皖江城市帶創新驅動全要素生產率研究
----基于DEA-Malmquist指數模型的實證分析

楊 慧

(河海大學文天學院， 安徽 馬鞍山 243000)

0 引 言

黨的十八大提出創新驅動發展戰略以來，創新、創新驅動成為中國人生活中的高頻詞匯。2013年11月，安徽省通過科技部有關開展創新型省份建設試點的批復，成為全國第二個創新型省份試點。為進一步加快創新型省份建設，中共安徽省委、安徽省人民政府于2014年2月頒布了《關于實施創新驅動發展戰略進一步加快創新型省份建設的意見》。面對創新型省份建設的新形勢和新時期安徽經濟社會發展的新任務，如果按照以往的發展方式，安徽的現代化建設向縱深階段推進將遇到新的瓶頸。這就需要探索新的發展模式，必須大力推進創新驅動戰略，大力推動科學和技術對促進經濟增長方式轉變和結構調整的重要作用，重視科技創新對效率的提升，實現創新型省份建設目標和新時期安徽經濟社會發展目標[1]。

位于安徽省中南部的皖江城市帶城市群在安徽省經濟發展中占據舉足輕重的地位。早在2010年，《皖江城市帶承接產業轉移示范區規劃》得到國務院的批復。皖江城市帶是國家實施中部崛起戰略的重要發展地域，是安徽省實施創新驅動戰略的重點發展區域。但是目前皖江城市帶城市群區域發展不均衡,自主創新能力不足，中低端產業較為集中。研究皖江城市帶城市群的創新驅動效率，合理利用創新資源要素，加快安徽省主要城市的產業轉型升級，對于安徽實施創新驅動具有十分重要的作用，因此，對位于安徽省的重要地位的皖江城市帶的創新驅動全要素生產率進行研究，并通過對其分解因子的探求創新生產率的變化原因，對安徽省創新驅動戰略的實施具有十分重要的理論和現實意義。

從以上現有研究來看，國內學者對創新效率的研究主要集中在國家、省等宏觀層面上，這無法反映出某一特定地區創新驅動效率的現狀和問題，少數從區域層面上的研究也集中在長江三角洲以及廣州和福建省等經濟較為發達的地區?；诖?，文中將研究對象設定在位于安徽省的皖江城市帶的9個地市。運用DEA-Malmquist 指數模型對2010-2016年皖江城市帶上9個地市的面板數據進行分析，測度皖江城市帶創新驅動全要素生產率的變化情況，找到影響效率變化的因素，并且給如何提高創新驅動全要素生產率指明方向。

1 相關研究方法和變量的選擇

1.1 研究方法

文中采用基于DEA的Malmquist指數法進行創新驅動全要素生產率的分析。DEA-Malmquist指數模型是一種非參數估計的方法，因為不需要設定具體的生產函數。在分析具有多投入多產出的全要素生產率上是一種有效的方法。最早由瑞典經濟學家Malmquist提出，是通過利用縮放因子之比構造消費數量。1994年，Fare等把這種非參數線性規劃法與數據包絡分析法(DEA)理論相結合，這才使得Malmquist 指數被廣泛應用?，F今，這一方法被廣泛應用于金融、工業、區域等生產效率的測算。

創新效率是對區域創新總體效率的衡量。關于創新驅動全要素生產率的研究，官建成等[2]采用數據包絡分析法(DEA)分析了我國省級區域創新體系的效率。在實際應用中，很多學者將DEA方法與其他方法結合起來使用。例如郭淡泊等[3]運用DEA方法對39個國家11年樣本的面板數據進行技術效率、經濟效率和綜合效率評價，并運用Tobit模型研究不同程度國家效率影響因素的差異。梁龍武等[4]基于中國省際面板數據，運用Malmquist-Tobit方法實證分析了中國省際創新驅動的全要素生產率及其經濟環境影響因素。王珍珍等[5]基于模型和中國省級面板數據對我國科技創新生產率進行了實證研究。劉明廣等[6]基于指數模型對廣東省的創新效率進行了動態評價。王海兵等[7]用 DEA-Malmquist的方法測算了創新驅動的全要素生產率，并對創新驅動的影響因子進行了分析。

DEA-Malmquist指數模型相對于DEA在截面上的靜態分析，能夠對決策單元的多個時間點的跨期面板數據進行分析。另外，此方法還可以對創新全要素生產率的變化情況，及其分解因子中的技術進步指數以及技術效率指數對全要素生產率的變動的影響進行分析[8]。該方法首先采用創新投入以及產出數據構建一個生產前沿面函數，通過DEA的非參數線性規劃模型求解距離函數，計算決策單元在前后兩個時期與生產前沿的距離來表示不同時期生產率的變化。全要素生產率變動指數(TFP change， Tfpch)計算公式如下:

(1)

式中:xt,yt----分別在t期的投入和產出向量；

xt+1,yt+1----分別在t+1期的投入和產出向量;

dt(xt,yt)----以t期的技術為參照表示的第t期距離函數;

dt+1(xt+1,yt+1)----以t期的技術為參照表示第t+1期距離函數。

Tfpch>1表示全要素生產率呈增長趨勢，創新效率提高; Tfpch<1表示全要素生產率呈下降趨勢，創新效率下降。

在規模報酬不變的情況下，全要素生產率指數的變化分解為兩個重要的組成部分，即技術進步指數(Technical Change， TC)和綜合技術效率的變化(Efficiency Change， EC)，其分解過程如下：

Mt,t+1=EC×TC(2)

(5)

EC代表從t期到t+1期決策單元對生產前沿面的追趕程度。當EC>1時，綜合技術效率提升，說明和上一期相比生產更接近生產前沿面;當EC<1時，綜合技術效率下降，說明和上一期相比生產更接近生產前沿面。TC代表技術進步變化，即生產最佳前沿邊界的移動。當TC>1 時，技術進步，說明生產前沿面向上抬升或者向外移動。在規模報酬可變情況下，綜合技術效率指數還可以分解為純技術效率變動指數(PC)以及規模效率(SC)。

1.2 指標選擇與數據來源

在對創新驅動的全要素生產率進行求解時，根據以往研究人員對全要素生產率指標體系的研究，考慮到相關數據的可獲得性，來選取投入和產出指標。

1)投入變量。常用的衡量創新投入指標主要集中在人力資本的投入和資金的投入兩個方面。因此，文中選取企業R&D經費支出(X1)和新產品研發支出經費(X2)，R&D人員全時當量(X3) 作為人力投入指標。

2)產出變量。常用的衡量創新產出的指標主要有經濟效益產出和專利發明兩個方面，具體包括專利、新產品銷售收入、技術開發項目數等，借鑒現有的文獻并參考數據的可得性，文中選擇各地區專利申請授權量(Y1)和新產品銷售收入(Y2)作為創新的產出變量。

本研究所使用的數據是皖江城市帶上的9個地市(合肥、蕪湖、馬鞍山、安慶、滁州、池州、銅陵、宣城8個地級市全境以及六安市的金安區和舒城)2010 -2016 年的年度面板數據，數據來源于各地市的統計年鑒和安徽省統計年鑒。

2 實證研究

2.1 皖江城市帶創新驅動全要素生產率的求解分析

為了研究皖江城市帶上的9個地市在2010-2016年間的整體變化情況，文中通過deap2.1軟件對9個地市的創新生產的面板數據求解，得到年度平均的創新全要素生產率及其分解，見表1。

表1 2010-2016 年皖江城市帶9個地市的Malmquist生產率指數及其分解指數均值

由表1 結果可知，在2010-2016年間，皖江城市帶的創新驅動效率的全要素生產率增長了7.8%，所有年份全部大于1，為較高有效增長。其中，綜合技術效率增長3.3%，技術進步效率增長4.4%，純技術效率增長3.4%,這得益于皖江城市帶的各地市政府創新意識的增強。

進一步分析綜合技術效率變動指數均值大于1，只有2011年呈現下降趨勢。在2010-2016年間，年均增長了3.3%，說明綜合技術效率整體處于上升趨勢，皖江城市帶的創新資源配置效率得到了改善。綜合技術效率變動指數可以分解為純技術效率和規模效率兩個指數，純技術效率年均增長幅度大于規模效率的下降幅度?？梢钥闯?規模效率指數對技術效率影響不大，而真正對技術效率的提高產生影響的是純技術生產率。另外技術進步指數均大于1，這說明皖江城市帶在2010-2016各年度技術進步提升明顯。隨著創新驅動戰略的推行，安徽省的皖江城市帶在加大創新驅動資源投入，高效利用創新資源，在資源配置、培養科技人才和技術創新方面有了明顯的改善和進步，但是生產規模的合理化控制出現了問題。接下來，安徽省在產業轉型升級的過程中，要改變過去粗放型投入模式，重視生產規模的合理化控制，向集約型轉變。

進一步分析皖江城市帶2010-2016年創新驅動的全要素生產率具體的變化趨勢。皖江城市帶2010-2016 年創新驅動的整體全要素生產率變化如圖1所示。

圖1 皖江城市帶2010-2016 年間創新驅動的整體全要素生產率變化

由圖 1可知，2011年，皖江城市帶的技術進步效率和全要素生產率曲線則呈現相同的上升趨勢，而技術效率、純技術效率和規模效率曲線均呈現下降趨勢。由此可見，2010-2011年是技術進步指數的上升帶動了皖江城市帶的創新驅動的全要素生產率指數上升。2013年和2014 年，皖江城市帶創新驅動的綜合技術效率、技術進步、純技術效率和規模效率指數均出現上升的態勢，帶動皖江城市帶的創新驅動的全要素生產率曲線出現了大幅上升趨勢。2015 年，全要素生產率曲線出現下降趨勢，技術效率、純技術效率和規模效率曲線均出現了上升趨勢，只有技術進步效率曲線出現了下降趨勢。技術進步指數和全要素生產率指數變動趨勢相同，全要素生產率變化的主要原動力是技術進步指數的變化。 2016 年，技術效率、純技術效率和規模效率曲線均出現了小幅的下降，而技術進步曲線的再次回升也帶動了全要素生產率曲線的上升。以上分析可以得出，全要素生產率指數和技術進步指數的變動趨勢基本一致，波動具有一定的同向性。充分說明，皖江城市帶的全要素增長率的增長主要推動力是技術進步。皖江經濟帶創新驅動發展所需技術水平在不斷進步。

2.2 皖江城市帶不同地市創新全要素生產率及其變動

通過deap2.1軟件對9個地市的創新生產的面板數據分別求解，研究皖江經濟帶創新驅動的地區差異。分析得出皖江城市帶各城市創新驅動全要素生產率的結果見表2。

表2 2010-2016年皖江城市帶各地級市創新Malmquist生產率指數及其分解指數均值

從表2中可以看出，皖江城市帶地市之間創新發展不均衡，存在一定的區域差異。首先，9個地市中六安、滁州、池州全要素生產率變動指數小于1，其余6地的生產率變動指數大于1，從高到低依次是合肥、蕪湖、銅陵、安慶、馬鞍山和宣城這幾個經濟發展較好的地市。全要素生產率提升幅度最大的是合肥，年增長率達到26.5%，提升幅度最小的是宣城，增長率為0.6%。創新全要素生產率的增長幾個地市中，增長的主要動力主要來自于技術進步和資源要素配置的共同驅動。上述分析說明，皖江城市帶各城市自身的創新驅動發展十分不平衡，主要源于技術的進步和技術效率的改善兩者不能兼顧。文中具體分析各地的情況得到:三個全要素生產率負增長的地市中有兩個地市的綜合技術效率下降明顯。而全要素生產率正增長的6個城市綜合技術效率指數均處于上升狀態，這說明創新資源要素都得到了比較好的配置。從技術進步變動指數來看，其和綜合技術效率指數呈現相同的狀態，三個全要素生產率負增長的地市的技術進步指數下降明顯。而全要素生產率正增長的6個城市技術進步指數均處于上升狀態，這說明技術進步對皖江城市帶的創新全要素生產率的提升起到至關重要的作用。

綜上所述，2010-2016年間，皖江城市帶的各地市的創新驅動效率出現明顯的地區差異，發展不均衡。合肥、蕪湖處于高增長的狀態，銅陵、馬鞍山、安慶處于穩步發展狀態，宣城處于低增長狀態，而六安、滁州、池州創新效率下降的狀態。全要素生產率下降的原因也可以分為三類: 一類是綜合技術效率下降和技術退步影響，資源配置效率和技術水平均退步，共同影響全要素生產率下降，如六安; 第二類是技術衰退型，創新全要素生產率下降的主要原因是技術退步，如池州；第三類是資源配置效率影響，如滁州。另外，皖江城市帶大部分地市純技術效率變動指數大于1，而規模效率變動指數小于1。顯示大部分地市的創新綜合技術效率均有提升，由此可以看出，純技術效率往上拉動的作用更加顯著，而生產規模損失拖累了綜合技術效率的增長。

3 結 語

采用Malmquist指數分析方法，基于2010-2016年皖江城市帶9個地市創新驅動投入產出面板數據，對其創新生產率及變化情況進行分析，并將整體全要素生產率變動進行指數分解，得出如下基本結論：

1)2010-2016年間，皖江城市帶9個地市創新生產率總體上保持了較快的增長勢頭，年均增長達到7.8%。通過分解指標得出全要素生產率變動的主要驅動因素是技術水平的變動。技術進步效率年均增長達到4.4%。要保持創新效率持續增長的勢頭，技術的先進性起著決定性的作用。因此，要真正提升皖江城市帶全要素生產率水平，應該高度重視提升技術自主創新能力，制定合適的創新驅動發展戰略，引進高水平的人力資本和最新技術，促進生產技術和創新技術的進步，堅持將經濟發展動力從投資驅動、要素驅動向創新驅動和效率驅動轉化。純技術效率對綜合技術效率的拉動作用很顯著，而生產規模損失拖累了綜合技術效率的增長。因此，在加大技術投入的同時，需要關注生產規模與投入產出的協調，升級產業結構，促使創新生產從“粗放型”向“集約型”轉變。

2)皖江城市帶上的9地區全要素生產率變動情況呈現非常明顯的地區差異，雖然整體上處于上升，但是還有三個地市呈現下降趨勢。而出現下降的主要原因是技術的退步，這說明各地市需要分析自己的情況來制定創新效率的改善措施。各地都需要高度重視技術水平的提高，提高地方企業自主研發水平,并且加強技術引進和技術轉化。另一方面，重視資源配置效率的改善，建設好的創新環境的建設，加大資源投入，并合理進行資源分配。各地政府應該大力促進區域之間的創新交流，先進地區向落后地區傳遞經驗，實現共同進步。