五大城市群医药制造业创新效率及溢出效应分析

韩杰昊

（河北经贸大学，石家庄 050800）

1 引言

国家级城市群的发展是推进国家高质量发展的重要组成部分。发展科技成为提升一国竞争力的主要手段，我国将自主创新提升到国家战略高度，提出创新驱动发展战略，建设创新型国家。2021年3月发布的《中共中央关于制定国民经济和社会发展第十四个五年规划和2035年远景目标的建议》文件中多次提到了有关城市群的建设情况，提出要推动区域协调发展推进京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展，打造创新平台和新增长极。党和国家发布的一系列重要文件表明，城市群作为国家新型城镇化主体的战略引领地位被提升到了前所未有的战略高度[1]。城市群医药制造业发展各异，医药制造业技术溢出对于区域整体创新水平的提高具有现实意义。但目前我国医药制造业发展区域差异较大，个别地区医药产业发展存在研发能力较弱、企业配置不足的问题。目前，研究者对于医药制造业作为溢出方研究其地区之间的溢出情况较少。近些年，学者们在研究区域创新问题的时候逐渐开始关注溢出问题的研究。从地理位置上看创新也存在着集聚现象，并且发现本地的创新水平和周边城市的技术溢出相关。技术创新具有外部性，医药制造业集聚现象的出现必然也会存在技术溢出现象。鉴于此，本文从缩小城市群之间创新发展水平差距的角度，基于省级的数据来分析五大城市群医药制造业地区之间技术创新效率溢出的效应，为缩小城市群医药制造业发展差距、促进区域协调发展提供思路。

2 文献综述

在以往的研究中，技术溢出的测度一直都是该研究领域的热点问题，尤其对于实证研究来说，模型的选取与实证部分的有效性与可行性密切相关。Jaffe等提出“虽然知识溢出不能被直接观测，但知识在流动中确实留下了可追溯的痕迹”[2]，他通过专利引用等方式对知识溢出的测度做出了有用的探索。随着人们对技术溢出的研究，学者们开始不断探寻其测度的方法。目前主要有知识生产函数法、全要素生产率法等。

区域之间的技术溢出是区域协同创新发展的动力之一，当不同的地区都可以从其他地区的创新活动中获得一定的利益，形成良好的反馈机制，才能有助于促进区域的发展。随着技术溢出效应研究的深入，国内外关于技术溢出效应的研究大致分为技术溢出的存在性、区域异质性以及技术溢出对区域创新的影响等。以城市群为研究对象的文献大多集中在空间溢出效应的有效性、创新协同发展等方面。叶文辉、伍运春采用空间计量经济学方法研究成渝城市群经济增长的空间效应，研究发现2007-2016年成渝城市群空间集聚效应和空间溢出效应明显,在空间分布上具有“中心—外围”模式特点[3]。

随着我国高新技术产业的不断发展，在借鉴前人的理论和实证研究基础上，开始出现将高新技术产业作为对象研究技术溢出的学者，但很少有以其子行业为对象进行研究。刘桂林等首次以医药制造业中的FDI溢出效应为研究对象，利用2001-2006年不同省份医药制造业统计数据，建立了FDI溢出效应动态面板数据模型[4]。

综上所述，国内外学者深入的研究，都得到了值得本文借鉴的方法和结论。技术溢出的测度研究中目前使用的知识生产函数法大多数是基于C-D生产函数而展开的对技术溢出效应的研究，不能刻画出各城市群内部医药制造业省份之间技术溢出效应的大小和方向。我国五大城市群之间医药制造业的发展存在着明显的差异，如何促进协同发展是当前国家重点关注的问题。因此，本文采用DEA-Malmquist指数模型计算出各地区的创新效率，再以其作为量化指标构建VAR模型分析技术创新效率溢出效应的差异。最后基于结论，提出相应的建议。

3 医药制造业技术创新效率的测算

Malmquist指数最初是由Sten Malmquist于1953年旨在对消费的变化做出分析而提出来的[5]，Caves等人于1982年逐步将该指数用来测算生产效率的变化幅度[6]，随后1994年Fare等人在其文章中将Malmquist指数理论于DEA方法相结合，提出了DEA-Malmquist指数模型[7]。设（xt，yt）与（xt+1，yt+1）分别表示t和t+1时期的投入产出，Malmquist生产率变动值即全要素生产率变动值，第i个DMU在第t期到t+1时期生产率变化的M指数可用以下公式表示：

DEA-Malmquist指数模型，可以衡量各地区跨期的动态技术效率变化，还能将全要素生产率的变化分解为技术效率和技术进步，技术效率可进一步分解，因此可以从其分解指数中找到引起效率的变化原因。分解式具体可表示为：

本文借鉴彭有为等[8]对高新技术产业全要素生产率的研究，投入指标选取了研发人员全时当量与研发经费支出，前者指参加研发活动的全时人员与非全时人员按工作折合成全时人员数量的综合，后者指用于科技活动的实际支出。产出指标选取了新产品销售收入与专利申请数，销售收入是新产品量化表现形式可直接反映技术创新能力，专利数可间接反映出本地区的自主创新能力。以2000年为基期对新产品销售收入等指标进行了平减处理，相关指数来源于国家统计局。研究区间为2000年至2020年，数据源于《中国高技术产业统计年鉴》。计算结果如表1所示。

表1 2001-2020年五大城市群医药制造业Malmquist指数变化及分解的平均变化值

京津冀城市群医药制造业全要素生产率水平提升，在五大城市群中发展最好，技术效率、技术进步、纯技术效率、规模效率的年均增长率分别为1.6%、4.5%、2.2%、-0.5%，该区域技术效率没有达到第一位是由规模效率下降导致的。长三角城市群医药制造业全要素生产率提升，均值为1.036，技术进步与技术效率变化相差不大，全要素生产率的变动主要由技术进步拉动。珠三角城市群医药制造业全要素生产率的增长率为5.9%，主要受到技术进步的拉动。技术效率是由于企业对于生产要素的规模控制使得规模效率有效进一步带动提升的。川渝城市群2001-2020年医药制造业由于技术效率与技术进步不同程度的下降共同导致了全要素生产率的大幅下降。此阶段川渝地区的重点在于如何向其他先进城市群学习，并因地制宜制定适合当地的管理模式、管理制度等，进而提高效率水平。长江中游城市群2001-2020年医药制造业的全要素增长率在上升，增长率为6.1%，但是与川渝城市群的情况相似同样出现了技术进步指数下降，表明当前企业在医药制造业的技术创新制度模式等方面不能适应当前的快速发展阶段。

4 五大城市群医药制造业技术创新效率的溢出效应分析

本部分在前一章计算出动态效率的基础上进行技术溢出分析，但由于测算的DEA-Malmquist指数是动态的增长率，需要将其转化为全要素生产率的累计增长率才可以将其纳入模型中进行计算。故本文参考程惠芳等[9]的数据处理办法，对不同城市群的Malmquist指数进行处理，并以此作为量化指标来分析各城市群之间的技术溢出。本部分实证分析的过程均采用Eviews 10.0完成。

4.1 模型检验和估计结果

首先，需要对逐年变化的时间序列进行平稳性检验，避免造成伪回归的现象。本章采用ADF检验对各城市群全要素生产率累计增长率进行平稳性检验，检验其是否平稳，结果发现京津冀、珠三角与长江中游城市群是一阶差分后平稳，其余两个长三角与川渝城市群则原变量平稳。其次，根据AIC、SC、HQ准则判断，选择最佳滞后阶数。最后，对VAR模型的稳定性进行检验，若所有的根都处在单位圆内，则认为该模型是稳定的。

4.2 格兰杰因果关系检验

格兰杰因果关系检验可用于判断二者之间是否存在统计学上的因果关系，同时为接下来的溢出效应做准备。如果两个变量之间没有格兰杰因果关系，则无需进行VAR脉冲分析。运算可知：珠三角城市群对京津冀、川渝、长江中游城市群有单向的溢出；川渝城市群对京津冀、长三角、长江中游城市群具有单向的技术溢出；京津冀与长江中游在统计学上没有对其他城市群出现溢出效应。

4.3 脉冲响应函数

本文将各城市群分别视为独立的单元来进行脉冲响应函数分析，分别对通过格兰杰因果关系检验的相应城市群施加一个正向标准差冲击，观察与其具有因果关系地区医药制造业技术创新效率的变化来分析溢出效应，如图1所示。

图1 珠三角变动1个标准差对京津冀、川渝、长江中游的脉冲响应

若对珠三角城市群医药制造业的技术创新效率累计增长率施加一个单位标准差正向冲击之后，京津冀、川渝、长江中游城市群技术创新效率的响应结果如图1所示，可以看出京津冀在第一期是负向的，接近最底端，约为0.44，第二期迅速上升到达峰值，随后逐渐稳定。川渝城市群在第一期尚未做出明显反应，从第二期开始下降至谷底，随后几期还是以负向溢出为主，这说明珠三角效率的提升并不能引起川渝城市群效率的大幅度提升。长江中游整体的响应情况成锯齿形态，第二、四、六、八期在0轴以下，其余时期响应都在0轴以上。

若对川渝城市群医药制造业的技术创新效率累计增长率施加一个单位的标准差正向冲击之后，京津冀、长三角、长江中游城市群技术创新效率的响应结果如图2所示。京津冀地区在当期没有做出明显的反应，第二期达到最低点，第三期达到最高点，从第四期开始稳定在0轴上下。对长三角城市群的正向溢出效应为主，该行业的技术创新效率整体是增长的，并且稳定在0.15左右。长江中游该行业的脉冲响应图第一期的响应迅速达到最高点约为1.4，第二期迅速下降至最低端约为-2.0。

图2 川渝变动1个标准差对京津冀、长三角、长江中游的脉冲响应

若对长三角城市群医药制造业的技术创新效率累计增长率施加一个单位的标准差正向冲击之后，珠三角该行业的效率相应情况呈锯齿状，第一期与第二期都在0轴附近，从第三期开始负向溢出较为明显，随后回升到了0轴以上，但整体还是以负向溢出为主（见图3）。

图3 长三角变动1个标准差对珠三角的脉冲响应

5 结论与建议

本文基于2000-2020年的省际数据，采用DEAMalmquist模型与VAR模型分别计算了五大城市群的技术创新效率并对相互之间的溢出效应进行了描述。主要的结论为：①从全要素生产率的变化情况来看，川渝城市群的全要素生产率水平下降，京津冀、长三角、珠三角、长江中游城市群的全要素生产率水平提升，且京津冀该行业的全要素生产率增长速度相对较高。②从格兰杰因果关系检测结果来看，在5%的显著性水平下，珠三角城市群对京津冀、川渝、长江中游城市群有单向的溢出；川渝城市群对京津冀、长三角、长江中游城市群具有单向的技术溢出；京津冀与长江中游在统计学上没有对其他城市群出现溢出效应。③从脉冲响应结果来看，川渝对长三角城市群、珠三角对京津冀、川渝对京津冀、珠三角对长江中游的正向溢出效应较为明显；珠三角对川渝、川渝对长江中游、长三角对珠三角城市群的负向溢出效应明显。基于以上的所有内容，提出以下建议。首先，要出台相关政策精准定位医药制造业在我国经济发展中的重要位置，要发挥医药制造业这些高技术产业的技术引导作用，通过提高研发资金或技术人员的引进等方式来提升自身的技术效率水平并影响其他传统产业不断地进行技术创新。通过精准对接资源并结合当地优势，使得各种科技创新活动更加完善。其次，对于发展较好的城市群要利用其优势加快医药制造业的发展，不断增强其创新能力，为带动其他城市群做好坚实的基础。最后，利用各个城市群之间的溢出效应，加强技术人员的合作，通过人员、新产品等渠道来提升技术溢出的可能性，进一步减少非均衡的发展，不断地协调区域的创新水平。