提升中国制造业自主创新效率研究

杨善奇+谈镇

摘 要：通过DEA-Tobit二阶段模型的Malmquist指数法研究发现：危机后我国制造业创新效率总体呈上升趋势，技术进步主要得益于规模效率提升而非纯技术进步变化。另外，企业经营绩效、制度因素以及企业规模对制造业自主创新效率呈显著的正相关;政府干预和技术引进与消化吸收因素对制造业技术创新效率呈正相关，但未通过显著性检验。因此，提升我国制造业创新效率应从减少政府的直接干预、完善市场制度、做大企业规模以及激发企业创新积极性方面入手。

关键词：Malmquist;制造业;自主创新;自主创新效率

中图分类号：F273.1;F424.3   文献标识码：A   文章编号：1003-3890（2015）01-0054-06

一、引言

“十二五”时期，转型与创新是我国经济社会发展的两大主题。我国实体经济，特别是以制造业为核心的工业，承担着产业升级与发展方式转变的艰巨任务。从现在国际经济环境看，2008年全球金融危机以后，随着欧美经济的止跌回升，世界经济开始全面复苏阶段，但金融海啸给全球带来的“余震”尚未结束，国际经济复苏将是一个缓慢曲折的过程。从国内经济看，经济回升的基础不稳定，内需后劲不足，部分产业产能严重过剩，资源环境约束趋紧，产业结构调整压力和难度加大，一些深层次矛盾特别是结构性矛盾仍然突出。面对“内忧外患”的局面，加强我国制造业自主创新能力迫在眉睫。从传统新古典增长理论可知，通常一个国家的技术进步有两条渠道：一是靠技术引进，消化、吸收、模仿创新;二是依靠加大R&D活动投入，提高创新效率，获得新的技术能力。然而我国制造业技术引进一直存在“消化不良”的现象，外资技术溢出效应并不明显，并且在某些行业和地区出现了负效应，国内外一些学者也研究表明，依靠外资引进无法彻底改变技术落后的局面。因此，在资源约束趋紧的背景下，提高自主创新效率是增强自主创新能力的必然选择。

目前，有关制造业创新效率测度的问题，国内两种方法较为流行。一类是非参数方法，另一类是参数方法，即SFA（随机前沿分析）和DEA（数据包络线分析模型）。SFA采用了计量方法对前沿生产函数进行估计，依赖于数据的随机假设性，有更为坚实的理论基础，同时SFA在测量误差和统计干扰处理上具有优势。但SFA在函数设定和分布假设方面要求过于严格，应用范围较为有限。DEA方法与SFA相比，它不需要估计投入产出的生产函数，避免了因错误函数形式带来的问题，也不需要考虑量纲归一以及指标权重的问题，从而保证了内容和结果的客观性，对于多投入多产出复杂系统有着较强的适应性。国内把DEA方法用于制造业创新效率相关问题研究的成果主要有：沈能（2006）认为1985—2003年中国制造业全要素生产率的增长主要得益于技术进步的提高，技术效率变化值为负。杨桂元、王莉莉（2008）对我国制造业技术进步与技术效率及地区差异进行了研究。余泳泽（2009）运用DEA模型以及Malmquist指数对我国高新技术产业创新过程各阶段的创新效率及其影响因素做了实证分析。王姗姗、屈小娥（2011）首次运用Malmquist指数分行业分析了我国制造业全要素能源效率[1]。赵树宽、余海晴、巩顺龙（2013）对吉林的高技术企业创新效率进行了研究。总体来看，我国制造业创新效率研究主要集中在高新技术行业以及区域差异研究，相对而言，缺少对我国制造业整体以及细分行业的动态效率分析。尤其是在金融危机后，基于资源约束下，完整、系统地以我国制造业为研究对象，比较不同产业间、不同行业间的自主创新能力建设及其创新效率情况，鲜见报道。

二、实证分析

数据包络分析DEA（data envelopment analysis）是一种效率评价方法[2]，本文将制造业自主创新能力看作一个由若干吸收自主创新投入指数转换为自主创新能力产出指数的复杂开放系统，投入向产出的转换贯穿于自主创新的全过程。利用基于DEA模型的Malmquist指数的方法，来分析我国制造业及各细分产业自主创新效率变化特征。

（一）数学模型

假设有n个决策单元，每个决策单元都有m种类型“输入”以及s种类型的“输出”，第j个决策单元为DMUj，分别以xij、yrj表示DMUj对第i种输入的投入量、对第r种输出的产出量，分别以？棕i、？滋r表示对第i种输入、第r种输出的一种度量。DEA中常用的评价第jo（jo=1，2，…，n）个决策单元（DMUjo）技术有效及规模有效的具有非阿基米德无穷小性质C2R的模型为线性规划，DEA（C2R）具体模型为：

maxhjo=■st■？燮maxhj0=1？滋≥0;？淄≥0;j=1，2，…，n

Malmquist指数是基于DEA模型的方法提出的，它利用距离函数的比率来计算投入产出效率。随着该指数的不断完善进步，有以下三个经典公式来说明Malmquist的原理[3]：

Mi，t+1（Xit+1，Yit+1，Xit，Yit）

=■*■■（1）

该指数涉及到两个单期的距离函数Dit+1（Xit，Yit）和Dit（Xit，Yit），两个跨期的距离函数Dit+1（Xit+1，Yit+1）和Dit（Xit+1，Yit+1）。同时Malmquist指数（1）可以分解为技术效率变化指数和技术进步变化指数的乘积。所以上式可以改写成：

Mi，t+1（Xit+1，Yit+1，Xit，Yit）

=■*■*■■（2）

其中EC=■，

TC=■*■■。

EC代表了两个时期相对技术效率的变化，称为“追赶效应”或“水平效应”，它测度了从t期到t+1期每个决策单元到生产前沿的追赶程度。当EC>1时，表明决策单元更接近生产前沿面，相对技术效率有所提高。TC是技术进步变化，代表两个时期内生产前沿面的移动，称为“前沿面移动效应”或“增长效应”。当TC>1时，表明生产前沿面向外移动或生产前沿面向上移动，即出现了技术进步。

放松对公式（1）和公式（2）的固定规模报酬的假设，可以进一步将技术效率变化指数分解为纯技术效率变化指数和规模效率变化指数，得到公式（3）

M？淄，ct，t+1=■

*■/■

*■*■■（3）

第一项表示纯技术效率变化指数（pech），第二项表示规模效率变化指数（sech），第三项表示技术进步变化指数（TC）。

因为自主创新投入具有多输入和多输出的特征，自主创新的投入效率很难用一个直观的指标来衡量，而基于DEA的Malmquist指数方法可利用多种投入和多种产出变量进行效率变化分析，且不需要相关的价格信息，也不需要成本最小化和利润最大化等条件，更为重要的是它将效率的变化原因分为技术进步变化与技术效率变化，并进一步把技术效率变化细分为纯技术效率变化和规模效率变化，这样就能更为细致地动态分析和深入了解我国自主创新投入效率变动的原因以及各种变化的贡献程度[4]。

（二）效率影响因素解释模型

如果数据具有以下的特点：因变量的数值是切割或片段（截断）的情况时，那么普通最小二乘法（OLS）回归系数就不再适用，这时遵循最大似然法则的Tobit模型就成为估计回归系数的一个较好选择。该模型的一个重要特征是被解释变量为截断数据，即被解释变量都大于或者小于某个确定值。具有两个有限点的截断回归模型一般形式如下：yi=xi？茁+？着i，且ci

（三）指标选取及数据处理

鉴于数据的可得性及数据前后的一致性，本文选取的数据样本为2006—2010年制造业29个子行业大中型企业的面板数据1 015个观测结果。数据主要来自《中国科技统计年鉴》（2007—2011）及《中国统计年鉴》（2007—2011），并对相关数据进行了计算整理。

1. 投入产出指标的选取。R&D资源投入作为创新活动的基本要素，在技术创新中起着关键作用。根据国内学者以往的研究经验，一般选取R&D经费投入以及R&D投入人员全时当量作为技术创新的投入指标，此外本文还加入了新产品开发经费和技术改造经费作为投入指标，这两个指标分别对我国初期产品创新以及转化为最终创新能力起到重要作用。产出指标方面，由于专利数据易于获得，同时专利与技术创新关系紧密，并且该指标标准统一、客观可靠。于是本文同时选取了制造业专利申请数以及发明专利拥有数。另外，为了反映创新成果的利益性，本文选取了新产品产值一项作为衡量创新产出商业价值的指标。

2. 影响因素指标的选取。制度因素衡量较为困难，本文综合借鉴傅晓霞、吴利学（2006）[5]以及余泳泽（2009）[6]对制度因素的度量的处理方法，采用了各行业社会固定资产投资中非国有企业的比重、外贸依存度以及外资依存度三个指标作为影响我国自主创新的制度因素，并采用主成分分析方法把三个指标合称为一个综合指标，作为测度各行业制度水平及其变迁的代理变量;企业规模因素采用平均企业规模指标，采用各行业工业总产值与企业数量之比来综合测度该行业内的平均企业规模;产业绩效指标选用各行业利润与主营业务收入之比来综合测量;技术消化吸收能力指标采用制造业各行业技术引进及消化吸收费用占技术引进和消化吸收经费总额的比重作为衡量标准;政府干预指标采取各行业中国有企业及国有成分固定资产投资占全社会固定资产投资中的比重。

3. 数据处理。本文效仿朱有为、徐康宁（2009）关于指标处理方法，投入指标采用R&D资本存量、新产品开发资本以及技术改造经费存量指标，基期为2006年，以2006年各项经费支出除以10%作为该行业的初始资本存量，并采用15%的折旧率。为了消除价格因素的影响，本文在测算各指标存量之前利用朱有为、徐康宁（2009）“研发价格指数”的计算方法进行了平减[7]。为了获取不变价格的新产品产值，本文用工业增加值指数作为制造业各子行业新产品产值的近似替代进行平减。R&D人员指标本文采用了R&D人员全时当量，单位为“千人/年”。

通过DEAP2.1，我们可以得到29个制造行业的创新效率ML指数的测算结果。

（四）我国制造业自主创新效率变化的实证分析

1. 金融危机后全国制造业技术创新效率和各年度平均变化值分析。从总体来看，2006—2010年我国制造业技术创新效率的Malmquist指数为1.018，说明我国制造业创新效率总体呈上升趋势，平均上升了1.8%。我们对Malmquist指数进行分解发现，其中EC=1.014，TC=1.004，技术创新效率的提升主要得益于技术效率和技术进步效率的共同改善。技术效率上升了1.4%，技术进步效率上升了0.4%。我们进一步把技术效率进行分解，其中纯技术效率变动为0.996，规模效率变动为1.018，这说明我国现阶段制造业技术进步还是主要依靠规模的扩张而非纯技术效率的提升。如表1。

从各年度平均变化来看，2006—2010年我国制造业技术创新效率总体呈上升趋势，然而，技术创新效率上升速度却出现了下行态势，并在2007—2008年出现低谷，技术效率出现下降（如图1所示），究其原因，主要是因为受全球金融风暴的影响，阻碍了我国制造业技术创新效率的进步。

2006—2007年，我国制造业技术创新效率Malmquist指数为1.058，上升了5.8%，主要得益于技术进步的影响，技术效率反而出现了下降;2007—2008年技术效率值落入谷底，技术效率下降了4%，主要是由技术进步效率下降导致的;2008—2009年我国技术效率值出现大幅反弹达到1.041，主要是技术进步效率的大幅提升引起的;2009—2010年我国技术创新效率进一步提升，Malmquist指数为1.015，主要得益于技术效率的改善。从技术效率变化的分解来看，纯技术效率的变动程度要大于规模效率变动的程度，纯技术效率上升了4.7%，规模效率反而下降了1.9%。