高技术企业技术创新效率评价及影响因素研究

刘永松,王婉楠，于东平

(1.云南财经大学 a.传媒学院,b.国际工商学院,昆明 650221；2.华东理工大学 商学院,上海 200237)

一、引言

技术变革导致全要素生产率和创新能力的提高，并在长期内维持经济增长。各个国家在国内外市场都面临着激烈竞争，都在努力提高技术创新能力。技术变革的主要驱动力是研发(Sharma and Thomas，2008)[1]。近30年来，创新和研发是大部分发达国家和发展中国家以及全球各国追求的重要政策目标，科技创新投入的全球格局已出现重大转变。2018年全球创新指数报告指出，高收入经济体在全球创新格局中占得头筹，长期稳居全球创新指数排名的前25名，而中国升至17名，是唯一进入前25名的中等收入经济体，其中中国的创新效率比为0.92，位居全球第三，仅次于瑞士(0.96)和卢森堡(0.94)。中国的实践表明，创新是推动经济可持续发展的源动力，是经济增长的核心。高技术企业发展建设是加快建设创新型国家的重要组成部分，其发展状况影响着我国的创新水平。然而现有研究表明，我国各省份高技术企业的整体创新效率处于较低水平，还有较大的提升空间(李婧和管莉花，2014)[2]，并且各省份创新发展的步调不一致(叶丹和黄庆华，2017)[3]，具体表现为东部省份企业的技术创新效率高于中西部省份(宛群超等，2018)[4]，并且差距在不断扩大。因而有必要研究我国高技术企业技术创新效率提升问题。

高技术企业以技术领先为发展战略，在发展过程中识别并捕捉重大机遇，其在高科技产品的开发和管理上具有高度的灵活性和较强的市场适应性(Duan et al.,2020)[5]。在当今的动态环境中，高技术企业可以利用其在各种学习过程中发展而来的技术能力，保持创新优势，更好地应对市场挑战。企业技术创新活动在各个地区的分布并不均匀，而且容易在某个区域发生集聚现象，这主要是由于某些区域更适合企业进行技术创新，因此以创新作为根本动力的企业在不同区域的创新能力和创新效率存在差异(Fritsch and Michael，2000)[6]。经济发达、人口稠密地区企业的创新能力和创新效率相对较高。具备独特区域优势和便利交通条件的地区能够给企业带来混合优势。如今，资源已成为企业维持竞争优势的工具。经济发达地区能够给企业提供更多的资源，更加健全的监管制度，更多的技术信息和更完善的服务咨询，赋予企业相对竞争优势，帮助企业获得最大化的市场份额，并从规模经济和国际化中受益。经济发达地区的企业享有特定位置优势，例如：基础设施、价值链和具有不同技能的劳动力供应(Banwo et al.，2017)[7]。技术水平高、创新能力强的高技术企业大多位于我国东部地区，这些地区的企业可以从外溢知识和技术中获益。区域发展不平衡制约着我国高技术企业整体创新能力的提高。为了更好地带动高技术企业的发展，有必要研究我国各省份高技术企业技术创新效率及其影响因素。

本文余下部分安排如下：第二部分为技术创新效率评价体系构建。从研究效率评价的测评方法中选取DEA模型，并介绍本文的技术创新效率评价指标。第三部分为实证结果与分析。基于2009—2016年中国各省份高技术企业投入产出的相关数据，采用DEA 模型和 Malmquist指数对其技术创新效率进行静态变化和动态变化分析，并实证研究技术创新效率的影响因素。第四部分为结论与建议。结合我国高技术企业技术创新效率结果，探讨我国高技术企业创新的不足，构建我国高技术企业技术创新效率提升路径，从而为力争进入高收入经济体梯队的其他中等收入国家提高企业技术创新效率提供一定的参考和借鉴。

二、技术创新效率评价体系构建

(一)方法选取

当前测量技术创新效率的方法主要有随机前沿分析(SFA)和数据包络分析(DEA)两种。由于SFA和DEA测量出的效率为相对效率，因此在样本内具有很强的可比性；并且两种方法均为通过构造生产前沿的方式进行效率测量，因此在一定技术水平下各种比例的投入所对应的最大产出集合即为生产前沿。然而，SFA和DEA在模型的基本假设、数据要求、是否需要考虑生产函数等方面存在显著差异。SFA的模型基本假设较为复杂，并且需要考虑生产函数的具体形式，因此容易出现因投入产出数据不符合要求而产生偏度问题，从而导致计算失败。DEA无需考虑生产函数的具体形式，仅需要确定投入和产出指标，具有无需估计参数，可计算多投入多产出问题的优点(Ruggiero, 2007)[8]。同时，DEA不需要对指标赋予权重，不需要对数据进行无量纲化处理，在实际应用中因其可以排除许多主观因素，所以具有一定的客观性。因此选取DEA模型作为研究模型。

(二)DEA方法

DEA最早用于计算生产效率，后来的学者对模型的基本假设进行了适当改变，并将其推广至计算生产、创新、资源配置等活动的效率。DEA的先河可以追溯到1957年，经济学家Farrell提出对决策单元(DMU)使用单一投入和单一产出指标方法进行效率测量，进一步将传统的效率模型分解为纯技术效率和规模效率两部分，并分别对纯技术效率和规模效率进行界定和分析。Chames，Cooper和Rehode(1978)在Farrell的基础上创建了CCR模型，此模型以规模报酬不变为基本假设，成功将Farrell(1957)的效率评价模型推广为多投入多产出的效率评价模型。随后，Banker，Chames和Cooper(1984)创建了BCC模型，将规模不变的假设变动为规模报酬变动的假设。DEA相关模型在学者们的反复推演之后逐渐得到完善。

DEA是一种系统分析方法，主要采用线性规划，以最优投入与产出作为生产前沿，在前沿面上的每一点都为技术有效的DMU，否则视为无效。假设有n个DMU，可以将其投入转换为产出。在对DMU的投入、产出转换过程进行测度的方法选择上，DEA使用加权法计算最大化的投入与产出之比，即相对效率，具体形式为：

(1)

(2)

DMU的综合技术效率(crste)可以分解为纯技术效率(vrste)和规模效率(scale)，即crste=vrste×scale。vrste反映了当DMU达到最优生产效率水平时，资源的投入是否配置不足或者出现冗余，管理和技术是影响纯技术效率的重要因素；scale反映了生产规模是否与投入产出结构相匹配，区域规模是影响规模效率的重要因素。因此，crste是一个综合评价DMU的指标，包含管理能力、技术能力和资源配置能力等方面。如果vrste和scale两个指数均为1，则DMU有效；如果两个指数中只有一个为1，则DMU弱有效；如果两个指数均不为1，则DMU无效。

(三)DEA-Malmquist指数方法

DEA-Malmquist生产率指数方法最早可以追溯到瑞典经济学家Malmquist(1953)提出的Malmquist指数，其允许在测量DMU时使用多投入多产出指标，它不仅可以测量出DMU的相对效率，而且还可以测量出DMU的全要素生产率。Caves等(1982)将Malmquist指数推广至生产率分析中，形成DEA-Malmquist生产率指数法的理论模型。随后，Fare等(1994)将DEA-Malmquist方法应用于面板数据，以计算全要素生产率变化、技术效率变化和技术进步变化。

Malmquist指数不仅可以分析处于多个不同时期的DMU的效率值的变化，而且还可以从不同角度分析导致DMU发生效率变化的原因。Malmquist指数法通常还用于测算全要素生产率的变化(Tfpch)，通过距离函数计算DMU从t期到t+1期生产效率的变化情况。若Tfpch>1，表示当期DMU的全要素生产率比上期提高；若Tfpch=1，表示当期DMU的全要素生产率维持不变水平；若Tfpch<1，表示当期DMU的全要素生产率不如上期。

Fare等(1994)将全要素生产率变化(Tfpch)分解为技术效率变化(Effch)和技术进步变化(Techch)，将技术效率变化(Effch)分解为纯技术效率变化(Pech)和规模效率变化(Sech)，即Tfpch=Effch×Techch=Pech×Sech×Techch。其中，Effch为生产技术的利用效率，是生产前沿面和实际产出量之间的距离变化，Effch>1代表技术效率提高；Techch为生产前沿面的移动，一定程度上综合反映出技术所涵盖的各种形式的知识积累与改进，Techch>1代表技术水平进步；Pech是指在规模报酬变动的假定前提下纯技术效率的变化，一定程度上反映出DMU的创新产出水平，Pech>1代表管理和制度的改善使得DMU效率提高；Sech是指生产规模大小对生产率产生的影响，并进一步可以反映出DMU的管理水平，Sech>1代表DMU的规模在逐渐优化。其模型如下所示：

(四)技术创新效率评价指标选取

本文数据来源于《中国高技术产业统计年鉴》。鉴于统计年鉴中有6个省份数据严重缺失，因此选取2009—2016年25个省份的相关数据进行DEA分析。在考察中国高技术企业技术创新效率时，将每个省份作为一个基本决策单元。

1.投入指标

企业创新活动的顺利开展都离不开企业研发。技术创新投入指标包含经费投入和人力投入(Buesa et al.，2010)[9]。选取内部研发、合作研发、技术购买和研发人员作为企业技术创新的投入指标。

(1)经费投入

内部研发。内部研发是指企业利用其自身研发部门的人力资源和研发经费，独自开发某种新技术的过程。内部研发强调企业利用自身资源，从企业内部挖掘技术潜力。内部知识共享有助于建立一个基于知识的系统，新知识的内部产生促进了各种创新活动(McKelvie et al.，2018)[10]。本文选取R&D经费内部支出(万元)作为衡量内部研发的指标。R&D经费内部支出是企业进行研发项目等的内部实际支出。

合作研发。合作研发是指企业与国内外科研院所或者相关企业等组织机构共同对新产品进行研发。与合作伙伴共同研发，可以加快新技术知识的研发进程，缩短创新产品的上市时间，扩大其创新能力的同时以高效率将新产品推向市场(Wu，2012)[11]。本文选取R&D经费外部支出(万元)作为衡量合作研发的指标。R&D经费外部支出是企业支付给合作组织机构的经费，其中包括从境内科研院所以及境内外企业获取技术的支出。

技术购买。技术购买是指企业通过技术许可等途径获取外部技术，包括从国外企业引进技术和从国内企业购买技术。在技术购买过程中，企业获得的技术、设备和能力等可以弥补自身状况的不足(Gallié and Roux，2010)[12]。外部技术资源能够增强企业的创新能力，提高企业创新效率(Kumar and Sharma，2016)[13]。本文选取购买技术经费支出总额(万元)作为衡量技术购买的指标，购买技术经费支出由购买国内技术经费支出和引进技术经费支出两部分组成(Liu et al.，2014)[14]。

(2)人力投入

研发人员。研发人员是企业进行研究开发活动的人力投入，是企业技术创新活动中的主要参与者(刘春姣，2019)[15]，在企业从业人员中占有较大比重。包括参与创新活动整个过程的工程师、科学家、企业研发人员等。本文选取R&D折合全时人量(人年)作为衡量研发人员的指标。

2.产出指标

选取新产品销售收入(万元)、专利申请量(件)和有效发明专利数(件)作为企业技术创新的产出指标(王珍珍和黄茂兴，2013；孙磊等，2016)[16～17]。

(1)新产品销售收入

新产品销售收入是指企业通过出售新产品获得的销售收入。新产品销售收入反映了企业通过创新实现经济效益的情况，能够体现将知识创新价值转化为产品创新价值的过程。新产品销售收入越高，表明企业技术创新的市场价值越大(叶丹和黄庆华,2017)[3]，能够较好地诠释企业技术创新的市场价值。

(2)专利申请量

越来越多的企业更加注重增加企业的自主研发能力，并且将专利申请量作为自己的核心竞争优势进行披露，专利己经成为各企业核心竞争力的源泉。专利为各种科学技术赋予了知识产权，是一种受到法律保护的创新产出。专利申请量能够更好地体现企业的技术研发成果，能够更准确地反映技术创新产出水平(赵树宽等,2013)[18]。

(3)有效发明专利数

有效发明专利数是指作为专利权人的企业在报告年度内拥有的、被授权的、在有效期内的发明专利数。在以往的研究中，多以专利申请数衡量技术创新产出指标。我国虽然是创新大国，但却不是创新强国，因而现阶段还需要重视专利质量。专利的价值体现在其是否在有效的保护期内，低质量的专利更有可能在保护期限之前失效，高质量的专利更能够体现创新产出。因此，选取有效发明专利数作为技术创新产出指标。

三、实证结果与分析

(一)描述性统计与相关性分析

对所有变量进行描述性统计分析。表1列出了所选取企业相关变量的均值、极小值、极大值和标准差。在样本数据中，内部研发的极小值和极大值为9668.000和9201114.500，合作研发的极小值和极大值为305.500和1277765.100，技术购买的极小值和极大值为259.000和1243992.400，研发人员的极小值和极大值为391.900和224334.000，新产品销售收入的极小值和极大值为15401.200和155428245.100，专利申请量的极小值和极大值为54.000和64880.000，有效发明专利数的极小值和极大值为17.000和39879.000。无论是投入指标还是产出指标，其极小值和极大值均相差较大，说明我国高技术企业的技术创新投入与产出相差较大。

表1 描述性统计

表2 Pearson相关系数

表2显示，投入与产出指标之间的相关系数均通过了1%的显著性水平检验，说明我国高技术企业的技术创新投入与产出指标之间具有显著的相关性，满足使用DEA分析的前提条件，对其进行创新效率评价是有意义的。

(二)高技术企业技术创新效率的静态分析

采用DEAP2.1软件对2009—2016年的高技术企业技术创新投入和产出指标数据进行分析，由此获得技术创新效率的计算结果，如表3所示。

表3 高技术企业技术创新效率计算结果

从表3可知，25个省份高技术企业的综合技术效率、纯技术效率和规模效率的均值分别为0.843、0.886和0.953，即企业为了维持不变的创新资源投入产出比例，可以通过降低11.4%的资源投入比例使企业达到有效管理水平；或者通过降低4.7%的资源投入比例使企业达到最优生产规模。由于纯技术效率和规模效率的均值都小于1，从而导致各省份高技术企业的综合技术效率无法位于生产前沿面上，并且纯技术效率得分(0.886)低于规模效率得分(0.953)，说明各省份高技术企业目前亟待解决的问题是使创新资源投入和产出达到平衡，以便提高自身创新能力。

在选取的25个省份的高技术企业中，北京等10个省份的综合技术效率得分为1，表明这10个省份的高技术企业是技术有效的，占决策单元总数的2/5，不仅位于生产前沿面，而且规模报酬也处于不变状态，这也从另外一个角度说明其余15个省份的高技术企业在管理能力、技术能力和资源配置方面仍然存在改进空间；江苏和重庆是我国高技术企业综合技术效率得分较高的省份，其综合技术效率得分均大于0.9；黑龙江的综合技术效率得分小于0.5，表明其高技术企业在技术创新产出方面的投入有一半以上都是无效的。

山西、江苏、广西、海南和重庆5个省份虽然纯技术效率得分为1，表明在目前的技术水平上其投入资源的使用有效率，但是未能够达到综合技术效率有效，根本原因在于规模无效，其规模效率的得分均低于1，表明其规模与投入、产出不相匹配，在规模效率方面存在较大的改进空间，规模效率过低是造成其无法位于生产前沿面的原因，因此改革的重点应当是如何更好地发挥规模效益；浙江和四川2个省份的纯技术效率也在整体平均得分之上；河北等8个省份的纯技术效率低于平均值，属于纯技术效率无效，表明这8个省份对创新投入资源的利用缺乏效率，资源浪费现象比较严重。

在25个省份的高技术企业中，因资源投入不足而导致企业规模递增的省份有6个，分别为山西、江西、广西、海南、四川和陕西，说明这6个省份的企业技术创新规模并未达到最优，如果适当增加创新投入水平，有可能获得更高比例的产出，并且这6个省份中，四川和陕西的规模效率高于整体平均得分，山西、江西、广西和海南的规模效率低于整体平均得分，说明无论这6个省份的企业规模效率是否有效，其均在努力使规模报酬递增；因存在冗余资源而导致企业规模递减的省份有9个，分别为河北、辽宁、吉林、黑龙江、江苏、浙江、河南、湖南和重庆，其中有2个省份的企业规模效率低于整体平均得分，说明其有效的规模效率在递减；北京等10个省份的企业规模报酬不变，规模效率为1，说明规模效率已经达到有效水平。

(三)高技术企业技术创新效率的动态变化分析

由于静态分析无法评价各省份历年的技术创新效率变动，因此使用Malmquist指数模型对各省份高技术企业创新效率的变化趋势进行评价，测算出2009—2016年各省份高技术企业全要素生产率变化以及通过分解得到的各效率的变化。

1.高技术企业整体技术创新效率变化

如表4所示，整体上看，2009—2016年高技术企业全要素生产率的均值为1.035，说明企业技术创新效率水平有所提高，于2011年达到峰值。2016年的全要素生产率为0.953，较2009年下降了0.83%。进一步从分解结果中可以看出，全要素生产率下降的原因是技术进步的减少，下降了2.70%，一定程度上综合反映出高技术企业所涵盖的各种形式的技术知识的消耗。而技术效率较2009年增加了1.91%，主要是由于规模效率的提高而得到改善，规模效率在此8年中提高了3.70%。一定程度上表明高技术企业的管理水平和规模有所改进和扩大。

表4 2009—2016年高技术企业整体Malmquist生产率指数及其分解

2．各省份高技术企业技术创新效率变化

表5显示，2009—2016年高技术企业平均全要素生产率为1.035，技术效率变化、技术进步变化、纯技术效率变化和规模效率变化的均值分别为1.003、1.032、1.012和0.991，说明我国高技术企业的技术创新效率均在提高。从各省份的高技术企业来看，2009—2016年，北京等9个省份的全要素生产率变化小于1，其中天津等7个省份由于技术效率变化小于1而造成全要素生产率过低，这说明其相对技术效率与前期相比有所降低；而其余2个省份(北京和海南)均由于技术进步变化小于1而造成全要素生产率过低，说明这2个省份的技术均呈衰退状态。虽然江苏、福建、海南、贵州和陕西5个省份的全要素生产率都大于1，但是在技术效率和技术进步两项变化中有一项低于1，说明其全要素生产率主要是靠其中一项的相对改进而提高的。在剩余省份(辽宁等12个省份)中，无论是技术效率变化还是技术进步变化，均大于或等于1，说明这12个省份的技术均呈上升状态，并且其相对技术效率与前期相比有所提高。

表5 2009—2016年各省份高技术企业的Malmquist生产率指数及其分解

从Malmquist 指数的分解项结果看，2009—2016年高技术企业的技术效率变化均值为100.3%，其中有7个省份的企业技术效率变化超过均值，分别是辽宁、黑龙江、江西、河南、湖南、海南和四川。从技术效率变化的分解项看，25个省份高技术企业整体平均的纯技术效率变化为101.2%，规模效率变化为99.1%，这表明技术效率在8年中几乎维持同一水平，其中纯技术带来了技术效率的轻微提高，但是扩大研发规模使企业成本增加，导致技术效率轻微下降。企业技术进步变化的均值为103.2%，其中有10个省份的企业技术进步变化超过了均值，分别为山西、辽宁、江苏、江西、山东、河南、湖北、重庆、四川和贵州；其他15个省份的技术进步变化均小于整体均值，这表明我国高技术企业全要素生产率不高主要是受技术水平和规模经济递减的制约。

(四)高技术企业技术创新效率的影响要素分析

1.指标选取

当前，关于高技术企业创新效率的研究已取得一定成果，学者们主要从研发投入、人力资本、地方政府资助、市场环境等视角提出高技术产业创新能力提升的渠道。本文认为在提升高技术企业技术创新效率过程中，企业需要将各种投入要素进行整合，并通过企业自身的规模效应使其发挥作用。考虑到数据的可得性与可用性，选择企业规模、内部研发、合作研发和技术购买作为影响要素指标。

(1)企业规模

规模经济和范围经济会使得企业技术创新受益。企业规模越大，投入研发的自由现金流就越多，其未来创新成果将会带来超额利润。同时，规模经济效应越明显，科技成果转化效率越高。规模越大的企业越受益于规模经济效应，从而促进研发成果的经济转化(肖仁桥等，2012)[19]。规模较小的企业在做投资决策时比较灵活，可能将外部获取的技术达到利用最大化，从而提高企业创新效率。而大型企业的研发实力和抗风险能力更强，有利于企业创新能力提升。此外，大型企业具有更多资源，用自身更高的能力进行合作研发，其更有可能利用内部和外部知识获取的综合战略(Antonioli et al.，2017)[20]，提高企业创新效率。本文选取从业人员平均人数的对数作为衡量企业规模的指标，记为LnSize。

(2)内部研发

企业自身拥有的独特的难以模仿和替代的异质性资源能够成为维持企业竞争优势的来源，而内部研发可以促进异质性资源的形成，培养企业的竞争优势，使得企业与竞争对手进行区分，有利于企业提升创新能力。企业内部知识共享有助于建立一个基于知识的系统，新知识的内部产生促进了各种技术创新活动(McKelvie et al.，2018)[10]。内部研发的创新成果可以改变技术的使用方法，降低资源的不合理配置，增加产品的技术含量，以成本领先的竞争策略扩大市场份额，提高劳动生产率和技术创新效率。然而，在超过最佳内部研发程度范围之后，额外的内部研发会削弱企业的竞争优势。这是因为新产品的研发周期较长，企业对其投入较多，研发成本和风险较大，同时企业可能缺乏对资源吸收和转化为自身所用的能力，因此无法很好地对创新资源进行管理和应用，导致企业创新效率下降。本文选取R&D经费内部支出(万元)的对数作为衡量内部研发的指标，记为LnInRD。

(3)合作研发

企业因为创新而进行合作研发可能会削弱企业的竞争优势(Veugelers and Cassiman，2005)[21]，但是超出一定范围的合作研发反而会提高企业的创新效率。合作研发前期导致创新效率下降的原因是科研机构的研究周期较长，并且企业与科研机构的目标存在差异。企业的产品必须满足市场需求，但是科研机构并不直接面向市场，因而在商业化过程中，企业与科研机构合作研发的成果可能会遇到困难，这就导致企业技术创新效率下降。然而，在超出一定的合作研发范围之后，额外的合作研发会提高企业的创新效率。企业可以从合作伙伴处获得能够与自身研发能力互补的技术和知识，加快开发全新产品的进程(Barge-Gil，2010)[22]，并通过规模经济和范围经济降低生产成本(Teirlinck and Spithoven，2012)[23]。同时利用合作伙伴的技术网络，扩大新技术知识的寻求范围，提升企业技术创新效率(Wu，2012)[11]。本文选取R&D经费外部支出(万元)的对数作为衡量合作研发的指标，记为LnIncoo。

(4)技术购买

技术购买是企业建立竞争优势的有效方法。然而，在企业技术购买前期，由于外部技术太过前沿或者内容过多，企业可能会无法理解并完全消化(Nielsen，2005)[24]，导致企业对购买的技术的管理成本和协调成本增加，企业效率变得低下。企业为了赶上发达市场的竞争对手，需要尽快提升自身的创新能力(Landini and Malerba，2017)[25]，但是这可能会直接导致其盲目进行技术购买，而购买的技术可能不适合企业自身，因此会降低其创新效率。只有当企业购买的技术知识达到一定程度时，企业寻找到适合自身的外部技术知识，才会获得因为缩短产品制造时间、研发风险的降低进而带来收益(Liu et al.，2014)[14]，对企业的技术创新效率产生直接而又快速的影响。本文选取购买技术所支出的经费总额(万元)的对数作为衡量技术购买的指标，记为LnInTech。

2.模型构建

根据Cobb-Douglas生产函数建立投入产出研究模型，考虑到内部研发、合作研发和技术购买可能会对企业技术创新效率产生非线性影响，因此增加内部研发、合作研发和技术购买的二次项，建立模型如下：

LnTfpchit=c+β1LnSizeit+β2Ln2(InRD)it+β3LnInRDit+β4Ln2(InCoo)it+β5LnInCooit+β6Ln2(InTech)it+β7LnInTechit+εit

其中，LnTfpch为全要素生产率的对数；c为常数项；β为回归系数；i代表各省份的企业，t代表年份；ε为随机误差项。

3.实证结果

由于本文的时间维度小于截面维度，属于短面板数据，因此使用固定效应分析进行实证研究，结果如表6所示。从表6可知，企业规模对技术创新效率呈不显著的负向影响，系数为-0.009，说明企业规模越小，越有利于技术创新效率，这可能是由于规模小的企业在做投资决策时比较灵活，可能对经费投入和人力投入达到最大化利用，从而影响技术创新效率。内部研发对技术创新效率呈显著的倒U型关系，二次项系数为-0.056，一次项系数为1.484，均在1%的水平上显著，此时曲线的拐点为13.25，位于样本区间范围之内，这表明随着企业内部研发活动的增加，企业技术创新效率呈现出先升后降的趋势。合作研发对技术创新效率呈显著的U型关系，二次项系数为0.046，一次项系数为-1.052，均在1%的水平上显著，此时曲线的拐点为11.43，位于样本区间范围之内，这表明随着企业合作研发活动的增加，企业技术创新效率呈现出先降后升的趋势。技术购买对技术创新效率呈不显著的U型关系，二次项系数为0.011，一次项系数为-0.287，此时曲线的拐点为13.05，位于样本区间范围之内，技术购买对技术创新效率不显著的原因可能是：外部获得的新技术知识要经过整合，与内部研发融合在一起才能对创新发挥作用。高技术企业可能无法轻易理解外部资源信息，大部分外部资源被忽略并且无法被消化(Duan et al.，2020)[5]。以上实证结果证明：合作研发对提升企业技术创新效率发挥着巨大作用，企业应加大技术创新合作研发的经费投入；过多的内部研发是不必要的成本，会造成企业技术创新效率低下；高技术企业需要对购买的技术知识进行充分理解和消化，才能够发挥技术购买对企业技术创新效率的作用。

表6 高技术企业技术创新效率的影响要素分析

四、结论与建议

(一)研究结论

以2009—2016年我国各省份高技术企业技术创新投入和产出的相关数据为样本，采用DEA 和 Malmquist指数对其技术创新效率进行静态和动态分析。为了使企业技术创新效率达到最大化，在综合考虑企业创新效率影响因素的基础上，选取企业规模、内部研发、合作研发和技术购买4个指标进行实证研究。结合技术创新效率分析和实证分析结果，得到如下结论：

第一，从静态变化看，我国各省份高技术企业的综合技术效率仍然存在提升空间。部分省份的高技术企业虽然纯技术效率为1，但是综合技术效率未达到有效水平状况，这是由于规模无效进而导致高技术企业的综合技术效率值未达到一个理想状态。

第二，从动态变化看，我国高技术企业的Malmquist生产率指数下降了0.83%，这主要是由于技术进步减少(下降了2.70%)导致的结果，一定程度上综合反映出我国高技术企业所涵盖的各种形式的技术知识的消耗。技术效率较2009年增长了1.91%，这主要是因为规模效率得到了提高(提高了3.70%)，一定程度上说明我国高技术企业的管理水平和规模得到了改进和扩大。

第三，我国高技术企业虽然在技术创新效率的改善上有所进步，但是仍然有部分省份处于较落后状态，技术创新效率存在地区差异，因此对技术创新效率的改善工作还有待提高。2016年高技术企业区域发展不平衡问题得到了很大程度的缓解，较落后省份的高技术企业在努力追赶。然而需要注意的是，河北等9个省份高技术企业的规模报酬在递减。

第四，高技术企业的不同技术创新投入方式对其技术创新效率产生的影响不同。内部研发对技术创新效率呈倒U型关系，合作研发和技术购买对技术创新效率呈U型关系。合作研发显著促进了技术创新效率，企业应加大合作研发的经费投入。然而，过多的内部研发是不必要的成本，会造成企业技术创新效率低下。此外，高技术企业需要对购买的技术进行全面理解和消化，充分发挥技术购买对企业技术创新效率的作用。

(二)理论贡献

第一，在以往的研究中，多以专利申请数衡量技术创新产出指标。虽然我国是创新大国，但不是创新强国，因而现阶段还需要重视专利质量。专利的价值体现在其是否在有效保护期内，低质量的专利更可能在保护期限之前失效，高质量的专利更能够体现创新产出的价值。因此本文选取有效发明专利数衡量技术创新产出，丰富和发展了技术创新产出的评价指标。

第二，在当前的研究中，少有学者研究区域高技术企业的技术创新效率。本文采用DEA-Malmquist方法对我国各省份高技术企业的技术创新效率进行测量，实证研究技术创新效率的影响因素。研究发现各省份高技术企业的不同创新投入方式对其技术创新效率的影响各不相同，因此企业应当根据自身情况合理应用各项创新投入指标，同时避免规模效应递减。研究结果丰富了高技术企业技术创新效率的相关理论。

(三)管理启示

第一，如果高技术企业的综合技术效率值未达到一个理想状态，这可能是由于规模无效。因此企业需要加强对创新资源的财力和人力规模投入，优化科技创新体制，充分调动研发人员的创新积极性。企业应充分利用现有创新资源，制定符合自身发展的倾向性政策措施，通过对资源的合理配置，重点向劣势部门分配资源，或重点优化优势部门的资源，形成规模效应。

第二，如果高技术企业技术效率无效，很可能是由于企业的投入和产出不匹配造成的。因此企业必须注重投入与产出的平衡，使投入资源浪费最小化。优化高技术企业的投入与产出结构，完善相关管理体制。为了使资源浪费降到最低，高技术企业可以在资源投入之前进行评估，使资源投入与产出达到最佳均衡，提高创新成果转化率。

第三，当高技术企业的创新效率存在较大差异时，为了缩小各省份高技术企业的差距，在相互借鉴学习的基础上，高技术企业之间还可以根据本区域企业的特点，制定适合本区域企业发展的科技创新管理和监督制度，例如：制定鼓励创新的规章制度，建立公平公正的评估体系，以及严谨透明的监管机制等。此外，各省份的高技术企业可以与当地高校和科研院所合作，积极发展产学研，并明确各部门在产学研中的角色定位，从而实现协同创新，提高技术创新效率。

(四)研究局限性及展望

本文存在如下不足和待验证问题：

第一，由于《中国高技术产业统计年鉴》中部分省份的数据缺失，并且尚未更新2017—2018年的相关数据，因此选取样本仅为2009—2016年25个省份的数据。此外，高技术产业中存在不同行业，研究结果与不同行业的情况是否一致，需要进一步验证。

第二，在对我国高技术企业技术创新效率测评中，虽然收集了不同年份的相关统计数据，但鉴于现有可获取资料中存在部分指标统计口径不一致等问题，致使用于测算的面板数据样本跨度期间较短，样本总量不够大，这一缺失将会对本文的实证部分造成些许不利影响。