中國工業企業創新效率測度

江艷婷

摘要：運用三階段DEA模型，測算分析我國30個省市在2011-2017年間工業企業的創新效率，并對影響因素進行分析，研究顯示：環境因素對工業企業創新效率產生了顯著影響，第一、三階段工業企業創新效率差異明顯，剔除影響因素后創新技術效率均值僅為0.6，主要源于規模效率的不足;粗放型經濟增長影響科技進步，政府支持和外商投資有利有弊，兩者應控制在合理水平，產學研應以協同發展為載體共同提升創新效率。

Abstract： The three-stage DEA model is used to measure and analyze the innovation efficiency of industrial enterprises in 30 provinces and cities in China from 2011 to 2017， and analyze the influencing factors. The research shows that environmental factors have a significant impact on the innovation efficiency of industrial enterprises. There is a clear difference in the innovation efficiency of industrial enterprises in the third and third stages. After excluding the influencing factors， the average innovation technology efficiency is only 0.6， which is mainly due to the lack of scale efficiency. Extensive economic growth affects technological progress. Government support and foreign investment have advantages and disadvantages， which should be controlled at a reasonable level.Industry-university-research institutes should take the coordinated development as a carrier to jointly promote innovation efficiency.

關鍵詞：工業企業;創新效率;三階段DEA模型

Key words： industrial enterprise;innovation efficiency;three-stage DEA model

中圖分類號：F425;F224? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0123-03

0? 引言

科技創新是引領發展的強大動力，工業企業的創新效率是區域創新的一個重要載體，其創新效率水平牽引著各區域甚至整個國家的創新發展，創新效率是指創新投入產出比，隨著我國研發投入力度加大，研發產出效果如何？為了探究各省市創新發展的現狀及區域間創新發展的差異性，對各省市工業企業進行真實創新效率測度是迫切需要的，以便各省市根據自身創新發展的現狀做出改進措施，朝著推動中國整體創新效率穩步提升的目標前進。

創新效率一直是學者們研究的熱點，提高創新效率的實質是如何獲得單位資源投入下的高創新產出或者單位產出下的低成本，創新效率的測度首先關乎到測度方法選取問題，有些學者采用傳統DEA模型，如李婧、管莉花（2014）[1]選用傳統DEA與空間計量結合的方式，探究我國各省市創新效率發展現狀以及區域差異問題;章仁俊、王俊峰（2010）[2]采用DEA模型測度我國工業企業分行業的創新效率，研究發現相比于原始創新效率，自主創新效率受二次創新效率的影響較大。亦有些學者選用兩階段DEA模型，如羅良文、梁圣蓉（2016）[3]基于兩階段企業技術創新過程，測度企業創新效率及其影響因素，研究發現東、中、西部地區創新水平差異較大，西部地區創新效率有較大的改善空間，由于單一的DEA模型測度的創新效率值是包含了環境因素與隨機誤差，不能真實的反映各決策單元的創新管理水平，于是Fried等（2002）[4]提出了三階段DEA模型，要求所有決策單元處于相同的環境與運氣水平下，能夠測算出真實的技術管理水平，隨后被廣泛運用于創新效率測算，如康年等（2019）[5]應用三階段DEA模型研究國家中心城市72家制造企業的創新效率，并分析制度環境對創新效率的影響;如季慶慶、李向東（2013）[6]應用三階段DEA模型測度我國企業2010年的技術創新效率，但其只測度一個年份，不能反映我國各區域近年來創新效率的發展，而且其沒有考慮經濟發展與外商投資對工業企業科技創新的影響，因此本文采用三階段DEA模型對我國30個省市工業企業2011-2017年間技術創新效率值（未包括西藏，因其部分數據未統計）進行整體和局部的評價，探討我國創新效率發展現狀并基于外部環境的影響提出切實可行的建議。

1? 研究方法

1.1 第一階段DEA

鑒于各省市工業企業創新效率差異顯著及考慮投入要素最小化問題，因此將投入導向與規模報酬可變的BCC模型相結合測算創新效率值。

1.2 第二階段DEA

1.3 第三階段DEA

2? 創新效率測度指標體系構建與數據處理

2.1 指標體系構建

關于創新投入指標的選取，我們選擇人力、財力指標，即把規模以上工業企業R&D經費支出，規模以上工業企業R&D人員全時當量作為投入指標，由于R&D經費支出包括內部支出與外部支出，我們借鑒季慶慶和李向東的計算方式將內部支出與外部支出之和作為R&D經費總支出，避免低估R&D經費投入水平[6]。關于創新產出指標的選取，我們選擇規模以上工業企業專利申請數，同時規模以上工業企業新產品銷售收入是企業科技活動的收益表征，并且亦是市場活動特征的一種反映，因此將其作為產出指標之一。

環境變量的選取既要考慮到地方經濟發展水平和政府扶持激勵政策等整體環境，又要包含地區對外開放程度與產學研合作等特征因素。因此本文選擇以下環境變量：反映地方經濟發展水平的人均GDP，反映政府支持政策的規模以上工業企業R&D內部支出中政府資金占比，反映對外開放程度的外商投資，用外商投資企業總額來表征。體現產學研合作的R&D外部支出中研究機構的占比和R&D外部支出中高校的占比，這些環境變量不受各決策單元管控約束，可以深入探究其對工業企業創新效率的影響。

2.2 數據的處理

鑒于DEA模型中對投入產出指標為同向性的要求，將2011-2017年間我國省域創新投入、產出指標的平均值進行pearson相關系數檢驗，結果顯示投入產出變量相關系數接近與1且均通過1%顯著性檢驗，因此投入產出指標合理有效。數據主要來源于《中國統計年鑒》及各省市統計年鑒。

3? 我國區域創新效率測度

3.1 第二階段DEA測度

運用Frontier4.1軟件，將創新投入松弛變量作為被解釋變量，經濟發展、政府支持、外商投資、企業與研究機構合作及企業與高校合作這五個環境變量作為解釋變量進行回歸，結果如表1所示，首先由LR檢驗可知模型估計效果較好，除了R&D人員投入對外商投資的回歸，其余回歸系數的T檢驗值全都顯著，說明環境變量對創新發展影響顯著，兩個回歸方程的？姿值為0.78和0.86，均大于0.5，說明在R&D經費投入與R&D人員投入的影響因子方程中創新管理因素占據主要影響。

第一，經濟發展。該環境變量對R&D經費投入松弛變量、R&D人員投入松弛變量的影響系數均為正，且均通過1%顯著性檢驗，說明經濟發展水平提升并沒有對工業企業的創新效率產生預期的促進作用，可能是我國經濟發展長期依賴于要素投入，造成了粗放型的經濟增長方式，不利于創新效率的提升，而經濟轉型升級需要時間成本，現階段技術進步效應還不明顯，因此要大力優化要素投入效率，形成經濟增長與科技創新的優勢循環。

第二，政府支持。該環境變量對R&D經費投入松弛變量的影響系數為負，而對R&D人員投入松弛變量的影響系數為正，且均通過1%顯著性檢驗，規模以上工業企業R&D內部支出中政府資金占比越高，工業企業越容易受到政府支持的正向影響，減少R&D經費的投入冗余，能夠提高科技創新效率，而對于R&D人員投入變量，增加政府支持力度，會導致R&D人員投入的浪費，可能因為增加政府R&D經費投入，使得R&D人員社會待遇優厚，直接導致R&D人員出現人浮于事的問題，增加科技創新人力資源的浪費。

第三，外商投資。該環境變量對R&D經費投入松弛變量的影響系數為負，而對R&D人員投入松弛變量的影響系數為正，同時只對R&D經費投入松弛變量系數在5%的水平上顯著，說明外商投資會顯著減少R&D經費投入的浪費，卻在一定程度上增加了R&D投入人員的冗余，說明FDI的流入會增加R&D經費的轉化效率同時對R&D人員產生擠入效應會盲目增加人力投入。

第四，企業與研究機構合作。該環境變量對R&D經費投入松弛變量、R&D人員投入松弛變量的影響系數均為負，且均通過1%顯著性檢驗，說明企業與研究機構的深入合作能夠顯著提高我國技術創新能力，因為企業從研究機構獲取的外部創新資源可以成為內部創新的重要補充，創新技術的融合可以縮短產品生產周期，擴充企業技術領域，快速提升企業的技術創新水平。

第五，企業與高校合作。該環境變量對R&D經費投入松弛變量、R&D人員投入松弛變量的影響系數均為正，且均通過1%顯著性檢驗，說明企業與高校合作不利于我國工業企業技術創新的發展，可能是由于企業與高校合作的主體目標不同，企業目標是提高區域競爭力并獲得市場利益，而高校是為了發表論文獲得一定的學術成果，因此企業與高校在技術創新上沒能協調發展，最終導致創新效率的下降。

3.2 第一、三階段DEA測度分析

運用DEAP2.1軟件，對我國省域2011-2017年間剝離環境和隨機因素的干擾前后創新投入產出值進行效率測度，分別得到第一、三階段效率值，由于篇幅原因，僅列出30個省市在2011-2017年間的創新效率均值（見表2）。

由表2可知，從整體效率來看，技術效率均值由0.691下降為0.596，純技術效率均值由0.775上升為0.932，規模效率均值由0.901下降為0.634（鑒于表格美觀問題，表2中未列出），首先說明中國技術效率偏低是由于規模效率不足引起的，其次消除環境因素與隨機誤差影響后技術效率降低了0.1左右，說明第一階段技術效率值被些許高估，而實際創新效率值偏低，有很大的改進空間，所以全面提高創新效率刻不容緩。

從效率前沿面來看，第一階段處于創新效率前沿面的僅有安徽省，與之相比，變為僅有浙江省處于創新效率最優，說明安徽省是受外部環境的影響才享有較高的科技創新水平，而浙江省才是在技術管理水平上實力過硬。從創新技術效率來看，上升的省市有天津、河北、遼寧、上海、江蘇、浙江、福建、山東、河南、湖北、湖南和廣東，說明這些省市創新效率值被低估了，其余18個省市的創新效率值下降，說明這些省份效率值被高估與其所處的有利環境和隨機因素有關。

4? 簡要結論與建議

4.1 加快形成規模集聚效應，提升技術管理水平

對比剔除環境因素與隨機因素影響前后的第一、三階段創新效率值，發現我國整體技術效率與規模效率出現下降，純技術效率出現上升，創新技術效率下降說明由于外部環境與隨機因素的影響導致工業企業創新效率被高估，而阻礙工業企業創新效率提升的因素由第一階段的純技術效率轉變為調整后的規模效率，表明實際上我國整體技術效率受規模效率影響較大，因此當前規模不經濟問題值得深思，雖然國家鼓勵生產規模低下的企業進行合并，但合并帶來的高管理研發成本和利潤率低等問題直接制約了創新發展，而規模經濟的優勢其實是來源于專業化、細致化的分工合作和過硬的技術，因此現階段提升創新發展的質量是關鍵，首先國家應給予規模經營一定的資金支持和政策優惠，創造規模經營的優勢環境，其次企業應以核心技術為依托提升產品質量并占據有力的市場位置。

4.2 基于環境因素作用效果，完善機制建設

經濟發展，政府支持，外商投資及產學研合作都對工業企業的投入松弛變量產生顯著影響。經濟發展水平的提升會吸引人才集聚和財力投入過多，但不依托技術進步帶來的經濟發展會造成科技人員和科技經費的浪費，因此要把自主創新作為經濟發展的動力源泉，形成一種健康的經濟發展模式。政府支持和外商投資有利于減少R&D經費投入的冗余，卻會造成R&D人員的浪費，可能是由于我國科技經費投入存在嚴重不足，增加政府與外商的資金投入會加速創新資金的轉化效率，但同時會導致R&D人員過多，人力資源閑置，又不利于創新產出，因此政府支持力度應適當，外商投資總額亦應控制在一個合理的范圍內，才能有效的提升工業企業的科技管理水平。企業與研究機構的合作體現了產學研結合的優勢，但由于創新目標與發展觀念不同及合作機制不完善，企業與高校的產學研合作對技術創新效率沒有產生預期的促進作用，因此首先應健全產學研合作機制，建立一套創新合作準則，如共同承擔風險的責任及利益分配的均衡，同時應該建立創新激勵機制，給科技研發活動注入動力源泉，優化創新人力、財力資源的投入結構，提高工業企業的創新能力。

參考文獻：

[1]李婧，管莉花.區域創新效率的空間集聚及其地區差異——來自中國的實證[J].管理評論，2014，26（08）：127-134.

[2]章仁俊，王俊峰.中國工業企業自主創新效率評價：基于DEA方法的研究[J].中國科技論壇，2010（05）：52-57.

[3]羅良文，梁圣蓉.中國區域工業企業綠色技術創新效率及因素分解[J].中國人口·資源與環境，2016，26（09）：149-157.

[4]FRIED H O，LOVELL C A K，SCHMIDT S S，etal.Accounting for environmental effects and statistical noise in data envelopment analysis [J]. Journal of Productivity Analysis， 2002，17（1/2）：157-174.

[5]康年，顧倩雯，宋波.基于三階段DEA模型的國家中心城市制造企業創新效率研究[J].科技管理研究，2019，39（08）：9-14.

[6]季慶慶，李向東.基于三階段DEA模型的企業技術創新效率研究[J].工業技術經濟，2013，32（05）：96-105.