基于DEA—Malmquist指数的四川创新科技效率评价分析

黄寰　王玮　曾智

摘要：以川、滇、黔等7省和全国科技创新产业近年投入产出数据为基础，以内生增长理论为依据，运用数据包络模型对其马氏距离和科技创新产业的全要素生产效率进行测算。结果表明：全要素生产效率变化中其规模效率变化率排序最符合各省的科技创新水平；四川省六大支柱创新产业集中度高，产业集聚效应与辐射效应明显，科技创新优势在于R&D人员数量和劳动力占比不断提高；科技创新产业布局严重不均和尖端科研人员增长缓慢是制约四川科技创新快速发展的重要因素。通过四川省科技创新产业聚集程度对2015年高新技术企业产值进行预测，预计2015年及以后四川省高新技术企业产值增长率能够稳定在20%的水平。

关键词：科技创新效率；内生增长理论；马氏全要素生产率

DOI：10.13956/j.ss.1001-8409.2015.10.28

中图分类号：F014.7 文献标识码：A 文章编号：1001-8409（2015）10-0131-05

Abstract：Based on the technological industries inputoutput data of nation， Sichuan， Yunnan， Guizhou and other four provinces，combined with the endogenous growth theory， this paper uses the DEAMalmquist model calculated the Malmquist distance and TFP（total factor productivity ）.Results show that： among all the indexes which constitute TFP， the scale efficiency changes best meet the real level of technology innovation efficiency of the seven provinces； six main innovation industries of Sichuan are high concentrated， industrial clustering effect and radiation effect is obvious， the advantages of technology innovation lies in the improvement of R&D labor force number and the proportion it takes. At the meantime， the problems of inequality layout of technology innovation industries and slow growth of cuttingedge research personnel combined with other issues are the elemental factors that impede the growth of Sichuan technology innovation. Through the aggregation level of Sichuan high technology industries， it can be expected the value of output of hightech enterprises growth stabilize at 20% level.

Key words：technology innovation efficiency； endogenous growth theory； Malmquist total factor productivity

1引言

我国经济发展正在进入以改革推进新常态经济增长模式，改变过去主要依靠基础建设投资，劳动密集型制造业出口的方式，积极向依靠高端技术出口、工业升级转变。在此背景下，多数省都提出了创新驱动发展战略。然而，创新驱动发展战略的实现不止是一种思路，更需要有坚实的创新驱动力。创新驱动的主要动力在于科技创新，科研人员数量和资本积累对科技创新的效率有重大影响。罗默等人从阿罗的“干中学”观点出发，对依靠科技创新为动力的内生经济增长理论做出了重大贡献。

罗默的内生经济增长模型强调技术进步，在经济增长上可以反映为生产效率的提高、投入产出比的降低。所有内生增长模型都试图将技术纳入增长模型，强调经济增长资本积累导致技术进步，而技术进步则进一步带来经济增长[1]。Aghion则提出在依据科技创新的情况下，平均经济增长率会始终围绕社会最佳增长率上下波动，因为技术外溢的正效应会使其他研究者可以不用补偿地使用现有技术，与此对应，这种免费的使用是一种“商业偷窃”效应，其又会在促使经济低成本增长的同时减少未来创新[2]。

科技创新发展效率特别是一定区域内科技创新发展效率会直接影响本区域内的科技产出效率，分析区域创新效率可以客观反应特定区域的资源配置和营运能力等指标[3]。四川省拥有以成都、绵阳、德阳等为首的高新技术带，形成了以电子产品、重大装备制造等为核心的高新技术产业链，在科技创新方面有较好的基础，并且在财政拨款和人员投入方面在西部有明显的优势[4]。但是四川省大中型企业的专利发明申请数和拥有数与其他科技创新大省相比还较少[5]，科技创新对经济效益的转化较低。尽管如此，四川仍然能够通过提升产品质量和劳动人员熟练程度并加强R&D投资来获得更强的竞争力[6]。

上世纪50年代瑞典经济学家 Sten Malmquist建立了Malmquist 指数，其首先用于消费分析（刘井建，梁冰，2010）。1982年Caves、Christensen和Diewert将决策单元（Decision Making Unit， DMU）引入了Malmquist指数，从而得到了投入角度和产出角度的Malmquist全要素生产率（Malmquist TFP），TFP测算了厂商的投入生产效率（刘金芳、徐枞巍，2012），测算科技创新产业的生产效率可以反映本区域科技成果转化水平。陈伟使用GEM-DEA测算了全国30个省的科技成果转化效率，得出资金和人才等要素的使用效率高，对提高科技成果转化效率有促进作用的结论[7]。董洁采用随机前沿分析模型对全国科技成果转化效率进行分析，得出中西部地区科技成果转化效率明显低于东部地区，某些省份已经出现资金和人员的冗余，其市场转化、科技环境和政府支撑是提高科技转化效率的关键[8]。

本文以罗默内生经济增长理论为基础，分析川、滇、黔等主要省份促进经济内生增长的关键要素，通过DEA数据包络模型测算其马氏距离函数，进而求得相应地区科技创新产业的技术效率、规模效率变幅。通过指标比对综合评价四川科技创新效率，分析四川科技创新的优势与劣势对创新驱动经济发展做出预测。

2科技创新效率评价的理论基础与方法

内生经济增长理论观察到长期实体生产中，企业与厂商的经济增长并没有因生产要素边际报酬递减而减少，许多发达国家更是保持了经济长期增长。通过引入科技创新，内生增长理论客观地反映了科技创新是导致部分国家与地区经济持续上涨而部分地区经济增长停滞的原因。

内生增长理论较为系统地研究了科技创新对经济的带动作用，相较于古典经济学其将技术增长内生化，Romer提出了中间产品的概念，合理地解释了技术进步带动经济增长与资本积累促进科技进步的循环作用，将科技创新内生化。

21内生增长理论

科技创新对经济发展有着至关重要的作用，相对于新古典经济学将储蓄率作为决定经济增长的唯一因素的做法，以罗默为代表的内生增长理论将技术进步纳入经济增长的模型之中，认为技术进步是经济持续增长的发动机，提出了“知识外溢长期增长模式”。

从罗默第二个模型来看，经济增长不仅与总体劳动力数量有关，还与研究部门的劳动力正相关，与研究部门利用现有设计或科技进行设计研究的能力相关，与时间偏好负相关。由于中间产品生产企业无法对生产中存在的溢出效应内部化和对生产进行劳动细分，其增长率总是小于社会最优水平[9]。这个模型并没有考虑旧的中间投入会随着时间而变得过时，那么科技创新技术并不会带来如模型中那样系统性的经济增长，并且也不能像模型中那样抵消经济增长中边际收益递减。

22全要素生产效率对科技创新的衡量

全要素生产率（Total Factor Productivity，TFP）适合于衡量生产的效率，并且能够将总效率进一步细分，从而从多个角度看到行业生产效率的变化。

罗默的第二个模型指出，经济增长率主要依靠于研究设计，而经济的持续增长和要素的规模报酬递增也依赖于此。归根结底，创新在经济增长中发挥着重要作用，适当的高创新效率会带来高的经济增长。之前许多学者发现，亚洲四小龙的TPF其实并不高甚至比其他亚洲国家还低，例如Young等认为亚洲四小龙的经济增长主要是依靠要素数量的积累，最终会因为回报递减而面临增长停滞[10]。

TFP能很好地衡量行业的总体生产效率，并将TFP划分为纯技术效率变化、规模效率变化、技术变化，而纯技术效率的变化可以衡量罗默模型中的δ的变化，而规模变化则可以刻画的质量变化。所以TFP虽然不能够完全解释经济增长，但却能反映罗默模型中的研究部门要素效率，为进一步解释内生经济增长提供了依据，也为指导研究、创新发展指明了方向。

23马氏全要素生产率

马氏全要素生产率（TFP）是建立在马氏距离函数上适合于测量行业或多厂商的绩效变化，其通过厂商的利润率比值和价格缩减函数推导得出[11]，TFP的计算方法有很多，但无论什么方法都满足同等产出，投入少的效率之高的条件，反之亦然。利用malmquist距离函数计算的全要素生产率即为马氏全要素生产率（Malmquist TFP）：

3省域马氏全要素生产率分析

根据罗默内生增长理论，经济增长受创新决策单元的创新效率和创新人员影响，本文选取北京、上海、广东、江苏、云南、贵州、四川7个省域2005年至2012年的创新投入和产出进行分析，通过将西部省份与东部和全国一线创新省域比较，分析其TFP的构成及其变化趋势，再依照内生增长理论着重分析四川省的创新效率以及对经济的影响。

根据图1各个省的全要素生产率变化一致，在2006年至2012年的7年里，7个省域和全国总体来说全要素生产率上涨，其中上海和江苏有5年上涨，虽然江苏没有像全国其他地方在2011年出现了快速上涨，但在2012年保持了最强劲的增长势头。然而，全要素生产率并不能完全体现东部创新省与西部的区别，原因如solow和Greenwood总结TFP与现实相左的原因一样，TFP并没有体现要素的异质性和要素质量变化，也无法衡量技术外溢

的影响。例如，江苏的工业基础深厚，在机械制造、新能源等领域有较强实力，但却一直在尝试经济转型升级，TFP不能衡量在转型中的技术外溢，而2012年江苏形成的以电子商务为增长极点的经济正逐步走强，带动以商业为基础的全行业经济升级，TFP不能计算出江苏省的外溢效应。相反，西部工业产值相较于东部差距不大，但其工业创新能力却与东部城市有较大差距，西部省份接受东部产业转移多于自身产业科技创新对经济的贡献，而TFP却不能区分出两种技术进步的差异，随着西部省接收东部省制造业转移的数量增多、势必造成非研究人员劳动力L1的价格上涨，从而西部L1人口增加，不变。根据罗默第二模型g=aδ-ρα+ε，经济增长率短期不会减少，但研究人员占劳动力比例下降，由科技创新带来的经济增长g=δL2下降，如果继续依靠接受东部省份低端制造业产业转移发展经济，最终经济增长面临要素边际效益递减，经济增长下降。

而规模效率的变化率则能较好地反映东西部科技创新效率差异，从图2可以看出江苏和上海的走势明显强于其他地区，江苏从2006年至2009年创新科技产业规模效率没有太大变化甚至在减少，但是2009年以后却有明显提升，和上海走势相同最终在2012年都保持了20%的增幅。西部省表现却较为一般，在整个7年中没有太大的增幅，值得注意的是广东作为一个发达省，其规模效率变化却没有像其他省一样表现突出。从广东的创新综合能力来看，在政府投入、知识创造能力和投入产出比上相对较弱，导致其创新产业的距离函数一直维持在07左右，而对于企业创新方面，企业对研发的重视还不够，技术升级进程缓慢，但是在最近几年里，广东企业创新增加，科技从业人员、专利申请数量均上升。而从产业发展的角度来看，传统产业升级基本完成，制造业通过前期资本积累已经从中国制造逐渐转型为中国创造，不仅在生产技术方面出现了改善性创新，也从整个行业里出现了熊彼得提出的创造性毁灭。

无论从全要素效率变化或规模效率变化上考虑，四川在全国范围内都处于中等水平。从实证可以看出，省域创新效率的高低很大程度上受该省传统工业基础的好坏和改革开放后全国经济发展路径选择的影响，并且创新效率是一个动态的、连续的过程[13]。四川传统工业基础得益于三线建设，已经发展出了成、绵、德为辐射带的高新技术产业带，全省以电子信息为首的高新技术产业和大型重型装备制造业、高新软件行业在发展过程中也向成、绵、德区域集聚。四川省工业基础虽然不如江苏、上海、广东等省和地区，但拥有自己独特的高新技术产业链，并且已经形成产业集聚，虽然在软件、互联网等产业方面四川基础薄弱，但近年随着富士康、英特尔、IBM等公司在成都范围内落户，四川后续竞争力逐渐变强。

4四川科技创新效率评价及预测分析

41四川高新技术企业创新产出评价

至2011年高新区共有高新技术企业1325家，相对前两年有所减少，但从业人员和企业总利润却持续增加。分别从2010年的638万人、3309亿元增加到752万人、4118亿元；而工业总产值从2006年的1352亿元增长到66222亿元，反映出四川省高新技术企业成长迅速而竞争剧烈[14]；从业人员持续增多、产值持续增高、高新企业生产效率符合马氏TFP测算结果。从产业结构来看，自2007年起四川省确定优先发展电子信息、生物工程、新材料、航天科技、先进制造、核能等六大高新技术产业，经过几年的快速发展，各优先发展的产业均获得重大成效，拥有9大战略产品，80多个重点产品。2011年共实现工业产值42389亿元，其中先进制造业产值最多达13067亿元，最少的核能等新能源技术则有1211亿元[15]。

四川省高新技术产业从业人员也保持不断增长（见图3、图4），从2006年的326万人增长到2012年的80多万人，并且每万人劳动力中R&D人员比例也在不断提升，2006年全省每万人劳动力由295人增长到2012年每万人劳动力82人，年均增幅193% 。根据内生增长理论可以看出，西部科技创新产业劳动力增长强劲，经济未来创新增长力强，由科技带来的经济增长g=δL2与经济总体增速相当，四川未来科技创新带动经济增长势头良好。

四川省创新经济发展也存在很多值得提升的地方，例如四川省R&D人员比其他发达城市来说较少，顶尖人才拥有量较低，两院院士人数增长也较慢，并且大多数顶尖人才集中在国防科技系统，对于企业和其他经济部门辐射范围较小。另外，四川省创新活动的资源与主体分布十分不均，其主要分布在成、绵、德一带，而其他地区则相对较少，也没有形成规模。再者，四川省科研机构的R&D经费和人员的投入明显多于高校，但从科研成果数量衡量，科研机构的成果数量明显少于高校，创造经济效益的部门科技创新能力并不足，而高校科研成果还没有在经济部门进行快速充分地转化。

42四川科技创新发展经济预测

四川省科技创新规模效率变化在2006年至2012年保持稳定增长，在西部居于前列。而自2013年以来，四川省提出了多点多极支撑发展战略，并且提出了创新驱动发展战略。根据罗默第二模型g=aδ-ρα+ε，科研人员数量和比例的持续增多在经济不断增长带来的技术进步下，四川省整体科技创新能力会加强。并且我国已进入经济转型的重要时期，降低社会总体融资成本是促进改革的重要手段，将流动性释放并引导其进入实体经济则是促进各方面创新的必选之路，四川省在这样的大环境下，合理降低全社会融资成本，促进创新产业聚集，加强优势产业的辐射，继续吸引全国范围高新技术人才，从罗默模型的分子与分母方面入手，能够迅速加快本省的创新科技发展。

2013年四川省高新技术产业总产值已达到103417亿元，居西部第一。而电子信息、先进制造、新材料、航空航天、医药生物技术与新能源等六大领域已经占到高新技术产业总产值的519%，产业资本进一步聚集，大中型高新技术企业产值达到全部产值8成以上。假设最终产品生产要素弹性与消费跨期偏好不变，预计2015年全年四川省高新技术企业产值增加将达到20%以上，并将持续保持高速增长水平，六大领域的高新技术企业还将持续聚集，但是占全部高新技术企业产值将有所下降，预计将减少50%左右，而全省高新技术企业地理分布和产业分布也将更为合理。

5结论

马氏全要素效率的规模效率变化率排序与各省科技创新水平的排序稳合，根据排位靠前的江苏、上海等省市科技创新经验，结合内生增长理论，四川省科技创新发展的重点在于提高科技创新人员的比例与质量；同时，四川省也需要科技创新落后地区与成、绵、德周边地区实现高科技产业聚集，通过提高规模效率实现以科技创新为驱动的经济发展。

参考文献：

[1]Rivera-Batiz L A， Romer P M. Economic Integration and Endogenous Growth[R]. National Bureau of Economic Research， 1990

[2]Aghion P， Howitt P. A model of Growth through Creative Destruction[R].National Bureau of Economic Research， 1990.

[3]刘凤朝， 潘雄锋. 基于Malmquist指数法的我国科技创新效率评价[J]. 科学学研究， 2007， 25（5）： 986-990.

[4]陆福兴. 新型城镇化进程中的县域金融创新研究[J]. 成都理工大学学报： 社会科学版， 2014， 22（5）： 38-42.

[5]蒋洋， 鲁若愚. 四川省大中型企业自主创新能力分析评价[J]. 软科学， 2011， 25（2）： 89-93.

[6]Ang J B， Madsen J B. Can Second-Generation Endogenous Growth Models Explain the Productivity Trends and Knowledge Production in the Asian Miracle Economies？[J]. Review of Economics and Statistics， 2011， 93（4）： 1360-1373.

[7]陈伟， 康鑫， 冯志军， 等. 基于 GEM-DEA 模型的区域高技术企业科技成果转化效率评价研究[J]. 软科学， 2011， 25（4）： 23-26.

[8]董洁， 黄付杰. 中国科技成果转化效率及其影响因素研究——基于随机前沿函数的实证分析[J]. 软科学， 2012， 26（10）： 15-20.

[9]Aghion P， Howitt P， Garcia-Penalosa C. Endogenous Growth Theory[M]. MIT Press， 1998.

[10]Moon Y S， Sonn Y H. Productive Energy Consumption and Economic Growth： An Endogenous Growth Model and Its Empirical Application[J]. Resource & Energy Economics， 1996， 18（2）：189-200.

[11]Banker R D， Natarajan R. Evaluating Contextualvariables Affecting Productivity Using Data Envelopment Analysis[J]. Operations Research， 2008， 56（1）： 48-58.

[12]Coelli T J， Rao D S P， ODonnell C J， et al. An Introduction to Efficiency and Productivity Analysis[M]. Springer， 2005.

[13]高晓霞， 芮雪琴， 宋燕. 中国省市区域创新能力动态研究——基于 2001-2010年面板数据[J]. 科技管理研究， 2014， 34（2）： 15-19.

[14]林欣. 区域金融生态优化中的地方政府作用分析——以广东省为例[J]. 成都理工大学学报： 社会科学版， 2014， 22（2）： 62-67.

[15]凌弈， 刘后平. 城镇化与区域经济发展的良性互动——基于成都市龙泉驿区的分析[J]. 成都理工大学学报： 社会科学版， 2014， 22（4）： 68-73.

（责任编辑：王惠萍）