研發(fā)投入與企業(yè)創(chuàng)新

茹靖雪 王若璠 梁銘芫

【摘要】? ?文章基于2000—2017年我國30個省份總體企業(yè)的面板數(shù)據(jù)，利用固定效應模型，從宏觀角度分析研發(fā)投入對企業(yè)創(chuàng)新績效的影響，并將樣本按地區(qū)分組，探究研發(fā)投入在不同地區(qū)對企業(yè)創(chuàng)新績效的影響。結(jié)果表明，單一的研發(fā)資金投入和研發(fā)勞動投入都能促進企業(yè)創(chuàng)新，但勞動投入對企業(yè)創(chuàng)新的促進作用更大，研發(fā)投入對企業(yè)創(chuàng)新影響的效果自東部向西部減弱。

【關(guān)鍵詞】? ?研發(fā)投入;企業(yè)創(chuàng)新;地區(qū)差異

【中圖分類號】? F275? 【文獻標識碼】? A? 【文章編號】? 1002-5812（2019）24-0061-03

實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略是我國經(jīng)濟發(fā)展的關(guān)鍵點，為了提高競爭力，多數(shù)企業(yè)不惜花費高額的資金成本投入研發(fā)。此外，有數(shù)據(jù)顯示，我國東部地區(qū)的經(jīng)濟發(fā)展領(lǐng)跑于中西部地區(qū)?；谄髽I(yè)創(chuàng)新發(fā)展的需要及地區(qū)差異的現(xiàn)狀，探究企業(yè)創(chuàng)新的影響因素以及該因素的地區(qū)化差異，對于分析當前我國企業(yè)創(chuàng)新能力不佳的問題具有重要意義。

一、文獻回顧與研究假設(shè)

目前，國內(nèi)外很多學者對研發(fā)投入與企業(yè)創(chuàng)新都做了相關(guān)研究，當僅觀察研發(fā)投入單一指標時，多數(shù)學者關(guān)注研發(fā)投入對總體企業(yè)創(chuàng)新的影響，如Pakes和Griliches（1980）[1]研究發(fā)現(xiàn)，企業(yè)的研發(fā)支出與其申請和獲得的專利數(shù)量之間存在顯著的統(tǒng)計關(guān)系。部分學者以某一性質(zhì)的企業(yè)為例，重點關(guān)注研發(fā)投入對企業(yè)創(chuàng)新影響的行業(yè)特征，如羅付巖等（2019）發(fā)現(xiàn)在國企中研發(fā)投入對企業(yè)創(chuàng)新的促進效果特別明顯;少數(shù)學者則按照企業(yè)特征或市場特征對企業(yè)分組，研究了研發(fā)投入對企業(yè)創(chuàng)新影響的異質(zhì)性，如王一卉（2013）[2]按照所有制特征、企業(yè)年齡和企業(yè)所處經(jīng)濟環(huán)境將企業(yè)進行分類，探究研發(fā)投入對于不同類型企業(yè)的促進效果。

研發(fā)投入對企業(yè)創(chuàng)新影響具有異質(zhì)性的特點讓人深思，我國幅員遼闊，對外貿(mào)易的頻率、產(chǎn)業(yè)集聚效應（孫鳳娥、田治威，2019）[3]、文化多元化（代明，2018）[4]、市場需求要素（董鵬剛、史耀波，2019）[5]等地區(qū)特征向量都會對企業(yè)創(chuàng)新效率產(chǎn)生影響。在金融支持程度越高的地區(qū)，研發(fā)投入對企業(yè)創(chuàng)新的影響效果更明顯（魏攀，2019）。產(chǎn)融結(jié)合的企業(yè)能夠通過降低融資壓力，增加研發(fā)投入，從而促進企業(yè)創(chuàng)新（莊仲喬，2019）[6]。在區(qū)域制度環(huán)境更好的地區(qū)，企業(yè)研發(fā)力度隨著管理層權(quán)力的提高而增大（袁海靜，2019）[7]。李宏兵（2019）[8]等研究發(fā)現(xiàn)，受區(qū)位優(yōu)勢、政策優(yōu)勢、經(jīng)濟發(fā)展水平和開放程度的影響，能提高東部地區(qū)創(chuàng)新效率的因素在作用于中部地區(qū)時卻失效了，也就是說，地域差異會導致不同地區(qū)研發(fā)投入對企業(yè)創(chuàng)新的影響有所不同。

綜上，多數(shù)學者從微觀領(lǐng)域出發(fā)，以上市公司數(shù)據(jù)為例，研究研發(fā)投入對企業(yè)創(chuàng)新的影響，鮮有文獻從宏觀角度出發(fā)，以各省份的面板數(shù)據(jù)為例，探究研發(fā)投入對企業(yè)創(chuàng)新的影響。其次，我國各地區(qū)發(fā)展水平不均等，經(jīng)濟發(fā)展水平較高的地區(qū)企業(yè)創(chuàng)新能力越高，而經(jīng)濟發(fā)展水平較低的地區(qū)企業(yè)創(chuàng)新能力較低，創(chuàng)新能力較強的企業(yè)通常集中在相臨近的地區(qū)（張曉明，2016）[9]，這對研究研發(fā)投入和企業(yè)創(chuàng)新的關(guān)系可能會產(chǎn)生一定的影響，但鮮有學者關(guān)注研發(fā)投入對于我國不同地區(qū)的影響效應。最后，已有文獻通常采用研發(fā)投入資金單一指標對企業(yè)的研發(fā)投入進行衡量，但實際中研發(fā)投入除了有資金的投入，還有勞動資源的投入，鮮有文獻同時對資金和勞動資源進行比較衡量。因此，本文提出以下假設(shè)：

假設(shè)1：單一的研發(fā)資金投入和研發(fā)勞動投入都能促進企業(yè)創(chuàng)新，但勞動投入對企業(yè)創(chuàng)新的促進作用更大;

假設(shè)2：研發(fā)投入對企業(yè)創(chuàng)新影響的效果自東部向西部減弱。

二、研究設(shè)計

本文選取我國30個省份2000—2017年的面板數(shù)據(jù)，相關(guān)數(shù)據(jù)來源于《中華人民共和國國家知識產(chǎn)權(quán)局專利統(tǒng)計年報》《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》，利用Stata 15.0進行數(shù)據(jù)處理，基于創(chuàng)新績效視角構(gòu)建固定效應模型，檢驗研發(fā)投入要素變化對創(chuàng)新績效的影響。

為了驗證假設(shè)1，構(gòu)建的模型（1）和（2）僅檢測單一變量（R&D或RDL）對被解釋變量的影響：

模型（3）則同時檢測研發(fā)資金投入（R&D）和研發(fā)勞動投入（RDL）對被解釋變量的影響：

其中，被解釋變量為創(chuàng)新績效（innovation），表示i省企業(yè)在t年的創(chuàng)新績效。i是各省企業(yè)編號，t是時間序列。該指標以各省的三種專利申請受理數(shù)表示，分別是發(fā)明權(quán)專利、實用新型專利和外觀設(shè)計專利，統(tǒng)計數(shù)據(jù)來源于各年《中華人民共和國國家知識產(chǎn)權(quán)局專利統(tǒng)計年報》。由于研發(fā)從投入到產(chǎn)出需要一個過程，而且申請專利也需要一定時間，所以本文在構(gòu)建模型時將創(chuàng)新變量滯后一期，從而避免內(nèi)生性問題。解釋變量為研發(fā)投入，以研發(fā)資金投入（R&D）和研發(fā)勞動投入（RDL）來衡量，資金投入用全社會R&D經(jīng)費衡量，勞動投入用全社會R&D人員當量衡量，統(tǒng)計數(shù)據(jù)來源于各年《中國科技統(tǒng)計年鑒》。研究發(fā)現(xiàn)，外商直接投資對創(chuàng)新產(chǎn)出存在溢出效應（唐宜紅，2019）[10];

金融環(huán)境越好，企業(yè)會加大研發(fā)投入從而促進企業(yè)創(chuàng)新（李嵐，2019）;城市化水平能顯著提升企業(yè)的創(chuàng)新水平（楊曉章，2017）[11];人力資源對企業(yè)創(chuàng)新績效存在中介作用（陳明淑，2018）[12]。因此本文選取外商直接投資（FDI）、人均生產(chǎn)總值（gdpper_caital）、城市化水平（urb）和人力資源（hum）作為控制變量。外商直接投資以外資企業(yè)銷售額/行業(yè)總銷售額衡量，人均國內(nèi)生產(chǎn)總值數(shù)據(jù)來源于各年的《中國統(tǒng)計年鑒》，城市化水平以省（區(qū)）內(nèi)城市人口比例/?。▍^(qū)）總?cè)丝诒壤饬?，人力資源借助朱承亮（2012）[13]的隨機前沿模型衡量：hum=6primary+9middle+12high+16university，其中primary、middle、high和university分別表示小學、初中、高中和大專及以上受教育程度人口占6歲及以上人口的人力資本比例。

三、實證結(jié)果與分析

（一）全樣本回歸

本文使用面板數(shù)據(jù)并結(jié)合Hausman檢驗識別，檢驗結(jié)果P值為0.0000，表示應選擇固定效應模型對樣本數(shù)據(jù)進行逐步回歸。通過將解釋變量進行分解，本文依次得到模型一、二、三，回歸結(jié)果如表1所示。

表1中模型一、二、三結(jié)果表明樣本整體在1%的水平上顯著。通過觀察模型一可知，單一的研發(fā)資金投入對創(chuàng)新績效并不能產(chǎn)生正向影響，R&D的系數(shù)為0.074，且在10%的水平上顯著;觀察模型二可知，單一的研發(fā)勞動投入對創(chuàng)新績效能夠產(chǎn)生正向影響，RDL的系數(shù)為0.169，在1%的水平上顯著;觀察模型三可知，在研發(fā)資金投入和研發(fā)勞動投入的共同作用下，研發(fā)勞動投入對創(chuàng)新績效產(chǎn)生正向影響，R&D的系數(shù)為-0.025，但該結(jié)果并不顯著，而RDL的系數(shù)為0.182，且在1%的水平上顯著。這個結(jié)果說明假設(shè)1成立，單一的研發(fā)資金投入和研發(fā)勞動投入都能促進企業(yè)創(chuàng)新，但勞動投入對企業(yè)創(chuàng)新的促進作用更大。

對于模型一、二、三的控制變量，首先，外商投資可以通過知識溢出渠道為企業(yè)創(chuàng)新帶來促進效果（Luong et al，2017）[14]，本模型中外商直接投資的系數(shù)為負但不具有顯著性，并不與已有文獻結(jié)果矛盾。其次，一個地區(qū)的經(jīng)濟發(fā)展水平能夠為企業(yè)創(chuàng)造良好的創(chuàng)新環(huán)境，從而促進企業(yè)創(chuàng)新，在本模型中人均GDP的系數(shù)大于1且在1%的水平上顯著，說明人均GDP對企業(yè)創(chuàng)新產(chǎn)生了正向影響，證實了經(jīng)濟水平作為外部因素能促進企業(yè)創(chuàng)新這一觀點。此外，城市化水平越高的地區(qū)通常具有較高水平的文化程度、社會保障制度和經(jīng)濟環(huán)境，因此城市化水平越高的地區(qū)越能為企業(yè)經(jīng)營和創(chuàng)新帶來較好的外部條件，本模型計算得到城市化水平的系數(shù)為正且在1%的水平上顯著，證明了城市化水平越高，企業(yè)創(chuàng)新效果越好。最后，人力資本通過個人知識的輸出，經(jīng)過整個企業(yè)的加工和整合，最終形成企業(yè)創(chuàng)新，本文的實證結(jié)果中人力資本的系數(shù)大于1且在1%的水平上顯著，說明人力資本對企業(yè)創(chuàng)新具有正向影響，人力資本存量越大的企業(yè)越具有創(chuàng)新能力，該結(jié)果與現(xiàn)有文獻結(jié)論相符。

（二）分組回歸

為了研究研發(fā)投入對企業(yè)創(chuàng)新影響的地區(qū)差異，本文將樣本按照地域劃分為東部、中部、西部，分類進行實證分析，結(jié)果如下頁表2所示，九組模型樣本整體都在1%水平上顯著。東部地區(qū)企業(yè)解釋變量R&D和RDL的系數(shù)都為正，且結(jié)果顯著，說明研發(fā)投入對于東部企業(yè)的創(chuàng)新具有促進作用。對于中部地區(qū)的企業(yè)，觀察模型三可知，解釋變量R&D系數(shù)為負，且在1%的水平上顯著，RDL系數(shù)為正，且在10%的水平上顯著，說明只有研發(fā)勞動投入才能促進中部地區(qū)的企業(yè)創(chuàng)新，研發(fā)資金投入并不能有效促進該地區(qū)的企業(yè)創(chuàng)新。對位于西部地區(qū)的企業(yè)，解釋變量R&D系數(shù)為負，但結(jié)果并不顯著，RDL的系數(shù)為負且在5%的水平上顯著，說明不論是研發(fā)資金投入還是研發(fā)勞動投入，與西部地區(qū)企業(yè)創(chuàng)新并無顯著正相關(guān)關(guān)系。這一結(jié)果說明假設(shè)2成立，研發(fā)投入對企業(yè)創(chuàng)新的影響效果自東部向西部減弱。

對于控制變量，觀察三個地區(qū)的模型三可知，外商直接投資對東部地區(qū)企業(yè)的創(chuàng)新具有顯著的負向影響;但對中部、西部地區(qū)企業(yè)來說，外商直接投資與企業(yè)創(chuàng)新無明顯相關(guān)關(guān)系。經(jīng)濟和人力始終是企業(yè)發(fā)展的最關(guān)鍵要素，在分組進行回歸時觀察得到人均GDP水平的提高、人力資本存量的擴大均對三個地區(qū)企業(yè)的創(chuàng)新帶來促進作用，這一結(jié)果證明了經(jīng)濟和人力資源對企業(yè)創(chuàng)新的重要性，優(yōu)質(zhì)的人力資源為企業(yè)創(chuàng)新帶來源源不斷的動力，外部的經(jīng)濟和人力資源的支持共同為企業(yè)的創(chuàng)新提供良好的環(huán)境，兩者相輔相成，推動企業(yè)創(chuàng)新發(fā)展。同時，未檢驗出城市化水平與東部企業(yè)創(chuàng)新的相關(guān)關(guān)系，因為東部地區(qū)的企業(yè)在積極進行開拓創(chuàng)新的同時要負擔起更多的社會責任，繼續(xù)加速城市化進程并不會給企業(yè)創(chuàng)新帶來更好的環(huán)境。但對于中西部地區(qū)企業(yè)來說，更高的城市化水平意味著更好的外部環(huán)境和人才資源，對企業(yè)的創(chuàng)新績效存在顯著的促進作用。

本文使用OLS模型進行實證結(jié)果穩(wěn)健性的檢驗，由檢驗結(jié)果可知主要解釋變量系數(shù)符號的變化與上文結(jié)論并不矛盾，所以上文的結(jié)論是穩(wěn)健的。

四、結(jié)論與建議

本文采用2000—2017年我國30個省份總體企業(yè)的面板數(shù)據(jù)，利用面板數(shù)據(jù)固定效應模型，從宏觀角度分析研發(fā)投入對企業(yè)創(chuàng)新績效的影響，并將樣本按地區(qū)劃分為東部、中部、西部三組，進一步探究地區(qū)差異下研發(fā)投入對企業(yè)創(chuàng)新的影響。結(jié)果表明單一的研發(fā)資金投入和研發(fā)勞動投入都能促進企業(yè)創(chuàng)新，但勞動投入對企業(yè)創(chuàng)新的促進作用更大，此外，研發(fā)投入對企業(yè)創(chuàng)新的影響效果自東部向西部減弱。因此，本文建議創(chuàng)新戰(zhàn)略應因地制宜、構(gòu)建跨地區(qū)的企業(yè)交流渠道，同時平衡研發(fā)資金投入和勞動投入之間的關(guān)系，從而推動各地區(qū)企業(yè)共同進步。

【主要參考文獻】

[1] Pakes A，Griliches Z.Patents and R and D at the Firm Level：A First Look[J].Economics letters，1980，5（4）：377-381.

[2] 王一卉.政府補貼、研發(fā)投入與企業(yè)創(chuàng)新績效——基于所有制、企業(yè)經(jīng)驗與地區(qū)差異的研究[J].經(jīng)濟問題探索，2013，（07）：138-143.

[3] 孫鳳娥，田治威.區(qū)域創(chuàng)新效率提升之道：選擇性保護還是全面開放[J].科技進步與對策，2019，（08）：1-8.

[4] 代明，楊含，陳景信.文化多元化對區(qū)域創(chuàng)新的影響——基于人口遷移的視角[J].西北人口，2018，39（06）：78-84.

[5] 董鵬剛，史耀波.市場需求要素驅(qū)動的創(chuàng)新溢出效應研究[J].科技進步與對策，2019，（09）：1-6.

[6] 莊仲喬，郭立宏.產(chǎn)融結(jié)合促進我國供給側(cè)結(jié)構(gòu)性改革深化的因素與路徑[J].西北大學學報（哲學社會科學版），2019，49（01）：97-102.

[7] 袁海靜.區(qū)域制度環(huán)境、管理層權(quán)力與企業(yè)研發(fā)投入[J].商業(yè)會計，2019，（13）：33-36.

[8] 李宏兵，劉早云，陳巖.雙向投資、雙向技術(shù)溢出與中國企業(yè)創(chuàng)新[J].中國科技論壇，2019，（02）：64-72.

[9] 張曉明.創(chuàng)新型企業(yè)的空間集聚及影響因素分析[J].數(shù)學的實踐與認識，2016，46（18）：76-83.

[10] 唐宜紅，俞峰，李兵.外商直接投資對中國企業(yè)創(chuàng)新的影響——基于中國工業(yè)企業(yè)數(shù)據(jù)與企業(yè)專利數(shù)據(jù)的實證檢驗[J].武漢大學學報（哲學社會科學版），2019，72（01）：104-120.

[11] 楊曉章，張少輝，劉鳳娟.財政自主權(quán)與企業(yè)創(chuàng)新——來自城市層面的證據(jù)[J].產(chǎn)業(yè)經(jīng)濟評論，2017，（03）：83-94.

[12] 陳明淑，李佳雯，陸擎濤.高績效工作系統(tǒng)與企業(yè)創(chuàng)新績效——人力資源柔性的中介作用[J].財經(jīng)理論與實踐，2018，39（06）：119-124.

[13] 朱承亮，師萍，安立仁.人力資本及其結(jié)構(gòu)與研發(fā)創(chuàng)新效率——基于SFA模型的檢驗[J].管理工程學報，2012，26（04）：58-64.

[14] Luong H，Moshirian F，Nguyen L，et al.How Do Foreign Institutional Investors Enhance Firm Innovation？[J].Journal of Financial and Quantitative Analysis，2017，52（4）：1449-1490.