俞立平 邱栋 彭长生 张再杰

摘 要：创新效率与创新质量是高技术产业创新水平的重要体现，关于两者关系的研究一直比较缺乏。在分析创新效率与创新质量互动机制的基础上，首先采用基于松弛的超效率模型测度创新效率，然后综合采用面板数据模型、面板门槛回归模型、格兰杰因果检验、贝叶斯向量自回归模型研究了创新效率对创新质量的影响。研究结果表明：创新效率对创新质量具有较低的正向贡献;创新效率较高时其对创新质量的弹性较低;当创新质量水平较低时，创新效率对创新质量的弹性较高;创新效率与创新质量尚未形成良好的协调机制;高技术产业创新质量水平总体还不高，应注重提高创新质量，同时注重深层次的创新效率提升。

关键词：创新效率;创新质量;门槛效应;面板数据;贝叶斯向量自回归模型

一、引言

创新效率是创新产出与创新投入的比值，创新效率越高，意味着企业能以越低的投入获取越大的创新产出，对于企业科技竞争力提升无疑具有重要意义。创新质量是企业创新水平的重要体现，拥有较高的创新质量意味着企业可以获得创新带来的巨大收益。然而效率与质量又是一对矛盾体，原始创新、重大创新等高质量创新往往意味着长期的巨大投入，在保证创新效率较高的情况下很难保证创新质量较高。高技术产业是我国国民经济发展的主导产业，研究创新效率与创新质量的关系，探索创新效率对创新质量的作用规律，分析其互动机制，不仅能够丰富国家创新系统理论，而且对高技术产业创新驱动发展具有十分重要的意义。

关于创新效率的测度与分析，其研究成果较多。Cherchye等（2005）采用包络分析法从微观的角度对荷兰8所大学的科研投入产出效率进行了比较分析。朱金龙、朱卫未等（2018）利用主成分分析和超效率数据包络分析组合模型，对江苏行业产业类27个协同创新中心建设期内的科研效率进行了比较分析。魏国江（2016）按照技术创新、产品创新及市场创新构建三阶段共享投入模型，结果发现外资企业、股份公司创新效率最高，国有、集体企业创新效率垫底。刁秀华、李姣姣等（2018）认为，我国高技术产业的技术创新效率呈现明显的中部、西部、东部区域差异，技术进步是导致各区域技术创新效率低的主要原因。Hirshleifer等（2013）使用专利授权数和引用数与R&D资本的比值作为衡量企业创新效率的指标。Thomas等（2011）采用专利与研发经费比值、出版物与研发经费比值等指标测算了美国 50 个州的创新效率。刘永松、王婉楠等（2019）利用两阶段网络DEA模型测度了南亚、东南亚国家的创新效率。

关于创新效率的影响因素，Benhabib等（1994）研究指出，许多发展中国家的技术引进效率较低，原因是其人类资源素质较低。Fuchs等（2011）研究认为，从创新效率来看，顾客参与创新拥有较高的创新效率和较低的创新成本。国胜铁、杨博等（2018）研究发现，技术引进是缩小技术差距的有效途径，但技术差距对技术引进效率存在门限效应。余红伟、谭琳（2017）研究了卓越绩效、全面质量、ISO 质量标准三种质量管理模式对创新效率的影响。黄繁华、高静（2013）指出，我国向高收入国家出口地缘偏向性的增多不利于技术效率的提高，向中低收入国家出口的地缘偏向性与技术效率存在显著的正相关关系。钱丽、王文平等（2018）测算了中国工业企业绿色研发和成果转化效率，发现产学研合作、创新氛围、外商投资、环保投入强度有利于效率提升。陈抗、战炤磊（2019）研究了产业集群外溢效应对创新效率的影响。

关于创新质量的界定，包括广义与狭义两种观点。广义的观点从产品与服务质量角度加以展开，Haner（2002）认为创新质量包括产品及服务质量、生产过程质量、企业管理质量三个维度。狭义的观点则强调研发质量及其价值，Lanjouw等（2004）、Teemu等（2014）认为创新质量既包含着创新的技术价值，也包含着经济价值。李习保（2007）较早提出了创新能力评价不仅需要考察创新成果的数量，更应考虑创新的“质量”。文显堂（2011）认为衡量创新质量有两条标准即改变世界和带来巨大效益 文显堂，《创新质量决定中国未来》，http：//blog.sina.com.cn/s/blog_6c9637e30100xmt6.html。。

关于创新质量的影响因素，Vestal（2014）实证研究认为，企业与顾客合作能够促进创新质量提升。Claver等（1998）研究发现创新氛围和创新文化对创新质量有积极的影响。荆宁宁、黄申奥等（2017）发现，创新文化与创新质量、顾客创新与创新质量之间存在显著的正相关关系。Prajogo等（2006）通过对美国企业的调查发现，企业的研究和开发经费投入能提高创新质量。蔡绍洪、俞立平（2017）研究了创新数量与创新质量的协同作用机制，发现创新质量对企业效益的贡献并不显著。许昊、万迪昉等（2017）发现风险投资甄别了创新质量，能够有效抑制以外观设计和实用新型为代表的低质量创新，积极促进以发明专利为代表的高质量创新。程俊杰（2019）认为创新质量较低的原因包括研发投入不足、创新成果产业化机制尚未形成、创新环境亟待优化、路径依赖难以突破等。

关于创新质量与创新效率之间的关系，总体研究不多，主要集中在产品质量与生产效率上。Hallak等（2009）认为企业具有生产效率和质量生产能力异质性，同时认为企业生产效率越高其可变成本越低，质量生产能力越高。Melitz（2003）基于新新国际贸易理论，指出产品质量的异质性是企业生产率的差异影响出口行为的重要补充。Juan（2006）、Gene等（2008）认为不同目标市场的产品质量和服务需求是有差异的，他们研究了质量评价与技术效率的关系。罗丽英、齐月（2016）研究发现综合技术创新效率的提高能显著促进出口产品质量升级，高技术行业技术研发效率对出口产品质量升级的影响最为显著，中等技术行业技术转化效率对出口产品质量升级的影响最大。

单纯从创新效率与创新质量的角度看，现有的研究均比较丰富。关于创新效率的测度方法，涉及产出投入指标比较、指标体系、DEA数据包络分析等，目前以后者为主。关于创新效率的影响因素，涉及人力资本、顾客参与、技术引进、质量管理模式、地缘偏向、产学研合作、創新氛围、外商投资、环保投入、要素配置等诸多方面。关于创新质量的界定，广义的观点涉及产品及过程质量，狭义的观点涉及研发质量。关于创新质量的影响因素，涉及顾客参与、创新文化、研发投入、创新数量、风险投资、产学研合作等方面。关于创新效率与创新质量的关系，现有研究较少涉及，更多涉及产品质量。总体上，在以下几个方面有待进一步深入：

第一，关于创新效率与创新质量的互动机制及其理论研究，现有研究只有零星的描述，缺乏系统性，需要进一步进行分析和总结。

第二，关于创新效率对创新质量的影响大小、影响规律，也有必要进行进一步的研究。

第三，创新效率与创新质量之间可能存在非线性关系，或者说可能存在门槛效应，需要从全新的视角开展研究。

本文从宏观和狭义角度界定创新质量，侧重从产业创新质量的视角进行分析。所谓产业创新质量，就是指产业原始创新、重大创新等高水平创新的体现，是产业科技竞争力水平的综合体现。在此基础上，基于中国高技术产业省际宏观面板数据，在分析创新效率与创新质量关系的基础上提出假设，然后综合采用面板数据模型、面板门槛回归模型、贝叶斯向量自回归模型，分析创新效率与创新质量的关系。

二、理论基础与研究方法

（一）创新效率与创新质量的关系

1.创新效率对创新质量的作用机制

创新效率对创新质量的作用机制如图1所示。创新效率较高，意味着拥有较高的纯技术效率和规模效率。纯技术效率本质上是创新过程中创新自身技术水平的总体体现，如良好的实验设备和条件、较强的研发队伍、较好的信息检索能力和手段等;规模效率是企业创新中创新规模决定的效率，源于规模经济，规模效率提高，说明创新生产中的成本降低和创新生产效益提高，此外管理水平与规模效率密切相关，良好的创新管理有助于提高规模效率。纯技术效率和规模效率水平较高均有利于提高创新质量。

从另外一个角度看，创新效率本质上又是产出投入比的重要体现，此外还隐含了对创新速度的要求。由于创新资源是有限的，所以企业在创新时均对研发投入有具体的预算，并力求尽量节省，而从创新质量的角度看，原始创新与重大创新又是需要重大投入的，并且创新原创性越强，其研发投入越大，不确定性和风险性会越大，这必然会影响创新质量。此外，创新效率较高还意味着对创新速度有具体的要求，新产品及早上市无疑具有重大优势，但也面临着产品不够完善的风险。Urban等（1986）研究发现，市场第二进入者和第三进入者的市场占有率相差巨大。创新速度是一把“双刃剑”，并不能保证较好的创新回报。因此，提高创新效率意味着对研发投入的控制与对创新速度的要求，又隐含着降低创新质量的风险，这是其负向机制。

综合以上分析，创新效率对创新质量同时存在正向作用机制与负向作用机制，鉴于原始创新、重大创新总体比重不高，创新质量更多地体现在传统的一般创新质量提高水平上，因此提出如下假设：

H1：创新效率对创新质量具有正向贡献，其回归系数为正数。

此外，创新质量对创新效率具有反馈机制，当创新质量较高时，必然存在高额回报，从而鼓励创新效率的进一步提升。

2.创新效率与创新质量的非线性关系

纯技术效率与规模效率具有相对稳定性。创新的纯技术效率是企业创新技术水平的综合体现，规模效率是创新管理水平的综合体现，在一定的情况下是相对不变的，所以从这两个方面来提升创新效率是相对困难的。

在创新投入产出中创新效率对创新质量的弹性是逐渐下降的，这是因为创新效率也是一种特殊的要素，是制度、管理和技术水平的综合体现，其发挥的作用不会一直提升。从产出投入比和创新速度角度提高创新效率相对容易。创新产出需要长期积累，短期投入不足对其影响一般不大，所以如果适当缩减创新投入，则能够提高创新效率。从创新速度角度看，适当加大研发投入、合适的研发激励，以及科研人员的加班工作，一定程度上也能提高创新速度，进而提高创新效率。

由前述可知，纯技术效率和规模效率对创新质量是正向作用机制，产出投入比和创新速度对创新质量是负向作用机制。图2中，实线“创新效率”是两条虚线“产出投入比、创新速度”和“纯技术效率、规模效率”的叠加。从综合效应看，当创新效率较低时，其对创新质量的弹性必然较高;而当创新效率较高时，其对创新质量的弹性必然较低。为此，提出如下假设：

H2：创新效率对创新质量的弹性呈现递减关系，随着创新效率的提高，创新效率对创新质量的弹性降低。

3.新效率对创新质量的门槛效应

创新效率对创新质量的门槛效应，本质上也是创新效率对创新质量的非线性作用机制，但是门槛效应可以进行更为精细的刻画，主要包括以下几种门槛效应：

第一，创新效率自身的门槛效应。即创新效率可以分为1个或多个门槛，创新效率水平的不同，其对创新质量的弹性大小也有差异，这和创新效率对创新质量的非线性作用机制是一样的，不同的只是后者的彈性变化是连续的，而门槛效应的弹性是不连续的，因此两者可以互相验证。

第二，创新效率对创新质量贡献的创新质量门槛效应。即可以将创新质量分为几个不同的水平，创新效率对这几个不同水平创新质量的弹性是不一样的。对于高质量的创新而言，由于其难度大、投入多、时间长，一般创新效率并不高，而对于低质量创新而言，往往容易获得较高的创新效率。为此，提出如下假设：

H3：创新效率对创新质量的贡献存在创新质量的门槛效应，当创新质量水平较高时，创新效率对创新质量的弹性较低。

第三，创新效率对创新质量贡献的创新成果门槛效应。即将创新成果分为不同的水平，在不同的水平下，创新效率对创新质量的弹性是不一样的。当创新成果水平较低时，由于其创新数量少，创新质量会更差，毕竟创新质量是建立在创新数量的基础上的，此时也谈不上创新效率，因此创新效率对创新质量的弹性较低;当创新成果水平中等时，创新数量拥有一定的基础，一般也拥有较低的创新质量，此时创新效率对创新质量的弹性会较高;当创新成果水平很高时，创新质量水平也较高，根据前文分析，此时创新效率对创新质量的弹性又进一步降低。为此，提出如下假设：

H4：创新效率对创新质量的贡献存在创新成果的门槛效应，当创新成果水平中等时，创新效率的弹性最高。

（二）研究框架与研究方法

本文的研究框架如图3所示。在对创新效率与创新质量的关系进行理论分析的基础上，首先对创新效率进行测度，然后进一步研究其单向关系与动态关系。所谓单向关系，就是研究创新效率对创新质量的平均作用弹性以及非线性关系，非线性关系又包括引入创新效率的2次项进行回归以及门槛效应回归，其研究方法是面板数据模型与面板门槛回归模型。所谓互动关系，包括两个方面：一是采用格兰杰因果检验分析创新数量与创新质量的互动关系，二是建立贝叶斯向量自回归模型后通过脉冲响应函数来分析两者的互动关系。

创新效率与创新质量本质上具有互动关系，但是本文更加关注创新效率与创新质量的平均弹性以及非线性关系，所以采用多种方法综合进行研究，以反映创新效率与创新质量关系的全貌。

1.超效率测度模型

本文采用数据包络分析来测度创新效率，这也是目前学术界应用得最多的方法。DEA分析的思想最早源于Charnes等（1978）的研究，传统的DEA模型包括规模报酬不变的CCR模型和规模报酬可变的BCC模型，但其共性问题是可能存在多个决策单元的效率值为1，本文创新效率仅仅是中间变量，如果有多个值为1就不利于后续的回归分析。为此决定采用Andersen等（1993）提出的超效率模型进行测度，其最大优点就是完全有效的决策单元效率值大于1，拥有较好的离散性和可比性。但是传统的超效率模型并没有解决投入要素的松弛问题，为此Tone（2002）提出了SBM（Slacks-based Measure）模型，将松驰变量直接放入目标函数。本文采用SBM-SDEA模型，一方面将松弛变量引入DEA，另一方面测度超效率，从而较好地解决了创新质量的测度问题。

2.基本方程与面板数据模型

对于公式（2）和公式（3），拟基于高技术产业的省际面板数据，采用面板数据模型来进行估计。该模型由Mundlak（1961）首创，目前已经比较成熟，它能在有限的时间内提供更多的数据量，从而保证了模型估计时自由度充足;固定效应模型通过差分估计，所以对重要变量遗失不敏感;此外，由于研发经费、研发人员之间往往高度相关，容易存在多重共线性，但面板数据模型也能很好地进行处理。

关于面板数据的估计方法，考虑到创新效率与创新质量之间存在互动关系，因此采用系统广义矩（SYS-GMM）方法进行估计，工具变量采用各自变量的1阶滞后项。

3.创新效率的门槛回归模型

创新效率的门槛回归模型包括创新效率自身的门槛、创新质量门槛、创新成果门槛，其原理大同小异。以创新质量门槛为例，假设存在一个创新质量门槛变量τ，使得对于Q≤τ和Q>τ时，创新效率对创新质量的弹性存在显著差异。当Q≤τ时，创新效率对创新质量的弹性系数为θ1;当Q>τ时，创新效率对创新质量的弹性系数为θ2，即：

4.贝叶斯向量自回归模型

Litterman（1986）将传统向量自回归模型与贝叶斯推断理论相结合，建立了贝叶斯向量自回归模型（Bayesian Vector Autoregressions，BVAR）。與传统VAR模型相比，贝叶斯向量自回归模型大大降低了估计时的自由度，具有较高的预测精度，而且不需要进行协整检验，可以用来分析创新效率与创新质量的互动关系。

三、数据来源

创新质量变量的选择。关于创新质量的测度，Guellec等（2000）指出专利审查机构会授予那些拥有相当程度原创性技术内涵的专利以正式的专利权，被授权的专利拥有比未被授权专利更高的质量水平。Tong等（1994）认为专利中的权利要求数量能体现技术创新的能力和创新质量。Cornelli等（1999）提出用专利支付年费的时间长度衡量专利价值，年费支付延续时间较长的专利拥有更高的质量。张古鹏、陈向东（2011）提出可以通过专利的授权率和付费期长度来衡量创新质量。综合以上结果，考虑到我国专利包括发明专利、实用新型与外观设计三大类，发明专利质量最高，加上本文侧重研究宏观产业角度的创新质量，最终采用发明专利的授权率作为创新质量的替代变量。

创新效率的计算。创新效率的测度方法较多，以数据包络分析为主，根据前文分析，本文采用基于松弛变量的超效率测度模型SBM-SDEA进行测度。投入变量采用企业研发经费内部支出、研发人员折合全时当量，关于创新成果，借鉴Griliches（1990），张同斌、陈婷玉（2020），冷松（2020）等的研究，采用新产品销售收入作为替代变量。

本文所有数据来自于中国高技术产业统计年鉴，由于从2010年才开始公布发明专利的申请与授权量，因此研究数据范围为2010-2017年。西藏、青海、新疆、宁夏数据缺失年份较多，因此将这4个地区删除，实际为中国大陆27个地区8年的面板数据，变量的描述统计如表1所示。

四、实证结果

（一）变量的平稳性检验

本文研究数据时间跨度为8年，总体时间不长，为了提高研究的稳健性，本文继续进行平稳性检验，方法是同时采用Levin Lin&Chu检验、Im Pesaran and Shin W-stat检验、ADF-Fisher检验，以结果一致为准，经过一阶差分，所有变量均为平稳时间序列，结果如表2所示。

（二）面板数据回归

面板数据回归结果如表3所示，表3括号中的数字为t检验结果（下同）。首先引入研发经费、研发劳动力、创新效率对创新质量进行回归。hausman检验值为15.686，p值为0.001，所以选择固定效应模型进行估计。结果显示，研发经费在5%的水平下通过了统计检验，研发劳动力和创新效率均在10%的水平下通过了统计检验。三者的弹性系数之和为0.129，远远小于1，说明从创新质量的角度看，创新投入的绩效总体不高，处于规模报酬递减阶段，深层次上也说明了高技术产业创新质量不高。从创新效率看，其弹性最低，仅为0.017，也就是说创新效率每提高1%，创新质量仅提高0.017%。这样H1就得到了验证，创新效率对创新质量有积极的贡献。尽管创新效率对创新质量同时存在正向机制和负向机制，但由于正向机制总体上大于负向机制，所以最终创新效率对创新质量的贡献还是值得肯定的。

继续引入创新效率的2次项，分析创新效率与创新质量的非线性关系。Hausman检验值为17.511，p值为0.002，拒绝随机效应的原假设，可继续采用固定效应模型进行估计。创新效率没有通过统计检验，但其2次项在5%的水平下通过了统计检验。创新效率和創新效率2次项的回归系数均为负数，这样创新效率与创新质量之间就呈“倒U型”曲线，由于其抛物线对称轴在Y轴左边，创新效率值不可能为负数，也就是说，随着创新效率的提高，其对创新质量的弹性是逐步降低的，这样H2就得到了验证，这也符合边际递减规律。

（三）面板门槛回归

1.创新效率自身的门槛效应

首先进行创新效率的单门槛检验，其F检验值为22.751，概率为0.001，拒绝没有单门槛的原假设，继续进行双门槛检验，其F检验值为2.656，概率为0.090，在10%的水平下通过了统计检验。在这种情况下，兼顾计量的精细和统计检验的结果，最终采用双门槛模型进行估计，结果如表4所示。

创新效率有2个门槛，其对数值分别为-2.059、-0.226，将创新效率分为低、中、高3个水平，数据数量分别为60、147、9个，绝大多数处于创新效率的中低水平。当创新效率水平较低时，创新效率与创新质量无关，回归系数没有通过统计检验;当创新质量水平中等时，创新效率的弹性系数为0.074，通过了统计检验;当创新质量水平较高时，创新效率的弹性系数为-1.237，也通过了统计检验。虽然门槛回归模型不是连续模型，但结果与引入创新效率2次项的面板回归模型基本相似，进一步验证了H2。

2.创新效率的创新质量门槛

首先进行创新质量的单门槛检验，其F检验值为58.869，概率为0.000，拒绝没有单门槛的原假设，继续进行双门槛检验，其F检验值为40.190，概率为0.000，同样通过了统计检验，考虑到数据量所限，最终采用双门槛模型进行估计，结果如表5所示。

创新质量有2个门槛，其对数值分别为3.688、3.952，将创新质量分为低、中、高3个水平，数据数量分别为45、78、93个，总体呈递增状态。当创新质量水平较低时，创新效率对创新质量的弹性为0.090，并且通过了统计检验;当创新质量水平中等时，创新效率的弹性系数为-0.039，但没有通过统计检验;当创新质量水平较高时，创新效率的弹性系数为-0.138，通过了统计检验。总体上，当创新质量较低时，创新效率的弹性较大，绩效较好。这样H3就得到了检验，当创新质量水平较高时，创新效率对创新质量的弹性反而较低。这是因为，创新质量较高的企业往往也具有较高的创新效率，进一步提升创新效率比较困难，而当创新质量水平较低时，创新效率往往也较低，改进空间大，容易取得较好的效果。

3.创新效率的创新成果门槛

首先进行创新成果的单门槛检验，其F检验值为16.936，概率为0.000，拒绝没有单门槛的原假设，继续进行双门槛检验，F检验值为7.499，概率为0.010，同样通过了统计检验，考虑到数据量所限，最终采用双门槛模型进行估计，结果如表6所示。

创新成果有2个门槛，其对数值分别为11.815、12.992，将创新成果分为低、中、高3个水平，数据数量分别为15、29、172个，大多数处在高创新成果区间。当创新成果水平较低时，创新效率对创新质量的弹性为-0.257，并且通过了统计检验;当创新质量水平中等时，创新效率的弹性系数为0.066，同样通过了统计检验;当创新成果水平较高时，创新效率的弹性系数为0.005，但没有通过统计检验。

当创新成果较低时，一般而言谈不上创新质量，所以创新效率的绩效不佳，当创新成果较高时，一般也意味着创新质量总体较高，在这样的情况下，根据前文研究，创新效率一般也难以获得较高的绩效。这样H4就得到了检验，当创新成果水平中等时，创新效率的弹性最高。

（四）创新数量与创新质量互动关系的因果检验

创新效率与创新质量的格兰杰因果检验如表7所示。考虑到面板数据的时间跨度为8年，因此本文滞后期选取1-4期进行检验。从检验结果看，创新效率不是创新质量的格兰杰原因，但从第二年开始，创新质量是创新效率的格兰杰原因，也就是说，提高创新效率的根本举措在于提高创新质量。

（五）贝叶斯向量自回归模型

创新效率的脉冲响应函数如图4所示。除自身外，来自创新成果、研发经费一个标准差的正向冲击对其影响最大，两者影响大小相当，均是当期没有影响，第二期开始提高后趋于稳定，说明创新成果、研发经费的增加均有利于提高创新效率。尤其是研发经费，在加大投入的情况下还能提高创新效率，说明其带来的产出更大，这非常有意义。来自创新质量一个标准差的正向冲击对其影响为负值，当期为0，然后缓慢衰减，作用时间较长，说明创新质量的提升不利于提高创新效率。

创新质量的脉冲响应函数如图5所示。来自研发经费一个标准差的正向冲击对其有轻微影响，来自创新成果的冲击对其几乎没有影响，这和面板回归结果基本一致，主要原因是高技术产业创新质量水平总体不高。而来自创新效率的冲击除了当期有轻微的正向影响外，很快衰减为负数，总体上说明提高创新效率并不能提高创新质量。

研发经费的脉冲响应函数如图6所示。来自创新成果一个标准差的正向冲击对其影响最大，当期为0，然后以较快的速度增长并趋于平稳，作用时间较长，说明创新成果对研发投入形成了良好的反馈。其次是创新质量的冲击，当期就发挥作用，从第二期开始一直处于稳步上升状态，说明创新质量对研发投入也具有良好的反馈作用。创新效率的冲击对研发经费投入的影响总体上为负数，短期提高创新效率只能硬性降低研发投入。

创新成果的脉冲响应函数如图7所示。来自研发经费一个标准差的正向冲击对其影响最大，当期发挥作用，而且比较平稳，作用时间较长，说明加大研发投入是提高创新成果的根本措施。其次是创新效率的冲击，当期发挥作用，水平较高，随后开始衰减，说明提高创新效率也有助于创新成果的增加。最后是创新质量的冲击，当期发挥作用，随后缓慢提高，作用时间较长，创新质量也是创新成果的重要体现。

五、研究结论与政策启示

（一）研究结论

1.创新效率对创新质量具有较低的正向贡献

创新效率对创新质量同时具有正向作用机制与负向作用机制，其正向机制主要体现在通过提高创新自身的技术水平改善纯技术效率，通过改善创新管理水平提高规模效率，进而提高创新质量。其负向作用机制主要体现在创新效率本质上即产出投入比，适当降低投入可以提高效率，但是会有损创新质量。此外，效率提高隐含着对创新速度的要求，而这可能降低创新质量。面板数据的实证研究结果表明，创新效率对创新质量的弹性为正数，但弹性总体较低。

2.创新效率较高时其对创新质量的弹性反而较低

创新效率的正向作用机制中，纯技术效率与规模效率短期具有相对稳定性，一般提升比较困难。创新效率的负向作用机制中，适当增加人为控制可以提高产出投入比与创新速度。这样如果违背创新效率自身发展规律而人为施加一定的影响，在提高创新效率的同时实际上仅仅提升了其负向作用机制，导致其对创新质量的弹性下降。面板数据中引入创新效率2次项的研究表明，创新效率处在“倒U型”曲线的右侧，即创新效率较高时其对创新质量的贡献反而较低。面板门槛回归模型中，创新效率自身的门槛效应显示，创新效率较低时，其对创新质量的正向弹性不显著;创新效率中等时，其对创新质量的正向弹性显著;创新效率较高时，其对创新质量的负向弹性显著。这些充分说明，随着创新效率的提高，其对创新质量的弹性降低，甚至会出现负值。

3.创新质量较低时创新效率对创新质量的弹性较高

对于低质量的创新而言，由于创新难度小，如果能提高创新效率，是有利于创新质量提高的;而对于高质量创新而言，由于投入大、难度大、时间长，在这种情况下提高效率非常困难，因此创新效率总体不高。面板门槛回归结果表明，当创新质量较低时，创新效率对其的正向弹性显著，通过了统计检验;当创新质量中等时，创新效率对其的负向弹性不显著，没有通过统计检验;当创新质量较高时，创新效率对其负向弹性显著，通过了统计检验。

当创新成果中等时，创新效率对创新质量的弹性最大。当创新成果较低时，一般谈不上创新质量，创新效率一般也不高，所以创新效率对创新质量的弹性总体不佳;当创新成果中等时，拥有一定的创新质量，创新效率对其绩效较高;当创新成果较高时，创新质量一般也较高，此时创新效率的弹性反而降低。创新效率对创新质量的创新成果门槛效应证明了这一点。

4.创新效率与创新质量尚未形成良好的协调机制

面板数据与面板门槛回归的静态研究表明，创新效率对创新质量的弹性呈现较低的正相关关系，创新效率较高时其对创新质量的弹性较低，创新质量较低时创新效率对创新质量的弹性较高，两者总体协调不佳。

格兰杰因果检验的研究表明，创新效率无论在什么情况下，都不是创新质量的格兰杰原因。但在滞后2、3、4期的情况下，创新质量是创新效率的格兰杰原因。这说明创新质量对创新效率拥有较好的反馈效应，但创新效率尚不能非常有效地促进创新质量。

贝叶斯向量自回归模型的研究结果表明，创新效率的正向冲击对创新质量的影响为负向，创新质量的正向冲击对创新效率的影响也为负向。

造成高技术产业创新效率与创新质量协调不佳的根本原因是我国的创新质量总体还不高，从创新投入产出看，创新投入对创新质量的弹性之和仅为0.129，处于严重的规模报酬递减阶段。此外，创新效率也有较大的提升空间，从脉冲响应函数可以看出，创新效率的正向冲击对研发投入的影响显著为负，依靠降低研发经费来提高创新效率是没有意义的。

（二）政策启示

1.高技术产业目前的首要任务是提高创新质量

改革开放以来，中国高技术产业取得了长足的发展与令人瞩目的成就，目前其创新总量已经颇具规模，中国已经连续多年成为世界上专利申请数量第一的国家，但是中国高技术产业目前的创新质量还不高，研发投入难以有效地促进创新质量提升，在许多领域我国的关键技术还受制于人。因此，高技术产业应该转变创新思路，加强基础研究，注重原始创新与重大创新，通过提高创新质量来引领高技术产业创新的转型升级。

创新效率对创新质量的弹性较低，根本原因是负向机制的作用较强，表现为创新一味追求产出投入比和创新速度，这对创新质量的提升是不利的。凡是重大创新、颠覆性创新等创新质量较高的领域，在做好创新管理的同时，都要加大投入，不能过分追求节约成本和提高创新速度。

2.应注重提高创新效率与创新质量的协调关系

效率与质量应该有所侧重。当创新效率较低时，固然从效率角度有存在瑕疵，但能有效地提高创新质量。当创新质量较低时，虽然这是不利因素，但此时创新效率对创新质量的提升机制较好。在高技术产业创新效率与创新质量的协调机制尚不完善的情况下，企业应该根据具体情况因地制宜，寻找自身的创新效率与创新质量提升路径，政府应该出台相关政策，精细化地加以引导和扶持。

效率和质量是统一的，创新质量不高的原因本质上在于没有实现效率与质量的有机协调。短期创新效率的提高固然容易取得较好的效果，但对创新质量提高不利，而要提高创新质量，短期会牺牲创新效率。所以，企業必须制定好长期的创新发展战略，从有助于提高企业长期竞争力的角度出发，平衡好创新效率与创新质量的关系，避免短期行为。

高技术产业应该从深层次提高创新效率。浅层次的创新效率提升包括提高产出投入比和创新速度，由于人为干预成分较大，因此稍有不慎，可能起到相反的效果。而深层次的创新效率提升包括改进自身的技术与加强创新管理，这才是创新质量提升的关键。因此，高技术企业一方面要加强学习，注重交流，努力提升自己的创新水平，从而提高纯技术效率;另一方面也应该加强创新管理研究，合理分配创新资源，加强创新人才激励，努力提高规模效率水平。

参考文献：

[1] 蔡绍洪、俞立平，2017：《创新数量、创新质量与企业效益——来自高技术产业的实证》，《中国软科学》第5期。[Cai Shaohong and Yu Liping，2017，Innovation Quantity，Innovation Quality and Firm Benefit—— Evidence from the High-tech Industries，China Soft Science，5.]

[2] 陈抗、战炤磊，2019：《规模经济、集聚效应与高新技术产业全要素生产率变化》，《现代经济探讨》第12期。[Chen Kang and Zhan Zhaolei，2019，Economies of Scale，Agglomeration Effect and Changes in Total Factor Productivity of High-tech Industry，Modern Economic Research，12.]

[3] 程俊杰，2019：《高质量发展背景下破解“创新困境”的双重机制》，《现代经济探讨》第3期。[Cheng Junjie，2019，Double Mechanisms of Solving “Innovation Dilemma” under the Background of High-quality Development，Modern Economic Research，3.]

[4] 刁秀華、李姣姣、李宇，2018：《高技术产业的企业规模质量、技术创新效率及区域差异的门槛效应》，《中国软科学》第11期。[Diao Xiuhua，Li Jiaojiao and Li Yu，2018，Research on the Threshold Effect Between Firm Size Quality and Technological Innovation Efficiency：Panel Data from High-tech Industries in China，China Soft Science，11.]

[5] 国胜铁、杨博、王林辉，2018：《产品质量、技术差距与技术引进效率：来自上海市制造业的经验证据》，《宏观经济研究》第3期。[Guo Shengtie，Yang Bo and Wang Linhui，2018，Product Quality， Technology Gap and Technology Import Efficiency：Empirical Evidence from Shanghai Manufacturing Industry，Macroeconomics，3.]

[6] 黄繁华、高静，2013：《出口地缘偏向性、质量评价与技术效率评估》，《世界经济研究》第7期。[Huang Fanhua and Gao Jing，2013，Trade Geopolitical Deviation，Quality Valuation Mechanism and Technology Efficiency Assess，World Economy Studies，7.]

[7] 荆宁宁、黄申奥、李德峰，2017：《创新文化、顾客创新、社交媒体与创新质量之间的关系——有调节的中介效应模型》，《宏观质量研究》第4期。[Jing Ningning，Huang Shenao and Li Defeng，2017，Research on the Relationship Between Innovation Culture， Customer Innovation， Social Media and Innovation Quality—A Moderated Mediation Model，Journal of Macro-quality Research，4.]

[8] 冷松，2020：《研发投入的创新绩效综合评估研究——基于仪器设备视角》，《云南财经大学学报》第6期。[Leng Song，2020，Research on the Comprehensive Evaluation of the Innovation Performance of R&D Investment：From the Perspective of Instrument and Equipment，Journal of Yunnan University of Finance and Economics，6.]

[9] 李习保，2007：《中国区域创新能力变迁的实证分析： 基于创新系统的观点》，《管理世界》第12期。[Li Xibao，2007，A Case Study on the Changes in the Innovation Capability of Chinas Regions：A Concept Based on the Innovation System，Management World，12.]

[10] 刘永松、王婉楠、王墨林，2019：《基于两阶段网络DEA模型的国家创新效率研究——基于南亚、东南亚国家》，《云南财经大学学报》第6期。[Liu Yongsong，Wang Wannan and Wang Molin，2019，A Study on the National Innovation Efficiency Based on Two-stage Network DEA Model：Based on South and Southeast Asia Countries，Journal of Yunnan University of Finance and Economics，6.]

[11] 罗丽英、齐月，2016：《技术创新效率对我国制造业出口产品质量升级的影响研究》，《国际经贸探索》第4期。[Luo Liying and Qi Yue，2016，Research on the Effect of Technological Innovation Efficiency on the Quality Upgrading of Chinese Manufacturing Export Products，International Economics and Trade Research，4.]

[12] 钱丽、王文平、肖仁桥，2018：《共享投入关联视角下中国区域工业企业绿色创新效率差异研究》，《中国人口·资源与环境》第5期。[Qian Li，Wang Wenping and Xiao Renqiao，2018，Research on the Regional Disparities of Chinas Industrial Enterprises Green Innovation Efficiency from the Perspective of Shared Inputs，China Population，Resources and Environment，5.]

[13] 魏国江，2016：《不同类型企业创新效率差异及分解分析》，《福建論坛（人文社会科学版）》第9期。[Wei Guojiang，2016，Analysis on the Difference and Decomposition of Innovation Efficiency of Different Types of Enterprises，Fujian Tribune，9.]

[14] 许昊、万迪昉、徐晋，2017：《风险投资、区域创新与创新质量甄别》，《科研管理》第8期。[Xu Hao，Wan Difang and Xu Jin，2017，Venture Capital， Regional Innovation and Innovative Quality Screening，Science Research Management，8.]

[15] 余红伟、谭琳，2017：《质量管理模式能提高企业创新效率吗？——基于2015年中国企业员工匹配调查数据的实证研究》，《北京工商大学学报（社会科学版）》第2期。[Yu Hongwei and Tan Lin，2017，Can Quality Management Model Improve Innovation Efficiency？——Empirical Study Based on Chinese Employer-employee Survey Data，Journal of Beijing Technology and Business University（Social Sciences），2.]

[16] 朱金龙、朱卫未、宋福明，2018：《基于PCA-SEDEA的高校协同创新中心科研效率分析与评价——以江苏高校行业产业类协同创新中心为例》，《科技管理研究》第24期。[Zhu Jinlong，Zhu Weiwei and Song Fuming，2018，Analysis and Evaluation of Research Efficiency of University Collaborative Innovation Center Based on PCA-SEDEA： Take the Collaborative Innovation Center of Industry and Industry in Jiangsu as an Example，Science and Technology Management Research，24.]

[17] 张古鹏、陈向东，2011：《基于专利的中外新兴产业创新质量差异研究》，《科学学研究》第12期。[Zhang Gupeng and Chen Xiangdong，2011，Research of Gap of Innovation Quality Between China and Overseas Countries in Emerging Industry Based on Patent，Studies in Science of Science，12.]

[18] 张同斌、陈婷玉，2020：《中国制造业需求驱动研发模式及创新效应研究》，《系统工程理论与实践》第6期。[Zhang Tongbin and Chen Tingyu，2020，Research on the Demand-driven R&D Model and Its Innovative Effect in Chinas Manufacturing Industry，Systems Engineering-Theory & Practice，6.]

[19] Andersen P. and N. C. Petersen，1993，A Procedure for Ranking Efficiency Units in Data Envelopment Analysis，Management Science，39（10），1261-1264.

[20] Benhabib J. and M. M. Spiege，1994，The Role of Human Capital in Economic Development Evidence from Aggregate Cross-country Data，Journal of Monetary Economics，34（2），143-173.

[21] Charnes A.，W. W. Cooper and E. Rhodes，1978，Measuring the Efficiency of Decision Making Units，European Journal of Operational Research，（2），429-444.

[22] Cherchye L. and P. V. Abeele，2005，On Research Efficiency：A Micro-Analysis of Dutch University Research in Economics and Business Management，Research Policy，34（4），495-516.

[23] Claver E.，J. Llopis. and D. Garcia，1998，Organizational Culture for Innovation and New Technological Behavior，The Journal of High Technology Management Research，9（1），55-68.

[24] Cornelli F. and M. Schankerman，1999，Patent Renewals and R&D Incentives，The RAND Journal of Economics，30（2），197-213.

[25] Fuchs C. and M. Schreier，2011，Customer Empowerment in New Product Development，Journal of Product Innovation Management，28（1），17-32.

[26] Gene M. G. and R. H. Esteban，2008，Trading Tasks： A Simple Theory of Off-shoring，American Economic Review，98（ 5），1978-1997.

[27] Griliches Z.，1979，Issues in Assessing the Contribution of Research and Development to Productivity Growth，Bell Journal of Economics，10（1），92-116.

[28] Griliches Z.，1990，Patent Statistics as Economic Indicators： A Survey，Journal of Economic Literature，28（12），1661-1707.

[29] Guellec D. and B. Pottelsberghe，2000，Applications，Grants and the Value of Patent， Economic Letters ，69（1），109-114.

[30] Hallak，J.C. and J. Sivadasan，2009，Firms Exporting Behavior under Quality Constrains，NBER Working Paper，No.14928.

[31] Haner U.E.，2002，Innovation Quality-A Conceptual Framework， International Journal of Production Economics，80（1），31-37.

[32] Hirshleifer D.，P. H. Hsu and D. Li ，2013，Innovative Efficiency and Stock Returns，Journal of Financial Economics，107（3），632-654.

[33] Jaffe A.B.，1989，Real Effects of Academic Research，The American Economic Review，79（5），957-970.

[34] Juan C. H.，2006，Product Quality and the Direction of Trade， Journal of International Economics，68，238-265.

[35] Lanjouw J.O. and M. Schankerman，2004，Patent Quality and Research Productivity： Measuring Innovation with Multiple Indicators，Economic Journal，114（10），441-465.

[36] Litterman R.B.，1986，Forecasting with Bayesian Vector Autoregressions Five Years of Experience，Journal of Business and Economics Statistics，2（4），25-38.

[37] Melitz M.J.，2003，The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity，Econometrica，71（6），1695-1725.

[38] Mundlak Y.，1961，Empirical Productions Free of Management Bias，Journal of Farm Economics，（43），44-56.

[39] Prajogo D.I. and A. S. Sohal，2006，The Integration of TQM and Technology/R&D Management in Determining Quality and Innovation Performance，Omega，34（3），296-312.

[40] Teemu M. and I. Tommi，2014，Innovation Quality in Knowledge Cities： Empirical Evidence of Innovation Award Competitions in Finland，Expert Systems with Applications，41（12），5597-5604.

[41] Thomas V.J.，S. Sharma and S. K. Jain，2011，Using Patens and Publications to Assess R&D Efficiency in the States of USA，European economic review，33（1），4-10.

[42] Tone K. A.，2002，Slacks-based Measure of Super-efficiency in Data Envelopment Analysis，European Journal of Operational Research，143（1），32-41.

[43] Tong X. and J. D. Frame，1994，Measuring National Technological Performance with Patent Claims Data，Research Policy，23（2），133-141.

[44] Urban G.L.，T. Carter，S. Gaskin and Z. Mucha，1986，Market Share Rewards to Pioneering Brands： An Empirical Analysis and Strategic Implications，Management Science，32 （6），645-659.

[45] Vestal A.，2014，How Do Cross-Cluster Teams Affect Innovation Quality？ The Moderating Role of Team Compilation，Academy of Management Annual Meeting Proceedings，17168-17168.