张诚;卢云;张志坚
【摘 要】High technology industry as the international strategic leading industry, plays an important role in e-conomic growth and industrial structure adjustment. At present, our country is speeding up innovative national construction,and the high technology innovation efficiency will largely influence the sustainable development of high technology industry. Through the establishment of high-tech industrial innovation efficiency of input and output index system, using DEA cross model to measure the national high technology industry innovation effi-ciency in 30 provinces,this paper analyzes the fluctuation rules of regional innovation efficiency. Research shows that in most of the provinces high-tech industry innovation efficiency gradually ascending in 2009-2013; The nation and the three areas of high technology industry innovation exists convergence efficiency and absolute con-vergence. Finally,based on the results of the study,it put forward suggestions for the sustainable development of regional coordination for hig-tech industry.%高新技术产业作为国
际战略性主导产业，对经济增长和产业结构调整具有重要作用。当前，我国正在加快建设创新型国家，而高新技术产业的可持续发展在很大程度上取决于高新技术产业的创新效率。通过建立高新技术产业创新效率的投入产出指标体系，利用DEA交叉模型测算全国30个省份的高新技术产业创新效率，并分析了创新效率的区域变动规律。研究表明：全国绝大多数省份的高新技术产业创新效率在2009—2013年间实现了逐步提升；全国和三大地区的高新技术产业创新效率存在收敛、绝对收敛。最后针对研究结果提出了我国高新技术产业区域协调可持续发展的政策建议。
【期刊名称】《华东交通大学学报》
【年(卷),期】2016(033)003
【总页数】8页(P135-142)
【关键词】高新技术产业;创新效率;交叉DEA;收敛
【作 者】张诚;卢云;张志坚
【作者单位】华东交通大学经济管理学院，江西 南昌 330013;华东交通大学经济管理学院，江西 南昌 330013;华东交通大学经济管理学院，江西 南昌 330013
【正文语种】中 文
【中图分类】F724
高新技术产业属于高附加值产业，对于资源的依附度较低，而对于国民经济贡献力度极大。尤其是在“十一五”和“十二五”期间，高新技术产业规模急速扩张，企业个数快速增长（如图1所示），其主营业务收入也得到了提高。从长远角度看，高新技术产业不仅仅要成为转变经济增长方式、引领国家科技发展的先导力量，同时其自身产业的发展也极为重要，高新技术产业要继续力抓自主知识产权，提高企业自我核心能力，落实到根本上仍然是创新，只有创新才能使得高新技术产业实现良性发展。高新技术产业创新是指产业内的企业不断通过利用先进科学技术开发新产品、改进新工艺进而提升企业整体效益的过程，而这个创新过程是一个投入产出不断变化的过程，其创新投入和产出也是企业关注的重点，因此，高新技术产业创新效率的高低和区域差异性成为影响产业可持续发展的重中之重。
事实上，从“十一五”初的2006年到2013年末，高新技术产业的主营业务收入增长了156倍，在产业规模极速扩大的同时，高新技术产业的创新效率能否维持一定的合理水平也就成为了保证产业可持续发展的重要因素。国内外学者对高新技术产业的研究较为丰富，大多数都集中在高新技术产业的体制机制和产业效率测算等方面。在国外主要有Jooh Lee[1]（1995）对美、日高新技术产业效率和投入之间关系进行了分析；Isidre March-Chorda[2]（1999）利用因子分析法测算了高新技术产业效率；Chen[3]（2005）通过DEA模型测算了台湾高新技术产业效率值；Neelankavil[4]（2003）对高新技术产业创新效率进行了格兰杰因果检验；Anna Arbussa和Germa Coenders[5]（2007）利用多级logit模型实证分析了西班牙高新技术产业创新效率。Choi SB et al.[6]（2011）研究得出在美欧日等主要发达国家，政府R&D资助对企业的创新效率存在积极影响。此外，在创新评价指标选取上，国外学者通常采用专利申请量而非专利授权量作为衡量创新绩效指标。Jaffe[7]（2000）论证出专利申请量更能全面反映一个企业、行业、地区的研发水平的高低，因为专利授权量不但不能真实反映专利申请的意愿，而且受到专利授权机构的人为因素的影响。Cooper WW et al.[8]（2007）以专利申请量、新产品数、新产品销售额等7个指标来研究创新效率的影响因素和高新技术产业的创新效率情况。
国内关于高新技术产业的研究起步较晚，早期研究主要集中在研发要素投入和创新绩效关系上，目前更多的国内学者对我国高新技术产业效率进行了大量深入研究，主要有刘川[9]（2013）采用三阶段DEA方法测算了我国高新技术产业研发创新效率，认为区域差异明显；赵志耕[10]（2013）针对转型时期内我国高新技术产业创新能力进行了评价；杨青峰[11]（2013）利用我国高新技术产业分行业面板数据为研究样本，对高新技术产业的区域创新效率的影响因素进行了研究；伏玉林[12]（2014）实证研究了高新技术产业的创新特征差异；李培楠[13]（2013）运用面板回归分析了创新要素对高新技术产业创新效率的影响；卫平[14]（2013）通过构建高新技术产业的区域创新资源配置效率评价指标体系和模型进行了实证研究；桂黄宝[15]（2014）采用空间计量分析了高新技术产业的区域性；刘焕鹏[16]（2014）重点研究了高新技术产业的技术引进和创新效率；庄涛[17]（2014）对高新技术产业产学研合作创新效率及其影响因素进行了分析；范允奇[18]（2014）对高新技术产业创新效率和区域联动效应进行了实证研究。
以上文献均采用实证研究方法分析了我国高新技术产业创新效率值，其不同在于从不同投入产出角度分析了效率和其他变量之间的关系，得出了一些有意义的结论，对本文亦有重要的参考价值。在已有文献论述中，高新技术产业创新效率整体呈现增长趋势，但是在“十一五”
和“十二五”期间，创新效率是否有所提高，能否直接把产业生产效率作为创新效率，针对小样本数据能否采用更为科学的评价方法，创新效率区域之间能否进一步实现收敛，缩短区域间的差距，保持高新技术产业的可持续发展也是值得我们进一步思考和分析的。
2.1 DEA交叉评价模型
DEA模型是传统的用于效率评价的方法，是美国著名运筹学家Charnes等提出，其主要用于对多输入、多输出同类决策单元的效率分析。Sexton等人在已有的DEA-CCR等模型基础上进行了改进，产生了DEA交叉评价模型。DEA交叉评价模型主要优势在于利用相互评价体系，能够进行更加客观的效率分析，所得到的效率值也更加科学合理。
一般而言，假设决策单元存在m个投入和s个产出向量，可以表示为
CCR模型主要计算方法如下：
在公式（3）中，w*1d，w*2d，…，w*md，μ*1d，μ*2d，…，μ*sd，分别表示可以满足以上线性规划的投入和产出的相关权重。θd表示DMUd在最优权重，w*1d，w*2d，…，w*md，μ*1d，μ*2d，…，μ*sd下获取的效率值。在以上的最优权重下，可以定义DMUj基于
DMUd的交叉效率值：
其中Edd表示DMUd的CCR效率值。但是，由于在满足最优权重w*1d，w*2d，…，w*md和μ*1d，μ*2d，…，μ*sd仍存在多个满足要求解的情况。Sexton等人又进行了改进，如下面公式（5）所示，计算得到了效率值最大的交叉效率值：
其中，表示DMUj基于DMUd的“利众型”交叉效率值，因而每一个DMUj可得到n个交叉效率值。可以用所有Edj（d=1，2，…，n）的平均值来表示第j个DMU的交叉效率总得分。
2.2 收敛方法
一般情况下，伴随着时间的推移，两个或两个以上的实体单位相关经济指标之间的差异会变得越来越小的过程称为收敛。σ收敛、绝对β收敛、条件β收敛3种方法是较为常用的检验收敛过程的方法。
1）σ收敛。标准差σ一般用于σ收敛的具体表征指标，含义是所考察各个地区的高新技术产业创新效率差距随着时间的推移而逐渐减小的过程。具体的测算公式如式（6）所示。
式中，1nEFFi代表某年度所考察区域内的某个省份的高新技术产业创新效率的自然对数值；1nEFF代表某年度所考察区域内的全部省份的高新技术产业创新效率的自然对数值的平均值；n代表区域内的省份个数。
2）绝对β收敛。绝对β收敛的目的在于衡量某指标的增长率与其初始状态之间的关系来表现该指标的时间序列变化水平。一般而言，当考察区域内的高新技术产业创新效率增长率与最开始状态呈现负相关，当落后区域增长率高于较高水平区域时，伴随时间的推移所有区域增长速度和增长水平会趋于相同，体现出绝对β收敛现象。公式（7）表示了具体计算方法。
在公式（7）中，T表示考察的时间跨度，EFFiT+1代表某年度所考察区域某个省份的高新技术产业创新效率的期末值，EFFi1代表某年度所考察区域某个省份的高新技术产业创新效率的期初值，α代表截距项，β代表收敛系数，εi为随机误差。如果β为负，则表明所考察区域内的创新效率有收敛的趋势，否则发散。
收敛速度的计算见公式（8），β仍然代表收敛系数，
3.1 DEA交叉模型的各省高新技术产业创新效率测算
3.1.1 产业投入产出指标选择
创新资源投入与创新资源产出是构成高新技术产业创新效率评价指标体系的两个方面。根据已有关于创新效率的研究文献，我们结合高新技术产业的特点，构建高新技术产业创新资源配置效率评价指标体系，如表1所示。
DEA分析以决策单元的投入产出数据为衡量效率的基本要素，综合DEA方法对投入产出指标的要求，结合数据可得性以及高新技术产业的特点，选取R&D人员 和R&D经费支出、新产品开发经费、技术改造经费4个变量作为高新技术产业的投入变量，在经济系统中，生产的投入变量主要包括人员和资本等，R&D人员主要衡量高技术产业的劳动投入，R&D经费支出、新产品开发经费和技术改造经费则衡量高技术产业的资本投入；选取新产品产值、申请专利量、有效发明专利量3个变量作为高新技术产业的产出变量，其中，新产品产值用来表征高新技术产业研发创新产品的商业化水平与经济价值，而申请专利量、有效发明专利量用来表征高新技术产业的知识产出。
测算所得的效率值用EFF表示，数值位于0～1的区间范围内，考虑到数据完整性，剔除了西藏自治区，所有原始数据均来自《中国科技统计年鉴》（2010—2014）。
3.1.2 创新效率测算
根据公式（1）～（5）的描述，采用matlab7.0对全国30个省市5年数据进行交叉DEA测算，创新效率值具体测算结果如表2所示。
从表1可以看出，全国绝大多数省份的高新技术产业创新效率在2009—2013年间实现了逐步提升，但不同地区间高新技术产业创新效率仍存在较大差异，像浙江、江苏、广东等省份都在保持较高的创新效率值，而内蒙古、新疆等省份的创新效率值较低，但同时也存在较大的增长空间。由于我国幅员辽阔，各个省（直辖市、自治区）的经济发展水平、产业结构和布局、要素禀赋、人力资木、开放程度等客观条件存在较大差异，导致了地区之间的高新技术产业技术创新效率存在较大差异。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议