我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度及時(shí)空演化分析

施雄天　李博亞　戴麗莉　陳陽(yáng)

摘 要：應(yīng)用三階段超效率SBM測(cè)度模型對(duì)我國(guó)高新技術(shù)產(chǎn)業(yè)區(qū)域創(chuàng)新效率進(jìn)行測(cè)度，并使用核密度估計(jì)、馬爾科夫鏈等方法對(duì)我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行時(shí)空演化分析，同時(shí)對(duì)未來(lái)我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率發(fā)展進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)剔除環(huán)境變量和隨機(jī)誤差后測(cè)度的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率值整體增加，呈現(xiàn)“東部＞西部＞中部”的地區(qū)差異。結(jié)果表明：高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率處于中高水平且總體發(fā)展趨勢(shì)處于上升；高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的演化具有明顯的空間依賴(lài)特征，高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率中高類(lèi)型實(shí)現(xiàn)正向跨越式提升的難度依然較大；當(dāng)領(lǐng)域省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率為中高類(lèi)型時(shí)，空間溢出效應(yīng)會(huì)增強(qiáng)，帶動(dòng)周?chē)》荩a(chǎn)生“俱樂(lè)部趨同”。

關(guān)鍵詞：高新技術(shù)產(chǎn)業(yè)、創(chuàng)新效率、時(shí)空演化、三階段超效率SBM、核密度估計(jì)、馬爾科夫鏈

中圖分類(lèi)號(hào)：O 212；F 216.44

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7312（2023）05-0541-11

Measurement and Spatio-temporal Evolution of Innovation Efficiency? in Chinese High-tech Industries

SHI Xiongtian1，LI Boya2，DAI Lili3，CHEN Yang1

（1.School of Business Administration and Tourism Management，Yunnan University，Yunnan 650500，China；2.School of Economics and Management，Yanshan University，Hebei 066000，China；3.Business School，University of Southampton，UK，Southampton，S015 2UA）

Abstract：The three-stage super-efficiency SBM measurement model is applied to measure the regional innovation efficiency of Chinas high-tech industries，and the spatio-temporal evolution of the innovation efficiency of Chins high-tech industries is analyzed by kernel density estimation，Markov chain and other methods，and the future development of the innovation efficiency of Chinas high-tech industries is predicted.It is found that the innovation efficiency value of high-tech industry after excluding environmental variables and random errors increases overall，showing a regional difference of “east>West>central”.The results show that the innovation efficiency of high-tech industry is at a medium and high level and the overall development trend is on the rise.The evolution of innovation efficiency of high-tech industry has obvious spatial dependence characteristics，and it is still difficult for the medium and high types of innovation efficiency to achieve forward leapfrog improvement.When the innovation efficiency of high-tech industry in the domain province is of medium and high type，the spatial spillover effect will be enhanced，driving the surrounding provinces to produce “club convergence”.

Key words：high-tech industry；innovation efficiency；spatio-temporal evolution；three-stage super-efficiency SBM；nuclear density estimation；markov chain

0 引言

高新技術(shù)產(chǎn)業(yè)的發(fā)展對(duì)國(guó)家科技競(jìng)爭(zhēng)力有至關(guān)重要的作用。目前各省高新技術(shù)產(chǎn)業(yè)發(fā)展真正達(dá)到產(chǎn)業(yè)化規(guī)模運(yùn)作的并不多，各省份間高新技術(shù)產(chǎn)業(yè)仍存在發(fā)展不均衡問(wèn)題。因此，通過(guò)測(cè)度我國(guó)不同省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，對(duì)進(jìn)一步分析我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的變化具有重要意義。

目前學(xué)術(shù)界關(guān)于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的測(cè)度主要集中在DEA方法上，例如傳統(tǒng)的投入型或者產(chǎn)出型DEA方法[1-4]、三階段DEA方法[5]、二段關(guān)聯(lián)DEA方法[6]、DEA-Malmquist方法[7-8]等。傳統(tǒng)的DEA方法沒(méi)有剔除環(huán)境變量和隨機(jī)誤差的影響，而三階段DEA方法雖然剔除環(huán)境變量和隨機(jī)誤差的影響，卻沒(méi)有考慮投入不足帶來(lái)的非松弛問(wèn)題。另外，已有研究多關(guān)注高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率地區(qū)差異[9-12]，而很少有研究關(guān)注高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的時(shí)空演化。

測(cè)度方法上，使用三階段超效率SBM模型對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行測(cè)度，該方法能剔除環(huán)境變量和隨機(jī)誤差的影響，也能夠解決傳統(tǒng)DEA方法中投入不足帶來(lái)的非松弛問(wèn)題。研究?jī)?nèi)容上，在測(cè)度高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的基礎(chǔ)上，使用核密度估計(jì)、馬爾科夫鏈等方法研究高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的時(shí)空演化趨勢(shì)，并預(yù)測(cè)未來(lái)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的變化，為提高高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率提出合理對(duì)策。

1 研究設(shè)計(jì)

1.1 指標(biāo)體系構(gòu)建及數(shù)據(jù)來(lái)源

文中的投入變量選取高新技術(shù)產(chǎn)業(yè)R&D經(jīng)費(fèi)內(nèi)部支出、高新技術(shù)產(chǎn)業(yè)R&D人員投入、高新技術(shù)產(chǎn)業(yè)R&D項(xiàng)目數(shù)、高新技術(shù)企業(yè)數(shù)等來(lái)代表高新技術(shù)產(chǎn)業(yè)創(chuàng)新活動(dòng)的投入。由于R&D經(jīng)費(fèi)存在持續(xù)性的影響，以及R&D經(jīng)費(fèi)存量的估計(jì)值為所有地區(qū)在樣本期間的年增量經(jīng)費(fèi)存量，所以考慮用R&D資本存量代替R&D經(jīng)費(fèi)內(nèi)部支出作為資本投入的代理變量。R&D資本存量使用永續(xù)盤(pán)存法測(cè)算，參考易明等[13]的做法，具體公式如下

式中：Ki，t為第i個(gè)市第t年的資本存量；Ki，t-1為第i個(gè)市第t-1年的資本存量；δ為折舊率，取9.7%；Ii，t為第i個(gè)市第t年的R&D經(jīng)費(fèi)內(nèi)部支出；根據(jù)數(shù)據(jù)可得性，以2013年為基期。

產(chǎn)出變量選取高新技術(shù)產(chǎn)業(yè)專(zhuān)利申請(qǐng)授權(quán)量、高新技術(shù)產(chǎn)業(yè)新產(chǎn)品銷(xiāo)售收入、高新技術(shù)產(chǎn)業(yè)技術(shù)收入、高新技術(shù)產(chǎn)業(yè)上繳稅費(fèi)。

參考胡艷等[14]、孫研等[15]、曾武佳等[16]、劉和東等[17]的研究，高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響因素的選取主要考慮技術(shù)產(chǎn)業(yè)結(jié)構(gòu)、政府投資、對(duì)外貿(mào)易、人才結(jié)構(gòu)、經(jīng)濟(jì)實(shí)力這5個(gè)方面。各主要變量的指標(biāo)描述見(jiàn)表1。

數(shù)據(jù)選取我國(guó)2013—2020年各省、直轄市和自治區(qū)的面板數(shù)據(jù)。數(shù)據(jù)來(lái)源于各年度《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)火炬統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》、國(guó)家統(tǒng)計(jì)局、EPS統(tǒng)計(jì)庫(kù)。

1.2 三階段超效率SBM模型

借鑒TONE[18]提出的超效率SBM模型，三階段超效率SBM模型表示如下。

第一階段，用各省份高新技術(shù)產(chǎn)業(yè)投入產(chǎn)出變量的相關(guān)數(shù)據(jù)進(jìn)行初始效率測(cè)度，超效率SBM模型表示為

通過(guò)空間馬爾科夫鏈方法，衡量我國(guó)高新技術(shù)產(chǎn)業(yè)綠色創(chuàng)新效率空間演變。REY[22]在傳統(tǒng)馬爾科夫鏈轉(zhuǎn)移矩陣進(jìn)行擴(kuò)展，可以更全面地分析轉(zhuǎn)移動(dòng)態(tài)的地理維度。考慮我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在溢出效應(yīng)，通過(guò)相鄰省份的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率來(lái)劃分創(chuàng)新效率的滯后等級(jí)，見(jiàn)表3，矩陣中的元素Pki，j表示等級(jí)k的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率等級(jí)由i在下一時(shí)刻轉(zhuǎn)為j的概率。空間滯后值的計(jì)算公式為

2 高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度

2.1 第一階段超效率SBM分析

利用Matlab r2022b軟件對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度，得到第一階段超效率SBM模型測(cè)度的2013—2020年高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，測(cè)度結(jié)果見(jiàn)表4。

由表4可知，各省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率差距較大，說(shuō)明各省份高新技術(shù)產(chǎn)業(yè)發(fā)展不均衡。從地區(qū)來(lái)看，創(chuàng)新效率值呈現(xiàn)“東部＞西部＞中部”。由于東部地區(qū)得益于地理優(yōu)勢(shì)、經(jīng)濟(jì)發(fā)展水平優(yōu)勢(shì)、人才優(yōu)勢(shì)等，所以高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率值較高，而中部和西部在高新技術(shù)產(chǎn)業(yè)的創(chuàng)新活動(dòng)上存在明顯的投入冗余情況，導(dǎo)致高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率值低于1，仍有一定的提升空間。因此，有必要剔除環(huán)境變量和隨機(jī)誤差影響，更真實(shí)的反映各省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率。

2.2 第二階段似SFA回歸分析

將第一階段超效率SBM測(cè)度所得的各省份高新技術(shù)產(chǎn)業(yè)投入松弛變量為被解釋變量，市場(chǎng)結(jié)構(gòu)、政府投資、外商投資、勞動(dòng)力素質(zhì)、地區(qū)經(jīng)濟(jì)發(fā)展水平為解釋變量，使用Frontier 4.1軟件測(cè)度。由表5可知，LR值（自由度為5）均通過(guò)10%水平以上的顯著性檢驗(yàn)，說(shuō)明了似SFA回歸模型的合理性，也說(shuō)明環(huán)境因素和隨機(jī)誤差對(duì)高新技術(shù)產(chǎn)業(yè)3個(gè)投入松弛變量有顯著影響。3個(gè)松弛變量Gamma值均小于1，說(shuō)明管理無(wú)效率產(chǎn)生的影響大于隨機(jī)擾動(dòng)因素帶來(lái)的影響。

從技術(shù)產(chǎn)業(yè)結(jié)構(gòu)角度來(lái)看，技術(shù)產(chǎn)業(yè)結(jié)構(gòu)對(duì)R&D資本存量投入松弛變量影響正且顯著，說(shuō)明工業(yè)企業(yè)數(shù)增加會(huì)造成R&D資本投入的冗余。而技術(shù)產(chǎn)業(yè)結(jié)構(gòu)對(duì)R&D人員投入、企業(yè)數(shù)投入松弛變量影響為負(fù)且顯著，說(shuō)明工業(yè)企業(yè)數(shù)增加會(huì)減少高新技術(shù)產(chǎn)業(yè)R&D人員和高新技術(shù)企業(yè)的冗余。

從政府投資角度來(lái)看，政府支持對(duì)R&D資本存量、R&D人員、企業(yè)數(shù)投入松弛變量影響為正且顯著，說(shuō)明政府資金支持越多，會(huì)造成R&D資本存量和R&D人員投入冗余，會(huì)減少高新技術(shù)企業(yè)數(shù)。

從對(duì)外貿(mào)易角度來(lái)看，外商投資對(duì)4個(gè)投入松弛變量影響為正且顯著，說(shuō)明對(duì)外貿(mào)易增加反而增加高新技術(shù)產(chǎn)業(yè)投入冗余，也說(shuō)明了對(duì)外貿(mào)易增加不利于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率提升。

從人才結(jié)構(gòu)角度來(lái)看，大專(zhuān)以上受教育人數(shù)占比對(duì)R&D資本存量、R&D人員、R&D項(xiàng)目數(shù)3個(gè)投入松弛變量影響為負(fù)且顯著，說(shuō)明隨著義務(wù)教育的普及和勞動(dòng)力素質(zhì)的提高，R&D人員、R&D投入資本、R&D項(xiàng)目數(shù)也會(huì)增多。而人才結(jié)構(gòu)對(duì)企業(yè)數(shù)投入松弛變量影響為正且顯著，說(shuō)明大專(zhuān)以上受教育人數(shù)占比提高會(huì)造成高新技術(shù)企業(yè)減少。

從經(jīng)濟(jì)實(shí)力角度來(lái)看，人均GDP對(duì)R&D資本存量和R&D人員投入松弛變量影響為負(fù)且顯著，說(shuō)明地區(qū)經(jīng)濟(jì)實(shí)力越強(qiáng)會(huì)減少R&D資本存量和R&D人員冗余。而經(jīng)濟(jì)實(shí)力對(duì)R&D項(xiàng)目數(shù)投入松弛變量影響為正且顯著，說(shuō)明地區(qū)經(jīng)濟(jì)實(shí)力越強(qiáng)會(huì)增加高新技術(shù)產(chǎn)業(yè)R&D項(xiàng)目數(shù)的冗余。

此外，由于環(huán)境變量和隨機(jī)誤差對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響不一致，所以在第二階段需要對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度的投入變量進(jìn)行調(diào)整，以在第三階段準(zhǔn)確測(cè)度高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率。高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度投入變量調(diào)整前后數(shù)據(jù)對(duì)比描述性統(tǒng)計(jì)見(jiàn)表6。

2.3 第三階段超效率SBM分析

將調(diào)整后的投入變量和原產(chǎn)出變量重新代入超效率SBM模型測(cè)度，測(cè)度結(jié)果見(jiàn)表7。

對(duì)比表4和表7，剔除環(huán)境變量和隨機(jī)誤差后測(cè)度的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率值整體增加，效率值更趨于平穩(wěn)。從地區(qū)來(lái)看，東部、中部地區(qū)創(chuàng)新效率值整體增加，西部地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率整體減少。為清晰反映調(diào)整前后變化情況，繪制調(diào)整前后高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值對(duì)比圖，如圖1和圖2所示。

調(diào)整后的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值在2018年后均達(dá)到生產(chǎn)前沿面，說(shuō)明2018年后我國(guó)高新技術(shù)產(chǎn)業(yè)投入資源得到有效利用，資源配置水平提高。從整體均值來(lái)看，調(diào)整后的創(chuàng)新效率均值提高，說(shuō)明在環(huán)境變量和隨機(jī)誤差的影響下我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率被低估。從變化趨勢(shì)來(lái)看，第一階段和第三階段變化趨勢(shì)相同，都呈現(xiàn)先下降后曲折上升，說(shuō)明初期由于高新技術(shù)產(chǎn)業(yè)投入增加，但產(chǎn)出增速達(dá)不到投入增速，導(dǎo)致創(chuàng)新效率的下降，而后由于前期投入產(chǎn)生的技術(shù)沉淀和有效管理，使得高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率有了大幅提升，減少了投入冗余，促使呈現(xiàn)創(chuàng)新效率曲折上升。

為進(jìn)一步分析高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的區(qū)域異質(zhì)性，以第三階段測(cè)度的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率為基礎(chǔ)，繪制高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值區(qū)域?qū)Ρ葓D，如圖3所示。

由圖3可知，東部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值始終處在生產(chǎn)前沿面上，廣東、北京、浙江領(lǐng)先全國(guó)；西部地區(qū)自2016年后高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值處于穩(wěn)步增長(zhǎng)，2019年后達(dá)到生產(chǎn)前沿面，其中青海、寧夏、新疆增速明顯；中部地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值始終沒(méi)有達(dá)到生產(chǎn)前沿面，且自2016年后高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值逐漸下降。從高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值大小上，呈現(xiàn)“東部＞西部＞中部”，存在明顯的區(qū)域差異。東部地區(qū)領(lǐng)先其他地區(qū)，這與地區(qū)經(jīng)濟(jì)發(fā)展水平有關(guān)，東部地區(qū)更容易獲得技術(shù)和資本；中部地區(qū)由于把重心放在了向沿海地區(qū)獲取先進(jìn)技術(shù)和經(jīng)驗(yàn)，而對(duì)省際之間經(jīng)濟(jì)、技術(shù)交流不重視，導(dǎo)致高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率不穩(wěn)定，且出現(xiàn)下降趨勢(shì)；西部地區(qū)得益于“一帶一路”倡議和西部大開(kāi)發(fā)戰(zhàn)略，給西部地區(qū)帶來(lái)優(yōu)質(zhì)的科技創(chuàng)新人才和高新技術(shù)項(xiàng)目的重點(diǎn)支持，極大推動(dòng)了高新技術(shù)產(chǎn)業(yè)的發(fā)展。

2.4 模型檢驗(yàn)

為檢驗(yàn)三階段超效率SBM模型測(cè)度的真實(shí)性，將初始測(cè)度和調(diào)整投入后測(cè)度的創(chuàng)新效率與產(chǎn)出變量專(zhuān)利申請(qǐng)授權(quán)量進(jìn)行Pearson相關(guān)系數(shù)檢驗(yàn)，見(jiàn)表8。

消除影響后測(cè)度的創(chuàng)新效率與專(zhuān)利申請(qǐng)授權(quán)量的Pearson相關(guān)性系數(shù)明顯提高且均表現(xiàn)出線(xiàn)性相關(guān)，表明消除影響后的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)度比初始創(chuàng)新效率測(cè)度更能反映出真實(shí)的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率情況。因此，三階段超效率SBM模型測(cè)度的創(chuàng)新效率測(cè)算結(jié)果更真實(shí)、精確。

3 我國(guó)高新技術(shù)創(chuàng)新效率時(shí)空演化分析

3.1 基于核密度估計(jì)的時(shí)間動(dòng)態(tài)演進(jìn)

為探究高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率動(dòng)態(tài)演進(jìn)特征，文中運(yùn)用核密度估計(jì)方法進(jìn)行分析，繪制整體、東部、中部、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率核密度圖，如圖4、5、6、7所示。

由圖4可知，全國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率核密度中心曲線(xiàn)整體上稍微往左偏移，且高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率集中在1左右，說(shuō)明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率處于中高水平且總體發(fā)展趨勢(shì)處于上升。從曲線(xiàn)極化趨勢(shì)來(lái)看，2013年后都呈現(xiàn)“主峰+小峰”分布，兩峰有明顯間距，表明2013—2020年期間存在明顯的兩極分化特征，極化趨勢(shì)隨時(shí)間推移而有所減緩。

由圖5可知，東部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率核密度曲線(xiàn)2013—2016年往左偏移，2017年后往右偏移，說(shuō)明2013—2016年高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率總體發(fā)展趨勢(shì)處于上升，2017年后總體發(fā)展趨勢(shì)處于下降，而2017年后高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率集中在1的右邊，說(shuō)明東部高新技術(shù)產(chǎn)業(yè)處在生產(chǎn)前沿面。從曲線(xiàn)極化趨勢(shì)來(lái)看，呈現(xiàn)“小峰+主峰”分布，且主峰高度明顯大于側(cè)峰高度，表明2013—2020年期間存在明顯的兩極分化趨勢(shì)減弱。

由圖6可知，中部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率核密度曲線(xiàn)曲線(xiàn)整體上偏移不大，2017年后主峰高度下降，且覆蓋寬度縮窄，說(shuō)明2017年后中部地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率差異縮小。從曲線(xiàn)極化趨勢(shì)來(lái)看，存在一個(gè)主峰，說(shuō)明2013—2020年中部地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率將持續(xù)保持兩極分化趨勢(shì)。

由圖7可知，西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率核密度曲線(xiàn)變化明顯，主峰高度不斷上升，覆蓋寬度先變寬后縮窄，說(shuō)明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率分布集中，地區(qū)間差異縮小。從曲線(xiàn)極化趨勢(shì)來(lái)看，主峰左邊存在多個(gè)小峰，說(shuō)明2013—2020年西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率內(nèi)部分化趨勢(shì)向好。

3.2 基于傳統(tǒng)馬爾科夫鏈的時(shí)間演變分析

由于2016年為“十三五”開(kāi)始年，所以以2016年為節(jié)點(diǎn)，利用傳統(tǒng)馬爾科夫鏈方法對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率動(dòng)態(tài)轉(zhuǎn)移趨勢(shì)進(jìn)行分析。將觀測(cè)期內(nèi)綜合得分劃分為4種類(lèi)型：低類(lèi)型（Ⅰ）、中低類(lèi)型（Ⅱ）、中高類(lèi)型（Ⅲ）和高類(lèi)型（Ⅳ），并據(jù)此計(jì)算得到整個(gè)研究期和2個(gè)階段的一階馬爾科夫鏈轉(zhuǎn)移概率矩陣，結(jié)果見(jiàn)表9。

由表9可知，高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率變化情況在2013—2016年與2017—2020年這2個(gè)階段都存在俱樂(lè)部趨同現(xiàn)象。具體來(lái)看第一階段2013—2016年馬爾科夫鏈轉(zhuǎn)移概率矩陣中，主對(duì)角線(xiàn)最大值、最小值分別為0.783、0.348，且主對(duì)角線(xiàn)概率均大于非對(duì)角線(xiàn)概率，這就表明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率類(lèi)型保持不變的概率至少為34.8%，呈現(xiàn)俱樂(lè)部趨同現(xiàn)象。第二階段2016—2020年馬爾科夫鏈轉(zhuǎn)移概率矩陣依然存在低、中低、中高、高4種類(lèi)型，低類(lèi)型保持概率為66.7%（高于第一階段50%），中低類(lèi)型保持概率為47.6%（高于第一階段34.8%），中高類(lèi)型保持概率為56.5%（高于第一階段40%），高類(lèi)型保持概率為77.3%（低于于第一階段78.3%），說(shuō)明第二階段容易轉(zhuǎn)變?yōu)椤爸懈咚焦袒保哳?lèi)型保持概率均低于第一階段，向上轉(zhuǎn)移的概率有所上升，說(shuō)明高水平高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的各省市區(qū)向上空間逐步增大，這可能與地方政府和國(guó)家提倡的高新技術(shù)產(chǎn)業(yè)高質(zhì)量發(fā)展政策有關(guān)。

高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率在兩階段都有上移趨勢(shì)，但第二階段高類(lèi)型上移的趨勢(shì)更明顯。第二階段高類(lèi)型上移的概率17.4%高于第一階段的5.0%，說(shuō)明我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率在2016年以后向高類(lèi)型轉(zhuǎn)變趨勢(shì)變明顯。

在2個(gè)階段中，不與對(duì)角線(xiàn)直接相鄰的概率幾乎為0，相鄰類(lèi)型之間的轉(zhuǎn)移概率大于跨越式轉(zhuǎn)移概率。第一階段低類(lèi)型向中低類(lèi)型轉(zhuǎn)移概率25.0%大于其向中高類(lèi)型轉(zhuǎn)移概率25.0%；第二階段低類(lèi)型向中低類(lèi)型轉(zhuǎn)移概率25.0%大于其向中高類(lèi)型轉(zhuǎn)移概率4.2%，且其向高類(lèi)型轉(zhuǎn)移概率4.2%大于第一階段0%。表明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率本身具有連續(xù)性，在短時(shí)間內(nèi)很難實(shí)現(xiàn)跨越式發(fā)展，但隨著時(shí)間的推移和外部環(huán)境的改善，向高類(lèi)型轉(zhuǎn)移的跨越式發(fā)展難度會(huì)有所下降。

3.3 基于空間馬爾科夫鏈的空間演變分析

文中用空間馬爾科夫鏈的方法從空間角度對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行分析。由表8可知，不同的空間滯后類(lèi)型下的4個(gè)轉(zhuǎn)移概率矩陣均不同，說(shuō)明在鄰近省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在差異的情況下，本省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率受到影響而發(fā)生轉(zhuǎn)移的概率各不相同。其次，Ⅰ、Ⅱ、Ⅲ、Ⅳ類(lèi)空間滯后類(lèi)型下轉(zhuǎn)移概率矩陣的對(duì)角線(xiàn)元素并非完全大于非對(duì)角線(xiàn)元素。說(shuō)明在空間溢出效應(yīng)下，低、中低、中高、高類(lèi)型的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率“等級(jí)鎖定”的概率有所降低。在Ⅲ類(lèi)滯后條件下，低類(lèi)型向中低類(lèi)型轉(zhuǎn)移轉(zhuǎn)移的概率為44.4%，明顯高于Ⅱ滯后類(lèi)型下的轉(zhuǎn)移概率16.7%，說(shuō)明在Ⅲ類(lèi)滯后類(lèi)型對(duì)同一等級(jí)的影響是不同的。在Ⅲ類(lèi)滯后條件下，低類(lèi)型、中低類(lèi)型和中高類(lèi)型實(shí)現(xiàn)向上轉(zhuǎn)移一級(jí)的概率分別為44.4%、16.7%、15.8%，呈現(xiàn)出逐漸遞減的趨勢(shì)，說(shuō)明轉(zhuǎn)移概率不僅受到滯后類(lèi)型的影響還要考慮到高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率初始等級(jí)的影響。

觀察表9和表10，發(fā)現(xiàn)：①高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的演化具有明顯的空間依賴(lài)特征，在空間馬爾科夫鏈中低類(lèi)型下，有利于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的提升，如低類(lèi)型向中低類(lèi)型向上轉(zhuǎn)移的概率為30.8%大于平均概率25.9%，中低類(lèi)型向中高類(lèi)型向上轉(zhuǎn)移的概率為27.6%大于平均概率23.1%。②在空間馬爾科夫鏈Ⅲ類(lèi)型下，中高類(lèi)型向上轉(zhuǎn)移的概率比平均概率高6.76%，向下轉(zhuǎn)移的概率比平均概率低出39.00%。說(shuō)明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間溢出效應(yīng)，高（低）水平鄰域存在正（負(fù)）向溢出，相較而言，中高水平地區(qū)的輻射帶動(dòng)作用更大。③Ⅳ類(lèi)型下，中低類(lèi)型（概率為88.9%）向中高類(lèi)型轉(zhuǎn)移的概率為11.1%，向低類(lèi)型轉(zhuǎn)移的概率為0%；中高類(lèi)型（概率為88.3%）向高類(lèi)型轉(zhuǎn)移概率為0%，向中低類(lèi)型轉(zhuǎn)移概率為16.7%，說(shuō)明中高類(lèi)型保持當(dāng)前狀態(tài)不變的概率比較大，且向上轉(zhuǎn)移很難，也說(shuō)明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率中高類(lèi)型實(shí)現(xiàn)正向跨越式提升的難度依然較大。

3.4 我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率預(yù)測(cè)

根據(jù)傳統(tǒng)和空間馬爾科夫鏈矩陣，對(duì)穩(wěn)定狀態(tài)的概率求解，得到跨期5年的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率4種類(lèi)型的測(cè)度結(jié)果，整理結(jié)果見(jiàn)表11。

1）將有空間滯后的最終穩(wěn)定狀態(tài)的概率與初始狀態(tài)的概率比較，發(fā)現(xiàn)Ⅰ、Ⅱ、Ⅲ類(lèi)型的概率在減少，而Ⅳ類(lèi)型的概率在增加，說(shuō)明高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率發(fā)展水平會(huì)隨時(shí)間推移變得越來(lái)越高。將有空間滯后轉(zhuǎn)移矩陣與傳統(tǒng)轉(zhuǎn)移矩陣相比，發(fā)現(xiàn)空間轉(zhuǎn)移矩陣中創(chuàng)新效率的轉(zhuǎn)移概率有明顯變化。當(dāng)Ⅰ、Ⅱ類(lèi)型的概率其中一個(gè)在減少時(shí)，Ⅲ類(lèi)型概率減少，Ⅳ類(lèi)型的概率增加；當(dāng)Ⅰ、Ⅱ類(lèi)型的概率2個(gè)都在減少時(shí)，Ⅳ類(lèi)型概率增加。當(dāng)k=5時(shí)，高類(lèi)型的概率上升到0.269，而Ⅰ類(lèi)型的概率下降到0.500，說(shuō)明未來(lái)高類(lèi)型高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率有所增加，而低類(lèi)型高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率會(huì)減少。

2）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率發(fā)展存在“俱樂(lè)部趨同”，也存在一定擴(kuò)散效應(yīng)，二者會(huì)隨各省（市、區(qū)）的不斷發(fā)展產(chǎn)生變化，本省一開(kāi)始吸收一定區(qū)域內(nèi)的技術(shù)和知識(shí)為自身發(fā)展，隨后促進(jìn)周?chē)∈袇^(qū)發(fā)展。由表10可知，當(dāng)周?chē)∈袇^(qū)類(lèi)型為Ⅱ或者Ⅲ時(shí)，Ⅰ、Ⅱ類(lèi)型概率大部分會(huì)出現(xiàn)減少，考慮到當(dāng)前高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率處于上升趨勢(shì)，說(shuō)明發(fā)展到Ⅱ、Ⅲ類(lèi)型的省份會(huì)發(fā)揮領(lǐng)先省份的技術(shù)、知識(shí)的擴(kuò)散作用，促進(jìn)周?chē)》莸陌l(fā)展。此外，當(dāng)領(lǐng)域省份為Ⅲ類(lèi)型時(shí)，溢出效應(yīng)會(huì)增強(qiáng)，帶動(dòng)周?chē)》荩a(chǎn)生“俱樂(lè)部趨同”。

4 結(jié)論與建議

1）剔除環(huán)境變量和隨機(jī)誤差后測(cè)度的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率值整體增加，呈現(xiàn)“東部＞西部＞中部”的地區(qū)差異，且測(cè)度的創(chuàng)新效率值與專(zhuān)利申請(qǐng)授權(quán)量的Pearson相關(guān)性系數(shù)明顯提高，說(shuō)明三階段超效率SBM模型測(cè)度的結(jié)果更真實(shí)、精確。

2）從核密度曲線(xiàn)來(lái)看，高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率處于中高水平且總體發(fā)展趨勢(shì)處于上升，2013—2020年期間存在明顯的兩極分化特征，極化趨勢(shì)隨時(shí)間推移而有所減緩。

3）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的演化具有明顯的空間依賴(lài)特征，高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率中高類(lèi)型實(shí)現(xiàn)正向跨越式提升的難度依然較大。對(duì)跨期5年的穩(wěn)定狀態(tài)求解，未來(lái)高類(lèi)型高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率有所增加，而低類(lèi)型高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率會(huì)減少；當(dāng)領(lǐng)域省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率為中高類(lèi)型時(shí)，空間溢出效應(yīng)會(huì)增強(qiáng)，帶動(dòng)周?chē)》荩a(chǎn)生“俱樂(lè)部趨同”。

4）因地制宜制定高新技術(shù)產(chǎn)業(yè)發(fā)展對(duì)策，促進(jìn)創(chuàng)新效率提高。對(duì)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率較低的省份，需要優(yōu)化資源使用效率和資源配置，加強(qiáng)高新技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新和經(jīng)營(yíng)管理能力。

5）促進(jìn)區(qū)域間高新技術(shù)產(chǎn)業(yè)協(xié)調(diào)發(fā)展。各省份高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在明顯的區(qū)域差異，因此創(chuàng)新效率較高的省份應(yīng)充分發(fā)揮對(duì)創(chuàng)新效率暫時(shí)落后地區(qū)的輻射帶動(dòng)作用，可以在目前合作機(jī)制和信息化網(wǎng)絡(luò)的基礎(chǔ)上，加強(qiáng)區(qū)域之間的技術(shù)、人才、創(chuàng)新知識(shí)的交流，從而促進(jìn)區(qū)域間高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的相對(duì)平衡發(fā)展。

參考文獻(xiàn)：

[1] 魏谷，湯鵬翔，楊曉非，等.基于三階段DEA的我國(guó)高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)內(nèi)創(chuàng)新型產(chǎn)業(yè)集群創(chuàng)新效率研究[J].科技管理研究，2021，41（07）：155-163.

[2]尹潔，劉玥含，李鋒.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)，2021，35（09）：53-60.

[3]LIU C，GAO X，MA W，et al.Research on regional differences and influencing factors of green technology innovation efficiency of Chinas high-tech industry[J].Journal of computational and applied mathematics，2020，369：112597.

[4]LIN S，LIN R，SUN J，et al.Dynamically evaluating technological innovation efficiency of high-tech industry in China：Provincial，regional and industrial perspective[J].Socio-Economic Planning Sciences，2021，74：100939.

[5]孫研，李濤.我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)算[J].統(tǒng)計(jì)與決策，2020，36（16）：115-118.

[6]董會(huì)忠，曹正旭，張仁杰.中國(guó)高技術(shù)產(chǎn)業(yè)兩階段綠色創(chuàng)新效率及影響因素識(shí)別[J].統(tǒng)計(jì)與決策，2022，38（06）：44-49.

[7]LIU X，BUCK T.Innovation performance and channels for international technology spillovers：Evidence from Chinese high-tech industries[J].Research Policy，2007，36（03）：355-366.

[8]仵鳳清，施雄天.我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率靜態(tài)與動(dòng)態(tài)測(cè)度[J].技術(shù)與創(chuàng)新管理，2023，44（03）：262-270.

[9]關(guān)麗，蘇建軍.中原城市群高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率評(píng)價(jià)研究[J].技術(shù)與創(chuàng)新管理，2021，42（01）：29-36.

[10]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（02）：68-73.

[11]沈曉梅，李芝辰，王磊.江蘇高新技術(shù)產(chǎn)業(yè)效率評(píng)價(jià)與驅(qū)動(dòng)因素分析：基于Malmquist-CLAD的實(shí)證檢驗(yàn)[J].華東經(jīng)濟(jì)管理，2020，34（07）：36-43.

[12]趙巧芝，劉倬璇，崔和瑞.中國(guó)高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測(cè)度及空間收斂研究[J].統(tǒng)計(jì)與決策，2023，39（01）：183-188.

[13]易明，彭甲超，吳超.基于SFA方法的中國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率研究[J].科研管理，2019，40（11）：22-31.

[14]胡艷，周玲玉.長(zhǎng)江經(jīng)濟(jì)帶高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（06）：71-77.

[15]孫研，李濤.我國(guó)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)算[J].統(tǒng)計(jì)與決策，2020，36（16）：115-118.

[16]曾武佳，李清華，蔡承崗.我國(guó)高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)創(chuàng)新效率及其影響因素研究[J].軟科學(xué)，2020，34（05）：6-11.

[17]劉和東，陳雷.“一帶一路”省市高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率研究：基于網(wǎng)絡(luò)DEA的測(cè)度方法[J].技術(shù)與創(chuàng)新管理，2019，40（04）：399-404.

[18]TONE K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（03）：498-500.

[19]程開(kāi)明，于靜涵.中國(guó)城市資源空間錯(cuò)配：特征測(cè)度與時(shí)空演進(jìn)[J].地理科學(xué)，2023，43（04）：617-628.

[20]涂正革，程烺，張沐.中國(guó)營(yíng)商環(huán)境地區(qū)差異及時(shí)空演變特征研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（07）：3-25.

[21]李洪偉，蔣金雨，楊印生.基于超效率SBM模型的中國(guó)城市生態(tài)環(huán)境效率時(shí)空演變格局及預(yù)測(cè)[J].數(shù)理統(tǒng)計(jì)與管理，2023，42（01）：96-108.

[22]REY S J.Spatial empirics for economic growth and convergence[J].Geographical analysis，2001，33（03）：195-214.

（責(zé)任編輯：嚴(yán)焱）

收稿日期：2023-04-17

作者簡(jiǎn)介：施雄天（1997—），男，江蘇南通人，博士研究生，主要從事科技創(chuàng)新管理方面的研究。