我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率靜態(tài)與動態(tài)測度

仵鳳清　施雄天

摘 要：應(yīng)用靜態(tài)、動態(tài)效率測度模型，研究了2013—2021年我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率整體和區(qū)域變化情況，并對高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響因素進(jìn)行分析，發(fā)現(xiàn)從靜態(tài)模型測度，消除了環(huán)境變量和隨機(jī)誤差影響后，我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值為0.725，還有一定的上升空間，且東、中、西部地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在差異，表現(xiàn)為東＞中＞西；從動態(tài)模型測度，2013—2021年我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率為1.009，表明從動態(tài)趨勢上2013—2021年高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率呈現(xiàn)上升趨勢；從市場結(jié)構(gòu)、政府投資、外商投資、勞動力素質(zhì)、地區(qū)經(jīng)濟(jì)發(fā)展水平這些影響因素均對高新技術(shù)產(chǎn)業(yè)投入松弛變量產(chǎn)生不同的顯著影響。結(jié)果表明：在生產(chǎn)前沿的條件下，東部、中部、西部地區(qū)高新技術(shù)產(chǎn)業(yè)的技術(shù)還未達(dá)到有效；東、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升，中部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提高和技術(shù)進(jìn)步。

關(guān)鍵詞：高新技術(shù)產(chǎn)業(yè)；創(chuàng)新效率；影響因素；靜態(tài)；動態(tài)

中圖分類號：F 276.44 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7312（2023）03-0262-09

The Static and Dynamic Analysis of Innovation Efficiency of Chinese High-tech Industry

WU Fengqing，SHI Xiongtian

（School of Economics and Management，Yanshan University，Qinhuangdao 066000，China）

Abstract：By applying static and dynamic efficiency measurement models，this paper studies the overall and regional changes of innovation efficiency in high-tech industries during 2013—2020，and analyzes the influencing factors of innovation efficiency in high-tech industries.It is found that the average value of innovation efficiency in high-tech industries is 0.725，based on the static model measurement and eliminating the influence of environmental variables and random errors.There is still a certain room for improvement，and there are differences in the innovation efficiency of high-tech industries in the east，central and western regions，showing that East>middle>West；From the dynamic model measurement，the innovation efficiency of our high-tech industries during 2013—2020 is 1.009，which indicates that the innovation efficiency of our high-tech industries during 2013—2020 remains

increasing from the dynamic trend.Factors such as market structure，government investment，foreign investment，labor quality and regional economic development level all have different significant influences on the input relaxation variables of high-tech industry.The results show that the technology of high-tech industry in eastern，central and western regions has not been effective under the condition of production frontier.The growth of innovation efficiency of high-tech industries in eastern and western China requires the improvement of technological efficiency，while that of high-tech industries in central China requires the improvement of technological efficiency and technological progress.

Key words：high-tech industry；innovation efficiency；influencing factors；static；dynamic

0 引言

中國政府為高新技術(shù)產(chǎn)業(yè)發(fā)展制定的政策，體現(xiàn)了政府對高新技術(shù)產(chǎn)業(yè)的高度重視和堅定發(fā)展決心。然而我國各?。ㄊ小^(qū)）高新技術(shù)產(chǎn)業(yè)發(fā)展不均衡，需要測度不同?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，以進(jìn)一步分析這幾年來我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的變化。

從高新技術(shù)產(chǎn)業(yè)細(xì)分行業(yè)進(jìn)行研究的學(xué)者居多，如張志強(qiáng)等對我國高新技術(shù)產(chǎn)業(yè)細(xì)分的行業(yè)進(jìn)行創(chuàng)新效率測度研究，但研究高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率地域間差異的學(xué)者較少[1]。學(xué)者們從高新技術(shù)產(chǎn)業(yè)的某一角度進(jìn)行研究，如從產(chǎn)出角度：劉和東等通過界定原創(chuàng)性高新技術(shù)產(chǎn)業(yè)類別，認(rèn)為發(fā)明專利數(shù)更能反映高新技術(shù)產(chǎn)業(yè)原始創(chuàng)新能力[2]；從行業(yè)細(xì)分角度：沈曉梅選取江蘇省高新技術(shù)產(chǎn)業(yè)中的5個行業(yè)，分析高新技術(shù)行業(yè)創(chuàng)新效率及其動態(tài)演變趨勢[3]；從產(chǎn)業(yè)集聚角度，王黎明等研究了我國高新技術(shù)產(chǎn)業(yè)多樣化集聚、專業(yè)化集聚對綠色創(chuàng)新效率的影響[4]；從創(chuàng)新培育角度，汪錦熙研究了創(chuàng)新驅(qū)動戰(zhàn)略是否對高新技術(shù)產(chǎn)業(yè)創(chuàng)新能力提升作用[5]。靜態(tài)、動態(tài)模型在高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的測度上應(yīng)用廣泛，劉琪用靜態(tài)DEA模型測度山西省高新技術(shù)產(chǎn)業(yè)的研發(fā)效率[6]；MAVI R K使用二階段DEA研究高新技術(shù)產(chǎn)業(yè)靜態(tài)生態(tài)效率[7]；LAMPE H W和HILGERS D使用DEA和SFA模型研究高新技術(shù)產(chǎn)業(yè)靜態(tài)組織績效效率[8]；郭海紅使用Malmquist指數(shù)模型，從動態(tài)層面測度山東省生態(tài)創(chuàng)新效率[9]；王冰清等使用靜態(tài)DEA模型測度了高技術(shù)產(chǎn)業(yè)二階段創(chuàng)新效率[10]；張冀新等使用靜態(tài)DEA模型測度了高技術(shù)產(chǎn)業(yè)制造業(yè)和高技術(shù)產(chǎn)業(yè)服務(wù)業(yè)創(chuàng)新效率[11]。從現(xiàn)有的研究方法動態(tài)或靜態(tài)的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的測度，一方面是容易忽略高新技術(shù)產(chǎn)業(yè)環(huán)境因素的影響，另一方面是沒有從動態(tài)與靜態(tài)兩方面對高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行全面分析。

文中基于前人的研究，從靜態(tài)和動態(tài)兩方面進(jìn)行測度，使得研究更有嚴(yán)謹(jǐn)性、全面性。從靜態(tài)測度，考慮到各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)內(nèi)部資源稟賦和宏觀環(huán)境存在著不同，所以需要消除環(huán)境變量和隨機(jī)誤差的影響，真實反映各省（市、區(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率。從動態(tài)測度，考慮高新技術(shù)產(chǎn)業(yè)會隨時間演進(jìn)進(jìn)行縱向變化，反映各?。ㄊ小^(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率動態(tài)變化趨勢。

1 研究設(shè)計

1.1 靜態(tài)測度模型及動態(tài)測度模型設(shè)定

1.1.1 靜態(tài)測度模型設(shè)定

1.2 變量選取

1.2.1 高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度投入產(chǎn)出指標(biāo)的選取

選取高新技術(shù)產(chǎn)業(yè)R&D人員投入、高新技術(shù)產(chǎn)業(yè)R&D經(jīng)費內(nèi)部支出、高新技術(shù)產(chǎn)業(yè)企業(yè)數(shù)為高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度投入指標(biāo)。

選取高新技術(shù)產(chǎn)業(yè)專利申請授權(quán)量、高新技術(shù)產(chǎn)業(yè)新產(chǎn)品的銷售收入和技術(shù)收入、高新技術(shù)產(chǎn)業(yè)上繳稅費為高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度產(chǎn)出指標(biāo)。

1.2.2 高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度環(huán)境變量的選取

在參考相關(guān)文獻(xiàn)，環(huán)境變量的選取主要考慮市場結(jié)構(gòu)、政府投資、外商投資、勞動力素質(zhì)、地區(qū)經(jīng)濟(jì)發(fā)展水平這5個方面。各創(chuàng)新效率測度相關(guān)變量具體含義見表1。

1）市場結(jié)構(gòu)。

市場集中度能反映出市場結(jié)構(gòu)情況，但是由于市場集中度的計算數(shù)據(jù)無法獲得，所以采用一些學(xué)者的做法[12-13]，用企業(yè)數(shù)反映市場結(jié)構(gòu)。由于不同年份的企業(yè)數(shù)可以反映出行業(yè)的進(jìn)入和退出情況，也能代表行業(yè)內(nèi)的競爭化程度。所以文中選用規(guī)模以上工業(yè)企業(yè)數(shù)代表市場結(jié)構(gòu)。

2）政府投資

政府的財政支出會直接影響了R&D經(jīng)費投入。受政府政策的影響，對研發(fā)經(jīng)費投入的增減具有不確定性。所以文中選用R&D經(jīng)費內(nèi)部支出中政府財政支出比重代表政府投資情況。

3）外商投資。

一些學(xué)者[14-16]認(rèn)為外商直接投資具有溢出效應(yīng)，對產(chǎn)業(yè)勞動生產(chǎn)率的提高具有一定的影響。因此，參考劉偉、李星星做法[17]，文中選取外商實際投資額占GDP比重代表外商投資情況。

4）勞動力素質(zhì)。

新經(jīng)濟(jì)增長理論認(rèn)為人力資本有助于知識和創(chuàng)新思想的傳播，有助于產(chǎn)生技術(shù)創(chuàng)新的溢出效應(yīng)。一些學(xué)者[18-20]認(rèn)為地區(qū)勞動力素質(zhì)對當(dāng)?shù)氐母咝录夹g(shù)產(chǎn)業(yè)發(fā)展也有一定的影響，所以文中選取大專以上受教育人數(shù)占比反映勞動力素質(zhì)情況。

5）地區(qū)經(jīng)濟(jì)發(fā)展水平。

一些學(xué)者[21-23]認(rèn)為地區(qū)經(jīng)濟(jì)發(fā)展水平也會影響地區(qū)的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，所以文中選取各?。ㄊ?、區(qū)）人均GDP反映各?。ㄊ?、區(qū)）地區(qū)經(jīng)濟(jì)發(fā)展水平。

1.3 數(shù)據(jù)來源

選取我國2013—2021年30個?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)面板數(shù)據(jù)進(jìn)行測度，剔除了港澳臺地區(qū)和西藏地區(qū)。文中數(shù)據(jù)來源于《中國火炬統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》、EPS統(tǒng)計庫。

2 實證結(jié)果分析

2.1 靜態(tài)測度研究結(jié)果分析

利用Deap 2.1和Frontier 4.1軟件對高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度。由于環(huán)境變量和隨機(jī)誤差對高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響不一致，所以需要對高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度的投入變量進(jìn)行調(diào)整，以準(zhǔn)確測度創(chuàng)新效率。高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度投入變量調(diào)整前后數(shù)據(jù)對比描述性統(tǒng)計見表2。

2.1.1 各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率分析

利用調(diào)整后的各省（市、區(qū)）高新技術(shù)產(chǎn)業(yè)投入變量進(jìn)行BCC模型創(chuàng)新效率測度，得到了消除環(huán)境變量和隨機(jī)誤差干擾的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，與初始效率測度結(jié)果對比見表3。其中創(chuàng)新效率=純技術(shù)效率×規(guī)模效率；drs、-、irs分別表示規(guī)模報酬下降、不變、上升。

調(diào)整后創(chuàng)新效率整體下降、規(guī)模效率整體下降。調(diào)整前后，DEA仍有效率的省（市）有8個，分別為北京、廣東、河南、江蘇、山東、四川、天津、浙江，占比26.67%，較之未剔除環(huán)境變量影響前減少2個；8個省（市）規(guī)模效率有效，分別為北京、天津、江蘇、浙江、山東、廣東、河南、四川，占比達(dá)到26.67%，較之未剔除環(huán)境變量影響前減少3個；同時18個?。ㄊ小^(qū)）規(guī)模報酬也發(fā)生了改變，占比60%。通過與初始效率的對比，調(diào)整后的創(chuàng)新效率降低了14.2%、規(guī)模效率降低了13.4%，表明初始效率測度結(jié)果低看了創(chuàng)新效率的無效率以及低估了規(guī)模無效率，造成了創(chuàng)新效率的提高。其中，北京、河南、江蘇、天津、浙江5個?。ㄊ校└咝录夹g(shù)產(chǎn)業(yè)各項創(chuàng)新效率值調(diào)整前后值均為1，說明這5個?。ㄊ校┑母咝录夹g(shù)產(chǎn)業(yè)發(fā)展在全國處于較領(lǐng)先地位。甘肅、吉林、青海、新疆、重慶調(diào)整后技術(shù)效率值由1調(diào)整后為小于1，說明環(huán)境因素對這5個?。ㄊ小^(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率有所影響，表示創(chuàng)新效率原本有效的原因是投入指標(biāo)沒有受到環(huán)境因素的影響。而甘肅、貴州、海南、內(nèi)蒙古、寧夏在調(diào)整后的創(chuàng)新效率值均低于0.5，這時則需要判斷該地區(qū)的純技術(shù)效率與規(guī)模效率的情況，從而確定導(dǎo)致創(chuàng)新效率無效的原因，需要調(diào)整資源配置或是需要增加技術(shù)管理水平。

為進(jìn)一步觀察30個?。ㄊ小^(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率情況分布，以純技術(shù)效率和規(guī)模效率值（0.8.0.8）為坐標(biāo)原點建立坐標(biāo)，將創(chuàng)新效率分布四象限對應(yīng)的4種類型，圖1為調(diào)整后的創(chuàng)新效率值分布坐標(biāo)圖。

由圖1可知，第1類是處在第Ⅰ象限的“高高型”，表示規(guī)模效率和純技術(shù)效率都比較高，共有16個省（市）的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率分布在此區(qū)域中，占比53.33%，根據(jù)高新技術(shù)產(chǎn)業(yè)地區(qū)發(fā)展情況來看，河南、江蘇、浙江、廣東、山東、北京、四川、天津地區(qū)生產(chǎn)總值領(lǐng)先全國，高新技術(shù)產(chǎn)業(yè)持續(xù)增長，另外吉林、重慶純技術(shù)效率為1，從坐標(biāo)點來看，位于X軸上方說明這2個?。ㄊ校﹦?chuàng)新效率弱有效，即技術(shù)層面上沒有繼續(xù)調(diào)整的必要；第2類是第Ⅱ象限的“低高型”，共5個省位于此區(qū)域，即遼寧、湖北、安徽、河北、江西，未來發(fā)展需要結(jié)合純技術(shù)效率值來提高對高新技術(shù)產(chǎn)業(yè)整體管理水平及對先進(jìn)技術(shù)的開發(fā)使用能力；第3類是第Ⅲ象限的“低低型”，山西、云南分布在此區(qū)域中，需要在未來發(fā)展中注意投入和產(chǎn)出的資源浪費，并注重科技水平和管理能力的提高；第4類是第Ⅳ象限的“高低型”，共7個省（市、區(qū)），在未來發(fā)展中需要根據(jù)規(guī)模報酬趨勢對當(dāng)?shù)馗咝录夹g(shù)產(chǎn)業(yè)的規(guī)模和投入進(jìn)行調(diào)整以提高規(guī)模效率。

2.1.2 東部、中部、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率分析

消除環(huán)境因素和隨機(jī)誤差影響后，分析東、中、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率，如圖2所示。

東、中、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在差異，表現(xiàn)為東＞中＞西，其中東部和中部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率小于1，說明東部和中部高新技術(shù)產(chǎn)業(yè)在生產(chǎn)前沿的條件下，但技術(shù)上還未達(dá)到有效。從純技術(shù)效率來看，西部均值明顯大于中部和東部，達(dá)到0.940，接近于1，說明西部目前投入資源使用效率優(yōu)于中部和東部，這可能得益于“一帶一路”倡議給西部地區(qū)帶來優(yōu)質(zhì)的科技創(chuàng)新人才和高新技術(shù)項目的重點支持。從規(guī)模效率來看，西部均值遠(yuǎn)遠(yuǎn)低于東部和中部，反映了西部高新技術(shù)產(chǎn)業(yè)現(xiàn)實規(guī)模與最優(yōu)生產(chǎn)前沿面的差距仍然很大。

2.1.3 靜態(tài)測度模型檢驗

為檢驗靜態(tài)模型測度的真實性，將初始測度和調(diào)整投入后測度的創(chuàng)新效率與產(chǎn)出變量專利申請授權(quán)量進(jìn)行Pearson相關(guān)系數(shù)檢驗，見表4。

消除影響后測度的創(chuàng)新效率，技術(shù)效率、純技術(shù)效率、規(guī)模效率與專利申請授權(quán)量的Pearson相關(guān)性系數(shù)明顯提高且均表現(xiàn)出線性相關(guān)，表明消除影響后的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率測度比初始創(chuàng)新效率測度更能反映出真實的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率情況。因此，靜態(tài)模型測度的創(chuàng)新效率結(jié)果明顯優(yōu)于傳統(tǒng)的只考慮投入產(chǎn)出變量的DEA模型，測算結(jié)果更真實、精確。

2.2 動態(tài)測度研究結(jié)果分析

運用Deap 2.1軟件對2013—2021年我國各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新投入產(chǎn)出相關(guān)數(shù)據(jù)進(jìn)行測度，得到各?。ㄊ小^(qū)）高新技術(shù)產(chǎn)業(yè)Malmquist指數(shù)及分解指數(shù)。其中創(chuàng)新效率=技術(shù)效率變化指數(shù)×技術(shù)進(jìn)步變化指數(shù)，技術(shù)效率變化指數(shù)=純技術(shù)效率變化指數(shù)×規(guī)模效率變化指數(shù)，見表5。

由表5可知，2013—2021年我國高新技術(shù)產(chǎn)業(yè)的創(chuàng)新效率總體均值為1.009，表明從動態(tài)趨勢上2013—2021年高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率保持上升。從2013—2021年技術(shù)進(jìn)步變化指數(shù)的均值為1.017，略大于1，而技術(shù)效率變化指數(shù)均值為0.983，小于1，說明我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率維持不變主要依靠技術(shù)進(jìn)步。有14個?。ㄊ小^(qū)）創(chuàng)新效率值大于1，占比46.67%，說明這14個?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)整體創(chuàng)新效率呈現(xiàn)增長的態(tài)勢。

從東、中、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率差異分析，東部創(chuàng)新效率均值為1.020，而效率變化指數(shù)均值小于1，且小于技術(shù)進(jìn)步變化指數(shù)均值，說明影響東部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升；中部創(chuàng)新效率均值為0.971，而技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步變化指數(shù)均值均小于1，說明中部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升和技術(shù)進(jìn)步；西部地區(qū)創(chuàng)新效率均值為1.031，技術(shù)效率變化指數(shù)均值小于1，且小于技術(shù)進(jìn)步變化指數(shù)均值，說明西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升。

根據(jù)各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的差異，將這些?。ㄊ小^(qū)）分為4類：第1類是技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步變化指數(shù)共同推動創(chuàng)新效率值增長，包括上海、海南、安徽、云南、甘肅、青海、新疆；第2類是技術(shù)效率變化指數(shù)推動創(chuàng)新效率值增長，包括廣東、江西；第3類是技術(shù)進(jìn)步變化指數(shù)推動創(chuàng)新效率值增長，包括北京、天津、河北、遼寧、福建、山東、山西、黑龍江、河南；第4類是技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步變化指數(shù)共同抑制創(chuàng)新效率值增長，包括江蘇、浙江、吉林、湖北、湖南。

為進(jìn)一步分析各年度我國高新技術(shù)產(chǎn)業(yè)Malmquist指數(shù)變化，表6和圖3詳細(xì)的給出了2013—2021年我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率Malmquist指數(shù)及其指數(shù)分解結(jié)果。

從圖3可知，創(chuàng)新效率變化呈現(xiàn)3個上升高峰和2個下降波谷，3個上升的高峰分別為2014—2015年、2016—2018年、2019—2020年、2020—2021年，2個下降波谷為2015—2016年、2018—2019年。2014—2015年、2017—2018年、2019—2020年、2020—2021年創(chuàng)新效率值均大于1，說明這3個年度我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率呈現(xiàn)動態(tài)增長的趨勢；2013—2014年、2015—2016年、2016—2017年、2018—2019年創(chuàng)新效率值均小于1，說明這4個年度我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率呈現(xiàn)動態(tài)下降的趨勢。對這些年度的高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行分類：第1類是依靠技術(shù)進(jìn)步變化指數(shù)推動創(chuàng)新效率值增長，包括2013—2014年、2014—2015年、2016—2017年、2017—2018年、2019—2020年、2020—2021年；第2類是依靠技術(shù)效率變化指數(shù)推動創(chuàng)新效率值增長，包括2015—2016年、2018—2019年。

2.3 影響因素分析

被解釋變量為靜態(tài)效率測度第一步所得的各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)投入松弛變量，解釋變量為市場結(jié)構(gòu)、政府投資、外商投資、勞動力素質(zhì)、地區(qū)經(jīng)濟(jì)發(fā)展水平，使用Frontier 4.1軟件測度。由表7可知，LR值（自由度為5）均通過10%水平以上的顯著性檢驗，說明了似SFA回歸模型的合理性，也說明環(huán)境因素和隨機(jī)誤差對高新技術(shù)產(chǎn)業(yè)3個投入松弛變量有顯著影響。3個松弛變量gamma值均小于1，說明管理無效率產(chǎn)生的影響大于隨機(jī)擾動因素帶來的影響。此外，當(dāng)環(huán)境變量系數(shù)為正時，說明該值增加會導(dǎo)致創(chuàng)新效率降低；而環(huán)境變量系數(shù)為負(fù)時，說明該值增加會導(dǎo)致創(chuàng)新效率增加。

從市場結(jié)構(gòu)角度來看，市場結(jié)構(gòu)對3個投入松弛變量影響為負(fù)且顯著，說明較低的市場集中度會使企業(yè)間產(chǎn)生競爭，能減少研究投入資源成本的浪費，也說明合理的市場競爭機(jī)制有利于激勵高新技術(shù)產(chǎn)業(yè)的研究投入，促進(jìn)創(chuàng)新效率的提高。

從政府投資角度來看，政府支持對3個投入松弛變量影響為正且顯著，說明政府資金支持越多，反而增加創(chuàng)新資源的浪費。由于高新技術(shù)產(chǎn)業(yè)獲得資金支持，對研發(fā)資金粗獷式的使用，造成資源的浪費。另外，各地政府對高新技術(shù)產(chǎn)業(yè)政策扶持力度情況不一致，不能顯著提高高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率。

從外商投資角度來看，外商投資對3個投入松弛變量影響為正且顯著，說明外商投資沒有促進(jìn)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的提升，外商投資越多反而抑制我國高新技術(shù)產(chǎn)業(yè)的創(chuàng)新效率。

從勞動力素質(zhì)角度來看，勞動力素質(zhì)對R&D經(jīng)費內(nèi)部支出、R&D人員投入松弛變量影響為負(fù)且顯著，隨著義務(wù)教育的普及和勞動力素質(zhì)的提高，創(chuàng)新人才的增多會加大高新技術(shù)企業(yè)和政府的投資，能顯著提高高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率。

從地區(qū)經(jīng)濟(jì)發(fā)展水平角度來看，地區(qū)經(jīng)濟(jì)水平對R&D經(jīng)費內(nèi)部支出投入松弛變量影響為正且顯著，說明地區(qū)經(jīng)濟(jì)實力越強(qiáng)越容易增加研發(fā)資源浪費的可能性，需要進(jìn)一步改善資源配置才能提高創(chuàng)新效率。地區(qū)經(jīng)濟(jì)水平對高新技術(shù)產(chǎn)業(yè)R&D人員、企業(yè)數(shù)投入的松弛變量影響為負(fù)且顯著，說明地區(qū)經(jīng)濟(jì)水平的提高會吸引創(chuàng)新型人才的加入和高新技術(shù)企業(yè)當(dāng)?shù)氐耐顿Y建設(shè)。

3 結(jié)語

1）從靜態(tài)效率來看，消除環(huán)境變量和隨機(jī)誤差的影響后，2013—2021年我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值為0.725，還有一定的上升空間，其中16個的?。ㄊ?、區(qū)）純技術(shù)效率和規(guī)模效率處在有效的生產(chǎn)前沿面。東、中、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在差異，表現(xiàn)為東＞中＞西，東、中、西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率均小于1，說明在生產(chǎn)前沿的條件下，東部、中部、西部地區(qū)高新技術(shù)產(chǎn)業(yè)的技術(shù)還未達(dá)到有效。

2）從動態(tài)效率來看，2013—2021年我國高新技術(shù)產(chǎn)業(yè)平均創(chuàng)新效率為1.009，表明從動態(tài)趨勢上2013—2021年高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率呈現(xiàn)上升趨勢。東部和西部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升；中部高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率增長需要技術(shù)效率的提升和技術(shù)進(jìn)步。

3）消除環(huán)境變量和隨機(jī)誤差干擾后的創(chuàng)新效率與初始測度創(chuàng)新效率對比，創(chuàng)新效率整體下降、規(guī)模效率整體下降。通過靜態(tài)模型檢驗，進(jìn)一步說明消除環(huán)境變量和隨機(jī)誤差干擾測度的創(chuàng)新效率準(zhǔn)確性。同時，對影響因素分析，從市場結(jié)構(gòu)、政府投資、外商投資、勞動力素質(zhì)、地區(qū)經(jīng)濟(jì)發(fā)展水平這些角度均對投入松弛變量產(chǎn)生不同的顯著影響。

4）我國各?。ㄊ小^(qū)）應(yīng)根據(jù)自身高新技術(shù)產(chǎn)業(yè)發(fā)展情況制定產(chǎn)業(yè)發(fā)展對策。對于純技術(shù)效率較低的省（市、區(qū)），可進(jìn)行優(yōu)秀管理制度及管理理念的學(xué)習(xí)；對于規(guī)模效率較低的?。ㄊ?、區(qū)），發(fā)揮地方領(lǐng)先高新技術(shù)企業(yè)的帶頭作用，擴(kuò)大企業(yè)規(guī)模；對于創(chuàng)新效率較低的?。ㄊ?、區(qū)），需要優(yōu)化高新技術(shù)產(chǎn)業(yè)資源使用效率和資源配置，加強(qiáng)高新技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新和經(jīng)營管理能力。

5）提高高新技術(shù)產(chǎn)業(yè)投入質(zhì)量。一是要完善投入經(jīng)費監(jiān)管制度，對經(jīng)費使用情況進(jìn)行系統(tǒng)、全面的審查，并制定合理獎懲制度，對嚴(yán)重浪費情況給予處罰，對有效利用情況給予獎勵。二是提高高新技術(shù)產(chǎn)業(yè)研發(fā)人員的技術(shù)水平，注意的人才培養(yǎng)。

6）從市場結(jié)構(gòu)來看，低市場集中度有利于高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的增長，應(yīng)鼓勵高新技術(shù)企業(yè)間的競爭。從政府投資來看，應(yīng)進(jìn)一步規(guī)范政府資金投入使用，加強(qiáng)資金監(jiān)管，避免浪費；從外商投資來看，應(yīng)逐漸引導(dǎo)外商進(jìn)行技術(shù)投資和創(chuàng)新人才投資。從勞動力素質(zhì)來看，鼓勵發(fā)展和引進(jìn)創(chuàng)新型人才。從地區(qū)經(jīng)濟(jì)發(fā)展水平來看，減少研發(fā)資源浪費，需要進(jìn)一步改善資源配置。

7）鼓勵提升高新技術(shù)產(chǎn)業(yè)整體進(jìn)步。一是加強(qiáng)各?。ㄊ?、區(qū)）高新技術(shù)產(chǎn)業(yè)關(guān)聯(lián)企業(yè)間知識與技術(shù)交流，促進(jìn)知識溢出。二是建立和完善高校、高新技術(shù)企業(yè)、政府部門、研發(fā)機(jī)構(gòu)的信息交流平臺，鼓勵建立合作。三是加強(qiáng)科技進(jìn)步的傳導(dǎo)，建立高新技術(shù)服務(wù)機(jī)制。

參考文獻(xiàn)：

[1] 張志強(qiáng)，張璽.我國高新技術(shù)細(xì)分行業(yè)技術(shù)創(chuàng)新驅(qū)動出口貿(mào)易發(fā)展效率異質(zhì)性研究[J].科技管理研究，2020，40（17）：118-123.

[2]劉和東，陳程.中國原創(chuàng)性高新技術(shù)產(chǎn)業(yè)技術(shù)效率測度研究——基于創(chuàng)新鏈視角的兩階段分析[J].科技進(jìn)步與對策，2011，28（12）：119-124.

[3]沈曉梅，李芝辰，王磊.江蘇高新技術(shù)產(chǎn)業(yè)效率評價與驅(qū)動因素分析——基于Malmquist—CLAD的實證檢驗[J].華東經(jīng)濟(jì)管理，2020，34（07）：36-43.

[4]王黎明，趙彥琳，王帥.中國高新技術(shù)產(chǎn)業(yè)集聚模式對綠色創(chuàng)新效率的影響研究[J].管理現(xiàn)代化，2022，42（01）：17-23.

[5]汪錦熙.高新技術(shù)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)創(chuàng)新培育影響因素研究[J].技術(shù)與創(chuàng)新管理，2018，39（02）：148-152.

[6]劉琪.山西省高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率分析[J].中北大學(xué)學(xué)報（社會科學(xué)版），2019，35（01）：86-90.

[7]MAVI R K，SAEN R F，GOH M.Joint analysis of eco-efficiency and eco-innovation with common weights in two-stage network DEA：A big data approach，Technological Forecasting and Social Change，2019，144：553-562.

[8]LAMPE H W，HILGERS D.Trajectories of efficiency measurement：A bibliometric analysis of DEA and SFA[J].European journal of operational research，2015，240（01）：1-21.

[9]郭海紅.山東省生態(tài)創(chuàng)新效率測度及影響機(jī)制[J].華東經(jīng)濟(jì)管理，2021，35（03）：10-18.

[10]王冰清，羅鄂湘.知識產(chǎn)權(quán)保護(hù)與我國高技術(shù)產(chǎn)業(yè)兩階段創(chuàng)新效率研究[J].技術(shù)與創(chuàng)新管理，2021，42（02）：162-169.

[11]張冀新，劉燁，羅頡.國家高新區(qū)高技術(shù)產(chǎn)業(yè)技術(shù)效率研究[J].技術(shù)與創(chuàng)新管理，2020，41（06）：608-615.

[12]朱有為，徐康寧.研發(fā)資本累積對生產(chǎn)率增長的影響——對中國高技術(shù)產(chǎn)業(yè)的檢驗（1996—2004）[J].中國軟科學(xué)，2007（04）：57-67.

[13]馮根福，劉軍虎，徐志霖.中國工業(yè)部門研發(fā)效率及其影響因素實證分析[J].中國工業(yè)經(jīng)濟(jì)，2006（11）：46-51.

[14]張斌，沈能.集聚外部性、異質(zhì)性技術(shù)和區(qū)域創(chuàng)新效率[J].科研管理，2020，41（08）：49-59.

[15]劉偉.中國高新技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率測算——基于三階段DEA模型[J].數(shù)理統(tǒng)計與管理，2015，34（01）：17-28.

[16]馮燕妮.山西省高新技術(shù)產(chǎn)業(yè)園區(qū)發(fā)展績效研究——基于三階段DEA模型的分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2021（10）：20-25.

[17]劉偉，李星星.中國高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的區(qū)域差異分析——基于三階段DEA模型與Bootstrap方法[J].財經(jīng)問題研究，2013（08）：20-28.

[18]趙瑞靜，楊輝，李翠平.基于三階段DEA模型的河北省區(qū)域高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率研究[J].統(tǒng)計與管理，2019（11）：34-44.

[19]

魏谷，湯鵬翔，楊曉非，段俊虎.基于三階段DEA的我國高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)內(nèi)創(chuàng)新型產(chǎn)業(yè)集群創(chuàng)新效率研究[J].科技管理研究，2021，41（07）：155-163.

[20]方大春，曾志彪.長三角城市群國家高新區(qū)創(chuàng)新效率比較分析——基于三階段DEA模型[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2021，55（05）：780-790.

[21]方大春，曾志彪.長三角城市群國家高新區(qū)創(chuàng)新效率比較分析——基于三階段DEA模型[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2021，55（05）：780-790.

[22]王爍凱.省級創(chuàng)新效率測算——基于三階段DEA方法[J].大眾標(biāo)準(zhǔn)化，2021（21）：208-210.

[22]楊嶸，于楓敏，許晶晶.兩階段視角下我國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的時空演變及影響因素——基于三階段DEA-Tobit模型的實證研究[J].資源開發(fā)與市場：1-11.

（責(zé)任編輯：嚴(yán)焱）

收稿日期：2022-11-25

基金項目：河北省軟科學(xué)研究專項（20557637D）

作者簡介：仵鳳清（1964—），男，河北秦皇島人，教授，主要從事科技創(chuàng)新管理方面的研究工作。