标准化与企业的R&D投入倾向:基于中国工业企业数据的经验研究

作 者:

作者简介:
刘小鲁,中国人民大学经济学院,liuxiaolu@ruc.edu.cn 100872

原文出处:
经济理论与经济管理

内容提要:

本文以工业企业的微观数据为基础,检验了标准化对企业R&D投入倾向的影响。理论上,标准化既可能促进也可能制约创新。而本文的研究发现,我国的标准化总体上显著提高了企业的R&D强度。进一步的研究表明,相较于竞争对手的标准制定活动,企业自身参与标准制定对R&D的激励效果更大,并且这种影响在大企业和非国有企业中更显著。此外,本文还发现,标准制定企业之间虽然相互施加了创新约束效应,但这种影响在统计上并不显著。


期刊代号:C31
分类名称:创新政策与管理
复印期号:2018 年 08 期

关 键 词:

字号:

      创新是驱动经济发展的根本动力,而标准化不仅是技术创新的必然结果,也是影响创新和技术扩散的关键制度性因素。自2006年起,《国家中长期科学和技术发展规划纲要》就正式提出将技术标准化作为促进创新的政策措施之一。目前,我国正处于转变经济增长方式的关键阶段,而标准化被视为促进“创新发展”和“协调发展”的重要助力。

      然而,正如Swann所指出的,技术标准化对创新同时存在着促进和约束效应。[1]从促进效应来看,首先,Krechmer认为,标准化有助于明确相关领域内的技术发展方向,建立技术聚焦点,而这有助于降低创新的市场风险。[2]其次,Hudson and Jones的研究表明,产品质量和安全性标准具有质量信号效应,可以显示厂商的创新努力,降低信息不对称所导致的交易成本。[3][4]最后,与标准化相联系的知识和技术扩散有助于推动创新。一方面,Blind and Jungmittag强调标准是特定领域中知识和技术诀窍的汇集体;另一方面,Tassey指出,标准并不像专利那样具有使用上的排他性产权,因此具有典型的公共品特征,可以带来显著的技术外溢效应。[5][6]但是,标准的形成也可能会阻碍创新和技术进步。标准的形成往往意味着特定技术规范的确立,这在形成聚焦效应的同时,降低了技术上的多样性,限制了企业在创新方向上的选择空间;企业沿标准技术路线所进行的专用性投资也会限制其进行多样化研发的动力。此外,Farrell and Saloner的论证表明,当市场中存在网络外部性时,技术的锁定效应意味着标准化将阻碍新技术的应用,对创新产生迟滞效应。[7]

      因此,标准化对创新的实际影响是多种因素综合作用的结果,具体的影响方向有待于经验性的检验。但是,关于我国标准化和创新关系的定量研究仍较为有限。目前,只有杨蕙馨等人使用中国电子信息企业百强数据,以时间序列方法讨论了技术标准化和技术创新之间的关系。[8]其他的文献如林洲钰等人、Liu and Li以及于欣丽的研究,则主要讨论了企业参与我国标准制定的主要影响因素,以及标准化对经济增长的影响,并未直接涉及标准化与创新关系的研究。[9][10][11]

      本文以中国工业企业为对象,研究了标准化对企业R&D投入倾向的影响。研究所得到的主要结论有如下几点。首先,我国的标准化总体上显著提高了企业的R&D强度。其次,在区分标准制定主体后,本文进一步发现,相对于来自竞争对手的技术标准化,企业自身参与标准制定对R&D有更强的促进效果。再次,竞争对手以及企业自身的标准化活动的影响在不同规模和不同所有制企业间存在显著异质性。最后,本文还发现,标准制定企业之间虽然相互施加了创新约束效应,但这种影响在统计上并不显著。

      本文剩余部分的结构安排如下:第二部分介绍了研究所使用的样本;第三部分报告了本文的主要计量结果,并对结果进行了解释和讨论;第四部分为总结。

      二、样本与描述性统计

      (一)样本构建

      本文所使用的数据包含两个部分:企业特征与财务数据,以及企业标准制定活动数据。其中,企业特征与财务数据来自中国工业企业数据库,标准数据则通过国家标准全文数据库和工标网采集和整理得到。

      具体地,在标准数据的搜集上,中国知网的国家标准全文数据库涵盖了从1950年至今约90%的国家标准和行业标准的详细信息。①本文提取了该数据库2005-2007年全部国家标准和行业标准的名称、制定时间以及起草单位名称。②由于国家标准全文数据库并未涵盖全部国家标准和行业标准,本文以工标网的标准数据为基础对缺失的标准进行了补充。根据标准起草单位的名称和标准制定时间,本文进一步将标准数据整理为以起草单位为截面的面板数据。该数据反映了各单位每年在国家标准和行业标准制定中的参与情况。

      本文通过将标准起草单位的名称与工业企业数据库中的企业名称相匹配来实现两个数据的合并。需要说明的是,同一企业的名称在两个数据中可能以不同的格式记录。③这意味着仅使用精确匹配无法准确判断企业的标准制定状态。为解决这一问题,本文采取了三个步骤来进行数据合并。首先,本文以企业名的精确匹配来进行数据合并;其次,对未成功实现精确匹配的观测值,本文进一步通过企业名称的关键词提取和对比来进行模糊匹配;最后,本文通过人工方式对模糊匹配结果进行检查来保证匹配结果的准确性。通过以上数据合并,本文得到了2005-2007年的非平衡面板数据样本。该样本共包含897 767个观测值。

      (二)变量定义与描述性统计

      为衡量企业的研发活动,本文的被解释变量使用了企业R&D支出强度。该变量体现了企业进行R&D投入的倾向。本文以R&D支出占工业销售产值的比重来衡量R&D支出强度。

      本文的解释变量是企业的标准制定活动。本文以企业参与制定标准的次数来衡量标准制定活动,并在4分位的行业范围内考察标准化的影响。特别地,本文不仅考虑了企业自身标准制定活动的影响,还考虑了同行业其他竞争对手制定标准所可能产生的影响。相应地,本文设定了三个反映标准制定活动的解释变量。第一个解释变量为行业内的标准制定活动。该变量被定义为4分位行业内各企业参与制定标准次数之和的自然对数。由于一些行业在个别年份没有企业参与标准制定,故自然对数的形式被设定为ln(标准数+1)。其他两个解释变量分别为企业自身参与标准制定的次数,以及同行业其他竞争对手参与标准制定的次数。同样地,这两个变量在定义上也采用了ln(标准数+1)的形式。

相关文章: