“一带一路”省市高新技术产业创新效率研究

刘和东 陈雷

摘 要：我国在转型经济、研发资源紧缺的情况下，不仅要注重创新资源的投入，更要注重提高创新资源的效率。文中收集“一带一路”17省市2009—2015年高新技术产业创新链投入产出的面板数据，运用网络DEA方法，对创新过程中研发与商业化效率进行测度、求出各阶段的冗余松弛及规模收益。结果表明：“一带一路”各省市分布不均衡，并且研发效率整体较低、商业化效率整体较高。研发阶段：内蒙古、黑龙江等8省市效率最优，无冗余松弛，其余9省市存在不同程度的投入冗余与产出松弛;甘肃、青海等4省的规模效率递增，内蒙古、青海规模收益不变，辽宁、吉林等11省市规模收益递减。商业化阶段：浙江、福建等5省投入产出达到最优，无冗余松弛现象，其余12省市商业化阶段投入存在大量冗余;上海市规模效率呈规模递减，浙江、福建等4省市规模收益不变，内蒙古、辽宁等12省市规模收益递增。在此基础上，提出了有效提升“一带一路”省市高新技术产业创新效率的对策。

关键词：“一带一路”省市;高新技术产业;网络DEA;研发阶段;商业化阶段

中图分类号：F 276.44 文献标识码：A 文章编号：1672-7312（2019）04-0399-06

0 引 言

“一带一路”是“丝绸之路经济带”和“21世纪海上丝绸之路”的简称，是以习近平总书记为核心的党中央积极应对全球形势深刻变化、统筹国内国际2个大局，解决高生产要素成本、资源日趋短缺、社会经济增长缓慢等一系列问题的重大政策。高新技术产业作为促进区域经济发展、优化经济结构、提高产业竞争能力的推动力，是“一带一路”省市实施创新驱动战略的重要支撑[1]。数据表明，2000—2015年，“一带一路”省市高新技术产业研发经费年增长率为1.28%，而新产品销售收入的年增长率仅为1.20%，由此可见，增加研发投入只是增加创新产出的必要而非充分条件。我国在转型经济、研发资源紧缺的情况下，不仅要注重创新资源的投入，更要注重提高创新资源的效率。

关于高新技术产业创新效率，国内外学者主要围绕以下2个层面展开研究。

1）研究区域。学者们分别从全国、东中西部地区以及某省份进行探讨，如杨肃志[2]等建立高新技术产业技术生态位评价指标体系，通过对高新技术产业创新生态位宽度进行测度以及对我国各省高新技术产业创新生态位适宜度进行评估。胡振华、杨琼[3]把中国分为东中西3大区域，发现这3个区域的高新技术产业技术创新效率存在较大的差异。冯缨[4]等从横向比较和纵向分析2个角度对江苏省高新技术产业整体技术创新效率进行了域际评价，并深入分析江苏省5大高新技术行业的技术创新效率。黎攀群[5]等以航空、航天器及设备制造业等为例，分析并构建了创新生态系统模型，应用随机前沿模型，测算其创新效率。戴航[6]等选取了高技术产业5个子行业10年的面板数据，运用C-D函数理论模型，构造技术创新函數进行实证分析。

2）研究方法。学者们测度效率主要运用熵值法、随机前沿分析法（SFA）以及空间自回归（SAR）面板数据模型等，如王斌会、刘可[7]（2011）运用熵值赋权法对高新技术产业创新水平进行评价;方大春[8]等（2016）通过随机前沿分析法测算出中国高新技术产业创新效率，发现新产品的研发支出和R&D人员折合全时当量作为创新投入对创新产出具有正面影响;Ze-Lei X[9]（2017）等人采用空间自回归（SAR）面板数据模型进行测度，研究发现，我国高新技术产业发展绩效存在明显的绝对收敛，中部地区的收敛速度明显快于其他地区。王淑君[10]使用DEA-Malmquist指数测算沿海11个省市区域的高技术产业全要素生产率（TFP）的变动。陈俊[11]发现深圳市高技术产业创新效率呈现“倒N”型走势，其主要原因在于电子及通信设备制造业创新效率日益恶化，拉低了总体创新效率。

综上所述，现有成果对提升中国高新技术产业创新效率起到不同程度的促进作用。遗憾的是，现有研究在范围上侧重于选择全国或者东中西部区域的创新效率，缺少对中国“一带一路”省市高新技术产业创新效率的研究。研究方法上，现有成果多数侧重于用传统DEA方法测算高新技术产业创新链的整个阶段效率。事实上，创新链包括研发与商业化阶段，不同阶段效率不同。现有研究忽视了高新技术产业创新过程各个阶段对整个创新链的作用，将整个创新链视为“黑箱”，不利于对创新效率的准确测度。我国“一带一路”省市高新技术产业创新链的各阶段效率大小如何？如何提升？找准这些问题，对有效提升高新技术产业创新绩效具有重要的理论与现实意义。为此，文中运用网络DEA方法，收集中国“一带一路”17省市创新技术产业2009—2015年高新技术产业创新链的投入产出数据（因西藏地区数据缺失，故不在研究范围内。），准确测度创新过程中研发与商业化效率、求出各阶段的冗余松弛及规模收益，并针对各阶段的松弛冗余及规模收益情况，提出相应的改进策略，以期为提高中国“一带一路”省市高新技术产业创新效率提供依据。

1 研究方法

Fare和Grosskopf[12]（2000）首次提出了网络DEA的理论体系，改进了具有“黑箱”操作的传统DEA方法[13-14]，它的优点在于将复杂的网络生产过程分解为几个子过程，同时得到内部子过程的相对效率，从而对非有效决策单位的内部子过程进行分析并提出相应的政策建议。以后的学者对其不断完善，文中借鉴了Kao C等人[15]（2008）提出的网络DEA方法并对其进行改进，模型如下。

2 模型的建立及指标选取

创新过程通常被分为2个阶段，包括第一阶段上游的研发子过程以及第二阶段下游的商业化子过程，如图1所示。

为有效测度高新技术产业创新效率，文中选取测度指标，见表1.

整个创新过程中从最初的研发投入到最后的商业化产出存在着时间延迟的情况，并且这种时间延迟对投入、产出的转换效率会产生影响。因此文中考虑对研发子过程和商业化子过程分别设定一年的延迟时间[17]，第一阶段研发子过程的投入产出分别选择2009—2013年、2010—2014年5年的数据，第二阶段的商业化子过程投入产出分别选取2010—2014年、2011—2015年5年的数据，并分别求出平均值进行测度。数据来源于2009—2015年的《中国高新技术产业统计年鉴》。

3 结果分析

3.1 创新链两阶段的效率分析

根据所收集到的面板数据，运用DEA软件运算出中国“一带一路”17省市的高新技术产业两阶段的综合效率，结果见表2.

由表2可以发现，“一带一路”省市的研发效率整体较低，各省市分布不均衡。表现在：内蒙古、辽宁等10省市的研发效率值高于平均值（0.672），吉林、黑龙江等7省市的研发效率值低于平均值[18]。进一步分析发现，高于研发效率平均值的省市中，仅有内蒙古、海南2省达到了DEA有效，表明这2省既定的高新技术研发人员、研发经费等资源投入都得到了有效配置、使用与转化。低于研发效率平均值的省市中，上海的效率值是最出人意料的，其研发效率仅为0838，非网络DEA有效。可能的原因在于：上海是我国高新技术产业发展战略的重点地区，由于研发资源投资过多且规模过大，出现研发投资的边际效应递减[19-20]。

“一带一路”省市的商业化效率整体较高，各省市分布不均衡。表现在：内蒙古、浙江等8省市的商业化效率高于平均值（0.793），辽宁、吉林等9省市的商业化效率值低于平均值。进一步分析发现，高于研发效率平均值的省市中，浙江、广东等5省市高新技术产业商业化呈DEA有效，而其他的12省市高新技术产业商业化呈DEA非有效。可能的原因在于：DEA有效的5省市中，重庆是直辖市，其他4省市都是东部经济发达地区，这些省市特别重视高新技术研发成果的商业化应用，研发成果能得到即时转化、利用，有效促进当地的经济发展，这与现实是非常吻合的。而其他DEA非有效的12省市，其研发成果可能与市场需求并不完全相符，导致其商业化效率较低。

3.2 创新链两阶段效率、冗余松弛及规模收益分析

3.2.1 研发阶段

为了进一步分析中国“一带一路”17省市高新技术创新产业创新效率的影响因素，文中将各省市的研发投入与产出数据代入BBC模型，运算出研发阶段的投入产出的松弛冗余以及规模收益（见表3），并加以分析，以期为非有效省市更加科学合理地配置创新资源提供决策依据。

由表3可以发现，内蒙古、黑龙江等8省市研发效率最优，无冗余松弛，其余9省市存在不同程度的投入冗余与产出松弛。

为有效提升“一带一路”省市研发阶段的效率。可从投入产出2个方面着手改进，具体为：①在研发产出及研发经费不变的情况下，吉林省存在研发人员投入冗余，需要减少48个研发人员当量;②在研发产出及研发人员不变的情况下，辽宁、广西等5省分别需要减少68 837.251万元、4 759万元、21 864.108万元、6 567.6万元、6 499.459万元内部研发经费投入;③在研发投入不变的情况下，辽宁、吉林等9省分别需要增加2 828件、730件、2 482件、548件、741件、2 262件、423件、223件、34件拥有发明专利量。这从研发投入与产出的数量方面，为有效提升“一带一路”省市研发效率提供了决策依据。

规模收益方面，仅有甘肃、青海等4省的规模收益递增，内蒙古、青海的规模收益不变，辽宁、吉林11省市规模收益递减。

为有效提升研发效率，规模收益递增的甘肃、青海等4省市需要进一步增加研发投入，而规模收益递减的辽宁、吉林等11省市则不需要增加研发投入。这从研发的规模收益方面，为进一步有效提升“一带一路”省市研发阶段效率提供了决策依据。

3.2.2 商业化阶段

运用上述方法，可计算得“一带一路”省市商业化阶段效率、冗余松弛及规模收益（见表4）。

由表4可以发现，浙江、福建等5省商业化效率最优，无冗余松弛，其余12省市存在不同程度的投入冗余。为有效提升“一带一路”省市高新技术产业的商业化效率。可从投入方面着手改进（由于各省市未出现产出松弛），具体为：①在商业化产出以及拥有发明专利数、从业人员平均数等4项投入不变的情况下，上海、广西、海南、云南4省市分别需要减少385件、61件、107件、39件专利申请量的技术投入冗余;②在商业化产出以及专利申请量、从业人员平均数等4项投入不变的情况下，黑龙江、上海、海南3省市分别需要减少941件、2 861件、311件拥有发明专利数的技术投入冗余。限于篇幅，非有效省市需减少从业人员平均数、技术改造费支出以及技术引进费支出3项投入冗余的分析方法相同，不再赘述。这从商业化阶段的投入与产出数量方面，为有效提升“一带一路”省市商业化效率提供了依据。

规模收益方面，仅有上海市呈规模收益递减，浙江、福建、广东、重庆4省市规模收益不变，内蒙古、辽宁等12省市规模收益递增。为了提升商业化效率，规模收益递增的內蒙古、辽宁等15省市可进一步增加商业化投入，规模收益递减的上海市则不能继续增加商业化投入。这从商业化的规模收益方面，为进一步有效提升“一带一路”省市研发阶段效率提供了依据。

4 结论与政策建议

文中收集中国“一带一路”17省市2009—2015年高新技术产业创新链投入产出的面板数据，运用网络DEA方法，测度创新过程中研发与商业化效率、各阶段的冗余松弛及规模收益，得到以下结论。

1）“一带一路”各省市分布不均衡，并且研发效率整体较低、商业化效率整体较高。

2）研发阶段：内蒙古、黑龙江等8省市效率最优，无冗余松弛，其余9省市存在不同程度的投入冗余与产出松弛;甘肃、青海等4省的规模效率递增，内蒙古、青海规模收益不变，辽宁、吉林等11省市规模收益递减。

3）商业化阶段：浙江、福建等5省投入产出达到最优，无冗余松弛现象，其余12省市商业化阶段投入存在大量冗余;上海市规模效率呈规模递减，浙江、福建等4省市规模收益不变，内蒙古、辽宁等12省市规模收益递增。

依据上述结论，提出以下政策建议。

1）提高研发效率、维持商业化效率。首先，“一带一路”省市应该加强对既定的高新技术研发人员、研发经费等资源投入的有效配置、使用与转化。如：①在研发产出不变的情况下，减少研发投入冗余，②在研发投入不变的情况下，提高研发阶段的创新产出。其次，各省市需要高度重视高新技术研发成果的商业化产出。根据市场需求，针对性地进行前期研发投入以及后期的商业化投入，实现研发成果有效开发利用，提高经济效益。

2）促进“一带一路”各省市创新均衡发展。一方面，加大各省市间协同合作，如：“一带一路”省市之间应该加强交流合作，相互学习借鉴，实现优势互补以及资源的合理配置。另一方面，要提高各省高新技术产业的研发以及商业化效率，以期实现我国“一带一路”17省市高新技术产业快速稳健发展。

3）实施优化创新链的资源配置战略。“一带一路”各省市可根据各自在创新链两阶段的要素投入冗余以及产出不足状况，进行针对性地减少、增加投入和产出，以提升高新技术产业创新链的效率。如①研发阶段，吉林省需要减少研发人员当量的投入冗余，辽宁、广西等5省应该减少内部研发经费的投入冗余，辽宁、吉林等9省分别需要提高拥有发明专利量的产出。②商业化阶段，上海、广西等4省市分别需要减少专利申请量的技术投入，黑龙江、上海、海南3省市分别需要减少拥有发明专利数的技术投入。同时，在创新链的两阶段中规模效率递增的省市，可进一步扩大要素投入，带来相应的规模收益。如甘肃等4省可以进一步扩大研发投入，内蒙古等16省市可以进一步增加商业化投入。

参考文献：

[1] 张可云.“一带一路”与中国发展战略[J].开发研究，2018（04）：1-13.

[2] 杨肃志，路世昌.高新技术产业创新生态位测度研究[J].资源开发与市场，2015，31（04）：419-430.

[3] 胡振华，杨 琼.中国高新技术产业创新效率研究[J].科学管理研究，2015，33（02）：32-35.

[4] 冯 缨，滕家佳.江苏省高技术产业技术创新效率评价[J].科学学与科学技术管理，2010（08）：107-112.

[5] 黎攀群，陈关聚.创新主体关系对高技术产业创新效率的影响[J].技术与创新管理，2018，39（06）：664-670.

[6]戴 航，江激宇.FDI，R&D投入对我国高技术产业技术创新的影响[J].技术与创新管理，2012，33（03）：329-332.

[7]王斌会，刘 可.基于熵值赋权法的高新技术产业创新水平评价[J].产业评论，2011（03）：5-11.

[8]方大春，张 凡，芮明杰.我国高新技术产业创新效率及其影响实证研究——基于面板数据随机前沿模型[J].科技管理研究，2016（07）：66-75.

[9]Xiao Z，Du X.Convergence in China’s high-tech industry development performance：a spatial panel model[J].Applied Economics，2017，49（52）：5296-5308.

[10]王淑君.我国大陆沿海地区高技术产业创新效率评价分析[J].无锡商业职业技术学院学报，2016，16（02）：48-52.

[11]陈 俊.深圳市高技术产业创新效率测算[J].广东行政学院学报，2018，30（04）：74-80.

[12]Fare R，Grosskopf S.Network DEA[J].Socio-Economic Planning Sciences，2000（34）：35-49.[13]魏权龄.论“打开黑箱评价”的网络DEA模型[J].数学的实践与认识，2012，42（24）：184-195.

[14]陈莹文.基于改进两阶段DEA的中国高技术产业研发创新效率研究[J].软科学，2018，32（09）：14-18.

[15]Kao C.Efficiency decomposition in two-stage data envelopment analysis：An application to non-life insurance companies in Taiwan[J].European Journal of Operational research，2008（40）：418-429.

[16]董 杰，孫玉华.具有非期望产出的混联网络DEA模型[J].经济数学，2018，35（02）：83-88.

[17]梁瑞敏，彭佑元.基于网络DEA的山西省区域科技创新绩效评价研究[J].科技管理研究，2014（18）：112-116.

[18]王双进，李新刚.京津冀高技术产业R&D活动效率测度[J].科技进步与对策，2018，35（05）：52-59.

[19]曹贤忠，曾 刚.基于全球—地方视角的上海高新技术产业创新网络效率探讨[J].软科学，2018，32（11）：105-108.

[20]辜胜阻.创新驱动与核心技术突破是高质量发展的基石[J].中国软科学，2018（10）：9-18.

（责任编辑：张 江）