区域创新环境对高新技术产业创新绩效的影响研究
摘 要：本文测度企业创新的绩效，并利用面板数据模型研究2003―2014年全国各省、直辖市及自治区的区域创新环境对高新技术产业技术创新阶段创新绩效和高新技术产业成果转化阶段创新绩效的影响，结果发现：当前的区域创新环境中，除金融需求外，其他方面对高新技术产业技术创新绩效有正面促进作用，创业水平对高新技术产业创新绩效的影响并不显著。
关键词：创新环境；创新绩效；面板数据模型；区域创新
中图分类号：F276.44 文献标识码：A 文章编号：1003-9031（2016）03-0036-05 DOI：10.3969/j.issn.1003-9031.2016.03.07
目前，国内外对创新绩效评价的研究主要集中区域的创新能力和绩效，而对产业的创新绩效特别是高新技术产业创新绩效研究的文献较少。由于影响高新技术产业创新能力的因素既有外部因素也有内部因素，本文主要从区域创新环境这个外部因素对企业创新绩效的影响出发，研究区域创新环境促进高新技术产业的创新绩效。
一、文献综述
在高新技术产业创新绩效的研究方面，国内学者主要运用数据包络分析法。陈程、刘和东（2012）运用DEA方法测度了1999―2008年中国高新技术产业的创新绩效，并在此基础上进一步对我国高新技术产业的影响因素进行了研究。在选取影响因素时，他们选取了企业规模、研发强度、产业绩效、企业支持、政府支持、金融支持、市场结构、产权结构、开放程度这9个影响因素[1]。
刘军、姚佐文（2009）用DEA方法来评价创新绩效。他们根据高新技术产业开发区的创新过程和特点来选取测度创新绩效的指标，并对我国中部地区的9个国家级高新区的创新绩效进行了评价。通过比较DEA有效的高新区和DEA无效的高新区，得出结论[2]。通过比较DE
A有效和无效的高新区提出建设意见并不科学，因为每个高新区都有自己的特色，不能一概而论。
谢伟，胡玮，夏绍模（2008）通过运用DEA方法测算了我国各省的高新技术产业的研发效率、技术效率和规模效率。此外，还利用计量的方法研究了市场竞争度、研发投入等因素对各效率的影响[3]。
段进军，季春霞（2005）以江苏省为例研究了区域创新环境和高新技术产业竞争力提升之间的关系，他们从分析江苏省高新技术产业的现状、经营情况及存在的主要问题入手，针对以上分析结果提出营造区域创新环境，提升高新技术产业竞争力的意见[4]。该论文并没有运用定量分析的方法，只是针对一个地区来做的研究。
在创新环境的研究方面，从国内目前的相关研究来看，主要集中在两个方面：一是对创新环境的内涵和其形成机制的探索分析；二是对创新环境的指标体系的构建和测度。在区域创新环境的评价指标体系的构建方面，周晓艳等（2009）把区域创新环境分成四个相互依赖的层次――基础层次网络系统、文化层次网络系统、组织层次网络系统、信息层次网络系统[5]；李习保（2007）认为影响区域创新绩效和创新能力的关键因素包括区域创新主体的构成、政府的支持以及与工业结构相关的创新环境。柳卸林等人的《中国区域创新能力报告》具有一定的代表性[6]，该《报告》从五个方面――基础设施、市场需求、劳动者素质、金融环境和创业水平来测度区域创新环境，每一个方面又由若干指标构成。由于其数据指标广泛、全面，所以这一指标体系具有很高的借鉴意义。
在区域创新环境的研究方面，国外学者主要注重于区域创新环境的软环境研究，国内学者的研究则更多的集中在区域创新环境的评价体系的构建上，这个评价体系包含了硬环境和软环境的测度。在创新绩效的研究方面，国外学者从企业的角度研究创新绩效的比较多，很少从产业的层面来研究创新绩效；国内学者则较多的采用DEA方法来研究创新绩效。国内外学者主要是把区域创新环境和创新绩效分开来研究，研究创新环境对高新技术产业创新绩效影响的不多。本文从创新环境对高新技术产业创新绩效的影响这个角度出发，来研究创新环境对高新技术产业创新绩效的影响。
二、区域创新环境的测度体系与评价方法
（一）区域创新环境指标体系的构成
在科技投入一定、制度体系稳定的条件下，环境起到决定区域创新能力的关键作用。本文依据中国科技发展战略研究小组对区域创新环境的测度体系，将区域创新环境分为五个方面，其中基础设施与市场需求构成区域创新的客观环境，劳动者素质、金融环境与创业水平构成区域创新的主观环境，分别见表1和表2中所示[7]。
1.客观环境指标
（1）基础设施。基础设施是一个地区进行创新活动的各种要素流动的载体，一个区域基础设施有作为信息和知识的载体的软环境，如移动电话、互联网、计算机等的发展水平。作为硬环境的基础设施，有铁路和公路的人均拥有量、各种运输方式形成的客流量和货流量，如公路、铁路、民航和水运。基础设施的改善，可以直接降低知识和信息流动的成本，同时可以提高要素和知识等运作的效率，并且提升企业创新的能力，提高效率。如果区域内有良好的基础设施，会大大的降低信息和物质的交流成本，并起到促进区域创新能力的作用[8]。
（2）市场需求。对市场需求的衡量，一般从居民消费水平、国内固定资产投资增长率、政府财政支出和商品进出口差额四个方面来衡量。市场是促进创新的重要动力，如果有旺盛的市场需求，居民的消费水平较高，并且国内固定资产投资增长率、政府财政支出和商品进出口差额的比例协调，会极大的促进企业进行技术创新，提高创新成果转化的效率。市场需求之所以是技术创新的重要因素，是因为在市场出现新的需求时，企业为了保持自身的竞争力，就会主动进行研发和活动。较大的市场需求，有利于提高创新绩效[9]。
2.主观环境指标
（1）劳动者素质。创新环境好坏的另一个重要因素是劳动者素质。劳动者素质的高低直接影响着企业的发展。如果劳动者的素质高，企业就更容易得到进行创新活动所需要的人才，从而创造出新的市场机会。此外，劳动者是技术创新的主体，企业内劳动者整体素质的高低可以直接决定企业进行技术创新的能力的强弱；从而影响到企业进行技术创新的效率。因为劳动者素质是一个综合的指标，因此，采用教育投资的水平、就业人口中大专以上学历所占比重、当年新增大学生毕业数、人均受教育年限、人均图书消费量等指标来综合衡量一个地区的劳动者素质[10]。
（2）金融环境。金融环境作为一个地区创新环境的重要方面，其主要的指标是企业在进行技术创新活动时能从银行获得的贷款支持的情况。企业进行创新活动不仅仅需要人才和技术，还需要大量的资金。换句话说，资金会直接决定创新的成败。对于几乎所有地区的企业来说，资金的缺乏会大大的影响技术创新的进行。如果技术和人才是给定的，在这种情况下，企业是技术创新的主体，资金对于企业创新的成败会起到决定性的作用[11]。
（3）创业水平。创新与创业之间有着很大的相关性。创业水平高的地区，其经济也相应的更有活力。很多创新都会通过创业来实现，其中高新技术企业、民营科技企业是技术创新的重点，在进行技术创新上有很大的技术优势。这里用科技型企业的发展、高新技术企业的发展和新注册企业的发展情况来测度区域的创业水平。
（二）区域创新环境的评价方法
区域创新能力报告的评价方法是加权综合评价法，在基础指标无量纲化后，用专家打分得到的权重，分层逐级综合，最后得出每个省（直辖市、自治区）创新能力的综合效用值。
1.基础指标的处理
单一指标采用直接获取的区域数据来表示，在无量纲化处理时采用效用值法，效用值规定的值域是[0，100]，即该指标最优效用值为100，最差效用值为0，计算方法如下。
对于复合指标的处理方法与上面介绍的单项指标的处理方法相同。
2.权重的选择
加权综合采用分层逐级进行，以创业水平的得分为例。第一层次为创业水平（a）；第二层次由3个指标构成：民营科技企业综合指标（b1）、高新科技企业综合指标（b2）、新注册企业数综合指标（b3）；民营科技企业综合指标（b1）又由第三层次：民营科技企业增长率（c1）和民营科技企业数（c2）构成。高新科技企业综合指标（b2）、新注册企业数综合指标（b3）的指标构成类似于民营科技企业综合指标（b1）。
本文计算了国内30个省会核心城市从2003年到2014年的基础设施环境、市场需求环境、劳动者素质环境、金融环境、创业水平的效用值得分，北京、上海、江苏、广东、浙江、山东的得分一直都较其他地区高，而甘肃、青海、宁夏、新疆的得分一直处于较低水平①。此外，本文的数据来源基本采用国家统计局正式出版的统计年鉴和地方出版的统计年鉴。
三、区域创新环境对高新技术产业创新绩效影响的实证分析
（一）变量的选取和数据来源
本文使用面板数据模型构建区域创新环境对高新技术产业创新绩效影响的回归模型。自变量来源于上述介绍的区域创新环境，为基础设施（x1）、市场需求（x2）、劳动者素质（x3）、金融环境（x4）、创业水平（x5）的对数。因变量是企业第一阶段的创新绩效――技术创新绩效，用专利授权量来代表。之所以选择专利授权量来代表技术创新绩效，首先是因为此数据容易获得，其次是企业进行技术创新的成果通常是专利的形式，并且企业引入新产品开发的专利通常是企业自己拥有的专利。自变量的数据取自2003―2014 年的《中国区域创新能力报告》（该报告已将数据标注化），数据年限从2003―2014年，来源于《中国科技统计年鉴》。
（二）基于面板的实证结果分析
首先对面板数据进行单位根检验，检验结果如表4，专利授权量y、基础设施水平x1、市场需求x2、劳动者素质x3、金融环境x4和创业水平x5都通过单位根检验，其中专利授权量y通过含截距项和趋势项的单位根检验；基础设施水平x1、市场需求x2、劳动者素质x3和金融环境x4能通过含截距项的单位根检验，也能通过含截距项和趋势项的单位根检验；创业水平x5能通过含截距项的单位根检验。
对面板数据进行协整检验，检验结果是专利授权量与基础设施水平、市场需求、劳动者素质、金融环境和创业水平都存在协整关系。下一步我们对面板数据进行回归分析。
本文构建面板模型如下：
lnyit= ？琢i+？茁1lnx1it+？茁2lnx2it+？茁3lnx3it+？茁4lnx4it+？茁5lnx5it+？滋it
（6）
式（6）中，y表示专利授权量，i表示不同的区域，t表示2003―2014年，？琢i表示各截面成员的不同截距；？茁1、？茁2、？茁3、？茁4、？茁5分别表示区域创新环境的基础设施水平、市场需求、劳动者素质、金融环境和创业水平对高新技术产业创新绩效的影响。
先检验是采用混合效应模型还是固定效应模型，检验结果如下表5，拒绝了原假设，我们应该采用固定效应模型。
根据以上分析结果，采用Hausman检验对采用哪种模型进行检验，结果如表6所示，在5%的显著性水平下拒绝原假设，即选择固定效应模型。
在选择合适的模型后，在面板数据方程估计中，缺省值为没有加权的，但可以选择加权项。在这里，我们选择了Cross section weights选项，EViews会假设出现截面异方差，对模型进行广义最小二乘估计。
由表7可知，只有变量lnx5（创业水平）的系数没通过置信度水平为5%的t检验，其他自变量的系数均通过了t检验，说明基础设施、市场环境、劳动者素质、金融环境对高新技术产业技术创新产出的影响是显著的，创业水平对高新技术产业技术创新产出的影响并不显著。在创新环境的这五个方面中，市场环境对高新技术产业技术创新阶段创新绩效的影响是最大的，其次是劳动者素质，再次是基础设施，最后是金融环境。
由各城市的截距估计值 （见表8），我们可以看出最高的5名按从高到低排列分别是广东（2.214）、福建（1.157）、贵州（1.535）、天津（0.975）、湖北（0.942），最低的5名按从低到高排列分别是青海（-3.259）、内蒙古（-3.013）、新疆（-2.467）、海南（-2.183）、宁夏（-1.064）。从实证效果上看，东部沿海地区城市的截距项远高于中西部地区。也就说明了，在对比我国东北及东部沿海地带和中西部地带不同的区域创新环境对高新技术产业创新绩效的影响时，东北及东部沿海地带，基础设施建设已经非常良好，继续投入建设基础设施，对高新技术产业创新绩效的提高不会太明显，甚至会比较多余；而在中西部地带，基础设施建设还有提高的空间，而且基础设施建设的提高对高新技术产创新绩效会产生正向的影响。
四、研究结论与启示
一是区域创新环境的基础设施、市场环境、劳动者素质、金融环境对高新技术产业创新绩效的影响是正向促进作用，创业水平对创新绩效的影响并不显著。在创新环境的这五个方面中，市场环境对高新技术产创新绩效的影响是最大的，其次是劳动者素质，再次是基础设施，最后是金融环境。
二是基础设施、市场环境、劳动者素质对高新技术产业技术创新阶段创新绩效的弹性要大于对高新技术产成果转化阶段创新绩效的弹性，说明在高新技术产业技术创新阶段，基础设施、市场环境、劳动者素质的高低对此阶段创新绩效的影响更大。金融环境对高新技术产业技术创新阶段创新绩效的弹性要小于对高新技术产成果转化阶段创新绩效的弹性，说明在高新技术产成果转化阶段，金融环境的好坏对此阶段的影响更大，可能此阶段需要更多的资金投入和流动资金。
三是在中西部地带，基础设施建设还有提高的空间，而且基础设施建设的提高对高新技术产业创新绩效会产生正向的影响。
参考文献：
[1]陈程，刘和东.我国高新技术产业创新绩效测度及影响因素研究――基于创新链视角的两阶段分析[J].科技进步与对策，2012（1）.
[2]刘军，姚佐文.我国中部地区国家及高新技术产业开发区创新绩效评价[J].技术经济，2009（3）.
[3]谢伟，胡玮，夏绍模.中国高新技术产业研发效率及其影响因素分析[J].科学学与科学技术管理，2008（3）.
[4]段进军，季春霞.区域创新环境与高新技术产业竞争力的提升――以江苏省为例[J].社会科学家，2005（4）.
[5]周晓艳，葛健，马丽仪.基于动态面板数据模型的中国区域创新体系效率实证[J].经济管理，2009（3）.
[6]李习保.区域创新环境对创新活动效率影响的实证研究[J].数量经济技术经济研究，2007（8）.
[7]张媛媛，张宗益.创新环境、创新能力与创新绩效的系统性研究――基于面板数据的经验分析[J].科技管理研究，2009（12）.
[8]张宗益.创新环境与区域技术创新效率的实证研究[J].软科学，2008.
[9]周晓艳，葛健，马丽仪.基于动态面板数据模型的中国区域创新体系效率实证[J].经济管理，2009（3）.
[10]李虹含，杨驰.中国银行业系统性风险的测量方法与实证研究[J].广西大学学报，2015（2）.
[11]Drucker，P.F.Post-Capitalist Society，London： Oxford， Butterworth Henemann[M].Harper Business，1993.