珠三角地区创新要素配置效率评价

李晓峰 卢紫薇

摘   要：在考虑技术进步动态变化的条件下，构建超越对数生产函数对2001—2019年珠三角地区科技创新生产系统的要素投入状况及配置效率进行测算与分析。研究发现：2001—2014年珠三角地区创新产出增长主要依赖于资本投入驱动，2015年后劳动驱动作用逐渐增强;同时，珠三角地区资本偏向型技术进步与要素互补关系并存，要素投入结构与技术结构匹配度较低，创新要素配置效率亟待提升;珠三角地区内各城市的创新情况差异显著，但多表现为规模不经济现象。珠三角地区应调整创新投入结构，改变资本投入驱动科技创新状况，优化科技创新生态，同时发挥各市产业优势，加强科技创新协同发展。

关键词：科技创新;創新要素;配置效率;超越对数生产函数

中图分类号：F124.3   文献标识码：A   文章编号：1003-7543（2021）06-0097-15

当今社会科技变革日新月异，创新能力越来越成为一个国家和地区综合实力和竞争力提升的重要决定因素。改革开放40多年来，我国创新能力得到了大幅提升，科技创新愈发成为经济高质量发展的核心动力。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（以下简称为《纲要》）将“坚持创新驱动发展”列为未来五年一系列重要领域工作的首位，并将科技自立自强放在了国家发展的战略支撑地位。《纲要》明确指出，“支持北京、上海、粤港澳大湾区形成国际科技创新中心”，其中，粤港澳大湾区肩负“两廊两点一中心”建设的重任。珠三角地区作为我国重要城市群和粤港澳大湾区建设的交汇处，具有双重政策优势，是广东省科技创新的核心地区与国际科技创新中心建设的领头兵，在我国整体和区域科技创新格局中具有重要地位，应深入挖掘创新要素集聚优势，进一步强化创新驱动，推进以科技创新为核心的全面创新，不断提高科技进步对经济发展的贡献度。

研究与开发（Research and Development，以下简称为R&D）活动是科技创新的核心部分，对技术进步和经济增长具有重要作用。2001—2019年，珠三角地区规模以上工业企业R&D经费内部支出和活动人员分别从132.529亿元和77 661人增加至2197.63亿元和784 013人。大幅增长的R&D投入符合政策导向，对科技创新产生了极大推动力，但增加R&D投入只是推进科技创新的必要条件而非充分条件。在不完全竞争的市场环境中，创新投入水平的提高可能降低全要素生产率对经济增长的贡献，从而导致“科技创新困境”。显然，受制于不完善的要素市场化进程，以R&D资本和R&D劳动为主的创新要素难以按市场机制实现有效配置，这种资源错配将阻碍创新生产效率的提升，经济增长内生动力有待继续加强。因此，从这个意义上讲，有必要对现阶段珠三角地区的研发要素利用质量和配置效率进行全面考察，并在此基础上提出相应建议。

一、相关研究综述

以R&D活动为核心的科技创新既受研发投入持续增长驱动，又在很大程度上依赖于研发效率的提高[1-2]。目前，有关R&D投入与创新绩效的相关文献主要包括两类：

一类是研究R&D投入规模对创新产出的影响。在内生增长理论框架内，严成樑和龚六堂、Ljungawall & Tingvall等探究了研发要素投入数量的经济增长效应，发现二者间存在显著正相关关系[3-4]。在科技创新投入变量的选取上，学者们多选用并测度R&D资本投入和劳动投入[5-6];同时，根据研究目的的不同侧重点，我国学者亦使用专利授权量、人力资本、外资水平、金融发展、政府投入等多种因素对我国或部分地区的科技创新水平及影响效应进行实证分析[7-11]。研究发现，创新要素投入规模对科技创新固然重要，但并非决定因素，各类要素在不同外部条件及配置结构下对科技创新和经济增长的作用不同，甚至存在“高水平陷阱”[12]。

第二类文献主要关注研发效率对创新的影响。我国经济进入新发展阶段后，经济增长应以质取胜，此时相较于要素投入规模，科技创新更取决于要素使用效率[13]，从而要素配置结构成为创新产出的关键决定因素之一。相关研究普遍认为，我国要素市场的市场化进程滞后于产品市场，要素市场存在明显的市场分割和价格扭曲，在这种情形下，劳动力和资本等创新要素难以实现有效配置，这势必会阻碍科技创新和经济增长。Ljungwall & Tingvall认为，由于中国要素市场严重扭曲，中国R&D支出的增长效应明显低于其他国家[4]。张杰等使用2001—2007年工业企业样本研究发现，要素市场扭曲程度越大，其对中国企业R&D投入的抑制效应就越大[13]。戴魁早和刘友金的研究表明，要素市场扭曲显著抑制了我国高技术产业的R&D资本投入，但促进了R&D劳动投入，从而抑制了高技术企业或产业创新效率的提高[14-15]。白俊红和卞元超指出，我国劳动力和资本要素市场的扭曲显著抑制了创新生产活动的开展，其内在作用机制包括户籍制度限制、劳动力价格管制、市场需求能力下降和政府干预信贷决策、非生产性寻租、政府创新补贴政策[16]。可见，即使创新要素巨额投入，但若配置结构失衡、配置效率不足，也会对科技创新和经济增长产生抑制效应。

另外，作为经济增长重要来源的技术进步已被理论和经验研究证明是有偏的，要素产出弹性会随时间推移而改变[17-18]，技术进步将以不同方式影响要素的边际生产率。李小平和李小克以Acemoglu的相关定义和识别准则为基础，研究发现资本偏向性技术进步解释了我国工业全要素生产率的大部分增长[19-20]。科技创新的形成过程对要素投入选择亦存在一定偏好。杨振兵基于超越对数生产函数的随机前沿模型测算发现，我国R&D资本的产出弹性远大于R&D人员的产出弹性，制造业科技创新整体偏向于资本，且具有明显的路径依赖特征[21]。因此，企业生产决策不仅取决于要素投入组合的经济性，而且取决于研发过程中要素效率水平提升的相对程度[22]。

截至目前，既有文献已就不同省份、不同产业、不同企业的创新效率进行了大量测算和考察，但聚焦于某一特定区域或城市群的研究仍相对较少，且大多以长三角地区为研究对象[23-25]。少数几篇关于珠三角地区的研究则运用数据包络法（DEA）、双重差分法（DID）等分别对珠三角整体和各城市的创新效率、创新能力、创新分工等进行了测算与评价，结论多认为尽管珠三角地区整体创新水平较高，但目前的创新体系存在资源配置低效和规模不经济现象[26-29]。另外，也有文献将其与京津冀、长三角、成渝城市群等作横向比较，结论不一[30-33]。根据这些研究，珠三角地区科技创新能力强劲，但亦存在较大的研发效率增长空间。创新要素投入之间以及要素投入与配置结构之間的相互作用机制复杂多样，在明晰现有创新要素投入格局和配置结构的基础上再进行相应的创新效率及影响因素分析，可提高分析结果和政策建议的有效性。明晰珠三角地区创新要素的配置结构和配置效率，对提高珠三角地区创新绩效具有重要现实意义。

本文的边际贡献主要体现在：第一，区别于采用固定弹性模型对中性技术进步的分析，本文利用超越对数生产函数测算相关参数，推导珠三角地区创新系统的技术结构表达式，并结合要素产出弹性、偏向性技术进步差异、要素替代弹性分析创新要素的技术进步偏向及其配置效率对珠三角地区科技创新的影响;第二，利用永续盘存法对珠三角地区各城市的R&D资本存量进行测算，这有助于更好地体现研发活动的连续性，有利于我们客观认识R&D活动对创新产出的影响。

二、研究设计

（一）模型构建

在要素投入与产出关系分析的模型选取上，较为常用的有柯布-道格拉斯生产函数和超越对数函数两种形式。前者假定技术进步中性和产出弹性、替代弹性固定;后者则放宽了上述假定，模型形式更加灵活，能更好地避免函数形式误设问题，在多要素生产函数研究中应用愈发广泛。考虑到随着时间的推移，事前难以确定珠三角地区各城市技术是否中性、产出弹性与替代弹性是否固定，本文构建超越对数函数模型来描述珠三角地区的创新生产系统。

根据被解释变量的不同，超越对数函数主要分为超越对数生产函数、超越对数价格函数与超越对数成本函数。理论上，三种超越对数函数可等价地应用于相关研究，但在竞争条件下，决策主体可将要素价格视为外生变量，因此，在微观或中观层面，以要素价格为自变量的超越对数成本函数及价格函数能有效避免内生性问题，估计效果优于超越对数生产函数;而在宏观层面，由于要素投入数量与要素价格均可视为内生变量，三种超越对数函数的相对优劣难以预测[34]。鉴于本文所考察问题涉及要素仅有劳动与资本两类，可利用岭回归法提高估计精度，改善共线性问题，且创新要素价格难以衡量，因此本文选用超越对数生产函数进行分析和估计，模型设定如下：

lnRDYit=β0+βtTit+βllnRDLit+βklnRDKit+βttT+βll（lnRDLit）2+βkk（lnRDKit）2+βtlTitlnRDLit+βtkTitlnRDKit+βlklnRDLitlnRDKit+εit（1）

其中，RDYit表示城市i在t期的创新产出，RDLit表示城市i在t期的创新劳动投入，RDKit表示城市i在t期的创新资本投入，Tit为时间趋势。考虑到技术进步会随时间发生变化，本文参考王建民和杨力的研究[25]，引入一个时间趋势变量Tt+1=Tt（1+α），T0=1，以反映经济系统中的中性技术进步，其中α表示技术进步率，用各城市专利授权量的年均增长率衡量。β为待估参数，εit为随机误差项。

根据式（1）可得创新劳动投入的产出弹性为：

δl===βl+βtlTt+βlklnRDKt+2βlllnRDLt（2）

创新资本投入的产出弹性为：

δk===βk+βtkTt+βlklnRDLt+2βkklnRDKt（3）

产出随时间的自主变化弹性为：

δt===βt+βtllnRDLt+βtklnRDKt+2βttTt（4）

其中，βt+2βttTt反映了中性技术进步贡献率，βtllnRDLt+βtklnRDKt反映了要素偏向性技术进步贡献率。根据Diamond[35]，当存在技术进步偏向时，创新劳动投入与创新资本投入的技术进步偏向性差异为：

BIASLK=-（5）

BIASLK>0表示给定要素投入比例，当发生技术进步时，创新劳动投入的边际产出相对于创新资本投入增长更快，即科技创新倾向于节约资本而更依赖于劳动要素投入;BIASLK<0表示技术进步是资本偏向型;BIASLK=0则表示中性技术进步。

可以看出，在超越对数生产函数中，产出弹性反映了投入要素之间以及投入要素与时间趋势之间的相互作用，同时亦反映了不同要素之间的技术进步差异。因此，超越对数生产函数相较于C-D生产函数可揭示实际经济系统的更多内容。

根据产出弹性亦可计算得到创新劳动投入对创新产出增长的贡献率为：

ηl=δl（6）

创新资本投入对创新产出增长的贡献率为：

ηk=δk（7）

另外，超越对数函数的核心功能之一是刻画要素投入之间的替代或互补关系。准确把握生产要素之间的替代或互补关系，有助于决策者依据要素价格变化调整生产决策，从而改善资源配置效率。根据式（1）的超越对数生产函数可得到创新劳动投入对创新资本投入的替代弹性为：

ELK=（8）

ELK<0表示创新劳动投入与创新资本投入之间是互补关系，表明地区创新要素投入比例与技术进步不匹配，此时要素投入组合将使地区创新产出处于不经济区间;ELK>0表示RDL与RDK之间是替代关系，表明地区创新要素投入比例与技术进步相匹配，此时要素投入组合将使地区创新产出处于有效经济区间。当01时，RDL与RDK之间富有替代弹性;ELK=0则表示在其他投入要素不变的情况下，RDL与RDK的边际产出与要素投入同比例变化。

（二）指标说明与数据来源

1.指标说明

模型的正确估计依赖于所选指标的合理定义与衡量。本文对创新产出RDY、创新劳动投入RDL和创新资本投入RDK的衡量方式如下：

（1）创新产出。现有研究中，常见的创新产出衡量指标有新产品销售收入、新产品开发项目数、专利申请授权量、科技论文发表数量等，或上述指标的综合使用[16，25，36-37]。考虑到一些发明并未经过项目开发或专利申请，同时专利指标可能损失创新产出的市场化水平等信息，以及大多科技论文实际并未应用于生产，而新产品销售收入能较好地表达创新产出的市场化能力，本文选用新产品销售收入作为珠三角地区创新产出的衡量指标。

（2）创新劳动投入。人力资本是一国经济增长的动力源泉，对技术创新而言亦如是。无论是自主创新还是模仿学习，都需研发人员具體实现。本文以R&D活动人员全时当量来衡量实际创新劳动投入，其值为考察期内R&D全时活动人员工作量与非全时活动人员按实际工作时长折算的工作量之和。

（3）创新资本投入。不论是前沿研究还是基础研究，现代科学研究活动的开展与落实必须有大量R&D经费投入作为保障[38]。本文以R&D经费内部支出来衡量开展创新研发活动的实际资本投入水平。由于R&D经费支出会对当期及以后的创新活动产生影响，若以R&D经费支出直接作为资本要素投入的衡量指标将使测算结果产生偏误，难以反映地区研发创新的真实发展情况。综合以上考虑以及创新活动的连续性特征，本文以永续盘存法对其进行存量核算，计算公式如下：

RDKt=（1-δ）RDKt-1+At（9）

其中，δ表示R&D资产折旧率，At表示第t期的不变价R&D资产投资。该式的计算共涉及四个关键参数，即当期R&D资产投资、R&D资产价格指数、R&D资产折旧率以及初始R&D资本存量。

当期R&D资产投资。目前，中国官方并未公布R&D投资数据，鉴于数据可得性，本文参考国内相关研究以研发经费内部支出来进行研发投入资本化核算[16，.39]。

R&D资产价格指数。不同学者对R&D资产价格指数的测算方法不尽相同，总的来看，普遍使用相关价格指数替代或用一组价格指数加权计算。例如，Griliches使用GNP价格指数和非金融企业工资价格指数来加权计算，权重分别为0.51和0.49[40]。考虑到R&D支出主要由固定资本消耗、劳动者报酬和中间品支出构成，以及广东省内各市缺失上述多种统计数据，本文设定R&D资产价格指数 =GDP平减指数×0.55 +居民消费价格指数×0.45。

R&D资产折旧率。目前国内外对于R&D资产折旧率的设定尚无统一标准，但关于折旧率与R&D资产的使用寿命和折旧模式的密切关系已形成普遍共识。本文按OECD的建议，假定R&D资产平均使用寿命为10年[41]，并参考江永宏和孙凤娥[39]，取10%的残值率，得到折旧率为20.6%。

初始R&D资本存量。对于初始资本存量的估计，目前学术界多利用当期投资与资本存量的比例推算。假定投资增长率与资本存量增长率长期相同[42]，则计算公式为RDK0=A1/（gA+δ），其中，gA为2001—2019年R&D投资的年均增长率。

2.数据来源

本文以2001—2019年为时间窗口，以广东省珠三角地区9个城市即广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆的科技创新活动为研究对象，专利授权量数据来源于广东省市场监督管理局（知识管理局），其余所用数据全部来源于2001—2020年《广东统计年鉴》和《中国统计年鉴》。另外，数据口径统一为规模以上工业企业，新产品销售收入与R&D经费支出均调整为2000年不变价格。表1为本文主要变量的描述性统计结果。

三、测算结果与分析

（一）模型估计

当投入要素有n种时，超越对数生产函数的待估参数将有1+[n（n+3）/2]个。此时，在给定样本数据容量的情况下，过多的待估参数通常导致严重的多重共线性问题，使模型估计失真。针对该问题，目前相关研究多使用岭回归估计法，以引入估计偏差为代价，提高模型估计精度。本文亦采用岭回归法对式（1）进行估计，结果如表2所示。

根据表2，全部变量系数估计值均较好地通过了5%水平下的显著性检验。从各项系数估计结果来看，首先，时间趋势及其二次项系数为正，表明珠三角地区科技创新系统存在中性技术进步并呈加速态势。其次，创新劳动投入系数显著为正，说明R&D活动人员即高素质人才对创新的影响愈加突出，而创新资本投入系数显著为负，说明R&D经费对珠三角地区科技创新的影响正逐渐减弱。再次，劳动投入与资本投入二次项系数均显著为负，表明珠三角地区创新经济生产系统规模报酬递减，即当R&D活动人员和R&D资本投入规模达到一定程度时，创新产出增加比例会逐渐递减，可能原因是资本替代劳动力速度过快以及人才“拥挤”而引致的浪费与低效。根据估计结果，显然，创新资本投入已进入规模不经济阶段;另外，劳动与资本投入交叉项系数显著为正，表明创新要素的配置效率对创新产出有正向影响，因此，珠三角地区各城市应整合优化创新要素配置，减少资源错配和资源浪费，以要素“结构红利”促进创新产出增长。最后，时间趋势与创新劳动投入和创新资本投入交互项系数均显著，表明珠三角地区创新生产系统存在偏向性技术进步。但不同要素技术进步对创新绩效影响不同，随着技术进步的累积，人才对科技创新的影响逐渐加深，资本投入的影响则逐渐减弱。

（二）珠三角地区创新要素产出弹性及增长贡献率测算与分析

经济增长理论和各国增长实践均表明，地区间经济增长和收入水平的差异很大程度上源于全要素生产率的差异，这又主要来源于研发投入或技术引进所带来的技术进步差异和资源配置效率差异，前者主要表现为创新要素投入对创新产出的转化能力，后者则表现为技术进步偏向和要素替代关系的交互作用。生产要素产出弹性是衡量要素使用率的明确指标，可直接反映要素投入转变为产出的能力大小。根据式（1）的参数估计结果，结合式（2）、（3）、（4）、（6）、（7）可分别计算创新劳动投入与创新资本投入的产出弹性、产出增长贡献率以及要素偏向性技术进步贡献率，结果如表3（下页）所示。

根据表3，创新劳动投入与创新资本投入的年均产出弹性分别为-0.216和0.802，产出增长贡献率分别为-0.326和0.730，这表明R&D资本投入是提升区域创新能力不可或缺的因素，但R&D活动人员的产出创造力尚未得到充分释放。从要素产出弹性的变化趋势来看，2001—2019年珠三角地区创新劳动投入的产出弹性在[-1.5，1.5]的区间内起伏较大，表现出明显的阶段性特征：2001—2008年珠三角地区创新劳动投入的产出弹性呈下降态势，且始终处于负区间，2009—2019年则保持小幅波动增长态势;与之相反，2001—2008年珠三角地区创新资本投入的产出弹性呈增长态势，且均大于零，但此后表现颓势，逐渐跌入负区间。从劳动与资本产出弹性的对比来看，样本期间珠三角地区创新劳动投入和创新资本投入的产出弹性表现出此消彼长特征。具体而言，2001—2014年创新劳动投入的产出弹性始终小于资本投入，但二者之间的差距逐渐缩小;这一阶段内的创新要素投入对创新产出的增长贡献率情况亦如此。这意味着此时创新资本投入是科技创新的主要驱动力，主要原因在于R&D资本持续大量投入以及人才资源相对短缺。2004年，中共广东省委、广东省人民政府在《关于加快建设科技强省的决定》中首次提出建设科技强省的战略目标，其后近10年珠三角地区R&D实际经费支出和R&D从业人员分别达到了年均17.57%和16.74%的高速增长。根据内生增长理论，在科技创新和经济增长中，起决定性作用的应是人力资本质量而非数量。根据中国科学院可持续发展战略研究组的测算，2004年广东省区域教育能力指数仅为49.36，居全国第10位，其中教育投入、教育规模和教育成就指数分别居全国第3、23和18位;《2008广东省民营科技企业统计调查报告》显示，2008年广东省技工贸总收入100万元以上的民营科技企业共有长期从业人员118万人，其中具有博士以上学位的仅占0.18%，远低于全国平均水平。可见，彼时广东省的人力资源条件和教育发展基础平均水平不高，难以实现R&D人员投入的规模效益，反而可能因低水平的科技从业人员过度“拥挤”而造成资源配置无效。

2015年后，创新劳动投入的产出弹性成功转正并超过跌入负值的资本投入产出弹性。这既是大规模持续性资本投入的必然结果，也说明尽管珠三角地区创新劳动投入的使用效率仍不高，“人才红利”尚未完全生效，但人力资本的增长效应和知识溢出的规模效益正逐步释放。究其原因，教育支出已連续20余年居广东省内财政支出首位，2019年在地方财政预算支出中占比高达18.56%，居全国第三位①;省内高层次人才规模亦逐年扩大，2000—2019年博士在校生数量年均增长33%。人力资本投资的持续积累和人力资本质量的稳步提升是创新劳动投入产出弹性及产出增长贡献率提高的根本原因。

另外，珠三角地区创新要素偏向性技术进步贡献率整体稳定，且始终大于中性技术进步贡献率②，这凸显了创新要素投入对科技创新的重要性。同时，2001—2019年珠三角地区创新劳动投入与资本投入的配置效率得到了一定程度改善，有利于创新产出水平的提高;但不可否认的是，其仍处于较低水平，要素配置结构有待进一步完善。

（三）珠三角地区技术进步偏向性及创新要素替代弹性测算与分析

产出变化不仅来源于要素生产效率的变化，而且受要素配置结构的影响;而政策制定者和市场主体调整要素配置结构的能力在很大程度上取决于要素替代关系。要素替代弹性是衡量要素之间替代关系强弱的核心指标，其通过边际技术替代率变化对要素投入结构的影响程度来反映经济系统中的技术结构与要素投入结构匹配的合理性。根据Acemoglu[20]，技术进步偏向主要受两种效应影响，分别是价格效应（priceeffect）——技术进步倾向于加快相对稀缺要素的边际产出增长，以及市场规模效应（marketsizeeffect）——技术进步倾向于提高相对丰裕要素的边际产出增长率;最终技术进步偏向于何种生产要素则取决于两种要素之间的替代或互补关系。若两种要素表现为替代关系，则市场规模效应占主导，此时技术进步偏向于相对丰裕要素，要素投入结构与技术结构相匹配;若要素之间表现为互补关系，则价格效应占主导，技术进步偏向于相对稀缺要素，要素投入结构与技术结构存在一定缺口。根据式（5）和式（8）可计算珠三角地区技术进步偏向性以及创新劳动投入对创新资本投入的替代弹性，结果如图1（下页）所示。

在进行分析之前，结合式（2）与式（3）先对式（5）进行合理变形：

BIASLK=-=-=-（10）

其中，MPL和MPK分别为创新劳动投入与创新资本投入的边际产出。那么，要素技术进步偏向性差异就可理解为创新要素投入之间的边际产出增长率差异。劳动边际产出增长通常较为稳定，要素技术进步偏向性差异的变化主要受资本边际产出变化的影响[21]。根据图1（下页），2001—2019年珠三角地区技术进步对创新资本投入的偏向性基本稳定，仅2014年由于创新劳动投入边际产出的突增而体现出劳动偏向。近年来，在创新资本积累和创新产品需求增长的双重作用下，珠三角地区创新资本投入的边际产出保持增长态势;但资本替代劳动的速度过快或者说创新要素资本深化程度加强将会在一定程度上抑制其边际产出的增长[21，43]，使得技术进步的资本偏向始终不甚明显。这也表明科技创新重在效率而非数量，要素投入的大量堆叠可能仅具有短期增长效应，这亦与2015年以来创新资本投入的产出弹性和产出增长贡献率递减趋势相符。

与之相对应，珠三角地区创新劳动投入与创新资本投入间的替代弹性始终在零值附近波动，仅2007—2008年在国际金融危机的影响下迅速下跌，但随后又迅速恢复至平均水平，创新要素间主要表现为较强的互补关系。根据微观经济理论，利润最大化的均衡条件是两种要素的边际产出之比等于要素相对价格，那么，当资本偏向型技术进步和要素互补关系并存时，技术进步将提高资本投入的相对边际产出，从而提高资本的相对价格;但是，由于要素之间表现为互补关系，企业难以使用相对价格更低的劳动要素以节约成本进而改善资源配置。因此，从整体上来看，珠三角地区创新生产系统中的要素投入比例与技术结构匹配度较低，创新要素之间的耦合协作能力较差，创新要素选择空间有限，其组合方式使科技创新基本处于不经济区间。因此，珠三角地区应进一步深化要素市场化配置改革，化解创新要素动态匹配矛盾，提高创新要素配置效率，从而提高创新要素之间的适配性和可替代性。

（四）珠三角地区各城市创新要素配置效率的比较分析

珠三角地区是全球经济最发达的地区之一，但其内部经济发展水平和科技创新能力参差不齐。2019年，珠三角地区9市GDP占广东省GDP的比重超过80%，其中，广州、深圳、佛山、东莞4市GDP之和分别占广东省GDP总量和珠三角地区GDP总量的65.7%和81.5%。科技创新方面，2019年珠三角地区9市R&D经费支出和新产品销售收入分别达2962.36亿元和40 561.12亿元，R&D投入强度达3.4%，其中，广州、深圳、佛山、东莞4市R&D经费支出和新产品销售收入分别占珠三角地区总量的87.2%和82.6%。可见，珠三角地区内部各市创新能力差异显著。具体而言，珠三角地区9市创新要素产出弹性及产出增长贡献率如表4（下页）所示。

根据表4，2001—2019年深圳市的创新劳动投入年均产出弹性位居珠三角地区首位，且远超创新资本投入产出弹性。这主要源于深圳市内科技创新企业和高层次人才的聚集。2019年，深圳市内有近5000家企业从事R&D活动、5700家企业拥有研发机构，同时R&D从业人员逾37万人，占广东省的34.6%。人才的集聚与科研设施的完善有助于扩散知识溢出效应，从而形成规模效益。与此同时，佛山、东莞、中山、江门、肇庆5市的劳动投入年均产出弹性均为负，其中，东莞市创新劳动投入年均增长率高达29.098%，这与其负产出弹性形成鲜明对比，表明东莞市尚未将人才数量优势转化为质量优势，人才潜力需进一步释放。从创新资本投入的产出弹性来看，肇庆市拥有珠三角地区内最大的年均资本产出弹性。根据前文分析，珠三角地区整体科技创新已进入资本要素规模递减阶段，但肇庆市科技创新在珠三角地区起步较晚，资本投入的绝对规模和相对增速均处于珠三角地区低位，这使得肇庆市的科技创新仍处于资本投入规模经济阶段，R&D支出的持续增长将引致创新产出的成倍增加。这与深圳市形成鲜明对比。2001年以来，深圳市R&D资本存量始终居于珠三角地区乃至广东省首位，但近10年来，深圳市创新资本投入的产出弹性持续下降，且于2019年跌至珠三角内最低水平。这再次表明，高强度的R&D资本投入仅是科技创新的必要条件而非充分条件。

珠三角地区技术进步偏向性及创新要素替代弹性如图2所示。首先，从技术进步偏向性差异大小来看，广州、深圳、佛山、东莞、中山、江门、肇庆7市的创新要素偏向性差异在样本期间逾半均小于0，表明上述城市的技术进步主要表现出资本偏向性，即技术进步相对提高了创新资本要素的边际产出增长率，进而提高了资本的相对价格。与之相对应，就创新要素替代弹性而言，珠三角地区9市皆表现出较明显的创新要素互补性，创新要素动态匹配矛盾显著，技术创新多处于不经济区间，现有要素流通体制机制愈发难以满足经济发展需要。而从样本期间的平均情况来看，除惠州、中山、江门外其余城市的年均要素偏向性差异均为正，这表明技术进步偏向的正向峰值大于负向，因此若要素配置得当，劳动投入使用效率的提升将为科技创新注入强劲动力。从技术进步偏向性和要素替代弹性的变化趋势来看，东莞和江门近年来技术创新对劳动投入的偏向性有所增强，同时，创新要素之间愈发呈现替代关系。这表明东莞和江门的创新要素配置结构有所改善，主要原因在于大型科技企业的入驻及科技创新基础设施的建设与完善，如2018年7月华为公司入驻东莞松山湖科学城、2015年1月江门中微子实验站建设启动等，均伴随有大规模创新劳动与资本流动，从而为当地的科技创新注入了新动能。

综合来看，珠三角地区以广州都市圈和深圳都市圈为重点，又包括广佛肇、深莞惠和珠中江三个子城市群。其中，得益于众多国家和省级重点实验室的建设，广州市科技创新居珠三角前列，但近年来发展后劲稍显不足，对创新要素尤其是高层次人才的吸引力相对较弱，为此，应以更大力度优惠政策吸引创新人才。深圳市是珠三角地区乃至全国的创新“领头羊”，但创新资源的集聚已近饱和，因此可建设以人工智能、大数据为基础的新型科技园区，既加速自身产业升级，又可以产业转移助力周边城市如东莞和惠州的创新产业发展。珠海、中山、江门发展水平较为接近，且产业互补性较强，具有相对突出的科技创新资源统筹优势，可在政策层面加大资本支持力度，增强后发势能。

四、主要结论与政策建议

创新是引领发展的第一动力。有效提升创新生产效率是我国推动高质量发展、实现人民高品质生活、构建“双循环”新发展格局以及开启全面建设社会主义现代化国家新征程中面临的重要任务。基于城市层级面板数据，本文构建超越对数生产函数对2001—2019年珠三角地区创新生产系统中的创新要素產出弹性、增长贡献率、技术进步偏向性以及要素替代弹性等进行了测算与分析，讨论了创新要素投入及其配置效率对创新产出的影响，得到了如下结论：第一，创新要素投入对提高区域创新能力具有重要影响，但不同投入要素的影响不尽相同。2001—2014年，珠三角地区创新资本投入的产出弹性和创新产出增长贡献率均大于创新劳动投入，创新产出增长主要依赖于资本投入驱动;2015年之后人力资本的增长效应逐步释放，珠三角地区科技创新主要由劳动投入驱动。第二，2001—2019年珠三角地区技术进步主要偏向于资本，创新要素间主要表现为互补关系;整体而言，珠三角的创新要素投入比例与技术进步匹配度较低，创新要素配置效率亟待提升。第三，珠三角地区各市创新能力和创新驱动因素差异显著，但技术进步多表现出资本偏向性和要素互补性，技术创新多处于不经济区间。

为完善创新要素配置结构、提高创新要素配置效率，珠三角地区应从如下方面着力：

第一，调整创新投入结构，改变资本投入驱动科技创新状况。尽管大规模的资本投入之于科技创新而言不可或缺，但政府和企业均应认识到，过度的资本投入将降低边际产出，且可能引致规模不经济。可持续的科技创新根本动力在于人力资本投资与积累。因此，珠三角地区一方面需持续加大创新要素投入，放大规模效益;另一方面要全面落实人才强省战略，重视科技创新从业人员队伍建设，从而增强创新要素配置优化对技术创新的驱动力。这既需要增加对高等院校、科研院所的经费支持，提升人才培养能力，并扩大研究生招生规模，壮大科研人员及相关产业人才后备军，从而挖掘创新潜力并提高技术供给能力;又要继续探索创新人才政策，多渠道、多层次引入境内外高层次人才。珠三角地区应进一步加大对人才的服务管理、经费扶持和权益保障，并给予创新人才更大的研发自主权和经费使用权，营造鼓励创新但亦接受失败的社会舆论环境，以此吸引、激励并留住科技创新人才;还应大力培育人才“猎头”机构，利用大数据和互联网技术在全球范围内搜索、引进人才。

第二，加快推进资本要素市场化进程，实现企业R&D投入内生化。珠三角地区各地方政府应完善对创新生产活动的支持服务体系，建立经费分配的市场机制，改事前资助为事后奖励，减少直接补贴，减少由此引发的“寻租”行为并降低创新生产效率损失。这样不仅可鼓励企业积极寻求创新成果转化，亦可减少低效的研发投入，提升创新资本要素的使用效率。另外，珠三角地区应与港澳金融部门加强合作，通过市场机制为企业创新活动提供融资，推动科技成果资本化，深化“科技+金融”双轮驱动。

第三，加强科技创新协同发展以及创新资源统筹与协同网络建设。其一，珠三角地区各市应厘清产业发展长短板，从而因地制宜、因城施策，增强城市间技术互补性。一方面，要持续强化广州、深圳“双城”联动，以南沙科学城、光明科学城、河套深港科技创新合作区等平台为抓手，打造珠三角地区协同创新合作平台，促进创新领域信息互通有无，加强创新资源的统一调度和创新产业的合理布局。另一方面，应挖掘各市技术创新优势，明确各市技术研究主攻方向，提升珠三角地区各城市间技术结构互补性，从而减少地方政府之间资源竞争所引致的无谓损失。同时，各次级城市应基于地理区位主动加强与周边核心城市的协同创新联系，如佛山、中山、肇庆对接广州，东莞“牵手”穗深，江门对接珠澳，惠州对接深圳等，从而承接产业转移并提升自身创新能力。其二，应进一步破除城乡二元体制桎梏，加强珠三角與粤东、粤西、粤北之间创新要素的畅通流转，扩大知识溢出的空间半径，实现广东省内各地区间科技创新的协调有序发展。除此之外，要综合港澳的开放优势和珠三角的产业优势，以珠三角国家自主创新示范区和“两廊两点”建设为抓手，持续深化粤港澳科技创新交流合作，强化国际创新资源集聚能力，加快形成区域协同创新体系和网络布局，切实推进国际科技创新中心和国家科学中心建设，从而为各城市创新主体间的交流合作提供愈益良性的创新生态环境。 [Reform]

参考文献

[1]JEFFERSON G H， BAI H M， GUAN X J， et al. R&D performance in Chinese industry[J]. Economics of Innovation and New Technology，2006（4）：2-13.

[2]李平，崔喜军，刘建.中国自主创新中研发资本投入产出绩效分析——兼论人力资本和知识产权保护的影响[J].中国社会科学，2007（2）：32-42.

[3]严成樑，龚六堂.R&D规模、R&D结构与经济增长[J].南开经济研究，2013（2）：3-19.

[4]LJUNGWALL C，TINGVALL P G. Is China different？ A meta-analysis of the growth-enhancing effect from R&D spending in China[J]. China Economic Review， 2015（36）： 272-278.

[5]白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长[J].经济研究，2017（7）：109-123.

[6]TSUBOI M. Growth， R&D and uncertainty[J]. Economic Modelling， 2020（5）： 394-400.

[7]李平，季永宝.要素价格扭曲是否抑制了我国自主创新？[J].世界经济研究，2014（1）：10-15.

[8]王欣，姚洪兴.长三角OFDI对区域技术创新的非线性动态影响效应——基于吸收能力的PSTR模型检验[J].世界经济研究，2016（7）：86-100.

[9]吴传清，黄磊，文传浩.长江经济带技术创新效率及其影响因素研究[J].中国软科学，2017（5）：160-170.

[10] 代丽华，林发勤.双向FDI影响区域创新能力的门槛效应研究——基于知识产权保护的视角[J].中山大学学报（社会科学版），2020（4）：171-182.

[11] 李军林，徐艺煊，韦天宇.创新政策对城市科技创新建设的影响及其异质性分析[J].改革，2021（2）：128-145.

[12] 邵汉华，钟琪.研发要素空间流动与区域协同创新效率[J].软科学，2018（11）：120-129.

[13] 张杰，周晓艳，李勇.要素市场扭曲抑制了中国企业R&D？[J].经济研究，2011（8）：78-91.

[14] 戴魁早，刘友金.要素市场扭曲、区域差异与R&D投入——来自中国高技术产业与门槛模型的经验证据[J].数量经济技术经济研究，2015（9）：3-20.

[15] 戴魁早，刘友金.要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[J].经济研究，2016（7）：72-86.

[16] 白俊红，卞元超.要素市场扭曲与中国创新生产的效率损失[J].中国工业经济，2016（11）：39-55.

[17] ANTONELLI C，QUATRARO F. The effects of biased technological changes on total factor productivity： A rejoinder and new empirical evidence[J]. Journal of Technology Transfer， 2014， 39（2）： 281-299.

[18] ZULETA H， STURGILL B. Getting growth accounting right[Z]. Documento CEDE No.2015-29.

[19] 李小平，李小克.偏向性技术进步与中国工业全要素生产率增长[J].经济研究，2018（10）：82-96.

[20] ACEMOGLU D. Directed technical change[J]. Review of Economic Studies， 2002， 69（4）： 781-809.

[21] 杨振兵.中国制造业创新技术进步要素偏向及其影响因素研究[J].統计研究，2016（1）：26-34.

[22] 雷钦礼.偏向性技术进步的测算与分析[J].统计研究，2013（4）：83-91.

[23] 李梦琦，胡树华，王利军.基于DEA模型的长江中游城市群创新效率研究[J].软科学，2016（4）：17-21.

[24] 吴传清，黄磊，文传浩.长江经济带技术创新效率及其影响因素研究[J].中国软科学，2017（5）：160-170.

[25] 王建民，杨力.长三角创新要素、配置效率与创新绩效[J].上海经济研究，2020（1）：75-85.

[26] 王明亮，张清霞.转型升级进程中珠三角制造业技术创新效率评价[J].科技管理研究，2020（18）：95-104.

[27] 刘心怡.粤港澳大湾区城市创新网络结构与分工研究[J].地理科学，2020（6）：874-881.

[28] 李燕鸿.珠三角城市创新绩效研究——基于粤港澳大湾区国家战略背景[J].科技管理研究，2020（1）：6-12.

[29] 蔡晓琳，刘阳，黄灏然.珠三角城市科技创新能力评价[J].科技管理研究，2021（4）：68-74.

[30] 文淑惠，陈灿.成渝城市群与珠三角城市群创新潜力比较及影响因素分析[J].科技进步与对策，2019（9）：51-59.

[31] 樊霞，陈娅，贾建林.区域创新政策协同——基于长三角与珠三角的比较研究[J].软科学，2019（3）：70-74.

[32] 姚东旭.京津冀协同创新是否存在“虹吸效应”——基于与珠三角地区对比分析的视角[J].经济理论与经济管理，2019（9）：89-97.

[33] 盛彦文，苟倩，宋金平.城市群创新联系网络结构与创新效率研究——以京津冀、长三角、珠三角城市群为例[J].地理科学，2020（11）：1831-1839.

[34] 郝枫.超越对数函数要素替代弹性公式修正与估计方法比较[J].数量经济技术经济研究，2015（4）：88-105.

[35] DIAMOND P A. Disembodied technical change in a two-sector model[J]. Review of Economic Studies， 1965， 32： 161-168.

[36] 吴延兵.中国地区工业知识生产效率测算[J].财经研究，2008（10）：4-14.

[37] 李姝，翟士运，古朴.非控股股东参与决策的积极性与企业技术创新[J].中国工业经济，2018（7）：155-173.

[38] SYVERSON C. What determines productivity？[J]. Journal of Economic Literature， 2011， 49（2）： 326-365.

[39] 江永宏，孙凤娥.中国R&D资本存量测算：1952—2014年[J].数量经济技术经济研究，2016（7）：112-129.

[40] GRILICHES Z. R&D and productivity slowdown[J]. American Economic Review， 1980， 70（2）： 343-348.

[41] OECD. Handbook on driving capital measures of intellectual property products[M]. Paris： OECD Publishing， 2010： 33.

[42] YOUNG A. Gold into base metals： Productivity growth in the People's Republic of China during the reform period[J]. Journal of Political Economy， 2003， 111（6）： 1220-1261.

[43] 戴天仕，徐现祥.中国的技术进步方向[J].世界经济，2010（11）：54-70.

Evaluation on the Allocation Efficiency of Innovation Factors in the Pearl River Delta： Analysis Based on Translog Production Function

LI Xiao-feng  LU Zi-wei

Abstract： Considering the dynamic changes of technological progress， the translog production function is used to measure and analyze the innovative factors and their allocation efficiency of the technological innovation production system in the Pearl River Delta from 2001 to 2019. The study found that during 2001-2014， the growth of innovation output in the Pearl River Delta was mainly driven by capital input， and the labor-driven role has gradually increased after 2015. At the same time， the Pearl River Delta's capital-biased technological progress and factor complementation coexist， which shows that the factor input structure has a low degree of matching with the technological structure， and the efficiency of the allocation of innovative factors needs to be further improved. Besides， the innovation status of the nine cities in the Pearl River Delta is significantly different， but most of them show the phenomenon of diseconomies of scale. The Pearl River Delta region should adjust the structure of innovation input in order to change the status quo of capital investment-driven innovation and optimize the ecology of innovation. What's more， it is also necessary to clarify the industrial advantages of each city， then strengthen the coordinated development of scientific and technological innovation.

Key words： technological innovation; innovation factors; allocation efficiency; Translog Production Function