【作 者】
范群林（副教授）
【作者单位】
重庆理工大学管理学院，重庆400054
【摘 要】
【摘要】本文应用钻石模型这一综合性理论，针对产业创新绩效的多方面影响因素进行论证，进而结合文化创意产业特征，运用多元回归模型对其面板数据进行分析。结果发现，高级生产因素与相关产业对创新绩效拥有更为显著的正向影响，说明我国文化创意产业具有较高的技术水平，但其他影响因素的研究结果同时也揭露出产业中存在创新型人才不足、垄断以及与政府支持脱节等急需解决的问题。这些研究结果更好地揭示了我国文化创意产业创新绩效与影响因素之间的关系，为进一步的研究提供了方向与理论指导。
【关键词】钻石模型；文化创意产业；创新效率；影响因素
【中图分类号】F270 【文献标识码】A 【文章编号】1004-0994（2016）30-0046-5一、引言
文化创意产业已成为引领经济发展的重要引擎，其发展规模与水平，也已成为衡量一个国家或地区综合实力的重要标志。国务院发布的《关于推进文化创意和设计服务与相关产业融合发展的若干意见》充分表明，促进文化创意产业优化发展对推进经济发展方式转变并形成创新驱动模式具有重要意义，代表了我国科技创新和产业发展的方向，其技术创新已成为我国创新型国家建设的核心力量。文化创意产业的核心是创新，因此，在针对文化创意产业的研究中，对其创新领域的研究显得尤为重要。虽然已有不少学者从不同的研究角度与理论框架对产业创新绩效进行了分析，然而在已有的研究中，学者往往只针对某一方面的影响因素进行分析研究，缺乏多角度影响因素的综合分析，而现实中影响某一问题的因素往往是众多的。因此，本文要研究的问题是，在影响文化创意产业创新绩效的因素中，哪些影响因素的作用更为显著？它们又是如何影响创新绩效的？本文深入地分析了我国文化创意产业的现状与问题，进而提出相应的政策建议，为我国文化创意产业的发展提供相应的理论依据与支持。
二、文献回顾与影响因素的选取
事实上，自熊彼特将创新的影响因素带入主流经济学之后，针对产业创新绩效的研究便一直是学术界关注的热点，众多学者对不同角度的影响因素进行了探索。早期研究作为初步的探索，往往局限在一些直观的单因素与创新绩效之间的关系。比如Kamien等（1982）、Acs等（1987，1990，1991）与Cohen（1987）等集中讨论了创新绩效与公司规模（基础生产因素）之间的关系，与此同时，Levin等（1985）与Geroski（1990）则对创新绩效与市场集中度（需求因素）进行了研究，但对于这两个因素与创新绩效的关系并未得出一致结论。随着研究的深入与方法的优化，学者们开始将传统的影响因素进行拓展，并将不同角度的因素一起纳入考量范畴，研究不同因素的共同作用下创新绩效的变化。如Acs等（1988）就在对市场集中度（需求因素）研究的同时，也对R&D支出（高级生产因素）以及技术人员（高级生产因素）进行考量，得出创新与R&D支出以及技术人员正相关的结果。相似结论也出现在李婧等（2010）的研究中，李婧等对创新投入与产出之间的关系进行研究时，利用空间面板模型得出了R&D人员投入（高级生产因素）、R&D经费支出（高级生产因素）与创新产出之间存在显著的正相关关系。
随后，产业及企业结构、战略以及竞争等因素对于创新绩效的影响也开始成为研究者关注的重要内容。Choi等（2012）和Douma（2013）等指出，独立董事制度以及成员组成（企业结构）可以帮助企业获取创新的必要资源，而孙早等（2013）在研究资本—劳动比率（生产因素）以及工业所有制（产业结构）中发现，以民营企业比重上升为主要特征的工业所有制结构变化对企业以市场为导向的创新激励有正向影响，强化了自主创新对工业全要素生产率的贡献。Maine等（2012）则研究发现，纳米技术的快速发展得益于技术和市场的匹配以及联盟建设（企业战略），Chung-Jen Chen等（2016）在研究台湾公司时发现，科技多样性战略对创新绩效与企业结构之间存在不同的调节作用。而竞争因素对创新活动的影响也被众多学者所证明，其中Aghion等（2005）在对英国企业的研究中认为，产品市场竞争与创新绩效存在倒U型的关系，这对后续研究有着很好的启发。
相对于以上产业内部因素的研究，越来越多的学者开始着眼于产业外部因素对创新绩效的影响。李煜华等（2015）从内部与外部两个层面对文化创意产业的技术创新进行了研究，发现作为外部要素的政府干预（政府因素）、企业协同创新（相关与支持产业）、高校与科研机构参与（相关与支持产业）以及中介机构介入（相关与支持产业）中，只有中介机构介入没有显著影响，政府干预、企业协同创新、高校及科研机构都对技术创新有着显著影响。其中企业协同等相关与支持产业对于创新绩效的影响，在集群研究这一领域有着更为深入地体现，如Cristóbal Casanueva（2013）提到关于产业集群的研究都集中在集群内部支持与相关产业对目标产业的知识传递影响以及所产生的创新联系上。
而政府因素对于创新绩效的影响在众多学者的研究中也有着更为详细的讨论。JianCheng Guan（2015）针对中国政府对制造业的政策与专项拨款等措施，研究了相应制造业的创新绩效表现，并得出了专项拨款这一看似正向的帮助却与产业的创新绩效负相关的结果。这一结果也出现在樊华等（2012）、肖文等（2014）的研究中。樊华等在考察期内研究工业结构（企业结构）、对外开放度（竞争因素）、高等教育发展水平（需求因素）以及政府影响力（政府因素）等对科技创新效率的影响时发现，其他因素具有正向影响效应，但政府影响力具有负向作用。而肖文等（2014）则从企业规模（生产因素）、研发管理与服务能力（产业结构、战略）、政府支持（政府因素）、行业竞争程度（竞争因素）、行业所有制结构（产业结构）、行业开放度和经营绩效（需求因素）等七个因素入手，分析其对技术创新效率（创新专利、新产品开发项目、新产品产值以及新产品销售收入）的影响，发现政府的直接和间接支持并不利于技术创新效率的提升。
此外，也有学者针对机遇、文化等背景因素，对企业创新展开研究，如Ferdaous Zouaghi（2016）就针对全球金融危机这一事件，研究了阿格里食品产业（Agri-food Industry）的创新绩效变化，并得出了在机遇的变化下，企业会改变其研发的资源部署，进而影响创新绩效的结论。
归纳现有研究不难看出，对于影响创新绩效的因素研究有着从内在到外在、从单一到综合的特点与研究趋势。进一步对比分析之后可以发现，已有研究主要是围绕着生产因素（企业、产业规模、R&D人员投入、R&D经费支出等高级生产因素）、需求因素（市场集中度）、支持与相关产业（协同创新、集群效应）、产业及企业结构（行业所有制结构）、战略（联盟建设）、竞争（产品市场竞争程度）、政府（政策、专项拨款）、机遇等因素所展开的。因此，本文试图在以上研究要素的基础上对我国文化创意产业创新绩效进行综合性分析。在研究过程中发现，以上研究中的视角及理论与Porter的“钻石模型”理论匹配良好，如下图所示。
Michael E. Porter的“钻石模型”源于国家竞争优势的研究，是其针对影响竞争优势这一综合指标，经过对前人研究的总结以及其多年的理论归纳与实证分析，模型的主要内容如表1所示。虽然竞争优势与创新绩效在定义与范畴上具有一定的区别，但是在创新便是核心竞争力的新市场格局下，两者便会出现高度的相似与相通点。因此，已有研究中影响创新绩效的众多因素与钻石模型中各角度因素的高度匹配不再是巧合。本文决定选用钻石模型作为分析文化创意产业的综合理论框架，将影响创新绩效的众多因素进行整合，进而分析在综合视角下不同因素的影响。三、研究方法与数据搜集
在经过理论分析后，此处结合已有研究与钻石模型的内容构建回归模型，并对模型中影响因素的具体衡量指标进行选取与解释。由于研究的影响因素众多以及面板数据的特性，本文参考Sangwon Lee（2015）所采用的多元线性回归模型对众多影响因素进行研究，其原始模型如下：
Y=β0+β1X1+β2X2+…+βkXk+μ （1）
结合面板数据与研究因素之后的模型最终表达式如下：
innovationit=c+β1factor1it+β2factor2it+β3factor3it+
β4demand1it+β5demand2it+β6supportingit+β7relatedit+
β8rivalry1it+β9rivalry2it+β10governmentit+εit （2）
其中：innovation表示产业创新绩效，即产业新产品销售收入；factor1表示生产要素中产业年末固定资产原价；factor2表示生产要素中产业R&D经费内部支出；factor3表示生产要素中产业R&D活动人员折合全时当量；demand1表示需求要素中的市场规模，即除去对应省份的全国产业新产品销售总收入；demand2表示需求要素中的市场多样化程度，即区域政府对科学技术的投入；supporting表示支持产业，即创意产业主营业务收入；related表示相关产业，即文化产业主营业务收入；rivalry1表示竞争对手，即产业内企业个数；rivalry2表示竞争强度，即产业利润；government表示政府影响，即产业科技活动经费筹集额中的政府资金；βi（i=1，2，…，10）为回归系数；ε为随机误差项；i为观测单元（全国23个省份）；t为时间序列（2010 ~ 2014年）。
在产业创新绩效的衡量指标中，选用产业新产品产值作为创新绩效的衡量指标，一直被众多学者所认可（李婧等，2010），虽然也有学者选用专利数量作为衡量指标，但Michael等（2011）指出，专利是一种未市场化的指标因素，这与文化创意产业的市场性质不符，因此本文选用新一代文化创意产业的新产品销售收入作为被解释变量，与不同层面的解释变量建立回归模型，进而探究其中的影响关系。对于解释变量的选取如下：
1. 在生产要素方面，虽然有学者采用员工规模的大小来衡量产业的基本生产禀赋，但是由于产业性质的不同，会出现一些产业拥有大量基础员工，因此员工规模并不能很好地刻画产业的基础生产因素，而产业年末固定资产则可以综合评价一个产业的生产因素，因此本文选用产业年末固定资产原价作为产业的基础生产因素。钻石理论中高级生产因素最为直观的两项便是研发费用与研发人员，而这两项指标也一直是众多学者衡量产业创新绩效的核心指标。因此，本文将产业内部研发费用与研发活动人员折合全时当量作为产业高级生产因素的解释变量。
2. 在需求要素方面，产业的市场集中度与市场规模（总产值）都是众多学者用来衡量企业需求的直接指标，而对于需求的多样性，有学者延用知识溢出理论，认为区域的研发投入可以反映区域对于新产品的更多需求。因此，本文选用除去对应省份的全国新产品销售收入规模来反映市场对新产品规模的需求程度，且用区域政府对科学技术的投入规模来反映区域对于新产品多样性的需求。
3. 鉴于创意产业给予新一代的文化创意产业理念上的支持，以及文化产业对于创意创新的要求，本文选用创意产业主营业务收入以及文化产业主营业务收入作为其支持产业与相关产业的衡量指标。
4. 波特认为，企业竞争对手的强弱会引起企业竞争优势的变化，而根据宏观经济理论，产业的竞争力度与其产业内竞争者数量以及利润有着直接关系，竞争者越多，则利润空间则越小，竞争者越少，则利润空间越大，因此本文选用产业内企业的个数以及不同区域对应的利润来衡量其竞争强度。
5. 在政府影响的指标选取中，由于政府对于文化创意产业发展的资金支持较为直观，并有着全面的统计，因此本文选用政府对于新一代信息产业中的创新活动支持资金作为其衡量指标。此外，虽然波特理论中关于产业的结构与战略部署问题，以及机遇等因素对于产业的影响已经得到学者的肯定，但是由于涉及众多特性问题，不易以整体的产业视角进行统计，学者一般对其单独研究，因此，本文暂时不对其进行研究。
综合以上分析，本文根据钻石模型，衡量影响文化创意产业创新绩效的影响因素以及对应评价指标如表2所示。
本文以文化创意产业为例，结合以下三个方面原则进行数据的搜集。首先，对于数据的代表性，文化创意产业具有先导性、复杂性、融合性和不确定性等特征，是一项多要素协同的复杂系统工程，受到产业内外部多因素的影响和综合作用，这些都符合Forbes等（2011）对新兴产业的认定。其次，对于数据的可得性，文化创意产业具有良好的代表性与可操作性。最后是时间范围的确定，通过不断查找，搜集到2010 ~ 2014年全国23个省份对应的《中国文化产业统计年鉴》以及《中国统计年鉴》中各项面板数据作为文化创意产业的分析样本。由于各省份（港澳台除外）中，内蒙古、海南、云南、西藏、甘肃、青海、宁夏以及新疆等8个省份的数据存在严重缺失，因此将其剔除。
四、回归结果与讨论
由于时间序列较短，本文只对样本个体截面进行相应的F检验与Hausman检验，否则会使模型自由度过大，导致显著性检验失去意义。运用Eviews软件对数据进行相应检验，结果拒绝混合效应与随机效应假设，如表3所示。
因此，选择个体固定效应模型，对样本数据进面板最小二乘回归（Panel Least Squares），主要回归结果如表4所示。从表4中可以看到，回归模型的拟合度良好（R平方与修正后R平方均在99%左右），模型的F统计值通过了1%的显著性水平，而D-W值说明模型残差序列没有自相关。
对比各项指标的回归结果，可以发现在生产、需求、支持与相关产业、竞争和政府这五个方面因素中，生产因素的三项指标（factor1、factor2、factor3）、需求因素中的多样性指标（demand2）、相关产业指标（related）以及政府影响指标（government）通过了显著性检验，而反映需求的市场规模（demand1）、支持产业（supporting）以及两项竞争因素（rivalry1、rivalry2）的指标皆没有通过显著性检验。而在通过显著性检验的指标中，factor1、factor2、related等指标显示出其与产业创新绩效存在正相关关系，factor3、demand2、government等指标与产业创新绩效则呈负相关关系。接下来针对各项因素与结果进行逐一分析：
1. 就生产因素而言，虽然反映基础因素的factor1指标与反映高级因素的factor2指标都对产业创新绩效有着正向影响，但factor1仅在10%的水平上显著，而factor2的回归系数十分显著（在1%的水平上显著）。这从某种层面上证实了钻石模型理论中对于高级生产因素的依赖会随着产业的发展而加深。说明我国文化创意产业依然对固定资产等基本生产因素有一定依赖，但随着产业发展，对研发力度等高级生产因素的需求更为迫切。而从表中还可以看出，高级生产因素中研发人员的指标factor3与创新绩效负相关。本文认为，这反映了我国文化创意产业乃至创新领域的一大问题，即与研发投入等硬性条件相比较，对于人才培养等软性条件，我国现阶段还存在明显不足。卢志米（2014）等就指出，在我国现阶段产业发展升级过程中，高技能人才短缺问题使我国经济建设面临着严峻挑战。而本文也从产业创新角度证明了这一点。对于创新这一高级生产领域，参加研发的人员数量与时间并不能有效提高创新绩效，相反，由于投入了大量人员与时间，导致成本增加，从而对创新绩效产生负向影响。2. 从需求角度来看，我国市场规模指标demand1的回归结果不显著，很可能反映了我国文化创意产业中存在着一定程度的垄断现象。关于这一点将在下文结合竞争因素的指标进行分析。而关于反映市场多样性指标demand2，虽然其回归结果十分显著，但与产业创新绩效呈负相关关系，这一结果与我们的认识不符。本文认为，原因主要在于用于衡量这一因素的指标是政府对区域科学技术的投入，这虽然一定程度上反映了区域对创新的需求，但政府的干预目的与产业的意图不符。这点将在下文政府因素中详细讨论。
3. 对于支持与相关产业，虽然作为衡量支持产业的创意产业指标supporting没有通过显著性检验，但是作为相关产业指标的文化产业指标related则与创新绩效表现出正向相关性。这符合文化创意产业的基础性、战略性特征，也符合联盟网络理论中“具有优势的产业可以带动其相关产业”的观点。
4. 虽然传统经济学中假设市场是完全竞争的，但是现实中市场往往是不完全竞争的，甚至存在一定程度的垄断。本文认为这正是造成竞争因素指标rivalry1、rivalry2，以及市场规模指标demand1回归结果不显著的原因。虽然我国自改革开放之后，调整了市场结构，使得国民经济取得了巨大进步，但部分产业垄断依然存在，而文化创意产业就是其中之一。
5. 关于政府因素指标，虽然早期有学者研究表明，政府给予区域的R&D补贴对高技术产业增加值有着正向影响，但近几年，不少学者的研究都得到了政府的直接参与与产业创新呈现负相关这一结论。肖文等（2014）学者在总结前人研究的基础上，认为造成这一负相关性的原因是政府的支持多在于“远期”的技术创新领域，而企业的研发则多注重于当期即可获利的技术活动领域，这两者的矛盾限制了企业平均技术创新效率的提升；此外，政府对于其支持资金的管理缺失加剧了这一限制。本文认为这也是导致反映区域需求多样性指标系数为负的原因，因为对于产业科技活动的资金支持是政府影响产业创新绩效的直接手段，而政府对区域科学的投入，实际上则是对创新的间接影响。
五、结论与政策建议
本文通过对已有产业创新绩效研究进行归纳分析，应用钻石模型对文化创意产业的创新绩效影响因素进行全面构建，并得出以下结论：首先，高级生产因素对于我国文化创意产业的创新绩效有着更为显著的影响；而高级生产因素中创新资金的投入可以显著提高创新绩效，但创新人员等软实力存在一定问题，过多的人力投入不但不会提高创新绩效，反而会增加创新成本，导致创新绩效的降低。其次，支持产业与相关产业的发展可以提高对应产业的创新绩效，但产业特性会对具体情况产生影响，本文中作为相关产业的文化产业对文化创意产业创新绩效产生了正向的显著影响，但作为支持产业的创意产业并没有产生显著影响。随后，本文中影响产业创新绩效的市场规模、竞争对手以及竞争强度等因素均没有通过显著性检验，证明我国文化创意产业存在一定程度的垄断。最后，政府对产业创新绩效的直接影响与间接影响均表现出负相关性，说明我国政府对于产业创新的干预与产业自身的创新活动存在分歧。
基于上述研究结论，本文提出如下政策建议：首先，产业在提高创新活动经费的同时，要注重高技术人才的培养与引入，单纯增加参与创新活动的人员数量与时间不但不能有效提高创新绩效，反而会起到相反的作用。对此，产业应与高校等机构加强交流与沟通，从源头上建立高创新能力人才的培养模式与环境。其次，产业应依据自身的产业特征与环境，加深相关产业与支持产业的联系，建立多元化的联盟组合，加强互利机制，为产业创新提供更多的视野与机会。而政府应该加强与不同产业企业的交流，了解其产业特征与企业意愿，制定更加合理与完善的创新计划与发展战略，减少理念冲突，达到双方的最优组合，提高技术创新效率，并且建立更为优化的资金管理制度，提高资金的使用效率，使得政府对创新的直接影响与间接影响都更为有效。最后，政府应对产业的垄断进行政策与法律上的监督与限制，优化市场竞争环境，使得市场更有活力，刺激产业积极进行创新活动，从而使得我国早日成为拥有自主创新能力的创新大国与创新强国。
主要参考文献：
Kamien M. I.，Schwartz N. L.．Market structure and Innovation［M］．Cambridge：Cambridge University Press，1982．
Douma S.，George R.，Kabir R.． Foreign and domestic ownership, business groups, and firm performance: Evidence from a large emerging market［J］．Strategic Management Journal，2006（27）．
樊华，周德群．中国省域科技创新效率演化及其影响因素研究［J］.科研管理，2012（1）．
肖文，林高榜．政府支持，研发管理与技术创新效率——基于中国工业行业的实证分析［J］．管理世界，2014（4）．
Porter M. E.． The competitive advantage of notions［J］．Harvard Business Review，1990（68）．
Zhang A.，Zhang Y.，Zhao R.． A study of the R&D efficiency and productivity of Chinese firms［J］．Journal of Comparative Economics，2003（31）．
施卓宏，朱海玲．基于钻石模型的战略性新兴产业评价体系构建［J］．统计与决策，2014（10）．
Forbes D. P.，Kirsch D. A.． The study of emerging industries：Recognizing and responding to some central problems［J］．Journal of Business Venturing，2011（26）．
卢志米．产业结构升级背景下高技能人才培养的对策研究［J］．中国高教研究，2014（2）．
