杜俊枢
(常州信息职业技术学院数字经济学院 江苏常州 213164)
高新技术产业是现代产业体系的核心，是现代化经济体系的重要支柱，具有高投入、高风险和高附加值等特点，在推动产业升级、优化资源配置以及获取国际核心竞争力上具有重要的作用。促进高新技术产业发展的核心依靠的是创新，而人力、物力和财力等创新资源配置效率，直接影响高新技术产业创新的竞争力。高新技术产业创新资源的配置效率问题一直以来是很多学者关注和研究的重点。
现有文献关于高新技术产业创新效率测量方法的研究主要分为两大类：一类是构建基于数据包络分析法的模型(简称DEA)对高新技术产业的技术研发效率进行测量和评价。例如，黄海霞和张治河[1]采用DEA方法对2009年至2011年我国战略性新兴产业科技资源的配置效率进行了实证研究，发现其整体的配置效率在不断提升，但没有达到最优状态，并且同一行业以及不同产业之间的效率差异比较大。付雪阳[2]采用DEA和DEA-COST方法对重庆市高新技术各产业的创新效率进行了对比分析，并对资金结构、教育水平等因素与创新效率之间的内在逻辑关系进行了深入探索，进一步指出了影响创新效率的各因素重要性大小。尹洁[3]等基于创新生态系统的视角从同化、生长和利用3个阶段采样DEA和Malmquist指数对我国2008至2015年的高新技术产业的创新效率进行了研究。另一类是采用随机前沿生产函数(简称SFA)对高技术产业的研发效率进行测量和评价。韩晶[4]采用SFA方法对我国高技术产业创新效率进行了实证分析，发现电子、计算机及相关行业的创新效率最高，装备制造业最低，并进一步分析了企业数量、产业内三资企业总资产和产业利润对创新效率的影响关系。易明[5]等通过构建SFA模型对我国2000年至2015年27个省市8大经济区域的高新技术产业创新效率进行了实证研究，重点分析了其创新效率的时空分异特征及其影响因素。王成东和蔡渊渊[6]采样行业面板数据和SFA方法对我国装备制造业三阶段效率进行了研究，对影响因素进行了测度和实证研究。
对比发现，基于DEA模型的方法在使用条件上较为客观，不同阶段的数据具有可比性，并且构建的生产函数模型或者分布假设不需要确定性，避免了设定误差。目前学术界对效率类变量的测评采用的主流方法以DEA为主。鉴于此，本研究采用三阶段DEA方法对江苏高新技术产业的创新资源配置效率进行综合评价和分析。
1.1 模型构建
三阶段DEA模型是由Fried等学者于2002年在对一般DEA模型基础上进行改进后提出来的。该模型的优点在于增加了第二阶段相似SFA模型，消除了传统DEA模型中的环境因素和随机误差因素的影响，并将非参数方法和参数方法有效结合，使最终计算得出的效率值相对真实客观，并具可操作性。
1)第一阶段传统DEA模型。传统DEA模型主要分为CCR模型和BCC模型。CCR模型主要用来分析在规模报酬不变情况下决策单元测度效率的问题。BCC模型则与之相反，是在规模报酬可变条件下对效率的测度，更贴合实际情况。BCC模型分为产出导向型和投入导向型两类，前者是分析在产出一定的情况下如何使投入最少，后者是在投入要素一定的情况下研究如何使产出最大。BCC模型运算可得出纯技术效率、规模效率以及决策单元的要素投入松弛量，其中技术效率和规模效率的乘积可得到综合创新效率值。高新技术产业与传统行业相比，在投入和产出上存在较大差异，尤其是创新活动的产出通常具有较高的技术含金量，其边际收益的不确定性也较高，因而规模报酬的不变性较难适用于高新技术产业，因此本文采用投入导向型BCC模型。模型如式(1)所示。
minθ-ε(eTS-+eTS+)
(1)
对应的约束条件为：
其中，j=1,2,3…，n表示决策单元，X和Y分别表示投入和产出量。S+和S-分别表示投入和产出变量对应的松弛量，λ表示权重系数，ε表示无穷小量。
2)第二阶段相似SFA模型。在第一阶段DEA分析得出投入和产出对应的松弛变量，不仅与决策单元的管理无效率有关，还会受到外部环境因素以及随机误差项的影响，即得出的效率损失难以区分是由于内部管理的因素引发还是由外部环境和随机误差因素引发。在这一阶段，通过对投入变量的松弛值进行分析，可以剥离出管理无效率、环境因素以及随机误差这三类因素对效率产生的影响和干扰，可以使每个决策单元面对相同的环境因素，进而能够排除影响。对此，构建以BCC模型获得的松弛变量s为因变量，外界环境因素X为自变量的SFA模型，如式(2)所示。
sij=β0+Xβ+vij+uij
(2)
其中，sij表示第i个决策单元在j类投入资源上的松弛变量，X表示各类环境因素，β表示各环境因素对应的系数向量，β0表示回归方程的常数项。vij+uij表示混合误差项，前者表示随机误差项，后者表示管理无效率误差项，并且这两个误差项之间彼此相互独立。设定如下变量γ的计算式(3)。
(3)
其中σju和σjv分别表示随机误差项和管理无效率误差项对应的方差。如果计算得出γ值越小越趋向于0，则表明随机误差项的影响很小，可以忽略。如果计算得出γ值越大越趋向于1，则表明管理无效率对综合效率的影响较大。根据第二阶段SFA模型得出的数据处理结果，可以对决策单元在投入量上做出重新调整，因而可以将环境因素和随机干扰因素进行分离，调整后的资源投入值计算公式如式(4)所示。
(4)
3)第三阶段调整后的DEA模型。第二阶段获得调整后的投入量，将其代替调整前的投入量，重新代入DEA模型中的BCC模型进行效率计算，可以算出调整后的纯技术效率值和规模效率值，然后将两者进行相乘，可以得到综合创新效率值，能够相对真实地反映各地区在高新技术产业资源配置上的实际效率值。
1.2 变量选取
如前所述，创新资源配置效率的计算涉及多个方面的因素，本研究从投入、产出以及环境变量三大方面进行变量的选取。
1)创新投入变量。高新技术产业创新活动中最直接的投入要素体现在人力资本和研发资本。人力资本投入从两方面来衡量：从事高新技术产业研发的人员数量和研发人员折合全时当量。研发资本投入从三方面进行测量：研发资金的支出金额、新产品开发的经费支出金额以及从事技术改造的经费支出金额。
2)创新产出变量。对创新产出的衡量从实际经济产出和专利产出两方面衡量。实际经济产出体现在两个方面：新产品的开发项目数和新产品的销售收入金额。专利产出方面用各地申请授权的发明专利数来表征。
3)环境变量。环境变量涉及5个指标：①技术环境。高新技术产业的研发对象通常是高精尖的技术密集型产业，当地数量众多的研发机构和高等院校对高新技术产业的创新发展有积极的促进作用。本研究采用当地科研院所的数量进行测量。②所有制结构。企业所有制性质对其开展高技术研发的决策有影响，多数研究认为非国有企业的技术研发效率比国有企业要高。本研究采用高新技术中国有企业总产值占当期高新技术总产值的比值进行测量。③企业规模。企业规模对企业创新效率的影响不一，学术界尚未给出确定性的研究结论。由于不同行业的企业规模难以统计，为方便统一计算和测评，本研究采用高新技术产业的总产值除以本行业企业数量进行测量。④政府支持程度。高新技术产业的研发创新活动由于涉及的资金量大、风险高，通常需要政府的支持政策。本研究采用研发资金中政府支持资金占总研发资金的比重来测量。⑤外资占比。高新技术企业开展创新活动通常会对标本行业中的欧美企业，通过开放式创新活动与国外相关企业开展交流和技术合作，以提升本企业的创新实力和效率。本研究采用中外合资企业和外资企业所在行业的总产值比重来表征当地外资占比。
1.3 数据来源
根据江苏省科技厅、江苏省统计局2018年发布的《江苏省高新技术产业统计分类目录》，本研究涉及的高新技术产业包括航空航天、电子计算机及办公设备、电子及通信设备、仪器仪表、医药、智能装备、新材料、新能源等八大类制造业，每一大类下面又细分很多行业。数据获取上，本文采用江苏13个地级市2018—2020年的高新技术产业数据进行分析，各数据来源于各市统计年鉴以及江苏科技统计网，并对涉及高新技术产业的各行业数据进行加总。受限于一些细分行业没有详细数据，因此八大高新技术产业的数据是根据已有细分行业的数据整理而来。由于投入与产出之间需要一定的时间周期，即投入转化为产出存在时滞性，本研究采用时间滞后1年的方法进行分析。此外，为了减少价格因素的影响，对变量中的新产品销售收入、研发经费投入、外资产值、高新技术产业总产值等指标进行价格调整，具体为按照同期工业品出厂价格指数(PPI)进行平减。
2.1 一阶段DEA实证分析
本阶段基于投入导向的BCC模型，采用DEAP2.1软件对江苏13个地级市的高新技术产业的创新效率进行分析，计算结果如表1所示。
表1 江苏省2018—2020年各设区市高新技术产业创新效率情况表
从表1中可以看到，在没有外部环境和随机误差因素影响下，2018年至2020年江苏13个地市高新技术产业的创新效率偏低，这三年的综合效率均值分别为0.791、0.807和0.764，三年的整体均值为0.787。效率偏低说明资源的投入与产出严重不匹配从而导致资源浪费较为严重，反映有21.3%的投入没有创造相应的价值。13个地级市间的综合效率差距较大，其中苏州的综合效率在这三年最高，平均值为0.932，其次是无锡为0.866，淮安和宿迁排名较低，分别为0.642和0.739。从整体来看，江苏13个地级市的创新综合效率均为无效率状态，因为每个地级市的综合效率值均小于1，说明普遍存在研发效率较低的问题。从规模报酬变化情况来看，以2018年为例，徐州、连云港和常州三地处于规模报酬递减状态，说明这三市增加创新资源投入可能还会导致创新效率的降低，存在产能过剩的问题。2020年受疫情影响，除南通和泰州外，其他11市均处于规模报酬递增状态，说明创新效率还有很大的提升空间。
表2为2018年至2020年江苏各设区市高新技术产业纯技术效率与规模效率情况表。从表2可以看出，2018年至2020年期间各地级市的纯技术效率以上升趋势为主，其中南京、无锡、常州、苏州和南通有纯技术效率为1的情况，说明这5个城市高新技术产业创新的管理水平较高。另外，镇江和宿迁的纯技术效率值相比其他城市偏低，说明这2个城市需要对管理水平和高新技术产业的生产规模进行优化和改进。从纯技术效率和规模效率横向比较来看，各地级市的规模效率均值多数比对应年份的纯技术效率要高，如2018年江苏各地级市纯技术效率均值为0.855，规模效率均值为0.929。可以看出，江苏高新技术产业创新效率的原因主要受制于行业技术研发水平低、技术成果转化率不高和经营管理水平薄弱等因素的影响。
表2 2018年至2020年江苏各设区市高新技术产业纯技术效率与规模效率情况表
2.2 第二阶段SFA实证分析
在第一阶段获得效率数据基础上，将本研究中涉及的技术环境、所有制结构、企业规模、政府支持程度和外资占比5个变量对应的松弛变量作为自变量，研发经费支出金额、新产品开发经费支出金额和技术改造经费支出金额作为因变量进行SFA回归运算，2018年数据的回归结果如表3所示。
表3 二阶段SFA回归结果
从表3中可以看出，单边似然比检验、方差值和γ值均通过了显著性检验，模型的估计结果可以接受。自变量环境因素5个指标的松弛变量的回归系数大部分通过了显著性检验，说明这些因素对高新技术产业创新投入冗余具有显著的影响。此外，由于γ值分别为0.001、0.036和0.004，说明管理效率的无效也由一部分外部因素引发，因此，需要对环境和随机干扰因素进行剔除。
从回归方程的系数值来看，技术环境对应的回归系数值为正且具有显著性水平(P<10%)，说明对产业所在技术环境的改善能够提高高新技术产业研发投入的冗余程度。技术环境代表当地高等院校和科研院所的数量，这些机构的数量越多，则与产业结合的可能性越大，相关合作也会越多。产学研合作参与方数量越多，关系链也就越长，因此在创新活动中出现投入冗余的情况在所难免。所有制结构对应的回归系数值均为负值，但不具有统计学上的显著性，说明国有企业的产值占比对创新资源的投入冗余影响不大。企业规模对研发经费支出、新产品开发经费支出和技术改造经费支出的松弛变量的影响均为正且具有显著性水平，说明高新技术企业自身规模的发展壮大会增加创新投入冗余。这一研究结论与规模效应相反，说明当前江苏高新技术企业对研发投入的增加与企业规模扩张有较大关系。政府支持的回归系数值为正且通过1%的显著性水平，表明政府对高新技术产业的政策和资金扶持，会使企业加大研发投资力度，因而造成资源浪费。外资占比的系数为负并且通过显著性水平检验，说明引入外资有助于当地高新技术产业创新资源投入的优化，当地企业通过经验学习可以提高资源利用效率，减少冗余资源的投入。
2.3 第三阶段DEA实证分析
剔除环境变量和随机干扰因素后，对第二阶段获得的创新资源投入值进行调整，再使用DEA模型中的BCC模型进行重新计算，得到调整后的创新综合效率值，计算结果见表4所示。
表4 三阶段DEA模型的创新综合效率(2018年)
从表4中可以看出，就各地级市的综合效率值而言，除苏州、盐城外，其他地级市调整后相比调整前的值要高。2018年调整前的综合效率均值为0.791，调整后的为0.826，提高了0.035。纯技术效率值被低估，均值由0.855的提高到了0.914，提高了0.059；
而规模效率则被高估，均值由0.929下降到了0.902，下降了0.027。由此可看出江苏高新技术产业创新效率被拉低的主要原因在于规模效率偏低。从综合效率的整体情况来看，调整前的效率值比调整后的值要低，说明环境和随机干扰因素产生了作用。从纯技术效率看，无锡、常州和苏州的值在调整前后均没变化且为1，说明这3个城市高新技术产业的纯技术效率值没有受到环境和随机因素的影响。其他10个城市的纯技术效率值均有不同幅度的上升，说明受环境和随机因素的影响较大，这些城市的创新纯技术效率值被低估了。从规模效率看，无锡、徐州、常州、扬州和泰州有一定程度的上升，其余8市的规模效率值均有不同程度的下降，说明这些城市调整前的规模效率就被高估了。
3.1 研究结论
一方面，当前江苏高新技术产业的创新资源效率偏低，这与纯技术效率较低有直接关系。江苏13个地级市的创新效率存在较大差异，总体而言，南京、苏州、无锡和常州的创新效率较高，其次是南通、扬州、徐州和泰州，宿迁和淮安的创新效率较低。从各地级市综合效率构成来看，纯技术效率整体比规模效率值要低，导致创新效率偏低的主要原因是创新资源投入冗余或者创新产出不足。
另一方面，各环境因素对高新技术产业的创新资源配置效率有显著影响。政府对高新技术产业发展的政策导向体现在提供政策、资金支持、改善技术环境的同时，也可能会引发行业、企业更多创新资源的投入冗余，表象上提高了创新效率，但实际造成了资源的浪费和资源要素的低效错配。技术环境的改善以及高等科研院所与产业的有效融合，增加了高新技术企业的研发投入冗余。由于高新技术企业的创新链通常较长，合作企业较多，技术研发周期较长、风险较高，为确保研发创新实效，在创新活动过程中投入的各项创新资源过多而出现冗余的情况难免发生。适中的企业规模可以降低企业对创新资源的投入，使规模效应能在技术创新活动中真正体现，同时也有利于提升创新效率。此外，引入外企可有效降低企业生产要素的投入，通过合作、学习可以节约资源，提升使用效率。
3.2 政策建议
基于以上研究，可以从以下三个方面提升江苏创新资源配置效率。首先，各地级市应该结合自身综合效率的实际情况因地制宜，采取不同的政策措施。纯技术效率偏低的地级市在经营管理和制度制订上需要下功夫，学习其他城市先进的管理理念和方法，完善现有的高新技术产业相关制度。对于规模效率偏低的地市，可以增加高新技术产业的规模，但要与企业自身资源和行业发展相适应，努力提升规模效应。其次，加大对企业所有权制度的改革，使高新技术企业朝现代企业治理结构和激励机制方向变革，促进创新资源配置既有效益导向又有效率导向。同时，相关政府部门还应发挥“指挥棒”的作用，引导不同所有权性质的企业积极参与合作，开展合理的市场竞争。第三，继续对高新技术产业提供政策和资金支持，使不同的创新资源形成合理适度的流动，尤其对于高新技术产业发展水平相对落后的几个地级市，可以给予一定的政策倾斜和优惠。
猜你喜欢高新技术规模效率科学创新人才的适度规模培养科学与社会(2022年1期)2022-04-192020年我国机器人产业规模达1000亿元智能制造(2021年4期)2021-11-04发展前景广阔的淮安高新技术开发区华人时刊(2020年13期)2020-09-25提升朗读教学效率的几点思考甘肃教育(2020年14期)2020-09-11高新技术在跨境并购中的价值评估中国外汇(2019年14期)2019-10-14贵州省2019年高新技术企业增长40%大众科学(2019年11期)2019-03-23全省前三季度高新技术产业产值同比增长11.6%大众科学(2019年12期)2019-03-23规模之殇能源(2018年7期)2018-09-21Mentor Grpahics宣布推出规模可达15BG的Veloce Strato平台汽车零部件(2017年2期)2017-04-07跟踪导练（一）2时代英语·高二(2015年1期)2015-03-16