我國高技術產業(yè)研發(fā)效率的研究
——基于DEA-Malmquist方法

羅斯丹 袁瀅欣

（中國海洋大學經濟學院，山東 青島266100）

一、引 言

習近平在十九大報告中明確提出要加快建設創(chuàng)新型國家。而高技術產業(yè)是一個知識和技術密集型的產業(yè)群，研究開發(fā)投入高、人員比重大，創(chuàng)新性強，附加值高。2016年，我國高技術產業(yè)主營業(yè)務收入突破15 萬億元，占制造業(yè)的14.68%，出口額達到52445 億元，占制造業(yè)出口比重的44.6%。高技術產業(yè)是科技競爭的重要陣地和國家創(chuàng)新的關鍵領域，大力發(fā)展高技術產業(yè)，可以有效改善我國產業(yè)結構，推進經濟協(xié)調穩(wěn)定發(fā)展。高技術產業(yè)的發(fā)展需要投入極高的科研費用，研究開發(fā)過程的不確定因素難以預料，風險性大。在我國現(xiàn)階段的工業(yè)化進程中，增加高技術產業(yè)R＆D 投入的同時，提高高技術產業(yè)效率，增加科技和經濟成果產出，是轉變經濟發(fā)展方式的關鍵。因此，如何利用有限的資金和資源發(fā)展高技術產業(yè)，橫向比較各地區(qū)R＆D 效率，同時縱向觀察各地區(qū)效率隨時間的變化，是一個值得探討的重要課題。

國外學者很早就開始了對高技術產業(yè)效率的研究，使用的方法多種多樣。March-Chorda（1999）、Romijn 和Albu（2002）、Neelankavil 和Alaganar（2003）、Rosenzweig 和Roth（2004）、Gaimon 和Morton（2005）、Kim 和Han（2001）、Guan 和Chen（2010）分別采用因子分析法、多元回歸模型、格蘭杰因果檢驗、路徑分析法、產品生命周期模型和隨機前沿分析方法研究高技術產業(yè)的效率問題。后來大多研究傾向于使用非參數(shù)方法。Guan 和Chen（2010）運用網絡DEA 方法根據高技術產業(yè)效率將我國26 個省分為四類：高研發(fā)高業(yè)績、高研發(fā)低業(yè)績、低研發(fā)高業(yè)績、低研發(fā)低業(yè)績，并針對性地給出了政策建議。Sena（2004）利用Malmquist 方法測算了意大利高技術產業(yè)1989-1994年的TFP，發(fā)現(xiàn)技術進步促進了TFP 的提高。Chen 和Yeh（2005）使用DEA 方法從行業(yè)角度分析臺灣高技術產業(yè)的效率，發(fā)現(xiàn)計算機和半導體行業(yè)效率最高，而生物技術效率最低。此外，Hemmert（2004）、Collins和Smith（2006）、Wang 和Rafiq（2014）分別從制度、人力資本、組織文化角度對高技術企業(yè)效率進行了研究。

我國學者對高技術產業(yè)效率的研究主要分為兩大類，一類是從靜態(tài)角度橫向比較各地區(qū)或各行業(yè)某一年的高技術產業(yè)效率。田家林（2018）使用DEA 方法基于2016年數(shù)據測算了我國各省高技術產業(yè)效率，橫向來看，東部地區(qū)效率值最高，中部地區(qū)效率值最低，進一步分析認為，中國的高技術產業(yè)效率貢獻更多來源于規(guī)模擴張而非來源于純粹的技術進步。張宗益等（2006）、余泳澤和張妍（2012）、葉銳等（2012）、陳瑩文等（2018）、吉生寶和周小珂（2010）分別使用柯布—道格拉斯生產函數(shù)形式的隨機前沿面板模型、三投入超越對數(shù)形式的隨機前沿面板模型、共享投入關聯(lián)DEA 模型、改進兩階段DEA 模型、三階段DEA 模型進行實證研究，無一例外地發(fā)現(xiàn)中國高技術產業(yè)整體效率值低，地區(qū)間存在較大差異。此外，成定平和淦蘇美（2017）、孫國鋒等（2016）、馮鋒等（2011）則分別通過三階段DEA、鏈型關聯(lián)DEA、鏈式DEA 研究發(fā)現(xiàn)高技術產業(yè)的各類型企業(yè)和各行業(yè)之間效率差異也較大。

另一類是從動態(tài)角度縱向分析高技術產業(yè)效率隨時間的變化情況。葉丹和黃慶華（2017）、王曉珍等（2017）、陳偉等（2017）、刁秀華等（2018）運用DEA-Malmquist 指數(shù)方法分析了我國各省高技術產業(yè)TFP 的動態(tài)變化，刁秀華等（2018）實證檢驗發(fā)現(xiàn)我國高技術產業(yè)的技術創(chuàng)新效率隨時間的變化呈現(xiàn)明顯的區(qū)域差異，2003-2013年間中部地區(qū)增長最快，其次是西部地區(qū)，東部地區(qū)增長最慢。進一步地，李彥龍（2018）通過觀察我國高技術產業(yè)在2003-2015年的效率變化發(fā)現(xiàn)，相對于勞動投入來說，資本的稀缺性更強，R＆D 經費投入不夠，應加大資本投入。余泳澤等（2010）將高技術產業(yè)分為13 個細分行業(yè)，運用DEA-Malmquist 指數(shù)方法橫向和縱向分析了各行業(yè)的效率，研究表明，TFP 的提高得益于技術進步，而效率低下則源于純技術效率。

然而大多數(shù)的評價模型過于單一，僅從靜態(tài)角度考慮了某一年的投入產出情況或僅從動態(tài)角度考慮時間變化，很少把靜態(tài)和動態(tài)兩個角度綜合起來進行評價，不能全面地考察高技術產業(yè)的現(xiàn)狀和發(fā)展，且有些研究關于指標的選取較為籠統(tǒng)。鑒于此，本文運用DEA 方法對中國29 個省2016年的高技術產業(yè)效率進行了靜態(tài)評價，并采用Malmquist 指數(shù)法對2009-2016年的效率進行動態(tài)分析；指標選取上，將投入指標分為人員和經費投入，產出指標選取知識和經濟產出兩類，深入分析了DEA 無效的原因所在，同時將投入與產出的時間間隔設為1年，即產出比投入滯后1年。

二、模型設定與數(shù)據說明

（一）數(shù)據包絡分析模型

高技術產業(yè)R＆D 效率的分析方法有兩類：參數(shù)法和非參數(shù)法，參數(shù)法最廣泛運用的是隨機前沿分析（SFA），而非參數(shù)法最主要的就是數(shù)據包絡分析（DEA）。隨機前沿分析只能運用于多輸入單輸出的效率研究，且需要事先構建生產前沿函數(shù)。而數(shù)據包絡分析則適用于多輸入多輸出的效率測算，并且不需要構建生產前沿函數(shù)，因此本文采用數(shù)據包絡分析法。

數(shù)據包絡分析（DEA）是1978年由A.Charnes、W.W.Cooper 和E.Rhodes 提出的一種效率評價方法，主要用來研究多輸入多輸出的決策單元（DMU）的相對有效性。DEA 方法通過線性規(guī)劃確定最優(yōu)點，將最優(yōu)點連接起來形成一條效率前沿的包絡線，然后將所有DMU 的輸入和輸出映射于空間中。落在邊界上的DMU 相對有效，將其效率值確定為1；不在邊界上的DMU 相對無效，效率值小于1。

BC2和C2R 模型是DEA 最基本的兩個模型，它們的區(qū)別是BC2模型假定規(guī)模報酬可變，而C2R 模型假設規(guī)模報酬不變。假設有n 個DMU，這n 個DMU 都是具有可比性的，每個DMU 都有m 種類型的“輸入”（表示對“資源”的耗費）和s 種類型的“輸出”（表明“成效”的一些指標），輸入越小越好，而輸出越大越好。C2R 模型的對偶規(guī)劃為

其中

式中，xij、yrj分別表示第j 個DMU 的第i 個投入量和第r 個產出量；sij-、srj+分別表示第j 個DMU 的投入冗余量和產出不足量；θ 表示第j 個DMU 的相對效率值；ε 為非阿基米德無窮小量。

當θ=1，sij-=0，srj+=0 時決策單元j 相對有效；當θ=1，sij-≠0 或srj+≠0 時決策單元j 是弱有效的；當θ＜1 時決策單元j 相對無效。

非DEA 有效的DMU 可以通過投影分析得到輸入向量和輸出向量的調整方向和調整值，變成DEA 有效的。我們將調整后的點稱為DMU 在生產前沿面上的“投影”。決策單元j 的投影為：

BC2模型則是在C2R 模型的基礎上增加了凸性假設模型將綜合技術效率（effch）分解為純技術效率（pech）和規(guī)模效率（sech）的乘積：

其中，純技術效率指企業(yè)技術和管理產生的效率，而規(guī)模效率則指企業(yè)規(guī)模因素影響的生產效率。

（二）Malmquist 指數(shù)模型

由于DEA 只能用于截面數(shù)據，不能反映效率隨時間的變化，而Malmquist 指數(shù)則用于時間序列或面板數(shù)據，可以反映決策單元的效率的時序變化，因此將DEA 與Malmquist 指數(shù)分析方法相結合，全面評價我國各省高技術產業(yè)R＆D 效率。1953年MalmquistSten 最早提出了Malmquist 指數(shù)，1982年Caves D W、Christensen L R和Diewert W E 首度將該指數(shù)應用于生產率變化的測算，后來RolfFare 等人將它與DEA 理論相結合，其在生產率測算中的應用越來越廣泛。

假設以t 時期的技術Tt為參照，（xt+1，yt+1）和（xt，yt）分別表示t+1 期和t 期的輸入和輸出指標值，DCt+1和DCt分別表示規(guī)模報酬不變情形下t+1 期和t 期的距離函數(shù)，DVt+1和DVt表示規(guī)模報酬可變的情形下t+1 期和t 期的距離函數(shù)。

在t 期的技術條件下，從t 期到t+1 期的Malmquist 指數(shù)為

在t+1 期的技術條件下，從t 期到t+1 期的Malmquist 指數(shù)為

則t 期到t+1 期的Malmquist 指數(shù)為

Malmquist 指數(shù)可以分為技術進步指數(shù)（techch）和綜合技術效率變動指數(shù)（effch），其中綜合技術效率變動指數(shù)又包括純技術效率變動指數(shù)（pech）和規(guī)模效率變動指數(shù)（sech），即

Malmquist 指數(shù)是一個動態(tài)變化指數(shù)，用于衡量從t 期到t+1 期的TFP 變化。當該指數(shù)大于1 時，表示TFP呈上升趨勢，效率有所提高；當該指數(shù)等于1 時，表示TFP 不變，效率沒有發(fā)生變化；當該指數(shù)小于1 時，表示TFP 呈下降趨勢，效率有所下降。

綜合技術效率變動指數(shù)（effch）表示每個DMU 從t 期到t+1 期向生產前沿靠近的程度，也就是企業(yè)在t 期到t+1 期的技術效率變動程度，反映了企業(yè)管理方法以及管理層決策是否正確。指數(shù)大于1 表示技術效率改善，即企業(yè)管理方式與決策正確；指數(shù)小于1 表示技術效率下降，即企業(yè)管理方式與決策不當。

技術進步指數(shù)（techch）則相當于生產前沿面的變動，代表生產技術的變化，反映了技術進步。該指數(shù)大于1，代表生產邊界外移，技術進步；該指數(shù)小于1，代表生產邊界向原點移動，技術衰退。

（三）數(shù)據來源與指標選取

本文所使用的數(shù)據來自《中國統(tǒng)計年鑒》和《中國高技術產業(yè)統(tǒng)計年鑒》，選取我國29 個省（區(qū)、市）的高技術產業(yè)企業(yè)作為研究對象，采用2009-2016年的面板數(shù)據，對他們的R＆D 效率進行評價。其中，由于西藏和青海地區(qū)數(shù)據缺失嚴重，未列入分析。由于R＆D 從輸入到輸出之間存在一定的時間間隔，因此本文將時滯設為1年，每一年高技術產業(yè)的R＆D 效率都是前一年的投入與當年的產出的結果。

運用DEA-Malmquist 指數(shù)模型分析我國高技術產業(yè)R＆D 效率，投入和產出指標的選取非常關鍵，本文在參考其他文獻基礎上，結合高技術產業(yè)的特征，將投入指標分為人員投入和經費投入（見表1），其中人員投入指標選取的是R＆D人員折合全時當量，經費投入指標選取了R＆D 經費內部支出、新產品開發(fā)經費支出和技術改造經費支出；產出指標分為知識產出與經濟產出，其中知識產出包括專利申請數(shù)和有效發(fā)明專利數(shù)，經濟產出包括新產品銷售收入、主營業(yè)務收入和利潤總額。

表1 高技術產業(yè)R＆D 效率指標體系

三、2016年各省高技術產業(yè)R＆D 效率靜態(tài)比較

本文采用DEAP2.1 軟件對各省高技術產業(yè)R＆D 投入產出效率進行了實證分析。DEA 模型具有兩種基本形式：投入導向和產出導向。其中投入導向模型保持產出不變使投入最小化，而產出導向模型則保持投入不變使產出最大化。鑒于R＆D 投入在各地區(qū)高技術產業(yè)企業(yè)中具有靈活可調整性的特征，本文擬采用投入導向型DEA 模型。

（一）效率分析

2016年我國各省高技術產業(yè)R＆D 投入產出效率的評價結果如表2所示。

表2 2016年我國各省高技術產業(yè)R＆D 投入產出效率評價結果

1.綜合技術效率分析

首先，總體而言，2016年高技術產業(yè)R＆D 效率平均值為0.846，屬于輕度DEA 無效，表明我國高技術產業(yè)有一定的改善空間。

其次，從區(qū)域來看，中部地區(qū)的綜合技術效率值最高，西部地區(qū)最低，不同于大多數(shù)的研究結論，可能的原因是中部崛起戰(zhàn)略的實施使得西部地區(qū)對人才的吸引力增強，而東部沿海地區(qū)競爭激烈，人才落戶困難直接阻礙了人才流動，西部地區(qū)得天獨厚的資源優(yōu)勢使其未有明顯的落后，而東北地區(qū)雖然自實施老工業(yè)基地振興戰(zhàn)略以來高技術產業(yè)發(fā)展迅速，R＆D 投入逐年增強，但與省外發(fā)達地區(qū)相比差距仍然明顯。

最后，從省份來看，在29 個省份中有12 個省高技術產業(yè)的R＆D 投入產出的綜合技術效率值為1，即這12 個省高技術產業(yè)的投入和產出是相對有效的，并同時達到了技術有效和規(guī)模有效。對于這些省份，在現(xiàn)有的投入和產出下無法提高效率值，只能增加新的投入或者減少產出種類。其中，東部地區(qū)有北京、天津、上海、山東、廣東，經濟和科技都高度發(fā)達，比例較高；中部地區(qū)有山西、安徽和河南，西部地區(qū)有廣西、重慶、四川、新疆四個省，這些省雖然經濟和科技不發(fā)達，但是發(fā)展比較協(xié)調，均以較少的投入保證了最優(yōu)的產出，沒有造成資源浪費，資源得到了最優(yōu)配置，；東北地區(qū)三個省均為DEA 無效，但吉林省的效率顯著高于其他兩省。因此可見，各地區(qū)雖然經濟發(fā)展不平衡，但每個區(qū)域都有標桿性的省份，為同一區(qū)域的不同省份提供了參照。另外有17 個省份高技術產業(yè)R＆D 效率均小于1，其中有13 個省的效率值低于平均值，這表示我國大多數(shù)地區(qū)綜合技術效率相對無效，存在不同程度的投入產出不匹配問題。在DEA 無效地區(qū)中，甘肅效率最高，陜西最低，兩地效率差值達0.575，進一步證明了地區(qū)間差異較大。

2.純技術效率分析

在29 個省份中，除了北京、天津等12 個DEA 有效的省外，江蘇、江西、甘肅和寧夏4 個省的純技術效率也為1，即這4 個省高技術產業(yè)的R＆D 現(xiàn)狀是純技術有效的，要想達到DEA 有效只能提高規(guī)模效率。其他省的純技術效率均小于1，說明這些省高技術產業(yè)綜合效率相對無效部分歸因于純技術效率無效。

3.規(guī)模效率和規(guī)模收益分析

當規(guī)模效率為1 時，表明DMU 規(guī)模有效，處于規(guī)模收益不變階段，即每增加一單位的投入，產出也相應地增加一個單位；否則規(guī)模無效，規(guī)模收益變化。除12 個DEA 有效的省份外，其他省均規(guī)模無效，觀察規(guī)模收益發(fā)現(xiàn)內蒙古、吉林、海南、云南和甘肅處于遞增階段，表明這幾個省的資源使用效率隨投入的增加而提高，可以適當增加R＆D 投入，擴大產業(yè)規(guī)模，從而提高規(guī)模效率；河北、遼寧等剩下的12 個省處于規(guī)模收益遞減階段，說明相對產出來說投入規(guī)模偏大，增加投入并不能產生更大比例的產出，各省應當差異化發(fā)展，根據自身的實際情況選擇規(guī)模水平。

（二）投影分析

使用BC2和C2R 兩個模型對非DEA 有效的省份進行投影分析，可以看到各省要想達到DEA 有效的改進方向。

1.投入冗余分析

由表3可知，在17 個高技術產業(yè)非DEA 有效的省份中，江蘇、江西、甘肅和寧夏4 個省沒有投入冗余狀況，人員和經費投入都得到了充分合理的利用，其余13 個省則或多或少存在投入冗余，對人員和資金的利用不充分。河北、黑龍江、浙江、福建、湖南和貴州6 個省的人員冗余狀況較為嚴重，冗余值都超過了均值，應當減少人員投入量，合理配置人力資源；R＆D 經費內部支出方面，遼寧、吉林、浙江、湖南和貴州的內部經費得到了充分利用，而河北、內蒙古和福建的冗余值超過了平均值，應縮減這方面投入；新產品開發(fā)經費投入在各省基本都得到了充分合理的運用，只有內蒙古和吉林存在冗余現(xiàn)象；技術改造經費支出方面，只有黑龍江、福建和海南不存在冗余現(xiàn)象，其余省份均應縮減此項開支，提高高技術產業(yè)的R＆D 效率。

表3 非DEA 有效省份高技術產業(yè)R＆D 投入冗余情況

表4 非DEA 有效省份高技術產業(yè)R＆D 產出不足情況

2.產出不足分析

由表4可知，江蘇、江西、甘肅和寧夏4 個省的R＆D 產出狀況較好，無論是知識產出還是經濟產出都達到了標準值，而其他省份則存在不同程度的產出不足問題。

在專利申請方面，內蒙古、吉林、海南和云南沒有達到目標值，且不足值都超過了平均值，專利申請數(shù)不足情況嚴重，應大力提高高技術產業(yè)的專利申請數(shù)；內蒙古、黑龍江、浙江、福建和湖南的有效發(fā)明專利不足，其余省份都達到了目標值；新產品銷售收入方面，黑龍江、湖北、海南、貴州、云南和陜西嚴重不足，都超過了平均值，西部地區(qū)較為嚴重，缺乏將知識產出轉化為經濟產出的能力；主營業(yè)務收入方面，內蒙古、吉林、湖北、貴州和云南這5 個省份達到了目標值，另外遼寧、黑龍江、浙江、福建和湖南主營業(yè)務收入不足較為嚴重；利潤總額方面，河北、遼寧、黑龍江、海南和陜西達到了目標值，其余省份的利潤總額或多或少都有不足。

四、2009-2016年各省高技術產業(yè)R＆D 效率動態(tài)分析

利用Malmquist 指數(shù)研究2009-2016年我國29 個省高技術產業(yè)的投入產出效率隨時間的動態(tài)變化情況，見表5。

（一）全國高技術產業(yè)TFP 及其變動分析

表5 2009-2016年中國高技術產業(yè)Malmquist 指數(shù)及其分解

從時間變動上看，從2009-2016年我國高技術產業(yè)TFP年平均下降5.8%，其中有4年TFP 增加，3年則有所下降，總的來說呈現(xiàn)出上升和下降交替波動變化趨勢，反映了我國高技術產業(yè)生產率變化不穩(wěn)定，尚未形成逐年增加的良好趨勢。將TFP 分解來看，技術效率和技術進步指數(shù)的均值分別為1.033 和0.912，即技術效率年均增長3.3%，技術進步年均下降8.8%，表明我國高技術產業(yè)TFP 下降的原因在于技術退步，由上表也可以看到7年中僅有3年存在技術進步。進一步地，純技術效率和規(guī)模效率變動指數(shù)的均值分別為1.004 和1.029，兩者均有所增加，但規(guī)模效率增加值更大，也就是說綜合技術效率的增加更多來自規(guī)模效率增加。因此，我國高技術產業(yè)TFP 上升的主要動力來源于技術效率提升，下降則歸咎于技術進步的下降。

（二）各省份高技術產業(yè)TFP 變動分析

從總體情況來看，2009-2016年間，高技術產業(yè)的TFP 指數(shù)變化為0.942，說明TFP 總體呈下降的趨勢；東部地區(qū)的TFP 略低于中、西部和東北地區(qū)，可能是由于高技術產業(yè)地區(qū)分布的傾向性使東部地區(qū)生產率在2009年的初始值較高，隨時間發(fā)展存在一定的收斂性；東部地區(qū)的技術進步指數(shù)則略高于其他地區(qū)，表明東部地區(qū)豐富的人才和經費使得技術研發(fā)具有優(yōu)勢。

從各省份情況來看，大多數(shù)省份的TFP 指數(shù)值小于1，說明我國高技術產業(yè)整體效率呈下降趨勢，僅有天津、黑龍江、河南、廣東、廣西、四川、甘肅、寧夏8 個省大于1，黑龍江最高，可能是因為醫(yī)藥制造業(yè)和醫(yī)療儀器及儀器儀表制造業(yè)在黑龍江占主要地位，尤其是以哈藥集團股份有限公司為龍頭的醫(yī)藥企業(yè)，生物醫(yī)藥制造業(yè)投入大、風險高、收益佳，且與航空航天器制造業(yè)相比更容易轉為經濟效益。

表6 2009-2016年我國29 個省份高技術產業(yè)Malmquist 指數(shù)及其分解

觀察表6可以看出，effch＞pftch，即進一步證實了技術效率是推動各省TFP 提升的主要原因，而技術進步指數(shù)小于1，說明大多數(shù)TFP 下降的省份原因在于技術變動的下降，我國的高技術產業(yè)尚未形成以技術進步為驅動力的創(chuàng)新模式，自主創(chuàng)新能力弱，缺乏核心技術。

純技術效率和規(guī)模效率變動均值都大于1，即我國高技術產業(yè)的純技術效率和規(guī)模效率七年間均有所增加，企業(yè)管理方法適當，管理層決策正確。大多數(shù)地區(qū)的規(guī)模效率變動指數(shù)都大于1，說明這些地區(qū)高技術產業(yè)規(guī)模處于一個較優(yōu)的狀態(tài)，少數(shù)地區(qū)的值小于1，出現(xiàn)這種情況的原因可能是有些高技術產業(yè)發(fā)展較成熟的省份產業(yè)規(guī)?；鶖?shù)較大，隨著產業(yè)的進一步發(fā)展和擴張，規(guī)模報酬增長速度放緩，而有的地區(qū)高技術產業(yè)較為薄弱，規(guī)模相對于最優(yōu)規(guī)模仍然較低，規(guī)模報酬變動指數(shù)則較小。從純技術效率變動指數(shù)來看，大多數(shù)省份的值大于或等于1，說明各省高技術產業(yè)技術創(chuàng)新過程中技術效率發(fā)揮了推動作用。

五、結 論

本文在國家創(chuàng)新發(fā)展戰(zhàn)略背景下，基于DEA 模型和Malmquist 指數(shù)模型分別從靜態(tài)和動態(tài)角度分析了中國高技術產業(yè)R＆D 效率情況，并通過進一步分解綜合效率和TFP，探究了其內在原因，本文得出的主要結論如下：

靜態(tài)分析我國2016年各省高技術產業(yè)的效率發(fā)現(xiàn)，全國各省的高技術產業(yè)R＆D 效率發(fā)展很不平衡，從區(qū)域來看，中部地區(qū)綜合效率值最高，東北地區(qū)最低；從省份來看，既有北京、天津、上海等效率較高的省，他們均達到了技術有效和規(guī)模有效，同時也有陜西、云南等效率較低的省，他們是技術無效或者規(guī)模無效的，且規(guī)模無效的省份多于技術無效的省份。進一步分析相對無效省份要想達到技術有效在投入和產出上的調整方向和調整值發(fā)現(xiàn)，人員投入、R＆D 經費內部支出和技術改造支出冗余較為嚴重，應適當縮減其投入；新產品銷售收入、主營業(yè)務收入和利潤總額不足嚴重。

動態(tài)研究2009-2016年我國高技術產業(yè)發(fā)展狀況，全國整體的TFP 在這8年間呈現(xiàn)出震蕩波動變化，尚未形成持續(xù)的增長趨勢；從區(qū)域角度看，東北地區(qū)TFP 最高，發(fā)展最快，中部地區(qū)最低；從各省的發(fā)展趨勢來看，技術進步的普遍下降阻礙了TFP 的增長勢頭，因此大多數(shù)省份的TFP 下降，技術效率變動指數(shù)則普遍上升。

基于以上研究，本文認為各省高技術產業(yè)應著力調整企業(yè)規(guī)模，根據各自的實際需要和技術水平選擇合適的規(guī)模，從而提高效率；在投入產出方面，應適當減少人員投入、R＆D 經費內部支出和技術改造支出，加強科技成果轉化為實際生產力的能力，以市場為導向，實現(xiàn)產學研相結合，增加經濟產出，提高R＆D 效率；各省應發(fā)揮各自優(yōu)勢，揚長避短，合理配置資源；高技術產業(yè)應加大創(chuàng)新力度，加強自主創(chuàng)新能力，掌握核心技術，讓技術進步帶動R＆D 效率提升。