高新技術產業(yè)園區(qū)創(chuàng)新活動內生性與效率

丁建國 黃旭平

基金項目：廣東省哲學社會科學規(guī)劃項目（GD19CYJ18）

作者簡介：丁建國（1976—），男，湖南株洲人，廣西大學商學院博士研究生，研究方向：技術經濟;黃旭平（1974—），男，博士，廣西大學商學院副教授，研究方向：金融科技與產業(yè)創(chuàng)新。

摘 要：基于非平衡面板內生隨機前沿模型，通過2009-2019年54個高新技術產業(yè)園區(qū)的非平衡面板數據，分析了高新技術產業(yè)園區(qū)創(chuàng)新活動的內生性與效率的關系。研究發(fā)現：科技經費和從業(yè)人員存在內生性，市場結構、科技經費和從業(yè)人員對創(chuàng)新效率有顯著的正面影響;面板內生隨機前沿模型可以顯著地區(qū)別于外生隨機前沿模型的創(chuàng)新效率估計。

關鍵詞：內生性;高新技術產業(yè)園區(qū)效率; 面板內生隨機前沿模型;工具變量; 地區(qū)差異性

中圖分類號：F273.1 文獻標識碼：A 文章編號：1003-7217（2021）06-0132-07

一、引 言

自1988年我國第一個高新產業(yè)園區(qū)——北京新技術產業(yè)開發(fā)試驗區(qū)建立以來，我國先后建立了168個國家級高新技術產業(yè)園區(qū)和工業(yè)園區(qū)。這些高新技術產業(yè)園區(qū)創(chuàng)新活動對于地區(qū)產業(yè)結構調整與升級、地方經濟高質量發(fā)展以及區(qū)域競爭力提升等方面起到了重要的促進作用。然而，隨著我國社會經濟結構的轉型升級和國際競爭力不斷提升，中美貿易摩擦、國際貿易保護主義抬頭等日趨復雜的外貿環(huán)境對高新技術產業(yè)園區(qū)創(chuàng)新效率產生了不確定性的影響。因此，如何評測高新技術產業(yè)園區(qū)創(chuàng)新效率，對我國高新技術產業(yè)園核心競爭力的提升與實現可持續(xù)發(fā)展具有重要意義。

已有研究主要對效率分析的內生性問題進行了探討。例如，Shee 和 Stefanou（2015） 的研究表明傳統(tǒng)的隨機生產前沿通常低估了資本產出彈性與企業(yè)技術效率[1]。Tran 和 Tsionas（2015）在沒有考慮外生工具變量的情況下，采用內生回歸法估計隨機前沿模型的方法研究效率分析的內生性問題[2]。Karakaplan等（2017）則提出一個基于最大似然估計方法來處理內生性問題的隨機前沿模型[3]。Mutter等人（2013）考察了成本函數變量的內生因素對隨機前沿分析（SFA）無效率估計的影響[4]。歐光軍等人（2018） 對產業(yè)集群創(chuàng)新評價的研究集中在面向結果的綜合能力評價方面[5]。余東華和王必好（2020）采用馬爾可夫鏈模型研究了技術創(chuàng)新效率的內生性與隨機波動效應，研究發(fā)現技術創(chuàng)新效率具有內生性且隨機變動效應明顯 [6]。陳軍和成金華（2010） 的研究結果表明，內生創(chuàng)新對中國能源效率產生正面影響[7]。然而，很少有文獻系統(tǒng)地探討創(chuàng)新活動的內生機制以及創(chuàng)新效率的內生性問題的解決方法。

為此，本文基于非平衡面板內生隨機前沿模型，探討高新技術產業(yè)園區(qū)創(chuàng)新活動的內生性與效率的關系，具體分析高新技術產業(yè)園區(qū)創(chuàng)新活動的內生機制，以及在克服內生性基礎上高新技術產業(yè)園區(qū)創(chuàng)新效率問題，以期對新形勢下高新技術產業(yè)園區(qū)創(chuàng)新效率問題提供借鑒。

二、高新產業(yè)園區(qū)創(chuàng)新活動內生機制

（一）創(chuàng)新活動的協(xié)同性和鄰近性引致的內生性機制

首先，創(chuàng)新生產活動的協(xié)同會導致研發(fā)人員和研發(fā)費用的同向變化，而研發(fā)人員和研發(fā)費用又是高新技術產業(yè)園區(qū)效率的重要影響因素，它們的關聯關系容易導致解釋變量之間的相關性，從而導致內生性問題。其次，地理位置的鄰近性容易導致創(chuàng)新生產活動的空間集聚，這引致空間活動集聚的外溢效應。這種外溢效應存在的反饋機制，使得創(chuàng)新主體之間開展創(chuàng)新想法的分享、新技術的吸收和管理經驗的學習，從而促進創(chuàng)新活動的有序開展，實現創(chuàng)新活動的高效運行，提高創(chuàng)新生產效率。

（二）創(chuàng)新活動的關聯性和系統(tǒng)性引致的內生性機制

創(chuàng)新被認為是由幾個相互關聯的階段所組成的復雜過程，包括基礎研究、應用研究、產品發(fā)展、模型準備、生產、營銷、產品被市場接受等環(huán)節(jié)。所有創(chuàng)新的子過程是相互關聯的，研究與開發(fā)是創(chuàng)新的基礎性活動，其產生的創(chuàng)新成果需要商業(yè)實踐上的規(guī)?；瘧?市場化是創(chuàng)新成果經濟價值實現的關鍵環(huán)節(jié);創(chuàng)新生產過程是一種相互作用的關聯行為。知識流動導致新產品的誕生、新工藝開發(fā)的前向聯系。同時，企業(yè)、研發(fā)機構和高校等創(chuàng)新主體在創(chuàng)新生產活動的關聯階段中構建了一個有序、共時與協(xié)同的創(chuàng)新生態(tài)系統(tǒng)，打造良好的創(chuàng)新氛圍，有助于創(chuàng)新活動的有序開展。

（三）創(chuàng)新活動的激勵政策引致的內生性機制

政策激勵一直是地方高新產業(yè)園區(qū)吸引企業(yè)的重要手段，但一方面，政策激勵存在同向競爭，如高新技術產業(yè)園區(qū)出臺的土地優(yōu)惠政策很可能導致另一個城市也出臺類似激勵政策。另一方面，激勵政策對所有企業(yè)是一樣的，可能導致偶然性投資急劇增加，高新技術產業(yè)園區(qū)效率的解釋變量與隨機項之間產生相關關系，進而導致內生性問題。因此，激勵政策頻出可能造成適得其反的負面影響，從而導致激勵政策與非效率項之間存在相關性，產生內生性問題。

三、研究設計

（一）估計方法

長期以來，學者在隨機前沿模型分析中忽視了內生性問題。最近，越來越多的研究開始嘗試解決隨機前沿模型中的內生性問題。例如，Karakaplan和Kutlu（2017a）解決橫截面數據設置中的內生性問題[8]。Karakaplan等（2019）提供了一個面板數據模型，該模型可以處理兩種類型的內生性，會在面板數據環(huán)境下解決內生性問題[9]。

本文基于Karakaplan和Kutlu（2017a）提出的模型，將運用面板內生隨機前沿模型方法進行高新技術產業(yè)園區(qū)創(chuàng)新效率的估計，同時嘗試著解決面板隨機前沿模型內生性的問題，提供更準確的一致無偏效率估計[8]。

面板隨機前沿模型如下所示：

面板內生隨機前沿模型只需要一個步驟估計參數，且不需要Bootstrap方法校正標準誤差。使用類似標準Durbin-Wu-Hausman檢驗方法通過η的聯合顯著性檢驗解釋變量的內生性，如果η是聯合顯著，這意味著模型存在內生性;如果η沒有通過聯合顯著性檢驗，則說明傳統(tǒng)面板隨機前沿函數估計分析是有效的。

（二）變量選擇

（1）新產品產值（nprod）。新產品產值衡量研發(fā)成果的商業(yè)化水平，對于以研發(fā)為主的高新技術產業(yè)園區(qū)而言，產品轉化效率可以準確衡量高新技術產業(yè)園區(qū)的創(chuàng)新產出效率。所以新產品產值能夠說明創(chuàng)新活動的商業(yè)價值和商業(yè)化效率。

（2）新專利技術收入（nptinc）。創(chuàng)新活動的持續(xù)開展，必然轉化為新產品產值的增加。專利作為創(chuàng)新活動所產生的結果，是確保企業(yè)獲取壟斷利潤的重要途徑。

（3）市場結構（mktstr）。一般來說，市場中企業(yè)數的增加導致市場競爭加劇。因此，根據武增海和李濤（2013）的相關研究[10]，采用企業(yè)數表示市場結構。

（4）年末資產（caplyd）。資產是企業(yè)杠桿率的影響因素，資產中借款比例的增多將導致更高的杠桿率。杠桿率越高，風險越大。因此，將年末資產作為投入指標。

（5）年末負債（liabyd）。高科技的戰(zhàn)略性和基礎性使得研發(fā)周期延長，經濟效益更難以立竿見影。所以負債會影響研發(fā)投入，進而影響高技術企業(yè)的效率。采用年末負債作為效率的外生影響因素。

（6）年末從業(yè)人員數（emplyd）。年末從業(yè)人員數變化與高新技術產業(yè)園區(qū)發(fā)展關聯同步，也是企業(yè)生產函數的重要因素。為此，采納年末從業(yè)人員數作為高新技術產業(yè)園區(qū)效率的投入指標。

（7）研發(fā)R&D 經費支出（rdk）。采用R&D 經費支出作為高新技術產業(yè)園區(qū)創(chuàng)新活動的重要投入因素。

（8）R&D 人員（rdl）。科研活動人員對高新技術產業(yè)園區(qū)的創(chuàng)新效率存在至關重要的作用，引用 R&D 活動人員數量作為投入指標。

（9）創(chuàng)匯總額（exchsum）。參與國際分工程度高更容易通過干中學和規(guī)模效應等渠道提升高新技術產業(yè)園區(qū)生產效率。本文選擇創(chuàng)匯總額作為高新技術產業(yè)園區(qū)生產效率的控制變量。

（10）上繳稅費（tax）。上繳稅費反映了政府對高技術產業(yè)各行業(yè)扶持力度，影響高新技術產業(yè)發(fā)展方向。本文使用上繳稅費作為控制變量。

（三）數據來源

研究數據均來源于2009-2019年《中國火炬統(tǒng)計年鑒》《中國高技術產業(yè)統(tǒng)計年鑒》和 《中國統(tǒng)計年鑒》。

四、實證結果分析

（一）面板外生隨機前沿模型估計結果

研究模型使用市場結構、科技經費、科技活動從業(yè)人數、創(chuàng)匯總額和上繳稅額作為估計高新技術產業(yè)園區(qū)創(chuàng)新效率的投入變量;創(chuàng)新效率使用新產品產值衡量。面板外生隨機前沿模型估計結果如表1所示。其中Model EX表示忽略內生性問題的面板隨機前沿模型，Model EN表示面板內生隨機前沿模型。Model EX結果顯示：

第一，市場結構指數顯著為正，統(tǒng)計顯著性水平達到5%。這與一般理論分析不一致。一般來說，市場結構集中使企業(yè)開展競爭的積極性降低，進而導致較低的創(chuàng)新效率。但高新技術產業(yè)園區(qū)里的高技術企業(yè)往往是新創(chuàng)企業(yè)，所以市場結構與高新技術產業(yè)園區(qū)創(chuàng)新效率正相關，這是符合實際情況的。

第二，創(chuàng)新活動的兩個重要指標科技經費和從業(yè)人員基本符合預期。其中，科技經費與創(chuàng)新效率顯著正相關，顯著性水平達到5%。然而從業(yè)人員與預期相反，有顯著的負相關關系，顯著性水平達到5%。同時，勞動力成本上升削弱了中國勞動密集型制造業(yè)的競爭優(yōu)勢，國際市場原材料和能源價格的持續(xù)走高加重了制造業(yè)企業(yè)的負擔，產能過剩和環(huán)境污染問題制約著中國制造業(yè)規(guī)模的進一步擴張。處于全球價值鏈低端的產品附加值不高，產品同質化競爭激烈，這導致我國制造業(yè)貿易環(huán)境惡化[11] 。園區(qū)產業(yè)結構趨同、內生動力不足等也將導致高新技術產業(yè)園區(qū)在關鍵技術及特定價值鏈環(huán)節(jié)上產生路徑依賴，鎖定在全球產業(yè)結構的偏低端[12]。

第三，創(chuàng)匯總額的估計結果也基本符合理論假設，顯著性水平至少達到5%，但其對創(chuàng)新效率的直接影響相對較小。

第四，上繳稅額的系數顯著為負，說明上繳稅額對創(chuàng)新效率產生抑制作用，這與一般理論預期相一致。但從具體數值來說，上繳稅額實際影響程度則比較小。

（二）面板內生前沿模型估計結果

表1與表2的面板內生前沿模型表明：

第一，內生性檢驗表明模型設置存在內生性問題。ETA值即文中第四部分實證模型中式（4）所示的η值。表1中η Endogeneity Test 表明卡方值X2=17.28，p=0.005，通過1%的顯著性水平，表明模型設置存在內生性問題。η值的詳細說明請參見Karakaplan 和 Kutlu （2017a）[8]。

第二，市場結構對非效率項產生顯著的負面影響，在控制內生性后，影響程度（絕對值）變小了，其數值從-0.474提高到-0.470。依據表2可知，所有變量通過10%的統(tǒng)計顯著性。研發(fā)費用與高級研發(fā)人員在內生變量科技經費的預測方程中，以及從業(yè)人員預測方程中Z值都大于3.16，證明工具有效。

第三，面板內生隨機模型的回歸系數符號基本保持一致，且市場結構、科技經費和從業(yè)人員等重要變量的回歸系數顯著增強。同時，高級研發(fā)對創(chuàng)新效率的影響是正的。因此，高新技術產業(yè)園區(qū)效率主要決定因素應該是重要技術人員，而且兩種模型回歸系數的標準差也都比較小，說明回歸系數估計比較可靠。

（三）面板內生前沿模型和面板外生前沿模型創(chuàng)新效率的比較

研究發(fā)現創(chuàng)新活動從業(yè)人員和科技經費對創(chuàng)新活動的影響在面板內生隨機前沿模型比面板外生隨機前沿模型要大。

通過模型EX的系數估計結果預測高新技術產業(yè)園區(qū)平均科技經費增加10%，創(chuàng)新效率將增加3.002%。通過模型EN的系數估計發(fā)現，當平均科技經費增加10%時，創(chuàng)新效率增加9.079%。模型EX和模型EN預測的創(chuàng)新效率差異約為2068447元（約3倍）。類似地，創(chuàng)新活動從業(yè)人員對創(chuàng)新效率的影響在面板內生隨機前沿模型比面板外生隨機前沿模型要大。通過模型EX的系數估計預測高新技術產業(yè)園區(qū)平均從業(yè)人員增加10%時，創(chuàng)新效率將減少2.028%。面板外生前沿模型和面板內生前沿模型預測的創(chuàng)新效率差異約為2068447元（約4倍）。

通過創(chuàng)新效率的直方圖發(fā)現，模型EN中創(chuàng)新效率略高于模型EX中所報告的創(chuàng)新效率①。在市場高度集中的地區(qū)，這種平均差異更大。說明盡管市場結構對創(chuàng)新效率有正面影響，但在外生性假設下，這種影響被低估了。由于市場集中可能會促進創(chuàng)新效率，因此，外生性假設會導致創(chuàng)新效率向下偏移。另外，分布同質性的Kolmogorov-Smirnov檢驗表明，這兩個模型的創(chuàng)新效率分布在1%的水平上顯著不同（p=0.000），并且面板內生隨機前沿模型EN的創(chuàng)新效率顯著高于模型EX中的該結果。

五、穩(wěn)健性分析

（一）工具變量充分性

在表3的第二列中，使用了大專以上研發(fā)人員數量和年末資產作為處理模型內生性的兩個工具變量。在表3的第三列中，采用研發(fā)人員全時當量和年末負債作為處理模型內生性的兩個工具變量。實證結果與表2和表1的結果非常相似，特別是內生變量的系數和顯著性以及內生性檢驗的結果。而且從預測方程來看，排除工具變量外的其他變量都具有統(tǒng)計意義，其Z值滿足了前面提到的經驗法則，這證明工具變量是合適的。

（二）空間外溢互動和創(chuàng)新效率的變化

前文指出創(chuàng)新活動的空間互動效應是相當大的，這也是創(chuàng)新效率內生性的重要來源。忽略空間互動會導致參數估計的偏差和政策建議的誤導。

為了研究相互作用和溢出效應，參考Millimet和Collier（2008）的研究方法[13]，分析結果顯示：表4中的第二列給出了表1中模型EN的擴展版本，其中一組完整的相鄰值作為高新技術產業(yè)園區(qū)低效率的決定因素。表4的第三列進一步擴展了模型，在創(chuàng)新效率邊界項中加入了可能忽略的變量，例如高新技術產業(yè)園區(qū)GDP、金融貸款額[14]。本文發(fā)現大多數溢出變量并不是顯著有效，只有少數的鄰近值在5%水平上顯著。將溢出變量作為內生變量進行評估并不會產生不同的估計結果。因此，表4中的結果將提出關于溢出效應重要性的問題。然而，表4中的創(chuàng)新效率低于表1的基準模型EN，這指出了它們對包含相鄰值和其他附加變量的敏感性。擴展基準模型大大提高了對數似然值，似然比檢驗將表明擴展模型EN2比擴展模型EN1或表1中的模型EN擬合的更優(yōu)。科技經費和從業(yè)人員是內生的，它們的效應與表1中的模型EN亦顯著為正，并且其效應大小沒有實質性差異。

本文使用新技術專利收入作為創(chuàng)新效率的替代變量。當處理模型內生性時，市場結構、科技經費和從業(yè)人員均顯著為正，影響增加了4倍以上，這與表1和表2中的結果相類似。其余的估計結果與表1的基準估計結果基本相同。

通過比較面板外生隨機前沿模型與面板內生隨機前沿模型中創(chuàng)新效率的直方圖發(fā)現兩者存在明顯差異。研究發(fā)現，模型EN中創(chuàng)新效率略高于模型EX中所報告的創(chuàng)新效率，再者，分布同質性的Kolmogorov-Smirnov檢驗表明，這兩個模型的創(chuàng)新效率分布在0.01%的水平上顯著不同（p=0.000），并且面板內生隨機前沿模型EN的創(chuàng)新效率顯著高于模型EX②。

表3、表4和表5的結果表明，表1基本結果是穩(wěn)健的。也就是說，創(chuàng)新活動中市場結構、科技經費和從業(yè)人員對創(chuàng)新效率的有顯著的正面影響，如果適當地處理其內生性問題，這些正面影響則會大得多。

六、結論與啟示

基于非平衡面板內生隨機前沿模型，通過2009-2019年54個高新技術產業(yè)園區(qū)的非平衡面板數據，研究發(fā)現：第一，高新技術產業(yè)園區(qū)創(chuàng)新效率除外生變量解釋外，還應該強調說明創(chuàng)新活動之間的關聯、研發(fā)費用和市場結構等內生因素的影響。第二，在彌補創(chuàng)新活動內生性的模型中，科技經費和從業(yè)人員對創(chuàng)新效率估計影響比較大;如果考慮模型的內生性，市場經濟對創(chuàng)新的非效率影響比較大。第三，控制內生性后，創(chuàng)新效率值更高，且創(chuàng)新水平差異的不同導致效率差異更為明顯。

基于以上結論，提出如下建議：第一，繼續(xù)吸引更多高投入研發(fā)企業(yè)進入高新區(qū)。實證研究結果表明，市場結構等變量與高新產業(yè)園區(qū)效率存在雙向反饋機制，如果某個行業(yè)所在的某高新產業(yè)園區(qū)發(fā)展比較好，類似的企業(yè)也會選擇進入。一方面，更多的企業(yè)入駐會改變這個行業(yè)的競爭態(tài)勢;另一方面，則又會促進他們的共同創(chuàng)新和創(chuàng)新外溢。因此，高新區(qū)應該吸引更多高研發(fā)投入的企業(yè)進入。第二，加大對高級研發(fā)人員的引入。研發(fā)人員與高新區(qū)效率的負關系說明很多研發(fā)人員可能人浮于事，如果只是簡單的人數增加，并沒有真正從事有價值的創(chuàng)新活動，并沒有必然導致高新產業(yè)園區(qū)效率的提高，因此，需要加大對高級研發(fā)人員的引入。第三，增加研發(fā)投入，促進產業(yè)升級。高新產業(yè)園區(qū)效率提升很大程度上取決于基礎核心技術，只有擁有基礎核心技術才能不被別國“卡脖子”，才能真正實現高新產業(yè)園區(qū)的可持續(xù)發(fā)展。

注釋：

① 限于篇幅，未列出完整的內生面板隨機前沿模型與外生面板隨機前沿模型頻率分布， 可向作者索取相關完整結果。

② 限于篇幅，未列出完整的面板外生隨機前沿模型與面板內生隨機前沿模型中創(chuàng)新效率的直方圖，可向作者索取相關完整結果。

參考文獻：

[1] Shee A， Stefanou S E. Endogeneity corrected stochastic production frontier and technical efficiency[J].American Journal of Agricultural Economics， 2015（97）：939-952.

[2] Tran K C， Tsionas E G. Endogeneity in stochastic frontier models：Copula approach without external instruments[J].Economics Letters， 2015（133）：85-88.

[3] Karakaplan， Mustafa U， Levent Kutlu. Endogeneity in panel stochastic frontier models：An application to the Japanese cotton spinning industry[J]. Applied Economics， 2017， 49（59）：5935-5939.

[4] Mutter R L， Greene W H， Spector W， et al. Investigating the impact of endogeneity on inefficiency estimates in the application of stochastic frontier analysis to nursing homes[J].Journal of Productivity Analysis，2013， 39（2）：101-110.

[5] 歐光軍，楊青，雷霖.國家高新區(qū)產業(yè)集群創(chuàng)新生態(tài)能力評價研究[J].科研管理，2018，39（8）：63-71.

[6] 余東華，王必好.技術創(chuàng)新效率的內生性與隨機變動效應研究：要素投入中知識資本與人力資本的差異化影響[J].南方經濟， 2020（1）：76-94.

[7] 陳軍，成金華.內生創(chuàng)新、人文發(fā)展與中國的能源效率[J].中國人口·資源與環(huán)境，2010，20（4）：57-62.

[8] Karakaplan M U， Kutlu L. Handling endogeneity in stochastic frontier analysis[J].Economics Bulletin，2017a（37）：889-891.

[9] Karakaplan， Mustafa U， and Levent Kutlu. School district consolidation policies：endogenous cost inefficiency and saving reversals[J].Empirical Economics， 2019，56（5）：1729-1768.

[10]武增海，李濤.高新技術開發(fā)區(qū)綜合績效空間分布研究：基于自然斷點法的分析[J].統(tǒng)計與信息論壇，2013（3）：82-88.

[11]黃春玲，余穎，黃卓.國家高新區(qū)創(chuàng)新效率的實證研究[J].科學學與科學技術管理，2005（2）：100-104.

[12]姜彩樓， 曹杰， 劉維樹. 中國高新產業(yè)園區(qū)效率變動及影響因素研究：基于面板數據的隨機前沿分析 [J].經濟體制改革，2014（6）：52-56.

[13]Millimet D L， Collier T .Efficiency in public schools：Does competition matter？ [J]. Journal of Econometrics， 2008， 145（1-2）：134-157.

[14]葉海景.政府R&D資助對企業(yè)創(chuàng)新效率的影響——基于溫州規(guī)上工業(yè)企業(yè)面板數據的隨機前沿分析[J].中共浙江省委黨校學報，2017，33（6）：116-122.

（責任編輯：鐘 瑤）