基于Malmquist指数的我国区域技术创新效率提升演化与驱动差异研究

侯锐

（中国石油大学（华东），青岛 266580）

基于Malmquist指数的我国区域技术创新效率提升演化与驱动差异研究

侯锐

（中国石油大学（华东），青岛 266580）

技术创新效率提升是区域经济社会发展的核心动力；本文以2002～2012年中国28个省市技术创新效率的提升驱动力为研究对象，应用DEA－Malmquist指数方法获得了各省市技术创新效率的提升规律，揭示了全国及6大区域技术创新效率提升的驱动力及其差异演化规律。研究发现：全国技术创新效率提升呈现三阶段特征，28个省市可以分为4种类型，技术进步是驱动各省市技术创新效率提升的核心力量，其对各区域技术创新效率提升驱动作用并不相同。

技术创新效率提升 驱动差异 Malmquist指数 技术进步 效率追赶效应

引言

技术创新能力是区域经济发展的核心动力，而技术创新效率则是技术创新能力的重要体现。区域技术创新是一个多要素投入和多变量产出的复杂的开放系统，投入向产出转化贯穿于技术创新的全过程，其效率的高低直接或间接地体现区域创新体系运行的水平和质量［1］。

作为世界第二大经济体，我国经济的腾飞离不开技术创新活动，如何更为高效合理地配置和利用区域创新资源，将成为我国提升核心竞争力以及实现可持续发展的关键问题。近年来，学术界在进行国家或地区创新资源配置有效性评价时，多采用数据包络分析 （DEA）方法，对技术创新效率进行分析研究已取得了丰富的成果。Luis Diaz－Balteiro、Astrid Cullmann、V.J.Thomas分别应用不同的DEA模型测度了西班牙、OECD、美国等不同国家的技术创新效率［2－4］。国内也有不少学者应用DEA方法对我国技术创新效率进行了研究。最为常见的是运用传统DEA模型对区域技术创新的总体效率、纯技术效率和规模效率进行测算分析［5，6］，找出影响技术创新效率的主要原因，进而提出针对性的改进方案；另一种方法是运用改进的DEA模型进行技术创新效率评价，如段婕等［7］对原模型加入了两个虚拟决策单元，并构建了相应的具有非阿基米德无穷小的对偶线性规划，解决了决策单元个数过少导致不能对某些评价单元进行有效区分和排序的问题。郭磊等［8］将DEA交叉效率模型应用到技术创新效率评价中，成功克服了传统CCR模型中只进行单纯自评和有效单元过多的问题。罗彦如等［9］采用可以剔除环境因素和随机干扰影响的DEA模型，对我国30个省市技术创新效率进行了分析。第三种方法是技术创新效率分解法，大多是以关联两阶段DEA模型为基础的研究，即通过第一阶段中间产品在第二阶段的投入将复杂系统的子阶段联系起来进行评价。通过分解如技术创新效率中的研发效率和转化效率［10，11］、区域技术创新中的技术有效性和经济有效性［12，13］、科研活动的知识生产效率和知识扩散效率［14，15］等，实现复杂技术创新过程的效率评价。

从上述研究可以看出，众多学者多从静态角度对同一时点上的决策单元技术创新效率进行横向比较，对区域技术创新效率时间序列提升规律的揭示研究并不充分；并且，究竟哪些因素驱动了区域技术创新效率的提升？不同区域之间技术创新效率驱动因素影响是否一致？这些驱动因素是否会导致不同区域技术创新效率提升速度不同，进而拉大不同区域技术创新效率的差距？对这些问题的回答将有助于从全国及区域层面制定政策和措施，平衡不同区域或省市技术创新效率提升速度，实现各区域、各省市技术创新效率提升的特色化、均衡化。基于此，文章引入Malmquist指数分析法，以2002～2012年间我国28个省市为研究对象，以其技术创新效率提升驱动力的分解和驱动差异性分析为着眼点，对其技术创新效率的Malmquist指数变动规律进行深入挖掘，进而将全国分为6大经济区，对比分析不同区域技术创新效率的差异，探索不同经济区技术创新效率变动的核心驱动因素，并分析驱动因素对不同区域技术创新效率驱动作用的差异。

1 理论与方法

Malmquist指数最初应用于计算消费指数的变化情况。Caves等［16］首次将Malmquist指数应用于生产效率分析，此后Fare等［17］结合DEA法，建立了用来考察两个时期生产率变化的Malmquist指数。

其中（Xt＋1，Yt＋1）与（Xt，Yt）代表第t＋1和t时期的投入、产出向量，代表参照t时期技术的第t＋1和t时期的技术效率水平，可应用数据包络分析 （DEA）进行测算，文章将不再赘述。TFPch＝M0（Xt，Yt，Xt＋1，Yt＋1）≻1，表示全要素生产率呈增长趋势；反之，则为下降趋势。在规模报酬不变的假设下，全要素生产率变动 （TFPch）由技术效率变化 （EHCH）和技术进步 （TECH）两部分共同构成，分解过程如下：

因此，全要素生产率的变化可以分解为技术效率变化及技术进步。其中，技术效率变化 （EHCH）代表了两个时期相对技术效率的变化，它测定了从t到t＋1时期每一个决策单元对生产可能性边界的追赶程度，称为 “追赶效应”或 “水平效应”，当EHCH＞1，表明技术效率提高［18］。技术进步 （TECH）代表了两个时期内生产前沿面的移动，它测定了生产前沿面从t到t＋1时期的移动，当TECH＞1时，表明生产前沿面前移，即出现技术进步。

定义技术创新效率提升驱动力指数：

若MI＞1，则区域技术创新效率提升动力来源于技术进步，反之，区域技术创新效率提升动力来源于追赶效应。需要指出的是，若区域技术创新效率提升动力是来自于追赶效应，则说明该区域技术创新活动比其他区域更加有成效，未来该区域与高技术创新效率区域的差距将有望缩小，反之，若区域技术创新效率提升动力是来自于技术进步，说明虽然该区域技术创新效率也出现了提升，但这种提升更多来自于生产可能集中高技术创新效率区域的技术辐射带动效应，相比较高技术创新效率区域，该区域的技术创新效率提升速度是较慢的，即未来该区域与高技术创新效率区域的差距将可能被拉大。

2 指标选取及数据来源

合理的投入产出指标的选取是技术创新效率测度的关键。遵循指标选取的代表性、独立性、可行性等原则，结合众多学者及科研机构有关技术创新效率评价的指标体系构建［10，12，19］，本文选取7项指标，构建了区域技术创新效率评价指标体系 （如表1所示）。

如表1所示，投入方面，选取国际通用的R＆D活动人员数和R＆D经费支出额，分别反映该地区R＆D活动的人力投入和财力投入；选取地方财政科技拨款占地方财政支出的比重，反映我国政府在科技经费投入上的主导性及决策管理上的重视度；各地区所引进的新技术可以作为催化剂促进本地区的研发活动，所以国外技术引进合同金额也是衡量技术发展的一项重要的投入指标。

表1 区域技术创新效率评价指标体系

产出方面，选取专利授权量，作为反映技术创新资源直接转化为科技成果的重要指标；选取技术市场成交合同金额，用于衡量一个地区科技成果商业化应用和科技产品的市场化成功程度；选取新产品产值，用于衡量专利技术 （潜在技术）向直接的生产力以及经济转化的效果，反映该地区技术创新的经济效益。

文章数据主要来自于中国科技统计年鉴、中国主要科技指标数据库、全国技术市场年度报告等相关的统计年鉴或网站。根据数据的可得性，本文对我国28个省市地区的2002～2012年度的技术创新效率进行实证分析 （不包括港澳台，由于西藏、海南、青海数据缺失较多，没有包括在内）。

3 计算结果与分析

3.1 我国区域技术创新效率提升演化分析

从总体来看，考察期内全国各省市技术创新效率M指数平均值呈现先上升后下降的 “Ω型”规律 （见表1），2008～2009年度技术创新效率M指数达到最大值1.48，2011～2012年度技术创新效率M指数最小，仅有0.95，出现了退步。考察期内全国技术创新效率变动表现出明显的三阶段特征，第一阶段，2002～2004年的稳定期，技术创新效率M指数平均约为1，表明技术创新既没有明显的进步，也没有出现退步；第二阶段，2005～2009年的高速提升期，全国技术创新效率M指数平均约为1.21，说明该阶段全国技术创新效率显著提升；第三阶段，2010～2012的波动退步期，虽然2010～2011年度全国技术创新效率M指数平均为1.3，但实际这主要源于2010年的技术退步，2011年相比2010年有所提升，但总体上看全国技术创新效率呈现波动退步。

从区域①技术创新效率变动情况看，全国6大区域技术创新效率M指数均处在波动变化中，各区域变动规律差异明显，仅有华东地区技术创新效率M指数始终大于1，呈现技术创新效率稳定提升，其他5个区域均不同程度出现了技术退步情景，华东地区各省市均属经济较发达地区，因此其技术创新的稳定提升可能源于经济发达地区长期重视技术创新投入，持续的投入保证了这些地区技术创新效率的稳定提升，而东北地区、西北地区，技术创新效率M指数变动幅度较大，这些地区省市也均属经济欠发达地区，因此，东北地区、西北地区省市应重视技术创新能力提升的中长期规划，制定稳定的技术创新提升政策。

表2 2001～2012年我国省际技术创新效率Malmquist 指数

续表

从全国各省市来看，考察期内全国28省市以技术创新效率M指数均值 （1.1）及标准差 （0.3）可以分为4类 （见图2所示）：第Ⅰ类：稳定快速提升型，表现为考察期内技术创新效率M指数均值较高但波动较小 （标准差较小），主要包括江苏、山东、四川、安徽、广东、浙江、北京、江西、辽宁等9个省市，可以看到这些省市大都是我国东部经济较发达省市，技术创新效率提升速度快且较稳定，上述省市有望成为我国技术创新的前沿阵地；第Ⅱ类：波动快速提升型，表现为考察期内技术创新效率M指数均值较高但波动较大，主要包括湖南、黑龙江、甘肃、河北、陕西、山西、吉林等7个省市，尤其以黑龙江、湖南、甘肃表现最为突出，技术创新效率出现 “提升——退步”交替呈现的规律，这非常不利于这些省市技术创新能力的培养，上述省市应重点关注技术创新能力提升长效机制的构建与保障；第Ⅲ类：稳定低速提升型，表现为考察期内技术创新效率M指数波动幅度较小，但均值较低，甚至出现技术退步，主要包括广西、云南、河南、湖北、福建、天津、重庆、上海等8个省市构成，以我国中西部省市居多，上述省市应重点关注依托现有技术创新体制机制，分析技术创新提升乏力的瓶颈，在遵循技术创新演化规律的前提下，逐步推动技术创新提升；第Ⅳ类：波动低速提升型，表现为考察期内技术创新效率M指数均值较低，且波动幅度较大，主要包括贵州、新疆、内蒙古、宁夏4个省份，这些省市不仅要关注技术创新效率提升的长效机制设计，还需从战略高度提高技术创新投入，夯实创新基础。

图1 我国六大区域技术创新M指数变动

图2 中国省市技术创新效率分类

3.2 我国区域技术创新效率驱动力分解与驱动差异分析

探求各区域及各省市技术创新效率的驱动力量，将有助于明确各地区技术创新提升的动力源泉，进而帮助相关主体制定技术创新提升的政策和措施。为此，文章根据式 （1）～式 （3）分解获得了我国6大区域及各省市的技术创新效率提升驱动力及MI（如表3所示）。

表3 2002～2012年我国技术创新效率提升驱动指数 （MI）

续表

从表3可知，在2009年之前，我国技术创新效率提升的主要动力是技术进步 （绝大多数年份MI＞1），即由于技术创新生产前沿面的推移对技术创新效率的提升作用较大，而各省市的追赶效应对技术创新效率的提升作用并不突出，也就是说绝大多数省市在不同年份相比前一年并没有更加靠近当年生产前沿面，因此，中国技术创新生产前沿面长期由少数省市构成，且这些省市与其他省市之间技术创新效率的差距在不断拉大，2009年之后，各省市的技术创新追赶效应开始发挥作用，各区域之间差距有所缩小。从6大区域来看，各区域技术进步对技术创新效率提升的作用比较显著，而区域内各省市追赶效应对技术创新效率的提升作用均不显著，尤其在西南、西北等不发达地区，表现更为突出。

为探求各区域技术创新效率提升驱动力的差异性特征，文章应用变异系数法揭示了各区域及全国技术创新效率提升驱动力的演变规律，见图3所示。

图3 中国区域技术创新效率提升驱动力差异性特征

从MI的演化情况来看，技术进步对全国技术创新效率提升的驱动差异呈现明显的三阶段特征，在2009年之前，技术进步对全国技术创新效率提升驱动差异呈现 “放大——衰减”交替呈现的规律，总体上呈现缓慢放大的特征；但在2008～2009年度，出现了迅速放大，表明这一时期，由江苏、广东等少数省份主导的技术进步，迅速提升了这些省份的技术创新效率，而对其他省份的辐射作用并未显现；但2010年之后，随着技术创新成果在全国范围内的不断投放，后进省份不断吸收技术进步成果，也快速实现了技术效率的快速提升，技术进步对全国各省市技术创新效率提升的驱动差异呈现快速衰减特征。

而从6大区域来看，技术进步对华北、西北地区省市技术创新效率提升的驱动差异性较明显，且基本呈现与全国相同的演化规律，技术进步对华北与西北地区省市技术创新效率提升驱动差异呈现放大效应的主要原因在于，这两大区域均存在技术创新效率较高、提升速度较快且受技术进步影响较显著的省市，如华北地区的北京、河北MI指数均较高，而区域内其他省市MI较低。可以预见，未来技术进步对该地区技术创新效率提升的影响将更趋差异化；除此之外，其余4个区域技术创新效率提升驱动变异系数均较低，说明技术进步对这些区域内省市技术创新效率提升的驱动作用并未呈现明显的差异化。

4 评述性结论

文章基于DEA－Malmquist指数方法对中国2002～2012年技术创新效率的提升情况进行了测度，并分解获得了全国及6大区域的技术创新效率驱动力及其演化特征，得到的结论主要有：

（1）2002～2012年间，全国技术创新效率提升呈现 “稳定提升——快速提升——波动下降”的三阶段特征，全国6大区域仅有华东地区技术创新效率稳定提升，其他区域均不同程度出现了波动退步，技术创新活动的持续投入和连续性政策对技术创新效率稳定提升至关重要，28个省市可以分为稳定快速提升型、波动快速提升型、稳定低速提升型、波动低速提升型4种。

（2）考察期内驱动我国技术创新效率提升的最重要动力是技术进步，效率追赶效应并不显著，全国6大区域也表现出了相同的特征，以2009年为分水岭，技术进步对全国及6大区域技术创新效率提升作用呈现出不同特征。

（3）技术进步对全国及大多数区域技术创新效率提升的驱动作用表现出 “缓慢放大——快速放大——缓慢衰减”的三阶段特征，对华北、西北地区省市技术创新效率提升的驱动作用差异化明显，但对其他4个区域省市的驱动作用差异化不明显。

注释：

①将全国分为6大经济区，华北地区包括北京、天津、河北、山西、内蒙古；东北地区包括黑龙江、吉林、辽宁；华东地区包括：江苏、山东、浙江、福建、江西、安徽、上海；中南地区包括：河南、湖北、湖南、广东、广西；西南地区包括：云南、贵州、四川、重庆；西北地区包括：陕西、宁夏、新疆、甘肃。

［1］池仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析 ［J］.中国软科学，2004，（8）：128～132

［2］Luis Diaz－Balteiro.An Analysis of Productive Efficiency and Innovation Activity Using DEA：An Application to Spain'sWood－based Industry［J］.Forest Policy and Economics，2006，（8）：762～773

［3］Astrid Cullmann.Innovation，R＆D Efficiency and the Impact of the Regulatory Environment－A Two Stage Semi－Parametric DEA Approach［J］.Discussion Papers，Berlin，May 2009

［4］V.J.Thomas.Using Patentsand Publications to Assess R＆D Efficiency in the States of the USA［J］.World Patent Information，2010

［5］阮娴静.我国重点城市技术创新效率的测算 ［J］.科技进步与对策，2009，26（15）：34～37

［6］汪娟，肖瑶.基于DEA方法的中国城市技术创新效率研究［J］.财经理论与实践，2013，34（182）：109～112

［7］段婕，刘勇，王艳红.基于DEA改进模型的装备制造业技术创新效率实证研究 ［J］.科技进步与对策，2012，29（6）：65～69

［8］郭磊，刘志迎，周志翔.基于DEA交叉效率模型的区域技术创新效率评价研究 ［J］.科学学与科学技术管理，2011，32（11）：138～143

［9］罗彦如，冉茂盛，黄凌云.中国区域技术创新效率实证研究——三阶段DEA模型的应用 ［J］.科技进步与对策，2010，27（14）：20～24

［10］杨志江，罗掌华.我国各省市技术创新效率差异的比较研究 ［J］.中国科技论坛，2012，（1）：18～22

［11］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

［12］官建成，何颖.基于DEA方法的区域创新系统的评价 ［J］.科学学研究，2005，23（2）：265～272

［13］肖仁桥，钱丽，陈忠卫.中国高技术产业创新效率及其影响因素研究 ［J］.管理科学，2012，25（5）：85～98

［14］罗吉，党兴华.三大区域技术创新效率差异与影响因素——基于随机边界模型与省级面板数据的实证研究 ［J］.工业技术经济，2013，（3）：82～89

［15］段庆锋.基于两阶段DEA的科学基金项目产出评价研究［J］.统计与信息论坛，2012，27（11）：87～91

［16］Caves DW，Christensen LR，DiewertW E.Multilateral Compositions of Output，Input and Productivity Using Superlative Index Numbers［J］.The Economic Journal，1982，92：73～86

［17］FARE R，GROSSKOPF S，NORRISM，ZHANG Z.Productivity Growth，Technical Progress and Efficiency Change in Industrialized Countries［J］.American Economic Review，1994，84：63～83

［18］单春霞.基于 DEA－Malmquist指数方法的高新技术产业R＆D绩效评价 ［J］.统计与决策，2011，（2）：70～74

［19］龙如银，李仲贵.基于SE－DEA的中国省域技术创新效率评价 ［J］.科技管理研究，2009，（1）：73～75

Research on the Regional Technological Innovation Efficiency Promotion Evolution and Different Driving in China Based on Malmquist

Hou Rui
（China University of Petroleum，Qingdao 266580，China）

The promotion of technological innovation efficiency is the core power of regional economy and society development.The driving force of the technology innovation efficiency promotion in 28 provinces in China from 2002 to 2012 is taken as the research object，and DEA－Malmquist index method is applied to obtain the promotion rule of technology innovation efficiency in various provinces and cities，which reveals the driving force and the differentevolvementsof technological innovation efficiency in China and the six regions.The results shows that the national technological innovation efficiency promotion has three phase characteristics significantly，and 28 provinces can be divided into four types；technical progress is the core power to promote technological innovation efficiency of Chinese provinces，which has different kinds of driving effect on different regions and provinces.

technological innovation efficiency promotion；differentdriving；Malmquist index；technology advance；the efficiency of catch－up effect

10.3969／j.issn.1004－910X.2016.01.015

F061.5

A

（责任编辑：王 平）

2015—07—10

教育部人文社会科学研究青年基金 （项目编号：13YJC790090），青岛市社会科学规划研究项目 （项目编号：QDSKL140415），山东省高等学校人文社会科学研究项目 （项目编号：J14WG57），中央高校基本科研业务费专项资金资助 （项目编号：15CX04028B）。

侯锐，中国石油大学（华东）经济管理学院行政办公室主任。研究方向：数据包络分析。