中國“專精特新”企業創新效率評價

趙 甜，竇錢斌

（1.山東科技大學財經系，山東 濟南 250031；2.山東科技大學山東數字經濟研究基地，山東 泰安 271001；3.中國科學技術大學知識產權研究院，安徽 合肥 230000）

一、引言

隱形冠軍是細分行業的龍頭企業，他們專注于針對特定客戶提供服務，其特點是“專精特新”。但不同于德國、瑞士和日本等國的“隱形冠軍”，我國中小企業數量占到了制造業企業的90%，要想培育大量享譽全球的“隱形冠軍”，走“專精特新”之路是最好的選擇。由于這類企業具有積極進取、勇攀高峰的企業精神，通過精心培育，扶持其成長為行業的單向冠軍或獨角獸，最后逐步成長為隱形冠軍，是目前最符合國內中小企業成長規律的有效路徑。工信部指出，到2025 年國家計劃認證專精特新“小巨人”企業達一萬家，并推動形成一百萬家創新型中小企業。截至2022 年9 月，工信部已認證并發布四批次國家級專精特新“小巨人”企業共計9279 家。

“專精特新”的靈魂是創新。據統計，國內超五成“專精特新”企業的研發投入在1000 萬元以上，而且他們大多集中在中高端裝備制造業、新能源、新材料、信息技術等行業，為中國經濟高質量發展提供了重要的支撐力。因此，對“專精特新”企業的創新情況進行精細的測算和分析具有積極的現實意義，其中，創新效率是衡量企業創新情況和反映創新發展水平最直觀的指標。文章利用SFA 模型對“十三五”期間（2016—2020 年） 中國“專精特新”企業創新發展情況進行測算，從研發投入和成果轉化兩個階段展開分析?？赡艿倪呺H貢獻在于：在方法方面，利用SFA 模型更好地刻畫了中國“專精特新”企業創新效率的動態演進過程；在數據方面，利用微觀層面的上市公司數據能夠更加細致地反映影響創新效率的生產要素的變動情況，這是在更深層次解釋創新行為背后邏輯的關鍵。研究結論有助于深入挖掘中國“專精特新”企業創新效率的現狀和變化趨勢，找出影響中國制造業中小企業創新發展的主要因素，為創新驅動經濟高質量發展提供可靠的經驗借鑒。

二、文獻綜述

1. “專精特新”企業創新發展的相關研究

國內對“專精特新”企業的研究起源于Simon(1996)對德國隱形冠軍企業的分析[1]。自“專精特新”的概念提出至今已有十多年時間，而學術界對“專精特新”企業創新發展問題的專門研究并不豐富，現有文獻主要集中在以下兩個方面：第一，對“專精特新”企業創新發展路徑的研究。由于“隱形冠軍”具有天生國際化的特征，Audretsch 等(2018)從概念上探討了隱形冠軍實行國際化戰略的道路[2]。中國與作為隱形冠軍強國的德國和瑞士等國在生產和銷售模式上存在較大差異，故提出通過“專精特新”之路逐步成長為隱形冠軍的發展路徑。劉昌年和梅強(2015)提出小微企業要與大中型企業協作發展，以此提升品牌全球影響力[3]。楊莎莎等(2021)對浙江省隱形冠軍企業的分析表明，落實區域合作是隱形冠軍企業發展的有效路徑[4]。第二，對“專精特新”企業培育策略的研究。李天舒(2012)研究認為，培育“專精特新”企業要內外兼顧，不僅企業要做到精準定位建立品牌優勢，政府還要提高關鍵外部資源的利用率[5]。董志勇、李成明(2021)分析認為，體制機制、基礎投入、營商環境、數字賦能是推動“專精特新”企業高質量發展的關鍵[6]。劉志彪、徐天舒(2022)提出，“專精特新”企業發展的核心是通過產業鏈供應鏈梳理以實現強鏈補鏈[7]。王瑤等(2023)以專精特新上市公司為樣本，實證分析了橋接科學家在企業創新績效方面的貢獻[8]。

2. 創新效率的常用評價方法

對創新效率的研究方法起源于Scherer(1965)和Schmookler(1965)對經濟增長率的測算[9，10]，雖然此前的柯布—道格拉斯函數和Solow(1957)對技術進步的分析都可以間接反映創新效率[11]，但其前提假設與現實存在較大偏差。目前，對創新效率的測算是學術界研究的熱點，研究方法也豐富多樣，大致可以概括為：算術分析法[12]、數理統計法[13]和前沿分析法[14]。綜觀最近二十余年的研究，前沿分析法中的DEA 模型和SFA 模型使用相對廣泛，前者利用線性規劃思想，不依賴特定函數形式但對樣本數據的誤差和缺失較為敏感，而后者利用計量經濟學思想進行極大似然估計，所得效率值的穩定性較好，但需要提前設定生產函數且對變量平穩性和協整關系的要求較高。隨著對創新效率測算方法的推進，越來越多的研究考慮時空因素的影響，由此發展出了三階段DEA 方法、兩階段動態網絡DEA 模型以及在DEA模型或SFA 模型基礎上結合SBM模型[15]、Malmquist 指數[16]、非徑向超效率模型[17]、Malmquist-Luenberger 指數[18]等測算方法。

綜上，目前對中國“專精特新”企業的研究尚處于起步階段，對其創新發展問題的研究更加有限?，F有文獻多以單個或數個企業的發展模式為核心進行案例分析或對比，尚未發現利用“專精特新”企業層面數據進行的實證測算。在對創新效率的測算方法方面，DEA 模型為基礎的研究仍是主流，由于其基于截面數據進行測算，在考察創新效率的動態發展過程中存在明顯的劣勢，即使很多學者對其進行了擴展和修正，仍無法有效展示其動態過程。然而，“專精特新”企業的特點決定了其創新發展過程值得深入挖掘，從而為其他有潛力成長為“專精特新”的中小企業提供經驗借鑒。因此，文章通過手工篩選和匹配工業和信息化部認證的四批次“專精特新”企業名單和上市公司名錄，使用SFA 模型結合面板數據對“專精特新”企業創新發展情況進行更加細致的測算和分析，可以更好地避免樣本選擇偏差。

通過文獻綜述發現，現有研究在方法和數據方面存在值得擴展之處，針對上述不足，文章通過建立SFA 模型，對測算結果從研發投入與成果轉化兩個階段和總體、不同省份、不同行業、不同創新發展模式等異質性角度進行匯總和對比分析，最后得出研究結論和政策建議。

三、測算方法與數據

1. 測算方法與模型構建

文章使用SFA 模型對中國四批次“專精特新”企業在2016—2020 年的創新效率進行測算，并區分為研發投入和成果轉化兩個階段對創新效率進行分類對比。之所以選擇SFA 模型而放棄DEA 模型，主要原因在于：第一，文章的核心目的是分析“專精特新”企業創新效率的動態變化情況，這就要求不同時間段的創新效率具有可比性，SFA 模型的測算多基于面板數據進行，DEA 模型目前大多基于靜態的截面數據進行測算，雖然采用DEA-Malmquist 指數可以比較兩期數據的變化，但需要構建平衡面板，因此需刪掉一定數量的數據，而目前工業和信息化部認證的國家級“專精特新”企業中的上市公司僅五百余家，刪除數據恐將擴大樣本選擇偏誤。第二，在企業創新發展過程中，存在諸多不確定性的隨機因素對創新產出存在較大影響，DEA 模型傾向于將小于前沿的實際產出全部解釋成效率因素，卻忽略隨機因素的作用，而SFA 模型較好的考慮到了這一理論邏輯，更加適合解釋本研究關注的問題。

利用公式(1)計算中國“專精特新”企業在技術研發階段的創新效率，技術研發階段的產出變量選擇能夠直觀反映創新成果的發明專利申請數量，投入變量選擇研發人員數量和研發投入的資本積累。

利用公式(2)計算中國“專精特新”企業在成果轉化階段的創新效率，成果轉化階段的產出變量選擇利潤總額。雖然已有部分學者采用新產品銷售收入作為衡量創新成果轉化的變量[19]，但考慮到“專精特新”企業的特性和技術轉化產生的兩大作用——成本降低與營業收入增長，因此最終選擇利潤總額來衡量第二階段轉化的產出。投入變量選擇研發人員數量、研發投入的資本積累和知識資本。

在公式(1)和公式(2)中，將每個樣本企業定義為一個決策單元，生產函數的形式選擇超越對數函數，yit表示企業i在第t年的產出變量，β是投入變量的回歸系數。K表示“專精特新”企業的研發資本投入，L表示“專精特新”企業的研發人員投入。v表示測量誤差和隨機擾動，服從隨機誤差的正態分布。u反映未達到生產前沿面的部分，服從半正態分布。v和u相互獨立且與自變量無關，非效率項存在時變特性。使用innoit表示企業i在第t年的創新效率，令μ=-lninno。當μ=0 時，inno=1，說明創新效率處于有效狀態。當μ>0 時，0

2. 變量設計與數據來源

在工業和信息化部認定的國家級專精特新“小巨人”企業中，上市公司不僅在企業規模和經營規范性等方面具有明顯的領先優勢，還可以更加便捷地在公開市場獲取相當數量的穩定資金流，為創新發展提供長期可持續的資金保障。因此，“專精特新”上市公司是名單中最具創新活力的主體，為研究“專精特新”企業的創新發展情況提供了良好的觀察樣本。

首先，整合四批次“專精特新”企業名錄，然后利用中國上市公司數據庫根據企業名稱和代碼與之進行匹配，剔除專利申請量、研發人員、研發投入等指標中缺失或為0 的樣本，最終獲得有效的“專精特新”樣本企業547 家，相關變量均來自CSMAR 數據庫和Wind 資訊數據庫?？紤]到中國“專精特新”企業開始認定的時間較短但發展迅猛，故研究期限選擇“十三五”規劃時期，即2016—2020 年。其中，研發投入的資本積累需要由研發金額投入進行轉化計算得到，知識資本變量也需要進一步測算才能獲得，具體而言：

（1） 資本積累

為保證研究結論能夠更加全面地體現“專精特新”企業創新發展狀況，不采用簡單刪除或插值法填充等方法處理缺失值，而是基于一定的假設推算出研發的資本積累，以形成平衡面板。具體思路是：首先，假設所有企業的成立時間都相同，并且自成立開始到進入樣本年份之間，每一年都存在研發投入。同時假設某省份的企業研發投入增速跟該省份的研發內部經費支出的增速相同，那么可以推算出企業自成立開始的歷年研發投資。其次，利用每個省份的固定資產價格指數，對每年投資的名義值進行消脹以獲得實際投資金額。最后，參照以往經典文獻的假設，設定折舊率為15%，進行永續盤存法計算研發的資本積累[20，21]：Kit=(1-δK)Kit-1+Iit，其中I是每年真實的研發金額投入數據，δK是折舊率。

（2） 知識資本

知識資本的測算邏輯與前述資本積累相似，也使用永續盤存法計算：Ait=(1-δA)Ait-1+Pit。其中，Pit是企業每年的發明專利申請數量。但與測算資本積累存在以下幾點差異：知識的流量數據使用發明專利申請數計算；假設自成立開始公司的專利申請數量增速與該企業所在省份的專利申請數量增速一致；不需要進行消脹；考慮到我國技術平均使用年限是14 年[22]，所以將折舊率設定為它的倒數0.0714。

3. 測算結果及解釋

文章利用最大似然估計法對公式(1)和公式(2)表示的隨機前沿生產函數進行估計，可以獲得SFA 模型的相關參數，如表1所示。絕大多數參數都通過了顯著性檢驗，隨機擾動項v和技術無效率項u均顯著，說明SFA 模型的設定較為合理，可用于具體測算。

表1 SFA 模型的系數估計值

四、結果分析

1. 不同省份“專精特新”企業的創新效率測算結果

表2 匯報了中國“專精特新”企業的創新效率在不同省份和區域之間的差異，總體而言，研發階段的創新效率均值在0.565，成果轉化階段的創新效率均值在0.470。由于樣本企業是工業和信息化部精心評選出的在專業化、精細化、特色化和新穎化方面表現都最為突出的企業，幾乎可以代表國內創新表現最好的企業，所以大多數省份的“專精特新”企業創新效率差異不大，但從數值來看仍存在較大的提升空間。

表2 SFA 模型的測算結果

各省份在技術研發階段的創新效率均值在0.43~0.70 之間，創新效率的中位數為0.5668。創新效率均值較高的省份集中在東部和中部地區，包括吉林、云南、廣西、湖北、遼寧。其中，創新效率排名靠前的企業包括寶麗迪、創益通、天安新材、新坐標、科博達、海星股份、尚緯股份、美思德、匯宇制藥，其創新效率均值在0.701 左右。創新效率排名靠后的企業包括力生制藥、上海天洋、澳華內鏡、康辰藥業、神思電子，其創新效率均值在0.433 左右。

各省份在成果轉化階段的創新效率均值在0.43~0.51 之間，創新效率的中位數為0.4683。創新效率較高的省份集中在新疆和遼寧，其中創新效率排名靠前的企業包括三豐智能、滬寧股份、瑞納智能、藍科高新、金溢科技，其創新效率在0.512 左右。其中，創新效率排名靠后的企業包括捷強裝備、歐林生物、思進智能、康辰藥業，其創新效率在0.432 左右。

對比創新活動的兩個階段，大多數省份在成果轉化階段的創新效率低于其在研發投入階段的創新效率。其中，云南和廣西在成果轉化階段的創新效率下降更加明顯，而東北地區的創新效率在兩個階段始終保持較高水平，由此引進和培育“專精特新”企業可以成為重振東北老工業基地的有效舉措。值得關注的是，新疆在成果轉化階段的表現(0.494)優于在研發投入階段的表現(0.467)，且省際排名由研發階段的最后一名躍升為成果轉化階段的第一名，這可能由于工業和信息化部認證的位于新疆的“專精特新”上市公司僅熙菱信息一家企業，其所從事的軟件和信息技術服務業相比其他行業更加注重創新產出的成果轉化。

總體來看，“專精特新”企業的創新效率不同于國內對一般企業創新發展問題的研究結論。相比東部地區，中部地區“專精特新”企業在創新過程兩個階段的創新表現都更加亮眼，潛力更加充足，可見將更多具有潛力的中小企業培育為“專精特新”可以成為幫助中部地區實現崛起的有效途徑。

2. 不同行業“專精特新”企業的創新效率測算結果

根據最新的國民經濟行業分類和代碼(GB/4754-2017)將國內“專精特新”企業創新效率按照行業類別進行分組和歸類，結果如表3 所示。

表3 SFA 模型的分行業測算結果

總體來看，與各省份創新效率分類結果相似的是，國內不同行業的“專精特新”企業在技術研發階段的創新效率均值(0.590)同樣高于成果轉化階段的創新效率均值(0.473)，說明各行業的轉化效率仍存在較大的提升空間。在技術研發階段，創新效率較高的行業主要包括教育(P)、信息傳輸、軟件和信息技術服務業(I)、金融業(J)、文化、體育和娛樂業(R)等，在成果轉化階段，創新效率較高的行業主要包括水利、環境和公共設施管理業(N)、制造業(C)、批發和零售業(F)等。

從行業屬性來看，相比均值的變化，更值得關注的是很多行業在兩個階段的創新效率排名的變化。比如農、林、牧、漁業(A)在技術研發階段創新效率均值為0.554，在成果轉化階段創新效率均值為0.458，排名均為最后一位。但是隨著經濟發展的提速，中國的耕地和淡水等資源的稀缺性會進一步加劇，粗放型的生產方式難以有效提高農林牧漁業的發展質量，依靠科技創新提高單位產量，爭取在選種育種、節能減排、節水灌溉等方面取得技術突破才是發展的關鍵。比如教育(P)在技術研發階段創新效率均值為0.608，在成果轉化階段創新效率均值為0.460，排名由第一位直降到倒數第二位。教育行業作為創新的引擎，這樣的測算結果反映出教育行業創新成果轉化效率嚴重不足，這既有社會變革和體制機制的原因，也有創新文化和氛圍的影響，如何加強創新成果轉化應成為學校和社會共同思考的問題。房地產業(K)、制造業(C)、水利、環境和公共設施管理業(N)、批發和零售業(F)的創新效率排名變動情況與教育(P)行業恰好相反，他們在創新成果轉化階段的表現更加優秀?？赡艿脑蛟谟?，經濟進入新常態后，上述行業的發展明顯地進入了艱難期，反而推動了這些行業主動尋求技術創新，結合近年來我國逐漸成熟和領先的互聯網+、云概念、數據技術等，引領了線上線下相結合的發展，實現了技術突破，因此體現出更強的創新活力。

3. 不同創新發展模式分類

中國“專精特新”企業在技術研發和成果轉化階段創新效率的中位數分別為0.5668 和0.4683，以中位數為依據，將測算結果反映的發展模式按照省份和行業特性進行分類對比。

（1） 不同省份“專精特新”企業的創新發展模式

對比各省份“專精特新”企業創新效率均值與中位數的關系，利用表4 將其分為四種模式。第一類企業在技術研發和成果轉化階段的創新效率皆大于中位數，為高研發—高轉化的創新模式，主要包含中部、東部地區7 個省份，發展現狀和未來潛力都較為樂觀；第二類企業技術研發的創新效率大于中位數而成果轉化的創新效率小于中位數，為高研發—低轉化模式，主要包含中部、東部地區6 個省份，需著力提升創新成果轉化能力；第三類企業技術研發的創新效率小于中位數而成果轉化的創新效率大于中位數，為低研發—高轉化模式，主要包含東西部地區10 個省份，今后可以在研發階段進一步加大投入；第四類企業技術研發和成果轉化的創新效率皆小于中位數，為低研發—低轉化模式，主要包含中部地區4 個省份。結合前文對中部地區其他高創新效率省份的分析，如何加強研發投入、加快成果轉化應成為此類省份“專精特新”企業創新發展重點考慮的問題。

表4 各省份“專精特新”企業創新發展模式分類

（2） 不同行業“專精特新”企業的創新發展模式

表5 將國內“專精特新”企業按照行業類型進行了歸納，總體來看，國內大部分行業的“專精特新”企業在成果轉化階段的創新表現都比較突出，但需要特別關注的是教育行業(P)和農、林、牧、漁業(A)，他們分別屬于高研發—低轉化和低研發—低轉化的創新發展模式，在創新成果轉化方面仍存在較大進步空間。

表5 各行業“專精特新”企業創新發展模式分類

在高研發—高轉化創新模式的行業中，信息傳輸、軟件和信息技術服務業(I)、科學研究和技術服務業(M)的創新效率較為突出。創新的常見模式一般分為顛覆式創新和漸進式創新，傳統企業創新多尋求以要素驅動獲得“騰籠換鳥”式的顛覆式創新，而對“專精特新”企業而言，上述兩類行業近年來涌現出多家“獨角獸”企業和“瞪羚”企業，他們更希望以創新驅動獲得漸進式創新以逐步成長為行業的領頭羊和冠軍企業。

在低研發—高轉化創新模式的行業中，占據“專精特新”企業數量一半以上的是制造業(C)企業。但從測算結果來看，制造業企業在技術研發階段的創新效率仍有待提升，以低成本、大批量的傳統模式來發展制造業的傳統路徑已經行不通了，只有致力于差異化創新才是由“中國制造”到“中國智造”的合理路徑。

此外，租賃和商務服務業(L)、住宿和餐飲業(H)的創新發展也表現出獨有的特點。2021 年第三產業占我國產業結構比重已達53.3%，其中，中小企業占據最大比重，向社會提供了數量最多的就業崗位。相比制造業，此類行業的經營更加機動靈活，決策效率更高，創新發展也表現出更強的活力和韌性。

五、結論和建議

1. 基本結論

基于SFA 模型將企業創新發展活動分為研發投入和成果轉化兩個階段進行分析和對比，并利用2016—2020 年中國“專精特新”企業創新發展相關數據進行測算，發現中國“專精特新”企業的創新效率表現出以下特點：

第一，總體來看，中國“專精特新”企業的創新效率表現良好，研發投入階段的創新效率均值為0.565，成果轉化階段的創新效率均值為0.470，企業間差距較小。這可能是由于所選數據皆來源于“專精特新”企業中的上市公司，“專精特新”企業較之其他企業原本就具有更高的創新效率，而上市公司在創新發展方面也具有更優秀的表現。

第二，從不同區域來看，在技術研發階段創新效率較高的企業集中在東部、中部地區，成果轉化階段創新效率較高的企業多集中在新疆和遼寧。兼具高研發投入高轉化效率的企業集中在云南、廣西、遼寧、山東、浙江等省份，兼具低研發投入低轉化效率的企業集中在江西、重慶、河南、山西等省份。雖然浙江、廣東、江蘇、山東的“專精特新”企業數量位居全國前四位，但其創新效率仍存在較大提升空間。

第三，從不同行業來看，技術研發階段創新效率較高的企業集中在教育、軟件、金融、文體等行業，成果轉化階段創新效率較高的企業集中在水利、制造業、批發零售業等行業，兼具高研發投入高轉化效率的企業集中在軟件、金融、文體等行業，兼具低研發投入低轉化效率的企業集中在農、林、牧、漁業。教育行業是持續創新的來源和保障，但其在成果轉化階段的創新效率有待提升。

2. 政策建議

第一，為在位“專精特新”企業創新發展構建專項政策支持體系。應充分利用政府官網、微信公眾號等各類媒體開展主題宣傳，通過編印典型案例，組織企業學習交流，建立企業間溝通交流平臺等多種形式開展專題宣傳。建立和完善“專精特新”企業運行監測體系，逐步建立市場監測、風險防范和預警機制，并及時給予專業化支持，增強企業在創新發展過程中抵御風險的能力。

第二，對有潛力成長為“專精特新”群棲地的區域實行引育并舉?！皩＞匦隆逼髽I是帶動地方經濟發展和提升國家實力的“領頭羊”，特別是從創新效率來看，是后發地區經濟發展質量迎頭趕上的有效渠道。應花更大力氣完善中部和東北地區“專精特新”企業引進和培育標準，將當地有潛力成長為“專精特新”的企業納入專項支持序列，開展定期評選和復評，確保創新能力強、專業化水平高的企業獲得更有力地支持和更好的發展機遇。

第三，對“專精特新”企業的創新成果健全快速轉化機制。從測算結果來看，所有行業和省份在成果轉化階段的創新效率都低于技術研發階段的創新效率。究其原因，一方面是基礎科研還不夠扎實；另一方面是國內“專精特新”企業的科研機制仍存在短板，加強地方、高校和企業在“政用產學研”的協同創新有助于解決上述問題。目前，國內高校的創新技術轉化仍然處于起步階段，在技術交易、創新數量和融資規模方面都與國外存在一定差距。相比由高?；蜓芯吭鹤孕袑ふ已芯奎c，由企業向高?；蜓芯吭合逻_研究訂單的定制式科研，可以成為更加高效的創新發展形式。