R D投入。联盟参与对企业创新能力影响实证分析

引言

目前,创新已成为企业生存与持续发展的关键因素,尤其对于高科技企业,因此,对企业创新影响因素的研究逐渐受到企业与学界的关注。R D投入是影响技术创新的关键所在,对国家。产业以及企业的经济产出有显著的影响已得到相关学者的论文网证实,能够提升产业技术进步,同时也有助于提高相关产业生产效率以及区域的整体经济产出水平,进而有利于产业或区域内企业的创新。但是,企业要想在激烈的市场竞争中立于不败之地,一方面,要积极吸收外部技术知识,同时要进行有效的创新资源投入,注重自身核心知识与关键技术的积累与开发,增加R D投入是企业最一般的做法;另一方面,技术复杂性与竞争激烈性迫使企业必须寻求合作以共享彼此的创新资源来增加相互的创新优势来提升自身创新资源的使用效率,战略联盟是企业间实现资源共享,提高创新资源利用能力的一种有效途径。

因此,本文选取合适的样本,运用负二项回归模型分析企业R D投入。是否参与联盟对企业创新产出的影响,以期为提升企业创新效率,有效利用创新资源提供一定的借鉴。

数据。变量与模型

(一)数据来源

本文的样本来自2001-2008年中国电子信息行业的百强企业,共有800个观测样本,包括185个企业。之所以选用电子信息企业作为样本,是因为其具有很强的代表性。2000年以来,电子信息产业发展速度惊人,产业总产值占国家GDP的比重逐年增加,已经成为国内第一大产业。另外,电子信息产业属于高科技行业,业内企业获取专利的积极性较高,专利数量能够体现企业的创新能力并影响着企业的生存与发展。本文搜集了反映样本特征的数据主要包括:企业每年申请并最终获取的专利数量。R D投入。是否参与研发联盟。销售收入。企业年龄以及利润额。

本文通过国家知识产权网(CNIPR)的专利信息服务平台以申请年搜取每个企业在1996-2010年间每年的专利数,并通过光盘版的专利数据库进行核对以确保数据的准确性。R D投入。销售收入以及利润额可以通过每年的中国电子信息行业百强企业研究报告直接获取,企业的年龄可通过企业官网搜取其创建或注册日期并计算获得。通过美国SDCPlatinum联盟数据库获得企业是否参与联盟数据,此数据库已用于许多战略联盟的实证研究。

(二)变量说明

因变量为专利数量(P):企业创新是探索新知识的过程,体现在像专利或其他的一些新产品上,专利产品不但提供了知识创造的踪迹,而且其数量的多寡代表了企业知识的积累程度,并衡量其创造新知识的能力。因此,专利数是体现企业创新能力有效且稳健的指标。

自变量为R D投入(logrd)与是否参与联盟(alliance):为便于模型的分析,消除数据量级的影响,本文对各样本企业每年的R D投入(单位为万元)取以10为底的对数进入模型。企业联盟关系一般持续1年以上,而中止日期很少报道,所以需要估算联盟时长,假定联盟持续期为3年,即如果样本企业在当年参与研发联盟,则滞后1年。滞后2年时联盟关系仍然存在。如果样本企业参与了联盟,则alliance=1,反之,alliance=0。

控制变量:为了控制企业自身特征对其创新能力的影响,本文把企业规模(logsize)。专利积累(pre5)。企业年龄(age)以及盈利能力(profitabity)作为控制变量进入模型。对各样本企业当年的销售收入(单位为万元)取以10为底的对数作为企业规模。以企业当年之前5年的专利之和作为企业的专利积累,体现企业前五年的创新能力。用企业当年的年份减去企业创建或注册年份的差值就是企业的年龄。用企业当年的利润额除以销售额得企业的利润率,体现了企业的盈利能力。

(三)模型说明

本文运用负二项回归模型,即假设样本来自负二项分布,使用最大似然估计法进行估计。一般来说,从企业间研发联盟运作到专利申请并成功获批往往需要一到两年的时间,因此,为了确保结果的稳健性,本文同时考虑了联盟滞后1年。滞后2年的滞后效应模型。

基本模型如下:

γit+1(2)=E(patentsit/logsizeit,pre5it,ageit,profitabilityit,logrdit,allianceit)

=exp(a0+a1logsizeit+a2pre5it+a3星号ageit+a4profitabilityit+a5logrdit+a6allianceit)

其中,γit+2代表企业i的期望专利数量,i代表企业,t表示时间。

结果分析

本文在负二项回归分析之前进行了自变量的相关性分析,模型中自变量不存在多重共线性问题。表1是联盟滞后一年与滞后两年的负二项回归分析结果。模型1。5只包含了控制变量,模型2。6增加了R D投入,在此基础上,模型3。7同时考虑了R D投入与是否参与联盟对企业创新能力的影响,模型4。8考虑了联盟参与对R D投入影响企业创新能力的调节效应。每一个模型的likelihood-ratio检验在0。1百分号的水平上拒绝了泊松分布,进一步表明了负二项模型较合适。另外,所有模型的统计量LRchi2的p值较小(p<0。001),因此,模型整体都具有较高的显著性。模型2。6的结果表明,R D投入对联盟滞后1年。滞后2年的企业创新产出有显著的正向影响。在模型3。7中,变量alliance的系数显著为正,这表明是否参与联盟对企业创新产出也存在显著的正向影响。模型4。8考虑了R D投入与企业是否参与联盟的交互效应,二者乘积项系数显著为正,这表明了调节效应存在。

为了更直观的揭示alliance对R D投入影响企业创新能力的调节作用,本文画出了调节效应图(见图1)。当alliance=0时,R D投入对当年创新产出(对P1取自然对数即LNP1)的正向影响较弱;但当alliance=1时,R D投入与P0之间呈现较强的正向关系。滞后2年的调节效应图可以类似画出。

结论与启示

本文以2001-2008年中国电子信息行业的百强企业为样本,研究了R D投入。联盟参与对企业创新产出的影响,主要结论如下:一是较高的R D投入能够显著提高企业的创新能力,这与区域R D投入对区域经济增长影响的结论一致。二是参与联盟的企业创新能力更强,在一定程度上表明企业间的合作,联盟资源共享有利于提升企业自身的创新能力。三是联盟参与对R D投入影响企业创新产出有显著的正向调节效应。参与联盟的企业能够获取多样的创新资源,整合各种异质的知识信息,提高R D投入效应,进而促进企业的创新产出。

研究结论,本文认为企业提高R D投入能够显著提升企业的创新能力,因此,企业在制定创新策略时要考虑要加大自身的R D投入,这种投入不仅仅是R D经费投入,要兼顾R D人才投入,吸引并激励创新人才,发掘创新项目,开发创新产品;同时要进行企业制度创新,健全各种R D激励机制,最大限度地提升R D投入的创新效率与潜能。研究结果表明,为进一步提升企业创新潜力,在增加自身创新投入的同时,企业还要寻找合适的联盟伙伴,充分吸收外部的创新资源为我所用。因此,企业要充分扩充信息渠道,积极寻求合作伙伴,与拥有自身所需创新资源的企业进行合作与交流,提高创新资源整合的有效性,进而促进企业创新。对于相关政府部门而言,一方面要健全企业创新保障机制,加强对企业的研发扶持力度,为企业提供良好的创新制度环境与政策支持;另一方面要为企业搭建合作创新平台,改善合作创新环境,鼓励企业间合作以提高创新资源的整体利用效率,进而提升国家创新能力。

R D投入。联盟参与对企业创新能力影响实证分析