开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
在开放创新时代，我国企业需要与国内外企业不断进行技术交流与合作[1]，整合、利用全球创新生态系统中的优势资源，不断提升我国企业在全球价值链中的地位。近年来，我国多家企业和机构先后被美国列入实体清单，美国政府试图限制这些企业和机构使用含有美国技术的产品，充分说明依靠自主创新掌握核心技术才是我国企业持续发展的有力保障。因此，企业应合理分配自主创新和引进创新资金比例，不断优化创新资金结构，使企业创新资金利用率实现最高。新结构经济学认为，要素禀赋及其结构是影响技术进步和经济增长的重要因素[2]，创新要素合理配置与结构优化已成为提升区域创新绩效、促进经济高质量发展的关键[3-4]。《中国科技统计年鉴》资料显示，2018年我国规模以上工业企业R&D经费投入总量12 954.83亿元，比上年增长7.84%；技术引进、消化吸收、改造等经费支出4 229.86亿元，比上年增长10.67%。近年来，我国企业创新资金投入规模不断扩大，但并未带来技术水平显著提升，究其原因在于创新资金供给出现结构性问题[5]。在我国不断深化供给侧结构性改革、寻找创新要素结构优化策略的关键时期，探讨创新资金结构对创新产出的影响机理尤为重要。
创新资金是指企业用于创新活动的资金，包括研发创新资金和非研发创新资金。其中，研发创新资金是指企业自主研发经费投入，非研发创新资金主要用于引进国外技术、购买国内技术和对已有技术进行改造等[6]。创新资金结构是指不同创新资金在创新资金总额中所占的比例。本文中的创新资金使用结构是指企业在自主研发、技术引进、技术购买和技术改造等方面的资金比例。图1展示了近年来我国规模以上工业企业创新资金结构变化情况，其中技术引进资金包括技术引进经费和消化吸收经费。从中可见，自主研发资金比例呈上升趋势，技术改造资金比例呈下降趋势，技术引进和技术改造资金投入比例始终较低。另外，各区域或不同企业在创新资金设置方面存在较大差距，多数企业存在创新资金结构设置不合理、创新资金配置冗余和短缺并存等问题。因此，本文重点探讨与解析应如何优化创新资金分配及创新资金结构设置以提高企业创新产出。
图1 2012-2018年我国规模以上工业企业创新资金使用结构变化情况
在创新资金投入与创新产出关系上，国内外学者经历了从关注资金规模到资金结构的过程。关于创新资金规模，相关研究证实自主研发资金投入可以有效提升企业创新产出[7-8]；同时，陈恒等(2016)研究发现，随着知识积累的增加，R&D资金投入对创新产出的促进作用显著提高。除自主研发创新资金外，技术引进和改造等非研发资金投入对创新产出的作用不容忽视。陈劲等[9]认为，仅用R&D投入衡量企业创新资金投入远远不够，还应包括技术引进与消化吸收、技术改造等非R&D投入。尤其是在开放式创新环境下，企业应该同时整合、利用内外部创新资源提高企业创新产出[10]。大量学者研究发现，非研发创新资金投入对创新产出具有重要推动作用[11]，需要给予足够重视。随着创新资金规模的不断扩大，创新资金结构逐渐得到学者关注，并成为解释创新产出不足的重要原因[12]。关于创新资金结构，Honjo[13]研究发现初创企业人力资本影响企业资金结构；Dai等[14]通过研究研发构成对企业绩效的影响发现，研发活动相辅相成，存在使企业绩效最大化的最优创新资金结构；Mansfield等[15]研究发现，自主研发经费中用于研发资金的比例对创新产出具有重要影响；此外，众多学者发现，研发经费中的政府资金比例和企业自有资金比例对创新绩效的影响也比较突出[12,16-17]。
总体来看，国内外学者围绕创新资金投入对创新产出的影响进行了大量研究，但主要关注创新资金投入规模和自主研发资金来源结构对创新产出的影响，忽视了自主研发和非研发创新资金使用结构对创新产出的影响。既有研究仅从投入规模角度阐述自主研发资金、技术引进和技术购买对创新产出的影响机理，从创新资金分配比例视角揭示创新资金使用结构对创新产出影响的较少。基于此，本文以我国2011-2017年28个省级区域工业企业为研究对象，将创新产出分为中间产出和最终产出，采用面板数据模型中的随机效应模型和门槛回归模型，在保持创新资金规模固定不变的情况下，研究创新资金使用结构对创新活动中间产出和最终产出的异质性影响。创新资金使用结构是指企业在自主研发、技术引进、技术购买和技术改造等方面的资金使用比例，现有研究均以各部分占总体的比例反映资金结构，而将结构看成一个整体分析其对创新产出影响的文献较少。因此，本文参考已有研究[12,16-17]，分别研究自主研发、技术引进、技术购买和技术改造资金使用比例对创新产出的影响机理，并深入阐释创新资金使用结构与创新产出之间的影响关系。
本文创新之处在于：①突破现有研究主要关注创新资金投入规模对创新产出影响的做法，在分析创新资金使用结构对创新产出影响机制的基础上，实证检验自主研发、技术引进和技术购买等创新资金使用结构设置对创新产出的影响机理，可从结构角度丰富对创新资金投入和创新产出关系的认识；②根据创新价值链理论，将创新过程分为技术研发和技术商业化两个阶段，比较分析创新资金使用结构对不同阶段创新产出水平的差异化影响，有助于企业根据创新类型合理分配创新资金以实现最高产出率；③从创新资金使用结构对创新产出的线性影响及门槛效应两个方面进行分析，有助于全面把握创新资金使用结构影响机理。
技术创新是从新产品、新工艺构想、研究、开发再到商业化的过程[18]。Hansen & Birkinshaw[19]提出创新价值链理论，指出创新是一个连续的分阶段过程。创新价值链指出在知识转化为商业价值这一过程中充满了复杂性，强调人力、资本投入和企业资源在价值创造过程中的作用[20]。根据创新价值链理论，创新过程由相互作用、相互依赖的不同阶段组成[21]。大多数研究将创新过程划分为技术研发和技术商业化(或经济转化)两个阶段(范德成等，2018)。基于此，本文将创新过程分为技术研发和技术商业化两个阶段，将创新产出分为中间产出和最终产出。其中，中间产出为技术研发阶段产出，最终产出为技术商业化阶段产出。
考虑到隐性知识转移受区域边界的阻碍，且我国创新政策和创新文化因地区而异，因此省级区域创新系统成为研究我国创新活动的良好工具[22]。在区域创新系统中，企业是最重要的创新主体，因为企业具备将新技术产品化与商业化的能力，并能够最终实现创新经济价值。资源基础观认为，资源既是企业维持竞争优势的动力源泉，又是提升区域创新绩效的关键[23]。创新资金是区域企业开展创新活动的关键资源，其对激发科研人员创新活力起到重要推动作用。创新资金包括自主研发资金和非研发资金。研究表明，加大自主研发资金和非研发资金投入对创新产出具有重要促进作用[24]，但有时创新资金规模扩大并不能显著促进创新产出，而创新资金结构成为解释这一现象最主要的原因。根据新结构经济学理论，创新要素禀赋及其结构是影响企业技术创新最重要的因素[2]。根据边际效应理论，随着创新资金比例提升，其有可能对创新产出产生不同影响，因此需要深入研究创新资金结构对创新产出的非线性影响。内生增长理论强调研发资金投入和研发人员投入能够提升企业创新活动潜力[25]。因此，为科学把握创新资金结构对创新产出的影响机制，在研究设计中需要考虑创新资金规模和创新人员对结果产生的影响。
创新资金结构通过不同创新资金规模变化情况及其配置关系影响创新产出。创新资金结构反映各种创新资金搭配和组合，创新资金使用结构是指企业在自主研发、技术引进、技术购买和技术改造等方面的资金比例关系，其直接影响企业创新产出。当创新资金数量较少时，不同创新资金使用结构将带来不同创新产出规模，合理的创新资金使用结构是实现高创新产出的关键。通常情况下，自主研发资金比例提高意味着企业在技术研制、工艺改进和产品改良等方面投入更多人力和物力，会明显促进创新产出。但随着自主研发资金比例的提升，其对创新产出的作用会因为其它创新资金比例下降而减小。在开放创新时代，企业创新水平提升离不开与国内外企业机构的技术合作，自主研发和技术引进、技术购买等合理搭配是促进创新产出提升的关键。创新活动在技术研发阶段和技术商业化阶段的工作重点不同，在技术研发阶段注重新技术研制和开发，而在技术商业化阶段主要是将技术应用于产品和服务改良，此时的技术既包括新研制技术，又包括从外界获取的技术。技术引进和技术购买是企业获取技术的重要途径，技术研发阶段创新产出依赖于新技术研制，而技术商业化阶段创新产出在技术获取基础上即可完成。因此，技术引进和技术购买资金比例提升有助于促进技术商业化阶段创新产出，而技术引进和技术购买资金比例提升对技术研发阶段创新产出的促进作用较小。技术改造主要针对生产设备和工艺改进，而较少涉及技术研发和技术商业化过程[24]；而且，随着企业技术改造资金比例的提升，企业自主研发和技术引进、购买资金比例不断下降，企业研发新技术和新产品的能力受到抑制，从而不利于提高创新产出。
2.1.1 被解释变量
创新产出。基于创新价值链理论，本文中的创新产出包括中间产出和最终产出，中间产出一般用专利表示，最终产出包括收益性产出、竞争性产出和技术性产出(周明等，2011)。考虑到数据可得性，本文只研究最终产出中的收益性产出。收益性产出一般用新产品销售收入(NPS)衡量[26]，因为新产品销售收入代表新产品在市场上的接受程度，可以有效反映企业产品创新的经济价值。因此，本文用新产品销售收入衡量区域工业企业创新活动的最终产出。在已有研究中，学者一般用专利申请量或专利授权量衡量创新活动中间产出。由于统计年鉴只公布了区域工业企业专利申请量，且专利申请量不受政府专利机构等人为因素的影响，能够真实反映创新产出水平[6]，因此本文用区域规模以上工业企业发明专利申请量(PAT)衡量创新活动中间产出。
2.1.2 核心解释变量
创新资金使用结构。创新资金使用结构是指不同使用类型创新资金占资金总额的比例，创新资金使用结构主要包括自主研发资金、引进国外技术资金、购买国内技术资金和技术改造资金，企业创新模式主要包括自主研发、引进国外技术、购买国内技术和改造已有技术[24]。其中，自主研发(IRD)资金是指企业R&D经费内部支出，考虑到消化吸收经费支出完全用于技术引进[9]，因此本文将消化吸收经费包括在国外技术引进经费中。国外技术引进(FTI)资金包括引进技术经费支出和消化吸收经费支出，国内技术购买(DTP)资金即购买境内技术的经费支出，技术改造(ETT)资金即技术改造经费支出。本文中的创新资金结构是指自主研发资金、引进国外技术资金、购买国内技术资金和技术改造资金占所有创新资金的比例。为消除物价变化对样本数据的影响，本文中自主研发资金用“研发价格指数”(居民消费价格指数和固定资产投资价格指数加权平均，权重分别为0.55和0.45)进行平减[27]，非研发创新中引进国外技术资金、购买国内技术资金和技术改造资金用GDP指数进行平减[6]，新产品销售收入用工业生产者出厂价格指数进行平减[27]，以2011年为基期。多数研究表明，创新资金投入与创新产出之间存在时滞性[26,28]。参考陈劲等(2007)的研究，结合本文实际回归效果，本文用提前1期的创新资金结构作为专利申请量的核心解释变量。同时，参考尤建新等[28]的研究，本文用提前2期的创新资金结构作为新产品销售收入的核心解释变量。
2.1.3 控制变量
(1)创新资金规模(SUM)。大量研究表明，创新资金规模即创新资金投入数量，对企业创新产出具有显著促进作用，是创新产出的重要决定因素[24]。为科学有效地研究创新资金结构对创新产出的影响，本文将创新资金规模设为控制变量，用年度自主研发资金、引进国外技术资金、购买国内技术资金和技术改造资金的总和表示。
(2)科研人员(RDP)。科研人员是创新活动中必不可少的要素，对创新产出具有显著促进作用，本文用R&D人员全时当量衡量(苏屹等，2017)。
(3)市场竞争程度(MAR)。已有研究表明，随着市场竞争程度的加剧，企业危机意识逐渐增强，对新知识创造和扩散具有重要推动作用[29]。本文参考侯建和陈恒[6]的研究，用区域R&D活动工业企业数衡量市场竞争程度。在一个区域中，随着研发活动企业数增加，企业对创新资金、创新人员等资源的竞争随之加剧，推动企业不断进行知识创造，提高竞争力。因此，从事研发活动的企业数可以在一定程度上反映创新活动市场竞争程度，相关数据来源于《中国科技统计年鉴》。
(4)对外开放程度(OPEN)。在开放式创新体系下，区域实施对外开放政策有利于技术获取和转移[27]，提高本地区企业技术复杂度，对创新产出产生显著促进作用。本文用贸易开放度衡量对外开放程度，即各省份进出口总额占GDP的比重，数据来源于《中国统计年鉴》。
Griliches[30]于1979年提出知识生产函数概念，其根据Cobb-Doulas生产函数，将知识生产函数表示为：
R&D output=F (R&D input)
(1)
Jaffe[31]在Griliches研究的基础上，对Griliches知识生产函数的两个投入要素进行改进，形成著名的Griliches-Jaffe知识生产函数。
ln(Pik)=β1ln(Iit)+β2ln(Uit)+β3[ln(Uit)*ln(Cit)]+eit
(2)
其中，i表示地区，t表示年份，P表示专利数量，I表示企业经费投入，U表示高校经费投入，C代表高校和企业的地理一致性，β为弹性系数，e为随机误差项。此外，Jaffe将人力资源变量也加入到知识生产函数的控制变量中。公式(2)展示了高校研发投入对企业专利产出的溢出效应。本文对Griliches-Jaffe知识生产函数进行拓展，将应用范围限定为区域工业企业，研究企业创新投入对创新产出的影响机制。创新产出既包括中间产出，也包括最终产出。创新资金投入包括创新资金规模和创新资金结构，本文将研发人员(RDP)、市场竞争程度(MAR)和对外开放程度(OPEN)视为影响创新产出的重要因素[6, 27]，构建创新生产模型。
lnYit=c+β1lnSUMit+β2lnSTRit+β3lnRDPit+β4lnMARit+β5lnOPENit+eit
(3)
其中，c为常数项，Y代表专利申请量(PAT)和新产品销售收入(NPS)，RDP表示科研人员。本文将研发资金投入划分为创新资金规模(SUM)和创新资金结构(STR)。其中，创新资金结构包括自主研发资金比例(IRD)、引进国外技术资金比例(FTI)、购买国内技术资金比例(DTP)和技术改造资金比例(ETT)。为避免不同创新资金比例自相关性对研究结果的不良影响，本文构建含有不同创新资金比例的模型，分别用模型1～模型8表示。
本文以我国内地28个省份规模以上工业企业为研究对象(因海南、西藏和青海部分数据缺失，故省略)，解释变量和控制变量时间范围为2011-2015年。因2011年前后统计年鉴中工业企业统计口径发生变化，2010年统计口径为大中型工业企业，2011年以后为规模以上工业企业，故本文将研究起点设置在2011年，被解释变量时间范围为2012-2017年，数据来源于《中国科技统计年鉴(2012-2018)》《中国统计年鉴(2012-2018)》。
为选择合适的检验模型，本文先进行F检验、LM检验和Hausman检验，根据检验结果，最终选取随机效应模型进行分析。为得到稳健性结果，误差形式均采用稳健标准误，计量结果如表1所示。
表1 面板数据模型回归结果
变量专利申请量模型1模型2模型3模型4新产品销售收入模型5模型6模型7模型8IRD0.584***0.911***(3.070)(4.270)FTI0.0360.049**(1.150)(1.810)DTP-0.0060.047**(-0.260)(1.650)ETT-0.191***-0.271**(-2.780)(-1.870)RDP-0.0690.259***0.238***0.181**-0.0510.468***0.515***0.378**(-0.460)(2.610)(2.550)(1.750)(-0.270)(2.450)(2.790)(2.050)SUM0.638***0.105*0.148*0.215***1.046***0.242*0.2020.406***(3.530)(1.370)(1.640)(2.620)(4.220)(1.640)(1.270)(2.390)MAR0.328***0.546***0.519***0.447***0.0060.313**0.289**0.174(3.230)(6.400)(6.500)(5.590)(0.030)(2.070)(1.950)(1.000)OPEN0.153**0.124*0.143**0.165**0.170**0.134*0.145*0.168**(1.910)(1.520)(1.840)(2.050)(1.820)(1.510)(1.480)(1.800)Constant-2.079**0.5490.1880.1522.928*6.772***7.080***5.829***(-1.720)(0.520)(0.170)(0.140)(1.520)(4.230)(4.290)(3.510)R_squared0.9060.9080.9110.9120.9080.9110.9120.908
注：*、**、***分别表示在10%、5%和1%水平上显著。括号内为z值，下同
由表1可以看出，每个模型的拟合度(R_squared)均大于0.9，说明本文变量很好地解释了专利申请量和新产品销售收入。第一，创新资金结构对专利申请量的影响。模型1结果显示，自主研发资金比例对专利申请量的影响系数为正，且通过1%显著性水平检验，说明自主研发资金比例提升能够显著促进区域工业企业专利产出；模型2结果显示，引进国外技术资金比例对专利申请量的影响系数为正，但未通过显著性检验；模型3结果显示，购买国内技术资金比例对专利申请量的影响系数为负，未通过显著性检验；模型4结果显示，技术改造资金比例对专利申请量的影响系数为负，且通过1%显著性水平检验。第二，创新资金结构对新产品销售收入的影响。模型5结果显示，自主研发资金比例与新产品销售收入显著正相关，通过1%显著性水平检验，影响系数为0.911，在所有创新资金结构中，自主研发资金比例影响系数最大，影响程度最高；模型6结果显示，引进国外技术资金比例与新产品销售收入正相关，且在5%水平上显著；模型7结果显示，购买国内技术资金比例与新产品销售收入正相关，且在5%水平上显著；模型8结果显示，技术改造资金比例与新产品销售收入负相关，在5%水平上显著。
通过比较创新资金使用结构对专利申请量和新产品销售收入的影响，发现无论是中间产出还是最终产出，自主研发资金比例对创新产出均具有显著正向影响，且影响系数远大于其它创新资金比例对创新产出的影响系数，说明在区域工业企业创新资金投入策略中，提高自主研发资金比例能够显著提升企业创新产出。技术改造资金比例对专利申请量和新产品销售收入均具有显著负向影响，说明企业技术改造资金投入比例较高会抑制企业创新产出，可能是因为我国工业企业技术改造主要针对生产设备和工艺改进，较少涉及产品和技术创新[24]；而且，随着企业技术改造资金比例的提升，企业自主研发和技术引进、购买资金比例不断下降，企业研发新技术和新产品能力受限，不利于创新产出水平提高。因此，技术改造经费支出比例与专利申请量和新产品销售收入显著负相关。引进国外技术资金比例和购买国内技术资金比例对专利申请量的影响不显著，而引进国外技术资金比例和购买国内技术资金比例对新产品销售收入均具有显著正向影响，说明我国企业用于引进国外技术和购买国内技术的资金比例较高，对新产品研制起到显著推动作用，而对基础创新活动的促进作用较小。国内外技术引进和购买主要包括一些成熟的技术、设备、流程和工艺方法，在短期内可以促进新产品制造和销售，因此技术引进和技术购买资金比例提升明显提高了新产品销售收入。而专利的产生需要在技术获取基础上进行再创新，在没有自主研发支持情况下，技术获取对催生新技术的作用较小，因此技术引进和技术购买资金比例提升对专利申请量的影响不显著。
随机效应模型检验结果显示，自主研发资金比例对专利申请量和新产品销售收入均有显著正向影响，且相比于其它创新资金，自主研发资金比例对创新产出的影响系数最大。为提升区域工业企业创新产出，自主研发资金比例是否可以持续提高？随着自主研发资金比例提升，自主研发资金比例对创新产出的影响是否存在自主研发资金比例门槛效应(邵汉华等，2019)？本文对上述问题进行深入探讨。
(1)模型设定。为验证自主研发资金比例对创新产出的影响是否存在门槛效应，本文基于已有数据建立面板门槛回归模型。门槛回归模型最早由Hansen[32]提出，该模型可以根据样本数据特点确定门槛值和门槛数量，科学划分不同作用区间，并根据样本数据进行显著性和真实性检验，以客观有效地揭示自主研发资金比例对创新产出的非线性影响机理。本文以自主研发资金比例为门槛变量，构建单一面板门槛回归模型(苏屹等，2017)。
lnYit=c+α1lnSUMit+α2lnRDPit+α3lnMARit+α4lnOPENit+β1lnIRDitI(IRDit≤γ)+β2lnIRDitI(IRDit>γ)+μi+εit
(4)
其中，I(•)为示性函数，当满足括号中的条件时，取值为1；反之，取值为0。γ为变量门槛值，μi为各区域个体效应，其它符号的含义同公式(2)和(3)。多重门槛模型以此类推，本文以双重门槛为例构建如下模型：
lnYit=c+α1lnSUMit+α2lnRDPit+α3lnMARit+α4lnOPENit+β1lnIRDitI(IRDit≤γ1)+β2lnIRDitI(γ1<IRDit≤γ2)+β3lnIRDitI(γ2<IRDit)+μi+εit
(5)
其中，γ1和γ2为双重门槛值，其它符号的含义同公式(2)和(3)。
(2)结果分析。本文采用Stata14软件估计与检验自主研发资金比例对创新产出的非线性影响，选择使模型残差平方和最小的门槛估计值，对门槛估计值进行显著性和真实性检验。采用自助法(Bootstrap)对门槛效应显著性进行检验，通过似然比统计量
对门槛估计值真实性进行检验(苏屹等，2017)，结果显示显著性水平α=0.05，LR=7.352 3。对单一门槛模型、双重门槛模型和三重门槛模型分别进行检验，结果如表2所示。由表2可以看出，当以专利申请量为因变量时，单一门槛效应通过5%显著性检验，双重和三重门槛效应均不显著。同样，以新产品销售收入为因变量时，单一门槛效应在5%水平下显著，双重和三重门槛效应均未通过显著性检验。因此，自主研发资金比例对专利申请量和新产品销售收入的影响均存在一个门槛值，门槛值分别为0.554和0.301，门槛估计值及置信区间如表3所示。
表2 门槛效应显著性检验结果
因变量门槛个数F值P值临界值1%5%10%专利申请量单一16.7500.05020.04716.41513.738双重6.6100.51720.38516.12713.405三重4.5000.80620.37714.96412.654新产品销售收入单一23.4000.01323.88917.99615.995双重4.3000.84030.05720.47016.817三重4.3200.79623.52416.67513.831
注：P值是用Bootstrap法反复抽样300次得到的结果
表3 门槛估计值与置信区间
因变量门槛估计值95%置信区间专利申请量0.554[0.547, 0.556]新产品销售收入0.301[0.293, 0.311]
对门槛效应显著性进行检验，利用似然比函数图对门槛估计值和门槛真实值一致性进行检验，似然比函数如图2和图3所示。当似然比统计量LR等于0时，对应门槛参数/IRD即为自主研发资金比例的门槛估计值。由图2和图3可以看出，当以专利申请量为因变量时，自主研发资金比例的门槛估计值为0.554；当以新产品销售收入为因变量时，自主研发资金比例的门槛估计值为0.301。在95%置信水平下，所有小于似然比统计量LR=7.352 3(图中虚线)γ构成的区间即为置信区间，门槛值0.554、0.301估计置信区间为[0.547, 0.556]和[0.293, 0.311]。从图2和图3可以看出，两个估计置信区间均落在似然比函数图置信区间内，因此本文中门槛估计值和真实值一致，自主研发资金比例门槛估计值通过真实性检验。
图2 门槛值0.554的似然比函数 图3 门槛值0.301的似然比函数
由表4可以看出，当自主研发资金比例小于0.554时，影响系数为0.612，且通过1%显著性检验；当自主研发资金比例大于0.554时，影响系数为0.363，且通过10%显著性检验。自主研发资金比例对专利申请量具有显著促进作用，当跨越门槛值后影响系数下降，表明随着自主研发资金比例提高，其对专利申请量的促进作用下降。当自主研发资金比例跨越0.554门槛值后，其对专利申请量的影响系数由0.612迅速下降至0.363，说明当自主研发资金比例高于0.554时，我国工业企业进入自主研发资金比例对专利产出促进作用减弱的瓶颈期。此时，研发技术由边缘技术逐渐转向核心技术，研发难度加大，自主研发资金产出率下降，企业需要与其它企业或机构进行技术合作，攻克技术壁垒，破除自主研发资金“诅咒”，完全释放自主研发投资对专利产出的促进作用。关于自主研发资金比例对新产品销售收入的影响，当自主研发资金比例小于0.301时，影响系数为1.376，且在1%水平下显著；当自主研发资金比例大于0.301时，影响系数为1.674，也在1%水平下显著。自主研发资金比例对新产品销售收入具有显著促进作用，跨越0.301门槛值后影响系数上升，表明随着自主研发资金比例提高，其对新产品销售收入的促进作用增强。本文中的新产品是指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等方面比原有产品有明显改进，从而显著提高产品性能或扩大使用功能的产品。相比于专利产出，新产品研制受到的技术屏障较少，投入的自主研发资金可以显著提高新产品质量及市场接受度。因此，随着自主研发资金比例提升，其对新产品销售收入的促进作用逐渐增强。
表4 门槛回归模型系数及检验结果
变量以专利申请量为因变量系数t值P值以新产品销售收入为因变量系数t值P值RDP-0.212 -1.360 0.176 -0.375* -1.720 0.089 SUM0.707***4.110 0.000 1.198***4.940 0.000 MAR0.288***3.050 0.003 -0.195 -1.470 0.144 OPEN0.0971.260 0.212 0.215**1.980 0.050 IRD≤0.5540.612***3.610 0.000 IRD>0.5540.363* 1.900 0.060 IRD≤0.3011.376***5.850 0.000 IRD>0.3011.674***6.790 0.000 Cons-1.442 -0.840 0.404 6.022** 2.440 0.016 R_squared0.8970.828
2011-2015年，中国内地28个省份工业企业自主研发资金比例相对门槛值0.554分布情况如表5所示。从表5可以看出，整体而言，我国区域工业企业自主研发资金比例逐年提高，多数省份由自主研发资金比例低区间转入高区间，自主研发资金比例低区间(IRD≤0.554)省份由2011年的20个减少至2015年的6个，占比由2011年的71.4%下降至21.4%。自主研发资金比例高区间(IRD>0.554)省份由2011年的8个增加至2015年的22个，占比由2011年的28.5%提高至78.5%。这说明，随着我国创新型国家建设的不断推进，各区域自主研发创新重视程度不断提高，在企业创新资金投入结构中，自主研发资金比例得到显著提高；但不同区域工业企业创新资金在结构设置方面存在较大差异，北京、天津、广东等东部及沿海地区工业企业自主研发资金比例较高，山西、广西、宁夏等中西部地区自主研发资金比例较低。
表5 2011-2015年中国内地28个省份工业企业自主研发资金比例相对门槛值0.554分布情况
年份IRD≤0.554数量具体省份IRD>0.554数量具体省份201120冀、晋、内蒙古、辽、吉、黑、苏、皖、赣、豫、湘、桂、渝、川、贵、云、陕、甘、宁、新8京、津、沪、浙、闽、鲁、鄂、粤201213冀、晋、内蒙古、吉、皖、湘、桂、渝、川、贵、云、甘、宁15京、津、辽、黑、沪、苏、浙、闽、赣、鲁、豫、鄂、粤、陕、新201310晋、内蒙古、湘、桂、渝、川、贵、云、甘、宁18京、津、冀、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、粤、陕、新20149晋、湘、桂、渝、川、贵、云、甘、宁19京、津、冀、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、粤、陕、新20156晋、桂、贵、甘、宁、新22京、津、冀、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、渝、川、云、陕
2011-2015年，我国内地28个省份工业企业自主研发资金比例相对门槛值0.301分布情况如表6所示。从表6可以看出，自主研发资金比例低区间(IRD≤0.301)省份由2011年的7个减少至2015年的1个，占比由2011年的25%降低至3.6%，其中2012年下降明显，占比由2011年的25%迅速下降至2012年的7.1%。这说明，2012年我国区域工业企业自主研发重视程度得到明显提升，2012年中共中央国务院颁发了《关于深化科技体制改革加快国家创新体系建设的意见》，该意见指出“引导鼓励企业成为技术创新主体，激励企业加大研发投入”。该意见的提出对各区域工业企业提高自主研发资金投入起到较强的激励和引导作用。自主研发资金比例高区间(IRD>0.301)省份由2011年的21个增加至2015年的27个，占比由2011年的75%提高至96.4%。从地区分布看，近年来西部地区贵州、甘肃和宁夏处于低自主研发资金比例区间，其它省份处于高自主研发资金比例区间。2015年，在本文样本省份中，只有宁夏工业企业自主研发资金比例低于0.301，说明我国自主创新呈现良好发展态势。
表6 2011-2015年中国28个省份工业企业自主研发资金比例相对门槛值0.301分布情况
年份IRD≤0.301数量具体省份IRD>0.301数量具体省份20117内蒙古、桂、川、贵、云、甘、宁21京、津、冀、晋、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、渝、陕、新20122贵、甘26京、津、冀、晋、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、渝、川、陕、新、云、宁20132贵、甘26京、津、冀、晋、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、渝、川、陕、新、云、宁20142贵、宁26京、津、冀、晋、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、渝、川、陕、新、云、甘20151宁27京、津、冀、晋、内蒙古、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、渝、川、陕、新、云、甘、贵
为检验其它创新资金比例对创新产出的非线性影响，本文采用门槛回归模型分别估计技术引进、技术购买和技术改造资金比例对创新产出的异质性影响。结果发现，技术引进、技术购买和技术改造资金比例对创新产出均不存在显著门槛效应，说明在样本研究期内的4种创新资金中，只有自主研发资金比例呈现对创新产出的异质性影响，影响机理比较复杂，其它创新资金比例对创新产出的影响比较单一。
为获得稳健性检验结果，文中计量误差均采用稳健标准误。此外，本文采用缩尾处理法进行稳健性检验，对创新产出代理变量——专利申请量和新产品销售收入分别进行上下1%的缩尾处理，将大于第99百分位数值的样本用第99百分位数值替换，小于第1个百分位数值的样本用第1个百分位数值替换[33]，所得结论与原结论相同，表明本文研究结论稳健。
本文以2011-2017年我国内地28个省份工业企业为研究对象，以专利申请量、新产品销售收入分别衡量区域工业企业创新活动的中间产出和最终产出，将创新资金分为自主研发资金、国外技术引进资金、国内技术购买资金和技术改造资金，运用面板数据模型中的随机效应模型，实证检验创新资金使用结构对创新产出的线性影响，然后利用门槛回归模型深入分析自主研发资金比例对创新产出的异质性影响，进而得出以下结论：①自主研发资金比例与专利申请量显著正相关，技术改造资金比例与专利申请量负相关，技术引进和技术购买资金比例对专利申请量的影响不显著；②自主研发、技术引进和技术购买资金比例与新产品销售收入显著正相关，技术改造资金比例与新产品销售收入负相关；③自主研发资金比例与专利申请量和新产品销售收入之间均存在显著单一门槛效应，门槛估计值分别为0.554和0.301。当自主研发资金比例小于0.554和大于0.554时，其对专利申请量均具有显著促进作用，影响系数分别为0.612和0.363，促进作用渐小；当自主研发资金比例小于0.301和大于0.301时，其对新产品销售收入的影响系数分别为1.376和1.674，促进作用显著且逐渐增强；④我国区域工业企业自主研发资金比例逐年提高，自主创新呈现良好发展态势，多数省份由自主研发资金比例低区间转入高区间。在地区分布上，东部及沿海地区工业企业自主研发资金比例较高，中西部地区自主研发资金比例较低。
针对上述结论，本文提出如下启示：
(1)在企业创新资金投入策略中，应适当减少技术改造资金投入比例，将更多创新资金应用在技术自主研发、技术引进和技术购买上，增强企业之间及企业与高校和科研院所技术合作，通过建立技术转移转化平台降低技术转移转化难度，在充分吸收外来技术的基础上提高新技术研制能力；此外，区域政府应为企业自主创新营造良好的生态环境，利用财政、金融等政策工具拓宽企业融资渠道，通过基金介入、税收减免、创新券等方式不断激发企业自主研发及成果转化动力，引导企业发挥科技创新主体作用。
(2)企业应根据自身类型合理优化创新资金使用结构，提高创新资金组合效率。①专注于技术研发等中间产出的企业，当其进行自主研发的资金比例超过创新总资金的55.4%时，应积极采取措施打破自主创新资源“诅咒”，加强与高校、科研院所等机构的合作，健全知识产权保护制度，注重科研人员产权激励和创新环境改善，全面激发科研人员创新动力；另外，完善市场要素分配机制和创新资金使用反馈机制，提高创新资源产出率，加强企业核心技术资金投入与自主研发，减少技术依赖；②专注于技术商业化等最终产出的企业，其进行自主研发的资金比例应大于创新总资金的30.1%；③聚焦于技术研发和技术商业化的企业，其自主研发的资金比例应尽量控制在30.1%～55.4%之间，这一区间自主研发资金驱动企业创新产出效果最好，创新资金利用率最高。
(3)提高中西部地区企业自主研发资金比例，促进区域协调发展。近年来，贵州、甘肃、宁夏等中西部地区自主研发资金比例较低，明显抑制企业创新产出，因此政府应给予中西部地区企业更多创新资金支持和政策扶持，在中西部地区加快自主创新示范区建设，鼓励高校及科研院所在中西部地区成立成果转化基地，加强东中西部地区科技合作，逐渐缩小地区差异，使创新驱动区域协调发展。
与已有研究重视创新资金投入规模对创新产出的影响不同，本文在控制创新资金规模不变情况下，探索性研究创新资金使用结构对不同创新产出的影响机理，从创新要素结构视角丰富和拓展区域创新理论，为不同类型企业合理设置创新资金结构、提高创新产出效率及区域协调发展战略的成功实施提供了理论依据和实践指导。然而，本文也存在一定的局限性：①受文章篇幅限制，本文只研究创新资金比例对创新产出的门槛效应，未对其它因素门槛效应进行探究，未来将对其进行丰富和完善；②本文研究结论基于我国区域规模以上工业企业数据所得，未来将对大中型工业企业和高新技术企业进行进一步验证，以提高结论普适性。
[1] LIANG M, TAO Z, JIN C.Exploring the effects of inter-firm linkages on SMEs' open innovation from an ecosystem perspective: an empirical study of Chinese manufacturing SMEs [J].Technological Forecasting & Social Change，2019(144):118-128.
[2] 林毅夫.新结构经济学[M].北京：北京大学出版社, 2012.
[3] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015,50(7):174-187.
[4] ZHANG ML, LI BZ, YIN S.Configurational paths to regional innovation performance: the interplay of innovation elements based on a fuzzy-set qualitative comparative analysis approach[J].Technology Analysis & Strategic Management, 2020, 32 (12): 1422-1435.
[5] 苏屹, 王洪彬, 林周周.东三省现代化经济体系创新要素结构优化策略研究[J].科技进步与对策, 2019, 36(1):50-56.
[6] 侯建, 陈恒.外部知识源化、非研发创新与专利产出——以高技术产业为例[J].科学学研究, 2017,35(3):130-141.
[7] MART
N-ROJAS R, GARCA-MORALES V J, MIHI-RA
MREZ A.How can we increase Spanish technology firms'
performance [J].Journal of Knowledge Management,2011,15(5):759-778.
[8] JONKER M, ROMIJN H, SZIRMAI A.Technological effort, technological capabilities and economic performance: a case study of the paper manufacturing sector in West Java [J].Technovation, 2006, 26(1): 121-134.
[9] 陈劲, 陈钰芬.开放创新体系与企业技术创新资源配置[J].科研管理, 2006, 27(3): 1-8.
[10] CHESBROUGH H.Open innovation, the new imperative for creating and profiting from technology [M].Harvard Business School Press, 2003.
[11] SANTAMARA L, NIETO M J, BARGE-GIL A.Beyond formal R&D: taking advantage of other sources of innovation in low and medium technology industries [J].Research Policy, 2009, 38(3):507-517.
[12] 党建民.R&D经费配置对创新绩效的影响及结构优化研究[D].北京：中国矿业大学,2017.
[13] HONJO Y.The impact of founders' human capital on initial capital structure:evidence from Japan[J].Technovation, 2021, 100(2): 102191.
[14] XIAOYONG DAI,YUANYUAN GUO, LE WANG.Composition of R&D expenditures and firm performance[J].Technology Analysis & Strategic Management, 2020, 32(6)：739-752.
[15] MANSFIELD E.Composition of R&D expenditures: relationship to size of firm, concentration, and innovative output[J].Review of Economics and Statistics, 1981, 63(4):610-615.
[16] 陶爱萍,马金龙,蒯鹏.R&D资金投入结构对技术创新效率的影响研究——基于中国工业行业的实证分析[J].华东经济管理,2019,33(5):83-90.
[17] 张益飞.R&D经费结构和创新绩效的研究[D].南京：南京大学,2017.
[18] 赵玉林.创新经济学[M].北京: 中国经济出版社，2006: 34-46.
[19] HANSEN M T,BIRKINSHAW J.The innovation value chain[J]. Harvard Business Review,2007,85(6):121-130,142.
[20] ROPER S,DU J,LOVE J H.Modelling the innovation value chain[J]. Research Policy,2008,37(6-7):961-977.
[21] ROTHWELL R.Towards the fifth-generation innovation process [J].Int.Mark.Rev, 1994, 11:7-31.
[22] CHEN X, LIU Z, ZHU Q.Performance evaluation of China's high-tech innovation process:analysis based on the innovation value chain[J].Technovation, 2018, 74: 42-53.
[23] 李晓娣, 张小燕.区域创新生态系统对区域创新绩效的影响机制研究[J].预测, 2018, 37(5): 22-28, 55.
[24] 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):44-53.
[25] ROMER P.Endogenous technological change[J].Journal of Political Economy,1990,98(5, Part 2):S71-S102.
[26] 苏屹, 安晓丽, 雷家骕.基于耦合度门限回归分析的区域创新系统R&D投入对创新绩效的影响[J].系统管理学报, 2018, 27(4):132-141.
[27] HOU J, CHEN J C, SONG H F, et al.Are non-R&D innovation activities actually effective for innovation sustainability? empirical study from Chinese high-tech industry [J].Sustainability, 2019, 11:174.
[28] 尤建新, 陈震, 邵鲁宁.产业间R&D溢出对创新产出的动态效应研究——基于上海市大中型工业企业的实证研究[J].科学学与科学技术管理, 2011,32(4):52-57.
[29] GUAN J, CHEN K H.Measuring the innovation production process: a cross-region empirical study of China's high-tech innovations [J].Technovation, 2010, 30(5/6): 348-358.
[30] GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].The Bell Journal of Economics, 1979, 10(1): 92-116.
[31] JAFFE A.Real effects of academic research [J].The American Economic Review, 1989(5): 957-970.
[32] HANSEN B E.Threshold effects in non-dynamic panels: estimation, testing, and inference [J].Journal of Econometrics, 1999, 93(2): 345-368.
[33] 王如玉,王志高,梁琦,等.金融集聚与城市层级[J].经济研究, 2019, 54(11): 165-179.