上海市高新企业的技术创新效率

叶明确 刘文清

摘 要：本文运用基于距离函数的随机前沿分析方法，对2009—2011年上海2119家高新企业的创新效率进行了测算和影响因素分析。研究发现：（1）企业的平均技术创新效率为0.24，表明有大量的低效企业存在；（2）2009—2011年企业的技术创新效率较为稳定；（3）对企业创新有显著推动作用的是产值规模、产学研、政府资金、银行贷款、出口和技术改造，对不同类型的企业与行业应采取不同的激励措施，提升创新效率水平。

关键词：技术创新效率 距离函数 随机前沿分析

中图分类号：G64 文献标识码：A 文章编号：1672-3791（2018）06（c）-0168-03

研究高新技术企业技术创新的影响因素有利于提高技术创新能力，企业竞争力和国家的综合竞争力。目前，我国科技实力和创新水平与发达国家相比都存在较大差距，要缩小这一差距，最根本的就是要技术创新。本文采用基于产出距离函数的随机前沿分析方法，对2009—2011年上海市2119家高新技术企业的技术创新效率进行测度，并分析了影响高新技术企业技术创新效率的因素。

目前国内外学者研究技术创新效率主要有两个方法：一是A.Charnes、W.W.Cooper和E.Rhodes提出的数据包络模型（DEA）；二是Aigner， Lovell， Schmidt[4]和Meeusen， Van den Broeck[5]分别提出了随机前沿生产函数。Coelli， Perelman[9]提出利用距离函数，将距离函数转化成多产出的随机前沿分析，并对建造欧洲铁路效率进行了测度。

本文在以下几个方面进行了拓展：第一，本文对企业的技术创新效率进行测度；第二，本文引入了基于距离函数的随机前沿分析方法来对企业创新效率进行研究，该方法解决了DEA的确定性前沿缺陷和SFA只用于单产出的缺陷；第三，在前沿生产函数的选择上，采用超越对数生产函数，其作为生产函数的二阶泰勒近似，形式上更加灵活，不仅考虑技术进步，还考虑投入要素间替代效应及投入要素对生产率的交互效应，可以避免由于函数误差带来的偏差。

1 模型设定

1.1 随机前沿函数

本文基于Battese和Coelli（1995）提出随机前沿模型及Coelli和Perelman（1996）提出基于距离函数将随机前沿模型进行的拓展。

对企业创新有显著推动作用的因素有产值规模、产学研、政府资金、银行贷款、出口和技术改造。企业盈利能力和园区内外对创新效率没有明显作用。这说明虽然园区内企业在规模和创新产出距园区内外企业有较大差距，但在创新效率上没有明显劣势。

3 结语

本文运用基于产出距离函数的随机前沿分析方法，测算了2009—2011年期间上海市2119家高新技术企业的技术创新效率及其影响因素。研究发现：（1）企业的平均技术创新效率为0.24，远远低于1。说明有大量的低效企业存在，不论哪种所有制企业或者特定行业，都存在很大程度的创新资源浪费。企业需通过产值规模、产学研、政府资金、银行贷款、出口和技术改造方面对创新效率进行促进。（2）本文体现了企业总体的技术创新效率，以此前沿面为参照，企业的技术创新效率较为稳定，2009—2011年分别是0.238，0.237，0.237。在企业所有制方面，与国有企业相比，合资企业、港澳台企业和外商企业创新效率较低，尤其是外资企业；然而在行业方面，与电子信息行业相比，其他行业基本都有较高的创新效率，不过不同企業间仍有差距，如新能源和高效节能创新效率相对最高，航空航天创新效率则相对最低。（3）本文分八类变量，分析了影响研发和转化效率的各个因素，回归结果表明，对企业创新有显著推动作用的是产值规模、产学研、政府资金、银行贷款、出口和技术改造，并以产值规模、政府资金和技术改造为主要原因。（4）通过对不同类型的企业与行业应采取不同的策略和激励措施，提升创新效率水平。在有条件的前提下，对于企业都应扩大产值规模、加强产学研联系、努力获取政府资金资助、考虑银行贷款、增加出口和加强技术改造以提升创新效率。对于技术创新效率较高的行业，应侧重于增加技术创新投入；而对于技术创新效率较低的行业，政府应对其双管齐下，增加技术创新投入、注重技术创新效率的提升。

参考文献

[1] 李美娟，陈国宏.数据包络分析法（DEA）的研究与应用[J].中国工程科学，2003，5（6）：88-94.

[2] 池仁勇，唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理，2004，25（4）：23-27.

[3] Aigner D，Lovell C，Schmidt P. Formulation and Estimation of Stochastic Frontier Production Function Models[J]. Journal of Econometrics， 1977，6（1）：21-37.

[4] Meeusen W，Broeck JVD. Efficiency Estimation From Cobb-douglas Production Functions with Composed Error[J]. International Economic Review，1977，18（2）： 435.

[5] Wang EC，Huang W. Relative Efficiency of R&d; Activities： a Cross-country Study Accounting for Environmental Factors in the Dea Approach[J]. Research Policy，2007，36（2）：260-273.

[6] Coelli T，Perelman S. Efficiency Measurement， Multiple-Output Technologies and Distance Functions： With Application to European Railways[R]. CREPP Working Paper 96， 05， University of Liege.

[7] Coelli T，Perelman S. A Comparison of Parametric and Non-parametric Distance Functions： with Application to European Railways[J]. European Journal of Operational Research，1999，117（2）：326-339.

[8] Coelli T，Perelman S. Technical Efficiency of European Railways： a Distance Function Approach[J]. Applied Economics，2000，32（15）：1967-1976.

[9] 吴延兵.R&D;与生产率——基于中国制造业的实证研究[J].经济研究，2006（11）：60-71.

[10]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（6）：45-53，94.

[11]余泳泽，武鹏.我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析[J].产业经济研究，2010（1）：65-71.

[12] 余泳泽，武鹏. 我国物流产业效率及其影响因素的实证研究——基于中国省际数据的随机前沿生产函数分析[J]. 产业经济研究， 2010 （1）： 65-71.

[13] 张健华，王鹏. 中国银行业前沿效率及其影响因素研究——基于随机前沿的距离函数模型[J]. 金融研究， 2009（12）： 1-18.