中國技術創新發展的質量與速度匹配性及協調機制研究

鐘昌標，俞立平，胡甲濱，張運梅

(1.廣州商學院粵港澳大灣區電子商務研究中心，廣東 廣州 511363；2.浙江工商大學統計與數學學院，浙江 杭州 310018；3.滄州交通學院經濟管理學院，河北 滄州 061199)

0 引言

在科技創新中面臨創新質量與創新速度的兩難選擇，即追求創新質量意味著降低創新速度，而提高創新速度則可能影響創新質量。2020年 《中國統計年鑒》數據顯示，全國研發投入經費22143億元，居世界第2位。從科研產出看，2020年國家知識產權局共受理發明專利申請數量221.3萬件，連續6年居世界第1位。中國科學技術信息研究所數據顯示，2010—2020年10年期間，中國發表國際論文301.91萬篇，連續4年排在世界第2位。然而，與創新速度形成鮮明對比的是創新質量水平仍然相對較低。在不少技術領域中國與世界先進水平仍然差距較大。《國民經濟和社會發展統計公報》數據顯示，企業專利申請數逐年增長，但申請成功率卻不斷下降，2012—2018年的企業專利申請成功率由61%降至56.6%，平均申請成功率僅55.7%，中國企業的創新在速度和質量上一直未實現協調發展。

本文的主要貢獻為：①已有研究聚焦影響創新質量的決定因素，但鮮有文獻考察創新質量對于創新產出的影響。通過對于創新產出的影響機制分析，實證檢驗兩者之間的關系，擴展了已有的工作；②已有文獻大多從靜態角度考察創新績效的決定因素，很少關注創新的速度對于創新產出的影響。通過引入創新速度作為影響創新產出的重要決定因素，并對兩者之間的關系進行理論和實證分析，拓展了相關研究的邊界。③已有文獻對于創新速度、創新質量和創新產出或者分開研究，暗含三者之間沒有關系的含蓄假設，或者研究其中兩者之間的關系，暗含第3個變量與此關系無關的假設。本文將創新速度、創新質量和創新產出納入統一的框架中，深化了學界關于創新質量對于創新產出影響機制的理解。

1 文獻綜述

1.1 創新質量與創新產出

關于創新質量的界定，相關研究提出的較晚，研究不多[1]，學術界早期對創新質量的界定均是從企業微觀層面[2-3]提出創新質量，將創新質量定義成創新績效在產品、過程、結果3個維度的總和。關于創新質量與創新產出的關系，創新產出通常指的是企業所研發的新產品、新工藝、專利等創新成果及其所帶來的效益[4]。總的研究不多，學者對創新質量與創新產出的關系研究大多停留在研究其對企業效益的影響。關于創新質量與企業價值、績效、利潤之間的研究學術界總體比較一致,認為其呈正相關關系，侯貴生等[5]指出高質量的創新產物往往具備明顯的技術、成本或時間優勢，而低質量的創新產物甚至失敗的創新則會帶來經濟損失。有學者指出創新質量影響企業成長階段，因此創新質量與創新產出可能存在非線性關系，蔡紹洪等[6]從企業成長視角實證分析創新質量對企業效益的貢獻；張震[7]研究顯示創新質量與企業利潤之間存在非線性關系。

1.2 創新速度與創新產出

從微觀層面進行界定產品創新速度有兩種定義：一是以Mansfield[8]為代表，認為創新速度是產品從研發到投放市場期間，二是以Kessler等[9]為代表，認為產品創新速度是發現市場可能到創新產品上市所需要的時間。這兩種界定并沒有本質區別，皆以時間作為衡量依據。關于創新速度與創新產出的關系，僅僅停留在微觀層面進行研究是不夠的，當前學者對創新速度與創新產出的研究大多停留在研究微觀產品創新速度對企業效益的影響。目前大多學者認為創新速度與企業績效存在著非線性關系，其對企業績效的提升邊際效應遞減，兩者之間可能存在著倒U形關系[10]。

1.3 創新質量與創新速度

創新質量是創新過程的總結果，對其時間特征的識別為創新質量提供方向。Cohen等[11]認為創新速度的加快促使創新的知識積累，促進產品價值的增加，提升創新質量。在保持一定速度的前提下，才有可能優化結構和提升質量，從而獲取更大的經濟效益。現實中，質量與速度往往難以兼得[12]。

1.4 研究述評

關于創新質量、創新速度的界定，極少學者從宏觀產業層面對創新質量、創新速度的概念進行探究。關于創新質量與創新產出的關系，多數研究停留在企業微觀層面，得出創新質量與創新產出可能存在非線性關系的結論。關于創新速度與創新產出的關系，在早期研究中，正向影響創新產出占據主流，隨著研究深入，多數學者認為創新速度與創新產出存在非線性關系。

關于創新質量與創新速度的關系，現有研究總體較少。在這些研究中主要存在兩種觀點：①創新速度與創新質量可以互相兼顧，創新速度的提升正向作用于創新質量。②兩者難以兼顧，創新速度的提升往往不利于創新質量；除此之外，從企業不同階段與不同技術創新類型等企業微觀層面指出創新速度與創新質量呈現不同狀態，但未考慮到宏觀層面創新質量與創新速度之間的協調。

2 創新質量、創新速度對創新產出的作用機制分析

2.1 創新質量對創新產出的作用機制

創新質量與創新產出存在非線性關系，而現有對創新質量的非線性作用機制沒有學者進行總結，對創新質量的作用機制也未進行全面系統的梳理，包括線性作用機制和互動作用機制，如圖1所示。

圖1 創新質量對創新產出作用機制

(1)創新質量的線性作用機制。首先是競爭效應。①打造藍海戰略。原發性創新是創新質量最高的創新，為避免與競爭者對抗，原發性創新可極大限度打垮競爭者而獲得超額利潤；②提高競爭優勢。為將資源最大化，提升創新投入產出比率，必須注重產品的創新質量，高質量的創新成果往往具備明顯的成本、技術優勢，支撐企業長久發展；③創造質量口碑。企業如果長期關注創新質量，形成質量品牌，在消費者中形成高質量產品的印象，吸引忠誠客戶，使企業穩步發展。

其次是文化效應。①形成質量文化。全社會都能重視創新質量就會形成質量文化，使得低質量的創新難以立足，從而推動整個社會創新質量的提高；②培養工匠精神。精益求精是企業工匠精神的核心部分，其結果是創新質量水平的不斷提升，最終實現企業創新績效的提高。

依據創新質量對創新產出的線性機制分析，一方面，創新質量高的企業，其創新成果具備顯著的成本及技術優勢，有可能實現原發性創新；另一方面，長期保持創新質量的企業容易形成質量口碑，保證創新產品在消費者中的影響力，有利于產出提升。由此，提出假設H1：創新質量對創新產出具有積極貢獻，其彈性系數為正數。

(2)創新質量的互動作用機制。創新質量與創新產出之間的互動將降低成本，促使企業間更加有效的分工和協作。企業初期，創新水平相不高，技術創新能力低，難有足夠的研發資金支持研發；企業進入成長期，創新質量與創新產出之間形成互動；進入成熟期，這種互動關系更加顯著。企業創新質量越高，其獲取創新效益的能力越強，也為企業帶來更大收益。由此，提出假設H2：創新質量與創新產出之間存在互動關系，隨著創新質量的提高，其對創新產出的影響系數就越大。

2.2 創新速度對創新產出的作用機制

創新速度的作用機制可概括為4種機制，包括競爭效應、品牌效應、研發成本降低效應、利潤效應。線性作用機制就是產業創新速度對創新產出的作用機制主要包括反饋效應、規模效應，如圖2所示。

圖2 產業創新速度的作用機制

(1)創新速度的線性作用機制。①直接作用機制。直接作用機制通過市場先入效應、競爭優勢效應、研發成本分攤效應、知識積累效應、品牌效應和利潤效應來實現。企業技術創新的速度越快，獲得的先入優勢。快速創新是企業核心競爭力的精華，創新速度是企業獲得競爭優勢的重要手段。快速創新允許更多的嘗試失敗次數，從而分攤了創新成本帶來更好的創新產出。加快創新速度的過程也是企業知識積累的過程，可促進企業學習能力的提高以及知識存量的增加，上市時間更短、更能滿足顧客需求。品牌一旦在消費者心中扎根，能夠取得回報。創新速度能為企業創造豐厚的利潤回報，從而形成良性循環。②間接作用機制。間接作用機制主要研發的研發資源帶動效應和資源配置效應。創新速度對創新產出的影響也同樣存在間接溢出機制，當產業創新速度加快時，不可避免地影響到研發資源的使用與配置效率，進而對創新產出產生積極影響。綜上所述，提出假設H3：創新速度對創新產出具有顯著的積極貢獻，其彈性系數為正。

(2)創新速度的互動作用機制。一方面是反饋效應。創新產出會刺激企業提高創新速度；另一方面是規模效應。當產業創新達到一定規模時，對資源具有更大需求，促使產學研之間更加有效的協作；產業創新大時表明產業已經成熟，難以進一步提升創新速度。由此，提出假設H4：創新速度與創新產出之間是非線性關系，中等水平創新速度的彈性最大。

3 創新質量與創新速度的關系及協調關系分析

3.1 創新質量與創新速度的微觀協調機制與判斷標準

(1)企業成長與創新的關系。創新速度與創新質量的演進關系呈倒S形曲線，如圖3所示。

圖3 創新速度與創新質量的演進關系

在起步期到成熟期，創新質量與創新速度均是負相關，只有在成長期創新質量與創新速度才是正相關。

(2)基于不同創新類型的分析。從創新類型看，跟隨創新屬于速度主導型創新，原始創新是質量主導型創新，集成創新是質量速度并重型創新。當前我國高技術產業以跟隨創新為主，兼顧集成創新，原始創新較少，總體上屬于速度主導型創新，創新速度較快，有一定的創新成果總量，但創新質量不高，如圖4所示。由此，提出假設H5：創新質量與創新速度協調水平低，兩者交叉項對創新產出貢獻的彈性系數為負。

圖4 創新質量、創新速度與創新類型

3.2 創新質量與創新速度的宏觀協調機制與判斷標準

創新發展有4種模式。第1種是數量質量并重型，主要是一些西方發達國家；第2種是質量主導型，其特點是在某些領域擁有杰出的創新產出，創新質量高，速度快；第3種是先速度后質量型；第4是跟隨學習型。如圖5所示。

圖5 創新質量、創新速度宏觀協調

從創新質量與創新速度的宏觀協調機制分析，一方面，創新速度是創新質量的基礎，研發速度帶來研發總量的增加，然后在這個過程中逐漸提高研發質量；另一方面，創新速度也需要創新質量作為前提條件。基于此，提出假設H6：創新速度的提升能夠促進創新質量對創新產出貢獻的彈性系數提高；假設H7：創新質量的提高不能促進創新速度對創新產出貢獻的彈性系數提高。

4 研究方法與數據

4.1 基本方程與面板數據模型

擴展的知識生產函數是本文的基本方程。Griliches[13]最早將創新成果視為R&D投入的函數，提出了 “知識生產函數”，當時沒有考慮研發人員對創新的貢獻。Jaffe[14]認為有經濟價值的新知識是企業的重要目標，進一步引入人力資源投入，即Griliches-Jaffe知識生產函數，與Cobb-Douglas生產函數類似：

Y=AKαLβ

(1)

式中，K表示研發經費，L表示研發勞動力，A表示知識生產函數中的全要素生產率，Y表示創新產出，α、β分別表示研發經費與研發勞動力的彈性系數。

根據前文分析，創新質量與創新速度對創新產出均有積極貢獻，所以在知識生產函數基礎上，進一步引入創新質量Q以及創新速度S，同時對公式兩邊取對數，進行線性變換，整理得：

log (Y)=c0+c1log (K)+c2log (L)+c3log (Q)+c4log (S)

(2)

學者在研究創新速度對創新產出的非線性關系時，指出創新速度對創新產出可能存在著U形關系，而創新質量可能與創新產出存在著非線性關系。為了分析創新速度、創新質量的非線性效應，在式 (2)基礎上進一步引入創新質量與創新速度的2次項，公式為：

log (Y)=c0+c1log (K)+c2log (L)+c3log (Q)+c4log (S)+c5log2(Q)+c6log2(S)

(3)

在式 (3)基礎上逐步引入創新質量的3次項以及創新速度的3次項，公式為：

log (Y)=c0+c1log (K)+c2log (L)+c3log (Q)+c4log (S)+c5log2(Q)+c6log2(S)+

c7log3(Q)

(4)

log (Y)=c0+c1log (K)+c2log (L)+c3log (Q)+c4log (S)+c5log2(Q)+c6log2(S)+c7log3(Q)+c8log3(S)

(5)

在式 (2)基礎上還可引入創新質量與創新速度的交叉項，刻畫創新速度對創新產出的影響。創新質量和創新速度共同作用對創新產出，相互協調的創新質量、創新速度，其交叉項對創新產出的貢獻是積極顯著的，公式為：

log (Y)=c0+c1log (K)+c2log (L)+c3log (Q)+c4log (S)+c5log (Q)log (S)

(6)

對于式 (2)～(4)，采用面板數據模型進行估計。

4.2 面板平滑轉換模型

由于回歸參數是非線性的，可以較快或較慢發生變化，故能較好刻畫面板數據的截面異質性。包含兩機制的基本的PSTR模型為：

(7)

…≤cm

(8)

式中，yit為因變量，xit為非線性回歸系數的自變量，zit為固定回歸系數的外生變量。β0和β1分別為線性部分與非線性部分的回歸系數，μi為截面固定效應，uit為殘差項。非線性部分的轉換函數g (pit;γ;c)為邏輯函數，是關于轉換變量pit的有界、連續函數，值域為[0，1]；pit可以是xit，也可以是其他外生變量。γ為平滑參數，表示從一個機制轉換到另一個機制的平滑性或者速度；c為發生機制轉換時相關變量的臨界值。

轉換函數g (·)中，m為門檻參數的個數，通常情況下為1或2，當m=1時，轉換函數稱為LSTR1型，關于pit單調遞增，當g (·)為0時為低機制，g (·)為1時為高機制，模型在兩者之間平滑轉換，位置參數c表示模型從低機制向高機制轉換的過渡點，xit的回歸系數在β0與β0+β1之間平滑轉換。當m=2時，轉換函數稱為LSTR2型，關于pit是非單調的，當g (·)為1時為外機制，在位置 (c1+c2)/2處，g (·)等于0，對應的機制為中間機制。

以單門檻為例，基于面板平滑轉換模型可以分析創新速度的變化對創新質量彈性的影響，從而驗證假設H6：

(9)

類似地，為了分析創新質量的提升對創新速度的影響，從而驗證假設H7，也可以采用以下模型：

(10)

4.3 貝葉斯向量自回歸模型

用一種相對簡潔的方法來處理模型估計中的約束問題，其原理是當參數被預估計為某一值時，使模型參數趨近于該值而不是等于該值，在數據量較大的情況下，比如面板數據，這種處理辦法往往能夠得到更精確的估計值。與傳統VAR模型相比，BVAR在短期預測時通常可以保證更高預測精度，也克服了傳統估計方法存在的問題。

對于VAR模型的第n個方程，所有變量一階滯后項系數均值全部為1，其余系數均值一律為零。對于方程i，變量j的滯后期系數標準差為：

(11)

式中，γ稱為總體緊縮度，代表解釋變量滯后1期系數的標準差，它測度對先驗信息信心接近程度。si為變量i自回歸方程殘差的標準差，si/sj表示不同變量的差比。調和滯后延遲函數為g(l)=l-d，g越小說明先驗分布越緊，d為衰減系數，表示過去信息比當前信息有用性衰減的程度，d的數值越大，先驗方差隨著滯后階數的增加衰減速度加快，d的取值越小，衰減得越慢。

4.4 變量與數據

(1)相關變量的選取。創新產出變量的選取。大多學者采用企業創新的直接、間接成果提出不同的測度指標，常用專利申請量以及授權量作為企業創新的直接成果，有學者指出專利申請數量比授權數量更能反映出企業創新真實水平[15]，發明專利相較實用新型等其他專利更具創新價值。也有學者[16]指出授權專利擁有比未授權專利更高的質量水平，存在著滯后期較長，對數據時間跨度要求高的問題。

創新質量變量的選取。關于創新質量的測度，現階段大多學者在實證研究中，仍然使用專利作為測度變量，其方法根據專利分類號的前4位表示[17]；也有采用專利年費的支付時間長度與專利授權度[18]。本文采用高技術產業省際面板數據，并從宏觀角度進行研究。

創新速度變量的選取。本文采用創新產出的增長量作為創新速度的替代變量，即新產品銷售收入的一階差分。首先是考慮采用創新產出比創新投入作為計算依據更科學合理，創新投入到產出過程有衰減和效率損失；另外考慮衡量標準統一，每個地區均與去年相比，計算絕對增量，這樣全國不同地區均具有可比性。

其他創新投入變量。關于知識生產函數中的研發經費與研發人員變量的選取，學界沒有太大爭議，本文采用研發經費內部支出表示研發資本，采用研發人員折合全時當量表示研發勞動力。

(2)數據來源與描述統計。本文數據均來自中國高技術產業統計年鑒，因為發明專利授權數從2010年才開始公布，數據范圍為2010—2019年，實際為2009—2018年共10年的面板數據。西藏和青海的數據缺失較多，故將其舍棄。此外，在計算創新速度時，由于部分地區出現負增長，導致差分后數據為負，從而無法取對數，故統一采用加正數的方法進行預處理，變量的描述統計結果見表1。

表1 變量描述統計

5 實證結果

5.1 變量的平穩性檢驗與協整

本文同時采用Levin Lin &Chu、Fisher ADF、Hadri這3種方法進行檢驗，結果見表2。創新產出0階差分時Levin lin&chu檢驗和Hadri檢驗是平穩的，但Fisher ADF不平穩，其他所有變量在0階差分和1階差分都是平穩的。也就是說，如果放寬平穩性檢驗，那么所有變量在0階差分時都是平穩的，如果不放寬平穩性檢驗，所有變量在1階差分時是平穩的。所以，變量之間不存在偽回歸問題。

表2 變量的平穩性檢驗

采用Kao做面板協整檢驗，結果ADF檢驗值為-4.773，相伴概率為0.000，拒絕變量之間沒有協整關系的原假設，變量之間存在協整關系，也就是說創新質量、創新速度與創新產出之間存在穩定的內在聯系。

5.2 面板數據回歸結果

基于式 (2)對創新質量、創新速度的彈性進行估計；基于式 (3)對創新質量、創新速度及其2次項進行估計，以分析創新質量、創新速度的作用規律；基于式 (4)對創新質量、創新速度的交叉項進行估計，以檢驗兩者的協調水平。為了消除變量可能存在的內生性的影響，估計時采用系統廣義矩法 (SYS-GMM)，工具變量選取各自變量的一階滯后。估計時要進行Hausman檢驗，以決定采用固定效應模型還是隨機效應模型，最終3個估計均采用隨機效應模型，結果見表3。

表3 面板數據估計結果

式 (2)的估計結果中，各變量在10%的水平都通過了統計檢驗，模型的擬合優度R2為0.815，處于較高水平。研發經費的彈性系數最高，為0.783，其次是創新質量，彈性系數為0.329，再次是研發勞動力，彈性系數為0.324，最小的是創新速度，彈性系數為0.222，這樣假設H1和假設H3就通過了統計檢驗，說明創新質量、創新速度對創新產出的線性作用機制總體上呈現正向影響，導致兩者對創新產出貢獻的彈性為正。創新質量的彈性系數大于創新速度的彈性系數，造成這種現象的原因可能是我國創新質量水平還較低，因此提高創新質量的效果更為顯著。

式 (3)的估計結果中，所有變量在5%的水平下都通過了統計檢驗，模型的擬合優度R2為0.832，屬于較高水平。研發經費的彈性系數為0.730，研發勞動力的彈性系數為0.326，和式 (1)基本處于同一水平。

式 (4)的估計結果中，所有變量均在10%的水平下通過了統計檢驗，模型的擬合優度R2為0.967。式 (4)是在引入創新質量的3次項后得出的估計結果，創新質量與創新產出之間呈 “～”曲線關系，也就是N形關系，曲線存在兩個拐點，創新質量對創新產出的彈性系數先上升再減小后再上升。通過計算得到曲線的兩個拐點分別為1.594和1.774，還原成原始數據分別為39.264和59.429，全部創新質量的均值為50.39，在兩個拐點之間。處于39.264以下的數據為49個，約占16.90%，處于39.264與59.429之間的數據為175個，約占60.34%，處于59.429以上的數據有66個，約占22.76%。可見，當前我國創新質量大多處于N形曲線的中間位置，隨著創新質量增加，對創新產出的影響系數反而在減小，這樣假設H2就沒有得到驗證,即創新質量與創新產出之間并不是非線性遞增關系，而是呈N形曲線。

根據式 (3) (4)的結果，可以看出當前創新速度2次項系數為正數，創新速度與創新產出的關系呈U形曲線，而根據式 (5)發現引入創新速度的3次項時，創新速度對創新產出的彈性系數不顯著。綜合看，現階段我國創新速度與創新產出的關系呈U形曲線，即當創新速度較低和較高時，創新速度對創新產出的彈性系數較高，當創新速度中等時，創新速度對創新產出的彈性系數較低。U形曲線對稱軸位置為13.333，對應的原始數據為617231.85，除了1個數據位于對稱軸左邊外，其余289個數據均位于對稱軸右邊。總體上，創新速度越高，其對創新產出貢獻的彈性系數越大。

假設H4就沒有得到檢驗。究其原因，這可能與創新速度彈性演變規律有關，如圖6所示。當一個國家工業基礎薄弱，創新水平較低時，此時提高創新速度不僅投入巨大，而且創新效果不好，因此創新速度的彈性是先下降，隨著國家研發基礎增強，創新水平得到提高，此時創新速度提升對創新產出的貢獻越來越顯著。當國家進入發達國家行列后，此時創新資源得到充分配置，只有保證合理的創新速度才能達到最佳效果，過快的創新速度反而效果不好。因此，創新速度的彈性演變規律呈現兩個階段，第Ⅰ階段是發展中國家，第Ⅱ階段是發達國家，我國正處于第Ⅰ階段的右側，但尚未達到發達國家水平。

圖6 創新速度彈性演變曲線

式 (6)的估計結果中，各變量在5%的水平上全部通過統計檢驗，模型的擬合優度R2為0.835，屬于較高水平。研發經費的彈性系數為0.788，研發勞動力的彈性系數為0.302，和式 (1)處于同一水平。創新質量與創新速度交叉項通過了統計檢驗，兩者交叉項對創新產出貢獻的彈性系數為負，其彈性系數是-2.973，說明兩者的共同作用對創新產出產生負向影響，側面證明現階段創新質量與創新速度協調水平較低，這樣假設H5就得到了驗證。改革開放以來，我國高技術產業技術創新主要模式是跟隨創新和集成創新，原始創新較少，從而保證了較高的創新速度，創新成果總量也是舉世公認，但是創新質量水平不高。

以上所有的估計結果中，控制變量研發經費K、研發勞動力L的彈性系數值大致相當，說明研究結果是穩健的。

5.3 面板平滑轉換模型估計

(1)創新速度對創新質量的面板平滑轉換效應估計。首先進行LRT檢驗，以確定創新速度對創新質量是否具有非線性效應，結果LRT通過了統計檢驗。接下來確定轉換函數位置參數的個數，根據AIC、BIC最小原則，最終確定位置參數為1個，估計結果見表4公式 (7)欄所示。模型的所有回歸系數均通過了統計檢驗，擬合優度R2為0.684，屬于中等水平。

表4 面板平滑轉換模型估計結果

創新質量的彈性系數分為兩個水平，一個是低水平，即線性部分，其彈性系數為0.245；一個是高水平，其彈性系數為0.867 (0.245+0.622)。創新質量的彈性系數在低水平與高水平之間平滑轉換，轉換速度γ=1.563，說明非常緩慢。轉換因素是創新速度，當創新速度較低時，創新質量的彈性系數也較低，當創新速度較高時，創新質量的彈性系數也較高。位置參數為16.117，就是創新速度的對數。從數據看，高于該位置參數的數據有11個，而低于該位置參數的數據有163個，說明高技術產業創新速度值絕大多數低于轉換位置水平，提高創新速度有助于提高創新質量對創新產出貢獻的彈性系數，假設H6就得到檢驗。

(2)創新質量對創新速度的面板平滑轉換效應估計。先進行LRT檢驗以確定創新質量對創新速度是否具有非線性效應，LRT通過統計檢驗。然后確定轉換函數位置參數的個數，根據AIC、BIC最小原則，最終確定位置參數為1個，估計結果見表4公式 (8)欄所示。模型的所有回歸系數均通過統計檢驗，擬合優度R2為0.723，屬于中等水平。

創新速度的彈性系數分為兩個水平，一個是高水平，即線性部分，其彈性系數為0.276，一個是低水平，其彈性系數為-0.227 (0.276-0.503)。創新速度的彈性系數在高水平與低水平之間平滑轉換，轉換速度γ=0.987，說明非常緩慢。轉換因素是創新質量，當創新質量較低時，創新速度的彈性系數較高，當創新質量較高時，創新速度的彈性系數也較低，最終降為負數。位置參數為3.935，就是創新質量的對數。從數據看，高于該位置參數的數據有58個，而低于該位置參數的數據有116個，說明高技術產業創新質量值大多低于轉換位置水平，適當降低創新質量能夠提高創新速度對創新產出貢獻的彈性系數，從而假設H7得到檢驗。

5.4 面板貝葉斯向量自回歸模型估計

(1)BVAR模型的建立。貝葉斯向量自回歸模型無需進行協整檢驗，但需要進行滯后期確定，結果見表5。

表5 滯后期確定

滯后期檢驗結果表明，選擇滯后2期是最佳結果，過長的滯后期沒有意義，太短的滯后期又不符合實際情況，不能準確刻畫創新投入產出之間的互動關系。單位圓檢驗結果表明，所有點均位于單位圓內，說明建立的貝葉斯向量自回歸模型是穩健的。

(2)脈沖響應函數分析。圖7為創新產出的脈沖響應函數，來自創新成果自身一個標準差的正向沖擊對其影響最大，當期就發揮作用，回歸系數較大，隨后開始急劇衰減，到第2期后就緩慢下降。其次是研發經費的沖擊，當期為0，隨后緩慢提升，后期比較平穩，作用時間較長。第3期是研發勞動力的沖擊，當期同樣為0，隨后也緩慢提升，第4期后比較平穩。創新質量的沖擊，當期為0，隨后緩慢下降，作用時間較長，說明創新質量的提升是個漫長的過程，短期沖擊對創新產出反而有負面影響。最后是創新速度的沖擊，當期為0，第2期達到極大值，隨后快速下降后趨于平穩。

圖7 創新產出的脈沖響應函數

圖8為創新質量的脈沖響應函數，來自創新質量自身一個標準差的正向沖擊對其影響最大，當期達到極大值，隨后急劇衰減；其次是研發經費的沖擊，第2期達到極大值，隨后開始衰減，到第10期接近于0，說明研發經費的沖擊對創新質量有正向影響；第3期是創新產出的沖擊，當期達到極大值，然后快速衰減，到第3期接近為0，說明創新產出對創新質量有積極的反饋，但也只有短期效應；第4期是研發勞動力的沖擊，對創新質量有短期正面影響，說明創新質量的提升主要依靠勞動力的質量，短期勞動力數量的沖擊積極作用不明顯；最后是創新速度的沖擊，也是短期正面影響，作用時間只有1年，說明單純提高創新速度對創新質量影響不明顯，創新速度與創新質量的協調水平有待提高。

圖8 創新質量的脈沖響應函數

圖9為創新速度的脈沖響應函數，其自身沖擊的影響最大，當期達到極大值，隨后快速衰減；第2期是創新產出的沖擊，當期達到極大值，隨后快速衰減并趨于穩定，說明創新產出對創新速度有積極的反饋作用，但作用時間較短；第3期是創新質量的沖擊，當期為負數，作用時間較長，說明創新速度的提高難以提高創新質量；研發勞動力和研發經費對創新速度的沖擊大致相當，當期為負數，第2期接近0，創新速度的提升是研發投入長期積累的過程，短期效應并不顯著。

圖9 創新速度的脈沖響應函數

(3)方差分解。各變量的第10期方差分解見表6。先看Y的方差分解，自身所占比例最大，占88.24%，其他影響次之的是研發經費，占5.39%，創新質量的影響為3.74%，說明創新質量開始對創新產出起作用，而研發勞動力影響很小，只有1.65%，至于創新速度所占比例更小，說明創新速度對創新產出實際所發揮的作用較小。

創新質量的方差分解中，自身所占份額最高，為96.85%，其他因素所占份額較小，從大到小依次是創新產出 (1.60%)、研發經費 (1.39%)、創新速度 (0.09%)、研發勞動力 (0.07%)。主要原因是創新質量水平總體還不高，而且與其他因素協調不好，包括創新速度與創新質量的協調，導致其他因素所占份額不高。

表6 各變量末期方差分解

創新速度的方差分解中，自身所占份額最高，為85.86%，其次是創新產出，占9.94%，其他因素總體不高，分別為研發經費 (1.26%)、研發勞動力 (0.82%)、創新質量 (2.12%)。說明創新產出對創新速度的反饋效果比創新質量的反饋效果要好。其他因素與創新速度的協調水平總體不高，包括創新質量與創新速度的協調。

研發經費的方差分解中，創新產出所占份額最高，為67.67%，其次是研發經費自身，占25.93%，其他因素所占比例不高，依次是研發勞動力 (3.73%)、創新質量 (2.06%)、創新速度 (0.59%)。研發經費與創新產出互動效果較好。

研發勞動力的方差分解中，創新產出所占份額最高，為61.22%，其次是研發經費，為20.38%，第三是研發勞動力自身，為14.54%，創新質量與創新速度的份額較小，分別為3.17%、0.68%，總體上，研發勞動力與創新產出、研發經費協調較好，與創新質量、創新速度的協調較低。

6 研究結論與政策建議

6.1 研究結論

(1)創新質量、創新速度對創新產出貢獻顯著。結果表明，創新質量、創新速度對創新產出貢獻，兩者彈性系數均為正，并且通過了統計檢驗，并且創新質量的彈性系數大于創新速度的彈性系數。在后面實證中，創新質量與創新產出呈倒U形非線性關系，表明我國創新質量較多落在曲線左側，對創新產出的提升作用明顯，但創新質量的總體水平較低，創新質量有待提升。

(2)創新速度與創新產出互動關系顯著而創新質量只有單向關系。實證證實創新速度與創新產出之間確實形成了良性循環。創新速度對創新產出的沖擊為正，創新產出對創新速度的沖擊也為正，并且創新速度的方差分解中創新產出比例較高。這是由于我國創新速度總體較快，創新數量規模大，效果較好所決定的。

(3)創新質量、創新速度對創新產出的非線性作用呈現不同規律。創新質量對創新產出的貢獻呈N形曲線。現階段創新速度對創新產出的貢獻U形曲線。大多數實證數據位于U形曲線右邊，即增加速度能夠帶來彈性的提高，這與中等創新速度彈性最高的理論分析不符。根本原因是對于發展中國家，創新速度與創新產出之間更多呈U形曲線，對于發達國家，創新速度與創新產出之間更多呈倒U形曲線，其演進規律類似 “前傾”S形曲線，我國創新雖然總量較大，但還沒有達到發達國家的水平，數據表明，我國正處于 “前傾”S形曲線第Ⅰ階段的右側。總體上，創新速度越高，其對創新產出貢獻的彈性系數越大。我國創新速度的發展正處于發展中國家向發達國家過渡階段。

(4)創新質量與創新速度的協調水平較低。創新質量與創新速度交叉項通過了統計檢驗，兩者交叉項對創新產出貢獻的彈性系數為-2.973，說明兩者的共同作用對創新產出產生負向影響。脈沖響應函數表明，創新質量的正向沖擊對創新速度的影響短期僅有1年，然后為負數，創新速度的正向沖擊對創新質量的影響也為負。創新質量的方差分解中，創新速度的份額很低，而創新速度的方差分解中，創新質量的份額也很低。這些都側面證明，現階段創新質量與創新速度協調水平較低。

(5)創新質量與創新速度的績效互相影響。面板平滑轉換模型的研究結果表明，創新質量對創新產出的彈性系數受創新速度的影響，隨著創新速度的提高，創新質量對創新產出的彈性系數也在逐步增加。

6.2 政策建議

(1)保持合適的創新速度，注重提升創新質量。政府以及企業有必要實行合理的方式，例如通過提升國家創新體系、加強制度和法律建設特別是強化知識產權保護和加大研發投入力度等方式來提升創新速度、創新質量從而達到正向提升創新產出的作用。當前由于創新質量的整體水平較低，導致創新質量對創新產出的彈性系數高于創新速度；在實證分析中還發現，在創新速度與創新產出的關系中，U形曲線的對稱軸位置為617231.85，除了1個數據位于對稱軸左邊外，其余289組個數據均位于對稱軸右邊，我國正處于 “前傾”S形曲線第Ⅰ階段的右側。雖然現階段，創新速度越高，其對創新產出貢獻的彈性系數越大，短時期提升創新速度對創新產出的影響一定大于創新質量，但這并不是長久之計，因為隨著創新速度加快，必然會導致邊際遞減效應。

政府有必要采取合理措施，對于現階段創新速度低的企業，鼓勵其以提高創新速度為主，通過引進人才，加大科研投入等措施進一步提高創新速度；對于創新速度已經較高的企業，鼓勵其增加對創新質量的重視，促使企業的發展更多地依賴于重大創新、原始創新、集成創新，從以提升創新速度為主轉型成以提升創新質量為主。目前政府所提出的創新政策涉及全面，國家、區域、各行業、各機構都有相應的創新政策。但從總體上看這些政策還屬于粗放型政策，有關創新質量的內容也很少。政府要樹立重點提升創新質量的觀念，增加對基礎理論、重大原始創新的研究支持，完善創新政策，發揮政策導向作用，扶持創新質量高的高科技產業。對于國家來說，還要進一步深化科技體制改革，為提高政府科研經費的效率與效果必須以市場機制為導向,以政府支持為輔助。

(2)加強創新速度與創新質量的協調關系。我國經濟已然進入追求高質量發展階段，在資源環境的巨大約束下，創新總量不夠，創新質量急需提升。然而創新速度是保持創新總量的基礎,創新質量是創新產出的核心競爭力,只有實現兩者協調發展,才能全面提高整體創新水平。在這個背景下，我國創新質量與創新速度總體上協調還比較差，需要進一步提升。

從數據分析結果看，當前隨著創新速度的提高，創新質量對創新產出的彈性系數也在逐步增加，一定的數量才能保證一定的質量，我國是發展中國家，又是創新大國，所以通過先速度后質量的創新模式也是較好的選擇。