中国高技术产业创新效率研究_基于SFA方法的实证分析_韩晶

第28卷　第3期2010年3月科　学　学　研　究S t u d i e s i nS c i e n c e o f S c i e n c e V o l .28N o .3M a r .2010文章编号:1003-2053(2010)03-0467-06中国高技术产业创新效率研究———基于S F A 方法的实证分析韩　晶(北京师范大学经济资源管理学院,100875北京)摘　要:高技术产业的创新能力决定着一个国家国际竞争力的高低及其在世界经济中的分工地位。

应用S F A 方法对中国高技术产业创新效率进行了实证分析。

研究表明,中国高技术产业整体创新效率呈改善的趋势;其中,电子计算机及相关行业创新效率最高,装备制造业创新效率最低;科技人员在高技术产业创新中的产出弹性弱于科研经费的产出弹性,中国高技术产业创新产出主要是经费拉动型的。

在创新效率影响因素的分析中,企业数量对于创新效率有不显著的负向影响,而产业内三资企业总资产、产业利润对于创新效率有着明显的正向影响。

为此,提高中国高技术产业创新效率需要进行制度创新,充分发挥科研人员创造性;提高产业集中度,组建大型产业集团,为产业创新提供足够的资金支持;适当提高产业开放度,促进中资企业获得技术溢出。

关键词:高技术产业;创新;效率;随机前沿方法(S F A )中图分类号:F 062.9 文献标识码:A 收稿日期:2009-07-27;修回日期:2009-09-28 基金项目:教育部人文社会科学研究2009年度一般项目(09Y J C 790017);北京哲学社会科学十一五规划增补项目(09B a J G 255);北京自然科学基金项目(9082010) 作者简介:韩　晶(1975-),女,黑龙江牡丹江人,副教授,博士,研究方向为产业组织。

近几年来,我国高技术产业得到了迅猛的发展。

2007年中国高技术产业出口贸易总额高达12180亿美元,是2000年的3.89倍,规模跃居世界第三,己成为世界高技术产品的重要生产基地。

但是,我国高技术产业发展仍然面临很多问题如技术创新能力不强,研发投入不足,高技术人才短缺,创新效率低下等等。

这些不足严重制约了我国高技术产业持续竞争力的提升。

如何更好地提高我国高技术产业的创新能力将是我国高技术产业发展的关键问题。

本文将从创新效率角度对于我国高技术产业创新能力进行评价,考察影响高技术产业创新的主要因素,提出提升我国高技术产业创新能力的策略和建议。

目前,已经有很多学者从区域和产业角度对中国创新效率进行了研究。

从区域角度对我国创新效率问题进行研究的主要有:何枫等运用C-D 生产函数S F A 对改革开放以来我国各地区的技术效率变迁进行了测算,结果表明全国平均技术效率水平呈稳步上升趋势但地区差异很大[1];岳书敬、刘朝明运用超越对数生产函数S F A 研究表明,技术进步是促进T F P 增长的主要因素但省际技术效率差距在扩大[2];唐德祥、李京文、孟卫东运用面板数据随机前沿方法(S F A )考察了我国三大经济区域R ＆D与技术效率之间的内在关系。

在对特定产业的研究中,罗亚非对制药业技术创新效率进行了研究;岳书敬对长三角高技术产业技术创新效率进行了分析;魏方应用D E A 方法对我国高技术产业创新效率进行了实证分析。

但是,这些研究普遍存在以下两方面的不足:第一,多数研究没有对创新效率影响因素做进一步的分析,而创新效率影响因素的研究更具有政策价值,有助于认识产业创新效率低下的原因所在,从而为提高产业创新效率提供有依据的政策建议;第二,在对创新产出的指标选择上,多数学者选择了新产品销售收入作为产出指标进行研究,其实,这更多的反映创新产出的转化率,而申请专利数量是创新产出的基础,只有将以上两个产出指标结合研究,才能对中国高技术产业技术创新效率进行比较全面的考量。

因此,本文将以新产品销售收入和申请专利数分别作为创新产出,建立分析模型对中国高技术产业创新效率进行评价,并对创新效率的影响因素进行探讨。

文章的结构安排如下:第一部分引言;第二部分是模型设定和变量选择;第三部分是实证分析;最后是研究结论和政策建议。

DOI :10.16192/j .cn ki .1003-2053.2010.03.016科　学　学　研　究第28卷　1　研究模型和变量设定传统生产函数模型的内在假设认为,所有的生产单元都处于生产前沿面上,即生产单元都是完全有效的:在一定的投入要素条件下可以得到最大产出或者在一定的产出条件下使用最小的投入要素。

但在现实经济生活中,大部分的生产单元并没有处于生产前沿面上,而是与最有效率的生产前沿面有所偏离,存在着无效率项。

识别无效率项的函数模型通常包括两类:参数方法和非参数方法。

其中非参数方法是指数据包络分析法(d a t a e n v e l o p m e n t a-n a l y s i s),一般通过线性规划构建出生产前沿面,使用距离函数得到生产单元的效率。

参数方法是指随机前沿函数法(s t o c h a s t i c f r o n t i e r a n a l y s i s),基本思路是将实际生产单元与前沿面的偏离分解为随机误差和技术无效率两项,使用计量的方法对前沿生产函数进行估计。

随机前沿函数模型首先由A i g n e r, L o v e l l和S c h m i d[3],M e e u s e n和v a nd e nB r o e c k[4]分别独立提出,随后,J o n d r o w,B a t t e s e和C o e l l i等学者对其进行了不断的拓展和发展,提高了随机前沿模型的灵活性和适用性。

对于测度问题给数据带来的随机误差,数据包络分析法并没有考虑,而是将所有存在的随机误差认为是效率的不同。

数据的偏差越多,平均效率的偏差也会越大。

考虑到数据包络分析的此缺陷,文中使用随机前沿函数模型作为基本的研究框架。

借鉴B a t t e s e和C o e l l i[5]的模型设定,本文的随机前沿函数模型如下:L n S a l e s=β0+β1L n I n p u t R D P i t+β2L n I n p u t R D i t+V i t-U i t(1) L n P a t e n t=β0+β1L n I n p u t R D P i t+β2L n I n p u t R D i t+V i t-U i t(2) (1)式中L n S a l e s表示新产品销售收入(s a l e s)的自然对数,(2)式中L n P a t e n t为申请专利数(P a-t e n t)的自然对数。

(1)式和(2)式中i和t分别表示第i个行业和第t个年份;L n I n p u t R D P i t为研发人员全时当量的自然对数,L n I n p u t R D i t为研发经费数量的自然对数,β1和β2分别为研发人员全时工作当量和研发经费的产出弹性。

V i t为随机变量,其分布服从正态分布N(0,σ2v),且独立于U i t。

U i t为非负的随机变量,表示创新活动中的无效率项,其分布为截尾正态分布N(m i t,σ2u),其中m i t越大,表示效率越低下,即同样研发经费和研发人员的投入,得到的创新产出越少。

对于无效率项的影响因素,我们重点考虑市场结构、产业开放度和产业利润等因素对创新活动无效率项的影响,无效率项函数设定如下:m i t S=δ0+δ1M a r k e t i t+δ2L n F F E i t+δ3L n P r o f i t i t+ωi t(3) m i t P=δ0+δ1M a r k e t i t+δ2L n F F E i t+δ3L n P r o f i t i t+ωi t(4) (3)式中m i t S为以新产品销售收入为产出变量的无效率项分布函数的均值,(4)式中m i t P为以申请专利数量为产出变量的无效率项分布函数的均值,M a r k e t、F F E、P r o f i t分别表示市场结构、产业开放度、产业利润。

δ为待估常数项,δ1,δ2,δ3分别表示上述变量对研发无效率项的影响系数,如果某一变量的系数为正,说明该变量对无效率项有正向影响,也就是说该变量对效率有负向影响。

ωi t为服从正态分布的随机误差项。

由于随机前沿函数相对于传统函数的优势在于其对无效率项的考虑,那么如何判断随机前沿函数的有效性呢?如果模型中不存在无效率项或者无效率项不明显,则采用传统函数更为合适。

具体要采用下面这个指标来判断前沿函数模型的有效性:γ=σ2uσ2u+σ2v,其中0≤γ≤1,γ接近1,说明无效率项在生产单元与前沿面的偏差中占主要成分,此时采用前沿函数模型就是合适的;若γ接近0,说明随机误差是主要成分,此时采用传统的生产函数即可。

2　实证分析2.1　数据来源与处理根据国家统计局相关统计指标,我国高技术产业主要包括:化学药品原药制造业、化学药品制剂制造业、生物、生化制品的制造业、医疗仪器设备及器械制造业、航空航天器制造业、通信设备、计算机及其他电子设备制造业、雷达及配套设备制造业、广播电视设备制造业、电子计算机整机制造业、电子计算机外部设备制造业、电子器件制造业、电子元件制造业、家用视听设备制造业、其他电子设备制造业、电子计算机及办公设备制造业、仪器仪表制造业。

研究时间跨度为2001年-2007年,相关指标计算说明如下:·468·　第3期韩　晶:中国高技术产业创新效率研究创新产出:本文创新产出用两个指标衡量,分别是新产品销售收入和申请专利数。

新产品销售收入能够代表产业创新成果的转化能力;而申请专利数是产业创新能力的基础。

创新投入:资本投入和劳动力的投入是研究投入产出效率的常用方法,在本文的研究中也同样使用资本和劳动投入。

对于产业创新效率来说,研发费用的投入与研发劳动的投入对其有直接的影响,也是主要的影响因素。

这里采用各产业的科技经费支出总额(I N p u t R D)和研究与发展人员全时当量(I N p u t R D P)作为创新投入变量。

市场结构:一般使用市场集中度反映市场力量,但由于缺乏行业集中度的精确数据,作为次优选择,这里取各行业企业数量(M a r k e t)表示该行业的竞争程度:企业数量越多,预示着市场竞争越激烈。

企业数量从另一个侧面也反映了行业进出壁垒的高低。

产业开放度:用产业内三资企业总资产(F F E)表示产业开放度情况。

三资企业总资产越高,表明产业开放度越高,中资企业越有可能获得技术外溢效应。

产业利润:一般认为,产业利润(p r o f i t)越高,产业越有能力进行研发,从而会影响产业创新效率。