協同創新效率的國際比較及其影響因素分析

摘要：利用25國1996-2009年的面板數據，運用超效率DEA和DEA-Tobit兩步法對各國的國家創新效率和影響因素進行了分析。主要發現包括：經濟危機對各國國家創新效率和創新全要素生產率均有負面影響，其中技術退步是引起各國全要素生產率下降的主要因素；中國的國家創新效率仍然處于較低的水平，在樣本考察期內總體呈現下降趨勢，且存在較為嚴重的技術退步現象；企業、高等院校和科研機構的創新協同是有效率的，三者的創新活動均顯著而持續地促進了國家創新效率提高；一國宏觀稅率對國家創新效率具有拉弗效應，過高和過低的稅率均不利于促進國家創新效率。

關鍵詞：協同創新；國家創新效率；超效率DEA；DEA-Tobit兩步法；拉弗效應

中圖分類號：F27644文獻標志碼：A文章編號：10085831（2013）05005610技術創新是促進經濟長期穩定增長的關鍵因素，然而創新活動本身又是一個牽涉政府、企業、高等院校、科研院所、金融和其他中介機構等多個創新主體的復雜系統工程，如何整合各種要素，優化創新資源配置以促進國家和區域創新體系建設一直是各國政府高度關注的問題。中國政府早在1985年就在《中共中央關于科學技術體制改革的決定》中首次提出了“促進產學研合作創新”問題。2011年4月胡錦濤總書記在清華大學百年校慶大會的講話中進一步明確了推動協同創新的戰略部署，2012年教育部和財政部開始共同推進實施“高等學校創新能力提升計劃”（“2011計劃”），從而把促進協同創新推進到了一個新的高度。在此背景下，通過對不同國家協同創新效率的差異分析，并進一步明確其主要影響因素，對于科技政策的制定，并以政策促進協同創新，進而促進創新型國家的建設具有重要的借鑒意義。

一、文獻回顧

自哈肯創立協同學，Freeman[1]、Nelson[2]等將其引入國家創新體系分析以來，協同創新即成為國內外學者關注的重點。早期的研究主要集中于協同創新理論的發展以及微觀企業層面協同創新機理、機制的研究。自20世紀90年代以來，區域和國家層面的協同創新開始成為研究重點，然而關于協同創新效率及其影響因素的研究文獻并不多見，近來年才逐漸得到國內外，特別是國內學者的關注，相關研究文獻主要散見于區域創新和國家創新兩個領域，其基本研究思路都是通過測度不同區域或不同國家創新效率的差異并分析其影響因素，進而對不同創新主體間的協同創新效率進行分析。在區域創新研究領域，池仁勇和唐根年[3]使用DEA法分析了浙江省11個地區技術創新效率及其影響因素，研究結果表明政府投入并不能顯著提高創新效率，從而證明政府和企業之間的協同是缺乏效率的；李習保[4]則利用隨機前沿法（SFA）分析了中國30個省份1998-2006年的區域創新效率及其影響因素，認為政府對科技活動的支持力度可以顯著提高區域創新效率，高校和科研院所則對區域效率創新產生了負向影響，金融機構對創新效率的影響則不確定；白俊紅等[5]則首次從研究區域創新效率的角度明確檢驗了各創新主體之間的協同創新效率，研究結果表明，地方政府、企業、高等院校、科研機構、金融中介等創新主體及其聯結關系對區域創新效率均產生了負向影響。

在國家創新研究領域，Furman， Porter and Stern[6]首先建立了一個全新的框架（FPS）用于分析國家創新能力的影響因素，認為創新基礎設施、創新集群環境以及二者之間的聯系是影響國家創新能力的重要因素。Hu and Mathews[7]以東亞5 國為樣本重新整理了FPS 方法，除了得到了相近的發現外，他們還進一步強調了制度對國家創新能力形成的重要性。此后關于國家創新效率影響因素的研究文獻也基本沿襲了上述研究方法。如Hu等[8]使用距離函數SFA法評估了24個國家研發效率的影響因素，發現知識產權保護、人力資本積累以及高校與企業的技術合作能顯著提高一國RD效率。Guan and Chen[9]進一步把國家創新劃分為知識生產和知識轉化兩個階段，通過對22個OECD國家的實證分析，發現影響國家創新效率的關鍵在于知識轉化效率，而制度環境對知識生產和轉化效率均有顯著影響。呂新軍和胡曉綿[10]利用28 個國家2000-2006 年的樣本數據，集中分析了影響國家創新效率的制度性因素，發現良好的政治制度、市場化程度和貿易制度都能顯著提高一國創新效率，而法律制度對發展中國家創新效率的影響卻并不顯著。郭淡泊等[11]的分析則表明FDI 流入抑制了發達國家的創新經濟效率，但對發展中國家卻有促進作用； 貿易保護顯著提高了發達國家的創新技術效率，但不利于發展中國家創新技術效率的提高； 人才的自由流動對兩類國家的創新技術效率均存在顯著的負向影響。

1重慶大學學報（社會科學版）2013年第19卷第5期

江成山，等協同創新效率的國際比較及其影響因素分析

國家創新效率本質上是由官、產、學、研等多主體的創新活動所決定的，盡管現有研究文獻已經對國家創新效率的影響因素進行了大量研究，然而若從協同創新的研究視角出發，則現有的研究對于兩個基本問題仍然缺乏系統的回答：第一，“官、產、學、研”協同創新是推動國家創新體系建設的核心，因此從國家層面看，各創新主體之間的協同是否有效？換句話說，政府、企業、高等院校、科研機構的創新活動是否有效促進了國家創新效率？第二，盡管企業是無庸置疑的創新主體，但政府在協同創新中卻具有特殊的地位，其既通過國有科研機構直接從事創新活動，還通過基礎設施和制度建設營造良好的創新環境，更重要的是通過制定政策引導和影響其他創新主體的行為，從而最終影響一國創新效率。已有的研究對政府在創新基礎設施和創新環境建設中的作用作過充分考察，然而對政府政策，特別是稅收政策對國家創新效率的影響卻幾乎沒有文獻涉及。因此本文將在比較國家創新效率的基礎上，主要對上述兩個問題進行比較系統的研究。

為了分析各創新主體的創新行為是否協同有效，即是否顯著促進了國家創新效率的提高，理論上可以通過兩種方法實現。一是利用一國創新投入和創新產出的數據計算出國家創新效率，然后分析不同創新主體的創新投入是否顯著促進了國家創新效率，若是，則說明各創新主體之間的創新行為是協同有效的。反之，若某一創新主體的創新投入不能顯著提高國家創新效率，則說明該主體的創新行為與其他創新主體之間不存在協同有效關系，從政策角度看應該將其創新投入更多轉移到協同有效的創新主體上，或者設法提高其創新效率；二是在計算出國家創新效率后，還可以利用不同創新主體的創新投入和產出數據計算出不同創新主體的創新效率，在合理假定國家創新效率和不同創新主體創新效率關系的基礎上（一種合理的假定是：國家創新效率與不同創新主體創新效率之間存在Cobb-Douglass生產函數關系或者超越對數生產函數關系），也可以分析不同創新主體的創新行為是否存在協同有效關系。由于現有統計數據難以區分不同創新主體的創新產出，因此出于數據獲取的難度，目前尚未見到相關研究文獻使用第二種研究方法。基于同樣的原因，本文也將采用第一種研究思路。

二、研究方法及樣本選擇

現有關于效率比較及其影響因素分析的文獻主要使用兩類方法，即基于參數估計的隨機前沿法（SFA）和基于非參數估計的數據包絡分析（DEA）-Tobit兩步法。兩種方法各具特點：隨機前沿法認為，生產效率除受確定性的投入產出變量影響外，還會受眾多隨機因素影響，因此在效率分析中必須將這些隨機因素考慮在內；同時，通過在模型中設定技術無效率項的影響因素，SFA可以在進行效率排序的同時進行效率影響因素分析，從而達到通過一步分析同時解決兩個問題的目標[12]。其局限在于，使用SFA法需要設定投入產出之間的具體函數關系，并且只能使用單一指標衡量產出。盡管Wang[13]曾經使用加權方式將多種產出總合為一種，然而解決加權法面臨的理論基礎問題并不是一件容易的工作。數據包絡分析可以克服SFA法的局限，首先，DEA可以使用多個指標來衡量產出，其次，使用DEA進行效率分析時無需設定投入產出之間的具體函數關系。但同時SFA的長處則變成了DEA局限：DEA無法考慮隨機因素對投入產出效率的影響，且必須使用二步法才能進行效率影響因素的分析，即首先必須使用主要投入產出指標估計出各決策單元的效率值，然后以此作為被解釋變量，各影響因素作為解釋變量建立回歸模型進行參數估計和檢驗。

在評價國家創新效率時，創新產出難以使用單一指標進行準確刻畫，故本文選擇使用DEA法。但在使用經典DEA模型進行效率評價時，可能出現多個決策單元同時位于效率前沿面，從而無法進一步對其進行效率排序的情況，因此Andersen and Petersen[14]提出了超效率DEA模型以解決該問題。由于超效率DEA分析所得到的各決策單元的效率值均大于零，屬于截斷數據，因此將其作為因變量進行效率影響因素分析時，若直接使用普通最小二乘法，則得到的參數估計量是有偏且不一致的，因此一般使用受限因變量Tobit模型[15]進行效率影響因素的回歸分析。