企业战略与创新和生产力变化之间的关系：基于日本制造业企业实证研究外文翻译资料

英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

企业战略与创新和生产力变化之间的关系：基于日本制造业企业实证研究

Hidemichi Fujii¹, Kazuma Edamura², Koichi Sumikura², Yoko Furusawa², Naomi Fukuzawa²,Shunsuke Managi^2,3

¹水产科学与环境研究研究生院，长崎大学1-14，文京町，长崎852-8521，日本

²国家科技政策研究所，项目办公室C405，国家政策研究所，7-22-1，六本木，港区，东京106-8677，日本

³环境学研究生院，东北大学，6-6-20，仙台980-8579，日本

摘要：本次研究分析了一共1067家日本制造业企业的全要素生产率，在生产评估中，我们采用定向距离函数和Luenberger生产力指标，发展战略调研数据被用来分析关于提高创新能力和生产力的相关决定因素。我们的研究结果表明，通过一个“黑匣子”过程提高技术与知识和提高生产率是相关的，保护生产管理方法和知识产权是一种在全球技术变革时期提高竞争力的有效方法。

关键词：创新，生产力变化，研发战略，定向距离函数，日本制造业企业

JEL 分类: D24，J24，O47，O38

1 文献综述

技术创新是企业在竞争激烈的市场上获得优势的关键因素，因为创新能够让企业产品或是服务早于他们的竞争者进入市场并占据市场领导地位，并且首先与客户建立联系。这种优势可以阻止竞争对手在未来占据很大一部分市场，进一步最大限度地提高创新者利润。可选购商品、消费品、售后服务等方面的发展，可进一步提高创新者利润。在市场上有竞争力的企业因为盈利需要交纳企业所得税和创造就业机会，因此，建立一个创新支持系统来增加市场上公司的竞争力从而促进经济发展是十分必要的。

现有许多研究已经分析了创新的决定性因素，这些研究通常都考虑到研发支出、国际化、兼并、股权、专利数量和溢出对全要素生产率（TFP）^[1]的影响，而大多数以前的研究都使用定量数据来寻找创新的决定因素，我们认为定量数据不能轻易地被用来代表企业战略因为企业往往并不会把它们的数据资料向公众开放。它们将信息当做一个秘密保存在一个类似“黑匣子”^[2]的东西中，因此一个全面的企业战略数据集需要搞清楚创新决定性因素，其中包括黑盒子因素。

以前有一些研究分析过如何通过黑匣子策略促进TFP进而提高创新水平，但是绝大部分都注重于美国制造业企业³，并没有针对日本制造业企业的实证研究。根据戴利（1998）和Fujii等人（2010），日本和美国有着完全不同的企业和商业文化，此外，日本的制造业企业也有着自己的研发文化和战略⁴，因此我们相信，研究研发战略包括黑匣子战略，对于日本制造业是有着重要意义的。

在本次研究中，我们的目标是明确决定因素和战略管理因素与创新和生产力变化的关系，本次研究根据日本企业不同的研发战略使用不同的数据，我们从1067家日本企业收集数据并分析，创新指标的评估使用的是定向距离函数（DDF）模型。这项研究的创新点主要在两个关键方面：（1）分析全球技术变革（GTC）和当地的技术变革（LTC）这两个以前没有被分析过的指标；（2）首次通过实证分析黑匣子策略对生产力变化和创新的影响来研究日本制造业企业。

论文其余部分组织如下：第二章介绍研究方法，第三章介绍研究所使用的数据，全要素生产率变化的结果是在4章讨论，第5章总结论文。

2 研究方法

2.1 凸与非凸假设下生产效率评价

围绕生产函数的形状有争议重大争论应该分析(Kerstens and Managi 2012)，在测量TFP变化时涉及到技术进步的本质应在非凸性与凸性之间进行选择。一个非凸规范生产技术（NCP）是非凸自由支配的船体模型（Deprins, Simar, and Tulkens 1984），NCP模型具有优势最终实现LTC而不是GTC（见，例如，讨论在1993年塔尔肯）。虽然LTC和GTC的区别在一些理论工作中起到重要作用（例如，阿特金森和斯蒂格利茨1969），但是只有少数研究依据经验分析了这个问题（例如，克斯坦斯和管理2012）。

我们通过日本制造业企业使用DDF模型衡量相对生产率来研究生产率变化，DDF模型的一个优势就是它能够同时适用凸性和非凸性，另外它同样适用于生产率变化测量指标，企业凸性规格生产技术计量可以使用距离函数，最佳计算方式如下：

m是输出，n是输入，j代表公司，是权重变量，同样地，我们的NCP公式通过求解以下最优问题来计算距离函数：

该算法凸显了凸性和非凸性二者间的不同之处，二者技术生产边界线形状是不同的，完整性约束的作用在辨别观察产品之间主导地位时显得尤其重要，这种观察可以是有效的，并且如果是联合国主导的话也可以认为是参考技术边界的一部分。然而，在另一种情况下，即这种观察被至少一项其他观察所控制，此时观察结果却是无效的（即它位于内部的技术）。在后者情况下，混合整数规划确定一个主导观察做为参数，因为主导观察对应着最大值计算效果的衡量。

相比之下，那些用在凸性案例中的程序被用来计算凸包络数据到其边界的距离，虽然主导观察在确定数据外层时也发挥了作用，但是凸性的附加要求也表明另一种可能那就是导致联合国主导的观察其实效率并不高，因为它们根本不包括在凸包络数据里。

实证研究采用的距离函数模型通常假设任一常量返回到规模（CRS）或者变量返回到规模（VRS），本次研究中我们假设VRS来捕捉企业规模效应。

2.2 Luenberger生产力指标

全要素生产率与距离函数模型的计算和结果如下(Chambers, Chung, and Fauml;re 1998):

TFP的得分暗示了相对于基准年生产率的变化，全要素生产率包括所有类型的生产力的变化，可分为技术变化（TECHCH）和效率的变化（EFFCH），TECHCH表明生产前沿的变化，EFFCH则表示相对于边界生产单位的变化。

2.3 全球和地方技术变化指标

最近， Kerstens and Managi (2012) 使用生产力指标为GTC和LTC制定了识别方法，y Atkinson and Stiglitz (1969)介绍了GTC和LTC之后二者便被广泛地讨论，一个基础前提是技术变化可能并不会要求全球生产技术转移但可能导致特定领域的局部生产技术变化。

首先我们通过两个时间段的有效观察来定义GTC，在t年到t 1年之间的CP模型是：

（1）

比例距离函数的参数被抑制来凝聚符号，接下来我们依据NCP两个阶段的有效观察来定义LTC，依据NCP从低效的CP阶段到积极的TC阶段模型是：

（2）

相比公式（1），满足公式（2）要更简单，但是不能完全放弃效率要求，因为如果放弃的话那全球与地方的差别将难以维系，全球与地方的定义都不依赖数学距离的度量。

3 数据

这项研究采用两个公司级面板数据，第一个数据集是生产率估计（第一步骤分析），另一个是对生产力和创新的决定性因素分析（第二步骤分析），每个数据集的工业数据如表1所示。

我们从日本经济新闻社“NEEDS”金融数据库获得了第一步骤分析所需要的1067家企业数据，我们使用了四个财务数据变量：销售额、资本存量、劳动力成本和材料成本。资本存量、劳动力成本和原材料成本在DDF模型中作为自变量，销售作为因变量。表2给出了生产率分析中的变量的平均值，所有行业的销售额从2008年到2009年都呈下降趋势，这是因为金融危机也称为“雷曼冲击”的影响，在这一时期，产品需求减少，而制造业公司又无法维持其工厂的运作率。然而，所有行业的销售额从2009年至2010年都是增长，特别是医疗产品和精密产品，除了个别混合行业。

在这一分析中使用的公司在东京证券交易所上市，代表16个制造业部门，使用该数据做第一步骤分析，因为在不同行业中生产线形状不同所以我们要计算不同工业类别的GTC，LTC和全要素生产率变动。第二个数据集是关于企业的研发策略，我们通过国家科学技术政策研究所（NISTEP），教育部，文化，体育，科学和技术（MEXT）来进行日本民营企业调查研究活动，调查的重点是研发战略以获得市场竞争力，包括保守企业知识秘密的“黑匣子”的战略。因此我们相信研发战略调研是必须的，我们的研究是第一个应用此数据集分析生产力变化和创新的决定因素。

我们使用2010年和2011年两年的财政数据，在2009年评估了2010年企业研发战略，本次调查从2011年一月持续到二月，在调查的3546家企业中有1268家给予了回应（响应率为35.7%）。在2010年评估了2011年企业研发战略，这次调查从2012年二月持续到三月，3380家企业中有1263家公司给予了回应（回应率为37.4%）。这一调查是在至少有1亿日元资本存量并开展研发活动的民营企业中进行的，调查开发人员保证在数据收集中不产生抽样偏差。

研发战略调研的重点是战略的重要性，从新开发的产品和服务中获取利润，采用利克特重要性认识，规模范围从1代表“不重要”到5代表“非常重要”。

大部分调查问题被限制在业务的主要类别（销售额最大的业务领域），避免企业多元化经营所带来的不同业务数据共存现象。因此本次研究的分析目标是每一家企业的业务主要活动类别所受到的限制。

我们结合了用于生产分析的财务数据集和研发策略调查数据集，我们发现了352家公司的数据可用于两个数据集，因此，我们使用这352个公司的数据做第二步分析，表3给出了352家企业在决定因素分析中所使用的变量数据的平均值，表3说明“专利保护”是所有策略的最高价值，这一结果表明对于制造业企业来说从新开发的产品和服务中获取利润拥有专利是十分重要的。相比之下，“产品结构和服务设计的复杂性”是唯一得分少于3分的策略，因此制造业企业往往并不注重于这一策略。

4 结果

4.1 生产力分析结果

表4和表5表明目前的产能分析使用DDF模型，在这里，我们只讨论TFP，effch，techch指标下的CP模型因为NCP模型没有考虑到全球技术前沿，因此，日本制造业企业要在全球市场上获得利润而不是在本地市场。我们只使用通过NCP模型估计LTC指标得出的结果。

表4表明在2008年和2009年之间除了纺织业所有行业TFPcp都在下降，在2009年到2010年之间所有行业该指标都在增长，只有纺织业全要素生产率在这两个时期都在增长，这一结果表明，即使在发生金融危机时日本纺织工业技术依旧在变化。其中一个原因是由于雷曼冲击纺织业很快就适应了需求的减少。

这一发现表明制造业生产率之所以在2009年和2010年之间增加，不仅是因为个别企业生产率增加，也因为制造业作为一个整体得益于技术进步。这一结果的一个解释是一年后雷曼冲击反弹的影响。

表5显示在纺织工业行业和精密产品行业占据大份额市场的企业在2008年到209年之间实现了GTC和LTC的增长，在之后阶段，相对于在2008-2009年期间观察到的结果，有13个行业实现当地技术变革（LTC）的企业数量在增长且有15个行业（精密产品行业除外）实现全球技术变革（GTC）的企业数量在增加。

此外，尽管由于金融危机冲击，实现全球技术变革的企业仍旧在不断增多，特别是煤炭、石油和橡胶工业，这项发现表明2009年期间生产技术在向更高效的方向转移。相比其他行业，医疗产品、有色金属、运输设备行业的企业实现当地技术变革的企业获取更多的市场份额，这一结果表明，这些行业实现了部分生产线转移同时一些公司没有实现技术变革。

4.2 影响全要素生产率的变化和创新的策略

本研究采用随机效应广义最小二乘（GLS）回归估计TFPcp变化的决定因素，我们选择这个模型是因为第二步的数据集包括两年的面板数据，此外，我们采用随机效应的Logistic回归分析影响因素和LTC GTC因为GTC和LTC是二进制数据，该数据集包括2年的面板数据，在表6中，因变量是TFP，GTC，和LTC。表6使用企业识别的重要性作为独立变量的结果，采用利克特量表从1表示“不重要的”到5表示“非常重要”来测量策略的重要性的认识。

表6表明，“黑匣子”变量在百分之十的显著水平上对TFPcp变化产生积极影响，这意味着日本制造企业在2008年到2010年之间采用黑盒策略的企业全要素生产率显著增加相比未采用的企业。先前的研究已经发现的证据表明，在美国制造业创新飞速增加时期黑匣子策略有助于全要素生产率的提高。然而并没有针对日本制造企业的实证分析，我们相信这是第一个证据证明黑匣子策略有助于使日本制造企业提高全要素生产率。

同时，“成本优势，规模效益”和“柔性制造系统”的变量对TFPcp存在负面影响，此外对企业来说，相比生产率的变化它们一般更重视企业规模效益。

接下来，我们分析了影响企业实现LTC和GTC的因素，表6说明重视生产技术的保护与管理对于企业实现GTC起着积极地促进作用，这一发现表明，通过生产技术的保护与管理前沿技术经历了一个积极的转变，同时这些分析也发现企业因为需求变化而构建灵活的生产系统导致GTC实现速度变低。

两个战略因素影响了LTC的实现：“标准化的产品与服务”和“通过早期商业化构建与客户的关系”，对企业来说促进标准化和加快实现LTC是相互联系的，企业LTC完成速度致使价值这一因素比其他企业重要的多，在标准化方向上实现增量技术进步可以提

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[29298]，资料为PDF文档或Word文档，PDF文档可免费转换为Word