2. 中国人民大学 经济学院, 北京 100872
2. School of Economics, Renmin University of China, Beijing 100872, China
创新是经济发展的主要动力,自熊彼特提出创新理论后,企业规模和创新的关系一直是经济学家们关注的热点问题。熊彼特认为,由于大企业具有规模经济、风险承担能力强、融资渠道宽等优势,其比小企业拥有更强烈的创新欲望和创新能力,所以创新活动会随着企业规模的扩大而增加。[1]熊彼特假说引发人们对企业规模与创新的关系进行了大量的实证探索。
国外学者对企业规模与创新产出关系的研究成果较多。Schmookler 和 Brownlee对美国20世纪上半期年度产业数据进行研究,用专利数量代表创新产出,用产业增加值代表产业规模,发现产业规模对专利数量有显著的正影响。[2]Scherer对1955年500强企业中的448个企业的数据进行研究,用专利数量代表创新产出,用销售收入代表企业规模,发现销售收入与专利数量之间呈倒U型关系。[3]Kraft对1979年西德企业的数据进行研究,以新产品销售收入表示创新产出,发现企业规模对新产品销售收入有不显著的正影响。[4]Blundell等对1982年英国340个制造企业面板数据进行研究,用专利数量表示创新水平,发现企业市场份额对创新数量有显著的正影响。[5]Gayle对美国1976—1992年33 250个企业数据进行研究,以专利被引次数代表创新水平,发现企业市场份额和企业规模对专利数量和专利被引次数均有显著的正影响。[6]
中国国内在此方面的研究开展较晚,研究成果也较少。周黎安和罗凯对中国1985—1997年30个省的面板数据进行研究,用专利数量代表创新产出,分别用平均产值和平均员工人数代表企业规模,发现企业规模对专利数量有显著的促进作用。[7]吴延兵对1994—2002年中国大中型工业企业34个产业的面板数据进行研究,分别用专利数和新产品销售收入衡量创新产出,用企业平均销售收人衡量企业规模,发现企业规模与专利数之间没有必然的联系,而新产品销售收入随企业规模的增加以非线性递增的趋势增加。[8]孙晓华和田晓芳利用2003—2006年中国37个工业细分行业的面板数据,考察了企业规模、市场结构、产权结构和资本密集度等因素对创新能力的影响,发现企业规模与专利数量之间呈现明显的倒U型关系。[9]
但是,国内外关于企业规模与创新关系的研究缺少针对特定产业的分析。Acs 和 Audretsch的研究发现公司的创新活动很大程度上依赖于不同的产业和市场条件。[10]Chris和Luc也指出不同的产业和市场条件对企业的创新能力有重要影响。[11]产业性质不同,其技术创新的收益和成本也各不相同,企业的创新决策也存在较大差别,因此,有必要分析不同产业的企业规模与创新的关系。鉴于此,笔者以电子及通信设备制造业为研究对象,研究该行业的企业规模与创新的关系。之所以选取该行业是因为电子及通信设备制造业在制造业乃至国民经济中占据着极其重要的地位;中国工业行业中,电子及通信设备制造业对其他产业的影响力系数最大,该行业的发展对社会生产有很强的辐射力。[12]此外,电子及通信设备制造业也是中国科技创新最活跃、专利积累最多、竞争最为激烈的领域,新产品更新换代快,创新对于该产业的发展具有至关重要的作用。 二、模型的构建与分析方法 (一)模型的构建
国内外学者通行的做法是采用专利数或新产品销售收入作为创新产出的衡量指标。由于各省电子及通信设备制造业的专利数量存在大量零值,考虑到数据的质量和结果的可靠性,笔者采用该产业的新产品销售收人作为衡量其创新产出的指标。
对于企业规模的衡量,国内外研究主要采用平均员工人数、平均销售收入或者平均总资产等指标进行衡量。电子及通信设备制造业属于高技术产业,高成长、高投入、高风险并存,销售收入和资产受市场环境、经营风险的影响很大,可能会由于某个项目的开发失败导致当年的销售收入和资产出现大幅度下滑。相对而言,员工人数受经营风险的影响相对较小,平稳性较高,因此文章选取平均员工人数作为衡量企业规模的指标。
除企业规模会影响创新外,还有其他影响因素,笔者主要考虑4个因素:(1)平均利润。创新活动需要大规模的资金支持,企业的创新能力可能来源于利润积累。聂辉华等通过实证研究发现,前期利润对于后期的创新活动具有显著的正效应,因此,人们将滞后期利润加入解释变量。[13](2)人均GDP。一个地区产业的发展会受到当地市场环境、消费能力等因素的影响,一般而言,经济发达的地区市场广阔,创新所需要的资金、智力等资源也更充足,企业的技术创新能力可能会较强。(3)开放度。对外开放程度越高意味着该地区与国际先进技术水平更加接近,也意味着其面临的来自国际上的竞争更加激烈,这能能够促使企业提高技术水平、进行技术创新。(4)外商直接投资。外商直接投资能够带来新的技术,并且可以产生技术外溢效应,因此,其对企业创新可能存在正影响。由于缺乏各省电子与通信设备制造业外商直接投资额的数据,笔者用各省份外商直接投资总额进行代替。
综合以上因素,笔者建立动态面板模型对电子及通信设备制造业企业规模和创新的关系进行实证研究。动态面板模型的特点是将因变量的滞后项加入自变量中,因而可以控制创新的累积效应。笔者建立的动态面板模型为
(LnInno)it=β1(LnInno)it-1+β2Xit+αi+μt+εit(1) 其中:(LnInno)it为省份i第t年电子及通信设备制造业平均新产品产值的对数;(LnInno)it-1为其1期滞后项;Xit为包含一组控制变量的向量,变量包括各地区电子及通信设备制造业企业规模、平均利润、各地区人均GDP、实际利用外商直接投资额和经济开放度;αi为省份的固定效应;μt为年份效应,这里假定年份效应μt为固定参数,在样本期间内加入时间虚拟变量来估计其值;εit为误差项,其期望值为零,无序列相关,但可能有异方差。
笔者构建的动态面板模型中,平均新产品产值、各地区人均GDP、实际利用外商直接投资额等经济变量采用的是对数形式,目的是为了使其更加平稳,并克服异方差的影响。 (二)模型分析方法
动态面板模型包含滞后期被解释变量,会导致内生性问题。为了解决内生性问题,Arellano和Bond提出了差分GMM估计法,用内生变量滞后2期及以上项和作为内生变量滞后差分项的工具变量,该估计方法可以有效克服解释变量内生性的问题。[14]但差分GMM估计法的缺陷在于,当解释变量在时间上的连续性较长时,工具变量的有效性将减弱从而影响估计结果的渐进有效性,在小样本情况下尤其明显。为解决这一问题,Blundell和Bond提出了系统GMM估计法,在差分GMM估计法的基础上加入水平矩条件,水平方程估计使用内生变量的滞后差分项作为内生变量的工具变量,然后将初始水平方程和差分方程联立求解。系统GMM估计法比差分GMM估计法增加了更多有用的矩条件,不仅改进了估计的精度,也减小了样本的偏倚。[15]笔者采用一阶段系统GMM估计法。
对于系统GMM估计法,有2个检验是必要的,一个是Sargan过度识别检验,主要用于判断是否存在过度识别约束,即检验新增工具变量是否有效。另一个是差分误差项的相关性检验,当一阶序列相关、二阶序列不相关,则表明是有效的。 三、数据来源
由于电子及通信设备制造业的企业单位数等指标在1997年统计口径发生变化,为保证数据统计口径一致,搜集数据由1998开始。此外,考虑到内蒙古自治区、海南省和青海省这3个省份在很多年份里新产品销售收入为零,将这3个省份排除之外。最终,面板数据样本为中国26个省级行政区1998—2010年间共计338个观测值。
各省电子及通信设备制造业的平均新产品产值、平均企业利润、平均员工人数这3项数据分别由该行业的新产品总产值除以企业数、利润总额除以企业数、员工总数除以企业数计算求得,相关数据来自于各年的《中国高技术产业统计年鉴》。人均GDP数据来自于各年的《中国统计年鉴》。平均新产品产值、平均利润、人均GDP都用以1985年为基期的工业品出厂价格指数进行了平减。外商直接投资数据来自于各年的《中国统计年鉴》,为了控制汇率和物价变动的影响,按照各年的人民币兑美元汇率将外商直接投资额的单位转换为元,再用以1985年为基期的工业品出厂价格指数进行了平减。开放度数据由各省的进出口总额除以各省GDP求得,相关数据来自于各年的《中国统计年鉴》。各变量的定义及符号如表 1所示。
根据模型中各变量的特征,首先确定各变量的性质。新产品销售收入是内生变量,将其水平项滞后2期及以上的所有值作为差分方程的工具变量,将其差分项滞后1期及以上的所有值作为水平方程的工具变量。时间虚拟变量显然是外生变量,此外,视各地区人均GDP,FDI和开放度为严格的外生变量,这些严格外生变量的自身是水平方程的工具变量,也是差分方程的工具变量。企业规模、企业利润为前定变量,它们的值与本期残差无关,但是与上一期的残差相关,将其滞后1期的水平项作为差分方程的工具变量,将其差分项作为水平方程的工具变量。
为了验证电子及通信设备制造业的企业规模与创新是否存在倒U型关系,将企业规模的平方项加入自变量,stata分析后的基本结果如表 2所示,其中模型1是不加入企业规模平方项的原回归模型,如式(1)所示,模型2是加入企业规模平方项后的回归模型。
模型1的回归结果表明在电子及通信设备制造业中,企业规模与创新有显著的正相关关系;人均GDP对创新的存在正影响,并且影响显著;开放度和创新存在显著正相关关系;滞后期利润对创新的影响不显著;外商直接投资对创新的影响不显著。模型2中加入了企业规模及其平方项作为解释变量,企业规模的系数为正,并且显著,但企业规模平方项的系数是负的,并不显著,这说明电子及通信设备制造中,企业规模与创新之间不存在显著的倒U型函数关系。因此,模型1的设定更为合理。
模型1中Sargan检验的p值为0.418,这表示笔者选择的工具变量是有效的,不存在弱工具性。残差序列相关性检验表明,差分后的残差只存在一阶序列相关性而无二阶序列相关性,因此,原模型的误差项不存在序列相关性。这说明了模型设定的合理性和工具变量的有效性,模型的估计结果是有效的。 (二)结果分析
第一,企业规模对创新有显著的促进作用。企业规模的系数为正数,且在1%的水平下显著,说明电子及通信设备制造业企业规模越大,企业的创新能力越强。这一结论与多数经验研究的结论是一致的。原因在于:高技术产业进行创新的风险大,因此要求创新企业有很强的风险承受能力,而小企业由于资金缺乏等原因,风险承受能力明显低于大企业;创新是一项需要大规模资金投入的活动,但是中国的中小企业普遍存在融资困难的情况,这限制了他们进行技术创新的欲望和创新能力;此外,大企业往往比小企业拥有更多的技术人才,这也使它的创新能力更强。由此可知,虽然小企业具有组织机构安排灵活、富有弹性、专业化等优点,但由于受到以上条件的限制,其创新产出并不如大企业。
第二,创新具有显著的累积效应。滞后期新产品产值系数为正数,并且十分显著,表明当期新产品产值会受到前期新产品产值的正向影响,从而说明创新的确具有显著的累积效应。
第三,地区经济越发达,其电子及通信设备制造业企业的创新能力越强。人均GDP对数的系数为正数,并且十分显著,新产品销售收入对人均GDP的弹性为0.53,即人均GDP每增长1%,电子及通信设备制造业的平均新产品销售收入将相应地增长0.53%,这说明电子及通信设备制造业企业的创新能力与其所在地区的经济发展水平成正比。这是因为经济发达地区的市场广阔,人们对电子及通信设备产品的需求量大,这使得企业进行技术创新的预期利润很大,所以企业进行技术创新的动力较强。此外,经济越发达的地区吸引的行业人才和投资往往越多,企业的智力、资金等资源也就越充足,因此,企业进行技术创新的能力也就越强。
第四,地区越开放,其电子及通信设备制造业企业的创新能力越强。地区的经济越开放,企业与发达国家交流越频繁,受到国际市场上新技术的影响也就越大,这有利于企业技术水平的提高;除此之外,开放程度越高也意味着企业面临的来自国际上的竞争更加激烈,特别是对于电子与通信设备制造业而言,美国、日本和德国等国家的产品在技术上有优势,具有强大的竞争力,这些能够促使当地的企业提高技术水平、进行技术创新。
第五,外商直接投资对电子及通信设备制造业企业创新能力的影响是不确定的。牛泽东和张倩肖对高技术行业的FDI技术溢出效应进行研究,发现高技术行业的FDI创新溢出存在门槛效应,只有当行业技术水平、人力资本超过一定水平,市场竞争较为激烈时,FDI创新溢出效应才比较明显。[16]但也可能是由于笔者用各省份外商直接投资总额代替电子及通信设备制造业外商直接投资额,实证结果显示外商直接投资对电子及通信设备制造业企业创新能力的影响并不显著。
第六,滞后期利润对电子及通信设备制造业企业创新能力的影响是不确定的。前期利润很小甚至为负会导致企业缺乏充分的资金进行技术创新,但是企业可能为了提高本期效益、弥补亏损,有更强的激励进行技术创新,所以企业利润与创新的关系是比较复杂的,两者并不存在显著的正相关关系。 五、结语
创新是一个国家经济发展的不竭动力,特别是对于技术更新换代快的电子及通信设备制造业,不断提高创新能力是企业保持竞争力的关键。笔者利用1998—2010年中国部分省份的数据,使用动态面板模型检验了影响中国电子与通信设备制造业企业创新活动的因素。研究发现,电子与通信设备制造业的企业规模对创新有显著的促进作用,创新随企业规模的增加以非线性递增的趋势增加。从这个意义上说,为提高电子及通讯设备制造企业的创新能力,应该促进企业做大做强,同时也要出台扶持中小企业技术创新的政策和措施,如拓宽小企业融资渠道,改善中小企业贷款难的问题。笔者还发现,企业利润、所在地的外商直接投资水平对电子及通讯设备制造企业创新的影响不明显,而经济发展水平、开放度对电子及通讯设备制造企业创新有显著的促进作用,地区的经济发展水平越高、越开放,电子及通讯设备制造企业的创新能力越强。
[1] | Schumpeter J A. Capitalism,socialism and democracy[M]. New York: Harper & Brothers,1942:1—464. |
[2] | Schmookler J, Brownlee O. Determinants of inventive activity[J]. American Economic Review,1962,52(2):165—176. |
[3] | Scherer F M. Market structure and the employment of scientists and engineers[J]. American Economic Review,1967,57(3):524—531. |
[4] | Kraft K. Market structure,firm characteristics and innovative activity[J]. Journal of Industrial Economics,1989,37(3):329—336. |
[5] | Blundell R, Griffith R, Van Reenen J. Market share,market value and innovation in a panel of British manufacturing firms[J]. Review of Economic Studies,1999,66(3):529—554. |
[6] | Gayle P G. Market concentration and innovation: new empirical evidence on the schumpeterian hypothesis[M]. Kansas State:Department of Econo, 2003:1—34. |
[7] | 周黎安,罗凯. 企业规模与创新:来自中国省级水平的经验证据[J]. 经济学季刊,2005(4):623—638. |
[8] | 吴延兵. 市场结构、产权结构与R&D——中国制造业的实证分析[J]. 统计研究, 2007,24(5):67—75. |
[9] | 孙晓华,田晓芳. 企业规模、市场结构与创新能力——来自中国37个工业行业的经验证据[J].大连理工大学学报:社会科学版,2009, 30(2):29—33. |
[10] | Acs Z J,Audretsch D B. Innovation in large and small firms:an empirical analysis[J]. American Economic Review, 1988,78(4):678—690. |
[11] | Acs Z J,Audretsch D B. Innovation in large and small firms:an empirical analysis[J]. American Economic Review, 1988,78(4):678—690. |
[12] | Chris F, Luc S. The economics of industrial innovation[M]. Cambridge:MIT Press,1997:1—470. |
[13] | 聂辉华,谭松涛,王宇锋,等. 创新、企业规模和市场竞争:基于中国企业层面的面板数据分析[J]. 世界经济,2008,31(7):57—66. |
[14] | Arellano,Bond. Some tests of specification for panel data:monte carlo evidence and an application to employment equation[J]. Review of economic studies,1991, 58:277—297. |
[15] | Blundell,Bond.Initial conditions and moment restrictions in dynamic panel data models[J].Joumal of Econometrics,1998(87):115—143. |
[16] | 牛泽东,张倩肖. FDI创新溢出与门槛效应——基于非线性面板平滑转换回归模型的分析[J]. 产业经济研究,2011(6):53—62. |