基于C-D函数的高新技术产业科技投入产出效率分析

孟庆军，许莲艳

(河海大学商学院，江苏南京　211100)



基于C-D函数的高新技术产业科技投入产出效率分析

孟庆军，许莲艳

(河海大学商学院，江苏南京211100)

摘要：研究采用Eviews 6.0计量经济学软件，根据中国高新技术产业1999年-2012年相关数据，采用滞后变量模型和回归分析的方法，对高新技术产业科技投入与产出之间关系进行了实证分析，并得出结论。从总体上看，科技投入在短期内极大地促进了高新技术产业的发展；从长期来看，科技投入的短促性非常明显，当滞后期为4年或4年以上时，科技投入这一生产要素已不具有显著性。

关键词：营销管理；科技投入；高新技术产业；柯布-道格拉斯生产函数；显著性

E-mail:1030053529@qq.com

孟庆军，许莲艳.基于C-D函数的高新技术产业科技投入产出效率分析[J].河北工业科技,2015,32(1):17-21.

MENG Qingjun, XU Lianyan.Analysis of science and technology input and output efficient of high technology industry based on C-D function[J].Hebei Journal of Industrial Science and Technology,2015,32(1):17-21.

科技投入是高新技术产业科技创新的一个重要源泉，对知识生产部门的资金投入会促进知识产出，并最终给企业创造利润。根据国家统计局数据显示，2012年中国高新技术企业共24 636家，在2011年的基础上增长了13.6%；其创造的利润额高达6 186.34亿元，增长了18%；高新技术产业出口交货值46 701.09亿元，增加了15%；专利申请数为97 200件，增长了25%。高新技术企业强劲发展的一个重要因素是来自于政府财政和企业自身的科技投入：2012年基于大中型工业企业口径下的高新技术产业，研究与试验发展经费1 491.49亿元，比2011年增长了20.5%；科研人员的数量达52.6万人，增长了23%。

科技投入与产出的关系一直是各个时期经济学家关注的重点。COHEN[1]等认为，R&D投资既可以创造出新的知识和信息，而且也可以增强高新技术企业吸收现有的知识和信息的能力，促进知识和技术成果的外溢，因此R&D投资具有提高技术创新能力和吸收消化能力的两面性。TSAI[2]等对中国台湾省83家大型电子企业1994年—2000年的研发支出进行实证分析，发现R&D的产出弹性在0.19左右，平均收益率在22%左右，这与英国、美国接近，但低于日本。

梁莱歆[3]等分析了企业R&D绩效评价在实际应用及研究中的现状，指出在评价研究方法上的不足，提出R&D绩效评价方法的运用，并提出适合高新技术企业的投入指标和产出体系的评价方法。蒋国瑞[4]等利用北京市制造业的技术效率对行业的R&D投入效果进行分析，研究发现，企业研发资金的内部支出与技术效率存在显著的正相关关系，但外部支出则相反。朱卫平[5]等认为在逻辑上高新技术企业的科技投入与绩效之间，应该存在着明确的正相关关系，且对这种正相关关系的稳定预期也应该是企业愿意进行科技投入的基本诱因。陈义华[6]等利用DEA模型对2000年—2002年科技投入产出的有效性进行排序，并以各地区3年的科技投入产出相对效率变化率来分析各地区科技投入的有效性。王艳丽[7]等采用柯布-道格拉斯生产函数，计算了1952年以来中国各年TFP及其增长率的大小，并得出其对中国经济增长的贡献。

本研究尝试以1999年—2012年的相关数据，利用Eviews 6.0统计学分析软件，对高新技术产业科技投入与产出的关系进行回归分析[8-10]。

1指标的选取和模型的选择

本文的数据来源于1999年—2012年国家统计年鉴及中国高新技术产业统计年鉴，时间跨度为14年。实证分析运用Eviews 6.0计量经济学软件，对各变量进行了回归分析，并对回归系数的显著性进行了检验。

1.1　分析模型中的指标选取

指标选取要能够科学地反映高新技术产业投入产出的实际情况，但指标的数量并非多多益善，要遵循全面性和有代表性的原则，并考虑指标数据的可获取性。

1)样本。决策单元应具有相同任务和目标、具有相同类型、具有相同输入输出指标，按此要求并考虑各地区间的横向比较，本文以大中型工业企业为样本。

2)输(投)入指标。生产过程中最基本的投入要素是劳动和资金。对高新技术企业来说，除一般意义上的劳动和资金外，科技投入显得尤其重要，在指标选取时不应忽略。本文选取高新技术企业固定资产投资额(K)作为资本投入指标，高新技术企业从业人员总数(L)作为劳动投入指标，科技活动经费支出(R)作为科技投入指标。

3)输(产)出指标。一般以企业净利润为输出指标，考虑到净利润不仅与企业开发和生产的产品相关，即与主营业务收入相关，还包括其他业务收入、营业外收入等相关。而高新技术企业是以生产高附加值的高新技术产品为特征，因此，本文以高新技术产业的主营业务收入(Y)指标为产出指标[11]。

1.2　模型的建立

柯布-道格拉斯生产函数是由美国数学家柯布和经济学家保罗·道格拉斯在探讨投入和产出关系时创造的，是在生产函数的一般形式上引入了技术资源这一要素。一般被用来预测工业系统或企业的生产，以及分析发展生产途径的一种经济数学模型，简称生产函数[12]。在分析科技投入与产出的关系时，考虑到柯布-道格拉斯生产函数模型中只有资产和劳动力两种生产要素，因此，采用广义的生产函数模型，即将科技投入这一外生变量作为一个生产要素加入到生产函数中，得到改进的生产函数模型。

该函数的表现形式为

Y=αKα1Lα2Rα3，

式中：Y表示高新技术产业主营业务收入；K表示资本投入；L表示劳动力投入；R表示科技投入；α1,α2,α3分别表示资本、劳动力和科技投入产出的弹性系数，α则表示综合技术水平。

对该函数取对数得：

lnY=lnα+α1lnK+α2lnL+α3lnR。

用小写字母表示对数值可得：

y=α0+α1k+α2l+α3r，

(1)

式中，α0表示常数项，假设不考虑计量经济方程中的随机误差。

在现实经济活动中，高新技术企业投入与产出之间广泛存在着时间滞后效应，即动态性。以滞后变量Rt-i为解释变量引入滞后变量模型，表示当滞后期为i时，科技投入对高新技术产业主营业务收入的影响。

对数化后，式(1)一般形式为

lnYt=lnα+α1lnKt+α2lnLt+α3lnRt-i，

式中，i表示滞后时间间隔，假设不考虑计量经济方程中的随机误差。

用小写字母表示对数值可得：

yt=α0+α1kt+α2lt+α3rt-i，

(2)

式中，α0表示常数项。

2实证检验

采用计量经济学软件Eviews 6.0，对1999年—2012年间高新技术产业主营业务收入、固定资产投资额、从业人员总数以及科技投入等统计数据进行回归处理，结果如表1所示。

表1　科技投入与产出回归结果

将表1中的数据代入式(1)中，可得生产函数：

2．1　模型对样本拟合优度检验(判定系数R2检验)

判定系数是以回归平方和占总平方和的比例作为衡量模型对样本拟合优度的指标，且R2的值越接近于1，表明模型对样本的拟合优度越高。在科技投入对生产率的函数中，R2=0.992 8，这意味着在高新技术产业科技投入产出函数的变化中，有99.28%可以通过所估计的投入产出函数来解释。

2．2　模型的显著性检验(F检验)

判定系数检验只能说明模型对样本数据的近似情况，而模型的显著性检验就是检验模型对总体的近似程度，F检验是最常用的检验方法。在模型中，n=14，k=4，n-k-1=9，取显著水平∂=0.01，由F分布表查得临界值F0.01(4,9)=14.66<236.884 9，所以，有99%的置信度认为模型的线性关系是显著的。

2．3　变量的显著性检验(t 检验)

变量的显著性检验旨在对模型中解释变量和被解释变量之间是否存在线性关系作出推断。根据表1中的比较数据，取α=0.25，查t分布表t0.125=0.695，均大于各解释变量的t统计值，则拒绝原假设，解释变量对被解释变量有显著影响。

回归分析的结果表明，资本、劳动力和科技投入都对高新技术产业的主营业务收入产生影响；科技投入的相关系数α>0，说明科技经费投入与企业生产率正相关，也就是说科技投入的增加将提高企业主营业务收入；根据相关系数α=0.5，意味着科技投入每增加一个单位，主营业务收入便增加0.5个单位，科技投入的溢出效应在当期非常明显。

当期科技投入的促进作用非常显著，那对以后各期的影响如何呢？当滞后期(i)为1，2，3，4，5时，采用计量经济学软件进行回归处理，将输出结果代入式(2)可得：

当滞后期为1时，

当滞后期为2时，

当滞后期为3时，

当滞后期为4时，

根据上述函数中kt前的系数可以看出，满足生产要素弹性为正的假设。科技投入r作为技术进步引入生产函数，也满足这一基本假设。从检验结果来看，固定资产投资、劳动力数量及科技投入都在不同程度上对高新技术产业主营业务收入产生影响，当期、滞后1，2，3，4期时r前的系数分别为0.5，0.32，0.27，0.22，0.09，说明：1)当期科技投入对当期高新技术企业产业产出的影响最大，即当期对高新技术产业进行科技投入效率最高；2)随着滞后期的慢慢累积，科技投入对高新技术产业的贡献越来越小，在滞后期为4时，科技投入的弹性系数仅为0.09，影响很小；3)综合滞后期为4时的t统计量数值为0.51，其明显小于临界值，即此时科技投入这一生产要素已不具有显著性，也就是当滞后期为4年或4年以上时，科技投入对高新技术产业的贡献率很小或几乎没有贡献了。

3结论与建议

3.1　结论

利用Eviews 6.0计量经济学软件对高新技术产业在1999年—2012年科技投入产出关系进行了回归分析，并得出如下结论。

1) 从总体上说，科技投入会促进高新技术产业的发展及盈利能力的提高，当期、滞后1~3期时，其弹性系数在0.22~0.5之间，即科技投入每增加1个单位，主营业务收入增加22%~50%，表明科技投入的促进作用在短期内非常明显，加快了企业创新成果的研发与转化。

2) 从长期来看，当滞后期为4年或超过4年时，科技投入对高新技术产业促进作用并不明显，表明科技投入存在明显的短促性，这可能是高新技术产品更新替代快、高新技术企业竞争激烈，亦或是一些高新技术企业无法准确把握市场动向，高科技人才缺乏创新能力。

3.2　建议

根据回归分析的结果可以看出，提高科技投入的数量可以加快该技术产业的发展，而提高相关人员的创新能力也是重中之重。据此，提出以下3点建议。

1)强化高新技术产业自主创新资金的投入

从外界来看，政府的相关财税政策变相地提高了企业利润，为企业的科研活动提供了有力的保障。党的十八届三中全会提出，大力发展高新技术产业，尤其关注科技型中小企业和小微企业的发展，不断出台了鼓励、支持和引导高新技术企业发展的税收政策和财政政策。如税法规定：对国家需要重点扶持的高新技术企业减按15%的税率征收企业所得税。自2012-01-01至2015-12-31对年应纳税所得额低于6万元(含6万元)的小型微利企业，其所得减按50%计入应纳税所得额。

就企业自身来说，高新技术企业是科技自主创新的主体，而科技资金的投入几乎是科研经费的全部来源，科技资金的投入在企业开展技术创新活动，促进科技成果转化中起着主导作用。企业创新发展的过程是一个不断往返的循环机制：科技创新资金投入—科技创新成果转化—经济收益—科技创新资金再投入。因此需要加大科技投入力度、提升科技投入利用率和转化率，还要积极推进创新成果转化为市场经济收益，提高企业经济利润，增加科技创新资金再投入[13-16]。

2)重视科技经费投入数量的同时，保证科技经费使用的效率

高新技术企业应建立和完善科技研发经费投入的效率评价体系。一是差别选取评价标准。在实际情况中，诸多高新技术企业对不同的研究主体和研究项目采取相同或类似的评价标准，或者不针对本企业的具体情况，直接照搬其他企业的评价标准；二是合理评估项目的可行性。许多企业为了赶上竞争对手，在没有彻底评估企业研发团队的能力、企业生产设备的性能、市场需求状况等情况下，对不合理或不可行的研发项目拨付大量资金，最终一败涂地。

因此，应该在充分考虑各种因素的情况下，区别不同的科研人员和研发主体，制定不同的科研经费投入的效率评价体系，以保证在有限的科研经费下，得到最大的研发成果产出。

3)突显科技人员的创新能力，完善科技人员的激励机制

促进企业的发展，人才是关键。企业应建立自己的人才培养和培训计划，为企业源源不断地输送高质量人才。一是完善人才政策，建立与国际接轨的，以绩效优先为主的收入分配机制，建立以技术、知识、管理技能等要素参股或给予期权股的形式，吸引并留住拥有各种技能的人才，形成有利于企业技术发展的竞争激励机制和精英人才倾斜机制；二是建立具有激励效应的报酬体系，重点奖励在技术创新和高新技术产业发展中有突出贡献的科技人才，以及在企业的经营管理过程中有突出业绩的管理人才，鼓励人才脱颖而出，促使知识转化为生产力，并尽快地转变为资本和财富，为企业和社会的发展作贡献。

参考文献/References:

[1]COHEN W,LEVINTHAL D.Innovation and learning:The two faces of R&D[J].Economic Journal,1989,199:569-596.

[2]TSAI K H,WANG J C.The R&D performance in Taiwan’s electronics industry:A longitudinal examination [J].R&D Management,2004,134:179-189.

[3]梁莱歆,刘建秋.高新技术企业R&D绩效评价方法探索[J].科学学与科学技术管理,2004(11):29-32.

LIANG Laixin,LIU Jianqiu.High and new technology enterprise R&D performance evaluation method to explore[J].Science of Science and Management of S & T,2004(11):29-32.

[4]蒋国瑞,余高潮.R&D投入与北京制造业企业技术效率的回归分析[M].北京:北京科学技术出版社,2005.

JIANG Guorui,YU Gaochao.R&D Input and Beijing Manufacturing Enterprise Technical Efficiency of Regression Analysis[M].Beijing:Beijing Science and Technology Press,2005.

[5]朱卫平,伦蕊.高新技术企业科技投入与绩效相关性的实证分析[J].科技管理研究,2004(5):7-9.

ZHU Weiping,LUN Rui.High and new technology enterprise of science and technology input and an empirical analysis of the performance correlation[J].Science and Technology Management Research,2004(5):7-9.

[6]陈义华,陈骑兵,董玉成，等.基于改进DEA模型的科技投入产出有效性分析[J].数学的实践与认识,2007,37( 11):38-43.

CHEN Yihua,CHEN Qibing,DONG Yucheng,et al.An empirical analysis on the relative efficiency of the input-output of science and technology using improved DEA model [J].Mathematics in Practice and Theory,2007,37(11):38-43.

[7]王艳丽,刘传哲.全要素生产率对中国经济增长的贡献:1952~2002[J].北京理工大学学报(社会科学版),2006,8(5):88-91.

WANG Yanli,LIU Chuanzhe.The contribution of total factor productivity of China's economic growth:1952~2002 [J].Journal of Beijing Institute of Technology(Social Sciences Edition),2006,8(5):88-91.

[8]李洪伟，任娜，陶敏，等.基于三阶段DEA的我国高新技术产业投入产出效率分析[J].中国管理科学，2013，20(sup):126-131.

LI Hongwei,REN Na,TAO Min,et al.Research on input-output efficiency of high-techindustry in China based on three-stage DEA model[J].Chinese Journal of Management Science,2013,20(sup):126-131.

[9]徐巧玲.科技投入产出的相对效率评价研究——基于DEA的BCC模型与SE-CCR模型的分析[J].科技管理研究，2014(1)：66-70.

XU Qiaoling.Efficiency evaluation on science and technology input and output:Based on DEA-the BCC model and SE-CCR model[J].Science and Technology Management Research,2014(1):66-70.

[10]陈洪转，舒亮亮.基于DEA模型的我国高新技术产业园区投入产出效率评价[J].科学学与科学技术管理，2013，34(4)：104-109.

CHEN Hongzhuan,SHU Liangliang.Measuring the efficiency of China’s high-tech industrial park by DEA model[J].Science of Science and Management of S & T,2013,34(4):104-109.

[11]孙剑,李启明.高新技术企业投入产出效率评价——基于江苏十三个城市的实证研究[J].科学学研究,2008,26(sup):61-64.

SUN Jian,LI Qiming.Input-output efficiency evaluation of high-tech enterprise:An empirical research based on thirteen cities in Jiangsu province [J].Studies in Science of Science,2008,26(sup):61-64.

[12]李兵,王铮，李刚强，等.我国科技投入对经济增长贡献的实证研究[J].科学学研究,2009,27(2)：196-201.

LI Bing ,WANG Zheng,LI Gangqiang,et al.Empirical study on contribution of S&T input to economic growth in China [J].Studies in Science of Science,2009,27(2)：196-201.

[13]上官小放,贺丹丹,黄子暄.江西省高新技术企业科技投入产出绩效的实证研究[J].金融与经济,2013(8):83-87.

SHANGGUAN Xiaofang,HE Dandan,HUANG Zixuan.Jiangxi Province high and new technology enterprise of science and technology input and output performance of the empirical study [J].Journal of Finance and Economics,2013(8):83-87.

[14]贺丹丹.江西省高新技术企业科技投入产出绩效研究[D].南昌：江西师范大学，2013.

HE Dandan.Jiangxi Province High-Tech Enterprise of Science and Technology Research Input and Output Performance[D].Nanchang:Jiangxi Normal University,2013.

[15]郭玉明.企业创新绩效影响因素实证研究[J].河北工业大学学报，2014，43(1)：101-106.

GUO Yuming.An empirical analysis of the factors affecting innovation performance[J].Journal of Hebei University of Technlogy,2014,43(1):101-106.

[16]李翔.我国高技术产业创新系统效率评价[D].上海：上海师范大学，2013.

LI Xiang.The Efficiency Evaluation of High-Tech Industrial Innovation System in Our Country[D].Shanghai:Shanghai Normal University,2013.

Analysis of science and technology input and output efficient of

high technology industry based on C-D function

MENG Qingjun, XU Lianyan

(School of Business, Hehai University, Nanjing, Jiangsu 211100, China)

Abstract:By using econometrics software Eviews 6.0, according to the related data of China’s high technology industry from 1999 to 2012, empirical analysis about the relationship between science and technology input and output of high technology industry is implemented with lag variable model and regression analysis method. Overall, in the short term, investment in science and technology greatly promotes the development of high technology industries; in the long run, the briefness of investment in science and technology is very obvious: when the lag period is 4 years or more, investment in science and technology has no significance.

Keywords:marketing management; science and technology input; high technology industry; Cobb-Douglas production function; significance

作者简介：孟庆军(1963—)，男，江苏南京人，副教授，硕士，主要从事科技创新、高新技术管理方面的研究。

基金项目：江苏省社会科学基金(13GLB007)；江苏省教育厅高校哲学社会科学研究重点项目(2010ZDIXM004)

收稿日期：2014-07-22;修回日期：2014-09-05；责任编辑：陈书欣

中图分类号：F270

文献标志码：A

doi:10.7535/hbgykj.2015yx01004

文章编号：1008-1534(2015)01-0017-05