R＆D影響下的工業行業技術效率部門差異研究:基于大中型工業企業37個行業面板數據隨機前沿分析

馮 鋒， 李慧敏

（中國科學技術大學 管理學院，安徽合肥230026）

一、引 言

新中國成立以來，我國工業生產一直保持著較高的增長速度，現今已建成獨立的、門類比較齊全的工業體系，工業布局日趨完善。但工業發展過程中也面臨著發展方式較為粗放、自主創新能力不強、資源能源消耗高等諸多問題。2011年，國務院印發的《工業轉型升級規劃（2011～2015年）》就明確指出：“今后5年，我國工業發展環境將發生深刻變化，長期積累的深層次矛盾日益突出，粗放增長模式已難以為繼，已進入到必須以轉型升級促進工業又好又快發展的新階段。”可見，轉型升級、結構調整將逐步成為我國工業發展的主旋律，而提升創新效率作為加快工業轉型升級的核心環節，也日益受到了越來越多學者的關注。

目前學者們對于創新效率的研究主要集中在創新活動中的技術效率或R&D效率評價方面，因為技術效率能夠反映創新資源的最優利用能力［1］，對技術效率進行評價，有利于提高創新資源的使用效率，促進創新資源的優化配置，并最終促進經濟的長期增長［2］。而R&D投入則是推動技術進步、提升技術效率過程中的一項重要科技資源。目前的研究具體可分為兩類視角：（1）區域視角。Bannistter和Stolp研究了墨西哥各區域制造業的技術效率［3］；Nasierowski和Arcelus運用DEA方法考察了45個國家的R&D創新效率及其影響因素［4］；張海洋運用DEA-Tobit兩步法對我國各地區大中型工業R&D效率和影響因素進行了分析［5］；唐德祥、李京文、孟衛東運用隨機前沿方法分析了R&D對技術效率影響的區域差異及路徑依賴［6］。（2）行業視角。Griliches對美國1000家制造業企業1957～1977年的數據進行了分析，結果表明科技投入對生產力的提高具有重要作用，其中R&D投入的作用最為重要［7］；Collier研究了R&D投入的部門績效［8］；李勝文、李大勝利用中國34個工業細分行業面板數據，測算了工業及其細分行業的全要素生產率增長率［9］；田長明以工業行業技術創新投入、產出指標數據為樣本，利用因子分析模型研究了行業特征對創新效率的影響［10］。

已有的文獻或利用多元回歸分析探討區域（行業）工業技術效率的水平，或直接以R&D為投入指標考察區域（行業）R&D效率變動趨勢及影響因素，目前還尚無文獻將R&D投入作為隨機擾動項，考察行業R&D影響下的技術效率。為進一步揭示R&D與技術效率相關關系及技術效率部門差異，本文運用隨機前沿生產函數模型（SFA）對大中型工業企業37個行業R&D影響下的技術效率進行測度，并對測度結果按照“技術效率—產值平均增長率”（E-G）相關關系進行部門劃分，結果顯示各部門行業具有明顯的聚類或差異性特征，然后在對上述聚類或差異特征進行初步探討的基礎上給出了相應政策建議，以期對未來各工業行業的發展提供參考。

二、研究模型和數據說明

1.研究模型

近年來，確定性前沿生產函數模型（DEA）和隨機前沿函數模型（SFA）因各自的優勢和特色，在生產率和效率度量研究中得到了廣泛應用。DEA模型是將有效的生產單位連接起來，用分段超平面的組合即生產前沿面來緊緊包絡全部觀測點，是一種確定性前沿方法，該方法的特點在于無需設定前沿生產函數，約束較少，但缺點是沒有考慮隨意誤差項和無效率項對生產率和效率的影響，而隨機前沿生產函數則解決了此問題。Aigner、Lovell、Schmidt和 Meeusen、Van Den Broeck同時于1977年引進了隨機前沿生產函數［11］，其基本函數形式為：

其中，yit表示觀測對象i在時期t的標量產出，xit表示要素投入，f（·）是生產函數，表示在可能性邊界上的確定前沿產出，（vit-uit）為復合誤差項，vit為觀測誤差和其他隨機因素影響（隨機擾動影響），服從N（0，σ2v）分布，uit是一個非負變量，服從N+（0，σ2u）分布，表示僅對某個體產生的沖擊影響（技術非效率項）。變差系數定義為γ=σ2u／（σ2v+σ2u），0≤γ≤1，用來檢驗技術非效率項所占比例，若γ接近于零，說明實際產出與可能最大產出的差異主要來源于觀測誤差和其他隨機因素vit，此時采用傳統生產函數方法即可；γ接近于1，則說明無效率項uit在生產單元與前沿面的偏差中占主要成分。從統計角度看，當γ顯著異于零時，說明存在無效率效應，因此隨機前沿生產函數成為更有效的模型形式。

Battese和Coelli等學者不斷改進和發展了隨機前沿方法，將時間因素和其他因素引入模型，并能夠對模型中的參數和模型本身進行檢驗，該方法得到了更為廣泛地應用。本文依據模型基本原理，運用對數型柯布-道格拉斯生產函數及2005～2009年面板數據，對我國大中型工業企業各行業R&D影響下的技術效率水平進行測定。具體研究模型如下：

其中，下標i為行業序號，i=1，2，…，N，下標t為年份序號，t=1，2，…，T；式（2）中Y 表示各行業產值（單位：億元），L表示各行業年均從業人員數量（單位：萬人），K表示各行業年均資本存量（單位：億元），β0為截距項，β1、β2為待估參數，β1、β2分別表示勞動力產出彈性和資本產出彈性，誤差項（vit-uit）為復合結構，vit為觀測誤差和隨機擾動影響，服從N（0，σ2v）分布，uit是一個非負變量，服從N+（0，σ2u）分布，表示僅對某個行業產生的沖擊影響（技術非效率項），vit和uit之間相互獨立；式（3）中TEit=exp（- uit）表示樣本中第i個行業在第t時期內技術效率水平，當u=0，TE=1時，處于技術效率狀態。當u＞0，0＜TE＜1時，則處于技術非效率狀態；式（4）和（5）是定量描述時間因素對uit的影響，η為衰減系數；式（6）中和分別表示隨機誤差項方差和技術效率項方差，γ為最大似然法估計的參數，在統計檢驗中，若γ=0這一原假設被接受，則說明所有行業的生產都位于生產可能性曲線上，直接使用OLS方法分析即可，反之，則需要使用SFA方法分析；式（7）為無效率函數，δ0、δ1、δ2為一組待估參數，用來評估R&D經費和R&D人員對技術效率產生的影響。

2.數據來源及說明

本文采用《中國統計年鑒》（2006～2010年）和《中國科技統計年鑒》（2006～2010年）中按行業分大中型工業企業2005～2009年的相關數據。因其他采礦業、廢棄資源和廢舊材料回收加工業數據缺失嚴重，故剔除了這2個行業，形成37個細分工業行業。其中包括采礦業的5個細分行業；制造業29個細分行業以及公用事業的3個細分行業。

模型中的Yit表示各細分行業產值（單位：億元），按照1990年價格基準進行折算。

L表示各行業年均從業人員數量（單位：萬人），年均就業人員數=（上年年末就業人員數+本年年末就業人員數）／2。

K表示工業各行業年均固定資本存量（單位：億元），該指標采用Goldsmith在1951年提出的永續盤存法（perpetual inventory method）進行計算。其基本公式如下：

其中，Kt表示t期期末的資本存量，It表示t期內的投資額，at為t期的資本折舊率，Pt為t期的投資價格指數。固定資本折舊率和當年固定資產投資指標采用張軍、吳桂英、張吉鵬的研究成果進行測算（固定資本折舊率為9.6%）［12］；固定資產投資價格指數2005～2009年的數據可以直接從《中國統計年鑒（2010年）》上得到；基期固定資本存量則使用郭玉清的方法予以計算［13］。根據以上數據和方法可以計算得到2005～2009年全社會固定資本存量，并按1990年價格進行折算。最后，根據大中型工業各子行業增加值占GDP比重計算結果，即可將全社會固定資本存量按比例分攤到大中型工業企業各子行業，進而得到各行業資本存量近似結果。

R&D經費支出（單位：億元），按1990年價格基準進行折算；R&D人員數據均折合全時當量（單位：萬人／年）進行表示。

三、實證結果

1.實證計算結果

根據研究模型和2005～2009年面板數據，運用Frontier4.1分析軟件對前沿生產函數（1）進行估計，得到模型的參數估計值和檢驗結果如表1所示。

表1 SFA估計結果

2.結果分析

從表1可以看出：

（1）模型的γ值為0.2983，且通過了1%顯著水平下統計顯著性檢驗，說明式（2）中的誤差項具有明顯的復合結構，采用隨機前沿模型對本文的面板數據進行研究分析是合理且有效的。

（2）考察勞動力和資本投入的產出彈性β1和β2均為正且β2通過了1%水平下的顯著性檢驗，其中β1=0.2626，表明各行業年均從業人員每增加1個百分點，能使各行業產值增加0.2626個百分點；β2=0.7127，表明各行業年均資本存量每增加1個百分點，能使各行業產值增加0.7127個百分點。可見，勞動力投入對我國各大中型企業產值增長貢獻不明顯，而資本投入則對其具有明顯的正向作用。

（3）行業技術效率的影響參數δ1為負且通過了1%水平下的顯著性檢驗，說明R&D經費支出對各工業行業技術效率具有顯著的正向影響；δ2為正，未通過顯著性檢驗，說明R&D人員當量對各行業技術效率水平具有負向影響，但影響作用不明顯。具體來看，每增加1個單位R&D經費支出，行業技術效率水平將增長34.88個百分點；每增加1個單位R&D人員當量，將帶來行業技術效率29.27個百分點的損失。上述結果表明，R&D經費支出能夠給各工業行業技術效率帶來較大程度的增長，其投入具有規模效應；而R&D人員當量對技術效率具有負面影響，當R&D人員當量超過了最佳生產規模時，存在過度投入的可能。

基于SFA模型的我國大中型工業企業技術效率測算結果如表2所示。

大中型工業企業各行業平均技術效率變動趨勢如圖1所示。

圖1 我國大中型工業企業行業平均技術效率趨勢

從表2和圖1可以看出，在樣本期間，各行業技術效率隨時間推移呈緩慢增長趨勢，各行業5年技術效率平均增幅為2.59%，技術效率均值為0.6085，具備較大的提升空間。此外，從時間趨勢圖上看，2005～2006年、2008～2009年技術效率增幅較大，而2006～2008年增幅較為平緩。具體到各行業，技術效率水平差距很大，最高的黑色金屬冶煉及壓延加工業5年平均技術效率達到了0.8489，而最低的水的生產和供應業5年平均技術效率僅為0.3777，行業間技術效率的較大差距，不僅來自部門本身特點的差異，更與R&D投入、市場結構、產業政策等諸多因素相關。

四、部門劃分及其差異研究

通過數據和模型結果分析可以看到，大中型工業企業各行業均投入了大量資金和人力發展生產，并廣泛開展R&D活動，R&D影響下的技術效率逐年提高，行業產值穩步增長。但模型結果同時顯示，各行業間技術效率差距較大，部分行業自身技術效率在樣本期間也呈現震蕩變化特征。為進一步解釋差異來源，本文參考了瑞典學者Olof Ejermo，Astrid Kander等人在研究瑞典國民經濟各部門R&D投入與經濟增長相關關系時采用的部門分類思想［14］，依據各工業行業產值增長態勢和技術效率相關關系（E-G關系），將樣本中特征突出的部分行業劃分為以下四類部門，對各部門聚類或差異性特征表現及來源作了初步探討。

第Ⅰ類：“兼優”部門。即行業產值增長迅速且技術效率較高（產值5年平均增長率超過20%，平均技術效率超過0.6）。

這一部門包括有色金屬冶煉及壓延加工業、交通運輸設備制造業、農副食品加工業、電氣機械及器材制造業等6個工業行業，無一例外全部為制造業。研究發現，上述行業可分為三種類型：（1）高耗能特性和高R&D投入（以有色金屬冶煉及壓延加工業為代表）；（2）規模總量大、產業集聚明顯、骨干企業逐步成長（以交通運輸設備制造業為代表）；（3）較高的資本密集程度、較高的R&D投入和國內國際市場近年來持續升溫的高需求（以電氣機械及器材制造業為代表）；（4）高勞動密集程度（以農副食品加工業為代表）。

第Ⅱ類：“前優后劣”部門。即行業產值增長迅速但技術效率較低（產值5年平均增長率超過20%，平均技術效率低于0.6）。

這一部門包括黑色金屬礦采選業、非金屬礦物制品業等7個行業。容易發現，這一部門大多為采礦業或礦物制品業，具有明顯的聚類特征：以自然資源的存在為前提，大量的資源開采產生了較高的產值；生產效率較為低下，機械化程度不高；R&D活動有所開展但覆蓋范圍不廣，技術效率不高；行業內無序競爭導致的成本提升、利潤降低。

第Ⅲ類：“前劣后優”部門。即行業產值增長較慢但技術效率較高（產值5年平均增長率低于15%，平均技術效率高于0.6）的部門。

這一部門包括造紙及紙制品業、通信設備、計算機及其他電子設備制造業等5個行業，大致可歸類為輕工業制造業和通信、電子設備等技術含量較高的設備制造業。幾個輕工業行業產值增長率在2008～2009年出現了較大幅度的下滑，結合輕工業的出口導向、外向依賴度強等特征，可以推斷輕工業制造業受到始于2008年的國際金融危機影響較大；其次，上述行業在樣本期間保持了較高的技術效率，R&D活動投入也呈穩步上漲趨勢，R&D對技術效率影響的釋放作用較強，具體表現在該類行業以多學科工藝和技術為支撐，各學科的進步為輕工業行業發展注入了活力，在科技帶動生產能力方面，輕工業行業具有較大優勢。再看通信等技術含量較高的設備制造業，觀察其在樣本期間的產值增長率變化特征，和輕工業類似，受2008年國際金融危機影響較大，連續2年出現大幅下降，在2010年有較大回升，R&D釋放作用非常明顯，受國際國內需求影響劇烈，后金融危機時期反彈勢頭強勁。部分行業處在國際競爭力不斷加強，中、低端設備世界制造中心地位逐步確立的階段，某些分支行業具備世界領先水平。

第Ⅳ類：“兼劣”部門。即行業產值增長較慢同時技術效率較低（產值5年平均增長率低于15%，平均技術效率低于0.6）。

這一部門包括水的生產和供應業、印刷業、文教體育用品制造業等6個行業。該部門行業較為分散，既涉及公用事業，也有日用品制造業等。盡管行業聚類特征不明顯，但單獨來看，仍可發現：R&D投入相對同類行業而言較低；行業整體科技含量不高；行業中中小企業占比大，規模效益不明顯；部分行業具有公共服務性質或自然壟斷性質；科技政策覆蓋力度不強、覆蓋面不廣是該部門的特征所在。

五、結論及政策建議

本文利用隨機前沿生產函數模型（SFA），采用2005～2009年面板數據對大中型工業企業37個行業R&D影響下的技術效率、技術效率部門差異進行了研究。結果表明：（1）R&D投入對工業行業技術效率具有普遍的正向促進作用。（2）各行業平均技術效率隨著R&D投入的增加逐年穩步增長。（3）勞動力投入對行業產值增長貢獻不明顯，而資本投入則對其具有明顯的正向作用。（4）R&D經費對技術效率正向作用明顯，其投入具有規模效應，而R&D人員當量對技術效率具有負面影響，超過了最佳生產規模，存在過度投入的可能。（4）按E-G關系劃分的工業行業部門存在明顯聚類特征或差異性特征。

本文結合四類部門的具體特征，分別提出以下政策建議：

（1）“兼優”部門。有色金屬冶煉類行業應繼續將改善產業結構、降低單位能耗作為持續發展的目標，履行國家“低碳經濟”戰略；在增加R&D投入的基礎上加強對R&D人員的培養，促進科技創新效率的提升；各機構應完善政策支撐體系，為其轉型升級提供保障。

（2）“前優后劣”部門。加快采礦業等傳統行業的轉型升級步伐，取締產能落后企業，合并不規范的小企業，發揮規模優勢；持續加大R&D活動投入，著力釋放R&D對技術效率的影響，以自動化控制等先進工藝和現代化管理手段不斷促進采礦業的發展壯大。

（3）“前劣后優”部門。加大對自主創新的支持力度，不斷利用先進技術改造提升傳統輕工業，節約資源，保護環境，實現輕工業和社會的可持續發展。技術含量較高的設備制造業應繼續加大R&D投入，重視自主研發，大力推進價值鏈向高端轉移。

（4）“兼劣”部門。通過要素配置效率的提升來拉動技術效率；進一步完善資本市場組合功能，以提升企業規模效益、改善經營管理；相關政策制定機構應酌情加大對該部門行業的政策傾斜力度，完善產業化環境，促進企業產學研共生體系建立，為其發展提供良好的政策環境。

［1］白少君，韓先鋒，朱承亮，等.中國工業行業R&D創新全要素生產率增長：技術推進抑或效率驅動［J］.中國科技論壇，2011，（11）：27-28.

［2］袁鵬，程施.中國城市環境效率度量與分析［J］.大連理工大學學報（社會科學版），2010，31（4）：31-36.

［3］BANNISTER G J，STOLP C.Regional concentration and efficiency in mexican manufacturing［J］.European Journal of Operational Research，1995，80（3）：672-690.

［4］NASIEROWSKI W，ARCELUS F J.On the efficiency of national innovation systems［J］.Socio-Economic Planning Sciences，2003，37：215-234.

［5］張海洋.我國工業R&D生產效率和影響因素——基于省級大中型工業數據的實證分析［J］.科學學研究，2008，26（5）：970-978.

［6］唐德祥，李京文，孟衛東.R&D對技術效率影響的區域差異及其路徑依賴——基于我國東、中、西部地區面板數據隨機前沿方法（SFA）的經驗分析［J］.科研管理，2008，29（2）：115-127.

［7］GRILICHES Z.Productivity，R&D and basic research at the firm level in the 1970s’［J］.American Economic Review，1986，76（6）：141-154.

［8］COLLIER D W.Measuring the performance of R&D department［J］.Research Management，1977，20（2）：4-30.

［9］李勝文，李大勝.中國工業全要素生產率的波動：1986～2005［J］.數量經濟技術經濟研究，2008，（5）：43-54.

［10］田長明.中國工業行業技術創新效率評價實證研究［J］.工業技術經濟，2008，27（5）：68-72.

［11］COELLI T J，RAO D S P，O’DONNELL C J，et al．An Introduction to Efficiency and Productivity Analysis［M］.London：Kluwer Academic Publisher，1998.241-261.

［12］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952～2000［J］.經濟研究，2004，（10）：35-44.

［13］郭玉清.資本積累、技術變遷與總量生產函數——基于中國1980～2005年經驗數據的分析［J］.南開經濟研究，2006，（3）：79-89.

［14］EJERMO O，KANDER A，HENNING M S.The R&D-growth paradox arises in fast-growing sectors［J］.Research Policy，2011，40（5）：664-672.