《基于动态网络sbm模型的中国高技术产业创新效率-白雪洁.pdf》由会员分享，可在线阅读，更多相关《基于动态网络sbm模型的中国高技术产业创新效率-白雪洁.pdf（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第5期(2016年5月) 中国科技论坛 一39一基于动态网络SB M模型的中国高技术产业创新效率白雪洁1(1南开大学经济与社会发展研究院，天津爽22南开大学经济学院，天津300071)摘要：本文建立中国高技术产业研究部门与开发部门之间的关联模型，运用动态网络SBM模型测度了2010_2013年中国各省市高技术产业创新活动的总体效率、时期效率、部门效率以及时期部门效率水平。结果显示：中国高技术产业的创新效率整体处于较低水平且地区差距明显：大多数省市高技术产业研究部门对技术创新的贡献度低于开发部门；研发经费、,-4及专利等投入要素普遍存在冗余。今后应从强化高技术产业的基础研究、加强区域技术资源整合
2、、提高专到技术水平等方面入手，提高中国高技术产业研究和开发部门的创新能力协调度及技术资源配置效率。关键词：高技术产业；创新效率；动态网络SBM；R&D中图分类号：F426文献标识码：AThe Technological Innovation Efficiency of ChinaS High Technology IndustriesBai Xuejiel，Li Shuan92(1School of Economics and Social Development，Nankai University，Tianjin 30007 1，China；2School of Economics，Nank
3、ai University，Tianjin 300071，China)Abstract：This paper established the correlated model between research and development department in Chinas hi曲technology indus-tries and used the DNSBM model to analyze the overall efficiency，the period efficiency and the divisional efficiency of the technologicali
4、nnovation activities during 2010 to 2013It turns out that the technological innovation efficiency of Chinas hi曲technology industries inall provinces ale almost in lower level and big regional disparities in recent yearsThe contribution of the rearch department aIe lowerthan the development departmen
5、t in most provincesThere黜serious redundancies in the rearch and development funds。personnel，and patentsSo we should pay more attention on strengthening the basic research，improving the regional technical resources integrationand raising the level of patent technology to improve the harmonious degree
6、 between the research and development departments and thealleeation eflieieneies of technological resources in Chinas hish technology industriesKey words：Hish technology industries；Technological innovation efficiency；DNSBM；R&D收稿日期：2015一0725作者简介：白雪洁(1971一)，女。蒙古族，内蒙古通辽人，教授，博士；研究方向：产业经济理论与政策、产业效率分析。万方数
7、据40 中国科技论坛 (2016年5月)第5期1 引言以往的国内外学者对高技术产业的技术创新效率有过诸多研究。国外学者方面，Triplett【11运用HEDONIC指数测度了美国高技术产业的生产率水平；Falk旧1采用系统GMM方法估计了1970-2004年OECD国家高技术产业R&D投入对长期经济增长的动态影响；Raquel等1运用1990-2008年美国及欧盟1809家企业数据测度了企业R&D支出与生产率的关系，研究发现高技术产业中企业R&D支出对生产率的积极作用比其他产业表现更为明显。国内方面，朱有为和徐康宁【41运用SFA模型测算了中国高技术产业各细分行业的研发效率和企业规模等因素对研
8、发效率的影响；余泳泽1运用基于松弛变量的DEA模型，从价值链视角对中国高技术产业的创新效率进行了评价；肖仁桥等6】使用两阶段链式关联DEA模型来测算中国高技术产业的创新效率及其影响因素，但对两阶段各自的研发资金和人员投入没有明确的区分；桂黄宝采用DEAMalmquist创新效率指数测度了中国高技术产业的创新效率，并运用空间计量面板模型对创新效率的影响因素进行了探讨；龚光明和单虹【81首次运用动态网络DEA模型测度了中国高技术产业各细分行业的创新效率，但同样存在两阶段投入变量划分不明确的问题。2 实证方法及变量和数据说明21实证方法传统的DEA模型只关注位于生产活动两端的投入和产出变量，却忽视了
9、通常以中间产品形式存在的组织内部门之问的连结性因素(1inking activities)。网络DEA模型对部门效率的成功测算打开了DMU内部生产活动的黑箱旧1；Tone和Tsutsui【I刨的DSBM模型将阿络DEA与SBM相结合，有效克服了原始网络DEA模型假设所有投入和产出要素同比例变化的局限性。在跨期效率变动的测算问题上，Fare和Grosskopf【l lJ的动态DEA模型首次将跨期活动因素(carryover activities)纳入到动态效率的测算；Tone和Tsutsui【12进一步将SBM模型引入动态DEA，并将跨期活动变量分为好的、坏的、可自由处置的和不可自由处置的四类，
10、建立起非径向、非角度的动态SBM模型(DSBM)。为了更好地测度部门效率的动态变化，Tone和Tsutsu13 3进一步将NSBM与DSBM相结合，同时考虑了连结性变量和跨期活动因素，建立起动态网络SBM模型(DNSBM)。本文正是将研究费用和专利申请数量分别作为跨期活动变量和连结性变量，运用DNSBM模型对中国各省市高技术产业的技术创新效率进行测度，并重点考察研发投入和专利在不同部门和阶段对创新效率的影响。22模型表达式假定有tit个决策单元(DMu，J=1，n)，T个时期(t=1，r)，每个DMU内部都包含K个部门(k=1，K)。令In。和“分别表示部门k的投入项及产出项的个数，(k，h)
11、代表从部f-I k到部门h的连结性变量，DMUy的投入项、产出项、连结性变量和跨期活动变量分别表示为戈k、)，k、弓t(”或。+1则DMU。的总体效率酊、时期效率_r：+、部门效率砝和时期部门效率p二：戈“t=羔。A：+s以t-(k=1，K；t=1，T) (1)y=n靠A：一s鬟(k=1，K；t=1，T) (2)l。桫“A；=；：。桫“A釜1(V k；Vk；：t=1，T一1) (3)z=川n桫“A盖一s洲t,t“(V k；Y kft=1，T一1) (4)?：。z：。，。)、：=：?：。z：。)jL：(V(k，h)，Vt) (5)z：(。，)=?：。z：。，一)A：+s：(t，一)(V(|，)，
12、V)(6)I。旷=l，：，1，旷o，伽0(7)k。A：=1，A：o，s靠t-o，s笺o(Vl|，Vt)(8)其中，式(3)和式(5)分别用来确保前后两个时期间的连续性以及两个相邻部门间的衔接性；松弛变量s二、s麓、s嚣“、s“。)分别表示投入冗余、产出不足、跨期活动变量偏差、连结性变量偏差；A：是k部门在t时期的强度向量(intensityvector)。万方数据第5期(2016年5月) 中国科技论坛23变量及数据说明高技术产业技术创新活动的投入主要分为研发经费和研发技术人员两类。为了分别考察研究部门和开发部门的技术创新效率，需要厘清两部门各自的经费和人员投入。其中研究经费包括企业内部开展技术
13、研究活动所产生的直接支出以及相应的管理费、服务费等；开发经费则是指企业用于新产品开发的经费支出；开发人员数等于R&D人员总数减去研究人员数。如图1所示，由于研究经费对高技术产业技术创新效率的作用具有滞后性和累积性，因此本文将其作为跨期活动变量。在产出项方面，研究阶段与开发阶段的产出分别用专利申请量和新产品销售收入来衡量。由于专利拥有中间产品的性质，在作为研究阶段产出的同时，也是开发阶段的重要投入项之一，因此本文将专利申请数确定为连结性变量，用来衡量研究部门的创新活动是否为开发部门提供了有力支撑。另外，由于研究环节的专利成果在用于开发环节的过程中存在时滞，因此本文将研究部门的经费和人员投入以及专
14、利申请数全部滞后一期。以上各项投入产出变量的数据均来自中国高技术产业统计年鉴，由于该年鉴的统计项目在2010年做出了重要调整，增加了研究人员数这一重要指标，因此本文将考察年限确定为20102013年。由于西藏、青海、新疆三省的数据存在缺失，本文未将其列入考察之列。图1动态网络DEA模型结构示意图3 中国高技术产业的创新效率水平及部门协调度分析本文运用DEASolver软件对2010-2013年各省市高技术产业研发部门的投入产出面板数据进行处理，得到了各省市高技术产业技术创新活动的总体效率、时期效率、部门效率以及时期部门效率，结果如下。31各省市高技术产业的创新效率水平及其动态变化根据技术创新总
15、体效率的测算结果可知，整体而言，中国高技术产业的技术创新效率仍处于较低水平，2010-2013年只有七个省市的技术创新总体效率位于05以上，其余省市的效率值分布在021049之间，可见中国大部分省市的高技术产业存在很大的技术创新效率提升空间。在动态变化方面，考察期内大多数省市的技术创新时期效率值在各年份波动不大，但有起有落，并未呈现出稳健的上升势头，说明中国高技术产业尚未形成长久的创新效率提升能力。32各省市创新效率的部门差异及协调度分析在研究部门和开发部门的创新效率差异及其协调度方面，中国各省市高技术产业主要表现出以下几方面特征：万方数据一42 中国科技论坛 (2016年5月)第5期第一，各
16、省市研究部门的创新效率普遍低于开发部门。图2描绘了2010-2013年间中国各省市高技术产业内部研究和开发两部门的技术创新效率值，图中两条垂直相交的粗线将坐标区域划分为I、II、III、IV四个象限，其中第1I和第1V象限分别表示该省市高技术产业两部门的技术创新效率值同时处于较高或较低的水平，位于第1象限的省份其研究部门的技术创新效率较低而开发部门的技术创新效率较高，位于第1II象限的省份109O807瓣0辍藉0撼束00302010则正好相反。从图中可知，除了北京和上海落入第1V象限，研究及开发部门的效率值都处于较高水平外，其他25个省市均分布于第1、II象限，甚至有一半左右的省市都处于“双低
17、”水平。说明中国绝大多数省市的高技术产业要么研究部门的技术创新效率低而开发部门的技术创新效率高，要么两部门的技术创新效率都很低，综合而言，中国高技术产业内部研究阶段的技术创新效率十分低下，自主研发能力匮乏。黑龙 江 I mlII n j 海南 一p吉曼辽! 广 一伏口 蓑州 J峥 口 箍 l北内势i?妻 瓣： JI上：h： 江； 卜U 燃 驴河嚣与 杪 卫 【04 05 O6 07 08 09 1研究部门效率图2 2010-2013年各省市高技术产业技术创新部门效率值的分布情况第二，研究和开发部门间技术创新效率的协调度有待提高。从研究和开发部门间协调发展的角度来讲，两个部门同时达到效率值为1是
18、最理想的状态，只有这时该组织的总体效率才会实现最优。图2中的射线为45。线，距离它越近表明两部门的技术创新效率值越接近，其部门间协调度越好。若将研究部门与开发部门的创新效率比值定义为“部门效率比”，将该比值介于0812之间的省市可以视为“协调度较好”的组群，将比值位于0408与1216、004与16以上这两类情况分别定义为“协调度较差”和“协调度极差”的组群。这样看来，只有江苏、上海、云南三省市高技术产业研究和开发部门间的协调性较好，一半左右的省市都属于协调度较差的一类。部门间协调度普遍较差的局面意味着大部分省市高技术产业研发体系内部尚未实现合理的要素配置和有效的科研成果转化，研究部门和开发部
19、门间的低协调度将从根本上制约中国高技术产业的创新效率提升。第三，“高水平协调”和“低水平协调”地区同时存在。所谓“高水平协调”是指在研发资源丰富的禀赋条件下，研究、开发两部门创新效率都达到较高水平，比如上海。而“低水平协调”则包含两种情况，其一是在研发资源丰富的前提万方数据第5期(2016年5月) 中国科技论坛 43-下，两部门的创新效率都处于较低水平，比如江苏；其二是在研发资源较为匮乏的情况下，两部门创新效率都处于较低水平，比如云南。对于“高水平协调”的地区，其高技术产业内部研究部门和开发部门之间的协调性和研发资源配置能力较强，未来应充分利用这一优势，积极发挥自身在研发创新领域的辐射作用，带
20、动周边地区的科技进步，激活区域内的研发要素和人才流动，提升区域协同创新能力；对于研发资源丰富但创新效率低的“低水平协调”地区，则需要提高既有研发资源的配置效率，努力实现研究部门和开发部门创新效率的同步提升；对于研发资源匮乏且创新效率低的“低水平协调”地区，未来可以通过招商引资政策吸引更多研发资源进入本地高技术产业，为创新效率的提升提供源泉和动力。第四，“不协调”地区情况各异。对于众多协调度较差甚至极差的省市，其类型则更为多样：它们有些处于研发资源较为匮乏的中西部地区，研究、开发两部门的创新效率都不高且协调度也较差，比如甘肃、宁夏、云南、河南等；有些是由于两部门协调度太差导致某个部门创新效率的“
21、瘸腿”现象，比如黑龙江、四川、辽宁等；有些省市经济发展水平和研发资源都较为优越，但其两部门的创新效率水平及其协调度则差强人意，比如福建、浙江、天津等。第一种情况下的中西部省份可通过与创新资源丰富地区的跨区域合作方式解决自身研发资源的短缺现状，侧重在开发部门的创新资源提升，形成开发优势；进一步观察第二种情况的省市不难发现，这些省份基本上都是研究部门的创新效率严重低于开发部门，对基础研究的忽视长期将导致严重的后果，不利于总体创新效率的提升，因此提高协调度是当务之急；属于第三种情况的省市大多地处经济发达的东部地区，又大多毗邻北京、上海、广州等区域经济中心，如何更好地利用区域中心城市的创新资源，明确自
22、身功能定位，是这些省市提升创新效率和协调度的关键。当然，“协调度”只是指引高技术产业研究和开发部门创新效率发展的一条准绳，但限于创新资源禀赋、产业结构等条件差异，并不是所有的省份都需要这种协调，跨区域的协调可能比单一省份的协调更有价值。比如北京的协调度问题就与它的首都地位一样特殊，近年来其研究部门的创新效率位居全国第一，充分说明北京高技术产业内部的科研能力和自主研发水平在全国处于绝对领先地位，与之相比，新产品开发阶段的技术创新效率则稍显逊色。这与北京制造业日趋衰落不无关系，而这一现象，从京津冀协同发展的区域背景下可能恰是一件有利之事。未来随着京津冀协同发展战略的深入推进，北京应致力于发挥自身的
23、科研优势，带动天津、河北高技术产业的产业化创新和产业升级，实现京津冀内部研究部门和开发部门的齐步走。4高技术产业创新活动要素冗余度的部门差异及其动态变化41研究部门的经费及人员投入都存在严重冗余本文将各年度28个省市的要素冗余度(“冗余度”是指需要减少或增加的投入要素的百分比，某种要素的冗余度s：旦握摹掣100)：阳、咀取平均值，以此来考察中国高技术产业创新要素的冗余状况及年度变化趋势。如图3所示，20102013年问中国高技术产业研究、开发两部门的经费和人员投入以及中间产出(专利申请量)都存在不同程度的冗余，其中研究部门的人员冗余度在各类要素中是最高的，其经费冗余度也持续处于较高水平。从年度
24、变化趋势来看，研究部门经费冗余度的年度变化最为平缓，这跟本文把研究经费设定为跨期活动因素不无关系，这种设定充分考虑了研究经费在技术创新活动中缓慢而持久的作用，从而使研究经费冗余量的年度差距也随之缩小；研究部门人员冗余度的年度变化趋势与经费冗余度保持一致。从冗余度的数值来看，经费冗余度始终在50上下的高位浮动；而人员冗余度则更为夸张，在个别年份甚至超过70，但这可能只是一种假象，因为高技术产业内的企业为了获得更多的政策扶持，存在虚报研究人员数量的主观动机，再加上中国高技术产业统计年鉴对研究人员数量进行统计的年限尚短(始于2010年)，在统计规则和具体操作过程中难免存在偏误。因此本文推断，中国高技
25、术产业的研究人员冗余度并不像实证结果那样高。但不可否认的是，中国高技术产业内部研究部门的经费及人员的冗余问题还是相当严重的。万方数据中国科技论坛 (2016年5月)第5期201041 研究经费 研兜人员一开发经费一开发人员-专利申请量图3 20IO13年中国高技术产业研发要素投入的冗余度情况42开发部门的经费冗余度较高且波动较大。人员冗余度较低与研究部门不同的是，开发部门经费冗余度的年度变化幅度相当大，在本文考察的四年时间内一直起起落落，最差时冗余度超过70，最好时控制在40以下，这反映出高技术产业开发部门在要素配置方面缺乏足够的灵活性，而高度的灵活性、高效的信息传递系统，以及开发部门对研究部
26、门研究成果的高效转化是新产品开发部门必备的素质。开发部门的人员冗余度在各类要素冗余度中是最低的，2013年的冗余度水平在20左右。这表明中国高技术产业开发部门的人力资源利用率和管理水平在不断改善，但人力资本与开发经费的顺畅配合度不够。43专利申请量的冗余度呈恶化趋势专利申请量的冗余度在2010-2012年间出现了短暂的回落，但在2013年又反弹至50左右的水平，这与近年来专利申请量的快速增长不无关系。专利作为高技术产业研究部门与开发部门之间的连结性变量，申请量的冗余意味着高技术产业的专利研发成果在转化为新工艺或新产品的过程中出现了浪费和闲置。究其原因，一是目前中国的专利申请类型普遍以技术含量较
27、低的实用新型专利和外观设计专利为主，发明专利占比低，专利的异质性和整体技术水平有待提高，很多专利止步于申请阶段，难以再进行产业化开发；二是某些专利本身缺乏技术开发性和商业价值，在新产品开发阶段便早早夭折，再加上相关中介机构及技术市场的缺乏，导致专利的产业化率极低；三是新产品开发阶段各投入要素之间可能存在不协调、不匹配的状况。5结论及政策建议本文经过实证分析，得到以下几点结论：首先，目前中国各省市高技术产业的创新效率普遍处于较低水平，尤其是经济落后地区的高技术产业技术创新水平增长乏力，创新效率亟需提高；其次，各省市高技术产业内部研究部门对创新效率的贡献度显著低于开发部门，两部门之间的协同创新能力
28、有待增强；最后，研发经费、人员及专利申请量等要素投入普遍存在冗余，资源配置效率及各类要素间的配合度有待提高。为此，本文认为应从以下几方面着手来提升中国高技术产业的技术创新效率：第一，加强高技术产业的基础研究工作，提高产业内部研究部门和开发部门创新能力的协调度。中国的科技体制长期以来以高校和科研机构为技术研究主体，大部分基础研究及应用研究项目都集中在高校和科研机构，导致初始的研发活动与技术使用者企业的实际需求脱节严重。另一方面，如本文实证研究结果所示，国家科研资金过度向高校及科研机构倾斜的状况还导致高技术产业内部科研能力较弱，研究部门的整体创新效率显著低于开发部门，根据“创新双螺旋”理论，长此以
29、往将不利于高技术产业技术进步和应用创新能力的协同提升。因此，未来应加大对高技术产业科研活动的扶持力度，明确企业在高技术产业技术创新体系中的主体地位，形成以企业为主体、高校及科研机构通力合作、政府积极配合的官产学研用技术创新体系；同时要充分利用区域中心城市的优势科研资源，做好科研成果的承接和转化工作，实现区域内部研究部门和开发部门的整体协调。第二，加强区域技术资源整合与人才交流，提升更广范围内的技术资源配置效率。在区域范围内，通过先进地区和落后地区的技术资源流动，互通有无，促进整个地区高技术产业研发资源的高效配置和创新水平的持续进步。以长三角和京津冀地区的高技术产业为例，长三角地区的上海是中国高
30、技术产业的创新极之一，江浙两省的高技术产业均受惠于上海强大的技术溢出效应4|，近年来南京、苏州、无锡等地高技术产业园的发展壮大更是大大强化了这一正外部效应，使得区域内部的技术资源得到较好的整合和配置，形成。枷瑚枷枷枷枷书瑚万方数据第5期(2016年5月) 中国科技论坛协同发展的良好局面；相比而言，京津冀地区的内部发展差距较大，资金、技术、人力等资源过度向首都北京集中，甚至形成所谓的“虹吸效应”，割裂了北京高技术产业对周边地区的技术辐射，导致毗邻的河北省也无法享有北京丰厚的技术创新资源辐射效应。未来在京津冀协同发展的大背景下，应当更加注重区域内的技术资源共享及人才流动，通过跨区域整合更好地解决研
31、发经费及人员的冗余或不足问题，提升高技术产业的资源配置效率，缩小区域内部差距。同时对于落后地区而言，在接受经济发达地区产业转移的过程中实现产业技术升级，也不失为快速提升技术创新水平的一条捷径。第三，完善专利保护制度和转让机制，提高专利的产业化率。对于专利资源供给不足的省市，专利保护制度的完善可以更好地调动高技术产业的研发积极性，促进企业的技术研发和专利申请活动；而对于专利资源供给相对冗余的省市，健全的专利交易转让机制有利于实现专利使用权的有效转让，提高专利资源的配置效率和产业化率。为此，国家知识产权局在今后的专利授权工作中要严把质量关，引导企业加大技术含量较高的发明专利的研究和申请力度，提升专
32、利的成熟度和技术含量；通过建立知识产权交易中心、专利转化中介服务机构等来促进专利交易的进行，为专利产业化消除制度障碍；高技术产业内部研究部门应加强与开发部门的交流与配合，密切关注市场需求变化，降低专利成果的转化失败率。参考文献：1JACK E TriplettHigh tech industrial producfivity and hedonic price indicesJOLBureau of economic analysis，US Department ofCommerce，1996：1201422MARTIN附kR&D spending in the hishtech sector
33、 and economic growthJResearch in economics，2007(61)：1401473RAQUEL Ortega-Argil6s，Mariaefisfina Piva，Marco VivarelliProductivity Gains from R&D Investment：Are Hi【ghTech SectoItSStill Ahead?JIZA discussion paper，2011，(9)4朱有为，徐康宁中国高技术产业研发效率的实证研究J中国工业经济，2006(II)：38455余泳泽中国高技术产业技术创新效率及其影响因素研究基于价值链视角下的两阶段
34、分析J经济科学，2009(4)：62746肖仁桥，钱丽，陈忠卫中国高技术产业创新效率及其影响因素研究J管理科学，2012(10)：85987桂黄宝中国高技术产业创新效率及其影响因素空问计量分析J经济地理，2014(6)：lOO一107。8龚光明，单虹基于动态网络DEA的中国高技术企业创新效率研究J科学管理研究，2015(2)：60639FARE R，GROSSKOPF sNetwork DEAJSocio-economic planning sciences，2000，(34)：354910TONE K，Tsutsui MNetwork DEA：a slacksbased nleasure a
35、pproachJ，European journal of operational research，20t0，197(1)：2435211FARE R，GROSSKOPF SIntertemporal production Frontiers：with dynamic DEAMNor#e11：K1uwer，199612TONE K，TSUTSUI MDynamic DEA：a slacksbased measulre appmachJOmega，2010，(38)：1455613TONE K，TSUTSUI MDynamic DEA with network stmcture：a slacksbased measure approachJOmega，2014，(42)：1243114魏守华，姜宁，吴贵生内生创新努力、本土技术溢出与长三角高技术产业创新绩效J中国工业经济，2009(2)：2534(责任编辑刘传忠)万方数据