基于随机前沿引力模型的省际技术转移效率及影响因素研究

李德强，彭 灿，奚 雷

（1.南京财经大学红山学院，江苏 南京 210000；2.南京航空航天大学经济与管理学院，江苏 南京 211106；3.安徽科技学院管理学院，安徽 蚌埠 233100）

“胡焕庸线”揭示了我国人口、地理和生态的东西分布差异，在某种程度上也成为城镇化水平、经济发展水平的分割线。许多学者利用各种实证研究方法力图证实“胡焕庸线”两侧地区发展的差异。我国东南半壁呈“马太效应”的空间极化模式；整体城镇化水平虽有所提高，但是东西部差异仍然存在；“胡焕庸线”两侧地区在经济产出、财政金融、教育医疗等方面存在明显的断点效应和发展不均衡现象。

基于要素禀赋和人口环境的不同，我国经济发展水平必然长期呈现空间分布不均的态势。显而易见，落后地区依靠大量增加投入的粗放式发展已经很难赶上发达地区。产业转移可以实现区域间要素的合理配置，通过充分利用落后地区的剩余劳动力，提高发达地区的资本利用率等方式，实现部分区域间的经济平衡；但是，产业转移所带动的生产扩张是有限的，尤其对生产率的提高更是有限。技术落差成为区域间经济发展不平衡的重要因素。新形势下，我国政府提出了创新驱动发展战略，注重提升创新在经济发展中的推动作用。因此，中西部地区必须走增加技术内涵的创新型高质量发展之路，抓住技术发展窗口期，实现弯道超车。

我国要想推动产业结构调整，缩小东部沿海地区和中西部地区之间的经济差距，实现全国范围内的经济收敛，就必须进行技术创新要素在地区间的扩散。因此，跨区域创新资源配置成为解决当前此类问题、实现区域创新驱动协同发展的重要载体。在已往的研究中，创新资源配置问题往往聚焦于国际直接投资（FDI）、国际技术合作、跨境技术转移等，而忽视了国内区域间的技术转移。研究表明，跨区域的技术转移与FDI之间存在一定的替代效应，且与跨境技术转移之间存在一定的互补作用，彼此相互作用可以更进一步促进高新技术产业技术转移效率的提升。在国家自主创新战略的引导下，各省（区、市）大力发展技术市场，区域间技术转移也逐渐成为优化区域创新资源配置的有效途径之一。

技术转移的动因或影响因素具有一定的多样性和复杂性。目前，学者们的研究成果主要集中于两个方面：第一，技术转移的规模与技术转移承接方自身的能力密切相关，如技术创新能力、技术吸收能力、网络能力等；第二，邻近性因素也对技术转移产生影响。这里的邻近性已经超出了地理邻近性的范畴，拓展到了制度邻近性、技术邻近性、文化邻近性及认知邻近性等。以上研究视角主要从技术转移的市场和社会属性出发，完全或部分忽视了技术转移的一些非市场属性，虽然也有些研究涉及了产权治理、政策支持等影响因素，但是在其对技术转移影响程度方面鲜有深入探讨的。

在经验研究方面，技术转移效率的测度以DEA（数据包络分析）或扩展DEA模型为主。虽然该类模型在测度投入产出、规模效率等方面具有优势，但是作为一种非参数方法，其无法测度非技术效率，对个体效应、异质性影响亦不能顾及。

基于此，本文利用2013—2018年北京市与中国其他各省（区、市）（西藏除外）的技术市场交易面板数据，首先，通过Lasso统计方法，对影响各省（区、市）技术转移效率的14个因素进行有效选择并消除估计偏差；然后，借鉴引力模型，在筛选后的变量中，将技术转移双方有效专利数作为“吸引力因子”，将双方地理距离和技术距离作为“引力距离项”，并利用随机前沿模型，同时考虑技术转移非效率项（技术市场化以及知识产权保护度），揭示各项因素对技术转移的影响效果和程度；最后，在考察模型有效性的基础上，测度各省（区、市）技术转移效率，以及测度和比较各区域（东部、中部、西部和东北）技术转移效率的异质性。

1 文献综述

本部分将围绕技术转移的界定、影响因素、经验研究等方面进行文献回顾。

1.1 技术转移的界定

技术转移是技术扩散、技术传播的一种方式，也是一种定向传播；技术转移的动因，本质上是技术需求方和供给方之间存在技术势差；技术转移的目的是均衡双方的技术差距。综合国内技术转移方面的研究来看，许多学者持有上述观点。本文也以此为理论基础，构建技术转移引力模型。

1.2 技术转移的影响因素

跨省域的技术转移实现了知识、技术从一个省域向另外一个省域的流动，转移机制复杂多样。从现有的研究来看，技术转移的影响因素主要分为3个方面：能力因素、邻近因素和环境因素。

1.2.1 能力因素。已有的大量研究表明，提高自身能力有利于扩大技术转移规模。技术转移承接地自身的能力包括技术创新能力、技术吸收能力、网络能力等。余元春等（2016）、赵尚梅等（2013）、朱华桂等（2015）、杨龙志等（2014）、王方等（2013）研究认为，技术创新质量、技术创新资源充裕度、技术投入结构等技术创新能力与技术转移规模密切相关。侯媛媛等（2017）、李叶雨等（2016）、江曼琦等（2018）证实了技术转移承接地的技术或知识吸收能力影响技术交易规模。余元春等（2016）、曹威麟等（2012）证实了网络位置、网络结构等影响技术转移效果。

1.2.2 邻近因素。基于不同的视角和目的，研究者针对不同维度的邻近性对技术转移的影响展开了研究。邻近性内涵较为丰富，其最初用于表示空间地理上的相邻，在组织间合作、区域经济协同发展等领域的应用颇为广泛。目前，对于邻近性的研究已经远远超出了地理的范畴，出现了制度邻近性、文化邻近性、认知邻近性、技术邻近性等。余元春等（2016）实证研究表明，我国跨区域技术转移边界效应明显，并且地理距离、经济距离、文化距离对边界效应有明显的解释力。杨龙志和刘霞（2014）认为，距离影响着企业间信息和物资的流动，从而对技术扩散产生影响。侯媛媛等（2017）基于知识溢出模型，实证研究了地理距离、产业距离、制度距离、技术距离等对于北京技术输出的影响。柳卸林和贾蓉（2007）研究了北京对全国各地的技术扩散模式，认为地理的毗邻性有利于技术转移。Abreu（2004）基于微观视角，分析了空间邻近性对于高新技术扩散的重要程度。刘承良等（2018）认为，城市间的地理、技术、社会、产业等的邻近性影响技术转移的强度。

1.2.3 环境因素。外部环境对技术扩散区域主体技术转移行为的主观能动性产生影响。余元春等（2016）、杨龙志等（2014）、刘清海等（2013）认为，加强产权治理能够提升技术转移效率。刘承良等（2018）、Sedaitis（2000）的研究表明，对外开放程度、政策支持等都对区域间技术转移产生影响。

综合以上研究发现，影响技术转移效率的因素来源广泛且复杂。本研究首先使用Lasso模型对纳入讨论的14个影响因素进行筛选和优化，然后基于随机前沿引力模型探讨影响技术转移的效率项和非效率项。同时，我们发现在影响因素中能力因素、邻近因素是研究者的主要关注点，而环境因素方面，有部分研究者虽然对此展开了一些研究，但是对其采取的处理策略和方法与能力因素、邻近因素一致，将其视为影响技术转移的技术效率项，导致无法解释以下问题：现实中，在相同或相近技术转移效率项影响下，不同地区技术转移前沿还存在差异性。因此，本文将环境因素纳入技术转移非效率项，考察其影响技术转移效率的程度。

1.3 技术转移效率的研究经验

除了一部分定性研究之外，国内的技术转移效率研究大多数采用DEA或者扩展DEA模型来进行实证研究。由于将基于DEA模型的实证方法用于效率研究具有广泛适应性，国内研究者几乎将其作为技术转移效率测度研究的标准范式。

定性研究方面：吕荣杰等（2018）以北京市技术转移为例，采用模糊集定性比较分析的方法，研究技术转移效率前因条件之间的相互作用及其对效率的系统性影响；毕娟（2014）同样以北京市为例，测算2003—2011年技术市场交易费用，并以此推断技术转移效率。

实证研究方面：王七萍等（2014）利用DEA方法测算2012年安徽省各地级市工业技术转移的综合效率、纯技术效率以及规模效率；林德明等（2016）测算我国“985工程”高校的技术转移效率；王方等（2013）、张译匀（2016）、赵大丽等（2011）分别利用 DEA 模型对30个省（区、市）的技术转移效率、知识转移效率进行了评价研究；吕荣杰等（2018）利用两阶段DEA模型，分析比较了不同技术转移主体的效率差异；顾真溶等（2019）利用三阶段DEA模型，分析1998—2016年长三角区域4省市技术市场交易数据，测度该区域技术转移效率；冯华等（2016）结合Malmquist指数和Bootstrap-DEA方法，对我国各省（区、市）2008年、2010年和2014年技术转移效率进行了综合分析与评价。

综上所述，国内外学者在研究技术转移效率时，普遍采用DEA模型或扩展DEA模型，且多聚焦于技术转移效率的测度和评价、转移主体间的效率差异等，属于技术效率范围。而对于非技术效率问题，DEA模型则无能为力，同时DEA模型还存在以下不足之处：首先，DEA模型中的未知函数难以估计，并且DEA模型存在“维数灾难”，即DEA模型是一种非参数估计方法，投入产出变量不宜过多；其次，DEA模型只能处理截面数据，无法处理面板数据；最后，DEA模型无法测量随机误差施加于个体的效应，也无法直接检验导致个体差异性的非技术因素。有鉴于此，本研究将利用具备经济理论基础、可以处理面板数据、能够对模型本身及参数进行检验的随机前沿模型（SFA）展开研究。

2 理论模型

2.1 Lasso回归模型

Tibshirani（1996）提出了 Lasso 模型，作为一种压缩估计方法，其不仅可以选择变量，还可以实现参数的估计，且能够很好地解决模型中存在的多重共线性问题，比较适合处理各种高维数据，并避免“维数灾难”。该方法通过构造一个回归模型系数绝对值函数作为惩罚策略，以此压缩模型系数，产生严格等于0的回归系数，最终得到只包含部分变量、简单、易解释的模型。

2.2 随机前沿引力模型

2.2.1 引力模型。传统的引力模型即牛顿的万有引力定律。Tinbergen（1962）和 Pöyhönen（1963）最早将其引入贸易实证领域，并认为两国的贸易量与GDP成正比，而与地理距离成反比。之后，利用引力模型研究区域经济联系、城市空间、国际贸易的文献层出不穷。

本文借鉴余元春等（2016）的研究，在技术转移领域引入引力模型，构建与传统引力模型类似的技术转移引力模型。原理是技术由于技术“吸引力因子”的存在而在地区之间发生流动，距离因素（地理距离、制度距离、技术距离等）影响技术流动的规模，环境因素影响技术转移的效果。因此，技术转移引力模型可以表示为式（2）。

其中：Y表示时期从地区向地区技术转移的规模；A表示时期地区和地区技术“吸引力因子”；β、C分别表示地区和地区的各类距离因素和环境因素；表示随机影响因素。

2.2.2 随机前沿引力模型。随机前沿引力模型（SFA）最初用于分析生产函数中的技术效率 ，由 Meeusen 等（1977）以 及 Aigner等（1977）各自独立提出。该分析方法认为，生产过程受到两个具有显著区别的、独立的扰动项的支配，其一是表示生产无效率的非负误差项，其二是传统意义上的随机误差项。模型可以表示为式（3）。

该模型已经被大量应用于实证研究中，并且经过了各种形式的修改和扩展。有些形式的扩展包括对U分布的假设，如截断正态分布、伽马分布等；有些涉及模型处理数据类型的增加，如面板数据和时变数据等。本文使用广为接受的由Battese等（1988）提出的bc88模型。

2.3 随机前沿时变模型

1992年，Battese等提出了适用于面板数据的随机前沿模型（简称bc92）。其中，部门随机变量假设服从截断正态分布，并且随时间变化而变化。模型可以表示为式（4）。

2.4 随机前沿非效率模型

大量的实证研究试图识别行业内部企业间的效率差异，这些效率的预测是基于企业层面的变量（企业管理环境、所有权特征等）而进行的回归分析。此种研究的价值早已被学术界认同。但是两阶段估计法由于两个阶段中非效率效应的非独立性，被认为与其假设不一致。因此，两阶段估计法与一阶段估计法的效果存在一定的差异。

Battese等（1995）提出的随机前沿模型（简称bc95），与Kumbhakar等（1991）将效率项（U）表示为企业特定变量和随机误差的显式函数类似，但是前者强制分配效率，取消一阶利润最大化条件，且适用于面板数据。该模型可以表示为式（5）。

其中：Z是影响企业效率的环境、制度性变量；是待估参数。

3 数据来源、变量选取及模型构建

3.1 数据来源

本文在梳理国内外关于技术转移理论和实证研究的基础上，借鉴其中一些重要的相关影响因素（变量），并根据我国省际技术转移实际情况，增加部分相关变量，初步形成包括能力因素、邻近因素以及环境因素3个类别共计14个变量的量表，如表1所示。

表1 省际技术转移相关变量初步量表

3.1.1 关于技术转移量和能力因素的测度。技术转移量和能力因素的测度具体如表1所示，在此不再赘述。

3.1.2 关于邻近因素的测度。①地理距离（）。地理距离的测度参考党兴华等（2013）的处理方法，以北京市至各省会城市的铁路里程为依据。本文根据搜集到的历年列车时刻表，统计2013—2018年各年份北京市至各省会（首府）城市的铁路里程，且一般为直达列车的最短距离，或非直达列车的最短中转距离。

②文化距离（）。我国各省（区、市）之间的文化差异较小，借鉴余元春等（2016）的研究，如果某一省（区、市）与北京市相邻记为1，否则记为0。

③产业距离（）。产业距离用来衡量技术转移的省域间产业结构相似度。借鉴刘承良等（2018）的研究，利用产业结构相似性系数来反映产业距离，如式（7）所示。

其中：ID表示省域间产业结构相似度；s和s分别表示产业占地区和地区生产总值的比重；表示产业种类的总数。数据来源于《中国工业统计年鉴》。

④技术距离（）。技术距离是省域间技术相似性的度量。张丽华等（2011）认为，技术距离对知识溢出具有重要作用。秉承这一观点，北京市与其他各省（区、市）的技术距离（）计算公式，如式（8）所示。

其中：TD表示省域间的技术距离；从1到8，表示国际专利分类表（IPC）的8个门类；f表示地区类专利申请量；f表示地区类专利申请量。TD数值介于0和1之间，省域间技术水平越接近，则其值越接近于1。IPC专利申请量数据来源于国家知识产权局专利检索及分析平台。

⑤制度距离（）。借鉴党兴华等（2013）的研究，将两省（区、市）地方保护程度的相似性视为省域间的制度距离。具体计算方法是利用《中国统计年鉴》中“地区商品零售价格分类指数”数据，从16种商品中抽取13种商品的零售价格指数（各年度对应），计算各省（区、市）的市场分割指数，以此测度省域间的制度距离。

3.1.3 关于环境因素的测度。首先，关于技术市场化（）的测度。在技术市场化（）定量测度方面，王小鲁、樊纲等学者以各地区技术市场成交额除以科技人员数这个近似指标表示地区技术市场化的程度。但是，由于数据缺失的限制，统计口径出现前后不一致的现象；而更多学者以研发经费支出、技术市场成交额等进行类似的替代，测度结果略显粗糙。

关于技术市场化指数的计算，本文参考余思勤和孙司琦（2020）的处理方法，以修正市场化指数与研发经费支出结构变动的乘积表示技术市场化指数，如式（9）所示。

其中：TM表示地区年技术市场化指数；FM表示地区年修正市场化指数；RC表示地区年研发经费支出结构变动。修正的市场化指数以单位技术合同成交额与市场化总指数的乘积表示。市场化总指数的数据来源于《中国分省份市场化指数报告（2018）》中的市场化指数。由于该报告中的数据时间是2008—2016年，因而参考俞红梅等的处理方法，将历年平均增长幅度作为2017年、2018年数据预测的依据。该数据涵盖指标较多，包括地方政府与市场关系、非国有经济发展状况等5个指标，能够较为全面地衡量地区市场化程度。而对于研发经费支出结构变动的数据，以李明珊等（2019）的做法为参考，如式（10）所示。

其中：RC表示地区年研发经费支出结构变动；RG表示地区年研发经费存量增长率；ER表示地区年企业研发经费支出占总支出的比重。

其次，关于知识产权保护度（）的测度。知识产权保护度的数据（）来源于《中国分省份市场化指数报告（2018）》中细分维度指标——中国5c知识产权保护市场化指数。由于该报告中的数据时间是2008—2016年，因而采用与上文同样的插值法进行处理。

最后，关于营商环境（）的测度。借鉴张美莎和徐浩（2020）、董志强等（2012）的处理方法，将营商环境分为两大指标：行政子环境和法制子环境。其中，行政子环境由企业税收、政府行政效率、行政审批中心设置时间构成，法制子环境由社会稳定和政府廉洁构成。将这5个指标分别按照百分位数大小排序，计算每个省（区、市）5个指标百分位数的均值，营商环境指数由1减去上述的均值得到。

3.2 变量选取

本文纳入研究的共有14个解释变量，而选取的样本数据的时间区间只有6年，因而必然存在比较严重的多重共线性缺陷，直接使用最小二乘法不太适用。本文使用新近发展的Lasso回归进行变量筛选，从14个解释变量中筛选出重要变量，再利用随机前沿引力模型进行回归系数估计和显著性检验。

3.2.1 惩罚参数的选取。惩罚参数决定着进入模型的变量。如果设置过大，则最终模型的所有变量的系数都趋于0，导致拟合不足；反之，则导致拟合过度。因此，本文利用Stata 16.0的（默认10）折交叉验证法来估计最优惩罚参数。在图1中，横轴是ln，而纵轴是（均方预测误差），横向虚线是切线，纵向虚线为最小时ln的取值。结果显示，当ln=2.678 69，即等于14.566时，最小。

图1 Lasso交叉验证λ与MSPE关系图

3.2.2 Lasso回归模型结果分析。当取值14.566时，表2显示了Lasso模型进行变量筛选的结果。从表2可以看出，在回归模型中放入的14个变量，对技术转移影响显著的有6个，其余变量系数为0，对技术转移影响不显著，因此，在表中未被列出。在有显著影响的6个变量中，技术吸收地技术实力（）、技术创新质量（）、地理距离（）、知识产权保护度（）和技术市场化（）都对技术转移产生正向作用，而技术距离（）则产生负向作用。由于Lasso回归是有偏估计，为了得到无偏估计量，接下来将利用筛选出的关键变量进行随机前沿引力模型分析。

表2 Lasso回归结果

3.3 模型设定

Armstrong（2007）在利用随机前沿引力模型进行国际贸易效率研究方面提出了两点建议：一是对于贸易潜力或边界估计的引力模型，要使用一些核心的、基础的、决定性的贸易变量，如GDP、相对距离以及其他中短期内不易改变的因素；二是将那些人为的、易于改变的因素，如关税、贸易协定等，纳入非效率模型。基于此，本文在利用随机前沿引力模型研究省际技术转移效率时，使用技术创新质量、技术吸收地技术实力、两地区地理距离等核心的、中短期内相对固定的变量；而将地区技术市场化、知识产权保护度等制度性因素纳入非效率项。

3.3.1 时变随机前沿引力模型设定。将技术转移引力模型和随机前沿分析模型结合起来，并且假定各区域“吸引力因子”及影响因素随时间发生变化，即构建时变随机前沿引力模型，如式（11）所示。与固定效应模型和DEA模型相比，引入时变因素的模型得到的结果更有说服力。

其中：TT表示时期北京市向地区的技术转移总量；PP表示时期地区的技术实力（后文将直接用“技术输入地有效专利量”代替）；PB表示时期技术输出地的技术创新质量（后文将直接用“技术输出地有效专利量”代替）；DD表示时期地区和技术输出地之间的地理距离；TD表示时期地区和技术输出地之间的技术距离。

3.3.2 技术转移非效率模型设定。在传统的引力模型中，那些不可观测因素的均值都被认为是零，但是这些因素却可能对技术转移有着限制或者促进作用，因而在随机前沿模型中可以将其纳为非效率项加以验证。此时的技术转移非效率随机前沿引力模型，在非效率因素的约束下，技术转移潜力可以表示为地区间技术交易的最大值，而不是在传统随机前沿模型无约束条件下，双方技术交易的平均值。

因此，为了进一步测量影响区域技术转移的非效率因素，采用一步法构建技术转移非效率模型，如式（12）所示。

其中：KP表示时期地区的知识产权保护因素；TM表示时期地区的技术市场化因素；和为待估参数。

4 实证结果

4.1 随机前沿引力模型的结果

表3中列出了各种设定之下的模型估计结果。模型1是传统的线性回归模型，没有设定非效率函数；模型2是非时变随机前沿模型，对应Battese和 Coelli（1988）模型的设定，即假设非效率随机变量不随时间发生改变；模型3是时变随机前沿模型，对应Battese和Coelli（1992）模型的设定，即假设非效率随机变量随时间发生改变；模型4是本文讨论的重点，其没有对模型参数施加任何限制，与Battese和Coelli（1995）模型的设定一致，即非效率项是时变的且是“技术市场化”（）变量和“知识产权保护度”变量（）的线性组合。

表3 各模型回归统计结果

4.1.1 模型适用性验证。从表3中最后四行的似然比（LR test）结果来看，若将原假设设定为“不存在非效率项”（对应LR1），则模型2、模型3、模型4都显著优于模型1，即技术转移非效率项是存在的；若将原假设设定为“存在非效率项且是和的线性组合”（对应LR2），则模型4显著优于模型3、模型2、模型1。另外，模型3中γ值为0.812，说明非效率项占总扰动项的比重达到81.2%，随机扰动项占比不到20%。这间接说明随机前沿模型将非效率项从随机因素中提取出来具有显著合理性。而模型2与模型3相比，模型3结果优于模型2，即时变随机前沿模型优于非时变随机前沿模型，表明技术转移效率在2013—2018年间存在变化。因此，本文随后的分析将围绕模型3、模型4展开。

4.1.2 时变随机前沿模型。在确定函数形式后，对模型3，即时变随机前沿模型回归结果进行分析。从表3可以看出，首先，值为-0.15，其小于零且在10%水平上显著，说明技术转移效率逐年下降，或者说2013—2018年间技术转移非效率因素的阻力在逐年增强，这也再次证明了时变模型比非时变模型更加适用。其次，从引力模型的变量来看，“吸引力因子”即有效专利数由技术输入地有效专利数（ln）和北京市有效专利数（ln）构成。其中，ln、ln系数均为正，且两者分别在1%、5%水平上显著，说明技术输入地和技术输出地的有效专利数越多，越有利于区域间技术转移的进行。最后，考察引力模型中距离因素的影响。从表3可以看出，地理距离对技术转移的影响不具有显著性，而技术距离对技术转移存在显著负向影响，即技术输入地和输出地的技术距离越小，越有利于区域间技术转移的进行。

4.2 非效率因素模型的结果

虽然区域间技术转移的重要性对于各区域而言是一种共识，但在实际操作过程中，各区域必然存在自身的非效率项，诸如政策、经验、流程等制度差异性。为寻找我国省域技术转移过程中的这种隔离，本文构建了随机前沿非效率模型。该模型选择省际技术转移中稳定的制度性因素——技术市场化指数和知识产权保护指数作为非效率项。

由表3中的回归结果可以看出：第一，模型4随机前沿非效率模型具有适用性和合理性，即我国省际技术转移非效率因素是存在的，且显著影响技术转移效率，同时该模型的γ值为0.870，相较于模型3中的0.812也有所提高，说明技术转移非效率项是影响区域技术转移非效率的原因；第二，在技术转移非效率函数中，技术市场化（）、知识产权保护度（）分别在5%和1%水平上显著为负，说明知识产权保护度的增强和技术市场化程度的提升，都可以缓解技术转移政策的约束，且技术输入地区的技术市场化程度越高，越能够降低技术转移非效率，进而推动技术转移的进行。

4.3 地区差异分析

区域技术市场化、知识产权保护度等的发展状况能够在一定程度上反映技术转移政策的约束程度。因此，分别估计了我国经济区域的四大地区——东部、中部、西部和东北的非效率随机前沿模型结果，具体见表4。

表4 分地区估计结果

对比4个地区的估计结果可以发现，技术市场化和知识产权保护度在不同地区发挥的作用存在较大差异。首先，技术市场化能够显著缓解东部、中部地区技术转移政策的约束，而对西部和东北的影响则不显著。这主要是因为西部和东北的人才流失严重，使得技术创新和技术吸收能力不足，技术市场化程度滞后于其他地区。其次，知识产权保护能够显著缓解东部、中部和东北地区技术转移政策的约束，而对西部的影响则不显著。原因可能是相比其他地区，西部地区在知识产权保护方面还存在不足，如存在技术市场地方保护主义，这导致技术转移输出方信任度较低。

4.4 省际技术转移效率的测算

本文通过时变随机前沿模型以及非效率随机前沿模型，测算了2013—2018年29个省（区、市）（北京和西藏除外）的技术转移效率。当技术转移非效率存在时，测算的数值越大，代表技术转移效率越高；数值越小，代表技术转移潜力越大。

各地的技术转移效率测算结果如图2、图3所示。首先，从总体上来看，2013—2018年间29个省（区、市）技术转移效率均值多数在0.4～0.5之间波动，说明全国技术转移效率一直处于较低水平。其次，由图2可以看出，大部分省（区、市）的技术转移效率处于较低水平，其中福建的技术转移效率均值最高，内蒙古、河北次之，宁夏、新疆、青海的技术转移效率处于末位。最后，由图3可以看出，不同地区的技术转移效率均值也存在较大差异：东部地区技术转移效率相对稳定，且位于各地区之首；西部、东北地区技术转移效率处于较低水平；中部地区技术转移效率均值位于西部、东北地区之上，但是大部分处于全国均值以下。

图2 2013—2018年各省（区、市）技术转移效率均值图

图3 2013—2018年分地区技术转移效率均值图

5 结论与展望

省际技术转移可以有效减小区域间的技术落差，提升技术输入地的自主创新能力，从而改变东西部地区经济发展不平衡的现状。本文首先利用Lasso统计方法筛选出影响技术转移效率的重要变量，然后采用随机前沿分析方法，探讨了省际技术转移效率的影响因素和非效率项，并测算了各省（区、市）的技术转移效率。

Lasso模型的回归结果表明，影响我国省际技术转移效率的因素有技术吸收地技术实力、技术创新质量、地理距离、技术距离、知识产权保护度以及技术市场化程度等。其中，技术距离对技术转移效率具有负向影响，地理距离对技术转移效率没有显著影响，其余变量对技术转移效率具有正向影响。

随机前沿引力模型的分析结果表明：①省际技术转移与“吸引力因子”呈显著正相关关系，技术输入和输出地区的技术实力（有效技术专利量）越强，也即两者的技术距离越小，则技术转移效率越高，形成明显“强—强”组合的“马太效应”。具体表现为北京市与东部地区的江苏、浙江、福建、上海等省市的技术转移效率明显高于全国总体水平。这一结论与杨龙志和刘霞（2014）、吕荣杰等（2018）的研究结果基本一致，即技术转移效率最高的不是技术落后的西部地区，而是技术发达的东部地区。②地理距离虽然对技术转移效率没有显著影响，但还是表现出一定的本地偏好性，如北京与内蒙古、河北、天津等地区之间的技术转移效率较高，其有明显的地区邻近性特征。该结论与许多学者的研究结果一致。③在技术转移过程中，地理距离的影响与技术距离相比明显较弱。这可能是因为现代化信息沟通手段的出现，使得技术交易双方“无形”距离的影响超过了“有形”距离。④我国省际技术转移效率整体仍处于较低水平，现实技术转移与前沿还有较大差距，因而还有极大的发展潜力。同时，与地区间经济发展现状一样，地区间技术转移效率也存在一定的不平衡性，大部分可以归因于地区科技实力等主导因素以及非效率因素的综合影响。⑤技术市场化和知识产权保护度这两个非效率项是技术转移非效率的原因。技术市场化导致技术市场地方保护主义式微，刺激了外来技术输入，因而对技术转移效率产生正向影响；知识产权保护强化地区对知识产权的重视程度，减少知识产权侵权行为，提高专利权人的积极性，进而提升技术转移效率。

本文首次采用SFA（随机前沿分析）结合引力模型和随机前沿非效率模型研究了省际技术转移效率的影响因素和测度问题，对提高我国省际技术转移效率有一定的参考价值和实践意义，但仍然存在一些不足之处。一是数据时间跨度较小，范围相对狭窄。由于数据搜集困难，本文仅使用了北京与29个省（区、市）（西藏除外）2013—2018年的技术市场交易数据。二是非效率项的选择数量较少。本文非效率项仅选择了技术市场化指数和知识产权保护指数，是否还存在其他具有较大影响的制度性变量有待进一步研究。

注释：

①省域是指省级行政区。