基于兩階段的中國高技術產業創新效率研究——來自省級面板數據的實證分析

楊向陽，童馨樂，李 霓

(1.南京財經大學 國際經貿學院，江蘇 南京 210046；2.南京農業大學 經濟管理學院，江蘇 南京 210095)

一、引 言

國家“十二五”規劃明確提出，要加強財稅金融政策支持，推動高技術產業做強做大，充分發揮其對產業結構升級、增長質量提升、發展方式轉變的引領和促進作用。統計資料顯示，2010年中國高技術產業產值達到7.47萬億元，占國內生產總值的18.62%，是國民經濟發展的重要支撐。與此同時，在金融危機和歐洲債務危機的影響下，當前的全球經濟仍處于不穩定時期，中國所處的國際經濟環境日趨復雜，新興產業快速發展，技術、商業模式和產業組織形式的創新十分活躍，經濟轉型將面臨更大的挑戰。在這種新形勢下，為積極應對上述挑戰，研究和加快發展中國高技術產業，是推進產業結構升級和構建國際競爭優勢的迫切需要，也是實現中國經濟可持續發展的必然選擇，具有十分重要的現實意義。從現實情況來看，近年來，中央政府和地方政府均對中國高技術產業給予了高度關注，先后頒布了一系列政策措施，支持高技術產業發展，并取得了積極成效。但值得注意的是，在政府支持高技術產業發展的過程中，如何更加科學合理地進行政策和制度設計，充分發揮市場機制的調節作用，促進資源整合，提高資源配置效率，仍存在諸多問題，亟待研究和解決。創新作為高技術產業的核心特征，其績效狀況將直接決定高技術產業發展水平和對國民經濟的貢獻，因而備受政府部門和學術界的關注。為此，科學合理測度中國高技術產業創新績效至為關鍵，這也是本文研究的基本出發點。

圍繞中國高技術產業創新效率的測算問題，研究者主要從以下幾個層次展開：首先，高技術產業創新效率研究方法的選擇。概括而言，度量高技術產業創新效率的方法包括兩種：一種是非參數分析方法，以數據包絡分析(DEA)方法和因子指標體系法為代表，適用于多投入多產出過程中的效率度量，無需建立變量間的嚴格函數關系；另一種是參數分析方法，以隨機前沿分析(SFA)方法為代表，主要依據數據的隨機性假設估算前沿生產函數，經濟理論基礎堅實，并可根據統計檢驗值來判定模型是否適用［1-3］。就本質而言，盡管不同的研究者在使用時存在著一定偏好，但這兩類方法并不存在簡單的孰優孰劣問題，關鍵取決于具體分析情形［4-6］。其次，分行業高技術產業創新效率的估計。從動態發展趨勢來看，中國高技術產業創新效率整體偏低，但呈逐年上升態勢［7］，這主要由技術進步推動，資源配置效率的貢獻較小［8］，而純技術效率在逐年改善，但規模效益較差，規模效率逐年下降［9］。值得注意的是，2002年后中國高技術產業全要素生產率出現下降，其發展已由單純追求技術創新向技術創新與制度創新相結合轉變［10］。再次，分地區高技術產業創新效率的測度。從不同地區的情況看，中國高技術產業技術效率存在顯著的地區差異，東部地區高于中西部地區，但落后地區的追趕效應明顯［11］。高技術產業研發創新的全要素生產率與技術進步均有所增長，多數地區的技術進步增長率高于全要素生產率增長率［12］。最后，不同階段高技術產業創新效率的考察。從不同階段的表現來看，高技術產業的轉化效率要低于創新效率［13］，這在原創性高新技術產業尤為明顯，其主要原因在于，技術開發階段存在原創性產出不足，成果轉化階段存在競爭性產出不足［14］。但這同時也意味著，技術開發效率和成果轉化效率都有進一步改善的空間［15］。此外，不同行業投入產出鏈效率差異較大，且同一行業科技投入產出鏈的不同階段效率存在明顯不同［16］。

綜合上述分析，研究者對中國高技術產業創新效率問題已經開展了一系列研究，并取得了較為豐富的研究成果，這為后續研究提供了重要基礎。但是，有必要指出的是，已有文獻在研究視角拓展、研究對象聚焦、研究內容深化等方面仍有一定的不足之處，有待作進一步的補充和完善。正是基于這一背景，本文在將高技術產業創新過程劃分為技術開發階段和技術成果轉化階段的基礎上，運用省級面板數據，借助基于非參數的Malmquist指數方法，具體考察中國高技術產業的創新效率變化情況。在借鑒前人研究成果的基礎上，本文嘗試對已有文獻進行拓展，這主要體現在：一方面，研究內容進一步深化。結合高技術產業的基本特征和創新過程，進一步區分其創新要素投入和產出成果的具體形式，由此將高技術產業創新過程劃分為技術開發階段和技術成果轉化階段，以更加細致深入地考察其創新狀況，為準確度量高技術產業創新效率提供依據。另一方面，研究視角進一步聚焦。從影響中國高技術產業發展的主體構成來看，地方政府在當前和今后一段時期都是重要組成部分，考慮到在經濟轉型時期，市場配置資源的機制仍存在諸多不完善之處，在這種情況下，選擇行政省為研究視角，而不是行業，將具有更為積極的政策參考價值。本文以下部分的結構安排如下：第二部分介紹研究方法，并交代數據來源與處理情況；第三部分報告實證分析結果，并進行相應的分析和解釋；第四部分為主要結論。

二、研究方法和數據說明

(一)研究方法

在考察中國高技術產業創新效率時，本文把中國大陸地區的每個行政省作為一個基本決策單元，具體研究方法選擇的是基于非參數分析的Malmquist指數方法。Malmquist指數最初由Malmquist［17］提出，Caves等［18］首先將其應用于生產率變化的測算之中，此后與Charnes等建立的數據包絡分析理論相結合，在生產率測算中的應用日益廣泛［19］。在度量效率變化的實證分析中，研究者經常采用Fare等構建的基于非參數的Malmquist指數［20］。Malmquist生產率指數主要具有三個方面的優點：①不需要相關的價格信息，這對實證分析特別重要，因為，一般情況下，相關投入和產出的數量數據比較容易得到，而要素價格等信息的獲取通常比較困難，有時甚至不可能；②適用于多個國家或地區跨時期的樣本分析；③可以進一步分解為技術效率變化指數和技術進步指數。從時期t到時期t+1，度量全要素生產率增長的Malmquist指數可以表示為：

其中，(xt+1,yt+1)和(xt,yt)分別表示時期t+1和時期t的投入和產出向量；和分別表示以時期t的技術Tt為參照，時期t和時期t+1的距離函數。根據以上分析，以時期t的技術Tt為參照，基于產出角度的Malmquist指數可表示為：

類似地，以時期t+1的技術Tt+1為參照，基于產出角度的Malmquist指數可表示為：

為避免時期選擇的隨意性可能導致的差異，仿照Fisher理想指數的構造方法，可以用上述兩個公式的幾何平均值作為衡量從時期t到時期t+1生產率變化的Malmquist指數。該指數大于1時，表明從時期t到時期t+1全要素生產率是增長的。根據上述處理得到的Malmquist指數具有良好的性質，因為它實際上包含了Fisher指數和Tornqvist指數，是更為一般性的生產率指數，并可分解為不變規模報酬假定下技術效率變化指數(EC)和技術進步指數(TP)。綜上所述，可以將Malmquist指數的具體分解過程用如下公式表示：

在這里，技術效率(EC)指的是在給定技術水平下，各省高技術產業實際產出水平與理論最佳產出水平(即生產可能性邊界)的比值，其經濟學含義是，每個省高技術產業從時期t到時期t+1的技術效率變化。技術進步(TP)指的是各省高技術產業生產可能性邊界發生了移動，向外移動表示技術進步水平提高，反之則表示技術進步水平下降，其經濟學含義是時期t到時期t+1的技術進步，即對于要素投入量處于區間[xt,xt+1]內的省份而言，高技術產業生產可能性邊界提高之后所引起的產量提高。其中，技術效率變化指數(EC)還可進一步分解為純技術效率指數(PC)和規模效率指數(SC)。綜上所述，為考察從時期t到時期t+1第i個省高技術產業全要素生產率的變化，需計算如下四個基于DEA的距離函數：

這樣，借助線性規劃方法即可估算出Malmquist全要素生產率指數，進而展開相應分析。

(二)數據說明

如前所述，本文將高技術產業創新過程劃分為技術開發階段和技術成果轉化階段。其中，在技術開發階段，主要是通過研發投入進行高技術開發，其結果往往表現為專利和非專利技術等創新成果，這是高技術產業新知識和新技術形成的過程；在技術成果轉化階段，主要是運用開發出來的高技術，或者對引進技術進行改造和消化吸收，生產新產品并向市場銷售，獲取利潤，這是技術開發成果轉換為現實生產力的過程。因此，為具體考察中國高技術產業創新效率，本文在借鑒已有研究成果的基礎上，結合數據的代表性和可得性，最終確定兩個階段的投入產出指標；分析樣本方面，山西、黑龍江、湖南、廣東、廣西、陜西、甘肅、青海等8個省份因數據缺失較多，所以最終用于實證分析的為23個省份，所有基本數據均來源于歷年《中國高技術產業統計年鑒》和《中國科技統計年鑒》。下面對各指標的選取和數據處理情況予以說明。

技術開發階段：①投入指標。投入指標選擇的是研發人員和研發資金。其中，研發人員用R&D活動人員折合全時當量、科學家和工程師人數兩項投入來替代；研發資金用R&D經費內部支出、購買和引進技術經費兩項投入來替代。②產出指標。產出指標選擇的是專利申請數和擁有發明專利數。其中，專利申請數反映所在省份高技術產業技術創新活動的活躍程度與申請者尋求專利保護的積極性，而擁有發明專利數反映所在省份高技術產業的自有知識產權擁有量、市場競爭能力與未來發展潛力。

技術成果轉化階段：①投入指標。投入指標選擇的是技術、資金和人員。其中，技術用技術開發階段取得的成果——專利申請數和擁有發明專利數替代；資金用新產品開發經費、技術改造和消化吸收經費來替代；人員用科技活動人員來替代。②產出指標。產出指標選擇的是新產品銷售收入和利潤總額，反映的是技術創新成果最終在市場上的表現。

在進行實證分析之前，仍有兩個問題需要解決：一是消除價格因素的影響，這里采用1990年不變價格指數對相關變量進行了平減處理；二是消除研發滯后的影響，考慮到本文所選指標與高技術轉化周期趨于縮短的特點，同時借鑒Furman等［21］的做法，這里將研發滯后期設置為3年。

三、估計結果分析

綜合上述分析，本文使用1997-2010年中國省級面板數據，借助軟件DEAP2.1［22］估算了各省高技術產業逐年的Malmquist全要素生產率指數，并對其進行了進一步分解。在此基礎上，將各省的估算結果進行匯總平均，由此得到全國高技術產業全要素生產率增長情況。

(一)技術開發階段的估計結果分析

表1列出了技術開發階段中國高技術產業Malmquist生產率指數及其分解結果。

表1 技術開發階段中國高技術產業Malmquist生產率指數及其分解結果

根據表1的估計結果可以看出，在技術開發階段：①1997-2010年期間，中國高技術產業全要素生產率的平均增長率為21.03%，這主要是技術進步水平迅速提高所帶來的結果，其平均增長率達到18.49%；同時，技術效率的改善也起到了一定的積極作用，其平均增長率為2.76%。就變化趨勢而論，中國高技術產業全要素生產率總體上保持快速增長，并表現出階段性的波動性特征。其中，1997-2000年為快速下降階段，2000-2003年為快速回升階段，2003-2010年為緩慢下降階段。②1997-2010年期間，中國高技術產業技術進步的平均增長率為18.49%，其動態演進特征與全要素生產率保持著很強的一致性，增長率最高的年份為1998年，達到47.1%；增長率最低的年份是2000年，只有-13.3%。③1997-2010年期間，中國高技術產業技術效率的平均增長率為2.76%，盡管年際間存在一定的小幅波動，但總體上呈平穩增長態勢。從技術效率的分解情況來看，在樣本期內，中國高技術產業純技術效率的平均增長率為1.61%，規模效率的平均增長率為1.12%，且純技術效率和規模效率在增長特征上均與技術效率保持較好的一致性。

(二)技術成果轉化階段的估計結果分析

表2列出了技術成果轉化階段中國高技術產業Malmquist生產率指數及其分解結果。

表2 技術成果轉化階段中國高技術產業Malmquist生產率指數及其分解結果

根據表2的估計結果可以看出，在技術成果轉化階段：①1997-2010年期間，中國高技術產業全要素生產率的平均增長率為-6.05%，導致這一結果的主要原因是技術進步水平的快速下降，其平均增長率為-6.75%；而技術效率的平均增長率為3.79%。因此，在綜合效果上，技術進步水平的下降在很大程度上抵消了技術效率改善的積極作用。從演進特征來看，樣本期內中國高技術產業全要素生產率總體上呈不斷下降趨勢，2008年后開始回升到正增長狀態，并保持了較高的增長率。②1997-2010年期間，中國高技術產業技術進步的平均增長率為-6.75%，并表現出明顯的波動性增長特征，演進軌跡大致呈“W”型。其中，技術進步增長率最高的三個年份分別為2000年、2005年和2010年，其增長率分別為14.2%、15.6%和11.2%；增長率最低的兩個年份分別為-28%和-45.1%。③1997-2010年期間，中國高技術產業技術效率的平均增長率為3.79%，具有顯著的波動性特點。從技術效率的分解情況來看，在樣本期內，中國高技術產業純技術效率的平均增長率為3.4%，并與技術效率的變化特征保持高度一致；規模效率的平均增長率為0.41%，總體上比較平穩。

(三)技術開發階段與技術成果轉化階段的估計結果比較

圖1描述了技術開發階段與技術成果轉化階段中國高技術產業Malmquist生產率指數的變化情況。

圖1 技術開發階段與技術成果轉化階段中國高技術產業Malmquist生產率指數比較

根據圖1可以發現，1997-2010年期間，中國高技術產業在技術開發階段與技術成果轉化階段的全要素生產率水平存在顯著差異，兩個階段平均增長率的差距達到27.08%。從不同年份的情況來看，除2000年外，中國高技術產業在技術開發階段的全要素生產率增長率均高于技術成果轉化階段，其最大差距出現在2003年，達到49.8%；差距最小的年份是2010年，只有8.7%。

上述結果也進一步表明，在中國高技術產業快速增長的同時，仍存在著創新效率低下等急需解決的問題。具體而言，盡管中國高技術產業創新效率在技術開發階段保持良好發展態勢，但在技術成果轉化階段的表現仍不容樂觀。事實上，成果轉化率偏低是中國科技創新面臨的普遍性問題，這在高技術產業方面也得到了驗證。因此，如何通過科學合理的制度安排和政策設計，明確政府和企業在創新中的定位，充分發揮政府在營造創新環境中的主導作用，逐步形成激發企業創新潛力的長效機制，提高技術成果轉化效率，將是決定中國高技術產業創新效率的關鍵［23］。

四、結 論

當前，堅持創新驅動，著力推進產業結構優化升級，已經成為中國經濟轉型和發展方式轉變的核心內容之一，這為今后一段時期的高技術產業發展創造了新的機遇，有利于進一步鞏固和加強高技術產業在創新中的引領作用。因此，中國高技術產業創新效率能否持續提高，將在很大程度上影響產業創新能力，進而決定產業發展水平。正是在這種背景下，本文在將高技術產業創新過程劃分為技術開發階段和技術成果轉化階段的基礎上，使用1997-2010年省級面板數據，采用基于非參數的Malmquist指數方法，定量考察了中國高技術產業創新效率狀況。實證分析結果表明：①在技術開發階段，中國高技術產業全要素生產率總體上保持快速增長，并表現出階段性的波動性特征，其平均增長率為21.03%，這主要得益于技術進步水平的快速提高和技術效率的小幅改善，其平均增長率分別為18.49%和2.76%；②在技術成果轉化階段，中國高技術產業全要素生產率總體上呈不斷下降趨勢，其平均增長率為-6.05%，關鍵原因在于技術進步水平的明顯下降，并在很大程度上抵消了技術效率的改善，其平均增長率分別為-6.75%和3.79%。

根據上述研究結果，為持續提高中國高技術產業創新效率，加快產業發展，發揮其技術創新的外溢效應，應積極采取措施，努力實現中國高技術產業創新由偏重技術開發向技術開發與技術成果轉化并重轉變。為此，識別影響中國高技術產業創新效率，特別是技術成果轉化階段效率的關鍵因素，剖析其作用機制，從政府和企業兩個層面提出相應的政策設計及具體措施，將是筆者下一步的研究方向。

［1］周立群，鄧路.企業所有權性質與研發效率——基于隨機前沿函數的高技術產業實證研究［J］.當代經濟科學，2009，31(4)：70-75.

［2］方福前，張平.我國高技術產業的投入產出效率分析［J］.中國軟科學，2009(7)：48-55.

［3］余泳澤，武鵬.我國高技術產業研發效率空間相關性及其影響因素分析——基于省級面板數據的研究［J］.產業經濟評論，2010(3)：71-86.

［4］Gong B H，Sickles RC.Finite sample evidence on the performance of stochastic frontiers and data envelopment analysis using panel data［J］.Journal of Econometrics，1992，51(1/2)：259-284.

［5］Berger A，Humphrey D.Efficiency of financial institutions：International survey and directions for future research［J］.European Journal of Operational Research，1997，98(2)：175-212.

［6］Fethi MD，Pastiouras F.Assessing bank efficiency and performance with operational research and artificial intelligence techniques：a survey［J］.European Journal of Operational Research，2010，204(2)：189-198.

［7］李向東，李南，白俊紅，等.高技術產業研發創新效率分析［J］.中國軟科學，2011(2)：52-61.

［8］梁平，梁彭勇，黃馨.中國高技術產業創新效率的動態變化——基于Malmquist指數法的分析［J］.產業經濟研究，2009(3)：23-28.

［9］官建成，陳凱華.我國高技術產業技術創新效率的測度［J］.數量經濟技術經濟研究，2009(10)：19-33.

［10］王大鵬，朱迎春.中國高技術產業生產率增長來源：技術進步還是技術效率［J］.中國科技論壇，2011(7)：24-31.

［11］范凌鈞，李南，陳燕兒.中國高技術產業技術效率區域差異的實證分析［J］.系統工程，2011，29(2)：56-62.

［12］李邃，江可申，鄭兵云，等.高技術產業研發創新效率與全要素生產率增長［J］.科學學與科學技術管理，2010，31(11)：169-175.

［13］賀京同，馮堯.中國高技術產業科技成果轉化效率的實證研究——基于DEA-Malmquist指數方法［J］.云南社會科學，2011(4)：92-97.

［14］劉和東，陳程.中國原創性高新技術產業技術效率測度研究——基于創新鏈視角的兩階段分析［J］.科技進步與對策，2011(12)：119-124.

［15］余泳澤.我國高技術產業技術創新效率及其影響因素研究——基于價值鏈視角下的兩階段分析［J］.經濟科學，2009(4)：62-74.

［16］馮鋒，馬雷，張雷勇.兩階段鏈視角下我國科技投入產出鏈效率研究——基于高技術產業17個子行業數據［J］.科學學與科學技術管理，2011，32(10)：21-26.

［17］Malmquist S.Index numbersand indifferencecurves［J］.Trabajos de Estatistica，1953(4)：209-242.

［18］Caves D W，Christensen L R，Diewert W E.The economic theory of index numbers and the measurement of input and output，and productivity［J］.Econometrica，1982(6)：1393-1414.

［19］Charnes A，Cooper W，Seiford L M.Data envelopment analysis：theory，methodology，and application［M］.Dordrecht：Kluwer Academic，1994：61-80.

［20］Fare R，Grosskopf S，Norris M，et al.Productivity growth，technical progress and efficiency changes in industrialized countries［J］.American Economic Review，1994，84(1)：66-83.

［21］Furman JL，Porter M E，Stern S.The determinants of national innovative capacity［J］.Research Policy，2002，31(6)：899-933.

［22］Coelli TJ.A guide to DEAPversion 2.1：a data envelopment analysis(computer)program［R］.CEPA Working Paper，Department of Econometrics，University of New England，1996.

［23］齊美東，胡洋陽.股份制對中國經濟增長的影響——基于1999-2010年的數據分析［J］.經濟管理，2011(10)：185-193.