DEA-CCR模型下技术创新对全要素生产率的影响＊

苏丽



DEA-CCR模型下技术创新对全要素生产率的影响＊

苏丽

（湖南科技大学，湖南 湘潭 411201）

基于DEA-CCR模型测算了我国30个省份在2001—2016年期间全要素生产率的情况。并根据中国创新指数编撰方法重新设定了技术创新指标用以衡量各地区技术创新水平。研究发现，我国技术创新水平较高的区域（华北、东北、华东）的全要素生产率要高于技术创新水平较低的区域（华中、华南、西南、西北），若技术创新水平提高1个单位，地区全要素生产率将提高1.068个单位，且在1%显著性水平下成立。技术创新是促进各地区全要素生产率增长的主要动力，提升技术创新能力是我国经济持续增长的力量源泉。

DEA-CCR模型；技术创新；创新指标；全要素生产率

1 引言

党的十九大报告指出，创新是引领发展的第一动力，报告中10余次提到科技、50余次强调创新。当前我国经济的增长也已经由资本驱动转变为创新驱动，其中技术创新是创新驱动发展战略中至关重要的环节。而技术存量转换为全要素生产率能力较低，由此可以看出我国经济没有摆脱效率低下的粗放式发展，因此要促进我国经济继续长期稳定发展，必须转变经济发展方式，实现资本驱动型向创新驱动型的发展转变。

2000年以前的大量实证研究表明，技术进步还没有成为中国经济增长的源泉[1-2]。从目前来看，尽管制度变革和物理资本积累仍然具有进一步推动中国经济增长的潜力。但是，无论根据外生经济增长理论还是内生经济增长理论，经济持续增长的动力和源泉依然是技术进步。许多研究学者认为经济发展的实质是在市场中不断引入以技术为基础的创新，因此研发投入、技术进步、技术创新等对全要素生产率有正向的促进作用[3-6]。也有学者在研究中得出了不同的结论，文献[7]中，马洪福和郝寿义考察技术进步对全要生产率增长的效应时发现，中性技术进步对TFP增长的贡献在逐步提高，而有偏技术进步则在一定程度上影响为负。在假定技术进步速度相同的前提下，技术进步速度在一定条件下会误导经济增长的战略制订[8]。文献[9]中张金胜等在考察公共和企业创新对研发TFP的影响时发现，我国研发TFP的增长主要是由技术效率推动的，但是研发技术进步与技术效率显著负相关，地区之间研发TFP增长率也存在显著差异。

因此，本文根据以往文献进一步研究技术创新在全要素生产率及经济增长中的作用。但是以往的学者在研究技术创新时大多选择单一的指标作为衡量工具，这会导致技术创新指标的偶然性和主观性。技术创新指标不同必然会对研究结果造成差异性影响。而本文在前人研究的基础上，旨在寻找新的代理变量来衡量技术创新水平，以期用更合理的方式检验技术创新水平对全要素生产率的影响，最终为我国新一轮经济增长提供合理的可行性建议。

2 技术创新与全要素生产率的实证分析

2.1 研究方法与指标、数据选取

2.1.1 研究方法——数据包络分析法（DEA）

数据包络分析法（DEA）是由查恩斯、库珀和罗德（Charnes，Cooper&Rhodes）[11]首先提出的。该方法在评价效率时不需要事先设定生产函数的具体形式以及无效率项或误差项的分布，从而避免了受人为主观因素的影响，同时该方法能够简化算法并减少误差，特别是在分析生产率方面具有一定优势，不仅适用截面数据的分析，同样适用于面板数据的分析，多年来被国内外学者广泛应用于经济和管理系统评价、产业和企业效率评估、技术创新和技术进步分析等领域内的研究。CCR模型建立在规模报酬不变的假设上，仅考虑企业以增加投入的方式扩大产出，规模大小不影响效率的高低。本文选择了DEA-CCR模型对各地区的全要素生产率进行再测算，并在此基础上进行以下研究。

2.1.2 指标选取及数据来源

2.1.2.1 核心变量——技术创新指标测算

本文基于中国创新指数本分别选取了创新环境和创新投入2个指标：①创新环境，我们选取科技拨款占财政拨款的比重来衡量。政府财政科技拨款对全社会创新投入和创新活动的开展具有带动和导向作用，该指标反映政府对创新的直接投入力度以及对重点、关键和前沿领域的规划和引导作用。②创新投入，我们选取R&D经费占GDP比重来衡量。该指标又称R&D投入强度，是国际上通用的、反映国家或地区科技投入水平的核心指标，也是我国科技中长期科技发展规划纲要中的重要评价指标。我们对科技拨款占财政拨款的比重和R&D经费占GDP的比重2个指标进行加权计算得到技术创新综合指标。2001—2016年技术创新指标趋势如图1所示。

注：数据来源于作者测算。

图1反映了2001—2016年期间我国技术创新水平的变化趋势。数据显示2001—2016年间，我国技术创新水呈明显上涨趋势。尤其在2006年以后，我国的技术创新水平有了飞速提升。

2.1.2.2 因变量——全要素生产率（Tfp）测算

本文选取2001—2016年样本面板数据运用DEAP2.1软件测算了全要素综合效率-能源经济效率。这里使用的投入要素主要有能源消费总量（万吨标准煤）、劳动力（万人）和资本存量（亿元）这3个变量，产出要素为GDP。其中，能源消费总量指的是原煤和原油及其制品、电力和天然气等，采用各地区的年末能源消费总量来表示；劳动力用各地区的年末常住人口来表示；资本存量则采用单豪杰最新研究成果永续盘存法以2001年为折算基期测算。折旧率采用大多数文献研究所选取的10.96%，计算公式为：

期望产出则以2001年为基期对GDP进行平减处理得到实际的GDP表示。2001—2016年各区域全要素生产率如表1所示。表1列出了2001—2016年间我国各区域的全要素生产率指数。总体而言，除部分地区在2001—2016年间实现了全要素生产率较为缓慢的增长，大部分地区的全要素生产率均是呈不规则递减趋势。以1为分界线，衡量全要素生产率的变化情况，全国大部分地区每年的全要素生产率增长均为负，这说明我国大部分地区的全要素生产率增长均在下降。其中华北、东北、华东地区2001—2016年平均全要素生产率均接近0.7，而华中、华南、西南、西北各地区的平均全要素生产率均在0.6左右。

表1 2001—2016年各区域全要素生产率

华北东北华东华中华南西南西北AVG 20010.7840.7810.7640.7150.6920.6190.5900.706 20020.7450.7420.7250.6790.6600.5890.5620.672 20030.7160.7130.6970.6490.6340.5640.5430.645 20040.7000.6930.6770.6290.6150.5450.5280.627 20050.6830.6730.6570.6100.5970.5300.5170.610 20060.6750.6650.6530.6040.5910.5260.5130.604 20070.6770.6680.6590.6070.5950.5310.5180.608 20080.6700.6630.6570.6010.5910.5270.5130.603 20090.6610.6560.6520.5940.5880.5270.5080.598 20100.6600.6560.6530.5930.5880.5300.5080.598 20110.6580.6560.6520.5910.5850.5330.5080.598 20120.6540.6520.6500.5860.5800.5310.5000.593 20130.6610.6590.6580.5940.5850.5340.4930.598 20140.6600.6550.6550.5880.5760.5250.4780.591 20150.6650.6580.6580.5890.5770.5250.4770.593 20160.6720.6620.6620.5890.5750.5210.4670.592 AVG0.6840.6780.6700.6140.6020.5410.5140.615

注：数据来源于作者测算。

2.1.2.3 控制变量

全要素生产率变化不仅受技术创新的影响，而且受制度、人力资本、产业结构、区域经济协调、市场化、对外开放、资源配置效率等多种因素的影响。本文选取了人力资本、外商直接投资、产业结构3种指标作为整个回归模型的控制变量。其中，人力资本（rl）用人均受教育年限来表示，具体采用的方法是小学、初中、高中、大专及以上分别按6年、9年、12年、16年处理，乘以该地区不同学历人口的比重；外商直接投资（fdi）用各地区外商直接投资与当年生产总值占比表示；产业结构（is）用地区第三产业产值占当年地区生产总值的比重表示。本文数据均来源于历年的《中国统计年鉴》、各省《统计年鉴》和《中国科技统计年鉴》。描述性统计如表2所示。

表2 描述性统计

指标nmaxminmeansd 全要素生产率（tfp）48010.2860.6830.161 创新体系（cx）4800.0730.000 70.0730.009 外商直接投资（fdi）4800.1470.000 40.0260.022 人力资本（rl）48012.2816.048.4560.999 产业结构（is）4800.8020.2830.4190.082

2.2 实证结果及分析

2.2.1 回归结果

技术创新对全要素生产率的面板回归见表3.

本文进行了豪斯曼检验后采取固定效应模型进行面板回归。结果显示，在未引入技术创新指标时，外商直接投资和人力资本与全要素生产率分别在5%和1%显著性水平下呈负相关效应，而产业结构在1%显著性水平下与全要素生产率呈正相关效应，此时，调整后的2为0.163.当引入技术创新指标时，控制变量对全要素生产率的影响并没有发生明显的变化，此时调整后的2为0.176.此处，2值变大且相关控制变量的符号、大小、显著性水平并没有显著变化，这说明技术创新指标的引入改善了原有的模型。其中技术创新水平与全要素生产率在1%显著性水平下正相关。技术创新指标对全要素生产率呈显著的正向影响，且技术创新水平若提高1个单位，地区全要素生产率将提高1.068个单位。

表3 技术创新对全要素生产率的面板回归

模型模型1模型2 解释变量tfptfp cons0.979***（16.56）1.058***（16.09） cx 1.608***（2.68） fdi-0.646**（﹣2.38）﹣0.507*（﹣1.84） rl-0.053***（﹣8.78）﹣0.063***（﹣8.97） is0.414***（4.76）0.368***（4.19） Hausman53.72***（Prob>chi2=0.0000）65.17***（Prob>chi2=0.0000） n480480 调整r20.1630.176 F值28.91***23.77***

注：***，**，*分别表示在1%，5%，10%水平上显著。

2.2.2 稳健性检验

本文将研究数据进行滞后一期处理，然后进行Hausman稳健性检验，检验数据见表4.

结果显示，当我们将数据滞后一期处理后，无论是引入技术创新指数还是不引入技术创新指数，各控制变量与全要素生产率的关系并没有发生明显的变化。模型3和模型4与模型1和模型2的检验结果基本一致。这说明本文选择的计量模型和实证方法以及最后得到的检验结果是可靠的。

3 研究结论

本文基于DEA-CCR模型测算了我国30个省份在2001—2016年期间全要素生产率的情况，并根据中国创新指数编撰方法重新设定了技术创新指标用以衡量各地区技术创新水平，最后对技术创新与全要素生产率之间的关系进行了检验。得出如下结论：①各地区全要素生产率增长普遍为负。总体而言，除部分地区在2001—2016年间实现了全要素生产率较为缓慢的增长，大部分地区的全要素生产率均是呈不规则递减趋势。②地区间技术创新水平差异较大。2001—2016年间虽然我国各个省份的技术创新水平的呈增长趋势，但是我国华北、东北、华东地区的平均创新指数均达到了0.01，而华中、华南、西南、西北地区的平均创新指数均低于0.01.③技术创新是全要素生产率增长的核心因素。研究发现，我国技术创新水平较高的区域（华北、东北、华东）的全要素生产率要高于技术创新水平较低的区域（华中、华南、西南、西北），且技术创新水平若提高1个单位，地区全要素生产率将提高1.068个单位。因此，本文认为技术创新是促进各地区全要素生产率增长的主要动力，提升技术创新能力是我国经济持续增长的力量源泉。

表4 滞后一期的稳健性检验

模型模型3模型4 解释变量l_tfpl_tfp cons0.918***(14.99)0.974***(14.33) l_cx 1.152***（1.88） l_fdi﹣0.727**（﹣2.58）﹣0.615**（-2.14） l_rl﹣0.056***（﹣9.19）﹣0.062***（-8.87） l_is0.615***（6.19）0.582***（5.78） Hausman50.62***（Prob>chi2=0.0000）60.39***（Prob>chi2=0.0000） n480480 r20.1990.206 F值50.62***27.01***

注：***，**，*分别表示在1%，5%，10%水平上显著。

4 政策建议

结合上述研究结论，本文提出以下3点建议：①应该把创新驱动摆在首要位置，而实行创新驱动发展战略的首要任务就是突破技术创新难关、提高技术创新能力及技术创新水平。因此，应该倡导创新文化，强化知识产权保护、运用，培养一大批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队。另外，还需要强化对引进技术的消化吸收，加大技术创新和人才培养力度，夯实和提升技术创新能力。②要瞄准世界科技前沿，强化基础研究，实现前瞻性基础研究、引领性原创成果重大突破。加强应用基础研究，拓展实施国家重大科技项目，突出关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新，为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字中国、智慧社会提供有力支撑。③提高科技拨款在财政拨款中的比例，并对科技拨款的实际运用进行监管，将科技拨款用在我国技术创新实际工作中去，为我国各地区营造良好的创新环境。同时，应该做好科技创新资源的优化配置工作，防范科技资源在我国各地区的错配问题。

［1］赵明.技术进步对经济增长贡献的分析思考［J］.当代财经，1998（8）：13-16.

［2］刘全洲，王莹.技术进步对我国经济增长作用的实证分析［J］.当代经济科学，1999（4）：40-45.

［3］岳鸿飞，徐颖，周静.中国工业绿色全要素生产率及技术创新贡献测评［J］.上海经济研究，2018（4）：52-61.

［4］何玉梅，罗巧.环境规制、技术创新与工业全要素生产率——对“强波特假说”的再检验［J］.软科学，2018，32（4）：20-25.

［5］黄智淋，俞培果.近年技术创新对我国经济增长的影响研究——基于面板数据模型分析［J］.科技管理研究，2007（5）：74-77.

［6］陶长琪，齐亚伟.中国全要素生产率的空间差异及其成因分析［J］.数量经济技术经济研究，2010，27（1）：19-32.

［7］马洪福，郝寿义.要素禀赋异质性、技术进步与全要素生产率增长——基于28个省市数据的分析［J］.经济问题探索，2018（2）：39-48.

［8］林毅夫，刘培林.经济发展战略对劳均资本积累和技术进步的影响——基于中国经验的实证研究［J］.中国社会科学，2003（4）：18-32，204.

［9］张金胜，韩先锋，师萍.创新主体对研发全要素生产率的影响实证研究［J］.科技进步与对策，2011，28（9）：1-4.

［10］CHARNES A，COOPER W W，RHODES E.Measuring theefficiency of decision making units［J］.European journal ofoperational research，1978（6）：429-444.

2095－6835（2018）20－0022－03

F427

A

10.15913/j.cnki.kjycx.2018.20.022

苏丽（1993—），女，河南信阳人，经济学硕士，研究方向为产业经济学、国民经济学。

教育部人文社会科学一般项目“地方政府竞争下区际产业转移和承载系统的空间失配性和矫正机制研究”（编号：13YJC790131）

〔编辑：严丽琴〕