G60科創(chuàng)走廊工業(yè)企業(yè)創(chuàng)新效率及區(qū)域差異研究

萬創(chuàng)勤 ， 韓玉剛

(安徽師范大學 1.經濟管理學院； 2.長三角一體化發(fā)展研究院， 安徽 蕪湖 241002)

一、 引言

G60科創(chuàng)走廊是推動長三角更高質量一體化發(fā)展的重要引擎， 是推動區(qū)域協(xié)同創(chuàng)新攻關一體化的有效平臺。 當前， 我國正處在經濟轉型升級的歷史潮流中， 工業(yè)是國民經濟的重要組成部分， 同樣面臨著前所未有的機遇和挑戰(zhàn)， 大力發(fā)展工業(yè)需要不斷提高投入產出效率。 測度G60科創(chuàng)走廊各地區(qū)工業(yè)企業(yè)的技術創(chuàng)新效率、 動態(tài)變化趨勢及區(qū)域差異， 根據(jù)不同城市的效率水平提出合理的建議， 對于打造長江經濟帶產業(yè)創(chuàng)新中心、 推動長三角更高質量一體化發(fā)展具有重要意義。

科技創(chuàng)新能力是區(qū)域競爭力的構成要素之一， 工業(yè)企業(yè)歷來是科技創(chuàng)新的主體， 工業(yè)企業(yè)科技創(chuàng)新能力是區(qū)域競爭力的主要表現(xiàn)。 開展工業(yè)企業(yè)科技創(chuàng)新效率的評估有利于各地區(qū)認清現(xiàn)狀、 制定有針對性的提高措施。 目前， 已有大量文獻對中國各地區(qū)企業(yè)創(chuàng)新效率進行了相關研究， 主要關注各地區(qū)工業(yè)企業(yè)創(chuàng)新效率評價、 影響因素和區(qū)域差異。 如段云龍等[1]、 沈能等[2]、 賈帥帥等[3]采用不同的DEA模型測算了中國工業(yè)企業(yè)創(chuàng)新效率， 結果表明各地區(qū)的創(chuàng)新效率確實受到外部因素的影響， 并呈現(xiàn)出明顯的區(qū)域特征； 肖文等[4]、 謝子遠等[5]、 王慧等[6]分別對影響工業(yè)企業(yè)創(chuàng)新效率外部和內部因素進行了研究； 陳紅梅等考慮環(huán)境約束測算不同行業(yè)工業(yè)企業(yè)的技術創(chuàng)新效率[7]。 關于工業(yè)企業(yè)創(chuàng)新效率的已有研究文獻中， 一方面， 大部分都是對全國或者省域層面的研究， 對長三角經濟帶工業(yè)企業(yè)創(chuàng)新效率的研究不多， 還沒有學者對G60科創(chuàng)走廊的9個市的工業(yè)企業(yè)科技創(chuàng)新效率進行研究； 另一方面， 大多數(shù)學者在利用三階段數(shù)據(jù)包絡分析(三階段DEA)對工業(yè)企業(yè)創(chuàng)新效率進行分析時， 未能與其他方法進行結合， 分析動態(tài)變化特征。 本文運用三階段DEA與全要素生產率指數(shù)模型(Malmquist)相結合， 從靜態(tài)、 動態(tài)兩個方面系統(tǒng)分析2012—2017年G60科創(chuàng)走廊9個市的工業(yè)企業(yè)科技創(chuàng)新效率， 同時考察不同的環(huán)境因素對其影響， 以及區(qū)域分布差異。

二、 研究方法

(一)三階段DEA

弗里德等人提出三階段DEA方法， 將傳統(tǒng)的數(shù)據(jù)包絡分析方法(DEA)與隨機前沿分析隨機前沿方法(SFA)進行結合， 剔除環(huán)境因素和隨機誤差， 其優(yōu)勢在于改進傳統(tǒng)的DEA模型， 只考慮管理無效率對各地區(qū)技術創(chuàng)新效率的影響， 從而可以得到更為精準的測算結果[8]。 具體步驟如下。

第一階段： 原始數(shù)據(jù)的投入導向BCC模型。 采用投入導向的規(guī)模報酬可變的數(shù)據(jù)包絡分析模型(BCC模型)， 使用數(shù)據(jù)包絡分析軟件對投入產出變量的原始數(shù)據(jù)進行初始效率分析， 同時求得投入松弛變量。

第二階段： 類似SFA處理。 使用類似SFA處理方法對第一階段求得的松弛變量進行分析， 將環(huán)境和隨機誤差的因素剝離掉， 得到完全由管理無效率所造成的投入松弛變量， 把處于不同環(huán)境下決策單元的投入產出調整為處于相同環(huán)境下的投入產出。

第三階段： 調整數(shù)據(jù)的投入導向BCC模型。 把經過第二階段調整的投入產出變量代入BCC模型分析， 重新計算決策單元的投入產出效率， 此時的效率只考慮管理無效率的影響， 可以更加真實地反映出各地區(qū)的技術創(chuàng)新效率。

(二)Malmquist指數(shù)

三階段DEA模型可以評價G60科創(chuàng)走廊9個市每年的技術效率、 純技術效率、 規(guī)模效率等， 但屬于靜態(tài)分析方法。 為了更好地反映各市創(chuàng)新效率動態(tài)發(fā)展態(tài)勢， 本文結合Malmquist指數(shù)模型進行分析。 Malmquist指數(shù)模型是一種非參數(shù)估計方法， 用于測度t期到(t+1)期全要素生產率變化(TFP)， 可以分解為技術效率變化指數(shù)(EFFCH)和技術進步變化指數(shù)(TECHCH)。

Malmquist指數(shù)模型構建如下：

(1)

(2)

(3)

當M>1時， 表示全要素生產率從t期到(t+1)期呈增長狀態(tài)； 當M=1時， 表明呈停滯狀態(tài)； 當M<1時， 則表明呈下降狀態(tài)。

三、 指標體系建立與數(shù)據(jù)處理

(一)指標體系建立

1.投入產出指標

一些學者通常采用專利的受理量或者授權量作為產出指標， 但并不是所有的發(fā)明都申請專利， 而且專利數(shù)也不能完全轉化為創(chuàng)新成果， 無法較好地直接衡量創(chuàng)新成果的商業(yè)化水平， 新產品銷售收入是技術成果轉化的直接收益， 能夠較好地反映技術研發(fā)成果轉化情況[9]。 故本文在盡量保證指標的嚴謹性、 科學性的前提下， 選取研究與開發(fā)(R&D)人員數(shù)和研究與開發(fā)(R&D)經費內部支出作為投入指標， 新產品銷售收入作為產出指標。

考慮到指標數(shù)據(jù)的可獲得性， 選取上海市和浙江省的嘉興、 杭州、 金華、 湖州規(guī)模以上工業(yè)企業(yè)的數(shù)據(jù)， 選取江蘇省的蘇州市大中型工業(yè)企業(yè)的數(shù)據(jù)， 選取安徽省的合肥市、 宣城市、 蕪湖市工業(yè)企業(yè)的數(shù)據(jù)。 其中蘇州市的數(shù)據(jù)收集不全面， 蘇州市的新產品銷售收入通過主營業(yè)務收入與新產品產值率計算得出近似值。 如表1所示。

表1 工業(yè)企業(yè)創(chuàng)新效率投入產出指標體系

2.環(huán)境指標

結合工業(yè)企業(yè)所處的外部環(huán)境， 本文從經濟發(fā)展水平、 對外開放程度、 政府支持力度、 工業(yè)化水平4個方面來對影響工業(yè)企業(yè)創(chuàng)新效率的環(huán)境進行控制。 如表2所示， 各種指標的衡量分別為： 經濟發(fā)展水平， 以各地區(qū)人均GDP來衡量； 對外開放程度， 以各地區(qū)實際使用外資金額來衡量； 政府支持力度， 以各地區(qū)R&D經費內部支出中政府支出比重來衡量； 工業(yè)化水平， 以各地區(qū)規(guī)模以上工業(yè)企業(yè)數(shù)來衡量。

表2 工業(yè)企業(yè)創(chuàng)新效率環(huán)境指標體系

(二)數(shù)據(jù)來源和處理

本文選取2012—2017年G60科創(chuàng)走廊上海、 嘉興、 杭州、 金華、 湖州、 蘇州、 合肥、 宣城、 蕪湖9個市的工業(yè)企業(yè)科技創(chuàng)新投入產出及環(huán)境變量數(shù)據(jù)進行效率比較分析， 數(shù)據(jù)來源于相應年度的統(tǒng)計年鑒。 如《上海統(tǒng)計年鑒》《浙江統(tǒng)計年鑒》《江蘇統(tǒng)計年鑒》《安徽統(tǒng)計年鑒》及《上海科技統(tǒng)計年鑒》《浙江科技統(tǒng)計年鑒》《江蘇科技統(tǒng)計年鑒》《安徽科技統(tǒng)計年鑒》。

為了保證研究的準確性， 本文對指標數(shù)據(jù)進行如下處理： 參考吳傳清等對技術創(chuàng)新效率的研究， 對R&D經費內部支出、 新產品消費收入、 對外開放程度以各市2012年為基期的消費者物價指數(shù)進行平減[10]。 國際上通常采用資本存量作為資本要素指標， 參考張鴻等的研究成果， 對R&D經費內部支出采用國際上通用的永續(xù)盤存法進行存量轉化， 資本存量的不變折扣率采用15%進行計算[11]。

四、 結果分析

(一)第一階段

在DEA分析的第一階段， 運用DEAP2.1軟件， 通過BCC模型投入角度對G60科創(chuàng)走廊9個市的工業(yè)企業(yè)2012—2017年技術效率(TE)、 純技術效率(PTE)、 規(guī)模技術效率(SE)進行了分析， 整理軟件處理數(shù)據(jù)得到各市的效率值， 如表3所示。

表3 2012—2017年G60科創(chuàng)走廊各市第一階段創(chuàng)新效率

在不考慮外部環(huán)境變量和隨機干擾的影響時， 2012—2017年G60科創(chuàng)走廊整體的工業(yè)企業(yè)創(chuàng)新效率呈上升趨勢， 綜合效率從2012年的0.776上升到2017年的0.833； 技術效率從2012年的0.881上升2017年的0.901； 規(guī)模效率從2012年的0.884上升到2017年的0.928， 但大部分地區(qū)的創(chuàng)新效率都有待進一步提高。

(二)第二階段

在DEA分析的第二階段， 采用Frontier4.1軟件將第一階段測算出的工業(yè)企業(yè)科技創(chuàng)新效率2個投入變量R&D人員數(shù)、 R&D經費內部支出的松弛變量作為函數(shù)的被解釋變量， 選取經濟發(fā)展水平、 對外開放程度、 政府支持力度和工業(yè)化水平作為解釋變量， 考察4個環(huán)境變量對2個投入松弛變量的影響。 若回歸系數(shù)為正值時， 表示增加該解釋變量將會增加投入松弛量， 導致浪費增加； 相反， 當回歸系數(shù)為負值時， 該解釋變量將會減少投入松弛量， 減少浪費產生。

計算結果如表4所示。 SFA分析的γ值分別是0.9221、 0.8115， 且LR檢驗在1%水平下是顯著的， 因此， 使用SFA分析是合適的， 并且表明創(chuàng)新無效率對松弛變量的產生具有較大影響， 而隨機因素影響很小。

表4 2012—2017年G60科創(chuàng)走廊工業(yè)企業(yè)創(chuàng)新效率環(huán)境影響系數(shù)表

1.經濟發(fā)展水平

經濟發(fā)展水平的提高對于R&D人員和R&D經費內部支出來講屬不利因素， 會增加它們的投入浪費或增加負產出， 這可能由于經濟發(fā)展水平的提高會相應地增加投入低效， 這主要是由于經濟越發(fā)達越會加大對R&D人員和R&D經費內部支出的投入吸引力度， 從而導致一定程度的浪費。

2.對外開放程度

對外開放程度的提高對于R&D人員和R&D經費內部支出來講是有利的， 會減少它們投入的負產出， 這主要是由于FDI的流入對于R&D人員技術水平及R&D經費內部支出增加產生溢出效應。

3.政府支持力度

政府支持力度的加大對于R&D人員和R&D經費內部支出來講屬不利因素， 會增加它們的投入浪費或增加負產出， 這可能由于隨著近年來政府對創(chuàng)新重視程度加大， 導致工業(yè)企業(yè)加大研發(fā)力度， 但是對于R&D資金管理較為粗放， 績效考評薄弱， 致使政府經費比重的增加帶來R&D人員和R&D經費內部支出負產出。

4.工業(yè)化水平

工業(yè)化水平的提高對于R&D人員來講屬不利因素， 而對于R&D經費內部支出來講是有利的。 這可能是由于企業(yè)數(shù)越多， 企業(yè)之間的競爭程度越來越激烈， 各企業(yè)迫于競爭壓力會招賢納才并提高經費的有效利用， 減少浪費， 但導致R&D人員由于經費缺乏而造成一定程度的浪費。

(三)第三階段

在DEA分析的第三階段， 通過運用DEAP2.1軟件， 利用調整以后的投入數(shù)據(jù)和原產出數(shù)據(jù)， 分別重新計算9個市的技術效率、 純技術效率、 規(guī)模效率。 采用和第一階段相同的處理方法， 結果如表5所示。

表5 2012—2017年G60科創(chuàng)走廊各市第三階段創(chuàng)新效率

可以看出， 在剔除環(huán)境因素和隨機干擾后， 多個市的創(chuàng)新效率發(fā)生了較大變動， 第一階段沒有剔除外部因素影響下的綜合技術效率、 規(guī)模效率出現(xiàn)了虛高的情況， 另外呈現(xiàn)出“強者愈強， 弱者愈弱”的“馬太效應”。 這說明環(huán)境因素和隨機干擾對G60科創(chuàng)走廊各市影響很大， 需要對投入變量進行調整， 剔除外部因素后的效率才能更加客觀地反映其創(chuàng)新情況。

總體來看， G60科創(chuàng)走廊9個市2012年、 2013年、 2014年、 2015年、 2016年、 2017年工業(yè)企業(yè)技術效率平均值分別為0.513、 0.587、 0.603、 0.692、 0.623、 0.645。 這說明G60科創(chuàng)走廊各地區(qū)工業(yè)企業(yè)創(chuàng)新效率在2012 年到2015年間一直在不斷上升， 之后的一年大幅度下降， 到了2017年有所回升。 但除了上海市一直處于前沿面， 其他市工業(yè)企業(yè)創(chuàng)新效率的水平都不高， 主要是由規(guī)模效率低導致的， 因此各地區(qū)應注重合理有效地配置創(chuàng)新資源， 完善創(chuàng)新機制， 調整創(chuàng)新規(guī)模， 努力提高創(chuàng)新效率。

(四)Malmquist指數(shù)及其分解

上述的三階段DEA模型， 對G60科創(chuàng)走廊創(chuàng)新效率的研究， 基本處于靜態(tài)的比較。 為了進一步研究創(chuàng)新效率的動態(tài)變化， 本文引入Malmquist指數(shù)， 深入分析全要素生產率的變動是由技術進步還是由技術效率的變動引起的。 利用DEAP2.1軟件將剔除了外部因素的各投入變量和初始產出變量代入Malmquist模型進行計算， 測算的結果更加符合實際情況。 具體測算結果如表6、 表7所示。

表6 2012—2017年G60科創(chuàng)走廊工業(yè)企業(yè)各年創(chuàng)新效率的Malmquist指數(shù)及分解

表7 2012—2017年G60科創(chuàng)走廊工業(yè)企業(yè)各市創(chuàng)新效率的Malmquist指數(shù)及分解

2012—2017年G60科創(chuàng)走廊的全要素生產率指數(shù)分別為1.104、 1.094、 1.015、 1.087、 1.212， 年均增長超過10%， 這主要是由技術效率主導的， 技術效率變化指數(shù)均值為1.064， 說明G60科創(chuàng)走廊工業(yè)企業(yè)創(chuàng)新驅動發(fā)展在政府的引導下， 取得了一定進步， 但未能一直保持良好的增長態(tài)勢， 持續(xù)穩(wěn)定地提升。 且純技術效率變化指數(shù)均值小于1， 說明整體純技術效率處于下滑趨勢， 工業(yè)企業(yè)技術創(chuàng)新存在一定障礙， 創(chuàng)新環(huán)境尚需進一步改善。

通過觀察可以看出， 9個市工業(yè)企業(yè)創(chuàng)新發(fā)展不平衡， 存在一定的地域差異。 其中， 杭州市和宣城市的增長幅度最大， 這與地方政府和各企業(yè)的創(chuàng)新意識提高有著直接關系； 上海市的增長幅度最小， 這與上海市工業(yè)企業(yè)創(chuàng)新效率處于高位水平有很大關系， 處于高位水平的地區(qū)提升空間就很小， 增加創(chuàng)新要素投入并不能很大程度上提高創(chuàng)新效率。

五、 結論與啟示

(一)結論

本文合理選取投入產出及環(huán)境指標， 利用三階段DEA和Malmquist指數(shù)相結合的方法， 從靜態(tài)、 動態(tài)兩個方面深入分析G60科創(chuàng)走廊工業(yè)企業(yè)技術創(chuàng)新效率并進行對比評價。 主要貢獻如下： 相較于全國層面的研究， 更具有針對性； 從靜態(tài)和動態(tài)兩個層面探討各市的創(chuàng)新效率及其演變特征， 更加全面； 剔除環(huán)境變量影響再進行創(chuàng)新效率測量， 更加精準。 結果簡述如下。

其一， G60科創(chuàng)走廊整體創(chuàng)新效率不高， 其中只有上海市位于效率前沿面上， 實現(xiàn)效用最大化， 其他各地區(qū)工業(yè)企業(yè)創(chuàng)新效率均不高； 創(chuàng)新效率發(fā)展不均衡， 存在明顯的地域差異。

其二， 2012—2017年G60科創(chuàng)走廊工業(yè)企業(yè)技術創(chuàng)新效率整體水平是上升的， 技術效率是全要素生產率提高的關鍵。 而且創(chuàng)新提升程度有著明顯的地域差異和時間分段， 上海市和杭州市分別是全要素生產率指數(shù)最低和最高的2個市， 后期的全要素生產率指數(shù)高于前期。

其三， 在第二階段實證分析中發(fā)現(xiàn)， 不同因素對創(chuàng)新效率不同過程的影響機制是不同的， 對外開放程度和工業(yè)化水平有利于減少投入冗余， 能夠促進創(chuàng)新研發(fā)效率的提升； 而經濟發(fā)展水平和政府支持力度不利于創(chuàng)新效率的提升。

(二)啟示

基于以上實證分析的結論， 為了能夠提高G60科創(chuàng)走廊各地區(qū)工業(yè)企業(yè)技術創(chuàng)新效率， 扮演好長三角更高質量一體化“引擎”的角色， 成為區(qū)域內“中國制造”邁向“中國創(chuàng)造”的主陣地， 推動經濟高效發(fā)展。

首先， 加速高質量創(chuàng)新體系建設， 引導技術創(chuàng)新要素區(qū)域配置。 研究表明G60科創(chuàng)走廊各地區(qū)工業(yè)企業(yè)創(chuàng)新效率雖然都處于上升趨勢， 但效率水平低下且差異顯著， 區(qū)域創(chuàng)新要素投入不平衡， 優(yōu)化配置區(qū)域創(chuàng)新要素是解決這一問題的突破口。 政府應發(fā)揮好引導作用， 圍繞創(chuàng)新驅動發(fā)展戰(zhàn)略， 出臺政策支持高校、 科研院所和企業(yè)間的深度合作， 穩(wěn)步推進創(chuàng)新資源的優(yōu)化與匹配。 在持續(xù)加強科技投入的同時要注重提高資源配置和流動效率， 避免創(chuàng)新資源閑置和浪費。

其次， 針對性制定效率提升策略， 充分發(fā)揮創(chuàng)新資源效用。 各地區(qū)可以因地制宜， 立足自身條件， 制定切實可行的戰(zhàn)略， 穩(wěn)步提升創(chuàng)新效率。 例如， 創(chuàng)新效率較低的區(qū)域可以根據(jù)自身資源稟賦狀況， 各工業(yè)企業(yè)尋找突破路徑， 充分發(fā)揮創(chuàng)新資源的邊際效用， 同時加強與其他高效率地區(qū)之間的交流， 加大技術研發(fā)投入， 提升自身研發(fā)及轉化效率。 創(chuàng)新效率較高的地區(qū)要抓住創(chuàng)新發(fā)展戰(zhàn)略這一機遇， 通過創(chuàng)新人才集聚、 產學研合作等形式， 持續(xù)加速市場化進程， 提高技術轉化效率。

再次， 吸引科技創(chuàng)新資源， 促進各市創(chuàng)新協(xié)調高質量發(fā)展。 政府應進一步健全技術轉化保障機制， 建立技術轉移機構， 促進技術研發(fā)和市場需求互動與對接； 激發(fā)企業(yè)主體創(chuàng)新意識， 充分發(fā)揮其積極性和主動性， 加強產學研機構合作， 實現(xiàn)技術研發(fā)和技術轉化協(xié)同發(fā)展。 加強技術創(chuàng)新市場監(jiān)管， 充分利用市場化的力量提升區(qū)域技術水平和協(xié)同創(chuàng)新效率， 推動技術創(chuàng)新成果轉化， 探索多主體知識產權共贏機制。