新常態 “創新驅動發展戰略”實施前后規模以上工業企業研發創新效率比較研究
——基于DEA-Malmquist指數方法的實證分析

（遼寧大學經濟學院，沈陽 110036）

引 言

2014年8月18日，習近平主席主持召開中央財經領導小組第七次會議，研究實施創新驅動發展戰略，自此，創新驅動發展戰略進入加快實施階段。同年11月9日習近平主席在亞太經合組織工商領導人峰會開幕式上發表演講，指出 “從要素驅動、投資驅動轉向創新驅動”是 “新常態”動能轉換的重要特點。“創新”將有力驅動“新常態”［1］。規模以上工業企業憑借自身強大的經濟實力與堅實的人力物力科研基礎，一直是國家研發創新的中堅力量，能夠在很大程度上體現整個工業乃至整個經濟的創新狀況。因此，對規模以上工業企業的研發創新效率進行深入研究，能夠有效反映科技創新活動最基礎、最主要、最本質的特點規律。

近年來，我國工業結構逐步優化，創新能力和技術水平不斷提升，建立了世界上最完備的工業體系。對全國各地區規模以上工業企業研發創新最新效率表現及其變化趨勢進行系統歸納總結，摸清規上工業企業研發創新狀況的地域特征，并且通過對新常態下實施創新驅動發展戰略前后各熱點區域工業企業的研發創新現狀進行比較分析，可以檢視國家重大戰略的實施效果，發現不同地區存在的不同問題并進行下一步調整改進，對新常態下進一步優化工業企業研發創新資源投入，從而提升各地區的研發創新效率具有重大戰略指導意義。針對新常態下創新驅動發展戰略實施前后工業企業研發創新效率的比較研究，國內外還鮮有學者涉及，這也是本文的主要研究特色。

對企業研發創新效率評價方法的研究中，模糊評價法、粗糙集方法、VIKOR法、TOPSIS法等均有所應用， 杜棟［2］、 楊忠敏［3］對評價企業技術創新能力的方法進行系統研究總結后認為，DEA方法在對企業研發創新效率進行評價時有其獨到優勢，其不但能夠對研發創新的投入與產出兩方面同時進行評價，測度投入產出相對效率，而且可以較好的處理分析指標量綱不同以及指標相對權重確定的問題，能有效排除主觀因素影響，得到更為客觀的評價結果。

運用DEA方法對工業企業研發創新效率進行的相關研究中，楊勇松和吳和成認為對企業的R＆D活動合理評價，應該注意防止由某一年R＆D投入的自然波動引發各年評價結果大相徑庭的問題，對各個地區進行R＆D效率總體評價發現，R＆D活動在利用效率以及投入規模上存在顯著差別［4］。唐清泉等通過DEA方法測算了大中型工業企業的行業R＆D效率，認為1999～2006年間大中型工業企業33個行業的R＆D效率沒有顯著提升，投入強度大的行業不具有天然效率優勢，創新效率的提升不容忽視［5］。許敏和謝玲玲基于BCC-DEA模型對區域技術創新的效率值進行分析，研究了大中型工業企業技術創新效率的區域差距［6］。馮志軍等運用DEA方法對2001～2010年間大中型工業企業的研發創新全要素生產率加以測度，發現主要是國外技術引進推動了研發創新全要素生產率的增長［7］。李宏雷對2010年大中型企業R＆D活動進行DEA分析，發現只有1／3地區R＆D效率有效，并且探討了 R＆D效率提高的路徑［8］。晏蒙和孟令杰選取DEA方法對各地工業創新效率進行比較研究，認為2011～2013年大多數省區工業科技創新綜合效率未達最優，各地區的工業創新效率差距在3年間逐步變小［9］。陳四輝運用DEA方法對各地區規模工業創新績效進行分層聚類研究，認為70%的地區有效率，層次、比例以及松弛方面應該成為創新效率較低區域創新績效提高的著力點［10］。向小東和林健運用DEA方法對2013～2015年工業細分行業的創新效率進行了研究，發現35個細分行業的全要素生產率大部分都在不斷提高，技術進步構成了研發階段全要素生產率正增長變化的主要動力［11］。王義新和孔銳對36個工業細分行業的科技創新效率進行分析發現，規模以上工業企業科技創新效率具有特別明顯的行業差距，整體效率的提高受規模效率與純技術效率的約束，同時，資源投入的合理配置需要高度重視依據行業特點進行［12］。以上將DEA方法應用于規模以上工業企業研發創新效率的研究中，一部分側重于對工業創新效率按細分行業進行分析，還有一部分側重于針對創新效率區域差距展開研究，但都普遍體現出了DEA方法在工業企業技術創新評價中直觀性強、可比性好的優良特點。

值得一提的是，針對企業研發創新效率評價方面，許多研究基于截面數據對企業研發創新狀況進行分析，這樣評價結論受某一年度或者某些特別數據的影響較大，且無法有效表征某個時間區間內研究變量的整體概貌及其動態變化狀況，而從面板數據的角度進行綜合評價能夠有效彌補以上缺憾。本文選用DEA-Malmquist指數方法，基于2012～2017年各地區規模以上工業企業研發創新的面板數據，以2014年創新驅動發展戰略部署實施元年為界分為兩個時段分別進行量化分析，對研發創新效率變化的時序演進與全要素生產率地區差異特征進行系統研究。需要強調的是，本文分別基于2012～2014年與2015～2017年兩個3年期面板數據信息以排除單年度截面數據偶發因素影響，綜合考察各地區規模以上工業企業研發創新活動效率在創新驅動發展戰略實施前后連續3年的狀況，將以更高的自由度、更高的估計效率、更加全面地反映兩個比較時段創新效率的動態變化特征。

1 研發創新評價指標體系與DEA-Malmquist指數評價方法

由于各省規模以上工業企業研發創新發展水平影響因素比較多而且復雜，在進行大量文獻研究的基礎上，確立最終評價指標體系如表1所示。

表1 研發創新投入、產出指標體系

續 表

投入指標方面，主要篩取經費、人力以及絕對項目數三大領域指標，產出指標方面，篩取新產品盈利以及專利、技術等最終成果指標；規模以上工業企業5個投入指標變量，4個產出指標變量恰當準確地表征了規模以上工業企業投入、產出的各個方面，無缺項無冗余；全部指標皆可在中國國家統計局最新數據庫中精確找到對應指標項，可較好地應用于規模以上工業企業創新評價研究。

對規模以上工業企業研發創新投入產出變量進行DEA分析，采用基于產出的具有非阿基米德無窮小的DEA規劃模型。設有n個決策單元，每個決策單元DMUi有m種類型的輸入和k種類型的輸出，分別用輸入變量Xi和輸出變量Yi表示。Xit＞0表示第i個決策單元的第t種類型的輸入量；Yir表示第i個決策單元的第r種類型的輸出量。對每一個決策單元，產出導向下對偶形式的DEACCR模型規劃表達式如下：

其中，ε為非阿基米德無窮小，本文中取ε＝10-10， 且有ε＞0，e1＝（1，1，1，…，1）T∈Em，e2＝（1，1，1，…，1）T∈Ek， 以上即為模型 （1）； 模型（1）中，θ為決策單元的效率值；s+、s-為松弛變量；在模型 （1）中，施加凸性約束條件1），即為DEA-BCC模型。

前述靜態DEA-BCC模型分析是建立在一個考察期內生產技術不變基礎上的，要細致考察刻畫從2012～2017年生產技術發生變化情況下的研發創新效率的動態變化，更好地適應面板數據，需要進一步引入研發創新的Malmquist指數，即運用距離函數，求出可作為垂直比較分析的Malmquist生產率指數：

Malmquist指數反映的是某決策單元在兩個時期的相對效率，Malmquist指數大于1，表示第t期到t+1期的效率水平增長；小于1表示下降；等于1表示未變化。

在規模報酬不變假設下，生產率的變化受技術進步和技術效率變化的影響，Malmquist指數可分解為技術效率變化指數 （TEC）和技術進步指數 （TE）連乘，分解過程如下：

允許規模報酬可變，技術效率變動 （ΔTEC）又可以進一步分解為純技術效率變動 （ΔPTE）和規模報酬變動 （ΔSE）的乘積，Malmquist指數可以進一步分解為技術進步指數、純技術效率指數與規模效率指數的連乘，也即：

數據選取方面，應用于分析的數據全部嚴格按以上構建的評價指標體系選取；采用2012～2017連續6年中國30個省市 （考慮到數據的可獲得性，西藏及港、澳、臺地區除外）規模以上工業企業包含5個投入指標變量、4個產出指標變量的面板數據；以2012～2014年3年面板數據為參照組，以2015～2017年3年面板數據為實驗組進行兩階段比較研究，全部數據來自于中國國家統計局2019年最新數據。

本文通過DEAP 2.1軟件對2012～2014年與2015～2017年兩組面板數據進行分析，測度全國30省市規模以上工業企業研發創新的全要素生產效率及其分解效率，運用Malmquist指數方法全面的評價從2012～2017年兩階段各地規模以上工業企業研發創新效率變化，測度創新驅動發展戰略實施前后30省市比較單元的總體效率及各項分解指標是否有所提高，評估研發創新活動效率的變化是否具有持續性以及戰略規劃實施運用的總體效果。

2 基于DEA-Malmquist指數的規模以上企業創新能力分析

2.1 研發創新效率時間跨度整體分析

縱觀2012～2017年整個研究時域，TFP指數值均大于1，表明全要素生產效率每年皆有所上升，從2013～2014年到2015～2016年之間在創新驅動發展戰略實施首年增幅較為明顯，而純技術效率PTE指數、規模效率SE指數以及技術進步變化PE指數各項分解指數在整個研究時域內呈現波動上升態勢，各年情況具有不同特點。

表2 2015～2017年間全國規模以上工業企業每年平均Malmquist指數

圖1 2015～2017年Malmquist指數及其分解指數變化

2017年相較于2016年規模以上工業企業研發創新全要素生產效率分別為1.074與1.029，需要強調的是，這只是在更高初始值上增速的微幅回落，2016年全要素生產效率值可能受到單年度截面數據某些特有因素影響；2015～2017年與2012～2014年兩個階段規模以上工業企業研發創新全要素生產效率TFP指數平均值均大于1.5，表明都在快速上升。

對比創新驅動發展戰略實施前后參照組與實驗組各項指數3年期平均值，技術效率變化TEC指數與技術進步變化TE指數在創新驅動發展戰略實施后均有所增加，值得一提的是，這是全國各省區比較單元的平均值，即表征宏觀范圍內的整體提高，更具細化指導意義的各比較單元各區域的變化情況千差萬別，將在下文詳細展開。

2.2 研發創新效率分熱點區域分析

（1）京津冀區域

創新驅動發展戰略實施后，2015～2017年北京市DEA-Malmquist全要素生產率變化7.2%，有較為顯著提高，且其變化主要依賴于技術進步因素，對比2012～2014年北京市TFP指數大幅提高5.4個百分點，表明創新驅動發展戰略極大促進了北京市規模以上工業企業研發創新效率的提升。對比前后兩組數據，天津市Malmquist全要素生產率指數幾乎未發生任何變化，但TFP指數的提高由原來的規模效率變化和技術進步共同作用轉化為創新驅動發展戰略實施后的主要由技術進步推動。河北省情況較為復雜，相比于2012～2014年的表現，除規模效率SE指數小幅上升外，由于Malmquist各分解指數的下降最終引致2015～2017年河北省全要素生產率TFP指數下降到微幅小于1的水平，表明河北省全要素生產效率近3年整體呈現下降趨勢，創新效率水平有待提高，中央推動加快創新驅動發展戰略實施以來，河北省TFP指數及各分解指數未升反降，其中深刻原因值得反思，從部署落實到深層次結構性問題都需要仔細尋因，同時表明河北省研發創新在京津冀區域內是一塊洼地，提高空間較大。京津冀三地表現參差不齊，京津冀要實現協同發展，實現區域一體化還需要克服許多壁壘，京津冀三地規模以上工業企業在研發創新上需要共同進步、以強扶弱、優勢互補、深度融合。

表3 30省市規模以上工業企業研發創新Malmquist指數

（2）長三角經濟區

上海市在2015～2017年DEA-Malmquist全要素生產率增長12.7%，位居全國范圍前列，相比于2012～2014年大幅擴大7.5個百分點，同時由主要依靠技術進步帶動轉變為由其全國首屈一指的科技研發創新優勢與技術效率提升共同推動，創新驅動發展戰略的實施極大促進了上海這一科技型城市與國家重大戰略先行試驗區研發創新效率，政策助推效應明顯。

長三角經濟區域內江蘇省、浙江省近3年研發創新效率均有所回落，從其Malmquist分解指數來看主要由于技術進步放緩，未能實現2012～2014年依托技術進步實現研發創新效率快速提升，創新驅動發展戰略實施后技術吸收轉化能力在高起點上需要再提高，但需要指出的是這很大程度上源于處于高水平上的增速減緩，不是絕對值的斷檔式下跌，仔細分析原始數據來看，長三角經濟區研發創新成果產品化、市場化效率高，專利技術市場交易活躍，長三角經濟區依然是我國研發創新效率較好的地區。

（3）泛粵港澳大灣區

廣東省處于粵港澳大灣區核心區位，是2012～2017年全國30省市規模以上工業企業效率全要素生產效率DEA-Malmquist指數測度中，表現上佳者；DEA-Malmquist指數各項分解指標在創新驅動發展戰略實施前后均為1，純技術效率處于相對最優狀態且連續多年非常穩定，在全國30省市比較單元中鳳毛麟角。創新驅動發展戰略實施后，廣東省在技術水平已相對較高的情況下，技術進步變化TE指數為1.034，表明廣東省技術吸收轉化能力依然強勁，研發創新依然活躍；研發創新全要素生產效率DEA-Malmquist指數近3年增長3.4個百分點，增長水平較高。

粵港澳大灣區核心區周邊的海南與廣西，在創新驅動發展戰略實施后均實現了技術進步變化TE指數的大幅提升，特別是廣西，最終促使其全要素生產效率TFP指數相比于2012～2014年躍升近12%，創新驅動發展戰略的實施對其研發創新效率的提升作用非常顯著。國家創新驅動發展戰略的實施，在中央層面統籌推進下，還要充分發揮中心區域的 “重點支撐”功能，協同推進，形成多極發展的創新驅動格局［13］。泛粵港澳大灣區就是一個很好的例子，廣東省中心引領，廣西與海南積極跟進，多極發展。

（4）東北老工業基地

東北老工業基地內，吉林省全要素生產效率TFP指數相比于2012～2014年提高28.2個百分點，是全國30省市中間全要素生產效率增幅最大者，表明創新驅動發展戰略實施3年來吉林省對研發創新的高度重視，技術利用使用效率在提高，研發成果轉化效率高，新產品盈利較好，研發創新效率水平不斷提高，近3年進步非常明顯。黑龍江省最突出的是純技術效率有明顯提升，上升17.3個百分點，同時近3年規模效率與技術進步也均有所提升，表明研發創新活動組織管理得當，投入產出比在創新驅動發展戰略推動下顯著提高，是東北三省的佼佼者。遼寧省是東北老工業基地內工業研發實力最雄厚的中心地區，是先進戰機、航母等軍工裝備搖籃，沈飛集團、鞍鋼集團均設有大型研究院所，華晨寶馬在新能源汽車領域頗有建樹，遼寧省研發創新本身長期處于較高水平，2015～2017年遼寧省在創新驅動發展戰略推動下規模效率SE指數進一步提高，同時主要依托技術進步TE指數促使全要素生產效率DEA-Malmquist指數相比之前進一步上升。綜合來看，創新驅動發展戰略在東北老工業基地三省區內實施成效顯著，三省區研發創新效率水平均有所提高，創新驅動發展戰略極大改變了東北老工業基地研發創新活動面貌，正在促使老樹開新花，迸發新活力。

（5）中部六省區

創新驅動發展戰略實施后江西省表現最好，DEA-Malmquist指數上升明顯，純技術效率變化PTE指數與技術進步TE指數的提高共同助推全要素生產率增加12.3個百分點。其余山西、河南、安徽、湖北、湖南5省區皆呈下降態勢，且降幅均處于10%左右，中部5省區的一致性不佳表現發人深省，較為引人注目的共性問題是技術進步TE指數表現不如從前，突出表現為新興技術的引進利用與先進研發手段的運用沒有跟上時代步伐，研發創新投入人力、經費、技術利用使用效率較差，投入資源大量浪費，創新成果轉化率低下。整合來看，中部山西、河南、安徽、湖北、湖南5省區調結構壓力頗大，都需要注意促使技術引進吸收方面能力發生積極變化，從提高研發資源利用效率、成果產出率、新產品盈利能力方面著手提升全要素生產效率，提升研發創新活動整體效率。

（6）長江經濟帶上游區

長江經濟帶上游區川渝滇黔四省市與中部5省表現類似，2015～2017年Malmquist全要素生產效率及技術進步變化指數、純技術效率變化指數等各項分解指數幾乎一致性下降，部分指數指標跌幅頗大，創新驅動發展戰略未能切實在長江經濟帶上游區四省市生根發芽，整個戰略規劃與部署落實需要重新檢視，發現、研究、解決存在的問題，當前不利局面亟需徹底扭轉。長江經濟帶上游區與下游區表現天差地別，成渝都市圈作為西南經濟中心，未來應充分發揮其核心城市吸納科技人才、吸收資金的巨大優勢，充分發揮其西部大開發經濟社會發展引擎的戰略作用，帶動整個長江經濟帶上游區促進資源投入利用效率提高，進而提升純技術效率與研發創新活動全要素生產效率。

（7） 西部地區

相較于參照組，2015～2017年西部地區內蒙古與陜西省全要素生產效率皆有較大增加，TFP指數分別提高12.9與12.5個百分點，甘肅、寧夏全要素生產效率TFP指數也有明顯提高，且均表現為主要由純技術效率變化PTE指數推動全要素生產效率發生較大積極變化，表明創新驅動發展戰略實施以來，西部地區后發優勢充分發揮，研發創新活力充分激發，地方政府較為重視，創新活動組織管理有效，從而促進了研發創新效率的快速提升，創新驅動發展戰略對以上四省區研發創新效率的提升助推作用顯著。同時注意到西部地區青海、新疆兩地TFP指數有所下滑，說明雖同屬西部地區但各地表現也參差不齊，主要源于技術進步TE指數拖累，其余各項分解指數并未下降；西部地區研發創新效率水平總體態勢積極向好。

3 結 論

綜合全文實證及比較分析，得出如下結論：

（1）創新驅動發展戰略對大多數區域創新效率的提高推動作用顯著。總覽全國各熱點經濟區域，大多數區域研發創新效率呈現出積極變化，中央層面的整體創新促進戰略在大多數地區生根發芽并開花結果，全要素生產效率指數及各項分解指數的提高充分說明了由高層統一擘畫全面推進的創新驅動發展戰略對研發創新效率的提升產生了極大的促進作用。實施創新驅動發展戰略，必須著力構建以企業為主體、市場為導向、產學研相結合的研發創新體系，保護知識產權，結合不同地區的不同特點，促進科技同產業深度融合，注重用新技術新業態改造提升傳統產業，促進傳統動能煥發生機，推動新動能在所有地區都能夠不斷發展壯大。

（2）區域間研發創新各項效率指標表現參差不齊。綜合分析發現，創新驅動發展戰略實施以來，研發創新效率地域差異頗大，表現參差不齊。全要素生產效率、純技術效率、技術進步指數以及規模變化指數并未呈現出 “東部＞中部＞西部”的明顯特征，沒有表現出東、中、西部效率呈階梯式遞減規律分布。結合前述部分進行的熱點區域研發創新效率橫向比較分析發現，創新驅動發展戰略實施后3年里，研發創新效率的區域間差異突出表現為上海市、北京市以及廣東省等改革開放先行區效率水平依然較高且在創新驅動發展戰略推動下增速較快，中部六省區與長江經濟帶上游區川渝滇黔4省市效率水平增速放緩，而西北部地區后發優勢初顯且效率近年提升較快。

（3）部分省市研發創新效率未升反降需要仔細尋因。全國30省市研發創新效率差異巨大，一些區域整體偏離較大，部分省市下降幅度特別大，該連續下降趨勢引人深思，值得深究。不同省市基于不同的研發創新實力基礎與發展特點會導致一些天然差異，但結合分區域量化分析發現，創新驅動發展戰略實施后中部5省區與長江經濟帶上游區川渝滇黔4省市效率水平增速放緩呈現出集中連片特點，多個鄰近省區市或者發展水平相近地區表現出共同特征，故而其深層次結構性問題不容忽視，需要深入尋因并進一步解決。中部5省與川渝滇黔4省市在研發資源配置及經費、人員管理利用上處于低效下降狀態，研發創新資源浪費或未有效利用的現狀需要改變。

（4）新常態下積極推動研發創新區域內協同發展與跨區域幫扶。綜合效率近年呈現低水平低增速的區域亟需借好利好戰略 “東風”全面改善當前現狀，單純依靠規模擴張來獲取研發創新經濟效益增長的發展模式不能長久持續，各地謀求全面共同提高企業研發創新效率，要加強區域內外科研成果與先進技術的交流與共享，促進跨區域技術引進，提高科技成果轉化率。新常態下，注重研發創新區域內協同發展與跨區域幫扶，統籌科技資源，深化企業研發子系統與高校子系統、科研機構子系統間的互動聯系，確保 “引進來”與“走出去”相結合，積極構建區域共同創新網絡，進一步加強研發創新、科技發展、成果市場化的區域整合與省域協同創新。

（5）新時代創新驅動發展戰略實施過程中政府大有可為。對比研發創新效率中部5省區近年的頹勢與東北老工業基地3省區的良好表現可以發現，創新驅動發展戰略實施過程中政府其實可以大有作為。巨大的反差同東北3省區政府注重創新驅動增強工業核心競爭力，不斷完善政策，配合國家層面的創新驅動發展戰略實施息息相關，政府體制機制方面的改革切實為全面振興老工業基地增添了不竭原動力。中國工業歷經70年戰略演進，取得了令世界矚目的成就，新時代新征程，創新驅動離不開政府的大力推動，政府作為科技創新的特殊中介者與公共產品的提供者，要積極運用財政稅收工具對企業創新活動的激勵功效［14］，發揮好政府引擎的作用重點與作用方式；同時，政府要根據不同的經濟發展階段對行政、決策體制進行與時俱進的改革［15］，持續營造利于技術創新的政策環境，以提升區域創新競爭力，不斷探索新時代實施創新驅動發展戰略的新路徑。

（6）高質量發展進一步推動研發創新效率再上新臺階。新時代經濟轉入高質量發展階段，對創新活動提出了更高要求，集約、高效是 “高質量”的內在特質，這都與效率的提高深度契合。創新驅動發展戰略實施后上海、北京等地區技術進步指數推動全要素生產率進一步大幅上升，兩地位于國內創新前沿，在規模指數與純技術指數連續多年達最優狀態情況下，現已表現為主要依靠技術進步指數引擎推動，促進技術進步指數的上升成為全要素生產效率提高的核心，這體現了高質量發展的內在要求，由技術進步與純技術效率 “軟實力”領域推動的創新活動效率的提高是新時代新階段應追求的方向，而非依舊停留于關注要素投入配置是否有效。研發創新活動中的技術創新與組織管理創新相輔相成，保證技術進步在研發創新活動方面發揮中堅作用，將賦能創新驅動 “二次”轉型，這反映了效率提升過程中的“高質量”，高質量發展要促使創新要素活力競相迸發［16］，進一步推動研發創新效率再上新臺階。