天津港保税区高新技术企业创新效率及影响因素研究——基于数据包络分析方法和托宾模型

任立业, 李小芬

(天津市科学技术发展战略研究院, 天津 300170)

高新技术企业数量、集群是推动地区、功能区高质量发展的重要引擎。作为天津滨海新区功能区之一的天津港保税区(以下简称“保税区”),以引育科技型企业作为推动经济高质量发展的重要抓手,区内高新技术企业数量持续递增。2022年,保税区通过认定高新技术企业226家[1],有效高新技术企业累计达到605家,同比增长19.6%。然而,与主责培育高新技术产业、企业的高新区等功能区相比,保税区在高新技术企业培育上还存在注重数量规模增长,忽视质量提升,企业在管理技术、资源配置上能力不高等问题。创新效率是评价高新技术企业发展质量的重要指标,对保税区高新技术企业创新效率进行测度,分析制约企业创新效率提高的关键因素,不断优化有利于企业创新发展的政策、制度、环境要素,对提升保税区高新技术企业发展质量,构建科技产业雨林意义重大。因此,运用数据包络分析(data envelopment analysis, DEA)方法和托宾(Tobit)模型,对保税区高新技术企业创新效率进行测度,探究影响创新效率的因素,并根据实证结果提出对策建议,以期为保税区制定政策推动区内高新技术企业发展提供参考借鉴。

1 文献综述

当前关于高新技术企业创新效率测度和影响因素研究成果已较为成熟,已有研究主要聚焦于评价方法与评价指标体系两个方面。

1.1 评价方法

国内外关于高新技术企业创新效率测度主要有DEA、双阶段DEA、三阶段DEA、Malmquist指数法等。例如,Liu等[2]利用DEA方法对高技术产业发展环境与创新效率之间关系进行了研究;Cullmann等[3]利用DEA方法发现,监管环境对创新效率影响,进入壁垒会降低创新效率;Borozan和Djula[4]运用DEA研究发现,欧盟地区技术效率和能源效率区域差异大,发达地区技术和能源效率更高;田浩国和杨令[5]利用DEA方法研究发现,不同行业高新技术创新效率存在差异,技术效率对综合效率贡献高于规模效率,随时间推移技术效率与规模效率存在不稳定现象;徐子颖和徐晨[6]利用两阶段DEA模型发现,大部分城市重视技术研发、忽视成果转化,研发阶段规模效率贡献较高、转化阶段技术效率贡献较高;魏巍等[7]运用双阶段DEA模型发现,高新技术产业分为四种产业模式,不同阶段存在投入产出不匹配、投入冗余情况;印芷水等[8]运用三阶段DEA方法研究,创新效率主要受规模效率影响,外部环境因素对创新效率制约较为显著,不同技术领域和规模的企业创新效率差异显著;阳杨等[9]基于三阶段DEA模型发现,企业数量、科技孵化器支持及财政支持有利于创新效率提升,高学历人员、宏观经济抑制创新效率;钟小容和吴立忠[10]运用DEA-Malmquist指数法研究发现,不同技术领域高新技术企业技术进步率存在较大差异,新材料领域技术进步率最高。对企业创新效率影响因素研究主要采用托宾(Tobit)回归模型,例如,Borozan等[4]利用Tobit模型发现,人力资本和创新有助于提高创新效率及生态绩效;吴翔华和储心怡[11]利用DEA-Tobit模型研究发现,企业规模和税收负担对科技创新效率具有促进作用,政府补助对科技创新效率具有抑制作用;杨嵘等[12]利用三阶段DEA-Tobit模型研究发现,企业规模对创新效率有显著拉动作用,产学研合作水平和外资引进、劳动者素质与政府投入水平分别对技术研发阶段和成果转化阶段的创新效率影响显著。

综上,从已有文献来看,在创新效率测度方法上,学者基于DEA模型不断改进,逐渐演化出二阶段、三阶段DEA模型,二阶段DEA模型需要人为对组织投入产出过程分阶段,存在主观因素影响;三阶段DEA模型中环境变量对本研究样本企业影响存在一致性,无法有效剔除环境变量影响。在研究对象上,主要集中在国家、省市或行业等中观层面,如以国家30个省份为研究对象[9,12]、以省域范围市(州)为研究对象[7,13]、以国家某行业上市企业为研究对象[11,14],而在微观层面从区域高新技术企业级数据出发开展相关研究则略显不足。因此,本文采用DEA-Tobit模型,以保税区全样本高新技术企业为研究对象,并依据企业个体异质性划分为不同技术层级、不同领域类别,评价高新技术企业创新效率差异及其影响因素,既是对已有研究成果补充,又能精细化反映区域企业创新效率。

1.2 评价指标体系

当前,学者主要由创新投入与创新产出两个方面构建创新效率评价指标体系,创新投入方面主要选取人力、财力、物力等指标,创新产出方面主要选取知识产权与收入等指标。例如,张月明和蒋元涛[15]在创新投入上选取研发人员数量、研发投入、新产品开发投入等指标,在创新产出上选取专利申请数、新产品销售额、出口贸易额等指标;张继宏等[16]创新投入上选取人力投入、资金投入、其他投入等指标,创新产出上选取新知识产出、技术标准化、新产品产出、成果转化、技术扩散等指标;钟小容和吴立忠[10]创新投入方面选取科技活动人员数、R&D经费支出等指标,创新产出方面选取专利申请数、新产品销售收入等指标;郭建平等[17]创新投入上则选取年末从业人员数、科技活动人员数、科技活动经费支出等指标,创新产出上选取高新技术企业数量、当年授权发明专利数、营业收入等指标。影响因素选取指标主要包括企业内部、政府、经济环境三个方面,例如,吴翔华和储心怡[11]选取企业规模、股权集中度作为企业内部影响因素,政府补助、税收负担作为政府影响因素,地区经济、产业发展作为经济环境影响因素;胡艳和周玲玉[18]选取企业自主创新作为内部影响因素,政府支持作为政府影响因素,市场结构和所有制结构作为环境影响因素。

另外,从国内学者研究成果来看,在创新投入与产出指标选取上,大多采用绝对数量指标,因此也选用绝对数量指标作为创新效率评价指标。

2 研究设计

2.1 研究方法

2.1.1 DEA-BCC模型

DEA模型由运筹学家Charnes等[19]提出,是一种评价多投入、多产出指标的非参数方法,它通过选取决策单元多项投入与产出数据,以决策单元最优投入与产出数据作为生产前沿,并计算决策单元投入产出数据至生产前沿面距离得出综合效率值[20]。运用考虑规模报酬可变、投入导向型的DEA-BCC模型,消除规模效率影响[21],从整体视角、级别视角、领域视角等多维度,对保税区高新技术企业创新效率进行评价分析。

首先从整体角度测度保税区高新技术企业综合效率、纯技术效率及规模效率;其次比较高新技术企业中领军型企业、瞪羚型企业及普通高新技术企业创新效率高低,分析投入产出松弛变量,解析创新效率高低原因;再次从技术领域视角对比不同领域企业创新效率差异;最后通过实证结果探析制约企业创新效率的主要因素。

2.1.2 Tobit回归模型

运用DEA方法测算出的高新技术企业创新效率值位于0～1区间,且数值不连续,属于受限因变量,若采用普通最小二乘法进行线性回归,采用估计值可能会导致偏差。为解决这种估计偏差问题,美国经济学家Tobin[22]提出了托宾模型,Tobit模型是采用极大似然估计的截断回归模型,在该模型中因变量受到限制,能较好地解决因变量受限问题。因此,本选用Tobit回归模型对企业创新效率影响因素进行研究。Tobit模型公式为

(1)

式中:Y为被解释变量;X为解释变量;β为回归参数变量;μ为残差,且μ～(0,σ2)。

2.2 指标选取

2.2.1 创新效率投入/产出指标

构建保税区高新技术企业的创新投入/产出指标体系,以企业科技活动人员数、员工总数、内部研发经费支出作为人力、财力投入指标;以企业知识产权总数、有效发明专利数、高新技术产品(服务)收入、主营业务收入作为产出指标(表1)。另外,由于企业创新产出相比于研发投入有一定滞后性,借鉴印芷水等[8]的做法,将产出滞后时间设为2年,企业内部研发经费支出数据取2019年、2020年、2021年三年平均值。

表1 高新技术企业创新效率评价的投入产出指标说明

2.2.2 影响因素选取

参考已有研究成果,影响企业创新效率的因素的主要有企业内部、政府、外部环境三个方面,对保税区高新技术企业来说,外部环境因素对区内企业影响存在一致性,故从企业内部和政府两个角度选取影响因素进行分析。企业内部方面,选取企业股权集中度和企业规模为影响因素;政府方面,选取企业税收负担为影响因素。影响因素选取如表2所示,其中企业规模采取企业资产总额自然对数,以消除量纲不统一对结果的影响。

表2 企业创新效率影响因素

3 实证分析

3.1 数据来源

以天津港保税区2022年通过认定的226家高新技术企业(以下简称“样本企业”,其中已获得“瞪羚”称号企业11家、获得“科技领军”称号企业9家)为研究标的,以样本企业2021年知识产权总数、有效发明专利数、高新技术产品(服务)收入、主营业务收入、科技活动人员数、员工总数、研发经费支出等截面数据作为创新效率研究数据来源;以样本企业2021年末第一大股东持股比例、资产总额、实缴税费等作为影响因素研究数据来源;主要数据来源于保税区科技局及企查查等商业网站。

3.2 创新效率评价

运用DEAP 2.1软件将样本企业的原始投入和产出数据代入DEA模型,采取多阶段算法,对数据进行测算,得出功能区各高新技术企业的综合效率、纯技术效率及规模效率。借鉴张建清等[21]、揭晓蒙等[23]的研究方法,将企业创新能力按照DEA综合效率值由高到低分类:综合效率值等于1表示创新能力强(DEA有效),位于效率的前沿面上;值在[0.8,1)表示创新能力较强;值在[0.5,0.8)表示创新能力一般;值在[0.2,0.5)表示创新能力较弱;值小于0.2表示企业创新能力弱。

3.2.1 整体视角

样本企业创新效率测度结果如表3所示,由表3可知在样本企业中,创新能力强的企业有35家,占企业样本数15.49%;创新能力较强的企业同样有35家,创新能力一般的企业有95家,低于一般水平的企业合计有61家;73.01%的企业创新能力水平达到了一般及以上。纯技术效率达到有效企业数量要高于综合效率有效企业数量,达到53家,占比23.89%;非有效企业分布情况占比与综合效率近似,整体80.09%的企业达到了一般有效水平。规模效率达到有效企业45家,占比19.91%,其整体水平要显著高于综合效率,效率值分布情况与综合效率相差较大,97.79%的企业达到一般及以上水平。整体来看,样本企业综合效率受纯技术效率影响较大,提升纯技术效率有助于综合效率提升。另外从规模收益来看,48家企业规模报酬不变、126家企业规模报酬递增、52家企业规模报酬递减,规模报酬递增企业占比达55.75%;因此,对规模报酬递增的企业来说,可以进一步适度扩大规模提升创新效率,而规模报酬递减的企业则需适度缩小规模以提高创新效率。

表3 样本企业创新效率测度结果

3.2.2 按企业级别视角

将样本企业按照科技领军型企业、瞪羚型企业和普通高新技术企业划分为三种级别,科技领军企业代表高新技术企业中的排头兵,具有经济规模大、科技含量高、技术积累厚、产品品牌影响力大等特征;瞪羚企业代表高新技术企业中的高成长性企业,具有主营业务收入增长迅猛、研发投入高等特征;各级别企业数量及效率均值结果如表4所示。样本企业中科技领军企业9家、瞪羚企业11家,二者合计在样本企业占比8.85%,表明高新技术企业增量来源于科技型中小企业的比例较大,通过认定的高新技术企业仍以科技型中小企业为主。

1)分级别来看,科技领军企业创新效率平均值为0.838,显著高于普通高新技术企业和瞪羚企业,9家科技领军企业中DEA有效企业有3家,占比达33.3%,显示出科技领军企业资源配置效率相对其他级别企业更合理优化,主要是由于科技领军企业资金雄厚、管理技术先进,更重视技术品牌,在创新人才吸引力、研发投入上具有更明显优势,有利于不断提升创新能力,这也与科技领军企业的定位地位相符。6家非DEA有效企业在规模收益上均为规模收益递减,显示这6家企业在规模投入上存在资源浪费,需要重点关注提升研发人员创新能力和优化创新产品领域结构。

2)瞪羚企业创新效率平均值为0.619,在三种级别企业中平均值最低,11家瞪羚企业中DEA综合效率值达到0.9以上仅2家,显示出瞪羚企业相对科技领军企业和普通高新技术企业,资源配置效率还较差。进一步分析瞪羚企业投入产出评价结果如表5,在创新投入方面有7家企业存在科技活动人员冗余,5家企业同时存在科技活动人员和员工总数冗余;在创新产出方面,有6家企业存在高新技术产品收入产出不足。这是因为瞪羚企业一般成立年限还不长,同时在认定瞪羚称号时以企业主营业务收入而非高新技术产品收入高增长为主要评价指标。与科技领军企业相比,瞪羚企业虽处在高速成长期,但技术、品牌积累底蕴不够深厚,管理效率尚不及科技领军企业,主营业务收入虽增长迅速,但高新技术产品收入占比还不够高;与普通高新技术企业相比,瞪羚企业由于处在高成长期倾向于扩大科技活动人员、员工总数规模,但在人员效率上不够优化,导致创新效率反而偏低。在规模收益方面,6家企业为递减状态,显示企业需要适度减少规模,注重管理技术创新。

表5 11家瞪羚企业DEA效率部分评价结果

3)普通高新技术企业创新效率平均值为0.657,低于科技领军企业均值,高于瞪羚企业均值。206家企业中DEA有效企业达32家,占比为15.53%。创新能力在一般及以上的企业达149家,占比为72.33%,与样本企业创新效率比例分配接近,显示普通高新技术企业创新效率整体较高,而这也与高新技术企业特征相符,存量占比较大的中小型高新技术企业,大型固定资产投入较少,注重成本控制、研发创新,创新能力达到了一定水平。在规模收益方面,60.19%的企业为规模收益递增,显示大多数企业处在成长状态、成长动力稳定,可以进一步扩大规模提升创新效率。

3.2.3 按技术领域视角

依据国家《高新技术企业认定管理办法》,国家重点支持的高新技术企业可以划分为电子信息、高技术服务、航空航天、新材料、生物与新医药、新能源与节能、先进制造与自动化、资源与环境八大领域,将样本企业按照8个领域进行归类,以求均值的方法得到各领域企业的创新能力如表6所示。

表6 样本企业按技术领域划分DEA结果

各技术领域的企业创新效率差别较显著,但均位于一般水平。其中新能源与节能领域的创新效率最高,其次为资源与环境、新材料、高技术服务、先进制造与自动化,而电子信息、生物与新医药、航空航天领域的综合效率处于后三位,尚有较大提升空间。8个领域的纯技术效率值均较低,多介于0.7～0.8,其中新材料领域最高;规模效率值均较高,多在0.9左右,其中先进制造与自动化最高。表明企业需要进一步提高管理、技术水平,从而提升技术效率,而在生产规模上接近达到最优生产规模。8个领域DEA有效企业数最多的领域为高技术服务达11家,DEA有效企业占比最高的领域为生物与新医药达26.09%,而航空航天领域DEA有效企业数量和占比则最低。

3.3 影响因素评价

采用Stata17.0对样本企业创新效率影响因素进行Tobit回归分析,Tobit模型回归结果如表7所示。

表7 样本企业创新效率影响因素Tobit回归分析结果

由表7可知,股权集中度对保税区高新技术企业创新效率提升具有较显著促进作用,系数为0.136,在10%的显著性水平下显著。显示出对于样本企业来说,股权越集中越能提高企业创新效率。样本企业以中小型高新技术企业占多数,企业第一大股东持股比例越高,在企业内影响力越大、控制力也越强,企业大股东利益与企业利益越趋一致,企业决策效率更快,更有动力推动企业降本增效、追求利益最大化,有助于提升企业绩效,从而提升创新效率。

企业规模对保税区高新技术企业创新效率提升具有高显著促进作用,系数为0.043,在1%的显著性水平下显著。企业规模越大、资产越大,越有利于创新效率的提升,这也侧面印证了为何领军企业创新效率水平整体较高。对于企业来说,创新研发需要科研设备投入、资金投入,但研发成果具有风险性和滞后性,需要企业具备一定资金储备和抗风险能力。大规模企业在融资渠道、现金储备、人才储备、市场规模上具备天然优势[24],有能力和有意愿持续进行科技创新研发,从而持续有较高的科技创新产出。对中小型企业来说,在科技研发资金、设备投入方面往往不宽裕,企业融资渠道不畅通,抗风险能力也较弱,企业更关注生存和盈利,对科技研发重视程度可能不如大型企业。

税收负担对保税区高新技术企业创新效率提升具有显著抑制作用,系数为-0.842,在5%的显著性水平下显著。对于企业来说,税收负担增加,会抑制企业留存收益和现金流,影响企业利润,对企业研发投入资金产生挤出效应[25],企业研发活动减弱,创新产出相应减少,从而持续抑制企业创新。而针对企业科技创新落实税收加计扣除优惠政策,减轻企业税收负担,有助于企业扩大现金流,从而使企业有更多资金投入研发活动,使企业能够承受更高创新失败成本,有利于提升企业创新活力,最终提高创新效率。

4 结论与建议

1)保税区高新技术企业创新效率整体较好,但仍有提升空间。创新效率有效企业占比15.49%,创新效率在一般及以上水平企业占比73.01%,创新效率在一般水平以下企业占比26.99%。近年,保税区在育引高新技术企业方面取得了较好成效,企业数量连年保持增长状态。下一步,保税区在关注区内高新技术企业数量增长以外,要增强对企业发展质量监管追踪,通过政策支持、企业调研、困难摸排、年报跟踪等方式,强化对企业服务监管“两手抓”,帮助解决存量高新技术企业在创新发展中遇到的难题,引导企业提升创新意识,增强自主创新能力,从而提高企业创新效率,最终达到区内高新技术企业“量质齐升”。

2)高新技术企业创新效率受纯技术效率限制更大。从样本企业创新效率分解来看,纯技术效率值及分布特征与综合效率值及分布特征接近且偏低,规模效率值则整体较高,提升纯技术效率有助于企业综合效率的提升。表明保税区高新技术企业整体在生产规模上接近最优生产规模,但在管理、技术上还存在较大差距不足,投入产出效率整体不高。对保税区高新技术企业来说,需要进一步注重核心技术、管理效率提升,提高企业创新效率。另外,从规模收益来看,55.75%的企业为规模报酬递增,对于此类型企业,可以通过扩大规模提高创新效率。

3)不同级别高新技术企业创新效率有差异,科技领军企业创新效率最高、普通高新技术企业次之、瞪羚企业最低。科技领军企业创新效率平均值为0.838,普通企业平均值为0.657,瞪羚企业平均值为0.619。从实证分析结果可以看出,科技领军企业由于规模、技术、管理、品牌等优势因素,资源配置效率相对达到最优;瞪羚企业虽处在高速成长期,但由于相比科技领军企业有劣势,相比普通高新技术企业又存在投入冗余和产出不足,导致瞪羚企业整体创新效率反而最低。因此,要充分发挥科技领军企业示范引领作用,强化科技领军企业与其他企业合作交流,增进互鉴,将科技领军企业先进管理、技术理念拓展灌输给其他企业。对瞪羚企业来说,要进一步优化产品结构,提高高新技术产品收入,扩大高新技术产品收入在企业主营业务收入中占比,建立与企业成长阶段相适应的扩张机制,避免在人力资源上的过度扩张。

4)不同技术领域企业创新效率水平差别显著。8个技术领域中,创新效率最高的是新能源与节能领域,而电子信息、生物与新医药、航空航天领域的综合效率处于后三位;创新效率均位于一般能力区间,纯技术效率水平均较低,而规模效率水平均较高。DEA有效企业数量最多、占比最高的领域分别为高技术服务、生物与新医药,而航空航天领域DEA有效企业数量和占比最低。因此,在企业层面,要鼓励跨领域、跨行业间企业进一步增强交流合作,加强协调互动,破除不同领域企业资源壁垒;在政府制度优化层面,要牵头建立促进企业能力提升的各类创新要素共享共通机制,形成跨领域、行业、企业联动互补协同发展格局。

5)股权集中度、企业规模对企业创新效率提升有促进作用,税收负担则抑制企业创新效率提升。因此,对保税区高新技术企业来说,可适当扩大企业第一大股东占股比例,从而有助于提升决策效率,提高决策执行力,进一步降本增效,提升创新效率。企业规模调整是企业资源配置的其中一环,企业可结合其所处内外部环境,确定企业合适规模,对于规模报酬递减的企业,需要进一步优化资源配置,适度将创新投入资源转化为扩增企业资产,避免资源无效浪费,提高资源配置效率。政府税收层面,要深化推进有利于企业科技创新的税收优惠政策精准落实,持续为企业减负,助力企业释放科技创新活力,但同时也要注意对企业研发加计扣除优惠增强监管,防止出现企业避税现象,有效促进企业创新发展。