基于投入产出分析的区域创新驱动效率测度

李永周，袁 波

（武汉科技大学 管理学院，武汉 430081）

0 引言

区域创新网络是相互关联的政府、企业、高校和研究机构等构成的动态开放系统，是国家创新系统的向下延伸[1]。区域创新网络能够实现知识、信息和技术等创新要素快速扩散、转移和增值，具有创新协同和技术交叉繁殖优势，是实施创新驱动战略的重要组成部分。创新驱动是哈佛大学战略学家Porter[2]率先提出的。20世纪90年代全球竞争加剧的环境下，波特开始研究美国如何保持和提高国际竞争优势，在其研究报告The Competitive Advantage of Nations中首次将国家竞争阐述为要素驱动、投资驱动、创新驱动和财富驱动4个阶段。波特指出，创新驱动是社会加速发展阶段，是以企业创新主导、更高生产效率和先进技术水平为特征的经济发展时期，产品竞争依赖于企业创新意愿和技术能力，所有关键要素不但充分发挥功能，交互效应也达到最强。洪银兴[3]其研究《关于创新驱动和协同创新的若干重要概念》对创新驱动给出了完整定义：以知识和技术创新改造物质资本，利用知识、技术、组织制度和商业模式等无形要素变革，对资本、劳动力、生产资料等有形要素重新组合，形成内生增长，提高经济发展效率。

目前理论界对创新研究较少涉及创新驱动下的经济发展问题，且定量研究比较欠缺，现有研究主要存在如下不足：（1）测度科技成果转化效率与技术创新效率的界限不明晰。事实上，创新包含技术研发与成果转化两个重要环节，因此技术创新效率实质上是技术研发效率与科技成果转化效率的综合。（2）大部分研究从地区层面上展开，测度的是地区工业行业或高技术产业的平均科技成果转化效率，缺少对区域创新系统效率的研究。（3）科技成果转化影响因素的定量研究较为缺乏，且现有研究分析多集中在外部因素，忽视了内部因素对转化效率的影响。本文在现有技术创新效率研究的基础上，综合研究技术创新全过程投入产出效率，对科技成果转化为社会发展效率的路径和影响因素提出合理解释。

1 区域创新网络的创新驱动效率测度

目前关于生产效率的测度方法主要有两类：一类是以随机前沿方法（SFA）为主的参数方法，SFA采用了计量方法对前沿生产函数进行估计，依赖于对数据随机性假设，在测量误差和统计干扰处理上具有优势；另一类是以Charnes和Cooper[4]提出的数据包络分析（DEA）为主的非参数方法，DEA采用数学规划法，在“相对效率评价”概念上评价同类决策单元相对有效性，无需建立变量之间的严格函数关系，在多投入多产出的效率度量上具有优势，同时DEA可以处理基于时间序列的动态演化分析，对决策单元截面数据和持续性投入产出效率研究具有独特优势。在运用DEA方法评价时，评价对象为决策单元（DMU），评价的结果是所有决策单元的相对有效性。根据各DMU输入和输出，通过规划模型得出决策单元投入产出相对于其他单元是否最优；如果是最优，则该决策单元就是有效的，否则决策单元无效。本文利用DEA方法中规模可变的C2R模型（VRS），综合评价区域创新系统的有效性。对某个选定的DMU0（下标设为0），判断其有效性的模型可表示为：

其中ν、μ分别为投入和产出权系数向量，xj、yj分别为j决策单元投入和产出向量，目标函数ν0即为投入产出系数。若存在最优解μ＞0，ν＞0使得目标值ν0=1，则该决策单元DMU0为DEA有效。

1.1 技术创新效率测度

为了明确科技与经济的结合绩效，在本文中用两阶段的模型[5]来描述创新主体从科技投入到转化为经济产出这一过程，因此,评价区域创新系统的指标也分为两个阶段（图1）。

图1 区域创新驱动两阶段划分

在技术创新阶段中，本文重点分析科技投入与科技产出的效率。技术创新投入指标包括衡量智力投入的科技活动人员和物质投入的R&D经费指标，可从四类不同主体投入指标予以测度：

X11：各地区工业企业R&D经费投入，用来反映该地区R&D活动相对规模；

X12：各地区企业R&D人员全时当量，侧重从工业企业科技创新和转化能力；

X13：各地区高校科研院所科研经费投入，反映区域基础研究和科技创新投入力度；

X14：各地区高校科研院所科技活动人员全时当量，反映区域教育科技发展水平和潜力；

X15：各地区高新技术企业R&D费用，反映区域技术市场发展水平和潜力；

X16：各地区高新技术从业人员，反映区域技术市场完善程度和信息流通及技术扩散能力；

X17：各地区财政科研支出，反映政府对科技创新重视和支持，以及政府委托与购买市场潜力；

X18：各地区企业国外技术引进费用，引进先进技术可以促进地区研发活动，企业技术引进费用也是衡量技术发展重要指标[6]。

科技创新不仅包含获得专业机构认证的知识产权等显性成果，同时也包括科学研究过程中的研究方法创新、理念创新的隐性创新成果，因此对于创新产出的测度采用更为广义的创新产出标准。本文研究中测度创新产出指标包括结果指标和过程指标，包括：

Y11：各地区R&D项目总量，测度区域科技创新过程中的隐性产出；

Y12：各地区专利申请总量，包含获得授权的专利和未获得专利授权的创新成果；

Y13：各地区专利授权数量，科技成果中最主要的部分，也是科技创新成果转化的主要对象，包括发明专利、实用新型专利、外观设计专利三类专利授权；

Y14：各地区三大检索论文发表数量，反映间接推动经济发展的智力成果和软科学等创新成果。

由于区域创新数据统计并不成熟，为避免单独年份统计误差和统计数据缺失问题，同时考虑到国家政策环境和创新驱动战略实施的影响，本文选取2011—2014年数据进行分析。根据《中国科技统计年鉴》数据，利用DEA分析软件Deap2.1进行运算，各省年度科技创新效率如下页表1所示。

总体来看，全国科技创新总效率均值为0.990，接近DEA有效水平；纯技术效率为0.972，表明全国科技创新投入产出技术水平不达标，在一定的投入规模下并没有得到相应量的产出规模；规模效率为0.981，说明全国高新区总体规模效应还比较明显。从各省科技创新投入产出水平来看，全国有25个省份为DEA有效单元，表明大部分省份科技创新系统转换技术水平高，资源配置合理，规模合适，创新效益良好；湖南、陕西两省规模效率为1，但总效率和纯技术效率并未达标且规模收益递减，说明其投入结构不合理，创新技术水平不匹配，导致了投入产出缺乏效率；上海、辽宁、江西、云南4省为DEA无效单元，其纯技术效率和规模效率均小于1，表明这些省份创新发展既需要扩大投入规模，同时还面临着提升技术效率的压力。

表1 各省科技创新投入产出效率

1.2 技术成果转化效率测度

本文选择有效专利数（而非专利授权数）作为专利形式的科技成果投入，选择新产品开发项目数代表非专利形式科技成果投入。该过程投入主要是新产品开发投入和技术成果投入：

X21：各地区企业新产品开发项目人员投入；

X22：各地区企业新产品开发经费投入；

X23：各地区企业知识产权购买投入；

X24：各地区企业有效专利数量，即当年可用转化专利数。

本文采用相对成熟的成果转化效率指标，选择与创新相关的经济指标：

Y21：各地区新产品销售收入。新产品是创新产品化的结果，直接反映技术创新的经济效益，因此新产品销售收入可以直接用于衡量创新成果向生产力以及经济转化的效率；

Y22：各地区地区工业增加值，工业经济发展是科技创新转化为社会生产力发展的直接体现；

Y23：社会批发零售增加值，社会批发零售可以反映创新转化为产品和社会消费的效率。

根据《中国科技统计年鉴》统计数据，本文截取2011—2014年数据进行分析，利用DEA分析软件Deap2.1进行运算，各省创新成果转化效率如表2所示。

从总体来看，全国创新成果转化的总效率均值为0.907，没有达到DEA有效；纯技术效率为0.805，表明全国创新成果转化的投入产出转换水平不达标，一定的投入规模下并没有相应量的产出；规模效率为0.890，说明全国创新转化总体规模效应有待加强。从各省转化总效率来看，仅天津、河南、浙江、湖南、江西等10个省份为DEA有效单元，系统转换技术水平较高，资源配置合理，规模合适，经济效益好；河北、辽宁、江苏、广东、山东、海南、新疆7个省份规模效率为1，达到规模经济要求，但总效率和纯技术效率未达标，表明投入结构不合理，系统转换水平不匹配，导致了投入产出无效；北京、上海、陕西、安徽、湖北等14个省份为DEA无效单元，其规模效率和纯技术效率均未达到1，成果转化阶段存在较大问题，同时面临着扩大投入规模和提升技术转换效率问题。

表2 各省创新成果转化投入产出效率

1.3 区域创新驱动效率综合分析

综合以上技术创新和创新成果转化为社会生产及经济效益两方面结果，根据技术创新有效性和成果转化有效性两个维度将全国31个省份划分为四类。从全国创新驱动两阶段有效性分布来看，技术创新有效省份为24个，而成果转化有效的省份仅11个，创新成果转化为社会经济发展的投入产出效率远远低于技术创新效率，科技创新成果转化为社会生产和商业产品并实现市场化的问题成为制约区域创新驱动的瓶颈。各省创新驱动效率分布如图2所示。

图2 全国各省创新驱动效率分布

结合各省份创新实际产出水平与创新驱动有效性分析，创新驱动综合有效的有浙江、河南、天津、吉林、黑龙江、内蒙古、青海、西藏8个省份，很好的实现了有创新资源到技术创新并向社会生产的转变。除浙江省之外，这些省份科技创新资源和社会经济水平并不高，但能够有效利用科技创新促进社会经济显著提高，充分发挥科技创新在经济社会发展中重要作用。湖南、江西两个省份仅成果转化阶段有效，尽管技术创新投入产出无效，但技术创新成果能够融入社会发展之中，促进社会经济和生活水平提高。

仅技术创新有效的省份包括北京、河北、广东、山东、江苏、安徽等科教资源丰富地区和四川、重庆、广西、甘肃、宁夏、新疆等不发达地区在内的14个省份，这些省份面临创新成果转化的难题。对北京、山东、广东、江苏等经济发达地区而言，其本身社会经济规模较大，通过科技创新促进社会经济显著增长难度较大，同时也面临技术成果转化规模效益递减的难题，创新驱动面临巨大压力。对其他经济不发达地区而言，创新驱动面临经济市场吸收能力的问题，创新驱动需要通过社会产品生产和商业化的过程来实现，经济不发达地区企业和商业产品生产较少，科技创新对生产和商业化作用不明显，创新驱动效率较低。

上海、湖北、辽宁、云南、陕西5个省份技术创新和成果转化投入产出无效，技术创新和创新成果向社会经济效益转化无效。从其分布来看，这5个省份均为所在区域中心，科技创新资源丰富且社会技术市场活跃，科技创新转化为社会生产和商业产品的社会环境较好，但同时面临着技术创新和成果转化规模效益递减的问题，在当前水平上表现为创新驱动无效。

2 区域创新网络创新驱动效率的制约因素分析

2.1 创新驱动效率的影响因素及指标选取

创新驱动影响因素包括创新能力、成果转化能力和外部环境3个方面：创新能力包括研发资金实力和人力资本；转化要素投入指在转化过程中与资源投入，包括资金和技术人员投入；外部环境指可能影响转化过程的外部因素，主要包含市场竞争与政府作用，指标体系见表3。

表3 区域创新网络创新驱动效率影响因素

2.2 影响因素的模型构建

创新驱动的关键是区域创新要素集聚有效配置和有效运行，进而提升区域内生经济发展能力。区域创新网络形成主要包括创新动力、转移因素、科学和工程基础及环境条件四大要素，企业间、公私机构的相互作用、知识和技术的扩散等对技术创新具有决定性作用[7]；创新网络行为主体在地理位置上相对集中、业务上相互关联，有利于实现资金、知识、信息和创新技术等生产要素更快速的扩散、转移、创新和增值，同时有利于降低市场的不确定性[8]；科技创新是知识、信息等创新要素的函数，创新系统有效运行离不开人才、资本、信息、知识和政策等创新要素的投入与配置整合。知识创造和应用存在不确定性，创新要素作用各不相同，科技创新要求在研发阶段和产业化阶段投入大量资金、信息和人力资本，创新要素投入结构越合理，科技投入产出效率也越高。

本文以DEA模型中综合创新驱动效率为因变量，以创新驱动各阶段不同主体要素总投入为因变量。根据以上假设，参照柯布道格拉斯生产函数建立如下初始计量模型：

2.3 回归检验及结果

根据以上创新驱动影响因素分析及模型，因变量选取《中国科技统计年鉴》中2011—2014年数据，通过计算整理各项数值，因变量数据源于DEA模型测算成果转化效率值。在通过Eviews8.0软件进行回归分析前，首先对各项数据序列稳定性进行ADF单位根检验，结果整理见表4。

表4 ADF单位根检验

上述结果中，各数据序列ADF值均小于5%，即拒绝原假设，故不存在单位根，模型的数据时间序列平稳。利用Eviews8.0软件对上述回归方程进行回归分析和回归模型残差序列自相关检验（LM检验），模型残差序列为1阶自相关，建立自回归模型ar(p)对初始模型进行修正：

通过调整后的回归模型，利用Eviews8.0软件进行回归分析，整理得到回归结果见表5。

表5 回归结果

由回归结果可知，回归模型总拟合优度＞0.6，影响因子总体对创新驱动效率的大部分差异做出了解释，模型对样本的拟合良好。针对回归模型进行F检验，给定显著性水平α=0.05，F分布表中查出自由度k-1=8，n-k=116的临界值Fa(8,116)=2.93，由表5中得F=16.1886。表明拒绝虚拟假设，解释变量整体对被解释变量影响显著。针对各影响因子进行T检验，在给定显著性水平α=0.05、自由度n-k=116查t分布表得临界值。由表中看出，除政府科研投入要素外，其他因子都拒绝虚拟假设，在其他解释变量不变的情况下，解释变量分别对被解释变量有显著性影响。

回归结果表明：（1）科技创新阶段中人才投入和科研经费投入对区域经济发展具有显著影响，人力资本开发水平的提升有助于科技投入效率的提高，而科研经费的支出比例与创新驱动效率显著正相关，这表明在当前创新投入水平下，通过增加科研经费、加强创新型人才开发利用提高社会创新能力对社会创新发展具有较高效率。

（2）企业主导的创新成果转化阶段中，企业专业技术人员的开发利用、技术引进吸收和创新产品开发投入对创新驱动效率具有显著影响。创新成果转化阶段中，企业按照市场方式实现资源的有效配置，企业知识技术水平越高，技术消化吸收能力越强，创新产品投入产出效率和经济效益就越高。

（3）市场结构与区域创新驱动效率负相关，经济市场内有创新活动企业比例越高，反映市场竞争越激烈，企业对产品和市场创新投入成本越高，市场导向的技术和产品研发投入加剧了企业对市场的同质竞争和资源消耗，盲目创新竞争反而降低了区域创新驱动的有效性。

（4）政府支持和政府科研投入强度对区域创新发展效率无显著影响，政府财政资金对创新驱动具有导向和基础保障作用，但财政科研管理的介入使得高校科研院所创新成果转移和市场转化缺乏快速市场应变能力，创新驱动经济发展的效果更多依赖于市场机制对资源的配置作用。

3 结论与政策建议

通过全国31个省份2011—2014年科技统计面板数据，利用DEA方法C2R模型分别对各省科技创新和创新成果转化两阶段投入产出效率进行测度，并对区域创新投入、成果转化投入和外部政策、市场环境等因素进行回归分析检验。本文发现，当前我国科技创新实力不断增强，但创新成果转化为社会经济效益水平低下，成果转化问题是制约创新驱动发展主要瓶颈，区域创新网络有待完善。

（1）构建和完善以政府引领、市场主导的区域创新网络体系，创新技术市场多元主体协同创新机制，激发创新和技术成果转化活力。充分发挥政府在区域创新中的引导和保障作用，引导科技、人才和资本的流向，保障创新和成果转化过程的规范性和合法性；尊重市场机制对资源配置规律，通过市场竞争实现资源的优化组合和产品的优胜劣汰，根据创新产品和技术市场科学决策，合理优化科技创新资源和资金配置，提高成果转化效率和创新驱动效应。

（2）加强区域创新能力建设，重视创新型人才引进与开发，强化区域发展智力支持。必须依托区域高校和科研院所、国家高新技术产业开发区、科技企业孵化器等区域创新网络，加强产学研战略联盟，培养和引进高层次创新人才，发挥区域创新网络人才和知识集聚效应，增强技术吸收和消化能力，提升创新和技术扩散综合实力。

（3）完善高校科研管理和人才评价机制，强化科技创新的市场导向性，提高创新成果的市场适应性。对科研成果的评估，要综合考虑创新成果的技术前沿性和市场适应性，科学评估创新成果学术价值和市场潜力以及社会经济效益。强化高校与企业协同创新，企业作为市场需求密切相关的经济主体，能够全面整合信息并准确定位技术创新需求，通过校企深度协同创新做好技术创新与市场需求的对接，提高创新源头的市场适应性，促进科技成果转化。

（4）建立健全多元主体融合的科技创新平台运行机制，打造适应区域创新与经济融合发展的科技服务体系。培养高新技术企业和科技创业服务机构，引导资金、人才、技术、知识产权等创新要素聚集；加强中介服务组织和技术产权交易服务体系建设，促进产权、技术的流动，提高产权和技术交易服务的运行效率与效益；促进创新要素与创新金融相结合，激发不同利益主体参与科技成果转化的积极性，化解科技成果快速增长与市场吸收能力不足的矛盾。

参考文献：

[1]Cooke P.Regional Innovation Systems:General Findings and Some New Evidence From Biotechnology Clusters[J].Journal of Technology Transfer,2002,27(1).

[2]Porter M.Competitive Advantage of Nations[M].Ashgate：Competitive Advantage of Nations,1999.

[3]洪银兴.关于创新驱动和协同创新的若干重要概念[J].经济理论与经济管理,2013，(5).

[4]Cooper W,Seiford L M.Data Envelopment Analysis:History,Models,and Interpretations[J].Handbook on Data Envelopment Analysis,2011,2(3).

[5]Zhu J.DEA Models for Two-Stage Processes[M].New York:Springer US,2009.

[6]Aggarwal A.Deregulation,Technology Imports and In-House R&D efforts:An Analysis of the Indian Experience[J].Research Policy,2000,29(9).

[7]Boschma R.Proximity and Innovation:A Critical Assessment[J].Social Science Electronic Publishing,2005,39(1).

[8]刘璇,李嘉,陈智高等.科研创新网络中知识扩散演化机制研究[J].科研管理,2015,36(7).