区域高技术产业动态R&D效率及其收敛性研究*

朱艳华 许 敏

（南京工业大学经济与管理学院 江苏 南京211816）

一、引言

十八大报告提出实施创新驱动发展战略，加快建设国家创新体系。我国目前已进入到一个发展的新阶段，必须以科学发展为主题，以加快转变经济发展方式为主线。随着意味着劳动力出现短缺的“刘易斯转折点”的临近，中国经济的发展模式迫切需要从要素投入和出口需求驱动向技术进步和效率提高驱动转变。加快转变经济发展方式，最根本、最关键就在于要依靠科技的力量大幅提高自主创新能力，使我国的经济社会发展走上创新驱动的轨道。创新能力的提升不仅需要增加R&D资源投入，更要注重R&D效率。区域创新效率的高低直接体现区域创新系统运行的质量。近年来，国内众多学者采用数据包络分析（DEA）方法对R&D效率进行研究并取得了一定的成果。池仁勇（2004）用DEA方法对我国30个省市自治区的R&D效率进行测定，发现创新效率呈东高西低的特征。白俊红等（2009）用超越对数随机前沿模型，测评了各地区的R&D相对效率与TFP增长情况。潘雄锋、刘凤朝（2010）指出我国各区域工业企业R&D效率呈逐步上升趋势，区域间的效率差距在逐步减小。王大鹏、朱迎春（2011）实证研究表明目前高技术产业注重将技术创新与制度创新相结合，但技术创新能力差、关键技术自给率低成为其发展瓶颈。樊华等（2012）提出工业结构、对外开放度、高等教育发展水平对R&D效率具有正影响效应，而政府影响力具有负向作用。肖仁桥等（2012）、陈凯华等（2012）研究指出我国高技术产业创新活动整体相对效率偏低，必须完善R&D资源的配置方式、加强引进技术的消化和吸收力度、增强自主创新的能力。国家科技创新的主体是企业，特别是以高技术产业为发展方向的企业。而技术创新已成为高技术产业发展的核心动力和不竭源泉，并且已成为当前和未来经济发展中新的增长点。从2003年到2011年中国高技术产业R&D投入强度从1.09%增长到1.41%，年均增长2.9%。当然，一味地增加R&D投入却忽视提升R&D效率的做法与我国高技术产业可持续发展的理念相悖。R&D效率的高低直接关系到企业的创新能力，高技术产业作为先进生产力和科技实力的标志，其科技创新能力如何，不仅关乎自身的生存与发展，同时也关系到整个国家经济的发展和国际竞争力的提高。因此，本文采用DEA模型中的Malmquist指数法，分析了2003-2011年各省市高技术产业R&D效率变化情况及其增长的内在动力。同时比较了不同区域间R&D效率的差距，并对其进行收敛性检验，以及就如何促进R&D效率增长提出政策建议，这对于提高我国高技术产业R&D效率具有重要意义。

二、研究设计

（一）研究方法：DEA-Malmquist指数 采用DEA方法对区域R&D效率进行分析，实质是借助于“前沿分析法”，根据一定标准构造一个生产前沿面，决策单元与该前沿面的差距就是它的效率。但CCR模型和BCC模型都仅是对各个决策单元在同一时间点上进行横向比较分析，缺乏纵向比较，不能充分挖掘历史数据信息，难以形成对未来趋势的判断。而DEA模型中的Malmquist指数法，不仅可以从动态角度分析不同时期决策单元的效率演化，而且可以将Malmquist指数进行分解，来确定技术效率变化和技术进步对R&D效率的贡献程度。Malmquist指数是建立在Shephard所提出的距离函数的基础上的，最早由Malmquist提出，用来分析不同时期的消费变化，后来其他学者采用Malmquist指数来研究生产力效率的变化。Fare等人定义了一个基于产出的Malmquist生产率指数，用于研究不同时期决策单元的效率演化，被研究者广泛应用。Malmquist指数是BCC模型在多个时期内的拓展，不仅能将全要素生产率（TFP）分解为技术进步指数（Techch）和技术效率指数（Effch），还能进一步将技术效率指数（Effch）分解为纯技术效率指数（Pech）和规模效率指数（Sech）。其表达式为式（1）：

（二）数据来源及指标建立 （1）数据来源。本文对我国高技术产业R&D效率展开研究，采用全国31个省、直辖市、自治区为研究单元，但由于西藏、青海、新疆、海南和内蒙古5个省份的数据不完整，故将其排除在外，仅以其他26个地区作为考察对象。根据数据的一致性和可获性，本文选取了各省市高技术产业2003-2011年连续9年的面板数据作为样本容量，数据来自于《中国科技统计年鉴》和《中国高技术产业统计年鉴》。（2）指标的选择。投入指标的选择：大多数学者从人员和经费两方面着手。科技活动人员和经费投入可以显示一个地区的创新规模和潜力，是区域创新投入的综合体现。本文选择R&D人员全时当量来衡量技术创新人力投入，R&D内部经费支出和技术经费（引进、消化、改造经费之和）来衡量技术创新的资金投入。因为技术引进、消化以及改造这三方面的经费支出与自主研发存在互补性，且在某种程度上可以弥补自主研发的不足，是目前多数中国高技术产业主要的技术创新路径，所以本文将技术经费也作为一项考查指标。产出指标的选择：产出可以分为知识产出和经济产出。本文选取拥有发明专利数作为知识产出指标，新产品销售收入和新产品销售收入占主营业务收入的比重作为经济产出指标。拥有发明专利数能客观反映区域创新能力与科技综合实力，而且发明专利在原始创造力的体现上远高于其他两种类型专利（实用新型和外观设计型专利），也是国际公认的反映拥有自主知识产权技术的核心指标。新产品销售收入体现了一个地区应用研究方面取得的成果，新产品销售收入占主营业务收入的比重反映了企业开发新产品并有效占领市场的能力，比重越大，说明R&D效率越高。

三、高技术产业R&D效率检验分析

（一）各省市高技术产业R&D效率差异分析 本文利用DEAP2.1软件计算了2003-2011年各地区高技术产业的Malmquist指数及其分解指数。见表（1），其中Effch-技术效率指数；Techch-技术进步指数；Pech-纯技术效率指数；Sech-规模效率指数；Tfpch-科技创新效率指数。从表（1）可以看出，检验期间我国各地区高技术产业R&D效率整体趋于上升阶段，年均增长7.3%。技术效率变化指数大于1，年均增长4%，这主要是由规模效率以3.7%的年增长率和纯技术效率以0.3%的年增长率共同作用的。技术进步指数为1.032，技术进步和技术效率的提高共同促进了R&D效率的增长。R&D效率的增长有一半以上是来自于技术效率的提高，技术效率的提高主要来自规模效率的增长，而纯技术效率增长缓慢，这表明我国高技术产业仍然是以规模驱动创新产出，而资源配置效率并没有得到明显地改善。从各个地区来看，广东TFP指数最高为1.333，R&D效率年均增长了33.3%，主要是技术进步年均提高了32.3%。湖北（1.310）、河北（1.289）、北京（1.180）的R&D效率提高也较为显著。天津TFP指数最低为0.841，主要是由天津地区技术退步引起的。山西（0.913）、吉林（0.976）安徽（0.887）、福建（0.887）、江西（0.985）也是处于R&D效率衰退状态，除江西R&D效率衰退主要由技术退步引起外，其他4个地区R&D效率衰退主要因技术效率恶化导致。部分地区R&D效率的负增长，对全国R&D效率的提高产生了严重的拖累。如图（1）所示，2003年至2011年全国高技术产业R&D活动过程中的TFP指数波动幅度不大。技术效率和技术进步呈现此消彼长的变动关系，波动幅度较大。当技术效率拉动R&D效率提高时，总会遇到技术进步对R&D效率的束缚。技术进步除了2007年有重大技术突破外，其余年份进步都不明显，甚至有技术退步现象，如2008年和2009年，其中2008年技术退步最为明显，比2007年退步了约20%，这可能与2008年金融危机这样的经济环境有关。技术效率受规模效率的影响比较大，纯技术效率波动则相对平缓，所以技术效率变化跟规模效率变化趋势一致，这与表（1）的分析相符。

（二）东中西三大区域高技术产业R&D效率差异分析 由表（2）可见，检验期间东中西部的R&D效率都有所增长，这是由三大区域技术效率与技术进步共同作用的结果。技术效率提高主要是因为规模效率提高，纯技术效率的变化不是很明显。中部TFP指数最高为1.121，R&D效率增长最快，年均增长12.1%，是技术效率以年均1.6%的增长率和技术进步以年均10.3%的增长率共同作用的。西部TFP指数次于中部地区为1.12，R&D效率年均增长12%，是技术效率以2.2%的增长率和技术进步以年均9.6%的增长率共同作用的。由此可以看出，中西部地区R&D效率的提高主要得益于技术进步的增长。东部的TFP指标处于全国平均水平之下，主要是由技术退步引起的。2003年至2011年东部年均技术退步4.5%，虽然R&D效率呈增长趋势，但属于低位增长，相比于中部和西部地区，仍有一定的距离。如图（2）从时间序列来看，2006年全国平均TFP指数最大，R&D效率高速增长，2006年之后增幅不大，处于低位增长阶段。2008年东部地区TFP指数骤然跌到谷底，且2008-2011年TFP指数均小于1，说明东部地区高技术产业R&D效率呈现衰退状态。中西部地区在2008年TFP指数也出现较大幅度的下降，2008年之后R&D效率增长放缓。西部地区的TFP指数在2004年和2011年都达到了1.3，且远高于其他年份。从2005年开始，西部地区TFP指数变动趋势与全国较一致。

表1 各省市高技术产业Malmquist 指数及其分解

图1 全国高技术产业全要素生产率（TFP）及其分解变动

表2 三大区域高技术产业Malmquist 指数及其分解

图2 全国、东中西部高技术产业TFP指数变动趋势

图3 全国及东中西部地区高技术产业TFP 变异系数

表3 全国及东中西部地区高技术产业R&D 效率的绝对β 收敛检验

表4 全国及东中西部地区高技术产业R&D 效率的条件β 收敛检验

四、高技术产业R&D效率收敛性检验分析

（一）收敛性检验 以上结果表明，东中西部三大区域高技术产业R&D效率存在显著差异，那么各省市TFP是否存在收敛趋势，R&D效率是否将逐渐趋同。本文将对全国和三大区域内高技术产业的TFP指数进行α收敛、绝对β收敛性和条件β收敛性进行检验。经济增长理论中，α收敛侧重考察地区收入水平（或产出水平）之间的差距。标准差是测定研究变量离散程度最重要及最常用的指标之一，可以比较直观地计算各地区经济发展差距，最接近于现实生活中我们对收敛的直观理解，标准差越大，说明这一区域内各决策单元的差距较大。本文用TFP标准差除以平均值所得结果作为TFP变异系数，来考察区域R&D效率之间的差距。图（3）显示了全国以及东中西部地区高技术产业α收敛情况。考察期TFP的变异系数出现周期性的变化。从全国来看，变异系数在2004年至2005年增大，2005年至2009年保持缩小趋势，2009年为整个考察期最小值，而2009年后出现大幅增长，2011年达到考察期最大值，说明R&D效率在全国来说具有显著的周期性波动。东部地区变异系数较小，除2008年略高于全国外，其余年份均低于全国，说明东部地区内部的R&D效率差距较小。但东部地区变异系数同样具有波动特征。2005年至2006年、2008年至2010年变异系数处于下降阶段，内部差距缩小，而2004年至2005年、2006年至2008年、2010年至2011年变异系数处于增长阶段，内部差距增大，但东部内部差距总体低于其他地区的内部差距。中部地区变异系数在周期性波动中有变小趋势，R&D效率差距在缩小。西部地区变异系数周期性波动大，绝对值有变大的趋势，表明西部地区内部R&D效率差距有扩大趋势。中部和西部地区在2004年和2006年变异系数大小出现明显的错位，2005年西部变异系数明显大于中部，说明西部地区内部R&D效率差距大于中部；2006年至2011年，除2008年和2011年西部变异系数大于中部外，其他年份西部都明显小于中部。总体而言，中部地区变异系数波动的幅度要小于西部。全国变异系数表现为周期性波动，各地区间除中部地区外短期内没有显示收敛迹象。西部变异系数的变动趋势与全国较一致，且全国和西部发散的趋势表明内部差距正在扩大，这是一个需要关注的现象。

（二）绝对β收敛 绝对β收敛指每一个经济体的收入都会达到完全相同的稳态增长速度和增长水平，一般表示为经济增长率与经济发展水平之间的负相关关系。本文引申为R&D效率低的地区往往比效率高的地区具有更高的效率增长率，其增长过程实质上是一个“追赶”过程。本文应用Miller和Upadhyay使用的方法，利用本文获得的TFP数据进行横截面分析。绝对β收敛由式（1）回归系数确定：

其中，lnTFPt和lnTFPt-1分别为2010-2011年和2004-2005年TFP的平均值，两个时段之间相距6年，故取T=6，α为常数项，β为收敛系数，ε 为随机扰动项。如果系数β显著为负，则表示区域R&D效率趋于收敛，反之发散，β值的大小表示收敛速度。通过OLS估计结果如表（3）。结果显示，回归系数β除西部地区外都显著为负，说明全国、东中部地区的R&D效率都存在收敛趋势，即从全国来看R&D效率将趋于稳态水平，R&D溢出效应明显。西部地区β值为负但并不显著。

（三）条件β收敛 条件收敛是在考虑了经济体各自不同的特征和条件后，回归系数β显著为负。它表示每个经济体都在朝各自的稳态水平趋近，这个稳态水平依赖于经济体自身的特征。本文运用R&D效率所得TFP年度面板数据，用回归等式（2）进行条件β收敛分析。

以两年为一个时段将样本划分，即取2004年-2005年、2006年-2007年、2008年-2009年、2010年-2011年的TFP均值以消除由于周期性因素的影响。本文同时给出面板数据的固定效应（FE）和随机效应（RE）分析对我国整体以及东中西部地区进行条件β收敛的回归结果，并进行了Hausman检验，以选择固定效应模型或随机效应模型。估计结果如表（4）。除中部和西部地区以外，Hausman检验的结果都拒绝随机效应模型和固定效应模型无系统性差别的原假设，因此，中部和西部地区可用随机效应模型的估计结果，其它则用固定效应模型估计结果。表（4）表明，全国以及中西部地区条件收敛回归系数显著为负，说明存在条件β收敛特征。而东部地区β系数虽然为负，但条件收敛特征统计上不显著。β收敛是α收敛的必要而非充分条件，也就是说存在β收敛，不一定存在α收敛；存在α收敛，则一定存在β收敛。全国具有绝对β收敛和条件β收敛的特征，表明全国各省R&D效率会按照各自的特征形成各自的稳态水平，并会朝着共同的稳态水平趋近，但全国不存在α收敛，表明低效率省份TFP增长率较高，并在一定时期内低效率省份TFP远超过高效率省份，所以从全国来看各省R&D效率差距仍会持久存在。东部地区具有绝对β收敛，但条件β收敛不显著且短时间内不存在α收敛，说明东部地区最终会向共同的稳态水平趋近，但各省由于各自的特征，R&D效率差距依然会持续存在。中部TFP既存在绝对β收敛和条件β收敛也存在α收敛，说明在中部地区低效率省份的TFP增长率较高，且区域内部R&D效率差距在缩小，会达到各自稳定的R&D效率和TFP增长水平，并朝共同的稳态水平趋近。西部地区不具有绝对β收敛，但条件β收敛显著，说明西部各省R&D效率都在朝各自的稳态水平趋近，但α发散结果表明西部内部R&D效率差距有扩大趋势。

五、结论

本文研究得出以下结论：（1）我国各省市高技术产业R&D效率整体趋于上升阶段，但增幅不大。中部和西部R&D效率增长较快，主要因技术进步的贡献率较大，同时也与政府的政策扶持有关。而东部恰好相反，R&D效率低于全国平均水平，虽然呈增长趋势，但处于低位增长，比较于中西部地区仍有一定距离，这主要是由技术退步导致。东部地区高技术产业自主创新能力不足，缺乏核心技术和自主知识产权，关键技术自给率低。因此，东部地区高技术产业必须加大自主研发投入力度，注重创新人才引进和培养，加强科研机构建设，积极参与重大科技项目的实施，力争在重大技术上有所突破，通过技术创新和制度创新实现可持续发展。（2）R&D效率的增长由技术效率和技术进步共同作用，技术效率的贡献率略高。技术效率的增长主要来自规模效率的提高，说明我国高技术产业仍然是以规模驱动创新产出，而资源配置效率并没有得到明显改善。高技术企业作为高技术产业的创新主体，应适度控制研发投入规模，注重R&D资源配置的有效性和使用的合理化，加强创新机制和管理模式的优化。（3）技术效率和技术进步呈现此消彼长的变动关系。当技术效率拉动R&D效率提高时，总会遇到技术进步对R&D效率的束缚。R&D效率在技术进步和技术效率彼此制约、相互作用下逐步提升。（4）中部地区高技术产业R&D效率总体上存在收敛趋势，低效率省份的TFP增长率较高，在一定时间内，TFP将趋于稳态。全国和西部的α发散趋势表明内部R&D效率差距正在扩大，而东部地区内部R&D效率差距较小，表明我国地区差异明显且发展不平衡。全国R&D效率绝对β收敛说明各省市之间形成了一个开放的大环境，相互学习、相互吸收的效果较好，有益于逐步缩小各区域间的差距。R&D效率是建设创新型国家和地区的基本指标。本文仍存在有待进一步关注和研究的问题，如各地区高技术产业R&D效率周期性波动演化的深层原因是什么；R&D效率的演化规律与经济周期发展规律之间的关系；不同区域间高技术产业R&D效率的收敛性对区域社会经济发展差距的影响等，上述问题的研究将为区域科技创新政策提供依据。

［1］池仁勇、虞晓芬、李正卫：《我国东西部地区技术创新效率差异及其原因分析》，《中国软科学》2004年第8期。

［2］白俊红、江可申、李婧：《中国地区研发创新的相对效率与全要素生产率增长分解》，《数量经济技术经济研究》2009年第3期。

［3］潘雄锋、刘凤朝：《中国区域工业企业技术创新效率变动及其收敛性研究》，《管理评论》2010年第2期。

［4］王大鹏、朱迎春：《中国高技术产业生产率增长来源：技术进步还是技术效率》2012年第1期。

［5］肖仁桥、钱丽、陈忠卫：《中国高技术产业创新效率及其影响因素研》，《管理科学》2012年第5期。

［6］陈凯华、官建成、寇明婷：《中国高技术产业“高产出、低效益”的症结与对策研究——基于技术创新效率角度的探索》，《技术与创新管理》2012年第4期。

［7］彭国华：《中国地区收入差距、全要素生产率及其收敛分析》，《经济研究》2005年第9期。