基于共同前沿的区块链上市公司技术创新效率研究

张波波 Dongphil Chun(通讯作者) 赵珊珊

(韩国国立釜庆大学 技术经营专门大学院 韩国釜山 48513)

2008年以来，我国区块链产业快速发展，已应用于制造、政务、金融等行业，但不同区域区块链产业存在显著的发展差异性。截至2022年12月，从完成中央网信办区块链信息服务备案的公司数量来看，主要集中在北京、上海、广东、浙江、江苏、山东、福建等省市，其中北京、上海、广东的公司数量超过百家，公司聚集效应比较明显。党的二十大报告指出，以推动高质量发展为主题，着力提高全要素生产率，加快发展数字经济，而区块链是数字经济的重要组成部分。在此背景下，本文尝试研究以下问题：目前各个区域及全国区块链上市公司的技术创新效率究竟如何；不同区域的技术创新效率及水平存在哪些差异；技术创新效率的动态变化呈现哪些特征。本文对上述问题的研究，可以进一步探讨我国区块链上市公司技术创新效率提升的策略或建议。

学术界对我国区块链产业的技术创新及影响因素等方面已有大量的科研成果，例如，张慧等(2023)[1]分析了区块链产业生态的绩效评价体系；张月玲等(2020)[2]、李晓梅等(2018)[3]探索了区块链上市企业的投入产出效率；孙雄杰等(2021)[4]、解晓涵等(2022)[5]研究了区块链概念股上市公司的影响因素及技术效率。但现有研究仍存在一些可扩展的空间，在测量技术效率时很少考虑不同组群之间的技术差异性。由于区域发展不平衡，区域间的技术、管理、经济等存在差异，相同时期不同区域的技术创新效率是不同的。

综上所述，本文将区块链上市公司作为研究对象，基于共同前沿理论和SBM模型，对全国及三大区域的区块链上市公司技术创新效率进行了测量分析，加深对不同区域视角下区块链上市公司技术创新效率的认识，并为利益相关者提供决策参考。

1 模型与变量选择

1.1 基于共同前沿的SBM模型

Tone等(2001)[6]提出SBM模型，在测量多投入、多产出条件下的技术创新效率有独特优势，相比传统DEA模型，该模型能够较好解决变量松弛、径向等问题所引起的测量误差。本文使用非导向的SBM模型，以投入视角对技术创新效率进行测量，具体公式如下：

公式(1)中，ρ为技术创新效率值，且0≤ρ≤1，x、y分别为投入、产出的要素，m、s分别为投入、产出的要素数量；r表示第r个决策单元(DMU)，而r0表示待计算的决策单元；X、Y分别表示投入、产出所构成的矩阵；λ为投入与产出指标的权重；s-、s+分别为投入、产出的松弛变量值。

O’Donnell等(2008)[7]提出了共同前沿与群组前沿，对于存在区域差异性而导致技术创新效率不同的DMU，根据公式(1)可以测算出共同前沿效率(MOE)、群组前沿效率(GOE)和技术落差比率(TGR)，其中，0≤TGR=MOE/GOE≤1。共同前沿表示所有DMU的潜在技术创新水平，而群组前沿表示每组DMU的实际技术创新水平，两者的区别在于参照的技术对象不同。技术落差比率是用MOE和GOE的比值来衡量，比值越小，说明DMU的实际技术创新水平与潜在技术创新水平的差距越大。

综上分析，本文基于共同前沿的SBM模型作为基本研究模型。

1.2 Malmquist生产率指数

时间变化影响DMU的技术创新效率，而Malmquist生产率指数可以进一步准确评估DMU，已被学术界广泛应用。Pastor等(2005)[8]提出了全局Malmquist指数，其公式如下：

公式(2)中，Dt(xt，yt)和Dt(xt+1，yt+1)表示在t时期的技术条件下，DMU在t时期和t+1时期的方向距离函数，同理Dt+1(xt，yt)和Dt+1(xt+1，yt+1)。当MG大于1，说明t时期到t+1时期，全要素生产率提升；当MG小于1，说明t时期到t+1时期，全要素生产率下降。其中，EC(effch)代表技术效率，BPC(techch)代表技术进步，而EC(effch)=Pech*Sech，pech代表纯技术效率，sech代表规模效率，MG(tfpch)代表全要素生产率。

1.3 变量选取与数据来源

对于区块链上市公司的技术创新效率评价，参照现有研究文献并选取投入产出指标，构建了包含三个投入指标和四个产出指标的指标集合。

上市公司技术创新投入指标：(1)作为技术创新活动的基本要素，国内外学者一般选取R&D人员和R&D经费作为技术创新的投入指标，这两个指标在整个创新活动中起到关键作用；(2)公司总资产：反映了公司的经济实力、财务规模。上市公司技术创新产出指标：(1)授权专利和申请专利的数量，体现了区块链上市公司技术创新的产出成果；(2)无形资产，公司创新活动影响无形资产，而无形资产增加可以表明企业竞争力得到增强；(3)营业收入，反映了公司技术创新带来的经济效益。

本文选取的数据样本为2017—2022年中国大陆地区的区块链上市公司，为保证数据样本的有效性，剔除ST类型以及指标缺失的公司，最终得到189家区块链上市公司作为研究样本。变量数据主要来源于国泰安数据库和国家知识产权局网站，对于个别缺失的变量，采用平均增长率计算方法进行填充，并对数据进行了整理。

参考国家统计局《中国统计年鉴》的分类方式，本文将决策单元划分为东部、中部和西部三个组群，其中，东部包括北京、天津、河北、辽宁、江苏、上海、浙江、山东、福建、广东、海南、广西12个地区；中部包括内蒙古、黑龙江、吉林、山西、安徽、河南、湖北、湖南、江西9个地区；西部包括甘肃、青海、宁夏、新疆、西藏、陕西、四川、重庆、贵州、云南10个地区。

2 数据分析与讨论

2.1 两种前沿下的技术创新效率分析

如表1所示，假设以全国共同前沿作为参考标准，2017—2022年，全国区块链上市公司的技术创新效率保持平稳趋势，但年均值仅为0.428，这表明了按照共同前沿测量，全国区块链上市公司技术创新生产要素投入减少57.2%，也能达到当期的创新效率水平。相比之下，假设以组群前沿作为参考标准，全国技术创新效率的年均值可达到0.586，明显高于共同前沿下技术创新效率，说明了参考标准的不同造成数据测量结果的差异。因此，忽略不同组群之间的技术异质性，将DMU统一纳入相同测量标准所得出的结果肯定存在偏差，根据共同前沿理论的解释，组群潜在技术创新水平包含于共同前沿技术创新水平之下，基于共同前沿的效率值小于组群前沿的效率值，这也说明了对技术创新效率区分研究的必要性。

表1 2017—2022年各地区区块链上市公司的技术创新效率及技术落差比率

从区域层面来看，三大经济地区的区块链上市公司技术创新效率均值从高到低依次为东部、中部、西部，分别为0.573、0.464、0.227，这表明各个地区的技术创新效率偏低，尤其是西部地区，存在较大的提升空间。总体而言，东部地区在经济、技术等方面发展水平较高，更加注重技术的研发、应用和管理，从而使东部地区技术创新效率更加接近共同前沿。尽管自2016年起，国家陆续出台一系列区块链等新兴技术相关政策和刺激，不断推动区块链等技术的研发与应用，对于促进区块链上市公司技术创新效率提升的作用不明显，如表2所示，无论是各个地区还是省市区，效率值逐年变化较小。值得注意的是，在传统认知中一些高新技术产业较为发达的地区，如上海、北京，其效率值却并不突出，存在较大的改善空间。上海、北京因其具有特殊的政治、经济地位，区块链上市公司聚集效应明显，但是这些公司涉及多个不同的行业，如制造业、金融业、信息技术和科学研究，由此可知，公司之间存在技术和资源分散现象，技术共同协作效应不足，导致地区技术创新效率欠佳。

表2 中国各省市区两种前沿下区块链上市公司的技术创新效率及技术落差比率

需要特别注意的是，中部、西部部分地区没有区块链上市公司，如内蒙古、山西、甘肃、西藏。这些地区长期发展主要依赖传统工业、自然资源，随着社会信息技术的发展，区域优势不断弱化，导致人口外流、技术创新不足。近几年来，国家对中西部地区的发展十分重视，吸引了大量人才和资本，同时又赶上“未来产业”“数字经济”的发展需要，整体技术创新效率将呈现向上发展的态势。

在组群前沿下，各个地区的技术创新效率水平差异比较明显，东部、中部、西部的年均值分别为0.724、0.677、0.351，其中西部地区的部分省市区具有较高的效率值，代表在该组群下技术创新的最佳技术水平。但是三个区域的整体技术效率是平稳发展的，说明区域内部的技术协同、资源配置等发展关系没有明显的提升。

在189家区块链上市公司中，东部、中部、西部的公司个数分别为161、19、9。其中，仅东部地区就拥有一半以上的公司，特别是广东48家、北京39家、浙江19家，公司聚集效应比较明显。公司所处区域的经济发展水平及资源配置不平衡等原因，技术创新效率参差不齐，导致组群前沿下东部地区的各个省市区技术创新效率值偏低，最大差值为0.173。

2.2 技术落差比率分析

由表2可知，三大区域的TGR分别为0.794、0.533和0.258，这说明当产出效果不变的状态下，东部、中部、西部分别可达到技术创新资源投入利用水平的79.4%、53.3%和25.8%。其中，东部地区表现最佳，中部地区次之，西部地区最低，不同区域之间确实存在技术创新水平的差异，与以往相关学者的研究结果基本一致。从客观条件来看，各地区技术、经济发展水平的迥异，以及技术创新环境的差异，对区块链上市公司的支持力度及推动效应不同。以研发人力资源为例，东部地区聚集了大量的高等院校和科研机构，高端科技人才丰富，产学研深度融合，为知识创新及产业技术发展提供了宝贵资源。

北京、上海、广东的TGR值分别为0.796、0.807和0.797，从统计结果来看表现并不突出，但距离潜在最优技术创新水平仍有发展空间。相比之下，中部、西部地区的TGR值较低，说明与共同前沿的距离较远，在这种情况下，中部和西部地区想要快速发展，需要寻求政府的大力支持，以及与东部地区的技术创新合作；同时，优化本地资源配置，不断提升公司的技术创新能力，以期提高技术创新成果产出。

2.3 基于Malmquist指数的动态效率分析

如表3所示，2017—2022年我国区块链上市公司的Malmquist生产率指数平均为0.974，说明这些公司的技术创新效率平均下降了2.6%，其中，技术效率平均值上升0.6%，技术进步值下降2.5%，两者共同作用导致技术创新效率下降，在这6年期间，只有1年的Malmquist生产率指数值超过了1，而其他年份的Malmquist生产率指数值均小于1，说明这期间区块链上市公司的研发资源利用率较低。

表3 2017—2022年我国区块链上市公司的Malmquist生产率指数

从我国区块链上市公司每年Malmquist生产率指数的变化趋势来看，2017—2020年总体上呈现增长趋势，技术效率值不断上升，而技术进步值小幅下降，说明Malmquist生产率指数的增长得益于技术效率的增长。2020—2022年，Malmquist生产率指数逐步递减，可能受到产业环境变化等不利因素的影响，技术效率及技术进步值均出现较大波动，说明区块链上市公司的技术创新水平有待进一步提升。

3 结语

本文基于共同前沿的SBM模型和Malmquist生产率指数法，利用我国区块链上市公司6年的面板数据，对189家相关上市公司的技术创新效率进行了实证研究，并得出以下结论：(1)我国区块链上市公司2017—2022年平均技术落差比率为0.534，存在一定的提升空间；各个区域的技术创新效率差异性明显，呈现“东部地区高，西部地区低”的局面，且产业发展不均衡，大量的上市公司位于东部地区，而中西部地区较少；(2)从省市区层面来看，各个地区之间的技术创新效率呈现平稳发展趋势，2017—2022年东部城市与中西部城市的技术创新效率差距未见缩小趋势，发展存在技术壁垒；(3) Malmquist生产率指数发现，2017—2022年Malmquist生产率指数呈“增长-下降”态势，整体而言，技术创新效率下降2.6%，资源利用率有待进一步提高。

本文研究结论为制定产业政策提供了指导意义，东西部地区之间的技术创新水平差距值得关注，需要加强区域间的技术交流与合作，促进技术创新、管理经验等从东部向西部扩散，共享技术创新成果，进一步提高创新能力；加强政府政策、资金等支持力度，尤其是中西部地区，为公司技术创新营造良好的生态氛围，不断鼓励公司强化自主创新的能力建设；区块链相关上市公司应重视技术创新的重要性，优化资源配置，提升技术创新效率，推动区块链相关产业的高质量发展。

值得关注的是，由于区块链为新兴技术，除了区块链上市公司外，大量的中小企业参与区块链相关技术的研发与应用。因此，如何全面、精准地衡量区块链相关公司的技术创新效率已成为区块链产业高质量发展的重要课题，有待进一步深入研究。