京津冀国家级高新区创新效率及影响因素

张立峰 郭爱英 董晓宏

内容摘要：本文运用随机前沿分析方法对2011-2015年京津冀7家国家级高新区创新效率及影响因素进行了实证分析。研究表明，对于京津冀各高新区，研发经费对于创新产出的影响大于研发人员，即研发创新主要依赖研发经费。京津冀各高新区创新效率总体呈上升趋势，且存在明显區域差异。高新区规模、政府支持、盈利能力对创新效率具有显著的正向影响。

关键词：高新技术开发区 创新效率 影响因素 随机前沿分析

我国国家级高新技术产业开发区（以下简称高新区）对经济社会发展和国家创新体系的建设做出重要贡献。京津冀三省市截止到目前，共建立了7家高新区。近年来这些高新区在各方面得到了快速发展，对支撑经济增长、促进产业升级转型、推动科技创新以及发展战略新兴产业发挥了十分重要的作用。与此同时，一些问题也日益显现如自主创新能力有待加强、研发投入不足、创新效率较低、区域之间发展不平衡等。这些问题如果不能很好解决，将会阻碍高新区的进一步发展。

研究方法、研究模型与变量选取

测定创新效率的方法主要有参数法和非参数法两大类。非参数方法以数据包络分析（DEA）方法为代表；参数方法以随机前沿分析（SFA）方法为代表，该方法依据数据随机性假设，采用计量方法对前沿生产函数进行估计以描述生产过程，较好地处理了测量误差与统计干扰。由于具有以上优势，随机前沿分析（SFA）方法在效率测定上得到了广泛应用。本文采用随机前沿分析（SFA）方法，借鉴Battese、Coelli的模型，运用柯布-道格拉斯生产函数建立以下随机前沿模型：

在进行创新效率分析时，本文主要从投入与产出两个方面出发。产出变量选择新产品销售收入，投入变量选择研发人员和研发经费。（1）式中LnSales表示新产品销售收入（sales）的自然对数。（1）式中i和t分别表示第i个国家级高新区和第t个年份；LnInputRDPit为研发人员的自然对数，LnInputRDit为研发经费的自然对数，β1和β2分别为研发人员和研发经费的产出弹性。Vit为随机变量，其分布服从正态分布N（0，σ2v），且独立于Uit。Uit为非负的随机变量，表示生产活动中的无效率项，其分布为截尾正态分布N（mit，σ2u），其中mit越大，表示效率越低下，即同样研发经费和研发人员的投入，得到的产出越少。

对于无效率项的影响因素，选择高新区规模、政府支持、盈利能力等因素，无效率项函数设定如下：

（2）式中mits为以新产品销售收入为产出变量的无效率项分布函数的均值，SH、GS、IP分别表示高新区规模、政府支持、盈利能力。δ0为待估常数项，δ1、δ2、δ3分别表示上述变量对研发无效率项的影响系数，如果系数为正，说明该变量对无效率项有正向影响，即该变量对技术效率有负的影响，反之亦然。

此外，Battese、Coelli（1995）设定了方差参数γ=σ2u/（σ2u+σ2v）来检验采用SFA的合理性。γ介于0和1之间，若γ接近1，说明无效率项在实际产出与前沿面的偏差中占主要成分，此时采用前沿函数模型就是合适的；若γ接近0，说明随机误差是主要成分，此时使用最小二乘法进行估计即可。

实证分析

（一）数据来源与处理

本文所使用数据均来自于《中国火炬统计年鉴》，时间跨度为2011-2015年。研究对象为河北省国家级高新区，即石家庄、保定、唐山、燕郊及承德以及北京中关村、天津滨海共7个高新区。

相关指标计算说明如下：创新产出一般常用专利申请量或者新产品销售收入反映。由于各高新区专利申请受理量及新产品销售收入数据不全，而产品销售收入是指高新区内企业销售全部产成品、自制半成品和提供劳务等所取得的收入，代表了高新区科技成果的应用和转换能力（白雪洁等，2014），因此本文用产品销售收入替代；创新投入包括研发人员和研发经费两个方面。研发人员常用的指标有科技活动人员、R&D;人员与R&D;人员全时当量。后两个指标缺失2011-2012年数据，因此选用科技活动人员反映创新活动中投入的人力。研发经费采用R&D;经费内部支出；高新区规模。高新区所属各产业规模越大，产业集聚效应就会越明显，就会集中更多的研发资本和更强的研发人员，从而更容易促进创新（谢子远，2014），本文采用工业总产值表示高新区规模；政府支持。国内外学者认为研发活动存在市场失灵现象，因此需要政府通过资金补助、税收优惠等措施直接或间接对企业创新活动予以引导和支持。本文以政府资金占R&D;经费内部支出的比重来衡量政府对创新活动的支持力度；盈利能力。利润越高，越有资本从事研发活动。对于我国高技术产业而言，产业利润显著正向影响创新效率（韩晶，2010）。本文以净利润来衡量高新区企业的盈利能力。

上述数据使用软件FRONTIER4.1进行处理。所有变量均取自然对数值。

（二）效率的测算

根据式（1），得到表1中待估计参数的估计值及其相关检验结果，同时表2给出了京津冀三地7个国家级高新区2011-2015年的创新效率水平估计结果。

从表1可看出，γ=0.999，且在1%显著水平下具有统计显著性，说明式（1）中的误差项有着十分明显的复合结构，即技术非效率在各高新区的研发活动中是显著存在的，因此采用SFA方法是合理的，不能选择OLS估计。（1）式模型的实证结果如下：

1.β0、β1、β2都通过了显著性检验。其中，β1 =0.249说明研发人员投入每增加1%，会使高新区的创新产出（产品销售收入）平均增加0.249%；β2=0.331说明研发经费投入每增加1%，会使高新区的创新产出（产品销售收入）平均增加0.331%。在人员和资本的投入中，研发经费投入对于产品销售收入的影响比研发人员投入的影响大，即我国高新区研发创新主要依靠科研经费拉动。这一情况可能是研发人员构成不合理且与资本、市场需求不匹配等原因造成的。因此，高新区在加大研发资本投入的同时，更应该不断改善、优化人才软环境，如吸引高层次人才、构建科学合理的研发人员团队、项目与市场结合、提高研发人员待遇等。

此外，通过β1和β2之和可以判断京津冀高新区规模报酬情况。由上文可知，β1和β2之和小于1，这显示京津冀高新区目前处于规模报酬递减阶段，这与我国高新区的发展目前还处于后发赶超阶段、整体创新水平较低、产业发展的水平和能力不强这一现状相符（王胜光等，2012）。

2.从京津冀各高新区5年平均创新效率来看（见图1、表2），北京中关村、天津滨海高新区的创新效率处于高值区域，5年均值都在0.6以上，尤其是北京中关村达到了0.918；河北省各高新区除了燕郊，其余4个高新区都在0.4以下，属于低端区域，尤其是唐山高新区最低，只有0.117。燕郊高新区处在中等水平，平均创新效率为0.537。唐山高新区的平均创新效率与北京相比，相差0.801，仅相当于北京中关村的12.7%。这种极端差异反映了京津冀区域内经济发展极不平衡，就连高新区同样如此。更深层次的原因就在于京津的虹吸效应强大，使得周边人财物各种源源不断被吸入京津地区，河北省各高新区的发展受到很大抑制。

3.从京津冀各高新区历年创新效率发展趋势来看（见图2、表2），天津滨海、河北保定、河北承德3家高新区总体上保持上升走势，而北京中关村、河北燕郊、河北唐山、河北石家庄整体呈现先下降后上升的趋势。其中，天津滨海、河北承德高新区上升势头非常明显。北京中关村创新效率在高值0.9附近波动，河北燕郊、唐山高新区平稳下降后回升，而河北石家庄高新区创新效率从0.538急剧下滑到0.197，然后缓慢上升。综合各年各高新区情况来看，2011年至2013年有一个明显的下降过程，而后逐渐回升。此外，北京中关村、天津滨海、河北燕郊3家高新区处在平均水平以上，而其余4家高新区创新效率处于均值以下。

之所以会出现上述情况，一方面，2011年爆发的欧债危机给我国经济带来很大的负面影响，各高新区的经济及科技创新也受到不小冲击；而产品销售收入作为经营效率和创新效率的综合反映，必然受到整体经济形势的影响。另一方面，京津冀协同发展战略提出后，京津的虹吸效应向辐射效应转变，北京功能向外疏解，产业向外转移，河北正担负起承接京津产业转移的任务。

（三）影响效率的因素

由表1可知，对于高新区创新效率的影响因素，δ1、δ2、δ3均通过了显著性检验。其中，δ1为负，表明高新区规模对创新效率有显著的正向影响。随着高新区规模的膨胀，技术、人才、资金不断汇聚集中，外溢效应显露，对于创新的促进作用就会越来越明显，这与顾元媛等的研究成果一致。δ2为负，表明政府支持对创新效率有显著的正向影响。本文的政府支持主要是政府直接提供资金支持企业创新活动。政府的研发资助弥补企业创新资金的不足，分散了企业创新的风险，激励了企业加大研发投入。δ3为负，表明高新区企业盈利能力对创新效率有显著的正向影响。高新区企业获取的利润越多，就越有能力进行大量的研发创新。此外，利润的增加，也为进一步优化创新软环境奠定了基础。

结论和建议

对于创新投入变量，研发经费对于创新产出的影响大于研发人员，即京津冀高新区研发创新主要依赖研发经费。同时，研发人员的产出弹性与研发经费的弹性之和（β1和β2）小于1，说明京津冀高新区的研发活动规模不经济。因此，提高创新产出的关键是要在加大研发资本投入的同时，不断改善科技工作体制，吸引培养高层次技术人才，营造良好科研软硬环境，充分调动科技人员积极性和创造性。

京津冀高新区创新效率存在明显地区域差异。北京中关村、天津滨海高新区创新效率较高，而河北所属高新区除了燕郊，其余4个的创新效率较低，这与京津虹吸效应带来的经济发展不平衡有密切关系。因此，河北应抓住京津冀协同发展、北京天津产业转移这一战略机遇，积极改善投资环境，增强吸引力；同时注重平台建设，提高产业承载力，为担负产业转移任务做好准备。

京津冀高新区创新效率总体呈上升趋势。天津滨海、河北保定、河北承德高新区总体上呈上升态势，而北京中關村、河北燕郊、河北唐山、河北石家庄整体呈先下降后上升的趋势。这与我国高度重视高新区建设、积极推动创新驱动战略密切相关。

对于创新效率的影响因素，高新区规模、政府支持、盈利能力对创新效率具有显著的正向影响。因此政府必须加大政策及资金扶持力度，引导和鼓励产业群集，鼓励企业投资于研发；还要注意改善优化园区创新软硬环境。企业要积极引进高层次技术人员，调动其工作积极性；要不断加大资源投入，增强自主创新能力，为良性发展奠定基础。

参考文献：

1.谢子远.国家高新区技术创新效率影响因素研究[J].科研管理，2011，32（11）

2.程郁，陈雪.创新驱动的经济增长——高新区全要素生产率增长的分解[J].管理评论，2013（11）

3.陈强，左国存.区域创新环境对高新区研发效率的影响研究[J].上海管理科学，2014，36（3）

4.顾元媛， 沈坤荣.简单堆积还是创新园地？——考察高新区的创新绩效[J].科研管理，2015，36（9）

5.白雪洁，闫文凯，孙溪悦.源于区位与城市政治级别差异的经营效率及创新效率背反——基于SBM 模型的我国国家级高新区效率解构[J].科技进步与对策，2014（9）

6.谢子远.国家高新区集聚效应实证研究[J].科研管理，2014，35（5）

7.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）

8.王胜光，程郁，刘会武.高新区创新中国——对20年国家高新区发展的总结评价及对未来发展的思考[J].中国科学院院刊，2012，27（6）