产业集聚影响企业技术创新绩效的机理研究
产业创新联盟对企业创新绩效的影响研究

产业创新联盟对企业创新绩效的影响研究随着经济全球化的加速和技术进步的不断推进,企业的创新已经成为当今世界经济发展的重要动力。
在此背景下,产业创新联盟作为一种产业组织形式,受到越来越多的关注。
本文旨在探讨产业创新联盟对企业创新绩效的影响。
一、产业创新联盟的概念和特点产业创新联盟是由一定数量的企业、科研机构和政府组成的联盟,在特定的产业领域开展协作、共享、创新和发展的组织形式。
其具有以下几个特点:1. 多方参与:产业创新联盟是由多个企业、科研机构和政府组成的组织。
其参与方的多元化能够提供更多的专业知识和人力资源,增强联盟的创新能力。
2. 合作共赢:产业创新联盟通过协作、共享资源等方式实现合作共赢。
不同参与方之间可以共享技术、市场、人才等资源,达到共同发展的目的。
3. 风险共担:产业创新联盟中的各方能够共同承担创新风险。
特别是对于小企业而言,通过加入联盟,可以减少单个企业面对的风险,获得更多的创新机会。
二、产业创新联盟对企业创新绩效的影响1. 传递知识和技术:产业创新联盟可以通过合作共享知识和技术,拓展企业的创新能力。
联盟成员可以分享彼此的技术和研究成果,互相学习,提高自身的技术水平。
这对于一些小企业而言,能够更容易地获得先进的技术和知识,提升创新绩效。
2. 降低成本:随着经济的全球化和竞争的加剧,企业的创新成本不断上升。
而产业创新联盟可以通过共享产业链上的资源,降低创新成本。
同时在协作过程中,能够提高生产效率,减少企业的管理和运营成本。
3. 扩大市场:产业创新联盟可以通过联盟推广等方式扩大市场。
联盟成员能够互相促进,共同开发新市场,拓展业务板块,实现产业链的完整。
4. 提升创新能力:产业创新联盟将不同技术和资源集合在一起,使其成为一种强大的创新力量。
联盟成员之间的协力合作,可以集中各方的创新能力,最终将产生更多创新成果。
三、结语通过上述的分析可以看出,产业创新联盟对于企业的创新绩效有着重要的影响。
尤其是在当前经济环境下,产业创新联盟具有更大的发展优势。
产业集聚对城市科技创新绩效的影响研究

第24卷第6期燕山大学学报(哲学社会科学版)Vol.24No.62023年11月Journal of Yanshan University(Philosophy and Social Science)Nov.2023产业集聚对城市科技创新绩效的影响研究:基于空间计量视角赵勇冠1,张㊀贵2(1.南开大学经济学院,天津南开300071;2.南开大学京津冀协同发展研究院,天津南开300071)㊀[收稿日期]㊀2022-11-30㊀㊀[基金项目]㊀天津市研究生科研创新项目 产业集聚对城市科技创新的影响:理论分析和实证检验 (2020YJSS112);教育部哲学社会科学实验室专项资金项目 区域发展战略与政策的评估㊁模拟与设计 (ZX20220103);天津市教委社会科学重大项目 基于生态视角的京津冀产业一体化发展与天津对策研究 (2020JWZD21)㊀[作者简介]㊀赵勇冠(1997 ),男,山东薛城人,南开大学经济学院博士研究生,研究方向为创新经济地理㊁区域政策与区域规划;张㊀贵(1971 ),男,河北尚义人,博士,南开大学京津冀协同发展研究院秘书长,南开大学经济行为与政策模拟实验室教授㊁博士生导师,研究方向为创新生态系统㊁京津冀协同发展㊂[摘㊀要]㊀基于2003-2019年我国284个地级及以上城市的面板数据,采用加入双向固定效应的空间杜宾模型,实证检验了专业化集聚和多样化集聚对城市科技创新绩效的影响㊂结果表明,这两种产业集聚与城市科技创新绩效之间均存在倒 U 型曲线关系;样本时期内,我国城市两种产业集聚的平均水平均位于倒 U 型曲线左侧,其中多样化集聚程度已接近总体最优水平,而专业化集聚程度仍有较大提升空间;此外,对城市自身最优的集聚程度高于对其他城市最优的集聚程度㊂未来,应推动创新合作基础上的城市创新职能重构,重点提升专业化集聚水平,优化多样化集聚质量,构建支撑高质量发展的城市创新格局㊂[关键词]㊀产业集聚;专业化;多样化;科技创新[中图分类号]F129.9㊀[文献标识码]A㊀[文章DOI]10.15883/j.13-1277/c.20230601108引用格式:赵勇冠,张贵.产业集聚对城市科技创新绩效的影响研究:基于空间计量视角[J].燕山大学学报(哲学社会科学版),2023(6):11-18.一㊁引言党的二十大强调: 坚持创新在我国现代化建设全局中的核心地位㊂ 加快实现高水平科技自立自强,对于实现高质量发展至关重要㊂城市作为人口和经济活动的集中承载地,在创新要素整合㊁知识交流㊁创新成果转化等过程中发挥着重要作用,已经成为科技创新的关键引擎㊂产业集聚作为城市经济中的典型经济现象,对城市科技创新具有不可忽视的作用㊂基于此,探讨产业集聚对城市科技创新绩效的影响,特别是理解不同类型产业集聚在作用效果上的异同,对于优化城市创新格局具有重要参考意义㊂在经济学研究中,产业集聚是指产业在特定地理区域内集中分布的态势,按照产业构成的不同可分为专业化集聚和多样化集聚㊂前者是由同种产业中的不同市场主体形成的集聚,后者是由不同产业中的市场主体形成的集聚㊂[1]城市科技创新绩效是指城市科技创新活动所产生的成果或成效,通常由城市专利数量[2]㊁创新指数[3]等产出指标或创新效率[4]等投入产出指标衡量㊂从理论层面看,现有研究已指出,产业集聚对创新活动存在外部性影响㊂其中,专业化集聚的外部性被称为 MAR(Marshall-Arrow-Romer)外部12㊀燕山大学学报(哲学社会科学版)2023年性 ,由Glaeser等[5]在Marshall的外部性理论㊁Ar-row的 干中学 模型以及Romer的内生增长理论基础上总结而成,强调专业化集聚对城市创新的促进作用㊂MAR外部性的作用机制体现在以下方面:一是推动产业内知识溢出,即利用技术外溢效应在同种产业间更强的特点[6],加速创新主体间知识流动;二是实现投入共享,即便于创新主体共享行业专用性基础设施㊁人力资本投资等[7],提高创新效率;三是促进要素匹配,即引导专业化创新要素市场的形成,降低供需双方的搜寻和交易成本[8]㊂多样化集聚的外部性被称为 Jacobs外部性 ,其核心观点源于Jacobs[9]有关城市经济的研究,强调多样化集聚对创新的促进作用㊂Jacobs外部性的作用机制体现在以下方面:一是促进产业间知识溢出,即激发跨行业知识交流,通过互补性知识的横向组合促进新创意㊁新业态的出现[10];二是应对多元化创新要素需求,即灵活满足不同创新主体在研发㊁试验等过程中对各类创新投入的需求[11],推动创新成果的形成㊂由此,MAR外部性和Jacobs外部性构成了产业集聚促进城市科技创新绩效提升的理论基础㊂当然,也有文献指出,产业集聚在产生正外部性的同时,也可能带来生产和生活成本上升[12]㊁模仿创新加剧[13]㊁人力资本投资不足[14]等 外部不经济 问题,使得正外部性不会随集聚程度的提高而线性提升,这为分析集聚外部性的非线性态势提供了理论解释㊂从实证层面看,相关研究的关注点集中于对两种集聚外部性的验证,但在结论上存在着明显分歧:第一种观点认为只有专业化外部性显著促进了城市创新绩效提升,如陈长石等[6]㊁李东海[15]等;第二种观点则认为只有多样化外部性具有显著促进作用,如程中华和刘军[16]等;第三种观点认为两种集聚外部性均能产生显著促进作用,如Duy 和Cassells[17]等㊂为了弥合上述分歧,现有文献主要从两方面做了进一步拓展㊂一是采用或优化空间计量模型设计,以修正传统计量模型在空间相关性条件下可能存在的估计偏误[18],并可对产业集聚的空间溢出效应进行研究,如马静等[19]㊁李武艳和周依甸[20]等㊂二是识别集聚外部性的非线性特征,以避免线性估计模型可能存在的函数形式设定不当等问题[21]㊂例如,陈劲等[8]基于我国省际高技术产业数据发现,专业化集聚与多样化集聚分别与创新绩效存在倒 U 型和正 U 型关系;谢臻和卜伟[22]㊁王洪庆和郝雯雯[23]等文献也就非线性特征进行了讨论㊂综上,现有文献从理论和实证层面就集聚外部性进行了深入研究,但仍存在着一些不足:一是有关集聚外部性的非线性特征研究多局限于高技术产业等部分领域,且研究结论尚未形成共识;二是既有研究侧重于判别集聚外部性变量的显著性,但对最优集聚水平的测算㊁对现实集聚状态与最优集聚状态之间的差距分析较少㊂因此,本文基于城市面板数据,采用空间杜宾模型(Spatial Durbin Model,SDM)实证检验了两种集聚外部性及其非线性特征㊂与现有文献相比,本文的创新点体现在以下方面㊂一是运用更为全面的实证设计,同时探讨了两类产业集聚对城市整体创新绩效的直接㊁间接效应及其非线性特征,有助于为相关学术讨论提供更加丰富的实证依据㊂二是在识别非线性特征基础上,进一步测算了城市最优集聚程度与实际集聚程度的差距,指出了 个体最优 和 总体最优 标准下的最优集聚程度之间的内在不一致性,进而强调了城市创新职能重构的重要性,具有一定理论和实践价值㊂二㊁研究设计(一)模型设计本文基于空间计量模型设计实证框架,以表征不同城市之间的空间策略互动关系[24],评估产业集聚的跨区域影响效果㊂在不同的空间计量模型中,SDM在形式上更具一般性,并且有助于克服广义嵌套空间模型可能存在的过度参数化问题[25]㊂因此,本文基于SDM构造实证模型如下: Y=ρWY+θ1A+θ2A2+τ1WA+τ2WA2+Xβ+δWX+u i+γt+εit(1)其中,Y为城市在第t年的科技创新绩效;W 为空间权重矩阵;A和A2分别为城市在第t年的产业集聚程度及其平方项,以判断集聚外部性是否存在非线性特征;X为控制变量集;u i和γt分别为个体和时间固定效应,εit为随机误差项㊂模型的待估参数包括ρ㊁θ1㊁θ2㊁τ1㊁τ2㊁β和δ㊂针对模型可能存在的内生性问题,本文采取两种解决策略:一是控制个体固定效应和时间固定效应,这有助于克服遗漏变量问题引发的内生偏误;二是参考邓晓兰等[26]的做法,使用极大似然方法估计各参数㊂第6期赵勇冠等㊀产业集聚对城市科技创新绩效的影响研究:基于空间计量视角13㊀(二)变量说明1.被解释变量模型的被解释变量为城市科技创新绩效,此处采用城市发明专利申请数衡量㊂该指标既能够避免创新指数等产出指标在指标体系构建方面的主观性,又能够避免投入产出指标因创新投入核算标准不一㊁数据可得性不足等因素导致的偏误,在现有研究中得到广泛认可[27]㊂同时,与实用新型专利㊁外观设计专利相比,发明专利的审查更加严格,对地方科技创新能力的要求更高,因而更能体现城市的实质性创新贡献㊂2.核心解释变量模型的核心解释变量为产业集聚程度及其平方项,分为专业化集聚和多样化集聚两类指标加以表征㊂对于专业化集聚,本文借鉴苏红键[28]的做法,采用首位生产部门的相对集中度加以衡量,公式如下:SPE it=max j(s ijt/s jt)(2)其中,SPE it指城市i在第t年的专业化集聚程度,s ijt为城市i中行业j在第t年的就业人数占当年城市i就业总人数的比重,s jt为全国行业j在第t年的就业人数占当年全国就业总人数的比重㊂对于多样化集聚,本文采用邵朝对等[29]的做法,采用赫芬达尔-赫希曼指数(Herfindahl-Hir-schman Index,HHI)的倒数加以衡量,公式如下:DIV it=1ðj s2tjt(3)㊀㊀其中,DIV it指城市i在第t年的多样化集聚程度㊂s ijt的定义与前文一致㊂3.空间权重矩阵对于空间权重矩阵W,令w ij为W的第i行第j列元素,则w ij反映了城市i和城市j之间的相互作用,数值越大表明城市间相互作用越强,反之越弱㊂研究表明,创新活动在地理空间上高度集中,且知识溢出等集聚外部性机制存在着随距离增加而迅速衰减的特征㊂[14]基于此,本文参考舒波等[30]的做法,依据地理距离构造权重矩阵㊂元素w ij的构造方法为:w ij=1d ij iʂj0i=jìîíïïïï(4)其中d ij为城市i和城市j的实际通勤距离㊂计算方法为:通过百度地图API得到各城市的经纬度坐标,分别生成从城市i到城市j㊁从城市j到城市i的实际通勤路线,根据两段通勤里程求均值,得到平均实际通勤距离d ij㊂4.控制变量模型选取的控制变量如下:首先是与科技创新活动直接相关的资金和人员投入,这里使用全市财政科学技术支出和普通高等学校专任教师数表示;其次,加入在岗职工平均工资,因为城市工资水平较高能够吸引研究人员迁入该城市,进而提高城市科技创新绩效[16];再次,加入医疗机构床位数,用于反映城市基本公共服务水平对科技创新的影响;最后,加入地区生产总值和年末总人口,用于反映经济规模和人口规模对科技创新的影响㊂(三)数据处理及描述性统计本文采用‘中国城市统计年鉴“统计范围内的地级及以上城市数据进行实证分析㊂由于空间面板模型要求数据必须为无缺失值的强平衡面板数据,本文剔除了因行政区划调整等原因导致样本期内数值缺失严重的城市,包括安徽省巢湖市,海南省儋州市㊁三沙市,贵州省毕节市㊁铜仁市,西藏自治区所有地级市,青海省海东市,宁夏回族自治区中卫市,新疆维吾尔自治区吐鲁番市㊁哈密市,以及港澳台地区,最终选取284个地级及以上城市2003年至2019年的面板数据,观测值数量为4 828个㊂对于数据中的其他缺失值,采用插值法填充㊂为克服异方差问题影响,本文对被解释变量和控制变量进行了对数化处理;对于核心解释变量,出于解释经济含义的考虑,不再进行对数化处理㊂为克服极端值可能导致的偏误,本文对所有连续型变量进行了双侧各1%缩尾处理㊂本文的数据来源包括CNRDS数据库㊁‘中国城市统计年鉴“和CEIC数据库等㊂描述性统计结果如表1所示㊂表1 描述性统计结果变量均值标准差最小值最大值发明专利申请量对数值 5.26282.03610.693110.2471专业化集聚 3.52133.16501.389619.2063专业化集聚平方项22.414753.61161.9311368.8826多样化集聚 6.65631.85662.115811.0711多样化集聚平方项47.752024.23364.4764122.5703财政科技支出对数值9.28071.88805.257513.9017高校教师数对数值7.38501.46702.197210.8201在岗职工平均工资对数值10.38400.62279.078511.4902医院床位数对数值9.40170.73847.541211.3498GDP对数值16.06791.077413.685318.8507城市总人口对数值 5.86400.66773.82937.138114㊀燕山大学学报(哲学社会科学版)2023年三㊁实证结果及其解释(一)空间相关性检验本文首先检验了城市发明专利申请数的空间相关性㊂代表性年份的全局Moran 指数和Geary 指数结果如表2所示㊂表2㊀空间相关性检验结果年份Moran s IGeary s C20030.0560∗∗∗(0.0060)0.9370∗∗∗(0.0110)20070.0800∗∗∗(0.0060)0.9090∗∗∗(0.0110)20110.0970∗∗∗(0.0060)0.8920∗∗∗(0.0100)20150.1080∗∗∗(0.0060)0.8850∗∗∗(0.0090)20190.1130∗∗∗(0.0060)0.8760∗∗∗(0.0090)㊀㊀注:括号内为标准误,∗∗∗㊁∗∗㊁∗分别代表在1%㊁5%和10%的显著性水平上显著㊂由表2可得,全局Moran 指数显著为正,表明以发明专利申请数表征的城市科技创新绩效存在着显著的空间正自相关性,即城市发明专利申请数存在 高-高 低-低 的空间分布形态,这与马静等[19]的研究结果相似㊂类似地,Geary 指数结果小于1且显著,再次佐证了空间正自相关性的存在㊂(二)模型回归结果本文采用STATA 16软件生成模型回归结果㊂由于空间计量模型的回归系数无法直接表征影响作用的大小,需要计算出变量的直接效应㊁间接效应(空间溢出效应)和总效应,因此模型回归结果均以效应分解结果的形式呈现,具体如表3和表4所示㊂其中回归(1)至回归(3)分别对应核心解释变量的3种情形,即仅加入专业化集聚程度及其平方项㊁仅加入多样化集聚程度及其平方项,以及同时加入两种集聚程度及其各自平方项;所有回归均使用相同的控制变量矩阵㊂1.集聚外部性的非线性特征分析由表3可知,两种集聚外部性均表现出相似的非线性特征,具体表现在以下方面㊂其一,专业化集聚和多样化集聚与当地科技创新绩效之间存在倒 U 型关系㊂在回归(1)至回归(3)中,核心解释变量的直接效应结果均在1%显著性水平上显著㊂其中, 专业化集聚 和 专业化集聚平方项 的直接效应分别显著为正和为负, 多样化集聚 和 多样化集聚平方项 同理,符合倒 U 型曲线特征㊂这表明无论是专业化集聚还是多样化集聚,随着集聚程度的提高,集聚对城市发明专利申请量的影响存在先促进㊁后抑制的非线性变化趋势㊂当集聚程度较低时,集聚程度的边际提升能够使城市发明专利申请量同步提升㊂联系前文有关集聚外部性的讨论,这表明集聚程度的提高产生了 集聚经济 效应,促进城市科技创新绩效改善㊂但是,随着集聚程度的上升,集聚程度的边际提升所带来的促进作用呈递减态势,表明由市场拥挤效应等因素导致的 集聚不经济 现象也在逐渐显现,削弱了集聚对科技创新绩效的促进作用㊂当集聚程度达到倒 U 型曲线顶点所对应的集聚程度时, 集聚经济 效应和 集聚不经济 效应刚好完全抵消㊂此时,继续提升集聚程度将不再使城市发明专利申请量继续增加,反而会使之降低,即集聚程度的边际提升所带来的 集聚经济 效应已不足以抵消与之相对的 集聚不经济 效应,导致产业集聚对科技创新绩效产生负向影响㊂表3㊀基准回归效应分解结果(核心解释变量)模型序号核心解释变量直接效应间接效应总效应(1)专业化集聚0.0869∗∗∗(0.0151) 6.7728∗∗∗(2.3138)6.8597∗∗∗(2.3223)专业化集聚平方项-0.0033∗∗∗(0.0007)-0.2894∗∗∗(0.1001)-0.2927∗∗∗(0.1005)(2)多样化集聚0.1710∗∗∗(0.0435)19.0866∗∗∗(6.5481)19.2576∗∗∗(6.5709)多样化集聚平方项-0.0098∗∗∗(0.0031)-1.2975∗∗∗(0.4495)-1.3073∗∗∗(0.4511)(3)专业化集聚0.0811∗∗∗(0.0142)5.4961∗∗∗(1.7204)5.5772∗∗∗(1.7270)专业化集聚平方项-0.0031∗∗∗(0.0007)-0.2547∗∗∗(0.0826)-0.2579∗∗∗(0.0829)多样化集聚0.1789∗∗∗(0.0364)15.7221∗∗∗(4.8098)15.9010∗∗∗(4.8229)多样化集聚平方项-0.0110∗∗∗(0.0026)-1.1151∗∗∗(0.3409)-1.1261∗∗∗(0.3419)㊀㊀注:括号内为稳健标准误,∗∗∗㊁∗∗㊁∗分别表示在1%㊁5%和10%显著性水平上显著㊂第6期赵勇冠等㊀产业集聚对城市科技创新绩效的影响研究:基于空间计量视角15㊀表4 基准回归效应分解结果(控制变量)模型序号核心解释变量直接效应间接效应总效应(1)财政科技支出对数值0.2406∗∗∗(0.0174)9.4896∗∗∗(2.8007)9.7301∗∗∗(2.8091)高校教师数对数值0.1010∗∗∗(0.0205)9.2139∗∗∗(3.0306)9.3149∗∗∗(2.0604)在岗职工平均工资对数值0.2648∗∗∗(0.0765)-1.2011(4.7011)1.4660(4.7090)医院床位数对数值0.2865∗∗∗(0.0582)12.8440∗∗(5.2212)13.1305∗∗(5.2333) GDP对数值0.1507∗∗(0.0612)-25.2595∗∗∗(7.8403)-25.1088∗∗∗(7.8600)城市总人口对数值-0.3559∗∗∗(0.1263)45.6256∗∗∗(16.2121)45.2696∗∗∗(16.2636)(2)财政科技支出对数值0.2402∗∗∗(0.0183)10.9448∗∗∗(3.2792)11.1850∗∗∗(3.2893)高校教师数对数值0.1203∗∗∗(0.0215)11.1119∗∗∗(3.5567)11.2322∗∗∗(3.5692)在岗职工平均工资对数值0.2470∗∗∗(0.0768)1.5482∗∗∗(4.9504)1.7952(4.9596)医院床位数对数值0.2626∗∗∗(0.0576)10.3351∗∗(4.9247)10.5977∗∗(4.9338)GDP对数值0.1617∗∗(0.0640)-29.9716∗∗∗(9.3381)-29.8099∗∗∗(9.3634)城市总人口对数值-0.4032∗∗∗(0.1319)51.8041∗∗∗(18.1026)51.4009∗∗∗(18.1616)(3)财政科技支出对数值0.2393∗∗∗(0.0172)9.5206∗∗∗(2.6716)9.7599∗∗∗(2.6792)高校教师数对数值0.1055∗∗∗(0.0212)8.4903∗∗∗(2.7067)8.5958∗∗∗(2.7186)在岗职工平均工资对数值0.2474∗∗∗(0.0819)-0.3548(4.1398)-0.1074(4.1458)医院床位数对数值0.2977∗∗∗(0.0555)12.8018∗∗∗(4.4394)13.0995∗∗∗(4.4488)GDP对数值0.1620∗∗∗(0.0617)-26.0309∗∗∗(7.3441)-25.8688∗∗∗(7.3690)城市总人口对数值-0.4445∗∗∗(0.1312)39.2228∗∗∗(12.5491)38.7784∗∗∗(12.5871)㊀㊀注:括号内为稳健标准误,∗∗∗㊁∗∗㊁∗分别表示在1%㊁5%和10%显著性水平上显著㊂其二,专业化集聚和多样化集聚与其他城市的科技创新绩效之间同样呈现倒 U 型关系㊂由表3回归(1)至回归(3)的间接效应结果可以看出,两种产业集聚的影响效果均存在显著的空间外溢效应,即城市集聚程度的变化不仅影响其自身的科技创新绩效,还会对其他城市特别是周边城市的科技创新绩效产生影响,体现了城市间密切的产业关联和技术关联㊂无论是专业化集聚还是多样化集聚,当集聚程度位于较低水平时,集聚程度的边际提高能够对其他城市的科技创新绩效产生促进作用㊂其潜在原因在于,集聚程度的提高促进了城市的专业性或异质性知识外溢[20],助推周边城市的创新活动㊂同时,城市自身集聚程度的提高推动了周边城市创新职能的优化㊂例如,城市专业化集聚程度的提升能促使周边城市在创新链条中的定位更加明确,形成差异化㊁ 错位式 创新布局;多样化集聚程度的提升能够带动周边城市的产业升级[31],激发不同行业的创新活力㊂但是,与直接效应相类似,随着城市自身集聚程度的提高,集聚程度的边际提升对周边城市产生的正向溢出效应逐渐减弱㊂现实中,城市自身集聚程度的提高会对其他城市的创新要素产生 虹吸效应 ,对周边城市创新活动产生不利影响㊂可见,产业集聚对周边城市创新绩效的影响取决于特定集聚程度下 辐射效应 与 虹吸效应 的强弱对比㊂当城市自身的集聚程度高达一定程度时,集聚程度的边际提升所带来的 辐射效应 将不足以抵消与之相对的 虹吸效应 ,导致周边城市的科技创新绩效提升受到抑制㊂此外,由于两种集聚的直接效应和间接效应均呈现显著的非线性形态,作为直接和间接效应的加总,两种集聚的总效应同样具有显著的非线性形态,意味着整体上看,专业化集聚和多样化集聚与城市科技创新绩效之间存在着以倒 U 型曲线表征的非线性相关关系㊂2.集聚外部性的最优程度分析对最优集聚程度的分析将有助于揭示两种集聚外部性在相似的非线性特征之下存在的差异性,具体表现在以下方面㊂其一,在样本期内,我国城市的平均专业化集聚程度位于倒 U 型曲线左侧,但距离总体最优集聚程度仍有较大提升空间㊂根据描述性统计结果,样本期内城市专业化集聚的平均值为3.52㊂以回归(3)的总效应计算结果为例,根据二次函数原理,专业化集聚与城市发明专利申请量的倒 U 型曲线顶点所对应的集聚程度为10.81,可将其记为 总体最优 的专业化集聚程度㊂由此可知,平均值3.52位于倒 U 型曲线左侧㊂此时,在其他条件不变的情况下,继续提高专业化集聚程度能够进一步提升城市发明专利申请量,并且由于3.52远小于10.81,专业化集聚程度的提升空间仍然较大㊂16㊀燕山大学学报(哲学社会科学版)2023年其二,在样本期内,我国城市的平均多样化集聚程度同样位于倒 U 型曲线左侧,并已接近总体最优集聚程度㊂根据描述性统计结果,样本期内城市多样化集聚程度的平均值为6.66㊂仍以回归(3)的总效应结果为例,根据二次函数原理,在其他条件不变的情况下,当多样化集聚程度为7.06时,城市发明专利申请量达到峰值㊂由此可知,平均值6.66不仅位于倒 U 型曲线的左侧,而且非常接近 总体最优 的多样化集聚程度,意味着我国城市的平均多样化集聚程度已趋近最优水平㊂其三,城市自身的最优集聚程度高于对其他城市而言最优的集聚程度,导致了 个体最优 和 总体最优 之间的不一致性㊂专业化集聚方面,根据回归(3)的直接效应结果,在其他条件不变的情况下,城市发明专利申请量峰值对应的专业化集聚程度为13.08;但间接效应结果显示,在其他条件不变的情况下,城市发明专利申请量峰值对应的专业化集聚程度为10.79㊂这表明当专业化集聚程度低于10.79时,提高专业化集聚程度不仅有助于提升当地的科技创新绩效,而且能够提升其他城市的科技创新绩效;但当专业化集聚程度介于10.79和13.08之间时,提升专业化集聚程度虽然仍能提升城市自身的科技创新绩效,但会对其他城市的科技创新绩效产生抑制作用;当专业化集聚程度高于13.08时,提升专业化集聚程度将无法使城市自身和其他城市的科技创新绩效进一步提升㊂从这个意义上说,前文得到的 总体最优 的专业化集聚程度(10.81)表明,当专业化集聚程度高于10.81时,专业化集聚程度增加所导致的当地科技创新绩效的改善,将不足以抵消专业化集聚增加所导致的其他城市科技创新绩效的减损㊂同理,多样化集聚方面,根据回归(3)的效应分解结果,对城市自身最优的多样化集聚程度为8.13,但对其他城市最优的多样化集聚程度为7.05㊂联系前文得到的 总体最优 的多样化集聚程度,这表明:相对于能使城市总体获得的集聚外部性最大化的多样化集聚程度(7.06),城市自身倾向于追求更高的多样化集聚程度(8.13),从而使其获得的集聚外部性最大化㊂3.控制变量影响效应分析表4展示了回归(1)至回归(3)的控制变量效应分解结果㊂其中,财政科技支出对数值㊁高校教师数对数值㊁医院床位数对数值的直接效应和间接效应在各回归中均显著为正,表明创新资金投入㊁人力资本投入和基本公共服务水平的提高不仅有助于提升城市自身的科技创新绩效,而且对其他城市科技创新绩效的提升同样具有促进作用㊂在岗职工平均工资的直接效应在各组回归中显著为正,表明提高城市工资水平有助于增强科技人员积极性,进而提升城市科技创新绩效㊂GDP对数值和人口规模对数值的效应分解结果刚好相反:前者在各组回归中表现出正向直接效应和负向间接效应,后者则表现出负向直接效应和正向间接效应㊂这说明城市经济规模提高尽管有助于提升城市自身的科技创新绩效,但可能加剧对其他城市的 虹吸效应 ,对其他城市的科技创新绩效提升产生阻碍作用㊂城市人口规模提升尽管对其他城市的科技创新绩效产生了积极作用,但对城市自身的科技创新绩效产生了消极作用㊂其中可能的原因在于,部分人口规模较大城市存在比较突出的 大城市病 问题,加剧了 拥挤效应 ,导致科技创新中的 人口红利 尚未充分发挥㊂(三)稳健性检验本文选择了3种方法检验结论稳健性㊂一是调整数据缩尾标准㊂为了证明模型回归结论不受极端值和特定缩尾标准的影响,此处将缩尾标准由双侧各1%调整为双侧各2.5%,然后重新进行前述回归㊂二是参考米利群和崔悦[32]的做法,将被解释变量替换为发明专利授权量的对数值,然后重新进行回归㊂三是使用经济距离加权矩阵㊂为体现城市间经济联系对实证结果的影响,此处依据(5)式构造空间权重矩阵,其中perGDP i为城市i的人均GDP,依据样本期中位数年份(2011年)数据计算,最后重新进行回归㊂w ij=1|perGDP i-perGDP j|㊀iʂj㊀㊀㊀㊀0i=jìîíïïïï(5)表5以变量相对全面的回归(3)为例,展示了核心解释变量的效应分解结果,其中回归(4)至回归(6)各自对应上述检验策略㊂检验结果显示,前文得出的绝大部分定性结论仍然能够得到印证,说明结论具有稳健性㊂。
高技术产业集聚对技术创新效率影响

汇报人: 2024-01-08
目录
• 高技术产业集聚概述 • 技术创新效率的理论基础 • 高技术产业集聚对技证研究 • 政策建议 • 结论与展望
01
高技术产业集聚概述
高技术产业集聚的定义
高技术产业集聚是指高技术产业在一定地域范围内聚集,形成具有规模效应和互 动效应的产业集群。这些产业集群通常包括电子信息、生物医药、新材料等高新 技术领域的企业和机构。
综上所述,高技术产业集聚对技术创新效率的影响机 制主要包括集聚经济效应、知识溢出效应和创新网络 效应。这些效应相互作用、相互促进,共同推动着高 技术产业集聚区的技术创新效率的提升。
04
高技术产业集聚对技术创新效 率的实证研究
样本选择与数据来源
样本选择
选取我国高技术产业集聚区作为研究对象, 包括北京中关村、上海张江、深圳高新区等 。
实证结果分析
结果分析
通过面板数据分析,发现高技术产业 集聚度对技术创新效率具有显著的正 向影响,即高技术产业集聚程度越高 ,技术创新效率越高。同时,企业规 模、研发投入、市场竞争度和政府支 持力度也对技术创新效率产生影响。
结论解释
高技术产业集聚通过知识溢出、资源 共享、协同创新等机制促进企业间的 技术交流与合作,从而提高整体的技 术创新效率。此外,企业规模、研发 投入、市场竞争度和政府支持力度等 因素也对技术创新效率产生影响,其 中研发投入和政府支持力度的影响较 为显著。
03
高技术产业集聚对技术创新效 率的影响机制
集聚经济效应
集聚经济效应是指高技术产业在地理上的集中所产生的经济效益。由于高技术产业具有较高的知识密 集度和技术密集度,因此,同一区域内的企业可以通过共享基础设施、降低信息搜寻成本、促进知识 溢出等方式,提高技术创新效率。
《2024年产业集聚对资源型企业绿色技术创新的影响研究》范文

《产业集聚对资源型企业绿色技术创新的影响研究》篇一一、引言随着全球环境问题日益严重,绿色技术创新已成为资源型企业持续发展的重要驱动力。
产业集聚作为推动区域经济发展的重要模式,其对于资源型企业绿色技术创新的影响逐渐凸显。
本文旨在深入探讨产业集聚对资源型企业绿色技术创新的影响,以期为企业在实现经济效益的同时,提升其环保水平和可持续性。
二、文献综述在过去的几十年里,国内外学者对产业集聚与绿色技术创新的关系进行了广泛的研究。
研究指出,产业集聚通过资源共享、知识溢出、合作创新等机制,为资源型企业提供了良好的创新环境和创新动力。
同时,绿色技术创新作为企业应对环境问题的重要手段,其对于资源型企业的可持续发展具有重要意义。
产业集聚与绿色技术创新相互促进,共同推动企业实现经济效益和环保效益的双赢。
三、产业集聚对资源型企业绿色技术创新的影响分析(一)资源共享机制产业集聚使得资源型企业能够更容易地获取到共享资源,如技术、人才、资金等。
这些共享资源为企业进行绿色技术创新提供了有力支持。
例如,企业可以借助集聚区的技术平台,共同研发绿色技术,降低研发成本和时间成本。
此外,集聚区内的人才流动也为企业提供了丰富的创新思想和创意。
(二)知识溢出效应产业集聚区内的企业之间存在着知识溢出效应。
这种效应使得企业能够更容易地获取到其他企业的知识和技术信息,从而加速绿色技术的传播和应用。
知识溢出效应有助于企业降低绿色技术创新的难度和风险,提高创新成功率。
(三)合作创新机制产业集聚为企业提供了合作创新的机会和平台。
通过合作创新,企业可以共享研发成果,共同应对市场挑战。
合作创新机制有助于企业加快绿色技术的研发和应用,提高企业的创新能力和市场竞争力。
四、实证研究本研究以某资源型产业集聚区为例,通过问卷调查和实地访谈的方式,收集了相关企业的数据和资料。
研究结果显示,产业集聚对资源型企业的绿色技术创新具有显著的促进作用。
具体表现在以下几个方面:一是资源共享机制使得企业更容易获取到所需资源;二是知识溢出效应加速了绿色技术的传播和应用;三是合作创新机制提高了企业的创新能力和市场竞争力。
产业聚集对区域创新绩效影响的实证研究——以两类高技术制造业为例

中图分类号 :0 15 F 6 .
文献 标识码 : A
文 章 编 号 :0 17 4 ( 0 2 l 0 20 10 — 3 8 2 1 ) 50 4 —4。
l 问题 的 提 出
随着 1 8 9 0年 以来 内生 经 济 增 长 理 论 的 出 现 , 知 和 识 溢 出 相联 系 的外 部 性 被 认 为 是 保 持 经 济 可 持 续 发 展
目前 学 术 界 依 据 产 业 聚集 区 知识 溢 出双 方 是 否 属
于 同 一 产 业 , 溢 出分 为 由 属 于 不 同 产 业 的 企 业 间 所 将
形 成 的 多 样 化 溢 } , 由属 于 同一 产 业 的 企 业 间 所 形 f 和 J
成 的专 业 化 溢 出 。学 者 们 关 注 在 多 样 化 溢 出 、 业 化 专 溢 卅 中 , 竟 哪 一 种 溢 出 对 区 域 创 新 绩 效 产 生 主 要 影 究 响 , 响 程 度 如 何 ? 以 Mas al 影 rh l等 ] 为代 表 的 一 种 观
。 以 F lma n d esh4为 代 表 的 ed na dAu r tc _
所 有行 业 归属 为 以 6类 共 同 科 学 为 基 础 的 行 业 , 6类 这
以共 同科 学 为基 础 的行 业 分 别 是农 业 、 学 T 程 、 公 化 办
些 经 济学 家 则从 产 业 聚 集 产 生 的 知 识 溢 出 机 制 促 进
区 域 创 新 效率 提 高这 一 角度 , 释 了这 一 动 力 的来 源 。 解
机 械 、 业 机 械 、 技 术 的 计 算 机 行 业 、 物 化 学 , 认 工 高 生 并
为 区域 内 研 发 的 多 样 化 有 助 于 创 新 。P c a d Usi ai n a 以 欧 洲 和 意 大 利 为 例 的 研 究 表 明 , 发 的 多 样 化 和 专 研 业 化对 区 域创 新 并 没 有 什 么显 著 的影 响 。 在 国 内 , 昕 、 廉 水 以通 讯 设 备 制 造 业 和 医 药 张 李 制 造业 为 例 分 析 了产 业 聚 集 效 应 对 区域 创 新 绩 效 的 影 响 , 究 表 明 生 产 的 专 业 化 溢 出对 两 类 制 造 业 的 区 域 研 创 新 存 在 积 极 影 响 ; 样 化 溢 出 对 医 药 制 造 业 域 创 多 新 绩 效 的 影 响 为 正 , 电子 及 通 讯 设 备 制 造 业 的 影 响 对 为 负 。另 外 , 滋[ 邬 1 列的研 究结 果 表 明 , 样 化 对 区 域 创 多 新存在负效应 。 如上 所 述 , 目前 为 止 , 济 学 家 们 的研 究 还 是 仅 到 经 仅 停 留在 关 于 知 识 溢 出是 否 存 在 和 哪 一 类 溢 出 更 为 重 要 等 问题 上 。 而 我 们 认 为 除 了 上 述 问 题 之 外 , 业 聚 产
产业集聚,技术溢出与创新绩效

产业集聚,技术溢出与创新绩效摘要:产业集聚是区域经济发展的重要载体,本文根据产业集聚产生的原因,产业集聚影响技术溢出的传导路径的行文思路,系统的解释了产业集聚是如何影响技术溢出的,以及技术溢出对创新绩效的正向以及逆向结果。
本文创新性的提出了一个被称为企业吸收能力的名词,阐明了技术溢出和企业创新绩效之间是否存在正相关关系的原因在于企业吸收能力的强弱。
最后,笔者在文末提出了创新绩效在我国产业集聚区顺利提高的具体途径。
关键词:产业集聚;技术溢出;创新绩效一、产业集聚的界定以及形成的原因所谓“产业集聚”,是指某个特定产业在空间与其相互关联的企业集聚现象。
国内外学者产业集聚现象原因的分析,无非是基于以下几点的考虑。
一是由于外部规模效应以及学习效应。
二是企业之间交流的知识特点。
三是社会资本的形成方便了企业中各个主体追求利润最大化。
1.外部规模效应以及学习效应在产业集群中,一方面,龙头企业,无论是在产品,工艺还是技术上的创新往往会带动生产相似产品企业的争相模仿。
由于外部性的存在影响,与龙头企业生产相似产品的企业,因为空间距离上的优势,通过不断的学习,大大的减少了生产同类产品的成本。
另一方面,当在一条产业链中的某家企业,因为技术上的进步,生产中间品的速度和质量得到明显改观,从而迫使下游的企业调整自己行为,从而保证了创新的传播,交换和技术文化的更新。
2.企业之间交流的知识特点笔者认为,因为产业集聚中企业的彼此信任,存在着企业之间的相互合作。
企业之间的相互合作又称为知识联盟,是指共同研发新的知识和进行知识转移,而这种联盟方式是由企业和其他机构合作而完成的。
“联盟知识”有显性知识和隐性知识之分。
能够通过文字,符号,图表,公式来传递,并且易表达易编码的知识,被称为显性知识;蕴含在专家,工程师,学者等专业人员的大脑中,具有只有意会却无法言传的特征的知识,称为缄默知识,又称为隐性知识。
笔者认为,企业之间的协同创新氛围的形成,主要来自于隐性知识的广泛普及。
产业集聚及其对创新绩效的影响机制研究

J u n lo h j n iest f ce c n c n lg o ra fZ ei g Unv ri o in ea d Te h oo y a y S
V o.2 1 2 No. 6, De . 2 0 c 01
( c o l fE o o c n aa e n ,Z ei gUnv ri fS inea dT c n lg S h o c n mi a dM n gme t hj n i st o ce c n eh oo y,Ha g h u3 0 2 ,Chn ) o s a e y n z o 10 3 ia
e a ie x m n d,a a tt e m od r tn fe t fm a k tu e t i y i n l z d T h e u t ho d tl s h e a i g e f c s o r e nc r ant s a a y e . e r s ls s we t a i e st n pe i ls to r o ut l x l s v t c h td v r iy a d s ca ia i n a e n t m uay e c u i e bu om p e e t e c t e , a d t lm n a h o h r n he
D :1 . 9 9 jis . 6 卜8 9 . 0 0 0 . l OI 0 3 6 /.s n 1 7 7 8 2 1 . 6 0 0
产 业 集 聚 及 其 对 创 新 绩 效 的 影 响 机 制研 究
樊 钱 涛
( 江 科技 学 院 经济 管 理 学 院 , 州 3 0 2 ) 浙 杭 103 摘 要 : 研究 多 样 化 和专 业 化 的产 业 集 聚 及 其 对 于 创新 绩 效 的影 响机 制 。采 用 全 国 3 个 省 份 1 9 - 2 0 1 9 9 0 7年 的
企业技术创新对企业绩效的影响与机制研究

企业技术创新对企业绩效的影响与机制研究近年来,企业技术创新已成为行业竞争力的重要组成部分。
在全球化、信息化的时代背景下,技术革新、产业升级已成为许多企业确保生存和发展的重要手段。
本文将探讨企业技术创新对企业绩效的影响与机制研究。
一、企业技术创新的本质与意义企业技术创新是指企业通过引进、创新和转化技术,开发新产品、新工艺、新能源、新材料等,提升企业产品质量和效益、降低生产成本和环境污染、增强企业在市场竞争中的优势。
企业技术创新有三个重要特点:先进性、难度性、高风险性。
因此,企业技术创新实际上是对企业往日的成功和错失做出的决定性抉择,是保持企业存在和发展的根本途径。
企业技术创新的意义在于:首先,技术创新可以提高生产力,缩短生产周期和节约生产成本;其次,技术创新可以提高产品质量,提高产品附加值和市场占有率;第三,技术创新可以开启企业价值链的更高层次,在市场竞争中取得更大的优势地位。
二、企业技术创新对企业绩效的影响技术创新与企业绩效之间有着密不可分的联系。
企业技术创新可以通过以下几个方面,提高企业的绩效:1. 增加企业创新销售份额企业技术创新可以推动企业产品不断更迭,降低产品同质化程度,提高产品竞争力和销售份额。
2. 降低企业生产成本企业通过技术创新可以实现生产方式的革新,节约使用资源和成本,提高企业盈利能力。
3. 促进企业技术进步技术创新是企业发展的源动力,它可以促进企业技术水平的提高和技术智力资源的积累,提升企业核心竞争力。
4. 增强企业品牌影响力企业通过技术创新可以提高产品品质和影响力,促进企业品牌的建设和传播,为企业长期发展奠定基础。
三、企业技术创新对企业绩效的机制企业技术创新对企业绩效的影响,是通过技术能力、组织能力、学习能力等多个方面的变化所形成的,下文将对企业技术创新对企业绩效的作用机制进行阐述。
1. 技术创新导致企业资源的重分配企业技术创新过程中必须发挥企业所有人的、组织的和社会的三个方面的资源,通过新技术的引入、实施,使企业的所有资源向技术创新的方向发生转移,提高企业技术能力和竞争优势。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
产业集聚影响企业技术创新绩效的机理研究1 研究背景和问题20世纪90年代以来,我国尤其是广东等沿海地区形成大量的产业集群,但与发达国家情况不同的是,这些集群及其企业主要集中在劳动密集型行业,没有形成自主开发能力,大多还在生产成本和产品价格方面寻找价值有限的比较优势,所生产的产品主要为低端产品,附加值低,竞争力弱,企业面对越来越多的竞争对手和越来越狭小的市场空间,企业间过度竞争加剧,造成企业生产经营困难[1-2]。
当前集群内的企业急需突破这个技术路径锁定、网络优势缺乏的瓶颈,提升技术创新绩效和核心竞争力。
而要实现这一目标,就必须先对集群内企业技术创新的机理和规律进行研究,从而为实践提供科学的理论和决策依据。
本文将宏观(集群与网络层面)研究视角与微观(企业层面)研究视角结合起来,探讨产业集聚如何影响企业技术创新绩效。
因为集群是一种介于市场和科层之间的网络化组织。
对于像美国硅谷等创新型集群,其集群网络与创新网络高度一体化,集群网络以创新为最重要特征,进而获得竞争优势。
同时,企业地理邻近带来了可以维持并强化创新网络的支撑因素,如文化认同和相互信任等[3],而相互信任是构建企业网络和形成社会资本的关键因素。
社会资本同人力资本、物质资本一样是一种财富,能带来经济效益,能够促进集群内创新要素扩散,增强产业集群创新能力[4]。
存在于组织与外部机构联系的社会资本称为外部社会资本。
因此,本文尝试通过研究企业集聚程度、网络结构、外部社会资本与企业技术创新绩效之间的关系,以揭示产业集群影响技术创新绩效的内在机理。
这是国内外学者非常关注,但尚未明确并取得共识的问题。
现有文献大多只考虑到其中某两个变量之间的影响关系,尚未形成一个整体理论框架,也缺乏在中国转型经济体情境下的大规模实证研究。
2 研究理论模型及假设2.1 两个玩具业集群的启发玩具产业是我国的传统优势产业之一,产量占全球市场70%以上,其中广东省玩具出口额占全国70%。
在2008年席卷而来的国际金融风暴中,国内玩具产业是受到冲击最大的传统产业之一。
据海关总署统计,2008年前11个月,我国有玩具出口记录的企业共4211家,比2007年同期减少3829家,同比大幅下降47.6%;同期,广东企业出口玩具57.2亿美元,增长4.7%,增速比2007年同期回落18个百分点。
广东的玩具产业,又主要集中在东莞市和汕头市澄海区两大基地。
令人惊讶的是,在此轮国际金融危机中,东莞玩具业和澄海玩具业的表现有如“冰火两重天”,前者遭受重创,后者繁荣依旧。
2008年10月,以中国最大玩具代工厂——樟木头镇合俊公司的倒闭为标志,东莞玩具业步入了前所未有的“寒冬”。
2008年东莞出口玩具14.7亿美元,同比下降了3.7%,首次出现负增长,2008-2009年东莞玩具业有1000多家企业倒闭[5]。
然而,同样以产品外销为主的广东汕头市澄海玩具业,却在国际金融危机中逆势而上,实现持续稳健发展。
2008年前后,澄海近3000家玩具企业中,倒闭企业数几乎为零。
2008年,全区玩具产值162亿元,出口额约3.92亿美元,分别比上年增长11.7%和33.5%。
2009年,全区玩具产值182亿元,出口4.043亿美元,分别增长12.3%和14.7%。
期间,奥飞动漫在A股成功上市,星辉车模在创业板上市,澄海玩具业拥有国内三家玩具行业上市企业中的两家。
早在2007年8月、9月间,世界最大的玩具企业美泰公司(Mattel)在短短一个月内,三次宣布在全球召回近2100万件中国生产的问题玩具,理由是玩具的涂料中铅含量超标和存在磁铁易被儿童吞食隐患,这立即引发了中国玩具出口的信任危机。
但在这场风波中,澄海也没有一家企业生产的玩具因质量问题被列入召回名单。
关于这两个玩具业集群的强烈反差,业界认为关键因素在于自主创新。
澄海玩具业的技术创新能力与绩效,尽管还不能与发达国家产业集群,例如美国硅谷、英国剑桥科技园等相提并论,但在普遍以廉价劳动力、资源能源及环境保护成本为竞争基础的我国沿海经济区中,澄海走出一条与其他玩具业集聚区不同的路子,通过技术创新形成了明显的竞争优势。
澄海是广东玩具生产企业最为集中、科技创新能力较强的地区之一,它与其他部分玩具产区贴牌生产或来料加工模式有很大不同。
澄海玩具产业起步早,承接港台地区产业转移少,加上潮汕地区浓厚的文化及工艺美术底蕴,使澄海玩具产业形成了较强的新产品开发、工艺流程创新能力,数字化、智能化开发设计和制造加工技术得到广泛应用。
2007年以来,澄海区多家玩具企业与央视动漫合作,迅速向新兴的文化创意产业转型,在国内外玩具市场中居领先地位。
据统计,澄海的玩具业月均推出新花色品种就达1万多个。
2009年该区玩具专利申请量达到1167件,授权量达到994件,比上年增长34.2%。
澄海玩具的行业及企业技术创新服务体系比较完善。
在澄海设立粤东玩具技术检测中心,为玩具产品出口提供检验检测服务。
全区玩具行业拥有各级工程技术研究开发中心15个,拥有高新技术企业7家、省级民营科技企业7家。
与澄海玩具业比较,东莞的玩具企业则以“三来一补”加工模式为主,港资企业占60%以上,90%以上为出口企业。
许多全球知名玩具品牌产品都产自东莞,如迪士尼、芭比娃娃、史努比等。
尽管东莞拥有世界上最大的玩具业生产群落,但其劳动密集程度之高、技术含量之低和品牌之缺乏却是惊人的;东莞电子信息、纺织服装等八大支柱产业中,只有玩具行业没有任何名牌名标;东莞的玩具企业,如合俊、冠越等都有上千人的职工规模,但都没有任何研发投入,没有开发设计能力和自主品牌,企业只是从中赚取在整体商品售价中占极小比例的加工费[6]。
2.2 影响创新绩效的原因分析及研究假设提出学者们从不同研究角度和不同研究方法出发,对企业在集群中的创新行为进行了多样化的理论解释。
其中包括:企业空间集聚促进企业之间的分工与合作,联结形成了集群网络,并通过网络结构获得创新资源和要素;企业之间空间集聚,促进了相互信任和认同,形成了社会资本,降低了交易成本,提高了创新效率。
可见,关于企业集聚、网络结构、社会资本等三个变量,已经存在于对集群内企业技术创新行为有关研究的理论架构中。
换言之,企业的集聚程度、网络结构、外部社会资本和技术创新绩效这些主要变量之间应存在内在逻辑关系和密切的关联,形成了整体理论框架(见图1)。
图1 本研究的整体理论框架对典型案例的分析也提示,澄海玩具集群及企业技术创新绩效相对较高的原因,可能与企业集聚程度、社会资本以及企业网络结构等因素关联紧密。
结合案例特征及有关理论文献,提出相关假设。
<BR> (1)关于企业合作和创新网络。
澄海区的企业基本是土生土长的中小型民营企业,产业网络是内生型的且经过长期演变而形成。
当前,澄海区已基本形成了造型设计、原料供应、模具加工、零件制造、装配成型、包装装潢和销售、运输等专业分工协作的产业群体,产业链不断配套完善。
如奥飞动漫公司拥有100多家配套企业,全宇公司拥有40多家配套企业,骅威公司在澄海拥有30多家配套企业。
该区企业还与汕头大学、广东商学院、陕西科技大学等高等院校和科研院所建立合作关系,以产学研合作方式形成技术创新网络。
而东莞的企业网络则是从香港产业转移基础上形成的,当地企业通过接受香港的订单,直接与境外产生市场网络关系,而不是倾向于构建本土化的集群网络,产业和文化的根植性较差,合作网络尤其是技术创新相关的合作网络相对不完善,企业间的合作紧密程度不如澄海的玩具产业集群。
集群内部中小企业和组织能否建立紧密而灵活的创新网络,并在此基础上共享技术信息知识,共同面对市场的竞争和新技术的发展,已经成为它们能否持续进行技术创新活动的重要条件[7]。
为此,提出假设H1:企业网络结构对企业技术创新绩效存在显著的影响关系。
(2)关于企业的集聚程度。
东莞市总面积2465平方公里,是澄海区(面积345平方公里)的7倍。
东莞的玩具企业分布于各个镇(街、区),相对分散,没有形成玩具专业镇。
澄海区的玩具企业则高度集聚于凤翔、澄华、广益等专业镇,产业集聚度较高。
一般认为,企业集聚程度越高会正向地促进集群企业技术创新绩效的提高。
而这也得到不少文献的支持。
例如,Brett Anitra Gilbert[8]研究发现,位于地理集群的企业能够从当地环境中吸纳更多的知识,并且有更高的增长速度和创新绩效。
当然,产业集聚也可能会导致路径依赖,大量的中小企业相互模仿,相互影响,形成空间“近视”,降低了对集群外部新信息、新技术的敏感性,无法摆脱传统发展路径和陈旧文化观念的束缚,反而不利于促进技术创新尤其是根本性的技术革新活动。
为此,提出假设H2:企业的集聚程度对企业的技术创新绩效有显著的正向影响。
(3)关于相互信任和社会资本。
潮汕人历来有很强的群体认同感,遇事多能够“团结对外”,同行企业间区域文化认同及相互信任程度较高。
这种从集群及企业的起步阶段就开始积累起来的相互信任、认同和依靠关系,为澄海玩具集群社会资本的形成起到很大促进作用。
有了长期的社会资本积累,面对国际金融危机,澄海的玩具企业才能够“抱团取暖”,通过相互融资支援、共享集体品牌等途径,发挥了产业集群的综合优势。
相比而言,东莞的玩具企业多为港资企业,少部分为台资企业、民营企业及国外企业。
在国际金融危机面前,东莞企业大多各扫门前雪,大难临头各自飞,像合俊玩具厂这样企业主撒手外逃的现象时有发生。
总的看,企业需通过外部社会资本来获取资源最终实现公司利益,外部社会资本的联结关系、市场地位、信任等因素不仅有助于其从这些相关机构中取得及利用知识,而且有利于产品的创新及增加技术的差异[9]。
为此,提出假设H4:企业外部社会资本对企业技术创新绩效有显著的正向影响。
(4)关于企业集聚程度、网络结构和外部社会资本关系。
以上分析可见在东莞和澄海玩具业集群中,企业集聚程度、网络结构和外部社会资本都存在差异,而这三个变量间又会彼此影响和相互作用。
集群中的企业在达到一定数目时,会触发自我增强机制的启动,集群内企业间保持一种充满活力和灵活性的正式与非正式关系,在政府、科教、金融以及中介机构的辅助服务功能的支撑下,构成了具有柔性生产特征的网络式综合体[10]。
为此,提出假设H3:企业的集聚程度对企业网络结构存在显著的影响关系。
社会资本通过提供一个共同的社会交往背景和相互信任的机制,促进企业网络的形成。
相关研究表明,拥有较高外部社会资本的组织能够在发展中获得新消息和关键信息,因为它经常与自己的供应商、顾客、经销商等进行沟通和联系[11]。
而企业间联结网络,则为这种沟通和联系提供了一个大平台。
为此,提出假设H5:企业网络结构与企业外部社会资本存在显著的影响关系。
由于企业网络成员的区域集聚增加了许多成员之间面对面的正式和非正式的交流与沟通的机会,进一步加强了企业网络成员间的关系,为企业外部社会资本提供了便利条件。