高技术产业创新效率影响因素分析

李向东，李 南 ，刘东皇

（1.南京航空航天大学经济与管理学院，南京210016；2.江苏理工学院商学院，江苏常州213001）

1 模型、变量与数据

1.1 模型的设定

随机前沿方法的提出是基于上世纪50年代关于生产率的理论文献。而早期的随机前沿模型仅仅只可以对单个个体的技术效率值进行处理，却不能清楚说明导致单个个体技术效率差异的原因。早期的基本模型一般形式为：

这里，一组投入向量是用x表示，i=1,…,n；时间趋势用 t表示，t=1,…,T；f(·)为具有完全效率时的最大产出；决策单元i在时期t的实际产出用yit表示。复合结构vit-uit是误差项，其中，vit表示测量误差等随机扰动的影响，uit表示个体冲击的影响。

这个模型也称为两阶段方法，但它的假设要求存在自相矛盾。第一步假定技术非效率项与其他的解释性要素相互独立，并假定技术非效率项是满足正态分布，而第二步却又假定技术效率项是不独立的，技术非效率项不满足正态分布。而这可能会导致参数估计的低效和有偏。

本文先把生产函数假定为超越对数的随机前沿模型，通过对其适宜性的检验来选择生产函数。超越对数的随机前沿模型由下列公式构成：

式(2)中，yit为第i个决策单元t期的实际产出，这里我们用高技术产业的新产品销售收入来表示；Kit和Lit分别为第i个决策单元t期的内在实际投入，内生经济增长理论表明R&D、人力资本积累是推动高技术产业技术变迁的基本动力，这里我们用高技术产业创新系统的内环境因素R&D资本存量和R&D人员投入来表示，β为回归系数；

式(2)中的误差项第一部分vit服从正态分布N（0,）而且vit∈iid（identically independent distributed），表示为观测误差和其他随机因素。第二部分uit与vit相互独立，uit服从正半部正态分布N（u,），uit≥0，并且uit∈iid（identically independent distributed），它表示那些仅仅对第i个决策单元所产生的冲击，它反映了在第t期的第i个决策单元技术无效的水平。

在第t时期的第i个决策单元的技术效率水平用式(3)表示。若uit大于0时，TEit值在0到1之间，则状态为技术非有效；当uit等于0时，TEit等于1，则状态为技术有效。

时间因素作用于uit的定量描述用式(4)和式(5)表示，η为待估计参数。当η等于0时，β(t)则没有任何变化；当η小于0时，β(t)将加速变大，当η大于0，β(t)将加速变小。

随机误差的方差和技术效率的方差在式(6)中分别用和表示，参数γ通过最大似然估计法获得。当γ与0接近时，表明可能最大产出与实际产出间的差距是由是不可控因造成的，这时对生产参数的估计用普通最小二乘法（OLS）就完全足够了；γ与1接近时，表明技术非效率项uit,导致了前沿生产函数的误差，这时对生产函数的估计宜采用随机前沿模型。

式(7)是分析影响创新技术效率充分发挥的原因，其中zit为影响创新技术非效率的因素，中国高技术产业创新效率受外环境因素的影响是本文的点研究，所以，这里的创新技术非效率影响因素zit我们用高技术产业创新系统的外环境因素来表示。常数项用δ0表示，随机误差项用wit表示，影响因素的系数向量δ小于0，表明外环境因素正向作用于创新技术效率，反之，则起反向作用。

1.2 变量与数据

本文产出指标用高技术产业新产品销售收入来表征，投入指标用产业创新系统内部条件因素——R&D资本存量和R&D人员来表征。各指标原始数据主要来源于2004～2013年各期的《中国高技术产业统计年鉴》和《中国统计年鉴》。参考相关文献和统计数据的可得性，对可能影响我国高技术产业创新效率的产业创新系统外环境影响因素指标主要从地方政府资助、金融机构支持、国际贸易、外商直接投资、所有制因素和产业规模效应等方面选取，变量的具体定义如表1所示。

表1 变量定义

2 实证结果与分析

2.1 分地区面板数据实证结果与分析

由于所有制因素和外商直接投资指标缺少各省份的统计，所以从各地区的角度出发进行测算时忽略不计，表2为分地区的变量面板数据描述性统计结果。

根据前文式(2)～(7)的公式，建立如下的分地区随机前沿模型，生产函数暂时选用超越对数，投入产出指标与环境因素变量选用前文给出的相关可获得的数据。

式(8)中，高技术产业新产品销售收入表征第i地区t期的产出指标yit，R&D资本存量表征第i地区t期的投入指标Kit，R&D人员投入表征投入指标Lit，回归系数用β来表示。这里，用折算的研发人员的真实工作时间来表征R&D人员。

表2 分地区变量的描述性统计结果

式(9)中，GOV表示地方政府资助对创新活动的影响，Finance表示金融机构支持对创新活动的影响，Export表示国际贸易中的出口贸易对高技术产业创新活动的影响，Size表示产业的规模效应对创新活动的影响。

上述加入技术非效率的函数式(9)以后，我们需要检验到底应该采用哪种形式的生产函数随机前沿模型。检验标准是采用广义似然率统计量λ=-2ln[L(H0)/L(H1)]。这里，L(H0)是自由度为受约束变量个数，检验统计量服从混合卡方分布的零假设的似然函数值；L(H1)是不受约束的备择假设似然函数值。技术非有效变量加入函数后要对2个的假设进行检验：

若假设1成立，则表明拟合样本数据更适合采用柯布-道格拉斯生产函数来测算。

若假设2成立，则表明技术进步在创新生产中不存在。

表3 分地区效率影响因素回归结果

用模型a表示不受约束的原模型，模型b表示适用柯布-道格拉斯生产函数的假设1模型，模型c表示无技术进步的假设2模型。三种模型分地区效率影响因素的结果如表3所示。

生产函数随机前沿模型的类型采用广义似然率统计量λ=-2ln[L(H0)/L(H1)]来检验，表4为零假设及检验结果。

表4 零假设及检验结果

表4显示，假设1和假设2的临界值都小于其相应的广义似然率，所以假设1和2都不能被接受。这表明在无效函数加入后中国高技术产业区域创新生产过程用无技术进步的生产函数和柯布-道格拉斯生产函数来测算是不合适的。

而从表3的拟合结果来看，无约束的超越对数生产函数随机前沿模型a的方差参数γ在显著性水平0.01下通过检验，表明该模型估计的无效率函数回归结果是经得起检验的，因此，我们只需展开分析模型a的估计结果，而不必分析另外2种模型b和c的估计结果。

在随机前沿模型中，无效函数的系数大于零则说明该影响变量不利于技术效率的提高。模型a估计结果显示，政府资助变量(GOV)回归估计系数大于零，并在5%的显著性水平下显著，这表明政府资助不能有效促进创新效率的提高。每提高1个单位的政府资助，创新效率就会降低约2.3个百分点。可能的原因在于一方面那些企业研发能单独实施的领域受到政府的干预，降低了企业的研发积极性，企业投资被压挤出去，使得R&D总量供给并没有变多。另一方面，在短期内由于R&D资源供给弹性缺乏，政府的资助并不能有效的改善研发活动的质量，只会增加R&D资源的价格，使企业的研发成本增加，从而迫使企业寻找新的高增长利润点，这也导致了企业的研发投资被挤出。

模型a估计结果显示，金融支持变量(Finance)回归估计系数大于零，并在1%的显著性水平下显著。这表明金融支持变量对各地区创新效率的提高具有明显的消极作用，金融贷款支出每提高1个单位，创新效率就会降低约5.27个百分点，两者成负相关关系。由于金融机构有盈利的要求，相比于政府的科技资助，它的行为更具有市场性，所以，金融机构只愿意放贷给那些经营风险低、成长性好，偿债能力强的企业。而这样的企业往往并不需要金融机构的支持，这样的金融贷款并没有相应地增加R&D供给总量，只是在一定程度上使企业的投资被挤出。

国际贸易变量(Export)在模型a中回归估计系数在1%的显著性水平下为负且显著，表明国际贸易变量对各地区创新效率的提高具有明显的积极作用，国际贸易出口值每提高1个单位，创新效率就能提高约5.49个百分点，两者成显著的正相关关系。国内高技术产业创新效率和资源配置效率的提高得益于出口的增加，从而使得经济得到快速发展。此外，国际贸易扮演了源于发达国家R&D活动的国际技术外溢效应的中介和传媒。通过扩大与外国在高技术产业领域的合作有利于本国生产管理水平的提高、经营理念的改变和高技术产业的技术进步。对此的政策含义表明，扩大对外贸易将有助于中国高技术产业技术效率改善，促进TFP增长，在高技术领域赶上并超过先进国家。

本研究中产业规模效应变量(Size)在模型a中回归估计系数在1%的显著性水平下为负且显著，表明产业规模效应变量对各地区创新效率的提高具有明显的积极作用，产业规模值每增加1个单位，创新效率能提高约1.21个百分点，两者成显著的正相关关系。我国目前的高技术产业平均规模有利于促进高技术产业创新效率的提高，对此的政策含义表明目前我国各个地区高技术产业发展还处在初步阶段，在规模上仍存在较大上升空间，可继续通过扩大产业规模，取得规模经济的效应。

2.2 分行业面板数据实证结果与分析

分行业的变量面板数据还另外增加了所有制因素和外商直接投资指标数据，表5描述性统计了分行业的变量面板数据。

表5 分行业变量的统计结果描述

与分地区随机前沿模型的建立类似，根据式(2)～(7)的公式，建立如下的分行业随机前沿模型，生产函数暂时选用超越对数，投入产出指标与环境因素变量选用前文给出的与分行业相关的可获得的数据。

式(11)中，高技术产业新产品销售收入表征第i地区t期的产出指标yit，R&D资本存量表征第i地区t期的投入指标Kit，R&D人员投入表征投入指标Lit，回归系数用β来表示。

式(12)中，GOV表示地方政府资助对创新活动的影响，Finance表示金融机构支持对创新活动的影响，Export表示国际贸易中的出口贸易对高技术产业创新活动的影响，Size表示产业的规模效应对创新活动的影响，FDI表示三资企业直接投资的影响，SOE表示所有制因素的影响。

同样，我们也需要检验到底应该采用哪种形式的生产函数随机前沿模型。检验标准同样是采用广义似然率统计量λ=-2ln[L(H0)/L(H1)]。其中零假设L(H01)为所有二次项系数均为零的柯布-道格拉斯生产函数；零假设L(H02)为不存在技术进步的生产函数；备择假设为不受约束的原始超越对数函数模型。

三种模型的分行业效率影响因素结果和零假设及检验结果如表6和表7所示。

表6 分行业效率影响因素回归结果

表7 零假设及检验结果

表7显示，假设1和假设2的临界值都小于其相应的广义似然率的绝对值，所以假设1和2都不能被接受。这表明无效函数加入后中国高技术产业行业创新生产过程用无技术进步生产函数和柯布-道格拉斯生产函数来测算是不合适的。

而从表6的拟合结果来看，无约束的超越对数生产函数随机前沿模型a的方差参数γ在显著性水平0.01下通过检验，表明该模型估计的无效率函数回归结果是经得起检验的，因此，我们只需展开分析模型d的估计结果，而不必分析另外2种模型e和f的估计结果。

模型d估计结果显示，政府资助变量(GOV)回归估计系数大于零，表明高技术产业各行业创新效率的提高受到政府资助变量的消极影响，政府资助每提高1个单位，创新效率就会降低约0.108个百分点，两者成负相关关系。这与从区域角度分析的结果相一致。不过，政府资助对行业创新效率的消极作用并不是显著的。

模型d估计结果显示，金融机构支持变量回归估计系数为正，表明高技术产业各行业创新效率的提升受到金融机构支持变量的消极影响，金融机构贷款每提高1个单位，创新效率就会降低约0.094个百分点，虽然抑制作用较小，但两者还是成负相关关系。这与从区域角度分析的结果相一致。不过，类似于政府的资助，行业创新效率受金融机构支持的消极影响也不是显著的。

国际贸易变量在模型d中回归估计系数在1%的显著性水平下为负且显著，显示高技术产业各行业创新效率的改善受国际贸易因素的积极影响较为显著，国际贸易出口额每提高1个单位，行业创新效率就会增加3.333个百分点。这与从区域角度分析的结果相一致，国际贸易出口值每提高1个单位，区域创新效率就能提高约5.49个百分点。这表明国际贸易出口增长与中国高技术产业创新效率密切相关，而且具有正相关的影响。

产业规模变量(Finance)在模型d中回归估计系数为-0.049，符号为负表明产业规模变量对高技术产业各行业创新效率的提高具有促进作用，产业规模值每增加1个单位，创新效率就会提高约0.049个百分点，虽然提高程度不明显，但两者的相关关系为正。这结果类似于上文从区域角度分析时的结果。不过，在行业分析中产业规模对行业创新效率的积极作用并不显著。

外商直接投资变量(FDI)在模型d中回归估计系数为-1.726，且在10%的显著性水平下显著，表明外商直接投资变量对高技术产业各行业创新效率的提高具有显著的促进作用，外商直接投资每增加1个单位，创新效率就会提高约1.726个百分点，两者成显著正相关关系。这符合我们的判断。加入WTO后，大量外商直接投资于的中国高技术产业，这一方面使得中国高技术产业的资本积累得到快速增加，另一方面也为中国高技术产业先进管理和技术人才的培养提供了较大的帮助。因此，在当前中国高技术产业初始发展阶段，外商直接投资的引入能对中国高技术行业技术效率的改善和技术的进步起到积极的促进作用。

所有制因素变量(SOE)在模型d中回归估计系数为2.03，且在10%的显著性水平下显著，表明所有制因素变量对高技术产业各行业创新效率的提高具有显著的抑制作用，表明每提高一个百分点的国有企业产值份额将会导致下降2.03个百分点的创新效率值，负向影响较大，两者成显著的负相关关系。这和当前对所有制改革的认识是相同的，所有制改革的原因正是在于国有企业效率太低、资源配置极不合理，当前我国还存在着过高的不合理的国有资产比重。外资直接投资比重正相关于创新效率，这说明我国还可进一步提高外资引进的比例，较高的外资产值比例有利于创新效率的稳步提高。这也表明进一步改革国有企业，破除国有企业垄断，大力发展民营企业，积极引进外资企业，实行所有制结构多元化将十分有助于提高中国高技术产业的创新效率。

从分行业面板数据估计结果与分地区面板数据模型估计结果比较可以看出，两者系数的作用程度和方向基本类似。中国高技术产业创新效率地区和行业的改善都受国际贸易出口因素显著的积极影响；地方政府资助和金融机构支持对行业创新效率的作用也与地区数据回归基本相同，两者都对中国高技术产业创新效率的提高起到负向作用；产业规模对地区和行业的创新效率改善都有积极的作用，不过与地方政府资助和金融机构支持相类似，产业规模对地区和行业创新效率起正向作用的显著性是不同的。

这一区别主要源于两者数据的差异，由于从地区角度并不能分离出行业的数据，所以分地区与分行业的创新效率及影响因素是两套数据独立计算的，因此计算结果可能会有所差异。但是总体上，差别性很小。这从另一侧面也说明我们所使用随机前沿模型的有效性。

2.3 进一步的研究

我们从区域和行业两个方面分别考察加入无效函数前后各自的创新技术效率变化情况，统计结果见表8所示。

表8 区域和行业加入无效函数前后创新效率值变化的统计

表8显示，区域创新效率均值在未加无效函数时只有0.242，在无效函数加入后达到0.382，虽然其值还远远低于前沿面水平，但与未加无效函数相比效率水平已有大幅提高；未加入效率影响因素的行业创新效率均值为0.376，远远小于加入无效函数后的0.544。所以，这也表明外环境因素的影响如果没有被包含进去时，将有可能使测算的效率值不真实，数值变小。另外，因为导致地区和行业差异的各项因素对创新效率的作用显著，这意味着区域和行业间的效率差异主要事由地方政府资助、金融支持、国际贸易、外商直接投资、所有制等因素和产业规模是造成的。

另外，为保证检验结果的稳定性和准确性，本文在回归模型中依次纳入影响区域和行业创新效率的因素，检测影响因素之间是否存在多重共线性。依次回归影响区域创新效率因素，结果表明区域中只有金融机构支持不能显著影响区域创新效率，其余各影响变量系数的显著性与表3的考察结果基本一致，国际贸易出口和产业规模对区域创新效率有显著的正向影响，地方政府资助对区域创新效率有显著的负向影响。区域的影响因素依次纳入回归和一次性混合回归结果基本一致，这表明区域创新系统内部各因素多重共线性的影响并不严重。行业影响因素SFA回归结果显示，行业各项影响因素的系数中除了产业规模对行业创新效率的影响显著与表6不同外，其余变量的显著性检验与表6的考察结果基本一致，地方政府资助和金融机构支持均对行业创新效率有负向的影响，但都不显著；国际贸易出口和外商直接投资均对行业创新效率有正向的影响，并且都显著；所有制因素对行业创新效率有显著的负向的影响。行业的影响因素依次纳入回归和一次性混合回归结果基本一致，这说明行业创新系统内部各因素多重共线性的问题并不严重。这也表明本文前面的研究结论是一致可信的。

3 研究结论

本文从地区和行业角度应用超越对数随机前沿模型实证检验了中国高技术产业创新系统外环境因素影响创新效率的过程。研究结果表明，具体而言，地方政府资助和金融机构支持都对区域创新效率产生显著的负面影响，但对行业的负面作用是不显著的；国际贸易出口对中国高技术产业创新效率地区和行业的改善都有显著的积极影响；产业规模对中国高技术产业创新效率地区的改善有显著的积极作用，但对行业创新效率的正向作用不显著。由于数据的原因，本文仅分析了外商直接投资和所有制因素对中国高技术产业分行业创新效率的影响，结果显示增加外国直接投资(FDI)有助于提高中国高技术产业创新效率，而所有制因素对中国高技术产业创新效率改善有着显著的负向影响。所以，大力促进产业创新支撑系统的完善，提高企业独立研发能力，降低政府的过多参与，扩大出口额和产业规模，加大招商引资力度和选用恰当的国有资产规模对提升中国高技术产业创新效率具有较强的正向影响。

[1]Pakes A,Griliches Z.Patents and R&D at the Firm Level:A first Look[A].Griliches Z.R&D Patents and Productivity[M].Chicago：University of Chicago Press,2005.

[2]支燕.创新能力、技术转化与创新绩效---来自我国电子信息业上市公司的实证[J].科学学与科学技术管理,2010,(3).

[3]冯尧.基于DEA方法的高技术产业成果转化效率研究[J].学术交流,2011,(3).

[4]郭国峰,温军伟,孙保营.技术创新能力的影响因素分析---基于中部六省面板数据的实证研究[J].数量经济技术经济研究,2009,(9).

[5]史修松,赵曙东,吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术经济研究,2009,(3).

[6]庆东瑞,姚宇.我国信贷规模总量、省际结构与经济增长关系实证研究——基于LMDI方法[J].兰州学刊,2013,(4).

[7]王争,史晋川.转型时期中国工业生产绩效的地区差异及波动性的解释---基于随机前沿生产函数的分析[J].世界经济文汇,2007,(4).