科技创新测度及影响因素实证研究----基于熵值C-D函数

田时中,陆雅洁

(1. 安徽大学 经济学院,安徽 合肥 230601; 2. 厦门大学 经济学院,福建 厦门 361005)

实践证明,科技创新能够提升经济发展水平,提高经济发展质量,更是传统发展方式向创新型发展模式转变的内生动力。结构调整、产业升级、清洁发展、动能转换是新时期经济高质量发展的主题。随着创新驱动发展战略的实施,各地区采取一系列措施鼓励科技创新,推动科技成果高效转化,驱动经济向更高质量发展。近年来,我国研发经费投入占GDP的比例突破2%,2021年有望进一步提高,以追赶发达国家的发展水平。那么,科研投入的快速增长,是否推动了科技创新水平的提升?这是一个理论命题,也是一个实践课题。弄清楚中国科技创新整体水平及影响科技创新水平提升的关键因素,对于有效实施创新驱动高质量发展战略,实现区域协调发展目标,具有重要的理论及现实意义。现有研究综述如下:

在研究主题上,Charnes、Banker和Nasierowski等[1-4]较早关注科技政策及科技创新效率问题;王慧艳等[5]通过对双向贡献率的测算,研究科技创新与产业升级互动的关系;张军[6]通过研究要素成本、科技创新与产业结构升级的关系,得出了要素有效流动和科技创新推动产业升级的结论;焦贝贝等[7]关注欠发达地区农村创新能力评价;周克清等[8]从财政分权角度分析了财政分权对科技投入的影响,研究表明财政分权对科技投入具有显著的正向影响;翁钢民等[9]基于协同视角研究了旅游产业与科技创新、现代金融发展格局的时空动态关系。

在研究方法上,王辉、曹佳蕾、吴建国等[10-14]运用DEA、熵权GC-TOPSIS、因子分析、三阶段EBM-Windows、AHP-Topsis和SOM聚类等方法,对我国科技创新绩效和科技创新能力进行了分析和比较。

在研究模型设定上,主要采用计量模型对科技创新影响因素进行分析。吴芸[15]利用40个国家的面板数据评价政府投入对科技创新的影响,结果表明二者间呈现正相关关系。白俊红、樊华、郑凌燕、金怀玉等[16-19]利用不同时间段中国科技投入和产出的面板数据进行实证分析,检验科技创新的影响因素。陈晓和、张洁音、柳瑞禹等[20-22]利用地区数据,设立多元回归方程,检验科技创新的影响因素。

综上所述,现有关于科技创新评价的研究成果丰硕,为本文的研究提供了重要的理论参考,不过,在对中国地区科技创新影响因素的检验上,存在地区划分和评价模型过于单一的问题,因而在评价方法、评价样本和评价模型的选择上还有进一步拓展的空间。基于此,本文选取2002—2018年30个省(自治区、直辖市,以下简称“省”。)科技创新面板数据为样本,运用熵值法测算科技创新指数,依据柯布-道格拉斯生产函数设立多元回归方程进行回归分析,评价7大地区科技创新水平及影响因素,为新时期科技创新驱动经济高质量发展提供一定参考依据。

一、 评价指标、数据与方法

1. 评价指标及数据来源

为综合评价各地区的科技创新水平,以各省的宏观层面数据为依据,从科研产出角度遴选评价指标。选取包括技术市场合同成交额、SCI论文、EI论文、ISTP论文、发明专利、实用新型专利、外观设计专利7项指标进行测算。数据来自于2003—2019年的中国科技统计年鉴和中国统计年鉴,使用SPSS 21.0进行数据处理。为节省篇幅,原始数据予以省略,备索。

2. 评价方法

假设评价对象由m个样本组成,含n个评价指标,此类问题可以建立如下的数学模型,设论域为:U=(u1,u2,u3,…,um),Ui=(xi1,xi2,…,xij,…,xin)。其中,i=1,2,…,m;j=1,2,…,n。于是,得到评价系统的初始评价矩阵X=(xij)mn。利用熵值法进行科技创新指数测度的过程如下[23-24]。

计算第j项指标下第i个方案占总方案的比例:

(1)

计算第j项指标的熵值:

(2)

式中,k为常数,k=-1/lnm。

计算第j项指标的差异系数:

gj=1-ej。

(3)

求权数:

(4)

计算各方案的综合得分:

(5)

依据综合指数对样本优劣进行排序,在此基础上,计算样本均值、极差及样本排序方差,以评价样本动态变化特征及动态波动幅度。

二、 科技创新指数测算及评价

1. 指数测算

依据2002—2018年30个省的面板数据,运用SPSS 21.0对原始指标值进行标准化处理,在此基础上计算评价指标熵值和权数,得到30个评价样本的权重向量,依据式(5)可得到2002—2018年中国部分省科技创新指数,见表1。

表1 2002—2018年部分省科技创新指数

2. 结果评价

为了更加有效地评价和比较科技创新水平的区域差异,将30个省划分为7个地区。华北地区包括北京、天津、河北、内蒙古、山西、山东;东北地区包括辽宁、吉林和黑龙江;华东地区包括上海、江苏、浙江;华中地区包括安徽、江西、河南、湖北、湖南;华南地区包括福建、广东、海南;西南地区包括广西、重庆、四川、贵州、云南;西北地区包括陕西、甘肃、青海、宁夏、新疆。

样本考察期内,从整体上将中国科技创新指数降序排列:靠前的依次为上海、吉林、辽宁、湖北、湖南、浙江、北京和广东,指数在0.350 1～0.409 5之间;其次为山东、天津、山西、河北、云南、甘肃、四川、重庆、河南、广西、福建、青海、陕西、江苏、黑龙江和贵州,指数在0.300 4～0.349 8之间;科技创新指数排序靠后的省份为新疆、海南、安徽、内蒙古、江西和宁夏,指数在0.272 0～0.295 1之间。见表1和图1。

分地区看,7大区域科技创新指数高低次序为:东北(0.364 6)>华东(0.356 5)>华北(0.335 2)>西南(0.325 9)>华中(0.323 4)>华南(0.317 4)>西北(0.305 2)。对7大区域科技创新水平与平均水平进行比较,可以看出东北、华东和华北地区科技创新水平高于平均水平,而西南、华中、华南和西北地区的科技创新水平低于平均水平,见表2。

图1 部分省科技创新水平比较(截面)

表2 2002—2018年7大区域科技创新指数

从科技创新水平动态演变过程来看,样本考察期内,7大区域科技创新水平整体上呈现上升趋势,2018年略有下降,末点值远高于首点值,科技创新指数最小年份(2002)的极差为0.084 0,科技创新指数最大年份(2017)的极差为0.058 9。从科技创新水平的时空差异看,样本考察期内,7大区域的科技创新水平交替上升,华南地区的科技创新水平在2002—2006年略有下降,此后,呈现较快的上升趋势。见图2。

图2 2002—2018年7大区域科技创新水平动态演变趋势

从科技创新水平波动幅度看,7大区域科技创新指数方差排序为:西南(1.654)<华北(1.993)<华中(2.184)<西北(2.441)<东北(2.485)<华东(4.559)<华南(6.000)。表明样本考察期内,西南地区的科技创新水平波动幅度最小,其次是华北地区,而华中、西北和东北地区科技创新水平波动幅度接近,华东和华南地区科技创新水平波动幅度最大,见表3。

表3 2002—2018年7大区域科技创新指数排序及排序方差

三、 科技创新影响因素实证分析

1. 生产函数及变量说明

依据柯布-道格拉斯生产函数(C-D生产函数)理论和相关研究,生产函数模型能够用来解释科技创新动力,传统的生产函数表达式为

Y=AKαLβ。

(6)

式中:Y表示产出;K表示资本;L表示劳动力;A表示全要素生产率;α、β分别表示资本和劳动力的产出弹性。为了更全面地解释科技创新的动力要素,结合财政科技支出和产出特点,引入信息资源变量I来考察信息资源的传播是否提高了科技产出效率,即可得到科技投入对科技产出的生产函数式

Y=AKαLβIη。

(7)

对式(7)进行全对数处理,可得到

lnY=c+αlnK+βlnL+ηlnI。

(8)

式中,c为常数项,其值等于全要素生产率A的对数,η为变量待估系数。由此设定多元回归模型,进行实证分析。于是,本文以熵值法计算的30个省的科技创新综合指数Yi为被解释变量,以R&D经费作为资本K的替代变量,以R&D人员全时当量作为L的替代变量,增加信息资源I为控制变量,以各省2002—2018年的邮电业务额来衡量信息资源的动态变化。

样本数据均具有可获得性,来源于各省2003—2019年的中国统计年鉴和中国科技统计年鉴,实际数据为2002—2018年的数据,运用软件SPSS 21.0和EViews 7.2进行数据处理和回归分析,为防止出现“伪回归”和多重共线性,将变量进行全对数处理。因篇幅所限,原始数据予以省略,样本数据描述性统计结果见表4。

表4 样本数据描述性统计

2. 回归结果分析

为了更细致地分析中国科技创新的动力要素及各个地区科技创新区域差异,依据上文的7个分区进行回归分析。

(1) 从全局范围看科技投入对科技创新的影响。依据先验信息法,将方程变量对数化处理,消除多重共线性。同时,为了减少个体差异带来的异质性偏误,需要先对实证模型进行Hausman检验,以确定回归检验适合采用固定效应模型还是随机效应模型。运用EViews 7.2对样本进行固定效应和随机效应检验,在随机效应模型估计结果的基础上进行Hausman检验。结果显示Prob(H)值均小于5%,接近于0,适合选择固定效应模型进行估计,回归结果如表5所示。

表5 全局层面科技投入对科技创新影响的回归结果

回归结果显示,调整后的可决系数为0.714 3,模型拟合度较高,相关系数能够很好地解释科技创新的动力因素,接受回归结果。财政科技投入、科技人员当量和信息资源3个变量的提高都对科技创新产生显著的正向影响,其系数分别为1.079 1、1.052 6和0.752 3,意味着:财政科技投入占GDP的比重每提高1%,科技创新水平会相应提高1.079 1%;科技人员当量每提高1%,科技创新水平相应提高1.052 6%;邮电业务额每提高1%,科技创新水平将提高0.752 3%。表明中国科技创新依赖于财政科技投入比例的提高和科技人员全时当量提高,而邮电业务总量的攀升也有利于科技创新水平提高,且全部系数均通过了显著性检验。这与郑凌燕等[18]的研究结论一致。

(2) 从分地区看科技投入对科技创新的影响。我国各地区经济发展水平存在较大差异,不同条件下,各地区科技投入的财力、人力和信息资源也各不相同。根据Hausman检验结果,继续采用个体固定效应模型对7大区域财政科技投入对科技创新的影响进行回归分析,结果如表6所示。

表6 地区层面科技投入对科技创新影响的回归结果

从分地区回归结果看,调整后的可决系数在0.629 4～0.790 2之间,表明方程拟合度较好,能够对科技创新水平影响因素进行解释,接受回归结果。7大地区的财政科技投入都对科技创新水平产生正向影响,7大地区的信息资源系数都通过了显著性检验,而部分地区科技投入、科技人员全时当量系数没有通过显著性检验。

华北地区,财政科技投入、科技人员全时当量和邮电业务额对科技创新影响系数分别为1.468 9、1.235 1和0.477 1,表明财政科技投入占GDP比例、科技人员全时当量和邮电业务额每提高1%,科技创新水平将相应提高1.468 9%、1.235 1%和0.477 1%;华北地区科技创新水平受财政科技投入的影响最大,受科技人员全时当量影响次之,受信息资源影响最小。

东北地区,财政科技投入、科技人员全时当量和邮电业务额对科技创新水平影响系数分别为0.268 2、1.914 8和0.719 2。东北地区财政科技投入占GDP的比例对科技创新的影响较小,但东北地区科技人员全时当量和邮电业务额每提高1%,其科技创新水平相应提高1.914 8%和0.719 2%。

华东地区,财政科技投入和科技人员全时当量系数未通过显著性检验,信息资源系数达到了1.384 5,表明邮电业务额每提高1%,华东地区科技创新水平相应提高1.384 5%。

华中地区,与东北地区类似,其科技创新水平主要受科技人员全时当量和邮电业务额的影响,其系数分别为1.387 9和0.689 4,表明科技人员全时当量和邮电业务额每提高1%,科技创新水平相应提高1.387 9%和0.689 4%。

华南地区,与华东地区类似,其科技创新水平的变动主要受信息资源变化的影响,邮电业务额每提高1%,华南地区科技创新水平相应提高0.903 1%。

西南地区,财政科技投入、科技人员全时当量和邮电业务额对科技创新水平影响系数分别为3.900 2、0.632 0和0.539 0,表明财政科技投入占GDP比例、科技人员全时当量和邮电业务额每提高1%,科技创新水平将相应提高3.900 2%、0.632 0%和0.539 0%。

西北地区,科技创新水平主要受科技人员全时当量和邮电业务额的影响,其系数分别为1.018 0和0.890 9,表明科技人员全时当量和邮电业务额每提高1%,科技创新水平相应提高1.018 0%和0.890 9%。

由此可以看出,财政科技投入、科技人员全时当量和邮电业务额对7大地区科技创新的影响具有较强的区域差异。从3个变量的影响程度上看,7大地区科技创新水平受财政科技投入的影响最大,科技人员全时当量对科技创新的影响次之,而邮电业务额对科技创新的影响最小。从3个变量对科技创新影响的显著性看:华北和西南地区科技创新受财政科技投入、科技人员全时当量和邮电业务额的影响较为显著;华中、东北和西北地区的科技创新受科技人员全时当量和邮电业务额的影响较为显著;华东和华南地区的科技创新受邮电业务额的影响最为显著,财政科技投入、科技人员全时当量对这两个地区的影响没有体现出来。

四、 结论与启示

实证研究表明:选取的30个省的科技创新水平高低次序为上海、吉林、辽宁、湖北、湖南、浙江、北京、广东、山东、天津、山西、河北、云南、甘肃、四川、重庆、河南、广西、福建、青海、陕西、江苏、黑龙江、贵州、新疆、海南、安徽、内蒙古、江西和宁夏;7个地区的科技创新水平高低排序依次为东北、华东、华北、西南、华中、华南和西北,且整体上呈现动态上升的变动趋势,具有较强的地域差异和时空差异,其中东北、华东和华北地区科技创新水平高于平均水平,而西南、华中、华南和西北地区的科技创新水平低于平均水平;由于地区经济实力、科技政策的动力差异,西南地区的科技创新水平波动幅度最小,华北地区次之,然后是华中、西北和东北地区,华东和华南地区科技创新水平波动幅度最大。回归结果显示:财政科技投入、科技人员当量和信息资源3个变量的提高都对科技创新水平产生显著的正向影响;7大地区科技创新水平受财政科技投入的影响最大,科技人员全时当量对科技创新水平的影响次之,邮电业务额对科技创新水平的影响最小;华北和西南地区科技创新水平受财政科技投入、科技人员全时当量和邮电业务额的影响较为显著;华中、东北和西北地区科技创新水平受科技人员全时当量和邮电业务额的影响较为显著;而华东和华南地区科技创新水平受邮电业务额的影响最为显著,财政科技投入、科技人员全时当量对华东和华南两地区的科技创新水平的影响没有体现出来。

基于上述结论,建议从以下3个方面提高地区科技创新水平:

(1) 支出结构合理化。科技成果的正外部性使得企业对科技研发的投资热情不高,为促进科技创新,地方政府应持续加大财政科技支出规模与比例,减少财政支出行为的波动性以弥补科技供给的不足。考虑到政府补贴对企业研发投入存在挤出效应,应当警惕企业以策略性创新行为获取财政补助,需要进一步优化财政支出结构与支持方式,实现财政科技支出的激励效应,达到帕累托最优。此外,应合理引导企业的投资偏好,通过政策组合,促进以政府主导,非政府积极参与的多形式、多渠道的科技投入体系的形成,以实现财政支出结构合理化。

(2) 政府竞争适度化。不断完善的财政分权管理体制下,中央政府要利用好财政分权的经济与政治双重激励。一方面,适度的标尺竞争有利于提高地方官员对地方事务的参与度与积极性,减少官员不作为的可能性;另一方面,吸引外资,引进高新技术,不仅可以促进科技创新、优化产业结构、推动经济转型升级,还能够明显改善公共福利水平,推动经济高质量发展。因而,应保持地方政府竞争的适度化,以此激励地方政府加大科技创新投入,吸引科技创新企业入驻,推动科技创新能力提升。

(3) 区域发展协调化。当前,中国中部和东部地区经济发展水平优于其他地区,而西部地区经济基础较为薄弱,导致西部地区高新技术产业入驻率偏低,科技创新水平提升速度慢于东部地区。所以,应进一步完善区域协调发展新机制,推动地区间协调发展,夯实地区经济实力。同时,完善中央对各区域的财政转移支付制度,激励地方政府在科技创新方面采取新举措,充分释放纵向财政分权的积极效应,促进区域科技创新水平提升。