高曉光

摘 要：首先借助超越對(duì)數(shù)生產(chǎn)函數(shù)形式的多產(chǎn)出隨機(jī)前沿模型估算出2008年～2013年中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，繼而基于地理加權(quán)回歸模型（GWR）研究了企業(yè)規(guī)模、市場(chǎng)結(jié)構(gòu)、政府投入及研發(fā)支出結(jié)構(gòu)對(duì)創(chuàng)新效率的影響。結(jié)果表明：中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間正自相關(guān)性；企業(yè)規(guī)模、市場(chǎng)結(jié)構(gòu)及研發(fā)支出結(jié)構(gòu)對(duì)創(chuàng)新效率產(chǎn)生正向影響，而政府投入阻礙了高技術(shù)產(chǎn)業(yè)創(chuàng)新效率；各影響因素對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響均具有空間異質(zhì)性特征，且隨著時(shí)間的推移穩(wěn)定存在。最后提出相關(guān)政策建議。

關(guān)鍵詞：高技術(shù)產(chǎn)業(yè)；創(chuàng)新效率；空間異質(zhì)效應(yīng)；地理加權(quán)回歸模型

中圖分類號(hào)：F429.9 文獻(xiàn)標(biāo)識(shí)碼：A

當(dāng)前中國(guó)經(jīng)濟(jì)正處于轉(zhuǎn)型升級(jí)的關(guān)鍵時(shí)期，結(jié)構(gòu)性變革帶來(lái)的經(jīng)濟(jì)增速?gòu)母咚傧蛑懈咚俎D(zhuǎn)變已經(jīng)是新常態(tài)的內(nèi)涵。由于勞動(dòng)力、土地等生產(chǎn)要素成本逐漸提升，即使是中高速的經(jīng)濟(jì)增長(zhǎng)也需要形成新的驅(qū)動(dòng)力。由于過(guò)去三十多年的改革發(fā)展主要依賴基于技術(shù)購(gòu)買(mǎi)的技術(shù)創(chuàng)新，中國(guó)工業(yè)創(chuàng)新水平與發(fā)達(dá)國(guó)家仍存在較大差距。因此，新常態(tài)的另一個(gè)內(nèi)涵是中國(guó)技術(shù)創(chuàng)新需要從中等的技術(shù)水平向中高等的技術(shù)水平轉(zhuǎn)型，這就需要重點(diǎn)發(fā)展集中體現(xiàn)高層次前沿技術(shù)的高技術(shù)產(chǎn)業(yè)創(chuàng)新能力。雖然創(chuàng)新投入是提升高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的必要條件，但創(chuàng)新效率對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的影響更加值得關(guān)注，尤其在處于技術(shù)后發(fā)劣勢(shì)階段且缺少研發(fā)高端人才和資金的中國(guó)。

創(chuàng)新效率存在較強(qiáng)的現(xiàn)實(shí)普遍性，因而一直是學(xué)術(shù)界討論的熱點(diǎn)問(wèn)題。在估計(jì)創(chuàng)新效率使用的方法上，已有文獻(xiàn)存在較大差別，分別采用了以數(shù)據(jù)包絡(luò)分析模型為代表的非參數(shù)前沿分析法[1]及以隨機(jī)前沿模型為代表的參數(shù)分析法[2]。但這些方法或多或少存在不足之處：數(shù)據(jù)包絡(luò)分析模型既不考慮測(cè)量誤差也不進(jìn)行模型診斷，往往導(dǎo)致結(jié)論存在偏誤，而隨機(jī)前沿模型雖然有效避免了數(shù)據(jù)包絡(luò)分析模型的不足，但由于以往文獻(xiàn)采用的隨機(jī)前沿模型僅能考慮一個(gè)產(chǎn)出，與數(shù)據(jù)包絡(luò)分析模型相比又存在難以捕捉全部數(shù)據(jù)特征的問(wèn)題。Coelli等采用基于超越對(duì)數(shù)的產(chǎn)出距離函數(shù)對(duì)傳統(tǒng)隨機(jī)前沿模型進(jìn)行了修改[3]，基本解決了現(xiàn)有創(chuàng)新效率估計(jì)方法存在的不足，模型具體介紹見(jiàn)下文。在研究的視角上，已有研究高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的文獻(xiàn)僅僅停留在企業(yè)或產(chǎn)業(yè)層面，如Lee等的研究發(fā)現(xiàn)研發(fā)支出與企業(yè)長(zhǎng)期績(jī)效存在顯著的正相關(guān)[4]，馮纓等從橫向和縱向兩個(gè)角度分析了江蘇省5大高技術(shù)行業(yè)的創(chuàng)新效率[5]。即使考慮到區(qū)域因素，現(xiàn)有文獻(xiàn)也未對(duì)區(qū)域之間的關(guān)聯(lián)性進(jìn)行進(jìn)一步討論[6-8]，遑論對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響因素的區(qū)域異質(zhì)性進(jìn)行研究。

基于此，本文首先借助于多產(chǎn)出隨機(jī)前沿模型估計(jì)中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，利用Morans I驗(yàn)證高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在省域空間自相關(guān)性后，采用空間變系數(shù)模型中的地理加權(quán)回歸模型（GWR）從局域視角出發(fā)對(duì)其影響因素的空間異質(zhì)效應(yīng)進(jìn)行研究，以期對(duì)中國(guó)各省域加強(qiáng)高技術(shù)產(chǎn)業(yè)創(chuàng)新能力提供切實(shí)可行的政策建議。

1 研究方法、指標(biāo)與數(shù)據(jù)

1.1 研究方法

1.1.1多產(chǎn)出隨機(jī)前沿模型

Battese等提出的單階段隨機(jī)前沿模型可以區(qū)分確定性前沿產(chǎn)出和隨機(jī)性前沿產(chǎn)出，且可以通過(guò)構(gòu)造方差參數(shù)進(jìn)行模型診斷，但是該模型僅能考慮一種產(chǎn)出，難以捕捉數(shù)據(jù)的全部特征[9]。本文借鑒Coelli[3]等的做法，改進(jìn)后的模型能夠處理多產(chǎn)出情況，一個(gè)M投入和N產(chǎn)出的超越對(duì)數(shù)產(chǎn)出距離函數(shù)具體形式如下：

式中，yit*=yit/yNit，表示yit*是使用yNit標(biāo)準(zhǔn)后的產(chǎn)出向量，？琢、？茁、？籽是一組待估計(jì)參數(shù)，vit是一般意義上的隨機(jī)誤差項(xiàng)，服從i.i.d.N（O，？滓v2），uit是非負(fù)的技術(shù)無(wú)效率項(xiàng)，表示相對(duì)前沿的技術(shù)效率水平，服從截尾正態(tài)分布N+（？滋，？滓u2）。似然函數(shù)中構(gòu)造方差參數(shù)？酌=？滓u2/？滓u2+？滓v2。采用極大似然估計(jì)（ML）和齊次性條件估計(jì)參數(shù)，其中齊次性條件如下：

本來(lái)采用Morans I[10]檢驗(yàn)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率在中國(guó)省域間是否存在空間自相關(guān)性，具體計(jì)算公式如下：

式中，N表示地區(qū)單元數(shù)量，wij表示空間權(quán)重，xi、xj分別表示地區(qū)i和j的屬性值，是屬性的平均值。Morans I的取值范圍是[-1，1]，可以計(jì)算Z統(tǒng)計(jì)量來(lái)判斷Morans I值的顯著性，計(jì)算公式如下：

1.1.3 GWR模型

傳統(tǒng)計(jì)量模型假設(shè)空間事物無(wú)關(guān)聯(lián)且均質(zhì)分布，因而傳統(tǒng)的最小二乘方法（OLS）只是對(duì)參數(shù)進(jìn)行平均或全域的估計(jì)，并未能夠反映參數(shù)的空間非平穩(wěn)性特征。地理加權(quán)回歸模型（GWR）對(duì)普通線性回歸模型進(jìn)行了拓展，采用了空間變系數(shù)的回歸估計(jì)技術(shù)，可以有效解決系數(shù)空間非穩(wěn)定特征難以捕捉的問(wèn)題[11]，具體形式如下：

式中，（ui，vi）是地區(qū)i的地理經(jīng)緯度坐標(biāo)，yi和xi1，xi2，...，xik分別是因變量y和解釋變量x1，x2，...，xk在位置（ui，vi）處的觀測(cè)值，？著i是隨機(jī)誤差項(xiàng)，服從正態(tài)分布，系數(shù)？茁j（ui，vi）是關(guān)于空間位置的k個(gè)未知函數(shù)，一般借助于加權(quán)最小二乘法對(duì)系數(shù)進(jìn)行估計(jì)：

式中，W是n×n階的空間權(quán)重矩陣，反映了地理位置對(duì)參數(shù)估計(jì)的影響，因此選擇合適的空間權(quán)重構(gòu)造方法至關(guān)重要，常用的方法是高斯函數(shù)[12]：

式中，b是距離帶寬，dij是地區(qū)i與j之間的地理距離，當(dāng)dij？燮b時(shí)，權(quán)重為高斯權(quán)值函數(shù)計(jì)算值，當(dāng)dij？叟b時(shí)，權(quán)重為0。本文利用ArcGIS10.0中的GWR工具選擇最優(yōu)帶寬，標(biāo)準(zhǔn)是使得GWR模型的AIC值最小[13]。需要說(shuō)明的是，AIC是一個(gè)相對(duì)量綱，對(duì)有著相同自變量的不同模型而言，當(dāng)模型間AIC值差異小于4時(shí)，模型的擬合性能接近，當(dāng)模型間AIC值差異大于10時(shí)，AIC值較小的模型擬合效果更好。

1.2 投入產(chǎn)出指標(biāo)和影響因素

在利用多產(chǎn)出隨機(jī)前沿模型計(jì)算高技術(shù)產(chǎn)業(yè)創(chuàng)新效率時(shí)本文選擇擁有發(fā)明專利數(shù)（IPA）和新產(chǎn)品銷售收入（NPV）來(lái)表征創(chuàng)新產(chǎn)出，其中IPA反映技術(shù)發(fā)明水平，NPV則反映技術(shù)發(fā)明成果的轉(zhuǎn)化應(yīng)用能力。采用永續(xù)盤(pán)存法將各地區(qū)高技術(shù)產(chǎn)業(yè)R&D;經(jīng)費(fèi)內(nèi)部支出（RDI）核算成R&D;資本存量（RD），以表征地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新資本投入，具體方法參考吳延兵的研究[14]。勞動(dòng)投入則利用R&D;人員全時(shí)當(dāng)量（RDP）表征。為了剔除通貨膨脹率和自然增長(zhǎng)率的干擾，本文分別采用研發(fā)價(jià)格指數(shù)和工業(yè)品出廠價(jià)格指數(shù)對(duì)R&D;經(jīng)費(fèi)支出和新產(chǎn)品銷售收入進(jìn)行平減，其中研發(fā)價(jià)格指數(shù)（RPI）=0.75×工業(yè)品出廠價(jià)格指數(shù)（PPI）+0.25×居民消費(fèi)價(jià)格指數(shù)（CPI）。由于創(chuàng)新投入與產(chǎn)出之間存在時(shí)滯，參考史修松等[15]的做法，選取1年為滯后期，即用第t-1年的RD和RDP數(shù)據(jù)作為第t年創(chuàng)新產(chǎn)出IPA和NPV的投入。此外，本文選擇IPA作為yNit對(duì)NPV進(jìn)行標(biāo)準(zhǔn)化處理。

通過(guò)估計(jì)多產(chǎn)出隨機(jī)前沿模型中參數(shù)從而計(jì)算得出高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值，即確定了GWR模型中的因變量，除此之外，還需要選擇創(chuàng)新效率的影響因素作為解釋變量代入到GWR模型中。根據(jù)牛澤東等[16]的研究，本文選擇如下影響因素：①企業(yè)規(guī)模（FS）。利用地區(qū)高技術(shù)產(chǎn)業(yè)的主營(yíng)業(yè)務(wù)收入除以企業(yè)個(gè)數(shù)得出地區(qū)平均企業(yè)規(guī)模。企業(yè)規(guī)模與創(chuàng)新效率的關(guān)系存在兩種截然不同的觀點(diǎn)：部分學(xué)者認(rèn)為大企業(yè)能夠緩解創(chuàng)新激勵(lì)扭曲問(wèn)題，從而有助于提高創(chuàng)新效率，而部分學(xué)者認(rèn)為創(chuàng)新機(jī)制對(duì)創(chuàng)新效率會(huì)產(chǎn)生顯著影響，小企業(yè)往往擁有靈活的創(chuàng)新機(jī)制，有助于降低交易成本。②市場(chǎng)結(jié)構(gòu)（MS）。衡量市場(chǎng)結(jié)構(gòu)的常見(jiàn)指標(biāo)有赫芬達(dá)爾指數(shù)，但由于計(jì)算赫芬達(dá)爾指數(shù)的數(shù)據(jù)獲取困難，本文借鑒岳書(shū)敬[17]的方法，采用地區(qū)高技術(shù)產(chǎn)業(yè)的企業(yè)數(shù)量對(duì)數(shù)值來(lái)衡量其市場(chǎng)結(jié)構(gòu)，企業(yè)數(shù)量越多，預(yù)示著市場(chǎng)競(jìng)爭(zhēng)也越激烈，由此產(chǎn)生的競(jìng)爭(zhēng)效應(yīng)有助于提升創(chuàng)新效率。③政府投入（GII）。采用高技術(shù)產(chǎn)業(yè)R&D;經(jīng)費(fèi)內(nèi)部支出中政府資金占比來(lái)衡量政府在高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新發(fā)展中的投入力度。政府投入一方面降低了企業(yè)從事研發(fā)的成本和風(fēng)險(xiǎn)，能夠避免創(chuàng)新激勵(lì)扭曲，從而對(duì)提升創(chuàng)新效率有正向影響；另一方面，政府投入也會(huì)對(duì)企業(yè)進(jìn)行R&D;投資產(chǎn)生擠出效應(yīng)，降低企業(yè)創(chuàng)新效率。④研發(fā)支出結(jié)構(gòu)（RES）。采用高技術(shù)產(chǎn)業(yè)技術(shù)引進(jìn)經(jīng)費(fèi)支出與消化吸收經(jīng)費(fèi)支出的比值作為研發(fā)支出結(jié)構(gòu)的表征指標(biāo)。技術(shù)引進(jìn)可以迅速提升地區(qū)的技術(shù)前沿水平，但如果相應(yīng)的消化吸收能力提升滯后，就會(huì)使得創(chuàng)新效率降低。

1.3 數(shù)據(jù)來(lái)源

本文以中國(guó)30個(gè)?。ㄖ陛犑小⒆灾螀^(qū)）為研究對(duì)象，由于西藏、香港、澳門(mén)和臺(tái)灣的數(shù)據(jù)缺失，暫不予納入研究。各省域經(jīng)緯度坐標(biāo)用省會(huì)城市經(jīng)緯度坐標(biāo)代替，從Google Earth中獲取。樣本期間為2008年～2013年（其中創(chuàng)新投入數(shù)據(jù)是2007年～2012年的數(shù)據(jù)，創(chuàng)新產(chǎn)出和影響因素?cái)?shù)據(jù)是2008年～2013年的數(shù)據(jù)）。所有數(shù)據(jù)均來(lái)自于2008年～2014年《中國(guó)科技統(tǒng)計(jì)年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》，部分缺失數(shù)據(jù)均采用線性插值法補(bǔ)齊。高技術(shù)產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入同樣采用以2008年為基期的工業(yè)品出廠價(jià)格指數(shù)進(jìn)行平減處理。表1給出了所有變量的描述性統(tǒng)計(jì)，其中創(chuàng)新投入和產(chǎn)出數(shù)據(jù)均取對(duì)數(shù)值以避免異方差干擾。從表1中可以看出，除了政府投入和研發(fā)支出結(jié)構(gòu)外，其余變量的變異系數(shù)均小于1，說(shuō)明這些變量在樣本期間基本平穩(wěn)，未出現(xiàn)異常性波動(dòng)。

2 實(shí)證分析

2.1 創(chuàng)新效率值估計(jì)

借助Frontier 4.1軟件對(duì)式（1）中的參數(shù)進(jìn)行極大似然（ML）估計(jì)，再根據(jù)齊次性條件計(jì)算得到其余參數(shù)，得到2008年～2013年中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值，如表2所示。隨機(jī)前沿模型？酌等于0.755，且通過(guò)了1%水平下的顯著性檢驗(yàn)，說(shuō)明隨機(jī)前沿模型在總體上是估計(jì)有效的。同時(shí)也說(shuō)明中國(guó)高技術(shù)產(chǎn)業(yè)中普遍存在技術(shù)創(chuàng)新無(wú)效率，創(chuàng)新效率影響因素問(wèn)題的研究具有現(xiàn)實(shí)意義。

2.2 空間相關(guān)性估計(jì)

使用GWR模型的前提是樣本數(shù)據(jù)存在空間自相關(guān)性，如果存在空間自相關(guān)性，則傳統(tǒng)OLS模型估計(jì)有偏，應(yīng)選擇GWR模型，否則選擇OLS模型更為合適。利用MoranI對(duì)2008年～2013年中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值進(jìn)行空間自相關(guān)性分析，結(jié)果顯示中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率Morans I在[0.1，0.3]區(qū)間變化，并且均至少在10%水平下顯著。可見(jiàn)，使用GWR模型進(jìn)行建模較之傳統(tǒng)OLS模型更加合適。

2.3 影響因素分析

基于ArcGIS10.0中的GWR工具研究2008年～2013年企業(yè)規(guī)模、市場(chǎng)結(jié)構(gòu)、政府投入及研發(fā)支出結(jié)構(gòu)四個(gè)因素對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)性影響，為反映整個(gè)樣本期間各變量對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的總體影響，將各年系數(shù)求平均值（t檢驗(yàn)顯示各年系數(shù)均至少通過(guò)了10%水平下的顯著性檢驗(yàn)），結(jié)果如表3所示。為便于分析區(qū)域之間的差異性，本文按照通常的區(qū)域規(guī)劃習(xí)慣，將北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個(gè)?。ㄊ校┳鳛闁|部地區(qū)，山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南等9個(gè)省作為中部地區(qū)，廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等10個(gè)省（市）作為西部地區(qū)進(jìn)行考察。

從表3可以看出GWR模型估計(jì)系數(shù)呈現(xiàn)空間非一致性特征，具體而言，企業(yè)規(guī)模對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在顯著的正向影響，且這種影響存在空間異質(zhì)性，其中西部地區(qū)的企業(yè)規(guī)模估計(jì)系數(shù)（平均達(dá)到0.095）小于東、中部地區(qū)（分別達(dá)到0.100和0.101），改革開(kāi)放以來(lái)，西部地區(qū)受到沿海開(kāi)放政策等因素的制約逐漸成為經(jīng)濟(jì)后發(fā)地區(qū)，本地高技術(shù)企業(yè)在追逐東、中部先發(fā)地區(qū)時(shí)可能難以形成合理規(guī)模，且忽視了技術(shù)發(fā)展中創(chuàng)新效率提升的內(nèi)涵，這種模式一旦制度化很可能會(huì)給西部地區(qū)高技術(shù)產(chǎn)業(yè)發(fā)展帶來(lái)固化的后發(fā)劣勢(shì)。東、中部地區(qū)企業(yè)規(guī)模估計(jì)系數(shù)保持較高水平原因如下：一是2008年全球金融危機(jī)以后也正是中國(guó)改革開(kāi)放前沿陣地——東部地區(qū)進(jìn)行大規(guī)模“騰籠換鳥(niǎo)”式產(chǎn)業(yè)結(jié)構(gòu)調(diào)整階段，高技術(shù)產(chǎn)業(yè)尤其注重企業(yè)規(guī)模發(fā)展與內(nèi)涵發(fā)展并進(jìn)；二是中部崛起戰(zhàn)略實(shí)施效果逐漸體現(xiàn)，中部地區(qū)很好地接收了東部地區(qū)的產(chǎn)業(yè)和技術(shù)轉(zhuǎn)移，并且在高技術(shù)產(chǎn)業(yè)發(fā)展中異軍突起，如鄭州發(fā)展的航空港經(jīng)濟(jì)綜合實(shí)驗(yàn)區(qū)正日漸成航空樞紐。

市場(chǎng)結(jié)構(gòu)對(duì)各省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在正向影響，且這種正向影響也存在空間異質(zhì)性特征。市場(chǎng)結(jié)構(gòu)反映市場(chǎng)競(jìng)爭(zhēng)激烈程度，說(shuō)明競(jìng)爭(zhēng)性的高技術(shù)產(chǎn)業(yè)市場(chǎng)能夠一定程度避免創(chuàng)新要素資源錯(cuò)配等原因?qū)е碌男实拖聠?wèn)題。東、中部地區(qū)市場(chǎng)結(jié)構(gòu)的估計(jì)系數(shù)（平均均達(dá)到0.100）大于西部地區(qū)市場(chǎng)結(jié)構(gòu)的估計(jì)系數(shù)（平均達(dá)到0.091），可見(jiàn)與西部地區(qū)相比，東、中部地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新市場(chǎng)機(jī)制更加成熟，增加高技術(shù)產(chǎn)業(yè)中企業(yè)數(shù)量會(huì)顯著帶來(lái)資源的優(yōu)化利用，而西部地區(qū)受制于壟斷勢(shì)力，競(jìng)爭(zhēng)性格局形成初期往往會(huì)伴隨破壞性陣痛期，進(jìn)而導(dǎo)致競(jìng)爭(zhēng)性市場(chǎng)結(jié)構(gòu)對(duì)創(chuàng)新效率的促進(jìn)作用一定程度上被削弱。

政府投入顯著阻礙了高技術(shù)產(chǎn)業(yè)創(chuàng)新效率提升，并且這種負(fù)向影響也存在空間異質(zhì)性特征，這佐證了十八大關(guān)于“使市場(chǎng)起決定性作用和更好發(fā)揮政府作用”決策的正確性，在創(chuàng)新市場(chǎng)中，市場(chǎng)起到資源配置的主導(dǎo)作用，而政府應(yīng)該從主導(dǎo)角色向服務(wù)角色轉(zhuǎn)變。但是由于政府投入對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的負(fù)向影響在東、中部地區(qū)明顯大于西部地區(qū)，因而市場(chǎng)與政府功能的替換在空間上應(yīng)該是漸進(jìn)性實(shí)施的：在東、中部地區(qū)加快實(shí)現(xiàn)市場(chǎng)與政府在創(chuàng)新市場(chǎng)中的功能轉(zhuǎn)換，在西部地區(qū)則推動(dòng)政府主導(dǎo)地位在創(chuàng)新市場(chǎng)的逐漸淡化，在新增的高技術(shù)產(chǎn)業(yè)創(chuàng)新市場(chǎng)中不斷增強(qiáng)市場(chǎng)起資源配置的決定性地位。

研發(fā)支出結(jié)構(gòu)對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率同樣有顯著的正向影響，雖然這種影響也存在空間異質(zhì)性特征，但差異并不大。研發(fā)支出結(jié)構(gòu)越高，表明相對(duì)于吸收消化技術(shù)經(jīng)費(fèi)，技術(shù)引進(jìn)經(jīng)費(fèi)占比更大，這表明當(dāng)前傾向于技術(shù)引進(jìn)的經(jīng)費(fèi)結(jié)構(gòu)仍然能夠推動(dòng)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率提升，但是從估計(jì)系數(shù)來(lái)看，研發(fā)支出結(jié)構(gòu)的估計(jì)系數(shù)明顯小于企業(yè)規(guī)模和市場(chǎng)結(jié)構(gòu)的估計(jì)系數(shù)，說(shuō)明傾向于技術(shù)引進(jìn)的經(jīng)費(fèi)結(jié)構(gòu)拉動(dòng)創(chuàng)新效率提升的空間已經(jīng)不大，重引進(jìn)而輕吸收的技術(shù)創(chuàng)新模式實(shí)則難以為繼。東、中及西部地區(qū)研發(fā)支出結(jié)構(gòu)估計(jì)系數(shù)基本相同，可見(jiàn)目前的研發(fā)支出結(jié)構(gòu)已經(jīng)基本不適用于中國(guó)的局域地區(qū)，改善研發(fā)支出結(jié)構(gòu)帶來(lái)的創(chuàng)新效率提升潛力在各省域均存在。

為了進(jìn)一步分析各影響因素對(duì)中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)影響隨時(shí)間推移變化的特征，本文借助于ArcMap將各影響因素估計(jì)系數(shù)進(jìn)行可視化處理，由于并非每一年都較之上年出現(xiàn)明顯變化，故本文給出樣本首末期兩年的地圖以增強(qiáng)對(duì)比性，如圖1所示。

圖1根據(jù)自然分裂點(diǎn)（Jenks）將企業(yè)規(guī)模估計(jì)系數(shù)分成四個(gè)等級(jí)：低，中低，中高及高水平。從企業(yè)規(guī)模估計(jì)系數(shù)絕對(duì)值來(lái)看，隨著時(shí)間的推移，中國(guó)30個(gè)省域企業(yè)規(guī)模對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響程度均有所降低，究其原因可能是因?yàn)殡S著高技術(shù)企業(yè)規(guī)模不斷優(yōu)化，企業(yè)規(guī)模對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的邊際作用呈現(xiàn)遞減趨勢(shì)。從企業(yè)規(guī)模估計(jì)系數(shù)相對(duì)值來(lái)看，隨著時(shí)間的推移，企業(yè)規(guī)模對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響穩(wěn)健地存在自北向南遞減的空間異質(zhì)性特征，只是這種特征發(fā)生了變化：2008年，企業(yè)規(guī)模估計(jì)系數(shù)低值在西部地區(qū)，高值在東北三省、內(nèi)蒙古、河北等地，而其余地區(qū)的企業(yè)規(guī)模估計(jì)系數(shù)均處于中低、中高水平；2013年，原本的低值區(qū)新疆成為企業(yè)規(guī)模估計(jì)系數(shù)高值區(qū)，而南部地區(qū)多省從原來(lái)的中高值區(qū)變?yōu)橹械椭祷虻椭祬^(qū)。這說(shuō)明隨著中部地區(qū)崛起戰(zhàn)略和東部沿海地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整戰(zhàn)略的推進(jìn)，高技術(shù)產(chǎn)業(yè)規(guī)模不斷迫近最優(yōu)水平，而東北等地區(qū)高技術(shù)產(chǎn)業(yè)規(guī)模仍存在較大的提升潛力，需要加快傳統(tǒng)產(chǎn)業(yè)改造升級(jí)進(jìn)程。同樣利用自然分裂點(diǎn)對(duì)市場(chǎng)結(jié)構(gòu)、政府投入和研發(fā)支出結(jié)構(gòu)估計(jì)系數(shù)進(jìn)行可視化處理，發(fā)現(xiàn)市場(chǎng)結(jié)構(gòu)估計(jì)系數(shù)呈現(xiàn)自東向西遞減的趨勢(shì)，隨著時(shí)間的推移，這種趨勢(shì)并未出現(xiàn)顯著變化，但中、西部多個(gè)省份由低值區(qū)轉(zhuǎn)變?yōu)橹懈咧祬^(qū)，如湖北、青海、四川等。這顯示出這些地區(qū)的市場(chǎng)結(jié)構(gòu)愈加優(yōu)化，能夠逐漸釋放提升創(chuàng)新效率的動(dòng)力和活力。2008年政府投入估計(jì)系數(shù)呈現(xiàn)自北向南遞減的趨勢(shì)，與企業(yè)規(guī)模估計(jì)系數(shù)分布基本一致，但至2013年這一空間分布特征幾乎消失，轉(zhuǎn)變?yōu)橛晌飨驏|逐漸遞減的空間特征，表明政府投入對(duì)創(chuàng)新效率的促進(jìn)作用在西部地區(qū)表現(xiàn)得最為顯著，今后政府應(yīng)進(jìn)一步加大西部地區(qū)的創(chuàng)新投入，激發(fā)其增長(zhǎng)潛能。2008年研發(fā)支出結(jié)構(gòu)估計(jì)系數(shù)呈現(xiàn)自西向東遞減的趨勢(shì)，可能的解釋是東部地區(qū)最早承接FDI技術(shù)轉(zhuǎn)移，技術(shù)較為發(fā)達(dá)，因而同樣的經(jīng)費(fèi)引進(jìn)下需要匹配更多的技術(shù)消化經(jīng)費(fèi)以提高創(chuàng)新效率，但隨著時(shí)間的推移，又逐漸轉(zhuǎn)變?yōu)樽晕飨驏|遞增的趨勢(shì)，體現(xiàn)出東部地區(qū)創(chuàng)新水平在不斷提升，由于已有技術(shù)與引進(jìn)技術(shù)的相似度較高，技術(shù)消化對(duì)研發(fā)效率的阻礙作用得到緩解。

3 結(jié)論與討論

本文首先利用超越對(duì)數(shù)生產(chǎn)函數(shù)形式的多產(chǎn)出隨機(jī)前沿模型估算出2008年～2013年中國(guó)30 個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，隨后借助于GWR模型研究了各影響因素對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的空間異質(zhì)性影響，相比傳統(tǒng)OLS模型平均意義上的估計(jì)結(jié)果更加接近現(xiàn)實(shí)情況。結(jié)果表明：①中國(guó)30個(gè)省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間正自相關(guān)性，忽視數(shù)據(jù)空間關(guān)聯(lián)和差異的OLS估計(jì)結(jié)果存在偏誤；②企業(yè)規(guī)模、市場(chǎng)結(jié)構(gòu)及研發(fā)支出結(jié)構(gòu)均對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率產(chǎn)生正向影響，且這種影響均具有顯著的空間異質(zhì)性，表現(xiàn)為東西方向或南北方向變化的特征，其中研發(fā)支出結(jié)構(gòu)估計(jì)系數(shù)明顯小于企業(yè)規(guī)模和市場(chǎng)結(jié)構(gòu)的估計(jì)系數(shù)，且空間異質(zhì)性特征也相對(duì)較弱。政府投入對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率具有顯著的負(fù)向影響，且這種影響同樣表現(xiàn)出典型的空間異質(zhì)特征；③隨著時(shí)間的推移，各影響因素對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率影響程度的空間異質(zhì)特征一直存在，只是具體特征發(fā)生細(xì)微變化，以企業(yè)規(guī)模估計(jì)系數(shù)為例，呈現(xiàn)低值區(qū)向南方蔓延的趨勢(shì)。

綜上所述，應(yīng)當(dāng)避免一刀切的高技術(shù)產(chǎn)業(yè)創(chuàng)新發(fā)展政策，需要根據(jù)地區(qū)已有的發(fā)展基礎(chǔ)、資源稟賦及歷史因素等制定符合地區(qū)發(fā)展要求和目標(biāo)的高技術(shù)產(chǎn)業(yè)創(chuàng)新發(fā)展政策。第一，西部地區(qū)需要改善高技術(shù)產(chǎn)業(yè)企業(yè)規(guī)模，強(qiáng)調(diào)創(chuàng)新效率提升基礎(chǔ)上的規(guī)模擴(kuò)大，避免掉入后發(fā)陷阱，東、中部地區(qū)則要繼續(xù)擴(kuò)大高技術(shù)產(chǎn)業(yè)規(guī)模，支持行業(yè)內(nèi)并購(gòu)聯(lián)合的企業(yè)行為，尤其東北三省、河北等地亟須加快傳統(tǒng)產(chǎn)業(yè)升級(jí)改造，不斷規(guī)?；呒夹g(shù)產(chǎn)業(yè)。第二，促進(jìn)形成競(jìng)爭(zhēng)性高技術(shù)產(chǎn)業(yè)創(chuàng)新市場(chǎng)，尤其著力破除西部地區(qū)有礙于高技術(shù)產(chǎn)業(yè)市場(chǎng)一體化的壟斷勢(shì)力，繼續(xù)完善東、中部地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新市場(chǎng)體制機(jī)制。第三，東、中部地區(qū)加快調(diào)整政府在高技術(shù)產(chǎn)業(yè)創(chuàng)新市場(chǎng)中從資源配置主導(dǎo)地位向服務(wù)角色轉(zhuǎn)變，而西部地區(qū)仍然需要強(qiáng)調(diào)政府對(duì)創(chuàng)新要素的重要配置作用，輔以市場(chǎng)引導(dǎo)資源配置。第四，東、中及西部地區(qū)均需調(diào)整“重引進(jìn)輕吸收”的研發(fā)支出結(jié)構(gòu)，逐漸提升已有技術(shù)應(yīng)用轉(zhuǎn)化能力。

參考文獻(xiàn)：

[1] 白俊紅，江可申，李婧. 中國(guó)地區(qū)研發(fā)創(chuàng)新的技術(shù)效率與技術(shù)進(jìn)步[J]. 科研管理，2010（6）：7-18.

[2] 張宗，周勇，錢(qián)燦，等. 基于SFA 模型的我國(guó)區(qū)域技術(shù)創(chuàng)新效率的實(shí)證研究[J]. 軟科學(xué)，2006（2）：125-128.

[3] Coelli T， Perelman S. A comparison of parametric and non-parametric distance functions： with application to European Railways[J]. European Journal of Operational Research，1999（2）：326-339.

[4] Lee Shim. Moderating effects of R&D; on corporate growth in U.S. Japanese Hi-tech Industries： An empirical study[J]. Journal Technology Management Research，1995（6）：179-191.

[5] 馮纓，滕家佳. 江蘇省高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率評(píng)價(jià)[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2010（31）：107-112.

[6] 柴華奇，宋德強(qiáng)，劉永振. 中國(guó)區(qū)域高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率測(cè)度研究[J]. 情報(bào)雜志，2010（8）：105-109.

[7] 楊青峰. 高技術(shù)產(chǎn)業(yè)地區(qū)研發(fā)創(chuàng)新效率的決定因素—基于隨機(jī)前沿模型的實(shí)證分析[J]. 管理評(píng)論， 2013，25（6）：47-58.

[8] 范允奇，李曉鐘. 政府R&D;投入、空間外溢與我國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率[J]. 工業(yè)技術(shù)經(jīng)濟(jì)，2014（5）：101-107.

[9] Battese G E， Corra G S. Estimation of a production frontier model： with application to the pastoral zone of Eastern Australia[J]. Australian Journal of Agricultural and Resource Economics， 1977（3）：169-179.

[10] Moran， P.A.P. Notes on continuous stochatic phenomena[J]. Biometrika，1950（37）：17-23.

[11] LeSage， J.P. Family of graphically weighted regression models in advances in spatial econometrics[M]. Berlin：Springer-Verlag，2004： 241-264.

[12] Brunsdon C， Fotheringham A S， Charlton M E. Geographically weighted regression：A method for exploring spatial nonstationarity[J]. Geographical Analysis，1996（4）：281-298.

[13] Fotheringham A.S.， Brunsdon C， M.E.Charlton. Geographically weighted regression[M]. Chichester： Wiley，2002.

[14] 吳延兵. 中國(guó)工業(yè)產(chǎn)業(yè)創(chuàng)新水平及影響因素—面板數(shù)據(jù)的實(shí)證分析[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2006（2）：155-171.

[15] 史修松，趙曙東，吳福象. 中國(guó)區(qū)域創(chuàng)新效率及其空間差異研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（3）：45-55.

[16] 牛澤東，張倩肖. 中國(guó)裝備制造業(yè)的技術(shù)創(chuàng)新效率[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012（11）：51-67.

[17] 岳書(shū)敬. 長(zhǎng)三角地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的經(jīng)驗(yàn)分析[J]. 南京社會(huì)科學(xué)，2008（5）：13-18.

Abstract： This paper firstly estimates high technology industry innovation efficiency of China's 30 provinces from 2008 to 2013 using stochastic frontier model based on transcendental logarithmic production function， and then researches the relationship between the enterprise scale， market structure， government investment， the impact of R&D; expenditure structure with the innovation efficiency based on geographical weighted regression model. The results show that： there is positive correlation between high technology industry innovation efficiency among China's 30 provinces； enterprise scale， market structure and R&D; expenditure structure have a positive impact on innovation efficiency， and government investment hinders innovation efficiency of high technology industry； influence on the innovation efficiency of the high technology industry by four factors all have spatial heterogeneity， and keep stable from 2008 to 2013. Finally this paper makes conclusions and puts forward relevant policy suggestions.

Key words： high technology industry； innovation efficiency； spatial heterogeneity； geographical weighted regression model