高新技术园区创新效率评价、影响因素与提升路径——以中关村国家自主创新示范区为例

罗 植

（北京市社会科学院管理研究所，北京 100101）

一、引言

党的二十大报告强调，高质量发展是全面建设社会主义现代化国家的首要任务。目前，推进高质量发展还有许多卡点瓶颈。持续提升科技创新能力是突破这些卡点瓶颈的关键。高新技术园区作为我国科技创新的重要基地，其创新效率不仅直接影响着科技创新能力，也直接影响着经济社会发展质量，是实现高质量发展的主阵地。中关村国家自主创新示范区是我国第一个国家自主创新示范区。从2013年到2020年，中关村示范区的技术收入从4032.4亿元增加到16027.4亿元，名义值年均增长21.8%；企业专利授权从20991件增加到71797件，年均增长19.2%。可以说，中关村是引领科技创新发展的一面旗帜，是全国最重要的高新技术园区之一，它不仅是北京建设国际科技创新中心的主阵地，也是推动我国经济社会高质量发展的重要引擎。为进一步提升高新技术园区的创新效率，推动高质量发展，有必要以中关村示范区为代表，在评价创新效率的基础上，分析决定高新技术园区的创新效率主要影响因素，探讨创新效率的提升路径。

评价效率的方法不少，以数据包络分析（DEA）和随机边界分析（SFA）最为常见。肖文和林高榜使用SFA测算了中国36个工业行业的技术创新效率，并分析了政府支持和研发管理的影响［1］。韩晶使用SFA测算了中国高技术产业的创新效率，并分析了企业数量、总资产和利润等因素的影响［2］。因为创新活动通常涉及多个投入和多个产出，且没有比较认可的生产函数形式，所以使用基于DEA估算创新效率的研究更为丰富，研究对象从微观的企业和高校，到中观的行业，再到宏观的地区都有［3-6］。刘美芳和王晶莹使用DEAMalmquist指数模型测算了中关村科技园区各行业的创新效率变动指数，并基于Tobit模型考察了影响变动程度的主要因素［7］。严佳和王晋梅等同样使用DEA-Malmquist指数模型测算了中关村各园区创新效率的变动指数［8］。可以看到，利用基于DEA的方法测算创新效率或其变动指数的研究比较丰富，但重点针对中关村示范区的不多。而且，现有研究多是利用Malmquist指数考察创新效率变动情况，从多个角度比较创新效率水平值并考察主要影响因素的研究相对较少。Malmquist指数只能反映效率的变化情况，无法衡量效率的水平值，以此为基础考察影响因素难以得到无偏估计结果。而且，只有从多个角度考察影响因素才能更有效地把握其微观基础。为此，本研究拟基于DEA方法选择合适的测算模型，从多个角度考察中关村示范区创新效率的水平值，并检验其主要影响因素，为进一步提高中关村示范区的创新效率，发挥高新技术园区的创新引领作用，提供必要的经验依据。

二、模型、指标与数据

（一） 超效率SBM模型

数据包络分析（DEA）是在构建生产前沿面的基础上，通过比较各单元的投入产出情况到生产前沿面的距离来测算相对效率的。基于DEA的测算模型很多，考虑到创新活动的高风险、高收益，及特殊的投入产出结构等特征，本研究拟在规模报酬可变的假设下，使用非径向、非有向的超效率SBM（Slacks-Based Measure）模型测算创新效率［9］。

首先，使用SBM模型测算所有单元的效率水平。对于一个包含n个决策单元的系统，若将m种投入的向量记为，将s种产出的向量记为，那么，根据规模报酬可变的超效率SBM模型，决策单元0的效率可通过下式测算。

评价模型中，sx−Rm和sy−Rs分别为投入和产出的松弛变量，即投入的冗余量和产出的不足量。ρ*为决策单元的效率值，介于0到1之间。当sx和sy都等于0时，ρ*为1，即决策单元是有效的。当sx或sy不都等于0时，ρ*则小于1，即决策单位的效率存在改进空间。

接着，在计算得到效率值后，再使用超效率SBM模型重新计算效率值为1的有效单元（计算公式可参见Tone的研究［10］），使有效单元也具有相对可比性。超效率SBM模型突破了有效单元效率值只能是1的上限，使得各单元的效率对比更为准确，而且，考察影响因素的方法与模型也不用再局限于Tobit等受限因变量回归。

（二） 指标数据

本研究以中关村示范区2013年到2020年的创新效率为研究对象，所涉及的指标与数据如表1所示。

表1 指标与数据说明

创新活动的投入主要可归结为劳动力和资本两类。劳动力投入使用年末从业人员中的科技活动人员数量衡量。资本投入使用科技活动资本存量衡量。该数据使用现有研究普遍使用的永续盘存法核算，其中流量数据使用科技活动经费支出总额，折旧率设为15%［11］，基年的存量K0在假设流量增长率等于存量增长率的基础上，通过K0＝E1/（g＋δ）估算，增长率g使用流量增长率近10年的几何平均数［12］。

创新活动的产出包含多个方面。一些研究将各类产出分为技术开发和成果转化两个阶段［13-14］。技术开发阶段的成果主要体现为专利，成果转化阶段的成果主要体现为技术交易和新产品销售。本研究同时考虑这两个阶段，技术开发阶段的产出用专利授权数衡量，成果转化阶段的产出用技术收入和新产品销售收入衡量。

影响创新效率的外部因素很多，本研究主要从企业、园区或行业、政府、对外贸易和市场五个层面考虑。企业层面主要通过企业数量考察企业聚集度的影响，检验企业间的竞争是否存在溢出效应。园区和或行业层面主要通过工业总产值考察产业规模的影响，检验规模效应是否存在。政府层面主要通过实缴税费率考察政府行为的影响，检验政府支持是否有利企业的创新活动。对外贸易主要通过进口及出口占产品销售收入的比重考察对外贸易的影响，检验进出口水平是否有利于新技术获取。市场层面主要通过利润水平考察市场需求的影响，检验利润率能否激励创新活动。

上述指标涉及的数据全部来自历年的《北京统计年鉴》《北京区域统计年鉴》《中关村年鉴》《中关村国家自主创新示范区年鉴》。其中，名义数据使用北京市平均的地区生产总值平减指数换算实际值。

（三） 影响因素检验模型

根据上述影响因素的选取，可构建如下固定效应面板回归模型。为了削弱共线性和异方差等问题的景程，所有变量采用对数形式进入方程，即使用对数线性回归模型。

模型中，下标i表示园区、行业或注册类型，下标t表示年份，ai表示难以观测或测量的个体效应，ε为随机干扰项。因变量eff为创新效率。自变量agg为企业数量，scale为工业总产值，gov为实缴税费总额占总收入的比重，import为进口总额占产品销售收入的比重，export为出口总额占产品销售收入的比重，profit为利润率。ln为取自然对数的标记。

三、创新效率与影响因素

（一） 创新效率

按照SBM模型及其超效率模型，从园区、重点行业和注册类型角度分别测算中关村示范区的创新效率，并计算其2013年到2020年的平均水平（几何平均数），其结果如图1所示。

图1 各园区、行业、注册类型创新效率平均水平

第一，从园区角度看，大部分园区的创新效率处于有效水平附近，其中海淀园的创新效率最为突出。2020年，海淀园的企业数量接近整个示范区的一半，工业总产值占示范区的20%以上，总收入占示范区的40%以上。2013年到2020年，海淀园的创新效率从3.23持续增长到4.60，平均水平达到4.252。除海淀园外，大部分园区的创新效率位于1附近。创新效率较低的园区有石景山园、门头沟园、西城园和房山园，其2013年到2020年的平均水平都不足0.7。其中，石景山园和门头沟园的创新效率最低，且相对稳定，其平均水平都不到0.5。西城园创新效率虽然平均水平不高，但波动较大，有些年份能达到有效水平1以上，但有些年份还不足0.3。

第二，从行业角度看，电子与信息行业的创新效率最高，生物医药、航空航天和现代农业的创新效率较低。电子与信息是近几年技术创新的重点领域、热点领域。2020年，中关村示范区属于电子与信息行业的企业近1.8万家，占整个示范区企业数量的六成以上。由于市场需求大和技术转化快等特点，该领域的创新产出也一直处于较高水平。从发展趋势看，电子与信息行业的创新效率在波动中略有提升，从2013年的2.35提高到3.47，2020年又回落到2.66。生物医药、航空航天和现代农业可能受研发周期较长等行业特点的限制，其创新效率长时间处于较低水平。

第三，从注册类型看，集体和有限责任的创新效率都接近于2，处于较高水平。私营、股份合作和国有的创新效率整体较低，其平均水平都不到0.4。其中，私营的创新效率比较稳定，长期处于0.4以下。集体和股份合作的创新效率存在较大波动，个别年份能达到有效水平1以上，这可能与其所包含的产业特点有关。

（二） 影响因素

分别从园区和行业两个角度估计影响因素模型（通过了LLC和IPS两种面板单位根检验），结果如表2所示。前两列为以园区为对象的估计结果，后两列为以行业为对象的估计结果（因数据异质性不包括海洋工程行业）。作为对比，第二列和第四列为水平值的线性模型的估计结果。为了缓解自相关和异方差问题，使用Driscoll-Kraay稳健型标准误推断估计结果，滞后阶数设置为1。

表2 创新效率影响因素的估计结果

第一，从行业角度看，企业聚集有助于创新，但影响程度较小。在行业对数线性模型的估计结果中，企业数量的估计系数可在1%的水平上显著为正，即同行业间的企业竞争有助于提升创新水平，同行业企业数量提高1%，创新效率可提高约0.753%。但该变量在线性模型中的估计结果并不显著。说明企业竞争的溢出效应不高，且存在收益递减特征。即，在企业数量较少时，增加企业数量更容易提高创新效率。但当企业数量处于较高水平时，获得同水平的效率提升，需要增加的企业数量将以指数级别扩大。从园区角度看，企业聚集的激励作用更弱，且显著性水平不高。这是因为，园区内通常包含多个行业，且行业间竞争不及行业内竞争，所以企业竞争的溢出效应被分散到各行业。

第二，行业规模对创新效率存在一定促进作用，但园区规模影响不大。行业模型中工业总产值的估计结果可在10%的水平显著为正。其中，对数线性模型的结果说明，行业的工业总产值提高1%，创新效率提高约0.287%。同样，因园区规模是多个行业的总和，所以其促进作用有限。

第三，政府的税费优惠政策总体上有利于创新效率，但从行业角度看影响并不显著。在园区模型的估计结果中，实缴税费率的估计系数可在1%的水平上显著为负，说明税费优惠政策可以提升创新效率，平均实缴税费降低1%，创新效率约能提升0.574%。但从行业角度看，该影响在统计上并不显著。这可能是因为优惠政策的制定多是围绕园区的，而不是针对具体行业的。

第四，对外贸易对创新效率的影响在统计上不显著。从中关村示范区的经验数据看，进口和出口比重的估计系数基本都不显著，即对外开放程度对创新效率不存在显著影响。在线性模型中，虽然进口比重的估计系数在统计上是显著的，但实际影响水平较低。

第五，市场需求是影响创新效率的重要因素。利润率在四个模型中的估计结果都显著为正，说明稳定且较好的市场预期更有助于企业开展创新活动。从行业模型看，利润率提高1%，创新效率可以提高约0.309%。从园区模型看，利润率提高1%，创新效率可提高约0.024%。

四、政策含义

通过DEA-SBM超效率模型，本研究从园区、行业和注册类型角度测算了中关村示范区的创新效率，检验了企业聚集度、园区及行业规模、政府支持、对外贸易、市场环境的影响。结果显示，行业内的企业聚集、扩大行业规模、提升税费优惠和降低市场风险对提高创新效率都有积极作用。因此，进一步提高中关村示范区的创新效率，推动经济社会高质量发展，可以从以下三个方面考虑。

第一，优化营商环境，吸引更多企业开展创新活动。企业是创新的主体。通过进一步优化营商环境，深化“放管服”改革，降低科技型企业的准入门槛，做强创新主体，是提高自主创新水平的关键。一方面，更多同领域企业的聚集可以提高竞争强度，激励企业更好地将自身的创新能力发挥出来。另一方面，这些企业的聚集还扩大了行业规模，可通过规模效应提高创新产出，提升创新效率。

第二，加强税收优惠等资金支持政策，兼顾普惠与精准。各类资金支持政策可以降低企业开展创新活动的成本，在提高企业创新积极性和创新效率方面一直发挥着重要作用。中关村的税收优惠等资金支持政策一直先行先试走在全国前列，极大地释放了创新活力。未来，在保持普惠支持力度的同时，还可以进一步提升政策的精准性。比如，可围绕基础研究和关键技术，以及数字经济等重点领域制定更有针对性的资金支持政策，兼顾普惠与精准两个方面。

第三，完善科技创新产品的政府采购制度，提高采购产品的技术含量和中小企业的采购比重。政府采购可以有效降低市场风险，为企业的创新产品提供稳定和预期清晰的需求。而且，政府采购通常能给企业提供更大的订单量，并形成示范效应，放大市场需求，使企业的生产形成规模效应，为企业带来更高利润，进而提升创新效率。在进一步完善政府采购科技创新产品制度方面，政府可以不断提高对中关村示范区高技术含量产品的采购比重，并进一步加大对中小企业的采购比例，为更多企业和更高风险的创新活动提供资金和政策支持。