专利密集型制造业全要素生产率增长评价研究——基于DEA-Malmquist指数法

祝宏辉 杨书奇

(石河子大学经济与管理学院，新疆 石河子 832003)

一、引言

党的十九大报告提出中国经济发展将实现由高速增长向高质量发展的重大转变，推动经济高质量发展的关键在于科技创新和技术进步。大量研究证实中国经济增长主要依靠科技创新带来效益，自主创新的技术进步模式成为经济高质量增长的重要推动力[1-2]。作为科技创新尤其是自主创新的重要主体，专利密集型产业将为中国经济高质量发展提供新的成长空间、关键着力点和有力支撑体系[3]。2019 年4 月1 日，国家统计局正式公布并实施《知识产权（专利）密集型产业统计分类（2019）》[4]，聚焦发明专利，明确了我国专利密集型产业的认定和评价标准，对我国专利密集型产业的发展方向和建设规划提供了重要参考[5]。

国际经验表明，知识产权（专利）密集型产业是知识技术密集、物质资源利用效率高、成长潜力大、综合效益好的经济活动，其增长率往往要高于同时期的全国经济增长率。专利密集型制造业作为知识产权（专利）密集型产业的主体，在发展国民经济、提高国家技术水平中起到关键带动作用。但一些研究却发现我国专利密集型制造业的创新绩效增长速度低于非专利密集型制造业[6]，较强的自主创新能力与其国际竞争力、人均主营业务收入等产业经济指标的正相关关系不够显著[7-8]，该现象一方面说明了我国专利密集型制造业存在资源配置不合理、专利成果转化效率不高的问题，另一方面也反映了目前我国技术创新质量不高，对经济高质量发展的驱动作用尚不明显。现有研究多关注于专利密集型产业的创新效率，但创新绩效不能反映产业发展的全貌，因此有必要从全要素生产率的角度对产业发展现状进行评价分析，发现其中存在的问题，为提升专利密集型产业的生产效率提供依据。

二、文献回顾

2012 年，美国商务部在《知识产权与美国经济：产业聚焦》[9]的报告中首次较为明确地提出了知识产权密集型产业的定义，具体包括专利密集型产业、著作权密集型产业和商业密集型产业。在此基础上美国和欧盟先后开展研究对知识产权密集型产业的经济贡献进行了评价，结果显示，知识产权密集型产业对就业、平均工资、员工受教育水平及产业增加值均具有显著的促进效果[10-11]。由此可见，知识产权密集型产业对一国的经济发展有着巨大的推动作用，而专利作为科技创新与法律制度结合的产物体现了较高的技术水平[12]，在研究中被广泛地作为衡量国家或产业技术创新水平以及竞争力的重要指标，专利密集型产业也被认为是国家技术创新、可持续发展的重要载体[13-14]。

我国相关研究在参考美国评价指标体系的基础上，综合考虑我国的法律、制度现状，对知识产权（专利）密集型产业的认定与评价进行了积极的探索，主要分为宏观层面的经济贡献率研究和中微观层面的创新效率评价研究。宏观层面，中国知识产权局先后发布《中国区域产业专利密集度统计报告（2013）》《中国专利密集型产业主要统计数据报告（2015）》，并构建指标体系测算并评价了专利密集型产业的经济发展贡献率。姜南和单晓光等[15]在此基础上进一步对中国知识产权密集型产业的就业贡献率进行分析，发现知识产权密集型产业的GDP贡献率小于欧美国家，而就业贡献率与欧盟持平并高于美国。李黎明[16]在界定专利密集型产业时充分考虑了我国实际情况及行业异质性，利用模糊优选法确定产业专利密集度，其测算所得结果显示，中国专利密集型产业的GDP贡献率较美国、日本、德国等国家尚有一定差距，并且存在研发投入不足、发明专利授权量较低的问题。中微观层面，姜南[7]根据多种算法联合认定了我国的专利密集型产业，并基于DEA-Malmquist指数法对我国专利密集型产业2008—2011年间的创新绩效变化进行了评价，发现专利密集型产业的创新绩效增长水平低于非专利密集型产业。王黎萤和王佳敏等[17]认为专利密集型产业具有显著的区域差异，因此构建区域专利密集型产业评价指标，采用DEA 方法测算了浙江省区域内专利密集型产业的创新效率，结果表明区域专利密集型产业创新效率优于非专利密集型产业，但存在资源投入与产出不匹配，投入冗余的现象。

以上研究为我国专利密集型制造业的界定、评价研究提供了重要的参考，经过梳理发现，已有研究仍存在有待完善之处。一是在《知识产权（专利）密集型产业统计分类（2019）》公布实施之前，我国没有统一的专利密集型产业认定标准，学者们在对专利密集型产业进行评价研究时大都先自行构建标准进行筛选，不甚统一的筛选标准可能导致最终的评价结果与实际情况出现偏差，对后续研究产生不利影响。二是在中微观层面，学者们对于专利密集型产业的评价研究集中于创新效率评价，但创新效率不能全面反映专利密集型制造业的综合发展水平。季良玉[18]研究发现技术创新对区域制造业产业结构高度化有显著的促进作用。王钊和王良虎[19]也发现加强技术创新不仅能够促进产业升级，还具有节能减排的生态效益。刘云和马志云等[20]以高技术企业为研究对象，分析了研发投入对企业盈利能力的影响，结果表明研发投入企业盈利能力的正向影响存在时间累积效应，且随时间的推移而增强。这说明创新作为生产经营活动的中间环节，对于企业的经营业绩及生产效率具有显著的影响，创新效率作为产业发展过程中的一个重要指标，无法反映出产业生产经营活动最终的效率水平。因此，本文基于《知识产权（专利）密集型产业统计分类（2019）》筛选专利密集型制造业作为研究对象，以全要素生产率反映产业综合发展水平，测算并分析中国专利密集型制造业全要素生产率增长趋势及行业差异，为促进专利密集型制造业结构升级以及优化资源行业布局提供对策建议。

三、行业划分、研究方法和数据处理

（一）中国专利密集型制造业的划分

2019 年国家统计局发布了《知识产权（专利）密集型产业统计分类（2019）》，以国际通行的分类方法为参考，在借鉴美国、欧盟等关于专利密集型产业的测算方法的同时，结合我国现行相关行业分类方法，聚焦发明专利，依据统计数据测算结果，确定了适用于我国专利密集型产业的范围和对应的行业类别。本文以《知识产权（专利）密集型产业统计分类（2019）》为参考，基于国民经济行业分类二位数分类代码（GB/T4754-2011）对我国专利密集型制造业进行界定，以万人有效发明专利数作为产业自主创新水平的代理指标，按照2007—2019年，年均万人有效发明专利数对中国制造业27个细分行业进行排序，将通用设备制造业、仪器仪表制造业、专用设备制造业等8个行业作为专利密集型制造业，选择纺织服装、服饰业，皮革、毛皮、羽绒及其制品业等专利密度最低的8个行业作为对照组（见表1）。

表1 专利密集型制造业与低专利密度制造业每万人发明专利数

（二）全要素生产率的测算方法

全要素生产率（TFP）的测算方法主要有参数法随机前沿、非参数法DEA以及半参数法OP、LP，其中使用最广泛的是DEA-Malmquist指数法，能将全要素生产率分解为技术进步（TECH）、技术效率（EFFCH），技术效率又分解为纯技术效率和规模效率，能够在一定程度上反映测评对象利用现有技术整合各种资源的效率[1]。本文采用Fare 构建的DEA 曼奎斯特（Malmquist）指数法，对比专利密集型制造业与专利密度较低的制造业在全要素生产率变化方面的异同发现自主创新水平对制造业科技进步以及高质量发展的影响作用。

首先，构建t到t+1 期的Malmquist 指数，用两个曼奎斯特生产率指数的几何平均值来计算生产率的变化：

其中，Dt(xt,yt)和Dt+1(xt,yt)表示在t期和t+1期的技术下t 时期的距离参数；Dt+1(xt+1,yt+1)表示在t期和t+1 期的技术下t+1 时期的距离函数。Effch和Techch分别表示技术效率变化指数和技术进步指数。当Effch>1时，表明技术效率提升，拉动了TFP的增长，反之下降则成为阻碍TFP增长的原因，当Effch=1 时则表示两期之间的技术效率对TFP 增长几乎没有贡献。Techch对TFP 增长的影响，以及纯技术效率、规模效率对技术效率的影响也是同理[1]。

（三）指标设定及数据处理

根据以上行业选择结果，本文的样本数据选取2007—2019年中国规模以上制造业16个子行业的主营业务收入、固定资产净值、规模以上制造业年平均用工人数等数据作为DEA方法所要求的投入产出指标，采用DEA－Malmquist 指数法测算制造业各细分行业的全要素生产率增长变化情况。数据来自国家统计局、历年《中国工业统计年鉴》和《中国统计年鉴》。

主营业务收入。参考刘亮[2]、陈抗[3]、郑丽升等[4]的做法使用主营业务收入作为产出指标，为了消除价格因素对产出变动的影响，以2006 年为基期使用工业生产者出厂价格指数对产出指标进行平减。

固定资产净值。参考前人对制造业全要素生产率的研究，选择固定资产净值反映资本投入情况，根据李廉水等[5]的在制造业全要素生产率测算中的做法，由于统计年鉴中统计的是固定资产净值，所以就不需要做折旧处理，并且用固定资产投资价格指数对制造业固定资产净值做指数平减。数据均来源于《中国统计年鉴》。

制造业年平均用工人数。同样参考其他全要素生产率相关研究选择年制造业平均用工人数反映当年制造业劳动者投入情况。

四、实证分析

运用DEAP2.1 软件测算2007—2019 年本文选择的16 个规模以上制造业行业的Malmquist 生产率指数并进一步分解，得到各行业全要素生产率的动态变化情况，具体运算结果见表2，全要素生产率及分解指标变化趋势如图1 所示。由于不同的指标设置和计算方法得到的全要素生产率具体数值各有不同，因此本文主要关注全要素生产率变动趋势与行业差异，分析两类制造业全要素生产率变动趋势和原因。

图1 专利密集型制造业及低专利密度型制造业TFP增长变化趋势

（一）两类制造业的TPF 增长及驱动因素对比分析

1.两类制造业TFP变动趋势对比分析

表2中，2007—2019年知识产权（专利）密集型制造业与低专利密度制造业的年均TFP 增长率分别为6.163%和5.125%，均实现了正向增长，整体而言，专利密集型制造业的TFP增长水平更高。两类制造业的行业之间TFP增长率的极差分别为3.6%和6.2%，说明低专利密度型制造业较专利密集型制造业而言内部差异更大。从TFP的分解项来看，两类制造业TFP 增长的主要动力均来源于技术进步，但技术效率水平未能促进或拖累了二者整体TFP 的增长。专利密集型制造业的年均技术效率变化指数为1.000，高于低专利密度型制造业的0.999，技术效率分解项纯技术效率和规模效率的年均变化指数也显示两类制造业差异不大，但专利密集型制造业水平更好。这说明专利密集型制造业整体的资源、技术利用效率和管理水平要高于低专利密度制造业。

表2 2007—2019年我国专利密集型制造业与低专利密度集型制造业Malmquist指数及其分解

图1 显示了2007—2019 年两类制造业全要素生产率及其分解指标的变化趋势。从图1 能够看出，2007—2019年间两类制造业的TFP增长率均呈现出幅度较大的波动趋势，相对而言专利密集型制造业的TFP 增长水平整体高于低专利密度型制造业。受到金融危机的影响，2008年两类制造业TFP增长率大幅下降，而后三年间连续较大幅度回升，在2011 年分别达到最高值的19.23%和13.8%，后于2012年大幅分别下降至2.05%和1.26%，之后两类制造业TFP 增长率变动都趋于平缓，但在2018年大幅下降到负值，这可能是由于2018 年中美贸易摩擦中美国对我国加征关税主要集中于制造业领域，导致中国制造业企业外部环境不确定性和市场竞争程度加剧，显著影响了我国制造业的创新发展。但在内外压力的影响下，中国制造业没有一蹶不振，并且在深化“互联网+先进制造业”、推动先进制造业和现代服务业深度融合发展等政策的激励下，2019 年两类制造业的TFP 增长水平出现巨大提升，并且低专利密度制造业的上升水平显著高于专利密集型制造业。

2.两类制造业TFP增长驱动因素对比分析

图2反映了2007—2019年间两类制造业TFP增长率及分解项技术效率变动和技术进步变动的趋势。整体而言，专利密集型制造业的TFP增长主要由技术进步驱动，而低专利密度型制造业在2010年之前由技术进步和技术效率共同驱动TFP增长，至2018年，技术效率均呈现较为明显的拖累效应。对专利密集型制造业而言，2007—2008年技术进步与技术效率共同驱动TFP的增长，但此后技术效率增长水平始终在零值附近波动，并在2017—2018大幅下降至-8.45%，导致TFP 增长率水平也下降至负值，而在2019年技术效率大幅上升，达到7.31%。技术进步增长率波动较大但始终维持在正贡献水平，在2008—2011年间连续增长并达到最高值19.73%，但2012年大幅下降至3.38%，而后归于平稳状态，又在2017—2019年三年间小幅波动下降至2.96%。我国作为发展中国家，在技术创新中处于后发位置，在专利密集型制造业创新发展中较多地依赖于技术引进和技术模仿，由于这种依赖关系的存在，我国技术进步容易受到国际政治环境以及竞争对手的影响，因此技术进步效率水平存在较大波动。

图2 两类制造业TFP增长及分解项变化趋势

相对来说，低专利密度制造业对于先进技术的依赖程度不高，其TFP增长更趋向于技术进步与技术效率二者的共同驱动。低专利密度制造业的技术效率在2007—2010年间虽然增长幅度逐年降低但始终保持正向增长水平，因此在技术进步变动趋势与专利密集型基本一致的情况下TFP增长水平更高，但2011年技术效率下降至负值，与技术进步的大幅增长相抵消拉低了TFP增长的水平。同样地，2012—2016 年间技术进步拉动了低专利密度型制造业TFP的增长，而技术效率始终处于负贡献状态，虽然2016年技术效率增长率提升到0.84%，但之后又连续两年大幅下降到负值，对TFP增长形成了明显的拖累效应，并且其技术进步增长率在2018年首次下降至负值水平，导致2018年的TFP增长率水平也大幅度下降至-12.76%。但在2019年低专利密度制造业的技术进步水平和技术效率水平均出现较大的提升，尤其是技术效率的增长水平达到了21.99%，显著促进了其全要素生产率水平的增长。

根据图3进一步分解技术效率发现，专利密集型制造业的规模效率在零贡献状态附近来回波动，而纯技术效率增长则呈现较为稳定的下降趋势并在2011 年以来始终处于阻碍技术效率增长的状态。低专利密度制造业的规模效率增长呈现波动下行的趋势，在2013年以后长期处于负贡献状态，纯技术效率则始终在零贡献状态附近波动。这说明专利密集型制造业虽然存在规模不经济的问题，但生产规模大致维持在最优规模附近，而资源、技术利用效率则持续下降并长期处于低效率状态；低专利密度制造业的资源、技术利用效率大致稳定在有效水平，但近两年呈现明显下降趋势，并且2013—2018年间始终处于规模不经济状态。2019年两类制造业技术效率大幅增长主要得益于规模效率的显著改善，同时纯技术效率的提升也促进了技术效率水平的增长。

图3 两类制造业技术效率增长及分解项变化趋势

通过以上分析可以发现，技术进步是两类制造业TFP增长的主要动力来源，但近年来技术进步水平的下降以及技术效率长期处于负贡献状态，导致两类制造业TFP 增长率呈现下行趋势。并且自主创新水平较高的专利密集型制造业技术进步内生化不足的问题愈发凸显，其快速增长的自主创新水平（发明专利数量）并未及时与产业的各种资源有效结合转化为生产效率的增长，导致资源利用效率下降从而拖累了产业的高质量发展。低专利密度制造业也存在相同的问题，并且其技术进步水平、资源技术利用效率以及规模效率的下降趋势更加明显。而2018—2019年各效率指标的变化情况显示，改善技术效率，提升生产经营管理水平和资源利用效率是改善全要素生产率的有效途径。目前受制于国际技术封锁、贸易壁垒等因素的影响，技术进步水平的提升受到诸多限制，短期内无法实现快速提升，但专利密集型制造业和低专利密度制造业在技术效率方面都有较大的改善空间，并且较技术进步水平的提升而言具有更强的可操作性。在推动制造业高质量发展时不仅要关注技术创新、技术进步水平的提升，也要注重生产过程中管理水平和资源利用效率的提升。

（二）两类制造业细分行业的TFP 增长及驱动因素对比分析

表3 显示了不同类型的制造业内部各子行业的全要素生产率及分解项呈现出较大的差异，通过对比各子行业的详细情况，可以进一步分析不同自主创新水平的制造业行业在全要素生产率方面的异同。

表3 2007—2019年专利密集型制造业与低专利密度制造业各指标均值及排名

两种制造业内部各子行业之间的显著差异表明，更高的专利密度并不完全意味着更高的技术进步和TFP增长水平，例如TFP增长率最高的木材加工及竹、藤、棕、草制品业其万人发明专利数仅排名第十三位，而TFP增长率排在第二的化学原料和化学制品制造业作为专利密集型制造业，其专利密度显著高于木材加工及竹、藤、棕、草制品业；专利密度最高前两个行业的技术进步水平仅排在第七和第十位。虽然8 个专利密集型制造业行业中存在TFP增长率排名低于平均水平的行业，如仪器仪表制造业、电气机械和器材制造业和通用设备制造业，但从两类制造业各指标排名的整体情况来看，专利密度排名前八的专利密集型制造业中TFP 增长率及各分解项指标的排名也在前八的行业均为4～5 个，且整体排名情况更为靠前，较低专利密度型制造业而言具有一定的优势。

进一步分析发现，TFP增长率水平较低的行业中，电气机械和器材制造业、通用设备制造业拥有较高的技术进步水平，但较低的技术效率尤其是纯技术效率水平拖累了其TFP的增长；仪器仪表制造业的纯技术水平较高，但规模效率拖累了其技术效率的进步，并且技术进步水平也较低，从而共同拖累了该行业的TFP 增长率。交通运输设备制造业的技术进步水平较低，但由于较高水平的技术效率的拉动作用，其TFP增长率仍维持较好的水平。医药制造业的纯技术效率水平略低，但规模效率拉动了技术效率的增长水平，并且其技术进步水平较高从而共同促进了行业的TFP 增长。TFP 增长水平较高的化学原料和化学制品制造业以及交通运输设备制造业虽然专利密度在专利密集型制造业中水平较低，但二者的各项指标均处于较高水平。

五、结论及建议

（一）主要结论

本文以每万人发明专利数量测度制造业的自主创新水平，通过测算专利密集型制造业及低专利密度制造业的全要素生产率，分析了两类自主创新水平差异较大的制造业在全要素生产率（TFP）增长方面的异同。结果显示，自主创新水平更高的专利密集型制造业的技术进步、技术效率以及TFP增长水平在整体上较低专利密度型制造业更高，但内部各子行业之间存在较大差异，自主创新水平与TFP增长不是简单的正向关系。具体结论如下：

1.专利密集型制造业的技术效率基本稳定在零贡献状态附近，TFP的增长变动趋势与技术进步较为一致，而低专利密度制造业的技术效率波动较大且下降趋势明显，拖累了其TFP的提升。技术进步作为两类制造业TFP增长的主要驱动因素，近年来呈现出下降趋势，自主创新水平较低的低专利密度制造业的技术进步水平更是在2018年下降至负贡献状态。这一方面可能是由于逆全球化趋势加剧以及发达国家对我国的技术封锁导致我国制造业技术进步速度减缓；另一方面则可能是因为我国制造业自主创新能力仍有待加强，目前的研发水平不足以支撑产业可持续的发展进步，低专利密度制造业技术进步水平的下降更加明显也在一定程度上反映了这一问题。因此，提升技术进步水平、加强自主研发能力的培养是高专利密集型制造业和低专利密度制造业高质量发展的共同要求。对于低专利密度型制造业，应当在加强自主创新能力的培养、提升技术进步水平的同时，加强企业管理和资源、技术利用效率，全面改善TFP增长效率，促进产业可持续发展。而对于知识技术密集的专利密集型制造业，自主创新能力的提升更加需要时间，但其目前已经具备了一定的自主创新能力，能够在一定程度上支撑产业TFP的增长，因此在维持技术进步水平、加强自主创新能力培养的同时注重技术效率的提高是促进我国专利密集型制造业高质量发展的有效途径。

2.虽然整体而言，自主创新水平更高的专利密集型制造业较低专利密度型制造业拥有更高的技术进步水平，但部分专利密集型造业行业的技术进步、技术效率等指标与专利密度不相匹配，如计算机、通信和其他电子设备制造业、仪器仪表制造业、造纸和纸制品业等，这说明自主创新与技术进步、技术效率提升及TFP 增长之间不是简单的正向关系。自主创新成果未能促进产业发展进步的原因可能是由于专利技术创新水平不高或技术成果转化难度大，导致专利质量不高、转化能力不强，未能促进生产效率的提升，且我国制造业的管理水平以及对于技术、资源的利用能力在不同行业间存在显著差异，制造业各行业TFP增长的影响因素有待进一步探索。

（二）政策建议

1.加强科技创新能力，提升技术进步对各行业TFP 增长的拉动作用。技术进步始终是我国专利密集型制造业TFP增长的主要驱动力，虽然技术引进和模仿创新也能够促进技术进步水平的提升，但核心关键技术很难通过引进或者模仿获得。只有立足自主创新，依靠通过引进和模仿积累的知识、技术进行再创新，不断提高自身的科技创新能力，才能提升自主创新的质量，形成具有自主知识产权的核心技术和关键技术，从而加强技术进步对TFP增长的促进作用。因此在相关政策中不仅要激励企业加强自主创新的投入与产出，还要强调科技创新能力的培养与提升，鼓励企业通过改造物质资本、提高劳动者素质和创新管理制度全面提升自主研发能力以及成果转化能力。

2.改善技术效率水平，充分发挥现有先进技术对TFP增长的正向效应。与技术进步不同，我国专利密集型制造业的技术效率始终在零贡献状态附近波动，规模效率和纯技术效率水平也呈现下降趋势并且长期处于负贡献水平，这说明现有技术水平未能在生产中得到充分释放，而企业管理制度也有待改进。提高技术效率需要注重先进适用技术和组织管理方式在企业中的应用与改造，在鼓励企业利用先进生产技术的同时加强人才的培养，使科技优势及时转化为产业动能，提高产业竞争优势。

3.关注行业特征，制定差异化政策。我国专利密集型制造业内部差异化较为明显，不仅体现在TFP增长水平方面，在TFP增长驱动因素方面也存在差异，在制定与实施创新驱动战略与相关产业政策时，应以提升科技创新能力为基本，同时关注各行业在技术进步、纯技术效率、规模效率等方面的短板制定相应的策略，为企业的自主研发、人才培养、管理制度改革营造良好的政策环境。