中国传统产业和高技术产业技术创新效率的变动趋势——基于时空双维度视角

金 镭，周鑫淼，常原华

（1.中国石油大学（北京）经济管理学院，北京 102249；2.中国人民大学环境学院，北京 100872）

我国2006 年发布的《国家中长期科学和技术发展规划纲要（2006—2020 年）》明确提出要建设创新型国家，2016 年发布的《国家创新驱动发展战略纲要》强调科技创新必须摆在国家发展全局的核心位置。随着政策的指引和改革的深入，我国2016 年首次进入全球创新指数前25 强，到2019 年在全球创新指数排名上升至第14 位，创新能力不断提升，但工业发展仍面临自主创新能力较弱、国际竞争力不足等问题［1］。从区域视角来看，我国工业产业发展布局逐渐出现内迁现象，并且区域间存在创新差异。因此，关注区域视角的产业创新效率评价及剖析创新效率的变动情况，对协调区域产业结构调整和升级、平衡区域产业创新与经济的发展，进而提升我国产业创新能力具有重大现实意义。

1 相关文献综述

创新效率一直是学术界关注的热点问题。从创新效率测度方法来看，较为典型的是计量经济范畴的随机前沿（stochastic frontier approach，SFA）方法和管理科学与数理经济交叉范畴的数据包络分析（data envelopment analysis，DEA）法。数据包络分析相比于随机前沿方法，由于无需事先设定前沿生产函数，能够对多投入多产出的决策单元（DMU）测算效率，并且避免了指标量纲不一致以及权重确定时的主观性等问题，所以大多数学者选择数据包络分析方法进行效率测度。而且，在传统的CCR、BCC 模型基础上逐渐发展出SBM-DEA、SE-DEA、交叉效率DEA 等多种模型。从创新效率评价的对象和维度来看，主要分为地区、产业和企业3 个层面以及时间和空间两个维度。

首先，在地区创新效率评价方面，多关注时间和空间两个维度。例如，Carayannis 等［2］构建了国家和地区创新效率评估分类体系，并使用多目标DEA 模型评估了欧洲23 个国家185 个地区的创新效率，表明不同阶段和不同区域创新效率差异较大；史修松等［3］通过对我国区域创新效率测算认为东、中、西部及各省份差异明显，时间趋势上呈阶段性波动；郭淑芬等［4］对我国31 个省区市2009—2013年的科技创新效率以及年份变动情况进行测度，并从投入冗余的角度进行分析，指出各省份应基于科技资源冗余制定因地制宜的科技创新政策；刘汉初等［5］对我国各省区市的创新效率进行空间分异研究，认为科技创新高效率集中在北京、天津、上海、浙江、广东等发达省份，总体呈现由东向西梯度递减规律。

其次，在产业创新效率评价方面，多关注同一产业的不同地区之间或不同产业之间的差异。例如，杜志威等［6］、杜宇等［7］分别对我国不同城市的工业产业、高技术产业的创新效率进行测算，同样也发现存在自东向西阶梯状减弱的分布格局；李牧楠等［8］测算了我国不同区域高技术产业创新效率的动态演变趋势，揭示我国高技术产业创新研发和转化不均衡的状态；刘迎春［9］对我国战略性新兴产业五大行业的技术创新效率进行测算，发现平均创新效率较高，但技术成果产业化过程效率较低。

另外，在企业创新效率评价方面，如刘志迎等［10］运用三阶段DEA 模型排除环境变量的影响后，对我国高技术产业中三资企业和国有企业的创新效率进行测量，并认为导致二者创新效率差距的主要因素是规模效率；赵树宽等［11］对吉林省151 家高技术企业创新效率进行评价分析，并指出规模效率是导致创新综合效率偏低的主要因素；楼旭明等［12］对我国智能制造上市企业进行DEA 测度分析，并认为企业之间技术创新效率差距较大且整体偏低。

综上，目前国内外已有研究中，结合时空双维度视角的创新效率评价研究多从地区层面展开，很少关注不同地区不同类型产业层面创新效率的时空变动情况、较少考虑到不同地区的不同产业创新效率存在差异，因此没有进一步在地区层面的基础上对产业进行区分，并且对时间维度能够体现变动趋势也关注不足。因此，本研究根据我国工业行业类别和《高技术产业（制造业）分类》目录，将工业和高技术产业（制造业）划分为传统产业和高技术产业，选用29 个省份2006 年和2016 年传统产业、高技术产业中大中型（或规模以上）企业有关技术创新的数据代表两大产业的创新情况，运用SUPERSBM 模型测算创新效率，从区域和产业结合角度研究我国两大产业创新效率的时空变动趋势。

2 研究设计

2.1 研究方法

（1）SUPER-SBM 效率评价模型。数据包络分析方法是在1978 年由Charnes 等［13］给出的评价决策单元相对有效性的一种效率评价方法。传统的DEA 模型所测算的效率值的取值范围为［0,1］，无法对有效的DMU（效率值为1）进一步排名。鉴于需要对有效决策单元进一步区分，并且工业行业关于技术创新方面的投入具有非径向性的考虑，本研究选择SUPER-SBM 模型从投入角度对各地区传统产业和高技术产业的技术创新效率进行评价。模型具体形式如下：

（2）变异系数。变异系数是序列数据标准差与平均数之比，可以反映所观测数据的相对离散程度。本研究用以衡量29 个省份整体以及分区域之间传统产业和高技术产业技术创新效率整体的差异程度。公式如下：

2.2 数据来源及变量说明

2.2.1 数据说明

由于青海、西藏、香港、澳门和台湾的数据存在缺失且无法补值，因此本研究选取我国29 个省区市（以下简称“样本省份”）作为评价单元，从省级层面对2006 年和2016 年传统产业和高技术产业的创新效率进行评价。2009 年开始，相关统计年鉴的统计口径不再统计大中型工业企业，转而统计规模以上工业企业，对比国家统计局关于大中型工业企业的划分标准，本研究认为2006 年各省份大中型工业企业与2016 年规模以上工业企业具有高度相似性。相关数据来自2007 和2017 年《中国科技年鉴》《中国高技术产业年鉴》。

2.2.2 变量选取

根据已有研究，遵循科学性、综合性、数据易获取性并确保传统产业和高技术产业的创新效率具有可比性的原则，同时参考Cooper 等［14］的研究，保证决策单元的数目不小于投入产出指标数目之和的3 倍以及投入产出指标数目的乘积，从人力投入、资金投入、知识产出、经济产出4 个维度构建创新效率指标体系。其中，人力投入采用每千人科技活动人员数作为人力投入的代理变量，采用每亿元科技活动经费内部支出总额衡量资金投入；参考许敏等［15］的研究，增加其他技术活动经费支出（技术改造、引进、购买和消化吸收总和）也作为资金投入指标；知识产出采用专利申请数衡量；经济产出选用每亿元新产品销售收入衡量。由于2009 年开始，相关统计年鉴不再统计科技活动人员数和科技活动经费内部支出总额，转而统计R&D 人员数和R&D 经费内部支出的数据，所以2016 年的指标调整为每千人R&D 人员数和每亿元R&D 经费内部支出。2006、2016 年样本省份传统产业和高技术产业技术创新效率评价指标体系如表1 所示。

表1 产业技术创新效率评价指标体系

DEA 分析法旨在评价各个决策单元的相对效率，样本省份2006 年的投入变量与2016 年的投入变量存在细微的差异，但是根据陈元志等［16］的研究，投入变量的细微差异不影响单个时期内各决策单元的相对效率评价，也不会影响决策单元创新效率的排名，因此，本研究按照上述指标与方法计算出的两时期的创新效率值具有可比性。

3 实证结果分析与讨论

根据SUPER-SBM 模型的要求以及效率评价指标体系，运用DEA-Solver 软件测算2006、2016 年样本省份传统产业和高技术产业创新效率（见表2），并结合变异系数、自然间断点法来描述两大产业时空维度的变化情况。

表2 样本省份传统产业与高技术产业技术创新效率比较

3.1 时间特征及趋势

由表2 可知，全样本省份传统产业和高技术产业2006 年的平均创新效率值均约为0.5，处于较低水平；相比于2006 年，2016 年的创新效率均值大幅提升，增幅均为20%左右，其中传统产业由0.501提升至0.703，高技术产业由0.503 提升至0.701。总体来看，创新资源投入的利用率得到了提升，但距离高效率仍有较大的提升空间。

根据国家统计局关于我国的经济区域划分（见表3），样本省份所属四大经济区域10 年前后创新效率的对比分别如图1、图2 所示，相比于2006 年，2016 年两大产业创新效率的区域不均衡现象有所减弱。2006 年传统产业的创新效率表现为东部最高，超过全样本省份平均水平，其次是西部和东北地区，中部地区的创新效率最低；2016 年四大区域传统产业的创新效率均有所提升，但增速不均衡，东部地区的增速较缓但仍处于首位，中部地区提速最快，增速均分别超越东北和西部地区，东北地区的增速快于西部地区。高技术产业的发展与传统产业发展具有相似性：2006 年高技术产业的创新效率表现为东部地区超过全样本省份均值处于领先地位，西部地区高于中部地区、中部地区高于东北地区；2016年中部地区发展迅猛，赶超东部地区，中部和东部两大区域的创新效率分别均超过全样本省份平均水平，西部地区的创新效率大于东北地区，但东北地区的增长势头相对较快。

表3 我国的经济区域划分

图1 2006、2016 年样本省份传统产业技术创新效率的区域对比

图2 2006、2016 年样本省份高技术产业技术创新效率的区域对比

综合两大产业的区域发展情况，西部地区在前期的创新效率高于中部和东北地区，但后期效率提升幅度不大，主要原因是前期得益于2000 年国家实施西部大开发战略，前期的投入能够带来效率的显著提升，但西部大多省份由于地理位置关系，以及经济基础、创新资源长期薄弱等，导致技术创新发展缓慢［1］；东部地区的创新效率一直高于全样本省份的平均水平，主要原因是东部地区沿海城市率先实行开放战略，地理位置优越，人才和资本集聚，工业基础雄厚，为产业技术创新发展提供了良好的环境和一定的要素支撑［17］，使得东部地区成为我国产业创新的“领头羊”；中部地区在这10 年间发展迅速，除了国家关于中部崛起战略的实施外，根据梯度转移理论，中部邻近创新效率较高的东部地区，高梯度地区对中、低梯度地区客观存在创新技术扩散［18］。近年来我国经济增速逐步放缓，但对产业创新研发投入逐年上涨，由追求“高速度”向“高质量”转变，并且2015 年国家提出加强新旧动能转换，进一步推进新的科技革命、产业革命发展，对传统产业和高技术产业的创新发展具有一定的导向作用；此外，我国也在不断加强对外开放，首列中欧班列（渝新欧国际铁路）成功开行后，不仅由西部地区提供出口产品，而且逐渐扩大至湖北、江西、河南、浙江等中东部省份一同出口产品，未来将会进一步促进产业技术创新升级以满足不断扩大的出口需求，进而促进产业创新效率的整体提升。

3.2 空间特征及趋势

样本省份传统产业和高技术产业的分区域创新效率变异系数的变动情况分别如图3、图4 所示。由图3 可知，2016 年四大区域之间的变异系数差异程度有所减弱，说明传统产业和高技术产业区域间的创新效率差异越来越小。其中，东部、西部地区两大产业的变异系数相比于2006 年均有所减小，而中部地区两大产业的变异系数均增大，东北地区传统产业的变异系数有所增大。说明中部、东北地区内部省份之间的创新效率差异较大，区域内部创新发展不平衡。

图3 样本省份传统产业变异系数变化曲线

图4 样本省份高技术产业变异系数变化曲线

变异系数仅反映产业技术创新效率整体的空间差异程度，为探究样本省份两大产业技术创新效率的空间分布及变化情况，本研究运用ArcGIS10.2 的自然间断点分类法，根据表2 中技术创新效率值，将样本省份划分为高效率、较高效率、较低效率、低效率4 个梯队。通过表4 可以看出，样本省份传统产业的技术创新效率在2006 年大多处于较低和低效率梯队，其中中部省份的创新效率普遍较低；发展到2016 年，大多数省份的创新效率的变化均表现为在原有梯队基础上升一个梯队，其中北京、天津、浙江、广东、安徽、广西、重庆、吉林的效率提升显著，表明东部各省份在自身效率提升的同时对中、西部地区也有一定的辐射效应。

表4 样本省份按传统产业技术创新效率的梯队分布

表4 （续）

如表5 所示，样本省份高技术产业的技术创新效率在2006 年的高低分布与传统产业的分布类似，东部和西部地区的部分省份分布在高效率和较高效率梯队，中部省份创新效率相对偏低；2016 年各省份在创新效率提升的同时表现出明显的高效率梯队内迁现象，高效率梯队中部分东部省份的创新效率下降，中部地区的部分省份实现梯队的跨越，例如山西、安徽、河南、江西，此外，西部地区部分省份效率提升明显，发展势头迅猛。总体来看，高技术产业创新效率较高及以上梯队的省份在空间分布上呈明显的“十”字形状，即由纵向分布上属于中部地区的山西、河南、江西3 省以及属于东部地区的广东省与横向分布上属于长江经济带的上海、江苏、安徽、湖北、重庆、四川等6 个省份大致组成“十”字形状。

表5 样本省份按高技术产业技术创新效率的梯队分布

综合样本省份两大产业技术创新效率空间分布的变化，大多数省份的创新效率存在一定程度的提升，内蒙古两大产业的创新效率表现为梯度下降，主要原因是国家在倡导产业结构优化升级，加强新旧动能转换，而内蒙古产业结构较为单一，创新能力不足致使产业链缺失等现象严重影响其创新效率［19］。此外，具有知识密集型和技术密集型属性的高技术产业相比于传统产业近年来取得了飞速发展，东部地区的土地资源等自然资源有限、劳动力成本攀升，不能满足高技术产业迅速发展所需的基础条件，而中西部地区的劳动力、土地等资源充足且价格相对低廉，成本势差、区位因素等推动了东部地区产业向中西部地区转移［20］；而2010 年发布的《国务院关于中西部地区承接产业转移的指导意见》为中西部地区承接东部地区高技术产业转移、促进区域协调发展作出战略性指导，促进了中西部地区人才回流。也有学者研究表明，产业转移会阻碍转出地创新效率的提升［21］。产业转移会带来知识、技术的迁移，所以出现上述东部地区两大产业技术创新效率下降、中西部地区两大产业技术创新效率大幅提升的现象。结合梯度转移理论，中部地区在产业转移中更具有承接者的优势条件，交通物流成本更低、生产要素更密集，加之长三角区域一体化促进要素流动与组合［22］，因此样本省份高技术产业的高效率表现出“十”字型分布。

根据目前各样本省份的产业技术创新效率空间分布及其外部环境形势来看，东北地区的产业技术创新效率有所提升。国家在不断酝酿新政策以推进制造业服务化转型，且近年来东北地区加强了与上海、浙江等地区的合作，对提升其产业技术水平和创新效率有较大的现实意义［23］。随着东北振兴战略的实施深入，吉林、辽宁的产业技术创新效率在稳步提升的同时，黑龙江也将会呈现产业创新发展良好态势。同时随着国家政策的倾斜，中部地区迎来了快速发展期，但产业面临多元化发展与结构转型的压力，湖南、湖北等多省份纷纷发布有关指导意见，将打造以数字化、人工智能为核心的产业模式。由于中部地区位于东、西部地区之间，在自身与东部、西部互动发展的同时也促进了东中西部之间的协同发展。总体而言，从空间维度来看，我国产业技术创新效率将会稳步提升，各省份之间创新效率的差距不断缩小。

4 结论与建议

本研究运用SUPER-SBM 模型对我国29 个省、自治区、直辖市的传统产业和高技术产业的技术创新效率进行了测算，并结合变异系数与自然间断点法，从时空维度，在区域视角下分析各省份的技术创新效率，得到以下几点结论：

（1）2006 年样本省份传统产业和高技术产业的技术创新效率整体处于较低水平，2016 年两大产业的技术创新效率均值均提升约20%。从四大经济区域角度来看，东部的产业创新效率一直高于全样本省份平均水平，中、西部和东北地区处于追赶地位，中部地区两大产业10 年来崛起迅速，技术创新效率提升幅度最大。

（2）通过变异系数分析可知，两大产业的技术创新效率在四大经济区域之间的差异有所减弱，但中部地区省份两大产业创新发展差异较大，导致中部地区创新效率的变异系数有所增加，同时东北地区高技术产业也表现出类似的情况，表明中部和东北地区内部创新发展较不平衡。

（3）对比2006 和2016 年两大产业的技术创新效率空间分布情况可以发现，传统产业在大多数省份表现为自身的优化升级，东部高效率省份对中西部有一定的辐射作用；高技术产业的技术创新效率在空间上表现为东部地区向中西部地区梯度转移现象，并且高效率省份在空间分布上呈“十”字型。

基于上述研究结论，为促进我国不同区域之间以及区域内部高技术产业和传统产业创新均衡发展，各地区处理好产业转出或承接过程中伴随的技术创新的变动，提出如下对策建议：

一是国家政策的倾向性要因时因地制宜。政府在加大资源投入时要根据实际情况补足短板，对于西部和东北地区，制定人才引进或人才返乡政策是必要的，也要加大教育投入，培养创新型人才，提升教育质量与回报率。政策红利要有一定的时间反馈机制，产业创新发展表现出良好态势时要不断巩固政策的正向调节作用；同时也要改善东部地区的创新环境，应由促增长型环境转变为促创新型环境，进而提升创新效率。

二是合理化产业转移，以防产业技术创新效率随着产业转移而降低。样本省份中，高技术产业呈现出高效率由东部沿海省份向中西部地区转移的现象，因而在向中西部地区产业转移的过程中，东部地区要避免知识、人才、技术的过度转移；中西部地区做好承接产业基础建设，充分利用高技术产业转移带来的优势，进而保持和延续创新效率提升的态势。

三是合理规划产业创新的区域空间布局。区域角度的产业创新发展规划中，要打破区域间、区域内部的边界性，以协同、合作等理念共同提升产业的技术创新效率。加强产业联动，使东部“领头羊”的优势得到可持续发展，加强东北地区优势互补，力争把整个国家的“东、中、西、南、北”串联起来，以点带面提升全国各省份以及区域产业技术创新效率。