高新技术产业创新效率测算及区域差异性研究

张 诚，卢 云，张志坚（华东交通大学经济管理学院，江西　南昌330013）



高新技术产业创新效率测算及区域差异性研究

张 诚，卢 云，张志坚
（华东交通大学经济管理学院，江西南昌330013）

摘要：高新技术产业作为国际战略性主导产业，对经济增长和产业结构调整具有重要作用。当前，我国正在加快建设创新型国家，而高新技术产业的可持续发展在很大程度上取决于高新技术产业的创新效率。通过建立高新技术产业创新效率的投入产出指标体系，利用DEA交叉模型测算全国30个省份的高新技术产业创新效率，并分析了创新效率的区域变动规律。研究表明：全国绝大多数省份的高新技术产业创新效率在2009—2013年间实现了逐步提升；全国和三大地区的高新技术产业创新效率存在收敛、绝对收敛。最后针对研究结果提出了我国高新技术产业区域协调可持续发展的政策建议。

关键词：高新技术产业；创新效率；交叉DEA；收敛

高新技术产业属于高附加值产业，对于资源的依附度较低，而对于国民经济贡献力度极大。尤其是在“十一五”和“十二五”期间，高新技术产业规模急速扩张，企业个数快速增长（如图1所示），其主营业务收入也得到了提高。从长远角度看，高新技术产业不仅仅要成为转变经济增长方式、引领国家科技发展的先导力量，同时其自身产业的发展也极为重要，高新技术产业要继续力抓自主知识产权，提高企业自我核心能力，落实到根本上仍然是创新，只有创新才能使得高新技术产业实现良性发展。高新技术产业创新是指产业内的企业不断通过利用先进科学技术开发新产品、改进新工艺进而提升企业整体效益的过程，而这个创新过程是一个投入产出不断变化的过程，其创新投入和产出也是企业关注的重点，因此，高新技术产业创新效率的高低和区域差异性成为影响产业可持续发展的重中之重。

图1 2006年到2013年高新技术产业企业个数Fig.1 Number of high-tech firms in 2006-2013

1 相关文献综述

事实上，从“十一五”初的2006年到2013年末，高新技术产业的主营业务收入增长了156倍，在产业规模极速扩大的同时，高新技术产业的创新效率能否维持一定的合理水平也就成为了保证产业可持续发展的重要因素。国内外学者对高新技术产业的研究较为丰富，大多数都集中在高新技术产业的体制机制和产业效率测算等方面。在国外主要有Jooh Lee[1]（1995）对美、日高新技术产业效率和投入之间关系进行了分析；Isidre March-Chorda[2]（1999）利用因子分析法测算了高新技术产业效率；Chen[3]（2005）通过DEA模型测算了台湾高新技术产业效率值；Neelankavil[4]（2003）对高新技术产业创新效率进行了格兰杰因果检验；Anna Arbussa和Germa Coenders[5]（2007）利用多级logit模型实证分析了西班牙高新技术产业创新效率。Choi SB et al.[6]（2011）研究得出在美欧日等主要发达国家，政府R&D资助对企业的创新效率存在积极影响。此外，在创新评价指标选取上，国外学者通常采用专利申请量而非专利授权量作为衡量创新绩效指标。Jaffe[7]（2000）论证出专利申请量更能全面反映一个企业、行业、地区的研发水平的高低，因为专利授权量不但不能真实反映专利申请的意愿，而且受到专利授权机构的人为因素的影响。Cooper WW et al.[8]（2007）以专利申请量、新产品数、新产品销售额等7个指标来研究创新效率的影响因素和高新技术产业的创新效率情况。

国内关于高新技术产业的研究起步较晚，早期研究主要集中在研发要素投入和创新绩效关系上，目前更多的国内学者对我国高新技术产业效率进行了大量深入研究，主要有刘川[9]（2013）采用三阶段DEA方法测算了我国高新技术产业研发创新效率，认为区域差异明显；赵志耕[10]（2013）针对转型时期内我国高新技术产业创新能力进行了评价；杨青峰[11]（2013）利用我国高新技术产业分行业面板数据为研究样本，对高新技术产业的区域创新效率的影响因素进行了研究；伏玉林[12]（2014）实证研究了高新技术产业的创新特征差异；李培楠[13]（2013）运用面板回归分析了创新要素对高新技术产业创新效率的影响；卫平[14]（2013）通过构建高新技术产业的区域创新资源配置效率评价指标体系和模型进行了实证研究；桂黄宝[15]（2014）采用空间计量分析了高新技术产业的区域性；刘焕鹏[16]（2014）重点研究了高新技术产业的技术引进和创新效率；庄涛[17]（2014）对高新技术产业产学研合作创新效率及其影响因素进行了分析；范允奇[18]（2014）对高新技术产业创新效率和区域联动效应进行了实证研究。

以上文献均采用实证研究方法分析了我国高新技术产业创新效率值，其不同在于从不同投入产出角度分析了效率和其他变量之间的关系，得出了一些有意义的结论，对本文亦有重要的参考价值。在已有文献论述中，高新技术产业创新效率整体呈现增长趋势，但是在“十一五”和“十二五”期间，创新效率是否有所提高，能否直接把产业生产效率作为创新效率，针对小样本数据能否采用更为科学的评价方法，创新效率区域之间能否进一步实现收敛，缩短区域间的差距，保持高新技术产业的可持续发展也是值得我们进一步思考和分析的。

2 模型介绍与数据处理

2.1 DEA交叉评价模型

DEA模型是传统的用于效率评价的方法，是美国著名运筹学家Charnes等提出，其主要用于对多输入、多输出同类决策单元的效率分析。Sexton等人在已有的DEA-CCR等模型基础上进行了改进，产生了DEA交叉评价模型。DEA交叉评价模型主要优势在于利用相互评价体系，能够进行更加客观的效率分析，所得到的效率值也更加科学合理。

一般而言，假设决策单元存在m个投入和s个产出向量，可以表示为

CCR模型主要计算方法如下：

在公式（3）中，w*1d，w*2d，…，w*md，μ*1d，μ*2d，…，μ*sd，分别表示可以满足以上线性规划的投入和产出的相关权重。θd表示DMUd在最优权重，w*1d，w*2d，…，w*md，μ*1d，μ*2d，…，μ*sd下获取的效率值。在以上的最优权重下，可以定义DMUj基于DMUd的交叉效率值：

其中Edd表示DMUd的CCR效率值。但是，由于在满足最优权重w*1d，w*2d，…，w*md和μ*1d，μ*2d，…，μ*sd仍存在多个满足要求解的情况。Sexton等人又进行了改进，如下面公式（5）所示，计算得到了效率值最大的交叉效率值：

2.2 收敛方法

一般情况下，伴随着时间的推移，两个或两个以上的实体单位相关经济指标之间的差异会变得越来越小的过程称为收敛。σ收敛、绝对β收敛、条件β收敛3种方法是较为常用的检验收敛过程的方法。

1）σ收敛。标准差σ一般用于σ收敛的具体表征指标，含义是所考察各个地区的高新技术产业创新效率差距随着时间的推移而逐渐减小的过程。具体的测算公式如式（6）所示。

式中，1nEFFi代表某年度所考察区域内的某个省份的高新技术产业创新效率的自然对数值；1nEFF代表某年度所考察区域内的全部省份的高新技术产业创新效率的自然对数值的平均值；n代表区域内的省份个数。

2）绝对β收敛。绝对β收敛的目的在于衡量某指标的增长率与其初始状态之间的关系来表现该指标的时间序列变化水平。一般而言，当考察区域内的高新技术产业创新效率增长率与最开始状态呈现负相关，当落后区域增长率高于较高水平区域时，伴随时间的推移所有区域增长速度和增长水平会趋于相同，体现出绝对β收敛现象。公式（7）表示了具体计算方法。

在公式（7）中，T表示考察的时间跨度，EFFiT+1代表某年度所考察区域某个省份的高新技术产业创新效率的期末值，EFFi1代表某年度所考察区域某个省份的高新技术产业创新效率的期初值，α代表截距项，β代表收敛系数，εi为随机误差。如果β为负，则表明所考察区域内的创新效率有收敛的趋势，否则发散。

收敛速度的计算见公式（8），β仍然代表收敛系数，

3 实证研究

3.1 DEA交叉模型的各省高新技术产业创新效率测算

3.1.1 产业投入产出指标选择

创新资源投入与创新资源产出是构成高新技术产业创新效率评价指标体系的两个方面。根据已有关于创新效率的研究文献，我们结合高新技术产业的特点，构建高新技术产业创新资源配置效率评价指标体系，如表1所示。

表1 高新技术产业创新效率投入产出指标Tab.1 Input and output index of high-tech industry’s innovation efficiency

DEA分析以决策单元的投入产出数据为衡量效率的基本要素，综合DEA方法对投入产出指标的要求，结合数据可得性以及高新技术产业的特点，选取R&D人员和R&D经费支出、新产品开发经费、技术改造经费4个变量作为高新技术产业的投入变量，在经济系统中，生产的投入变量主要包括人员和资本等，R&D人员主要衡量高技术产业的劳动投入，R&D经费支出、新产品开发经费和技术改造经费则衡量高技术产业的资本投入；选取新产品产值、申请专利量、有效发明专利量3个变量作为高新技术产业的产出变量，其中，新产品产值用来表征高新技术产业研发创新产品的商业化水平与经济价值，而申请专利量、有效发明专利量用来表征高新技术产业的知识产出。

测算所得的效率值用EFF表示，数值位于0～1的区间范围内，考虑到数据完整性，剔除了西藏自治区，所有原始数据均来自《中国科技统计年鉴》（2010—2014）。

3.1.2 创新效率测算

根据公式（1）～（5）的描述，采用matlab7.0对全国30个省市5年数据进行交叉DEA测算，创新效率值具体测算结果如表2所示。

从表1可以看出，全国绝大多数省份的高新技术产业创新效率在2009—2013年间实现了逐步提升，但不同地区间高新技术产业创新效率仍存在较大差异，像浙江、江苏、广东等省份都在保持较高的创新效率值，而内蒙古、新疆等省份的创新效率值较低，但同时也存在较大的增长空间。由于我国幅员辽阔，各个省（直辖市、自治区）的经济发展水平、产业结构和布局、要素禀赋、人力资木、开放程度等客观条件存在较大差异，导致了地区之间的高新技术产业技术创新效率存在较大差异。

表2 全国30个省份的高新技术产业创新效率值Tab.2 High-tech industry’s innovation efficiency values in 30 provinces

表1显示了考察时间范围内全国30个省的创新效率值，为了进一步分析高新技术产业是否存在区域差异性，我们引入“收敛”概念对所测算到的创新效率进行研究。

3.2 中国高新技术产业创新效率区域差异收敛

3.2.1 σ收敛分析

图2 高新技术产业创新效率对数值的收敛Fig.2 Convergence of logarithm of high-tech industry’s innovation efficiency

图2绘制了2009—2013年间高新技术产业创新效率对数值标准差走势。从图1我们可以看出：在全国层面上，高新技术产业创新效率保持相对比较稳定的趋势，呈现一个小三角形，但波动幅度很小，可以认为保持了收敛现象，在2011年达到了高峰，然后平稳下降，但整体变化幅度很小。东部地区创新效率呈现一个类似“W”型的较大波动趋势，整体呈现发散趋势。中部地区创新效率在最开始几年波动很小，但随着内部各省份创新效率差异增大，在2012年达到了标准差的最大值，然后又降低了与前几年标准差值左右，在2013年创新效率的区域差异比其他区域都低。西部地区创新效率在考察时间段内整体实习了波动上升趋势，但波动幅度较小，创新效率的标准差始终维持在0.17到0.2之间，整体呈现收敛现象。

从图1绘制的全国和三大区域的创新效率对数值标准差来看，全国和西部地区可以认为存在收敛现象，东部和中部波动幅度较大，存在明显发散特征。但是σ收敛是一种定性的分析方法，为了进一步考察我国高新技术产业创新效率的区域差异趋势，通过下面的绝对β收敛进行定量测算分析。

3.2.2 绝对β收敛

表3 绝对β收敛检验计算结果Tab.3 Calculated results tested by absolute β convergence

通过上述公式（7）和公式（8）的计算方法，对所考察的创新效率检验结果具体如表3所示。通过表3我们可以看出：全国层面上，高新技术产业创新效率收敛趋势明显，收敛系数在1%水平下显著，收敛速度达到了22%，说明全国层面上的高新技术产业创新效率和发达地区间差距变小。东部地区的收敛系数在1%水平下显著，收敛速度达到了32%，比全国平均水平高出10个百分点，同时中西部两个地区的收敛系数均为显著，收敛速度分别达到了11%和17%左右，低于全国平均水平。这样的研究结论与部分已有研究存在结论的差异，主要是与部分研究将高新技术产业投入产出的生产效率等同于创新效率、考察时间期长短和范围、创新效率测算方法等因素有关。

综上分析，中部、西部和东部间高新技术产业技术创新效率差距逐步变小，原因在于一方面中、西部地区的高新技术产业技术创新大都处于规模报酬递增阶段，随着各项投入增加呈现出了较高的效率增长；另一方面我国积极实施西部大开发战略和中部崛起战略，中西部各省市充分发挥老工业基地、军工企业、科研机构和高等院校现有科技力量的作用，加快科技成果的转化和推广应用，积极引进国内外先进技术，优化了高新产业发展的环境和管理水平，提高了高新技术产业的创新效率。

4 结论和政策建议

4.1 结论

深入分析了中国各地区高新技术产业创新效率的收敛性趋势。研究结果表明，全国30个省份中的绝大多数省份高新技术产业创新效率在2009—2013年间实现了逐步提升，像浙江、江苏、广东等省份都在保持较高的创新效率值，而内蒙古、新疆等省份的创新效率值较低，但同时也存在较大的增长空间。全国和西部地区存在收敛现象，东部和中部波动幅度较大，存在明显发散特征；全国和东中西部都存在绝对收敛检验。研究结果有利于国家建立相关政策体系以促进各地区高新技术产业的可持续发展，缩短区域间的差距，培育各地区高新技术产业中坚力量。

4.2 政策建议

1）推动高新技术产业创新，搭建企业合作联盟平台。国家层面应该出台更多具体的推动高新技术产业企业创新的扶持政策，通过资金奖励、税收减免等政策积极推动高新技术企业的自我良性发展。搭建高新技术产业内企业合作创新的平台，通过组织联合攻关、共同申报国家课题等模式实现技术创新，提升高新技术产业的产业链竞争力和整体发展实力。

2）加强省际之间创新资源流动，实现资源优势互补。鉴于我国东部、中部和西部地区不同省市高新技术产业创新效率差异情况，政府应进一步促进省际间高新技术产业在技术、政策、管理及人才等方面的交流与合作，加速技术创新效率的收敛趋势，逐渐缩小地区之间高新技术产业技术创新效率的差距，确保我国各省市高新技术产业技术创新效率的协同提高。

3）积极引入先进技术，实现高新技术的融合发展。通过购买引入国外先进技术可以有效提高我国高新技术产业效率，在技术引进和购买经费上提供保障。在购买引入的同时，鼓励本土企业加大对引入购买技术的科技转化力度，不断缩小与国外先进企业之间的差距，形成更多具有自有知识产权的新技术、新设备，最终可以改进生产工艺，提高生产效率。

4）注重研发投入和人力优势，奠定可持续发展的基础。研发投入和科技人才一直都是高新技术产业的核心内容，对于高新技术产业创新效率的提升具有根本作用。高新技术产业的属性就决定了创新实际就是人才进行的创新，研发投入可以有效保障高新技术企业不断进行新技术的研发，人才优势的“马太效应”也能进一步得到体现，最后提高高新技术产业创新效率。

参考文献：

[1] JOOH L，EUNSUP S. Moderation effects of R&D on corporate growth in U.S. and Japanese high-tech Industries: An empirical study[J]. The Journal of High Technology Management Research，1995（6）：179-191.

[2] ISIDRE M C，ROSA M Y. A new tool to classifying new technology-based firm prospects and expectations[J]. The Journal of High Technology Management Research，1999，10（2）：347-376.

[3] CHEN C J，YEH Q J A Comparative performance evaluation of taiwan’s high-tech industries[J]. International Journal of Business Performance Management，2005，7（1）：16-33.

[4] NEELANKAVIL J P，ALAGANAR V T. Strategic resource commitment of high-tech firms an international comparison[J]. Journal of Business Research，2003（6）：493-502.

[5] ANNA A，GERMA C. Use of appropriation instruments and absorptive capacity：Evidence from spanish firms[J]. Research Policy，2007，36：1545-1558.

[6] CHOI S B，LEE S H，WILLIAMS C. Ownership and firm innovation in a transition economy：Evidence from china[J]. Research Policy，2011，40（3）：441-452.

[7] JAFFE A B，The U. S. patent system in transition：policy Innovation and the Innovation process [J]. Research Policy，2000，29 （45）：351-557.

[8] COOPER W W，SEIFORD L M，TONE K. Data envelopment analysis：A comprehensive text with models，applications，references and DEA-Solver Software[M]. Second editions，Berlin: springer，2007.

[9]刘川.我国高技术产业研发创新效率研究——基于三阶段DEA方法[J].工业技术经济，2012（12）：19-25.

[10]赵志耘，杨朝峰.转型时期中国高技术产业创新能力实证研究[J].中国软科学，2013（1）：32-42.

[11]杨青峰.高技术产业地区研发创新效率的决定因素——基于随机前沿模型的实证分析[J].管理评论，2013（6）：47-58.

[12]伏玉林，汪朗峰.高技术产业创新特征差异性实证分析[J].系统管理学报，2013（6）：791-796+801.

[13]李培楠，赵兰香，万劲波.创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J].科学学研究，2014（4）：604-612.

[14]卫平，王艳.基于DEA方法的我国高技术产业区域创新资源配置效率研究[J].工业技术经济，2014（5）：108-116.

[15]桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析[J].经济地理，2014（6）：100-107.

[16]刘焕鹏，严太华.我国高技术产业R&D能力、技术引进与创新绩效——基于省际动态面板数据模型的实证分析[J].山西财经大学学报，2014（8）：42-49.

[17]庄涛，吴洪，胡春.高技术产业产学研合作创新效率及其影响因素研究——基于三螺旋视角[J].财贸研究，2015（1）：55-60.

[18]范允奇，周方召.我国高技术产业技术创新效率影响因素及区域联动效应研究[J].科技管理研究，2014（21）：1-4+21.

（责任编辑 刘棉玲，李 萍）

Analysis of High and New Technology Industry’s Innovation Efficiency and Regional Differences

Zhang cheng，Lu yun，Zhang Zhijian
（School of Economics and Management，East China Jiaotong University，Nanchang 330013，China）

Abstract：High technology industry as the international strategic leading industry, plays an important role in economic growth and industrial structure adjustment. At present, our country is speeding up innovative national construction，and the high technology innovation efficiency will largely influence the sustainable development of high technology industry. Through the establishment of high-tech industrial innovation efficiency of input and output index system, using DEA cross model to measure the national high technology industry innovation efficiency in 30 provinces，this paper analyzes the fluctuation rules of regional innovation efficiency. Research shows that in most of the provinces high-tech industry innovation efficiency gradually ascending in 2009-2013; The nation and the three areas of high technology industry innovation exists convergence efficiency and absolute convergence. Finally，based on the results of the study，it put forward suggestions for the sustainable development of regional coordination for hig-tech industry.

Key words：high-tech industry；innovation efficiency；cross DEA；convergence

中图分类号：F724

文献标志码：A

文章编号：1005-0523（2016）03-0135-08

收稿日期：2015－11－30

基金项目：江西省经济社会发展专项课题（13ZT01）；江西省研究生创新资金项目（YC 2014-S274）

作者简介：张诚（1962—），女，教授，博士生导师，博士，研究方向为企业管理、物流管理。