福建省创新两阶段效率及影响因素探析——基于随机前沿分析模型

许福志，李 刚

（ 福建理工大学 互联网经贸学院，福建 福州 350014 ）

党的十九大报告作出“我国经济已由高速增长阶段转向高质量发展阶段”[1]的重要论断，明确了创新在引领高质量发展进程中的重要地位。 党的二十大报告明确指出，必须坚持科技是第一生产力、 人才是第一资源、 创新是第一动力[2]。 福建省持续深入实施科教兴省、 人才强省战略、 创新驱动发展战略等一系列政策措施，加快建设高水平创新型省份，研发要素投入规模不断扩大，创新产出也不断提升，创新综合实力显著增强，成为全方位推进高质量发展超越的关键引擎。 然而，由于福建省各地市在创新基础、资源、 环境、 政策支持等方面存在不小差距，导致区域间的创新发展很不平衡，同时，科技资源要素利用效率不高，区域创新效率尚有较大的提升空间。 因此，量化测度福建省创新效率，分析创新效率现状、 区域分布差异，探索创新效率的影响因素，对于全面推进福建省科技创新能力提升及全方位推进高质量发展超越具有非常重要的现实意义。

创新效率的研究主要聚焦于两个方面: 一是创新效率的测度，主要采用非参数方法的数据包络分析（data envelopment analysis，DEA）及延伸模型和参数方法的随机前沿分析（stochastic frontier analysis，SFA）。 前者无须设定具体的生产函数形式，从而避免了因模型设定错误带来的偏差，但未考虑偶然因素对于产出变量的影响[3]，对测量误差的忽略也会影响效率测度的准确性与稳定性[4]，且无法对结果进行显著性检验； 后者则设定了具体的生产函数形式，更具有坚实的经济理论基础，可对模型本身及估计参数进行显著性检验、 可从无效率中分离出随机误差[5]，在测算每个个体技术效率的同时，还能定量分析各种相关因素对个体效率差异的具体影响[6]，尽管其函数形式设定和分布假设过于严格，在模型设定合理且采用面板数据条件下，SFA 能得到更有效的结果[7]。 大多数学者采用DEA 及延伸模型和SFA 模型对创新效率进行测度与评价[8-10]； 基于价值链视角，创新过程又可分为技术研发阶段和成果转化阶段，部分学者也对创新两阶段效率进行测度与评价[11-13]。 二是创新效率的影响因素研究，主要包括政府支持、企业自主研发、 产业结构、 人力资本水平、 对外开放、 数字经济发展水平等[14-16]。

目前，关于福建省创新效率及影响因素的文献相对匮乏，从研究方法上看，主要采用DEA及延伸模型，如利用超效率DEA 视窗模型及Malmquist 指数、 DEA-BCC 模型和 DEAMalmquist 模型等对福建省的创新效率进行测度与评价[17-19]，采用SFA 模型仅从企业层面出发[20]； 从研究方向上看，主要测度福建省的整体创新效率，分阶段创新效率测度仅从行业层面出发[21]，且缺乏对福建省创新效率影响因素的研究。 鉴于此，采用福建省9 个地市的面板数据，运用SFA 模型测度福建省的创新两阶段效率，同时考察和分析创新两阶段效率的影响因素，以期为福建省制定科技创新发展战略和推动区域创新效率协调、 全面提升提供参考。

一、 模型构建和变量选择

1. 模型构建

依据Battese 等的模型设定方法[22]，采用柯布-道格拉斯生产函数对创新效率及影响因素进行研究。 具体模型构建如下:

其中，i和t表示地区和时间。Y、K、L分别表示创新产出、 研发资本和研发人员投入。 由于技术创新过程从研发要素投入到成果转化通常具有一定的时滞性，因此，所有研发要素投入滞后一期。vit-uit表示复合误差结构，其中，vit表示随机误差项，服从N（0，） 正态分布，uit表示技术无效率项，服从N（μ，σ2u） 截断正态分布。 技术效率（ET）为实际产出与生产前沿产出之比，其值越接近于1，表示技术越有效。γ表示随机扰动项中技术无效率占比，若γ＝1 表示误差值全部来源于技术无效率因素； 若γ＝0 表示误差值全部来自于不可控的随机因素，此时使用普通最小二乘（ordinary least squares，OLS）估计模型即可。

为进一步考察技术效率的影响因素，构建技术无效率函数:

其中:u为技术无效率函数，z为影响技术无效率的因素；δ为待估参数，若为负，说明对技术效率有正向作用，反之，则有负向作用；ω为随机误差项，假定服从N（0，） 正态分布。 考虑到要素投入的滞后性，同时为了降低内生性，通过影响因素变量滞后一期来控制。

2. 变量选择

选取福建省9 个地市的面板数据为样本，数据来源于2016—2022 年《福建统计年鉴》、 福建省各地市统计年鉴及福建省科技厅网站。 考虑到要素投入的滞后性，因此，要素投入指标为2015—2020 年数据，创新产出指标为2016—2021 年数据，变量设置如下。

（1）创新产出

基于价值链视角，创新过程可划分为技术研发和成果转化两个阶段[23]，分别选择专利授权量和技术市场合同成交额作为技术研发阶段和成果转化阶段的产出指标。 专利是发明人的重要智力劳动成果，对开发新产品、 技术改造和专利申请等有重要作用，能较全面地反映发明和创新信息，而技术市场合同成交额反映技术创新对经济运行质量和效益的促进，反映出一个地区的创新成果商业化应用和创新产品的市场成功[24]。

（2）创新投入

选取研发人员投入（L）和研发资本（K）衡量创新的投入规模。 其中，研发人员投入采用研发人员全时当量来测度； 在研发资本核算方面，尽管研发资本存量比研发资本流量更符合现实[25]，但由于研发资本存量在不同假定和计算方法下得到的结果不尽相同，对最终测度结果准确性会造成偏差[26]，且福建省9 个地市没有公布完整的相关价格指数，无法计算得到研发价格指数，因此以研发内部经费支出的流量指标来测度研发资本。

（3）影响因素变量

借鉴现有研究，选取产业结构（Sind）、 数字经济发展水平（Lded）、 政府支持力度（Sgov）、 外商直接投资（Ifd）、 人力资本水平（h）等5 个变量。 其中，Sind采用第二产业增加值占GDP 比重来衡量；Lded采用熵值法计算出的综合指数来衡量，基于数据的可获得性，从每百人互联网用户数、 每百人移动电话用户数、 电信业务总额占GDP 比重、 邮政业务总额占GDP 比重、 人均快递业务量来构建Lded评价指标体系；Sgov采用财政科技支出占财政支出比重来衡量；Ifd采用外商直接投资总额占GDP 比重来衡量；h采用每万人中在校大学生数来衡量。

二、 实证分析

利用SFA 量化测度福建省的技术研发效率和成果转化效率，并对创新两阶段效率的影响因素进行实证研究。

1. 福建省创新两阶段效率演变分析

表1 报告了2016—2021 年福建省技术研发效率的测度结果。 研究表明: 1）整体来看，福建省技术研发效率平均值呈小幅度波动趋势，最低为2017 年的0.384，最高为2018 年的0.493，总平均值为0.437，技术研发效率还处于较低水平。 近年来，福建省虽然加大了科技资源要素的投入力度，创新产出也不断提升，但产出投入比仍然偏低。 根据统计数据，专利授权量与研发内部经费支出、 研发人员折合全时当量的比值，在2016 年分别为147.632 件/亿元、 0.507 件/人年，在2021 年分别为157.262 件/亿元、 0.647件/人年，产出投入比增长幅度小，导致技术研发效率无法快速提升。 2）分区域来看，技术研发效率值高于全省平均水平的地市有莆田市、 三明市、 泉州市、 龙岩市和宁德市，最高为泉州市的0.725； 而福州市、 厦门市、 漳州市和南平市的技术研发效率均值低于全省平均水平，最低为福州市的0.144，说明技术研发效率存在显著的区域异质性，但这种差异性随着时间的推移呈阶段性下降趋势，即变异系数从2016 年的0.490下降到2021 年的0.351。 经济综合实力较高的福州市和厦门市的技术研发效率值却相对较低，主要是由于这两个地市的技术研发产出虽然较高，但投入的科技资源要素也更多，产出投入比相对较低，导致技术研发效率不高； 而经济综合实力较低的莆田市、 三明市、 龙岩市、 宁德市却拥有相对较高的技术研发效率值，主要是由于这些地市的技术研发产出虽然较低，但投入的科技资源要素更少，因而产出投入比相对较高，技术研发效率有所提升。 以福州市和三明市为例，根据统计数据，2016—2021 年间，福州市专利授权量与研发内部经费支出、 研发人员折合全时当量的比值分别为100.086 件/亿元、 0.405 件/人年，而三明市分别为118.760 件/亿元、 0.597件/人年，产出投入比存在不小差距。

表1 福建省技术研发效率测度结果

表2 报告了2016—2021 年福建省成果转化效率的测度结果。 研究表明: 1）整体来看，福建省成果转化效率平均值呈动态上升态势，从2016 年的0.381 上升至2021 年的0.561，年均增长率为8.05%，总平均值为0.454，虽然效率不高，但科技资源要素的利用效率显著提升。 近年来，福建省出台了一系列科技成果转化的政策法规，逐步完善科技成果转化链条，加快成果转化及产业化，着力打通科技成果转化为生产力的“最后一公里”，科技成果转化能力显著增强。2）分区域来看，成果转化效率值高于全省平均水平的地市有福州市、 厦门市、 三明市和宁德市，最高为厦门市的0.713； 而莆田市、 泉州市、 漳州市、 南平市和龙岩市的成果转化效率值低于全省平均水平，最低为漳州市的0.228，说明成果转化效率也存在显著的区域异质性，但这种差异性随着时间的推移呈下降趋势，即变异系数从2016 年的0.709 一直下降到2021 年的0.268。 泉州市的成果转化产出虽然较高，但投入的科技资源要素更多，产出投入比相对较低，导致成果转化效率不高； 而三明市和宁德市的成果转化产出虽然较低，但投入的科技资源要素也更少，产出投入比相对较高，进而提升了成果转化效率。

表2 福建省成果转化效率测度结果

2. 福建省创新两阶段效率模式分析

为更深入地分析福建省各地市在创新两阶段的效率情况，根据技术研发效率和成果转化效率的平均值将研发活动分为4 种模式，结果如表3 所示。

表3 研发活动模式分类

（1）高技术研发高成果转化效率模式

三明市、 宁德市这两个地市虽然科技资源要素投入和创新产出并不高，但产出投入比相对较高，创新两阶段效率也随之提升。 近年来，三明市科技局出台了一系列促进科技创新发展的政策措施，持续深化京明、 沪明、 厦明科技合作，加快建设六大科技创新平台，增强了科研实力和服务能力，与2018 年相比，2019 年技术研发效率和成果转化效率分别下降了48.35%、 50.78%，下降幅度明显，随后持续上升。 宁德市锂电新能源、 新能源汽车、 不锈钢新材料、 铜材料等具有国际竞争力的高技术主导产业集群发展迅速，技术研发和成果转化水平显著提升，随着时间的推移，技术研发效率和成果转化效率呈总体上升趋势，2016—2021 年，年均增长率分别为7.21%、12.25%。

（2）高技术研发低成果转化效率模式

莆田市、 泉州市、 龙岩市这三个地市的技术研发能力较强，但科技成果转化能力相对较弱。泉州市的技术研发和成果转化存在严重的“跛足” 现象，技术研发效率显著高于成果转化效率，科技成果转化为现实生产力的水平较低。 莆田市的技术研发效率略高于全省平均水平，但成果转化效率与全省平均水平存在一定差距。 龙岩市的创新两阶段效率与全省平均水平较为接近。

（3）低技术研发高成果转化效率模式

福州市、 厦门市这两个地市的经济综合实力相对较强，科技资源要素投入和创新产出也较高，但技术研发和成果转化同样存在严重的“跛足” 现象，成果转化效率居全省前2 位，技术研发效率居全省末2 位，成果转化效率显著高于技术研发效率。

（4）低技术研发低成果转化效率模式

漳州市、 南平市这两个地市的技术研发和科技成果转化能力均相对较弱。 漳州市的科技资源要素投入和创新产出处于全省中上游水平。 根据统计数据，2016—2021 年间，漳州市的研发内部经费支出、 研发人员折合全时当量、 专利授权量均排在全省第4 位，技术市场合同成交额排在全省第6 位，但产出投入比相对较低，创新效率也偏低。 南平市的科技资源要素投入和创新产出处于全省下游水平，科技资源利用效率低，未能带动创新效率提升。

3. 福建省创新两阶段效率影响因素分析

表4 给出了创新两阶段效率影响因素的估计结果。 数据表明，模型中技术无效率占比（γ）、似然比（RL）统计量在1%水平下具有显著性，且γ值都大于0.9，表明影响创新效率的大部分随机因素可由技术效率来解释，即前沿生产函数模型不仅存在技术无效率，且技术无效率对因变量具有显著的影响，说明运用SFA 考察福建省创新两阶段效率及其影响因素的合理性。

表4 创新效率影响因素估计结果

（1）lnK和lnL对创新产出的影响

技术研发阶段，lnK和lnL的产出弹性分别为0.280、 1.180，且通过了显著性检验，说明研发资本和研发人员投入对技术研发阶段的创新产出具有正向作用，lnK和lnL每增加1%，专利授权量将分别增加0.280%、 1.180%，研发人员投入对专利产出的正向影响显著大于研发资本。 成果转化阶段，lnK的产出弹性为0.197，但未通过显著性检验，lnL的产出弹性为1.687，通过了显著性检验，说明研发资本在成果转化阶段未完全发挥正向作用，成果产出主要依靠研发人员投入，lnL投入每增加1%，技术市场合同成交额将增加1.687%。

（2）Sind对创新效率的影响

Sind在技术研发阶段的系数显著为负，在成果转化阶段的系数为负但不显著，说明产业结构对技术研发效率具有正向促进作用，而对成果转化效率的正向促进作用不显著。 近年来，福建省加快调整优化产业结构，深入推进先进制造业强省、 质量强省建设，大力发展高技术新兴产业，做大做强电子信息和数字产业、 先进制造装备等主导产业，不断加强关键核心技术研发攻关，从而有效促进技术研发效率的提升，但可能产业结构调整优化尚未达到一定的“门槛值”，故对成果转化效率的提升效果不显著。

（3）Lded对创新效率的影响

Lded在创新两阶段的系数均显著为负，说明数字经济发展水平能促进创新两阶段效率的提升。 近年来，福建省加快推进“数字福建” 建设，加大数字经济基础设施投入力度，积极推动互联网、 大数据、 人工智能和实体经济深度融合，大力推进数字产业化、 产业数字化，数字经济发展水平大幅提升，而数字经济的发展在一定程度上打破了信息与研发要素在区域间流动的地理限制[27]，能够有效整合创新资源、 打通创新堵点，通过人力资本积累效应、 知识溢出效应、创新要素配置优化效应提升创新效率[16]。 当前，数字经济发展已成为推动福建省科技创新发展的关键引擎。

（4）Sgov对创新效率的影响

Sgov在创新两阶段的系数均显著为负，说明政府支持力度能促进创新两阶段效率的提升。 根据统计数据，2016—2021 年间，虽然福建省的地方财政科技支出占财政支出比重较小，均值为2.47%，但呈上升趋势，年均增长率为9.21%。在科技创新过程中，福建省持续加大财政科技支出力度，出台创新激励政策，为科技创新活动创造基础条件，为加快科技成果转化提供保障，政府支持的引导作用和杠杆效应得到了充分的发挥[28]，对创新两阶段效率的提升效果显著。

（5）Ifd对创新效率的影响

Ifd在技术研发阶段的系数显著为正，在成果转化阶段的系数为正但不显著，说明外商直接投资未能提升福建省的创新两阶段效率。 这可能是由于福建省的外商直接投资主要流向服务业，而进入先进制造、 科技创新等重点领域的份额偏低，导致外商直接投资的技术溢出效应不显著。 以2021 年为例，根据福建省统计局数据，福建省的外商直接投资中流向工业的占比仅为11. 44%，而流向服务业的占比高达71. 17%。

（6）h对创新效率的影响

h在技术研发阶段的系数显著为正，在成果转化阶段的系数显著为负，说明人力资本水平未能促进技术研发效率提升，但对成果转化效率具有显著的正向促进作用。 在技术研发阶段，福建省在培养人才创新能力方面存在不足，这可能导致人力资本水平未能达到促进技术研发效率的“门槛值”。 提高人们的受教育程度可以更加有效地将技术研发阶段得到的成果进行市场化的运作，进一步提高成果转化效率。

三、 结论和对策

1. 研究结论

科技创新是福建省全方位推动高质量发展超越的第一动力源，优化科技资源配置、 提升创新效率成为推动科技创新的关键引擎。 基于福建省9 个地市的面板数据，运用SFA 模型量化测度福建省的创新两阶段效率，并考察和分析创新两阶段效率的影响因素，得出以下结论: 1）福建省的创新两阶段效率总体水平不高，技术研发效率呈小幅度波动态势，平均值为0.437； 成果转化效率呈总体上升态势，年均增长率为8.05%，平均值为0.454； 2）福建省创新两阶段效率存在显著的区域差异，技术研发效率值高于全省平均水平的地市有莆田市、 三明市、 泉州市、 龙岩市和宁德市； 成果转化效率值高于全省平均水平的地市有福州市、 厦门市、 三明市和宁德市，但这种差异性随着时间的推移呈下降趋势； 3）研发人员投入是影响创新两阶段产出的重要因素，研发人员投入增加1%，专利授权量、 技术市场合同成交额将分别增加1.180%、 1.687%； 4）数字经济发展水平、 政府支持力度对创新两阶段效率具有显著的正向作用，产业结构能促进技术研发效率提升，外商直接投资对技术研发效率具有明显的负向作用，而人力资本水平未能促进技术研发效率提升，但对成果转化效率具有显著的促进作用。

2. 对策

根据以上研究结论，提出如下对策: 1）持续加大科技资源要素投入力度，提高利用效率。根据国家统计局数据，虽然2021 年福建省的研发人员全时当量和研发内部经费支出分别排在全国第6 位和第11 位，但相比于北京、 江苏、 浙江、 广东等省份还存在不少差距，因此，应加大研发经费的投入力度，用好研发费用加计扣除、加大留抵退税等政策，提升利用效率； 实施创新人才培育行动，培养引进“高精尖缺” 人才，并在薪酬、 住房、 子女教育、 父母养老等方面给予优厚待遇，更好地引进人才、 留住人才； 2）推动区域创新效率协调、 全面提升。 打破行政区域限制和机制壁垒，建立科技创新协同联动机制、 行业合作创新机制，以建设国家自主创新示范区、 福厦泉科学城为契机，推动技术、 知识、人才、 资金等创新要素的流动与扩散，充分发挥科技创新的空间溢出效应，不断提升区域整体创新水平； 3）制定差异化的科技创新发展战略。各地市应根据创新两阶段效率的特征及自身的独特优势，走具有地域特色的创新之路。 创新资源聚集的福州市和厦门市应着重加强基础研究和理论研究，加大关键核心技术攻关，提高科技产出投入比，推动技术研发效率和成果转化效率有效衔接； 创新两阶段效率较高的三明市和宁德市，应着重加大科技资源要素的投入力度，不断优化科技资源配置； 科技成果转化能力较弱的莆田市、 泉州市和龙岩市，应着重制定有利于科技成果转化的政策，畅通科技成果转化链条，促进科技成果资本化产业化； 创新两阶段效率较低的漳州市和南平市，在加大科技资源要素投入力度的同时，不断强化区域间的科技交流合作，提高科技资源利用效率，加强技术研发和成果转化能力，促进创新两阶段效率全面提升； 4）统筹考虑创新效率的影响因素。 优化升级产业结构，大力发展高新技术产业； 加快推进“数字福建”建设，深入推进数字产业化、 产业数字化，采取人才优惠政策、 资金支持等有效措施来吸引数字人才[29]； 政府要坚持市场主导，通过税收政策等支持科技创新发展，适度发挥行政作用，加强对研发资金的监管力度； 引导外商直接投资先进制造、 科技创新等重点领域，提高外商直接投资的技术溢出效应； 加强人力资本的投资和积累，完善人才激励政策，培养应用型、 复合型、 创新型的高素质人才。