国外技术管制政策对中国技术创新的影响实证研究
时间：2023-04-21 20:35:04 来源：千叶帆 本文已影响人
刘兰剑，牟兰紫薇
(1.长安大学人文学院，陕西 西安 710064；
2.陕西省公众科学素质与公共政策研究中心，陕西 西安 710064)
在推动国家经济和科技水平增长的因素中，高新技术无疑占据着相当重要的地位，发达国家从发展初期就高度重视高新技术对经济与科技发展的影响。2018年以来，美国通过一系列措施加强对向中国出口军民两用技术的管制。随着全球化进程不断加快，科技经济一体化已成为21世纪社会发展的大趋势，在这种背景下，技术管制一方面会对实施国的国内相关产业造成负面影响，另一方面也会对被管制国的技术创新产生巨大冲击。随着新一轮科技革命和产业革命的到来，抢占科技创新制高点的竞争将会变得越来越激烈。当前发达国家对高新技术的管制程度进一步加强，作为主动融入全球经济的新兴力量，以华为为代表的高新技术企业正面临着技术管制带来的巨大风险，同时我国正处于产业转型升级和技术革新的关键时期，分析技术管制政策对技术创新的影响有利于优化创新资源配置，转变技术创新模式，积极应对技术管制政策带来的冲击。
关于技术管制政策对我国技术创新造成的影响，学者们已经开展了一些研究。部分学者认为技术管制政策不利于我国的技术创新：童书兴[1]认为，出口管制影响了高技术国际转让的规模和流向，不利于发展中国家技术引进与技术创新；
杜莉[2]认为，国外对高技术及产品进行出口管制导致我国在产业链中处于低端的加工制造环节，阻碍了技术创新；
顾学明等[3]认为，受技术管制政策影响，中外技术交流机会大量丧失，引发我国自主创新能力不断削弱；
Machiko[4]认为，技术管制政策无论对出口国还是进口国来说，都必然会限制其经济和科技发展，对发展中国家来说尤其如此。另一些学者认为技术管制政策能够对我国技术创新带来积极影响：张群卉[5]构建了出口管制对国内产品创新速度影响的模型，得出该政策有利于减少我国对技术引进的依赖，加快技术创新的速度；
纪顺洪等[6]研究发现技术管制政策强度的变化会影响我国创新模式的选择，受严格管制的高技术产业更偏向于依赖自主能力进行创新；
姜辉[7]认为，技术管制政策推动了我国技术创新模式的改变，促使高新技术产业将创新资源投入到内部依赖型的创新模式中，有利于提升自主创新能力;Bown[8]认为，技术管制政策可能会引发我国对产业链断供的担忧，促使其采取更加积极的科技发展方针，给予更大力度的政策支持，推动技术创新能力的提升。
当前研究对一些重要的相关行业进行了分类分析，试图在更为微观的层面上理清技术管制政策带来的实质性影响，并从原因、特点、历史演变及发展趋势等角度对技术管制政策进行剖析，但对技术管制政策强度进行量化分析的文献不多，在优化科技产业布局、制定相关政策时难以提供令人信服的科学的实证依据。基于此，本文聚焦技术管制政策，将该政策作为变量引入实证模型中进行检验，以企业的实际数据为依据，从技术创新投入、产出和效率三个角度探索技术管制政策对我国技术创新造成的影响。
发达国家限制高新技术与产品的出口导致我国技术引进的路径更为复杂，引进成本上升，引进难度大幅增加，倒逼企业增加研发投入，提高自主研发能力。虽然技术管制政策短期内在一定程度上会阻碍相关企业的技术进步，但长期看能够激励我国不断加大研发投入，完善科研体系，以提高自主研发能力[9-10]。可见技术管制越严格，我国高新技术企业的技术创新投入越多。从另一个角度来看，随着企业研发投入的增加，自主研发能力增强，出于进一步遏制我国相关产业发展的考虑，国外技术管制政策也会更加严格。由此可推断H1：我国高新企业的技术创新投入与技术管制政策强度正相关。
技术管制政策与我国高新技术产业的技术创新存在 “双倒逼”机制，具体表现为前者会倒逼后者减少对外部技术的依赖转而进行自主创新，从而带来更多的创新产出，且管制越严格的技术类别越会驱使相关产业转向内部创新；
而当后者成功提升创新能力后，前者的政策标准趋于落后，反过来倒逼前者调整政策强度，提高技术管制的标准[11]。技术管制政策可以倒逼我国科技自立自强，加速产业升级和行业改革[12]。由此可推断H2：我国高新企业的技术创新产出与技术管制政策强度正相关。
作为处在技术追赶时期的后发国家，技术引进对提升我国创新效率与创新能力至关重要，但由于遭到严格的技术管制，我国相关产业难以获得国外技术溢出，致使技术创新遭受巨大的效率损失。在技术管制政策下，对外部技术依赖程度高的企业，特别是替代性弱的关键零部件几乎完全依赖进口的，其正常经营面临着更加直接的威胁和挑战[13]。技术管制政策通过影响我国的技术创新模式，阻延技术引进路径，扭曲创新资源的优化配置，破坏我国原有的供应链和价值链，冲击了我国与其他国家已经形成的良性分工和合作关系，增加了产业链中部分环节的研发成本[14]。由此可推断H3：我国高新技术企业的技术创新效率与技术管制政策强度反相关。
本文采用2010—2020年A股高新技术上市企业面板数据，从创新投入、产出和效率三个角度对企业技术创新进行度量，并结合贸易自由度指数计算公式构建固定效应回归模型。
2.1 变量选取
(1)被解释变量。本文主要从企业层面对技术创新进行度量，选取创新投入、创新产出和创新效率三个被解释变量。此前已有诸多学者对创新投入的度量进行了探讨，权威指标主要有企业研发费用支出R&D、专利申请及授权量，前者主要衡量企业的创新投入，后者更多关注企业的技术创新成果。本文以企业研发费用支出 (R&D)作为技术创新投入指标，用于探讨技术管制政策强度对我国高新技术企业创新投入的影响。一般而言，专利授权量较申请量更能体现企业的创新产出，但由于我国专利授权过程较为漫长，当年获得的专利授权往往是此前某年申请的结果，加之经验表明企业专利授权量与申请量之间为强正相关且存在固定比例关系，故本文用企业当年新增专利申请量Patent衡量企业的创新产出。考虑到技术管制政策在影响高新技术企业创新投入和产出的同时也会对创新效率造成影响，本文定义创新投入与创新产出的比值Eff为单位创新成本，用以衡量每个新增专利所需的研发经费，反向衡量技术创新的难易程度，即反向衡量创新效率。Eff数值越大，表示在国外技术管制政策下我国高新技术企业进行技术创新活动更为艰难，反之则意味着更为容易。因不同高新技术企业在研发投入和专利申请量上差异巨大，本文对上述变量均进行对数化处理。
(2)解释变量。考虑到对华技术管制的主要发起国为美国，且其技术管制政策在国际上具有较强的代表性，本文主要选定美国的技术管制政策作为研究切入点。关于技术管制政策强度的度量，目前学界的研究主要聚焦于行业层面，尤其是生产高技术产品的行业，与本文的研究对象有一定重合性。故在指标选取上，主要参照姜辉[11]、赵晶晶[15]、刘玮珵[16]的研究，从贸易自由度指数出发，定义美国对华技术管制政策强度为：
(1)
其中，ECjt代表t年美国对中国j行业的技术管制强度，mCAjt和mACjt分别表示t年中国在j行业对美国的出口额和t年美国在j行业对中国的出口额。同理，ECWjt和EAWjt分别表示t年中国在j行业对全世界的总出口额和t年美国在j行业对全世界的总出口额，其目的在于通过分别求出中美两国在某给定行业向对方的出口额占其总出口的比重之积来判定对该行业的技术管制强度。当中国从美国进口j行业商品贸易额占比减少时，EC指数减小，意味着美国对中国j行业产品的技术管制加强，反之亦然。EC取值介于0～1之间，为了方便计量推演，本文取其倒数再做标准化处理，EC取值越大，技术管制越严格。
(3)控制变量。企业技术创新是内外部多方面因素合力的结果，为了避免遗漏变量偏差，本文引入一系列控制变量，用于控制除了技术管制政策之外其他可能影响技术创新的企业层面因素。
企业规模：企业规模越大，往往意味着其拥有更多的资源用于研发，规模庞大的企业多为行业内领头企业，需要更多的创新产出以维持其技术优势。本文引入企业资产总额的对数Size，作为控制变量。
资本结构：企业在进行创新决策时，资本结构是不可忽视的重要因素，用总负债与总资产的比值即资产负债率Lev作为资本结构的度量。
盈利能力：盈利能力代表企业创收及未来研发投入的潜力，用税后净利润与总资产之比即总资产收益率Roa度量。
资金周转：引入企业销售收入与总资产的比值即资产周转率Ato，作为控制变量。
企业年龄：区别于以往用当前年份减去企业成立年份或上市年份的做法，本文以企业入选成为国家标定的高新技术企业年份作为基年，以控制企业成为高新技术企业享受一系列政策和税收优惠后可能的创新激励，因此企业年龄Age存在负值。
股权集中度：技术创新作为一项周期长、见效慢而又对企业成长至关重要的活动，其决策难免受到股权集中度的影响。本文引入第一大股东持股比例Top1，作为股权集中度的度量。
综上，本文的变量体系如表1所示。
表1 主要变量
2.2 数据说明
(1)数据来源及处理。本文数据主要来自国泰安数据库，从中获取2010—2020年的上市公司面板数据，并根据CCER数据库中的高新企业名单选取上市公司资质被认定为高新技术企业的公司，进而在联合国商品贸易数据库中提取中美两国在相关行业的进出口贸易额数据，计算得到对应的历年各行业技术管制EC指数，使用Stata.17计量程序，对数据进行如下处理：①剔除变量存在缺失值的样本；
②剔除2010—2020年中标定为ST、PT的样本；
③结合美国对华技术管制的重点行业，以电子、新材料、计算机、生物制药、通信五大行业作为研究样本,因航空行业样本公司较少且创新活动多为国家项目，周期漫长，故予以剔除；
④对非比值类变量均进行对数化处理，以统一量纲，避免数值差异悬殊；
⑤对连续变量均进行首尾各1%的缩尾处理，去除极端值的影响。
在经过上述处理后，本文得到电子、新材料、计算机、生物制药、通信五大行业973家企业11年间非平衡面板数据6891个观测值。其中，通信行业162家企业、新材料行业59家企业、电子行业328家企业、生物制药行业205家企业、计算机相关行业219家企业。
(2)描述性统计。本文的主要变量描述性统计如表2所示，样本量6891个。
表2 描述性统计结果
2.3 相关性分析
为了检验本文的变量选取是否合理，在此进行相关性分析，相关系数矩阵如表3所示。可知除了三个被解释变量在定义和计算上已存在相关性外，其余变量间相关系数均小于0.6，模型的多重共线性可能较低。同时，核心解释变量EC与被解释变量R&D、Patent、Eff均为显著正相关，这意味着国外对华技术管制越严格，高新技术企业的创新投入越高，创新产出越高，但平均单位专利所需投入经费Eff也越高，即创新成本越高，与本文基本研究假设一致。
表3 相关性分析
2.4 实证建模
为了验证从相关性分析得出的判断能否通过统计学意义上的回归检验，在此进行实证建模分析。通过Hausman检验得知，本文实证回归采用固定效应模型较随机效应更为合适，因此根据实证意图和检验结果，建立如下三个固定效应模型：
R&Dit=β0+β1ECit+β2Sizeit+β3Levit+β4×Roait+β5Atoit+β6Top1it+β7Ageit+γi+εit
(2)
Patentit=β0+β1ECit+β2Sizeit+β3Levit+β4×Roait+β5Atoit+β6Top1it+β7Ageit+γi+εit
(3)
Effit=β0+β1ECit+β2Sizeit+β3Levit+β4×Roait+β5Atoit+β6Top1it+β7Ageit+γi+εit
(4)
其中，下标i为企业个体、t为年份；
β为系数、β0为常数项；
γi为企业个体固定效应，用于控制同一时间各样本企业存在的固有差异；
εit为残差项。本文主要关注核心解释变量EC在上述三个模型中的系数方向、大小及显著性，以探究技术管制政策对高新技术企业技术创新的影响。
3.1 基准回归
根据上文建立的实证模型进行基准回归，结果如4表所示。在列 (1)中，EC在5%显著性水平为正，即在技术管制越严格的领域高新技术企业的创新投入越多，也即高新技术企业往往采用增加研发投入的方式增强自主创新能力，以降低对技术引进的依赖。从量化分析可得，当某个行业对华技术管制程度从0变为1，即从完全开放到完全中断时，该行业内高新技术企业的创新投入将增加52.9%。在列 (2)中，EC系数为正且能通过10%显著性水平的检验，表示增加研发投入取得了明显效果，且在技术管制越严格的领域高新技术企业的专利申请量越多。从量化分析可得，当某个行业对华技术管制程度从0变为1时，该行业内高新技术企业的专利申请量将增加57.6%。在列 (3)中，当将被解释变量更换为企业的创新投入与专利申请量比值的对数，反向衡量创新效率Eff时，EC系数仍为正，且能通过5%显著性水平的检验，表明在技术管制政策下，尽管高新技术企业专利申请量变多，但研发经费也明显增加，技术创新成本明显提高，增加了技术创新难度，降低了技术创新效率。
表4 基准回归结果
3.2 异质性分析
本部分样本选取美国商务部于2018年11月列出的14个预备加强管制的技术类别中与 《中国制造2025》重点支持的研究领域高度重合的部分，划定为电子、新材料、计算机、生物制药、通信五大行业。各行业因其生存条件、发展模式和成长机理等存在显著差异，技术创新模式也不尽相同，因此有理由判断技术管制政策对企业技术创新产生的影响会因其所属行业的不同存在差异。为了验证这种可能性，本文将模型修正如下：
(5)
(6)
(7)
引入交互项进行异质性分析已取代分样本回归成为学界探讨异质性的利器，相较于基准回归模型，上述模型主要增加了核心解释变量与行业虚拟变量的交乘项。以2020年受技术管制政策影响最大的通信行业内企业样本作为参照，生成生物制药、新材料、电子、计算机四个行业的虚拟变量，分别命名为 ind1、ind2、ind3、ind4，并与核心解释变量EC相乘引入回归方程。此时，EC的系数代表通信行业被技术管制对企业技术创新的影响，EC×ind1代表相较于通信行业，技术管制政策对生物制药行业内企业技术创新的影响。若系数不显著，说明技术管制政策对这两个行业内企业技术创新作用相同；
若系数显著且为正，说明其对参照组 (通信行业)的影响更大；
若系数显著且为负，意味着其对该行业造成的影响不如参照组大，其余虚拟变量同理。
根据模型 (5)～ (7)，得到回归结果，如表5所示。可知EC系数均显著为正，系数方向和显著性与基准回归一致。可见在技术管制政策下，通信行业内企业的创新投入显著增加，创新产出明显提高，但创新过程受到正常技术交流受阻的影响，平均获得每一项专利所需付出的研发费用明显增加，创新成本提升的同时创新效率明显下降。
表5 异质性分析结果
观察交互项系数方向与显著性可知，EC_ind1在列 (1)和 (2)中显著为负，表明相较于通信行业，生物制药行业内企业的研发投入和创新产出增加并不强烈。EC_ind1在列 (3)中不显著，即相较于通信行业，生物制药行业内企业的创新效率虽有提升趋势但未呈现出明显区别。EC_ind2在列 (1) (2) (3)中均显著为负，表明相较于通信行业，新材料行业内企业并未因技术管制提升创新投入和创新产出，且创新成本提高的幅度也远不如通信行业，甚至有降低趋势。EC_ind3在列 (1)和 (3)中均显著为正，在列 (2)中为正但不显著，表明相较于通信行业，技术管制政策对电子行业内企业的影响更大，创新投入更多，创新成本明显增加，但创新产出无明显区别。可见电子行业和通信行业内企业都倾向于采取加大研发投入、强化自主创新的方式应对技术管制，承担了较多的效率损失。同理，EC_ind4在列 (1) (2) (3)中均不显著，意味着技术管制政策对计算机行业内企业造成的影响与通信行业较为接近。
综上可知，尽管同为高新技术企业，且同受技术管制，但因管制强度不同和产业发展环境的差异，不同企业受到的影响并不一致。究其原因，从内部看，生物制药和新材料同属资本密集型行业，技术创新更多依赖资本投入，在外部环境较为恶劣的情况下能够通过加大资本投入克服短期困难，属于高新技术产业中抵抗力较强的行业，技术管制政策对其造成的影响有限，而电子、通信和计算机行业偏向于知识密集型和技术密集型行业，对外部先进技术的依赖性更强，受技术管制政策的冲击也更强；
从外部看，生物制药和新材料行业尚属新兴产业，与世界先进水平相比还存在较大差距，而电子、通信和计算机行业已在部分科技领域占据全球领先位置，例如5G技术，当技术优势国预见到其现有地位面临威胁时就会加强技术管制，延宕我国技术创新的步伐。
3.3 进一步探讨
根据前文分析，若猜想成立，在技术管制趋严的年份，我国高新技术企业将更重视自主创新而非外部技术引进。由此可推断，若依靠加大研发投入实现自主创新，研发人员的规模应显著扩大，即企业研发人员规模与技术管制政策强度呈正相关关系，反之则人员规模保持稳定。
为了验证此推断，本文以研发人员数量的对数RDN及研发人员占比RDNR为被解释变量进行检验。根据黎文靖等[17]的研究，发明专利较实用新型专利和外观设计专利的研发过程更为漫长，所需投入更大，技术含量更高，更能代表企业创新的质量。若企业试图寻求突破，应更倾向于选择发明专利作为攻坚点，故本文以发明专利申请量Invention及其在专利申请总量中的占比Inventionrate作为被解释变量。因上市公司未披露其研发人员及专利细分数据，回归样本量有所减少，具体结果如表6所示。
表6 进一步探讨结果
由表6可知，在列 (1)中，EC对RDN系数显著为正，即企业内部研发人员数量与技术管制政策强度正相关，列 (2)中EC对RDNR系数为正，且能通过10%显著性水平的检验印证了该可能性。在列 (3)中，当被解释变量更换为发明专利量对数Invention时，EC系数仍在10%显著性水平显著，说明在技术管制越严格的年份，高新技术企业取得的发明专利产出更多，创新质量在一定程度上得到改善。在列 (4)中，EC系数为正但不显著，表明技术管制政策能够促使发明专利的占比提升，但效果并不明显。综上，技术管制政策会驱使高新技术企业转向内部创新，通过增加研发投入、扩张研发团队规模、攻坚发明专利的方式实现技术创新能力的提升。
我国在前沿技术领域仍属于后发国家，在一些关键技术领域依旧存在薄弱环节，替代产品尚未完全成熟可用，部分供应链关键环节缺失，难以掌控产业发展主导权的被动局面没有得到根本改变[14]。以ICT产业为例，ICT产业是IT (互联网技术)产业与CT (信息与通信技术)产业的结合，关系到未来数据资源和管道的控制权，也是未来各国最大的经济产出源头。对ICT产业来说，最重要的就是5G和芯片。在5G领域，我国已处于世界领先地位，而在芯片行业，我国却屡屡面临 “卡脖子”的风险。作为国内最大的芯片制造商，中芯国际最先进的制程工艺与台积电、三星等厂商相比还存在至少三代的差距，即便是制程工艺更加落后的芯片，国内代工企业仍然摆脱不了对发达国家技术、软件、原材料和设备的依赖，尤其是EDA软件、高端光刻胶和EUV光刻机等[18]。
3.4 稳健性检验
为了验证本研究的实证结论是否具有稳健性，在此进行稳健性检验，结果如表7所示。首先，在经济意义上，考虑到技术创新并非立竿见影的过程，技术管制政策强度的变化可能对当期企业的技术创新决策影响较小，对下期的影响较大，即企业当期加大研发投入，扩张研发团队规模，获得更多的专利，可能是对上期国外加强技术管制的应对，因此本文对所有解释变量滞后一期进行回归，结果如列 (1) (2) (3)所示。显然，系数均显著为正，与基准回归保持一致。其次，从纯粹计量角度切入，本文筛选样本进行平衡面板回归，保留2010—2020年经历了技术管制完整过程的企业，以更精确地检验技术管制政策对企业技术创新的影响，回归结果如列 (4) (5) (6)所示。可知系数方向和显著性仍不变，本文实证结论稳健。
表7 稳健性检验结果
本文探讨了技术管制政策对我国技术创新的影响，实证检验发现：在技术管制越严格的领域，高新技术企业的创新投入及创新产出越多，但在关键技术领域仍存在薄弱环节；
技术管制政策的实施增加了高新技术企业技术创新的难度，提高了创新成本，降低了创新效率。不同行业的高新技术企业受技术管制政策的影响并不一致，生物制药与新材料行业内企业的固有创新路径未发生较大改变，电子、通信和计算机行业内企业均加大了研发投入，创新效率明显降低。面对技术管制，高新技术企业更倾向于通过增加研发投入、扩张研发团队规模、攻坚发明专利的方式提高自主创新能力。
要减少对技术引进的依赖，需高度重视以下几方面工作：
第一，加强对基础研究和核心技术攻关的支持力度。在技术管制政策的冲击下，高新技术企业取得现有成就不仅得益于举国体制的优势，也得益于有力的政策扶持。下一步需加强基础研究前瞻部署，引导科技企业制定更为长远的发展目标，统筹推进各项扶持性政策，加大对重点行业的倾斜支持力度。同时，推动构建核心技术的产学研协同攻关机制，发挥产学研互补优势，整合优势资源，激活创新要素，促进高校的教学活动向培养科技创新型人才倾斜[19]。
第二，加快培育和引进高层次科技人才。对内需加大对科技人才的普惠性支持，不断完善人才评价机制，以激发科技人才的积极性和创造性；
对外需加大对高层次科技人才的引进力度，鼓励华裔科学家与留学生回国发展，加快聚集起一支具备规模、结构合理且专业素质过硬的科技人才队伍。此外，鼓励科技型企业与科研院所建立海外研发中心，通过吸纳当地科技人才加强与当地科技界的合作交流，在学习、吸收与消化先进技术的同时增强技术创新能力。
第三，进一步推动国际科技创新合作。需站在全球视野，科学谋划布局科技事业，力争成为重点技术领域的引领者和规则制定的重要参与者。首先，依托高校联盟、合作办学等形式，深化与发达国家民间层面的科技合作交流；
其次，顺应 “一带一路”倡议，与沿线国家优势互补，加强科技创新合作；
最后，继续推进亚太自贸区的构想，与日韩展开进一步合作，融合东南亚部分国家的劳动力，加速打造满足我国生产需求的自主化生产线。
