中国高新区效率变动及影响因素研究_省略_97_2012年_的随机前沿分析_姜彩楼
我国高新技术产业开发区创新效率及其影响因素研究
Research on Innovation Efficiency and Influencing Factors of High-tech Industry Development Zones
in China
作者： 曾武佳[1];李清华[1];蔡承岗[1]
作者机构： [1]四川大学经济学院,成都610064
出版物刊名： 软科学
页码： 6-11页
年卷期： 2020年 第5期
主题词： 国家级高新区;创新效率;三阶段DEA模型
摘要：利用2014~2017年中国103个国家级高新技术产业开发区的面板数据和三阶段DEA-Tobit分析方法对国家级高新区的创新效率及其影响因素进行了研究。
先通过三阶段DEA模型估算了各国家级高新区的技术效率,再利用Tobit模型对处理后的效率值与高新区集聚变量之间的关系进行了实证研究。
结果表明:在剥离外部环境及随机影响因素后,重新计算的国家级高新区创新效率更符合实际,且存在显著的地区差异,而高新区内部的资本集聚、企业集聚、人才集聚、产业集聚程度则是造成这种效率差异的主要原因。
中国高新技术产业的发展及其影响因素研究
中国高新技术产业的进步及其影响因素探究摘要：随着科学技术的飞速进步，中国高新技术产业开始崛起，成为推动经济转型升级的重要引擎。
本文通过对中国高新技术产业的进步历程进行探究，探讨了高新技术产业进步的影响因素，包括政府政策、市场需求、科研投入等。
探究结果表明，政府的乐观引导、市场的有效需求、科研投入的提升是增进中国高新技术产业进步的关键因素。
然而，高新技术产业进步仍面临一些挑战，包括科技人才短缺、创新能力不足等。
因此，我们应该进一步完善政策措施，推动高新技术产业进步，以实现中国经济的可持续进步。
1. 引言随着经济全球化的加速和科技的持续进步，高新技术产业成为推动国家经济转型升级的重要引擎。
作为世界上最大的进步中国家，中国高新技术产业的进步受到了广泛的关注。
本文旨在通过对中国高新技术产业的进步进行探究，分析其影响因素，并探讨如何进一步增进高新技术产业的进步，以推动中国经济的可持续进步。
2. 中国高新技术产业的进步历程中国高新技术产业的进步经历了不同阶段。
改革开放以来，中国政府开始重视科技创新和高新技术产业的进步，在政策和资金方面赐予乐观支持。
在上世纪80时期末和90时期初，中国高新技术产业开始起步，涉及领域主要包括信息技术、生物技术和新材料等。
随着时间的推移，高新技术产业逐渐扩大，并取得了显著的效果。
2010年以后，随着中国经济持续增长和第四次科技革命的到来，中国高新技术产业进入新的进步阶段，新型产业不息涌现。
3. 高新技术产业进步的影响因素3.1 政府政策政府政策在高新技术产业进步中起到了至关重要的作用。
中国政府通过实施一系列的政策措施，如鼓舞科技创新、加大科研经费投入、优化人才培育等措施，推动高新技术产业的进步。
此外，政府还加大对高新技术企业的扶持力度，为其提供财政补贴、税收优惠等优惠政策，从而增进了高新技术产业的迅速崛起。
3.2 市场需求市场需求是推动高新技术产业进步的另一个重要因素。
随着经济的快速进步和人民生活水平的提高，人们对科技创新的需求不息增加。
高技术产业的技术创新效率与影响因_省略__对五大类23个分行业的效率分析_党国英
lnYit = lnf（ xit ） + （ vit － uit ）
（ 1）
式 （ 1） 中，Yit表示行业 i 在 t 年份的技术产出，Xit 表示行业 i 在 t 年份的各种投入。误差项 vit、
uit为复合结构，vit 服从独立同分布的正态分布 N （ 0，σ2V） ，表示随机扰动的冲击影响； uit 为技术非效
《产经评论》2015 年 3 月第 2 期
高技术产业的技术创新效率与影响因素
———对五大类 23 个分行业的效率分析
党国英 秦开强
［摘要］ 高技术产业 Ｒ＆D 投入的技术创新效率是影响我国整体技术创新与技术进步能否持续的重要因 素。根据随机前沿分析 SFA 模型，采用 Frontier 软件，对 2008 － 2012 年中国高技术产业五大类 23 个分行业 的技术创新效率进行分析。研究结果表明： 以专利申请数作为创新产出的高技术产业各分行业平均技术创 新效率总体稳步升高，不同行业技术创新效率差异显著。技术创新产出主要由研发人员投入驱动。在影响 技术创新效率的诸因素中，知识产权保护水平存在显著的正向影响，技术差距与经济发展水平有着不明显 的负向影响。
ln（ Yit ） = β0 + β1 ln（ Ｒit ） + β2 ln（ Lit ） + （ Vit － Uit ） i = 1，2，…，n； t = 1，2，…，T
（ 4）
其中 Yit表示行业 i 在 t 年的创新产出，以专利申请受理数和新产品销售收入表示； Ｒit 表示行业 i
在 t 年的研发资本投入，Lit表示研发劳动投入，误差项 Vit表示随机扰动的冲击影响； Uit为技术非效率
项，表示个体冲击。具体可表示为：
Uit = zit δ + Wit
中国高技术产业创新效率研究基于SFA方法的实证分析
中国高技术产业创新效率研究基于SFA方法的实证分析一、本文概述随着全球科技的快速发展，高技术产业已经成为推动经济增长、优化产业结构、增强国际竞争力的重要力量。
中国作为世界上最大的发展中国家，其高技术产业的发展对全球经济格局具有深远影响。
然而，面对激烈的国际竞争和不断变化的市场需求，如何提升中国高技术产业的创新效率，成为了一个亟待解决的问题。
本文旨在通过运用随机前沿分析（SFA）方法，对中国高技术产业的创新效率进行实证分析。
我们将深入探讨高技术产业创新效率的内涵与影响因素，分析中国高技术产业创新效率的现状与问题，并提出相应的对策建议。
研究内容将涉及创新资源的配置、创新过程的管理、创新产出的评价等多个方面，以期为中国高技术产业的持续发展提供理论支持和决策参考。
通过本文的研究，我们期望能够揭示中国高技术产业创新效率的关键因素，为政策制定者和企业决策者提供有益的启示和建议。
我们也希望能够为推动中国高技术产业的创新发展和提升国际竞争力贡献一份力量。
二、文献综述随着全球科技竞争的日益激烈，高技术产业创新效率的研究已成为学术界和产业界关注的焦点。
高技术产业创新效率不仅关系到一国或地区的经济增长和产业升级，更是提升国家核心竞争力的关键。
基于此，众多学者从不同角度对高技术产业创新效率进行了深入研究。
早期的研究主要围绕创新效率的理论框架和影响因素展开。
如Smith和Peters（1990）提出，创新效率的提升受到研发投入、人才结构、政策支持等多重因素的影响。
随着研究的深入，学者们开始运用实证方法分析创新效率。
其中，随机前沿分析（SFA）方法因其能够处理误差项和随机扰动，逐渐成为创新效率研究的主流方法之一。
近年来，基于SFA方法的高技术产业创新效率研究不断涌现。
例如，Jones和Williams（2005）利用SFA方法对美国高技术产业的创新效率进行了实证分析，发现研发投入、技术转移和市场结构是影响创新效率的关键因素。
中国高技术产业技术效率影响因素分析——基于随机前沿生产函数分析
间 的技术 效 率差 异 ， 我们 采用 威 尔逊 等 人 １９ 提 ９ ８年
出 的思路 来对 这个 变 量进 行设 定③ 。 我 们 选择 如下 解 释 各 个 行 业 技 术效 率 的 因素 ： 行 业 中科 学 家 和 工 程 师 人 数 占从 业 人 员 总 数 的 比 例 ； ＆Ｄ经 费 内部 支 出 占总销 售 收 入 的 比例 ；新 产 Ｒ
近 ｌ ０年来 ， 国高技 术 产 业 发 展 相 当快 ， 我 已成
其 中 ： 是 第 行 业 ，第 ｔ 的 产 出 ； 是 第 ｉ 期
长 壮大 为 国民经 济重 要 的动力 型 先导产 业 。１９ ９ ５至 ２０ ０４年 期 间 ， 国高技 术 产 业 的 增 加值 从 １０ １ 我 ８ 亿 元 提 高 到 ６３ １亿 元 ， 占制 造 业 增 加 值 的 比重 从 ４ ８８ ．％上 升 到 １．％ 。总 体来 看 ， 国高 技术 产 业继 ３８ 我 续 保持 了快速 、 康 、 调发 展 ， 健 协 对拉 动 国 民经 济增
地 提 出相 关对 策建 议 ，对政 府 制定 高技 术产 业发 展
＋叮
技术 效 率 因素设 定 即对 Ｚ 的设 定 。决 定 中的 ｉ ｔ
变量 是 比较 困难 的事 情 ，也存 在 一定 的主 观 和 随意 性 ，因 为没有 一个 一 般 的理论 能 很好 的解 释 行业 之
政策 、合 理配 置科 技 资源 以及 高技 术企 业 的经 营管 理决 策具 有着 重要 的 意义 。
ｌ ‘ Ｌ ＋ｉｕ ｎ ｌ ￣ｖ Ｋ ｎ ） ， －
／ ＝ ｏａ。Ｉ ８‘ ６‘ ６’ ６’ ６‘ １ ａ １ ｔ ２ｚ＋ ］ ］ ４ｚ＋ ５ ５ ６ｚ ／ ＂ ＋ Ｚ＋ ２ ｚ ＋ ４ ｚ＋ ６ “
我国高新技术产业技术创新效率评价及其影响因素分析百度讲解
天津财经大学全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于 DEA 方法的省级数据的研究论文作者 : 罗艳孙淑英吕鹏浩指导教师：曹景林二○○九年九月全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于 DEA 方法的省级数据的研究The Evaluation of Technological Innovation Efficiency of China’s High—tech Industry and Analysis of Influencing Factors-— Based on the Provincial Data by DEA Approach1我国高新技术产业技术创新效率评价及其影响因素分析——基于 DEA 方法的省级数据的研究摘要：本文采用数据包络分析方法，利用 2003~2007年全国高新技术产业的投入产出数据, 对其技术创新效率进行了评价；并用 TOBIT 模型分别分析全国的、东、中、西部地区的技术创新效率的影响因素。
结果显示：我国技术创新效率整体水平偏低，区域间的差异也比较大. TOBIT 模型回归结果表明:各地区的工业化水平、科学家和工程师数占科技活动人员总量的比重与我国整体的高新技术产业技术创新效率有显著的正相关关系; 东部、中部地区的创新扩散与创新效率也有显著的正向关系; 仅西部地区的科技活动中的企业投入资金对技术创新效率有显著的正向作用, 要加大企业自有资金的科技投入但要严防固定资产投资和效率相背离的现象。
关键词：技术创新效率；数据包络分析； TOBIT 模型234大，带有一定的原创性, 最能够代表我国技术创新整体水平。
本文根据国家2002年颁布的高新技术产业统计分类目录, 利用 2003-2008年中国高新技术产业发展年鉴的数据,选取合适的技术创新的投入产出指标,采用 DEA 方法，考察全国范围内各省、市、自治区高新技术产业的技术创新效率，进而利用 TOBIT 模型分析影响技术创新效率的主要因素。
中国科技成果转化效率及其影响因素研究_基于随机前沿函数的实证分析_董洁
收稿日期：2012－02－28基金项目：国家社会科学基金重点项目（10ATJ003）；江苏统计应用研究基地基金项目（2012012）作者简介：董洁（1964－），女，辽宁沈阳人，博士、研究员、硕士生导师，研究方向为经济系统分析与管理；黄付杰（1987－），男，山东聊城人，硕士研究生，研究方向为科技统计。
中国科技成果转化效率及其影响因素研究———基于随机前沿函数的实证分析董洁a ，黄付杰b（江苏大学a．工商管理学院；b．财经学院，江苏镇江212013）摘要：通过收集2007 2010年我国31个省市科技成果转化的面板数据，采用因子分析法和随机前沿分析法，对我国科技成果转化效果和科技成果转化效率及其影响因素分别进行测度与比较分析。
研究发现：我国科技成果转化效率不高、各省市间存在较大差距；东部省市的科技成果转化效果和转化效率明显好于中西部省市；在影响科技成果转化的诸多因素中，政府支持起着最为关键的作用。
关键词：科技成果转化；因子分析；随机前沿分析中图分类号：F124．3文献标识码：A 文章编号：1001－8409（2012）10－0015－06Research on Transformation Efficiency ofSci －tech Achievements and Its Influencing Factors———An Empirical Analysis Based on Stochastic Frontier FunctionDONG Jie a ，HUANG Fu －jie b（a．School of Business and Management ；b．School of Financial and Economics ，Jiangsu University ，Zhenjiang 212013）Abstract ：This paper compared and analyzed the efficiency of sci －tech achievements and its influencing factors through collecting the sci －tech Achievements of Chinese 31provinces panel data from 2007to 2010by factor analysis and stochastic frontier analysis．Result shows that china＇s scientific and technological achievements conversion efficiency is not high and there is a big gap between the provinces ；Effects and the conversion efficiency of scientific and technological achievements of the eastern is significantly better than the central and western provinces ；government support plays the most crucial role in the many factors that affect the scientific and technological achievements．Key words ：transformation of sci －tech achievements ；factor analysis ；stochastic frontier analysis1引言近年来，随着高技术产业的发展日益成为经济发展的推动力，研发活动日益受到我国的重视，R＆D 投入大幅增加，由此也引发了对R＆D 推动经济增长效率的研究。
我国高新技术产业绿色创新效率测度及影响因素分析
第23卷第12期2023年12月创新科技Innovation Science and Technology Vol.23 No.12 Dec.2023我国高新技术产业绿色创新效率测度及影响因素分析施雄天（云南大学工商管理与旅游管理学院，云南昆明650500）摘要：根据2011—2020年各省（区、市）高新技术产业面板数据，通过超效率SBM模型和ML指数对两阶段高新技术产业绿色创新效率进行静态和动态测度，并使用Tobit面板回归分析高新技术产业绿色创新效率的影响因素。
研究发现：①从静态和动态效率来看，我国高新技术产业绿色创新效率处于中上水平，整体发展趋势良好。
②分阶段来看，研发阶段和成果转化阶段的绿色创新效率呈波动“V”形变化，且成果转化阶段效率值更高，说明我国高新技术产业在成果转化阶段的效率值更容易上升；整体来看，高新技术产业绿色创新效率较为依赖纯技术效率水平。
③环境规制和市场结构抑制高新技术产业绿色创新效率提升，地区经济发展水平对高新技术产业绿色创新效率提升有促进作用。
关键词：高新技术产业；绿色创新效率；SBM模型；ML指数；Tobit中图分类号：F276.44 文献标志码：A文章编号：1671-0037（2023）12-33-14DOI：10.19345/j.cxkj.1671-0037.2023.12.0030 引言过去产业粗犷式的发展，忽视环境保护和绿色创新技术的使用，导致环境污染严重，能源开采过度。
而绿色技术创新这一概念正是在环境保护遭遇困境，迫切需要调整技术方向的时候出现的。
Shu等[1]认为，绿色技术创新是依靠科技手段从环保角度升级改造工艺，进而促进可持续发展的绿色化过程。
在此背景下，我国政府提出要实现“碳达峰”“碳中和”的目标，其核心便是实现绿色可持续发展。
高新技术产业作为先进制造业和工业的代表，需要依靠绿色技术创新来实现经济效率和环境效率的协调发展。
本文通过对高新技术产业绿色创新效率的测度及影响因素分析，并进一步剖析近几年来我国高新技术产业绿色创新效率的变化，来探寻提升高新技术产业绿色创新效率的有效办法。
行政管理论文：高技术产业的区域效率差异及其影响因素研究
行政管理论文：高技术产业的区域效率差异及其影响因素研究1 绪论1.1 研究背景当前世界经济已经进入以人才密集型为中心，以知识密集型为导向的新经济时代。
世界范围内新一轮的科技革命浪潮再度袭来，这一切对人们的影响已经逐渐渗透到日常的生产生活之中，并在潜移默化中推动着经济运行模式、各行业产业结构的革新。
航空航天、信息技术、生物工程和新能源、新材料等高技术产业正乘着新科技革命的巨浪蓬勃奔涌而来。
这些行业的兴起和发展犹如春日的甘霖滋润着世界经济的复苏，并逐步成为知识经济的带名词和世界经济进步的中坚力量。
以美国经济为例，在资本主义世界经济占主导的上个世纪，美国经济的繁荣更是持久不衰，成功帮助美国问鼎世界经济霸主的宝座。
世界各国由此惊醒而开始深刻反思，并逐渐认识到世界各国间无论是政治斗争、经济较量还是综合国力的比拼，决定胜负的关键因素正是高技术产业的发展水平。
俗话说“磨刀不误砍柴工”，高技术产业这块磨刀石，决定着国家经济之刃、国力之矢是否足够锋利，决定着一国发展是否具有超强的爆发力和持久的续动力。
毫无疑问，高技术产业已经成为各国争夺世界经济领导力和政治话语权的主阵地，“得高技术产业者得天下”也已不再只是一句口号！我国作为世界负责任大国，在改革开放以来，积极合理的定位自己的经济发展方向，在二十世纪八十年代相继出台了“863 计划”和“火炬计划”，自此我国的高技术产业发展进入加速车道。
我国在区域化、规模化发展高技术产业之时，在长三角地区、珠三角地区和环渤海地区相继建成一批具有地方特色的高技术产业。
经过将近三十年的发展，这些地区的高技术产业均实现了长足的进步，很多搞技术产业领域甚至已经跻身世界一流水平。
①尽管如此，我国各区域高技术产业在成长发展中仍存在诸多问题，如：产业发展迅速但粗放式经营现象严重；高技术产业在国各地区的发展虽然已经初具规模，但是其在国际市场上的竞争优势依旧十分欠缺；高技术产业发展速度尽管已经超乎寻常，然而其规模化程度和专业化水平仍然较低，难以实现规模化发展形成区域高技术产业的规模经济；高技术产业的高精尖产品进口仍然具有很强的对外依赖性。
我国区域创新的效率及影响因素研究
我国区域创新的效率及影响因素研究引言：创新作为推动经济发展的重要引擎，不仅在国际竞争中具有重要意义，也对我国区域经济发展起到重要的支撑作用。
因此，探究我国区域创新的效率及其影响因素是有必要的。
本文将从我国区域创新效率的定义和评价方法入手，对影响我国区域创新效率的因素进行探讨，并提出相应的政策建议。
一、我国区域创新效率的定义和评价方法区域创新效率是指在特定区域内创新投入所能产生的创新输出效果，是反映特定区域创新能力和效益的重要指标。
评价区域创新效率的常用方法包括数据包络分析法（DEA），随机前沿分析法（SFA）和Malmquist指数法等。
这些方法可以量化创新输入与创新产出之间的关系，从而为评估和比较不同区域的创新效率提供基准。
二、影响我国区域创新效率的因素1.制度环境因素：制度环境是影响创新效率的重要因素之一、包括政策法规的制定与落实、知识产权保护体系的完善、市场环境的竞争程度等。
制度环境的良好与否不仅关系到企业的研发创新积极性，也影响着创新成果的转化和落地。
2.人力资源因素：人力资源是创新的重要支撑，影响着创新效率的高低。
合理配置的高素质人才队伍、创新人才的引进和培养、人才流动与交流等都是提高创新效率的重要因素。
3.科技研发投入因素：科技研发投入是创新效率的重要基础。
包括政府对科技研发的投资、企业自主研发的投入、高校科研机构的科研经费等。
增加科技研发投入，提高科研人员的创新积极性，能够有效地提高区域创新效率。
4.基础设施因素：基础设施的完善程度直接关系到区域创新的效率。
在信息技术高度发达的时代，便捷的交通网络、快速的数据传输、优质的教育资源等都对创新效率起到重要作用。
三、政策建议1.完善创新相关的政策法规体系，建立盗版和知识产权侵权的严厉惩罚机制，保护创新成果的合法权益，激发企业的创新欲望和动力。
2.加大对人才的引进和培养力度，建立科技人才评价机制，鼓励创新人才的流动和交流，构建开放、包容的人才生态。
我国区域创新的效率及影响因素研究
VS
数据来源的局限性
本研究的指标数据主要来自公开的统计数 据和调查数据，可能存在数据质量和可靠 性的问题。未来可以加强数据采集和数据 处理工作，提高数据的质量和可靠性。
政策建议
优化政策环境
政府可以制定更加有利 于创新的政策，包括财 政政策、税收政策、人 才政策等，为区域创新 提供更加良好的政策环 境。
加强市场建设
政府可以加强市场建设 ，包括知识产权保护、 市场竞争机制、科技成 果转化等方面的工作， 促进科技成果的转化和 应用。
推动产业结构 升级
政府可以引导企业加强 技术创新和产业升级， 推动传统产业向高新技 术产业转型，提高产业 附加值和技术含量。
支持企业创新 发展
政府可以制定更加有利 于企业创新的政策，支 持企业加大研发投入， 引进高端人才，提高企 业的技术实力和创新能 力。
企业间的合作可以弥补单个企 业的不足，提高创新效率。
创新链的完整性直接影响区域 创新的效率，包括基础研究、 应用研究、试验开发等环节。
微观影响因素
企业研发投入
企业研发投入直接影响区域创新的效率，是决定企业创新能力的重要因素。
企业管理水平
企业管理水平直接影响创新资源的配置和利用效率，进而影响区域创新的效率。
了解区域创新的效率及影响因素有 助于针对性地制定创新政策
研究意义
理论意义
丰富和发展区域创新理论，为后续研究提供参考
实践意义
为政府制定区域创新政策提供科学依据，为企业和科研机构开展创新活动提 供指导
02
文献综述
区域创新效率研究现状
01
区域创新效率的内涵
区域创新效率是指创新主体在创新过 程中对创新资源的利用效率，包括研 发、产业化、推广等环节。
创新型国家战略下的高新区的创新效率研究
创新型国家战略下的高新区的创新效率研究高新区作为创新型国家战略的重要组成部分，不仅是促进科技创新和经济发展的重要平台，也是推动国家经济结构优化升级的重要力量。
研究高新区的创新效率对于深化创新型国家战略具有重要意义。
一、高新区创新效率的定义与评价指标高新区的创新效率是指在给定的资源投入下，高新区实现科技创新产出的综合效益。
为了评价高新区的创新效率，我们可以采用以下指标进行评估。
1.人均科研经费投入：高新区的科研经费投入是衡量科技创新投入的重要指标。
人均科研经费投入越高，意味着高新区在科技创新方面的资源投入越大。
2.科技成果转化率：科技成果转化率是衡量高新区科技创新能力的重要指标。
科技成果转化率越高，说明高新区的科技成果能够更好地转化为实际应用，推动经济发展和社会进步。
3.专利申请数量：专利申请数量是衡量高新区创新能力和创新活力的重要指标。
专利申请数量的增加意味着高新区的创新活动更加活跃，创新能力也更强。
二、高新区创新效率的影响因素高新区的创新效率受到多方面因素的影响，主要包括以下几个方面。
1.资源投入：资源投入是影响高新区创新效率的关键因素。
包括科研经费、人才、科研设备等方面的资源投入。
资源投入越充足，高新区的创新能力就越强，创新效率也越高。
2.创新环境：创新环境是促进高新区创新效率的重要因素。
创新环境包括科研机构数量和质量、创新政策和法规、创新文化等方面。
一个良好的创新环境能够吸引更多的科研人才和创新资源，提高创新效率。
3.产业链配套：产业链配套是影响高新区创新效率的重要因素。
一个完善的产业链可以提供良好的创新支撑和市场支持，从而提高创新效率。
4.创新主体能力：创新主体能力是高新区创新效率的关键因素。
创新主体包括高新技术企业、科研机构和创新团队等。
创新主体能力越强，高新区的创新效率就越高。
三、高新区创新效率的优化策略为了提高高新区的创新效率，我们可以采取以下策略。
2.优化创新环境：加强政策和法规的制定和落实，提供良好的创新环境和政策支持，鼓励创新活动和创新创业。
中国国家高新区创新效率增长的空间差异及影响因素研究
Research on the Spatial Differences and Influencing Factors of Innovation Efficiency Growth in China's
National High-tech Zones
作者： 张路娜[1];孙红军[1];胡贝贝[2]
作者机构： [1]中国科学院大学公共政策与管理学院,北京100049;[2]中国科学院科技战略
咨询研究院,北京100190
出版物刊名： 技术经济
页码： 1-8页
年卷期： 2021年 第6期
主题词： 国家高新区;创新效率增长;随机前沿生产函数;空间差异;影响因素
摘要：基于2011—2018年83个国家高新区的面板数据,依次采用超越对数生产函数的随机
前沿模型、K-R方差分解、面板数据固定效应模型实证考察了国家高新区的创新效率增长的空
间差异及其影响因素.研究发现:(1)国家高新区总体创新效率呈现先降后升的态势,且存在明显的
空间差异,东部国家高新区创新效率增长最快,中部国家高新区次之,西部国家高新区最慢;(2)规模
效率变化差异是国家高新区创新效率增长差异的主要来源;(3)经济发展水平对国家高新区创新效率增长具有显著的负向影响,人力资本、产业结构、国际化等则具有显著的正向影响.基于研究结论,提出了促进国家高新区创新效率协同提升和均衡发展的对策建议.。
我国高技术产业研发效率的空间变动及影响因素研究——基于省际面板数据的随机前沿分析
作者： 惠树鹏;张玉春
作者机构： 兰州理工大学经济管理学院
出版物刊名： 南京航空航天大学学报：社会科学版
页码： 21-25页
年卷期： 2014年 第2期
主题词： 高技术产业;研发效率;空间变动;随机前沿分析
摘要：运用随机前沿分析法对我国1995-2011年高技术产业的面板数据进行分析,结果显示,我国高技术产业研发效率整体较低,距离最优前沿面尚有近50%的改善空间。
高技术产业研发效率呈现明显的空间差异性,东部地区最高,高于全国平均水平;东北及中西部地区较低,在全国平均水平之下。
进一步研究表明,我国高技术产业研发效率具有明显的空间变动特征:一是我国高技术产业研发效率呈线性上升趋势,在不同空间上呈现特定的规律:东部地区按二次曲线规律增长,东北和中西部地区按线性规律增长。
二是我国高技术产业研发效率的空间差异性呈线性收敛趋势,而东部地区、东北和中西部地区都按二次曲线规律收敛。
运用技术无效率函数对高技术产业研发效率空间变动的影响因素分析发现,制度变迁、企业规模和市场结构对高技术产业研发效率的空间变动有显著的正向影响,这对各区域提升高技术产业的研发效率具有一定的参考价值。
基于共同前沿的中国区域创新效率研究
基于共同前沿的中国区域创新效率研究黄奇;苗建军;李敬银;王文华【摘要】The paper explores China’s three regional innovation efficiencies from the year of 2002 to 2012 by applying metafron-tier for the first time in consideration of the existing technology gap among different regions, and measures quantitatively the differences of regional innovation level. The results show that China’s overall innovation efficiency is lower, which leaves a huge space to improve the level of innovation. China still has a long way to achieve the goal of innovation-driven development. In addition,three regions under group frontiers and metafrontier present different development patterns based on different tech-nology-sets. The findings also demonstrate that the level of innovation in eastern regions is very close to the national optimal lev-el,whereas the innovation technology gap ratios in central and western regions are always lower than the national average level and have higher fluctuations. Meanwhile,the gap of innovation level among three regions is likely to expand further.%文章在考虑不同区域存在技术差距的前提下，首次运用共同前沿考察了2002-2012年中国三大区域的创新效率，并定量测算中国区域创新水平的差异性。
基于共同前沿方法的中国区域创新效率及差异研究
基于共同前沿方法的中国区域创新效率及差异研究李正锋;逯宇铎;于娇【摘要】本文基于不同区域技术水平存在差异的考虑，运用共同前沿方法分析2009～2013年中国整体以及东部、中部和西部三大区域的创新效率，利用“技术缺口比率（TGR ）”测算中国区域创新效率的技术差距。
研究发现：不管是基于共同前沿还是区域前沿，从中国整体来看，中国的区域创新效率整体水平仍然偏低，提升空间比较大；区域前沿下测算出来的创新效率被高估了，共同前沿测算出来的创新效率反映了潜在提升空间；东部、中部和西部三大区域创新效率差异明显，东部地区的创新效率远远超过了中部和西部地区，代表了当前中国区域创新的最高水平。
%〔Abstract〕 Based on the consideration of regional differences , the paper researches the whole and the three regional innovation effi-ciencies from 2009-2013 years under the meta-frontier . A quantitative Technology Gap Ratios (TGR) -based analysis has been made on the technology gapon regional innovation efficiency in China . The conclusions are asfollows :no matter what the meta-frontier or re-gional-frontier is based on , from Chinese overall , the total level of China regional innovation efficiency is still low , and the promotion space is relatively large . The innovation efficiency is overrated under the regional -frontier . The innovation efficiency reflects the potential space to improve under the meta-frontier . The eastern , central and western regional innovation efficiency differences are obvious . The eastern part of the innovation efficiency is much higher than the central and western region , which represents the highest level of China's re-gional innovation .【期刊名称】《工业技术经济》【年(卷),期】2015(000)005【总页数】8页(P12-19)【关键词】创新效率;区域差异;共同前沿;技术缺口比率【作者】李正锋;逯宇铎;于娇【作者单位】大连理工大学，大连 116023; 盐城工学院，盐城 224051;大连理工大学，大连 116023;大连理工大学，大连 116023【正文语种】中文【中图分类】F224;F124.3自从1912年熊彼特提出创新理论以来，创新是经济与社会可持续发展的源动力成为共识，“创新驱动发展”成为中国当前提升社会生产力、国家竞争力和综合国力的重要战略。
国有企业创新效率区域差异及影响因素研究
国有企业创新效率区域差异及影响因素研究摘要：国有企业是我国经济体系的重要组成部分，是宏观经济发展重要战略支柱。
近些年来，学者们通过不同角度证明了国有企业的创新效率存在较大的提升空间，针对这一现状，选取了我国2011-2020年各地区国有企业创新数据，利用DEA数据包络分析法，将我国各省份所属位置划分为东部、中部、西部、东北地区，对我国各省的国有企业创新效率进行比较分析，通过DEA-Tobit回归探究影响创新效率的主导因素。
研究发现：我国国有企业创新效率在地区分布上存在明显的差异：东部最高，中部其次，西部最低，东北地区创新效率呈现明显的上升趋势。
从时间序列来看，2013年以后，各地区创新效率整体平稳，但近年来出现下降趋势。
从影响因素来看，创新文化基础与市场开放程度是促成创新效率提升的关键因素，而经济发展水平对创新效率提升不显著。
关键词:国有企业;创新效率;影响因素一、问题提出与文献回顾改革开放四十年来，我国国有企业发展取得了举世瞩目的成就。
但近十年来，由于国有企业发展迅猛，部分行业如制造业、批发和零售业等在研发创新方面过度投入，浪费现象严重，研发效率水平不高，从而造成大量国有人力资本与经费的冗余。
国有企业是国民经济的重要支柱，是中国特色社会主义经济的“顶梁柱”，国有企业的创新发展一直以来是我国创新发展的重要研究对象。
经济结构调整应着力解决的核心问题之一是推进致力于结构调整的自主创新。
自主创新是经济结构调整的支点，为此，研究经济结构调整、转型过程中工业内部不同行业创新效率及其变化性具有现实指导意义。
二、方法选取与指标构建目前关于效率的测量，学术界主流的方法是1978年Charnes，Cooper ＆Rhodes提出的数据包络分析法( Data Envelopment Analysis，简称DEA)[1-6,9]，因其在设定变量可以同时选择多个投入指标和多个产出指标，并且无需设定复杂的模型函数，也不需要对指标量纲进行处理和统计性检验，逐渐成为测量效率的实用工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ 3） 工业基础。高新区的主导产业通常受到母城工业体 系的影响，部分城市甚至将高新区作为产业结构升级与调整 的转换区域，而母城工业积累起来的产业配套以及培养的大 量技能型人才又是高新区快速发展的必备条件，这里检验工 业比重对高新区的影响，记作 IND。
*
中国高新区效率变动及影响因素研究
———基于面板数据 （ 1997 － 2012 年） 的随机前沿分析
○ 姜彩楼 曹 杰 刘维树
［摘要］ 本文采用随机前沿方法研究了中国 52 个国家级高新区 1997 ～ 2012 年的效率变动及影响因 素，发现母城科技支出未对高新区生产效率产生促进作用，国际分工等变量促进了高新区生产效率 改善； 高新区全要素生产率改善主要得益于规模效应，而纯技术效率导致了全要素生产率退化； 东 部高新区效率整体上优于中部和西部高新区，这主要是资本集聚质量和管理制度效率造成的。高新 区应该加强产业、技术和环境的协同耦合，从要素集聚型向创新驱动型转变。 ［关键词］ 高新区； 全要素生产率； 外生变量； 随机前沿分析 ［中图分类号］ F127. 9 ［文献标识码］ A ［文章编号］ 1006—012X （ 2014） —06—0052 （ 05） ［作者］ 姜彩楼，副教授，硕士生导师，南京信息工程大学清华大学技术创新研究中心分中心，江
LＲ
377. 90
于 《火炬统计年鉴》 （ 1998 － 2013 年） ，其余数据均来自于
注： 括号内为 T 值，* ，＊＊和＊＊＊分别表示 10% 、5% 和 1%
《中国城市统计年鉴》 （ 1998 － 2013 年） 。为了剔除价格因素 显著性水平。
的影响，这里以 1978 年为基期对相关数据进行平减，并取对
D1 = 0. 其他地区
{1. 位于沿海城市的 21 个高新区
D2 = 0. 其他地区
{1. 东北重工业区以及中西部重工业区的 28 个高新区
D3 = 0. 其他地区
由于超越对数函数是任意生产函数的二阶泰勒近似，不
超越对数函数
Cons
－ 21. 998＊＊＊（ － 2. 700）
LNK
3. 395＊＊＊（ 3. 088）
（ 4） 基础设施。基础设施是影响产业发展的重要因素 （ Walter Isard，1956） ，［9］对于吸引高科技资本、优化空间资源 配置具有重要的影响。考虑到生产要素的转移成本以及交通 便利性对高新区的影响，这里采用城区平均道路密度作为基 础设施的变量，记作 INSTＲU。
（ 5） 城市中心度。中国高新区具有浓重的赶超色彩，城 市中心度能够反映其动员和组织生产要素的能力，这里将其 作为虚拟变量进行检验，标记为 CETＲ，变量赋值参照希努瑞 （ 2002） ［10］等人的方法：
从模型估计来看，统计变量接近 1，而且通过了 1% 显著
数进行估计。
性水平检验，说明模 型 设 定 是 较 为 合 理 的。 同 时， 模 型 中 的
表1
主要变量的统计性描述
主要变量均通过了显著性检验，反映出模型具有较强的解释
JGM K L
BUGET FDI IND
INSTＲU
平均值 5. 5153 5. 6835 11. 0361 8. 4328 12. 3765 3. 9560 7. 4833
二、模型和数据
随机前沿函数通常用于处理横截面数据，但是根据 Kumbhakar 等 （ 1990） ［7］构 建 的 模 型，也 可 以 用 于 处 理 面 板 数 据。
为了保证样本和数据统计口径的一致性，笔者选择 1992 年火
炬计划批准建立的 52 个国家级高新区作为样本，运用随机前
沿生产函数估计 1997 ～ 2012 年中国国家级高新区的全要素生
生产无效率方程
BUGET
0. 046＊＊＊（ 2. 905）
FDI
－ 0. 026＊＊＊（ － 3. 011）
IND
－ 0. 201＊＊＊（ － 5. 023）
INSTＲU
－ 0. 055＊＊（ － 2. 611）
CETＲ
－ 0. 019 （ － 0. 123）
D1
－ 0. 297＊＊＊（ － 9. 767）
* 基金项目： 国家自然科学基金青年项目 “基于自主创新与国际扩展协同驱动的创新集群演进路径及高新区升级战略研究” （ 71003054） ； 国家自然科学基金面 上项目 “基于供应链的产业绿色低碳多重耦合协同演进机制” （ 71273140） ； 教育部人文社会科学青年项目 “在华外资研发、本土政策供给对区域自主创新网络演化 的交互机制研究” （ 14YJC630051） ； 江苏高校优势学科建设工程 “雾霾监测预警与防控” （ SZb201437） 。
D2Байду номын сангаас
0. 020 （ 0. 969）
D3
0. 157＊＊＊（ 4. 011）
0. 591＊＊＊（ 19. 119）
需要对技术进步及产出弹性进行限制，这里采用超越对数函
LNL × T
0. 030＊＊（ 2. 500）
0. 999＊＊＊（ 3063. 3）
数形式进行估计。本研究采用的高新区投入产出数据均来自
53
ＲEFOＲM OF ECONOMIC SYSTEM
为了研究这些区域高新区的效率特征并避免共线性，笔者引
表2
随机前沿函数估计结果
NO ． 6． 2014
入区域虚拟变量 D1 代表智力密集区域样本，D2 代表沿海对
外开放区域样本，D3 代表传统工业区域样本。
{1. 母城拥有 985 高校的 21 个高新区
产率。设定方程如下：
yit = xit β + （ vit － uit ）
①
vit ～ N （ 0，σ2v ）
②
uit ～ N + （ uit ，σ2it ）
③
uit = zit δ
④
σ2it = exp （ zit θ）
⑤
σ2v = exp （ zit λ）
⑥
其中，yit 是高新区 i 在 t 期的技工贸总收入 （ JGM） ，Xit
中值 5. 6911 5. 6563 11. 0677 8. 0124 12. 7662 3. 9760 7. 1982
最大值 9. 8078 9. 6331 13. 9922 14. 2610 15. 8654 4. 6671 9. 9963
最小值 1. 2933 2. 5027 7. 5812 4. 5829 0. 0000 3. 1472 5. 2311
可以看出，现有研究关于随机误差和外生变量的处理还 需进一步改进。本文拟结合我国高新区发展战略和宏观环境 设置外生变量，并将其纳入到随机前沿函数中进行一步估计， 使得估计结果更加稳定并逼近现实。同时，将研究区间扩展 到 1997 ～ 2012 年，涵盖了国家级高新区发展的主要年份，能 够最大限度发掘高新区的赶超特征。
为高新区 i 在 t 期的投入，包括各高新区的固定资本 （ K） 、从
业人员 （ L） 和期数 （ T） 。vit 是第 i 个高新区在 t 期中的随机
经济体制改革 误差，包括测量误差以及各种不可控的随机因素。uit 为第 i 个 高新区在 t 期中的生产无效率项，服从半正态分布，是非负随 机变量。zit 是影响高新区生产无效率的外生性变量，δ 为系数 待估计值。θ 为生产无效率项方差方程系数的待估计值。i = 1，2，……，52； t = 1，2，…，16。
在中国高新区的快速发展过程中，相关推进战略和外部 宏观环境产生了重要影响 （ 解佳龙，胡树华，2014） ，［8］ 对变 量的合理设定有助于发掘相关效应，笔者主要研究以下外生 变量对高新区全要素生产率的影响。
（ 1） 母城科技经费支出。在高新区的发展过程中，母城 科技创新能够直接产生技术推动效应，是影响高新区全要素 生产率的重要因素，这里检验市辖区地方财政预算内科学事 业经费支出对高新区的影响，记作 BUGET。
标准差 1. 2365 1. 0698 0. 8479 1. 7790 2. 1771 0. 2399 0. 8767
观测值 832 832 832 832 832 832 832
通过对上述设定的随机前沿生产函数进行估计，可以得 到技术效率的变化。在计算过程中，早期研究主要采用两步 估计法，具体步骤是先估计出随机前沿生产函数，然后再对 无效率项和外生性变量进行回归。而运用一步法能够将所有 外生变量同 时 纳 入 到 分 析 框 架 中， 经 过 一 步 估 计 完 成 运 算， 计算效果要优于二步法，基于蒙特卡洛检验的研究也证实了 这一点 （ Wang，H． J． ，2002） 。［11］笔者采用一步法进行估计， 并基于 Kumbhakar 等 （ 1990） ［12］ 的模型计算中国高新区全要
LNL
1. 507*（ 1. 520）
T
－ 0. 441＊＊（ － 2. 423）
LNK2
0. 301＊＊＊（ 3. 011）
LNL2
－ 0. 023 （ － 0. 290）
T2
－ 0. 011*（ － 1. 902）
LNK × LNL － 0. 202＊＊＊（ － 2. 887）
LNK × T
－ 0. 005 （ － 0. 767）
结构调整中被锁定在低端。由于我国高新区发展初期主要依 托要素集聚来突破资源稀缺的限制，笔者通过对高新区全要 素生产率进行研究，将有助于分析中国高新区的技术赶超轨 道，并能够检验相关战略的推动效应。
对全要素生 产 率 的 测 度 主 要 包 括 参 数 方 法 和 非 参 数 方 法 （ Huang，C． ，et al，2006） ，［1］前者受特定生产函数形式的约束， 能够计算出 生 产 可 能 性 边 界 的 变 化 并 提 供 经 济 学 意 义 上 的 解 释。后者将投入产出过程视作 “黑箱” （ Zhu，J． ，2003） ，［2］尽 管能够计算多投入多产出变量，但是忽视了随机误差的影响， 导致不同时期及不同生产单元的产出效率存在显著区别。由 于早期的参数方法通常将增长核算框架下的索洛残值等同于 全要素生产率，导致结果过于笼统而难以区分技术性进步和 非技术性进步。而采用随机前沿分析 （ Stochastic Frontier Anal-