新常态 “创新驱动发展战略”实施前后规模以上工业企业研发创新效率比较研究——基于DEA-Malmquist指数方法的实证分析

（辽宁大学经济学院，沈阳 110036）

引 言

2014年8月18日，习近平主席主持召开中央财经领导小组第七次会议，研究实施创新驱动发展战略，自此，创新驱动发展战略进入加快实施阶段。同年11月9日习近平主席在亚太经合组织工商领导人峰会开幕式上发表演讲，指出 “从要素驱动、投资驱动转向创新驱动”是 “新常态”动能转换的重要特点。“创新”将有力驱动“新常态”［1］。规模以上工业企业凭借自身强大的经济实力与坚实的人力物力科研基础，一直是国家研发创新的中坚力量，能够在很大程度上体现整个工业乃至整个经济的创新状况。因此，对规模以上工业企业的研发创新效率进行深入研究，能够有效反映科技创新活动最基础、最主要、最本质的特点规律。

近年来，我国工业结构逐步优化，创新能力和技术水平不断提升，建立了世界上最完备的工业体系。对全国各地区规模以上工业企业研发创新最新效率表现及其变化趋势进行系统归纳总结，摸清规上工业企业研发创新状况的地域特征，并且通过对新常态下实施创新驱动发展战略前后各热点区域工业企业的研发创新现状进行比较分析，可以检视国家重大战略的实施效果，发现不同地区存在的不同问题并进行下一步调整改进，对新常态下进一步优化工业企业研发创新资源投入，从而提升各地区的研发创新效率具有重大战略指导意义。针对新常态下创新驱动发展战略实施前后工业企业研发创新效率的比较研究，国内外还鲜有学者涉及，这也是本文的主要研究特色。

对企业研发创新效率评价方法的研究中，模糊评价法、粗糙集方法、VIKOR法、TOPSIS法等均有所应用， 杜栋［2］、 杨忠敏［3］对评价企业技术创新能力的方法进行系统研究总结后认为，DEA方法在对企业研发创新效率进行评价时有其独到优势，其不但能够对研发创新的投入与产出两方面同时进行评价，测度投入产出相对效率，而且可以较好的处理分析指标量纲不同以及指标相对权重确定的问题，能有效排除主观因素影响，得到更为客观的评价结果。

运用DEA方法对工业企业研发创新效率进行的相关研究中，杨勇松和吴和成认为对企业的R＆D活动合理评价，应该注意防止由某一年R＆D投入的自然波动引发各年评价结果大相径庭的问题，对各个地区进行R＆D效率总体评价发现，R＆D活动在利用效率以及投入规模上存在显著差别［4］。唐清泉等通过DEA方法测算了大中型工业企业的行业R＆D效率，认为1999～2006年间大中型工业企业33个行业的R＆D效率没有显著提升，投入强度大的行业不具有天然效率优势，创新效率的提升不容忽视［5］。许敏和谢玲玲基于BCC-DEA模型对区域技术创新的效率值进行分析，研究了大中型工业企业技术创新效率的区域差距［6］。冯志军等运用DEA方法对2001～2010年间大中型工业企业的研发创新全要素生产率加以测度，发现主要是国外技术引进推动了研发创新全要素生产率的增长［7］。李宏雷对2010年大中型企业R＆D活动进行DEA分析，发现只有1／3地区R＆D效率有效，并且探讨了 R＆D效率提高的路径［8］。晏蒙和孟令杰选取DEA方法对各地工业创新效率进行比较研究，认为2011～2013年大多数省区工业科技创新综合效率未达最优，各地区的工业创新效率差距在3年间逐步变小［9］。陈四辉运用DEA方法对各地区规模工业创新绩效进行分层聚类研究，认为70%的地区有效率，层次、比例以及松弛方面应该成为创新效率较低区域创新绩效提高的着力点［10］。向小东和林健运用DEA方法对2013～2015年工业细分行业的创新效率进行了研究，发现35个细分行业的全要素生产率大部分都在不断提高，技术进步构成了研发阶段全要素生产率正增长变化的主要动力［11］。王义新和孔锐对36个工业细分行业的科技创新效率进行分析发现，规模以上工业企业科技创新效率具有特别明显的行业差距，整体效率的提高受规模效率与纯技术效率的约束，同时，资源投入的合理配置需要高度重视依据行业特点进行［12］。以上将DEA方法应用于规模以上工业企业研发创新效率的研究中，一部分侧重于对工业创新效率按细分行业进行分析，还有一部分侧重于针对创新效率区域差距展开研究，但都普遍体现出了DEA方法在工业企业技术创新评价中直观性强、可比性好的优良特点。

值得一提的是，针对企业研发创新效率评价方面，许多研究基于截面数据对企业研发创新状况进行分析，这样评价结论受某一年度或者某些特别数据的影响较大，且无法有效表征某个时间区间内研究变量的整体概貌及其动态变化状况，而从面板数据的角度进行综合评价能够有效弥补以上缺憾。本文选用DEA-Malmquist指数方法，基于2012～2017年各地区规模以上工业企业研发创新的面板数据，以2014年创新驱动发展战略部署实施元年为界分为两个时段分别进行量化分析，对研发创新效率变化的时序演进与全要素生产率地区差异特征进行系统研究。需要强调的是，本文分别基于2012～2014年与2015～2017年两个3年期面板数据信息以排除单年度截面数据偶发因素影响，综合考察各地区规模以上工业企业研发创新活动效率在创新驱动发展战略实施前后连续3年的状况，将以更高的自由度、更高的估计效率、更加全面地反映两个比较时段创新效率的动态变化特征。

1 研发创新评价指标体系与DEA-Malmquist指数评价方法

由于各省规模以上工业企业研发创新发展水平影响因素比较多而且复杂，在进行大量文献研究的基础上，确立最终评价指标体系如表1所示。

表1 研发创新投入、产出指标体系

续 表

投入指标方面，主要筛取经费、人力以及绝对项目数三大领域指标，产出指标方面，筛取新产品盈利以及专利、技术等最终成果指标；规模以上工业企业5个投入指标变量，4个产出指标变量恰当准确地表征了规模以上工业企业投入、产出的各个方面，无缺项无冗余；全部指标皆可在中国国家统计局最新数据库中精确找到对应指标项，可较好地应用于规模以上工业企业创新评价研究。

对规模以上工业企业研发创新投入产出变量进行DEA分析，采用基于产出的具有非阿基米德无穷小的DEA规划模型。设有n个决策单元，每个决策单元DMUi有m种类型的输入和k种类型的输出，分别用输入变量Xi和输出变量Yi表示。Xit＞0表示第i个决策单元的第t种类型的输入量；Yir表示第i个决策单元的第r种类型的输出量。对每一个决策单元，产出导向下对偶形式的DEACCR模型规划表达式如下：

其中，ε为非阿基米德无穷小，本文中取ε＝10-10， 且有ε＞0，e1＝（1，1，1，…，1）T∈Em，e2＝（1，1，1，…，1）T∈Ek， 以上即为模型 （1）； 模型（1）中，θ为决策单元的效率值；s+、s-为松弛变量；在模型 （1）中，施加凸性约束条件1），即为DEA-BCC模型。

前述静态DEA-BCC模型分析是建立在一个考察期内生产技术不变基础上的，要细致考察刻画从2012～2017年生产技术发生变化情况下的研发创新效率的动态变化，更好地适应面板数据，需要进一步引入研发创新的Malmquist指数，即运用距离函数，求出可作为垂直比较分析的Malmquist生产率指数：

Malmquist指数反映的是某决策单元在两个时期的相对效率，Malmquist指数大于1，表示第t期到t+1期的效率水平增长；小于1表示下降；等于1表示未变化。

在规模报酬不变假设下，生产率的变化受技术进步和技术效率变化的影响，Malmquist指数可分解为技术效率变化指数 （TEC）和技术进步指数 （TE）连乘，分解过程如下：

允许规模报酬可变，技术效率变动 （ΔTEC）又可以进一步分解为纯技术效率变动 （ΔPTE）和规模报酬变动 （ΔSE）的乘积，Malmquist指数可以进一步分解为技术进步指数、纯技术效率指数与规模效率指数的连乘，也即：

数据选取方面，应用于分析的数据全部严格按以上构建的评价指标体系选取；采用2012～2017连续6年中国30个省市 （考虑到数据的可获得性，西藏及港、澳、台地区除外）规模以上工业企业包含5个投入指标变量、4个产出指标变量的面板数据；以2012～2014年3年面板数据为参照组，以2015～2017年3年面板数据为实验组进行两阶段比较研究，全部数据来自于中国国家统计局2019年最新数据。

本文通过DEAP 2.1软件对2012～2014年与2015～2017年两组面板数据进行分析，测度全国30省市规模以上工业企业研发创新的全要素生产效率及其分解效率，运用Malmquist指数方法全面的评价从2012～2017年两阶段各地规模以上工业企业研发创新效率变化，测度创新驱动发展战略实施前后30省市比较单元的总体效率及各项分解指标是否有所提高，评估研发创新活动效率的变化是否具有持续性以及战略规划实施运用的总体效果。

2 基于DEA-Malmquist指数的规模以上企业创新能力分析

2.1 研发创新效率时间跨度整体分析

纵观2012～2017年整个研究时域，TFP指数值均大于1，表明全要素生产效率每年皆有所上升，从2013～2014年到2015～2016年之间在创新驱动发展战略实施首年增幅较为明显，而纯技术效率PTE指数、规模效率SE指数以及技术进步变化PE指数各项分解指数在整个研究时域内呈现波动上升态势，各年情况具有不同特点。

表2 2015～2017年间全国规模以上工业企业每年平均Malmquist指数

图1 2015～2017年Malmquist指数及其分解指数变化

2017年相较于2016年规模以上工业企业研发创新全要素生产效率分别为1.074与1.029，需要强调的是，这只是在更高初始值上增速的微幅回落，2016年全要素生产效率值可能受到单年度截面数据某些特有因素影响；2015～2017年与2012～2014年两个阶段规模以上工业企业研发创新全要素生产效率TFP指数平均值均大于1.5，表明都在快速上升。

对比创新驱动发展战略实施前后参照组与实验组各项指数3年期平均值，技术效率变化TEC指数与技术进步变化TE指数在创新驱动发展战略实施后均有所增加，值得一提的是，这是全国各省区比较单元的平均值，即表征宏观范围内的整体提高，更具细化指导意义的各比较单元各区域的变化情况千差万别，将在下文详细展开。

2.2 研发创新效率分热点区域分析

（1）京津冀区域

创新驱动发展战略实施后，2015～2017年北京市DEA-Malmquist全要素生产率变化7.2%，有较为显著提高，且其变化主要依赖于技术进步因素，对比2012～2014年北京市TFP指数大幅提高5.4个百分点，表明创新驱动发展战略极大促进了北京市规模以上工业企业研发创新效率的提升。对比前后两组数据，天津市Malmquist全要素生产率指数几乎未发生任何变化，但TFP指数的提高由原来的规模效率变化和技术进步共同作用转化为创新驱动发展战略实施后的主要由技术进步推动。河北省情况较为复杂，相比于2012～2014年的表现，除规模效率SE指数小幅上升外，由于Malmquist各分解指数的下降最终引致2015～2017年河北省全要素生产率TFP指数下降到微幅小于1的水平，表明河北省全要素生产效率近3年整体呈现下降趋势，创新效率水平有待提高，中央推动加快创新驱动发展战略实施以来，河北省TFP指数及各分解指数未升反降，其中深刻原因值得反思，从部署落实到深层次结构性问题都需要仔细寻因，同时表明河北省研发创新在京津冀区域内是一块洼地，提高空间较大。京津冀三地表现参差不齐，京津冀要实现协同发展，实现区域一体化还需要克服许多壁垒，京津冀三地规模以上工业企业在研发创新上需要共同进步、以强扶弱、优势互补、深度融合。

表3 30省市规模以上工业企业研发创新Malmquist指数

（2）长三角经济区

上海市在2015～2017年DEA-Malmquist全要素生产率增长12.7%，位居全国范围前列，相比于2012～2014年大幅扩大7.5个百分点，同时由主要依靠技术进步带动转变为由其全国首屈一指的科技研发创新优势与技术效率提升共同推动，创新驱动发展战略的实施极大促进了上海这一科技型城市与国家重大战略先行试验区研发创新效率，政策助推效应明显。

长三角经济区域内江苏省、浙江省近3年研发创新效率均有所回落，从其Malmquist分解指数来看主要由于技术进步放缓，未能实现2012～2014年依托技术进步实现研发创新效率快速提升，创新驱动发展战略实施后技术吸收转化能力在高起点上需要再提高，但需要指出的是这很大程度上源于处于高水平上的增速减缓，不是绝对值的断档式下跌，仔细分析原始数据来看，长三角经济区研发创新成果产品化、市场化效率高，专利技术市场交易活跃，长三角经济区依然是我国研发创新效率较好的地区。

（3）泛粤港澳大湾区

广东省处于粤港澳大湾区核心区位，是2012～2017年全国30省市规模以上工业企业效率全要素生产效率DEA-Malmquist指数测度中，表现上佳者；DEA-Malmquist指数各项分解指标在创新驱动发展战略实施前后均为1，纯技术效率处于相对最优状态且连续多年非常稳定，在全国30省市比较单元中凤毛麟角。创新驱动发展战略实施后，广东省在技术水平已相对较高的情况下，技术进步变化TE指数为1.034，表明广东省技术吸收转化能力依然强劲，研发创新依然活跃；研发创新全要素生产效率DEA-Malmquist指数近3年增长3.4个百分点，增长水平较高。

粤港澳大湾区核心区周边的海南与广西，在创新驱动发展战略实施后均实现了技术进步变化TE指数的大幅提升，特别是广西，最终促使其全要素生产效率TFP指数相比于2012～2014年跃升近12%，创新驱动发展战略的实施对其研发创新效率的提升作用非常显著。国家创新驱动发展战略的实施，在中央层面统筹推进下，还要充分发挥中心区域的 “重点支撑”功能，协同推进，形成多极发展的创新驱动格局［13］。泛粤港澳大湾区就是一个很好的例子，广东省中心引领，广西与海南积极跟进，多极发展。

（4）东北老工业基地

东北老工业基地内，吉林省全要素生产效率TFP指数相比于2012～2014年提高28.2个百分点，是全国30省市中间全要素生产效率增幅最大者，表明创新驱动发展战略实施3年来吉林省对研发创新的高度重视，技术利用使用效率在提高，研发成果转化效率高，新产品盈利较好，研发创新效率水平不断提高，近3年进步非常明显。黑龙江省最突出的是纯技术效率有明显提升，上升17.3个百分点，同时近3年规模效率与技术进步也均有所提升，表明研发创新活动组织管理得当，投入产出比在创新驱动发展战略推动下显著提高，是东北三省的佼佼者。辽宁省是东北老工业基地内工业研发实力最雄厚的中心地区，是先进战机、航母等军工装备摇篮，沈飞集团、鞍钢集团均设有大型研究院所，华晨宝马在新能源汽车领域颇有建树，辽宁省研发创新本身长期处于较高水平，2015～2017年辽宁省在创新驱动发展战略推动下规模效率SE指数进一步提高，同时主要依托技术进步TE指数促使全要素生产效率DEA-Malmquist指数相比之前进一步上升。综合来看，创新驱动发展战略在东北老工业基地三省区内实施成效显著，三省区研发创新效率水平均有所提高，创新驱动发展战略极大改变了东北老工业基地研发创新活动面貌，正在促使老树开新花，迸发新活力。

（5）中部六省区

创新驱动发展战略实施后江西省表现最好，DEA-Malmquist指数上升明显，纯技术效率变化PTE指数与技术进步TE指数的提高共同助推全要素生产率增加12.3个百分点。其余山西、河南、安徽、湖北、湖南5省区皆呈下降态势，且降幅均处于10%左右，中部5省区的一致性不佳表现发人深省，较为引人注目的共性问题是技术进步TE指数表现不如从前，突出表现为新兴技术的引进利用与先进研发手段的运用没有跟上时代步伐，研发创新投入人力、经费、技术利用使用效率较差，投入资源大量浪费，创新成果转化率低下。整合来看，中部山西、河南、安徽、湖北、湖南5省区调结构压力颇大，都需要注意促使技术引进吸收方面能力发生积极变化，从提高研发资源利用效率、成果产出率、新产品盈利能力方面着手提升全要素生产效率，提升研发创新活动整体效率。

（6）长江经济带上游区

长江经济带上游区川渝滇黔四省市与中部5省表现类似，2015～2017年Malmquist全要素生产效率及技术进步变化指数、纯技术效率变化指数等各项分解指数几乎一致性下降，部分指数指标跌幅颇大，创新驱动发展战略未能切实在长江经济带上游区四省市生根发芽，整个战略规划与部署落实需要重新检视，发现、研究、解决存在的问题，当前不利局面亟需彻底扭转。长江经济带上游区与下游区表现天差地别，成渝都市圈作为西南经济中心，未来应充分发挥其核心城市吸纳科技人才、吸收资金的巨大优势，充分发挥其西部大开发经济社会发展引擎的战略作用，带动整个长江经济带上游区促进资源投入利用效率提高，进而提升纯技术效率与研发创新活动全要素生产效率。

（7） 西部地区

相较于参照组，2015～2017年西部地区内蒙古与陕西省全要素生产效率皆有较大增加，TFP指数分别提高12.9与12.5个百分点，甘肃、宁夏全要素生产效率TFP指数也有明显提高，且均表现为主要由纯技术效率变化PTE指数推动全要素生产效率发生较大积极变化，表明创新驱动发展战略实施以来，西部地区后发优势充分发挥，研发创新活力充分激发，地方政府较为重视，创新活动组织管理有效，从而促进了研发创新效率的快速提升，创新驱动发展战略对以上四省区研发创新效率的提升助推作用显著。同时注意到西部地区青海、新疆两地TFP指数有所下滑，说明虽同属西部地区但各地表现也参差不齐，主要源于技术进步TE指数拖累，其余各项分解指数并未下降；西部地区研发创新效率水平总体态势积极向好。

3 结 论

综合全文实证及比较分析，得出如下结论：

（1）创新驱动发展战略对大多数区域创新效率的提高推动作用显著。总览全国各热点经济区域，大多数区域研发创新效率呈现出积极变化，中央层面的整体创新促进战略在大多数地区生根发芽并开花结果，全要素生产效率指数及各项分解指数的提高充分说明了由高层统一擘画全面推进的创新驱动发展战略对研发创新效率的提升产生了极大的促进作用。实施创新驱动发展战略，必须着力构建以企业为主体、市场为导向、产学研相结合的研发创新体系，保护知识产权，结合不同地区的不同特点，促进科技同产业深度融合，注重用新技术新业态改造提升传统产业，促进传统动能焕发生机，推动新动能在所有地区都能够不断发展壮大。

（2）区域间研发创新各项效率指标表现参差不齐。综合分析发现，创新驱动发展战略实施以来，研发创新效率地域差异颇大，表现参差不齐。全要素生产效率、纯技术效率、技术进步指数以及规模变化指数并未呈现出 “东部＞中部＞西部”的明显特征，没有表现出东、中、西部效率呈阶梯式递减规律分布。结合前述部分进行的热点区域研发创新效率横向比较分析发现，创新驱动发展战略实施后3年里，研发创新效率的区域间差异突出表现为上海市、北京市以及广东省等改革开放先行区效率水平依然较高且在创新驱动发展战略推动下增速较快，中部六省区与长江经济带上游区川渝滇黔4省市效率水平增速放缓，而西北部地区后发优势初显且效率近年提升较快。

（3）部分省市研发创新效率未升反降需要仔细寻因。全国30省市研发创新效率差异巨大，一些区域整体偏离较大，部分省市下降幅度特别大，该连续下降趋势引人深思，值得深究。不同省市基于不同的研发创新实力基础与发展特点会导致一些天然差异，但结合分区域量化分析发现，创新驱动发展战略实施后中部5省区与长江经济带上游区川渝滇黔4省市效率水平增速放缓呈现出集中连片特点，多个邻近省区市或者发展水平相近地区表现出共同特征，故而其深层次结构性问题不容忽视，需要深入寻因并进一步解决。中部5省与川渝滇黔4省市在研发资源配置及经费、人员管理利用上处于低效下降状态，研发创新资源浪费或未有效利用的现状需要改变。

（4）新常态下积极推动研发创新区域内协同发展与跨区域帮扶。综合效率近年呈现低水平低增速的区域亟需借好利好战略 “东风”全面改善当前现状，单纯依靠规模扩张来获取研发创新经济效益增长的发展模式不能长久持续，各地谋求全面共同提高企业研发创新效率，要加强区域内外科研成果与先进技术的交流与共享，促进跨区域技术引进，提高科技成果转化率。新常态下，注重研发创新区域内协同发展与跨区域帮扶，统筹科技资源，深化企业研发子系统与高校子系统、科研机构子系统间的互动联系，确保 “引进来”与“走出去”相结合，积极构建区域共同创新网络，进一步加强研发创新、科技发展、成果市场化的区域整合与省域协同创新。

（5）新时代创新驱动发展战略实施过程中政府大有可为。对比研发创新效率中部5省区近年的颓势与东北老工业基地3省区的良好表现可以发现，创新驱动发展战略实施过程中政府其实可以大有作为。巨大的反差同东北3省区政府注重创新驱动增强工业核心竞争力，不断完善政策，配合国家层面的创新驱动发展战略实施息息相关，政府体制机制方面的改革切实为全面振兴老工业基地增添了不竭原动力。中国工业历经70年战略演进，取得了令世界瞩目的成就，新时代新征程，创新驱动离不开政府的大力推动，政府作为科技创新的特殊中介者与公共产品的提供者，要积极运用财政税收工具对企业创新活动的激励功效［14］，发挥好政府引擎的作用重点与作用方式；同时，政府要根据不同的经济发展阶段对行政、决策体制进行与时俱进的改革［15］，持续营造利于技术创新的政策环境，以提升区域创新竞争力，不断探索新时代实施创新驱动发展战略的新路径。

（6）高质量发展进一步推动研发创新效率再上新台阶。新时代经济转入高质量发展阶段，对创新活动提出了更高要求，集约、高效是 “高质量”的内在特质，这都与效率的提高深度契合。创新驱动发展战略实施后上海、北京等地区技术进步指数推动全要素生产率进一步大幅上升，两地位于国内创新前沿，在规模指数与纯技术指数连续多年达最优状态情况下，现已表现为主要依靠技术进步指数引擎推动，促进技术进步指数的上升成为全要素生产效率提高的核心，这体现了高质量发展的内在要求，由技术进步与纯技术效率 “软实力”领域推动的创新活动效率的提高是新时代新阶段应追求的方向，而非依旧停留于关注要素投入配置是否有效。研发创新活动中的技术创新与组织管理创新相辅相成，保证技术进步在研发创新活动方面发挥中坚作用，将赋能创新驱动 “二次”转型，这反映了效率提升过程中的“高质量”，高质量发展要促使创新要素活力竞相迸发［16］，进一步推动研发创新效率再上新台阶。