基于隨機前沿引力模型的省際技術轉移效率及影響因素研究

李德強，彭 燦，奚 雷

（1.南京財經大學紅山學院，江蘇 南京 210000；2.南京航空航天大學經濟與管理學院，江蘇 南京 211106；3.安徽科技學院管理學院，安徽 蚌埠 233100）

“胡煥庸線”揭示了我國人口、地理和生態的東西分布差異，在某種程度上也成為城鎮化水平、經濟發展水平的分割線。許多學者利用各種實證研究方法力圖證實“胡煥庸線”兩側地區發展的差異。我國東南半壁呈“馬太效應”的空間極化模式；整體城鎮化水平雖有所提高，但是東西部差異仍然存在；“胡煥庸線”兩側地區在經濟產出、財政金融、教育醫療等方面存在明顯的斷點效應和發展不均衡現象。

基于要素稟賦和人口環境的不同，我國經濟發展水平必然長期呈現空間分布不均的態勢。顯而易見，落后地區依靠大量增加投入的粗放式發展已經很難趕上發達地區。產業轉移可以實現區域間要素的合理配置，通過充分利用落后地區的剩余勞動力，提高發達地區的資本利用率等方式，實現部分區域間的經濟平衡；但是，產業轉移所帶動的生產擴張是有限的，尤其對生產率的提高更是有限。技術落差成為區域間經濟發展不平衡的重要因素。新形勢下，我國政府提出了創新驅動發展戰略，注重提升創新在經濟發展中的推動作用。因此，中西部地區必須走增加技術內涵的創新型高質量發展之路，抓住技術發展窗口期，實現彎道超車。

我國要想推動產業結構調整，縮小東部沿海地區和中西部地區之間的經濟差距，實現全國范圍內的經濟收斂，就必須進行技術創新要素在地區間的擴散。因此，跨區域創新資源配置成為解決當前此類問題、實現區域創新驅動協同發展的重要載體。在已往的研究中，創新資源配置問題往往聚焦于國際直接投資（FDI）、國際技術合作、跨境技術轉移等，而忽視了國內區域間的技術轉移。研究表明，跨區域的技術轉移與FDI之間存在一定的替代效應，且與跨境技術轉移之間存在一定的互補作用，彼此相互作用可以更進一步促進高新技術產業技術轉移效率的提升。在國家自主創新戰略的引導下，各省（區、市）大力發展技術市場，區域間技術轉移也逐漸成為優化區域創新資源配置的有效途徑之一。

技術轉移的動因或影響因素具有一定的多樣性和復雜性。目前，學者們的研究成果主要集中于兩個方面：第一，技術轉移的規模與技術轉移承接方自身的能力密切相關，如技術創新能力、技術吸收能力、網絡能力等；第二，鄰近性因素也對技術轉移產生影響。這里的鄰近性已經超出了地理鄰近性的范疇，拓展到了制度鄰近性、技術鄰近性、文化鄰近性及認知鄰近性等。以上研究視角主要從技術轉移的市場和社會屬性出發，完全或部分忽視了技術轉移的一些非市場屬性，雖然也有些研究涉及了產權治理、政策支持等影響因素，但是在其對技術轉移影響程度方面鮮有深入探討的。

在經驗研究方面，技術轉移效率的測度以DEA（數據包絡分析）或擴展DEA模型為主。雖然該類模型在測度投入產出、規模效率等方面具有優勢，但是作為一種非參數方法，其無法測度非技術效率，對個體效應、異質性影響亦不能顧及。

基于此，本文利用2013—2018年北京市與中國其他各省（區、市）（西藏除外）的技術市場交易面板數據，首先，通過Lasso統計方法，對影響各省（區、市）技術轉移效率的14個因素進行有效選擇并消除估計偏差；然后，借鑒引力模型，在篩選后的變量中，將技術轉移雙方有效專利數作為“吸引力因子”，將雙方地理距離和技術距離作為“引力距離項”，并利用隨機前沿模型，同時考慮技術轉移非效率項（技術市場化以及知識產權保護度），揭示各項因素對技術轉移的影響效果和程度；最后，在考察模型有效性的基礎上，測度各省（區、市）技術轉移效率，以及測度和比較各區域（東部、中部、西部和東北）技術轉移效率的異質性。

1 文獻綜述

本部分將圍繞技術轉移的界定、影響因素、經驗研究等方面進行文獻回顧。

1.1 技術轉移的界定

技術轉移是技術擴散、技術傳播的一種方式，也是一種定向傳播；技術轉移的動因，本質上是技術需求方和供給方之間存在技術勢差；技術轉移的目的是均衡雙方的技術差距。綜合國內技術轉移方面的研究來看，許多學者持有上述觀點。本文也以此為理論基礎，構建技術轉移引力模型。

1.2 技術轉移的影響因素

跨省域的技術轉移實現了知識、技術從一個省域向另外一個省域的流動，轉移機制復雜多樣。從現有的研究來看，技術轉移的影響因素主要分為3個方面：能力因素、鄰近因素和環境因素。

1.2.1 能力因素。已有的大量研究表明，提高自身能力有利于擴大技術轉移規模。技術轉移承接地自身的能力包括技術創新能力、技術吸收能力、網絡能力等。余元春等（2016）、趙尚梅等（2013）、朱華桂等（2015）、楊龍志等（2014）、王方等（2013）研究認為，技術創新質量、技術創新資源充裕度、技術投入結構等技術創新能力與技術轉移規模密切相關。侯媛媛等（2017）、李葉雨等（2016）、江曼琦等（2018）證實了技術轉移承接地的技術或知識吸收能力影響技術交易規模。余元春等（2016）、曹威麟等（2012）證實了網絡位置、網絡結構等影響技術轉移效果。

1.2.2 鄰近因素。基于不同的視角和目的，研究者針對不同維度的鄰近性對技術轉移的影響展開了研究。鄰近性內涵較為豐富，其最初用于表示空間地理上的相鄰，在組織間合作、區域經濟協同發展等領域的應用頗為廣泛。目前，對于鄰近性的研究已經遠遠超出了地理的范疇，出現了制度鄰近性、文化鄰近性、認知鄰近性、技術鄰近性等。余元春等（2016）實證研究表明，我國跨區域技術轉移邊界效應明顯，并且地理距離、經濟距離、文化距離對邊界效應有明顯的解釋力。楊龍志和劉霞（2014）認為，距離影響著企業間信息和物資的流動，從而對技術擴散產生影響。侯媛媛等（2017）基于知識溢出模型，實證研究了地理距離、產業距離、制度距離、技術距離等對于北京技術輸出的影響。柳卸林和賈蓉（2007）研究了北京對全國各地的技術擴散模式，認為地理的毗鄰性有利于技術轉移。Abreu（2004）基于微觀視角，分析了空間鄰近性對于高新技術擴散的重要程度。劉承良等（2018）認為，城市間的地理、技術、社會、產業等的鄰近性影響技術轉移的強度。

1.2.3 環境因素。外部環境對技術擴散區域主體技術轉移行為的主觀能動性產生影響。余元春等（2016）、楊龍志等（2014）、劉清海等（2013）認為，加強產權治理能夠提升技術轉移效率。劉承良等（2018）、Sedaitis（2000）的研究表明，對外開放程度、政策支持等都對區域間技術轉移產生影響。

綜合以上研究發現，影響技術轉移效率的因素來源廣泛且復雜。本研究首先使用Lasso模型對納入討論的14個影響因素進行篩選和優化，然后基于隨機前沿引力模型探討影響技術轉移的效率項和非效率項。同時，我們發現在影響因素中能力因素、鄰近因素是研究者的主要關注點，而環境因素方面，有部分研究者雖然對此展開了一些研究，但是對其采取的處理策略和方法與能力因素、鄰近因素一致，將其視為影響技術轉移的技術效率項，導致無法解釋以下問題：現實中，在相同或相近技術轉移效率項影響下，不同地區技術轉移前沿還存在差異性。因此，本文將環境因素納入技術轉移非效率項，考察其影響技術轉移效率的程度。

1.3 技術轉移效率的研究經驗

除了一部分定性研究之外，國內的技術轉移效率研究大多數采用DEA或者擴展DEA模型來進行實證研究。由于將基于DEA模型的實證方法用于效率研究具有廣泛適應性，國內研究者幾乎將其作為技術轉移效率測度研究的標準范式。

定性研究方面：呂榮杰等（2018）以北京市技術轉移為例，采用模糊集定性比較分析的方法，研究技術轉移效率前因條件之間的相互作用及其對效率的系統性影響；畢娟（2014）同樣以北京市為例，測算2003—2011年技術市場交易費用，并以此推斷技術轉移效率。

實證研究方面：王七萍等（2014）利用DEA方法測算2012年安徽省各地級市工業技術轉移的綜合效率、純技術效率以及規模效率；林德明等（2016）測算我國“985工程”高校的技術轉移效率；王方等（2013）、張譯勻（2016）、趙大麗等（2011）分別利用 DEA 模型對30個省（區、市）的技術轉移效率、知識轉移效率進行了評價研究；呂榮杰等（2018）利用兩階段DEA模型，分析比較了不同技術轉移主體的效率差異；顧真溶等（2019）利用三階段DEA模型，分析1998—2016年長三角區域4省市技術市場交易數據，測度該區域技術轉移效率；馮華等（2016）結合Malmquist指數和Bootstrap-DEA方法，對我國各省（區、市）2008年、2010年和2014年技術轉移效率進行了綜合分析與評價。

綜上所述，國內外學者在研究技術轉移效率時，普遍采用DEA模型或擴展DEA模型，且多聚焦于技術轉移效率的測度和評價、轉移主體間的效率差異等，屬于技術效率范圍。而對于非技術效率問題，DEA模型則無能為力，同時DEA模型還存在以下不足之處：首先，DEA模型中的未知函數難以估計，并且DEA模型存在“維數災難”，即DEA模型是一種非參數估計方法，投入產出變量不宜過多；其次，DEA模型只能處理截面數據，無法處理面板數據；最后，DEA模型無法測量隨機誤差施加于個體的效應，也無法直接檢驗導致個體差異性的非技術因素。有鑒于此，本研究將利用具備經濟理論基礎、可以處理面板數據、能夠對模型本身及參數進行檢驗的隨機前沿模型（SFA）展開研究。

2 理論模型

2.1 Lasso回歸模型

Tibshirani（1996）提出了 Lasso 模型，作為一種壓縮估計方法，其不僅可以選擇變量，還可以實現參數的估計，且能夠很好地解決模型中存在的多重共線性問題，比較適合處理各種高維數據，并避免“維數災難”。該方法通過構造一個回歸模型系數絕對值函數作為懲罰策略，以此壓縮模型系數，產生嚴格等于0的回歸系數，最終得到只包含部分變量、簡單、易解釋的模型。

2.2 隨機前沿引力模型

2.2.1 引力模型。傳統的引力模型即牛頓的萬有引力定律。Tinbergen（1962）和 P?yh?nen（1963）最早將其引入貿易實證領域，并認為兩國的貿易量與GDP成正比，而與地理距離成反比。之后，利用引力模型研究區域經濟聯系、城市空間、國際貿易的文獻層出不窮。

本文借鑒余元春等（2016）的研究，在技術轉移領域引入引力模型，構建與傳統引力模型類似的技術轉移引力模型。原理是技術由于技術“吸引力因子”的存在而在地區之間發生流動，距離因素（地理距離、制度距離、技術距離等）影響技術流動的規模，環境因素影響技術轉移的效果。因此，技術轉移引力模型可以表示為式（2）。

其中：Y表示時期從地區向地區技術轉移的規模；A表示時期地區和地區技術“吸引力因子”；β、C分別表示地區和地區的各類距離因素和環境因素；表示隨機影響因素。

2.2.2 隨機前沿引力模型。隨機前沿引力模型（SFA）最初用于分析生產函數中的技術效率 ，由 Meeusen 等（1977）以 及 Aigner等（1977）各自獨立提出。該分析方法認為，生產過程受到兩個具有顯著區別的、獨立的擾動項的支配，其一是表示生產無效率的非負誤差項，其二是傳統意義上的隨機誤差項。模型可以表示為式（3）。

該模型已經被大量應用于實證研究中，并且經過了各種形式的修改和擴展。有些形式的擴展包括對U分布的假設，如截斷正態分布、伽馬分布等；有些涉及模型處理數據類型的增加，如面板數據和時變數據等。本文使用廣為接受的由Battese等（1988）提出的bc88模型。

2.3 隨機前沿時變模型

1992年，Battese等提出了適用于面板數據的隨機前沿模型（簡稱bc92）。其中，部門隨機變量假設服從截斷正態分布，并且隨時間變化而變化。模型可以表示為式（4）。

2.4 隨機前沿非效率模型

大量的實證研究試圖識別行業內部企業間的效率差異，這些效率的預測是基于企業層面的變量（企業管理環境、所有權特征等）而進行的回歸分析。此種研究的價值早已被學術界認同。但是兩階段估計法由于兩個階段中非效率效應的非獨立性，被認為與其假設不一致。因此，兩階段估計法與一階段估計法的效果存在一定的差異。

Battese等（1995）提出的隨機前沿模型（簡稱bc95），與Kumbhakar等（1991）將效率項（U）表示為企業特定變量和隨機誤差的顯式函數類似，但是前者強制分配效率，取消一階利潤最大化條件，且適用于面板數據。該模型可以表示為式（5）。

其中：Z是影響企業效率的環境、制度性變量；是待估參數。

3 數據來源、變量選取及模型構建

3.1 數據來源

本文在梳理國內外關于技術轉移理論和實證研究的基礎上，借鑒其中一些重要的相關影響因素（變量），并根據我國省際技術轉移實際情況，增加部分相關變量，初步形成包括能力因素、鄰近因素以及環境因素3個類別共計14個變量的量表，如表1所示。

表1 省際技術轉移相關變量初步量表

3.1.1 關于技術轉移量和能力因素的測度。技術轉移量和能力因素的測度具體如表1所示，在此不再贅述。

3.1.2 關于鄰近因素的測度。①地理距離（）。地理距離的測度參考黨興華等（2013）的處理方法，以北京市至各省會城市的鐵路里程為依據。本文根據搜集到的歷年列車時刻表，統計2013—2018年各年份北京市至各省會（首府）城市的鐵路里程，且一般為直達列車的最短距離，或非直達列車的最短中轉距離。

②文化距離（）。我國各省（區、市）之間的文化差異較小，借鑒余元春等（2016）的研究，如果某一省（區、市）與北京市相鄰記為1，否則記為0。

③產業距離（）。產業距離用來衡量技術轉移的省域間產業結構相似度。借鑒劉承良等（2018）的研究，利用產業結構相似性系數來反映產業距離，如式（7）所示。

其中：ID表示省域間產業結構相似度；s和s分別表示產業占地區和地區生產總值的比重；表示產業種類的總數。數據來源于《中國工業統計年鑒》。

④技術距離（）。技術距離是省域間技術相似性的度量。張麗華等（2011）認為，技術距離對知識溢出具有重要作用。秉承這一觀點，北京市與其他各省（區、市）的技術距離（）計算公式，如式（8）所示。

其中：TD表示省域間的技術距離；從1到8，表示國際專利分類表（IPC）的8個門類；f表示地區類專利申請量；f表示地區類專利申請量。TD數值介于0和1之間，省域間技術水平越接近，則其值越接近于1。IPC專利申請量數據來源于國家知識產權局專利檢索及分析平臺。

⑤制度距離（）。借鑒黨興華等（2013）的研究，將兩省（區、市）地方保護程度的相似性視為省域間的制度距離。具體計算方法是利用《中國統計年鑒》中“地區商品零售價格分類指數”數據，從16種商品中抽取13種商品的零售價格指數（各年度對應），計算各省（區、市）的市場分割指數，以此測度省域間的制度距離。

3.1.3 關于環境因素的測度。首先，關于技術市場化（）的測度。在技術市場化（）定量測度方面，王小魯、樊綱等學者以各地區技術市場成交額除以科技人員數這個近似指標表示地區技術市場化的程度。但是，由于數據缺失的限制，統計口徑出現前后不一致的現象；而更多學者以研發經費支出、技術市場成交額等進行類似的替代，測度結果略顯粗糙。

關于技術市場化指數的計算，本文參考余思勤和孫司琦（2020）的處理方法，以修正市場化指數與研發經費支出結構變動的乘積表示技術市場化指數，如式（9）所示。

其中：TM表示地區年技術市場化指數；FM表示地區年修正市場化指數；RC表示地區年研發經費支出結構變動。修正的市場化指數以單位技術合同成交額與市場化總指數的乘積表示。市場化總指數的數據來源于《中國分省份市場化指數報告（2018）》中的市場化指數。由于該報告中的數據時間是2008—2016年，因而參考俞紅梅等的處理方法，將歷年平均增長幅度作為2017年、2018年數據預測的依據。該數據涵蓋指標較多，包括地方政府與市場關系、非國有經濟發展狀況等5個指標，能夠較為全面地衡量地區市場化程度。而對于研發經費支出結構變動的數據，以李明珊等（2019）的做法為參考，如式（10）所示。

其中：RC表示地區年研發經費支出結構變動；RG表示地區年研發經費存量增長率；ER表示地區年企業研發經費支出占總支出的比重。

其次，關于知識產權保護度（）的測度。知識產權保護度的數據（）來源于《中國分省份市場化指數報告（2018）》中細分維度指標——中國5c知識產權保護市場化指數。由于該報告中的數據時間是2008—2016年，因而采用與上文同樣的插值法進行處理。

最后，關于營商環境（）的測度。借鑒張美莎和徐浩（2020）、董志強等（2012）的處理方法，將營商環境分為兩大指標：行政子環境和法制子環境。其中，行政子環境由企業稅收、政府行政效率、行政審批中心設置時間構成，法制子環境由社會穩定和政府廉潔構成。將這5個指標分別按照百分位數大小排序，計算每個省（區、市）5個指標百分位數的均值，營商環境指數由1減去上述的均值得到。

3.2 變量選取

本文納入研究的共有14個解釋變量，而選取的樣本數據的時間區間只有6年，因而必然存在比較嚴重的多重共線性缺陷，直接使用最小二乘法不太適用。本文使用新近發展的Lasso回歸進行變量篩選，從14個解釋變量中篩選出重要變量，再利用隨機前沿引力模型進行回歸系數估計和顯著性檢驗。

3.2.1 懲罰參數的選取。懲罰參數決定著進入模型的變量。如果設置過大，則最終模型的所有變量的系數都趨于0，導致擬合不足；反之，則導致擬合過度。因此，本文利用Stata 16.0的（默認10）折交叉驗證法來估計最優懲罰參數。在圖1中，橫軸是ln，而縱軸是（均方預測誤差），橫向虛線是切線，縱向虛線為最小時ln的取值。結果顯示，當ln=2.678 69，即等于14.566時，最小。

圖1 Lasso交叉驗證λ與MSPE關系圖

3.2.2 Lasso回歸模型結果分析。當取值14.566時，表2顯示了Lasso模型進行變量篩選的結果。從表2可以看出，在回歸模型中放入的14個變量，對技術轉移影響顯著的有6個，其余變量系數為0，對技術轉移影響不顯著，因此，在表中未被列出。在有顯著影響的6個變量中，技術吸收地技術實力（）、技術創新質量（）、地理距離（）、知識產權保護度（）和技術市場化（）都對技術轉移產生正向作用，而技術距離（）則產生負向作用。由于Lasso回歸是有偏估計，為了得到無偏估計量，接下來將利用篩選出的關鍵變量進行隨機前沿引力模型分析。

表2 Lasso回歸結果

3.3 模型設定

Armstrong（2007）在利用隨機前沿引力模型進行國際貿易效率研究方面提出了兩點建議：一是對于貿易潛力或邊界估計的引力模型，要使用一些核心的、基礎的、決定性的貿易變量，如GDP、相對距離以及其他中短期內不易改變的因素；二是將那些人為的、易于改變的因素，如關稅、貿易協定等，納入非效率模型。基于此，本文在利用隨機前沿引力模型研究省際技術轉移效率時，使用技術創新質量、技術吸收地技術實力、兩地區地理距離等核心的、中短期內相對固定的變量；而將地區技術市場化、知識產權保護度等制度性因素納入非效率項。

3.3.1 時變隨機前沿引力模型設定。將技術轉移引力模型和隨機前沿分析模型結合起來，并且假定各區域“吸引力因子”及影響因素隨時間發生變化，即構建時變隨機前沿引力模型，如式（11）所示。與固定效應模型和DEA模型相比，引入時變因素的模型得到的結果更有說服力。

其中：TT表示時期北京市向地區的技術轉移總量；PP表示時期地區的技術實力（后文將直接用“技術輸入地有效專利量”代替）；PB表示時期技術輸出地的技術創新質量（后文將直接用“技術輸出地有效專利量”代替）；DD表示時期地區和技術輸出地之間的地理距離；TD表示時期地區和技術輸出地之間的技術距離。

3.3.2 技術轉移非效率模型設定。在傳統的引力模型中，那些不可觀測因素的均值都被認為是零，但是這些因素卻可能對技術轉移有著限制或者促進作用，因而在隨機前沿模型中可以將其納為非效率項加以驗證。此時的技術轉移非效率隨機前沿引力模型，在非效率因素的約束下，技術轉移潛力可以表示為地區間技術交易的最大值，而不是在傳統隨機前沿模型無約束條件下，雙方技術交易的平均值。

因此，為了進一步測量影響區域技術轉移的非效率因素，采用一步法構建技術轉移非效率模型，如式（12）所示。

其中：KP表示時期地區的知識產權保護因素；TM表示時期地區的技術市場化因素；和為待估參數。

4 實證結果

4.1 隨機前沿引力模型的結果

表3中列出了各種設定之下的模型估計結果。模型1是傳統的線性回歸模型，沒有設定非效率函數；模型2是非時變隨機前沿模型，對應Battese和 Coelli（1988）模型的設定，即假設非效率隨機變量不隨時間發生改變；模型3是時變隨機前沿模型，對應Battese和Coelli（1992）模型的設定，即假設非效率隨機變量隨時間發生改變；模型4是本文討論的重點，其沒有對模型參數施加任何限制，與Battese和Coelli（1995）模型的設定一致，即非效率項是時變的且是“技術市場化”（）變量和“知識產權保護度”變量（）的線性組合。

表3 各模型回歸統計結果

4.1.1 模型適用性驗證。從表3中最后四行的似然比（LR test）結果來看，若將原假設設定為“不存在非效率項”（對應LR1），則模型2、模型3、模型4都顯著優于模型1，即技術轉移非效率項是存在的；若將原假設設定為“存在非效率項且是和的線性組合”（對應LR2），則模型4顯著優于模型3、模型2、模型1。另外，模型3中γ值為0.812，說明非效率項占總擾動項的比重達到81.2%，隨機擾動項占比不到20%。這間接說明隨機前沿模型將非效率項從隨機因素中提取出來具有顯著合理性。而模型2與模型3相比，模型3結果優于模型2，即時變隨機前沿模型優于非時變隨機前沿模型，表明技術轉移效率在2013—2018年間存在變化。因此，本文隨后的分析將圍繞模型3、模型4展開。

4.1.2 時變隨機前沿模型。在確定函數形式后，對模型3，即時變隨機前沿模型回歸結果進行分析。從表3可以看出，首先，值為-0.15，其小于零且在10%水平上顯著，說明技術轉移效率逐年下降，或者說2013—2018年間技術轉移非效率因素的阻力在逐年增強，這也再次證明了時變模型比非時變模型更加適用。其次，從引力模型的變量來看，“吸引力因子”即有效專利數由技術輸入地有效專利數（ln）和北京市有效專利數（ln）構成。其中，ln、ln系數均為正，且兩者分別在1%、5%水平上顯著，說明技術輸入地和技術輸出地的有效專利數越多，越有利于區域間技術轉移的進行。最后，考察引力模型中距離因素的影響。從表3可以看出，地理距離對技術轉移的影響不具有顯著性，而技術距離對技術轉移存在顯著負向影響，即技術輸入地和輸出地的技術距離越小，越有利于區域間技術轉移的進行。

4.2 非效率因素模型的結果

雖然區域間技術轉移的重要性對于各區域而言是一種共識，但在實際操作過程中，各區域必然存在自身的非效率項，諸如政策、經驗、流程等制度差異性。為尋找我國省域技術轉移過程中的這種隔離，本文構建了隨機前沿非效率模型。該模型選擇省際技術轉移中穩定的制度性因素——技術市場化指數和知識產權保護指數作為非效率項。

由表3中的回歸結果可以看出：第一，模型4隨機前沿非效率模型具有適用性和合理性，即我國省際技術轉移非效率因素是存在的，且顯著影響技術轉移效率，同時該模型的γ值為0.870，相較于模型3中的0.812也有所提高，說明技術轉移非效率項是影響區域技術轉移非效率的原因；第二，在技術轉移非效率函數中，技術市場化（）、知識產權保護度（）分別在5%和1%水平上顯著為負，說明知識產權保護度的增強和技術市場化程度的提升，都可以緩解技術轉移政策的約束，且技術輸入地區的技術市場化程度越高，越能夠降低技術轉移非效率，進而推動技術轉移的進行。

4.3 地區差異分析

區域技術市場化、知識產權保護度等的發展狀況能夠在一定程度上反映技術轉移政策的約束程度。因此，分別估計了我國經濟區域的四大地區——東部、中部、西部和東北的非效率隨機前沿模型結果，具體見表4。

表4 分地區估計結果

對比4個地區的估計結果可以發現，技術市場化和知識產權保護度在不同地區發揮的作用存在較大差異。首先，技術市場化能夠顯著緩解東部、中部地區技術轉移政策的約束，而對西部和東北的影響則不顯著。這主要是因為西部和東北的人才流失嚴重，使得技術創新和技術吸收能力不足，技術市場化程度滯后于其他地區。其次，知識產權保護能夠顯著緩解東部、中部和東北地區技術轉移政策的約束，而對西部的影響則不顯著。原因可能是相比其他地區，西部地區在知識產權保護方面還存在不足，如存在技術市場地方保護主義，這導致技術轉移輸出方信任度較低。

4.4 省際技術轉移效率的測算

本文通過時變隨機前沿模型以及非效率隨機前沿模型，測算了2013—2018年29個省（區、市）（北京和西藏除外）的技術轉移效率。當技術轉移非效率存在時，測算的數值越大，代表技術轉移效率越高；數值越小，代表技術轉移潛力越大。

各地的技術轉移效率測算結果如圖2、圖3所示。首先，從總體上來看，2013—2018年間29個省（區、市）技術轉移效率均值多數在0.4～0.5之間波動，說明全國技術轉移效率一直處于較低水平。其次，由圖2可以看出，大部分省（區、市）的技術轉移效率處于較低水平，其中福建的技術轉移效率均值最高，內蒙古、河北次之，寧夏、新疆、青海的技術轉移效率處于末位。最后，由圖3可以看出，不同地區的技術轉移效率均值也存在較大差異：東部地區技術轉移效率相對穩定，且位于各地區之首；西部、東北地區技術轉移效率處于較低水平；中部地區技術轉移效率均值位于西部、東北地區之上，但是大部分處于全國均值以下。

圖2 2013—2018年各省（區、市）技術轉移效率均值圖

圖3 2013—2018年分地區技術轉移效率均值圖

5 結論與展望

省際技術轉移可以有效減小區域間的技術落差，提升技術輸入地的自主創新能力，從而改變東西部地區經濟發展不平衡的現狀。本文首先利用Lasso統計方法篩選出影響技術轉移效率的重要變量，然后采用隨機前沿分析方法，探討了省際技術轉移效率的影響因素和非效率項，并測算了各省（區、市）的技術轉移效率。

Lasso模型的回歸結果表明，影響我國省際技術轉移效率的因素有技術吸收地技術實力、技術創新質量、地理距離、技術距離、知識產權保護度以及技術市場化程度等。其中，技術距離對技術轉移效率具有負向影響，地理距離對技術轉移效率沒有顯著影響，其余變量對技術轉移效率具有正向影響。

隨機前沿引力模型的分析結果表明：①省際技術轉移與“吸引力因子”呈顯著正相關關系，技術輸入和輸出地區的技術實力（有效技術專利量）越強，也即兩者的技術距離越小，則技術轉移效率越高，形成明顯“強—強”組合的“馬太效應”。具體表現為北京市與東部地區的江蘇、浙江、福建、上海等省市的技術轉移效率明顯高于全國總體水平。這一結論與楊龍志和劉霞（2014）、呂榮杰等（2018）的研究結果基本一致，即技術轉移效率最高的不是技術落后的西部地區，而是技術發達的東部地區。②地理距離雖然對技術轉移效率沒有顯著影響，但還是表現出一定的本地偏好性，如北京與內蒙古、河北、天津等地區之間的技術轉移效率較高，其有明顯的地區鄰近性特征。該結論與許多學者的研究結果一致。③在技術轉移過程中，地理距離的影響與技術距離相比明顯較弱。這可能是因為現代化信息溝通手段的出現，使得技術交易雙方“無形”距離的影響超過了“有形”距離。④我國省際技術轉移效率整體仍處于較低水平，現實技術轉移與前沿還有較大差距，因而還有極大的發展潛力。同時，與地區間經濟發展現狀一樣，地區間技術轉移效率也存在一定的不平衡性，大部分可以歸因于地區科技實力等主導因素以及非效率因素的綜合影響。⑤技術市場化和知識產權保護度這兩個非效率項是技術轉移非效率的原因。技術市場化導致技術市場地方保護主義式微，刺激了外來技術輸入，因而對技術轉移效率產生正向影響；知識產權保護強化地區對知識產權的重視程度，減少知識產權侵權行為，提高專利權人的積極性，進而提升技術轉移效率。

本文首次采用SFA（隨機前沿分析）結合引力模型和隨機前沿非效率模型研究了省際技術轉移效率的影響因素和測度問題，對提高我國省際技術轉移效率有一定的參考價值和實踐意義，但仍然存在一些不足之處。一是數據時間跨度較小，范圍相對狹窄。由于數據搜集困難，本文僅使用了北京與29個省（區、市）（西藏除外）2013—2018年的技術市場交易數據。二是非效率項的選擇數量較少。本文非效率項僅選擇了技術市場化指數和知識產權保護指數，是否還存在其他具有較大影響的制度性變量有待進一步研究。

注釋：

①省域是指省級行政區。