工业转型升级规划对高技术制造业创新效率的影响

苏 翔，杨 琨，王志英

（江苏科技大学 经济管理学院，江苏 镇江 212100）

一、引言

习近平总书记在党的十九大报告中指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。随着科技发展不断提速，创新越发决定了一个国家竞争成败的关键，创新驱动发展的作用日益凸显[1]。创业行动和持续创新对于高技术制造业的竞争力至关重要[2]。目前，中国经济发展已步入新常态，在转型升级中高技术制造业起到突出作用[3]。

我国智能制造产业政策和相关推动措施的一系列出台，对于高技术制造业的智能制造水平的提高产生了非常积极的作用。许多国家的政府越来越重视创业精神，并执行了旨在促进其发展的政策。但类似政策的结果好坏参半[4]。那么在政策的大力支持下，我国高技术制造业发展前景又将如何？工业转型升级规划作为智能制造产业政策的典型代表又将如何影响高技术制造业创新效率？针对以上问题的研究不仅有利于智能制造产业政策对高技术制造业创新效率的影响效应，也可以为政府提供推动智能制造和高技术制造业的发展提供新思路。

二、相关研究评述

近年来，高技术制造业对国家经济发展、科技进步的作用日益突出，其创新效率研究成为国内外学者研究热点，得到不断深入和拓展，主要研究集中在以下几个方面：

（一）政府的相应政策对高技术制造业创新效率的影响

促进技术创新，从政策对高技术制造业创新效率的影响机制视角发掘，其主要提高创新效率的方式是降低风险与创新成本两个方面。目前关于政策对高技术制造业创新效率的影响研究，还有一定的争论。

一些学者认为，税收优惠政策和政府补贴等政策可以提高创新效率。如刘继兵等（2014）[5]在研究影响新兴产业创新效率的因素时，发现政府补贴可以明显促进创新效率的提高；李彦龙（2018）[6]研究了高科技制造业R＆D 效率的影响因素，最终发现高科技制造业增长显著与税收优惠密不可分；范德成和李盛楠（2018）[7]运用随机前沿模型测算了各省（市、区）高技术制造业创新效率，发现空间效应、企业规模、政府支持等因素对高技术制造业创新效率有显著影响。

持其他观点的学者认为政府激励政策与创新效率的关联性并不强。如朱平芳和徐伟民（2003）[8]研究发现，某些政府激励措施对创新产出影响很小。提高资源的产出转化效率和投入利用效率，需在产业政策方面注重并且优化资源的配置[9]。

（二）高技术制造业投入产出效率分析方面的研究

不同类别的高技术制造业创新效率有所不同，地域差异也会对创新效率产生一定的影响，选取不同的投入产出指标也是影响创新效率的关键因素。

就地域及行业类别的差异性方面，肖仁桥等（2018）[10]研究发现，中国高科技制造业的创新效率从东部，中部和西部地区依次下降，且效率较低。高晓光（2015）[11]对中国高技术制造业创新效率的地区特征和时间演变基于（Stochastic Frontier Approach，SFA）方法进行了研究分析；Li 等（2017）[12]研究了人才依赖度对高技术制造业技术效率的影响，并且提出由数据包络分析（Data Envelopment Analysis，DEA）、截断回归模型与共同边界分析理论相结合的一个研究模式。

就不同的投入产出指标方面，熊婵等（2014）[13]提出高技术制造业在各地区均存在明显的科研投入冗余，部分投入产出的结构不太合理。官建成和陈凯华（2009）[14]发现高技术制造业整体技术效率虽然总体稳步上升，但效率仍然较低；刘志迎和叶蓁（2006）[15]发现高技术制造业（Total Factor Productivity Change，TFPCH）增长主要是技术进步的提高。

（三）简要评述

根据文献梳理发现，目前高技术制造业创新效率研究较为丰富，但多数政策对于高技术制造业创新效率影响的研究较为集中在政府补贴与税收优惠方面，智能制造的出现使企业的生产力和生产关系发生了深度变化，而现有研究忽略了智能制造的深入发展对创新模式的主体、运行机制和商业化路径等的影响，未构建基于智能制造需求的创新模式[16]。

三、研究方法与模型设定

（一）研究框架

首先，文中将构建断点回归模型，以《工业转型升级规划》政策推行时间2011 年为“断点”，将专利数和新产品销售收入作为结果变量，检验该项政策对高技术制造业的创新效率的影响。其次，通过DEA-Malmquist 指数模型，并运用DEAP 2.1 软件以专利申请数量和新产品销售为输出指标来衡量中国高科技制造业的创新效率。最后，由于中国各地区经济发展不平衡，高技术制造业创新效率之间也存在差异，本文根据《中国技术产业统计年鉴》中的区域划分方法，选取全国29 个省份（新疆、西藏因数据缺失较多予以剔除）划分为东部、中部、东北和西部四大区域，对其整体效率进行比较和分析。研究框架如图1 所示。

（二）断点回归模型

断点回归广泛用于经济学，政治学和其他学科，该方法可以将断点之前的样本用作对照组，以很好地解决此问题。由于本文分析2011 年国务院颁布的《工业转型升级规划》对高技术制造业创新效率的影响，政策因素在2011 年前后发生了显著变化（即产生了“断点”），若能观察到在“断点”前后高技术制造业创新效率发生显著“跳跃”，则可将这种“跳跃”归结于该项政策的发布实施。

为了确保因果推理的有效性，使用断点分析必须满足某些先决条件。一是检查在策略断点附近是否有任何驱动变量的操纵。二是需要注意在断点附近因变量的走势。即分析2011 年实施的《工业转型升级规划》是否对我国高技术制造业创新效率提升起到显著作用。因此，本文首先使用最佳带宽和默认三角核来执行准确的断点回归。根据Lemieux 和Imbens（2008）[17]的解释，构建了断点回归模型：

式（1）和式（2）分别代表了断点回归模型，其中专利申请数量和新产品的销售收入作为结果变量，其中Patenti，t表示第t年省（市、区）的专利申请数，Incomei，t表示第t年省（市、区）的新产品销售收入；Di，t表示《工业转型升级规划》政策的哑变量，其系数α、δ为政策实施效应；CQi，t为协变量，政府对高科技制造业的直接资助（Government Funding，GF）、企业规模（Enterprise Size，ES）当作回归模型的协变量，系数β、φ是协变量的作用效果，ξi，t、ζi，t是残差项。

（三）DEA-Malmquist 指数模型

创新过程是极为复杂的，想要找到准确的函数表达效率关系较为困难，本文利用DEA（BCC）模型分析我国各省（市、区）的高技术制造业技术研发效率和技术转化效率，并进一步研究纯技术效率、规模效率差异及影响因素。BCC模型构建如下：

式（3）中，θ是每个决策单元的效率值，范围从0～1，λj为决策单元j的投入产出指标权重，xj为决策单元j的投入向量，yj为决策单元j的产出向量；s-，s+分别为投入和产出松弛变量，e-、e+为对应单位行向量，ε为非阿基米德无穷小量。当θ=1 且ε（e-s-+e+s+）=0时，决策单元j为DEA有效；当θ=1 且ε（es-+e+s+）＞0 时，决策单元j为弱DEA有效；当θ＜1时，决策单元j为非DEA有效，这就需要对投入还有产出进行一定的调整。

DEA（BCC）模型属于一种静态分析方法，为了更好地分析我国各省（市、区）的高技术制造业创新效率发展态势，本文结合Malmquist 指数模型进行动态分析。Fare R 等（1997）[18]提出了在规模报酬不变情况下，Malmquist 指数可用于测度t期到t+1 期全要素生产率变化（TFPCH），可以进一步分解为技术效率变化指数（Technical Efficiency Change Index，EFFCH）和技术进步变化指数（Technological Progress Change Index，TECHCH）的乘积。因此：

Malmquist 指数模型构建如下：

其中，第一项表示技术效率变化指数（EFFCH），它衡量每个决策部门移向最佳领域的程度，如果EFFCH＞1 时，则表明技术效率得到提高，反之亦然；第二项是技术进步变化指数（TECHCH），它反映的则是生产可能性边界移动程度。当TECH＞1 时，表示技术进步，反之，则技术退步。D（x，y）为投入产出距离函数。

四、数据来源与分析

（一）数据来源

本文选取2006—2017 年《中国高新技术产业统计年鉴》中29 个省市的面板数据（由于缺乏数据，新疆和西藏删除了）。工业生产者价格指数也来自《中国统计年鉴》。由于高技术制造业的特点，其从研发投入到产出需要一定周期，本文借鉴傅为忠等（2015）[19]的方式，进行滞后一年的投入与产出。表1反映变量的描述性统计。

表1 变量描述性

（二）回归结果分析

由图2、图3 可以看出，因变量在断点处跳跃较大，可以使用断点回归分析。同时，通过表2 断点回归结果可知，《工业转型升级规划》显著提高了我国高技术制造业创新效率。具体来说，以专利申请数为产出指标和以新产品为产出指标的创新效率在加入协变量后的政策效应更为显著（|z|≥2.58、P≤0.01）。从侧面看，可以说该政策与政府资金和企业规模的协调采用可以增强政策的效果。

表2 断点回归估计

图2 以专利申请数为结果变量的断点回归

图3 以新产品销售收入为结果变量的断点回归

（三）稳健性检验

1.不同带宽断点回归。为了提高结论的可信度，在断点回归中选择带宽是一个更为关键的设置。基于最优带宽和样本量考虑，本文分别再选择50%、100%、200%作为带宽来回归模型，结果如表3 所示。结果表明，估计值似乎对带宽的依赖性不大，并且对回归结果没有重大影响。显著性和系数与以前没有太大差异，并且回归具有很强的稳健性。

表3 稳健性检验：带宽选择

2.测试是否存在协变量在断点处跳跃。已经完成了对不同带宽选择对模型回归结果的稳健性的影响的分析，还需要执行协变量在断点处跳跃对回归结果的影响的稳健性分析。选择在最佳带宽下进行测试协变量是否存在跳跃，结果如表4 所示。表明协变量的回归系数不显著（|z|＜1.96、P＞0.05），除政策因素外，在断点处其他因素没有跳跃，表明该模型的回归结果具有一定的稳健性。

表4 稳健性检验：协变量断点处跳跃情况

3.主要变量在断点前后的均值之差。表5 显示了在断点前后主要变量的均值差异的均值差异，可以发现平均而言，在政策实施前后的几年里，专利申请数发生了显著上升，新产品销售收入显著提高，因此，可以得出在《工业转型升级规划》实施后，对于国内高技术制造业的创新效率有提升作用，说明了模型回归结果具有一定的稳健性和实证分析的准确性。

表5 断点前后主要变量的均值差异

（四）评价指标体系的确定

1.投入指标。根据经典C-D 生产函数，投入指标主要为资本与劳动，现有高技术制造业创新效率研究文献中投入指标多选取科技创新所需经费与从业人员数量[20]。基于现有的研究与数据的能获取性，为投入指标的本文使用R&D 经费与R&D 人员折合的全时当量。

2.产出指标。高技术制造业的产出主要分为技术研发成果和通过技术改造实现的经济产出。技术研发成果主要体现在研发投入所产生的直接产出上，因此本文采用专利申请数量来衡量。根据数据的可用性，将新产品的销售收入用作技术创新经济产出的指标。运用价格平减处理来消除价格水平的影响（投入指标和产出指标如表6 所示）。

表6 投入指标和产出指标

（五）创新效率测算结果分析

本文主要研究中国智能制造产业政策对中国高技术制造业创新效率的影响，由于中国在2011年开始实施《工业转型升级规划》政策且存在“断点”，因此在时间段上划分为2007—2011 年、2012—2016年两个阶段，计算每个时间段基于专利数和新产品销售收入为产出指标的高技术制造业创新效率并取其测算均值，结果如表7 所示。

表7 以专利申请数和新产品销售收入作为产出指标的高技术制造业Malmquist 指数及其分解

通过表7 的测算结果得出，以专利申请数和新产品销售收入为产出指标的高技术制造业创新效率在200—2011 年未得到明显提升，在2012—2016年则有所上升，但创新效率远远未达到最优水平，原因是技术获得突破但技术效率未得到改善且未将创新成果充分转化为实际产出。同时，本文按照东部、中部、东北和西部四大区域对我国高技术制造业创新效率进行了细分，并进行对比分析（如表8、表9 和图4 所示）。

图4 中国四大区域全要素生产率变化指数柱状图（2007—2011 年、2012—2016 年）

表8 按东部、中部、东北和西部四大区域分类的中国高技术制造业细分

从表9 和图8 中可以看出，2012—2016 年各省（市、区）的高技术制造业的全要素生产率较2007—2011 年各省（市、区）的高技术制造业的全要素生产率相比有所提升，从中国各个地区的角度来看，东部及中部地区的整体效率约为全国平均；西部及东北地区略高于全国平均。

表9 东部地区高技术制造业创新效率评价结果

综上所述，2012—2016 年以专利和新产品销售为产出指标的创新效率比2007—2011 年以专利和新产品销售收入为产出指标的创新效率高出4.7%，可以看出，尽管我国高科技制造业的创新效率不断提高，但相对效率并不高。将科技成果转化为实际成果的效率还有很大的提高空间。

五、结论与启示

（一）研究结论

本文根据2006—2017 年中国高技术制造业省级面板数据，运用断点回归方法检验了《工业转型升级》对我国高技术制造业创新效率的影响，在此基础上运用DEA-Malmquist 指数模型测算了中国高技术制造业创新效率，并进行了相应的分析。结论如下：

（1）断点回归结果分析得出，《工业转型升级》政策对我国高技术制造业研发效率有显著正向影响。加入协变量后该政策效应均有所提升，对比未加入协变量情况下有显著提高。进一步说明了需要完善更好更多的智能制造产业政策体系，但同时政策往往是一个重大的挑战，其有效性取决于建立一个在市场集中度和生产力绩效之间进行适当的权衡。

（2）总体上以专利申请数和新产品销售逐年上升，但以此作为产出指标的高技术制造业创新效率上升较为平缓，这反映出我国高技术制造业创新效率稳中有升但存在实际效率不高的问题，还没有完全充分地将创新成果转化为实际产出，高技术制造业创新效率虽然有所提高，但是高科研投入与实际产出的不平衡不充分矛盾依然存在。

（二）实践启示

本文研究表明，一系列智能制造产业政策的出台，有助于提升高技术制造业创新收益水平，维护外部利益与私人利益的平衡，实现风险与收益对等，保护了创新创新的热情。建设具有国际竞争力的高科技制造业也是我国增强综合国力，确保国家安全，建设世界大国的必由之路。在科研转型阶段，相应政策的实施有效地改善了创新水平，对高科技制造的效率起到了提升作用。启示如下：

（1）加强政府调控和引导，优化中国创业创新环境，制定高技术制造业创新发展规划，出台更多更好的智能制造产业政策。大力推进科技研发投入，提高分配效率，避免创新资源闲置和浪费，确保充分稳定的创新投入，稳步推进高科技制造业的创新发展，创造良好稳定的环境。

（2）高技术企业应充分发挥智能制造、互联网、物联网、大数据等技术对工业创新资源进行配置的有利作用，推动内外部创新要素的汇集与融合。企业可多环节进行创新要素集成共享，最终实现科研、劳动力、资本等生产要素与创业主体的对接，提高我国高技术制造业的竞争力。

（3）中国高技术企业进一步增加技术引进和转化尤为重要，还需要从根本上提高技术利用效率及创新效率，着力减少研发投入，以促进投入产出结构的优化。