产业转移技术溢出效应（精选7篇）
产业转移技术溢出效应 篇1
伴随着产业转移浪潮的兴起, 不仅使移入地资本存量增加、投资质量提高以及就业压力缓解, 而且对移入地经济长期发展还有生产技术溢出效应。早在1974年, 美国哈佛大学经济学家Caves首次将计量经济方法运用到产业转移溢出效应实证研究中, 随后很多学者在对产业转移技术溢出实证检验中, 得出了正的技术溢出效应和负的挤出效应。Kinoshita (1998) 、张建华、欧阳轶雯 (2003) 在前人研究成果的基础上提出了产业转移技术溢出的四种机制:示范与模仿效应、竞争效应、关联效应和人力资本流动效应。
随着研究的深入, 单纯的正溢出效应和负挤出效应的表述和观点是不全面的, 尤其是对于像中国这样的发展中国家, 在产业转移技术溢出实证中观测到的结果, 实际上是正负效应相互抵消之后的结果, 不能仅从结果上判断产业转移带来的好与坏。由于产业转移技术溢出是一个综合性、交互性的过程, 从上述提到的四种溢出机制中也难以清晰地辨别出各种机制的路径选择。因此, 本文在已有研究成果的基础上, 提出了产业转移技术溢出的三种机制, 即直接作用机制、中介作用机制以及调制作用机制。引入科技投入中间环节, 从技术进步的流程出发, 深入研究了产业转移技术溢出的微观作用机制, 并探讨了各种作用机制相对应的路径选择 (见图1) 。
一、直接作用机制
产业转移技术溢出的直接作用机制是指产业转移的发生直接促进移入地工业产业技术进步的传导机制。国内外的学者大多选择外商直接投资 (FDI) 作为产业转移研究对象, 并建立了相关的实证分析模型, 具有代表性的是Coe and Helpman (1995) 建立的FDI技术回归模式, 该模型的基准形式是TECHd=f (FDI, X) +u, 其中TECHd表示东道国企业的技术变量, FDI表示外资分支机构在东道国的产业转移水平, X表示技术外溢的其他影响因素, u表示随机因素的扰动。模型回归结果中FDI前的系数大小就表示FDI对技术进步的直接作用大小。Caves (1974) 选择劳动生产率作为技术进步的测度变量, 运用1962年加拿大和1966年澳大利亚的23个制造业的截面数据为样本, 对技术溢出效应进行实证分析, 得出了FDI对技术进步的促进作用。劳动生产率指标的选择同样可以在一些学者 (Globerman, 1979;Blomstrom &Wolff, 1989;Kokko, 1994;陈涛涛, 2003) 的研究中得到体现。Coe and Helpman (1995) 则选择了全要素生产率 ( TFP) 作为技术进步的测度变量, 选择22个OECD国家作为研究对象, 研究发现外资企业R&D对当地生产力有益, 且当地经济的对外贸易越开放效果越好。
综上所述, 产业转移的发生会直接促进移入地的技术水平。因此, 将产业转移技术溢出的直接作用机制模型归纳如图2:
模仿和学习是当地企业在产业转移中直接提高自身技术水平的有效手段。跨国公司作为产业转移的绝对主体, 同样也是产业转移的产物。跨国公司是世界上产业技术的主要创新者, 核心技术是维持其垄断优势的基础。随着跨国公司转移到东道国, 跨国公司不仅会带来新设备、新产品或新的加工方法, 而且还将产品选择、销售策略以及管理理念等非物化技术引入东道国, 于是就为当地企业采用新技术或进行技术仿制提供了良好的机会。关于示范和模仿直接产生技术溢出效应的直接证据是充分的, Tilton (1971) 和Lake (1979) 在研究欧洲半导体工业时, 都强调了美国跨国公司在欧洲半导体工业的技术示范效应。
进一步分析产业转移的技术溢出直接作用机制的路径, 笔者认为产业转移的发生, 当地企业可以通过“技术监听站” (Mansfield & Remon, 1980) 、“逆向工程” (Kim, 1980) 等手段获取最新的知识和信息, 并进行研究、学习和模仿, 强化创新意识, 甚至开发出具有竞争性的相似产品。这种路径的优点在于它能够绕开和突破跨国公司的技术封锁。Kim (1980) 通过对韩国电子消费品生产厂商的研究发现, 1975年在15个黑白电视机组装厂商中, 有11个是通过引进其他厂商的工程技术人员, 借助于逆向工程掌握必要的技术后才得以进入该行业的。
人力资本流动也是产业转移直接技术溢出的一种重要方式。人力资本是一种具有创造性的资源, 对于消化、吸收、促进技术进步的工作都需要人力资本来进行。人力资本的流动既包括人力资本的“有形”转移, 也包括人力资本的“无形”转移。跨国公司为了保持其子公司的竞争优势, 会注重对当地各个层次的雇员提供形式灵活多样的培训。当这些经过技术培训的技术工人和管理人员一旦被其他企业所聘用或自主创业时, 其所学的专业技术和管理方式也随之外流, 从而引起技术的直接溢出。Simon (1991) 在对台湾地区的企业研究时发现, 当地技术扩散的主要媒体是技术人员的流动, 他们在外资企业工作若干年后, 用学到的技术、信息和其他形式的技术诀窍创立自己的企业。
二、中介作用机制
产业转移技术溢出的中介作用机制是指产业转移的发生引起移入地企业科技投入的增加, 进而促进移入地工业产业技术水平进步的作用机制。根据联合国教科文组织给出的定义, 科技投入是指投入在研究与发展 (R&D) 活动中的人力、物力、财力资源。科技投入反映的是企业在特定时期内投资于创新活动的资源总量 (Marinano, 2005) 。科技投入的大小与技术水平的高低紧密联系在一起。随着国际与区域产业转移的发生, 特别是以产业转移为主要形式的跨国公司, 为了开发利用国外的自然资源、廉价生产要素以及产品市场, 纷纷在国外设立分公司。而当地的供应商和销售企业在与其子公司进行合作的时候, 往往需要增加科技投入以提升自身的技术水平, 从而满足子公司高技术、高标准的需要。同时, 随着跨国公司子公司的入驻, 当地企业为了能与之进行竞争, 也要加大科技投入力度以提高自身的技术水平。
综上所述, 产业转移的发生, 当地企业在与跨国公司子公司进行合作与竞争的作用下, 会间接增加科技投入, 并最终提升自身的技术水平。产业转移技术溢出的中介作用机制模型见图3。
跨国公司在进行产业转移时, 从其自身发展战略角度来看, 我们可以将跨国公司的海外投资战略分为市场寻求型、资源寻求型和效率寻求型。无论跨国公司选择哪种类型, 其在东道国设立的子公司都不能孤立发展, 必然会参与当地的企业进行产业分工与合作。当其子公司与当地的供应商和销售企业进行合作时, 为了维持合格的产品质量、标准化的服务水准和良好的品牌形象, 他们会要求当地的合作企业加强研发投入, 提高自身的技术水平。Lall (1980) 在对印度卡车制造业研究中发现, 跨国公司会通过以下5种方式促进其当地合作企业的发展:帮助未来的供应商建立生产性设施;为改善供应商产品的质量或促进其创新活动提供技术帮助和信息服务;提供或帮助购买原材料和中间产品;提供组织管理上的培训和帮助;通过发掘新客户帮助供应商从事多样化经营。
同时, 随着产业转移的发展, 跨国公司的移入会加剧东道国当地市场的竞争。当地企业特别是处于国内领先甚至垄断地位的企业为保持其市场竞争力, 会主动加强学习和模仿, 提高生产效率, 降低生产成本, 改进产品质量, 加大研发投入, 改善经营管理, 甚至以不断创新来寻求新的发展空间。这极大地促进了整个行业资源的优化配置, 推动当地企业技术水平和生产效率的提高。一些学者通过企业层面和行业层面的实证研究证实了这一作用机制的发生。Wang & Blomstrom (1992) 构建了跨国公司子公司与当地企业的博弈基本模型, 证明由于竞争促进当地企业技术进步, 缩小了两者之间的技术差距。在我国, 跨国公司竞争产生的压力促使我国通讯设备、汽车、工程机械、电站设备、高铁设备等许多行业中的内资企业不断加大科研投入, 提升技术水平。近年来, 随着我国金融、保险、电信服务、批发零售等行业对外开放的程度不断提高, 这些行业提高效率和改善服务的进程明显加快。
三、调制作用机制
产业转移的技术溢出调制作用机制指的是调制因子对产业转移的技术溢出效应产生促进或抑制的作用, 而其本身不能单独对技术进步产生作用。随着产业转移技术溢出调制作用机制研究的不断深入, 越来越多的学者把调制引入到经济学领域。杜健在其博士学位论文《基于产业技术创新的FDI溢出机制研究》中, 从吸收能力和技术差距角度分析了FDI技术溢出的因素及其调制作用, 并以1998—2003年6年间每一年的37个行业为研究对象, 分别验证了吸收能力和技术差距两种调制因子对创新产出与FDI技术溢出的调制作用。Borensztein, Gregorio & Lee (1998) 在研究发达国家流向发展中国家FDI的投资效率是否要高于当地投资时, 发现金融发展程度、外汇黑市以及政治稳定性这些制度性因素至关重要。
在产业转移发生技术溢出效应的过程中, 移入地的行业特征、吸收能力、制度因素以及地理因素等调制因子对技术溢出的有效发生具有重要影响。因此, 得出产业转移技术溢出的调制作用机制模型 (见图4) 。
产业转移的技术溢出会受到行业特征的影响, 例如企业规模、技术差距、资本密集度和行业集中度的差异都会对技术溢出产生影响。Aitken & Harrison (1999) 在研究中发现, FDI技术外溢受到行业特征的影响, 外资参股企业的生产率与企业规模相关。Findlay (1978) 、Wang (1992) 则认为, 溢出效应是跨国公司与当地企业技术水平差距的增函数, 技术水平差距越大, 则当地企业“赶超”的潜力就越大。陈涛涛 (2003) 选择我国84个四位码行业的数据, 把“技术差距”、“资本密集度”以及“行业集中度”作为“内外资企业能力差距”的行业分组变量, 结果证实了内外资企业之间能力差距越小, 溢出效应越大。
吸收能力又是影响产业转移技术溢出的另一个调制因子。Cohen & Levinthal (1989) 在分析企业研发作用时首次提出了“吸收能力” (absorptive capability) 的概念, 研究结果表明企业研发投入不仅直接促进了技术进步, 而且增强了企业对外来技术的吸收、学习、模仿能力, 使得企业拥有更强的技术能力去吸收外部技术扩散。Cantwell (1995) 在这方面的研究比较深入, 他得出如果东道国当地企业技术水平比较落后, 人力资本的素质比较低, 跨国公司就会倾向于转让一些生产阶段低附加价值、低技术含量的技术内容到该国, 以便利用该国的低成本优势。相反, 如果东道国的技术水平相对较高, 则跨国公司会倾向于转移一些附加值及技术含量比较高的项目, 以便利用当地的技术及人才优势。
产业转移的技术溢出过程深受其周围制度因素的影响, 包括经济、文化、政治等因素。正因为如此, 应该把制度因素视为促进产业转移技术溢出的核心要素之一。Lundall (1992) 认为制度建立是决定创新系统的第二个要素, 制度就是为个体和集体的行为活动提供路标 (guide-posts) , 它包括惯例 (指导着日常的生产、分配和消费活动) 和诱导变革的路标。国内学者王伟光在其博士学位论文《中国工业行业技术创新和创新效率差异研究》中, 以我国工业技术创新体制变化为背景, 从创新融资结构、对外开放和企业制度三方面论述, 揭示了制度环境对工业行业技术创新和创新效率的影响。
在产业转移的过程中伴随着技术的传播, 而地理因素影响技术传播成本的问题越来越受到学者们的关注。Grilliches (1979) 知识生产函数为技术外溢可能随距离递减。Keller (2002) 研究具有代表性, 他的实证研究结果表明, 技术的溢出具有局部性, 且随着地理距离递减, 约1200公里递减一半。他还发现技术溢出的局部性随时间推移减弱。付淼在其博士论文《技术溢出的空间计量和阈值回归分析》中, 采用阈值回归分析得出了我国技术溢出强度随地理距离变化的衰减距离, 创造性地把基础设施因素引入到模型中, 具体检验了当地基础设施对产业转移的技术溢出有效发生的作用大小。
摘要：产业转移的技术溢出机制包括:直接作用机制、中介作用机制和调制作用机制。在直接作用机制下, 产业转移的发生可直接促进移入地的技术水平, 当地企业可通过“技术监听站”、“逆向工程”等手段获取最新的知识和信息, 并进行研究、学习和模仿, 强化创新意识, 甚至开发出具有竞争性的相似产品。在中介作用机制下, 当地企业在与跨国公司子公司进行合作与竞争中, 会间接增加科技投入, 并最终提升自身的技术水平。在调制作用机制下, 移入地的行业特征、吸收能力、制度因素以及地理因素等调制因子对技术溢出的有效发生具有重要影响。
关键词：产业转移,技术溢出机制,技术进步
参考文献
[1]Kinoshita, Y.Technology Spillovers through Foreign Direct Investment[J].1998.
[2]Coe, D.T., E.Helpman.International R&D Spillo-vers[J].European Economic Review, 1995, 39 (5) :859-887.
[3]张建华, 欧阳轶雯.外商直接投资、技术外溢与经济增长——对广东数据的实证分析[J].经济学 (季刊) , 2003 (3) :647-666.
产业转移技术溢出效应 篇2
自内生增长理论产生以来,技术溢出就被认为对行业发展和区域经济增长有着显著的影响,技术溢出的相关研究已成为近年来的热点课题。技术溢出包括区域内、区域间和国际间技术溢出。目前较多的研究,特别是发展中国家基本集中在国际间技术溢出,即FDI的技术溢出。而针对区域内产业的技术溢出效应研究还很少。
在发达国家的实证研究表明大体上同行业企业的聚集对于成熟产业和高技术产业重要,而产业集群对于吸引新型产业更重要。因此多样化的产业环境有助于吸引新的产业,而专业化环境对维持产业的持续发展更重要[1]。由于各自区域自身不同特点,不同区域的技术溢出的大小和显著性有一定差异,但是通过一些发达国家高技术行业的研究表明,企业的聚集和产业集群对技术溢出效应的影响都较为显著[2,3,4]。
R&D具有双重效用,它不仅加快企业的创新,而且提升企业学习和利用外部技术的吸收能力,加剧产业集群内的竞争[5]。在对R&D投入的技术溢出效应的研究中,学者们较多地区分不同类别的R&D投入来进行研究,但都认为自身的R&D支出对吸收能力和技术溢出效应有显著影响。Werner Bonte[6]发现公共R&D支出基本上没有产业间的溢出效应,而私营R&D投入对生产率的提升有显著作用。在高科技领域公共R&D支出应对私营R&D投入有促进作用。Higon实证显示产业内R&D和产业间R&D投入对于提高生产率有显著影响,而国际间R&D投入影响不显著。另外还有很多学者从人力资本角度研究技术溢出,一般把人力资本作为影响产业吸收能力的变量,认为人力资本是技术溢出发生的基础。
国内学者对于产业间技术溢出的相关实证研究还较少,宁军明[7]检验31个省份27个工业部门的增长如何受地区产业专业化、多样化和地方竞争的影响,结论表明专业化和多样化不是对立的,专业化是区域内某一产业部门的特征,多样化是整个地区的特征,地方产业中的不同专业化水平与地区的多样化程度是能够很好结合起来的。同时李进[8]利用中国29个省份制造业的横截面数据,结合空间地理因素分析研究了本地以及相邻地区不同形式的知识溢出对本地创新活动的作用。尹静和平新乔[9]根据Jaffe的技术溢出研究思路,以中国各行业在各地区的R&D投入状况来构建区域问的技术相似指标,并在此基础上计算了我国各省之间技术溢出情况。张永林和蔡虹[10]利用长三角区域各省数据,计算了以技术存量度量的技术溢出效果,得出了研发投资与技术存量正相关的结论。
从目前的实证研究来看,对于区域内产业技术溢出的机理及其实证研究较少,其方法基本上是将研究对象的产出作为因变量,将其它的考查因素视为解释变量,并通过考察各项回归系数的变化来描述技术溢出。
2 研究框架及模型说明
2.1 基本计量模型
本文以索洛经济增长核算模型为基础,借鉴Feldman 和 Audretsch(1999)、Paci 和 Usai(2000)等分析技术溢出的回归方法。
假定一个行业的产出方Y=Af(K,L) (1)
其中,K与L分别代表投入要素资本和劳动,A代表技术水平,技术水平不仅与自身技术投入有关,也与外部技术溢出和市场环境有关。
因此行业产出方程(1)可以写为:Y=A(T,S,E)f(K,L) (2)
其中T是自身技术投入,S是技术溢出的影响变量,E为市场环境变量。
若从全要素生产率(TFP)角度考察,由TFP=Y/(αK+βL),这时
TFP=A(T,S,E) (3)
将(2)式两边取对数,我们可以获得如下的基本回归方程
lnTFPt=Ct+α
其中,α
2.2 相关变量的选择
技术溢出效应的作用最终反映在行业技术能力——全要素生产率的提升上。本文采用基于DEA方法的Mlamquist生产率指数来测算行业TFP,并且将其分解为技术效率的变化(EC)和技术进步(TC)来进一步细致的考察技术溢出通过何种机制影响行业TFP的变动。
行业自身的技术投入(T)主要反映在研发经费投入和人力资本投入两个方面,其中经费投入可用行业研发投入强度(RER),即R&D经费投入占总销售收入的比值来表示,而人力资本投入则用行业拥有科学家与工程师所在就业人数的比例(SCENR)来表示。
本文从其它行业的产品创新所导致的模仿创新、人力资本间的交流学习和研发活动导致的知识共享三个方面引发的外部技术溢出来考察。其中其它行业的产品创新所引发的技术溢出可用其它行业的新产品产值来(NPSVO)表示,人力资本间的交流所引发的技术溢出可用其它行业的科学家与工程师数量(SCENO)来表示,而对于研发活动的技术溢出,由于技术研发是一个积累的过程,基于研发活动的知识共享应该使用市场研发经费投入存量(REOS)来表示。本文采用国际上通用的永续盘存法,首先计算各个行业的研发投入存量(RDS),行业 的R&D存量可以表示为:
PDSit=(1-δ)RDSit-1+RDit (5)
其中,RDSit为第i个行业在t年的知识存量,RDit为第i个行业在t年的R&D支出,δ为折旧率,Goto and Suzuki[11]研究发现R&D投入的折旧系数取值在15%至25%之间,另外Harhoff[12]研究发现折旧系数的具体取值对研究结论影响并不大,因此本文假设δ取值为20%。
采用Griliches(1979)所提出的方法计算各行业的期初R&D存量:
RDSit=(1-δ)RDSit-1+RDit (6)
其中gi为行业i的R&D经费投入的年平均增长率,由行业i的R&D经费投入的数据年增长率的几何平均得到。
对于R&D经费投入的价格指数,综合比较不同学者所构造的研发投入价格指数[13,14],借鉴朱平芳和徐伟民[15]的方法使用研发投入价格指数(RDPI)为:
RDPI=0.55CPI+0.45FPI (7)
其中,CPI为消费者价格指数,FPI为固定资产投资价格指数。由此得到本文使用的研发投入价格指数。
最后,某一行业可利用的市场知识存量以高技术产业内其它行业的研发投入存量之和来表示,即:
由于技术溢出的形成需要双方的互动才能实现,因此技术溢出不仅受到溢出主体和受体的影响,还受到市场环境的约束。一般认为企业的聚集和市场竞争都有利于技术溢出的形成。企业的聚集有助于技术在企业之间流动,获取创新思想的机会增加,同时企业的研发合作能有效的降低研发风险,而市场竞争扩大了创新企业和模仿企业间的利润差距,激励企业更多的技术投入,这一方面增加了市场的技术存量,另一方面提高了自身技术水平,加强吸收外部技术溢出的能力。
行业内企业的聚集可以用行业就业人数所占比例(PS)来反映,即:PSit=empit/empt,其中empit为第i个行业在t年的就业人数,empt为高技术产业各个行业在t年的总体的就业人数。
各行业的市场竞争程度(CI)采用Henderson和Todd[16]、Higon等学者的方法,市场竞争度指数(CI)=行业内企业数量(nf)/行业的就业人数(emp)。
3 数据说明及实证分析
3.1 数据说明
本文实证研究对象为北京高技术产业。为数据的完整性和一致性,本文使用的样本数据均来自《中国高技术产业统计年鉴》2002-2008年各期北京市的相关数据。
(1)北京高技术产业5大行业的2002-2007年TFP、EC、TC的估计。
使用基于DEA方法Malmquist指数方法常用来估计全要素生产率的变动状况。它不但可以分析不同时期决策单元的效率演化,而且可以将Malmquist指数分解为技术进步率和技术效率变化率,以找出它们各自的变动对全要素生产率变动的影响。以北京高技术产业各行业历年的实际产值为产出变量,实际的资产存量、年平均就业人数作为投入变量,在可变规模报酬条件下,利用投入导向型的DEA模型估算各行业的Malmquist生产率指数,即各行业的相对全要素生产率的增长率,以及相对技术效率变化(EC)与技术进步(TC)的增长率。下表1列出了各行业的指数测算结果:
整体而言,北京高技术产业5大行业中医药制造业的全要素生产率(1.022)最高,其次为航空航天制造业(0.99),而医疗设备及仪器仪表制造业全要素生产率最低(0.884)。从Malmquist分解指数来看,5个行业的技术进步(TC)的平均增长率要高于技术效率(EC)的平均增长率,这说明北京高技术产业全要素生产率的提高主要是依靠技术进步推动的。在估计技术溢出对行业TFP的影响,均假定2000年相应的Malmquist生产率指数为1。其它各变量的数据都是使用相关价格指数处理后的实际数据。
(2)数据的平稳性检验与协整检验
本文研究的目的是要寻找行业技术能力与自身投入、外部技术溢出之间的稳定关系,这就要求实证变量之间存在着协整关系。在进行协整检验前先对各个变量进行单位根平稳检验。
2003年,Im、Pesaran和Shin建立了面板数据单位根检验的W检验,该检验不仅允许残差项存在序列相关,而且还允许各纵剖面时间序列具有不同的动态行为和残差方差。因此本研究选择IPS检验方法来进行面板数据单位根检验。在存在单位根的原假设条件下,根据实际统计量 值与面板数据单位根过程检验的临界值相比较,得出所检验统计量是否平稳的结论。
从单位根检验结果(表2)显示,所有变量均不能拒绝非平稳的原假设,也就是说所有变量均为一阶非平稳过程。因此,利用kao残差面板协整检验以确定设定变量间存在着稳定的关系。
检验结果(表3)显示,本文研究的模型所使用的技术效率、技术进步和全要素生产率三个变量与所考察的影响变量之间均拒绝不存在协整关系的假设,也就是说本文研究模型的变量间存在长期的稳定关系。
3.2 实证结果分析
基于模型(4)及相关变量的选择,本文选取北京高技术产业2000-2007年数据进行实证。首先利用面板数据模型进行估计,采用常用的协方差检验方法进行面板数据模型类型判断,本文适合固定效应模型(拟合结果如表4)。由于不变系数面板数据模型隐含同质数据的假设,它只能提供系统的综合结论,而不能反应行业间一一对应的具体关系,因此,本文结合OLS方程组对高技术各行业间的具体技术溢出关系进行研究。选取行业间的时序数据进行一一回归,得到一个技术溢出对各行业TFP影响作用的回归矩阵(表5)。
注:***表示在1%水平下显著,**表示在5%水平下显著,*表示在10%水平下显著。下同。
(1)从实证结果可以看出,行业就业人数所占比例(PS)对技术效率和全要素生产率的回归系数为负,说明高技术产业各行业间均衡发展有利于技术效率的提升,而它对技术进步的回归系数为正,但没有通过显著性检验。市场竞争有利于技术效率的提升和全要素生产率的进步,但是它们对技术进步作用不显著。可见北京高技术产业集群效应和行业聚集效应尚未充分的体现出来。
北京高技术产业总体上技术溢出效应还不是很显著。不能仅仅因为北京科技教育资源密集或者中关村园区企业多就简单认为这是高技术产业集群,高技术产业集群需要在制度建设、商业环境、企业文化和企业家精神的各个方面完善与协调。虽然北京的R&D强度接近于世界发达国家,但是高技术产品竞争力却较弱,说明北京只是拥有科技资源比较优势,只有将比较优势转化为竞争优势,转化为实实在在的生产力,才能真正提升高技术产业的生产率。
(2)北京高技术产业的技术自主研发能力有待提高。在不考虑行业间交互作用时,行业自身研发强度的提高对于技术效率、技术进步与全要素生产率都有促进作用,但是在考虑行业间的交互作用后,自身研发投入强度对行业技术能力的作用的显著性减弱。这正说明高技术行业的发展受到相关各行业的技术溢出效应的影响。结合交互作用检验结果分析,行业自身研发投入强度的提高通过模仿其它行业的新产品创新成果强化了行业间的技术溢出,进而提高行业的技术效率和全要素生产率,但是模仿创新对于技术进步的促进没有显著影响。根据北京知识产权局公布的数据,实际上北京地区2000～2008年专利授予量中实用新型和外观设计专利占总授予量的70%。可见北京高技术产业的研发投入主要还在于模仿创新。
(3)科学家与工程师数量的增加有利于吸收其它行业研发活动的技术溢出。与研发投入强度的影响相反,行业拥有的科学家与工程师在不考虑行业间交互作用时,其对技术效率、技术进步与全要素生产率的技术溢出效应不显著,但是在考虑行业间的交互作用后,科学家与工程师的数量对行业技术能力有显著的溢出影响,行业的人力资本投入有利于提升对市场技术知识存量溢出的吸收能力。
(4)北京高技术产业各行业间技术知识存量的技术溢出效应显著,外部技术溢出对于行业全要素生产率和技术效率有显著影响,但是对技术进步的溢出效应不显著。技术进步主要依靠自身的技术研发投入。技术溢出效应的存在可以给企业提供一个良好的外部技术环境,引导企业的研发投入导向,降低企业的研发风险,但这些都是建立在企业自身的研发活动的基础上,若自身技术研发投入不足,技术溢出也就失去了作用力。
注:此表为高技术行业间一一对应分析,每两个交叉表格中的值分别表示相应的基于新产品创新、研发投入和人力资本交流的技术溢出效应实证结果,其中对角线括号中的符号表示相应行业市场环境的影响。
从行业间的回归分析发现:(1)对于技术溢出的市场环境的回归结果显示,五大行业除了计算机和办公设备制造业是受专业化环境影响外,其它均受行业间溢出效应的影响,这与面板数据模型的结果相吻合,表明了多样化环境有利于高技术行业的发展。(2)医疗设备及仪器仪表制造业受到其它行业的研发投入的技术溢出效应显著影响。因为医疗设备和仪器仪表的制造是为其它行业的应用服务的,因此其它行业的需求当然对其发展具有较大的影响。(3)计算机及办公设备制造业也是基础性行业,但是在现代信息社会,计算机等自动化办公设备已经相当的普及了,因此相对它对于其它行业的技术进步的作用不是那么的显著,只能对技术效率的提升一定的影响。这也可以从上表的行业间检验结果可以看出。但是其受医药制造业的人力资本投入的影响显著。(4)电子及通信制造业受其它行业的技术溢出效应不显著,但是电子通讯行业的研发投入和产品创新对其它几个行业都有显著的影响,这说明电子通讯行业的技术溢出效应比较显著,事实上,电子及通信制造业迅速发展是北京高技术产业的特点,这说明电子通讯业的发展对于促进其它行业的进步有较大的影响和辐射能力。(5)航空航天制造业主要受人力资本的溢出效应和电子及通信制造业的产品创新的影响,但是它对于其它行业的技术溢出效应有限。因为航空航天业是一个高尖端的综合应用行业,主要靠其它各个行业的支撑,其成果虽然对国民经济和人民生活水平有较大影响,但是它对其它高技术行业的技术影响力却有限。(6)医药制造业受电子及通信制造业新产品创新的滞后影响。同时它的研发投入对于其它行业有较大影响。综合看来,计算机和电子通讯等基础性行业的全要素生产率的提高主要受自身研发投入的影响,但是对其它行业的技术溢出效应较大,而其它高端的应用性行业受其它行业的技术投入的溢出效应影响较大。
4 结论与建议
由以上分析,可以得到以下结论:①北京高技术产业还处于成长阶段,企业的聚集和产业集群效应对于技术溢出没有显著作用。②自身研发投入强度对于行业技术进步有决定性作用,同时研发投入能够强化行业间产品创新的技术溢出,进而提高行业的技术效率和全要素生产率。③行业的人力资本的投入有利于提升对市场技术知识存量溢出的吸收能力。④基于行业间的新产品模仿创新的技术溢出效应对于行业全要素生产率和技术效率有显著作用,而对行业技术进步作用不显著。⑤技术溢出主要通过影响技术效率的变化来影响行业全要素生产率,而对技术进步的影响相对较小。⑥高技术产业中偏基础性行业对其它行业的技术溢出效应较大,而其它高端的应用性行业受其它行业的技术投入的溢出效应影响较大。
基于本文所得结论,我们提出以下政策建议:
(1)培育一批有一定市场控制力的大型企业,建立企业间、行业间的技术联盟,强化高技术产业集群的优势和核心竞争力。在全球化经济的时代,发展中国家无论经济水平还是技术能力相对于发达国家还有相当大的差距。以市场换技术的战略有其瓶颈和风险,要实现高技术产业整体技术水平的提升,必须依靠自身力量,通过企业间的并购、联合或者建立联盟来增强高技术企业间的技术联系与交流,以强化技术溢出,促进高技术产业健康、快速发展。
(2)充分重视自主研发,提高高技术企业自主创新能力。高研发投入是高技术企业的重要特点,技术研发是高技术企业的战略核心。在制定R&D投入策略时,应充分重视R&D投入效率,在自主研发与模仿创新之间的权衡。
自主研发是高技术产业发展的必然选择。在高技术产业建立初期,像我国这样的发展中国家,学习或引进国外先进技术,进行代工生产和模仿创新是一个可行的选择,但是为了占领和控制市场以实现自身商业利益的最大化,跨国公司对其关键核心技术是进行严密的控制的。要实现真正的技术赶超,必须通过提高自主创新能力来实现。当然,自主创新能力不可能一蹴而就,需要不断的技术吸收、消化,通过增强自身的技术能力来实现,而加大自主研发的强度,不仅可以增强自身吸收能力,也是走向自主创新必经的一个积累过程。
(3)提高企业及相关机构技术研发人员的创新能力,培养一批高级技术研发队伍,以加强人力资本的交流与流动的技术溢出效应。现阶段高技术产业研发人员主要还是技术学习和模仿创新,而自主创新能力不足。首先,应鼓励跨国企业在本地设立研发机构,加强与跨国企业研发机构或国外研发机构的研发合作,学习先进的技术研发和管理经验。其次,加强企业研发人员与研究所、大学等机构科研人员的交流与合作。这在提高企业的研究人员的技术能力的同时,也能够使得机构研究者的成果更快地市场化,实现研究机构和企业的产学研的结合。第三,北京作为我国高技术研发中心,应当更加的开放和国际化,适当引进世界各国优秀技术人才,支持有能力企业走出去,在国外建立分公司时在当地设立研发中心,充分利用当地优秀的人力资源和技术环境,实现新形式的技术溢出。
(4)促进高技术产业各行业间的均衡发展,加强各行业间的协调与发展规划。电子及通信制造业是北京高技术产业的主要支柱,其行业产值一直占据北京高技术产业总产值的50%以上。然而,由生产率测算和实证结果发现,电子及通信制造业的技术效率在5大行业中并不高,适当均衡化的行业发展有利于提升高技术产业整体的技术效率。这也有利于加快高技术产业相关产业链的整合和高技术产品的市场推广和应用,以强化高技术产业的技术溢出效应。
产业转移技术溢出效应 篇3
技术创新是推进产业集群技术创新和技术升级的动力因素, 是提高产业集群国际竞争力、促进产业结构升级的重要来源之一, 技术溢出效应是提高创新效率的重要途径之一。对于三者之间关系的研究已经成为相关学科的研究热点。Fuman认为一国产业竞争力和经济发展潜力[1]的大小与该国的创新能力息息相关, 而一国国家生产率的持续增长也在很大程度上依赖于该国技术创新能力的高低[2]。创新能力对产业竞争力的提升至关重要, 而区域经济发展潜力的大小也与创新能力的高低息息相关[3]。张杰飞认为对外直接投资 (FDI) 所产生的技术溢出效应对产业发展过程中创新效率的提高和产业区的经济增长都具有重要的推动作用[4]。魏守华的研究也表明技术溢出是创新能力提升的重要影响因素, 吸收能力的强弱在很大程度上决定了技术溢出效应的高低[3]。因此, 研究影响技术溢出效应的关键因素可以有效分析技术溢出效应的影响作用机制、途径, 可以有效提高产业集群、产业区的创新能力;技术溢出效应在产业集群的生命周期阶段具有不同的作用机制, 可以有效解决产业集群发展中遇到的“瓶颈问题”。
二、集聚效应与技术溢出效应的关系分析
技术溢出效应主要来源于技术的外部性和非排他性特征。Caves和Cooden认为企业的技术溢出源自于技术的非排他性[5]。李国峰认为由于技术的非排他性是客观的, 因此技术的溢出也是必然的, 他认为技术的溢出在不同的区域、产业和企业之间都会发生, 指出技术的溢出过程必然伴随着技术的创新和扩散过程[6]。产业集群的技术溢出主要是指由于产业空间集聚带来的技术累积和技术共享[7]。产业集群通过产业空间上的集聚、信息的扩散和传递、技术的外部性和非排他性特征, 产生技术溢出效应。Marshall认为产业集聚可以创造外部性经济, 提供劳动力、技术和信息的共享。技术和劳动力的共享主要受地理因素影响, 产业空间集聚可以促进信息、技术、知识的高效流通, 进而促进技术溢出。产业集群内的企业可以通过正式或非正式的方式, 促进技术在不同企业间的存储、转移和创新, 提高技术溢出速度[8]。产业集聚、技术溢出和区域经济发展之间相互促进、相互强化, 逐渐形成一个有利于产业集群发展的自我强化的良性循环。如图1所示。
对于技术溢出的影响因素, 学者们从不同的角度进行了研究。李剑通过对行业特征的研究认为企业规模 (认知水平) 、技术差距和接受外部企业的技术对溢出效应有很大影响[9]。企业发展规模 (认知水平) 和企业在技术方面的思维模式之间的差距构成了企业的认知差距。朱佩枫等人采用DEMATEL方法研究出企业间影响技术溢出的关键因素是技术水平之间存在的差距[10]。刘和东在研究对外直接投资 (FDI) 技术外溢时发现, 技术水平之间差异非常大或非常小都不利于企业之间技交流和学习的实现, 同时他还认为技术交流过程中接受外来技术一方的吸收能力和研发水平是关键的影响因素, 并且吸收程度的强弱由人力资本的雄厚程度而定, 而研发水平取决于接受方的知识积累存量 (技术库) [11]。熊义杰和赵维认为技术差级和经济发展水平是影响技术溢出水平的直接因素, 其中技术差级主要是受到人力资本的影响[12]。高山行通过实证分析得出技术水平之间的差距是影响技术扩散和交流的关键因素之一[13]。黄凌云将吸收程度的强弱作为影响技术扩散和交流效应的主要因素, 且将人力资源作为影响吸收程度强弱的主要原因[14]。技术发展水平与认知水平成正相关, 其差距的高低预示着认知距离的大小, 同时, 论述了地理和认知的邻近对合作创新的影响, 认为地理距离的大小是影响技术交流和创造的关键原因[15]。Kellerw认为地理距离是影响技术溢出水平的关键影响因素, 且随着距离的增加技术溢出逐渐降低[16]。因此, 认知距离、技术差距、吸收能力和地理距离是影响技术溢出的主要因素。
三、不同生命周期产业集群的技术溢出作用机制分析
通过对相关学者的研究分析表明, 认知距离、技术差距、吸收能力和地理距离是技术溢出效应的关键影响因素。研究产业集群的技术溢出效应, 需要把产业集群的生命周期演化机制和技术溢出的作用途径联系起来, 两者之间相互作用。在产业集群的不同生命周期阶段, 各个影响因素具有不同的作用机制, 技术溢出的路径也不同。
(一) 形成阶段———技术扩散过程。在产业集群的形成期, 地理距离和认知距离是促进产业集聚的重要因素, 也是制约技术扩散、技术溢出的重要基础条件。认知距离指的是企业之间在技术相似程度或思维方式之间的差距, 即主体间的技术知识结构和技术存量。处于初期的技术扩散和创新是通过不断的学习、接触、循环利用而进行的, 只有主体之间的技术知识结构和技术存量存在差异, 即存在适中的认知距离, 才能提高学习新技术的有效性, 促进隐形技术的溢出, 增强集聚效应, 这也是产业集聚的原因之一。
地理距离主要有两层含义:一是主体之间的实际距离, 即产业在空间上的集聚, 可以降低各主体之间运输成本和交易成本, 促进主体之间隐性知识和技术的扩散, 提高企业创新能力;二是主体之间的交流距离, 可以借助信息技术的发展缩短知识和技术的交流时间。地理距离的集聚降低技术知识流通成本, 促进技术扩散和溢出, 从而可以促进技术创新, 提高创新效率, 推进产业集群的发展。在产业集群的形成期, 随着产业的空间集聚, 企业主体之间交流机会增多, 技术的溢出效应增强, 促进技术的创新、产业的发展, 从而推进区域经济的发展。同一产业过度集中, 无交流成本, 彼此技术相同或无差异, 降低创新能力, 技术溢出效应降低。
(二) 成长阶段———技术学习、吸收过程。在产业集群的成长阶段, 随着相关产业在空间上的集聚, 外部的企业逐渐进入集聚内部以及逐渐分离出新企业, 这主要取决于技术水平的提升、扩散、溢出以及创新能力的提高, 而技术创新能力依赖于科研储备和技术知识储备, 产业集聚为集群内各主体带来技术的储备[8]。在这一阶段, 技术溢出主要依靠产业集群内各主体的技术吸收能力。吸收能力是技术外溢得以实现的必要条件, 而认知距离和技术差异为技术外溢提供了前提条件。因此, 存在技术差异是产业集群内主体间技术吸收的重要前提。技术的吸收能力是指将外部的知识进行内部化, 产业集聚内部主导产业、辅助产业和研发机构等形成一个网络, 很多企业在发展过程中不断吸收产业集群内其他企业的技术溢出, 利用新加入企业带来的知识共享, 吸收辅助产业带来的信息、政策等服务, 自身结合相关技术知识, 促进集群内的技术外溢, 增加自身技术含量和提高创新能力。而人力资本是技术和知识的重要传播和存储载体, 是影响技术吸收程度强弱的关键因素之一;在一定程度上能增强技术吸收过程中的学习效应, 扩大技术交流和创造, 促进技术积累、创新活动活跃。
产业集群内主导产业、辅助产业之间的交流学习和研发投入能增加技术库的技术积累, 同时还能有效提高人力资本的存量。技术库的技术存量需要通过人力资本来发挥作用, 通过人力资本对外部外溢技术的吸收作用, 进而扩大技术溢出效应, 又反过来促进产业集群发挥集聚效应。
(三) 成熟阶段———技术累积过程。在成熟阶段, 产业集群的规模已经固定下来, 产业集群内的技术知识存量开始循环累积。随着产业的集聚, 新企业的增加, 出现“拥挤效应”, 加上信息的充分流动, 技术差距逐渐缩小, 产业集群的发展趋于稳定。
在这一阶段, 产业集群内各主体间的技术差距变化决定着技术的累积, 影响着技术的吸收能力。人力资本是影响技术水平差距变化的最主要因素, 通过人力资本的流动 (通过产业集群内专业人才和信息的流动实现) , 衡量各主体的技术存量。随着主体间技术差距的不断缩小, 技术积累较低的主体通过学习效应获得技术的速度会逐渐减慢, 并且始终不能超越高技术积累主体的技术水平。因此, 一是可以通过学习效应对溢出技术进行消化吸收, 技术水平含量低的企业通过向技术存量高的企业学习、模仿来降低市场风险;二是可以通过自身的创造力推动技术积累的增加, 主要是指拥有技术水平较高和具有大量资金支持的企业, 它们是通过自主创新获取较高经济利益。可设初始状态两个不同主体的技术水平分别为A和B, 且A<B, 则初始技术差距S为:S=B-A;设两主体的人力资本分别为a和b, a<b;设k是a和b的技术创造率 (为定值) , t是a和b的技术吸收率。一段时期以后两主体的技术差距为:S, = (B+kb) - (A+at+ak) = (B-A) +[k (b-a) -at];比较S和S, 可知, 当人力资本存量不变时, k (b-a) -at决定了技术差距的变化, 此时k (ba) 为定值, S, 随着t的增加而减小。而当a和b存量可变时, 同样k (b-a) -at决定了技术差距的变化, 此时k (b-a) 变化取决于b-a的大小, 而b-a的大小取决于a和b的增长率, 当a是增长率大于b的增长率时, k (b-a) -at整体变小, 即双方技术差距逐渐缩小。反之, 双方技术差距逐渐增大。因此, 在成熟阶段, 产业集群内各主体只有通过对专业人才的培养, 提高吸收新技术的能力, 增加技术知识存量, 才能在技术差距缩小、技术溢出效应减弱时保持创新能力。
(四) 衰退阶段———技术重构过程。在产业集群的衰退阶段, 各主体间模仿现有的技术降低生产成本, 吸收技术能力降低, 技术溢出减弱, 几乎不存在创新, 产业失去了发展的动力。这时, 主导产业为了维持技术优势带来的经济利益, 将通过技术重构进行根本性的改革[7]。技术重构主要是指把产业原来拥有的技术知识、相关产业间的共享知识和发展过程中的经验知识打破, 由专业人才对这些技术知识进行融合、重组、创新, 生成新的技术知识, 再筛选出适合自身发展新技术[7]。之后, 在新技术的使用过程中, 不断改革、创新, 产生新的技术溢出, 带动产业的发展。技术知识重构的过程使产业集群的衰退阶段重新进入新的生命周期循环中, 使产业集群重新具有发展的动力因素———创新能力。
四、结语
技术溢出和经济集聚是产业集群发展的重要动力, 也是区域经济发展的关键问题。在借鉴相关学者研究的基础上, 基于产业生命周期理论, 分析了技术溢出的主要影响因素, 以及各个因素在产业集群不同生命周期阶段的作用路径。在解决产业集群发展中遇到的“瓶颈问题”时, 要把产业集群生命周期的演化机制与技术溢出的作用路径相联系, 有针对性地解决发展问题。从而得出:地理距离通过倒“U”型的影响曲线对技术扩散和交流起作用;认知距离和技术差距决定着吸收能力的强弱, 人力资本也是影响吸收能力的重要因素;这些因素共同作用于技术溢出过程, 导致技术溢出效应的改变, 进而导致企业之间创新效率的提高, 稳定产业集群的发展。同时, 也为之后研究产业集群发展的制约条件以及技术溢出对产业集群发展的影响作用提供科学的理论依据。
摘要：创新效率对产业集群竞争力的提高和产业集群的持续发展至关重要, 技术溢出效应是创新效率提高的重要途径之一。通过对相关文献的分析与整理, 得出影响技术溢出的四个关键要素:认知距离、技术差距、吸收能力和地理距离。基于产业生命周期理论, 通过分析四个因素和技术溢出的关系, 研究技术溢出与产业集群发展不同生命周期阶段的关系, 得出了这四个关键因素在产业集群不同生命周期阶段具有不同的作用过程和路径, 对产业集群的作用也是不同的, 从而为进一步丰富和发展产业结构理论和技术创新理论, 分析制约产业集群发展的条件提供借鉴意义;同时, 分析集聚经济对技术溢出、技术创新的影响, 可以为优化我国产业结构, 发挥集聚优势提供科学的理论依据。
产业转移技术溢出效应 篇4
关键词：高校研发,知识溢出R&,D活动,高新技术产业,创新产出
1 研究背景
在我国的创新体系中, 主要包括企业、科研机构、大学等创新主体。目前, 作为区域创新的主体, 大部分企业的研发投资却只占其销售收入很小一部分, 很多企业将其经费用于技术改造、技术设备引进等, 形成的结果是企业研发和自主创新能力较弱, 根本不能跟国外技术创新能力强的企业相竞争。[1]这种靠买技术创新、而不注重自我创新的问题尤其困扰大多数高新技术产业。而高校拥有丰富的研究资源, 强大的科研与知识创新能力, 其研究开发活动将会为高新技术产业企业带来源源不断的动力。
外国的学者很早就开始研究高校研发活动对企业, 尤其是高新技术企业经济活动与创新活动的影响。Anselin (1997) [2]研究发现高校研发活动与高技术产业的创新活动存在显著的正相关关系, 通过直接或间接地影响高技术产业的创新活动。Lawson (1999) [3]认为高校是知识溢出的源泉, 对区域创新活动有显著的作用;高校可以通过与企业广泛的交流中, 将其研发成果溢出到企业内部;与此同时高校与企业的技术合作能极大地提升企业的知识水平。Dumais (2002) [4]同样在其研究中指出, 高校R&D活动与当地的企业创新活动有着显著的相关关系, 提出应加强校企的合作关系。Adams (2002) [5]通过实证研究证实了高校研发活动在区域内和行业间都存在知识溢出效应, 而且在区域内的知识溢出效应更强。Kirchhoff等 (2007) [6]利用美国各州的数据研究发现高校研发对企业的创建和经济的增长都有积极的影响。
不少学者在研究高校研发与高新技术企业的关系中, 发现了高校研发对高新技术企业选址的影响。Douglas (1997) [7]发现高校研发投入对高新技术企业的选址的决策起到积极的影响, 高新技术企业为了能分享高校知识溢出效应普遍集中于高校周围约145英里的范围以内。Amington (2002) [8]的研究指出公司成立的地区往往是接近大学, 且是大学生毕业率较高的区域, 而这些公司往往是高新技术产业的企业。
国内学者在高校研发与高新技术企业的课题也进行了深入的探讨。王立平 (2005) [9]以高技术产业为例, 运用SAR模型对我国高等院校R&D知识溢出进行了实证研究, 结果发现区域内高等院校对高技术产业的知识溢出是正向的、显著的, 但是溢出程度比较低, 而且相邻区域之间的高技术创新具有空间依存性。
赵文红, 刘丽兰 (2009) [10]通过对中国27个省市1996-2005年的数据对大学研发对高新技术产业的创建进行实证研究, 结果表明大学R&D投入对高技术企业的创建有显著的促进作用, 并且间接地通过对高技术企业的创建来推动区域的就业增长。
尽管这些研究有助于了解高校研发活动对高新技术产业的创新活动的影响, 但仍存在以下的不足:一是高校活动包括基础研究、应用研究、试验发展三类不同类研发活动, 不同类型的研发活动在影响企业的创新活动的过程中往往发挥着不同的功用;二是这些研究没有考虑另一个研发主体———科研机构对高新技术产业创新产出的影响, 因为科研机构在研发方面的投入甚至比高校研发的投入还要多, 是一个不可以忽略的力量。
2 指标的选择和数据来源
对于我国31个省、直辖市与自治区, 由于西藏、海南、内蒙古、青海、新疆的数据缺失比较严重, 所以本文只选取了26个样本。其中, 2007年宁夏的高新技术产业的专利申请数缺失, 本文通过多年宁夏的高新技术产业的专利申请数的平均值作为2007年宁夏的专利申请数。
2.1 空间权重矩阵的构建
与空间相关性相关的重要指标是空间权重矩阵选择, 在地理特征空间权重矩阵的选择上, 本文采用邻接标准以及地理距离标准两种方法进行比较。
①邻接标准。在邻接标准上采用ROOK相邻规则, 即如两个地区有共同的边界取之为1, 否则为0。
②地理距离标准。根据地理学第一定律:事物之间均存在联系, 而距离较近的事物总比距离较远的事物联系更为紧密。Tiiupaas和Friso Schlitte提出了地理距离标准法为:
2.2 指标选择、数据来源
①高新技术产业的创新能力 (PA) 。一般采用企业的创新产出来表示企业的创新能力, 这里采用高技术产业专利申请量来衡量一个地区高技术产业的创新能力。数据从2001-2012年《中国科技统计年鉴》和《中国高技术产业统计年鉴》中获得。
②高校三类研发支出 (BRD、ARD、ERD) 。高校研发支出主要分为基础研究、应用研究、试验与发展三大类。考虑到高校的不同研发活动可能对区域的创新能力产生不同的影响, 本文分别选取高校基础研究支出 (BRD) 、应用研究支出 (ARD) 、试验与发展支出 (ERD) 来衡量高校的研发活动。
③高技术产业的研发支出 (HRD) 和研发人员 (L) 。高技术产业本身的研发支出和R&D人员支出是影响高技术产业创新能力的最关键的两个因素, 其中R&D人员的全时当量表示高技术产业研发人员的支出。
④科研机构研发支出 (IRD) 。科研机构是区域知识溢出的另一个源泉, 其对高技术产业创新能力的影响是不可忽略的。
基于以上相关变量的定义, 本文以我国26个省域地区为单元, 收集研究数据。数据从2001-2012年《中国科技统计年鉴》和《中国高技术产业统计年鉴》中获得。为了减少异方差的影响, 对以上数据都做了自然对数的处理。
3 实证分析
判断地区间创新产出与研发行为是否存在空间相关性, 可以采用的检验方法有:Moran’I检验、两个拉格朗日乘数形式LMERR和LMLAG、稳健 (Robust) 的R-LMERR和R-LMLAG等。
为了决定哪种空间模型更加符合客观实际, Anselin和Florax (1995) 提出了判别准则:如果在空间依赖性的检验中发现, LMLAG较之LMERR在统计上更加显著, 且R-LMLAG显著而R-LMERR不显著, 则可以断定适合的模型是空间滞后模型;相反, 如果LMERR比LMLAG在统计上更加显著, 且R-LMERR显著而R-LMLAG不显著, 则可以断定空间误差模型是适合的模型。[11]
从表1可以看出, 各项检验概率值都显著, 证实了高新技术产业的创新产出与高校研发活动之间存在较强的空间相关性, 应该运用空间面板数据模型进行研究。检验结果表明空间误差与滞后模型都适合, 但从模型的估计结果来看, 空间误差模型效果更好。所以, 本文采用空间误差模型进行后面的研究, 模型如下:
公式 (4) 中i和t分别表示城市和年份, W为空间权数矩阵, 因为它把空间的影响纳入模型, 所以它对模型 (3) 具有重要的影响, λ为n*1阶的截面因变量向量的空间误差系数, μ为正态分布的随机误差向量。参数β反映了自变量对因变量LNPA的影响。参数λ衡量了样本观察值中的空间依赖作用, 即相邻地区的观察值对本地区观察值的影响方向和程度。
表2是根据空间邻近权重矩阵和地理距离权重矩阵建立的空间误差模型的估计结果。表中 (1) 、 (2) 、 (3) 、 (4) 分别代表无固定效应、地区固定时间不固定效应、时间固定地区不固定效应以及地区与时间固定效应模型的估计结果。
从上述模型得到的估计结果来看, 估计结果 (2) 即地区固定时间不固定效应模型在模型1和模型2都优于估计结果 (1) 、 (3) 、 (4) 。
一般来说, 地区固定效应表明经济结构和自然禀赋差异带来的影响, 时间固定效应表明经济周期、突发时间等随时间变化的影响。[12]从估计结果 (2) 可以看出, Log L调整后的R平方这些统计量都说明了模型1、2都有很好的拟合度, 表明空间面板数据建构的合理性。
从表2的估计结果可以进一步得出以下的结果:
第一, 模型1和模型2的空间自回归系数都显著为正, 这表明了一个区域高等学校的研发活动不仅可以增加本区域的创新产出, 而且还能溢出到邻近区域, 引起邻近区域创新产出的增加。在估计结果 (2) 中, 即地区固定时间不固定效应模型中, 两种模型的空间相关性系数分别是0.235、0.483, 且系数显著, 表明地理位置上的相邻或接近, 有助于地区间知识、信息、创新的生产与传播。跨地区的交流与合作有助于地区之间隐形知识的发掘、传播与利用, 有助于邻近地区创新资源要素的共享与合理分配, 这同时也支持了王立平 (2006) 关于高等学校对高新技术产业的知识溢出是正向的、显著的结论。
第二, 从研发支出结构来看, 我国高校应用研究对高新技术产业的创新产出的溢出效应最强, 基础研究其次, 而试验与发展的知识溢出效应大多不显著。在地区固定时间不固定的估计结果中, 试验与发展研发支出的系数分别为0.076和0.083在统计上不显著, 说明了我国高校试验与发展研发活动对高新技术产业的知识溢出效应很弱。这主要是因为我国科技成果转化率偏低, 试验与发展研发活动的主要产出是实体技术或专利, 其下一阶段则是实现商业化, 但由于我国高校普遍对市场信息、技术需求的把握不足, 大量的创新成果被束之高阁, 无法对区域内创新产出产生知识溢出效应。[13]
第三, 科研机构对高新技术产业的知识溢出效应不显著。在地区固定时间不固定的情况下, 模型1和模型2中LNIRD的系数分别为-0.007、0.014, 且系数在统计上是不显著的。这说明了作为创新系统中的主体之一的科研机构的研发活动并没有对区域内的创新产出产生知识溢出的影响。与高校R&D内部经费支出相比, 科研机构2011年R&D内部经费支出达到了1306.7亿元, 比高校的688.8亿元还要高。但是科研机构投入基础研究和应用研究的经费都相对比较少, 而投入到试验与发展研究中的经费比较大, 是基础研究和应用研究两者之和还要多, 有55.8%的R&D经费投入到试验与发展研究当中, 而这个比例在高校中只有13.0%。所以, 科研机构与高校的重心有所差异, 科研机构侧重于试验发展, 而高校则更多地关注应用研究和基础研究。试验与发展研发活动的主要产出是实体技术或专利, 其产生的知识具有很强的独占性, 与基础研究、应用研究相比, 试验与发展得到的成果更接近于商业化, 其知识的专有性更强, 因此外部主体很难从中获得技术知识的溢出。这就说明了虽然科研机构R&D投入并不比高校的少, 但是对高新技术产业的创新产出没有明显的知识溢出效应。
4 结论与政策建议
本文运用2001-2012年全国26个省市12年的面板数据的研究, 通过了空间相关性分析和空间面板数据模型分析, 从知识溢出的地理空间效应出发, 分析高校研发活动对高新技术产业创新产出的影响以及溢出效应, 得出的结论有:
①一个区域高等学校的研发活动不仅可以增加本区域的创新产出, 而且还能溢出到邻近区域, 引起邻近区域创新产出的增加。
②高校应用研究与基础研究活动对高新技术产业的创新产出产生了显著的正溢出, 而试验与发展研究活动则没有明显的溢出效应。
产业转移技术溢出效应 篇5
溢出效应通常被用来描述技术扩散的外在性。李平 (1999) 提出, 技术溢出效应是指通过技术的非自愿扩散, 促进当地生产力和生产力水平的提高, 是经济外在性的一种表现。Kokko (1992) 认为, 技术溢出效应的发生来自两个方面:其一来源于示范、模仿和传播;其二来源于竞争。Das (1987) 发现, 溢出效应对企业已构成一种潜在成本, 因为免费搭便车的企业迟早会变得足以与溢出更多的一方相抗衡。以Das为主要代表的学者, 在20世纪80年代重点研究了竞争性的溢出效应, 但他们大多数却忽视了竞争性企业自身的决策和行为。Klibanoff和Morduch (1995) 发现, 在小溢出条件下, 合作没有现实意义, 而在大溢出前提下, 只有通过合作才能提高经济效率。Ziss (1994) 则构建了一个有溢出的两阶段双边寡头博弈模型, 将不合作方式与合资、定价及合并三种方式作了比较, 得出结论:在溢出足够大时, 上述三种合作方式的福利水平都高于不合作方式, 其中合并的福利水平最高, 定价的福利水平低于合资。在此基础上, 本文考虑的是不同于合资、定价及合并的一种全新的合作方式, 这种合作方式是以具有法律约束力的契约为保障, 具有联合开发、优势互补、利益共享、风险共担的特征, 是一种新型的技术创新合作组织。在本文中我们认为, 技术溢出效应是指在企业方和学研方充分考虑溢出存在的事实下, 通过技术的非自愿或自愿扩散, 促进企业方和学研方产品创新能力的提高, 这种经济外在性会影响企业方和学研方的行为或者策略。
技术创新是一个从新思想的产生, 到研究、发展、试制、生产制造到商业化的过程。它的主要目的有两个:一是通过技术创新设计生产出新产品, 称为产品创新;二是通过技术创新改进生产工艺, 提高生产效率, 节约生产成本, 称为生产创新。在生产创新中, 企业价格-成本边际的提高来自于生产成本的下降。在产品创新中, 价格-成本边际上升, 是由于购买者愿意为新的产品特性付出更多而导致价格上升。很多关于创新的研究都主要关注工艺创新, 然而, 在美国四分之三的企业创新投资都是用于产品创新。本文考虑技术溢出效应下, 产业技术创新战略联盟中的企业方和学研方进行产品创新过程中, 企业方和学研方的既竞争又合作的博弈行为。通过构建一个三阶段完全信息下的博弈模型, 求解联盟在技术创新阶段进行技术创新合作以及产出阶段进行古诺市场竞争的均衡条件, 得出相应结论, 以期为产业技术战略联盟的稳定运行提供科学依据。
一、基本模型的假定及描述
在Symeonidis (2003) 两阶段博弈模型的基础上, 将其扩展成一个三阶段博弈模型, 考虑在产品创新的过程中存在技术溢出效应下的联盟成员策略或行为选择, 进而探究影响联盟稳定性的相关因素和影响机理。第一阶段, 企业方和学研方决定是否进行合作创新;第二阶段, 企业方和学研方选择合作创新的投资水平;第三阶段, 企业方和学研方在产品市场上进行古诺竞争。
假设某一产业中, 存在着一个企业方和一个学研方, 分别记为U和I, 在该产业内它们各自拥有某项优势资源, 且双方资源存在着一定程度上的互补性, 企业方和学研方均能独自进行产品创新, 且产品具有同质性。在博弈过程中, 考虑两个维度上的差异性, 第一个是水平差异, 用外生变量δ∈ (0, 1) 来刻画, δ→0时, 代表企业方和学研方优势资源的互补性为0, 而当δ→1时, 代表企业方和学研方优势资源严格互补。第二个是垂直差异, 用参数u刻画, 代表产品的质量, 它与创新努力成本有关。沿用Vives (1985) 的质量提高型平方效用函数, 产品逆需求函数为:
(1) 式中, p为价格, u为产品的质量, q代表产量。为了研究的方便, 我们认为产品生产的过程中双方的固定成本均为0, 双方的边际成本均为c, 且0<c<1。同时, 为了将质量u与创新努力成本R联系在一起, 本文再引入Motta (1992) 给出的模型函数ui=εRi1/4+ερRj1/4, 其中ε>0, 用来衡量行业中技术机会指数, ρ表示技术溢出的程度, ρ∈[0, 1]。
二、模型分析
本文构造了一个三阶段完全信息动态博弈, 为了找到纳什均衡解, 可以采用逆向归纳法求解, 下面将从第三个阶段开始分析。
第三阶段:产出阶段, 企业方I和学研方U在产品市场上进行古诺竞争。I和U选择产量最大化其利润πi:
价格和产量都为正数, 通过最大化的一阶条件得出, 有:
第二阶段:I和U选择质量水平来最大化自己的利润πi-Ri, 即满足一阶最大化条件。
这代表的含义是, 每家企业选择创新努力成本的最大值是当一单位的创新投入等于其创造的收益时得到, 将求得的各个对应偏导数表达式带入 (5) 式中, 令ui=εRi1/4+ερRj1/4, 求得均衡为:
这里得到企业方和学研方最终进行产品创新质量相同的均衡, 是由于模型考虑的是对称的双寡头垄断市场结构所致。
第一阶段:I和U决定是否进行合作的产品创新, 若不进行合作产品创新, 则I和U只有选择自主产品创新, 此时, 我们需对ui=εRi1/4+ερRj1/4进行修正, 因为自主创新时很难享受到在合作创新过程中由于技术溢出效应所带来的回报, 令ρ=0, 此时,
虽然, 对于 (7) 式的可行性还有待验证, 但我们从中可以得到一点, 就是当双方选择自主产品创新时, 最终产品的质量程度降低了。由于本文考虑的产品创新和以往大多数文献考虑的过程创新最大的区别在于:产品创新是通过直接提升消费者效用而达到尽可能最大化利润的目标, 而过程创新则是通过降低其边际成本来达到同样的目标。所以, 产品质量的降低会直接导致最终利润的降低 (在不降低成本的情况下) 。
三、模型结论
结论1:存在技术创新溢出效应的情况下, 企业方和学研方都倾向于合作进行产品创新。ρ越大, 技术创新的溢出程度越大, 同等的创新努力成本下, 所获得的产品质量越高, 所得利润也越大。相反, ρ越小, 技术创新的溢出程度越小, 同等的创新努力成本下, 所获得的的产品质量越低, 所得利润也越低。
从产业技术创新战略联盟的实践来看, 也基本上符合结论1的描述。周青 (2012) 通过理论分析与实证检验揭示了技术联盟的主要方式与创新绩效之间的关联。把技术联盟划分为协作研发联盟、专利联盟和技术标准联盟三种基本模式, 得出的结论是:如果技术创新的溢出程度足够大, 那么协作研发联盟的创新绩效更好;如果技术创新的溢出程度足够小, 那么技术标准联盟的绩效更好;如果技术创新的溢出程度介于中间部分, 那么专利联盟的创新绩效会更好。
结论2:企业方和学研方的优势资源互补性越强, 双方合作进行产品创新所得的收益越多。根据 (4) 式, 在边际成本c不变, 创新努力成本R、行业中技术机会指数ε、技术溢出程度ρ一定的情形下, δ越大, 企业方和学研方优势资源的互补性越强, 其利润π的值越大。这也从理论上解释了, 为什么在产业技术创新战略联盟构建时, 有效地选择联盟伙伴对于联盟的稳定运行有着重要的影响作用。从实践上来看, 伍建民等 (2011) 调查了北京地区产业技术创新战略联盟现状, 发现北京地区大多数联盟吸引了其所在行业的顶尖企业、高等院校和研究机构加入。闪联产业技术创新战略联盟在信息产业部支持下成立于2003年7月, 是孵化于中关村、立足于中关村, 辐射全国乃至全球的标准组织和产业联盟, 致力于制定和推广IGRS标准。其核心成员几乎包含了国内所有的知名3C终端生产企业、运营服务商和大学科研院所:联想集团、TCL集团、长城集团、创维集团、海信集团、康佳集团、美的集团、网通宽带有限责任公司、清华大学、浙江大学、中国光大银行等。通过汇聚国内优势科研院所和强势企业的创新资源, 借助联盟这个极具特色的创新平台, 为“建设中国标准, 推动自主创新”作出了巨大贡献。
以结论1和结论2为前提, 我们根据Hart和Moore (2008) 在“Contracts As Reference Points”一文中提出的“契约参考点”理论, 将合作收益分为循例收益和完美收益。两者的区别是:循例收益指契约文字上的收益, 完美收益指契约精神上的收益;循例收益可被第三方证实, 也可被强制执行, 完美收益则不可被第三方证实, 也不可被强制执行。在此基础上, 我们认为当各创新行为主体从联盟项目中获得的实际收益大于或等于其循例收益时, 他愿意提供出一部分精神上的完美收益。相反, 若是从中获得的实际收益小于其循例收益时, 他会收回一部分精神上的完美收益。
结论3:在企业方和学研方合作进行产品创新的过程中, 循例收益与资源互补程度呈现负相关, 而完美收益则与行业中技术机会指数ε呈现正相关。将 (6) 式代入 (4) 式可得:
当双方选择进行自主产品创新时, 我们令ρ=0, 将其代入 (8) 式中得:
当双方选择合作产品创新时, 我们令ρ=1, 将其代入 (9) 式中得:
四、不足和展望
与以往大多数文献不同的是, 本文主要考虑在溢出效应下, 企业方和学研方进行产品创新, 然后在产品市场上进行古诺竞争时的价值实现机理。最重要的结论是, 双方之间优势资源的互补性程度是企业方和学研方是否进行合作创新的关键, 而技术溢出程度则是合作价值顺利实现的重要保证。本文模型中博弈的双方仅限于企业方和学研方, 且生产的产品具有同质性 (相同的边际成本c) , 这与常理上的学研方一般不进入产品市场, 如果进入, 情况是学科性公司的企业性质相冲突, 但考虑到若对本文模型中的第三阶段即古诺竞争阶段进行修正, 让其边际成本不相等或者是以非线性动态形式体现, 对于本文研究的问题没有实质性影响, 且太过于复杂, 故在此作一个理论上的强假设。然而, 对于引入多个产业技术联盟博弈主体, 如政府、第三方机构等, 且考虑博弈各方的信息的不完备性, 将是本文可以扩展的一个很好的方向。此外, 本文在求解模型中的均衡时, 是建立在博弈双方实力对等的情形下的, 而实际上, 产业技术联盟中依托项目进行合作创新时, 一般会有一个核心企业, 在实力不对等的情形下, 会涉及到势力对博弈的影响, 这点无疑也是值得探究的方向。本文之所以选取技术创新中的产品创新来建立模型, 是因为考虑到在产业技术联盟的实践过程, 大多数联盟的合作项目都是一些重大的产业性关键技术, 这无疑与技术创新中的过程创新相差甚远。
摘要：本文考虑产业技术创新战略联盟在技术创新过程中, 存在技术溢出效应情形下的产品创新过程, 通过构建一个三阶段完全信息下的博弈模型, 求解联盟在技术创新阶段进行合作以及产出阶段进行古诺竞争的均衡条件, 得出优势资源的互补性程度是企业方和学研方是否进行合作创新的关键, 而技术溢出程度则是合作产品创新价值顺利实现的必要条件。
产业转移技术溢出效应 篇6
从20世纪末以来,具有高技术含量、高附加值和高竞争力 “三高”特征的高新技术产业集群已经成为各国发展高新技术最为成功的模式,也成为了各国创新体系中的火车头和和领头羊。美国的硅谷、 日本的筑波、印度的班加罗尔软件园、台湾新竹科技园等成功范例已充分说明高技术产业集群是增强一个国家或地区核心竞争力和提高创新能力的有效途径。高技术产业集群在推动科技进步,提高经济增长质量,促进国家或地区经济发展方面所起到的作用是无庸置疑的,因此受到理论界及各国政府的高度重视。
综观各个国家高技术产业发展的实践,我们发现这样一个值得深思的问题,即 “为什么有的高技术产业集群能够健康发展( 如硅谷) ,而有的高技术产业集群却缺乏活力,如昙花一现( 如美国的218公路) ? 什么是高技术产业集群旺盛的生命力? 这种旺盛的生命力来自于何处?”许多学者将其归结为集群内的知识溢出,认为知识溢出是形成集群创新及其繁荣的最主要条件,知识溢出构成了集群创新能力的本质特征。知识溢出通过集群内人才的流动、企业信息的交流、知识的共享与传播、设施的共享等为集群内企业的知识及技术创新提供了适宜环境和强大动力,为产业集群持续竞争优势的建立提供了有力的支持。知识溢出效应是促进集群创新发展和集群经济增长的根本动力,是集群创新产生和生产率提高的源泉。
因此,多角度、系统深入地探讨和研究高技术产业集群内的知识溢出影响因素、知识溢出机制与溢出效应,不仅是对知识创新理论的丰富和完善, 也是对集群创新理论的有效补充。高技术产业集群创新是一个多主体的创新体系,包括企业、高校、 科研院所、中介机构和政府等,发生在高技术产业集群内的知识溢出主要是组织间的溢出,如企业与企业之间、企业与科研院所之间、企业与高校之间、 高校与科研院所之间等。本文将应用系统动力学模型与方法来系统地研究高技术产业集群组织间的知识溢出机制与知识溢出效应,进而揭示知识溢出对企业集群发展和持续创新的诱因,以期为知识溢出的研究进行有益的探索。
2文献回顾
国内外很多学者认为知识溢出是高技术企业集群发展、提高创新能力、获取竞争优势的主要动因。 新古典经济学的鼻祖Marshall［1］指出产生集聚的原因在于可以便利地获取知识溢出效应。Mac Dougall［2］在探讨东道国接受外商直接投资( FDI) 的社会效益时,提出知识的溢出效应应视为FDI的一个重要现象。Mahony和Vecchi［3］通过研究美国、英国、日本、法国和德国5个国家的数据发现,行业内部研发活动发挥非常重要的角色,能够提供更高的生产率,并认为这可以解读为支持知识溢出效应存在的证据。国内学者叶建亮［4］认为知识溢出是企业集群的重要原因,它不仅决定了集群的规模,也影响集群组织内企业的生产函数。李文宇、陈健生［5］指出高新技术产业向主要发达省份集聚的驱动因素之一是知识溢出。吴梅、龙志和［6］的研究结果表明,广东高新技术产业存在显著的MAR外溢效应和Porter外溢效应,其中MAR外溢影响最为显著。
关于知识溢出效应的研究,Grossman和Help- man［7］认为高技术企业集群的主要动因是获得同行或相关企业或机构的知识溢出,知识溢出效应可以增加集群的知识积累和新知识创造,是高技术产业集群提高创新能力,获得竞争优势的根本原因。Fal- lick,Fleischman和Rebitzer［8］指出推动集群成长的主要动力是持续的创新活动,而持续创新活动的关键因素是知识溢出,知识溢出是高技术产业开发区产生凝聚经济效应的主要原因。Propris和Drifield［9］认为在已有的集群中,集群从FDI溢出效应可以产生巨大的生产力,当国内企业进行R&D投资,进入集群中的外企也会得到知识溢出效应的好处。 Alcácer和Chung［10］发现公司定位时不仅考虑从内在知识溢出的收益也考虑向外的溢出效应的损失。Gil- bert,Mc Dougall和Audretsch［11］发现位于地理集群中的企业能从当地的环境中吸收更多的知识,从而有更高的经济增长和创新绩效。 Todo, Zhang和Zhou［12］指出,研究生或有海外教育背景的员工在跨国企业中有巨大的溢出效应。
为了进一步研究知识溢出对集群带来的正负效应,王子龙、谭清美［13］在Logistic曲线的基础上建立了知识溢出效应模型,认为知识溢出在带来区域集聚经济、规模经济形成的同时也造成区域产品雷同化和网络内部企业的竞争加剧,并提出了 “使知识溢出效应的外部性内在化”的解决问题的有效途径。张秀武、王波［14］的实证结果表明知识溢出对区域高技术产业技术创新产出影响显著。沙文兵、李桂香［15］的研究表明外资企业R&D活动对内资企业产生了一定的知识溢出效应,一定程度上推动了内资企业创新能力的提高。刘满凤、唐厚兴［16］通过计算机仿真研究了知识溢出对组织间知识分布的影响, 为学术界关于知识溢出会使不同企业技术水平趋于相同还是走向分化的争论提供了有益的参考。
影响知识溢出的因素很多,Saxenian［17］提出知识溢出与企业的吸收能力密切相关。Jaffe,Traijtenberg和Henderson［18］为检验知识溢出与地理接近的关系, 通过比较初始专利和引用专利的地理位置,认为知识溢出以专利引用的形式留下了纸痕。Maurseth和Verspagen［19］指出知识溢出效率的高低还取决于受溢者的吸收能力与溢出者和受溢者之间的地理距离, 知识溢出的地理维度来源于隐性知识与显性知识的差异。Lim［20］强调自身的R&D投资是提高企业吸收能力的重要手段。Szulanski［21］用复杂性和隐性两个特征变量来刻画知识,认为复杂的与特定情境相关联的知识往往令人难以理解,越复杂的知识产生越高程度的模糊性,认为知识的复杂性和隐性程度越高,就越不利于产业集群网络中知识的溢出。Whit- tington,Smith和Powell［22］对1988 - 1999年美国生命科学集群研究表明,集群的地理位置和网络结构对知识溢出有着不可忽视的影响。Shafiei,Ghofrani和Saboohi［23］研究表明技术追随者的吸收能力、吸收速度、知识的复杂性都是知识溢出过程的影响因素。 朱秀梅、蔡莉［24 － 25］研究高技术产业集群创新的结果表明,知识溢出、企业吸收能力、集群社会资本、 企业创新绩效这几个要素之间存在较复杂的作用关系。刘红丽等［26］分析了高技术产业集群中知识源的知识表达能力、知识传递能力、知识转移意愿,知识受体的吸收能力、学习愿望和竞争压力,集群的集聚程度和距离,知识源与知识受体的接触频率对隐性知识转移的影响,绘制了高技术产业集群隐性知识转移的因果关系图。
关于知识溢出的渠道,Saxenian［17］认为集群成员间的广泛互动( 包括非正式交流) ,为知识溢出提供了有利的条件。Fallick,Fleischman和Rebitz- er［8］认为快速和经常发生的员工跳槽是硅谷高技术集群的微观基础,人员流动带来的知识溢出是聚集的一个重要因素。Kesidou和Romijn［27］在分析乌拉圭蒙得维的亚的软件企业集群时指出,集群内劳动力的流动、公司拆分和非正式交流都会引发本地知识溢出( LKS) ,LKS对区域创新和经济增长有显著的正向影响。Kloosterman［28］在研究鹿特丹和阿姆斯特丹的建筑公司间的知识溢出效应时指出,衍生企业、人才流动和专门机构行使了知识交流桥梁的职责。魏江［29］揭示了知识溢出的经济性和存在意义, 分析了集群中知识溢出的途径和影响因素及知识溢出的动态控制机制,提出了既能使每个集群成员发展具有自身特征的知识,又能激励集群成员承担应有的知识溢出义务,维持知识溢出和知识控制之间的动态平衡的策略。
从以上研究可以看到,国内外许多学者对知识溢出是集群的一个重要驱动因素达成了共识,但因知识溢出的度量比较复杂,知识溢出效应的定量研究比较困难,大多数学者的研究都是对知识溢出效应的定性分析,定量分析相对较少,本文拟借鉴Shafiei,Ghofrani和Saboohi的知识溢出在知识积累中的思想,结合高技术产业集群的特点来分析其组织间的知识溢出效应,以期能从定量角度描绘高技术产业集群组织间知识溢出的效应。
3集群内组织间的知识溢出影响因素及反馈模型建立
系统动力学( system dynamics,简称SD) 是一门分析研究复杂信息反馈系统动态趋势的学科,SD借助计算机仿真技术来研究和分析复杂系统内部结构与外部动态行为的关系,为系统决策者提供决策所需要的科学依据。SD模型能处理高阶次、非线性、多重反馈的复杂时变系统。本文的知识溢出是一个系统工程,该系统结构复杂、影响因素众多、 系统行为有时滞现象,这些特征提示我们可以用系统动力学的方法来研究知识溢出。为研究方便,本文考虑集群内只有两个组织的单向知识溢出情形, 这两个组织分别称之为知识的溢出者和知识接收者, 简称为溢出者和接收者。
3. 1知识溢出影响因素分析
Cohen和Levinthal［30］认为内部研发和外部溢出是科学技术知识流的两大来源,并依此开创性地给出了如下著名的知识流公式:
其中Rj是企业i自身在研发上的投资,是同行业或相同技术领域的其他企业在研发上的投资总额;θ是知识溢出程度,U是背景知识水平;是企业可以利用外部知识资源的总量;是企业吸收能力。
由于知识的无损耗性,即溢出者在溢出知识后其自身的知识并不会减少,运用Cohen和Levinthal的知识流公式并考虑到知识的折旧,假定知识溢出者的知识存量变化只与自身的知识折旧和自身的R&D有关,接收者的知识存量变化不仅与自身的知识折旧和自身的R&D有关,而且与接收者吸收的知识量有关,而接收者吸收的知识量由知识难度系数、 知识溢出度、接收者的吸收能力决定。
( 1) 溢出度。知识是一种除了失效外不含损耗、可重复使用和共享的资源。1958年,奥地利生物学家Polanyi［31］最早提出 “隐性知识”概念,他认为知识分为显性知识和隐性知识两类。显性知识是能够用明确符号表述的知识,如以文字、图表和数学公式等表述的知识,隐性知识是人们意识到、但难以言传和难以用符号表达的知识。考虑到高技术产业的特点,Shafiei,Ghofrani和Saboohi［23］将高技术产业的知识分为创新知识和背景知识,认为创新知识是最近的创新活动所产生的知识,背景知识是普适性知识,这部分知识为创新知识的发展提供基础。本文将上述两种对知识的分类结合起来,把高技术产业的知识分为显性的背景知识、隐性的背景知识、显性的创新知识和隐性的创新知识。
知识溢出的关键因素涉及知识自身的特性。新的知识诞生后,其中可用语言、文字、图形和符号等整理、编码的显性知识,在被使用和流动过程中都会自然地溢出,知识的隐性程度越低,知识自然溢出的程度就越高。本文用溢出度 θ 表示知识溢出的程度,用自然溢出度表示知识自然溢出的程度, 为研究方便,假定知识的自然溢出度 α ( 0α1) 为一个定值。除自然溢出的知识外,余下的知识( 1 - α) 是需要接收者通过努力才能获取溢出,即是这些知识能否被接收者获取和获取的程度,与溢出者的溢出意愿和接收者的R&D有关,获取的程度会随溢出者的溢出意愿的增大而提高。本文认为溢出者的溢出意愿主要与溢出者感受到的来自接收者的威胁有关,溢出者如感觉接收者的知识与自己的知识太相近,知识溢出可能减少自身的利益,溢出意愿就会越低。
研发投入的作用不仅在于直接带来了新知识, 更重要的是增强了接收者对外来技术的模仿、学习和吸收能力,所以接收者的R&D投入越大,余下的知识被获取的可能性越大。影响溢出度的因素如图1所示。
( 2) 知识难度系数。Shafiei,Ghofrani和Sa- boohi认为知识难度系数是一个由知识自身的特性决定的量,接收者实际感知到的知识难度不仅与知识自身的难度系数有关,而且与所感知的背景知识相似度和预期的创新知识的难度系数有关。感知的背景知识相似度和预期的创新知识难度系数都与接收者的创新能力有关,创新能力越高,感知和预期的能力越强。感知的背景知识相似度还与背景知识的相似度有关,当接收者的背景知识与溢出者的背景知识越相似,接收者感知的背景知识相似度越高, 此时接收者感觉知识的难度系数越低。
接收者感知的创新知识难度系数与创新知识相似度有关,创新知识相似度越大,溢出者和接收者的创新知识越接近,接收者没有太多的新东西可向溢出者学习,只依赖它自己的R&D,这时,接收者感知的知识难度系数将会增加。
为平滑感知的创新知识难度系数的激烈起伏, 本文假设调整时间为2年。
影响感知的知识难度系数的因素如图2。
在图2中存在两个反馈环:
反馈环1: 感知的难度系数→吸收能力→吸收速度→溢出的知识→接收者的知识存量→接收者的背景知识→背景知识相似度→感知的背景知识相似度→感知的难度系数,这是一个正反馈环。
反馈环2: 感知的难度系数→吸收能力→吸收速度→溢出的知识→接收者的知识存量→接收者的创新知识→创新知识相似度→感知的创新知识难度系数→预期的创新知识难度系数→感知的难度系数, 这是一个负反馈环。
( 3) 吸收能力。吸收能力是企业学习、消化外部新知识并最终商业化应用的能力,吸收能力与外部知识的难度有关,在其它条件不变的情况下,实际感知的外部知识难度的增加会降低企业的吸收能力。
溢出的知识要有效地被吸收,先决条件是接收者具备吸收此项新知识的能力以及学习强度足以引发学习动机。吸收新知识不只是记忆与背诵,而是将新知识纳入自己现有的知识体系中加以充分利用。 Kwanghui通过实证分析认为,企业R&D活动、企业外部网络关系会影响企业的吸收能力。吸收能力与R&D投入具有密切关系,自身的R&D投资是提高企业吸收能力的重要手段。R&D活动除了会带动创新与开发新产品之外,对强化组织的吸收能力也会具有显著的效益,企业R&D投入增强了企业对外来知识的吸收、学习和模仿的能力,使得企业拥有更强的技术能力去吸收外部知识溢出。影响接收者吸收能力的因素见图3。
3. 2知识溢出反馈模型的建立
基于以上分析,建立如下的知识溢出反馈模型( 见图4) 。从图4中可以看出与知识接收者知识存量相关的反馈环有6个( 见图5) 。
反馈环3: 接收者的知识存量→溢出的知识→ 接收者的知识存量,这是一个负反馈环。
反馈环4: 接收者的知识存量→接收者的知识折旧→接收者的知识存量,这是一个负反馈环。
反馈环5: 接收者的知识存量→接收者的创新知识→接收者显性的创新知识→接收者的显性知识 →接收者对溢出者的知识相似度→溢出意愿→溢出度→溢出的知识→接收者的知识存量,这是一个负反馈环。
反馈环6: 接收者的知识存量→接收者的背景知识→接收者显性的背景知识→接收者的显性知识 →接收者对溢出者的知识相似度→溢出意愿→溢出度→溢出的知识→接收者的知识存量,这是一个负反馈环。
反馈环7: 接收者的知识存量→接收者的背景知识→背景知识相似度→感知的背景知识相似度→ 感知的难度系数→吸收能力→吸收速度→溢出的知识→接收者的知识存量,这是一个正反馈环。
反馈环8: 接收者的知识存量→接收者的创新知识→创新知识相似度→感知的创新知识难度系数 →预期的创新知识难度系数→感知的难度系数→吸收能力→吸收速度→溢出的知识→接收者的知识存量,这是一个负反馈环。
4模拟仿真及结果分析
4. 1仿真模型建立
依据以上对高技术产业集群内组织间知识溢出各因素的反馈分析,建立仿真模型,仿真模型关系设定基于上述分析并借鉴文献［23］后修改,具体如下:
(1)起始时间=2012
(2)结束时间=2032
( 3) 知识折旧率= 0. 03
( 4) 知识折旧= 知识存量* 知识折旧率
( 5) 接收者的知识存量= INTEG ( 接收者实现的R&D + 溢出的知识- 接收者的知识折旧,12000)
( 6) 接收者的背景知识= MIN ( 接收者的知识存量,溢出者的背景知识)
( 7) 接收者的创新知识= MAX ( 0,接收者的知识存量- 溢出者的背景知识)
( 8) 显性的背景知识= 背景知识* 背景知识的显性因子
( 9) 背景知识显性因子= 0. 8
( 10) 显性的创新知识= 创新知识* 创新知识的显性因子
( 11) 创新知识显性因子= 0. 5
( 12) 显性知识= 显性的背景知识+ 显性的创新知识
( 13) 接收者对溢出者的知识相似度= 接收者的显性知识/ ( 溢出者的显性知识+ 溢出者的隐性知识)
( 14) 溢出意愿= IF THEN ELSE ( 接收者对溢出者的知识相似度> 0. 6,0. 1,0. 15)
(15)接收者的R&D=RAMP(1,2012,2032)
( 16) 溢出度= 1 - ( 1 - 自然溢出度) * EXP ( - 溢出意愿* 接收者的R&D)
( 17) 溢出的知识= ( 可得的溢出者的知识- 接收者的知识存量) * 溢出度* 吸收速度
( 18) 创新知识相似度= 接收者的创新知识/溢出者的创新知识
( 19) 背景知识相似度= 接收者的背景知识/溢出者的背景知识
( 20) 感知的背景知识相似度= 接收者的创新能力* 背景知识相似度
( 21) 感知的创新知识难度系数= 接收者的创新能力* ( 创新知识相似度^2)
( 22) 预期的创新知识难度系数= SMOOTH ( 感知的创新知识难度系数,2 )
( 23) 感知的难度系数= 知识的难度系数- 感知的背景知识相似度+ 预期的创新知识难度系数
( 24) 吸收能力= 1 - 1* 感知的难度系数* EXP ( - 0. 01* 接收者的R&D/感知的难度系数)
( 25) 吸收速度= 吸收能力/吸收时间
( 26) 吸收时间= 1
( 27) 可得的溢出者的知识= DELAY FIXED ( 溢出者的知识存量,2,18000 )
( 28 ) 近来的R&D = TIME STEP * 溢出者的R&D
( 29) 隐性的背景知识= 背景知识* ( 1 - 背景知识的显性因子)
( 30) 隐性的创新知识= 创新知识* ( 1 - 创新知识的显性因子)
( 31) 隐性知识= 隐性的背景知识+ 隐性的创新知识
( 32) 实现时间的延迟= 3
( 33) 接收者最初的R&D投入= 500
( 34) 接收者实现的R&D = DELAY1I ( 接收者的R&D,实现时间的延迟,接收者最初的R&D投入)
( 35) 溢出者的背景知识= MIN ( 溢出者的知识存量- 近来的R&D,0. 8* 溢出者的知识存量)
( 36) 溢出者的创新知识= 溢出者的知识存量- 溢出者的背景知识
( 37) 溢出者的知识存量= INTEG ( " 溢出者的R&D" - 溢出者的知识折旧,18000)
( 38) 知识势差= 溢出者的知识存量- 接收者的知识存量
( 39) 溢出者的R&D = WITH LOOKUP
( Time,( [( 2005,0 ) - ( 2100,3000 ) ],( 2007, 745) ,( 2012,810) ,( 2022,1160) ,( 2032,1590) ) )
( 40) SAVEPER = TIME STEP
( 41) IME STEP = 1
4. 2仿真结果分析
( 1) 接收者不同创新能力情况下,接收者的知识存量变化和接收者与溢出者知识势差变化。图6、 图7是知识的难度系数为1,自然溢出度为0. 3,溢出者和接收者的初始知识存量分别为18 000和2 000,接收者的创新能力分别为0. 1、0. 3、0. 5、 0. 7、0. 9时,接收者的知识存量和接收者与溢出者的知识势差随时间变化的仿真结果。从图6中可以看出,接收者知识存量随时间推移逐渐增大,并且不管创新能力为多少,接收者的知识存量从某一时间点以后都是一样的,这表明经过相当长的一段时间,接收者几乎不再从溢出者那里接受知识,知识存量的变化只与接收者自身因素有关。创新能力强的接收者的知识存量增加速度较创新能力弱的接收者的知识存量增加速度快。这正是反馈环7和8作用的结果: 接收者创新能力越强,感知的背景知识相似度越大,从而感知的创新知识难度系数越小, 吸收能力越强,知识存量增加越快。
本文假定溢出者的知识存量只与自身的R&D和折旧有关,所以随着接收者知识存量随时间推移逐渐增大,接收者与溢出者的知识势差随时间推移逐渐减小。开始时知识势差较大,知识复杂性偏高, 导致接收者的吸收能力偏低,此时接收者较低的知识存量让溢出者感受不到( 或感受较轻) 来自接收者的竞争压力,从而知识保护意识偏低,溢出意愿较高,接收者吸收的知识多,因此知识势差开始时快速降低而后降低速度放缓( 见图7) 。仿真结果分析的( 2) ( 3) ( 4) 中有关知识势差的结果分析类似,不再赘述。
( 2) 不同初始势差情况下,接收者的知识存量变化和接收者与溢出者知识势差变化。图8、图9是知识的难度系数为1,自然溢出度为0. 3,接收者的创新能力为0. 3,溢出者的初始知识存量为18000,接收者的初始知识存量分别为2 000、7 000、 12 000、17 000时,即初始知识势差为16 000、11 000、6 000、1 000时接收者的知识存量和接收者与溢出者的知识势差随时间变化的仿真结果。从图8可以看出,随时间的推移,接收者知识存量以递减的速度逐渐增大,初始势差小的接收者的知识存量增加速度较初始势差大的接收者的知识存量增加速度慢,这正是反馈环5和6作用的结果: 接收者与溢出者知识势差越小,接收者对溢出者的知识相似度越大,溢出者会感到潜在竞争压力的增大,利益可能受损因而溢出意愿小而导致。知识势差的结果分析同( 1) 。
( 3) 不同知识难度系数情况下,接收者的知识存量变化和接收者与溢出者知识势差变化。图10、图11是知识的自然溢出度为0. 3,接收者的创新能力为0. 3,溢出者和接收者的初始知识存量分别为18000和2000,知识的难度系数为1、0. 8、0. 6、 0. 4时,接收者的知识存量和接收者与溢出者的知识势差随时间变化的仿真结果。从图10中可以看出,接收者的知识存量随时间推移逐渐增大,知识的难度系数越大,接收者的知识存量增加速度越慢, 这正是反馈环7和8作用的结果: 由于知识的难度系数越大,接收者感知的难度系数也越大,导致接收者的吸收能力降低,吸收速度减慢,知识溢出也减小。知识势差的结果分析同( 1) 。
( 4) 不同自然溢出度情况下,接收者的知识存量变化和接收者与溢出者知识势差变化。图12、 图13是知识的难度系数为1,接收者的创新能力为0. 3,溢出者和接收者的初始知识存量分别为18000和2000,自然溢出度为0. 1、0. 4、0. 7、1时,接收者的知识存量和接收者与溢出者的知识势差随时间变化的仿真结果。从图12中可以看出,接收者知识存量随时间推移逐渐增大,而且自然溢出度越大, 接收者的知识存量增加速度越快,这正是反馈环5和6作用的结果: 自然溢出度越大,溢出度就越大, 知识溢出越多,接收者的知识存量增加越多。知识势差的结果分析同( 1) 。
5结论
本文应用系统动力学模型分析了高技术产业集群内两个组织间的单向知识溢出,通过模拟仿真得出,知识溢出中接收者与溢出者间的知识势差会随着时间的推移而逐渐减小,接收者知识存量的增加及增加速度与初始知识势差、知识的难度系数、知识的自然溢出度、接收者的创新能力有关。初始势差小的接收者的知识存量增加速度较初始势差大的接收者的知识存量增加速度慢、接收者的知识存量增加速度随知识的难度系数的加大而减慢、随自然溢出度的增大而加快、随接收者的创新能力的增强而加速。
高技术产业的知识更新速度较快、知识商业寿命较短,这使得接收者吸收知识的速度非常关键。 速度越快,意味着可以更快地利用吸收到的知识进行再创新,从而尽早实现知识的效能; 速度慢意味着吸收的知识可能过时,成为冗余知识。在知识爆炸、知识更新周期越来越短的当今时代,接收者搜寻溢出知识时找准定位非常重要,选择接收多宽的知识势差以及多大自然溢出度、多高难度系数的知识,明确自身的创新能力以及自身创新能力的提升空间,对这些影响因素做前期评估,是保证知识溢出的有效性的重要举措。
摘要：知识溢出是企业集群发展、提高创新能力、获得持续竞争优势的驱动因素之一,但其过程仍是一个“黑箱”。应用系统动力学模型分析在高技术产业集群内组织间的知识溢出过程中,知识的难度系数、自然溢出度、接收者的创新能力、溢出者和接收者的初始知识势差对组织知识存量和组织间知识势差的影响,得到的结论是,知识的难度系数、知识势差一定程度上阻碍知识溢出,而自然溢出度和接收者的原始创新能力则加速知识溢出。
产业转移技术溢出效应 篇7
产业集群是指在特定的领域中, 一群在地理上集中, 且有相互关联的企业、专业化供应商、服务供应商、相关产业的厂商以及相关的机构 (如大学、制定标准化的机构、产业协会等) 所构成的群体。产业集群能够形成的重要原因是集群成员之间能够产生溢出效应, 对此, 学术界已经形成共识。目前, 我国一些地区的产业集群由于聚集程度偏低, 群内成员间分工不合理, 导致溢出效应损失严重, 这不利于地区主导产业的培育, 不利于支柱产业的振兴, 也不利于衰退产业的调整, 已在一定程度上影响我国经济可持续发展。因此, 需要深入研究产业集群的溢出效应, 并充分利用积极的溢出效应, 培育地方主导产业和支柱产业, 发展产业集群, 提高国民经济的质量和效益。
2 国内外研究概况
关于产业集群溢出效应的研究最早可以追溯到马歇尔。马歇尔 (1920) 解释了基于外部经济的企业在同一区位集中的现象。他发现了外部经济与产业集群的密切关系。他认为产业聚集在某一特定区域持续增长时, 产业聚集区会出现熟练劳工市场和先进的附属产业, 或产生专门化的服务性行业, 以及改进铁路交通和其他基础设施等, 这些都会为企业带来外部经济利益。庇古 (1920) 最先阐明了溢出效应这一概念, 他认为, 在一方为另一方提供某种服务的过程中, 同时为第三方带来好处或损失, 这种附带形成的后果, 第三方作为受益者不会支付报酬, 作为受害者也得不到补偿。此类受益或受损, 没有通过货币或市场交易反映出来, 都不由发生作用的双方承担, 所以是一种外部效应。对于经济主体来说, 如果外部效应带来了利益, 称作外部经济或积极溢出;相反, 如果外部效应带来了损失, 称作外部不经济或消极溢出。目前, 国内外学者对产业集群溢出效应的研究主要集中在知识溢出效应和技术溢出效应两个方面。如Romer (1986) 提出了知识溢出模型, 通过假设知识和技术的创造是投资的一个副产品来消除掉报酬递减的趋势, 开创了新经济增长理论, 在模型中, 假定知识是厂商进行投资决策的产物, 知识不同于普通商品之处在于知识具有溢出效应, 这使任何厂商所生产的知识都能提高全社会的生产率, 正是由于知识溢出的存在, 资本的边际生产率才不会因固定生产要素的存在而无限降低, 内生的技术进步是经济增长的动力;Lucas (1988) 认为由知识溢出的聚集经济、规模经济产生的技术外部性和金融外部性使要素边际收益递增, 从而引起经济活动的地域空间聚集和扩散;Werner (2008) 通过实证研究了知识溢出和地理上接近的公司间的相互信任对买卖双方关系的影响。特别是传入性知识溢出对纵向相关企业的影响。结果表明, 从业务伙伴来的传入性知识溢出和企业间的信任度之间存在一种积极的关系;黄志启 (2012) , 以高科技产业集群中企业衍生为例, 对知识溢出、知识流失、企业研发以及知识获取等要素进行模型分析, 结果表明, 在高科技产业集群中, 知识溢出的短期效应是企业出现知识溢出负外部性即企业知识流失, 知识溢出的长期效应具有正外部性。对于产业集群技术溢出效应的分析, 重点是在运用知识或者创新的产出方程, 检验区域邻近对技术创新、知识溢出效应的作用, 进而得出产业集群、知识溢出与技术创新关系的若干结论。如吴玉鸣 (2007) 采用空间计量经济学理论方法, 对我国省域研发、知识溢出与区域创新之间的关系进行理论分析与实证检验。
综上所述, 国内外学者主要从知识溢出效应和技术溢出效应等角度, 分析溢出效应的内涵、本质特征、形成机制、溢出途径, 以及溢出效应与国家、区域、集群的关系、效应评价等。然而, 如何计算产业集群成员之间的溢出效应?迄今为止, 仍然处于探索之中。本文通过构建产业集群溢出效应模型, 得出计算溢出效应的公式, 并对模型进行了分析。在此基础上, 提出促进我国产业集群发展的政策, 为我国政府培育地方主导产业和支柱产业, 发展产业集群提供理论支持和决策参考。
3 产业集群溢出效应模型的构建与分析
设某个产业集群有m个成员, 每个成员既是溢出效应的溢出方, 又是溢出效应的接受方, 该产业集群成员间的溢出效应模型如图1所示。设第i个成员的溢出效应为Si (i=1, 2, ……, m) , 第j个成员对第i个成员溢出效应的有效溢出率为rij (i=1, 2, ……, m;j=1, 2, ……, m, i≠j) , 其中, -1≤rij≤1;由于产业集群每个成员不会接受自己的溢出效应, 所以, rii=0。则第i个成员获得的溢出效应Di (i=1, 2, ……, m) 计算如下:
因此, 该产业集群的总溢出效应为:
由公式 (6) 可知, 决定一个产业集群溢出效应多少的因素有两个:一个是集群成员各自溢出效应的大小, 另一个是集群成员之间有效溢出率的高低。
产业集群某一成员溢出效应的大小主要由该成员的产出水平和技术水平共同决定的。该成员产出水平越高, 其所需群内其他成员协作的深度和广度就越大, 对其他成员的拉拔效应就越大, 其溢出效应也就越大;同理, 该成员技术水平越高, 其所拥有的可以被群内相关企业模仿的技术就越多, 其溢出效应也就越大。
产业集群的溢出效应可分为纵向溢出效应和横向溢出效应:纵向溢出效应是指集群内上下游企业之间的溢出, 如供应商—生产商、生产商—客商之间的溢出效应, 这种溢出效应促进了双方的发展, 其有效溢出率为1>rij>0。横向溢出效应是指集群内竞争企业之间的溢出, 这种溢出效应往往是从高技术水平企业向低技术水平的企业溢出, 因此, 当高技术水平企业向低技术水平企业溢出时, 促进了后者的发展, 其有效溢出率为1>rij>0;反之, 其有效溢出率为0>rij>-1。当然, 两个相互独立的群内成员之间没有溢出效应, 有效溢出率rij=0。产业集群成员间有效溢出率数值的大小主要由以下因素决定:一是集群内低技术水平企业对溢出效应的吸收能力的强弱决定, 吸收能力越强, 有效溢出率的数值就越大;二是集群内企业雇员相互交流或流动的频度, 雇员相互交流的时间越多, 或者流动的频度越大, 有效溢出率的数值就越大;三是群内企业的衍生频率的高低, 由于企业衍生加速了群内企业雇员的流动和技术的扩散, 因此, 企业衍生频率越高, 有效溢出率的数值就越大。
4 结论与政策建议
依据对产业集群溢出效应模型的分析, 结合公式 (7) , 可以得出以下结论:
(1) 产业集群的溢出效应可以是积极溢出, 也可以是消极溢出。当溢出效应是纵向溢出或者从高技术水平企业向低技术水平企业溢出时, 其溢出效益为正值, 是积极溢出;当溢出效应从低水平企业向高技术水平企业溢出时, 即前者以低技术、低价格的产品同后者竞争, 甚至形成“拼成本、拼价格、拼数量”的低成本竞争状态, 使得后者的创新投入得不到有效补偿, 因此, 其溢出效应是负值, 是消极溢出。
(2) 产业集群内单个企业的产出和技术水平越高、低技术水平企业的吸收能力越强、不同企业的雇员相互交流的时间越多、雇员流动的频度越大、企业衍生频率越高, 该产业集群的溢出效应就越大。
根据本文研究结论, 提出如下促进我国产业集群发展的政策建议:一是政府努力促进产业集群成员尽量沿产业链纵向互补化分工合作, 避免群内企业沿产业链横向同质化分工竞争, 使得整个集群尽可能产生积极的溢出效应;如果一个产业集群内企业主要沿产业链横向同质化分工竞争时, 政府应该对高技术水平企业进行补偿, 以抵消消极的溢出效应给高技术水平企业带来的负面影响。二是政府应积极培育集群内的骨干企业群, 使其在产值和技术水平上, 大幅领先群内其他企业, 以增加其自身的溢出效应。三是鼓励群内企业聘用高素质人才、并培训现有雇员, 提高企业雇员的整体素质, 增加群内企业对溢出效应的吸收能力。四是通过大学、行业协会等机构促进企业雇员之间经常交流, 支持企业雇员合理流动, 从而促进技术溢出和扩散。五是通过税收减免、财政补贴等手段, 鼓励企业衍生, 由于衍生企业和母体企业之间存在着千丝万缕的联系, 它促进了人才的交流, 强化了因人才流动而引发的技术溢出和扩散效应。通过这五项政策措施, 可以大幅度增加产业集群积极的溢出效应, 从而促进产业集群快速发展。
参考文献
[1]陈金梅, 赵海山.高新技术产业集群网络关系治理效应研究[J].科学学与科学技术管理, 2011, (6) :154-158.
[2][英]马歇尔.经济学原理 (上卷) [M].朱志泰 (译) .商务印书馆, 1997.
[3] (英) 阿瑟.庇古.福利经济学[M].台北:台湾银行经济研究室, 1971.
[4]R omer P, Growth Based on Increasing Returns and Long-run Growth[J].Journal, of Political Economy, oct, 1986.
[5]Lucas R.E.on the Mechanics of Economic Development[J].Journal of Monetary Economics, 1998, 7.
[6]WernerBonte.Inter–firmtrustinbuyer–supplierrelations:Areknowledge spillovers and geographical proximity relevant[J].Journal of Economic Behavior&Organization, Volume67, Issues3-4, September2008:855-870.
[7]黄志启.高科技产业集群中知识溢出效应的模型分析[J].科技进步与对策, 2012, (3) .