我國高技術產業技術創新效率的空間度量*
——基于八大經濟區的對比實證分析

王 婧

引 言

科技是國之利器，世界上的現代化強國無一不是科技創新強國。黨的二十大報告提出，到2035年，我國要實現高水平科技自立自強，進入創新型國家前列。而高技術產業發展的核心是創新效率的改進和生產率的提高，因此，精準測度我國高技術產業的技術創新效率及其影響因素至關重要。諸多學者曾從不同視角對我國高技術產業的技術創新效率及其影響因素進行過深入探討。

在高技術產業創新效率測度方面，程廣斌等(2023)運用三階段超效率SBM模型測度了我國28個省高技術行業在研發階段和轉化階段的創新效率；吳和成等(2020)運用增強型羅素測量模型測度了2013—2017年我國各省高技術產業的技術創新效率；李培哲等(2019)采用 DEA 模型及Malmquist指數分解法，測算了我國東、中、西部高技術產業的技術效率；趙瑞靜等(2019)基于三階段DEA模型對河北省高新技術產業的創新效率進行測算等。

在探討高技術產業創新效率的影響因素方面，趙巧芝等(2023)利用馬爾科夫鏈測度表明，中、低收入水平兩種類型省份的高技術產業技術創新效率“狀態鎖定”概率較高，高收入水平狀態省份相對來說更有利于高技術產業創新效率的提升；杜莉等(2022)構建空間Tobit模型，檢驗了2011—2019年我國數字金融發展對高技術產業技術創新效率的影響；范德成等(2018)通過隨機前沿模型測算得出，企業規模與技術研發效率存在U型關系，但區域科技水平和區域經濟水平則對高技術產業技術研發效率影響不顯著。宋躍剛等(2022)運用DEA-Malmquist模型測算了2009—2018年我國高技術產業創新效率，得出的結論為：產業發展的不同階段，拉動高技術產業創新效率增長的因素不同。在技術研發與技術轉化階段，技術因素占主導；在市場化階段，規模因素占主導。

總體來看，已有研究存在如下缺憾。第一，在區域空間劃分上，大部分文獻以東、中、西部劃分，已不太契合我國現實國情。第二，在數據分析方面，已有文獻對數據的時間維度屬性研究較多，對空間維度多有忽略。而創新的空間集群是區域創新一個較明顯的特點。第三，鮮有研究可以精細化識別創新在區域間的溢出效應。以往研究主要使用集聚指標配合經典線性模型或經典泊松模型度量創新的集聚，但這些方法無法精準衡量區域創新集聚在空間的差異。本文的邊際貢獻在于，首先，以八大經濟區(2)本文中八大經濟區包括：東北地區、北部沿海、東部沿海、南部沿海、黃河中游、長江中游、西南地區和大西北地區。其中，東北地區包括遼寧省、吉林省和黑龍江省；北部沿海包括北京市、天津市、河北省和山東省；東部沿海包括上海市、江蘇省和浙江省；南部沿海包括福建省、廣東省和海南省；黃河中游包括山西省、內蒙古自治區、河南省和陜西省；長江中游包括安徽省、江西省、湖北省和湖南省；西南地區包括廣西壯族自治區、重慶市、四川省、貴州省和云南省；大西北地區包括西藏自治區、甘肅省、青海省、寧夏回族自治區和新疆維吾爾自治區。為空間劃分單元進行實證對比測算；其次，度量政府投資、人力資本、外資投入等因素分別對八大經濟區創新效率的不同影響，即對其空間屬性進行測度；最后，運用空間面板杜賓模型，精準測度各區的創新空間集聚度以及環境影響因素的創新聚集效應。

一、高技術產業創新效率測度

考慮到高技術產業創新活動具有多投入、多產出的特點，為避免參數法單一模型設定的誤差，同時有效剔除環境變量及隨機因素的影響，選用三階段DEA模型(3)三階段DEA模型最初由Fried等人于2002年提出。測度黨的十八大以來(2012—2021年)八大經濟區高技術產業的創新效率及其影響因素。

(一)模型方法

第一階段：選用基于投入導向的規模報酬可變模型(BCC模型)來測度綜合效率、純技術效率和規模效率。具體模型表達式如下：

minθ-ε(e*TS-+eTS+)

(1)

式(1)中，j=1，2，…，n表示決策單元，X，Y分別是投入、產出向量。S+為投入松弛量，S-為產出松弛量，γj為權重變量，ε為非阿基米德無窮小量。

第二階段：類似SFA模型。該階段主要目的是剔除隨機誤差和環境因素等對投入變量的干擾。模型公式如下：

Sni=f(Zi，βn)+δni+μni；i=1，2，…，N

(2)

投入變量的調整公式為：

(3)

i=1，2，…，I，n=1，2，…，N

第三階段：調整后的DEA模型。

將調整后的投入變量值代替原始投入變量值，再次使用基于投入導向的規模報酬可變模型(BCC模型)進行創新效率計算。

(二)指標構建及數據處理

1.投入產出指標

根據八大經濟區高技術產業創新的現實情況，并結合數據可得性，分別構造投入產出指標和外部環境指標體系(見表1、表2)。

表1 八大經濟區高技術產業創新投入產出指標體系

表2 八大經濟區高技術產業外部環境指標體系

2.外部環境指標

3.數據來源及處理

考慮到投入產出過程具有天然時滯，本文選取2011—2020年為投入指標數據年份，2012—2021年為產出指標數據年份，滯后期為一年。所用指標數據來源為《中國高科技產業統計年鑒》(2012—2017)(2019—2022)和《中國統計年鑒》(2012—2022)。(4)由于《中國高科技產業統計年鑒》(2018)未出版，本文中R&D人員、高技術產業利潤總額、R&D經費中的政府資金三個指標2017年的數值采用均值法填補。鑒于DEA模型多投入多產出的特性，而決策單元數量相對較少，故先對投入產出指標用SPSS 22.0進行因子分析做降維處理，然后再帶入DEA模型進行計算。

(三)實證分析結果

本文使用DEAP 2.1軟件，運用BCC模型對八大經濟區2012—2021年高技術產業的創新技術效率進行測度，結果見表3。

表3 第一階段DEA模型測算結果

首先，從八大經濟區純技術效率和規模效率的均值來看，在不計隨機誤差和外部環境因素影響的情況下，由表3可知，2012—2021年我國東北地區、北部沿海、東部沿海、南部沿海、黃河中游、長江中游、西南地區和大西北地區的純技術效率的平均值分別為：0.40、0.80、0.86、0.82、0.60、0.71、0.78和0.54。可看出：北部沿海、東部沿海、南部沿海省份高技術產業的純技術效率位于第一梯隊，均值均在0.8以上；黃河中游、長江中游和西南地區位于第二梯隊均值在0.6以上；位于第三梯隊的是東北地區和大西北地區，分別有一半左右的效率損失。雖然東部沿海地區高技術產業的純技術效率值最高(0.86)，但距帕累托最優仍有一定差距。八大經濟區規模效率的平均值分別為：0.52、0.76、0.88、0.85、0.64、0.76、0.78、0.52，排位順序與純技術效率基本一致。其中東北地區、東部沿海、南部沿海、黃河中游、長江中游地區的規模效率均值比純技術效率均值高，說明若要提升這些地區高技術企業的創新效率，應優先考慮提升其管理效率和技術水平，而不是調整企業規模。但北部沿海地區、大西北地區則應首先考慮調整企業規模。而西南地區在2018年前規模效率一直高于純技術效率，2018年規模效率值開始低于純技術效率，說明當前西南地區應更加重視調整高技術企業的規模，才更利于該地區綜合效率提高。其次，從純技術效率和規模效率的走勢來看，2012—2019年各區域兩大效率值基本處于遞增趨勢，2020年八大區域效率值均出現一定程度下降，其中東北地區、北部沿海和東部沿海地區的兩大效率值下降幅度較大。

以上分析未考慮隨機誤差和環境因素對效率值的影響，分析結果可能存在較大誤差。接下來，將外部環境變量作為因變量，第一階段各決策單元投入因子的松弛變量(即理想投入值與實際投入值之間的差值)作為自變量，借助Frontier 4.1軟件進行相似 SFA回歸分析，以東北地區為例，結果見表4。

表4 第二階段東北地區外部環境影響模型結果

由表4可知，2012—2021年東北地區SFA回歸模型的LR單邊檢驗都通過了5%檢驗，說明模型的估計結果總體上可接受。從表中還可看出，東北地區高新技術產業創新投入松弛受環境因素影響較顯著。其中，政府支持和勞動者素質均通過顯著性檢驗，且γ值約為1，也通過了1%水平下的顯著性檢驗，說明投入松弛主要由管理無效率引起，故須剔除隨機誤差和環境因素干擾。分別對其他七個經濟區進行同樣的建模方法回歸，可得類似結論。故結合前文提出的分離管理無效率和隨機誤差公式，可得到八大經濟區調整后的投入值。再次用DEAP2.1 軟件，運用BCC模型對八大經濟區2012—2021年高技術產業的創新技術效率進行測度。結果見表5。

表5 第三階段調整后的DEA測算效率值

經過表3與表5對比，可看出，調整前后的效率值差異不大。總體來看，調整后的效率值均高于調整前的。2012—2021年我國東北地區、北部沿海、東部沿海、南部沿海、黃河中游、長江中游、西南地區和大西北地區的純技術效率的平均值分別為0.44、0.82、0.88、0.84、0.62、0.75、0.81和0.57，規模效率的平均值分別為0.54、0.79、0.90、0.87、0.66、0.79、0.82和0.56。

從純技術效率看，整體上八大經濟區調整后的純技術效率均有所提高。其中，東北地區和長江中游地區增幅較大，表明這兩個地區的純技術效率受隨機誤差和環境因素影響較大，純技術效率值被低估較多。即政府支持、勞動力素質、經濟發展水平和引資能力因素對這兩個地區的技術效率值影響高于其他地區，說明這兩區可在以上方面多著力，增大政府支持力度，優化營商環境，提高外商引資水平，均會提高其高技術產業的創新效率。

從規模效率看，整體上八大經濟區調整后的規模效率均有所提高。其中，西南地區和大西北地區增幅較大，表明這兩個地區規模效率受隨機誤差和環境因素影響較大，規模效率值被低估較多。即政府支持、勞動力素質、經濟發展水平和引資能力的擾動對這兩個地區規模效率的影響高于其他地區，說明兩區可在以上方面多著力，改進產業政策，提高當地經濟發展水平和引資能力，以提高兩地區高技術產業規模效率。

二、高技術產業創新集聚的空間度量

以上區域創新產出是否存在空間自相關？近年來我國高技術產業創新空間集聚有哪些新特點？如何利用區域間的知識溢出效應來優化區域布局，更好地發揮區域間的市場協同力？下文構建空間面板計量模型來嘗試探討這些問題。

(一)變量選擇與說明

在前文研究基礎上，選取創新產品銷售收入作為產出指標代表，用I表示，即因變量；R&D經費內部支出與當地公共財政收入之比作為資金資本投入，用F表示；R&D人員與本地就業人數之比作為人力資本投入，用H表示；外商投資企業R&D經費支出作為吸引的外資投入，用D表示。這里空間依賴性主要通過誤差項來體現。為了從總體上把握投入和產出變量的特征，對其進行描述性統計，列表如下：

從表6可知，I、D的標準差很大，說明目前八大經濟區的創新產出、外商投入存在較大差異，各個區域創新水平、引資能力迥異，尚未全面實現同步發展。F、H的標準差相對較小，僅為1.43和0.24，說明不同地區間的資金投入和人力資本投入的差異較小，各地區均十分注重研發資金投入和研發人員的配置，以促進高技術產業發展。I、F和D的峰度均大于3，表示創新產出、資金投入和外商投入總體上存在厚尾現象。從偏度指標可看出，四個變量的偏度均大于0，表示其均呈右偏狀態，數據右端有較多極端值，說明存在一些地區投入和產出明顯高于其他地區的現象。

表6 投入產出指標的描述性統計

(二)模型測度

1.生成空間權重矩陣

經濟發達程度和距離兩個因素是確定空間權重矩陣的主要考慮因素。一般而言，經濟發達地區對經濟落后地區影響比較大，而經濟落后地區對經濟發達地區影響卻較小；而空間相鄰的經濟區相較空間距離遠的經濟區影響也不同，即為空間影響的不對稱性。據此，構造空間權重矩陣如下：

(4)

其中，Wd為空間距離權重矩陣；Yi為該經濟區的GDP總量；Y為全國的GDP總量。Wd為一個8*8的對稱矩陣，相鄰的兩個地區取1，不相鄰的取0。

2.空間自相關檢驗

墨蘭指數用于檢驗變量是否存在空間自相關，用Stata 16.0計算，結果見表7。

表7 各變量的全局墨蘭指數

從表7可看出，全局指標均存在空間自相關，且在1%水平上顯著。再通過進一步計算局部區域墨蘭指數可得，臨近區域間均為空間正相關，即表示創新效率的高值與高值臨近，低值與低值臨近，進一步驗證了創新具有集聚效應。

3.模型的建立與估計

首先進行非空間面板模型的回歸，包括混合回歸以及空間固定效應、時間固定效應、雙固定效應、隨機效應回歸；然后根據Hausman檢驗、F檢驗及BP檢驗在混合回歸模型、固定效應模型和隨機效應模型之間選擇。檢驗結果見表8。

表8 非空間面板模型回歸結果

根據F檢驗拒絕原假設的結果，應在混合模型和固定效應模型中，選擇固定效應模型；同時，BP檢驗也拒絕混合回歸的原假設，應使用隨機效應模型；而Hausman檢驗也拒絕原假設，因此應在固定效應和隨機效應模型中，選擇固定效應模型。綜上，應選擇固定效應模型。再根據LM檢驗和穩健LM檢驗結果，表明空間面板滯后模型與空間面板誤差模型均成立，所以應在考慮空間固定效應下選用空間面板杜賓模型。考慮到被解釋變量還受時間因素影響，所以應考慮建立空間固定效應下的動態空間面板杜賓模型。模型表達式如下：

lnIit=β0+αlnIit-1+γWilnIit+ηWilnIit-1+β1lnFit+β2lnHit+β3lnDit+θ1WilnFit+θ2WilnHit+θ3WilnDit+ui+γi+εit

(5)

式(5)中引入因變量的一階滯后項及時空滯后項，α為時間滯后項的回歸系數，η為空間滯后項的回歸系數，將八大經濟區各指標原始數據代入式(5)，計算結果見表9。

表9 動態空間面板杜賓模型回歸結果

從表9可看出，八大區域的高技術產業創新效率的時間滯后項均在1%水平上顯著為正，其空間滯后項也均在1%水平上顯著為負，R2均值為0.983，表明擬合效果均較好。同時，八大區域高技術產業的資金投入(F)、人力資本投入(H)、外商投入(D)對創新效率的影響均為正，而資金投入空間變量的影響為正，人力資本和外商投資空間變量的影響均為負。其中，對資金要素的敏感程度由高至低依次為東北地區、大西北地區、西南地區、黃河中游、長江中游、南部沿海、北部沿海、東部沿海；對人力資本要素的敏感程度由高至低依次為東北地區、大西北地區、西南地區、黃河中游、長江中游、北部沿海、南部沿海、東部沿海；對吸引外資要素的敏感程度由高至低依次為東部沿海、北部沿海、南部沿海、長江中游、黃河中游、西南地區、大西北地區、東北地區。而相應資金、人力資本和吸引外資的空間變量對八大經濟區的影響程度排序與資金、人力資本和吸引外資變量的影響排序一致。

(三)結論

動態空間面板固定效應杜賓模型結果說明，一個地區的科研經費支出越多，其創新效率越高，且對鄰近地區有正的溢出效應；而人員投入、引資水平對鄰近地區的創新水平有負的溢出效應，說明人力資本投入、外商直接投資具有推動本地區創新能力提升，但抑制鄰近地區創新水平提升的作用。其中，經濟發展水平相對較差區域相較于經濟發展水平優勢區域對于科研經費投入、人員投入指標更敏感，相應地空間負面溢出效應也大；而吸引外資因素卻恰恰相反，經濟發展水平越好的地區越敏感，相對較差區域則敏感度減弱。

三、政策啟示

(一)克服技術創新短板，因地制宜提升科技創新效率

各經濟區應精準把握導致本區高技術產業效率低下的具體環節與提升路徑。對于研發水平弱、成果轉化率低的區域(東北地區、大西北地區、西南地區)，需從加大技術研發投入和優化市場轉化環境兩方面入手。一方面加大高技術企業的資金、人力資本的投入力度；另一方面著力推進產學研合作，厚植利于高技術產業技術創新的土壤，全面提升企業管理水平和人才培養機制。對于研發水平較弱、成果轉化率較低的區域(黃河中游、長江中游)，應努力開拓市場，充分利用創新的空間溢出效應，協同推進跨區交流合作，注重吸收鄰區先進的企業管理經驗，提高優勢資源的利用率；對于研發水平較強、成果轉化率較高的區域(北部沿海、南部沿海、東部沿海)，應在保持自身發展優勢前提下，利用好國際國內兩種資源，以全球視野謀求更大的發展，不斷優化營商環境，吸引全球優勢資源，建立廣泛的國際合作交流平臺。

(二)優化區域創新發展環境，全面激發創新主體積極性

各區應堅持問題導向，針對出現的研發投入不足、創新人才不多不強、研發體系不配套等問題，多措并舉繼續優化營商環境，構建利于創新的生態系統。政府應根據科技創新企業的發展實情，制定適宜的財政、稅收政策，厚植鼓勵重大創新的土壤，加大對高精尖、卡脖子項目的精準扶持，加強校企合作，培養用好人才，形成與高技術產業相匹配的人才評價機制和培養機制，暢通選人用人、人才晉升通道。

(三)加強區域間技術創新合作，提升區域科技創新水平

應充分利用高技術產業創新效率、資金、人才資本的空間集聚效應，加強區域間技術合作、協同發展，提高創新資源的共享效率。科學規劃各區域的產業功能定位。對不同區域的創新資源進行優化整合，發揮龍頭企業的帶動引領作用，破除“單打獨斗”、重復建設，合理引導人力資源、產業資源、應用場景共享，建立多區域各層次相互補充、協同一致的政策引導體系，同時配套制定產業鏈供應鏈優化、成果轉化、經濟指標共享等制度，加強區域合作共贏的頂層設計。