師 萍，韓先鋒 ，宋文飛 ，周凡磬

（西北大學(xué)a.經(jīng)濟(jì)管理學(xué)院；b.公共管理學(xué)院，西安 710127）

我國R&D技術(shù)效率的空間差異及變動趨勢檢驗

師 萍a，韓先鋒a，宋文飛a，周凡磬b

（西北大學(xué)a.經(jīng)濟(jì)管理學(xué)院；b.公共管理學(xué)院，西安 710127）

文章以1999～2008年省級地區(qū)面板數(shù)據(jù)為基礎(chǔ)，運(yùn)用超越對數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型對我國R&D技術(shù)效率進(jìn)行了測度，并進(jìn)一步考察了技術(shù)效率的空間差異及變動趨勢。研究發(fā)現(xiàn)，我國R&D技術(shù)效率平均水平較低，但呈現(xiàn)穩(wěn)步的增長趨勢。各地區(qū)R&D技術(shù)效率存在明顯的差異，東部高于中、西部，但有逐步縮小的趨勢，不同地區(qū)間也有向各自穩(wěn)態(tài)逼近的趨勢。我國R&D技術(shù)效率在空間上呈現(xiàn)出東高西低、南高北低、“兩極分化，東南聚集”的分布特征。

R&D技術(shù)效率；隨機(jī)前沿模型；空間差異；收斂性

0 前言

我國已經(jīng)把自主創(chuàng)新提升到重要高度，黨的十七大明確提出建設(shè)創(chuàng)新型國家的戰(zhàn)略目標(biāo)，這就客觀上要求自主創(chuàng)新活動不僅要注重創(chuàng)新資源的投入，更要注重效率問題。一直以來，政府對科技活動均保持著強(qiáng)有力的支持力度，對科技資源的投入的強(qiáng)度也逐年持續(xù)增大，我國R&D強(qiáng)度（R&D/GDP）由1999年的0.76%上升到2008年的1.54%，R&D人員投入也由1999年的82.17萬人猛增到2008年的196.54萬人。但對尚處于發(fā)展階段的我國來說，R&D強(qiáng)度還遠(yuǎn)遠(yuǎn)低于發(fā)達(dá)國家，如日本2007年為3.44%，而同時期我國僅為1.44%。因此，分析在有限資源投入的條件下，我國地區(qū)R&D技術(shù)效率對于我國自主創(chuàng)新的發(fā)展道路有著重要的現(xiàn)實意義。本文的研究目的就是揭示我國R&D技術(shù)效率的區(qū)域差異、空間分布特征及變動趨勢。

1 研究方法

本文認(rèn)為相對于DEA方法，SFA方法具有以下優(yōu)點：SFA方法可以建立隨機(jī)前沿模型，使得前沿面本身是隨機(jī)的，可對研究模型的適宜性及模型中的參數(shù)進(jìn)行檢驗，有更為堅實的理論基礎(chǔ)，對于跨時期的面板數(shù)據(jù)而言，其結(jié)論更加接近于現(xiàn)實；DEA方法不能考慮到隨機(jī)誤差因素對R&D產(chǎn)出的影響，也忽略了價格等對效率的影響，從而導(dǎo)致效率估計出現(xiàn)偏差。因此，在模型設(shè)定合理且采用面板數(shù)據(jù)條件下，SFA方法會得到比DEA方法更好的估計結(jié)果 （Gong和Sickles，1992）[1]?；谘芯繕颖镜奶卣骱虳EA方法的缺陷，本文選擇SFA方法測度1999-2008年我國地區(qū)R&D技術(shù)效率。

根據(jù)Battese、Coelli的超越對數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型的基本原理[2]，本文構(gòu)建的：我國R&D技術(shù)效率的測度模型如下：

式中，yit、Kit、Lit分別為第 i省份第年的國內(nèi)專利申請受理量、R&D 資本存量和 R&D 人員投入，β0,β1,…，β9為待估參數(shù)。 本文對 uit和 vit做如下假定e-mit反映第i個省份第t年R&D的技術(shù)效率水平，其中mit是技術(shù)無效率項，mit越大表明技術(shù)效率越低，即技術(shù)無效率程度越高。

本文重點考慮政府對科技活動的支持強(qiáng)度、外商直接投資、信息化水平等因素對技術(shù)效率變化的無效率項的影響，無效率項函數(shù)設(shè)定如（2）所示：

式中，GOVit表示政府對科技活動的支持強(qiáng)度，TRADit表示貿(mào)易依存度，F(xiàn)DIit表示外資依存度，INDit表示工業(yè)化水平度，INFit表示信息化水平，t表示時間趨勢，δ0,δ1,δ2,…，δ6為待估參數(shù)，表示各因素對我國R&D技術(shù)效率的影響程度，Wit是技術(shù)無效方程的隨機(jī)誤差項，服從正態(tài)分布N(0,σ2W)。

判斷上述設(shè)定的模型是否合理，需考慮（1）式隨機(jī)誤差項中技術(shù)無效的比重，即考慮中 γ 的大小，當(dāng)γ越接近于1，越能說明隨機(jī)前沿生產(chǎn)函數(shù)的誤差主要來源于隨機(jī)變量。此時，采用SFA方法對生產(chǎn)函數(shù)的估計也就越合適；相反，當(dāng)γ=0時，表明實際產(chǎn)出偏離前沿產(chǎn)出，完全是由不可控因素造成的白噪聲引起的，用最小二乘法就可以實現(xiàn)對生產(chǎn)函數(shù)的估計，無需采用隨機(jī)前沿模型。

2 變量設(shè)定與數(shù)據(jù)處理

本文的研究樣本包括30個省市區(qū)（不包括港澳臺地區(qū)、西藏自治區(qū)），劃分為東、中、西部地區(qū)。東部包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省市；中部包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個?。晃鞑堪▋?nèi)蒙古、重慶、四川、陜西、貴州、云南、甘肅、青海、寧夏、廣西、新疆11個省市區(qū)。本文涉及的所有原始數(shù)據(jù)均來源于 《中國科技統(tǒng)計年鑒》（1999～2009）、《中國統(tǒng)計年鑒》（1999～2009）、《新中國五十五年統(tǒng)計資料匯編》。 沿襲Griliches（1990）[3]等學(xué)者的研究，將R&D行為視為生產(chǎn)過程，每個省份視為R&D活動的生產(chǎn)單元，各自使用一定的R&D投入資源，得到R&D產(chǎn)出。具體數(shù)據(jù)處理及變量設(shè)定如下：

（1）產(chǎn)出指標(biāo)

R&D與專利之間存在高度顯著的相關(guān)性，即使考慮到滯后效應(yīng)也是如此[4],專利是衡量創(chuàng)新活動的可靠指標(biāo)[5]。專利包括專利受理量和專利授權(quán)量兩個指標(biāo)，專利授權(quán)量由于受到政府專利機(jī)構(gòu)等人為因素的影響、有較大的不確定性，因而專利申請受理量比專利申請授權(quán)量更能反映R&D產(chǎn)出的真實水平[6]。鑒于此，本文選國內(nèi)專利申請受理量（單位：項）作為衡量R&D活動的產(chǎn)出指標(biāo)。

（2）投入指標(biāo)

根據(jù)R&D活動的特征及我國統(tǒng)計指標(biāo)的特點，本文選取R&D人員全時當(dāng)量（單位：人年），作為衡量R&D活動的人員投入指標(biāo)。涂正指出,R&D投資對產(chǎn)出的影響很大程度是前期投資累計的結(jié)果，即R&D資本存量，而不僅僅是R&D經(jīng)費(fèi)支出[7]。我國現(xiàn)行的統(tǒng)計年鑒中只有R&D經(jīng)費(fèi)支出數(shù)據(jù)，沒有R&D資本存量數(shù)據(jù)，根據(jù)Griliches(1990)、吳延兵（2008）[8]的做法，本文采取永續(xù)存盤法來核算R&D資本存量。R&D資本存量的測算模型如下：

式中，Kit和 Ki(t-1)分別表示第i個省區(qū)第t和t-1期的R&D資本存量，δ為折舊率，根據(jù)Griliches(1990)、吳延兵（2006）[9]等對 R&D 資本折舊率的估計，取 δ=15%，Ei(t-1)表示第個省區(qū)第的實際R&D經(jīng)費(fèi)支出，其值用朱平芳和徐偉民（2003）構(gòu)造的 R&D價格指數(shù)[10]，即 R&D價格指數(shù)=0.55×消費(fèi)價格指數(shù)+0.45×固定資產(chǎn)投資價格指數(shù)，以1998年為基期，對R&D經(jīng)費(fèi)支出進(jìn)行平減。

估算R&D基期資本存量時，本文假設(shè)R&D資本存量的增長率等于R&D經(jīng)費(fèi)的增長率?；谫Y本存量的測算模型如下：

式中，Ki0為R&D基期資本存量，Ei0為基期實際R&D經(jīng)費(fèi)支出，g為考察期內(nèi)實際R&D經(jīng)費(fèi)支出的平均增長率，δ為R&D資本折舊率。根據(jù)模型（3）、（4）即可計算出 1999～2008年我國30省市區(qū)的R&D資本存量（萬元）。

(3)影響因素變量

本文設(shè)：(1)GOVit為省份年度的財政科技投入占總投入的比重。(2)TRADit為省份年度的進(jìn)出口貿(mào)易總額與當(dāng)年GDP的比值，其中，對于用美元表示的所有進(jìn)出口總額數(shù)值，均按當(dāng)年的人民幣平均匯率將其換算為人民幣。(3)FDIit為省份年度的實際利用外商直接投資額與當(dāng)年GDP的比值，它可以從整體上反映各省份所吸收外商直接投資的相對規(guī)模。其中，實際利用外商直接投資額按照當(dāng)年人民幣的平均匯率換算為人民幣，再進(jìn)行測算。(4)INDit為省份年度的工業(yè)總產(chǎn)值與GDP的比值，用來反映工業(yè)化水平對R&D活動無效率的影響。(5)INFit為省份年度的郵電業(yè)務(wù)總量與全國郵電業(yè)務(wù)的總量的比值，用來反映信息化水平對R&D活動無效率的影響。

3 實證結(jié)果分析

根據(jù)上述模型和數(shù)據(jù)，運(yùn)用Frontier4.1軟件對我國1999～2008年R&D技術(shù)效率進(jìn)行了估計，結(jié)果如下。

3.1 研究模型適宜性的假設(shè)檢驗

為了檢驗本文采用超越對數(shù)的隨機(jī)前沿生產(chǎn)函數(shù)模型分析我國R&D技術(shù)效率的適宜性，我們設(shè)定了以下5個研究假設(shè)，具體如下：

假設(shè)1：在生產(chǎn)函數(shù)形式的選擇上，Cobb-Douglas生產(chǎn)函數(shù)（模型5中所有二次項系數(shù)均等于零）優(yōu)于超越對數(shù)生產(chǎn)函數(shù)。

假設(shè)2：1999～2008年間，我國R&D活動不存在技術(shù)進(jìn)步，即模型5中所有和時間有關(guān)的項的系數(shù)都等于零。

假設(shè)3：1999～2008年間，我國R&D活動的技術(shù)進(jìn)步是?？怂怪行缘?，即模型5中投入要素R&D資本存量、R&D人員全時當(dāng)量與技術(shù)進(jìn)步t交叉項系數(shù)為零。

假設(shè)4：1999～2008年間，我國30省市區(qū)R&D活動均處于生產(chǎn)前沿面上，即隨機(jī)誤差項所代表的技術(shù)非效率影響為零，此時平均生產(chǎn)函數(shù)就是生產(chǎn)前沿面，用普通最小二乘法（COLS）估計出來的平均生產(chǎn)函數(shù)可以很好的描述樣本的生產(chǎn)活動過程，無需采用隨機(jī)前沿方法來估計函數(shù)形式。

假設(shè)5：1999～2008年間，我國R&D技術(shù)效率不具有時間趨勢，即技術(shù)無效率函數(shù)中的時間項系數(shù)為零。

上述5個假設(shè)用廣義似然率統(tǒng)計量進(jìn)行檢驗，統(tǒng)計量的檢驗?zāi)Ｐ蜑椋?/p>

式中，L(H0)和L(H1)分別是前沿面生產(chǎn)函數(shù)模型（1）和（2）在零假設(shè)和備擇假設(shè)下的似然函數(shù)值。自由度q是受約束變量的數(shù)目，備擇假設(shè)H1為不受約束的模型（1）和（2）。檢驗結(jié)果見表1。

從表1的檢驗結(jié)果可知，在5%的顯著水平下，所有假設(shè)均被拒絕。假設(shè)1被拒絕，表明超越對數(shù)生產(chǎn)函數(shù)更適宜于本文研究，若采用Cobb-Douglas生產(chǎn)函數(shù)形式會產(chǎn)生較大誤差；假設(shè)2被拒絕，意味著考察期內(nèi)R&D活動技術(shù)進(jìn)步是顯著的；假設(shè)3被拒絕，表明R&D活動過程中技術(shù)并不獨(dú)立于生產(chǎn)要素，技術(shù)是非中性的，也就是說技術(shù)進(jìn)步會影響要素間的邊際技術(shù)替代率；假設(shè)4被拒絕，說明1999～2008年間，我國R&D技術(shù)非效率是顯著存在的，樣本均處于生產(chǎn)前沿下方，因此傳統(tǒng)的用最小二乘法估計得到的平均生產(chǎn)函數(shù)不適用于本文的研究；假設(shè)5被拒絕，可以認(rèn)為考察期內(nèi)我國R&D技術(shù)效率是隨時間變化的。由此可見，本文建立的我國地區(qū)R&D技術(shù)效率測度模型是合理的，具有很強(qiáng)的解釋力度，同時也說明模型測度結(jié)果是精確的。

3.2 我國地區(qū)R&D技術(shù)效率的空間差異分析

根據(jù)表2可以看出，我國地區(qū)R&D技術(shù)效率的如下事實：

(1)1999～2008年間，全國R&D技術(shù)效率均值為0.256，該值高于閆冰和馮根福（2005）所得到的整個工業(yè)行業(yè)R&D效率均值水平（0.16）[11]，但略低于朱有為（2006）所得到的中國高新技術(shù)產(chǎn)業(yè)R&D效率均值水平（0.258）[12]，這表明我國整體R&D技術(shù)效率較低，尚有很大的提升空間。從時間角度看，我國地區(qū)R&D技術(shù)效率從1999年的0.249已升至2008年的0.262，可見我國R&D技術(shù)效率雖然低下，但呈現(xiàn)增長趨勢。

(2)從整個考察期的區(qū)域R&D的平均技術(shù)效率差異來看，東部地區(qū)（TE=0.4239）＞（全國平均水平 TE=0.256）＞中部地區(qū)(TE=0.1828)＞西部地區(qū)（TE=0.141）,東部地區(qū) R&D 技術(shù)效率值遠(yuǎn)遠(yuǎn)大于中、西部地區(qū)，中、西部地區(qū)R&D技術(shù)效率均在全國平均水平之下，可見我國R&D技術(shù)效率存在著明顯的區(qū)域差異，這也從一定程度上說明R&D技術(shù)效率與經(jīng)濟(jì)發(fā)展水平的相關(guān)性，造成這一差距的原因可能是：較中、西部而言，東部地區(qū)經(jīng)濟(jì)實力雄厚，在R&D活動基礎(chǔ)設(shè)施，人才和制度建設(shè)等方面已形成較完備的體系，有力的促進(jìn)了R&D效率的提高；而中、西部地區(qū)經(jīng)濟(jì)水平較低，削弱了其在R&D環(huán)境建設(shè)方面的能力，進(jìn)而也制約了R&D活動的有效發(fā)展。1999年東、中、西部地區(qū)R&D技術(shù)效率分別為0.416、0.191、0.125，2008 年其值變?yōu)?0.421、0.193、0.155，說明R&D技術(shù)效率的區(qū)域差異有縮小的趨勢。

表1 零假設(shè)及檢驗結(jié)果

表2 1999～2008年各地區(qū)R&D技術(shù)效率（TE）

表3 絕對β收斂檢驗結(jié)果

為了進(jìn)一步考慮我國R&D技術(shù)效率的空間分布，本文按照1999-2008年間平均技術(shù)效率繪制了技術(shù)效率的地理分布圖，見圖1?？梢钥闯?，我國地區(qū)R&D技術(shù)效率的空間分布很不均衡，有很大的變異性，我國R&D技術(shù)效率在地理空間上呈現(xiàn)出東高西低、南高北低、南高北低、“兩極分化，東南聚集”的分布特征。R&D技術(shù)效率高的省市區(qū)密集于東南沿海、長江三角洲地區(qū)，R&D技術(shù)效率較低的省市區(qū)主要集中于西北、西南地區(qū)。這充分表明我國R&D效率的空間布局還不夠合理，我們認(rèn)為這主要還是與各省市區(qū)的經(jīng)濟(jì)發(fā)展水平，R&D人員素質(zhì)，政府、企業(yè)、研發(fā)機(jī)構(gòu)等對R&D活動的支持程度、對外貿(mào)易等因素有關(guān)，東南沿海地區(qū)是我國對外開放的門戶，可以充分吸收國外先進(jìn)技術(shù)和經(jīng)驗，在人才引進(jìn)、制度建設(shè)、設(shè)施水平等方面遠(yuǎn)遠(yuǎn)優(yōu)越于中、西部地區(qū) ，最終導(dǎo)致我國R&D技術(shù)效率空間分布的不均衡。根據(jù)R&D技術(shù)效率分布圖，可以把我國30省市區(qū)的技術(shù)效率由高到低分為以下幾類:第一類：北京、遼寧、山東、江蘇、浙江、福建、廣東、上海等8省市；第二類：四川、重慶、湖北、湖南、河南、河北、黑龍江、天津等8省市；第三類：新疆、云南、貴州、廣西、海南、江西、安徽、吉林等8省區(qū)；第四類：西藏、青海、甘肅、寧夏、陜西、山西、內(nèi)蒙古等7省區(qū)。

3.3 我國地區(qū)R&D技術(shù)效率的變動趨勢分析

鑒于技術(shù)擴(kuò)散的作用往往會導(dǎo)致后進(jìn)地區(qū)從中受益，后進(jìn)地區(qū)對先進(jìn)地區(qū)的模仿、趕超或先進(jìn)地區(qū)的“技術(shù)溢出效應(yīng)”也會成為后進(jìn)地區(qū)的“技術(shù)后發(fā)優(yōu)勢”。新技術(shù)的擴(kuò)散、傳播和轉(zhuǎn)移速度的加快，以及后進(jìn)地區(qū)技術(shù)學(xué)習(xí)和創(chuàng)新能力的提高最終會實現(xiàn)技術(shù)水平的跨越（Abramovitz，1986[13]；Blomstrom，2003[14]）。因此，本文應(yīng)用借助收斂檢測方法，對地區(qū)間R&D技術(shù)效率的收斂或發(fā)散情況進(jìn)行相應(yīng)的測試。借鑒Barro和Sala-i-Martin（1992）的分析模型，采用如下的檢驗收斂性的回歸模型：

式中,gi0和giT分別為各地區(qū)期初與期末R&D 的技術(shù)效率,T為觀察期時間跨度,α為常數(shù)項,β為收斂系數(shù),εt為隨機(jī)擾動項。如果β為負(fù),則說明區(qū)域間的R&D技術(shù)效率趨于收斂,反之則發(fā)散。上式所表示的收斂又叫絕對β收斂,表示各地區(qū)均會達(dá)到相同的穩(wěn)態(tài)增長速度和增長水平。運(yùn)用SPSS17.0對模型進(jìn)行檢驗，結(jié)果如表3所示：

從表3可看出，全國R&D技術(shù)效率β系數(shù)為負(fù)值，且在1%的顯著水平下通過檢驗，說明1999～2008年，我國R&D技術(shù)效率呈現(xiàn)收斂趨勢，這意味著我國落后地區(qū)與發(fā)達(dá)地區(qū)的R&D技術(shù)效率的增長速度存在不斷縮小的趨勢。從地區(qū)角度分析發(fā)現(xiàn)，東、中、西部三大地區(qū)β系數(shù)均為負(fù)，其中西部地區(qū)β的收斂系數(shù)顯著通過檢驗，東、中部地區(qū)β的收斂系數(shù)系數(shù)雖不顯著，但總體上說明我國各地區(qū)R&D技術(shù)效率亦存在所謂的追趕效應(yīng)。從收斂速度上看，東部、西部R&D技術(shù)效率均居全國水平之上，且西部收斂速度遠(yuǎn)高于全國水平和東、中部水平。

4 小結(jié)

本文以1999～2008年省域面板數(shù)據(jù)為基礎(chǔ)，運(yùn)用超越對數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型對我國R&D技術(shù)效率進(jìn)行了測度，并進(jìn)一步考察了技術(shù)效率的空間差異及變動趨勢。研究發(fā)現(xiàn)：我國R&D平均技術(shù)效率水平偏低，僅為0.256，但呈現(xiàn)穩(wěn)步上升狀態(tài)。我國R&D技術(shù)效率存在明顯的區(qū)域差異，東部高于中部、中部又高于西部，但有逐步縮小的趨勢，且不同地區(qū)間也有向各自穩(wěn)態(tài)逼近的趨勢。我國R&D技術(shù)效率在空間上呈現(xiàn)出東高西低、南高北低、“兩極分化，東南聚集”的分布特征。

[1]Gong B H,Sickles R C.Finite Sample Evidence on the Performance of Stochastic Frontiers and Data Envelopment Analysis Using Panel Data[J].Journal of Econometrics,1992,（51）.

[2]Battese,G.E.，Coelli,T.J.A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995,（20）.

[3]Griliches,Z.Patents Stastics as Economic Indicators:A Survey[J].Journal of Economic Literature，1990,（28）.

[4]Goto,A.,K.Suzuki.R&D Capital,Rate of Return on R&D Investment and Spillovers of R&D in Japanese Manufacturing Industries[J].Review of Economics and Statistics,1989，(4).

[5]Acs Z J,Anselin Luc,Varga Attila.Patents and Innovation Counts as Measures of Regional Production of New Knowledge[J].Research Policy,2002(31).

[6]張海洋.R&D兩面性、外資活動與中國工業(yè)生產(chǎn)率增長[J].經(jīng)濟(jì)研究,2000,(5).

[7]涂正革，肖耿.中國的工業(yè)生產(chǎn)力革命———用隨機(jī)前沿生產(chǎn)模型對中國大中型工業(yè)企業(yè)全要素生產(chǎn)率增長的分解及分析[J].經(jīng)濟(jì)研究，2005，（3）.

[8]吳延兵.中國地區(qū)知識生產(chǎn)效率測算[J].財經(jīng)研究,2008,(10).

[9]吳延兵.R&D存量、知識函數(shù)與生產(chǎn)效率[J].經(jīng)濟(jì)學(xué)(季刊),2006,(4).

[10]朱平芳，徐偉民.政府的科技激勵政策對大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響—上海市的實證研究[J].經(jīng)濟(jì)研究,2003,(6).

[11]閆冰,馮根福.基于隨機(jī)前沿生產(chǎn)函數(shù)的中國工業(yè)R&D效率分析[J].當(dāng)代經(jīng)濟(jì)科學(xué),2005,(11).

[12]朱有為等.中國高技術(shù)產(chǎn)業(yè)研發(fā)效率的實證研究[J].中國工業(yè)經(jīng)濟(jì),2006,(11).

[13]Abramovitz,M.“Catching Up,Forging Ahead and Falling Behind”,in Thinking About Growth and Other Essays on Economic Growth and Welfare[M].Cambridge:Cambridge University Press,2002.

[14]Blomstrom,M.,Kokko,A.The Economics of Foreign Direct Investment Incentive[M].Berlin:Spring，2003.

F223

A

1002－6487（2011）01－0077-03

教育部人文社會科學(xué)項目（07JA630067）；國家自然科學(xué)基金資助項目（70873095）

師 萍（1949-），女，陜西西安人，教授，博士生導(dǎo)師，研究方向：技術(shù)經(jīng)濟(jì)及管理。

(責(zé)任編輯/易永生)