G60科创走廊工业企业创新效率及区域差异研究

万创勤 ， 韩玉刚

(安徽师范大学 1.经济管理学院； 2.长三角一体化发展研究院， 安徽 芜湖 241002)

一、 引言

G60科创走廊是推动长三角更高质量一体化发展的重要引擎， 是推动区域协同创新攻关一体化的有效平台。 当前， 我国正处在经济转型升级的历史潮流中， 工业是国民经济的重要组成部分， 同样面临着前所未有的机遇和挑战， 大力发展工业需要不断提高投入产出效率。 测度G60科创走廊各地区工业企业的技术创新效率、 动态变化趋势及区域差异， 根据不同城市的效率水平提出合理的建议， 对于打造长江经济带产业创新中心、 推动长三角更高质量一体化发展具有重要意义。

科技创新能力是区域竞争力的构成要素之一， 工业企业历来是科技创新的主体， 工业企业科技创新能力是区域竞争力的主要表现。 开展工业企业科技创新效率的评估有利于各地区认清现状、 制定有针对性的提高措施。 目前， 已有大量文献对中国各地区企业创新效率进行了相关研究， 主要关注各地区工业企业创新效率评价、 影响因素和区域差异。 如段云龙等[1]、 沈能等[2]、 贾帅帅等[3]采用不同的DEA模型测算了中国工业企业创新效率， 结果表明各地区的创新效率确实受到外部因素的影响， 并呈现出明显的区域特征； 肖文等[4]、 谢子远等[5]、 王慧等[6]分别对影响工业企业创新效率外部和内部因素进行了研究； 陈红梅等考虑环境约束测算不同行业工业企业的技术创新效率[7]。 关于工业企业创新效率的已有研究文献中， 一方面， 大部分都是对全国或者省域层面的研究， 对长三角经济带工业企业创新效率的研究不多， 还没有学者对G60科创走廊的9个市的工业企业科技创新效率进行研究； 另一方面， 大多数学者在利用三阶段数据包络分析(三阶段DEA)对工业企业创新效率进行分析时， 未能与其他方法进行结合， 分析动态变化特征。 本文运用三阶段DEA与全要素生产率指数模型(Malmquist)相结合， 从静态、 动态两个方面系统分析2012—2017年G60科创走廊9个市的工业企业科技创新效率， 同时考察不同的环境因素对其影响， 以及区域分布差异。

二、 研究方法

(一)三阶段DEA

弗里德等人提出三阶段DEA方法， 将传统的数据包络分析方法(DEA)与随机前沿分析随机前沿方法(SFA)进行结合， 剔除环境因素和随机误差， 其优势在于改进传统的DEA模型， 只考虑管理无效率对各地区技术创新效率的影响， 从而可以得到更为精准的测算结果[8]。 具体步骤如下。

第一阶段： 原始数据的投入导向BCC模型。 采用投入导向的规模报酬可变的数据包络分析模型(BCC模型)， 使用数据包络分析软件对投入产出变量的原始数据进行初始效率分析， 同时求得投入松弛变量。

第二阶段： 类似SFA处理。 使用类似SFA处理方法对第一阶段求得的松弛变量进行分析， 将环境和随机误差的因素剥离掉， 得到完全由管理无效率所造成的投入松弛变量， 把处于不同环境下决策单元的投入产出调整为处于相同环境下的投入产出。

第三阶段： 调整数据的投入导向BCC模型。 把经过第二阶段调整的投入产出变量代入BCC模型分析， 重新计算决策单元的投入产出效率， 此时的效率只考虑管理无效率的影响， 可以更加真实地反映出各地区的技术创新效率。

(二)Malmquist指数

三阶段DEA模型可以评价G60科创走廊9个市每年的技术效率、 纯技术效率、 规模效率等， 但属于静态分析方法。 为了更好地反映各市创新效率动态发展态势， 本文结合Malmquist指数模型进行分析。 Malmquist指数模型是一种非参数估计方法， 用于测度t期到(t+1)期全要素生产率变化(TFP)， 可以分解为技术效率变化指数(EFFCH)和技术进步变化指数(TECHCH)。

Malmquist指数模型构建如下：

(1)

(2)

(3)

当M>1时， 表示全要素生产率从t期到(t+1)期呈增长状态； 当M=1时， 表明呈停滞状态； 当M<1时， 则表明呈下降状态。

三、 指标体系建立与数据处理

(一)指标体系建立

1.投入产出指标

一些学者通常采用专利的受理量或者授权量作为产出指标， 但并不是所有的发明都申请专利， 而且专利数也不能完全转化为创新成果， 无法较好地直接衡量创新成果的商业化水平， 新产品销售收入是技术成果转化的直接收益， 能够较好地反映技术研发成果转化情况[9]。 故本文在尽量保证指标的严谨性、 科学性的前提下， 选取研究与开发(R&D)人员数和研究与开发(R&D)经费内部支出作为投入指标， 新产品销售收入作为产出指标。

考虑到指标数据的可获得性， 选取上海市和浙江省的嘉兴、 杭州、 金华、 湖州规模以上工业企业的数据， 选取江苏省的苏州市大中型工业企业的数据， 选取安徽省的合肥市、 宣城市、 芜湖市工业企业的数据。 其中苏州市的数据收集不全面， 苏州市的新产品销售收入通过主营业务收入与新产品产值率计算得出近似值。 如表1所示。

表1 工业企业创新效率投入产出指标体系

2.环境指标

结合工业企业所处的外部环境， 本文从经济发展水平、 对外开放程度、 政府支持力度、 工业化水平4个方面来对影响工业企业创新效率的环境进行控制。 如表2所示， 各种指标的衡量分别为： 经济发展水平， 以各地区人均GDP来衡量； 对外开放程度， 以各地区实际使用外资金额来衡量； 政府支持力度， 以各地区R&D经费内部支出中政府支出比重来衡量； 工业化水平， 以各地区规模以上工业企业数来衡量。

表2 工业企业创新效率环境指标体系

(二)数据来源和处理

本文选取2012—2017年G60科创走廊上海、 嘉兴、 杭州、 金华、 湖州、 苏州、 合肥、 宣城、 芜湖9个市的工业企业科技创新投入产出及环境变量数据进行效率比较分析， 数据来源于相应年度的统计年鉴。 如《上海统计年鉴》《浙江统计年鉴》《江苏统计年鉴》《安徽统计年鉴》及《上海科技统计年鉴》《浙江科技统计年鉴》《江苏科技统计年鉴》《安徽科技统计年鉴》。

为了保证研究的准确性， 本文对指标数据进行如下处理： 参考吴传清等对技术创新效率的研究， 对R&D经费内部支出、 新产品消费收入、 对外开放程度以各市2012年为基期的消费者物价指数进行平减[10]。 国际上通常采用资本存量作为资本要素指标， 参考张鸿等的研究成果， 对R&D经费内部支出采用国际上通用的永续盘存法进行存量转化， 资本存量的不变折扣率采用15%进行计算[11]。

四、 结果分析

(一)第一阶段

在DEA分析的第一阶段， 运用DEAP2.1软件， 通过BCC模型投入角度对G60科创走廊9个市的工业企业2012—2017年技术效率(TE)、 纯技术效率(PTE)、 规模技术效率(SE)进行了分析， 整理软件处理数据得到各市的效率值， 如表3所示。

表3 2012—2017年G60科创走廊各市第一阶段创新效率

在不考虑外部环境变量和随机干扰的影响时， 2012—2017年G60科创走廊整体的工业企业创新效率呈上升趋势， 综合效率从2012年的0.776上升到2017年的0.833； 技术效率从2012年的0.881上升2017年的0.901； 规模效率从2012年的0.884上升到2017年的0.928， 但大部分地区的创新效率都有待进一步提高。

(二)第二阶段

在DEA分析的第二阶段， 采用Frontier4.1软件将第一阶段测算出的工业企业科技创新效率2个投入变量R&D人员数、 R&D经费内部支出的松弛变量作为函数的被解释变量， 选取经济发展水平、 对外开放程度、 政府支持力度和工业化水平作为解释变量， 考察4个环境变量对2个投入松弛变量的影响。 若回归系数为正值时， 表示增加该解释变量将会增加投入松弛量， 导致浪费增加； 相反， 当回归系数为负值时， 该解释变量将会减少投入松弛量， 减少浪费产生。

计算结果如表4所示。 SFA分析的γ值分别是0.9221、 0.8115， 且LR检验在1%水平下是显著的， 因此， 使用SFA分析是合适的， 并且表明创新无效率对松弛变量的产生具有较大影响， 而随机因素影响很小。

表4 2012—2017年G60科创走廊工业企业创新效率环境影响系数表

1.经济发展水平

经济发展水平的提高对于R&D人员和R&D经费内部支出来讲属不利因素， 会增加它们的投入浪费或增加负产出， 这可能由于经济发展水平的提高会相应地增加投入低效， 这主要是由于经济越发达越会加大对R&D人员和R&D经费内部支出的投入吸引力度， 从而导致一定程度的浪费。

2.对外开放程度

对外开放程度的提高对于R&D人员和R&D经费内部支出来讲是有利的， 会减少它们投入的负产出， 这主要是由于FDI的流入对于R&D人员技术水平及R&D经费内部支出增加产生溢出效应。

3.政府支持力度

政府支持力度的加大对于R&D人员和R&D经费内部支出来讲属不利因素， 会增加它们的投入浪费或增加负产出， 这可能由于随着近年来政府对创新重视程度加大， 导致工业企业加大研发力度， 但是对于R&D资金管理较为粗放， 绩效考评薄弱， 致使政府经费比重的增加带来R&D人员和R&D经费内部支出负产出。

4.工业化水平

工业化水平的提高对于R&D人员来讲属不利因素， 而对于R&D经费内部支出来讲是有利的。 这可能是由于企业数越多， 企业之间的竞争程度越来越激烈， 各企业迫于竞争压力会招贤纳才并提高经费的有效利用， 减少浪费， 但导致R&D人员由于经费缺乏而造成一定程度的浪费。

(三)第三阶段

在DEA分析的第三阶段， 通过运用DEAP2.1软件， 利用调整以后的投入数据和原产出数据， 分别重新计算9个市的技术效率、 纯技术效率、 规模效率。 采用和第一阶段相同的处理方法， 结果如表5所示。

表5 2012—2017年G60科创走廊各市第三阶段创新效率

可以看出， 在剔除环境因素和随机干扰后， 多个市的创新效率发生了较大变动， 第一阶段没有剔除外部因素影响下的综合技术效率、 规模效率出现了虚高的情况， 另外呈现出“强者愈强， 弱者愈弱”的“马太效应”。 这说明环境因素和随机干扰对G60科创走廊各市影响很大， 需要对投入变量进行调整， 剔除外部因素后的效率才能更加客观地反映其创新情况。

总体来看， G60科创走廊9个市2012年、 2013年、 2014年、 2015年、 2016年、 2017年工业企业技术效率平均值分别为0.513、 0.587、 0.603、 0.692、 0.623、 0.645。 这说明G60科创走廊各地区工业企业创新效率在2012 年到2015年间一直在不断上升， 之后的一年大幅度下降， 到了2017年有所回升。 但除了上海市一直处于前沿面， 其他市工业企业创新效率的水平都不高， 主要是由规模效率低导致的， 因此各地区应注重合理有效地配置创新资源， 完善创新机制， 调整创新规模， 努力提高创新效率。

(四)Malmquist指数及其分解

上述的三阶段DEA模型， 对G60科创走廊创新效率的研究， 基本处于静态的比较。 为了进一步研究创新效率的动态变化， 本文引入Malmquist指数， 深入分析全要素生产率的变动是由技术进步还是由技术效率的变动引起的。 利用DEAP2.1软件将剔除了外部因素的各投入变量和初始产出变量代入Malmquist模型进行计算， 测算的结果更加符合实际情况。 具体测算结果如表6、 表7所示。

表6 2012—2017年G60科创走廊工业企业各年创新效率的Malmquist指数及分解

表7 2012—2017年G60科创走廊工业企业各市创新效率的Malmquist指数及分解

2012—2017年G60科创走廊的全要素生产率指数分别为1.104、 1.094、 1.015、 1.087、 1.212， 年均增长超过10%， 这主要是由技术效率主导的， 技术效率变化指数均值为1.064， 说明G60科创走廊工业企业创新驱动发展在政府的引导下， 取得了一定进步， 但未能一直保持良好的增长态势， 持续稳定地提升。 且纯技术效率变化指数均值小于1， 说明整体纯技术效率处于下滑趋势， 工业企业技术创新存在一定障碍， 创新环境尚需进一步改善。

通过观察可以看出， 9个市工业企业创新发展不平衡， 存在一定的地域差异。 其中， 杭州市和宣城市的增长幅度最大， 这与地方政府和各企业的创新意识提高有着直接关系； 上海市的增长幅度最小， 这与上海市工业企业创新效率处于高位水平有很大关系， 处于高位水平的地区提升空间就很小， 增加创新要素投入并不能很大程度上提高创新效率。

五、 结论与启示

(一)结论

本文合理选取投入产出及环境指标， 利用三阶段DEA和Malmquist指数相结合的方法， 从静态、 动态两个方面深入分析G60科创走廊工业企业技术创新效率并进行对比评价。 主要贡献如下： 相较于全国层面的研究， 更具有针对性； 从静态和动态两个层面探讨各市的创新效率及其演变特征， 更加全面； 剔除环境变量影响再进行创新效率测量， 更加精准。 结果简述如下。

其一， G60科创走廊整体创新效率不高， 其中只有上海市位于效率前沿面上， 实现效用最大化， 其他各地区工业企业创新效率均不高； 创新效率发展不均衡， 存在明显的地域差异。

其二， 2012—2017年G60科创走廊工业企业技术创新效率整体水平是上升的， 技术效率是全要素生产率提高的关键。 而且创新提升程度有着明显的地域差异和时间分段， 上海市和杭州市分别是全要素生产率指数最低和最高的2个市， 后期的全要素生产率指数高于前期。

其三， 在第二阶段实证分析中发现， 不同因素对创新效率不同过程的影响机制是不同的， 对外开放程度和工业化水平有利于减少投入冗余， 能够促进创新研发效率的提升； 而经济发展水平和政府支持力度不利于创新效率的提升。

(二)启示

基于以上实证分析的结论， 为了能够提高G60科创走廊各地区工业企业技术创新效率， 扮演好长三角更高质量一体化“引擎”的角色， 成为区域内“中国制造”迈向“中国创造”的主阵地， 推动经济高效发展。

首先， 加速高质量创新体系建设， 引导技术创新要素区域配置。 研究表明G60科创走廊各地区工业企业创新效率虽然都处于上升趋势， 但效率水平低下且差异显著， 区域创新要素投入不平衡， 优化配置区域创新要素是解决这一问题的突破口。 政府应发挥好引导作用， 围绕创新驱动发展战略， 出台政策支持高校、 科研院所和企业间的深度合作， 稳步推进创新资源的优化与匹配。 在持续加强科技投入的同时要注重提高资源配置和流动效率， 避免创新资源闲置和浪费。

其次， 针对性制定效率提升策略， 充分发挥创新资源效用。 各地区可以因地制宜， 立足自身条件， 制定切实可行的战略， 稳步提升创新效率。 例如， 创新效率较低的区域可以根据自身资源禀赋状况， 各工业企业寻找突破路径， 充分发挥创新资源的边际效用， 同时加强与其他高效率地区之间的交流， 加大技术研发投入， 提升自身研发及转化效率。 创新效率较高的地区要抓住创新发展战略这一机遇， 通过创新人才集聚、 产学研合作等形式， 持续加速市场化进程， 提高技术转化效率。

再次， 吸引科技创新资源， 促进各市创新协调高质量发展。 政府应进一步健全技术转化保障机制， 建立技术转移机构， 促进技术研发和市场需求互动与对接； 激发企业主体创新意识， 充分发挥其积极性和主动性， 加强产学研机构合作， 实现技术研发和技术转化协同发展。 加强技术创新市场监管， 充分利用市场化的力量提升区域技术水平和协同创新效率， 推动技术创新成果转化， 探索多主体知识产权共赢机制。