我国中型高技术企业创新效率的区域比较研究——创新价值链视角

李牧南 黄 芬

（华南理工大学，广州 510641）

我国中型高技术企业创新效率的区域比较研究
——创新价值链视角

李牧南 黄 芬

（华南理工大学，广州 510641）

相比大型高技术企业，中型高技术企业在我国所有省（市）均有分布，统计数据也相对完整。在国家和区域创新战略实施过程中，中型高技术企业也是大部分中西部省份的重要创新载体。但是，国内外针对中等规模高技术企业创新效率的研究较少，专门探讨我国省际中型高技术企业创新效率的文献基本为空白。本文基于 “研究→开发→转化”的创新价值链视角，结合2010～2015年 《中国高技术产业统计年鉴》中有关中型高技术企业的专项统计数据，结合传统的数据包络分析方法，对我国不同地区的中型高技术企业的创新效率进行了分析和比较。实证研究显示，中型高技术企业在不同地区的综合创新效率存在显著性差异，这种差异也给相关科技政策制定带来了一定的挑战。

创新效率 创新价值链 数据包络分析 高技术产业 研发效率 转化效率

引 言

随着 “大众创业、万众创新”战略的实施，如何进一步发挥 “大中型高技术企业”的作用，提升大型科技企业的创新能力和创新绩效显然具有重要的战略意义。相比于 “小微科技型企业”，大中型科技企业面临更为严峻的成本压力和资源约束环境。新经济形势下，针对中型高技术企业的区域创新效率比较就具有了显著的科技政策启示意义。但是，当前大部分针对创新效率评价的研究都集中在区域、产业和大中型企业层面，国内外针对中型高技术企业创新效率的区域比较则基本为空白，从而导致地区之间针对中型高技术企业创新发展的科技政策缺乏针对性和地区特色。

1 相关文献回顾

当前针对创新效率评价的研究范式基本可以分为计量经济学视角的随机前沿分析（SFA）和管理决策视角的数据包络分析（DEA），DEA方法运用更广泛。创新效率评价对象的层级可以分为国家/地区、产业、企业。一般而言，DEA则是通过建立数学规划模型，求解满足一定约束条件下，不同决策单元（多个近似评价对象）之间的相对效率。SFA尽管可以构建更为量化的计量模型，但是多元回归模型的求解也存在一定的局限性，包括要素资本存量的计算，因变量或者自变量之间的多重共线性，伪回归等都需要在计量模型的建模过程中予以考虑［1］。DEA方法的局限性则主要体现在计算结果并不代表决策单元的绝对效率，因此，也有研究结合SFA和DEA两种方法各自的优势，形成所谓的两阶段或者多阶段DEA方法［2，3］。

创新价值链的提出是从传统的产业价值链角度引申出来的概念［4］，该理论认为创新本身是价值增值的过程，也是价值链形成过程，这可以认为是对传统熊彼特 “创新”定义的拓展。肖仁桥等（2015）基于两阶段价值链视角，构建了两阶段关联型网络DEA模型与指标体系，利用面板数据测算我国不同性质工业企业技术创新分段和整体的效率值［5］。冯志军等（2014）认为高技术产业创新并非单阶段的线性流动，而是分层次、网络化的价值流动过程［6］。宇文晶等（2015）则提出技术研发和技术转化是一个串联结构，二者之间存在一定的耦合关系［7］。胡树华等（2015）从两阶段价值链出发讨论了我国中小企业创新效率的评价问题［8］。

在分析企业规模与创新效率的相关研究中，DEA得到了广泛的应用。周欢怀等（2011）基于DEA模型分析了我国中小企业的创新绩效问题［9］。魏峰等（2012）针对技术创新效率影响因素的灰色关联分析显示，降低和消除政府与企业间的信息不对称等措施可提高安徽省中小企业技术创新效率［10］。严焰等（2013）基于浙江省高技术企业数据，探索了技术获取模式对研发投入和创新绩效的调节作用［11］。赵树宽等（2013）结合实地调研数据，对吉林省高新技术企业的创新效率进行DEA分析，并提出意见［12］。马建峰等基于创新两阶段创新过程，建立了包含共享科技资源投入和自由中间产品产出的DEA效率评价模型并通过研究证实有效［13］。李牧南等提出一种新的基于极大熵准则的三阶段DEA模型并实际运用到评价广东省各个专业镇的科技投入效率中［14］。周丽娟等运用三阶段DEA模型实证研究我国省级面板数据的创新投入和产出情况并提出可行性建议［15］。此外，还有学者将高技术产业创新活动包含高技术研发和技术商业化的两阶段价值流动过程，理解为一个两阶段的价值链构建和运作过程［16］。

综上所述，当前国内外部分相关研究论证了企业规模与创新效率之间的相关性，自从2008年全球金融危机爆发，以及2009年美国正式成为世界第一大天然气生产国，世界能源格局和经济发展方式开始发生重大变革。随着石油价格的暴跌，以及世界产业格局的重大调整，以中国为代表的新兴经济体面临经济增长方式变革的挑战。针对中型科技型企业创新效率的区域比较研究可以进一步探测区域的产业结构变化和创新效率差异以及动因，从而为地区科技创新政策提供重要依据。

2 研究方法与评价指标选择

2.1 研究方法

当前面向小型企业创新效率评价的研究中，采用 “研究→开发→转化”的创新价值链视角的研究较少。本文将传统的创新效率评价问题转化为一个含中间产出和投入的两阶段的创新价值链效率计算问题，即：求解 “研究→开发”效率和“开发→转化”效率。基本的C2RS2模型如式（1）所示。

在公式（1）中：

此外，θ是决策单元资源投入的相对有效利用程度，部分文献也称其为 “技术效率”或 “综合效率”，技术效率代表投入产出的转化率，假设线性规划最优解为θ*，λ*，S－*，S＋*，对于决策单元为非DEA有效，其在DEA有效前沿面上的投影为［17，18］：

相比传统的CCR模型，C2RS2模型可以衡量DMU的资源投入规模效率。规模有效是处于规模收益不变的生产方式，规模效率值为1说明决策单元处于最优的规模效率水平，规模效率值低于1说明决策单元规模无效率，如果该决策单元在原有投入的基础上适当增加投入量会带来更高比例的产出增加。

2.2 “研究→开发”效率的评价指标集

从企业研发活动的类型看，基本可以分为自主、合作、引进和购买等方式。企业统计报表和科技管理部门的统计年鉴往往将研发（R&D）投入作为一个整体进行计量。相关文献有：官建成等（2009）测度我国高技术产业技术效率时，用各地区R&D支出经费、新产品开发经费支出、技术改造经费和R&D活动人员当量为创新财力和人力投入的指标，用专利授权量、新产品销售收入、新产品出口收入来衡量一个地区的创新产出［19］。曹勇等（2012）认为转化阶段的投入应该包括技术改造经费支出、技术引进经费支出、消化吸收经费支出、购买国内技术经费支出等指标［20］。刘晖等（2015）研究高技术产业的技术创新时，构建的评价指标体系中投入指标包括科技活动人员数、专利申请量、专利授权量、新产品开发经费支出，产出指标包括新产品销售收入等［21］。综上，可知投入指标集有：人员折合全时当量（人年），R&D内部支出（万元），技术引进经费支出（万元），购买国内技术费用（万元），R&D外部支出（万元），技术改造经费支出（万元），研发机构经费支出（万元），消化吸收经费支出（万元）；产出指标有：专利申请量（件），新产品开发项目数（项）。

2.3 “开发→转化”效率的评价指标集

根据评价指标体系设计的基本原则，结合中型高技术企业技术转化阶段的特点，本文对技术转化阶段投入产出指标进行选择。因此，在考虑上文研发阶段的特性及相关指标的基础上，本文在转化阶段的投入指标为科技活动人员数、新产品开发经费、专利申请量、专利授权量等，产出指标则为新产品销售收入。其中 “研发机构人员”和 “研发机构经费支出”放到 “开发→转化”阶段的主要原因是考虑到企业研发机构本身并不会完全区分 “研发”和 “转化”的职责，也承担技术转化的工作。而 “新产品开发经费支出”则是衡量其转化阶段资金投入情况，“专利申请量”、“有效发明专利”是衡量知识产权投入情况；产出指标为 “新产品销售收入”、 “新产品产值”和“新产品出口”，都属于经济指标。

3 实证研究

实证分析的数据全部来自 《中国高技术产业统计年鉴》，截至2016年6月，最新的统计年鉴为2015年，因此，为了尽量反映近年我国高技术产业发展的整体情况，统计年鉴整理的时间跨度为2010～2015年，实际的数据统计年度则为2009～2014年。

3.1 评价指标选择

由于自从2013年以来，《中国高技术产业统计年鉴》不再提供 “新产品产值”和 “总产值”的经济产出指标，这可能主要是 “新产品”产值的填写存在一定的主观性，而 “新产品销售收入”由于与具体相关税收政策相关，更为精确。此外，在统计年鉴中，“技术引进经费支出”、“购买国内技术费用”、“技术改造经费支出”、“消化吸收经费支出”4项有关高技术产业技术获取和技术改造的指标存在一些地区数据不全的情况，因此予以剔除。因此，经过调整后的 “研究→开发→转化”价值链的相对效率评价指标如表1所示。

表1 “研究→开发→转化”价值链评价指标一览（实证部分）

续表

本文假定研发阶段的投入——产出时间为1年，主要是考虑大部分小型企业研发项目属于投资类项目，项目考核周期为财务年度；而转化阶段的滞后时间也为1年，因此一个价值链从研究开始到转化结束的周期为3年，与大部分文献所采用的投入产出周期基本一致。在表1的 “开发→转化”阶段的产出只保留了 “新产品销售收入”主要是因为受地域限制，“新产品出口”主要集中在少数省份，而且部分西部省份的新产品出口额在多个年份没有数据，也无法作为零值处理。

通过对年鉴数据的整理，发现西藏、青海和新疆缺失重要数据项，则从决策单元（DMU）中剔除。

3.2 基于“研究→开发→转化”创新价值链的DEA效率分析

结合表1中的投入和产出指标，运用DEA效率的计算工具DEAP2.1，则可以得到的创新价值链的效率，是一个包含 “研究→开发”和 “开发→转化”DEA效率的二维变量，分析结果如表2所示。

表2 我国28个省（区）中型高技术企业的区域效率分析（剔除了部分数据不全的省市）

续表

从表2中可以看出一些有趣的现象：在上述4列点数据的比较中，综合效率下降明显的有天津、河北、湖北、河南、广西等地区，辽宁基本保持不变，而中部地区的江西、湖南和湖北则保持了一定的增长，这与当前我国高技术产业部分内迁的趋势，以及中部这3个省的基础科研力量较为雄厚也具有一定的关系。这说明中型高技术产业与各地的经济发展水平没有绝对的正相关关系，也说明中部地区在高技术产业上发展速度较快。总体而言，各地区研发效率要高于转化效率，这与现阶段中国创新两阶段发展不平衡的现状有关，也启示了技术创新如何成功走向市场是未来研究的热点。

4 结论与政策启示

由于传统数据包络分析在区域创新效率比较方面存在的局限性，本文基于创新价值链的视角，主要有以下结论和启示：

（1）通过引入创新价值链的观察视角，将创新过程转化为 “研究→开发→转化”的价值链的产生过程，从而将传统的投入——产出效率评价，转化为一个综合的二维效率评价过程。

（2）在实证研究部分，选择数据较为完整的中型企业。中型高技术企业在中西部省份也是区域创新的重要载体，并且近年来，我国已经开始在科技政策方面，将 “大中型企业”和 “小微企业”进行适当区分，也部分反映了中型企业具有一定的规模优势和创新资源优势，也需要进一步引导和扶持。实证研究的结果显示，在高技术产业比重较大的11个省（市）、自治区，研发效率要普遍高于转化效率，这些地区的科技政策需要重点考虑如何培育扶持科技转化的激励机制，以及相关的绩效考核管理办法和科技政策，进一步促进官、产、学、研的在技术转化领域的密切合作。而在另外17个省（市）、自治区则出现明显的研发效率低下问题，显示这些地区的科技政策需要考虑如何激励中型高技术企业加大研发投入，以及相关知识产权的申请和获取，这些省份和地区的科技管理部门需要适当加大政府对中型高技术企业研发领域的资助力度，同时积极推进与科研机构，尤其是与科研力量较为雄厚地区机构的合作，促进地区间的技术和知识流动，以及对接和承接部分东部发达省份的高技术产业转移。

［1］韩晶 .中国高技术产业创新效率研究——基于SFA方法的实证分析 ［J］.科学学研究，2010，28（3）：467～472

［2］Charnes A，Cooper W.W.and Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research，1978，2（6）：429～444

［3］刘顺忠，官建成 .区域创新系统创新绩效的评价 ［J］.中国管理科学，2002，10（1）：75～78

［4］Hansen MT.，Birkinshaw J.The Innovation Value Chain［J］.Harvard Business Review，2007，85（6）：121～130

［5］肖仁桥，王宗军，钱丽 .我国不同性质企业技术创新效率及其影响因素研究 ：基于两阶段价值链的视角 ［J］.管理工程学报，2015，29（2）：190～201

［6］冯志军，陈伟 .中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角 ［J］.系统工程理论与实践，2014，34（5）：1201～1212

［7］宇文晶，马丽华，李海霞 .基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究［J］.研究与发展管理，2015，27（3）：137～146

［8］胡树华，张俊，杨晓璇，等 .基于两阶段测度的中小企业创新效率评价研究 ［J］.经济体制改革，2015，（6）：107～112

［9］周欢怀，包欢乐.基于DEA的中小企业技术创新绩效评价实证研究 ［J］.工业技术经济，2011，（6）：94～99

［10］魏峰，江永红 .安徽省中小企业技术创新效率的评价及影响因素分析 ［J］.中国科技论坛，2012，（8）：100～106

［11］严焰，池仁勇 .R&D投入、技术获取模式与企业创新绩效——基于浙江省高技术企业的实证 ［J］.科研管理，2013，34（5）：48～55

［12］赵树宽，余海晴，巩顺龙 .基于DEA方法的吉林省高技术企业创新效率研究 ［J］.科研管理，2013，34（2）：36～43

［13］马建峰，何枫 .包含共享投入与自由中间产出的技术创新两阶段DEA效率评价 ［J］.系统工程，2014，32（1）：1～9

［14］李牧南，梁欣谊，熊俊霞 .一种基于极大熵准则DEA的区域科技投入效率评价方法 ：以广东专业镇为例 ［J］.科技管理研究，2016，（10）：66～81

［15］周丽娟，许敏，刘和东.区域创新效率测度研究——基于三阶段DEA模型的实证分析 ［J］.企业经济，2013，（12）：160～164

［16］Guan JC.，Chen KH.Measuring the Innovation Production Process：A Cross－region Empirical Study of China’s High－tech Innovations［J］.Technovation，2010，30（5/6）：348～358

［17］李牧南，周俊锋，朱桂龙，等 .广东专业镇技术创新效率评价——基于DEA和问卷实证的双重视角 ［J］.科学学研究，2015，33（4）：627～640

［18］Opricovic S.，Tzeng GH.Compromise Solution by MCDM Methods：A Comparative Analysis of VIKOR and TOPSIS［J］.European Journal of Operational Research，2004，156（2）：445～455

［19］官建成，陈凯华 .我国高技术产业技术创新效率的测度［J］.数量经济技术经济研究，2009，（10）：19～33

［20］曹勇，苏凤娇 .高技术产业技术创新投入对创新绩效影响的实证研究——基于全产业及其下属五大行业面板数据的比较分析［J］.科研管理，2012，33（9）：22～31

［21］刘晖，刘轶芳，乔晗，等 .我国战略性新兴产业技术创新效率研究 ［J］.系统工程理论与实践，2015，35（9）：2296～2302

Evaluating the Innovation Efficiency of Middle－Size Enterprises of High－tech Industry in China——A Perspective of Value－Chain

Li Munan Huang Fen
（South China University of Technology，Guangzhou 510641，China）

Compared with large－scaled high－tech enterprises，there are middle－size high－tech enterprises in all provinces（municipalities）of China and the statistics are also relatively complete.In the implementation of national and regional innovation strategy，middle－size high technology enterprises are also the most important innovation carrier of central and western provinces.However，there are fewer studies on middle－size high－tech enterprises innovation efficiency in China and abroad，and to specifically discuss our country provincial middle－size high－tech enterprise innovation efficiency is almost blank.The article analyzes and compares innovation efficiency of middle－size high－tech enterprises in different regions of China based on the“research－development－transfer”innovation valuechain perspective，combining the specific statistics of middle－size high－tech enterprises from“China statistics yearbook on high technology industry，using the traditional data envelopment analysis（DEA）method.Empirical study shows that there is significant difference in comprehensive innovation efficiency between middle－size high－tech enterprises in different regions，which brings some challenges to related policy in science and technology.

innovation efficiency；value－chain of innovation；DEA；high－tech industry；R&D efficiency；conversion efficiency

10.3969/j.issn.1004－910X.2016.12.018

F127；F273.1

A

（责任编辑：史 琳）

2016—06—21

广东省科技计划创新方法研究专项（项目编号：2014A040402003），中央高校基本科研业务费资助项目（项目编号：2015XZD15），广东省软科学研究计划项目（项目编号：2015A070704015）的资助。

李牧南，华南理工大学工商管理学院副教授，博士。研究方向 ：决策理论与方法、创新与创业管理、信息技术与科学计量学。黄芬，华南理工大学工商管理学院硕士研究生。研究方向 ：创新绩效评价与技术管理。