中國區(qū)域創(chuàng)新系統(tǒng)的功能狀態(tài)檢驗——基于省域2007-2011年的面板數(shù)據(jù)

陳凱華，寇明婷，官建成

(1.中國科學院科技政策與管理科學研究所，北京100190；2.中國科學院創(chuàng)新發(fā)展研究中心，北京100190；3.中國科學院大學管理學院，北京100080)

一、引言

構建“功能明確、結構合理、良性互動、運行高效”的國家創(chuàng)新體系是中國政府近期明確的國家科學與技術發(fā)展目標①見《國家“十二五”科學和技術發(fā)展規(guī)劃》。。毋庸置疑，經(jīng)過30多年的改革與發(fā)展，中國的創(chuàng)新績效無論是在規(guī)模還是在增長速度都獲得了一個驚人的增長，特別是中國入世以后［1］。2011年中國的專利申請量躍居世界第一，超過美國和日本。不過，這種線性角度的結果性論斷并不能反映創(chuàng)新產(chǎn)生與收益過程中系統(tǒng)內(nèi)部要素或活動在科技發(fā)展與應用以及動力上的績效。為此一些基于創(chuàng)新系統(tǒng)框架構建的系統(tǒng)性評估體系，如中國科技發(fā)展戰(zhàn)略研究小組構建的中國區(qū)域創(chuàng)新能力指標體系，應運而生。這些系統(tǒng)性的指標體系提供了對中國區(qū)域創(chuàng)新系統(tǒng)各個要素表現(xiàn)的數(shù)據(jù)資料支撐，但無助于從各指標要素的交互作用和整體作用判斷創(chuàng)新系統(tǒng)的績效。如，中國創(chuàng)新體系目前運行狀態(tài)如何?是否健康運行?這顯然是功能角度的系統(tǒng)性判斷，也是目前學術界與政策界系統(tǒng)角度共同關注的創(chuàng)新發(fā)展戰(zhàn)略問題。這一潛在的從非線性角度對處于過渡期的中國創(chuàng)新系統(tǒng)的運行狀態(tài)的探索在創(chuàng)新政策的發(fā)展具有重要的理論與實踐價值。

在現(xiàn)有分析理論中，欲在系統(tǒng)視角下考慮創(chuàng)新要素或活動在創(chuàng)新過程的參與和表現(xiàn)，創(chuàng)新系統(tǒng)的方法無疑為成為首選。創(chuàng)新系統(tǒng)方法為政策制定者從系統(tǒng)的角度發(fā)展和制定部門、區(qū)域或國家等不同層次上的整體創(chuàng)新政策提供了一個理想的分析框架和工具［2］，它引導政策制定者在從線性角度探究創(chuàng)新績效的直接決定因素的同時，也從非線性角度關注以政策為導向的創(chuàng)新環(huán)境的間接影響。這對探索面向需求的政策工具的發(fā)展和制定尤為重要，尤其是對中國這樣一個處于過渡期的發(fā)展中國家——逐漸從以公共研發(fā)為中心的計劃型創(chuàng)新模式脫變，邁向一個以企業(yè)為創(chuàng)新主體的市場型創(chuàng)新模式——更為重要［3］。

不過創(chuàng)新系統(tǒng)方法存在多種體系②常見的如，國家創(chuàng)新系統(tǒng)［4-6］、區(qū)域創(chuàng)新系統(tǒng)［7］、技術創(chuàng)新系統(tǒng)［8］以及產(chǎn)業(yè)創(chuàng)新系統(tǒng)［9］。，即使同一體系在不同的經(jīng)濟實體上的結構也常常不同，因此為了消除這些體系之間/內(nèi)的差異性，透過功能(functions)表現(xiàn)看本質(zhì)，即關注創(chuàng)新系統(tǒng)內(nèi)“什么發(fā)生(what happens)”，那些功能支撐創(chuàng)新系統(tǒng)的良好運行與績效?該背景下便有了創(chuàng)新系統(tǒng)功能體系的提出與發(fā)展［10-12］。創(chuàng)新功能體系實質(zhì)上是把創(chuàng)新系統(tǒng)內(nèi)的各種要素從功能相近上進行新的組合，為創(chuàng)新系統(tǒng)的比較提供了系統(tǒng)水平(system-level)的解釋因素［13］，后文更具體地稱之為“功能塊(construct)”。每個功能塊把創(chuàng)新系統(tǒng)內(nèi)相關活動(activities)③Edquist(2005)［14］認為創(chuàng)新系統(tǒng)中的“活動(activities)”就是那些影響創(chuàng)新開發(fā)、擴散與應用的因素。、執(zhí)行組織以及支撐要素關聯(lián)在一起，在系統(tǒng)中充當一定的職能。所有功能塊都服務創(chuàng)新系統(tǒng)的發(fā)展目標，即在固定投資下，獲得創(chuàng)新績效(創(chuàng)新產(chǎn)出與創(chuàng)新收益)最大。相關研究者對創(chuàng)新系統(tǒng)功能理論及應用進行了創(chuàng)新性的擴展研究，他們一致認為探索創(chuàng)新系統(tǒng)的績效表現(xiàn)其實就是衡量其功能塊的效用質(zhì)量，即分析每個系統(tǒng)功能塊在創(chuàng)新產(chǎn)出和創(chuàng)新收益實現(xiàn)過程中的績效如何。

為了實現(xiàn)上述研究目的，構建可量化的功能塊以及之間的作用結構是分析的基礎。功能塊，如“研究與發(fā)展”的效用或者績效是由多個組織(如高校、獨立研發(fā)機構或人員)在支撐要素(資金與設備)輔助下實現(xiàn)?？梢?，從統(tǒng)計上，功能塊的功能通常是由多個同質(zhì)變量決定或反映，是綜合變量，從統(tǒng)計角度也可以稱為潛在變量，不能直接度量，但可以通過可測量的同質(zhì)變量反映?，F(xiàn)有對創(chuàng)新系統(tǒng)的功能結構研究較多［11-13］［15］，不過他們的工作仍集中于概念的探討和理論框架的發(fā)展，沒有定量地實證探索每個功能塊的系統(tǒng)性效用。既然功能塊同時且交互式地決定了創(chuàng)新系統(tǒng)的績效，因此通過基于功能路徑的結構方程的檢驗方法是適合的。本文便嘗試通過基于路徑分析的結構方程構建這一系統(tǒng)性的分析和檢驗框架。在前期研究中，Chen和Guan(2011a)僅關注了創(chuàng)新過程上游創(chuàng)新產(chǎn)出的決定性功能塊檢驗［3］，對下游創(chuàng)新收益決定性功能塊并沒有討論。本研究試圖擴展前期研究，構建面向創(chuàng)新產(chǎn)出與創(chuàng)新收益的結構功能檢驗框架。

在具體研究方法設計時，本文基于羅默(Romer)知識生產(chǎn)函數(shù)［16］在政策背景下的擴展框架［17］，構建了用來診斷中國區(qū)域創(chuàng)新系統(tǒng)功能有效性的路徑結構模型和測量指標體系，并借助面向功能結構的路徑方程來檢驗其功能有效性。本研究首先引入偏最小二乘回歸檢驗比較創(chuàng)新系統(tǒng)科技創(chuàng)新產(chǎn)出和創(chuàng)新收益的具體決定因素的重要性與差異性，隨后用基于偏最小二乘法的結構方程來揭示創(chuàng)新系統(tǒng)外生性的功能塊(或結構體)與內(nèi)生創(chuàng)新產(chǎn)出和創(chuàng)新收益功能塊之間的因果關系結構，以及外生環(huán)境功能塊對外生資源功能塊的效用的調(diào)節(jié)(阻礙或促進)。更加具體的討論見后文。

本文選擇中國省域作為分析單元。創(chuàng)新更容易在地理空間集中或臨近情況下發(fā)生［18］，因此區(qū)域被認為是保持基于創(chuàng)新的學習經(jīng)濟最合適的規(guī)模［19］。這也意味著以區(qū)域為研究單元的實證研究更具有實際意義［20-21］。此外，相對于多數(shù)的OECD國家，中國的創(chuàng)新系統(tǒng)太大不能僅僅通過一個整體模型來分析其創(chuàng)新行為，因此區(qū)域維度不能忽略［22］。

二、概念模型

僅考慮基本創(chuàng)新資源投入的知識生產(chǎn)函數(shù)從線性角度向我們闡明了創(chuàng)新過程實現(xiàn)需要的基礎要素，但這些基礎要素對描述整個創(chuàng)新系統(tǒng)的實際運作是遠遠不夠的。基于系統(tǒng)理論發(fā)展的創(chuàng)新系統(tǒng)方法引導我們考慮更多的以政策為導向的環(huán)境要素，這樣也更加適合需求導向的創(chuàng)新模式。Edquist和Hommen(1999)強調(diào)的創(chuàng)新過程系統(tǒng)觀提醒我們充分認識影響創(chuàng)新過程的各要素之間的潛在的、復雜的交互作用［23］。從功能角度分析，創(chuàng)新系統(tǒng)可被看成由兩部分組成:一是創(chuàng)新生產(chǎn)隨后商業(yè)化的主體創(chuàng)新過程，二是影響創(chuàng)新過程運行的輔助創(chuàng)新環(huán)境［24-25］。創(chuàng)新環(huán)境包括各種公共創(chuàng)新條件、基礎設施以及產(chǎn)業(yè)聚集環(huán)境等由政府 通 過 政 策 控 制 為 導 向 的 多 種 要 素［17］［25］。Edquist(1997)把創(chuàng)新系統(tǒng)定義為“影響創(chuàng)新發(fā)展、擴散以及應用的各種重要的經(jīng)濟、社會、政治、組織以及其他的要素”［2］。可見，創(chuàng)新過程是不能獨立于創(chuàng)新環(huán)境而存在，而是嵌入創(chuàng)新環(huán)境中。如Doloreux(2002)強調(diào)，區(qū)域創(chuàng)新系統(tǒng)的核心就是“嵌入(Embeddedness)”這一概念［24］。從創(chuàng)新模型發(fā)展歷程看，即從“線性模型”到“鏈式模型”［26］，再到“系統(tǒng)性模型”［2］，環(huán)境條件對創(chuàng)新過程的影響逐漸受到政策制定者和創(chuàng)新實踐者的重視。近期的實證研究［17］［20］表明這些源于創(chuàng)新環(huán)境中的背景變量影響了創(chuàng)新過程中生產(chǎn)要素的效用。

本文通過概念圖1，從一個非線性的角度描述了創(chuàng)新系統(tǒng)整體生產(chǎn)路徑框架。該路徑圖表明，一個完整的創(chuàng)新過程包括一個上游的創(chuàng)新生產(chǎn)過程和一個下游的創(chuàng)新商業(yè)化過程［27］，以及暗示，創(chuàng)新績效不單與直接的創(chuàng)新資源投資密不可分，而且與同步存在的外部創(chuàng)新環(huán)境息息相關?，F(xiàn)有研究［17］［20-21］已表明，往往因為創(chuàng)新環(huán)境質(zhì)量的不同導致了各創(chuàng)新單元在創(chuàng)新生產(chǎn)力和能力的差異，良好的創(chuàng)新環(huán)境不僅僅是創(chuàng)新活動的“潤滑劑”，而且還是“催化劑”。也就是說，創(chuàng)新環(huán)境中的背景要素與創(chuàng)新過程績效之間也存在一定的“誘導”關系。當然，不匹配的創(chuàng)新環(huán)境會阻礙創(chuàng)新投入的轉(zhuǎn)化效率。就像Furman等(2002)強調(diào)，創(chuàng)新能力并不是創(chuàng)新產(chǎn)出/收益本身的實現(xiàn)水平，而是反映了創(chuàng)新產(chǎn)出/收益的基本決定因素［17］。這也意味著創(chuàng)新能力并不關心創(chuàng)新績效的任何單一反映，而是關心創(chuàng)新績效的可持續(xù)性。該觀點引導我們重視創(chuàng)新環(huán)境對創(chuàng)新過程的影響和調(diào)節(jié)效用。圖1引導我們摒棄傳統(tǒng)的線性視角，從非線性的系統(tǒng)性角度同時關注創(chuàng)新資源、創(chuàng)新環(huán)境對創(chuàng)新產(chǎn)出/收益的同步(聯(lián)立)作用。當然，這些同步效用并不能全面描述創(chuàng)新系統(tǒng)的功能，創(chuàng)新資源和創(chuàng)新環(huán)境之間的交互的調(diào)節(jié)作用也應該被考慮。這些調(diào)節(jié)作用有效地反映了創(chuàng)新系統(tǒng)要素之間的非獨立性，其可能削弱或者強化創(chuàng)新資源的在創(chuàng)新產(chǎn)出/收益中的作用。創(chuàng)新環(huán)境往往是政府制定和實施創(chuàng)新制度和政策的載體，因此關注創(chuàng)新環(huán)境在創(chuàng)新過程中的各種效用也是創(chuàng)新制度和政策的需要。

圖1 創(chuàng)新系統(tǒng)的路徑框架

總之，區(qū)域創(chuàng)新系統(tǒng)的創(chuàng)新能力由創(chuàng)新投入要素的強度、創(chuàng)新環(huán)境的質(zhì)量以及它們之間的交互作用的效用(是否匹配)共同決定的。設想中國區(qū)域創(chuàng)新系統(tǒng)經(jīng)過一系列的科技改革，各功能塊運行良好，因此本文假設這些直接的因果效用表現(xiàn)為顯著的正向影響，這也是本文期望的。區(qū)域創(chuàng)新系統(tǒng)的生產(chǎn)率或者效率，取決于創(chuàng)新活動中創(chuàng)新環(huán)境要素在創(chuàng)新投入要素的轉(zhuǎn)化過程中起到的調(diào)節(jié)效應(是促進還是阻礙)。若設想創(chuàng)新投入要素和創(chuàng)新環(huán)境要素之間的互補性運作良好，即假設創(chuàng)新環(huán)境對創(chuàng)新要素在創(chuàng)新產(chǎn)出/收益中的效用起到促進作用，也就是假設調(diào)節(jié)效用為顯著的正向影響。具體功能塊以及功能塊的測度指標將在下節(jié)詳述。

三、研究方法

(一)功能塊的構建和測量指標的設定

本研究在Furman等(2002)擴展的知識生產(chǎn)函數(shù)框架基礎上，構建了更加廣泛的測量體系(見表1)。與Furman等(2002)分析結構不同，本研究不但關心具體可測的創(chuàng)新要素的微觀效應，而且更為關心由同質(zhì)(角色和功能相同)創(chuàng)新要素構成的潛在功能塊在創(chuàng)新系統(tǒng)中的整體功能有效性。從功能角度量化創(chuàng)新系統(tǒng)是個有效的方法。雖然目前對創(chuàng)新系統(tǒng)分析的功能分析體系并沒有公認的體系，但它引導我們依據(jù)系統(tǒng)的功能性來量化和分析創(chuàng)新系統(tǒng)，也就是衡量創(chuàng)新系統(tǒng)的各功能塊運行績效。這個角度為現(xiàn)有的定性理論探索提供了一個有效的實證研究的量化途徑，使得從系統(tǒng)水平層次上的解釋要素來衡量創(chuàng)新系統(tǒng)的運作質(zhì)量的分析成為可能。

本文綜合考慮Furman等(2000)、Liu和White(2001)及柳卸林和胡志堅(2002)［28］的測量體系，結合考察目的以及創(chuàng)新要素的角色和功能，構建了一個包含9個功能塊(綜合變量)的框架體系(見表1)。創(chuàng)新產(chǎn)出(INNO_OUTPUT)和創(chuàng)新收益(INNO_OUTCOME)是兩個內(nèi)生性功能塊，知識資本聚集(知識存量)(CU_K_STOCK)、新增創(chuàng)新投入(INNO_IN)、外部知識獲取(EX_K_ACQ)、創(chuàng)新熟練度(INNO_SOPH)、公共創(chuàng)新環(huán)境(CO_INNO_EN)、產(chǎn)業(yè)聚集環(huán)境(CLUS_EN)以及創(chuàng)新鏈接(INNO_LINK)是7個外生性功能塊。在功能角色上，前4個外生功能塊是作為創(chuàng)新投入的4種不同來源，是創(chuàng)新產(chǎn)出和創(chuàng)新收益的直接貢獻者，后3個外生功能塊參與或影響創(chuàng)新產(chǎn)出與創(chuàng)新收益的實現(xiàn)，可用來檢驗創(chuàng)新環(huán)境效用。

這9個功能塊本質(zhì)上是潛在的、不可直接觀測的綜合變量，它們之間的交互作用決定了創(chuàng)新系統(tǒng)的功能路徑框架。由于這些潛在的功能塊是不能直接測量的，本研究在Furman等(2000)與柳卸林和胡志堅(2002［28］)測量體系基礎上，構建了如表1所示的測量指標來測量這些功能塊。根據(jù)活動角色差異，這9個功能塊又可從創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新收益和創(chuàng)新環(huán)境等4方面分類描述。

1.創(chuàng)新產(chǎn)出

Griliches(1990)［29］指出，“并不是所有的創(chuàng)新都可以取得專利權的，也并不是所有的專利都可以授權的”?；谏鲜鲈颍疚倪x用每個區(qū)域在國內(nèi)授權的發(fā)明專利(D_PAT)作為技術性創(chuàng)新產(chǎn)出的一個基本衡量①中國是個后進型國家，近幾年中國在USPTO獲得授權的專利數(shù)不足其在國內(nèi)獲得授權的專利數(shù)的1%，因此它的技術創(chuàng)新產(chǎn)出再用USPTO的專利衡量顯然不足。，同時用新產(chǎn)品項目(N_PRO)作為一個補充衡量，以彌補對沒觀測的或者沒有授權的技術創(chuàng)新產(chǎn)出衡量。

本文的分析框架由于是衡量區(qū)域創(chuàng)新系統(tǒng)的整體科技創(chuàng)新生產(chǎn)，因此并不局限于對技術創(chuàng)新范疇，同時還考慮了科學創(chuàng)新產(chǎn)出。這里用科學論文的發(fā)表作為衡量科學性創(chuàng)新產(chǎn)出的代理測度［30］。表1表明，為了體現(xiàn)科學創(chuàng)新產(chǎn)出質(zhì)量，本文用國際論文(I_PAP)衡量。這樣，內(nèi)生性的功能塊創(chuàng)新產(chǎn)出(INNO_OUTPUT)共通過三個可測的顯性指標來充分度量。

2.創(chuàng)新收益

創(chuàng)新收益是創(chuàng)新產(chǎn)出的社會與經(jīng)濟價值的實現(xiàn)，也是創(chuàng)新過程完成的標志［31］。創(chuàng)新的直接經(jīng)濟目的是提高勞動生產(chǎn)率，提供新產(chǎn)品滿足顧客需要以及改善產(chǎn)業(yè)升級與競爭能力，直接社會目的是改善人民的生活水平，并希望在減少污染的同時獲得可持續(xù)發(fā)展的目的，這也符合目前生態(tài)創(chuàng)新的理念。不可否認，創(chuàng)新收益涉及方面繁雜，因此在選擇度量代理變量時存在困難。本文遵循有理有據(jù)的原則，參考中國區(qū)域創(chuàng)新能力報告(ARRICC)②中國區(qū)域創(chuàng)新能力報告由國內(nèi)權威機構中國科技發(fā)展戰(zhàn)略研究小組發(fā)布，已十余年，獲得了學術界與政策界的廣泛認可。，用勞動生產(chǎn)率與人均GDP水平綜合成的宏觀經(jīng)濟水平(MACO_LE)，用產(chǎn)業(yè)結構(INDUS_S)與產(chǎn)業(yè)國際競爭力(INDUS_C)反映創(chuàng)新在經(jīng)濟方面的收益，用可持續(xù)發(fā)展與環(huán)保綜合指標(SD_EP)反映社會收益。這樣，共有四個指標一起來度量創(chuàng)新收益(INNO_OUTCOME)這個功能塊的績效。

3.創(chuàng)新投入

歷史積累的知識存量(CU_K_STOCK)是創(chuàng)新產(chǎn)生的基礎，創(chuàng)新的路徑依賴也迫切需要考慮知識存量?；贔urman等(2002)測量體系，本文用每個省域的人均GDP(GDPP)以及在考察期前一定時間段內(nèi)積聚的國際論文(C_IPAP)(即國際論文存量，下同)和積聚的國內(nèi)專利(C_DPAT)等三個指標來度量知識存量(CU_K_STOCK)功能塊。

由于可獲得的國內(nèi)專利連續(xù)統(tǒng)計值最早記錄是1989年，因此兩個累積變量的積聚統(tǒng)計初始年份統(tǒng)一定為1989年。新增創(chuàng)新投入(INNO_IN)是創(chuàng)新活動的基本支持性資源，也是當期創(chuàng)新活動需要的。本文用基礎與應用研發(fā)經(jīng)費(B＆A_EXP)和實驗發(fā)展經(jīng)費(EP_EXP)作為當期的創(chuàng)新過程上游的財力投入，用科學家和工程師勞動投入(S＆E_P)作為創(chuàng)新過程上游的人力投入。這樣共有3個指標作為功能塊新增創(chuàng)新投入(INNO_IN)的測量變量。此外，本文分析框架還考慮了通過溢出效應而獲得的外部知識獲取(EX_K_ACQ)對區(qū)域創(chuàng)新績效的影響。外商直接投資(FDI)、科技合作(ST_CO)和技術轉(zhuǎn)移(T_TRAN)三個可測指標用來解釋外部知識獲取(EX_K_ACQ)這個外生功能塊的績效。最后，本文借鑒中國區(qū)域創(chuàng)新能力報告還引入創(chuàng)新熟練度(INNO_SOPH)這一新穎的潛在變量作為衡量區(qū)域創(chuàng)新系統(tǒng)中企業(yè)的創(chuàng)新能力的投入。本文用技術設計能力(DE_CA)、技術制造和生產(chǎn)能力(M_P_CA)以及員工素質(zhì)(Q_EM)三個可測量指標來衡量它的表現(xiàn)。

表1 創(chuàng)新系統(tǒng)的功能塊與其測量指標的定義及數(shù)據(jù)來源(統(tǒng)計年份為第t年，統(tǒng)計口徑為省域)

4.創(chuàng)新環(huán)境

創(chuàng)新系統(tǒng)內(nèi)的創(chuàng)新環(huán)境影響創(chuàng)新過程的質(zhì)量和效率［32］，在系統(tǒng)分析框架下，涉及經(jīng)濟、制度等各種因素。本文的分析框架用廣泛的測量集合來解釋與創(chuàng)新環(huán)境相關的功能塊。依據(jù)Furman等(2002)，產(chǎn)業(yè)聚集環(huán)境(CLUS_EN)和創(chuàng)新鏈接(INNO_LINK)兩個功能塊需首要考慮。良好的產(chǎn)業(yè)聚類環(huán)境能擴大公共創(chuàng)新基礎條件的效用，相反會削弱它。它的功效用區(qū)域內(nèi)的高技術產(chǎn)業(yè)的R＆D績效(HIT_RDP)和高技術產(chǎn)業(yè)聚類(HIT_CLUS)來度量。創(chuàng)新鏈接的功效強度反映了創(chuàng)新環(huán)境誘導創(chuàng)新投入轉(zhuǎn)化成具體創(chuàng)新產(chǎn)出/收益的潛力，決定了區(qū)域R＆D生產(chǎn)率的實現(xiàn)水平(Furman等，2002)，用區(qū)域的大學研發(fā)績效(U_RD_P)和風險資本水平(VEN_LE)度量。此外，兩個外生性功能塊:公共創(chuàng)新環(huán)境(COM_INNO_EN)和創(chuàng)新熟練度(INNO_SOP)用來反映區(qū)域創(chuàng)新系統(tǒng)的公共創(chuàng)新條件。綜合變量公共創(chuàng)新環(huán)境(CO_INNO_EN)用來反映區(qū)域公共環(huán)境或條件對區(qū)域創(chuàng)新產(chǎn)出/收益的影響，本文用可統(tǒng)計的財務環(huán)境(FIN_EN)、通信環(huán)境(COMMU_EN)與市場環(huán)境(MAR_EN)來解釋。

(二)檢驗模型

傳統(tǒng)的計量回歸模型和路徑結構模型最大的局限性是當測量變量之間相關(多重共線性存在)以及樣本飽和(樣本量小于自變量個數(shù))時無法給出可信的檢驗結果［33-34］。為有效分析圖1中的路徑概念圖，本文選用靈活的偏最小二乘(partial least square，PLS)方法作為參數(shù)估計技術，并依次采用PLS回歸與PLS路徑分析對指標以及指標聯(lián)合作用進行全面分析。PLS方法采用主成分分析與多元回歸結合起來的迭代估計，在克服小樣本、多重共線性等統(tǒng)計問題上具有獨特的優(yōu)勢。PLS方法所提取的成分既能以最小信息損失來有效克服測量指標之間的多重共線性，又能最好地解釋因變量，并排除系統(tǒng)中的噪聲干擾。此外，PLS建模檢驗在遇到實踐分析中常見的幾種統(tǒng)計問題(如，弱分布假設、小樣本、異常點以及測量誤差)時表現(xiàn)出穩(wěn)定性［35］，這一特點為本文檢驗分析提供了一個有效的分析途徑。再者，本文選擇的PLS回歸可以適應本文中因變量多個的檢驗估計，更重要的是PLS路徑分析可充分考慮本文路徑圖中的復雜結構與關聯(lián)因果關系，適應了創(chuàng)新系統(tǒng)中要素與功能交互影響的結構。

在本文的估計程序中，首先用PLS回歸估計選用的19個解釋變量對3個創(chuàng)新產(chǎn)出和4個創(chuàng)新收益的可測量變量的可解釋性，以比較它們分別在創(chuàng)新產(chǎn)出和創(chuàng)新收益中的重要性。隨后用PLS路徑分析分別檢驗各外生潛在的功能塊對內(nèi)生功能塊創(chuàng)新產(chǎn)出和創(chuàng)新收益的影響，包括對外生變量之間的調(diào)節(jié)作用的檢驗。需要強調(diào)的是，延續(xù)了Chen和Guan(2010a)的做法，本研究采用了一個探索性分析過程履行驗證性的路徑分析。具體來說，圖1中的路徑概念模型并不是通過一個整體模型的一次驗證，而是通過一系列子模型逐步深入的驗證。這些子路徑模型都是在Romer最初的知識生產(chǎn)函數(shù)的基礎上通過增加或者改變功能塊構建的。這樣做的理由是考慮到7個外生的潛在綜合變量在創(chuàng)新系統(tǒng)中具有不同的功能，展現(xiàn)不同的角色和效用。此外，這樣可避免利用結構方程分析時刻意構建路徑模型的局限性。其實許多驗證性分析常常用作探索性意圖，特別是在不確定的情況下［36］。常遇到的情況是，一旦驗證性因子分析常被拒絕，一系列路徑概念模型的修改是必要的［37］，而這一修改的過程實質(zhì)上就是探索性過程。一些最新與探索性結構方程的研究為本文分析方法的選擇提供了有利的支持［38］，這種探索性分析過程對得出穩(wěn)定性的檢驗結果有著重要的實踐意義。

(三)檢驗樣本

本研究采用30個中國省份(直轄市或自治區(qū))①因數(shù)據(jù)的可得性限制，本研究沒有考慮西藏、香港和澳門。自中長期科技規(guī)劃實施起2007年至2011年連續(xù)5年的觀測數(shù)據(jù)組成的一個面板數(shù)據(jù)集合來進行實證研究，表1提供了所有可測指標的來源。本研究考慮了兩年的創(chuàng)新產(chǎn)出延遲效應和一年的創(chuàng)新收益延遲效應［39-40］。具體來說，最終的功能塊創(chuàng)新收益(INNO_OUTCOME)的可測變量的統(tǒng)計時間跨度為最近5(2007-2011)年;考慮一年時間延遲，中間的功能塊創(chuàng)新產(chǎn)出(INNO_OUTPUT)的可測變量的統(tǒng)計時間跨度為2006-2010年;在考慮兩年的時間延遲，7個外生綜合變量除知識存量(CU_K_STOCK)外的可測變量的統(tǒng)計時間跨度為2004-2008年。由于統(tǒng)計時間點是年末，知識存量(CU_K_STOCK)的3個可測變量的統(tǒng)計時間跨度為2003-2007年?？偲饋碚f，本研究共獲得了150個觀測點，該樣本不但滿足檢驗樣本自由度的要求，同時充分考慮了變量在橫截面和時間序列變異，有利于獲得穩(wěn)定性參數(shù)的估計。此外，為有效估計該模型，本研究首先基于2003年消除了受通貨膨脹影響的指標的觀測值，隨后對那些實體觀測的指標值取常用對數(shù)(見表1)。這樣不但適應模型估計的分布假設的需要，同時可以消除異常值對模型估計的影響。

四、分析結果

各觀測變量值集合間的Pearson相關分析表明，多數(shù)的相關系數(shù)值達到0.9以上，表現(xiàn)出顯著的相關性。可見，本文選用PLS方法檢驗分析是可取的，并且也適合多個自變量模型的檢驗。本文應用SIMCA-P v10.0［41］來處理PLS回歸，用SmartPLS v2.0［42］來處理 PLS 路徑分析。

(一)決定因素的檢驗和重要性比較

1.整體創(chuàng)新績效的決定因素

圖2 創(chuàng)新績效整體的決定因素檢驗與重要性排序

測量創(chuàng)新產(chǎn)出和創(chuàng)新收益的7個指標一起反映了創(chuàng)新系統(tǒng)的整體創(chuàng)新績效(INNO_PER)。通過SIMCA-P自動擬合的PLS回歸結果中，體現(xiàn)選擇的成分對變量的解釋能力的系數(shù)=0775，=0.799，體現(xiàn)模型的預測值與變量實際觀察值擬合水平的系數(shù)Q2=0.784。參數(shù)統(tǒng)計值都大于0.7，可見自動擬合的PLS回歸模型具有較好的擬合度。從圖2所示的每個解釋變量的VIP(Variable importance in projection)值的大小比較來看，19個自變量中，17個的VIP值都超過了0.7，這也進一步說明本文選擇的解釋變量的具有較好的模型適宜性。

具體來講，在整體創(chuàng)新系統(tǒng)績效作用上，創(chuàng)新當期投入，如試驗發(fā)展經(jīng)費(EP_EXP)與科學家和工程師勞動投入(S＆E_P)，創(chuàng)新歷史積累，如國內(nèi)專利積累(C_DPAT)與國際論文積累(C_IPAP)，表現(xiàn)尤為突出，VIP值都超過了1.1。此外，大學研發(fā)績效(U_RD_P)與高技術產(chǎn)業(yè)聚類(HIT_CLUS)在創(chuàng)新系統(tǒng)整體創(chuàng)新績效上變現(xiàn)也較為突出，VIP值也都超過了1.1。圖2還表明，反映外部知識獲取的三個指標，外商直接投資(FDI)、科技合作(S＆T_CO)與技術轉(zhuǎn)移(T_TRAN)，都表現(xiàn)相對較弱，分別排14、16和19位。這一統(tǒng)計結果表明，外部知識獲取相對創(chuàng)新當期投入和歷史積累對中國創(chuàng)新系統(tǒng)的整體創(chuàng)新績效作用相對較弱。后文將進一步分析與比較19個決定因素在每個創(chuàng)新績效指標上的作用與重要性。

2.上游創(chuàng)新產(chǎn)出的決定因素

圖3表明，當期科學家與工程師勞動投入(S＆E_P)與實驗發(fā)展經(jīng)費(EP_EXP)在上游創(chuàng)新產(chǎn)出中的作用最為突出。緊隨其后的是國內(nèi)專利的積累(C_DPAT)、大學研發(fā)績效(U_RD_P)與國際論文的積累(C_IPAP)，在上游創(chuàng)新產(chǎn)出中的作用表現(xiàn)也較為突出，VIP值都大于1.2。此外，基礎與應用研發(fā)經(jīng)費(B＆A_EXP)的VIP值大于1.2。其他重要性變量(VIP＞1.0)依次是通信環(huán)境(COMMU_EN)、設計能力(DE_CA)與市場環(huán)境(MAR_EN)。制造與生產(chǎn)能力(M_P_CA)和技術轉(zhuǎn)移(T_TRAN)排最后兩位，對上游科技研發(fā)績效的影響處于弱勢位置。金融環(huán)境(FIN_EN)與風險投資水平(VEN_LE)與它們臨近，表現(xiàn)也不佳。

圖3 創(chuàng)新產(chǎn)出整體的決定因素檢驗與重要性排序

系列圖4-1～4-3進一步展示了19個解釋變量在每一個創(chuàng)新產(chǎn)出的測量變量上的作用。比較發(fā)現(xiàn)，各解釋變量對不同創(chuàng)新產(chǎn)出的影響表現(xiàn)出較大的差異。在國內(nèi)專利產(chǎn)出(D_PAT)作用上，當期的基礎與應用研究經(jīng)費投入(EP_EXP)、科學家與工程師勞動投入(S＆E_P)以及歷史積累的國內(nèi)專利(C_DPAT)三個指標表現(xiàn)最為突出。此外，高技術產(chǎn)業(yè)研發(fā)績效(HIT_RDP)、通信環(huán)境(COMMU_EN)與高校研發(fā)績效(U_RD_P)也顯著地促進了國內(nèi)專利的產(chǎn)出。不過，風險投資水平(VEN_LE)與員工者素質(zhì)(Q_EM)表現(xiàn)出負向作用，雖然圖3結果顯示它們在創(chuàng)新產(chǎn)出整體作用表現(xiàn)并不是很重要(VIP＜0.8)。由于都是技術成果，決定因素在新產(chǎn)品項目(N_PRO)上影響模式與在國內(nèi)專利產(chǎn)出(D_PAT)影響模式(方向和程度)相似。這一結果也表明本文選自新產(chǎn)品項目(N-PRO)作為技術創(chuàng)新成果補充代理變量是合理的。相比之下，在反映科學創(chuàng)新產(chǎn)出的國際論文的產(chǎn)出(I_PAP)上，19個決定因素的影響方向和程度變化較大。其中與科學創(chuàng)新最為密切相關的積累的國際論文(C_IPAP)、基礎與應用研究經(jīng)費(B＆A_EXP)與高校研發(fā)經(jīng)費績效(U_RD_P)三個指標的作用排前三，高技術研發(fā)績效(HIT_RDP)作用相反，對科學創(chuàng)新產(chǎn)出表現(xiàn)出阻礙作用。比較科學產(chǎn)出和技術產(chǎn)出起決定因素的作用，不難發(fā)現(xiàn)，科學產(chǎn)出對歷史知識的積累路徑更為依賴。

圖4 創(chuàng)新產(chǎn)出功能塊各測量指標績效的決定因素(Determinants)的PLS回歸系數(shù)

3.下游創(chuàng)新收益的決定因素

比較圖3與圖5展示的19個決定因素在上游創(chuàng)新產(chǎn)出(INNO_OUTPUT)與創(chuàng)新收益(INNO_OUTCOME)上的重要性，不難發(fā)現(xiàn)，多數(shù)因素的重要性順序發(fā)生了很大的變化。19個決定因素中，只有2個重要性不突出的(VIP＜0.7)因素，制造生產(chǎn)能力(M_P_CA)與技術轉(zhuǎn)移(T_TRAN)，VIP值順序沒變，前17個因素都發(fā)生了變化。在體現(xiàn)社會經(jīng)濟績效的創(chuàng)新收益(INNO_OUTCOME)上，高技術產(chǎn)業(yè)聚類(HIT_CLUS)作用最為顯著，具有最大的VIP值(＞1.2)。隨后重要性突出的(VIP＞1)決定因素是設計能力(DE_CA)、市場環(huán)境(MAR_EN)、高技術產(chǎn)業(yè)研發(fā)績效(HIT_RDP)與通信環(huán)境(COMMU_EN)。與在上游科技研發(fā)作用相同，制造與生產(chǎn)能力(M_P_CA)和技術轉(zhuǎn)移(T_TRAN)的VIP值仍排最后兩位，對下游科技轉(zhuǎn)化績效的作用也處于弱勢位置。大學研發(fā)績效(U_RD_P)與科技合作(S＆T_CO)的VIP值與它們臨近，作用表現(xiàn)也較弱。

圖5 創(chuàng)新收益整體的決定因素檢驗與重要性排序

系列圖6-1～6-4進一步展示了19個解釋變量在每一個創(chuàng)新收益的測量變量上的影響。比較發(fā)現(xiàn)，各解釋變量對不同創(chuàng)新收益的方面表現(xiàn)出較大的差異。在宏觀經(jīng)濟水平(MACO_LE)上，作用最大的是人均GDP(GDPP)，這也符合路徑依賴邏輯，其次是市場環(huán)境(MAR_EN)，通信環(huán)境(COMMU_EN)也表現(xiàn)出正向促進作用。在產(chǎn)業(yè)結構上(INDUS_S)，高技術產(chǎn)業(yè)聚類環(huán)境(HIT_RDP)和金融環(huán)境(FIN_EN)作用最大，其次是高技術產(chǎn)業(yè)研發(fā)績效(HIT_RDP)。比較圖6-3與6-2不難發(fā)現(xiàn)，上述三個變量在產(chǎn)業(yè)競爭力(INDUS_C)上正向促進作用表現(xiàn)較為突出，不過表現(xiàn)最為突出的是高技術產(chǎn)業(yè)聚類(HIT_CLUS)。和上游創(chuàng)新產(chǎn)出直接相關的實驗發(fā)展經(jīng)費投入(EP_EXP)與科學家和工程師勞動投入(S＆E_P)在統(tǒng)計上都表現(xiàn)出阻礙產(chǎn)業(yè)結構和產(chǎn)業(yè)競爭力的改善。圖6-4表明，這兩個變量對可持續(xù)發(fā)展與環(huán)境保護(SD_EP)在統(tǒng)計上表現(xiàn)出更強的阻礙作用。相反，在可持續(xù)發(fā)展與環(huán)境保護(SD_EP)上，積累的國際論文(C_IPAP)、基礎與應用研究經(jīng)費(B＆A_EXP)與高技術產(chǎn)業(yè)聚類(HIT_CLUS)表現(xiàn)出較強的促進作用。

圖6 創(chuàng)新收益各測量指標績效的決定因素(Determinants)的PLS回歸系數(shù)

(二)路徑效應的檢驗

1.有效性和可信度檢驗

本研究的功能塊都是反映型(reflective)①還有一種是形成型(formative)功能塊或潛變量。反映性和形成型是描述潛在變量和對應觀測變量之間的因果關系，形成路徑結構中的測量模型。在反映性測量模型中，潛變量績效決定了對應觀測變量的績效，而在形成型測量模型中，潛變量績效是由對應觀測變量的績效決定［43］。功能塊，首先滿足收斂性和判別性［44］。借助Smart-PLS估算表明，每個顯性變量都獲得較高的負荷和權重。此外，基于解靴帶重復抽樣程序［45］的t檢驗表明，所有顯性變量的負荷值都超過了0.8(多數(shù)超過了0.9)，因此每個顯性變量是可區(qū)分的。每個顯性變量的t檢驗也是顯著的，這表明每個顯性變量有較好的收斂性。此外，每個功能塊的單維性也需盡量需要滿足。表2的分析表明，本研究構建的9個功能塊的Cronbach's alpha值［46］多數(shù)都超過了0.7，即滿足了單維性的要求。這也保障了本文分析框架中構建的測度變量和潛在變量之間關系的有效性。表2中提供的因子分析結果表明，所有由功能塊的顯性變量構成的相關矩陣的第一特征值都大于1，第二特征值都小于1，這進一步表明本文構建的功能塊滿足單維性要求。

表2 觀測指標的描述統(tǒng)計及相關分析(N=150)

為確保一個度量的有效性，僅僅滿足單維性是不夠的，還需滿足可信性［47-48］。為了評價潛在變量的可信性，也就是評價路徑估計的真實程度，組合信度被Werts等(1974)引入［49］。它是一個比 Cronbach's alpha更有效的可信度評價指標，因為Cronbach's alpha假設平衡度量，因此對功能塊的內(nèi)部一致性評估給出了相對較寬松的界限［50］。表2表明，在本例中，所有功能塊的組合信度指數(shù)的最小值滿足大于0.7的要求［46］，近一半超過了0.9，說明本文檢驗分析滿足組合信度的要求。此外，SmartPLS給出了每個功能塊的平均變異數(shù)萃取量(AVE)［51］的統(tǒng)計結果，也稱為“共性指標”，被用來度量與每個功能塊對應的每個測量模型的質(zhì)量［35］?？梢哉f，AVE是對功能塊可信性的一個補充性的測量，它的統(tǒng)計值超過0.5就可以接受［52］。表2的統(tǒng)計結果表明，本例所有功能塊都滿足了這個要求。

表3 創(chuàng)新產(chǎn)出功能塊影響路徑檢驗結果

2.路徑檢驗

本節(jié)分別以創(chuàng)新產(chǎn)出(INNO_OUTPUT)和創(chuàng)新收益(INNO_OUTCOME)作為內(nèi)生的功能塊，檢驗創(chuàng)新系統(tǒng)上游科技研發(fā)績效與下游科技轉(zhuǎn)化/商業(yè)化績效上外生功能塊的效用。檢驗思路是，首先基于Romer的基本知識生產(chǎn)函數(shù)，分析反映創(chuàng)新投入的3個基礎性功能塊，知識存量(CU_K_STOCK)、新增創(chuàng)新投入(INNO_IN)與外部知識獲取(EX_K_ACQ)，分別對內(nèi)生功能塊創(chuàng)新產(chǎn)出(INNO_OUTPUT)和創(chuàng)新收益(INNO_OUTCOME)的直接影響。在此基礎上，隨后逐漸添加或更換反映環(huán)境功能的4個外功能塊到這個基本分析體系中逐層檢驗，并考慮環(huán)境功能塊的間接的調(diào)節(jié)效應。通過這樣一系列的驗證性分析，可了解考察期外生功能塊的效用以及它們之間的“互補性”以及“排斥性”。

(1)上游創(chuàng)新產(chǎn)出功能塊影響路徑檢驗

表3羅列以創(chuàng)新產(chǎn)出作為內(nèi)生功能塊的檢驗分析結果。通過8個逐層分析的路徑檢驗表明，3個基本功能塊路徑作用顯著，4個環(huán)境功能塊除公共創(chuàng)新環(huán)境(CO_INNO_EN)外，路徑作用不理想:路徑系數(shù)不是不顯著(如，創(chuàng)新熟練度(INNO_SOPH))便是顯著為負(如，創(chuàng)新鏈接(INNO_LINK))。這一檢驗結果表明，中國區(qū)域創(chuàng)新系統(tǒng)的科技研發(fā)功能框架基本形成，但與環(huán)境框架略顯脫節(jié)，即整體的科技創(chuàng)新功能體系不夠完善。

在第一組由3個外生功能塊(CU_K_STOCK、INNO_IN和EX_K_ACQ)和內(nèi)生功能塊(INNO_OUTPUT)構成的基本知識生產(chǎn)路徑模型中，當單獨考慮知識存量(CU_K_STOCK)時(見模型1)，創(chuàng)新產(chǎn)出(INNO_OUTPUT)88.9%的變異被解釋，并且知識存量(CU_K_STOCK)在統(tǒng)計上表現(xiàn)出非常顯著的正向作用。這充分肯定了歷史知識資本的積累在目前創(chuàng)新產(chǎn)出中的作用，同時也說明現(xiàn)有創(chuàng)新產(chǎn)出對歷史創(chuàng)新積累的“路徑依賴”，這與Chen和Guan(2011b)基于高技術產(chǎn)業(yè)為樣本的結論一致。

當單獨考慮新增創(chuàng)新投入(INNO_IN)時(見模型2)，它也表現(xiàn)出對創(chuàng)新產(chǎn)出(INNO_OUTPUT)顯著的正向促進作用，并且它的預測能力相對知識存量(CU_K_STOCK)較強，解釋能力升5.4個百分點。路徑模型3由于同時考慮了二者的同步效用與交叉效應，提供了更多的變異解釋，理所當然表現(xiàn)出更強的預測和解釋能力(R2=0.951)。比較路徑系數(shù)大小，路徑模型3以及隨后的路徑模型檢驗結果的標準化路徑系數(shù)表明，相對歷史的知識積累，新增的創(chuàng)新投入對創(chuàng)新產(chǎn)出的作用要大的多。不過模型3中的調(diào)節(jié)效應(在5%檢驗水平上顯著)表明，歷史的知識積累阻礙了更多的新增創(chuàng)新投入。

模型4進一步納入了外部知識獲取(EX_K_ACQ)參與以及對內(nèi)部創(chuàng)新投入的調(diào)節(jié)效應。三個基本功能塊的作用路徑在1%的檢驗水平上顯著。這表明，通過科技合作、知識溢出以及外商投資獲得外部知識對區(qū)域自身的創(chuàng)新產(chǎn)出有著顯著的促進作用。此外，觀察表3所示的標準化后的路徑系數(shù)值，不難發(fā)現(xiàn)，相對路徑模型3，由于外部知識獲取(EX_K_ACQ)的參與，在路徑模型4中，知識存量(CU_K_STOCK)和新增創(chuàng)新投入(INNO_IN)對創(chuàng)新產(chǎn)出(INNO_OUTPUT)的正影響程度都有所減弱。這意味著由于外部知識(EX_K_ACQ)的參與，削弱了區(qū)域創(chuàng)新產(chǎn)出對知識資本與新增創(chuàng)新投入的依賴，表現(xiàn)出積極的作用。模型4中的調(diào)節(jié)效應(1%檢驗水平上顯著)表明，外部知識活動對內(nèi)部創(chuàng)新投入具有顯著的排擠作用。

若再考慮創(chuàng)新熟練度(INNO_SOPH)和公共創(chuàng)新環(huán)境(CO_INNO_EN)兩個功能塊在上游科技研發(fā)過程參與，可構建2個擴展性路徑模型5～6。檢驗表明，創(chuàng)新熟練度(INNO_SOPH)對創(chuàng)新產(chǎn)出(INNO_OUTPUT)在統(tǒng)計上表現(xiàn)出不顯著但是負向的阻礙作用。不過公共創(chuàng)新環(huán)境(CO_INNO_EN)在1%的檢驗水平上表現(xiàn)為一個顯著的促進作用。模型5中的調(diào)節(jié)效應表明，創(chuàng)新熟練程度(INNO_SOPH)顯著(在1%檢驗水平)阻礙了外部知識獲取的水平;模型6中的調(diào)節(jié)效應標明，公共創(chuàng)新環(huán)境(CO_INNO_EN)也同樣顯著(在1%檢驗水平上)地阻礙了外部知識獲取。不過模型6中的調(diào)節(jié)效應表明，共創(chuàng)新環(huán)境(CO_INNO_EN)顯著促進了知識存量(CU_K_STOC K)在創(chuàng)新產(chǎn)出中的作用。

模型7～8描述了創(chuàng)新鏈接(INNO_LINK)和產(chǎn)業(yè)聚集環(huán)境(CLUS_EN)兩個功能塊對潛變量創(chuàng)新產(chǎn)出(INNO_OUTPUT)的影響。檢驗結果表明，二者對創(chuàng)新產(chǎn)出(INNO_OUTPUT)效用在統(tǒng)計檢驗上都是顯著的，但創(chuàng)新鏈接(INNO_LINK)表現(xiàn)的卻是負作用。這意味，在中國區(qū)域?qū)哟蔚钠骄缴希纱髮W研發(fā)活動和風險基金充當?shù)膭?chuàng)新系統(tǒng)內(nèi)部的基礎設施和經(jīng)濟環(huán)境之間的鏈接機制并沒有發(fā)揮出期望中的促進作用，反而阻礙了區(qū)域創(chuàng)新的產(chǎn)出。這與目前中國金融系統(tǒng)不完善是密切相關的。模型7中的調(diào)節(jié)效應表明，產(chǎn)業(yè)聚類環(huán)境(CLUS_EN)顯著削弱了區(qū)域科技成果產(chǎn)出對新增創(chuàng)新投入的依賴。模型8檢驗結果表明，創(chuàng)新鏈接(INNO_LINK)對三種創(chuàng)新投入在統(tǒng)計上沒有起到顯著的影響。

(2)下游創(chuàng)新收益路徑功能塊影響路徑檢驗

表4提供了一系列以創(chuàng)新收益為外生功能塊的路徑檢驗結果。與表3結果相比較，各外生功能塊在創(chuàng)新產(chǎn)出(INNO_OUTPUT)與創(chuàng)新收益(INNO_OUTCOME)路徑作用模式顯然不同。三個創(chuàng)新投入功能塊中，只有知識存量(CU_K_STOCK)仍保持著穩(wěn)健的顯著作用，外部知識獲取(EX_K_ACQ)已經(jīng)不是很穩(wěn)定，在一些路徑模型已經(jīng)不顯著，而新增創(chuàng)新投入(INNO_IN)作用模式變化更大，在一些路徑模型表現(xiàn)出顯著的阻礙作用。不過，與期望的一致，四個環(huán)境功能塊的對創(chuàng)新收益(INNO_OUTCOME)都在1%的檢驗水平上表現(xiàn)出顯著的促進作用，與它們在創(chuàng)新產(chǎn)出(INNO_OUTPUT)作用路徑模式變化較大?；跇藴驶窂较禂?shù)比較不難發(fā)現(xiàn)，在兩種背景下都表現(xiàn)出顯著正向促進的公共創(chuàng)新環(huán)境(CO_INNO_EN)與產(chǎn)業(yè)聚集環(huán)境(CLUS_EN)在下游路徑中程度顯著變大，標準化系數(shù)值大小是上游路徑中的2倍還多。

同樣先考慮由三個基本外生功能塊(CU_K_STOCK，INNO_IN和EX_K_ACQ)和內(nèi)生功能塊(INNO_OUTCOMES)構成的基本知識生產(chǎn)路徑模型。當單獨考慮知識存量(CU_K_STOCK)時(見模型1)，創(chuàng)新收益(INNO_OUTCOME)63.1%的變異被解釋，并且知識存量(CU_K_STOCK)在統(tǒng)計上表現(xiàn)出非常顯著的正向作用。這也充分肯定了歷史知識資本的積累在目前創(chuàng)新收益中的作用，同時也說明現(xiàn)有創(chuàng)新收益對歷史創(chuàng)新積累的“路徑依賴”。當單獨考慮新增創(chuàng)新投入(INNO_IN)時(見模型2)，它也表現(xiàn)出對創(chuàng)新收益(INNO_OUTCOME)顯著的正向促進作用，然而與對創(chuàng)新產(chǎn)出(INNO_OUTPUT)作用不同，系數(shù)從原來的0.971降為0.662，解釋能力也從原來的0.943降為0.438。

路徑模型3由于同時考慮了二者的同步效用與交叉效應，解釋了更多的變異，理所當然表現(xiàn)出更強的預測和解釋能力(R2=0.659)。不過，路徑模型3以及隨后的路徑模型檢驗結果表明，同步作用下，新增創(chuàng)新投入(INNO_IN)并沒有表現(xiàn)出顯著作用，由于知識存量(CU_K_STOCK)排擠，致使INNO_IN路徑系數(shù)為負。模型4進一步納入了外部知識(EX_K_ACQ)參與以及對內(nèi)部創(chuàng)新投入的調(diào)節(jié)效應，外部知識(EX_K_ACQ)在1%檢驗水平上顯著。與在創(chuàng)新產(chǎn)出中的作用一樣，通過科技合作、知識溢出以及外商投資獲得外部知識對區(qū)域自身的創(chuàng)新收益有著顯著的促進作用。模型4中的調(diào)節(jié)效應表明，在分析創(chuàng)新收益(INNO_OUTCOME)框架下，外部知識(EX_K_ACQ)引入促進了新增創(chuàng)新投入(INNO_IN)。

若再考慮創(chuàng)新熟練度(INNO_SOPH)和公共創(chuàng)新環(huán)境(CO_INNO_EN)兩個功能塊在下游科技轉(zhuǎn)化過程參與，可構建兩個擴展性路徑模型5～6。檢驗表明，創(chuàng)新熟練度(INNO_SOPH)與公共創(chuàng)新環(huán)境(CO_INNO_EN)都對創(chuàng)新收益(INNO_OUTCOME)在統(tǒng)計上表現(xiàn)出顯著的(在1%的檢驗水平上)促進作用。模型5中的調(diào)節(jié)效應表明，創(chuàng)新熟練程度(INNO_SOPH)在5%的檢驗水平上阻礙了知識存量(CU_K_STOC K)在創(chuàng)新收益中的作用，而在1%的檢驗水平上促進了新增創(chuàng)新投入(INNO_IN)的作用。模型7中的調(diào)節(jié)效應在統(tǒng)計上沒有表現(xiàn)出顯著作用，雖然都是正向的。

表4 創(chuàng)新收益功能塊的影響路徑檢驗結果

模型7～8描述了創(chuàng)新鏈接(INNO_LINK)和產(chǎn)業(yè)聚集環(huán)境(CLUS_EN)兩個功能塊對潛變量創(chuàng)新收益(INNO_OUTCOME)的影響。檢驗結果表明，二者對創(chuàng)新收益(INNO_OUTCOME)的效用在統(tǒng)計檢驗上都是顯著的，不過，與期望一致，創(chuàng)新鏈接(INNO_LINK)這次是正向的。模型7中的調(diào)節(jié)效應表明，與在創(chuàng)新產(chǎn)出(INNO_OUTPUT)作用相反，產(chǎn)業(yè)聚類環(huán)境(CLUS_EN)顯著促進了新增創(chuàng)新投入。模型8檢驗結果表明，創(chuàng)新聯(lián)接(INNO_LINK)在三種創(chuàng)新投入上的調(diào)節(jié)效應在統(tǒng)計上都不顯著。

五、結論

中國創(chuàng)新系統(tǒng)的發(fā)展已經(jīng)取得了很大的進步，不過從整體視角看，中國創(chuàng)新系統(tǒng)的功能狀態(tài)在現(xiàn)有文獻中仍是個未知數(shù)。這顯然是政策制定者與學術研究者共同關注的問題。本文基于Romer(1990)知識函數(shù)［16］在政策背景(系統(tǒng)角度)的擴展框架與面向創(chuàng)新活動的創(chuàng)新系統(tǒng)功能體系，構建了面向創(chuàng)新過程(上游科技研發(fā)與下游科技轉(zhuǎn)化)與創(chuàng)新環(huán)境(公共創(chuàng)新環(huán)境與產(chǎn)業(yè)創(chuàng)新環(huán)境)間嵌套關系與作用路徑的概念模型，并引入可克服常見統(tǒng)計問題的偏最小二乘方法構建穩(wěn)健的檢驗模型。

本研究擴展了Chen和Guan(2011a)，把分析從上游研發(fā)過程擴展到包括下游商業(yè)化過程的整個創(chuàng)新過程?；诮谖迥?2007-2011)年面板數(shù)據(jù)的檢驗發(fā)現(xiàn):中國創(chuàng)新系統(tǒng)內(nèi)兩大子系統(tǒng)，面向創(chuàng)新產(chǎn)出的科技研發(fā)系統(tǒng)與面向創(chuàng)新收益的科技轉(zhuǎn)化系統(tǒng)，運行良好，不過兩個子系統(tǒng)之間的脫節(jié)仍然存在。這一發(fā)現(xiàn)有利于對中國2006年中長期科技規(guī)劃執(zhí)行五年效果的整體認識。這也提醒中央政府今后中國創(chuàng)新系統(tǒng)的建設需從創(chuàng)新全過程與創(chuàng)新系統(tǒng)的視角全盤考慮與規(guī)劃。更多具體的結論如下:

初步的偏最小二乘回歸分析表明，在創(chuàng)新系統(tǒng)整體績效上，創(chuàng)新當期投入，如試驗發(fā)展經(jīng)費與科學家和工程師勞動投入，創(chuàng)新歷史積累，如國內(nèi)專利積累與國際論文積累，作用突出;隨之是大學研發(fā)績效與高技術產(chǎn)業(yè)聚類的作用。而反映外部知識獲取的三個指標，外商直接投資、科技合作與技術轉(zhuǎn)移，都表現(xiàn)相對較弱，制造與生產(chǎn)能力、金融環(huán)境和風險投資水平作用類似。

與實踐類似，上游創(chuàng)新產(chǎn)出的主要決定因素與下游創(chuàng)新收益的主要決定因素存在較大差別。在本文構建的19個決定因素在上游創(chuàng)新產(chǎn)出與創(chuàng)新收益上的重要性順序發(fā)生了很大的變化，19個因素中，只有2個表現(xiàn)并不重要的因素重要性位置沒變。當期科學家與工程師勞動投入與實驗發(fā)展經(jīng)費在上游創(chuàng)新產(chǎn)出中的作用最為突出。緊隨其后的是國內(nèi)專利的積累、大學研發(fā)績效與國際論文的積累，在上游創(chuàng)新產(chǎn)出中的作用變現(xiàn)也較為突出。高技術產(chǎn)業(yè)聚類在下游創(chuàng)新收益中作用最為顯著，隨后的決定因素是設計能力、市場環(huán)境、高技術產(chǎn)業(yè)研發(fā)績效與通信技術。

對上游三個具體創(chuàng)新產(chǎn)出指標來講，在國內(nèi)專利產(chǎn)出作用上，當期的基礎與應用研究經(jīng)費投入、科學家與工程師勞動投入以及歷史積累的國內(nèi)專利表現(xiàn)最為突出。由于都體現(xiàn)了技術成果，決定因素在新產(chǎn)品項目上影響模式與在國內(nèi)專利產(chǎn)出影響模式(方向和程度)相似。與科學創(chuàng)新最為密切相關的前三個指標為積累的國際論文、基礎與應用研究經(jīng)費以及高校研發(fā)經(jīng)費績效。

對下游四個具體創(chuàng)新收益指標來講，在宏觀經(jīng)濟水平作用上，最突出的是人均GDP，這也符合路徑依賴邏輯，其次是市場環(huán)境，通信環(huán)境也表現(xiàn)出正向促進作用。在產(chǎn)業(yè)結構上，高技術產(chǎn)業(yè)聚類環(huán)境和金融環(huán)境作用最大，其次是高技術產(chǎn)業(yè)研發(fā)績效。上述三個變量在產(chǎn)業(yè)競爭力上正向促進作用表現(xiàn)較為突出，不過變現(xiàn)最為突出的是高技術產(chǎn)業(yè)聚類。在可持續(xù)發(fā)展與環(huán)境保護上，積累的國際論文、基礎與應用研究經(jīng)費與高技術產(chǎn)業(yè)聚類表現(xiàn)出較強的促進作用。

偏最小二乘路徑分析表明，在上游創(chuàng)新產(chǎn)出功能塊上，3個基本功能塊路徑作用顯著，4個環(huán)境功能塊除公共創(chuàng)新環(huán)境外，路徑作用不理想，不是不顯著(如，創(chuàng)新熟練度)就是顯著為負(如，創(chuàng)新鏈接)。這一檢驗結果表明，中國區(qū)域創(chuàng)新系統(tǒng)的科技研發(fā)功能框架基本形成，但與環(huán)境框架略顯脫節(jié)，即整體的科技創(chuàng)新功能體系不夠完善。在下游創(chuàng)新收益功能塊上，各外生功能塊在創(chuàng)新產(chǎn)出與創(chuàng)新收益路徑作用模式顯然不同。3個創(chuàng)新投入功能塊中，只有知識存量仍保持著穩(wěn)健的顯著促進作用，外部知識獲取作用不穩(wěn)定，在一些路徑模型中已經(jīng)表現(xiàn)不顯著，而新增創(chuàng)新投入作用模式變化更大，在一些路徑模型中表現(xiàn)出顯著的阻礙作用。不過，與期望的一致，四個環(huán)境功能塊的對創(chuàng)新收益都在1%的檢驗水平上表現(xiàn)出顯著的促進作用，與它們在創(chuàng)新產(chǎn)出作用路徑模式變化較大?；跇藴驶窂较禂?shù)比較不難發(fā)現(xiàn)，在兩種背景下都表現(xiàn)出顯著正向促進的公共創(chuàng)新環(huán)境與產(chǎn)業(yè)聚集環(huán)境在下游路徑中程度顯著變大，標準化系數(shù)值大小是上游路徑中的兩倍還多。

本文的發(fā)現(xiàn)可能存在多種解釋，其中未從包含科技研發(fā)與科技轉(zhuǎn)化的創(chuàng)新全過程以及創(chuàng)新過程與創(chuàng)新環(huán)境互動角度全局考慮創(chuàng)新投資與管理是個關健的系統(tǒng)性原因，而這正是阻礙中國創(chuàng)新系統(tǒng)向生態(tài)型模式發(fā)展的重要原因之一。本研究認為，努力擺脫以公共研發(fā)機構為創(chuàng)新主體的計劃式創(chuàng)新模式，加快邁向一個真正以企業(yè)為創(chuàng)新主體的市場化創(chuàng)新模式，是改善中國創(chuàng)新整體績效以及促進創(chuàng)新過程與創(chuàng)新環(huán)境協(xié)調(diào)發(fā)展的有效途徑。

［1］ Hu M C，Mathews J A.China's National Innovative Capacity［J］.Research Policy，2008，37(9):465-1479.

［2］ Edquist C.Systems of Innovation Approaches-Their Emergence and Characteristic［A］.In:Edquist，C.(Ed.)，Systems of Innovation:Technologies，Institutions and Organizations［C］.London:Pinter/Cassell，1997:1-35.

［3］Chen K H，Guan J C.Mapping the Functionality of China's Regional Innovation Systems:A Structural Approach［J］.China Economic Review，2011a，22(1):11-27.

［4］ Freeman C.Technology and Economic Performance:Lessons from Japan［M］.London:Pinter，1987.

［5］ Lundvall B ?.(ed.).National Systems of Innovation toward a Theory of Innovation and Interactive Learning［M］.London:Pinter Publishers，1992.

［6］Nelson R R.National Innovation Systems:A Retrospective on a Study［J］.Industrial and Corporate Change，1992，1(2):347-374.

［7］Cooke P.Regional Innovation Systems:Competitive Regulation in the New Europe［J］.GeoForum，1992，(23):365-382.

［8］Carlsson B，Stankiewicz R.On the Nature，F(xiàn)unction and Composition of Technological Systems［A］.In:Carlsson，B.(ed.).Technological Systems and Economic Performance:The Case of Factory Automation［C］.Dordrecht:Kluwer Academic Publishers，1995:21-56.

［9］Malerba F.Sectoral Systems of Innovation and Production［J］.Research Policy，2002，31(2):247-264.

［10］Johnson A.Functions in Innovation System Approaches［R］.Unpublished Working Paper.Department of Industrial Dynamics，Chalmers University of Technology，Gteborg，1998.

［11］Hekkert M P，Suurs R A A，Negro S O，et al.Functions of Innovation Systems:A New Approach for Analysing Technological Change［J］.Technological Forecasting and Social Change，2007，74(4):413-432.

［12］Hekkert M P，Negro S O.Functions of Innovation Systems As A Framework to Understand Sustainable Technological Change:Empirical Evidence for Earlier Claims［J］.Technological Forecasting and Social Change，2009，76(4):584-594.

［13］Liu X，White S.Comparing Innovation Systems:A Framework and Application to China's Transitional Context［J］.Research Policy，2001，30(7):1091-1114.

［14］Edquist C.Systems of Innovation:Perspectives and Challenges［A］.In:Fagerberg J，Mowery D，Nelson R.(Eds.)，The Oxford Handbook of Innovation［C］.Oxford:Oxford University Press，2005:181-208.

［15］Edquist C.Design of Innovation Policy Through Diagnostic Analysis:Identification of Systemic Problems(or Failures)［J］.Industrialand Corporate Change，2011，20(6):1725-1753.

［16］Romer P.Endogenous Technological Change［J］.Journal of Political Economy，1990，98(5):S71-S102.

［17］Furman J L，Porter M E，Stern S.The Determinants of National Innovative Capacity［J］.Research Policy，2002，31(6)，899-933.

［18］ Doloreux D，Parto S.Regional Innovation Systems:Current Discourse and Unresolved Issues［J］.Technology in Society，2005，27(2):133-153.

［19］Asheim B，Isaksen A.Location，Agglomeration and Innovation:Toward Regional Innovation Systems in Norway［J］.European Planning Studies，1997，5(3):299-330.

［20］Fritsch M，Slavtchev V.What Determines the Efficiency of Regional Innovation Systems［R］.Jena Economic Research Papers，2007，No.2007-06.

［21］Li X.China's Regional Innovation Capacity in Transition:An Empirical Approach［J］.Research Policy，2009，38(2):338-357.

［22］OECD.OECD Reviews of Innovation Policy:China［M］.Paris:OECD Publishing，2008.

［23］Edquist C，Hommen L.Systems of Innovation:Theory and Policy for the Demand Side［J］.Technology in Society，1999，21(1):63-79.

［24］ Doloreux D.What We Should Know About Regional Systems of Innovation［J］.Technology in Society，2002，24(3):243-263.

［25］OECD，EUROSTAT.Oslo Manual:Guidelines for Collecting and Interpreting Innovation Data(3rd Edition)［M］.Paris:OECD Publishing，2005.

［26］Kline S J，Rosenberg N.An Overview of Innovation［A］.In:Landau R，Rosenberg N.(Eds.)，The Positive Sum Strategy-Harnessing Technology for Economic Growth［C］.Washington，D.C:National Academy Press，1986.

［27］Chen K H，Guan J C.Mapping the Innovation Production Process from Accumulative Advantage to Economic Outcomes:A Path Modeling Approach［J］.Technovation，2011b，31(7):336-346.

［28］柳卸林，胡志堅.中國區(qū)域創(chuàng)新能力的分布與成因［J］. 科學學研究，2002，20(5):550-556.

［29］Griliches Z.Patent Statistics As Economic Indicators:A Survey［J］.Journal of Economic Literature，1990，28(4):1661-1707.

［30］Fagerberg J，Srholec M.National Innovation Systems，Capabilities and Economic Development［J］.Research Policy，2008，37(9):1417-1435.

［31］Freeman C，Soete L.The Economics of Industrial Innovation［J］.Massachusetts:The MIT Press，1997.

［32］Guan J C，Chen K H.Modeling the Relative Efficiency of National Innovation Systems［J］.Research Policy，2012，41(1):105-121.

［33］Wold S，Sjstrm M，Eriksson L.PLS-regression:A Basic Tool of Chemometrics［J］.Chemometrics and Intelligent Laboratory Systems，2001，58(2):109-113.

［34］王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法［M］.北京:國防工業(yè)出版社，2006.

［35］Tenenhaus M，Vinzi V.E，Chatelin，et al.PLS path modeling［J］.Computational Statistics ＆ Data Analysis，2005，48(1):159-205.

［36］ LapeyreM K，MendelssohnA，ReamsM A，et al.Identifying Determinants of Nations'Wetland Management Programs Using Structural Equation Modeling:An Exploratory Analysis［J］.Environmental Management，2001，27(6):859-868.

［37］James G A，Kelley M E，Craddock R C，et al.Exploratory Structural Equation Modeling of Resting-State fMRI:Applicability of Group Models to Individual Subjects［J］.NeuroImage，2009，45(3):778-787.

［38］Marsh H W，Muthén B，Asparouhov A，et al.Exploratory Structural Equation Modeling，Integrating CFA and EFA:Application to Students'Evaluations of University Teaching［J］.Structural Equation Modeling，2009，16(3):439-476.

［39］Guan J C，Chen K H.Modeling Macro-R＆D Production Frontier Performance:An Application to Chinese Province-Level R＆D［J］.Scientometrics，2010a，82(1):165-173.

［40］官建成，陳凱華.我國高技術產(chǎn)業(yè)技術創(chuàng)新效率的測度［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2009，26(10):19-33.

［41］Umetrics A B.User's Guide to SIMCA-P，SIMCA-P+，Version 10.0［M］.Sweden:Ume?，2002.

［42］ Ringle C M，Wende S，Will A.SmartPLS-Version 2.0［M］.Hamburg:University at Hamburg，2005.

［43］Edwards J R，Bagozzi R P.On the Nature and Direction of Relationships Between Constructs and Measures［J］.Psychological Methods，2000，5(2):155-174.

［44］Im G，Rai A.Knowledge Sharing Ambidexterity in Long-Term Interorganizational Relationships［J］ .Mangement Science，2008，54(7):1281-1296.

［45］Efron B，Tibshirani R J.An Introduction to the Bootstrap［M］.NewYork:Chapman＆Hall，1993.

［46］Hair J F，Anderson R E，Tatham R L，et al.Multivariate Data Analysis(5th Edition)［J］.Upper Saddle River，NJ:Prentice-Hall，1998.

［47］Gerbing D W，Anderson J C.An Updated Paradigm for Scale Development Incorporating Unidimensionality and Its Assessment［J］.Journal of Marketing Research，1988，25(2):186-192.

［48］Guan J C，Ma N.Structural Equation Model with PLS Path Modeling for An Integrated System of Publicly Funded Basic Research［J］.Scientometrics，2009，81(3):683-698.

［49］Werts C E，Linn R L，Jreskog K G.Interclass Reliability Estimates:Testing Structural Assumptions［J］.Education and Psychological Measurement，1974，34(1):25-33.

［50］Chin W W，Marcolin B L，Newsted P R.A Partial Leas Squares Latent Variable Modeling Approach for Measuring Interaction Effects:Results from A Monte Carlo Simulation Study and An Electronic-Mail Emotion/Adoption Study［J］.Information Systems Research，2003，14(2):189-217.

［51］Fornell C，Larcker D F.Evaluating Structural Equation Models with Unobservable Variables and Measurement Error［J］.Journal of Marketing Research，1981，18(1):186-192.

［52］ Bagozzi R P，Yi Y.On the Evaluation of Structural Equation Models［J］.Academy of Marketing Science，1988，16(1):74-94.