韩庆潇，杨 晨，李 鹏

(1. 南京大学经济学院，江苏 南京 210093;2. 南开大学经济学院，天津 300071;3. 郑州航空工业管理学院，河南 郑州 450015)

1 模型的设定与检验

1.1 模型设定

由于样本为中国高技术产业的面板数据，不同时期和地区的创新效率会有显著的差异，即随机误差项对创新效率的影响较大。因此，本文选取随机前沿生产函数的方法［1］。根据随机前沿分析(SFA)的原理，可以分为成本函数和生产函数两种形式。其中，成本函数是追求成本最小化，而生产函数是追求产出最大化。根据被观测点与最优前沿面的差距来测度效率的大小。因此，本文选择随机前沿生产函数的形式对面板数据进行处理。

借鉴Battese、Kumbhakar 的模型，本文将生产函数设定为超越对数函数形式:

其中，Y 为高技术产业的创新产出，L 为创新投入的劳动力，K 为创新投入的资本存量;νit和μit相互独立，νit为第i 个地区的随机误差项，服从正态分布，νit～N(0，)，μit为第i 个地区的随机无效率项，服从非负的截断正态分布，μit～N+(mit，)。

考虑到各地区高技术产业知识溢出方式、竞争程度、产业规模和政策优惠程度的差异，可能会导致不同的创新效率，因此，为考察不同地区高技术产业创新效率的差异，本文将模型设定如下:

其中，mar 代表产业内知识溢出，jac 代表产业间知识溢出，com 代表产业竞争程度，cs 代表行业规模，gi 代表政府投入力度，i 为地区，t 为时间。

1.2 模型检验

为了检验模型的适宜性，本文做了如下4 项假设:

(1)H0:β3= β4= β5= β6= β7= β8= β9=0 ，即生产前沿采用Cobb-Douglas 生产函数形式;

(2)H0:β8= β9= 0 ，即技术变化为Hicks 中性;

(3)H0:β3= β6= β8= β9，即没有技术进步;

(4)H0:δ1= 0 ，即技术无效率不随时间变动。

所有的假设都使用广义似然比统计量来检验，λ = -2［L(H0)- L(H1)］，L(H0)、L(H1)分别是零假设H0和备择假设H1下的对数似然函数值。如果零假设H0成立，检验统计量λ 服从渐进卡方(或混合卡方)分布，自由度为受限变量的数量。

2 变量与数据的说明

为保证统计口径的一致性和数据的可得性，本文选择2002—2011 年全国26 个省份5 个高技术产业的数据，数据来自于《中国高技术产业统计年鉴》 (2003—2012) 和《中 国 统 计 年 鉴》(2003—2012)。

2.1 创新产出变量

在创新产出方面，大多数学者选择专利申请数和新产品产值作为衡量指标［2-3］，而在我国，发明专利申请量很少受到专利授权机构审查能力的约束，更能客观反映一个地区创新能力随时间变化的情况，而且发明专利在一定程度上也反映了自主创新能力［4］。因此，本文选择专利申请数作为创新产出的衡量指标。

2.2 创新投入变量

在投入方面，考虑到创新过程中劳动力和资本具有重要作用，本文选择科技活动人员作为劳动力投入的衡量指标，选择科技活动经费内部支出总额作为创新过程中资本投入的衡量指标［5］。由于创新活动具有一定的积累性和路径依赖性，已有的知识和技术基础一定会对以后的创新活动产生重要影响。因此，创新资本投入应转化为相应的资本存量。本文应用永续盘存法计算创新资本存量，其公式为:

其中，RDit和RDit-1为第i 个行业在t 和t -1年的创新资本存量，Iit为i 个行业在t 年的创新资本投入，δ 为创新资本折旧率。

基期创新资本存量RDi0的计算公式为:RDi0=Ii0/(gi+ δ)

其中，gi为样本期间内i 行业科技活动经费的年均增长率，采用δ =15%的折旧率［6］。

同时，本文在计算创新资本存量之前，以2002 年为基期的研发价格指数对科技活动经费进行平减。

2.3 创新无效率变量

(1)专业化指数(mar)。产业内的知识溢出水平可以通过专业化指数来测度［7］。专业化水平越高，越能够促进产业内的知识溢出，从而对创新效率产生影响。根据Glaeser 的测度方法，本文将定义地区专业化指数的计算公式为marit=mean(sijt/sit)［8］

其中，sijt为i 省份j 行业t 年的就业人数占i 省份t 年高技术产业全部就业人数的比例，而sjt为全国j 行业t 年的就业人数占全国高技术产业全部就业人数的比例。对计算结果取平均值则衡量了一个省份的专业化程度。

其中，sijt为i 省份j 行业t 年的就业人数占i 省份t 年高技术产业全部就业人数的比例，如果一个地区产业分布趋于多样化，那么就业会更加分散，从而sijt变小，多样化指数数值变大［9］。

(3)竞争度指数(com)。根据Glaeser 的测度方法，本文将定义地区竞争度指数的计算公式为comit= mean(nijt/nit)

其中，nijt为i 地区j 行业t 年企业数量与i 地区j 行业t 年的职工就业量的比值，而nit为全国j 行业t 年企业数量与全国j 行业t 年的职工就业量的比值。如果该指数大于1，则说明该地区产业内的竞争程度超过了全国平均水平，而数值越大表示某一行业中的竞争程度越高。

(4)行业规模(cs)。一般认为，行业规模越大，研发资本和研发人员越多，更利于创新效率的提高。因此，本文选择行业规模作为控制变量具有一定的合理性，其计算方法为地区高技术产业产值/全国高技术产业产值。

(5)政府投入力度(gi)。各级政府一直大力支持科技创新，通过各种金融和税收手段刺激企业创新的积极性。但是，政府资助对创新活动的影响存在两面性:一方面，政府资助降低了研发成本和风险，对创新具有积极作用;另一方面，政府资助在一定程度上对企业创新投入产生了“挤出效应”，降低了企业创新效率。因此，本文选择政府投入力度作为控制变量，其计算方法为大中型工业企业政府资金/科技活动经费筹集总额［7］。

本文所有变量及其解释可以归纳为表1。

表1 变量及其解释

3 实证结果及分析

应用随机前沿分析 (SFA)方法，分别对2002—2011 年全国、东部、中部和西部的面板数据进行极大似然估计，并且通过上文提出的模型假设进行相应的检验，选择最为合理的模型。具体结果见表2。

3.1 中国高技术产业知识溢出对创新效率的影响分析

本文首先应用随机前沿分析方法对全国的面板数据进行实证检验，然后对模型进行了4 个适宜性检验:生产前沿函数采用Cobb-Douglas 生产函数形式;技术变化是Hicks 中性;在样本期内不存在技术进步;在技术无效率函数中，不存在时间趋势，其检验结果见表3。

表2 回归结果

表3 适宜性检验结果

根据表2 的实证结果可以看出，多样化指数的系数显著为负，即产业间知识溢出能够有效地降低高技术产业创新的无效率。也就是说，我国产业间的知识溢出水平增加能够有效地促进高技术产业的创新效率。随着我国服务业占国内生产总值的比重增加，尤其是金融、信息等生产性服务的发展，为我国高技术产业创新效率的提高产生了促进作用。而时间变量系数也是显著为负的，表明了我国高技术的创新效率在逐步提高。这说明了政府努力促进创新水平提高的有效性，同时表明我国创新环境也在逐步优化，为高技术产业创新效率的提高奠定了基础。行业规模变量的系数也是显著为负，这与之前的预期相符。这说明相对于小规模的行业，大规模的行业是比较成熟的行业，拥有更充足的创新资本和研发人员，更有利于提高创新效率。而政府投入力度对创新效率的影响系数却是显著为正，这就表明，从全国范围来看，在高技术产业中，政府资助反而在一定程度上对企业创新投入产生了“挤出效应”，降低了企业创新效率。因此，如何使政府资助能够真正促进企业创新效率提高，应该是政府部门更加关注的重点。

3.2 不同地区高技术产业知识溢出对创新效率的影响分析

东部地区选择的模型与全国的相同，为超越对数函数形式。从实证结果可知，东部地区的γ 值为0.876，表明代表创新产出与最大可能创新产出的差距中有87.9%来自于随机无效率项。多样化指数的系数显著为负，表明东部地区产业间的知识溢出对创新效率提高的促进作用显著。这可能由于东部地区生产性服务业发达，产业间的互动作用显著，来自其他产业的知识溢出有效地推动了高技术产业生产效率的提高。同时，竞争度指数也是显著为负，这说明东部地区具有良好的竞争环境，高技术产业中的企业相互竞争可以有效促进创新效率的提高。

中部地区选择的模型与全国和东部不同，为Cobb-Douglas 生产函数形式。从实证结果可知，中部地区的γ 值为0. 772，随机无效率项在整个随机项中所占比例较大，说明了实证模型的合理性。由实证结果可知，专业化指数的系数显著为正，表明产业内知识溢出不仅没有促进创新效率的提高，而且在一定程度产生了抑制作用。究其原因，可能与中部地区市场结构有关。中部地区的企业数量较少，高技术产业中大企业垄断的情况较为普遍，过度的市场垄断导致企业失去创新动力，从而导致产业内知识溢出对创新效率产生了反作用。而政府投入力度对创新效率的影响系数却是显著为正，表明政府资助产生了“挤出效应”，使得创新效率下降。因此，改变政府盲目补贴创新的行为，才能更有效地利用政府资金。

通过对模型的检验，西部地区也选择了Cobb-Douglas 生产函数形式。由实证结果可知，西部地区的γ 值为0.709，随机无效率项占比较大，即实证模型是合理的。专业化指数的系数显著为负，表明西部地区高技术产业内知识溢出能够有效促进创新效率的提高。这可能由于西部地区具有较好的市场竞争环境，导致高技术产业内的知识溢出效果显著。与之对应，竞争度指数的系数也是显著为负，也说明西部地区高技术产业中的企业竞争可以有效促进创新效率的提高，证实了良好竞争环境在改善创新效率中的重要作用。

4 结论及政策建议

①无论从整体还是分地区的实证结果来看，高技术产业的创新效率都在逐步提高。②从全国来看，高技术产业的多样化溢出对创新效率的促进作用较为显著，而专业化溢出的作用并不明显。③从不同地区的角度来看，实证结果差异较大:东部地区的知识多样化溢出能够有效促进创新效率的提高;中部地区的知识专业化溢出却阻碍了创新效率的提高;而西部地区知识专业化溢出对创新效率的促进作用较为明显。

基于以上研究，本文可得到政策启示如下:①政府要继续保持对高技术产业的政策支持力度，保证创新效率的逐步增加。②采取有区别的政策引导不同地区产业集聚下的知识溢出:促进东部地区服务业发展，特别是能够与制造业关联密切的生产性服务业，从而提高产业间的知识溢出水平，有效促进高技术产业创新效率的提高;降低中部地区企业的垄断水平，降低行业进入壁垒，优化市场竞争环境，提高企业创新动力，从而改善产业内知识溢出的作用，促进创新效率的提高;促进西部地区同一行业集聚水平的提高，进一步提升产业内知识溢出的作用，促进创新效率的提高。

［1］朱有为，徐康宁. 中国高技术产业研发效率的实证研究［J］.中国工业经济，2006，(11):38 -45.

［2］牛泽东，张倩肖. 中国装备制造业的技术创新效率［J］.数量经济技术经济研究，2012，(11):51 -67.

［3］张长征，黄德春，马昭洁. 产业集聚与产业创新效率:金融市场的联结和推动［J］.产业经济研究，2012，(6):17 -25.

［4］唐清泉，卢博科，袁莹翔. 工业行业的资源投入与创新效率［J］.数量经济技术经济研究，2009，(2):3 -17.

［5］史修松，赵曙东，吴福象. 中国区域创新效率及其空间差异研究［J］.数量经济技术经济研究，2009，(3):45 -55.

［6］吴延兵. R＆D 存量、知识函数与生产效率［J］.经济学(季刊)，2006，(4)，1130 -1156.

［7］彭向，蒋传海. 产业集聚、知识溢出与地区创新［J］.经济学(季刊)，2011，(3):913 -934.

［8］Glaeser E，Kallal H. Growth in Cities［J］.Journal of Political Economy，1992，100(6):1126 -1152.

［9］张宗庆，张演. 产业集聚、知识溢出与区域增长［J］.东南大学学报(哲学社会科学版)，2012，(1):37 -43.