我国大中型工业企业技术创新效率及其差异性

孟晓娜　孙丽艳　苗成林　段梦梦

摘 要：构建2006-2015年省际面板数据，采用隨机前沿分析方法对我国30个省市区的大中型工业企业技术创新效率进行测度，把R&D内部支出、政府支持力度、产学研协同创新纳入技术创新无效方程，分析大中型工业企业技术创新效率及存在差异的关键因素。研究结果表明：我国大中型工业企业技术创新总平均效率为0545;东中西部三大区域的技术创新平均效率有较大差异;R&D内部经费支出对技术创新效率存在正向作用，政府支持力度、产学研协同创新对技术创新效率存在负向作用。

关键词：技术创新效率;大中型工业企业;随机前沿分析

中图分类号：F272.5 文献标识码：A文章编号：

1672-1101（2019）05-0024-08

收稿日期：2019-03-11

基金项目：国家自然科学基金项目（71704002， 71503003， 51774013）; 安徽省软科学项目（1502052055）; 安徽省哲学社会科学规划项目（AHSKY2015D78， AHSKQ2016D26）; 安徽省教育厅人文社科重点项目（SK2016A0291）; 安徽省自然科学基金项目（1508085QG147， 1708085QG166）

作者简介：孟晓娜（1996-），女，安徽阜阳人，在读硕士，研究方向：创新管理。

Technological Innovation Efficiency and Its Difference of Large and Medium-sized Industrial Enterprises in China

——Empirical Research Based on Provincial Panel Data

MENG Xiaona，SUN Liyan，MIAO Chenglin，DUAN Mengmeng

（School of Economics and Management， Anhui University of Science and Technology， Huainan， Anhui   232001， China）

Abstract： Constructing inter-provincial panel data from 2006 to 2015， and using stochastic frontier analysis method， the technological innovation efficiency of large and medium-sized industrial enterprises in 30 provinces and cities in China is measured， and R&D internal expenditure， government support， industry-university-research collaborative innovation are incorporated into the inefficiency equation of technological innovation to analyze the key factors of technological innovation efficiency and differences of large and medium-sized industrial enterprises. The results show that the total average technological innovation efficiency of large and medium-sized industrial enterprises in China is 0.545. The average efficiency of technological innovation varies greatly in the three regions of east， central and western China. The internal expenditure of R&D has a positive effect on the efficiency of technological innovation， and the government support and industry-university-research collaborative innovation have a negative effect on the efficiency of technological innovation.

Key words：Technological innovation efficiency; Large and medium-sized industrial enterprises; Stochastic frontier analysis

目前，新一轮科技革命和产业变革正蓄势待发，经济新常态正面临增速放缓、需求转变、结构优化的压力，创新驱动将取代要素驱动成为推动我国经济发展的核心动力。大中型工业企业作为技术创新的关键载体，在加快我国建设创新型国家的进程中扮演着重要的角色，其技术创新效率的提升对区域经济增长具有推动作用，并且在很大程度上影响整个国家的技术创新水平。现阶段我国大中型工业企业已进入工业化后期，企业竞争逐渐失去低成本优势，发展变革步履艰难;而党的十九大报告指出我国经济正处于高速发展向高质发展转变的关键时期，必须加快供给侧改革，实现低端供给、无效供给向高质量、高附加值的有效供给转换，进而使大中型工业企业实现供给创造需求，引领我国经济迈向高质量发展。要实现这一转变，加快大中型工业企业转型升级，就必须强化大中型工业企业的技术创新能力建设，提高其技术创新效率，培育创新发展新动力。

大中型工业企业的科研经费投入决定着科技活动能否高質高效的开展，技术成果能否转化为实际产出;政府的支持力度可以调动大中型工业企业投身于技术创新的积极性;研究机构、高校与企业的协同创新为企业培养创新型人才、研发项目人员投入提供保障。这些因素都对我国大中型工业企业技术创新效率产生直接影响，进而影响企业的优质供给以及经济社会的持续健康发展。因此考虑这三个因素的影响作用，测评大中型企业的技术创新效率并分析其影响因素，提出相应的对策建议，对提升我国大中型工业企业的技术创新效率，更好适应经济新常态、迎接新一轮的挑战具有一定的现实意义与应用价值。

一、文献综述

技术创新效率是企业技术创新能力的重要体现，目前学者主要从技术创新效率的测度以及技术创新效率的影响因素两个方面进行研究。在技术创新效率的测度方面，Claudio CruzCázares等（2013）[1]运用DEA-Malmquist分析法，对西班牙制造业1992-2005年的技术创新效率进行测度，结果显示各行业技术创新效率有较大差异;易明等（2017）[2]运用DEA-Malmquist方法对我国高新技术产业的创新效率进行测评，指出我国高新技术产业整体创新效率呈递增趋势且波动较大。在技术创新效率的影响因素方面，肖仁桥等（2015）[3]从价值链角度构建DEA模型，对我国不同性质工业企业的技术创新效率进行研究，结果显示科技研发和成果转化效率偏低制约技术创新效率的提升;Kexin Bi等（2016）[4]结合全球价值链框架和线性创新过程模型，分析全球价值链下低碳技术创新活动的创新效率及其影响因素，研究得到政府监管是影响低碳技术创新效率的关键因素。

目前多数学者采用DEA或构建模型的方法，对不同地区、不同产业或不同行业的技术创新效率进行研究，而从省际层面采用随机前沿分析法研究大中型工业企业技术创新效率的较少;此外在考虑科研经费投入的同时，从政府的支持力度视角，结合产学研的协同创新对大中型工业企业的技术创新效率进行实证分析的文献较缺乏。因此本文考虑产学研合作创新、政府的资金支持与减免税额、R&D经费内部支出等因素的影响，采用随机前沿分析方法对省际大中型工业企业的技术创新效率进行研究，分析存在差异的影响因素，并提出大中型工业企业技术创新提升的对策建议。

二、模型构建及数据说明

（一）模型构建

考虑到随机前沿分析方法可以同时对技术创新效率及其影响因素进行研究，且能将随机误差项与非效率项相分离，因此本文运用随机前沿分析方法对2006-2015年中国30个省市大中型工业企业的技术创新效率进行实证分析，采用对数型柯布-道格拉斯生产函数构建如下模型：

LnYit=β0+β1LnLit+β2LnKit+（vit+uit）  （1）

式中：i表示面板数据中30个省份的序号（i=1，2，…，N），t表示2006-2015年相应的序号（t=1，2，…，T，T=10，2006年序号为1，以此类推）;Yit、Lit、Kit分别表示选取的第i个省市自治区的大中型工业企业在第t年的新产品销售总收入、R&D人员全时当量、固定资本存量;β0表示截距项，β1、β2分别对应我国大中型工业企业R&D人员全时当量以及固定资本存量的影响程度;vit表示随机误差项，由不可控因素造成的误差，vit～iid.N（0，σ2v）;uit表示技术无效率随机误差项，uit～iid.N+（mit，σ2u），与vit相互独立。

TEit=exp（-uit）  （2）

uit=β（t）×uit  （3）

β（t）=exp[-η（t-T）]  （4）

γ=σ2uσ2v+σ2u   （5）

式（2）反映i省市自治区第t年的技术效率水平，其值越大表示技术效率水平越高;式（3）、式（4）反映时间t对uit的影响程度，η是未知参数;式（5）反映模型设定的合理性，可考察式（1）中技术无效的比重，若γ=0表示我国大中型工业产业科技活动产出都位于生产最优前沿面上，此时采用OLS方法估计即可，而若γ→1则表明前沿生产函数的误差很大程度上来源于技术无效率项，即SFA方法适用。

mit=δ0+δ1（KYJFZC）+δ2（ZFZCLD）+δ3（CYXXT）  （6）

式（6）表示技术无效率函数模型，R&D经费内部支出（KYJFZC）、政府支持力度（ZFZCLD）、产研学协同创新（CYXXT）是技术无效率的影响因素;δ0、δ1、δ2、δ3是4个待估算参数，其中δ0是常数项，δ1、δ2、δ3表示待估计影响因素的系数，若δi>0表示相应的影响因素对技术无效率起正向促进作用，即对技术创新起负向抑制作用;若δi<0表示相应的影响因素对技术无效率起负向抑制作用，即对技术创新起正向促进作用。

（二）样本选取及数据描述

本文以我国30个省市区（西藏地区数据不完整，故排除）的大中型工业企业作为研究对象，从《工业企业科技活动统计年鉴》、《中国统计年鉴》收集了2006-2015的相关指标数据作为样本容量，对相应指标做如下处理。

Yit为我国30个省市区大中型工业企业2006-2015年的新产品销售总收入（单位：亿元），大中型工业企业的科技活动产出主要包括专利授权数和新产品销售收入，而专利授权数最终转化为新产品销售收入来实现其经济价值，故本文选择新产品销售收入作为大中型工业企业的科技活动产出，并以2006年为基期，按价格指数进行平减处理，折算为2006年的不变价格。

Lit为我国30个省市区大中型工业企业2006-2015年的R&D人员全时当量（单位：人年）。

Kit为我国30个省市区大中型工业企业2006-2015年的固定资产投资（单位：亿元），按照永续盘存法进行估计核算。采用基本核算公式Kit=（1-σ）Kit-1+Iit，其中Kit表示第i省份第t年的固定资产存量，Kit-1表示第i省份第t-1年的固定资产存量，Iit表示第i省份第t年的固定资产投资额，σ表示折旧率，本文按照15%进行折旧[5]。计算过程如下：首先，以2006年为基期，按照固定资产投资价格指数，将样本中固定资产投资额平减为2006年的不变价格;其次，采用Hall和Mairesse的方法计算基期固定资本存量[6];最后，依次计算出每年的固定资本存量。

技术无效率影响因素包括R&D经费内部支出、政府支持力度、产学研协同创新，其中R&D经费内部支出选择每个省市自治区的大中型工业企业科研经费内部支出总额来衡量，政府支持力度选择每个省市自治区的大中型工业企业收到的来自政府部门的科技活動资金与减免税总额之和来衡量，产学研协同创新选择每个省市自治区的大中型工业企业R&D经费外部支出中对境内研究机构和高校的支出之和来衡量。由于统计年鉴上的数据是以当年的价格进行核算、且每年的货币形式都存在差异，因此与价格有关的数据都应以某年的价格为基准进行平减处理，以减小误差;相比流量数据，存量数据更具说服力。因此本文对3项技术无效率影响因素按价格指数进行平减处理，以2006年为基期，折算为2006年的不变价格，再根据公式Kt=（1-δ）kt-1+Et-1进行估算，其中Kt、kt-1分别表示我国30个省市区在t和t-1年的资本存量，Et-1表示在t-1年的相应经费支出，基期资本存量按照公式K0=E0/（g+δ），g=10E10/E0-1计算[7][8]，其中δ=15%。

三、实证结果及数据分析

（一）SFA模型估计结果

通过Frontier41软件对公式（1）和（6）中的相关参数进行估算，估计值见表1。

在模型的估计结果中，γ=0999 9，近似等于1，表明随机前沿模型中实际产出与最优前沿面之间的误差主要来源于技术无效率项，即随机前沿分析模型适用。此外，统计量LR的估计结果在1%水平下显著，拟合程度较理想，再次验证所构建模型的合理性。

在科研人员和固定资产存量的弹性方面，由两参数的估计值βL=0103 4、βK=-0123 5可以得到大中型工业企业科研人员投入每增加1%，由技术创新推动的科技活动的产出可增加1034%;而大中型工业企业固定资产存量每增加1%，由技术创新推动的科技活动产出反而下降了1235%。企业的发展离不开创新型人才资源，稳定且高水平的技术人才队伍对企业R&D活动的开展和技术创新的实现起着重要基石作用[9]。近年来，各省市相继出台了一系列的吸引人才政策，比如完善户籍制度、提高生活补贴、提供创新平台等，鼓励大中型工业企业根据人才的专业特长，设立相应的科技研发实验室，以期在新一轮的人才争夺战中抢占先机，从而打造专属的人才队伍，提高大中型工业企业的技术创新效率。

虽然大部分大中型工业企业的固定资产投资额正在逐年递增，但资本的使用效率却较低。维护管理制度不健全加速设备老化，更有甚者出现盲目、过度投资的现象，导致产能过剩，供过于求，不利于产业提质增效。供给侧结构性改革指出打造大中型工业企业经济增长新动力，一方面应加快企业的技术进步，提高资产使用率和要素生产率，从而激发企业扩大投资、加快新产品开发的积极性;另一方面应找准企业投资方向，调整产能过剩，减少企业库存，为企业腾出更多资金开展技术创新活动。因此，加强技术创新对大中型工业企业的推动作用，不仅要注重如何培养和留住高质量的科技人才，更要从企业自身出发，加大有效资产投资额并提高资产的使用效率，从而加快企业适应工业新常态发展趋势，实现产业的升级优化[10]。

（二）技术创新效率影响因素分析

1.R&D经费内部支出对技术创新的影响。

由表1可知δ1=-1796 3，说明R&D经费内部支出与我国大中型工业企业技术创新效率存在着显著的正向关系，即研发经费的投入对我国大中型工业企业的技术创新效率具有规模经济效应。《国家创新驱动发展战略纲要》指出强化源始创新，壮大创新的主体，引领创新型发展战略，加大企业科研经费投资，有助于提高企业自主创新能力，从而实现创新驱动发展。科研经费投入的大幅度增加为创新型人才发挥自身专长、顺利开展相应的科技活动提供资金保障，为大中型工业企业吸引并留住人才创造有利条件，并且创新型人才的增加能有效提高大中型工业企业的技术创新能力，从而提高固定资产使用率，有利于产业提质增效[11]。因此，要实现大中型工业企业创新驱动发展，就必须加大科研经费投入，吸引创新型专业技术人才，通过自主研发新技术或改进企业原有技术创造符合市场需求的产品，从而提高市场占有率并获得较高经济效益。

2.政府支持力度对技术创新的影响。

由表1可知δ2=0621 1，说明政府支持力度与我国大中型工业企业技术创新效率存在着显著的负向作用，这与冯宗宪（2011）的研究结果相符。虽然政府加大对企业科研经费的投资和科研活动减免税额，并为企业创新型人才的引进提供优惠政策，增加企业投身技术创新的积极性，但是，当政府支持力度较小时，企业仅处于探索式创新阶段，很难在短时间带来经济收益并带来创新优势，与此同时，探索式创新具有高风险性，若资金不足或某一环节出错很容易导致失败，从而降低企业的技术创新效率;当政府支持力度较大时，可能会弥补企业创新研发资金不足的缺口，从探索式创新转向利用式创新阶段，进而提高企业的技术创新效率;但有些企业为获得政府的科研经费支持，迎合当下政府发展战略，将仅有的研发资源投入到自身并不擅长的技术领域，反而导致技术创新效率的下滑。目前，各省市相继出台了加强和规范政府投资项目的管理办法，指出政府应加强对企业投资项目的核准，并完善项目监管法规建设，有效运用信息化手段对技术创新投资项目各阶段进行监管，在为企业提供优惠政策和资金支持的同时，切实保障投资项目的顺利实施，从而提高我国大中型工业企业技术创新效率。

3.产学研协同创新对技术创新的影响。

由表1可知δ3=0160 3，说明产学研协同创新与我国大中型工业企业技术创新效率存在着显著的负向作用。就理论而言，高校和研究机构强大的知识体系以及专业的人才可以为工业企业的技术创新提供技术支持;大中型工业企业占据一定的市场地位且拥有敏锐的洞察力，可以引导高校和研究机构的技术创新以满足市场需求;产学研协同创新可以融合各方优势，加快企业的技术创新效率，扩展高校和研究机构的视野，促进研究成果的转化。此外，在产学研协同创新的过程中，大中型工业企业可为学生提供实践机会，弥补高校培养机制不健全所造成的学生实操能力弱、理论与实践相脱节等不足，从而培养符合企业需要的优质人才，进而有助于提高大中型工业企业技术创新效率[12]。但实证分析结果与理论分析结果尚有较大的差异，其主要原因在于企业与高校研究所之间的信息不对称以及产学研协同创新的动力不足。目前产学研协作创新大多停留在政府单方面的政策推动，企业、高校以及研究所缺乏实际的互动和信息的交流，导致部分学研机构提供的研究成果与企業项目不符;研发资金来源不足，政府的奖励机制过于单一，部分学研机构“重研究、重论文、重成果，轻发展、轻技术、轻转化”的思想难以消除，这些因素对我国大中型工业企业的技术创新效率产生了较大的阻碍作用。

（三）技术创新效率分析

表2是我国30个省市大中型工业企业技术创新效率值及其排名，由表2最后一列即排名结果显示，在我国30个省市自治区中广东的大中型工业企业技术创新效率均值位于最高位，上海、江苏、山东、浙江的大中型工业企业技术创新效率均值都超过了08，表明这些地区善于利用资源环境优势、重视技术创新能力的培养，并取得了较大程度的技术创新优势。广东近年来出台了一系列加快建设创新驱动先行省的政策，推动大中型工业企业研发机构建设、发挥骨干企业的引领作用、强化上下游企业联合创新，以提高大中型工业企业的创新能力。相比之下，内蒙古、贵州、甘肃等8个省市的大中型工业企业技术创新效率均值均低于04，宁夏、新疆、青海的平均效率不到01，表明这些省市大中型工业企业技术创新效率还存在着较大的上升空间。

我国大中型工业企业技术创新效率总均值为0545 0，各省市自治区大中型工业企业的技术创新效率差异较大。广东大中型工业企业技术创新效率历年均值最高为0978 7，其次是上海，历年均值为0977 9，分别比总均值高了0433 7、0432 9，青海大中型工业企业技术创新效率历年均值最低为0029 8，比总均值低了0515 2。青海、新疆、宁夏、云南等是大中型工业企业技术创新效率较低的地区，主要是由于其地理位置相对偏远且缺乏高质量的高校、研究所，当地政府和企业很难通过产学研合作、优惠政策吸引大量的创新性技术人才，导致该地区大中型工业企业的科研人员投入不足;此外这些地区的技术水平低，经济发展较缓慢，使得固定资产的利用率低、缺乏足够的科技研发投入，从而制约了这些地区大中型工业企业技术创新效率的提高。相较而言，大中型工业企业技术创新效率较高的地区，如广东、上海、江苏等，其地理位置优越，经济发展较快，政府支持力度大且拥有较多产学研协同创新的机会，有利于创新型人才的培养和吸收，为大中型工业企业的科研经费投入和科研人员投入提供保障，从而推动该地区大中型工业企业技术创新效率的提升[13]。

根据表3可以看出2006-2015年全国各省市区大中型工业企业的技术创新效率在055上下波动，仍处于较低水平，近年来国家和政府不断加大大中型工业企业的创新投入，但并没有大幅度提升创新效率，创新人员的配置与固定资产的利用效率仍存在改进空间。就三个区域的大中型工业企业技术创新效率估计结果而言，考虑技术无效率因素的影响，三个区域的大中型工业企业技术创新效率均有逐年递增的趋势，但彼此之间有较大的差异。东部地区的大中型工业企业技术创新效率值在075上下波动，其中最大值近似等于08，最小值为0742 5;而中部、西部地区的大中型工业企业技术创新效率均值分别在053、032上下波动，其最大值分别为0555 6、0351 7，仍不及东部地区大中型工业企业技术创新效率的最小值。这与我国区域经济发展实际情况相符，由创新驱动的大中型工业企业高质量发展过程中出现诸多阻力，中西部地区一部分传统制造业在一段时间内仍是该地区的主导产业，技术创新升级、结构调整步履艰难，企业技术创新效率较低;反观东部地区，拥有较先进的技术水平、生产结构以及开放的管理模式，成为创新驱动区域经济发展的引领者，企业技术创新效率较高[14]。此外，技术创新能力不单单取决于单个企业，更与各企业之间以及创新环境之间有密切的联系，东部地区拥有良好的技术创新环境、高水平的研究机构和高等院校，为较高的创新效率提供保障。

四、对策建议

首先，我国三个区域的大中型工业企业技术创新效率差别较大，应根据各地区大中型工业企业的实际情况制定不同的优化措施。在区域创新发展布局上，制定创新引领战略，率先实现东部地区优化发展，进而推动中西部地区进行差异化和跨越式发展，加强区域间产业转移、技术扩散，发挥各地区自身优势。其次，政府应完善地区吸引人才的优惠政策，加大对大中型工业企业技术创新活动的投资力度，并在企业融资、财政税收方面给予更优惠的政策，弥补企业资金不足的缺口;在技术创新投资领域的选择方面，政府应结合市场发展偏好以及前沿技术知识，制定与国家创新发展战略相一致的投资方向，防止出现投资失误。最后，应加快产学研合作服务中介建设，为企业和高校、研究所之间搭建信息交流平台，使企业项目需求与学研机构研究成果有效对接，并为各方提供有关经济、法律的业务咨询，保障各方利益，培育出高质量的技术专业人才。

参考文献：

[1] Claudio CruzCázares，Cristina BayonaSáez，Teresa García  Marco.You Cant Manage Right What You Cant Measure Well： Technological Innovation Efficiency[J].Research Policy， 2013，42（6）：1 239-1 250.

[2] 易明，彭甲超，俞艳霞.我国高新技术产业技术创新效率评价及提升对策研究[J].宏观经济研究，2017（11）：60-68.

[3] 肖仁桥，钱丽，陈忠卫.中国高技术产业创新效率及其影响因素研究[J].管理科学，2012，25（5）：85-98.

[4] Kexin Bi，Ping Huang，Xiangxiang Wang.Innovation performance and influencing factors of low-carbon technological innovation under the global value chain： A case of Chinese manufacturing industry[J].Technological Forecasting and Social Change，2016（111）：275-284.

[5] 吳延兵. 用DEA方法评测知识生产中的技术效率与技术进步[J]. 数量经济技术经济研究， 2008（7）： 67-79.

[6] BH Hall，J Mairesse.Exploring the relationship between R&D and productivity in french manufacturing firms[J].Journal of Econometrics，1995，65 （1）：263-293.

[7] 向永辉，曹旭华.创新绩效角度的战略性新兴产业发展实证研究——以新能源产业为例[J].商业经济与管理，2014（3）：33-39.

[8] 余江，陈凯华.中国战略性新兴产业的技术创新现状与挑战——基于专利文献计量的角度[J].科学学研究，2012，30（5）：682-695.

[9]  张娜，杨秀云，李小光.我国高技术产业技术创新影响因素分析[J].经济问题探索，2015（1）：30-35.

[10]  I  Kim Wang， Russell Seidle.The degree of technological innovation： A demand heterogeneity perspective[J].Technological Forecasting and Social Change，2017（125）：166-177.

[11]  黄贤凤，武博，王建华.中国八大经济区工业企业技术创新效率及其影响因素研究[J].中国科技论坛，2013（8）：90-97.

[12]  陈伟，景锐，张慧泉，等.东北地区大中型工业企业技术创新效率评价——基于DEA-Malmquist指数方法[J].华东经济管理，2017，31（2）：66-71.

[13]  宋来胜，苏楠.开放式创新对我国技术创新效率影响的随机前沿分析——基于R&D经费外部支出视角[J].当代经济管理，2017，39（11）：31-37.

[14]  W Gu，TL Saaty，L Wei. Evaluating and Optimizing Technological Innovation Efficiency of Industrial Enterprises Based on Both Data and Judgments.International[J]. Journal of Information Technology & Decision Making， 2018， 17 （1）：9-43.

[责任编辑：范 君，李 丽]