彭偉明，周 慧

(安徽財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，安徽 蚌埠233030)

2015年5月，中國出臺了《中國制造2025》，旨在大幅提高中國工業(yè)與科技的創(chuàng)新力，以科技創(chuàng)新為核心打造現(xiàn)代化強(qiáng)國。黨的十九大報(bào)告也指出，加快建設(shè)制造強(qiáng)國，堅(jiān)定不移走中國特色新型工業(yè)化道路是實(shí)現(xiàn)中國民族偉大復(fù)興的必經(jīng)之路。2019年李克強(qiáng)總理在兩會上作政府工作報(bào)告中提出要打造工業(yè)互聯(lián)網(wǎng)平臺，拓展“智能+”為制造業(yè)轉(zhuǎn)型升級賦能。工業(yè)創(chuàng)新對于中國的經(jīng)濟(jì)發(fā)展尤為重要，從絕對量來看，2018年中國國內(nèi)生產(chǎn)總值為900309億元，工業(yè)增加值為305160.2億元，工業(yè)對國內(nèi)生產(chǎn)總值的貢獻(xiàn)度達(dá)到了33.9%。從關(guān)聯(lián)性來看，工業(yè)發(fā)展與絕大多數(shù)其他行業(yè)息息相關(guān)。然而，中國不同區(qū)域工業(yè)化發(fā)展程度存在顯著差異，針對不同地區(qū)需要不同的發(fā)展政策。因此，從數(shù)理角度針對中國不同區(qū)域進(jìn)行工業(yè)創(chuàng)新評價(jià)，并提出相應(yīng)的改進(jìn)措施，就顯得尤為必要。

國外利用全要素生產(chǎn)率對工業(yè)效率進(jìn)行評價(jià)相對較早，主要研究工具為數(shù)據(jù)包絡(luò)分析。數(shù)據(jù)包絡(luò)分析作為一種非參數(shù)技術(shù)效率分析方法，相比于其他效率評價(jià)方法有許多有優(yōu)點(diǎn)，因而在工業(yè)創(chuàng)新效率評價(jià)方面得到了廣泛應(yīng)用。Perelman利用SFA和DEA模型測算了OECD 11個成員國8個工業(yè)部門在1970—1987年的全要素生產(chǎn)率[1]。Granderson利用Malmquist指數(shù)測算了美國天然氣管道運(yùn)輸業(yè)在1977—1989年間的生產(chǎn)率變化[2]。Hashimoto等利用Malmquist指數(shù)測算了1983—1992年日本醫(yī)藥行業(yè)全要素生產(chǎn)率[3]。Pammolli等通過對比研究美國和歐洲制藥業(yè)的研究效率，得出結(jié)論：區(qū)域研發(fā)效率基本不受區(qū)域因素影響[4]。由此可以看出，國外學(xué)者利用數(shù)據(jù)包絡(luò)分析進(jìn)行研究的領(lǐng)域十分廣泛，并且取得了顯著成效。此外，國內(nèi)學(xué)者根據(jù)不同區(qū)域范圍，對工業(yè)企業(yè)進(jìn)行效率評價(jià)。有的學(xué)者從中國整體進(jìn)行研究，如韓潔平等選取中國2007—2013年中國30個省市規(guī)模以上工業(yè)企業(yè)生態(tài)創(chuàng)新的相關(guān)數(shù)據(jù)，利用DEA-BCC模型進(jìn)行創(chuàng)新效率評價(jià)，結(jié)果顯示，中國工業(yè)企業(yè)總體的生態(tài)創(chuàng)新能力不高，仍有很大的發(fā)展空間[5]。熊曦等采用兩階段DEA模型對中國2011—2015年規(guī)模以上工業(yè)企業(yè)進(jìn)行效率測算，結(jié)果表明，規(guī)模以上工業(yè)企業(yè)效率在研究期間不斷上升，轉(zhuǎn)化效率起到了重要作用[6]。有的學(xué)者以部分地區(qū)為研究對象，如陳偉等以東北地區(qū)大中型工業(yè)企業(yè)為研究對象，利用2008—2014年的數(shù)據(jù)進(jìn)行指標(biāo)構(gòu)建，采取DEA-Malmquist模型進(jìn)行指數(shù)分解，結(jié)果表明，雖然東北地區(qū)全要素生產(chǎn)率高于全國平均增長率，然而技術(shù)吸收的不充分等原因制約了該地區(qū)工業(yè)企業(yè)創(chuàng)新效率的進(jìn)一步提高[4]。游達(dá)明和黃曦子以長江經(jīng)濟(jì)帶為研究對象，利用2002—2013年工業(yè)生態(tài)技術(shù)的面板數(shù)據(jù)，結(jié)合超效率DEA模型和Malmquist指數(shù)進(jìn)行效率分析，結(jié)果顯示，長江經(jīng)濟(jì)帶工業(yè)生態(tài)創(chuàng)新效率地域差異性顯著，技術(shù)效率整體有下降趨勢[8]。還有學(xué)者從工業(yè)細(xì)分行業(yè)進(jìn)行研究，如楊朝均等從產(chǎn)出與效率兩個維度出發(fā)，利用PPE-Malmquist-LWM方法對中國30個制造行業(yè)進(jìn)行技術(shù)創(chuàng)新效率進(jìn)行實(shí)證分析，結(jié)果表明，中國目前的制造業(yè)總體創(chuàng)新水平不高，且行業(yè)之間差距明顯[9]?？梢钥闯觯瑖鴥?nèi)學(xué)者使用數(shù)據(jù)包絡(luò)分析進(jìn)行問題研究大多采取多種研究方法相結(jié)合的方式，優(yōu)點(diǎn)在于不僅豐富了文章研究內(nèi)容，同時(shí)也可以增強(qiáng)結(jié)論的可信度。

對現(xiàn)有文獻(xiàn)系統(tǒng)梳理發(fā)現(xiàn)，利用數(shù)據(jù)包絡(luò)分析法并結(jié)合其他模型進(jìn)行綜合分析的比重上升，但是目前的研究仍有兩大問題：1)研究指標(biāo)數(shù)量過多，在進(jìn)行多區(qū)域分析時(shí)可行性不強(qiáng)。2)針對區(qū)域工業(yè)創(chuàng)新效率動態(tài)研究的文獻(xiàn)并不多，且研究不夠深入。鑒于此，本文將以全國30個省市規(guī)模以上工業(yè)企業(yè)為研究對象，綜合利用DEA-BCC模型、Malmquist指數(shù)以及聚類分析等進(jìn)行方法進(jìn)行效率評價(jià)，對研究結(jié)果進(jìn)行詳細(xì)分析，并給出相應(yīng)的政策建議。

一、工業(yè)創(chuàng)新效率評價(jià)體系構(gòu)建

(一)評價(jià)指標(biāo)體系的構(gòu)建

工業(yè)企業(yè)的創(chuàng)新活動是一個漫長而復(fù)雜的過程，不同的學(xué)者對該問題有不同的見解?；谥袊魇∈泄I(yè)企業(yè)創(chuàng)新的特點(diǎn)以及數(shù)據(jù)的可獲得性，借鑒國內(nèi)外相關(guān)學(xué)者對該領(lǐng)域的研究成果，分別從投入和產(chǎn)出兩個角度進(jìn)行效率評價(jià)體系的構(gòu)建。

1)從投入角度來說，主要考慮資金、人力資本、精力的投入。從現(xiàn)有文獻(xiàn)來看，最常用的指標(biāo)是R&D經(jīng)費(fèi)支出和R&D人員折合全時(shí)當(dāng)量。包英群等的研究結(jié)論表明，R&D經(jīng)費(fèi)支出和R&D人員折合全時(shí)當(dāng)量是衡量企業(yè)研究開發(fā)財(cái)力投入和人力投入的關(guān)鍵指標(biāo)[10]。李培哲等通過對中國30個省市高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的研究也證實(shí)了這一觀點(diǎn)[11]。因此，本文選擇規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)支出代表資金支出，規(guī)模以上工業(yè)企業(yè)R&D人員折合全時(shí)當(dāng)量代表人力資本投入。通過對國內(nèi)外文獻(xiàn)的進(jìn)一步發(fā)現(xiàn)，大多數(shù)學(xué)者過分強(qiáng)調(diào)資金和人力資本的投入，忽視了R&D人員有效研究內(nèi)容。R&D項(xiàng)目是指一系列具有獨(dú)特性、復(fù)雜性、關(guān)聯(lián)性、目標(biāo)明確、資源有限并按照一定規(guī)范完成的活動，從某種意義來說，進(jìn)行項(xiàng)目研究是最有意義的R&D活動。因此，本文創(chuàng)新性地選擇規(guī)模以上工業(yè)企業(yè)R&D項(xiàng)目數(shù)代表有效活動投入。

2)從產(chǎn)出角度來說，主要從收益角度進(jìn)行指標(biāo)選取。賈帥帥和王孟欣選取專利申請數(shù)、新產(chǎn)品銷售收入和技術(shù)市場成交額作為產(chǎn)出指標(biāo)進(jìn)行工業(yè)企業(yè)創(chuàng)新活動效率評價(jià)[12]。周密和申婉君的研究也將技術(shù)市場成交額、專利申請數(shù)、新產(chǎn)品銷售收入作為創(chuàng)新產(chǎn)出指標(biāo)[13]。本文認(rèn)為，專利申請數(shù)不能完全代表創(chuàng)新產(chǎn)出，因?yàn)橛泻艽笠徊糠謱＠纳暾埐⑽赐ㄟ^考核，并不具有很高的價(jià)值。鑒于此，本文根據(jù)前人的研究，用技術(shù)合同成交額及新產(chǎn)品銷售收入作為資金收益指標(biāo)?？紤]到發(fā)明專利申請難度大，含金量高，因此將有效發(fā)明專利數(shù)作為另一個產(chǎn)出指標(biāo)。具體指標(biāo)如表1所示。

表1 規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率評價(jià)指標(biāo)

(二)數(shù)據(jù)來源及說明

本文研究對象是中國各省市規(guī)模以上工業(yè)企業(yè)?？紤]到數(shù)據(jù)的可獲得性，西藏及港澳臺地區(qū)未列入，因此選擇其余30個省市自治區(qū)作為決策單元。選取的數(shù)據(jù)為2011—2017年各省市自治區(qū)規(guī)模以上工業(yè)企業(yè)的相關(guān)數(shù)據(jù)，數(shù)據(jù)來源為歷年《中國科技統(tǒng)計(jì)年鑒》、國研網(wǎng)、中經(jīng)網(wǎng)。

二、工業(yè)創(chuàng)新效率評價(jià)模型構(gòu)建

(一)BCC模型

1978年，Charnes、Cooper和Rhodes三人首創(chuàng)DEA模型，簡稱CCR模型[14]。該模型是一種非參數(shù)效率評價(jià)方法，由于原理簡單，適用條件低、范圍廣等優(yōu)點(diǎn)，且在研究多投入多產(chǎn)出問題時(shí)有很大優(yōu)勢，因而被廣泛應(yīng)用于金融、電信、管理等領(lǐng)域。CCR模型以規(guī)模收益不變?yōu)榍疤?，根?jù)該模型得出的技術(shù)效率包含規(guī)模效率成分，因而被稱作綜合技術(shù)效率。然而在工業(yè)生產(chǎn)的實(shí)際過程中，許多企業(yè)并沒有獲得最優(yōu)生產(chǎn)規(guī)模，即規(guī)模收益不變的前提并不成立。因此在1984年，Banker、Charnes和Cooper提出了以規(guī)模收益可變?yōu)榍疤岬腂CC模型[15]。該模型計(jì)算得出的效率剔除了規(guī)模影響，故該效率值為純技術(shù)效率，即受管理和技術(shù)影響的生產(chǎn)效率。其中，投入導(dǎo)向的BCC模型為：

i=1,2,…,m;r=1,2,…,q;j=1,2,…,n

其中，x為投入變量，y為產(chǎn)出變量，λ表示DMU的線性組合系數(shù)，模型最優(yōu)解θ*表示效率值。在該模型中，綜合技術(shù)效率等于純技術(shù)效率和規(guī)模效率的乘積。當(dāng)綜合技術(shù)效率為1時(shí)，表示決策單元有效。

(二)Malmquist指數(shù)

生產(chǎn)是一個連續(xù)過程，因而技術(shù)本身也在不斷變化。當(dāng)使用面板數(shù)據(jù)時(shí)，利用Malmquist指數(shù)就能分析效率的動態(tài)變化狀況。Malmquist指數(shù)可以歸結(jié)為兩個方面，一是被評價(jià)單元在一段時(shí)期內(nèi)技術(shù)效率的變化，二是被評價(jià)單元生產(chǎn)技術(shù)本身的變化。根據(jù)其分解方法，從t期到t+1期的Malmquist指數(shù)進(jìn)行分解如下：

Malmquist指數(shù)可以進(jìn)一步分解，即

M0=pech×sech×techch

其中，pech表示純技術(shù)效率變動，主要描述管理、生產(chǎn)能力等因素對全要素生產(chǎn)率的影響，sech表示規(guī)模效率變動，主要描述規(guī)模收益變動對全要素生產(chǎn)率的影響，techch表示技術(shù)進(jìn)步變動，主要描述技術(shù)水平進(jìn)步對全要素生產(chǎn)率的影響。

三、創(chuàng)新效率測算與分析

(一)基于BCC模型的規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率評價(jià)

基于投入導(dǎo)向的BCC模型，利用DEAP2.1軟件對2011年和2017年中國各地區(qū)規(guī)模以上工業(yè)企業(yè)進(jìn)行創(chuàng)新效率的測算，結(jié)果如表2所示。

表2 中國區(qū)域規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率及分解

續(xù)表

數(shù)據(jù)來源：DEAP2.1軟件的分析結(jié)果。

從總體來看，2011年中國各地區(qū)平均綜合技術(shù)效率為0.62，2017年上升至0.691，這主要得益于純技術(shù)效率的大幅提升，而規(guī)模效率在此期間有小幅下降。2011年綜合技術(shù)效率超過平均值的省份有9個，低于平均值的省份有21個，且綜合技術(shù)效率最低和最高的差值為0.706。而2017年綜合技術(shù)效率超過平均值的省份有11個，低于平均值的省份有18個，且綜合技術(shù)效率最低值和最高值的差值為0.569。因此，從某種意義上說，與2011年相比，2017年中國省域規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率的差距在縮小。從有效單元數(shù)來看，2011年有效單元數(shù)為4個，分別為北京、吉林、廣東、海南；2017年 有效單元數(shù)上升為6個，分別為北京、吉林、上海、廣東、廣西、海南。其中上海綜合技術(shù)效率的提高主要由規(guī)模效率拉動，廣西綜合技術(shù)效率的提高主要由純技術(shù)效率的大幅提高所拉動。2011年綜合技術(shù)效率最低的地區(qū)為黑龍江，2017年綜合技術(shù)效率最低的地區(qū)是甘肅，僅次于黑龍江。而黑龍江綜合技術(shù)效率低下最大的原因是純技術(shù)效率的低下，即黑龍江省規(guī)模以上工業(yè)企業(yè)的管理水平和生產(chǎn)技術(shù)的低下最終導(dǎo)致了工業(yè)低效率。

與2011年相比，2017年大多數(shù)地區(qū)綜合技術(shù)效率都有明顯的提升，其中，有的地區(qū)主要由純技術(shù)效率拉動，如河北、內(nèi)蒙古等；有的地區(qū)主要由規(guī)模效率拉動，如上海、江蘇。但是天津、浙江、福建、四川、云南、甘肅6個地區(qū)綜合技術(shù)效率有所下降。其中福建、四川、云南、甘肅主要是純技術(shù)效率下降導(dǎo)致綜合技術(shù)效率下降，浙江省綜合技術(shù)效率的下降主要由規(guī)模效率下降導(dǎo)致，而純技術(shù)效率和規(guī)模效率同時(shí)下降導(dǎo)致天津綜合技術(shù)效率的下降。從總體來看，純技術(shù)效率低于規(guī)模效率，純技術(shù)效率水平的低下制約了綜合技術(shù)效率的提高，制約了工業(yè)企業(yè)的快速發(fā)展。

(二)基于Malmquist指數(shù)的規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率評價(jià)

BCC模型只能觀測效率值的靜態(tài)變化，而Malmquist指數(shù)則是利用面板數(shù)據(jù)測算效率值的動態(tài)變化。首先運(yùn)用DEAP2.1軟件對中國30個省市2011—2017年規(guī)模以上工業(yè)企業(yè)的面板數(shù)據(jù)進(jìn)行實(shí)證分析，從時(shí)間維度得出的全要素生產(chǎn)率及分解結(jié)果如表3和圖1所示。

表3 2011—2017年中國規(guī)模以上工業(yè)企業(yè)創(chuàng)新Malmquist指數(shù)及分解

數(shù)據(jù)來源：DEAP2.1軟件的分析結(jié)果。

根據(jù)表3的數(shù)據(jù)可知，從總體上看，2011—2017年中國30個省市規(guī)模以上工業(yè)企業(yè)技術(shù)效率的全要素生產(chǎn)率平均增速為8%，技術(shù)效率平均增速為2.3%，技術(shù)進(jìn)步平均增速為5.6%，純技術(shù)效率平均增速為2.2%，規(guī)模效率平均增速為0。而全要素生產(chǎn)率增速呈現(xiàn)出先上升后下降的態(tài)勢，其中，從2011—2015年為上升期，從2015—2017年為下降期。全要素生產(chǎn)率變動等于技術(shù)效率變動與技術(shù)進(jìn)步變動的乘積，技術(shù)效率變動的平均值小于技術(shù)進(jìn)步變動的平均值，表明技術(shù)進(jìn)步是全要素生產(chǎn)率的主要推動力。進(jìn)一步分析可知，在2013年以前技術(shù)效率變動大于1，技術(shù)進(jìn)步變動小于1，2013年之后則發(fā)生了逆轉(zhuǎn)，表明從2013年以后技術(shù)效率變動阻礙了全要素生產(chǎn)率的進(jìn)一步提高。而技術(shù)效率變動又可分解為純技術(shù)效率變動和規(guī)模效率變動的乘積，雖然從總體上看，純技術(shù)效率變動和規(guī)模效率變動的平均值都不低于1，然而從2013年以后二者基本上都小于1，這說明近年來中國部分地區(qū)規(guī)模以上工業(yè)企業(yè)的管理水平、技術(shù)水平有下滑趨勢，企業(yè)生產(chǎn)規(guī)模的不合理也導(dǎo)致規(guī)模效率開始降低，這一系列原因阻礙了技術(shù)效率的提高，并最終阻礙了全要素生產(chǎn)率的提高。

表3從時(shí)間維度分析了中國30個省市規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率的變化情況，然而該結(jié)果并沒有清晰地表明各區(qū)域的不同狀況，因此有必要從空間維度對全要素生產(chǎn)率再度進(jìn)行測算與分解，最終結(jié)果如表4所示。

表4 中國30個省市規(guī)模以上工業(yè)企業(yè)Malmquist指數(shù)及分解

續(xù)表

數(shù)據(jù)來源：DEAP2.1軟件的分析結(jié)果。

從空間維度來看，2011—2017年工業(yè)創(chuàng)新效率最高的地區(qū)為陜西省，最低為甘肅省。從總體來看，技術(shù)效率平均增長2.3%，其中低于平均值的地區(qū)有16個，超過地區(qū)總數(shù)的一半，說明絕大多數(shù)地區(qū)技術(shù)效率變動并未達(dá)到預(yù)期，且技術(shù)效率下降最大的地區(qū)為重慶，下降比例為4.3%，上升最大的地區(qū)為廣西，上升比例為12.6%，因此變動的極差為16.9%。技術(shù)進(jìn)步平均增長5.6%，其中低于平均值的地區(qū)為18個，說明絕大多數(shù)地區(qū)技術(shù)進(jìn)步變動并未達(dá)到預(yù)期，且技術(shù)進(jìn)步變動唯一下降地區(qū)為甘肅，下降比例為2.2%，上升最大的地區(qū)為云南和海南，上升比例為14.8%，因此變動的極差為17%。純技術(shù)效率變動平均增長2.2%，其中低于平均值的地區(qū)為17個，說明絕大多數(shù)地區(qū)技術(shù)進(jìn)步變動并未達(dá)到預(yù)期，且純技術(shù)效率變動最低的地區(qū)為云南，下降比例為4.1%，上升最大的地區(qū)為廣西，上升比例為11.9%，變動的極差為16%。規(guī)模效率平均增長為0，其中低于平均值的地區(qū)為10個，說明絕大多數(shù)地區(qū)技術(shù)進(jìn)步變動超過預(yù)期，且規(guī)模效率下降最大的地區(qū)為河南，下降比例為5.1%，上升最大的地區(qū)為江蘇和山東，上升比例為3.2%，變動的極差為8.6%。因此，從各分解指數(shù)極差來看，規(guī)模效率變動差距最小，技術(shù)進(jìn)步變動差距最大，根據(jù)該結(jié)果，初步得出結(jié)論：技術(shù)進(jìn)步是創(chuàng)新效率較差的地區(qū)提升創(chuàng)新效率的有利途徑。從各地區(qū)全要素生產(chǎn)率來看，除浙江、福建、重慶、甘肅四個地區(qū)外，其余地區(qū)全要素生產(chǎn)率均呈現(xiàn)出增長態(tài)勢。其中，浙江、福建、重慶三個地區(qū)全要素生產(chǎn)率下降主要是由于技術(shù)效率下降，而甘肅省技術(shù)效率下降和技術(shù)進(jìn)步變化率下降共同導(dǎo)致了全要素生產(chǎn)率的下降。從具體的指數(shù)分解來看，除甘肅以外，其他地區(qū)技術(shù)進(jìn)步變動均為增長，說明大多數(shù)地區(qū)的技術(shù)水平有很大的提高。從技術(shù)效率變動來看，雖然大多數(shù)地區(qū)處于增長狀態(tài)，但是基本上都小于技術(shù)進(jìn)步變動。說明技術(shù)效率需要進(jìn)一步提高。進(jìn)一步分析可知，規(guī)模效率下降的區(qū)域要略多于純技術(shù)效率下降的區(qū)域，因此形成合理的發(fā)展規(guī)模，提高規(guī)模效率，是提高區(qū)域工業(yè)創(chuàng)新能力的重中之重。

從各地區(qū)Malmquist指數(shù)測算結(jié)果，初步發(fā)現(xiàn)存在某些欠發(fā)達(dá)地區(qū)其創(chuàng)新能力超過部分發(fā)達(dá)地區(qū)的可能性。然而這些欠發(fā)達(dá)地區(qū)是否屬于創(chuàng)新效率較高的行列，以及部分發(fā)達(dá)地區(qū)是否處于創(chuàng)新效率較弱的行列，需要通過進(jìn)一步分析才能得出科學(xué)的結(jié)論。

(三)聚類分析

通過BCC模型和Malmquist模型的分析，可以清晰地看出不同區(qū)域、不同年份在創(chuàng)新效率狀況，然而卻不能看出哪些地區(qū)在創(chuàng)新效率上有相似性。因此本部分利用SPSS20.0中的K-means算法對30個省市進(jìn)行聚類分析。將30個地區(qū)分為3類，結(jié)果如表5所示。

表5 中國規(guī)模以上工業(yè)企業(yè)創(chuàng)新效率聚類表

數(shù)據(jù)來源：SPSS20.0軟件的分析結(jié)果。

從聚類結(jié)果來看，中國30個省市規(guī)模以上工業(yè)企業(yè)創(chuàng)新能力強(qiáng)弱的分布并沒有完全遵循傳統(tǒng)的東部、中部、西部的分類。第一類包含7個地區(qū)，第二類包含11個地區(qū)，第三類 包含12個地區(qū)。第一類中除北京、廣東以外，其他地區(qū)均為欠發(fā)達(dá)地區(qū)。而上海、江蘇等發(fā)達(dá)地區(qū)并沒有進(jìn)入第一類。這與Malmquist指數(shù)分解的結(jié)果相符?？傮w來看，經(jīng)濟(jì)越發(fā)達(dá)，工業(yè)創(chuàng)新能力越強(qiáng)，這主要依賴于強(qiáng)大的研發(fā)投入，但是從增幅來看，并沒有顯著大于其他地區(qū)。對于一些欠發(fā)達(dá)地區(qū)如貴州、云南等，盡管研發(fā)投入不高，但是單位創(chuàng)新產(chǎn)出高于其他地區(qū)，導(dǎo)致這些地區(qū)創(chuàng)新效率較高。還有一個重要的原因就是基數(shù)問題。有的地區(qū)可能工業(yè)基礎(chǔ)總量很大，盡管創(chuàng)新產(chǎn)出很大，也可能出現(xiàn)創(chuàng)新效率增幅不明顯的狀況。聚類分析最大的作用在于，創(chuàng)新基礎(chǔ)好的地區(qū)資源利用效率并不一定高于創(chuàng)新基礎(chǔ)差的地區(qū)，所有地區(qū)工業(yè)的發(fā)展都要重視資源的合理分配與效率提升。

四、研究結(jié)論與政策建議

本文利用中國30個省市2011—2017年規(guī)模以上工業(yè)企業(yè)的面板數(shù)據(jù)，運(yùn)用BCC模型、Malmquist指數(shù)以及聚類分析進(jìn)行工業(yè)創(chuàng)新效率的測算，得到以下結(jié)論：

第一，根據(jù)BCC模型對2011年和2017年數(shù)據(jù)的靜態(tài)測算與比較可知，總體來說，中國規(guī)模以上工業(yè)企業(yè)的綜合技術(shù)效率呈上升趨勢。然而純技術(shù)效率相對于規(guī)模效率仍有不足，制約了工業(yè)企業(yè)的進(jìn)一步發(fā)展。第二，根據(jù)Malmquist指數(shù)分解的結(jié)果可知，從總體上看，2011—2017年中國30個省市規(guī)模以上工業(yè)企業(yè)的全要素生產(chǎn)率都大于1，表明全要素生產(chǎn)率一直為增長態(tài)勢。然而這種增長近年來表現(xiàn)出一定的頹勢，其主要原因是純技術(shù)效率和規(guī)模效率都有一定程度的下滑，技術(shù)進(jìn)步的速度也有所放緩。第三，根據(jù)聚類分析結(jié)果可知，中國30個省市規(guī)模以上工業(yè)企業(yè)創(chuàng)新能力強(qiáng)弱的分布并沒有完全遵循傳統(tǒng)的東部、中部、西部的分類。創(chuàng)新基礎(chǔ)差的地區(qū)可能有很強(qiáng)的創(chuàng)新能力，而創(chuàng)新基礎(chǔ)較好的地區(qū)由于種種原因可能創(chuàng)新能力并沒有達(dá)到預(yù)期。

基于以上分析，本文給出相應(yīng)的政策建議：第一，形成合理的生產(chǎn)規(guī)模。過小的生產(chǎn)規(guī)模會帶來過高的單位生產(chǎn)成本，過大的生產(chǎn)規(guī)模會造成資源調(diào)配和管理的困難，只有生產(chǎn)規(guī)模符合本企業(yè)、本地區(qū)的實(shí)際生產(chǎn)能力，才能有效降低成本，提升創(chuàng)新能力。第二，加強(qiáng)企業(yè)的管理和研發(fā)投入，在增加投入資金規(guī)模的同時(shí)，加大人才培養(yǎng)力度，根據(jù)本地區(qū)工業(yè)生產(chǎn)的特點(diǎn)重點(diǎn)培養(yǎng)合適的人才，發(fā)展地區(qū)產(chǎn)業(yè)優(yōu)勢，從產(chǎn)量和質(zhì)量兩個角度提高區(qū)域工業(yè)創(chuàng)新能力。第三，加強(qiáng)區(qū)域間的合作。地區(qū)與地區(qū)之間可以通過合作進(jìn)行優(yōu)勢互補(bǔ)，尤其是很多欠發(fā)達(dá)地區(qū)有很強(qiáng)的創(chuàng)新效率，發(fā)達(dá)地區(qū)可以通過轉(zhuǎn)移過剩生產(chǎn)力等方式提升中國總體的創(chuàng)新效率，促進(jìn)區(qū)域協(xié)調(diào)發(fā)展。