当前位置：文档之家 › 浙江省杭甬温三地区域创新效率的比较分析

浙江省杭甬温三地区域创新效率的比较分析

  • 格式：doc
  • 大小：21.50 KB
  • 文档页数：6

浙江省杭甬温三地区域创新效率的比较分析作者：余冬筠何力挺来源：《消费导刊》2009年第16期[摘要]本文采用理论分析和实证分析相结合的方法,以区域创新理论和经济增长理论为基础,对浙江省内杭州、宁波和温州三地的区域创新资源和环境作了比较分析。

同时,采用C-D生产函数,将区域创新与区域经济增长相关联,以创新投入的产出弹性作为衡量区域创新效率的指标,进而比较杭甬温三地的创新绩效差异。

[关键词]杭甬温区域创新创新效率作者简介:余冬筠(1980-),女,浙江杭州人,浙江大学经济学院博士研究生,浙江理工大学经济管理学院讲师;何力挺(1986-),男,浙江富阳人,浙江理工大学经济管理学院。

一、引言对创新的研究始于熊彼特对经济增长的解释,他首次强调了创新是经济系统的内生变量,经济增长的过程是一种创造性破坏的过程。

之后的新古典增长理论、内生增长理论对创新的认识不断深入,对创新影响区域经济增长的效应得出了不同的观点。

然而,这些观点大多忽略区域(空间)因素对经济增长差异的影响。

以规模收益递增和垄断竞争为理论基础的空间经济理论弥补了内生增长理论的缺陷和不足,对创新集聚,以及由此形成的经济增长差异进行了解释。

同时,新近流行的创新经济理论围绕创新是什么,也对创新的经济效应提出了不同见解。

但是,该理论尚未形成一套正式的、完备的体系,很多观点缺乏实证检验。

目前,国内学者的研究大多集中在对现有理论的实证检验上,并主要以国家地理区块或各省份之间的比较研究为主,而深入到某一省份内部各地市的实证分析还不多见,因此,本文通过选取浙江省内杭州、宁波和温州三地为比较对象,以区域创新理论为依据,从三地的创新现状以及环境入手,运用计量模型对其创新效率进行判断和比较。

这对剖析浙江省整理经济发展水平和动力,挖掘新的经济增长区块和发展模式,促进全省经济的持续健康发展,缩小不同地市间的发展差距大有裨益。

二、浙江省杭甬温三地区域创新现状分析据《中国区域创新能力研究报告2006-2007》显示,近几年来浙江省区域创新能力一直呈上升趋势,区域创新能力综合排名从2001年的全国第7位上升至2006年的第6位,区域创新能力位于全国上游水平,属于创新能力强的地区。

然而,浙江省内不同地区由于各自的特点和历史条件差别,在创新能力和创新绩效上都有很大的差异。

在此选取了影响创新能力的直接因素和间接因素两方面的指标对杭州、宁波和温州三地的区域创新现状做了简要的分析和比较。

影响区域创新能力的直接因素,是指直接反映一个区域创新能力或效率的各类指标,如作为创新产出或创新投入的变量,这些变量在区域创新的过程中起着举足轻重的作用。

文中,并未穷尽所有的直接因素和间接因素,而是选取了较能反映杭甬温三地创新差异的一些指标。

(一)科研费用投入在创新活动中,研发经费的投入作为创新投入的重要组成部分,在很大程度上反映了一个地区的创新实力和动力,直接影响最终的创新产出和效果。

三地的研发经费投入呈逐年增长势头。

其中,杭州的研发经费投入在历年都显著高于宁波和温州两市,温州的研发经费投入相对最低。

从增长速度看,宁波的增长速度最快,达到了42.76%,其次为杭州,相比温州增速最慢,只有25.66%。

由此可见,三地中,杭州的科技投入存量最高,宁波的增速最快,而温州无论在存量上还是增速上都不及杭州和宁波两地。

为更全面的反映浙江省科研经费投入的区域分布,笔者还计算了杭甬温三地R&D费用投入的合计占全省的比重,发现2003年至2007年,杭甬温三地R&D费用投入均达到全省数额的50%以上,这表明了浙江省的R&D费用的投入在区域分布上极不平衡,除杭甬温三地外其余地区的R&D投入很少。

(二)高等院校数量截至2007年,浙江省拥有普通高校共77所(含筹建)。

其中杭州36所,宁波13所,温州6所。

高等院校的密度在三地分别达到2.17所/千平方公里,1.32所/千平方公里,0.51所/千平方公里。

可见,浙江省高校主要分布在杭州和宁波两地,其中近50%位于杭州,并且科研实力和教学水平较强的一些高校基本位于这两个地区。

这表明杭州和宁波两地,尤其是杭州,一方面在科研的高校支撑力量上要远高于其他地区,另一方面在高等人才供应上具有天然的优势。

资料来源:《2008杭州统计年鉴》、《2008温州统计年鉴》、《2008宁波统计年鉴》(三)专利授权量纵观历年杭甬温三地的专利授权情况,发现三地的专利授权数均呈现逐年上升的趋势,其中,宁波的创新成果除了2005年,其余年份都位居在三地首位。

从三地的年平均增长率来看,杭州达到47.45%,宁波为27.95%,温州为17.7%。

可见,在三地中,宁波的创新成果数量最多;而杭州虽然在数量上位居第二,但是增长速度较快,创新潜力较大;温州市虽然数量并不少,但是增长缓慢,增速远不及杭州、宁波两市,创新动力需引起重视。

资料来源:2003-2007《杭州市国民经济社会发展公报》、《宁波市国民经济社会发展公报》和《温州市国民经济社会发展公报》(四)社会固定资产投资近年来,随着浙江省社会经济的持续高速发展,各地的社会固定投资不断增加。

一个地区的社会固定资产投资额是反映固定资产投资规模、速度、比例关系及使用方向的一个综合性指标。

它是社会固定资产的一种再生产方式,能在一定程度上增加一个地区的创新投入,是一个地区创新环境指标的重要组成部分。

根据数据整理,杭甬温三地的社会固定资产投资现状不尽相同。

三地的固定资产投资年平均增长率分别为杭州13.73%,宁波17.52%,温州13.21%。

其中,宁波的社会固定投资增长最为迅速,且在总量上和杭州不相上下,这反映出宁波近几年的经济社会发展的迅速和强劲实力。

相比而言,温州在这方面则落后于杭州和宁波,且差距较大。

资料来源:2004-2008《浙江统计年鉴》三、浙江省杭甬温三地区域创新效率的模型分析现有文献大多将某一地区的创新投入与最终专利数联系起来,以此衡量不同地区的创新效率。

该方法直观、有效。

但创新只有最终转化为生产率,才在真正意义上成为促进区域经济发展的利刃。

基于这种考虑,本文利用扩展的柯布-道格拉斯生产函数,将创新投入与最终区域经济增长联系起来,以创新投入的产出弹性作为评价区域创新效率的指标。

(一)创新效率模型在传统的柯布-道格拉斯生产函数基础上,在投入要素中加入创新投入,由此,扩展后的C-D 生产函数为:Qi=AKiαLiβRiγeiε(1)式中Q、K、L、R分别代表总产出、物质资本投入、劳动投入和创新投入。

A为常数。

α、β、γ分别表示资本的产出弹性、劳动的产出弹性和创新的产出弹性。

ε为随机误差项。

从(1)式两边取对数,则可得,qi=ai+αki+βli+γri+εi(2)式中q、k、l、r分别代表相应变量的对数形式。

(2)式即为本文的基本计量模型,其中笔者关注的重点是创新的产出弹性γ,并作为各区域的创新效率指标。

(二)数据选择和处理本文以1998年-2007年间杭州、宁波、温州三市的固定资产形成总额、劳动力和创新为投入要素,以三市的GDP作为产出要素进行分析。

数据的选择和处理说明如下。

1.GDP产出。

三市当年的GDP和相应的GDP平减指数来自于各年《中国统计年鉴》,并以1998年为不变价格进行换算。

2.固定资产形成总额。

文献中,对资本投入的数据选择,有多种不同的处理方法。

有一些文献选择用资本存量来表示,但是对资本存量的计算历来存在着很大的争议,往往很小的差异会造成数据上很大的偏差,进而以此为基础的计量分析也是大相径庭。

另一些文献则直接选择资本流量的数据来进行计量分析,其中大多采用统计年鉴中的“固定资产形成总额”来代表。

这样的处理较为简单,但能够较好的保持数据的一致性和可比性。

因此,在本文中选择以“固定资产形成总额”来表示资本投入的数据。

3.劳动力。

主要数据来源于1999年至2008年《浙江统计年鉴》。

由于地区的人均教育水平等数据不可得,因此没有包括各省劳动力质量上的差异。

4.创新。

与资本的投入一样,创新投入也需要核算创新的存量来测算其产出弹性。

但由于计算创新存量很困难,在文献中通常用创新流量代替创新存量(吴延兵,2006)。

特别是在一定的假设条件下,可以推导出创新R&D支出的对数值约等于R&D存量(Bound等,2002)。

另外,创新投入还存在着与资本、劳动投入的双重计算问题(Schankerman,1981;Hall,1995),即,资本投入和劳动力投入中已经包含了创新的资本投入和创新的劳动力投入。

因此,文中创新投入的数据以1999年至2008年《浙江科技统计年鉴》中科研经费支出扣除劳务费后的数额来代表。

(三)模型计量结果通过回归分析,得到杭州、宁波、温州三地的创新产出弹性如下:1.杭州:q1 = 0.227150*k1 + 0.002955*l1 + 0.205035*r1 + 4.073652(2.054496) (4.987843)(2.732428) (6.379130)R12=0.997692F1=864.62762.宁波:q2 = 0.123819*k2 + 0.001566*l2 + 0.300823*r2 + 5.351249(1.207943) (0.735277)(3.069146)(6.141710)R22=0.995468F2=439.27673.温州:q3 = 0.413473*k3 + 0.002681*l3 + 0.135094*r3 + 3.149854(0.905057) (4.212689) (0.542604) (1.314453)R32=0.996369F3=548.8008从回归结果看,杭甬温三地的计量模型拟合度都较好,且模型的总体解释力都较显著,物质资本、劳动以及创新是三市产出能力的主要影响因素。

从三个模型的t检验结果来看,杭州的计量模型中,资本、劳动和创新三个投入要素的t检验结果都通过检验,即三个变量都对杭州的产出能力有显著的影响,且本文关注的创新产出弹性达到0.205,即创新投入提高1个百分点,杭州产出增长0.205个百分点。

在宁波的计量模型中,劳动力变量的t检验通不过,而资本和创新两变量对产出变动的解释力较强,且宁波的创新产出弹性达到了0.301,远高出杭州和温州两市。

相比较而言,温州的计量模型虽然总体解释力较强,但三个变量中只有劳动力通过了t检验,而资本和创新两大投入要素都对产出的解释力较弱,尚未成为影响产出变动的主要因素。

四、简要结论(一)浙江区域创新资源分布不均从创新的投入和产出指标以及创新环境来看,浙江省各地区之间存在极大的差异。

无论是研发经费的投入、还是人力资源的供给,亦或是反映创新成果的的专利授权量,都有一半左右集中在杭州、宁波两地,而浙江其他地区所占的份额相当少。

合集下载

我国东西部地区技术创新效率差异及其原因分析_池仁勇

我国东西部地区技术创新效率差异及其原因分析_池仁勇

收稿日期:2004-03-19 基金项目:国家自然科学基金项目(编号:70273041);浙江省自然科学基金项目(编号:702045)的阶段成果。

作者简介:池仁勇(1959-),男,浙江瑞安人,浙江工业大学中小企业研究所教授,研究方向:技术创新与中小企业发展。

我国东西部地区技术创新效率差异及其原因分析池仁勇,虞晓芬,李正卫(浙江工业大学　中小企业研究所,浙江　杭州　310014)摘要:区域技术创新效率决定区域技术创新绩效,因而决定区域经济发展。

本文利用DEA 方法,对我国30个省市自治区的技术创新效率进行了测定,结果呈现东高西低的特征。

原因是多方面的,统计分析显示,劳动者素质、轻重工业比例结构等是显著影响因素。

因此,要提高区域技术创新效率,必须更加关注产业结构调整、提高劳动者素质和企业制度创新等。

关键词:技术创新;创新效率;区域经济;创新网络中图分类号:F124.3　文献标识码:A 文章编号:1002-9753(2004)08-0128-05An Analysis of Differences in Innovation Efficiency between the Eastern &the Western Regions in C hina and its C ausesCH I Ren -yong ,YU Xiao -fen ,LI Zheng -Wei(The Institute of S mall Business ,Zhejiang University of Technolo gy ,Hangzhou 310014,China )Abstract :It is presumed that regional technological innovation efficiency (RT IE )de termines regional innov ation per -formance ,thus it determines the development of regional economy .U sing DEA method ,w e tested RT IEs of 30provinces ,municipal cities and autonomous regions in China .The results reveal that RT IE is hig her in the eastern re -gions but lower in the western regions .T he causes are diverse .Statistic analysis show s that quality of laborers and percentages of light and heavy industries are significant factors affecting them .T herefore ,w e should pay more atten -tion to industrial restructure ,laborer quality improvement and enterprise system innovation to enlarg e RT IEs .Key words :technological innovation ;innovation efficiency ;regional economy ;innovation netwo rk 一、问题提出近几年来,在激烈的国内外市场竞争条件下,东西部的差距呈扩大趋势。

浙江 调研报告

浙江 调研报告

浙江调研报告
《浙江调研报告》
一、引言
浙江省位于中国东部沿海地区，是中国大陆经济最发达的省份之一，也是中国最富有的地区之一。

近年来，浙江省在经济发展、科技创新、环保等方面取得了显著成就。

本次调研旨在深入了解浙江省的发展现状，为相关领域的研究和决策提供参考。

二、经济发展
浙江省作为中国的经济强省，经济总量和人均收入居全国前列。

宁波、杭州、温州等地拥有多个国家级经济技术开发区和高新技术企业，成为浙江省经济发展的主要引擎。

同时，在传统产业升级、新兴产业发展方面也取得了良好的成绩。

三、科技创新
浙江省注重创新驱动发展，大力推动科技创新和人才培养。

杭州、宁波等城市拥有多所高水平大学和科研院所，培育了一大批科技创新人才，助力浙江省的科技发展。

四、环境保护
浙江省注重生态环境保护，积极推动绿色发展。

实施了一系列环境保护政策和措施，如加强大气、水污染治理，推动生态修
复等，取得了显著成效。

五、结语
总的来说，浙江省在经济发展、科技创新和环保方面取得了显著进展，为全国相关领域提供了宝贵的经验。

但同时也面临着一些挑战，如经济结构调整、创新能力提升、环境治理等问题需要进一步解决。

希望未来浙江省能够持续推动各项工作，为实现高质量发展作出更大贡献。

浙江省各地区GDP质量比较的分析模型_免费下载

浙江省各地区GDP质量比较的分析模型_免费下载

浙江省各地区GDP质量比较的分析模型摘要中科院发布的《中国科学发展报告2011》，提出了“GDP质量指数”的概念。

社科院设定的GDP质量指数，意在回答GDP如何反映真实财富、可持续发展及社会和谐水平，既考虑资源与环境代价(自然资本)，也平行考虑社会和谐与民生幸福(社会资本)，还考虑发展观念与管理水平(行政资本)，这无疑体现了科学发展观。

本文试图探讨GDP 质量的评价体系，并利用SPSS软件对2009年（我们收集资料最齐全的一年，有利于分析结果）浙江省各地区的GDP质量通过建立两个模型分别进行排序，并作出对比，并通过模型三给出相关的建议。

文章首先在查阅大量资料的基础上，在假设经济活动主体理性、政府管体制健全的前提下，建立一套较为完整、科学的评价体系，主要从GDP 运行状况、GDP 结构效益、GDP 可持续发展以及GDP 竞争力、GDP生活质量五个方面衡量GDP 质量。

再把从浙江省统计局、浙江省统计年鉴等官方网站得来的数据进行整理、利用MATLAB软件计算得出各指标的相关数据。

我们建立了两个模型对浙江省2009年各地区GDP质量进行排序：模型一用主成分分析在保留大部分信息的基础上提取了六个综合因素，再根据因子得分计算得出综合得分，进而得到11个地区的排名：杭州、宁波、舟山、金华、嘉兴、温州、绍兴、台州、丽水、湖州、衢州。

另外，我们简单从主成分分析旋转中对这23个因素进行分析归类。

模型二对评价体系采用层次分析法（AHP）和模糊综合评价法相结合的方法，将评价指标体系分成递接层次结构，利用网络问卷调查与相关资料信息来确定各指标的权重，然后分层次进行模糊综合评判，得出每个地区的GDP质量所对应的分值，得到11个地区的排名：这十一个城市的GDP质量排名是宁波、杭州、嘉兴、湖州、舟山、绍兴、金华、衢州、温州、丽水、台州。

其中，通过权重分析，我们可以得出因素重要性排序，为今后对其他排名等问题提供了很大的参考意见。

苏浙鲁粤四省产业技术创新效率比较分析

苏浙鲁粤四省产业技术创新效率比较分析

苏浙鲁粤四省产业技术创新效率比较分析产业技术创新是一个多投入多产出的生产系统，不同地区的技术创新效率是不同的，仅仅从投入或者产出方面分析技术创新系统的效率明显是不全面的，必须采纳投入产出的双向分析方法。

本节利用基于DEA 的非参数Malmquist 指数方法和面板数据，对2001~2018年苏浙鲁粤四省的产业技术创新效率进行分析评判。

一、研究方法 （一）DEA 方法数据包络分析方法（DEA ）是运筹学、治理科学和数理经济学交叉研究的一个新领域，它是由闻名运筹学家 Farrel （1957）创立并由 Charnes 、Cooper 和 Rhodes （1978）进展起来的线性规划方法。

它是以相对效率概念为基础，以数学规划为要紧工具，以优化为要紧方法，依照多指标投入和多指标产出数据对相同类型的评判决策单元（decision making unit ，简称 DMU ）进行相对有效性或效益评判的多指标综合评判方法。

数据包络分析（DEA ）的差不多模型要紧有CCR 模型和BCC 模型两种。

假设有n 个决策单元（DMU ），每个 DMU 都有m 种输入和s 种输出，其中，0),,,(21>=T mj j j j x x x x ，0),,.(21>=T sj j j j y y y y ，ij x 为决策单元j DMU 对第i 种输入的投入量，rj y 为决策单元j DMU 对第r 种输出的产出量),2,1;,2,1;,2,1(s r m i n j ===。

记0j DMU 对应的输入、输出数据分别为：n j y y x x j j ≤≤==01,,0000，0j DMU 基于输入的带有非阿基米德无穷小的CCR模型和BCC 模型如式（1）和（2）所示：]min[11∑∑=+=-+-sr r m i i s s εθ01ij i nj j jx s x θλ=+-=∑ （1）s.t.∑=+=-nj ij i j jy s x 10λ0;0;,2,1;0≥≥=≥+-r i j s s n j λ]min[11∑∑=+=-+-sr r m i i s s εθ01ij i nj j j x s x θλ=+-=∑ （2）s.t.∑∑==+==-nj j nj ij ij jy s x 1101;λλ0;0;,2,1;0≥≥=≥+-r i j s s n j λ（二）Malmquist 生产率指数法Malmquist 生产率指数是基于DEA 模型的方法提出的，它利用距离函数的比率来运算投入产出效率。