西部地區產業集群技術創新效率研究

吳中倫

摘 要：在考慮環境因素對技術創新效率影響的前提下，采用三階段DEA模型對中國西部地區產業集群的技術創新效率問題進行了測度分析。研究表明，西部地區產業集群的總體技術創新效率較低，原因主要在于純技術效率偏低。因此，應加大對科技環境保護的力度，努力營造有利于產業集群技術創新效率提升的良好外部環境。

關鍵詞：西部地區;產業集群;技術創新

中圖分類號：F276.44;F273.1? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2020）05-0046-02

提高自主創新能力，建設創新型國家，是我黨為全面推進中國特色社會主義事業做出的重大戰略部署。創新型國家建設得到了各級政府的高度重視和廣大企業的積極參與。中國的科技創新投入總量持續快速攀升，全國研發經費支出從2007年的3 664億元增加到2015年的14 220億元，研發經費投入強度由1.49%上升到2.10%?！笆濉币巹澗V要指出，創新是引領發展的第一動力，進一步明確了創新在中國經濟建設和社會發展中的核心地位。

一、研究動因

產業集群是各種創新投入要素聚集整合的重要載體，依托創新資源要素的優化配置，產業集群的創新水平不斷提高，這對區域創新系統發展和創新型國家建設具有巨大的推動作用。要把中國建設成為真正意義上的創新型國家，必須實施以產業集群為中心的創新驅動發展戰略，發揮集群對周邊地區經濟社會發展的輻射帶動作用，著力完善統籌協調機制，切實促進各種創新投入要素的優化配置。目前，創新型國家的建設進程處于關鍵時期，除了繼續加大產業集群創新的投入力度外，產業集群創新的效率問題亦應引起足夠重視。尤其是在中國創新人才和創新資源相對匱乏的情況下，盡可能做到以較低的創新投入獲得較高的創新產出，提高產業集群各類創新資源的使用效率，對于有效緩解中國目前創新資源相對不足的局面，進一步提升集群自主創新能力，建設創新型國家具有極其重要的現實意義。

如果將集群創新過程視為一個對創新要素投入進行有效配置，最終生產出若干創新產出的系統，產業集群創新效率就可以理解為該系統的投入產出轉化率。按照這一研究思路，一些學者選取集群創新的投入產出指標來測算產業集群創新效率。例如，孫紅兵和向剛（2011）將R&D人員全時當量、R&D經費內部支出和研發機構數作為集群創新投入指標，以發明專利申請授權量、國內外論文發表數和新產品產值為創新產出指標，采用DEA方法對30個集群的創新總體效率、技術效率、規模效率和飽和度進行評價[1]。汪娟和肖瑤（2013）選用R&D人員數、R&D經費支出和實際利用外資額作為產業集群創新投入指標，以專利申請授權量和技術合同成交額作為產業集群創新產出指標，采用DEA模型測度中國28個地區產業集群的創新效率，并分析不同地區產業集群創新效率差異產生的原因[2]。常曉然、周全和吳曉波（2016）以全社會R&D經費投入、地方財政科技支出、R&D折合全時人員、規模以上工業企業R&D活動人員數為創新投入指標，以規模以上工業企業科技活動新產品產值、第三產業總產值、高技術產品出口額等作為創新產出指標，結合運用考慮非期望產出的非導向DEA模型，對中國不同地區產業集群的創新效率進行系統評價[3]。

需要指出的是，盡管學者們對產業集群創新效率問題進行了各自的評價，但在測算產業集群創新效率時均將產業集群創新過程視為一個完全封閉的投入產出系統，沒有考慮到環境因素對系統運行的影響。根據系統理論，系統是由若干相互關聯的要素構成并完成特定功能的有機體。任何系統都不可能脫離環境孤立存在，而是與特定的外部環境不斷地發生各種聯系，外部環境的變化必然會影響系統本身的運行效率。產業集群創新系統的屬性是一種社會經濟系統，是各種要素形成的空間整體。只有經常與外界環境保持最優適應狀態，創新才能夠真正持續下去。如果忽視環境因素對產業集群創新產生的影響，僅通過系統本身的投入產出情況研究產業集群創新效率問題，必然會造成測度偏差，最終影響政府部門的科學決策。

造成先前研究沒有考慮環境因素對產業集群創新效率影響的原因主要有兩個，一是與研究視角有關，研究者將產業集群創新系統看做一個完全封閉的投入產出系統;二是與研究方法有關，研究者選用的經典DEA方法存在沒有考慮環境因素影響的局限性。Fried等（2002）運用三階段DEA模型，剔除掉環境因素對技術效率的影響，有效克服了經典DEA方法的這一缺陷[4]。三階段DEA方法的基本思想是將決策單元的效率測量分為三個步驟：第一步，運用經典DEA方法測算決策單元的效率值;第二步，充分考慮環境因素和隨機誤差的影響，運用隨機前沿模型（SFA）對第一步測算得到的投入松弛量予以修正，并根據修正結果重新調整決策單元的投入數據;第三步，將調整后的投入數據代入經典DEA模型，重新測算決策單元的效率值。由于三階段DEA方法有效剔除了環境因素和隨機誤差的影響，最終所得到的效率值與決策單元的實際效率水平更加吻合。

二、研究方法

根據Fried等（2002）提出的三階段DEA模型，對決策單元的效率測評包括以下三個階段。

第一個階段：BCC模型的效率測算。根據假設前提不同，經典DEA模型包括規模報酬不變假設下的CCR模型和規模報酬可變假設下的BCC模型。其中，BCC模型還可以將CCR模型中的技術效率進一步分解為規模效率和純技術效率，從而有助于對西部地區產業集群創新效率的影響因素做出更深層次的分析。本文應用BCC模型作為第一階段產業集群創新效率的測評方法，考慮到該模型應用廣泛，對其基本原理不再贅述。

第二個階段：構建隨機前沿分析（SFA）模型。造成第一階段各決策單元存在投入松弛（實際投入與目標投入的差額）的原因，除了管理無效率外，還可能是各決策單元受到環境變量的影響或者隨機干擾所致。因此，可將投入松弛作為被解釋變量，將引起效率變動的環境變量作為解釋變量，通過構造相似SFA模型，考察以上三類因素對投入松弛的影響程度，在此基礎上剔除環境變量和隨機誤差的影響，只保留管理無效率所導致的投入松弛量，從而構建出式（1）所示的相似SFA模型。

第三個階段：投入調整后BCC模型的測算。根據式（1），運用BCC模型對數據重新測算產業集群的技術效率。此時，環境因素與隨機擾動對測算結果的影響已被排除，采用調整后的投入數據測算的效率值與實際情況更加吻合。

三、結果分析

選取投入、產出變量，采用三階段DEA模型測算西部地區產業集群創新效率。本文使用MaxDEA Ultra 6.18軟件和Fronter4.1軟件對產業集群創新效率進行測算。

測算結果表明，西部地區產業集群的整體創新效率水平偏低，技術創新效率均值僅達到0.339，這一效率均值意味著在創新過程中僅有33.9%的投入資源是有效率的，其余66.1%的投入處于技術無效率狀態，與效率前沿面之間的差距很大，尚存在66%的改進空間。其中，純技術效率均值為0.465，規模效率均值為0.733，表明產業集群創新效率偏低的原因是由純技術效率和規模效率兩者共同作用的結果。

為了進一步明確環境因素對產業集群創新效率的影響，我們采用配對樣本檢驗法考察環境因素剝離前后產業集群創新效率是否存在差異。由檢驗結果可以看出，以不同產業集群的技術效率值作為樣本進行配對檢驗，檢驗值為-23.289，顯著性概率為0.000。這說明，通過有效控制環境因素的影響，使各產業集群處于相同環境和自然狀態之下，創新效率的測算結果才可能與客觀實際更加趨近，也才能更真實有效地揭示產業集群創新效率水平。

四、研究結論

通過選取西部地區產業集群為研究對象，采用三階段DEA模型，剔除掉外部環境因素對技術效率的影響，測度分析了產業集群創新效率問題。主要研究結論有：

第一，研究結果顯示，西部地區產業集群技術創新效率普遍較低。在不考慮環境因素和統計噪聲影響的情況下，運用BCC模型測度的產業集群創新效率均值為0.339。與規模效率相比，純技術效率偏低是造成技術效率不高的主要原因。

第二，在考慮到環境因素的影響下，技術效率均值由0.339增加到0.443，表明環境因素對技術創新影響顯著。另外，產業集群技術創新環境總體上處于不利狀態，應加大對科技環境保護的力度，努力營造有利于產業集群技術創新效率提升的良好外部環境。

第三，產業集群技術創新效率高低與當地經濟發展水平關聯度比較強。處于經濟相對發達地區的產業集群，技術效率通常高于經濟相對落后地區的產業集群，說明經濟比較發達地區更有利于吸引科技人才，從而能夠提高R&D人員投入的質量。同時，經濟發達地區有足夠的R&D經費投入，為最終的科技成果提供了資金保障。

本研究的不足之處在于，本文選取五個環境因素來考察產業集群技術創新效率問題，實際上還存在其他影響產業集群創新效率的環境因素，但考慮到數據的可獲得性，文中并未涉獵。這可能是由于某些環境因素的遺漏而造成產業集群技術效率測算結果與客觀實際存在一定程度的偏差，這也為后續研究進一步探索此類問題提供了更深入研究的方向。

參考文獻：

[1]? 孫紅兵，向剛.基于DEA的城市創新系統創新效率評價分析[J].科技進步與對策，2011，（12）：130-135.

[2]? 汪娟，肖瑤.基于DEA方法的中國城市技術創新效率研究[J].財經理論與實踐，2013，（2）：109-112.

[3]? 常曉然，周全，吳曉波.我國54個城市的創新效率比較研究：基于包含非期望產出的SBM-NDEA模型[J].管理工程學報，2016，（1）：9-18.

[4]? H.O.Fried，C.A.K.Lovell，S.S.Schmidt，S.Yaisawarng.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002，17（1-2）：157-174.