我国工业企业技术创新效率评价研究——基于31 个省（区、市）面板数据的DEA-Malmquist 指数模型分析

高 远 刘泉红

1（中国社会科学院大学经济学院，北京 102488）2（国家发展和改革委员会产业经济与技术经济研究所，北京 100038）

引言

党的二十大为全党全国各族人民指明了砥砺奋进的目标：“以中国式现代化全面推进中华民族伟大复兴”，并明确指出，“高质量发展是全面建设社会主义现代化国家的首要任务”。高质量发展是贯穿于中国实现第二个百年目标奋进过程的主题。对于如何实现高质量发展，二十大报告进一步提出，“坚持创新在我国现代化建设全局中的核心地位，加快实现高水平科技自立自强”［1］。目标、战略、任务、核心环环相扣，廓清了实现第二个百年奋斗目标的路径。要以创新为核心保证高质量发展任务的圆满完成，在高水平科技自立自强的基础上全面建设社会主义现代化国家，最终实现中华民族伟大复兴的宏伟目标。

高水平科技自立自强是全面建设社会主义现代化国家的必由之路。技术创新的重要载体是工业企业，高水平科技自立自强离不开高水平的工业作为基石，高水平的工业则体现在高水平的技术创新实力。我们无比接近于中华民族伟大复兴的中国梦，“自古华山一条路”，面对以美国为首的西方国家越来越赤裸的对我国的遏制打压和技术封锁，中国唯有以创新求自主、以自主保安全这条路。我国提出以构建国内大循环为主体，国内国际双循环相互促进的新发展格局，必然需要建立自主安全的现代产业体系，而其中重中之重就是新型工业化［2］。

随着国家自主创新战略的实施，科学技术对于经济增长的贡献越来越明显。目前国内外学界对于企业技术创新效率的研究非常多，且近几年广泛应用DEA-Malmquist 指数模型来进行分析。如喻开志等（2020）［3］运用超效率DEA 模型对我国2006～2016年30 个省（区、市）的大气污染治理效率进行测算；黄平等（2019）［4］运用超效率DEA、超效率SBM 模型评价了西部地区工业化创新效率的时空演变特征；黄海霞和张治河（2015）［5］运用DEA-Malmquist 指数法，对全国及东、中、西部地区2005～2012年战略新兴产业技术创新效率及其变化情况进行了测算；张冀新和王怡新（2019）［6］使用三阶段DEA 模型测量了70 个产业集群的创新效率。

总体来看，学界关于技术创新效率的研究对象涵盖产业、企业、地域，也有许多运用DEAMalmquist 指数模型分地域、产业等评估技术创新效率的文献，但缺乏以中国31 个省（区、市）工业企业作为研究对象，且按四大经济区进行静态和动态分析的研究。本文借鉴现有研究成果，聚焦十八大以来全国工业企业科技创新效率的现状与变化，并考虑数据的可获得性和完整性，采用非参数DEA-Malmquist 指数模型分析2012～2021年全国31 个省（区、市）工业企业的技术创新效率，并分四大经济区进行对比分析，剖析影响技术创新效率的内在原因，并提出改进建议。

1 研究方法及指标选取

1.1 DEA-BCC 模型

由于生产效率影响因子的复杂性，设计任何形式的生产函数都难以全面反映真实世界，但可以通过线性规划尽可能地逼近真实的生产函数，因此采取非参数的DEA 方法评估生产效率更为简洁有效，同时在避免主观因素、简化算法等方面具有显著优势。DEA 分析方法分为CCR 模型和BCC模型，前者假设决策单元（DMU）规模报酬不变，后者则考虑了DMU 规模报酬可变的情况［7］。对于工业企业技术创新效率评价来说，规模效率是不可忽略的因素，因此使用BCC 模型更为合理。该模型还有一个优势，就是可以将测算所得的综合技术创新效率（EFFCH）分解为纯技术效率（PECH）和规模效率（SECH）两部分，便于深入分析效率产生的来源。DEA 方法测算的效率值处于［0，1］区间，越接近1 说明效率越高，越接近0 说明效率越低。DEA 分析方法主要反映某个时间截面各DMU 的效率情况，因此适合做静态比较分析。

1.2 Malmquist 指数模型

Malmquist 指数模型测算的是自t期至t＋1 期的效率变化情况。根据Farrell（1953）［8］关于Malmquist生产效率指数的定义，全要素生产率（Total Factor Productivity，简称TFPCH）主要由综合技术效率变化（EFFCH）和技术进步变化（TECHCH）组成。而综合技术效率变化（EFFCH）可进一步分解为纯技术效率变化（PECH）和规模效率变化（SECH）。因此，Malmquist 测算的效率指数可由纯技术效率变化、规模效率变化、技术进步变化的乘积表示。由于Malmquist 指数着重考察跨期效率变化，因此适合用来做动态对比分析。与DEA 模型结合，即可以从静态和动态对比两个角度较为全面评价创新效率的真实情况。

1.3 指标体系的选取

DEA 方法是一种评价投入-产出效率的方法。参考相关文献，投入指标基本都是资本和人力两类要素，只是指标选取稍有差异。产出指标则是创新投入所产生的经济效益，最常见的是“新产品销售收入”。由于许多技术创新无法很快转化为产品，单纯用效益指标来衡量创新效率是不足的，因此本文在测量创新产出上补充了“有效发明专利数”这个指标。本文选取的投入和产出指标均为国家统计年鉴公开发布的指标，具有权威性和真实性。具体指标见表1。

表1 技术创新效率投入和产出指标

从全国范围来看，X1、X2、X3 这3 个投入要素以及Y1、Y2 这两个产出要素，2012～2021年的变动趋势数据如表2所示。

表2 全国工业企业技术创新投入和产出数据

数据显示，工业企业2012～2021年的投入和产出，总体上是逐年递增的，而且增长趋势较为平稳、连续。

2 实证研究

为深入考证全国范围内工业企业的创新效率、创新效率的贡献来源于哪些部分、分地区发展水平等因子，本文采用下列方法展开分析。

2.1 DEA 静态研究

DEA 方法分两种模式，即投入导向分析法和产出导向分析法。考虑到大部分企业都是在既定产出的条件下控制投入，面向投入导向的DEA 方法更贴近现实，所以本文选择这一模型。

2.1.1 综合效率值、纯技术效率值、规模效率值评价

表3 截取2012年、2017年、2021年3 个年度的综合效率值、纯技术效率值、规模效率值以及10年的平均值进行报告。

表3 全国工业企业技术创新的综合效率

PECH测量了工业企业在一定研发投入情况下的生产效率，其影响因素主要是管理和技术。SECH测量了工业企业的产业结构通过优化配置对产出单元所发生作用的大小，其影响因子主要是生产规模。观察表3，从综合效率值（EFFCH）看，有3 个情况需要关注：（1）全国各地的年度技术创新EFFCH水平与当地的经济发展程度基本对应，北京、上海、天津、广东、浙江等地区考察期内多数年份工业企业的技术创新效率达到1 或者接近于1；（2）经济相对落后地区工业企业的技术创新效率并不是普遍偏低，西藏、新疆、青海等地区某些年份创新效率也达到了1，西藏地区在研究期间技术创新效率竟然都高达1，说明中、西部及东北部地区的创新效率正在接近甚至赶上东部地区；（3）从时间序列看，全国各地区的技术创新效率递次演进，总体呈上升态势。从纯技术效率值（PECH）看，经济发展水平相对较好的地区PECH值也较高，且常年保持高水平发展态势。此外，西藏地区工业企业的PECH值虽然也常年为1，但因其投入产出指标与其他地区差了几个数量级，只能属于低水平有效率。

从规模效率值（SECH）看，我国各个地区技术创新的规模效率没有一直为1 的城市，但绝大部分处于0.8 以上较高水平。最值得注意的是规模效率的波动率比较大，说明规模效率的影响因素较多，稳定保持在较高水平并不容易。

接下来，再分别观察一下全国EFFCH、PECH、SECH的平均值走势图，如图1所示。

图1 全国工业企业综合效率、纯技术效率、规模效率走势

由图1 知，全国工业企业技术创新效率在2012～2021年间呈波动上升态势，其中2012～2013年、2019～2020年两个时间段呈跃升态势，EFFCH从0.62 上升至0.82；PECH测量值2012～2021年增长趋势非常平稳，从0.72 上升至0.86；SECH从0.86 上升至0.96，但其上升趋势呈现明显的波动性，特别是在2015年和2019年两个年份出现大幅下降的现象。因为PECH上升趋势非常稳健，EFFCH的波动主要是受到SECH波动的影响。

2.1.2 四大经济区工业企业技术创新效率评价

由于我国各地区经济发展水平差异较大，有必要分区域进一步观察其工业企业技术创新效率的差异，以便更好地分析技术效率变动的原因，因地制宜地研究和提出具有针对性的提升工业企业技术创新效率的政策措施。按照国务院对我国经济区域的划分，全国内陆31 个省（区、市）可以划分为四大经济区域，即东部地区（包括北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省）、中部地区（包括山西省、安徽省、江西省、河南省、湖北省、湖南省）、西部地区（包括内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区）以及东北地区（包括辽宁省、吉林省、黑龙江省）。图2 展示了四大经济区域2012～2021年工业企业技术创新效率的平均水平。

图2 四大经济区域工业企业技术创新的综合效率

图2 显示，四大经济区域的EFFCH在2017年之前差距较为明显，东部地区创新效率大多数年份在0.8～0.9 之间波动；中部地区大多数年份则在0.7～0.8 之间波动；西部和东北地区大多数年份则在0.6～0.7 之间波动。但自2017年开始，虽然中间有些波动，但四大经济区域的创新效率逐年接近。

下面就四大经济区域的PECH水平作一比较，观察其创新能力的差异。

图3所示，2012～2021年东部地区PECH稳定保持在0.9 接近区位，而中部、西部、东北地区PECH呈现较为稳定的上升趋势，差距逐步缩小至0.1 以内，并维持至2020年。表明东部地区的先进生产方式与管理经验正有效扩散，被其它地区快速吸收。

图3 四大经济区域工业企业纯技术效率

观察四大经济区域SECH的测量值。

图4 显示，四大经济区域SECH水平没有明显差距，2012～2021年基本保持一致，且没有明显的上升或下降趋势，但波动率明显比PECH大，这是导致EFFCH波动的主要原因。另外，四大经济区域SECH基本保持同向波动的趋势，其中中部和东部地区波动率相对较大，这与我国工业企业更多位于中部和东部地区有关。

2.2 Malmquist 指数动态分析

Malmquist 可以动态反应全国31 个省（区、市）工业企业技术创新效率的变化情况，应用DEAP 2.1 对Malmquist 指数进行分析，可以得出表4 结果。

表4 全国工业企业Malmquist 指数及其分解

逐年变化看，全要素生产率变化指数（TFPCH）绝大多数年份大于1，表明全国工业企业生产效率呈现向好趋势。进一步分解看，技术进步指数（TECHCH）总体均值仅1.009，说明全国范围内外生技术进步能力并不稳固。再看技术效率（EFFCH）的变化情况，明显出现不稳定的波动状态，但值得欣慰的是技术进步和技术效率两个指数出现较好的互补现象，即一个下降时另一个上升。导致这一现象的原因，本文认为与我国技术创新的举国体制和国有企业在全国工业企业中占绝对主导地位有直接关系，充分证明了我国的体制优势在经济运行中起到了压仓石作用。在综合技术效率的分解中，纯技术效率保持稳定改善的趋势，规模效率则起伏较大。

表5 数据显示，全国31 个省（区、市）2012～2021年的全要素生产率绝大多数是上升的，这种上升的趋势主要归因于综合技术效率稳定增长的结果，而综合技术效率的稳定增长源于纯技术效率的稳步提升。

表5 全国31 个省（区、市）工业企业技术创新Malmquist 指数及其分解

进一步将全国31 个省（区、市）分为四大经济区域来观察，以上结论会更为清晰。

从表6 可以清晰发现，经济相对落后地区2012～2021年全要素生产率的增速反而是高的，由高到低分别是东北地区、中部地区、西部地区、东部地区（中部和西部的测量值基本相等）。这表明国家“中部崛起”、“西部大开发”、“东北振兴”战略显现出良好的成效，东部等经济发达地区的技术扩散效应、产业结构转移等有效带动了相对落后地区的快速赶超。

表6 四大经济区域Malmquist 指数及其分解

3 结论与建议

通过运用DEA-Malmquist 指数模型测算31 个省（区、市）工业企业技术创新效率，并分四大经济区域分析各自的技术创新水平及差异，探讨形成效率差异的原因，最终得出以下3 个主要结论：

（1）十八大以来，全国工业企业的技术创新效率呈现良好的稳步提升态势。创新综合效率的提升主要归因于纯技术效率的稳步提升。从全国工业企业纯技术效率图表看，这个结论更为显著，从2012年0.7 的水平稳步上升至2021年接近0.9的水平。而全国工业企业效率的提升，主要在于中部、西部、东北部相对东部落后的经济区的追赶。从四大经济区的纯技术效率水平图可以看出，东部经济区2012～2021年间纯技术效率保持稳定，而中部、西部、东北部经济区的纯技术效率与东部的差距在逐渐缩小，中部经济区的工业企业创新的纯技术效率在2021年已基本与东部持平。

（2）全国各地区工业企业技术创新差距正在缩小，全国统一大市场正有序形成。运用Malmquist指数动态来看，2012～2021年间全国31 个省（区、市）工业企业的创新效率和全要素生产率基本都在提升。特别是四大经济区全要素生产率，越是相对落后的地区全要素生产率越高，这说明了技术创新在全国范围内得到有效的扩散，先进带后进的格局清晰、态势良好。再从静态对比看，在东部地区纯技术效率一直保持领先的情况下，相对落后地区的规模效率通常高于东部地区，特别是2017年之后更为明显，这也是四大经济区在综合创新效率上较为接近的原因，体现了制约全国统一大市场形成的要素资源流动壁垒正被逐步打破。

（3）政策因素与外部市场环境是影响中国工业企业创新的主要变量。政府支持政策包括产业扶持政策、营商环境打造、人才引进、政府直接投资及税收减免等，这是中国工业企业技术创新的直接推动力。特别是在中美贸易摩擦之后，国家极为注重自主创新能力的建设，体现在DEA 分析模型中，就是2019～2020年全国整体工业企业技术创新效率的跃升。此外，外部市场环境会在短期内对工业企业的技术创新效率产生较大影响，具体体现在规模效率上，通过影响投入要素的配置进而影响综合创新效率。体现在模型中，2015年的股市剧烈波动和2019年中美激烈的贸易摩擦，以及2020～2021年新冠肺炎疫情的暴发，均对全国工业企业技术创新效率产生较大负面影响。但影响是短期的，在政府有力的宏观调控及市场有效的自我调节下，技术创新效率水平会很快修复，回归上升通道。

要再次强调的是，DEA 方法仅是用来评估同一时期测评对象效率的相对水平，因此更适合趋势分析，不适合定量分析。以上结论的主要价值在于，通过静态对比和动态分析，全景展现了十八大以来全国整体以及分区域工业企业技术创新效率的变化趋势，佐证了我国在追寻中国式现代化道路上各时段发展战略体现在工业企业技术创新上的效果，并且初步剖析了规模不经济是制约技术创新效率的主要因素，而这需要体制机制的纵深改革才能改善。

针对上述研究结论，为进一步提升我国工业企业技术创新效率，本文提出以下4 点建议：

（1）进一步推动数字化、信息化和新能源、新材料等先进技术的研发应用，加快形成全球技术创新优势。技术创新是经济发展的动力源，技术扩散是缩小地区间经济发展水平的发动机，各地区经济发展水平的协调均衡，是构建新发展格局的基础支撑。因此在宏观战略上应坚定推动“西部大开发”、“中部崛起”、“东北振兴”、“东部先行”等区域发展战略的实施，同时鼓励支持各省（区、市）因地制宜，制定差异化的产业主导政策，大力优化营商环境、法治环境、创新环境，吸引更多优势要素的聚集［9］。

（2）全面深化要素市场化配置改革，切实提高要素配置效率。上述分析表明，我国绝大部分地区工业企业的技术创新效率存在规模不经济现象，多数处于规模报酬递减阶段。这说明在创新要素的投入上还存在浪费和配置不合理问题，主要症结在于要素的市场化改革远滞后于产品市场，若不能大刀阔斧的深化改革，就不可能实现要素的自由流动和有效配置，创新成本和创新风险也将居高不下。

（3）积极引导工业企业提升创新管理水平，全面清除创新壁垒。打通创新的断点、堵点，解决创新的难点、热点是当前亟需应对的问题，各级政府应不断调整自身投资方向、研究方向及成果转化方向，建立健全产学研一体化机制，为技术进步、应用、扩散、再进步的良性循环提供有力支撑。

（4）深入推进国有企业改革，加强和完善现代企业制度建设。数据显示，2012～2021年全国工业企业整体规模效率基本在同一水平波动，这说明在管理效率和资源利用效率上仍有很大的提升空间。因此，创新制度模式，改善要素配置效率，激发创新活力，应是未来工业企业特别是国有工业企业改革的重中之重。