中国省际科技创新效率演化及影响因素实证研究

樊 华

（1.南京航空航天大学经济与管理学院，江苏 南京 210016；2.淮海工学院，江苏 连云港 222001）

中国省际科技创新效率演化及影响因素实证研究

樊 华1，2

（1.南京航空航天大学经济与管理学院，江苏 南京 210016；2.淮海工学院，江苏 连云港 222001）

以2001—2007年省区面板数据为基础，运用DEA的VRS模型测度科技创新效率，并进行其收敛性与影响因素分析。实证表明：中国科技创新效率具有周期性波动演化特点，东部地区科技创新效率高于中西部地区，西部地区科技创新效率提高快，赶上并超过了中部地区；西部地区科技创新效率具有绝对和条件收敛特征；全国和东中部地区科技创新效率条件收敛显著，但绝对收敛特征不明显；在考察期内工业结构、对外开放度、高等教育发展水平对全国科技创新效率具有正影响效应，而政府影响力具有负向作用。

科技创新效率；DEA；收敛性；Tobit模型；面板数据

Abstract:Based on the panel data of Chinese provinces during 2000-2007,this study conducts an empirical analysis of the scientific and technology innovation efficiency by using the model of variable.The results show that the scientific and technology innovation efficiency has the characters of periodic undulation evolution,the east is higher than the middle and west,the west enhances quickly,caught up with and has surpassed the middle;the west region has absolute and conditional convergence;the conditional convergence of the whole country and east-middle area is remarkable,but the absolute convergence is not obvious;the industry structure,the openness and the higher education level of development have the positive influence,but the government effect are the negative function.

Key words:science and technology innovation efficiency;data envelopment analysis;convergence;Tobit model;panel data

转变经济发展方式，提高经济发展质量，是中国经济发展追求的目标。随着区域经济不断发展和竞争的日益加剧，区域创新能力已成为区域综合竞争力的重要标志和地区经济获取国际竞争优势的决定性的因素［1］。经济增长理论和实践均表明，科技创新是提升经济发展水平和质量最为重要的要素。创新能力提升不仅需要增加对科技创新投入，更要注重科技创新效率，特别是我国各地区科技创新投入不断加大的情况下，科技创新效率提升对区域科技竞争力具有更加重要的意义。

1 文献综述

区域科技创新是区域创新系统的重要组成部分，是区域经济和科技发展的重要基础。区域创新系统最早是由Cooke于1992年提出［2］，主要是研究区域创新系统分类、区域创新系统结构、区域创新系统建设模式、区域创新系统建设政策、区域创新系统评价等方面［3］。区域科技创新效率是区域科技投入产出的转化率，其内涵是指在一定的科技创新环境和创新资源配置条件单位科技创新投入获得的产出，或者单位科技创新产出消耗的科技创新投入。

区域科技创新效率正成为众多学者关注的重要课题。研究科技创新效率的主流方法可分为二类：一类是参数技术，如随机前沿方法，另一类是非参数技术，如数据包络分析法 （DEA）。Nasierowski和Arcelus（1999、2000、2003）用两步骤 DEA 方法测度了45个国家的创新效率，发现技术创新规模、资源配置对生产率的变化有重要影响［4-6］。张宗益等（2006）使用我国31省区1998-2003年数据，运用基于对数型柯布-道格拉斯生产函数的随机前沿生产函数tistical（SFA），实证研究了我国区域技术创新效率，其研究结果表明：我国区域技术创新效率虽然呈上升趋势，但效率较低，且东、中、西部之间区域技术创新效率差距明显［7］。 白俊红等（2009）利用 SFA方法对1998-2006年30个省区进行了研发创新的相对效率与全要素生产率增长情况，结果是全国整体研发创新技术效率较低且各地区存在差异，东部地区高于中、西部［8］。 池仁勇等（2004）运用 DEA 方法，对我国30个省区的技术效率进行了测定，结果呈现东高西低的特征［9］。孙凯、李煜华（2007）用 DEA方法对我国省区技术创新效率进行了分析与比较，研究结论是大多数省份没有充分利用或低效率利用其创新投入，而且区域技术创新效率未必与其技术创新能力以及经济发展水平相一致［10］。

部分学者针对我国区域创新效率进行了测量和评价［11-13］，也有学者考虑了区域发展的不平衡进行区域技术创新效率差异分析［9，14］。根据目前所掌握的资料，现有的研究成果颇丰，对本文研究具有重要的借鉴，但也存在明显的不足。首先，从时间维度上，众多的研究主要是针对某一年区域科技创新效率的比较，是一个静态视角考察区域间相对效率，缺乏动态演化的思考。其次，研究方法较单一，缺乏对问题的深入探讨，如对科技效率影响因素的研究。第三，指标体系构建差异较大，指标选择不一，研究结论不一致甚至相互矛盾。

本文运用DEA的VRS模型测度区域科技创新效率［15-18］，借鉴经济增长研究中σ收敛和β收敛研究成果进行区域科技创新效率的收敛性分析，对我国省际科技创新效率进行动态分析，并研究其演化态势，揭示影响发展方向的重要原因；运用Tobit模型对影响区域科技创新效率的因素进行面板数据分析，揭示区域科技创新效率的原因并提出有针对性的政策建议。

2 指标与数据

科技创新是一个多要素投入和多产出的复杂系统。综合相关文献研究成果［12］［14］［19］，科技投入主要有人力和资金的投入，而科技产出涉及直接和间接产出指标。本文遵循指标选择中指标的可比性、可得性、科学性等原则，构建科技创新投入产出指标体系，考虑DEA评价方法主要是考察DMU间的相对关系，因此具体指标均选取比重值，更有利于指标间的对比与解释。投入指标有：科技活动人员占就业人口的比重 （X1），R＆D人员占科技活动人员的比重（X2），科技经费支出占 GDP 的比重（X3），科技活动人员人均科技经费支出（万元）（X4），地方财政科技拨款占地方财政支出的比重（X5）。产出指标有：高技术产业规模以上企业产值占二、三产业的比重（Y1），高技术产业产品出口额占地区出口的比重（Y2），每万名科技活动人员专利申请授权量（Y3），每万名科技活动人员发表国内中文期刊科技论文数（Y4），每万名科技活动人员技术市场成交合同金额（万元）（Y5）。

本研究时间跨度为2000—2007年。数据来源于2001-2008年 《中国统计年鉴》、《中国科技统计年鉴》以及中华人民共和国科技部中国科技统计网站的相关数据。

3 科技创新效率演化分析

根据DEA的VRS模型，使用Deap2.1软件包，运用跨期数据构造生产前沿面得到了我国各省区和全国的综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），结果详见表 1。

综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。周期性波动是综合技术效率的显著特征。我国综合技术效率东部地区最高，西部自2002年超过全国平均水平，且一直高于中部地区。从变化趋势上，全国及东中西部综合技术效率从2000年开始下降至2002年，而后一直上升，2006年达到波峰后再次下降，在这一过程中，西部综合技术效率的波动周期更短些。2000年与2007年相比，综合技术效率除东部略有下降外，中西部均有提高，但提高的幅度不大。从综合技术效率的绝对值上，中部在2002年平均仅0.69，与东部0.9相差0.21，差距较大。中部2000年至2004年均低于0.8，其余年份均高于0.8；东部除2003年、2004年二年低于0.9外，其余均高于0.9。进入新世纪以来，中国区域科技创新效率总体上从绝对值来说，均有一定的提高，但科技创新的综合技术效率提高幅度不大。

表1 中国2000—2007年东中西部效率平均值

纯技术效率用于衡量决策主体以既定投入资源提供相应产出的能力，与决策主体的管理水平直接相关。纯技术效率东部地区处于下降状态，而中西部地区则在波动中略有提升，说明中西部决策主体的管理水平有了提高。西部地区自2002年超过东部后，虽有波动但一直高于东部和全国平均水平，并处于全国最高水平。中部地区纯技术效率仍然最低，但其决策主体的平均管理水平在提高。纯技术效率的波动性要高于综合技术效率，从另一侧面要求提高科技创新管理决策的科学化水平。

规模效率用于衡量决策主体现有生产规模结构与最优生产规模结构之间的差距。从全国来看，规模效率从2000年下降至2002年，而后上升至2006年，后再下降，形成先下降后上升再下降的周期性波动。西部地区自2001年超过中部后，一直高于中部地区。东部地区规模效率值最高，但也呈现出周期性的波动，且规模效率值高于纯技术效率值，反映东部地区规模结构较好。中西部地区的规模效率波动幅度明显要高于东部，且西部地区的波动周期小于东、中部，除2006和2007年西部地区外，中、西部地区规模效率值均低于纯技术效率值，说明中西地区科技创新规模结构间匹配不好，规模效应有待提高。

综上，我国科技创新效率总体上东部高于中部和西部，西部效率提高很快，不仅赶上中部而且超过了中部，并高于全国平均水平；东部地区纯技术效率高但处于相对下降状态；东部地区规模效率高，中西部地区低，但东部与中西部纯技术效率与规模效率关系不同，东部应注重决策主体管理水平的提高，中西部应注重于规模结构的匹配。

中国 2000—2007年东中西部 DEA有效单元数、规模效益递增单元数、规模效益递减单元数统计结果见表2。全国DEA有效单元数呈现周期性变化，规模效益递增单元数大大高于规模效益递减单元数，因此加大科技创新投入将有更多的科技创新产出。从地区对比中，东部EDA有效单元数明显高于中西部，西部DEA有效单元数高于中部地区，且西部没有DEA有效单元递减单元，表明新世纪以来加大对西部科技创新的投入决策完全正确。我国现阶段总体上仍处于科技创新投入规模效益递增阶段。

表2 中国2000—2007年东中西部DEA有效单元数、规模效益递增递减单元数统计

4 科技创新效率的收敛性

现借用经济增长研究中收敛概念对省区科技创新效率演化趋势进行分析。

4.1 绝对收敛分析

图1显示了全国及东中西部σ收敛情况。

图1 DEA-TE变异系数

在考察的8年中，综合技术效率值（TE）的变异系数出现了周期性的变化。全国的变异系数2002年为峰值，2006年为谷底，2000-2002变异系数增大，2002-2006变异系数保持缩小的趋势，2006年后又出现扩大，说明科技创新效率在全国来说具有显著的周期性波动。但就各地区而言，东部地区的变异系数一直较小，说明东部地区内部的科技创新效率差距较小，但东部地区变异系数同样具有波动特征，2000年至2003年变异系数不断增大，内部差距增大；2003年后变异系数变小，东部地区内部差距在缩小。中部变异系数在周期性波动中增大，中部各省区内部科技创新效率差距在扩大；西部地区变异系数周期性波动大，从绝对值变化看有变小的趋势，西部地区内部各省区科技创新效率差距具有收敛的趋势。中部和西部地区在2004年变异系数大小出现明显的错位，2004年前，西部变异系数大于中部变异系数，说明西部地区内部科技创新效率差距大于中部；2004年后，西部变异系数明显小于中部变异系数；中部地区变异系数波动的幅度要小于西部的变异系数。从全国的变异系数表现为周期性波动，各省区间没有显示出明显收敛的迹象。

应用 Miller和 Upadhyay 使用的方法［20］，利用本文获得的TE数据进行横截面分析。绝对β收敛由式（1）回归系数确定：

其中，lnEt和 lnEt－1为 2000—2001 年和 2006—2007年的平均值，两个时段之间相距6年，故取T=6。估计结果如表3。

结果显示，全国和西部地区的β值为负且统计显著，因此从全国来看各省区间科技创新效率存在共同收敛的趋势，且西部地区同样表现出明显的收敛特征，说明从全国整体上讲科技创新效率是在趋向于共同水平，说明科技创新的溢出效应明显。东部地区β值为负但并不显著。中部地区β值为正，但中部省份间科技创新效率的绝对收敛特征统计上不显著。

4.2 条件收敛分析

运用本文科技创新效率所得DEA-TE面板数据，用回归等式（2）进行条件β收敛分析。

表3 全国和东中西部地区绝对β收敛估计结果

以2年为一个时段将样本划分，即取2000—2001、2002—2003、2004—2005、2006—2007 二年的综合技术效率均值以消除由于周期性因素的影响。本文同时给出面板数据的固定效应（FE）和随机效应（RE）分析对我国整体、东部、中部和西部地区进行条件收敛回归结果，并进行了Hausman检验，以选择固定效应模型和随机效应模型，结果如表4。

除西部地区以外，Hausman检验的结果都拒绝随机效应模型和固定效应模型无系统性差别的原假设，因此，西部地区可用随机效应模型的估计结果，其它则用固定效应模型估计结果。表4表明，条件收敛回归系数显著为负，全国及东、中、西部存在条件β收敛特征。

综上，全国科技创新效率具有绝对β收敛和条件β收敛的显著特征，表明各省区科技创新效率与初始水平相关，会达到各自稳定的创新效率和增长水平，并朝各自的稳态水平趋近，这个稳态水平依赖于创新主体自身的特征。西部地区具有绝对收敛和条件收敛的特征，而东部和中部地区不具有绝对收敛特征，但条件β收敛显著，说明东中部各省区科技创新效率都在朝各自的稳态水平趋近，这个稳态水平同样依赖于各省区自身的特征。

表4 全国、东部、中部和西部地区条件β收敛估计

5 各省区科技创新效率影响因素分析

5.1 数据与模型

本文主要考察以下因素对科技创新效率及其收敛性的影响：工业结构（IS）用各地区规模以上工业企业增加值中高技术产业份额表示；国有经济比重（IE）用各地区国有工业企业产值与地区工业产值比值表示；对外开放度（DOO）用各地区进出口总额占GDP的比重表示；高等教育发展水平（HED）用各地区每十万人口中高等学校在校生数表示；政府影响力（GOI）用地区政府财政科技拨款占地区科技经费支出总额的比例表示。

Tobit分析是因变量受限模型的一种，当因变量为切割值（Truncated）或片断值（Censored）时采用。由于各地区的科技创新效率值在0与1之间，数据被截断，需要建立截断因变量模型，故采用处理限值因变量的Tobit模型检验影响科技创新效率的因素。

模型构建如下：

其中TE*it为各省区不同年份的综合技术效率值，研究样本时间为2000—2007年。

5.2 结果分析

基于2000—2007年面板数据，运用EViews6.0进行计算的结果如表5，方程通过了F检验。由于Tobit模型不能象普通OLS得到直接解释因变量和自变量之间的影响大小，但估计系数的符号与偏效应是一致的，其统计显著性也一致。本文主要研究因素影响方向而不是具体效应的大小，对系数值的大小不作更多分析。

（1）从全国来看，工业结构对科技创新效率影响显著为正，即工业企业中高技术产业份额比重越大，科技创新效率越高。西部地区同全国一样，工业结构影响系数为正，反映西部地区高技术产业对科技创新效率提高的积极影响。东中部地区工业结构影响系数为负，但统计上并不显著，从而不能确定东中部地区工业结构对科技创新效率的影响方向，其影响的具体效应需进一步研究。

表5 各地区科技创新效率影响因素的Tobit回归结果

（2）国有经济比重对东、中、西部的影响系数均为正，其中东中部系数统计上显著，表明经过国有企业的重组改造，东中部国有企业对科技创新效率影响能力在增强。全国的国有经济比重的影响系数为负，但统计上均不显著。国有经济比重对不同省区科技创新效率的影响有待深入研究。

（3）对外开放度的系数均为正，东部地区统计显著。显然对外开放程度越高，竞争越激烈，必然要求加大科技投入，提高产出水平，同时在对外开放过程中，引起、吸收先进技术，也不同程度地提高了科技创新效率的提升。

（4）全国高等教育发展水平的影响系数显著为正，作为科技创新人力资源投入的基础，高等教育的发展直接对科技创新产生正向效应。虽然东中西部高等教育发展水平系数统计上不显著，但均为正值，说明高等教育发展对区域科技创新积极影响。因此，高等教育发展水平对科技创新效率具有基础性影响。

（5）全国政府影响力系数显著为负值，东部和西部的政府影响力系数也同时为负值，仅中部地区的政府影响力系数为正值，但东中西部分区统计上不显著。政府影响力系数的负值方向，说明政府的科技经费投入与科技创新效率的反向效应。我国正处于市场经济改革深化的阶段，科技创新的主体是企业，政府不能过多地干扰企业自主科技创新，政府科技经费投入在不断加大力度的同时，应当进一步明确导向效率，真正促进科技创新效率的提升。从统计数据来看，各地区政府财政科技拨款占地区科技经费支出总额比例高的省区，其科技创新的DEA值较低，说明企业科技创新投入的市场主体地位没有确立，政府科技资金的导向作用没有充分发挥。

6 结论和政策建议

科技创新效率问题是科技创新关注的焦点。本文运用DEA的VRA模型对新世纪以来中国各省区科技创新效率演化实证研究，并就其收敛性和影响因素进行了考察。研究发现：

（1）各地区科技创新效率差异显著且具有周期性波动的显著特征。总体上东部高于中部和西部，西部效率提高很快，不仅赶上中部而且超过了中部，并高于全国平均水平；东部地区纯技术效率高但处于相对下降状态；东部地区规模效率高，中西部地区低，但东部和中西部地区的纯技术效率与规模效率关系正好相反，因此，东部应注重决策主体管理水平提高，中西部应注重于规模结构的匹配。现阶段各地区均处于科技创新投入规模效益递增阶段。

（2）中国各省区科技创新效率演化具有波动性的特点。考察期内，变异系数呈现周期性变化，各省区间没有显示出明显的σ收敛。从全国科技创新效率来看，具有绝对β收敛和条件β收敛的显著特征。西部地区也具有绝对β收敛和条件β收敛的显著特征；东部和中部地区则不具有显著的绝对β收敛特征，但条件β收敛显著。

（3）通过Tobit模型发现，全国的工业结构、对外开放度、高等教育发展水平始终具有正的影响作用；政府影响力具有负的影响效应。就东部而言，国有经济比重、对外开放度和高等教育发展水平有积极的影响作用，工业结构、政府影响力系数为负值；中部除工业结构影响系数为负值外，其余均为正值；西部地区除政府影响力系数为负值外，其余均为正值。各省区科技创新效率影响因素的差异提供了各地区科技创新效率收敛性性的原因。

以上基本结论的政策含义：

（1）鉴于中国现阶段各地区均处于科技创新投入规模效益递增阶段的事实，在不断加大科技创新投入的同时，应当注重科技创新效率的提升，减少波动性，注重决策主体管理水平提高及其规模结构的匹配。

（2）各地区科技创新效率差异显著且各省区科技创新效率存在收敛特征，因此实施区域发展的科技创新战略，制定科技创新相关配套政策措施，可加快科技创新溢出，提高科技创新效率，促进东中西协调可持续发展。

（3）应当大力发展高新技术产业，不断提高高技术产业产值在经济中的比例，优化经济增长结构；进一步扩大对外开放，加快经济全球化进程，加强企业自主创新能力，提升科技创新效率；应大力发展高等教育，培养具有创新能力的人才；注重政府科技经费投入的导向作用，充分发展企业是创新主体的作用，避免政府科技经费投入的低效率产出结果；深化国有企业改革，坚持企业的市场主体与科技创新主体地位，提高科技创新的效率。

［1］吴延兵.自主研发、技术引进与生产率—基于中国地区工业的实证研究［J］.经济研究，2008（8）：51-64.

［2］ 胡明铭.区域创新系统理论与建设研究综述［J］.外国经济与理论，2004，26（9）：45-48.

［3］ 白俊红，江可申，李婧.中国区域创新系统创新效率综合评价与分析［J］.管理评论，2009，（9）：3-9.

［4］ Nasierowski W.,Arcelus F.J.Interrelationships among the elements of national innovation systems:a statistical evaluation ［J］.European Journal of Operational Research,1999,119:235-253.

［5］ Nasierowski W.,Arcelus F.J.On the Stability of Countries＇National Technological Systems,in Zanakis S.H.,Doukidis G.,Zopounidis C.,editors,Decision Making:Recent Developments and Worldwide Applications［M］.Boston:Kluwer,2000,97-111.

［6］ Nasierowski W.,Arcelus F.J.On the efficiency of national innovation systems ［J］.Socio-Economic Planning Sciences,2003,37:215-234.

［7］张宗益，周勇，钱灿等.基于SFA模型的我国区域技术创新效率的实证研究［J］.软科学，2006，（2）：125-128.

［8］白俊红，江可申，李婧.中国地区研发创新的相对效率与全要素生产率增长分解［J］.数量经济技术经济研究，2009，（3）：139-151.

［9］池仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析［J］.中国软科学，2004（8）：128-131.

［10］ 孙凯，李煜华.我国各省市技术创新效率分析与比较［J］.中国科技论坛，2007，（11）：8-11.

［11］ 官建成，何颖.基于 DEA 方法的区域创新系统的评价［J］.科学学研究，2005，（2）：265-272.

［12］ 刘顺忠，官建成.区域创新系统创新绩效的评价［J］.中国管理科学，2002，（1）：75-78.

［13］任胜钢，彭建华.基于因子分析法的中国区域创新能力的评价及比较［J］.系统工程，2007，（2）：87-92.

［14］ 吴和成，刘思峰.基于改进 DEA 的地域 R&D 相对效率评价［J］.研究与发展管理，2007，19（2）：108-112.

［15］ 魏权龄.数据包络分析［M］.北京：科学出版社，2004.

［16］ Farrell,M.J.The measurement of productive efficiency ［J］.Journal of the Royal Statistical Society,Series A,CXX,Part3,1957,253-290.

［17］ Timothy J.Coelli,D.S.Prasada Rao,Christopher J.O＇Donnell,George E.Battese.效率与生产率分析导论（第 2 版）［M］，刘大成译，清华大学出版社，2009：115.

［18］ Charnes A.,W.W.Cooper,E.Rhodes.Measuring the efficiency of decision making units ［J］.European Journal of Operational Research,1978,2:429-444.

［19］ 李婧，白俊红，谭清美.中国区域创新效率的实证分析［J］.系统工程，2008，（12）：1-7.

［20］ Miller Stephen M.,Upadhyay Mukti P.Total factor productivity and the convergence hypothesis ［J］.Journal of Macroeconomics,2002,24:267-286.

（责任编辑 张九庆）

Evolution of Regional Science and Technology Innovation Efficiency and its Affecting Factors in Chinese Provinces

Fan Hua
（1.College of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China;2.Huaihai Institute of Technology,Lianyungang 222001,China）

F124.3

A

中国博士后科学基金资助项目（20090451209）和江苏省博士后科研资助计划项目（0901123C）。

2010-03-28

樊华（1962-），男，江苏张家港人,管理学博士,南京航空航天大学管理科学与工程博士后，淮海工学院教授；研究方向：教育科技与经济系统，能源经济与管理，可持续发展理论与实践。