李将军，韩圣玥，秦 颖

（北京建筑大学 城市经济与管理学院，北京 100044）

0 引言

习近平总书记在党的二十大报告中指出“高质量发展是全面建设社会主义现代化国家的首要任务”。建立创新驱动型的经济增长模式是实现高质量发展的必由之路。企业是技术创新的主体，提升企业技术创新水平是实现高质量发展的重要内容之一。然而，随着我国生产要素成本的上升，资源、环境约束和市场竞争不断加剧，众多企业面临着利润空间不断缩减、资源分散、恶性竞争等困境。仅依靠高投入驱动创新能力提升的发展模式已难以持续，必须探索提高企业技术创新效率的新路径。特别地，高端装备制造业体现了一个国家制造业的核心竞争力,研究营商环境对高端装备制造业企业技术创新效率的影响效应具有重要的理论意义和实践意义。

学者们认为营商环境应该涵盖对企业经营管理能够产生重要影响的法律法规、政策制度等要素[1]。作为企业创新行为的一个重要约束条件,营商环境阻碍或推动着企业技术创新能力的不断提升[2]。目前，营商环境优化对企业劳动生产率[3]、创业数量和创业质量[4]、企业创新效率[5]、全要素生产率[6]等方面的影响已得到相关研究成果的证实。

借鉴已有研究，本文将高端装备制造业企业技术创新效率纳入研究框架，运用三阶段DEA 模型测算了高端装备制造业企业技术创新效率；运用Tobit 模型实证检验了营商环境对高端装备制造业企业技术创新效率的影响机制，并进行了产权异质性和区域异质性检验。

1 理论分析

营商环境与企业技术创新效率的关系成为国内的研究热点，多数学者从营商环境的某一方面切入，研究其与企业技术创新效率的关系，具体表现为四个方面：一是企业的管理效率方面。在公开透明的政策环境下，为了取得竞争优势，企业会努力提高管理效率，积极研发新产品和新技术[7]。二是企业的制度性交易成本方面。规范高效的政务环境有助于企业减少寻租动机，节省制度性交易成本，进而促进技术创新效率提升[8]。三是企业的信息交易成本方面。通过改善软硬件设施环境，特别是实现5G、工业互联网、人工智能等新型信息基础设施的互联互通，能够大幅度降低企业的信息成本[9]。四是要素市场建设方面。良好的营商环境通过促进要素流动进而提高资源配置效率，为企业技术创新提供人才支持[10]和资金保障[11]。

现有关于营商环境及企业技术创新效率两者之间关系的研究，多是从外部环境中的某一因素出发，研究营商环境对企业技术创新效率的影响效应。然而，根据资源依赖理论，企业与外界环境有密不可分的联系，且会受到外界环境的密切影响。营商环境作为企业技术创新活动的综合生态环境系统，必然会影响企业的技术创新效率。基于上述研究观点，借鉴王小鲁等（2020）[12]的研究成果，本文认为，营商环境会在政策环境、政务环境、要素市场环境、信息基础设施等方面通过企业管理效率、交易成本、金融和人力资源、数字化管理水平等方面对企业技术创新效率产生影响。本文基于行业层面，以高端装备制造业为例，研究营商环境对企业技术创新效率的影响效应。

2 研究设计

2.1 技术创新效率测算评价模型

2.1.1 第一阶段：传统的DEA模型

本文从投入角度测算高端装备制造业企业的技术创新效率，关注的是产出不变条件下创新投入变量的冗余和利用有效性。因此，本文选用投入导向规模报酬可变的BCC模型。

2.1.2 第二阶段：构建相似SFA模型

第一步，将第一阶段计算得出的各创新投入的松弛变量进行SFA 回归分解，构造含有环境因素、随机因素和管理因素三个自变量的函数，形式如下：

第二步，分离综合干扰项。Fried等（2002）[13]建议使用Jondrow 等（1982）[14]提出的分离公式，但该公式针对的是随机前沿生产函数，而本文建立的是随机前沿成本函数，所以需要对该公式加以调整。本文分离公式如下：

2.1.3 第三阶段：调整后的DEA模型

以调整后的创新投入变量替换原始值，创新产出变量保持不变，重新运行BCC模型，得到剔除非经营因素影响的企业真实技术创新效率。

2.2 技术创新效率测算变量选取

2.2.1 创新投入变量

本文分别采用技术人员数量和研发经费支出来度量创新投入。需要指出的是，上市公司年报中披露的“研发经费支出”属于流量数据。运用Goldsmith（1951）[15]提出的永续盘存法，本文将企业年报中的“研发经费支出”流量指标转化为存量指标，公式如下：

其中，K为当期研发经费支出存量；E为实际研发经费支出；δ表示折旧率，取值为15%。根据式（5）得到高端装备制造业企业历年的研发经费支出存量。研发经费支出存量的平均增长率记为g，基期研发经费支出存量的计算公式如下：

2.2.2 创新产出变量

企业的创新产出主要包括技术性产出与收益性产出，对应的能够代表技术创新效率的指标分别是专利授权数量与新产品产值。由于企业年报中较少公布新产品产值，导致相关数据无法获得，因此本文采用主营业务收入作为收益性产出的代理指标。

DEA 模型中要求投入与产出变量正相关，因此，本文对选取的创新投入与创新产出变量进行了相关性检验。检验结果（见表1）表明，创新投入与创新产出变量正相关（P＜0.01），证明本文的变量指标选取较为合理。

表1 创新投入与创新产出变量相关性检验

2.2.3 环境变量

本文主要选取以下4 个环境变量来进行分析：（1）经济发展水平。经济发展水平越高的地区，对R&D 资金和R&D 人员的吸引力越大，进而对企业技术创新效率产生积极影响。（2）政府补助。关于政府补助对企业技术创新效率的影响效应，学界还没有达成一致的意见，需要进一步研究。（3）企业年龄。企业的研发、管理经验会随着企业年龄的增长而逐渐丰富，从而有助于提升企业技术创新效率。（4）企业规模。企业的规模会对创新效率产生一定的影响。为消除数据单位的限制，本文使用Z-score 标准化对4 个指标数据进行了无量纲化处理。三阶段DEA 模型各变量的定义与说明如表2所示。

表2 三阶段DEA模型变量的定义与说明

2.3 Tobit模型设定及变量选取

由于测算得到的技术创新效率取值范围为0～1，使用普通OLS回归可能会造成估计偏差，因此本文使用可以有效解决受限因变量回归问题的Tobit模型来验证营商环境优化对高端装备制造业企业技术创新效率的影响，基准模型设定如下：

其中，TEit表示企业技术创新效率；解释变量ENVi(t-1)表示省份层面企业的营商环境优化指数，由于创新投入存在时间上的滞后性，因此本文将营商环境优化指数取滞后1期纳入模型；∑Controlsit表示全部控制变量；εi为随机误差项；下标i、t和s分别表示企业、年份和企业所在省份；β0为常数项；β1、βj(j=2，3，4，5，6)为待估参数，其中β1的取值、符号与显著性是本文的关注重点，若β1显著为正，则说明营商环境优化能够显著提升高端装备制造业企业技术创新效率。

2.3.1 被解释变量

TE表示技术创新效率，本文将经过三阶段DEA 模型调整后的技术创新效率值作为被解释变量，值域为[0，1]，数值越趋近于1，说明该企业的技术创新效率越高。

2.3.2 解释变量

ENV表示营商环境优化指数，该指数取值范围为1～5。数据取自王小鲁等（2020）[12]编著的《中国分省企业经营环境指数2020年报告》。需要指出的是，本文的研究区间为2013—2020 年，由于该报告2008—2019 年隔年发布一次，所提供的数据仅有2012年、2016年和2019年，考虑到营商环境指数每年变动相对排序稳定，因此本文采用近似替代法补充缺失年份的数据。具体地，以2012 年的营商环境指数替代2013年、2014年和2015年的营商环境指数，以2016 年的营商环境指数替代2017 年、2018 年的营商环境指数。

2.3.3 控制变量

本文选取以下变量加以控制：盈利能力ROA，用资产收益率表示；偿债能力DEBT，用资产负债率表示；成长能力GROWTH，用营业收入增长率表示，衡量企业创新转化的能力；投资机会Q，用托宾Q值表示；股权集中度SHARE，用企业第一大股东持股比例衡量。Tobit 模型各变量的定义与说明如表3所示。

表3 Tobit模型变量说明

2.4 样本筛选与数据来源

本文选取2013—2020 年中国资本市场A 股高端装备制造业上市企业为初始研究对象，为避免异常观测值的不利影响，参照以往研究惯例，剔除了处于ST、*ST、PT 等异常经营状态和存在数据缺失的样本，最终获得952 个企业年度观测值。营商环境优化指数数据来自《中国分省企业经营环境指数2020年报告》，缺失年份的数据采用相邻年份数据进行近似替代补充。技术创新效率数据来自三阶段DEA模型的测算结果。

3 实证结果分析

3.1 技术创新效率的DEA评价

3.1.1 第一阶段传统DEA结果

使用DEAP 2.1 软件，分析高端装备制造业企业历年的技术创新效率，测算结果如表4所示。由于企业数量较多，因此本文仅列示全部企业、国有企业以及非国有企业历年的技术创新效率均值。结果显示，第一，2013—2020年高端装备制造业企业的技术创新效率较低，均值都在0.5 以下；分解来看，纯技术效率和规模效率均值分别为0.428和0.627。第二，将样本企业按不同产权性质分别计算其技术创新效率。可以发现，非国有企业的技术创新效率优于国有企业；分解来看，纯技术效率方面非国有企业更优，而规模效率方面国有企业更优。上述结果未排除非经营因素和随机因素的影响。

表4 历年技术创新效率均值

3.1.2 第二阶段SFA回归结果

分别以经济发展水平、政府补助、企业年龄、企业规模为解释变量建立SFA 回归模型，运用Frontier 4.1 软件进行分析，结果如下页表5 所示。结果显示，各个环境变量基本通过1%的显著性检验，且两个模型单边似然比检验的LR 值均大于混合分布的检验标准值，λ值均趋近于1，说明拒绝“存在无效率项”的原假设，即SFA 模型对成本函数的模拟是合适的，有必要剔除环境因素和随机噪声的影响。

表5 第二阶段SFA回归结果

分析各个环境变量对技术创新效率的影响，具体而言：经济发展水平对R&D人员、R&D资金投入的松弛变量均有显著负向影响，说明地区经济发展水平越高，越有利于减少高端装备制造业企业研发人员和研发经费的浪费；政府补助对R&D资金冗余有显著负向影响，对R&D人员冗余有显著正向影响，表明政府补助有利于高端装备制造业企业研发经费的有效配置，但会增加研发人员冗余；企业年龄对R&D 人员和R&D 资金投入的松弛变量均产生负向影响，说明随着企业年龄的增加，企业技术创新活动的经验更加丰富，技术创新效率也随之提高；企业规模对R&D 人员冗余有显著负向影响，对R&D 资金冗余有显著正向影响，表明企业规模扩大会减少研发人员的浪费，但会增加研发资金的损耗。

各环境变量对不同创新投入的影响方向与作用强度有所不同。为避免估计结果出现偏差，需要对第一阶段的创新投入变量进行调整，以在同一标准下比较全部样本企业的技术创新效率水平。

3.1.3 第三阶段创新投入调整后的DEA结果

对调整后的数据再次进行DEA 评价，结果如表6 所示。对比表4调整前的测算结果，样本企业的技术创新效率结构发生了较大变化。从全部样本企业来看，技术创新效率均值由调整前的0.247上升至0.374，说明之前的技术创新效率受到了不利环境的影响而被低估；分解来看，纯技术效率均值相比于调整前提升到了0.888，而规模效率均值在调整后下降至0.429。

表6 调整后的历年技术创新效率均值

产权异质性方面，调整后的国有、非国有企业的技术创新效率均有所上升，说明受非经营因素干扰，两类企业的技术创新效率均被低估；纯技术效率方面，国有、非国有企业经调整后的纯技术效率均值分别为0.857和0.924，相对较高；规模效率方面，国有、非国有企业调整后的规模效率均有所下降。

3.2 Tobit模型结果

3.2.1 描述性统计

表7 列示了主要变量的描述性统计结果。技术创新效率TE最小值为0.016，最大值为1.000，表明不同企业之间的技术创新效率水平存在较大差异。营商环境优化指数ENV最小值为2.800，最大值为4.305，表明不同省份之间营商环境发展不平衡。盈利能力ROA的均值、最小值和最大值分别为3.295、-55.315 和38.266。偿债能力DEBT的均值和标准差分别为46.434和18.271，表明资产负债率的均值为46.434%。成长能力GROWTH的均值和标准差分别为17.204和72.284，反映出企业的成长性普遍较好。投资机会Q均值为1.700，说明企业的市场认同度较高。股权集中度SHARE均值为33.768，表明股权集中度较高。

表7 主要变量的描述性统计

3.2.2 回归结果分析（1）基准回归

本文根据式（7）分析营商环境优化与高端装备制造业企业技术创新效率之间的影响关系，回归结果如下页表8所示。列（1）和列（2）报告了全部样本的Tobit 回归结果，列（1）表示没有加入控制变量的估计结果，列（2）表示加入控制变量的估计结果。结果显示，营商环境优化指数对高端装备制造业企业技术创新效率的影响均显著为正，列（1）和列（2）中营商环境优化指数的估计结果分别为0.059和0.045，分别在5%和10%的水平上显著，表明营商环境优化和高端装备制造业企业技术创新效率显著正相关，营商环境优化指数增加1%，促进高端装备制造业企业技术创新效率提高约0.045%。结果证明，营商环境优化提升了高端装备制造业企业的技术创新效率。

表8 基准回归与产权异质性分析结果

（2）稳健性检验

营商环境优化是提升高端装备制造业企业技术创新效率的一个重要外部制度因素，而高端装备制造业企业技术创新效率的提升会对营商环境优化提出更高要求，从而可能导致反向因果的内生性问题。鉴于此，本文使用企业所在城市的开埠通商历史作为工具变量来缓解内生性问题。选取该工具变量的合理性在于：一方面，各城市的营商环境在一定程度上受到开埠通商历史的影响[16]；另一方面，开埠通商年限长度作为历史数据，难以对样本期内的企业技术创新效率产生影响。对开埠通商历史（ENV1）的计算，按照从开埠通商之日起至研究年度年底的年限长度。检验结果表明，在控制内生性后营商环境优化指数与高端装备制造业企业技术创新效率依然显著正相关。

4 异质性分析

4.1 产权异质性

表8列（3）和列（4）表明，营商环境对技术创新效率的影响效应存在明显差异。在非国有企业的子样本回归中，营商环境指数与技术创新效率在10%的水平上显著正相关（系数为0.058，t 值为1.72）；在国有企业的子样本回归中，相关指标不显著。该结果表明，非国有高端装备制造业企业对营商环境优化的反应更为敏感。

4.2 区域异质性

将样本企业分为东部地区、中部地区、西部地区和东北地区四组，考察营商环境优化对不同区域高端装备制造业企业技术创新效率的影响效应。根据表9的检验结果，在中部地区和东北地区，营商环境指数与技术创新效率之间均呈现显著的正相关关系；在东部地区和西部地区两者关系则不显著。实证结果表明，营商环境优化在中部地区和东北地区对高端装备制造业企业技术创新效率的促进作用显著高于东部和西部地区。因此，中部地区和东北地区的政府应该充分利用这一积极影响效应，优化营商环境，提升高端装备制造业企业技术创新效率。具体分析，作为最早享受改革开放红利的地区，东部地区比其他地区拥有更为充裕的人才要素和创新资源，营商环境优化对高端装备制造业企业技术创新效率的提升作用已充分释放。西部地区营商环境优化尚未明显成为高端装备制造业企业技术创新效率提升的主要推动力量，现阶段迫切需要优化政府职能，打破要素流动障碍，加快基础设施建设，充分挖掘营商环境优化对企业技术创新效率的积极影响效应。

表9 区域异质性分析结果

5 结论

本文在理论分析的基础上，以高端装备制造业为例，研究营商环境优化对企业技术创新效率的影响效应。基于三阶段DEA 模型，对高端装备制造业企业的技术创新效率进行了测算。研究发现，我国高端装备制造业企业技术创新效率偏低的真正原因是规模效率低。然后，利用2013—2020 年我国资本市场A 股高端装备制造业上市公司的样本数据，运用Tobit 模型实证分析了营商环境优化与高端装备制造业企业技术创新效率提升之间的关系。研究表明：营商环境优化能够显著提升高端装备制造业企业的技术创新效率。营商环境优化对高端装备制造业企业技术创新效率的影响效应具有产权异质性，这种影响效应在非国有高端装备制造业企业中更为显著。营商环境优化对高端装备制造业企业技术创新效率的影响效应还具有区域异质性。相比于东部和西部地区，这种正向影响效应在中部和东北地区高端装备制造业企业中更为明显。