基于2010～2015年省级面板数据的高新技术产业技术创新效率研究

,

(安徽工程大学 地方政府与社会治理创新研究中心，安徽 芜湖 241000)

自2010年国务院发布的《关于加快培育和发展战略性新兴产业的决定》后，全国各省市都陆续出台了地区的高新技术产业发展规划与扶持政策.但是，作为知识技术密集产业，培育和发展高新技术产业不能只停留在政策扶持方面，持续的技术创新才是使其成长的真正动力源.因此，对我国及各省、直辖市的高新技术产业技术创新效率进行测度和比较分析，并依此优化创新投入资源配置，提高产业技术创新效率显得尤为重要.

1 国内外研究现状及文献综述

国内学者对技术创新理论研究主要是从20世纪末期开始的.胡哲一[1]认为技术创新是以创造性和市场成功实现为基本特征的周期性技术经济活动全过程.刘劲杨[2]认为知识创新、制度创新与技术创新共同构成了创新行为演进的主要形式，彼此相关却绝不相同，其给出一个较清晰的边界，并重新界定了三者概念中易引起混淆的外延与内涵.彭金荣[3]指出中国应高度关注主要发达国家、区域集团及新兴国家战略性新兴产业的发展态势及走向，在环境营造、产业选择、掌握核心技术、构建政策支持体系以及完善法律监管体系方面借鉴其成功经验，实现中国战略性新兴产业的持续健康发展.薛澜[4]从发展动力、发展目标、发展模式、发展主体和发展格局五个角度系统考察了世界范围内战略性新兴产业的发展趋势与特征，并提出提升技术创新能力和完善产业创新体系等五点启示.

学者们针对高新技术产业发展研究主要集中于发展机理及对策建议方面，而对产业技术创新效率方面的研究十分稀缺.当前，普遍应用的技术创新效率测量方法分为非参数法和参数法两类.

非参数法以Charnes[5]等学者提出的DEA分析方法为代表.Hak Yeon Lee[6]采用DEA分析方法，实证研究了27个亚洲国家的R&D活动效率.熊飞[7]等选取北京市的42家高新企业为研究对象，并利用DEA中C2R和BC2模型，对其技术创新效率进行评价分析.黄海霞[8]基于2005～2012年我国省级面板数据，采用DEA-Malmquist指数模型，测算了中国28个省的战略性新兴产业技术创新的全要素生产率.刘晖[9]等选取2007～2012年我国28个省级面板数据为样本，运用DEA方法，测算了各省份战略性新兴产业的技术创新效率.

参数法以Aigner[10]等提出的随机前沿分析方法为代表.Yot[11]以澳大利亚制造业面板数据为研究样本，运用随机前沿分析法测度制造业技术效率，并分析金融制度、企业所有权归属以及管理层激励等因素对企业技术效率的影响.肖兴志[12]在C-D生产函数的基础上，加入时间趋势项，构建了创新效率测算模型来计算我国战略性新兴产业的创新效率，随后运用Tobit模型分析了企业规模、创新方式等因素对创新效率的影响.吕岩威[13]等基于2003～2010年的面板数据，采用SFA模型，测算了我国战略性新兴产业的技术效率，研究发现产业的技术效率水平低下，但技术进步速度较快.项本武[14]基于2004～2011年中国7大战略性新兴产业46个样本行业的面板数据，结合SFA方法，建立超越对数生产函数模型，对产业技术效率进行了测度研究，并进一步检验其影响因素.

SFA方法通过确定生产函数可以避免随机误差的干扰，消除了各种随机因素的负面影响，但若函数形式设定不当，则会严重影响分析结果，且假设要求严格，使用范围小.而DEA方法无需设定具体的函数形式，可以消除错误的函数带来的影响，无需确定指标权重，保证了评价的客观性，适合评价多投入多产出的系统，但其未考虑随机误差，即易受极值影响.

2 模型选取、评价指标体系构建及数据来源

2.1 模型选取

考虑到高新技术产业技术创新是一个多投入、多产出的复杂活动，研究认为采用DEA方法来计算其技术创新效率是一个更为有效方法，研究选取DEA中C2R模型来评价全国各省份的技术创新效率.

在DEA众多模型中，C2R模型得到了最广泛的应用，其将科学-工程效率的定义推广到多输入、多输出的系统的相对效率评价中，提供了一个有效的方法来评价决策单元(DMU)的相对效率.此外，C2R模型的许多性质和定理，乃至讨论与证明技巧，在DEA其他模型的研究中也极具代表性，甚至某些类似的结论，只需回顾一下C2R模型，就会不证自明.

(1)

在线性规划中，如果原始问题约束条件多，决策变量少，转换为对偶问题约束变少了，更容易求解.换句话说，解原问题比对偶问题复杂的时候，就可以解对偶问题，因为它们的解是等价的.因此，应用线性规划对偶理论，引入剩余变量s+与松弛变量s-建立对偶规划，可得模型二，如式(2)所示.

(2)

在C2R模型中，λj将各有效点连接生成有效前沿面，并通过s+，s-两变量进行水平与垂直地延伸，形成包络面.其中，θ表示的是DMU离有效生产前沿面的距离量，能够看出各个DMU相对效率的大小.

2.2 评价指标体系构建

研究将从人力投入和资本投入两方面建立技术创新投入指标，因为，技术创新离不开人力资本投入，尤其是科技人员的投入.人类劳动为产业技术创新提供了智力支撑，另外，技术创新本身具有风险和不确定性，而资本为企业技术创新活动的实施提供了资金保证，因此，资本投入的多少对技术创新活动有着重要影响.其中，人力投入指标包括R&D活动人员折合全时当量和研发机构人员数量两项，因为R&D活动人员和研发机构人员的数量和素质都能显著地反映产业内企业和研发机构技术创新能力.由于发展中国家区域内的企业存在技术劣势，其进行技术创新时，既有自主创新，也会有模仿创新.所以，创新资本投入应包含自主创新资本投入与模仿创新资本投入两项.鉴于此，资本投入指标包含R&D经费内部支出、新产品开发经费支出和技术获取支出(度量模仿创新资本投入)三项.

国内外大多学者皆从技术产出(即专利)和经济产出两方面来衡量技术创新产出，有其一定的合理性.从技术创新角度来看，技术产出主要看科技成果，尤其是受法律保护的技术专利，专利可以反映技术创新的科技成果情况，是潜在经济产出的重要基础；而经济产出则主要指技术创新活动对产品的改进和新产品的上市对企业销售的影响，从企业追求利润最大化角度来说，新产品销售收入则反映了技术创新过程中全部投入要素彼此作用的经济产出和终极成效.因此，选取专利申请数与新产品销售收入作为产出评价指标.综上所述，指标汇总如表1所示.

表1 战略性新兴产业技术创新投入产出指标体系

2.3 数据来源

研究中所有数据均来源于2011～2016年《中国高技术产业统计年鉴》.由于西藏和青海两省的相关数据有缺失，因此评价中删掉了西藏、青海两省.在数据处理上，为了体现创新效率结果导向和方便比较，在技术投入指标等数据方面均采取简单加总的方法.这种处理方法符合DEA方法对于决策单元的要求，主要表现在：第一，符合所有的决策单元应该具有“同类型”特征；第二，为了具有可比性，在选择决策单元时要选择一些先进的单元，以利于找出差距.

采用DEA的C2R模型，使用DEAP 2.1软件计算出我国各省份技术创新效率值及平均值(几何平均值).为了对我国各区域的战略性新兴产业投入产出效率进行比较，将省份作为生产决策单元，这种划分方式便于数据的收集整理，而且比较结果具有实际意义，也有利于找出产生差距的原因.

3 实证结果及分析

3.1 各省份的技术创新效率评价

基于全国29个省份2010～2015年的数据，以各省份为决策单元，使用DEAP 2.1软件计算出我国各省份技术创新效率的均值和全国各年份DEA效率的平均值(几何平均值)，如表2所示.由表2可知，从国家层面来看，全国的综合效率均值为0.697，这说明我国的综合效率还没有到达DEA有效，处于低效率状态，整体水平不高，有较大的改善空间.从地区层面来看，2010～2015年期间，有12个省市的综合效率值超过全国均值0.697.其中，只有北京市的综合效率值达到1，即北京市的技术创新达到DEA有效效率水平；而天津市的综合效率值分别达到0.992，接近DEA有效效率水平.同样也有17个省市的综合效率值低于全国的综合效率均值，其中，广西、湖北、黑龙江、河北、陕西5个省份的综合效率值处于全国最低水平，均没有超过0.5，其中陕西省的综合效率值最低，仅为0.345.总体来说，我国技术创新处于低效率状态，且存在显著的地区差异.

表2 我国各省份DEA效率评价结果

全国纯技术效率均值为0.773，没有达到DEA有效.从区域层面来看，北京、内蒙古、广东及新疆4个省市的纯技术效率值为1，实现了DEA有效；有15个省市超过全国平均水平，其中天津为0.997、江苏为0.981、河南为0.984、安徽为0.937，接近DEA有效效率水平；有14个省市的纯技术效率值低于全国平均水平，其中河北、黑龙江、湖北及陕西4个省份处于全国最低水平，陕西最低，仅为0.348.总体来说，我国的纯技术效率均值高于综合效率均值，但仍没有实现DEA有效，有进一步提升空间；亦存在地区分布不均衡状态，东部沿海省份的纯技术效率值相对高些，而东北省份普遍偏低.此外，低于全国平均值的地区占总数比例为48.3%.研究认为造成全国大范围纯技术效率较低的原因主要有以下两点：一、与地区经济结构有关，不难发现，以重工业经济为主的省份，其纯技术效率值均较低，如湖北和东北三省；二、北上广等一线城市对人才吸引力强，人才流动过于集中，分布不均衡，导致了知识、科技创新能力差异过大.

全国规模效率均值达到0.909，虽没实现DEA有效，但处于较高水平.从区域层面来看，北京的规模效率值为1，实现DEA有效，表明其在产业规模效应方面具有比较优势；有25个省份的规模效率值高于0.8，说明了与其他两项相比，规模效率更集中于较高的水平，区域差异较小.所以，与规模效率相比，我国应更关注从纯技术效率与综合效率方面来提高高新技术产业的技术创新效率，以及提升自主创新能力.

3.2 各年度的技术创新效率评价

2010～2015年我国DEA评价效果如表3所示.由表3可知，从时序角度来看，2010～2015年全国的综合效率的均值为0.697，整体呈现平稳波动趋势，在2010年达到最高水平0.751，随后回落到2011年的0.655，2012～2014年期间一直保持上涨趋势，2015年则又回落到0.678；2010～2015年全国的纯技术效率的均值为0.773，最高值为2010年的0.807，期间呈现出回落再上涨的趋势；2010～2015年全国的规模效率的均值为0.909 ，虽未达到DEA有效，但处于较高水平，最高值为2010年的0.938，呈现出连续小幅度震荡的趋势.总的来说，我国高新技术产业技术创新效率仍处于低效状态，虽整体呈现上涨趋势，但上升缓慢，且存在波动性，表现出了产业技术创新投入、产出格局优化缓慢，存在巨大的进步空间.

表3 2010～2015年我国DEA评价效果

3.3 非DEA有效地区创新投入冗余和产出不足情况

从DEA有效性的经济含义可知，现有既定产出量的情况下创新投入量配置不合理或现有既定投入量的情况下创新产出量不足是导致决策单元非DEA有效的两个主要原因.2015年非DEA有效地区创新投入冗余和产出不足情况如表4所示.

表4 2015年非DEA有效地区创新投入冗余和产出不足情况

由表4不难看出，2015年全国仍有众多省份(17个)存在着创新投入冗余或产出不足情况，即创新投入资源配置不合理，需要合理地调整创新资源投入结构；除宁夏和内蒙古，其他15个省市中均未出现专利申请量产出不足现象，这表明了我国各省市均有较强的知识创新产出能力；但上海、黑龙江、云南、海南和贵州5个省市出现了新产品销售收入产出不足问题，表明我国高新技术产业技术创新在经济产出方面的能力仍有欠缺，科技成果转化能力不强、转化率较低.此外，江苏、浙江、广东和江西4个省份的纯技术效率实现DEA有效，而综合效率却没有达到DEA有效，说明了这些省份存在高新技术产业的规模和创新投入、产出不相匹配问题，需要适当增加或减少产业规模.

4 结论与政策建议

研究基于投入-产出理论构建了技术创新评价指标体系，依据2010～2015年面板数据，采用了DEA模型，运用DEAP 2.1 软件，实证测度了我国29个各省市高新技术产业技术创新效率，最终得到如下结论： 2010～2015年，我国高新技术产业技术创新效率整体保持上涨趋势，却仍处于低效率状态，且上升缓慢并存在波动性，创新投入、产出格局优化缓慢，具有巨大的进步空间.存在明显的地区差异，主要体现于各省市的纯技术效率差异过大，而规模效率相对集中于较高水平，区域间差异较小.研究认为各地区的经济结构差异和人才分布不均衡是造成这一问题的两个主要原因.我国大部分省份都出现了创新投入冗余或创新产出不足的情况，这表明了创新投入资源配置不合理，需要科学地调整创新资源投入结构，且技术创新过程中存在着知识产出能力较强、经济产出能力较弱的问题.

基于以上研究结论，提出以下几点政策建议：

(1)加大技术创新投入，坚持创新驱动发展.从实证分析结果来看，2010～2015年全国规模效率均值达到0.909，没有实现DEA有效，只有北京的规模效率值为1，实现DEA有效，说明从全国角度来看仍可以通过加大技术创新投入，来促进技术效率的提升.当前我国高新技术产业处于快速发展阶段，但不能一味扩大产业规模，造成规模不经济，应坚持以技术创新为核心，坚持自主创新，掌握行业关键核心技术，加强前沿科技创新，来驱动产业发展.政府不仅应从政策、财政、税收等多方面来激发企业科技创新活力，还要积极帮助企业拓展融资渠道，解决高新技术企业的融资难题，保证企业进行技术创新的资金支持.

(2)积极引进和培养创新型人才，完善人才创新激励机制.要健全人才引进培养体系，激发勇于创新的社会环境；搭建科技创新人才信息库，支持高等院校、科研机构科技人员以借用、聘用或兼职等方式到企业从事研究开发工作，从而有利于减少技术创新投入冗余，提高纯技术创新效率.另外，要想充分调动企业研发人员进行创新的积极性，就必须要构建一套有效的创新激励机制.可以对研发人员进行更为有效的绩效考核，给予优秀者一定的绩效奖金，来增强研发人员的工作积极性；给予技术创新项目中贡献大的科技人员一定数量的额外奖励.适度推广员工股票期权计划，实现研发人员的个人利益与企业利益相一致，来增强职员的工作投入度；给予员工广阔的晋升空间，加强对科技人员的权利激励.总之，高新技术产业企业需要构建以技术的培育、应用、评价、考核为核心的创新激励机制.

(3)优化创新投入资源配置，加强产学研合作.从前文非DEA有效地区创新投入冗余和产出不足分析来看，全国高新技术产业创新资源配置不合理，而且区域差异较大，在“十三五”期间必须大力调整创新投入资源结构，优化资源配置，提升技术创新效率.企业进行技术创新活动要面向市场，不断提高技术创新成果转化率，推动产业和产品向价值链中高端跃升.当前，我国专利优势突出的高新技术产业骨干企业较少，但却拥有多所高水平院校和研究中心[15]，要加强产学研合作，鼓励高校与科研机构以自身先进的技术，通过技术入股的方式参与到企业中共同研发新产品，不断完善产学研协同平台建设，创立产业技术创新战略同盟，提高科研成果的转化水平.

(4)发挥政府的引导作用.从前文各省份技术创新效率实证分析来看，政府作用在高新技术产业发展中的作用不可忽视，大多数技术创新效率高的地区，政府对产业扶持力度和知识产权保护都较好.各地要围绕国家重大战略需求，紧密结合《中国制造2025》和《“十三五”国家科技创新规划》，根据自身实际经济发展情况，充分利用地区资源优势，引导高新技术产业企业进行前沿科技创新，推动产业走向智能化、高端化、绿色化，提升产业竞争力；增强地域间的沟通和协调，减少产业重复性建设.此外，政府要适当加大知识产权保护力度，建立规范、法治的知识产权保护制度，来保障企业的正当权益，降低产业的知识溢出风险，健全知识产权保护体系，营造出激励创新的制度环境.

[1] 胡哲一.技术创新的概念与定义[J].科学学与科学技术管理,1992,5(13):47-50.

[2] 刘劲杨.知识创新、技术创新与制度创新概念的再界定[J].科学学与科学技术管理,2002(5):5-8.

[3] 彭金荣,李春红.国外战略性新兴产业的发展态势及启示[J].改革与战略,2011(2):167-171.

[4] 薛澜,林泽梁,梁正,等.世界战略性新兴产业的发展趋势对我国的启示[J].中国软科学,2013(5):18-26.

[5] A CHARNES,W W COOPER,E RHODES.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[6] HAK YEON LEE,YONG TAE PARK.An international comparison of R&D efficiency:DEA approach[J].Asian Journal of Technology Innovation,2005,13(2): 207-222.

[7] 熊飞,郑茜,唐葆君.基于DEA方法的高新技术企业创新效率研究——以丰台科技园为例[J].中国管理科学,2012(11):696-701.

[8] 黄海霞,张治河.中国战略性新兴产业的技术创新效率——基于DEA-Malmquist指数模型[J].技术经济,2015(1):21-27.

[9] 刘晖,刘轶芳,乔啥,等.我国战略性新兴产业技术创新效率研究[J].系统工程理论与实践,2015(9):2 296-2 303.

[10] D J AIGNER,C K LOVELL,P SCHMIDT.Formulation and estimation of stochastic frontier production function models[J].Journal of Econometrics,1977(6):21-37.

[11] YOT AMORNKITBIKAI,CHARLES HARVIE.Finance,ownership,excutive remuneration,and technical efficiency:a stochastic frontier analysis of the manufacuring enterprises[J].Australasian Accounting Business and Finance Journal,2011, 5(1):35-55.

[12] 肖兴志,谢理.中国战略性新兴产业创新效率的实证分析[J].产业和区域经济管理,2011(11):26-35.

[13] 吕岩威,孙慧.中国战略性新兴产业技术效率及其影响因素研究——基于18个大类行业面板数据的分析[J].科学学与科学技术管理,2013(11):137-146.

[14] 项本武,齐峰.中国战略性新兴产业技术效率及其影响因素[J].中南财经政法大学学报,2015(2):3-11.

[15] 中华人民共和国国家知识产权局.战略性新兴产业发明专利统计分析总报告(2015)[EB/OL].http://www.sipo.gov.cn/tjxx/yjcg/201603/t20160324_1246668.html，2016-03-24.