风险投资对高新技术产业技术创新作用的实证研究
来源:用户上传
作者:
摘要：风险资本作为一种创新型的融资方式，是目前企业技术创新的重要融资来源之一，所以风险投资与技术创新的关系是当前理论界和实践界共同关注的主题。本文基于效率视角，运用DEA模型实证分析了风险投资对高新技术产业技术创新效率的影响，结果表明风险投资对于该产业技术创新效率产生的影响作用不如R&D明显。
关键词：风险投资;技术创新效率
一、引言
近年来创新逐渐成为中国经济增长的重要引擎。根据发达国家经验显示，近年来与科技创新最为匹配的一种资本形态就是风险投资，其能够在提供资金的同时为企业提供非资本增值服务。在实践层面，纵观国内外成功的风投案例，风险投资已然成为激励企业创新的重要机制之一。
目前，国内外学者对风险投资与技术创新之间的关系已进行了大量分析与实证研究，然而现有研究更多关注风险投资对技术创新的作用机制，并用多种回归分析手段进行实证研究。相比而言，本文则把着眼点放在风险投资对技术创新效率的影响上，并以中国高新技术产业2005—2016年的数据为样本，从效率视角出发，基于 DEA 模型考察风险投资对技术创新的作用。
二、文献回顾
20世纪70年代，有学者开始关注风险投资对技术创新的作用研究，Kortum和Lerner（2000）两位学者首次运用创新生产函数，并以美国1965-1992年的相关数据为样本，实证分析了过去近30年风险投资对专利的影响，发现风险投资额对专利申请量的影响作用是R&D投入的3.1倍。相反，部分学者研究发现风险投资对技术创新起到抑制作用。Stuck和Weingarten（2005）研究表明在20世纪90年代，即便风险投资市场处于上升阶段，美国企业的技术创新水平仍在以很大幅度下降。同时，也有一些研究认为风险投资与企业技术创新之间不存在必然联系。
综上，理论界已经对风险投资与技术创新的关系进行了多角度的探讨，但现有文献在研究风险投资对技术创新产出的作用时，以回归分析方法为主却忽视了效率的影响。所以本文将在前人研究的基础上，以中国高新技术产业2005—2016年的数据为样本，从效率视角出发，基于DEA模型考察风险投资对技术创新的作用。
三、研究设计与实证分析
本章第一小节选取恰当的计量模型和测算指标对技术创新效率进行测算，第二小节运用计量分析软件，基于已有所获数据计算出效率值，并依据实证结果进行相关分析。
（一）研究设计
1.计量分析模型
企业创新效率评价方法主要分为参数法和非参数法两种。其中非参数法以数据包络分析法（DEA）为代表，相比于以SFA等为代表的参数法，DEA模型在处理多投入变量和多产出变量时，不需要确定具体的投入产出关系。本文主要参考赵树宽、余海晴和巩顺龙的观点，将企业的技术创新定义为同时具有多投入和多产出特点的活动，且具体的投入产出关系难以确定，故而选择DEA模型。
在DEA模型中，又数CCR模型的应用最为广泛。它的前提是企业的规模报酬不变，但是实际上各种社会环境的改变都会使企业很难始终保持最优规模。基于高新技术企业创新边际收益的高度不确定性，本文采用以规模报酬可变为前提的BCC模型，随后再将综合效率值予以分解，在得到纯技术效率值以及规模效率值之后对决策单元的规模收益情况再进行进一步判断。
2.指标选取以及数据收集
创新投入和创新产出构成了测算技术创新效率较为常用的指标体系。本文借鉴Kortum和Lerner的研究方法，在创新投入方面，以风险投资额、R&D经费和R&D人员全时当量这三个指标来衡量技术创新的投入。在创新产出方面，把专利申请量作为表示技术创新产出的指标之一，并把新产品销售额作为技术创新产出的另一个指标以合理衡量其商业化水平。
本文使用的数据来源于《中国创业风险投资发展报告》和《中国高新技术产业统计年鉴》2005-2016年的统计数据。
（二）实证分析
1.效率评价
本文利用Deap2.1软件并选取BCC模型对数上述据进行实证分析，得到了如表2所示的效率测算结果。
2.有效性分析
在DEA模型中，若效率值为1即表示DEA有效。由表2中数据分析可得， 2006年除外，从2005-2009年，中国高新技术产业技术创新的综合效率值始终为1，即常年处于DEA有效状态。然而自2010年开始，综合效率值开始逐渐发生一定的波动，2010年、2013年和2015年这三年的综合效率值均小于1。总的来看，2005-2016年的平均值达到0.988，非常接近于1，这充分表明中国高新技术产业技术创新效率还是处于较高水平。
在2005-2016年的数据区间，中国高新技术产业技术创新的纯技术效率均值为0.991，规模效率均值0.997。纯技术效率值为1表明该产业投入产出结构合理，而规模效率值为1表明该产业成功达到了投入产出的合理规模。由表2得，数据区间内有8个年份显示为DEA有效，其中两者值都为1，表明这几年里中国高新技术产业在实现了资源的合理分配的同时也达到了资源的最优规模。
由计算出的数据可知，中國高新技术产业在2006年、2010年、2013年和2015年是处于DEA无效状态的。其中2006年和2013年这两年纯技术效率值为1，而规模效率却均小于1，这表明在这两年中国高新技术产业虽然已经实现投入产出的结构最优，但是未能达到规模的最优状态。2010年和2015年这两年的纯技术效率值和规模效率值均表现为小于1，说明在这两年中国高新技术产业既未能达到投入产出结构的最优状态，也未能实现规模最优。
3.风险投资对技术创新效率的影响力分析
本文的研究基于效率视角，因此在高新技术产业效率值结果的基础上，可就风险投资对效率的影响力大小进行更深一步的探究。为了简化，本文只观察将一个投入指标剔除后对整个投入产出方案的效率值的影响。 3种投入产出方案的综合效率均值分别为0.969、0.93和0.953，这就表明剔除风险投资这一投入指标的方案效率均值为三者最大，反言之，即风险投资对效率的影响为三者最小。
依据上文分析，本文还可运用公式（如下所示）计算出每个投入指标对效率的影响。[Si]指标值即可表示投入指标i对DEA效率的影响程度，指标值越大表明该指标对效率的影响程度也越大。其中，[VD]表示上表2中的DEA效率均值，V（[Di]）则表示上表3中不同投入产出组合下的DEA效率均值。
由上式可得，S1=0.0196，S2=0.0624，S3=0.0367，这表明在三种投入指标中，风险投资额对技术创新的支持力度不如R&D对技术创新的支持力度大。
究其原因，第一，国内的风险投资业起步较晚，目前处于发展初期，存在资金规模不够合理以及关键人才缺乏等种种问题，给予被投企业的帮助相当有限。第二，本文借鉴了邓俊荣和龙蓉蓉的观点，认为相较于其他产业而言，高新技术产业的市场前景具有较大的不确定性，生产经营风险较高，这些因素可能会影响适合风险投资支撑的创新活动的数量和效率。
4.投影分析
通过投影分析，可对非DEA有效年份的创新投入冗余量和产出不足量进行进一步研究，能够为高新技术产业创新效率改进提供大致的目标和方案。
2006年、2010年、2013年以及2015年均表现为DEA无效，其改进方向可以着眼于技术创新投入，如2010年和2015年这两年的三项投入指标皆存在投入冗余情况，只是程度略有不同。接着再从技术创新投入的改进幅度看来，三者之中风险投资额的改进幅度最大，R&D人员的改进幅度次之，而R&D经费的改进幅度则相对最小。故本文认为，2010年、2015年这两年的DEA无效情况主要是因为风险投资投入过多导致。从另一方面来看，技术创新产出的调整情况则相对较简单，4个DEA无效年份内只有2015年的专利申请数需要进行调整，且其改进幅度极其微小，仅为0.22%。
结论
1.总的来看，由表2中的DEA效率评价值得，2005-2016年的综合效率平均值为0.988，充分表明中国高新技术产业技术创新效率处于较高水平。在2010年之前（除2006年外），中国高新技术产业技术创新始终处于DEA有效状态，但从2010年开始，其值逐渐呈现不稳定的波动趋势。
2.将综合效率值拆解开来，规模效率对技术创新效率起到相对更大的影响作用。由上文可知，在数据区间的DEA有效年份内，规模效率值都为1说明高新技术产业不仅实现了资源的合理分配，而且也达到了最优规模。自2010年以后，高新技术产业的技术创新从规模收益递增变为规模收益递减，这表明现有的投入规模离达到最优状态还存在差距。
3.由上文可知，风险投资与R&D相比对技术创新效率的影响作用要更小一些，某些年份DEA无效主要是由风险投资额投入过多导致。所以必须要在适当减少风险投资投入额的同时，加大R&D人员和R&D经费投入，此做法对当前的高新技术产业具有非常重要的实践意义。
参考文献：
[1]Kortum S， Lerner J. Assessing the Contribution of Venture Capital to Innovation[J].Rand Journal of Economics，2000，31（4）：674-692.
[2]Stuck B， Weingarten M. How venture capital thwarts innovation[J].Ieee Spectrum，2005，42（4）：50-55.
[3]趙树宽，余海晴，巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J].科研管理，2013，34（2）：36-43.
[4] Pottelsberghe B V， Romain A. The Economic Impact of Venture Capital[J].Discussion Paper，2004.
转载注明来源:https://www.xzbu.com/1/view-15214657.htm
