我国高新技术产业技术创新效率评价及其影响因素分析文档格式.docx
《我国高新技术产业技术创新效率评价及其影响因素分析文档格式.docx》由会员分享，可在线阅读，更多相关《我国高新技术产业技术创新效率评价及其影响因素分析文档格式.docx（14页珍藏版）》请在冰豆网上搜索。
目前，我国高新技术产业已成为我国国民经济中增长最为迅速的产业，高新技术产品的竞争力不断提高，已形成了珠三角、长三角和环渤海三大高新技术产业发展密集区[1]。
截止到2007年，我国高新技术产业的企业个数达到21517，从事科技活动的人数达到1937107。
但是，我国高新技术产业的工业增加值占全国国有及规模以上非国有企业工业增加值的比重略低于高新技术产业总产值占全国国有及规模以上非国有企业总产值的比重（见表1）。
这说明，我国高新技术产业整体的效率水平偏低。
此外，由于各地区政策、市场环境、产业发展水平差异显著，有必要对我国高新技术产业效率的评价及其影响因素进行综合分析。
表1高新技术产业产值和增加值分别占全国工业产值和增加值的比重（%）
指标
2004年
2005年
2006年
2007年
产值比重
14.83
13.66
13.27
12.45
增加值比重
11.57
11.26
11.04
9.93
资料来源：
根据《高新技术产业统计年鉴2008》和《中国统计年鉴》中的数据计算所得。
对技术创新效率的研究文献可以分为宏观层面的研究和微观层面的研究。
官建成，何颖（2005）[2]将区域创新活动分为技术产出阶段和经济产出阶段，运用DEA方法中的CCR模型分别对创新活动的技术有效性、经济有效性以及综合有效性进行评价，将我国各个地区的创新绩效划分成不同的梯度。
张本照、杨 雪（2009）[3]利用DEA模型分析了我国传统产业的技术创新效率，根据创新效率的特点对模型进行了适当的改进，将技术创新的产出相对于投入有一定的滞后期问题考虑进来，考虑到货币的时间价值引入了一个缩放因子以消除不同年份的货币时间价值差别。
杨汝漩（2007）[4]通过区域创新系统中地方政府贡献评价指标体系中的四大指标，即创新的直接投入、创新硬环境完善程度、创新软环境完善程度、社会效益支持力度来确定地方政府在该区域创新系统中的地位。
以上的文献都是从宏观的层面研究技术创新效率问题，微观层面上也有学者做了研究，徐晟（2005）[5]应用灰色系统分析方法，对我国企业技术创新问题进行了灰关联的静态和灰色GM（1,N）协调模型动态分析，找出了严重制约我国企业技术创新发展的主要因素：
技术改造经费支出、研究与实验发展人员全时当量、平均每个企业科技活动经费支出及企业资金占经费筹集比重等。
但是对高新技术产业整体效率水平的研究较少。
我国的高新技术产业是指由从事一种或多种高新技术及其产品的研究、开发、生产和技术服务的企业集合而成，该产业所拥有的关键技术往往开发难度很大，带有一定的原创性，最能够代表我国技术创新整体水平。
本文根据国家2002年颁布的高新技术产业统计分类目录，利用2003-2008年中国高新技术产业发展年鉴的数据，选取合适的技术创新的投入产出指标，采用DEA方法，考察全国范围内各省、市、自治区高新技术产业的技术创新效率，进而利用TOBIT模型分析影响技术创新效率的主要因素。
二、高新技术产业技术创新效率的评价与分析方法
（一）高新技术产业技术创新效率的评价方法
DEA（数据包络分析）是由Farrell于1957年首次提出并应用于单一投入和单一产出的技术效率分析，后来Charnes、W.W.Cooper和E.Rhodes于1978年将其扩展为CCR模型。
这是一种确定有效生产前沿面及评估具有多投入和多产出特点的相同类型决策单元（DMU）相对有效性的非参数方法。
它直接利用线性优化给出边界生产函数与距离函数的估算，通过界定各决策单元是否位于“生产前沿面”上来比较各决策单元之间的相对效率并显示最优值（投影值）。
该方法的突出优点是：
所需投入、产出的指标数量少并具有较高的灵敏度与可靠性，可以直接使用无法价格化以及难以确定权重的指标进行分析，在保证了原始信息的完整同时也避免了人为确定权重时的主观作用。
DEA方法无需对生产函数的形式和分布做出假设，从而避免较强的理论约束使其具有广泛的适用性。
本文用的是CCR模型，该模型由最有效率的决策单元构成生产前沿面，将其效率定义为1，而在其前沿边界之内的决策单元视为相对无效，其效率值定义在0和1之间，并假设其规模报酬不变。
当有n个决策单元（DUM），m种投入要素（X），s种产出（Y）时，该模型可表示如下：
[
]表示
的投入向量，其中j=1，……，n；
i=1，……，m；
的产出向量，其中r=1，……，s。
则某一决策单元
的相对效率
表示成：
Max
①，s.t
，其中
，
分别表示第r个产出项和第i个投入项的权数。
①式表示的是第j个决策单元最大化的相对效率，这是一个分数线性规划模型，方程解有无数多个，求解该方程需要将其转化为线性规划模式。
假定决策单元j投入不变，让其产出最大，则表达式为：
Max
，s.t
=1，
-
0，
0。
第一个约束条件表示投入要素的加权总和为1，第二个约束条件对应①式的约束条件。
将
式及其约束条件转换成其对偶模式[2]，使转换后包络形式的对偶模式有唯一解，表示如下：
Min
=
③，s.t
。
式中，
为第j个决策单元的相对效率，
为第r个产出项和第i个投入项的权数。
利用Deap2.0软件输入投入、产出数据及其对应的参数后即可计算出各决策单元的相对效率。
（二）技术创新效率影响因素的分析方法--TOBIT模型
Tobit回归模型研究的是观察资料被截断（Censored）的回归问题，这种截断不是对观察个数（观察序列）的截断，而是对因变量观察值界限的截断。
本文通过第一步DEA模型得到各地区高新技术产业技术创新的效率值后，由于该值介于0和1之间，所以将其作为TOBIT回归的因变量，借助TOBIT回归，就DEA模型未纳入的外生变量为自变量，再加入控制变量，便可分析出作用于DEA模型效率值的影响因素。
此种情况下，如果用最小二乘法直接回归，因为其因变量的取值范围是（0，1]，估计结果将是有偏的[11]。
为了解决这一问题，使用极大似然估计法。
首先假设模型误差项服从N（0，
）分布，Tobit模型可以表示为:
N（0，
），待估参数是
、
设fi与Fi分别为标准正态分布的密度函数f（·
）与分布函数f（·
）在
处的函数值，即
对于
时的自变量
，所以事件｛
｝发生的概率为：
事件｛Yi>
0｝发生的概率仍然正态分布，因为
所以，
（5.2.57）
由此可以得到全体样本的似然函数：
（5.2.58）
其对数函数为（舍去常数项）
最大似然估计方法就是要求
，使
这样得到的估计结果将是无偏的。
用EVIEWS5.0即可实现TOBIT模型的回归。
三、数据来源及实证分析
（一）数据来源
本文使用的数据来源于《中国高新技术产业发展年鉴》（2008年版）和《中国统计年鉴》。
《中国高新技术产业发展年鉴》涵盖了1995年、2000年、2003-2007年我国高新技术产业的统计数据。
本研究只选取了2003-2007年的数据，一是由于该时段的数据具有连续性，有利于结果的纵向分析；
二是国家于2002年颁布的高新技术产业统计分类目录，从2003年开始的数据对产业范围的界定更加清晰，有利于横向的比较分析。
（二）指标的选择
根据评价技术创新指标体系要求的高度代表性、综合性以及指标间要满足相对的独立性等原则，本文选取了区域技术创新产出和投入的指标[7]，构成见图1。
图1区域技术创新产出和投入的指标构成
区域创新效率与当地人力资本存量有着密不可分的关系。
一般说来，从事科研活动的人数对创新的效率有着直接的影响，故将其选入作为投入的人力指标。
财力指标如图1显示，包括技术改造、引进、消化吸收经费支出，科技活动经费筹集额中企业资金、政府资金和金融机构贷款。
关于产出指标，因为专利比较接近创新的商业应用，专利数据能比较全面的反映各地区发明和创新的信息，故专利是常用来衡量地区创新能力和创新产出的指标。
此外还选取了各地区高新产品的产值作为衡量技术创新产出的指标，因为该指标反映了科技成果转化为市场价值的程度，用新产品出口的销售收入反映新技术的扩散和转移，这也是本文指标的选取较以往研究技术创新效率文献的创新点。
（三）计算DEA效率
由于我国区域经济发展存在着较大差异，本文基于区域经济理论将我国31个省、市、自治区划分为东、中、西部地区分别测算其高新技术产业技术创新效率。
其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；
中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；
西部地区包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。
由于《中国高新技术产业发展年鉴》中内蒙古、西藏、海南、青海的数据缺失严重，故将其删除。
同时，考虑到技术创新从投入到产出有一段时期的滞后，一般的研究都假设了滞后的时间，本文选择的滞后期为一年。
利用Deap2.0软件计算2003~2007年中国高新技术产业逐年的技术创新效率值，见表2。
表22003~2007中国高新技术产业技术创新效率值
城市
2003-2004
2004-2005
2005-2006
2006-2007
均值
北京
0.92
0.40
1.00
0.83
天津
河北
0.14
0.18
0.36
0.32
0.25
辽宁
0.37
0.49
0.51
0.65
0.50
上海
0.81
0.95
江苏
0.41
0.38
0.56
0.42
浙江
0.61
0.48
0.35
0.44
福建
0.75
0.94
山东
0.97
0.62
0.67
0.73
广东
山西
0.46
0.99
0.86
吉林
0.39
0.43
0.54
黑龙江
0.04
0.64
0.27
安徽
0.08
0.22
0.24
江西
0.47
河南
0.71
0.28
0.72
0.53
湖北
0.26
0.34
湖南
0.21
重庆
0.59
四川
0.63
贵州
0.31
云南
陕西
0.29
甘肃
0.58
宁夏
0.88
广西
0.33
新疆
东部地区
0.74
中部地区
西部地区
0.55
全国
0.57
为了更直观的描述表1的内容，利用arcgis软件将各省份的相对效率值数据利用柱状图的形式在地图上表现出来，见图2。
图2各省份的相对效率值柱状图
根据表2的数据，我们发现：
1.从总体看来，我国技术创新效率整体水平不高，各省市差别很大，但东部地区的创新效率明显高于中、西部地区。
原因在于，沿海地区的开发开放是最早的，珠三角、长三角和环渤海地区已成为我国高新技术产业发展的主要基地，高新技术产业的高度集中同时也散发着强大的辐射作用带动了整个东部地区的创新和发展。
中、西部地区相比，中部地区的技术创新效率略低于西部地区。
这与实际国家的政策倾向相吻合。
2.相对效率值为1的个体，即处于效率前沿面的省份包括：
天津、广东、云南、新疆，此外，上海、北京、福建、山西的相对效率值接近1。
产生这种情况的原因是：
近几年世界500强企业纷纷在天津高新技术产业园区落户，设立总部及科研机构、从事高新技术研发及转化工作，以行业应用为导向重点建立实验室，同时国家对重大科技成果进入高新区实施产业化给予重点支持，促进了高新区对战略产业的关键技术进行协同创新。
广东省属于对外开放较早的城市，1998年就作出了《关于依靠科技进步推动产业结构优化升级的决定》，明确提出了“要增创广东发展新优势，关键是争创科技新优势”。
当前，全省一系列有助于高新技术发展的优惠政策随之纷纷出台，在税收、财政返还、吸纳人才、技术和设备进出口、对外合作交流等方面都为发展高新技术产业大开绿灯，形成了一个以广州、深圳为中心的珠江三角洲高新技术产业带和以电子信息、新材料、光机电一体化、生物工程技术为主体的高新技术产业群。
相比之下，从投入产出的原始数据（由于篇幅原因这里未列示）看，云南、新疆的技术创新投入和产出指标的数值都偏小，但不影响其效率，因为高新技术产业是该地区的新型产业，基本不存在投入要素冗余，所以在计算效率值时该个体同样位于效率前沿面，这与效率值的计算方法有关。
3.从长期趋势看，我国高新技术产业技术创新效率呈现波动趋势，其中2005-2006年最高，2004-2005年最低。
（四）高新技术产业技术创新效率的影响因素分析
影响高新技术产业技术创新效率的因素有很多，有微观和宏观因素，内部和外部因素。
因为科技创新主要集中在工业领域所以用工业增加值占GDP的比重[11]表示我国各地区的工业化水平。
一般而言，工业化水平高其技术创新的基础好，所以，效率也高；
由于高新技术产业是国家支持的对象，政府对此给与了许多财政、金融方面的优惠政策。
通过人财物的投入支持，影响到高新技术产业技术创新效率。
本文用科技活动中的金融机构贷款占科技活动经费总筹集额的比重代表金融政策、用高新技术产业发展年鉴统计出的微电子控制设备价值占年末固定资产原价的比重代表技术创新的硬件基础。
一般情况是，技术创新的硬件基础越好高新技术产业技术创新效率越高，而金融政策在一定范围内也会促使高新技术产业技术创新效率提高；
由于行业内的技术溢出效应导致创新扩散，这在一定程度上推进了技术创新，所以本文将新产品销售收入的增长率代表创新扩散也纳入到影响因素中；
再以科技活动中科学家和工程师的数量占科技活动人员总量的比重，企业资金、政府资金占经费筹集额的比重为控制变量，用DEA方法测算出的2003~2007年各地区高新技术产业技术创新效率为因变量，设定回归模型为：
利用上述TOBIT模型对我国总体及其东、中、西部各地区的数据分别进行回归，逐步剔除不显著的变量后对模型进行显著性检验（RedundantVariables--LikelihoodRatioTest方法）[8]，得到结果，见表3。
表3TOBIT回归结果
自变量
估计结果
模型1（全国）
模型2（东部）
模型3（中部）
模型4（西部）
C
GYSP
KXJ
WDZ
XCP
DKBZ
QYZJ
ZFZJ
LL值
P-Value
-0.8288＊＊（-4.5797）
1.0405＊＊（3.7352）
1.0874＊＊（5.2910）
-0.836＊＊（-2.6450）
0.5978＊＊
（3.3553）
57.5489
0.0000
-0.6184
（-1.5439）
1.5156＊＊（3.1056）
1.2569＊＊（2.7338）
0.1899＊
（2.3154）
16.7942
0.0008
0.1678
（1.1924）
1.9802＊＊
（4.3472）
-2.233＊＊
（-3.8062）
0.0428＊
（2.1870）
28.2731
-1.454
（-4.7039）
2.1776＊＊
（3.7286）
1.3074＊＊
（5.2453）
-1.1663＊
（-2.6249）
0.993＊＊
（3.7931）
38.1108
注：
括号内为t值，＊＊、＊分别表示显著水平1%、5%。
模型中，GYSP、KXJ、WDZ、XCP、DKBZ分别表示各地区的工业化水平、科学家和工程师的数量占科技活动人员总量的比重、技术创新的硬件基础、新产品销售收入的增长率、科技活动中金融机构贷款占科技活动经费总筹集额的比重，QYZJ、ZFZJ分别表示企业资金、政府资金占经费筹集额的比重。
EFF是效率值，为因变量。
1.各地区的工业化水平对技术创新效率的影响分析
相对而言，以上四个模型中，工业化水平对技术创新的效率具有最大的显著的正向影响，这也说明工业化程度越高对创新的促进作用越大。
而模型3和4中，GYSP的系数分别为1.9802、2.1776，明显高于模型1和2的系数。
这说明中、西部地区的工业化水平提高1%比全国、东部地区工业化水平提高1%对技术创新效率的提高有更大的影响。
2.科学家和工程师数占科技活动人员总量的比重对技术创新效率的影响
从全国的、东西部地区三个模型的回归结果看，科学家和工程师的数量占科技活动人员总量的比重对技术创新的效率也是正向关系，所以客观上讲，我国高层次科技人才是匮乏的，尤其是研发人员，根据瑞士艺珂人力资源学院的报告，目前中国内地只有60万名研发人员，而到2010年，中国对研发人员的需求量会增加到100万人。
所以，人才供应问题也制约着高新技术产业的发展和技术创新效率的提高。
3.技术创新的硬件基础对技术创新效率的影响
变量WDZ的系数在模型1、3、4中都显著为负，说明固定资产的过度投资和效率的背离。
从全国及中西部地区看，固定资产的的投入超过了其自身的消化能力，新设备后续支出可能挤占了大量的资金，增加了企业的成本却没有收益，所以国家发改委也在严格控制固定资产投资过度。
还可能是因为企业引进的新设备由于没有得到企业层面以上的科技部门正确有力的指导，使得新设备的不适用，同时也说明了我国技术创新效率还存在很大的提升空间。
4.新产品销售收入的增长率对技术创新效率的影响
新产品销售收入的增长率反映了新技术在一个区域乃至全国的扩散速度。
随着社会进步、信息化程度的提高，创新扩散的速度越来越快。
模型2、3回归的结果显示，创新扩散的速度在东部和中部地区与创新的效率显著的正相关。
如果加强西部地区同中、东部地区的互动和联系，促进新技术向西部地区扩散必将带动全国的技术创新效率的提升。
5.科技活动中金融机构贷款、企业资金、政府资金占科技活动经费总筹集额的比重对技术创新效率的影响
科技活动中金融机构贷款、政府资金对技术创新效率无显著的影响。
而模型1和4中企业资金与技术创新效率有显著的正向关系。
这说明西部地区企业对科技活动的投入还不充足，增加企业对科技活动的资金投入还可以改进技术创新效率。
政府应该制定相关的鼓励政策引导企业增加对科技活动的投入，提升企业的创新效率水平。
四、结论与建议
（一）从全国范围看，2003~2007年平均技术创新效率水平为57%，还有很大的改进空间。
东、中、西部的差异也比较大，这也说明国内的资源配置不均衡。
从制度经济学的角度讲，由于中国现有的市场经济体制的不完善，市场经济的水平不高，权利配置资源的现状仍然存在，导致资源不能完全由市场支配，因此有些地区出现投入资金的冗余，而其它地区则出现资金的短缺，因而其效率的发挥也大打折扣。
所以要进一步扩大市场自由度，用市场的力量来调配资源，提高资源的利用率。
（二）各地区的工业化水平、科学家和工程师数占科技活动人员总量的比重与我国整体的高新技术产业技术创新效率有显著的正相关关系。
理论上讲，创新是促进中国工业化进一步发展的推进器，实证的结果表明，工业化水平对技术创新的效率又有反作用。
整体上讲，我国处于工业化的中后期，而珠三角、长三角和环渤海等地已经处于工业化后期，所以要通过区域间的互动发挥高工业化水平地区的带动作用推进全国工业化水平的提高，进而为技术创新营造良好的经济环境和发展空间。
人力资源数量和质量的提高，及其同其它资源的合理配置也能促进技术创新效率的提高。
（三）科技活动中的企业投入资金对西部地区企业的技术创新效率有显著的正向作用，要促进西部地区企业的技术创新，除了企业加大科技投入外还要依赖我国中部和东部地区的“技术扩散”，同时防止西部地区
升级会员 