我國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率研究

摘 要：“十三五”期間，我國(guó)高技術(shù)產(chǎn)業(yè)發(fā)展強(qiáng)勁，占制造業(yè)比重持續(xù)擴(kuò)大，創(chuàng)新發(fā)展取得有效突破。本文通過(guò)DEA模型、Malmquist指數(shù)模型、聚類(lèi)分析，根據(jù)2009—2019年的有關(guān)數(shù)據(jù)，測(cè)算我國(guó)30個(gè)省市及東、中、西部地區(qū)的技術(shù)創(chuàng)新效率、全要素生產(chǎn)效率等。研究發(fā)現(xiàn)，目前我國(guó)中部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率最高，其次是東部地區(qū)，最后是西部地區(qū);我國(guó)有過(guò)半省份高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率達(dá)到DEA有效性，而且欠發(fā)達(dá)省份的創(chuàng)新效率不一定比發(fā)達(dá)省份的效率低;聚類(lèi)結(jié)果表明各省市的技術(shù)創(chuàng)新效率沒(méi)有按照東、中、西部地區(qū)的結(jié)構(gòu)分布。

關(guān)鍵詞：DEA模型;Malmquist指數(shù);高技術(shù)產(chǎn)業(yè);技術(shù)創(chuàng)新效率;聚類(lèi)分析

本文索引：殷亞?wèn)|.<變量 2>[J].中國(guó)商論，2022（06）：-141.

中圖分類(lèi)號(hào)：F276.44 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2022）03（b）--04

“十四五”期間，我國(guó)將進(jìn)入新的發(fā)展階段，經(jīng)濟(jì)社會(huì)發(fā)展內(nèi)外部環(huán)境發(fā)生著深刻的改變，改革發(fā)展也面臨新的任務(wù)。作為國(guó)民經(jīng)濟(jì)重要組成部分的高技術(shù)產(chǎn)業(yè)，是提高我國(guó)經(jīng)濟(jì)實(shí)力、增強(qiáng)國(guó)際競(jìng)爭(zhēng)力的重要依靠力量，尤其是在產(chǎn)業(yè)轉(zhuǎn)型升級(jí)中扮演著重要角色的高技術(shù)產(chǎn)業(yè)，對(duì)國(guó)民經(jīng)濟(jì)的健康發(fā)展、綜合國(guó)力的提高至關(guān)重要。因此，對(duì)我國(guó)高技術(shù)產(chǎn)業(yè)做出評(píng)價(jià)，有助于了解目前高技術(shù)產(chǎn)業(yè)的發(fā)展現(xiàn)狀，促進(jìn)高技術(shù)產(chǎn)業(yè)的發(fā)展。

李培哲等（2021）測(cè)算我國(guó)省級(jí)區(qū)域高技術(shù)產(chǎn)業(yè)創(chuàng)新整體效率及三個(gè)子階段效率，對(duì)創(chuàng)新系統(tǒng)子階段間的關(guān)聯(lián)有效性及區(qū)域創(chuàng)新過(guò)程效率的差異性進(jìn)行分類(lèi)分析[1]。范德成等（2021）運(yùn)用DEA-Malmquist指數(shù)法測(cè)度我國(guó)29個(gè)省市的高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率，引入貝葉斯模型平均方法，對(duì)可能影響技術(shù)創(chuàng)新效率的潛在因素進(jìn)行識(shí)別和檢驗(yàn)[2]。李鋒等（2021）利用生態(tài)鏈理論，構(gòu)建高技術(shù)產(chǎn)業(yè)創(chuàng)新效率評(píng)價(jià)體系，運(yùn)用DEA模型和Malmquist指數(shù)分析我國(guó)高技術(shù)產(chǎn)業(yè)靜態(tài)與動(dòng)態(tài)創(chuàng)新效率[3]。白素霞等（2021）基于數(shù)據(jù)包絡(luò)分析方法，對(duì)我國(guó)國(guó)家級(jí)高新區(qū)高技術(shù)產(chǎn)業(yè)的創(chuàng)新效率進(jìn)行評(píng)價(jià)[4]。劉鳳朝等（2020）把東北地區(qū)和其他地區(qū)進(jìn)行對(duì)比，分析東北地區(qū)及其各個(gè)省之間的技術(shù)創(chuàng)新效率差距[5]。熊波等（2020）通過(guò)中國(guó)A股上市公司面板數(shù)據(jù)檢驗(yàn)高技術(shù)企業(yè)認(rèn)定是否會(huì)對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生影響 [6]。

通過(guò)梳理中國(guó)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率方面的文獻(xiàn)，發(fā)現(xiàn)研究對(duì)象更多是針對(duì)某一區(qū)域、省市、行業(yè)，研究中國(guó)整體、東中西部地區(qū)及省際之間高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率差異的研究較少。因此，在總結(jié)前人研究成果的基礎(chǔ)上，運(yùn)用DEA模型及Malmquist指數(shù)分別從靜、動(dòng)態(tài)兩個(gè)角度測(cè)算我國(guó)30個(gè)省市及東中西部地區(qū)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率水平。

1 理論基礎(chǔ)與方法介紹

1.1 理論基礎(chǔ)

Schumpeter首次以經(jīng)濟(jì)學(xué)角度提出“創(chuàng)新”一詞[7]，創(chuàng)新理論即創(chuàng)新與經(jīng)濟(jì)周期的關(guān)系，創(chuàng)新與經(jīng)濟(jì)均衡的改變和企業(yè)家對(duì)創(chuàng)新的作用。狹義派認(rèn)為技術(shù)創(chuàng)新是在商業(yè)上首次使用或第一次引入新產(chǎn)品或新工藝所包含的過(guò)程[8][9]。廣義派則認(rèn)為技術(shù)創(chuàng)新是以其構(gòu)思新穎性和成功實(shí)現(xiàn)為特征的有意義的非連續(xù)性事件 ，或者是新產(chǎn)品和新工藝 ，以及產(chǎn)品和工藝顯著的技術(shù)變化[10]。

1.2 方法介紹

1.2.1 DEA模型

Charnes等（1978）在1978年提出一種數(shù)據(jù)包絡(luò)分析（DEA）模型，該模型用于測(cè)算具有多個(gè)投入多個(gè)產(chǎn)出單元的效率[11]。目前，數(shù)據(jù)包絡(luò)分析（DEA）仍然是衡量多投入產(chǎn)出決策單元效率是否最有效的方法。

1.2.2 Malmquist指數(shù)

Malmquist指數(shù)最初是由瑞典經(jīng)濟(jì)學(xué)家和統(tǒng)計(jì)學(xué)家 Malmquist在1953年提出的[12]，此后Fare等（1994）將其與DEA模型相結(jié)合，通過(guò)對(duì)第a期與第a+1期生產(chǎn)率指數(shù)幾何平均數(shù)的計(jì)算來(lái)衡量生產(chǎn)率的變動(dòng)情況[13]。

1.2.3 聚類(lèi)分析

聚類(lèi)分析是根據(jù)所要研究樣本的特點(diǎn)按照一定的標(biāo)準(zhǔn)，將所要研究樣本的特點(diǎn)進(jìn)行歸類(lèi)分析的一種技術(shù)性分析方法[14]，此次研究采用的是系統(tǒng)聚類(lèi)，先確定類(lèi)與類(lèi)之間的相似性統(tǒng)計(jì)，再將兩個(gè)或兩個(gè)以上最接近的類(lèi)合并成一個(gè)新類(lèi)，如此反復(fù)直到所有的樣本合并成一個(gè)類(lèi)為止。

2 數(shù)據(jù)獲取與指標(biāo)的選取

本文選取2009—2019年我國(guó)30個(gè)省市的高技術(shù)產(chǎn)業(yè)數(shù)據(jù)進(jìn)行分析，通過(guò)因子分析法選取能反映高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的指標(biāo)，選取的指標(biāo)如表1所示。

3 實(shí)證分析

3.1 DEA模型測(cè)算

使用 DEA-SOLVER5.0測(cè)算2009年和2018年我國(guó)30個(gè)省市高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率，考慮到當(dāng)年的投入資源不一定能在當(dāng)年獲得產(chǎn)出，因此設(shè)置滯后期并將滯后期規(guī)定為1年，結(jié)果如表2所示。

由表2可知，2009年我國(guó)技術(shù)創(chuàng)新效率水平是0.8088，2018年為0.9102，有小幅度提高。2009年，全國(guó)共有16個(gè)省市達(dá)到DEA有效性，而2018年達(dá)到DEA有效性的有17個(gè)。相較2009年，2018年我國(guó)東、中、西部地區(qū)的技術(shù)創(chuàng)新效率都有提高，其中中部地區(qū)最快，其次為西部地區(qū)，最后是東部地區(qū)。相較2009年，2018年提高技術(shù)創(chuàng)新效率最慢的東部地區(qū)擁有最多達(dá)到DEA有效性的省份，提高技術(shù)創(chuàng)新效率最快的中部地區(qū)只增加了兩個(gè)達(dá)到DEA有效性的省市，而提高技術(shù)創(chuàng)新效率次之的西部地區(qū)達(dá)到DEA有效性的省市減少了。這在一定程度上說(shuō)明中、西部地區(qū)整體技術(shù)創(chuàng)新效率水平上有大幅度提升，但對(duì)以達(dá)到DEA有效性的省市技術(shù)創(chuàng)新效率而言，東部地區(qū)的實(shí)力依舊強(qiáng)勁。

3.2 Malmquist指數(shù)測(cè)算

如表3所示，我國(guó)大部分省市高技術(shù)產(chǎn)業(yè)的全要素生產(chǎn)率處于增長(zhǎng)狀態(tài)，全國(guó)全要素生產(chǎn)率平均增長(zhǎng)幅度達(dá)14%，增長(zhǎng)幅度最多的是技術(shù)效率，達(dá)到9%，其次為規(guī)模效率，增幅達(dá)到8%。東、中、西部地區(qū)的全要素生產(chǎn)率全部呈現(xiàn)增長(zhǎng)態(tài)勢(shì)，其中中部地區(qū)增長(zhǎng)幅度最大，達(dá)到33%，其次為西部地區(qū)，增幅達(dá)到27%，最后為東部地區(qū)。同時(shí)，也要注意到中、西部地區(qū)的技術(shù)進(jìn)步變動(dòng)指數(shù)小于1，說(shuō)明技術(shù)進(jìn)步變化指數(shù)總體呈現(xiàn)下降趨勢(shì)，東、中、西部地區(qū)純技術(shù)效率增長(zhǎng)處于停滯狀態(tài)，說(shuō)明未對(duì)提高技術(shù)效率起到促進(jìn)作用。

3.3 聚類(lèi)分析

由表4可以看出，我國(guó)30個(gè)省市高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率分布并沒(méi)有按照東、中、西部的地理分布，說(shuō)明雖然發(fā)達(dá)省份高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率比較強(qiáng)，但是欠發(fā)達(dá)省份的創(chuàng)新效率也不弱，雖然投入少，但是產(chǎn)出相對(duì)其他地區(qū)效率要高很多。通過(guò)聚類(lèi)分析可以得出一個(gè)結(jié)論：經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)不代表創(chuàng)新效率低，經(jīng)濟(jì)基礎(chǔ)好的省份也不代表資源的利用效率高，所以一定要重視資源的利用效率，提高優(yōu)化配置資源的能力。

4 結(jié)論

2009—2018年，我國(guó)高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率基本保持增長(zhǎng)態(tài)勢(shì)，其中東部地區(qū)的技術(shù)創(chuàng)新效率最為穩(wěn)定，中部地區(qū)的技術(shù)創(chuàng)新效率逐年高于東部地區(qū)，而西部地區(qū)的變化幅度最大。相比2009年，2018年我國(guó)30個(gè)省市的技術(shù)創(chuàng)新效率基本得到提高。另外，目前我國(guó)東部地區(qū)的技術(shù)創(chuàng)新效率最為穩(wěn)定，中、西部地區(qū)處于波動(dòng)上升狀態(tài)，而且中部地區(qū)的技術(shù)創(chuàng)新效率提高最快并逐步高過(guò)東部地區(qū)。

Malmquist指數(shù)測(cè)算，我國(guó)30個(gè)省市的技術(shù)效率增長(zhǎng)幅度大于技術(shù)進(jìn)步幅度，全要素生產(chǎn)效率主要依靠技術(shù)效率拉動(dòng)。從各地區(qū)來(lái)看，中部的全要素生產(chǎn)效率提高幅度最大，其次是西部地區(qū)，最后是東部地區(qū)。2009—2018年，全要素生產(chǎn)率平均增長(zhǎng)1.014，但在部分期間全要素生產(chǎn)效率小于1，且主要由技術(shù)變動(dòng)指數(shù)導(dǎo)致，表明技術(shù)退步已經(jīng)成為影響全要素生產(chǎn)率的一個(gè)重要因素。

聚類(lèi)分析的結(jié)果表明，聚類(lèi)并沒(méi)有按照東、中、西部地區(qū)的結(jié)構(gòu)分布，一些西部省份高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率要比東部發(fā)達(dá)省份的效率高，可能是因?yàn)闁|部省份研發(fā)投入大，但是技術(shù)創(chuàng)新效率增幅較小，而西部欠發(fā)達(dá)省份的投入小，但是產(chǎn)出高，創(chuàng)新效率增長(zhǎng)幅度大。

5 建議

首先，合理配置資源，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。就目前研究分析，有50%的省份的技術(shù)創(chuàng)新效率達(dá)到DEA有效性，而且數(shù)值大于1，說(shuō)明投入資源過(guò)多，現(xiàn)有資源利用不合理。因此，在做到滿(mǎn)足本區(qū)域高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率要求的同時(shí)，要做到合理配置資源，避免產(chǎn)生過(guò)多的資源冗余。

其次，加強(qiáng)地區(qū)省際間的互動(dòng)。充分發(fā)揮各區(qū)域的區(qū)位優(yōu)勢(shì)，彌補(bǔ)各區(qū)域的不足，發(fā)揮擴(kuò)散效應(yīng)，最大限度彌補(bǔ)自身缺點(diǎn)。中部地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率提高幅度最大，加強(qiáng)中部與東部、中部與西部地區(qū)產(chǎn)業(yè)之間的互動(dòng)，帶動(dòng)西部地區(qū)高技術(shù)產(chǎn)業(yè)發(fā)展。

最后，針對(duì)不同情況的省份進(jìn)一步為高技術(shù)企業(yè)提供稅收優(yōu)惠及營(yíng)造良好的創(chuàng)新環(huán)境，促進(jìn)我國(guó)高技術(shù)企業(yè)依據(jù)地區(qū)條件差異進(jìn)行因地制宜的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，并督促高技術(shù)企業(yè)提升自身科技創(chuàng)新水平。另外，要加快成果轉(zhuǎn)化，使科研成果轉(zhuǎn)化為經(jīng)濟(jì)效益，實(shí)現(xiàn)科研與經(jīng)濟(jì)效益的可持續(xù)發(fā)展。

參考文獻(xiàn)

李培哲，菅利榮.區(qū)域高技術(shù)產(chǎn)業(yè)創(chuàng)新過(guò)程效率研究[J].科學(xué)學(xué)研究，2021：1-16.

范德成，谷曉梅.高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率關(guān)鍵影響因素分析：基于DEA-Malmquist和BMA方法的實(shí)證研究[J].科研管理，2021：1-9.

李鋒，劉玥含，尹潔.創(chuàng)新生態(tài)系統(tǒng)視角下我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率評(píng)價(jià)研究[J].軟科學(xué)，2021（9）：53-60.

白素霞，陳彤.中國(guó)高新區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率探析[J].經(jīng)濟(jì)體制改革，2021（2）：68-73.

劉鳳朝，張娜，趙良仕.東北三省高技術(shù)制造產(chǎn)業(yè)創(chuàng)新效率評(píng)價(jià)研究：基于兩階段網(wǎng)絡(luò)DEA模型的分析[J].管理評(píng)論，2020， 32（4）：90-103.

熊波，杜佳琪.高新技術(shù)企業(yè)認(rèn)定對(duì)企業(yè)全要素生產(chǎn)率的影響：基于雙重差分方法的分析[J].科技進(jìn)步與對(duì)策，2020（18）：133-142.

熊彼特.經(jīng)濟(jì)發(fā)展理論[M].何畏，易家詳，譯.北京：商務(wù)印書(shū)館，1990.

Mansfield， Academic research and Industrial innovation： An Update of Empirical Findings[J].Research Policy，1998：773-776.

Freeman， Innovation and Growth， Mark Dodgson and Roy Rothwell， Handbook of Industrial Innovation， Edward Elgar， 1994.

Mueser， R. Identifying Technical Innovations， Trans. on Eng， Management， Nov.， 1985：574-584.

CHARNES A，COOPERW W，RHODES E. Measuring the efficiency of decision making units[J].Eur J Oper Res， 1978，2（6）：429-444.

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， 50（6）：1393-1414.

FARE R，GROSSKOPF S，NORRIS M，et al..Productivity growth，technical progress，and efficiency change industrialized countries[J].American Economic Review，1994，84（1）：66-83.

吳志軍，胡亞光.湘贛兩省地級(jí)市旅游產(chǎn)業(yè)綜合競(jìng)爭(zhēng)力評(píng)價(jià)與聚類(lèi)分析[J].經(jīng)濟(jì)地理，2017，37（5）：208-215.

Research on the Efficiency of Technological Innovation in China’s

High-tech Industry

School of Finance and Economics， Qinghai University? Xining， Qinghai? 810000

YIN Yadong

Abstract： During the “13th Five-year Plan” period， China’s high-tech industry developed strongly; its proportion in the manufacturing industry continued to expand， and effective breakthroughs were made in the innovation and development. Through DEA model， Malmquist index model and cluster analysis， according to the relevant data from 2009 to 2019， this study calculates the technological innovation efficiency and total factor production efficiency of 30 provinces， cities and the eastern， central and western regions of China. It is found that at present， the technological innovation efficiency of high-tech industries in central China is the highest， followed by the eastern regions， and finally the western regions; in more than half of the provinces in China， the technological innovation efficiency meets DEA effectiveness， and the innovation efficiency of less developed provinces is not necessarily lower than that of developed provinces; cluster results show that the technological innovation efficiency of provinces and cities is not distributed according to the structure of the eastern， central and western regions.

Keywords： DEA model; Malmquist index; high-tech industry; technological innovation efficiency; cluster analysis