基于共同前沿的區塊鏈上市公司技術創新效率研究

張波波 Dongphil Chun(通訊作者) 趙珊珊

(韓國國立釜慶大學 技術經營專門大學院 韓國釜山 48513)

2008年以來，我國區塊鏈產業快速發展，已應用于制造、政務、金融等行業，但不同區域區塊鏈產業存在顯著的發展差異性。截至2022年12月，從完成中央網信辦區塊鏈信息服務備案的公司數量來看，主要集中在北京、上海、廣東、浙江、江蘇、山東、福建等省市，其中北京、上海、廣東的公司數量超過百家，公司聚集效應比較明顯。黨的二十大報告指出，以推動高質量發展為主題，著力提高全要素生產率，加快發展數字經濟，而區塊鏈是數字經濟的重要組成部分。在此背景下，本文嘗試研究以下問題：目前各個區域及全國區塊鏈上市公司的技術創新效率究竟如何；不同區域的技術創新效率及水平存在哪些差異；技術創新效率的動態變化呈現哪些特征。本文對上述問題的研究，可以進一步探討我國區塊鏈上市公司技術創新效率提升的策略或建議。

學術界對我國區塊鏈產業的技術創新及影響因素等方面已有大量的科研成果，例如，張慧等(2023)[1]分析了區塊鏈產業生態的績效評價體系；張月玲等(2020)[2]、李曉梅等(2018)[3]探索了區塊鏈上市企業的投入產出效率；孫雄杰等(2021)[4]、解曉涵等(2022)[5]研究了區塊鏈概念股上市公司的影響因素及技術效率。但現有研究仍存在一些可擴展的空間，在測量技術效率時很少考慮不同組群之間的技術差異性。由于區域發展不平衡，區域間的技術、管理、經濟等存在差異，相同時期不同區域的技術創新效率是不同的。

綜上所述，本文將區塊鏈上市公司作為研究對象，基于共同前沿理論和SBM模型，對全國及三大區域的區塊鏈上市公司技術創新效率進行了測量分析，加深對不同區域視角下區塊鏈上市公司技術創新效率的認識，并為利益相關者提供決策參考。

1 模型與變量選擇

1.1 基于共同前沿的SBM模型

Tone等(2001)[6]提出SBM模型，在測量多投入、多產出條件下的技術創新效率有獨特優勢，相比傳統DEA模型，該模型能夠較好解決變量松弛、徑向等問題所引起的測量誤差。本文使用非導向的SBM模型，以投入視角對技術創新效率進行測量，具體公式如下：

公式(1)中，ρ為技術創新效率值，且0≤ρ≤1，x、y分別為投入、產出的要素，m、s分別為投入、產出的要素數量；r表示第r個決策單元(DMU)，而r0表示待計算的決策單元；X、Y分別表示投入、產出所構成的矩陣；λ為投入與產出指標的權重；s-、s+分別為投入、產出的松弛變量值。

O’Donnell等(2008)[7]提出了共同前沿與群組前沿，對于存在區域差異性而導致技術創新效率不同的DMU，根據公式(1)可以測算出共同前沿效率(MOE)、群組前沿效率(GOE)和技術落差比率(TGR)，其中，0≤TGR=MOE/GOE≤1。共同前沿表示所有DMU的潛在技術創新水平，而群組前沿表示每組DMU的實際技術創新水平，兩者的區別在于參照的技術對象不同。技術落差比率是用MOE和GOE的比值來衡量，比值越小，說明DMU的實際技術創新水平與潛在技術創新水平的差距越大。

綜上分析，本文基于共同前沿的SBM模型作為基本研究模型。

1.2 Malmquist生產率指數

時間變化影響DMU的技術創新效率，而Malmquist生產率指數可以進一步準確評估DMU，已被學術界廣泛應用。Pastor等(2005)[8]提出了全局Malmquist指數，其公式如下：

公式(2)中，Dt(xt，yt)和Dt(xt+1，yt+1)表示在t時期的技術條件下，DMU在t時期和t+1時期的方向距離函數，同理Dt+1(xt，yt)和Dt+1(xt+1，yt+1)。當MG大于1，說明t時期到t+1時期，全要素生產率提升；當MG小于1，說明t時期到t+1時期，全要素生產率下降。其中，EC(effch)代表技術效率，BPC(techch)代表技術進步，而EC(effch)=Pech*Sech，pech代表純技術效率，sech代表規模效率，MG(tfpch)代表全要素生產率。

1.3 變量選取與數據來源

對于區塊鏈上市公司的技術創新效率評價，參照現有研究文獻并選取投入產出指標，構建了包含三個投入指標和四個產出指標的指標集合。

上市公司技術創新投入指標：(1)作為技術創新活動的基本要素，國內外學者一般選取R&D人員和R&D經費作為技術創新的投入指標，這兩個指標在整個創新活動中起到關鍵作用；(2)公司總資產：反映了公司的經濟實力、財務規模。上市公司技術創新產出指標：(1)授權專利和申請專利的數量，體現了區塊鏈上市公司技術創新的產出成果；(2)無形資產，公司創新活動影響無形資產，而無形資產增加可以表明企業競爭力得到增強；(3)營業收入，反映了公司技術創新帶來的經濟效益。

本文選取的數據樣本為2017—2022年中國大陸地區的區塊鏈上市公司，為保證數據樣本的有效性，剔除ST類型以及指標缺失的公司，最終得到189家區塊鏈上市公司作為研究樣本。變量數據主要來源于國泰安數據庫和國家知識產權局網站，對于個別缺失的變量，采用平均增長率計算方法進行填充，并對數據進行了整理。

參考國家統計局《中國統計年鑒》的分類方式，本文將決策單元劃分為東部、中部和西部三個組群，其中，東部包括北京、天津、河北、遼寧、江蘇、上海、浙江、山東、福建、廣東、海南、廣西12個地區；中部包括內蒙古、黑龍江、吉林、山西、安徽、河南、湖北、湖南、江西9個地區；西部包括甘肅、青海、寧夏、新疆、西藏、陜西、四川、重慶、貴州、云南10個地區。

2 數據分析與討論

2.1 兩種前沿下的技術創新效率分析

如表1所示，假設以全國共同前沿作為參考標準，2017—2022年，全國區塊鏈上市公司的技術創新效率保持平穩趨勢，但年均值僅為0.428，這表明了按照共同前沿測量，全國區塊鏈上市公司技術創新生產要素投入減少57.2%，也能達到當期的創新效率水平。相比之下，假設以組群前沿作為參考標準，全國技術創新效率的年均值可達到0.586，明顯高于共同前沿下技術創新效率，說明了參考標準的不同造成數據測量結果的差異。因此，忽略不同組群之間的技術異質性，將DMU統一納入相同測量標準所得出的結果肯定存在偏差，根據共同前沿理論的解釋，組群潛在技術創新水平包含于共同前沿技術創新水平之下，基于共同前沿的效率值小于組群前沿的效率值，這也說明了對技術創新效率區分研究的必要性。

表1 2017—2022年各地區區塊鏈上市公司的技術創新效率及技術落差比率

從區域層面來看，三大經濟地區的區塊鏈上市公司技術創新效率均值從高到低依次為東部、中部、西部，分別為0.573、0.464、0.227，這表明各個地區的技術創新效率偏低，尤其是西部地區，存在較大的提升空間。總體而言，東部地區在經濟、技術等方面發展水平較高，更加注重技術的研發、應用和管理，從而使東部地區技術創新效率更加接近共同前沿。盡管自2016年起，國家陸續出臺一系列區塊鏈等新興技術相關政策和刺激，不斷推動區塊鏈等技術的研發與應用，對于促進區塊鏈上市公司技術創新效率提升的作用不明顯，如表2所示，無論是各個地區還是省市區，效率值逐年變化較小。值得注意的是，在傳統認知中一些高新技術產業較為發達的地區，如上海、北京，其效率值卻并不突出，存在較大的改善空間。上海、北京因其具有特殊的政治、經濟地位，區塊鏈上市公司聚集效應明顯，但是這些公司涉及多個不同的行業，如制造業、金融業、信息技術和科學研究，由此可知，公司之間存在技術和資源分散現象，技術共同協作效應不足，導致地區技術創新效率欠佳。

表2 中國各省市區兩種前沿下區塊鏈上市公司的技術創新效率及技術落差比率

需要特別注意的是，中部、西部部分地區沒有區塊鏈上市公司，如內蒙古、山西、甘肅、西藏。這些地區長期發展主要依賴傳統工業、自然資源，隨著社會信息技術的發展，區域優勢不斷弱化，導致人口外流、技術創新不足。近幾年來，國家對中西部地區的發展十分重視，吸引了大量人才和資本，同時又趕上“未來產業”“數字經濟”的發展需要，整體技術創新效率將呈現向上發展的態勢。

在組群前沿下，各個地區的技術創新效率水平差異比較明顯，東部、中部、西部的年均值分別為0.724、0.677、0.351，其中西部地區的部分省市區具有較高的效率值，代表在該組群下技術創新的最佳技術水平。但是三個區域的整體技術效率是平穩發展的，說明區域內部的技術協同、資源配置等發展關系沒有明顯的提升。

在189家區塊鏈上市公司中，東部、中部、西部的公司個數分別為161、19、9。其中，僅東部地區就擁有一半以上的公司，特別是廣東48家、北京39家、浙江19家，公司聚集效應比較明顯。公司所處區域的經濟發展水平及資源配置不平衡等原因，技術創新效率參差不齊，導致組群前沿下東部地區的各個省市區技術創新效率值偏低，最大差值為0.173。

2.2 技術落差比率分析

由表2可知，三大區域的TGR分別為0.794、0.533和0.258，這說明當產出效果不變的狀態下，東部、中部、西部分別可達到技術創新資源投入利用水平的79.4%、53.3%和25.8%。其中，東部地區表現最佳，中部地區次之，西部地區最低，不同區域之間確實存在技術創新水平的差異，與以往相關學者的研究結果基本一致。從客觀條件來看，各地區技術、經濟發展水平的迥異，以及技術創新環境的差異，對區塊鏈上市公司的支持力度及推動效應不同。以研發人力資源為例，東部地區聚集了大量的高等院校和科研機構，高端科技人才豐富，產學研深度融合，為知識創新及產業技術發展提供了寶貴資源。

北京、上海、廣東的TGR值分別為0.796、0.807和0.797，從統計結果來看表現并不突出，但距離潛在最優技術創新水平仍有發展空間。相比之下，中部、西部地區的TGR值較低，說明與共同前沿的距離較遠，在這種情況下，中部和西部地區想要快速發展，需要尋求政府的大力支持，以及與東部地區的技術創新合作；同時，優化本地資源配置，不斷提升公司的技術創新能力，以期提高技術創新成果產出。

2.3 基于Malmquist指數的動態效率分析

如表3所示，2017—2022年我國區塊鏈上市公司的Malmquist生產率指數平均為0.974，說明這些公司的技術創新效率平均下降了2.6%，其中，技術效率平均值上升0.6%，技術進步值下降2.5%，兩者共同作用導致技術創新效率下降，在這6年期間，只有1年的Malmquist生產率指數值超過了1，而其他年份的Malmquist生產率指數值均小于1，說明這期間區塊鏈上市公司的研發資源利用率較低。

表3 2017—2022年我國區塊鏈上市公司的Malmquist生產率指數

從我國區塊鏈上市公司每年Malmquist生產率指數的變化趨勢來看，2017—2020年總體上呈現增長趨勢，技術效率值不斷上升，而技術進步值小幅下降，說明Malmquist生產率指數的增長得益于技術效率的增長。2020—2022年，Malmquist生產率指數逐步遞減，可能受到產業環境變化等不利因素的影響，技術效率及技術進步值均出現較大波動，說明區塊鏈上市公司的技術創新水平有待進一步提升。

3 結語

本文基于共同前沿的SBM模型和Malmquist生產率指數法，利用我國區塊鏈上市公司6年的面板數據，對189家相關上市公司的技術創新效率進行了實證研究，并得出以下結論：(1)我國區塊鏈上市公司2017—2022年平均技術落差比率為0.534，存在一定的提升空間；各個區域的技術創新效率差異性明顯，呈現“東部地區高，西部地區低”的局面，且產業發展不均衡，大量的上市公司位于東部地區，而中西部地區較少；(2)從省市區層面來看，各個地區之間的技術創新效率呈現平穩發展趨勢，2017—2022年東部城市與中西部城市的技術創新效率差距未見縮小趨勢，發展存在技術壁壘；(3) Malmquist生產率指數發現，2017—2022年Malmquist生產率指數呈“增長-下降”態勢，整體而言，技術創新效率下降2.6%，資源利用率有待進一步提高。

本文研究結論為制定產業政策提供了指導意義，東西部地區之間的技術創新水平差距值得關注，需要加強區域間的技術交流與合作，促進技術創新、管理經驗等從東部向西部擴散，共享技術創新成果，進一步提高創新能力；加強政府政策、資金等支持力度，尤其是中西部地區，為公司技術創新營造良好的生態氛圍，不斷鼓勵公司強化自主創新的能力建設；區塊鏈相關上市公司應重視技術創新的重要性，優化資源配置，提升技術創新效率，推動區塊鏈相關產業的高質量發展。

值得關注的是，由于區塊鏈為新興技術，除了區塊鏈上市公司外，大量的中小企業參與區塊鏈相關技術的研發與應用。因此，如何全面、精準地衡量區塊鏈相關公司的技術創新效率已成為區塊鏈產業高質量發展的重要課題，有待進一步深入研究。