高新技术产业政策评价及改进建议

王浩伟　陈欢欢　曾海鹰

摘要：合理评价高新技术产业政策绩效是推动我国高新技术产业高质量发展的重要方式。文章基于我国31省市自治区数据，以贵州省为例，用模糊综合评价法从空间和时间角度评价高新技术产业政策。研究结果表明，其政策绩效在31省市自治区中处于中下水平；在时间上呈现上升趋势。文章提出改进建议，以期为高新技术产业政策评价和发展提供参考。

关键词：高新技术产业政策；贵州省；模糊综合评价

一、引言

发展高新技术是技术创新的关键，是我国向高质量发展阶段转型的重要方式，其中离不开政策的制定与实施。充分实施有效的产业政策能使高新技术产业生产要素不断集中，进而演变为区域创新优势，并且使产业组织协同效应与产业结构弹性效应相互协调配合进而推动高新技术产业发展。从《国家中长期科学和技术发展规划纲要》到《关于促进国家高新技术产业开发区高质量发展的若干意见》等，无一不表明我国对高新技术产业的大力支持。但也有一些政策由于制定或实施过程中的偏误导致了部分高新技术产业开发区刚成立便被撤销等问题，因此评价政策是推动高新技术产业高质量发展的重要举措。本文以贵州省为例，运用模糊综合评价法从空间和时间角度评价高新技术产业政策绩效。以期为高新技术产业政策评价及发展提供思路。

二、文献回顾

国内外学者约从20世纪70年代开始对高新技术产业进行研究。Matti Pihlajamaa等（2013）指出芬兰高新技术产业政策主体由制定执行、投融资、技术转移转化三个体系构成；Yohei Kobayashi（2014）利用日本中小型企业数据研究后认为，R&D政策能更有效地激励那些有较大流动性约束的企业。周菲等（2019）以A股中小板块的高新技术企业数据为样本研究得到薪酬激励对研发投入和企业绩效均为倒U型关系。孙健夫等（2020）认为当前中国提升高新技术企业竞争力的优惠点和实际需求不吻合，应该完善《高新技术企业认定管理办法》中的认定条件，继续实施75%的研发费用加计扣除比例。曾武佳等（2020）研究得到资本集聚、企业集聚、人才集聚、产业集聚程度是造成创新效率地区差异的主要原因。现有的研究大多集中于高新技术产业发展的某一方面，而关于高新技术产业政策综合评价的研究成果较少。鉴于此，本文运用模糊综合评价法从空间和时间角度评价高新技术产业政策。

三、理论基础

高新技术产业政策的作用机理主要有两方面：一是生产要素方面。资金、人才和技术等是高新技术产业发展必不可少的要素。制定相应的资金支持和人才引进等政策后，生产要素便会源源不断地向政策实施地集聚进而形成风险投资区和知识密集区，区域规模越大极化效应越强，使得科研机构、企业等集中，最终成为区域高新技术创新竞争优势。如贵州省先后设立了贵州省高新技术产业发展基金（黔府函〔2014〕3号）；修订了《贵阳市高技术产业发展专项资金管理暂行办法》（筑府办函〔2021〕23号）等。二是产业组织与产业结构方面。就产业组织而言，政策支持下高新技术企业在企业绩效、技术创新等方面形成示范效应，其他企业也积极提升自身实力或与高新技术企业合作来促成产业组织的协同效应。就产业结构而言，合理及高级的产业结构应具有较大的市场需求敏感度，因此相关政策要选择具有持续高增长率的产业作为主导产业，发挥其弹性效应，使支柱产业、主导产业、衰退产业在总体上保持均衡。如《贵州省发展和改革委关于继续组织实施航空航天、新材料、生物等高技术产业化示范工程专项的通知》指出继续组织实施利用高新技术改造提升优势传统产业及优势产业的省级工程研究中心、工程实验室等高技术产业化示范工程专项等。但同时不可避免地会出现由于相关政策制定或实施偏误而导致的高新技术产业发展效率低下等问题，因此合理评估政策绩效是改进政策和促进产业发展的有效方式。

四、从空间角度评价高新技术产业政策

模糊综合评价法指借助模糊数学的一些概念，采用最大隶属度原则和模糊变化原理，综合各因素的影响程度来确定最优方案的综合评价方法。本部分评价贵州省2019年在空间上即31省市自治区中高新技术产业政策绩效水平。数据由《中国高技术产业统计年鉴》整理得来。

（一）主要步骤

1． 确定评价指标

高新技术产业政策目标可以概括为实现经济增长、人才积累和科技进步。经济增长可用利润总额（亿元）和企业数（个）指标衡量。人才积累可用R&D人员折合全时当量（人年）指标体现。各省市自治区指标值相当于待评价方案。

2. 数据预处理

对数据用（1）式归一化处理，其中r指模糊关系矩阵R中的各元素；x指在某一指标下各省市的具体数值；xmin/xmax指某一指标下数值最小/最大的省市数值。

3. 确定评价指标的权重向量

用熵值法对各指标分配相应的权重A来反映各指标的重要程度，得出的各项参数值（见表1），即A＝（0.154 0.16 0.205 0.2 0.282）。

4. 建立模糊关系矩阵

在（2）式中r表示被评价对象从各项指标来看对各评价等级模糊子集的隶属度，即各省各指标隶属于优等方案的隶属度。因评价指标有5个，评价方案有31个，所以R为5行31列的矩阵。原数据经（1）式处理后得到新数据，改写为矩阵形式即为模糊关系矩阵R，限于篇幅只展示新数据表格（见表2）。0.1897即为r11，0.0587即为r12，0.0883即为r21以此类推。

5. 计算模糊综合评价结果

用评价指标权重向量和模糊关系矩阵进行模糊综合评价，结果见表3。“degree”表示各省市从整体上隶属于优等方案的隸属度。这也是模糊综合评价的最重要结果，如整体上北京市2019年高新技术产业实施效果隶属于优等方案的隶属度为0.038；贵州省为0.007等。

（二）结果分析

表2显示，2019年各省市自治区四个指标隶属于优等方案优度值前几名基本为广东、江苏、浙江等长三角、珠三角地区。后几名基本为西藏、新疆、宁夏等地。贵州2019年各指标的隶属度分别为0.0194、0.0438、0.0201、0.0203和0.0129，在31省市自治区中基本排于中下位置。

表3显示，整体上各省市自治区隶属于优等方案的隶属度前三名为广东、江苏、浙江，后三名为新疆、青海、西藏。贵州省2019年的隶属度是0.007，在31省市自治区中排名为第19名，综合来看在全国31省市中自治区实施效果属于中下水平。

概言之，东南地区创新能力较强，產业转型升级速度快，高新技术产业发展速度迅猛。而我国西北、西南等地区虽然在高质量发展背景下也在努力探寻高新技术产业发展方式，但是数量较少的高新技术企业无论是人才积累能力还是创新实力都不强。贵州省作为欠发达地区的一部分虽然近几年在大力发展以大数据产业为核心的高新技术产业，但根据研究结果表明其实施效果还有待提升。

五、从时间角度评价高新技术产业政策

产业政策绩效不仅要从空间上进行评价，其变化趋势也是研究的重点。本部分从时间角度评价政策绩效，方法数据选取同上，将2015～2019年间贵州高新技术产业政策绩效看作待评价方案（因年鉴缺少2017年故只分析除2017年外四年数据），运用熵值法得到各指标权重后进行模糊综合评价分析。熵值法结果见表4。

结果显示2015～2019年（除2017年）贵州省高新技术产业发展水平隶属于优等方案的隶属度分别为0.083、0.156、0.389和0.372。四年隶属度的变化趋势见图1。2015到2018年仅4年时间隶属度便增加了0.306，增速很快；但2019年隶属度0.372虽与2018年差距不大但却有所下降。四年的隶属度均小于0.5。由此表明贵州省出台的高新技术产业政策取得了一定成效，但整体绩效不算高，其效力并没有得到充分发挥。

六、结论与政策建议

以贵州省为例用模糊综合评价法从空间和时间角度评价高新技术产业政策后得出结论，贵州高新技术产业政策绩效在空间上处于全国中下水平；在时间上呈现上升趋势。基于此提出以下改进建议。

（一）生产要素方面

加大贵州省创新资金补助和信贷支持力度，提升市场活力与内生动力；完善创新激励机制，重点加大对专利后续转化运用、行政保护及产业知识产权公共服务的全方位支持；利用本省发展大数据产业的天然优势，加强与长三角、珠三角等高新技术产业发达地区的协同发展；针对不同发展阶段制定相应政策。高新技术产业发展所需的要素比例随发展阶段的不同而变化。发展初期需要高效集中大量生产要素，政府应采取一定的调控政策。而发展中后期应采用完全竞争的产业政策，充分发挥市场机制在资源配置中的积极作用。贵州省目前发展高新技术产业的纲领性文件是2008年出台的《贵州省高新技术产业发展条例》，这滞后于目前瞬息万变的实践要求。贵州省在正确评价本省目前高新技术产业发展水平在预期成效中所处的阶段后应及时完善纲领性文件，培育壮大新的增长点、增长极。

（二）产业组织与产业结构方面

针对不同高新技术产业制定相应政策，从进入退出壁垒等方面分析各类型高新技术产业自身的特点，结合不同特点采取不同政策。如对医药制造业来说其进入壁垒不算太高，采取完全竞争产业政策较为合适；而对于航空航天器制造业等需要大量物资、财力、资源集中的产业采取一定的垄断竞争政策较为适宜。将高新技术产业作为主导产业，围绕产业链、供应链和价值链布局创新链，推动贵州省高新技术产业高质量发展，提高贵州省经济发展水平。

参考文献：

[1]Matti Pihlajamaa，Anne Patana，Kirsi Polvinen，Laura Kanto.Requirements for innovation policy in emerging high-tech industries[J].European Journal of Futures Research，2013，1（01）.

[2]Yohei Kobayashi.Effect of R&D tax credits for SMEs in Japan：a microeconometric analysis focused on liquidity constraints[J].Small Business Economics，2014， 42（02）.

[3]周菲，杨栋旭.高管激励、R&D投入与高新技术企业绩效——基于内生视角的研究[J].南京审计大学学报，2019，16（01）：71-80.

[4]孙健夫，贺佳.企业所得税优惠政策对提升高新技术企业科技竞争力的效应分析[J].当代财经，2020（03）：26-37.

[5]曾武佳，李清华，蔡承岗.我国高新技术产业开发区创新效率及其影响因素研究[J].软科学，2020，34（05）：6-11.

[6]宋磊.基于模糊综合评判的跨境电商物流模型的构建与策略研究[J].科技促进发展，2019，15（08）：890-897.

[7]李明星，蒋硕，李佳秋，朱悦，陆通.区域知识产权创造绩效评价——模糊优选模型及应用[J].数学的实践与认识，2021，51（19）：9-20.

＊本文系国家级大学生创新创业训练计划项目、贵州大学大学生创新基金资助项目“高新技术产业政策对企业经营绩效的研究分析——以贵州省为例”【项目编号：贵大国创字（2020）034号】的研究成果之一。

（作者单位：贵州大学经济学院。曾海鹰为通信作者）