剝離環境因素的高技術產業技術創新效率評價
——以我國西部地區為例

陳 娜，林 軍

（甘肅政法大學經濟管理學院，甘肅蘭州 730070）

高技術產業作為戰略性新興產業，正日益成為世界經濟增長和社會發展的主要推動力，而創新是其發展的核心要素和動力源泉。與傳統產業相比，高技術產業具有高投入、高產出、高附加值及高收益等特征［1］，其技術創新效率水平可以反映一個國家或地區的科技創新能力及創新資源利用情況。我國西部作為欠發達地區，近年來在國家西部大開發及創新驅動等戰略的推動下，科技總體狀況雖有較大起色，但與東部沿海等發達地區相比仍存在較大差距。從2016年我國高技術產業統計數據看，西部高技術產業總資產為17 040.6億元，東部為95 501億元，東部為西部的5.6倍，可以看出，東西部高技術產業發展實力依然懸殊。那么，如何實現我國西部地區高技術產業技術創新資源的優化配置、突破資源要素瓶頸制約從而促進其技術創新效率提升，是實現西部科技創新能力發展的關鍵，因此，對西部地區高技術產業技術創新效率及其影響因素進行測度研究，在此基礎上提出創新效率優化措施將具有重要的現實意義。

1 相關文獻綜述

高技術產業創新效率的重要性獲得了國內外眾多學者的廣泛關注。在效率測度方法上， 數據包絡分析（data envelopment analysis，DEA）相比于隨機前沿（stochastic frontier approach，SFA）方法由于無需事先設定生產函數，避免函數設定不恰當造成誤差，由此作為非參數方法在效率測度方面具有獨特優勢，故大多數學者選擇DEA方法進行測度研究，比如Raab等［2］以美國50個州的高技術產業為例，運用DEA方法對其創新效率進行分析；Hashimoto等［3］以日本制藥企業及產業為例，用 DEA的累積指數方法測度其技術創新效率情況；Pannu 等［4］則采用DEA方法分析了印度制藥產業的創新效率；衛平等［5］運用DEA方法對我國29個省、自治區、直轄市高技術產業的技術創新效率進行研究；楊曉冬等［6］采用DEA模型對我國東、中部地區的高技術產業創新效率進行分析；王麗平等［7］以我國京津冀地區的高技術產業為研究對象，采用DEA模型對其技術創新效率進行評價；周燕萍等［8］采用DEA方法分析了上海市高技術產業五大支柱行業的技術創新效率。而近年來，隨著DEA 方法的廣泛應用，其模型得到了進一步的擴充和改進，如Lu 等［9］以我國臺灣 194 家高技術企業為研究對象，采用DEATobit 兩階段模型對其研發效率及其影響因素進行分析；王偉等［10］基于EBM模型和Tobit模型對對我國1998—2015年的高技術產業的技術創新效率及其影響因素進行了分析；馮志軍等［11］基于資源約束視角，運用兩階段 DEA 模型研究我國高技術產業研發創新效率；吳衛紅等［12］將DEA方法、模糊綜合評判法以及層次分析法三者相結合探討北京市高技術產業技術創新效率；楊青峰［13］則在剝離外部環境及隨機誤差等因素的基礎上應用三階段 DEA 模型對我國高技術產業技術效率進行評價。

縱觀現有文獻，國內外有關高新技術產業技術創新效率的研究已取得了相當豐富的研究成果，為我國高技術產業持續、健康、發展提供了很好的借鑒，也為后人研究提供了研究基礎，然而，由于我國高新技術產業的發展本身起步較晚，發展水平和層次也隨區域不同而有差異：從研究對象看，大多研究集中在國家或東部沿海發達地區，對西部欠發達地區高技術產業創新效率缺少系統研究；從研究方法看，大多數學者采用傳統DEA模型進行效率分析，但傳統DEA模型無法消除非經營因素（環境因素和隨機誤差）的影響從而導致測評結果不真實，剝離環境因素后西部地區高技術產業技術創新效率水平究竟如何，現有研究并未得出結論。為此，本文采用傳統DEA與SFA相結合的三階段DEA模型，就我國西部地區高技術產業技術創新效率及其影響因素進行深入分析，以期為新常態下西部地區高技術產業技術創新的良好發展提供參考。

2 研究方法、變量選取及數據說明

2.1 三階段DEA模型

三階段 DEA模型由 Fried等［14］提出，該模型將傳統DEA和SFA模型相結合，最大的優勢在于能夠剝離外部環境與隨機誤差對效率的影響，使所有測評單元處于相同環境或面臨相同運氣，從而使所計算的效率值更真實可靠。其應用包括以下3個階段：

第一階段，傳統DEA模型構建。DEA模型由Chames等［15］于1978年首次提出，即假設規模報酬不變的CCR模型；在此基礎上，Banker等［16］進一步提出了BCC模型，此模型用于處理規模報酬可變(variable returns to scale, VRS)假設的決策單元(decision making units, DMU)的有效性問題，同時將技術效率 (technical efficiency,TE)進一步拆分為規模效率(scale efficiency, SE)和純技術效率(pure technical efficiency, PTE)。

第二階段，相似SFA模型構建。為了得出剔除環境因素和隨機誤差項的影響，為了剔除環境因素和隨機誤差項的影響，得出僅由管理無效率造成的決策單元的投入冗余，方程如下：

經過式（2）的調整，使所有DMU處于相同的經營環境、面臨同樣的運氣，剔除了環境因素和隨機誤差項的影響，從而得到僅受管理無效率影響的投入冗余。

第三階段，調整后的 DEA模型構建。選擇第二階段調整后的數據為新的投入數據，產出數據則保持不變，依然采用BCC 模型對各DMU進行效率測評，由此可以得到剔除環境因素和隨機誤差因素后各DMU更真實的效率水平。

2.2 指標選取

借鑒喬元波等［17］和劉滿鳳等［18］學者的研究，投入指標分別選取R&D人員全時當量衡量人力資源投入、R&D內部經費支出衡量經費投入、新增固定資產代表物力投入。參照桂黃寶［19］、黨國英等［20］人的研究，選取專利申請數衡量技術創新初始產出、新產品銷售收入測度技術創新最終產出。環境影響因素方面，朱有為等［21］認為企業規模和市場競爭程度是影響我國高技術產業研發產出效率的主要因素，李婉紅等［22］、范德成等［23］人的研究表明政府支持力度、地區經濟發展水平以及市場開放度等因素對高技術產業和企業均會產生重要影響，為此，本文從政府支持力度、地區經濟發展水平、企業規模以及市場開放度等4個方面衡量環境對高技術產業技術創新可能產生的影響。具體評價指標體系如表1所示。

表1 高技術產業技術創新效率評價指標體系

為保證DEA 模型中的投入變量增加時產出變量亦會增加（同向性假設檢驗）的要求,采用Pearson相關性檢驗，結果如表2 所示，各投入指標和產出指標之間的相關系數均為正且在1%顯著水平下通過檢驗，說明本文構建的評價指標體系的投入與產出指標選擇合理。

表2 高技術產業投入指標與產出指標的Pearson相關系數

2.3 數據來源

本文以我國31個省、自治區、直轄市（未含港澳臺地區）為研究樣本，分東部、中部、西部進行對比研究。根據我國傳統的東、中、西部劃分方式及西部大開發的范圍，東部主要包括北京、河北、遼寧、天津、江蘇、廣東、上海、海南、福建、浙江、山東11個省（市）；中部主要包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個省；西部主要包括內蒙古、廣西、四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆12個省（區、市）。地區生產總值指標數據來源于2016年《中國統計年鑒》，其余指標數據均來源于2016年《中國高技術產業統計年鑒》。

3 實證分析

3.1 第一階段傳統DEA實證分析

利用DEAP2.1軟件，本文采用BCC模型對樣本高技術產業技術創新效率水平進行分析，結果見表3所示。從表3可知，未剔除環境因素和隨機干擾因素之前，西部技術效率平均值為0.614，分別低于全樣本平均值0.692及東、中部平均值0.820和0.632，西部純技術效率平均值為0.745，分別低于全樣本平均值0.774和東部平均值0.848，但高于中部平均值0.716，西部規模效率平均值為0.846，同樣低于全樣本及其他地區。從西部高技術產業技術效率分解項來看，規模效率大于純技術效率，說明規模因素的影響占主要地位；此外，從西部各省份來看，在SFA調整之前，只有青海省的技術創新效率為1，處于效率前沿面，其余省份均存在一定的改進空間。從規模收益情況來看，西部12個省份中處于效率前沿面的青海省規模收益不變，處于規模報酬遞增狀態的為內蒙古、西藏、寧夏、新疆4個省份，廣西、四川、甘肅等其余7個省份顯示規模報酬遞減。但由于此結果受環境因素及隨機誤差因素的干擾，因此并不能代表西部地區高技術產業創新效率的真實水平，因此，第二階段的調整和測算很有必要。

表3 樣本高技術產業技術創新效率第一階段DEA測算結果

3.2 第二階段SFA回歸分析

將第一階段得出的3個投入變量（R&D人員投入、R&D資金投入和新增固定資產投入）的松弛變量作為被解釋變量，4個環境變量（政府支持力度、地區經濟發展水平、企業規模和市場開放度）作為解釋變量，利用Frontier4.1軟件得出各環境變量對投入松弛變量的影響結果如表4所示。從表4可以看出，回歸系數大多能夠在10%顯著水平下通過顯著性檢驗，說明環境因素對各省份創新投入冗余確實存在顯著影響，3種松弛變量的 值均為0.999 99，接近于1，說明管理因素的影響所占比重較大，隨機誤差等偶然因素的影響較小。

表4 樣本高技術產業技術創新效率第二階段SFA回歸結果

表4 （續）

進一步考察4個環境因素對投入松弛變量的回歸系數：

（1）政府支持。該變量與R&D人員投入、R&D資金投入松弛變量的回歸系數為正，說明政府支持的增加并不利于R&D創新資源投入冗余的減少；政府支持與新增固定資產投入松弛變量的回歸系數為負，說明政府支持有利于減少新增固定資產投入的浪費，但其t值并未通過10%水平下的顯著性檢驗且其影響只代表方向，因此可以認為，政府支持并不利于創新資源投入冗余的減少。回歸結果與預期并不一致，說明政府支持并沒有發揮應有的作用，這可能是由于政府支持往往會增加企業的收入預期，鼓勵企業盲目擴大經營規模，但缺乏對資源的優化配置，造成對創新資源的粗放利用。

（2）地區經濟發展水平。該變量與R&D人員投入、R&D資金投入、新增固定資產投入3個松弛變量的回歸系數均為正且分別通過了1%、1%和5%的顯著性檢驗，說明地區經濟發展水平并不利于創新資源投入冗余的減少。可能的原因在于隨著地區經濟發展水平的提高，創新資源投入加大，但卻沒有合理配置及利用，造成較低的資源轉換率和產出率。

（3）企業規模。該變量與R&D人員投入松弛變量的回歸系數為負，與R&D資金投入松弛變量的回歸系數為正，且分別通過了1%的顯著性檢驗，對新增固定資產投入松弛變量有正向影響但不顯著，說明企業規模的擴大有利于減少R&D人員投入冗余卻不利于R&D資金和新增固定資產的減少。高技術企業規模的擴大會帶動人力需求的增加，但同時加劇資本量的引入競爭，盲目投入過多資金但未得到合理利用從而造成資本浪費。

（4）市場開放度。該變量與R&D人員投入、R&D資金投入、新增固定資產投入3個松弛變量的回歸系數均為負且分別通過了1%、1%和5%的顯著性檢驗，說明市場開放度有利于減少創新資源冗余。高技術產品進出口貿易量的增加可以吸收更多的勞動力和資本量，同時進出口可以促使國際上先進技術、人才以及管理理念的交換和引進，這在一定程度上為我國高新技術產業資源優化配置提供借鑒，從而促進高技術產業技術創新效率的提升。

3.3 第三階段調整后的創新效率分析

根據式（2）調整投入數據，將調整后的投入值和原產出值作為新的投入產出值再次代入BCC模型重新計算各決策單元的創新效率，結果如表5所示。

表5 相同環境下樣本高技術產業技術創新效率測算結果（SFA調整之后）

對比表3和表5分析可以看出：

（1）西部綜合技術效率變動。經過第二階段SFA調整之后，西部綜合技術效率均值由原來的0.614下降到0.450，說明受環境因素和隨機誤差的影響綜合技術效率出現了虛高的情況。從具體省份來看，除廣西、四川、陜西3個省份綜合技術效率有所上升之外，其余省份均出現了不同程度的下降，其中青海由第一階段處于技術前沿面調整為非技術有效，下降值為0.546；與此相反的是四川，由調整之前的非技術有效變為技術有效，說明四川的技術創新效率是高效的，而青海之前處于效率前沿面是受良好的環境條件或較好運氣的影響。

（2）西部純技術效率變動。經過第二階段SFA調整后，西部地區純技術效率值由調整之前的0.745上升到0.891，說明之前受環境因素和隨機誤差因素的影響，西部純技術效率被明顯低估，同時說明西部的資源配置較合理，資源利用水平較高。

（3）西部規模效率變動。經過第二階段SFA調整之后，西部的規模效率由調整之前的0.846下降到0.514；進一步從西部地區各省份比較來看，除四川之外，其余省份均出現了不同程度的下降，其中內蒙古和新疆的下降值分別為0.749、0.626，下降更明顯，反映了剔除環境因素和隨機誤差項后西部地區規模效率更真實的情況，同時說明創新投入規模不足是制約西部高技術產業創新效率提升的瓶頸。

（4）西部規模收益變動。剝離環境因素后，西部所有省份的規模收益均調整為規模報酬遞增狀態，說明環境因素是限制西部地區高技術產業規模擴大的主要障礙，西部各省份在規模收益方面具有較大的發展潛力，后期西部省份可以通過增加創新資源要素投入提升創新效率水平。

3.4 西部高技術產業技術創新效率外部比較分析

為了更深入地分析西部地區高技術產業技術創新的優勢與不足，本文進一步對三大區域高技術產業技術效率變化情況進行比較分析，結果如表6所示，進一步可以看出剔除環境因素之后全樣本高技術產業技術創新效率更真實的分布狀況。從技術效率來看，東部最高、中部次之、西部最差，與三大區域經濟發展水平相一致，同時發現三大區域的規模效率和技術效率呈現同樣的分布狀態，說明西部在創新資源投入規模等方面相比于東、中部仍存在較大的差距；但從純技術效率值來看，西部均高于東部和中部，說明西部雖然創新資源相對不足，但重視創新資源投入結構的合理配置，資源利用效率相對較高。由此可以得出，規模效率是制約西部技術效率提升的主要障礙，國家應進一步加強對西部的關注和扶持，通過進一步增加該區域創新資源投入，擴大創新規模，促進技術創新效率提高。

表6 東中西三大地區樣本高技術產業技術創新效率比較

3.5 西部高技術產業技術創新效率內部比較分析

圖1 西部地區樣本高技術產業技術創新效率分布

為了更清楚直觀地了解西部高技術產業技術創新情況，依據調整后的純技術效率值作為橫坐標、全樣本平均值0.861為臨界值，以調整后的規模效率值作為縱坐標、全樣本平均值0.702為臨界值，高于臨界值的即為高效率、低于臨界值的為低效率，據此可將西部地區高技術產業技術創新效率分為4種類型，如圖1所示。

（1）雙低型，即純技術效率和規模效率值均低于全樣本臨界值，包括甘肅、寧夏及貴州3個省份。說明這些地區的高技術產業技術創新依然受較低的經濟發展水平及有限的創新資源投入等因素的制約和影響。這一類型省份一方面應加大創新資源投入，促進生產規模的擴大；另一方面，應積極調整創新資源配置結構，注重管理水平提高，著力提升資源轉換效率。

（2）高低型，即純技術效率高于臨界值但規模效率低于臨界值的區域，包括廣西、內蒙古、青海、新疆、西藏及云南6個省份。這些地區的高技術產業技術創新與西部地區相對落后的經濟發展水平有密切聯系，同時也受有限的生產規模的影響。這一類型省份在繼續保持高的資源轉換效率優勢的同時，應著重加大創新資源投入，擴大生產規模。

（3）雙高型，即兩個坐標值均高于全樣本平均值，屬于技術創新相對有效的模式，包括四川和重慶2個省份。這些地區的高技術產業技術創新能夠充分利用創新資源優勢保證高產出效率。在今后發展中，西部其余省份應以這些地區為標桿，優化創新資源配置的同時學習其先進管理經驗，從而促進技術創新效率提升。

（4）低高型，即純技術效率較低但規模效率較高，僅包括陜西。說明陜西的高技術產業生產規模已在合理的范圍之內，重點應關注創新資源的消化、吸收及利用，著力提高資源轉換效率。

4 結論及建議

本文利用傳統DEA與SFA相結合的三階段DEA模型分析我國西部地區高技術產業技術創新效率及其影響因素，由于剝離了外部環境與隨機誤差因素對效率的影響，使所有省份處于相同環境、面臨相同運氣，從而使所計算的效率值可以更真實地反映各省份技術創新效率水平。通過研究發現，得出以下結論：

（1）剝離了外部環境與隨機誤差的影響后，西部高技術產業技術創新效率總體處于較低水平，只有四川處于技術效率前沿面，其余省份均有較大提升空間；從分解項看，規模效率較低是制約技術效率提升的主要障礙，西部高技術產業在規模收益上具有很大的發展潛力。

（2）從外部比較來看，西部相較于東、中部，高技術產業綜合技術效率和規模效率在排除環境因素和隨機誤差的干擾后下降更為明顯，而純技術效率上升更高，說明西部高技術產業技術創新更易受到環境的影響。

（3）從內部比較來看，西部各省份高技術產業技術創新效率特征并不一致，異質性明顯，依據純技術效率和規模效率兩個分類指標，可將甘肅、寧夏及貴州3省份歸為雙低型；將廣西、內蒙古、青海、新疆、西藏及云南6省份歸為高低型；四川和重慶屬于雙高型；陜西則屬于低高型。

基于以上研究結論，針對如何更好地促進我國西部地區高技術產業技術創新的良好發展，從而有效促進其技術創新效率提升并帶動區域經濟發展，本文給出以下建議：

一是調整創新資源配置結構，提升創新管理水平。西部地區有限的投入規模及較低的創新資源配置效率共同制約了高技術產業綜合技術效率的提升，后期應進一步強化技術創新意識，積極尋求合作機會，通過舉辦技術項目對接會、高技術人才招聘會、創辦協同創新機構等途徑實現人才、技術、資金等要素的跨區域流動和轉移，擴大創新資源投入規模，在此基礎上優化創新要素配置，調整創新資源配置結構，加強科技成果的轉換、利用，逐步從規模擴張轉變為創新驅動，從而實現規模收益和經濟效益的最大化。

二是優化區域創新環境，促進技術創新能力提升。結合西部地區更易受到環境影響的特征，西部地區在后期發展中，首先應強化政府資金的監管作用，確保資金的高利用率而非盲目投資；其次，在注重區域經濟高速發展的同時要重視經濟發展的質量，在產業結構優化升級及經濟發展方式轉變上多下功夫，注重企業規模的適度擴大，這樣才能更有效地帶動區域高技術產業更好地實現技術創新，從而避免創新資源投入的浪費或粗放利用；最后，繼續加對外開放程度，注重國際間先進技術、管理理念等經驗的合作與交流，從而為高技術產業更好地發展提供借鑒。

三是注重區域創新差異，加大落后地區扶持。各省份應結合自身發展實際，找準技術創新的“病因”，對癥下藥：甘肅、寧夏及貴州3省份應從擴大生產規模及創新管理制度兩方面促進高技術產業發展；廣西、內蒙古、青海、新疆、西藏及云南6省份政府可通過稅收優惠和技術、人才支持等措施給予高技術產業更多的關注與扶持，在保持資源高轉換率的同時重點擴大生產規模，促進高技術產業規模化、集約化發展，提升整體規模效益；陜西的重點在調整創新資源配置結構上，應著力提升資源利用效率；四川和重慶則應在保持現狀的基礎上繼續加強管理創新和規模化發展，從而促進高技術產業向更高水平發展。