新发展格局下创新驱动效率的统计测度研究

周济营

(河南大学 经济学院，河南 开封 475004)

1 研究背景与意义

在当前庞大的经济规模下，我国“外循环”占国民经济比重不断下降，经济社会的增长逐渐且必然转移到依靠国内的经济循环上来，如何通过创新构建出高水平的国内经济循环体系、畅通国内经济与要素循环，成为我国经济社会能否实现高质量发展的关键。对此，我国提出了创新驱动发展战略和构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，与我国改革开放初期“两头在外，大进大出”的发展模式不同，新发展格局更加注重国内要素的循环质量，将科技创新作为我国国内外双循环的“中转站”，创新驱动发展模式不仅能促进国内国际新发展格局的形成，新发展格局也能反过来促进我国创新效率的提升。

创新驱动是推动要素的市场配置和促进国内经济高质量发展与循环的重要方法，对我国新发展格局下的创新驱动效率进行统计测度，定量、定性分析我国各个省(自治区、直辖市)创新驱动效率情况，构建与我国新发展格局内涵相结合、满足新发展格局下对经济社会发展质量新评测要求的创新驱动效率的统计测度模型，能为我国不断提升创新效率、促进创新要素合理配置、测度各省份创新驱动效率等方面提供数据与方法参考，也能为了解我国创新驱动发展战略的推进情况提供重要的评价指标。

因此，如何基于双循环新发展格局要求，构建实用、科学的创新驱动效率的统计测度模型，具有重要的理论价值和实践意义。

2 新发展格局下创新驱动效率评价体系构建

2.1 新发展格局下创新驱动效率内涵与机理

熊彼特认为，创新就是将一种从未出现过的生产方式、新的生产函数引入生产，从而形成一种新的生产能力，获得新的利润。彼得·德鲁克认为创新就是通过创造新的产品和改变现有服务的方法，为客户提供新的价值，提升客户满意度[1]。

美国管理学家加里·哈默(Gary Hamel)认为，在重要层次上，在各种创新模式驱动经济社会发展中，作用最大的是管理创新。同时，效率是投入产出比，创新驱动效率是指用于创新驱动经济增长的要素投入与创新驱动的产出之比[2]。

结合相关理论，可以认为创新驱动机制分为两大阶段，第一阶段为创新成果产出阶段，是指将与创新相关的要素投入转变为创新成果；第二阶段为创新成果转化阶段，是指将一定时期内现有的创新成果转化为经济上的发展与增长。

2.2 影响因素指标选取

2.2.1 制度创新因素

道格拉斯·诺思(Douglas North)认为制度创新是社会技术创新能力提升的重要因素，良好的制度创新可以促进技术的不断增长与迭代，促进技术创新能力的提升[3]。

在新发展格局下，我国政府的主要职责是构建良好的创新环境，通过制度创新的方式化解创新过程中的体制机制障碍，为市场主体提供政策保障，不断激发市场活力[4]。

2.2.2 科技创新因素

科技创新是生产力变革与生产能力提升的重要推动方法。为构建双循环新发展格局，我国必须发挥好科技创新在国际国内循环中“中转站”的作用，将科技创新作为经济高质量增长的核心动能，通过科技创新占领经济发展“制高点”，解决科技“卡脖子”问题。

2.2.3 创新文化因素

创新文化是指社会中追求不断创新、开阔进取的精神风气，创新文化的发扬有助于创新理念、创新价值观在创新主体之间传播，进而形成有利于创新的社会氛围与思想条件，提高创新产出。

新发展格局下，为形成“大众创新、万众创业”的社会氛围，促进产学研机制的构建与完善，提升创新驱动效率，创新文化的发扬成为关键。

2.2.4 产业创新要素

产业创新是构建高质量产业链、占领国际产业链制高点、保障产业链的重要驱动力量，是促进产学研结合、发挥好创新成果、提升创新驱动效率的重要抓手，也是新发展格局下打通国内产业链、畅通国内经济循环的重要因素，是构建双循环发展格局的重要保障。

2.2.5 环境与资源创新因素

为实现以创新驱动经济社会的可持续发展，就必须在经济发展过程中重视环境污染与资源消耗问题，通过环境与资源创新减少单位产出下的资源消耗与环境污染程度，进而实现高质量可持续发展。

因此，环境与资源创新要素是决定创新驱动发展模式能否长久存在的关键因素，也是衡量新发展格局下创新驱动效率的重要指标。

2.3 创新投入、产出、环境变量筛选

文章结合新发展格局下创新驱动效率的影响因素，综合选取较为重要的创新产出变量、创新投入变量和创新环境变量，所选变量如表1所示。

表1 三阶段DEA模型采用变量

文章选取了2020年中国31个省(自治区、直辖市)在表2中所包含的宏观数据，所选数据来源于《中国统计年鉴》和各省(自治区、直辖市)的统计年鉴，数据可靠性程度高，为模型构建提供了良好的数据基础。

表2 筛选后的创新环境变量

2.4 数据标准化

为对所选数据进行标准化，文章将表3中所选数据中的正向与逆向数据类型进行如下操作：

表3 基于四阶段DEA模型的2020年中国各省(自治区、直辖市)创新驱动效率评价

3 三阶段DEA模型构建

三阶段DEA模型最早由Fried等(2002)[5]提出，模型构建过程如下。

第一阶段：在第一阶段DEA模型的构建中，模型采用的是没有分离环境变量、统计噪声、管理无效率影响的原始数据，模型通常采用决策单元规模报酬可变的模型，并假设每一个决策单元的综合效率值等于纯技术效率与规模效率相乘。在投入导向的条件下，在规模报酬不变的DEA-CCR模型中加入条件假设：∑λj=1，j=1，2，3，…，n，从而得到以下公式。

其中，j为决策单元，X为投入变量，Y为产出变量，λi为第i个投入变量的权重，ε为阿基米德无穷小数，S-为产出松弛变量，S+为投入松弛变量。

第二阶段：假设决策单元的生产现状都符合柯布道格拉斯生产函数。

在随机冲击和决策单元产出水平αn的影响下，等式可以写成：

将lnαn设为-μn，代表管理无效率项，通常假设其分布为指数分布、截断正态分布和半正态分布，构建因管理无效率导致的松弛变量的SFA等式可以表示为：

Sin=f(Zn，βi)+Vin+μin

其中，Sin为松弛变量，f(Zn，βi)为随机前沿函数，εi=Vin+μin为混合残差项。

将外部环境因素对决策单元创新投入松弛变量的影响剔除，所用公式如下：

第三阶段：将经过第二阶段调整后的投入变量重新进行第一阶段的相同操作，得到处于同一外部环境下各决策单元的效率值。

4 三阶段DEA模型中存在的不足

三阶段DEA模型采用SFA回归的方法剔除外部环境因素的影响，但在使用SFA模型实现创新投入因素的松弛变量对创新环境因素进行回归分析时，SFA模型假设所有决策单元的生产函数都为柯布道格拉斯函数，且为确定各环境变量与各投入松弛变量的函数关系，模型先使用普通最小二乘法进行回归分析，再使用极大似然估计法的方法进行确定。根据相关理论研究[6]，上述模型在进行数据分析时存在下列五点问题。

一是实际数据无法满足模型中样本量足够大的假定；二是31个省、自治区、直辖市的数据相互不独立且不为相同分布；三是无法确定创新投入变量与创新投入变量之间的函数关系是线性关系还是非线性关系；四是不同创新环境变量对创新投入松弛变量的相关度相差较大；五是不同创新环境变量的参数检验结果相差极大。

5 四阶段DEA模型构建与实证分析

5.1 模型构建思路与理论探讨

考虑到剔除环境因素、管理无效率和统计噪声时使用的公式为：

5.2 计算关联度

5.2.1 确定关联系数

考虑到现实中宏观数据之间存在复杂联系，且无法确定其分布情况的特点，文章采用了灰色理论中的关联度分析方法[7]，并在关联度分析中采用了不同ρ值的比较方法。

Δjk(i)=|T(i)-Hk(i)|

上式中，Δmin 和Δmax 分别表示投入松弛变量Tj与第k个环境变量Hk在各个决策单元所得的差值中的最大值和最小值，ξjk(i)为决策单元i中投入松弛变量和第k个环境变量的关联系数，ρ为分辨系数。

5.2.2 确定ρ值

在计算关联度系数时，若决策单元中数据出现数据大幅度波动，容易出现Δmax远远大于Δjk(i)，从而使得ξjk(i)的数值受Δmax取值影响较大，并在Δmax→∞时存在ξjk(i)→1，会使关联度计算出现较大的偏差。

因此，为确定与创新投入松弛变量关联度较大的创新环境变量，需要对关联度ξjk进行两两比较，在确定ξjk的同时确定用于比较这两对创新环境变量与创新投入松弛变量关联度的ρ值。借鉴徐精明和吴长勤(1998)[8]等的不同ρ值构建方法，如在比较环境变量Hg和Hk与投入松弛变量关联度的大小时，不同ρ值的取得采用如下公式：

得到ρ值后，利用关联度计算公式进行关联度计算，所用公式如下：

5.3 筛选环境变量

根据以上公式，对影响创新投入松弛变量的创新环境变量进行筛选，筛选结果如表2所示。

6 四阶段DEA模型构建与实证分析

根据表2的环境变量筛选结果，将所筛选出的环境变量代替三阶段DEA模型中的环境变量，进行数据分析，可得基于四阶段DEA模型的2020年中国各省(自治区、直辖市)创新驱动效率评价如表3所示。相同外部环境下2020年中国各省(自治区、直辖市)创新投入松弛变量见表4。

表4 相同外部环境下2020年中国各省(自治区、直辖市)创新投入松弛变量

7 结论与展望

由表3可得，2020年中国有13个省(自治区、直辖市)的创新驱动效率不佳，其中，12个省的规模报酬呈现递增的态势，在现有创新驱动模式下仍有较大的发展空间，需要扩大创新投入、扩大产业规模。

其中，河北、河南两省的创新驱动效率不佳，规模报酬呈现递减态势，需要提高创新成果转化效率，用创新驱动产业升级。其余16个省(自治区、直辖市)的创新驱动效率良好，创新成果产出效率与创新成果转化效率高，需要继续保持现有创新驱动发展态势。

由表4可得，2020年中国有4省的科学技术支出出现松弛情况，需要提高科学技术支出的使用效率：3省的社会保障和就业支出以及江西、湖南的一般公共服务支出出现松弛，表明这5省公共支出对创新驱动能力的提升效果不佳，需要探讨新的社会保障与服务方案以促进经济社会的发展；湖北、山西的规模以上工业企业R&D人员全时当量出现松弛情况，表明湖北、山西的工业企业R&D人员技术能力、创新能力需要提高，需要构建新的R&D人员培养方法，提高此类人员的科学创新水平；辽宁省的规模以上工业企业R&D经费出现松弛情况，表明辽宁省需要改变、引导企业合理利用R&D经费，提高R&D经费的产出效率，构建合理的经费使用方法，在新发展格局下坚持以创新驱动企业发展。