基于创新协同生产函数提升目标强度的途径研究

2012-07-13张水潮

河南农业大学学报 2012年1期

张水潮

(1．天津大学管理学院，天津300072;2．河南省教育厅科研外事处，河南郑州450008)

创新能力是现代产业发展、生产效率增长和人们生活质量提高的重要推动力量，是影响一个国家和地区未来发展的关键性要素［1］．创新能力的提高能够提升经济发展的质量和水平，但由于创新能力涉及的因素非常多，其评价问题十分复杂，利用传统的指标体系方法进行评价存在许多问题，其结果也与实践情况不完全吻合．技术推动创新扩散与发展［2］已成为共识，但就创新主体而言，创新能力的提升不能单方面依赖科研机构或企业自身的力量，必须考虑到协同作用，将创新能力看作创新和协同共同作用的结果．基于此，本研究对反映创新指数［3］的各种指标进行归纳和综合，通过有限指标的运用使复杂的结果性评价转变为分析性评价，有利于从技术创新和产业发展的角度，将协同能力和创新能力作为一个整体进行评价分析，为创新管理和创新决策提供评价信息服务．本研究根据创新协同生产函数的概念，将技术与产业发展的协同度、创新度和创新目标紧密结合起来并运用道格拉斯生产函数的相关原理构建创新指数的相关分析方法．通过构建的创新协同生产函数的分析，达到推进创新科学管理和辅助决策发展的目的．

1 创新协同生产函数与目标强度

1．1 创新协同生产函数

创新协同生产函数运用统计学方法表征创新主体内部协同创新属性，以此反映区域竞争环境下协同创新对经济发展的推进程度．

运用道格拉斯生产函数的原理，无论技术上或管理上的创新，要达到一定的目标并有所超越，必须是在复用和继承基础上的再次创新，这是构成创新生产函数的关键要素．本研究从创新度、继承度和产出强度3个方面构建创新协同生产函数，以此构建衡量创新能力强弱的评价分析系统．

柯布—道格拉斯生产函数的一般形式为:

式中:Q代表产量;L和K分别代表劳动和资本;A代表技术进步参数;α代表劳动所得在总产量中所占的份额;β代表资本所得在总产量中所占的份额，且0＜α，β＜1．其经济含义为:当α+β=1时，生产为规模报酬不变情况下，α和β分别表示劳动和资本在生产过程中的相对重要性;当α+β＜1，生产为规模报酬递减;当α+β＞1，则生产为规模报酬递增．

按照柯布—道格拉斯生产函数原理，设创新主体协同创新目标为T，则柯布—道格拉斯生产函数转换为创新协同生产函数:

式中:I和H分别代表创新度和继承度;A表示技术进步的参数;α为创新绩效份额;β为继承绩效份额，且0＜α，β＜1．

协同创新指标体系的构建和运用，在增强技术实力和提升综合经济效益方面具有一定的优势，而对创新协同生产函数的研究则能进一步发现技术与产业发展协同过程中所存在的问题并通过完善创新机制以促进创新模式转变．运用该原理，无论技术上或管理上的创新，要达到一定的目标强度并有所超越，必须是在继承基础上的再次创新，这是构成创新协同生产函数的关键要素．

1．2 目标强度

目标强度［4］是指在综合分析各类创新主体标杆研究对象创新能力所在区间定位和综合考虑创新环境制约因素的条件下，在等能力曲线范围内设计的最佳协同创新目标．

创新度是指创新能力的大小及其对目标强度贡献的大小．继承度或协同度是指现实中区域创新主体协同创新目标在原有基础上的有效利用程度．当继承度最佳时，创新度只需相对较小的提升就可以推进总体目标强度的提升．

创新度与继承度协同作用是实现目标强度提升的前提条件．当继承度达到一定的程度时，创新度相对较小也能达到同等的目标强度，而目标强度的改变则是在二者协同增强的结果．协同创新等能力曲线(图1)反映了在T不变情况下，创新度I、继承度H或协同度C之间的变化，其关系为:

图1 创新协同生产函数等能力曲线Fig．1 Same capacity curve of nnovative collaborative production function

1．3 约束关系

由图1可以看出，协同创新目标跃迁的过程就是创新不断推进的过程，其中协同度和创新度的增强对推动目标强度的增强和跃迁至关重要，而协同度和创新度对协同创新目标强度的影响均有一定的弹性，在对研究对象进行评价分析时要同时对动态弹性系数和静态弹性系数［5］进行分析，以实现对协同创新过程和协同创新目标的最优管理和控制．

目标强度的实现需要创新度和协同度的最佳组合，按照创新协同生产函数T=AIαHβ，当目标强度T一定时，如果协同度H低于某个数值，则创新度I可能趋于无穷大，这显然是不可能的，反过来也一样．因此需要根据实际情况合理确定创新度和协同度的区间范围．

多个创新主体的目标强度Ti均一定时，由于多个创新主体的目标强度不同，相对较高目标强度中的创新度和协同度也应该在某个区间内．如图1中，目标强度B中的创新度和协同度均需高于目标强度A的创新度和协同度才有利于目标的实现．其一般的约束条件是:

2 协同创新提升目标强度的途径

如果把创新度和协同度看作2个垂直的向量空间，则可以将这些创新投入的各种要素按照各自发挥作用的强弱分别映射到这2个向量空间之中，进而运用创新协同生产函数对区域创新主体研究对象的协同创新能力进行评价分析．

如果把协同度和创新度整合为X轴，目标强度整合为Y轴，则目标强度的变化关系将会呈现2种态势:一是螺旋上升趋势．分为先强后弱型和厚积薄发型．即动静态过程中稳定前进上升的促进目标强度不断增强．二是停滞前进趋势．分为“前进—停滞—前进”的过程和“停滞—前进—停滞”的过程．

目标强度的增强是以等能力曲线范围内创新投入相对量增长为前提条件的．协同创新目标强度在不断跃迁的过程中，要不断受到动态弹性系数和静态弹性系数的影响．总体上来说，静态弹性系数相对较小，协同创新目标强度的发展空间也不会很大，但这个缓慢发展的过程是产生跃迁的必要准备或必须经历的过程，而由于动态的弹性系数［5］相对较大，这会为协同创新目标强度带来较大的发展空间，可以起到加速创新目标跃迁的进程．

目标强度提升的空间有2种:一种是效率改进式提升，另一种是规模跃迁式提升．效率改进式提升可用数据包络分析DEA(Data Envelopment Analysis)方法进行，这种目标提升的空间相对较小，是原有目标能力基础上的优化改进，即实现等能力曲线图1中的虚线部分．规模跃迁式提升可根据等能力曲线，结合创新主体实际情况进行规划，在加大投资规模和强化创新和继承能力的基础上实现目标强度的跨越式提升，即实现等能力曲线图1中A到B的跃迁式发展．

效率改进式提升分析可以观察效率改进空间而规模跃迁式提升分析则可以观察规模跃迁空间．效率改进空间和规模跃迁空间的平衡分析并举，可以实现内涵和规模发展的双重绩效，进而为优化创新协同要素支撑区域经济快速发展提供直观的决策参考．

2．1 效率改进式提升路径

数据包络分析法是通过保持决策单元(DMU，Decision Making Units)输入不变，确定相对有效的生产面，将各个决策单元投影到DEA生产面上，据此比较决策单元偏离DEA前沿面的程度以评价其相对有效性．其中，C2R模型被认为是一种规模技术相对有效性评价的方法．如果用xij0和yrj0分别表示第j0个决策单元DMU-j0的第i种输入和第r中类型输出并满足一定的公理假设，且有技术与生产的集合:则(x0，y0)为下面线性加权和问题的最优解的条件为:

引入松弛变量s+和剩余变量s－，则具有非阿基米德无穷小量ε的 C2R模型为［6］:

最优解为:θ0，λ0，s0+，s0－

对DEA模型的解释为:λj使各有效点相连接，形成有效前沿面，非零的s0+，s0－使有效前沿面可以沿水平和垂直方向延伸，形成包络面;θ是DMU在有效前沿面或包络面径向优化量，有以下几种情形:

①当θ0=1，s0+=0，s0－=0时，则DEUjo为DEA有效;

② 当θ0=1，s0+≠ 0，s0－≠ 0 时，则DEUjo为弱DEA有效;

③ 当θ0＜ 1，s0+≠ 0，s0－≠ 0 时，则DEUjo为非DEA有效;

④ 若存在 λj，有，则DEUjo为规模效益不变;

⑤ 若存在λj，使，则DEUjo为规模效益递增;

⑥ 若存在λj，使，则DEUjo为规模效益递减．

就目标强度设计而言，运用DEA模型可以对若干个创新主体进行对比分析，用以讨论各自规模效益改进的空间，为协同创新目标强度设计提供决策参考．

2．2 规模跃迁式提升路径

运用创新协同生产函数，可以分析某些区域的目标强度在等能力曲线范围内即使以最大创新度和最高继承度的最优协同下也不可能在短期内与另一区域持平，只有在协同投入规模提升的基础上其创新度有实质性的突破，即形成新生力量不断产生质的飞跃并进行跃迁，逐步提升其目标强度，才能实现整体上的跨越发展．

通过因素相关度分析方法判断影响跃迁的主因素以实现降维化处理，进而运用投入产出回归分析方法可以在区域内和区域间分析创新协同规模跃迁的函数和发展趋势．投入产出回归分析方法可按2种方案对比进行．第1种方案是区域间平衡回归分析方案，第2种方案是区域内时间序列回归分析方案．

利用公式(3)，判断2类投入的相关性，如果存在正相关，则可以忽略其中一种要素进行回归分析并判断其投入规模和制定目标强度及其实现方案．

3 实例分析

3．1 效率改进分析

根据2008—2009年中国高新技术统计年鉴和中国工业统计年鉴中提供的数据，形成中部6省大中型工业企业经营累积投入产出和中型工业企业新产品开发累积投入产出表1和表2．

表1 大中型工业企业经营累积投入产出指标Table 1 Input-output indexes of business accumulation of large and medium industrial enterprises

表2 大中型工业企业新产品开发累积投入产出指标Table 2 Accumulated input-output indexes of new product development of large and medium industrial enterprises

依据DEA原理，选用基于输入的评价分省区类别总体效率具有非阿基米德无穷小的C2R模型，采用分类评价原则对6省科技投入产出和工业企业原始数据进行分析，得出评估结果如表3、表4、表5和表6．表中S*+1，S*－2，S*－3，S*+4，S*+5分别为C2R模型的约束条件之中的各松弛变量．DEA有效性代表最优决策，即决策单元数据比较中，消耗最少产出最大的单元，如果资源利用度为100%，则表明资源充分利用，资源协同度也达到最佳．

表3和表4中的数据代表资源投入的协同利用度，从表中看出，湖北、安徽和湖南3省资源的投入产出DEA有效(θ*=1，且 s*－=0，s*+=0)，实现了工业低投入和高产出．而山西、河南和江西3省资源投入产出接近DEA有效(θ*≥0．8)，除江西外，山西与河南的规模改进效益递减，即增加投入不能带来目标强度的增加．

表5和表6中的数据代表技术创新投入强度，从表中看出，湖北、湖南和江西3省资源的投入产出 DEA 有效(θ*=1，且 s*－=0，s*+=0)，实现了技术创新低投入和高产出．河南、安徽和山西3省资源投入产出接近DEA有效(θ*≥0．8)．除河南外，安徽和山西存在规模改进效益递减情况，即增加技术创新投入不能带来目标强度的增加．

综上所述，中部6省区仅依赖现有规模，进行技术创新和协同创新本身的投入产出调整均不会有显著的变化．因此，必须在扩大总体投入规模的基础上，实施产业发展与技术创新协同创新战略，是实现整体跃迁式协同发展的有效路径．

表3 第1类省区大中型工业企业经营DEA模型评估结果Table 3 DEA model evaluation results of arge and medium industrial enterprises management of first class provinces and regions

表4 第2类省区大中型工业企业经营DEA模型评估结果Table 4 DEA model evaluation results of Large and medium industrial enterprises management of the secong class provinces and regions

表5 第1类省区大中型工业企业新产品开发DEA模型评估结果Table 5 DEA model evaluation results of developing new product of large and medium industrial enterprises of the first class provinces

表6 第2类省区大中型工业企业新产品开发DEA模型评估结果Table 6 DEA model evaluation results of developing new product of large and medium industrial enterprises of the second class provinces

3．2 规模跃迁分析

规模跃迁分析有3种方法:一是对当前样本数据进行投入产出分析，二是选取投入规模相近地区进行投入产出分析，三是根据各省份自身时间序列进行投入产出分析．第1种方法会出现样本量较小，分析的有效性难以判别的问题，可以采取后2种方法．作为示例，本文采取第2种方法．对表4，分析全国大中型工业企业新产品开发累积投入产出指标后，分别选取含盖低于江西省开发新产品经费投入的2个省份和高于湖北省开发新产品经费投入的2个省份为区间范围，形成表7．

由表9可见，I代表开发新产品经费，R代表新产品销售收入，V代表新产品产值．运用Excel电子表格中的CORREL命令，得出R与V的相关系数为0．995 902，即存在正相关性．因此，可以采用线性回归方法的创新投入产出模型R=C+αI

利用表7数据和EVIEWS工具中R=c(1)+c(2)*I命令，得模型:

模型中D．W 值为2．190 146，dl=1．13 ＜D．W=2．190 146＜4－du=4－1．38，说明随机误差项不存在序列相关，模型有效．再利用EviewsViewResidual TestsHeteroskedasticityWhite(no cross terms)进行异方差检验，得出:

Heteroskedasticity Test:White

F-statistic 0．490 648 Prob．F(2，14)0．622 4 Obs*R-squared 1．113 525 Prob．Chi－ Square(2)0．573 1

在自由度为2，显著水平为0．05情况下，查χ2分布表得临界值5．99．由概率0．573 1，White 检验下 Obs*R-squared=1．113 525 远小于 5．99，因此不存在异方差问题．综上各检验结果可以看出此模型可以用来进行投入产出的比较分析．

表7 大中型工业企业新产品开发累积投入产出指标Table 7 Input-output indexex of business accumulation of large and medium industrial enterprises

根据线性回归模型，计算预测值，可以得出投入规模相近省市区企业新产品开发投入产出分布图2．

图2 投入规模相近省市区企业新产品开发投入产出分布图Fig．2 Investment and production of developing new product of the similar input-output scale rovinces

从回归公式(5)中，得出开发新产品经费I对科技产出R的弹性为12．097 235 198．这说明，整体上开发新产品经费每增加1%，新产品销售收入将平均提升12．097 235 198．

从图2中看出，中部6省均在平均增长线以下，即均低于开发新产品经费对科技产出的效率值，说明6省区大中型工业企业产品创新绩效与发达地区相比存在较大差距，也就是说中部6省在投入规模相近的省市区中，其投入产出效率并不高，基本上属于高投入低产出和低投入低产出区域中．因此，强化创新绩效与增加创新投入并举才是目标强度跨越提升的根本所在．

根据平均产出效率12．097 235 198，可以推算出实现中部6省新产品开发产出跨越发展目标所须加强的开发新产品经费投入强度，公式为

I=(R －7 818 747．076 75)/12．097 235 198

例如，安徽省新产品开发产出达到湖北产出强度，则需要在效率改进的前提下，增加新产品经费投入为:I=(33 078 483－7 818 747．076 75)/12．097 235 198=2 088 058．594万元，比原有投入至少须增加2 088 058．594 －1 945 610=142 448．594万元，即至少在原有投入基础上增加(142 448．594/1 945 610)×100%=7．32%以上．同理，经过计算，河南为－7．38%，这与效率改进分析一致，即河南新产品投入产出存在效率改进空间，在原有投入规模基础上通过优化资源协同可提升其创新目标强度，以达到或超过湖北的产出强度的决策效果，其他省份以此类推．