制造业技术创新策略:技术水平与技术来源选择

乔翠霞,杨晨曦

(山东师范大学 经济学院,山东 济南 250358)

摘 要:制造业技术创新离不开合理的技术来源选择,而选择技术来源必须考虑行业实际技术水平,这样才能更有针对性地促进技术创新。鉴于此,采用2003—2019年我国制造业细分行业面板数据,按照技术水平进行分组回归,实证检验不同技术来源对不同技术水平行业技术创新的影响。研究表明,自主研发对以专利为代表的技术创新存在显著促进作用,且在高技术行业中的作用更突出;对于以发明专利为代表的实质性创新,自主研发仅在非高技术产业样本中存在创新激励作用,在高技术产业样本中,技术引进则发挥显著促进作用。进一步分析不同技术来源对技术创新经济效益的影响发现,国外技术引进和国内技术购买会抑制技术创新经济效益增长,而技术改造和自主研发会促进技术创新经济效益增长,且其作用效果在低技术行业中更为显著。结论可为我国制造业细分行业针对性选择技术来源、优化技术创新策略提供现实依据。

关键词:技术创新;技术水平;技术来源选择;制造业

Technological Innovation Strategy in Manufacturing Industry:Technology Level and Choice of Technology Sources

Qiao Cuixia, Yang Chenxi

(School of Economics, Shandong Normal University, Jinan 250358, China)

AbstractTechnological innovation is one of the keys to manufacturing capacity development and it requires reasonable innovation strategy. The key is to choose appropriate technology sources. The technical characteristics of different manufacturing segments vary, and there is not a universal technology innovation strategy suitable for all manufacturing industries.

Although theoretically there are multiple sources of technology, in practice homogenization of technology prevails due to the pursuit of innovation quantity or the dependence on innovation path, which is mainly manifested by the abuse of R&D investment and strict external technology control leading to the waste of innovation resources and low-quality innovation. Hence there is great optimization need of the current technology source selection method. This paper focuses on the impact of different technology sources on industry technological innovation from the perspective of technology level, and distinguishes technological innovation indicators such as patents, invention patents and new product sales revenue to provide valuable reference for manufacturing industry.

This paper takes the balanced panel data of manufacturing industry segments from 2003 to 2019 to empirically test the heterogeneous effects of different technology sources on technological innovation in industries with different technology levels. As the manufacturing industry segments experienced three changes in 2002, 2011 and 2017, in order to ensure the consistency of statistical caliber, this paper merges and adjusts the data of manufacturing industry segments according to the approximation of the industries and the way of changes, so that the adjusted industry technology level does not cause drastic fluctuations, and finally gets 28 manufacturing industry segments with a total of 476 samples. The manufacturing industry segments are classified into high-tech industry group and the rest into medium and low-tech industry group, meanwhile, with reference to the study of Yuanhai Fu et al. (2014), the manufacturing segments are divided into high, medium and low technology industry for robustness testing.

It is found that firstly the effects of different technology sources on the overall output level of patents vary, among which the promotion effect of independent research and development is the most prominent, and the innovation incentive effect is more significant in industries with higher technology level. Secondly, for substantive innovation represented by invention patents, the incentive effect of technology introduction is better than that of independent R&D in high-tech industries because it can complement the key aspects of innovation and avoid R&D risks, while the opposite is true in non-high-tech industries. At the same time, domestic technology purchase has a dampening effect on invention patents, especially in high-tech industries, suggesting that domestic technology flow does not promote the quality of innovation in the industry, but rather hinders the iteration of advanced technologies. Finally, for the economic benefit of technological innovation characterized by new product sales revenue, foreign technology introduction and domestic technology purchase inhibit its growth, while technological transformation and independent R&D promote its growth due to the low absorption efficiency and high degree of domestic technology homogenization, and the corresponding effects are more significant in low-tech industries.

The contribution of this paper lies in the following aspects. Firstly, this paper analyzes the heterogeneous effects of technology sources on industry technological innovation in industries with different technology levels. Secondly, it distinguishes between patents and invention patents to examine the heterogeneous effects of technology sources on technological innovation at different levels, and further analyzes the reasons for the coexistence of high R&D investment and low quality innovation. Finally, based on the heterogeneous influence of technology sources on industry technological innovation, it analyzes technology sources which should be adopted by different oriented manufacturing segments and propose technological innovation strategies.

This paper suggests to firmly regard independent R&D as the main source of technological progress, and strengthen the examination of patent quality to avoid low-quality innovation. Secondly, we should balance technology introduction and independent R&D and seek cooperative innovation to make up for the disadvantage of independent R&D. Finally, we need to develop innovation strategies oriented to innovation objectives such as market effectiveness or core competencies to apply innovation resources effectively.

Key Words:Technology Innovation; Technology Level; Technology Source Selection;Manufacuring Industry

收稿日期:2021-07-19

修回日期:2021-09-28

基金项目:国家社会科学基金后期资助项目(18FJY015);山东省社会科学规划项目(21CWTJ01)

作者简介:乔翠霞(1972—),女,山东即墨人,博士,山东师范大学经济学院执行院长、教授,研究方向为技术创新理论与政策;杨晨曦(1997—),男,山东平原人,山东师范大学经济学院硕士研究生,研究方向为技术创新理论与政策。

DOI10.6049/kjjbydc.C202107166

开放科学(资源服务)标识码(OSID):

中图分类号:F403.6

文献标识码:A

文章编号:1001-7348(2022)06-0072-10

0 引言

我国一直以来高度重视制造业技术进步,党的十九大报告明确提出,“加快建设制造强国,加快发展先进制造业”;十九届五中全会也提出,在“十四五”期间要实现“创新能力显著提升,产业基础高级化、产业链现代化水平明显提高”。但现阶段我国制造业存在高级化程度不够、核心领域有待突破、关键技术受制于人的困境。因此,如何实现制造业技术创新是亟待解决的重大问题。

对于相对落后的经济体,其制造业技术创新来源主要有两种,即外部技术来源和内部技术来源,具体而言,又可以细分为技术引进、国内技术购买、消化吸收、技术改造和自主研发[1]。与许多新兴经济体一样,我国制造业技术进步正经历由技术引进向自主研发转换的过程。《中国工业企业科技活动统计年鉴》《中国科技统计年鉴》数据显示,相比于2003年同期,2019年我国制造业R&D经费内部支出增长近20倍,而技术引进支出增长则较为缓慢,二者比例差距逐渐扩大,这一差距在高技术产业中尤为明显。这一方面说明近年来制造业各行业对自主研发的重视程度不断提高,研发投入不断增加;另一方面,随着发达国家对我国加强技术封锁,我国制造业尤其是高技术产业获得外部先进技术的难度大大增加。虽然我国专利绝对量较大且增速较快,但发明专利占比却不乐观。专利平均R&D经费成本出现明显下降,发明专利平均R&D经费成本下降比例更大。随着技术水平整体提升,技术创新难度也应有所增加,但技术创新需要付出的成本反而在降低,高质量创新比例也没有大幅上升。有学者指出,我国企业在产业政策激励下,往往会作出轻创新质量而重创新数量的决策[2],换言之,大量R&D投入可能会带来低质量创新,这让学者们不得不思考,现行技术来源选择方式是否有进一步优化的空间。巨大研发投入与低质量创新产出的矛盾只是我国制造业技术进步现实的一个缩影,背后体现的是研发投入滥用和外部技术过度控制的问题。因此,本文旨在研究如何选择技术来源,以最大程度促进制造业技术创新。

影响技术获取方式的因素有很多,且主要集中在地区和外部环境层面[3-4],鲜有文献从行业角度探讨这个问题。尽管已有文献分析的侧重点不同,但或多或少都提到了技术特征,包括技术生命周期、技术地位、技术不确定性等。可以推测,可能正是由于不同制造业细分行业技术特征不同,导致不同技术来源对行业技术创新的作用也不相同。然而,不考虑行业实际技术水平,盲目增加自主研发投入而忽视其它技术来源,一定程度上也会导致创新资源浪费与低质量创新。因此,技术水平差异是否会导致不同技术来源对行业技术创新的影响存在差异?在此基础上,不同技术来源对不同质量和类型技术创新的影响是否一致?本文从技术水平角度出发,研究不同技术来源对行业技术创新的影响,并区分专利、发明专利和新产品销售收入等技术创新指标,为制造业细分行业选择最佳技术创新策略提供有价值的参考。

1 文献综述

1.1 技术来源与技术创新

不同学者对于技术来源的具体分类采用不同标准,如林毅夫和张鹏飞[5]认为,发展中国家除采用自主研发方式实现技术进步外,技术引进无疑是成本较低的技术变迁方式;金碚[6]从技术进步方式角度指出,一国工业技术进步一方面依靠原发性技术创新,也就是本国自主研发,另一方面依靠扩散性技术,也就是对已有技术的模仿、学习和购买。尽管技术来源的具体区分方式众说纷纭,但基本上还是将外部技术与自主研发作为区分标准。由于吸收、改造均是基于引进或购买后的技术进行的,本文为区分外部技术与自主研发,将技术引进、国内技术购买以及在此基础上进行的消化吸收和技术改造视为外部技术获取。

目前国内外对技术获取方式与技术创新之间关系的研究主要集中在外部技术获取与自主研发的关系、不同技术来源对技术创新的异质性影响两个方面。对于前者,部分学者认为外部技术来源与自主研发之间存在互补关系[7-11],且外部技术获取与自主研发都对技术创新存在显著促进作用。如陈怀超等(2020)认为,内部研发是外部技术获取促进技术创新的内在途径,内部研发作为吸收能力的一种体现,对外部技术获取与技术创新之间关系存在正向调节作用;王玉珠[12]指出,技术引进可以通过促进技术吸收与自主创新进而实现技术进步;汤萱[13]、韩亚峰等[14]、Vega-Jurado等[15]认为,外部技术获取与自主研发之间存在替代作用或无明显相关性;陈朝月和许治(2020)研究指出,外部技术获取与自主研发之间不是简单的互补或替代关系,两者对专利、新产品等技术创新目标达到最优的时间不同;刘克寅等(2020)研究发现,在不同技术活动阶段或采用不同技术活动形式时,外部技术与自主研发的替代性和互补性也有所不同。对于后者,过往文献主要探讨技术引进、技术消化吸收、自主研发等技术来源对技术创新的影响,且多以高技术产业为研究样本,但未得出一致结论。大部分文献更加关注技术引进与自主研发对技术创新的影响,如刘磊和刘晓宁(2018)研究指出,自主研发和技术引进对技术创新均存在促进作用;冯志军和陈伟(2013)研究发现,国外技术引进的促进作用优于国内技术购买;孙玮等(2010)认为,自主研发对企业创新生产率的促进作用优于国外技术引进和国内技术购买;俞立平等[1]研究发现,消化吸收也是技术创新的重要补充。

1.2 技术水平与技术创新

关于技术水平对技术创新的影响一般有两种观点。一种认为技术创新增长存在追赶效应,如肖利平和谢丹阳[16]指出,初始创新水平越低的地区,创新增长水平越高。这是因为技术水平较低的地区,其在学习借鉴和模仿外来先进技术方面具有后发优势,从而能够以更快速度实现创新增长。这一观点在行业层面也得到一定支撑,相关研究实证检验了高技术与中低技术产业创新效率的区别,发现高技术产业研发效率存在上升趋势但总体偏低[17],甚至不如中低技术产业创新效率(江剑和官建成,2008)。另一种观点认为,技术水平越高,越有利于技术创新进步,如马名杰和杨超[18]基于科研投入、技术积累、专利产出等实际数据,分析不同技术水平产业的创新能力变化,发现中高技术产业创新能力提升最快,技术水平相对较低的产业创新能力增长有限但较平稳;秦佩恒等(2016)指出,高技术产业在涉及企业研发投入产出的产品创新方面明显优于中低、低技术产业,但在涉及生产技术、生产组织改进的过程创新方面,低技术产业反而更胜一筹。由此可见,尽管技术发展水平不同对行业技术创新能力的影响尚未达成统一结论,但可以确定的是,不同技术发展水平的行业之间存在技术创新能力差异,这也意味着对于不同技术水平的行业,其技术创新策略选择会有所不同。

1.3 技术来源选择影响因素

关于技术来源选择影响因素的研究相对较少,余永泽和张先轸[19]从地区要素禀赋、经济发展水平、制度环境角度分析创新模式选择问题,认为创新模式要与要素禀赋、制度环境及经济发展阶段相适应,只有当一个地区相应条件达到一定程度后,自主研发才有利于该区域技术进步水平提升,否则引进技术后进行模仿性创新反而更加有效;崔雪松和王玲[3]从企业角度指出,企业规模、技术力量、企业战略是影响技术获取方式的重要因素,企业技术地位越高,越倾向于采用自主研发保持其技术地位;Calantone&Stanko[20]指出,随着技术更新速度加快和复杂性提高,企业越来越依赖外部技术获取;严焰和池仁勇(2013)认为,这或许是由于外部技术获取能够集中企业资金,提高劳动生产率,进而提升企业绩效。

已有文献针对技术水平与技术创新、技术来源与技术创新、技术来源选择开展了大量研究,但样本主要集中在地区层面和企业微观层面,行业层面研究较少,少有的行业层面研究文献也主要集中在高技术产业领域,鲜有文献开展不同行业之间的对比分析。此外,关于技术来源作用的研究大多针对单一创新变量,鲜有文献使用不同层次的创新指标进行分析。

本文可能的边际贡献在于:首先,将行业技术水平视作影响企业技术选择的重要因素,分析不同技术水平行业中,技术来源对行业技术创新的异质性影响;其次,区分专利与发明专利,检验技术来源对不同层次技术创新的异质性影响,进一步分析高研发投入与低质量创新并存的原因;最后,基于技术来源对行业技术创新的异质性影响,分析不同导向的制造业细分行业应重点采用何种技术来源,并针对性提出技术创新策略。

2 研究假设

由于创新目的、创新阶段、作用渠道以及技术来源特征等差异,外部技术获取与自主研发对技术创新的作用可能并不一致,这就使针对性地优化技术创新策略选择成为可能。具体而言,通过国外技术引进和国内技术购买能够实现先进技术转移,从而促进技术创新,但二者的作用效果可能存在较大差异。原因在于,尽管出于战略目标和核心利益考虑,发达经济体及其企业不会将关键技术输送到发展中国家,甚至会转移已经淘汰的技术,但由于技术差距的存在,这些技术对发展中国家企业而言仍是先进适用的。同时,技术引进可以规避无效研发,一定程度上能够促进技术创新。国内技术购买实现的是本土企业间的技术转移,可能存在技术低质化和同质化问题,因而其对技术创新的促进作用相对有限。此外,技术吸收与技术改造均是在技术引进基础上实现的,其效果也会受到引进技术质量的影响。尽管技术吸收、改造也是技术创新的重要方式,但其既不如技术引进的作用直接,也不能像自主研发一样带来大的技术突破,因而其对技术创新的促进作用也略逊一筹。

可以看到,技术引进与自主研发是最有代表性的两种技术来源,前者依靠外部技术支持,后者强调自身技术实力的提升,二者对技术创新的作用差异也是学界一直关注的话题。但正如前文所述,技术引进带来的更多是相对落后的国外技术,在短期技术差距较大的情况下确实能够促进技术创新,但长此以往也会陷入低端技术锁定的陷阱。在实践中,高技术产业的技术引进经费呈逐年下降趋势,技术引进的总体绩效仍然不高,对创新成果的影响有限[21]。因此,自主研发或许是产业技术进步更重要的推手。基于上述分析,本文提出以下假设:

H1:不同技术来源对技术创新存在异质性影响,且自主研发对技术创新的促进作用优于其它技术来源。

行业技术创新不仅仅取决于技术来源本身,同时也会受到外部条件和内部因素制约,尤其是受到行业自身技术水平或技术禀赋的限制。一方面,技术能力高低是自主研发能否顺利进行的关键[22];另一方面,技术水平不同,意味着对引进技术的吸收转化能力也不相同。因此,在不同技术水平行业中,不同技术来源对技术创新的影响可能也存在差异。对于一般创新而言,由于其复杂度有限,高技术水平行业可以通过自主研发实现“蛙跳式”技术进步,中低技术水平行业亦可通过技术引进再吸收实现渐进式技术进步[23],自主研发和技术引进对技术创新都能起到一定作用。高质量的实质性创新往往需要长期技术积累、技术突破和完善的技术链条,尤其是在技术水平较高行业中,短时间内难以依靠自主研发实现技术突破,而技术引进能较好地弥补自身技术缺陷,如高质量的进口中间品等,从而避免自主研发的盲目性和不确定性,进而促进技术进步。上述逻辑也得到部分研究成果的佐证,如孙文杰和沈坤荣[24]从行业创新强度视角出发,指出技术引进对创新强度较高行业的技术创新水平促进效果更明显;褚竹君等[25]通过实证检验发现,越接近技术前沿的行业,越倾向于学习进口中间品技术,进而从事专利研发活动。由此,进一步提出以下假设:

H2a:对于一般创新而言,行业技术水平越高,自主研发的促进作用越强;

H2b:对于实质性创新而言,行业技术水平越高,技术引进的促进作用越强。

3 数据处理与模型设定

本文以2003—2019年制造业细分行业平衡面板数据为样本,实证检验不同技术水平行业中,不同技术来源对行业技术创新的异质性影响。

3.1 数据处理

本文使用的专利、技术来源、经营能力、效益指标等数据均来自《中国工业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》。考虑到2002年、2011年和2017年制造业经历了3次行业变更,为保证统计口径的一致性,本文对制造业细分行业数据进行调整,具体处理如下:2002—2011年,橡胶制造业和塑料制造业统一为橡胶与塑料制品业;2011—2019年,汽车制造业和铁路、船舶、航空航天及其它运输设备制造业统一为交通运输设备制造业,纺织服装、服饰业与纺织服装、鞋、帽制造业属相同行业,皮革、毛皮、羽毛及其制品和制鞋业与皮革、毛皮、羽毛(绒)及其制品业属相同行业,酒、饮料、精制茶制造业与饮料制造业属相同行业,文教、工美、体育和娱乐用品制造业与文教体育用品制造业属相同行业,仪器仪表制造业与仪器仪表及文化、办公用机械制造业属相同行业,计算机、通信及其它电子设备制造业与通信设备、计算机及其它电子设备制造业属相同行业;剔除废弃资源和废旧材料回收加工业,废弃资源综合利用业,金属制品、机械和设备修理业。经过处理,尽管某些行业并不完全重合,但本文主要以是否为高技术产业作为区分行业技术水平的标准,这样合并行业数据并不会影响行业分组从而导致技术水平剧烈波动。最终得到2003—2019年28个制造业细分行业共476个观测值。

3.2 变量定义

(1)技术创新。考虑到数据可得性,本文根据黎文靖和郑曼妮[2]的研究成果,使用专利申请数(lnpat)表征行业技术创新,并将发明专利数(lninnopat)看作更高质量的创新,也就是实质性创新的衡量指标。考虑到变量取值为0和数量规模的影响,对变量加1并取对数。

(2)技术来源。技术来源主要分为外部技术来源和自主研发(RD),其中,自主研发采用行业R&D经费内部支出衡量,外部技术来源又细分为技术引进(Tecin)、国内技术购买(Techa)、消化吸收(Tecab)和技术改造(Tecch),以相应经费支出衡量。同样,对变量加1并取对数。

(3)控制变量。本文参考焦少飞等(2010)、贺梅和王燕梅[26]、程俊杰[27]、焦翠红和陈钰芬[28]的相关研究,选取行业技术创新常规化水平、企业规模、补贴强度和利润率4个指标作为控制变量。其中,行业技术创新常规化水平(Ilevel)采用有科技机构的企业数与企业数之比衡量;企业规模(Size)采用主营业务收入与企业数之比衡量;补贴强度(Subs)采用政府资金与规模以上工业企业R&D经费内部支出之比衡量;利润率(Profit)采用利润总额与主营业务收入之比衡量。

(4)分组说明。根据《高技术产业(制造业)分类(2017)》,高技术产业包括医药制造业,航空、航天器及设备制造业,电子及通信设备制造业,计算机及办公设备制造业,医疗仪器设备及仪器仪表制造业,信息化学品制造业,为便于比较,本文将其所属二级行业划分为高端技术行业组,其余为中低端技术行业组。同时,参考傅元海等[29]的研究,将制造业细分行业分为高端技术行业、中端技术行业和低端技术行业进行稳健性检验。具体分类如下:通用设备制造业,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,通信设备、计算机及其它电子设备制造业,仪器仪表及文化、办公用机械制造业,化学原料及化学制品制造业,化学纤维制造业,医药制造业等属于高端技术行业;石油加工、炼焦及核燃料加工业,橡胶和塑料制品业,非金属矿物制品业,黑色金属冶炼及压延加工业,有色金属冶炼及压延加工业,金属制品业等为中端技术行业;农副食品加工业,饮料制造业,烟草制造业,纺织业,纺织服装、鞋、帽制造业,皮革、毛皮、羽毛(绒)及其制品业,木材加工及木、竹、藤、棕、草制品业,家具制造业,造纸及纸制品业,印刷业和记录媒介的复制、文教体育用品制造业,工艺品及其它制造业属于低端技术行业。

3.3 模型设定

为验证不同技术来源对行业技术创新的异质性影响,设定模型如下:

lnpatjt=α0+α1Tecinjt+α2Techajt+α3Tecabjt+α4Tecchjt+α5RDjt+VXj+γt+ηj+εjt

lninnopatjt=α0+α1Tecinjt+α2Techajt+α3Tecabjt+α4Tecchjt+α5RDjt+VXj+γt+ηj+εjt

(1)

其中,j代表行业,t代表年份;lnpatjtlninnopatjt分别为第t年第j个行业以专利申请数和发明专利申请数衡量的创新产出;TecinjtTechajtTecabjtTecchjtRDjt分别为第t年第j个行业技术引进、国内技术购买、消化吸收、技术改造和自主研发的相应支出;Xj为行业层面的相关控制变量,包括行业常规创新水平、企业规模、利润率和补贴强度;γtηj分别为时间和行业固定效应;εjt为随机扰动项。

本文使用不同技术水平行业样本进行分组回归,首先关注α1α2α3α4α5的系数大小及显著性,以判断H1是否成立;其次关注不同行业技术水平分组内相应系数大小的比较,以判断H2a、H2b是否成立。

4 实证结果分析

4.1 描述性统计分析

表1报告了主要变量的描述性统计分析结果。因变量技术创新以专利申请数和发明专利数加1取对数衡量,最小值分别为2.079和2.944,意味着所有样本行业均存在专利产出。主要解释变量和被解释变量的标准差相对较小,说明样本数据分布较均匀。总体看,自主研发支出显著高于其它技术来源支出。

表1 主要变量描述性统计结果
Tab.1 Descriptive statistics of main variables

变量 符号Nmeanp50sdminmax技术创新发明专利数lninnopat4767.0267.0541.8982.07911.70专利申请数lnpat4768.3008.3161.7202.94412.23技术来源技术引进支出Tecin4761.6601.4701.26105.666技术改造支出Tecch4763.7233.9131.4680.0937.058消化吸收支出Tecab4760.9740.7020.90604.311国内技术购买Techa4761.2671.0521.0370.0015.447自主研发RD4764.2214.2921.6700.1107.803控制变量行业常规创新水平Ilevel4760.2050.1800.1170.0220.625企业规模Size4766.6082.87911.500.98192.39利润率Profit4760.0660.0620.027-0.0550.167补贴强度Subs4760.0640.0330.1570.0012.929

4.2 相关性分析

表2报告了主要变量的相关性分析结果。结果显示,技术来源与技术创新在10%的水平上显著正相关,且技术引进、自主研发与技术创新的相关系数高于其它技术来源,表明技术引进和自主研发对技术创新的影响更显著。其余控制变量之间的相关系数也均在合理范围内。

4.3 基准回归结果分析

本文根据上述计量模型对样本进行实证检验,结果如表3所示。

表3中列(1)、(4)结果显示,整体上,自主研发对一般技术创新和实质性创新均存在正向促进作用,而技术引进等其它技术来源对技术创新的贡献度不大。由此,H1得以验证。列(2)、(3)、(5)、(6)结果显示,对于一般专利而言,区分高技术与非高技术行业后,自主研发对技术创新的正向促进作用并未发生明显变化,技术引进及其它技术来源的促进效果仍不显著。在高技术行业样本中,自主研发的回归系数为0.733,在非高技术行业样本中,相应回归系数为0.349,说明自主研发对高技术产业技术进步的促进作用更大。这是因为,中低技术产业并不需要凭借核心技术保持技术地位,而是更多关注生产销售和盈利,对自主研发成果的重视程度有限。对于实质性创新而言,自主研发对非高技术行业实质性创新具有显著正向激励作用,但在高技术行业中,自主研发的作用不显著,而技术引进的正向促进作用显著。由此,H2a、H2b得以验证。

表2 相关系数矩阵
Tab.2 Correlation coefficient matrix

变量lninnopatlnpatTecinTecchTecabTechaRDIlevelSizeProfitSubslninnopat10.966*0.437*0.566*0.546*0.654*0.940*0.150*-0.0480.107*-0.086*lnpat0.963*10.370*0.480*0.484*0.576*0.913*0.095*-0.163*0.107*-0.108*Tecin0.484*0.422*10.830*0.797*0.771*0.504*0.429*0.456*-0.0150.202*Tecch0.549*0.463*0.801*10.800*0.913*0.634*0.265*0.448*0.0150.033Tecab0.543*0.497*0.824*0.757*10.770*0.617*0.256*0.390*-0.010.146*Techa0.641*0.571*0.770*0.846*0.758*10.695*0.319*0.408*0.083*0.006RD0.936*0.905*0.543*0.614*0.602*0.687*10.142*0.0550.007-0.151*Ilevel0.165*0.106*0.351*0.210*0.212*0.277*0.140*10.568*0.127*0.432*Size-0.067-0.153*0.109*0.219*0.0250.231*-0.097*0.229*1-0.127*0.189*Profit0.0480.046-0.0510.026-0.0690.039-0.0340.251*0.148*10.03Subs-0.123*-0.139*0.0560.0130.001-0.01-0.236*0.171*0.133*0.113*1

注:下三角为pearson相关系数,上三角为spearman相关系数;*表示在 10% 的水平上显著

表3 技术来源与技术创新回归结果(分行业技术水平)
Tab.3 Regression results of technology sources on technological innovation (by industry technology level)

变量(1)(2)(3)总体非高技术行业高技术行业lnpat(4)(5)(6)总体非高技术行业高技术行业lninnopatTecin-0.012-0.0410.0410.0820.0340.142*(0.076)(0.089)(0.062)(0.078)(0.089)(0.060)Tecch0.0530.0630.0550.0140.0460.037(0.043)(0.046)(0.103)(0.050)(0.059)(0.158)Tecab0.023-0.0120.0500.0890.0070.228(0.049)(0.063)(0.078)(0.067)(0.075)(0.137)Techa-0.0620.017-0.209-0.134**-0.036-0.334*(0.068)(0.083)(0.124)(0.056)(0.053)(0.140)RD0.381***0.349**0.733**0.347***0.333***0.305(0.119)(0.125)(0.249)(0.095)(0.088)(0.263)Ilevel1.355*1.9981.943*0.9421.3062.215(0.747)(1.266)(0.862)(0.870)(0.908)(1.700)Size0.010***0.009***0.0160.016***0.015***0.032(0.003)(0.003)(0.036)(0.002)(0.003)(0.046)Profit-1.710-1.671-5.113-0.301-0.823-2.947(2.098)(2.453)(2.514)(1.924)(2.187)(4.357)Subs0.367*0.373*0.0590.435**0.477**-1.384(0.181)(0.186)(0.663)(0.195)(0.206)(0.843)时间效应控制控制控制控制控制控制行业效应控制控制控制控制控制控制N4763918547639185R20.9430.9380.9840.9500.9500.973

说明:括号内为标准误;******分别表示在 1% 、5% 和 10% 的水平上显著;下同

4.4 稳健性分析

由于本文在对高技术产业进行分类时,使用的是相应高技术产业所属二级行业,为进一步检验分组的合理性,同时尽可能消除行业合并带来的误差,本文参考傅元海等[29]的行业技术水平分类方法,将28个行业样本分为高端技术行业、中端技术行业和低端技术行业,再次进行回归,结果如表4所示。

表4结果显示,区分高、中、低端技术行业后,对于一般创新而言,自主研发对高端技术行业技术创新的促进作用优于中、低端技术行业;对于实质性创新而言,技术引进对高端技术行业技术创新的激励作用更加显著,而在低端技术行业中,自主研发的激励作用更强。总体而言,与基准回归结论基本一致,可以认为基准回归结果是稳健的。

党的十八大报告首次提出实施创新驱动发展战略,将创新摆在国家发展全局的核心位置。因此,如何使技术创新真正作用于社会经济发展,进而促进经济增长动力向创新驱动转变,是2012年以来我国经济社会发展过程中经久不衰的话题。考虑到这一变化很可能对我国制造业技术创新行为和创新目的产生影响,从而影响结论的稳健性,因而本文选择2012—2019年的样本再次进行回归,结果如表5所示。

表4 稳健性检验结果
Tab.4 Results of robustness tests

变量(1)(2)(3)低端技术行业中端技术行业高端技术行业lnpat(4)(5)(6)低端技术行业中端技术行业高端技术行业lninnopatTecin-0.170-0.0290.0590.004-0.0810.189*(0.104)(0.094)(0.061)(0.109)(0.108)(0.087)Tecch-0.0170.031-0.0080.0730.134-0.073(0.118)(0.060)(0.130)(0.096)(0.103)(0.116)Tecab-0.0100.0280.0580.021-0.0400.176(0.184)(0.070)(0.051)(0.091)(0.106)(0.099)Techa0.019-0.012-0.1660.034-0.004-0.206(0.143)(0.074)(0.093)(0.083)(0.091)(0.129)RD0.522*0.327*0.462***0.360*0.2750.231(0.259)(0.147)(0.122)(0.181)(0.136)(0.154)Ilevel3.364*6.840**1.4111.3287.970**1.603(1.755)(1.853)(1.013)(1.251)(2.415)(1.732)Size0.0120.016**0.0200.010*0.029**0.042*(0.008)(0.005)(0.018)(0.005)(0.007)(0.022)Profit-5.8810.859-2.039-0.975-1.293-1.478(3.587)(1.142)(2.505)(2.560)(2.395)(4.461)Subs0.416**1.496***0.0830.400**1.669***-1.660*(0.170)(0.202)(0.715)(0.133)(0.149)(0.809)时间效应控制控制控制控制控制控制行业效应控制控制控制控制控制控制N221102153221102153R20.9290.9750.9810.9510.9650.969

表5 缩短样本时间区间的稳健性检验结果
Tab.5 Results of robustness test with shortened sample time span

变量(1)(2)(3)总体非高技术行业高技术行业lnpat(4)(5)(6)低端技术行业中端技术行业高端技术行业lninnopatTecin-0.002-0.0070.116**0.0110.0150.140*(0.044)(0.043)(0.031)(0.040)(0.035)(0.059)Tecch0.0590.0660.0080.0750.0910.033(0.055)(0.064)(0.082)(0.055)(0.059)(0.092)Tecab0.001-0.0020.092**0.068*0.0730.190***(0.034)(0.047)(0.031)(0.037)(0.047)(0.039)Techa-0.0230.012-0.079*0.0100.088**-0.144**(0.035)(0.042)(0.036)(0.048)(0.041)(0.042)RD0.429***0.417***0.761**0.357***0.323***0.718(0.116)(0.134)(0.265)(0.089)(0.093)(0.410)Ilevel2.309**2.548**3.309***1.0070.9894.735***(0.995)(1.170)(0.470)(0.814)(0.904)(0.804)Size0.015*0.014-0.287*0.001-0.002-0.416**(0.009)(0.010)(0.109)(0.008)(0.007)(0.100)Profit-2.003-1.9420.407-4.359***-3.855**-2.027(1.639)(1.917)(2.014)(1.428)(1.474)(3.131)Subs-1.177-1.332*-2.335**-0.286-0.429-4.277(0.774)(0.771)(0.766)(0.770)(0.656)(2.078)时间效应控制控制控制控制控制控制行业效应控制控制控制控制控制控制N2241844022418440R20.8090.7960.9810.8740.8900.965

表5结果显示,对于一般创新而言,自主研发对高技术行业技术创新的激励作用强于非高技术行业;对于实质性创新而言,在高技术行业中,技术引进具有更强的创新激励作用,而自主研发对行业发明专利增长没有明显贡献。这一结论与基准回归结果保持一致,进一步证明相应结论的稳健性。同时也说明,自主研发能够充分发挥对技术创新的激励作用,与创新驱动发展战略的有效实施也有着紧密联系。但也应该看到,尽管创新驱动发展战略已全面实施多年,我国高技术产业自主研发效率仍不高,产业实质性创新更多还是依靠技术引进带来的技术溢出,而自主研发更多地促进中低技术水平行业技术进步。

4.5 基于技术引进与自主研发关系的分析

由上文实证结果可知,影响行业技术创新的主要技术来源是技术引进与自主研发,二者在不同技术水平行业中发挥不同作用。要实现创新驱动发展,就要实现由技术引进向自主研发转变。大量文献指出,技术引进与自主研发在作用于技术创新的过程中存在相互作用,前文在分析中没有将这种情形考虑在内,而这恰恰是在选择技术来源时不能忽视的一部分。因此,本文在基准回归中加入技术引进与自主研发的交互项,以观察二者的交互效应,回归结果如表6所示。

表6结果显示,技术引进与自主研发在高技术产业中存在一定程度的替代效应,技术引进会削弱自主研发对专利产出的正向影响。对于表征实质性创新的发明专利而言,二者的交互项不显著,也就意味着两种技术来源不存在互相挤出的问题。究其原因,对于一般专利而言,研发难度虽然存在,但研发成功的几率相对较大,企业有意愿进行自主研发而不是仅仅依赖技术引进,而技术引进能够节约企业研发成本,短时间内使其取得技术领先地位,不用等待自主研发的时间周期,因而企业会选择技术引进替代部分自主研发活动;对于更高质量的创新,研发成本较高,难度较大,企业往往选择在技术引进的基础上完成实质性创新,尽管自身也进行自主研发,但不会因为自主研发而减少技术引进投入。

5 基于技术创新经济效益的进一步分析

由于专利主要衡量的是行业创新产出成果或创新效率,而不能反映创新成果向经济效益的有效转化,考虑到中低技术企业更关注技术创新对实际生产的作用,注重创新的市场效益,而不是为了维持企业技术地位。因此,不同技术来源对技术创新的影响可能会因为创新目标不同而产生差异。为此,本文考察不同技术来源对技术创新经济效益的影响及行业技术水平异质性,其中,技术创新的经济效益以新产品销售收入(lnnewsale)衡量,并对其加1取对数,回归结果如表7所示。

表6 技术来源与技术创新回归结果(技术引进与自主研发的交互作用)
Tab.6 Regression results of technology sources on technological innovation(considering interaction of technology introduction and independent R&D)

变量(1)(2)(3)低端技术行业中端技术行业高端技术行业lnpat(4)(5)(6)低端技术行业中端技术行业高端技术行业lninnopatTecin-0.1750.0020.111*-0.055-0.0490.175*(0.101)(0.104)(0.059)(0.095)(0.113)(0.086)Tecch-0.018-0.0110.0150.0620.092-0.079(0.111)(0.066)(0.119)(0.089)(0.102)(0.123)Tecab-0.0040.0540.0780.088-0.0130.170(0.199)(0.075)(0.046)(0.139)(0.115)(0.094)Techa0.0190.015-0.1670.0370.023-0.206(0.143)(0.055)(0.092)(0.082)(0.073)(0.130)RD0.5170.329*0.404**0.2990.276**0.246(0.332)(0.129)(0.122)(0.241)(0.090)(0.168)Tecin*RD-0.004-0.058-0.028**-0.048-0.0580.008(0.094)(0.033)(0.012)(0.065)(0.041)(0.016)Ilevel3.344*6.528**1.6281.0977.658**1.545(1.598)(1.935)(0.989)(1.296)(2.525)(1.705)Size0.0120.0120.0210.011*0.025*0.042*(0.008)(0.007)(0.023)(0.005)(0.011)(0.022)Profit-5.940-0.451-3.679*-1.645-2.602-1.038(3.711)(2.113)(1.955)(2.806)(2.765)(4.192)Subs0.413*1.463***-0.1790.369*1.636***-1.590(0.204)(0.240)(0.659)(0.169)(0.185)(0.885)时间效应控制控制控制控制控制控制行业效应控制控制控制控制控制控制N221102153221102153R20.9290.9760.9820.9520.9660.969

表7结果显示,自主研发仍是新产品销售收入增长的重要动力来源,并且从回归系数看,自主研发的贡献大于其它技术来源。与以专利衡量的技术创新结果不同,技术改造对新产品销售收入存在显著促进作用,而技术引进和国内技术购买则表现出显著抑制作用。可能是因为,我国制造业消化吸收先进技术的能力有限,从描述性统计结果可知,用于消化吸收的技术投入明显低于技术改造投入。这说明我国制造企业在获得国外先进技术后,不能将其真正内化为给企业带来效益、促进创新绩效提升的有效投入(严焰和池仁勇,2013)。技术改造主要是对现有技术条件的渐进式改善,而不是从根本上改变现有技术,因而其效果更直接体现在产品质量改善、产品升级换代和外观美化等方面,并最终促进新产品销售收入增长(谢子远和黄文军,2015)。

国内技术购买的抑制作用大于技术引进,造成这种现象的原因可能是:首先,国内企业掌握的核心技术有限,即使掌握核心技术,也倾向于保护自身技术而不会将其投向技术交易市场;其次,国内技术购买增加会挤占自主研发投入,而国内企业技术水平差距不大且技术存在相似性[30],国内成熟技术已经适应国内市场环境,购买后很大程度上会生产同质性产品,导致创新性受到削弱,抑制技术创新。

表7 技术来源与技术创新经济效益的回归结果
Tab.7 Regression results of technology sources on economic benefit of technological innovation

变量(1)(2)(3)(4)整体低端技术行业中端技术行业高端技术行业lnnewsaleTecin-0.067*-0.108**0.030-0.084**(0.036)(0.049)(0.051)(0.035)Tecch0.136***0.275**0.302**0.075*(0.026)(0.093)(0.095)(0.034)Tecab-0.038-0.077-0.022-0.030(0.029)(0.069)(0.028)(0.042)Techa-0.085*-0.072-0.194*0.044*(0.047)(0.091)(0.085)(0.020)RD0.679***0.705***0.470***0.572***(0.094)(0.142)(0.097)(0.099)Ilevel0.2961.192-0.068-0.965***(0.410)(0.724)(2.077)(0.284)Size0.0060.0030.0150.010(0.005)(0.004)(0.009)(0.015)Profit-0.5520.980-1.555-0.985(2.117)(2.650)(2.482)(1.529)Subs0.376***0.358***0.1211.000(0.133)(0.102)(0.231)(0.567)时间效应控制控制控制控制行业效应控制控制控制控制N476221102153R20.9630.9700.9730.989

从行业技术水平分类看,技术引进的抑制作用及自主研发、技术改造的促进作用在低端技术行业体现更为明显,而在高端技术行业中都有一定程度弱化。这可能是因为,低技术行业往往只是出于简单技术存量需求动机引进技术,员工可能仅停留在快速熟悉指南或操作指引层面[10],很难将先进技术内化为自身优势,而其它企业也有可能引入类似技术,从而加剧新产品市场竞争。技术改造和自主研发主要用于策略性创新,创新难度相对较低,因而尽管对实际创新水平提升效果有限,但对产品创新的贡献较大。对于高技术行业而言,技术引进的目的更大程度上是为实现自身技术突破,从而获得技术垄断地位,而不是为了短时间内获取经济效益,因而引进新技术一定程度上会挤占新产品开发投入,但新产品开发更多依靠以往技术沉淀和技术升级。因此,技术改造和自主研发的促进作用在受到影响的同时,技术引进的抑制作用也有一定程度减弱。

6 结语

6.1 研究结论

外部技术获取和自主研发是技术创新最重要的来源,但出于对创新数量的追逐或创新路径的依赖,在实践中往往会出现技术来源单一和技术来源选择同质化问题。因此,本文从不同技术水平行业视角出发,分析不同技术来源对不同类别技术创新的影响,以此为依据,探讨不同技术水平行业如何选择技术来源,以实现技术创新。本文得到以下主要结论:首先,不同技术来源对专利整体产出水平的影响存在差异,其中自主研发的促进作用最为突出,且在技术水平越高的行业,其创新激励效果越显著。其次,对于以发明专利为代表的实质性创新,由于技术引进能够补充创新的关键环节,规避研发风险,因而其在高技术行业中的创新激励效果优于自主研发,而在非高技术行业中则相反。同时,国内技术购买对发明专利尤其是高技术行业发明专利具有抑制作用,说明国内技术流动并没有促进行业创新质量提升,反而阻碍了先进技术的迭代。最后,对于以新产品销售收入为表征的技术创新经济效益,由于吸收效率不高和国内技术同质化程度较高,国外技术引进和国内技术购买会抑制其增长,而技术改造和自主研发会促进其增长,相应作用效果在低技术行业中更为显著。

6.2 相关建议

基于本文的研究与发现,为改变行业技术进步中创新资源低效率投入现状,充分发挥外部技术的溢出效应和自主研发的创新激励效应,实现中国制造向中国智造转变,进而保障创新驱动发展战略的有效实施,需要根据行业实际技术水平和技术创新目标,针对性选择技术来源,进一步优化技术创新策略。

首先,坚决把自主研发作为技术进步的主要来源,牢牢把握自主研发主动权,但在注重自主研发的同时,也要加强对专利质量的考察,规避滥竽充数的低质量创新,严格追责“骗补贴”“寻优惠”等研发操纵行为。对于医药制造业等高技术行业,已经取得优势地位的行业还要促进先进技术向实际生产能力转化,暂未取得领先地位的行业也应通过自主研发不断迫近技术前沿。对于其它轻、重工业等中低技术水平行业,则应更加关注自主研发对降低生产成本、提升生产效率方面的作用,而不是单纯追逐技术创新数量和强度。

其次,正确对待技术引进与自主研发的关系。正视我国高技术产业存在关键技术缺失的现实,尤其是“卡脖子”产业,尽可能破开外部封锁,谋求合作创新,或在技术引进受限的情况下提高技术吸收改造效率。同时,开阔思路,重视人才、组织管理思想、先进生产理念的引入,用外部技术优势弥补自主研发劣势,“两条腿走路”,实现高质量的技术进步。

最后,明确创新目标,有的放矢地进行创新资源投入。技术来源对不同层面技术创新的作用不同,对于以核心竞争力为导向的行业,如军事工业、航空航天制造业等,要加大自主创新投入,力争掌握关键技术;对于以市场为导向的行业,如食品制造业、纺织业等,不仅要引进有竞争力的生产技术,还要对其进行充分吸收内化并加强技术改造,避免创新资源浪费,通过技术升级打造鲜明的产品特色,以实现创新的经济效益。

6.3 不足与展望

由于技术水平是一个宽泛概念,从不同维度理解与衡量技术水平的方式也不相同。本文囿于行业数据限制,选取高技术与非高技术行业分类作为区分技术水平高低的标准,对技术水平的刻画可能并不准确。此外,本文对技术来源的研究聚焦于宏观行业层面,可能会掩盖诸如合作创新等企业微观行为,未来可以通过构建丰富全面的技术水平衡量体系,在微观企业层面对技术来源选择与技术创新的关系问题进行更深入的探讨。

参考文献:

[1] 俞立平,李守伟,刘骏.技术来源对高技术产业创新影响的比较研究[J].科研管理,2016,37(4):61-67.

[2] 黎文靖,郑曼妮.实质性创新还是策略性创新:宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.

[3] 崔雪松,王玲.企业技术获取的方式及选择依据[J].科学学与科学技术管理,2005,26(5):141-144.

[4] CHO D H,YU P I.Influential factors in the choice of technology acquisition mode:an empirical analysis of small and medium size firms in the Korean telecommunication industry[J].Technovation,2000,20(12):691-704.

[5] 林毅夫,张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学(季刊),2005,4(4):53-74.

[6] 金碚.中国工业的技术创新[J].中国工业经济,2004,21(5):5-14.

[7] CALOGHIROU Y,KASTELLI I,TSAKANIKAS A.Internal capabilities and external knowledge sources:complements or substitutes for innovative performance[J].Technovation,2004,24(1):29-39.

[8] BERCHICCI L.Towards an open R&D system:internal R&D investment,external knowledge acquisition and innovative performance[J].Research Policy,2013,42(1):117-127.

[9] KRZEMINSKA A,ECKERT C.Complementarity of internal and external R&D:is there a difference between product versus process innovations[J].R&D Management,2016,46(S3):931-944.

[10] 张永旺,宋林.技术引进、自主创新与出口技术含量:兼论技术引进向自主创新的过程转变[J].软科学,2019,33(5):41-44,50.

[11] 何向武,周文泳,李明珠.自主研发、技术改造与技术引进生态关系研究:以中国高技术产业为例[J].科技进步与对策,2020,37(8):59-67.

[12] 王玉珠.“双循环”视角下科技创新发展的内在逻辑与路径选择[J].山东师范大学学报(社会科学版),2021,66(2):83-93.

[13] 汤萱.技术引进影响自主创新的机理及实证研究:基于中国制造业面板数据的实证检验[J].中国软科学,2016,31(5):119-132.

[14] 韩亚峰,张占东,赵叶.技术来源、空间溢出与创新价值链提升:协同抑或挤占[J].财经论丛,2020(8):12-21.

[15] VEGA JURADO J,GUTIÉRREZ-GRACIA A,FERNANDEZ-DE-LUCIO I.Does external knowledge sourcing matter for innovation? evidence from the Spanish manufacturing industry[J].Industrial and Corporate Change,2009,18(4):637-670.

[16] 肖利平,谢丹阳.国外技术引进与本土创新增长:互补还是替代:基于异质吸收能力的视角[J].中国工业经济,2016,33(9):75-92.

[17] 朱有为,徐康宁.中国高技术产业研发效率的实证研究[J].中国工业经济,2006,23(11):38-45.

[18] 马名杰,杨超.我国制造业创新能力提升的进展和前景[J].经济纵横,2012,28(12):11-15.

[19] 余泳泽,张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界,2015,31(9):13-31,187.

[20] CALANTONE R J,STANKO M A.Drivers of outsourced innovation:an exploratory study[J].Journal of Product Innovation Management,2007,24(3):230-241.

[21] 俞立平.高技术产业引进技术为什么会下降[J].科学学研究,2016,34(11):1646-1654.

[22] 董景荣,刘冬冬,王亚飞.装备制造业技术进步路径选择:理论分析与实证研究[J].科技进步与对策,2015,32(23):49-53.

[23] 叶祥松,刘敬.政府支持与市场化程度对制造业科技进步的影响[J].经济研究,2020,55(5):83-98.

[24] 孙文杰,沈坤荣.技术引进与中国企业的自主创新:基于分位数回归模型的经验研究[J].世界经济,2007,30(11):32-43.

[25] 诸竹君,黄先海,余骁.进口中间品质量、自主创新与企业出口国内增加值率[J].中国工业经济,2018,35(8):116-134.

[26] 贺梅,王燕梅.危机冲击能否倒逼中国制造业产品质量提升:基于行业出口国内增加值率差异的分析[J].经济评论,2019,40(2):17-33.

[27] 程俊杰.中国转型时期产业政策与产能过剩:基于制造业面板数据的实证研究[J].财经研究,2015,41(8):131-144.

[28] 焦翠红,陈钰芬.R&D补贴、寻租与全要素生产率提升[J].统计研究,2018,35(12):80-91.

[29] 傅元海,叶祥松,王展祥.制造业结构优化的技术进步路径选择:基于动态面板的经验分析[J].中国工业经济,2014,31(9):78-90.

[30] 董景荣,樊坚强,张文卿,等.不同技术来源对中国装备制造业技术创新的影响:基于企业所有制类型视角[J].科技进步与对策,2020,37(3):72-80.

(责任编辑:陈 井)