孙伟 江三良

摘要：在考虑到非期望产出的情况下，运用SBM模型测算了2009～2013年中国35个工业行业的创新效率，并利用Tobit模型分析环境规制下政府投入对创新效率的影响。研究表明：目前中国工业行业的创新效率仍有较大提升空间，污染行业的创新效率远低于清洁行业。政府投入对环境规制下的创新效率存在一定的促进作用，增加研发前的政府投入能够显著地促进环境规制下的创新效率，研发后政府投入的作用较小；污染行业政府投入的促进作用较为显著。由此可见，在环境规制强度日益趋严的背景下，采取政府主导的技术创新是可行之路。

关键词：创新效率；政府投入；环境规制

DOI：10.13956/j.ss.1001-8409.2016.07.05

中图分类号：F4243文献标识码：A 文章编号：1001-8409（2016）07-0019-05

Abstract：Considering the undesirable outputs， this paper calculates the Chinese industrial innovation efficiency based the data of 35 Chinese industries from 2009 to 2011 by SBM model， and then it analyzes the effect of government input influences innovation efficiency under environmental regulation. Result shows that the average of industrial innovation efficiency is quite low， and pollution industries have less innovation efficiency than clean industries. The government input happens before R&D can improve the innovation efficiency under environmental regulation， the government input happens after R&D has less effect. The government input of pollution industries has the significant impact on innovation efficiency. So it is a feasible way to implement governmentled technical innovation under the increasingly stringent environmental regulation.

Key words：innovation efficiency； government input； environmental regulation

当前的环境问题倍受关注。政府力图实现经济增长与环境保护的“双赢”，其中的关键在于要转变经济增长方式以缓解生产与污染之间的矛盾。提高工业企业的创新效率是经济增长方式转变的保障。创新作为一种具有正的外部性的行为，如果仅依靠市场行为会导致供给不足，政府投入在一定程度上能够纠正创新的外部性。但政府投入既可能产生促进创新行为的激励效应，也可能会挤出私人部门用于研发的资金，产生替代效应。因此，本文要考虑的问题是在严格环境规制下的宏观背景下，加大政府投入是否能够提升工业行业的创新效率？如果增加政府投入能够促进环境规制下的行业创新效率，那么对于“新常态”下中国经济的可持续发展，将具有积极的理论和实践指导意义。

1文献述评

11创新效率的测算方法

衡量技术创新效率的常用方法包括两种，一种是以Aigner等、Meeusen和Broeck提出的随机前沿分析法（Stochastic Frontier Analysis， SFA）为代表的参数分析方法；另一种是由Charnes 等提出的数据包络分析（Data Envelopment Analysis，DEA）为代表的非参数分析法。这两种方法均被广泛应用于效率分析中。如Akihiro Hashimoto和肖仁桥等学者研究此类问题运用了DEA法[1，2]，李勃昕、曹霞、宋文飞等学者运用随机前沿分析法测算了创新效率[3～5]。

在运用传统DEA模型对企业技术创新效率进行分析时，

往往会忽略生产中可能产生的各种废水、废气等污染物。有些学者即使将这些非期望产出考虑在内，也是采取将非期望产出通过一定方法转换成投入量进行衡量，如Scheel[6]将非期望产出变量转换成倒数，Seiford等[7]将非期望产出乘以-1。这些方法虽能考虑非期望产出的影响，但将产出量作为投入量进行度量的结果不够准确。本文采取Tone[8]提出的SBM（Slack Based Measure）模型，能够纳入非期望产出，并改进传统DEA模型中忽略的松弛部分的效率。

12政府投入与创新效率

政府投入对创新效率的作用上，现有文献存在两种观点，一种是政府投入可以促进创新效率的提升，存在诱导效应，如Guellce和李永等[9，10]；另一种观点认为政府投入不利于创新效率的提高，表现为挤出效应，如Peters和肖文等[11，12]。可以认为，政府投入对创新效率的影响这两种效应均存在，只是在不同的环境和作用背景下，最终表现出是促进或是阻碍作用。

13环境规制与创新效率

纵览环境规制与创新的相关文献，大多始于1995年“波特假说”的提出。关于环境规制与创新效率的文献较少，李勃昕等[3]、曹霞和于娟 [4]认为两者之间的关系表现为U型。宋文飞等[5]认为在不同门槛条件下，环境规制对研发转换环节的效率和研发转化环节的效率作用呈现不同特征。

综上所述，在关于环境规制、政府投入、创新效率的研究文献中，尚有待于完善之处：其一是部分文献在计算创新效率时，未考虑对环境造成危害的污染物；其二是大多文献仅单方面分析政府投入对创新效率的影响，未能将当前环境规制严格的客观背景考虑在内综合分析严格环境规制下政府投入可能会对创新效率产生的影响；其三是大多文献在研究政府投入的影响时，考虑的政府投入方式比较单一。因此，在对以上文献综述的基础上，本文首先测算了中国35个工业行业包括非期望产出的创新效率，然后将政府投入分成研发前与研发后两类，分析在环境规制强度渐强的宏观背景下，能否通过加大政府投入来提升行业的创新效率，并将其分成污染密集型和清洁生产型行业进行比较，最后得出结论并提出政策建议。

2模型与数据说明

21模型设定

分行业大中型企业创新效率的测算采用了将非期望产出纳入分析体系的SBM模型。在研究环境规制下政府投入对行业创新效率的影响时，被解释变量为行业创新效率，政府投入、环境规制及政府投入与环境规制的交互项为主要解释变量。

参考李勃昕等和沈能[3，13]的方法，考虑环境规制对企业创新效率可能存在的拐点，增加环境规制强度的平方项，构建多元回归模型（1）。

22数据说明

我国统计年鉴的口径曾多次变动，为了确保数据的连续性，样本数据取自2009～2013年

我国自2009年在科技活动方面的统计上采取了国际上通用的“R&D经费内部支出”等指标，舍弃了之前采用的“企业科技活动经费内部支出”等指标，为了保持指标口径的一致，本文分析始自2009年。35个工业行业。其中，35个工业行业是根据新旧工业行业的划分标准进行对接和调整而成

具体划分省略，如需要可向作者索取。。考虑到研发作用的时滞，滞后期取一年[14]。所用数据源自《中国统计年鉴》《中国环境统计年鉴》《工业企业科技活动统计年鉴》。

221产出指标的选取

在分析创新效率时采取的产出指标包括“好产出”和“坏产出”两部分。“好产出”选取“专利申请数”和“新产品销售收入”来衡量。其中，“新产品销售收入”按“工业生产者出厂价格指数”进行平减。

企业在生产过程中不可避免地会产生废水、废气和固体废物等造成环境污染的物质。本文的“坏产出”主要包括：工业二氧化硫排放量、工业废水中污染物排放量中的化学需氧量排放量和工业固体废物处置量。

222投入指标的选取

投入指标包括人员投入和资本投入。人员投入选用“研发人员折合全时当量”指标。研发资本存量用永续盘存法计算得出。折算基期选2008年，对基期R&D存量的技术借鉴Griliches[15]的做法，将2008年当年的R&D经费内部支出除以折旧率和2008～2013年的R&D经费平均增长率之和，折旧率为10%[12]。为了消除价格变动的影响，用研发价格指数对各期研发经费进行平减。研发价格指数的计算借鉴朱有为等[16]的方法，计算公式为：研发价格指数=0.75×工业生产者出厂价格指数+0.25×居民消费价格指数

223创新效率影响因素的指标选择

（1）解释变量

政府投入：政府对企业创新的支持可在研发活动之前直接给予资金支持，也可以在研发活动之后通过研发费用减免税的方式给予事后补偿。因此，可用“R&D经费内部支出的政府资金（gov1）”来衡量研发活动前政府投入的力度，用“研究开发费用加计扣除减免税”（gov2）来代表研发活动之后政府给予企业的资金支持。

环境规制：借鉴Seiford[17]的方法，用污染设施运行费用代替治理污染投资，计算出“工业废水治理设施运行费用”与“工业废气治理设施运行费用”之和除以各行业“主营业务收入”，作为每万元主营业务收入的环境规制成本（er）。

（2）控制变量

通过借鉴多篇文献，并考虑到影响因素不能包含创新效率计算中的投入要素，这里选取以下控制变量。

企业自有资金：为比较研发投入中政府资金与企业资金对创新效率的作用，这里增加企业自有资金（ent）作为控制变量，用“R&D经费内部支出的企业资金”来代替。

企业规模：熊彼特假设认为研发活动的高风险和高投入性决定了只有规模大的企业才有进行创新的实力。本文选取行业平均资产（cap）和行业的工业销售产值（sale）来描述企业规模。其中，行业平均资产用大中型工业企业的资产合计除以该行业工业企业数量表示。

利润水平：若企业有较高获利能力，将有更多资金可用于研发投入。因此，可将企业获利能力纳入分析，用指标“行业工业成本费用利润率”来衡量，表示单位成本费用能获取的利润水平（pro）。

能源消耗：为比较分析各行业的企业创新成果需要消耗能源的多少，选取指标“分行业能源消费总量”来衡量不同行业的能源消耗（ene）。

所有制结构：国有企业在行业中的特殊地位决定了政府在资金支持和政策倾斜上更倾向于国有企业，本文用国有工业销售产值占行业工业销售产值的比重来反映所有制结构（own）。

经济开放程度：经济开放程度（open）能够反映工业行业的产品被国际市场接受及外向程度，用出口交货值占主营业务收入的比重表示。

3我国分行业企业创新效率的测算及分析

本文根据SBM模型计算出2009～2013年我国35个行业在考虑负产出时的创新效率值。为了比较负产出对创新效率的影响，同时采取CCR（A Charnes、W W Cooper、E Rhodes）模型计算出不包含负产出时的创新效率值

将包含与不包含非期望产出的创新效率的平均值用图1表示出来。用两种方法计算的创新效率值的波动趋势都呈现先下降再上升的趋势，不含非期望产出效率的平均值（0396）反而低于包含非期望产出效率的平均值（0447），这说明我国工业企业确实投入了部分劳动和资本用于改善企业的排污状况，若不考虑非期望产出，这部分通过研发使非期望产出减少的创新成果便得不到体现。因此，在分析企业创新效率的影响因素时，若使用不包含非期望产出的创新效率值将会带来失真的分析结果。

这里借鉴沈能[13]的做法，将35个行业按照排放污染的强度分成污染行业和清洁行业

具体行业分类省略。，分别计算两类行业的平均创新效率值，用图2表示，可以发现污染行业的效率值远低于清洁行业。

将不包含非期望产出的创新效率值按同样的方法进行分类并用图3表示。观察图2和图3，其中的差异在于清洁行业创新效率值的最低点不同。包含非期望产出的创新效率值中，清洁行业创新效率值的最低点在2012年，而不考虑非期望产出时，该行业的最低点在2010年。这说明清洁行业创新效率在2010年之后继续下降的原因是由于非期望产出的存在，若将非期望产出考虑到投入产出的分析中，清洁行业投入同样的要素得到的创新效率值会逐年降低，直到2012年才得到好转。这反映了清洁行业的创新成果主要并非用来降低非期望产出。若要减少非期望产出的数量，仍需加强对污染行业的环境监管。

4环境规制下政府投入对我国行业创新效率的影响分析

由于行业创新效率取值在0和1之间，为分析环境规制下的政府投入能否促进行业创新效率，这里采取Tobit模型进行回归。对于模型（2）与模型（3）中的交互项，为了避免多重共线性，对交互项的变量进行了中心化的处理。具体回归结果见表1。

首先，分析政府投入对创新效率的影响。研发前政府投入对创新效率的回归系数为正，但不够显著。比较污染行业和清洁行业，研发前的政府投入对污染行业创新效率的提升力度较大。研发之后的政府投入对创新效率的回归系数在总行业和污染行业中均显著为负，在清洁行业中虽然估计值为正，但不够显著，反映了政府在研发之后给予企业的投入并不能促进行业创新效率的提升。可见，政府投入对提升行业创新效率并未起到应有的作用，与肖文等[13]的结论保持一致。

其次，分析环境规制对创新效率的影响。环境规制强度与创新效率之间的关系在全国细分行业和污染行业中是倒U型，在清洁行业中是U型。说明加大对污染行业的环境规制强度，能够促进企业进行技术创新，但这种正向的关系存在拐点，随着环境规制强度的提升，其对创新效率的作用将转为负向影响；而清洁行业正好相反。

再次，分析环境规制下政府投入对创新效率的影响。虽然环境规制部分抑制了创新效率，政府投入对创新效率的作用也不够理想，但两者的交互项表明，在现有环境规制下，政府投入在一定条件下能够起到正向的调节作用，促进行业创新效率的提升。其中，相比于清洁行业，污染行业的政府投入对环境规制下的行业创新效率作用较好。

最后，分析控制变量对创新效率的影响。企业投入对创新效率的回归值显著为负。研发是高风险活动，资金充裕的大企业会在风险性较高的研发活动中投入更多，这种高风险的创新行为反而可能降低创新效率。行业能源消耗量越高，创新效率反而越低。这与国家节能高效的改革思路相吻合，适当地鼓励企业节约能源消耗反而能够促进创新效率的提高。“熊彼特假设”中认为企业规模越大越是有利于创新的观点，在用工业销售产值的数据进行验证时得到了支持，运用行业平均资产时则结果不够显著。利润率较高的行业创新效率反而较低，这可能是由于利润高的行业竞争压力小，缺乏研发和创新的动力。行业开放程度能够促进创新效率的提升，说明随着对外交流程度的增加，行业间竞争的加剧，促进了创新效率的提升。所有制结构对创新效率的影响中，仅在全国总行业中存在显著的正效应，说明国有产权在一定程度上可以促进创新效率的提升。

5结论及启示

51结论

运用我国工业35个行业2009～2013年的面板数据，分别测算了工业细分行业、污染行业及清洁行业的创新效率，认为目前行业创新效率存在较大提升空间，污染行业的创新效率低于清洁行业。

在引入控制变量的基础上，分析政府投入对环境规制下创新效率的影响，得出如下结论：政府投入对创新效率仅起到有限的激励作用，相比于研发后的政府投入，研发前的政府投入对创新效率的激励作用较好，相比于清洁行业，政府投入对污染行业创新效率的促进作用较好。环境规制对创新效率的影响在全国细分行业和污染行业中呈现倒U型，而在清洁行业中则作用不够显著。政府投入和环境规制交互项的回归结果显示，政府投入对在环境规制下的创新效率有一定的促进作用；比较清洁行业，污染行业的政府投入对环境规制下的创新投入作用较好；比较研发后的政府投入，研发前的政府投入效果较好。

52启示

在当前环境规制强度日益趋严的背景下，采取政府主导的技术创新是可行之路。创新行为具有路径依赖的特征，要使创新的自我强化机制得到有效发挥，政府的合理引导至关重要。同时，政府在实施环境规制和引导企业创新时要注意命令控制型与市场型环境工具的配合使用，对于企业的污染处理设施的购置及污染处理技术的改进和创新等行为，政府应给予资金支持，鼓励企业进行环境技术创新。

在政策制定和执行中要考虑到行业异质性，污染型、开放程度高、企业规模大、节能程度高、国有产权比例高的行业在环境规制下加大政府投入的创新效率较好。因此，污染行业应继续加大环境规制强度，同时增加研发前后的资金支持，以外力强制企业进行创新，以提升创新效率，而对于清洁行业的环境规制强度则不需要完全比照污染行业，以免降低清洁行业的创新效率。在提升行业创新效率时，竞争性行业可加大外向程度，加强国际间的技术交流与合作等；能耗程度高的行业可采取更换设备、引进新技术等方式，这既实现了节能减排的客观要求，又提升了行业创新效率。在提升创新效率时要充分发挥国有产权的特有作用，加大国有企业与科研机构和高校之间的合作，加快科研成果的转化。

参考文献：

[1]Akihiro Hashimoto， Shoko Haneda.Measuring the Change in R&D Efficiency of the Japanese Pharmaceutical Industry[J].Research Policy，2008（4）：1-8.

[2]肖仁桥，王宗军，钱丽.价值链视角下我国不同性质工业企业技术创新效率研究[J].中国科技论坛，2014（1）：76-82.

[3]李勃昕，韩先锋，宋文飞.环境规制是否影响了中国工业R&D创新效率[J].科学学研究，2013（7）： 1032-1040.

[4]曹霞，于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口资源与环境，2015（5）：9-19.

[5]宋文飞，李国平，韩先锋.价值链视角下环境规制对R&D创新效率的异质门槛效应——基于工业33个行业2004-2011年的面板数据分析[J].财经研究，2014（1）：93-104.

[6]Scheel H.Undesirable Outputs in Efficiency Valuations[J].European Journal of Operational Research， 2001（132）：400-410.

[7]Seiford L M， Zhu J. Modeling Undesirable Factors in Efficiency Evaluation [J].European Journal of Operational Research， 2002（142）：16-20.

[8]Tone K. Dealing with Undesirable Outputs in DEA：A Slack-based Measure（SBM） Approach [R]. GRIPS Research Report Series I， 2003.

[9]Guellec D， Bruno Van Pottelsberghe， De La Potteri. The Impact of Public R&D Expenditure on Business R&D [J].Economics of Innovation and New Technology， 2003（12）：225-243.

[10]李永，孟祥月，王艳萍.政府R&D资助与企业技术创新——基于多维行业异质性的经验分析[J].科学学与科学技术管理，2014（1）：33-41.

[11]Peters M， Schneider M， Griesshaber T， et al. The Impact of Technology-push and Demand-pull Policies on Technical Change：Does the Locus of Policies Matter？ [J].Research Policy，2012，41（8）：1296-1308.

[12]肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014（4）：71-80.

[13]沈能.环境效率、行业异质性与最优规制强度——中国工业行业面板数据的非线性检验[J].中国工业经济，2012（3）：56-68.

[14]Guellec D， Van Pottelsberghe De La Potterie. From R&D to Productivity Growth： Do the Institutional Settings and the Source of Funds of R&D Matter？ [J].Oxford Bulletin of Economics and Statistics， 2004，66（3）：353-378.

[15]Griliches Z. The Search for R&D Spillovers[J].The Scandinavian Journal of Economics， 1992（94）：29-47.

[16]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）：38-43.

[17]张成，陆旸，郭路，等.环境规制强度和生产技术进步[J].经济研究，2011（2）：113-124.

（责任编辑：李映果）