刘 骏1，张 蕾1，陈 雪2
(1.贵州财经大学 管理科学学院，贵州 贵阳 550025；2.贵州省烟草公司毕节市公司，贵州 毕节 551700)
摘 要：在创新驱动背景下，创新已成为全社会的共识，企业创新速度备受关注。从宏观作用机制方面对企业创新速度进行分析，利用面板门槛回归模型对企业创新速度特征进行研究。结果发现：①企业创新速度对创新成果具有正向促进作用；②创新速度并非越快越好，其与创新成果呈倒U型关系；③创新速度自身存在门槛效应，创新速度越快，其对创新结果的弹性系数也就越大；④创新速度存在创新成果门槛效应，企业创新成果越多，创新速度对其的弹性系数也就越高。
关键词：创新驱动；企业创新速度；创新成果；作用机制；面板门槛回归模型
收稿日期：2019-04-23
基金项目：贵州省科技厅软科学计划项目(黔科合基础20161504号)；贵州财经大学青年教师英才计划项目(20170633)；贵州省烟草公司毕节市公司科技项目(201812)
作者简介：刘骏(1983-)，男，贵州息烽人，博士，贵州财经大学管理科学学院副教授，研究方向为企业技术创新、管理科学；张蕾(1996-)，女，贵州铜仁人，贵州财经大学管理科学学院硕士研究生，研究方向为企业技术创新、项目管理；陈雪(1973-)，女，贵州毕节人，贵州省烟草公司毕节市公司技术中心主任、副研究员，研究方向为企业技术创新、项目管理。本文通讯作者：刘骏。
DOI：10.6049/kjjbydc.L201808151
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(2019)14-0108-07
Liu Jun1,Zhang Lei1, Chen xue2
(1. School of Management, Guizhou University of Finance and Economic, Guiyang 550025, China；2.Guizhou Province Tobacco Companies Bijie Company, Bijie 551700, China)
Abstract：In the context of innovation-driven, innovation has become a consensus of society, and speed of businesses innovation is also a concern. This paper first analyzes the mechanism of businesses innovation through the mechanism of micro overlay mechanism and macro action mechanism. Then, this paper uses the panel threshold regression model to study the characteristics of businesses innovation speed. Empirical research shows that: the innovation speed of high technology businesses has a positive effect on the innovation results, for the innovation speed. It would not be the sooner the better, the innovation speed and innovation results in the inverted U curve relationship. The innovation speed has threshold effect, the faster the innovation speed is, the greater the elasticity coefficient of innovation results. Innovation speed has threshold effect of innovation results, the greater the innovation results are, the higher the elasticity coefficient of innovation speed.
Key Words:Innovation-Driven; Enterprise Innovation Speed; Innovation Results; Speed of Action Mechanism; Panel Threshold Regression Model
党的十九大报告提出要坚定“实施创新驱动发展战略，加快建设创新型国家”，并强调“创新是建设现代化经济体系的战略支撑”。创新已成为全社会的共识，在此背景下，企业为实现自我发展、获取市场竞争优势，纷纷开始注重创新，并致力于提升创新速度。创新驱动成为经济新常态背景下经济发展的核心要素，同时也是防止经济风险和避免结构性失衡的关键步骤，这就要求企业在进行创新时避免走入误区。创新驱动背景下企业创新并非速度越快越好，创新速度具有自身特征，这些特征直接关系到企业创新能否达到预期结果。企业创新速度作用机制及特征已经引起学界广泛关注，弄清这一问题能使企业在有限的资源投入中获取更多创新成果，从而使企业在激烈的市场竞争中获取竞争优势，促进企业长远发展。
在当前经济全球化背景下，加快产品创新速度，保持企业在市场中处于竞争优势地位，从而获得丰厚利润，已成为企业发展的重要途径。我国企业创新产品研发速度与西方发达国家相比仍存在很大差距。据统计，我国许多新产品开发周期较长，平均为18个月，而西方企业产品创新研发周期平均为3个月[1]。麦肯锡公司建立的一个经济模型表明，在一个每年销售增长20%、价格下跌12%的市场上，如果将产品上市时间推后6个月则导致企业在5年内减少盈利33%[2]。还有研究表明，对于平均市场占有率而言，市场第二进入者只有市场第一进入者的71%，而市场第三进入者则只有第一进入者的58%[3]。但是，并不是创新速度越快越好，如果没有很好地进行研发和测试，而只是将有缺陷的产品仓促推向市场将给企业带来不可估量的损失。2014年，国家质检总局共实施汽车召回122次，累计台次达499.7万余辆，创下了召回次数的新高，表明保持合适的创新速度对于企业而言十分重要[4]。
目前，国内外对于企业创新速度的研究较少，大多数文献主要集中在产品创新速度方面，主要研究方向为产品创新速度概念及其作用机制等。
(1)关于产品创新速度的研究主要包含两种定义：一种以Manisfield[5]为代表，认为产品创新速度是从研发到市场投入这两个标志性时间点的跨度；另一种以Kessler & Chakrabarti[6]为代表，他们将产品创新速度界定为“从初次发现市场到实现商品化所需的时间”。然而，目前对于企业创新速度的研究较少，探讨企业创新速度作用机制，分析其作用特征和规律，不仅可以丰富技术创新理论，还可以促进企业自我发展，加快企业转型升级，让企业更具竞争优势。
(2)在产品创新速度作用机制方面，Cohen & Eliashberg[7]以微观经济学为基础理论，通过分析创新产品在质量保证情况下其速度是否有所提高发现，两者存在关联作用机制；Griffin[8]指出，并非所有新产品都能够通过快速创新获取巨大利润，因为企业不仅需要关注自身技术创新速度，还需要关注竞争对手技术创新速度，这是一种双向作用机制；Murmann[9]认为，项目创新速度提升得益于资源的集中性；Karagozoglu & Brown[10]提出，通常创新速度因为创新产品复杂性降低而提高，因为创新复杂性会增加各种不确定性，加大风险及信息需求，加重工作人员负担、增加人员数量；Zirger & Hartley[11]针对创新速度的加速原因、影响因素以及快速创新与创新绩效间的作用关系等问题，利用结构方程模型对这些问题进行了跨行业分析；马永远[12]利用98个创新团队数据，对时间压力与创新团队间的关系进行研究发现，两者之间存在倒U型关系。因此，过高的时间压力对创新团队不仅起不到激励作用，反而还会带来不利影响；宋浩亮(2012)将技术创新速度分为绝对速度和相对速度两个维度，认为相对速度因受到外部市场影响而具有较大的弹性机制。
从现有研究看，关于产品创新速度的理论与实证研究比较丰富，关于其作用规律的探讨也有所涉及。从研究方法看，除传统回归分析外，还广泛引入结构方程、面板数据等模型进行研究，而关于企业创新速度的研究尚未引起学术界足够重视。因此，本文基于企业面板数据，在分析企业创新速度作用机制的基础上，采用面板数据模型研究企业创新速度作用大小，采用非线性面板数据模型和面板门槛模型研究企业创新速度作用规律，在研究方法上较为客观。
本文主要从宏观机制方面对企业创新速度进行分析。所谓作用机制，就是作为实体企业而言创新速度发挥作用的路径和方式，如图1所示。
图1 企业创新速度作用机制
由图1可知，企业创新速度作用机制主要包括公共政策效应、规模经济效应和资源投入效应。
(1)企业发展速度的公共政策效应。公共政策效应是由政府指定的一系列公共政策对企业带来的外部影响。企业的产生往往源于革命性的技术创新，既先由市场感知到技术创新的商业价值，从而吸引投资并产生强大需求。任何企业的产生和发展，一般都会遵循成长曲线规律，即经历起步期、成长期、成熟期和衰退期。从创新速度角度看，在起步期，由于资源投入有限，创新速度缓慢；在成长期，创新速度加快，创新资源投入较多，创新效果较好；而在成熟期和衰退期，随着技术的日趋成熟，创新变得越来越困难，因此创新速度也较慢。在起步期和成长期，由于创新速度越来越快，会吸引政府追加创新投入，同时给予一系列配套政策支持，创新速度越快，政府相关配套政策越多，从而推动创新速度进一步加快，由此形成良性循环，此即为企业创新速度的公共政策效应。
(2)企业创新速度的规模经济效应。规模经济效应是指适当规模产生的最佳经济效益。在市场机制下，企业之间存在相互竞争，技术创新成为每家企业生存发展的重要保障，只有不断进行技术创新才能保证在同类企业中稳步发展并生存下去。在企业发展过程中，随着企业规模的不断扩大，会对创新资源产生巨大需求，吸引创新人才集聚，加大知识转移，同时也会促使企业加强与高等院校、科研院所合作，产生创新规模经济效应，促使企业加快创新速度。
(3)研发资源投入效应。同行其它企业创新速度的加快，会对整个市场中的企业造成巨大压力，若某一企业在研发创新方面投入资源较少、创新速度放缓，就可能导致该企业在市场竞争中丧失竞争优势。因此，随着企业规模的不断扩大，往往会追加研发资源，加快创新并力求超过市场上创新速度平均水平，从而带来创新速度的进一步提升。基于以上分析，本文提出如下假设：
H1：企业创新速度对创新成果具有正向促进作用，其弹性系数为正。
2.2.1 企业创新速度与创新成果间的关系
任何企业在短期内的创新资源都是有限的，而从长期看，创新资源可通过市场与政府的双重作用进行调整。创新速度与企业创新资源、企业效益、企业发展、宏观环境等多种因素有关。企业创新速度过低，说明创新资源投入不够，创新效果不好；而企业创新速度过快，创新资源投入过多，如果不能协调好资源分配，做好创新管理工作，避免创新风险，往往也不容易产生好的创新结果[13]。因此，本文提出如下假设：
H2：企业创新速度与创新成果间呈倒U型曲线关系，即企业高创新速度对创新成果并不存在最大作用，中等速度时作用最大。
2.2.2 企业创新速度的门槛效应
一方面，对企业创新速度与创新成果间的关系可进行线性分析，如对企业创新速度与其它要素的作用进行比较分析。另一方面，企业创新速度与创新成果间可能也存在着非线性关系，即在不同的企业创新速度门槛水平下，企业创新速度存在不同的弹性系数[14]。由于我国企业整体技术创新投入不足，创新水平有待提升，因此提高企业创新速度，有助于促进企业创新绩效。为此，本文提出如下假设：
H3：企业创新速度存在自身门槛效应，企业创新速度越快，其对创新成果的弹性系数也就越高。
那些创新成果好的企业，往往也是保持较高创新速度的企业，创新速度与创新成果形成了良好循环，而在不同创新产出水平下，这种良性循环程度可能是非线性的。为此，本文提出如下假设：
H4：企业创新速度存在创新成果门槛效应，即企业创新成果越多，创新速度对创新成果的弹性系数越高。
Griliches[15]提出了知识生产函数的概念，Jaffe在此基础上引入人力资源变量，得到著名的Griliches- Jaffe[16]知识生产函数，如式(1)所示。
Y=AKαLβ
(1)
上式中，创新成果用Y表示，研发经费投入用K表示，研发劳动力投入用L表示。其中α、β为弹性系数，全要素生产率用A表示。进一步增加企业创新速度变量S，同时为了消除异方差影响，对式(1)两边同时取对数，经整理得：
log(Y)=c+αlog(K)+βlog(L)+γlog(S)
(2)
为研究创新速度的作用特征，考虑到创新速度可能是非线性的，在式(2)的基础上，进一步引入创新速度的2次项，得到：
log(Y)=c+αlog(K)+βlog(L)+γ1log(S)+γ2log2(S)
(3)
随后，本文运用Mundlak[17]创立的面板数据模型求解。对上述式(1)、式(2)、式(3)而言，与其它方法相比，面板数据模型存在较多优势，它不仅能够保障自由度充分，还能对变量间的多重共线性关系进行有效处理，以避免出现统计检验不通过甚至回归系数符号错误等问题，从而使得估计效率和结果比较准确。本文采用系统广义矩法[18]解决高新技术企业创新投入产出中存在的变量内生问题，该方法消除了广义矩法的不足，削弱了工具变量对估计量的影响。运用该方法时，通常选择自变量一阶滞后项作为估计时的工具变量。
根据前文分析，创新速度与创新成果间存在门槛效应，两者很可能是非线性关系。当两者存在一个门槛水平τ时，假设此时创新速度为S，使得对于S≤τ和S>τ两种情况下，其对创新成果的弹性系数存在很大差异，此时引入虚拟变量Di，具体如式(4)所示。
(4)
将其带入式(2)，可得：
log(Y)=c0+θ1Dilog(S)+θ2(1-Di)log(S)+c1log(K)+c2log(L)
(5)
可将式(5)看作是创新速度的一个分段函数。此时有如下两种情况：①当S>τ时，创新速度对创新成果的弹性系数为θ1；②当S≤τ时，创新速度对创新成果的弹性系数为θ2。
式(5)是以一个门槛为例的说明，在实际情况中通常会存在多个门槛值，此时还应考虑引入多个虚拟变量。
通过前文分析可知创新速度本身就存在门槛效应，现讨论其与创新成果的关系。本文认为，创新速度与创新成果可能存在非线性效应，故同样以一个门槛水平τ开始讨论。创新速度为S，在Y≤τ和Y>τ两种情况下，其对创新成果的弹性系数也存在很大差异。
(6)
如式(6)所见，存在两种情况：①当Y≤τ时，创新速度对创新成果的弹性系数为θ1；②当Y>τ时，创新速度对创新成果的弹性系数为θ2。
同样，式(6)是以一个门槛为例的说明，实际情况中也可能存在多个门槛，此时应该引入更多τ。
本文中的关键变量创新速度比较特殊，首先确定用哪些变量作为创新速度的计算依据。从企业投入产出角度看，选择创新成果变量作为计算创新速度的依据更加合适。在现有研究中，主要选取授权发明专利、新产品销售量等作为创新成果变量。对于授权专利而言，由于我国发明专利从申请到授权年限较长，一般需要3年乃至更长时间，此时数据要求较高。加之并非所有企业都会进行专利申请，且某些企业产品很难申请专利。因此，本文借鉴Griliches[19]的研究，选取新产品销售收入这一指标作为企业创新成果测度变量，其能够很好地反映企业通过创新获取的市场价值。这样，就可以用新产品销售收入年度增长率代表创新速度，但由于部分地区出现负增长，而在弹性估计时又要取对数，所以本文将创新速度表示为下一年新产品销售收入与当年新产品销售收入的比值。研发经费采用R&D经费内部支出数据，并用研发人员折合全时当量表示研发劳动力。
由于变量统计口径出现变化，本文只选取《中国高技术产业统计年鉴》2013-2017年的数据。其中，由于青海、西藏数据不全，故将其剔除。最终，本文选取2013-2017年中国内地29个省区面板数据，所得数据统计量如表1所示。
表1 变量统计量
本文面板数据时间跨度只有5年，一般没有平稳性问题，但为稳健起见，继续同时采用ADF检验、PP检验、Levin Lin & Chu检验，以结果一致为准，所得结果如表2所示。经过一阶差分后，得到所有数据均为平稳时间序列。
表2 单位根检验
注：*、**、***表示在10%、5%、1%水平下通过检验，下同
由于变量存在内生性问题，本文使用自变量一阶滞后项的工具变量进行分析。另外，所有自变量均滞后一期，这样更加符合创新投入产出规律。首先，采用式(2)，对创新速度对创新成果贡献的弹性进行估计。在进行Hauseman检验前，采用随机效应估计，Hauseman检验值为25.712，相伴概率为0.000，因此拒绝原假设，此时利用固定效应模型进行估计，结果如表3中的“固定效应1”所示。同时，为进行比较，表3给出了混合回归结果。从表3估计结果看，选取的自变量均通过统计检验，模型具有高度拟合优度(R2=0.994)。同时，还可以看出，对创新成果贡献最大的为研发经费，其弹性系数为0.531；其次是创新速度，其弹性系数为0.139；而研发人员折合全时当量的弹性系数却为-0.051，原因在于该指标无法区分不同水平科技人员的贡献，且研发人员存在绩效不高等问题。由此，假设H1得到验证，即创新速度通过微观叠加机制和宏观作用机制对创新成果产生显著效应。
继续采用式(3)，引入创新速度的二次项估计其非线性效应。首先，采用随机效应模型进行估计，Hauseman检验值为27.923，相伴概率为0.000，说明应采用固定效应模型估计，结果如表3中的“固定效应2”所示。从中可见，所有变量均通过了检验，模型拟合优度为0.993。创新速度二次项弹性系数为-0.151，说明创新速度与创新成果间呈倒U型曲线关系，创新速度弹性最高点取自然对数后为4.619，转换成创新速度后为98.30%。即当创新速度小于98.30%时，创新速度越高，其弹性系数越大；当创新速度大于98.30%时，创新速度越低，其弹性系数越小，假设H2得到验证。
表3 面板数据估计结果
基于Hansen[20]的面板数据门槛模型，对企业创新速度是否存在门槛效应进行检验。首先，对企业创新速度进行单门槛检验，原假设为无门槛，检验结果得到其似然比值LR、F检验值分别为7.349和4.712，相伴概率为0.051，在5%水平上拒绝原假设，此时应采用单门槛回归模型。继续进行双门槛回归，F检验为6.324，相伴概率为0.014，此时说明存在双门槛。但第一阶段数据量只有13个，第二阶段数据量只有9个，数据分布极不均衡，因此采用单门槛模型对其进行估计，估计结果如表4所示。从中可见，除研发人员外，在1%水平下所有变量均通过了统计检验。
表4 创新速度面板门槛回归结果
企业创新速度门槛值为4.619，换算成原始值后为99.11%。创新速度低于99.11%的地区数据有37个，高于99.11%的地区数据有108个。对于创新速度较低地区而言，创新速度弹性系数为0.285；对于创新速度最高地区而言，创新速度弹性系数为0.339，假设H3得到验证(见图2)。
图2 创新速度特征
对比引入创新速度二次项面板数据回归结果和创新速度门槛效应回归结果，总体而言，创新速度与创新成果间存在倒U型曲线关系，中等创新速度弹性最大。创新速度门槛值为99.11%，位于创新速度极大值的右边。从图2看，位于门槛左边的弹性系数应该更大，但由于数据分布不均匀，低于该门槛的数据只有37个，而高于该门槛值的数据有108个，所以最终结果反而是门槛值右边的弹性系数更大。
为了对创新速度的创新成果门槛效应进行估计，本文利用Hansen[20]构建的面板数据门槛模型检验创新成果对创新速度是否存在门槛效应。首先，对其进行单门槛检验，原假设为没有门槛，面板数据门槛效应的似然比值为7.348，F检验值为40.296，相伴概率为0.000，此时检验结果表明拒绝原假设，因此应首先使用单门槛回归模型。继续增加门槛水平，对其进行双门槛回归，其F检验值为30.021，相伴概率为0.002，说明存在双门槛效应。其次，继续进行三门槛检验，此时一阶段检验没有通过，因此最终采用双门槛模型。检验结果如表5所示。从中可见，除研发人员外，其它所有变量均通过了统计检验。
由表5可知，企业创新成果具有两个门槛值，分别为10.313和16.812，将其换算后可得新产品销售收入分别为3.06亿元和1 811.29亿元。根据数据个数可以看出，有6个地区新产品销售收入低于门槛值3.06亿元，有11个地区新产品销售收入高于门槛值1 811.29亿元，128个地区新产品销售收入介于两个门槛值之间，数据数量基本服从正态分布规律，表明中等创新水平地区居多。由结果可知，企业所处地区创新成果水平不同，所对应的创新速度弹性系数也不同，较高创新成果水平地区系数为0.868，中等创新成果水平地区系数为0.458，低创新成果水平地区系数为0.171。因此，该结果验证了假设H4，说明创新速度弹性系数随创新成果水平的提高而提高。
表5 创新成果门槛效应检验结果
(1)企业创新速度对创新成果具有显著贡献。一般用企业创新成果增长率表示企业创新速度。企业创新速度宏观作用机制主要突出了政府及企业集聚对企业创新的影响，包括公共政策效应、规模经济效应和资源投入效应。实证研究表明，企业创新速度对创新成果具有显著贡献，即企业创新速度对创新成果具有正向促进作用，其弹性系数为正。
(2)中等创新速度对企业创新成果贡献最大。企业创新速度呈非线性作用机制，根据面板数据模型分析结果，创新速度与创新成果间存在倒U型曲线关系，低创新速度与高创新速度均会影响创新成果，中等创新速度弹性系数最大。根据创新速度门槛回归模型分析结果，创新速度存在一个门槛值，即创新速度越快，其弹性系数越大。该门槛值位于倒U型曲线最高点的右侧，由于门槛值右侧数据较多，所以最终结果反而是门槛值右边弹性系数更大，反映出我国企业创新速度差距较大，需引起重视。 同时，该结论说明高创新速度对创新成果而言并非最优选择，中等创新速度才应该是企业的首选。
(3)创新成果越多地区企业创新速度弹性系数越大。企业创新速度存在创新成果门槛效应，创新成果越多，企业创新速度弹性系数越大。实证研究表明，创新成果水平较低地区创新速度弹性系数最小，创新成果水平中等地区创新速度弹性系数略高，创新成果水平较高地区创新速度弹性系数最大。对比企业创新速度的非线性特征发现，中速地区企业创新速度弹性系数最高。这说明，创新成果水平较高地区，企业创新速度处于理想中速水平，这证实了假设H3和假设H4。
5.2.1 适当加快企业创新速度
由于企业创新机制存在微观叠加机制及宏观作用机制，且创新速度对企业创新成果具有显著正向促进作用。因此，企业应利用这一特征，适当加快自身创新速度，占据市场先入优势，提高企业知识积累水平，分摊企业创新风险，保持企业竞争优势，树立企业品牌效应，促进企业创新效率提高，进而使其研发成本下降，并最终获取丰厚利润。具体可采取以下措施：
( 1)加大创新投入。加大创新投入，使企业创新研发团队得到大量资金支持，保证企业创新活动顺利开展，从而提高企业创新效率，加快创新速度。
(2)引进创新人才。优秀人才作为企业创新研发的重要支撑，先进创新人才可为企业带来创新思维，产生思想上的碰撞，促使企业创新速度得到提升。
(3)激励员工内部创新。企业应促进内部创新，对公司员工进行创新激励，挖掘其创新潜力，激发创新团队人员的积极性，提高员工创造力。同时，也要给予员工适当的压力，适当的压力有利于员工创造力的最大发挥。
(4)组建健全的创新团队。健全的企业创新团队应该有合理的组织结构、合理的人员配置及顺畅的组织沟通。其中，合理的组织结构是指创新团队应得到充分授权，具有团队自主决策权利，同时也要规范创新人员职能。合理的人员配置是指创新团队具备一个强有力的领导者，且其团队成员同时具备其它技术经验和工作能力，这样能使创新团队更好地从事创新研究工作。顺畅的组织沟通是指创新团队内部沟通、创新团队与企业其它部门间的沟通以及创新团队与领导人员间的沟通应该顺畅。一个健全的创新团队能使创新团队人员更加积极工作，团队效率更高。
5.2.2 保持创新速度适中
就企业长期发展而言，并非创新速度越快就越好，由结论可知中等创新速度对企业创新成果的贡献最大。本文针对拥有不同创新速度的企业，提出如下建议：
(1)创新速度较低企业应适当提升其创新速度，加大创新投入，引进先进创新人才，提升企业内部创新温度，组建健全的创新团队。企业创新速度过低会使企业在市场中丧失竞争力，从而不利于企业竞争与发展，所以低创新速度企业应适当提升自身创新速度。
(2)中等创新速度企业应保持当前速度，做好创新管理工作，在各方面资源管理控制良好的情况下，认真分析当前是否存在较大的富余资源，能否满足企业加速创新的需要。在确保企业具有足够能力进行创新加速时，应该游刃有余地进行高速度创新，这样才能在保证企业正常创新的前提下，提升企业竞争力。
(3)高创新速度企业应认真分析企业当前对于该创新速度的反应，如在资金供给方面能否跟上、人才知识储备方面能否满足需求等。在各方面均能得到满足时，企业可保持该速度继续前进；若企业在某些方面无法得到满足，则应适当减缓创新速度，减轻创新管理压力，以使各方面资源都能适应创新速度需要，保持企业稳定发展。
5.2.3 企业应根据自身所处环境确定创新速度
(1)对于处于高创新成果地区的企业，应十分重视自身创新速度，提高企业竞争优势，维持市场竞争力，使创新速度始终领先地区平均水平。
(2)对于处于中等创新成果地区企业，应适当提升自身创新速度。处于中等创新成果地区的企业虽然不像高创新成果地区具有那么大的弹性，但企业创新对企业发展具有很大的影响，因此企业应适当提升自身创新速度，使企业保持一定创新优势，让自己在市场中具有一定的竞争力。
(3)对于处于低创新成果地区的企业，应适当关注自身发展。本地区企业在保证自身正常运转的前提下，利用富余资源提高创新速度，使企业占据更多优势，产生更强竞争力，在同类企业中脱颖而出，促使企业得到快速发展，并获取丰厚利润。
参考文献:
[1] 孙卫，徐昂，尚磊. 创新速度理论研究评述与展望[J]. 科技进步与对策，2010(4)：156-160.
[2] 张赤东. 企业创新政策体系与使用指南[M]. 北京：知识产权出版社，2017：112-118.
[3] URBAN G L, CARTERT S, GASKIN Z M.Market share rewards to pioneering brands: an empirical analysis and strategic implications [J]. Management Science, 1986, 32 (6): 645-659.
[4] 张赤东. 创新型企业评价理论与实践[M]. 北京：经济科学出版社，2015：66-71.
[5] MANISFIELD E. The speed and cost of industrial innovation in Japan and United States: external vs. internal technology[J]. Management Science，1988，34：1157-1169.
[6] KESSLER E H，CHAKRABARTI A K. Innovation speed：a conceptual model of context, antecedents and outcomes[J]. Academy of Management Review，1996(21)：1143-1491.
[7] COHEN M A, ELIASHBERG J. New product development: the performance and time-to-market tradeoff [J]. Management Science, 1996, 42 (2): 173-186.
[8] GRIFFIN A. The voice of the customer[J]．Marketing Science, 1993, 12(1): 1-27.
[9] MURMANN P A. Expected development time reductions in the german mechanical engineering industry[J]． Journal of Product Innovation Management, 1994, 11(3): 236-252.
[10] KARAGOZOGLU N, BROWN W B. Time-based management of the new product development process[J]．Journal of Product Innovation Management, 1993, 10(3): 204-215.
[11] ZIRGER B J,HARTLEY J L.The effect of acceleration techniques on product development time[J]. IEEE Transactions on Engineering Management, 1996 (43): 143-152.
[12] 马永远. 新产品开发团队时间压力、自省性与创新绩效[J]. 科学学与科学技术管理，2015(2)：139-146.
[13] CHEN J Y, REILLY R R, LYNN G S. New product development speed: too much of a good thing[J]. Journal of product Innovation Management，2012，29(2):288-303.
[14] STREICHER G，SCHIBANY A，GRETZMACHER N.Input additionality effects of R&D subsidies in Austria[M].sterr Institution Wirtsch，2004：9-15.
[15] GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth[J]. Bell Journal of Economics,1979(1):92-116.
[16] JAFFEA B. Real effects of academic research[J]. The American Economic Review, 1989 (5):957-970.
[17] MUNDLAK Y.Empirical productions free of management bias[J]. Journal of Farm Economics，1961(43): 44-56.
[18] BLUNDELL R, BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics, 1998,87:115-143.
[19] GRILICHES Z.Patent sstatistics as economic indicators: a survey[J]. Journal of economic literature,1990, 28(12):1661-1707.
[20] HANSEN B E. Threshold effects in non-dynamic panels: estimation,testing and inference[J]. Journal of Econometrics, 1999,( 93) : 345-368.
(责任编辑：王敬敏)