下载文档原格式
Independent Innovation or Technology Outsourcing？ —— the Research on the Path for China＇s High-tech Industry from the Perspective of
Innovation Efficiency
作者： 支燕[1];白雪洁[1]
作者机构： [1]南开大学经济与社会发展研究院,300071
出版物刊名： 南开经济研究
页码： 51-64页
年卷期： 2012年 第5期
主题词： 高技术产业;自主创新;技术外取;创新绩效
摘要：技术创新能力是高技术产业获取竞争优势的核心能力之一。
本文首先构建影响我国高技术产业创新绩效的体系框架，并利用SEM模型评估自主创新与技术外取两种方式对我国高技
术产业创新绩效的影响。
结果表明，目前我国高技术产业发展中技术外取对创新绩效的影响力
远高于自主创新，并表现出“外强内弱”、“取易创难”、“创高取低”和“创取割裂”等特征，研究结果既反映出现阶段技术外取仍然是我国高技术产业的短期有效的创新方式，也显示
了自主创新在资金和人力投入之外对外部环境有较高的依赖。
据此，本文提出技术外取反哺自
主创新、“硬约束”与“软激励”并举、低落差高自主与高落差多外取、重视来自“现场”的
创新等对策建议。
内外部知识源化、非研发对创新绩效影响的空间计量研究——以高技术产业为例陈恒;侯建;陈伟【期刊名称】《科技进步与对策》【年(卷),期】2018(035)008【摘要】封闭式创新向开放式创新转型过程中,正确选择技术创新路径对创新转型至关重要.在考察高技术产业开展内、外部知识源化和非研发创新路径发展特征的基础上,运用空间计量经济学方法,探讨2008-2014年高技术产业内外部知识源化、非研发和创新绩效的空间相关性及分布结构,并将地理空间因素纳入多种创新路径驱动创新绩效机理框架下进行比较分析,实证考察其对创新绩效的影响机理.结果表明,高技术产业外部知识源化与非研发投入所占比重远远小于内部知识源化,技术创新路径非均衡性发展特点显著;高技术产业内外部知识源化、非研发与创新绩效存在较为显著的空间自相关性,内外部知识源化、非研发与创新绩效一定程度上呈现为相似值在空间上趋于集聚的分化态势,相邻地区空间溢出效应显著;高技术产业外部知识源化对创新绩效起到显著正向促进作用,而现阶段内部知识源化和非研发规模对创新绩效分别呈现微弱的正向和负向影响,没有充分发挥促进效应.【总页数】10页(P60-69)【作者】陈恒;侯建;陈伟【作者单位】哈尔滨工程大学经济管理学院,黑龙江哈尔滨 150001;哈尔滨工程大学经济管理学院,黑龙江哈尔滨 150001;哈尔滨工程大学经济管理学院,黑龙江哈尔滨 150001【正文语种】中文【中图分类】F264.2【相关文献】1.金融发展促进高技术产业创新绩效分析——基于价值链视角下的空间计量研究[J], 刘艳春;陈晨;孙凯2.研发创新投入对中国高技术产业发展绩效影响的实证分析 [J], 赵明亮3.研发创新投入对中国高技术产业发展绩效影响的实证分析 [J], 赵明亮;4.高技术产业研发创新与非研发创新的异质门槛效应研究 [J], 侯建;陈恒;李丽;李奉书5.研发创新、非研发创新对创新绩效影响的差异化——基于高新技术企业的实证研究 [J], 李子彪;孙可远;赵菁菁因版权原因，仅展示原文概要，查看原文内容请购买。
影响高技术企业创新绩效的因素分析高技术企业的创新绩效是衡量企业创新能力和效果的重要指标。
影响高技术企业创新绩效的因素复杂多样，包括内部因素和外部因素。
本文将从人力资本、组织环境、技术能力和市场导向四个方面分析影响高技术企业创新绩效的关键因素。
首先，人力资本是高技术企业创新绩效的重要驱动因素。
高技术企业需要具备高素质的人才队伍来进行技术研发和创新活动。
人力资本包括员工的技术能力、创新能力和学习能力等。
一方面，企业需要拥有一支具备优秀专业知识和专业技能的员工队伍，能够实施科技创新和研发项目。
另一方面，企业需要重视员工的继续教育和培训，提升员工的创新思维、问题解决能力和团队合作能力。
只有具备高素质的人才队伍，高技术企业才能实现持续创新和取得良好的创新绩效。
其次，组织环境是影响高技术企业创新绩效的另一个重要因素。
组织环境包括组织文化、组织结构和创新管理等方面。
组织文化是企业内部的价值观和行为准则，对员工的创新行为和创新绩效有着重要的影响。
创新文化应该鼓励员工的创新思维、冒险精神和团队合作，为员工提供充分的创新空间和资源支持。
组织结构也是影响高技术企业创新绩效的关键因素，灵活平坦的组织结构能够促进信息流通和团队协作，有利于创新活动的开展。
创新管理是指企业对创新活动进行规划、组织和控制等方面的管理措施。
有效的创新管理可以提高创新活动的效率和质量，促进高技术企业创新绩效的提升。
第三，技术能力是高技术企业创新绩效的重要支撑因素。
技术能力包括企业的研发能力、技术引进能力和技术应用能力等。
高技术企业需要具备强大的研发能力，能够进行技术创新和新产品开发。
同时，技术引进能力也是高技术企业创新的重要手段之一，企业应积极引进国内外的先进技术和专利，提升自身的创新能力。
另外，高技术企业还需要具备良好的技术应用能力，将研发的科技成果转化为市场竞争力和商业利益。
技术能力的提升可以有效地提高高技术企业的创新绩效。
最后，市场导向也是影响高技术企业创新绩效的关键因素。
自主研发、外部知识获取与企业绩效研究??【摘要】本文主要研究了自主研发、外部知识获取与企业绩效之间的关系。
在介绍了研究的背景、目的和意义。
正文部分分别探讨了自主研发和外部知识获取对企业绩效的影响，比较了它们之间的差异，以及结合应用时对企业绩效的影响。
同时讨论了企业绩效评价的指标和方法。
在结论部分指出了自主研发和外部知识获取的重要性，提出了建议和展望，并对未来研究方向给出了启示。
本文从多个角度深入分析了自主研发、外部知识获取与企业绩效之间的关系，为企业在提升绩效方面提供了理论和实践指导。
【关键词】自主研发、外部知识获取、企业绩效、研究、影响、比较、结合、评价、指标、方法、重要性、建议、展望、未来研究、启示1. 引言1.1 研究背景自主研发、外部知识获取与企业绩效之间的关系是当前企业管理与发展领域的研究热点之一。
随着全球化竞争的加剧和科技进步的不断推动，企业需要不断创新和提升竞争力，而自主研发和外部知识获取成为企业获取竞争优势的重要途径。
研究表明，自主研发不仅可以提高企业的技术水平和产品质量，还可以增强企业的创新能力和市场竞争力，进而提升企业的绩效表现。
而外部知识获取则可以帮助企业快速获取最新的技术和市场信息，弥补企业自身研发能力不足的不足，提高企业的创新效率和市场反应速度，从而推动企业绩效的提升。
综合考虑自主研发与外部知识获取的优劣势、相互影响以及相互作用，对于企业效能的研究具有重要意义，并有助于为企业提供科学的战略指导和管理建议。
深入探讨自主研发、外部知识获取与企业绩效之间的关系，对于推动企业创新与发展具有重要意义。
1.2 研究目的研究目的是通过深入分析和探讨自主研发和外部知识获取对企业绩效的影响，以及对二者进行比较和结合的影响，为企业在制定创新战略和提升绩效方面提供理论支持和实践指导。
通过研究，我们希望能够探讨不同类型的知识获取方式对企业绩效的影响程度，为企业决策者提供更为准确和有效的参考依据。
高新技术产业技术创新绩效研究作者：关永彬来源：《科技视界》2015年第20期【摘要】高新技术产业中的技术密集，对知识技术都具有较强的依赖性，对技术进行创新是提高经济质量增长速度的核心。
近几年，随着我国科技的高速发展，高新技术产业获得了更好的发展机会和发展空间，同时高新技术创新对促进我国的科技发展，提高我国在国际上的竞争力都有着重要作用。
【关键词】高新技术；技术创新；市场竞争力高新技术产业创新绩效，是在高兴技术产业发展过程中，新工艺和新产品研发过程中投入的物力和财力获取的经济效益汇报的判断，主要作用是用来评判经济活动的有效性。
因此，在高新技术创新过程中需要在正确认识技术基础上，把握技术，对技术创新进行经验总结。
对高新技术产业的技术创新绩效进行科学评价，对提升技术创新能力、促进高新技术发展、把握高新技术发展规律都有着重要意义。
1 分析影响高新技术产业绩效的因素1.1 组织因素企业中的企业家、营销人员、技术人员都会对高新技术的发展产生影响。
其中企业家是技术创新的主要领导者，不仅对技术的创新有着主导作用，而且需要对整个监督环节进行监督；营销人员需要在技术创新前捕捉到准确的市场信息，将市场需求反映给企业，从而使企业开发的高新技术能够满足市场需求；技术人员是高新产业技术的核心，技术人员要及时的发现新技术。
此外，企业的组织结构对企业的控制系统有着决定作用，决定了企业分权和集权程度，从而影响一个企业对环境的适应力。
企业的组织结构过于僵硬、组织分散、个人独立性差都会导致高新技术企业在市场中竞争力下降。
1.2 经济因素企业在技术上的创新的目的是为了满足不断变化的市场需求，只有企业生产的产品进入市场后，有购买者愿意出现购买企业的产品，才表明企业的创新被人们所接受，创新为企业赢得了经济效益。
一些企业在进行技术创新后就忽略了危机感的存在，并没有将产品投入到市场中，而其它企业先将产品投入到市场中，导致企业的创新技术失去了较大的市场份额。
中国科技论坛(2011年10月)第10期1引言由于当今技术日益增加的复杂性和跨学科性，单个企业很难独自完成所有自身所需技术的研究开发。
内部研究开发不再是企业获取技术的必然首选途径，而是采用内部R&D 活动和外部技术来源相结合的创新策略［1］。
外部技术来源主要渠道有国内技术购买、国外技术引进以及国内外资企业R&D 活动产生的间接溢出［2］。
高技术产业具有研发投入大、研基金项目：国家自然科学基金资助课题（71073151）。
收稿日期：2011-04-19作者简介：冯锋（1963-），男，安徽滁州人，博士，教授，博士生导师；研究方向:（公共）科技政策、知识管理。
外部技术来源视角下我国高技术产业创新绩效研究冯锋，马雷，张雷勇（中国科学技术大学管理学院，安徽合肥230026）Innovation Performance of High-tech Industry of China ———From the External Technology Sources PerspectiveFeng Feng ，Ma Lei ，Zhang Leiyong（School of Management,University of Science and Technology of China,Hefei230026，China ）Abstract:Based on the panel data of China ’s high-tech industries from 1999to 2008,using SFA method,this paper analyzes the effect of technology purchase,import and foreign-owned enterprises ’R&D diffusion on innovation performance of high-tech industry,and finds that:In the sample session,innovation performance has been improved improving steadily when output is patent application,and improved slowly when output is new product sales revenue;Purchase of domestic technology and foreign-owned enterprise R&D action are main external strength promoting patent output,while foreign technology import can clearly improve innovation performance as the output is new product sales revenue.Proposals are given in the end.Key words:external technology sourcing;stochastic frontier analysis;innovation performance;high-tech industry摘要：基于1999—2008年我国高技术产业行业面板数据，运用随机前沿分析法，就国内技术购买、国外技术引进和三资企业科技活动溢出等外部技术来源形式对我国高技术产业创新绩效影响进行研究，结果表明：样本期间，以专利为产出的我国高技术产业创新绩效稳步增长，而以新产品销售收入为产出的创新绩效增长缓慢；国内技术购买和三资企业科技活动是促进我国高技术产业专利产出的重要外部技术力量，而国外技术引进能显著提高以新产品销售收入为产出的创新效率。
在分析基础上提出了相应对策建议。
关键词：外部技术来源；随机前沿分析；创新绩效；高技术产业中图分类号：276.44文献标识码：A42--DOI:10.13580/ki.fstc.2011.10.020(2011年10月)第10期中国科技论坛发人员占比高、行业技术发展变化快等特点，技术交流和合作更具有特色。
随着产业规模的壮大和开放的深入，技术交流和合作更加频繁紧密，涉及金额也越来越大，外部技术来源对我国高技术产业创新绩效究竟影响几何已是一个不可回避的问题，因此，就这一课题进行研究就具有重要的现实意义。
对于创新绩效的研究，早期主要是运用回归分析和相关分析研究创新投入与产出之间的关系［3］，近年来随着现代综合评价方法的发展，利用参数和非参数法对创新绩效进行研究的成果日见增多。
就国内技术购买、国外技术引进以及国内外资企业R&D活动溢出等外部技术来源对创新绩效的影响研究而言，现有文献通常是作为一项研究经费在知识生产函数中以回归方法处理，而且焦点集中在外资R&D活动溢出效应单一渠道上，结论也不尽一致［4］，鲜有学者运用现代综合评价方法就这三种外部技术来源同时进行研究。
在针对我国高技术产业创新绩效评价上，朱有为和徐康宁［5］、方福前和张平［6］、孙玮和刘栋［7］、韩晶［8］、陈修德和梁彤缨［9］等学者已进行了卓有成效的研究，但回顾这些文献可以看出，关于三种外部技术来源对创新产出影响的比较研究尚缺少关注。
因此，本文尝试运用随机前沿分析（SFA）方法，分别以专利申请数和新产品销售收入为创新产出指标，就这三种外部技术来源对我国高技术产业创新绩效的影响进行研究，探讨造成影响的背后动因，并提出分析结论和政策启示。
2研究模型随机前沿分析法（SFA）和数据包络分析法（DEA）是近年来兴起并得到广泛应用的现代综合评价方法。
但数据包络分析法无法测量随机误差对不同评价对象的影响，也不能直接检验影响个体技术效率差异的外生性因素［5］。
而随机前沿分析方法可以完成这些分析，且具有统计特性，能够对模型本身和其中参数进行检验。
因此，随机前沿分析法更适合本研究需要。
随机前沿分析方法的一般函数形式为：y it=f（x it，t）·exp（v it－u it）（1）y it表示评价对象i在时期t的标量产出，x it表示要素投入，f(·)是生产函数，表示可能性边界上的确定前沿产出，(vit－u it)为组合误差项，v it为观测误差和其他随机因素，服从N（0，σ2v）分布，u it是一个非负变量，服从N+(0，σ2u)分布。
变差系数定义为γ=σ2u/ (σ2v+σ2u)，0≤γ≤1，用以对技术无效率项所占比例进行检验，若γ接近于零，说明实际产出与可能最大产出的差异主要来源于观测误差和其他随机因素v it，此时采用传统生产函数方法即可；γ接近于1，则意味着无效率项在生产单元与前沿面的偏差中占主要成分。
从统计检验的角度看，在γ显著异于零时，说明存在着无效率效应，此时随机前沿生产函数则是更为有效的模型形式。
为了进一步解释个体间技术效率的差异，学者Battese和Coelli［10］在上述模型中引入了技术无效率函数：u it=δ0+z itδ+w it（2）其中，δ为常数项，zit为技术非效率外生解释变量，δ为待估非效率外生解释变量的系数向量，wit为随机误差项，服从截尾正态分布N（0，σ2）。
3变量设定与数据来源3.1变量设定在衡量创新绩效产出指标选择上，学者们通常采用专利申请数或新产品销售收入单一指标，但这两个指标反映侧重不同，专利代表的是技术研发成果，而新产品销售收入更多反映的是技术研发成果转化，因此将专利申请数和新产品销售收入分别作为研发创新产出指标对研发创新绩效进行研究更为恰当。
外部技术来源是本文研究焦点，在以往研究文献中，外资技术溢出效应指标选择上以FDI投入代替居多，或者仅仅选取三资企业R&D投入作为影响因素，而在技术引进和国内技术购买指标选择上也各有不同［11］。
根据统计指标解释和现实经济行为，并借鉴前人研究成果，本文对三种外部技术来源指标选择为：购买国内技术与技术改造经费支出之和表示完整的国内技术购买（PR），技术引进与消化吸收经费之和表示完整的技术引进（IA），三资企业内部科技活动和其他科技活动经费支出之和表示完整的外资技术活动投入（FT）。
参照Battese和Coelli［10］在1995年研究模型的设定，所用随机前沿生产函数模型和技术无效率函数模型基本形式为：LnY it=β0+β1LnK it+β2LnL it+v it－u it（3）u it=δ0+δ1LnPR it+δ2LnIA it+δ3LnFT it+w it（4）Y it表示第i个行业在t年的研发产出，文中分别为研发中间产出专利申请数（项）和研发最终产出新产品销售收入（万元），Kit和Lit分别为第i个行业43--中国科技论坛(2011年10月)第10期表1以专利申请数为创新输出的SFA 估计结果注：*、**、***分别表示在10%、5%和1%显著水平下显著；无效率函数的负参数估计值表示对效率存在正向的影响。
在t 年的R&D 经费内部支出（万元）和R&D 活动人员当量（人年）。
外部技术来源对创新绩效的影响不但取决于输出主体的意愿和能力，还依赖于接受主体的吸收能力，一般通过变量的交互作用反映吸收能力产生的效应［12］。
为进一步探讨吸收能力对外部技术来源与创新绩效关系的调节作用，这里在技术无效率函数中设置R&D 经费内部支出和各外部技术来源的交互项反映资本渠道吸收能力产生的影响，设置R&D 活动人员当量和各外部技术来源的交互项反映人力资本渠道吸收能力产生的影响。
3.2数据来源与说明我国高技术产业四位码分类为17个子行业，由于航天器制造和雷达及配套设备制造两个子行业相关外资科技活动统计资料匮乏，本研究剔除这两个子行业。
文中使用的基础数据来源于2000—2009年各期《中国高技术产业统计年鉴》和《中国科技统计年鉴》。
由于时间跨度长，期间通货膨胀因素波动较大，为保持数据的一致可比性，以1999年为基期，参照已有学者研究构建的R&D 支出价格指数［13］，对除专利申请数和R&D 活动人员当量之外的数据进行平减调整。
对于创新投入与产出之间的滞后效应，从韩晶［8］、陈修德和梁彤缨［9］盛磊［12］等众多学者的研究来看，基于面板数据的SFA 方法不考虑滞后效应并不会影响研究结果的可信度，因此，本文亦不做滞后效应处理。
4实证结果分析4.1以专利申请数为创新产出指标的实证结果分析（1）计算结果。
运用Frontier4.1分析软件，采用分层检验方法，加入交互效应影响，对前沿生产函数（3）和技术无效率函数（4）进行估计，得出参数估计值及其检验结果，并给出基于模型2以专利申请数为创新输出的创新效率（见表1、表2）。
