中国高技术产业创新效率的时空演变特征

2024-05-26 01:21苏耀华
统计与决策 2024年9期
关键词:高技术省份均值

苏耀华,李 全

(1.中国财政科学研究院,北京 100142;2.兰州财经大学 会计学院,兰州 730101;3.南开大学 金融学院,天津 300350)

0 引言

当前,全球新一轮产业结构调整方兴未艾,以数字化、网络化、智能化为主要特征的新一轮科技革命和产业变革加速兴起。高技术产业作为创新前沿面,是国家实现创新驱动发展的前沿阵地,是一个国家或地区综合竞争力的重要体现。但是由于我国的高技术产业起步较晚,发展时间短且基础薄弱,自主研发能力不足和较低的科技成果转化率严重制约着高技术产业创新效率的进一步提升。提升中国高技术产业发展质量、推进供给侧结构性改革,要求在创新驱动发展战略的引领下,准确测度高技术产业创新效率、定位创新发展薄弱环节、识别创新低效率区域,为建设现代化经济体系提供战略支撑。

当前,学者们主要使用SFA(随机前沿分析)模型和DEA(数据包络分析)模型对高技术产业创新效率进行估算,研究发现高技术产业创新效率不高,有较大的优化空间[1];技术转化阶段效率值高于开发阶段[2];东部地区的创新效率高于中西部地区[2,3]。也有研究分析了研发阶段和转化阶段高技术产业创新效率的地区差异和动态演进特征,发现高技术产业研发创新效率和技术效率呈现下降趋势,并且地区差异显著[4],由东部地区向中西部地区阶梯式递减[5]。对高技术产业创新效率时空差异的研究发现,2008—2013年我国30个省份之间的高技术产业创新效率存在正向的空间相关性[6];高技术产业研发效率空间相关性明显,而成果转化效率空间相关性不明显,两者均存在明显的区域异质性特征[7]。

综上可知,学术界对于高技术产业创新效率测算方法的研究已经比较完善,但是对于高技术产业创新效率时空差异的研究还较少,并且学者们大多使用Dagum 基尼系数、核密度估计等统计学上的方法进行时空差异和动态演进特征分析,因此本文在使用随机前沿分析模型测算更长时间内省级层面高技术产业创新效率的基础上,引入空间计量经济学的方法,对各省份间高技术产业创新效率的空间相关性进行分析,以对现有研究进行有益补充。

1 研究设计

1.1 研究方法

1.1.1 创新效率测度

本文借鉴Battese 和Coelli(1992)[8]的研究,使用随机前沿方法测算高技术产业创新效率:

式(1)中,yit是第i个地区在第t期产出的对数值;xit是一个k×1 的向量(或其转置形式),表示第i个地区在第t期的投入数量的对数值;β是未知参数向量;vit是随机噪声,假设vit~N(0,)且与uit不相关;uit衡量技术无效率状况,假设uit~i.i.d.N+(μ,);η是考虑时变性的待估参数,η>0 表示技术效率随着时间推移不断提升,η<0 表示技术效率随着时间推移不断降低,η=0 表示技术效率保持不变。

1.1.2 参数检验

随机前沿模型的检验主要包括两类:一是适用性检验,如是否可以使用SFA 模型、生产函数形式是否为Translog、是否存在时变性等,一般采取广义似然比(LR)检验,广义似然比的统计量LR为:

其中,α为显著性水平,自由度k为受约束的变量个数。说明拒绝原假设,选取SFA方法是合理的;反之,则接受原假设,选择普通的最小二乘法即可。

二是参数估计值检验,判断估计得到的参数值是否具有统计学意义。常用的生产函数形式是柯布-道格拉斯生产函数(C-D 生产函数)和超越对数(Translog)生产函数,由于Translog 生产函数更具一般性,因此先构建Translog生产函数的随机前沿模型,据此说明随机前沿模型检验的内容和步骤。对于由N个厂商在T个时期内组成的面板数据集,考虑资本和劳动两种投入要素,时变性随机生产前沿模型用Translog形式表示如下:

为了确定生产函数形式,需要进行生产函数形式检验。原假设为H0:βKK=βLL=βKL=0,即模型中所有的二次项系数为零。若接受原假设,则选择C-D生产函数;反之,若拒绝原假设,则选择Translog生产函数。

1.1.3 莫兰指数

莫兰指数(Moran’s I)能够有效检验高技术产业创新效率的空间关联性和集聚性,全局莫兰指数计算公式为:

局部莫兰指数的计算公式为:

若局部莫兰指数为正值,则表明该区域存在“H-H”或“L-L”集聚区;若为负值,则表明该区域存在“H-L”或“L-H”集聚区。

1.1.4 核密度估计

核密度估计主要用来估计概率密度函数,通过连续的密度曲线来描述高技术产业创新效率的分布形态。

1.2 指标选取

一个完整的高技术产业创新活动主要由产品研究开发和成果转化两个阶段组成。在产品研发阶段,高技术产业的创新投入一般包括资本与人力两类要素。选取R&D人员全时当量作为创新人员投入变量,因为在一个完整的创新活动中,R&D 人员全时当量可以反映创新人力要素的实际投入水平[9];选取R&D经费内部支出作为创新资本投入变量,避免了使用R&D 资本存量时需要依据个人经验确定折旧率的缺陷。创新产出指标主要使用新产品销售收入[10]和专利申请数[11]。有效发明专利数是高技术企业开发新产品的动力,当发明专利处于有效期内,企业就无需担心创新成果被他人据为己有,从而集中精力开发新产品,创新效率也就更高。因此本文选择有效发明专利数作为产品研发阶段高技术产业创新产出的指标。

在成果转化阶段,由于创新活动还未完成,因此仍然选取R&D人员全时当量和R&D经费内部支出作为高技术产业创新投入的指标。创新产出指标主要有新产品销售收入[4]和技术市场成交额[7]两种,相比技术市场成交额,新产品销售收入与创新活动联系更为密切,是创新产出的直接表现结果,因此本文将它作为该阶段的创新产出指标。

1.3 数据来源

由于港澳台、新疆、西藏和青海的数据缺失较多,因此进行剔除处理,选取中国28个省份为研究对象,时间跨度为2006—2020年,数据主要来自《中国高技术产业统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》以及各省份统计年鉴。为减少数据波动、使数据更加平稳、缩小数据的绝对数值、方便计算、消除数据存在的异方差等问题,对指标进行取对数处理。

2 实证分析

2.1 参数检验

下页表1列(1)、列(2)显示了产品研发阶段高技术产业创新效率的SFA模型参数估计结果,模型1为超越对数生产函数检验结果,模型2 为柯布-道格拉斯生产函数检验结果。先进行模型的适用性检验,模型1 和模型2 的γ值均显著为正,说明技术无效率项是存在的,这一结论符合实际情况,产品研发阶段处于创新过程前期,高技术产业创新效率值会受到政府支持、技术水平、外商直接投资等多种因素的影响,对结果产生一定影响,而DEA模型无法对技术无效率项进行设定,会使得估计结果不准确,因此选择SFA 模型测度我国高技术产业创新效率更合理。再进行生产函数形式的检验,LR 统计量大于5%的显著性水平上混合卡方临界值,拒绝原假设,说明选择超越对数生产函数形式是合理的。因为在产品研发阶段,技术不断发展,各要素份额也在时刻变化,超越对数生产函数形式更符合实际。此外,η值显著为正,说明产品研发阶段高技术产业创新效率随着时间推移不断提升,在建设创新型国家的背景下,通过产品研发积累经验和技术,为创新效率提升奠定基础。

表1 高技术产业创新效率的SFA参数估计结果

表1列(3)、列(4)显示了成果转化阶段高技术产业创新效率的SFA模型参数估计结果,模型1为超越对数生产函数检验结果,模型2 为柯布-道格拉斯生产函数检验结果。在模型的适用性检验中,γ值均在1%的水平上显著为正,说明技术无效率项存在,选择SFA 模型是合适的。成果转化阶段处于创新过程后期,这时企业规模和政府的支持是影响高技术产业创新效率的重要因素,相比小企业,大企业实力更雄厚,信息获取渠道更广泛,能更快实现创新成果转化;政府的支持可以赋予创新主体更多自主权,促进创新主体敏锐洞察市场需求,打通创新成果转化“最后一公里”。在生产函数形式的检验中,结果显示LR统计量大于混合卡方临界值,拒绝原假设,选择超越对数生产函数形式。

2.2 高技术产业创新效率测算结果分析

表2和下页表3分别为运用Frontier 4.1软件所计算出的2006—2020年28个省份高技术产业产品研发阶段和成果转化阶段创新效率的相对值,进而根据高技术产业创新效率的区域特征差异以及各省份的经济发展状况,将所得的效率值按照东部、中部、西北和西南地区[12]进行划分并计算均值①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南,中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古、广西,西北地区包括陕西、甘肃、宁夏,西南地区包括四川、重庆、贵州、云南。。

表2 2006—2020年各省份高技术产业产品研发阶段创新效率

表3 2006—2020年各省份高技术产业成果转化阶段创新效率

限于篇幅,表2 仅报告了28 个省份2006 年、2011 年、2016年和2020年4个年份的高技术产业研发阶段的创新效率。整体而言,高技术产业研发阶段创新效率逐年提高,并且增速较快,2006年我国高技术产业产品研发阶段的创新效率仅为0.0494,到2020 年增长到0.4890,但是各省份之间存在明显的区域发展不平衡,经济发达省份的高技术产业创新效率相对较高。2020年北京和广东的高技术产业创新效率均在0.7以上,江苏、浙江、上海等传统的经济强省也处在全国前列。而甘肃、宁夏、内蒙古等西北地区省份的均值均未超过0.4,在全国范围内处于落后水平。考虑到每个省份的经济发展状况不同,经济实力强的省份更能吸引创新要素集聚,通过不断调整资源配置和产业结构,以较少的创新投入获得较大的创新产出,因此高技术产业创新效率高;而经济落后省份缺乏优越的创新环境,高技术产业创新支持较少,创新效率不高。

分区域来看,东部地区和西南地区处于较高水平,2020 年的均值分别为0.5482 和0.5209,随后是中部地区,均值为0.4520,西北地区最低,均值仅为0.3524。在数字经济时代的大背景下,东部地区重视互联网技术的发展,打造了一大批科技创新平台,吸引了全国创新要素的集聚,并且积极与国际先进企业交流学习,获得了先进的管理和创新经验,为高技术产业提供了优越的创新环境,同时地方政府也十分重视企业创新活动,不仅鼓励企业进行产品研发,还尽量完善相应的配套机制,为高技术产业创新保驾护航,因此东部地区高技术产业创新效率最高。西南地区的高技术产业创新效率仅次于东部地区,“三线建设”为西南地区奠定了良好的现代工业基础,西部大开发战略、“一带一路”倡议等红利使得西南地区吸引了大量资金、技术与人才,有利于创新活动的开展。中部地区近些年也依靠国家政策支持和承接东部地区的产业,不断调整产业布局,积极进行产业升级,实现更高效的发展。而西北地区经济发展落后,对资源过度依赖,陷入“资源诅咒”,并且改革开放之后人才流失严重,缺乏产业转型和创新动力,抑制了创新效率的提升。

直流母线上设置一个0.02 Ω电阻作为采样电阻,并产生一定的电压降,经放大器放大后输入到单片机,电位器可改变放大电路放大倍数,进一步实现电流精确的控制。在直流母线间并联一对分压电阻,单片机内部自带的A/D端口即可完成对电压的测量。具体电路如图4所示。

限于篇幅,表3 仅报告了28 个省份2006 年、2011 年、2016年和2020年4个年份的高技术产业成果转化阶段的创新效率,整体呈现平稳上升的态势,并且大于产品研发阶段创新效率均值,但是增速较小,从2006年的0.3759增长到2020年的0.5886,远远小于产品研发阶段的增长率。

分区域来看,虽然成果转化阶段创新效率均值总体水平较高,但是仍然有15 个省份高技术产业创新效率均值低于全国平均水平。东部地区和西南地区处于较高水平,均值分别为0.6002 和0.4638,中部地区次之,均值为0.4046,西北地区最低,均值仅为0.3420。各省份之间高技术产业创新效率相差较大,天津的高技术产业创新效率最高,均值为0.9547,而海南的创新效率最低,仅为0.0912。说明我国区域之间高技术产业成果转化阶段创新效率存在较大差距,两极分化现象较为严重。

从图1可知,2006—2020年中国高技术产业研发阶段的创新效率均值总体上呈线性增长的趋势,并且增长幅度较大,2006 年高技术产业创新效率不到0.1,而2020 年高技术产业创新效率增长到0.5左右。这个结果也进一步证明了前文参数检验中η>0 的结论,说明随着时间的增长,中国高技术产业创新效率在不断改善。

图1 2006—2020年中国高技术产业研发阶段创新效率的变动趋势

在研发阶段,东部、中部、西北和西南地区的高技术产业创新效率呈现明显的区域异质性特征,其中,东部地区和西南地区的创新效率处于较高水平,西南地区创新效率的增速略快于东部地区;中部地区的创新效率仅次于西南地区,并且与东部地区和西南地区的差距不大,与全国平均水平差距逐年缩小且有赶超的趋势;西北地区高技术产业创新效率值最小,并且随着时间的推移,与其他地区的差距在不断扩大。各地区产品研发阶段的创新效率呈线性增长趋势,与全国总体变化水平基本保持一致,东部地区的高技术产业产品研发阶段的创新效率在考察期内均高于全国均值,而西南地区高技术产业研发阶段的创新效率略低于全国均值;中部地区和西北地区高技术产业产品研发阶段的创新效率在考察期内均低于全国平均水平,但是增长势头较好,尤其是西北地区,2012年之后创新效率快速提高。

从图2可知,2006—2020年中国高技术产业成果转化阶段的创新效率总体上呈线性增长的趋势,但是增长幅度较小,2006 年高技术产业创新效率不到0.4,而2020 年高技术产业创新效率增长到0.6左右。这个结果同样证明了前文参数检验中η>0 的结论,说明随着时间的推移,中国高技术产业创新效率在不断改善。此外,产品研发阶段和成果转化阶段高技术产业创新效率的差距在逐渐缩小,2006年高技术产业研发效率均值在0.1左右,远低于成果转化效率0.38,说明我国产品研发能力较弱,成果转化效率虽然较高但是转化质量较低;2020 年高技术产业研发效率均值和成果转化效率均值都达到了0.6 左右,说明我国不断重视产品研发能力的提升,提高成果转化效率与质量,高技术产业研发效率与成果转化效率匹配程度提高。

图2 2006—2020年中国高技术产业成果转化阶段创新效率的变动趋势

在成果转化阶段,东部、中部、西北和西南地区的高技术产业创新效率呈现明显的区域异质性特征,其中,东部地区的创新效率处于较高水平,西南地区和中部地区的创新效率略低于东部地区,并且两者差距很小,西北地区高技术产业成果转化阶段的创新效率值最小,这与产品研发阶段创新效率的变化保持一致。各地区成果转化阶段的创新效率呈线性增长趋势,与全国总体变化水平基本保持一致,东部地区高技术产业成果转化阶段的创新效率在考察期内均高于全国均值,而其余三个地区成果转化阶段的创新效率均低于全国均值,但是增长势头较好,从变化趋势来看,东部地区的折线图较为平缓,说明东部地区的创新效率增长速度较为缓慢,而中部、西南和西北地区的折线图都比东部地区陡峭,说明这三个地区的创新效率增速大于东部地区。

2.3 高技术产业创新效率的动态演进趋势分析

图3 高技术产业产品研发阶段创新效率的核密度估计曲线

图4 高技术产业成果转化阶段创新效率的核密度估计曲线

图3 从整体上描述了我国28 个省份高技术产业产品研发阶段创新效率在2006 年、2011 年、2016 年、2020 年的分布动态演进趋势。可以看出,观测期内全国总体核密度曲线中心从2006 年的[0,0.2]区间偏移至2020 年的[0.4,0.6]区间,变化区间呈现逐渐右移的趋势,说明高技术产业在产品研发阶段的创新效率明显上升;峰尖在2006 年处于较高位置,到2016 年有所下降,2020 年又小幅回升,并且曲线宽度有逐渐变宽的趋势,说明我国高技术产业产品研发阶段创新效率水平的集聚程度先下降后上升,绝对差异存在一定程度的扩大趋势;左侧边界拖尾现象越发明显,说明创新效率较低的省份与平均水平的差距在逐渐拉大。

图4 从整体上描述了我国28 个省份高技术产业成果转化阶段创新效率在2006 年、2011 年、2016 年、2020 年的分布动态演进趋势。可以看出,观测期内全国总体核密度曲线中心从2006 年的[0,0.4]区间偏移至2020 年的[0.4,0.8]区间,变化区间呈现逐渐右移的趋势,说明全国总体高技术产业成果转化阶段创新效率水平明显上升;峰尖在2006年处于较高位置,到2011年有所下降,2016年和2020年又小幅回升,并且曲线宽度有逐渐减小的趋势,以上特征说明区域间成果转化阶段创新效率的集聚程度先下降后上升,并且绝对差异呈现缩小的趋势,存在动态收敛性特征;成果转化阶段创新效率核密度函数右拖尾逐渐减弱,说明创新效率差距逐渐减小。

2.4 高技术产业创新效率的空间相关性分析

2.4.1 空间自相关的测度

全局莫兰指数结果如表4 所示,2014 年之后,高技术产业产品研发阶段创新效率的Moran’s I 大于0 且都通过了1%水平上的显著性检验,强烈拒绝原假设,高技术产业创新效率存在正向的空间自相关性。而成果转化阶段的创新效率没有通过显著性检验,说明不存在明显的空间自相关性,因此下文主要对高技术产业研发阶段的创新效率进行空间相关性分析。

表4 2006—2020年高技术产业创新效率的全局Moran’s I

2.4.2 局部集聚特征

为直接反映各省份高技术产业创新效率空间的相关性,本文基于局部莫兰指数绘制了中国28 个省份高技术产业产品研发阶段创新效率的莫兰散点图(见下页图5)。可以看出大多数省份的高技术产业创新效率集中在HH集聚区和LL集聚区。HH集聚区表示区域自身和周边地区高技术产业创新效率均较高,空间差异程度较小;LL集聚区表示区域自身和周边地区高技术产业创新效率均较低,空间差异程度较小。东部经济发达地区省份,如北京、江苏、浙江、上海等省份处于HH 集聚区,说明这些地区的高技术产业创新效率均较高。陕西、甘肃、宁夏等西北地区省份以及山西、黑龙江和辽宁均处于LL集聚区,说明中部地区和西北地区高技术产业创新效率较低。导致以上现象的原因可能在于东部地区区域之间要素和资源流动频繁,并且经济发达,高技术产业具备良好的创新环境,因此东部地区的高技术产业创新效率基本都处于较高水平;而西北地区的一些相邻省份由于地形的限制,交通不便,要素交流不畅,再加上经济发展落后,对高技术产业的支持力度不足,一定程度上制约了这些地区高技术产业创新效率的提升。莫兰散点图验证了高技术产业创新效率在空间上的两极集聚性,高技术产业创新效率大致表现为由东向西逐渐降低。

图5 2020年高技术产业创新效率莫兰散点图

3 结论与建议

3.1 结论

本文选取2006—2020 年中国28 个省份的相关数据,测算和分析了高技术产业创新效率的空间格局与演变特征,得出如下结论:

(1)从全国层面来看,我国高技术产业研发阶段的创新效率和成果转化阶段的创新效率均在逐年提升,并且研发效率的增速大于成果转化阶段创新效率的增速,但是我国高技术产业创新效率总体水平不高。从区域层面来看,我国高技术产业研发阶段的创新效率和成果转化阶段的创新效率均存在区域发展不平衡的特征。

(2)产品研发阶段的创新效率在逐年提升,但是区域间差距在扩大,逐渐呈现两极分化的特征,研发阶段创新效率的集聚程度先下降后上升;成果转化阶段的创新效率也在持续提升,区域差距缩小,逐渐趋于均衡,集聚程度先下降后上升。高技术产业产品研发阶段的创新效率具有明显的空间相关性,存在空间上的两极集聚性,而成果转化阶段的创新效率不存在明显的空间相关性。

3.2 建议

(1)借助新一代信息技术提升高技术产业创新效率。一方面,高技术企业要摒弃原有的发展模式,在新发展理念的指引下加大技术创新投入,增强创新研发能力,提升研发阶段的创新效率。另一方面,高新技术企业要重视与信息业的技术融合、组织融合和业务融合,实现互联网技术在高新技术企业产业链的全面渗透和集成应用,形成“互联网+高技术产业”的新型创新模式,提升成果转化阶段的创新效率。

(2)高技术产业创新发展要充分考虑区域内的经济发展水平、产业结构和对外开放程度,因地制宜地选择适合本区域创新效率提升的路径和模式,缩小区域间的创新效率差距。

猜你喜欢
高技术省份均值
2021年上半年高技术制造业快速增长
谁说小龙虾不赚钱?跨越四省份,暴走万里路,只为寻找最会养虾的您
均值不等式失效时的解决方法
均值与方差在生活中的应用
欧阳明高技术控的产业情怀
关于均值有界变差函数的重要不等式
对偶均值积分的Marcus-Lopes不等式
航天项目管理——高技术复杂项目管理
因地制宜地稳妥推进留地安置——基于对10余省份留地安置的调研
高技术条件下空袭与反空袭的作战模式