区域开放度对高技术产业技术创新能力的影响研究

杜柏润 张天悦

摘 要：在构建区域开放度和高技术产业技术创新能力评价指标的基础上，综合运用灰色关联分析法和熵值法，研究区域开放度对高技术产业技术创新能力的影响机理。实证结果表明：区域开放度对高技术产业技术创新能力有着显著的正向影响，能够在52.5%的水平下解释高技术产业技术创新能力变化的原因，提高区域开放度能够有效促进区域高技术产业技术创新能力提升。

关键词：高技术产业；技术创新能力；区域开放度；熵值法；灰色关联分析法

中图分类号：F2     文献标识码：A      doi：10.19311/j.cnki.16723198.2023.13.004

0 引言

高技术产业具有知识密集、技术密集的特点，是我国当前经济与社会发展的重要增长点，代表着我国区域综合实力和整体竞争力。外部环境方面，高质量发展环境既面临着百年未有之大变局的冲击，也面临着国内经济社会深刻转型的挑战，外部环境严峻复杂，体制机制障碍难除，致使高技术产业需求侧疲软、供给侧不力；研发与生产方面，我国高技术产业技术创新能力较弱，许多企业没有掌握绝对领先技术，关键技术难以突破，个别企业为响应国家发展高技术产业的政策引进自动化程度较高的生产线而后闲置，造成了高技术产业成本居高不下。区域开放度对于高技术产业从外部获得相关的技术、信息、知识等创新资源有着重大影响，提升我国高技术产业技术创新能力的关键在于整体提升各地区的区域开放度。

对于区域开放度的研究和测算，在以往的研究中学者们主要以贸易、投资、旅游、生产、金融、技术的视角进行拆分，部分学者划分为对内和对外两方面进行更为细致的测算。如刘凌瑜（2019）从对外开放度、对内开放度、产业支撑度三个角度对2018年中部地区六个省会城市的经济开放度进行测算。斯丽娟（2020）从贸易开放度、旅游开放度、投资开放度三个角度研究对外开放对经济增长质量的提升。石立（2020）运用主成分分析综合评价改进步骤构建了地区经济开放度统计评价的指标体系，计算得出了广东省各市经济开放度。李泽宇（2020）运用主成分分析法，从经济开放的4个角度测算了27个省份的区域开放度。zdemir Onur（2020）認为通过贸易和金融账户渠道进行的收入分配对区域开放度的提高有着重大影响。Rabail Amna Intisar（2020）从贸易开放度和人力资本的角度对19个亚洲国家1985-2017年的经济增长情况进行了研究。Mohammad MafizurRahman等（2020）研究了贸易开放度对五个南亚国家经济增长的影响。刘仕国（2021）从开放政策和开放结果两个角度，并细化为经济开放、社会开放和文化开放三方面对全球129个代表经济体的开放度进行测算，研究发现开放度和经济发展关系密切。刘秀玲（2021）从贸易开放度、投资开放度和旅游开放度三个方面对宁夏的开放型经济进行评价。Maoguo Wu（2021）运用因子分析和DEA-Malmquist模型评估了外商投资对18个省份的区域开放度的影响。

对于高技术产业技术创新能力的研究和测算，学者们大多采用数据包络分析法（DEA）和随机前沿法（SFA），并从企业层面、政府层面和经济层面分析与其相关的影响因素。如Shilei Cao（2019）使用随机前沿分析法从行业的角度研究了市场竞争对高技术产业创新效率的影响。Anyu Yu（2021）使用动态网络数据包络分析法研究了中国高技术企业的创新绩效，发现不同企业之间的创新绩效存在差异。罗雪婷（2019）运用DEA-Malmquist指数模型和门槛面板回归模型，在省际层面对2003-2016年我国高技术企业进行研究，发现企业规模对技术创新效率的作用存在双重门槛效应，近似呈"∽"型。唐晨（2020）基于滞后2期的两阶段DEA模型测算了我国高技术企业的技术创新效率，发现金融业整体集聚对高技术企业技术创新效率有显著的促进作用。李永楷（2020）运用三阶段DEA模型，对我国高技术产业创新效率进行了静态测算，发现员工水平、企业规模和资金投入对高技术产业创新效率存在正向促进作用；企业规模和研发资本存量对技术效率变动存在负向影响。童鑫（2021）以高技术产业省级面板数据进行实证研究，发现政府支持有着正向促进作用。孟晓娜等（2019）基于随机前沿分析模型，以29个省市高技术产业的面板数据为研究对象，研究了自主研发投入和非自主研发投入对高技术产业技术创新效率的影响。胡立和（2020）基于随机前沿分析法对长江经济带11个省市的技术创新效率进行测算，并对影响技术创新效率的环境变量进行分析。

总体看来，目前学者们对于区域开放度和高技术产业技术创新能力的研究主要存在以下几点不足：（1）在研究视角上，以往学者们在评价区域开放度时大多以对外开放度单方面因素作为衡量方式，但对于一个地区经济发展水平而言，对内开放与对外开放同等重要，仅从对外开放的方向进行测度过于片面。（2）关于高技术产业技术创新能力研究，许多学者采用DEA法进行测算，无法比较出各项指标各自的重要程度。故本文在测算我国25个省份区域开放度和技术创新能力得分的基础上，探究区域开放度与高技术产业技术创新能力之间的影响关系。

1 指标选取与测度方法

1.1 数据来源与指标选取

本文的计算数据采用我国各个省份的年鉴统计数据。被解释变量高技术产业技术创新能力，选择从创新投入和创新产出两方面进行分析：创新投入作为高技术产业技术创新过程中的基石，是高技术产业提升技术创新能力最基本的因素，可以通过R&D外部支出、R&D内部支出、R&D人员折合全时当量、新产品开发经费支出进行衡量；创新产出作为高技术产业评判标准之一，可以反映出产业对创新投入资源配置的能力，可以通过新产品销售收入、专利申请数、有效发明专利数进行衡量。解释变量区域开放度，本文在张友国、夏锋、邓鹏、曾海鹰和任登鸿、李朝洪和董晓梅等人研究的基础上，基于数据的可获得性，选择从贸易、资本、旅游、生产四个角度，兼顾对内开放与对外开放两方面进行测度与分析。地区生产总值代表着一个地区的经济发展水平，通常对高技术产业技术创新能力有较大的正向影响，经济发展水平高的地区，高技术产业技术创新能力的发展势头也愈发强劲，因此本文选取地区生产总值作为控制变量排除其对高技术产业技术创新能力的影响。

1.2 测度方法

1.2.1 灰色关联分析法

灰色关联分析法作为灰色系统理论中应用最广泛的研究方法，对数据没有非常严苛的要求，不仅可以进行优势分析，同时也是进行科学决策的依据，非常适用于本文对区域开放度的测算。采用灰色关联分析法对25个省份2019年区域开放度进行测算。灰色关联分析法的计算步骤如下：

a.采用均值法对指标体系进行无量纲化处理

b.确定参考数列

在确定参考数列时，将各项指标的最优值作为参考数列的指标值，对于不同指标，有些指标越大越优，而另一些指标越小越优，均以最优值作为参考数列的指标值。本文所选取的区域开放度的指标均为越大越优，因此全部选取最大值作为参考数列的指标值。

c.变异系数法确定指标权重。

d.计算灰色关联系数：

ri（k）=a+ρbx0k－xi（k）|+ρb，i=1，2，…，m k=1，2，…，n（1）

其中a为两极最小差，b为两极最大差，ρ为分辨系数（通常取0.5）。

e.计算灰色关联度及其关联序

Ri=∑nk=1ωkrik（2）

其中Ri为第i个评价对象对参考数列的灰色关联度；ri为第i个评价对象第k个指标值的关联系数；ωk为第k个指标的权重。

1.2.2 熵值法

根据高技术产业技术创新能力指标体系的数据特点，以及以往学者的研究，本文借鉴甘卫平对于高技术产业自主创新能力评价的研究方法，选用熵值法对高技术产业技术创新能力进行测算。熵值法对数据的处理方法如下：

a.数据标准化

对于正向指标：

X′ij=Xij-min（X1j，X2j，…，Xnj）maxX1j，X2j，…，Xnj-min（X1j，X2j，…，Xnj）（3）

对于负向指标：

X′ij=maxX1j，X2j，…，Xnj-XijmaxX1j，X2j，…，Xnj-minX1j，X2j，…，Xnj（4）

b.确定各指标的信息熵

Ej=－1lnn∑Ni=1pijlnpij，其中pij=X′ij∑ni=1X′ij（5）

c.确定各指标的权重

Wj=1－Ejm－∑Ej（0≤j≤m）（6）

d.计算技术创新能力综合得分：

Sj=∑mj=1wjX′ij（i=1，2，…，n）（7）

2 实证研究

2.1 区域开放度与高技术产业技术创新能力的测度

2.1.1 区域开放度测度

依据公式（1）-公式（2）的方式计算得出参考数列、指标权重、灰色关联系数和灰色关联度，再分别计算灰色关联系数和灰色关联度，从而可得出2019年25个省份的灰色关联度及其关联序，如表1所示。

灰色关联度越大，说明该省份区域开放度越高，关联序即为各地区域开放度大小的次序。由表1可知，开放度最高的是上海，灰色关联度为0.7591；开放度最低的是甘肃，灰色关联度为0.4891。区域开放度大致呈现出自东向西递减的空间分布特征，东部地区除河北外均位列前十，处于高水平开放阶段；中部地区整体开放度较低；西部地区除四川外开放度均较低；东北地区仅辽宁开放度较高，吉林、黑龙江两省开放度较低。东部地区、中部地区、西部地区、东北地区的灰色关联度平均值分别为0.6165、0.3422、0.517、0.5173，由于数据的缺失本文在西部地区的研究对象缺少内蒙古、西藏、青海、宁夏、新疆五个较为落后的省份数据，因此西部地区灰色关联度平均值实际上應略低于0.517。对于我国开放度较低的中西部地区、东北地区应积极采取相应措施提高当地区域开放度，如政府加大政策支持、促进地区间的交流合作、完善交通设施等措施，从而缩小地区间的区域开放差距，协调各地区共同发展，整体提升我国区域开放度。

2.1.2 高技术产业技术创新能力的测度

依据公式（3）-公式（7）的方式计算得出各变量的权重和技术创新能力评分及排序如表2和表3所示。

由表2可以看出，在高技术产业技术创新能力指标评价体系中有效发明专利数/专利申请数所占权重最大，R&D经费内部支出和R&D人员折合全时当量的占比也比较大，这表明在创新投入中资金注入和人力支持对于高技术产业技术创新能力的提升影响更大，而在创新产出中专利发明是技术创新的一项重要产出，是高技术产业技术创新能力的体现，因此在衡量高技术产业技术创新能力时占较大权重。

由表3可以看出，广东、北京的高技术产业技术创新能力位列前两名，技术创新能力得分远超其他各地区，江苏位列第三，技术创新能力得分也比较高，是我国先进的创新型省份代表。位列第一的广东省技术创新能力评分为0.8520，是排名最末江西省的19.68倍，是甘肃省的4.63倍，可见其他地区和东部地区间还存在着较大差距。

2.2 回归分析

利用SPSS25.0对论文所应用的各个变量的数据进行回归分析，得到的结果如表4和表5所示：

表4对各变量的回归分析结果表明，模型R2值为0525，这表明区域开放度可以解释高技术产业技术创新能力得分525%的变化原因。由此可见，区域开放度在高技术产业技术创新能力发展过程中扮演着尤为重要的角色。对模型进行F检验时，引入控制变量前F=25430，引入控制变量后F=15389，显著性始终<005，模型通过F检验，这意味着区域开放度会对高技术产业技术创新能力产生显著正向影响。

如表5所示，区域开放度的系数为1550，在0001水平下显著，而控制变量GDP没有通过显著性检验，即在此模型中GDP对于高技术产业技术创新能力的影响不显著，这说明区域开放度对高技术产业技术创新能力的作用更强。由于GDP存在滞后性，本文认为若对解释变量进行滞后1期的动态回归分析，或进一步细分高技术产业的各个行业进行分样本检验，控制变量GDP将会通过显著性水平检验，即推进区域GDP水平的提升能够促进高技术产业技术创新能力的提升。区域开放度对高技术产业技术创新能力有着显著影响，提高区域开放度是促进高技术产业技术创新能力提升的重要手段之一。

3 结束语

本文在综合运用灰色关联分析法和熵值法对区域开放度与高技术产业技术创新能力进行测度的基础上，应用回归分析模型，对我国25个省份的区域开放度与高技术产业技术创新能力之间的关系进行了研究，并进一步探讨了区域开放度和高技术产业技术创新能力的影响因素，为高技术产业技术创新能力的提升奠定了基础。

参考文献

［1］刘晓婵，王建新.基于灰靶理论的西南地区高新技术企业技术创新能力研究[J].科技和产业，2015，15（11）：7983.

[2]胡立彪.高技术产业高质量发展还需再加把劲[N].中国质量报，20200619（001）：1.

[3]刘凌瑜.长沙发展内陆开放型经济的现状与对策分析[J].现代商贸工业，2019，40（33）：1516.

[4]斯丽娟，杨富强.基于对外开放视角的中国经济增长质量演化及影响因素分析[J].求是学刊，2020，47（06）：6677.

[5]石立，林海明.经济开放程度的统计评价与实证——以广东省为例[J].统计与决策，2020，36（24）：8993.

[6]李泽宇.经济开放度对中国城乡居民收入差距的影响效应研究[D].广东外语外贸大学，2020.

[7]zdemir Onur.The handicap for enhanced solidarity across advanced economies： The greater the economic openness higher the unequal distribution of income[J].Annals of Public and Cooperative Economics，2020，91（4）：585632.

[8]Sustainability Research：Study Results from Government College University Faisalabad Broaden Understanding of Sustainability Research.Impact of Trade Openness and Human Capital on Economic Growth： A Comparative Investigation of Asian Countries[J].Ecology，Environment & Conservation，2020，12（7），2930.

[9]Rahman M M，Saidi K，Mbarek M B.Economic growth in South Asia： the role of CO2 emissions，population density and trade openness[J].Heliyon，2020，6（5）：e03903.

[10]劉仕国，宋泓，高凌云，等.世界开放大变局：基于对外开放指数的测度[J/OL].国际经济评论，2021，（S1）：2855+5[20210408].

[11]刘秀玲，李国鹏，肖杨，等.宁夏开放型经济发展与评价研究[J].北方经贸，2020，（11）：125127.

[12]Maoguo Wu and Yuting Zhang.The Impact of FDI on Economic Openness of Provinces along "the Belt and Road"[J].E3S Web of Conferences，2021，233，01170.

[13]Shilei Cao et al.Does market competition promote innovation efficiency in Chinas hightech industries？[J].Technology Analysis & Strategic Management，2020，32（4）：429442.

[14]Yu Anyu et al.Innovation performance evaluation for hightech companies using a dynamic network data envelopment analysis approach[J].European Journal of Operational Research，2021，292（1）：199212.

[15]羅雪婷.高技术企业研发补贴与技术创新效率研究——基于企业规模的门槛效应[J].投资研究，2019，38（10）：5266.

[16]唐晨.金融集聚对高技术企业技术创新效率的影响[D].山东大学，2020.

[17]李永楷.我国高技术产业创新效率及影响因素研究[D].河北大学，2020.

[18]童鑫.政府支持、产业集聚与高技术产业技术创新[J].财会月刊，2021，（03）：118126.

[19]孟晓娜，苗成林，孙丽艳，等.自主研发与非自主研发协同作用下高技术产业技术创新效率研究[J].西安石油大学学报（社会科学版），2019，28（04）：3742.

[20]胡立和，商勇，王欢芳，等.长江经济带技术创新效率评价及影响因素分析[J].湖南社会科学，2020，（03）：8793.

[21]张友国.区域经济发展差异及其指标体系的研究[D].北方工业大学，2001.