基于生態系統的區域技術吸納效率研究*

合肥工業大學經濟學院 陸燕春 梁蘇丹 趙紅

基于生態系統的區域技術吸納效率研究*

合肥工業大學經濟學院 陸燕春 梁蘇丹 趙紅

區域技術吸納是創新不可或缺的環節。本文基于技術吸納生態系統對其效率的影響，從技術吸納的驅動群落、擴展群落、協調群落及外部環境四個方面建立效率評價指標，通過超效率Malmquist指數得出我國29省的技術吸納效率指數，并用Tobi t回歸分析生態系統中群落和環境對技術吸納效率的影響。結果表明，西部地區的技術吸納效率指數高于東中部，且技術吸納群落對其效率的影響較為顯著，最后提出應突出企業技術吸納主體的地位及完善網上技術市場的建議。

生態系統 技術吸納 超效率 DEA Malmquist指數

一、引言

近年來，在科技進步推動下，區域內技術吸納主體的技術引進、吸收能力和政策都發生重要變化，區域技術吸納整體效率的提高越來越依賴技術吸納各個環節效率的提高。從生態學的角度來看，區域技術吸納群落的發展及其共同演化的程度直接影響區域技術吸納整體效率，將生態仿生學與技術吸納理論結合便于從系統的角度區分技術吸納主體，為進一步探究系統內各主體的協同演化機制提供了理論基礎。

目前，學術界對區域技術吸納效率的研究主要集中在兩個方面：一是關于影響區域技術吸納效率因素的定性研究。有學者借鑒管理學中的企業吸收能力概念，從區域技術吸納的過程評價其效率，如韓伯棠（2013）將區域技術吸納能力分解為知識獲取、消化、轉移及應用四個方面的能力，以此作為評價區域技術吸納能力的依據，馬淼森（2014）基于Zahra&George吸收能力模型，從知識競爭力、創新技術消化吸收能力、研發整合能力、新知識開發能力四個維度評價區域知識吸收能力；還有學者將技術吸納看成是技術創新的一部分，如張江雪（2009）、童曉玲（2014）、劉鳳朝（2015）等，將人力資本、研發投入、技術吸納合同金額、技術差距、金融市場效率等作為區域技術吸納效率的替代變量，研究區域技術吸納效率。二是關于區域技術吸納效率的定量研究，學術界多采用因子分析法、泰爾指數、門檻回歸、系統GM M估計、結構方程等方法，如，張建清（2012）用系統GM M估計法分析了中國對國外技術吸收能力的動態演變，關愛萍（2014）利用門檻回歸檢驗了技術承接地區的吸收能力。

因此，國內學術界關于技術吸納理論的研究大多還停留于企業戰略與企業創新管理層面，忽略了區域內技術吸納主體在技術吸納過程中的差異性和特殊性，基于區域創新系統層面的研究則忽略了技術吸納與創新的差異，缺乏對技術吸納作用機制的深入探討。本文試圖從區域生態仿生學角度分析技術吸納的作用機制，運用DEA-Tobit方法進行定量研究，并在此基礎上解釋區域技術吸納出現差異的原因，由此提出改進區域技術吸納效率的可行性建議，從而豐富區域技術吸納理論。

二、區域技術吸納生態系統的作用機制

技術吸納生態系統是在一定時空范圍內，具有穩定性、共生性、自組織性的技術吸納群落及其協同發展的復雜演化系統。其中，具有相同價值鏈的物種聯結形成了各種群落，通過資本、人員及信息的流動實現內部各群落之間及與環境之間的物質和信息交換，在競爭性合作共生的相互作用中實現穩定的動態演化。大致來看，區域技術吸納生態系統有三個群落及相關外部環境構成，其中企業、高校和科研機構等技術研發和應用機構形成了技術吸納驅動群落；技術中介機構和金融機構等科技服務型機構逐漸演化為技術吸納中介群落，主要為技術供求雙方提供咨詢、評估、融資等科技服務；各級政府部門和各類行業協會構成了技術吸納協調群落。技術吸納生態系統的外部環境包括制度環境、經濟環境、技術環境、人文環境。其中制度環境主要是政府歷年來為了引導技術吸納發展形成的一系列支持性公共政策的總稱。經濟環境決定了技術吸納的意愿，也為技術吸納提供雄厚的內部資源保障。技術環境是區域內技術水平及人才交流合作的程度，良好的技術環境是區域技術吸納驅動群落進行實時、協同創新必要的技術基礎。人文環境指區域內的文化環境及公民的文化素質，人文環境在一定程度上影響了技術吸納主體的價值取向和技術需求，有利于區域技術吸納持續發展。技術吸納生態系統作用機制如圖1所示。

圖1 技術吸納生態系統作用機制圖

首先，在技術吸納驅動群落中高校與科研機構的基礎研究是技術吸納的理論基礎，其部分應用型研究成果為區域技術吸納帶來了技術萌芽。企業是技術吸納過程中技術轉換及應用的主體，只有新技術通過企業的產品中試才能實現商業化及產業化。在技術吸納驅動群落中，高校、科研機構及企業各自發揮著不同的作用。高校和科研機構通過技術轉讓和合作開發為企業技術獲取及消化吸收提供人才和技術支持，相應地企業向高校和科研機構支付資金作為報酬，由此實現技術吸納驅動群落內的資金、人才和技術等資源循環。其次，技術吸納擴展群落是技術吸納供求雙方的中介，為技術吸納驅動群落提供包括技術咨詢、技術評估、技術轉讓、融資及技術培訓等服務，節約交易成本，加速了技術、資金在技術吸納主體間的流動，極大地影響了技術吸納的速度和規模。最后，技術吸納協調群落則是通過政府的各項政策引導技術、人員、資金在不同物種間的流動，調節不同物種、群落的關系，維持技術吸納生態系統的穩定性。

技術吸納生態系統中三個群落相互依存、相互影響、共同發展，三者之間的關系具體表現為：首先，技術吸納擴展群落是技術吸納驅動群落發展的“加速器”。在技術吸納過程中，技術吸納驅動群落需要整合各方資源，包括獲取金融種群的資金支持、掌握市場的發展要求、把握政策導向等，因此需要技術吸納擴展群落為其提供融資、信息、服務，相應的技術吸納驅動群落要向技術吸納擴展群落支付傭金或股息，技術吸納擴展群落將獲得的資金維持自身發展。其次，技術吸納協調群落是技術吸納驅動群落發展的“守夜人”。技術吸納協調群落通過制定各種財稅政策，對技術吸納驅動群落內有較強吸納能力的企業給予財政補貼和稅收優惠，以及風險投資上的傾斜，鼓勵和引導區域技術吸納的發展；對重點高校或高校的重點專業進行財政投入的傾斜，為高校基礎研究提供資金，加速技術吸納驅動群落的發展；技術吸納協調群落還可以為技術吸納驅動群落提供公共基礎設施和公共社會服務等公共產品，為技術吸納驅動群落的發展提供良好的環境。同時，技術吸納驅動群落對技術吸納協調群落也具有重要作用：一方面，技術吸納驅動群落向技術吸納協調群落繳納稅收，為技術吸納協調群落的正常運行提供資金；另一方面，在技術吸納政策的執行過程中，技術吸納驅動群落的反饋也是為技術吸納政策的調整提供了依據。最后，技術吸納協調群落為技術吸納擴展群落發展指明方向。由于我國技術吸納擴展群落仍處于發展階段，需要以政府為代表的技術吸納協調群落運用財稅杠桿對技術吸納擴展群落進行宏觀調控。同時，還需要技術吸納協調群落投入資金建立技術轉移平臺，扶持技術吸納擴展群落發展；并對技術吸納擴展群落偏離國家發展計劃的行為進行監督和管理，彌補市場自由所帶來的缺陷。

三、研究設計

（一）樣本選取與數據來源本文數據來源于2003～ 2014年的《中國統計年鑒》、《中國科技統計年鑒》、《中國高技術產業統計年鑒》。經整理，選取我國29個省份（西藏、青海部分數據缺失，故刪去）2003～2014年面板數據進行實證分析。數據均以2003年為基期進行平減處理，缺失數據采用線性插值法方法進行處理。

（二）模型構建為了綜合評估區域技術吸納生態系統的績效，目前常見的做法是運用DEA方法度量其運行效率，DEA是將數學線性規劃的思想與經濟學中生產函數思想相結合的非參數估計方法，通過測定決策單元與前沿面的距離之比得出其效率值，能夠很好地估計多投入、多產出下的決策單元的生產效率。但傳統的CCR模型計算效率結果往往存在數個有效的決策單元，并且有效決策單元的效率值都為1，因而無法進一步比較這些有效決策單元之間的效率。針對上述問題，Andersn（1993）建立了基于投入導向的超效率DEA模型，可以對相對有效的決策單元的效率進行排序，降低度量的誤差。

假設有n個決策單元，每個決策單元有m個投入s個產出，Xj、Yj分別代表每個決策單元DMUj第i項投入和第j項產出，Xj=（x1j，x2j，...，xij）＞0，Yj=（y1j，y2j，...，yij）＞0，s-為投入冗余，s+為投入不足。λj為決策變量，θ為目標值，則其表達式為：

考慮到樣本數據為12年的面板數據，為了更好地反映時間因素對技術吸納效率的影響，本文構建了超效率DEA的Malmquist指數模型，分析不同時期各個決策單元的技術效率的動態變化。Malmquist指數首先由Caves提出，后由Fare等進一步發展而來。根據Fare（1994）的方法，本文將每個省定義為一個決策單元，然后構建不同時期的技術吸納效率前沿，把每個省的實際值同前沿面進行比較,以此測量其技術吸納效率。設D為距離函數，（xt，yt）和（xt+1，yt+1）分別為t期和t+1期的投入產出關系,投入產出關系從（xt，yt）向（xt+1，yt+1）變化就是技術吸納效率的變化，則基于距離函數的Malmquist指數可以測定t時期技術條件下，從t到t+1時期的效率增減情況，其表達式為：

其中，M即為Malmquist指數（TFP），若Malmquist指數M＞1，表明從t時期到t+1時期技術吸納生態系統效率呈現上升趨勢；反之，表示從t時期到t+1時期技術吸納生態系統效率下降。

（三）技術吸納效率的評價指標體系為了全面、客觀、準確地反映區域技術吸納的實際水平與發展趨勢，評價指標的選取遵循目的性、系統性、科學性、可操作的原則，同時結合區域生態系統的構成及DEA方法的指標構建原則，將技術吸納群落和環境作為技術吸納的投入層面，將技術吸納帶來的效益作為產出層面，構建區域創新生態視角下的技術吸納評價指標體系（見表1）。

表1 技術吸納效率指標說明

（1）投入層指標。由于技術吸納生態系統由吸納群落與吸納環境構成。因此在技術吸納群落層面，選擇“高技術企業技術引進經費”代表技術吸納驅動群落在技術吸納方面的投入；選擇“技術吸納合同金額”、“金融機構科技融資”代表技術吸納擴展群落對技術吸納的投入。在技術吸納環境層面，由于制度環境不易度量，這里沒有選擇相應指標；由于地區經濟發展越好越有能力支持研發投入，因此地區經濟環境由“固定資產投資”表示；技術環境由“專利授權數”表示，“專利授權數”可以綜合評價該地區技術水平及協同研發的能力；人文環境由“R&D人員數”表示，“R&D人員數”為區域內從事科研活動的人數，反映區域內對技術創新的鼓勵程度，也可以反映該地的人力資本水平。

（2）產出層指標。技術吸納的產出也要從群落和環境的角度考慮，由于GDP是所有常駐單位在一定時期內生產的所有最終產品和勞務的市場價值，所以將“地區生產總值”作為區域技術吸納環境總體績效。技術吸納群落中擴展群落相關經濟效益數據難以獲得，因此只考慮技術吸納驅動群落的技術吸納效益。其中，“新產品開發項目數”、“工業增加值”代表企業種群已獲取的新技術及技術吸納的經濟效益。

四、實證結果與分析

（一）技術吸納超效率Malmquist指數本文使用EM S1.3運行超效率DEA模型,得到2004～2014年各省技術吸納Malmquist指數如表2所示。從表2可以看出：各省技術吸納效率并不穩定，在部分年度技術吸納效率是下降的。為了便于分析區域差異，將全國29個省按經濟發展水平分為東中西部，并將其平均技術吸納效率值繪制成圖1。從圖1中可以看到，全國技術吸納效率指數在2005～2009年期間隨時間的變化逐漸降低，受2009年10月出臺的四萬億投資計劃影響，在2010年又急劇上升達到歷史最高點，而后國家又不斷推出產業升級新政策，促使技術吸納效率指數在2011～2014年逐年提高。西部地區技術吸納效率指數明顯高于東中部，由于西部地區科技研發實力明顯低于東中部，因而更傾向于技術吸納，技術吸納效率指數相對較高。

表2 2004～2014年29省技術吸納超效率Malmquist指數

圖1 東中西部技術吸納生態系統效率動態變化趨勢圖

（二）Tobi t回歸解釋區域技術吸納效率差異由表2可以看出，省際間技術吸納能力差異較大，根據上文基于生態系統的技術吸納作用機制可知：引起這種差距的原因是不同地區的技術吸納生態系統存在不同，主要表現在技術吸納群落及環境的差異。本文選擇企業技術引進經費占企業R&D投入比重（x1）表示技術吸納驅動群落對技術吸納能力的影響；選取技術吸納合同金額（x2）和金融機構的科技貸款占R&D投入的比重（x3）衡量技術吸納擴展群落對技術吸納的推動作用；選取政府科技扶持資金占R&D投入的比重（x4）技術吸納協調群落對技術吸納能力的協調能力；選取新增固定資產金額（x5）反映區域經濟環境，選取區域R&D人員全時當量（x6）反映區域技術吸納的人文環境；選取區域專利授權數（x7）反映區域的技術基礎，進一步討論技術吸納生態系統內的各個組成部分對整體效率的影響。

由于技術吸納效率指數值是非負的，數據被截斷，若采用最小二乘法會帶來參數的偏差和不一致。Tobi t模型屬于因變量受到限制的一種回歸分析法，當因變量為受限值時，采用Tobi t模型回歸比較合適。為了消除量綱和異方差的影響，將變量對數化，建立Tobi t回歸模型為：

yi=α0+α1l nx1+α2l nx2+α3l nx3+α4l nx4+α5l nx5+α6l nx6（3）

式（3）中，α0為常數，αi（i=1，2，…，6）為解釋變量系數。本文使用st at a13.0對各省技術吸納生態系統效率與其影響因素進行Tobi t回歸，結果如表3所示：

表3 Tobit回歸結果

從表3的實證結果可以看出：高技術產業技術引進經費占企業R&D投入比重（x1）在1%的水平下與技術吸納效率顯著正相關，說明技術吸納驅動群落對技術吸納能力的推動作用較為顯著，技術吸納驅動群落發育程度越好，越有利于技術吸納生態系統效率的提高；技術吸納合同金額（x2）和金融機構的科技貸款占R&D投入的比重（x3）別分在5%和1%的顯著水平下與區域技術吸納效率顯著正相關，表明技術吸納擴展群落對技術吸納的作用較為顯著，其中金融中介對技術吸納效率的影響更為顯著；政府科技扶持資金占R&D投入的比重（x4）在10%的水平下與區域技術吸納效率正相關，但是顯著性水平與技術吸納驅動群落和技術擴展群落相比相對較低，說明技術吸納協調群落雖然推動了區域技術吸納能力的提高，但是自身的協調能力有待提高；新增固定資產金額（x5）與區域技術吸納效率在1%的顯著水平下負相關，區域專利授權數（x7）與區域技術吸納效率1%的顯著水平下顯著正相關，而區域R&D人員全時當量（x6）的P值較大，表明其對技術吸納效率的影響不顯著。

五、結論及建議

（一）結論通過Tobi t模型對全國29個省技術吸納效率回歸可以看出：第一，在影響區域技術吸納效率的各個因素中，高技術產業技術引進經費占企業R&D投入比重（x1）、技術吸納合同金額（x2）、金融機構的科技貸款占R&D投入的比重（x3）和區域專利授權數（x7）對區域技術吸納水平影響較大，政府科技扶持資金占R&D投入的比重（x4）影響相對較弱，而區域R&D人員全時當量（x6）影響不明顯。第二，技術吸納群落對技術吸納效率均存在顯著正面影響，其中驅動群落對區域技術吸納效率的影響最大，擴展群落對區域技術吸納效率的影響次之。由此可以看出，增加高新技術產業技術引進占產業R&D資金的比例，推動金融機構對技術吸納的資金傾斜等可以顯著提高區域技術吸納效率。創新協調群落對技術吸納效率也有正面影響，但其顯著性相對較低。第三，技術吸納環境對技術吸納效率的影響不太穩定。其中，技術環境對技術吸納存在顯著的正面影響，而經濟環境對技術吸納存在顯著的負面影響，人文環境的作用則不明顯。

（二）政策建議從上述結論可以看出，我國技術吸納發展緩慢、區域差異明顯，為了提高區域技術吸納的效率，政府可以從以下幾個方面綜合考慮：一是優化技術吸納發展布局，形成以技術吸納驅動群落為主，技術吸納擴展群落為輔，技術協調群落宏觀調控的發展格局；二是強化市場在技術吸納過程中的主導作用，突出企業技術吸納主體的地位。圍繞企業的技術吸納需求立項，加強對整個行業的技術需求分析與預測，將產業發展實際需求實時反映給高校、科研院所，促進以需求立項進行研發；三是積極利用信息技術成果，用信息化提升技術吸納中介種群的效率，進一步擴大技術吸納擴展群落的影響范圍，鼓勵各省建立和完善網上技術吸納信息系統，及時聯動技術吸納各個群落；四是深化科技金融改革，推動科技融資模式多樣化，進一步拓寬科技融資渠道，減少技術獲取環節的資金障礙，充分發揮金融種群對技術吸納的推動作用；五是進一步優化技術吸納環境，注重對高層次人才培養，進一步完善科技人才的激勵機制。

*本文系安徽省“軟科學”研究項目“合肥市創新生態體系建設研究”（項目編號：JS2015H KRK0002）階段性研究成果。

［1］韓伯棠、類驍、徐德英：《中國區域知識吸收能力測度》，《科技與經濟》2013年第2期。

［2］馬淼森、趙敏：《我國省級行政區知識吸收能力比較研究∶一種新的視角》，《科技管理研究》2014年第15期。

［3］張江雪：《技術轉移與我國區域經濟增長》，《中國科技論壇》2009年第10期。

［4］童曉玲：《基于東中西部地區吸收能力的區域外包技術外溢效應研究》，《華中師范大學報（自然科學版）》，2014年第3期。

［5］劉鳳朝、劉靚、馬榮康：《區域間技術交易網絡、吸收能力與區域創新產出——基于電子信息和生物醫藥領域的實證分析》，《科學學研究》2015年第6期。

［6］陳曉紅、宋洋：《區域創新系統中知識吸收能力的評價及比較研究》，《科技進步與對策》2011年第1期。

［7］楊偉：《吸收能力對本土技術吸收區域差異的影響》，《研究與發展管理》2012年第6期。

［8］陳建麗、孟令杰、王琴：《吸收能力、FDI技術溢出門限效應與內資企業生產率增長》，《工業技術經濟》2015年第10期。

［9］馬瑞超、張鵬：《外資異質、吸收能力與創新績效》，《當代財經》2013年第2期。

［10］宋平：《我國各地區FDI吸收能力測度的指標體系》，《統計與決策》2012年第15期。

［11］金艷清、盧曉勇、羅卯英：《我國各區域FDI吸收能力比較研究》，《華東經濟管理》2012年第8期。

［12］李貞、楊洪濤：《吸收能力、關系學習及知識整合對企業創新績效的影響研究——來自科技型中小企業的實證研究》，《科研管理》2012年第1期。

［13］張建清、孫元元：《國外技術溢出內生與吸收能力的動態特征》，《經濟評論》2012年第6期。

［14］關愛萍、李娜：《中國區際產業轉移技術溢出及吸收能力門檻效應研究》，《軟科學》2014年第2期。

［15］Cohen WM，Levinthal D A.Absorptive Capacity：A New Perspective on Learning and Innovation［J］. Administrative Science Quarterly，1990，35（1）∶130-145.

［16］Lane.P.J&Lubarkin，M.Relative Absorptive Capacity and Interorganizational Learning.Strategic Management Journal，1998，19（5）：470-475

［17］Mowery，D.C，Oxley，J.E.Inward Technology Transfer and Competitiveness：the Role of National Innovation Systems.Cambridge Journal of Economics，1995，19（1）：66-68

［18］Andersen P Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Science，1993，39（10）：1261－1264．

［19］Fare R Grosskopf S，Norri s M.Productivity Growth, Technical Progress，and Efficiency Change in Industrialized Countries［J］.American Economic Review，1994（84）：70-81.

（編輯 朱珊珊）