基于DEA—Malmquist指數的四川創新科技效率評價分析

黃寰　王瑋　曾智

摘要：以川、滇、黔等7省和全國科技創新產業近年投入產出數據為基礎，以內生增長理論為依據，運用數據包絡模型對其馬氏距離和科技創新產業的全要素生產效率進行測算。結果表明：全要素生產效率變化中其規模效率變化率排序最符合各省的科技創新水平；四川省六大支柱創新產業集中度高，產業集聚效應與輻射效應明顯，科技創新優勢在于R&D人員數量和勞動力占比不斷提高；科技創新產業布局嚴重不均和尖端科研人員增長緩慢是制約四川科技創新快速發展的重要因素。通過四川省科技創新產業聚集程度對2015年高新技術企業產值進行預測，預計2015年及以后四川省高新技術企業產值增長率能夠穩定在20%的水平。

關鍵詞：科技創新效率；內生增長理論；馬氏全要素生產率

DOI：10.13956/j.ss.1001-8409.2015.10.28

中圖分類號：F014.7 文獻標識碼：A 文章編號：1001-8409（2015）10-0131-05

Abstract：Based on the technological industries inputoutput data of nation， Sichuan， Yunnan， Guizhou and other four provinces，combined with the endogenous growth theory， this paper uses the DEAMalmquist model calculated the Malmquist distance and TFP（total factor productivity ）.Results show that： among all the indexes which constitute TFP， the scale efficiency changes best meet the real level of technology innovation efficiency of the seven provinces； six main innovation industries of Sichuan are high concentrated， industrial clustering effect and radiation effect is obvious， the advantages of technology innovation lies in the improvement of R&D labor force number and the proportion it takes. At the meantime， the problems of inequality layout of technology innovation industries and slow growth of cuttingedge research personnel combined with other issues are the elemental factors that impede the growth of Sichuan technology innovation. Through the aggregation level of Sichuan high technology industries， it can be expected the value of output of hightech enterprises growth stabilize at 20% level.

Key words：technology innovation efficiency； endogenous growth theory； Malmquist total factor productivity

1引言

我國經濟發展正在進入以改革推進新常態經濟增長模式，改變過去主要依靠基礎建設投資，勞動密集型制造業出口的方式，積極向依靠高端技術出口、工業升級轉變。在此背景下，多數省都提出了創新驅動發展戰略。然而，創新驅動發展戰略的實現不止是一種思路，更需要有堅實的創新驅動力。創新驅動的主要動力在于科技創新，科研人員數量和資本積累對科技創新的效率有重大影響。羅默等人從阿羅的“干中學”觀點出發，對依靠科技創新為動力的內生經濟增長理論做出了重大貢獻。

羅默的內生經濟增長模型強調技術進步，在經濟增長上可以反映為生產效率的提高、投入產出比的降低。所有內生增長模型都試圖將技術納入增長模型，強調經濟增長資本積累導致技術進步，而技術進步則進一步帶來經濟增長[1]。Aghion則提出在依據科技創新的情況下，平均經濟增長率會始終圍繞社會最佳增長率上下波動，因為技術外溢的正效應會使其他研究者可以不用補償地使用現有技術，與此對應，這種免費的使用是一種“商業偷竊”效應，其又會在促使經濟低成本增長的同時減少未來創新[2]。

科技創新發展效率特別是一定區域內科技創新發展效率會直接影響本區域內的科技產出效率，分析區域創新效率可以客觀反應特定區域的資源配置和營運能力等指標[3]。四川省擁有以成都、綿陽、德陽等為首的高新技術帶，形成了以電子產品、重大裝備制造等為核心的高新技術產業鏈，在科技創新方面有較好的基礎，并且在財政撥款和人員投入方面在西部有明顯的優勢[4]。但是四川省大中型企業的專利發明申請數和擁有數與其他科技創新大省相比還較少[5]，科技創新對經濟效益的轉化較低。盡管如此，四川仍然能夠通過提升產品質量和勞動人員熟練程度并加強R&D投資來獲得更強的競爭力[6]。

上世紀50年代瑞典經濟學家 Sten Malmquist建立了Malmquist 指數，其首先用于消費分析（劉井建，梁冰，2010）。1982年Caves、Christensen和Diewert將決策單元（Decision Making Unit， DMU）引入了Malmquist指數，從而得到了投入角度和產出角度的Malmquist全要素生產率（Malmquist TFP），TFP測算了廠商的投入生產效率（劉金芳、徐樅巍，2012），測算科技創新產業的生產效率可以反映本區域科技成果轉化水平。陳偉使用GEM-DEA測算了全國30個省的科技成果轉化效率，得出資金和人才等要素的使用效率高，對提高科技成果轉化效率有促進作用的結論[7]。董潔采用隨機前沿分析模型對全國科技成果轉化效率進行分析，得出中西部地區科技成果轉化效率明顯低于東部地區，某些省份已經出現資金和人員的冗余，其市場轉化、科技環境和政府支撐是提高科技轉化效率的關鍵[8]。

本文以羅默內生經濟增長理論為基礎，分析川、滇、黔等主要省份促進經濟內生增長的關鍵要素，通過DEA數據包絡模型測算其馬氏距離函數，進而求得相應地區科技創新產業的技術效率、規模效率變幅。通過指標比對綜合評價四川科技創新效率，分析四川科技創新的優勢與劣勢對創新驅動經濟發展做出預測。

2科技創新效率評價的理論基礎與方法

內生經濟增長理論觀察到長期實體生產中，企業與廠商的經濟增長并沒有因生產要素邊際報酬遞減而減少，許多發達國家更是保持了經濟長期增長。通過引入科技創新，內生增長理論客觀地反映了科技創新是導致部分國家與地區經濟持續上漲而部分地區經濟增長停滯的原因。

內生增長理論較為系統地研究了科技創新對經濟的帶動作用，相較于古典經濟學其將技術增長內生化，Romer提出了中間產品的概念，合理地解釋了技術進步帶動經濟增長與資本積累促進科技進步的循環作用，將科技創新內生化。

21內生增長理論

科技創新對經濟發展有著至關重要的作用，相對于新古典經濟學將儲蓄率作為決定經濟增長的唯一因素的做法，以羅默為代表的內生增長理論將技術進步納入經濟增長的模型之中，認為技術進步是經濟持續增長的發動機，提出了“知識外溢長期增長模式”。

從羅默第二個模型來看，經濟增長不僅與總體勞動力數量有關，還與研究部門的勞動力正相關，與研究部門利用現有設計或科技進行設計研究的能力相關，與時間偏好負相關。由于中間產品生產企業無法對生產中存在的溢出效應內部化和對生產進行勞動細分，其增長率總是小于社會最優水平[9]。這個模型并沒有考慮舊的中間投入會隨著時間而變得過時，那么科技創新技術并不會帶來如模型中那樣系統性的經濟增長，并且也不能像模型中那樣抵消經濟增長中邊際收益遞減。

22全要素生產效率對科技創新的衡量

全要素生產率（Total Factor Productivity，TFP）適合于衡量生產的效率，并且能夠將總效率進一步細分，從而從多個角度看到行業生產效率的變化。

羅默的第二個模型指出，經濟增長率主要依靠于研究設計，而經濟的持續增長和要素的規模報酬遞增也依賴于此。歸根結底，創新在經濟增長中發揮著重要作用，適當的高創新效率會帶來高的經濟增長。之前許多學者發現，亞洲四小龍的TPF其實并不高甚至比其他亞洲國家還低，例如Young等認為亞洲四小龍的經濟增長主要是依靠要素數量的積累，最終會因為回報遞減而面臨增長停滯[10]。

TFP能很好地衡量行業的總體生產效率，并將TFP劃分為純技術效率變化、規模效率變化、技術變化，而純技術效率的變化可以衡量羅默模型中的δ的變化，而規模變化則可以刻畫的質量變化。所以TFP雖然不能夠完全解釋經濟增長，但卻能反映羅默模型中的研究部門要素效率，為進一步解釋內生經濟增長提供了依據，也為指導研究、創新發展指明了方向。

23馬氏全要素生產率

馬氏全要素生產率（TFP）是建立在馬氏距離函數上適合于測量行業或多廠商的績效變化，其通過廠商的利潤率比值和價格縮減函數推導得出[11]，TFP的計算方法有很多，但無論什么方法都滿足同等產出，投入少的效率之高的條件，反之亦然。利用malmquist距離函數計算的全要素生產率即為馬氏全要素生產率（Malmquist TFP）：

3省域馬氏全要素生產率分析

根據羅默內生增長理論，經濟增長受創新決策單元的創新效率和創新人員影響，本文選取北京、上海、廣東、江蘇、云南、貴州、四川7個省域2005年至2012年的創新投入和產出進行分析，通過將西部省份與東部和全國一線創新省域比較，分析其TFP的構成及其變化趨勢，再依照內生增長理論著重分析四川省的創新效率以及對經濟的影響。

根據圖1各個省的全要素生產率變化一致，在2006年至2012年的7年里，7個省域和全國總體來說全要素生產率上漲，其中上海和江蘇有5年上漲，雖然江蘇沒有像全國其他地方在2011年出現了快速上漲，但在2012年保持了最強勁的增長勢頭。然而，全要素生產率并不能完全體現東部創新省與西部的區別，原因如solow和Greenwood總結TFP與現實相左的原因一樣，TFP并沒有體現要素的異質性和要素質量變化，也無法衡量技術外溢

的影響。例如，江蘇的工業基礎深厚，在機械制造、新能源等領域有較強實力，但卻一直在嘗試經濟轉型升級，TFP不能衡量在轉型中的技術外溢，而2012年江蘇形成的以電子商務為增長極點的經濟正逐步走強，帶動以商業為基礎的全行業經濟升級，TFP不能計算出江蘇省的外溢效應。相反，西部工業產值相較于東部差距不大，但其工業創新能力卻與東部城市有較大差距，西部省份接受東部產業轉移多于自身產業科技創新對經濟的貢獻，而TFP卻不能區分出兩種技術進步的差異，隨著西部省接收東部省制造業轉移的數量增多、勢必造成非研究人員勞動力L1的價格上漲，從而西部L1人口增加，不變。根據羅默第二模型g=aδ-ρα+ε，經濟增長率短期不會減少，但研究人員占勞動力比例下降，由科技創新帶來的經濟增長g=δL2下降，如果繼續依靠接受東部省份低端制造業產業轉移發展經濟，最終經濟增長面臨要素邊際效益遞減，經濟增長下降。

而規模效率的變化率則能較好地反映東西部科技創新效率差異，從圖2可以看出江蘇和上海的走勢明顯強于其他地區，江蘇從2006年至2009年創新科技產業規模效率沒有太大變化甚至在減少，但是2009年以后卻有明顯提升，和上海走勢相同最終在2012年都保持了20%的增幅。西部省表現卻較為一般，在整個7年中沒有太大的增幅，值得注意的是廣東作為一個發達省，其規模效率變化卻沒有像其他省一樣表現突出。從廣東的創新綜合能力來看，在政府投入、知識創造能力和投入產出比上相對較弱，導致其創新產業的距離函數一直維持在07左右，而對于企業創新方面，企業對研發的重視還不夠，技術升級進程緩慢，但是在最近幾年里，廣東企業創新增加，科技從業人員、專利申請數量均上升。而從產業發展的角度來看，傳統產業升級基本完成，制造業通過前期資本積累已經從中國制造逐漸轉型為中國創造，不僅在生產技術方面出現了改善性創新，也從整個行業里出現了熊彼得提出的創造性毀滅。

無論從全要素效率變化或規模效率變化上考慮，四川在全國范圍內都處于中等水平。從實證可以看出，省域創新效率的高低很大程度上受該省傳統工業基礎的好壞和改革開放后全國經濟發展路徑選擇的影響，并且創新效率是一個動態的、連續的過程[13]。四川傳統工業基礎得益于三線建設，已經發展出了成、綿、德為輻射帶的高新技術產業帶，全省以電子信息為首的高新技術產業和大型重型裝備制造業、高新軟件行業在發展過程中也向成、綿、德區域集聚。四川省工業基礎雖然不如江蘇、上海、廣東等省和地區，但擁有自己獨特的高新技術產業鏈，并且已經形成產業集聚，雖然在軟件、互聯網等產業方面四川基礎薄弱，但近年隨著富士康、英特爾、IBM等公司在成都范圍內落戶，四川后續競爭力逐漸變強。

4四川科技創新效率評價及預測分析

41四川高新技術企業創新產出評價

至2011年高新區共有高新技術企業1325家，相對前兩年有所減少，但從業人員和企業總利潤卻持續增加。分別從2010年的638萬人、3309億元增加到752萬人、4118億元；而工業總產值從2006年的1352億元增長到66222億元，反映出四川省高新技術企業成長迅速而競爭劇烈[14]；從業人員持續增多、產值持續增高、高新企業生產效率符合馬氏TFP測算結果。從產業結構來看，自2007年起四川省確定優先發展電子信息、生物工程、新材料、航天科技、先進制造、核能等六大高新技術產業，經過幾年的快速發展，各優先發展的產業均獲得重大成效，擁有9大戰略產品，80多個重點產品。2011年共實現工業產值42389億元，其中先進制造業產值最多達13067億元，最少的核能等新能源技術則有1211億元[15]。

四川省高新技術產業從業人員也保持不斷增長（見圖3、圖4），從2006年的326萬人增長到2012年的80多萬人，并且每萬人勞動力中R&D人員比例也在不斷提升，2006年全省每萬人勞動力由295人增長到2012年每萬人勞動力82人，年均增幅193% 。根據內生增長理論可以看出，西部科技創新產業勞動力增長強勁，經濟未來創新增長力強，由科技帶來的經濟增長g=δL2與經濟總體增速相當，四川未來科技創新帶動經濟增長勢頭良好。

四川省創新經濟發展也存在很多值得提升的地方，例如四川省R&D人員比其他發達城市來說較少，頂尖人才擁有量較低，兩院院士人數增長也較慢，并且大多數頂尖人才集中在國防科技系統，對于企業和其他經濟部門輻射范圍較小。另外，四川省創新活動的資源與主體分布十分不均，其主要分布在成、綿、德一帶，而其他地區則相對較少，也沒有形成規模。再者，四川省科研機構的R&D經費和人員的投入明顯多于高校，但從科研成果數量衡量，科研機構的成果數量明顯少于高校，創造經濟效益的部門科技創新能力并不足，而高校科研成果還沒有在經濟部門進行快速充分地轉化。

42四川科技創新發展經濟預測

四川省科技創新規模效率變化在2006年至2012年保持穩定增長，在西部居于前列。而自2013年以來，四川省提出了多點多極支撐發展戰略，并且提出了創新驅動發展戰略。根據羅默第二模型g=aδ-ρα+ε，科研人員數量和比例的持續增多在經濟不斷增長帶來的技術進步下，四川省整體科技創新能力會加強。并且我國已進入經濟轉型的重要時期，降低社會總體融資成本是促進改革的重要手段，將流動性釋放并引導其進入實體經濟則是促進各方面創新的必選之路，四川省在這樣的大環境下，合理降低全社會融資成本，促進創新產業聚集，加強優勢產業的輻射，繼續吸引全國范圍高新技術人才，從羅默模型的分子與分母方面入手，能夠迅速加快本省的創新科技發展。

2013年四川省高新技術產業總產值已達到103417億元，居西部第一。而電子信息、先進制造、新材料、航空航天、醫藥生物技術與新能源等六大領域已經占到高新技術產業總產值的519%，產業資本進一步聚集，大中型高新技術企業產值達到全部產值8成以上。假設最終產品生產要素彈性與消費跨期偏好不變，預計2015年全年四川省高新技術企業產值增加將達到20%以上，并將持續保持高速增長水平，六大領域的高新技術企業還將持續聚集，但是占全部高新技術企業產值將有所下降，預計將減少50%左右，而全省高新技術企業地理分布和產業分布也將更為合理。

5結論

馬氏全要素效率的規模效率變化率排序與各省科技創新水平的排序穩合，根據排位靠前的江蘇、上海等省市科技創新經驗，結合內生增長理論，四川省科技創新發展的重點在于提高科技創新人員的比例與質量；同時，四川省也需要科技創新落后地區與成、綿、德周邊地區實現高科技產業聚集，通過提高規模效率實現以科技創新為驅動的經濟發展。

參考文獻：

[1]Rivera-Batiz L A， Romer P M. Economic Integration and Endogenous Growth[R]. National Bureau of Economic Research， 1990

[2]Aghion P， Howitt P. A model of Growth through Creative Destruction[R].National Bureau of Economic Research， 1990.

[3]劉鳳朝， 潘雄鋒. 基于Malmquist指數法的我國科技創新效率評價[J]. 科學學研究， 2007， 25（5）： 986-990.

[4]陸福興. 新型城鎮化進程中的縣域金融創新研究[J]. 成都理工大學學報： 社會科學版， 2014， 22（5）： 38-42.

[5]蔣洋， 魯若愚. 四川省大中型企業自主創新能力分析評價[J]. 軟科學， 2011， 25（2）： 89-93.

[6]Ang J B， Madsen J B. Can Second-Generation Endogenous Growth Models Explain the Productivity Trends and Knowledge Production in the Asian Miracle Economies？[J]. Review of Economics and Statistics， 2011， 93（4）： 1360-1373.

[7]陳偉， 康鑫， 馮志軍， 等. 基于 GEM-DEA 模型的區域高技術企業科技成果轉化效率評價研究[J]. 軟科學， 2011， 25（4）： 23-26.

[8]董潔， 黃付杰. 中國科技成果轉化效率及其影響因素研究——基于隨機前沿函數的實證分析[J]. 軟科學， 2012， 26（10）： 15-20.

[9]Aghion P， Howitt P， Garcia-Penalosa C. Endogenous Growth Theory[M]. MIT Press， 1998.

[10]Moon Y S， Sonn Y H. Productive Energy Consumption and Economic Growth： An Endogenous Growth Model and Its Empirical Application[J]. Resource & Energy Economics， 1996， 18（2）：189-200.

[11]Banker R D， Natarajan R. Evaluating Contextualvariables Affecting Productivity Using Data Envelopment Analysis[J]. Operations Research， 2008， 56（1）： 48-58.

[12]Coelli T J， Rao D S P， ODonnell C J， et al. An Introduction to Efficiency and Productivity Analysis[M]. Springer， 2005.

[13]高曉霞， 芮雪琴， 宋燕. 中國省市區域創新能力動態研究——基于 2001-2010年面板數據[J]. 科技管理研究， 2014， 34（2）： 15-19.

[14]林欣. 區域金融生態優化中的地方政府作用分析——以廣東省為例[J]. 成都理工大學學報： 社會科學版， 2014， 22（2）： 62-67.

[15]凌弈， 劉后平. 城鎮化與區域經濟發展的良性互動——基于成都市龍泉驛區的分析[J]. 成都理工大學學報： 社會科學版， 2014， 22（4）： 68-73.

（責任編輯：王惠萍）