高校科技創新全要素生產率增長的差異與收斂

王效俐，劉娜娜

(同濟大學經濟與管理學院，上海　200092)

?

高校科技創新全要素生產率增長的差異與收斂

王效俐，劉娜娜

(同濟大學經濟與管理學院，上海200092)

摘要：利用Sequential Malmquist指數方法評價中國29個省份1998—2012年高校科技創新全要素生產率增長，并將其分解為純技術效率變化、純技術進步和規模報酬變動，繼而對高校科技創新全要素生產率增長及其分解的差異及收斂進行實證檢驗。研究發現，高校科技創新全要素生產率總體呈現增長態勢。其中，全部省份的高校科技創新均實現了技術進步，但高校科技創新純技術效率則顯著下降，且總體處于規模報酬遞減階段；高校科技創新全要素生產率增長及其分解在區域層面和省級層面均不同程度上存在空間分布差異；高校科技創新全要素生產率增長及其分解的σ指標值呈現波動下降態勢，并且各指標值均存在顯著的絕對β收斂。最后，提出針對性政策建議。

關鍵詞：Sequential Malmquist指數；高校科技創新；全要素生產率；收斂

主要依靠資源和要素投入而非效率提升所引致的科技進步只能是一種表面的虛假繁榮，而高校科技創新全要素生產率的提升才是提高高校科技創新水平的本質訴求和保證高校科技創新永葆青春的不竭動力[1]。全要素生產率是指生產活動在一定時間內的效率，即總產量與全部要素投入量之比[2]。在跨時期的動態條件下，高校科技創新生產要素的配置和利用效率的變化程度可以用全要素生產率來表示[3]。關于高校科技創新全要素生產率問題，已有學者做了有益探索，國外學者更傾向于以具體高校為研究對象，分析高校科技創新成果的轉化問題[4]；國內學者則采用不同的方法，選擇不同的研究對象，以不同的研究視角對高校科技創新全要素生產率展開系列探討。

1研究方法和指標選取

1.1研究方法

傳統的Malmquist指數是以決策單元當期的觀察值構造當期最佳生產技術前沿面，而Sequential Malmquist指數則以決策單元當期及前期的觀察值構造當期最佳生產技術前沿面，因此Sequential Malmquist指數能夠實現“過去掌握的技術不會遺忘”的假定，從而避免在測算全要素生產率指數時出現的虛假“技術退步”，以及由此導致的技術效率“被動提高”等不合理現象。另外，雖然Sequential Malmquist指數能夠有效測度高校科技創新全要素生產率的變化，但是無法說明這種變化的來源，因此有必要對Sequential Malmquist指數做進一步分解，以期發現高校科技創新全要素生產率變化的驅動機制。對Sequential Malmquist指數的分解可以借鑒Malmquist指數分解的思路。F?re R等將用來表征全要素生產率變化的Malmquist指數分解為技術效率變化和技術進步[5]，1994年F?re R等又在1992年的基礎之上，將技術效率變化進一步分解為純技術效率變化和規模效率變化[6]，但是Ray S C和Desli認為F?re R等對Malmquist指數的分解存在邏輯上的錯誤[7]，并對其進行了修正。國內相關研究基本采取了F?re R等的方法對Malmquist指數進行分解，從而對純技術效率變化和規模效率變化做出了錯誤的解釋[8]。基于此，本文按照Ray S C和Desli的思路，將Sequential Malmquist指數分解為純技術效率變化、純技術進步和規模報酬變動，如下式所示：

SM=SPEC×SPTC×SSCH

(1)

其中，SM為Sequential Malmquist指數、SPEC為純技術效率變化、SPTC為純技術進步、SSCH為規模報酬變動。SPEC度量了不同時期決策單元相對于生產前沿的距離，SPEC>1表明純技術效率改善，反之純技術效率下降；SPTC度量了不同時期生產前沿的移動，SPTC>1說明技術進步，反之技術退步；SSCH則度量了沿著同一生產前沿的規模效率變化，SSCH>1說明規模報酬遞增，反之規模報酬遞減。

1.2指標選取

根據高校科技創新活動的特點，需要從輸入和輸出角度確定高校科技創新投入產出指標。基于此，在現有文獻[9-10]的基礎上，并考慮數據的可獲得性，確定高校科技創新投入產出指標體系(見表1)。

高校科技創新投入是指高校在科技創新活動中所投入的各種科技創新資源，高校科技創新產出是科技創新資源通過高校科技創新系統加工生產之后，所形成的能夠反映高校科技創新能力的重要元素。如表1所示，以上指標數據均來自于相應年份的《高等學校科技統計資料匯編》。

雖然投入產出指標之間的共線性并不影響Sequential Malmquist指數模型的效率測度結果[11]，但是如果投入產出指標數量過多，會降低模型測算結果的區分度，因此，本文根據投入產出指標的性質，把相關性較強的二級指標按照一定的權重做合并和歸類處理，以降低指標維度。由于熵值法完全根據指標的變異程度確定指標權重，避免了人為干擾，保障了各指標權重的客觀性，因此，我們采用熵值法對各個二級指標進行賦權。各二級指標經過標準化和同度量化處理后，按照各自的熵權加權合成相應的一級指標當量值，最終形成兩個投入指標，分別為人力資源當量(X1)和科研經費當量(X2)，以及四個產出指標，即論文及著作當量(Y1)、科技項目當量(Y2)、科技成果獲獎當量(Y3)和科技服務當量(Y4)。

表1　高校科技創新投入產出指標體系

注：技經費撥入合計為科研事業費、主管部門專項費、其他政府部門專項費、企事業單位委托費、各種收入中轉為科技經費以及其他費用的加總。

2測算結果及分析

本文利用Sequential Malmquist指數測算了1998—2012年中國29個省份的高校科技創新全要素生產率，并按照Ray S C和Desli方法對其進行分解(由于篇幅限制未給出具體的計算結果，如果需要可向筆者索要)。

2.1高校科技創新全要素生產率增長及其分解的統計特征分析

表2描述了高校科技創新全要素生產率增長及其分解的統計特征。由表2可知，首先，全國高校科技創新全要素生產率在考察期內的平均增長率為0.21%，表明全要素生產率總體呈現增長特征，全要素生產率增長的省份多達21個，占樣本總數的72.41%，而全要素生產率下降的省份只有8個，占樣本總數的27.59%，可見大部分省份的高校科技創新全要素生產率均實現了增長；其次，全國高校科技創新純技術效率在考察期內的平均增長率為-0.27%，說明純技術效率出現了下降，純技術效率下降的省份多達25個，保持不變的只有3個，上升的只有陜西省；再次，全國高校科技創新純技術進步率為0.61%，表明純技術進步率總體呈現增長特征，且全部省份的高校科技創新純技術進步率均保持一定增長，可見Sequential Malmquist指數方法實現了“過去掌握的技術不會遺忘”的假定；最后，全國高校科技創新規模報酬變動指數小于1，說明全國高校科技創總體處于規模報酬遞減階段，規模報酬變動率下降的省份有22個，增長的省份有7個。

表2　高校科技創新全要素生產率增長及其分解的統計特征

2.2高校科技創新全要素生產率增長及其分解的空間差異分析

圖1為中國東部、中部和西部地區高校科技創新全要素生產率增長及其分解的空間分布情況。由圖1可知，東部地區高校科技創新全要素生產率指數大于中、西部地區，中部地區高校科技創新全要素生產率指數最低；西部地區高校科技創新純技術效率變化指數最高，東、中部地區高校科技創新純技術效率變化指數相差不大；東、中、西部地區高校科技創新純技術進步指數依次遞減；中部地區規模報酬變動指數略高于東、西部地區，東部地區規模報酬變動指數最低。出現這種結果的主要原因在于，高科技產業主要分布在經濟較為發達的東部地區，東部地區的科技創新能力較強，位于該地區的高等學校可以更為便捷的享受技術進步與創新成果，故而東部地區高校科技創新純技術進步指數相對較高。另外，由于東部地區政府財政能力較強，往往向該地區高校科技創新活動投入過多的資源，容易形成龐大的科技創新規模，甚至出現冗余的科技創新投入，所投入的資源很難被充分利用，從而導致東部地區高校科技創新純技術效率變化指數以及規模報酬變動指數偏低。

圖1　東、中、西部地區高校科技創新全要素生產率增長及其分解的空間分布

為進一步分析各省份高校科技創新全要素生產率增長及其分解的空間分布差異，首先利用四分位數方法，將高校科技創新全要素生產率增長及其分解離散化為4種類型，分別用來表示各指數值的高低，然后運用ArcGIS 10.0軟件對各省份的數據進行可視化處理，從而繪制出各省份高校科技創新全要素生產率增長及其分解的空間分布圖(由于篇幅限制，該圖未呈現)。高校科技創新全要素生產率指數較高的省份主要分布在東部地區，排名靠前的省份主要有河北、陜西、河南、山東、海南、重慶、安徽、天津和浙江等，位于西部地區的陜西省高校科技創新全要素生產率指數偏高的主要原因是，由于該省集中了大量高等院校，而且高等院校的綜合實力較強；高校科技創新純技術效率變化指數排名靠前的省份主要有陜西、北京、江蘇、海南、安徽和寧夏等，排名靠后的省份主要有上海、天津、山東和黑龍江。值得一提的是位于西部地區的云南、四川、內蒙古、新疆和甘肅等省份的高校科技創新純技術效率獲得較快的發展，并且這些省份成連片分布狀態；高校科技創新純技術進步指數排名靠前的省份主要有河北、山東、河南、北京、天津和江蘇等，排名靠后的省份主要有寧夏、貴州、海南和內蒙古等；高校科技創新規模報酬變動指數排名靠前的省份主要有海南、天津、江西、甘肅和浙江等，排名靠后的省份主要有北京、河南、江蘇和廣西等，可見該指數各等級省份呈現交叉分布狀態。

3收斂性檢驗

由上述研究可知，各區域和各省份之間的高校科技創新全要素生產率增長及其分解均在不同程度上存在差異，對各地區高校科技創新全要素生產率增長進行σ收斂檢驗和絕對β收斂檢驗，以期發現高校科技創新收斂與發散的變化規律。

3.1σ收斂檢驗

高校科技創新全要素生產率增長的σ收斂是指以標準差、基尼系數等σ指標度量的不同地區高校科技創新全要素生產率指數之間的差距隨著時間的推移逐步縮小(高校科技創新純技術效率變化、純技術進步和規模報酬變動的σ收斂的定義及模型與高校科技創新全要素生產率增長的σ收斂的定義及模型類似，為節約篇幅將不再給出)。本文按照曾先峰、李國平[12]以及韓海彬、趙麗芳[13]的思路，將σ指標定義為：

σt=

(2)

其中，N表示省份數量，t表示時間，SMm(t)表示第m個省份在t時的高校科技創新全要素生產率指數，如果存在σt+1<σt，則高校科技創新全要素生產率增長存在σ收斂。

圖2　高校科技創新全要素生產率增長及其分解的σ指標值

由圖2可知，無論是高校科技創新全要素生產率增長還是其各組成部分(即，純技術效率變化、純技術進步和規模報酬變動)的σ指標值均呈現波動下降態勢，說明被考察對象在考察期內存在σ收斂趨勢。另外，通常認為σ收斂是β收斂的充分條件。因此，初步判斷高校科技創新全要素生產率增長及其分解存在β收斂，為了驗證該結論，本文亦對高校科技創新全要素生產率增長及其分解進行絕對β收斂檢驗。

3.2絕對β收斂檢驗

高校科技創新全要素生產率增長絕對β收斂是指高校科技創新全要素生產率指數較低的省份對較高省份存在“追趕效應”，即前者的全要素生產率指數的增長速度要快于后者的全要素生產率指數的增長速度，最終所有省份的高校科技創新全要素生產率將收斂于共同的穩態水平。根據現有研究[14]，把用于檢驗高校科技創新全要素生產率增長的絕對β收斂模型定義為：

(3)

其中，i代表省份，t和t+T分別表示T時段的期初年和期末年，ln表示取自然對數，SM表示高校科技創新全要素生產率指數，α為常數項，ε為誤差項，β表示期初年高校科技創新全要素生產率指數(lnSMi,t)的系數，若β<0，則高校科技創新全要素生產率增長存在絕對β收斂。

在式(3)的基礎上，利用OLS方法可以對高校科技創新全要素生產率增長的絕對β收斂進行檢驗，按照相同的思路亦可對高校科技創新全要素生產率增長的組成部分進行絕對β收斂檢驗，具體結果如表3所示。

表3　高校科技創新全要素生產率增長及其分解的絕對β收斂檢驗(OLS回歸)

注：(1)本文將樣本期劃分為1998—2000年、2001—2003年、2004—2006年、2007—2009年、2010—2012年五個時間段，分別取1998—2000年和2010—2012年的高校科技創新全要素生產率增長及其分解的幾何平均值作為期初年值和期末年值，T為12年；(2)括號內為估計量的伴隨概率，***、**、*分別表示在1%、5%、10%水平顯著。

由表3可知，高校科技創新全要素生產率增長及其分解的β系數均為負值，并且都通過了1%的顯著性檢驗，說明高校科技創新全要素生產率增長、純技術效率變化、純技術進步和規模報酬變動均存在絕對β收斂。

4政策啟示

(1)由于東、西部地區高校科技創新純技術進步指數差距較大，故應加強西部地區高校與東部地區高校的人才流動與技術交流，通過引進東部地區高校先進的科技創新手段，加快西部地區高校科技創新的技術變遷。

(2)研究結果表明，高校科技創新純技術效率下降幅度明顯，未來尚有不小的提升空間，對此，應加強高校科技創新管理工作的實效性，制定相應的高校科技創新目標與規劃，注重高校科技創新工作人員的分工協作，從目標清晰、權責分明、動態監測的角度，致力于高校科技創新技術效率的提升[15]。

(3)建立以績效為導向的高校科技創新投入機制，政府應根據高校科技創新效率評估結果，優化高校科技創新資源配置結構，對于資源投入過多的省份，應控制投入規模，反之亦然。另外，也應避免投入過剩和投入不足的現象發生，力爭保持投入產出的最優化。

參考文獻：

[1]王美霞，樊秀峰，宋爽. 中國省會城市生產性服務業全要素生產率增長及收斂性分析[J].當代經濟科學，2013，(4)：2-110.

[2]姜彤彤.“985 工程”高校科研全要素生產率測算及分析[J].中國高教研究，2013，(4):38-39.

[3]馬曉龍. 2000—2011年中國主要旅游城市全要素生產率評價[J].資源科學，2014，(8):1626-1628.

[4]高燕楠.高校科技創新效率及影響因素的實證研究[D]. 天津：南開大學，2010.

[5]F?re R,Gross kopf S,Lindgren B,Roos P. Productivity Changes in Swedish Pharmacies 1980—1989:a Non-parametric Malmquist Approach[J]. Journal of Productivity Analysis,1992,(3):85-101.

[6]F?re R,Gross kopf S,Norris M,Zhang Z. Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J]. American Economic Review,1994，(84):66-83.

[7]Ray S C,Desli E. Productivity Growth Technical Progress,and Efficiency Change in Industrialized Countries:comment[J]. American Economic Review,1997，(87):1033-1039.

[8]章祥蓀，貴斌威. 中國全要素生產率分析：Malmquist指數法評述與應用[J]. 數量經濟技術經濟研究，2008，(6):112-116.

[9]王楚鴻，楊干生. 全國高校科技人員投入產出效率分析——基于1992—2007年面板數據的研究[J]. 華南師范大學學報(自然科學版)，2010，(3):115-120.

[10]周靜，王立杰，石曉軍. 我國不同地區高校科技創新的制度效率與規模效率研究[J]. 研究與發展管理，2005，(1):109-117.

[11]石義全，錢振華，成剛. 指標選擇對醫院效率評價的影響——以2010年省級數據DEA模型為例[J].中國衛生政策研究，2012，(3):67-72.

[12]曾先峰，李國平. 我國各地區的農業生產率與收斂：1980—2005[J]. 數量經濟技術經濟研究，2008，(5):82-91.

[13]韓海彬，趙麗芬. 環境約束下中國農業全要素生產率增長及收斂分析[J]. 中國人口·資源與環境，2013，(3):70-75.

[14]Barro R,Sala-i-Martin X. Convergence[J]. The Journal of Political Economy,1992,100：223-251.

[15]董友.地方高校科技創新協同機制與政府宏觀管理研究[D].河北工業大學，2007.

(責任編輯譚果林)

Regional Diversity and Convergence of TFP Growth of Science and Technology Innovation in Chinese Universities

Wang Xiaoli,Liu Nana

(School of Economics and Management,Tongji University,Shanghai 200092,China)

Abstract：In this paper,The TFP (Total Factor Productivity) growth and decomposition of science and technology innovation in universities during 1998-2012 was measured by using Sequential Malmquist Index method. On this basis,The regional differences and convergences were also analyzed by using the empirical tests approach. The results showed that TFP of science and technology innovation in universities has been increased generally and technology also has gained obvious progress in all provinces of China. On the contrary,pure technical efficiency of science and technology innovation in universities of China deteriorated,and was still in the scale stage of diminishing returns. Finally,through above study,some conclusions can be drawn that spatial distribution diversities of different extent exists in both regional and provincial level in TFP growth and its decomposition of science and technology innovation in universities. TFP growth of science and technology innovation in universities and its decomposition σ index value showed a fluctuant and downward trend and all index values showed an absolute β.

Key words:The Sequential Malmquist Index;Technological innovation;Total factor productivity;Convergence

中圖分類號:F204

文獻標識碼:A

作者簡介:王效俐(1960-)，男，山西萬榮人，同濟大學經濟與管理學院教授，博士生導師；研究方向：系統工程與管理。

收稿日期：2015-03-13

基金項目：國家社科基金重大項目“促進自主創新能力建設的國家知識產權政策體系研究”(12&ZD073)。