欧盟对民营企业自主创新的效应

第三节　欧盟FDI对民营企业自主创新的效应

一、自主创新能力评价指标体系的建立

（一）自主创新的内涵

自主创新能力评价指标体系本质上涉及如何使用数学统计量来定义自主创新能力，从而为讨论FDI与自主创新之间的关系提供衡量依据。要做到这一点，首先要正确理解自主创新的科学内涵。

熊彼特（Schumpeter，1934）对“创新”进行了定义，他认为“创新”就是“建立一种新的生产函数或供应函数，是在生产体系中引进一种生产要素和生产条件的新组合”。后来，国外学者又分别从技术角度、制度角度对创新能力进行了研究和探索，如伊诺思（J.L.Enos，1962）、林恩（Lynn，1962）、曼斯菲尔德（Mansfield，1974）、弗里曼（Freeman，1973）以及美国国家科学基金会（NSF，1976）等分别对“技术创新”进行了定义。缪尔塞（Museser）通过对300余篇有关“技术创新”论文的系统整理与分析，给出如下定义：技术创新是以其构思的新颖性和成功实现为特征的有意义的非连续性事件。

自主创新是与模仿创新相对应的，我们沿袭熊彼特对创新的定义，把自主创新定义为：自主创新指的是一个经济体使用自身人力资本、研发等创新要素投入，在一定的创新环境下，基于自身能力创造出具有独立知识产权的新知识、新技术、新管理理念等创新成果，以及将这些创新成果转化为再生产要素的一个过程。

下面我们将构建一个数理统计量作为衡量自主创新能力的指标，为本书的计量分析提供研究基础。

（二）自主创新的衡量指标

国家统计局国家经济景气监测中心曾在2006年发布《中国企业自主创新能力分析报告》，确定了衡量中国自主创新能力的4个一级指标和30个二级指标，具体如表4-3所示。

表4-3　自主创新能力评价指标体系

我们使用SPSS软件，对4个一级指标下的30个二级指标，采用因子分析法确定各个地区的自主创新能力。因子分析的主要目的是从多个原始变量中导出少数几个主要因子，使这几个因子尽可能多地保留原始变量中的信息，且彼此间互不相关，以方便计量分析时对数据资料的利用。

我们对2000—2011年间我国（港、澳、台地区除外）31个省级行政单位的自主创新指标进行了方差分析。我们以2000年为例，对自主创新能力进行因子分析，得到的2000年方差解释如表4-4所示。

表4-4　2000年因子分析总体方差解释

续表

数据来源：2001—2012年《中国科技统计年鉴》。

注：由于2000年各省份在第29、30个二级指标上有数据缺失，为了保证分析的科学性，这里仅使用了前28个二级指标。

从表4-4中可以发现，只有第1—4个二级指标特征根大于1，从严格意义上讲可将第1—4个二级指标作为以上自主创新指标的主因子，前4个二级指标累计方差贡献为91. 823%，而第1个二级指标的累计方差贡献仅为67. 393%，因此本书研究选取前4个二级指标作为衡量自主创新能力的评价指标，分别记为F₁，F₂，F ₃和F 4。根据表4-4中两个主因子的方差贡献，构筑自主创新综合统计量F：

根据上式，可得到各年自主创新综合统计量F，并计算出我国（港、澳、台地区除外）31个省级行政单位2000—2009年间各年自主创新能力的综合指标，如表4-5所示。

表4-5　2000—2011年间中国自主创新能力指标

续表

数据来源：2001—2012年《中国科技统计年鉴》。

二、欧盟FDI与中国民营企业自主创新效应的实证研究

（一）模型构建

1.模型构建

自主创新本质上是新技术的产生过程，在这个过程中需要很多要素投入，如科研经费和研发人员等，因此，我们在这里借鉴了投入—产出模型，用生产函数来定义自主创新。

其中，I表示各地区自主创新能力，L、K分别表示我国各地区的R＆D人员和R＆D经费；FDI表示各地区欧盟直接投资水平，用来衡量欧盟对华投资水平对我国企业自主创新的影响；PGDP表示衡量各地区经济发展水平的控制变量。

根据式（4. 7），我们得出具体的回归模型如下：

模型中的α为常数项，β1和β2用来衡量科研投入要素对地区自主创新能力的作用，β3是衡量欧盟对中国各地区的FDI对其自主创新能力的影响，PGDP是衡量各地区经济发展水平的控制变量。

（二）实证检验

1.数据说明

实证分析的样本包含了2000—2011年间浙江、江苏、江西、黑龙江、广东、湖南、河南、山东、山西、辽宁、陕西这11个省份以及北京、上海这2个直辖市的面板数据（共150个），样本的区域分布和经济结构具有一定的代表性。其他省份或地区的数据未被采用的原因是，这些省份和地区的外商直接投资数据未进行明确的国别或地区分类，无法得出欧盟的具体投资金额。其中，各地区R＆D人员和R＆D经费数据来源于历年《中国主要科技指标数据库》，人均GDP和欧盟FDI数据来源于历年各地区的《统计年鉴》，并利用2000—2011年间人民币对美元的平均汇率值对欧盟FDI进行单位换算。

2.回归结果与分析

利用Stata 10分析软件对样本数据进行统计分析，回归结果如表4-6所示，方程（1）为模型（4. 8）的回归结果，方程（2）为剔除不显著变量以后的最终回归结果，Hausman检验均选择了固定效应。

表4-6　欧盟FDI对各地区自主创新能力的回归结果

注：括号内为t统计值；***表示在1%水平下显著，**表示在5%水平下显著。

从回归结果看，欧盟在华直接投资对我国各地区的企业自主创新能力具有正面效应，系数为0. 011，且在1%水平下显著，这说明欧盟对我国各地区的直接投资促进了当地企业自主创新能力的提高。先前一些运用全国总FDI数据、用专利数或TFP（全要素生产率）来衡量自主创新的研究认为，FDI对我国企业的自主创新作用并不明显，或者有一定的抑制作用。而本书研究选用了更为综合性的指标来表示自主创新能力，并结合具体的投资来源（欧盟FDI）进行面板数据分析，得出了与先前一些研究不同的结论，但这一结论与冼国明（2005）使用分行业数据得出的结果一致。虽然欧盟对华直接投资尚未成为我国FDI的最主要来源，但其带来的本土企业创新能力的提升应该引起足够的重视。

此外，从回归结果来看，人力资本投入即R＆D人员对各地区自主创新能力的作用不明显，而研发资本投入即R＆D经费对各地区自主创新能力却有非常明显的促进作用，其系数为0. 003，这说明了当前情况下研发资本投入对我国自主创新能力的重要性。结果还显示，各地区经济发展水平（人均GDP）与自主研发能力的提升无必然的联系。