我国工业企业产品创新活动全要素生产率研究
2020-09-02原永鹏赵蕾
原永鹏 赵蕾
【摘 要】 在中国制造2025和供给侧改革的背景下，构建了创新活动要素投入和产出的评价体系，并通过Malmquist指数分解法对我国工业企业创新活动效率进行了实证分析，为各地区提升产品创新活动的全要素生产率探寻内在机理。
【关键词】 全要素生产率;M指数;产品创新要素
前 言
科学研究与试验发展（Research and Development，R&D，以下简称R&D）在是指在科学技术领域，为增加知识总量及运用这些知识去创造新的应用而进行的系统的创造性活动，分类为基础研究、应用研究、试验发展。
据2020年4月2日，中国科学技术部通过官网发布最新完成的2018年中国R&D经费投入和人员发展分析显示，2018年，中国R&D经费继续保持稳定增长态势，R&D经费总量接近2万亿元（人民币，下同），仅次于美国，居世界第2位。早在2016年，世界經合组织在
十九大报告中提出，“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。”虽然中国在产品、企业、产业三个层面持续发展，创新要素投入的增加带来创新能力提升，形成区域内产业竞争优势。但缺乏科学、合理的创新要素投入，导致我国某些地区出现了诸如规模效应递减、创新产出效率低下、经济增长萎靡不振的问题。研究如何进行产品创新效率的测度、创新要素结构的优化、创新效率的提升，具有重大的理论和现实意义。
一、文献综述
（一）创新要素的概念和分类
创新要素包括的范围比较广，分为创新主体要素（高校、科研型企业、服务中介以及科研机构等）、创新投入要素（政府部门、企业研发部门以及金融风投等资金和设备投入以及创新资源要素（人力资源、信息资源以及知识资源等）[1]。创新要素之间存在既相对独立又相互协同的体系化关系，比如政策要素、资金要素、人力要素、技术要素、服务中介要素、管理要素等之间具有“1+1>2”的集聚效应[2]。
（二）创新要素结构与创新效率
企业创新要素的投入数量以及投入结构将会很大意义上决定企业创新活动的规模和质量，最终将反映在企业的创新绩效上。早期学者采用研发产出和研发投入之比进行创新效率的简单测算，但不能反映出不同创新要素对创新效率影响的权重[3]。之后的研究，广泛应用最小二乘的回归分析，通过计算创新要素的弹性系数从而反映对创新活绩效的影响[4]。现阶段，数学规划法、前沿分析法在经济学相关效率测度上的应用得到国内学者广泛接受。创新绩效的测度除了方法的选择以外，还与创新要素指标的选择相关[5]。
综上所述，关于创新要素与经济增长的理论研究已形成初步体系，本文旨在聚焦学者在过去的研究中存在的几点存疑进行深度挖掘：一是，以往关于创新效率的研究依赖单一要素变量，未从多个创新要素之间的整合协同角度分析对创新效率影响。二是，创新要素结构仍是一个未经深入研究的“黑匣子”。创新要素结构的演变方式不仅限于要素之间的扩散和集聚，还有其他的方式影响着区域的创新绩效，例如，创新要素结构的优化。
二、研究工具与方法
本文利用测度全要素生产率的常用方法——Malmquist指数（简称M指数）分解法，通过与数据包络理论相结合保证了数据的动态性和可比性。我国不同省份即为若干个决策单元，以（，）表示年创新要素投入和产出，以（，）表示年的状况。可以作为比较创新效率的M指数的计算公式为：
其中对M指数的进一步分解，分为两种情况，一种是不变规模报酬，另一种是可变报酬。不变规模报酬的分解较为简便，分解步骤表示如下：
在以上分解的基础上，如果考虑了不变规模报酬的状况，那么距离函数分为和，分别表示不变规模和可变规模下的距离函数。
需要说明的是，计算了各个决策单元在不同时期对应不同生产前沿的创新效率变化情况，是全要素生产率从上一期到本期的动态变化指数，代表了创新要素较上一期的改进程度。代表了技术是否进步的指标，反映不同决策单元的先进技术推广情况技术和创新程度。和分别在不变规模报酬和可变规模报酬视角下，测算了不同决策单元在各时期对最优生产前沿的追赶效应，反映了各决策单元的创新要素利用效率。则可以衡量各个时期决策单元的创新要素投入的规模报酬效率，从而评价创新要素之间的搭配和投入数量是否达到了最佳。
选择M指数分解法的原因有二：其一，因为M指数是一种相对效率指数，即每一期都是以上一期数值作为基期的环比指数，可以有效地反映出一个区域的工业企业创新效率的动态变化;其二，因为对M指数进行了分解，将全要素效率指数分为了技术进步指数、纯技术效率指数和规模效率指数，能够对创新要素结构的优化分为三种路径，即依靠技术进步进行的优化、管理和要素间重新配置以及改变规模效益三种，对政策建议提供了多样化途径的支持。
三、变量选择与数据来源
基于供给侧改革的背景，本文展开了产品创新要素效率研究。因为工业企业及产品向创新指标较能反映出创新要素结构优化的程度，故本文选取《工业企业科技活动统计年鉴》（2007—2016年）涉及创新要素结构的投入及产出要素作为分析依据，以人力资本、内部资金和外部技术做为创新要素结构的投入要素，以新产品情况作为创新要素结构的产出要素，测算了我国30个省份（因西藏自治区有大量的相关数据缺失，无法通过有效的方法进行补全，故舍去）在2006——2015年间关于创新要素结构的全要素效率变动及构成。在测算全要素效率时，主要研究变量为：
第一，人力资本。创新研发领域的人力资本一般通过科研人员占员工总数比重、科研人员数量以及本科以上学历占员工总数比重等指标来衡量，考虑到在科技创新活动中研发人员起到的决定性作用，本研究选取《工业企业科技活动统计年鉴》的研究人员数量[6]，单位为人。
第二，内部资金。内部资金主要体现为某个省份用于本省范围内企业内部创新活动的资金投入总和，包括人员劳务费、仪器和设备等费用支出，能够反映出某个省份内部开展研发活动的实际支出，是创新要素结构的重要部分（邵云飞、党雁，2017）[7]。本研究选取《工业企业科技活动统计年鉴》的R&D经费内部支出作为衡量内部资金的指标，单位为万元。
第三，外部技术。外来技术获取可明显提升新产品设计和研发进程，通过购买、学习等手段获取企业欠缺的技术，减少研发环节的研发支出的同时降低了研发的时间成本[8]。本研究采用技术引进支出经费、技术改造支出经费、技术消化吸收支出经费和购买国内技术支出经费的总和来反映外部技术，数据来源于《工业企业科技活动统计年鉴》，单位为万元。
第四，新产品研发。本文着重研究产品创新，因此从新产品销售额的指标低来梵音创新产出，以往研究多通过两种指标来反映创新产出，选取《工业企业科技活动统计年鉴》的新产品销售额作为新产品研发的指标，单位为万元[9]。
四、实证结果与分析
本文借助M指数的动态分析特性，反映纯技术效率、规模效率、技术进步三个指标在本年比上前一年的指数，能够有效反映出产品创新效率优化情况。利用DEAP2.1软件进行产品创新活动的全要素效率动态分解，得到我国2006年到2015年我国各省工业企业产品创新效率的M指数分解，如表2所示。
通过表1我们不难看出，各省份之间产品创新的全要素效率指数在不同时期各不相同。整体观察，除去福建、海南、青海三个省份，我国其他省市全要素效率均处于上升趋势，即全要素效率指数大于1。
排名前十的省份和地区在全要素效率指数上处于领先地位有两个原因：其一，江苏、浙江、辽宁、河北是工业大省，本文的M指数的计算采用工业领域的新产品相关数据，其他省份可能会削弱效率指数;
其二，新疆、河南、宁夏、安徽等省份的创新的各个方面的历史基础相对其他省份较为薄弱，因而指数上呈现的变化很大。
导致全要素效率不同的原因也各不相同，江苏、湖南、河南、安徽、新疆维吾尔自治区的全要素效率指数的主要贡献来源于纯技术效率，分别增长了8.8%、9.0%、9.4%、14.1%、12.2%、浙江和辽宁的全要素效率指数的主要贡献来源于技术进步指数，分别增长了6.5%和6.9%。湖北、宁夏以及河北的贡献来自于两方面或三方面的共同增长。从全国30个省份的均值来看，纯技术效率变化指数和技术进步指数的增长均值分别为3.8%和3.4%，远比规模效率变化指数1.2%要大。
通过数据可以分析出，我国大部分省份的创新要素结构主要依靠纯技术效率和技术进步为推动力来进行优化，我国创新要素结构主要通过创新型企业通过吸引高级技术人才、加大自主研發、引进先进技术、升级研发设备、完善创新管理和创新制度等手段来优化。
辽宁省技术进步指数比较高为6.9%，但由于其2.9%的纯技术效率变动和2.0%的规模效率变动比较低，致使全要素效率指数相对较低。观察表1，福建、海南以及青海，都出现不同程度的全要素效率指数小于1的情况，也就意味着这三个省份在2006到2015年期间的全要素效率呈现一种下降的趋势。福建的创新要素结构优化效率主要是由技术进步指数（2.2%）和规模效率指数（2.4%）拉动，然而纯技术效率指数下降4.6%导致了全要素效率指数降低。导致海南全要素效率指数较低的原因与福建不同，海南的技术进步增加了3.7%，而纯技术效率没有为全要素效率提供任何动力，规模效率降低了4.7%导致了海南全要素效率指数降低。青海又与福建和海南的情况不同，青海全要素效率指数低的原因主要是规模效率降低了8.5%。
观察表1的时间维度，我国各省份在2006—2015年的平均全要素效率指数为1.086，平均增长率为8.6%，在效率上领先。全要素效率指数进一步分解出来的技术进步变动指数的年均增长为3.4%，技术效率变动指数的年均增长为5%，纯技术效率变动指数的年均增长为3.8%，规模效率变动指数的年均增长为1.2%。数据分析结果表明，在2006—2012年间，虽然科技进步和纯技术效率增长明显，创新制度和体系进一步完善，新产品研发的技术水平也在逐渐改善，但整体上来看：规模效率却一直处于增速较低的阶段，拉低了全要素效率的增长率。因此，将来一段时间，采取相应措施，促进规模效率的进一步改善是我国提高创新要素结构优化和实现创新要素合理利用的重中之重。
结论与启示
本文基于Malmquist指数模型研究的课题是中国工业企业产品创新活动全要素，1953年Malmquist提出lmquist指数，如今在金融、工业、医疗等部门生产效率的测算中，发挥了重要的作用。学者于1982年开始将这一指数应用于社会、企业生产效率变化的测算，此后，RolfF?re等人将这一理论的一种非参数线性规划法与数据包络分析法（DEA）理论相结合，这才使得Malmquist指数被广泛应用。过本文基于Malmquist指数模型的研究，我们分析测算了2006——2015年这十年的区间，我国30个省份在关于创新要素结构的全要素效率变动及构成。在测算全要素效率时，主要研究变量以人力资本、内部资金和外部技术做为创新要素结构的投入要素，以新产品情况作为创新要素结构的产出要素。
通过借助M指数的动态分析，我们可知提高技术效率和提高基础技术是各省份主要依存的创新要素，创新要素结构需要创新型企业通过吸引人才，投入资金加大自主研发，从国外引进先进技术，师夷长技，升级设备，同时，通过在管理流程，管理方式和管理政策上来创新来优化。需要清楚的是，创新水平高和创新效率高不可混淆概念，创新效率高的地区不等同于创新能力水平高。
尽管大多数学者认为创新水平和创新效率正向影响了经济发展水平，但创新水平和创新效率与经济增长是否存在必然关系还有待进一步推论验证。过各项数据证实，当下的核心是要研究通过何种途径提升创新效率从而提升创新水平，从而创新驱动经济发展。首先，应结合区域创新要素禀赋，设计合理的创新要素结构，控本增效，减少创新活动中不必要的投入。其次，构建创新服务平台、充分调动非创新企业，高新技术企业及核心企业的创新活力。再者，完善创新保护的相关政策规则，法律法规，从而加快创新成果转化。最后，产品创新活动的设计研发、上市商业化等过程应该时刻关注市场需求，若产品制造生产脱离市场需求，则不仅会造成创新要素的浪费，而且会抑制企业创新的积极性。
随着我国经济结构不断调整，创新驱动的不断深入，创新型经济不断发展，以小米、华为、讯飞等为代表的高技术企业科技研发投入，研发水平不断增加，通过R&D经费可见2005—2018年，中国企业、研究机构和高等学校的R&D经费始终保持增长趋势。企业是中国R&D经费的主要来源，与此同时，高学历人员比重上升。我国科技实力快速增长，不断论证创新活动是现代工业企业的核心竞争力来源。
疫情之下，全球企业都在創新上铆足了劲，不过我们也不能一叶障目，经济的增长并不是单一变量的要素结构所得。同时，在满足市场需求、创新生产的过程中，要时刻牢记，提升创新水平和创新效率固然重要，但创新只是过程，全方面的经济发展才是我们要追寻的终极目标。
【参考文献】
[1] 郭艳华. 加大广州科技创新要素集成整合的思路与对策建议[J]. 科技管理研究，2010，30（05）：19-21.
[2] 叶小岭，叶瑞刚，张颖超. 区域企业集聚科技创新要素水平及集聚效益评价研究[J]. 科技管理研究，2012，32（15）：112-117.
[3] 张玉婷，杨华领.技术创新效率评价方法综述[J].中国管理信息化，2018，21（04）：82-84.
[4] 张乐勤，陈素平.基于偏最小二乘通径分析方法的科技创新对用水效率边际效应的测度与分析[J].水利水电科技进展，2018，38（01）：55-62.
[5] 刘钒，邓明亮.基于改进超效率DEA模型的长江经济带科技创新效率研究[J].科技进步与对策，2017，34（23）：48-53.
[6] 李海东，马威.投入端视角下高技术产业技术创新效率影响因素研究[J].科技管理研究，2014，34（10）：126-130.
[7] 邵云飞，党雁.基于DEA-Malmquist方法的中国航天航空制造业区域技术创新效率研究[J].科技和产业，2017，17（06）：1-7+90.
[8] 陈凯华，官建成，寇明婷.中国高技术产业“高产出、低效益”的症结与对策研究——基于技术创新效率角度的探索[J].管理评论，2012，24（04）：53-66.
[9] 张海洋，史晋川.中国省际工业新产品技术效率研究[J].经济研究，2011，46（01）：83-96.
作者简介：原永鹏（1990 09 11），性别男，民族汉，籍贯辽宁。学历（在职研究生在读），中国人民大学经济学院，学校邮编（100872），研究方向-企业经济学
赵蕾（1989 11 03），性别女，民族汉，籍贯安徽，学历（在职研究生在读），中国人民大学经济学院，学校邮编（100872），研究方向-国民经济学
