彭有為，梁雪梅，尚東星

（1.空調(diào)設(shè)備及系統(tǒng)運行節(jié)能國家重點實驗室/珠海格力電器股份有限公司，廣東珠海 519070；2.廣東省生產(chǎn)力促進中心，廣東廣州 510070）

1 研究背景

當今世界百年未有之大變局加速演進，科技創(chuàng)新成為國際戰(zhàn)略博弈的主要戰(zhàn)場，曾經(jīng)推動經(jīng)濟高速增長的人口紅利、資本紅利以及制度紅利正在加速邊緣化，這迫切需要我們立足新發(fā)展階段、貫徹新發(fā)展理念，從以往依賴于要素驅(qū)動、投資驅(qū)動的傳統(tǒng)粗放型經(jīng)濟增長模式轉(zhuǎn)變?yōu)橐劳杏趧?chuàng)新驅(qū)動的高質(zhì)量發(fā)展模式，建設(shè)世界科技強國［1］。黨的十九大報告指出，大力推進高技術(shù)產(chǎn)業(yè)的健康、穩(wěn)定、可持續(xù)發(fā)展，通過提高全要素生產(chǎn)率（total factor productivity，TFP），進而推動我國經(jīng)濟由高速增長向高質(zhì)量增長轉(zhuǎn)變。由此可見，著力促進高技術(shù)產(chǎn)業(yè)TFP 提升是重組驅(qū)動機制、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、實現(xiàn)科技自立自強的重要抓手，更是實現(xiàn)創(chuàng)新型國家的戰(zhàn)略基點［2］。整個“十一五”至“十三五”規(guī)劃期間我國高技術(shù)產(chǎn)業(yè)企業(yè)數(shù)從2006 年的19 161 個增加至2020 年的40 194 個，主營業(yè)務(wù)收入由2006 年的41 584.56 億元提升至2020 年的174 613 億元，年均增長率達到17.28%，利潤總額由1 777.27 億元提升至12 393.97 億元，年均增長率達到24.08%，專利申請數(shù)更是以年均34.43%的速度增加，由原來的24 301 個增加至348 522 個。但同時，也要看到，我國存在創(chuàng)新體系整體效能還不高，科技創(chuàng)新資源整合還不夠，科技投入產(chǎn)出效益較低等疑難癥結(jié)［3］。而TFP 的提升是保持經(jīng)濟持續(xù)增長的重要基礎(chǔ)，更是把握經(jīng)濟增長質(zhì)量的重要工具。因此，科學測算高技術(shù)產(chǎn)業(yè)的TFP，準確把握我國高技術(shù)產(chǎn)業(yè)的發(fā)展情況，厘清投入資源的配置效率以及利用效率，進而提出針對性的改進措施，是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的必然要求［4］。

關(guān)于高技術(shù)產(chǎn)業(yè)TFP 的研究，主要是針對其測算、分解以及變化進行分析。全要素生產(chǎn)率的測算主要包括數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）和隨機前沿分析（stochastic frontier analysis，SFA），前者以線性規(guī)劃目標函數(shù)代替表示相對效率的距離函數(shù)來進行測算，而將距離函數(shù)與Malmquist指數(shù)相結(jié)合則能得到不同時間序列的TFP 指數(shù)，與此同時，由于此種方法并不需要設(shè)計生產(chǎn)函數(shù)和參數(shù)估計，因此也稱為非參數(shù)方法［5］；后者則是通過構(gòu)建隨機前沿生產(chǎn)函數(shù)來描述生產(chǎn)行為，隨機前沿生產(chǎn)函數(shù)當中的隨機誤差項用來表示對前沿產(chǎn)出所造成的對稱誤差項以及距離函數(shù)的單邊誤差項，據(jù)此得出的距離函數(shù)同Malmquist 指數(shù)相結(jié)合也可測度出TFP 指數(shù)［6］。利用DEA 方法的研究較為豐富，司桂霞等［7］、劉偉［8］、劉和東等［9］以及易明等［10］眾多學者利用DEA 方法考察了全國以及不同地區(qū)之間高技術(shù)產(chǎn)業(yè)分行業(yè)的生產(chǎn)效率和創(chuàng)新效率；韓晶［11］、劉云等［12］以及陳娜等［13］等學者則較多利用SFA 方法，考察了我國高技術(shù)產(chǎn)業(yè)分行業(yè)的研發(fā)或創(chuàng)新效率。

綜上所述，過往運用DEA 或者SFA 方法對高新技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率進行測度的研究雖在一定程度上推動了相關(guān)研究的不斷發(fā)展，然而卻有兩個比較突出的不足。首先，從過往文獻可以探知，基于產(chǎn)業(yè)面板數(shù)據(jù)的分析而言，DEA 是更為準確的全要素生產(chǎn)率測度方法［14］。但傳統(tǒng)的DEA 模型所測度出來的全要素生產(chǎn)沒有考慮或者準確設(shè)定外部環(huán)境和隨機誤差對效率值的影響，從而容易造成測算結(jié)果失真。其次，過往文獻對于高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的研究多將視角停留在靜態(tài)或動態(tài)研究上，而對于整體產(chǎn)業(yè)在較長時間范圍內(nèi)進行動靜態(tài)結(jié)合的研究卻不多，并不能全面反映全要素生產(chǎn)率的情況?；诖?，考慮到較長時期內(nèi)中國高技術(shù)產(chǎn)業(yè)的發(fā)展歷程，本文系統(tǒng)地測算了“十一五”至“十三五”規(guī)劃期間（2006—2020 年）我國高技術(shù)產(chǎn)業(yè)的靜態(tài)效率和動態(tài)效率，以期全面反映中國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的發(fā)展變化及區(qū)域差異，其中靜態(tài)效率采用將傳統(tǒng)DEA 與SFA 相結(jié)合的三階段DEA 模型，有效剝離外部環(huán)境因素以及隨機誤差的影響，據(jù)此得到的高技術(shù)產(chǎn)業(yè)TFP 更加準確有效。

2 研究方法與數(shù)據(jù)說明

2.1 三階段DEA

Fried 等［15］提出的三階段DEA 方法，其將DEA方法與SFA 方法有效進行結(jié)合，并剔除了環(huán)境變量以及隨機誤差對于效率值的影響，使得測度結(jié)果更加準確。該模型具體步驟如下：

第一階段：DEA-BCC 模型。在這一階段當中，本文采用原始投入產(chǎn)出數(shù)據(jù)進行初次效率值的評價，由于該階段模型運用非常廣泛，本文不再贅述。

基于SFA 模型式（1）的回歸結(jié)果，可得出各環(huán)境變量對于投入松弛變量的不同影響程度，然后對決策單元的投入項進行調(diào)整，進而剝離環(huán)境因素或隨機擾動因素的影響。以最有效的決策單元為基礎(chǔ)，以其投入變量為標準，調(diào)整公式如式（2）所示：

第三階段：調(diào)整后的DEA 模型。將第二階段得到調(diào)整過后的投入變量與原始產(chǎn)出變量再次代入DEA-BCC 模型進行效率值測算，由此得到剔除環(huán)境因素和隨機因素影響后的各決策單元的效率值。

2.2 Malmquist 生產(chǎn)率指數(shù)

鑒于三階段DEA 模型是對我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的靜態(tài)分析，因而本文將構(gòu)建Malmquist 生產(chǎn)率指數(shù)對全要素生產(chǎn)率進行動態(tài)分析。Malmquist生產(chǎn)率指數(shù)最早是由Malmquist［16］在1953 年提出的。Fare 等［17］將這一模型與DEA 方法相結(jié)合，進而能夠?qū)⑷厣a(chǎn)率進行分解，這才使得Malmquist 生產(chǎn)率指數(shù)被越來越多的學者所應用。限于篇幅，本文僅給出最終表達式如下：

王樹林出了電梯，手機已然開啟。并沒有再次出現(xiàn)短信。他快步地朝小區(qū)大門而去，雨未停，空氣清涼。一路上思磨著那兩個問號的意義，猶豫著是否要回撥一個電話。他和伍亦苒有過設(shè)定，他們的交往過程追尋的就是快樂?；罢蹠r直須折，莫待花落空折枝。任何一方?jīng)]有任何消息的時候一定有諸多不便，換句話說，另一方無須抱怨和勉強，他們都以不破壞現(xiàn)實狀態(tài)為最高出發(fā)點。

式（4）中：第一項代表技術(shù)進步變化指數(shù)（T ECHCH）；第二項代表技術(shù)效率變化指數(shù)（EFFCH），其主要是表示決策單元對現(xiàn)階段技術(shù)的利用效果，若EFFCH 大于1 表示決策單元越靠近生產(chǎn)前沿面，技術(shù)效率有所提高，若EFFCH 小于1則表示本決策單元對于現(xiàn)階段技術(shù)利用效果不甚理想。其中EFFCH 又可以再分解成純技術(shù)效率變化指數(shù)（PECH）和規(guī)模效率變化指數(shù)（SECH）。所以，式（4）中的Malmquist 指數(shù)可進一步分解如下：

式（5）中：VRS 為規(guī)模報酬效率變動；CRS 為規(guī)模報酬不變；第一項代表技術(shù)進步指數(shù)，第二項代表純技術(shù)效率變化指數(shù)，第三項代表規(guī)模效率變化指數(shù)。

2.3 指標選取和數(shù)據(jù)來源

2.3.1 指標選取

高技術(shù)產(chǎn)業(yè)的產(chǎn)出既要體現(xiàn)市場競爭力，又要展示知識密集型產(chǎn)業(yè)的技術(shù)集成特性，因而借鑒劉偉等［8］和楊青峰［18］等學者的研究，采用各省高技術(shù)產(chǎn)業(yè)主營業(yè)務(wù)收入和專利申請數(shù)作為產(chǎn)出變量指標，投入綜合表現(xiàn)為人力、物力、財力等三個維度，高技術(shù)產(chǎn)業(yè)在研發(fā)人員、先進科研設(shè)備與基礎(chǔ)設(shè)施建設(shè)方面均有較高要求，借鑒成定平等［19］和劉颯等［20］學者研究，采用各省高技術(shù)產(chǎn)業(yè)各年度從業(yè)人員平均人數(shù)、研究機構(gòu)數(shù)以及固定資產(chǎn)投資額作為投入變量指標。高技術(shù)產(chǎn)業(yè)以高投入性、高風險性、高技術(shù)復雜性等特點著稱，承擔著實現(xiàn)科技強國的戰(zhàn)略支撐作用，必然離不開政府政策傾斜與財政支持；而一個地區(qū)的經(jīng)濟發(fā)展程度代表了地區(qū)綜合競爭實力發(fā)達地區(qū)意味著更大的市場容量、更好的區(qū)位優(yōu)勢和更強的科技實力；與此同時，高技術(shù)產(chǎn)業(yè)往往會呈現(xiàn)集聚效應，以便實現(xiàn)成本、產(chǎn)能和市場的協(xié)同優(yōu)化；再結(jié)合高技術(shù)產(chǎn)業(yè)對于高層次人才的客觀需求，本文借鑒李洪偉等［21］和李宏寬等［22］學者的研究，采用各地區(qū)政府經(jīng)費支出占企業(yè)R&D經(jīng)費內(nèi)部支出的比重來度量政府支持（Gov），各地區(qū)生產(chǎn)總值（GDP）來度量地區(qū)發(fā)展水平（GDP），各地區(qū)高技術(shù)企業(yè)數(shù)來衡量地區(qū)市場結(jié)構(gòu)（MAR），每十萬人口高等學校平均在校生數(shù)衡量人力資本（Edu）。

2.3.2 數(shù)據(jù)來源與處理

本文針對“十一五”至“十三五”期間中國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的空間差異與變化趨勢進行分析。為保持數(shù)據(jù)的完整性和可得性，剔除了數(shù)據(jù)缺失的西藏自治區(qū)及港、澳、臺地區(qū)，收集了“十一五”至“十三五”期間（2006—2020 年）30 個省級行政區(qū)的相關(guān)數(shù)據(jù)，因此本文實際決策單元為30 個省級行政區(qū)。投入和產(chǎn)出指標數(shù)據(jù)取自《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》（2007—2021 年），并根據(jù)相應年度各省統(tǒng)計年鑒所提供的居民價格指數(shù)、固定資產(chǎn)投資價格指數(shù)構(gòu)架以2005 年為基期的平減指數(shù)分別對主營業(yè)務(wù)收入和固定資產(chǎn)投資額進行平減。環(huán)境變量指標數(shù)據(jù)取自《中國統(tǒng)計年鑒》（2007—2021 年）及各省份《統(tǒng)計年鑒》（2007—2021 年）。

3 實證分析與結(jié)果

3.1 三階段DEA 的實證分析

第一階段運用DEAP2.1 軟件測算了“十一五”至“十三五”期間（2006—2020 年）30 個省份高技術(shù)產(chǎn)業(yè)的綜合技術(shù)效率（TE），純技術(shù)效率（PTE）以及規(guī)模技術(shù)效率（SE），如表1 所示。

表1 我國30 個省份高技術(shù)產(chǎn)業(yè) 十一五 至 十三五 期間第一階段和第三階段DEA 效率測量結(jié)果對比

本文考察了“十一五”至“十三五”期間我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的變化情況，由表1 可見，從總體來看，“十一五”至“十二五”期間我國高技術(shù)產(chǎn)業(yè)綜合效率、純技術(shù)效率和規(guī)模效率都得到了較為明顯的提升，而“十二五”至“十三五”期間我國高技術(shù)產(chǎn)業(yè)綜合效率、純技術(shù)效率規(guī)模效率則總體維持在原有水平，但帶有不同程度的下降趨勢，這也契合了我國經(jīng)濟將從高速增長向高質(zhì)量增長的大背景趨勢。在“十一五”至“十三五”期間高技術(shù)產(chǎn)業(yè)綜合效率有效地區(qū)數(shù)量由3 個提升至4個，其中北京、上海和廣東地區(qū)均有效；純技術(shù)效率有效地區(qū)數(shù)量由6 個提升至9 個，其中山東、寧夏和新疆地區(qū)由純技術(shù)效率無效進步為純技術(shù)效率有效；規(guī)模效率有效地區(qū)則由3 個提升至4 個，其中天津由規(guī)模效率無效進步為規(guī)模效率有效。但到了“十二五”至“十三五”期間高技術(shù)產(chǎn)業(yè)綜合效率有效地區(qū)數(shù)量由4 個反降至3 個，其中北京、上海和廣東地區(qū)仍均有效，純技術(shù)效率有效地區(qū)數(shù)量由9 個反降至5 個，天津、山東、寧夏和新疆跌出有效地區(qū)行列，規(guī)模效率有效地區(qū)由4 個反降至3個，天津跌出有效地區(qū)行列。需要指出的是，盡管在“十一五”至“十三五”期間整體綜合效率得到了提升，但“十一”期間全國僅有12 個地區(qū)的綜合效率能夠高于均值，到了“十二五”期間同樣是12個地區(qū)高于均值，即使是到了“十三五”期間也只有13 個地區(qū)高于均值，這表明各地區(qū)高技術(shù)產(chǎn)業(yè)發(fā)展水平差異較為明顯。由于以上測算結(jié)果并未剝離環(huán)境因素和隨機因素的干擾，存在各地區(qū)高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率測算失真的可能性，因此本文將做進一步的調(diào)整和測度。

3.1.2 第二階段SFA 回歸結(jié)果

將從業(yè)人員平均人數(shù)、研究機構(gòu)數(shù)以及固定資產(chǎn)投資額等投入變量的冗余值作為被解釋變量，政府干預、地區(qū)發(fā)展水平、地區(qū)市場結(jié)構(gòu)和人力資本等環(huán)境變量作為解釋變量，從而構(gòu)建出3 個SFA 回歸模型，回歸結(jié)果如表2 所示。

表2 變量的第二階段回歸分析結(jié)果

從表2 中可知，三個SFA 模型單邊誤差的似然比檢驗T 值均在1%水平下通過顯著性檢驗，拒絕原假設(shè)，表明模型設(shè)置合理，適宜運用SFA 進行回歸分析。其中γ值趨近于1，證明在混合誤差項中間管理無效率對投入松弛變量的作用力占據(jù)主導地位，而隨機擾動對投入松弛變量的作用力較小。與此同時，投入冗余可以看作是各地區(qū)之間的機會成本，若回歸系數(shù)結(jié)果為正，則投入松弛變量與解釋變量是正相關(guān)的，代表著解釋變量的提升對于投入冗余的降低起反向作用；若回歸系數(shù)結(jié)果為負，則表明解釋變量的提升會使得松弛變量降低，從而解釋變量的提升將有助于提升高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率。本文將從表2 中分析對投入松弛變量具有顯著影響的環(huán)境變量：

（1）政府支持。計算結(jié)果表明，政府支持與從業(yè)人員平均人數(shù)和固定資產(chǎn)投資額松弛變量的回歸系數(shù)為正值，與研究機構(gòu)數(shù)松弛變量的回歸系數(shù)為負值，且均在1%水平下顯著。這意味著政府對于高技術(shù)產(chǎn)業(yè)投資的增加與高技術(shù)產(chǎn)業(yè)就業(yè)人數(shù)以及技術(shù)研發(fā)創(chuàng)新有著密切的相關(guān)性。而其與從業(yè)人員平均人數(shù)和固定資產(chǎn)投資額松弛變量的系數(shù)為正相關(guān)關(guān)系，說明政府支持更加傾向于通過各種產(chǎn)業(yè)政策來激勵高技術(shù)企業(yè)進行高端和前沿技術(shù)研發(fā)，引導企業(yè)進行投融資、生產(chǎn)以及合并重組［23-24］,而較少直接運用固定資產(chǎn)投資和從業(yè)人員的調(diào)配來干預高技術(shù)產(chǎn)業(yè)的發(fā)展。

（2）地區(qū)發(fā)展水平。計算結(jié)果表明，地區(qū)發(fā)展水平與從業(yè)人員平均人數(shù)、研究機構(gòu)數(shù)和固定資產(chǎn)投資額3 個投入松弛變量的回歸系數(shù)為正，其中固定資產(chǎn)投資額松弛變量在1%水平下顯著，從業(yè)人員平均人數(shù)松弛變量在5%水平下顯著，研究機構(gòu)數(shù)松弛變量在10%水平下顯著。這意味著地區(qū)發(fā)展水平越高，反而不利于高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的提升。這是由于地區(qū)發(fā)展水平較高的地區(qū)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級通常較早，但盲目擴大高技術(shù)產(chǎn)業(yè)產(chǎn)能，而不重視前沿技術(shù)的研發(fā)，使得技術(shù)發(fā)展遲緩，大多數(shù)企業(yè)處于低技術(shù)、低附加值的狀態(tài)，導致出現(xiàn)產(chǎn)出增長但生產(chǎn)效率卻背道而馳的效果，與此同時，甚至造成了同質(zhì)化產(chǎn)能過剩以及資源錯配等諸多問題［25-26］。

（3）地區(qū)市場結(jié)構(gòu)。計算結(jié)果表明，地區(qū)市場結(jié)構(gòu)與3 個投入松弛變量的回歸系數(shù)為負，且從業(yè)人員平均人數(shù)和固定資產(chǎn)投資額松弛變量在1%水平下顯著，研發(fā)機構(gòu)數(shù)松弛變量在10%水平下顯著。這意味著，高技術(shù)企業(yè)數(shù)能夠有效減少從業(yè)人員平均人數(shù)和固定資產(chǎn)投資額的冗余，提升產(chǎn)業(yè)TFP。最優(yōu)市場的規(guī)模是一定的，企業(yè)數(shù)的增加會推動企業(yè)提升各自的核心競爭力，以求獲得更多市場份額，如此便使得整個產(chǎn)業(yè)能夠得到更好的發(fā)展。這進一步體現(xiàn)了高技術(shù)產(chǎn)業(yè)規(guī)模效應與集聚效應對于產(chǎn)業(yè)TFP 的正向效應［27］。

（4）人力資本。計算結(jié)果表明，人力資本與從業(yè)人員平均人數(shù)投入松弛變量的回歸系數(shù)為正，與研發(fā)機構(gòu)數(shù)和固定資產(chǎn)投資額松弛變量的回歸系數(shù)為負，且從業(yè)人員平均人數(shù)和固定資產(chǎn)投資額松弛變量在1%水平下顯著。這意味著人力資本降低了固定資產(chǎn)投資投入冗余，卻加重了從業(yè)人員平均人數(shù)投入冗余，從業(yè)人員未能得到充分有效地利用，從而致使其對高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的提升產(chǎn)生了負面作用。高技術(shù)產(chǎn)業(yè)作為技術(shù)密集型和知識密集型產(chǎn)業(yè)，對于人才的引進、培訓、儲備以及應用都是至關(guān)重要的，因而有效提升人力資本的利用效率對于高技術(shù)產(chǎn)業(yè)的發(fā)展有著深遠的意義［28］。

3.1.3 第三階段調(diào)整后的DEA 測算結(jié)果

依據(jù)第二階段的測度結(jié)果對原始投入變量進行調(diào)整，從而獲得調(diào)整后的投入變量，仍舊選取原始產(chǎn)出變量作為產(chǎn)出數(shù)據(jù)，應用DEA-BCC 模型進行測算，從而獲得更加客觀的計算結(jié)果，如表1 所示。

通過表1 中第三階段與第一階段效率值的比較可以發(fā)現(xiàn)，通過調(diào)整后，在“十一五”至“十三五”期間我國高技術(shù)產(chǎn)業(yè)綜合效率均值由第一階段的0.532、0.662 和0.626 變?yōu)榈谌A段的0.402、0.601和0.567，三個時期的綜合效率均值在經(jīng)過調(diào)整后均呈現(xiàn)一定幅度的下降，這表明我國高技術(shù)產(chǎn)業(yè)綜合效率被高估。三個時期的規(guī)模效率分別由第一階段的0.860、0.885 和0.84 調(diào)整為第三階段的0.620、0.843和0.573。同理可知，外部環(huán)境因素虛高了我國高技術(shù)產(chǎn)業(yè)規(guī)模效率。而兩個時期的純技術(shù)效率均值由第一階段的0.636、0.762 和0.761 調(diào)整為第三階段的0.910、0.972 和0.992，都得到了一定幅度的提升，表明之前相對較低的純技術(shù)效率水平是由于較差的外部環(huán)境因素所造成的，并沒有體現(xiàn)出其真實水平，“十三五”期間高技術(shù)產(chǎn)業(yè)的資源配置、技術(shù)研發(fā)以及組織管理水平已經(jīng)得到了顯著改善和提升。從我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率影響因素來看，純技術(shù)效率經(jīng)過調(diào)整后得到了顯著提升，規(guī)模效率無效成為導致高技術(shù)產(chǎn)業(yè)綜合效率無效的主要因素。說明我國高技術(shù)產(chǎn)業(yè)并未形成產(chǎn)業(yè)集聚并轉(zhuǎn)化為規(guī)模優(yōu)勢，成為制約高技術(shù)產(chǎn)業(yè)綜合效率提升的瓶頸與障礙。因此，為有效提升我國高技術(shù)產(chǎn)業(yè)綜合效率，首要任務(wù)是實現(xiàn)高技術(shù)企業(yè)的規(guī)?；l(fā)展，從而促進整體綜合效率的提高，這也是優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實現(xiàn)高質(zhì)量發(fā)展的應有之義。

3.2 基于Malmquist 生產(chǎn)率指數(shù)的高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率分析

以上運用的三階段DEA 模型是對高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的靜態(tài)分析比較，為了深入研究我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率的動態(tài)變化，本文利用Malmquist 生產(chǎn)率指數(shù)模型，進一步探究全要素生產(chǎn)率的變動原因。本文借鑒盧曦等［29］的方法，將剝離了外部環(huán)境因素和隨機擾動因素的各投入變量以及原始產(chǎn)出變量代入Malmquist 生產(chǎn)率指數(shù)模型進行測算。具體測算結(jié)果如表3 所示。

從表3 可知，整體來看，我國高技術(shù)產(chǎn)業(yè)在“十一五”至“十三五”期間全要素生產(chǎn)率年均增長率呈現(xiàn)一個震蕩發(fā)展態(tài)勢，“十一五”至“十二五”時期高速發(fā)展，年均增速從9.7% 大幅提升至“十二五”時期的19%，但在“十三五”時期卻出現(xiàn)-8.5%的負增長態(tài)勢。從全要素生產(chǎn)率的分解來看，“十一五”至“十三五”期間技術(shù)效率對于高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率則在“十三五”期間有了更明顯衰減跡象，由8.5%的年均增速提升至12.6%，又出現(xiàn)-9.6%的負增長；而技術(shù)進步，雖延續(xù)了整體先增長后倒退的發(fā)展趨勢，但整體表現(xiàn)更為平穩(wěn)，由4.2%提升至5.5%，再略微倒退至-0.6%。總體來說，高技術(shù)產(chǎn)業(yè)技術(shù)效率對全要素生產(chǎn)率的貢獻更為顯著，而技術(shù)進步的降速并不利于產(chǎn)業(yè)的長遠發(fā)展，這需要引起我們的足夠重視，需要大力支持高技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新研發(fā)能力，進而推動全要素生產(chǎn)率的不斷提升。技術(shù)效率的分解結(jié)果顯示，我國高技術(shù)產(chǎn)業(yè)純技術(shù)效率和規(guī)模效率有著不同的發(fā)展趨勢，前者由1%的年均增速降至-1.2%，隨后逆流而上提升至5.3%；后者則未能幸免，從8.6%提升至14.3%，再驟降至-14.4%。這從一個側(cè)面反映出我國高技術(shù)產(chǎn)業(yè)技術(shù)效率改進已經(jīng)由純技術(shù)效率為主轉(zhuǎn)變?yōu)橐?guī)模效率為主，這與靜態(tài)分析的結(jié)論是保持一致的。

表3 我國30 個省份高技術(shù)產(chǎn)業(yè)“十一五”至“十三五”期間Malmquist 生產(chǎn)率指數(shù)及其分解

表3 （續(xù)）

4 研究結(jié)論與政策建議

本文通過三階段DEA 以及Malmquist 生產(chǎn)率指數(shù)對我國高技術(shù)產(chǎn)業(yè)在“十一五”至“十三五”期間（2006—2020 年）全要素生產(chǎn)率的發(fā)展變化進行了靜態(tài)和動態(tài)的分析研究。在剝離了外部環(huán)境因素和隨機擾動因素后，三個時期全要素生產(chǎn)率發(fā)生了明顯變化，“十一五”至“十三五”期間綜合效率以及規(guī)模效率都被高估，而純技術(shù)效率都被低估。純技術(shù)效率對于綜合效率的貢獻度在兩個時期都處于主導地位，表明我國高技術(shù)產(chǎn)業(yè)在提升技術(shù)水平以及管理水平上達到了一定水平，但規(guī)模效率卻相差甚遠，我國尚未形成高技術(shù)產(chǎn)業(yè)集聚優(yōu)勢。從體現(xiàn)動態(tài)變化的Malmquist 生產(chǎn)率指數(shù)來看，我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率在“十一五”至“十三五”期間年均增速總體表現(xiàn)不夠穩(wěn)定，在“十二五”階段達到一個高點后進入了“十三五”階段的低潮期，規(guī)模效率遲緩明顯制約了全要素生產(chǎn)率的發(fā)展，這需要我們重視高技術(shù)產(chǎn)業(yè)集聚規(guī)?；闹匾?。同時，技術(shù)進步保持在穩(wěn)定區(qū)間，表明我國高技術(shù)產(chǎn)業(yè)技術(shù)效率改進始終是以純技術(shù)效率為主導。

基于上述實證結(jié)果，本文提出以下兩點政策建議：

第一，中國高技術(shù)產(chǎn)業(yè)從20 世紀50 年代起步以來，已經(jīng)初步完成資本積累過程，產(chǎn)業(yè)形成了一定技術(shù)研發(fā)和管理水平進步成果，未來應當更加重視打造高技術(shù)產(chǎn)業(yè)集群集聚工作。各地區(qū)應當以市場為主導，加快傳統(tǒng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型優(yōu)化升級的步伐，深入挖掘結(jié)構(gòu)紅利不斷擴大高技術(shù)產(chǎn)業(yè)規(guī)模，同時完善內(nèi)部結(jié)構(gòu)，繼續(xù)提升高技術(shù)產(chǎn)業(yè)技術(shù)進步水平，以集聚促活力，這樣才能更好推動高技術(shù)產(chǎn)業(yè)實現(xiàn)高質(zhì)量發(fā)展。在當前高技術(shù)產(chǎn)業(yè)日益成長為戰(zhàn)略性產(chǎn)業(yè)的進程中，政府要積極引導和支持高技術(shù)產(chǎn)業(yè)的發(fā)展，全面實施國內(nèi)國際雙循環(huán)驅(qū)動戰(zhàn)略，降低國內(nèi)外資源的準入門檻。提高人力資本結(jié)構(gòu)水平，高技術(shù)產(chǎn)業(yè)作為知識密集型和技術(shù)密集型產(chǎn)業(yè)，人才對于產(chǎn)業(yè)的影響比其他任何領(lǐng)域都要更加深遠。

第二，中國各地區(qū)高技術(shù)產(chǎn)業(yè)的發(fā)展體現(xiàn)出一定的空間梯度格局，應當加速釋放空間梯度格局下的產(chǎn)業(yè)全要素生產(chǎn)率增長潛力。目前，部分東北部地區(qū)以及中、西部地區(qū)全要素生產(chǎn)率年均增速達到了新的高度，未來中國應當更加清晰地認識和把握區(qū)域空間梯度發(fā)展格局下地區(qū)資源轉(zhuǎn)移機遇。重點提升東部地區(qū)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新水平，加快中、西部以及東北地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，加大對高技術(shù)產(chǎn)業(yè)的扶持與引導，這也將是引領(lǐng)中國由傳統(tǒng)粗放型經(jīng)濟增長模式轉(zhuǎn)變?yōu)橐揽縿?chuàng)新驅(qū)動的可持續(xù)發(fā)展模式的重點區(qū)域。