中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響因素的空間異質(zhì)效應(yīng)

高曉光

摘 要：首先借助超越對數(shù)生產(chǎn)函數(shù)形式的多產(chǎn)出隨機前沿模型估算出2008年～2013年中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，繼而基于地理加權(quán)回歸模型（GWR）研究了企業(yè)規(guī)模、市場結(jié)構(gòu)、政府投入及研發(fā)支出結(jié)構(gòu)對創(chuàng)新效率的影響。結(jié)果表明：中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間正自相關(guān)性；企業(yè)規(guī)模、市場結(jié)構(gòu)及研發(fā)支出結(jié)構(gòu)對創(chuàng)新效率產(chǎn)生正向影響，而政府投入阻礙了高技術(shù)產(chǎn)業(yè)創(chuàng)新效率；各影響因素對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響均具有空間異質(zhì)性特征，且隨著時間的推移穩(wěn)定存在。最后提出相關(guān)政策建議。

關(guān)鍵詞：高技術(shù)產(chǎn)業(yè)；創(chuàng)新效率；空間異質(zhì)效應(yīng)；地理加權(quán)回歸模型

中圖分類號：F429.9 文獻(xiàn)標(biāo)識碼：A

當(dāng)前中國經(jīng)濟正處于轉(zhuǎn)型升級的關(guān)鍵時期，結(jié)構(gòu)性變革帶來的經(jīng)濟增速從高速向中高速轉(zhuǎn)變已經(jīng)是新常態(tài)的內(nèi)涵。由于勞動力、土地等生產(chǎn)要素成本逐漸提升，即使是中高速的經(jīng)濟增長也需要形成新的驅(qū)動力。由于過去三十多年的改革發(fā)展主要依賴基于技術(shù)購買的技術(shù)創(chuàng)新，中國工業(yè)創(chuàng)新水平與發(fā)達(dá)國家仍存在較大差距。因此，新常態(tài)的另一個內(nèi)涵是中國技術(shù)創(chuàng)新需要從中等的技術(shù)水平向中高等的技術(shù)水平轉(zhuǎn)型，這就需要重點發(fā)展集中體現(xiàn)高層次前沿技術(shù)的高技術(shù)產(chǎn)業(yè)創(chuàng)新能力。雖然創(chuàng)新投入是提升高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的必要條件，但創(chuàng)新效率對高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的影響更加值得關(guān)注，尤其在處于技術(shù)后發(fā)劣勢階段且缺少研發(fā)高端人才和資金的中國。

創(chuàng)新效率存在較強的現(xiàn)實普遍性，因而一直是學(xué)術(shù)界討論的熱點問題。在估計創(chuàng)新效率使用的方法上，已有文獻(xiàn)存在較大差別，分別采用了以數(shù)據(jù)包絡(luò)分析模型為代表的非參數(shù)前沿分析法[1]及以隨機前沿模型為代表的參數(shù)分析法[2]。但這些方法或多或少存在不足之處：數(shù)據(jù)包絡(luò)分析模型既不考慮測量誤差也不進(jìn)行模型診斷，往往導(dǎo)致結(jié)論存在偏誤，而隨機前沿模型雖然有效避免了數(shù)據(jù)包絡(luò)分析模型的不足，但由于以往文獻(xiàn)采用的隨機前沿模型僅能考慮一個產(chǎn)出，與數(shù)據(jù)包絡(luò)分析模型相比又存在難以捕捉全部數(shù)據(jù)特征的問題。Coelli等采用基于超越對數(shù)的產(chǎn)出距離函數(shù)對傳統(tǒng)隨機前沿模型進(jìn)行了修改[3]，基本解決了現(xiàn)有創(chuàng)新效率估計方法存在的不足，模型具體介紹見下文。在研究的視角上，已有研究高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的文獻(xiàn)僅僅停留在企業(yè)或產(chǎn)業(yè)層面，如Lee等的研究發(fā)現(xiàn)研發(fā)支出與企業(yè)長期績效存在顯著的正相關(guān)[4]，馮纓等從橫向和縱向兩個角度分析了江蘇省5大高技術(shù)行業(yè)的創(chuàng)新效率[5]。即使考慮到區(qū)域因素，現(xiàn)有文獻(xiàn)也未對區(qū)域之間的關(guān)聯(lián)性進(jìn)行進(jìn)一步討論[6-8]，遑論對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響因素的區(qū)域異質(zhì)性進(jìn)行研究。

基于此，本文首先借助于多產(chǎn)出隨機前沿模型估計中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，利用Morans I驗證高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在省域空間自相關(guān)性后，采用空間變系數(shù)模型中的地理加權(quán)回歸模型（GWR）從局域視角出發(fā)對其影響因素的空間異質(zhì)效應(yīng)進(jìn)行研究，以期對中國各省域加強高技術(shù)產(chǎn)業(yè)創(chuàng)新能力提供切實可行的政策建議。

1 研究方法、指標(biāo)與數(shù)據(jù)

1.1 研究方法

1.1.1多產(chǎn)出隨機前沿模型

Battese等提出的單階段隨機前沿模型可以區(qū)分確定性前沿產(chǎn)出和隨機性前沿產(chǎn)出，且可以通過構(gòu)造方差參數(shù)進(jìn)行模型診斷，但是該模型僅能考慮一種產(chǎn)出，難以捕捉數(shù)據(jù)的全部特征[9]。本文借鑒Coelli[3]等的做法，改進(jìn)后的模型能夠處理多產(chǎn)出情況，一個M投入和N產(chǎn)出的超越對數(shù)產(chǎn)出距離函數(shù)具體形式如下：

式中，yit*=yit/yNit，表示yit*是使用yNit標(biāo)準(zhǔn)后的產(chǎn)出向量，？琢、？茁、？籽是一組待估計參數(shù)，vit是一般意義上的隨機誤差項，服從i.i.d.N（O，？滓v2），uit是非負(fù)的技術(shù)無效率項，表示相對前沿的技術(shù)效率水平，服從截尾正態(tài)分布N+（？滋，？滓u2）。似然函數(shù)中構(gòu)造方差參數(shù)？酌=？滓u2/？滓u2+？滓v2。采用極大似然估計（ML）和齊次性條件估計參數(shù)，其中齊次性條件如下：

本來采用Morans I[10]檢驗高技術(shù)產(chǎn)業(yè)創(chuàng)新效率在中國省域間是否存在空間自相關(guān)性，具體計算公式如下：

式中，N表示地區(qū)單元數(shù)量，wij表示空間權(quán)重，xi、xj分別表示地區(qū)i和j的屬性值，是屬性的平均值。Morans I的取值范圍是[-1，1]，可以計算Z統(tǒng)計量來判斷Morans I值的顯著性，計算公式如下：

1.1.3 GWR模型

傳統(tǒng)計量模型假設(shè)空間事物無關(guān)聯(lián)且均質(zhì)分布，因而傳統(tǒng)的最小二乘方法（OLS）只是對參數(shù)進(jìn)行平均或全域的估計，并未能夠反映參數(shù)的空間非平穩(wěn)性特征。地理加權(quán)回歸模型（GWR）對普通線性回歸模型進(jìn)行了拓展，采用了空間變系數(shù)的回歸估計技術(shù)，可以有效解決系數(shù)空間非穩(wěn)定特征難以捕捉的問題[11]，具體形式如下：

式中，（ui，vi）是地區(qū)i的地理經(jīng)緯度坐標(biāo)，yi和xi1，xi2，...，xik分別是因變量y和解釋變量x1，x2，...，xk在位置（ui，vi）處的觀測值，？著i是隨機誤差項，服從正態(tài)分布，系數(shù)？茁j（ui，vi）是關(guān)于空間位置的k個未知函數(shù)，一般借助于加權(quán)最小二乘法對系數(shù)進(jìn)行估計：

式中，W是n×n階的空間權(quán)重矩陣，反映了地理位置對參數(shù)估計的影響，因此選擇合適的空間權(quán)重構(gòu)造方法至關(guān)重要，常用的方法是高斯函數(shù)[12]：

式中，b是距離帶寬，dij是地區(qū)i與j之間的地理距離，當(dāng)dij？燮b時，權(quán)重為高斯權(quán)值函數(shù)計算值，當(dāng)dij？叟b時，權(quán)重為0。本文利用ArcGIS10.0中的GWR工具選擇最優(yōu)帶寬，標(biāo)準(zhǔn)是使得GWR模型的AIC值最小[13]。需要說明的是，AIC是一個相對量綱，對有著相同自變量的不同模型而言，當(dāng)模型間AIC值差異小于4時，模型的擬合性能接近，當(dāng)模型間AIC值差異大于10時，AIC值較小的模型擬合效果更好。

1.2 投入產(chǎn)出指標(biāo)和影響因素

在利用多產(chǎn)出隨機前沿模型計算高技術(shù)產(chǎn)業(yè)創(chuàng)新效率時本文選擇擁有發(fā)明專利數(shù)（IPA）和新產(chǎn)品銷售收入（NPV）來表征創(chuàng)新產(chǎn)出，其中IPA反映技術(shù)發(fā)明水平，NPV則反映技術(shù)發(fā)明成果的轉(zhuǎn)化應(yīng)用能力。采用永續(xù)盤存法將各地區(qū)高技術(shù)產(chǎn)業(yè)R&D;經(jīng)費內(nèi)部支出（RDI）核算成R&D;資本存量（RD），以表征地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新資本投入，具體方法參考吳延兵的研究[14]。勞動投入則利用R&D;人員全時當(dāng)量（RDP）表征。為了剔除通貨膨脹率和自然增長率的干擾，本文分別采用研發(fā)價格指數(shù)和工業(yè)品出廠價格指數(shù)對R&D;經(jīng)費支出和新產(chǎn)品銷售收入進(jìn)行平減，其中研發(fā)價格指數(shù)（RPI）=0.75×工業(yè)品出廠價格指數(shù)（PPI）+0.25×居民消費價格指數(shù)（CPI）。由于創(chuàng)新投入與產(chǎn)出之間存在時滯，參考史修松等[15]的做法，選取1年為滯后期，即用第t-1年的RD和RDP數(shù)據(jù)作為第t年創(chuàng)新產(chǎn)出IPA和NPV的投入。此外，本文選擇IPA作為yNit對NPV進(jìn)行標(biāo)準(zhǔn)化處理。

通過估計多產(chǎn)出隨機前沿模型中參數(shù)從而計算得出高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值，即確定了GWR模型中的因變量，除此之外，還需要選擇創(chuàng)新效率的影響因素作為解釋變量代入到GWR模型中。根據(jù)牛澤東等[16]的研究，本文選擇如下影響因素：①企業(yè)規(guī)模（FS）。利用地區(qū)高技術(shù)產(chǎn)業(yè)的主營業(yè)務(wù)收入除以企業(yè)個數(shù)得出地區(qū)平均企業(yè)規(guī)模。企業(yè)規(guī)模與創(chuàng)新效率的關(guān)系存在兩種截然不同的觀點：部分學(xué)者認(rèn)為大企業(yè)能夠緩解創(chuàng)新激勵扭曲問題，從而有助于提高創(chuàng)新效率，而部分學(xué)者認(rèn)為創(chuàng)新機制對創(chuàng)新效率會產(chǎn)生顯著影響，小企業(yè)往往擁有靈活的創(chuàng)新機制，有助于降低交易成本。②市場結(jié)構(gòu)（MS）。衡量市場結(jié)構(gòu)的常見指標(biāo)有赫芬達(dá)爾指數(shù)，但由于計算赫芬達(dá)爾指數(shù)的數(shù)據(jù)獲取困難，本文借鑒岳書敬[17]的方法，采用地區(qū)高技術(shù)產(chǎn)業(yè)的企業(yè)數(shù)量對數(shù)值來衡量其市場結(jié)構(gòu)，企業(yè)數(shù)量越多，預(yù)示著市場競爭也越激烈，由此產(chǎn)生的競爭效應(yīng)有助于提升創(chuàng)新效率。③政府投入（GII）。采用高技術(shù)產(chǎn)業(yè)R&D;經(jīng)費內(nèi)部支出中政府資金占比來衡量政府在高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新發(fā)展中的投入力度。政府投入一方面降低了企業(yè)從事研發(fā)的成本和風(fēng)險，能夠避免創(chuàng)新激勵扭曲，從而對提升創(chuàng)新效率有正向影響；另一方面，政府投入也會對企業(yè)進(jìn)行R&D;投資產(chǎn)生擠出效應(yīng)，降低企業(yè)創(chuàng)新效率。④研發(fā)支出結(jié)構(gòu)（RES）。采用高技術(shù)產(chǎn)業(yè)技術(shù)引進(jìn)經(jīng)費支出與消化吸收經(jīng)費支出的比值作為研發(fā)支出結(jié)構(gòu)的表征指標(biāo)。技術(shù)引進(jìn)可以迅速提升地區(qū)的技術(shù)前沿水平，但如果相應(yīng)的消化吸收能力提升滯后，就會使得創(chuàng)新效率降低。

1.3 數(shù)據(jù)來源

本文以中國30個?。ㄖ陛犑?、自治區(qū)）為研究對象，由于西藏、香港、澳門和臺灣的數(shù)據(jù)缺失，暫不予納入研究。各省域經(jīng)緯度坐標(biāo)用省會城市經(jīng)緯度坐標(biāo)代替，從Google Earth中獲取。樣本期間為2008年～2013年（其中創(chuàng)新投入數(shù)據(jù)是2007年～2012年的數(shù)據(jù)，創(chuàng)新產(chǎn)出和影響因素數(shù)據(jù)是2008年～2013年的數(shù)據(jù)）。所有數(shù)據(jù)均來自于2008年～2014年《中國科技統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》和《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》，部分缺失數(shù)據(jù)均采用線性插值法補齊。高技術(shù)產(chǎn)業(yè)主營業(yè)務(wù)收入同樣采用以2008年為基期的工業(yè)品出廠價格指數(shù)進(jìn)行平減處理。表1給出了所有變量的描述性統(tǒng)計，其中創(chuàng)新投入和產(chǎn)出數(shù)據(jù)均取對數(shù)值以避免異方差干擾。從表1中可以看出，除了政府投入和研發(fā)支出結(jié)構(gòu)外，其余變量的變異系數(shù)均小于1，說明這些變量在樣本期間基本平穩(wěn)，未出現(xiàn)異常性波動。

2 實證分析

2.1 創(chuàng)新效率值估計

借助Frontier 4.1軟件對式（1）中的參數(shù)進(jìn)行極大似然（ML）估計，再根據(jù)齊次性條件計算得到其余參數(shù)，得到2008年～2013年中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值，如表2所示。隨機前沿模型？酌等于0.755，且通過了1%水平下的顯著性檢驗，說明隨機前沿模型在總體上是估計有效的。同時也說明中國高技術(shù)產(chǎn)業(yè)中普遍存在技術(shù)創(chuàng)新無效率，創(chuàng)新效率影響因素問題的研究具有現(xiàn)實意義。

2.2 空間相關(guān)性估計

使用GWR模型的前提是樣本數(shù)據(jù)存在空間自相關(guān)性，如果存在空間自相關(guān)性，則傳統(tǒng)OLS模型估計有偏，應(yīng)選擇GWR模型，否則選擇OLS模型更為合適。利用MoranI對2008年～2013年中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值進(jìn)行空間自相關(guān)性分析，結(jié)果顯示中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率Morans I在[0.1，0.3]區(qū)間變化，并且均至少在10%水平下顯著?？梢?，使用GWR模型進(jìn)行建模較之傳統(tǒng)OLS模型更加合適。

2.3 影響因素分析

基于ArcGIS10.0中的GWR工具研究2008年～2013年企業(yè)規(guī)模、市場結(jié)構(gòu)、政府投入及研發(fā)支出結(jié)構(gòu)四個因素對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)性影響，為反映整個樣本期間各變量對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的總體影響，將各年系數(shù)求平均值（t檢驗顯示各年系數(shù)均至少通過了10%水平下的顯著性檢驗），結(jié)果如表3所示。為便于分析區(qū)域之間的差異性，本文按照通常的區(qū)域規(guī)劃習(xí)慣，將北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個?。ㄊ校┳鳛闁|部地區(qū)，山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南等9個省作為中部地區(qū)，廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等10個?。ㄊ校┳鳛槲鞑康貐^(qū)進(jìn)行考察。

從表3可以看出GWR模型估計系數(shù)呈現(xiàn)空間非一致性特征，具體而言，企業(yè)規(guī)模對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在顯著的正向影響，且這種影響存在空間異質(zhì)性，其中西部地區(qū)的企業(yè)規(guī)模估計系數(shù)（平均達(dá)到0.095）小于東、中部地區(qū)（分別達(dá)到0.100和0.101），改革開放以來，西部地區(qū)受到沿海開放政策等因素的制約逐漸成為經(jīng)濟后發(fā)地區(qū)，本地高技術(shù)企業(yè)在追逐東、中部先發(fā)地區(qū)時可能難以形成合理規(guī)模，且忽視了技術(shù)發(fā)展中創(chuàng)新效率提升的內(nèi)涵，這種模式一旦制度化很可能會給西部地區(qū)高技術(shù)產(chǎn)業(yè)發(fā)展帶來固化的后發(fā)劣勢。東、中部地區(qū)企業(yè)規(guī)模估計系數(shù)保持較高水平原因如下：一是2008年全球金融危機以后也正是中國改革開放前沿陣地——東部地區(qū)進(jìn)行大規(guī)?！膀v籠換鳥”式產(chǎn)業(yè)結(jié)構(gòu)調(diào)整階段，高技術(shù)產(chǎn)業(yè)尤其注重企業(yè)規(guī)模發(fā)展與內(nèi)涵發(fā)展并進(jìn)；二是中部崛起戰(zhàn)略實施效果逐漸體現(xiàn)，中部地區(qū)很好地接收了東部地區(qū)的產(chǎn)業(yè)和技術(shù)轉(zhuǎn)移，并且在高技術(shù)產(chǎn)業(yè)發(fā)展中異軍突起，如鄭州發(fā)展的航空港經(jīng)濟綜合實驗區(qū)正日漸成航空樞紐。

市場結(jié)構(gòu)對各省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在正向影響，且這種正向影響也存在空間異質(zhì)性特征。市場結(jié)構(gòu)反映市場競爭激烈程度，說明競爭性的高技術(shù)產(chǎn)業(yè)市場能夠一定程度避免創(chuàng)新要素資源錯配等原因?qū)е碌男实拖聠栴}。東、中部地區(qū)市場結(jié)構(gòu)的估計系數(shù)（平均均達(dá)到0.100）大于西部地區(qū)市場結(jié)構(gòu)的估計系數(shù)（平均達(dá)到0.091），可見與西部地區(qū)相比，東、中部地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新市場機制更加成熟，增加高技術(shù)產(chǎn)業(yè)中企業(yè)數(shù)量會顯著帶來資源的優(yōu)化利用，而西部地區(qū)受制于壟斷勢力，競爭性格局形成初期往往會伴隨破壞性陣痛期，進(jìn)而導(dǎo)致競爭性市場結(jié)構(gòu)對創(chuàng)新效率的促進(jìn)作用一定程度上被削弱。

政府投入顯著阻礙了高技術(shù)產(chǎn)業(yè)創(chuàng)新效率提升，并且這種負(fù)向影響也存在空間異質(zhì)性特征，這佐證了十八大關(guān)于“使市場起決定性作用和更好發(fā)揮政府作用”決策的正確性，在創(chuàng)新市場中，市場起到資源配置的主導(dǎo)作用，而政府應(yīng)該從主導(dǎo)角色向服務(wù)角色轉(zhuǎn)變。但是由于政府投入對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的負(fù)向影響在東、中部地區(qū)明顯大于西部地區(qū)，因而市場與政府功能的替換在空間上應(yīng)該是漸進(jìn)性實施的：在東、中部地區(qū)加快實現(xiàn)市場與政府在創(chuàng)新市場中的功能轉(zhuǎn)換，在西部地區(qū)則推動政府主導(dǎo)地位在創(chuàng)新市場的逐漸淡化，在新增的高技術(shù)產(chǎn)業(yè)創(chuàng)新市場中不斷增強市場起資源配置的決定性地位。

研發(fā)支出結(jié)構(gòu)對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率同樣有顯著的正向影響，雖然這種影響也存在空間異質(zhì)性特征，但差異并不大。研發(fā)支出結(jié)構(gòu)越高，表明相對于吸收消化技術(shù)經(jīng)費，技術(shù)引進(jìn)經(jīng)費占比更大，這表明當(dāng)前傾向于技術(shù)引進(jìn)的經(jīng)費結(jié)構(gòu)仍然能夠推動高技術(shù)產(chǎn)業(yè)創(chuàng)新效率提升，但是從估計系數(shù)來看，研發(fā)支出結(jié)構(gòu)的估計系數(shù)明顯小于企業(yè)規(guī)模和市場結(jié)構(gòu)的估計系數(shù)，說明傾向于技術(shù)引進(jìn)的經(jīng)費結(jié)構(gòu)拉動創(chuàng)新效率提升的空間已經(jīng)不大，重引進(jìn)而輕吸收的技術(shù)創(chuàng)新模式實則難以為繼。東、中及西部地區(qū)研發(fā)支出結(jié)構(gòu)估計系數(shù)基本相同，可見目前的研發(fā)支出結(jié)構(gòu)已經(jīng)基本不適用于中國的局域地區(qū)，改善研發(fā)支出結(jié)構(gòu)帶來的創(chuàng)新效率提升潛力在各省域均存在。

為了進(jìn)一步分析各影響因素對中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)影響隨時間推移變化的特征，本文借助于ArcMap將各影響因素估計系數(shù)進(jìn)行可視化處理，由于并非每一年都較之上年出現(xiàn)明顯變化，故本文給出樣本首末期兩年的地圖以增強對比性，如圖1所示。

圖1根據(jù)自然分裂點（Jenks）將企業(yè)規(guī)模估計系數(shù)分成四個等級：低，中低，中高及高水平。從企業(yè)規(guī)模估計系數(shù)絕對值來看，隨著時間的推移，中國30個省域企業(yè)規(guī)模對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響程度均有所降低，究其原因可能是因為隨著高技術(shù)企業(yè)規(guī)模不斷優(yōu)化，企業(yè)規(guī)模對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的邊際作用呈現(xiàn)遞減趨勢。從企業(yè)規(guī)模估計系數(shù)相對值來看，隨著時間的推移，企業(yè)規(guī)模對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響穩(wěn)健地存在自北向南遞減的空間異質(zhì)性特征，只是這種特征發(fā)生了變化：2008年，企業(yè)規(guī)模估計系數(shù)低值在西部地區(qū)，高值在東北三省、內(nèi)蒙古、河北等地，而其余地區(qū)的企業(yè)規(guī)模估計系數(shù)均處于中低、中高水平；2013年，原本的低值區(qū)新疆成為企業(yè)規(guī)模估計系數(shù)高值區(qū)，而南部地區(qū)多省從原來的中高值區(qū)變?yōu)橹械椭祷虻椭祬^(qū)。這說明隨著中部地區(qū)崛起戰(zhàn)略和東部沿海地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整戰(zhàn)略的推進(jìn)，高技術(shù)產(chǎn)業(yè)規(guī)模不斷迫近最優(yōu)水平，而東北等地區(qū)高技術(shù)產(chǎn)業(yè)規(guī)模仍存在較大的提升潛力，需要加快傳統(tǒng)產(chǎn)業(yè)改造升級進(jìn)程。同樣利用自然分裂點對市場結(jié)構(gòu)、政府投入和研發(fā)支出結(jié)構(gòu)估計系數(shù)進(jìn)行可視化處理，發(fā)現(xiàn)市場結(jié)構(gòu)估計系數(shù)呈現(xiàn)自東向西遞減的趨勢，隨著時間的推移，這種趨勢并未出現(xiàn)顯著變化，但中、西部多個省份由低值區(qū)轉(zhuǎn)變?yōu)橹懈咧祬^(qū)，如湖北、青海、四川等。這顯示出這些地區(qū)的市場結(jié)構(gòu)愈加優(yōu)化，能夠逐漸釋放提升創(chuàng)新效率的動力和活力。2008年政府投入估計系數(shù)呈現(xiàn)自北向南遞減的趨勢，與企業(yè)規(guī)模估計系數(shù)分布基本一致，但至2013年這一空間分布特征幾乎消失，轉(zhuǎn)變?yōu)橛晌飨驏|逐漸遞減的空間特征，表明政府投入對創(chuàng)新效率的促進(jìn)作用在西部地區(qū)表現(xiàn)得最為顯著，今后政府應(yīng)進(jìn)一步加大西部地區(qū)的創(chuàng)新投入，激發(fā)其增長潛能。2008年研發(fā)支出結(jié)構(gòu)估計系數(shù)呈現(xiàn)自西向東遞減的趨勢，可能的解釋是東部地區(qū)最早承接FDI技術(shù)轉(zhuǎn)移，技術(shù)較為發(fā)達(dá)，因而同樣的經(jīng)費引進(jìn)下需要匹配更多的技術(shù)消化經(jīng)費以提高創(chuàng)新效率，但隨著時間的推移，又逐漸轉(zhuǎn)變?yōu)樽晕飨驏|遞增的趨勢，體現(xiàn)出東部地區(qū)創(chuàng)新水平在不斷提升，由于已有技術(shù)與引進(jìn)技術(shù)的相似度較高，技術(shù)消化對研發(fā)效率的阻礙作用得到緩解。

3 結(jié)論與討論

本文首先利用超越對數(shù)生產(chǎn)函數(shù)形式的多產(chǎn)出隨機前沿模型估算出2008年～2013年中國30 個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，隨后借助于GWR模型研究了各影響因素對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)性影響，相比傳統(tǒng)OLS模型平均意義上的估計結(jié)果更加接近現(xiàn)實情況。結(jié)果表明：①中國30個省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間正自相關(guān)性，忽視數(shù)據(jù)空間關(guān)聯(lián)和差異的OLS估計結(jié)果存在偏誤；②企業(yè)規(guī)模、市場結(jié)構(gòu)及研發(fā)支出結(jié)構(gòu)均對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率產(chǎn)生正向影響，且這種影響均具有顯著的空間異質(zhì)性，表現(xiàn)為東西方向或南北方向變化的特征，其中研發(fā)支出結(jié)構(gòu)估計系數(shù)明顯小于企業(yè)規(guī)模和市場結(jié)構(gòu)的估計系數(shù)，且空間異質(zhì)性特征也相對較弱。政府投入對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率具有顯著的負(fù)向影響，且這種影響同樣表現(xiàn)出典型的空間異質(zhì)特征；③隨著時間的推移，各影響因素對高技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響程度的空間異質(zhì)特征一直存在，只是具體特征發(fā)生細(xì)微變化，以企業(yè)規(guī)模估計系數(shù)為例，呈現(xiàn)低值區(qū)向南方蔓延的趨勢。

綜上所述，應(yīng)當(dāng)避免一刀切的高技術(shù)產(chǎn)業(yè)創(chuàng)新發(fā)展政策，需要根據(jù)地區(qū)已有的發(fā)展基礎(chǔ)、資源稟賦及歷史因素等制定符合地區(qū)發(fā)展要求和目標(biāo)的高技術(shù)產(chǎn)業(yè)創(chuàng)新發(fā)展政策。第一，西部地區(qū)需要改善高技術(shù)產(chǎn)業(yè)企業(yè)規(guī)模，強調(diào)創(chuàng)新效率提升基礎(chǔ)上的規(guī)模擴大，避免掉入后發(fā)陷阱，東、中部地區(qū)則要繼續(xù)擴大高技術(shù)產(chǎn)業(yè)規(guī)模，支持行業(yè)內(nèi)并購聯(lián)合的企業(yè)行為，尤其東北三省、河北等地亟須加快傳統(tǒng)產(chǎn)業(yè)升級改造，不斷規(guī)?；呒夹g(shù)產(chǎn)業(yè)。第二，促進(jìn)形成競爭性高技術(shù)產(chǎn)業(yè)創(chuàng)新市場，尤其著力破除西部地區(qū)有礙于高技術(shù)產(chǎn)業(yè)市場一體化的壟斷勢力，繼續(xù)完善東、中部地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新市場體制機制。第三，東、中部地區(qū)加快調(diào)整政府在高技術(shù)產(chǎn)業(yè)創(chuàng)新市場中從資源配置主導(dǎo)地位向服務(wù)角色轉(zhuǎn)變，而西部地區(qū)仍然需要強調(diào)政府對創(chuàng)新要素的重要配置作用，輔以市場引導(dǎo)資源配置。第四，東、中及西部地區(qū)均需調(diào)整“重引進(jìn)輕吸收”的研發(fā)支出結(jié)構(gòu)，逐漸提升已有技術(shù)應(yīng)用轉(zhuǎn)化能力。

參考文獻(xiàn)：

[1] 白俊紅，江可申，李婧. 中國地區(qū)研發(fā)創(chuàng)新的技術(shù)效率與技術(shù)進(jìn)步[J]. 科研管理，2010（6）：7-18.

[2] 張宗，周勇，錢燦，等. 基于SFA 模型的我國區(qū)域技術(shù)創(chuàng)新效率的實證研究[J]. 軟科學(xué)，2006（2）：125-128.

[3] Coelli T， Perelman S. A comparison of parametric and non-parametric distance functions： with application to European Railways[J]. European Journal of Operational Research，1999（2）：326-339.

[4] Lee Shim. Moderating effects of R&D; on corporate growth in U.S. Japanese Hi-tech Industries： An empirical study[J]. Journal Technology Management Research，1995（6）：179-191.

[5] 馮纓，滕家佳. 江蘇省高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率評價[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2010（31）：107-112.

[6] 柴華奇，宋德強，劉永振. 中國區(qū)域高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測度研究[J]. 情報雜志，2010（8）：105-109.

[7] 楊青峰. 高技術(shù)產(chǎn)業(yè)地區(qū)研發(fā)創(chuàng)新效率的決定因素—基于隨機前沿模型的實證分析[J]. 管理評論， 2013，25（6）：47-58.

[8] 范允奇，李曉鐘. 政府R&D;投入、空間外溢與我國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率[J]. 工業(yè)技術(shù)經(jīng)濟，2014（5）：101-107.

[9] Battese G E， Corra G S. Estimation of a production frontier model： with application to the pastoral zone of Eastern Australia[J]. Australian Journal of Agricultural and Resource Economics， 1977（3）：169-179.

[10] Moran， P.A.P. Notes on continuous stochatic phenomena[J]. Biometrika，1950（37）：17-23.

[11] LeSage， J.P. Family of graphically weighted regression models in advances in spatial econometrics[M]. Berlin：Springer-Verlag，2004： 241-264.

[12] Brunsdon C， Fotheringham A S， Charlton M E. Geographically weighted regression：A method for exploring spatial nonstationarity[J]. Geographical Analysis，1996（4）：281-298.

[13] Fotheringham A.S.， Brunsdon C， M.E.Charlton. Geographically weighted regression[M]. Chichester： Wiley，2002.

[14] 吳延兵. 中國工業(yè)產(chǎn)業(yè)創(chuàng)新水平及影響因素—面板數(shù)據(jù)的實證分析[J]. 產(chǎn)業(yè)經(jīng)濟評論，2006（2）：155-171.

[15] 史修松，趙曙東，吳福象. 中國區(qū)域創(chuàng)新效率及其空間差異研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009（3）：45-55.

[16] 牛澤東，張倩肖. 中國裝備制造業(yè)的技術(shù)創(chuàng)新效率[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012（11）：51-67.

[17] 岳書敬. 長三角地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的經(jīng)驗分析[J]. 南京社會科學(xué)，2008（5）：13-18.

Abstract： This paper firstly estimates high technology industry innovation efficiency of China's 30 provinces from 2008 to 2013 using stochastic frontier model based on transcendental logarithmic production function， and then researches the relationship between the enterprise scale， market structure， government investment， the impact of R&D; expenditure structure with the innovation efficiency based on geographical weighted regression model. The results show that： there is positive correlation between high technology industry innovation efficiency among China's 30 provinces； enterprise scale， market structure and R&D; expenditure structure have a positive impact on innovation efficiency， and government investment hinders innovation efficiency of high technology industry； influence on the innovation efficiency of the high technology industry by four factors all have spatial heterogeneity， and keep stable from 2008 to 2013. Finally this paper makes conclusions and puts forward relevant policy suggestions.

Key words： high technology industry； innovation efficiency； spatial heterogeneity； geographical weighted regression model