中国区域高技术产业技术创新能力的比较研究——基于两阶段视角的实证分析

肖羽琛

（西北工业大学，陕西 西安 710129）

一、引言

高技术产业是国民经济和社会发展的战略性、先导性产业，是衡量一个国家或地区经济发展水平和竞争实力的核心标志。在经济发展趋缓趋稳的当下，我国高技术产业却逆势上扬，根据2016年《中国高技术产业统计年鉴》显示，近年来我国高技术产业创新投入不断增加，R&D经费内部支出从2006年的456.4亿元增加到2015年的2,219.7亿元，复合增长率为36.43%；R&D人员数量从2006年的18.89万人增加到2015年的188.81万人，复合增长率为29.14%。但与此同时，新产品销售收入从2006年的8,248.86亿元增加到2015年的128,091.76亿元，复合增长率只有35.62%，比R&D经费内部支出的复合增长率还低。由此可见，尽管中国高技术产业新产品产出等经济效益指标近年来有所改善，但研发投入复合增长率依然大于新产品销售收入复合增长率；尽管中国高技术产业研发投入规模不断提高，但自主创新能力仍然不足，核心高端技术对外依存度较高[1]。针对以上问题，将整个技术创新过程分为技术创新投入转化为技术创新成果和技术创新成果转化为经济效益两个阶段来研究有利于发现各区域在某阶段技术创新的不足，进而促进各区域高技术产业的协调发展和我国高技术产业的合理布局。

近年来，关于高技术产业技术创新能力评价的研究是学者们研究的重点。Rothwell,Roy(1994)认为可以使用四种指标来评价技术创新能力，分别是创新投入指标、中间产品投入指标、度量某个产品及过程性能的指标和度量某产品投入要素数量的指标[2]。Burgelman,VandenPoe（1988）指出技术创新能力由资源分配、行业掌控、技术发展和战略管理四个方面构成[3]。赵玉林、程萍（2013）通过使用主成分分析方法分别从八五、九五、十五、十一五期间四个时段对我国各省市的高技术产业技术创新能力进行动态评价和比较分析[4]。肖鹏等（2016）按照各省市高技术产业技术创新能力的得分高低，使用聚类分析法将中国31个省市分为四个层次[5]。张经强（2016）建立了两阶段下高技术产业技术创新能力的评价指标体系，使用因子分析法对比分析了高技术产业各细分行业的技术创新能力[6]。既有研究比较全面地构建了高技术产业技术创新能力评价指标体系，为本文提供了参考依据。然而既有研究主要集中在单阶段下区域技术创新能力评价和两阶段下行业技术创新能力评价，缺乏两阶段下区域技术创新能力评价的研究。因此，本文在前人研究的基础上，分别对我国31个省市在技术研发、技术成果转化两个阶段的高技术产业技术创新能力进行因子分析，找出各区域在各阶段技术创新能力存在的问题并分析造成这些问题的原因，并提出相应的对策与建议。

二、理论框架、研究方法和数据说明

（一）理论框架

根据高技术产业的发展特点，技术创新的过程可以分成两个阶段:技术研发阶段和技术成果转化阶段。技术研发阶段指的是企业从投入创新资源到产出技术创新成果的整个过程。创新资源投入主要有R&D经费投入、R&D人员投入等;技术产出包括专利技术成果、发表科研论文等。企业通过技术成果转化阶段将技术创新成果转化为经济效益。与普通企业不同，高技术企业通过技术产业化来获得利润。技术产业化可以分为自主技术创新的产业化和引进技术再消化吸收的产业化。技术成果转化阶段的资源投入不仅包括技术、人员和资金投入，还有技术产业化过程中对设备、工具等基础设施的投入和新产品在正式投产前所进行的一系列前期开发投入[7]。

图1 技术创新两阶段模型

（二）研究方法

高技术产业的技术创新能力是近年来学者们研究的热点问题。既有研究提出了诸多技术创新能力的评价方法。例如，空间面板模型分析法、灰色关联分析法、层次分析法等。而衡量技术创新能力的指标有很多，各个指标之间存在关联性，因此呈现出数据信息部分重复的现象；这些研究方法的主观判断和人为偏好因素影响很大，且指标选取不够全面，影响了结果的客观性。

本文采用因子分析法来分析我国各省市高技术产业技术创新能力。因子分析的优点是用较少的相互独立的因子变量来代替原来变量的大部分信息，克服了指标权重赋值的主观性，有助于客观反映样本间的实际关系。

因子分析的数学模型为：

式中，x1，x2，…xP为 p个原有变量，是均值为零，标准差为1的标准化变量，f1，f2，…，fk为k个因子变量，k＜p，表示成矩阵形式为：

式中，F为因子变量或公共因子；A为因子载荷矩阵，αij是第i个原有变量在第j个因子变量上的负荷；ε为特殊因子，表示原有变量不能被因子变量所解释的部分。

（三）指标体系构建与数据来源

1.指标体系构建

对于构建高技术产业的技术创新能力评价指标体系，牛勇平（2011）构建了包括市场因子、技术因子和环境因子在内的多因子指标体系[8]。张铁山，管敏（2016）从高技术产业投入、产出能力、技术创新支撑能力等三方面构建了评价指标体系[9]。张经强（2016）分别构建了技术研发阶段和技术成果转化阶段的评价指标体系。具体包括：将技术研发阶段的评价指标分为技术创新投入、技术创新产出和创新环境支持三方面；将技术成果转化阶段的指标分为创新成果投入、中间技术投入和产业化效益三个方面[6]。

本文在参考大量相关文献的基础上，分别对技术研发、技术成果转化两个阶段构建了高技术产业技术创新能力的评价指标体系。选取了区域技术创新投入、区域技术创新产出和区域创新环境支撑3个一级指标和10个二级指标，来评价技术研发阶段的技术创新能力；选取了技术、资金、人员投入和经济产出2个一级指标和13个二级指标来评价技术成果转化阶段的技术创新能力。具体指标如表1所示。

2.数据来源

本文对我国31个省市的高技术产业技术创新能力进行了定性和定量分析，数据来源于《中国高技术产业统计年鉴（2016）》。将原始数据标准化处理，使得变量间在数量级和量纲上趋于相同。

三、实证检验和结果分析

（一）实证检验

首先进行KMO检验和Bartlett球度检验，经SPSS21.0软件计算，技术研发阶段的KMO值为0.808(大于0.6）满足因子分析需要，Bartlett球形检验x2 值为 995.332，Sig.=0.000（小于 0.05），由此可知原始矩阵不是单位阵，原变量之间存在相关性，适合作因子分析；技术成果转化阶段的KMO值为0.718（大于0.6），适合于作因子分析，Bartlett球形检验x2值为 1,065.144，Sig.=0.000（小于 0.05），适宜作因子分析。通过变量的相关系数矩阵可以得出技术创新能力的特征根、方差贡献率和累积方差贡献率 （见表2）。技术研发阶段的前两个因子特征值大于1，累积方差贡献率占97.267%；技术成果转化阶段的前两个因子特征值也大于1，累积方差贡献率达到91.032%。两个阶段的累积方差贡献率均超过85%，说明两个阶段均可以通过提取前两个公共因子来解释原变量的绝大部分信息。

表1 我国区域高技术产业技术创新能力评价指标体系

表2 特征值和方差贡献表

为了使公因子有明显的含义，需要对因子载荷矩阵进行正交旋转，因子负载越大，说明该变量与因子的关系越密切。本文使用“方差极大法”对因子载荷矩阵进行旋转，结果如表3所示。在技术研发阶段，从旋转后的因子载荷矩阵可以看出，第一个公因子F1在R&D人员折合全时当量、R&D经费内部支出、新产品开发经费支出、专利申请数、有效发明专利数、新增固定资产和研发机构经费支出上有较大载荷，分别从投入、产出和环境三个方面全面反映了高技术产业技术创新能力的不同方面，可以命名为总体规模因子。第二个公因子F2在新增固定资产，研发机构数和有R&D活动的企业数有较大载荷，反映创新环境支持水平，可以命名为创新环境支持因子。在技术成果转化阶段，第一个公因子F1在专利申请数、发明专利申请数、有效发明专利数、新产品开发经费支出、技术引进经费支出、购买境内技术经费支出、从业人员平均人数和新产品销售收入上有较大载荷，反映技术成果转化阶段的技术、资金、人员投入和经济产出水平，可以命名为创新水平因子。第二个公因子F2在固定资产投资额和技术改造经费支出上有较大载荷，反映了在技术成果转化阶段资金投入对技术创新的支持程度，可以命名为创新资金支持因子。

将各因子得分以旋转后各因子的方差贡献率作为权重进行加权求和，对全国31个省市高技术产业技术创新能力进行综合评分，得出各省市高技术产业的技术创新能力分别在技术研发和技术成果转化两个阶段的得分及排名情况。

（二）实证结果分析

1.公因子得分分析

表3 旋转后的因子载荷矩阵

（1）技术研发阶段：从总体规模因子来看，排在前10位的省份分别是广东、北京、上海、浙江、山东、福建、天津、四川、江苏、和黑龙江。其中有9个省份都属于东部地区，分别是广东、北京、上海、浙江、山东、福建、天津、江苏和黑龙江，仅四川属于西部地区。总体规模较强的省份，基本集中在东部地区，而总体规模较弱的省份，则多集中在中西部地区。这主要是因为东部地区经济总量大，企业对技术创新需求量大，研发投入和科技人员投入量大，西部地区地理位置不佳、资金和人才投入少、政策支持力度小。然而虽然有些省的技术创新总体规模不大，但其创新环境支持因子却很大，如安徽和湖南，说明与其它省份相比，这些省份的资源配置能力更强。这主要是因为当地政府的大力扶持，产业基础雄厚，并且科研院所较多。但由于技术创新投入和创新成果研发能力较弱，降低了其综合得分。东部地区的一些省份，如北京和上海，总体规模较大，环境支持能力却相对较低，这是因为其投入资源利用效率更高，创新成果的产出能力很强。

表4 技术研发阶段的因子得分及综合因子得分

表5 技术成果转化阶段的因子得分及综合因子得分

（2）技术成果转化阶段：从创新水平因子来看，排在前10位的省份分别是广东、北京、江苏、天津、浙江、福建、上海、山东、四川和海南。其中除四川属于西部以外，其余9个省份都属于东部地区。从创新资金支持因子来看，排在前10位的省份分别是江苏、山东、河南、浙江、上海、湖南、湖北、江西、云南和四川。其中有4个东部省份，分别是江苏、山东、浙江和上海，有4个中部省份，分别是河南、湖南、湖北和江西，以及两个西部省份，分别是云南和四川。由此可见，在技术成果转化阶段，各省份创新资金投入和创新水平不匹配。这主要是因为东部经济发达地区技术创新效率较高，虽然资金投入不多，但经济产出能力很强。而中西部地区近年来由于国家“西部大开发”“一带一路”等政策的支持使得资金投入力度较大，但自身产业基础薄弱，高技术企业规模小，故而创新水平不高。

2.综合因子得分分析

在两个阶段下，东部地区的广东、江苏、浙江、山东、北京、上海和福建都处于综合因子得分的前十位，而西部地区的甘肃、宁夏、新疆、青海和西藏都处于综合因子得分的后五位，中部及东北地区的省份处于中间位置。由此可见，在两个阶段下，我国东部地区高技术产业技术创新能力最强，中部次之，西部最弱，这表明了我国各区域高技术产业技术创新能力的不平衡。

四、结论与启示

在对两阶段下我国各区域高技术产业的技术创新能力进行分析后，可以得到以下结论与启示：

（一）各区域在技术研发阶段和技术成果转化阶段的得分基本一致

大多数省份在技术研发阶段和技术成果转化阶段的得分基本一致。但是，也有部分省份在两个阶段的得分存在差距。针对一些在技术研发阶段得分较高，但在技术成果转化阶段得分较低的省份，如河南，应该在未来的技术创新活动中着重研发应用程度较高的产品，提高将研发成果转化为经济效益的能力。针对那些在技术成果转化阶段得分较高，但在技术研发阶段得分较低的省份，如重庆，应该大力引进高级研发人才，建设科研机构，以此来提高技术研发能力，进而增加研发成果。

（二）技术研发阶段下各区域技术创新总体规模与环境支持能力不匹配

在技术研发阶段，各区域技术创新总体规模与环境支持能力不匹配。针对技术创新总体规模大，但创新环境支持能力不高的省份，如北京和上海，应该在继续发挥其技术创新集成效益的同时，着重提高自身创新环境支持能力。针对技术创新总体规模小，但创新环境支持水平却较高的省份，如安徽和湖南，应该在未来形成有效的创新激励机制，充分利用其在资金、人才、环境等方面的资源优势，提高产出效率。

（三）技术成果转化阶段下各区域创新水平与创新资金支持能力不匹配

在技术成果转化阶段，各区域创新水平与创新资金支持能力不匹配。针对一些创新资金支持能力较强，创新水平却不高的省份，如江西，应该减少投入冗余，提高技术研发阶段的科技创新成果应用能力，提高产业化效益。此外，针对创新水平因子较大，创新资金支持因子较小的省份，如海南，应该通过增加经费投入,提高市场化程度，增加高校和科研院所数量和国家政策支持来优化创新环境。