孫 龍,雷良海

(上海理工大學(xué) 管理學(xué)院,上海 200093)

改革開放以來,中國創(chuàng)新發(fā)展經(jīng)歷了“引進(jìn)-吸收-模仿”三階段,逐步轉(zhuǎn)入了依靠自主創(chuàng)新推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)鍵時期[1]。但近年來,中國創(chuàng)新產(chǎn)出并未隨著投入的大幅增加而同步增長:2017～2020年中國國內(nèi)研發(fā)支出總額的年均增長率高達(dá)11.15%,按購買力平價計算,2020年中國研發(fā)支出總額已達(dá)到3 420億美元,僅次于美國,位列世界第二。然而,同期中國發(fā)明專利申請數(shù)的年均增長率僅為2.71%,發(fā)明專利申請數(shù)占專利申請總數(shù)的比重更是從37.36%降至28.82%,這些都反映出中國創(chuàng)新領(lǐng)域愈發(fā)受到邊際效益遞減規(guī)律的嚴(yán)重影響[2]。尤其后疫情時代愈演愈烈的逆全球化浪潮,更加劇了提高中國自主創(chuàng)新能力的迫切性。Arrow[3]明確指出,反映創(chuàng)新能力的技術(shù)水平是強烈依靠研發(fā)投資積累的,這意味著中國創(chuàng)新投入還要進(jìn)一步增加,效率瓶頸需要盡快突破。規(guī)模以上工業(yè)企業(yè)是中國創(chuàng)新發(fā)展的重要承載[4],集中了一大批有人力、有資金、有技術(shù)的工業(yè)企業(yè),涵蓋了代表知識密集型的高端裝備制造業(yè)。為此,本文將重點研究中國規(guī)模以上工業(yè)企業(yè)的創(chuàng)新資源配置效率問題。

創(chuàng)新資源配置效率表示單位科技創(chuàng)新投入要素合理有序地分配到創(chuàng)新部門,經(jīng)過整合按照最優(yōu)組合進(jìn)行創(chuàng)新活動后所獲得的最大產(chǎn)出水平[5],這一產(chǎn)出水平會因所處環(huán)境的變化而發(fā)生改變[6]。近年來,國內(nèi)外學(xué)者在創(chuàng)新效率的研究內(nèi)容和方法上愈發(fā)趨同。Giedre等[7]以及Ana等[8]分別采用DEA和SFA 兩種不同方法研究了歐洲地區(qū)創(chuàng)新系統(tǒng)的效率水平。Broekel等[9]利用改進(jìn)的共享投入DEA模型估算了德國的創(chuàng)新效率。Aparicio等[10]則在效率測度方法上進(jìn)行探討,認(rèn)為DEA 方法存在對多維度邊界超載問題,并對此提出了一些改進(jìn)。朱承亮等[11]以及李作志等[12]也分別采用SFA 和DEA 方法聚焦中國研發(fā)效率的評價,并分別從人力資本和研發(fā)投入分配方面提出了政策建議。趙聚輝等[13]通過構(gòu)建DEA-BCC 模型對中國科技研發(fā)2014～2016 年的指標(biāo)進(jìn)行靜態(tài)研究,并結(jié)合Malmquist指數(shù)做出動態(tài)分析,指出了中國省域科技研發(fā)效率存在顯著差異。劉蘭劍等[14]通過DEA與Malmquist指數(shù)相結(jié)合的方法對比了中國和OECD 創(chuàng)新型國家間科技投入產(chǎn)出效率,結(jié)果表明,中國全要素生產(chǎn)率的提高來自規(guī)模效應(yīng)而非研發(fā)效率。

現(xiàn)有研究存在兩大局限:①內(nèi)容上,局限在R&D 效率,使得對創(chuàng)新活動的認(rèn)識缺乏完整性。R&D 固然是影響整體創(chuàng)新產(chǎn)出的關(guān)鍵環(huán)節(jié),R&D后的科技成果轉(zhuǎn)化、產(chǎn)業(yè)化等階段也同樣重要,以往研究缺乏對R&D 效率和生產(chǎn)效率相互聯(lián)系的分析框架而無法正確估計創(chuàng)新效率。②方法上,DEA和SFA 雖然都具有研究效率問題的優(yōu)勢,但也都存在顯著缺陷。DEA 為確定性非參數(shù)方法,最早由Charnes等[15]提出,它無須提前假設(shè)特定函數(shù)形式,且包容性強,可處理多投入多產(chǎn)出等情況;但缺乏統(tǒng)計特性,即對于樣本觀測點到生產(chǎn)前沿面間的殘差估計量中只包含非有效部分,并未涵蓋隨機誤差或噪音[16-17]。SFA 為隨機參數(shù)方法,首先由Aigner等[18]以 及 Meeusen 等[19]分別獨立提出,后經(jīng)Battese等[20]改進(jìn)推廣。它考慮到了噪聲對生產(chǎn)前沿面估計的影響,能有效分離純粹的隨機誤差和非效率項,但需要提前設(shè)定特定的函數(shù)形式,而恰當(dāng)?shù)暮瘮?shù)形式和誤差項分布往往難以確定,最終可能導(dǎo)致估計的嚴(yán)重偏差[21-22]。

針對現(xiàn)有研究的不足,本文以中國省際規(guī)模以上工業(yè)企業(yè)為研究對象,從內(nèi)容和方法上進(jìn)行改進(jìn):首先,借鑒創(chuàng)新價值鏈理論將創(chuàng)新活動劃分為技術(shù)成果研發(fā)和轉(zhuǎn)化兩個緊密聯(lián)系的階段,并通過專利指標(biāo)作為研發(fā)產(chǎn)出和轉(zhuǎn)化投入來銜接兩者,用兩階段創(chuàng)新資源配置效率來全面反映企業(yè)的創(chuàng)新效率問題。其次,為更好地綜合上述兩種傳統(tǒng)方法的優(yōu)點并規(guī)避其各自的缺點,本文采用隨機非參數(shù)數(shù)據(jù)包絡(luò)(Stochastic Nonparametric Envelopment of Data,StoNED)分析方法[23]進(jìn)行研究。StoNED 將DEA 的非參數(shù)邊界與SFA 對效率殘差項和噪聲項的處理整合在一個前沿分析的框架內(nèi),利用兩種方法的優(yōu)勢來解決效率評估問題。StoNED 方法處于研究初期,目前使用較少,國內(nèi)少數(shù)學(xué)者進(jìn)行了有益探索。其中:周四軍等[24]通過測算商業(yè)銀行效率從理論和實證兩方面驗證了StoNED 模型比超效率DEA 模型更合理;沈小波等[25]利用StoNED 模型對中國工業(yè)部門體現(xiàn)的和非體現(xiàn)的技術(shù)進(jìn)步進(jìn)行了估算;謝建輝等[17]通過對比DEA 指出了StoNED模型的優(yōu)越性并提出了改進(jìn);范德成等[6]利用中國高端裝備制造業(yè)數(shù)據(jù)對行業(yè)科技創(chuàng)新資源配置效率進(jìn)行了測算,并甄別出了企業(yè)規(guī)模等具有顯著作用的影響因素。

本文分為兩個部分:①將科技創(chuàng)新活動劃分為技術(shù)成果研發(fā)和技術(shù)成果轉(zhuǎn)化兩個前后銜接緊密的階段,利用StoNED 方法估算中國各省規(guī)模以上工業(yè)企業(yè)在科技創(chuàng)新兩階段的資源配置效率;②在估算的兩階段效率值基礎(chǔ)上,運用Tobit模型分別對可能影響效率的地區(qū)經(jīng)濟(jì)發(fā)展水平、地區(qū)科研實力、政府支持力度、企業(yè)重視程度及企業(yè)資產(chǎn)規(guī)模5個影響因素進(jìn)行研究,找出影響兩階段效率的關(guān)鍵因素,有針對性地提出改善創(chuàng)新資源配置效率的政策建議。這對改善當(dāng)前科技創(chuàng)新領(lǐng)域的資源配置浪費現(xiàn)象,提高技術(shù)研發(fā)和成果轉(zhuǎn)化兩個階段的創(chuàng)新產(chǎn)出具有重要的理論和現(xiàn)實意義。

1 理論模型和測度方法

1.1 靜態(tài)橫截面數(shù)據(jù)StoNED模型

假定生產(chǎn)函數(shù)f:y=f(x)為單調(diào)遞增的凹函數(shù),x為投入變量,y為產(chǎn)出變量,f為可能的生產(chǎn)集。根據(jù)SFA 模型,引入一個隨機成分表示真實值與觀測值之間的偏差,即εi=vi-ui。其中:ui>0為非效率項,反映企業(yè)自身可控制但未達(dá)最優(yōu)的部分,由于無效率會提高成本,故ui服從單邊分布;vi反映統(tǒng)計噪聲的隨機誤差項,服從vi～N(0,δ2)。則生產(chǎn)函數(shù)形式為

采用矩方法來估計StoNED 模型,包括3步:①對殘差的凹面非參數(shù)最小二乘法;②基于條件分布的無效率項的估計;③StoNED 效率值E的估計。

1.1.1的估計 StoNED 模型采用凹面非參數(shù)最小二乘法(CNLS)對合成誤差項εi進(jìn)行估計,相比普通最小二乘法(OLS)和調(diào)整最小二乘法(MOLS),其優(yōu)點在于考慮了更為一般的單調(diào)凹回歸函數(shù)的非參數(shù)形式,且允許截距和斜率隨著樣本個體變化而改變?？梢詫憺槿缦露我?guī)劃問題:

對于未事先設(shè)定固定生產(chǎn)函數(shù)的形式,CNLS模型是采用一種非特定的生產(chǎn)函數(shù)形式來估計n個切超平面。第1個約束條件為線性回歸方程,其中斜率系數(shù)βi為要素i的邊際產(chǎn)出;第2個約束條件通過不等式的形式保證了函數(shù)的凹性特征;第3個約束條件保證了函數(shù)單調(diào)遞增的性質(zhì)。

1.1.2的估計 為分離非效率項ui和隨機誤差項vi,當(dāng)合成誤差項εi顯著偏倚時,可通過矩估計計算和。首先計算合成誤差項的二階和三階中心距,即:

m2、m3分別為真實矩μ2、μ3的一致估計量,進(jìn)一步可得:

由式(3)和(4)可求得和的一致估計量分別為:

非效率項ui的均值和方差分別為:

式中:φ是標(biāo)準(zhǔn)正態(tài)分布函數(shù);Φ是標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)。

1.1.3 效率值E的估計 由于合成誤差項εi導(dǎo)致了產(chǎn)出觀測值yi與真實值f(xi)之間的差異,故效率公式可由式(1)兩邊同時除以f(xi)得到。且由于差異是由非效率項ui而非隨機誤差項vi引起的,故最終效率為

1.2 靜態(tài)面板數(shù)據(jù)StoNED模型

橫截面StoNED 模型無法直接適用本文研究的面板數(shù)據(jù),故采用相應(yīng)的面板數(shù)據(jù)StoNED 模型,即

同樣,生產(chǎn)函數(shù)是單調(diào)遞增且凹的,企業(yè)i在t期的隨機誤差項vit仍服從正態(tài)分布,即vit～N(0,)。由于是靜態(tài)模型,故生產(chǎn)函數(shù)f和無效率項ui不隨時間而變化。在單調(diào)性和凹性約束下,StoNED 模型的凹面非參數(shù)最小二乘估計為:

式中:第1個約束條件為回歸方程;第2個約束條件對生產(chǎn)函數(shù)施加了凹性限制;第3個約束條件保證生產(chǎn)函數(shù)的單調(diào)性。

綜上可知,效率的測度須由模型式(9)間接得出,效率值E可采用如下標(biāo)準(zhǔn)化形式表示:

1.3 動態(tài)StoNED 模型

橫截面數(shù)據(jù)背景下的StoNED 方法在效率領(lǐng)域已得到初步應(yīng)用,Kuosmanen[26]在此基礎(chǔ)上進(jìn)一步提出了面板數(shù)據(jù)背景下的StoNED 模型,并利用技術(shù)進(jìn)步的思想將其動態(tài)化。為了考察生產(chǎn)技術(shù)和無效率隨時間的變化,把時間t作為自變量納入生產(chǎn)函數(shù)f,即f(x,t),t=0,1,…,T;同時,假定無效率項ui也隨時間而變化,即ui(t),i=1,2,…,n;t=0,1,…,T。因此,有如下動態(tài)StoNED 模型:

假設(shè)技術(shù)進(jìn)步是產(chǎn)出遞增的、投入可加的,函數(shù)f(xit,t)可設(shè)為如下形式:

式中:f(xit,0)是基期生產(chǎn)函數(shù);函數(shù)Am(t):→R描述了投入體現(xiàn)的技術(shù)進(jìn)步。基期生產(chǎn)函數(shù)f(xit,0)的特性按照下述定理可延續(xù)至其他時期。

定理如果基期生產(chǎn)函數(shù)f(xit,0)對任意xit∈,t∈{0,1,…,T}是單調(diào)遞增的,且對?m=1,2,…,M;t=0,1,…,T有Am(t)≥0,則對所有xit∈,t∈{0,1,…,T},f(xit,t)是單調(diào)遞增的;如果f(xit,0)對任意xit∈,t∈{0,1,…,T}是全域凹的,則f(xit,t)對所有xit∈,t∈{0,1,…,T}也是全域凹的。

設(shè)定技術(shù)進(jìn)步Am(t)為時間的二次函數(shù),則

與技術(shù)進(jìn)步的參數(shù)化建模類似,對技術(shù)效率的時間變化建模也可以用參數(shù)函數(shù)來近似。設(shè)定無效率項ui(t)為二次多項式,則

該設(shè)定包含技術(shù)效率穩(wěn)定不變(bi=ci=0)、技術(shù)效率線性提高(bi>0,ci=0)和技術(shù)效率非線性提高(bi>0,ci≠0)等不同情形。

綜上可知,待估計的回歸方程如下所示:

為了估計模型式(15)中未知的函數(shù)f及參數(shù)α、β、θ、?、a、b、c和v,構(gòu)建如下凹面非參數(shù)最小二乘估計:

式中:第1個約束條件代表回歸方程,基期生產(chǎn)函數(shù)f(xit,0)用切超平面αit+βitxit表示;第2個約束條件對切超平面施加了凹性限制;第3個約束條件對生產(chǎn)函數(shù)f(xit,t)施加了單調(diào)遞增限制、對技術(shù)變化進(jìn)行了非負(fù)限制。

技術(shù)效率的度量必須從模型式(16)間接推斷。給定式(16)的參數(shù)估計和,企業(yè)i在t期的無效率估計的計算方法為

則效率值E可采用如下標(biāo)準(zhǔn)化形式:

1.4 Tobit模型

為進(jìn)一步了解中國省際規(guī)模以上工業(yè)企業(yè)科技創(chuàng)新資源配置效率的顯著性影響因素,本文以StoNED 模型所測算的效率值作為被解釋變量,以各影響因素作為解釋變量,設(shè)定多元線性回歸方程。由于StoNED 模型測度出來的效率值在特定的區(qū)間[0,1]之內(nèi),屬于受限因變量,倘若直接采用普通最小二乘法,可能會導(dǎo)致結(jié)果偏移或不一致,故采用受限因變量模型中的規(guī)范截取回歸模型,即面板Tobit模型,探究不同的影響因素對科技創(chuàng)新資源配置效率影響情況,即

式中:Yk為受限的被解釋變量;Xk為解釋變量;β為未知參數(shù)向量;μk～N(0,δ2)。

2 變量選取、數(shù)據(jù)來源及模型設(shè)定

2.1 變量選取及處理

依據(jù)創(chuàng)新價值鏈理論[27],本文將規(guī)模以上工業(yè)企業(yè)(以下簡稱“規(guī)上企業(yè)”)科技創(chuàng)新活動分為技術(shù)成果研發(fā)和技術(shù)成果轉(zhuǎn)化兩個階段。技術(shù)成果研發(fā)是指企業(yè)開展包括技術(shù)立項、研究、試驗和樣品試制等研發(fā)階段,是技術(shù)成果轉(zhuǎn)化的基礎(chǔ);技術(shù)成果轉(zhuǎn)化是指企業(yè)將試制成功的樣品進(jìn)一步試驗開發(fā)以論證生產(chǎn)工藝、降低生產(chǎn)成本及提高生產(chǎn)規(guī)模的產(chǎn)業(yè)化階段[28-29]。由于兩階段的創(chuàng)新活動內(nèi)容不同,其投入和產(chǎn)出變量的選擇也存在差異,本文研究將根據(jù)兩階段創(chuàng)新特征選取各自的投入產(chǎn)出資源要素,并分別測算創(chuàng)新資源配置效率。

2.1.1 技術(shù)成果研發(fā)階段 投入產(chǎn)出變量參考范德成等[6]的做法。投入變量從人力和資金兩個方面選取指標(biāo):①R&D 人員全時當(dāng)量(Labour1),衡量企業(yè)技術(shù)成果研發(fā)過程中的人力資本投入。②R&D 內(nèi)部經(jīng)費支出(RDfunds1),衡量企業(yè)研發(fā)技術(shù)方面的資金投入。③新產(chǎn)品開發(fā)經(jīng)費支出(NRDfunds 1),衡量企業(yè)對新技術(shù)試驗和對新產(chǎn)品試制的經(jīng)費投入。R&D 內(nèi)部經(jīng)費支出和新產(chǎn)品開發(fā)經(jīng)費支出全面涵蓋了企業(yè)在技術(shù)成果研發(fā)階段的各環(huán)節(jié)資金投入。企業(yè)技術(shù)成果研發(fā)階段主要以技術(shù)作為最終產(chǎn)出成果,包括新技術(shù)和改進(jìn)技術(shù)等,因此,產(chǎn)出變量選取規(guī)上企業(yè)的專利作為衡量標(biāo)準(zhǔn)。④專利申請量(Patent),衡量地區(qū)規(guī)上企業(yè)科技創(chuàng)新產(chǎn)出。

由于創(chuàng)新屬于知識生產(chǎn)過程,其產(chǎn)出不僅依賴當(dāng)前投入,還依賴于過去投入的積累,故R&D 內(nèi)部經(jīng)費支出和新產(chǎn)品開發(fā)經(jīng)費支出應(yīng)采用存量形式。首先以2011年為基期,用加權(quán)R&D 價格指數(shù)對兩項經(jīng)費支出進(jìn)行平減,消除價格變動影響[30];然后,采用永續(xù)盤存法(PIM)對價格平減后的經(jīng)費支出進(jìn)行存量計算[31-32]。計算公式為

式中:SEi,t與SEi.t-1分別為產(chǎn)業(yè)i在第t年和第t-1年的經(jīng)費支出存量;FEi.t為產(chǎn)業(yè)i在第t年當(dāng)年的經(jīng)費支出流量;δ為折舊率,本文取δ=15%。基期經(jīng)費支出存量的計算公式為

式中:FEi.1為產(chǎn)業(yè)i在基期的經(jīng)費支出流量;g為本文研究樣本年限范圍內(nèi)經(jīng)費支出的年均增長率。

2.1.2 技術(shù)成果轉(zhuǎn)化階段 技術(shù)成果轉(zhuǎn)化階段不僅有人力和資金投入,還有承接第1 階段的技術(shù)創(chuàng)新成果作為產(chǎn)業(yè)化的技術(shù)投入,因此,第1階段的產(chǎn)出變量就成了第2 階段的投入變量,正是因為“專利申請量”的存在,將本文研究的第1 和第2階段銜接在一起構(gòu)成了一個完整的創(chuàng)新流程。具體而言,投入變量包括:①專利申請量(Patent),衡量企業(yè)在技術(shù)成果應(yīng)用及推廣過程中的技術(shù)投入;②年末研發(fā)人員總數(shù)(Labour2),衡量企業(yè)在技術(shù)成果轉(zhuǎn)化階段的人力資本投入;③技術(shù)獲取及改造經(jīng)費投入(RDfunds2),包括企業(yè)引進(jìn)技術(shù)經(jīng)費支出、消化吸收經(jīng)費支出、購買境內(nèi)技術(shù)經(jīng)費支出和技術(shù)改造經(jīng)費支出,衡量企業(yè)在技術(shù)成果轉(zhuǎn)化過程中的資金投入。產(chǎn)出變量為新產(chǎn)品銷售收入(Income2),衡量企業(yè)將利用新技術(shù)開發(fā)的新產(chǎn)品推廣上市之后獲得的經(jīng)濟(jì)效益。這里,技術(shù)獲取及改造經(jīng)費投入也采取存量形式,計算方法同上。新產(chǎn)品銷售收入采取以2011 年為基期的居民消費物價指數(shù)平減處理。

由于技術(shù)成果研發(fā)和轉(zhuǎn)化具有時間滯后效應(yīng),故對上述兩個階段的投入變量進(jìn)行一階滯后處理,最終可估算2011～2019年的兩階段效率值。

2.1.3 影響因素變量 因為本文研究樣本為省際規(guī)上企業(yè),所以影響因素選取要包含地區(qū)和企業(yè)兩個方面特征,且創(chuàng)新涉及各創(chuàng)新主體,選取的影響因素應(yīng)盡量涵蓋企業(yè)、高校、科研院所和政府等主要社會創(chuàng)新主體。最終,共選取5個可能的影響因素并分為兩類。

區(qū)域特征:①地區(qū)經(jīng)濟(jì)要素。較好的經(jīng)濟(jì)實力可以更多支持創(chuàng)新并吸引人才,參考薛永剛[33]的做法,選取地區(qū)人均國內(nèi)生產(chǎn)總值來衡量地區(qū)經(jīng)濟(jì)發(fā)展水平(pGDP)。②地區(qū)科研要素。企業(yè)創(chuàng)新不是閉門造車,離不開對外合作,且受到所在地區(qū)科研基礎(chǔ)的影響,而一個地區(qū)的科技研發(fā)能力主要取決于該地區(qū)的高等院校及科研院所的數(shù)量[33],故選擇高校和科研院所數(shù)量總和衡量地區(qū)科研實力(SUM)。③地區(qū)政策要素。政府的支持直接關(guān)系著轄區(qū)企業(yè)的創(chuàng)新活力,參考肖振紅等[34]的做法,選擇政府財政科技支出占政府財政總支出的比重來衡量地區(qū)政府支持力度(GOV),即財政科技支出/財政總支出。

企業(yè)特征:①企業(yè)規(guī)模要素。資產(chǎn)規(guī)模決定著企業(yè)的研發(fā)機構(gòu)規(guī)模及研發(fā)投入水平[35],本文選擇地區(qū)規(guī)上企業(yè)平均資產(chǎn)規(guī)模來衡量企業(yè)規(guī)模(SIZE),即規(guī)上企業(yè)總資產(chǎn)/規(guī)上企業(yè)數(shù)。②企業(yè)重視程度。微觀的工業(yè)企業(yè)個體是科技創(chuàng)新活動的直接承載,企業(yè)只有重視技術(shù)研發(fā)才能真正加大投入提高產(chǎn)出,參考段姍等[36]的研究,選擇有研發(fā)機構(gòu)的規(guī)上企業(yè)數(shù)占規(guī)上企業(yè)總數(shù)的比重來衡量企業(yè)對科技創(chuàng)新的重視程度(VALUE),即有研發(fā)機構(gòu)規(guī)上企業(yè)數(shù)/規(guī)上企業(yè)總數(shù)。其中,地區(qū)人均國內(nèi)生產(chǎn)總值和規(guī)上企業(yè)總資產(chǎn)采取以2011年為基期的年度CPI指數(shù)進(jìn)行平減。上述影響因素均滯后1期處理。

根據(jù)上述選取的兩階段投入產(chǎn)出變量及影響因素的選取,構(gòu)建本文研究的創(chuàng)新資源配置效率評價指標(biāo)體系,如表1所示。

表1 規(guī)模以上工業(yè)企業(yè)創(chuàng)新資源配置效率評價指標(biāo)體系Tab.1 Evaluation index system of innovation resource allocation efficiency of industrial enterprises above the scale

2.2 樣本選擇及數(shù)據(jù)來源

由于國家統(tǒng)計局從2011年1月起將納入規(guī)模以上工業(yè)統(tǒng)計范圍的工業(yè)企業(yè)起點標(biāo)準(zhǔn)從年主營業(yè)務(wù)收入500萬元提高到2 000萬元,為保證統(tǒng)計數(shù)據(jù)口徑一致性和可得性,本文研究樣本為2011～2020年中國30個省市自治區(qū)(除西藏自治區(qū))的規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)。研究所需原始數(shù)據(jù)來自《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》以及Wind數(shù)據(jù)庫。

2.3 模型設(shè)定

2.3.1 創(chuàng)新資源配置效率測算的StoNED 模型本文研究數(shù)據(jù)具有典型的動態(tài)面板特征,故選擇動態(tài)StoNED 方法分別測算30個省市自治區(qū)規(guī)上企業(yè)在2011～2019年共計9年間的技術(shù)成果研發(fā)階段和技術(shù)成果轉(zhuǎn)化階段的創(chuàng)新資源配置效率值。根據(jù)模型式(16)設(shè)定具體形式如下:

式中:L、K、M分別表示投入要素;y表示產(chǎn)出要素。

2.3.2 影響因素檢驗的Tobit模型

3 創(chuàng)新資源配置效率實證分析

3.1 創(chuàng)新資源配置效率的測算結(jié)果分析

運用GAMS25.1.3軟件求解模型式(21),最終得到如表2所示的30個省市自治區(qū)規(guī)上企業(yè)兩階段效率值。

表2 2011～2019年中國30省市規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率值Tab.2 Efficiency values of two-stage innovation resource allocation of above-standard enterprises in 30 Chinese provinces and cities,2011～2019

3.1.1 創(chuàng)新資源配置效率動態(tài)變化分析 由表2可見,中國30個省市規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率絕對值分布在0.8～1.0 之間,且隨著年份增加,效率值的變化呈現(xiàn)出一定規(guī)律,如圖1所示。

圖1 中國規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率變化Fig.1 Changes in the efficiency of innovation resource allocation in two stages of Chinese above-standard enterprises

從國家層面看,中國規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率值皆呈現(xiàn)“倒U 型”態(tài)勢,但技術(shù)成果研發(fā)階段效率始終低于技術(shù)成果轉(zhuǎn)化階段效率。技術(shù)成果研發(fā)階段效率值從2011年起微弱增長,于2014年達(dá)到最高點0.8557,之后便小幅下降,總體來看,研發(fā)階段效率值變化不大,基本保持在9年效率均值0.847 6 上下。技術(shù)成果轉(zhuǎn)化階段效率值在2011～2016年間不斷提高,達(dá)到最高值0.934 4,而后呈現(xiàn)下降趨勢,但相較于2011 年效率值0.882 6,2019年顯著提升至0.912 2,增幅3.35%。其中,技術(shù)成果轉(zhuǎn)化階段的效率值就一直大于技術(shù)成果研發(fā)階段的效率值,且一直擴(kuò)大著領(lǐng)先優(yōu)勢直到2018年,差值最大達(dá)到0.0840。這種效率增幅差異可能原因在于國家創(chuàng)新戰(zhàn)略的調(diào)整。自2012年黨的十八大起正式將科技創(chuàng)新擺在了國家發(fā)展全局的核心地位,實施了創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,與以往不同的是戰(zhàn)略首次明確強調(diào)了創(chuàng)新的目的是驅(qū)動發(fā)展而非發(fā)表學(xué)術(shù)論文等。緊接著針對中國科技成果轉(zhuǎn)化效率不高的問題,2015年國家修訂了《中華人民共和國促進(jìn)科技成果轉(zhuǎn)化法》,2016年起一系列具體政策措施全面推進(jìn),如科技成果確權(quán)、職務(wù)科技成果收益等問題得到解決,都有效促進(jìn)了包括企業(yè)在內(nèi)的各創(chuàng)新主體技術(shù)成果轉(zhuǎn)化效率的提升[29],使得本身就以技術(shù)應(yīng)用為主的工業(yè)企業(yè)更加注重技術(shù)成果向生產(chǎn)力轉(zhuǎn)化的創(chuàng)新活動,而技術(shù)研發(fā)則需要更長時間的知識積累,難以保持穩(wěn)定的產(chǎn)出增長。因此,技術(shù)成果轉(zhuǎn)化階段效率值逐漸超過研發(fā)階段效率值并擴(kuò)大了領(lǐng)先優(yōu)勢。

3.1.2 中國30個省市規(guī)上企業(yè)創(chuàng)新資源配置效率分析 將各省市兩階段的效率求平均值后置于圖2所示的二維象限圖中,并分別以0.846 3和0.912 2為兩個階段效率值的分位線,將30個省市劃入4個區(qū)域。其中:右上方為“雙高”(即研發(fā)和轉(zhuǎn)化效率高)區(qū)域,順時針看,右下方為“高研低轉(zhuǎn)”(即研發(fā)效率高而轉(zhuǎn)化效率低)區(qū)域;左下方為“雙低”(即研發(fā)和轉(zhuǎn)化效率低)區(qū)域,左上方為“低研高轉(zhuǎn)”(即研發(fā)效率低而轉(zhuǎn)化效率高)區(qū)域。

圖2 30省市規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率二維象限劃分Fig.2 Two-dimensional quadrant of two-stage innovation resource allocation efficiency of above-standard enterprises in 30 provinces and cities

由二維象限劃分圖可以看出,位于“雙高”區(qū)域共有10個省市,它們的兩階段效率值均高于全國平均水平。其中,江西省是該區(qū)域技術(shù)成果研發(fā)階段效率值最低的樣本,安徽是該區(qū)域技術(shù)成果轉(zhuǎn)化階段效率值最低的樣本。東部地區(qū)省市在“雙高”區(qū)域中占據(jù)5席,分別是廣東、浙江、上海、北京和天津;中部地區(qū)占4席,分別是安徽、湖北、江西和河南;西部地區(qū)僅有重慶。位于“雙低”區(qū)域共9個省市,它們的兩階段效率值皆低于全國平均水平。其中,貴州是該區(qū)域技術(shù)成果研發(fā)階段效率值最高的樣本,遼寧是該區(qū)域技術(shù)成果轉(zhuǎn)化階段效率值最高的樣本。西部地區(qū)在“雙低”區(qū)域中占據(jù)6 席,分別是青海、內(nèi)蒙古、甘肅、寧夏、云南和貴州;中部地區(qū)占2席,分別是黑龍江和山西;東部地區(qū)僅有遼寧。

由此可見,地區(qū)間的創(chuàng)新資源配置效率不平衡現(xiàn)象顯著存在,效率值依“東-中-西”為序遞減。這主要是因為東部地區(qū)經(jīng)濟(jì)發(fā)展水平較高、區(qū)位優(yōu)勢明顯,擁有更好的科技創(chuàng)新基礎(chǔ),并能夠吸引大批優(yōu)秀的科技型企業(yè)入駐形成創(chuàng)新產(chǎn)業(yè)集群,更好地整合和利用創(chuàng)新資源,資源配置效率相對較高。值得注意的是,技術(shù)成果研發(fā)階段效率最高的是安徽,技術(shù)成果轉(zhuǎn)化階段效率最高的是海南?？赡艿脑蛟谟诎不针m然為中部省份,但毗鄰教育資源豐富的江蘇省,屬于長三角經(jīng)濟(jì)圈,資源流通最為發(fā)達(dá)。2020年最新數(shù)據(jù)顯示,長三角的研發(fā)機構(gòu)總數(shù)位居全國經(jīng)濟(jì)圈首位,這些科研優(yōu)勢都為落戶安徽的企業(yè)提供了便利的研發(fā)支持,使得安徽可以充分借助長三角融合發(fā)展獲取更大科技研發(fā)產(chǎn)出。海南地理位置獨特,作為中國南端的海島省份,其自身研發(fā)基礎(chǔ)薄弱,且不與任何省份接壤,地理隔閡造成人才等要素流通不便,因此研發(fā)效率低。而海南正逐漸完善以新興工業(yè)為主導(dǎo)的第二產(chǎn)業(yè),近年來大力發(fā)展具備優(yōu)勢的油氣化工、醫(yī)藥制造和林漿紙一體化等產(chǎn)業(yè),行業(yè)內(nèi)技術(shù)更加注重直接的現(xiàn)實應(yīng)用,引進(jìn)技術(shù)及升級技術(shù)轉(zhuǎn)化利用成為當(dāng)?shù)仄髽I(yè)重要的創(chuàng)新手段,2019年海南吸納技術(shù)交易額44.75億元,是同年輸出技術(shù)交易額的5.8倍,吸納技術(shù)占比僅次于西藏、新疆和青海3個西部省份。由此可見,引進(jìn)技術(shù)轉(zhuǎn)化利用是海南最普遍的技術(shù)創(chuàng)新活動,技術(shù)成果轉(zhuǎn)化效率高。

3.1.3 東中西部分區(qū)域創(chuàng)新資源配置效率分析為進(jìn)一步研究中國規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率的變化及差異,對東中西部三區(qū)域效率值分技術(shù)成果研發(fā)和技術(shù)成果轉(zhuǎn)化兩個階段分別進(jìn)行比較動態(tài)分析。

如圖3所示,技術(shù)成果研發(fā)階段,東部效率值一直處于最高水平,其次是中部,西部最低。具體來看,西部地區(qū)效率值呈現(xiàn)先增后減的“倒U 型”曲線形態(tài),東部地區(qū)效率值呈現(xiàn)出小幅緩慢下降的趨勢,中部地區(qū)效率值則最為平穩(wěn),觀察期內(nèi)變化較小。對比2011和2019年首尾兩個年份可以發(fā)現(xiàn),中部地區(qū)正逐步縮小與東部地區(qū)的差距并拉大與西部地區(qū)的差距。其中2015 年,也就是西部地區(qū)效率值“倒U 型”曲線頂點的位置,其研發(fā)階段效率值達(dá)到最高,此時與中部地區(qū)效率值和東部地區(qū)效率值差距最小。之后,由于西部地區(qū)自身研發(fā)效率值下降更快,導(dǎo)致差距又進(jìn)一步擴(kuò)大。而中部地區(qū)研發(fā)效率值相對平穩(wěn),在東部地區(qū)效率值不斷下降的過程中,兩者的差距在逐年縮小。這些都得益于國家近年來在中部地區(qū)不斷給予的創(chuàng)新政策傾斜,如2016年出臺的《促進(jìn)中部地區(qū)崛起“十三五”規(guī)劃》支持鄭州、武漢建設(shè)國家中心城市,2017年合肥成為繼上海之后國家正式批準(zhǔn)建設(shè)的第2個綜合性國家科學(xué)中心。隨著這些國家戰(zhàn)略的推進(jìn),一大批創(chuàng)新產(chǎn)業(yè)群在中部落地,依托良好的大批高等院校研發(fā)資源,中部地區(qū)正逐步縮小與東部地區(qū)在技術(shù)成果研發(fā)階段創(chuàng)新資源配置效率上的差距。

圖3 東中西部規(guī)上企業(yè)技術(shù)成果研發(fā)階段創(chuàng)新資源配置效率變化Fig.3 Changes in the efficiency of innovation resource allocation in the R&D stage of technological achievements of enterprises on the East,Middle and West Regions

如圖4所示,技術(shù)成果轉(zhuǎn)化階段,3個地區(qū)效率值之間的差距隨著時間推移而明顯縮小。3個地區(qū)的效率值在2011～2015年間都呈現(xiàn)出顯著的增長趨勢,而2016～2019年間,增長趨緩甚至有所下跌。中部地區(qū)效率值從2012年起超越西部地區(qū),并一直縮小與東部地區(qū)的差距,并在2019年超過了東部地區(qū)。而西部與東部從2011年的效率值差距0.011 5擴(kuò)大到2015年的差距0.028 5,差值擴(kuò)大了近2.5倍,而后由于東部地區(qū)效率值下降較快,大幅縮小了兩者差距。東部地區(qū)在技術(shù)成果轉(zhuǎn)化階段創(chuàng)新資源配置效率上的優(yōu)勢正逐漸消失,國內(nèi)物流業(yè)的快速崛起抵消了東部沿海的出口便利條件,大批工業(yè)企業(yè)可以選擇成本更低的中西部城市,通過便捷的物流將產(chǎn)品銷售到全國和海外;更多經(jīng)濟(jì)技術(shù)開發(fā)區(qū)和高新技術(shù)開發(fā)區(qū)落戶中西部,大幅提升了地區(qū)技術(shù)成果應(yīng)用的能力,這些都促成了東部與中西部地區(qū)技術(shù)成果轉(zhuǎn)化階段效率差距的不斷縮小。

圖4 東中西部規(guī)上企業(yè)技術(shù)成果轉(zhuǎn)化階段創(chuàng)新資源配置效率變化Fig.4 Changes in the efficiency of innovation resource allocation in the transformation stage of technological achievements of the enterprises on the East,Middle and West Regions

4 創(chuàng)新資源配置效率影響因素實證分析

本文進(jìn)一步采用Tobit模型,將可能的影響因素分別對兩階段效率值進(jìn)行回歸檢驗,結(jié)果如表3所示。

表3 兩階段創(chuàng)新資源配置效率影響因素的Tobit回歸結(jié)果Tab.3 Tobit regression results of the factors influencing the efficiency of innovation resource allocation in two stages

由表3第2列的回歸結(jié)果可見,在技術(shù)成果研發(fā)階段,pGDP和SUM 是影響效率值的顯著因素。其中:pGDP的回歸系數(shù)0.046 8在1%的水平上顯著,即地區(qū)經(jīng)濟(jì)發(fā)展水平越高,當(dāng)?shù)匾?guī)上企業(yè)的研發(fā)效率越高;SUM 回歸系數(shù)0.053 7在1%的水平上顯著,表明地區(qū)的高等院校和科研機構(gòu)越多,其轄區(qū)內(nèi)的規(guī)上企業(yè)研發(fā)效率越高,這種顯著的正向促進(jìn)關(guān)系可能是通過產(chǎn)學(xué)研合作途徑發(fā)揮作用,這一結(jié)果不僅與陳偉等[37]的研究結(jié)論一致,也驗證了本文關(guān)于圖2中安徽省在研發(fā)階段效率最高的解釋。而企業(yè)資產(chǎn)規(guī)模等其他3個影響因素皆不顯著,可能也是由于當(dāng)前對于成果轉(zhuǎn)化的重視程度在不斷提高,各方面要素都在加緊向著技術(shù)成果轉(zhuǎn)化階段配置,而技術(shù)研發(fā)的長周期、重積累的特性造成了短時間內(nèi)很難出現(xiàn)持續(xù)穩(wěn)定的創(chuàng)新產(chǎn)出,這些都使得其他影響因素對研發(fā)階段效率值的回歸無法顯著。由表3第3列的回歸結(jié)果可見,在技術(shù)成果轉(zhuǎn)化階段,SIZE和VALUE是影響效率值的顯著因素。其中,SIZE的回歸系數(shù)0.0015在1%的水平上顯著,表明規(guī)上工業(yè)企業(yè)的資產(chǎn)規(guī)模越大,越能夠提升企業(yè)轉(zhuǎn)化階段的效率,企業(yè)運用新技術(shù)投入生產(chǎn)的產(chǎn)業(yè)化階段往往需要數(shù)十倍于技術(shù)開發(fā)的資金投入[38],只有資產(chǎn)規(guī)模大的企業(yè)才能在技術(shù)轉(zhuǎn)化為生產(chǎn)力過程投入更多資金,也才能帶來更大產(chǎn)出,達(dá)到新產(chǎn)品的規(guī)模效應(yīng)。VALUE 的回歸系數(shù)0.0003在5%的水平上顯著,表明企業(yè)越重視技術(shù)成果轉(zhuǎn)化,這一階段創(chuàng)新資源配置效率就越高,企業(yè)的意愿決定著創(chuàng)新行為,對轉(zhuǎn)化活動的重視即意味著企業(yè)更加看重現(xiàn)實生產(chǎn)力而非技術(shù)專利數(shù)量,這與近年來的政府政策引導(dǎo)相吻合。pGDP不顯著符合了本文技術(shù)成果轉(zhuǎn)化階段效率值在東中西部地區(qū)的差距越來越小的結(jié)論。而GOV 不顯著,表示政府支持力度提升并未有效提高企業(yè)技術(shù)成果轉(zhuǎn)化效率,這一結(jié)果驗證了郭兵等[39]關(guān)于政府科技財政支出雖然對企業(yè)研發(fā)投入有促進(jìn)作用,但是對企業(yè)創(chuàng)新產(chǎn)出沒有積極影響的觀點。

5 結(jié)論

本文采用動態(tài)隨機非參數(shù)數(shù)據(jù)包絡(luò)模型(StoNED),對2011～2019年間中國30個省市自治區(qū)規(guī)模以上工業(yè)企業(yè)在技術(shù)成果研發(fā)和技術(shù)成果轉(zhuǎn)化兩個階段的創(chuàng)新資源配置效率進(jìn)行了測算,并利用Tobit模型分別對兩階段效率的影響因素進(jìn)行了實證分析。得到以下研究結(jié)論:

(1) 在國家層面,中國規(guī)上企業(yè)兩階段創(chuàng)新資源配置效率值皆呈現(xiàn)“倒U 型”態(tài)勢,但技術(shù)成果研發(fā)階段效率始終低于技術(shù)成果轉(zhuǎn)化階段效率,且兩者差距長期呈擴(kuò)大態(tài)勢。

(2) 比較30 個省市可以看出:兩階段效率值“雙高”的區(qū)域中,東部省份最多,西部省份最少;兩階段效率值“雙低”的區(qū)域中,西部省份最多,東部省份最少。這顯示出“東-中-西”創(chuàng)新資源配置效率由高到低的分布格局,反映了區(qū)域間創(chuàng)新發(fā)展的不平衡。

(3) 進(jìn)一步分區(qū)域比較兩階段效率值動態(tài)變化可知:在技術(shù)成果研發(fā)階段,東中部效率值差距呈逐漸縮小態(tài)勢,與西部效率值差距則逐漸增大;在技術(shù)成果轉(zhuǎn)化階段,東中西部效率值差距隨著時間推移明顯縮小。

(4) 影響兩階段效率值的因素存在差異,地區(qū)經(jīng)濟(jì)發(fā)展水平和科研實力對技術(shù)成果研發(fā)階段效率值具有顯著的正向作用,企業(yè)資產(chǎn)規(guī)模和企業(yè)重視程度對技術(shù)成果轉(zhuǎn)化階段效率值具有顯著的正向作用,而政府支持力度則對兩階段效率值皆無顯著影響。

綜合上述研究結(jié)論,提出以下政策建議:

(1) 國家應(yīng)進(jìn)一步調(diào)動企業(yè)作為創(chuàng)新主體的積極性。持續(xù)穩(wěn)定地向技術(shù)研發(fā)階段配置人才、資金等資源,充分認(rèn)識研發(fā)活動的長期性,合理設(shè)置技術(shù)研發(fā)目標(biāo),改變單純以專利數(shù)量和經(jīng)濟(jì)效益衡量技術(shù)研發(fā)成果的片面評價體系,給予科研活動更多時間和更大空間,從長遠(yuǎn)改變技術(shù)成果研發(fā)階段效率下降的趨勢。

(2) 政府應(yīng)注重創(chuàng)新政策制定的差異化設(shè)計。針對中國東中西部創(chuàng)新資源配置效率的不同情況,結(jié)合地區(qū)創(chuàng)新資源稟賦,合理引導(dǎo)資源要素的區(qū)域間協(xié)調(diào)分配,如中部地區(qū)的安徽合肥等地在新能源汽車產(chǎn)業(yè)形成的集聚優(yōu)勢,應(yīng)鼓勵支持相關(guān)電池、電機、電控等產(chǎn)業(yè)匯集,提高產(chǎn)業(yè)鏈上下游資源配置效率,形成更大的規(guī)模效應(yīng)。

(3) 針對西部地區(qū)研發(fā)和轉(zhuǎn)化效率雙低的局面,國家應(yīng)從促進(jìn)地區(qū)間創(chuàng)新要素合理流動角度入手。打破屏障,引導(dǎo)人才、資本、產(chǎn)業(yè)等向西部地區(qū)流動,先選擇數(shù)個重要西部核心城市建立區(qū)域創(chuàng)新示范中心,鼓勵區(qū)域內(nèi)錯位發(fā)展,防止有限資源的內(nèi)部競爭,優(yōu)化創(chuàng)新要素分配格局,同時加強東中西部在科技研發(fā)等方面的合作,促進(jìn)技術(shù)要素區(qū)域間高效流動,以轉(zhuǎn)化效率提升帶動研發(fā)效率提升。

(4) 地方政府應(yīng)加強創(chuàng)新環(huán)境建設(shè)。注重企業(yè)內(nèi)部創(chuàng)新投入要素和外部環(huán)境因素的相互協(xié)調(diào),內(nèi)外配合提高創(chuàng)新產(chǎn)出效率,優(yōu)化政府支持科技創(chuàng)新的方式,加強對基礎(chǔ)設(shè)施建設(shè)和基礎(chǔ)研究的投入,減少對具體產(chǎn)業(yè)創(chuàng)新活動的直接干預(yù),提高市場創(chuàng)新自由度和創(chuàng)新活力。