陈关聚

(西北大学经济管理学院，陕西 西安 710127)

1 引言

近年来，国家级软件产业基地科技经费支出年均增长率为18.7%，人员投入增速17.5%，高投入推动了软件产业基地快速发展，总收入年均增长26.4% (数据来源:作者根据2008—2013 年《中国火炬统计年鉴》相关数据计算而得)。与巨大成绩形成鲜明对比的是，自主知识产权的软件很少进入发达国家市场，销售收入主要来源于国内市场，在全球产业价值链中中国仍处于中低端位置［1］。这种现状促使我们反思软件产业科技投入的效果与创新效率究竟如何?哪些因素影响了创新效率?

资源基础理论(RBV)认为，创新是把知识、技能和资金等一系列资源通过协调和配置转化为市场需求及客户满意产品的过程［2-4］。国家级软件产业基地是区域性软件产业发展和技术创新的主体，研究人力资本结构对创新效率的影响及对策，对于软件产业从规模扩张型向创新驱动型转变有积极现实意义。

2 变量选择

(1)投入要素:创新资金:软件创新活动包括新产品研发、产品技术升级、新技术攻关等，所需资金包括研究与实验发展经费、软件研发经费和新产品开发经费等，本文采用科技活动经费支出总额，涵盖了上述各项经费支出。

人力资源:员工是帮助企业完成生产经营活动的重要资产［5］。从创新价值链来看，参与创新活动的人员分布于市场调查、产品规划、方案设计、产品开发、测试、系统集成、销售和技术服务等环节。文献通常把研发人员作为创新活动的投入并不合理。本文以软件基地总人数作为创新活动的人力投入，比实际参与创新活动的人员数量略高。

人力资本:舒尔茨认为人力资本形成的主要途径是教育培训、医疗保健和迁移。文献较多采用教育年限法测度人力资本存量，其局限性在于忽视了教育投资和教育质量，陈关聚［6］利用教育投资数据对教育年限法做了修正。考虑到测度结果的可比性，本文仍采用教育年限法。

(2)产出指标:企业创新的根本动力是追求项目商业回报，以经济性指标评价创新绩效能够反应企业技术创新的根本目的，Hartmann［7］建议采用投资回报率指标，Thornhill［8］认为创新活动的经济产出主要体现于销售收入。本文以新产品销售收入和自主版权软件收入作为创新的产出。

创新项目从启动到获得销售收入要经历一个复杂的过程，研究必须确定一个滞后期。新产品开发难度和市场复杂程度差异很大，很难确定一个普适的滞后期，本文假设滞后1 年。

(3)影响因素:软件产业创新价值链各环节所需的人力资本质量有所差异，体现在对员工受教育程度的要求不同。学历结构不仅直接影响企业人工成本，还影响企业创新能力及创新效率。对软件产业基地学历结构统计发现，博士学历约1%，硕士学历者占10%，本科学历占63%，专科以下占26%，呈现为两端少而中间多的橄榄型，不同于软件强国美国和印度的金字塔形。

从人力资本岗位分布结构来看，研发人员是承担产品创新任务的主体，直接参与创新价值活动［9］，研发人力资本存量决定了实施创新项目的能力及数量。市场销售和技术服务等岗位对技术能力要求低，各环节人力资本合理配置，才能提高创新资源的利用率。

人力资本的空间分布结构可能对创新效率产生影响。人才供求关系影响新聘员工的质量、人工成本和创新能力。一个城市的软件人力资本丰富意味着企业较多，创新投资的重复性较大，当一家企业产品开发成功并推向市场或获得专利后，其他企业的创新投资可能付之东流。从省域范围来看，中小城市软件企业与软件产业基地面对不同的客户群，创新投资的重复性较少，软件产业基地对省域范围的软件产业具有极化效应，吸引中小城市的高水平人力资本流入，有助于提高软件产业基地创新能力和创新效率。

3 研究模型

本文采用随机前沿分析技术，考虑到软件企业的投入要素不是固定的，产出弹性可能发生改变，本文采用具有变替代弹性的超越对数生产函数，建立研究模型。

产出指标采用新产品和自主版权软件收入之和(Y)，投入要素采用科技活动经费支出总额(K)、人力资源(L)、人力资本存量(H)，建立如下超越对数生产函数:

式中，Yi，t+1是i 软件基地t+1 年新产品与自主版权软件收入(元);Kit表示i 年度t 软件基地科技活动支出总额(元)，Lit指i 年度t 软件基地人力资源数量(人)，Hit是指i 年度t 软件基地人力资本存量(人年)。βi表示待估计的系数向量。vit代表随机误差项，uit代表技术无效率项，vit和uit相互独立，V ～N(0，σ2V)，U ～N(μ，σ2U)。

根据式(1)可以得到三个投入要素的完全产出弹性计算公式。

科技经费产出弹性为:

人力资源产出弹性为:

人力资本产出弹性为:

根据学历结构、研发人员占比、人才资本空间分布对创新效率的影响分析，建立如下技术无效率模型:

式(5)中，PHDit、MDit、BDit、JCit分别代表i 年度t 基地博士比例(%)、硕士比例(%)、本科比例(%)、专科以下比例(%)。Cit、Pit分别代表i 年度t 基地所在城市、省域软件人才数量(人)。RDit代表i 年度t 基地研发人员占全部人员的比例(%)。δ0为常数项，δi是有待估计的系数向量，若系数为正值则该因素对技术效率有负影响，如系数为负值表明对技术效率有正向影响。

4 样本选择与数据来源

本研究所需的投入和产出数据来自于(《中国火炬统计年鉴》，中国统计出版社2008—2013 年)科技部火炬高新技术产业开发中心编。2007 年以前统计数据缺失较多，本研究截取2008—2012 年。河北、重庆、东大和沈阳四个基地因资料缺失较多被剔除，剩余样本为31 个。根据本文的研究设计，产出指标采用次年度新产品销售收入和自主版权产品收入，对数据进行配对后共有4 组，并以产出年份作为研究年限编号，如2012 年创新效率是根据2012 年的产出与2011 年创新投入测度的结果。

在获得的数据中，北京缺失新产品销售收入与自主版权软件收入，本文采用“软件产品收入”加以替代。2011 年鉴中，西安和兰州科技活动经费均为93268 千元，分析认为西安数据有误，取该指标前后年度均值331640 千元。

5 实证分析

5.1 创新效率分布特征

研究期间全国软件产业基地创新效率均值为0.66，呈缓慢增长趋势。随机前沿模型估计的γ 值为0.583，表明生产函数的误差中58.3%来源于技术非效率，其余41.7%的误差可能是技术进步因素，即制约创新效率的主要原因是创新资源配置不合理。Chiesa 和Frattini［10］认为在创新效率低下时，投入大量高水平的R＆D 资源未必能获得较高绩效。这也就不难理解，为什么中国软件产业科技经费增长迅速但在国际产业链中仍然处于低端位置。因此，提高创新项目管理水平是当前软件企业面临的紧迫课题，企业不仅要重视技术层面的投入，也要建设一套有效的技术创新管理制度。

软件产业基地创新效率不平衡，北、上、广、深等软件基地接近有效，兰州、南宁等无效率。发达地区软件产业基地由于投资环境、薪资水平和成长环境优势，对落后基地产生极化效应，落后基地发展受到抑制而处于依附地位。发达产业基地的技术溢出效应随着空间距离延伸而衰减，对落后基地的极化效应大于技术溢出效应。因此，软件产业基地之间的创新效率差距难以缩小，不平衡发展状况将长期存在。

通过分层聚类分析将产业基地归纳为4 类水平(见表1)。

(1)A 类基地:15 个软件基地的创新效率表现为总体上升趋势，均值为0.83。2012 年，A 类软件产业基地占全国基地总量的46%，收入占全国总量的67%。A 类基地多数位于东部沿海地区，也包括西安和成都等欠发达地区，表明软件产业创新效率不依赖区域经济发达程度，而取决于人力资本和管理优势。京沪广深地区企业管理水平普遍较高，创新项目的人力资本和经费配置更合理。西安和成都位于经济落后地区，但具有雄厚的人力资本和软件知识积累。2012 年西安软件基地聚集了11.5 万人，成都聚集了9.34 万人，高于全国软件基地人才平均数量5.7 万。企业在长期聚集过程中通过自主研发和外部技术溢出途径，创造、获取和储备了相对完整的知识体系，新熊彼特学派认为这种知识积累是生产率差异的主要原因。

表1 31 国家级软件产业基地创新效率测度结果

(2)B 类基地:创新效率表现为先上升后稳定态势，效率均值为0.6。天津软件产业受北京影响极大，人才不可避免地流失，按照行政区域人为分割软件市场的做法导致天津创新效率低下。福州和厦门软件产业基础较差，所在城市软件人力资本供给不足，各有一所211 大学，缺乏校企合作基础，两个城市位于“长三角”与“珠三角”的过渡地带，不是资金和人才流向的主要目的地，软件产业依赖政府推动而非市场拉动。其他五个B类基地处于经济、教育和科技不发达的内地。

(3)C 类基地:创新效率始终徘徊在0.5，包括内蒙古、青岛、云南和郑州。

(4)D 类基地:处于深度无效率状态，包括大连、兰州、南宁和无锡，平均效率为0.31。大连和青岛地理位于半岛边缘(厦门也类似)，向内地发展受到省会城市的挤压，具有较明显的外向型特征，承担了大量软件外包业务。外包业务缺乏自主知识产权，表现为创新绩效不佳。如东软集团大连公司员工占大连软件产业基地总人数的10%，但东软的研发活动集中在沈阳。其余城市如包头、昆明、郑州、兰州、南宁和无锡等缺乏重点高校，中高端软件人才供应有限。

5.2 创新资源的产出弹性分析

从投入要素对创新绩效的贡献来看，在其他投入要素不变的情况下，增加1 个单位的人力资本存量则创新边际产出增加1.1，增加1 个单位的科技经费则边际产出提高0.23，人力资本是软件产业核心资源的观点进一步证实。增加员工数量对创新的边际产出贡献为负，说明人才数量已经过剩。科技经费对创新绩效的贡献呈上升趋势，但贡献率小于人力资本，表明软件产业基地的创新资金投入不足。研究期间创新投入要素的弹性系数之和小于1.0 (见表2)，表现为规模收益加速递减，这个结果符合David (2010)的技术生产函数规模报酬递减观点。

表2 国家级软件产业基地投入要素弹性系数计算结果

5.3 人力资本结构对创新效率的影响

(1)博士层次人力资本对创新效率的影响不显著。博士学历人员占比的系数为-0.007 (见表3)，意味着提高博士学历人员比例对创新效率正向影响，但没有通过显著性检验。原因可能有两个:一是博士为代表的高层次创新人才所占比例微小，没有达到影响创新效率的门槛值。统计表明，2009 年软件基地人才中博士比例为1.26%，之后年度依次下降为1.0%，0.99%、0.96%。二是博士大多分布在基础研究岗位，其投入很难体现于短期的商业回报。

(2)硕士学历人力资本显著影响软件基地创新效率。硕士人才占比的回归系数为- 0.1148(见表3)，通过了显著性为1%的检验。对SAP、中兴和用友等企业调查发现，研发部门人员主体为硕士学历，在校园招聘时研究生和本科生比例大约为4∶1。调查还发现，研发项目岗位配置大体是:高层岗位 (项目经理、系统架构师)占3% ～5%，中层(模块组长、设计师)占15% ～20%，基层的编程和测试工程师占75%～80%。从软件产业基地层面来看，硕士人才比例不到11%，明显低于知名IT 企业。

(3)本科学历人才比例对创新效率存在显著负向影响。本科学历占比的回归系数为0.0304(见表3)，通过了显著性水平为1%的检验，说明中国软件企业中本科人才配置过度。原因可能是大量中小软件企业从事低端产品开发或技术服务，不能承受硕士以上人工成本，广泛使用本科学历人才不利于培养创新能力。

(4)专科人才比例对创新效率没有显著性影响。专科生集中在测试、服务等环节。微软亚太研发集团对测试工程师岗位提出三项创新要求:在工作中提出各种创意以操控、分解和调试软件，在此过程中创新测试技术;参与设计、开发和维护自动化测试工具;通过创造性的测试发现新的缺陷。高职和民办院校是专科生培养主体，教育质量决定了专科生与重点大学本科生的综合能力存在鸿沟，专科生综合素质不具备参加研发的能力，很难达到国际化软件企业对测试环节创新能力的要求。

(5)软件基地所在城市的软件人才数量对创新效率存在负向影响，通过了显著性1%的检验。软件基地所在城市的软件人才数量越多，意味着基地外部的软件企业越多，面对同一市场，创新投资的重复性几率越高，从软件产业基地角度来看创新效率将下降。

表3 国家级软件产业基地超越对数生产函数模型随机前沿分析结果

(6)省域内软件人才供给对创新效率存在正向影响，通过了显著性为5%的检验。国家级软件产业基地对省域范围的软件产业具有极化效应，中小城市的软件人才在积累了工作经验和创新能力后，提高了在中心城市就业的概率，加上省内迁移成本较低，促使他们向国家级软件产业基地流动，推动创新绩效提升。同时，软件产业基地与中小城市软件企业的目标客户群有明显差异，避免了创新资源投入的重复性。

(7)研发人员占比对创新效率具有显著正向影响。研发人员比例的回归系数为-0.041 (见表3)，通过了显著性1%的检验。充足的研发人力资本是实现研发目标的必要条件，决定了新产品研发周期产品质量，进一步影响着商业转化阶段的财务绩效。从软件产业价值链来看，研发能力决定了企业在价值链中的位置，应进一步提高研发人员的比例，才有可能向价值链上游位置移动。

6 政策建议

(1)软件产业基地发展方式从规模扩张型向创新提升型转变。

(2)引导软件基地采取优势互补的错位发展战略，围绕创新价值链分工与合作。

(3)通过人才政策和资金投入提高软件产业基地的中高端人才比例，压缩低端人才比例，形成钻石型人力资本结构。

(4)拓展软件人才培养模式，以人力资本的专业化和国际化提升创新能力和创新效率。

［1］芦苇，蔡圆媛，邢薇薇.国际化软件人才培养模式改革与创新［J］.高等工程教育研究，2013，(1):76 -83.

［2］Claudio C，Cristina B，Teresa G.You Can't Manage Right What You Can't Measure Well:Technological Innovation Efficiency［J］.Research Policy，2013，(42)1239 -1250.

［3］阚澄宇，郑继忠.服务外包的技术外溢效应研究——基于大连软件外包行业的分析［J］.国际贸易问题，2010，(6).

［4］LIU Xielin，White S.An Exploration into Regional Variation in Innovation Activity in China［J］.International Journal of Technology Management，2001，21 (1 -2):114 -129.

［5］Becheikh N，Landry R，Amara N.Lessons from Innovation Empirical Studies in the Manufacturing Sector:a Systematic Review of the Literature from 1993—2003［J］.Technovation 2006;26:644 -64.

［6］陈关聚.中国工业企业科技成果转化效率研究［J］.云南师范大学学报，2013，(3):121 -128.

［7］Hartmann G C，Mark B M，Richard S R.Planning Your Firm's R＆D Investment［J］.Research Technology Management 2006，49:25 -36.

［8］Thomhill S. Knowledge，Innovation and Firm Performance in High-and Low-technology Regimes［J］.Journal of Business Venturing 2006，21:687 -703.

［9］Zhong W，Yuan W，Li S X，Huang Z.The Performance Evaluation of Regional R＆D Investments in China:an Application of DEA Based on the First Official China Economic Census Data ［J］. OMEGA-International Journal of Management Science 2011，39:447 -55.

［10］Chiesa V，Frattini F. Evaluation and Performance Measurement of Research and Development:Techniques and Perspectives for Multi-Level Analysis［Z］.Edward Elgar，Cheltenham，UK.2009.