我國國家級專精特新“小巨人”企業科技創新效率評價及其分五大城市群的創新效率對比

王?；ǎ顦浣?，王 瑩，龔燕燕

（上海大學管理學院，上海 200444）

1 研究背景

伴隨新一輪科技革命和產業變革深入推進，我國科技創新面臨空前復雜的技術環境和競爭局勢，關鍵核心技術受制于人是我國當前經濟發展的一個現實困境?！皩＞匦隆敝行∑髽I長期專注細分市場，在加快解決核心技術“卡脖子”難題、實現高水平科技自立自強中發揮著重要作用［1］。黨的二十大報告也指出，要支持“專精特新”企業發展。作為“專精特新”中小企業的佼佼者，專精特新“小巨人”企業擁有較高的市場占有率，創新能力強。國家工業信息安全發展研究中心發布的《我國上市專精特新“小巨人”企業發展研究（2022）》報告顯示，近5 年專精特新“小巨人”上市企業的平均研發支出占比為8.43%、研發人員占比達22.15%，發明專利平均密度為每千人85.2 件［2］，展現出較強的創新性和成長性。盡管專精特新“小巨人”企業呈現高投入高產出的創新特征，但是企業的科技創新常常存在研發擁擠現象［3］，即高產出的創新活動往往需要更高的創新投入，這實際上是一種效率低下的創新實踐。因此，專精特新“小巨人”企業的科技創新效率究竟如何值得關注。

既有關于科技創新效率評價的研究多采用數據包絡分析法（DEA），這種方法因能夠處理多投入與多產出的效率評價問題而應用廣泛，如魯志國等［4］、Zhong 等［5］的研究就沿用了此方法。在傳統DEA 模型基礎上發展而來的三階段DEA 模型更是兼具DEA 方法與隨機前沿方法（SFA）方法的優點，能夠剔除環境因素和測量誤差的影響，得到更加真實準確的效率值［6］。付振坤等［7］、荊浩等［8］學者將三階段DEA 模型應用于“專精特新”中小企業的創新效率評價，但將企業的創新活動視為單一的投入與產出環節，尚未考慮企業科技創新過程的系統性和復雜性，沒有區分創新過程的階段。對此，部分學者，如王海花等［9］、Lewis 等［10］認為這可能會導致評價結果偏倚。因此，研究“專精特新”企業的科技創新效率時也需要對其創新過程進行細分。

黨的二十大報告指出，要以城市群、都市圈為依托構建大中小城市協調發展格局，而“專精特新”中小企業分布與國家政策緊密協同［11］，形成了以中心城市和城市群為依托的“三極、多核”集聚連片分布格局［12］，呈現明顯的聚集特征?；诖?，本研究采用三階段DEA 模型對我國國家級專精特新“小巨人”企業的科技創新效率進行測算和對比分析，以期為推動“專精特新”企業實現高效率創新發展提供參考。

2 研究設計與方法

2.1 研究設計

由于科技創新活動具有系統性和復雜性，單一的投入產出評價體系難以完整刻畫科技創新的全過程［9］。借鑒Hansen 等［13］、劉鳳朝等［14］的做法，基于創新價值鏈視角，將專精特新“小巨人”企業的科技創新活動分為技術研發和成果轉化兩個過程（見圖1）。

2.2 研究方法

根據Wang 等［15］、Cook 等［16］的研究，三階段DEA 模型不僅適用于解決多投入、多產出的效率評價問題，而且能夠有效剔除隨機噪聲和環境因素對決策單元的影響，得到更為真實準確的效率值。本研究采取的三階段DEA 模型測度流程如下：

第一階段，采用初始DEA 模型。在此階段采用原始投入與產出指標進行效率測算，同時基于規模報酬可變的假設，采用投入導向的BCC 模型測量專精特新“小巨人”企業的科技創新效率，最終計算得到其綜合效率（TE）、規模效率（SE）和純技術效率（PTE），其中規模效率與純技術效率的乘積等于綜合效率。

式（1）中：i=1,2,…,I，表示決策單元；X、Y分別表示投入向量與產出向量；S-和S+分別為投入指標與產出指標的松弛變量；λ為權重系數；θ為決策單元有效值。

第二階段，采用SFA 隨機前沿模型。借鑒Fried等［6］的研究，筆者認為決策單元的創新績效會受到管理無效率、環境因素和隨機噪聲的干擾，因此構造SFA 回歸函數進一步分離上述因素的影響。

式（2）中：Sni是第i個決策單元第n項投入的松弛值；Zi是環境變量；βn是環境變量的系數；（vni+μni）是混合誤差項，其中vni表示隨機干擾，μni表示管理無效率。

進一步剔除環境因素和隨機噪聲的干擾，將所有決策單元調整至同一外部環境進行效率測度。調整公式如下：

第三階段，采用調整后的DEA 模型。在此階段使用調整后的投入與產出數據再次測算各決策單元的效率，此時的效率值為剔除環境因素和隨機噪聲后的真實水平。

3 數據來源與指標選取

3.1 數據來源

選取我國滬深A 股上市的國家級專精特新“小巨人”企業為研究對象?；跀祿臏蚀_性與可得性，依據以下原則對相關企業進行篩選：一是剔除部分年份存在缺失數據的企業；二是剔除ST、*ST類上市企業。最終獲得167 家專精特新“小巨人”企業數據（以下簡稱“樣本”）。其中，涉及第一批認定的專精特新“小巨人”企業13 家、第二批認定企業53 家、第三批認定企業44 家以及第四批認定企業57 家。此外，考慮到2016 年國務院印發的《“十三五”國家科技創新規劃》首次將“科技創新”作為一個整體納入國家規劃體系，因此以2016—2021 年為研究期間。另外，研究所需財務數據來源于國泰安數據庫（CSMAR），專利數據來自國家知識產權局，地區層面指標數據來源于《中國統計年鑒》以及中國研究數據服務平臺（CNRDS）。

3.2 指標選取

3.2.1 投入與產出變量

技術研發是將人力和資本投入轉化為知識、技術等科技成果的過程。參考Chen 等［17］、徐書彬等［18］的研究，分別選取研發人員數量和研發經費支出作為該過程的投入變量，以專利申請數量和無形資產增加額作為產出變量。

成果轉化是將新知識、新技術等科技成果進行商業化，最終創造經濟價值的過程。將技術研發過程的產出指標作為該過程的投入變量；同時，參考宋躍剛等［19］、臧維等［20］和孟韜等［21］的研究，選取固定資產總額和銷售費用支出作為補充投入變量，并選取主營業務收入和利潤總額來衡量產出變量。

考慮到技術研發和成果轉化兩個過程的投入產出間的時滯性問題，設置各個過程投入產出的滯后期為1 年，即技術研發過程的初始投入、中間產出與成果轉化過程的最終產出分別對應第t年、t+1 年、t+2 年數據。另外，由于存量指標能夠更好地反映科技創新的累積性特征，參考Griliches［22］的做法，將評價指標體系中的研發經費支出、無形資產增加額、銷售費用支出、主營業務收入、利潤總額等流量指標用永續盤存法以2016 年為基期進行存量轉換處理。

為了確保評價指標選取的合理性與可靠性，參考韓斌等［23］的做法，分別對技術研發和成果轉化過程的投入與產出變量進行相關性分析，結果如表1 所示，可知各投入變量均在1%或5%的置信水平下與產出變量正向相關，滿足DEA 模型對投入產出變量同向性的要求。

表1 樣本企業技術研發和成果轉化過程的投入與產出變量相關性分析結果

3.2.2 環境變量

借鑒已有學者的研究并結合專精特新“小巨人”企業的特點，選擇影響企業科技創新效率的外部因素（經濟發展水平、政府支持力度和技術市場環境）以及內部因素（股權集中度和企業規模）作為環境變量。

（1）經濟發展水平。經濟發展水平是反映地區經濟狀況的重要指標，通?？梢苑从车貐^人力、資金等各類資源的聚集程度［24］。本研究以企業所處省份的人均生產總值（GDP）衡量經濟發展水平，將其作為技術研發和成果轉化兩個過程的共同環境變量。

（2）政府支持力度。政府支持是影響專精特新“小巨人”企業科技創新發展的重要激勵措施，同時也是企業技術研發經費的主要資金來源［25］，對企業的技術研發活動產生直接影響［26］。本研究以地區財政科學技術支出衡量政府支持力度，并將其作為技術研發過程的環境變量。

（3）技術市場環境。技術市場環境直接影響企業的技術利用率和技術成果轉化率［23］，是企業科技成果轉化的重要影響因素。本研究使用技術市場成交額衡量技術市場環境，并將其作為科技成果轉化過程的環境變量。

（4）股權集中度。股權集中度是衡量企業經營狀況穩定性的常用指標，通過影響高管的決策行為間接對企業的科技創新活動產生影響［27］。本研究選擇企業第一大股東持股比例來衡量股權集中度，并將其作為兩個過程的共同環境變量。

（5）企業規模。企業規模決定企業是否有能力承擔技術研發和成果轉化過程所需的資源投入［28］，是影響專精特新“小巨人”企業科技創新活動順利展開的重要保障。本研究采用企業期末資產總額衡量企業規模，同樣將企業規模作為兩個過程的共同環境變量。

綜上所述，專精特新“小巨人”企業科技創新效率評價指標體系如表2 所示。

表2 專精特新“小巨人”企業科技創新效率評價指標體系

4 實證結果分析

4.1 第一階段DEA 實證分析

利用DEAP2.1 軟件得出測算結果（見表3），整體來看，樣本企業的總體科技創新效率還不高，且相較于成果轉化過程，考察期內技術研發過程的綜合效率和規模效率的均值更低。

表3 第一階段樣本專精特新“小巨人”企業科技創新效率

從圖2 可見，在技術研發過程中，企業在各個考察期內的純技術效率與規模效率均處于較低水平，導致企業的綜合效率水平較低；在成果轉化過程中，企業的綜合效率雖仍處于較低水平，規模效率卻顯著高于純技術效率，說明企業的技術管理水平可能是影響企業科技成果轉化綜合效率的主要原因。從整體發展趨勢來看，技術研發和成果轉化過程的綜合效率、純技術效率與規模效率均呈現逐年遞增的發展趨勢，可能原因在于，國家對中小企業的高度重視以及“專精特新”中小企業培育扶持政策的落實，使得專精特新“小巨人”企業在科技創新效率提升方面呈現出良好的發展前景和發展潛力。

圖2 第一階段樣本專精特新“小巨人”企業科技創新效率變動趨勢

4.2 第二階段SFA 實證分析

借鑒羅登躍［29］的做法，利用Frontier4.1 軟件構建SFA 模型，分別研究樣本企業在技術研發和成果轉化過程中環境因素對企業科技創新效率的影響。回歸結果如表4 所示：第一，投入松弛變量與環境變量的回歸系數大部分通過1%或5%的顯著性水平，說明環境變量的選取具備一定合理性；第二，回歸模型中gamma 值趨近于1，表明投入冗余主要是由管理無效率造成的；第三，LR 單邊似然比檢驗均達到顯著性要求，表明環境因素對樣本企業的技術研發效率和成果轉化效率均存在顯著影響，有必要使用SFA 模型重新調整投入變量，以剔除環境因素與隨機干擾的影響。

表4 第二階段樣本專精特新“小巨人”企業SFA 回歸結果

（1）經濟發展水平與研發人員、研發經費、固定資產和銷售費用松弛變量的回歸系數顯著為負，表明較高的經濟發展水平有利于減少企業投入資源的浪費，對企業科技創新效率起到顯著的提升作用。

（2）政府支持力度與研發人員、研發經費松弛變量的回歸系數為負且通過1%的顯著性檢驗，說明地區財政科學技術支出的提高可以減少企業資金和人員的投入冗余，有助于企業資源配置的優化和科技創新效率的提升。

（3）技術市場環境與固定資產、銷售費用松弛變量的回歸系數顯著為正，說明較高的地區技術市場成交額會導致科技成果轉化過程中固定資產和銷售費用的投入冗余，不利于科技成果轉化效率的提升。

（4）股權集中度與研發人員、研發經費、固定資產和銷售費用松弛變量的回歸系數均為正，且顯著性檢驗結果表明較高的股權集中度會造成企業研發人員、研發經費、固定資產、銷售費用等資源的浪費，不利于企業技術研發效率和成果轉化效率的提升。

（5）企業規模與研發人員、研發經費、固定資產松弛變量的回歸系數顯著為負，表明企業規模越大越有利于減少研發人員、研發經費、固定資產和銷售費用的投入冗余，因此，企業規模的擴大有助于提升企業技術研發和成果轉化過程的創新效率。

4.3 第三階段調整后DEA 實證分析

對原始投入變量進行調整之后，對樣本企業的科技創新效率進行重新測算，結果如表5 所示。從整體來看，剔除環境因素和隨機干擾的影響后，企業在技術研發過程和成果轉化過程中均呈現較低的科技創新效率水平，且技術研發過程的綜合效率仍然低于成果轉化過程。

表5 第三階段樣本專精特新“小巨人”企業科技創新效率

由圖3 可知，技術研發過程的效率值波動較小，在4 個考察期內純技術效率呈逐年下降趨勢，綜合效率和規模效率則平穩上升，但相比于純技術效率，規模效率仍處于較低水平，說明實際生產規模與最優生產規模的差距是導致企業技術研發效率低下的主要原因；成果轉化過程的效率值波動較大，綜合效率與規模效率均呈“M”型變動趨勢，純技術效率則呈“W”型變化特征，規模效率與綜合效率變動趨勢一致，表明剔除環境因素和隨機噪聲的干擾后，規模效率是影響成果轉化效率的主要因素。

圖3 第三階段樣本企業在科技創新兩個過程的效率變動趨勢

為進一步探究剔除環境變量與隨機因素影響后樣本企業兩階段科技創新效率值的變化情況，繪制了如圖4、圖5 所示的雷達圖，對比第一階段和第三階段企業技術研發和成果轉化過程的效率值可以發現：技術研發和成果轉化過程呈現相似的變動規律，即在第一階段和第三階段的綜合效率無大幅變動，而企業的規模效率有所下降，純技術效率明顯提高，這與付振坤等［7］的研究結果類似；同時，剔除環境因素和隨機干擾的影響后，企業在技術研發和成果轉化方面都具備較好的制度條件和管理水平，這與專精特新“小巨人”企業極具發展潛力和培育價值的特點相吻合。此外，規模效率較低成為制約該類企業科技創新高水平發展的一個關鍵因素。

圖4 樣本企業技術研發過程第一三階段的科技創新效率

圖5 樣本企業成果轉化過程第一三階段的科技創新效率

4.4 我國主要城市群“專精特新”企業科技創新效率對比分析

城市群作為加快創新型國家建設的重要空間載體，是我國參與全球競爭的主要地域單元，同時也是增強我國綜合創新實力的增長極［30］?！吨腥A人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》中提出，將成渝城市群、京津冀城市群、長江中游城市群、長三角城市群和珠三角城市群列為第一層級，鑒于80%的樣本企業均位于上述五大城市群，因此進一步對此五大城市群中樣本企業科技創新效率進行對比分析，結果如圖6 和圖7 所示。

圖6 五大城市群樣本企業技術研發過程的科技創新效率對比

圖7 五大城市群樣本企業成果轉化過程科技創新效率對比

從圖6 可以看出，在技術研發過程中，長江中游城市群企業的科技創新效率水平呈現逐年下降的趨勢，但是仍處于領先水平；而其余城市群企業的技術研發效率逐年提升，但是相比長江中游城市群仍然較低，尤其是成渝城市群和京津冀城市群企業的科技創新效率相對落后，與其他城市群存在較大差距，但隨著時間推移差距有所縮小。2020 年，五大城市群在技術研發過程的科技創新效率差距進一步縮小。

從圖7 可以看出，在科技成果轉化過程中，五大城市群企業的科技創新效率水平差距較小，且整體呈現波動上升的趨勢。其中，2018—2019 年五大城市群企業的效率水平均處在上升趨勢，成渝城市群、京津冀城市群和珠三角城市群企業的效率值在2019 年達到峰值，原因可能在于2018 年《工業和信息化部辦公廳關于開展專精特新“小巨人”企業培育工作的通知》的發布對各地區中小企業創新效率起到了有效提高作用；2019—2020 年除長三角中游城市群之外，其他四大城市群企業的效率水平處于下降趨勢，但是在2020—2021 年效率水平均有小幅度提升，且長江中游城市群和長三角城市群企業在2021 年效率值達到最高，此時可能受到新冠疫情影響，中小企業面臨運營難、融資難等困境，經營市場不斷萎縮導致各地區“專精特新”中小企業成果轉化效率降低，但是在疫情有所好轉之后，國家各項政策的落地顯效在一定程度上緩解了疫情沖擊造成的企業生產經營困難，各地區“專精特新”中小企業加快恢復發展，成果轉化效率得到明顯提高。

5 結論與對策建議

5.1 研究結論

本研究運用三階段DEA 模型測算了我國167 家國家級專精特新“小巨人”企業技術研發和成果轉化過程的科技創新效率，并將主要城市群的專精特新“小巨人”企業科技創新效率進行對比，得出以下結論：

（1）從整體效率來看，我國專精特新“小巨人”企業的科技創新效率不高，且技術研發過程的綜合創新效率低于成果轉化過程。在剔除環境因素與隨機誤差的影響后，技術研發和成果轉化過程的規模效率有所下降，純技術效率明顯提高，綜合效率無大幅變動，表明專精特新“小巨人”企業的創新發展主要依賴于自身制度條件和管理水平，規模效率較低成為制約企業科技創新高質量發展的關鍵因素。

（2）從演化趨勢來看，技術研發過程的綜合效率和規模效率呈逐年遞增趨勢，純技術效率卻在連續的考察期內逐年遞減，而成果轉化過程的綜合效率與規模效率呈現“M”型變化趨勢，純技術效率以“W”型趨勢變動；綜合來看，兩個過程的規模效率與綜合效率變動方向一致，表明規模效率的遞增能夠有效促進企業科技創新效率的提升，進一步說明當前階段我國專精特新“小巨人”企業的市場規模與創新能力不匹配是導致科技創新效率不高的主要原因。

（3）從影響因素來看，經濟發展水平、政府支持力度和企業規模對專精特新“小巨人”企業的技術研發效率具有顯著的提升作用；經濟發展水平與企業規模均正向影響企業的成果轉化效率，技術市場環境則對成果轉化效率產生負向影響；較高水平的股權集中度容易造成企業的資源投入冗余，對技術研發效率和成果轉化效率均存在抑制效應。

（4）五大城市群在技術研發過程中專精特新“小巨人”企業科技創新效率水平差距較大但呈縮小趨勢，其中長江中游城市群相比于其他城市群呈現更高的科技創新效率；而在成果轉化過程中的科技創新效率差距相對較小，整體效率水平呈現波動上升的趨勢。

5.2 對策建議

（1）對政府而言，應繼續完善專精特新“小巨人”企業培育體系，鼓勵和支持企業不斷擴大市場規模，通過推動形成規模經濟效應，進一步提高企業的科技創新效率。具體而言：一是應針對不同規模的專精特新“小巨人”企業制定差異化的精準扶持政策，通過適當的資金扶持和政策傾斜支持優質中小企業的創新發展，以提升企業擴張市場規模的積極性；二是應積極拓寬企業的融資渠道，鼓勵銀行、證券公司、保險公司等金融機構精準對接企業融資需求，為企業的科技創新活動提供更加豐富的資金來源；三是應充分發揮城市群作用，通過形成企業聚集效應，持續引導區域中小企業往“專精特新”方向發展，并針對不同城市群的區位優勢和發展階段，制定“專精特新”企業培育目標，以進一步縮小區域科技創新效率水平差距。

（2）對專精特新“小巨人”企業而言，企業在提高自身科技創新效率的同時更應充分重視技術研發效率的提升，尤其是研發人員的創新效率和研發資金的使用效率。具體而言，一是建立健全創新人才的激勵機制，可以綜合考慮研發人員在技術研發活動中的工作量和貢獻程度，設計分級獎勵制度體系；二是重視創新人才的培養工作，為研發人員提供更多與高校、科研院所或其他企業交流學習的機會，并進一步優化企業的人才資源；三是加強對研發資金的監管工作，企業可以建立嚴格的研發資金使用評價與考核機制，通過科學的評價結果及時發現研發投入活動中存在的資金使用問題，以確保企業資金的高效、合理利用。