规模以上工业企业技术创新效率及其影响因素研究——基于省市的面板数据分析

吴欢芳 湘潭大学商学院

孙凯 辽宁大学商学院

规模以上工业企业技术创新效率及其影响因素研究
——基于省市的面板数据分析

吴欢芳 湘潭大学商学院

孙凯 辽宁大学商学院

本文以2008-2013年中国30个省市区域规模以上工业企业的面板数据为基础，采用数据包络分析测量技术创新效率，运用Tobit回归模型探究技术创新效率的影响因素。研究显示：样本期内我国各省市技术创新效率值差异显著，总体来说，东部地区的技术创新效率明显高于中、西部地区；中部地区与西部地区创新效率相差不大；企业的技术吸收能力对技术创新效率的影响显著为负；研发投入强度与市场竞争度能显著提高企业的技术创新效率值；而技术市场成熟度对技术创新效率的影响并不显著。

技术创新效率 DEA-Tobit两阶段模型 规模以上工业企业

一、文献综述

国内外学者对技术创新效率的研究越来越深入，现有文献主要从以下三个层面展开：白俊红、李婧［1］、刘和东等运用三阶段DEA方法与随机前沿函数从区域层面测量各省市的技术创新效率；肖仁桥［2］、官建成［3］、高霞等从产业层面测量高技术产业、某些行业的技术创新效率；Budsakorn Watcharasriroj、丁云龙［4］、赵树宽等从企业层面的角度测量泰国92 所非赢利性医院及某一省份企业的技术创新效率。总体来看，学者们为各区域、产业及企业的技术创新效率的提高奠定了坚实的理论基础，但也存在不足：其一，在现有的研究中，聚焦于大中型工业企业的技术效率，而忽略了对规模以上工业企业的技术创新效率的研究。其二，部分学者侧重于对技术创新效率的研究，而忽视了对技术创新效率影响因素的探讨。针对以上问题，本文以2008-2013年30个省区规模以上工业企业的面板数据为研究对象，合理选取投入产出指标，运用DEA-Tobit两阶段分析法企业的技术创新效率及其影响因素进行综合评价与分析。

二、样本来源、指标体系与变量选择

1.样本来源

本文研究的数据来自2009-2014年的《中国科技统计年鉴》、《中国统计年鉴》与万德数据库，包括我国30个省市自治区的数据（西藏数据缺失除外）。

2.投入指标与产出指标

投入指标选取主要从人员与经费两方面来进行考虑。选用R& D人员全时当量和R&D资本存量创新投入变量。同时考虑到我国企业自主创新力度不大，大多数企业仍以“引进—消化吸收—再创新”的步骤进行，因此增加技术经费作为创新投入的另一指标。产出指标选取的是发明专利申请量、新产品销售收入、新产品产值以及新产品开发项目数，还选用新产品销售收入和新产品出口额作为创新产出的间接输出。

3.影响变量选择

（1）技术消化吸收能力。以技术消化吸收、改造的经费支出总额在技术引进、改造、消化吸收及购买国内技术经费支出总额中所占的比例来测量。

（2）研发投入强度。本文采用研发投入总量与地区生产总值之比。

（3）市场竞争度。选用有科研机构的企业数、有R&D活动的企业数二者之和占企业数量之比来测量。

（4）技术市场成熟度。这一指标用技术市场交易额来衡量。

三、模型与技术创新效率测算

1.DEA-Tobit两阶段模型

DEA由著名运筹学家Chames、cooper与Rhodes于1978年首先提出，用于测量效率实用性强，具有单位不变性的特点。Tobin于1958提出的Tobit模型，分析影响创新效率的因素及其影响程度。两阶段的DEA-Tobit两阶段法法虽然兴起于国外，但目前在我国已得到了广泛地应用，许多学者都进行过详细分析，因此本文不再赘述。

2.技术创新效率测算比较分析

运用DEAP2.1软件测算各省分不同年度的技术创新效率、纯技术效率以及规模效率，计算的结果如表1所示。

由表1可知，调查期间我国规模以上工业企业技术效率均值为0.742，整体上处于中等水平，提升空间较大。

表2 各省市技术创新效率平均值分布区间

从上表可以看出，在调查期内我国各省区技术创新效率处于中等偏上水平。从各区间上看，效率水平最优的是广州省、吉林省、海南省。众所周知，广州省是有名的经济大省，经济对外开放早、国家政策扶持、各地人才聚集等原因使广州省成为技术创新效率高的省份。而吉林省与海南省则可能是资源得到了高效率的配置，投入产出量率高。其他效率水平较高的省区有天津、北京等，这些省份大部分处于经济发展水平较高、资源丰富的东部地区。效率分布区间处于0.5至0.8的省市有较大的提升空间，但其面临的问题有所不同，如山东省资源投入量大但技术效率值并不高，这说明大量资源被浪费，没有得到合理配置；而新疆、河北等地则可能是本身资源缺乏，经济发展水平落后。

为了进一步地探讨各省区域技术效率的特征，本文汇总调查期内我国各省市区域技术创新效率。