李向東，李南，白俊紅，謝忠秋

(1.南京航空航天大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京210016;2.江蘇技術(shù)師范學(xué)院 商學(xué)院，江蘇 常州213001;3.南京師范大學(xué) 商學(xué)院，江蘇南京210046)

高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率分析

李向東1，2，李南1，白俊紅3，謝忠秋2

(1.南京航空航天大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京210016;2.江蘇技術(shù)師范學(xué)院 商學(xué)院，江蘇 常州213001;3.南京師范大學(xué) 商學(xué)院，江蘇南京210046)

以1995-2006年中國(guó)高技術(shù)產(chǎn)業(yè)17個(gè)細(xì)分行業(yè)的研發(fā)面板數(shù)據(jù)為基礎(chǔ)，應(yīng)用隨機(jī)前沿分析和數(shù)據(jù)包絡(luò)分析兩種方法實(shí)證測(cè)算了高技術(shù)產(chǎn)業(yè)的研發(fā)創(chuàng)新效率。主要的發(fā)現(xiàn)有：考察期內(nèi)高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率整體偏低，但其時(shí)間演變基本呈現(xiàn)出逐年上升的良好態(tài)勢(shì);數(shù)據(jù)包絡(luò)分析方法測(cè)算的效率高于隨機(jī)前沿分析法，但后者具有較強(qiáng)的穩(wěn)定性;雖然兩種方法測(cè)算的效率在均值上具有顯著差異，但在排序方面卻顯示出高度的一致性;提高研發(fā)創(chuàng)新效率對(duì)提升高技術(shù)產(chǎn)業(yè)的經(jīng)濟(jì)績(jī)效具有重要意義。

高技術(shù)產(chǎn)業(yè);研發(fā)創(chuàng)新;效率

一、引言

近年來(lái)，中國(guó)高技術(shù)產(chǎn)業(yè)發(fā)展迅速，其工業(yè)增加值占制造業(yè)的比重從2000年的9.3%增加2006年的11.5%，占GDP的比重也從2000年的2.8%增加到2006年的4.6%，成為推動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)的一個(gè)富有活力的增長(zhǎng)點(diǎn)。高技術(shù)產(chǎn)業(yè)是一個(gè)知識(shí)和技術(shù)密集型產(chǎn)業(yè)，高研發(fā)投入、高創(chuàng)新性是其區(qū)別與傳統(tǒng)產(chǎn)業(yè)的重要特征［1］。因此，提高高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新資源的利用效率對(duì)促進(jìn)其健康發(fā)展具有重要的意義。

事實(shí)上，作為一項(xiàng)稀缺性資源，研發(fā)創(chuàng)新資源利用的效率問(wèn)題已引起學(xué)術(shù)界的充分關(guān)注。

目前研究主要集中在兩個(gè)方面：一是對(duì)研發(fā)創(chuàng)新效率做實(shí)證測(cè)評(píng)，比如，劉順忠和官建成［2］、官建成和何穎［3］及孫凱和李煜華［4］等人以中國(guó)省級(jí)行政區(qū)域?yàn)榭疾鞂?duì)象，測(cè)算了各省區(qū)研發(fā)投入產(chǎn)出的效率情況;而 Zhang［5］、吳延兵［6］則測(cè)算了中國(guó)大中型工業(yè)企業(yè)的創(chuàng)新生產(chǎn)效率。另一方面的研究主要是對(duì)研發(fā)創(chuàng)新效率影響因素的考察，比如，池仁勇等［7］、李習(xí)保［8］、岳書(shū)敬［9］及白俊紅等［10］考察了勞動(dòng)者素質(zhì)、產(chǎn)業(yè)結(jié)構(gòu)、基礎(chǔ)設(shè)施、地方財(cái)政支持等因素對(duì)省區(qū)研發(fā)創(chuàng)新效率有效發(fā)展的影響;Jefferson［11］、吳延兵［12］及馮根福等［13］實(shí)證檢驗(yàn)了企業(yè)規(guī)模、產(chǎn)權(quán)結(jié)構(gòu)等因素對(duì)中國(guó)大中型工業(yè)企業(yè)研發(fā)創(chuàng)新效率的影響。

從以往研究成果來(lái)看，考察對(duì)象還主要集中在區(qū)域及企業(yè)兩個(gè)層面，而對(duì)研發(fā)投入和產(chǎn)出都比較高的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的考察還比較匱乏。朱有為和徐康寧［14］曾測(cè)算并分析了高技術(shù)產(chǎn)業(yè)的研發(fā)效率及影響因素，但其結(jié)論只是建立在參數(shù)形式的隨機(jī)前沿分析方法(Stochastic Frontier Analysis，SFA)基礎(chǔ)之上的，而且在設(shè)定生產(chǎn)函數(shù)時(shí)并沒(méi)有對(duì)模型的適宜性進(jìn)行檢驗(yàn)，這有可能在表達(dá)中國(guó)高技術(shù)產(chǎn)業(yè)的知識(shí)生產(chǎn)過(guò)程時(shí)產(chǎn)生偏誤。測(cè)定技術(shù)效率的另一種常用方法是非參數(shù)形式的數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis，DEA)，由于兩種方法的測(cè)算原理各不相同，因而得出的結(jié)論可能并不一致。本文將綜合應(yīng)用SFA和DEA兩種方法測(cè)算高技術(shù)產(chǎn)業(yè)的研發(fā)創(chuàng)新效率，以期使其結(jié)果更為可靠，進(jìn)而可以對(duì)高技術(shù)產(chǎn)業(yè)的創(chuàng)新發(fā)展?fàn)顩r有一個(gè)較為全面的認(rèn)識(shí)。

本文將利用1995-2006年中國(guó)高技術(shù)產(chǎn)業(yè)17個(gè)細(xì)分行業(yè)的研發(fā)面板數(shù)據(jù)，以新產(chǎn)品銷售收入作為創(chuàng)新生產(chǎn)的產(chǎn)出，以R＆D資本存量和R＆D人員投入作為創(chuàng)新生產(chǎn)的投入，應(yīng)用隨機(jī)前沿分析和數(shù)據(jù)包絡(luò)分析兩種效率測(cè)度方法，測(cè)算高技術(shù)產(chǎn)業(yè)的研發(fā)創(chuàng)新效率。文章后續(xù)部分結(jié)構(gòu)安排如下：第二部分簡(jiǎn)述研究方法，第三部分介紹本文數(shù)據(jù)的來(lái)源及選用的投入產(chǎn)出變量，第四部分對(duì)測(cè)算結(jié)果進(jìn)行討論，第五部分進(jìn)一步闡釋研發(fā)創(chuàng)新效率與經(jīng)濟(jì)績(jī)效的關(guān)系，最后給出結(jié)論。

二、研究方法

評(píng)測(cè)決策單元技術(shù)效率的方法主要有參數(shù)法和非參數(shù)法兩大類。非參數(shù)方法以Chames等提出的數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis，DEA)方法為代表，該方法采用線性規(guī)劃技術(shù)，無(wú)需設(shè)定函數(shù)形式，從而避免了主觀設(shè)定函數(shù)的影響，且在處理多投入多產(chǎn)出的效率度量上具有優(yōu)勢(shì)。但DEA也由于設(shè)定了確定邊界，并且不考慮測(cè)量誤差的存在而具有不足之處［14］。參數(shù)方法以隨機(jī)前沿分析(Stochastic Frontier Analysis，SFA)方法為代表，該方法由 Aigner等［15］、Meeusen 和Broeck［16］、Battese 和 Corra［17］提出。SFA 采用計(jì)量方法對(duì)前沿生產(chǎn)函數(shù)進(jìn)行估計(jì)，可以對(duì)得出的參數(shù)進(jìn)行統(tǒng)計(jì)檢驗(yàn)，有更為堅(jiān)實(shí)的經(jīng)濟(jì)理論基礎(chǔ)，而且在測(cè)算過(guò)程中可以控制個(gè)體沖擊的影響，從而在一定程度上克服了由于個(gè)體差異而造成的技術(shù)非效率。但是SFA方法也有可能由于設(shè)定了錯(cuò)誤的生產(chǎn)函數(shù)而得出錯(cuò)誤的結(jié)論。由于兩種方法各具優(yōu)劣，我們擬同時(shí)采用隨機(jī)前沿分析方法和數(shù)據(jù)包絡(luò)分析方法來(lái)測(cè)算中國(guó)高技術(shù)產(chǎn)業(yè)的研發(fā)創(chuàng)新效率，以期能夠更準(zhǔn)確可靠地揭示近年來(lái)高技術(shù)產(chǎn)業(yè)的創(chuàng)新發(fā)展?fàn)顩r。

(一)SFA方法

根據(jù) Kumbhakar和 Lovell［18］的總結(jié)，隨機(jī)前沿模型的一般形式如式(1)所示：

式(1)中，yit表示決策單元i在時(shí)期t的實(shí)際產(chǎn)出，f(·)表示生產(chǎn)可能性邊界上的確定前沿產(chǎn)出，即具有完全效率時(shí)的最大產(chǎn)出，x表示一組投入向量，t為時(shí)間趨勢(shì)，其中 i=1，…，n;t=1，…，T。誤差項(xiàng)vit-uit為復(fù)合結(jié)構(gòu)，第一部分，vit服從N(0，σ2v)，表示隨機(jī)擾動(dòng)的影響;第二部分，uit為技術(shù)非效率項(xiàng)，表示個(gè)體沖擊的影響。

技術(shù)效率TE定義為實(shí)際產(chǎn)出期望與前沿面產(chǎn)出期望的比值，即：

顯然，uit=0時(shí)，TEit=1，表示決策單元位于前沿面(f(xit，t)exp(vit，uit=0))上，技術(shù)有效;當(dāng) uit＞0時(shí)，TEit＜1，決策單元位于前沿面下方，技術(shù)無(wú)效。

(二)DEA方法

DEA方法是通過(guò)線性規(guī)劃來(lái)求解決策單元技術(shù)效率的。假設(shè)有個(gè)受評(píng)估的決策單元，各使用種投入要素xij(j=1，…，m)，生產(chǎn) 種產(chǎn)出 yir(r=1，…，s)，在投入導(dǎo)向模式下，決策單元 的相對(duì)效率衡量指標(biāo)ho(u，v)可表示為式(3)的形式：

其中，ur、vj分別為第r種產(chǎn)出與第j種投入的權(quán)重系數(shù)。利用Chames-Cooper變換及對(duì)偶變換，并引入松弛變量s+≥0、s-≥0及非阿基米德無(wú)窮小量ε，可以將式(3)等價(jià)變換成線性規(guī)劃模型式(4)：

式(4)中的θ即為決策單元的效率值。若θ=1，且s+=s-=0，則決策單元DEA有效;若θ=1，且s+≠0或s-≠0時(shí)，則決策單元為弱DEA有效;若θ＜1，則決策單元DEA無(wú)效。

三、數(shù)據(jù)與變量

本文分析所使用的樣本為1995-2006年中國(guó)高技術(shù)產(chǎn)業(yè)分行業(yè)面板數(shù)據(jù)，統(tǒng)計(jì)口徑為國(guó)有及年銷售收入在500萬(wàn)以上的非國(guó)有工業(yè)企業(yè)。文中所使用的投入、產(chǎn)出變量原始數(shù)據(jù)來(lái)源于歷年《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》，而相應(yīng)的價(jià)格指數(shù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》記載的高技術(shù)產(chǎn)業(yè)共有5個(gè)兩位碼行業(yè)，并細(xì)分為17個(gè)三位碼行業(yè)。為擴(kuò)大樣本容量，我們選擇全部的17個(gè)三位碼行業(yè)進(jìn)行分析。這樣，17個(gè)行業(yè)12年的時(shí)間跨度，共計(jì)204個(gè)樣本觀測(cè)值。接下來(lái)，我們將對(duì)文中投入、產(chǎn)出變量的選擇與處理情況做適當(dāng)說(shuō)明。

(一)產(chǎn)出變量

在衡量研發(fā)創(chuàng)新的產(chǎn)出時(shí)，專利數(shù)量是一個(gè)較為常用的指標(biāo)。專利含有大量關(guān)于技術(shù)、發(fā)明及發(fā)明者方面的信息，且數(shù)據(jù)較容易獲得。但在具體表征創(chuàng)新產(chǎn)出時(shí)，其也存在一定的缺陷，主要表現(xiàn)在：一方面，由于一些發(fā)明并不申請(qǐng)專利，因此專利并不能反映創(chuàng)新活動(dòng)的全部成果［19］;另一方面，由于專利質(zhì)量的不同，在體現(xiàn)創(chuàng)新成果的經(jīng)濟(jì)價(jià)值上也存在一定的缺陷［20-21］。馮根福等［13］、吳延兵［21］等曾嘗試采用新產(chǎn)品開(kāi)發(fā)數(shù)來(lái)作為創(chuàng)新產(chǎn)出的衡量指標(biāo)，但顯然，與專利數(shù)目一樣，新產(chǎn)品開(kāi)發(fā)數(shù)亦是一個(gè)數(shù)量指標(biāo)，并不能體現(xiàn)創(chuàng)新產(chǎn)出的質(zhì)量所在，也不能全面反映創(chuàng)新成果的商業(yè)價(jià)值和經(jīng)濟(jì)化水平。相比較而言，新產(chǎn)品銷售收入是一個(gè)較好的指標(biāo)。新產(chǎn)品銷售收入可以有效地反映出創(chuàng)新成果的商業(yè)價(jià)值，而且有幸的是，《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》提供了高技術(shù)產(chǎn)業(yè)17個(gè)細(xì)分行業(yè)的新產(chǎn)品銷售收入值，這也使得我們的這一選擇具備了可行性。以往一些研究，比如馮根福等［13］、吳延兵［21］等，之所以沒(méi)有使用這一指標(biāo)，很大程度上是其考察的對(duì)象(比如地區(qū)工業(yè)企業(yè))在相關(guān)年鑒中缺失這一統(tǒng)計(jì)指標(biāo)的緣故。

需要說(shuō)明的是，由于SFA模型的單產(chǎn)出特性，本文只選擇新產(chǎn)品銷售收入作為衡量創(chuàng)新產(chǎn)出的考核變量。計(jì)入模型時(shí)，為了克服價(jià)格波動(dòng)的影響，我們用工業(yè)品出廠價(jià)格指數(shù)對(duì)其進(jìn)行縮減，統(tǒng)一折算成1995年不變價(jià)。

(二)投入變量

對(duì)于創(chuàng)新活動(dòng)的投入，文獻(xiàn)中通常選用R＆D經(jīng)費(fèi) 支 出 和 R＆D 人 員 投 入 來(lái) 表 征［2，13，22-24］。R＆D經(jīng)費(fèi)支出反映了年度內(nèi)執(zhí)行單位的實(shí)際研發(fā)資金投入，是一項(xiàng)流量指標(biāo)。但正如Griliches［21］及吳延兵［21］指出的，R＆D活動(dòng)對(duì)知識(shí)生產(chǎn)的影響不僅反映在當(dāng)期，對(duì)以后的知識(shí)生產(chǎn)也將產(chǎn)生影響。因此，測(cè)算創(chuàng)新活動(dòng)的效率時(shí)應(yīng)該首先核算R＆D 資本存量。參考 Griliches［21］、Goto 和 Suzuki［26］及吳延兵［21］的做法，本期的 R＆D 資本存量可以表示為上一期的R＆D資本存量與過(guò)去所有期的R＆D支出現(xiàn)值之和，即：

式(5)中，Kt與Kt-1分別為當(dāng)期和滯后1期的R＆D資本存量，k為滯后期，μk為滯后算子，即R＆D支出的貼現(xiàn)系數(shù)，δ為R＆D資本存量的折舊率。由于難以獲得μ的滯后結(jié)構(gòu)，一般假定平均滯后期為θ，且t-θ期的R＆D支出直接構(gòu)成了t期的R＆D資本存量的增量，即k=θ時(shí)，μk=1;k≠θ時(shí)，μk=0。這樣，式(5)可寫成式(6)的形式：

在假定平均滯后期為1年的情況下，式(6)可寫成：

也即當(dāng)期的R＆D資本存量等于滯后1期的R＆D現(xiàn)值與滯后1期的R＆D資本存量之和。

從式(7)可看出，核算R＆D資本存量需核算R＆D支出的現(xiàn)值，確定R＆D資本存量的折舊率及基期資本存量。

在核算R＆D支出現(xiàn)值時(shí)，關(guān)鍵是構(gòu)造R＆D支出價(jià)格指數(shù)對(duì)名義R＆D經(jīng)費(fèi)支出進(jìn)行平減。李習(xí)保［8］、岳書(shū)敬［9］分別選用消費(fèi)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)來(lái)表征R＆D支出價(jià)格指數(shù)，并以此對(duì)R＆D經(jīng)費(fèi)支出進(jìn)行平減。朱平芳和徐偉民［27］將R＆D支出價(jià)格指數(shù)設(shè)定為固定資產(chǎn)投資價(jià)格指數(shù)和消費(fèi)價(jià)格指數(shù)的加權(quán)平均，其中前者權(quán)重0.45，后者權(quán)重 0.55，朱有為和徐康寧［14］亦有類似的設(shè)定，不過(guò)權(quán)重有所差別，兩種指數(shù)的權(quán)重分別為0.75和0.25。事實(shí)上，上述學(xué)者對(duì)R＆D支出價(jià)格指數(shù)的設(shè)定均是建立在對(duì)R＆D經(jīng)費(fèi)支出的明細(xì)構(gòu)成基礎(chǔ)上的。李習(xí)保［8］和岳書(shū)敬［9］的設(shè)定方式實(shí)際上是假定R＆D支出全部用于勞動(dòng)力成本或購(gòu)置固定資產(chǎn)上，而朱平芳和徐偉民［27］、朱有為和徐康寧［14］的設(shè)置則是基于R＆D經(jīng)費(fèi)支出用于勞動(dòng)力成本和購(gòu)置固定資產(chǎn)成一定比例的構(gòu)造?；谕凰悸?，我們對(duì)R＆D支出價(jià)格指數(shù)進(jìn)行了重新構(gòu)造。根據(jù)《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》對(duì) R＆D經(jīng)費(fèi)支出的明細(xì)，1995-2006年間R＆D經(jīng)費(fèi)支出中用于勞務(wù)費(fèi)的支出共計(jì)8917576萬(wàn)元，用于設(shè)備儀器的支出共計(jì)7576227萬(wàn)元，這樣，勞務(wù)費(fèi)支出占了兩者合計(jì)支出的54%，而設(shè)備儀器支出占了46%。因此，我們將R＆D支出價(jià)格指數(shù)設(shè)定為：

式(8)中，PR表示R＆D支出價(jià)格指數(shù)，PL表示消費(fèi)價(jià)格指數(shù)，PI表示固定資產(chǎn)投資價(jià)格指數(shù)。顯然，我們的設(shè)定與朱平芳和徐偉民［27］的設(shè)定比較接近，但我們給出了這一設(shè)定的科學(xué)依據(jù)。

至于折舊率，我們不失一般性，采用文獻(xiàn)中通常采用的經(jīng)驗(yàn)設(shè)置，取δ=15%［21-25］。

最后還需要估算基期資本存量。根據(jù)Goto和Suzuki［26］及吳延兵［21］，在假定 R＆D 資本存量的增長(zhǎng)率等于R＆D經(jīng)費(fèi)增長(zhǎng)率的情況下，基期資本存量可以用下式來(lái)估計(jì)：

式(9)中，K0為基期資本存量，E0為基期實(shí)際R＆D經(jīng)費(fèi)支出，g為考察期內(nèi)實(shí)際R＆D經(jīng)費(fèi)支出的平均增長(zhǎng)率，δ為折舊率。

至此，我們已解決了估算R＆D資本存量的全部技術(shù)。而至于研發(fā)創(chuàng)新的另一項(xiàng)投入指標(biāo)R＆D人員，文中選用R＆D人員全時(shí)當(dāng)量來(lái)衡量，其值為報(bào)告年內(nèi)R＆D全時(shí)人員數(shù)加非全時(shí)人員按工作量折算成全時(shí)人員數(shù)的總和。

表1給出了投入產(chǎn)出變量的描述性統(tǒng)計(jì)結(jié)果，圖1進(jìn)一步給出了高技術(shù)產(chǎn)業(yè)17個(gè)明細(xì)行業(yè)的R＆D資本存量均值，而圖2則描述了高技術(shù)產(chǎn)業(yè)各期R＆D資本存量均值的時(shí)間趨勢(shì)。

表1 變量的描述性統(tǒng)計(jì)結(jié)果

從圖1可看出，17個(gè)細(xì)分行業(yè)中R＆D資本存量最高的為航天器制造業(yè)，其次是化學(xué)藥品制造業(yè)及中成藥制造業(yè);而R＆D資本存量最低的三個(gè)行業(yè)分別為計(jì)算機(jī)外部設(shè)備制造業(yè)、電子器件制造業(yè)和辦公設(shè)備制造業(yè)。圖2 R＆D資本存量的時(shí)間趨勢(shì)顯示出各期穩(wěn)步上升的態(tài)勢(shì)，從1995年的79.045千萬(wàn)元，增長(zhǎng)到2006年的93.081千萬(wàn)元，年均增長(zhǎng)約1.490%。

圖1 高技術(shù)產(chǎn)業(yè)各行業(yè)R＆D資本存量均值(千萬(wàn)元)

圖2 高技術(shù)產(chǎn)業(yè)R＆D資本存量均值時(shí)間趨勢(shì)(千萬(wàn)元)

四、結(jié)果分析

利用SFA模型核算技術(shù)效率時(shí)，需首先選取合適的生產(chǎn)函數(shù)。目前文獻(xiàn)中較為常用的有柯布-道格拉斯和超越對(duì)數(shù)兩種形式。前者形式較為簡(jiǎn)單，但假定技術(shù)中性和產(chǎn)出彈性固定;后者放寬了這些假設(shè)［28］，且在形式上更加靈活，能更好地避免由于函數(shù)形式的誤設(shè)而帶來(lái)的估計(jì)偏差［29］。本文分析中采用的是面板數(shù)據(jù)，隨著時(shí)間的推移，技術(shù)是否為中性，產(chǎn)出彈性是否固定，技術(shù)是否存在進(jìn)步，研究中并不能事先確定。因此我們首先設(shè)置超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型，而后通過(guò)檢驗(yàn)此模型的適宜性對(duì)生產(chǎn)函數(shù)進(jìn)行選擇。超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型的具體形式如式(10)所示。

式(10)中，yit、Kit和 Lit分別為 i產(chǎn)業(yè) t期的實(shí)際新產(chǎn)品銷售收入、R＆D資本存量和R＆D人員投入，β為回歸系數(shù)。上式中，如果建立原假設(shè)，即假設(shè)二次項(xiàng)系數(shù) βkk、βll、βtt、βkl、βkt、βlt均為零，則式(10)即變成了柯布-道格拉斯形式的隨機(jī)前沿模型(11)：

式(10)和(11)到底哪種形式更適合擬合樣本數(shù)據(jù)，我們用廣義似然率統(tǒng)計(jì)量進(jìn)行驗(yàn)證。廣義似然率λ為：

式(12)中，L(H0)和L(H1)分別是前沿模型在零假設(shè)H0和備擇假設(shè)H1下的對(duì)數(shù)似然函數(shù)值。如果零假設(shè)成立，則檢驗(yàn)統(tǒng)計(jì)量服從混合卡方分布，自由度為受約束變量的數(shù)目。而備擇假設(shè)H1為不受約束的模型式(10)。如果核算出的廣義似然率λ大于臨界值，我們便拒絕原假設(shè)，接受超越對(duì)數(shù)生產(chǎn)函數(shù)形式的隨機(jī)前沿模型;反之，則接受原假設(shè)，柯布-道格拉斯生產(chǎn)函數(shù)形式的隨機(jī)前沿模型更適宜擬合樣本數(shù)據(jù)。

我們利用Frontier4.0軟件包對(duì)式(10)和(11)分別進(jìn)行回歸，估計(jì)結(jié)果如表2所示。

從表2的檢驗(yàn)結(jié)果來(lái)看，廣義似然統(tǒng)計(jì)量λ=17.477略大于臨界值16.812，但幾乎相差無(wú)幾。另外，從超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿回歸模型系數(shù)參數(shù)估計(jì)結(jié)果來(lái)看，只有常數(shù)項(xiàng)β0通過(guò)了顯著性檢驗(yàn)，其它回歸系數(shù)參數(shù)均不顯著。而柯布-道格拉斯隨機(jī)前沿回歸模型的各項(xiàng)回歸系數(shù)參數(shù)估計(jì)值均具有較高的顯著性。因此，在下文分析中我們依然采用了柯布-道格拉斯生產(chǎn)函數(shù)的隨機(jī)前沿回歸模型。

應(yīng)用隨機(jī)前沿模型估算研發(fā)創(chuàng)新效率時(shí)我們依舊采用Frontier4.0軟件包，而數(shù)據(jù)包絡(luò)分析時(shí)我們采用DEAP2.1軟件包。兩種方法估算結(jié)果的描述性統(tǒng)計(jì)如表3所示。

由表3可看出，兩種方法測(cè)算結(jié)果揭示的我國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率均處于較低的水平，創(chuàng)新發(fā)展?fàn)顩r并不理想，即使是效率較高的DEA方法測(cè)算結(jié)果，其均值也只有0.383，尚有超過(guò)60%的提升空間。但將此結(jié)果與朱有為和徐康寧［14］測(cè)算的結(jié)果相比，我們發(fā)現(xiàn)無(wú)論采用何總方法，我們測(cè)算的結(jié)果均高于同期他們的測(cè)算結(jié)果①朱有為和徐康寧應(yīng)用SFA方法測(cè)算了1996-2004年間的高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率，其均值為0.242，而本文SFA與DEA測(cè)算的同期效率均值分別為0.257和0.383。，其原因可能與不同的數(shù)據(jù)處理方式有關(guān)，比如上文中提到的研發(fā)支出價(jià)格指數(shù)的構(gòu)造。從標(biāo)準(zhǔn)差的對(duì)比來(lái)看，DEA測(cè)算結(jié)果的標(biāo)準(zhǔn)差要大于SFA測(cè)算結(jié)果的標(biāo)準(zhǔn)差，這也在一定程度上說(shuō)明DEA測(cè)算結(jié)果具有更大的波動(dòng)性。

表3只是對(duì)測(cè)算結(jié)果進(jìn)行了簡(jiǎn)單的描述，進(jìn)一步我們用圖3刻畫(huà)了研發(fā)創(chuàng)新效率均值與標(biāo)準(zhǔn)差的時(shí)間演變趨勢(shì)。

表2 兩種隨機(jī)前沿模型參數(shù)估計(jì)結(jié)果

表3 SFA與DEA方法測(cè)算研發(fā)創(chuàng)新效率結(jié)果的描述性統(tǒng)計(jì) 樣本容量N=204

從圖3來(lái)看，考察期內(nèi)，SFA測(cè)算的研發(fā)創(chuàng)新效率均值一直處于緩慢的上升狀態(tài)，表明高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率的不斷改善，而其標(biāo)準(zhǔn)差各年基本持平，也即意味著高技術(shù)產(chǎn)業(yè)內(nèi)部各行業(yè)間的效率差異并沒(méi)發(fā)生明顯變化。考察期內(nèi)DEA方法測(cè)算的創(chuàng)新效率均值具有一定的波動(dòng)性，且1996年效率均值最低為0.357，而此后各期雖略有波動(dòng)，但均高于這一數(shù)值，呈現(xiàn)出一定的上升趨勢(shì)，其中2001年達(dá)到最高為0.411，是最低值的1.15倍，期末水平(即 2006 年)也達(dá)到了 0.391，比期初效率水平(0.365)提高約7.12%。從兩種方法測(cè)算結(jié)果的對(duì)比來(lái)看，各期DEA方法測(cè)算的效率均值均高于SFA方法測(cè)算效率的均值。進(jìn)一步為了比較此差異是否顯著，我們對(duì)其進(jìn)行了配對(duì)t檢驗(yàn)(Paired t test)。結(jié)果顯示出t統(tǒng)計(jì)量值為-30.248，雙尾檢測(cè)顯著性概率為 0.000，由此也意味著SFA方法測(cè)算的效率值與DEA方法測(cè)算的效率值之間的差異是顯著存在的。標(biāo)準(zhǔn)差方面的對(duì)比也表現(xiàn)出與均值類似的特征，DEA方法測(cè)算的各期效率標(biāo)準(zhǔn)差均高于SFA方法，說(shuō)明SFA方法測(cè)算結(jié)果更具有穩(wěn)定性。事實(shí)上，由于SFA方法考慮了個(gè)體沖擊對(duì)技術(shù)效率的影響，因而其測(cè)算結(jié)果也可能更為穩(wěn)定，相關(guān)研究也有類似的發(fā)現(xiàn)［21，28］。

圖3 研發(fā)創(chuàng)新效率均值與標(biāo)準(zhǔn)差的時(shí)間趨勢(shì)

表4 各行業(yè)研發(fā)創(chuàng)新效率均值與標(biāo)準(zhǔn)差

表4列出了高技術(shù)產(chǎn)業(yè)各行業(yè)研發(fā)創(chuàng)新的效率均值及標(biāo)準(zhǔn)差情況。從兩種方法各自的測(cè)算結(jié)果來(lái)看，SFA方法測(cè)算效率最高的為家用視聽(tīng)設(shè)備制造業(yè)、其次是電子器件制造業(yè)及飛機(jī)制造及修理業(yè);而效率最低的三個(gè)行業(yè)分別為廣播電視設(shè)備制造業(yè)、其他電子設(shè)備制造業(yè)和航天器制造業(yè)。DEA方法測(cè)算的結(jié)果中，由于電子器件制造與家用視聽(tīng)設(shè)備制造兩個(gè)行業(yè)的效率均值都為1，兩行業(yè)均處于生產(chǎn)前沿面上，因此排序并列第一，雷達(dá)及配套設(shè)備制造業(yè)處于第三的位置;而處于后三位的行業(yè)分別為其他電子設(shè)備制造業(yè)、生物、生化制品的制造業(yè)及航天器制造。對(duì)兩種方法測(cè)算的結(jié)果進(jìn)行對(duì)比可以發(fā)現(xiàn)，除通訊設(shè)備制造業(yè)SFA方法測(cè)算結(jié)果較高外，其他行業(yè)的效率均值SFA測(cè)算結(jié)果均小于DEA測(cè)算結(jié)果;而在標(biāo)準(zhǔn)差方面，除了電子器件制造與家用視聽(tīng)設(shè)備制造兩個(gè)行業(yè)由于各期效率均為1，使其標(biāo)準(zhǔn)差為0外，其余各個(gè)行業(yè)的效率標(biāo)準(zhǔn)差均表現(xiàn)出SFA測(cè)算結(jié)果小于DEA測(cè)算結(jié)果的情形，表明應(yīng)用SFA方法的測(cè)算結(jié)果更趨于穩(wěn)定。

除了上文對(duì)行業(yè)效率的簡(jiǎn)單排序與比較之外，我們更關(guān)心兩種方法測(cè)算的效率情況是否具有顯著差異以及排序上是否具有一致性。對(duì)此，我們分別應(yīng)用配對(duì)t檢驗(yàn)及斯皮爾曼等級(jí)相關(guān)檢驗(yàn)(Spearman rank correlation test)進(jìn)行考察。配對(duì)t檢驗(yàn)的結(jié)果顯示，配對(duì)t檢驗(yàn)值為-3.469，顯著性概率為0.003，表明兩種方法測(cè)算的行業(yè)效率是有顯著差異的;而斯皮爾曼等級(jí)相關(guān)檢驗(yàn)的結(jié)果顯示，Spearman相關(guān)系數(shù)為0.902，顯著性概率為0.000，此結(jié)果也意味著兩種測(cè)算方法的排序結(jié)果是高度相關(guān)的，具有顯著的排序一致性。

五、進(jìn)一步研究

研發(fā)創(chuàng)新之所以受到人們的廣泛關(guān)注，其根本原因還在于其對(duì)經(jīng)濟(jì)增長(zhǎng)的重要推動(dòng)作用［30］。這也使得如何更加有效地利用研發(fā)創(chuàng)新資源，提高創(chuàng)新效率便成為當(dāng)前學(xué)術(shù)界研究的一項(xiàng)重要議題。而提高研發(fā)創(chuàng)新效率，其目的并不僅僅局限于使用盡可能少的研發(fā)投入獲得盡可能多的創(chuàng)新產(chǎn)出，其最終目的依然在于借此以提升經(jīng)濟(jì)績(jī)效。本部分內(nèi)容我們將建立一個(gè)簡(jiǎn)單的回歸模型，以檢驗(yàn)研發(fā)創(chuàng)新效率的提高對(duì)經(jīng)濟(jì)績(jī)效是否有影響。我們以高技術(shù)產(chǎn)業(yè)各細(xì)分行業(yè)的工業(yè)增加值作為考核高技術(shù)產(chǎn)業(yè)的經(jīng)濟(jì)績(jī)效的因變量，以研發(fā)創(chuàng)新的效率值作為自變量，建立如式(12)所示的面板數(shù)據(jù)計(jì)量模型：

式(12)中，gyit表示i行業(yè)第t期的工業(yè)增加值，其值按照工業(yè)品出廠價(jià)格指數(shù)折算成1995年不變價(jià)，TEit為i行業(yè)第t期的效率值(SFA效率值或DEA效率值)，α、β分別為常數(shù)項(xiàng)和回歸系數(shù)，εit為隨機(jī)誤差?；貧w之前，我們利用豪斯曼檢驗(yàn)(Hausman＇s test)確定回歸模型是選擇混合估計(jì)模型、隨機(jī)效應(yīng)模型、還是固定效應(yīng)模型。檢驗(yàn)結(jié)果顯示(見(jiàn)表5中第2列)，當(dāng)自變量為SFA方法測(cè)算的效率值時(shí)，固定效應(yīng)模型更為有效;而當(dāng)DEA效率值做為自變量時(shí)，隨機(jī)效應(yīng)模型更有效。具體回歸結(jié)果如表5所示。

從表5給出的結(jié)果可看出，無(wú)論是采用SFA方法測(cè)算的效率值作為自變量，還是以DEA方法測(cè)算的效率值作為自變量，其回歸結(jié)果都顯示出研發(fā)創(chuàng)新效率對(duì)高技術(shù)產(chǎn)業(yè)的經(jīng)濟(jì)績(jī)效具有顯著的正向影響，提高創(chuàng)新效率對(duì)提升高技術(shù)產(chǎn)業(yè)的經(jīng)濟(jì)績(jī)效具有重要意義。這同時(shí)也有力地印證了我們及同行其他研究中考察研發(fā)創(chuàng)新資源利用效率問(wèn)題的重要價(jià)值所在。

表5 研發(fā)創(chuàng)新效率對(duì)高技術(shù)產(chǎn)業(yè)經(jīng)濟(jì)績(jī)效影響的回歸結(jié)果

六、結(jié)論

本文的研究目的在于測(cè)算高技術(shù)產(chǎn)業(yè)的研發(fā)創(chuàng)新效率，以期對(duì)近年來(lái)高技術(shù)產(chǎn)業(yè)的研發(fā)投入產(chǎn)出績(jī)效做合理監(jiān)督和評(píng)價(jià)。為了使結(jié)果更為可靠，我們同時(shí)采用了效率測(cè)算的隨機(jī)前沿分析和數(shù)據(jù)包絡(luò)分析兩種方法。研究結(jié)果表明，考察期內(nèi)高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率整體處于較低的水平，但可喜的是近年來(lái)已呈現(xiàn)緩慢上升的趨勢(shì);隨機(jī)前沿分析方法的測(cè)算結(jié)果低于數(shù)據(jù)包絡(luò)分析方法的測(cè)算結(jié)果，但隨機(jī)前沿分析測(cè)算的效率更為穩(wěn)定;兩種方法測(cè)算的均值對(duì)比具有顯著差異，但在排序方面卻表現(xiàn)出較強(qiáng)的一致性。因此，倘若考察目的在于比較高技術(shù)產(chǎn)業(yè)各行業(yè)研發(fā)創(chuàng)新效率的高低，進(jìn)而有針對(duì)性地不同效率的行業(yè)進(jìn)行決策時(shí)，兩種方法具有通用性。我們的另一項(xiàng)發(fā)現(xiàn)即是提高研發(fā)創(chuàng)新效率對(duì)提升高技術(shù)產(chǎn)業(yè)的經(jīng)濟(jì)績(jī)效確實(shí)有重要的影響。上述結(jié)論的政策含義是明顯的，中國(guó)在增加創(chuàng)新投入提高高技術(shù)產(chǎn)業(yè)創(chuàng)新產(chǎn)出的同時(shí)，也許重點(diǎn)關(guān)注投入產(chǎn)出的效率問(wèn)題，這不僅有利于創(chuàng)新資源的有效利用，更重要的是有益于高技術(shù)產(chǎn)業(yè)整體經(jīng)濟(jì)績(jī)效的提升。

［1］鄭堅(jiān)，丁云龍.高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新的邊際收益特性及效率分析［J］.科學(xué)學(xué)研究，2008，26(5)：1091-1097.

［2］劉順忠，官建成.區(qū)域創(chuàng)新系統(tǒng)創(chuàng)新績(jī)效的評(píng)價(jià)［J］.中國(guó)管理科學(xué)，2002，(1)：75-78.

［3］官建成，何穎.基于DEA方法的區(qū)域創(chuàng)新系統(tǒng)的評(píng)價(jià)［J］.科學(xué)學(xué)研究，2005，23(2)：265-272.

［4］孫凱，李煜華.我國(guó)各省市技術(shù)創(chuàng)新效率分析與比較［J］.中國(guó)科技論壇，2007，(11)：8-11.

［5］Zhang Anming，Zhang Yimin，Zhao Ronald.A Study of the R＆D Efficiency and Productivity of Chinese Firms［J］，Journal of Comparative Economics［J］，2003，(31)：443-464.

［6］吳延兵.中國(guó)地區(qū)知識(shí)生產(chǎn)效率測(cè)算［J］.財(cái)經(jīng)研究，2008a，34(10)：4-14.

［7］池仁勇，虞曉芬，李正衛(wèi).我國(guó)東西部地區(qū)技術(shù)創(chuàng)新效率差異及其原因分析［J］.中國(guó)軟科學(xué)，2004，(8)：128-131.

［8］李習(xí)保.區(qū)域創(chuàng)新環(huán)境對(duì)創(chuàng)新活動(dòng)效率影響的實(shí)證研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，(8)：13-24.

［9］岳書(shū)敬.中國(guó)區(qū)域研發(fā)效率差異及其影響因素--基于省級(jí)區(qū)域面板數(shù)據(jù)的經(jīng)驗(yàn)研究［J］.科研管理，2008，29(5)：173-179.

［10］白俊紅，江可申，李婧，李佳.區(qū)域創(chuàng)新效率的環(huán)境影響因素分析--基于DEA-tobit兩步法的實(shí)證檢驗(yàn)［J］.研究與發(fā)展管理，2009，21(2)：98-102.

［11］ Jefferson，G H Bai Huamao，Guan Xiaojing，Yu Xiaoyun.R＆D Performance in Chinese Industry［J］，Economics of Innovation and New Technology，2006，15(4-5)：345-366.

［12］吳延兵.R＆D存量、知識(shí)函數(shù)與生產(chǎn)效率［J］.經(jīng)濟(jì)學(xué)(季刊)，2006，5(4)：1129-1156.

［13］馮根福，劉軍虎，徐志霖.中國(guó)工業(yè)部門研發(fā)效率及其影響因素實(shí)證分析［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2006(11)：46-51.

［14］朱有為，徐康寧.中國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)效率的實(shí)證研究［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2006，(11)：38-45.

［15］Aigner，D J Lovell，C A K Schmidt P.Formulation and Estimation of Stochastic Frontier Production function Models［J］，Journal of Econometrics，1977，(6)：21-37.

［16］ Meeusen W，Broeck J V.Efficiency Estination from Cobb-Douglans Production Functions with Composed Error［J］，International Economic Review，1977，(18)：435-444.

［17］ Battese G E，Corra G S.Estination of a Production Frontier Model with Application to the Pastoral Zone of Eastern Australia［J］，Australian Journal of Agricultural Economics，1977，(21)：169-179.

［18］ Kunbhakar S，Lovell C.Stochastic Froniter Analysis［M］.New York：Cambridge University Press，2000.

［19］ Pakes A，Griliches Z.Patents and R＆D at the Firm Level：A Firstlook.InZ.Griliches(Ed.)，R＆D Patents and Productivity［M］.Chicago：University of Chicago Press，1984.

［20］Griliches Z.Patents Statistics as Economic Indicators：A Survey［J］.Journal of Economic Literature，1990，28(4)：1661-1707.

［21］吳延兵.用DEA方法評(píng)測(cè)知識(shí)生產(chǎn)中的技術(shù)效率與技術(shù)進(jìn)步［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008b，(7)：67-79.

［22］Pavitt K，Wald S.The Conditions for Success in Technological Innovation［R］.Pairs：OECD，1971.

［23］Bound，John，Clint Cummins，Zvi Griliches，Bronwyn H.Hall and Adam B.Jaffe.Who Does R＆D and Who Patent［A］?Griliches，Zvi(ed.).R＆D，Patent and Productivity［M］.Chicago：University of Chicago Press，1984.

［24］Seema S，Thomas V J.Inter-country R＆D Efficiency Analysis：An Application of Data Envelopment Analysis［J］.Scientometrics，2008，76(3)：483-501.

［25］ Griliches Z.R＆D and Productivity Slowdown［J］.American Economic Review，1980，70(1)：343-348.

［26］ Goto A，K Suzuki.R＆D Capital，Rate of Return on R＆D Investment and Spillover of R＆D in Japanese Manufacturing Industries［J］.Revies of Economics and Statistics，1989，(4)：555-564.

［27］朱平芳，徐偉民.政府的科技激勵(lì)政策對(duì)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(shí)證研究［J］.經(jīng)濟(jì)研究，2003，(6)：45-54.

［28］傅曉霞，吳利學(xué).前沿分析方法在中國(guó)經(jīng)濟(jì)增長(zhǎng)核算中的適用性［J］.世界經(jīng)濟(jì)，2007，(7)：56-66.

［29］王爭(zhēng)，史晉川.轉(zhuǎn)型時(shí)期中國(guó)工業(yè)生產(chǎn)績(jī)效的地區(qū)差異及波動(dòng)性的解釋--基于隨機(jī)前沿生產(chǎn)函數(shù)的分析［J］.世界經(jīng)濟(jì)文匯，2007，(4)：29-45.

［30］Wang E C.R＆D Efficiency and Economic Performance：A Cross-country Analysis Using the Stochastic Frontier Approach［J］.Journal of Policy Modeling，2007，(29)：345-360.

(本文責(zé)編：辛 城)

Study on the R＆D Innovation Efficiency of High-tech Industry in China

LI Xiang-dong1，2，LI Nan1，BAI Jun-hong3，XIE Zhong-qiu2
(1.School of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China;2.Business School，Jiangsu Teachers University of Technology，Changzhou 213001，China;3.Business School，Nanjing Normal University，Nanjing 210046，China)

Based on the panel data of China’s high-tech industry during 1995-2006，this study conducted an empirical analysis on the R＆D innovation efficiency of high-tech industry by using the stochastic frontier analysis(SFA)and data envelopment analysis(DEA).Our results show that innovation efficiency of high-tech industry in China remains at a lower level，but it has been improving in recent years.The efficiency calculated by the DEA method is higher than the SFA method，but the latter is stabler;although the average efficiency value calculated by the SFA and DEA method is remarkable difference，but the order has a high uniformity;raising the R＆D innovation efficiency has a positive effect

on the economic performance of high-tech industry.

high-tech industry;R＆D innovation;innovation efficiency;calculation

F270;F127

A

1002-9753(2011)02-0052-10

2010-08-16

2010-10-15

江蘇省高校哲學(xué)社會(huì)科學(xué)基金項(xiàng)目(NO.09SJB790011);2010年江蘇省哲學(xué)社會(huì)科學(xué)基金項(xiàng)目(NO.10GLD024)

李向東(1972-)，男，江蘇常州人，副教授，南京航空航天大學(xué)經(jīng)濟(jì)與管理學(xué)院博士生，研究方向：技術(shù)創(chuàng)新、產(chǎn)業(yè)安全。