高技术产业科技创新资源配置效率的测度研究_王淑锐.pdf

高技术产业科技创新资源配置效率的测度研究王淑锐（济南大学，山东济南250000）摘要：基于三阶段 DEA 模型，对我国高技术产业的科技创新资源配置效率进行测度，并分析配置效率的变化趋势及区域差异。结果发现，高技术产业的科技创新资源配置效率呈现上升趋势，但是整体效率水平不高，仍存在很大的提升空间；科技创新资源配置效率的地区间差异较大，西部地区的配置效率远低于东中部地区。最后根据分析结果提出相关政策建议，以期为促进高技术产业发展，提高科技创新资源利用效率提供理论参考。关键词：高技术产业资源配置效率三阶段 DEA中图分类号：F276.44文献标识码：A文章编号：2095-0748（2023）01-0031-03引言随着新一轮科技革命和产业变革的深入发展，高技术产业凭借知识密集性、高附加值等优势，逐渐成为各国科技竞争的主要阵地。为促进高技术产业发展，抢占科技创新的先机与主动权，我国对高技术产业的研发投入持续增加。至 2020 年，高技术产业的经费投入总量达到 4 649.1 亿元，是 2000 年的 40 多倍。然而，与大量的资源投入相比，我国高技术产业的创新成果及其带来的经济效益相对不足，自主创新能力并未得到显著提升。因此，高技术产业的发展不仅要重视科技创新资源的投入规模，更要注重科技创新资源投入的配置效率。目前有关资源配置效率的测度，使用最广泛的为数据包络分析法（DEA）。范斐（2013）等人1利用改进的 DEA 的模型对我国各级城市的科技资源配置效率进行测度，发现各城市资源配置效率较低且区域差距逐年扩大。梅姝娥和陈文军（2015）2运用链式网络DEA 模型衡量我国副省级城市的科技资源配置效率，并详细分析了经济发展水平等环境因素对资源配置的影响。夏清华和乐毅（2020）3运用 SBM模型和Global Malmquist 指数法对我国 31 个省份的科技资源配置效率进行测度，研究发现效率非有效省份存在R&D冗余、销售收入不足等现状。以上文献为本文研究奠定了基础，但传统 DEA模型并未消除环境因素以及随机误差对效率的影响作用，导致效率的测度存在误差4。因此本文基于三阶段 DEA 模型，对我国高技术产业的科技创新资源配置效率进行测度，并分析配置效率的变化趋势及区域差异，以期为促进高技术产业发展，提高科技创新资源利用效率提供理论参考。1研究方法及变量的选取1.1研究方法本文借鉴 Fried（2002）5提出的三阶段 DEA 方法，通过剔除环境因素、随机误差对投入松弛变量的影响，以期获得更为真实、准确的科技创新资源配置效率，具体过程如下：阶段一，利用投入导向且规模报酬可变的 DEA 模型测度配置效率值；阶段二，构建以投入松弛为因变量，环境因素为自变量的 SFA 模型，计算管理无效率所导致的投入冗余；阶段三，采用调整后的投入变量再次进行效率评估。1.2变量的选取本文选取 R&D 人员全时当量、R&D 经费内部支出、新产品开发经费作为科技创新的投入指标，并运用永续盘存法将两种财力资源转化为相应的存量指标。选取专利申请数、新产品开发项目数、新产品销售收入作为产出指标，并对新产品销售收入进行平减处理。本文选取的环境因素包括：经济发展水平，以人均生产总值作为代理指标；劳动教育素质，以就业人员中本科及以上学历所占比例作为代理指标；基础设施建设，以人均邮电业务总量作为代理指标；政府支持力度，以 R&D经费中来自政府的资金作为代理指标。此外，为了消除不同指标之间的不可公度性，本文对环境变量进行无量纲化处理。本章数据来源为 20112021 年的中国高技术产业统计年鉴 中国统计年鉴 中国科技统计年鉴中国劳动统计年鉴，以及各省统计年鉴与统计公报。同时考虑数据的完整性，选取除西藏、港澳台以外的 30 个省市作为研究对象，将其划分为东部、中部、西部三大区域。2效率的测算2.1第一阶段传统 DEA的结果与分析本文利用 DEAP2.1 软件，选取 BCC 模型进行第一阶段传统 DEA 分析，结果发现西部地区的广西、青海、宁夏、新疆等经济发展相对落后的省份，配置效率值远超东部地区的上海、江苏、浙江、福建等经济发达收稿日期：2022-09-24作者简介：王淑锐（1997），女，济南大学 2020 级应用经济专业在读研究生，研究方向为区域经济学。总第 223 期2023 年第 1 期现代工业经济和信息化Modern Industrial Economyand InformationizationTotal 223No.1，2023DOI:10.16525/ki.14-1362/n.2023.01.011行业经济现代工业经济和信息化第 13 卷表 1第二阶段 SFA回归结果地区，而且多次实现效率有效。这表明传统的 DEA测算结果存在偏误，高技术产业科技创新资源配置效率与经济发展水平并不吻合。为进一步提高效率结果的可靠性，需要考虑我国各地区的环境差异，剥离环境因素以及随机误差对效率测度的影响。2.2第二阶段 SFA回归结果及分析将第一阶段 DEA 得到的各松弛变量作为被解释变量，以经济发展水平、劳动教育素质、基础设施建设、政府支持力度四个环境因素作为解释变量，利用Frontier4.1 来实现 SFA模型的回归，回归结果如表 1所示。从表 1 可以看出，回归模型的 LR 值以及、均通过了 1%的显著性检验，说明环境因素是影响效率值的主导因素，利用 SFA 模型对投入变量进行调整较为合理。同时，环境变量对投入指标的松弛变量都有一定的影响，但强度略有差异，大部分数据都能通过显著性检验，且 4 个环境变量对 R&D 经费内部支出以及新产品开发经费松弛值的影响十分显著，达到了1%的显著性水平。这说明环境因素对于各省份的创新资源投入冗余存在着显著的影响，通过 SFA 剔除环境因素的影响十分必要。通过进一步考察模型的回归系数，可以看出劳动教育素质对三个松弛变量的回归系数均为负，说明劳动教育素质的提高可以降低创新资源的冗余。这可能是因为高技术产业是以知识密集、技术密集为特点的，因而其发展一般选择在高等教育发达的地区，使得劳动教育素质越高的地区，对科技创新资源的需求也就越多。基础设施建设对三个投入变量松弛变量的均有显著的负向影响，说明基础设施建设越完善，越有利于减少创新要素的浪费，这可能是由于基础设施建设加深了区域之间的开放程度，打破了创新活动的地理分割，实现科技创新资源的快速流通整合。从回归系数来看，经济发展水平的提高，并不利于减少科技创新资源的冗余，这可能是因为地区经济发展水平提高，研发经费的投入会随之加大，过多的资金并未得到合理的利用从而造成资本浪费。同时经济发展水平也是影响劳动力流动的重要因素，大量人才在经济发达地区的集聚，也会造成人力资源的冗余。政府支持力度提高会导致创新资源的投入过剩，说明政府的支持并没有发挥应有的作用，这可能是由于政府的资金支持会使企业自身的研发投入减少，产生挤出效应，而政府支持过程中的信息不对称与考核机制的不完善，也会导致企业产生寻租行为。2.3调整后的 DEA结果及分析基于 SFA 模型结果对高技术产业的投入值进行调整，剥离环境因素的影响，从而得到新的配效率值。从全国层面来看，20102020 年，高技术产业科技创新资源配置效率整体呈现上升趋势，具体见图 1，效率均值由 2010 年的 0.52 增长到 0.69，但与效率前沿面仍有较大差距，具有一定的提升空间。同时，配置效率与规模效率的变化基本趋于一致，且远低于纯技术效率，说明规模效率低下是科技创新资源配置效率低下的主要原因。如下页图 2 所示，从区域层面来看，2010 年我国东部地区的高技术产业科技创新资源配置效率均值达到 0.768 远高于中部地区的 0.440 和中部地区的0.282，三大地区间的区域差异显著。随着时间变化，各地区配置效率均呈上升趋势：东部地区配置效率的上升趋势较为缓慢，但已稳定在 0.85 左右；中部地区的配置效率增长迅速，个别年份甚至达到 0.804，与东部地区的差距逐年缩小。西部地区的配置效率虽有增长，但仍在 0.5 以下，与东部地区的差距略有缩小，与中部地区的差距却在逐年扩大。具体到省域，东部地区的江苏、浙江、广东等发达省份利用其技术和经济优势，实现了高技术产业的率先发展。中部地区的安徽、江西、河南等地在周边发达环境变量R&D人员松弛值R&D经费内部支出松弛值新产品开发经费松弛值常数值-1 544.208*（-4.157）-691 905.960*-806 221.020*（-691 751.630）（-806 220.390）经济发展水平4 455.773*（-8.810）1 343 656.400*1 294 373.300*（1 343 609.100）（1 294 369.500）劳动教育素质-2 828.390*（-3.990）-566 286.870*-190 188.090*（-566 283.710）（-190 187.760）基础设施建设-1 206.311（-1.620）-96 402.320*-166 319.830*（-96 395.612）（-166 319.570）政府支持力度769.380(1.994)401 782.620*566 040.140*（401 780.940）（566 038.380）sigma-squared27 685 076*869 115 400000*815 381 910000*gamma0.802*0.836*0.792*loglikelihoodfunction-3 071.983-4 750.035-4 773.916LR 单边误差221.068*269.134*213.074*注：*、*、*分别表示在 1%、5%、10%水平上显著，括号内 t 值。图 1科技资源配置效率变动趋势1.0000.9000.8000.7000.6000.5000.4000.3000.2000.1000.000配置效率20102011201220132014201520162017201820192020TEPESE322023 年第 1 期0.9000.8000.7000.6000.5000.4000.3000.2000.1000.000图 2各区域配置效率变动趋势地区的辐射带动下，逐渐实现效率有效。西部地区的四川、重庆也不甘落后，在西部大开发等政策的支持下，达到较高的配置效率。然而，仍有 14 个省份并没有达到全国配置效率均值，如东部地区海南省的效率均值仅为 0.278，西部地区的青海、新疆效率均值不及0.1，说明这些省份高技术产业不发达，科技创新水平十分落后。见图 3。3结论与对策建议3.1结论本文以我国高技术产业为研究对象，通过构建三阶段 DEA 模型，测度其科技创新资源配置效率，分析其空间分布格局及演变规律。结果表明：劳动教育素质、基础设施建设等环境因素都会对投入冗余产生影响。科技创新资源配置效率整体呈现上升趋势，但是整体效率水平不高，仍存在很大的提升空间；科技创新资源配置效率的地区间差异较大，西部地区的配置效率远低于东中部地区。3.2对策建议1）降低资源投入冗余，提高资源利用效率。对于科技财力资源，要建立有效的科研经费监管机制，提升科研经费使用效率。一方面，对科研项目进行事前评估，确保项目的创新性、立项的必要性，提高资金投入的精准性和科学性。另一方面，强化科研项目的事中和事后监管，对项目的产出成果、经济效益进行评估，为下一阶段的经费调整提供依据。2）提高劳动教育素质，引导人才合理有序流动。一方面加大中央及地方政府的教育经费投入力度，强化中、西部地区高等教育振兴的财政支持政策，实现教育、创新资源的精准扶持。另一方面深化户籍体制改革，建立健全城市落户制度，为流动人口提供子女教育、医疗卫生、社会保险、住房保障等基本公共服务，鼓励人才跨区域就业。3）完善基础设施建设，提升科技创新承载力。一是完善交通基础设施建设，降低货物运输成本及人员流动成本，加速区域间要素流动，促进区域间产业合作创新。二是加强信息基础设施建设，推动