战略性新兴产业创新价值链效率研究

张冀新，李燕红

（湖北工业大学经济与管理学院，湖北武汉 430068）

战略性新兴产业代表全球价值链技术变革和产业转型升级方向，是实施创新驱动战略、提升城市创新能力的重要途径。通过积极培育和发展战略性新兴产业，弱化区域创新差距。创新资源丰富的中心城市，作为战略性新兴产业策源地，应充分发挥辐射带动作用，支撑技术研发创新，加快创新成果向全国转移扩散，形成优势互补、协同发展、资源共享的战略性新兴产业发展局势［1］。与一般城市相比，副省级城市综合竞争力较强，资源和政策优势明显，在区域经济以及社会发展中具有带动作用，例如2018 年深圳市战略性新兴产业增加值达到9 150 亿元，占GDP 比重达37%。依托战略性新兴产业带动和创新驱动，副省级及以上城市快速发展，但创新资源要素分布不均衡，创新层级和全球价值链位置有待提升［2］。

区域创新主体通过“四三结构”模型，优化配置区域内创新资源要素，提升区域创新效率。从创新主体、创新投入、创新内容、创新产出四个层面，设计城市群“四三结构”创新体系［3］。通过“四三结构”模型运行机理，为国家高新区创新系统维护和政策制定提供依据［4］。构建自主创新力、投入产出力、关系管理力、环境支撑力“四力”指标体系，评价国家重点实验室协同创新能力［5］。

将创新体系创新价值实现过程进行分解，划分出若干相互衔接的阶段，形成知识创造（创新）、技术创新（或研发创新）、成果转化（或产品创新）三阶段创新价值链［6］，如表1 所示。也有学者将创新价值链创新过程分解为技术开发和技术转化两阶段［7-8］。采用参数方法（随机前沿分析法SFA）和非参数方法（数据包络分析模型DEA），测度创新价值链各环节创新效率和创新极化效应［9-12］。SFA是基于面板数据的计量经济方法，可进行模型参数检验，选择最优模型。

表1 创新价值链各环节研究方法

国内学者以区域创新为导向，划分创新价值链各阶段区域，产业创新价值链各个环节分析较少。鉴于指标可操作性和数据可获得性，选取“四三结构”创新模型，将战略性新兴产业创新价值链分为研发创新、成果转化、产品创新三个环节，分别考察产业创新各环节创新效率，分析各环节创新投入产出差异性以及空间极化效应。通过测度战略性新兴产业创新价值链各环节创新效率差异，判别创新效率低、极化效应高的环节，为区域战略性新兴产业均衡发展提供政策建议。

1 创新价值链构建

1.1 “四三结构”创新体系

区域创新是形成区域竞争力和竞争优势的重要因素，推动区域科技进步和经济社会发展。在经济转型和产业结构升级背景下，创新驱动是源动力。如何提高区域创新效率、降低创新成本，整合创新要素，提高区域整体创新水平，成为研究重点［19］。但区域创新是复杂活动或过程，受到多种因素影响，具有不确定性和非线性［20］，投入较多创新资源要素并不会导致创新输出同比扩大。

区域战略性新兴产业创新体系有3 个层次：双重导向、三项环节、四类转化，即研发创新源头推动、产品创新协同扩展的“新兴化”导向，转化创新溢出转换、载体创新支撑辐射的“战略性”导向；研发创新-成果转化-产品创新三项环节，构成完整的价值链；研发创新的载体支撑、载体创新的转化渠道、转化创新的产品升级、产品创新的研发推动等四类转化关系，推动创新价值链均衡传导。区域战略性新兴产业创新的“四三结构”是一个完整的创新体系，各模块相互促进、协同发展，如图1 所示。“四三结构”模型已应用于城市群创新体系［21］、省域创新发展阶段识别等研究［22］，具有较好的适用性。

图1 区域战略性新兴产业“四三结构”创新模型

1.2 “四三结构”导向的创新价值链

创新是持续、系统、动态过程，创新主体通过创新实现价值创造增值和转移，创新价值链是“创新+价值链”的结合［23］。基于区域创新“四三结构”模型，分析研究创新价值链各环节，测度战略性新兴产业研发创新、成果转化、产品创新效率，避免创新投入结构偏向，提升创新效率较低的环节，促进各环节相互关联、相互促进，发挥创新价值链协同效应。创新价值链是对创新过程多环节分解，也是创新要素投入至创新产品产出的价值转移过程。在创新价值链的各环节中，创新优势动态演进。战略性新兴产业创新价值链可分解为：前端基础研究的研发创新环节，中端技术成果应用的成果转化环节，后端价值增值转移的产品创新环节。战略性新兴产业依托创新价值链，与“四三结构”创新体系协同对接，如图2 所示。

低端模仿、模仿创新、改进创新、自主创新是创新阶段不同形式，其中自主创新从源头进行创新，强调获得关键核心技术和知识产权。通过集聚资源要素、扩散知识、协同发展、优化创新能力，实现战略性新兴产业跨越式发展。将战略性新兴产业创新价值链划分为研发创新、成果转化、产品创新，对接“四三结构”创新模式，以投入产出导向，发挥多主体对创新价值链的协同推动作用，实现战略性新兴产业高端、高效、高新。

图2 战略性新兴产业创新价值链与“四三结构”对接

2 研究方法

2.1 随机前沿分析方法

创新效率测度方法，多采用随机前沿模型（SFA）和数据包络分析（DEA）。利用DEA 和SFA 分别测度30 个省市研发创新效率，两组效率值存在明显差异，但SFA 测算结果较为稳定［24］，区域生产效率SFA 值更为稳定［25］。与DEA 方法相比，SFA 方法利用生产函数构造生产前沿面，采用技术无效率项的条件期望作为技术效率，测算结果较为可靠稳定。SFA 方法不仅可以对模型参数进行测度，还可以对模型自身进行检验［26］。综合比较，本文采用随机前沿分析模型，选取2013—2018 年副省级及以上城市的战略性新兴产业相关数据为研究样本，测度19个城市（15 个副省级城市，4 个直辖市）战略性新兴产业创新价值链3 个环节的创新效率。

2.2 非均衡差异测度方法

区域经济发展不均衡进一步强化战略性新兴产业创新资源的失衡，为更好反映创新价值链的非均衡，本文选择泰尔指数测度城市战略性新兴产业创新价值链各环节的非均衡差异变化趋势，泰尔指数公式如（3）所示:

泰尔指数将区域差异分解为区域内和区域间差异，如公式（4）和（5）所示：

2.3 变量选取及数据来源

根据创新价值链模型，战略性新兴产业创新活动分为3 个环节：研发创新、成果转化、产品创新，3 个环节依次传导，相互促进，前一环节的产出可作为下一环节的投入，进而构成一个完整的价值链。各环节指标选取，如表2 所示。

表2 创新价值链各环节的投入产出指标

（1）研发创新环节。选取R&D 经费、R&D 人员作为投入变量，专利申请量作为产出变量。专利反映创新资源要素产出，且易获取、具有可比性。专利授权量会随专利审核进度而有滞后性，因此选用专利申请量能够更好地衡量研发产出水平。但将专利授权量同时作为成果转化的投入，体现研发创新对成果转化的影响。

（2）成果转化环节。选取科技活动经费、科技活动人员、专利授权量作为投入变量，技术交易额作为产出变量。技术交易额是指研发后技术成果在技术市场上进行交易签订的合同金额，可衡量一个地区研发成果转化程度。技术交易额同时作为产品创新的投入，体现成果转化对产品创新的推动作用。

（3）产品创新环节，选取产品开发经费、从业人员、技术交易额作为投入变量，营业收入作为产出变量。产品创新是创新价值链市场化环节，营业收入作为创新价值链的最终产出，能够体现区域创新市场转化程度。

通过选取4 个直辖市（北京、天津、上海、重庆）和15 个副省级城市（大连、宁波、厦门、青岛、深圳、沈阳、长春、哈尔滨、南京、杭州、济南、武汉、广州、成都、西安）的战略性新兴产业作为研究对象，利用2013—2018 年面板数据，测度研究战略性新兴产业创新价值链三个环节的创新效率。所用数据来源于《中国火炬统计年鉴》《专利统计年报》及各城市统计年鉴。

3 实证分析

3.1 战略性新兴产业研发创新效率

以专利申请数作为城市战略性新兴产业研发环节的产出变量，超越对数生产函数的随机前沿模型如（6）所示：

利用Frontier4.1 软件对19 个城市战略性新兴产业的研发数据进行分析，获得原假设是超越对数生产函数的随机前沿模型结果，如表3 所示。

表3 超越对数生产函数的随机前沿模型（6）参数估计结果

(1)H0a：假定生产函数方程中的所有二次项系数都是0，如果假设成立，则使用柯布-道格拉斯函数：相反，使用超越对数生产函数随机前沿模型。

(2)H0b：时间项t的系数均为0，如果接受原假设，表明考察期无技术进步。

假设检验的结果如表4 所示：假设H0a 被拒绝，表明选择超越对数生产函数是合理的，与表3 的值检验结果一致；假设H0b 被拒绝，说明各城市战略性新兴产业发展过程存在技术进步；假设H0c 被拒绝，表明研发经费与研发人员投入要素和技术进步有关；假设H0d 被拒绝，说明城市战略性新兴产业的研发效率随时间而变化；假设H0e 被拒绝，则表明技术无效率项遵从半正态分布。如果假设检验均被拒绝，表明选择超越对数生产函数的随机前沿模型来测度城市战略性新兴产业研发效率是合适的，达到理想效果。

表4 随机前沿模型（6）假设检验结果

通过模型（6）测度2013—2018 年城市战略性新兴产业的研发效率，具体数值如表5 所示。19 个城市战略性新兴产业研发效率的均值为0.525，处于较低的水平，表明各城市的研发效率还有47.5%的提升空间。各城市战略性新兴产业的研发进展呈现不均衡状态，高于平均水平的城市有11 个，达到样本量的一半。四个直辖市的研发效率均处于较高水平，而在15 个副省级城市中，宁波研发效率值最高为0.874，长春效率值最低为0.154。

表5 19 个城市战略性新兴产业创新价值链的研发创新效率

3.2 战略性新兴产业成果转化效率

选取科技活动经费、科技活动人员、专利授权量作为投入变量，选取技术交易额作为城市战略性新兴产业成果转化效率的产出变量，超越对数生产函数随机前沿模型如式（7）：

使用Frontier4.1 分析转化数据，获得原假设为超越对数生产函数的随机前沿模型估计结果，如表6 所示。值为0.939，在1%的水平下显著，表明选择随机前沿模型是合理的。

表6 随机前沿模型（7）成果转化的参数估计结果

对备选生产函数进行假设检验，结果如表7 所示。假设H0a 被拒绝，则表明超越对数生产函数模型更适用于测度城市战略性新兴产业成果转化效率；假设H0b 被接受，表明在考察期间城市战略性新兴产业的成果转化效率不存在技术进步，技术进步可能是中性的；假设H0c 和H0d 均被拒绝，表明技术无效率服从半正态分布，并且随着时间趋势而变化。因此能够确定城市战略性新兴产业成果转化效率的最优随机前沿模型，具体检验结果如表8 所示。

表7 随机前沿模型（7）成果转化的假设检验结果

表8 最优随机前沿模型（7）成果转化的参数估计结果

通过最优随机前沿模型测度2013—2018 年城市战略性新兴产业成果转化效率，如表9 所示。19 个城市成果转化效率的平均值仅为0.195，处于较低水平，制约创新价值链创新效率整体提升，研发成果转化的创新投入协同效应较弱。成果转化效率超过平均值的城市只有8 个，未达到样本数的一半。直辖市成果转化效率均高于平均水平，而副省级城市差异显著，深圳成果转化效率最高为0.296，厦门成果转化效率最低，仅为0.031。

表9 19 个城市战略性新兴产业创新价值链的成果转化效率

表9（续）

3.3 战略性新兴产业产品创新效率

选取产品开发经费、从业人员、技术交易额作为投入变量，选取营业收入作为城市战略性新兴产业产品创新环节的产出变量，超越对数生产函数的随机前沿模型如（7）所示。选择Frontier 4.1 对产品创新数据进行分析，得到原假设为超越对数生产函数的随机前沿模型估计结果，如表10 所示。

表10 随机前沿模型（7）产品创新的参数估计结果

γ 值为0.812，在1%的水平下显著，表明采用随机前沿模型是合理的。通过对备选生产函数进行假设检验，如表11 所示，可见假设H0a 被接受，表明相比超越对数生产函数模型，柯布-道格拉斯生产函数更适合测度城市战略性新兴产业产品创新效率；假设H0b 被拒绝，说明考察期内存在技术进步；进一步检验假设H0c 被拒绝，表明技术无效率因素服从半正态分布；假设H0d 被拒绝，表明考察期内技术无效率随时间趋势变化。因此接受H0a 模型，最优随机前沿模型的测算结果如表12 所示。

表11 随机前沿模型（7）产品创新的假设检验结果

表11（续）

表12 最优随机前沿模型（7）产品创新的参数估计结果

通过最优随机前沿模型测算城市战略性新兴产业产品创新效率，具体结果如表13 所示。19 个城市战略性新兴产业的产品创新效率平均值为0.717，发展较为协调均衡，但总体上仍有28.3%的提升空间。产品创新效率超过平均水平的城市有10 个，达到样本数的一半。各城市之间在产品创新上仍存在着差距，重庆产品创新效率最高为0.939，哈尔滨效率值最小为0.502。

表13 19 个城市战略性新兴产业创新价值链的产品创新效率

通过对19 个城市战略性新兴产业创新价值链3个环节的效率进行测度，横向比较发现城市之间的差距较大，纵向比较发现创新价值链三环节的效率值也存在差异，创新发展呈现不协调非均衡状态。研发创新和产品创新总体上水平较高，但仍存在提升的空间，而成果转化效率持续走低，资源投入要素和研发成果没有充分转化为技术收益，未达到理想的效果。

3.4 战略性新兴产业创新价值链非均衡

战略性新兴产业创新价值链创新要素水平提升，主要来自技术引进和自主培育两个途径。战略性新兴产业自主培育为主的城市，创新要素显现创新价值链前端、中端、后端相互协同效应；战略性新兴产业技术引进为主的城市，创新要素较易呈现后端挤占前端的挤占效应。各城市经济发展水平不一致，创新资源要素培育与引进能力差异较大，支撑战略性新兴产业的创新价值链传导方式各异，导致各城市战略性新兴产业创新发展非均衡，创新价值链各环节极化效应显著。

利用泰尔指数公式（3）测算城市战略性新兴产业创新价值链各环节效率的极化效应，如图3 所示。2013—2018 年间，城市战略性新兴产业研发创新和成果转化环节的极化效应呈波动下降的趋势，极化效应逐渐减弱，其中成果转化创新差异在2014 年达到峰值0.801；而产品创新环节的极化效应呈波动上升趋势，极化现象增强。创新价值链各环节（研发创新、成果转化、产品创新）的泰尔指数平均值分别为0.571、0.725、0.672，极化效应较为显著，其中成果转化环节的泰尔指数均值最高，差异明显。

图3 城市战略性新兴产业创新价值链各环节的泰尔指数

为考察城市战略性新兴产业创新价值链极化效应的空间变动趋势，本文将19 个城市按照南方-北方、沿海-内陆、副省级-直辖市3 个标准划分为不同的空间组。利用公式（4）和（5）测算城市战略性新兴产业创新价值链各环节的区域内和区域间差异，采用区域间差异与区域内差异的比值，测度区域空间极化效应的强弱变动趋势，具体结果如表14 所示。

表14 城市战略性新兴产业创新价值链空间极化效应对比

表14（续）

研发创新环节，城市战略性新兴产业副省级-直辖市方向比值2013—2018 年逐渐减小，强弱极化程度减弱，在副省级-直辖市方向不存在空间极化效应；城市战略性新兴产业南方-北方方向比值先增后减，但2018 年的极化强弱数值仍高于2013 年的最初水平，极化强弱程度增加，在南方-北方方向上存在空间极化效应；城市战略性新兴产业沿海-内陆方向比值波动减小，极化强弱程度减弱，但极化程度仍然较显著。从平均比值来看，南方-北方方向＞沿海-内陆方向＞副省级-直辖市方向，说明战略性新兴产业研发创新的空间极化强弱程度在南北方城市之间表现最强烈，在沿海城市和内陆城市表现较强烈，在副省级城市和直辖市之间表现相对较弱。

成果转化环节，城市战略性新兴产业副省级-直辖市方向比值2013—2018 年间波动上升，空间极化效应较显著，此方向存在极化效应；城市战略性新兴产业南方-北方方向比值波动下降，在南方-北方方向不存在空间极化效应；城市战略性新兴产业沿海-内陆方向比值呈波动减小趋势，极化程度减弱，不存在空间极化效应。从平均值可以看出，南方-北方方向＞副省级-直辖市方向＞沿海-内陆方向，表明战略性新兴产业成果转化的空间极化强弱程度在南北方城市之间表现最强烈，在副省级城市和直辖市之间表现较强烈，在沿海城市和内陆城市之间相对较弱。

产品创新环节，城市战略性新兴产业副省级-直辖市方向比值2013—2018 年间先减后增，总体上极化强弱程度增强，在此方向上存在空间极化效应；城市战略性新兴产业南方-北方方向比值波动增加，极化效应增强；城市战略性新兴产业沿海-内陆方向比值波动减小，极化强弱程度减弱，沿海-内陆方向不存在空间极化效应。从平均值来看，南方-北方方向＞沿海-内陆方向＞副省级-直辖市方向，战略性新兴产业产品创新环节的空间极化强弱程度与研发创新环节的变动趋势一样。

4 结论及建议

本文选取19 个城市战略性新兴产业为研究样本，选用面板数据进行生产函数适宜形式的模型假设检验，采用随机前沿模型测度，以专利授权数为产出变量，19 个城市战略性新兴产业的研发创新效率平均值为0.525；以技术交易额为产出变量，成果转化效率的平均值仅为0.195；以营业收入为产出变量，产品创新效率的平均值为0.717。成果转化效率较低，形成创新价值链创新效率非均衡。总体上研发创新效率高的城市，成果转化和产品创新的效率也较高。直辖市创新价值链各环节效率均高于均值，副省级城市中仅广州、深圳高于均值。

通过泰尔指数测度城市战略性新兴产业创新价值链各环节的差异非均衡性，研发创新、成果转化、产品创新的泰尔指数均值分别为0.571、0.725、0.672，极化效应较为显著。4 年间研发创新和成果转化环节的极化效应呈波动下降，极化效应逐渐减弱，而产品创新的极化效应呈波动上升趋势，极化逐渐增强，差异扩大。城市战略性新兴产业研发创新环节，空间极化效应沿南方-北方、沿海-内陆方向增强，在副省级-直辖市方向不显著。成果转化环节，空间极化效应沿副省级-直辖市方向增强，南方-北方、沿海-内陆方向表现较弱。产品创新环节，空间极化效应表现在南方-北方、副省级-直辖市方向较为明显，沿海-内陆方向减弱。

为优化战略性新兴产业空间布局，强化创新价值链“研”“学”“产”的协同效应，避免创新结构投入偏向与低效率，本文提出三点建议：（1）强化研发优先的自主培育，优化创新资源配置，弱化技术引进对研发创新的资源挤占，推动研发创新优势向创新价值链中末端扩散；（2）规范完善技术交易市场的研发成果转化机制，补强创新价值链成果转化短板，促进研发成果在区域内有效转化应用，发挥成果转化对创新价值链两头带动的协同效应，弱化创新价值链非均衡性；（3）发挥战略性新兴产业策源地集聚和溢出效应，调整优化各类创新资源要素投入结构，避免创新资源冗余浪费和效率损失，避免创新资源价值链错配。研究不足之处在于，仅分析了19 个副省级以上城市战略性新兴产业创新价值链的研发创新、成果转化、产品创新效率，样本数量有局限性，同时未考虑战略性新兴产业创新价值链传导效应，以及创新各环节中的环境影响因素和空间差异。