基于2010～2015年省級面板數據的高新技術產業技術創新效率研究

,

(安徽工程大學 地方政府與社會治理創新研究中心，安徽 蕪湖 241000)

自2010年國務院發布的《關于加快培育和發展戰略性新興產業的決定》后，全國各省市都陸續出臺了地區的高新技術產業發展規劃與扶持政策.但是，作為知識技術密集產業，培育和發展高新技術產業不能只停留在政策扶持方面，持續的技術創新才是使其成長的真正動力源.因此，對我國及各省、直轄市的高新技術產業技術創新效率進行測度和比較分析，并依此優化創新投入資源配置，提高產業技術創新效率顯得尤為重要.

1 國內外研究現狀及文獻綜述

國內學者對技術創新理論研究主要是從20世紀末期開始的.胡哲一[1]認為技術創新是以創造性和市場成功實現為基本特征的周期性技術經濟活動全過程.劉勁楊[2]認為知識創新、制度創新與技術創新共同構成了創新行為演進的主要形式，彼此相關卻絕不相同，其給出一個較清晰的邊界，并重新界定了三者概念中易引起混淆的外延與內涵.彭金榮[3]指出中國應高度關注主要發達國家、區域集團及新興國家戰略性新興產業的發展態勢及走向，在環境營造、產業選擇、掌握核心技術、構建政策支持體系以及完善法律監管體系方面借鑒其成功經驗，實現中國戰略性新興產業的持續健康發展.薛瀾[4]從發展動力、發展目標、發展模式、發展主體和發展格局五個角度系統考察了世界范圍內戰略性新興產業的發展趨勢與特征，并提出提升技術創新能力和完善產業創新體系等五點啟示.

學者們針對高新技術產業發展研究主要集中于發展機理及對策建議方面，而對產業技術創新效率方面的研究十分稀缺.當前，普遍應用的技術創新效率測量方法分為非參數法和參數法兩類.

非參數法以Charnes[5]等學者提出的DEA分析方法為代表.Hak Yeon Lee[6]采用DEA分析方法，實證研究了27個亞洲國家的R&D活動效率.熊飛[7]等選取北京市的42家高新企業為研究對象，并利用DEA中C2R和BC2模型，對其技術創新效率進行評價分析.黃海霞[8]基于2005～2012年我國省級面板數據，采用DEA-Malmquist指數模型，測算了中國28個省的戰略性新興產業技術創新的全要素生產率.劉暉[9]等選取2007～2012年我國28個省級面板數據為樣本，運用DEA方法，測算了各省份戰略性新興產業的技術創新效率.

參數法以Aigner[10]等提出的隨機前沿分析方法為代表.Yot[11]以澳大利亞制造業面板數據為研究樣本，運用隨機前沿分析法測度制造業技術效率，并分析金融制度、企業所有權歸屬以及管理層激勵等因素對企業技術效率的影響.肖興志[12]在C-D生產函數的基礎上，加入時間趨勢項，構建了創新效率測算模型來計算我國戰略性新興產業的創新效率，隨后運用Tobit模型分析了企業規模、創新方式等因素對創新效率的影響.呂巖威[13]等基于2003～2010年的面板數據，采用SFA模型，測算了我國戰略性新興產業的技術效率，研究發現產業的技術效率水平低下，但技術進步速度較快.項本武[14]基于2004～2011年中國7大戰略性新興產業46個樣本行業的面板數據，結合SFA方法，建立超越對數生產函數模型，對產業技術效率進行了測度研究，并進一步檢驗其影響因素.

SFA方法通過確定生產函數可以避免隨機誤差的干擾，消除了各種隨機因素的負面影響，但若函數形式設定不當，則會嚴重影響分析結果，且假設要求嚴格，使用范圍小.而DEA方法無需設定具體的函數形式，可以消除錯誤的函數帶來的影響，無需確定指標權重，保證了評價的客觀性，適合評價多投入多產出的系統，但其未考慮隨機誤差，即易受極值影響.

2 模型選取、評價指標體系構建及數據來源

2.1 模型選取

考慮到高新技術產業技術創新是一個多投入、多產出的復雜活動，研究認為采用DEA方法來計算其技術創新效率是一個更為有效方法，研究選取DEA中C2R模型來評價全國各省份的技術創新效率.

在DEA眾多模型中，C2R模型得到了最廣泛的應用，其將科學-工程效率的定義推廣到多輸入、多輸出的系統的相對效率評價中，提供了一個有效的方法來評價決策單元(DMU)的相對效率.此外，C2R模型的許多性質和定理，乃至討論與證明技巧，在DEA其他模型的研究中也極具代表性，甚至某些類似的結論，只需回顧一下C2R模型，就會不證自明.

(1)

在線性規劃中，如果原始問題約束條件多，決策變量少，轉換為對偶問題約束變少了，更容易求解.換句話說，解原問題比對偶問題復雜的時候，就可以解對偶問題，因為它們的解是等價的.因此，應用線性規劃對偶理論，引入剩余變量s+與松弛變量s-建立對偶規劃，可得模型二，如式(2)所示.

(2)

在C2R模型中，λj將各有效點連接生成有效前沿面，并通過s+，s-兩變量進行水平與垂直地延伸，形成包絡面.其中，θ表示的是DMU離有效生產前沿面的距離量，能夠看出各個DMU相對效率的大小.

2.2 評價指標體系構建

研究將從人力投入和資本投入兩方面建立技術創新投入指標，因為，技術創新離不開人力資本投入，尤其是科技人員的投入.人類勞動為產業技術創新提供了智力支撐，另外，技術創新本身具有風險和不確定性，而資本為企業技術創新活動的實施提供了資金保證，因此，資本投入的多少對技術創新活動有著重要影響.其中，人力投入指標包括R&D活動人員折合全時當量和研發機構人員數量兩項，因為R&D活動人員和研發機構人員的數量和素質都能顯著地反映產業內企業和研發機構技術創新能力.由于發展中國家區域內的企業存在技術劣勢，其進行技術創新時，既有自主創新，也會有模仿創新.所以，創新資本投入應包含自主創新資本投入與模仿創新資本投入兩項.鑒于此，資本投入指標包含R&D經費內部支出、新產品開發經費支出和技術獲取支出(度量模仿創新資本投入)三項.

國內外大多學者皆從技術產出(即專利)和經濟產出兩方面來衡量技術創新產出，有其一定的合理性.從技術創新角度來看，技術產出主要看科技成果，尤其是受法律保護的技術專利，專利可以反映技術創新的科技成果情況，是潛在經濟產出的重要基礎；而經濟產出則主要指技術創新活動對產品的改進和新產品的上市對企業銷售的影響，從企業追求利潤最大化角度來說，新產品銷售收入則反映了技術創新過程中全部投入要素彼此作用的經濟產出和終極成效.因此，選取專利申請數與新產品銷售收入作為產出評價指標.綜上所述，指標匯總如表1所示.

表1 戰略性新興產業技術創新投入產出指標體系

2.3 數據來源

研究中所有數據均來源于2011～2016年《中國高技術產業統計年鑒》.由于西藏和青海兩省的相關數據有缺失，因此評價中刪掉了西藏、青海兩省.在數據處理上，為了體現創新效率結果導向和方便比較，在技術投入指標等數據方面均采取簡單加總的方法.這種處理方法符合DEA方法對于決策單元的要求，主要表現在：第一，符合所有的決策單元應該具有“同類型”特征；第二，為了具有可比性，在選擇決策單元時要選擇一些先進的單元，以利于找出差距.

采用DEA的C2R模型，使用DEAP 2.1軟件計算出我國各省份技術創新效率值及平均值(幾何平均值).為了對我國各區域的戰略性新興產業投入產出效率進行比較，將省份作為生產決策單元，這種劃分方式便于數據的收集整理，而且比較結果具有實際意義，也有利于找出產生差距的原因.

3 實證結果及分析

3.1 各省份的技術創新效率評價

基于全國29個省份2010～2015年的數據，以各省份為決策單元，使用DEAP 2.1軟件計算出我國各省份技術創新效率的均值和全國各年份DEA效率的平均值(幾何平均值)，如表2所示.由表2可知，從國家層面來看，全國的綜合效率均值為0.697，這說明我國的綜合效率還沒有到達DEA有效，處于低效率狀態，整體水平不高，有較大的改善空間.從地區層面來看，2010～2015年期間，有12個省市的綜合效率值超過全國均值0.697.其中，只有北京市的綜合效率值達到1，即北京市的技術創新達到DEA有效效率水平；而天津市的綜合效率值分別達到0.992，接近DEA有效效率水平.同樣也有17個省市的綜合效率值低于全國的綜合效率均值，其中，廣西、湖北、黑龍江、河北、陜西5個省份的綜合效率值處于全國最低水平，均沒有超過0.5，其中陜西省的綜合效率值最低，僅為0.345.總體來說，我國技術創新處于低效率狀態，且存在顯著的地區差異.

表2 我國各省份DEA效率評價結果

全國純技術效率均值為0.773，沒有達到DEA有效.從區域層面來看，北京、內蒙古、廣東及新疆4個省市的純技術效率值為1，實現了DEA有效；有15個省市超過全國平均水平，其中天津為0.997、江蘇為0.981、河南為0.984、安徽為0.937，接近DEA有效效率水平；有14個省市的純技術效率值低于全國平均水平，其中河北、黑龍江、湖北及陜西4個省份處于全國最低水平，陜西最低，僅為0.348.總體來說，我國的純技術效率均值高于綜合效率均值，但仍沒有實現DEA有效，有進一步提升空間；亦存在地區分布不均衡狀態，東部沿海省份的純技術效率值相對高些，而東北省份普遍偏低.此外，低于全國平均值的地區占總數比例為48.3%.研究認為造成全國大范圍純技術效率較低的原因主要有以下兩點：一、與地區經濟結構有關，不難發現，以重工業經濟為主的省份，其純技術效率值均較低，如湖北和東北三省；二、北上廣等一線城市對人才吸引力強，人才流動過于集中，分布不均衡，導致了知識、科技創新能力差異過大.

全國規模效率均值達到0.909，雖沒實現DEA有效，但處于較高水平.從區域層面來看，北京的規模效率值為1，實現DEA有效，表明其在產業規模效應方面具有比較優勢；有25個省份的規模效率值高于0.8，說明了與其他兩項相比，規模效率更集中于較高的水平，區域差異較小.所以，與規模效率相比，我國應更關注從純技術效率與綜合效率方面來提高高新技術產業的技術創新效率，以及提升自主創新能力.

3.2 各年度的技術創新效率評價

2010～2015年我國DEA評價效果如表3所示.由表3可知，從時序角度來看，2010～2015年全國的綜合效率的均值為0.697，整體呈現平穩波動趨勢，在2010年達到最高水平0.751，隨后回落到2011年的0.655，2012～2014年期間一直保持上漲趨勢，2015年則又回落到0.678；2010～2015年全國的純技術效率的均值為0.773，最高值為2010年的0.807，期間呈現出回落再上漲的趨勢；2010～2015年全國的規模效率的均值為0.909 ，雖未達到DEA有效，但處于較高水平，最高值為2010年的0.938，呈現出連續小幅度震蕩的趨勢.總的來說，我國高新技術產業技術創新效率仍處于低效狀態，雖整體呈現上漲趨勢，但上升緩慢，且存在波動性，表現出了產業技術創新投入、產出格局優化緩慢，存在巨大的進步空間.

表3 2010～2015年我國DEA評價效果

3.3 非DEA有效地區創新投入冗余和產出不足情況

從DEA有效性的經濟含義可知，現有既定產出量的情況下創新投入量配置不合理或現有既定投入量的情況下創新產出量不足是導致決策單元非DEA有效的兩個主要原因.2015年非DEA有效地區創新投入冗余和產出不足情況如表4所示.

表4 2015年非DEA有效地區創新投入冗余和產出不足情況

由表4不難看出，2015年全國仍有眾多省份(17個)存在著創新投入冗余或產出不足情況，即創新投入資源配置不合理，需要合理地調整創新資源投入結構；除寧夏和內蒙古，其他15個省市中均未出現專利申請量產出不足現象，這表明了我國各省市均有較強的知識創新產出能力；但上海、黑龍江、云南、海南和貴州5個省市出現了新產品銷售收入產出不足問題，表明我國高新技術產業技術創新在經濟產出方面的能力仍有欠缺，科技成果轉化能力不強、轉化率較低.此外，江蘇、浙江、廣東和江西4個省份的純技術效率實現DEA有效，而綜合效率卻沒有達到DEA有效，說明了這些省份存在高新技術產業的規模和創新投入、產出不相匹配問題，需要適當增加或減少產業規模.

4 結論與政策建議

研究基于投入-產出理論構建了技術創新評價指標體系，依據2010～2015年面板數據，采用了DEA模型，運用DEAP 2.1 軟件，實證測度了我國29個各省市高新技術產業技術創新效率，最終得到如下結論： 2010～2015年，我國高新技術產業技術創新效率整體保持上漲趨勢，卻仍處于低效率狀態，且上升緩慢并存在波動性，創新投入、產出格局優化緩慢，具有巨大的進步空間.存在明顯的地區差異，主要體現于各省市的純技術效率差異過大，而規模效率相對集中于較高水平，區域間差異較小.研究認為各地區的經濟結構差異和人才分布不均衡是造成這一問題的兩個主要原因.我國大部分省份都出現了創新投入冗余或創新產出不足的情況，這表明了創新投入資源配置不合理，需要科學地調整創新資源投入結構，且技術創新過程中存在著知識產出能力較強、經濟產出能力較弱的問題.

基于以上研究結論，提出以下幾點政策建議：

(1)加大技術創新投入，堅持創新驅動發展.從實證分析結果來看，2010～2015年全國規模效率均值達到0.909，沒有實現DEA有效，只有北京的規模效率值為1，實現DEA有效，說明從全國角度來看仍可以通過加大技術創新投入，來促進技術效率的提升.當前我國高新技術產業處于快速發展階段，但不能一味擴大產業規模，造成規模不經濟，應堅持以技術創新為核心，堅持自主創新，掌握行業關鍵核心技術，加強前沿科技創新，來驅動產業發展.政府不僅應從政策、財政、稅收等多方面來激發企業科技創新活力，還要積極幫助企業拓展融資渠道，解決高新技術企業的融資難題，保證企業進行技術創新的資金支持.

(2)積極引進和培養創新型人才，完善人才創新激勵機制.要健全人才引進培養體系，激發勇于創新的社會環境；搭建科技創新人才信息庫，支持高等院校、科研機構科技人員以借用、聘用或兼職等方式到企業從事研究開發工作，從而有利于減少技術創新投入冗余，提高純技術創新效率.另外，要想充分調動企業研發人員進行創新的積極性，就必須要構建一套有效的創新激勵機制.可以對研發人員進行更為有效的績效考核，給予優秀者一定的績效獎金，來增強研發人員的工作積極性；給予技術創新項目中貢獻大的科技人員一定數量的額外獎勵.適度推廣員工股票期權計劃，實現研發人員的個人利益與企業利益相一致，來增強職員的工作投入度；給予員工廣闊的晉升空間，加強對科技人員的權利激勵.總之，高新技術產業企業需要構建以技術的培育、應用、評價、考核為核心的創新激勵機制.

(3)優化創新投入資源配置，加強產學研合作.從前文非DEA有效地區創新投入冗余和產出不足分析來看，全國高新技術產業創新資源配置不合理，而且區域差異較大，在“十三五”期間必須大力調整創新投入資源結構，優化資源配置，提升技術創新效率.企業進行技術創新活動要面向市場，不斷提高技術創新成果轉化率，推動產業和產品向價值鏈中高端躍升.當前，我國專利優勢突出的高新技術產業骨干企業較少，但卻擁有多所高水平院校和研究中心[15]，要加強產學研合作，鼓勵高校與科研機構以自身先進的技術，通過技術入股的方式參與到企業中共同研發新產品，不斷完善產學研協同平臺建設，創立產業技術創新戰略同盟，提高科研成果的轉化水平.

(4)發揮政府的引導作用.從前文各省份技術創新效率實證分析來看，政府作用在高新技術產業發展中的作用不可忽視，大多數技術創新效率高的地區，政府對產業扶持力度和知識產權保護都較好.各地要圍繞國家重大戰略需求，緊密結合《中國制造2025》和《“十三五”國家科技創新規劃》，根據自身實際經濟發展情況，充分利用地區資源優勢，引導高新技術產業企業進行前沿科技創新，推動產業走向智能化、高端化、綠色化，提升產業競爭力；增強地域間的溝通和協調，減少產業重復性建設.此外，政府要適當加大知識產權保護力度，建立規范、法治的知識產權保護制度，來保障企業的正當權益，降低產業的知識溢出風險，健全知識產權保護體系，營造出激勵創新的制度環境.

[1] 胡哲一.技術創新的概念與定義[J].科學學與科學技術管理,1992,5(13):47-50.

[2] 劉勁楊.知識創新、技術創新與制度創新概念的再界定[J].科學學與科學技術管理,2002(5):5-8.

[3] 彭金榮,李春紅.國外戰略性新興產業的發展態勢及啟示[J].改革與戰略,2011(2):167-171.

[4] 薛瀾,林澤梁,梁正,等.世界戰略性新興產業的發展趨勢對我國的啟示[J].中國軟科學,2013(5):18-26.

[5] A CHARNES,W W COOPER,E RHODES.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[6] HAK YEON LEE,YONG TAE PARK.An international comparison of R&D efficiency:DEA approach[J].Asian Journal of Technology Innovation,2005,13(2): 207-222.

[7] 熊飛,鄭茜,唐葆君.基于DEA方法的高新技術企業創新效率研究——以豐臺科技園為例[J].中國管理科學,2012(11):696-701.

[8] 黃海霞,張治河.中國戰略性新興產業的技術創新效率——基于DEA-Malmquist指數模型[J].技術經濟,2015(1):21-27.

[9] 劉暉,劉軼芳,喬啥,等.我國戰略性新興產業技術創新效率研究[J].系統工程理論與實踐,2015(9):2 296-2 303.

[10] D J AIGNER,C K LOVELL,P SCHMIDT.Formulation and estimation of stochastic frontier production function models[J].Journal of Econometrics,1977(6):21-37.

[11] YOT AMORNKITBIKAI,CHARLES HARVIE.Finance,ownership,excutive remuneration,and technical efficiency:a stochastic frontier analysis of the manufacuring enterprises[J].Australasian Accounting Business and Finance Journal,2011, 5(1):35-55.

[12] 肖興志,謝理.中國戰略性新興產業創新效率的實證分析[J].產業和區域經濟管理,2011(11):26-35.

[13] 呂巖威,孫慧.中國戰略性新興產業技術效率及其影響因素研究——基于18個大類行業面板數據的分析[J].科學學與科學技術管理,2013(11):137-146.

[14] 項本武,齊峰.中國戰略性新興產業技術效率及其影響因素[J].中南財經政法大學學報,2015(2):3-11.

[15] 中華人民共和國國家知識產權局.戰略性新興產業發明專利統計分析總報告(2015)[EB/OL].http://www.sipo.gov.cn/tjxx/yjcg/201603/t20160324_1246668.html，2016-03-24.