中部六省创新效率测度及影响因素研究

朱 钰，杨 锋，张孝琪

(1.安徽工程大学 管理工程学院，安徽 芜湖 241000;2.中国科学技术大学 管理学院，安徽 合肥 230026)

中部地区承东启西、连接南北，具有重要的战略地位。近年来在国家中部崛起战略的推动下，中部地区加快发展，取得了一定的成果，这与从中央到地方重视技术创新投入是分不开的。然而，“高投入、高产出”与创新绩效并不是一个简单的线性关系[1]。越来越多的学者用创新效率来反映创新绩效水平，这里的创新效率是一个相对的指标，指的是保持投入不变的情况下，尽可能地增加产出；或者在保持产出不变的情况下，尽可能地减少投入[1-3]。促进中部地区发展本质上取决于中部地区创新效率的提升[3]，特别是当前，我国正处在经济转型升级、新旧动能转换的关键时期，只有依靠创新才能驱动发展，为供给侧结构性改革提供有力支撑。

研究区域创新效率，首先要对其进行科学地测评，学者们从省级行政区域、地理区域(如“中部”)以及某一特定地区(如“长江经济带”)等角度进行了评价[3-5]，但这些研究都是把区域创新系统当做一个“黑箱”，只从系统整体投入和产出的角度来进行测度，这样做的结果是既容易高估该区域的创新效率又难以找寻效率低下的根源[6]。有学者开始对区域创新系统中的三大创新主体高校、科研机构和企业的创新效率进行考察[7-8]，但没有放在一个整体系统内进行评价。

为了进一步考察影响创新效率值背后存在的深层次原因，学者们展开了对外部环境因素的分析。相关研究中，由于区域的差异和创新主体的不同导致各类结果均有发现。比如政府支持对区域整体和三大创新主体的效率有促进、抑制和有条件影响三种代表观点[9]。齐亚伟[7]的研究显示地区的经济环境对科研机构和企业的创新效率有显著的正向影响，但对高校创新效率的影响不显著。韩先锋[10]等的研究发现互联网发展水平对三大创新主体的效率虽然都有促进作用，但作用强度不同。

从研究方法上来看，随机前沿分析(Stochastic Frontier Analysis,SFA)和数据包络分析(Data Envelopment Analysis,DEA)都是比较常用的效率测度方法，后者不需要事先估计生产函数，能够较好地展开拓展，被广泛用于创新效率的评价研究中，但无法对影响效率的外部环境因素做进一步的分析[11]。为了解决这个问题，Tobin[12]提出了Tobit模型，将通过DEA测度出来的效率作为因变量，外界环境因素作为自变量，通过回归分析结果来判断环境因素对效率值具体的影响情况[13]。

基于此，研究将区域创新系统解构为高校、科研机构和企业三大主体进行创新活动的3个并列子系统，采用并联DEA模型测度中部六省的区域整体及三大主体的创新效率，在此基础上，利用Tobit回归模型实证分析外界环境因素对它们的影响。实证结果表明，考察期内，中部六省整体效率无一有效，主要原因是内部的创新子系统效率低下，此外，外界环境因素对创新主体的影响呈现出明显的差异性。

1 中部六省创新效率测度

1.1 并联模型的构建

根据现有文献和实地调查，将区域创新系统解构为3个并列的创新子系统A、B和C，如图1所示。其中XA+XB+XC=X,YA+YB+YC=Y，即每个子系统的投入之和等于系统总投入，相应地，系统总产出就是每个子系统的产出之和。如前所述，如果采用传统的CCR模型测度，由于只看到系统的总投入X和总产出Y，测算出来的效率值会有偏差。因此，基于杨峰[6]等和Kao[14]提出的并联结构DEA模型的思想对区域整体及创新主体效率进行评估，不同于之前的文献，这里的区域创新效率不是单独计算得出，而是考虑所有子系统，即当三大创新主体均为DEA有效时，该省际区域创新效率有效。

图1 区域创新系统并联结构图

(1)

(2)

(3)

(4)

1.2 指标体系与数据来源

在投入指标的选取上，绝大多数学者们都认可创新生产需要人才和资金的投入[4-5,7]，因此，研究选取研发人员全时当量和研发经费内部支出作为投入指标；产出指标方面，有学者从知识产出角度出发选择专利数据作为衡量指标，也有学者认为专利不足以反映创新成果的市场化水平因而选用新产品销售收入作为衡量指标[2,4]。但是区域创新过程作为一个复杂的生产系统，三大创新主体高校、科研机构和企业的产出成果形式不同，因此，越来越多的学者们采用多指标来测度效率值[7]。基于此，研究选取专利申请数和科技论文数作为高校和科研机构的产出指标；选取专利申请数和新产品销售收入作为企业的产出指标。数据来源于《中国科技统计年鉴》。此外，鉴于创新过程不能一蹴而就，已有文献大都认为在创新投入和产出的指标选取上需要考虑滞后期的问题，但在滞后期时间段的选取上，并无一个通用的标准[15]，基于文献回顾和简单的线性回归分析，研究选取了1年的滞后期，即投入指标为2011～2015年的数据，产出指标为2012～2016年的数据。

1.3 测度结果与分析

运用Matlab对式(1)和式(2)进行求解，测算出中部六省2011～2015年的区域整体及高校、科研机构和企业的创新效率，结果如表1所示。由表1可知，从整体来看，六个省份的区域整体效率在考察期内呈现出一个波动不稳定的情况，相邻年份有增有减。从三大创新主体来看，山西省的科研机构创新效率在2011～2015年是平稳有效的，安徽省和湖南省的企业创新效率在考察期内持续平稳有效，河南省的高校创新效率值在考察期内始终为1。除此之外，其余各主体的效率也呈现出波动的状态。为了更好地比较中部六省之间的差异，研究将各个省份的区域整体与三大创新主体的创新效率均值做了一个对比，结果如图2所示。从图2可知，中部六省在考察期内的区域整体创新效率无一达到有效，其中山西省最低，河南省次之；安徽省的区域整体效率最高。从创新主体来看，山西省的高校和企业的创新效率均值最低，导致其区域整体创新效率最低，江西省的三大创新主体效率虽然在考察期内无一为1，但每项效率值都高于六个省份的平均值，因此，该省的区域整体效率值仅次于安徽省，排名第二。

为了观察区域效率和三大创新主体效率之间的关联度，研究采用了相关性分析，结果如表2所示。由表2可知，高校效率、企业效率与区域效率高度正相关，表明中部六省的区域创新主要依靠高校和企业来完成。其中，企业效率的相关系数更大，说明它们是企业主导型，这也充分体现了“提升企业自主创新能力”是实现“创新驱动发展”的关键。科研机构的创新效率与区域整体效率在统计上无显著相关性，这也解释了前文中虽然山西省的科研机构效率在考察期内都为有效，但由于和区域整体效率显著正相关的高校、企业效率低下，所以山西省的区域整体效率排在最后。而科研机构与高校效率呈现负相关，从区域整体来说，高校和科研机构同属于创新主体，应该是互惠互利的合作关系。但是，由于二者研究经费主要来自于政府，又同样重视专利申请和论文发表等科研成果的产出，因此相互之间会存在“类似竞争”的关系。

图2 中部六省区域整体和三大主体创新效率比较

表1 中部六省区域整体及三大创新主体效率评价结果

表2 区域整体创新效率与三大创新主体效率相关性分析

注：*、**、***分别表示在10%、5%、1%水平上显著

2 创新环境对中部六省创新效率的影响

研究通过并联DEA测度了中部六省的区域整体和三大创新主体的效率，本部分将它们作为被解释变量，考察外界环境因素对它们的影响。

2.1 变量选取和数据来源

影响创新效率的环境因素众多，全部列举出来既无必要也不现实，基于现有文献和数据的可得性，研究选取以下几个指标作为解释变量：考虑到创新活动需要良好的知识产权制度来激励和保障，因此选取由国家知识产权发展研究中心发布的知识产权综合发展指数来表征知识产权发展水平，数据来源于《中国知识产权发展状况评价报告》。除此之外，地区的教育水平、信息化基础、政府对创新的支持力度以及经济环境也都是非常重要的环境影响因素[2,7,10]，研究选取教育支出占GDP的比重、万人国际互联网上网人数、科技支出占GDP的比重以及人均GDP作为度量指标，以上数据来自于《中国统计年鉴》和《中国区域创新能力监测报告》，有关变量的定义如表3所示。

2.2 实证结果与分析

采用面板数据的Tobit模型来分析上述各环境因素对中部六省区域整体以及三大创新主体效率的影响，结果如表4所示。由表4可以看出，知识产权综合发展指数越高，创新效率越高，但是对科研机构的影响在10%水平上呈现负相关，说明在一定程度上抑制了科研机构的创新效率，可能是因为科研机构主要面向应用研究，如果技术成果转让的细则条框过多，就会抑制科研人员的创新积极性。

表3 变量定义表

表4 环境影响因素回归结果

教育支出占当地GDP的比重这一变量对高校、企业和区域整体创新效率全部呈现正相关影响，且都在1%的水平下显著，证实了良好的教育环境能有效促进创新效率的提升。不过对科研机构而言，回归系数为负，但没有通过显著性检验，说明科研机构的创新效率与当地的教育环境之间的关系并不确定。

信息基础环境对中部地区的整体创新和企业创新效率都呈现负相关，且分别在10%和5%的水平下显著。一方面中部地区的信息基础设施还在不断地完善建设中，另一方面，相对于东部来说，中部地区的企业吸收能力不足，网络应用意识不强，没有利用信息化达到提高创新效率的目的。此外，高校面向基础研究，信息环境在达到必要的配置后，对基础研究创新效率的促进效应就不明显了，但对面向应用研究的科研机构创新效率仍有显著的促进作用。

政府支持对区域整体、科研机构和企业的创新效率影响均未通过显著性检验，而对高校创新效率的影响在1%水平上显著为负。直接财政上的支持主要是通过增加创新要素投入来激发创新生产，由此可见并不能提高创新效率，甚至对高校的创新效率还产生了负作用。政府应该考虑采取其他的支持措施。

人均GDP对区域整体和高校效率的影响系数为正，但都没有通过显著性检验，说明经济环境对这两项创新效率的推动作用暂未表现出来。人均GDP对企业的影响在1%水平上显著为正，企业的创新投入主要来源于自身和市场，因此地区经济环境越好，企业越容易获得资金。科研机构与市场打交道较多，是市场主体之一，同时研究的科研机构是国有机构也是公益主体，双重主体让科研机构一方面能从政府处获得资金，另一方面能从市场上获得资源，容易产生冗余，这也解释了人均GDP对科研机构的影响在5%的水平下显著为负。

3 结论

研究运用并联DEA模型测度了中部六省的区域整体、高校、科研机构和企业的创新效率，在此基础上采用Tobit回归模型，考察了外界环境因素对区域创新和创新主体绩效的影响。实证结果表明，在考察期内，中部六省的区域整体效率均未达到有效，相邻年份的效率值有增有减，波动性较大，不同于现有文献只关注区域整体效率，研究打开区域创新系统“黑箱”，发现整体效率未达到有效的原因是区域内至少有一个创新主体效率不高。因此，各省应结合自身实际情况，有针对性地加强引导效率低下的创新主体提高自身效率。此外，通过面板Tobit模型考察了知识产权发展水平、教育环境、信息基础环境、经济环境和政府的财政支持等环境因素对创新效率的影响，发现存在明显的异质性。

基于前述研究结果和分析，研究提出政策建议：在坚决贯彻国家创新发展战略的前提下，充分结合中部创新发展的水平和特点，认识到高校、科研机构和企业不同的特性，积极探索创新支持模式，使“帮扶”能够真正落到实处。提升知识产权管理能力和水平，于法周延，于事简便，完善知识产权服务体系，避免过多的行政干预。加大信息基础设施建设，提高互联网使用普及率，政府可以携手信息网络服务企业，对传统企业开展市场教育，帮助企业从内部信息化改造到外部网络营销推广等方面提供必要的信息技术培训。