“一帶一路”省市高新技術產業創新效率研究

劉和東 陳雷

摘 要：我國在轉型經濟、研發資源緊缺的情況下，不僅要注重創新資源的投入，更要注重提高創新資源的效率。文中收集“一帶一路”17省市2009—2015年高新技術產業創新鏈投入產出的面板數據，運用網絡DEA方法，對創新過程中研發與商業化效率進行測度、求出各階段的冗余松弛及規模收益。結果表明：“一帶一路”各省市分布不均衡，并且研發效率整體較低、商業化效率整體較高。研發階段：內蒙古、黑龍江等8省市效率最優，無冗余松弛，其余9省市存在不同程度的投入冗余與產出松弛;甘肅、青海等4省的規模效率遞增，內蒙古、青海規模收益不變，遼寧、吉林等11省市規模收益遞減。商業化階段：浙江、福建等5省投入產出達到最優，無冗余松弛現象，其余12省市商業化階段投入存在大量冗余;上海市規模效率呈規模遞減，浙江、福建等4省市規模收益不變，內蒙古、遼寧等12省市規模收益遞增。在此基礎上，提出了有效提升“一帶一路”省市高新技術產業創新效率的對策。

關鍵詞：“一帶一路”省市;高新技術產業;網絡DEA;研發階段;商業化階段

中圖分類號：F 276.44 文獻標識碼：A 文章編號：1672-7312（2019）04-0399-06

0 引 言

“一帶一路”是“絲綢之路經濟帶”和“21世紀海上絲綢之路”的簡稱，是以習近平總書記為核心的黨中央積極應對全球形勢深刻變化、統籌國內國際2個大局，解決高生產要素成本、資源日趨短缺、社會經濟增長緩慢等一系列問題的重大政策。高新技術產業作為促進區域經濟發展、優化經濟結構、提高產業競爭能力的推動力，是“一帶一路”省市實施創新驅動戰略的重要支撐[1]。數據表明，2000—2015年，“一帶一路”省市高新技術產業研發經費年增長率為1.28%，而新產品銷售收入的年增長率僅為1.20%，由此可見，增加研發投入只是增加創新產出的必要而非充分條件。我國在轉型經濟、研發資源緊缺的情況下，不僅要注重創新資源的投入，更要注重提高創新資源的效率。

關于高新技術產業創新效率，國內外學者主要圍繞以下2個層面展開研究。

1）研究區域。學者們分別從全國、東中西部地區以及某省份進行探討，如楊肅志[2]等建立高新技術產業技術生態位評價指標體系，通過對高新技術產業創新生態位寬度進行測度以及對我國各省高新技術產業創新生態位適宜度進行評估。胡振華、楊瓊[3]把中國分為東中西3大區域，發現這3個區域的高新技術產業技術創新效率存在較大的差異。馮纓[4]等從橫向比較和縱向分析2個角度對江蘇省高新技術產業整體技術創新效率進行了域際評價，并深入分析江蘇省5大高新技術行業的技術創新效率。黎攀群[5]等以航空、航天器及設備制造業等為例，分析并構建了創新生態系統模型，應用隨機前沿模型，測算其創新效率。戴航[6]等選取了高技術產業5個子行業10年的面板數據，運用C-D函數理論模型，構造技術創新函數進行實證分析。

2）研究方法。學者們測度效率主要運用熵值法、隨機前沿分析法（SFA）以及空間自回歸（SAR）面板數據模型等，如王斌會、劉可[7]（2011）運用熵值賦權法對高新技術產業創新水平進行評價;方大春[8]等（2016）通過隨機前沿分析法測算出中國高新技術產業創新效率，發現新產品的研發支出和R&D人員折合全時當量作為創新投入對創新產出具有正面影響;Ze-Lei X[9]（2017）等人采用空間自回歸（SAR）面板數據模型進行測度，研究發現，我國高新技術產業發展績效存在明顯的絕對收斂，中部地區的收斂速度明顯快于其他地區。王淑君[10]使用DEA-Malmquist指數測算沿海11個省市區域的高技術產業全要素生產率（TFP）的變動。陳俊[11]發現深圳市高技術產業創新效率呈現“倒N”型走勢，其主要原因在于電子及通信設備制造業創新效率日益惡化，拉低了總體創新效率。

綜上所述，現有成果對提升中國高新技術產業創新效率起到不同程度的促進作用。遺憾的是，現有研究在范圍上側重于選擇全國或者東中西部區域的創新效率，缺少對中國“一帶一路”省市高新技術產業創新效率的研究。研究方法上，現有成果多數側重于用傳統DEA方法測算高新技術產業創新鏈的整個階段效率。事實上，創新鏈包括研發與商業化階段，不同階段效率不同。現有研究忽視了高新技術產業創新過程各個階段對整個創新鏈的作用，將整個創新鏈視為“黑箱”，不利于對創新效率的準確測度。我國“一帶一路”省市高新技術產業創新鏈的各階段效率大小如何？如何提升？找準這些問題，對有效提升高新技術產業創新績效具有重要的理論與現實意義。為此，文中運用網絡DEA方法，收集中國“一帶一路”17省市創新技術產業2009—2015年高新技術產業創新鏈的投入產出數據（因西藏地區數據缺失，故不在研究范圍內。），準確測度創新過程中研發與商業化效率、求出各階段的冗余松弛及規模收益，并針對各階段的松弛冗余及規模收益情況，提出相應的改進策略，以期為提高中國“一帶一路”省市高新技術產業創新效率提供依據。

1 研究方法

Fare和Grosskopf[12]（2000）首次提出了網絡DEA的理論體系，改進了具有“黑箱”操作的傳統DEA方法[13-14]，它的優點在于將復雜的網絡生產過程分解為幾個子過程，同時得到內部子過程的相對效率，從而對非有效決策單位的內部子過程進行分析并提出相應的政策建議。以后的學者對其不斷完善，文中借鑒了Kao C等人[15]（2008）提出的網絡DEA方法并對其進行改進，模型如下。

2 模型的建立及指標選取

創新過程通常被分為2個階段，包括第一階段上游的研發子過程以及第二階段下游的商業化子過程，如圖1所示。

為有效測度高新技術產業創新效率，文中選取測度指標，見表1.

整個創新過程中從最初的研發投入到最后的商業化產出存在著時間延遲的情況，并且這種時間延遲對投入、產出的轉換效率會產生影響。因此文中考慮對研發子過程和商業化子過程分別設定一年的延遲時間[17]，第一階段研發子過程的投入產出分別選擇2009—2013年、2010—2014年5年的數據，第二階段的商業化子過程投入產出分別選取2010—2014年、2011—2015年5年的數據，并分別求出平均值進行測度。數據來源于2009—2015年的《中國高新技術產業統計年鑒》。

3 結果分析

3.1 創新鏈兩階段的效率分析

根據所收集到的面板數據，運用DEA軟件運算出中國“一帶一路”17省市的高新技術產業兩階段的綜合效率，結果見表2.

由表2可以發現，“一帶一路”省市的研發效率整體較低，各省市分布不均衡。表現在：內蒙古、遼寧等10省市的研發效率值高于平均值（0.672），吉林、黑龍江等7省市的研發效率值低于平均值[18]。進一步分析發現，高于研發效率平均值的省市中，僅有內蒙古、海南2省達到了DEA有效，表明這2省既定的高新技術研發人員、研發經費等資源投入都得到了有效配置、使用與轉化。低于研發效率平均值的省市中，上海的效率值是最出人意料的，其研發效率僅為0838，非網絡DEA有效?？赡艿脑蛟谟冢荷虾Ｊ俏覈咝录夹g產業發展戰略的重點地區，由于研發資源投資過多且規模過大，出現研發投資的邊際效應遞減[19-20]。

“一帶一路”省市的商業化效率整體較高，各省市分布不均衡。表現在：內蒙古、浙江等8省市的商業化效率高于平均值（0.793），遼寧、吉林等9省市的商業化效率值低于平均值。進一步分析發現，高于研發效率平均值的省市中，浙江、廣東等5省市高新技術產業商業化呈DEA有效，而其他的12省市高新技術產業商業化呈DEA非有效。可能的原因在于：DEA有效的5省市中，重慶是直轄市，其他4省市都是東部經濟發達地區，這些省市特別重視高新技術研發成果的商業化應用，研發成果能得到即時轉化、利用，有效促進當地的經濟發展，這與現實是非常吻合的。而其他DEA非有效的12省市，其研發成果可能與市場需求并不完全相符，導致其商業化效率較低。

3.2 創新鏈兩階段效率、冗余松弛及規模收益分析

3.2.1 研發階段

為了進一步分析中國“一帶一路”17省市高新技術創新產業創新效率的影響因素，文中將各省市的研發投入與產出數據代入BBC模型，運算出研發階段的投入產出的松弛冗余以及規模收益（見表3），并加以分析，以期為非有效省市更加科學合理地配置創新資源提供決策依據。

由表3可以發現，內蒙古、黑龍江等8省市研發效率最優，無冗余松弛，其余9省市存在不同程度的投入冗余與產出松弛。

為有效提升“一帶一路”省市研發階段的效率?？蓮耐度氘a出2個方面著手改進，具體為：①在研發產出及研發經費不變的情況下，吉林省存在研發人員投入冗余，需要減少48個研發人員當量;②在研發產出及研發人員不變的情況下，遼寧、廣西等5省分別需要減少68 837.251萬元、4 759萬元、21 864.108萬元、6 567.6萬元、6 499.459萬元內部研發經費投入;③在研發投入不變的情況下，遼寧、吉林等9省分別需要增加2 828件、730件、2 482件、548件、741件、2 262件、423件、223件、34件擁有發明專利量。這從研發投入與產出的數量方面，為有效提升“一帶一路”省市研發效率提供了決策依據。

規模收益方面，僅有甘肅、青海等4省的規模收益遞增，內蒙古、青海的規模收益不變，遼寧、吉林11省市規模收益遞減。

為有效提升研發效率，規模收益遞增的甘肅、青海等4省市需要進一步增加研發投入，而規模收益遞減的遼寧、吉林等11省市則不需要增加研發投入。這從研發的規模收益方面，為進一步有效提升“一帶一路”省市研發階段效率提供了決策依據。

3.2.2 商業化階段

運用上述方法，可計算得“一帶一路”省市商業化階段效率、冗余松弛及規模收益（見表4）。

由表4可以發現，浙江、福建等5省商業化效率最優，無冗余松弛，其余12省市存在不同程度的投入冗余。為有效提升“一帶一路”省市高新技術產業的商業化效率。可從投入方面著手改進（由于各省市未出現產出松弛），具體為：①在商業化產出以及擁有發明專利數、從業人員平均數等4項投入不變的情況下，上海、廣西、海南、云南4省市分別需要減少385件、61件、107件、39件專利申請量的技術投入冗余;②在商業化產出以及專利申請量、從業人員平均數等4項投入不變的情況下，黑龍江、上海、海南3省市分別需要減少941件、2 861件、311件擁有發明專利數的技術投入冗余。限于篇幅，非有效省市需減少從業人員平均數、技術改造費支出以及技術引進費支出3項投入冗余的分析方法相同，不再贅述。這從商業化階段的投入與產出數量方面，為有效提升“一帶一路”省市商業化效率提供了依據。

規模收益方面，僅有上海市呈規模收益遞減，浙江、福建、廣東、重慶4省市規模收益不變，內蒙古、遼寧等12省市規模收益遞增。為了提升商業化效率，規模收益遞增的內蒙古、遼寧等15省市可進一步增加商業化投入，規模收益遞減的上海市則不能繼續增加商業化投入。這從商業化的規模收益方面，為進一步有效提升“一帶一路”省市研發階段效率提供了依據。

4 結論與政策建議

文中收集中國“一帶一路”17省市2009—2015年高新技術產業創新鏈投入產出的面板數據，運用網絡DEA方法，測度創新過程中研發與商業化效率、各階段的冗余松弛及規模收益，得到以下結論。

1）“一帶一路”各省市分布不均衡，并且研發效率整體較低、商業化效率整體較高。

2）研發階段：內蒙古、黑龍江等8省市效率最優，無冗余松弛，其余9省市存在不同程度的投入冗余與產出松弛;甘肅、青海等4省的規模效率遞增，內蒙古、青海規模收益不變，遼寧、吉林等11省市規模收益遞減。

3）商業化階段：浙江、福建等5省投入產出達到最優，無冗余松弛現象，其余12省市商業化階段投入存在大量冗余;上海市規模效率呈規模遞減，浙江、福建等4省市規模收益不變，內蒙古、遼寧等12省市規模收益遞增。

依據上述結論，提出以下政策建議。

1）提高研發效率、維持商業化效率。首先，“一帶一路”省市應該加強對既定的高新技術研發人員、研發經費等資源投入的有效配置、使用與轉化。如：①在研發產出不變的情況下，減少研發投入冗余，②在研發投入不變的情況下，提高研發階段的創新產出。其次，各省市需要高度重視高新技術研發成果的商業化產出。根據市場需求，針對性地進行前期研發投入以及后期的商業化投入，實現研發成果有效開發利用，提高經濟效益。

2）促進“一帶一路”各省市創新均衡發展。一方面，加大各省市間協同合作，如：“一帶一路”省市之間應該加強交流合作，相互學習借鑒，實現優勢互補以及資源的合理配置。另一方面，要提高各省高新技術產業的研發以及商業化效率，以期實現我國“一帶一路”17省市高新技術產業快速穩健發展。

3）實施優化創新鏈的資源配置戰略?！耙粠б宦贰备魇∈锌筛鶕髯栽趧撔骆渻呻A段的要素投入冗余以及產出不足狀況，進行針對性地減少、增加投入和產出，以提升高新技術產業創新鏈的效率。如①研發階段，吉林省需要減少研發人員當量的投入冗余，遼寧、廣西等5省應該減少內部研發經費的投入冗余，遼寧、吉林等9省分別需要提高擁有發明專利量的產出。②商業化階段，上海、廣西等4省市分別需要減少專利申請量的技術投入，黑龍江、上海、海南3省市分別需要減少擁有發明專利數的技術投入。同時，在創新鏈的兩階段中規模效率遞增的省市，可進一步擴大要素投入，帶來相應的規模收益。如甘肅等4省可以進一步擴大研發投入，內蒙古等16省市可以進一步增加商業化投入。

參考文獻：

[1] 張可云.“一帶一路”與中國發展戰略[J].開發研究，2018（04）：1-13.

[2] 楊肅志，路世昌.高新技術產業創新生態位測度研究[J].資源開發與市場，2015，31（04）：419-430.

[3] 胡振華，楊 瓊.中國高新技術產業創新效率研究[J].科學管理研究，2015，33（02）：32-35.

[4] 馮 纓，滕家佳.江蘇省高技術產業技術創新效率評價[J].科學學與科學技術管理，2010（08）：107-112.

[5] 黎攀群，陳關聚.創新主體關系對高技術產業創新效率的影響[J].技術與創新管理，2018，39（06）：664-670.

[6]戴 航，江激宇.FDI，R&D投入對我國高技術產業技術創新的影響[J].技術與創新管理，2012，33（03）：329-332.

[7]王斌會，劉 可.基于熵值賦權法的高新技術產業創新水平評價[J].產業評論，2011（03）：5-11.

[8]方大春，張 凡，芮明杰.我國高新技術產業創新效率及其影響實證研究——基于面板數據隨機前沿模型[J].科技管理研究，2016（07）：66-75.

[9]Xiao Z，Du X.Convergence in China’s high-tech industry development performance：a spatial panel model[J].Applied Economics，2017，49（52）：5296-5308.

[10]王淑君.我國大陸沿海地區高技術產業創新效率評價分析[J].無錫商業職業技術學院學報，2016，16（02）：48-52.

[11]陳 俊.深圳市高技術產業創新效率測算[J].廣東行政學院學報，2018，30（04）：74-80.

[12]Fare R，Grosskopf S.Network DEA[J].Socio-Economic Planning Sciences，2000（34）：35-49.[13]魏權齡.論“打開黑箱評價”的網絡DEA模型[J].數學的實踐與認識，2012，42（24）：184-195.

[14]陳瑩文.基于改進兩階段DEA的中國高技術產業研發創新效率研究[J].軟科學，2018，32（09）：14-18.

[15]Kao C.Efficiency decomposition in two-stage data envelopment analysis：An application to non-life insurance companies in Taiwan[J].European Journal of Operational research，2008（40）：418-429.

[16]董 杰，孫玉華.具有非期望產出的混聯網絡DEA模型[J].經濟數學，2018，35（02）：83-88.

[17]梁瑞敏，彭佑元.基于網絡DEA的山西省區域科技創新績效評價研究[J].科技管理研究，2014（18）：112-116.

[18]王雙進，李新剛.京津冀高技術產業R&D活動效率測度[J].科技進步與對策，2018，35（05）：52-59.

[19]曹賢忠，曾 剛.基于全球—地方視角的上海高新技術產業創新網絡效率探討[J].軟科學，2018，32（11）：105-108.

[20]辜勝阻.創新驅動與核心技術突破是高質量發展的基石[J].中國軟科學，2018（10）：9-18.

（責任編輯：張 江）