中国制造业研发投入与产出效率的差异性研究

2020-03-17

福建质量管理 2020年6期

(兰州财经大学甘肃兰州 730020)

一、引言

党的十八大以来，国家高度重视推动实体经济尤其是制造业的转型升级，制定了《中国制造业发展纲要(2015-2025)》等一系列规划，为我国制造业发展指明了方向。但目前来看，我国科技创新能力并不突出。主要原因有：发明专利数量太少；科学研究质量不高；核心技术自给率低；科技研发投入严重不足；相关科技人才不够。我国研发投入逐年增加但产出效率增长不明显。

基于以上几点，同时考虑数据的可获取性，本文以研发投入产出效率低下为研究背景，以高技术产业和传统制造业业为研究对象，分析研发投入对其产出效率影响，探讨不同产业研发投入对其效率影响的差异性。

二、文献综述

Hu等(2003)利用中国北京地区大中型工业企业的相关数据，针对研发投入对企业价值产生的影响进行了探究。并且得出下述结论：研发投入确实显著影响了企业价值，显著程度在不同产业之间的差异明显。谢小芳等(2009)指出，消费者对于企业的研发投入价值持有认可的态度，除此之外，对于其所产生的市场效果，较之于非高新技术产业来说，高新技术产业在毛利率这一指标上有着更好的表现，由此也就表明在这一产业有着更好的消费者认同度。但也有学者不认同这一结论，例如陈修德等(2011)认为研发技术创新活动在促进企业价值增长的作用方面并无明显的产业特质，高新技术企业在将知识技术转化成企业价值的效率上并不具有显著的优势。

在研发投入绩效评价的方法运用上,许多学者尝试使用了多种手段,Lee.H，Park.Y(2005)采用DEA方法对R&D活动效率展开国际比较；Eric C.Wang(2007)在确定指标体系和数据后,则运用随机前沿方法评价了R&D活动的相对效率。

研发投入的增加对企业效率有明显的促进作用，对高新技术企业绩效增加的效果尤为突出。为了研究研发投入对产出是否有促进作用，不同行业间促进作用是否不同，本文把制造业下细分的31个制造业作为研究对象，分别用DEA超效率评价模型做实证分析。并对比不同产业对研发投入的敏感性。

三、研发产出效率实证分析

本文的研究首先，选用了考虑非期望产出的超效率SBM模型，在SBM模型的基础上构建的超效率SBM模型。其次，根据制造业细分产业2015年面板数据，对效率做排名，比较31个不同产业研发产出效率的差异。

构建模型在选择DMU时，以《工业企业科技活动统计年鉴》中制造业细分产业作为样本。研发经费内部支出和研发人员折合全时当量来反映研发投入指标；选取的产出指标包括新产品销售收入、有效发明专利数，还有非期望产出指标：创新损耗。

表1 投入指标和产出指标汇总

根据2015年数据运用超效率SBM模型，反映了2015年各制造业行业的规模不变(CRS)情况下效率值和排名，展示了31个行业各综合技术效率值，从综合技术效率值可以判断该行业是否处于DEA有效状态。并再次进行模型计算，根据得出各变量的松弛量，对于无效 DMU，表示改进方法是减少投入或增加产出。

四、结论及建议

根据运行结果分析，烟草制造业、汽车制造业、计算机、通信和其他电子设备制造业的效率值在不考虑非期望产出后有所上升，可以看出非期望产出对这几个行业的整体综合技术效率值的影响较大，创新损耗造成了它们整体效率的损失。根据各制造业产业数据的松弛变量便可分析出效率较低的产业各指标的改进方向，所以，对松弛变量的分析为管理者提供了具有针对性的提高产业投入产出效率的参考基础。

非期望产出对整体综合技术效率值的影响较大。因此，如何控制创新损耗的产生，降低创新损耗是提高制造业产出效率的一个重要途径。制造业应该合理利用研发投入，通过整合资源配置，提高专利申请通过率、降低新产品研发费用等措施来提高创新绩效，提升制造业的盈利能力。