我国区域研发效率及其影响因素研究

姜彩楼，查　颖

（1.南京信息工程大学 中国制造业发展研究院，江苏 南京 210044；2.南京大学 经济学院，江苏 南京 210093）

●区域发展

我国区域研发效率及其影响因素研究

姜彩楼1，2，查颖1

（1.南京信息工程大学 中国制造业发展研究院，江苏 南京 210044；2.南京大学 经济学院，江苏 南京 210093）

文章基于创新价值链对研发活动进行划分，并采用随机前沿函数测算了我国29个省级单位的区域研发效率。结果表明：三个阶段研发效率均呈现逐年上升趋势，其中知识创新效率最高，发明型专利的研发效率最低，反映出我国优质资源长期向基础研究领域倾斜，而对研发的市场化重视不够。在空间跨度上，我国区域研发效率呈现东部、中部和西部地区递减的趋势。我国应该完善产学研转化机制，加大高素质人才培养，为研发活动创造良好的经济环境。

研发效率；三阶段产出；随机前沿函数；环境变量

［DOI］10.3969/j.issn.1007-5097.2016.06.011

一、引　言

随着创新驱动战略的实施，我国研发规模呈逐年递增趋势。据统计，我国2013年研发投入高达17 813亿元，专利授权数量达122.84万件，发表三大检索期刊论文331 395篇，在世界科技领域中占据举足轻重的地位。然而，由于我国研发活动具有典型的政府推动特征，各研发环节之间往往缺乏有效连接和转化机制，导致我国研发投入整体效率偏低。在此背景下，对我国区域研发效率差异及其影响因素进行研究，具有重要的理论意义和实践价值。

现有研究主要采用参数法和非参数法测度研发效率。非参数法以Chames等（1978）［1］的数据包络分析方法为代表，该方法采用数学规划法，无须建立变量之间的严格函数关系，在多投入多产出的效率度量上具有优势，其不足之处在于不考虑测量误差的存在。参数方法以Aigner等（1977）［2］和Battese （1977）［3］等提出的随机前沿方法（Stochastic Frontier Approach，SFA）为代表，该方法尽管受到特定函数形式的限制，但是能够基于投入或产出最优的生产函数来构造生产前沿面，并对生产过程的实际值和最优值进行比较以获得数据，在分析效率变动及其来源时具有优势。

在测度指标上，现有研究多将研发活动视为“黑箱”，根据研究需要设定投入和产出指标。投入指标主要采用研发人力资本投入和研发经费投入，产出指标主要采用新产品产值（Jefferson，2006；于长宏、白辰，2013）［4-5］或专利产出（沈能，2013；李政、杨思莹，2014）［6-7］，其优势在于指标属性比较明确，能够反映产品创新和技术创新的特征。为了测度研发单元的综合效率，研究者开始将期刊论文、专利和新产品产值等指标联合起来构建综合产出指标（陈凯华、汪寿阳，2014；邹文杰，2015）［8-9］。余泳泽等（2014）［10］将研发活动分解为知识创新、专利创新和产品创新三个阶段，通过对各个阶段的研发效率进行测度，发现区域研发效率的不足并提出改善路径。

本文将借鉴创新价值链理论，在对研发活动进行分解的基础上，采用随机前沿法研究不同阶段的效率及影响因素，从中发现有价值的规律并提出建议。

二、模型与数据

随机前沿分析的基本思路是根据一组变量构造投入产出的最佳效率前沿，通过比较样本与最佳效率前沿的距离，测定每个样本的相对效率。随机前沿分析最大的特点是把模型的误差项分解为随机误差和技术无效率项，通过测量技术无效率项来确定效率的大小。

在创新价值链上，研发活动可以分为基础研究、应用研究和试验发展三个阶段，分别对应最初阶段（知识创新）、中间阶段（技术创新）和最终阶段（产品创新）［10］，产出成果分别为科技论文和专著等知识成果、专利等技术成果以及新产品等产品创新成果。建立回归方程：

最初产出方程：

中间产出方程：

最终产出方程：

方程（1）、（2）和（3）中的νi表示影响研发产出的随机因素，服从正态分布N（0，），μi代表非负的技术非效率项，服从非负的半正态分布N（+（0，）。

引入技术非效率项μi，考虑环境变量的影响，构建技术非效率的影响因素模型：

考虑到不同研发阶段的特征，除了常规的经费投入和研发人员投入以外，我们还分别将第一阶段的论文产出增加为第二阶段的要素投入，将第二阶段的专利产出增加为第三阶段的要素投入。对于各个指标的统计口径，我们参照Guan和Liu（2005）［11］的研究，学术论文为各区域产出的SCI、EI和ISTP检索论文总量，专利产出为发明型专利申请数，新产品产出为新产品产值。此外，研发过程无疑会受到环境变量的影响，这里主要考虑经济发展环境、研发环境、政府支持力度和外资投入水平的影响，分别用GDP、大学生在校人数、政府支持力度和外资投入水平来表示。各变量的定义见表1。

表1　研究变量的定义

在样本选择上，由于西藏部分数据缺失，重庆市的数据合并到四川省，故研究样本为29个省级单位。本研究的数据全部来源于2002-2014年的《中国科技统计年鉴》和《中国统计年鉴》。考虑到研发活动的滞后效应，我们对所有投入指标与环境变量做了滞后1期处理。

三、实证结果分析

本文利用随机前沿方法对研发活动中的最初产出、中间产出和最终产出方程中的效率进行了估计，并考虑了环境因素的影响。表2给出了估计结果，γ值和似然比显示随机前沿模型估计结果是合理的。

表2　随机前沿分析结果

在技术非效率方程中，GDP总量在最初方程和最终方程中系数均显著为负，说明经济发展有助于促进知识创新效率提升，而经济发展也容易催生产品创新的产业环境，提高产品创新效率。在校大学生数量反映了区域内高素质劳动力的数量，检验结果显示其对区域内最初产出与中间产出均呈现出显著的正向影响，说明高素质人才储备对知识创新和专利创新具有显著的促进作用。

政府投入对最初方程与中间方程产生了显著的负向作用，而在最终产出方程中没有通过显著性检验。这说明政府投入尽管对知识创新和专利创新产生了显著的促进作用，但是由于脱离产业发展实践，难以对产品创新产生促进作用。Goolsbee（1998）则认为研发经费中科研人员薪酬是支出的主要部分，政府投入在很大程度上激发了研发人员工作热情［12］，难以在产业实践中产生效益。

外资投入与知识产出呈现显著的正相关，而与最终产出呈现负相关。这是由于在我国对外开放格局中，创新效率高的区域更容易吸引外资，而外资企业能够凭借其领先的核心技术对该地区新产品产生“挤出效应”，从而抑制本区域产品创新（王先林，2008）［13］。

通过随机前沿函数，可以核算出各省级单元的效率变化。图1表明，研发活动三个阶段的研发效率值均呈现逐年上升的趋势，显示出我国研发活动整体效率有了很大的提升。其中，又以最初产出效率最高，反映出在我国政府的长期支持下，基础研发不仅形成了巨大规模，投入产出效率也在逐年改善。发明型专利是科技活动中最具竞争力的指标，但其投入产出效率却相对较低，这主要是由于我国研发领域长期重视数量考核，而忽视研发质量，导致发明型专利产出效率偏低。

图1　2002-2013年中国平均研发效率变化趋势

新产品产出效率较低，这主要是由于供给推动的大规模研发效率整体偏低、产学研结合力度不够造成的。楚天骄等（2008）认为我国普遍存在研发成果转化能力不高、利用不充分的现象，调查结果显示42%的研发成果转化率在20%以下，仅有17%的研发成果转化率高于25%［14］。从整体结果来看，中国研发活动的无效率现象仍然较为普遍，还有较大的改善空间。

表3给出了通过方程模型（1）-（3）核算出的各省级单元研发效率值。可以看出，中国区域研发效率在各省级单元之间的分布很不均衡，存在较大的空间差异，总体呈现出东高西低的分布特征。

表3　2002-2013年各地区产出效率值

从区域层面上看，东部地区三个阶段的效率值明显高于中西部地区，其中，江苏和浙江三个阶段的研发效率值均处于领先地位，在0.9以上。我们认为，这主要是由于这些地区处于我国经济发展的前沿，聚集了较多高质量的研发资源。其次，这些地区拥有较高质量的制度环境，产学研转化率高，保证了整体研发效率。值得注意的是，尽管北京、上海、福建和天津等地的最初产出效率和最终产出效率较高，但是中间产出效率较低。对于北京和上海来说，我们认为一方面是由于研发人力成本过高（靖学青，2010）［15］，另一方面是由于研发资源过度集中带来了“拥挤的外部性”，不同研发机构可能会对同一类型的项目进行研发，降低了研发效率。对于天津和福建来说，外向型经济的集中造成了这些地区面向市场的产品创新效率较高，而面向核心技术的发明型专利创新效率相对较弱，造成了这些地区中间阶段创新效率较低的现象。

由于中西部地区在研发资源集聚和产业集聚上都处于不利地位，这些地区既缺乏来自技术层面的供给驱动，也缺乏来自产业层面的需求拉动，整体研发效率普遍偏低。尽管部分地区最初阶段研发效率相对较高，但是中间阶段和最终阶段的产出效率仍然较低。例如湖南、河南、黑龙江、陕西等地，这类地区高等教育发达、科研机构密集，最初阶段的研发效率相对较高，但是由于市场体系不健全，产业发展不活跃，中间产出和最终产出效率仍然处于较低水平。

四、结论与建议

本研究将研发活动分为三个阶段，运用随机前沿方法对我国区域研发效率进行了测算，并研究了环境因素的影响。研究结果表明，地区GDP、在校大学生数量和政府支持力度对不同阶段的研发效率产生了显著的正向促进作用。我国区域研发效率总体上呈现“前低后高”的趋势，处于不断上升之中，还存在一定的改善空间。在空间维度上，我国区域研发效率整体上呈现东、中、西部递减的特征。根据研究，本文提出如下建议：

（1）完善产学研转化机制，协调好基础研究、专利创新和产品创新的关系。近年来，我国基础研究规模和效率都取得长足进展，但是对立足于产业需求的专利创新和产品创新重视程度还远远不够，需要从机制上进一步完善和强化，提升创新价值链整体竞争力。

（2）改善区域研发环境，营造良好的区域创新生态。理顺区域经济和区域研发之间的关系，充分挖掘区域经济对区域研发的供给侧和需求侧动力。在科技资源配置上，加强高校和研究机构的对接，加强科技人才培养，为区域研发提供人才保障。利用区位优势集聚外资研发机构，通过交流和学习等多种途径提高研发能力，促进创新集群形成［16］。

（3）制定差异化的科技创新政策，提高研发激励水平。长期以来，我国科技创新政策较为笼统，对处于不同研发阶段和不同空间的研发活动差异性缺乏重视，难以进行有效激励。相关部门要在进行科学评价的基础上，制定差异化政策，提高对研发活动的激励效率。

［1］Charmes A，Cooper W，Niehaus R J.Management science approaches to manpower planning and organization design ［M］.Amsterdam：North-Holland Publishing Co.，1978.

［2］Aigner D，Lovell C A K，Schmidt P.Formulation and estima⁃tion of stochastic frontier production function models［J］. Journal of Risk&Insurance，1977，6（1）：21-37.

［3］Battese G E，Corra G S.Estimation of a production frontier model：with application to the pastoral zone of eastern aus⁃tralia［J］.Australian Journal of Agricultural&Resource Economics，1977，21（3）：169-179.

［4］Jefferson G H，Bai Huamao，Guan Xiaojing，et al.R&D per⁃formance in Chinese industry［J］.Economics of Innovation and New Technology，2006，15（5）：345-366.

［5］于长宏，白辰.中国工业企业研发效率的波及面［J］.沈阳工业大学学报：社会科学版，2013（6）：34-41.

［6］沈能.基于地理溢出的我国研发效率的时空演化特征［J］.科研管理，2013，34（4）：123-130.

［7］李政，杨思莹.我国地区研发效率的演变和收敛性特征——基于随机前沿方法的分析［J］.华东经济管理，2014，28（9）：1-6.

［8］陈凯华，汪寿阳.考虑环境影响的三阶段组合效率测度模型的改进及在研发效率测度中的应用［J］.系统工程理论与实践，2014，34（7）：1811-1821.

［9］邹文杰.研发要素集聚、投入强度与研发效率——基于空间异质性的视角［J］.科学学研究，2015，33（3）：390-397.

［10］余泳泽，刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究［J］.管理世界，2013（5）：6-20.

［11］Guan JC，Liu S Z.Comparing regional innovative capaci⁃ties of PR China based on data analysis of the national pat⁃ents［J］.International Journal of Technology Management，2005，32（3）：225-245.

［12］Goolsbee A.Does government R&D policy mainly benefit scientists and engineers［R］.National bureau of economic research，1998.

［13］王先林.从个体权利、竞争工具到国家战略——关于知识产权的三维视角［J］.上海交通大学学报：哲学社会科学版，2008，16（4）：5-13.

［14］楚天骄，杜德斌，姜涛.143家国有工业企业R&D能力调查［J］.中国科技论坛，2008（3）：63-66.

［15］靖学青.长三角16城市利用FDI业绩和潜力比较研究［J］.上海交通大学学报：哲学社会科学版，2010，18（6）：35-41.

［16］姜彩楼，李燕超，朱琴.全球化视野下创新集群的协同演化及政策启示［J］.软科学，2015（6）：1-4.

［责任编辑：张兵］

Research on RegionalR&D Efficiency and Influencing Factors in China

JIANG Cai-lou1，2，ZHA Ying1
（1.China Manufacturing Institute，Nanjing University of Information Science&Technology，Nanjing 210044，China；2.School of Economics，Nanjing University，Nanjing 210093，China）

The R&D efficiency of 29 provincial-level administrative areas in China has been evaluated by using stochastic frontier function based on the partition of R&D activity.The results indicate that the R&D efficiency at three stages improved. The knowledge innovation efficiency keeps the most efficient one，and the least efficient one is invention patents.These results demonstrate that China’s high-quality resources have been tilting to the basic research in a long time，and the marketization of R&D activity has been ignored for a long time.From the spatial views，regional R&D efficiency presents a decreasing trend from eastern，central to western regions.A better university-industry mechanism should be built to increase the high-quality personnel training，as well as to create a good economic environment for R&D activities.

R&D efficiency；three stages output；stochastic frontier function；environment variables

F061.5；F061.3

A

1007-5097（2016）06-0068-04

2015-08-02

教育部人文社会科学研究基金项目（14YJC630051）；中国博士后基金项目（2015M581759）；江苏省博士后基金项目（1501141C）

姜彩楼（1977-），男，江苏东海人，副教授，管理学博士，研究方向：技术创新与管理；

查颖（1991-），女，江苏扬州人，硕士研究生，研究方向：技术创新与管理。