研发阶段两者间存在互补效应，并显著促进高技术制造业研发效率提高。

此外，人力资本水平和环境规制的估计系数均显著为正，说明人力资本水平提高、环境法规实施力度加大都有助于高技术制造业研发效率提升。地区虚拟变量的回归系数在统计上不显著。

4.1.3 技术转移对中国高技术制造业商业化效率影响的估计结果

模型3结果显示，国内技术转移对中国高技术制造业商业化效率的回归系数显著为正(0.169 2)，说明国内技术转移会促进中国高技术制造业商业化效率提升；国外技术引进对中国高技术制造业商业化效率的回归系数为负且在统计上不显著；外商直接投资对中国高技术制造业商业化效率的回归系数为负且在统计上不显著。

同时，国内技术转移与国外技术引进交互项的估计系数显著为负(-0.068 4)，说明两者在商业化过程中存在显著替代效应；国内技术转移与外商直接投资交互项的估计系数在统计上不显著；国外技术引进与外商直接投资交互项的估计系数在统计上也不显著。

此外，人力资本水平对中国高技术制造业商业化效率的回归系数显著为正，说明提高人力资本水平能显著促进高技术制造业商业化效率提升。环境规制对中国高技术制造业商业化效率的回归系数显著为正，说明《中华人民共和国循环经济促进法》的实施，促进了高技术制造业商业化效率提升。中部地区虚拟变量的回归系数显著为负，表明区域因素对中国高技术制造业商业化效率具有重要影响。

4.2 稳健性检验

采用面板Tobit回归模型估计时可能存在内生性问题，本文采用常规做法，对自变量取滞后项进行处理[37]。表2是对自变量作滞后一期处理的回归结果，用Wald统计量进行内生性检验，3个模型对应的p值分别为0.602 4、0.307 8和0.769 0，接受原假设，因此认为不存在内生性问题。为检验估计结果的稳健性，表3给出了对自变量作滞后二期处理得到的回归结果。其中，模型4、5、6分别以绿色创新效率(GIE)、研发效率(RDE)和商业化效率(CE)为因变量。LR检验结果证实模型适合使用随机效应的Tobit回归，Wald检验表明模型不存在内生性问题。比较表2与表3的结果可以发现，3种技术转移方式及其交互作用对绿色创新效率、研发效率和商业化效率影响的估计结果具有较好的稳健性。

5 结论与展望

5.1 研究结论

本文运用考虑非合意产出的两阶段网络DEA模型测度中国省际高技术制造业绿色创新效率，并借助Tobit回归模型分析国内技术转移、国外技术引进和外商直接投资3种主要技术转移方式对高技术制造业绿色创新效率的影响差异。本文得出以下主要结论：

(1)3种技术转移方式对中国高技术制造业绿色创新效率的作用存在显著差异。国内技术转移显著促进高技术制造业绿色创新效率提升。原因可能在于，中国积极支持高技术企业从市场需求出发，与高校、科研院所组成战略联盟，联合研发先进绿色技术。同时，随着国家技术转移体系逐步完善，产学研合作研发成果能够实现快速转化和应用，提高了高技术制造业市场竞争力。因而，在高技术制造业绿色创新过程中，国内技术转移不仅提高了研发效率，而且也提高了商业化效率，是促进中国高技术制造业绿色创新效率提升的重要驱动力。国外技术引进显著阻碍高技术制造业绿色创新效率提升。主要原因在于国外技术引进对中国高技术制造业研发效率存在显著抑制作用。当前，中国高技术制造业中仍然存在大量“卡脖子”技术领域，这些领域长期依赖国外技术，由于缺乏相应的技术吸收能力，持续的技术引进导致研发效率低下。此外，由于国外技术供给方通常在本国有着完善的商业化应用渠道，因而国外技术引进对中国高技术制造业商业化效率不具有显著正向影响。外商直接投资对高技术制造业绿色创新效率的影响不显著。从创新价值链视角看，外商直接投资对中国高技术制造业研发效率和商业化效率的影响都不显著。由于外资子公司通常将研发活动保留在本国母公司内部，子公司大多在华从事低端加工制造业，容易产生环境污染问题，对国内研发的技术溢出效应有限。由于依赖从母公司直接转移技术，外资企业没有参与东道国技术转移活动的意愿，因而外商直接投资也不能提升中国高技术制造业商业化效率。

(2)国内技术转移与国外技术引进之间存在替代效应，这一现象在商业化阶段比研发阶段更为显著。由于发达国家对高技术的出口管制，引进技术的适宜性和可移植性都受到限制，难以实现高效的成果转化，最终对高技术制造业绿色创新效率产生负面影响。国内技术转移与外商直接投资两者间也存在替代效应，这一现象在研发阶段比商业化阶段更为显著。外资企业的高技术产品会对中国本土高技术制造企业市场空间产生挤压和替代作用，从而在一定程度上抑制高技术制造业研发创新。国外技术转移与外商直接投资两类国际技术转移之间存在互补效应，这种效应在研发阶段更为显著。原因可能在于，外资企业能够从母公司获得技术转移[10]，面临外资企业的技术优势，国内企业不得不增加研发投入，以提高市场竞争力，因而在一定程度上促进中国高技术制造业研发效率提升。

5.2 研究贡献

本文拓展了高技术产业绿色创新效率的研究视角。现有文献缺乏基于价值链视角的绿色创新效率测度研究，既有研究或将创新过程视为“黑箱”，测度单一阶段绿色创新效率[9-10]；或基于创新价值链视角测度创新效率，但没有考虑环境污染因素[11]。本文基于创新价值链视角构建考虑环境污染的两阶段网络DEA模型，为测算中国高技术制造业绿色创新效率、研发效率和商业化效率提供了一种可行方法。

本文深化了技术转移对高技术绿色创新效率影响的机理研究。高技术制造业绿色创新不仅要求有效获取外部技术，还需要多种技术知识交互。许庆瑞等[11]基于价值链视角考察技术转移与高技术制造业创新效率之间的关系。本文从两方面对此进行拓展，不仅考虑了创新过程中的环境污染因素，还验证了各种技术转移方式在绿色创新过程各阶段的交互作用，从而深化了对各种技术转移方式在高技术制造业绿色创新效率提升中不同作用的认知。

5.3 实践启示

上述结论的政策启示在于：首先，当前高技术制造业国际竞争日益激烈，随着发达国家对高技术管制日益严格，国内技术转移将在提升中国高技术制造业绿色创新效率中发挥更大作用，本文也证实了国内技术转移的重要作用。为此，要明确高技术制造业对新兴技术的市场需求，完善国家技术交易网络平台，实现高新技术供给与需求的有效对接。同时，完善科技成果转化机制，加快科技成果权属改革，通过产权激励提高科研人员对成果转化的积极性。此外，还需不断推进中介服务机构和中试平台建设，为成果转化提供精准服务。其次，高技术制造业绿色创新依赖不同技术知识交互，在大力促进国内技术转移的同时，也应注重利用技术引进和外商直接投资推动高技术制造业绿色创新，促使多种技术转移方式形成互补效应。为此，一方面，亟需为高技术制造企业引进适宜技术提供决策支持，促进高技术企业对引进技术资源进行有效整合；另一方面，也需要完善外商直接投资政策法规，为吸引高质量外商投资营造良好的市场环境。最后，当前世界各国都在积极抢占高技术制高点，中国高技术制造业要积极利用各种技术转移提升绿色创新效率，同时注重加大研发投入和科技人才培养力度，提升高技术企业研发能力和商业化能力，以更好地利用技术转移，进一步提升高技术制造业绿色创新效率。

5.4 不足与展望

本研究不可避免存在不足之处。本文将环境污染纳入创新效率分析框架研究技术转移对高技术制造业绿色创新效率的影响，但受限于数据的可获取性，本文在测度绿色创新效率时没有考虑能源消耗因素。此外，中国各省市不同环境管制政策也会影响技术转移方式选择，本文在研究技术转移与高技术制造业绿色创新效率的关系时没有考虑这些因素。以上都将是下一步研究重点。

参考文献:

[1] 韩爽.美国出口管制从关键技术到新兴和基础技术的演变分析[J].情报杂志,2020,39(12):33-39.

[2] JIANG L,JIANG Y Y,WU Z J,et al.The measurement of innovation efficiency of Chinese high-tech industry using data envelopment analysis[J].Acta Oeconomica,2015,65(S2):101-113.

[3] 韩晶.中国高技术产业创新效率研究:基于SFA方法的实证分析[J].科学学研究,2010,28(3):467-472.

[4] 赵树宽,余海晴,巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J].科研管理,2013,34(2):36-43,104.

[5] HANSEN M T,BIRKINSHAW J.The innovation value chain[J].Harvard Business Review,2007,85(6):121-130,142.

[6] 肖仁桥,钱丽,陈忠卫.中国高技术产业创新效率及其影响因素研究[J].管理科学,2012,25(5):85-98.

[7] 冯志军,陈伟.中国高技术产业研发创新效率研究:基于资源约束型两阶段DEA模型的新视角[J].系统工程理论与实践,2014,34(5):1202-1212.

[8] CHEN X F,LIU Z Y,ZHU Q Y.Performance evaluation of China's high-tech innovation process:analysis based on the innovation value chain[J].Technovation,2018,74-75:42-53.

[9] 王惠,王树乔,苗壮,等.研发投入对绿色创新效率的异质门槛效应:基于中国高技术产业的经验研究[J].科研管理,2016,37(2):63-71.

[10] 彭峰,周淑贞.环境规制下本土技术转移与我国高技术产业创新效率[J].科技进步与对策,2017,34(22):115-119.

[11] 许庆瑞,李杨,吴画斌.市场机制与非市场机制下的技术转移,哪种有利于提升创新能力[J].管理工程学报,2020,34(4):196-206.

[12] ZHANG D Y,ZHENG W P,NING L T.Does innovation facilitate firm survival? evidence from Chinese high-tech firms[J].Economic Modelling,2018,75:458-468.

[13] 袁胜军,彭长生,钟昌标,等.创新驱动背景下企业外来技术比重变化研究[J].中国软科学,2018,33(7):39-48.

[14] WANG Y D,ROIJAKKERS N,VANHAVERBEKE W,et al.How Chinese firms employ open innovation to strengthen their innovative performance[J].International Journal of Technology Management,2012,59(3/4):235.

[15] CHEN F Y,WU C,YANG W N.A new approach for the cooperation between academia and industry:an empirical analysis of the triple helix in East China[J].Science,Technology and Society,2016,21(2):181-204.

[16] CAINELLI G,DE MARCHI V,GRANDINETTI R.Does the development of environmental innovation require different resources? evidence from Spanish manufacturing firms[J].Journal of Cleaner Production,2015,94:211-220.

[17] KETATA I,SOFKA W,GRIMPE C.The role of internal capabilities and firms' environment for sustainable innovation:evidence for Germany[J].R&D Management,2015,45(1):60-75.

[18] YU L P,LI H Y,WANG Z G,et al.Technology imports and self-innovation in the context of innovation quality[J].International Journal of Production Economics,2019,214:44-52.

[19] SACHPAZIDU-WOJCICKA K.Innovation as a determinant of the competitiveness of Polish enterprises[J].Oeconomia Copernicana,2017,8(2):287-299.

[20] LEIPONEN A,HELFAT C E.Innovation objectives,knowledge sources,and the benefits of breadth[J].Strategic Management Journal,2010,31(2):224-236.

[21] ANDERSSON M,STONE T A.Global sourcing and technical efficiency:a firm-level study on the ICT industry in Sweden[J].Journal of Business Economics and Management,2017,18(5):877-896.

[22] AWATE S,LARSEN M M,MUDAMBI R.Accessing vs sourcing knowledge:a comparative study of R&D internationalization between emerging and advanced economy firms[J].Journal of International Business Studies,2015,46(1):63-86.

[23] BELITZ H,MÖLDERS F.International knowledge spillovers through high-tech imports and R&D of foreign-owned firms[J].The Journal of International Trade & Economic Development,2016,25(4):590-613.

[24] FERNNDEZ J,GAVILANES J C.Learning-by-importing in emerging innovation systems:evidence from Ecuador[J].The Journal of International Trade & Economic Development,2017,26(1):45-64.

[25] LENGER A,TAYMAZ E.To innovate or to transfer[J].Journal of Evolutionary Economics,2006,16(1-2):137-153.

[26] MUSTAPHA N,MENDI P.Multinational corporations as channels for international technology transfer:evidence from the South African innovation survey[J].SouthAfricanJournal of Economic and Management Sciences,2015,18(1):128-142.

[27] ALMEIDA R,FERNANDES A M.Openness and technological innovations in developing countries:evidence from firm-level surveys[J].The Journal of Development Studies,2008,44(5):701-727.

[28] QU Y,WEI Y Q.The role of domestic institutions and FDI on innovation:evidence from Chinese firms[J].Asian Economic Papers,2017,16(2):55-76.

[29] 彭峰,李燕萍.技术转移方式、自主研发与高技术产业技术效率的关系研究[J].科学学与科学技术管理,2013,34(5):44-52.

[30] GHISETTI C,MARZUCCHI A,MONTRESOR S.The open eco-innovation mode.an empirical investigation of eleven European countries[J].Research Policy,2015,44(5):1080-1093.

[31] BEN ARFI W,HIKKEROVA L,SAHUT J M.External knowledge sources,green innovation and performance[J].Technological Forecasting and Social Change,2018,129:210-220.

[32] ZHANG B,LUO Y,CHIU Y H.Efficiency evaluation of China's high-tech industry with a multi-activity network data envelopment analysis approach[J].Socio-Economic Planning Sciences,2019,66:2-9.

[33] SHAO L G,YU X,FENG C.Evaluating the eco-efficiency of China's industrial sectors:a two-stage network data envelopment analysis[J].Journal of Environmental Management,2019,247:551-560.

[34] MAGHBOULI M,AMIRTEIMOORI A,KORDROSTAMI S.Two-stage network structures with undesirable outputs:a DEA based approach[J].Measurement,2014,48:109-118.

[35] 毛日昇,魏浩.所有权特征、技术密集度与FDI技术效率外溢[J].管理世界,2007,23(10):31-42.

[36] 李梅,柳士昌.人力资本与国际R&D溢出:基于OFDI传导机制的实证研究[J].科学学研究,2011,29(3):373-381,402.

[37] 肖仁桥,陈忠卫,钱丽.异质性技术视角下中国高技术制造业创新效率研究[J].管理科学,2018,31(1):48-68.

(责任编辑：陈 井)