随机前沿分析在创新绩效上的应用

李鹏

摘 要： 运用随机前沿分析实证研究了我国29个省市自治區科研机构研发投入对其创新绩效的影响和科研机构创新效率的水平，以及我国30个省市自治区产学研协同创新效率，研究表明：科研机构研发投入对其创新绩效有正的促进作用；我国科研机构创新效率整体并不高，且各省市差异也很大；我国产学研协同创新效率也不高，还有很大提升空间。

关键词： 随机前沿分析； 科研机构； 产学研协同； 创新绩效

中图分类号： F 423 文献标志码： A 文章编号： 1671-2153（2018）03-0100-04

0 引 言

随机前沿分析（Stochastic Frontier Analysis，SFA）是利用随机前沿生产函数进行效率估计的一种方法。该方法是对决策单元的技术效率进行估计，其中误差项可以分为两部分：随机误差和技术无效性。同时，该方法可以判断模型拟合质量，提供各种统计检验值。

目前，随机前沿分析得到了广泛的的应用。陈关聚[1]研究了我国制造业30个行业的全要素能源效率，分析了能源结构对技术效率的影响；梁铄等[2]对我国省域近海捕捞业技术进步率和技术效率进行了测算，以之为基础推测了近海渔业资源衰退速度，并对各省份技术效率演变趋势及省域差异进行了分析；霍明等[3]以社会信息化的视角，运用随机前沿分析中的B-C模型，对我国农业生产的技术效率进行分析。

由此可见，不同领域的学者都会使用随机前沿分析来分析解决自己领域的相关效率问题，也能很好的解决自己所研究的效率问题。本文将运用随机前沿分析实证研究我国科研机构创新绩效和我国产学研协同创新绩效。

1 在科研机构创新绩效上的应用

1.1 变量与数据说明

我国的专利制度将专利划分为发明、实用新型和外观设计3种类型，在这3种类型中，发明专利的技术含量最高，同时申请难度最大，被认为是表征创新能力的最有效的指标。本文选取“发明专利申请数”代表科研机构创新产出水平的高低。同时，选取R&D课题数（项）、R&D人员（人年）和R&D经费（万元）3个变量作为科研机构研发投入变量。本文的研究中，不设置投入转换为产出的滞后时间。

本文的研究样本为2015年我国29个省、市、自治区数据，因西藏和青海的有数据缺失， 故将其剔除。原始数据来自《中国科技统计年鉴》（2016）。

1.2 实证结果分析

本文运用对数型柯布道格拉斯生产函数对我国各省市自治区的科研机构创新绩效进行测算。参照Battese&Coelli[4]模型的基本原理，具体研究模型为

lny=β0+β1lnR+β2lnL+β3lnK+v+u， （1）

式中：y为科研机构“发明专利申请数”；R为科研机构R&D课题数（单位：项）；L为科研机构R&D人员投入（单位：人年）；K为科研机构R&D经费投入（单位：万元）；v为随机误差项；u为效率残差项，反映无效率的程度，v和u相互独立。对模型（1）中的参数估计应使用最大似然法。

运用Frontier4.1软件对模型进行回归，回归结果如表1所示。表2给出了我国29个省市自治区2015年科研机构创新效率水平估计结果。

表1结果显示：模型的γ值为0.9942，这表明技术无效率项占了99.42%以上，随机误差项还不到1%，γ值在1%的水平下显著，表明选用SFA测算此面板数据的效率较为适合；δ2也在1%的显著水平下通过了检验。因此对2015年的科研机构数据使用SFA技术估计是必要的，而不能选择OLS估计。

从参数结果来看，β0，β1，β2均通过了显著性检验，仅有β3没通过显著性检验。其中，模型中R&D课题数系数β1为正，值为0.177，这说明增加R&D课题投入能带来研发创新效率的持续攀升。R&D人员系数β2=0.9851（为正），说明R&D人员对效率的提高也会产生一定的正向影响，R&D人员投入每增加1%，会带来创新产出升高0.9851%，因此，我国在增加资本投入、加大产业化的同时，也应注重人力资本的投入。投入经费尽管没有通过显著性检验，但其系数为正，值为0.032，说明增加投入经费对效率的提高也会产生正向的影响，即R&D经费投入每增加1%，会带来创新产出增加0.032%。

从各个省市自治区科研机构创新效率来看，效率排名前三的分别是海南、辽宁、安徽，为东中部地区；黑龙江、内蒙古、宁夏排在后三位。宁夏创新效率是最低的，创新效率只有0.2569，与创新效率最高的海南相比，差了71%，说明我国各省份的科研机构创新绩效差异很大。北京和上海的创新效率都不高于0.7，北京仅0.4789，不足0.5；全国效率均值0.6205，该数值与1还相差较远，表明我国2015年科研机构创新效率水平并不太高。可见，提高科研机构创新能力仍然是任重道远。

2 在产学研协同创新绩效上的应用

2.1 变量与数据说明

对于产学研协同创新的投入产出指标的选取，我们根据国外学者Griliches[5]和Jaffe[6]的研究成果，选取企业、高校和科研机构的R&D人员和R&D经费作为产学研协同创新投人指标，选取专利授权数作为产学研协同创新产出指标，如表3所示。

为了全面、动态地描述我国产学研协同创新效率的变化态势，本文的研究样本为2009-2015年我国30个省市自治区的面板数据（西藏地区由于部分年度数据缺失，所以删除了西藏自治区），共包含了210个数据样本。本文原始数据来自《中国科技统计年鉴》以及Wind资讯。