我国高技术产业创新效率变动分析——基于行业面板数据的实证研究

张华平

（华北水利水电大学管理与经济学院，河南郑州450011）

●经济观察

我国高技术产业创新效率变动分析
——基于行业面板数据的实证研究

张华平

（华北水利水电大学管理与经济学院，河南郑州450011）

文章以2003-2014年期间我国高技术产业17个行业的面板数据为基础，选取创新投入—产出评价指标，构建基于DEA-Malmquist指数模型，实证分析我国高技术产业不同行业创新效率及其结构变动。分析结果表明：2003-2014年我国高技术产业整体的创新效率呈现增长趋势，但不同行业创新效率变动及影响因素存在着很大的差异，为此需要根据行业差异制定不同的创新政策。

高技术产业；创新效率；投入—产出；DEA-Malmquist

一、引言

随着知识经济的兴起，高技术产业开发与发展已成为经济增长的助推力。高技术产业具有明显的经济活动外部性，不仅对经济增长有着直接效应，且对传统产业具有较强的外溢效应（王敏晰，2010）［1］。因此，应该大力发展高技术产业，以此带动整个产业结构升级和经济总量增长。纵观高技术产业的发展历程，创新是其发展的基本动力，是产业竞争力的核心（张传杰、杜满清，2009；陈利清，2011）［2-3］。龚艳萍、屈宁华（2008）以我国17个行业的1995-2004年的面板数据为基础，采用多元回归模型对此进行实证分析，结果显示我国高技术产业技术创新能力对产业国际竞争力有着较显著的影响［4］。近年来，我国高技术产业创新投入呈现快速增长态势，但是高投入并没有带来创新产出尤其是经济性产出的同步增长，出现了严重的创新资源浪费现象（李娟，2010）［5］。例如，2000-2011年期间R&D人员全时当量、R&D经费支出额平均增长了16.9%、26.2%，但同期新产品产值、新产品销售收入反而下降了0.60%、0.63%。基于此，众多学者（曹晓禹，2012；冯晓莉、孙煌，2012；钱龙，2012；曲婉、康小明，2012；杨向阳、童馨乐、李霓，2013；桂黄宝，2014；李向东、李南、刘东皇，2015）将研究重点转向创新投入的产出水平，即高技术产业创新效率分析，旨在改善高技术产业创新绩效［6-12］。通过回顾已有文献，多数学者（曲婉、康小明，2012；徐超、严焰，2012；周姣、赵敏，2015；宇文晶、马丽华、李海霞，2015）是以区域为研究对象，探讨某区域高技术产业创新效率，或是比较不同区域

高技术产业创新效率［13-15］。然而，对于不同行业，高技术企业在创新效率和创新能力上存在差异（王旖敏，2012）［16］。韩晶（2010）在其研究中指出，计算机及其相关产业的创新效率相对于其他产业具有明显的优势［17］。梁平等（2009）学者同样论证了高技术产业创新效率的差异［18］。以行业为对象能有效地把握行业的技术特征，对于行业的创新发展具有较强的指导意义（金祥荣、余冬筠，2010）［19］。因此，本文从行业视角研究高技术产业创新效率及其变动情况。

纵观已有文献资料，研究学者对创新效率的理解主要为创新投入产出效率，即在一定的创新环境条件下，单位创新投入获得的创新产出，或是单位创新产出所消耗的创新投入（史修松、赵曙东、吴福象，2009）［20］。为此，设立的指标体系既涵盖投入指标，又包括产出指标。然而，不同学者因视角不同，构建的具体指标形式也有所差异。如郑洁、杨昌辉、徐晟（2008）选择R&D经费与R&D人员作为投入指标，选择专利申请量作为产出指标［21］。冯晓莉（2012）选取高技术产业R&D经费、R&D人员数、专利授权数以及利润来度量创新投入与产出［7］；杨向阳、童馨乐、李霓（2013）设置的测度指标包括R&D活动人员折合全时当量、科学家和工程师人数、R&D经费内部支出、购买和引进技术经费以及专利申请数、拥有发明专利数、新产品销售收入和利润总额［10］。关于评价方法，应用比较广泛的是以随机前沿分析SFA为代表的参数法（郑洁、杨昌辉、徐晟，2008；韩晶，2010）［17，21］和以数据包络分析DEA为代表的非参数法（魏芳、赵玉林，2008；冯晓莉、孙煌，2012）［7，22］。参数法主要适用于单产出和多投入的相对效率评价，需要事先假定生产函数，但可能因为生产函数形式设置不当而影响结果的准确性。考虑到高技术产业创新是一个多投入与多产出的复杂系统，且高技术产业内部不同行业的整体装备和技术水平有所不同，其投入产出关系可能适用不同的函数形式，相对而言，DEA方法更为恰当，该方法不必估计投入与产出的生产函数，是直接利用线性规划的方法来判断决策单元之间的相对有效性。然而，DEA方法只能比较同一时期的创新效率，不能比较不同时期的效率变化状况。因此，本文建立基于DEA的Malmquist指数法，以2003-2014年的面板数据为基础，分析和比较不同时期我国高技术产业17个行业创新效率变动情况，并根据分解的Malmquist指数探讨创新效率变化的本质和经济原因，为政府部门推动高技术产业创新提供政策参考。

二、评价方法

Malmquist指数最早是由Sten Malmquist提出，Caves等首先将这一指数用于生产率变化的测算，此后与建立的DEA理论相结合，使其被广泛应用。基于DEA的Malmquist指数法不仅具备DEA的优势，而且在处理基于面板数据的多输入与多输出的效率评价时显现出独特的优势。

（一）Malmquist指数的构成

在规模报酬保持不变前提下，Malmquist指数是技术效率变动指数TEch和技术进步变动指数TPch的乘积，计算公式为：

在规模报酬可变条件下，技术效率变动指数TEch又可分解为两部分，即纯技术效率指数PEch与规模效率指数SEch，前者是度量技术效率有多少是由纯技术效率造成的，后者是度量决策单位生产是否处于最优的生产规模。具体的公式为：

为此，全要素生产率TEPch是技术进步变动指数TPch、纯技术效率变动指数PEch及规模效率指数SEch的乘积，即：

若Malmquist指数TEPch＞1，说明从t时期到t+1时期全要素生产率表现为上升态势；反之，表示从t时期到t+1时期全要素生产率呈现下降趋势。此外，技术进步变动指数、技术效率变动指数及规模效率指数显现相似的特性，当某个变化率＞1时，表示

它是全要素生产率TEPch增长的原因；反之是全要素生产率TEPch下降的根源。

（二）Malmquist指数的计算

正如前文所述，创新效率是指创新投入与产出之比，强调的是单位的产出能力，而不是总量指标。本文通过四个线性规划问题算出如下四个组成部分的值，借此得出全要素生产率变化TEPch、技术效率变动TEch及技术进步变动TPch，即

其中，x表示投入向量；y表示产出向量；θ表示一标量，即固定规模报酬下i个行业的技术效率，满足条件0＜θ＜1；λ表示常数向量；i=1,2,…,n，代表各个行业。研究主要使用基于产出的DEA模型，通过计算各种距离函数来算出Malmquist指数及其构成指数的变动。

三、指标选取

高技术产业创新是一个多投入—多产出的系统过程，包含知识创新过程和成果转化过程，要求所设置的指标贯穿和反映创新的全过程。理论上讲，所构建的指标越全面，反映的客观现实越准确。然而，由于创新活动的复杂性，实践操作中不可能罗列所有的创新投入与产出指标。在指标选取上，本文主要考虑以下几点：一是代表性，即选取的指标要求代表的信息量大，且能反映变量的本质特征（徐巧玲，2013）［23］；二是可操作性，即选取的指标要求便于量化和计算，且数据易于获取；三是可比性，即选取的指标要求具备广泛的适应性，能够反映不同区域或行业的共性。基于此，结合高技术产业创新过程，本文构建如图1所示的指标体系。

图1 高技术产业创新效率评价指标

创新投入是开展创新活动必不可少的基本条件，通常包括人力投入、财力投入以及物力投入三个方面。现有文献多是通过科技活动人员数、科学家和工程师数、科技活动经费筹集总额等指标来度量科技投入；然而，这些指标不能进行国际比较，故2009年以后的中国科技统计年鉴删除了这些指标，侧重于更能反映自主创新能力的研究与试验发展指标。为此，关于人力投入的度量，本文选用“R&D人员全时当量X1（人年）”，它是国际通用的比较人力投入的指标，反映一个国家或地区投入研发活动的人力资本的强度。关于资金投入的衡量，侧重于R&D活动经费的实际投入与使用状况，选用“R&D经费内部支出X2（万元）”指标，代表科技财力投入的绝对量。关于物力投入的度量，本文在研究中没有考虑，因为从时间序列角度来看，物力投入是财力投入实现的部分结果，若以货币的形式折算物力投入，会导致财力投入的重复计算，影响评价结果的准确性，故本文不再单独设立物力投入指标。

创新产出是指创新投入转化的研发成果和市场价值，既有知识性产出，又有经济性产出。前者是创新活动的中间产出，主要体现为专利和非专利技术两种形式。鉴于非专利技术的商业机密性，其数据无法获取，本文只考察专利产出。长期以来，我国仅关注专利申请量，忽视了专利质量（徐巧玲，2013）［23］。与其他产业相比，高技术产业更需要技术含量高的发明专利。为此，现阶段在追求专利数量的同时更要注重专利产出结构的优化，即需要实现专利质量与数量并重发展。为此，选用“专利申请数Y1（件）”与“拥有发明专利数Y2（件）”指标，分别代表专利数量与质量。后者是创新活动的最终产出，反映知识性成果的转化效果，大致分为竞争性产出与收益性产出（钱丽、陈忠卫、肖仁桥，2012）［24］。其中，竞争性产出是指通过创新活动使得产业的竞争优势发生变化，一般使用“新产品产值Y3（万元）”指标来度量，代表创新成果的生产能力；收益性产出是指通过销售新产品所带来的收益，通过“新产品销售收入Y4（万元）”加以衡量，体现市场接受能力。

四、实证分析

由于科研工作本身的特性，创新投入与创新产出之间存在一定的时滞性。更多文献默认创新活动的滞后期为2年，且不分行业差异。本文根据惯例，采取滞后2年的做法，即第t年创新投入为当年的R&D人员全时当量、R&D经费内部支出，第t年的知识性产出为t+1年的专利申请数、拥有发明专利数，第t年的经济性产出为t+2年的新产品产值、新

产品销售收入。考虑到数据的可获取性，本文选定的创新投入的时间跨度为2001-2012年（下文所涉及的时间都是以经济性产出为基准，跨度为2003-2014年，不再特殊说明）。此外，为了满足动态效率研究经验法则的要求（样本个数应不少于投入指标与产出指标个数总和的两倍），将样本空间定为高技术产业五大行业的17个子行业，通过查询《中国高技术产业统计年鉴》获取指标数据，并且为了消除物价变动的影响，采用以2001年为基期的GDP平减指数对R&D经费内部支出、新产品产值、新产品销售收入数据进行了换算（原始数据略，其描述性统计结果见表1所列），借助deap2.1软件计算与分析我国高技术产业17个行业创新效率的差异以及变化趋势（见表1）。

表1 2003-2014年样本行业创新投入—产出变量数据的描述性统计

（一）2003-2014年我国高技术产业创新效率的总体分析

基于表2的结果可见：①2003-2014年期间，我国高技术产业整体的创新效率呈现增长趋势（TFPch= 1.102），平均增长率为13.3%。从创新效率增长结构方面看，我国高技术产业创新效率增长受到了技术效率的提高（8.5%）与技术进步（4.5%）的共同作用，但前者的影响力占据主导地位。②基于高技术产业创新效率增长的时间变动情况，我国高技术产业创新效率基本上呈现正向的增长态势，但期间出现1次短暂的衰退现象，即2006-2007年我国高技术产业创新效率下降了4.8%，说明我国高技术产业创新效率增长不是很稳定。③根据图2可知：2003-2014年期间，除了2006-2007年、2011-2012年这两个时间段的高技术产业创新效率变动源自于技术效率变动与技术变动的共同作用，其他时期的情况却是：当技术效率提升促进创新效率增长时，总是受到技术衰退的制约；反之，当技术进步促进创新效率提升时，又受到了技术效率下降的抑制作用，反映了2003-2014年间绝大多数时候我国高技术产业创新的技术效率变动与技术进步变动呈现出此消彼长的趋势，总体上技术效率变动幅度超过技术进步变动幅度。

表2 2003-2014年高技术产业创新效率的时间变动趋势

续表2

图2 2003-2014年我国高技术产业创新效率及其结构变动

（二）2003-2014年我国高技术产业创新效率变动的行业分析

基于表3的结果可见：①2003-2014年期间，我国高技术产业的17个行业创新效率存在很大差异。化学药品制造、中成药制造、生物与生化制品制造、航天器制造、通信设备制造、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造、电子计算机外部设备制造、办公设备制造、医疗设备及器械制造、仪器仪表制造等14个行业的创新效率指数大于1，说明2003-2014年期间这些行业的创新效率处于增长趋势，但它们的增长速度不尽相同，增长最快的行业是电子计算机外部设备制造，年均增长31.8%，增长最慢的行业是医疗

设备及器械制造，其增长速度仅为1.7%。其他三个行业（广播电视设备制造、飞机制造及修理、雷达及配套设备制造）的创新效率分别以1.3%、2.7%、5.5%呈现负增长趋势。②我国高技术产业17个行业创新效率变动的原因不全一致。化学药品制造、航天器制造、通信设备制造、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造、电子计算机外部设备制造、办公设备制造、仪器仪表制造等11个行业的创新效率增长受到了技术效率提升与技术进步的共同作用，但技术效率提升的作用力度更大；中成药制造、生物及生化制品制造、飞机制造及修理、雷达及配套设备制造、医疗设备及器械制造等5个行业的创新效率变动主要源自技术进步变动的影响；广播电视设备制造创新效率的变动主要取决于技术效率的影响。

表3 2003-2014年我国高技术产业创新效率变动的行业比较

五、结论与建议

（一）主要结论

由于不同行业在技术基础、技术消化吸收能力、自主创新能力、创新管理水平、知识产权保护方面的差异，我国高新技术产业各个行业的创新效率不尽相同。为了有效地把握高技术产业行业的技术特征，本文以行业为视角，选取高技术产业创新投入—产出指标，运用基于DEA的Malmquist指数法测度并分析2003-2014年我国高技术产业不同行业创新效率及其结构变动，得出如下结论：

（1）我国高技术产业整体的创新效率呈现增长趋势，但处于波动的状态，很大程度上与高技术产业的行业特性相关：一是创新风险大。高技术产业研发处于科学技术的前沿，未知的东西多，技术突破难度大，失败率高，造成了高技术产业的技术风险大。二是高技术产品的生命周期短，更新快，时效性强，极易被更新的技术代替，但被替代的时间难以确定。多数时期我国高技术产业创新的技术效率变动与技术进步变动呈现此消彼长态势，总体上技术效率变动幅度超过技术进步变动幅度，表明在过去的一段时期里，我国高技术产业发展重视管理经验积累与改进，忽视了技术消化吸收、自主研发和自主创新能力培育。

（2）我国高技术产业不同行业创新效率存在很大差异，并且其变动原因不尽相同。化学药品制造等11个行业的创新效率同时受到了技术效率变动与技术进步变动的共同作用，其中技术效率提升的作用力度更大，因为这些行业的知识大多是默会性的，往往需要企业长期积累、消化和吸收，生产流程不易改变，但积累了丰富的创新管理经验；中成药制造等5个行业的创新效率变动主要源自技术进步变动的影响，因为这些行业技术知识易于积累，经过引进消化、联合开发与自主创新，科学技术进步较快；广播电视设备制造创新效率的变动主要取决于技术效率的下降，源于其创新管理水平的落后，或者管理技术的改进已经跟不上其创新需求。

（二）政策建议

基于上述研究结论，高技术产业创新效率提高很大程度上源自于技术创新的提升。然而，我国高技术产业技术效率对整体创新效率的贡献率不足10%，因此需要继续改善高技术产业创新的管理水平，具体包括：实行创新集约化管理，不再单纯地追求投入规模，在提高创新投入规模的同时优化投入结构，保证投入的合理性；借助国家“2011协同创新中心”、省级与校级的协同创新中心，以此为平台载体，对接高技术产业重大科技需求，推动科技成果转化与应用，提高产出能力；全面改造传统的创新管理模式，通过信息化建设，开发各种应用软件与信息应用系统，推进和实现工业化与信息化的融合，加快高技术产业产品开发与技术创新步伐。借助这些措施，进一步发挥技术效率的作用潜力。

但从长期来看，我国高技术产业技术效率上升的空间将不断缩小，为了进一步提升高技术产业创新效率，必须加速技术进步的步伐，关键在于增强自

主创新能力，其政策方向主要体现为：建立健全科技投入体系，不仅要实现投资主体多元化，更要拓展融资渠道，通过金融创新，促进科技与金融的有机结合；加强创新人才队伍建设，通过各层次各阶段的教育，提高人才素质水平与优化人才规模结构，同时通过各种人才引进战略及“特殊社区”，吸进与集聚一批优秀的高层次人才，包括前沿研究领域的专家、学者、学科或学术带头人；培养与建设一批高技术龙头骨干企业，大力实施名品战略，发挥其创新集聚效应，带动中小企业开展自主创新，从整体上促进高技术产业自主创新能力，进而提高高技术产业创新效率。

此外，高技术产业创新效率影响因素存在行业差异，在制定创新与发展政策时需要考虑行业创新特点及其差异性，尤其要考虑知识产权保护对不同行业创新效率的影响。实践表明，知识产权保护对激励技术创新有着极其重要的意义，在相同的知识产权保护水平下，不同行业对于知识产权的依赖程度存在差异性。基于这种差异性，各个行业可以根据本行业对知识产权的依赖程度，采取差异化的知识产权保护水平及具体措施。例如，对不同行业在不用发展阶段采用不用的知识产权保护政策及执法强度。

［1］王敏晰.我国高新技术产业对经济增长的贡献及启示［J］.技术经济与管理研究，2010（4）：53-57.

［2］张传杰，杜满清.基于技术创新能力的高科技产业竞争力基本要素指标分析［J］.北方经济，2009（1）：53-55.

［3］陈利清.我国高技术产业技术创新能力研究［J］.中国城市经济，2011（12）：254-255.

［4］龚艳萍，屈宁华.技术创新能力对中国高技术产业国际竞争力影响的实证研究［J］.技术经济，2008，27（4）：13-18.

［5］李娟.产业技术创新能力及影响因素研究［D］.扬州：扬州大学，2010.

［6］曹晓禹.高技术产业创新效率的区域差异分析［J］.科技和产业，2012，12（8）：43-47.

［7］冯晓莉，孙煌.基于DEA方法的我国高技术产业创新效率研究［J］.西安邮电大学学报，2012（S1）：30-34.

［8］钱龙.中国高技术产业自主创新效率评价——基于DEA的Malmquist指数方法［J］.安徽工程大学学报，2012，27（3）：76-80.

［9］曲婉，康小明.高技术产业创新效率区域差异研究［J］.中国科技论坛，2012（8）：70-74.

［10］杨向阳，童馨乐，李霓.基于两阶段的中国高技术产业创新效率研究——来自省级面板数据的实证分析［J］.华东经济管理，2013（1）：84-88.

［11］桂黄宝.我国高技术产业创新效率及其影响因素空间计量分析［J］.经济地理，2014，34（6）：100-107.

［12］李向东，李南，刘东皇.高技术产业创新效率影响因素分析［J］.统计与决策，2015（6）：109-113.

［13］徐超，严焰.基于超效率DEA模型的中国高技术产业创新资源配置效率评价［J］.科技与经济，2012，25（2）：45-49.

［14］周姣，赵敏.分区域视角下高技术产业创新效率动态变化的比较研究［J］.科技管理研究，2015，35（1）：65-69.

［15］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.

［16］王旖敏.高技术上市公司创新效率与国际竞争力研究［D］.杭州:浙江工业大学，2012.

［17］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.

［18］梁平，梁彭勇，黄馨.中国高技术产业创新效率的动态变化——基于Malmquist指数法的分析［J］.产业经济研究，2009（3）：23-28.

［19］金祥荣，余冬筠.创新效率、产业特征与区域经济增长［J］.浙江大学学报：人文社会科学版，2010，40（5）：116-125.

［20］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）：45-55.

［21］郑洁，杨昌辉，徐晟.基于SFA的我国医药制造行业技术创新效率研究［J］.合肥工业大学学报：社会科学版，2008，22（4）：58-62.

［22］魏芳，赵玉林.我国高技术产业创新效率的实证分析［J］.工业技术经济，2008（8）：114-117.

［23］徐巧玲.高技术产业专利开发与产业发展关系实证研究［J］.科技进步与对策，2013，30（4）：60-63.

［24］钱丽，陈忠卫，肖仁桥.安徽省高技术产业创新效率研究——基于两阶段价值链视角［J］.技术经济，2012，31（8）：50-57.

［责任编辑：欧世平］

An Analysis on Innovation Efficiency Change of High-tech Industries in China—An Empirical Study Based on the Industrial Panel Data

ZHANG Hua-ping
（School of Management and Economics，North China University of Water Resources and Electric Power，Zhengzhou 450011，China）

This paper，based on the panel data of 17 hi-tech industries from 2003 to 2014，chose evaluation index of innovation input and output，constructed Malmquist index model based on DEA，and empirically analyzed the innovation efficiency and its structure change in different industries of high-tech industries in China.The results showed that the whole innovation efficiency of high-tech industries from 2003 to 2014 in China presented a growth trend，but there existed great difference in innovation efficiency variation and influencing factors of different industries.As a result，it is necessary to make different innovation polices according to industry difference.

high-tech industries；innovation efficiency；input-output；DEA-Malmquist

F264.2；F124.3

A

1007-5097（2016）09-0088-06

2016-04-17

河南省教育厅科学技术研究重点项目（12A630078）；河南省政府决策研究招标课题（2012B382）

张华平（1980-），男，山东东营人，副教授，经济学博士，研究方向：企业战略管理，成本管理会计。

10.3969/j.issn.1007-5097.2016.09.013