企業規模、市場勢力與技術創新
——基于新實證產業組織的視角

梁丹

一、引言

早期關于競爭和創新之間關系的論證大多是基于Schumpeter（1943）的研究，他認為產品市場競爭程度和創新活動之間存在著線性的反向變動關系。但是之后的一些研究推翻了他的結論，得出了兩者之間存在著正向關系的結論（Nickell 和 Steven，1996；Blundell, 1999）。U型關系的出現最早可以追溯到Scherer（1967），他以企業規模作為市場競爭程度的度量指標，研究發現財富500強企業中專利活動和企業規模之間存在著一種非線性相關關系。Aghion等（2005）在這方面取得了突破性的進展，他以1973-1994年英國17個行業的非平衡面板數據為樣本，以勒納指數作為市場競爭程度的衡量指標，實證檢驗了市場競爭程度和技術創新之間的關系：結果表明創新和勒納指數之間呈現顯著的倒 U型關系，并以此為基礎構建了一個復雜的數理模型來解釋曲線的形成，這個模型被稱為經典的市場競爭和技術創新倒 U型關系理論假說。此后的研究大多以此為基礎，通過變換數據樣本對這個理論假說加以實證檢驗或者拓展完善。

值得注意的是，在大多數研究市場結構與技術創新的相關關系的文獻中，一系列用于衡量市場結構的指標被看作是測度市場勢力的替代指標。市場勢力是指企業利用各種手段諸如提升技術能力、降低生產投入或者采用一定的營銷手段將價格維持在競爭性水平（即邊際成本）之上的能力，以期可以獲取更多的經營利潤，其僅僅是市場結構中不完全競爭程度的衡量指標，并不等同于市場結構。20世紀60年代，以哈佛學派為代表的傳統產業組織理論提出了SCP分析范式，即“結構—行為—績效”假說。在此框架下，市場集中度、赫芬達爾指數等常作為衡量市場勢力的代理變量（Howe 和Mcfetridge，1976；Gayle，2003；陳志廣，2004；陳林和朱衛平，2011；寇宗來和高瓊，2013）。Demsetz（1973）批評了這種分析范式并提出了效率假說，他認為產業具有更高的利潤是來自企業共謀的結果或企業效率的差異。之后的很多研究指出了 SCP分析范式存在的諸多缺陷（Hazlett 和 Weisman，2012）：一是在 SCP分析范式下結構、行為、績效三者之間的因果關系并不是建立在嚴謹的模型推理上，因而缺乏理論基礎（Martin，1999；Michael 等，2010）；二是SCP分析范式的實證研究對賬務數據的依賴性很強，而賬務數據的使用在測算經濟成本與經濟利潤的準確性方面存在較多爭議（Amess 和 Roberts，2005）；三是SCP分析范式的研究僅僅局限于市場中的一種非均衡關系，受到樣本選擇偏差及企業盈利性衡量誤差的影響很大（Brozen，1971；Carlton 和Perloff，2000）?；诖?，20世紀70年代以來，以考察企業策略性行為為核心的新產業組織理論（New Industrial Organization，NIO）逐漸興起，Mcfadden（1974）、Bresnahan（1982）、Lau（1982）、Steen和Salvanes（1999）、Schaeck 和Cihak（2009）、Ariss（2012）、Dobbelaere 和Mairesse（2013）等均在此框架下探討了市場勢力的測度。相對于國外豐富的研究文獻，我國在新實證產業組織視角下對市場勢力的研究尚處于起步階段，目前僅有陳甬軍和周末（2009）、程茂勇和趙紅（2011）、陳甬軍和楊振（2012）、王皓（2013）等進行了相關研究。這些研究大多集中于直接借鑒國外現成方法對市場勢力進行測度，對市場勢力的影響因素及經濟效應研究卻涉及較少。本文的研究在此背景下展開。

二、研究方法和數據

（一）模型框架

1. 新實證產業組織視角下市場勢力測度模型

市場勢力是企業將產品價格制定在邊際成本之上的支配能力，但是實證中測度市場勢力的難點在于企業的邊際成本是不能直接觀察到的。Hall（1988）認為宏觀經濟波動為觀察企業的邊際成本提供了一種自然實驗：當經濟擴張時，消費需求會增加，企業產出會相應增加，從而引起投入成本也增加，那么投入增加與產出增加的比例就是邊際成本?；谶@一簡單的經濟邏輯，在Solow（1957）分析技術進步的新古典模型基礎上，Hall（1988）通過以下假設來檢驗市場勢力的存在性：原假設是在市場完全競爭且規模報酬固定時，與產量及要素投入相關的外生變量一定與索洛余值不相關；備擇假設是當市場勢力存在且規模報酬固定時，與產量及要素投入相關的外生變量與索洛余值一定相關。Hall（1988）模型中要素投入所帶來的內生性問題需要用外生工具變量來矯正，但是尋找到完全外生的工具變量并非易事。Olley和Pakes（1996）提出用代理變量來表示不可直接觀測到的生產率。與OP方法相比，Levinsohn和Petrin（2003）完善了代理變量，使其能夠進一步反映生產率的變化。De Loecker和Warzynski（2012）模型在這個方法的基礎上，不僅放開了原模型的嚴格限定條件，而且可以借助微觀數據反映企業的動態變化，因此，De Loecker和Warzynski（2012）方法成為微觀層面測度市場勢力的比較常用的方法（黃楓和吳純杰，2013；任曙明和張靜，2013），具體模型如下。

假設企業i在t時期的生產函數為：

假設企業追求利潤最大化，也即在產出一定的情況下追求最小化成本，構建拉格朗日函數有：

追求成本最小化的企業的最優要素決策條件為要素投入的產出彈性。

假設生產函數為柯布—道格拉斯（Cobb-Douglas）形式，技術進步為Hicks中性，將生產函數進行取對數運算之后，產出的衡量指標可以表示為：

Yit表示企業i在t時期的產出的對數，和分別表示勞動投入和資本投入的對數。表示企業i的全要素生產率。企業根據可觀測到的生產率來進行諸如要素投入等方面的投資決策是導致生產函數內生性問題的根源。εit表示隨機誤差項。

Olley和Pakes（1996）提出了用投資和資本來控制模型內生性問題，其假設全要素生產率服從一階馬爾科夫過程：

Levinsohn和Petrin（2003）指出將投資作為生產率的代理變量至少存在兩個不合理之處：一是對于企業而言，由于投資的調整成本過高，難以對企業生產率的變化作出靈敏反應；二是從數據的角度來說，樣本中大量非零投資數據的棄用將會帶來十分嚴重的樣本截斷問題。解決方法是采用中間品投入的數據來作為生產率的代理變量，并假設中間品投入M依賴于企業的資本投入K和生產率W：

中間品投入是關于生產率的嚴格遞增函數，則可將生產率用中間品投入的反函數形式表示：

將式（11）代入式（6）中可得：

2. 企業規模、市場勢力影響企業技術創新的計量回歸模型

建立回歸模型的整體思路是全面考察影響企業創新活動（INNOV）的所有內外因素，包括企業層面與行業層面的解釋變量以及控制變量。熊彼特的創新理論認為，企業規模（SIZE）越大，意味著其壟斷能力越強，越有能力從事技術創新活動。但是根據 Scherer（1965）的研究，企業規模和技術創新之間可能并非是簡單的線性關系，因此加入市場規模的平方項作為解釋變量，以驗證市場規模和創新之間是否存在曲線關系。此外，選取的企業層面的控制變量主要有企業年齡（AGE）和企業利潤率（PROR），原因如下：企業年齡在很大程度上反映了企業內部資本以及勞動投入的優化情況，可能對企業的創新活動產生影響；利潤率衡量了企業的盈利能力，利潤率越高的企業越會有更多的閑置資金來從事技術創新。

行業層面的解釋變量主要是已測度的市場勢力（MPOW）。同樣地，加入市場勢力的平方項來驗證二者之間是否存在曲線關系。加入的控制變量包括行業特征（INDU）和地理位置（DIST），原因如下：考慮到每個行業的生產特征并不一致，每一個行業的資源分布、技術機會都存在很大的差異，為了消除這種差異對回歸模型準確性帶來的影響，本文選擇以行業代碼作為行業特征的虛擬變量。不同的地理位置可能會通過影響企業所在區域的經濟狀況、政府支持力度等來影響技術創新。通常而言，經濟發展程度越高、政府支持力度越大的地區對創新活動產生的正面促進作用越大。

綜上所述，本文將影響企業技術創新的回歸模型設定為：

（二）數據來源與處理

1. 市場勢力測度模型的數據處理

本文使用的數據全部來源于1999-2009年中國工業企業數據庫，它由全部國有工業企業和年銷售額在500萬元以上的非國有工業企業組成。該數據庫涵蓋了企業代碼、行業類別、職工人數、所有制以及地理位置等基本信息和銷售收入、固定資產、應付工資、中間投入等主要財務指標。考慮到國民經濟行業分類標準于2002年進行了修訂，基于數據在統計口徑上的連貫性與準確性，本文截取2003-2009年的統計數據作為樣本。同時，為了保證估計結果的準確性，借鑒了謝千里（2008）的做法對數據進行了以下剔除：工業總產值小于500萬的企業；部分統計口徑不一致或者關鍵財務指標缺失的數值；不符合一般會計準則的，比如固定資產年平均余額大于總資產或者研發投入小于0的企業。在對數據加以整理后，共得到63 513個觀測值。為了剔除價格變動因素對指標的干擾，所有觀測值均以1999年為基期進行平減，主要指標選取如下。

總產出：根據現有文獻的一般做法，使用數據庫中總產值來衡量。

資本投入：用數據庫中固定資產凈值來衡量。

勞動投入：用數據庫中工資項來衡量。

中間投入：用數據庫中中間投入項來衡量。

勞動份額：定義為勞動投入在總產出中的比重，用數據庫中的工資項除以總產值直接計算得到。

為了保證回歸分析的準確性，將以上的指標均進行了取對數整理。表1是對主要數據指標的描述性統計分析。

表1 主要變量的統計描述

2. 計量回歸模型的數據處理

（1）被解釋變量

在衡量創新產出的指標選取上，目前一般是以R&D投入或者專利作為產出的替代值，選擇R&D投入的最大爭議來自于只有成功實施了商業化并且產生了顯著的經濟效益的 R&D投入才被認為是創新活動。Griliches（1994）認為R&D投入只能部分反映創新活動，Peters（2008）認為R&D投入會低估小企業和服務行業的創新活動。專利也并非衡量創新的完美指標，專利申請雖然是體現企業創新能力的基礎，但是一些企業從商業機密的角度考慮并不會將所有的發明都申請專利，這使得專利不能反映技術創新的全部成果。此外，專利在質量方面的不同也導致其在體現創新產出的經濟價值方面存在著誤差。因此，本文在研究創新產出的時候，參考唐清泉等（2009）、余永澤和武鵬（2010）等現有文獻的做法，選取新產品產值（New product）作為衡量創新產出的代理變量。

首先從經濟意義上刪除了新產品產值為負值的數據，考慮到數據庫中有大量缺失數據，為了保證回歸結果的準確性，將這部分的數據補充為0，即認為這些企業沒有創新產出。值得注意的是，由于新產品產值中存在著很多的0值數據，這會對估計結果的準確性帶來很大影響，而如果將0樣本數據刪除，將會造成數據的大量遺棄，進而使得回歸結果出現偏差。本文借鑒Fishe等（1979）的做法，將所有新產品產值為0的數據增加為0.01，這樣做的好處是既不會造成數據的浪費，又不會對估計結果產生很大的影響。同樣地，考慮到價格波動因素的影響，將新產品產值數據以1999年為基期按照價格指數進行了平減，同時對處理后的數據進行取對數運算。

（2）核心解釋變量

企業規模的衡量指標通常有三個：總資產、銷售收入以及員工人數。本文借鑒Scherer（1965）的研究，認為銷售收入更能反映出企業短期需求的變化，而且其對生產要素的影響更偏向于中性，是企業規模（SIZE）的最佳代理變量，并且本文將銷售收入項按照1999年價格指數進行平減與取對數運算。另一個核心解釋變量為市場勢力（MPOW）的測度值。

（3）控制變量

企業年齡（AGE）：用企業所在年份與成立年份之差衡量。

利潤率（PROR）：用產品銷售收入與成本之間的差額除以成本來確定，銷售收入與成本的數據均以1999年為基期進行了價格指數平減處理。

行業特征（INDU）：來自于數據庫中的四位數行業代碼，并進行了取對數處理來消除其值過大對回歸結果帶來的偏差。

地理位置（DIST）：選擇以數據庫中的六位數區域代碼作為地區的控制變量，并且進行了取對數處理。

回歸變量及選取指標歸納整理見表2，描述性統計分析見表3。

表2 回歸變量的指標選取

表3 回歸變量的描述性統計

三、實證結果

（一）市場勢力測度

1. 產出彈性估計結果

在LP方法下，本文分別對電子及通信設備制造業中21個四位數子行業的產出彈性進行了估計。需要指出的是，由于勞動投入和資本投入同全要素生產率存在相關性，這會導致傳統OLS方法在估計產出彈性時存在內生性問題以及同時性偏差問題。為了對比LP方法測度結果的準確性，在表4中同時給出了OLS估計的產出彈性值。從表4中可以看出，相比較于LP方法的估計結果，OLS方法明顯低估了資本投入的產出彈性，高估了勞動投入的產出彈性。從進一步的分析中可以看出，除了移動通信及終端設備制造業（行業代碼 4014）外，電子及通信設備制造業下屬的20個子行業的資本投入產出彈性均大于勞動投入產出彈性，即從整體而言，電子及通信設備制造業屬于資本投入密集型行業。實證結果符合預期，相比于其他制造行業，電子及通信設備制造業具有設備占有率大、投資額大、容納勞動力較少等特點，只有不斷地通過資本積累，以高技術謀求發展，才能更好地應對信息化浪潮的沖擊。因此，其行業的技術創新特征會體現得更加明顯，這也是本文選擇電子及通信設備制造業作為樣本來考察的原因之一。

表4 四位碼行業的產出彈性估計結果

（續表）

2. 市場勢力估算

根據公式（5）和表4，計算出21個子行業2003-2009年的市場勢力值如表5所示。限于篇幅，表5僅列出2003年和2009年的測度值，2004年至2008年的測度結果見附表A。通過表5和附表A可以看出，只有行業代碼為4011、4051、4090的3個行業在2003年的市場勢力測度值剛剛超過1，這說明，電子及通信設備制造業下屬的21個四位碼行業的產業結構類型更加傾向于完全競爭，測度結果符合預期。一方面，根據測度模型，市場勢力和勞動力投入份額之間存在著倒數關系，而目前在有關我國勞動力供給的研究中，雖然對于“劉易斯拐點”是否已經到來的議題爭議不斷，但母庸置疑的是，我國勞動力供給的“人口紅利期”正在或者已經接近尾聲，主要表現為勞動力供給急劇減少、勞動力價格明顯上升，勞動力成本的快速上漲使得勞動投入份額不斷增大，對市場勢力產生了一個“擠壓”的作用，直觀反映在市場勢力的測度值在小于1附近的值徘徊。另一方面，雖然電子及通信設備制造業近年來迅速發展，但由于其行業進入門檻低，行業內部尚未形成以技術推動增長的競爭優勢，導致企業在價格層面展開激烈競爭。以通信終端設備制造業（代碼為 4013）為例，雖然該行業在我國起步較晚，但在經濟全球化的背景下發展迅猛，廣闊的發展空間使得行業內部競爭日益激烈。從行業內部來看，行業內市場結構經歷了從壟斷、雙寡頭壟斷到如今完全競爭的轉變，隨著 2002年行業內眾多國產品牌的崛起以及2005-2006年市場的整合，使得市場份額被各個品牌平分，競爭程度進一步加深。

表5 四位碼行業的市場勢力估計結果

（續表）

（二）企業規模、市場勢力與技術創新的實證分析

1. 基本回歸結果

為了判斷該模型適合固定效應模型還是隨機效應模型，本文分別對模型進行固定效應和隨機效應的擬合，然后對兩者進行了Hausman檢驗。作為一個參照系，同時對模型進行了混合回歸，所有的計量分析均利用Stata軟件進行。對回歸結果進行的Hausman檢驗如附表B所示。首先，固定效應回歸中F檢驗的P值為0.000 0，故認為應該允許每個個體擁有自己的截距項，即固定效應模型明顯優于混合回歸。其次，Hausman檢驗中的P值為0.000 0，認為應該拒絕隨機效應模型與固定效應模型估計結果無差異的原假設，認為相比較于隨機效應的擬合，固定效應模型更為適合?；貧w結果整理如表6所示。

表6 企業規模、市場勢力與技術創新的靜態回歸結果

（續表）

首先，市場勢力與創新產出之間存在著顯著的正 U型關系，這意味著存在一個市場勢力的臨界值，在這個臨界值之內，企業技術創新會隨著市場勢力的增加而減少，而超過這個臨界值之后，企業技術創新又會隨著市場勢力的增加而增加。在對企業規模和創新產出之間關系的考察中發現，兩者之間也呈現出顯著的正U型關系。

其次，企業年齡和創新產出之間呈現出顯著的正向變動關系。實證結果符合預期，因為從長期看，一個企業發展的核心競爭力正源于其創新能力。一般來說，企業的生存時間越長，越有利于其通過創新來維持在行業中的優勢地位。一方面，企業的生存時間越長，其越有能力為技術創新積累資金。另一方面，企業在從事技術創新方面的經驗也將隨著生存時間的增加而豐富。

最后，利潤率和創新產出之間存在著顯著的正向變動關系，利潤率每增加 1%，創新產出將增加 8‰。對于利潤率的解釋還是跟技術創新所需要的資金有關，一個企業的利潤率越高，說明其盈利能力越強，越有能力為創新活動投入更多的資金保障以及承擔創新活動帶來的風險。此外，企業技術創新呈現出明顯的地域特征，即區域變量對創新產出的影響顯著，但是行業特征并不明顯。

2. 內生性問題處理

有學者指出實證工作最大的難點是解決技術創新和市場勢力之間存在的內生性問題。如果忽略了這個問題，任何實證結果都是存在偏誤的。市場勢力不僅會對企業創新活動產生影響，反過來創新活動也可能對市場勢力有顯著的影響。解決這個問題的一個思路是尋找替代市場勢力的工具變量，通過工具變量的方法來識別市場勢力與企業創新之間的因果關系走向。但是運用工具變量的一個難題是尋找出有效的工具變量，這一工具變量需要同時滿足相關性和排他性。所謂相關性是指工具變量和內生變量相關，而排他性是指按照現有實證文獻的一般做法，本文考慮用市場勢力以及市場勢力的平方項均滯后一階作為其工具變量。一方面，內生變量的滯后期一般與當期的內生變量高度相關，因而相關性條件得以滿足。另一方面，內生變量的滯后期由于已經發生，一般與當期的擾動項也不相關，因而也滿足排他性。

為了進一步驗證所選工具變量是否有效，首先從以下兩個角度予以檢驗：一是采用二階段最小二乘法（2SLS），因為2SLS所提供的工具變量線性組合是所有線性組合中最接近有效的。二是采用對弱工具變量更加不敏感的有限信息最大似然法（LIML）進行估計，并與2SLS的估計系數進行對比分析，結果均表明本文所選擇的工具變量是有效的。同時考慮到企業創新活動所具有的連續性特征，將創新產出滯后一階與二階作為解釋變量。由于微觀企業所具有的異質性特征，本文選用系統GMM估計方法，回歸結果如表7所示。

表7 系統GMM模型回歸結果

更進一步地，對隨機擾動項是否存在序列自相關進行檢驗，P值為0.271 0，接受擾動項無自相關的假設，認為不存在序列自相關。在控制了市場勢力和創新之間互為因果關系可能導致的內生性問題之后，實證結果仍然指向U 型關系，說明本文所采用的固定效應模型的擬合是準確的。

在處理了內生性問題之后，市場勢力、企業規模對企業技術創新的影響均顯著增大。這說明，忽視內生性問題將會低估市場勢力、企業規模對企業創新技術活動的影響。值得注意的是，系統GMM回歸結果表明在影響技術創新的眾多因素中，利潤率有著顯著的促進作用。在對其他控制變量的考察中發現，企業技術創新活動不存在明顯的行業特征，但是區域特征很明顯，均支持了基本回歸結果。

3. 穩健性檢驗

穩健性檢驗圍繞以下兩個方面展開。一是通過替換核心被解釋變量來檢驗實證結果是否仍然可靠，二是通過選擇不同的計量回歸方法來檢驗是否存在因回歸模型選擇的不同導致結果出現偏差。沿著這個思路，首先根據現有文獻的一般做法，將被解釋變量由新產品產值替換為R&D投入，仍然按照基本回歸的方法進行測度。其次，參考以往文獻在應用工業企業數據庫為樣本時的一般做法，采用Tobit模型進行回歸。

（1）創新產出的不同度量指標

數據仍來自于中國工業企業數據庫。對R&D投入數據的處理方法和新產品產值相同。同樣按照基本回歸的思路，分別從混合回歸、固定效應回歸以及隨機效應回歸對模型進行了擬合，回歸結果整理如表8所示，對回歸結果進行的Hausman檢驗如附表C所示。根據附表C，首先固定效應回歸中F檢驗的值為0.007 2，在10%的顯著水平上認為固定效應回歸優于混合回歸。其次，Hausman檢驗中P值為0.000 0，認為應該拒絕隨機效應模型與固定效應模型估計結果無差異的原假設，即固定效應回歸優于隨機效應。據此可以得出結論：在將被解釋變量由新產品產值替換為R&D投入之后，固定效應模型仍然是合適的。

表8 企業規模、市場勢力與技術創新的靜態回歸結果

（2）Tobit模型

Tobit模型作為因變量受限模型的一種，被廣泛應用于因變量為片段值或者切割值時。但是，使用Tobit模型時應注意被解釋變量的受限問題，為了保證模型的準確性，本文用R&D投入占總銷售收入的比重即創新投入強度作為被解釋變量，其余解釋變量均保持不變。同時考慮到Tobit模型中可能存在異方差的問題，給出了穩健標準差與普通標準差的對比分析?；貧w結果如表9所示。

表9 Tobit模型的回歸結果

從表9中可以看出，Tobit模型中的穩健標準差和普通標準差十分接近，這意味著模型并不存在異方差的問題。從以上兩步穩健性檢驗的結果來看，利潤率、企業年齡仍然對企業技術創新起到正向的促進作用，只是顯著性水平有所下降，而第一步穩健性檢驗仍然顯示回歸結果不存在明顯的行業特征，但是區域特征明顯，支持了基本回歸結論。在對核心解釋變量的考察中發現，兩步穩健性檢驗均表明企業規模、市場勢力與企業技術創新之間呈現出顯著的U型關系。

四、結論與啟示

（一）結論

有很多學者嘗試從各個角度來解釋市場勢力同技術創新之間 U型關系的形成機理，Salop（1977）構建產品差異性和壟斷競爭程度的領導者模型，Hart（1983）假定經理人個人效益最大化，但這些解釋都存在爭議。本文借鑒Aghion等（2005）的研究，不同于以往內生增長模型強調創新動力依賴于過去的創新租，認為創新動力來自過去的創新租和預期創新租之間的差額。假定創新活動均來自于外部企業（過去的創新租為 0），隨著產品市場競爭程度的加強，過去的創新租和預期創新租將會同時減少，但相比之下過去創新租減少的幅度將大于預期創新租。換句話說，競爭可能增加企業從創新活動中獲得的利潤，這被稱作“逃離競爭效應”，這種情況常發生在實力相當的企業間。而對于實力落后的企業來說，他們已經從創新活動中獲得一個比較低的最初利潤，產品市場的競爭可能主要影響過去的創新租，減少了創新激勵，這被稱作“熊彼特效應”?？紤]到真實市場中存在著各種各樣的產業結構，因此 U型關系形成的實質是不同產業結構中不同企業技術水平差異的結果。

對于企業規模和市場勢力之間 U型關系可能的解釋是，企業的管理成本將會隨著規模的擴大而增加，復雜的決策機構、種類繁多的業務等分散了企業在創新方面的投入力度。而規模較小的企業由于組織精干、靈活性高反而更有利于提升創新效率。但這種影響作用是相對的，當企業規模突破一個臨界值之后，企業規模的增加反而提升了企業的創新激勵，因為大企業的資金優勢使其更能承擔創新投入的沉沒成本以及創新失敗所帶來的風險。這也驗證了熊彼特理論中“大企業比小企業承擔著更大比例的創新份額”。

（二）啟示

隨著我國經濟由高速增長轉向高質量增長，創新成為轉變發展方式、轉換增長動力的關鍵一招，而如何激發企業創新活力，使企業成為創新主體，成為亟待解決的重要問題。根據本文的研究結論，可以得到三個方面的政策啟示。

一是因地制宜制定產業政策。對于企業數目較多且技術水平相差不大的行業來說，制定鼓勵競爭的產業政策有助于提升創新激勵，從而提高整個行業的競爭力。同時，產業政策還應充分考慮地域特色，不同區域有所側重，如對于資金富足的區域多從政策上加以引導，對于資金短缺的區域多從融資渠道上予以扶持，多管齊下，最大限度地激活整個行業的發展潛力。

二是適度擴大企業規模，提升企業利潤率?？傮w來看，目前我國電子及通信設備制造業正處于規模報酬的遞增階段，企業規模的適度擴大將有利于發揮規模經濟效應，實現企業資源的有效整合，降低企業的生產成本。同時，規模效應也會帶來利潤率的提高，增加企業的資金收入，積累資金優勢，保障創新活動的持續進行。

附表A 四位碼行業的市場勢力估計結果

附表B 回歸模型的Hausman檢驗結果

附表C 回歸模型的Hausman檢驗結果

三是增加創新投入，發揮技術優勢。從長期來看，加大對創新投入的支持力度，是企業破解發展難題的突破口?？v觀世界上所有具有悠久發展歷史的知名企業，無一不是在技術上具備很強的優勢，在創新方面獨占鰲頭。現今對于大多數的中國企業而言，缺乏創新所導致的競爭力不足是制約企業發展的瓶頸，只有攻克技術創新的難關，才能讓企業在日趨激烈的市場競爭中立于不敗之地。