安徽创新驱动全要素生产率研究——基于DEA-Malmquist指数模型的实证分析

（河海大学文天学院 安徽 马鞍山 243000）

0.引言

十八大提出创新驱动发展战略以来，创新、创新驱动成为中国人生活中的高频词汇。2013年11月，安徽省通过科技部有关开展创新型省份建设试点的复批，成为全国第二个创新型省份试点省。为进一步加快创新型省份建设，中共安徽省委、安徽省人民政府于2014年2月颁布了《关于实施创新驱动发展战略进一步加快创新型省份建设的意见》。面对创新型省份建设的新形势和新时期安徽经济社会发展的新任务，如果按照以往的发展方式，安徽的现代化建设向纵深阶段推进将遇到新的瓶颈。这就需要探索新的发展模式，必须大力推进创新驱动战略，大力推动科学和技术对促进经济增长方式转变和结构调整的重要作用，重视科技创新对效率的提升，实现创新型省份建设目标和新时期安徽经济社会发展目标。

但是安徽省目前城市之间发展不均衡、自主创新能力不足，中低端产业较为集中。研究安徽省的创新驱动的效率，合理利用创新资源要素，加快安徽省主要城市的产业转型升级，对于安徽实施创新驱动具有十分重要的作用，因此，对位于安徽省创新驱动全要素生产率进行研究，并通过对其分解因子的探求创新生产率的变化原因，对安徽省创新驱动的战略的实施具有十分重要的理论和现实意义。

全要素生产率（Total Factor Productivity，TFP）是对区域创新总体效率的衡量。关于创新驱动全要素生产率的研究，官建成等(2005)采用数据包络分析法(DEA)分析了我国省级区域创新体系的效率。在实际应用中，很多学者将DEA方法与其他方法结合起来使用。例如：郭淡泊（2012）等基于39个国的连续11年的面板数据，运用数据包络（DEA）对技术、经济以及综合效率进行评价，并运用Tobit模型分析了效率影响因素的差异。梁龙武等运用Malmquist-Tobit方法，基于我国省级面板的数据分析了我国省际创新驱动的全要素生产率及其经济环境影响因素。王珍珍等（2013）基于模型和中国省级面板数据对我过科技创新生产率进行了实证研究。刘明广等（2017）基于指数模型对广东省的创新效率进行了动态评价。

从以上现有的研究来看，国内学者对创新效率的研究主要集中在国家，省等宏观层面上的研究，这无法反映出某一特定的地区的创新驱动效率的现状和问题，少数从区域层面上的研究也集中在长江三角洲、以及广州福建等经济较为发达的地区。基于此，本文将研究对象设定在位于安徽省的9个地市。运用DEA-Malmquist指数模型对2010～2016年期间安徽省9个地市的面板数据进行分析，测度安徽省创新驱动全要素生产率的变化情况，找到影响效率变化的因素，并且给如何提高创新驱动全要素生产率指明方向。

1.相关研究方法和变量的选择

1.1 研究方法

本文采用基于DEA的Malmquist指数法进行创新驱动全要素生产率的分析。

DEA-Malmquist指数模型是一种非参数估计的方法，因为不需要设定具体的生产函数。在分析具有多投入多产出的全要素生产率上是一种有效的方法。最早由瑞典经济学家Malmquist提出，是通过利用缩放因子之比构造消费数量。1994年，Fare等把这种非参数线性规划法与数据包络分析法(DEA)理论相结合，这才使得Malmquist指数被广泛应用。现今，这一方法被广泛应用于金融、工业、区域等生产效率的测算。

DEA-Malmquist指数模型相对于数据包络分析法(DEA)在截面上的静态分析，DEA-Malmquist指数法能够对决策单元的多个时间点的跨期面板数据进行分析。另外，此方法还可以对创新全要素生产率的变化情况，及其分解因子中的技术进步指数以及技术效率指数对全要素生产率的变动的影响进行分析。该方法的首先采用创新的投入以及产出数据构建一个生产前沿面函数，通过DEA的非参数线性规划模型求解距离函数，计算决策单元在前后两个时期与生产前沿的距离来表示不同时期生产率的变化。全要素生产率变动指数(TFP change，Tfpch)计算公式如下

其中，xt,yt,xt,yt，xt+1,yt+1xt+1,yt+1分别表示，在t和t+1期的投入和产出向量，Malmquist指数中，dt(xt,yt)dt(xt,yt),dt(xt+1,yt+1)dt(xt+1,yt+1)分别表示以是以t期的技术为参照表示的第t期和t+1的距离函数。Tfpch>1表示全要素生产率呈增长趋势，创新效率提高;Tfpch<1表示全要素生产率呈下降趋势，创新效率下降。

在规模报酬不变的情况下，全要素生产率指数的变化分解为两个重要的组成部分，即技术进步指数（Technical Change，TC）和综合技术效率的变化（Efficiency Change，EC），其分解过程如下：

EC代表从t期到t+1期，决策单元对生产前沿面的追赶程度。当EC>1时，综合技术效率提升，说明和上一期相比生产更接近生产前沿面。当EC<1时，综合技术效率下降，说明和上一期相比生产更接近生产前沿面。TC代表技术进步变化，即生产最佳前沿边界的移动。当TC>1时，技术进步，说明生产前沿面向上抬升或者向外移动。在规模报酬可变情况下，综合技术效率指数还可以分解为纯技术效率变动指数(PC)以及规模效率(SC)。

1.2 指标选择与数据来源

在对创新驱动的全要素生产率进行求解时，根据以往研究人员对全要素生产率的指标体系的研究，考虑到相关数据的可获得性，来选取投入和产出指标。

（1）投入变量常用的衡量创新投入的指标主要集中在人力资本的投入和资金的投入两个方面。因此，本文选取企业R&D经费支出(X1)和新产品研发支出经费(X2)，R&D人员全时当量(X3)作为人力投入指标。

（2）产出变量。常用的衡量创新产出的指标主要有经济效益产出和专利发明两个方面，具体包括专利、新产品销售收入、技术开发项目数等，借鉴现有的文献并参考数据的可得性，本文选择各地区专利申请授权量（Y1）和新产品销售收入（Y2）作为创新的产出变量。

本研究所使用的数据是安徽省的9个地市(合肥、芜湖、马鞍山、安庆、滁州、淮北、宿州、蚌埠、淮南)2010～2016年的年度面板数据，数据来源于各地市2010～2016年的统计年鉴，安徽省统计年鉴2010～2016年。

2.实证研究

2.1 安徽创新驱动全要素生产率的求解分析

为了研究安徽省的9个地市在2010～2016年之间的整体变化情况，本文通过deap2.1软件对9个地市的创新生产的面板数据求解，得到年度平均的创新全要素生产率及其分解。具体分析如下：

表1 安徽9地市2010～2016年Malmquist生产率指数及其分解指数均值

由表1结果可知，在2010～2016年间，安徽创新驱动效率的全要素生产率增长了7.8%，所有年份全部大于1，为较高有效增长。其中，综合技术效率增长3.3%，技术进步效率增长4.6%，和纯技术效率增长3.6%。这得益于安徽省各地市政府创新意识的增强。

进一步分析，综合技术效率变动指数均值大于1，只有2011年呈现下降趋势。在2010～2016年间，年均增长了3.3%，说明综合技术效率整体处于上升趋势，安徽省的创新资源配置效率得到了改善。综合技术效率变动指数可以分解为纯技术效率和规模效率两个指数，纯技术效率年均增长幅度大于规模效率的下降幅度。可以看出规模效率指数对技术效率影响不大，而真正对技术效率的提高产生影响的是纯技术生产率。另外技术进步指数均大于1，这说明安徽省在2010～2016各年度技术进步提升明显。随着创新驱动战略的推行，安徽在加大创新驱动资源投入，高效利用创新资源，在资源配置、培养科技人才和技术创新方面有了明显的改善和进步，但是生产的规模的合理化控制出现了问题。接下来，安徽在产业转型升级的过程中，要改变过去粗放型投入模式，要重视生产规模的合理化控制，向集约型转变。

进一步分析安徽省创新驱动的全要素生产率具体的变化趋势。2011年，安徽省的技术进步效率和全要素生产率曲线则呈现相同的上升趋势，而技术纯技术和规模效率曲线一致地均呈现下降的趋势。由此可见，2010～2011年期间，是技术进步指数的上升带动了安徽省的创新驱动的全要素生产率指数上升。2015年期间，全要素生产率曲线出现下降趋势，技术效率，纯技术效率和规模效率曲线均出现了上升趋势，只有技术进步效率曲线出现了下降趋势。技术进步指数和全要素生产率指数变动趋势相同。在2016年期间，技术效率，纯技术效率和规模效率曲线均出现了小幅的下降，而技术进步曲线的再次回升再次带动了全要素生产率曲线的上升。以上分析我们可以得出，全要素生产率指数和技术进步指数的变动趋势基本一致，波动具有一定的同向性。充分说明，皖江城市带的全要素增长率的增长主要推动力是技术进步。皖江经济带创新驱动发展所需技术水平在不断进步。

图1 安徽2010～2016年创新驱动的整体全要素生产率变化

2.2 安徽不同地市创新全要素生产率及其变动

从表2中可以看出，安徽地市之间创新发展不均衡，存在一定的区域差异。首先，9个地市中淮北和淮南全要生产率变动指数小于1，其余7地的生产率变动指数大于或者等于1，从高到低依次是合肥、芜湖、铜陵、安庆、马鞍山、蚌埠。宿州市生产率没有变化。提升幅度最大的是合肥，年增长率达到26.5%，提升幅度最小的是蚌埠，增长率为05%。创新全要素生产率的增长几个地市中，增长的主要动力主要来自于技术进步和资源要素配置的共同驱动。安徽省各城市自身的创新驱动发展十分不平衡。主要源与技术的进步和技术效率的改善两者不能兼顾。全要素生产率正增长的六个城市综合技术效率指数均处于上升状态，这说明创新资源要素都得到了比较好的配置，但是全要素生产率出现负增长的两个地市情况正好相反。另外，两个全要素生产率负增长的地市的技术进步指数下降明显。而全要素生产率正增长的六个城市技术进步指数均处于上升状态，这说明技术进步对安徽省的创新全要素生产率的提升起到至关重要的作用。综上所述，2010～2016年间，安徽省的各地市的创新驱动效率出现明显的地区差异，发展不均衡。合肥，芜湖处于高增长的状态，铜陵，马鞍山，安庆处于稳步发展状态，蚌埠，宿州处于低增长状态，而淮北和淮南的创新效率下降的状态。

表2 2010—2016年安徽各地级市创新Malmquist生产率指数及其分解指数均值

铜陵 1.047 1.075 1.049 0.998 1.125安庆 1.032 1.069 1.035 0.997 1.103蚌埠 1.020 0.986 1.032 0.988 1.005宿州 0.966 1.035 0.989 0.977 1.000淮南 1.008 0.981 1.031 0.978 0.989淮北 0.974 0.991 0.993 0.981 0.965 Mean 1.033 1.046 1.036 0.997 1.081

3.结论

本文采用Malmquist指数分析方法，基于2010～2016年安徽9个地市创新驱动投入产出面板数据，对其创新生产率及变化情况进分析，并将整体全要素生产率变动分解为技术进步指数、纯技术效率变动指数和规模效率变动指数。可得出如下基本结论：

（1）2010～2016年间，安徽9个地市创新生产率总体上保持了较快的增长势头，年均增长达到8.1%。通过分解指标得出全要素生产率变动的主要驱动因素是技术水平的变动。技术进步效率年均增长达到4.4%。要保持创新效率持续增长的势头，技术的先进性起着决定性的作用。因此，要真正提升安徽全要素生产率水平，应该高度重视提升技术自主创新能力，制定合适的创新驱动发展战略，引进高水平的人力资本、引进新技术，促进生产技术和创新技术的进步，坚持将经济发展动力从投资驱动、要素驱动向创新驱动、效率驱动转化。此外，安徽9个地市整体上综合技术效率有所提升，纯技术效率往上拉动的作用很显著，而生产规模损失拖累了综合技术效率的增长。因此在加大技术投入的同时，需要关注生产规模与投入产出的协调，升级产业结构，促使创新生产从“粗放型向集约型转变。

（2）安徽省的9地区全要素生产率变动情况呈现非常明显的地区差异，虽然整体上处于上升，但是还有两个城市的呈现下降趋势。而出现下降的主要原因是技术的退步，这说明各地市需要依据自身的发展情况制定改善措施。落后地区需要高度重视技术水平的提高，除依靠自主研发外，还应该加强技术引进和技术转化。另一方面从政策制定、创新环境建设、资源投入、管理创新等方面着手提升资源配置效率。各地政府应该大力促进区域之间的创新交流，各地要抓住创新引领跨越发展的历史性机遇，以技术创新驱动经济增长，缩小地区差异，实现共同发展。