新一代信息技術產業技術創新效率研究

吳繼英 阮宏發

[摘要]基于2015年中國新一代信息技術產業103家樣本上市企業截面數據，運用隨機前沿分析法構建C-D對數生產函數模型，測定我國新一代信息技術產業技術創新效率，并構建技術無效項函數分析了資本密集度、股權結構等因素對技術創新效率的影響作用。研究結果表明，我國新一代信息技術產業技術創新效率存在技術無效項；資本密集度、股權結構對新一代信息技術產業技術創新效率具有負向影響作用；企業規模、盈利能力以及政府支持力度對技術創新效率具有正向促進作用。在此基礎上提出提升我國新一代信息技術產業技術創新效率的政策建議。

[關鍵詞]新一代信息技術產業；技術創新效率；隨機前沿分析；C-D對數生產函數模型

[中圖分類號]F49 [文獻標識碼]A

1 引言

世界的發展與信息技術緊密聯系，信息技術滲透各行業，成為各行業發展必不可少的部分，信息技術成為各國競相爭奪的新資源。“十三五”規劃中將大力發展。近幾年，由于政府的政策性引導，我國新一代信息技術產業得到飛快發展。2015年中國電子信息產業進出口總額達到13088億美元，是2009年的1.7倍，規模位居全球前列，成為全球新一代信息技術產業發展中不可忽視的部分。我國信息化發展情況依舊不容樂觀，“十二五”規劃目標明確指出2015年國家信息化指數預期可達到79%，但是實際只達到了72.45%，這也從一定程度上凸顯出目前我國新一代信息技術產業發展過程中仍然存在諸多問題，如企業技術創新能力不足，人才與研發費用投入不足，技術創新成果轉化導致的技術創新效率低下等問題制約我國新一代信息技術產業在全球的競爭力提升。尋找影響新一代信息技術產業技術創新效率的因素，對實現新一代信息技術產業健康良好發展具有重大意義。

2 文獻綜述

創新理論的始祖熊彼特最早從經濟學的角度提出創新的概念。在其著作中，把創新看作是重新建立起一種新的生產函數，可以把以前的生產要素和生產條件進行重新組合之后再引入這個生產函數中，從而創造出新的生產體系。Afriat（1972）在此基礎上首次提出了技術創新效率的概念，并指出技術創新效率是研發創新活動的技術效率，創新活動的完成離不開創新體系。目前國內外技術創新效率測定方法可以分為兩種：一種是參數方法，另一種是非參數方法。基于文獻梳理可以發現，國內外對于技術創新效率的研究存在著諸多差異，具體如表1所示。

3 理論模型

考慮到隨機前沿分析在模型估計上具有的優勢， 在研究新一代信息技術產業技術創新效率時采用隨機前沿分析。基本模型為：

，其中 （1）

式（1）中，為隨機干擾項，為技術效率項（）；稱為隨機生產前沿。令，式中，因此在經典隨機前沿模型中通常假設服從單邊正態分布，即，對于誤差來源也設定了相應的參數，其中。我國新一代信息技術產業隨機前沿生產函數模型設定為：

（2）

（3）

式（2）和（3）中，表示企業產出指標，分別表示資本投入與勞動力投入指標。通過式（4）可以進一步對其中的（技術無效率項）進行建模，以探究相關因素對我國新一代信息技術產業技術創新效率的影響。 基于現有文獻基礎上選取的影響因素指標包括股權結構、企業規模、資本密集度、盈利能力、政府支持度，構建的技術無效率項模型見式（4）。

（4）

4 實證分析

4.1 數據來源及指標變量選取

由于截至目前各上市企業2016年年報并未公布，因此 選取的樣本是2015年中國新一代信息技術產業中103家上市公司相關數據，原始數據均來自于上市公司年報以及國家知識產權局。

4.1.1 指標選取。（1）產出指標。選取專利申請數作為技術創新產出指標。上市公司的專利申請量為產出指標（Y）。

（2）投入指標。所采用的投入指標包括資本投入（K）與勞動力投入（L），其中資本投入為各上市企業的研發投入費用，勞動力投入為各上市企業的研發科技人員數量。

（3）股權結構（owner）。選取上市企業最大股東持比衡量股權結構。

（4）企業規模（scale）。選取上市企業在職員工總人數來衡量企業規模。

（5）資本密集度（CI）。以上市企業營業收入與總資產的比值作為資本密集度的衡量指標。

（6）盈利能力（profit）。以上市企業的利潤與營業收入的比值作為企業盈利能力衡量指標。

（7）政府支持度（gover）。以政府補助作為政府支持度衡量指標。

4.2 隨機前沿生產函數模型估計

利用最大似然估計法對式（2）和式（3）兩種隨機前沿生產函數模型進行估計，結果見表2。

4.2.1 在模型估計結果中，C-D對數生產函數與超越對數生產函數的隨機前沿模型估計的分別為0.5937和0.7505，兩者的>0.5，且具體的參數值在10%的顯著性水平下通過了檢驗，表明隨機前沿模型中的隨機誤差項中絕大部分是來自于技術的無效性，選擇隨機前沿分析模型是合理有效的。

4.2.2 表3中C-D對數生產函數模型除了截距項不顯著之外，其它項在不同顯著性水平下都是顯著的；而超越對數生產函數模型只有截距項、研發投入費用和研發投入費用的二次項在不同顯著性水平下通過了顯著性檢驗；其他項都沒有通過顯著性檢驗。基于以上分析，我們認為針對新一代信息技術產業技術創新效率測定選用C-D對數生產函數模型。

4.2.3 表3中對數生產函數隨機前沿模型的資本產出彈性為0.4447，表明研發投入每增加1%，技術創新產出增加0.4447%；勞動產出彈性為0.2664，表明研發人員數量每增加1%，技術創新產出增加0.2664%；從資本產出彈性和勞動產出彈性的大小可以看出，資本產出彈性高于勞動產出彈性，意味技術創新產出主要依靠研發投入拉動，勞動投入的拉動效果遠低于研發投入。研發投入產出彈性與勞動投入產出彈性之和為0.7111，表明目前我國的新一代信息技術產業技術創新依然處于低產出階段。

4.3 新一代信息技術產業技術創新效率測定及影響因素分析

由表3可知，盈利能力、政府支持度對技術創新效率具有顯著影響；資本密集度、股權結構、企業規模對技術創新效率具有不同程度的影響，但影響并不顯著，這可能與樣本容量選取有關。通過表3可以得到以下結論：

4.3.1 上市公司資本密集度CI對我國新一代信息技術產業技術創新效率為負向影響。從表中技術無效率項模型估計結果可以發現，資本密集度的估計系數為0.032，說明資本密集度與我國新一代信息技術產業技術創新效率之間存在負向相關關系，這種關系體現出新一代信息技術產業資本的經濟效應，即隨著新一代信息技術產業的資本密集度越高，使得單位營業收入平均分攤的單位資產越高，從而導致產生相同經濟效益所投入的資本增加。

4.3.2 股權結構Owner對技術創新效率的影響。股權結構的估計系數為0.0564，說明股權結構對我國新一代信息技術產業技術創新效率的提高具有負向的影響作用，即股權越集中的企業，技術創新效率越受抑制。這主要體現在股權結構的內部決策影響方面，由于上市公司實行股份制，各股東憑借本身所持有的股權維護自身的利益，導致企業在進行重大項目決策時，最終結果由股權比例決定，少數大股東的不合理選擇行為往往產生錯誤的決策，從而導致項目無法達到預期效果。

4.3.3 企業規模Scale對技術創新效率的影響。企業規模的估計系數為-0.254，說明企業規模對我國新一代信息技術產業技術創新效率具有正向的影響作用，這種影響方向主要體現了新一代信息技術產業內部規模產生的經濟效應，即企業規模擴大帶來生產規模擴大，生產規模帶動產品產量增多，進而促進單位新產品所需的成本降低，技術創新效率得到提升。

4.3.4 盈利能力Profit對技術創新效率的影響。盈利能力的估計系數為-0.07629，說明盈利能力對我國新一代信息技術產業技術創新效率具有正向的影響作用。企業盈利能力的提高，一方面能夠促進企業本身內部資產利用效率，另一方面也能夠完善企業在生產、經營、管理等環節方面存在的不足，從而有利于提升整個新一代信息技術產業的技術創新效率。

4.3.5 政府支持度Gover對技術創新效率的影響。政府支持度估計系數為-0.2353，說明政府支持度對我國新一代信息技術產業技術創新效率具有正向的影響作用。

5 結論及政策建議

得出的主要研究結論：資本密集度、股權結構對我國新一代信息技術產業技術創新效率具有負向作用；企業規模、盈利能力以及政府支持力度對我國新一代信息技術產業技術創新效率具有正向促進作用。針對上述實證分析結果提出以下建議。

企業應加強生產結構改革，改善固定資產重復利用率，提高企業資本利用，降低單位成本，獲取資本利益最大化，達到技術創新效率提升的效果。

政府積極引導新一代信息企業上市公司進行股權分配改革，合理調整企業股權結構，充分發揮股權合理分配所帶來的激勵效應，嚴格把控企業內部決策機制的合理性，形成決策約束機制，避免出現企業決策受到個人行為的影響，從而提升整個產業的技術創新效率。

政府在企業規模結構合理化方面加強管理，制定符合市場經濟體制的新一代信息技術產業企業入市標準，提高企業入市的門檻，提高上市企業整體規模，防止拉低新一代信息技術產業整體技術創新效率。

企業應該根據自身發展制定合理的經營模式，重點提升企業盈利能力。同時新一代信息技術產業企業應該加強企業內部運行機制與管理機制，尋求要素投入最優化組合，確保企業要素投入利用率最大化，企業產出率最大化。

政府應該根據新一代信息技術產業企業技術創新發展的不平衡，對具體企業實行分類引導。針對技術創新效率較高的企業，充分將其作為重點發展對象，在研發資金投入以及政策方面支持力度不斷加大，充分發揮領頭企業對整體產業技術創新效率發展的推動作用。

[參考文獻]

[1] Afriat S.N.Efficiency Estimation of Production Function[J]. International Economic Review， 1972 （13）：568-598.

[2] Bauer Johannes M.，Market Power. Innovation and Efficiency in Telecommunications[J]. Journal of Economic Issues，1997 （2）：557-565.

[3] Myriam Cloodt， John Hagedoom. Measuring innovative performance： is there an advantages in using multiple indicators？[J]. Research Policy， 2003 （13）：121-139.

[4] Sharma S. ， Thomas V. J. Inter-country R&D Efficiency Analysis： An Application of Data Envelopment Analysis[J]. Scientometrics， 2008（76）： 483-501.

[5] Joaquin Maudos，Jose M. Pastor.Economic integration，efficiency and economic growth：the European Union experience[J]. Applied Economics Letters， 1999 （6）：87-96.

[6] Stock G.N.Firm Size and Dynamic Technological Innovation[J]. Tech-innovation，2002 （9）：537-549.

[7] Tom Broekel. Do Cooperative Research and Development Subsidies Stimulate Regional Innovation Efficiency？ Evidence from Germany[J]. Regional Studies， 2015 （7）： 1087-1110.

[8] 張宗益，周勇.基于SFA模型的我國區域技術創新效率的實證研究[J].中國軟科學，2006（2）：125-128.

[9] 王珍珍，黃茂興.福建省科技成果轉化的調控機制優化研究[J].福建論壇人文社科版，2013（2）：155-161.

[10] 杜先進，胡蘇.合蕪蚌技術創新效率動態評價與影響因素研究—基于改進的DEA-Tobit兩步法分析[J].華東經濟管理，2014（11）：27-31.

[11] Lin Feng，Davide Consoli. An evolutionary perspective on health innovation system[J]. Journal of Evolutionary Economics， 2009 （2）：297-319.

[12] Joost K. Creation-driven marketing： integrating meta data into the production process[J]. New Library World，2007（11）： 552-560.