我国国家级新区产业创新效率研究及对雄安的启示

赵玉帛，张 贵，2

(1.河北工业大学经济管理学院，天津 300401；2.南开大学经济与社会发展研究院，天津 300701）

截至2019 年，我国先后成立了19 个国家级新区（以下简称“新区”）。从最初上海浦东新区“一枝独秀”到浦东-滨海“南北呼应”，再到新区多地开花，体现国家从单点突破的非均衡发展到多极化发展的均衡化发展战略［1］。新区承担国家重大发展战略和深化改革开放的重要任务，在带动辐射周边地区经济快速发展，契合京津冀协同发展、长江经济带发展、“一带一路”建设国家三大战略的联动发展，打造区域增长极方面发挥了重要作用［1］。当前我国经济发展已由高速增长阶段转变为高质量发展阶段，新区产业是新区实施创新驱动战略、引领当地经济发展的重要载体，其创新效率水平反映了区域的技术发展水平，同时也反映出区域的创新资源配置能力、产业劳动生产率和产业对市场需求状况变化的适应能力［2］。雄安新区的设立是“千年大计、国家大事”，是党中央在新时期下的重大历史战略选择。雄安新区和其他新区一样，是国家在不同发展机遇期的战略体现，都充当着创新实验田和改革先锋区的重要角色，以往设立的新区对雄安新区的发展具有重要的借鉴和参考意义。从创新效率的视角来看，新区产业发展现状如何，产业发展态势如何，哪些因素对新区产业创新效率产生了显著影响，研究结果对雄安新区有何启示？以上疑问是本研究力图解决的现实问题，也是本文可能的实践价值。

1 文献综述

提升产业创新效率，对改变我国粗放式发展，走创新驱动、绿色导向、高质量发展道路具有重要意义。学者们对产业创新效率开展了大量富有成效的研究。

从评价产业来看，闫俊周等［3］利用我国86 家节能环保上市公司的样本数据，对我国节能环保产业进行创业创新绩效评价；郭淑芬等［4］利用《中国文化及相关产业统计年鉴》数据，对我国2012—2013 年文化产业效率进行测度，结果发现文化产业整体效率偏低且存在空间分布差异；王虹等［5］利用《中国旅游年鉴》等相关资料，对我国“一带一路”沿线省份的旅游产业效率进行测度，并对影响因素进行探究、提出相关对策建议；戚湧等［6］基于我国的省级面板数据，对长江经济带高技术产业创新效率开展实证研究，发现技术进步是推动创新效率增长的主要动力；Li 等［7］提出广义三阶段数据包络分析（DEA）-灰色关联-视差分解模型的新框架，不但对我国半导体产业的整体创新效率进行了测算，还对产业链各个环节的创新效率进行了精准测度。

从研究内容来看，主要集中在两个方面：一是对产业创新效率的测算研究，分别从完善评价指标体系、完善评价方法等角度来实现更科学的测算；二是对产业创新效率的影响因素研究，主要集中在对企业、政府等市场主体行为的关注上。相关研究在市场各主体行为对产业创新效率的影响作用上，对部分问题看法一致，但也存在一些有待商榷的地方，如王黎萤等［8］研究表明政府资金支持对产业创新效率有着消极作用，而陈羽洁等［9］认为政府的扶持力度虽有利于知识开发效率的提高，但对整体产业的创新效率没有显著影响。

纵观相关文献，虽然学者们对产业创新效率从不同方面进行了大量研究，取得了丰硕的成果，但仍存在一些欠缺之处：从研究产业来看，以往研究大多是针对某一特定产业，以高新技术产业为主对产业创新效率进行研究，缺少对一般范畴意义的产业创新效率的研究；从研究尺度来看，大多数研究是对我国省域以及某个区域（如长江经济带、京津冀）等大尺度空间的研究，缺少中小尺度空间的研究；从产业创新效率测度的指标体系来看，大多数研究都只考虑了专利、科技论文等期望产出，考虑非期望产出的研究较少；从产业创新效率影响因素来看，对新区产业创新效率的影响因素实证研究较少，需要进一步丰富。基于此，本文首先运用超效率DEA测算2015—2017 年不考虑非期望产出的新区产业创新效率，进而对模型加以改进，测算出考虑非期望产出的新区产业创新效率，对比二者之间的差异；最后采用Tobit 回归模型实证分析了新区产业创新效率的影响因素，并在分析雄安新区现状的基础上提出雄安的未来发展对策建议，以期对雄安新区产业发展提供政策借鉴。

2 研究方法

2.1 超效率DEA

Banker［10］在1984 年提出超效率DEA 方法，Andersen 等［11］于1993 年进一步改进了该方法。超效率DEA 方法能够评价具有多项投入和多项产出的决策单元，且无需对数据进行无量纲化和指标权重赋权处理，具有较强的客观性，相比传统DEA，具有对有效评价单位（即效率值为1）进一步区分的优势［12］。故本文采用超效率DEA 对新区产业创新效率进行测度。超效率DEA 模型为：

式（1）中：Xij为新区产业创新投入向量；Yj为新区产业创新产出向量；θ为产业创新效率值；λj为各新区的组合系数；s-为评价单元达到最优效率需要增加的投入量，即产出不足量；s+为评价单元达到最优效率需要减少的投入量，即投入冗余量。

超效率DEA 模型在使用中存在一个默认的前提假设——产出指标必须为正向指标，即产出越大越好，当产出指标含有负向指标（非期望产出）时将会出现效率测度无效的情况，故该模型一般用来测算不考虑非期望产出的情形。对于考虑非期望产出的情形，常见做法是把非期望产出（如废水、废气等）作为投入要素［13-14］，但这种做法有悖于产业产出的实际情形。本文借鉴郭四代等［15］研究中的做法，采用数据转换函数处理法，对非期望产出指标做以下数据转化：

式（2）中：Yi为非期望产出指标向量；为转化后的非期望产出指标向量；为保证转化后的向量元素取值都为正值，C为一个非常大的向量，元素取值为评价对象最大值的1.1 倍。

通过式（2）处理后，非期望产出指标符合超效率DEA 模型的计算要求，可以进行效率测度。

2.2 Tobit 回归模型

采用超效率DEA 测算出的新区产业创新效率值均大于0，属于左侧截断数据，使用传统的最小二乘法会造成一定程度的估计偏差，而Tobit 回归模型的优势在于能较好处理被解释变量为截尾、删失等被解释变量受限的问题［16］，故本文采用Tobit 回归模型探究新区产业创新效率的影响因素，从中识别出制约产业创新效率进一步提升的关键因素，从而有为针对性的政策制定提供依据。Tobit 回归模型如下所示：

式（3）中：X为解释变量；Y为被解释变量；α为截距常量；β为回归参数变量；ε为随机扰动项，a为截断点。

3 产业创新效率评价体系构建与数据来源

3.1 产业创新效率评价体系构建

产业创新投入和产出指标目前在学术界尚未达成一致认识。一般来讲，创新投入可以分为创新人才、创新资金、创新实物三大部分，创新产出主要包括经济产出和知识技术产出两大类。其中，经济产出包括新产品的销售收入以及创新行为产生的利润增量等；知识技术产出主要包括专利和论文两大类。发明专利新颖性强、技术含量高、市场运用前景好及市场认可度高，更能衡量创新的知识技术产出［17］，但单纯采用专利数量来衡量知识技术产出也存在一定的局限性，因各行业各企业性质不同，有些创新成果并不合适申请专利，因此寻求囊括非专利产出的合理指标显得较为必要［18］。SCI 论文数量在一定程度上是产学研合作的产物，其研究成果与产业发展有着千丝万缕的关系，因此利用SCI 论文数量和发明专利申请数更能体现创新的知识技术产出。此外，以往研究普遍忽视了对创新活动中的非期望产出进行必要的衡量［19］，而随着人们对环境保护问题的日益重视，创新活动中的环境污染等问题也引起了人们的广泛关注，因此从绿色低碳视角考虑创新产出，创新活动产出既包括专利、新产品等一般创新产出，也包括能源消耗和环境污染方面产出，属于多产出的创新活动［20］。基于以上分析，本文在借鉴以往研究的基础上，结合数据的可获得性和时效性、指标的代表性和完整性等原则，构建新区产业创新效率评价指标体系，如表1 所示。

表1 新区产业创新效率评价指标体系

3.2 数据来源

新区的成立和发展，是引领区域经济增长，实现产业转型升级、深化改革，促成以点带面国家战略意志的体现。而新区产业经济的发展，必须以新区所在母城为载体，依托新区母城较为完善的经济、社会环境，吸引创新人才、创新资本等创新要素的聚集，新区产业发展与母城的发展密切相关、休戚与共。考虑到新区数据获得性问题，本文参考叶姮等［21］研究中的做法，利用新区所在母城的数据对新区产业创新效率进行间接测度。数据来源于2016—2018 年《中国科技统计年鉴》《中国统计年鉴》《中国城市统计年鉴》及各城市年鉴汇编资料。其中，SCI 论文数来自Web of Science 数据库，发明专利申请数来自佰腾专利检索；对于少部分无法获取到新区母城的年鉴数据，借鉴清华大学创新发展研究院［22］评价中国城市创新生态系统的做法，对数据进行填补处理。

4 实证分析

本研究利用DEA SolverPro 软件，分别测算出不考虑非期望产出和考虑非期望产出下新区产业创新效率及排名情况，结果如表2 和表3 所示。总体而言，中西部地区后成立的新区产业创新效率较高，而先成立的东部经济发达地区新区产业创新效率较低。例如，浦东新区、滨海新区等虽然聚集了大量的创新要素，产业创新产出也较高，但是产业创新效率并不高，在新区中处于下游水平，这意味着高投入并没有带来与之相匹配的高产出，高研发投入与低产出的矛盾依然存在［23］；而江北新区、贵安新区等产业创新效率较高，在新区中处于上游水平，这些新区经济发达程度虽远不及浦东新区等，但是产业发展势头迅猛，保持着低投入、高产出的“小而美”发展模式。

4.1 不考虑非期望产出的新区产业创新效率分析

2015—2017 年间，从波动情况来看，新区产业创新效率波动幅度最大的是长春新区，标准差达到0.374，两江新区、西咸新区等新区波动幅度较小，标准差分别为0.094、0.049，都在0.1 以下；从发展态势来看，产业创新效率增长幅度最大的是天府新区，增长幅度达到33.27%，西海岸新区的下降幅度最大，达到34.23%，滨海新区的下降幅度次之，为31.74%；从总体效率来看，产业创新效率平均值最大的是江北新区，平均值为2.301，而赣江新区、浦东新区等新区产业创新效率平均值较低，分别为0.942、0.828。注:“-”表示相应年份数据缺失。下同。

表2 2015—2017 年不考虑非期望产出的各新区产业创新效率及排名

4.2 考虑非期望产出的新区产业创新效率分析

2015—2017 年间，从波动情况来看，产业创新效率波动幅度较大的是长春新区、舟山新区、兰州新区，标准差分别为0.374、0.344、0.336，两江新区、湘江新区等波动幅度较小，标准差分别为0.094、0.082，都在0.1 以下；从发展态势来看，产业创新效率增长幅度最大的是天府新区，增长幅度达到33.27%；从总体效率来看，产业创新效率平均值最靠前的是舟山新区、江北新区，平均值分别为2.715、2.301，而滇中新区、浦东新区、滨海新区等产业创新效率平均值较低，分别为0.861、0.828、0.822。

表3 2015—2017 年考虑非期望产出的各新区产业创新效率及排名

表3 （续）

4.3 考虑非期望产出与不考虑非期望产出对比分析

（1）新区产业创新效率呈逐年下降态势，考虑非期望产出的产业创新效率略高于不考虑非期望产出的产业效率（如图1 所示）。2015—2017 年间，不考虑非期望产出的新区产业创新效率平均值分别为1.177、1.175、1.072，2017 年相较于2015 年总体下降幅度为8.92%；而考虑非期望产出的新区产业创新效率均值全都高于不考虑非期望产出情形，分别为1.333、1.328、1.211，2017 年相较于2015 年总体下降幅度为9.15%。虽然考虑非期望产出后新区产业创新效率下降幅度扩大，但是从各年份来看，考虑非期望产出情形与不考虑非期望产出情形的产业创新效率差距正在缩小，分别由2015 年的0.156、2016 年的0.153 缩小到2017 年的0.139。

图1 两种情况下新区产业创新平均效率对比

（2）大部分新区的产业创新效率在考虑非期望产出和不考虑非期望产出两种情形下的差异较小（如图2 所示）。绝大部分新区考虑非期望产出的产业创新效率与不考虑非期望产出的产业创新效率差距在0.2 以下，如赣江新区、福州新区、雄安新区分别相差0.153、0.171、0.047，个别新区考虑期望产出的产业创新效率与不考虑非期望产出的产业创新效率差距较大，其中舟山新区、贵安新区、兰州新区、福州新区、赣江新区的差距分别达到1.322、0.473、0.416、0.171、0.153。原因可能在于这些新区所处地区在自然环境方面具有先天的优势，重化工业较少，因而在考虑非期望产出情形下产业创新效率上升幅度较大。

图2 2015—2017 年两种情况下各新区产业创新效率对比

由以上分析可知，在不考虑和考虑非期望产出两种情形下，新区产业创新效率呈现同步变动、逐年下降趋势，发展形势不容乐观。近年来，国际贸易保护主义抬头，贸易摩擦不断升级，我国作为出口顺差贸易大国，成为了发达国家贸易制裁的首要对象，国际贸易形势变化的不确定性加速了我国部分中低端产业向东南亚地区转移，而我国高端制造业、新材料、生物医药等高端产业体系尚未完全建立，产业发展“青黄不接”的状况导致了新区产业创新效率持续下降。

4.4 新区产业创新效率影响因素Tobit 分析

在参考以往研究的基础上，结合新区产业发展实际情况，本文采用以下指标来表征新区产业创新效率的影响因素：采用当年实际使用外资金额指标来表征外资使用额；采用公路、水路、航空货运量之和表征货物运输量；采用人均年末金融机构贷款余额表征金融服务度［24-26］；采用国有经济固定资产投资总额与全社会固定资产投资总额的比值表征政府支持力；采用腾讯研究院发布的《中国“互联网+”指数报告》中的“互联网+”指数表征信息互联度［27］。此外，借鉴彭峰等［28］研究中的做法，使用单位地区生产总值（GDP）的SO2排放量来表征环境规制度。根据以上影响因素，结合Tobit 回归基本模型，建立新区产业创新效率影响因素Tobit 面板回归模型如下：

式（4）中：Effe 为各新区产业创新效率；i为各新区的编号；t为年份；β0、β1、β2、β3、β4、β5、β6表示各变量的回归参数；Fdi、Fre、Fin、Gov、Inf、Env 表示各影响因素变量，为了消除量纲不一致对回归结果的影响，对Fdi、Fre、Fin 影响因素变量进行取对数处理；ε为残差项。

通过Stata 13.0 统计分析软件进行Tobit 面板回归，回归结果如表4 所示。外资使用额及信息互联度对新区产业创新效率有正向影响，但均未通过显著性检验。货物运输量对新区产业创新效率具有显著的负向影响，在一定程度上反映了我国物流行业大而不强的现象。近年来，随着我国电子商务的普及，物流行业也获得快速发展，2018 年我国快递行业的年业务量突破500 亿件，但人力成本居高不下、过度包装、分拣效率低下等问题仍不容小觑。物流行业整体效率不高，掣肘了新区产业创新效率的进一步提升，因而导致其对新区产业创新效率的显著负向影响。金融服务度对新区产业创新效率具有显著的正向影响。产业升级和技术创新活动离不开银行、券商、风险投资等金融机构的支持，金融行业支持的力度和服务水平越高，对新区产业创新效率的提升作用越大。政府支持力对新区产业创新效率具有非常显著的正向影响。新区从设立之初就是政府支持的产物，区内基础设施建设、产业发展定位和布局、各项改革试点政策等产业发展优势条件均受到政府的大力支持。环境管制度对新区产业创新效率有负向影响，且通过显著性检验。适当的环境规制将刺激企业进行更多技术创新，以此来降低遵循环境规制的成本，最终更具竞争优势［29］，但从原始数据来看，2017 年各新区的SO2排放量相比2015 年下降幅度均在50%以上，个别新区达到了80%，明显超出技术创新对环境保护的贡献范畴，背后折射出政府重拳治理雾霾的“一刀切”现象。高强力度的环境管制使企业面临巨大的生存压力，利润大幅减少，对研发的投入萎缩，进而抑制产业创新效率的提升。

表4 2015—2017 年新区产业创新效率影响因素Tobit 回归分析结果

5 研究结论及对雄安新区的启示

本研究首先利用超效率DEA 模型对新区产业创新效率进行测度；其次考虑到创新活动中存在非期望产出的现实情形，进而测度考虑非期望产出的产业创新效率，研究发现两种情形下新区产业创新效率呈现逐年下降态势，且变动趋势同步，大部分新区在考虑非期望产出情形下的创新效率要高于不考虑非期望产出情形下的创新效率，浦东新区、滨海新区等前期成立的东部经济发达地区新区的产业创新效率较低，而江北新区、贵安新区等后期成立的中西部经济不发达地区新区的产业创新效率较高；最后利用Tobit 回归模型对新区产业创新效率影响因素进行分析，结果表明政府支持力、金融服务度对新区产业创新效率具有显著的正向影响，货物运输量、环境管制度对新区产业创新效率具有显著的负向影响。

雄安新区建设近乎“平地建新城”，区内原有产业以传统农业和服装、塑料包装等中低端制造业为主，产业基础薄弱，未来将要重点发展高端现代服务业等新兴高科技产业。新兴高科技产业的承接，需要雄安新区相关产业服务的配套，但从目前来看，雄安新区存在以下需要关注的问题和情况：首先，本地产业人才供应不足，高端产业人才奇缺，需要从北京、天津等创新高地输入人才；其次，当前我国同级和上下级政府部门之间数据标准不统一、数据接口不开放，“信息孤岛”现象较为严重，雄安新区作为创新样板城市，实现政府、企业之间的数据信息互通互联对雄安产业发展升级具有重要的推动作用；再者，雄安在发展初期，需要大量资金投资建设，金融政策杠杆的引导和撬动作用对产业发展尤为重要；最后，雄安的物流产业发展虽然处于起步阶段，但也为未来物流“弯道超越、跨越发展”留下了巨大的施展空间。

基于本文的实证结论，结合其他新区发展经验，提出雄安新区产业发展的对策建议，以期破解以上难题。包括：

（1）打造“双型”政府，助力雄安产业发展。一是打造服务型政府。人才是创新活动的第一要素，创新人才服务政策，通过物质激励和人文关怀两个手段引才、留才、育才、疏才，多措施构建公平合理的薪酬体系，营造卓越的人才服务环境，为雄安新区产业腾飞提供强大智力保障；同时，为企业提供“贴身管家”式政府服务，精准服务，加大创新支持力度，促进企业创新能力稳步提升。二是打造智慧型政府。统一智慧型政府顶层设计规划，实现雄安新区的税收、城建等所有部门、全部数据统一汇总到政府数据仓库，真正实现数据共享；结合5G 网络、物联网等先进技术，统一规划建设“雄安云”信息应用基础设施，提高新区内两化融合水平，提升企业生产管理效率，优化资源协调配置，为企业自身发展和政府主动服务企业提供强有力的工具支撑。

（2）创新金融服务，赋能雄安产业腾飞。一是设立雄安产业大基金。借鉴国家集成电路产业投资基金运营模式，顶层设计基金运行机制，成立雄安产业大基金；整合优势资源，吸引多元社会资本聚集，实施基金市场化、专业化管理，提高基金运作效率，对雄安新区重点发展的5G、大数据等重点产业进行投资，培育发展新兴产业集群，打造区域产业发展核心竞争力。二是大力发展绿色金融服务。企业贷款利率直接和企业碳排放量挂钩，碳排放量越少，企业获取银行贷款资金的成本越低；银行放贷和计提存款准备金与银行放贷对象挂钩，对于贷款给绿色低碳企业的银行机构，可以适度降低对其流动性、盈利性等风险控制要求；在证券市场开辟绿色金融专门板块，符合标准的绿色低碳高科技企业可以优先、从简上市，进而提高资本市场对绿色清洁技术的支持度，鼓励企业加大低碳技术研发，促进产业绿色创新。

（3）创建智慧物流，助推雄安产业升级。一是创建智慧物流信息平台。以菜鸟网络、顺丰速运等物流先进平台为基础，以在线交易、即时结算、信用担保、普惠金融、信息查询等综合服务为切入点，有效整合上下游供应链资源和线上线下跨界资源，创建物流企业之间互联互通的智慧物流信息平台。二是提高仓储配送企业的信息化水平。配置物体识别、动态监控等全自动设备以及高科技、高效率的货物搬运设备，以物流仓储管理信息系统为基础，充分利用无线射频技术、区块链等技术，全面提升物流订单运营、货物管理、客户服务的能力；利用电商的历史沉淀数据和即时销售数据，以及运输沿线的土地成本、人力成本、交通可达度等多源数据，建立人工智能神经网络模型，自主学习、自动优化，提供配送仓库选址、仓库货物提前调货等一整套仓储配送解决方案。