珠三角地區創新要素配置效率評價
2021-07-22 20:46:26李曉峰盧紫薇
改革 2021年6期
李曉峰 盧紫薇
摘? ?要：在考慮技術進步動態變化的條件下，構建超越對數生產函數對2001—2019年珠三角地區科技創新生產系統的要素投入狀況及配置效率進行測算與分析。研究發現：2001—2014年珠三角地區創新產出增長主要依賴于資本投入驅動，2015年后勞動驅動作用逐漸增強;同時，珠三角地區資本偏向型技術進步與要素互補關系并存，要素投入結構與技術結構匹配度較低，創新要素配置效率亟待提升;珠三角地區內各城市的創新情況差異顯著，但多表現為規模不經濟現象。珠三角地區應調整創新投入結構，改變資本投入驅動科技創新狀況，優化科技創新生態，同時發揮各市產業優勢，加強科技創新協同發展。
關鍵詞：科技創新;創新要素;配置效率;超越對數生產函數
中圖分類號：F124.3? ?文獻標識碼：A? ?文章編號：1003-7543（2021）06-0097-15
當今社會科技變革日新月異，創新能力越來越成為一個國家和地區綜合實力和競爭力提升的重要決定因素。改革開放40多年來，我國創新能力得到了大幅提升，科技創新愈發成為經濟高質量發展的核心動力。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》（以下簡稱為《綱要》）將“堅持創新驅動發展”列為未來五年一系列重要領域工作的首位，并將科技自立自強放在了國家發展的戰略支撐地位。《綱要》明確指出，“支持北京、上海、粵港澳大灣區形成國際科技創新中心”，其中，粵港澳大灣區肩負“兩廊兩點一中心”建設的重任。珠三角地區作為我國重要城市群和粵港澳大灣區建設的交匯處，具有雙重政策優勢，是廣東省科技創新的核心地區與國際科技創新中心建設的領頭兵，在我國整體和區域科技創新格局中具有重要地位，應深入挖掘創新要素集聚優勢，進一步強化創新驅動，推進以科技創新為核心的全面創新，不斷提高科技進步對經濟發展的貢獻度。
研究與開發（Research and Development，以下簡稱為R&D）活動是科技創新的核心部分，對技術進步和經濟增長具有重要作用。2001—2019年，珠三角地區規模以上工業企業R&D經費內部支出和活動人員分別從132.529億元和77 661人增加至2197.63億元和784 013人。大幅增長的R&D投入符合政策導向，對科技創新產生了極大推動力，但增加R&D投入只是推進科技創新的必要條件而非充分條件。在不完全競爭的市場環境中，創新投入水平的提高可能降低全要素生產率對經濟增長的貢獻，從而導致“科技創新困境”。顯然，受制于不完善的要素市場化進程，以R&D資本和R&D勞動為主的創新要素難以按市場機制實現有效配置，這種資源錯配將阻礙創新生產效率的提升，經濟增長內生動力有待繼續加強。因此，從這個意義上講，有必要對現階段珠三角地區的研發要素利用質量和配置效率進行全面考察，并在此基礎上提出相應建議。
一、相關研究綜述
以R&D活動為核心的科技創新既受研發投入持續增長驅動，又在很大程度上依賴于研發效率的提高[1-2]。目前，有關R&D投入與創新績效的相關文獻主要包括兩類：
一類是研究R&D投入規模對創新產出的影響。在內生增長理論框架內，嚴成樑和龔六堂、Ljungawall & Tingvall等探究了研發要素投入數量的經濟增長效應，發現二者間存在顯著正相關關系[3-4]。在科技創新投入變量的選取上，學者們多選用并測度R&D資本投入和勞動投入[5-6];同時，根據研究目的的不同側重點，我國學者亦使用專利授權量、人力資本、外資水平、金融發展、政府投入等多種因素對我國或部分地區的科技創新水平及影響效應進行實證分析[7-11]。研究發現，創新要素投入規模對科技創新固然重要，但并非決定因素，各類要素在不同外部條件及配置結構下對科技創新和經濟增長的作用不同，甚至存在“高水平陷阱”[12]。
第二類文獻主要關注研發效率對創新的影響。我國經濟進入新發展階段后，經濟增長應以質取勝，此時相較于要素投入規模，科技創新更取決于要素使用效率[13]，從而要素配置結構成為創新產出的關鍵決定因素之一。相關研究普遍認為，我國要素市場的市場化進程滯后于產品市場，要素市場存在明顯的市場分割和價格扭曲，在這種情形下，勞動力和資本等創新要素難以實現有效配置，這勢必會阻礙科技創新和經濟增長。Ljungwall & Tingvall認為，由于中國要素市場嚴重扭曲，中國R&D支出的增長效應明顯低于其他國家[4]。張杰等使用2001—2007年工業企業樣本研究發現，要素市場扭曲程度越大，其對中國企業R&D投入的抑制效應就越大[13]。戴魁早和劉友金的研究表明，要素市場扭曲顯著抑制了我國高技術產業的R&D資本投入，但促進了R&D勞動投入，從而抑制了高技術企業或產業創新效率的提高[14-15]。白俊紅和卞元超指出，我國勞動力和資本要素市場的扭曲顯著抑制了創新生產活動的開展，其內在作用機制包括戶籍制度限制、勞動力價格管制、市場需求能力下降和政府干預信貸決策、非生產性尋租、政府創新補貼政策[16]。可見，即使創新要素巨額投入，但若配置結構失衡、配置效率不足，也會對科技創新和經濟增長產生抑制效應。
另外，作為經濟增長重要來源的技術進步已被理論和經驗研究證明是有偏的，要素產出彈性會隨時間推移而改變[17-18]，技術進步將以不同方式影響要素的邊際生產率。李小平和李小克以Acemoglu的相關定義和識別準則為基礎，研究發現資本偏向性技術進步解釋了我國工業全要素生產率的大部分增長[19-20]。科技創新的形成過程對要素投入選擇亦存在一定偏好。楊振兵基于超越對數生產函數的隨機前沿模型測算發現，我國R&D資本的產出彈性遠大于R&D人員的產出彈性，制造業科技創新整體偏向于資本，且具有明顯的路徑依賴特征[21]。因此，企業生產決策不僅取決于要素投入組合的經濟性，而且取決于研發過程中要素效率水平提升的相對程度[22]。
截至目前，既有文獻已就不同省份、不同產業、不同企業的創新效率進行了大量測算和考察，但聚焦于某一特定區域或城市群的研究仍相對較少，且大多以長三角地區為研究對象[23-25]。少數幾篇關于珠三角地區的研究則運用數據包絡法（DEA）、雙重差分法（DID）等分別對珠三角整體和各城市的創新效率、創新能力、創新分工等進行了測算與評價，結論多認為盡管珠三角地區整體創新水平較高，但目前的創新體系存在資源配置低效和規模不經濟現象[26-29]。另外，也有文獻將其與京津冀、長三角、成渝城市群等作橫向比較，結論不一[30-33]。根據這些研究，珠三角地區科技創新能力強勁，但亦存在較大的研發效率增長空間。創新要素投入之間以及要素投入與配置結構之間的相互作用機制復雜多樣，在明晰現有創新要素投入格局和配置結構的基礎上再進行相應的創新效率及影響因素分析，可提高分析結果和政策建議的有效性。明晰珠三角地區創新要素的配置結構和配置效率，對提高珠三角地區創新績效具有重要現實意義。
本文的邊際貢獻主要體現在：第一，區別于采用固定彈性模型對中性技術進步的分析，本文利用超越對數生產函數測算相關參數，推導珠三角地區創新系統的技術結構表達式，并結合要素產出彈性、偏向性技術進步差異、要素替代彈性分析創新要素的技術進步偏向及其配置效率對珠三角地區科技創新的影響;第二，利用永續盤存法對珠三角地區各城市的R&D資本存量進行測算，這有助于更好地體現研發活動的連續性，有利于我們客觀認識R&D活動對創新產出的影響。
二、研究設計
（一）模型構建
在要素投入與產出關系分析的模型選取上，較為常用的有柯布-道格拉斯生產函數和超越對數函數兩種形式。前者假定技術進步中性和產出彈性、替代彈性固定;后者則放寬了上述假定，模型形式更加靈活，能更好地避免函數形式誤設問題，在多要素生產函數研究中應用愈發廣泛。考慮到隨著時間的推移，事前難以確定珠三角地區各城市技術是否中性、產出彈性與替代彈性是否固定，本文構建超越對數函數模型來描述珠三角地區的創新生產系統。
根據被解釋變量的不同，超越對數函數主要分為超越對數生產函數、超越對數價格函數與超越對數成本函數。理論上，三種超越對數函數可等價地應用于相關研究，但在競爭條件下，決策主體可將要素價格視為外生變量，因此，在微觀或中觀層面，以要素價格為自變量的超越對數成本函數及價格函數能有效避免內生性問題，估計效果優于超越對數生產函數;而在宏觀層面，由于要素投入數量與要素價格均可視為內生變量，三種超越對數函數的相對優劣難以預測[34]。鑒于本文所考察問題涉及要素僅有勞動與資本兩類，可利用嶺回歸法提高估計精度，改善共線性問題，且創新要素價格難以衡量，因此本文選用超越對數生產函數進行分析和估計，模型設定如下：
lnRDYit=β0+βtTit+βllnRDLit+βklnRDKit+βttT+βll（lnRDLit）2+βkk（lnRDKit）2+βtlTitlnRDLit+βtkTitlnRDKit+βlklnRDLitlnRDKit+εit（1）
其中，RDYit表示城市i在t期的創新產出，RDLit表示城市i在t期的創新勞動投入，RDKit表示城市i在t期的創新資本投入，Tit為時間趨勢。考慮到技術進步會隨時間發生變化，本文參考王建民和楊力的研究[25]，引入一個時間趨勢變量Tt+1=Tt（1+α），T0=1，以反映經濟系統中的中性技術進步，其中α表示技術進步率，用各城市專利授權量的年均增長率衡量。β為待估參數，εit為隨機誤差項。
根據式（1）可得創新勞動投入的產出彈性為：
δl===βl+βtlTt+βlklnRDKt+2βlllnRDLt（2）
創新資本投入的產出彈性為：
δk===βk+βtkTt+βlklnRDLt+2βkklnRDKt（3）
產出隨時間的自主變化彈性為：
δt===βt+βtllnRDLt+βtklnRDKt+2βttTt（4）
其中，βt+2βttTt反映了中性技術進步貢獻率，βtllnRDLt+βtklnRDKt反映了要素偏向性技術進步貢獻率。根據Diamond[35]，當存在技術進步偏向時，創新勞動投入與創新資本投入的技術進步偏向性差異為：
BIASLK=-（5）
BIASLK>0表示給定要素投入比例，當發生技術進步時，創新勞動投入的邊際產出相對于創新資本投入增長更快，即科技創新傾向于節約資本而更依賴于勞動要素投入;BIASLK<0表示技術進步是資本偏向型;BIASLK=0則表示中性技術進步。
可以看出，在超越對數生產函數中，產出彈性反映了投入要素之間以及投入要素與時間趨勢之間的相互作用，同時亦反映了不同要素之間的技術進步差異。因此，超越對數生產函數相較于C-D生產函數可揭示實際經濟系統的更多內容。
根據產出彈性亦可計算得到創新勞動投入對創新產出增長的貢獻率為：
ηl=δl（6）
創新資本投入對創新產出增長的貢獻率為：
ηk=δk（7）
另外，超越對數函數的核心功能之一是刻畫要素投入之間的替代或互補關系。準確把握生產要素之間的替代或互補關系，有助于決策者依據要素價格變化調整生產決策，從而改善資源配置效率。根據式（1）的超越對數生產函數可得到創新勞動投入對創新資本投入的替代彈性為：
ELK=（8）
ELK<0表示創新勞動投入與創新資本投入之間是互補關系，表明地區創新要素投入比例與技術進步不匹配，此時要素投入組合將使地區創新產出處于不經濟區間;ELK>0表示RDL與RDK之間是替代關系，表明地區創新要素投入比例與技術進步相匹配，此時要素投入組合將使地區創新產出處于有效經濟區間。當0
（二）指標說明與數據來源
1.指標說明
模型的正確估計依賴于所選指標的合理定義與衡量。本文對創新產出RDY、創新勞動投入RDL和創新資本投入RDK的衡量方式如下：
（1）創新產出。現有研究中，常見的創新產出衡量指標有新產品銷售收入、新產品開發項目數、專利申請授權量、科技論文發表數量等，或上述指標的綜合使用[16，25，36-37]。考慮到一些發明并未經過項目開發或專利申請，同時專利指標可能損失創新產出的市場化水平等信息，以及大多科技論文實際并未應用于生產，而新產品銷售收入能較好地表達創新產出的市場化能力，本文選用新產品銷售收入作為珠三角地區創新產出的衡量指標。
（2）創新勞動投入。人力資本是一國經濟增長的動力源泉，對技術創新而言亦如是。無論是自主創新還是模仿學習，都需研發人員具體實現。本文以R&D活動人員全時當量來衡量實際創新勞動投入，其值為考察期內R&D全時活動人員工作量與非全時活動人員按實際工作時長折算的工作量之和。
（3）創新資本投入。不論是前沿研究還是基礎研究，現代科學研究活動的開展與落實必須有大量R&D經費投入作為保障[38]。本文以R&D經費內部支出來衡量開展創新研發活動的實際資本投入水平。由于R&D經費支出會對當期及以后的創新活動產生影響，若以R&D經費支出直接作為資本要素投入的衡量指標將使測算結果產生偏誤，難以反映地區研發創新的真實發展情況。綜合以上考慮以及創新活動的連續性特征，本文以永續盤存法對其進行存量核算，計算公式如下：
RDKt=（1-δ）RDKt-1+At（9）
其中，δ表示R&D資產折舊率，At表示第t期的不變價R&D資產投資。該式的計算共涉及四個關鍵參數，即當期R&D資產投資、R&D資產價格指數、R&D資產折舊率以及初始R&D資本存量。
當期R&D資產投資。目前，中國官方并未公布R&D投資數據，鑒于數據可得性，本文參考國內相關研究以研發經費內部支出來進行研發投入資本化核算[16，.39]。
R&D資產價格指數。不同學者對R&D資產價格指數的測算方法不盡相同，總的來看，普遍使用相關價格指數替代或用一組價格指數加權計算。例如，Griliches使用GNP價格指數和非金融企業工資價格指數來加權計算，權重分別為0.51和0.49[40]。考慮到R&D支出主要由固定資本消耗、勞動者報酬和中間品支出構成，以及廣東省內各市缺失上述多種統計數據，本文設定R&D資產價格指數 =GDP平減指數×0.55 +居民消費價格指數×0.45。
R&D資產折舊率。目前國內外對于R&D資產折舊率的設定尚無統一標準，但關于折舊率與R&D資產的使用壽命和折舊模式的密切關系已形成普遍共識。本文按OECD的建議，假定R&D資產平均使用壽命為10年[41]，并參考江永宏和孫鳳娥[39]，取10%的殘值率，得到折舊率為20.6%。
初始R&D資本存量。對于初始資本存量的估計，目前學術界多利用當期投資與資本存量的比例推算。假定投資增長率與資本存量增長率長期相同[42]，則計算公式為RDK0=A1/（gA+δ），其中，gA為2001—2019年R&D投資的年均增長率。
2.數據來源
本文以2001—2019年為時間窗口，以廣東省珠三角地區9個城市即廣州、深圳、珠海、佛山、惠州、東莞、中山、江門和肇慶的科技創新活動為研究對象，專利授權量數據來源于廣東省市場監督管理局（知識管理局），其余所用數據全部來源于2001—2020年《廣東統計年鑒》和《中國統計年鑒》。另外，數據口徑統一為規模以上工業企業，新產品銷售收入與R&D經費支出均調整為2000年不變價格。表1為本文主要變量的描述性統計結果。
三、測算結果與分析
（一）模型估計
當投入要素有n種時，超越對數生產函數的待估參數將有1+[n（n+3）/2]個。此時，在給定樣本數據容量的情況下，過多的待估參數通常導致嚴重的多重共線性問題，使模型估計失真。針對該問題，目前相關研究多使用嶺回歸估計法，以引入估計偏差為代價，提高模型估計精度。本文亦采用嶺回歸法對式（1）進行估計，結果如表2所示。
根據表2，全部變量系數估計值均較好地通過了5%水平下的顯著性檢驗。從各項系數估計結果來看，首先，時間趨勢及其二次項系數為正，表明珠三角地區科技創新系統存在中性技術進步并呈加速態勢。其次，創新勞動投入系數顯著為正，說明R&D活動人員即高素質人才對創新的影響愈加突出，而創新資本投入系數顯著為負，說明R&D經費對珠三角地區科技創新的影響正逐漸減弱。再次，勞動投入與資本投入二次項系數均顯著為負，表明珠三角地區創新經濟生產系統規模報酬遞減，即當R&D活動人員和R&D資本投入規模達到一定程度時，創新產出增加比例會逐漸遞減，可能原因是資本替代勞動力速度過快以及人才“擁擠”而引致的浪費與低效。根據估計結果，顯然，創新資本投入已進入規模不經濟階段;另外，勞動與資本投入交叉項系數顯著為正，表明創新要素的配置效率對創新產出有正向影響，因此，珠三角地區各城市應整合優化創新要素配置，減少資源錯配和資源浪費，以要素“結構紅利”促進創新產出增長。最后，時間趨勢與創新勞動投入和創新資本投入交互項系數均顯著，表明珠三角地區創新生產系統存在偏向性技術進步。但不同要素技術進步對創新績效影響不同，隨著技術進步的累積，人才對科技創新的影響逐漸加深，資本投入的影響則逐漸減弱。
（二）珠三角地區創新要素產出彈性及增長貢獻率測算與分析
經濟增長理論和各國增長實踐均表明，地區間經濟增長和收入水平的差異很大程度上源于全要素生產率的差異，這又主要來源于研發投入或技術引進所帶來的技術進步差異和資源配置效率差異，前者主要表現為創新要素投入對創新產出的轉化能力，后者則表現為技術進步偏向和要素替代關系的交互作用。生產要素產出彈性是衡量要素使用率的明確指標，可直接反映要素投入轉變為產出的能力大小。根據式（1）的參數估計結果，結合式（2）、（3）、（4）、（6）、（7）可分別計算創新勞動投入與創新資本投入的產出彈性、產出增長貢獻率以及要素偏向性技術進步貢獻率，結果如表3（下頁）所示。
根據表3，創新勞動投入與創新資本投入的年均產出彈性分別為-0.216和0.802，產出增長貢獻率分別為-0.326和0.730，這表明R&D資本投入是提升區域創新能力不可或缺的因素，但R&D活動人員的產出創造力尚未得到充分釋放。從要素產出彈性的變化趨勢來看，2001—2019年珠三角地區創新勞動投入的產出彈性在[-1.5，1.5]的區間內起伏較大，表現出明顯的階段性特征：2001—2008年珠三角地區創新勞動投入的產出彈性呈下降態勢，且始終處于負區間，2009—2019年則保持小幅波動增長態勢;與之相反，2001—2008年珠三角地區創新資本投入的產出彈性呈增長態勢，且均大于零，但此后表現頹勢，逐漸跌入負區間。從勞動與資本產出彈性的對比來看，樣本期間珠三角地區創新勞動投入和創新資本投入的產出彈性表現出此消彼長特征。具體而言，2001—2014年創新勞動投入的產出彈性始終小于資本投入，但二者之間的差距逐漸縮小;這一階段內的創新要素投入對創新產出的增長貢獻率情況亦如此。這意味著此時創新資本投入是科技創新的主要驅動力，主要原因在于R&D資本持續大量投入以及人才資源相對短缺。2004年，中共廣東省委、廣東省人民政府在《關于加快建設科技強省的決定》中首次提出建設科技強省的戰略目標，其后近10年珠三角地區R&D實際經費支出和R&D從業人員分別達到了年均17.57%和16.74%的高速增長。根據內生增長理論，在科技創新和經濟增長中，起決定性作用的應是人力資本質量而非數量。根據中國科學院可持續發展戰略研究組的測算，2004年廣東省區域教育能力指數僅為49.36，居全國第10位，其中教育投入、教育規模和教育成就指數分別居全國第3、23和18位;《2008廣東省民營科技企業統計調查報告》顯示，2008年廣東省技工貿總收入100萬元以上的民營科技企業共有長期從業人員118萬人，其中具有博士以上學位的僅占0.18%，遠低于全國平均水平。可見，彼時廣東省的人力資源條件和教育發展基礎平均水平不高，難以實現R&D人員投入的規模效益，反而可能因低水平的科技從業人員過度“擁擠”而造成資源配置無效。
2015年后，創新勞動投入的產出彈性成功轉正并超過跌入負值的資本投入產出彈性。這既是大規模持續性資本投入的必然結果，也說明盡管珠三角地區創新勞動投入的使用效率仍不高，“人才紅利”尚未完全生效，但人力資本的增長效應和知識溢出的規模效益正逐步釋放。究其原因，教育支出已連續20余年居廣東省內財政支出首位，2019年在地方財政預算支出中占比高達18.56%，居全國第三位①;省內高層次人才規模亦逐年擴大，2000—2019年博士在校生數量年均增長33%。人力資本投資的持續積累和人力資本質量的穩步提升是創新勞動投入產出彈性及產出增長貢獻率提高的根本原因。
另外，珠三角地區創新要素偏向性技術進步貢獻率整體穩定，且始終大于中性技術進步貢獻率②，這凸顯了創新要素投入對科技創新的重要性。同時，2001—2019年珠三角地區創新勞動投入與資本投入的配置效率得到了一定程度改善，有利于創新產出水平的提高;但不可否認的是，其仍處于較低水平，要素配置結構有待進一步完善。
（三）珠三角地區技術進步偏向性及創新要素替代彈性測算與分析
產出變化不僅來源于要素生產效率的變化，而且受要素配置結構的影響;而政策制定者和市場主體調整要素配置結構的能力在很大程度上取決于要素替代關系。要素替代彈性是衡量要素之間替代關系強弱的核心指標，其通過邊際技術替代率變化對要素投入結構的影響程度來反映經濟系統中的技術結構與要素投入結構匹配的合理性。根據Acemoglu[20]，技術進步偏向主要受兩種效應影響，分別是價格效應（priceeffect）——技術進步傾向于加快相對稀缺要素的邊際產出增長，以及市場規模效應（marketsizeeffect）——技術進步傾向于提高相對豐裕要素的邊際產出增長率;最終技術進步偏向于何種生產要素則取決于兩種要素之間的替代或互補關系。若兩種要素表現為替代關系，則市場規模效應占主導，此時技術進步偏向于相對豐裕要素，要素投入結構與技術結構相匹配;若要素之間表現為互補關系，則價格效應占主導，技術進步偏向于相對稀缺要素，要素投入結構與技術結構存在一定缺口。根據式（5）和式（8）可計算珠三角地區技術進步偏向性以及創新勞動投入對創新資本投入的替代彈性，結果如圖1（下頁）所示。
在進行分析之前，結合式（2）與式（3）先對式（5）進行合理變形：
BIASLK=-=-=-（10）
其中，MPL和MPK分別為創新勞動投入與創新資本投入的邊際產出。那么，要素技術進步偏向性差異就可理解為創新要素投入之間的邊際產出增長率差異。勞動邊際產出增長通常較為穩定，要素技術進步偏向性差異的變化主要受資本邊際產出變化的影響[21]。根據圖1（下頁），2001—2019年珠三角地區技術進步對創新資本投入的偏向性基本穩定，僅2014年由于創新勞動投入邊際產出的突增而體現出勞動偏向。近年來，在創新資本積累和創新產品需求增長的雙重作用下，珠三角地區創新資本投入的邊際產出保持增長態勢;但資本替代勞動的速度過快或者說創新要素資本深化程度加強將會在一定程度上抑制其邊際產出的增長[21，43]，使得技術進步的資本偏向始終不甚明顯。這也表明科技創新重在效率而非數量，要素投入的大量堆疊可能僅具有短期增長效應，這亦與2015年以來創新資本投入的產出彈性和產出增長貢獻率遞減趨勢相符。
與之相對應，珠三角地區創新勞動投入與創新資本投入間的替代彈性始終在零值附近波動，僅2007—2008年在國際金融危機的影響下迅速下跌，但隨后又迅速恢復至平均水平，創新要素間主要表現為較強的互補關系。根據微觀經濟理論，利潤最大化的均衡條件是兩種要素的邊際產出之比等于要素相對價格，那么，當資本偏向型技術進步和要素互補關系并存時，技術進步將提高資本投入的相對邊際產出，從而提高資本的相對價格;但是，由于要素之間表現為互補關系，企業難以使用相對價格更低的勞動要素以節約成本進而改善資源配置。因此，從整體上來看，珠三角地區創新生產系統中的要素投入比例與技術結構匹配度較低，創新要素之間的耦合協作能力較差，創新要素選擇空間有限，其組合方式使科技創新基本處于不經濟區間。因此，珠三角地區應進一步深化要素市場化配置改革，化解創新要素動態匹配矛盾，提高創新要素配置效率，從而提高創新要素之間的適配性和可替代性。
（四）珠三角地區各城市創新要素配置效率的比較分析
珠三角地區是全球經濟最發達的地區之一，但其內部經濟發展水平和科技創新能力參差不齊。2019年，珠三角地區9市GDP占廣東省GDP的比重超過80%，其中，廣州、深圳、佛山、東莞4市GDP之和分別占廣東省GDP總量和珠三角地區GDP總量的65.7%和81.5%。科技創新方面，2019年珠三角地區9市R&D經費支出和新產品銷售收入分別達2962.36億元和40 561.12億元，R&D投入強度達3.4%，其中，廣州、深圳、佛山、東莞4市R&D經費支出和新產品銷售收入分別占珠三角地區總量的87.2%和82.6%。可見，珠三角地區內部各市創新能力差異顯著。具體而言，珠三角地區9市創新要素產出彈性及產出增長貢獻率如表4（下頁）所示。
根據表4，2001—2019年深圳市的創新勞動投入年均產出彈性位居珠三角地區首位，且遠超創新資本投入產出彈性。這主要源于深圳市內科技創新企業和高層次人才的聚集。2019年，深圳市內有近5000家企業從事R&D活動、5700家企業擁有研發機構，同時R&D從業人員逾37萬人，占廣東省的34.6%。人才的集聚與科研設施的完善有助于擴散知識溢出效應，從而形成規模效益。與此同時，佛山、東莞、中山、江門、肇慶5市的勞動投入年均產出彈性均為負，其中，東莞市創新勞動投入年均增長率高達29.098%，這與其負產出彈性形成鮮明對比，表明東莞市尚未將人才數量優勢轉化為質量優勢，人才潛力需進一步釋放。從創新資本投入的產出彈性來看，肇慶市擁有珠三角地區內最大的年均資本產出彈性。根據前文分析，珠三角地區整體科技創新已進入資本要素規模遞減階段，但肇慶市科技創新在珠三角地區起步較晚，資本投入的絕對規模和相對增速均處于珠三角地區低位，這使得肇慶市的科技創新仍處于資本投入規模經濟階段，R&D支出的持續增長將引致創新產出的成倍增加。這與深圳市形成鮮明對比。2001年以來，深圳市R&D資本存量始終居于珠三角地區乃至廣東省首位，但近10年來，深圳市創新資本投入的產出彈性持續下降，且于2019年跌至珠三角內最低水平。這再次表明，高強度的R&D資本投入僅是科技創新的必要條件而非充分條件。
珠三角地區技術進步偏向性及創新要素替代彈性如圖2所示。首先，從技術進步偏向性差異大小來看，廣州、深圳、佛山、東莞、中山、江門、肇慶7市的創新要素偏向性差異在樣本期間逾半均小于0，表明上述城市的技術進步主要表現出資本偏向性，即技術進步相對提高了創新資本要素的邊際產出增長率，進而提高了資本的相對價格。與之相對應，就創新要素替代彈性而言，珠三角地區9市皆表現出較明顯的創新要素互補性，創新要素動態匹配矛盾顯著，技術創新多處于不經濟區間，現有要素流通體制機制愈發難以滿足經濟發展需要。而從樣本期間的平均情況來看，除惠州、中山、江門外其余城市的年均要素偏向性差異均為正，這表明技術進步偏向的正向峰值大于負向，因此若要素配置得當，勞動投入使用效率的提升將為科技創新注入強勁動力。從技術進步偏向性和要素替代彈性的變化趨勢來看，東莞和江門近年來技術創新對勞動投入的偏向性有所增強，同時，創新要素之間愈發呈現替代關系。這表明東莞和江門的創新要素配置結構有所改善，主要原因在于大型科技企業的入駐及科技創新基礎設施的建設與完善，如2018年7月華為公司入駐東莞松山湖科學城、2015年1月江門中微子實驗站建設啟動等，均伴隨有大規模創新勞動與資本流動，從而為當地的科技創新注入了新動能。
綜合來看，珠三角地區以廣州都市圈和深圳都市圈為重點，又包括廣佛肇、深莞惠和珠中江三個子城市群。其中，得益于眾多國家和省級重點實驗室的建設，廣州市科技創新居珠三角前列，但近年來發展后勁稍顯不足，對創新要素尤其是高層次人才的吸引力相對較弱，為此，應以更大力度優惠政策吸引創新人才。深圳市是珠三角地區乃至全國的創新“領頭羊”，但創新資源的集聚已近飽和，因此可建設以人工智能、大數據為基礎的新型科技園區，既加速自身產業升級，又可以產業轉移助力周邊城市如東莞和惠州的創新產業發展。珠海、中山、江門發展水平較為接近，且產業互補性較強，具有相對突出的科技創新資源統籌優勢，可在政策層面加大資本支持力度，增強后發勢能。
四、主要結論與政策建議
創新是引領發展的第一動力。有效提升創新生產效率是我國推動高質量發展、實現人民高品質生活、構建“雙循環”新發展格局以及開啟全面建設社會主義現代化國家新征程中面臨的重要任務。基于城市層級面板數據，本文構建超越對數生產函數對2001—2019年珠三角地區創新生產系統中的創新要素產出彈性、增長貢獻率、技術進步偏向性以及要素替代彈性等進行了測算與分析，討論了創新要素投入及其配置效率對創新產出的影響，得到了如下結論：第一，創新要素投入對提高區域創新能力具有重要影響，但不同投入要素的影響不盡相同。2001—2014年，珠三角地區創新資本投入的產出彈性和創新產出增長貢獻率均大于創新勞動投入，創新產出增長主要依賴于資本投入驅動;2015年之后人力資本的增長效應逐步釋放，珠三角地區科技創新主要由勞動投入驅動。第二，2001—2019年珠三角地區技術進步主要偏向于資本，創新要素間主要表現為互補關系;整體而言，珠三角的創新要素投入比例與技術進步匹配度較低，創新要素配置效率亟待提升。第三，珠三角地區各市創新能力和創新驅動因素差異顯著，但技術進步多表現出資本偏向性和要素互補性，技術創新多處于不經濟區間。
為完善創新要素配置結構、提高創新要素配置效率，珠三角地區應從如下方面著力：
第一，調整創新投入結構，改變資本投入驅動科技創新狀況。盡管大規模的資本投入之于科技創新而言不可或缺，但政府和企業均應認識到，過度的資本投入將降低邊際產出，且可能引致規模不經濟。可持續的科技創新根本動力在于人力資本投資與積累。因此，珠三角地區一方面需持續加大創新要素投入，放大規模效益;另一方面要全面落實人才強省戰略，重視科技創新從業人員隊伍建設，從而增強創新要素配置優化對技術創新的驅動力。這既需要增加對高等院校、科研院所的經費支持，提升人才培養能力，并擴大研究生招生規模，壯大科研人員及相關產業人才后備軍，從而挖掘創新潛力并提高技術供給能力;又要繼續探索創新人才政策，多渠道、多層次引入境內外高層次人才。珠三角地區應進一步加大對人才的服務管理、經費扶持和權益保障，并給予創新人才更大的研發自主權和經費使用權，營造鼓勵創新但亦接受失敗的社會輿論環境，以此吸引、激勵并留住科技創新人才;還應大力培育人才“獵頭”機構，利用大數據和互聯網技術在全球范圍內搜索、引進人才。
第二，加快推進資本要素市場化進程，實現企業R&D投入內生化。珠三角地區各地方政府應完善對創新生產活動的支持服務體系，建立經費分配的市場機制，改事前資助為事后獎勵，減少直接補貼，減少由此引發的“尋租”行為并降低創新生產效率損失。這樣不僅可鼓勵企業積極尋求創新成果轉化，亦可減少低效的研發投入，提升創新資本要素的使用效率。另外，珠三角地區應與港澳金融部門加強合作，通過市場機制為企業創新活動提供融資，推動科技成果資本化，深化“科技+金融”雙輪驅動。
第三，加強科技創新協同發展以及創新資源統籌與協同網絡建設。其一，珠三角地區各市應厘清產業發展長短板，從而因地制宜、因城施策，增強城市間技術互補性。一方面，要持續強化廣州、深圳“雙城”聯動，以南沙科學城、光明科學城、河套深港科技創新合作區等平臺為抓手，打造珠三角地區協同創新合作平臺，促進創新領域信息互通有無，加強創新資源的統一調度和創新產業的合理布局。另一方面，應挖掘各市技術創新優勢，明確各市技術研究主攻方向，提升珠三角地區各城市間技術結構互補性，從而減少地方政府之間資源競爭所引致的無謂損失。同時，各次級城市應基于地理區位主動加強與周邊核心城市的協同創新聯系，如佛山、中山、肇慶對接廣州，東莞“牽手”穗深，江門對接珠澳，惠州對接深圳等，從而承接產業轉移并提升自身創新能力。其二，應進一步破除城鄉二元體制桎梏，加強珠三角與粵東、粵西、粵北之間創新要素的暢通流轉，擴大知識溢出的空間半徑，實現廣東省內各地區間科技創新的協調有序發展。除此之外，要綜合港澳的開放優勢和珠三角的產業優勢，以珠三角國家自主創新示范區和“兩廊兩點”建設為抓手，持續深化粵港澳科技創新交流合作，強化國際創新資源集聚能力，加快形成區域協同創新體系和網絡布局，切實推進國際科技創新中心和國家科學中心建設，從而為各城市創新主體間的交流合作提供愈益良性的創新生態環境。 [Reform]
參考文獻
[1]JEFFERSON G H， BAI H M， GUAN X J， et al. R&D performance in Chinese industry[J]. Economics of Innovation and New Technology，2006（4）：2-13.
[2]李平，崔喜軍，劉建.中國自主創新中研發資本投入產出績效分析——兼論人力資本和知識產權保護的影響[J].中國社會科學，2007（2）：32-42.
[3]嚴成樑，龔六堂.R&D規模、R&D結構與經濟增長[J].南開經濟研究，2013（2）：3-19.
[4]LJUNGWALL C，TINGVALL P G. Is China different？ A meta-analysis of the growth-enhancing effect from R&D spending in China[J]. China Economic Review， 2015（36）： 272-278.
[5]白俊紅，王鉞，蔣伏心，等.研發要素流動、空間知識溢出與經濟增長[J].經濟研究，2017（7）：109-123.
[6]TSUBOI M. Growth， R&D and uncertainty[J]. Economic Modelling， 2020（5）： 394-400.
[7]李平，季永寶.要素價格扭曲是否抑制了我國自主創新？[J].世界經濟研究，2014（1）：10-15.
[8]王欣，姚洪興.長三角OFDI對區域技術創新的非線性動態影響效應——基于吸收能力的PSTR模型檢驗[J].世界經濟研究，2016（7）：86-100.
[9]吳傳清，黃磊，文傳浩.長江經濟帶技術創新效率及其影響因素研究[J].中國軟科學，2017（5）：160-170.
[10] 代麗華，林發勤.雙向FDI影響區域創新能力的門檻效應研究——基于知識產權保護的視角[J].中山大學學報（社會科學版），2020（4）：171-182.
[11] 李軍林，徐藝煊，韋天宇.創新政策對城市科技創新建設的影響及其異質性分析[J].改革，2021（2）：128-145.
[12] 邵漢華，鐘琪.研發要素空間流動與區域協同創新效率[J].軟科學，2018（11）：120-129.
[13] 張杰，周曉艷，李勇.要素市場扭曲抑制了中國企業R&D？[J].經濟研究，2011（8）：78-91.
[14] 戴魁早，劉友金.要素市場扭曲、區域差異與R&D投入——來自中國高技術產業與門檻模型的經驗證據[J].數量經濟技術經濟研究，2015（9）：3-20.
[15] 戴魁早，劉友金.要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析[J].經濟研究，2016（7）：72-86.
[16] 白俊紅，卞元超.要素市場扭曲與中國創新生產的效率損失[J].中國工業經濟，2016（11）：39-55.
[17] ANTONELLI C，QUATRARO F. The effects of biased technological changes on total factor productivity： A rejoinder and new empirical evidence[J]. Journal of Technology Transfer， 2014， 39（2）： 281-299.
[18] ZULETA H， STURGILL B. Getting growth accounting right[Z]. Documento CEDE No.2015-29.
[19] 李小平，李小克.偏向性技術進步與中國工業全要素生產率增長[J].經濟研究，2018（10）：82-96.
[20] ACEMOGLU D. Directed technical change[J]. Review of Economic Studies， 2002， 69（4）： 781-809.
[21] 楊振兵.中國制造業創新技術進步要素偏向及其影響因素研究[J].統計研究，2016（1）：26-34.
[22] 雷欽禮.偏向性技術進步的測算與分析[J].統計研究，2013（4）：83-91.
[23] 李夢琦，胡樹華，王利軍.基于DEA模型的長江中游城市群創新效率研究[J].軟科學，2016（4）：17-21.
[24] 吳傳清，黃磊，文傳浩.長江經濟帶技術創新效率及其影響因素研究[J].中國軟科學，2017（5）：160-170.
[25] 王建民，楊力.長三角創新要素、配置效率與創新績效[J].上海經濟研究，2020（1）：75-85.
[26] 王明亮，張清霞.轉型升級進程中珠三角制造業技術創新效率評價[J].科技管理研究，2020（18）：95-104.
[27] 劉心怡.粵港澳大灣區城市創新網絡結構與分工研究[J].地理科學，2020（6）：874-881.
[28] 李燕鴻.珠三角城市創新績效研究——基于粵港澳大灣區國家戰略背景[J].科技管理研究，2020（1）：6-12.
[29] 蔡曉琳，劉陽，黃灝然.珠三角城市科技創新能力評價[J].科技管理研究，2021（4）：68-74.
[30] 文淑惠，陳燦.成渝城市群與珠三角城市群創新潛力比較及影響因素分析[J].科技進步與對策，2019（9）：51-59.
[31] 樊霞，陳婭，賈建林.區域創新政策協同——基于長三角與珠三角的比較研究[J].軟科學，2019（3）：70-74.
[32] 姚東旭.京津冀協同創新是否存在“虹吸效應”——基于與珠三角地區對比分析的視角[J].經濟理論與經濟管理，2019（9）：89-97.
[33] 盛彥文，茍倩，宋金平.城市群創新聯系網絡結構與創新效率研究——以京津冀、長三角、珠三角城市群為例[J].地理科學，2020（11）：1831-1839.
[34] 郝楓.超越對數函數要素替代彈性公式修正與估計方法比較[J].數量經濟技術經濟研究，2015（4）：88-105.
[35] DIAMOND P A. Disembodied technical change in a two-sector model[J]. Review of Economic Studies， 1965， 32： 161-168.
[36] 吳延兵.中國地區工業知識生產效率測算[J].財經研究，2008（10）：4-14.
[37] 李姝，翟士運，古樸.非控股股東參與決策的積極性與企業技術創新[J].中國工業經濟，2018（7）：155-173.
[38] SYVERSON C. What determines productivity？[J]. Journal of Economic Literature， 2011， 49（2）： 326-365.
[39] 江永宏，孫鳳娥.中國R&D資本存量測算：1952—2014年[J].數量經濟技術經濟研究，2016（7）：112-129.
[40] GRILICHES Z. R&D and productivity slowdown[J]. American Economic Review， 1980， 70（2）： 343-348.
[41] OECD. Handbook on driving capital measures of intellectual property products[M]. Paris： OECD Publishing， 2010： 33.
[42] YOUNG A. Gold into base metals： Productivity growth in the People's Republic of China during the reform period[J]. Journal of Political Economy， 2003， 111（6）： 1220-1261.
[43] 戴天仕，徐現祥.中國的技術進步方向[J].世界經濟，2010（11）：54-70.
Evaluation on the Allocation Efficiency of Innovation Factors in the Pearl River Delta： Analysis Based on Translog Production Function
LI Xiao-feng? LU Zi-wei
Abstract： Considering the dynamic changes of technological progress， the translog production function is used to measure and analyze the innovative factors and their allocation efficiency of the technological innovation production system in the Pearl River Delta from 2001 to 2019. The study found that during 2001-2014， the growth of innovation output in the Pearl River Delta was mainly driven by capital input， and the labor-driven role has gradually increased after 2015. At the same time， the Pearl River Delta's capital-biased technological progress and factor complementation coexist， which shows that the factor input structure has a low degree of matching with the technological structure， and the efficiency of the allocation of innovative factors needs to be further improved. Besides， the innovation status of the nine cities in the Pearl River Delta is significantly different， but most of them show the phenomenon of diseconomies of scale. The Pearl River Delta region should adjust the structure of innovation input in order to change the status quo of capital investment-driven innovation and optimize the ecology of innovation. What's more， it is also necessary to clarify the industrial advantages of each city， then strengthen the coordinated development of scientific and technological innovation.
Key words： technological innovation; innovation factors; allocation efficiency; Translog Production Function
