关键核心技术创新对企业绩效的影响机制

冯启良,安 琪,方 炜

(西北工业大学 管理学院,陕西 西安 710129)

摘 要:基于新熊彼特增长理论,以2011—2022年中国高技术制造业经验证据检验关键核心技术创新对企业绩效的影响。结果发现,关键核心技术创新对企业绩效具有显著正向影响,且研发风险较低的关键核心技术创新对企业绩效的影响更显著。在考虑内生性问题以及稳健性检验后,结论仍然成立。调节效应表明,企业竞争地位能够进一步强化关键核心技术创新对企业绩效的影响效应,且企业竞争地位对高风险类关键核心技术创新与企业绩效关系的调节作用更显著。中介作用表明,关键核心技术创新可以通过提升企业生产经营效率和市场获利能力提升企业绩效。异质性分析表明,关键核心技术创新对企业绩效的正向影响在大规模企业和积极融入全球创新网络企业样本中更显著,技术活跃性较低行业关键核心技术创新对企业绩效的影响效应更显著。结论可揭示关键核心技术创新对企业绩效的影响,为企业绩效提升提供理论参考。

关键词:关键核心技术创新;企业绩效;生产经营效率;市场获利能力;企业竞争地位

The Impact of Key and Core Technology Innovation on Firm Performance

Feng Qiliang, An Qi, Fang Wei

(School of Management, Northwestern Polytechnical University, Xi'an 710129, China)

Abstract:Key and core technology innovation is the internal driving force for the formation of new quality productive forces, which is of great significance to the high-quality development of the economy.From the concept and connotation of key and core technologies to the impact factors, impact mechanisms and implementation paths, existing research focuses on the antecedents of key and core technological innovations; however, there is a relative lack of research on the consequences of their impacts, especially in the context of scientific and technological self-reliance and self-reliance at the micro level of the impact of key and core technological innovations on enterprise performance, and the inherent mechanism of the impacts waits to be explored.

Following the Neo-Schumpeterian Growth Theory, the study collects the empirical evidence of China's high-tech manufacturing industry from 2011 to 2022. It sets key and core technology innovation as an explanatory variable, enterprise performance as an explanatory variable, enterprise competitive position as a moderating variable, and production and operation efficiency and market profitability as mediating variables to empirically examine the impact of key and core technology innovation on firm performance.

The data is subjected to the benchmark regression test, endogeneity test, and robustness test, and four conclusions are drawn. First, key and core technology innovation is conducive to promoting the improvement of enterprise performance, and the key and core technology innovation with relatively low R&D risk has a greater improvement effect. Second, competitive position strengthens the influence of key and core technology innovation on firm performance, and the moderating effect of enterprise competitive position on high-risk key and core technology innovation and firm performance is greater. Third, key and core technology innovation promotes the improvement of enterprise performance through the effective path of improving enterprise production and operation efficiency and market profitability. Fourth, the key and core technology innovation of large-scale enterprises has a more significant impact on the improvement of enterprise performance. Enterprises that actively integrate into the global innovation network are more conducive to the improvement of the performance of key and core technology innovation; the key and core technology innovation of the industry with low technology activity has a greater impact on the improvement of enterprise performance.

The practical implications of this study are as follows: Firstly, it is essential to make full use of the new quality production force of key and core technology innovation to improve the production and operation efficiency of enterprises. In the process of carrying out R&D activities of key and core technologies, enterprises should actively introduce innovative and managed-type high-skilled talents, constantly optimize and upgrade the basic process and core components of enterprises, improve production and operation efficiency and reduce production and operation costs. Secondly, in order to fully release the commercial value of key and core technology innovation results to improve the profitability of the enterprise market, enterprises need to conduct in-depth market research and identify and evaluate key and core technologies from various aspects, keep strengthening industry-university-research cooperation and industrial chain cooperation, accelerate the transformation and marketization of technological achievements, and thus improve the overall competitiveness and market responsiveness of technological achievements. In addition, in the R&D activities of key and core technologies, enterprises should conduct technology iteration and optimization in a timely manner according to market feedback and user needs. Third, in addition to policy guidance, the research and development subsidy mechanism needs to be continuously optimized for high-tech manufacturing enterprises. Moreover, some industries have a low level of technical activity and a slow rate of technology iteration. The national strategic science and technology force should be further strengthened to collaborate more effectively with enterprises.Fourthly, it is necessary to encourage enterprises to actively integrate into the global innovation network to obtain international innovation resources. The key and core technologies in some areas are restricted by Western countries, and enterprises should adhere to promoting a high level of opening up, actively integrate into the global innovation network to obtain international scientific and technological resources, market resources, and human resources.

Key Words:Key and Core Technology Innovation; Enterprise Performance; Production and Operation Efficiency; Market Profitability; Competitive Position of the Enterprise

收稿日期:2024-03-29

修回日期:2024-07-03

基金项目:国家社会科学基金重大项目(22&ZD069);国家社会科学基金一般项目(22BGL011);西安市科技计划软科学项目(24RKYJ0011)

作者简介:冯启良(1995-),男,四川广元人,西北工业大学管理学院博士研究生,研究方向为技术创新管理;安琪(1996-),女,陕西延安人,西北工业大学管理学院博士研究生,研究方向为技术创新管理;方炜(1976-),男,湖南平江人,博士,西北工业大学管理学院教授、博士生导师,研究方向为技术创新管理与军民融合。通讯作者:方炜。

DOI:10.6049/kjjbydc.2024030771

开放科学(资源服务)标识码(OSID):

中图分类号:F273.1

文献标识码:A

文章编号:1001-7348(2025)17-0066-13

0 引言

党的二十大报告提出,“加快实施创新驱动发展战略,加快实现高水平科技自立自强”。高水平科技自立自强是创新驱动发展的延续、深化与升级,是对新发展阶段创新驱动发展战略的新定位,对推动经济高质量发展具有重要意义。部分西方国家通过战略遏制、技术脱钩甚至“技术制裁”不断对我国高技术制造业重点领域关键核心技术进行“阻击”或针对性地构筑“小院高墙”。我国在科技上必须实现独立自主,唯有突破关键核心技术才能牢牢掌握创新主动权和发展主动权。关键核心技术是制约创新链上其它组件和整体效用发挥,决定创新链绩效且需要长期研发投入、具备关键性和独特性的复杂技术体系[1],可以是基础工艺、关键材料或核心元器件。因此,一方面,关键核心技术创新能够围绕高技术制造业重点领域产业链进行“补强”“补缺”,提升产业链、供应链韧性和安全水平,从而确保产业体系自主可控和安全可靠;另一方面,关键核心技术创新能够促进高技术制造企业转换技术轨道,通过技术转型升级和产品迭代更新获得市场经济效益。

现有研究从聚焦关键核心技术概念与内涵,转向探讨关键核心技术创新的影响因素、影响机制以及实施路径,为后续研究奠定了理论基础。随着关键核心技术发展,学者们不断拓展关键核心技术创新研究边界,少数研究开始关注关键核心技术创新的影响效果。在宏观层面,何海燕等[2]、常晓涵等[3]认为,关键核心技术创新能够保障中国产业链安全并促进产业链升级;李树文等[1]发现,关键核心技术协同创新有助于企业实现价值共创。在微观层面,陈奉先等[4]认为,关键核心技术创新可以提升全要素生产率,有助于企业优化资本劳动比以及人力资本结构;赖秀萍等(2024)认为,关键核心技术攻关能够显著推动产业链企业衍生技术创新。总体来看,既往研究主要探讨关键核心技术创新前因,其影响后果研究相对匮乏,尤其是科技自立自强背景下关键核心技术创新对企业绩效的影响效果及影响机制有待进一步探究。

新熊彼特增长理论认为,创新是推动技术进步和经济增长的核心因素[5]。不同于一般性技术创新,关键核心技术具有高壁垒性、垄断性以及难以替代性等特征,技术发展潜力大、经济价值高,能够促进企业新质生产力发展[6],对企业经济发展具有重要影响。作为关键核心技术创新主体,企业开展关键核心技术创新活动需要承担高额的研发投入与巨大的研发风险。由于企业生产运营与经营收益存在不确定性,关键核心技术创新能否提升企业绩效尚未可知,因而有必要深入考察我国技术赶超时期关键核心技术创新对企业绩效的影响。关键核心技术并非随机产生,而是行业内技术领先主体有意规划和构建的技术壁垒[7]。受限于重要创新资源与关键知识元素,竞争地位越高的企业越有优势获取重要创新资源[8],能够通过关键核心技术创新促进自身绩效提升。同时,关键核心技术创新能够促进企业新质生产力发展[6],通过技术进步提高企业生产效率,通过产品迭代或新产品开发增强企业市场获利能力。然而,关键核心技术创新能否通过提升企业生产经营效率与市场获利能力促进企业绩效提升,现有研究尚未给出答案。本文进一步探讨关键核心技术创新对企业绩效的内在影响机制。

本文基于新熊彼特增长理论,以2011—2022年中国高技术制造企业经验数据,探讨关键核心技术创新对企业绩效的影响,揭示企业竞争地位的调节效应以及生产经营效率与市场获利能力的中介作用,以期丰富关键核心技术创新后效研究,为企业绩效提升提供理论依据与管理启示。

1 理论分析与研究假设

1.1 关键核心技术创新与企业绩效

新熊彼特增长理论强调企业家的重要作用,认为技术创新是促进经济增长的决定性因素[9]。在融入全球价值链时,部分产业链受到发达国家“技术制裁”“技术断供”。高度不确定性环境下,具备企业家精神的企业具有一定的创新敏感性和市场洞察力,能够感知与捕获外部机会,通过加强组织学习促进新知识创造、积累、扩散和应用。相关研究指出,技术机会窗口可为企业关键核心技术创新提供丰富的创新资源,市场机会窗口可为企业关键核心技术创新提供需求方向、消费偏好,两者均能激励企业通过破坏性创新行为提升自身绩效。破坏性创新行为的微观落脚点是核心知识创新,对企业经济发展具有根本性影响[10]。关键核心技术专有知识积累是企业绩效提升的关键。

(1)核心知识竞争优势。一方面,关键核心技术创新所产生的知识具有复杂性与前沿性。拥有关键核心技术主导权的企业具有知识竞争优势,可以通过技术垄断占领行业市场先机与技术高地,凭借关键核心技术的高附加值以及潜力进行产品迭代,从而获取高额市场收益;另一方面,从信号传递理论看,关键核心技术有助于企业获得更多投资机会,从而提升经营效率与经营绩效。

(2)衍生知识价值释放。关键核心技术创新是推动衍生知识创造以及衍生技术创新的重要途径,衍生技术有助于企业获得新的附属产品,从而获得额外市场收益。此外,企业衍生技术成果转化与主线关键核心技术成果转化相辅相成、互相促进。衍生产品的技术反馈可以提高核心产品性能,进而加快企业技术转移与成果转化。

考虑到关键核心技术特征属性,企业需要具备良好的研发基础,承担关键核心技术创新带来的研发风险。相关研究表明,部分开放型关键核心技术与探索型关键核心技术的路线不明确、复杂程度较高,企业需要承担较高的研发投入与研发风险,一定程度上可能弱化其对企业绩效的提升作用。相较而言,研发风险较低的关键核心技术创新更易攻关也更易实现成果转化,更有助于促进企业绩效提升。基于以上分析,本研究提出以下假设:

H1:关键核心技术创新能够有效提升企业绩效,且研发风险较低的关键核心技术创新对企业绩效的提升作用更显著。

1.2 企业竞争地位的调节效应

李德辉等[11]认为,市场竞争优势能够代表企业对市场的控制力,有助于企业开展创新活动,进而获得超额利润。较高的竞争地位主要表现为企业在行业内具有较强影响力,具备更多优势开展关键核心技术创新。

(1)创新资源优势。重要资源、关键知识信息是企业突破关键核心技术的关键,竞争地位较高的企业能够与优质创新主体建立合作关系,有机会优先获取重要创新资源和关键知识信息,从而提高关键核心技术攻关成功率。

(2)融资成本优势。竞争地位较高意味着企业拥有较强的议价能力,能够以较低成本获得商业信用[11]。此外,竞争地位较高有助于企业受到资本市场青睐,进而获得广泛的融资渠道,且融资成本较低[12]

(3)风险防御优势。关键核心技术研发面临来自国际领先技术主体打压、市场消费者需求变更、行业技术迭代过快、内部成本投入过高以及研发周期过长等挑战,竞争地位较高企业拥有较强的风险防御能力[13]。凭借自身在市场、技术和资金等方面的优势,企业强化自身风险处理与应变能力,确保关键核心技术研发与成果转化顺利开展,从而促进自身绩效提升。基于以上分析,本研究提出以下假设:

H2:企业竞争地位在关键核心技术创新与企业绩效间发挥正向调节作用。

1.3 生产经营效率的中介作用

关键核心技术创新能够有效促进企业新质生产力发展,技术攻关过程体现为创新变革与技术进步,并将新知识、新技术反哺企业生产经营过程,通过技术进步与组织结构优化提高生产经营效率,提升企业绩效。

(1)在技术进步方面,关键核心技术创新能够促进企业技术进步,赋予企业先进生产力。例如,通过关键核心技术攻关加快企业基础工艺、核心元器件、关键机械设备更新[7],不仅能够提高企业生产经营效率,而且可以提高核心产品性能,从而促进企业绩效提升。

(2)在组织结构优化方面,以关键核心技术为代表的新质生产力进入生产函数,会对企业劳动力需求结构产生显著影响[14]。一方面,先进生产力强调对高技能劳动力的需求,以此改善企业创新要素禀赋,进而对生产经营活动发挥促进作用。另一方面,先进生产力倒逼企业增加高技能劳动力需求,以此优化内部生产流程和管理组织结构[15]。因此,以关键核心技术为代表的先进生产力与高技能劳动力实现互补,由此提高企业生产经营效率,进而提升企业绩效。基于以上分析,本研究提出以下假设:

H3:生产经营效率在关键核心技术创新与企业绩效间发挥中介作用。

1.4 市场获利能力的中介作用

与一般性技术相比,关键核心技术所属知识与技术结构具有复杂性。同时,垄断性技术具有较高的经济价值,有利于企业获取较高的经济收益。据此,本研究认为,关键核心技术创新可以通过增强企业市场获利能力提升企业绩效。关键核心技术大多被国际市场所垄断,企业可以通过关键核心技术创新带动产品迭代升级,提升产品市场占有率,进而获得更大的市场收益空间。同时,关键核心技术研发产生的衍生技术创新有利于企业开发附属产品,进而获取额外市场收益。部分前沿性关键核心技术创新可能颠覆现有市场竞争格局,凭借技术或产品的绝对垄断地位,企业可以将原有竞争者淘汰,获得高额的风险补偿与资本回报,从而促进企业绩效提升。部分关键核心技术可能仅是技术体系中的技术单元,虽不足以构成完整的产品,但能够改善甚至优化产品性能,进而帮助企业获取稳定的市场收益。基于以上分析,本研究提出以下假设:

H4:市场获利能力在关键核心技术创新与企业绩效间发挥中介作用。

综上所述,本文构建理论模型如图1所示。

图1 理论模型
Fig.1 Conceptual model

2 研究设计

2.1 研究样本与数据来源

本文选取2011—2022年中国高技术制造业A股上市公司作为初始研究样本。其中,上市公司专利信息来自PatSnap专利数据库,其余相关数据来自CSMAR数据库。此外,本文对初始样本进行如下处理:①剔除ST类公司样本;②剔除财务数据缺失较多的企业样本;③剔除关键指标缺失的专利数据;④为降低极端值的影响,对连续型变量进行1%水平的缩尾处理。

2.2 变量选取与测量

2.2.1 被解释变量:企业绩效(EP)

企业绩效主要是指经营期间的企业经营效益。为了衡量企业运营绩效状况,现有研究大多采用资产回报率(ROA)[16]、净资产收益率(ROE)[17]衡量企业资产使用效率以及运用资产创造利润的水平。此外,也有研究采用托宾Q值衡量企业绩效[18]。因此,本文被解释变量为资产回报率ROA指标,采用企业净利润/总资产衡量,并采用净资产收益率ROE指标与托宾Q值进行稳健性检验。

2.2.2 解释变量:关键核心技术创新(KCT)

参考现有研究成果,本文从基础性、体系性、竞争性3个维度构建衡量关键核心技术创新的指标体系。其中,基础性是技术的内在特征[19],主要体现技术的科学研究水平和技术质量[20];体系性具有较大的影响力,能够控制技术体系发展轨道[21];竞争性反映技术的市场效益,主要体现在专利市场占有程度和市场潜力两个方面[20]。考虑到时间因素,本文通过面板数据熵权法计算核心指标权重,再使用合成指数法对各项指标进行赋值,最终得出各项专利综合得分,以此作为关键核心技术专利筛选依据,各项测量指标如表1所示。具体操作步骤如下:

(1)由于各指标量纲存在差异,在采用熵值法处理前需要进行标准无量纲处理。本研究所用的关键核心技术指标均为正向指标,其标准化处理如式(1)所示。

(1)

其中,Pi,j,t为标准化处理后企业i指标jt年的值,Xi,j,t为标准化处理前企业i指标jt年的值,max{Xj}为样本中指标j的最大值,min{Xj}为样本中指标j的最小值。

(2)计算企业i指标jt年的权重,记为ωi,j,t(见式(2))。其中,n为企业个数,m为年数。

(2)

(3)计算指标j的信息熵ej(0≤ej≤1)与变异系数dj(见式(3)(4))。

(3)

dj=1-ej

(4)

(4)计算指标j的权重系数,记为Wj(见式(5))。k为指标个数,dj越大对指标的影响越大,权重越高。本文使用高技术制造行业数据,进一步细分涉及8小类制造行业。考虑到行业差异,分别计算各行业关键核心技术指标对应的权重。

(5)

(5)利用合成指数法计算各专利综合得分,记为Scorei,j,t,v。其中,Wj表示指标j的权重系数,Numi,j,t,v表示企业i指标jt年专利v对应的专利指标值(见式(6))。现有研究以5%或30%为作为关键核心技术识别基准[22],可能存在标准过高与过低的问题,导致关键核心技术创新对企业绩效的影响存在一定偏差。因此,本文根据专利综合得分进行排序,按照行业类别将各行业专利得分排名前25%的专利作为关键核心技术。基于Python中的Pandas库识别企业各年度对应的关键核心技术专利数量,并对所属企业关键核心技术专利数量进行加1取自然对数处理,以此作为企业关键核心技术创新的代理指标。

(6)

表1 关键核心技术创新测量方式
Table 1 Measurement methods for key and core technology innovation

特征维度测度指标专利指标关键核心技术基础性科学关联度非专利文献引用数量技术累积度引用专利数量权利要求权利要求数量关键核心技术体系性社会价值专利累计被引用次数合作范围专利权人数量关键核心技术竞争性同族专利同族成员数量技术覆盖范围跨部IPC分类号数量

2.2.3 调节变量:企业竞争地位(En_Co_Po)

参考已有研究成果[23],按照式(7)计算样本企业的勒纳指数LIi,j,t,勒纳指数越大,企业垄断势力越大。考虑到行业差异,进一步根据式(8)测算企业相对竞争地位En_Co_Poi,j,t,以此作为企业竞争地位的代理指标。其中,i表示企业,j为企业所在行业,t为年份,wi,j,t表示该企业销售额占该年度该行业所有上市公司销售总额的比值。

LIi,j,t=(营业收-入营业成本-销售费用-管理费用)/营业收入

(7)

(8)

2.2.4 中介变量

(1)生产经营效率(TFP_LP)。借助柯布—道格拉斯生产函数,采用LP法计算企业生产率,以此作为生产经营效率的代理指标。其中,采用营业收入代表总产出,采用固定资产净额代表资本投入,采用员工人数代表劳动力投入,采用企业营业成本+销售费用+管理费用+财务费用-当期计提的折旧与摊销-支付给职工以及为职工支付的现金代表中间投入。

(2)市场获利能力(MP)。区别于企业绩效,本文中的市场获利能力主要是指企业收益创造能力。例如,技术或产品具有较高的发展潜力或经济价值,在资本市场可体现为潜在获利能力。参考已有研究成果[24],本文使用CSMAR数据库中的每股未分配利润衡量市场获利能力。

2.2.5 控制变量

参考现有研究成果,本文控制变量主要包括企业年龄(Age)、企业规模(Size)、企业产权性质(Soe)、财务杠杆(Lev)、第一大股东持股比例(Top1)、两职合一(Dual)、企业研发投入(EDI)、政府研发补贴(SUB)、产业集中度(HHI)、创新开放度(IO)。此外,本文采用行业(Indu)、地区(Prov)和年度(Year)虚拟变量,用于控制行业、地区和年度固定效应。

各变量具体定义与说明如表2所示。

表2 变量具体定义与测量方法
Table 2 Definitions of variables and measurement methods

变量类型变量符号变量名称 测量方法被解释变量EP企业绩效具体测量方式参见前文所述解释变量KCT关键核心技术创新具体测量方式参见前文所述调节变量En_Co_Po企业竞争地位具体测量方式参见前文所述中介变量TFP_LP生产经营效率具体测量方式参见前文所述MP市场获利能力具体测量方式参见前文所述控制变量Age企业年龄企业成立时间年限取自然对数Size企业规模企业总资产取自然对数Soe产权性质国有企业取值为1,否则为0Lev财务杠杆企业总负债/企业总资产Top1第一大股东持股企业第一大股东持股比率(%)Dual两职合一总经理与董事长为同一人时取1,否则为0EDI企业研发投入企业研发投入/企业营业收入SUB政府研发补贴政府研发补贴/企业营业收入HHI产业集中度赫芬达尔-赫希曼指数IO创新开放度企业拥有联合申请专利数量的占比Year年份按不同年份设立的虚拟变量Indu行业按不同行业设立的虚拟变量Prov地区按不同地区设立的虚拟变量

2.3 模型构建

EPi,t=β0+β1KCTi,t+∑Controls+∑Year+∑Indu+∑Prov+εi,t

(9)

其中,EPi,t表示高技术制造企业i在第t年的绩效水平,KCTi,t表示高技术制造企业i在第t年关键核心技术创新对应的发明专利数量对数值,β0为常数,β1为自变量系数,Controls为控制变量,YearInduProv分别表示年度、行业以及地区层面的固定效应,εi,t为随机误差项。本文采用固定效应模型进行回归,相比其它模型,固定效应模型具有如下优势:控制样本企业在时间变化、行业特征以及地区差异等方面的影响,确保回归结果的准确性。此外,为避免异方差和观测值组内自相关等影响,在估计系数标准误时,本文采用聚类稳健标准误的方法进行修正。

3 实证分析

3.1 描述性统计与相关性分析

变量描述性统计结果、相关性分析结果如表3、表4所示。结果显示,高技术制造企业关键核心技术创新水平偏低,其余变量统计结果与以往研究相近。相关性分析表明,在不考虑其它变量的情况下,关键核心技术创新水平越高,越有利于企业提升自身绩效。此外,为了避免各变量间多重共线性问题,本文进行方差膨胀因子检验。结果显示,各变量的VIF值均低于3,说明主要解释变量间不存在严重共线性问题。

表3 描述性统计分析结果
Table 3 Descriptive statistics of variables

变量MeanS.D.MaxMinEP0.0460.0590.213-0.219KCT0.4630.5343.7430.000En_Co_Po0.0220.1150.412-0.753TFP_LP8.1550.85910.7476.309MP1.7971.923-2.31910.647Age1.3540.0991.8130.845Size21.8941.13526.77418.349Soe0.2490.4321.0000.000Lev0.3670.1890.8450.048Top133.09013.87870.4209.180Dual0.3540.4781.0000.000EDI0.3740.0330.5580.254SUB0.3300.0500.4630.000HHI0.0570.0290.1480.013IO0.1590.2631.0000.000

表4 相关性分析结果
Table 4 Correlation analysis of variables

变量123456781.EP12.KCT0.035∗∗∗13.En_Co_Po0.675∗∗∗0.00414.TFP_LP0.497∗∗∗0.129∗∗∗0.328∗∗∗15.MP0.162∗∗∗0.382∗∗∗-0.0090.338∗∗∗16.Age-0.067∗∗∗0.089∗∗∗-0.152∗∗∗0.091∗∗∗0.218∗∗∗17.Size-0.048∗∗∗0.413∗∗∗-0.109∗∗∗0.251∗∗∗0.794∗∗∗0.254∗∗∗18.Soe-0.112∗∗∗0.155∗∗∗-0.204∗∗∗-0.022∗∗0.298∗∗∗0.213∗∗∗0.328∗∗∗19.Lev-0.390∗∗∗0.191∗∗∗-0.391∗∗∗-0.133∗∗∗0.460∗∗∗0.174∗∗∗0.528∗∗∗0.278∗∗∗10.Top10.174∗∗∗0.0020.074∗∗∗0.110∗∗∗0.069∗∗∗-0.093∗∗∗-0.0050.066∗∗∗11.Dual0.046∗∗∗-0.046∗∗∗0.099∗∗∗0.033∗∗∗-0.124∗∗∗-0.102∗∗∗-0.157∗∗∗-0.280∗∗∗12.EDI-0.025∗∗∗-0.211∗∗∗0.065∗∗∗-0.118∗∗∗-0.553∗∗∗-0.137∗∗∗-0.578∗∗∗-0.183∗∗∗13.SUB-0.103∗∗∗0.040∗∗∗-0.062∗∗∗-0.058∗∗∗-0.067∗∗∗0.046∗∗∗0.097∗∗∗0.024∗∗14.HHI-0.065∗∗∗0.042∗∗∗0.001-0.068∗∗∗-0.045∗∗∗0.002-0.054∗∗∗-0.01415.IO0.0040.253∗∗∗-0.047∗∗∗0.043∗∗∗0.145∗∗∗0.098∗∗∗0.177∗∗∗0.066∗∗∗VIF/1.2511.3792.3881.4361.1971.2881.268变量91011121314159.Lev110.Top1-0.067∗∗∗111.Dual-0.112∗∗∗0.027∗∗∗112.EDI-0.321∗∗∗-0.0120.108∗∗∗113.SUB-0.035∗∗∗-0.092∗∗∗-0.011-0.040∗∗∗114.HHI0.041∗∗∗-0.021∗∗0.020∗∗0.060∗∗∗-0.015115.IO0.052∗∗∗-0.008-0.031∗∗∗-0.092∗∗∗0.029∗∗∗-0.101∗∗∗1VIF1.6991.0551.0961.4771.0411.0291.094

注:***p<0.01, **p<0.05, *p<0.1,下同

3.2 基准回归检验

基准检验结果如表5所示。其中,表5列(1)(2)显示在单变量检验以及只加入控制变量时,关键核心技术创新对企业绩效影响的回归系数在1%水平上显著为正。表5列(3)显示在加入时间、行业以及地区固定效应后,关键核心技术创新的回归系数为0.078 1,且在1%水平上显著为正。由此表明,关键核心技术创新能够通过核心知识竞争优势构建、衍生知识价值释放助力企业产品迭代升级,进而获取高额市场收益。关键核心技术具有高研发投入、高壁垒等特征,关键核心技术专利综合得分越高,技术壁垒、复杂度越高,对应的技术研发风险越高。在识别出关键核心技术专利的基础上,将关键核心技术专利得分位于前25%区间的专利技术视为高风险类关键核心技术(KCT_High_Risk),将关键核心技术专利得分位于75%~100%区间的专利技术视为低风险类关键核心技术(KCT_Low_Risk),进一步验证具有不同研发风险的关键核心技术创新对企业绩效的影响,回归结果如表5列(4)(5)所示。结果显示,KCT_High_RiskKCT_Low_Risk的回归系数分别为0.032 6、0.080 5,且在1%水平上显著为正。由此可见,研发风险较低的关键核心技术创新的影响效应更显著。相较于高风险类关键核心技术攻关,低风险类关键核心技术创新研发投入较小、研发壁垒较低、知识迭代速度更快,更有利于关键核心技术成果转化,从而促进企业绩效提升。上述检验结果与前述理论分析相符,假设H1得到支持。

表5 基准回归检验结果
Table 5 Benchmark regression test resluts

变量EP(1)(2)(3)(4)(5)KCT0.040 2∗∗∗0.068 5∗∗∗0.078 1∗∗∗(3.735 8)(6.449 2)(7.391 3)KCT_High_Risk0.032 6∗∗∗(4.013 3)KCT_Low_Risk0.080 5∗∗∗(7.492 1)Age-0.018 1-0.030 4∗-0.030 8∗-0.030 2∗(-1.171 7)(-1.696 4)(-1.709 2)(-1.687 8)Size0.098 4∗∗∗0.096 1∗∗∗0.105 8∗∗∗0.095 8∗∗∗(14.415 2)(12.985 6)(14.581 5)(12.958 3)Soe-0.082 5∗∗∗-0.044 8∗∗∗-0.042 2∗∗∗-0.045 2∗∗∗(-6.352 0)(-3.359 6)(-3.155 9)(-3.388 7)Lev-1.642 1∗∗∗-1.601 2∗∗∗-1.609 1∗∗∗-1.600 8∗∗∗(-50.452 3)(-40.183 6)(-40.212 4)(-40.185 8)Top10.005 8∗∗∗0.005 6∗∗∗0.005 6∗∗∗0.005 6∗∗∗(15.577 2)(15.151 5)(15.147 8)(15.141 6)Dual0.011 10.012 80.013 50.012 8(1.006 8)(1.148 6)(1.210 0)(1.146 2)EDI-1.615 3∗∗∗-1.577 5∗∗∗-1.544 7∗∗∗-1.583 3∗∗∗(-8.527 0)(-7.370 9)(-7.208 8)(-7.400 5)SUB-1.581 8∗∗∗-1.596 5∗∗∗-1.585 2∗∗∗-1.595 3∗∗∗(-15.612 7)(-12.027 6)(-11.914 1)(-12.028 4)HHI-0.522 1∗∗∗-0.178 2-0.186 5-0.177 9(-4.134 1)(-0.734 3)(-0.769 8)(-0.732 8)IO-0.042 7∗∗-0.075 2∗∗∗-0.054 3∗∗∗-0.074 1∗∗∗(-2.141 9)(-3.831 7)(-2.782 4)(-3.771 7)Cons0.457 9∗∗∗-0.057 6-0.021 1-0.223 5-0.012 6(60.179 2)(-0.303 4)(-0.101 4)(-1.081 0)(-0.060 6)时间固定效应未控制未控制控制控制控制行业固定效应未控制未控制控制控制控制地区固定效应未控制未控制控制控制控制样本观测值11 46511 46511 46511 46511 465F值13.956 3319.838 6207.509 3204.026 6207.481 5调整R20.001 10.234 30.256 80.254 40.256 8

3.3 内生性检验

3.3.1 样本偏差问题

(1)Heckman两阶段法。考虑到部分样本因数据严重缺失被剔除,针对式(9)可能存在的内生性问题,本研究构建Heckman两阶段模型。在第二阶段,回归模型加入逆米尔斯比率(IMR, lnverse Mill Ratio),结果如表6列(1)所示。结果表明,在控制样本选择偏差问题后,关键核心技术创新仍显著促进高技术制造企业绩效提升。

(2)倾向得分匹配法(PSM)。利用Logit模型计算各样本企业倾向得分,采用最邻近匹配法对样本进行1∶2匹配。在匹配后,使用权重不为空的样本与满足共同支撑假设的样本进行回归,结果如表6列(2)(3)所示。结果表明,关键核心技术创新对高技术制造企业绩效发挥促进作用,假设H1依然成立。

表6 内生性分析估计结果
Table 6 Estimated results of endogenetic analysis

变量EPHeckman两阶段法(1)倾向得分匹配法(2)(3)滞后效应(4)添加遗漏变量(5)KCT0.081 5∗∗∗0.088 8∗∗∗0.077 5∗∗∗0.077 8∗∗∗(7.597 9)(6.651 5)(7.160 1)(7.322 4)IMR-0.322 4∗∗(-2.284 0)L.KCT0.041 7∗∗∗(3.687 6)Age0.005 2-0.028 9-0.032 7∗-0.024 2-0.031 8∗(0.206 7)(-1.385 6)(-1.860 3)(-1.190 0)(-1.768 8)Size0.044 5∗0.096 0∗∗∗0.096 6∗∗∗0.115 8∗∗∗0.098 4∗∗∗(1.718 6)(11.250 0)(13.669 8)(14.674 3)(13.154 8)Soe-0.062 2∗∗∗-0.043 1∗∗∗-0.043 9∗∗∗-0.042 3∗∗∗-0.050 4∗∗∗(-3.827 3)(-2.592 7)(-3.185 8)(-2.988 8)(-3.744 4)Lev-1.599 2∗∗∗-1.586 8∗∗∗-1.601 4∗∗∗-1.656 9∗∗∗-1.600 4∗∗∗(-40.225 9)(-39.824 3)(-47.595 8)(-38.079 3)(-40.303 6)Top10.005 7∗∗∗0.006 2∗∗∗0.005 6∗∗∗0.005 6∗∗∗0.005 5∗∗∗(15.256 9)(13.694 5)(14.851 4)(14.039 8)(14.998 7)Dual0.006 20.009 90.012 80.005 20.013 5(0.539 3)(0.760 0)(1.162 4)(0.428 9)(1.208 7)EDI-1.635 1∗∗∗-1.513 3∗∗∗-1.573 1∗∗∗-1.755 7∗∗∗-1.605 3∗∗∗(-7.549 7)(-6.752 0)(-8.275 7)(-7.859 8)(-7.487 0)SUB-1.809 6∗∗∗-1.491 0∗∗∗-1.574 2∗∗∗-0.701 7∗∗∗-1.612 0∗∗∗(-10.848 9)(-12.781 0)(-15.532 9)(-3.238 5)(-12.102 1)HHI-0.508 1∗-0.152 3-0.175 1-0.070 2-0.183 8(-1.737 2)(-0.525 4)(-0.699 9)(-0.252 1)(-0.757 6)IO-0.253 0∗∗∗-0.063 8∗∗-0.074 0∗∗∗-0.067 4∗∗∗-0.077 2∗∗∗(-2.824 9)(-2.389 2)(-3.645 1)(-3.208 0)(-3.941 1)DIG_L0.025 7∗∗(2.296 2)High_Tech0.060 8∗∗∗(4.959 4)Cons1.427 6∗-0.110 2-0.035 4-0.695 2∗∗∗-0.076 5(1.943 1)(-0.457 9)(-0.177 2)(-2.994 9)(-0.365 6)时间固定效应控制控制控制控制控制行业固定效应控制控制控制控制控制地区固定效应控制控制控制控制控制样本观测值11 4658 06611 45010 05611 465F值190.279 9201.464 1284.457 7166.997 4165.916 1调整R20.257 00.255 70.256 50.247 30.258 4

3.3.2 反向因果问题

为了缓解反向因果的影响,同时考虑到关键核心技术创新对企业绩效的影响可能具有一定的滞后性,本文对核心解释变量与控制变量作滞后一期处理,回归结果如表6列(4)所示。结果显示,关键核心技术创新对企业绩效具有显著正向影响。

3.3.3 遗漏变量问题

为了防止其它遗漏变量对研究结果的影响,本文进一步控制企业个体、地区和年份的交乘项,以及行业与年份交乘项的固定效应。结果显示,关键核心技术创新的回归系数显著为正。此外,在基准模型的基础上,进一步添加企业数字技术水平(DIG_L)[25]以及是否获得高新技术企业资质(High_Tech)等控制变量,回归结果如表6列(5)所示。结果表明,关键核心技术创新的回归系数在1%水平上显著为正。因此,本文基本结论依然成立。

3.4 稳健性检验

(1)替换解释变量。首先,构建关键核心技术创新的0-1变量(KCT_01),回归结果如表7列(1)所示。其次,采用各企业所属关键核心技术专利3年被引次数加1取自然对数[26](KCT_C),回归结果如表7列(2)所示。再次,对关键核心技术创新类型进行识别,将其划分为突破性创新与渐进性创新,并计算出对应的突破性关键核心技术专利数量(KCT_R)与渐进性关键核心技术专利数量(KCT_I),回归结果如表7列(3)(4)所示。

(2)替换被解释变量。采用净资产收益率(ROE)指标、托宾Q值进行稳健性检验,回归结果如表7列(5)(6)所示。

(3)采用聚类稳健标准误。分别在地区层面、行业层面以及企业个体层面对检验的标准误差进行聚类检验。

以上检验结果表明,关键核心技术创新能够显著促进高技术制造企业绩效提升,与前文研究结果相符。

表7 稳健性检验结果
Table 7 Robustness test results

变量替换解释变量(1)(2)(3)(4)EPEPEPEP替换被解释变量(5)(6)ROETobinQKCT_010.050 9∗∗∗(4.694 3)KCT_C0.061 2∗∗∗(7.459 8)KCT_R0.101 6∗∗∗(4.947 9)KCT_I0.079 4∗∗∗(7.406 2)KCT0.015 4∗∗∗0.265 5∗∗∗(5.010 8)(10.436 1)Age-0.027 8-0.030 8∗-0.030 1∗-0.030 5∗-0.021 10.028 2(-1.552 7)(-1.719 0)(-1.676 3)(-1.698 1)(-1.297 8)(0.796 7)Size0.108 6∗∗∗0.099 5∗∗∗0.107 0∗∗∗0.095 6∗∗∗0.027 3∗∗∗-0.291 5∗∗∗(15.464 4)(13.715 2)(14.955 5)(12.886 3)(4.108 1)(-18.196 8)Soe-0.043 2∗∗∗-0.044 6∗∗∗-0.042 3∗∗∗-0.045 1∗∗∗-0.014 70.075 7∗∗(-3.233 7)(-3.338 4)(-3.165 6)(-3.379 8)(-1.487 8)(2.548 6)Lev-1.612 9∗∗∗-1.604 9∗∗∗-1.612 0∗∗∗-1.601 4∗∗∗-0.271 3∗∗∗-0.983 6∗∗∗(-40.399 4)(-40.252 7)(-40.357 8)(-40.173 0)(-4.259 1)(-11.852 2)Top10.005 6∗∗∗0.005 6∗∗∗0.005 6∗∗∗0.005 6∗∗∗0.001 3∗∗∗-0.001 3(15.114 8)(15.171 9)(15.068 2)(15.174 3)(4.856 3)(-1.464 9)Dual0.014 20.012 00.012 90.012 80.007 4∗∗0.012 7(1.270 3)(1.079 0)(1.155 4)(1.149 5)(1.993 0)(0.512 6)EDI-1.536 4∗∗∗-1.576 9∗∗∗-1.546 1∗∗∗-1.579 4∗∗∗-0.344 6∗∗∗-1.389 6∗∗∗(-7.181 2)(-7.364 1)(-7.223 7)(-7.377 5)(-3.376 7)(-3.014 2)SUB-1.616 8∗∗∗-1.599 7∗∗∗-1.604 0∗∗∗-1.595 8∗∗∗-0.249 4∗∗∗-0.066 5(-12.237 4)(-12.040 1)(-12.159 5)(-12.010 6)(-5.096 8)(-0.261 8)HHI-0.177 4-0.169 7-0.187 8-0.182 8-0.140 40.115 2(-0.732 2)(-0.701 0)(-0.774 5)(-0.753 6)(-1.360 9)(0.256 4)IO-0.058 0∗∗∗-0.069 0∗∗∗-0.062 7∗∗∗-0.073 0∗∗∗-0.054 7-0.110 8∗∗(-2.979 6)(-3.521 5)(-3.200 8)(-3.718 9)(-1.288 1)(-2.480 1)Cons-0.306 6-0.087 2-0.247 3-0.008 1-0.189 9∗∗∗9.303 5∗∗∗(-1.517 9)(-0.422 9)(-1.204 9)(-0.039 1)(-3.085 2)(21.180 1)时间固定效应控制控制控制控制控制控制行业固定效应控制控制控制控制控制控制地区固定效应控制控制控制控制控制控制样本观测值11 46511 46511 46511 46511 46511 465F值203.971 3206.294 8204.000 1207.865 836.045 8123.433 1调整R20.254 90.256 50.254 80.256 80.015 30.210 3

3.5 调节效应检验

为了验证企业竞争地位对关键核心技术创新与企业绩效关系的调节效应,本文构建调节效应模型(10)。

EPi,t=β0+β1KCTi,t+β2moderatori,t+β3KCTi,t×moderatori,t+∑Controls+∑Year+∑Indu+εi,t

(10)

其中,moderatori,t表示调节变量,KCTi,t×moderatori,t表示调节变量与自变量的交乘项。

企业竞争地位的调节效应检验结果如表8所示。列(1)显示,企业竞争地位(En_Co_Po)与关键核心技术创新(KCT)的交乘项系数显著为正,表明企业竞争地位对关键核心技术创新与企业绩效关系发挥正向调节效应。具体而言,关键核心技术受行业内技术领先的优势主体影响,且大部分关键核心技术的主导权掌握在技术领先企业手中,导致重要资源、核心知识获取受限。具有较高竞争地位的企业拥有创新资源优势、融资成本优势以及较强的风险防御能力,能够加快关键核心技术研发,进而带动产品迭代升级,促进企业绩效提升。因此,假设H2得到支持。此外,本文进一步检验企业竞争地位(En_Co_Po)对高风险类关键核心技术创新(KCT_High_Risk)、低风险类关键核心技术创新(KCT_Low_Risk)与企业绩效关系的调节效应,结果如表8列(2)(3)所示。研究发现,企业竞争地位与高风险关键核心技术创新的交乘项对企业绩效的提升效应更显著。相较于低风险类关键核心技术创新,高风险类关键核心技术攻关需要更多创新资源投入,面临更高的研发风险。此时,具有较高竞争地位的企业能够发挥地位优势,因而竞争地位对高风险类关键核心技术创新与企业绩效关系的调节效应更显著。

表8 调节效应检验结果
Table 8 Results of the moderating effect test

变量(1)(2)(3)EPKCT0.048 6∗∗∗(5.849 6)KCT∗En_Co_Po0.336 7∗∗∗(3.373 6)KCT_High_Risk0.021 9∗∗∗(3.742 2)KCT_High_Risk∗En_Co_Po0.350 3∗∗∗(4.567 6)KCT_Low_Risk0.050 2∗∗∗(5.905 9)KCT_Low_Risk∗En_Co_Po0.306 3∗∗∗(2.985 1)En_Co_Po3.319 7∗∗∗3.319 3∗∗∗3.317 1∗∗∗ (54.711 8)(54.344 9)(54.644 0) Age0.060 3∗∗∗0.058 6∗∗∗0.060 8∗∗∗ (4.452 2)(4.322 7)(4.490 2) Size0.034 2∗∗∗0.039 2∗∗∗0.034 0∗∗∗ (5.581 4)(6.567 6)(5.543 1) Soe0.048 4∗∗∗0.048 6∗∗∗0.048 0∗∗∗ (4.476 8)(4.485 3)(4.441 3) Lev-0.674 1∗∗∗-0.675 4∗∗∗-0.674 0∗∗∗ (-18.565 6)(-18.541 9)(-18.554 7) Top10.004 5∗∗∗0.004 5∗∗∗0.004 5∗∗∗ (15.798 5)(15.805 3)(15.792 1) Dual-0.013 6-0.013 4-0.013 6 (-1.587 2)(-1.555 3)(-1.587 0) EDI-1.483 8∗∗∗-1.465 1∗∗∗-1.487 4∗∗∗ (-8.963 1)(-8.857 3)(-8.976 8) SUB-0.954 9∗∗∗-0.947 4∗∗∗-0.954 3∗∗∗ (-9.767 0)(-9.672 3)(-9.781 2) HHI0.061 70.070 90.058 5 (0.313 3)(0.359 9)(0.297 0) IO-0.024 2-0.013 2-0.023 6 (-1.581 2)(-0.871 9)(-1.536 1) Cons0.425 1∗∗0.325 3∗0.429 5∗∗ (2.491 8)(1.936 5)(2.515 5)时间固定效应控制控制控制行业固定效应控制控制控制地区固定效应控制控制控制样本观测值11 46511 46511 465F值444.259 7438.563 1444.243 3调整R20.549 30.548 90.549 1

3.6 中介作用检验

借鉴中介机制检验方法,本文从生产经营效率与市场获利能力两个方面考察关键核心技术创新对企业绩效的中介效应。在基准模型(9)的基础上,构建机制检验模型(11)与模型(12)。其中,Moderatori,t为中介变量。模型(11)用于检验关键核心技术创新对中介变量的影响,模型(12)用于检验中介变量在关键核心技术创新对高技术制造企业绩效影响过程中的中介效应。

Mediatori,t=β0+β1KCTi,t+∑Controls+∑Year+∑Indu+∑Prov+εi,t

(11)

EPi,t=β0+β1KCTi,t+β2Mediatori,t+∑Controls+∑Year+∑Indu+∑Prov+εi,t

(12)

3.6.1 生产经营效率的中介作用检验

表9列(1)为关键核心技术创新对高技术制造企业生产经营效率的影响,结果显示,关键核心技术创新的估计系数为0.100 5且在1%水平上显著。由此说明,关键核心技术创新能够有效促进高技术制造企业生产经营效率提升。表9列(2)显示,关键核心技术创新(KCT)与中介变量生产经营效率(TFP_LP)对企业绩效(EP)影响的回归系数分别为0.036 7、0.412 2且在1%水平上显著,与基准回归模型中关键核心技术创新的回归系数(β1=0.078 1)相比,减少0.041 4。由此可见,生产经营效率的中介作用成立。实践中,关键核心技术攻关能够促进企业新质生产力发展,促使先进生产工具与高技能劳动力互补,通过技术进步与组织结构优化提高企业生产经营效率,降低企业运营成本,从而促进企业绩效提升。为了确保检验结果的可靠性,本文进行Sobel检验与Bootstrap检验,结果如表9所示。结果表明,生产经营效率(TFP_LP)发挥部分中介作用,且中介效应为67.47%。上述检验结果与前述理论分析相符,假设H3得到支持。

3.6.2 市场获利能力的中介作用检验

表9列(3)为关键核心技术创新对高技术制造企业市场获利能力的影响,关键核心技术创新的估计系数为0.196 9且在1%水平上显著,说明关键核心技术创新能够有效促进高技术制造企业市场获利能力提升。表9列(4)显示,关键核心技术创新(KCT)与中介变量市场获利能力(MP)对企业绩效(EP)影响的回归系数分别为0.050 9、0.138 2且在1%水平上显著,与基准回归模型中关键核心技术创新的回归系数(β1=0.078 1)相比,减少0.027 2。结果表明,市场获利能力的中介作用成立。具体来看,高技术制造企业能够通过关键核心技术创新提高技术或产品在市场中的竞争优势,部分技术或产品甚至可以实现垄断,进而获得高额的经济效益、研发风险补偿和资本回报,进一步促进企业绩效提升。为了确保检验结果的可靠性,本文进行Sobel检验与Bootstrap检验,结果如表9所示。结果表明,市场获利能力(MP)发挥部分中介作用,且中介效应为20.63%。上述检验结果与前述理论分析相符,假设H4得到支持。

表9 中介作用机制检验结果
Table 9 Mediator mechanism test results

变量生产经营效率(1)(2)TFP_LPEP市场获利能力(3)(4)MPEPKCT0.100 5∗∗∗0.036 7∗∗∗0.196 9∗∗∗0.050 9∗∗∗(10.549 2)(3.674 1)(4.952 9)(5.278 0)TFP_LP0.412 2∗∗∗(37.555 1)MP0.138 2∗∗∗(38.260 8)Age0.049 9∗∗∗-0.051 0∗∗∗-0.096 3∗-0.017 1(3.093 3)(-3.071 9)(-1.710 2)(-1.093 5)Size0.513 3∗∗∗-0.115 5∗∗∗0.747 4∗∗∗-0.007 2(77.234 0)(-13.111 3)(28.976 1)(-1.066 5)Soe0.115 8∗∗∗-0.092 5∗∗∗-0.171 7∗∗∗-0.021 1∗(9.554 1)(-7.427 9)(-3.799 9)(-1.712 3)Lev0.170 4∗∗∗-1.671 4∗∗∗-3.437 2∗∗∗-1.126 2∗∗∗(5.399 6)(-44.549 0)(-29.675 8)(-31.979 1)Top10.004 5∗∗∗0.003 7∗∗∗0.014 3∗∗∗0.003 6∗∗∗(13.351 6)(10.747 9)(11.924 2)(10.642 9)Dual0.002 90.011 60.140 9∗∗∗-0.006 7(0.292 3)(1.122 8)(4.002 6)(-0.667 6)EDI-3.207 2∗∗∗-0.255 61.671 7∗∗∗-1.808 5∗∗∗(-17.380 5)(-1.262 9)(2.627 1)(-9.636 8)SUB-2.135 6∗∗∗-0.716 3∗∗∗-4.269 4∗∗∗-1.006 6∗∗∗(-17.783 7)(-5.877 1)(-10.938 2)(-8.574 7)HHI0.134 0-0.233 5-0.903 6-0.053 4(0.577 1)(-0.996 2)(-1.222 9)(-0.249 8)IO-0.046 2∗∗∗-0.056 2∗∗∗-0.269 5∗∗∗-0.038 0∗∗(-2.741 2)(-3.055 3)(-4.107 6)(-2.126 7)Cons-1.651 0∗∗∗0.659 4∗∗∗-12.744 2∗∗∗1.740 0∗∗∗(-8.685 1)(3.361 5)(-18.081 0)(9.341 3)时间固定效应控制控制控制控制行业固定效应控制控制控制控制地区固定效应控制控制控制控制样本观测值11 46511 46511 46511 465F值1 724.204 9317.022 7151.875 8316.710 5调整R20.699 10.356 20.242 40.398 1中介效应值67.47%20.63%Sobel test11.43∗∗∗3.02∗∗∗Bootstrap test[0.038 5, 0.053 9][0.003 2, 0.025 1]

3.7 异质性分析

3.7.1 企业特征异质性

在不同规模企业样本中,关键核心技术创新对企业绩效可能具有不同影响。大规模企业关键核心技术创新具有以下优势:

(1)技术研发优势。大规模企业经济实力雄厚,研发所需的“硬件”“软件”基础设施齐全,为技术攻关创造了良好条件。

(2)资金筹集优势。大规模企业融资渠道丰富且融资成本较低,能够缓解企业内部研发资金风险。

(3)风险承担能力强。当市场环境不确定性提升时,相较于中小规模企业,大规模企业对外部环境变化更敏感。根据国家统计局印发的《统计上大中小微型企业划分办法(2017)》,营业收入大于4亿元、员工人数大于1 000人的企业为大规模企业,否则为中小规模企业。表10列(1)(2)显示,相较于中小规模企业,在大规模企业样本中,关键核心技术创新对高技术制造企业绩效的提升效应更显著,符合预期分析结论。

3.7.2 环境特征异质性

不同创新环境下,关键核心技术创新对企业绩效可能具有不同影响。目前,经济全球化遭遇强势逆流,部分国家加大了对中国关键核心技术突破的“阻击”力度。国内高技术制造企业受到制约,技术主导权大多掌握在西方发达国家企业手中。因此,通过融入全球创新网络获取国际科技创新资源以实现关键核心技术创新,能够有效促进企业绩效提升。通过判断企业是否发生海外投资行为或是否在海外设立研发子公司衡量企业是否融入全球创新网络,回归结果如表10列(3)(4)所示。结果显示,相较于未融入全球创新网络的企业,在融入全球创新网络的企业样本中,关键核心技术创新对高技术制造企业绩效的提升效应更显著。通过融入全球创新网络,丰富的科技创新资源能够加速企业关键核心技术研发,进一步拓展产品市场,从而促进企业绩效提升。

3.7.3 技术特征异质性

中国高技术制造业所属行业差异较大,不同行业关键核心技术创新对企业绩效的影响可能具有一定差异。参考Agrawal等[27]的研究成果,本文将电气机械和器材制造业、计算机、通信和其它电子设备制造业、仪器仪表制造业标记为技术更新变化速度较快行业。技术更新变化速度越快的行业,其技术活跃性越高。本文根据研究样本判断企业是否属于技术活跃性较高行业,是取1,否则属于技术活跃性较低行业,取值为0,回归结果如表10列(5)(6)所示。结果显示,在技术活跃性较低行业,关键核心技术创新对高技术制造企业绩效的影响更显著。究其原因,技术活跃性较高行业属于知识密集型行业,技术创新频率较高、技术迭代速度较快,企业需要持续加大研发投入力度,通过探索前沿性技术实现技术迭代升级,这不利于其获取稳定的市场份额,因而对企业绩效的提升效应较弱。

表10 异质性检验结果(企业特征、环境特征与技术特征)
Table 10 Heterogeneity test: firm, environmental and technology characteristics

变量EP(1)(2)(3)(4)(5)(6)大规模企业中小规模企业融入全球创新网络未融入全球创新网络技术活跃性较高技术活跃性较低KCT0.091 7∗∗∗0.013 60.105 0∗∗∗-0.003 80.055 7∗∗∗0.096 4∗∗∗(8.189 3)(0.432 8)(8.588 8)(-0.177 2)(3.677 2)(6.333 9)控制变量控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制行业固定效应控制控制控制控制控制控制地区固定效应控制控制控制控制控制控制样本观测值8 6642 8007 7713 6935 0906 375F值187.096 333.112 2146.825 562.974 588.332 3130.932 7调整R20.286 60.223 00.259 60.266 20.237 50.278 1

4 结语

4.1 主要结论

基于新熊彼特增长理论,本文以2011—2022年中国高技术制造业A股上市公司为研究对象,探究关键核心技术创新对企业绩效的影响机制,得出主要结论:

(1)关键核心技术创新与企业绩效呈显著正相关关系,表明关键核心技术创新能够促进企业绩效提升,且研发风险较低的关键核心技术创新对企业绩效的提升作用更显著。

(2)企业竞争地位强化关键核心技术创新对企业绩效的影响效应,且竞争地位对高风险类关键核心技术创新与企业绩效关系的调节效应更显著。

(3)关键核心技术创新通过提升企业生产经营效率和市场获利能力促进企业绩效提升。

(4)考虑到企业规模特征差异,关键核心技术创新对大规模企业绩效的影响更显著;考虑到企业环境特征差异,关键核心技术创新对融入全球创新网络企业绩效的提升作用更显著;考虑到技术特征差异,技术活跃性较低行业关键核心技术创新对企业绩效的影响更显著。

4.2 研究贡献

(1)丰富了关键核心技术创新的后效研究。现有文献主要探讨关键核心技术创新前因,本文基于经验证据探讨了关键核心技术创新对企业经济绩效的影响,揭示了企业竞争地位的调节效应,以及生产经营效率与市场获利能力的中介效应,延伸了关键核心技术创新对企业绩效影响机制的研究边界,为科技自立自强背景下借助关键核心技术创新促进企业绩效提升提供了理论依据。

(2)本文基于理论分析验证了技术革命性突破可以有效提升企业新质生产力,解释了为何后发展国家可以借助技术赶超“机会窗口”突破关键核心技术,助力企业实现高质量发展的现实问题。本文将经典经济理论与中国特色社会主义实践相结合,进一步探讨先进知识技术在现代经济中的重要作用,为实现高水平科技自立自强发展提供了理论支撑。

4.3 管理启示

(1)充分利用关键核心技术创新提升企业生产经营效率。企业开展关键核心技术创新,通过重大技术突破与生产要素配置有效提升自身全要素生产率。一方面,企业应积极引进创新型与管理型人才,以改善创新活动所需的要素禀赋、优化内部生产流程;另一方面,企业应注重识别现有生产线中的瓶颈,通过关键核心技术研发活动不断优化基础工艺、核心元部件、重要机器设备,提高生产运营效率、降低生产运营成本,从而提升企业绩效。

(2)充分释放关键核心技术创新成果的商业价值以提高企业市场获利能力。首先,深入市场调研,从技术先进性、成熟度、市场潜力及潜在应用场景等方面对关键核心技术进行识别与评估;其次,构建良好的合作生态,加强产学研合作,充分利用合作方资源优势,加速技术成果转化和市场化进程,进而提高技术成果的整体竞争力和市场响应度;最后,在关键核心技术研发过程中,监测市场动态和竞争态势,明确关键核心技术的市场定位,并根据市场反馈和用户需求对其进行优化。此外,在关键核心技术研发过程中往往会产生部分衍生技术,企业需要开发这类边缘技术的附属产品,进一步获取较高的市场效益。

(3)完善现有高技术制造企业关键核心技术创新政策。一方面,对中小型企业实施差异化扶植政策。相较于大规模企业,中小型企业竞争地位较低。政府应根据企业技术优势,优化研发补贴机制,在技术细分领域助推中小型企业技术突破。另一方面,部分行业技术活跃性较低、迭代速度较慢,持续高强度研发投入情景下企业面临较高的研发风险。因此,政府应为企业搭建有效的融资平台,破解企业研发资金周转难的困局。

(4)鼓励企业通过积极主动融入全球创新网络获取国际创新资源。部分领域关键核心技术受到西方国家制约,企业应坚持高水平对外开放,通过积极融入全球创新网络获取国际科技资源、市场资源、人才资源。例如,加大海外投资活动力度,注重构建多元主体参与的合作网络,提高海外子公司地理分散性以降低关键核心技术创新成本与研发风险,进而提高企业海外市场收益。

4.4 研究局限与展望

本文存在以下不足:一方面,关键核心技术创新相关研究尚处于起步阶段,相关测量指标缺乏针对性,未来需要不断丰富与完善关键核心技术创新测量方式;另一方面,研究表明,技术创新是企业形成和发展新质生产力的核心要素,技术革命性突破更是催生企业新质生产力的关键,但关键核心技术创新如何助力企业形成新质生产力,进而提升企业绩效的内在机理尚未厘清,未来需作进一步探究。

参考文献:

[1] 李树文, 罗瑾琏, 张志菲. 从定位双星到布局寰宇: 专精特新企业如何借助关键核心技术突破实现价值共创[J]. 南开管理评论, 2024, 27(3): 94-107.

[2] 何海燕, 常晓涵, 李浩然, 等. 关键核心技术壁垒对产业链安全的影响与破解路径[J]. 科学管理研究, 2023, 41(6): 53-59.

[3] 常晓涵, 何海燕, 孙磊华, 等. 关键核心技术壁垒对中国产业链升级的影响[J]. 北京理工大学学报(社会科学版), 2023, 25(6): 184-198.

[4] 陈奉先, 光云霞. 关键核心技术能带来更高的企业全要素生产率吗——基于语义文本和PSM-DID的实证考察[J]. 会计与经济研究, 2023, 37(4): 134-155.

[5] 柳卸林, 高雨辰, 丁雪辰. 寻找创新驱动发展的新理论思维——基于新熊彼特增长理论的思考[J]. 管理世界, 2017, 34(12): 8-19.

[6] 周文, 许凌云. 论新质生产力: 内涵特征与重要着力点[J]. 改革, 2023, 36(10): 1-13.

[7] 张玉臣, 谭礼. 关键核心技术的概念界定、特征辨析及突破路径[J]. 中国科技论坛, 2023, 39(2): 20-29.

[8] 于明洋, 吕可夫, 阮永平. 供应链网络位置与企业竞争地位[J]. 系统工程理论与实践, 2022, 42(7): 1796-1810.

[9] LUNDVALL,BENGT-KE,BJÖRN JOHNSON. The learning economy[J]. Journal of Industry Studies,1994,1(2):23-42.

[10] WINTER, SIDNEY G. Toward a neo-schumpeterian theory of the firm[J]. Industrial and Corporate Change, 2006, 15(1): 125-141.

[11] 李德辉, 范黎波, 吴双. 企业市场地位、信息优势与创业导向:基于法制环境调节效应的考察[J]. 管理评论, 2019, 31(4): 58-69.

[12] 蒋薇薇, 王喜. 市场地位、内部控制与上市公司投资效率[J]. 科学决策, 2023, 30(9): 52-63.

[13] 魏卉, 郑伟.企业竞争地位、供应链集中度与权益资本成本[J]. 商业研究, 2019, 62(2): 109-118.

[14] 刘文祥, 赵庆寺. 习近平关于新质生产力重要论述的深刻内涵、重大意义与实践要求[J].江西财经大学学报, 2024, 26(4): 13-23.

[15] 诸竹君, 袁逸铭, 焦嘉嘉. 工业自动化与制造业创新行为[J]. 中国工业经济, 2022, 39(7): 84-102.

[16] 郭冬梅, 王继彬, 胡瀚清, 等. 基于文本的创新测度及对企业绩效的影响研究[J]. 系统工程理论与实践, 2024, 44(6): 1896-1912.

[17] 邓新明, 林晓真, 毛凤义, 等. 多市场接触、技术范围与企业绩效——来自全球医药行业的实证研究[J]. 管理工程学报, 2023, 37(5): 51-64.

[18] 陈静, 曾德明, 欧阳晓平. 知识重组能力与高新技术企业绩效——冗余资源与创新开放度的调节效应分析[J]. 管理工程学报, 2021, 35(3): 23-33.

[19] 杨武, 王爽. 特征分析视角下核心技术动态趋势识别——以光刻技术为例[J]. 情报杂志, 2021, 40(12): 36-44.

[20] LEE C, KWON O, KIM M, et al. Early identification of emerging technologies: a machine learning approach using multiple patent indicators[J]. Technological Forecasting and Social Change, 2018, 50(127): 291-303.

[21] KWON U, GEUM Y. Identification of promising inventions considering the quality of knowledge accumulation: a machine learning approach[J]. Scientometrics, 2020, 125(3): 1877-1897.

[22] 陈旭, 江瑶, 熊焰, 等.“卡脖子”技术甄别模型构建及应用——以工业软件为例[J].情报杂志, 2024, 43(4): 106-113,95.

[23] 刘长庚, 王宇航, 彭千芮. 反垄断有助于提高企业劳动收入份额吗[J]. 南开经济研究, 2023, 39(4): 163-180.

[24] 陶锋, 朱盼, 邱楚芝, 等. 数字技术创新对企业市场价值的影响研究[J]. 数量经济技术经济研究, 2023, 40(5): 68-91.

[25] 冯启良, 安琪, 方炜. 组态视角下高技术制造企业关键核心技术创新绩效提升策略研究[J]. 科技进步与对策,2025,42(5):128-138.

[26] 孙磊华, 何海燕, 常晓涵, 等. 军民深度协同对企业关键核心技术突破的影响[J]. 科技进步与对策, 2022, 39(23): 128-139.

[27] AGRAWAL, AJAY, ALBERTO GALASSO,et al. Roads and innovation[J]. Review of Economics and Statistics, 2017, 99(3): 417-434.

(责任编辑:张 悦)