高新技術產(chǎn)業(yè)創(chuàng)新效率及影響因素研究——基于安徽省與東部11省市的比較分析

許廣永，郝紅美

(安徽財經(jīng)大學 工商管理學院，安徽 蚌埠 233000)

1 問題提出

技術和知識密集型產(chǎn)業(yè)對推動經(jīng)濟長遠發(fā)展、產(chǎn)業(yè)結構升級和社會和諧穩(wěn)定有著深遠的影響，在“十三五”時期，必須樹立落實“創(chuàng)新、協(xié)調、綠色、開放、共享”的發(fā)展理念。安徽省積極貫徹落實科技創(chuàng)新精神，推動創(chuàng)新驅動發(fā)展戰(zhàn)略，著力實施五大發(fā)展行動計劃，高新技術產(chǎn)業(yè)發(fā)展保持著穩(wěn)健發(fā)展態(tài)勢，為安徽省的供給側結構性改革發(fā)揮重要的作用。在“十二五”規(guī)劃期間安徽省高新技術產(chǎn)業(yè)取到了顯著的突破，據(jù)安徽省最新統(tǒng)計年報，2017年，安徽省規(guī)模以上高新技術產(chǎn)業(yè)產(chǎn)值比2016年增長20.4%，增加值增長14.8%，高新技術產(chǎn)業(yè)增加值占全省規(guī)上工業(yè)增加值的比重為40.2%，比2016年提高0.4個百分點。全省規(guī)模以上高新技術產(chǎn)業(yè)對全省規(guī)模以上工業(yè)增加值增長的貢獻率為63.5%。可見，高新技術產(chǎn)業(yè)的發(fā)展在全省經(jīng)濟發(fā)展中有著至關重要的地位。從縱向發(fā)展來看，安徽省高新技術產(chǎn)業(yè)取得了一定的成績，但是，和其他部分省市橫向比較，仍然較落后。楊清可[1]等，方大春[2]等在對省際高新技術產(chǎn)業(yè)創(chuàng)新效率的研究中發(fā)現(xiàn)，從橫向上對比北京、上海、江蘇、廣州等發(fā)達地區(qū)，安徽省高新技術產(chǎn)業(yè)的創(chuàng)新效率仍然處于落后態(tài)勢。為此，比較安徽省與東部11個省市的高新技術產(chǎn)業(yè)，力圖揭示安徽省在高新技術產(chǎn)業(yè)發(fā)展中創(chuàng)新效率存在的問題，從而提出有針對性的意見建議，改善安徽省高新技術產(chǎn)業(yè)的創(chuàng)新效率，從而推動安徽省經(jīng)濟的發(fā)展和產(chǎn)業(yè)結構的升級。

關于高新技術產(chǎn)業(yè)創(chuàng)新效率的研究，從區(qū)域方面開展的，如陳紅梅[3]等采用綜合評價模型對30個省域的技術創(chuàng)新效率進行對比，發(fā)現(xiàn)各省區(qū)技術創(chuàng)新的總體效率水平都比較低，而且普遍存在創(chuàng)新投入不足的弊端。黃毅[4]從創(chuàng)新環(huán)境的視角對我國30個省市的技術創(chuàng)新效率進行了分析。趙文平[5]等運用超效率DEA方法測算絲綢之路經(jīng)濟帶9省市區(qū)域創(chuàng)新效率,并對區(qū)域創(chuàng)新效率進行動態(tài)對比，研究表明不同的環(huán)境下創(chuàng)新效率的差異性較大。李牧南[6]等對廣東省19個地市專業(yè)鎮(zhèn)的創(chuàng)新效率開展了針對性研究；從行業(yè)層面分析各個行業(yè)創(chuàng)新效率的差異性，如龔光明[7]等基于動態(tài)網(wǎng)絡DEA模型，選取2001～2012年的相關數(shù)據(jù)，分別對高新技術產(chǎn)業(yè)的五大行業(yè)創(chuàng)新效率進行了測算和分析，研究發(fā)現(xiàn)我國高新技術產(chǎn)業(yè)創(chuàng)新效率在逐步增長，同時發(fā)現(xiàn)我國在專利利用上沒有得到有效的發(fā)揮，科技成果未能有效加以轉化；從企業(yè)層面評價創(chuàng)新效率，如Lu[8]等對臺灣地區(qū)194個高新技術企業(yè)進行研究，運用DEA方法中的BCC模型對企業(yè)的研發(fā)效率和績效水平做出分析與評價。肖仁橋[9]等采用共同前沿理論和DEA模型分析2005～2010年我國不同性質企業(yè)技術創(chuàng)新效率差異、損失來源以及影響機制。

在對高新技術產(chǎn)業(yè)的創(chuàng)新效率的研究方法和指標選取上，國內外學者常用非參數(shù)方法和參數(shù)方法，DEA模型和SFA回歸分析。如Wang[10]選取R&D投入、專利申請數(shù)、新產(chǎn)品銷售額等指標，并運用SFA方法對30個國家的創(chuàng)新效率展開了分析，發(fā)現(xiàn)各國收入水平和國家創(chuàng)新效率水平呈現(xiàn)正相關關系；余泳澤[11]從價值鏈的視角,分為技術開發(fā)和技術成果轉化兩個階段,并利用松弛變量的DEA模型分別對各階段效率及其影響因素開展了研究；Hu[12]等對24個國家1998～2005年相關數(shù)據(jù)進行整理，運用SFA的參數(shù)方法對R&D效率展開分析，研究表明政府參與、業(yè)務部門技術合作、研發(fā)設備集聚等都提高了研發(fā)效率；劉偉[13-14]運用DEA和SFA兩種方法相結合測算了中國15個高新技術產(chǎn)業(yè)細分行業(yè)研發(fā)創(chuàng)新效率，研究顯示在剔除環(huán)境變量和隨機干擾后，規(guī)模效率被高估，而純技術效率則被低估；龔光明[15]基于動態(tài)網(wǎng)絡DEA方法,計算了中國高新技術產(chǎn)業(yè)創(chuàng)新效率；王惠[16]等采用Super-SBM模型測度環(huán)境約束下中國高技術產(chǎn)業(yè)綠色創(chuàng)新效率。

上述文獻從區(qū)域、行業(yè)、企業(yè)層面對高新技術產(chǎn)業(yè)創(chuàng)新效率進行了研究，不同學者在研究方法和指標選取上也不盡相同，但在環(huán)境因素影響和不同指標的關聯(lián)性，以及區(qū)域之間的比較研究等方面仍然需要進一步探索和挖掘。文中將安徽省高新技術產(chǎn)業(yè)與東部11個省市進行了對比研究，在研究方法上，利用因子分析和DEA三階段相結合，既保留了原有指標的特性，也剔除了環(huán)境因素和隨機干擾因素，在數(shù)據(jù)處理上考慮到了無量綱化和滯后期等因素，使準確性更高。另外，從省際角度、行業(yè)角度對安徽省的高新技術產(chǎn)業(yè)進行了比較分析。

2 研究設計

2.1 模型構建方法與步驟

利用DEA三階段模型進行效率的測算，模型的步驟具體如下。

第一階段Fried[17]等采用的是規(guī)模報酬可變的BCC模型，假設有n個決策單位DMU(DMU1，DMU2，…，DMUn)，每個決策單元都有m種類型的投入量和s種類型的產(chǎn)出量，對于任一個決策單元DMU，鑒于BBC模型較為成熟這里不再多做介紹。

第二階段通過構建SFA模型對可能造成投入松弛的因素進行分離，通過剔除環(huán)境和隨機誤差的影響得到僅由管理無效率造成的投入冗余情況?；貧w方程如下：

Sni=fn(zi;βn)+vni+uni,i=1,2,…,I,

(1)

根據(jù)羅登躍[18]給出的測算管理無效的公式：

(2)

由式(2)計算得出uni，此時可以根據(jù)式(3)推出vni，即

vni=Sni-fn(zi;βn)-uni,

(3)

最后借助Battese和Coelli編寫的Froniter 4.1軟件，投入的調整公式為：

(4)

第三階段為調整后的DEA模型，經(jīng)過第二階段SFA回歸，計算得出剔除環(huán)境變量和隨機誤差后的投入變量，將調整后的投入變量和原產(chǎn)出變量再重新進行第一階段的BCC模型分析，此時得出的效率值排除了環(huán)境因素和隨機誤差的影響。

2.2 樣本的選取與數(shù)據(jù)的來源

鑒于數(shù)據(jù)的適用性和可獲得性，選取了安徽省及北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等東部11個省市高新技術產(chǎn)業(yè)的相關指標數(shù)據(jù)，時間跨度范圍為5年，借鑒大多數(shù)學者對滯后期的處理(劉偉[14]；傅為忠[19]等)，采用滯后期為1年，即投入指標的數(shù)據(jù)為2011～2015年，產(chǎn)出指標的數(shù)據(jù)為2012～2016年，對部分缺失的數(shù)據(jù)采用指數(shù)平滑法進行預測，所用的主要數(shù)據(jù)來自相應年份的《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》。

2.3 指標體系的構建和環(huán)境變量的選擇

(1)投入產(chǎn)出指標選取。借鑒經(jīng)濟學家熊彼特對創(chuàng)新的闡釋，認為創(chuàng)新真正意義上體現(xiàn)在研發(fā)活動的一系列過程，在投入要素的選擇上資本和勞動力是最重要的投入指標，研究與發(fā)展經(jīng)費投入和研發(fā)勞動投入對創(chuàng)新效率有直接影響。趙琳[20]等、李向東[21]等、劉滿鳳[22]等將R&D人員和科技活動人員作為投入指標，因此，將R&D人員折合全時當量以及從事研發(fā)的研究人員作為勞動力投入。對于資本投入方面，陳程[23]等學者選用用于基礎研究、應用研究和試驗發(fā)展等相關項目R&D內部經(jīng)費支出作為資本投入，而新產(chǎn)品開發(fā)經(jīng)費支出、引進技術經(jīng)費支出、消化吸收經(jīng)費支出、購買國內技術經(jīng)費支出和技術改造經(jīng)費的支出對新產(chǎn)品的產(chǎn)出有直接影響。由于引進技術經(jīng)費、消化吸收經(jīng)費和購買國內技術經(jīng)費支出的大量缺失性，故不做考慮，僅用技術改造經(jīng)費支出也具有代表性，因此，將新產(chǎn)品開發(fā)經(jīng)費支出和技術改造經(jīng)費支出作為投入指標。部分學者把新增固定資產(chǎn)作為新產(chǎn)品開發(fā)前期的資本投入，鑒于本文通過運用因子分析方法來提取主成分，也將新增固定資產(chǎn)作為投入指標。

對于創(chuàng)新活動產(chǎn)出，從兩個方面來衡量，一是科技產(chǎn)出，這里主要指科技論文數(shù)、專利數(shù)量；另一個是科技成果向商業(yè)化的轉化，主要指新產(chǎn)品的開發(fā)數(shù)目、新產(chǎn)品的產(chǎn)值和收入情況。國際上對于創(chuàng)新活動中科技產(chǎn)出通用專利作為衡量指標，高新技術產(chǎn)業(yè)創(chuàng)新過程中專利是其產(chǎn)出的重要依據(jù)。錢麗[24]等、龔光明[15]等在研究高新技術產(chǎn)業(yè)效率時，選用專利申請數(shù)、擁有發(fā)明專利數(shù)作為產(chǎn)出指標。因此，用專利申請數(shù)和擁有發(fā)明專利數(shù)作為創(chuàng)新活動的科技類產(chǎn)出指標。對于科技成果商業(yè)化產(chǎn)出，選用新產(chǎn)品銷售收入和新產(chǎn)品出口額作為產(chǎn)出指標，而新產(chǎn)品開發(fā)項目數(shù)也是創(chuàng)新活動中直接產(chǎn)出，因此，也將其作為產(chǎn)出指標加以考慮，具體的投入產(chǎn)出指標體系構建如表1所示。

表1 高新技術產(chǎn)業(yè)創(chuàng)新投入產(chǎn)出指標體系構建

(2)環(huán)境變量選擇與說明。地區(qū)勞動者素質(QUA)。地區(qū)勞動者素質在高新技術產(chǎn)業(yè)創(chuàng)新研發(fā)中有著重要作用，主要體現(xiàn)在可以為高新技術產(chǎn)業(yè)提供高技術型人才和創(chuàng)新要素支持，能夠提高地區(qū)創(chuàng)新研發(fā)效率水平。因此，選擇高新技術產(chǎn)業(yè)R&D人員占從業(yè)人員比重來表示地區(qū)勞動者素質。

企業(yè)規(guī)模(SIZE)。規(guī)模反映行業(yè)的市場規(guī)模狀態(tài)，相對于大型企業(yè)來說，規(guī)模大，有足夠的人力和資金支持，在進行技術創(chuàng)新時，創(chuàng)新成本較低，創(chuàng)新利潤較高；就小型企業(yè)來說，靈活性更強，能夠迅速地進行更新，創(chuàng)新效率較高。因此，采用高新技術產(chǎn)業(yè)的主營業(yè)務收入與企業(yè)數(shù)的比重來表示企業(yè)規(guī)模。

政府支持(GOV)。政府高新技術產(chǎn)業(yè)研發(fā)創(chuàng)新過程中的支持體現(xiàn)在相關政策上，如制度支持、稅收優(yōu)惠、研發(fā)資金資助等。政府對高技術產(chǎn)業(yè)的投入主要在技術經(jīng)費補助方面，政府的資金支持能夠增加R&D投入，因此影響高新技術產(chǎn)業(yè)創(chuàng)新效率。考慮數(shù)據(jù)可得性，選擇R&D經(jīng)費內部支出中政府資金占比來表示政府支持。

外資影響(FDI)。外資可以通過以下方式對高新技術產(chǎn)業(yè)創(chuàng)新效率產(chǎn)生影響。一是可以通過研發(fā)資金投入、創(chuàng)新人才交流、先進技術設備引進對技術效率產(chǎn)生正向的外溢效應；二是會對內資企業(yè)展開資源的爭奪，成為競爭對立面，對高新技術產(chǎn)業(yè)產(chǎn)生負向影響。因此，選擇三資企業(yè)的新產(chǎn)品銷售收入占比來表示外資的影響。

地區(qū)經(jīng)濟發(fā)展水平(GDP)。一般來說，地區(qū)經(jīng)濟發(fā)展水平對高新技術產(chǎn)業(yè)創(chuàng)新投入有重大影響，地區(qū)經(jīng)濟發(fā)展水平越高，相應的地區(qū)的高技術人才資源越多，資金儲備越充沛，能夠為高新技術產(chǎn)業(yè)的研發(fā)創(chuàng)新提供人力、物力、資金的支持力度就大。因此，采用各地區(qū)的人均GDP來表示地區(qū)的經(jīng)濟發(fā)展水平。

3 指標數(shù)據(jù)處理

3.1 對投入指標的處理

在數(shù)據(jù)處理上，先利用因子分析對原始數(shù)據(jù)進行標準化，之后對標準化的數(shù)據(jù)進行提取公因子，把幾個相似的指標綜合成一個公共因子，最后利用回歸法等計算出成分得分系數(shù)矩陣，從而對每一因子函數(shù)中的變量系數(shù)加以確定。運用SPSS 19.0軟件根據(jù)相關矩陣對數(shù)據(jù)進行相關性檢驗，首先對數(shù)據(jù)進行無量綱化處理，以消除不同量綱差別的影響，SPSS 19.0軟件在進行因子分析時已經(jīng)將數(shù)據(jù)進行了標準化處理，下面以2016年安徽省及東部11個省市的投入產(chǎn)出指標為例對數(shù)據(jù)進行處理。

(1)相關性檢驗?；谝蜃臃治龊虳EA模型相結合，選取了6個創(chuàng)新投入指標和5個創(chuàng)新產(chǎn)出指標，首先對6項創(chuàng)新投入指標R&D人員折合全時當量X1、從事研發(fā)的研究人員X2、R&D內部經(jīng)費支出X3、新產(chǎn)品開發(fā)經(jīng)費支出X4、技術改造經(jīng)費支出X5、新增固定資產(chǎn)額X6進行相關性檢驗，考察指標的選取是否適合做因子分析，具體輸出如表2所示。從表2的相關系數(shù)矩陣中可以看出，6項創(chuàng)新投入指標之間的相關系數(shù)整體上比較高，因此分析時相關系數(shù)大于0.3，表示適合做因子分析，小于0.3則不適合做因子分析。表中所有變量的相關系數(shù)都高于0.3，表明該6項投入指標適合做因子分析。

表2 相關系數(shù)矩陣

KMO和Bartlett的檢驗如表3所示，再一次對變量進行相關性檢驗，通過KMO檢驗和Bartlett檢驗進行，KMO的取值在0.5～1.0之間時，表示適合做因子分析，越接近1，因子分析效果越好，表中的KMO的取值為0.783，表示適合做因子分析；另外，Bartlett檢驗中，相應的顯著性概率(sig)為0.000，也表示該數(shù)據(jù)適合用因子分析方法。

表3 KMO和Bartlett的檢驗

(2)公因子的提取和命名。通過SPSS 19.0軟件對6項投入指標數(shù)據(jù)進行提取公因子，在因子分析中累計方差貢獻率大于85%時的特征值個數(shù)即為公因子數(shù)，具體如表4所示。從表4中可以看出，累計方差貢獻率為98.215%，大于85%，因此這里的創(chuàng)新投入指標提取了2個主因子，記為F1、F2。

表4 解釋的總方差分析表

旋轉成份矩陣如表5所示。由表5可知，主因子F1所代表的是研究人員X2、R&D內部經(jīng)費支出X3、新產(chǎn)品開發(fā)經(jīng)費支出X4、R&D人員折合全時當量X1，在這里把F1命名為創(chuàng)新研發(fā)投入因子；主因子F2所代表的是技術改造經(jīng)費支出X5、新增固定資產(chǎn)額X6，這里命名為創(chuàng)新基礎投入因子。

表5旋轉成份矩陣

成份12研究人員X20.9840.151R&D內部經(jīng)費支出X30.9730.228新產(chǎn)品開發(fā)經(jīng)費支出X40.9670.238成份12R&D人員折合全時當量X10.9400.324技術改造經(jīng)費支出X50.1910.963新增固定資產(chǎn)額X60.2600.944

(3)計算因子綜合得分。成份得分系數(shù)矩陣如表6所示。表示的是原始指標對公因子指標的貢獻率，因此可以計算出公因子F1、F2的得分值，即為提取后的投入指標。

F1=0.246*ZX1+0.298*ZX2+0.278*ZX3+0.274*ZX4-0.146*ZX5-0.119*ZX6

F2=-0.02*ZX1-0.120*ZX2-0.070*ZX3-0.062*ZX4+0.563*ZX5+0.536*ZX6

ZX表示原始指標數(shù)據(jù)已經(jīng)進行標準化后的數(shù)值。

表6成份得分系數(shù)矩陣

成份12R&D人員折合全時當量X10.246-0.002研究人員X20.2980.120R&D內部經(jīng)費支出X30.2780.070成份12新產(chǎn)品開發(fā)經(jīng)費支出X40.274-0.062技術改造經(jīng)費支出X5-0.1460.563新增固定資產(chǎn)額X6-0.1190.536

3.2 對產(chǎn)出指標的處理

對產(chǎn)出指標的處理方法相同，首先進行相關性檢驗，其次提取公因子，并命名，最后計算公因子得分，以2016年為例，具體如表7～表10所示。由表7、表8、表9、表10可知，安徽省高新技術產(chǎn)業(yè)創(chuàng)新產(chǎn)出的指標提取了一個公因子F3，這里命名為創(chuàng)新產(chǎn)出因子，因子的得分計算如下所示：

F3=0.211*ZY1+0.206*ZY2+0.98*ZY3+0.210*ZY4+0.204*ZY5,

以上是對2016年安徽省及東部11個省市原始的投入產(chǎn)出數(shù)據(jù)進行因子分析結果，這里的投入已經(jīng)采用了滯后一期，即2015年的原始投入數(shù)據(jù)，提取了2個投入公因子和一個產(chǎn)出公因子，同理對2012年、2013年、2014年、2015年的原始創(chuàng)新投入進行提取公因子，分別計算公因子的得分值。

由于DEA在評價指標數(shù)據(jù)時不能為負值，在計算已經(jīng)標準化的得分值中會存在負值，此時可以通過無量綱化方法對數(shù)據(jù)進行處理，具體的公式如下：

通過公式可以將SPSS 19.0運算得出的各因子得分進行歸一化處理，上述處理只是對變量的值進行數(shù)學方式的處理，并不影響實際的DEA評價結果。

表7 KMO和Bartlett的檢驗

表8 解釋的總方差矩陣

表9成份矩陣

成份1新產(chǎn)品銷售收入Y10.995專利申請數(shù)Y40.993新產(chǎn)品的出口額Y20.972成份1擁有發(fā)明專利數(shù)Y50.963新產(chǎn)品開發(fā)項目數(shù)Y30.936

表10成份得分系數(shù)矩陣

成份1新產(chǎn)品銷售收入Y11新產(chǎn)品的出口額Y26新產(chǎn)品開發(fā)項目數(shù)Y38成份1專利申請數(shù)Y40.210擁有發(fā)明專利數(shù)Y50.204

4 結果分析

研究采用DEA模型中投入導向規(guī)模報酬可變(VRS)下的松弛變量對高新技術產(chǎn)業(yè)相關的創(chuàng)新投入和產(chǎn)出數(shù)據(jù)進行效率測算，第一階段和第三階段均使用DEAP 2.1分析軟件，第二階段使用Frontier 4.1軟件對投入的松弛變量和環(huán)境變量進行測算，從而經(jīng)過剔除環(huán)境變量和隨機干擾的影響得出調整后的投入指標，進一步經(jīng)過第三階段測算出高新技術產(chǎn)業(yè)的創(chuàng)新效率。

4.1 無環(huán)境變量比較分析

利用DEAP 2.1分析軟件對高新技術產(chǎn)業(yè)相關的創(chuàng)新投入和創(chuàng)新產(chǎn)出數(shù)據(jù)進行效率的測算，第一階段和第三階段均使用DEAP 2.1分析軟件，第二階段使用Frontier 4.1軟件對投入的松弛變量和環(huán)境變量進行評價，從而經(jīng)過剔除環(huán)境變量和隨機干擾的影響測算出高新技術產(chǎn)業(yè)的創(chuàng)新效率。具體第一階段調整前的創(chuàng)新效率和第三階段調整后的創(chuàng)新效率如表11所示。由表11可以看出，運用DEA模型在第一階段和第三階段測算的效率值發(fā)生了明顯的變化，總體來看，技術效率值有所下降，但是河北、遼寧、海南等省調整后的技術效率值反而提高了。從五年的技術效率均值來看，調整前，河北、遼寧、山東、海南的效率值分別為0.571、0.575、0.738、0.544，剔除環(huán)境因素和隨機干擾的影響，技術效率值分別為0.651、0.613、0.807、0.651，這表明原先處于不利環(huán)境狀態(tài)下導致技術效率被拉低，當處于相同的環(huán)境下技術效率的真實值有所提高，而一些環(huán)境較好的省市由于環(huán)境因素和隨機干擾的影響虛高了技術效率值，安徽省調整前的技術效率為0.791，調整后下降為0.703，這表明安徽省與河北、遼寧、山東、海南等相比高新技術產(chǎn)業(yè)的創(chuàng)新環(huán)境反而有優(yōu)勢。為了證明第三階段對高新技術產(chǎn)業(yè)創(chuàng)新效率的測算值比第一階段測算的更加準確和真實，此時運用Spearman等級相關系數(shù)進行檢驗。選用安徽省與東部11個省市擁有的專利產(chǎn)出與第一階段和第三階段測算的創(chuàng)新效率值進行檢驗，Spearman等級相關系數(shù)如表12所示。由表12可以看出，調整后比調整前的技術效率、純技術效率、規(guī)模效率與擁有專利的產(chǎn)出Spearman相關系數(shù)有顯著的提高，這表明第三階段對高新技術產(chǎn)業(yè)創(chuàng)新效率的測算更加準確，更能反映實際的創(chuàng)新效率情況，因此采用調整后的創(chuàng)新效率進行分析。

從表12調整后的創(chuàng)新效率值來看，江蘇省和廣東省2012～2016年都處在相對技術有效前沿面上，其他省市處于非技術有效前沿面上，表明創(chuàng)新要素并未充分得到利用，安徽省高新技術產(chǎn)業(yè)2012～2016年的創(chuàng)新效率均值為0.703，低于北京、天津、上海、江蘇、浙江、福建、廣東，高于河北、遼寧、海南等地。為了便于安徽省與東部11個省市高新技術產(chǎn)業(yè)創(chuàng)新效率的比較，安徽省與東部11個省市的技術效率、純技術效率、規(guī)模效率調整后的均值情況如表13所示。從表13中可以看出，安徽省的整體創(chuàng)新效率相比較東部11個省市來說較低，但總體上，從2012年到2016年安徽省的技術創(chuàng)新效率在逐步增長，部分年份出現(xiàn)下滑，但下滑幅度較小，表明安徽省高新技術產(chǎn)業(yè)的創(chuàng)新效率在穩(wěn)步的提升，資源的利用逐步合理化；從純技術效率來看，安徽省與東部11個省市的差距不大，相差0.019，幾乎是接近，這說明2012～2016年間安徽省在高新技術產(chǎn)業(yè)領域的管理水平和技術水平正在加強；從規(guī)模效率來看，安徽省的規(guī)模效率遠低于東部11個省市，表明規(guī)模效率拉低了安徽省的整體創(chuàng)新效率，安徽省依然需要通過擴大要素投入規(guī)模來提高高新技術產(chǎn)業(yè)的創(chuàng)新效率。

表11 2012～2016年安徽省高新技術產(chǎn)業(yè)創(chuàng)新效率

表12 Spearman等級相關系數(shù)

注：***,**分別表示1%和5%的顯著水平上顯著。

表13 安徽省與東部11省市高新技術產(chǎn)業(yè)效率值

4.2 有環(huán)境變量比較分析

第二階段是利用Frontier 4.1進行SFA回歸分析，考察環(huán)境變量的影響情況，下面給出了2016年的SFA回歸結果，具體如表14所示。

表14 基于SFA的第二階段估計結果

注：***，**和*分別表示1%，5%，10%的顯著水平，模型1、模型2分別表示創(chuàng)新研發(fā)投入因子和創(chuàng)新基礎投入因子，括號內為標準差。

根據(jù)SFA回歸分析結果可以看出環(huán)境變量和松弛變量之間的關系，具體表現(xiàn)為兩種關系：一是當環(huán)境變量對松弛變量的系數(shù)顯示負值時，說明環(huán)境變量的增加對減少被解釋變量的投入冗余是有利的，從而提高其資源的利用效率；二是當環(huán)境變量對松弛變量的系數(shù)顯示為正值時，說明環(huán)境變量的提高反而加重了被解釋變量的投入冗余。

(1)地區(qū)勞動者素質(QUA)。由計算結果可知，地區(qū)勞動者素質與創(chuàng)新研發(fā)投入因子的松弛變量為負值，且顯著，創(chuàng)新研發(fā)投入因子表示的是研究人員、R&D內部經(jīng)費支出、新產(chǎn)品開發(fā)經(jīng)費支出、R&D人員折合全時當量，說明地區(qū)勞動者素質的提高有利于創(chuàng)新研發(fā)投入資源的利用。

(2)企業(yè)規(guī)模(SIZE)。企業(yè)規(guī)模對創(chuàng)新研發(fā)投入因子的松弛變量為正值，且顯著，與創(chuàng)新基礎投入因子為負，但不顯著，表明企業(yè)平均規(guī)模提高反而導致了資源的冗余，企業(yè)規(guī)模小反而有利于資源要素的充分使用，但企業(yè)平均規(guī)模并不能說明大企業(yè)創(chuàng)新資源利用效率低下。

(3)政府支持(GOV)。政府的支持與創(chuàng)新研發(fā)的投入因子為負，與創(chuàng)新基礎投入因子為正，且都顯著。這與以往研究者對政府投入導致資源利用冗余結論有差異，這表明政府的資金在研發(fā)投入上逐步得到了合理的利用，但在基礎投入上仍然存在資源浪費嚴重現(xiàn)狀。

(4)外資影響(FDI)。對于外資的影響是促進還是溢出眾說紛紜，對安徽省高新技術產(chǎn)業(yè)的創(chuàng)新效率研究來看，外資對創(chuàng)新的投入都為負值，且顯著，表明外資能夠促進投入要素的有效利用。

(5)地區(qū)經(jīng)濟水平(GDP)。從顯示的結果來看，地區(qū)發(fā)展水平與兩個投入松弛變量回歸系數(shù)為正值，人均GDP的提高反而導致了資源的冗余，這主要反映在發(fā)達地區(qū)資源消耗大，沒有得到充分的利用。

5 結論與建議

5.1 結論

通過對安徽省與東部11個省市的高新技術產(chǎn)業(yè)創(chuàng)新效率比較分析可以得出以下結論：

安徽省綜合創(chuàng)新效率偏低，純技術效率逐年增長，同時規(guī)模效率不高拉低了綜合創(chuàng)新效率。從綜合創(chuàng)新效率均值來看，2012～2016年安徽省與東部11個省市有一定差距，要遠低于北京、天津、上海、江蘇、浙江、福建、山東、廣東等地，但高于河北、遼寧、海南等地；從純技術效率來看，安徽省高新技術產(chǎn)業(yè)的純技術效率值較高，且與東部11個省市的純技術效率差距不大，但不是逐年穩(wěn)定增長，有些年份存在下降，說明安徽省高新技術產(chǎn)業(yè)的創(chuàng)新效率在穩(wěn)步提升，資源利用逐步合理化，但是仍需要加強技術管理水平；從規(guī)模效率來看，安徽省整體上規(guī)模效率要普遍低于純技術效率，規(guī)模效率的下降拉低了綜合技術效率水平，依然需要通過擴大要素投入規(guī)模來提高高新技術產(chǎn)業(yè)的創(chuàng)新效率。

安徽省高新技術產(chǎn)業(yè)創(chuàng)新過程中創(chuàng)新要素未得到充分利用。江蘇、廣東地區(qū)高新技術產(chǎn)業(yè)的創(chuàng)新效率處在技術的有效前沿面上，其技術管理水平較先進，資源的利用率相對更加合理，安徽相比較而言，處于落后地位。

外資和勞動者素質對于安徽省高新技術產(chǎn)業(yè)創(chuàng)新效率提升有顯著作用，而政府支持和地方經(jīng)濟水平，可能由于存在投入冗余，作用不明顯。從SFA回歸分析中可以得出，地區(qū)勞動者素質和外資影響對安徽省高新技術產(chǎn)業(yè)都有促進作用，相反政府支持和地方經(jīng)濟水平發(fā)達程度并未有顯著的促進作用，在不合理利用情況下反而導致了資源的浪費。

5.2 建議

擴大安徽省高新技術產(chǎn)業(yè)規(guī)模，提高規(guī)模效率。規(guī)模效率低下是制約安徽省高新技術產(chǎn)業(yè)發(fā)展的一大障礙，因此要鼓勵企業(yè)進行跨產(chǎn)業(yè)、跨地區(qū)的重組兼并，促進安徽省高新技術產(chǎn)業(yè)企業(yè)集聚，實現(xiàn)技術、資本、人力的有效整合，提高規(guī)模效益。

加強高新技術產(chǎn)業(yè)的國際合作。對于安徽省來說，要積極吸引國外的資金技術來支持高新技術產(chǎn)業(yè)的發(fā)展，引導外資的投向，比如投向風險大收益更大的航空、航天器及設備制造業(yè)，積極主動的學習國外先進的知識和技術水平，提高本省技術研發(fā)能力和人力資源的開發(fā)水平。

完善政府對高新技術產(chǎn)業(yè)的政策體系。合理配置資源，對政府資金的去向要嚴格把控，有效發(fā)揮政府職能，針對安徽省高新技術產(chǎn)業(yè)地區(qū)和行業(yè)的差異性，要具體分析制度環(huán)境、資源稟賦和競爭力等要素，對高新技術產(chǎn)業(yè)發(fā)展較為緩慢的地區(qū)要給予相應的政策傾斜，縮小差距，發(fā)揮協(xié)同創(chuàng)新能力。

學習借鑒發(fā)達地區(qū)的資源利用模式，提高安徽省的資源利用率。為了改善資源利用情況，可以結合安徽省的實際情況并借鑒學習江蘇、廣東地區(qū)的高新技術產(chǎn)業(yè)發(fā)展模式和資源利用模式，既要增加資源投入，又要減少資源的過度消耗，充分發(fā)揮創(chuàng)新投入資源的利用效率。