中国地区R&D效率及其影响因素的随机前沿分析

师 萍，张炳南，韩先锋，宋文飞

（1.西北大学 经济管理学院，西安 710127；2.西安交通大学 经济与金融学院，西安 710061）

我国已经把自主创新提升到重要高度，党的十七大明确提出建设创新型国家的战略目标，这客观上要求自主创新活动不仅要注重创新资源的投入，更要注重效率问题。一直以来，政府对科技活动均保持着强有力的支持力度，对科技资源的投入的强度也逐年持续增大，我国R&D强度（R&D/ GDP）由1999年的0.76%上升到2008年的1.54%，R&D人员投入也由1999年的82.17万人猛增到2008年的196.54万人。但对尚处于发展阶段的我国来说，R&D强度还远远低于发达国家，如日本2007年为3.44%，而同时期我国仅为1.44%。因此，分析在有限资源投入的条件下，我国地区R&D效率及影响因素对于我国自主创新的发展道路有着重要的现实意义。本文的研究目的就是通过测算我国R&D效率，并揭示其区域差异及其影响因素。

1 研究方法

本文认为相对于DEA方法，SFA方法具有以下优点：SFA方法可以建立随机前沿模型，使得前沿面本身是随机的，可对研究模型的适宜性及模型中的参数进行检验，有更为坚实的理论基础，对于跨时期的面板数据而言，其结论更加接近于现实；DEA方法不能考虑到随机误差因素对R&D产出的影响，也忽略了价格等对效率的影响，从而导致效率估计出现偏差。因此，在模型设定合理且采用面板数据条件下，SFA方法会得到比DEA方法更好的估计结果[1]。基于研究样本的特征和DEA方法的缺陷，本文选择SFA方法测度1999～2008年我国地区R&D效率及影响因素。

根据Battese、Coelli的超越对数生产函数的随机前沿模型的基本原理[2]，本文采集1999～2008省际面板数据，对我国R&D效率及其影响因素进行测算，构建如下模型：

式中，yit、Kit、Lit分别为第i省份第t年的国内专利申请受理量、R&D资本存量和R&D人员投入，β0,β1,…,β9为待估参数。本文对uit和vit做如下假定：uit～N+(mit,σu2),vit～N(0,σv2)。e-mit反映第i省份第t年R&D的技术效率水平，其中mit是技术无效率项，mit越大表明技术效率越低，即技术无效率程度越高。

本文重点考虑政府对科技活动的支持强度、外商直接投资、信息化水平等因素对技术效率变化的无效率项的影响，无效率项函数设定如（2）所示：

2 变量设定与数据处理

本文的研究样本包括30省份（不包括港澳台地区、西藏自治区），划分为东、中、西部地区。东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11省份；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8省份；西部包括内蒙古、重庆、四川、陕西、贵州、云南、甘肃、青海、宁夏、广西、新疆11省份。本文涉及的所有原始数据均来源于 《中国科技统计年鉴》（1999～2009、《中国统计年鉴》（1999～2009）、《新中国五十五年统计资料汇编》。沿袭Griliches（1990）[3]等学者的研究，将R&D行为视为生产过程，每个省份视为R&D活动的生产单元，各自使用一定的R&D投入资源，得到R&D产出。具体数据处理及变量设定如下：

2.1 产出指标

R&D与专利之间存在高度显著的相关性，即使考虑到滞后效应也是如此[4],专利是衡量创新活动的可靠指标[5]。专利包括专利受理量和专利授权量两个指标，专利授权量由于受到政府专利机构等人为因素的影响、有较大的不确定性，因而专利申请受理量比专利申请授权量更能反映R&D产出的真实水平[6]。鉴于此，本文选国内专利申请受理量（单位：项）作为衡量R&D活动的产出指标。

2.2 投入指标

文献中常选用R&D经费支出和R&D人员来衡量，根据R&D活动的特征及我国统计指标的特点，本文选取R&D人员全时当量（单位：人年），作为衡量R&D活动的人员投入指标。R&D投资对产出的影响很大程度是前期投资累计的结果，即R&D资本存量，而不仅仅是R&D经费支出[7]。我国现行的统计年鉴中只有R&D经费支出数据，没有R&D资本存量数据，根据Griliches(1990)、吴延兵（2008）[8]的做法，本文采取永续存盘法来核算R&D资本存量。R&D资本存量的测算模型如下：

式中，Kit和Ki(t-1)分别表示第i省份第t和t-1期的R&D资本存量，δ为折旧率，根据Griliches(1990)、吴延兵（2006）[9]等对R&D资本折旧率的估计，取δ=15%，Ei(t-1)表示第i省份第t-1的实际R&D经费支出，其值用朱平芳和徐伟民（2003）构造的R&D价格指数[10]，即R&D价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数，以1998年为基期，对R&D经费支出进行平减。

估算R&D基期资本存量时，本文假设R&D资本存量的增长率等于R&D经费的增长率。基期资本存量的测算模型如下：

式中，Ki0为R&D基期资本存量，Ei0为基期实际R&D经费支出，g为考察期内实际R&D经费支出的平均增长率，δ为R&D资本折旧率。根据模型（3）、（4）即可计算出1999～2008年我国30省市区的R&D资本存量（万元）。

2.3 影响因素变量

本文设：①COVit为i省份t年度的财政科技投入占总投入的比重。②TRADit为i省份t年度的进出口贸易总额与当年GDP的比值，其中，对于用美元表示的所有进出口总额数值，均按当年的人民币平均汇率将其换算为人民币。③FDIit为i省份t年度的实际利用外商直接投资额与当年GDP的比值，它可以从整体上反映各省份所吸收外商直接投资的相对规模。其中，实际利用外商直接投资额按照当年人民币的平均汇率换算为人民币，再进行测算。④INDit为i省份t年度的工业总产值与GDP的比值，用来反映工业化水平对R&D活动无效率的影响。⑤INFit为i省份t年度的邮电业务总量与全国邮电业务的总量的比值，用来反映信息化水平对R&D活动无效率的影响。

3 实证结果分析

根据上述模型和数据，运用 Frontier4.1软件对我国1999～2008年地区R&D效率及影响因素进行了估计，结果如下。

3.1 我国地区R&D效率分析

根据表1可以看出，我国地区R&D效率的如下事实：

(1)1999～2008年间，全国R&D活动技术效率均值为0.256，该值高于闫冰和冯根福（2005）所得到的整个工业行业R&D效率均值水平（0.16）[10]，但略低于朱有为（2006）所得到的中国高新技术产业R&D效率均值水平（0.258）[11]，这表明我国整体R&D技术效率较低，尚有很大的提升空间。从变化趋势看，我国地区R&D技术效率从1999年的0.249已升至2008年的0.262，可见我国R&D技术效率虽然低下，但呈现增长趋势。技术效率最高的省份为广东，最低的省份为青海，而广东的技术效率是青海的十倍以上，高于全国技术效率均值水平的省份有北京、辽宁、上海、江苏、浙江、山东、广东、福建、湖南等9个省市，东部地区的天津、河北，中部地区除湖南之外及西部地区的所有省份R&D技术效率均处于全国水平之下。

(2)从整个考察期的区域R&D的平均效率差异来看，东部地区 （TE=0.4239）＞（全国平均水平TE=0.256）＞中部地区(TE=0.1828)＞西部地区（TE=0.141）,东部地区R&D效率值远远大于中、西部地区，中、西部地区R&D效率均在全国平均水平之下，可见我国R&D效率存在着明显的区域差异，这也从一定程度上说明R&D效率与经济发展水平的相关性，造成这一差距的原因可能是：较中、西部而言，东部地区经济实力雄厚，在R&D活动基础设施，人才和制度建设等方面已形成较完备的体系，有力的促进了R&D效率的提高；而中、西部地区经济水平较低，削弱了其在R&D环境建设方面的能力，进而也制约了R&D活动的有效发展。另外，从技术效率历年变动的差异性看，各省份的变异系数呈现阶段性下降趋势，即各省份的R&D技术效率值变动差异有缩小趋势。

表1 1999～2008年各省市份R&D技术效率

3.2 我国地区R&D模型估计与效率的影响因素分析

本文重点考察了政府对科技活动的支持强度，外资依存度、外贸依存度、信息化水平、工业化水平等因素对我国地区R&D效率的影响，分析结果见表2。

从表2的模型估计及统计检验结果看出，模型（1）和模型（2）的系数大多在1%和5%的水平下是显著的，γ＝0.9861，非常接近1，且在P≤0.01的显著水平下通过了检验，说明组合误差项的主要变异来自于技术非效率uit，而随机误差项vit带来的影响非常小，也印证了本文采用随机前沿技术的合理性，主要分析结果如下：

(1)R&D资本产出弹性为1.6445，说明我国R&D活动中资本每增长1个百分点，可以促进国内专利申请受理量上升1.6445个百分点，可见我国R&D活动财力资源要素产出弹性呈现出不断增长的态势；R&D人员产出弹性为-0.5485，说明我国R&D活动人力资源要素产出弹性处于不断下降的状态。说明我国R&D产出的增长越来越依赖于R&D资金的投入，即我国R&D活动产出的增长呈现出较为明显的资本驱动型。这恰与我国目前R&D要素投入配置中人力资源投入相对过剩而财力资源投入相对不足，人均R&D经费较低和人力资源配置不合理的现状相吻合。因此，应加大R&D资本的投入，合理调整人力资源的配置结构。此外，R&D经费产出弹性和R&D人员产出弹性之和为1.096，大于1，为轻微的规模报酬递增，又由于要素收益递减规律在发生作用，可见，从长期来看中国R&D活动产出的增长主要依赖资本驱动和人员投入是不可持续的。

(2)政府对科技活动的支持强度对我国地区R&D效率的影响系数为0.7025，且在1%的显著水平下通过检验，说明政府的资金支持对我国地区R&D效率的提高没有起到预期的效果。原因可能在于：信息不对称、地区发展水平不均衡，政府在当地R&D活动中扮演的角色不同等，导致R&D资源的投入使用效率低下，从而从整体上导致政府对区域的R&D活动没有起到良好的促进作用。

表2 模型中参数极大似然估计及其统计检验

(3)贸易依存度对我国地区R&D效率的影响系数为-0.3202，即我国进出口规模每增长1个百分点，R&D技术效率会增长0.3202个百分点。可见外贸依存度对我国R&D活动的提高有着明显的促进作用，这可能与近年来我国进出口结构中的制成品和高科技含量的产品增加，从而使得对外贸易的技术溢出对我国R&D活动起到了明显的积极作用；外资依存度对我国地区R&D效率的影响系数为-0.1505，系数为否，表明外商直接投资可以明显起到促进我国R&D活动技术效率提高的作用，但这种作用没有对外贸易明显。

(4)工业化水平对我国地区R&D效率的影响系数为-22.3301，且在1%的显著水平下通过检验，表明工业化水平对我国地区R&D效率的提高有极为明显的促进作用，其影响程度远远超过其他影响因素的作用，信息化水平对R&D效率的影响系数为-1.016，该变量系数在10%的显著水平下不能通过检验，但在20%的显著水平下通过检验，表明我国信息化水平每提高一个百分点，会带来R&D技术效率提高1.016个百分点，从整体上看来，信息化水平对我国地区R&D效率的提高也有着积极的促进作用。

(5)无效率函数中时间项系数为0.0135，系数为正，但不显著。表明1999～2008年间，我国R&D活动技术无效率程度有进一步加强的趋势（这与朱有为的研究结论一致），部分抵消了R&D技术效率的改善。我们认为这可能与政府R&D资源配置效率较低；企业平均规模偏低，R&D规模效应不强；高新技术产业市场竞争虽激烈但层次较低，在R&D活动中往往出现重复投入和引进，资源使用效率较低等原因有关。

4 小结

本文以1999～2008年省域面板数据为基础，运用基于超越对数生产函数的随机前沿分析模型研究了我国地区R&D效率及其影响因素。研究发现：我国R&D平均技术效率水平偏低，仅为0.256，但呈现稳步上升状态。我国R&D技术效率存在明显的区域差异，东部高于中部、中部又高于西部，但有逐步缩小的趋势。从R&D资源投入来看，我国R&D效率的提高方式呈现出较为明显的资本驱动型。政府对科技活动的支持强度没有起到预期的良好作用。贸易依存度和外资依存度对R&D效率的提高具有较为明显的促进作用，贸易依存度的影响力度略高于外资依存度。工业化水平和信息化程度对我国R&D效率的提高具有明显的促进作用。从时间角度看，我国R&D活动技术无效率程度有进一步加强的趋势。

1999～2008年间，R&D资本产出弹性远大于劳动产出弹性，充分说明我国目前R&D资本比R&D人员稀缺，另外R&D人员产出弹性呈现不断下降趋势，这反映了我国目前R&D资源配置还不够合理，这也可能与我国R&D人员整体素质较低有关，因此应继续实行科教兴国战略，提高R&D从业人员整体质量，不断探索建设符合区域特色的科学合理的R&D资源配置体系。从研究结果我们可以看出外资依存度和贸易依存度对我国R&D效率具有的积极作用，因此，我们应继续深化对外开放水平，不断提高引进外资的质量。工业化水平和信息化水平的显著促进作用也客观要求我国要继续坚持以经济为中心，加快区域工业化进程，提高区域信息化水平，从而促进我国R&D效率水平的整体提升。各地政府也应该探索适合本地R&D活动实际情况的支持模式，一方面合理分配R&D资源，提高R&D资源利用效率，另一方面，也要进一步加大对R&D活动的支持强度。

因此，继续加大政府对科技活动的支持强度，优化R&D资源配置，为R&D活动提供合理科学的制度支撑，继续扩大对外开放，提高引进外资的质量，加快区域工业化进程和信息化建设等将是新时期我国R&D效率提升的重要途径和措施。

[1]Gong B H,Sickles R C.Finite Sample Evidence on the Performance of Stochastic Frontiers and Data Envelopment Analysis Using Panel Data[J].Journal of Econometrics,1992,（51）.

[2]Battese,G.E.,Coelli,T.J.A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics,1995,（20）.

[3]Griliches,Z.Patents Stastics as Economic Indicators:A Survey [J].Journal of Economic Literature,1990,（28）.

[4]Goto,A.,K.Suzuki.R&D Capital,Rate of Return on R&D Investment and Spillovers of R&D in Japanese Manufacturing Industries[J].Review of Economics and Statistics,1989,(4).

[5]Acs Z J,Anselin Luc,Varga Attila.Patentsand Innovation Counts as Measures of Regional Production of New Knowledge [J].Research Policy,2002,(31).

[6]张海洋.R&D两面性、外资活动与中国工业生产率增长[J].经济研究,2000,(5).

[7]涂正革,肖耿.中国的工业生产力革命—用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J].经济研究, 2005,(3).

[8]吴延兵.中国地区知识生产效率测算[J].财经研究,2008,(10).

[9]吴延兵.R&D存量、知识函数与生产效率[J].经济学(季刊),2006,(4).

[10]朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响—上海市的实证研究[J].经济研究,2003,(6).

[11]闫冰,冯根福.基于随机前沿生产函数的中国工业R&D效率分析[J].当代经济科学,2005,(11).

[12]朱有为等.中国高技术产业研发效率的实证研究[J].中国工业经济,2006,(11).