长江经济带工业企业技术创新效率研究
2019-12-18罗芳王远卓
罗芳 王远卓
摘 要：长江经济带是中国经济总量最大，腹地最广阔的经济区，创新资源富集，以创新驱动促进长江经济带产业转型升级是国家重要战略部署，因而对其区域创新效率的研究意义重大。文章首先基于永续盘存法，对2008—2017年长江经济带规模以上工业企业的研发资本存量进行测算，然后在此基础上通过数据包络分析技术，分别从时间、空間的维度对长江经济带工业技术创新效率进行考察，还区分了纯技术效率与规模效率，从而探究制约长江经济带工业技术创新效率提升的主要因素，并提出相应对策。
关 键 词：技术创新效率;永续盘存法;DEA-Malmquist指数模型;DEA-BCC模型
DOI：10.16315/j.stm.2019.06.008
中图分类号： F 224.9
文献标志码： A
Research on technological innovation efficiency of industrial
enterprises in Yangtze River Economic Belt
LUO Fang， WANG Yuan-zhuo
（Business School， University of Shanghai for Science and Technology， Shanghai 200093， China）
Abstract：The Yangtze River Economic Belt is Chinas largest economic aggregate， the vastest economic zone in the hinterland， the accumulation of innovative resources， and the promotion of industrial transformation and upgrading of the Yangtze River Economic Belt by innovation is an important strategic deployment of the country. Firstly， based on the perpetual inventory method， the paper calculates the R&D capital stock of industrial enterprises above designated size in the 2008—2017 Yangtze River Economic Belt， and then based on the data envelopment analyses technology， the Yangtze River Economic Belt from the time and space dimensions. The paper investigates the efficiency of industrial technology innovation， and also distinguishes the pure technical efficiency and scale efficiency， so as to explore the main factors that restrict the efficiency of industrial technology innovation in the Yangtze River Economic Belt， and propose corresponding countermeasures.
Keywords：efficiency of industrial technological innovation; perpetual inventory method;DEA-Malmquist index; DEA-BCC model
“十九大”报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略撑。到2035年，我国要跻身创新型国家前列，而企业作为建设创新型国家的主体和生力军，是推进创新驱动发展战略的重要基础力量。而随着技术创新投入要素的不断增长，技术创新效率也成为企业乃至区域发展日益关切的问题。
长江经济带作为中国总量最大经济区，其11个省（市）国土面积超过全国1/5，但根据统计年鉴数据显示，截至2017年其GDP总量却占全国 44.98%。与此同时，长江经济带域内还集聚了大量创新资源，囊括全国 1/3 的高等院校和科研机构，拥有全国一半左右的两院院士和科技人员，各类国家级创新平台超过500家，研发经费支出、有效发明专利数、新产品销售收入占全国比重分别为43.9%、44.3%、50% [1]，在国家战略定位中扮演着引领全国转型发展的创新驱动带以及东中西互动合作的协调发展带的重要角色。
在此背景下，观测长江经济带规模以上工业企业技术创新效率变动，对于指导区域经济发展则具有重要战略价值。因此，本文将对长江经济带不同地区创新要素利用情况进行静态、动态的考察，分析各地区创新效率的发展态势，从而在此基础上为促进长江经济带工业技术创效率增长提出合理建议。
1 文献综述
随着近年来创新驱动发展上升为国家战略，区域企业技术创新效率问题也成为了国内研究热点，探讨的主要焦点集中创新效率的影响因素探究与创新效率评价2个方面上。对于创新的概念，1912年熊彼得较早提出：创新是对生产要素的优化配置，同时以企业是推动高技术产业优化升级核心主体。特别在创新驱动的社会背景下，不仅要加大创新资源投入，同时也要注重资源投入的效率。进一步的，1957年Farre定义了技术效率：技术效率是指按照既定的要素投入比例，生产一定量产品所需要的最小成本和实际成本的百分比。换言之，研究技术创新效率即是探究在创新资源持续投入过程中的转化率，创新资源投入的边界与最优配置，以及影响技术创新效率变动的主要因素。
通过文献梳理发现，在区域于创新能力与各因素之间关联性方面的探索，国内外均已形成了较为成熟的理论。从企业宏观视角来看，企业创新能力的主要关联要素有行业发展能力、创新意识、创新资源配置、企业战略管理能力等[2];从企业微观视角来看，又可分为内部因素与外部因素。其中，内部因素最重要的当属企业技术水平以及人力资本，富集这类要素的大型企业往往创新能力更强。外部因素较为复杂，包括地区金融环境稳定性、外商投资强度、政府支持程度、企业与高校联系程度等 [3-4]。另外，人力资本、企业创新投入密度、资本开放水平等因素对区域内、外的技术创新分别有着不同程度的影响[5]。而在研究众多创新影响因素的基础上，学者们又进一步对各区域创新技术效率进行了评价[6-7]：
目前评测效率的方法主要有参数法和非参数法2大类别：参数法以随机前沿分析为代表，该方法的优点是具有坚实的经济理论基础，可以清晰描述生产的过程。例如：韩兆洲等[8]根据随机前沿模型（SFA）以2011—2015年中国31个省、市、自治区以及工业38个行业为样本测算了中国区域专利产出效率以及产业创新效率，研究表明中国各产业创新效率平稳增长，而进一步提升专利产出和产业创新效率需重点从制度、服务、人力资本投入、专利成果转化等方面切入。陈红军等[9]结合投影寻踪模型构建了效评测创新效率的随机前沿改进模型，实证发现创新人力资源要素产出弹性高于创新财力资源，创新人力资源要素对创新产出呈正“U”型关系。这些研究较为详尽的揭示了创新效率与要素间的关系，但其缺点是需要事先设置生产函数的形式，如果误设了生产函数，结果便会出现较为严重的偏差;非参数法则以数据包络分析为代表，该方法基于线性规划理念来测度效率，因而无需设定生产函数的具体形式，避免了主观设定生产函数的影响，且能够处理多投入多产出条件下的效率度量。例如：朱爱辉等[10]基于DEA模型，选取资金与人员作为投入指标，新产品产值、新产品销售收入、专利申请数作为产出指标，对湖南装备制造业的技术创新效率进行了有效测量;陈伟
等[11]运用DEA-Malmquist指数方法，从不同维度实证分析了东北地区大中型工业企业的技术创新效率及其变化情况;冯智雨等[12]结合DEA方法与Tobit回归对辽宁省的创新效率进行评估并进行影响因素分析。值得注意的是，在众多的数据包络法分析文章中，鲜有同时聚焦了长江经济带与工业领域，关于长江经济带全域工业技术创新效率及其协同策略的研究较为匮乏。另外，传统研究中由于数据难以获取往往仅用当年R&D投入作为科研的物质资本投入，严重忽视了R&D作为一项固定资产的累积特性，从而影响实验结果：董登珍等[13]构建以R&D资本存量作为创新投入变量的省级技术创新指标体系，研究中发现前期的R&D资本投入对于当期技术创新活动具有显著影响。白俊红等[14]在关于区域创新协同的研究中同样通过永续盘存法测算了中国30个省的研发资本存量作为投入要素。
综上所述，本文将通过永续盘存法测算长江经济带域内各省级行政区2008—2018年R&D资本存量以作为投入指标之一，并基于DEA-BCC模型考察长江经济带各省级行政区内规模以上工业企业创新效率，通过创新效率指数分解进一步分析造成各区域创新效率的差异的原因，并在此基础上运营，DEA-Malmquist指数模型对各时期创新效率进行动态观察，最终对长江经济带域内创新效率的增长提出针对性的建议。
2 研究方法
本文的考察范围划定在长江经济带所囊括的11个省级行政区，包括上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11省市，并以各省级行政区为界收集规模以上工业企业创新数据，考察期限为2008年初至2017年末。
考虑DEA模型特点，输入指标要求各输入输出指标间具有较强的独立性，因此输入与输出指标的数量不宜过多。投入方面，众多研究将规模以上工业企业的当年R&D经费，R&D人员当量、新产品研发经费作为核心指标，但考虑到一方面现实情况中R&D经费的支出用途广泛，包括人员引进与投入研发、技术引进的消化与吸收、科研设备的购买与投入使用都需要一定时间沉淀，才能真正转化为创新实力;另一方面企业的科研创新工作除了当年投入外，前期投入累积也是重要的影响因素，因此用規模以上工业企业的当年R&D资本存量代替当年R&D经费投入衡量企业当年创新实力更为客观合理，后文将详细介绍R&D资本存量的计算方法。在产出方面，专利是比较常见的输出指标综上，但考虑工业企业不同于高校以及科研机构，在企业中盈利才是创新的持续动力，因此加入新产品的销售收入作为创新产出指标。综上，本文将选取历年规模以上工业企业R&D资本存量、规模以上工业企业新产品研发金发投入、规模以上工业企业R&D人员当量作为投入指标;规模以上工业企业成功申请有效专利数和规模以上工业企业新产品销售收入作为产出指标。原始数据主要来源于国泰安企业创新数据库，并重点参考了《中国统计年鉴》、《中国科技年鉴》以及各省区统计年鉴，下文将对区域工业创新效率的测度方法展开介绍。
2.1 数据处理
本文采用永续盘存法分别对上海、江苏、浙江、安徽的R&D资本存量进行核算，方法原理如下所示：
Kit=（1-δ）×Ki（t-1）+Ei（t-1）。 （1）
Ki0=Ei0/（g+δ）。 （2）
其中：Kit表示i区域第t期的当期R&D资本存量;g为实际R&D经费支出的几何平均增长率;δ为折旧率，显然不同属性的固定资产具有不同的折旧率，国际上通常认为R&D的资本折旧率会高于普通固定资产但并未形成统一标准，江永宏等通过比较各国R&D资产折旧率研究，指出我国R&D高达20.6%。该折旧率后来也被运用于我国的R&D改革方法实践中，因此本文统一选用20.6%作为长三角区域的折旧率。Ei（t-1）为i区域第t-1期的R&D经费支出。
首先，基期资本存量是在假设R&D资本存量增长率与实际R&D经费增长率一致的基础上，通过式（2）进行估算。然后构造R&D支出价格指数=0.55×居民消费价格指数+0.45×固定资产投资价格指数，对各期的名义金额进行平减处理。考虑新产品研发实际包含再本期R&D经费中，该价格指数在本文中也用于处理新产品研发经费投入。最后，对于新产品销售收入数据，本文利用各省会历年居民消费价格指数作平减处理。
2.2 模型概述
2.2.1 区域工业创新效率的静态测算——DEA-BCC模型
本文采用规模报酬可变的DEA-BCC模型测算区域内规模以上工业企业在特定时间内静态的综合创新效率，还可被进一步分解为纯技术效率以及规模效益，其中纯技术效率是企业由于管理和技术水平等因素影响的创新效率，而规模效率则是企业资源配置以及资源投入规模因素影响的创新效率。当综合技术效率达到1时，说明企业的技术创新效率达到了当前各区域中的最优状态。
假设有n个决策单元，每个决策单元都有m种的投入变量x1j，x2j，…，xmj和s种的产出变量y1j，y2j，…，ysj，且∑λi=1满足的约束条件，其中λj≥0，j=1，2，…，n，如式（3）所示。
2.2.2 区域工业创新效率的动态测算——DEA-Malmquist指数方法
对于区域规模以上工业企业创新效率的演变特征，本文通过Malmquist指数进行观测。该方法不仅可以直接对创新效率的变化进行测度，还可以将引起这种变化的因素分解为技术效率变动以及技术进步。即Malmquist指数=技术进步×技术效率变动=技术进步×纯技术效率变动×规模效益。模型中y为区域技术协同创新产出，x为区域技术协同创新投入，d为距离函数，t和t+1代表时期。当指数大于1表示相应效率的改进，而小于1则表示相应效率退步具体模型如下：
3 实证分析
3.1 长江经济带规模以上工业企业静态技术创新效率测度
基于DEA-BCC模型，通过DEAP软件运算得到2017年度长江经济带规模以上工业企业技术创新效率的指标，如表1所示。
长江经济带沿线各区域的综合技术创新效率差异较大，总体上呈现出沿长江经济带向下逐步降低的趋势，如图2所示。其中，上海是目前工业技术创新效率最高的省级行政区，其各项指标均达到了现阶段长江经济带DEA有效状态，以此为参照，分别有浙江、安徽、湖南、四川、贵州5省份达到了与上海相当的纯技术效率最优状态，一定程度上说明这些省份在工业企业技术与管理水平方面达到DEA有效。但在规模效率方面，长江经济带域内除上海外所有区域均未达到DEA有效状态，结合目前各地规模报酬现状——长江经济带域内省或直辖市除云南以外均已进入创新要素投入规模报酬递减的阶段，尤其是R&D资本存量较高的长三角地区如江苏，要素的投入配置亟需优化，未来规模效率的优化也将成为工业企业创新效率提升的重要突破口。
进一步解析各区域工业企业综合技术创新效率差异的主导因素，可分为规模效率欠缺型如江苏、安徽、四川、贵州等;还有技术效率欠缺型如江西、湖北、云南等。因此长江经济带工业技术创新效率的提升要因地制宜，紧抓影响效率的主要因素阶段性地进行战略调整，这对于区域技术创新发展战略有着重要的指导意义：仅从纯技术效率看，江苏省达到了0.954，十分接近最优状态，但由于其规模效率仅为0.753，严重影响了最终的综合创新效率。这一方面说明江苏省技术创新效率排名较低的主要原因是资源配置不合理，要素的投入比例亟待调整;另一方面也反映出江苏省作为长江经济带工业R&D资本存量最高省份所蕴含的巨大创新潜力。仅从规模效率来看，云南排名较高，但综合效率排名末尾，主要是由于纯技术效率的严重欠缺，结合文测算的投入数据，发现云南省工业企业技术创新的物质底蕴严重不足，域内大型工业企业亟需加大其R&D投资以提升其纯技术效率。
3.2 长江经济带规模以上工业企业动态技术创新效率测度
基于DEA-Malmquist指数模型，可通过DEAP软件运算得到2008—2017年长江经济带域内规模以上工业企业技术创新效率动态变化。
从长江经济带全域来看，2008—2009年是所有年份中唯一创新效率出现负增长的年份，数据显示该年度的技术创新衰退主要是由于规模效率低下引起。2009—2017年长江经济带规模以上工业企业整体技术创新M指数均大于1，平均值达到1.078，说明长江经济带规模以上工业企业技术创新效率平均以每年7.8%的比率增长，技术创新效率总体呈逐年上升趨势。工业企业技术创新效率自2013进入快速增长期，截止2016年增速均达到10%以上，但2016—2017年间的增速明显放缓，仅达到1.2%，如表2所示。
进一步对长江经济带域内省会的工业企业创新效率动态变化进行解析，如表3所示。从整个观察时期Malmquist效率指数平均值均不小于1，长江经济带域内创新效率持续提升。其中，贵州、云南、安徽的Malmquist效率指数分别较上海高出10.24%、6.24%、4.56%，说明地区技术协同创新效率增长速度与区域创新效率出现分化趋势，一定程度上也反映了地区技术创新的不平衡问题在长江经济带内得到逐步缓解。即各省市的技术协同创新效率出现增长，但对Malmquist效率指数进一步分解，各区域创新效率的提升存在差异。
长江经济带上游的四川、贵州地区工业技术创新效率变化情况较为健康，其中，四川省从技术进步到规模效率在上游域内均排名靠前，Malmquist效率指数达到1.141，是整个长江经济带内工业企业技术创新效率增长幅度第二的地区。根据前文静态分析结果，重庆创新效率排名较高，但动态测算结果却相反，其Malmquist效率指数均值仅1.001，创新效率近年来几乎没有变化。而云南的问题则更为突出，规模效率与技术效率均出现退步，仅通过技术进步维持效率增长;长江经济带中游域内，江西、湖北、湖南的Malmquist效率指数均值略低于全国水平，但在创新资源的配给效率上足够重视，年均增速普遍高于全国平均，究其原因还是创新资源的投入量不足，技术进步较慢;长江经济带下游省会及直辖市（即长三角地区）的纯技术创新效率均值为1，Malmquist效率指数主要由技术水平进步所拉动，说明该区域工业技术创新十分依赖于R&D的大量投入，在创新资源投入的管理效率，变现能力以及资源的配比等方面进步缓慢，因此技术效率与规模效率也平均增长也较小。目前主要是依赖于技术创新资源的投入单头拉动，现阶段实现长效稳健的增长应重点在优化资源匹配模式上发力，实现规模与效益的匹配。
而纵观各发展阶段，长江经济带沿线区域各省市的技术协同创新Malmquist效率指数普遍大于1，仅湖南省与重庆市由于技术进步指标较低出现小于1的情况，说明其技术进步率出现了下降，但总体来说各省市的技术创新效率处于上升的状态：2008—2011年，Malmquist效率指数均值受规模效率所限仅达到1.072，其中，以靠近中部地区的湖南与安徽为最，分别较上海高出10.2%与12.0%。同时，纯技术效率增速仅0.5%，因此整体呈现出由技术进步拉动创新效率增长的趋势，而这一情况在2011—2014年得到了明显改善，规模效率平均增速由负转正达到了1.3%，Malmquist效率指数平均值也上升到了1.085，这主要是由江苏、浙江、江西、贵州的规模效率提升所致，基本涵盖了长江经济带上、中、下三域，说明创新资源投入、管理效率在长江经济带域内得到了普遍提升。随着创新资本的不断投入与累积，2014—2017年创新要速的规模效率也再次出现瓶颈，整体出现停滞状态，其中R&D资本存量最高的江苏省还出现了规模效率负增长，长江经济带全域Malmquist效率指数从1.085回落至1.078。
4 结论与建议
通过实证分析，本文得出了以下主要结论以及政策建议：
1）静态的角度来看，各省会工业技术创新效率差异存在不同的主要矛盾，主要可分为规模效率欠缺型如江苏、安徽、四川、贵州等地和技术效率欠缺型江西、湖北、云南等地。因此，现阶段长江经济带工业技术创新效率的提升需要因地制宜，江西、湖北、云南需要在技术效率上重点发力，完善技术创新市场体系，加强技术创新市场监管，加强知识产权保护力度，激发技术创新，市场主体的活力，探索产学研多主体知识产权共赢机制从而充分释放技术效率。而江苏、安徽、湖南、四川、贵州等地则需要重点探索更高校创新资源分配机制，如借助互联网贡献平台，实现创新资源的跨区域、跨主体多层级交互，同时制定弹性人才政策，促进科研人才在各区域、各单位依据需求高效流动。
2）动态的视角来看，长江经济带上、中、下流域各省级行政区创新效率增幅参差不齐，上游创新协同能力亟需提升。长江经济带域内，上游区域（四川、重庆、贵州、云南）创新效率增速最为不均衡，四川与贵州发展较为健康，重庆效率停滞不前，而云南效率增长远落后于其他三省。一定程度上反应了该区域创新协同水平较差，大中型工业企业应大力推进资源联动机制，如企业跨区域与各地高校、政府、企业对接，通过合作提升创新活动的协同性;中游区域企业（湖南、湖北、江西）创新效率增长显著，但技术进步不足，应在加大研发投入的同时优先对外引入创新龙头企业与人才;下游区域（上海、江苏、浙江、安徽）虽效率提升较快，但过于依赖大量投资带来的技术提升，目前规模与技术效率都接近瓶颈期，应视情况制定适应性增长战略，适当向中、上游区域转出相对落后产能，为高创新性资源的注入腾出空间，从而提升总体效率。
3）总体上来看，长江经济带沿线各区域的综合技术创新效率差异较大，呈现出沿长江经济带向下逐步降低的趋势，同时，长江经济带域内省或直辖市除云南以外均已进入创新要素投入规模报酬递减的阶段，规模效率的优化愈发成为创新效率提升的重要突破口。
从整个长江经济带的协同来看，长三角地区产业应腾笼换鸟，逐步向西南地区转出产业链中相对低端的工业企业，为该地区高质量的企业入驻腾出资源空间，逐步实现工业上的产业升级，同时为落后地区工业发展提供原始的积累。鼓励诸如云南、贵州等人力、土地成本较低的地区筑巢引凤，依据自身工业产业发展需求打造各类产业园，工业基地，补贴企业入驻。实现长江经济带全域内工业发展上的协同互补，减少资源冗余与错配，提升规模效率，缓解规模报酬递减趋势。
参考文献：
[1]《长江经济带创新驱动产业转型升级方案》[2016]440号.
[2]CHEN S，GOLLEY J.‘Green productivity growth in Chinas industrial economy[J].Energy Economics，2014，44：89.
[3]SHI X，WU Y.The effect of internal and external factors on innovative behaviour of Chinese manufacturing firms[J].China Economic Review，2017，46（Supplement）：50.
[4]谭俊涛，张平宇，李静.中国区域创新绩效时空演变特征及其影响因素研究[J].地理科学，2016，36（1）：39.
[5]崔志新，陈耀.区域技术创新协同的影响因素研究：基于京津冀和长三角区域面板数据的实证分析[J].经济与管理，2019，33（3）：1.
[6]LI L， LIU B， LIU W， et al. Efficiency evaluation of the regional high-tech industry in China： a new framework based on meta-frontier dynamic DEA analysis[J].Socio-Economic Planning Sciences，2017，60：24.
[7]LEE J， KIM C， CHOI G， et al. Exploring data envelopment analysis for measuring collaborated innovation efficiency of small and medium-sized enterprises in Korea[J].European Journal of Operational Research，2019，278（2）：533.
[8]韩兆洲，程学伟.中国区域专利产出与产业创新效率研究[J].产经评论，2018，9（3）：75.
[9]陈红军，谢富纪.中国三大都市圈创新资源配置效率影响因素研究[J].上海管理科学，2018，40（2）：1.
[10]朱爱辉，陈富民.基于DEA模型的湖南装备制造业技术创新效率研究[J].科技与管理，2015，17（1）：85.
[11]陳伟，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.
[12]冯智雨，戴万亮.辽宁省创新效率评估与创新驱动路径研究：基于DEA-Tobit模型[J].科技与管理，2017，19（5）：16.
[13]董登珍，林晓霞，龚明.湖北省技术创新效率评价：基于研发资本存量角度[J].科技管理研究，2018，38（16）：81.
[14]白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015，50（7）：174.
[编辑：费 婷]
收稿日期： 2019-09-14
作者简介： 罗 芳（1964—），女，教授，博士;
王远卓（1995—），男，硕士研究生.
