中部地区高技术产业创新效率影响因素研究

摘 要：【目的】技术创新作为经济发展的主要动力，有助于实现国内经济可持续健康发展。科学地识别和分析影响中部地区高技术产业技术创新效率的因素，对于推动区域经济的均衡发展和提升国家整体的科技竞争力具有重要意义。【方法】为了深入了解中部地区高技术产业发展状况， 按照技术研发和技术转化两个阶段，采用Tobit模型对中部六省高技术产业创新效率进行因素分析，并据此提出针对性的发展建议。【结果】高技术产业不同活动阶段的影响因素对创新效率的影响不同：扩大企业规模能有效提高技术研发阶段和技术转化阶段的创新效率，深化产学研合作、扩大对外开放提升了技术研发阶段创新效率，科技人员素质促进转化阶段创新效率的提高，而政府支持力度则对创新效率产生了抑制作用，研发强度和地区产权结构的影响并不显著。【结论】研究结果可为中部地区构建高技术产业发展体系提供理论支撑。

关键词：高技术产业；创新效率；影响因素；Tobit模型

中图分类号：F223 文献标志码：A 文章编号：1003-5168（2024）15-0140-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.15.030

Research on Influencing Factors of Innovation Efficiency of High-tech Industry in Central China

WANG Xin

（Henan Scientific Research Platform Service Center，Zhengzhou 450003，China）

Abstract：[Purposes] As the main driving force of economic development， technological innovation contributes to the sustainable and healthy development of domestic economy. Identifying and analyzing the factors affecting the efficiency of technological innovation of high-tech industries in central China in a scientific way is of great significance for promoting the balanced development of regional economy and enhancing the overall scientific and technological competitiveness of the country.[Methods] In order to deeply understand the development status of high-tech industry in central China， according to technology research and development stage and technology transformation stage， the Tobit model is used to analyze the factors of innovation efficiency of high-tech industry in six provinces in central China， and based on this， specific development suggestions are put forward.[Findings] The results show that the influencing factors of different activity stages of high-tech industry have different effects on innovation efficiency： expanding the scale of enterprises can effectively improve the innovation efficiency of technology research and development stage and technology transformation stage; deepening the cooperation of industry， university and research and expanding the opening to the outside world have improved the innovation efficiency of technology research and development stage; the quality of scientific and technological personnel promotes the improvement of innovation efficiency in the transformation stage， while government support has an inhibitory effect on innovation efficiency; the impact of research and development intensity and regional property right structure is not significant.[Conclusions] The research conclusion can provide support for the relevant policies of constructing high-tech industry development system in the central region in the new era.

Keywords： high-tech industry; innovation efficiency; influencing factors; Tobit model

0 引言

高技术产业属于知识密集型产业，通过聘用科技创新人才、深化管理模式改革、引进先进高端设备、生产优质科技产品，满足市场的需求。因此，高技术产业对于一个国家和地区的经济和科技发展具有重大影响。大力发展高技术产业，能够优化升级当下的产业结构，完善产业基地，且能够更好地渗透其他产业，促进人才、知识的流动，从而提高竞争力和生产率，为经济稳定增长提供不竭动力。近年来，中部地区高技术产业总体发展态势良好，对经济的引领带动作用不断凸显。2022年中部地区高技术产业利润总额高达1 927亿元，较2013年增长103%，占全国的比重从2013年的10.13%提高到12.36%。

1 文献综述

学术界对影响技术创新效率的诸多因素进行了深入分析，这些宝贵的经验和成熟的研究方法为本文提供了坚实的理论支撑、明确的方向指导和实用的参考方法［1］。Celen［2］运用两阶段DEA模型对土耳其电力公用事业公司的创新有效性进行了深入研究，不仅揭示了创新效率的现状，还通过Tobit回归分析识别了影响效率的关键因素。刘永松等［3］通过构建基于Cobb-Douglas生产函数的模型，分析了影响企业创新效率的直接或间接因素，包括企业规模、企业内部的研发投资、与其他组织的合作研发活动以及技术引进等。曹学等［4］认为人才资源的质量和数量对创新效率具有决定性影响，人力资本的提升能够通过增强技术创新效率正向作用于企业绩效，拥有优秀人才和研发团队的企业更可能实现高效创新。闫华飞等［5］研究得出政策环境可以通过提供税收优惠、资金支持等方式激励企业进行创新活动，经济发展水平决定了市场需求和消费能力，市场竞争环境则通过促使企业不断提升自身的技术和产品竞争力，推动创新效率的提升，而产业结构、外资依存度和市场竞争环境等因素则可能产生负向影响。张宵等［6］通过Tobit面板模型的分析，证实研发投入强度、产业结构以及地区经济发展水平等因素对创新效率具有显著影响，而引进国外技术和企业规模等因素则可能在不同情况下产生不同的影响。杨嵘等［7］研究也表明，适度扩大企业规模有助于提升创新效率，但政府投入和外资引入的过度可能会对产业创新效率产生抑制作用。

鉴于此，结合现实背景需求，本文聚焦于中部地区高技术产业，以2013—2022年中部六省的R&D人员折合全时当量、研发机构数、源自政府资金的R&D经费内部支出、新产品开发经费支出、高校R&D项目经费投入、有效发明专利数、新产品开发项目数、技术改造经费支出、新产品销售收入等统计数据为主，对中部地区高技术产业的创新效率影响因素进行深入分析，并根据分析结果提出具体的策略建议，为加快推动中部地区高技术产业高质量发展提供有价值的参考。

2 Tobit模型设定

归并回归模型，也被称作Tobit回归模型，最初由美国知名经济学家Tobin在1958年提出。该模型因其在处理效率问题方面的优势而受到学术界的广泛关注，并已发展成为一种广泛应用于效率研究的重要工具。Tobit模型的一个显著特点是其解释变量的取值范围受到限制，通常介于0到1之间。根据前文提到的DEA方法对高技术产业创新效率的评估结果可以看出，这些数据符合Tobit模型所需的解释变量区间，从而使得该模型成为探索高技术产业技术创新效率影响因素的有效选择。

Tobit回归模型的标准表达式如式（1）。

y*=αXi+ε

y*=yi，if y*>0 （1）

yi=0，if y*≤0

式中：α表示回归系数的集合；Xi代表一系列自变量；y*是对应的因变量集合；而yi则是与效率相关的观测值序列［8］。

3 指标选取

目前，学术界关于高技术产业创新效率的影响因素尚未形成统一的看法，仍在积极探究中［9］。陈子韬等［10］从多个角度分析了影响高技术产业创新效率的因素，包括政府政策支持、产业集群效应、经济成果、外部技术获取以及对创新的依赖性等。范德成等［11］则强调了政府支持、产业结构、对外开放程度、创新氛围等因素在提升高技术产业创新效率中的关键作用。董会忠等［12］则侧重于探讨高技术产业绿色创新效率的影响因素，强调了对外开放水平、人力资本和政府科技支出以及知识产权保护机制对于绿色创新效率的作用。因此，在深入分析高技术产业创新过程中不同阶段特性的基础上，选取影响因素具体指标，如表1所示。

4 似然比检验

为验证整体Tobit模型是否有效，先进行似然比检验。当检验P值小于0.05时，则说明模型有效；AIC和BIC值则越低越好。

从表2和表3中可知，此处模型检验的原定假设为：是否放入解释变量scale、res、iur、open和scale、gov、stru、labor两种情况时模型质量相同；由于此处P<0.05，因而说明拒绝原定假设，放入的解释变量是有效的。

5 回归结果分析

表4和图1的结果显示，crs1 = 0.584 + 0.031*scale + 4.782*res + 0.000*iur + 1.679*open。具体分析可知：scale的回归系数值为0.031，并且呈现出0.01水平的显著性（z=12.840，P=0.000<0.01），表明扩大企业规模能够明显提升高技术产业在技术研发阶段的创新效率。这主要是因为高新技术产业的技术研发过程需要有足够知识储备的专业人才或其他资源要素作为后盾，通常只有达到一定规模的企业才能够吸引和培养高技能人才，确保对大规模资源的有效投入［13］。res的回归系数值为4.782，但是并没有呈现出显著性（z=0.820，P=0.412>0.05），表明研发强度不会对高技术产业技术研发阶段的创新效率产生影响。iur的回归系数值为0.000，并且呈现出0.01水平的显著性（z=3.903，P=0.000<0.01），表明产学研合作对高技术产业技术研发阶段的创新效率具有显著的正向影响，通过企业与高等院校、科研机构等的紧密合作，可以有效地促进创新网络的建立和完善，从而激发更多的创新成果。open的回归系数值为1.679，并且呈现出0.01水平的显著性（z=17.546，P=0.000<0.01），表明对外开放对技术研发阶段创新效率提高的促进作用显著，通过引入先进的技术设备、高素质的技术人才以及成熟的技术创新管理经验，为中部地区的高技术创新注入新动力。

表5和图2的结果显示，crs2 = -0.291 + 0.042*scale-2.711*gov-0.438*stru+0.025*labor。具体分析可知：scale的回归系数值为0.042，并且呈现出0.01水平的显著性（z=4.219，P=0.000<0.01）；同时labor的回归系数值为0.025，并且呈现出0.01水平的显著性（z=4.159，P=0.000<0.01）。这表明企业规模、科技人员素质等对技术转化阶段的创新效率具有正向的拉动作用。技术转化需要将研发阶段的成果进行商业化处理和规模化生产，科技人员在这一过程中起到了关键的人力支撑作用，科技人员素质越高，越能够促进研发成果的吸收和转化。gov的回归系数值为-2.711，并且呈现出0.01水平的显著性（z=-4.321，P=0.000<0.01），表明政府投入支持对成果转化阶段的创新效率起到了抑制作用。单纯地增加政府在高技术产业方面的财政投入，并不总能保证创新效率的提升，需要对现有的投资策略进行优化和调整。stru的回归系数值为-0.438，但是并没有呈现出显著性（z=-1.294，P=0.196>0.05），表明目前阶段高技术创新活动与创新产业链上下游之间的联系不够紧密，地区产业结构并不会对技术创新效率产生影响。

6 结论及建议

借助Tobit模型，实证分析了2013—2022年中部地区高技术产业两阶段创新效率的影响因素，得出结论：从影响因素的角度来看，在中部地区的高技术产业中，无论是技术研发还是技术转化阶段，扩大企业规模均能有效提高创新效率；深化产学研合作、扩大对外开放提升了技术研发阶段的创新效率；科技人员素质促进转化阶段创新效率的提高；而政府支持力度在某些情况下可能会对创新效率产生抑制作用；研发强度和地区产权结构两个指标对于创新效率的影响并不显著。综合以上结论，提出以下建议：①优化高技术创新要素投入结构，构建动态的效率评估机制，及时对投入要素的组成及其比重进行优化调整，精准地实施技术创新策略，确保资源的有效利用。②强化应用基础与前沿技术研究，精准定位应用基础研究与前沿技术发展的关键领域和趋势，加固并提升已有优势领域的技术实力，以及缩小不同行业间的发展差异。③健全科技成果转化的市场导向机制，鼓励和指导高技术企业积极参与市场竞争，激发高技术企业的创新活力，确保市场需求成为推动技术创新和成果转化的核心动力，有效解决技术创新与市场接轨的时滞问题。④加强高技术产业人才培养体系建设，加强对高质量研究人员与技术人才的培养，确保他们接受到高质量的教育和专业训练，以充分发挥他们在技术创新中的驱动作用。⑤积极扩大对外开放程度，融入全球价值链，加强技术吸收与再创新，与拥有先进技术和创新管理经验的外资企业建立联系，吸引国际型创新人才，优化外资利用与投资环境，拓展国际市场及创新合作。

参考文献：

［1］王婧仪.中部地区高技术产业技术创新效率及影响因素研究［D］.哈尔滨：哈尔滨商业大学，2021.

［2］CELEN A.Efficiency and productivity（TFP） of the Turkish electricity distribution companies：An application of two-stage（DEA&Tobit）analysis［J］.Energy Policy，2013，63：300-310.

［3］刘永松，王婉楠，于东平.高技术企业技术创新效率评价及影响因素研究［J］.云南财经大学学报，2020，36（11）：100-112.

［4］曹学，仵丹阳，问晨璐.我国高科技企业人力资本增值对企业绩效影响的研究［J］.武汉理工大学学报（信息与管理工程版），2022，44（5）：869-874.

［5］闫华飞，肖静，冯兵.环境规制、外商直接投资与工业绿色技术创新效率：基于长江经济带的实证［J］.统计与决策，2022，38（16）：118-122.

［6］张宵，葛玉辉.创新生态系统视域下高新技术产业创新效率评价及影响因素：基于DEA-Tobit模型的实证研究［J］.科学与管理，2023，43（1）：27-35.

［7］杨嵘，于枫敏，许晶晶.两阶段视角下我国高技术产业创新效率的时空演变及影响因素：基于三阶段DEA-Tobit模型的实证研究［J］.资源开发与市场，2022，38（5）：513-519，528.

［8］陈伟，刘锦志，杨早立，等.高专利密集度产业创新效率及影响因素研究：基于DEA-Malmquist指数和Tobit模型［J］.科技管理研究，2015，35（21）：1-6.

［9］李嘉文.广东省高技术产业创新效率研究［D］.湛江：广东海洋大学，2022.

［10］陈子韬，袁梦，孟凡蓉.政府支持能否提升高技术产业研发投入：基于省级行业面板数据的分析［J］.中国科技论坛，2021（4）：85-91.

［11］范德成，谷晓梅.高技术产业技术创新效率关键影响因素分析：基于DEA-Malmquist和BMA方法的实证研究［J］.科研管理，2022，43（1）：70-78.

［12］董会忠，曹正旭，张仁杰.中国高技术产业两阶段绿色创新效率及影响因素识别［J］.统计与决策，2022，38（6）：44-49.

［13］杨图南.国家级高新技术产业开发区创新效率评价和影响因素分析［D］.广州：广东财经大学，2023.