中國工業企業創新資源配置效率：演進，差異及提升路徑

李 犟，吳和成

（南京航空航天大學經濟與管理學院，南京211106）

黨的十九大報告指出我國經濟已由高速增長階段轉向高質量發展階段，提高全要素生產率是當前的迫切要求。而全要素生產率的增長由技術進步和資源配置效率拉動，故推動技術創新和優化資源配置效率是驅動高質量發展的主要路徑［1-2］。我國作為工業大國，工業企業是當前國家創新體系以及實體經濟的主體，其發展質量是實現經濟高質量的基礎與前提［3］。因此，在我國邁入經濟新常態的背景下，剖析我國各地區工業企業創新資源配置效率的動態演變特征，厘清效率的時空差異，深入探究效率提升的內在路徑，對促進工業企業高質量發展，轉變我國經濟發展方式具有積極的現實意義。

一、文獻評述

目前對于工業企業創新資源配置效率的研究主要集中于效率測度方法、評價指標和影響因素等方面。在研究方法上，Raab和Kotamraju［4］采用徑向DEA（數據包絡分析）模型，Zhang等［5］構建了改進的網絡DEA模型，Lee等［6］運用了基于DEA的全局Malmquist生產率分析法，陳瑩文等［7］構建了兩階段DEA模型，綦良群等［8］將SFA（隨機前沿分析）方法和Cobb-Douglas生產函數相結合設計了效率評價模型。在創新投入產出的指標選擇上，李鴻禧和遲國泰［9］挑選科技從業人員數、R&D經費內部支出和財政科技經費為投入指標，新產品產值、高新技術產業產值和技術市場成交額為產出指標；熊曦等［10］擇取R&D經費內部支出、R&D人員折合全時當量作為投入指標，專利申請數、新產品開發項目數、新產品銷售收入和利潤總額作為產出指標；胡漢輝等［11］選擇R&D經費內部支出與GDP之比、R&D人員全時當量作為投入指標，發明專利申請授權數和技術市場成交合同金額作為產出指標。從影響因素出發，徐莉和方梓旭［12］研究了企業盈利能力、企業R&D重視程度、市場競爭程度和政府支持等因素，馮宗憲等［13］分析了政府投入與市場化程度變量對效率的影響，錢麗等［14］從創新氛圍、產學研合作、應用研究和人才支持等方面對影響因素進行了考察。

綜上所述，工業企業資源配置效率的測度模型、測度指標及影響因素是當前學術研究熱點。但從目前國內對于工業企業資源配置效率的已有研究來看，仍有以下問題值得進一步探索：①從研究模型設置上來看，現有效率測度一般都是基于以下兩個假設之一：不減少產出的情況下，投入達到有效時應減少的程度；不增加投入的條件下，產出達到有效時應增加的程度。這兩個假設忽略了二者同時存在的情況，會導致效率得分虛高；②現有文獻通常以Malmquist指數法、Windows-DEA方法對效率的趨勢變化進行考察，僅能考察單一決策單元效率的變化趨勢，無法動態表征全部研究對象的效率演進；③現有的指標設計一般以絕對數量為主，已不適應高質量發展“調結構穩增長”的內涵要求，且已有研究缺乏對指標選取的定量分析，而一個好的指標體系應結合定性分析與定量分析得到；④已有研究較多關注影響效率的外部變量，鮮有涉及企業內部具體的指標無效分析，不利于深入剖析影響效率的企業內部因素。

基于以上考慮，本文擬運用非導向模型進行分析，推進創新活動資源投入與創新產出的雙向調整，以適應經濟新常態下的供給側結構性改革；增加定量分析，并從相對水平或強度的角度，設計評價指標體系，為有價值的效率測度提供必要的前提；基于省域視角對工業企業資源配置效率及其分解指標進行總體的動態刻畫，彌補該領域研究的不足，這對從總體上把握效率的變化趨勢具有積極意義；考察各項投入指標的冗余以及各項產出指標的不足情況，探索提高效率的切實路徑。

二、研究方法

（一）ERM模型

創新資源配置效率受多種因素的影響，將創新系統視為黑箱是估計創新效率的有效途徑［15］。相比于SFA方法，DEA模型不需要嚴格的假設前提，更適用于評價具有多投入多產出特點的工業企業。Charnes等［16］首先構建了規模報酬不變的DEA模型，之后Banker［17］對此進行拓展，構建了規模報酬可變的DEA模型。這兩個傳統的DEA模型忽略了投入冗余與產出不足同時存在的情況，且指標同比例變化，不符合實際生產情況。基于此，Pastor等［18］改進了這兩個DEA模型，構建了ERM（enhanced russell measure）即增強型羅素測量，同時此模型計算得到的效率不受指標量綱和數量級的影響，滿足本文所研究問題的需要。

記(xij，yrj)(i=1，2，…，m；r=1，2，…，s；j=1，2，…，n)為各地區指標數據的集合，其中 m 為投入指標數，s為產出指標數，n為待評價地區數。則工業企業創新資源配置的技術效率（technical efficiency，TE）可由模型（1）求得。

不變規模報酬下的ERM模型為

其中：λj為結構變量；θi與φr分別為第i個投入要素的利用率與第r個創新產出指標產出的比例。在模型（1）下的有效（效率值等于1）滿足技術和規模同時有效，所以技術效率也稱綜合效率。模型（1）在增加的約束條件后，可分離規模效率（scale efficiency，SE），計算出純技術效率（pure technical efficiency，PTE）。為區別技術效率與純技術效率，后文均用綜合效率這一表述。綜合效率、純技術效率與規模效率的關系為TE=PTE×SE。如果SE為1，則該決策單元規模有效。在模型（1）求解出最優解的同時和>1分別代表該決策單元的規模報酬狀態是遞增、不變和遞減。此外，通過1-θi和φr-1可識別第i個投入要素的冗余程度和第r個產出指標的不足水平。

（二）核密度估計

考察效率的總體演進趨勢，自然想到借助于效率的概率密度曲線進行刻畫。核密度估計法是一種不依賴于密度函數形式的假定而對密度函數進行估計的方法。設創新資源配置效率為隨機變量X，其密度函數為f(x)=f(x1，x2，…，xn)，若{X1，X2，…，Xn}為它的一個獨立同分布的樣本，則f(x)的核密度估計為

三、指標設計與樣本選擇

發展不平衡不充分是中國面臨的客觀問題，在設定評價指標時應充分考慮到不同區域的差異，同時從高質量發展所要求的結構合理層面，本文主要選用相對或者平均意義上的指標。創新投入指標通常從勞動和經費的角度進行選擇?，F有的指標設計通常用R&D人員數或全時當量來表示勞動方面的投入，但隨著技術水平的進步，生產技術、設備以及環境在不斷改善，員工減少未必會導致收益減少，用人數或者時間表示勞動對創新產出的貢獻已不合時宜，故采用人均的勞動經費可較好表征勞動的消耗。進一步結合工業企業創新過程的特點，初步選擇用于描述創新資源投入水平或強度的待選評價指標集：人員勞務費/R&D人員數，R&D人員全時當量/平均從業人員，研究人員全時當量/R&D人員全時當量，R&D經費內部支出/主營業收入，R&D經費內部支出/R&D人員數，R&D項目經費支出/R&D項目數，對研究機構與高校支出/R&D經費外部支出，引進技術經費支出/R&D經費內部支出，新產品開發經費支出額/新產品開發項目，新產品開發經費支出額/主營業收入。

用于描述創新產出的指標，已有研究主要集中在專利和新產品上。基于此，初步設計的指標有：專利申請數/平均從業人員數，專利申請數/R&D人員全時當量，發明專利申請數/平均從業人員，發明專利申請數/R&D人員全時當量，新產品開發項目數/R&D項目數，新產品銷售收入/主營業收入，新產品銷售收入/新產品開發項目數，新產品出口額/新產品銷售收入，利潤總額/R&D經費內部支出。

指標設計在考慮指標數據可得性的前提下，評價指標應能較充分地體現研究現象的內涵，并且用盡可能少的指標反映盡可能多的創新過程信息。雖然一個完美的指標體系從理論上難以獲得，但是可以通過統計工具在指標擇取方面發揮一些作用。在DEA分析中，如果評價指標過多會導致有效的決策單元增加，會扭曲評價結果。因此，在選擇評價指標時，可從線形相關的角度對待選指標集進行處理。設有p個待選指標x1，x2，…，xp，以(x11，x12，…，x1n) ，(x21，x22，…，x2n) ，…，(xp1，xp2，…，xpn)表示p個變量的一組樣本觀察值，則可得到樣本相關系數矩陣R。為保證指標間變化的一致性，首先舍去負相關的指標，剔除原則是保留具有代表性的指標。然后，對于相關系數較高的指標進行適當舍去，這里取0.7。例如，指標“R&D經費內部支出/主營業收入”與“新產品開發經費支出額/主營業收入”存在高度相關，但R&D經費內部支出/主營業收入與其他指標相關性較小，故保留。

通過上述過程，可分別得到模型需要的投入與產出指標。最終投入指標：X1為人員勞務費/R&D人員數，X2為R&D經費內部支出/主營業收入，X3為引進技術經費支出/R&D經費內部支出，X4為新產品開發經費支出額/新產品開發項目。產出指標：Y1為專利申請數/R&D人員全時當量，Y2為新產品開發項目數/R&D項目數，Y3為新產品出口額/新產品銷售收入。

本文分析所用數據來源于《中國工業統計年鑒》《中國科技統計年鑒》和《中國統計年鑒》，并經過計算整理得到，時間跨度為2013—2017年，是目前可資利用的最新數據。分析的地區為除海南、西藏、青海、香港特區、澳門特區和臺灣地區（數據缺失）外的28個省級區域。統計年鑒中的相關數據口徑為規模以上工業企業，在此予以說明。在DEA模型中，評價樣本越多，效率區分度越好。本文采用2013—2017年的5個橫截面數據為觀測值，擴大評價樣本，彌補單個橫截面數據上出現較多有效單元而區分能力降低的不足。

在國家科技創新制度不斷完善的大環境下，研究期內反映工業創新資源的關鍵指標值如R&D人員數、R&D經費內部支出以及新產品銷售收入等增長平穩，且我國于2015年提出《中國制造2025》以及“供給側結構性改革”等與工業轉型升級提質增效息息相關的戰略、改革等，并于2017年提出“高質量發展”這一發展要求，故選擇2013—2017年的數據研究有其代表性，能基本反映不同戰略階段我國工業企業創新資源配置效率狀況，所得研究結果對于未來我國高質量發展所需要的政策制定有較好的參考價值。改革開放以來，各地區工業的發展經歷了深刻變化，傳統的東、中、西三大區域的劃分方式已不合時宜，因此，本文借鑒文獻［19］的標準，進一步將其劃分為八大區域，見表1。

表1 區域劃分

四、實證分析

（一）效率測度及分析

根據2013—2017年28省份工業企業面板數據，利用上述模型計算得到各年各省份工業企業創新資源配置的綜合效率、純技術效率和規模效率。限于篇幅，詳細數據從略。根據計算結果整理得到全國及八大區域的效率均值情況，見表2。

從綜合效率來看，東部沿海綜合經濟區和南部沿海綜合經濟區效率均值歷年均在全國均值之上，但是從規模報酬來看，這兩個綜合經濟區內部地區總體上處于規模報酬遞減的狀態，表明繼續增加創新資源不能提高效率。東北綜合經濟區、北部沿海綜合經濟區和西北綜合經濟區效率呈U型變化的趨勢，其中西北綜合經濟區綜合效率總體上較高，但效率變化幅度較大，2017年效率為1，2015年效率為0.329。西南綜合經濟區和長江中游綜合經濟區效率一直在0.5～0.7之間波動，其中安徽地區歷年資源配置均為有效。黃河中游綜合經濟區效率始終在0.4～0.5之間，河南地區歷年效率值均為1，意味著每年河南的工業企業創新資源配置均處于生產前沿面，創新投入產出規模適宜。從全國均值來看，中國工業企業創新資源配置綜合效率整體相對不佳，呈U型變化趨勢，于2017年達到最大值0.579，5年平均的效率值僅為0.531。

純技術效率主要反映生產單元的制度安排及管理水平等方面?；诩兗夹g效率測度結果，可以看到東部沿海綜合經濟區、南部沿海綜合經濟區和西南綜合經濟區研究期內的純技術效率均值均高于全國均值，其中，浙江2015年效率為0.9，其余年份均達到有效，而上海效率一直處于0.4以下，表明上海地區投入要素過剩和產出不足較為嚴重，投入產出結構不合理，資源配置沒有處于最佳。西北綜合經濟區、東北綜合經濟區和北部沿海綜合經濟區效率都呈先減后增的趨勢。黃河中游綜合經濟區效率值除2015年外，始終低于全國均值，其中陜西和內蒙古效率值始終低于0.3，說明這兩個地區的工業企業管理水平相對較低，制度安排還不夠完善。而長江中游綜合經濟區效率值持續在0.6左右波動，相對穩定。

規模效率表示當前地區的生產規模與最優規模之間的距離。除東北綜合經濟區外，其余區域在各年份的規模效率都高于0.85，其中北部綜合經濟區和西北綜合經濟區效率值始終高于0.9。這說明，當前制約我國工業企業創新資源配置綜合效率提升的關鍵因素在于純技術效率。從全國均值來看，我國工業企業創新資源配置規模效率始終優于綜合效率和純技術效率，5年均值為0.927，總體上保持穩定。

表2 八大區域工業企業創新資源配置綜合效率、純技術效率和規模效率

（二）效率的動態演進

在上文對各區域的效率變化趨勢進行分析的基礎上，進一步利用核密度估計方法考察效率分布曲線位置、峰值和形態等方面的變化，進而表征效率的分布動態演進過程。

由圖1可知，我國工業企業創新資源配置綜合效率分布的動態演進呈現兩個鮮明的區間特征，從密度分布曲線的形態來看，曲線在0～0.6相對低效率區間和0.6～1相對高效率區間變化顯著，且2015年為曲線形態變化的分水嶺。2013—2015年期間，低效率區間的分布曲線波峰逐漸增高，說明在此區間內的地區效率差異在逐漸變小，而高效率區間的分布曲線呈右拖尾特征，且曲線逐漸向下移動，表明高效率地區有減少的趨勢。而2015—2017年低效率區間的分布曲線波峰高度下降且寬度由陡峭變為扁平，說明此時期資源配置綜合效率省域差異逐漸變大，高效率區間的分布曲線逐漸抬起，表明高效率地區逐漸增多。由此可見，我國于2015年提出“中國制造2025”和供給側結構性改革等發展戰略后，我國部分地區工業企業資源配置效率得到優化，相關政策效應逐步顯現?？傮w而言，我國工業企業創新資源配置綜合效率存在顯著的追趕效應，即從低效率逐漸向高效率轉移，由于效率在低值聚集的情況得到改善，所以省域差異逐漸增大，并于2017年呈現明顯的雙峰特征。

考察期間我國工業企業創新資源配置純技術效率動態演進趨勢如圖2所示，純技術效率密度分布圖與綜合效率十分相似。通過對綜合效率與純技術效率進行spearman相關系數檢驗發現，在1%的顯著性水平下，二者歷年呈顯著的正相關，這表明純技術效率與綜合效率的排名顯著一致，是決定工業企業創新資源配置綜合效率高低排序的關鍵指標。在0～0.6區間，效率分布曲線波峰高度大幅度下降，位置向左移動，這是由于部分地區由低效率向高效率轉移，造成低效率地區總體上核密度變低。在0.6～1區間，曲線逐漸抬起，實現效率提升的省份的數量逐漸增多。綜合而言，工業企業創新資源配置純技術效率存在“俱樂部”收斂情況，一部分省份純技術效率在低值集聚，另外一部分省份純技術效率向高值靠攏。

分析期內我國工業企業創新資源配置規模效率動態演進趨勢如圖3所示。2013—2015年，我國工業企業創新資源配置規模效率核密度分布曲線左拖尾特征明顯，同時“單峰”分布的特征比較明顯，顯示規模效率持續在高水平集聚。2015年分布曲線波峰最寬，且左拖尾最長，表明2015年規模效率總體上省域差異最為顯著。2015年之后，分布曲線波峰高度上升且寬度由扁平變為陡峭，表明地區間規模效率差異減小。

（三）效率分布差異檢驗

高質量發展還應關注地區間的差異問題。第（二）節中基于各年的截面數據分析了效率的總體變化趨勢，本節進一步考察各地區效率值的差異情況。通過對效率的分布檢驗可識別區域內部各地區差異顯著程度，如果區域內部各地區工業企業資源配置效率分布相同，便可認為區域內部效率值差異相對較小。

圖1 工業企業創新資源配置綜合效率動態演進圖

圖2 工業企業創新資源配置純技術效率動態演進圖

圖3 工業企業創新資源配置純技術效率動態演進圖

Kruskal-Wallis單向方差秩方法（K-W檢驗）是檢驗k個獨立樣本是否來自同分布總體的非參數假設檢驗方法［20］。該方法只要求樣本獨立，不受總體分布性質和方差是否相等的限制。原假設為k個總體無顯著差異。檢驗統計量為-3(n+1)，ni為第 i個樣本中觀察值的個數，，Ri為第 i個樣本的秩和。檢驗結果見表3。

表3 八大區域工業企業資源配置效率分布的K-W檢驗結果

從區域檢驗結果來看，東北綜合經濟區綜合效率、純技術效率與規模效率的K-W檢驗p值分別為0.826、0.132和0.219，不能拒絕原假設，表明內部3個地區效率分布來自同一個總體。與其他綜合經濟區相比，東北地區的之間效率差異相對較小但效率總體上處于較低的水平。作為我國的老工業基地，如今東北地區面臨著嚴重的工業研發人才流失，創新激勵不足與金融支持弱的外部環境，對工業企業的發展有著嚴重的抑制作用。未來需進一步加快體制機制的轉型與改進，促進管理制度、激勵制度與成果轉化制度對工業企業創新活動的正向引導。

南部沿海綜合經濟區綜合效率和純技術效率檢驗p值分別為0.347、0.116，在5%的顯著性水平下，福建和廣東的效率總體分布差異不顯著。廣東和福建作為我國工業發展較好的地區，聚集了大量的工業資源，隨著人員、經費等創新要素規模的擴大，雖然總量不同，但同時面臨著相應的制度安排和管理水平不能完全發揮投入資源生產潛力的問題，所以造成二者效率水平相對不佳，差異不顯著。其中，廣東的效率值總體上有逐漸改善的趨勢，純技術效率在2017年達到有效，未來福建可以加強與廣東的合作，以廣東為標桿，深化制度改革和提升管理水平，優化創新資源配置效率。而廣東與福建投入產出規模差異較大，故規模效率分布差異顯著。

雖然甘肅、寧夏、新疆這些地區效率波動較大，但西北綜合經濟區檢驗結果顯示這3個地區效率分布差異并不顯著，表明這3個地區的工業發展存在某種共性。隨著“一帶一路”倡議的實施，這些地區正逐步從原先對外開放的腹地變成對外開放的前沿，未來應積極促進獨特的區位優勢與能源優勢轉變成經濟優勢。

北部沿海綜合經濟區、東部沿海綜合經濟區、黃河中游綜合經濟區、長江中游綜合經濟區和西南綜合經濟區內部效率分布均未能在0.05的顯著水平下拒絕原假設，可見，總體上我國區域間與區域內部差異依然顯著，未來促進地區間的均衡發展可先從縮小區域內部差異開始，再逐漸過渡到區域間的均衡發展。

（四）投入冗余與產出不足分析

資源投入冗余和產出不足是造成綜合效率嚴重無效的表現［21］。如何提升資源配置效率，我們需要分析非有效的地區的創新投入資源冗余和產出不足情況。各地區投入冗余與產出不足研究期內的均值（除去各年效率均為1的安徽與河南地區）見表4。為避免規模無效影響，表4的無效分析是基于測度純技術效率模型的計算結果。

表4 各地區平均投入冗余與產出不足率

綜合投入指標情況，投入指標引進技術經費支出/R&D經費內部支出冗余情況最為嚴重，八大綜合經濟區內部各地區均有較高的冗余，5年平均冗余率高于50%的省份達到13個，其中超過70%的地區有7個，表明目前我國工業企業強引進、弱消化吸收的現象仍然嚴重。造成這一現象的原因主要有兩個：第一，我國工業企業技術引進經費與消化吸收經費難以均衡配置，以2013—2017年為例，我國工業企業技術引進與消化吸收經費之比分別為1∶0.38、1∶0.37、1∶0.26、1∶0.23和1∶0.30，而日韓等工業強國這一比例為1∶3左右，部分重點領域高達1∶7，遠遠高于我國工業企業對于引進與吸收經費配置比；第二，低水平技術重復引進，“軟性”技術缺乏。由于國外對于核心高端技術的壟斷，國內引進技術多以低水平技術為主。而企業為了搶占市場先機，盲目投資于市場風口，由于企業的個體性與獨立性，導致同一地區內部和不同地區間的同一行業對低水平技術的重復引進。此外，技術引進多以機器、設備等硬件為主，消耗了大量的資金，技術秘訣、圖紙和專利等軟性技術缺乏。如何均衡引進與吸收經費的配置、減少重復引進和轉變重硬輕軟的思維是未來我國工業企業應注意的問題。

從人員勞務費/R&D人員數指標來看，浙江和云南等地區5年平均的冗余率為0，說明這類地區現有制度安排與管理模式能夠最大化的利用研發人員的勞動。上海地區5年平均冗余率超過50%，北京地區平均冗余率接近40%，此外，天津、河北、內蒙、福建、山東、湖南、廣東和重慶等地區冗余率均超過20%，主要集中在北部沿海綜合經濟區和南部沿海綜合經濟區等區域，這些地區同傳統西部部分地區相比，經濟水平相對更高、基礎設施狀況相對更完善，且企業福利、勞動報酬等方面更具有競爭力，能夠吸引大量的工業人才，但這些經濟區工業企業因現行管理方式、內部治理結構和人員激勵制度等方面難以匹配工業人才規模的擴展速度，造成勞動要素的擁擠，對創新資源配置效率產生了負向影響。

從R&D經費內部支出/主營業收入指標來看，5年平均冗余率小于5%的非歷年有效省份有9個，主要集中在西南綜合經濟區和西北綜合經濟區，表明這些地區對于該指標利用較為充分。天津和上海地區平均冗余率超過50%，黑龍江、江蘇、山東、湖北、湖南和陜西等地區冗余率均超過30%，從區域層面來看，冗余較為嚴重的區域主要集中在北部沿海綜合經濟區、東部沿海綜合經濟區和南部沿海綜合經濟區等傳統東部地區?？傮w來說，該指標冗余呈現出一定的兩級分化現象，傳統西部地區冗余率較低，傳統東部地區冗余率較高。

而新產品開發經費項目均值在4個投入指標中冗余相對較小，除河南與安徽外，5年平均冗余率小于10%的省份有15個，其中小于5%的省份有11個。黃河中游綜合經濟區總體來說冗余最為嚴重，山西、內蒙古和陜西地區5年的平均冗余率均超過20%。

新產品出口額/新產品銷售收入這一指標是企業國際競爭力的體現，最能體現創新產出的質量，而這一產出指標不足最為顯著。除浙江與廣東地區外，其余地區均有該指標不足的情況，相當部分地區該指標產出不足十分嚴重。2008年金融危機后，世界經濟低迷，貿易保護主義抬頭，作為對外依存度較高的中國受到顯著影響，國內市場逐漸成為企業銷售增長的主要來源；另一方面，工業生產要素成本不斷攀升，國際比較優勢不斷變弱。據美國波士頓咨詢公司發布的《成本競爭力指數》，美國相對中國的制造業成本劣勢已經縮小到5%以內。從勞動成本來看，2004—2014年，在全球前25位的出口國中，中國和俄羅斯年均工資增長率始終保持在10%～20%，而其他經濟體的年均工資增長率僅為2%～3%。從能源成本來看，從2004—2014年，中國工業用電的成本上升約66%，天然氣成本增加138%。在要素成本上升和不穩定的國際貿易背景下，未來應突出管理創新與制度創新導向，提高技術引進效率，并發揮我國在大數據、人工智能與互聯網領域的優勢，促進制造業轉型升級，提高新產品附加值，增強產品國際競爭力。

專利申請數/R&D人員全時當量這一指標不足主要集中在東北、黃河中游和東部沿海綜合經濟區。而新產品開發項目數/R&D項目數這一指標總體上不足最小，平均產出不足率在5%以下的地區占比非歷年有效地區數的85%，表明我國工業企業新產品項目開發能力較強。

五、結論與建議

本文借助非導向的ERM模型并結合適應高質量發展背景的效率評價指標，測度了我國28個省市工業企業的創新資源配置效率，并重點關注了效率的動態演進，區域內部差異以及各指標的無效情況。得出如下結論：①我國八大綜合經濟區工業企業整體創新資源配置綜合效率不佳，且多地區工業企業勞動、經費等創新要素邊際收益遞減；②2015年之前，我國工業企業創新資源配置綜合效率在低值聚集，2015之后，部分地區工業企業創新資源配置綜合效率得到改善，逐步向高效率演進。純技術效率與綜合效率的變化趨勢基本一致，而規模效率總體上波動較小且處于較高水平；③八大區域中，僅有東北、南部沿海和西北綜合經濟區內部各省份效率分布差異不顯著；④當前我國工業企業同時存在勞動、經費等創新投入資源利用率不高和專利、新產品出口等產出不足的“雙因”現象。

基于以上結論，本文認為我國今后首先需要完善工業創新資源管理體制，釋放創新資源生產潛力。當前我國工業企業創新活動的相關制度安排（人才激勵制度、財務制度以及技術引進消化制度等）不夠成熟、管理水平不佳，勞動、經費等創新要素冗余較為嚴重。通過推動人才激勵、創新經費管理體制等方面的改革，充分釋放人才創新潛能，提高創新資金使用效率與收益。對于引進技術的消化吸收，應健全對技術引進項目的績效評估，即當一個地區技術引進項目的績效未能達到某種要求，那么國家在某一時間段可以減少該地區技術引進項目的支持。此措施也可延伸到相關企業。

其次，充分發揮“互聯網+”、人工智能和5G等新理論、新技術在創新資源配置的重要作用。在國際貿易環境不穩定的同時，我國工業企業生產要素成本不斷攀升，新產品國際比較優勢逐漸變弱。而當前全球制造業已呈現出網絡化、智能化、數字化等趨勢，人工智能、5G、大數據、深度學習以及移動互聯網等新技術、新理論能夠滲透于包括研發設計、生產制造、銷售和售后服務的各個制造業環節，并重新塑造產業供應鏈，提高工業新產品附加值，已成為各國公認的新一輪產業變革核心驅動力。這些新技術、新理論的應用是工業企業轉型升級的新動能，將充分釋放中國科技創新的技術紅利，是解決人口紅利下降背景下生產成本上升、新產品國際競爭力弱問題的有效途徑。

最后，加快跨區域協同創新平臺建設，塑造區域協調發展新格局。當前我國地區工業發展不平衡不充分主要是由于工業創新資源在區域間以及區域內部被錯配以及創新資源自由流動不暢。未來區域協調發展應尊重客觀經濟規律，充分發揮不同地區的比較優勢?？鐓^域協同創新平臺正是以提高資源配置效率與創新質量為目的，整合各地區在各個生產環節的創新資源，打造功能互補、區域聯動、錯位競爭的空間布局，實現區域創新體系整體效益最大化的重要機制保障。構建跨區域協同創新平臺同時也是推進區域經濟一體化的重要舉措。