区域经济技术创新效率

区域经济技术创新效率（共12篇）

区域经济技术创新效率 篇1

区域技术创新活动是区域内企业、高校、研究机构、政府部门等多个主体、多种资源、多种要素共同参与的综合性、系统性活动过程,是推动区域经济发展和社会进步的重要动力。我国党的十八大报告中明确提出必须将科技创新摆在国家发展全局的核心位置,强调要坚持走具有中国特色的自主创新道路、实施创新驱动发展战略。党的十八届三中全会强调要进一步深化科技体制改革,建立健全创新体制,整合科技规划和资源并完善政府支持机制;还要求建立创新调查制度和创新报告制度,构建公开透明的国家科研资源管理和项目评价制度,形成“以评促改、以评促建、以评促管、评建结合”的创新评价与管控机制。近年来,我国区域技术创新投入不断增加,技术创新规模不断扩大,从2001—2011年,我国各区域R&D经费支出年均增长率高达23. 61% 。然而相对于发达国家,我国的创新资源依然紧缺,区域技术创新不仅要关注投入,更要聚焦创新效率。在此背景下,如何对区域技术创新效率进行评价日益成为重要的学术研究问题[1,2]。

1 文献综述

自Freeman[3]提出国家创新系统概念及Cooke[4]提出区域创新系统概念后,国外诸多学者从不同维度对区域技术创新效率进行了研究。Sharma等[5]采用DEA方法研究探讨了包括22个国家在内的技术研发效率。Nasierowski[6]对欧盟2005年和2010年的科技创新效率进行比较,并提出改进创新联盟记分牌建议。Tom Broekel[7]运用涵盖德国270个劳动市场和4个行业的面板数据研究了R&D补贴对区域技术创新效率的影响。

就我国而言,学者们主要从区域层面出发对我国各省市的技术创新效率进行测度,所用方法可分为两类: 一类为参数方法,如张宗益等[8]运用基于对数型柯布 - 道格拉斯生产函数的随机前沿生产函数 ( SFA) 实证研究了我国区域技术创新效率; 龚雪媚等[9]运用基于柯布 - 道格拉斯生产函数及Bat-tese和Coelli模型的随机前沿分析方法计算得到我国30个地区的技术创新效率。在运用参数方法的基础上,部分学者开始注重对区域技术创新效率进行动态研究,如李婧等[10]利用收敛性分析对我国各省区市的技术创新效率总体变化趋势进行了研究。另一类是非参数方法,其中数据包络方法 ( DEA) 无需设定投入产出函数和权重假设,具有客观性,得到了广泛运用[2]。吴和成等[11]基于改进的DEA模型对我国区域R&D的相对效率作了评价研究; 官建成等[12]应用三阶段模型,基于DEA方法分别对创新活动的技术有效性、经济有效性以及综合有效性进行评价; 方爱平等[13]以DEA模型为主要分析工具对西部区域12个省市、自治区的科技投入产出效率进行了局部和全局性的比较分析。为改进DEA传统CCR模型对投入和产出指标权重分配不合理的缺陷,郭磊等[14]将DEA利众型交叉效率模型应用到区域技术创新效率评价中,并运用2008年的截面数据实证研究了我国31个省级行政区的技术创新效率。

创新资源特别是高质量的创新人才资源具有紧缺性和流动性,区域所拥有创新资源的质和量均会对区域创新的能力和效率产生影响,这导致各区域对创新资源具有一定竞争性,然而这种“竞争性”未能在现有文献的相关研究方法中得到充分体现。另一方面,我国各区域的技术创新效率不仅在空间上存在明显差异,而且在时间趋势上呈阶段性波动[1,8],用某一年份的效率值或多年效率均值难以体现区域技术创新效率的动态特征。总结发现,基于非参数方法的效率评价中动态研究相对缺乏。综上所述,本文从两个维度对DEA模型进行改进: 首先基于区域间对创新资源的竞争性,采用DEA对抗型交叉评价模型 ( Aggressive Cross Evaluation Model,ACE模型) 测度各区域各时点的技术创新效率; 其次综合考虑创新效率的时序差异和波动因素,运用差异驱动模型对区域技术创新效率进行动态评价。

2 模型与方法

2. 1 面向竞争的评价方法

数据包络分析 ( DEA) 方法广泛用于评价“多投入多产出”模式下决策单元间的相对有效性,其基础模型为Charnes等[15]提出的CCR模型。由于在采用CCR模型进行效率测度时,各决策单元的投入产出权重具有不合理性,且存在无法区分决策单元的优劣和效率改进空间的情况,Sexton等[16]提出交叉效率评价模型,用互评取代自评; 为了解决交叉评价模型中解的不确定性,Doyle等[17]进一步提出利众型和对抗型的交叉评价模型。以上两者均以决策单元的自评效率最大化为基础,其中前者将其他决策单元视为盟友,在交叉评价时同样追求其他决策单元效率最大化; 后者则视其他决策单元为竞争对手,在交叉评价时追求其他决策单元效率最小化。考虑到创新资源的有限性和流动性导致区域创新对资源的竞争性,本文选用DEA - ACE模型,该模型将各区域创新主体视为不同的决策单元。

设有n个决策单元DMU,DMUi( i = 1,2,…,n) 的投入和产出向量为Xi、Yi,与投入和产出向量相对应的权重向量为。令为利用DMUi测度MDUk( k = 1,2,…,n) 所得到的交叉评价值,V*i、U*i为DMUi利用CCR模型进行自评时所得到的解,但此时V*i、U*i并不是唯一解,导致Eik具有不确定性。在此基础上建立DEA - ACE模型:

利用模型 ( 1) 得到最优解V*ik、U*ik,进而求出ACE评价值。当k = i时, Eik为传统CCR模型中的“自我评价值”,由此形成ACE评价值矩阵E:

在矩阵E中,主对角元素Eii为决策单元的自我评价值,第i列为各决策单元对DMUi的交叉评价值,其值越大,说明DMUi的效率越高。现有研究一般用矩阵E的i列元素的均值测度DMUi的效率,记为E*i:

2. 2 动态评价模型

由于区域技术创新效率呈阶段性动态变化,如果仅运用某个时点的效率值进行评价则不能全面反映区域技术创效率; 历年均值虽然能够反映特定时间段内的区域效率水平,但没有考察效率变化的时序差异性和波动性。对此类由时序立体数据所支持的动态综合评价问题,钱吴永等[18]根据新信息优先原理认为可引入时序权重使得近期的评价值在动态评价中被赋予更高的权重,以体现新信息的重要性。郭亚军等[19]提出具有三次差异驱动特征的动态评价方法,即在横向上对各决策单元评的评价指标体系进行差异化赋权实现第一次差异驱动,在纵向上引入时序权重进行第二次差异驱动,运用各决策单元评价值的波动性实现第三次差异驱动。由于ACE模型已从横向上对各决策单元的评价指标体系进行差异化赋权,本文借鉴其中的第二次和第三次差异驱动方法,综合时序差异和不同区域的效率波动性差异建立动态评价模型。

假设DMU个数为n,在评价时间区间T = ( t1,t2,…,tp) 内决策单元MDUi运用ACE模型求解的效率为:

因为不同时刻的E*it对于测度DMUi的技术创新效率而言具有不同的重要性,故引入时序权重向量:Wt=(Wt1,Wt2,…,Wtp)>0,其中

。在此基础上,建立时序差异驱动模型:

为了测度各区域技术创新效率的波动性,引入效率变异指数:。其中Si、Ai为DMUi在评价时间区间内的效率标准差和效率均值。在考虑效率的波动性时,本文将波动性分为两类,即效率提升而引起的波动和效率下降而引起的波动,并针对不同性质的波动而建立奖励或惩罚机制。本文运用各区域技术创新效率的年均增长率 ( The AverageAnnual Growth Rate) 对效率波动属性进行判别,若的年均增长率为正值,则对该波动予以奖励; 反之则进行惩罚。建立如下模型:

其中,Di为DMU的区域技术创新效率动态评价指数,Ri为DMUi的创新效率年均增长率,μ1、μ2分别为hi、的权重,且μ1+ μ2= 1,0 < μ1,μ2<1,可由专家打分法获得。

3 变量与数据

区域技术创新效率是指在一定的区域创新环境下,单位创新投入获得的产出或者单位创新产出消耗的创新投入[1]。既有研究一般使用创新资本和创新人才的投入量来表示创新投入,将R&D经费支出和R&D人员投入作为衡量创新投入的指标[1,8,10]。本文用R&D经费支出、R&D人员折合全时当量作为投入指标,其中R&D经费支出反映了各执行单位实际用于基础研究、应用研究和试验发展的经费支出; R&D人员折合全时当量反映了参加R&D项目人员的全时当量及应分摊在R&D项目的管理和直接服务人员的全时当量。对于产出而言,现有研究主要用专利、论文、新产品销售收入、技术市场成交额等一个或多个指标进行表征[1,8,20]。本文用国外主要检索工具收入科技论文数、专利授权数、大中型工业企业新产品销售收入、技术市场成交额作为产出指标。国外主要检索工具收入科技论文数是指SCI、ISTP、EI三大权威检索工具收录所收录的论文数量,反映了创新活动所创造知识的数量和质量;专利授权数是发明、实用新型和外观设计3种专利的授权总数,反映了一个地区的创新能力与科技综合实力; 大中型工业企业新产品销售收入与技术市场成交合同金额是创新成果转化为市场价值的表现,反映了科技创新活动促进经济发展的程度。

由于我国不同区域间经济发展水平和创新资源差异较大,如果不考虑区域间的差异而对各区域做笼统比较,评价结果会有失偏颇,同时不利于各区域选择参照基准以提高自身的创新效率[14,21]。环渤海和长三角地区不仅是推动我国经济社会发展与自主创新能力建设的重要板块,而且两者在经济社会发展水平和创新规模方面具有一定的可比性,如2011年环渤海与长三角地区的GDP分别占到全国GDP总量的22. 95% 和22. 23% ,R&D经费支出分别占全国总量的30. 44% 和28. 50% ; 自2000年以来,R&D经费支出年均增长率分别为22. 05% 和23. 91% 。对环渤海和长三角区域范围的界定,学术界尚未形成统一观点,部分学者认为环渤海地区是以辽东半岛、山东半岛、京津冀为主的环渤海滨海经济带,包括北京、天津、河北、辽宁和山东; 有些学者考虑到区内资源的互补和协同,将山西、内蒙古也纳入其中[22]。对长三角地区一般从广义角度进行界定,在上海、江苏、浙江的基础上提出“3 +1”模式,将安徽纳入其中; 也有学者提出“3 + 2”模式,将范围扩展至江西[23]。在本文中环渤海地区包括北京、天津、河北、辽宁和山东,长三角地区包括上海、江苏、浙江、安徽。由于创新投入转化为产出需要一定的时间,产出相对于投入具有时滞性[1,9],本文将时滞性设为1年。文中所用数据为环渤海和长三角地区9个省、市的面板数据,其中投入指标数据的时间区间为2001—2010年,产出指标数据的时间区间为2002—2011年。数据来源于《中国统计年鉴2002—2012》和《中国科技统计年鉴2002—2012》。由于统计口径变更,2011年的大中型工业企业新产品销售额由规模以上工业企业新产品销售额代替。

4 实证分析

4. 1 历年区域技术创新效率测度

本文首先利用DEA - ACE模型,通过Matlab7. 0进行计算得到各区域2001—2010年的技术创新效率,并将其与传统CCR模型的测度结果进行对比为,如表1所示。

观察表1发现运用传统CCR模型测度时,北京、天津、上海、浙江历年的区域技术创新效率均1,导致无法对4个地区的创新效率进行比较,同时意味着它们的创新效率已没有提升的空间。运用ACE模型后,原来处于“始终有效”状态的区域在交叉评价后效率降低,存在进一步的改善空间; 各区域的技术创新效率没有完全一致的情况,为后续的相互比较提供了可能性,这将有利于对各区域的技术创新活动提供参考和借鉴。

4. 2 区域技术创新效率动态测度

为了更加直观地反映各区域历年的技术创新效率变动状况,将ACE模型的测度结果转换成折线图( 见图1) 。在图1中,可发现各区域的技术创新效率是一个动态变化的过程。在2001—2010年间,上海的技术创新效率比较稳定,相对于其他区域具有效率优势; 天津从2001—2008年,效率位于0. 8 ~0. 9之间波动,2008—2010年效率逐渐下滑; 浙江的效率在2001—2003年逐步提升,2003年后有所下降,效率保持在小范围内波动; 北京的技术创新效率徘徊于中等水平,山东、辽宁的效率呈先升后降趋势; 江苏、安徽、河北的效率上升趋势明显,但河北的效率依然处于较低水平。

为了动态测度各区域技术创新效率,运用本文研究提出的动态评价模型,综合运用时序权重和效率波动性对各区域的技术创新效率进行差异驱动,最终得到Di,如表2所示。其中,μ1、μ2分别为0. 95和0. 05。各区域中,上海、天津、北京的技术创新效率年均增长率为负值,按效率波动性的大小受到相应的惩罚; 其他区域的技术创新效率年均增长率均为正值,尤其安徽、江苏、河北的年均增长率较高,按效率波动性给予相应的奖励。观察表2发现上海、浙江、天津的效率动态评价指数较高,江苏、安徽、山东、辽宁的效率动态评价指数处于中等水平,北京、河北的效率动态评价指数偏低。与历年均值排名相比,安徽、山东、辽宁、北京4个区域的效率动态评价指数排名变化显著,山东、北京的效率动态评价指数排名从历年均值排名的第5和第7分别下降至第6和第8; 安徽、辽宁的效率动态评价指数排名分别由历年均值排名的第6和第8提升到第5和第7。

4. 3 讨论与分析

为了验证动态评价结果并分析其原因,本文参考有关文献[24,25]的相关结论对以上实证研究结果进行讨论与分析。郭军华等[24]研究认为我国各区域技术创新效率呈收敛趋势,低效率区域的提升速度比创新效率高的区域更快。本文根据实证研究结果对效率动态评价指数所反映的区域技术创新效率的空间分布差异变化状况进行验证,具体步骤如下:

步骤1: 在各区域中选择一个标杆区域,其基期效率和效率动态评价指数记为E*b0、Db。

步骤2: 分别测度区域的基期效率和效率动态评价指数与标杆区域相对应指标的相对差距,记为E*gi、Dgi,其中E*gi= E*b0- E*i0,反映了各区域与标杆区域在基期的效率差异; Dgi= Db- Di,反映了动态评价后各区域与标杆区域的效率差异。E*i0、Di为区域的基期效率与效率动态评价指数。

步骤3: 运用测度区域i与标杆区域之间效率差距的缩小程度,反映了各区域技术创新效率的相对提升度。

由于上海在历年中技术创新效率均高于其他区域,并且效率动态评价指数排名第一,本文将上海作为环渤海与长三角地区技术创新效率的标杆,将各区域2001年的技术创新效率作为基期效率。如图2所示,自2001年以来,以上海作为标杆,除北京的效率有所下降,其他各区域的效率均有不同程度的提升,各区域间的效率差距逐步缩小。各区域中,基期效率水平较低的地区,如河北、安徽、辽宁、江苏、山东等区域,与上海的效率差距得到了较大程度的缩小,反映了效率提升的速度相对较快; 反之,北京、浙江、天津等基期效率水平较高的地区,与上海的效率差距缩小程度较低,说明三者的效率提升较慢,其中北京与上海的效率差距呈扩大趋势。以上结论与郭军华[24]的研究成果基本一致,表明论文所用模型及其评价结果具有科学性。

为对实证结果进行更深层次的解释,论文从Di和创新投入两个维度作进一步分析。本文对各区域2001—2010年R&D经费的总支出和R&D人员折合全时当量总量分别进行无量纲处理并加总,测算出10年间各区域R&D经支出费和人员投入在全国的所占比重,以此表示各区域的创新投入水平。如图3所示,随着区域创新资源的增加,Di呈先升后降趋势,这与袁潮清[25]的研究结论具有一致性。上海、浙江、天津三个区域的创新投入虽处于中等水平,但技术创新效率高于其他地区,说明三者的资源得到有效配置,投入冗余较少; 北京、江苏、山东不仅创新投入高,而且区域创新体系成熟度高,但技术创新效率并没有达到相应高度,说明处于边际产出递减阶段,其中北京最为明显[25]。根据图3所示,江苏、山东的效率近年来逐渐提升,表明其创新体系不断优化,资源利用率得到改善; 河北、安徽、辽宁的创新投入和区域创新体系成熟度均较低,同时技术创新型效率也处于较低水平,但是三者的效率均在不断提升,说明存在边际产出递增现象,区域技术创新型管理水平得到提高,因此加大创新投入将有利于技术创新效率的提高。

5 总结与建议

区域技术创新是推动区域经济发展的核心动力,随着我国区域技术创新投入的不断增加,对区域技术创新效率评价研究的重要性也日益显现。本文针对区域间对创新资源的竞争性以及区域技术创新效率具有阶段性变化的特点,构建了基于DEA - ACE模型和差异驱动方法的动态评价模型,对环渤海和长三角各区域的技术创新效率进行动态评价。结合现有文献,对各区域的效率动态评价指数进行了验证和分析,北京、浙江、天津等期初效率水平较高地区的技术创新效率提升程度相对较小,河北、安徽、辽宁、江苏、山东等期初效率水平较低地区的技术创新效率提升程度相对较高。

随着创新投入的增加,部分地区存在边际产出递减现象,如北京、江苏、山东的创新性投入过高,造成了资源冗余较多,所以应该加强区域创新管理,适当调节创新投入量,并提高对创新资源投入使用的监管力度,以提升资源配置效率。

河北、安徽、辽宁的创新投入偏低,效率处于较低水平,但近年来三者的效率水平逐步提升,说明存在边际产出递增现象,从自身发展来看,需要改善区域创新环境和完善区域技术创新体系,出台各项政策措施,进一步加大创新投入,吸引优质创新资源。从国家宏观层面来看,需要统筹区域发展,引导创新资源从过剩地区流向不足地区,促进创新资源在各区域的均衡分布。

摘要：考虑不同区域对技术创新资源的竞争性及技术创新效率呈阶段性变化特征,构建了基于DEA对抗型交叉评价模型和差异驱动方法的动态评价模型,以区域技术创新效率评价指标体系为基础,运用2001—2011年的面板数据对环渤海、长三角地区所含9个省市的区域技术创新效率开展了实证研究,并结合相关文献对研究结论进行了验证与分析。

关键词：区域技术创新效率,DEA对抗型交叉评价模型,差异驱动方法,动态评价

区域经济技术创新效率 篇2

小组提纲：

（一）政府经济与公平

公平是一个涉及政治、经济、文化、历史和道德理论等的社会学范畴。在经济领域，公平是和分配相联系的一个概念。公平可从两方面理解，一是生产要素投入和产出之间的对比关系；一是社会成员对收入分配差距的心理承受能力。

在市场经济活动中，政府为追求公平目标，应开展的主要工作有：（1）机会均等。（2）贯彻按劳分配为主体的原则（3）合理运用税收、社会保障等政策工具，控制收入差距。

（二）政府经济与效率

效率是指社会资源配置中投入与产出、所费与所得的对比关系。能以最少的资源消耗取得最大的产出结果，就称之为资源配置效率高，反之，成为效率低。

政府资源配置效率，可从两个层面来理解，一是政府直接控制和掌握资源的配置效率。一是政府通过对市场和微观经济行为调节，克服市场失灵，引导全社会资源的合理配置，提高资源配置效率。两者在社会整体资源配置中呈相互影响、相互配合、相互制约的关系。

（三）、政府经济与公平和效率的选择

公平与效率是政府经济活动的两大基本准则，但在错综复杂的经济社会关系中，政府在两者之间的选择，还需要解决一系列的问题。

1、公平与效率之间的替代关系

尽管公平与效率是政府经济活动所追求的目标，但要同时达到两个目标，是较为困难的，有时甚至是不可能的。即公平与效率之间存在矛盾，具有一定替代关系。

2、公平与效率的选择

公平与效率两者之间既有矛盾性又有统一性，政府经济决策有较大回旋余地，可形成各种不同的政策组合。

第一，公平与效率兼顾的政策选择。

第二，效率优先兼顾公平的政策选择。即政府财政收支和宏观经济管理以提高资源配置效率，促进经济较快增长，增强整体国家经济实力，发展社会生产力为首要目标，同时注意调节社会成员收入差距，体现社会公平。这也是我国现行收入分配政策的基本指导方针。第三，公平优先兼顾效率的政策选择。即在政府财政收支和宏观经济管理中，优先考虑收入和社会财富在社会成员之间合理分配，调节收入差距，为贫困阶层提供最基本的生活保障，体现社会公平。同时，尽可能减少收入公平分配对经济运行效率的消极影响。

小组成员：李明明、刘奇、姚春芳、冯纳、靳媛媛、李欣、毕瑾华、刘跃、邓凯、曹娅、陈萌、马莎莎、左克强、李兆龙、刘少刚王林举

组长：李明明

区域经济技术创新效率 篇3

关键词：高新技术产业；市场经济改革；资源配置

高新技术产业是一个国家技术能力、经济能力以及国防能力的重要保证，决定着在改善国内社会以及参与国际活动方面的竞争力。高新技术产业的发展是一个系统而复杂的人类活动，其过程中会消耗大量的资源。在社会资源有限的条件下，为了使得高科技产业获得理想的发展，就需要对科技资源的配置构建一个合理、高效而可操作的模式。事实上，从当前国内、国际的现实来看，科技资源的配置不再是国家主导的，相反，在更多的情况下，市场是配置资源的基本机制。接下来，本文将对科技资源配置现状以及如何更好地进行相关模式构建进行讨论。

一、高新技术产业发展中的科技资源配置模式现状

政府应该在资源配置中扮演主导角色，这种观点是计划经济的产物。然而，无论是经济还是科技发展的实践都证明，政府主导资源配置有着其不可克服的缺陷和局限。从我国当前科技资源配置的实践来看，政府仍然充当着资源配置的“主导者”角色，不仅制定资源配置的规则，而且往往直接实施资源配置的操作过程。不得不说，政府对于高新技术产业是十分重视的，投入的资本也相当多，然而由于政府对相关配置过程干预过甚，因而出现大量资源浪费、资源重复以及资源紧缺同时存在的现象。如此一来，相关资源就没有很好地发挥其应有的作用。事实上，政府在这个过程中，本应该扮演基础设施打造、规则制定等宏观性的角色。如果政府僭越，过度相信自身对市场信息的把握完整性以及专业性，就会大大降低真实效果。

二、构建以市场为主导的科技资源配置模式

（一）理清政府与市场关系，依靠市场调节资源流向。十八大再次强调需要转变政府职能，同时对阻碍经济发展的政策进行深化改革，让政府和市场在各自领域发挥好角色。从本质上来看，就是要理清政府和市场的关系。对于市场来说，其根本特征在于趋理性，它会从效益、效率以及发展前景等角度来选择投资对象。对高科技产业而言，它到底有没有投资价值，市场有其自身的评价逻辑。对于那些市场反应不理想的项目，市场会自动回避；对于市场反应良好的项目，资本会自动向其集中。按照这样的方式，资本会对高科技产业的动向形成引导。而高科技产业的成果通常情况下也符合市场预期，从而给投资者以较为理想的回报。

（二）把握高新技术产业规律，构建完善的资源市场体系。与普通商业环节不同的是，高新技术产业除了受到价格、供求关系的影响之外，还受到保障制度的影响。因此，在构建科技资源配置模式的时候，需要充分根据其资源供给和消耗规律来构建相关的资源市场体系。十八大召开以来，对于如何构建一个公平、高校的市场经济继续进行探索。对于高新技术产业而言，要构建一个符合其自身规律的市场化资源配置模式需要做到以下几点：首先，需要对现存的科技体制进行优化，对其中阻碍市场作用的障碍进行检视和清除。比如，不同地方制定的科技产业保护制度，它是基于狭隘的地方保护主义而产生，不利于科技资源要素通过自由流动、重装而产生新的扩大的价值。第二，降低行政审批制度对市场的非法干预，让市场能够按照自身的规律寻求资源、寻找市场和凝聚人才。第三，强化高新技术产业标准的科学性和合理性。尽管行政审批制度很可能逐渐退出科技资源的配置体系，然而产业标准以及随之产生的行业筛选制度却是必不可少的。为此，需要由行业内的精英参照法律、法规制定公平、公开、合理而具有操作性的标准；同时，还需要对主体准入、资源流通规则以及资源规范进行检视，并在实践中不断进行优化。

（三）着眼于科技资源配置效率，充分促进市场与制度的相互配合。一般来说，市场在资源配置方面的作用是可靠的。然而，人们在市场经济实践中发现，市场也有着其自身无法克服的缺陷，比如盲目、滞后等。因此，在构建高新技术产业的资源配置的过程中，在认可市场的积极作用的同时，也可以对制度建设加以合理运用，通过二者的合理补充和相互制约，从而更好地提升资源配置效率。第一，构建更加合理的考核以奖惩制度。为了避免资源的浪费，提升资源利用效率。在允许资源优化配置的前提下，需要对使用者的成果进行考核，并通过合理的价格体系对成绩进行量化评价。根据评价结果，奖励优秀而淘汰不当者。第二，构建科学而完善的产业税收及金融制度。为了促进高科技产业的发展，鼓励民间资本进入，从税收、金融等方面给予优惠政策，为高新技术产业自主创新提供全方位的资本渠道。

总之，发展高新技术产业是促进我国经济发展由粗放型向集约型、由低端向高端演进的重要途径。随着我国市场经济改革的不断深化，资源配置方式也需要不断优化。对于高新技术产业而言，资源配置模式应以市场为导向，充分发挥政府的协调和监管作用，理清市场与政府的关系，从而实现市场资源最优配置。

参考文献：

[1]高强.西部地区科技企业孵化器运行效率研究——基于DEA及聚类分析法[J].技术与创新管理，2015，05：519-525+530.

[2]“大众创业 万众创新”激荡浙江大地——各市科技局长谈创新创业[J]. 今日科技，2015，07：10-20.

[3]徐春莲. 加快中部地区高新技术产业发展研究——以河南省安阳市为例[J].安阳工学院学报，2015，05：50-53.

中国区域创新集群发展效率研究 篇4

关键词：区域技术创新,空间计量原理,三阶段DEA模型

0 引言

区域创新能力是指一个地区将新知识转化为新产品、新工艺、新服务的能力,其核心是促进创新机构间的互动和联系,表现为对区域社会经济的贡献能力,其中科技能力和科技竞争力是区域创新能力的基础。随着经济全球化、世界信息化和知识经济带来的挑战,区域创新能力高低已逐渐成为地区经济拥有国际竞争优势的决定性因素。加强区域创新体系建设,提高区域创新能力,是增强区域竞争力的根本途径。改革开放以来,我国各地区表现出空前的创新动力,进而形成一系列能够有效凝聚生产要素、整合创新资源、使各创新主体有效互动的区域创新体系。事实证明,提升区域创新能力是推进区域创新体系建设的核心任务,区域创新能力的提升有利于地区经济的可持续发展。

但是已有研究表明,区域创新活动并不是均衡发展的,它往往是一些地区首先发展起来,然后再以其为中心扩展到其他相邻地区。以2005—2009年我国东中西部三地区R&D经费投入为例,这五年间东部地区科技投入费用远超过中西部地区投入费用之和,这就导致三地区科技创新所获得成果也有很大的差异。区域创新作为我国新时期的重点发展战略,其是否具有明显的区域特征?在空间上是否形成有效的集聚发展?倘若地理空间上形成了明显的区域创新集群,那么它们的创新效率如何?本文将针对这些问题进行探讨研究。

1 国内外相关文献研究

国外的区域创新理论的研究主要分为理论分析和实证研究两方面。理论方面以Cooke(1998)的研究为代表,主要包括区域创新系统的理论渊源、产生背景、类型分类,以及区域创新系统网络和创新环境[1]等方面的研究;实证分析则主要集中于区域厂商的创新活动(A Goto,2000)[2]、创新过程的合作伙伴(Philip Cooke,2002)[3]、区域地理位置和创新(Maryann P、Feldman,1994)[4]、以及区域产业集聚和创新(Baptista R,1996)[5]等方面的研究。国外学者认为,区域创新系统主要是由在地理上相互分工与关联的生产企业、研究机构和高等教育机构等构成的区域性组织体系,而这种体系支持并产生创新。

我国学者对于区域创新理论的研究起步较晚,始于20世纪90年代末,目前国内的区域创新研究主要以定性研究为主,例如:冯之浚、刘金友、刘曙光等人在各自的文章中都对区域创新的理论概念进行了论述。由于本文主要是通过数学方法来对我国地区创新能力进行分析,这里我们主要介绍相关的定量分析文章:柳卸林、胡志坚(2002)[6]建立一套综合的创新能力指标体系对中国的区域创新能力做出了一个基本判断,较为清晰地分析了中国区域创新能力演化过程;邵云飞、唐小我、陈光[7]运用聚类分析法对中国区域创新能力进行实证分析,从而得出技术创新能力与经济发展程度有较强的相关性;对于技术创新能力的区域特征,罗发友、刘友今、孙婷,范柏乃[8]等人则运用因子分析法、主成分分析等方法也进行了相关研究;而对于技术创新效率这一方面,孙宝凤、杨印生(2004),官建成、何颖(2005)[9],范群林、邵云飞(2011)[10]等人也采用数据包络分析模型对我国各区域的综合科技能力进行了分析。综上所述,近年来我国学者对于我国区域创新的研究逐渐全面化,取得了相当多的学术成果。

但是我们发现以上研究或多或少都忽略了地区在空间上的联系,将我国区域创新集群简单的划分为东中西部地区也过于笼统,另外采用传统的DEA模型来计算地区效率,研究结果与真实值之间也会存在一定偏差。

因此,本文将运用空间计量方法对我国区域创新集群进行较为详细的分块,并运用三阶段DEA模型对这几大区域创新集群的技术发展效率进行比较研究,进而得出相关政策建议。

2 我国区域创新集群划分

根据空间计量经济学原理方法,进行我国区域创新集群划分:首先,需在我国内地31个省区市间建立空间权值矩阵,并检验其是否存在空间自相关性(本文采用Moran’s I指数法);其次,根据空间聚类原理对表现出显著空间相关性的创新集群区域进行整理划分。

空间权值矩阵定义如下[11]:

式中,i=1,2,…n;j=1,2,…,n;本文采用空间计量研究中常用的K=4的最邻近空间矩阵标准。Moran’s I指数的计算公式为:

式中,Wij为二元空间权值矩阵中的任意元素值;n表示地区总数,本文n=31;xi、xj分别为地区i和地区j上的某一属性值。Moran’s I系数取值范围为-1～+1,趋近+1意味着各区域间存在着强烈的正相关性,0意味着不存在相关性,趋近-1意味着存在负的相关性。

虽然目前我国尚未能够形成统一的区域创新能力评估标准,但是从区域技术创新最终目的,即有效带动地区经济快速发展这一定义出发,本文以2009年我国内地31个省区市技术市场成交合同金额来作为判断地区科技创新能力高低的指标(定义为CXNL),并运用Geoda 0.9.5-i软件来对区域创新集群进行划分(西藏地区数据缺失,本文定义为0)。

研究结果表明,通过空间聚类分析,中国大陆区域创新集群被划分为3个等级:北京—天津—辽宁—山东、上海—江苏—浙江、广东以及四川—陕西—湖北,我国大部分区域技术创新都集中在这4个区域,我们可称之为区域技术创新高端集群;吉林—黑龙江、河北—山西—安徽—河南、福建—湖南、重庆—甘肃,这4个区域为区域技术创新中端集群;贵州—云南—广西—海南—江西、西藏—青海—宁夏—内蒙古—新疆,这2个区域则为区域技术创新低端集群。

另外,Moran’s I值为0.491 3表明,这几类区域创新集群划分均具有显著空间正相关性,这意味着伴随区域技术创新的不断发展,十大集群地区将表现出更加明显的空间集聚特性。

3 区域创新集群效率研究

为了进一步分析以上区域技术创新集群发展情况,本文将研究这些集群的技术发展效率高低。倘若研究结果表明,中低端集群发展效率高于高端集群,那么在未来一段时间内,东高西低这一现象将有可能逐渐消除,地区技术创新差异将逐渐降低。

3.1 三阶段DEA模型

三阶段DEA模型与传统DEA模型相比其主要是多了一个引入环境变量对传统DEA模型差额变量进行调整的过程,由于目前多数文献对DEA模型的介绍已经十分详细,本文则主要介绍三阶段DEA模型的调整过程[12]。

首先,根据传统DEA模型及各投入变量数据,建立各投入变量的差额变量值。令第k个观察单元的第n个投入值为Xnk,其差额值为Snk,则得到:

假设Snk是受到p个环境变量Zk=(Z1k,Z2k,…,Zpk)的影响,k=1,2,…,K。则可以通过SFA(随机边界法)来建立Snk与Zk之间的关系:

式中,Snk表示第k个决策单位第n项投入的差额值;Zk=[Z1k,Z2k,…,Zpk]表示p个环境变量,βn为环境变量的待估参数;fn(Zk,βn)表示环境变量对投入差额值Snk的影响方式,一般取fn(Zk,βn)=Zkβk。Vnk+Unk为复合误差项,Vnk表示随机干扰,并假设服从Vnk～(0,σ2vn)的随机误差项;Unk表示管理无效率,并假设Unk服从截断正态分布,即Unk～(μn,σun),Vnk与Unk独立不相关。

利用以上模型将调整结果引入原始投入项,将所有决策单位调整到相同的虚拟环境条件,并剔除随机干扰的影响。

式中,X*nk为调整后的投入量;Xnk为原始投入量;Zk为环境变量观察值;βn为待估算之未知参数;Vnk为第k个DMU在第n个投入时,其生产过程的随机误差。最后再将调整后的投入值带入DEA模型,进而就可以测算出新的反映各决策单位效率值。

3.2 效率测度指标体系构建

基于我国技术创新能力特点以及数据的可获得性,本文以2005—2009年我国内地31个省区市R&D人员数、R&D经费投入、地方财政科技拨款作为区域技术创新能力测度的投入类指标;以专利申请授权数、国内中文期刊发表篇数、技术市场成交合同金额以及高技术产业规模以上企业产值作为区域技术创新能力测度的产出类指标。

纳入多余的环境变量或缺少必要的环境变量,都将会对调整后的效率值有所影响,因此本文在考虑区域技术创新发展特点基础上,选取以下4项作为环境变量:地区经济发展水平(GDP),直接用地区GDP来衡量;城镇化率(CZHL),本文采用非农人口与总人口之比来衡量城镇化率;经济开放度(JJKF),本文以地区出口总额占GDP的比重来衡量经济开放程度;地理环境(DLHJ),本文以取值1表示平原地区,取值0表示山地、丘陵地区。

本文所需数据均来源于2006—2010年《中国统计年鉴》、《中国区域经济统计年鉴》以及中国科技统计数据库。

3.3 区域技术创新集群效率测算

表1为我国区域技术创新集群第一阶段效率值以及第三阶段效率值与产出项之间的相关性检验(本文运用SPSS软件来进行Spearman检验),表中CE表示区域技术创新集群的综合技术效率,TE表示集群纯技术效率,AE表示集群技术配置效率,三者关系为:综合技术效率=纯技术效率×技术配置效率。计算结果表明,第一阶段以及第三阶段各项效率值与4个产出项均为正相关,显著程度均大于10%。并且三阶段各效率值与产出项的相关程度总体上要略高于一阶段。这就表明,在剔除了环境因素影响后,效率越高的区域技术创新集群有更高的技术效率值,第三阶段DEA结果更能够真实反映实际情况。需要说明的是,为了能够对这十大集群进行有效排名,本文第三阶段采用了超DEA模型来计算。

注:***表示通过1%显著性检验,**表示通过5%显著性检验,*表示通过10%显著性检验。

如表2所示,在剔除环境因素和随机因素影响后,2009年大陆十大技术创新集群综合技术效率表现为有效的区域为:北京—天津—辽宁—山东、上海—江苏—浙江、广东、四川—陕西—湖北、重庆—甘肃以及贵州—云南—广西—海南—江西等六大区域,其中东、西部地区各有3个集群,同时,北京—天津—辽宁—山东技术创新集群表现出最高的综合技术效率水平。其余剩下的4个集群均未能够达到综合技术效率有效标准,河北—山西—安徽—河南集群表现出最低的综合效率水平。同理我们可以看到,我国技术创新集群纯技术效率较高的集群普遍在西部地区,技术配置效率较高的集群普遍在东部地区。

2005—2009年大陆十大区域技术创新集群综合技术效率整体上有一半达到效率有效,并且东部地区技术创新集群综合效率平均值仍远高于中西部地区集群平均值,虽然从2007年开始差距有缩小趋势,但仍然存在改善空间。从区域技术创新集群个体角度分析:在2005—2006年我国区域技术创新集群综合效率最高的为广东,远高于第2位的北京—天津—辽宁—山东集群,但是随着近几年国家对渤海湾地区技术投入的提高,从2007年开始两集群间差异就逐渐缩小,到了2009年环渤海技术创新集群首次超过了珠三角集群;中西部地区中重庆—甘肃区域技术创新集群综合效率远高于其他地区,总体上保持在全国第3位;吉林—黑龙江和河北—山西—安徽—河南集群在2005—2009年综合技术效率均表现不太理想,始终在0.5～1.0徘徊。需要说明的是,上海—江苏—浙江集群在这5年的发展期间,其综合技术效率有明显提高,2005年该集群为综合效率无效,但到了2009年则明显超过了1.0。

就2005—2009年地区创新集群纯技术效率而言,受西部地区创新集群技术创新基数较低影响,西部地区技术创新集群纯技术效率平均值远高于东中部地区集群平均值,但两者间的差距正逐年下降,另外中部地区技术创新集群纯技术效率在观察期间表现仍不是十分理想。从区域技术创新集群个体角度分析,在2005—2009年我国区域技术创新集群纯技术效率最高集群始终为西藏—青海—宁夏—内蒙古—新疆集群,另外,四川—陕西—湖北和重庆—甘肃集群分别为第2和第3位;其余的技术创新集群纯技术效率基本上保持在同一水准层面。

而2005—2009年大陆十大区域技术创新集群技术配置效率发展趋势则类似于综合技术效率发展模式,即东部地区技术创新集群技术配置效率平均值要高于中西部地区集群平均值,且有逐年上升趋势。另外,中西部地区技术创新集群技术配置效率整体差异不大,均表现为准有效水平(接近1.0)。从区域技术创新集群个体角度分析,排名前2位的集群为北京—天津—辽宁—山东和广东集群,两者在2005—2009年技术配置效率变化趋势类似于其综合技术效率发展模式。需要说明的是,西藏—青海—宁夏—内蒙古—新疆和四川—陕西—湖北集群的技术配置效率远低于我国其他集群,与北京—天津—辽宁—山东和广东集群差异尤其明显,这在一定程度上反映出我国区域技术创新资源分配上存在一定问题。

4 结论与相关政策建议

本文运用空间计量原理将大陆划分为十大区域技术创新集群,并通过三阶段DEA法剔除环境因素以及随机误差的影响,对2005—2009年十大技术创新集群技术创新发展效率进行研究,研究结果表明:

虽然近几年在全国范围内加大了技术创新投入,并且取得了良好的效果。但是受到地理环境、基础条件等相关因素影响,我国区域技术创新能力分布并不平衡。近几年我国区域技术创新形成了具有明显空间地理特色的集群,本文根据集群技术创新程度高低将其划分为高端集群集合、中端集群集合和低端集群集合。其中高端集群集合主要集中于我国东部沿海地区,中西部地区只形成了唯一的高端技术创新集群———四川—陕西—湖北,中西部地区各省市形成的集群则主要集中于中低端集群集合中,尤其是西部地区几乎80%的省市都形成了具有地区特色的低端技术创新集群。

2005—2009年,这10个技术创新集群综合技术发展效率平均值为明显有效,其中北京—天津—辽宁—山东、广东、四川—陕西—湖北、重庆—甘肃等4个集群综合技术发展效率远高于其他集群。整体上高端集群技术效率均值要高于中低端集群,而导致不同等级集群技术效率差异的主要原因是技术创新投入规模上未能达到配置最优,即“高端集群拥有较高的技术投入、中端集群拥有一般技术投入、低端集群则为较低技术投入”的不合理资源配置体系仍然存在,严重阻碍了地区间技术创新的平衡发展,并且单从纯技术层面上分析,中低端集群并不落后于高端集群,甚至还远高于高端集群。虽然说近几年国家加大了对于西部地区物资、技术等方面的投入,并且东中西部地区技术创新集群差距也正在逐年缩小,但是仍未能形成最优技术创新资源配置。研究发现,东部地区集群(大部分高端集群区)在多年来技术创新发展影响下,当地纯技术效率已经处于动态稳定状态,而中西部地区集群受地区技术发展基数水平较低影响,当地的纯技术效率水平却相当高,因此我们认为,同样的技术资源投入中西部地区技术创新集群获得的进步将大于东部地区。

综上所述,虽然目前形成的十大技术创新集群间不论是技术资源配置还是技术创新程度上均存在明显差异,但是倘若能够在未来几年有效进行技术资源合理配置,那么缩小集群间差异进而形成具有不同地区特色、内部互相促进的国家技术创新系统将水到渠成。区域技术创新目前是学术界的研究热点,我国属于新兴技术创新国家,目前尚未能够形成一套合理的、符合自身国情的技术创新评价体系,因此本文所定义的区域技术创新指标体系也存在一定的不足,为了能够更好地研究我国区域技术创新集群发展,笔者将把构建区域技术创新指标评价体系作为下一步的研究内容。

参考文献

[1]Cooke P,Uranga MIG,Etxebarria G.Regional systems of innova-tion:an evolutionary perspective[J].Environment and Planning,1998(30):1563-1584.

[2]Goto A.Japan’s national innovation system:current status andProblems[J].Oxford Journals,2000(16):103-113.

[3]Cooke P.Regional innovation systems:general findings and somenew evidence from biotechnology clusters[J].The Journal ofTechnology Transfer,2002(27):133-145.

[4]Maryann P,Feldman.The geography of innovation[M].London:Kluwer Academic Publishers,1994:52-69.

[5]Baptista R.Research round up:industrial clusters and technologi-cal innovation[J].Business Strategy Review,1996(7):60-69.

[6]柳卸林,胡志坚.中国区域创新能力的分布与成因[J].科学学研究,2002(5):550-556.

[7]邵云飞,唐小我,陈光.中国区域技术创新能力的聚类实证分析[J].中国软科学,2003(4):113-118.

[8]范柏乃.城市技术创新透视——区域技术创新研究的一个新视角[M].北京:机械工业出版社,2004:24-33.

[9]官建成,何颖.基于DEA方法的区域创新系统的评价[J].科学学研究,2005(2):265-272.

[10]范群林,邵云飞.我国西南各省市环境技术创新效率研究[J].中国科技论坛,2011(2):89-94.

[11]Auselin L A.Warga patens and innovation counts as measures ofregional production of new knowledge[J].Research Policy,2002(31):1069-1085.

区域经济技术创新效率 篇5

摘要：改革开放以来，我国的经济得到了飞速的发展，各种能源都得到了非常大的消耗，任何的经济活动都是以能源的消费为基础的，经济要想快速的发展必须有着非常牢靠的能源供应源头。我国只有采用节约能源的措施才能实现正真意义上的节约型社会，其关键就是提高整个能源的利用效率，这样才能从根本上保证我国经济的可持续增长。本文中笔者结合自己多年研究经验，简要的探讨了我国能源利用效率和国家经济增长之间的关系。供各位经济人士参考，以更好的处理我国能源的利用和经济增长之间的关系。

关键词：能源利用效率 经济增长 分析

随着经济的飞速发展，整个国家的能源消费也成指数关系增长，根据我国的经济能源研究所的相关研究表明，我国在能源的消费量达到100250万吨，占整个世界的百分之是以左右，在整个世界上仅仅的在美国之后，成为全世界第二大能源消费国。但是，相关的数据也表明我国的人均能源的消费只有0.84吨左右，这个数据占不到世界人均能源消费量1.9吨的一般。从我国整个经济的规模来讲，19我国的国内平均生产总值也就是GDP占整个世界GDP的百分之四点一左右，换算到每个人的GDP还不及日本的六十分之一，不到整个世界人均GDP的八分之一。此外，我国正处于社会主义的初级阶段，整个经济的形式依然处于发展的阶段，这就可以肯定的预测将来我国的经济规模肯定会不断的增大。相关的专家指出，依照我国当前的总体消费能力，如果我国的经济技术水平到达美国的标准，那就意味着全世界的煤炭资源、全世界的铁矿石、全世界的钢材、全世界的水泥等等一系列的资源都不够中国使用，也许这些数据不是那么的精确，但是这在很大的程度上表明如果我国不改变现在的经济增长的模式，中国将变为整个世界的能源的黑洞，这不仅仅会影响到我国自身的发展，而且给整个世界的发展都带来非常大的影响。从当前的我国的计划经济我们可以得到在二十一世纪的钱二十年我国预定的GDP总额要相对先前的水平翻两翻，但是我们从能源的角度来看整体的能源消费只能翻一翻。这就给我们说明如果我们不能够及时的采取一系列的有效的措施，依然按照现在的形式发展下去，将会给我国的能源供应造成很大的威胁，这在很大的程度上也会给整个世界的能源供应造成很大的影响。

通过各个研究都表明要想解决当前的能源性问题，我们必须采取一定的举措，总结为四个字就是“开源节流”。所谓的“开源”就是增加加大能源的开发，加大对于能源的开发主要集中表现在加大对于现有能源的开发、新型能源的开发以及起补充作用的国外进口能源的引进等等。所谓的“节流”主要就是提高各个能源的使用效率。从我国经济可持续发展的角度来看，“节流”的措施是既有利于现在也是对未来能源消耗的重要保证。我国只有全面的落实相关的“节流”措施，才能正真的实现节约型社会的建立，才能从根本上保证我国的可持续发展。

为了更好的把握未来的能源消耗以及相应的经济增长，我们必须对我国现代的经济发展和能源消耗的关系进行准确的把握，然后针对现状研究一些针对性的措施来不断的提高能源的利用效率和实现经济的快速增长。

一、我国的能源利用效率现状

世界上的能源利用的效率是根据能源消费原单位作为标准的，能源消费的原单位就是单位的GDP增长带来的能源消费量，简单的说就是一个单位的GDP增长所带来的能源消费量，通常情况下一个国家的这个数值越小，说明这个国家的整体能源利用效率越高，因此，这个指标在国际上被广泛的应用。

我们通过分析现有的一些资料发展，我国的整体的能源利用的效率是比较低的。从一些相关的`资料中我们可以明显的看出我国的能源消费的原单位值要远远的大于世界上的一些发达的国家，这在很大的程度上能够表明我国目前的经济增长是以消耗非常珍贵的资源为代价的，是一种能源消费性经济增长模式。但是这种情况的经济增长的方式是可以改变的，如果我们采取一些有效的措施，我们可以降低能源消费原单位的数值，能够出现在保证经济增长的同时实现能源消费的不增长。如果整个国家的能源消费量降低这在很大的程度上能够给我国的环境保护带来非常大的好处，实现正真意义上的节能减排工作。

我国现在正在处于向中等发达国家前进的重要时期，整个工业的水平也正处于一个向全面工业化产业迈进的阶段，在这个重要的时期，我们必须重视经济发展和能源消耗之间的关系，切实的将两者保持在一个相对平衡的水平上。

二、我国的经济增长和能源消费之间的关系

国际上一般采用国内人民生产总值也就是GDP来作为衡量一个国家宏观经济增长的标准。因此，我们分析经济增长和能源消费之间的关系可以通过分析国内的人民生产总值和能源消费之间的关系来进行。相关的资料表明我国的能源消费和国内生产总值长期以来处于一种几乎呈一种同样的态势在发展，说明我国的国内生产总值和能源的消费有着非常密切的关系，不过从整体上来看，改革开放以来，我国的国内生产的增加速度要大于能源消耗的增长速度。

我国在六十年代到七十年代经济的增长主要靠能源的投入来带动，进入八十年代以后，在经济发展的同时从整体上来看整个能源的投入量呈减小的趋势。九十年代之后到现在整个经济在快速发展的同时能源的利用效率也得到了非常大的改观。

三、提高我国能源利用效率的相关的策略

(一)逐步的实现对于制造业相关产业效率的提升

资源配置效率与经济增长 篇6

关键词：全要素生产率；资源配置；经济增长

一、 引言

20世纪末期和21世纪初影响人类发展的最重要事情之一就是众多新兴市场迅速的经济增长，从中国开始，现在扩展到亚洲的大部分地区，其他地区的发展中国家也经历了类似的经济增长。正如劳伦斯·萨默斯所说：“亚洲经济体戏剧性的现代化会与文艺复兴和工业革命一样是经济增长史最重要的事件之一”。在许多新兴国家的总产出和人均产出每年平均超过10%的迅速的经济增长速度，通过经济增长的奇迹，人民的收入和生活水平已经得到相当程度的提高。新兴经济体的经济增长速度远远超过发达经济体，是近年来全球需求增长的大部分原因。

但是对于我国来说，三十多年来的我国经济高速增长更多的是依靠要素的大量投入带来的，这种发展是不可持续的。在过去经济飞速增长时期，我国劳动力供给数量具有无限性的特征。但是，农村剩余劳动力对城市发展的供给"农民工"的数量已经处在每年递减的态势，农业农村富余劳动力的转移已经接近殆尽。到2015年，农村富余向城市转移的劳动人口数量是730万，不足以补偿城市发展的需求量（蔡昉，2010）。能源耗竭和环境污染为特征的能源危机同样也严重制约我国经济增长。能源使用结构不合理和能源利用率不高，在2013年煤炭在一次能源消费占比为71.3%，环境污染严重。能源利用效率低下，单位GDP能源消耗高。为此在我国经济发展“十二五”规划中明确到2015单位GDP产出的碳排放量降低17%，我国经济增长面临着能源耗竭、降低能耗和环境保护的三重压力。

随着“人口红利”的逐步消失和能源危机，经济发展面临资源约束，如何保持经济持续健康增长一是要靠技术创新，二就是改善資源错配，提升经济效率。技术水平的提高和创新需要投入成本巨大，而且不会一蹴而就。相对之下，改善要素价格扭曲，提高要素在各行业各区域各微观企业之间的配置效率，提升全要素生产率，更加有效率的利用资源，是一个相对合算的途径。

Brandt和Tombe（2013）测度了1985年～2007年跨省跨部门的非农产业的劳动资本配置扭曲导致的全要素生产率的损失，同时把总的全要素损失分解为省内国有部门和非国有部门的要素市场扭曲和省际间要素市场扭曲。在整个时期，要素错配使得总非农部门的全要素生产率平均下降20%。然后，在最初的下降后，全要素生产率的损失从1990年代中期开始明显增长。由于省际间要素错配带来的全要素生产率相当稳定，几乎完全的全要素生产率损失的提高可以归因为省内国有部门和非国有部门的要素错配程度的提高。原因是因为政府的相关政策鼓励投资到国有部门而不是更有效率的非国有部门，带来了资本要素市场扭曲程度增加。随着我国改革开放的深入，而我国的资源配置效率竟然反而降低了，这个结论值得我们深入思考。

二、 我国资源错配和经济增长效率

在传统经济发展理论中，对市场有效性的假设和要素边际产出递减规律，对经济增长和国际间的人均产出巨大差异的解释很大程度上被归结于全要素生产率的差异，而全要素生产率的差异是由于生产技术水平的不同带来。但是随着信息网络技术的发展和全球一体化的深入，国际间技术水平差距的减少并没有带来各国人均产出差距的减少，反而在增大。基于这个现象，国内外学者把眼光转向市场对要素配置的有效性和要素配置效率上。一国的人均产出水平的影响因素除了生产要素投入量和技术进步，还在很大部分上受到生产要素配置效率的影响。对一个经济体来说，如何将资本、劳动、能源等生产要素配置到不同行业和不同企业的方式很大程度上决定该经济体的人均产出水平和总产量。资源是否得到有效配置可以从行业内所有不同类型的企业的要素边际产品是否相等来看。当行业内企业的投入要素产生的要素边际产品差异度较高，意味着存在着资源错配现象。

我国正处于从传统计划经济体制到到现代市场经济体制的转轨时期，造成要素市场扭曲和资源错配的体制依然大量存在。强势的行政力量对要素市场的干预导致要素价格和资源错配。在所有制因素下，保护低效率的国有企业，不能使更多的资源配置到生产水平较高的民营企业。另外一方面行业壁垒和政策性垄断，生产效率较高的潜在生产企业无法进入。

资源错配是指资本、劳动和土地等要素资源在各行业各区域各微观企业之间配置不合理，根据经济学原理，完全竞争市场对要素配置是帕累托最优的，要素可以迅速和顺利的从要素回报率低的行业转向要素回报率高的行业，到达各行业的要素边际产出相同。同样当行业内的企业的要素的边际产出都相等时，该行业内部实现了要素的最优配置；当行业内存在异质性企业要素投入带来的边际产出出现差距，这意味该行业内部要素资源配置没有达到最优。例如在行业内有两个技术水平相同的企业，但是其中一个企业是与政府关系密切的国有公司可以从获得银行信贷补贴，而另外一个没有政府密切关系的民营企业只能从非正式的金融市场以高利率借钱。根据企业生产利润最大化的理论，两个公司将生产至资本要素边际产出与资本要素的使用价格利率相等，那么可以获得和使用信贷补贴的国有企业的资本要素边际产出将低于只能使用非正式金融市场的民营企业的资本要素边际产出。这是一个清楚的要素错配的案列：如果资本要素从边际产出低的企业流向资本要素边际产出高的企业，资本要素错配的改善提升全要素生产率和人均产出。Easterly和Fischer（1994）对前苏联1928年～1987年经济增长数据进行了研究和核算，发现在该时期段内前苏联的要素投入增长率为3.3%，而人均产出增长率只有2.9%，这是因为前苏联代表资源配置效率的全要素生产率增长率为-0.4%，由于前苏联优先发展重工业和轻视轻工业和民生产品的生产的产业政策，认为要素错配带来了全要素生产率的负增长的结论是可信的。

通过改善要素配置来提升经济效率。Syrquin扩展了索罗的经济增长核算框架，把宏观总体的全要素生产率的增长分解成行业全要素生产率的增长和要素的配置效率。但是Syrquin描述性的分析框架不能解释行业要素错配的原因，也不能指导如何配置要素更合理。要素错配和经济效率的损失的研究弥补这一缺陷，由于经济发展的体制性障碍形成要素市场扭曲，要素配置没有到达帕累托最优状态，改善要素配置，可以改进经济效率。Hsieh和klenow（2009）通过这种方法，发现减少要素扭曲，对要素更有效的配置，可以在不增加要素量的投入情况下，提升全要素生产率和提高GDP。但是这种研究是静态分析，主要是关注行业内的要素错配，没有涉及行业间的要素错配的现象，而且存在过多全要素生产率正态分布等结构性假设。陈永伟和胡伟民（2011）结合传统的Syrquin行业分析框架和资源错配对经济效率损失的影响，把要素在行业间错配的改善分解成要素扭曲程度降低的影响和行业份额效应，定量分析在不投入更多要素数量的情况下，具体行业和要素的错配程度的改善对全要素生产率和GDP产出的提高。认为要素扭曲带来的行业间要素错配，引起了经济效率的降低。

三、 我国资源错配产生机制的分析

资源错配的程度可以从要素价格扭曲的测量体现，要素价格扭曲是指企业生产中的要素的边际产出和要素价格的偏离。从国际经济发展历史来看，新兴经济体对要素市场的扭曲和生产要素进行价格干预，积累资本进行赶超发展比比皆是。

我国改革开放以来，地方政府主导的经济增长、对增长速度的追求和所有制因素是我国资源错配的根本原因。导致资源不能在不同部门不同区域不同微观企业之间自由调整，追求更多收益，资源的实际价格不能体现资源的相对稀缺性。主要是由于我国要素市场中要素的定价机制改革滞后，人为压低要素价格，造成要素价格的负向扭曲激励投资实现我国经济的工业化和现代化，为高速经济增长的现实提供有效途径。在经济发展过程出现保增长和调结构矛盾时，往往被弱化的调整产业结构，促进经济稳定健康增长。企业生产过程中受资源价格负向扭曲的和隐形补贴的激励，形成扩大生产扩张追求规模效应，不注重科技创新，宏观经济也形成对投资拉动经济增长的路径依赖。这种人为的压低资本、劳动、土地和能源资源价格，短期看能实现经济的高速增长，但是从长久来看，资源价格不能体现其稀缺性，偏离资源市场正常的供求关系，导致资源错配和资源使用效率将低。

在劳动市场上，劳动者由于行业壁垒、所有制障碍和户籍制度等体制因素，劳动要素的边际产出和劳动实际价格偏离，劳动者的工资增速落后经济增长速度，劳动者收入和福利下降。劳动者的报酬收入在初级分配中所占比重在持续下降，而利润和税收的比重在不断上升。目前我国的工资、利润和税收比例大概是4∶4∶2，劳动收入分配过低特别是作为劳动者主体的工薪阶层的可支配收入增长缓慢是导致最终消费不足的主要原因。企业的利润较高而又分红很少，是导致企业投资过度的主要原因。其次收入分配不公平问题突出，其中城乡收入差距加大、垄断行业收入过高和社会保障制度导致不同身份人群收入差距扩大。资源错配和价格扭曲，一方面减少了劳动者的可支配收入，造成消费下降，另一方面对投资扩张产生激励，造成供需矛盾和产能过剩，最终导致经济发展的结构失衡和经济效率损失。

在资本市场上，资本要素使用成本利率市场化改革落后，国有制企业在需要资金时，融资的渠道多而且可以获得更多的信贷补贴，而大量中小型企业在融资难和资金使用成本高。扭曲的资本要素价格导致产业内和产业间资源错配。廉价的资金在政府的产业政策指导下，进入钢铁、水泥等行业，产能过剩突出，阻碍我国实行产业转型和升级。以三次产业的结构变化来看我国经济发展，农业产值在国内生产总值中比重在呈现下降趋势，同时农业设施薄弱，农业生产中组织化程度低，农业依然依靠粗放式发展，同时我国农业的基础设施和技术装备有待提升。工业产值的比重比较稳定，其中特别是重工业的增长成为中国经济快速增长的主要动力，但是产品自主创新能力不强，特别是关键核心技术和装备主要依赖进口；资源能源消耗高和部分行业产能过剩问题突出。三次产业比重增长迅速，但是服务业特别是金融、交通等生产性服务业滞后，严重制约了我国消费的增长，影响了产业结构的调整升级。传统经济发展方式注重“以生产为中心”的硬性要求，忽略了经济增长的质量和三次产业协调发展，经济发展方式转变和产业结构失衡调整十分必要。

对我国要素价格扭曲和要素錯配的现象引起了国内外经济学者的研究兴趣。Brandt等（2013）的采用1985年～2007年我国非农业部门劳动力和资本的数据，测度了跨省和跨部门的要素错配引起的全要素生产率的损失。认为所有制因素引起的我国资本要素在国有部门和非国有部门的错配是我国要素错配的主要部分。聂辉华和贾瑞雪（2011）采用1999年～2007年全部国有企业及制造业规模以上企业数据，同样发现所有制因素是要素错配的主要原因。认为我国制造行业的企业之间的全要素生产率离散度高，要素重置效应低，市场机制对企业进入和推出的优胜劣汰没有发挥积极的作用。全要素生产率和要素错配程度有明显的区域特征，同时各区域的全要素生产率水平和要素错配程度有着明显的收敛趋势。这些文献表明对国有企业的深化改革，改善国内要素市场的扭曲，完善市场体系，不仅有助于要素配置效率的提升，而且有助于减少区域经济差异。

区域经济技术创新效率 篇7

关键词：技术创新效率,数据包络分析,分类变量,Gini准则

技术创新作为经济发展的动力源之一, 特别是随着知识经济的发展在区域竞争中显示出了日益强劲的作用。技术创新在提高生产率和创造新兴产业方面起到了根本作用, 成为影响区域产业升级和结构转换的核心因素。区域技术创新效率和能力已成为衡量区域经济是否拥有国际竞争优势的决定性因素。如何提升区域技术效率成为区域关注的重点, 这就需要对区域技术创新效率进行测度并通过横向对比为提升效率提供基础。对区域进行技术创新效率评价, 可以判断区域发展过程中资源是否合理利用, 资源配置是否合理等问题, 据此提出针对性的改进建议, 对于提升技术投入资源的利用效率进而提高区域的科技竞争力具有十分重要的现实意义。从理论角度对技术创新效率进行评价成为研究热点, 如何选择一种有效的评价方法对区域技术创新效率进行评价, 从而制定出适合各区域的发展战略以提高区域经济效益成为了关键问题。而不同的经济发展阶段对技术创新的要求也不同, 从形态的角度是模仿创新、自主创新、工艺创新和产品创新。在初级发展阶段可能倾向于模仿创新, 而经济发展到一定阶段以后开始注重自主创新; 在降低成本阶段注重工艺创新, 在差异化发展阶段注重产品创新。我国区域间差异很大, 创新的取向存在着差异, 因此在技术创新效率评价时需要充分考虑这种差异。既有的技术创新效率评价方法包括DEA、SFA和综合评价方法等。如何选用一种有效的评价方法对区域进行技术创新效率评价, 从而制定区域技术创新发展战略, 确立区域间的效率基准, 提高我国整体技术创新水平成为关键问题。本文将对DEA方法进行分析, 常见的用于评级技术创新效率的DEA模型包括BCC、CCR、交叉效率模型和分类DEA模型, 由于BCC、CCR方法得到的结果不唯一, 所以很多人引进了交叉效率模型, 但该方法将所有决策单元全部归结为合作关系或竞争关系, 不符合实际情况。因此, 本文提出分类DEA模型、采用Gini算法来评价区域技术创新效率, 既解决了效率不唯一的问题, 也考虑了区域发展的不同阶段对技术创新效率的要求不同的问题。

1相关文献综述

由于传统DEA模型计算得到的决策单元效率会出现多个1, 无法进一步区分, 因此针对这一问题提出了许多改进模型。常见的方法有交叉效率方法、超效率方法、最劣前沿面法、标杆排序法、DEA - Gini算法和分类变量法。其中分类变量法是在传统DEA模型的基础上根据研究问题的所处环境提出的进一步改进。Banker和Morey提出了分类DEA模型, 先对处于不同环境的美国艾奥瓦州药店进行分类, 再对它们进行绩效评价。[1]Cooper根据决策单元的非可控因素对图书馆进行分类, 然后计算它们的绩效; 与此同时Cooper按照决策单元的可控因素进行分类, 来评价商店服务质量的运营效率。[2]Gerrit Lober对Banker的分类模型进行了改进提出了规模收益不变分类DEA模型和规模收益可变分类DEA模型。[3]Golany应用分类DEA模型评估了以色列发电厂的运营效率, 将空气污染这一定性指标作为发电厂的分类标准。[4]Jha应用分类DEA模型对尼泊尔水电站的运营效率进行测评, 通过灵敏度分析指出水电站的改进方向。[5]在国内关于分类DEA的文献较少, 其中王海燕等运用DEA - Gini准则对南京市公共交通企业进行绩效评价, 将指标集分解成若干个指标子集, 提高了DEA模型的有效性。[6]庞瑞芝应用分类DEA模型对我国26个省市的392家城市二级以上医院2004年和2005年的经营效率进行了分析与比较。[7]梁樑、 毕功兵提出了一种基于属性变量的DEA效率评价模型。[8]本文基于分类变量方法, 同时考虑Gini准则进行区域创新效率评价。

2基于分类变量的DEA评价步骤

2. 1评价指标体系构建

从评价的角度, 技术创新效率就是指技术创新投入与产出的比例。在充分考虑国内技术创新现状的基础上, 从投入产出角度设计评价指标体系。在进行技术创新效率评价时, 能否选取合理的技术创新指标是评价结果是否准确的关键。结合国内外既有文献, 选择研发全时人员当量数、研发内部支出额以及技术流入合同额作为投入指标, 国内专利申请授权数、新产品销售收入以及地区技术市场成交合同额作为产出指标。对于投入指标, 研发全时人员当量数和研发内部支出额用以衡量各地区研发投入强度; 技术流入合同额用以衡量地区吸收外部技术, 进行技术升级和改造的能力。对于产出指标, 尽管使用国内专利申请授权数作为技术创新效率评价产出指标过于片面, 但由于各省市专利数容易获取, 并且和技术创新密切相关, 因此使用国内专利申请授权数作为产出指标还是相当可靠的; 考虑数据的可获性以及创新的主要的表现, 另外选取新产品销售收入、地区技术市场成交合同额作为产出指标。这六个指标分别从人力、物力、财力三方面对技术创新活动的直接产出和最终目的进行衡量和评价。本研究中的数据均来自 《中国统计年鉴2010》和 《中国统计年鉴2011》, 数据信息准确、可靠, 具有很强的代表性。

2. 2决策单元分类

为了使效率评价过程公平有效, 本文对各地区进行分阶段处理。不同经济发展阶段的创新要求不同, 目前对经济发展阶段常见的判断标准有两个: 一个为罗伯托的起飞理论, 另一个为钱纳里的经济工业化发展阶段理论。前者为一个相对定性的判别标准, 后者则是一个以人均GDP为划分标准将经济增长划分为6个不同时期, 本文拟采用钱纳里的工业发展阶段理论。根据文献 《区域战略规划编制中关于发展阶段判断方法的选择》, 依据美元指数和汇率计算得出不同发展阶段。平均汇率选择6. 83; 美元指数2009年为125. 8, 2008年的为125, 因此可以进行折算, 2009年的经济发展阶段的划分具体区间见表1。

单位: 美元

2. 3引入Gini准则的DEA评价方法

数据包络分析 ( DEA) 自创立以来, 一直受到广大研究者的青睐。DEA与其他评价方法相比最突出的优点是DEA把评价指标的权重当成未知变量, 可以有效地避免主观因素; 其次传统评价方法一般需要掌握决策单元 ( DMU) 的生产运营内部机制, 这会给评价过程带来众多麻烦, 而DEA却无须打开决策单元生产 “黑箱”, 只需知道决策单元输入输出数据就可以对决策单元进行效率评价, 是一种非常实用的数学规划方法。建立DEA - CCR模型 ( 投入导向) 如下:

其中 νi和 μr是需求变量, 即对应的输入输出指标权重。上式是一个分式计算模型, 使用C2———变换, 将模型 ( 1) 变成线性规划模型, 如下所示:

DEA对决策单元进行效率评价时, 当决策单元数量n相对于指标数量 ( m + s) 较多时, 通常规定n ≥ max ( m × n; 3 ( m + n) ) 时, 计算出来的效率值越有效, 适合使用DEA方法。反之, 当指标相对于决策单元数量较多时则不适合使用DEA方法。在现实生产管理实践中, 影响决策单元的效率指标往往有很多个, 而又找不到相应数量的同类决策单元, 如果盲目使用DEA对评价对象进行效率评价, 往往会高估决策单元效率, 使DEA作用失效, 因此本文提出一种将决策单元指标分解的准则———DEA - Gini准则。

首先确定影响决策单元效率评价的指标集N, 将指标集N分解成L个指标子集, 每个子集有至少一个投入指标和至少一个产出指标, 假设有p个投入指标, q个产出指标, 要求:

在满足式 ( 3) 的条件下任取p、q值, 通过枚举法生成L个子集。在每个子集下分别用模型 ( 2) 对决策单元进行效率计算生成一个n × L的效率矩阵:

得到效率矩阵后通过Gini准则将L组效率值组合成一组更为有效合理的评价结果, 具体步骤如下, 先对效率矩阵按列进行归一化处理。

步骤3对cl进行归一化:

通过以上4个步骤的计算, 即得到基于DEA - Gini准则的决策单元最终效率。在指标数量相对决策单元数量较多时, 这种方法得出的效率值比传统DEA方法更为适合。

3实证结果与讨论

3. 1区域分类

2009年的数据显示, 中国大陆地区处于工业化阶段, 由于数据靠近下限, 同时考虑指标的构建, 将全部省市调整到发展阶段的第二区域。其中处于工业化第四阶段的只有上海, 考虑到数据的方便将其划入第三阶段。据此共有9个省市处于工业化Ⅰ阶段, 14个处于工业化Ⅱ阶段, 7个处于工业化Ⅲ阶段, 具体见表2。

基于分类结果应用模型 ( 2) 首先对最低工业化阶段的地区进行效率评价, 此时决策单元参考集仅含工业化最低的地区; 再对工业化阶段次低的地区进行效率评价, 此时决策单元参考集包含工业化阶段为最低和次低的地区。 依此类推, 当评价工业化阶段最高的地区时, 参考集为所有区域。

3. 2评价结果

本文以我国30个省、市、自治区为评价对象, 技术创新投入产出数据均来自于 《中国统计年鉴2010》和 《中国统计年鉴2011》, 考虑西藏自治区存在指标数据不完整的缺陷, 因此决策单元中排除西藏自治区, 运用上面的Gini - DEA方法对各地区进行技术创新效率评价。作为对比, 使用传统DEA模型和相同数据进行效率评价, 评价结果如表2所示。

3. 3评价结果分析

从表2中利用Gini - DEA方法得出的评价结果可以看出, 全部30个省市的技术创新效率均未达到1, 表明所有省市的资源都没有完全有效的利用。其中, 技术创新效率较高的地区是四川、福建、重庆和江苏等, 表明这些省市的投入产出比较高, 能够较为充分地利用技术创新资源, 将其较好的转化为创新产出。而内蒙古、山西和新疆等省市的技术创新效率较低, 均低于0. 3, 表明这些地区的资源利用率极低, 存在较大的资源浪费的情况, 同时也预示着这些地区的技术创新效率具有巨大的提升空间。

作为对比, 表2中利用传统CCR模型计算得出的结果显示, 有多个省市的技术创新效率达到了完全有效, 即效率值为1, 包括江苏、广东、北京、浙江、上海和天津。这种结果显然不符合实际情况, 因为任何省市的技术创新效率都应该具有一定的提升空间, 而不是绝对的完美。同时, 这种结果也无法对这六个省份进行排名。Gini - DEA方法对上述的问题有很好的解决, 不仅克服了多个省市效率值都为1的问题, 也消除了不能对决策单元进行充分排序的问题。

此外, Gini - DEA方法对各省、市、自治区按发展阶段进行归类, 不会产生评价过程偏袒发展阶段较高的地区, 而对发展阶段低的地区要求苛刻的现象。例如表2右侧数据所示, 处于第Ⅲ发展阶段的省市中, 除内蒙古外效率值都为1, 排在前几名, 而处于发展阶段较低的地区效率排名偏低, 这势必会使评价结果有失公正。应用Gini - DEA, 可以发现第Ⅰ发展阶段的大部分地区效率值明显下降, 说明这些地区实际上并未达到完全有效, 但由于传统CCR的缺陷, 使得评价结果失真, 高估了发展阶段较高地区的效率。

由于不同的发展阶段有其不同的发展特点与条件限制, 因此应针对不同的发展阶段选择不同的改进基准, 以每个阶段中排名第一的省市为基准, 而不是全部地区都向总排名第一的地区看齐, 保证了效率比较的公平性。对于处于第Ⅰ发展阶段的省市, 大部分都处于我国西部地区, 资源条件有限, 这些地区应以四川省为基准, 结合自身情况调整各自的资源配置, 以提高其技术创新效率。同理, 处于第Ⅱ发展阶段的省市应以福建为基准, 按照福建的投入产出比率来调整。对于处于第Ⅲ发展阶段的省市来说, 由于其发展位于我国前列, 对我国的发展有着重大的影响, 国家对其投入大大高于其他地区, 因此这些地区的技术创新效率也必须提高, 努力达到完全有效。第Ⅲ阶段的省市中, 效率最高的为江苏, 因此可以将江苏作为改进基准, 进行资源配置的调整, 吸引国内外优秀人才, 加大技术创新产出, 达到提高效率的目的。

4结论

本文在前人的基础上首次应用分类DEA模型和Gini算法来评价各区域的技术创新效率, 为了更有针对性地指导技术创新效率较低的区域选择参考基准从而寻找提高效率途径, 对区域进行发展阶段分类, 同类区域之间具有可比性, 不同类地区无可比性, 使创新效率评价过程较传统DEA方法更为公正。应用Gini算法可以有效地消除指标数量相对决策单元数量过多的问题, 使分类DEA计算出的效率值更为有效。本文实证结果表明: 不同分类区域按照所在区域的标准来提升自身的技术创新效率, 全部30个地区都存在效率提升空间。进一步分析表明理清技术创新过程的运行机理是解释各地区技术创新差异的关键, 也是需要紧迫研究的方向所在。

参考文献

[1]Rajiv D BANKER, Richard C MOREY.Efficiency Analysis for Exogenously Fixed Inputs and Outputs[J].Operations Research.1986, 34 (4) :513-521.

[2]William COOPER, Lawrence SEIFORD, Kaoru TONE.Data envelopment analysis:a comprehensive text with models, applications, references and DEA-solver software[J].Journal Operational, 2006.

[3]Gerrit LBER, Matthias STAAT.Integrating Categorical Variables in Data Envelopment Analysis Models:a Simple Solution Technique[J].European Journal of Operational Research, 2010, 202 (3) :810-818.

[4]B.GOLANY, Y.ROLL, D.RYBAK.Measuring Efficiency of Power Plants in Israel By Data Envelopment Analysis[J].Engineering Management, 1994, 41 (3) :291-301.

[5]D.K.JHA, N.YORINO, Y.ZOKA.A Modified DEA Model for Benchmarking of Hydropower Plants[C].Power Tech, 2007 IEEE Lausanne, 2007:1374-1379.

[6]张庆民, 王海燕, 欧阳俊.基于DEA的城市群环境投入产出效率测度研究[J].中国人口资源与环境, 2011 (2) :18-23.

[7]庞瑞芝.我国城市医院经营效率实证研究——基于DEA模型的两阶段分析[J].南开经济研究, 2006 (4) :71-81.

区域经济技术创新效率 篇8

当今世界, 经济全球化浪潮已席卷全球, 科学技术突飞猛进, 综合国力竞争日趋激烈。同时, 区域经济的迅猛发展, 使得世界经济的区域化特征越来越明显。知识、信息、创新在区域经济发展和国际经济竞争中逐渐成了决定性的因素。一个以知识和信息为基础、创新为动力、智力资源为支撑、高新技术为支柱、可持续和谐发展的知识经济时代已经到来。近几年全国一些大城市快速发展, 广东有逐渐被其他经济大省超过的趋势。广东省委省政府基于对广东经济发展和社会进步的战略性思考, 陆续出台了《中共广东省委广东省人民政府关于加快建设科技强省的决定》、《广东省人民政府关于推动我省高新技术产业持续快速健康发展的意见》等多项政策措施, 广东省还纳入国家技术创新工程试点, 构筑推动自主创新的公共服务平台, 促进高新技术产业发展。而技术创新平台的建设、产业升级等不是一蹴而就的, 必须从实际出发, 大力推进技术创新。广东省的技术创新效率如何?与技术创新有关的因素对经济增长的影响如何?是值得思考的问题。

技术创新理论被熊彼特提出, 后来经过斯旺 (Swan, 1956) 、卡斯 (Cass, 1965) 和库普曼斯 (Koopmans, 1965) 发展的新古典经济增长模型。到1986年, 以美国经济学家罗默 (P.Romer) 在《政治经济学杂志》上发表“收益递增和长期增长”为开端, 以研究内生技术进步为主要特征的现代内生经济增长理论开始兴起。以保罗·罗默为代表的新经济增长理论阐明了经济增长的引擎是技术进步, 它将有关技术进步与经济增长关系的研究推向高潮。Coe和Helpman (1995) 利用22个国家的样本, 研究了科技投入与全要素生产率的关系, 研究发现, 本国和贸易伙伴的R&D支出几乎可以解释50%的OECD国家生产率增长[1]。F覿re, Grosskopf和Norrisand Zhang (1994) [2]采用Caves, Christensen和Diewert (1982) [3]定义的由Malmquist (1953) 引进的TFP增长指数, 说明分量距离函数如何用类似DEA方法估计, 并说明UP指数可以分解为技术效率变化和技术变化组成部分。Morales (2004) 扩展了基于“创造性毁灭”思想的模型框架, 将政府部门从事公共研发、资助企业研发以及对企业研发进行补贴全部内生化。其结论是:当政府资助企业研发时, 有助于提高经济增长率。提高政府对企业研发的单位补贴率不仅不会挤出企业研发投资, 还能产生一种提高社会应用研发与基础研发的汲水效应, 从而有助于提升长期经济增长率[4]。Stelios Michalopoulos等 (2009) 以Schumpeterian内生成长模型开始分析, 他们在模型分析中引入金融家参与创新过程, 结论是技术创新会促进经济增长, 而且这二者都停止, 除非金融家连续创新[5]。

中国学者对技术创新的研究是从介绍西方研究成果开始的。随着研究的不断扩展, 研究工作从翻译学习西方技术创新理论和研究方法论, 从主要侧重于创新系统、创新网络和技术扩散等方面的理论分析, 转向了实证研究。国内学者一般是从三个角度:宏观层面, 中观层面和微观层面进行研究。宏观层面的研究主要是对国家的整体研究, 如王兵和颜鹏飞 (2007) 运用当期DEA和序列DEA两种方法测度了1960—2004年APEC17个国家和地区的技术效率、技术进步及Malmquist生产率指数, 并且对APEC经济增长的趋同进行了实证检验, 得出主要结论是:20世纪80年代, 东亚地区全要素生产率平均增长超过了APEC其他地区, 但是全要素生产率对于劳动生产率增长的贡献仍然低于发达国家[6]。

中观层面的研究包括省际层面和一些行业或产业的技术效率研究。对行业或产业层面的的研究主要是从两个方面进行, 一是对研究对象的技术效率进行测算和比较;二是对引起差异的原因进行分析, 对影响技术效率的因素一般地集中在劳动力特点、专业化程度、城市化进程、区域规模、产业结构、垄断及关税、参与进出口程度、所有制等方面。姚先国等 (2007) 运用数据包络分析法测度了1999—2005年间长江三角洲15个城市国民经济的技术效率水平和技术创新水平及其对GDP增长的贡献率。文章认为, 提高产业技术效率, 优化投入要素的组合比例, 加快技术引进和技术追赶步伐是推进长三角地区GDP增长的有效途径[7]。

微观层面主要是对企业的研究, 主要是测重对技术创新效率的测算和比较, 早期较多地使用交叉数据, 而近几年的研究更多地基于面板数据进行跨年度的分析;另外是对引起技术创新效率在样本对象间的差异和时间维上的差异的因素进行分析 (规模、地理位置、劳动力特点等) 。如范承泽、胡一帆等 (2008) 研究了FDI这一因素对企业技术创新效率的影响, 得出结论:一个公司在研发方面的投入随其引进的外商投资数量的增多而减少;行业层面的FDI对该行业中外商投资较多的企业的研发投入起更大的积极作用[8]。

一、研究方法和数据说明

(一) 研究方法

对效率的研究有参数方法和非参数方法, 参数方法以随机前沿分析法 (SFA) 为代表。此方法由Meeusen与Van den Broeck (1977) 和Aigner, Lovell与Shmidt (ALS) (1977) 分别独立发展而成。

随机前沿分析法通常先估计一个生产函数, 根据己知的一组投入产出观察值, 定义出所有可能的投入产出组合的外部边界 (生产前沿面) , 使所有观察值均在边界之内, 每个观察值与边界的距离即为该生产点的效率, 从非效率点到效率边界的测度呈放射状扩张与收缩。

本文采用超越对数随机前沿生产函数进行研究。超越对数函数的成本函数的通常表达式是C=f (y, w, t) , 其中C为总成本, y为产出量, w为投入价格, t为时间。本文采用两个产出, 4个投入, 模型具体形式如下:

式中, D0it表示产出距离函数, yit表示产出向量 (yit1是专利授权数, yit2是人均GDP) ;xit表示投入向量 (包括研发人员数, 研发经费, 实际利用外资) ;εit是随机误差项;α, β是待估计参数。SFA方法将回归误差项假设为一个复合误差项, 包含无效率值以及随机误差:εit=uit+νit。其中, uit代表区域效率, 假设服从不对称分布, 通常是半正态分布 (half-normal distribution) ;νit则代表随机误差 (统计噪声, statistic noise) , 假设服从对称分布, 一般是标准正态分布 (standard normal distribution) 。同时, 无效率和随机误差项都假设与成本函数中的投入、产出变量正交。

非参数方法以数据包络分析 (Data Envelopment Analysis, 简称DEA) 为代表。DEA方法经过近三十年的发展, 其采用的模型形式不断发展。其中有由Fare et al (1994) 改造的基于DEA的Malmquist指数方法。Malmquist指数早期被集中运用于研究消费者行为的领域。1982年以后, Malmquist指数被越来越广泛地运用于分析投入产出等研究领域。Malmquist指数, 表示决策单元在t期到t+1期整体生产率的变化程度, 由决策单元t期至t+l期生产技术变动值的几何平均数, 再乘以技术效率变动的值得到。若M>1, 表示该决策单元的生产率呈现上升趋势;若M<1, 则表示决策单元的生产率较参照期出现衰退。Malmquist指数被分解为技术效率的变动 (EC) 和生产技术变动 (TC) 两部分。EC (Efficiency Change) 为相对效率变化指数, TC (Technical Change) 为生产技术变动指数。

鉴于前沿生产函数模型和Malmquist指数两种方法在分析技术上有差别:SFA方法是基于静态的比较, 无法对各地区的效率作出完整的动态刻画, 而Malmquist指数是通过“追赶效应”和“前沿面移动效应”可以对有效性进行动态考察。为了对广东省各市的效率水平进行全面的考察, 本文将结合随机前沿超越对数函数和Malmquist指数分别从静态和动态两方面进行分析。

(二) 数据与变量

本文采用广东省17市 (广州、深圳、珠海、汕头、佛山、韶关、梅州、惠州、东莞、中山、江门、湛江、茂名、肇庆、清远、潮州、揭阳) 2001—2008年度数据作为分析的初始数据集, 原始数据采自历年《广东科技年鉴》、《广东统计年鉴》。实证研究产出变量为广东省各市的人均GDP和专利授权数, 投入变量有研发人员, 研发经费和实际利用外资。研发人员主要来自各市大中型工业企业研究与试验发展人员, 研发经费为各市大中型工业企业研究与试验发展经费。人均GDP, 研发人员, 研发经费和实际利用外资数来自《广东统计年鉴》, 专利授权数来自《广东科技年鉴》。

二、实证结果分析

从所分析的17个市来看, 八年的平均效率值都大于0.5, 但技术创新效率还有提升的空间 (离1还有差距) ;各地区效率平均值从2001年的0.6200上升到2008年的0.7428, 总体呈现连年上升势头。从各地静态的技术创新效率值平均值来看, 排名前几位的是珠海、茂名、韶关、惠州、肇庆, 广州第七, 深圳第九。从Malmquist指数值来看, 2001—2002年M值均未大于1, 2002—2003年M值大于1的有8个市, 2003—2004年有16个, 2004—2005年1个, 2005—2006年有9个, 2006—2007年有4个, 2007—2008年有9个。在这些M值大于1的地区中, 出现最多的是广州、深圳、佛山、中山。将样本的总体情况的效率分解来看, EC值大多数大于1的年份是2002—2003年、2003—2004年、2005—2006年, 2007—2008年间, 这表明各地区总体上在技术相对效率方面是提高的;其中广州、深圳、汕头、佛山、东莞、肇庆等地的EC值在多数年份大于1, 表示这些地区的前沿面效率是在不断外移的。而从TC值来看, 各地区大多数年份大于1的是2002—2003年、2003—2004年、2004—2005年、2006—2007年, 2007—2008年间, 说明各地区在技术进步在这些年间总体比较明显;TC值在这些年份大部分各大于1的城市有:广州、深圳、佛山、惠州、东莞、湛江、茂名等, 技术进步存在有些年份大于1, 有些年份小于1, 表明各地区各年的发展变化不均衡, 有时技术效率进步, 有时衰退。各地区多数年份的TC值大于EC值, 这表明, 对生产率的变化来看, 技术创新效率对此变化的贡献大于技术效率的相对变化。从M值较大的地区, 如广州, 深圳、佛山、惠州等地来看, TC值几乎都是大于EC值的, 这表明, 技术进步的地区, 其生产率也较高, 其他生产率较低的地区, 技术进步对生产率的贡献较小或几乎没有。

从技术效率和技术进步较高的地区来看, 如广州市, 历来重视技术创新, 不仅有各种优惠政策支持技术创新, 如各种专项计划, 资金支持, 一些企业研发费用可获税收减免, 还有一些技术创新创业基金在运行, 同时, 注意促进产学研的结合, 从“九五”起, 广州市率先采用了“不分所有制、不分地域、不分隶属关系”的“三不分”原则, 对中央和省驻穗科研院所、高等院校、企业在科技政策和科技计划项目立项等方面一视同仁, 充分调动和整合全市各类科技资源, 营造企业与高校、科研院所进行产学研合作的良好氛围, 促使各类科技资源向广州聚集。通过市科技计划的引导作用, 大力促进广州地区的产学研合作, 取得了明显的效果。深圳也一直将自主创新作为转变发展方式的中心环节和主导战略, 因深圳的科研机构、高校相对较少, 研发力量主要依靠企业主体, 政府在企业技术创新方面大力支持和重视, 另外建立一整套技术创新所必备的, 运转系统有效的市场经济制度也是提高深圳技术创新的一个原因, 深圳市在20世纪90年代初通过不断改革破除了影响市场经济发展的体制性和机制性障碍, 建立和完善有利于自主创新的市场机制, 使深圳政府、企业都清楚的认识到人才、技术、资金等创新要素, 要通过市场机制来有效配置, 使得深圳的技术创新一直都具有示范性和有效性。中山市是以专业镇、特色产业基地为特色的, 在技术创新方面, 也力求构建完善的产业技术自主创新体系和服务体系;建设一支能满足自主创新要求的科技人才队伍;发展高新技术产业, 推动优势特色产业升级改造, 建设现代产业体系为目标, 不仅构建了市、镇区、企业三级技术服务网络, 着力推进产业技术平台的机制建设, 还实施了知识产权, 产学研合作等工程。另外, 还设立专利专项资金和科技型中小企业技术创新资金, 出台了《中山市专利资助办法》、《中山市专利工作体系建设扶持办法》, 《中山市科技型中小企业技术创新资金管理暂行办法》等一系列扶持性政策文件, 还积极鼓励企业组建各类研发机构, 引导企业不断加大创新投入, 推动企业技术进步。所以从这些技术效率和技术进步较高的地区来看, 取得技术进步和经济增长, 都与这些地区重视技术创新, 大力投入各种发素, 采用适合本地区经济发展的政策, 充分发挥本地区经济发展优势有关。

结论

本文使用广东省2001—2008年的面板数据, 运用SFA和Malmquist指数方法, 分析了广东省技术创新效率与全要素经济增长, 广东省17市的技术创新效率总体呈上升趋势, 而且还有上升的空间, 同时, 各地区之间的动态技术效率发展不均衡, 技术进步在各地区都有呈现, 但在推动各地区生产率提高方面贡献不大。为推动技术进步, 加强技术创新以加快地区的经济发展, 实现区域可持续发展。积极培育和创造区域内的高等级生产要素资源, 研发人员对产出的影响是比较大的, 创新型的企业家、研究人员、工程师这类高级生产要素对于区域内每个企业, 特别是高科技型企业技术创新的形成和发展非常重要, 是提高技术创新效率的一个重要的投入项。发挥各高校、科研院所对区域技术创新中的引领作用, 促进产学研合作。加大对区域的技术创新的资金投入。积极发展产业集群, 提高区域技术创新效率。从实证分析的结果看, 产业集群发达的地区, 往往技术创新效率高, 经济也比较发达。这是由于区域产业集群是指相同或相关行业的企业区域内集中程度, 产业集群度越高, 说明集群内企业的生产专业化和分工合作程度越高。政府应根据城市的资源特征, 作出产业规划, 通过相应的政策扶植, 有意识地引导和催生创新企业的产业集群。培育与完善区域技术创新支持体系。完善的支持体系是维持区域不断持续创新的关键, 也是保证区域内部结构不断优化、稳定发展的辅助条件。

摘要：一个以知识和信息为基础、创新为动力、智力资源为支撑、高新技术为支柱、可持续和谐发展的知识经济时代已经到来。广东省推出多项政策措施, 以不断完善科技创新体系, 构筑推动自主创新的公共服务平台, 促进产业发展。广东省17市的技术创新效率总体呈上升趋势, 而且还有上升的空间, 同时, 各地区之间的动态技术效率发展不均衡。如何提高广东省的区域技术创新效率和技术进步, 缩小地区之间的差距进而促进地区经济发展是重要问题。

关键词：技术创新,随机前沿法,Malmquist指数,经济增长

参考文献

[1]Coe D E, Helpmane.International R&D spillovers[J].European Economic Review, 1995:859-887.

[2]Fare R, Grosskopf Lovel C A K.Production Frontiers.Cambridge:Cambridge University Press, 1994:75-98.

[3]Caves D W Christensen L R, Diewert W E.The economic theory of index numbers and the measurement of input, output and productivity.Econometrics, 1982, 50 (6) :1393-1414.

[4]Morales M.F.Research policy and endogenous growth[J].Spanish Economic Review 2004 (6) :179-209.

[5]Stelios Michalopoulos, Luc Laeven, Ross Levine.Financial Innovation and Endogenous Growth.NBER Working Paper No.15356, 2009.

[6]王兵, 颜鹏飞.技术效率、技术进步与东亚经济增长——基于APEC视角的实证分析[J].经济研究, 2007, (5) :91-103.

[7]姚先国, 薛强军, 黄先海.效率增进、技术创新与GDP增长——基于长三角15城市的实证研究[J].中国工业经济, 2007, (2) :60-66.

区域技术效率测度模型及实证研究 篇9

一、基于随机前沿的测度模型

建立具有一般性的技术效率影响模型。

其中,i为城市序号;t为时间序号。y为城市生产总值,L为年末从业人员,K为资本存量。β0为截距项,βK、βL、βKK、βLL 为待估计的参数。εit代表误差项。TE表示城市的技术效率水平。m为各区域不同时期技术非效率的程度;γ为技术非效率在误差项中的比重。

二、模型假设检验结果

应用Frontier,得到假设检验结果,见表1。

从假设检验的结果中可以看出:因为对零假设的拒绝,显著存在着技术非效率,SFA技术的使用是有效的。构建模型选用的超越对数生产函数是有效的。随着时间的变化,技术非效率也是随之变化的。所以研究构建的模型对城市的技术效率水平能够进行有效的反映。

三、辽宁省技术效率测算

以辽宁省14个城市13年的经济发展数据为依据,利用所构建的模型进行测算,得到最大似然估计结果和技术效率结果,见表2。

从最大似然估计的结果中,可以得知:第一,在随机扰动项中,有86.45%的成分是由技术非效率所导致,即y与前沿面的距离主要由统计误差等因素造成。第二,参数η=0.0613>0,对βt来说,来自于时间因素的影响越来越小,说明各个城市以0.0613的速度,随着时间的推移加速下降其所面临的随机因素。

从测算结果来看,第一,站在13年发展的总体角度,辽宁省全省的平均技术效率为0.6885,这个数值刚刚及格,显示辽宁省整体对现有资源的利用效率不是很高,社会的实际产出与理论的产出前沿面还有很大的距离。现有技术和现有资源没有得到高效的利用,有相当一部分资源被搁置甚至被浪费了,不论是资本投入还是劳动力投入都没有得到应有的价值,还存在很大的蓝海区域,还有很大可以挖潜的空间。

第二,从面板数据横截面来看,技术效率数值,也就是资源利用的水平,都以一种逐步上升的趋势在发展,见图1。

可以看出,2000年辽宁省平均技术效率为0.588,2007年平均技术效率为0.771,上升了31个百分点;2000年中部城市群平均技术效率为0.631,2007年中部城市群平均技术效率为0.796,上升了26个百分点;2000年沿海经济带平均技术效率为0.585,2007年沿海经济带平均技术效率为0.770,上升了31个百分点;2000年辽西北地区平均技术效率为0.631,2007年辽西北地区平均技术效率为0.796,上升了39个百分点。随着时间的发展,各个城市各个地区对于资源的利用水平都在稳步的提高。

第三,从面板数据纵截面来看,辽宁省14个城市之间的技术效率水平不均衡,资源利用效率最高的是省会———沈阳市,2012年的技术效率为0.917,说明省会城市对各项资本投入利用的水平较高,与生产前沿面的差距很小。资源利用效率最差的是资源枯竭型城市———阜新市,2012年的技术效率为0.670,说明阜新市对于各项资本投入利用的情况不好,与理想前沿面的距离差距很大。具体见图2。

从图2中可以看出:资源利用效果最好的城市有沈阳、鞍山和锦州;资源利用效果中等的城市有大连、朝阳、辽阳、丹东、葫芦岛和盘锦;资源利用效果最差的城市营口、本溪、抚顺、铁岭和阜新。第一层次的城市集群,其平均技术效率水平都在0.8以上,第二层次的城市集群,其平均技术效率水平都在0.6—0.8之间,第三层次的城市集群,其平均技术效率都在0.6以下。利用效率低的城市应该内部寻找原因,注重资源的利用性,利用效率中等的城市要技术效率和创新共同发展,利用效率高的城市要利用技术创新,使理论前沿面再度提高,以此来刺激城市的更好发展。

第四,为了从集群的角度来研究辽宁省经济发展,所以,将各个城市分为三大领域,资源利用效率最高的区域是中部城市群,其平均技术效率为0.7193,比全省数值还高出3.5个百分点;资源利用效率居中的区域是沿海经济带,其数值为0.684, 约等于全 省的平均 数值0.686;资源利用效率最低的区域是辽西北地区,其平均技术效率水平为0.6332,与辽宁省其他地区存在着明显的差异。并且,随着时间的发展,各个区域的技术效率名次基本不变,说明在短时间内,经济发展的模式还是相对稳定的。

四、结论

区域经济技术创新效率 篇10

关键词：区域,技术效率,随机边界

中国在改革开放之后取得了辉煌的经济成就，在超过30年的时间里经济的平均年增长率几乎达到10%。高速的经济增长使中国令世界瞩目，但一些观点认为，中国的经济奇迹只是过去半个世纪亚洲经济模式的翻版，是依靠大量的资本和劳动投入而取得的，不具备可持续发展的基础。中国经济的增长源泉究竟是什么，中国经济的发展是否具有可持续性，对这两个问题的解答很大程度上取决于对中国全要素生产率的正确测算及分解。作为全要素生产率增长的一部分，技术效率的变化也引起学者们的广泛重视。而由于中国存在的巨大地区差异，分别测算各个省级区域的技术效率的变化情况，对于研究如何缩小地区差距，促进各地区经济增长趋同也具有相当重要的现实意义。

本文共分四部分：第一部分为文献综述;第二部分为方法和模型，对本文所采用的SFA方法及模型作一简要介绍;第三部分为模型估计与讨论;第四部分为总结。

1 文献综述

正确测算全要素生产率增长并进行分解对于判断产出增长是否可持续具有重要意义。新古典经济学认为如果没有全要素生产率的持续增长而只依赖于要素投入，那么经济增长将是不可持续的。Solow(1957)所开创的“增长核算”已经广泛用于全要素生产率的计算。但Solow的方法也有缺点，它不能分解全要素生产率增长的来源，不能告诉我们全要素生产率的增长是来自于技术进步还是技术效率的改进，而区分这两个来源对于可持续发展来说很重要。如果没有技术进步，仅依赖技术效率的改进而取得的增长依然是不可持续的。这是因为，生产边界一旦达到，就无法再取得进一步的效率改进。Osiewalski等(1998)就声称波兰的产出增长只是得益于技术效率的改进，改革将生产向边界推进，但是生产边界本身并没有变化。但是对于发展中国家或者落后地区来说，在现在技术条件下通过技术效率的改进来获得发展则更具有可行性。在效率估计方面，采用非参Malmquist指数的数据包络分析(DEA)方法得到了广泛应用。但是，这一方法的缺点是没有考虑到随机事件或其他一些因素对产出可能造成的影响，将所有对生产边界的偏离都视为一种无效率。而随机边界分析(SFA)方法则允许随机扰动的存在，认为技术无效率与随机扰动都能造成生产脱离边界运行，并且也能够对这两种来源的偏离进行区分。

关于DEA与SFA两种方法之间的比较，国外学者研究结果发现没有任何证据表明一种方法比另一种绝对有效，Banker等(1993)认为，二者各有不同的适用条件，经验研究中需要根据具体问题进行选择。国内傅晓霞和吴利学(2007)、魏下海和余玲铮(2011)都对DEA方法与SFA方法在中国的适用性作了对比，却得出了截然相反的结论。魏下海和余玲铮(2011)认为，由DEA方法得到的结论可能更加可靠,也更能满足对中国经济现实进行解释的需要。而傅晓霞和吴利学(2007)则认为，对于改革以来的中国经济增长，随机边界分析可能是更为适用的分析工具，其结论也更为可靠。由于采用数据、样本区间以及模型设定的不同，两种方法孰优孰劣可说并无定论。但随机边界分析相对于非参的DEA方法来说较多地考虑了随机冲击对经济系统的影响，并且也避免了“数据挖掘”的危险，更加适用于已密切融入世界经济、宏观经济中不确定因素日益增多的中国经济。此外，随机边界分析还有一个优点就是能够估计各种因素对技术无效率的影响，对于寻找提高技术效率的方法颇具启发性。国内也有众多研究应用了随机边界分析方法，如于君博(2006)对我国改革开放以来25年间的技术效率变迁进行了测算，其分析结果认为，我国经济增长过程中的技术效率改进并不明显。陈青青、龙志和和林光平(2011)也运用随机边界分析模型对我国1996～2006年间的省际区域技术效率进行测算，并得出结论：我国中部地区的技术效率最高，东部次之，西部最低;且三大地区技术效率均逐年提高，三者之间的技术效率差异呈现收敛趋势。

2 方法和模型

Aigner,Lovell和Schmidt(1977),Meeusen和vanden Broeck(1977)开创并发展了随机边界模型。具体来说，随机生产边界模型中的确定项可以表示为：

随机生产边界中增加了随机误差项，从而可以表示为：

其中t=1,2,K,T代表时间趋势，作为技术变化的代理变量。向量xit代表区域i在时刻t的各种要素投入，β为待估计的系数向量。εit为随机误差项，由相互独立的两个不可观测变量vit和uit组成，其中vit为代表随机噪声的双边误差项，vit服从分布N(0,σv[2])，而uit为代表产出导向技术无效率程度的单边误差项：

其中，Zit为表示区域特征的(g×1)向量，这些特征是造成该区域技术无效率的因素。δ为(1×g)的未知系数向量。wit服从非负正态分布N+(0,σu[2])，因此uit类似地服从分布N+(δZit,σu[2])。

如Battese和Coelli(1988)所述，技术效率Teit=E[exp(-uit)|εit]。为估计TEit，首先必须确定f(xit,t,β)的函数形式。本文中，要素投入由资本K，劳动L组成，技术变化由时间t反映。因此f(xit,t,β)的形式可设定为如下形式的柯布-道格拉斯生产函数：

3 模型估计与讨论

3.1 数据

本文所使用的数据主要来源于中经网数据库及相关学者研究。数据不包括西藏、香港特别行政区、澳门特别行政区和台湾地区，重庆并入四川，样本为1994-2010年中国29个省、直辖市、自治区的产出、劳动投入与物质资本。产出的度量为各省GDP。劳动投入的度量为各省的全社会从业人员总数。在物质资本存量方面，本文采用张军等(2004)所估算的1994-2000年各省物质资本存量数据，并通过永续盘存法计算2001-2010年的各省物质资本存量数据。永续盘存法中所使用的折旧率参照张军等(2004)同样设置为9.6%。为避免Philips和Sul(2007)提出的所谓“基年价格指数”问题，所有数据在进行价格平减时都以1984年作为基期进行折算。

3.2 模型估计结果

从表1中可看出，模型估计的各个系数都非常显著，而Wald卡方检验值为32877.46，说明模型相当好地拟合了数据。

γ=0.949为误差项中技术无效率部分的方差σu[2]与总方差σu[2]+σv[2]的比值，它相当接近1，这说明对生产边界的偏离主要产生于技术无效率，而不是测量误差。

lnK和lnL的系数分别为0.54和0.42，总和约为0.96，符合通常柯布-道格拉斯生产函数的经济意义。同时也可以看到，物质资本投入的产出弹性要高于劳动投入的产出弹性。时间t的系数为0.035，它可认为是反映了不能由要素投入解释的产出变化，即所谓的全要素生产率。

从表2中可以看到，贵州的平均技术效率水平最低，仅为0.354，而上海的平均技术效率水平最高，为0.9766。我国各省级区域之间存在着相当的技术效率差异。

而从三大地区来看，东部地区的技术效率最高，中部次之，西部最低。在东部地区中，上海和广东的技术效率分别为0.9766和0.9551，体现了上海和广东作为长三角与珠三角经济区核心的优势。海南和广西虽然被划分在东部，但其技术效率分别为0.4865和0.5311，不仅远低于其他东部地区，还低于中部平均水平，只比西部平均水平略高。

中部和西部两大地区各省技术效率的标准差分别为0.061和0.064，而东部扣除广西和海南之后各省技术效率的标准差也仅为0.086，这显示东、中、西三大区域间的效率水平分别有显著的区域内集聚现象，而三大区域之间的分化现象非常严重。

4 总结

通过应用随机边界模型对我国省际技术效率进行测算，可以发现中国各省级区域之间存在相当大的技术效率差异。西部地区和广西、海南各省应该将重点放在对现有技术的有效利用上，将产出向生产边界推进。而东部地区则应进一步加强技术的引进与创新，将生产边界向前推进，促进经济的可持续发展。

参考文献

[1]Aigner,D.,Lovell,C.A.K.,&Schmidt,P.Formulationand estimation of 25 stochastic frontier production functionmodels.Journal of Economics,1977(6):21-37.

[2]Banker,R.D.,Gadh,V.M.,and Gorr,W.L..A Monte Carlo Comparison of Two Production Frontier EstimationMethods:Corrected Ordinary Least Squares and DataEnvelopment Analysis[J].European Journal of OperationalResearch,1993(67):332-343.

[3]Battese,G.E.,&Coelli,T.J.Prediction of firm level technical efficiencies with a generalized frontier production functionand panel data.Journal of Econometrics,1988(38):387-399.

[4]Meeusen,W.,&vanden Broeck,J.Efficiency estimation from Cobb-Douglas production functions with composed error.International Economic Review,1977(18):435-444.

[5]Osiewalski,J.,Koop,G.,&Steel,M.F.J.A stochasticfrontier analysis of output level and growth in Poland andwestern economies.Working paper.1998,Department ofEconomics,Tilburg University.

[6]Phillips,P,C,B,Sul,D.Transition modelling and econometric convergence tests[J].Econometrica,2007(6):1771-1855.

[7]Solow,R.M.Technical change and the aggregate production function[J].Review of Economics and Statistics,1957(39):312-320.

[8]陈青青,龙志和,林光平.中国区域技术效率的随机前沿分析[J].数理统计与管理,2011(2):271-278.

[9]傅晓霞,吴利学.前沿分析方法在中国经济增长核算中的适用性[J].世界经济,2007(7):56-66.

[10]于君博.前沿生产函数在中国区域经济增长技术效率测算中的应用[J].中国软科学,2006(11):50-59.

我国煤炭产业区域分布与效率评价 篇11

关键词：煤炭产业；区域分布；整体效率；DEA

中图分类号：F207文献标识码：A文章编号：1672-3198（2007）12-0012-03

1 关键煤炭产业链环区域分布现状

（1）上游产业：煤炭开采和洗选业。我国煤炭开采和洗选业主要分布于黄河中游地区，其总资产比例为44.96%，北部沿海和长江中游地区次之，西南地区资产规模相对较小，这主要由于我国西部地区煤炭资源开发较晚，储采比偏低。从配套产业来看，采矿采石设备制造业主要分布于东北、黄河中游和北部沿海地区，东部沿海总资产规模相对薄弱。

（2）中游产业：火力发电和炼焦业。火力发电业是我国煤炭产业链中游环节最主要的节点，主要分布于黄河中游和东部沿海地区，而火力发电业的供需及配套的电力供应及设备制造业均集中于北部沿海地区。处于煤化工产业链环的炼焦业主要集中于黄河中游地区，其总资产比例达到57.91%。炼焦行业的资源依赖性较强，但相关数据显示，我国的炼焦业与配套焦煤资源集中于黄河中游和长江中游地区，而需求却以东部为主。

（3）下游产业：冶金、化工和建材业。冶金业的黑色金属采选及延压加工主要分布于北部沿海地区，有色金属采选及延压加工业主要分布于黄河中游地区，配套产业的冶炼专用设备制造则主要集中于东北地区。煤炭产业链的延伸主要是基础化工原料制造业和肥料制造业，其分别集中于东部沿海和西南地区，其中肥料制造业的区域集中性不高。建材业的水泥制造业、玻璃及玻璃制品制造业以及砖瓦石材建筑材料制造业均主要集中于北部沿海。此外，与之配套的设备生产也主要集中于北部沿海等地区。

2 关键产业链环区域效率评价

2.1 模型及指标选取

本文运用DEA的VRS模型，数据来源于2005年中宏产业数据库，数据处理软件为deap软件。VRS模型一般表达试为：DEA方法测度的是各决策单元的相对效率，S-i和S+i为零的决策单元处于有效前沿面，同时达到技术有效和规模有效，即总体有效，而非零的S-i和S+i使有效前沿面可以沿水平和垂直方向延伸至有效前沿面，即改善原非有效技术效率和规模效率至有效状态。VRS模型可同时测度出技术效率、纯技术效率和规模效率。 

模型所选取的输入指标为总资产(X1)、主营业务成本(X2)、费用总额(X3)以及从业人员平均人数(X4) 4个指标，输出指标为利润总额(Y1)和税金总额(Y2) 两个指标。

2.2 关键产业链环的区域效率分析及评价

(1)上游产业区域效率分析及评价。

从DEA运行结果来看，在煤炭开采和洗选业中，黄河中游地区处于生产前沿面，同时达到规模有效和技术有效。该地区是煤炭业的集中分布区，煤炭资源开发早，技术处于领先水平。南部沿海地区技术有效，主要源于该地区辅助链环具有比较优势，如人才、技术、管理和资金优势等，但該地区面临煤炭资源严重馈乏的劣势。煤炭资源丰富的西南地区规模效率较好，但技术效率相对较低。

配套产业的产矿采石设备制造业只有北部沿海地区同时达到规模有效和技术有效，而黄河中游地区无论是技术效率还是规模效率，与之相比都具有很大差距，其他地区的生产效率亦较低。

(2)中游产业区域效率分析。

在火力发电业中，东北地区同时达到规模有效和技术有效，而分布较集中的北部沿海、东部沿海等地区技术效率均很低。技术效率低是导致火力发电业总体效率不高的直接原因，而电力高消费区其电力生产效率普遍不高。分析配套产业的电力供应，长江中游和南部沿海地区规模有效，东部沿海地区技术有效；配套产业的发电机及发电机组业中，西北地区同时达到技术有效和规模有效。此外，东北和北部沿海地区均达到规模有效，但其技术效率不高。炼焦业的整体效率较高。其中西北、黄河中游和西南地区均达到规模有效，技术效率也较高，同时由于这些区域的煤炭资源丰富，所以发展炼焦业具有比较优势。

(3)下游产业区域效率分析。

在冶炼业中，南部沿海的黑色金属采选业同时达到规模有效和技术有效，长江中游地区的黑色金属延压和加工业的总体效率最高，长江中游和南部沿海地区的有色金属采选及延压加工业的生产效率也较高。配套产业的冶炼专用设备制造整体效率较高，其中黄河中游和东部沿海地区均同时达到技术有效和规模有效。

分析化工业，基础化工原料制造业以西北地区总体效率最高，但目前该地区基础化工原料制造业的分布较薄弱，而分布最集中的东部沿海地区规模效率很低。肥料制造业则以南部沿海地区总体效率最高，其他分布较集中的黄河中游和西南地区，其总体效率均偏低。肥料制造业的整体效率不高，须充分发挥区域比较优势，促进肥料制造业生产效率的提高。

建材业中的水泥制造、玻璃及玻璃制品制造以及砖瓦石材建筑材料制造均集中于北部沿海，而其总体效率却分别以北部沿海和西北地区、西北地区、黄河中游地区最高。配套产业的建筑材料专用设备制造业总体规模小，结构分散，这也是该行业总体效率偏低的主要原因。

3 提升我国煤炭产业整体效率的几点建议

由以上分析可知，由于经济发展和煤炭资源赋存的不均衡，我国煤炭产业发展形成了明显的区域格局。一方面，资源条件决定了煤炭产业分布的相对集中性，但同时也导致了各区域煤炭产业结构趋同的不足，各产业链环在各区域均有分布，形成资源和市场过度的区域间竞争，其中以煤炭采选、火力发电、黑色金属冶炼及加工、水泥制造、基础化工原料制造等产业链环最为显著；另一方面，技术水平、资源条件、资金优势等经济发展因素共同作用，使得各煤炭产业链环的区域效率存在较大差异，同时引致区域效率与区域分布之间的不匹配性，主要表现为：煤炭资源集中区其高耗能产业的经济效率偏低，而煤炭资源贫乏区其高耗能产业的经济效率反而较高，就煤炭采选业、炼焦业、黑色金属采选和冶炼及加工等主要产业链环分析，煤炭资源严重匮乏的南部沿海地区其经济效率均高于西南和东北地区。而实质上，煤炭产业的健康发展须充分发挥各地区的资源优势和区位优势，以资源为依托，以效率为根本，实现资源与效率的统一。针对现有的问题，可以从以下几个方面提高煤炭产业的整体效率：

（1）加强黄河中游地区的煤炭开采和洗选业、炼焦产业、黑色金属冶炼业、建材业等产业链环的发展，针对该地区煤炭企业分散的问题，须加强对该地区煤炭企业的资源整合。

（2）东北地区煤炭资源较丰富，具备一定的技术和经济实力，适合发展煤炭开采和洗选业、采矿石设备制造业、黑色金属冶炼及加工业。作为老工业基地，该地区煤炭采选业的技术效率偏低，须加强对生产设备的技术改造，通过资源整合提高总体经济效率。

（3）西南和西北地区经济发展落后，但其煤炭资源丰富且矿产资源的配套性较好，而且拥有生产成本低的优势，表现为劳动力数量多且廉价、土地便宜、能源费用低、政策优惠等，适合发展资源和劳工密集型以及部分资源加工型的重化工业，如煤炭开采和洗选业、煤化工业、有色金属开采和冶炼业等。其中西南地区煤炭资原后备储量相对充足，而现阶段该地区煤炭采选业的经济效率偏低，应加强该地区煤炭资源的开采能力，提升煤炭开采技术。

（4）东部沿海、南部沿海等地区煤炭资源相对匮乏，但经济发展较快，地理位置优越，具有资金、技术、人才以及信息等方面的优势，适合发展技术密集型产业，如采矿采石设备制造、发电机及发电机组、冶炼专用设备制造、相关产品贸易及进出口等煤炭产业链下游产业继续延伸的相关产业。此外，由于资源的限制，应逐渐收缩并向中西部转移东部沿海和南部沿海地区的煤炭开采和洗选业、建材业等高耗能产业。

参考文献

［1］徐丽萍．我国煤炭产业特性及其价值网络分析［J］．理论探索，2006，（3）.

［2］龚勤林．论产业链延伸与统筹区域发展［J］．理论探讨，2004，（3）：62-63.

［3］郑胜利．产业链的全球延展与我国地区产业发展分析［J］．当代经济科学，2005，27（1）：87-112.

［4］Charnes.A,Cooper WW, Rholdes E. Measuring the efficiency of decision making units［J］. European Jounal of Operational Research,1978，6(2): 429-444.

［5］Casten Homburg.Using data envelopement analysis to benchmark activities［J］. International Journal Production Economics 71，2001: 51-58.

［6］Tim Coalli.A Guide to Deap Version 2.1: A Data Envelopement Analysis (computer) Program: 30-49.

区域经济技术创新效率 篇12

区域创新效率是区域经济发展的重要问题,受到了众多学者的关注。从区域创新效率测度的方法上来看,使用较多的是参数方法(比如随机前沿方法)和非参数方法(比如指数法和数据包络方法)。比如,李婧(2008)、李邃(2011)采用DEA方法对中国区域创新效率进行了实证分析,东(Dong,2014)运用DEA方法对中国31个省2002—2011年的面板数据对区域创新效率进行了测算;克鲁兹·卡扎尔(Cruz Cázares,2013)采用两阶段分析方法,分别用DEA-Malmquist方法及GMM方法对西班牙制造业公司的创新效率进行了分析;李婧(2009)、石峰(2010)采用随机前沿模型对中国区域创新效率进行了测度;曹(CAO,2015)运用随机前沿模型,并结合投影寻踪模型对中国2003—2011年区域研发创新效率进行了测算。与随机前沿分析法相比,数据包络方法无需估计生产函数,也无需考虑量纲归一及指标权重的确定,保证了效率评价的客观性,对多产出复杂生产系统有很好的适应性。因此,本文将选择数据包络方法测度长江经济带区域的创新效率。

从区域创新效率研究对象上来看,已有较多的学者对国家和大区域尺度的区域创新效率相关问题进行了研究,比如余泳泽(2013)对我国区域创新效率的空间外溢效应和价值链外溢效应进行了探讨,赵增耀(2015)对区域协同创新效率的多维溢出效应进行了分析;白俊红(2009)、王鹏(2012)、于明洁(2013)等探讨了影响区域创新效率的因素;弗雷兹(Fritsch,2010)基于研发投入产出对区域创新效率进行了研究,并对其影响因素进行了探讨;布鲁克(Broekel,2013)运用面板数据对德国区域创新效率的影响进行了研究。但对经济联系密切的经济带尺度的创新效率及空间关系研究较少,对长江经济带的创新效率也没有文献进行系统的分析。

基于此,本文运用超效率DEA方法对长江经济带区域创新效率进行评价,并采用全局空间相关指数(Global Moran'I)和局部空间相关指数(Local Moran'I)揭示长江经济带内各省市创新效率的空间相关性,以反映长江经济带创新效率的现状和内部空间关系,对政府制订相应的创新政策,促进长江经济带创新发展有重要的现实意义。

1 研究方法

1.1 长江经济带区域创新效率测算方法

传统的DEA模型是评价多投入、多产出模式下决策单元相对有效性的方法,其缺陷是对多个有效单元(即效率值均为1)的情况难以比较。安德森和彼特森(Andersen&Petersen,1993)提出的超效率模型,有效地解决了决策单元效率值大于1时的对比问题。超效率模型包含投入导向和产出导向,本文采用基于投入导向的超效率DEA模型,其表达式如下:

1.2 空间相关性分析方法

1.2.1 全局空间相关指数

Global Moran'I主要验证的是整个研究区域是否具有空间同质性,即只存在一个充满整个区域的趋势,其计算公式如下:

Moran'I指数的取值范围在(-1,1)之间。当Moran'I大于0时,表示地区间呈现正空间相关性;当Moran'I小于0时,表示地区间呈现负空间相关性;当Moran'I等于0时,表示地区间不存在空间相关性。Moran'I指数的显著性检验主要采用服从标准正态分布的Z统计量来进行。

1.2.2 局部空间相关指数

局部空间相关性研究的是一个区域单元上的某种地理现象,或者某一属性值与邻近区域单元上同一现象或者属性值的相关程度,探测空间异质性,其计算公式如下:

2 指标与数据

2.1 指标选取

基于投入产出导向的超效率区域创新效率的评价,其投入产出指标的选取是决定区域创新效率评价是否合理的重要因素。资本投入和劳动力的投入是研究投入产出效率的常用方法。本文综合前人的研究,在投入变量方面,选取R&D经费内部支出和R&D人员全时当量两项指标。其中,R&D经费内部支出是指为开展R&D活动实际用于本单位内的全部支出;R&D人员全时当量是指全时人员数加非全时人员按工作量折算为全时人员数的总和。相比R&D人员,R&D人员全时当量更能准确地反映创新投入力度。在产出变量方面,选取专利授权量、科技论文和高技术产业新产品销售收入三项指标。其中,专利授权量是直接创新行为,是衡量创新活动的可靠指标;科技论文反映一个地区基础研究等方面的成果,本文主要选取SCI、EI、ISTP三大检索工具收录的科技论文数作为一项产出指标;高科技产业是创新产出的主力军,其新产品销售收入是创新产出的集中体现。

2.2 数据来源

本文数据来源于2007—2013年《中国科技统计年鉴》、2007—2013年《中国高技术产业统计年鉴》。大多数学者认为,从投入到产出具有一定的滞后期,官建成(2005)将投出产出滞后时期设为4年,肖仁桥(2012)将滞后期设为2年,史修松(2009)、余永泽(2014)、赵文平(2015)等将滞后期设为1年。考虑前人的研究及数据的可取得性,本文将投入产出滞后期设为1年。

3 实证结果与分析

3.1 长江经济带区域创新效率测算

运用EMS1.3软件,采用投入导向的超效率DEA模型对长江经济带创新效率进行测算,得到长江经济带区域创新效率值,如表1所示。

从区域创新效率值可以看出,2007—2012年长江经济带总体创新效率值较高,大致形成三大梯度。属于第一梯度的有上海、浙江、江苏、重庆和湖北。其中,上海和浙江历年创新效率值均超过1;江苏、重庆和湖北部分年份创新效率值略低于1,但其历年创新效率平均值大于1.属于第二梯度的有湖南、四川和安徽,其创新效率值接近于1.属于第三梯度的有云南、贵州和江西,其创新效率值显著低于第一、二梯度,与其所处的经济发展阶段、创新活动的投入等因素密切相关。

为进一步探究影响长江经济带区域创新效率的因素,运用DEAP2.1软件,基于投入导向对长江经济带内各省市2012年的投入产出冗余情况进行分析,得到其技术效率值和分解情况,如表2所示。其中,综合技术效率指输入一定的条件下,实现最大的输出或者输出一定的条件下实现输入最小;纯技术效率是指受管理和技术等因素影响的效率;规模效率是指受规模影响的效率。它们的值都介于0~1之间。“0”表示缺乏效率,“1”表示具有效率规模报酬是指各种生产要素按相同比例变化时所带来的产量变化,一般有三种情况,即规模报酬递增、递减、不变。

2012年长江经济带各省市中,综合技术效率DEA有效的有4个,分别是上海、江苏、浙江、重庆;其他7个省市表现为综合技术效率DEA非有效,其中,江西和贵州两省的综合技术效率显著偏低。这与各地区的经济发展情况密切相关——经济发展水平较高的地区其综合效率普遍较高,比如上海、江苏、浙江;而经济发展水平较低的地区,综合效率值则偏低,比如江西、贵州。

将综合技术效率分解为纯技术效率和规模效率可以看出,非DEA有效的7个市中,湖北、湖南、四川、贵州、云南五省的纯技术效率已达到DEA有效,说明已达到目前投入组合的最大产出,其主要的制约因素为规模效率,尤其以贵州省表现最为突出,改进幅度达36.5%,需要进一步扩大创新活动的规模。湖北、湖南、四川、云南四省的改进幅度分别为11.4%,6.8%,1.7%和8%,通过适当的扩大创新活动的规模即可达到DEA有效。

安徽、江西两省在纯技术效率和规模效率上都存在一定的改进空间,通过对其投入产出冗余情况进行分析发现:安徽省在创新投入上存在冗余情况,其中,R&D经费内部支出冗余248 950万元,R&D人员冗余12 036人。江西省既存在投入冗余的情况,又存在产出不足的情况,其中,R&D经费内部支出冗余154 734万元,R&D人员冗余6 000人,专利产出不足量5 590件,如表3所示。从创新投入角度看,同时存在创新投入冗余的安徽和江西应适当减少创新投入,充分配置资源,从而使创新效率达到最大。从创新产出角度看,江西在创新投入冗余的情况下还存在着部分创新产出不足的情况,说明其创新投入配置和创新成果转化上存在问题,应当调整创新资源的配置,并提升创新成果产出量及创新成果转化率,以实现创新投入产出达到最优组合状态。

3.2 空间相关性分析

3.2.1 全局空间相关性分析

Global Moran'I是揭示全局空间相关性的常用指数。运用Open Geoda软件对长江经济带各省市创新效率的Global Moran'I进行测算,以揭示长江经济带整个区域是否具有空间同质性。结果显示:从Global Moran'I指数值来看,2007—2011年长江经济带地区呈正的空间相关性,2012年呈现负的空间相关性。但根据Z值检验结果,2007—2012年长江经济带创新效率Global Moran'I指数值均未通过检验(Z>1.96或Z<-1.96表示通过检验,Z值介于(-1.96,1.96)之间表示空间自相关性不明显),如表4所示,表明长江经济带各省创新效率不存在显著的空间自相关特征。

3.2.2 局部空间相关性分析

局部空间相关性用局部空间相关指数(Local Moran'I)进行衡量。Local Moran'I高值表示有相似变量值的面积单元集聚,Local Moran'I低值表示有不相似变量值的面积单元在空间集聚。2007—2012年长江经济带中,江苏、上海、浙江是高值区,其创新效率与周边地区相似;安徽、湖北、湖南、江西、四川、重庆、贵州、云南是中低值区,与周边地区创新效率差异较大。其中,江西和贵州两省的Local Moran'I指数值历年偏低,表明两省与周边地区一直存在较大差异。而江苏省则表现为创新效率日益提高,与周边地区呈现高度相似状态,如表5所示。

Local Moran'I的散点图中,高高(HH)象限是热点区域,表示区域自身和周边地区的创新效率均较高,存在较强的空间正相关;高低(HL)象限是异质性突出区域,表示区域自身创新效率较高,周边地区较低,存在较强的空间负相关;低低(LL)象限是盲点区,表示区域自身和周边地区的创新效率较低,存在较强的空间正相关;低高(LH)象限是异质性突出区域,表示区域自身创新效率较低,周边地区较高,存在较强的空间负相关。

由2007—2012年长江经济带Local Moran'I散点图可知:(1)长江经济带中,上海、江苏、浙江三省基本一直位于高高象限,具有较高的创新效率,与周边地区存在较强的空间正相关,是长江经济带中创新的热点区。其中,2012年江苏省的创新效率增长迅速,而相邻的上海则呈现出平稳的发展态势,促使上海由高高象限转变为低高象限,江苏由高高象限转变为高低象限。(2)安徽、江西两省位于低高象限,与邻近地区异质性突出,并未受到邻近地区的影响呈现快速的发展趋势。(3)四川、云南、贵州主要位于低低象限区,区域自身与周边地区的创新效率均较低,而三省在空间上正好是空间位置邻近的关系,是长江经济带中的盲点区。(4)湖北、湖南、重庆主要位于高低象限,邻近地区的创新效率较低,呈现负的空间相关性,异质性突出。其中,重庆从低低象限变为高低象限,表明近年来重庆的创新效率与邻近地区相比取得了较快的发展。图1为长江经济带各省市Local Moran'I散点图。

4 结论及政策启示

长江经济带作为我国重要的战略经济带,其总体创新效率较高,但内部差异十分显著。上海、浙江、江苏、重庆以较高的创新效率领先于其他地区;湖北、湖南、四川、贵州、云南五省纯技术效率有效,创新效率主要受创新规模制约;安徽省在创新投入上存在冗余情况,江西省既存在投入冗余的情况,又存在产出不足的情况。

要使长江经济带整个区域的创新效率得到提升,创新效率较高的上海、浙江、江苏、重庆在保证自身投入产出模式进一步优化的情况下,充分发挥对周边地区的正向溢出效应,促进周边省份的创新投入模式改进以及科技成果转化。纯技术效率有效的湖北、湖南、四川、贵州、云南应当扩大创新活动规模,适当加大创新投入,引进高素质人才,积极承接相关创新项目,促进创新效率的提高。存在投入冗余的安徽,应当适当削减创新投入,降低资源的浪费率;存在创新投入冗余且部分创新产出不足的江西既要适当减少创新投入,同时要进一步调整创新投入的配置,弥补部分产出不足的情况。此外,引进高素质人才促进研发能力及成果转化能力的提升是提高创新效率的有效途径。

长江经济带整个区域的创新效率并不具有明显的空间相关性,创新效率高的地区对创新效率低的地区的辐射带动作用不明显。长江经济带作为一个整体区域,其内部各组成部分之间的相互关系对整体的创新效率有重要影响,长江经济带自规划以来历时较短,针对整个区域的相关创新政策较少,区内的相互协作意识较为淡薄,行政因素对区域创新溢处有重要的影响。

长江经济带需要加强整体的创新发展规划,制订有效的利于创新资源流动的政策;政府之间要加强协作,打破行政边界的限制,加强创新资源、人才等的流动,促使创新资源充分、合理使用,促进创新成果高效转化。

长江经济带整体创新效率空间相关性虽然不显著,但小区域之间存在一定的关联性。大致可分为上、中、下游三个小区域,上游地区包括贵州、云南、四川和重庆,其创新效率普遍偏低,即盲点区;中游地区包括湖北、湖南和江西,创新效率处于中等水平;下游地区包括安徽、江苏、上海和浙江,普遍具有较高的创新效率,即热点区。