基于DEA-Malmquist指數的上海制造業(yè)協(xié)同創(chuàng)新研究

毛友芳，熊博儒，茍富華，來能燁

（上海工程技術大學管理學院，上海 201620）

一、引言

2013 年漢諾威工業(yè)博覽會上首提“工業(yè)4.0”概念后，該思想便在全球傳播。中國隨之提出“中國制造2025”戰(zhàn)略。2019 年8 月，以“智聯(lián)世界，無限可能”為主題的2019 世界人工智能大會在上海舉辦。上海在全國制造業(yè)行業(yè)中處于前列，但與西方發(fā)達國家制造業(yè)綜合發(fā)展水平差距較大。

國內學者由此從不同方向對制造業(yè)轉型升級進行探究。全國范圍來看，龔關和胡關亮（2013）[1]采用Levinsohn-Petrin 半參數估計法構建壟斷競爭模型以確定中國制造業(yè)的資源配置效率。李萍和趙曙東（2015）[2]擴展全球價值鏈（Global Valve Chain）分工的貿易條件，運用GMM 回歸測算特定貿易條件下的影響因素。王小波和李婧雯（2016）[3]利用消耗系數分析影響制造業(yè)服務化的因素。彭偉明和周慧（2019）[4]利用DEA-Malmquist 指數對安徽省16 個地級市進行創(chuàng)新效率測算。針對上海這一特定地區(qū)，馮梅（2013）[5]通過上海制造業(yè)在國際分工中貢獻率的測算，確定不同產業(yè)間比較優(yōu)勢。劉瀟（2019）[6]以京津冀及長三角地區(qū)制造業(yè)為研究對象，運用Malmquist-DEA 指數分析2006—2016 年各地區(qū)全要素生產率。基于相關研究，本文以上海制造業(yè)創(chuàng)新現狀為研究對象，采用DEA-Malmquist 模型對全國制造業(yè)區(qū)域創(chuàng)新效率測算，深入探究上海制造業(yè)創(chuàng)新效率及發(fā)展短板。

二、創(chuàng)新評價模型概述

（一）DEA-BCC 模型

DEA 模型通過非參數線性優(yōu)化模型分析實際生產技術相對前沿技術水平的差距。DEA 不需事前設置前沿函數和對未知參數估值，在處理投入產出效率問題時更具客觀性。本文選取以規(guī)模效率可變?yōu)榍疤岬腂CC 模型。其函數為：

λ≥0，i=1，2，…，p，l=1，2，…，o，j=1，2，…，s

其中，x，y 分別為投入和產出變量，λ 為決策單元線性組合的系數。

（二）Malmquist 指數

Malmquist 指數用于測算生產率，通過對目標DUM 在一段時期內技術效率及生產技術變化的分析，可得目標DUM 的相對經濟效率動態(tài)變化，由此彌補DEA 模型只能處理截面數據的不足。其距離函數為：

其中，（xn，yn）與（xn+1，yn+1）代表在n 與n+1 時期內的投入產出量，Dn與Dn+1則表示相應時期距離函數。此時，距離函數值應小于1。

Malmquist 指數為：

Malmquist 指數的全要素生產率（TFP）即決策單元在特定n 到n+1 期的生產率變動情況，可分為技術水平變化指數（tech）與技術效率變化指數（effch）。當動態(tài)指數>1 時為增長效率，動態(tài)指數=1 時效率保持不變，動態(tài)指數<1 時為減少效率。

三、創(chuàng)新評價體系構建

（一）指標選取與數據來源

在指標選取時借鑒趙聚輝和黃詩華（2019）[7]的指標，基于上海市制造業(yè)創(chuàng)新現狀及指標選取可操作性，構造創(chuàng)新評價指標體系如表1 所示。

表1 全國制造業(yè)創(chuàng)新評價指標體系

（1）投入角度選取R&D 經費內部支出、R&D 人員折合全時當量和新產品經費支出3 個指標。R&D經費內部支出和新產品經費支出用于衡量創(chuàng)新資金投入，R&D 人員折合全時當量用于衡量創(chuàng)新人員投入。

（2）產出角度選取主營業(yè)務收入、有效發(fā)明專利數和新產品銷售收入3 個指標。從資金與技術產出兩方面衡量產出效率。

本文對全國31 個省市（除港澳臺）進行制造業(yè)創(chuàng)新效率測算，分析上海制造業(yè)的創(chuàng)新發(fā)展實況。選取2011—2017 年全國制造業(yè)創(chuàng)新投入和產出相關數據。數據來源于歷年的《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。

（二）全國制造業(yè)產業(yè)創(chuàng)新靜態(tài)效率評價

選擇DEA-BCC 模型，運用DEAP 2.1 分別對2011 年及2017 年全國31 個省市的投入產出面板數據進行分析，結果如表2 所示。

表2 2011 年與2017 年全國制造業(yè)創(chuàng)新效率

由表2 可得，2011 年有效決策單元為遼寧、吉林、上海等10 個省市。而2017 年有20 個省市為有效決策單元。2011 年綜合技術效率相較平均值低的省市有12 個，最低為山西，僅有0.565。2017 年綜合技術效率低于平均值的省市有10 個，最低為西藏，僅有0.609，主要原因為規(guī)模效率較低。整體而言，2011—2017 年全國各省市制造業(yè)的平均技術效率上升，表現為純技術效率與規(guī)模效率的共同增長，且純技術效率增長幅度較大。可得技術進步是促進制造業(yè)創(chuàng)新效率提升的推手。上海靜態(tài)創(chuàng)新效率在全國處于前列，正是依托其優(yōu)越地理位置與豐富學術研究資源，在技術和政策方面加速上海高端制造業(yè)向“微笑曲線”中高端過渡。上海應根據所處實際不斷提升技術與研發(fā)管理能力，帶動全國制造業(yè)水平提升，逐漸形成全國范圍產業(yè)集聚協(xié)同創(chuàng)新效應。

（三）全國制造業(yè)產業(yè)創(chuàng)新動態(tài)效率評價

Malmquist 指數能彌補DEA-BCC 模型不足，測算效率動態(tài)變動程度。2011—2017 年Malmquist 指數測算結果如表3 所示。

表3 2011—2017 年全國制造業(yè)創(chuàng)新程度Malmquist 指數

總體而言，全國制造業(yè)的全要素生產率處在減少狀態(tài)，平均減幅為1.5%。在31 個省市中，高于平均全要素生產率的省市有17 個，最低為西藏，降幅為16.3%。整體看來全國制造業(yè)主要受制于技術進步效率較低，影響了全要素生產率。上海全要素生產率的減幅為0.3%，減幅小，技術進步效率抑制了整體全要素生產率增長。相比北京、天津、江蘇等省市增幅，改進技術進步效率是上海制造業(yè)當前的關鍵一步。

四、建議

當前上海高端制造業(yè)自主創(chuàng)新處于弱勢，低端制造業(yè)在市場中仍占主流地位。協(xié)同創(chuàng)新發(fā)展模式是技術與規(guī)模的結合，隨著經濟社會的逐步發(fā)展，單一企業(yè)難以形成較高的產業(yè)效率，也無法承擔全部的創(chuàng)新活動。產學研模式和產業(yè)集群模式為企業(yè)提升創(chuàng)新效率提供了方向。

（一）建立上海現代制造業(yè)協(xié)同創(chuàng)新產業(yè)體系

即通過創(chuàng)新產業(yè)鏈，建立現代制造業(yè)協(xié)同創(chuàng)新產業(yè)體系，由產量提升向質量提升過渡。以企業(yè)為核心，構建高校、政府與企業(yè)三者聯(lián)合的協(xié)同創(chuàng)新發(fā)展模式，通過高校培養(yǎng)綜合性創(chuàng)新人才、政府政策與資金支持、企業(yè)之間協(xié)同合作共享資金、技術及經驗協(xié)同創(chuàng)新建立上海制造業(yè)協(xié)同創(chuàng)新體系。同時，合理利用企業(yè)與企業(yè)之間的產業(yè)集群效應，深化產品線延伸產品鏈；建立制造業(yè)產業(yè)升級轉型的協(xié)同創(chuàng)新標準，提高規(guī)模經濟效益。

圖1 上海現代制造業(yè)協(xié)同創(chuàng)新產業(yè)體系

（二）優(yōu)化制造業(yè)技術創(chuàng)新環(huán)境

依靠政府宏觀調控，創(chuàng)造良好的國內外競爭與生產環(huán)境。政策鼓勵生產創(chuàng)新，降低新興產業(yè)門檻，提升產業(yè)競爭主動性。企業(yè)之間也應形成良性競爭環(huán)境，積極提升企業(yè)技術與規(guī)模，就新興產業(yè)共同制定市場進入及技術發(fā)展標準。

（三）建設公共技術研究平臺

構建基礎公共技術研究平臺，研究行業(yè)共用基礎技術，加強先進與后進企業(yè)聯(lián)系，促進產業(yè)集群快速成長，以上海制造企業(yè)協(xié)同發(fā)展促進知識增值，逐步向中高端產業(yè)提升，縮小與發(fā)達國家的差距。

（四）加強知識產權保護

提升上海制造業(yè)技術進步效率是必要手段。技術進步是知識產權保護的充分條件。對于知識產權的擁有者給予法律保護，完善相關法律保護，加強公眾對知識產權觀念的理解與重視，同時加大對虛假科研成果的懲處力度，營造公平公正的尊重知識與技術的積極研發(fā)創(chuàng)新環(huán)境。