技術產出彈性、兩階段創新效率與高技術產業競爭力研究

賴紅波，施 浩

(上海理工大學 管理學院，上海 200093)

0 引言

近年來，我國高技術產業已取得長足發展。但當前國際形勢下發生深刻變化，如何盡快攻克高技術領域“卡脖子”技術難題，是我國高技術產業發展的當務之急。科技不是無源之水、無本之木，產業尋求技術創新、技術突破，都必須立足于自身技術存量。隨著我國高技術產業從技術模仿階段走向技術創新階段，基礎性研究即技術存量的重要性日益突出。有效技術存量已與科研人員投入、研發資本投入并列，成為第三類重要的研發要素投入。而且，經過長期技術積累，各地區高技術產業在有效技術存量上已經拉開明顯差距。技術存量是創新發展的“源頭”，創新效率是持續發展的“活水”，兩者不可割裂。技術水平差距是區域產業提質增效所必須面對的關鍵問題；創新效率是驅動高技術產業結構調整的關鍵因素。忽視技術差距進行創新效率討論，很容易演變成脫離現實的數字游戲，失去與產業發展現實的聯系。因此，立足于區域間技術存量差異，開展技術產出彈性和創新效率對區域高技術產業競爭力影響的實證研究更具理論和現實意義。

國內外文獻對于高技術產業創新活動的研究主要有非參數估計和參數估計兩個方面。其中，運用非參數估計法的研究主要集中在創新效率測度[1-2]及其影響因素分析上[3]。學者們分別從政府補助[4-5]、稅收優惠[6-7]、產業集聚[3]、企業規模[3]、產權性質[8]、市場化進程[9]、要素市場扭曲[10]等視角入手，對創新效率影響因素進行了大量研究，但一致性實證結論較少。學者們將企業創新活動近似理解為，一個存在于“創新車間”的生產過程，即投入創新要素、產出創新成果的該車間的生產效率被認為是產業創新效率。這種做法將創新產出同質化，為創新效率測度提供了可能，但忽視了區域間技術水平差異。具體到區域間產業創新效率比較研究中，直接將各地區集合成一個整體，即暗含東、中、西部各地區面對完全相同生產前沿面，忽略了地域間技術環境和技術存量差異。

部分學者們關注了技術異質性問題。王惠[11]運用Super-SBM模型測評2006-2012年省際高技術產業綠色創新效率，以企業規模為門檻變量區分比較組技術差異，研究了各要素對創新效率的影響。但第一步，在共同前沿面下測度效率就已經隱含了技術同質性假設。部分學者結合分組前沿和共同前沿面的方式解決了異質性問題。沈能等[12]將我國分為東、中、西及東北4個區域，分別在技術同質性環境及異質性環境下進行創新效率分析。結果表明，在兩種背景下，測度結果差異較大；肖仁橋等[13]同樣考慮了我國東、中、西部地區企業技術異質性,并在群組前沿和共同前沿下構建并聯網絡DEA模型測度高技術制造業創新效率。結果表明，東、中、西部地區效率依次遞減。通過東、中、西部等區域區分技術水平差距有一定的代表性，但劃分方式過于機械和主觀。也有學者通過剝離環境因素消除區域間的差異；楊青峰[14]、劉偉[15]分別運用三階段DEA模型，剝離開放程度、經濟發展水平、人力資本、產業結構等區域間技術環境差異，得出規模效率不高是制約其整體效率提升的主要因素。然而，環境因素剝離主要是針對管理因素和統計誤差，并未對區域間技術水平差異進行深入研究。

在參數估計方法中，作為效率的另一種表達形式，要素產出彈性仍然是學者關注重點。要素產出彈性被定義為產出變化率對投入要素變化率的反應程度。勞動產出彈性=產出變化/勞動力投入變化，資本產出彈性=產出變化/資本投入變化。龔新蜀[16]以規模報酬遞增和要素產出彈性可變為條件構建“干中學”內生增長理論模型；任皓[17]運用工具變量法，測算了知識密集型服務業對高技術產業的產出彈性為1.22，并得出對于中等收入國家，發展知識密集型服務業有利于提高本國高技術產業發展的結論；王俊[18]運用1998-2006年28個制造業部門面板數據在拓展柯布-道格拉斯知識生產函數的基礎上，測算政府R&D資助與企業R&D投入的產出彈性，并動態估計得到高R&D強度行業以往的專利產出對當前創新具有積極影響。上述研究都部分涉及以往專利或現存技術對生產的影響，但并未進行深入研究。

有效技術存量被視為與勞動和資本投入相并列的第三種創新要素投入。技術產出彈性即產出變化率對有效技術存量變化率的反應程度。技術產出彈性=產出變化/有效技術存量變化。技術研發應以現有技術為基礎，且有效技術存量會隨研發新成果的出現而增加，也會隨時間推移而不斷折舊。潘維軍[19]以國內137個工業行業面板數據為基礎，采用擴展的柯布道格拉斯形成技術生產函數，分析技術研發中各投入要素產出彈性，發現技術存量的技術產出彈性最高，研發人員產出彈性高于研發資本彈性。

上述對于高技術產業創新活動的研究均止步于創新效率，對于創新效率與產業競爭力的具體影響研究不足。技術創新的最終目的是促進產業發展，而不是為了創新而創新。單個車間生產效率不能代替其整個工廠發展水平。技術創新應涵蓋從研發到市場的全過程，不應止步于創新活動本身，更不能將創新效率與產業發展混同。封偉毅[20]認為，產業競爭力是指持續盈利的能力，其通過研究技術創新對高技術產業盈利能力的影響發現,技術開發能力對競爭力的影響大于技術轉化能力的影響。但在區域間橫向比較時，利潤指標受研發投入、管理成本等因素的影響較大，且不能反映區域間競爭力的相對變化。有學者認為，產業競爭力應表現為市場份額占有率；李芳[21]借助國際市場占有率對各國運輸服務貿易競爭力強弱進行了測度和分析；孫立芳[22]認為，國際市場占有率是衡量一國農產品在國際市場上競爭地位的重要指標。國際市場占有率越大，競爭力越強；反之，占有率越小，競爭力越弱。借助競爭力概念，對國內高技術產業發展進行研究可知，某地區占國內市場份額較高，則說明該地區產業競爭力較強；占國內市場份額較低，則說明該地區產業競爭力較差。

本文通過門檻模型對高技術產業生產函數進行分解，以技術存量水平和技術產出彈性差異對所觀察的29個地區進行分組，測度組內各地區創新效率，并分析創新效率對產業競爭力的實際影響。

1 機理分析

基于創新價值鏈理論[23]，本文將企業創新活動分解為知識生產過程和成果轉化過程兩個方面。其中，知識生產效率是企業科技研發階段知識產出 (如專利等) 與研發投入 (如研發人員、研發經費等) 之比；成果轉化效率是指新產品市場化后銷售收入與新產品研發投入之比，兩者共同組成創新效率[24]，具體如圖1所示。

創新效率通過改善投入產出比例、提高創新要素資源利用率，從而降低研發產出單位成本。特別是高技術產業技術人員屬于稀缺資源，在高效率創新環境下，其能增加創新產出。同時，高創新效率加快了投入產出轉化速度，從而能夠提升產業結構調整速度。盡管創新效率可以間接通過促進產業結構調整優化技術環境，進而獲得技術水平提升，但是創新效率主要作用范圍仍在量的層面，并不直接作用于質的層面。創新效率并不直接作用于研發產出技術水平，研發深度與廣度更多決定于技術存量及其研發基礎。

圖1 高技術產業兩階段創新效率

高技術產業競爭力受技術水平和創新效率的共同影響，而技術水平是主導力量。以醫藥制造業為例，藥品相對價格由產品技術水平和研發成本共同決定。其中，技術水平是主導力量。全球醫藥行業常見的“專利懸崖”現象，即藥品專利到期后，其產品價格及原廠銷售額會大幅下降，但在中國“專利懸崖”現象并未普遍出現。原因在于，中國存在部分原研藥品牌效應，但更關鍵的是，中國制藥業技術水平發展不高，仿制藥達不到原研藥質量要求，原研藥廠自然沒必要大幅降價。除定價能力外，產出能力也是醫藥制造業產業實力的重要組成部分。產出能力又分為產出數量、產出質量和銷售能力3個方面。其中，產出數量決定于投入量，與創新效率相關；產出質量和銷售能力更直接取決于該產品中的技術含金量。

2 模型設定

2.1 高技術產業生產方程

宇澤弘文-盧卡斯模型[25-26]是以人力資本外溢效應為核心的內生增長模式，通過在索洛模型中引入教育部門，以人力資本溢出效應解釋技術進步，能夠有效描述高技術產業生產過程。具體方程如下：

Y=F1(A1,K1,H1)

(1)

(2)

Rebelo[27]放松了物質資本對人力資本不發生作用的假設，將宇澤弘文—盧卡斯模型作為特例處理，給出了更一般的模型形式。

Y=F1(A1,K1,H1)

(3)

(4)

Romer[28]同樣將生產環節分為擁有不同生產技術的兩個部門：消費品生產部門和研發部門(企業知識積累部門)，開創了內生增長理論，并構造了簡單的兩部門模型。

Y=F1(A1,K1,L1,H1)

(5)

(6)

將上述包含技術積累因素的內生增長模型應用到產業創新活動的研究中，構建高技術產業生產函數，則其科布道格拉斯函數形式如下：

(7)

其中，Y為產品產出，A1為全要素生產率，K1為物質資本投入，L1為普通勞動力投入，H1為人力資本投入，α為資本產出彈性、β為勞動力產出彈性、θ為技術產出彈性。人力資本是受過訓練的普通勞動力，仍來源于普通從業人員，故有H1=ahL,L1=(1-a)L,L為全部勞動力投入量，a為人力資本占全部勞動的比例,h為人力資本質量，a和h的高低均來源于技術積累。由于在現有數據統計中，高技術產業生產領域的a和h難以完全細分，但表征區域間有效技術存量水平差異的專利數據卻非常明確。因此，在進行高技術產業區域間橫向比較時，以專利數據表征產品生產中人力資本投入水平的差異。則有：

(8)

其中，T表示各地區間的有效技術存量水平。高技術產業知識生產環節方程為：

(9)

2.2 門檻模型設定

在研究有效技術存量水平對產出影響的非線性關系時，“讓數據說話”的門檻模型依據數據本身特點內生地劃分區間，比筆者主觀分組或者是依據傳統東、中、西部分組更具有客觀性。因此，本文采用Hansen[29]提出的門檻回歸模型，單一門檻模型設定如下：

lnYit=μi+lnLit+βlnKit+θ1lnTitI1(qit≤γ)+θ2lnTitI2(qit>γ)+ξit

(10)

雙門檻模型為：

lnYit=μi+lnLit+βlnKit+θ1lnTitI1(qit≤γ1)+θ2lnTitI2(γ1

(11)

上式中，Y為產出量，L為勞動力投入量，K為實物資本投入量，qit為門檻變量，本文中為有效技術存量水平，門檻變量與解釋變量并無沖突。I為虛擬變量，當符合條件時I=1，否則I=0。i表示地區，t表示年份，α、β、θi為待估系數，γi為待估計門檻值，μi為個體截距項，ξit為擾動項。

2.3 創新效率測度模型

DEA—BCC模型[30]在現有文獻中應用比較廣泛，篇幅所限在此不作模型介紹。DEA-Malmquist指數模型源于DEA計算方法和Malmquist生產率指數概念的結合，該模型可以考察決策單位跨期、多投入、多產出的動態生產效率，并對決策單元全要素生產率(Total Factor Productivity, TFP)變動情況以及技術效率和技術進步對生產率變動所起的作用進行分析[31]。本文采用相鄰參比Malmquist指數模型，從t時期到t+1時期，度量全要素生產率增長的Malmquist指數可表示為：

(12)

Malmquist指數即全要素生產率變化(Tfpch)可分解為技術效率變化和技術水平變化的乘積，分析式如下。第一項為技術效率變化(Effch)，第二項為技術水平變化(Techch)；Tfpch指標大于1時，表明創新獲得全要素生產率提升；等于1時，說明不變；小于 1時，則表明退化。同理， Effch和Techch指標大于1時，表示進步。

(13)

3 實證檢驗

本文數據來源于《中國高新技術產業統計年鑒2010-2017年》，樣本選取2009-2016年29個地區的相關數據(因數據不全，西藏、青海及港、澳、臺地區未納入統計)。在2017年統計年鑒中，高技術產業包括醫藥制造，航空、航天器及設備制造，電子及通信設備制造，計算機及辦公設備制造，醫療儀器設備及儀器儀表制造，信息化學品制造6大類。其中，信息化學品制造僅2016年、2017年數據被收入統計年鑒中，故排除；同時，由于廣東省電子及通信設備制造業數據離群，若與其它產業數據合并，會掩蓋其它產業數據特征，故排除。因此，本文高技術產業數據包括醫藥制造業，航空、航天器及設備制造業，計算機及辦公設備制造業和醫療儀器設備及儀器儀表制造業4個產業數據。

3.1 變量選取與檢驗

3.1.1 門檻模型變量選取

表1 樣本描述性統計結果(2009-2016年，N=28，T=8年)

3.1.2 門檻效應檢驗

首先，利用格點搜尋法,尋找使上述模型殘差平方和最小的門檻值，依次判斷不存在門檻、存在單一門檻、存在兩重門檻的3種假設。由于模型中冗余參數的存在，F統計量不服從標準分布，故Hansen提出通過自抽樣法(Bootstrap)計算F統計量的臨界值，結果見2。從中可見，放回抽樣300次,雙重門檻效應顯著，自抽樣P值為0.000，單一門檻和三重門檻效應均不顯著。

表2 門檻效果檢驗結果

圖2、圖3繪制了單門檻模型中門檻值估計和置信區間的構造過程。依圖所示，似然比檢驗統計量(LR)為0時，變量TE的取值即為門檻值參數估計值。圖中虛線為LR值小于5%顯著水平下的臨界值7.35，虛線與LR曲線的交點為門檻估計值95%置信區間。雙重門檻模型依照門檻值確定先后順序排列。在圖2中，首先確定第一門檻值為0.211；鎖定第一門檻值后，再次搜索，確定圖3中第二門檻值為0.050。

圖2 雙重門檻模型第一門檻估計值和置信區間 圖3 雙重門檻模型第二門檻估計值和置信區間

依據雙重門檻值，可按有效技術存量水平將29個地區依次分為：低端組(q≤0.050)、中端組(0.0500.211)，分組結果見表4。從中可見，高中低3組分別有6、16、7個成員，總體呈橄欖型分布。高端組北京、天津、江蘇、浙江、山東、廣東均是我國先進地區，中端組上海最接近分組上限，低端組多數為經濟欠發達地區。

表4 地區按有效技術存量水平分組情況

3.1.3 門檻模型回歸結果

門檻模型回歸結果見表5。從中可見，所有變量均在1%水平上顯著。在人力和資本產出彈性一致的前提下，估計的人力和資本產出彈性分別為0.593 3和0.197 57，低、中、高3組技術產出彈性分別被估計為0.147 4、0.197 57、0.218 5。這說明，隨著技術存量的增加，技術生產彈性逐級增加。而且，只有高端組投入要素產出彈性之和α+β+θ=1.009>1，說明高端組規模報酬遞增，其發展趨勢發散，而中、低端組發展呈收斂趨勢。這也就解釋了廣東省高技術產業電子及通信設備制造業迅速發展成為巨無霸的事實。

不同技術產出彈性預示著不同的技術環境。若以所有地區共同前沿面測度創新效率，就忽略了地區間技術環境及有效技術存量水平的差異，從而陷入落后地區高效率低投入、低產出的悖論。因此，本文在分組前沿面的基礎上，探究創新效率對高技術產業的影響。

3.2 創新效率測度

3.2.1 創新效率測度指標選取

本文將高技術產業創新活動分為知識生產和產品生產兩個階段。

表5 門檻效應模型和固定效應模型比較

(2)產品生產階段。其中，產出指標包括新產品銷售收入、主營業務收入。新產品產值[34]指標在2013年以后的統計年鑒中不再收錄，故不能選取。新產品脫離研發環節到銷售收入需經過生產、銷售兩大環節，但新、舊產品共用一組生產車間和銷售團隊，所以很難分離兩類產品的生產成本和管理成本。因此，補充主營業務收入作為產品生產階段的第二產出項。投入指標包括新產品研發經費、有效發明專利數、企業從業人員數。本文將新產品研發經費作為資本投入、將擁有有效發明專利數作為技術投入。產品生產階段側重于知識成果轉化，因此將服務于所有產品生產銷售的從業人員數作為人力資本投入[35]。

兩階段創新活動投入產出指標見表6。運用DEA模型測度效率時，樣本數據需要滿足等張性要求，即樣本中產出應隨著要素投入的增加而增加。本文運用Stata對面板數據進行相關性檢驗，各組投入與產出變量間均滿足顯著正相關關系，表明數據滿足等張性要求，表明所建立的DEA效率測度模型有效(篇幅有限未列出)。

3.2.2 創新效率測度結果

將29個決策單元分為高、中、低3組，分別運用DEA-Malmquist模型進行組內效率測度，靜態技術效率測度結果見表7。

表6 區域高技術產業兩階段創新活動投入產出指標

表7 29地區分組兩階段創新活動技術效率統計結果

從組平均值看，高端組創新效率最高，兩階段均高于中端組和低端組，說明在高技術積累的基礎上，高端組已進入良性循環；中端組成果轉化效率最低，平均水平僅有0.63，技術轉化問題已成為限制中端組地區發展的關鍵因素；低端組知識生產效率與中端組相近，成果轉化效率接近于高端組，說明其創新活動開展情況良好。同時，從組標準差角度看，兩階段效率標準差均是高端組最小，說明高端組創新效率一直維持在一個較高水平，呈現出收效狀態。

從個體最大值看，兩階段中都有大量決策單元達到過技術前沿面，一方面是因為分組后參照對象變少，更重要的是各區域高技術產業知識產出、產品產出都存在積累和爆發過程。從個體長期效率平均值看，各組中山東、河北、江西、黑龍江、陜西、內蒙古均是創新效率較低地區，見表8。

表8 2009-2016年3組分地區創新效率指數變化及其分解情況

總體來看，高端組和低端組情況類似，產品生產環節全要素生產率呈增長態勢，但知識生產環節則相反；中端組知識生產全要素生產率持續提升，但產品轉化環節全要素生產率并未提升。3個組知識生產活動技術效率均有所提升，但產品生產過程中技術效率僅低端組有微量提升。

從個體創新效率變動情況看，大部分地區全要素生產率呈增長態勢。中端組黑龍江、上海、江西、四川知識產生全要素生產率增長迅速，均達到15%以上，由于上海接近高端組分類邊界，故與中端組其它決策單元相比相對效率進步，而黑龍江、江西、四川均是中端知識生產發展水平較快地區。從成果轉換率角度看，高端組各單元均維持在較高水平，而低端組水平顯著高于中端組。可以發現，2009-2016年低端組地區著力于成果轉化率，通過尋找合理創新維度，迅速提升本地區高技術產業競爭力。

3.2.3 創新效率對產業競爭力影響

考察兩階段創新效率對產業競爭力的影響：

被解釋變量：市場占有率(IST)以地區高技術產業主營業務收入在全國全行業主營業務收入中的占比表征地區高技術產業競爭力。IST=區域產業主營業務收入/全國總額。

解釋變量：知識生產階段技術效率(Crste1)、產品生產階段技術效率(Crste2)。

控制變量：①技術相對積累水平(q)，同上文；②研發投入強度(RDIN)以區域產業R&D經費內部支出在主營業務收入中的占比表征，RDIN=R&D經費內部支出/主營業務收入[36]；③產業外向度(WXD),WXD=新產品銷售額中出口額/新產品銷售額[37]；④政府支持力度(GSIN)= 研發經費中政府資金/研發資金總額[38]。

考察兩階段創新活動全要素生產率變化對產業競爭力變化的影響：

被解釋變量：營業額占比變動(ISTCH)：ISTCHt=ISTi,t/ISTi,t-1。其中，i表示地區，t表示年份，數據來源由作者計算，選取2010-2016年。

解釋變量：知識生產階段全要素(Tfpch1)、產品生產階段技術效率(Tfpch2)。

控制變量：①技術相對積累水平進步(qch)，qchi,t=qi,t/qi,t-1；②)絕對技術水平進步(ZLSch)用有效發明專利數增長比例表征，ZLSchi=ZLSi,t/ZLSi,t-1。

面板數據回歸結果見表9，從中可見：①產品生產技術效率與產業實力顯著正相關，但知識產出技術效率對其影響不顯著；②知識生產全要素生產率變化與產業實力變化顯著正相關，但產品生產全要素生產率對其影響不顯著；③技術相對水平與產業競爭力顯著正相關；④技術相對水平變化與產業實力相對水平變化顯著正相關，但專利數絕對增長對其影響不顯著；⑤研發投入強度與產業競爭力顯著負相關，產業外向度與產業競爭力顯著正相關，政府支持強度對產業發展的影響均不顯著。

綜上可見，提升區域高技術產業競爭力的關鍵在于提高科技成果轉換率。落后地區正在通過專注于轉化率的方式逐步提高產業實力，而中端地區卻面臨兩難困境。由于中等發展地區產業有效技術存量水平已脫離低端，且具有較大生產規模，其對技術創新的要求與高技術積累地區一致。但在實際技術競爭中，有效技術存量水平較高地區占據人力、資金、技術等優勢，中等發展地區很難在核心技術上取得大面積突破式發展，其研發產出難以形成核心競爭力，產業競爭力也難以提升。另外，研發投入強度并未顯著促進產業競爭力提升，可見忽視高技術產業發展實際情況，期待通過不成比例地大幅度提升研發投入不切實際。無論是靜態實力還是動態增長，有效技術存量水平都是決定地區產業發展的關鍵，但高技術產業發展是一個復雜系統工程，并非單純依靠有效發明專利數增長就能解決，只有通過人力資本、物質資本、技術水平等環節的綜合作用才能實現。

4 結論與啟示

4.1 結論

本文通過門檻模型對高技術產業生產函數進行分解，以有效技術存量水平和技術產出彈性差異對所觀察的29個地區進行分組，區分出產出質量差距，將創新活動分解為知識生產和產品生產兩個階段，并進行組內相對創新效率測度，得出相對效率值后，最終通過面板數據回歸，分析創新活動技術效率及產業技術積累對產業競爭力的實際影響。結果發現：①我國高技術產業有效技術存量水平不同，大體可分為高、中、低3個組，且3組地區技術產出彈性顯著不同。高端組擁有高技術積累，且技術產出彈性也最高，而中端組、低端組技術積累和產出彈性依次降低。發達地區技術產出彈性高，實現了投入要素規模報酬遞增，獲得了遠超其它地區的高速增長；②從有效技術存量水平和技術環境角度看， 29個地區間存在著巨大差異，故直接將所有地區混同比較，會掩蓋知識產出間的質量差異。分組建立前沿發現，高端組知識生產及產品生產技術效率均較高，而低端組產品生產技術效率也相對較高，但是中端組正陷入成果轉化率較低的困境；③整體來看，產品生產技術效率即技術成果轉化率對高技術產業競爭力增長有顯著促進作用。知識生產全要素生產率變動對高技術產業競爭力變動有顯著放大作用。有效技術存量水平是推動高技術產業發展的關鍵力量，但通過不成比例地拔高研發投入強度并不能取得預期效果。

表9 兩階段創新效率對產業競爭力的影響結果

4.2 啟示

(1)提高技術成果轉化率是促進區域高技術產業發展的關鍵。先發地區的“抽屜專利”一直在尋求出路，后發地區高技術產業發展亟需技術上的“源頭活水”，唯有依靠市場機制將專利從數量形式還原回價值形式，有效鏈接技術研發和市場需求，才能形成高中低3組高技術產業協調發展的良好局面。因此，應建立全國性專利交易平臺，整合各地區專利技術展示交易中心，暢通交易信息，發展專業專利代理機構，提升專利交易效率；同時，探索合理的技術轉移激勵機制，突破研發機構體制束縛，鼓勵研發成果異地投產。

(2)先發地區高效率知識生產是我國高技術產業高速增長的持續動力。目前，除航空航天器及設備制造業部分聚集于陜西、遼寧、四川外，其它高技術產業均聚集于北京、天津、上海、江蘇、浙江、廣東、山東。先發地區已經具備了產業發展基礎優勢，又由于技術的高彈性，仍在持續吸引高端人才、投資資金和優質企業聚集。高技術產業競爭本質上仍是技術水平的競爭，創新效率固然重要，但數量不能代替質量，唯有在高水平的基礎上實現高效率生產，才能形成高質量創新成果，進而推動高技術產業全局發展。

(3)后發地區高效率產品生產是區域高技術產業取得高速發展的突破口。隨著我國產業結構轉型升級，高技術產業在大部分地區均有所發展，但其并不會遍地開花。各地區特別是后發地區應根據自身資源稟賦和發展條件，選擇合適的發展路徑和發展目標。首先，應深挖各地區資源稟賦與新技術、新產業結合的可能，如當下貴州大數據產業就是區域特點與產業特色創新結合的成功案例；其次，在現有產業的基礎上，集中力量發展區域特色產業，如陜西、四川航空航天產業；最后，依托產品生產，有選擇地接受產業梯度轉移，發揮資源、能源優勢，實現和推進高技術、高能耗產業異地投產。

然而，本文還存在以下不足：雖然市場份額是產業競爭力的重要體現，但其不能展示高技術產業競爭力全貌，未來研究將對競爭力指標進行細化。另外，由于數據來源受限，創新活動知識產出以專利數量形式表現，盡管通過技術水平分組增強了其合理性，但數量累積仍然難以充分體現專利市場價值以及專利與專利間的質量差距。