江蘇高新技術產業效率評價與驅動因素分析
——基于Malmquist-CLAD的實證檢驗

沈曉梅，李芝辰，王 磊

（1.鹽城工學院 經濟管理學院，江蘇 鹽城 224051；2.河海大學 商學院，江蘇 常州 213022；3.哈爾濱工業大學 管理學院，黑龍江 哈爾濱 150001）

一、引 言

習近平總書記在2015年考察江蘇時指出，希望江蘇省緊緊圍繞率先全面建成小康社會、率先基本實現現代化的光榮使命，努力建設經濟強、百姓富、環境美、社會文明程度高的新江蘇［1］。現階段如何推進“江蘇智造”新實踐、建成“兩聚一高”新江蘇已成為社會各界探討的焦點［2］。而高新技術產業作為國民經濟發展中的先導性、戰略性產業，其全面協調發展對于推動江蘇產業轉型升級、構建新型“江蘇智造”產業體系具有舉足輕重的推進作用［3-4］。2018年江蘇高新技術產業實現產值5.63萬億元，占全省規上工業企業總產值比重的43.77%，對江蘇經濟增長做出了突出貢獻。但現階段江蘇省高新技術產業仍然面臨擁有自主知識產權的高新技術產品較少、產品技術層次和附加值不高等問題，不利于其可持續發展。與此同時，江蘇高新技術產業綜合發展效率雖在全國范圍處于較高水平［5］，但不同行業的發展水平參差不齊，發展效率較低的短板行業抑制了全省高新技術產業綜合效率的提升，制約了江蘇高新技術產業轉型升級的進程。因此，在行業發展異質性角度下分析江蘇高新技術產業綜合效率并探討其解決路徑，對推動“江蘇智造”高效發展、助力“兩聚一高”新江蘇的建設具有重要意義。

目前，學術界對高新技術產業發展的研究多以定性分析與效率測度為主。在定性分析方面，屠文娟和蔡莉利用指標體系評價的方法對江蘇高新技術產業的發展現狀進行了評價測度，指出江蘇省目前面臨“高端產業，低端制造”的問題，高技術、高附加值等產業特征不明顯，應通過產業高端化發展的方式加以解決［6］；黃健元和黃佐邢利用產值、人員數量等統計指標對江蘇高新技術產業的發展狀況展開討論，并利用灰色關聯度模型對江蘇高新技術產業總產值進行了預測［7］；彭燦等認為產出能力在評價突破性創新能力時是非常重要的測量維度，指出高新技術行業未來應重點以產出為導向，吸引高水平創新型人才，最終真正實現行業綜合績效的提高［8］。隨著相關理論的不斷成熟和拓展，數據包絡分析、隨機前沿分析等方法逐漸被學者應用于高新技術產業效率的評估中。王麗等利用數據包絡分析法對國家高新技術產業開發區的運營效率進行了測度分析，指出規模效率與純技術效率是影響高新技術產業運營效率提高的核心因素［9］；易明等利用DEA-Malmquist方法測度了中國高新技術產業技術創新效率，并從優化投入與產出配比等方面提出了改進建議［10］。在影響產業效率內外部因素的驅動效應討論中，由于產業效率值屬于截尾數據，大多數學者采用歸并回歸方法對各因素的影響程度進行分析。唐睿等利用該方法分析了安徽省高新技術產業研發效率的影響因素，指出了產業集聚對產業研發效率的提高具有正向促進作用［11］；王聰等基于此對京津冀科技資源配置效率的影響因素進行了測度，得出產業結構和對外開放程度是影響該效率的關鍵因素［12］；Alberca and Parte則通過兩階段DEA-Tobit模型分析了餐飲服務行業運營效率現狀與影響運營效率的關鍵點，并從投資與成本的角度給出了相應的政策建議［13］。

現階段關于江蘇高新技術產業運營效率評價的研究視角多處于產業宏觀層面，雖有少部分學者從江蘇行業差異的視角進行分析，但大多基于產值、增長率等初級統計指標，對現實的指導作用存在一定局限。因此，從行業異質性的視角出發，利用科學計量模型進行江蘇產業綜合效率測評與優化路徑探討仍有較大的研究空間。與此同時，現階段關于影響行業運營與發展效率因素影響程度的分析大多是基于Tobit回歸模型，但是Tobit方法要求模型數據服從正態分布且不存在異方差，對分布的依賴性強、不夠穩健。在使用該模型時需要對數據進行異方差檢驗以判斷該模型是否可行，否則模型的估計結果將會與實際情況相差較大，但多數研究忽視了這一點。因此，本文將采用在非正態與異方差下也可得到一致性估計的CLAD模型（Censored Least Absolute Deviations）對江蘇高新技術產業效率影響因素進行分析，所得結果將會更加貼合實際。綜上所述，本文將嘗試在行業異質性視閾下進行研究，基于2000-2017年江蘇省高新技術產業細分行業的投入產出數據，利用DEA-BC2模型、Malmquist-CLAD模型測度行業綜合效率及其動態演變趨勢，并分析其具體驅動因素，最終從行業異質性角度為江蘇高新技術產業實現高效率全面發展提供切實可行的政策建議。

二、研究方法與數據來源

（一）DEA-BC2模型構建

數據包絡分析方法（Data Envelopment Analy?sis，DEA）是一種基于多指標輸入、多指標輸出的分析方法，即多要素投入與產出之間的相對效率評價的系統分析方法［14-15］。數據包絡分析方法的基本思想是：首先確定每一時期各決策單元的最佳生產前沿，再用每一決策單元的實際生產同最佳生產前沿進行比較，最終可以測算出所有DMU（決策單元）的綜合效率。DEA模型測算運營效率可以基于投入或基于產出兩種不同的角度，由于江蘇2000年以來市場規則持續健全、投資環境不斷改善，使各行業獲取發展所需的投入資源難度逐漸下降，因此各行業的發展效率差異主要來源于自身的產出效率。本文采用以行業產出為測度導向的DEA-BC2模型來評測江蘇高新技術產業發展的綜合運營效率。本文建立的分析模型如下：

假設有N個不同的行業，每個行業有n種類型的產出和m種類型的投入，Yi和Xi分別表示i行業的產出和投入指標，DMUi表示第i個行業。則：

其中，xbi＞0，表示行業投入（b=1，2，…，m；i=1，2，…，N）。

評價第i個行業效率的模型為：

其中，λj為第i個行業的決策變量系數；θ表示決策單元DMU的相對有效值；E、Y0、X0均為常數項；θ為行業相對效率的評判標準，θ=1且s-=0，s+=0時行業達到了效率前沿面，當θ＜1時行業的效率為相對無效。

（二）Malmquist指數模型構建

Malmquist指數最早由瑞典經濟學家和統計學家Sten Malmqusit在1953年研究消費的過程中首次提出，后來被命名為 Malmquist指數［16］。Malmquist指數模型有以下優點：首先是模型不需要確定投入量和產出量的相對權重，從而降低了數據匯總與處理的難度；其次可以將行業全要素生產率（TFP）分解為技術效率變化和技術進步變化兩個指標，而模型中技術效率變化又可以進一步細分為純技術效率與規模效率。所以利用Malmquist指數模型可以從更細致的角度評測行業的生產效率，較其他生產率評價指數有著不可比擬的優勢。

模型構建如下所示：

其中，全要素生產率TFP被分解為EC與TC兩個部分，EC表示技術效率變化指數，TC表示技術進步變化指數，如果TC大于1表示行業的技術效率改善和技術進步，反之則表示技術效率惡化和技術退步。與之類似，若TEP大于1表示生產效率提高，小于1表示生產效率下降，等于1則表示生產效率不變。

（三）CLAD模型構建

CLAD要求模型的擾動項僅為獨立同分布，該模型可以在截尾數據非正態分布與異方差的條件下可以得到一致估計，并且在一定正則條件下，模型估計量也服從漸進正態分布。模型構建如下：

最終選擇使得模型離差絕對值最小的β，可以得到CLAD估計量β′CLAD。β′CLAD的協方差矩陣可以通過自舉法計算得出。

（四）指標選取與數據來源

由于DEA-BC2模型要求產出指標數據與投入指標數據具有較強的相關性，因此基于國內外關于產業效率測度的研究成果并遵循系統性、可獲取性等原則，本文選取新產品銷售收入（Y1）、利潤總額（Y2）、專利申請數（Y3）作為高新技術行業的產出指標，選取研發機構數（X1）、R&D人員數（X2）、R&D經費內部支出（X3）、新產品開發經費（X4）、政府資金支持（X5）、技術引進與消化經費支出（X6）作為高新技術行業的投入指標。投入產出相關指標的Pearson相關性分析結果見表1所列。

表1 Pearson相關性分析結果

由表1可知，所有產出指標數據均與投入指標數據成顯著正相關（**p＜0.01），且相關系數總體較大，因此，可以利用DEA-BC2模型進行江蘇高新技術產業運營效率的測度。

本文選取2000-2017年江蘇省5大高新技術產業作為初始研究樣本，計算所需數據主要來源于《中國高技術產業統計年鑒》《中國科技統計年鑒》以及《江蘇統計年鑒》。由于年鑒部分統計資料缺失，采用臨近年指數平滑法進行補充和預測，以消除原始數據中0值所造成的模型運行失效。本文對江蘇高新技術行業的劃分主要依據《中國高技術產業統計年鑒》對高新技術行業的劃分。

三、實證結果及分析

（一）基于DEA-BC2模型的行業運營效率分析

利用Deap 2.1軟件對江蘇省5個高新技術行業2000-2017年18組截面數據進行分析，測算得出江蘇省總體運營效率以及各行業歷年發展運營效率。

1.動態發展分析

2000-2005年，江蘇省平均高新技術產業綜合運營效率波動較大，2002年效率減至最低點0.833，于2004年達到最優效率點，隨后效率值呈現出小幅下降。而2005-2017年綜合運營效率則呈現出平穩的發展趨勢，雖有下降壓力，但總體仍然保持在0.9以上的較高水平。這說明江蘇省在21世紀初期受中國加入WTO影響較大，對外進一步開放使外資高新技術行業對江蘇省本土行業造成了較大的沖擊。與此同時，江蘇省政府相關市場規則和法規制度在此時期尚不健全，也一定程度上制約了江蘇本土高新技術產業的發展。但2005年以來，由于江蘇政府相關規則制度逐漸與WTO規則接軌［17-18］，引資引技政策不斷規范化、科學化，市場規則與投資環境改善，為江蘇高新技術產業的發展創造了一個良好的外部環境，有力促進了其高質量高效率運營發展。

2.效率分解分析

2000-2017年，江蘇省高新技術產業平均綜合運營效率與平均規模效率均在0.95左右，而平均純技術效率為0.99，規模效率低于純技術效率，對綜合運營效率產生了較大影響，成為影響產業綜合運營效率的最關鍵因素。江蘇高新技術產業平均純技術效率在歷年發展中除2009年外均高于平均規模效率且始終保持在最優效率水平，說明政府的政策引導與傾斜對江蘇高新技術行業發展過程中技術引進與吸收、基礎科學研究等方面產生了良好的推動作用。但江蘇在高新技術產業園基地規劃建設上仍存在不足之處，雖然產業園數量眾多，但多數產業基地存在規模設計不合理、產業結構雷同等問題［19］，造成了巨大的資源浪費，在一定程度上制約了高新技術產業運營效率的提高。未來江蘇高新技術產業的改革應以改善產業規模為核心，加強產業規模設計的科學性，合理規劃生產能力，實現產業規模經濟效益的高效可持續增長［20］。

3.行業異質性分析

江蘇省醫藥制造業、電子計算機及辦公設備制造業以及醫療設備及儀器儀表制造業的運營效率水平較高，雖有小幅波動但均已達到效率前沿面，明顯領先于其他兩個行業。相比之下，航空航天器制造業與電子及通信設備制造業的規模效率較低使其運營效率水平處于較低狀態，效率值分別在0.8和0.9上下波動，甚至有些年份的效率值低于0.6，同時在近期的發展中面臨著效率下行的壓力。航空航天制造業與電子及通信設備制造業是我國在國際高技術競爭中的重點領域，也是西方發達國家對我國實行貿易制裁的重點對象。因此，未來江蘇相關政策重心應該向這兩個行業傾斜，合理擴大航空航天制造業的規模，同時適當縮減電子及通信設備制造業的規模，著力優化改善兩個行業的規模規劃，實現最優規模報酬，提高其總體運營效率。

（二）基于Malmquist指數模型的行業TFP分析

本文利用Malmquist指數模型進一步測算2000-2017年江蘇省高新技術產業全要素生產率及其變化趨勢。

1.動態發展分析

從2000-2017年的時序動態發展分析，江蘇高新技術產業全要素生產率整體呈下降趨勢，其主要源于產業技術進步增長率整體下降，雖然高新技術產業技術效率增長在某些階段呈上升趨勢，但其增長率遠遠小于技術進步的下降率，并沒有改變全要素生產率的整體下降態勢。

2000-2008年，全要素生產率呈現波動上升的趨勢，該波動原因主要來自產業整體技術進步增長率的波動。值得注意的是，2003-2005年江蘇高新技術全要素生產率下降了76.4%，主要原因是其技術效率與技術進步的共同下降，但技術進步指數增長率降低了69%，是其關鍵因素所在。與之類似，自全要素生產率變化趨于平穩以來，由2009年的1.911下降至2017年的0.944，下降幅度達到50.6%，全要素生產率呈現較大幅度的下降，主要原因同樣源于產業技術進步增長率近50%的下降（見表2所列）。由上述分析可知，技術利用效率與規模效率對產業全要素生產率的作用效應有限，技術進步是影響江蘇高新技術全要素生產率的關鍵因素，產業總體技術進步增長速率的下降會引起不同程度的行業全要素生產效率的降低，而全要素生產率整體下降也在一定程度上體現了江蘇高新技術產業并沒有完全實現高效可持續發展。因此，江蘇高新技術產業在未來整體上應重點加強自主創新能力的培養，加快產業相關核心技術的國產化，減少對外國核心部件的依賴，不斷促進自身技術進步，實現產業的高效率、可持續發展。

表2 2000-2017年江蘇省高新技術產業全要素生產率及分解

2.分解效率分析

2000-2017年，江蘇省高新技術產業全要素生產率水平的平均變化值為1.073，表明江蘇高新技術產業整體效率呈現較高的增長速度。產業平均技術效率變動指數為1.000，整體上與全要素生產率相比較低，表明江蘇各高新技術行業的純技術效率與規模效率的增長對整個產業全要素生產率提高的貢獻十分有限，兩者仍有較大的提升空間。反觀產業平均技術進步指數為1.073，反映出江蘇高新技術產業整體綜合效率水平的提高主要源于各行業的技術進步，技術進步是影響江蘇高新技術產業全要素生產率增長的最主要因素。

3.行業異質性分析

2000-2017年，除醫療設備及儀器儀表制造業，其他行業全要素生產率均大于1，其中以醫藥制造業以及電子計算機及辦公設備制造業發展最為顯著，其全要素增長率分別為13.9%、13.2%，為江蘇高新技術產業全要素生產率的提高做出了突出貢獻（表3）。而各行業的技術效率值均在1.000左右，說明其全要素生產率的增長主要源自行業內部的技術進步。醫藥制造業與電子計算機及辦公設備制造業的技術水平提高明顯，未來應該將發展重心向提高技術效率與規模效率傾斜，以實現自身綜合效率的進一步提高；航空航天器制造業與電子及通信設備制造業技術進步較前兩者相比較低，保持在6%左右的增長幅度，今后應該加大自主創新能力的培養，減少對引進技術的依賴，同時也應合理設計自身的發展規模，避免規模過小或過大而造成行業規模效益的缺失；醫療設備及儀器儀表制造業由于自身技術水平有限而造成行業全要素生產率僅為0.975，呈現明顯的衰退跡象，未來應加大行業創新資源的投入力度，提高行業自身整體的技術水平。

表3 2000-2017年江蘇省各高新技術行業平均全要素生產率及分解

（三）基于CLAD模型的江蘇高新技術產業TFP影響因素研究

本文選取前文投入產出數據中的研發機構數、R&D人員數等6項投入作為回歸模型的解釋變量，將江蘇高新技術產業細分行業全要素生產率指數（TFP）作為模型的被解釋變量，并借助Stata15.1軟件進行CLAD模型的運算。同時采用對數化方法以減少解釋變量中多重共線性與量綱對模型估計值的影響。由于2017年原始數據存在較多空缺，為保證模型結果的穩健性，僅采用2000-2016年數據進行CLAD檢驗。模型具體構建如下：

其中，每個解釋變量均表示行業i在第j年的值，μ為模型隨機干擾項。

模型回歸結果見表4所列。

表4 CLAD模型回歸結果

從總體水平來看，研發機構數、R&D經費內部支出以及技術引進與消化經費支出的增長對江蘇高新技術產業的全要素生產率存在一定的阻礙作用，其中以R&D經費內部支出的阻礙作用最為顯著。與之相對，R&D人員數、新產品開發經費、政府資金扶持對江蘇高新技術產業的全要素生產率起到了正向推動作用，其中以R&D人員和新產品開發投入的作用效應最強。江蘇高新技術產業雖然自身內部開展R&D活動如基礎研究、應用研究、試驗發展等項目的經費投入不斷上升，但其利用效率較低，大量的資金投入造成了資源冗余；同時也由于高新技術產業基礎研究等領域的技術開發難度較大、研發到實際應用周期長等原因，在一定程度上制約了成本投入的回收，最終沒有達到促進產業技術進步的目的。而新產品開發經費投入相較于基礎研究等而言投入周期短、風險低、資金需要量相對較少，可以在較短時間內促進行業的科技創新。R&D人員作為高技術產業科技創新的主要貢獻源，其數量和質量是影響技術進步的重要因素［21］。江蘇作為教育大省，各高校為其高新技術產業的發展提供了大量高水平人才，有力地推動了江蘇高新技術產業整體的技術進步。需要指出的是，目前江蘇高新技術產業園數量較多，但由于其結構規劃相似、同質化競爭明顯，導致江蘇研究機構數量雖在逐漸增長，卻未能有效促進產業技術進步。

從細分行業來看，由于所涉及的細分行業較多，文章篇幅有限，本文以行業全要素生產率較低的醫療設備及儀器儀表制造業為例進行分析。醫療設備及儀器儀表制造業中，R&D人員數、新產品開發經費、政府資金扶持這三項指標的回歸系數為負值，其投入量的增加對該行業的技術進步起到了一定的阻礙作用。該行業R&D人員數量雖在逐漸增長，但相關人員質量相對較低，沒有完全發揮相關人員的研究潛力；由于行業的規模較小且企業數量較多，單個企業的自主創新能力較差，產品的開發以仿制為主［22］，導致其新產品開發經費與政府扶持資金的投入雖然逐年增多，但未能從根本上促進該行業的技術進步。而醫療設備及儀器儀表制造業的研發機構數、R&D經費內部支出以及技術引進與消化經費支出這三項指標的回歸系數為正，其數量上的增長有效促進了行業的技術進步，說明該行業的技術進步主要來源于相關研究機構以及對外來技術的學習，通過對基礎研究的投入來促進行業的技術創新。因此，未來醫療設備及儀器儀表制造業應合理控制研究人員規模，吸引核心關鍵技術人才，營造良好研究氛圍，避免單純追求人員數量增長而造成的創新效率低下，同時減少對仿制等低效創新開發的投入，將研發的重點放在基礎領域，加強對國外先進技術學習，實現本行業的技術進步。

四、結論與政策建議

（一）主要結論

（1）江蘇各高新技術行業運營水平普遍較高，總體呈現增長趨勢，但各行業間差距較為明顯。高新技術行業中醫藥制造業、電子計算機及辦公設備制造業、醫療設備及儀器儀表制造業平均運營效率均已達到或接近最優效率前沿面，但航空航天器制造業與電子及通信設備制造業由于受到自身規模效率較低等因素的影響，使其自身的綜合運營效率較低，運營水平距最優效率前沿仍有較大的提升空間。

（2）技術進步是推動江蘇省高新技術產業全要素生產率增長的關鍵因素，而規模效率對其變化的驅動程度較小。2000-2017年，江蘇高新技術產業全要素生產率平均增長7.3%，其中技術進步增長貢獻率超過90%，行業技術創新是其生產效率提升的核心動力。但需指出的是，行業技術水平若產生較大的波動甚至出現停滯的情況，也會對總體全要素生產率產生不容忽視的負面影響。如江蘇醫療設備及儀器儀表制造業雖運營效率較高，但由于其技術進步受阻而最終導致其全要素生產率僅為0.975，使行業生產發展面臨一定的下行壓力。同時，江蘇省高新產業技術效率水平較低，對全要素生產率提高的貢獻較小，江蘇2000-2017年技術效率平均為1.000。技術效率的變化主要來源于產業規模的變化，而純技術效率變動的貢獻十分有限，反映江蘇省高新技術產業勞動力、資金、經費等投入結構組成尚未達到最優配比，在一定程度上制約了江蘇高新技術產業全要素生產率的提高。

（3）江蘇高新技術產業全要素生產率影響因素的驅動效應差異顯著，同時各行業技術進步的各影響因素作用程度差異較大，同一影響因素在不同行業中的作用效果差別較為明顯。產業研發機構數、R&D經費內部支出以及技術引進與消化經費支出的增長對江蘇高新技術產業總體全要素生產率存在一定的阻礙作用，其中以R&D經費內部支出的阻礙作用最為顯著；而R&D人員數、新產品開發經費、政府資金扶持則對其起到了正向推動作用，其中以R&D人員和新產品開發投入的作用效應最強。江蘇省高新技術產業18年間產業的總體技術進步主要來源于各行業高水平人才引進與培養、經費等投入的持續增長，但由于政府科研經費的投入主要面向各大研究院所、高等學校等，加上現階段高校、研究院所與企業的“產學研”創新模式尚未完全形成，導致政府科研經費的支持對整個高新技術產業全要素生產率提高的作用較為有限。

（二）政策建議

針對研究結論，本文從行業異質性角度為江蘇省高新技術產業未來高質量可持續發展、構建新型“江蘇智造”產業體系提出相關政策建議。

（1）合理規劃行業規模，實現最優規模報酬。江蘇省5大高新技術行業中，醫藥制造業、電子計算機及辦公設備制造業以及醫療設備及儀器儀表制造業的規模效率已達最優效率前沿面，其未來發展的重心應聚焦于自身技術的改進與技術利用效率的提高；航空航天器制造業與電子及通信設備制造業的規模效率較低，有較大提升空間，其未來發展應將重心偏向于行業規模的優化。航空航天器制造業作為一種投資回報周期長、技術壁壘較高的行業，市場準入門檻較高，較少有新企業進駐該行業，導致其行業發展規模較小。因此政府可以調整現有高新技術產業園基地的產業結構，通過優惠政策、資金扶持等方式吸引國內外優秀的航空航天器制造企業進駐江蘇，同時也進一步加強對現有企業的支持力度，最終擴大該行業發展規模至最優水平。而電子及通信設備制造業由于市場進駐難度較小，滿足行業要求的人員基數較多，使得該行業發展規模相對過剩，因此政府可以通過相關制度適當抬高該行業的準入門檻，合理控制行業新進駐企業數量，促使電子及通信設備制造業發展規模逐漸下降至最適規模，實現行業的最優規模報酬。

（2）針對行業異質性特點，落實差異化改進策略。在行業人員數量方面，醫藥制造業、航空航天器制造業與電子及通信設備制造業應進一步擴大高質量人才的引進規模，吸引高水平創新型人才，通過完善人力資源管理機制、加強人力資本的投資與管理［23-24］，使行業實際生產能力水平達到最優；電子計算機及辦公設備制造業與醫療設備及儀器儀表制造業則應適當控制行業用人規模，促進行業人力資源合理配置，提高運營效率。在經費投入方面，醫藥制造業與航空航天器制造業應削減經費的投入，提高經費投入的利用效率，降低無效資金冗余率；電子及通信設備制造業、電子計算機及辦公設備制造業和醫療設備及儀器儀表制造業則應適當削減新產品開發的經費投入，增加基礎研究、試驗開發等方面的投入，立足于自主研究，加強對引進技術的消化吸收，不斷提高自身技術創新能力。在政府扶持方面，政府應進一步加強對醫藥制造業與電子及通信設備制造業的資金扶持力度，適當縮減對航空航天器制造業、電子計算機及辦公設備制造業和醫療設備及儀器儀表制造業的干預；同時應制定相關政策切實推動江蘇“產學研”創新平臺建設與發展，促進技術創新中所需的各種生產要素有機融合，充分利用市場導向推動科研成果向商業化、民用化發展，促進科研成果的潛在生產力向實際生產力轉變。