我國工業企業產品創新活動全要素生產率研究
2020-09-02 00:36:45原永鵬趙蕾
大經貿 2020年6期
原永鵬 趙蕾
【摘 要】 在中國制造2025和供給側改革的背景下，構建了創新活動要素投入和產出的評價體系，并通過Malmquist指數分解法對我國工業企業創新活動效率進行了實證分析，為各地區提升產品創新活動的全要素生產率探尋內在機理。
【關鍵詞】 全要素生產率;M指數;產品創新要素
前 言
科學研究與試驗發展（Research and Development，R&D，以下簡稱R&D）在是指在科學技術領域，為增加知識總量及運用這些知識去創造新的應用而進行的系統的創造性活動，分類為基礎研究、應用研究、試驗發展。
據2020年4月2日，中國科學技術部通過官網發布最新完成的2018年中國R&D經費投入和人員發展分析顯示，2018年，中國R&D經費繼續保持穩定增長態勢，R&D經費總量接近2萬億元（人民幣，下同），僅次于美國，居世界第2位。早在2016年，世界經合組織在
十九大報告中提出，“我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期。”雖然中國在產品、企業、產業三個層面持續發展，創新要素投入的增加帶來創新能力提升，形成區域內產業競爭優勢。但缺乏科學、合理的創新要素投入，導致我國某些地區出現了諸如規模效應遞減、創新產出效率低下、經濟增長萎靡不振的問題。研究如何進行產品創新效率的測度、創新要素結構的優化、創新效率的提升，具有重大的理論和現實意義。
一、文獻綜述
（一）創新要素的概念和分類
創新要素包括的范圍比較廣，分為創新主體要素（高校、科研型企業、服務中介以及科研機構等）、創新投入要素（政府部門、企業研發部門以及金融風投等資金和設備投入以及創新資源要素（人力資源、信息資源以及知識資源等）[1]。創新要素之間存在既相對獨立又相互協同的體系化關系，比如政策要素、資金要素、人力要素、技術要素、服務中介要素、管理要素等之間具有“1+1>2”的集聚效應[2]。
（二）創新要素結構與創新效率
企業創新要素的投入數量以及投入結構將會很大意義上決定企業創新活動的規模和質量，最終將反映在企業的創新績效上。早期學者采用研發產出和研發投入之比進行創新效率的簡單測算，但不能反映出不同創新要素對創新效率影響的權重[3]。之后的研究，廣泛應用最小二乘的回歸分析，通過計算創新要素的彈性系數從而反映對創新活績效的影響[4]。現階段，數學規劃法、前沿分析法在經濟學相關效率測度上的應用得到國內學者廣泛接受。創新績效的測度除了方法的選擇以外，還與創新要素指標的選擇相關[5]。
綜上所述，關于創新要素與經濟增長的理論研究已形成初步體系，本文旨在聚焦學者在過去的研究中存在的幾點存疑進行深度挖掘：一是，以往關于創新效率的研究依賴單一要素變量，未從多個創新要素之間的整合協同角度分析對創新效率影響。二是，創新要素結構仍是一個未經深入研究的“黑匣子”。創新要素結構的演變方式不僅限于要素之間的擴散和集聚，還有其他的方式影響著區域的創新績效，例如，創新要素結構的優化。
二、研究工具與方法
本文利用測度全要素生產率的常用方法——Malmquist指數（簡稱M指數）分解法，通過與數據包絡理論相結合保證了數據的動態性和可比性。我國不同省份即為若干個決策單元，以（，）表示年創新要素投入和產出，以（，）表示年的狀況。可以作為比較創新效率的M指數的計算公式為：
其中對M指數的進一步分解，分為兩種情況，一種是不變規模報酬，另一種是可變報酬。不變規模報酬的分解較為簡便，分解步驟表示如下：
在以上分解的基礎上，如果考慮了不變規模報酬的狀況，那么距離函數分為和，分別表示不變規模和可變規模下的距離函數。
需要說明的是，計算了各個決策單元在不同時期對應不同生產前沿的創新效率變化情況，是全要素生產率從上一期到本期的動態變化指數，代表了創新要素較上一期的改進程度。代表了技術是否進步的指標，反映不同決策單元的先進技術推廣情況技術和創新程度。和分別在不變規模報酬和可變規模報酬視角下，測算了不同決策單元在各時期對最優生產前沿的追趕效應，反映了各決策單元的創新要素利用效率。則可以衡量各個時期決策單元的創新要素投入的規模報酬效率，從而評價創新要素之間的搭配和投入數量是否達到了最佳。
選擇M指數分解法的原因有二：其一，因為M指數是一種相對效率指數，即每一期都是以上一期數值作為基期的環比指數，可以有效地反映出一個區域的工業企業創新效率的動態變化;其二，因為對M指數進行了分解，將全要素效率指數分為了技術進步指數、純技術效率指數和規模效率指數，能夠對創新要素結構的優化分為三種路徑，即依靠技術進步進行的優化、管理和要素間重新配置以及改變規模效益三種，對政策建議提供了多樣化途徑的支持。
三、變量選擇與數據來源
基于供給側改革的背景，本文展開了產品創新要素效率研究。因為工業企業及產品向創新指標較能反映出創新要素結構優化的程度，故本文選取《工業企業科技活動統計年鑒》（2007—2016年）涉及創新要素結構的投入及產出要素作為分析依據，以人力資本、內部資金和外部技術做為創新要素結構的投入要素，以新產品情況作為創新要素結構的產出要素，測算了我國30個省份（因西藏自治區有大量的相關數據缺失，無法通過有效的方法進行補全，故舍去）在2006——2015年間關于創新要素結構的全要素效率變動及構成。在測算全要素效率時，主要研究變量為：
第一，人力資本。創新研發領域的人力資本一般通過科研人員占員工總數比重、科研人員數量以及本科以上學歷占員工總數比重等指標來衡量，考慮到在科技創新活動中研發人員起到的決定性作用，本研究選取《工業企業科技活動統計年鑒》的研究人員數量[6]，單位為人。
第二，內部資金。內部資金主要體現為某個省份用于本省范圍內企業內部創新活動的資金投入總和，包括人員勞務費、儀器和設備等費用支出，能夠反映出某個省份內部開展研發活動的實際支出，是創新要素結構的重要部分（邵云飛、黨雁，2017）[7]。本研究選取《工業企業科技活動統計年鑒》的R&D經費內部支出作為衡量內部資金的指標，單位為萬元。
第三，外部技術。外來技術獲取可明顯提升新產品設計和研發進程，通過購買、學習等手段獲取企業欠缺的技術，減少研發環節的研發支出的同時降低了研發的時間成本[8]。本研究采用技術引進支出經費、技術改造支出經費、技術消化吸收支出經費和購買國內技術支出經費的總和來反映外部技術，數據來源于《工業企業科技活動統計年鑒》，單位為萬元。
第四，新產品研發。本文著重研究產品創新，因此從新產品銷售額的指標低來梵音創新產出，以往研究多通過兩種指標來反映創新產出，選取《工業企業科技活動統計年鑒》的新產品銷售額作為新產品研發的指標，單位為萬元[9]。
四、實證結果與分析
本文借助M指數的動態分析特性，反映純技術效率、規模效率、技術進步三個指標在本年比上前一年的指數，能夠有效反映出產品創新效率優化情況。利用DEAP2.1軟件進行產品創新活動的全要素效率動態分解，得到我國2006年到2015年我國各省工業企業產品創新效率的M指數分解，如表2所示。
通過表1我們不難看出，各省份之間產品創新的全要素效率指數在不同時期各不相同。整體觀察，除去福建、海南、青海三個省份，我國其他省市全要素效率均處于上升趨勢，即全要素效率指數大于1。
排名前十的省份和地區在全要素效率指數上處于領先地位有兩個原因：其一，江蘇、浙江、遼寧、河北是工業大省，本文的M指數的計算采用工業領域的新產品相關數據，其他省份可能會削弱效率指數;
其二，新疆、河南、寧夏、安徽等省份的創新的各個方面的歷史基礎相對其他省份較為薄弱，因而指數上呈現的變化很大。
導致全要素效率不同的原因也各不相同，江蘇、湖南、河南、安徽、新疆維吾爾自治區的全要素效率指數的主要貢獻來源于純技術效率，分別增長了8.8%、9.0%、9.4%、14.1%、12.2%、浙江和遼寧的全要素效率指數的主要貢獻來源于技術進步指數，分別增長了6.5%和6.9%。湖北、寧夏以及河北的貢獻來自于兩方面或三方面的共同增長。從全國30個省份的均值來看，純技術效率變化指數和技術進步指數的增長均值分別為3.8%和3.4%，遠比規模效率變化指數1.2%要大。
通過數據可以分析出，我國大部分省份的創新要素結構主要依靠純技術效率和技術進步為推動力來進行優化，我國創新要素結構主要通過創新型企業通過吸引高級技術人才、加大自主研發、引進先進技術、升級研發設備、完善創新管理和創新制度等手段來優化。
遼寧省技術進步指數比較高為6.9%，但由于其2.9%的純技術效率變動和2.0%的規模效率變動比較低，致使全要素效率指數相對較低。觀察表1，福建、海南以及青海，都出現不同程度的全要素效率指數小于1的情況，也就意味著這三個省份在2006到2015年期間的全要素效率呈現一種下降的趨勢。福建的創新要素結構優化效率主要是由技術進步指數（2.2%）和規模效率指數（2.4%）拉動，然而純技術效率指數下降4.6%導致了全要素效率指數降低。導致海南全要素效率指數較低的原因與福建不同，海南的技術進步增加了3.7%，而純技術效率沒有為全要素效率提供任何動力，規模效率降低了4.7%導致了海南全要素效率指數降低。青海又與福建和海南的情況不同，青海全要素效率指數低的原因主要是規模效率降低了8.5%。
觀察表1的時間維度，我國各省份在2006—2015年的平均全要素效率指數為1.086，平均增長率為8.6%，在效率上領先。全要素效率指數進一步分解出來的技術進步變動指數的年均增長為3.4%，技術效率變動指數的年均增長為5%，純技術效率變動指數的年均增長為3.8%，規模效率變動指數的年均增長為1.2%。數據分析結果表明，在2006—2012年間，雖然科技進步和純技術效率增長明顯，創新制度和體系進一步完善，新產品研發的技術水平也在逐漸改善，但整體上來看：規模效率卻一直處于增速較低的階段，拉低了全要素效率的增長率。因此，將來一段時間，采取相應措施，促進規模效率的進一步改善是我國提高創新要素結構優化和實現創新要素合理利用的重中之重。
結論與啟示
本文基于Malmquist指數模型研究的課題是中國工業企業產品創新活動全要素，1953年Malmquist提出lmquist指數，如今在金融、工業、醫療等部門生產效率的測算中，發揮了重要的作用。學者于1982年開始將這一指數應用于社會、企業生產效率變化的測算，此后，RolfF?re等人將這一理論的一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。過本文基于Malmquist指數模型的研究，我們分析測算了2006——2015年這十年的區間，我國30個省份在關于創新要素結構的全要素效率變動及構成。在測算全要素效率時，主要研究變量以人力資本、內部資金和外部技術做為創新要素結構的投入要素，以新產品情況作為創新要素結構的產出要素。
通過借助M指數的動態分析，我們可知提高技術效率和提高基礎技術是各省份主要依存的創新要素，創新要素結構需要創新型企業通過吸引人才，投入資金加大自主研發，從國外引進先進技術，師夷長技，升級設備，同時，通過在管理流程，管理方式和管理政策上來創新來優化。需要清楚的是，創新水平高和創新效率高不可混淆概念，創新效率高的地區不等同于創新能力水平高。
盡管大多數學者認為創新水平和創新效率正向影響了經濟發展水平，但創新水平和創新效率與經濟增長是否存在必然關系還有待進一步推論驗證。過各項數據證實，當下的核心是要研究通過何種途徑提升創新效率從而提升創新水平，從而創新驅動經濟發展。首先，應結合區域創新要素稟賦，設計合理的創新要素結構，控本增效，減少創新活動中不必要的投入。其次，構建創新服務平臺、充分調動非創新企業，高新技術企業及核心企業的創新活力。再者，完善創新保護的相關政策規則，法律法規，從而加快創新成果轉化。最后，產品創新活動的設計研發、上市商業化等過程應該時刻關注市場需求，若產品制造生產脫離市場需求，則不僅會造成創新要素的浪費，而且會抑制企業創新的積極性。
隨著我國經濟結構不斷調整，創新驅動的不斷深入，創新型經濟不斷發展，以小米、華為、訊飛等為代表的高技術企業科技研發投入，研發水平不斷增加，通過R&D經費可見2005—2018年，中國企業、研究機構和高等學校的R&D經費始終保持增長趨勢。企業是中國R&D經費的主要來源，與此同時，高學歷人員比重上升。我國科技實力快速增長，不斷論證創新活動是現代工業企業的核心競爭力來源。
疫情之下，全球企業都在創新上鉚足了勁，不過我們也不能一葉障目，經濟的增長并不是單一變量的要素結構所得。同時，在滿足市場需求、創新生產的過程中，要時刻牢記，提升創新水平和創新效率固然重要，但創新只是過程，全方面的經濟發展才是我們要追尋的終極目標。
【參考文獻】
[1] 郭艷華. 加大廣州科技創新要素集成整合的思路與對策建議[J]. 科技管理研究，2010，30（05）：19-21.
[2] 葉小嶺，葉瑞剛，張穎超. 區域企業集聚科技創新要素水平及集聚效益評價研究[J]. 科技管理研究，2012，32（15）：112-117.
[3] 張玉婷，楊華領.技術創新效率評價方法綜述[J].中國管理信息化，2018，21（04）：82-84.
[4] 張樂勤，陳素平.基于偏最小二乘通徑分析方法的科技創新對用水效率邊際效應的測度與分析[J].水利水電科技進展，2018，38（01）：55-62.
[5] 劉釩，鄧明亮.基于改進超效率DEA模型的長江經濟帶科技創新效率研究[J].科技進步與對策，2017，34（23）：48-53.
[6] 李海東，馬威.投入端視角下高技術產業技術創新效率影響因素研究[J].科技管理研究，2014，34（10）：126-130.
[7] 邵云飛，黨雁.基于DEA-Malmquist方法的中國航天航空制造業區域技術創新效率研究[J].科技和產業，2017，17（06）：1-7+90.
[8] 陳凱華，官建成，寇明婷.中國高技術產業“高產出、低效益”的癥結與對策研究——基于技術創新效率角度的探索[J].管理評論，2012，24（04）：53-66.
[9] 張海洋，史晉川.中國省際工業新產品技術效率研究[J].經濟研究，2011，46（01）：83-96.
作者簡介：原永鵬（1990 09 11），性別男，民族漢，籍貫遼寧。學歷（在職研究生在讀），中國人民大學經濟學院，學校郵編（100872），研究方向-企業經濟學
趙蕾（1989 11 03），性別女，民族漢，籍貫安徽，學歷（在職研究生在讀），中國人民大學經濟學院，學校郵編（100872），研究方向-國民經濟學
