论文部分内容阅读
随着全球新一轮科技革命和产业变革加速孕育兴起，创新无疑仍是当今世界经济与社会发展的一个重要主题。尤其是共性技术、前沿引领技术和颠覆性技术创新，将为区域发展、产业升级和企业竞争提供强有力支撑。然而，由于高风险性和高不确定性，共性技术创新易遭遇失败。此时，需在一定范围内包容“无心之失”，营造“鼓励创新、关注共性、宽容失败、再接再厉”的创新容错氛围，增加共性技术创新活动的“弹性空间”，软化创新机制的刚性，增加创新机制的灵活性，在社会中建立循环、可持续的创新生态。在创新容错和精准施策的大背景下，针对共性技术创新失败项目大量存在和由此带来的失败资源大量闲置的客观事实，引入失败理论和机制设计理论，建立以政府为主导的共性技术创新失败项目精准补偿机制，将有利于激活失败资源、激发再创新行为、提高再创新绩效。
基于现有研究中政府创新补贴存在的激励扭曲问题和现实社会对于创新失败补偿关注不足的问题，本文以精准性为视角，尝试从共性技术创新失败补偿机理、共性技术精准识别、共性技术创新失败项目精准评估、补偿对象精准甄选、精准补偿模式和精准补偿分成等六个方面系统阐述精准补偿机制，在此基础上选取共性技术创新活动显著的生物医药行业为例，针对精准补偿机制的具体实施流程进行检验与模拟，并提出相应的政策建议。第一，通过经济学分析并建立基于风险感知的补偿机理模型，理论探讨了共性技术创新失败项目精准补偿的必要性；并且以共性技术创新的典型行业——生物医药行业为例，运用多元回归分析，实证检验了共性技术创新失败项目精准补偿的可行性；第二，采用深度学习提炼共性技术创新基因，绘制共性技术创新基因图谱，再利用专利地图法绘制共性技术创新路径，实现共性技术精准识别，为后续的精准补偿划定范围；第三，从五个维度构建共性技术创新失败项目精准评估体系，结合AHP-模糊灰色综合评价法，实现对拟补偿对象的精准评估；第四，考虑政府的专业性不足问题，引入第三方评估机构实施补偿对象的甄选，并在补偿博弈各方信息拓补关系的基础上，构建合谋防御机制，降低合谋风险，提升政府效用；第五，探讨了政府直接补偿方式和以税收优惠为主的间接补偿方式，同时，对比了转化阶段补偿和研发阶段补偿的补偿效率，确立了两阶段补偿方式；第六，通过引入博弈论和信息经济学，建立双重非对称信息下的双目标激励补偿模型，结合激励相容原理，实现补偿激励效应的最大化，解决补偿过程中的道德风险和逆向选择问题。第七，通过我国生物医药行业的数据及案例，针对以上精准补偿流程的有效性实施了验证与模拟；最后，就共性技术创新失败项目精准补偿在具体实施过程中可能会面临的问题，提出相应的政策建议。
研究结论如下：(1)经济学分析表明政府建立共性技术创新失败补偿机制，可以降低市场挽救失败的理论交易价格。而是否补偿的风险感知对比分析则表明补偿机制的建立，提高了共性技术创新项目的预期收益，降低了失败的潜在风险，使得创新主体对共性技术创新项目的失败风险感知降低；(2)政府直接补偿与政府间接补偿都能促进再创新绩效，且政府直接补偿效果优于政府间接补偿效果；相对于非国有企业而言，国有企业强化了政府直接补偿对于共性技术创新失败再创新的激励作用，弱化了政府间接补偿对于共性技术创新失败项目再创新的激励作用；政府直接补偿与共性技术创新失败企业的R&D投入存在倒“U”型关系，当政府直接补偿处于临界点以下，补偿效应为溢出效应，当政府直接补偿处于临界点以上，补偿效应为挤出效应。政府间接补偿效应为溢出效应。(3)基于词向量表示方法与深度自编码器，对产业技术文本信息进行训练与降维，并结合聚类分析提取其中的共性技术基因信息、绘制共性技术基因图谱具有可行性。表明深度学习技术在产业共性技术基因识别上有广泛的应用前景；(4)“PEMTP”五维甄选体系结合AHP-模糊灰色综合评价法可更加全面地挖掘共性技术创新失败项目的综合价值；(5)共性技术创新失败项目精准补偿博弈过程中，随着政府所掌握的合谋信息量增加，合谋方倾向于恪守道德底线或惧于监管威慑。惩罚因子的调控作用与双方的私有信息量正相关。合谋信息与防御信息部分相交时，为一般防御情景，政府通过提高合谋成本抑制合谋行为时，若合谋方净收益仍为正，则无法抑制合谋倾向，反而会影响政府自身的监管行为；(6)税收优惠补偿模式中，税率式优惠能够为失败项目承担方带来更多的税后收入。补偿所处阶段讨论中，转化阶段补偿将更有利于实现共性技术创新失败精准补偿的初衷，并提升补偿效率。“转化利润补偿”方式同时考虑了转化阶段的收益与成本，使得补偿成效更加显著。而且，共性技术创新失败精准补偿宜采取分段补偿模式；(7)共性技术创新失败精准补偿的分成机制中，第一阶段补偿能对补偿对象的再创新能力起到甄别作用，同时第二阶段补偿可以提高再创新的努力水平。政府期望收益与补偿对象再创新能力存在倒补U型关系，需要合理设置补偿阈值，使得补偿效率最大化。
本文基于“鼓励创新，关注共性，宽容失败，精准施策”的大背景，针对共性技术创新失败项目资源，从精准性视角构建一系列的补偿机制及政策体系，将有利于政府职能部门精准研策、精准制策、精准施策和精准评策，对激发共性技术创新失败项目的再创新行为，提高再创新的经济与社会效益，具有较强的理论创新价值与实践指导意义。
基于现有研究中政府创新补贴存在的激励扭曲问题和现实社会对于创新失败补偿关注不足的问题，本文以精准性为视角，尝试从共性技术创新失败补偿机理、共性技术精准识别、共性技术创新失败项目精准评估、补偿对象精准甄选、精准补偿模式和精准补偿分成等六个方面系统阐述精准补偿机制，在此基础上选取共性技术创新活动显著的生物医药行业为例，针对精准补偿机制的具体实施流程进行检验与模拟，并提出相应的政策建议。第一，通过经济学分析并建立基于风险感知的补偿机理模型，理论探讨了共性技术创新失败项目精准补偿的必要性；并且以共性技术创新的典型行业——生物医药行业为例，运用多元回归分析，实证检验了共性技术创新失败项目精准补偿的可行性；第二，采用深度学习提炼共性技术创新基因，绘制共性技术创新基因图谱，再利用专利地图法绘制共性技术创新路径，实现共性技术精准识别，为后续的精准补偿划定范围；第三，从五个维度构建共性技术创新失败项目精准评估体系，结合AHP-模糊灰色综合评价法，实现对拟补偿对象的精准评估；第四，考虑政府的专业性不足问题，引入第三方评估机构实施补偿对象的甄选，并在补偿博弈各方信息拓补关系的基础上，构建合谋防御机制，降低合谋风险，提升政府效用；第五，探讨了政府直接补偿方式和以税收优惠为主的间接补偿方式，同时，对比了转化阶段补偿和研发阶段补偿的补偿效率，确立了两阶段补偿方式；第六，通过引入博弈论和信息经济学，建立双重非对称信息下的双目标激励补偿模型，结合激励相容原理，实现补偿激励效应的最大化，解决补偿过程中的道德风险和逆向选择问题。第七，通过我国生物医药行业的数据及案例，针对以上精准补偿流程的有效性实施了验证与模拟；最后，就共性技术创新失败项目精准补偿在具体实施过程中可能会面临的问题，提出相应的政策建议。
研究结论如下：(1)经济学分析表明政府建立共性技术创新失败补偿机制，可以降低市场挽救失败的理论交易价格。而是否补偿的风险感知对比分析则表明补偿机制的建立，提高了共性技术创新项目的预期收益，降低了失败的潜在风险，使得创新主体对共性技术创新项目的失败风险感知降低；(2)政府直接补偿与政府间接补偿都能促进再创新绩效，且政府直接补偿效果优于政府间接补偿效果；相对于非国有企业而言，国有企业强化了政府直接补偿对于共性技术创新失败再创新的激励作用，弱化了政府间接补偿对于共性技术创新失败项目再创新的激励作用；政府直接补偿与共性技术创新失败企业的R&D投入存在倒“U”型关系，当政府直接补偿处于临界点以下，补偿效应为溢出效应，当政府直接补偿处于临界点以上，补偿效应为挤出效应。政府间接补偿效应为溢出效应。(3)基于词向量表示方法与深度自编码器，对产业技术文本信息进行训练与降维，并结合聚类分析提取其中的共性技术基因信息、绘制共性技术基因图谱具有可行性。表明深度学习技术在产业共性技术基因识别上有广泛的应用前景；(4)“PEMTP”五维甄选体系结合AHP-模糊灰色综合评价法可更加全面地挖掘共性技术创新失败项目的综合价值；(5)共性技术创新失败项目精准补偿博弈过程中，随着政府所掌握的合谋信息量增加，合谋方倾向于恪守道德底线或惧于监管威慑。惩罚因子的调控作用与双方的私有信息量正相关。合谋信息与防御信息部分相交时，为一般防御情景，政府通过提高合谋成本抑制合谋行为时，若合谋方净收益仍为正，则无法抑制合谋倾向，反而会影响政府自身的监管行为；(6)税收优惠补偿模式中，税率式优惠能够为失败项目承担方带来更多的税后收入。补偿所处阶段讨论中，转化阶段补偿将更有利于实现共性技术创新失败精准补偿的初衷，并提升补偿效率。“转化利润补偿”方式同时考虑了转化阶段的收益与成本，使得补偿成效更加显著。而且，共性技术创新失败精准补偿宜采取分段补偿模式；(7)共性技术创新失败精准补偿的分成机制中，第一阶段补偿能对补偿对象的再创新能力起到甄别作用，同时第二阶段补偿可以提高再创新的努力水平。政府期望收益与补偿对象再创新能力存在倒补U型关系，需要合理设置补偿阈值，使得补偿效率最大化。
本文基于“鼓励创新，关注共性，宽容失败，精准施策”的大背景，针对共性技术创新失败项目资源，从精准性视角构建一系列的补偿机制及政策体系，将有利于政府职能部门精准研策、精准制策、精准施策和精准评策，对激发共性技术创新失败项目的再创新行为，提高再创新的经济与社会效益，具有较强的理论创新价值与实践指导意义。