区域创新驱动能力影响因素实证研究

■修国义，韩佳璇，陈晓华

区域创新驱动能力影响因素实证研究

■修国义，韩佳璇，陈晓华

随着“创新驱动发展战略”的实施，创新驱动成为化解产能过剩、转变经济发展方式、获得经济新增长点的新武器，探求创新驱动能力影响因素，寻求提升创新驱动能力的方法成为当前研究的热点。本文基于区域视角，采用DEA-Malmquist指数法和灰色关联度分析法，利用2000~2015年间全国30个行政区划（西藏除外）的省际面板数据，测度区域创新驱动能力，并探讨分析其关键影响因素。结果发现，整体上省际间创新驱动能力的影响因素趋同，高等教育水平、外资开放度、规模经济、贸易交流度和产业结构升级程度与区域创新驱动全要素生产率关联度最高。由此提出深化高等教育改革，深度挖掘对外开放潜力，支持创新型经济基础建设以及加快推进产业结构优化升级的对策建议。

创新驱动；全要素生产率；Malmquist；灰色关联度

修国义（1959-），黑龙江哈尔滨人，哈尔滨理工大学经济学院教授，博士生导师，研究方向为企业管理；韩佳璇（1992-），黑龙江七台河人，哈尔滨理工大学经济学院硕士研究生，研究方向为区域经济；陈晓华（1982-），山东烟台人，哈尔滨理工大学讲师，博士学位，研究方向为企业管理。（黑龙江哈尔滨150040）

一、引言

《“十三五”规划纲要》主张“创新驱动发展战略”，如何实现“十三五”发展目标，如何化解产能过剩、促进经济发展方式转型、提升国家竞争力，首要的就是提高我国创新驱动能力。而如何提升创新驱动能力，首先要测度目前创新驱动能力水平，并寻求其影响因素。

Michael E.Porter（2002）在《国家竞争优势》中提出“创新驱动”的概念：利用高技术和新知识增强企业的创新意识和创新能力，进而驱动经济发展。洪银兴(2013)认为，创新驱动的发展模式既能够处理效率问题，还能够刺激人力资本、创新能力、金融资本以及激励机制相互融合，产生新的要素投入组合结果，促使科技创新成果商业化运营，甚至得到产业化发展。对于创新驱动影响因素的分析，目前侧重于产业分析，纯粹以区域作为研究对象的较少。杨阳等（2015）采用AHP分析区域创新驱动发展的制约要素、动力要素、保障要素和激励要素，认为提升动力因素为关键所在。王海兵等（2015）利用Malmquist-DEA方法对1978~2012年省际面板数据进行测定，发现人力资本、对外开放与非市场化能够有效促进创新驱动发展。毕娟（2016）采用抽样调查和结构方程模型构建三阶递推模型，分析了影响京津冀地区的驱动因素(创新需求和创新能力)、支撑因素、链接因素和保障因素(外部因素)间的关系，发现驱动因素作用最明显。梁龙武等（2016）采用Malmquist-Tobit方法分析经济环境影响因素，发现整体上我国区域创新驱动效率呈上升趋势，规模效率较高，技术效率较低。

区域是贯彻国家创新驱动发展战略的主要载体，从区域角度出发，测度创新驱动能力水平，并找出影响其提升的关键因素，对区域经济依靠创新驱动实现新增长具有重要意义。

二、研究方法与模型

（一）Malmquist指数

Malmquist指数由Caves等提出并应用于TFP估算与分解，常用于分析面板数据。其思路可表示为：

公式（1）中，xti，xit+1，yti和yit+1分别表示第i个地区在t和t+1年的投入向量、产出向量，Dti（xti，yti），Dit（xit+1，yit+1），Dit+1（xti，yti）和Dit+1（xit+1，yit+1）分别为t和t+1年的距离函数。

（二）灰色关联度分析

目前常用主成分分析、方差分析或者回归分析等数理统计分析方法定量分析事物的影响因素，然而以上分析方法必须以具有典型概率分布的大样本数据为基础，现实研究中难以保证。灰色关联度分析将研究对象视为动态发展的灰色系统，并以关联度作为衡量标准判断影响因素间发展趋势相近或相异，适合研究时刻处于动态变化中的经济问题。

评价思路为：由样本数据列与参考列数据之间曲线族的几何相似程度来确定样本数据的关联度，将最理想状态数据作为参考项，通过对象数据与最优样本曲线的相似程度，判定灰色关联度大小。操作流程如下：

1.明确变量序列。一般以因变量序列作为参考序列，其他因素序列作为比较序列。设参考序列X0={x0（k），k=1,2，…,n}，被比较序列（因素序列）为Xi={xi（k），k=1,2，…,n}，（i=1,2，…,m）。

2.无量纲化。常用的序列无量纲化处理方法包括均值化、初值化、标准化三种。本文采取了目前多变量综合分析中使用最多的一种数据标准化方法——Z标准化方法。即每一变量值与其平均值之差除以该变量的标准差得到标准化序列。量纲为1，均值为0，方差为1。

3.计算关联度系数。

ρ为分辨系数，且ρ∈[0,1]。为了保持实际测算时序列间具备可比性，国际上设立了统一标准ρ=0.5。

4.计算关联度γ（X0，Xk）。

5.关联度排序与分析。关联度数值越接近于1，序列间关联程度越高。一般情况下，γ（X0，Xk）＞0.6代表关联性显著。

三、实证研究及结果

（一）指标选取与数据来源

1.指标选取。创新驱动能力也就是科技创新与技术进步方面的单位投入要素对经济增长与发展的贡献度的增长幅度，即用于创新驱动经济增长的要素投入与创新驱动产出效果之间边际或弹性大小，一般以全要素生产率作为衡量标准。TFP（Total Factor Productivity）即全要素生产率，一般为资源（包括人力、物力、财力）开发利用的效率，本质上是技术进步对经济发展作用的综合反映。本文以2000~2015年各地区的国内生产总值（GDP）作为产出变量，并以2000年为基年利用GDP指数（上一年=100）进行平减。创新驱动的实现需要一定的资源享赋，一般投入包括主体（高技术产业企业）、人才（R&D）、经费（R&D经费支出）及创新能力。白俊红等普遍使用专利授权量来体现创新能力，本文采用专利授权量和国外引进专利数代表整体创新能力（创新驱动能力评价指标解释及说明见表1）。

其中，R&D经费内部支出是流量数据，为了消除价格因素影响，采用永续盘存法转换成R&D经费内部支出存量数据。基本公式为：KSt=Rt/Pt（1-δ）KSt-1，其中KSt与KSt-1分别表示第t年和第t-1年R&D资本存量，Rt表示当年R&D投入，Pt表示支出价格指数，δ表示资本存量的不变折旧率。折旧率参考国际上针对发达国家的δ=15%和张军等（2004）的估算结果δ=9.6%，采用较合理的δ=12%。支出价格指数采用朱平芳和徐伟民（2003）由居民消费价格指数和固定资产投资价格指数加权合成，具体为PI= 0.55Pc+0.45Pi。此外，我国专利授权数由发明专利、实用新型专利和外观设计专利三部分数据构成，考虑到三种专利内含技术创新程度不同，参考白俊红（2011）以0.5、0.3及0.2的权重对数据取加权平均值。

表1 创新驱动能力评价指标解释及说明

影响因素方面，本文以高等教育水平、规模经济程度、产业结构升级程度、城镇化水平、基础设施水平、市场化程度、贸易交流度、外资开放度和财政干预作为影响因素分析对象。结合数据的可获取性和科学性，我们以地区高等学校在校生人口占比、GDP增速、城镇人口比重、公路网密度、按当年美元与人民币中间价调整的进出口总额和实际使用外商直接投资占GDP比重，第三产业增加值占GDP比重分别衡量（影响因素指标变量解释及说明见表2）。

2.数据来源。数据来源于国家统计局、WIND数据库，2001年~2016年的《中国统计年鉴》、《中国科技统计年鉴》以及《中国高技术产业统计年鉴》。

表2 影响因素指标变量解释及说明

（二）无量纲化处理

利用DEAP2.1求解Malmquist指数时要求数据非负数，此处应用极值法对样本数据进行无纲量化。m为指标原值，M为无量纲化结果，其计算公式为：

（三）实证结果及分析

本文采用DEAP2.1软件利用指数法分析30个评价单元的创新驱动全要素生产率及其分解因子。Malmquist指数值大于1代表TFP增加，反之代表TFP减少，等于1时不变。分解结果如表3所示。

表32000 ~2015年我国综合Malmquist指数分解结果

图12000 ~2015年我国全要素生产率及其分解因子变化趋势图

由表3可知，2000~2015年间我国创新驱动效率的全要素生产率平均值为1.020，大于1的年份占62.5%，平均增长率为2.0%，说明我国创新驱动效率整体上趋于上升，这得益于我国整体创新驱动意识的增强。2005年和2011年全要素生产率较高，2005恰好是创新驱动元年，2011年为“十二五”元年。从图1来看，创新驱动的全要素生产率的提高主要依赖于技术进步，其数据在2009年有所降低，考虑可能是受到2008年金融危机的波及。而技术变化在2001~2008年呈“M”型剧烈增长，技术效率变化在2008~2012年呈“倒V”明显增加。从图2看，技术效率变化主要依赖于规模效率变化（二者变化趋势趋于一致），这说明由于政府和各大企业的重视，创新驱动的规模效率在不断增大，纯技术效率增长速度缓慢，我国创新驱动能力的提高需要持续关注技术创新。

图2 EFFCH及其分解因子变化趋势图

由表4可知，2000~2015年间我国区域创新驱动能力发展势头良好，保持增长趋势的区域占比达60%，宁夏、青海两个省份的全要素增长率高于1.2，属于高有效增长，甘肃、贵州、山西、陕西、内蒙古、东三省等区域创新驱动能力得到明显提高，说明工业背景雄厚的地区在提升创新驱动能力方面有很强的发展潜力，江苏、浙江、广东、重庆、河南等省份全要素生产率均小于1，说明以上省份的创新驱动能力仍有较大提升空间，沿海区域应利用空间区位优势和创新资源优势，内陆区域应借助国家政策支持和自主创新能力，各自寻求更高的创新驱动能力。分解Malmquist生产率指数，发现分省全要素生产率增长主要因为技术进步，技术效率变化仍需要不断增强，对其进一步分解，发现分省技术效率变化主要源于规模效率变化，占比76.7%，表明2000~ 2015年间区域创新驱动能力的提高很大程度上依赖于规模效率的提高，未来需要发挥规模经济优势，进一步在提高纯技术效率方面寻求突破。

表4 区域创新驱动Malmquist指数分解结果

由于区域间自然条件及经济社会发展水平差异性较大，本文利用DPS v7.05数据处理系统以及每个区域2000~2015年的时间序列数据，计算区域创新驱动全要素生产率与影响因素序列间的关联度，取均值作为全国的整体估算结果（测算结果见表5）。调整至0.7。

表5 各影响因素关联度计算结果

由表5中影响因素关联度测算结果可得出以下结论：

1.根据影响因素的关联度的全国平均排名来看，外资开放度的关联度（0.7430）最高，高等教育水平（0.7406）、规模经济程度（0.7145）和贸易交流程度（0.7080）的关联度紧排其后，其他影响因素的关联度普遍大于0.6，说明本文选取的影响因素变量关联性良好。

2.分地区来看，影响因素关联度排名情况较为集中。其中，高等教育水平的关联度排名最高的地区有北京、辽宁、上海、浙江、福建等11个地区；外资开放度的关联度排名最高的地区有天津、山西、河北、内蒙古、吉林、黑龙江等16个地区；差异性较大的三个地区是安徽、海南和山东，安徽（0.7436）和海南（0.7295）的规模经济关联度排名最高，山东的贸易交流程度（0.7509）关联度排名最高，对于北京、天津，关联度排在第一位的是高等教育水平(0.853)。结果说明，区域间提升创新驱动能力的着力点略有不同，各区域应根据实际情况制定差别化的改善方案。

3.综合高关联度影响因素地区分布情况，高等教育水平（28）>外资开放度（26）>规模经济（22）>贸易交流程度（19）>产业结构升级（13）>市场化（4）>城镇化（3）=政府干预（3）>基础设施建设（1）（括号内为该影响因素地区分布数量）。结果表明，外资开放、高等教育、规模经济、贸易交流是促进我国创新驱动战略发展的有效途径。

4.综合各地区高关联度影响因素数量情况，大多数地区有四种以下的较高关联度影响因素，福建、湖南、甘肃、重庆均有5种较高关联度的影响因素，上海、广东均有6种较高关联度的影响因素，山西和宁夏的高关联度影响因素甚至达到8种。结果说明，我国提升创新驱动能力的发展方向普遍趋同，部分区域情况较复杂，可制定适合广泛区域提升创新驱动能力的同一化发展方向，以及适合复杂区域的特别改善方案。

四、区域创新驱动能力提升对策建议

通过对区域创新驱动能力影响因素的测度分析，高等教育水平、外资开放度、规模经济程度、贸易交流程度、产业结构升级程度是区域创新驱动能力的主要影响因素。部分区域的主要影响因素差异性较大，需要采取差别化创新驱动能力提升手段。针对以上结论，提出以下对策建议：

（一）深化高等教育改革

深化高等教育改革，进一步优化硕士研究生、博士研究生培养模式。引进国外先进高等教育机构，促进区域高等教育国际化、多元化。结合我国院校学科分布情况、“一带一路”经济带建设与区域经济一体化对人力资本、技术创新能力的现实需要，着重引入创新驱动重点领域学科，培养具有技术、工程素养、经济、管理能力的复合型人才，形成一体化、网络化的人才队伍，为区域创新驱动发展提供人才驱动力。同时，注重人才的学习性和流动性，以高校、科研院所、科技产业园为重点对象，加强优秀人才交流和引进力度，充分利用人才、信息合作和交流带来的扩散效应。

（二）深度挖掘对外开放潜力

第一，深度发掘国际贸易潜力，加强与国外企业的深度交流，引入先进技术和丰富管理经验提高我国企业的国际竞争力。加强与“一带一路”沿线国家交流，发挥我国陆路走廊优势。第二，营造更加公开、透明、法制化的投资环境，深度吸引与利用外资。2016年，我国外商投资管理改为备案制，外资准入门槛降低，外资开放度大幅提升。各区域要积极适应国家政策环境，借政策东风引导区域内进出口贸易发展，关注外资企业需求，进一步吸引并使用外资，促进区域创新驱动能力提升，积蓄产业变革原动力。第三，强化区域内金融基础条件，开发地方性金融机构潜力，吸引外资金融机构，打造多层次、全方位的科技性金融服务平台。

（三）支持创新型经济基础建设

第一，坚持经济体制改革，有效约束政府干预行为，营造公平公正的市场环境，调动创新主体积极性，持续探索适合中国国情的城市化道路和市场化道路。适应经济新常态，以“五大发展理念”为指引，促进产学研协同创新，推进实体经济发展。第二，金融发展与科技创新协同发展，将金融创新作为创新驱动的投入保障。比如建立高新科技创业风险引导基金，由政府资金、社会资金、外资合理配比；建立科技创新与企业、创业风险引导基金、风投机构对接平台，支持创新成果转化，促进创新型经济发展。

（四）加快推进产业结构优化升级

第一，以国家推进供给侧改革为背景，大力化解区域过剩产能。采取优胜劣汰的原则改变产能供给现状，提升有效供给效率；采取兼并、重组等方式整合产业结构，优化配置生产要素，促进产业结构升级。第二，基于全球产业变革大环境，瞄准高端制造业，重视发展实体经济。开发高端装备制造、电子信息技术、节能环保、新能源、新材料等创新驱动重点发展领域的潜力，创造经济增长点。第三，基于我国农业的背景，发挥产业关联效应，促进三次产业融合。农业产区树立现代农业理念，积极进行农业技术改造，告别低效的传统种植模式，建立现代化特色农业基地；与国内外企业搭建合作平台，建立深加工原料基地，并结合各地文化底蕴搭建文化旅游平台。第四，深度开发现代服务业，释放发展新动能。重点在研发设计、金融服务、节能降耗、信息服务、文化创意方面形成高端服务业集聚区。

[1]迈克尔·波特.国家竞争优势[M].李明轩，邱如美译，北京:华夏出版社,2002.

[2]洪银兴.关于创新驱动和协同创新的若干重要概念[J].经济理论与经济管理，2013,（5）:5~12.

[3]杨阳，霍国庆，顾春光.基于AHP的区域创新驱动发展关键要素的研究[J].现代管理科学，2015, (8):6~8.

[4]王海兵，杨蕙馨.创新驱动及其影响因素的实证分析1979~2012[J].山东大学学报（哲学社会科学版），2015,(1):23~24.

[5]毕娟.京津冀科技协同创新影响因素研究[J].科技进步与对策，2016,33(8):49~54.

[6]梁龙武，袁宇翔，付智，余国兴.区域创新驱动全要素生产率测度及Malmquist-Tobit方法的实证分析[J].科技管理研究，2016，（10）：197~202.

[7]张军，章元.对中国资本存量K的再估计[J].经济研究，2003,（07）:35~43+90.

[8]朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003,（06）：45~53，94.

[9]白俊红，蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济，2011，（10）：104~112+136.

F124.3

A

1006-169X（2017）05-0049-06