APP下载

基于DEA 对我国高技术产业创新效率外溢分析

2022-01-06刘星广西大学

品牌研究 2021年28期
关键词:技术开发高技术科技成果

文/刘星(广西大学)

现阶段,我国正处在经济发展方式发生转变的重要阶段,经济的高质量发展成为我国经济增长的主要目标,而高技术产业创新活动在高质量发展中有着十分重要的作用。促进科技和金融结合就是推动经济发展方式转变、经济结构战略性调整的有效举措。当前,在促进科技和金融结合的过程中,大量高科技企业加大技术开发的投入,使得技术开发的成果显著。但也存在过于重视技术开发的数量,而忽视了科技成果转化产出的问题,这可能导致技术实现市场价值化受限。同时,高科技产业的创新过程中,创新能力不仅取决于自身的投入产出能力以及投入产出的效率,还与邻近区域的创新能力有关,依赖于相邻区域创新主体之间的沟通和合作,这就是创新活动效率的空间外溢效应。

近年来,关于科技企业和科技金融的研究不断涌现,如何衡量科技企业与科技金融的效率问题也愈加受人关注。现有大量文献将高技术产业创新活动作为一个多投入同时单产出,根据实际情况此类创新活动为多投入多产出的,因此基于多投入单产出的假设的效率评价是不准确的。同时也有很多研究将高技术产业创新活动的投入产出仅看作一次性的,而根据创新价值链理论,应当细化高技术产业创新活动的分析,可以按照其发展阶段分为技术开发过程和科技成果转化过程,运用可以处理多投入多产出效率评价的数据包络分析(DEA)模型对各个环节的效率进行计算。而在将高技术产业创新活动细分后并考虑用数据包络分析(DEA)模型的众多研究中,又极少考虑到环境因素和随机噪声对决策单元效率评价的影响。其中Fried(2002)指出,创新等活动的效率会因管理无效率、统计噪声以及环境因素的波动而发生改变,因此在分析活动效率时应当对这三种因素进行分解,同时开创性在DEA 模型中引入环境因素和随机噪声,并进一步提出了包含环境因素和随机噪声因素的三阶段DEA 模型。本文通过运用传统的DEA 模型作为基础模型,对创新活动效率进行分析,并在此基础上运用三阶段数据包络分析模型对创新活动效率进行进一步的分析。本文还对创新效率的空间外溢情况进行考察,通过构建地理相邻空间权重矩阵,利用空间杜宾模型对效率的空间外溢效应进行分析,以期能够找出高技术产业创新活动效率的影响因素,进而可以分析高技术产业创新活动的不足和优势,并能够通过分析其薄弱点,针对其薄弱点进行有效地加强和提高。

一、文献综述

(一)效率评价文献综述

对于多投入多产出活动的效率评价,大多都采用数据包络分析(DEA)模型。吴妍妍(2019)运用传统的DEA 模型评价科技金融服务效率;余丽霞(2019)运用传统DEA 模型,从时间维度上,横向和纵向对比分析四川省的科技金融结合效率。对于一个现实的生产活动一般为多阶段的,而不是仅由一个阶段组成。

因此,Pengzhen Yin(2019)以及彭佑元和王婷(2016)基于二阶段网络DEA 分别将酒店决策的网络结构分为两阶段模型(运营阶段和营销阶段),并提出了一个基于dea的双目标模型,从内部两个阶段相互配合的角度,对酒店绩效进行评价以及将企业投资分为利润产生以及市值产生两个阶段,并分别对其投资效率进行了分析评价,更为深入地挖掘出了上市公司非有效投资产生的原因。本文也通过将高技术产业创新活动分为两个阶段,技术开发阶段和科技成果转化阶段,并分别计算两个子阶段的效率,以此更为准确评价创新活动的效率,并找出薄弱点进行补足和提高。

传统的DEA 模型不能很好地适用于现实的各种活动效率的评价,因此大量的学者根据现实的实际情况对DEA 模型进行改进,以使之更符合现实,效率评价更加真实可靠。李合龙和段紫薇(2018)引入Malmquist 指数对静态 DEA 进行动态优化,以分析2004 至2015 年广东省及21 个地级市的科技金融效率。Chunjia Han 等(2017)认为,传统DEA 的效率高估可能会影响目标设定的合理性,甚至使其在目标设定中失效。因此,提出了针对个体决策单元(DMU)和全局优化的两种新的目标设定方法,以提高DMU在不同决策情形下的交叉效率,进而解决了传统DEA 在目标设定上的局限性。Fried(1999,2002)指出传统DEA 模型没有考虑环境因素和随机噪声对决策单元效率评价的影响,因此将环境因素和随机噪声引入DEA 模型。其中,在Fried(1999)这篇文献中运用了DEA-Tobit 模型引入了影响效率评价的环境因素,而在Fried(2002)中则同时考虑了环境因素和随机噪声,运用的模型被称为三阶段DEA 模型,在第二阶段中可以剔除环境因素和随机噪声。自Fried 提出该理论之后,大量学者开始将环境因素及随机噪声引入DEA 模型,更加准确地进行效率评价。王义新和孔锐(2019)基于 DEA-Tobit 二阶段模型对我国规模以上工业企业科技创新效率进行评价。张中华、刘爽(2017)和杨林等(2019)运用三阶段DEA 模型分别评价了我国的制造业的投资效率以及粤港澳大湾区 2014 至2016 年科技金融资源配置效率。本文考虑到环境因素和随机噪声可能会对我国高技术产业创新效率有影响,因此也通过运用三阶段DEA 模型,对我国高技术产业创新效率进行更为准确的分析。

(二)创新效率外溢效应文献综述

现存的大量文献的计量经济研究中,显示在众多的经济数据中存在空间的作用。对比传统计量经济学,将空间因素纳入模型,可以更好地分析空间的作用,研究在地理空间临近事物之间的相互影响。张芷若和谷国锋(2019)基于空间计量的方法分析科技金融在邻近空间对周围区域经济增长的影响。创新效率也可能具有空间依赖性,因此要全面的认识创新效率的影响因素,应当在评价创新效率的同时考虑到其空间依赖性。已有研究发现,我国高技术产业创新效率确实存在十分明显的空间外溢影响(徐皓等(2019))。虽然徐皓在文章中运用了DEA 模型,但并未将可能对活动效率存在影响的环境因素以及随机噪声因素纳入模型。余泳泽和刘大勇(2013)将创新过程分为知识创新、科研创新和产品创新三个阶段,并利用三阶段 DEA 模型考察了各阶段的创新效率,并且发现各阶段创新效率表现出较为明显的空间相关性。并未将科技成果转化阶段纳入创新活动中,而科技成果转化阶段是非常重要的实现创新产物市场价值的阶段,而缺少该阶段并不能使整个创新活动形成一个“研发-生产-销售-再生产”的闭环。

因此,本文将高技术产业创新活动分为技术开发阶段和科技成果转化阶段,并运用三阶段DEA 模型对两个子阶段进行效率评价,同时构建邻接空间权重矩阵,对我国高技术产业创新效率外溢效应进行研究。

二、理论分析

(一)DEA 模型

数据包络分析(DEA)是一种效率评价分析方法,通常用于多投入多产出活动的情况,其原理是通过线性规划构造出非参数前沿面,并通过该方法分析相对效率。当面对如创新活动这样的多投入多产出的活动,会因为有不同的多种投入而难以统一多种投入指标的单位。数据包络分析法(DEA) 几乎不要求投入的指标单位的统一,因此可以让效率评价具有可实现性。在分析主体多投入多产出活动的效率过程中,数据包络分析法(DEA) 不需要假设函数形式,因此也不需要主观设置各个投入产出的权重矩阵,而是以被评估的主体最高的可能效率为依据,找出各投入产出的权重矩阵。对于给定权重矩阵的被评估主体,如果主体投入产出位于非参数前沿面上,则称该主体为DEA 有效,而没有位于前沿面上的主体,就被称为无效率主体。因此,可以通过运用DEA 模型来比较一组具有相同或相似投入产出的主体,识别相对无效率主体,并与其他DEA 有效主体进行比较,发现和降低无效率的方法。

本文根据高技术产业创新活动的现状,将创新活动进行细分,将其分解为技术开发阶段和科技成果转化阶段,并将每个阶段都作为多投入多产出的过程。其中技术开发阶段反映了高技术产业的研发能力,具体而言,就是企业通过投入经费和研发人员,最终得到研发成果,例如专利数以及新产品开发项目数。而研发最终是为了能够转化为市场价值,因此当得到研发成果后,就需要将研发的成果进行转化,得到产品并推向市场,这个过程就是科技成果转化阶段。科技成果转化阶段就是将技术开发阶段获得的研发成果作为投入,将实现的市场价值作为产出的过程,反映了高技术产业的成果转化能力。将创新活动细分后,对技术开发阶段和科技成果转化阶段的效率利用传统的数据包络分析(DEA)模型分别进行计算,以揭示整个创新活动的不足之处,进而全面准确提高创新活动的效率,进而再运用三阶段数据包络分析(DEA)模型做进一步分析。

1978 年,A.Charnes,W.W.Cooper and E.Rhodes 为对比相同部门之间的效率,提出数据包络分析(DEA)模型,并将该模型命名为C2R模型,对第j0个决策单元(DMUj0)进行效率评价。具体形式为:

其 中,x=(x1,x2,…,xm)T为进行生产活动的多种输入,xj=(x1,x2,…,xm)T>0为 第j 个决策单元(DMUj)的多种输入,y=(y1,y2,…,ys)T为生产活动中成果转化的多种输出,yj=(y1j,y2j,…,ysj)T>0为第j 个决策单元(DMUj)的多种输出,vi表示对第i 种类型输入的权重的变向量,ur表示对第r 种类型输出的权重的变向量。

若hj0=1,则称第j0个决策单元弱DEA 有效。

对于任一决策单元,投入导向下对偶形式的BCC 模型可表示为:

其中,S-为剩余变量,S+为松弛变量,j=1,2,…,n表示决策单元,x0表示由n 个决策单元线性组合而成的输入变量,y0表示由n 个决策单元线性组合而成的输出变量。

若θ=1,S-=0,S+=0,则决策单元DEA 有效;

若θ=1,S-≠0 或S+≠0,则决策单元弱DEA 有效;

若θ<1,则决策单元非DEA有效。

BCC 模型计算出来的效率值为综合技术效率(TE),可以进一步分解为规模效率(SE)和纯技术效率(PTE),TE=SE* PTE。

以上为传统DEA 模型及其对偶形式,也即第一阶段。

在模型的第二阶段,通过对松弛变量[x-Xλ]的关注,并且表示该松弛变量能够对初始的低效率有所反映。

可以构造如下类似SFA 回归函数(以投入导向为例):

其中,Sij是第j个决策单元第i项投入的松弛值;Zj是环境变量,ai是环境变量的系数;vij+μij是混合误差项,vij表示随机干扰,μij表示管理无效率。其中v~N(σv 2)是随机误差项,表示随机干扰因素对投入松弛变量的影响;假设μ服从在零点截断的正态分布,即μ~N+(0,σμ2)是管理无效率,表示管理因素对投入松弛变量的影响。

第三阶段,运用调整后的投入产出变量再次测算各决策单元的DEA 效率,此时的效率已经剔除环境因素和随机因素的影响,是相对真实准确的。

(二)空间计量模型

现存的大量文献的计量经济研究中,显示在众多的经济数据中存在空间的作用。对比传统计量经济学,将空间因素纳入模型,可以更好地分析空间的作用,研究在地理空间临近事物之间的相互影响。

其中空间杜宾模型表现形式如下所示:

其中空间权重矩阵设定为我国各省份及直辖市(除西藏、青海、宁夏、新疆、台湾、香港、澳门)的邻接矩阵,相邻则记为1,不相邻则记为0。空间权重矩阵的表现形式为:

三、指标选取及数据来源

(一)高技术产业创新效率评价指标

本文以2014 至2016 年高科技产业投入产出相关数据,作为创新效率评价指标。根据创新活动分为技术开发阶段和科技成果转化阶段,对不同的阶段根据其自身特点选择不同的投入产出指标。对技术开发阶段效率进行评价时,选取R&D 人员全时当量、R&D 经费内部支出、仪器和设备价格、新产品开发经费支出四个指标,作为技术开发阶段的投入指标。选取专利受理数和新产品开发项目数,作为技术开发阶段的产出指标。对科技成果转化阶段效率进行评价时,由于技术开发阶段的产出在技术成果转化环节将作为投入,因此本文选取专利受理数和新产品开发项目数两个指标,作为技术成果转化环节的投入指标,选取新产品销售收入作为科技成果转化阶段的产出指标。对于以上指标都选取自我国各省份及直辖市2014 至2016 年的高科技产业投入产出数据,其中不包括台湾、香港、澳门,并且由于数据缺失问题,也不包括西藏、青海、新疆和宁夏的数据(表1)。

表1 我国高技术产业创新活动各环节投入产出指标

(二)高技术产业创新效率外溢效应指标选取

本文根据创新活动不同阶段的特异性的特点,对创新效率外溢效应选取不同控制变量对其进行实证研究分析,创新效率外溢效应在不同阶段的控制变量如表2 所示。

表2 高技术产业创新效率外溢效应各环节控制变量

其中科技成果转化效率以及技术开发效率由本文计算得到,人口总数是指各省份及直辖市年末人口总数,国外投资是指我国各地区高技术部门属研究与开发机构R&D 经费内部支出的国外资金量,出口数衡量高技术产业创新产品对外输出价值量,人均GDP 是指各省份及直辖市的人均GPD,政府投入是指我国各地区高技术部门属研究与开发机构R&D 经费内部支出的政府资金所占数量。

四、实证结果与分析

(一)描述性统计分析

表3 汇报了评价指标及变量的描述性统计分析的结果。

表3 评价指标及变量的描述性统计分析结果

(二)高技术产业分地区分阶段创新效率计算

本文运用数据包络分析(DEA)模型,对我国各省份及直辖市的高技术产业的技术开发效率与科技成果转化效率进行计算。我国高技术产业的技术开发效率与科技成果转化效率如表4 所示。

表4 各省份及直辖市2014-2016 年技术开发效率与科技成果转化效率及均值

通过对我国各省份及直辖市高技术产业技术开发效率和科技成果转化效率进行计算,由各省份及直辖市高技术产业三年投入产出平均值所计算得出的技术开发效率和科技成果转化效率,可以发现,总的来说我国高技术产业技术开发效率普遍较高,但科技成果转化效率除个别省和直辖市外普遍较低,且对每年的高技术产业技术开发效率和科技成果转化效率进行计算也可以得到相同结论。这反映了我国高技术产业的创新活动中,很多企业过于重视技术开发阶段而忽略了科技成果转化的重要性。其中,在技术开发阶段,对比各省份及直辖市的技术开发效率可以发现,在经济发展水平较高省和直辖市技术开发效率都普遍偏高,其中包括天津、山西、浙江、江苏、广东等地,还包括四川、重庆、贵州等中西部地区,其原因应该是近些年来,中央及地方政府高度重视中西部省份高技术产业的发展,不断加大高技术产业的投入与政策扶持力度,中西部省份的技术开发效率取得了显著进步。而经济最发达的北京、上海的技术开发效率却不是很高,其原因可能是北京和上海体量巨大,高技术产业集中趋向饱和,内部竞争过于激烈,消耗了大量的人力物力财力,可能需要进行内部调整和整合,进而提高高技术产业创新效率。而在科技成果转化阶段,只有天津、江苏、河南、浙江的科技成果转化效率较高。其中,四川、重庆、贵州、海南、山西等省都存在技术开发效率较高而科技成果转化效率不理想的情况。这表明,在不断加大高技术产业投入与政策扶持力度的背景下,这些省份的科技创新能力虽然取得了显著进步,但是较强的科技创新能力并没有很好地转换成市场价值,我国高技术产业的科技成果转化效率仍需要大力提升。

本文进一步对各年的高技术产业的技术开发和科技成果转化的两个子阶段的效率进行分析对比,将各年的高技术产业各个阶段的效率进行加总平均,以此作为各个阶段的对比标准,对高技术产业样本的技术开发效率和科技成果转化效率这两个子阶段效率值进行比较分析,其分布情况如图1 所示。图中第一象限表示该区域高技术产业的技术开发效率和科技成果转化效率双重高效,第二象限则表示技术开发效率较低而科技成果转化效率较高,第三象限则表示技术开发效率和科技成果转化效率双重低效,则表示技术开发效率较高而科技成果转化效率较低。

从图1、表5 中可以看出,高技术产业创新活动的两个子阶段效率逐渐向第一象限集聚,同样也可以看出,技术开发阶段的效率较高而科技成果转化效率较低,但都在不断地改善,两个子阶段的效率越来越趋向合理,说明高技术产业对于科技成果转化的重视程度也在逐渐提高,更加重视实现技术开发成果的市场价值,从而提高整个创新活动的效率。

表5 2014-2016 年各象限地区的个数

图1 子阶段效率值分布情况

在考虑到环境因素和随机噪声对决策单元效率评价的影响,本文使用三阶段DEA 模型进行进一步分析。将高校教职工数量、国外投资、人均GDP、政府投资作为影响技术开发效率的环境变量,根据三阶段DEA 模型理论,对第二阶段使用随机前沿模型(SFA)进行回归,得出结果见表6。

由表6 可知根据单边的广义似然比检验结果,无效率项存在,使用SFA 模型合理,但系数均不显著,环境变量选取可能不佳,故未进行第三阶段的分析而仅使用传统DEA进行分析。

表6 随机前沿模型回归结果

(三)高技术产业各阶段创新效率空间外溢效应研究

在对我国高技术产业创新活动各阶段效率进行计算后,本文构建邻接空间权重矩阵,运用空间杜宾模型(SDM)对我国高技术产业创新活动各阶段效率的外溢效应进行实证研究,实证结果如表7 所示。

从表7 我国高技术产业各阶段创新效率空间外溢效应可以看出,无论是技术开发阶段还是科技成果转化阶段,都存在显著的空间外溢效应,这说明一个区域的技术开发效率和技术成果转化效率不仅与自身的投入有关系,还与其他区域息息相关。具体而言,在技术开发阶段,出口量的直接效应系数显著为正,说明当地的出口量越大当地的技术开发效率就越高,这可能是由于出口量越大越有直接的经济效益产生,对技术开发有激励效果;人口总数以及国外投资的间接效应系数显著为正,说明当地的人口数量越大、海外投资越多,对周边地区的技术开发效率有一个正向的影响,这可能是由于当地人口数量大时,会对周边地区供给劳动力,使得周边地区技术开发的劳动力成本较低。而当地海外投资较多时,可能由于竞争机制的作用,使得周边地区加大技术开发力度进而吸引海外投资。在科技成果转化阶段,高校教职工数量的直接效应系数显著为负,说明当地的高校教职工数量越多,当地的科技成果转化效率越低,这可能是由于当地高校越多,对高校的各方面支持会加大,因此会挤占掉对高技术产业的投资;出口量的直接效应系数显著为正,说明当地出口越多当地的科技成果转化效率就越高,出口就是科技成果转化的一个途径,所以出口越大自然科技成果转化效率也就越高。

表7 高技术产业各阶段创新效率空间外溢效应

五、结论与建议

(一)结论

本文基于创新价值链理论,通过将我国高技术产业创新活动分为技术开发阶段和科技成果转化阶段,并运用 DEA 模型对技术开发阶段和技术成果转化阶段创新效率进行了计算,并进一步考虑到环境因素和统计噪声可能对创新效率评价产生影响,因此使用三阶段DEA 模型进一步进行分析。同时构建邻接空间权重矩阵,运用空间杜宾模型对我国高技术产业创新活动各阶段效率的外溢效应进行实证研究,得到研究结论如下:

(1)我国高技术产业创新活动普遍存在技术开发效率较高而科技成果转化效率较低的问题。在技术开发阶段,各省份及直辖市的技术开发效率的高低并不完全与当地经济发展水平相一致,除了经济比较发达的省份及直辖市外,四川、贵州等中西部省份技术开发效率也较高。而在科技成果转化阶段,只有江苏、浙江等省份的科技成果转化效率较高,这表明,较强的科技创新能力并没有很好地转换成市场价值,我国高技术产业的科技成果转化效率需要大力提升。通过对比各年的高技术产业创新活动的两个子阶段效率可以发现,两个子阶段的效率在逐年改善,整个创新活动的效率也在逐步提高。而三阶段DEA 由于环境变量选取不佳,导致系数不显著,因此未进行第三阶段的分析。

(2)就我国高技术产业各环节创新效率的空间外溢效应方面,技术开发效率与科技成果转化效率均存在显著的空间外溢效应,这表明在我国高技术产业创新活动中,一个区域高技术产业的创新效率,不仅与自身的创新能力以及创新投入息息相关,还与周边区域高技术产业的创新活动有着密切的关系。具体而言,在技术开发阶段,当地的出口量越大当地的技术开发效率就越高,当地的人口数量越大、海外投资越多对周边地区的技术开发效率有一个正向的影响。在科技成果转化阶段,当地的高校教职工数量越多,当地的科技成果转化效率越低,当地出口越多当地的科技成果转化效率越高。

(二)政策建议

根据研究结论,本文提出以下几点建议:

由于我国高技术产业的创新活动是一个多投入、多产出的过程,某一阶段的创新效率并不能完全代表我国高技术产业的创新能力,针对我国高技术创新活动中存在技术开发效率较高而科技成果转化效率较低的问题,我们应该加强高技术产业创新活动中科技成果转化阶段的投入,促进技术开发阶段和科技成果转化阶段协同发展、共同提高,以此来提高我国高技术产业的创新能力。我国高技术产业创新活动中各阶段创新效率均存在显著空间外溢效应的问题,从实证结果我们可以发现,我国高技术产业创新效率的提高,不仅仅依赖于自身的投入与创新能力,还与周边区域的创新能力相关。根据该实证结果,建议我国高技术产业应当提高自身的出口量,不仅有利于技术开发效率的提高,更有利于科技成果的转化;而恶性竞争会使得高技术产业的创新效率降低,因此应当尽量避免恶性竞争,有效促进创新效率的提高。

猜你喜欢

技术开发高技术科技成果
上半年制造业和高技术产业利用外资实现“双提升”
2021年上半年高技术制造业快速增长
中国第一汽车股份有限公司天津技术开发分公司
中国第一汽车股份有限公司天津技术开发分公司
河南:为科技成果转化提供法治保障
国家食药监总局:促进监管科技成果转化
高技术产业国际竞争力研究
敢于挑战 扬帆起航
——天津格特斯检测设备技术开发有限公司
科技成果精准转化的“科创365”
提高科技成果持续供给能力