胡 艷 劉梅林

（安徽大學，安徽 合肥 230601）

一、引言

新時代中國發(fā)展進入新階段，實施創(chuàng)新驅動戰(zhàn)略，加快建設創(chuàng)新型國家，是為中國持續(xù)發(fā)展注入新動力的重要舉措。工業(yè)是技術創(chuàng)新最重要的產(chǎn)業(yè)載體，工業(yè)企業(yè)的技術革新和改進對所在產(chǎn)業(yè)的創(chuàng)新能力起著重要作用，也在一定范圍內(nèi)決定著區(qū)域內(nèi)的技術創(chuàng)新效率[1]。安徽的經(jīng)濟發(fā)展主要依賴高投入、高消耗的工業(yè)增長，這種發(fā)展模式面臨環(huán)境惡化、產(chǎn)出效率低下的局面，為保持經(jīng)濟的可持續(xù)發(fā)展，轉變傳統(tǒng)的工業(yè)增長方式，提高工業(yè)企業(yè)技術創(chuàng)新效率，以創(chuàng)新引領發(fā)展變得十分關鍵。

正確測算工業(yè)企業(yè)技術創(chuàng)新效率，對于合理利用創(chuàng)新資源，使工業(yè)向集約型反向發(fā)展，改善其技術創(chuàng)新活動具有重要意義。目前，國內(nèi)對于工業(yè)企業(yè)技術創(chuàng)新效率的研究成果比較豐富。高霞使用DEA模型評價了中國37個行業(yè)規(guī)模以上工業(yè)企業(yè)的技術創(chuàng)新效率，分析發(fā)現(xiàn)24個行業(yè)規(guī)模以上工業(yè)企業(yè)技術創(chuàng)新不具有DEA有效[2]。劉金芳等運用DEA-Malmquist指數(shù)法剖析了中國內(nèi)資工業(yè)企業(yè)的科技創(chuàng)新效率和產(chǎn)品創(chuàng)新效率[3]。晏蒙等基于DEA模型法分析了中國工業(yè)科技創(chuàng)新效率，發(fā)現(xiàn)東中西部工業(yè)創(chuàng)新效率存在地區(qū)差異，東部最高，中部次之，西部最低，但差距逐漸縮小[4]。黃奇等首次提出使用共同前沿法測算中國工業(yè)企業(yè)創(chuàng)新效率，并衡量了創(chuàng)新的技術差距，研究發(fā)現(xiàn)三大區(qū)域工業(yè)企業(yè)創(chuàng)新共同技術率存在差距[5]。沈能等基于三階段DEA模型研究發(fā)現(xiàn)，1998年至2007年中國各地區(qū)工業(yè)企業(yè)創(chuàng)新效率呈現(xiàn)下降趨勢，其中，東部的上海、廣東、海南和西部的青海四個地區(qū)處于相對有效的生產(chǎn)前沿面[6]。黃賢鳳等以中國八大經(jīng)濟區(qū)大中型工業(yè)企業(yè)的技術創(chuàng)新為研究對象，應用SE-DEA模型分析出八大區(qū)域技術創(chuàng)新效率值從高到低依次為南部沿海、東部沿海、北部沿海、西南地區(qū)、長江中游地區(qū)、東北地區(qū)、黃河中游、西北地區(qū)[7]。段云龍等研究發(fā)現(xiàn)制度結構效率是除了創(chuàng)新投入要素以外影響大中型工業(yè)企業(yè)創(chuàng)新效率的重要因素[8]。

已有文獻主要從行業(yè)、地區(qū)以及影響因素等方面來研究工業(yè)企業(yè)技術創(chuàng)新效率，研究方法或偏向于靜態(tài)分析數(shù)據(jù)包絡法和隨機前沿函數(shù)法，或偏向于動態(tài)分析Malmquist法。本文從靜態(tài)和動態(tài)兩個角度，來測算分析安徽省16個地級市的工業(yè)企業(yè)技術創(chuàng)新效率，并對區(qū)域內(nèi)不同地級市工業(yè)企業(yè)創(chuàng)新效率之間是否存在相互依賴現(xiàn)象進行了空間相關性檢驗，以期深入了解安徽省工業(yè)企業(yè)技術創(chuàng)新效率的地區(qū)差異以及地區(qū)間技術創(chuàng)新的相關性，為實現(xiàn)安徽各市工業(yè)協(xié)調發(fā)展提供有益的政策借鑒。

二、研究方法與數(shù)據(jù)說明

（一）研究方法

1.數(shù)據(jù)包絡法

一般來說，對創(chuàng)新效率的測算最常使用參數(shù)法和非參數(shù)法。參數(shù)法是假定具體的生產(chǎn)函數(shù)形式來估算出產(chǎn)出效率，以隨機前沿函數(shù)法（SFA）為代表；非參數(shù)法的特點是不假定生產(chǎn)函數(shù)的具體形式，以數(shù)據(jù)包絡分析法（DEA）為代表。由于隨機前沿函數(shù)法的局限性，其只能評價單一產(chǎn)出多投入的效率問題，而在實際經(jīng)濟活動中，產(chǎn)出絕不可能只有一種，因此本文選擇非參數(shù)DEA模型作為測算高新技術產(chǎn)業(yè)創(chuàng)新效率的一種工具。DEA作為一種非參數(shù)法，不需要預先假定參數(shù)研究方法中函數(shù)形式，以及在避免主觀因素、簡化算法和減少誤差等方面有著極大的優(yōu)越性。

基于規(guī)模報酬不變假設前提的CCR模型，其構建如下所示：

模型（1）中，θ 為決策單元的效率值；s+、s-為松弛變量；ε為非阿基米德無窮小量。在模型（1）中，當加入凸性條件（）時，使得CCR模型成為BCC模型，凸性條件使得BCC模型允許規(guī)模報酬可變[9]。

2.DEA-Malmquist指數(shù)

Caves等學者于1982年首次提出Malmquist指數(shù)法，F(xiàn)are等將其進一步發(fā)展，使得該指數(shù)在生產(chǎn)效率、技術效率、全要素生產(chǎn)率等領域廣泛應用。Malmquist指數(shù)是基于DEA模型的非參數(shù)法，可以得出全要素生產(chǎn)率分解指數(shù)，通過多投入多產(chǎn)出綜合分析，測度各個決策單元技術創(chuàng)新效率的動態(tài)變化，進而指出其非有效的原因及改進的方向和程度[10]。因此，為進一步分析安徽省16地市的工業(yè)企業(yè)技術創(chuàng)新效率在2012—2016年動態(tài)變化，本文選擇借鑒Fare等學者構建的DEA-Malmquist指數(shù)法，運用動態(tài)面板數(shù)據(jù)，測度安徽工業(yè)企業(yè)技術創(chuàng)新效率，并對其進行分解。

在規(guī)模不變報酬下，全要素生產(chǎn)率（TFP）是由技術效率變化（EFFCH）和技術進步（TECH）的乘積表示，用（xt,yt）和（xt+1,yt+1）分別表示 t和 t+1 時期投入產(chǎn)出向量，Dt和Dt+1分別代表t和t+1時期投入產(chǎn)出相對效率[11]。如下：

式為：TFP=EFFCH×TECH

當M大于1時，表明全要素生產(chǎn)率從t到t+1期呈增長趨勢；當M等于1時，呈停滯態(tài)勢；當M小于1時，呈下降趨勢。

進一步地，技術效率（EFFCH）等于純技術效率（PECH）與規(guī)模效率（SECH）之乘積，因此，全要素生產(chǎn)率又可表示為：

TFP=EFFCH×TECH=SECH×PECH×TECH

3.Moran指數(shù)和Moran散點圖

工業(yè)企業(yè)技術創(chuàng)新效率的空間相關性主要表現(xiàn)為地區(qū)技術創(chuàng)新行為存在的空間溢出效應，對周圍相關地區(qū)的創(chuàng)新活動產(chǎn)生了重要影響。同時空間相關性另一個表現(xiàn)為空間異質性，空間異質性則基于空間上的非均質性，從而導致區(qū)域技術創(chuàng)新效率存在空間上的差異性[12-13]?？臻g相關性可以通過Moran指數(shù)來計算。

其中wij為空間權重矩陣，n是空間單位數(shù)量，xi和xj分別為i地區(qū)和j地區(qū)的觀測值，是變量觀測值的均值。全局Moran指數(shù)的取值范圍是[-1,1]，Moran指數(shù)值小于0表示地區(qū)技術創(chuàng)新效率存在負相關，大于0表示正相關，等于0表示不相關。

Moran指數(shù)揭示出觀測值的全局空間相關性，而Moran散點圖則描繪出局域空間相關性，從而說明創(chuàng)新活動的高觀測值 （或低觀測值）的空間聚集[14]。Moran 散點圖以（z，Wz）為坐標點（其中 zi=xi－x 為空間滯后因子，W為空間權重矩陣），其中Wz表示對空間單元觀測值的空間加權值。

（二）數(shù)據(jù)說明

使用數(shù)據(jù)包絡法和DEA-Malmquist指數(shù)法時，需要投入和產(chǎn)出兩類指標來測算創(chuàng)新效率。根據(jù)CD生產(chǎn)函數(shù)，最基本的要素投入是人力和資本，本文借鑒學者們豐富的研究成果以及考慮數(shù)據(jù)的可獲得性，選取工業(yè)企業(yè)R&D人員全時當量和工業(yè)企業(yè)R&D內(nèi)部經(jīng)費支出作為技術創(chuàng)新投入指標；對于工業(yè)企業(yè)的技術創(chuàng)新產(chǎn)出，本文選取專利數(shù)申請數(shù)來衡量創(chuàng)新活動的科技成果，以新產(chǎn)品銷售收入來衡量創(chuàng)新活動的經(jīng)濟產(chǎn)出[15-17]。

本文各數(shù)據(jù)來源于 《安徽統(tǒng)計年鑒》（2012-2016），經(jīng)整理合成2012-2016年安徽省16個地級市工業(yè)企業(yè)的面板數(shù)據(jù)集。

三、安徽省地級市工業(yè)企業(yè)技術創(chuàng)新效率分析

（一）靜態(tài)效率分析

表1 2012—2016年安徽省各地市工業(yè)企業(yè)技術創(chuàng)新效率

從總體上看，安徽工業(yè)企業(yè)技術創(chuàng)新效率較高的地區(qū)有合肥、蕪湖、阜陽、池州等地區(qū)；淮北、淮南、馬鞍山等地區(qū)創(chuàng)新效率處于較低水平。合肥和蕪湖創(chuàng)新效率高的原因不同于阜陽和池州地區(qū)，合肥作為省會城市，是安徽省經(jīng)濟最發(fā)達的地區(qū)，工業(yè)實力雄厚，創(chuàng)新資源豐富，是國家科技創(chuàng)新型試點城市和中國綜合性國家科學中心，其憑借自身強大的經(jīng)濟基礎不斷增加創(chuàng)新投入，吸引人才、資本、技術等創(chuàng)新資源匯集，因此合肥的技術創(chuàng)新水平、人力資源水平和管理水平最先進，工業(yè)創(chuàng)新資源的投入產(chǎn)出配置效率最高；蕪湖地理位置優(yōu)越，依托長江水運，成為安徽省最大的貨運、外貿(mào)、集裝箱中轉港，對外開放程度高，創(chuàng)新資源流動性強，再加上自身工業(yè)發(fā)達吸引了大量的創(chuàng)新要素聚集，因而使得工業(yè)企業(yè)創(chuàng)新資源的投入產(chǎn)出較高；阜陽和池州創(chuàng)新效率較高可能是由于其處于技術創(chuàng)新的初始投入階段，產(chǎn)生了經(jīng)濟學中的邊際報酬遞減現(xiàn)象，因此，即使阜陽和池州地區(qū)工業(yè)經(jīng)濟欠發(fā)達，創(chuàng)新資源缺乏，也可導致相對較高的產(chǎn)出。從全省均值來看，安徽省工業(yè)企業(yè)技術創(chuàng)新效率呈現(xiàn)略微下降趨勢，創(chuàng)新效率值在0.70—0.75之間波動，處于中高水平。

（二）動態(tài)效率分析

表2 安徽工業(yè)企業(yè)技術創(chuàng)新效率各年份Malmquist指數(shù)及其分解

由表2可知，安徽全要素生產(chǎn)率變化指數(shù)在絕大多數(shù)相鄰年份間大于1，表明安徽在2012—2016年間，工業(yè)企業(yè)技術創(chuàng)新能力逐年向好。從全要素生產(chǎn)率的分解指標來看，技術進步指數(shù)（techch）在考察期內(nèi)均大于1，這表明安徽工業(yè)企業(yè)技術進步明顯，綜合技術效率在絕大多數(shù)年份小于1，這表明安徽工業(yè)企業(yè)技術創(chuàng)新效率的提高逐步由依賴綜合技術效率轉移到技術進步上來。

表3 2012-2016年安徽各地市工業(yè)企業(yè)技術創(chuàng)新效率Malmquist指數(shù)及其分解

由表3可知，安徽省三分之二以上地級市的全要素生產(chǎn)率大于1，說明安徽各地級市工業(yè)企業(yè)技術創(chuàng)新處在不斷改善的狀態(tài)。從分解指標來看，各市技術進步指數(shù)值均大于1，這表明安徽工業(yè)企業(yè)技術創(chuàng)新的向好趨勢是源于技術進步穩(wěn)定增長。從綜合技術效率的分解指標來看，規(guī)模效率低下且不穩(wěn)定是降低綜合技術效率的主要原因?；幢薄⒏逢柕娜厣a(chǎn)率處于全省領先水平，蚌埠、淮南的全要素生產(chǎn)率處在全省最低位置，這與實際的地市工業(yè)發(fā)展情況相反，可解釋的原因主要是蚌埠和淮南是安徽傳統(tǒng)的工業(yè)城市，煤炭、機械、化工等傳統(tǒng)工業(yè)是城市的支柱產(chǎn)業(yè)，然而，在近年創(chuàng)新驅動戰(zhàn)略實施以來，未重視工業(yè)企業(yè)向集約方向轉型。

（三）安徽工業(yè)企業(yè)技術創(chuàng)新效率的空間相關性檢驗

1.安徽工業(yè)企業(yè)技術創(chuàng)新效率的全局空間相關性檢驗

從表1、2、3中可以分析出安徽省各市工業(yè)企業(yè)技術創(chuàng)新效率存在差異和不平衡。本文根據(jù)表1測算出的安徽各市工業(yè)企業(yè)技術創(chuàng)新效率值，使用全局Moran指數(shù)檢驗了2012—2016年各地市工業(yè)企業(yè)技術創(chuàng)新效率的空間相互依賴性，結果如表4所示。

表4 2012—2016年安徽省工業(yè)企業(yè)技術創(chuàng)新效率全局莫蘭指數(shù)及其檢驗

表4所示的結果顯示考察期內(nèi)僅有2015年的Moran指數(shù)通過了5%的顯著性檢驗，其余指數(shù)均大于0.1，這表明安徽各地區(qū)工業(yè)企業(yè)技術創(chuàng)新能力水平處于隨機狀態(tài)，并不依賴于臨近地區(qū)創(chuàng)新生產(chǎn)活動。Moran指數(shù)值從正數(shù)變?yōu)樨摂?shù)，這表明安徽各市工業(yè)企業(yè)技術創(chuàng)新效率逐漸由空間負相關變?yōu)榭臻g正相關。一個地區(qū)工業(yè)創(chuàng)新活動由于技術溢出效應，以及創(chuàng)新知識與人才的流動，會影響臨近地區(qū)工業(yè)技術創(chuàng)新活動。

2.安徽工業(yè)企業(yè)技術創(chuàng)新效率的局域空間相關性檢驗

Moran指可以表示技術創(chuàng)新活動的全局空間自相關性，而用Moran指數(shù)散點圖則可以反映技術創(chuàng)新活動的局域空間相關特征。圖1、圖2分別為2012年和2016年安徽省16個地市工業(yè)企業(yè)技術創(chuàng)新效率的Moran指數(shù)散點圖，其中的數(shù)字1—16分別表示合肥、淮北、亳州、宿州、蚌埠、阜陽、淮南、滁州、六安、馬鞍山、蕪湖、宣城、銅陵、池州、安慶、黃山。

從圖1中可以看出，安徽工業(yè)企業(yè)技術創(chuàng)新效率存在負向的空間相關性，2012年的技術創(chuàng)新效率散點圖中處于第一、二、三、四象限地市分布比較均衡，這說明安徽各市工業(yè)企業(yè)技術創(chuàng)新效率聚集現(xiàn)象不明顯。可以看到處于高—高聚集第一象限的地市僅有阜陽、六安、池州、黃山4個地區(qū)，其原因可能是由于工業(yè)經(jīng)濟欠發(fā)達地區(qū)創(chuàng)新投入較小，處于規(guī)模報酬遞增階段，因而能保證較高的創(chuàng)新產(chǎn)出能力；蚌埠、馬鞍山、宣城處于低—低聚集的第三象限，說明該三市工業(yè)企業(yè)技術創(chuàng)新效率水平還較低。

圖2顯示出2016年安徽工業(yè)企業(yè)技術創(chuàng)新效率存在正向的空間相關性，與2012年相比出現(xiàn)較大變化。2016年安徽工業(yè)企業(yè)技術創(chuàng)新效率Moran散點圖中處于第一象限和第三象限的地市有11個，這說明安徽的區(qū)域創(chuàng)新績效存在高—高聚集、低—低聚集的現(xiàn)象；處于第一象限的有合肥、蕪湖、銅陵、池州和黃山，說明該四個市創(chuàng)新投入產(chǎn)出能力較高。

圖1 2012年安徽工業(yè)企業(yè)技術創(chuàng)新效率Moran指數(shù)散點圖

圖2 2016年安徽工業(yè)企業(yè)技術創(chuàng)新效率Moran指數(shù)散點圖

四、結論

本文以安徽16個地級市作為研究對象，研究各市工業(yè)企業(yè)技術創(chuàng)新效率的地區(qū)性差異。首先從靜態(tài)和動態(tài)兩個角度測算了2012—2016年各市工業(yè)企業(yè)技術創(chuàng)新效率，然后使用Moran指數(shù)檢驗了區(qū)域工業(yè)企業(yè)創(chuàng)新活動的空間相關性。

研究結論主要有兩個方面：（1）從靜態(tài)來看，安徽省工業(yè)企業(yè)技術創(chuàng)新效率處于中高水平，但各市工業(yè)企業(yè)創(chuàng)新活動發(fā)展不均衡；從動態(tài)來看，安徽工業(yè)企業(yè)技術創(chuàng)新效率的提高，逐漸從依賴綜合技術效率的提高轉移到技術進步上來。（2）各市工業(yè)企業(yè)技術創(chuàng)新效率的Moran指數(shù)值計算表明，區(qū)域工業(yè)技術創(chuàng)新效率由負向空間自相關轉變?yōu)檎蚩臻g自相關，一個地區(qū)的技術溢出效應以及知識和人才的共享，影響臨近地區(qū)的工業(yè)技術創(chuàng)新活動；由Moran散點圖來看，安徽各市工業(yè)企業(yè)技術創(chuàng)新效率存在較大的地區(qū)差異。從以上結論中可以得到如下啟示，政府在制定工業(yè)創(chuàng)新發(fā)展戰(zhàn)略時，必須將各市工業(yè)發(fā)展水平與工業(yè)創(chuàng)新水平聯(lián)系起來，因地制宜合理制定適合各地的政策，促進各地區(qū)工業(yè)企業(yè)協(xié)調發(fā)展。