技術創新抑或技術無效：高新產業技術、規模和效率

曹容寧

摘 ? ?要：高新產業發展越來越成為衡量制造業是否具備競爭力的重要標志。在產業轉型升級大背景下，中國高新產業近況值得關注。以省份為研究對象，利用DEA拓展模型探究了各地區高新產業的技術效率和規模效率，結果表明2015年至2017年部分地區高新產業的純技術效率較高，技術創新顯現一定的效果。總體而言，高新產業技術無效狀況明顯，技術創新活動的純技術效率和規模效率是影響中國高新產業效率的重要因素。以江蘇省高新產業為例，利用效率值進一步分析不同高新行業的規模效率和擁擠跡象。提出技術創新是重中之重，與此同時，高新產業必須走集約型、內涵式的發展道路。

關鍵詞：高新產業;DEA拓展模型;技術效率;規模效率;擁擠跡象

中圖分類號：C93 ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? 文章編號：2095-7394（2019）01-0051-05

當今世界，科技創新是地區經濟提升和國家競爭的關鍵。隨著國際制造業在全球范圍內的轉移和工業4.0模式的開啟，高新產業發展越來越成為衡量制造業是否具備國內乃至國際競爭力的重要標志。多年來，中國以提升自主創新能力為核心目標，把增強產業創新能力作為首要任務，形成了一批特色鮮明、競爭力強的高新產業。[1]然而，有研究表明高新產業存在附加值低等問題[2- 3]，具有技術特色的高新產業卻不具備應有的特性，造成這種狀況的癥結是什么？在產業升級背景下，中國迫切需要通過技術進步來驅動經濟的可持續增長。由于把投入產出效率作為衡量高新產業的標準，問題研究才具有現實的意義。[4]因此，本文以中國各省份為研究對象，探討近年來高新產業的技術、規模和效率問題。

一、研究綜述與思路

國外高新產業經濟績效研究開始的相對較早。1956年，Solow在文中首次提出了測度技術進步對經濟增長貢獻的規范方法，即通過全要素生產率和總生產函數間接地測定技術進步貢獻。[5]Raab和Kotamraju 運用DEA （數據包絡分析）方法構建效率指標排名美國50個州的高新產業投入與產出，發現R&D投入和風險資金的介入會影響高新產業的經濟效率。[6]

國內利用DEA方法進行分析的研究成果也較多。許治和師萍利用DEA方法對中國1985年至2003年科技投入相對效率進行測度，結果表明：科技產出對經濟增長貢獻偏低，科技投入效率的變動與經濟增長率之間不存在顯著的相關關系。[7]李健英和慕羊選取52家制造業上市企業作為研究對象，運用DEA方法對2012年制造業上市企業的創新績效進行分析，得出上市企業的創新績效整體較低的結論。[8]

測度投入產出效率通常有兩種方法，即參數法和非參數法。[9]參數法以隨機前沿生產函數法（SFA）為代表，它能同時處理多個投入指標，但在輸出方面仍限制單產出且SFA函數形式設定和分布假設也過于嚴格。非參數法中普遍使用的是DEA方法，它首先通過對樣本中所有決策單元（DMU）的投入產出構造有效前沿面，然后測算投入產出效率。高新產業具有典型的多投入多產出特性，創新效率分析是從投入到產出的轉化路徑上展開的，鑒于本文目的在于探究高新產業效率問題，采用DEA方法成為合適的選擇。

二、研究方法與內容

（一）DEA拓展模型及其衍生

Farrell（1957）最先以“非預設生產函數”代替“預設函數”來推估生產效率值，并利用數學規劃推算效率前沿。[10]Charness等根據 Farrell的模型將單產出衡量推廣為多產出模型[11]，其原理是固定規模報酬假定下利用線性規劃法及對偶定理計算各決策單元的相對效率（[C2R]模型），公式為下列式子：

[Maxhk=θk-εi=1ms-ik+r=1ms+rk]

[ ? ? ? ? ? ?j=1nλjXij+s-ik=Xiks?t? ? ? ? ? ? j=1nλjYrj-s+rk=θkYrk]

[λj，s-ik，s+rk0;j=1，2，…k…，n;i=1，2，…m;r=1，2，…，s]

其中：[s-ik]代表輸入指標的松弛變量，[s+rk]代表輸出指標的松弛變量，[λj]為賦予DMU的乘數，[（hk-1）]表示評估DMU在投入不變情況下所有產出等比例增加的程度，[1hk]表示技術效率值，大小在0與1之間。 當DMU達到技術最優時效率值為1，此時技術效率最高，反之效率值為0時技術效率最低。

根據這一理論，決策單元DEA 有效，表示生產活動同時為技術有效和規模有效，即在目前投入水平下，產出不能增加或者要維持當前產出水平，投入不可能有任何減少，并同時達到規模效率最佳;決策單元弱DEA有效，說明生產活動不是同時達到技術效率最佳和規模效率最佳，可能是某種投入未被充分利用或者某種產出與最大產出相比尚有不足;決策單元非DEA有效，說明生產活動既不是技術有效也不是規模有效。

以此為基礎，可以衍生許多模型，如[Bc2]、Russell、ST和FG等。[12-15]本文使用Russell模型計算純技術效率、技術效率和規模效率，使用ST和FG來計算效率值并分析擁擠跡象，判定擁擠跡象的定理為：DEA有效，ST不為弱，FG有效時存在擁擠跡象。

（二）指標選取與設置

指標選取要能夠科學反映高新產業的實際情況，并考慮數據的可獲取性，以符合DEA 方法對指標選取的原則。

DEA方法要求決策單元應具有相同任務、相同類型、相同輸入和輸出指標，本文以全國28省（市、自治區）高新產業作為決策單元（DMU）。

與傳統制造業不同，高新產業發展的關鍵在于追求技術創新。研發活動是創新的基礎，對高新產業生產率的推動顯著。[16]因此，對高新產業創新績效要素的分析必須考慮與研發相關的投入。此外，鑒于多數中國高新產業采用自主研發和技術引進相結合的方式進行創新，本文在考慮研發技術要素的同時也要考慮非研發性創新投入。最終，選取高新產業R&D人員全年當量[X1]、科技活動人員數[X2]、R&D經費內部支出[X3]、引進技術經費[X4]、消化吸收經費[X5]、技術改造經費[X6]和購買國內技術經費[X7]作為輸入指標。

研發活動主要創新成果之一是專利，國際上常作為衡量技術創新的產出指標。[17]其次，創新成果只有開發成為新產品并實現商品化和產業化，才能體現技術創新的完成，而高新產業的經濟效益指標是重要的衡量標志。[18]最終，選取高新產業總產值[Y1]、增加值[Y2]和專利申請數[Y3]這三個指標為輸出指標。

（三）實證結果與分析

依據劃分標準，中國高新產業共分五大類：航空航天器制造業、醫藥制造業、電子及通信設備制造業、計算機及辦公設備制造業和醫療設備及儀器儀表制造業。基本指標數據來源于2015年至2017 年《中國高技術產業統計年鑒》，本文首先建立Excel文檔，然后導入DEAP軟件完成數據的計算，匯總結果見表1。

純技術效率被認為是技術能力、技術應用和管理水平的綜合體，技術效率是純技術效率和規模效率共同作用的結果（PTE =TE/SE）。從純技術的角度看，江蘇、上海、廣東、北京和浙江等地的純技術效率基本保持不變甚至有所提高，說明這些地區的技術創新取得了一定的效果。但從總體看（平均值），2015年至2017年，高新產業的純技術效率從0.71下降到0.62，這種狀況的出現是由于技術能力不足、技術應用不佳、管理原因或者是其它因素造成有待于進一步的觀察、調研和分析。

結合技術效率和規模效率，技術、規模和純技術同時有效的情況只在2015年的廣東省出現。對于中國高新產業來說，28省（市、自治區）高新產業的技術效率和純技術效率存在相關性，而規模效率和純技術效率也存在相關性。因此，技術創新活動的純技術效率和規模效率是影響中國高新產業效率的重要因素。

鑒于規模效率問題，本文以江蘇省高新產業為例通過計算效率值進行進一步分析，匯總結果見表2，其中VST和VFG是ST和FG模型算出的效率值。

從表2可以看出，除計算機及辦公設備制造業，其余的高新行業在2015年至2017年均呈現不同程度的規模遞減和擁擠跡象，表現出規模不經濟和資源浪費。

三、結論

從實證結果看，部分地區高新產業純技術效率較高，這與有關研究中國高新產業存在技術層次的問題不完全一致。這表明經過較長時期的積累，發達地區高新產業技術能力和水平已得到提升，技術創新已顯現一定的效果。

然而，技術、規模和純技術同時有效的情況極少，技術無效狀況普遍，而技術創新活動的純技術效率和規模效率是影響中國高新產業效率的重要因素。以江蘇省為例的分析表明，規模效率不佳的主要原因是除計算機及辦公設備制造業，其余的高新行業在2015年至2017年均呈現不同程度的規模遞減和擁擠跡象。

因此，技術創新仍然是高新產業發展的重中之重。與此同時，高新產業必須走集約型、內涵式發展道路。各地區應結合本省的實際，根據高新行業狀況有的放矢地引導投入規模，從資源利用效率方面著手來提升創新產出。即分類推進高新產業，著重提升規模效率。對于低效益的行業而言，應注重投資規模與投資結構，側重于消化已有的投資，優化產業布局和結構，改善供給側的運營與管理，提高經濟運行質量。

參考文獻：

[1] 中國科技發展戰略研究小組.中國區域創新能力報告[M].北京：經濟出版社，2009-2015.

[2] 朱振鍇，項歌德.高技術產業增加值率偏低原因探析——以上海、江蘇和浙江比較為例[J].中國科技論壇，2013（4）：41-47.

[3] 沈坤榮，徐禮伯.美國“再工業化”與江蘇產業結構轉型升級[J].江海學刊，2013（1）：219-226.

[4] 方福前，張平.我國高技術產業的投入產出效率分析[J].中國軟科學，2009（7）：48-55.

[5] SOLOW R M.A contribution to the theory of economic growth[J].The Quarterly Journal of Economics，1956，70（1）：65-94.

[6] RAAB R A，KOTAMRAJU P.The efficiency of the high-tech economy：conventional development indexes versus a performance index[J].Journal of Regional Science，2006，46（3）： 545-562.

[7] 許治，師萍.基于DEA方法的我國科技投入相對效率評價[J].科學學研究，2005（4）：481-484.

[8] 李健英，慕羊.基于DEA方法的我國上市企業創新績效研究[J].科學學與科學技術管理，2015，36（2）：111-121.

[9] 朱有為，徐康寧.中國高技術產業研發效率的實證研究[J].中國工業經濟，2006（11）：38-45.

[10] FARRELL M J.The measurement of production efficiency[J].Journal of Royal Statistical society，SeriesA，General，1957，120（3）：253-281.

[11] CHARNESS A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978（2）：429-444.

[12] BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science，1984，30（9）：1078-1092 .

[13] CHARNES A，COOPER W W，GOLANY B，et al.Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions[J].Journal of Economics，1985 ，30 （1）：91-107.

[14] 陳凱華，官建成，寇明婷.中國高技術產業“高產出、低效益”的癥結與對策研究—基于技術創新效率角度的探索[J].管理評論，2012，24（4）：53-66.

[15] 韓松.DEA方法進行規模收益分析的幾點注記[J].數學的實踐與認識，2003，33（7）：65-71.

[16] 王玲，SZIRMAI ADAM.高技術產業技術投入和生產率增長之間關系的研究[J].經濟學，2008，7（3）：913-933.

[17] GRILICHES Z.Patent statistics as economic indicators： a survey[J].Journal of Economic Literature， 1990，28（4）：1661-1707.

[18] Liu X H，BUCK T.Innovation performance and channels for international technology spillovers： evidence from Chinese high-tech industries[J].Research Policy，2007，36（3）：355-366.

Technology Innovation or Technology Invalidity： Technology， Scale and Efficiency of High-tech Industries

CAO Rong-ning

（Business School， Jiangsu University of Technology， Changzhou 213001， China）

Abstract： The development of high-tech industry has increasingly become an important indicator of the competitiveness of manufacturing industry. In the context of industrial transformation and upgrading， the recent situation of Chinas high-tech industries deserves our attention. Taking provinces as the research object， this paper explores the technological efficiency and scale efficiency of high-tech industries in different regions by using DEA expansion model. The results show that the pure technological efficiency of high-tech industries in some regions is higher from 2015 to 2017， and technological innovation shows certain effects. Generally speaking， the technology inefficiency of high-tech industries is obvious. The pure technology efficiency and scale efficiency of technological innovation activities are the important factors affecting the efficiency of Chinas high-tech industries. Taking the high-tech industries in Jiangsu Province as an example， the use efficiency value further analyses the scale efficiency and congestion signs of different high-tech industries. It is pointed out that technological innovation is the top priority. At the same time， the high-tech industry must take an intensive and connotative development path.

Key words： high-tech industry; DEA extended model; technology efficiency; scale efficiency; congestion sign