基于共同前沿的中国区域创新效率研究

黄 奇，苗建军，李敬银，2，王文华，3

（1.南京航空航天大学 经济与管理学院，江苏 南京 211106；2.山东科技大学，山东 济南 250031；3.常州大学，江苏 常州 213164）

创新是经济长期增长的基础，是社会发展的直接推动力，是国家兴旺发达的源泉。为了实现经济和社会的可持续发展，中国政府提出实施创新驱动发展战略，并将其作为加快完善社会主义市场经济体制和转变经济发展方式的一项重要内容。创新是提高社会生产力和综合国力的重要战略支撑点，必须摆在国家发展全局的核心位置。近年来，中国各省份不断加大创新投入，但是总体而言创新资源还非常稀缺，并不能满足与日俱增的创新需求［1］。因此，科学地评价区域创新效率，进一步合理利用区域创新资源，提高区域创新效率具有重要的理论和实践意义。

一、文献综述

自熊彼特（1912）［2］提出创新理论，国外学者通过对不同地区创新资源的投入产出效率进行比较研究，考察区域创新的结构特征和动态演变过程，从而为低创新效率地区的效率改善提供建议［3-5］。随着理论和实践不断发展，国内学者的研究在沿上述线索展开的同时，考察了不同变量对区域创新效率的影响。谢子远和鞠芳辉（2011）［6］利用DEA研究产业集群对区域创新效率的影响，发现产业集聚显著抑制了区域创新效率；白俊红和蒋伏心（2011）［7］在考虑环境因素的影响下，利用三阶段DEA研究区域创新效率，发现规模效率不高导致中国区域创新效率较低；史修松等（2009）［8］利用随机前沿模型研究空间差异对区域创新效率的影响，发现中国区域创新效率总体水平偏低，区域差异较为明显；刘和东（2011）［9］利用随机前沿模型，发现金融支持、企业主体对区域研发效率有负向的影响，基础设施、人力资本对区域研发效率有显著的促进作用；刘凤朝等（2012）利用区域研发合作开放指数，发现区域创新产出受区域合作开放度和合作开放模式共同影响；钟祖昌（2012）［10］利用SBM和三阶段DEA，发现对外开放水平的提高和产业结构的优化有利于提升国家创新效率；王春杨和张超［11］（2013）利用ESDA，发现中国区域创新效率演变呈现显著的地理集聚特点，并且集聚水平处于稳定的上升趋势。

以往的文献研究区域创新效率基本上假定所有地区具有相同的技术集合，忽视了地区之间的差异。这种处理方法可能导致生产前沿函数和创新效率的有偏估计，对正确地制定和实施政策产生不利的影响。为了解决这类问题，Battese和Rao（2002）［12］通过共同前沿模型提出不同群体之间的技术效率可以互相比较的观点。之后Portela和Thanassoulis（2007）［13］提出凸性共同边界的观点，指出在某一段时间内，所有群体的技术，用先进技术进行生产的产出水准，可以因为技术提升将生产边界向外扩张而提高经营绩效。直到O’Donnell et al.（2008）［14］提出的共同边界模型可以准确测算出群组及共同技术效率。具体到中国而言，中国区域发展不平衡，形成了显著的区域差异，东部、中部和西部区域的技术前沿是不相同的。若将三大区域的省份放在相同的技术水准框架下，其衡量创新效率时将有失公允。综上所述，本文首次采用共同前沿分析研究中国区域创新效率及其区域差异，分别考察三大区域创新水平与全国潜在最优创新水平的差距。

二、研究方法

一般而言，技术效率比较的前提必须是所有生产单元都具备类似的技术水平，否则可能会因为缺乏统一的比较标准而无法判断其效率缺失的真正原因［15］。为符合中国显著的区域异质性并获得区域工业企业之间可比较的技术效率，本文采用非参数共同前沿方法。该方法可以解决不同技术水平下技术效率和技术差距比的比较问题。

（一）建立共同前沿模型

借鉴汪克亮等（2012）［16］的做法，依据不同的区域文化、经济环境、社会发展水平、管理模式及生产结构等因素将所有生产单元分成g个群组，x表示投入向量，y表示产出向量。第g个群组下生产单元投入产出组合属于同一个技术集合Tg，该群组技术所产生的产出集合Pg(x)表示如式（1）。Pg(x)的生产边界为群组前沿。

特定群组投入距离函数表示为：

利用投入距离函数衡量群组前沿下生产单元的创新效率：

令T*为包含全部群组生产前沿所包络起来的凸性共同技术集合，P*(x)的生产边界为共同前沿。

与共同技术集合有关的投入距离函数可表示如下：

利用投入距离函数衡量共同前沿下生产单元的创新效率：

第g个群组的边界会被包含在共同边界之内，生产单元的创新效率存在如下关系：

图1是共同前沿函数示例。三个群组前沿包络形成一个共同前沿。对于任何一个生产单元而言，既属于某一群组前沿，同时也包含在共同前沿内。对于B这个生产单元，以群组前沿2的技术集合T2为参照时若以共同前沿的技术集合T*为参照，则显然即TE2(B)≥TE*(B)。进而定义共同前沿函数中重要指标创新技术缺口比率TGRg(x,y)：

TGRg(x,y)的取值范围为(0,1]，表示群组前沿面和共同前沿面的远近程度。TGRg(x,y)越高说明群组创新水平越接近潜在创新水平，群组创新水平与总体的差异越小。

图1 共同前沿和群组前沿

（二）测算距离函数

借助共同前沿模型研究中国区域创新效率及其差异需要通过测算距离函数实现，其中数据包络分析（DEA）和随机前沿分析（SFA）是两种最常见的方法。利用SFA需要进行参数估计，这有可能由于设定错误的生产函数而得出错误的结论［17］。DEA方法不需要设定具体的函数形式，在避免主观因素和简化运算，降低误差影响等方面有着很大的优势。因此，本文采用规模报酬不变条件下基于投入导向的DEA模型测算距离函数：

D(xi,yi)表示生产单元在群组前沿或共同前沿下的距离函数；TE(xi,yi)表示生产单元在群组前沿或共同前沿下的创新效率；λi表示生产单元线性组合的系数；I表示形成群组前沿或共同前沿的生产单元个数；ρ表示投入缩小比率，反映生产单元的创新效率水平。

三、变量与数据说明

本文的数据来源于2003-2013年各年的《中国科技统计年鉴》和《中国统计年鉴》。由于2003年以前相关年鉴数据缺失较多，所以选择2002年作为考察基期。研究对象为中国30个省份（鉴于数据的可得性，西藏、台湾、香港、澳门不包括在分析范围之内）。按照共同前沿模型的要求和传统区域划分方法，将中国分为东部、中部和西部三个群组①。选择资本k、劳动力l作为创新投入变量，专利申请数Y为创新产出变量。创新投入产出变量定义如下：

（1）资本投入。由于当年的RD经费支出对以后的创新也会产生影响，因此用RD资本存量衡量资本对创新的影响比较准确。采取永续盘存法计算RD资本存量：

其中，Kit、Ki(t-1)分别表示第i个省份第t和t-1年RD资本存量。σ为资本折旧率，根据吴延兵（2008）［18］的估计，本文σ=15%。Iit表示第i个省份第t年RD经费实际支出，用RD支出价格指数②对名义RD经费支出平减至基期2002年。基期2002年的RD资本存量的计算公式为：

其中，gi为2002-2012年各省份创新RD经费实际支出的平均增长率。

（2）劳动力投入。选取RD人员全时当量表示创新过程中劳动力的投入。

（3）创新产出。参考以往文献，通常选择专利申请数、专利授权数、新产品产值和新产品销售收入作为衡量创新产出的考核指标。专利是创新活动的直接产出，能很好地反映创新成果。专利授权数具有时滞性，不能很好地反映当期创新水平，而专利申请数能更准确地反应当期的创新水平，且相对于授权量，申请量受专利机构工作效率和偏好等影响较小［20］；同时新产品产值和新产品销售收入在相关统计年鉴中并没有按省区进行统计。综上所述，本文选取专利申请数表示创新产出。

四、实证研究

用DEA求解距离函数时，为避免由于决策单元少、数据稀疏而无法构造近似光滑的前沿面，借鉴王群伟等［21］（2010）的做法，将样本考察期内的投入产出数据作为当期的参考技术集。分别在群组前沿和共同前沿下利用（9）式求得各省区创新效率值。表1给出了2002-2012年创新效率的统计描述。

表1 共同前沿和群组前沿下创新效率统计描述

由分析可知，中国整体创新效率偏低且区域差异显著，创新水平还有很大的提升空间。在共同前沿和群组前沿下，全国创新效率均值分别为0.487和0.619，表明全国创新水平仍然有51.3%和38.1%的提升空间。以中部的湖南为例，相对于群组前沿，创新效率在0.453和1.000之间，平均创新效率为0.875，表明湖南在中部区域技术集合下，在保持创新产出不变的条件下，创新投入平均还可以减少12.5%；若将湖南放在全国范围内，相对于共同前沿，创新效率在0.391和0.744之间，平均创新效率为0.529，表明湖南在全国技术集合下，在保持创新产出不变的条件下，创新投入平均还可以减少47.1%，远远高于群组前沿下12.5%的潜在改进程度。其他省份可以做类似的分析。上海、江苏、浙江等12个省份在共同前沿和群组前沿下都表现出高创新效率（大于0.5）；陕西、甘肃、青海等8个省份在共同前沿和群组前沿下都表现出低创新效率（小于0.5）；吉林、黑龙江、安徽等10个省份在群组前沿下创新效率较高，但在共同前沿下创新效率有了明显的下降。同时从三大区域来看，在共同前沿下，东部区域创新效率最高，其次为西部区域，中部区域创新效率最低；而在群组前沿下，却出现了中部区域创新效率最高，其次为东部区域，西部区域创新效率最低的不同发展格局。造成这些现象的原因为：东部区域技术水平、生产结构、管理模式、经济发展水平等远远优于中西部区域，代表着全国创新最优水平，两种前沿下的技术集合基本相同，创新效率在两种前沿下变化比较小。而中西部区域在两种前沿下的技术集合差异较大，两类前沿面的距离发生比较大的变化，在各自的群组前沿下创新效率被高估了。

利用创新技术缺口比率分析中国三大区域创新效率差异和变动情况，并借鉴汪克亮等（2012）［16］的做法使用Kruskal-Wallis检验对三大区域创新技术缺口比率进行差异性检验。由表2可知，三大区域创新技术缺口比率在显著性水平为1%下拒绝原假设，即创新技术缺口比率存在明显的区域差异。东部区域、中部区域、西部区域的平均创新技术缺口率分别为0.997、0.602、0.722，这说明东部区域达到全国潜在创新水平的99.7%，代表着全国最优水平；而中西部区域与共同前沿相比，两区域分别实现潜在创新水平的60.2%和72.2%，创新效率还有39.8%、27.8%的改进空间。对创新技术缺口比率进行动态分析。东部区域的创新技术缺口比率一直处于高水平，且十分稳定。相比之下，中西部区域创新技术缺口比率始终低于全国平均水平且波动幅度较大，与东部区域的差距还在持续扩大。全国平均创新技术缺口比率在样本期内也有一定程度的波动。特别需要引起注意的是，全国平均创新技术缺口比率由2002年的0.803下降为2012年的0.768，下降幅度为4.4%，说明现阶段区域之间创新效率的差异性在总体上并没有缩小，还可能有进一步扩大的危险。

表2 中国区域创新技术缺口比率统计描述

五、结论与建设

提高区域创新效率和平衡区域创新发展是实施创新驱动发展战略，转变经济发展方式的有效途径和内在要求。本文利用共同前沿，定量测算了2002-2012年中国各省份创新效率及其差异性，主要结论包括以下几个方面。首先，无论是在群组前沿还是在共同前沿下，中国总体创新效率偏低，创新水平有巨大的提升空间，实现创新驱动发展的目标依然任重而道远。其次，分区域来看，在共同前沿下，东部区域创新效率最高，其次为西部区域，中部区域创新效率最低；而在群组前沿下，却出现了中部区域创新效率最高，其次为东部区域，西部区域创新效率最低的不同发展格局。第三，动态创新技术缺口比率显示，东部区域与当前全国最优创新水平非常接近，实现了潜在创新水平的99.7%。而中西部区域创新技术缺口比率始终低于全国平均水平，且波动幅度较大。第四，从演变趋势来看，全国平均创新技术缺口比率始终处于大幅度波动的态势，说明区域之间创新效率的差异并没有缩小，东部与中西部的差距有可能持续扩大。应该采取有效的措施尽快扭转当前不利的创新发展局面，以防止创新效率低下和区域创新差距扩大制约区域可持续发展。首先，坚定不移地实施“西部大开发”和“中部崛起”等战略。中央和地方政府除了要积极引导和大力支持企业进行技术创新外，还应该重点考虑实施促进创新经济发展的优惠政策，特别是要为中西部地区的高科技企业营造良好的创业环境。政府可以对企业的技术创新，尤其是对企业技术研发中心的建设给予大力的资金支持和政策扶持，创造良好的外部环境和有效的激励机制以保证企业技术创新的持续性［22］。再次，要积极整合各地区科技创新资源，推进科研院所改革转制，促进“产、学、研”密切配合。对于中西部地区而言，促进“产、学、研”合作创新不仅是在当前条件下优化配置当地科技创新资源的现实选择，更为确保企业的创新主体地位提供了有力支撑。最后，东部地区应该继续优化创新配置结构，在保持高水准创新水平的同时应该积极支持高新技术产业转移，促进中西部地区发展。中西部地区应该积极发挥“后发优势”，继续加大创新资源投入并加强基础设施建设，不断学习国内外地区先进的技术和管理，加快提高创新效率平均增长率，通过实现区域创新可持续发展，打造中国经济升级版。

注 释：

①东部包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括：重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆、广西、内蒙古。

②关于消费者价格指数和固定资产投资价格指数的权重有不同选择，这里参考朱平芳和徐伟民［19］（2003）的方法，RD支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数。

［1］李靖，谭清美，白俊红.中国区域创新效率及其影响因素［J］.中国人口·资源与环境，2009（6）：142-147.

［2］熊彼特.经济发展理论——对利润、资本、信贷、利息和经济周期的探究［M］.北京：中国社会科学出版社，2009：37-42.

［3］Sharmas S，Thomas V J.Inter-country RD Efficiency Analysis：Application of Data Envelopment Analysis［J］.Scientometrics，2008，76（3）：483-501.

［4］Fritsch M，Slavtchev V.How Does Industry Specialization Affect the Efficiency of Regional Innovation Systems?［J］.The Annals of Regional Science，2010（1）：87-108.

［5］Kao C.Efficiency Decomposition in Network Data Envelopment Analysis：A Relation Model［J］.European Journal of Operational Research，2009，192（3）：949-962.

［6］谢子远，鞠芳辉.产业集群对我国区域创新效率的影响——来自国家高新区的证据［J］.科学学与科学技术管理，2011（7）：69-73.

［7］白俊红，蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法［J］.财贸经济，2011（10）：104-112.

［8］史修松，赵曙东，吴福象.中国区域创新效率及其空间差异研究［J］.数量经济技术经济研究，2009（3）：45-55.

［9］刘和东.中国区域研发效率及其影响因素研究——基于随机前沿函数的实证分析［J］.科学学研究，2011（4）：548-556.

［10］钟祖昌.国家创新效率的结构特征及其收敛性研究——基于OECD国家和中国的经验分析［J］.科学学与科学技术管理，2012（2）：22-29.

［11］王春杨，张超.地理集聚与空间依赖——中国区域创新的时空演进模式［J］.科学学研究，2013（5）：780-789.

［12］Battese G E，Rao D SP.Technology Gap，Efficiency and a Stochastic Metafrontier Function［J］.International Journal of Businessand Economics，2002，1（2）：87-93.

［13］Maria Conceicao A Silva Portela，Emmanuel Thanassoulis.Comparative Efficiency Analysis of Portuguese Bank Branches［J］.European Journal of Operation Research，2007，177（3）：1275-1288.

［14］O’Donnell CJ，Rao D SP，Battese GE.Metafrontier Frameworks for the Study of Firm-level Efficiencies and Technology Ratios［J］.Empirical Economics，2008，34（2）：231-255.

［15］汪克亮，杨宝臣，杨力.基于技术差距的中国区域全要素能源效率研究［J］.科学学研究，2011（7）：1021-1028.

［16］汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异［J］.科研管理，2012（5）：56-78.

［17］Timothy JCoelli，Prasada Rao D S，Christopher JDonnell，et al.An Introduction to Efficiency and Productivity Analysis［M］.Beijing：Tsinghai University Press，2009：93-99.

［18］吴延兵.用DEA方法评测知识生产中的技术效率与技术进步［J］.数量经济技术经济研究，2008（7）：67-79.

［19］朱平芳，徐伟民.政府的科技激励政策对大中型工业企业RD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）：45-54.

［20］白俊红，李靖.政府RD资助与企业技术创新——基于效率视角的实证分析［J］.金融研究，2011（6）：181-193.

［21］王群伟，周德群，周鹏.中国全要素二氧化碳排放绩效的区域差异——考虑非期望产出共同前沿函数的研究［J］.财贸经济，2010（9）：112-117.

［22］朱勇，张宗益.技术创新对经济增长影响的地区差异研究［J］.中国软科学，2005（11）：92-98.