“一带一路”沿线省份创新效率评价及影响因素研究

张盼 韩天阳 郝立丽

摘 要：以“一带一路”17个沿线省份为研究对象，运用SBM模型对2010—2019年沿线省份创新效率进行测算。在测得效率值的基础上，建立Tobit回归模型进行创新效率影响因素的研究。结果显示，2010—2019年沿线省份创新效率整体均值为0.43，有较大的提升空间，但从时间上看，创新效率表现出良好的上升趋势;从内部投入影响因素来看，人员投入与创新效率显著正相关，资本投入与创新效率显著负相关;从外部环境影响因素来看，对外开放显著促进创新效率的提高，企业规模对创新效率具有阻碍作用。最后从内部投入和外部环境的角度提出促进“一带一路”沿线省份创新效率提高的建议。

关键词：“一带一路”沿线省份 创新效率 SBM模型

中图分类号：F127

文献标识码：A

文章编号：1004-4914（2022）04-007-02

2015年3月28日，《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》的发布，强调了“一带一路”是开放包容、互利共赢之路，对人类命运共同体的构建具有推动作用。“一带一路”共圈定重庆、新疆、甘肃、陕西、青海、宁夏、黑龙江、内蒙古、辽宁、吉林、云南、广西、西藏、福建、上海、浙江、广东、海南18个沿线省份。“一带一路”对探寻经济增长之道具有重大意义。2017年，习近平总书记在“一带一路”国际合作高峰论坛上提出《“一带一路”科技创新行动计划》（简称《计划》），《计划》将创新作为经济发展的重要推动力，旨在以创新驱动“一带一路”建设，通过加强前沿领域合作，建设21世纪的数字丝绸之路，这意味着创新发展已经是必然趋势。因此，科学地评价“一带一路”沿线省份创新效率，不仅有利于“一带一路”沿线省份创新效率的提高，而且对中国经济转型发展具有重要意义。

一、研究设计

（一）SBM模型

本文采用Tone[1]提出的SBM模型测算创新效率，这一模型通过将松弛变量直接引入目标函数，能够有效解决传统DEA模型因为忽略松弛变量而导致的效率偏差问题[2]，模型假设有k个决策单元，l个投入变量，m个产出变量，其中，l个投入变量表示为矩阵X=（x1k，x2k，K，xlk），m个产出变量表示为矩阵Y=（y1k，y2k，K，ymk）。效率值表示为ρ，模型如下：

其中，投入、产出松弛变量分别表示为s、s;ρ∈[0，1]，ρ的值越大，说明决策单元的效率值越有效，ρ的值取到1，说明决策单元达到DEA有效。

（二）Tobit回归模型

考虑到创新效率在（0，1）之间取值，OLS回归得出的参数估计将有偏且不一

致[3]，本文运用Tobit回归模型分析创新效率的影响因素。Tobit回归模型如下式所示：

y=？坠X+ε

Yy，y，>00，y≤0

ε：N（0，σ）

自变量、因变量、潜在变量分别表示为：X、Y、y，误差项ε独立且服从正态分布，当y>0时，Yi取值为y;当y≤0时，Yi以0截尾。

（三）指标选取与来源

本文从投入和产出方面构建创新效率评价指标体系。选取R&D资本投入和R&D人员全时当量作为投入指标，其中，采用永续盘存法[4]将R&D经费内部支出换算为资本存量表示R&D资本投入;选取专利申请量、技术市场实际成交额、新产品销售实际收入作为产出指标，其中，专利申请量包括发明专利、实用新型、外观设计3种类型，将3种专利分别赋予0.5、0.3、0.2的权重[5]表示实际专利申请量。

本文从内部投入和外部环境两个视角选取创新效率的影响因素。内部投入影响因素选取R&D资本存量、R&D人员全时当量;外部环境影响因素从对外开放环境、企业规模方面选取指标，并分别用进出口总额占GDP比重、工业总产值占规模以上工业企业单位数比重表示。

本文以“一带一路”沿线省份为样本，西藏数据不全，未将其包含在内，因而研究对象为内蒙古、辽宁、吉林、黑龙江、上海、浙江、福建、广东、广西、海南、重庆、云南、陕西、甘肃、青海、宁夏、新疆17个省份，参考Guan&Chen[6]，设定1年的创新时滞，因此，数据来自于2009—2019年《中国统计年鉴》《中国科技统计年鉴》《中国价格统计年鉴》以及国家统计局网站和各省份统计年鉴。

二、实证结果与分析

（一）创新效率评价

利用Matlab2021a软件，运用SBM模型，测算“一带一路”沿線省份2010—2019年创新效率，结果如表1所示。

由表1的数据可以算出，2010—2019年“一带一路”沿线省份创新效率均值除在2012年大幅度下降了29.97%，2016年大幅度上升了38.37%之外，其余年份均表现出小幅度的增减变化，总体呈现良好的上升态势。2010年创新效率均值为0.37，2019年上升到0.55，平均增长了4.5%。“一带一路”沿线省份中，创新效率均值高于整体均值0.43的省份在2010年占样本总数的29.41%，在2019年该比重上升到47.06%，由此也反映出创新效率的提高。从“一带一路”沿线省份创新效率均值排名可以看出，广东省和重庆市均值高达0.78，并列第一;上海市以0.71的均值紧随其后;青海、浙江、陕西、辽宁、甘肃的创新效率均值相对较高，均在平均水平0.43之上;吉林、海南、云南、广西、福建、黑龙江、宁夏、内蒙古、新疆的创新效率均值相对较低，均在平均水平0.43之下。

（二）创新效率影响因素结果分析

在测得创新效率的基础上，建立影响因素对创新效率的Tobit回归模型，回归结果如表2所示。

由表2可知，从内部投入来看，R&D人员全时当量与创新效率显著正相关，说明增加R&D人员，可以明显促进创新效率的提高，而R&D资本存量与创新效率显著负相关，说明资本存量没有被有效利用，存在着冗余现象;从外部环境来看，外部开放环境明显推动了产品创新效率的提高，这一结果符合“一带一路”开放包容、互利共赢的建设理念，扩大对外开放有利于创新要素在区域间的流动，进而开创地区新型创新合作;企业规模对创新效率的提高有抑制作用，企业规模扩大表现为大规模企业有更突出的优势，使得小规模企业很难获得政府和金融机构的资金支持，打击了小规模企业创新积极性。

三、结论与建议

本文利用SBM模型测算“一带一路”沿线省份创新效率，研究结果表明，“一带一路”沿线省份创新效率整体均值为0.43，说明整体创新水平不高，有较大的提升空间，但十年间创新效率均值平均增长了4.5%，说明创新效率有良好的上升态势。从影响因素来看，内部投入因素中，R&D人员全时当量对创新效率有明显促进作用，R&D资本存量对创新效率有明显制约作用;外部环境因素中，对外开放程度的扩大能明显促进创新效率的提高，企业规模对创新效率有抑制作用，但抑制程度不高。

为提高创新效率，在内部投入层面，政府应该完善落户政策、购房补贴等人才引进政策，让更多的人才投入到知识创新中;创新资金应该投入到生态环保等重点领域，通过加强资金投入的选择性来解决资本冗余问题;在外部环境层面，积极响应“一带一路”倡议，加强与相关国家或地区重点项目、产业的有效对接，推动经贸合作，实现多方共赢;除此之外，政府与金融机构应加大对小规模企业的资金支持，释放中小企业创新活力。

[基金项目：东北师范大学应用统计教育部重点实验室基金项目]

参考文献：

[1] Tone K. A slacks-based measure of efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research， 2001， 130：498 - 509.

[2] 冯烽，陈磊，黄晗.中国港口上市公司运营效率的测度与提升路径——基于SBM-DEA模型[J].中国流通经济，2017，31（6）：106-112.

[3] 边俊杰，段可仪，康斐.基于DEA-Tobit模型的知识产权与金融互动对江西省供给侧改革支撑效率研究——基于江西省与29个省份之间的对比分析[J].江西师范大学学报（自然科学版），2021，45（01）：10-21.

[4] 吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2006（03）：1129-1156.

[5] 白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015（7）：174-187.

[6] JIANGCHEN GUAN， KAIHUA CHEN. Measuring the innovation production process： a cross-region empirical study of Chinashigh-tech innovation[J]. Technovation， 2010（30）： 348-358.

（作者單位：东北林业大学经济管理学院 黑龙江哈尔滨 150040）

（作者简介：张盼，硕士研究生，研究方向：科技管理、统计理论与方法;韩天阳，硕士研究生，研究方向：科技管理;通讯作者：郝立丽，副教授，硕士生导师，博士，研究方向：科技管理。）

（责编：贾伟）