中国“专精特新”企业创新效率评价

赵 甜，窦钱斌

（1.山东科技大学财经系，山东 济南 250031；2.山东科技大学山东数字经济研究基地，山东 泰安 271001；3.中国科学技术大学知识产权研究院，安徽 合肥 230000）

一、引言

隐形冠军是细分行业的龙头企业，他们专注于针对特定客户提供服务，其特点是“专精特新”。但不同于德国、瑞士和日本等国的“隐形冠军”，我国中小企业数量占到了制造业企业的90%，要想培育大量享誉全球的“隐形冠军”，走“专精特新”之路是最好的选择。由于这类企业具有积极进取、勇攀高峰的企业精神，通过精心培育，扶持其成长为行业的单向冠军或独角兽，最后逐步成长为隐形冠军，是目前最符合国内中小企业成长规律的有效路径。工信部指出，到2025 年国家计划认证专精特新“小巨人”企业达一万家，并推动形成一百万家创新型中小企业。截至2022 年9 月，工信部已认证并发布四批次国家级专精特新“小巨人”企业共计9279 家。

“专精特新”的灵魂是创新。据统计，国内超五成“专精特新”企业的研发投入在1000 万元以上，而且他们大多集中在中高端装备制造业、新能源、新材料、信息技术等行业，为中国经济高质量发展提供了重要的支撑力。因此，对“专精特新”企业的创新情况进行精细的测算和分析具有积极的现实意义，其中，创新效率是衡量企业创新情况和反映创新发展水平最直观的指标。文章利用SFA 模型对“十三五”期间（2016—2020 年） 中国“专精特新”企业创新发展情况进行测算，从研发投入和成果转化两个阶段展开分析。可能的边际贡献在于：在方法方面，利用SFA 模型更好地刻画了中国“专精特新”企业创新效率的动态演进过程；在数据方面，利用微观层面的上市公司数据能够更加细致地反映影响创新效率的生产要素的变动情况，这是在更深层次解释创新行为背后逻辑的关键。研究结论有助于深入挖掘中国“专精特新”企业创新效率的现状和变化趋势，找出影响中国制造业中小企业创新发展的主要因素，为创新驱动经济高质量发展提供可靠的经验借鉴。

二、文献综述

1. “专精特新”企业创新发展的相关研究

国内对“专精特新”企业的研究起源于Simon(1996)对德国隐形冠军企业的分析[1]。自“专精特新”的概念提出至今已有十多年时间，而学术界对“专精特新”企业创新发展问题的专门研究并不丰富，现有文献主要集中在以下两个方面：第一，对“专精特新”企业创新发展路径的研究。由于“隐形冠军”具有天生国际化的特征，Audretsch 等(2018)从概念上探讨了隐形冠军实行国际化战略的道路[2]。中国与作为隐形冠军强国的德国和瑞士等国在生产和销售模式上存在较大差异，故提出通过“专精特新”之路逐步成长为隐形冠军的发展路径。刘昌年和梅强(2015)提出小微企业要与大中型企业协作发展，以此提升品牌全球影响力[3]。杨莎莎等(2021)对浙江省隐形冠军企业的分析表明，落实区域合作是隐形冠军企业发展的有效路径[4]。第二，对“专精特新”企业培育策略的研究。李天舒(2012)研究认为，培育“专精特新”企业要内外兼顾，不仅企业要做到精准定位建立品牌优势，政府还要提高关键外部资源的利用率[5]。董志勇、李成明(2021)分析认为，体制机制、基础投入、营商环境、数字赋能是推动“专精特新”企业高质量发展的关键[6]。刘志彪、徐天舒(2022)提出，“专精特新”企业发展的核心是通过产业链供应链梳理以实现强链补链[7]。王瑶等(2023)以专精特新上市公司为样本，实证分析了桥接科学家在企业创新绩效方面的贡献[8]。

2. 创新效率的常用评价方法

对创新效率的研究方法起源于Scherer(1965)和Schmookler(1965)对经济增长率的测算[9，10]，虽然此前的柯布—道格拉斯函数和Solow(1957)对技术进步的分析都可以间接反映创新效率[11]，但其前提假设与现实存在较大偏差。目前，对创新效率的测算是学术界研究的热点，研究方法也丰富多样，大致可以概括为：算术分析法[12]、数理统计法[13]和前沿分析法[14]。综观最近二十余年的研究，前沿分析法中的DEA 模型和SFA 模型使用相对广泛，前者利用线性规划思想，不依赖特定函数形式但对样本数据的误差和缺失较为敏感，而后者利用计量经济学思想进行极大似然估计，所得效率值的稳定性较好，但需要提前设定生产函数且对变量平稳性和协整关系的要求较高。随着对创新效率测算方法的推进，越来越多的研究考虑时空因素的影响，由此发展出了三阶段DEA 方法、两阶段动态网络DEA 模型以及在DEA模型或SFA 模型基础上结合SBM模型[15]、Malmquist 指数[16]、非径向超效率模型[17]、Malmquist-Luenberger 指数[18]等测算方法。

综上，目前对中国“专精特新”企业的研究尚处于起步阶段，对其创新发展问题的研究更加有限。现有文献多以单个或数个企业的发展模式为核心进行案例分析或对比，尚未发现利用“专精特新”企业层面数据进行的实证测算。在对创新效率的测算方法方面，DEA 模型为基础的研究仍是主流，由于其基于截面数据进行测算，在考察创新效率的动态发展过程中存在明显的劣势，即使很多学者对其进行了扩展和修正，仍无法有效展示其动态过程。然而，“专精特新”企业的特点决定了其创新发展过程值得深入挖掘，从而为其他有潜力成长为“专精特新”的中小企业提供经验借鉴。因此，文章通过手工筛选和匹配工业和信息化部认证的四批次“专精特新”企业名单和上市公司名录，使用SFA 模型结合面板数据对“专精特新”企业创新发展情况进行更加细致的测算和分析，可以更好地避免样本选择偏差。

通过文献综述发现，现有研究在方法和数据方面存在值得扩展之处，针对上述不足，文章通过建立SFA 模型，对测算结果从研发投入与成果转化两个阶段和总体、不同省份、不同行业、不同创新发展模式等异质性角度进行汇总和对比分析，最后得出研究结论和政策建议。

三、测算方法与数据

1. 测算方法与模型构建

文章使用SFA 模型对中国四批次“专精特新”企业在2016—2020 年的创新效率进行测算，并区分为研发投入和成果转化两个阶段对创新效率进行分类对比。之所以选择SFA 模型而放弃DEA 模型，主要原因在于：第一，文章的核心目的是分析“专精特新”企业创新效率的动态变化情况，这就要求不同时间段的创新效率具有可比性，SFA 模型的测算多基于面板数据进行，DEA 模型目前大多基于静态的截面数据进行测算，虽然采用DEA-Malmquist 指数可以比较两期数据的变化，但需要构建平衡面板，因此需删掉一定数量的数据，而目前工业和信息化部认证的国家级“专精特新”企业中的上市公司仅五百余家，删除数据恐将扩大样本选择偏误。第二，在企业创新发展过程中，存在诸多不确定性的随机因素对创新产出存在较大影响，DEA 模型倾向于将小于前沿的实际产出全部解释成效率因素，却忽略随机因素的作用，而SFA 模型较好的考虑到了这一理论逻辑，更加适合解释本研究关注的问题。

利用公式(1)计算中国“专精特新”企业在技术研发阶段的创新效率，技术研发阶段的产出变量选择能够直观反映创新成果的发明专利申请数量，投入变量选择研发人员数量和研发投入的资本积累。

利用公式(2)计算中国“专精特新”企业在成果转化阶段的创新效率，成果转化阶段的产出变量选择利润总额。虽然已有部分学者采用新产品销售收入作为衡量创新成果转化的变量[19]，但考虑到“专精特新”企业的特性和技术转化产生的两大作用——成本降低与营业收入增长，因此最终选择利润总额来衡量第二阶段转化的产出。投入变量选择研发人员数量、研发投入的资本积累和知识资本。

在公式(1)和公式(2)中，将每个样本企业定义为一个决策单元，生产函数的形式选择超越对数函数，yit表示企业i在第t年的产出变量，β是投入变量的回归系数。K表示“专精特新”企业的研发资本投入，L表示“专精特新”企业的研发人员投入。v表示测量误差和随机扰动，服从随机误差的正态分布。u反映未达到生产前沿面的部分，服从半正态分布。v和u相互独立且与自变量无关，非效率项存在时变特性。使用innoit表示企业i在第t年的创新效率，令μ=-lninno。当μ=0 时，inno=1，说明创新效率处于有效状态。当μ>0 时，0

2. 变量设计与数据来源

在工业和信息化部认定的国家级专精特新“小巨人”企业中，上市公司不仅在企业规模和经营规范性等方面具有明显的领先优势，还可以更加便捷地在公开市场获取相当数量的稳定资金流，为创新发展提供长期可持续的资金保障。因此，“专精特新”上市公司是名单中最具创新活力的主体，为研究“专精特新”企业的创新发展情况提供了良好的观察样本。

首先，整合四批次“专精特新”企业名录，然后利用中国上市公司数据库根据企业名称和代码与之进行匹配，剔除专利申请量、研发人员、研发投入等指标中缺失或为0 的样本，最终获得有效的“专精特新”样本企业547 家，相关变量均来自CSMAR 数据库和Wind 资讯数据库。考虑到中国“专精特新”企业开始认定的时间较短但发展迅猛，故研究期限选择“十三五”规划时期，即2016—2020 年。其中，研发投入的资本积累需要由研发金额投入进行转化计算得到，知识资本变量也需要进一步测算才能获得，具体而言：

（1） 资本积累

为保证研究结论能够更加全面地体现“专精特新”企业创新发展状况，不采用简单删除或插值法填充等方法处理缺失值，而是基于一定的假设推算出研发的资本积累，以形成平衡面板。具体思路是：首先，假设所有企业的成立时间都相同，并且自成立开始到进入样本年份之间，每一年都存在研发投入。同时假设某省份的企业研发投入增速跟该省份的研发内部经费支出的增速相同，那么可以推算出企业自成立开始的历年研发投资。其次，利用每个省份的固定资产价格指数，对每年投资的名义值进行消胀以获得实际投资金额。最后，参照以往经典文献的假设，设定折旧率为15%，进行永续盘存法计算研发的资本积累[20，21]：Kit=(1-δK)Kit-1+Iit，其中I是每年真实的研发金额投入数据，δK是折旧率。

（2） 知识资本

知识资本的测算逻辑与前述资本积累相似，也使用永续盘存法计算：Ait=(1-δA)Ait-1+Pit。其中，Pit是企业每年的发明专利申请数量。但与测算资本积累存在以下几点差异：知识的流量数据使用发明专利申请数计算；假设自成立开始公司的专利申请数量增速与该企业所在省份的专利申请数量增速一致；不需要进行消胀；考虑到我国技术平均使用年限是14 年[22]，所以将折旧率设定为它的倒数0.0714。

3. 测算结果及解释

文章利用最大似然估计法对公式(1)和公式(2)表示的随机前沿生产函数进行估计，可以获得SFA 模型的相关参数，如表1所示。绝大多数参数都通过了显著性检验，随机扰动项v和技术无效率项u均显著，说明SFA 模型的设定较为合理，可用于具体测算。

表1 SFA 模型的系数估计值

四、结果分析

1. 不同省份“专精特新”企业的创新效率测算结果

表2 汇报了中国“专精特新”企业的创新效率在不同省份和区域之间的差异，总体而言，研发阶段的创新效率均值在0.565，成果转化阶段的创新效率均值在0.470。由于样本企业是工业和信息化部精心评选出的在专业化、精细化、特色化和新颖化方面表现都最为突出的企业，几乎可以代表国内创新表现最好的企业，所以大多数省份的“专精特新”企业创新效率差异不大，但从数值来看仍存在较大的提升空间。

表2 SFA 模型的测算结果

各省份在技术研发阶段的创新效率均值在0.43~0.70 之间，创新效率的中位数为0.5668。创新效率均值较高的省份集中在东部和中部地区，包括吉林、云南、广西、湖北、辽宁。其中，创新效率排名靠前的企业包括宝丽迪、创益通、天安新材、新坐标、科博达、海星股份、尚纬股份、美思德、汇宇制药，其创新效率均值在0.701 左右。创新效率排名靠后的企业包括力生制药、上海天洋、澳华内镜、康辰药业、神思电子，其创新效率均值在0.433 左右。

各省份在成果转化阶段的创新效率均值在0.43~0.51 之间，创新效率的中位数为0.4683。创新效率较高的省份集中在新疆和辽宁，其中创新效率排名靠前的企业包括三丰智能、沪宁股份、瑞纳智能、蓝科高新、金溢科技，其创新效率在0.512 左右。其中，创新效率排名靠后的企业包括捷强装备、欧林生物、思进智能、康辰药业，其创新效率在0.432 左右。

对比创新活动的两个阶段，大多数省份在成果转化阶段的创新效率低于其在研发投入阶段的创新效率。其中，云南和广西在成果转化阶段的创新效率下降更加明显，而东北地区的创新效率在两个阶段始终保持较高水平，由此引进和培育“专精特新”企业可以成为重振东北老工业基地的有效举措。值得关注的是，新疆在成果转化阶段的表现(0.494)优于在研发投入阶段的表现(0.467)，且省际排名由研发阶段的最后一名跃升为成果转化阶段的第一名，这可能由于工业和信息化部认证的位于新疆的“专精特新”上市公司仅熙菱信息一家企业，其所从事的软件和信息技术服务业相比其他行业更加注重创新产出的成果转化。

总体来看，“专精特新”企业的创新效率不同于国内对一般企业创新发展问题的研究结论。相比东部地区，中部地区“专精特新”企业在创新过程两个阶段的创新表现都更加亮眼，潜力更加充足，可见将更多具有潜力的中小企业培育为“专精特新”可以成为帮助中部地区实现崛起的有效途径。

2. 不同行业“专精特新”企业的创新效率测算结果

根据最新的国民经济行业分类和代码(GB/4754-2017)将国内“专精特新”企业创新效率按照行业类别进行分组和归类，结果如表3 所示。

表3 SFA 模型的分行业测算结果

总体来看，与各省份创新效率分类结果相似的是，国内不同行业的“专精特新”企业在技术研发阶段的创新效率均值(0.590)同样高于成果转化阶段的创新效率均值(0.473)，说明各行业的转化效率仍存在较大的提升空间。在技术研发阶段，创新效率较高的行业主要包括教育(P)、信息传输、软件和信息技术服务业(I)、金融业(J)、文化、体育和娱乐业(R)等，在成果转化阶段，创新效率较高的行业主要包括水利、环境和公共设施管理业(N)、制造业(C)、批发和零售业(F)等。

从行业属性来看，相比均值的变化，更值得关注的是很多行业在两个阶段的创新效率排名的变化。比如农、林、牧、渔业(A)在技术研发阶段创新效率均值为0.554，在成果转化阶段创新效率均值为0.458，排名均为最后一位。但是随着经济发展的提速，中国的耕地和淡水等资源的稀缺性会进一步加剧，粗放型的生产方式难以有效提高农林牧渔业的发展质量，依靠科技创新提高单位产量，争取在选种育种、节能减排、节水灌溉等方面取得技术突破才是发展的关键。比如教育(P)在技术研发阶段创新效率均值为0.608，在成果转化阶段创新效率均值为0.460，排名由第一位直降到倒数第二位。教育行业作为创新的引擎，这样的测算结果反映出教育行业创新成果转化效率严重不足，这既有社会变革和体制机制的原因，也有创新文化和氛围的影响，如何加强创新成果转化应成为学校和社会共同思考的问题。房地产业(K)、制造业(C)、水利、环境和公共设施管理业(N)、批发和零售业(F)的创新效率排名变动情况与教育(P)行业恰好相反，他们在创新成果转化阶段的表现更加优秀。可能的原因在于，经济进入新常态后，上述行业的发展明显地进入了艰难期，反而推动了这些行业主动寻求技术创新，结合近年来我国逐渐成熟和领先的互联网+、云概念、数据技术等，引领了线上线下相结合的发展，实现了技术突破，因此体现出更强的创新活力。

3. 不同创新发展模式分类

中国“专精特新”企业在技术研发和成果转化阶段创新效率的中位数分别为0.5668 和0.4683，以中位数为依据，将测算结果反映的发展模式按照省份和行业特性进行分类对比。

（1） 不同省份“专精特新”企业的创新发展模式

对比各省份“专精特新”企业创新效率均值与中位数的关系，利用表4 将其分为四种模式。第一类企业在技术研发和成果转化阶段的创新效率皆大于中位数，为高研发—高转化的创新模式，主要包含中部、东部地区7 个省份，发展现状和未来潜力都较为乐观；第二类企业技术研发的创新效率大于中位数而成果转化的创新效率小于中位数，为高研发—低转化模式，主要包含中部、东部地区6 个省份，需着力提升创新成果转化能力；第三类企业技术研发的创新效率小于中位数而成果转化的创新效率大于中位数，为低研发—高转化模式，主要包含东西部地区10 个省份，今后可以在研发阶段进一步加大投入；第四类企业技术研发和成果转化的创新效率皆小于中位数，为低研发—低转化模式，主要包含中部地区4 个省份。结合前文对中部地区其他高创新效率省份的分析，如何加强研发投入、加快成果转化应成为此类省份“专精特新”企业创新发展重点考虑的问题。

表4 各省份“专精特新”企业创新发展模式分类

（2） 不同行业“专精特新”企业的创新发展模式

表5 将国内“专精特新”企业按照行业类型进行了归纳，总体来看，国内大部分行业的“专精特新”企业在成果转化阶段的创新表现都比较突出，但需要特别关注的是教育行业(P)和农、林、牧、渔业(A)，他们分别属于高研发—低转化和低研发—低转化的创新发展模式，在创新成果转化方面仍存在较大进步空间。

表5 各行业“专精特新”企业创新发展模式分类

在高研发—高转化创新模式的行业中，信息传输、软件和信息技术服务业(I)、科学研究和技术服务业(M)的创新效率较为突出。创新的常见模式一般分为颠覆式创新和渐进式创新，传统企业创新多寻求以要素驱动获得“腾笼换鸟”式的颠覆式创新，而对“专精特新”企业而言，上述两类行业近年来涌现出多家“独角兽”企业和“瞪羚”企业，他们更希望以创新驱动获得渐进式创新以逐步成长为行业的领头羊和冠军企业。

在低研发—高转化创新模式的行业中，占据“专精特新”企业数量一半以上的是制造业(C)企业。但从测算结果来看，制造业企业在技术研发阶段的创新效率仍有待提升，以低成本、大批量的传统模式来发展制造业的传统路径已经行不通了，只有致力于差异化创新才是由“中国制造”到“中国智造”的合理路径。

此外，租赁和商务服务业(L)、住宿和餐饮业(H)的创新发展也表现出独有的特点。2021 年第三产业占我国产业结构比重已达53.3%，其中，中小企业占据最大比重，向社会提供了数量最多的就业岗位。相比制造业，此类行业的经营更加机动灵活，决策效率更高，创新发展也表现出更强的活力和韧性。

五、结论和建议

1. 基本结论

基于SFA 模型将企业创新发展活动分为研发投入和成果转化两个阶段进行分析和对比，并利用2016—2020 年中国“专精特新”企业创新发展相关数据进行测算，发现中国“专精特新”企业的创新效率表现出以下特点：

第一，总体来看，中国“专精特新”企业的创新效率表现良好，研发投入阶段的创新效率均值为0.565，成果转化阶段的创新效率均值为0.470，企业间差距较小。这可能是由于所选数据皆来源于“专精特新”企业中的上市公司，“专精特新”企业较之其他企业原本就具有更高的创新效率，而上市公司在创新发展方面也具有更优秀的表现。

第二，从不同区域来看，在技术研发阶段创新效率较高的企业集中在东部、中部地区，成果转化阶段创新效率较高的企业多集中在新疆和辽宁。兼具高研发投入高转化效率的企业集中在云南、广西、辽宁、山东、浙江等省份，兼具低研发投入低转化效率的企业集中在江西、重庆、河南、山西等省份。虽然浙江、广东、江苏、山东的“专精特新”企业数量位居全国前四位，但其创新效率仍存在较大提升空间。

第三，从不同行业来看，技术研发阶段创新效率较高的企业集中在教育、软件、金融、文体等行业，成果转化阶段创新效率较高的企业集中在水利、制造业、批发零售业等行业，兼具高研发投入高转化效率的企业集中在软件、金融、文体等行业，兼具低研发投入低转化效率的企业集中在农、林、牧、渔业。教育行业是持续创新的来源和保障，但其在成果转化阶段的创新效率有待提升。

2. 政策建议

第一，为在位“专精特新”企业创新发展构建专项政策支持体系。应充分利用政府官网、微信公众号等各类媒体开展主题宣传，通过编印典型案例，组织企业学习交流，建立企业间沟通交流平台等多种形式开展专题宣传。建立和完善“专精特新”企业运行监测体系，逐步建立市场监测、风险防范和预警机制，并及时给予专业化支持，增强企业在创新发展过程中抵御风险的能力。

第二，对有潜力成长为“专精特新”群栖地的区域实行引育并举。“专精特新”企业是带动地方经济发展和提升国家实力的“领头羊”，特别是从创新效率来看，是后发地区经济发展质量迎头赶上的有效渠道。应花更大力气完善中部和东北地区“专精特新”企业引进和培育标准，将当地有潜力成长为“专精特新”的企业纳入专项支持序列，开展定期评选和复评，确保创新能力强、专业化水平高的企业获得更有力地支持和更好的发展机遇。

第三，对“专精特新”企业的创新成果健全快速转化机制。从测算结果来看，所有行业和省份在成果转化阶段的创新效率都低于技术研发阶段的创新效率。究其原因，一方面是基础科研还不够扎实；另一方面是国内“专精特新”企业的科研机制仍存在短板，加强地方、高校和企业在“政用产学研”的协同创新有助于解决上述问题。目前，国内高校的创新技术转化仍然处于起步阶段，在技术交易、创新数量和融资规模方面都与国外存在一定差距。相比由高校或研究院自行寻找研究点，由企业向高校或研究院下达研究订单的定制式科研，可以成为更加高效的创新发展形式。