李悅

[摘 要]資本投入和高素質勞動者是高技術產業(yè)發(fā)展的關鍵。研究生教育是培育高素質、掌握高精尖技術勞動者的主要途徑。通過構建三階段DEA模型，可規(guī)避單一DEA分析存在的指標選取依據不足，以及未考慮外部環(huán)境影響等問題。本研究以我國31個省市自治區(qū)為研究對象，以研究生教育規(guī)模為環(huán)境變量之一，對2010—2016年、2018年資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率進行測算和分解研究。實證結果表明：阻礙31個省市自治區(qū)高技術產業(yè)的投入產出效率顯著提高的主要原因在于技術進步，約半數省市自治區(qū)擁有較差的資本、人力資本優(yōu)化配置能力。各地區(qū)應根據自身的規(guī)模報酬狀態(tài)適當調整其研究生教育規(guī)模，調整對高技術產業(yè)的資本投入規(guī)模和優(yōu)化高技術產業(yè)成長外部環(huán)境。

[關鍵詞]高技術產業(yè);資本;研究生教育;三階段DEA模型;Malmquist指數

[中圖分類號]G643[文獻標識碼]A[文章編號]1005-5843（2021）04-0062-08

[DOI]10.13980/j.cnki.xdjykx.2021.04.011

一、引言

隨著大眾創(chuàng)業(yè)、萬眾創(chuàng)新的深入推進，高技術產業(yè)增速和投資明顯快于一般工業(yè)[1]。受疫情影響，在“百廢待興”之際，國家統(tǒng)計局公布2020年上半年國民經濟運行數據，上半年高技術產業(yè)投資增長6.3%。作為國民經濟的重要組成部分，高技術產業(yè)是維護國家安全、增強國際競爭力的重要力量。科技競爭的實質是人的競爭，依據國家統(tǒng)計局發(fā)布的數據預計，我國高技術產業(yè)研發(fā)人員數量將由2018年66萬人增加至2025年136萬人。擁有研究生學歷的從業(yè)者將是高技術產業(yè)研發(fā)隊伍中的中堅和主體力量。2019年，我國研究生學歷畢業(yè)人數共639 666人，隨著高等教育普及化時代的到來，研究生教育的發(fā)展將對高技術產業(yè)發(fā)展做出巨大貢獻。研究我國31個省市自治區(qū)（不包括港、澳、臺）的高技術產業(yè)投入產出和研究生教育規(guī)模等數據，通過分析資本和研究生學歷從業(yè)者對高技術產業(yè)的投入取得的成果及其存在的問題，有助于提高高技術產業(yè)發(fā)展的速度和質量，從而提高資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率。

二、相關文獻綜述

20世紀60年代，美國經濟學家舒爾茨提出了人力資本理論之后，對教育與經濟發(fā)展之間關系的研究有近60年的歷史。近年來國內很多學者持續(xù)對高等教育規(guī)模與產業(yè)經濟發(fā)展之間的關系進行了探索。李娟等人對研究生教育發(fā)展質量與區(qū)域經濟發(fā)展水平進行耦合度探究，將兩個變量的地區(qū)內部均衡程度相對比[2];吳東姣等人基于人力資本理論，構建研究生教育規(guī)模與第三產業(yè)經濟增長關系模型，對比了碩、博兩個層次的研究生教育規(guī)模對第三產業(yè)經濟發(fā)展的作用大小和研究生教育規(guī)模對東中西部地區(qū)的促進經濟發(fā)展的區(qū)域差異[3];盧婧首先測算研究生教育規(guī)模對地區(qū)高技術產業(yè)產值的邊際影響，隨后針對碩、博兩類研究生學歷人員在研發(fā)活動的占比與高技術產業(yè)發(fā)展質量之間的關系展開實證研究[4];何海燕等人采用自回歸分布滯后模型、建立修正模型，對高技術產業(yè)主營業(yè)收入、有效專利數與理工科不同層次畢業(yè)生間的穩(wěn)定性關系進行研究[5]。張忠俊等人基于金融集聚、人力資本結構演進對高技術產業(yè)技術進步影響機制的理論基礎，運用動態(tài)面板模型和門檻模型實證檢驗異質性人力資本結合金融集聚對高技術產業(yè)技術進步產生的實際效應進行研究[6];萇千里等人利用三階段DEA模型對國有控股、內資和外資三種高技術產業(yè)的技術創(chuàng)新效率進行測量[7]。

上述研究指出了碩、博兩個層次的研究生教育規(guī)模與高技術產業(yè)發(fā)展之間的關系及區(qū)域差異，也指出了資本對高技術產業(yè)技術創(chuàng)新的貢獻。然而，現有文獻對高技術產業(yè)投入產出效率的研究均未能剔除外部環(huán)境和隨機誤差的影響，不能客觀體現生產單元的決策與管理水平;現有研究也未曾研究高技術產業(yè)中研究生學歷從業(yè)者與高技術產業(yè)發(fā)展的關系，評估地區(qū)研究生教育規(guī)模對高技術產業(yè)的影響不及該產業(yè)內擁有研究生學歷的從業(yè)者的影響精準。為此，本研究基于2018年31個省市地區(qū)的相關數據，以當地研究生教育規(guī)模為環(huán)境變量之一，在已有的高技術產業(yè)投入產出效率評價指標體系基礎上，采用三階段DEA模型，靜態(tài)考察資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率評價;采用Malmquist指數動態(tài)分析2010—2016年、2018年（2017年數據不全，故跳過）31個省市地區(qū)的在8年間資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率變化的趨勢和規(guī)律;同時，找出目前影響我國高技術產業(yè)發(fā)展的主要因素，提出相應改良建議。

三、研究方法與數據來源

（一）研究方法

與傳統(tǒng)DEA模型方法相比，三階段DEA方法能夠有效剔除環(huán)境因素或隨機誤差影響造成的效率差異，可規(guī)避單一DEA分析存在的指標選取依據不足，以及未考慮外部環(huán)境影響等問題，因而能夠更客觀真實地評價決策單元的效率;Malmquist指數分析可以反映出決策單元相關效率動態(tài)的變化趨勢和規(guī)律。所應用到的軟件包括Deap2.1和Frontier4.1。

（二）數據來源

1.投入產出指標的選取。對于資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率的測算，主要是通過投入與產出之間的計算得出來的，所以指標體系也就分為投入與產出的指標。本文選取資本投入和擁有研究生學歷從業(yè)者人力資本投入兩個指標作為投入指標;將各省市高技術產業(yè)視為決策單元，其投入產出效率，可表征為一定規(guī)模生產要素投入水平下的產出結果，產出水平高則效率高，反之則效率低。產出指標主要反映決策單元所投入的資本和高素質人力資本的總體價值，因此在研究資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率時，選取各地區(qū)高技術產業(yè)2010—2016年、2018年產出的新產品開發(fā)項目數和營業(yè)收入兩個指標衡量高技術產業(yè)的產出。

2.環(huán)境變量的選取。除了各個省市資本投入和研究生學歷從業(yè)者因素外，環(huán)境變量同樣影響著高技術產業(yè)投入產出效率，因此分離管理無效率和隨機干擾因素后的投入項可更精確求出效率值，三階段DEA模型的第二階段DEA正是剖析和分離外部環(huán)境變量的影響。在各地區(qū)的研究生教育和高技術產業(yè)發(fā)展的關系中，各地區(qū)研究生學位授予人數、人均地區(qū)生產總值、有R&D活動的企業(yè)數作為環(huán)境變量，對高技術產業(yè)的發(fā)展起著重要作用。

3.數據來源。本文所有數據均來自歷年《中國高技術產業(yè)統(tǒng)計年鑒》《中國教育統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。

四、實證結果分析

（一）三階段DEA分析

1.第一階段： 基于DEA的效率測算結果。運用Deap2.1軟件測算31個省市高技術產業(yè)投入產出效率，結果如表1所示。

2.第二階段：基于SFA的回歸分析結果。經對LR值檢驗，拒絕不存在原假設，所以本研究模型合理。分別以資本投入、擁有研究生學歷從業(yè)者人力資本投入的松弛變量為因變量，研究生學位授予人數、人均地區(qū)生產總值、有R&D活動的企業(yè)數為自變量建立SFA回歸模型，運用Frontier4.1軟件，得到SFA回歸結果如表2所示。

3.第三階段：投入調整后的DEA效率測算結果。對投入變量進行調整，并代入到DEA模型，得到更符合實際情況的31個省市自治區(qū)2018年資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率值，結果如表3所示。

4.三階段DEA模型結果分析。通過比較表1與表3的DEA結果，以第三階段綜合技術效率值（TE3）為橫坐標、第一階段綜合技術效率值（TE1）為縱坐標，做出第一、第三階段效率的比較示意圖（圖1）。

當剔除環(huán)境因素和隨機效應的影響后可以發(fā)現：（1）各省市自治區(qū)的效率值變化顯著。投入調整后，綜合技術效率均值由0.613下降為0.561;規(guī)模效率均值由0.908下降為0.570;而純技術效率均值由0.690提升為0.988。整體來看，調整前綜合技術效率為1的只有北京和海南，而調整后綜合技術效率為1的有北京、浙江、廣東3個省市，其他28個省市自治區(qū)資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出的綜合技術效率均小于1，都有著可改進的空間。調整前，尤其河北、山西、河南、湖南、甘肅、青海6個地區(qū)的綜合技術效率值不足0.5，表現欠佳;調整后，上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、重慶、四川、陜西、甘肅15個省市自治區(qū)的綜合技術效率有所提升，表明這15個省市自治區(qū)在調整前的低技術效率主要是由其較差的資本、人力資本優(yōu)化配置能力造成的;北京的綜合技術效率始終為1，表明投入、產出與資源優(yōu)化配置能力都是相協(xié)調的，而其他15個省市自治區(qū)的綜合技術效率均有所下降，表明這些省市自治區(qū)具有較好的資源優(yōu)化配置能力。

（2）相比較第一階段傳統(tǒng)DEA模型結果，在第三階段15個省市自治區(qū)的綜合技術效率有所下降，以遼寧、吉林、黑龍江、廣西、貴州、云南、西藏、甘肅、青海、寧夏、新疆等東北、中西部省區(qū)為主，這說明外部環(huán)境因素和隨機干擾產生重要影響，導致綜合技術效率被高估。綜合技術效率的內在分解來看，大部分地區(qū)純技術效率提升，而規(guī)模效率下降，這表明制約綜合技術效率提升的主要因素由調整前的純技術效率變?yōu)榱苏{整后的規(guī)模效率，這個結果啟示各地區(qū)應根據自身的規(guī)模報酬狀態(tài)，適當調整其研究生教育和高技術產業(yè)投入規(guī)模，以優(yōu)化綜合效率。

（3）比較第一階段傳統(tǒng)DEA模型結果，在第三階段除了江蘇、云南、廣西3個省區(qū)的純技術效率保持不變以外，其他省市自治區(qū)純技術效率均有所上升。純技術效率低的地區(qū)應加強高素質人力資源和資本的優(yōu)化配置有效利用。在第三階段剔除環(huán)境因素和隨機效應的影響后，除了上海、江蘇、浙江、山東、廣東、四川之外的25個省市自治區(qū)的規(guī)模效率均有所下降，山西、內蒙古、吉林、黑龍江、海南、云南、西藏、青海、寧夏、新疆的規(guī)模效率都在0.3以下，需要繼續(xù)調整研究生教育對高技術產業(yè)的資本投入規(guī)模，提升投入產出的整體規(guī)模效率。

（4）本研究所關注的3個環(huán)境因素均對高技術產業(yè)投入產出效率產生不同程度的影響。由于外部環(huán)境變量是對各投入松弛變量的回歸，所以當回歸系數為負時，表示增加外部環(huán)境變量值有利于減少投入松弛量，即有利于減少各投入變量的浪費或降低負產出;反之，當回歸系數為正時，則表示增加外部環(huán)境變量將會增加投入松弛量，從而導致各投入變量的浪費減少產出[8]。本研究中，人均地區(qū)生產總值和有R&D活動的企業(yè)數兩個環(huán)境變量的回歸系數為負，繼續(xù)發(fā)展經濟、提高人均地區(qū)生產總值和給予高技術產業(yè)更適宜的政策環(huán)境以增加R&D活動，有利于提升研究生教育對高技術產業(yè)投入產出效率。研究生學位授予人數環(huán)境變量的回歸系數為正，適度控制研究生教育規(guī)模，會減少資本投入和高素質人力投入的浪費。

（二）Malmquist指數分析

1.Malmquist指數分析過程。上述三階段DEA模型知識僅是選取了2018年的數據做的高技術產業(yè)投入產出效率的靜態(tài)分析，不能夠反映出決策單元相關效率變化的趨勢和規(guī)律，能夠提供給決策者進行有效決策的信息相對較少，因此非常有必要進行動態(tài)分析，也能夠驗證三階段DEA模型分析得出的結果。本研究參考薛浩等人的研究設計[9]，通過Malmquist指數分解實現對31個省市自治區(qū)對有效性的動態(tài)分析，選擇的時間序列數據是2010—2016年、2018年，這段時間距離現在最近，數據比較全面并且易于獲得。投入、產出指標、應用軟件與上述進行靜態(tài)分析時是一樣的，分4個年段，計算出這31個省市自治區(qū)的Malmquist（M）指數、綜合效率變動（EC）指數和技術變化（TC）指數（計算所得結果如表4所示）。

2.Malmquist指數結果分析。由表4可以看出，在2010—2016年、2018年共8個年度中，31個省市自治區(qū)Malmquist指數上下波動性較大，很不穩(wěn)定，主要的特點是：

（1）山西、江蘇、江西、山東、湖南、廣西、重慶共7個省市自治區(qū)的Malmquist指數一直在上升;北京、河北、內蒙古、遼寧、黑龍江、浙江、海南、西藏、陜西、甘肅共10個省市自治區(qū)的Malmquist指數在2010—2015年段一直在上升，在2016、2018年間指數均受到了程度不一的下降，北京、遼寧、黑龍江、海南、西藏下降幅度較大;其余省市自治區(qū)的Malmquist指數均在上下波動。

（2）總的來說，各省市自治區(qū)的高技術產業(yè)投入產出效率的全要素生產率上出現了波動，導致全要素生產率波動的原因不盡相同，可以通過Malmquist指數分解出來的綜合效率變動指數（EC）和技術變動指數（TC）進行具體分析。從動態(tài)變化趨勢來看，31個省市自治區(qū)在這8年間資本和研究生學歷從業(yè)者規(guī)模對高技術產業(yè)的投入產出效率Malmquist指數均值為0.918，4個時間段的Malmquist指數分別為0.809、0.891、0.996、0.977，可以發(fā)現Malmquist指數呈現出先上升后又下降，表明31個省市自治區(qū)高技術產業(yè)的投入產出效率在近年呈現出了弱衰退的趨勢，說明盡管資本投入和研究生學歷從業(yè)者人力資本投入逐年增加，這些省市自治區(qū)的投入產出效率并沒有隨著投入的增加而得到預期的提高。資源配置Malmquist指數主要受技術效率和技術進步的影響，技術效率變化指數與技術進步指數的平均值分別為1.039和0.890，說明31個省市自治區(qū)高技術產業(yè)的投入產出效率沒有能夠得到顯著提高的主要原因在于技術進步的阻礙。為了提高投入產出效率，應當在保持技術效率改進的同時，著重提升技術進步創(chuàng)新，在這兩者共同提升的情況下，促進高技術產業(yè)的投入產出效率的改進。

五、結論與建議

一個產業(yè)的發(fā)展離不開人力、物力、財力，接受研究生教育培養(yǎng)出來的高素質從業(yè)者是高技術產業(yè)發(fā)展的中堅力量和科技創(chuàng)新進步的主體。高技術產業(yè)作為經濟高質量發(fā)展的著力點和增長點，對我國經濟發(fā)展方式轉變起著至關重要的作用，能否高效利用資本和研究生學歷從業(yè)者人力資本是高技術產業(yè)發(fā)展的關鍵。本研究首先運用三階段DEA模型揭示了剔除地區(qū)研究生學位授予人數、人均地區(qū)生產總值、有R&D活動的企業(yè)數3個環(huán)境變量的影響下，選取各地區(qū)高技術產業(yè)2018年產出的新產品開發(fā)項目數和營業(yè)收入兩個產出指標進行衡量，得出資本和研究生學歷從業(yè)者兩個投入指標對各省市自治區(qū)高技術產業(yè)的投入產出效率和各省市自治地區(qū)差異;再通過Malmquist指數動態(tài)分析2010—2016年、2018年間31個省市自治區(qū)的資本和研究生學歷從業(yè)者對高技術產業(yè)的投入產出效率，反映出決策單元相關效率在8年間變化的趨勢和規(guī)律。據此，提出如下政策建議。

一是東部沿海省市自治區(qū)的地方政府需關注高等教育規(guī)模的擴大所導致的粗放式教育，把研究生教育的質量放在第一位，減少資本投入和高素質人力投入的浪費;東北、中西部省市自治區(qū)應著重提升研究生教育和高技術產業(yè)資本投入規(guī)模，并且致力于留住人才，以優(yōu)化高技術產業(yè)投入產出的綜合效率。

二是在保持規(guī)模效率改進的同時，著重提高技術效率，加強技術進步、改革創(chuàng)新，以提高高技術產業(yè)的投入產出效率。

三是地方政府應大力發(fā)展經濟，提高人均地區(qū)生產總值，給予高技術產業(yè)發(fā)展更適宜的政策環(huán)境、資金支持。培育高技術產業(yè)，支持開發(fā)高技術新產品，有利于提升研究生教育對高技術產業(yè)投入產出效率。

參考文獻：

[1]李克強.政府工作報告（文字實錄）——2019年3月5日在第十三屆全國人民代表大會第二次會議上.[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2019n/2019_zt2/zt1902_gzbg/201903/t20190306_372387.html.

[2]李娟，李銘.研究生教育發(fā)展質量與區(qū)域經濟發(fā)展水平耦合度探究[J].安徽農業(yè)大學學報（社會科學版），2018（04）：68-75.

[3]吳東姣，馬永紅.我國研究生教育規(guī)模對第三產業(yè)經濟發(fā)展影響的實證研究[J].學位與研究生教育，2019（02）：18-23.

[4]盧婧.研究生教育能促進高技術產業(yè)發(fā)展嗎？[J].浙江學刊，2019（05）：84-90.

[5]何海燕，常曉涵，李宏寬，王茹.工程教育人才與高技術產業(yè)關系研究[J].高等工程教育研究，2019（01）：27-33.

[6]張忠俊，郭曉旭.金融集聚、人力資本結構演進與高技術產業(yè)技術進步[J/OL].金融與經濟，2020（10）：74-82.https：//doi.org/10.19622/j.cnki.cn36-1005/f.2020.10.010.

[7]萇千里，徐蕾.高技術產業(yè)、資本類型與企業(yè)創(chuàng)新效率——基于三階段DEA模型的實證研究[J].河南師范大學學報（哲學社會科學版），2018（03）：49-53.

[8]鄧波，張學軍，郭軍華.基于三階段DEA模型的區(qū)域生態(tài)效率研究[J].中國軟科學，2011（01）：92-99.

[9]薛浩，陳萬明.高校教育投入與辦學效率——基于三階段DEA和Malmquist指數分析[J].南通大學學報（社會科學版），2015（01）：115-121.

（責任編輯：勞麗麗）