基于DEA-Malmquist指數(shù)的上海制造業(yè)協(xié)同創(chuàng)新研究

毛友芳，熊博儒，茍富華，來(lái)能燁

（上海工程技術(shù)大學(xué)管理學(xué)院，上海 201620）

一、引言

2013 年漢諾威工業(yè)博覽會(huì)上首提“工業(yè)4.0”概念后，該思想便在全球傳播。中國(guó)隨之提出“中國(guó)制造2025”戰(zhàn)略。2019 年8 月，以“智聯(lián)世界，無(wú)限可能”為主題的2019 世界人工智能大會(huì)在上海舉辦。上海在全國(guó)制造業(yè)行業(yè)中處于前列，但與西方發(fā)達(dá)國(guó)家制造業(yè)綜合發(fā)展水平差距較大。

國(guó)內(nèi)學(xué)者由此從不同方向?qū)χ圃鞓I(yè)轉(zhuǎn)型升級(jí)進(jìn)行探究。全國(guó)范圍來(lái)看，龔關(guān)和胡關(guān)亮（2013）[1]采用Levinsohn-Petrin 半?yún)?shù)估計(jì)法構(gòu)建壟斷競(jìng)爭(zhēng)模型以確定中國(guó)制造業(yè)的資源配置效率。李萍和趙曙東（2015）[2]擴(kuò)展全球價(jià)值鏈（Global Valve Chain）分工的貿(mào)易條件，運(yùn)用GMM 回歸測(cè)算特定貿(mào)易條件下的影響因素。王小波和李婧雯（2016）[3]利用消耗系數(shù)分析影響制造業(yè)服務(wù)化的因素。彭偉明和周慧（2019）[4]利用DEA-Malmquist 指數(shù)對(duì)安徽省16 個(gè)地級(jí)市進(jìn)行創(chuàng)新效率測(cè)算。針對(duì)上海這一特定地區(qū)，馮梅（2013）[5]通過(guò)上海制造業(yè)在國(guó)際分工中貢獻(xiàn)率的測(cè)算，確定不同產(chǎn)業(yè)間比較優(yōu)勢(shì)。劉瀟（2019）[6]以京津冀及長(zhǎng)三角地區(qū)制造業(yè)為研究對(duì)象，運(yùn)用Malmquist-DEA 指數(shù)分析2006—2016 年各地區(qū)全要素生產(chǎn)率?；谙嚓P(guān)研究，本文以上海制造業(yè)創(chuàng)新現(xiàn)狀為研究對(duì)象，采用DEA-Malmquist 模型對(duì)全國(guó)制造業(yè)區(qū)域創(chuàng)新效率測(cè)算，深入探究上海制造業(yè)創(chuàng)新效率及發(fā)展短板。

二、創(chuàng)新評(píng)價(jià)模型概述

（一）DEA-BCC 模型

DEA 模型通過(guò)非參數(shù)線性優(yōu)化模型分析實(shí)際生產(chǎn)技術(shù)相對(duì)前沿技術(shù)水平的差距。DEA 不需事前設(shè)置前沿函數(shù)和對(duì)未知參數(shù)估值，在處理投入產(chǎn)出效率問(wèn)題時(shí)更具客觀性。本文選取以規(guī)模效率可變?yōu)榍疤岬腂CC 模型。其函數(shù)為：

λ≥0，i=1，2，…，p，l=1，2，…，o，j=1，2，…，s

其中，x，y 分別為投入和產(chǎn)出變量，λ 為決策單元線性組合的系數(shù)。

（二）Malmquist 指數(shù)

Malmquist 指數(shù)用于測(cè)算生產(chǎn)率，通過(guò)對(duì)目標(biāo)DUM 在一段時(shí)期內(nèi)技術(shù)效率及生產(chǎn)技術(shù)變化的分析，可得目標(biāo)DUM 的相對(duì)經(jīng)濟(jì)效率動(dòng)態(tài)變化，由此彌補(bǔ)DEA 模型只能處理截面數(shù)據(jù)的不足。其距離函數(shù)為：

其中，（xn，yn）與（xn+1，yn+1）代表在n 與n+1 時(shí)期內(nèi)的投入產(chǎn)出量，Dn與Dn+1則表示相應(yīng)時(shí)期距離函數(shù)。此時(shí)，距離函數(shù)值應(yīng)小于1。

Malmquist 指數(shù)為：

Malmquist 指數(shù)的全要素生產(chǎn)率（TFP）即決策單元在特定n 到n+1 期的生產(chǎn)率變動(dòng)情況，可分為技術(shù)水平變化指數(shù)（tech）與技術(shù)效率變化指數(shù)（effch）。當(dāng)動(dòng)態(tài)指數(shù)>1 時(shí)為增長(zhǎng)效率，動(dòng)態(tài)指數(shù)=1 時(shí)效率保持不變，動(dòng)態(tài)指數(shù)<1 時(shí)為減少效率。

三、創(chuàng)新評(píng)價(jià)體系構(gòu)建

（一）指標(biāo)選取與數(shù)據(jù)來(lái)源

在指標(biāo)選取時(shí)借鑒趙聚輝和黃詩(shī)華（2019）[7]的指標(biāo)，基于上海市制造業(yè)創(chuàng)新現(xiàn)狀及指標(biāo)選取可操作性，構(gòu)造創(chuàng)新評(píng)價(jià)指標(biāo)體系如表1 所示。

表1 全國(guó)制造業(yè)創(chuàng)新評(píng)價(jià)指標(biāo)體系

（1）投入角度選取R&D 經(jīng)費(fèi)內(nèi)部支出、R&D 人員折合全時(shí)當(dāng)量和新產(chǎn)品經(jīng)費(fèi)支出3 個(gè)指標(biāo)。R&D經(jīng)費(fèi)內(nèi)部支出和新產(chǎn)品經(jīng)費(fèi)支出用于衡量創(chuàng)新資金投入，R&D 人員折合全時(shí)當(dāng)量用于衡量創(chuàng)新人員投入。

（2）產(chǎn)出角度選取主營(yíng)業(yè)務(wù)收入、有效發(fā)明專利數(shù)和新產(chǎn)品銷售收入3 個(gè)指標(biāo)。從資金與技術(shù)產(chǎn)出兩方面衡量產(chǎn)出效率。

本文對(duì)全國(guó)31 個(gè)省市（除港澳臺(tái)）進(jìn)行制造業(yè)創(chuàng)新效率測(cè)算，分析上海制造業(yè)的創(chuàng)新發(fā)展實(shí)況。選取2011—2017 年全國(guó)制造業(yè)創(chuàng)新投入和產(chǎn)出相關(guān)數(shù)據(jù)。數(shù)據(jù)來(lái)源于歷年的《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。

（二）全國(guó)制造業(yè)產(chǎn)業(yè)創(chuàng)新靜態(tài)效率評(píng)價(jià)

選擇DEA-BCC 模型，運(yùn)用DEAP 2.1 分別對(duì)2011 年及2017 年全國(guó)31 個(gè)省市的投入產(chǎn)出面板數(shù)據(jù)進(jìn)行分析，結(jié)果如表2 所示。

表2 2011 年與2017 年全國(guó)制造業(yè)創(chuàng)新效率

由表2 可得，2011 年有效決策單元為遼寧、吉林、上海等10 個(gè)省市。而2017 年有20 個(gè)省市為有效決策單元。2011 年綜合技術(shù)效率相較平均值低的省市有12 個(gè)，最低為山西，僅有0.565。2017 年綜合技術(shù)效率低于平均值的省市有10 個(gè)，最低為西藏，僅有0.609，主要原因?yàn)橐?guī)模效率較低。整體而言，2011—2017 年全國(guó)各省市制造業(yè)的平均技術(shù)效率上升，表現(xiàn)為純技術(shù)效率與規(guī)模效率的共同增長(zhǎng)，且純技術(shù)效率增長(zhǎng)幅度較大?？傻眉夹g(shù)進(jìn)步是促進(jìn)制造業(yè)創(chuàng)新效率提升的推手。上海靜態(tài)創(chuàng)新效率在全國(guó)處于前列，正是依托其優(yōu)越地理位置與豐富學(xué)術(shù)研究資源，在技術(shù)和政策方面加速上海高端制造業(yè)向“微笑曲線”中高端過(guò)渡。上海應(yīng)根據(jù)所處實(shí)際不斷提升技術(shù)與研發(fā)管理能力，帶動(dòng)全國(guó)制造業(yè)水平提升，逐漸形成全國(guó)范圍產(chǎn)業(yè)集聚協(xié)同創(chuàng)新效應(yīng)。

（三）全國(guó)制造業(yè)產(chǎn)業(yè)創(chuàng)新動(dòng)態(tài)效率評(píng)價(jià)

Malmquist 指數(shù)能彌補(bǔ)DEA-BCC 模型不足，測(cè)算效率動(dòng)態(tài)變動(dòng)程度。2011—2017 年Malmquist 指數(shù)測(cè)算結(jié)果如表3 所示。

表3 2011—2017 年全國(guó)制造業(yè)創(chuàng)新程度Malmquist 指數(shù)

總體而言，全國(guó)制造業(yè)的全要素生產(chǎn)率處在減少狀態(tài)，平均減幅為1.5%。在31 個(gè)省市中，高于平均全要素生產(chǎn)率的省市有17 個(gè)，最低為西藏，降幅為16.3%。整體看來(lái)全國(guó)制造業(yè)主要受制于技術(shù)進(jìn)步效率較低，影響了全要素生產(chǎn)率。上海全要素生產(chǎn)率的減幅為0.3%，減幅小，技術(shù)進(jìn)步效率抑制了整體全要素生產(chǎn)率增長(zhǎng)。相比北京、天津、江蘇等省市增幅，改進(jìn)技術(shù)進(jìn)步效率是上海制造業(yè)當(dāng)前的關(guān)鍵一步。

四、建議

當(dāng)前上海高端制造業(yè)自主創(chuàng)新處于弱勢(shì)，低端制造業(yè)在市場(chǎng)中仍占主流地位。協(xié)同創(chuàng)新發(fā)展模式是技術(shù)與規(guī)模的結(jié)合，隨著經(jīng)濟(jì)社會(huì)的逐步發(fā)展，單一企業(yè)難以形成較高的產(chǎn)業(yè)效率，也無(wú)法承擔(dān)全部的創(chuàng)新活動(dòng)。產(chǎn)學(xué)研模式和產(chǎn)業(yè)集群模式為企業(yè)提升創(chuàng)新效率提供了方向。

（一）建立上?，F(xiàn)代制造業(yè)協(xié)同創(chuàng)新產(chǎn)業(yè)體系

即通過(guò)創(chuàng)新產(chǎn)業(yè)鏈，建立現(xiàn)代制造業(yè)協(xié)同創(chuàng)新產(chǎn)業(yè)體系，由產(chǎn)量提升向質(zhì)量提升過(guò)渡。以企業(yè)為核心，構(gòu)建高校、政府與企業(yè)三者聯(lián)合的協(xié)同創(chuàng)新發(fā)展模式，通過(guò)高校培養(yǎng)綜合性創(chuàng)新人才、政府政策與資金支持、企業(yè)之間協(xié)同合作共享資金、技術(shù)及經(jīng)驗(yàn)協(xié)同創(chuàng)新建立上海制造業(yè)協(xié)同創(chuàng)新體系。同時(shí)，合理利用企業(yè)與企業(yè)之間的產(chǎn)業(yè)集群效應(yīng)，深化產(chǎn)品線延伸產(chǎn)品鏈；建立制造業(yè)產(chǎn)業(yè)升級(jí)轉(zhuǎn)型的協(xié)同創(chuàng)新標(biāo)準(zhǔn)，提高規(guī)模經(jīng)濟(jì)效益。

圖1 上海現(xiàn)代制造業(yè)協(xié)同創(chuàng)新產(chǎn)業(yè)體系

（二）優(yōu)化制造業(yè)技術(shù)創(chuàng)新環(huán)境

依靠政府宏觀調(diào)控，創(chuàng)造良好的國(guó)內(nèi)外競(jìng)爭(zhēng)與生產(chǎn)環(huán)境。政策鼓勵(lì)生產(chǎn)創(chuàng)新，降低新興產(chǎn)業(yè)門檻，提升產(chǎn)業(yè)競(jìng)爭(zhēng)主動(dòng)性。企業(yè)之間也應(yīng)形成良性競(jìng)爭(zhēng)環(huán)境，積極提升企業(yè)技術(shù)與規(guī)模，就新興產(chǎn)業(yè)共同制定市場(chǎng)進(jìn)入及技術(shù)發(fā)展標(biāo)準(zhǔn)。

（三）建設(shè)公共技術(shù)研究平臺(tái)

構(gòu)建基礎(chǔ)公共技術(shù)研究平臺(tái)，研究行業(yè)共用基礎(chǔ)技術(shù)，加強(qiáng)先進(jìn)與后進(jìn)企業(yè)聯(lián)系，促進(jìn)產(chǎn)業(yè)集群快速成長(zhǎng)，以上海制造企業(yè)協(xié)同發(fā)展促進(jìn)知識(shí)增值，逐步向中高端產(chǎn)業(yè)提升，縮小與發(fā)達(dá)國(guó)家的差距。

（四）加強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)

提升上海制造業(yè)技術(shù)進(jìn)步效率是必要手段。技術(shù)進(jìn)步是知識(shí)產(chǎn)權(quán)保護(hù)的充分條件。對(duì)于知識(shí)產(chǎn)權(quán)的擁有者給予法律保護(hù)，完善相關(guān)法律保護(hù)，加強(qiáng)公眾對(duì)知識(shí)產(chǎn)權(quán)觀念的理解與重視，同時(shí)加大對(duì)虛假科研成果的懲處力度，營(yíng)造公平公正的尊重知識(shí)與技術(shù)的積極研發(fā)創(chuàng)新環(huán)境。