國有及國有控股高技術制造業技術創新效率評價

常廣庶 朱利利

【摘要】以2000 ～ 2016年國有及國有控股高技術制造業下屬行業為研究對象， 結合DEA-Malmquist指數法研究其動態效率變化， 并采用熵值法確定投入要素的權重， 使用灰色關聯分析法深入研究各創新投入要素對產出的貢獻度。 結果表明：2000 ～ 2012年全要素生產率呈波浪形變化， 但創新效率總體呈上升趨勢; 技術進步效率是影響全要素生產率變動的主要因素; 純技術效率是影響技術效率變動的主要因素; 相同投入要素在不同行業的貢獻度存在差異， 主要歸因于投入強度與技術創新效率的差異。

【關鍵詞】國有及國有控股;高技術制造業;技術創新效率;DEA-Malmquist指數法

【中圖分類號】F276.1? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2020）20-0070-8

在21世紀， 創新是決定國家、行業和企業持續健康發展的關鍵條件。 國有及國有控股高技術制造業作為我國經濟發展的重要支撐， 擁有較多的人、財、物等資源優勢， 是建設國家創新體系的關鍵力量， 是經濟發展的助推器[1] 。 然而， 目前我國國有及國有控股高新技術制造業的發展還處于全球價值鏈的中低等水平， 凸顯出創新效率不高、創新動力不足、產能過剩等問題。 因此如何合理且有效地評價國有及國有控股高技術制造業創新效率， 對于進一步提升國有及國有控股高技術制造業創新能力至關重要。 本文在研究國有及國有控股高技術制造業創新效率的基礎之上， 分析了投入要素對產出要素的貢獻度， 并進一步研究了國有及國有控股高技術制造業下屬行業差異性， 以期為提升國有及國有控股高技術制造業創新效率提供參考。

一、文獻綜述

創新效率是衡量國有及國有控股高技術制造業創新水平的科學評價指標， 對創新活動的成敗起關鍵性作用。 正確認識國有及國有控股高技術制造業創新效率有益于政府把握科技發展的方向， 提升國有及國有控股高技術制造業技術水平。 目前， 關于高技術制造業創新效率的研究成果頗多， 通過文獻回顧、梳理和總結， 發現高技術制造業創新效率相關研究可分為兩大類：

一類按照高技術制造業創新效率研究視角來劃分， 主要集中在區域、行業、企業三個層面。 在區域層面， 孫俊玲、馬立群[2] 從整體和各地區視角對2012 ～ 2016年27個省份的國有高技術制造業技術創新效率進行研究， 發現國有高技術制造業技術創新效率呈上升趨勢; 徐丹丹、孫夢超[3] 在此基礎上加入了一些新的評價指標， 對2009 ～ 2012年28個省份的國有控股高技術制造業的創新效率進行研究， 發現整體和區域視角下的國有控股高技術制造業的創新效率水平較低且呈下降趨勢。 上述學者均采用DEA方法對跨省域的國有高技術制造業進行研究， 由于選取的時間跨度不同， 選取的指標存在差異， 造成研究結果差異很大。 在行業層面上， 康淑娟[4] 、陳建麗等[5] 以中國17個高新技術制造業下屬行業為對象， 研究發現高技術制造業技術創新效率總體偏低， 不同行業技術低效率的根源存在差異; 楊惠瑛、王新紅[6] 以電子及通信設備制造業等五個行業為樣本， 研究了中國高技術制造業的創新效率; 王明亮、余芬[7] 以2006 ～ 2015年電子及通信設備制造業為樣本， 分析研發投入、產業集中度與創新效率之間的關系。 在企業層面上， 楊蕓、洪功翔[8] 以2009 ～ 2014年國有高技術制造企業為研究對象， 發現影響國有高技術制造企業創新效率的主要因素是技術進步效率。

另一類按照高技術制造業創新效率研究方法來劃分， 主要有DEA、隨機前沿分析、灰色關聯分析等方法。 孫俊玲、馬立群[2] 采用DEA方法分析了區域高技術制造業創新效率; 劉滿鳳、李圣宏[9] 進一步把高技術制造業創新效率活動過程分為三個階段進行研究分析; 王明亮和余芬[7] 、張立杰和梁錦凱[10] 則采用動態的DEA-Malmquist指數法研究區域高技術制造業創新效率。 朱有為、徐康寧[11] 采用隨機前沿面分析法對中國高技術產業的研發效率進行分析， 發現中國高技術產業的研發效率總體較低， 但仍在穩步上升， 產業之間的效率差距正在逐步縮小; 張涵、楊曉昕[12] 運用隨機前沿面模型， 從不同的視角研究高技術產業研發效率和經濟成果轉化創新效率的具體情況。 張永安、魯明明[13] 采用灰色關聯分析法剖析了創新投入要素對中國高技術制造業創新產出要素的貢獻度。

通過對高技術制造業創新效率相關文獻的梳理回顧可知， 以往學者主要集中于對中國區域、行業、企業創新效率進行研究， 關于國有及國有控股高技術制造業的研究存在以下問題：時間跨度比較小， 難以全面地認識國有及國有控股高技術制造業發展趨勢; 選取的衡量指標沒有進行系統的分類， 不能很恰當地描述國有及國有控股高技術制造業創新效率的現狀; 僅探究了高技術制造業的創新效率， 但不同學者所選擇的投入指標和產出指標存在異質性， 造成最后研究結果的差異性。 因此， 對于創新投入要素與產出要素之間的關系需深入分析， 進一步探索前者對后者的影響程度， 本文將從以下兩個方面加以改進：①為了避免時間跨度小所帶來的問題， 文章選取2000 ～ 2016年的國有及國有控股高技術制造業數據， 研究影響國有及國有控股高技術制造業技術創新效率的主要因素; ②突破單一指標的限制， 把投入指標和產出指標進行分類， 基于動態的DEA-Malmquist指數法， 從多個投入指標和產出指標描述國有及國有控股高技術制造業技術創新效率， 并采用熵值—灰色關聯分析法深入研究各投入指標對產出指標的貢獻度。

二、研究方法與數據來源

（一）研究方法

1. DEA-Malmquist指數法。 20世紀50年代， 瑞典學者Malmquist Sten提出了Malmquist生產率指數法， 后由Caves等[14] 首次運用于生產率研究領域， 使其應用范圍更加廣泛。 Fare等[15] 和Banker等[16] 之后把全要素生產率指數分解為技術進步指數和技術效率指數， 并且提出在規模可變的前提下， 技術效率指數又可進一步分解為純技術效率指數和規模效率指數。 參照陳懷超等[17] 的研究， 可得到公式（1）。 式中TFP代表全要素生產率， Techch代表技術進步指數， Effch代表技術效率指數， Pech代表純技術效率指數， Sech代表規模效率指數。 文章運用DEA-Malmquist指數法對國有及國有控股高技術制造業及其五個行業的創新效率進行測算， 并對國有及國有控股高技術制造業創新能力進行客觀分析。

2. 熵值法。 熵是對不確定性指標的量度。 數據值的差異越大， 熵越小， 即該指標提供的信息量越大， 不確定性就越小， 權重越小[18] 。 熵值法的運用避免了主觀賦值對于研究結果的影響， 使得研究結果更加嚴謹可靠。 由于不同行業的投入指標密度和強度存在差異， 所以本文需要先用熵值法確定每個行業每個指標的權重， 以確保結果真實有效。 具體計算步驟如下：

（1）標準化處理。 文章選取的研究對象是國有及國有控股高技術制造業下屬行業， 因此選取n個行業， m個指標， xij表示第i個行業的第j個指標的數據（i=1，2，3，…，n; j=1，2，3，…，m）。 為了解決原始指標屬性、計量單位不同問題， 需要對指標進行同質化處理。 指標一般可分兩類：一類是效益類指標， 又稱正向指標， 該指標越大越好; 另一類是成本類指標， 又稱負向指標， 該指標越小越好。 根據不同的指標性質選取不同的處理方式。 正向指標和負向指標如式（2）和式（3）所示。 式中x'ij為標準化后的第i個行業的第j個指標的數據（i=1，2，3，…，n; j=1，2，3，…，m）。 為了方便識別， 仍把x'ij記為xij， 即xij=x'ij。

（2）計算第j指標的熵值和差異系數。 具體如式（4）和式（5）所示。 式中pij表示第j個指標下第i個行業在此指標下所占比重（i=1，2，3，…，n; j=1，2，3，…，m）; xij表示標準化之后的第i行業的第j個指標的數據; k為常數; ej為第j個指標的熵值; dj為第j個指標的差異系數。

（3）計算指標權重。 式（6）中wij表示被歸一化的權重系數， 取值范圍為[0，1]（i=1，2，3，…，n; j=1，2，3，…，m）。

（6）

3. 灰色關聯分析法。 該方法的基本思想是通過比較數列幾何曲線形狀來判斷數列關聯度， 數列幾何形狀越相似， 相應數列之間關聯度越高， 反之數列之間關聯度越低[19] 。 灰色關聯分析方法具體步驟如下：

（1）確定分析序列。 假設比較序列為Xj=（xj1， xj2，…，xjn）（j=1，2，3，…，n）， 表示國有及國有控股高技術制造業下屬行業創新投入指標; 假設參考序列為Yi=（yi1，yi2，…，yin）（i=1，2，3，…，m）， 表示國有及國有控股高技術制造業下屬行業創新產出指標。

（2）無量綱化處理。 原始數據各指標具有不同的計量單位， 不能直接進行比較， 為了保證研究的嚴謹性， 需要對數據進行無量綱化處理。

（3）確定關聯系數。 具體運算見式（7）。 式（7）中|Xj（k）-Yi（k）|為第j列比較序列與第i列參考序列絕對差值， 其中k=1，2，…，n， i=1，2，…，m。 ρ為分辨系數， ρ越大， 分辨率越低， 其取值范圍為（0，1）， 通常取ρ=0.5，? ? ? ? ? ?|Xj（K）-Yi（K）|為兩級最小差，? ? ? ? ? ? |Xi（K）-Yi（K）|為兩級最大差。

（7）

（4）計算關聯度。 具體運算見式（8）。 其中， rij為第j個影響因素與第i個參考指標的關聯度， r與1越接近， 說明兩者之間的關聯度越大， 該因素j對于該指標i的影響越大。

（5）計算綜合貢獻度。 具體運算見式（9）。 式中rij為式（8）得出的關聯度， pij為式（6）得出的指標權重， w為考慮權重的投入指標對產出指標綜合貢獻度。

（二）指標體系構建

一般而言， 合理選擇指標是科學有效評估國有及國有控股高技術制造業創新效率的保障， 指標的選擇應符合系統性、適用性和可獲得性原則。 根據這三個原則， 本文從投入和產出兩個方面構建了創新效率評價指標體系， 具體如表1所示。

在創新人力投入方面， 研發人員的投入對任何高技術制造業都非常重要， 研發人員的素質越高， 越有利于該行業的戰略發展， 因此， 選取研發人員折合全時當量作為人力投入方面的指標。 在創新資金投入方面， 無論是研發費用、技術改造費用還是新產品開發費用， 都與產業創新活動相關， 均作為資金投入指標。 國有及國有控股高技術制造業是國家經濟發展的重要支撐， 國家以投入資金的方式全力支持國有及國有高技術制造業的創新發展， 因此， 將政府投資也作為創新投入資金的要素之一。 本文借鑒張永安等[13] 的分類方法， 將創新產出指標分為創新經濟收益和創新經濟成果兩大類。 對于創新經濟收益方面的指標， 根據數據的可獲取性原則， 選取了主營業務收入和利潤總額進行衡量。 文章選取的主營業務收入是原數據的主營業務收入減去新產品銷售收入， 以避免收入被重復計算。 關于創新經濟成果指標的選擇， 參照國際上通用的做法， 選取新產品銷售收入和專利申請數進行衡量[20] 。

（三）數據來源

1999年發布的《關于國有企業改革和發展若干重大問題的決定》指出， 從戰略上調整國有經濟布局， 推動國有企業戰略重組。 同年， 中共中央、國務院發布《關于加強技術創新， 發展高科技， 實現產業化的決定》， 這些政策都推動了國有及國有高技術制造業的發展。 考慮到產出要素具有時滯性， 本文選取2000 ～ 2016年國有及國有控股高技術制造業下屬行業作為研究樣本， 所有數據均來自于2001 ～ 2017年《中國高技術統計年鑒》。 根據數據的可獲取性和完整性原則， 文章選取國有及國有控股高技術制造業下屬行業進行技術創新效率的研究。

三、基于DEA-Malmquist指數法創新效率動態分析

本文采用2000 ～ 2016年國有及國有控股高技術制造業下屬行業的面板數據， 并基于DEA-Malmquist指數法， 對國有及國有控股高技術制造業創新效率進行研究。 運用DEAP 2.1軟件對原始數據進行分析， 測算了2000 ～ 2016年國有及國有控股高技術制造業年度和各行業的全要素生產率指數變動情況。

（一）各年度動態創新效率

各年度動態創新效率結果見表2， 變動趨勢如圖所示。

1. 由表2可知， 2000 ～ 2016年國有及國有控股高技術制造業全要素生產率平均值為1.016， 說明技術創新效率總體上呈上升態勢。

（1）從全要素生產率角度分析， 2000 ～ 2001年國有及國有控股高技術制造業技術進步指數為1.499， 技術效率指數為1.072， 說明該期間的技術進步和技術效率都是有效的， 即對全要素生產率都做出了貢獻， 但是做出主要貢獻的是技術進步。 2000年， 國家提出新世紀之初我國經濟發展的新思路， 實行經濟的戰略性調整， 以保持國民經濟持續快速健康發展。 對于先進技術的積極投入為我國國有及國有控股高技術制造業的發展提供了重要的技術保障。 2001 ～ 2002年國有及國有控股高技術制造業全要素生產率指數為0.590， 技術進步指數為0.663， 技術效率指數為0.889， 技術進步指數與技術效率指數相比上一年都變小了， 其中對全要素生產率起主要貢獻的是技術效率。 上述結果說明前一年引進的先進技術并沒有被充分消化吸收， 創新資源存在一定程度的浪費， 技術創新效率也受其影響。 因此， 2001 ～ 2002年主要以現有技術為基礎、以技術效率的提升為目標進行發展。

2002 ～ 2008年均出現了如2000 ～ 2002年先短時上升又迅速下滑的趨勢， 說明我國在實施“十五”“十一五”規劃時還處在不斷摸索階段， 技術的引進與吸收能力還有待提高。

2008 ～ 2011年國有及國有控股高技術制造業處于平穩發展時期， 該期間的全要素生產率基本相同， 而2011 ～ 2012年出現較低的拐點。 結合2011 ～ 2012年國有及國有高技術制造業創新投入與產出指標可知， 該期間各創新投入量逐年增加， 然而2012年創新產出指標中的利潤總額與2011年相比出現下降現象， 這顯示在2011 ～ 2012年技術創新能力沒有隨著創新投入要素的增加而提升， 創新資源存在冗余現象， 導致整體創新效率較低。

2012 ～ 2016年國有及國有高技術制造業創新效率保持在平穩發展水平， 這與國家政策和國家取得的成就息息相關。 由上述分析可知， 國有及國有控股高技術制造業全要素生產效率經歷了上下波動又趨于平穩發展的過程。

（2）從技術效率的角度分析， 2000 ～ 2001年國有及國有控股高技術制造業技術效率指數為1.072， 純技術效率指數為1.069， 規模效率指數為1.003。 該期間純技術效率和規模效率均對技術效率起到了促進作用， 但純技術效率促進作用占比為95.83%， 規模效率促進作用占比為4.17%， 這說明純技術效率指數主導了技術效率的提高， 該時期國有及國有控股高技術制造業的技術和企業規模對生產效率的影響比較大。 而2001 ～ 2002年國有及國有控股高技術制造業技術效率指數為0.889， 純技術效率指數為0.897， 規模效率指數為0.992。 該期間純技術效率和規模效率均對技術效率起到抑制作用， 但純技術效率抑制作用占比為92.8%， 規模效率抑制作用占比為7.2%， 純技術效率主導了技術效率的降低， 該時期國有及國有控股高技術制造業的技術和企業規模對生產效率的影響比較小， 未達到技術有效和規模有效。

從表2中可知， 除2009 ～ 2010年之外的其他年份， 如果純技術效率指數小于1， 那么技術效率指數也小于1， 這表明純技術效率是影響技術效率指數變動的主要因素， 即國有及國有控股高技術制造業技術利用率指數低是影響技術效率的關鍵因素。 但從總體上分析， 2000 ～ 2016年國有及國有控股高技術制造業技術效率均值為1.007， 純技術效率指數平均值為1.007， 規模效率指數平均值為1.000， 說明該階段國有及國有控股高技術制造業在規模效率有效的前提下， 著力改善技術和管理等影響純技術效率的因素可以提高技術生產效率。

綜上， 2000 ～ 2016年國有及國有控股高技術制造業技術效率指數平均值為1.007， 年均增長率為0.7%， 2000 ～ 2016年國有及國有控股高技術制造業全要素生產率指數平均值為1.016， 年均增長率為1.6%， 說明2000 ～ 2016年國有及國有控股高新技術制造業技術創新效率總體發展呈上升態勢。

2. 由上圖觀察可知， 純技術效率指數曲線與技術效率指數曲線變化趨勢基本相同， 技術進步指數曲線與全要素生產指數曲線變化趨勢基本相同。 由此可知， 純技術效率是影響技術效率指數變動的主要因素， 技術進步是影響全要素生產指數變動的主要因素， 這也進一步證實了全要素生產效率指數分解為技術進步指數和技術效率指數的合理性。

（二）各行業動態創新效率

表3列示了國有及國有控股高技術制造業下屬行業創新動態效率。

由表3可知， 2000 ～ 2016年除計算機及辦公設備制造業全要素生產率小于1之外， 其他行業全要素生產率都大于1， 原因在于計算機及辦公設備制造業技術進步指數較小。 這一方面說明國有及國有控股計算機及辦公設備制造業技術更新比較慢， 計算機人才比較稀缺， 存在創新資源濫用， 創新成果轉化率比較低; 另一方面再次印證了技術進步是影響全要素生產率指數變動的主要因素， 即國有及國有控股高技術制造業下屬行業創新效率的有效性與技術進步指數密切相關。 2000 ～ 2016年國有及國有控股高技術制造業下屬行業技術效率指數均值為1.007， 與純技術效率指數均值一致; 而規模效率指數沒有變動， 說明國有及國有控股高技術制造業下屬行業在現有規模效益下， 提高技術使用效率是提升行業技術效率的有效途徑。 同時也再次驗證了在現有規模效益下， 技術效率指數變動主要受純技術效率的影響。 醫療儀器設備及儀器儀表制造業在大醫改、國家大力支持創新醫療器械行業的宏觀背景下發展迅速， 在2000 ～ 2016年全要素生產效率和技術進步指數較高， 均為1.065， 說明這期間國家對于醫療儀器設備及儀器儀表制造業實施的相關政策得到了有效體現。

四、基于熵值—灰色關聯分析法的創新要素投入差異性分析

（一）基于熵值法的分析

基于熵值法， 按照式（2） ～ （6）計算創新投入要素權重， 具體結果見表4， 表中所列權重為2000 ～ 2016年的均值。 從行業來看， 電子及通信設備制造業和航空、航天器及設備制造業以及醫藥制造業中技術改造費用支出所占權重最高， 而計算機及設備制造業和醫療儀器設備及儀器儀表制造業所占權重相對較低， 歸因于原始數據中2000 ～ 2009年醫療儀器設備及儀器儀表制造業和計算機及設備制造業， 人力和資金投入不足， 也缺乏先進的技術投入。 《關于深化科技體制改革加快國家創新體制建設的意見》和《關于深化體制機制改革加快實施創新驅動發展戰略的若干意見》等相關政策提出之后， 各行業都加大了人員、資金和技術的投入力度， 但是由于各行業創新能力和技術投入存在差異， 相同投入要素在各行業所占權重也不盡相同。

從投入要素來看， 航空、航天器及設備制造業作為我國的高端裝備制造業， 在研發方面的投入要領先于其他行業。 航空、航天器及設備制造業在研發人員折合全時當量、研發經費內部支出、新產品開發經費支出和技術改造費用支出四個投入指標中所占權重最高， 而政府資金方面所占權重也僅次于電子及通信設備制造業。 雖然在2000 ～ 2016年航空、航天器及設備制造業取得了不錯的成績， 但是由表3可知， 該制造業技術進步指數為0.990<1， 總體技術水平尚未達到有效， 還需要進一步創新發展技術， 提高該行業創新效率水平。 在政府資金方面， 電子及通信設備制造業所占權重為0.21350， 明顯高于其他四個行業， 足以證明政府對于電子及通信設備制造業的重視。

（二）基于灰色關聯分析法的分析

基于灰色關聯分析法， 按照式（7） ～ （9）計算2000 ～ 2016年國有及國有控股高技術制造業下屬行業創新投入指標與產出指標綜合關聯度， 具體結果如表5所示。

從行業角度分析， 在電子及通信設備制造業以及航空、航天器及設備制造業中， 各投入指標對產出指標貢獻度比較均衡， 兩個行業研發經費內部支出的貢獻率較高， 分別為0.71747和0.65826， 這顯示出國有及國有控股高技術制造業自身對于技術創新高度重視， 不斷加大對研發部門的投資力度。 計算機及辦公設備制造業以及醫療儀器設備及儀器儀表制造業兩個行業， 各投入指標所占比重較小， 對產出指標貢獻度也比較小， 其中新產品開發經費支出貢獻度最高， 分別為0.32166和0.33144。 由原始數據可知， 這兩個行業原始投入較其他行業相對較少， 說明我國對于計算機及辦公設備制造業以及醫療儀器設備及儀器儀表制造業應給予更多投入和重視， 從而為實現制造強國的戰略目標奠定堅實的基礎。 醫藥制造業中， 技術改造費用支出所做出的貢獻最大， 為0.65011， 明顯高于其他行業技術改造費用支出的貢獻度， 說明近年國有及國有控股制造業越來越重視對先進技術的消化與創新。

從投入指標角度分析， 研發人員折合全時當量、研發經費內部支出、新產品開發經費支出以及政府資金與產出指標綜合關聯度較高的行業均為電子及通信設備制造業。 電子及通信設備制造業屬于資金密集型、技術高頻率變化的行業， 所以對人力和其他支出的投入高于其他行業， 政府也在大力扶持該行業。 技術改造費用支出與產出指標綜合關聯度較高的行業為醫藥行業， 說明在大醫改的背景下， 醫藥行業也在逐步提升該行業的技術水平， 為達到一流的醫療水平服務。

研發人員折合全時當量、新產品開發經費支出、政府資金與產出指標綜合關聯度較低的行業均為計算機及辦公設備制造業; 研發經費內部支出和技術改造費用支出與產出指標綜合關聯度較低的行業均為醫療儀器設備及儀器儀表制造業。 這說明上述行業對于投入指標的貢獻率沒有達到理想效果， 即創新能力較低、資源配置不合理， 造成資源浪費。 以上分析表明， 相同的投入要素在不同行業貢獻度存在差異， 主要歸因于投入強度與創新能力差異。

五、結論與不足之處

（一）結論

國有及國有控股高技術制造業作為我國國民經濟發展的重要支柱， 隨著經濟全球化的快速發展， 提高國有及國有控股高技術制造業創新效率是可持續發展的重要保障。 本文基于2000 ～ 2016年國有及國有控股高技術制造業下屬行業面板數據， 采用DEA-Malmquist指數法和熵值—灰色關聯分析法研究國有及國有控股高技術制造業下屬行業動態效率的變化和各創新投入要素對產出的貢獻度。

從整體創新動態效率視角分析， 2000 ～ 2016年國有及國有控股高技術制造業平均全要素生產率大于1， 說明我國國有及國有控股高技術制造業技術創新效率呈現上升態勢。 其中技術進步是影響全要素生產率指數變動的主要因素， 即技術進步是影響創新效率的主要因素， 說明國有及國有控股高技術制造業技術需隨著經濟發展進一步提升， 以滿足創新時代要求。 鑒于此， 國家應出臺相關政策扶持國有及國有控股高技術制造業， 鼓勵高新技術制造業加大技術開發投入力度。 進一步研究表明， 純技術效率也是影響技術效率指數變動的主要因素， 即技術效率與純技術效率存在一定的協同效應。 二者的關系說明國有及國有控股高技術制造業技術轉化率、資源配置效率和技術創新能力還需改善和提升。 因此， 國有及國有控股高技術制造業不僅要關注技術的引進與改造， 更要注重技術的吸收、轉化和創新。 相關部門可以成立專門機構或組織， 研究如何將技術資源與自身資源最大化結合與利用， 從而推動國有及國有控股高技術制造業持續健康發展。

從行業創新動態效率視角分析， 全要素生產率差異較大的是計算機及辦公設備制造業以及醫療儀器設備及儀器儀表制造業。 從二者原始數據投入指標來看差異不明顯， 主要原因在于國有及國有控股計算機及辦公設備制造業技術要求比較高， 然而2010年以前對于該行業研發方面的人力與資金投入較少， 后期發展比較緩慢， 技術學習和引進程度不夠， 所以技術進步指數偏低， 進而造成該行業全要素生產率偏低。 而其他四個行業發展較快， 特別是航空、航天器及設備制造業在現有技術水平下實現快速發展。 相關部門可以建立信息交流平臺， 促進各行業的信息交流與合作， 以實現協同發展， 并為各行業科技共同創新提供信息服務支撐。

從各行業創新投入要素對產出的貢獻度視角分析， 相同的投入要素在不同行業貢獻度存在差異， 主要歸因于投入強度與創新能力差異。 如電子及通信設備制造業屬于資金密集型、高技術的行業， 對人力和資金需求高于其他行業， 研究結果表明投入指標要素對產出指標的平均綜合貢獻度在0.67以上。 而計算機及辦公設備制造業雖然也屬于高技術行業， 但由于前期研發投入強度不夠， 結果表明投入指標要素對產出指標的平均綜合貢獻度不足0.20。 因此， 政府應根據高技術制造業下屬行業的差異性， 確定合適的投入強度， 保證投入資金的合理配置， 改善創新資本和人員的使用效率， 從而為國有及國有控股高技術制造業技術創新效率的提升提供切實可行的方案。

（二）不足之處

受限于數據的可獲取性， 本文僅考慮了人力投入和資金投入兩類投入指標， 現實中影響國有及國有高技術制造業創新效率的指標還有很多。 另外， 未來的研究對象可細化到對國有及國有控股高技術制造業下屬每個行業內部， 從而更詳盡地分析影響國有及國有控股高技術制造業發展的微觀因素。

【 主 要 參 考 文 獻 】

[ 1 ]? ?葛寶山，王毅，于渤，吳偉偉.面向中國制造2025的創新能力建設與競爭優勢塑造專欄介紹[ J].管理科學，2017（2）：1 ～ 2.

[ 2 ]? ?孫俊玲，馬立群.基于DEA-Malmquist指數的國企高技術制造業技術創新效率及地域性差異研究[ J].東南大學學報（哲學社會科學版），2019（S1）：114 ～ 118.

[ 3 ]? ?徐丹丹，孫夢超.高技術產業中國有及國有控股企業創新效率研究[ J].內蒙古財經大學學報，2015（4）：29 ～ 35.

[ 4 ]? ?康淑娟.行業異質性視角下高技術產業創新價值鏈效率測度——基于SFA修正的三階段DEA模型的實證分析[ J].科技管理研究，2017（6）：7 ～ 12.

[ 5 ]? ?陳建麗，孟令杰，姜彩樓.兩階段視角下高技術產業技術創新效率研究——基于網絡SBM模型和DEA窗口分析[ J].科技管理研究，2014（11）：11 ～ 16.

[ 6 ]? ?楊惠瑛，王新紅.高新技術產業R&D效率測度[ J].科技進步與對策，2012（2）：113 ～ 117.

[ 7 ]? ?王明亮，余芬.我國電子及通信設備制造業創新效率實證分析[ J].科技管理研究，2018（7）：85 ～ 92.

[ 8 ]? ?楊蕓，洪功翔.國有高技術企業創新效率評價——基于Malmquist指數[ J].山東工商學院學報，2017（5）：87 ～ 93+100.

[ 9 ]? ?劉滿鳳，李圣宏.基于三階段DEA模型的我國高新技術開發區創新效率研究[ J].管理評論，2016（1）：42 ～ 52+155.

[10]? ?張立杰，梁錦凱.我國絲綢之路經濟帶沿線省（市、區）高技術產業創新效率研究——基于DEA-Malmquist-Tobit方法[ J].科技進步與對策，2019（13）：68 ～ 75.

[11]? ?朱有為，徐康寧.中國高技術產業研發效率的實證研究[ J].中國工業經濟，2006（11）：38 ～ 45.

[12]? ?張涵，楊曉昕.創新環境約束下高技術產業區域創新效率及收斂性研究[ J].科技進步與對策，2018（3）：43 ～ 51.

[13]? ?張永安，魯明明.高技術制造業創新效率評價及要素投入差異性研究[ J].科技進步與對策，2019（16）：51 ～ 57.

[14]? ?Caves D. W.， Christensen L. R.， Diewert W. E.. The economic theory of index numbers and the measurement of input， output， and?productivity[ J]. Econometrica，1982（6）：1393 ～ 1414.

[15]? ?Fare R.， Grosskopf S.， Lindgren B.， Roos P.. Productivity changes in Swedish pharamacies 1980-1989： A non-parametric malmquist?approach[ J].Journal of Productivity Analysis，1992（1-2）：85 ～ 101.

[16]? ?Banker R. D.， Charnes A.， Cooper W.. Some models for estimating technical and scale inefficiencies in data envelopment analysis[ J].?Management Science，1984（9）：1078 ～ 1092.

[17]? ?陳懷超，張晶，費玉婷，范建紅.中部六省產學研創新效率對省域創新的影響——基于Malmquist指數與灰色關聯度的分析[ J].科技進步與對策，2018（20）：137 ～ 143.

[18]? ?李剛，程硯秋，董霖哲，王文君.基尼系數客觀賦權方法研究[ J].管理評論，2014（1）：12 ～ 22.

[19]? ?鄧聚龍.灰理論基礎[M].武漢：華中科技大學出版社，2002：1 ～ 496.

[20]? ?周密，申婉君.研發投入對區域創新能力作用機制研究——基于知識產權的實證證據[ J].科學學與科學技術管理，2018（8）：26 ～ 39.