兩階段視角下我國高技術產業創新效率的時空演變及影響因素
——基于三階段DEA-Tobit 模型的實證研究

楊 嶸，于楓敏，許晶晶

（西安石油大學 油氣資源經濟管理研究中心，陜西 西安 710065）

0 引言

創新是引領國家發展的動力源泉，是拉動經濟發展的重要引擎。當前，我國正處于新舊動能轉換的關鍵時期，過度依賴傳統要素的經濟發展模式難以適應開放經濟下合理配置資源的要求，實現經濟高質量發展必須要將提高產業技術創新效率作為重要前提［1，2］。在當前的市場經濟環境下，高技術產業以知識和技術密集、產業關聯性強、產品附加值高等特點，成為社會經濟中開展技術創新活動最活躍的領域，是提升我國國際競爭力的關鍵力量。2020年，我國高技術產業在逆勢之下成長，其增加值增速比規模以上工業高出4.3%，展現出較強的韌性。然而，我國高技術產業在快速發展的同時也面臨著諸多問題：在發展質量方面，我國高技術產業與發達國家相比差距較大，缺乏核心技術和關鍵部件的開發與研究；在區域創新活動方面，高技術產業發展的不平衡性日益凸顯。2019 年，東部地區高技術產業R＆D活動經費占全國高技術產業R＆D 活動經費的75.43%，R＆D經費支持力度遠超中西部地區。在國家實施創新驅動發展的戰略背景下，如何推動高技術產業轉變發展方式，科學定位我國高技術產業創新發展中的薄弱環節，提升高技術產業創新效率，是強化我國科技創新力量、構建創新體系的關鍵。

創新效率是衡量各產業創新水平的主要標準之一，從創新效率的角度入手，客觀地評價某個地區或產業的創新發展狀況，進而為政策制定提供重要依據，成為學術界關注的熱點問題。目前，學術界從以下方面展開了相關研究：①創新效率的測算方法。國內外學者選擇的方法有參數評價方法和非參數評價方法兩大類。Charnes［3］提出了廣泛應用于多個領域規模報酬不變的DEA 模型。我國學者劉樹林等［4-6］在測度高技術產業創新效率時采用了DEA模型；晁坤［7］基于產出距離函數的SFA 方法對裝備制造業創新效率進行了測度。②高技術產業創新效率的時空演變。刁秀華等［8］研究發現我國高技術產業的技術創新效率呈“中部＞西部＞東部”的格局；董會忠等［9］從研發階段和成果轉化兩階段分析高技術產業創新效率的空間格局和演化特征。③高技術產業創新效率影響因素。范德成等［10-12］基于不同方法對高技術產業創新效率影響因素進行了檢驗；余泳澤等［13-14］學者還關注到了創新的分階段分析，對不同階段的創新效率分別進行了分析。基于上述分析發現，學者已對高技術產業創新效率進行了多維度研究，構建了創新效率評價體系，并運用多種方法進行實證檢驗，但由于創新的系統性和綜合性，現有研究成果在測算高技術產業創新效率時還缺乏對環境因素的考慮，在解釋不同因素對兩階段創新效率影響的差異性方面還有待深化。因此，本文在測算兩階段效率時將環境因素納入考慮范疇，在準確測度高技術產業創新效率的基礎上分析其時空演變特征，從內部和外部兩方面入手構建指標體系，運用Tobit模型對不同階段創新效率影響因素展開實證研究，把握不同影響因素對兩階段創新效率影響的差異性，從而使研究結果更具針對性，以期為國家高新技術產業創新發展提供參考。

1 研究思路及方法

1.1 研究思路

提升創新效率主要是通過調整投入與產出之比，進而提高創新要素的利用率，降低單位研發成本。由于創新活動包含多個投入與產出環節，故將創新活動分為技術研發和成果轉化兩個階段，分別分析不同階段的創新效率。技術研發階段效率主要是指創新主體在研發活動中的知識產出與原始投入之比；成果轉化階段效率是指新產品市場化后銷售收入與研發投入之比（其中，新產品研發投入由技術研發階段的產出及相關的補充投入構成）。高技術產業創新活動的實現過程如圖1 所示。

圖1 高技術產業創新活動實現過程Figure 1 Realization process of high- tech industry innovation activities

為了研究兩階段創新效率的關系，找尋提高我國高技術產業創新效率的實施路徑，本文構建了兩階段矩陣圖，依據兩階段效率取值的高低劃分為4個區域，每個區域分別代表不同的效率組合，如圖2所示。

圖2 高技術產業創新效率矩陣Figure 2 High- tech industry innovation efficiency matrix chart

1.2 三階段DEA模型

高技術產業創新活動涉及多個投入環節，需要高度整合各方面的科技創新要素資源，而DEA 模型正好能對此多投入、多產出的活動做出有效評價。傳統DEA模型忽視了隨機噪聲和環境因素，導致對決策單元效率評價存在偏差，而三階段DEA 模型能夠有效彌補這一缺陷，因此本文選擇三階段DEA 模型測度高技術產業的創新效率。

第一階段為傳統DEA 模型。傳統DEA 模型包含規模報酬不變的CCR 模型和規模報酬可變的BCC模型兩大類。本文在第一階段采用投入導向的BCC模型，并將綜合效率分解為純技術效率和規模效率。模型基本形式為：

式中：i =1，2，…，n 為決策單元數；j = 1，2，…，m 為投入變量個數；k =1，2，…，s 為產出變量個數；a 與b分別表示投入與產出要素；λ為權系數；θ為決策單元有效值；s-和s+分別為投入指標與產出指標的松弛變量。

第二階段為相似SFA 回歸。由于傳統DEA 模型在消除環境因素和隨機噪聲影響方面存在局限，故在這一階段利用上一階段獲得的投入松弛變量與環境變量共同構建SFA模型。模型可表示為：

第三階段為調整后的DEA 模型。將根據相似SFA回歸結果得到新的投入變量代替原始投入變量代入傳統DEA模型中，此時得到的創新效率已剔除了環境和隨機因素的影響，效率結果更準確。

1.3 面板Tobit模型

探究高技術產業創新效率的影響因素可將技術研發和成果轉化階段的創新效率作為被解釋變量，構建回歸模型。由于創新效率值位于［0，1］區間內，采用最小二乘法存在有偏性和不一致性，因此本文采用面板Tobit模型進行回歸分析，以避免參數估計的偏誤。面板Tobit模型基本形式為：

式中：β為估計參數；Yi為被解釋變量；Xi為解釋變量；εi為殘差。

2 指標選擇與數據來源

2.1 創新效率測算指標選取

高技術產業創新活動具有多投入、多產出、多環節的特征，在構建我國高技術產業創新效率評價體系時要對其創新活動進行細分，從而更全面地反映出我國高技術產業創新活動中的短板。對于高技術產業來說，技術研發是基礎，成果轉化是關鍵。因此，將高技術產業創新活動劃分為技術研發和成果轉化兩個階段，根據各個階段的基本特征選取投入變量和產出變量。

在技術研發階段，選擇R＆D 人員全時當量、R＆D經費內部支出、企業研發機構數、新產品開發經費支出作為投入變量，將專利申請量、新產品開發項目數作為產出變量。在成果轉化階段，投入變量主要由上一階段的產出和技術改造經費支出這一補充投入共同構成，產出變量主要由新產品銷售收入構成。除此之外，創新活動還受到外部環境的影響。在技術研發階段，影響高技術產業創新效率的外部環境因素主要有政府支持力度、高等教育水平和當地經濟發展水平。其中：政府支持力度主要指政府對企業創新方面的資金支持，選擇R＆D 投入強度來衡量；高等教育水平和地區經濟發展水平分別采用各地區高等教育機構數、人均GDP 度量。在成果轉化階段，創新活動受到市場環境的影響，故選取外商投資水平、政府支持力度和地區產業結構3 個指標。其中：外商投資水平選擇各個地區實際利用的外商投資額占GDP的比重來衡量；地區產業結構則利用第三產業增加值占第二產業增加值的比重來表示。高技術產業創新效率評價體系如表1 所示。

表1 高技術產業創新活動兩階段的投入、產出與環境變量Table 1 Input- output and environmental variables of two stage of high- tech industry innovation activities

2.2 創新效率影響因素指標選取

創新效率受到多種因素共同影響，學者從不同角度對創新效率影響因素問題展開了研究。王孝松等［15］研究指出，高技術產業創新效率受到企業規模的影響，二者之間存在負向分段函數關系；范德成等［10］提出高技術產業創新效率關鍵影響因素為政府支持、產業結構、技術進步、產學研合作等；王偉等［16］認為金融環境、研發強度和勞動者素質都能夠提升高技術產業創新效率；蔣殿春等［17］則重點從外商直接投資的角度展開了討論。本文借助已有研究，根據高技術產業行業特性，從內外部兩方面入手確定影響高技術產業創新效率的因素。其中：內部因素是指企業自身可決定或者控制的因素，本文選擇企業規模（scale）、勞動者素質（labor）、科研強度（research）等指標；外部因素是指不受企業把控，主要受市場環境和經濟制度影響的因素，本文選擇政府投入水平（gov）、產學研合作水平（iur）、產權結構（structure）、地區外資引進（fdi）等指標。

本文將高技術產業的創新活動劃分為技術研發和成果轉化兩個階段。其中：技術研發階段是高技術產業開展創新活動的第一個階段，這一階段需要將知識轉化為研發成果，為下一階段的價值轉化奠定基礎；成果轉化階段則是在技術研發階段的基礎上，將研發成果轉化為商品并將其推向市場，從而獲得經濟收益。本文在充分考慮高技術產業不同創新階段特性的基礎上，著重考察了企業規模、科研強度、產學研合作水平、地區外資引進等因素對技術研發階段創新效率的影響，并考察了企業規模、勞動者素質、政府投入水平、產權結構等因素對成果轉化階段創新效率的影響，具體指標說明如表2 所示。

表2 高技術產業創新效率影響因素指標體系Table 2 Index system of factors affecting innovation efficiency of high- tech industry

2.3 數據來源

本文以我國30 個省份（因為數據收集困難，所以研究區域未包含西藏自治區、香港特別行政區、澳門特別行政區和臺灣地區）為研究對象，綜合考慮數據的準確性與可得性，選擇2009—2019 年的數據。各指標的原始數據來源于《中國統計年鑒》《中國高技術產業統計年鑒》和國家統計局網站、各個省份統計年鑒，少部分缺失數據根據實際情況采用均值法或外延法計算補全。

3 結果及分析

3.1 時序演變特征

本文在高技術產業各環節創新效率的測算時選取了三階段DEA模型，在第一階段和第三階段采用Deap2.1 軟件，第二階段采用Frontier4.1 軟件。第一階段DEA結果顯示，技術研發階段的創新效率均值為0.7755，成果轉化階段的創新效率均值為0.4665。各階段創新效率差異明顯，部分地區創新效率與當地實際發展情況不符，主要原因在于傳統DEA 模型存在環境和隨機因素干擾。本文采用三階段DEA模型對高技術產業各階段創新效率進行修正，效率測算結果見表3。

表3 調整后的高技術產業各環節創新效率Table 3 Adjusted innovation efficiency of each link in high- tech industry

調整后的創新效率值顯示，技術研發階段的綜合效率均值為0.6628，成果轉化階段的效率均值為0.3445，均低于調整前的效率均值。高技術產業創新效率總體上表現為技術研發階段創新效率較高，成果轉化階段創新效率較低，說明當前我國高技術產業創新成果轉化能力還不足。三大地區創新效率結果顯示，位于東部和中部地區的省份創新效率明顯高于西部地區，原因主要在于東部和中部地區具有區位優勢，經濟基礎和創新環境優于西部地區，創新效率的測算結果與實際經濟發展現狀是基本契合的。

我國高技術產業技術研發和成果轉化兩個階段的時序變化特征如圖3 所示。從全國演變趨勢看，2009—2019 年我國高技術產業技術研發階段綜合創新效率呈階梯式上升的趨勢（圖3a），成果轉化階段綜合創新效率在2014 年之前出現下降趨勢，2014 年以后高技術產業成果轉化階段的綜合創新效率逐步提高，呈現出“U”型的變化趨勢（圖3b）。從區域演變趨勢看，2009—2019 年東、中、西三大地區的演變軌跡與全國的演變軌跡基本一致；東部地區的效率值保持最高，始終高于全國均值；中部地區效率值與全國均值趨于一致；西部地區效率值始終低于全國平均水平。但無論是技術研發階段還是成果轉換階段，三大地區創新效率都存在著明顯的差異，均表現為東部＞中部＞西部。可見，西部地區仍是我國高技術產業創新發展的短板。

圖3 2009—2019 年我國高技術產業各階段綜合創新效率演變趨勢Figure 3 Evolution trend of comprehensive innovation efficiency in various stages of high- tech industry in China from 2009 to 2019

3.2 空間演變格局

基于技術研發和成果轉化兩個階段創新效率的測算結果，本文選取2009 年、2014 年和2019 年的截面數據，借助ArcGIS10.6 軟件進行可視化分析，結果如圖4 所示。整體上看，考察期內分屬不同年份的高技術產業兩階段創新效率都呈東中西階梯式遞減的空間分布格局。從區域層面看，技術研發和成果轉化階段，創新高效率集中成片分布，主要分布在東部和中部地區，這些地區區位和政策優勢明顯，為高技術產業的創新發展提供了成長的土壤，促使其朝著高質量的方向發展。技術研發和成果轉化階段，創新低效率則主要分布在西部地區和中部地區部分省份，這些地區受到歷史因素和自然條件的限制，主要依靠高耗能、高污染產業帶動經濟增長，高技術產業基礎較差，科技力量不足。從省域層面看，北京、天津、江蘇、浙江、上海、廣東、山東、河南等省份兩個階段高技術產業創新效率保持在較高水平，這與區域經濟發展情況有著密切聯系。其中，北京市擁有豐富的技術與人才資源和較好的經濟基礎，在提升本地高技術產業實力的同時能夠有力地帶動周邊省市發展；浙江省、江蘇省的部分城市和上海市同屬長江三角洲城市群，經濟實力較強，高技術產業優勢顯著；廣東省作為我國經濟總量最大的省份，經濟實力和科技化水平都處于全國領先水平，培育高技術產業創新的內外部優勢明顯。此外，由于四川省和重慶市近年來實現了較快發展，高技術產業逐漸向高技術研發、高成果轉化的方向靠攏，成為中西部地區經濟發展新的增長點。

圖4 2009—2019 年我國高技術產業創新效率空間分布格局Figure 4 Spatial pattern of high- tech industry innovation efficiency in China from 2009 to 2019

本文在以上分析的基礎上，結合效率矩陣圖，以各階段創新效率的均值作為劃分標準，進一步分析創新效率的二維分布情況，結果如圖5 所示。由圖5 可見，僅有福建省位于A 區域（低研發效率、高轉化效率），說明該省憑借著良好的區位優勢，很好地推動了技術研發向創新成果轉化，但技術研發的重視程度不足、研發力度不夠，會制約其高技術產業創新效率的整體提升；位于B 區域（低研發效率、低轉化效率）的省份在技術研發和成果轉化階段的效率都處于較低水平，且主要來自中西部欠發達地區和東北老工業基地，高技術產業屬于粗放式發展模式，需對其政策和制度進行調整；C 區域（高研發效率、低轉化效率）在創新活動的第一個環節效率較高，然而優良的技術條件沒有轉化為創新成果，需加強其在成果轉化階段消化吸收再創新的能力；位于D區域（高研發效率、高轉化效率）的省份在技術研發和成果轉化環節均表現出了良好的發展趨勢，是我國開展創新活動的領先區域，這些省份主要位于東部沿海地區，具有良好的地理、交通、技術和市場條件，是我國經濟發展的前沿陣地。

圖5 我國30 個省份創新效率矩陣分布Figure 5 Distribution of innovation efficiency matrix of 30 provinces in China

4 影響因素分析

4.1 模型設定

本文主要采用面板Tobit模型，利用面板回歸模型進行對照，借助Stata16.0 軟件對高技術產業技術創新效率的影響因素進行了實證分析。為消除量綱的影響，對所有指標進行了對數化處理。模型的基本形式為：

式中：E1和E2分別為技術研發階段和成果轉化階段創新效率值；C 為常數項；β為估計系數；εit為殘差項。

4.2 回歸結果

基于以上模型，本文對我國高新技術產業技術研發階段和成果轉化階段創新效率的影響因素進行了回歸分析。由于固定效應的面板Tobit 模型存在不一致問題，因此為保障數據結果的可靠性，本文首先采用聚類穩健標準誤的混合效應Tobit 模型，而后采用隨機效應的Tobit模型進行回歸分析。LR 檢驗結果強烈拒絕原假設，表明存在個體效應，因此應采用隨機效應的Tobit模型進行回歸分析，回歸結果如表4 和表5 所示。

表4 技術研發階段影響因素回歸結果Table 4 Regression results of influencing factors at the technology development stage

表5 成果轉化階段影響因素回歸結果Table 5 Regression results of influencing factors at the stage of achievement transformation

表4 中的回歸結果顯示，在內部影響因素中，企業規模對高技術產業技術研發階段創新效率具有正向影響，且影響較為顯著。主要原因在于：高新技術產業自身的行業特性，即對高新技術的研發需要豐富的知識、人才和其他資源要素作為支撐，只有具備一定規模的企業才有能力引進高技能人才，支撐龐大的資源投入。在外部影響因素中，產學研合作水平的提高能夠顯著提升高技術產業技術研發階段的創新效率，說明企業與高校、科研院所等開展合作能夠加快構建創新網絡，從而創造更多的創新成果；地區外資引進對高技術產業技術研發階段創新效率起到了抑制作用，可能是由于近年來外商投資給國內企業帶來了較大的競爭壓力，抬高了技術創新門檻，使得部分小規模企業的創新活動難以持續，從而對創新效率的提升起到了負向影響。

從表5 可見，企業規模、勞動者素質等內部因素對高新技術產業成果轉化階段的創新效率具有正向的拉動作用。在成果轉化階段，需要將上一階段的創新成果進行市場化改造、量產，勞動者是促使這一環節實現的人力保障，勞動者素質越高，越有利于研發成果的吸收與轉化。因此，對于這一階段而言，勞動者素質水平的高低尤為重要。政府投入水平這一外部因素對成果轉化階段的創新效率起到了抑制作用，繼續加大政府投入反而不利于高技術產業創新效率的提升。因此，政府需要進一步調整相關政策，合理規劃投入力度。

總的來看，無論是技術研發還是成果轉化階段，企業規模擴大都能夠促進高技術產業創新效率的提升，即在合理的經費和人力投入前提下，企業規模的擴大能夠形成規模經濟效應，進而促進高技術產業開展技術創新活動，這與楊玉楨等［18］的研究相吻合。產學研合作水平和勞動者素質分別促進了技術研發和成果轉化階段創新效率的提升，而地區外資引進和政府投入水平則分別起到了抑制作用，科研強度和產權結構兩個指標的作用效果不顯著。

5 結論及建議

本文借助2009—2019 年的面板數據，分階段測度了我國30 個省份高技術產業創新效率，依據測度結果對其時空演變特征進行了分析，并利用Tobit 模型對高技術產業技術研發和成果轉化階段創新效率影響因素進行了實證檢驗，主要結論如下：①整體上看，我國高技術產業創新效率較低，技術研發階段效率要高于成果轉化階段效率。②從時序演變特征來看，2009—2019 年技術研發階段和成果轉化階段的創新效率分別呈“階梯式”和“U”型變化趨勢，東部、中部、西部三大地區創新效率的演變軌跡基本一致，但區域差異明顯。③從空間格局上看，高技術產業創新效率呈東部—中部—西部階梯式遞減的空間分布格局。其中，北京、廣東、上海等東部省份高技術產業創新效率較高，屬于高研發、高轉化型；四川、重慶高技術產業發展速度較快，具有較大的發展潛力；其他省份高技術產業的技術研發效率和成果轉化都有一定的提升空間。④從影響因素的角度來看，企業規模對兩階段創新效率均產生了顯著的正向影響，產學研合作的加深有利于提高技術研發階段創新效率，勞動者素質的提升有利于提高成果轉化階段的創新效率。

綜合以上結論，本文提出以下建議：①繼續將創新作為發展重心，破除重成果、輕應用的思想，以創新成果轉化作為突破口，著重培養高技術產業成果轉化能力，推動整體創新效率向更高水平遞進。②發揮東部地區的協調帶動作用，合理調配創新資源，縮小東部、中部、西部三大地區的創新差距。各省份要根據地區高技術產業發展現狀的差異性，采取揚優補劣的發展模式，制定合適的發展戰略，促使高技術產業創新效率向高研發、高轉化的方向發展［19］。③不斷拓寬產學研合作的深度和廣度，建立高技術產業創新基地，促進各主體間研究成果的交流和共享。④積極培育龍頭產業，借助科技和人才等資源，形成規模經濟效應。⑤提升技術交易市場的成熟度，為高技術產業創新活動發展提供良好的環境保障。