协同创新效率的国际比较及其影响因素分析

江成山　孟卫东　熊维勤

摘要：利用25国1996-2009年的面板数据，运用超效率DEA和DEA-Tobit两步法对各国的国家创新效率和影响因素进行了分析。主要发现包括：经济危机对各国国家创新效率和创新全要素生产率均有负面影响，其中技术退步是引起各国全要素生产率下降的主要因素；中国的国家创新效率仍然处于较低的水平，在样本考察期内总体呈现下降趋势，且存在较为严重的技术退步现象；企业、高等院校和科研机构的创新协同是有效率的，三者的创新活动均显著而持续地促进了国家创新效率提高；一国宏观税率对国家创新效率具有拉弗效应，过高和过低的税率均不利于促进国家创新效率。

关键词：协同创新；国家创新效率；超效率DEA；DEA-Tobit两步法；拉弗效应

中图分类号：F27644文献标志码：A文章编号：10085831（2013）05005610技术创新是促进经济长期稳定增长的关键因素，然而创新活动本身又是一个牵涉政府、企业、高等院校、科研院所、金融和其他中介机构等多个创新主体的复杂系统工程，如何整合各种要素，优化创新资源配置以促进国家和区域创新体系建设一直是各国政府高度关注的问题。中国政府早在1985年就在《中共中央关于科学技术体制改革的决定》中首次提出了“促进产学研合作创新”问题。2011年4月胡锦涛总书记在清华大学百年校庆大会的讲话中进一步明确了推动协同创新的战略部署，2012年教育部和财政部开始共同推进实施“高等学校创新能力提升计划”（“2011计划”），从而把促进协同创新推进到了一个新的高度。在此背景下，通过对不同国家协同创新效率的差异分析，并进一步明确其主要影响因素，对于科技政策的制定，并以政策促进协同创新，进而促进创新型国家的建设具有重要的借鉴意义。

一、文献回顾

自哈肯创立协同学，Freeman[1]、Nelson[2]等将其引入国家创新体系分析以来，协同创新即成为国内外学者关注的重点。早期的研究主要集中于协同创新理论的发展以及微观企业层面协同创新机理、机制的研究。自20世纪90年代以来，区域和国家层面的协同创新开始成为研究重点，然而关于协同创新效率及其影响因素的研究文献并不多见，近来年才逐渐得到国内外，特别是国内学者的关注，相关研究文献主要散见于区域创新和国家创新两个领域，其基本研究思路都是通过测度不同区域或不同国家创新效率的差异并分析其影响因素，进而对不同创新主体间的协同创新效率进行分析。在区域创新研究领域，池仁勇和唐根年[3]使用DEA法分析了浙江省11个地区技术创新效率及其影响因素，研究结果表明政府投入并不能显著提高创新效率，从而证明政府和企业之间的协同是缺乏效率的；李习保[4]则利用随机前沿法（SFA）分析了中国30个省份1998-2006年的区域创新效率及其影响因素，认为政府对科技活动的支持力度可以显著提高区域创新效率，高校和科研院所则对区域效率创新产生了负向影响，金融机构对创新效率的影响则不确定；白俊红等[5]则首次从研究区域创新效率的角度明确检验了各创新主体之间的协同创新效率，研究结果表明，地方政府、企业、高等院校、科研机构、金融中介等创新主体及其联结关系对区域创新效率均产生了负向影响。

在国家创新研究领域，Furman， Porter and Stern[6]首先建立了一个全新的框架（FPS）用于分析国家创新能力的影响因素，认为创新基础设施、创新集群环境以及二者之间的联系是影响国家创新能力的重要因素。Hu and Mathews[7]以东亚5 国为样本重新整理了FPS 方法，除了得到了相近的发现外，他们还进一步强调了制度对国家创新能力形成的重要性。此后关于国家创新效率影响因素的研究文献也基本沿袭了上述研究方法。如Hu等[8]使用距离函数SFA法评估了24个国家研发效率的影响因素，发现知识产权保护、人力资本积累以及高校与企业的技术合作能显著提高一国R&D效率。Guan and Chen[9]进一步把国家创新划分为知识生产和知识转化两个阶段，通过对22个OECD国家的实证分析，发现影响国家创新效率的关键在于知识转化效率，而制度环境对知识生产和转化效率均有显著影响。吕新军和胡晓绵[10]利用28 个国家2000-2006 年的样本数据，集中分析了影响国家创新效率的制度性因素，发现良好的政治制度、市场化程度和贸易制度都能显著提高一国创新效率，而法律制度对发展中国家创新效率的影响却并不显著。郭淡泊等[11]的分析则表明FDI 流入抑制了发达国家的创新经济效率，但对发展中国家却有促进作用； 贸易保护显著提高了发达国家的创新技术效率，但不利于发展中国家创新技术效率的提高； 人才的自由流动对两类国家的创新技术效率均存在显著的负向影响。

1重庆大学学报（社会科学版）2013年第19卷第5期

江成山，等协同创新效率的国际比较及其影响因素分析

国家创新效率本质上是由官、产、学、研等多主体的创新活动所决定的，尽管现有研究文献已经对国家创新效率的影响因素进行了大量研究，然而若从协同创新的研究视角出发，则现有的研究对于两个基本问题仍然缺乏系统的回答：第一，“官、产、学、研”协同创新是推动国家创新体系建设的核心，因此从国家层面看，各创新主体之间的协同是否有效？换句话说，政府、企业、高等院校、科研机构的创新活动是否有效促进了国家创新效率？第二，尽管企业是无庸置疑的创新主体，但政府在协同创新中却具有特殊的地位，其既通过国有科研机构直接从事创新活动，还通过基础设施和制度建设营造良好的创新环境，更重要的是通过制定政策引导和影响其他创新主体的行为，从而最终影响一国创新效率。已有的研究对政府在创新基础设施和创新环境建设中的作用作过充分考察，然而对政府政策，特别是税收政策对国家创新效率的影响却几乎没有文献涉及。因此本文将在比较国家创新效率的基础上，主要对上述两个问题进行比较系统的研究。

为了分析各创新主体的创新行为是否协同有效，即是否显著促进了国家创新效率的提高，理论上可以通过两种方法实现。一是利用一国创新投入和创新产出的数据计算出国家创新效率，然后分析不同创新主体的创新投入是否显著促进了国家创新效率，若是，则说明各创新主体之间的创新行为是协同有效的。反之，若某一创新主体的创新投入不能显著提高国家创新效率，则说明该主体的创新行为与其他创新主体之间不存在协同有效关系，从政策角度看应该将其创新投入更多转移到协同有效的创新主体上，或者设法提高其创新效率；二是在计算出国家创新效率后，还可以利用不同创新主体的创新投入和产出数据计算出不同创新主体的创新效率，在合理假定国家创新效率和不同创新主体创新效率关系的基础上（一种合理的假定是：国家创新效率与不同创新主体创新效率之间存在Cobb-Douglass生产函数关系或者超越对数生产函数关系），也可以分析不同创新主体的创新行为是否存在协同有效关系。由于现有统计数据难以区分不同创新主体的创新产出，因此出于数据获取的难度，目前尚未见到相关研究文献使用第二种研究方法。基于同样的原因，本文也将采用第一种研究思路。

二、研究方法及样本选择

现有关于效率比较及其影响因素分析的文献主要使用两类方法，即基于参数估计的随机前沿法（SFA）和基于非参数估计的数据包络分析（DEA）-Tobit两步法。两种方法各具特点：随机前沿法认为，生产效率除受确定性的投入产出变量影响外，还会受众多随机因素影响，因此在效率分析中必须将这些随机因素考虑在内；同时，通过在模型中设定技术无效率项的影响因素，SFA可以在进行效率排序的同时进行效率影响因素分析，从而达到通过一步分析同时解决两个问题的目标[12]。其局限在于，使用SFA法需要设定投入产出之间的具体函数关系，并且只能使用单一指标衡量产出。尽管Wang[13]曾经使用加权方式将多种产出总合为一种，然而解决加权法面临的理论基础问题并不是一件容易的工作。数据包络分析可以克服SFA法的局限，首先，DEA可以使用多个指标来衡量产出，其次，使用DEA进行效率分析时无需设定投入产出之间的具体函数关系。但同时SFA的长处则变成了DEA局限：DEA无法考虑随机因素对投入产出效率的影响，且必须使用二步法才能进行效率影响因素的分析，即首先必须使用主要投入产出指标估计出各决策单元的效率值，然后以此作为被解释变量，各影响因素作为解释变量建立回归模型进行参数估计和检验。

在评价国家创新效率时，创新产出难以使用单一指标进行准确刻画，故本文选择使用DEA法。但在使用经典DEA模型进行效率评价时，可能出现多个决策单元同时位于效率前沿面，从而无法进一步对其进行效率排序的情况，因此Andersen and Petersen[14]提出了超效率DEA模型以解决该问题。由于超效率DEA分析所得到的各决策单元的效率值均大于零，属于截断数据，因此将其作为因变量进行效率影响因素分析时，若直接使用普通最小二乘法，则得到的参数估计量是有偏且不一致的，因此一般使用受限因变量Tobit模型[15]进行效率影响因素的回归分析。