基于結構方程模型的VR 產業集群創新績效研究

黃紅英，章麗萍，楊慧雅

（1. 華東交通大學計劃財務處，江西 南昌 330013； 2. 華東交通大學經濟管理學院，江西 南昌 330013）

十九大指出，要實現建設我國現代化經濟體系的目標，促進產業邁向全球價值鏈中高端，培育若干世界級先進制造業集群是其中必不可少的一個環節[1]。2020 年科技部火炬中心印發相關通知，要推進創新產業集群建設， 提高行業的創新和競爭能力，推動區域經濟體系的建立和發展，推進合作創新。 產業集群創新是集群內各種從事知識生產傳播、應用等組織之間相互合作影響的結果。 創新績效很大程度上取決于產業集群內企業間如何構建知識創新的集合體。

新發展時代下，高新技術產業的可持續發展在很大程度上依賴于高新技術產業的創新效率[2]，虛擬現實（virtual reality, VR）產業作為高新技術產業，VR 產業集群的發展有利于促進社會創新引領，推動市場主體間創新要素的流動。 我國VR 產業仍存在發展不均衡、核心技術匱乏、產品應用場景不廣泛等問題， 這使得促進VR 產業集群的創新發展刻不容緩。 集群內企業創新網絡與創新績效的關系中，企業自身潛力、政府行為導向和企業合作驅動均不同程度和層面影響創新網絡與創新績效發展[3]。 學者對產業集群中官產學協同創新也進行了多方研究，劉小燦等和方文超等均以三螺旋理論為基礎，前者認為產業集群是創新活動的開端，政府則要為產業集群的創新提供良好的政策環境，高校和科研院所則要提供知識產出，為集群企業創新提供人才和知識支持；后者基于三螺旋理論構建“高校和科研院所-集群企業-政府” 之間的互動關系，它們相互合作共同促進區域創新發展[4-5]。

在現有文獻中，傳統產業集群研究占據了學者對產業集群相關研究的大部分篇幅，并取得了一定的研究成果， 而對高新技術產業的VR 產業集群的針對性研究則較少。 鑒于此，本文將基于三螺旋理論，探討研發投入、政府行為與集群氛圍對VR 產業集群創新績效的影響機制， 并采用南昌市VR 產業集群的調查數據建立結構方程模型來實證檢驗。 以期促進企業之間的深度分工， 有利于VR 集群構建并維系企業間的社會網絡關系，進而有效發揮產業集群對VR 產業創新績效的作用。

1 理論分析與研究假設

1.1 VR產業集群

我國VR 產業集群已初步建成，擁有VR 創新、體驗、展示、云四大中心和資本、教育、標準、交易四大平臺。其中交易平臺已累計完成交易額1.3 億元，技術創新活動日益頻繁[6]。目前南昌市VR 產業集群建設存在諸多問題，例如未能突出優勢和培育出擁有VR 相關核心技術的本地企業， 未構建完整的科技產業鏈，其產業集群創新績效過低，需采取措施提升集群的創新績效。 “官產學”之間仍需更加緊密合作，政府應繼續引進高科技核心人才，鼓勵高新科技企業落戶，實行政策優惠等措施，集群企業應積極進行產品和技術升級創新，學校應繼續加大對VR 產業專門素質人才的培養并加強與集群企業的交流合作。

1.2 VR 產業集群創新績效影響因素分析

三螺旋理論是1990 年美國著名經濟學者Henry Etzkowitz 所提出的區域性官產學創新經濟理論，該創新理論主要研究高校和科研院所，產業和地方政府之間的區域性經濟協同創新與合作關系，更加強調通過官產學間有效互動，作用于各主體創新，如圖1 所示。

圖1 三螺旋理論圖Fig.1 Theoretical diagram of triple helix

以該理論為依據，將上述3 個螺旋歸結為以下3 個方面，研發投入、政府行為、集群氛圍，即VR 產業集群創新績效的3 個影響因素，并構建了概念模型，如圖2。

圖2 南昌市VR 產業集群創新績效影響因素概念模型Fig.2 Conceptual model of influencing factors of innovation performance of Nanchang VR Industrial Cluster

1.3 研究假設

根據影響南昌市VR 產業集群創新績效的各個因素間的邏輯關系， 基于前文構建的VR 產業集群概念模型，本文提出3 個假設。

假設H1：研發投入因素對產業集群創新績效有正相關影響。

從企業-研究組織關系來看，房銀海等研究指出高校， 科研機構是集群企業網絡創新模式的核心要素[7]。 Lyu 等[8]指出在中國區域創新網絡中，大學和研究機構占據重要位置。 研發投入包括企業研發活動資金投入比重、企業研發部門人員比重、企業與高校，科研所合作頻率等。 一般來說，企業在研發活動中投入力度較大，越有利于提高自主創新能力，產生更高的創新績效，產品附加值更高。 企業擁有的專利數量也是一種無形資產。此外，企業與高校，科研所合作緊密有利于引進核心專業人才，培養自己的技術團隊。

假設H2： 政府行為因素對產業集群創新績效有正相關影響。

清華大學技術創新研究中心將政府政策、社會文化、設施等作為影響企業創新績效的因素。 王圣云等研究認為政府通過制定政策，基礎設施建設等為集群企業創新提供了良好的環境[9]。彭英等[10]指出政府行為具有強有力的導向及推動作用，其行為不僅包括政府的政策行為，還包括規劃行為和投資行為， 對產業的發展方向和規模擴張有很大的影響。政府作為市場經濟“有形的手”能夠有效調節市場經濟，彌補市場調節對經濟總體和市場信息掌握有限的問題，制定人才挽留機制，協調具體部門進行VR 基礎設施的建設。

假設H3： 集群氛圍因素對產業集群創新績效有正相關影響。

有學者認為集群氛圍環境與集群的創新績效存在正相關關系。 Antonio 等[11]研究發現中小企業與供應商的關系越密切，越能促進創新；Cong 等[12]從企業合作角度得出集群企業間合作關系與產業集群創新績效存在正相關關系；Wang 等[13]認為創新績效受到企業的信任，合作及創新態度及行為的影響。 集群內企業自身的積極行為提升了企業的創新績效，而企業創新績效的提高又促進了集群企業的自身行為[10]。集群氛圍包括企業運營資金來源渠道豐富程度、企業間的集體銷售頻率、企業信息共享程度和溝通情況、企業與當地上下游廠商的合作次數等。 產業集群企業之間的集體采購與集體銷售頻率在一定程度上有利于降低采購與銷售成本， 利于區位優勢互相學習，共同進步，不斷提高自主創新能力。

2 數據來源與變量選取

2.1 數據來源

數據庫的收集采用問卷調查的形式，利用收集的有效問卷建立數據庫，本文的問卷發放對象主要是南昌市VR 企業中從事生產、銷售、研發等不同部門的員工或管理者， 剔除無效問卷后共回收問卷321 份。

2.2 變量選取

為了使選取的指標更具科學性和代表性，在VR 產業集群創新績效的研發投入、 政府行為的基礎上，將集群氛圍也納入自變量范疇內，選取了以下指標來反映VR 產業集群創新績效及其影響因素，具體見表1。

表1 主要變量建立Table.1 Establishment of main variables

2.3 信效度分析

常用的表示信度的系數是Cronbach α 信度系數。 一般而言，Cronbach α 信度系數最好在0.6 以上，說明數據信度較好，通過檢驗，若是在0.5 以下，數據則不適合作下一步分析。

2.3.1 信度分析

本文針對每個變量所對應的問卷題項，通過計算Cronbach's α 值來評價信度，運用SPSS.24 檢驗的結果見表2。

由表2 可知， 本問卷的數據α 值均達到了0.8以上，說明各個變量的可靠性良好，適合進一步的研究。

表2 信度分析表Table.2 Reliability analysis

2.3.2 效度分析

本文的效度檢驗選用KMO 檢驗和Bartlett 球體檢驗，具體結果如表3 所示。

表3 研發投入KMO 和Bartlett 球體檢驗Table.3 KMO and Bartlett sphere inspection of R&D investment

KMO 檢驗用于檢驗變量間的相關性，取得的檢驗數值在0～1，數值越接近于1，說明變量間的相關性越強，當KMO 檢驗數值在0.5 以下，此時不適合用因子分析法。 同時，Bartlett 檢驗值需小于0.05。

從表3 檢驗結果可以看出，KMO 值為0.744，大于0.7， 數據效果較好；Bartlett 球形檢驗值為0.00，說明各觀測變量之間具有較強的相關性。

結合表4 檢驗結果分析數據，KMO 值為0.659，變量間的相關性可以接受；Bartlett 球形檢驗值為0.00，說明各觀測變量之間具有較強的相關性。

表4 政府行為KMO 和Bartlett 球體檢驗Table.4 KMO and Bartlett sphere test of government behavior

從表5 檢驗結果可以看出，KMO 值為0.753，變量間的相關性強；Bartlett 球形檢驗值為0.00， 說明各觀測變量之間具有較強的相關性。

表5 集群氛圍KMO 和Bartlett 球體檢驗Table.5 KMO and Bartlett sphere test in cluster atmosphere

3 實證分析

3.1 模型構建

結構方程通常如下

式（1）為結構方程，其中：η 為內生潛變量；ξ 為外生潛變量；β 為內生潛變量η 之間相互影響的系數矩陣；Γ 為外生潛變量ξ 對內生潛變量η 的影響；ζ為誤差量。 式（2）、式（3）為測量方程，X 為外生潛變量的測量方程，Y 為內生潛變量的測量方程，通過測量方程，潛變量可以由可測變量來反映[14]。

在參考肖緒文[15]和簡兆權等[16]的研究文獻基礎上，模型初步構建圖如圖3。

圖3 初始模型結構Fig.3 Initial model structure

本次模型中有3 個外生潛變量，分別為研發投入、政府行為、集群氛圍，對應9 個外生觀測變量，分別為：企業研發資金投入比重，企業研發部門人員數量，企業與高校、科研院所合作頻率；企業營運資金來源渠道，基礎設施建設投入力度，政府支持合作項目；集群企業間的信息溝通程度，集群企業參與集體銷售程度，集群間企業互相借調資產或人員頻率，觀測變量對應的殘差為e1～e9。有1 個內生潛變量，為VR 產業集群創新績效，對應3 個內生觀測變量，分別為：企業依靠新技術、新產品獲得的收入占銷售額的比重，新技術、新產品是否企業主要增長點，企業擁有專利數量。

3.2 模型識別

本文中VR 產業集群結構方程模型， 有9 個外生觀測變量，3 個內生觀測變量，即m=9，n=3，通過系列計算得出t 值為30， 即有30 個待估計的自由參數。 此時自由度df=78-30=48＞0,按照模型識別標準屬于過度識別，可以繼續后續擬合。

3.3 模型估計

確定模型可以識別后，進行模型估計的樣本數據一般要求足夠大，Chen 等[17]建議樣本數不少于100 份，最好在200 份以上。 在估計方法選擇上，本文的估計方法為最大似然估計法 （maximum likelihood，ML）。

在建立好VR 產業集群結構方程模型后，對模型中的觀測變量的方差和協方差進行參數估計，通過對數據的導入，運行AMOS.24 結果如表6 所示。

表6 系數估計結果Table.6 Coefficient estimation results

據表6 可知，研發投入、政府行為、集群氛圍均對VR 產業集群創新績效有正向作用， 其中研發投入對VR 產業集群創新績效顯著相關， 驗證假設H1、H2、H3。

3.4 模型擬合

以指標擬合度為標準，可以得出模型初步運算出的擬合結果，如表7 所示。 除了CMIN（卡方值）、GFI、RMR、RMSEA 外，其他指標均已達到可以接受的模型擬合標準，根據模型初步估算的修正指數M.I.（modification indices）， 可以對相關變量進行下一步的模型修正。

表7 模型指標檢驗Table.7 Model index test

3.5 模型修正

通過模型修正指數表計算得知，e1 和e2 之間的修正指數MI 最大，為32.231，說明可以建立二者之間的關系來修正模型。 通過修正指數，進行了e1和e2、e2 和e10、e3 和e10、e1 和e8 共4 次修正后，模型數據達到了較為理想的參數擬合度。 修正結果如表8 所示。

表8 最終模型擬合度適配值Table.8 Fit value of final model

其中，修正后模型的RMSEA 值為0.094，大于0.08 的良好標準，但介于0.08～0.10，根據吳明隆在《結構方程模型：AMOS 的操作與應用》中的結論，該模型屬于普通適配模型，即可以接受。

最終模型輸出結果如圖4 所示。通過上述修正，進行模型結果假設檢驗分析。

圖4 模型修正輸出Fig.4 Model correction output

研發投入因素對產業集群創新績效有正相關影響， 通過SEM 中的路徑系數可得， 研發投入在VR 產業集群創新績效上的路徑系數為0.54。 政府行為因素對產業集群創新績效有正相關影響，通過SEM 中的路徑系數可得，政府行為在VR 產業集群創新績效上的路徑系數為1.22。 集群氛圍因素對產業集群創新績效有正相關影響， 通過SEM 中的路徑系數可知，集群氛圍在產業集群創新績效上的路徑系數為0.42。

4 結論

1） 就科研單位而言，對有發展貢獻的研發創新團隊進行項目資助和個人獎勵制度，并實行校企合作模式，培養職業技能型人才。

2） 就VR 企業而言，加強龍頭企業的領導和示范作用，通過知識溢出影響整個產業集群的創新績效，提高創新能力，完善南昌市VR 產業集群的短板。

3） 就政府政策而言，VR 產業可以跟緊一帶一路建設，利用一帶一路建設國家的科技、人力、金融資源等，引進先進的技術和人才，以滿足對VR 科研人才的需求。