常广庶 朱利利

【摘要】以2000 ～ 2016年国有及国有控股高技术制造业下属行业为研究对象， 结合DEA-Malmquist指数法研究其动态效率变化， 并采用熵值法确定投入要素的权重， 使用灰色关联分析法深入研究各创新投入要素对产出的贡献度。 结果表明：2000 ～ 2012年全要素生产率呈波浪形变化， 但创新效率总体呈上升趋势; 技术进步效率是影响全要素生产率变动的主要因素; 纯技术效率是影响技术效率变动的主要因素; 相同投入要素在不同行业的贡献度存在差异， 主要归因于投入强度与技术创新效率的差异。

【关键词】国有及国有控股;高技术制造业;技术创新效率;DEA-Malmquist指数法

【中图分类号】F276.1      【文献标识码】A      【文章编号】1004-0994（2020）20-0070-8

在21世纪， 创新是决定国家、行业和企业持续健康发展的关键条件。 国有及国有控股高技术制造业作为我国经济发展的重要支撑， 拥有较多的人、财、物等资源优势， 是建设国家创新体系的关键力量， 是经济发展的助推器[1] 。 然而， 目前我国国有及国有控股高新技术制造业的发展还处于全球价值链的中低等水平， 凸显出创新效率不高、创新动力不足、产能过剩等问题。 因此如何合理且有效地评价国有及国有控股高技术制造业创新效率， 对于进一步提升国有及国有控股高技术制造业创新能力至关重要。 本文在研究国有及国有控股高技术制造业创新效率的基础之上， 分析了投入要素对产出要素的贡献度， 并进一步研究了国有及国有控股高技术制造业下属行业差异性， 以期为提升国有及国有控股高技术制造业创新效率提供参考。

一、文献综述

创新效率是衡量国有及国有控股高技术制造业创新水平的科学评价指标， 对创新活动的成败起关键性作用。 正确认识国有及国有控股高技术制造业创新效率有益于政府把握科技发展的方向， 提升国有及国有控股高技术制造业技术水平。 目前， 关于高技术制造业创新效率的研究成果颇多， 通过文献回顾、梳理和总结， 发现高技术制造业创新效率相关研究可分为两大类：

一类按照高技术制造业创新效率研究视角来划分， 主要集中在区域、行业、企业三个层面。 在区域层面， 孙俊玲、马立群[2] 从整体和各地区视角对2012 ～ 2016年27个省份的国有高技术制造业技术创新效率进行研究， 发现国有高技术制造业技术创新效率呈上升趋势; 徐丹丹、孙梦超[3] 在此基础上加入了一些新的评价指标， 对2009 ～ 2012年28个省份的国有控股高技术制造业的创新效率进行研究， 发现整体和区域视角下的国有控股高技术制造业的创新效率水平较低且呈下降趋势。 上述学者均采用DEA方法对跨省域的国有高技术制造业进行研究， 由于选取的时间跨度不同， 选取的指标存在差异， 造成研究结果差异很大。 在行业层面上， 康淑娟[4] 、陈建丽等[5] 以中国17个高新技术制造业下属行业为对象， 研究发现高技术制造业技术创新效率总体偏低， 不同行业技术低效率的根源存在差异; 杨惠瑛、王新红[6] 以电子及通信设备制造业等五个行业为样本， 研究了中国高技术制造业的创新效率; 王明亮、余芬[7] 以2006 ～ 2015年电子及通信设备制造业为样本， 分析研发投入、产业集中度与创新效率之间的关系。 在企业层面上， 杨芸、洪功翔[8] 以2009 ～ 2014年国有高技术制造企业为研究对象， 发现影响国有高技术制造企业创新效率的主要因素是技术进步效率。

另一类按照高技术制造业创新效率研究方法来划分， 主要有DEA、随机前沿分析、灰色关联分析等方法。 孙俊玲、马立群[2] 采用DEA方法分析了区域高技术制造业创新效率; 刘满凤、李圣宏[9] 进一步把高技术制造业创新效率活动过程分为三个阶段进行研究分析; 王明亮和余芬[7] 、張立杰和梁锦凯[10] 则采用动态的DEA-Malmquist指数法研究区域高技术制造业创新效率。 朱有为、徐康宁[11] 采用随机前沿面分析法对中国高技术产业的研发效率进行分析， 发现中国高技术产业的研发效率总体较低， 但仍在稳步上升， 产业之间的效率差距正在逐步缩小; 张涵、杨晓昕[12] 运用随机前沿面模型， 从不同的视角研究高技术产业研发效率和经济成果转化创新效率的具体情况。 张永安、鲁明明[13] 采用灰色关联分析法剖析了创新投入要素对中国高技术制造业创新产出要素的贡献度。

通过对高技术制造业创新效率相关文献的梳理回顾可知， 以往学者主要集中于对中国区域、行业、企业创新效率进行研究， 关于国有及国有控股高技术制造业的研究存在以下问题：时间跨度比较小， 难以全面地认识国有及国有控股高技术制造业发展趋势; 选取的衡量指标没有进行系统的分类， 不能很恰当地描述国有及国有控股高技术制造业创新效率的现状; 仅探究了高技术制造业的创新效率， 但不同学者所选择的投入指标和产出指标存在异质性， 造成最后研究结果的差异性。 因此， 对于创新投入要素与产出要素之间的关系需深入分析， 进一步探索前者对后者的影响程度， 本文将从以下两个方面加以改进：①为了避免时间跨度小所带来的问题， 文章选取2000 ～ 2016年的国有及国有控股高技术制造业数据， 研究影响国有及国有控股高技术制造业技术创新效率的主要因素; ②突破单一指标的限制， 把投入指标和产出指标进行分类， 基于动态的DEA-Malmquist指数法， 从多个投入指标和产出指标描述国有及国有控股高技术制造业技术创新效率， 并采用熵值—灰色关联分析法深入研究各投入指标对产出指标的贡献度。

二、研究方法与数据来源

（一）研究方法

1. DEA-Malmquist指数法。 20世纪50年代， 瑞典学者Malmquist Sten提出了Malmquist生产率指数法， 后由Caves等[14] 首次运用于生产率研究领域， 使其应用范围更加广泛。 Fare等[15] 和Banker等[16] 之后把全要素生产率指数分解为技术进步指数和技术效率指数， 并且提出在规模可变的前提下， 技术效率指数又可进一步分解为纯技术效率指数和规模效率指数。 参照陈怀超等[17] 的研究， 可得到公式（1）。 式中TFP代表全要素生产率， Techch代表技术进步指数， Effch代表技术效率指数， Pech代表纯技术效率指数， Sech代表规模效率指数。 文章运用DEA-Malmquist指数法对国有及国有控股高技术制造业及其五个行业的创新效率进行测算， 并对国有及国有控股高技术制造业创新能力进行客观分析。

2. 熵值法。 熵是对不确定性指标的量度。 数据值的差异越大， 熵越小， 即该指标提供的信息量越大， 不确定性就越小， 权重越小[18] 。 熵值法的运用避免了主观赋值对于研究结果的影响， 使得研究结果更加严谨可靠。 由于不同行业的投入指标密度和强度存在差异， 所以本文需要先用熵值法确定每个行业每个指标的权重， 以确保结果真实有效。 具体计算步骤如下：

（1）标准化处理。 文章选取的研究对象是国有及国有控股高技术制造业下属行业， 因此选取n个行业， m个指标， xij表示第i个行业的第j个指标的数据（i=1，2，3，…，n; j=1，2，3，…，m）。 为了解决原始指标属性、计量单位不同问题， 需要对指标进行同质化处理。 指标一般可分两类：一类是效益类指标， 又称正向指标， 该指标越大越好; 另一类是成本类指标， 又称负向指标， 该指标越小越好。 根据不同的指标性质选取不同的处理方式。 正向指标和负向指标如式（2）和式（3）所示。 式中x'ij为标准化后的第i个行业的第j个指标的数据（i=1，2，3，…，n; j=1，2，3，…，m）。 为了方便识别， 仍把x'ij记为xij， 即xij=x'ij。

（2）计算第j指标的熵值和差异系数。 具体如式（4）和式（5）所示。 式中pij表示第j个指标下第i个行业在此指标下所占比重（i=1，2，3，…，n; j=1，2，3，…，m）; xij表示标准化之后的第i行业的第j个指标的数据; k为常数; ej为第j个指标的熵值; dj为第j个指标的差异系数。

（3）计算指标权重。 式（6）中wij表示被归一化的权重系数， 取值范围为[0，1]（i=1，2，3，…，n; j=1，2，3，…，m）。

（6）

3. 灰色关联分析法。 该方法的基本思想是通过比较数列几何曲线形状来判断数列关联度， 数列几何形状越相似， 相应数列之间关联度越高， 反之数列之间关联度越低[19] 。 灰色关联分析方法具体步骤如下：

（1）确定分析序列。 假设比较序列为Xj=（xj1， xj2，…，xjn）（j=1，2，3，…，n）， 表示国有及国有控股高技术制造业下属行业创新投入指标; 假设参考序列为Yi=（yi1，yi2，…，yin）（i=1，2，3，…，m）， 表示国有及国有控股高技术制造业下属行业创新产出指标。

（2）无量纲化处理。 原始数据各指标具有不同的计量单位， 不能直接进行比较， 为了保证研究的严谨性， 需要对数据进行无量纲化处理。

（3）确定关联系数。 具体运算见式（7）。 式（7）中|Xj（k）-Yi（k）|为第j列比较序列与第i列参考序列绝对差值， 其中k=1，2，…，n， i=1，2，…，m。 ρ为分辨系数， ρ越大， 分辨率越低， 其取值范围为（0，1）， 通常取ρ=0.5，           |Xj（K）-Yi（K）|为两级最小差，            |Xi（K）-Yi（K）|为两级最大差。

（7）

（4）计算关联度。 具体运算见式（8）。 其中， rij为第j个影响因素与第i个参考指标的关联度， r与1越接近， 说明两者之间的关联度越大， 该因素j对于该指标i的影响越大。

（5）计算综合贡献度。 具体运算见式（9）。 式中rij为式（8）得出的关联度， pij为式（6）得出的指标权重， w为考虑权重的投入指標对产出指标综合贡献度。

（二）指标体系构建

一般而言， 合理选择指标是科学有效评估国有及国有控股高技术制造业创新效率的保障， 指标的选择应符合系统性、适用性和可获得性原则。 根据这三个原则， 本文从投入和产出两个方面构建了创新效率评价指标体系， 具体如表1所示。

在创新人力投入方面， 研发人员的投入对任何高技术制造业都非常重要， 研发人员的素质越高， 越有利于该行业的战略发展， 因此， 选取研发人员折合全时当量作为人力投入方面的指标。 在创新资金投入方面， 无论是研发费用、技术改造费用还是新产品开发费用， 都与产业创新活动相关， 均作为资金投入指标。 国有及国有控股高技术制造业是国家经济发展的重要支撑， 国家以投入资金的方式全力支持国有及国有高技术制造业的创新发展， 因此， 将政府投资也作为创新投入资金的要素之一。 本文借鉴张永安等[13] 的分类方法， 将创新产出指标分为创新经济收益和创新经济成果两大类。 对于创新经济收益方面的指标， 根据数据的可获取性原则， 选取了主营业务收入和利润总额进行衡量。 文章选取的主营业务收入是原数据的主营业务收入减去新产品销售收入， 以避免收入被重复计算。 关于创新经济成果指标的选择， 参照国际上通用的做法， 选取新产品销售收入和专利申请数进行衡量[20] 。

（三）数据来源

1999年发布的《关于国有企业改革和发展若干重大问题的决定》指出， 从战略上调整国有经济布局， 推动国有企业战略重组。 同年， 中共中央、国务院发布《关于加强技术创新， 发展高科技， 实现产业化的决定》， 这些政策都推动了国有及国有高技术制造业的发展。 考虑到产出要素具有时滞性， 本文选取2000 ～ 2016年国有及国有控股高技术制造业下属行业作为研究样本， 所有数据均来自于2001 ～ 2017年《中国高技术统计年鉴》。 根据数据的可获取性和完整性原则， 文章选取国有及国有控股高技术制造业下属行业进行技术创新效率的研究。

三、基于DEA-Malmquist指数法创新效率动态分析

本文采用2000 ～ 2016年国有及国有控股高技术制造业下属行业的面板数据， 并基于DEA-Malmquist指数法， 对国有及国有控股高技术制造业创新效率进行研究。 运用DEAP 2.1软件对原始数据进行分析， 测算了2000 ～ 2016年国有及国有控股高技术制造业年度和各行业的全要素生产率指数变动情况。

（一）各年度动态创新效率

各年度动态创新效率结果见表2， 变动趋势如图所示。

1. 由表2可知， 2000 ～ 2016年国有及国有控股高技术制造业全要素生产率平均值为1.016， 说明技术创新效率总体上呈上升态势。

（1）从全要素生产率角度分析， 2000 ～ 2001年国有及国有控股高技术制造业技术进步指数为1.499， 技术效率指数为1.072， 说明该期间的技术进步和技术效率都是有效的， 即对全要素生产率都做出了贡献， 但是做出主要贡献的是技术进步。 2000年， 国家提出新世纪之初我国经济发展的新思路， 实行经济的战略性调整， 以保持国民经济持续快速健康发展。 对于先进技术的积极投入为我国国有及国有控股高技术制造业的发展提供了重要的技术保障。 2001 ～ 2002年国有及国有控股高技术制造业全要素生产率指数为0.590， 技术进步指数为0.663， 技术效率指数为0.889， 技术进步指数与技术效率指数相比上一年都变小了， 其中对全要素生产率起主要贡献的是技术效率。 上述结果说明前一年引进的先进技术并没有被充分消化吸收， 创新资源存在一定程度的浪费， 技术创新效率也受其影响。 因此， 2001 ～ 2002年主要以现有技术为基础、以技术效率的提升为目标进行发展。

2002 ～ 2008年均出现了如2000 ～ 2002年先短时上升又迅速下滑的趋势， 说明我国在实施“十五”“十一五”规划时还处在不断摸索阶段， 技术的引进与吸收能力还有待提高。

2008 ～ 2011年国有及国有控股高技术制造业处于平稳发展时期， 该期间的全要素生产率基本相同， 而2011 ～ 2012年出现较低的拐点。 结合2011 ～ 2012年国有及国有高技术制造业创新投入与产出指标可知， 该期间各创新投入量逐年增加， 然而2012年创新产出指标中的利润总额与2011年相比出现下降现象， 这显示在2011 ～ 2012年技术创新能力没有随着创新投入要素的增加而提升， 创新资源存在冗余现象， 导致整体创新效率较低。

2012 ～ 2016年国有及国有高技术制造业创新效率保持在平稳发展水平， 这与国家政策和国家取得的成就息息相关。 由上述分析可知， 国有及国有控股高技术制造业全要素生产效率经历了上下波动又趋于平稳发展的过程。

（2）从技术效率的角度分析， 2000 ～ 2001年国有及国有控股高技术制造业技术效率指数为1.072， 纯技术效率指数为1.069， 规模效率指数为1.003。 该期间纯技术效率和规模效率均对技术效率起到了促进作用， 但纯技术效率促进作用占比为95.83%， 规模效率促进作用占比为4.17%， 这说明纯技术效率指数主导了技术效率的提高， 该时期国有及国有控股高技术制造业的技术和企业规模对生产效率的影响比较大。 而2001 ～ 2002年国有及国有控股高技术制造业技术效率指数为0.889， 纯技术效率指数为0.897， 规模效率指数为0.992。 该期间纯技术效率和规模效率均对技术效率起到抑制作用， 但纯技术效率抑制作用占比为92.8%， 规模效率抑制作用占比为7.2%， 纯技术效率主导了技术效率的降低， 该时期国有及国有控股高技术制造业的技术和企业规模对生产效率的影响比较小， 未达到技术有效和规模有效。

从表2中可知， 除2009 ～ 2010年之外的其他年份， 如果纯技术效率指数小于1， 那么技术效率指数也小于1， 这表明纯技术效率是影响技术效率指数变动的主要因素， 即国有及国有控股高技术制造业技术利用率指數低是影响技术效率的关键因素。 但从总体上分析， 2000 ～ 2016年国有及国有控股高技术制造业技术效率均值为1.007， 纯技术效率指数平均值为1.007， 规模效率指数平均值为1.000， 说明该阶段国有及国有控股高技术制造业在规模效率有效的前提下， 着力改善技术和管理等影响纯技术效率的因素可以提高技术生产效率。

综上， 2000 ～ 2016年国有及国有控股高技术制造业技术效率指数平均值为1.007， 年均增长率为0.7%， 2000 ～ 2016年国有及国有控股高技术制造业全要素生产率指数平均值为1.016， 年均增长率为1.6%， 说明2000 ～ 2016年国有及国有控股高新技术制造业技术创新效率总体发展呈上升态势。

2. 由上图观察可知， 纯技术效率指数曲线与技术效率指数曲线变化趋势基本相同， 技术进步指数曲线与全要素生产指数曲线变化趋势基本相同。 由此可知， 纯技术效率是影响技术效率指数变动的主要因素， 技术进步是影响全要素生产指数变动的主要因素， 这也进一步证实了全要素生产效率指数分解为技术进步指数和技术效率指数的合理性。

（二）各行业动态创新效率

表3列示了国有及国有控股高技术制造业下属行业创新动态效率。

由表3可知， 2000 ～ 2016年除计算机及办公设备制造业全要素生产率小于1之外， 其他行业全要素生产率都大于1， 原因在于计算机及办公设备制造业技术进步指数较小。 这一方面说明国有及国有控股计算机及办公设备制造业技术更新比较慢， 计算机人才比较稀缺， 存在创新资源滥用， 创新成果转化率比较低; 另一方面再次印证了技术进步是影响全要素生产率指数变动的主要因素， 即国有及国有控股高技术制造业下属行业创新效率的有效性与技术进步指数密切相关。 2000 ～ 2016年国有及国有控股高技术制造业下属行业技术效率指数均值为1.007， 与纯技术效率指数均值一致; 而规模效率指数没有变动， 说明国有及国有控股高技术制造业下属行业在现有规模效益下， 提高技术使用效率是提升行业技术效率的有效途径。 同时也再次验证了在现有规模效益下， 技术效率指数变动主要受纯技术效率的影响。 医疗仪器设备及仪器仪表制造业在大医改、国家大力支持创新医疗器械行业的宏观背景下发展迅速， 在2000 ～ 2016年全要素生产效率和技术进步指数较高， 均为1.065， 说明这期间国家对于医疗仪器设备及仪器仪表制造业实施的相关政策得到了有效体现。

四、基于熵值—灰色关联分析法的创新要素投入差异性分析

（一）基于熵值法的分析

基于熵值法， 按照式（2） ～ （6）计算创新投入要素权重， 具体结果见表4， 表中所列权重为2000 ～ 2016年的均值。 从行业来看， 电子及通信设备制造业和航空、航天器及设备制造业以及医药制造业中技术改造费用支出所占权重最高， 而计算机及设备制造业和医疗仪器设备及仪器仪表制造业所占权重相对较低， 归因于原始数据中2000 ～ 2009年医疗仪器设备及仪器仪表制造业和计算机及设备制造业， 人力和资金投入不足， 也缺乏先进的技术投入。 《关于深化科技体制改革加快国家创新体制建设的意见》和《关于深化体制机制改革加快实施创新驱动发展战略的若干意见》等相关政策提出之后， 各行业都加大了人员、资金和技术的投入力度， 但是由于各行业创新能力和技术投入存在差异， 相同投入要素在各行业所占权重也不尽相同。

从投入要素来看， 航空、航天器及设备制造业作为我国的高端装备制造业， 在研发方面的投入要领先于其他行业。 航空、航天器及设备制造业在研发人员折合全时当量、研发经费内部支出、新产品开发经费支出和技术改造费用支出四个投入指标中所占权重最高， 而政府资金方面所占权重也仅次于电子及通信设备制造业。 虽然在2000 ～ 2016年航空、航天器及设备制造业取得了不错的成绩， 但是由表3可知， 该制造业技术进步指数为0.990<1， 總体技术水平尚未达到有效， 还需要进一步创新发展技术， 提高该行业创新效率水平。 在政府资金方面， 电子及通信设备制造业所占权重为0.21350， 明显高于其他四个行业， 足以证明政府对于电子及通信设备制造业的重视。

（二）基于灰色关联分析法的分析

基于灰色关联分析法， 按照式（7） ～ （9）计算2000 ～ 2016年国有及国有控股高技术制造业下属行业创新投入指标与产出指标综合关联度， 具体结果如表5所示。

从行业角度分析， 在电子及通信设备制造业以及航空、航天器及设备制造业中， 各投入指标对产出指标贡献度比较均衡， 两个行业研发经费内部支出的贡献率较高， 分别为0.71747和0.65826， 这显示出国有及国有控股高技术制造业自身对于技术创新高度重视， 不断加大对研发部门的投资力度。 计算机及办公设备制造业以及医疗仪器设备及仪器仪表制造业两个行业， 各投入指标所占比重较小， 对产出指标贡献度也比较小， 其中新产品开发经费支出贡献度最高， 分别为0.32166和0.33144。 由原始数据可知， 这两个行业原始投入较其他行业相对较少， 说明我国对于计算机及办公设备制造业以及医疗仪器设备及仪器仪表制造业应给予更多投入和重视， 从而为实现制造强国的战略目标奠定坚实的基础。 医药制造业中， 技术改造费用支出所做出的贡献最大， 为0.65011， 明显高于其他行业技术改造费用支出的贡献度， 说明近年国有及国有控股制造业越来越重视对先进技术的消化与创新。

从投入指标角度分析， 研发人员折合全时当量、研发经费内部支出、新产品开发经费支出以及政府资金与产出指标综合关联度较高的行业均为电子及通信设备制造业。 电子及通信设备制造业属于资金密集型、技术高频率变化的行业， 所以对人力和其他支出的投入高于其他行业， 政府也在大力扶持该行业。 技术改造费用支出与产出指标综合关联度较高的行业为医药行业， 说明在大医改的背景下， 医药行业也在逐步提升该行业的技术水平， 为达到一流的医疗水平服务。

研发人员折合全时当量、新产品开发经费支出、政府资金与产出指标综合关联度较低的行业均为计算机及办公设备制造业; 研发经费内部支出和技术改造费用支出与产出指标综合关联度较低的行业均为医疗仪器设备及仪器仪表制造业。 这说明上述行业对于投入指标的贡献率没有达到理想效果， 即创新能力较低、资源配置不合理， 造成资源浪费。 以上分析表明， 相同的投入要素在不同行业贡献度存在差异， 主要归因于投入强度与创新能力差异。

五、结论与不足之处

（一）结论

国有及国有控股高技术制造业作为我国国民经济发展的重要支柱， 随着经济全球化的快速发展， 提高国有及国有控股高技术制造业创新效率是可持续发展的重要保障。 本文基于2000 ～ 2016年国有及国有控股高技术制造业下属行业面板数据， 采用DEA-Malmquist指数法和熵值—灰色关联分析法研究国有及国有控股高技术制造业下属行业动态效率的变化和各创新投入要素对产出的贡献度。

从整体创新动态效率视角分析， 2000 ～ 2016年国有及国有控股高技术制造业平均全要素生产率大于1， 说明我国国有及国有控股高技术制造业技术创新效率呈现上升态势。 其中技术进步是影响全要素生产率指数变动的主要因素， 即技术进步是影响创新效率的主要因素， 说明国有及国有控股高技术制造业技术需随着经济发展进一步提升， 以满足创新时代要求。 鉴于此， 国家应出台相关政策扶持国有及国有控股高技术制造业， 鼓励高新技术制造业加大技术开发投入力度。 进一步研究表明， 纯技术效率也是影响技术效率指数变动的主要因素， 即技术效率与纯技术效率存在一定的协同效应。 二者的关系说明国有及国有控股高技术制造业技术转化率、资源配置效率和技术创新能力还需改善和提升。 因此， 国有及国有控股高技术制造业不仅要关注技术的引进与改造， 更要注重技术的吸收、转化和创新。 相关部门可以成立专门机构或组织， 研究如何将技术资源与自身资源最大化结合与利用， 从而推动国有及国有控股高技术制造业持续健康发展。

从行业创新动态效率视角分析， 全要素生产率差异较大的是计算机及办公设备制造业以及医疗仪器设备及仪器仪表制造业。 从二者原始数据投入指标来看差异不明显， 主要原因在于国有及国有控股计算机及办公设备制造业技术要求比较高， 然而2010年以前对于该行业研发方面的人力与资金投入较少， 后期发展比较缓慢， 技术学习和引进程度不够， 所以技术进步指数偏低， 进而造成该行业全要素生产率偏低。 而其他四个行业发展较快， 特别是航空、航天器及设备制造业在现有技术水平下实现快速发展。 相关部门可以建立信息交流平台， 促进各行业的信息交流与合作， 以实现协同发展， 并为各行业科技共同创新提供信息服务支撑。

从各行业创新投入要素对产出的贡献度视角分析， 相同的投入要素在不同行业贡献度存在差异， 主要归因于投入强度与创新能力差异。 如电子及通信设备制造业属于资金密集型、高技术的行业， 对人力和资金需求高于其他行业， 研究结果表明投入指标要素对产出指标的平均综合贡献度在0.67以上。 而计算机及办公设备制造业虽然也属于高技术行业， 但由于前期研发投入强度不够， 结果表明投入指标要素对产出指标的平均综合贡献度不足0.20。 因此， 政府应根据高技术制造业下属行业的差异性， 确定合适的投入强度， 保证投入资金的合理配置， 改善创新资本和人员的使用效率， 从而为国有及国有控股高技术制造业技术创新效率的提升提供切实可行的方案。

（二）不足之处

受限于数据的可获取性， 本文仅考虑了人力投入和资金投入两类投入指标， 现实中影响国有及国有高技术制造业创新效率的指标还有很多。 另外， 未来的研究对象可细化到对国有及国有控股高技术制造业下属每个行业内部， 从而更详尽地分析影响国有及国有控股高技术制造业发展的微观因素。

【 主 要 参 考 文 献 】

[ 1 ]   葛宝山，王毅，于渤，吴伟伟.面向中国制造2025的创新能力建设与竞争优势塑造专栏介绍[ J].管理科学，2017（2）：1 ～ 2.

[ 2 ]   孙俊玲，马立群.基于DEA-Malmquist指數的国企高技术制造业技术创新效率及地域性差异研究[ J].东南大学学报（哲学社会科学版），2019（S1）：114 ～ 118.

[ 3 ]   徐丹丹，孙梦超.高技术产业中国有及国有控股企业创新效率研究[ J].内蒙古财经大学学报，2015（4）：29 ～ 35.

[ 4 ]   康淑娟.行业异质性视角下高技术产业创新价值链效率测度——基于SFA修正的三阶段DEA模型的实证分析[ J].科技管理研究，2017（6）：7 ～ 12.

[ 5 ]   陈建丽，孟令杰，姜彩楼.两阶段视角下高技术产业技术创新效率研究——基于网络SBM模型和DEA窗口分析[ J].科技管理研究，2014（11）：11 ～ 16.

[ 6 ]   杨惠瑛，王新红.高新技术产业R&D效率测度[ J].科技进步与对策，2012（2）：113 ～ 117.

[ 7 ]   王明亮，余芬.我国电子及通信设备制造业创新效率实证分析[ J].科技管理研究，2018（7）：85 ～ 92.

[ 8 ]   杨芸，洪功翔.国有高技术企业创新效率评价——基于Malmquist指数[ J].山东工商学院学报，2017（5）：87 ～ 93+100.

[ 9 ]   刘满凤，李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[ J].管理评论，2016（1）：42 ～ 52+155.

[10]   张立杰，梁锦凯.我国丝绸之路经济带沿线省（市、区）高技术产业创新效率研究——基于DEA-Malmquist-Tobit方法[ J].科技进步与对策，2019（13）：68 ～ 75.

[11]   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.

[12]   张涵，杨晓昕.创新环境约束下高技术产业区域创新效率及收敛性研究[ J].科技进步与对策，2018（3）：43 ～ 51.

[13]   张永安，鲁明明.高技术制造业创新效率评价及要素投入差异性研究[ J].科技进步与对策，2019（16）：51 ～ 57.

[14]   Caves D. W.， Christensen L. R.， Diewert W. E.. The economic theory of index numbers and the measurement of input， output， and productivity[ J]. Econometrica，1982（6）：1393 ～ 1414.

[15]   Fare R.， Grosskopf S.， Lindgren B.， Roos P.. Productivity changes in Swedish pharamacies 1980-1989： A non-parametric malmquist approach[ J].Journal of Productivity Analysis，1992（1-2）：85 ～ 101.

[16]   Banker R. D.， Charnes A.， Cooper W.. Some models for estimating technical and scale inefficiencies in data envelopment analysis[ J]. Management Science，1984（9）：1078 ～ 1092.

[17]   陈怀超，张晶，费玉婷，范建红.中部六省产学研创新效率对省域创新的影响——基于Malmquist指数与灰色关联度的分析[ J].科技进步与对策，2018（20）：137 ～ 143.

[18]   李刚，程砚秋，董霖哲，王文君.基尼系数客观赋权方法研究[ J].管理评论，2014（1）：12 ～ 22.

[19]   邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002：1 ～ 496.

[20]   周密，申婉君.研发投入对区域创新能力作用机制研究——基于知识产权的实证证据[ J].科学学与科学技术管理，2018（8）：26 ～ 39.