高新技术产业创新效率演化及影响因素分析——以中关村科技园为例

一、引言

创新是当今世界各国获取竞争优势、加快发展步伐的重要举措。2016年底,我国“十三五”规划明确将创新发展提高到国家的战略地位,强调了创新在后危机时代的核心地位;2017年中央经济工作会议更是提出在新时代,我国经济发展的基本特征要由“高速增长”转向“高质量发展”。

“高质量发展”最重要的内涵之一便是以创新驱动的发展,是基于有限投入获得更多产出的发展。高新技术产业作为我国国民经济的战略性产业,在整体经济的结构转型,战略调整阶段处于十分核心的地位,因此本文主要关注高新技术产业的技术创新效率演化,探索其高质量发展的特征,尤其重点关注国家级自主创新示范区,也是中国科技制高点、创新发展策源地的中关村海淀科技园区的创新效率,力求在学术上丰富创新效率竞争力理论,在实践上探索先进高新技术企业的效率特征、总结高质量发展脉络,为全国其他地区的高新技术园区的发展提供对标样本。

目前已有不少对我国高新技术产业创新影响因素的研究,例如企业内部的影响因素有R&D投资、研发人力投入,企业规模、所有制等:大部分的观点认为充足的R&D 是企业运作创新系统的发动机,如Arrow(1962)和Romer (1986)认为:研发投入是提高创新能力的重要指标。Pakes 等(1980)在研究研发投入和产出的过程中发现,即使在考虑滞后效应的同时,研发投入仍能显著的促进专利的产出;研发人力投入是转化R&D投资的有生力量,如魏国江(2016)通过分解不同类型企业的创新效率得出研发人力资源投入是对技术创新贡献最高的因素之一的结论;赵树宽等人(2013)通过对吉林省高技术企业的创新效率研究发现科技活动人员数量不足是企业规模效率偏低的主要原因,企业规模对企业的创新影响则有不同的说法,例如创新鼻祖熊彼特等人认为大企业雄厚的财力能在内部为的研发项目融资,同时大企业也更有机会通过不同的项目降低研发的总风险;但认为小企业创新偏向的学者则认为:大企业经常会有官僚主义严重,管理制度繁琐等弊病,容易使创新的报酬递减,另外,如果企业成为市场的垄断企业,则会因为缺乏竞争压力而丧失创新动力;最后,企业所有制也是影响创新的重要因子。因为不同的所有制度对应不同的产权结构,合适的产权结构会对员工产生有效激励,释放创造势能。比如李政等人(2016)通过分析中国不同行业不同所有制企业的创新效率、规模效率的差异得出:国有企业创新效率普遍低于其他类型所有制企业,但正在迅速提升的结论。董晓庆等人(2014)通过对5大类高新技术行业2000年~2011年国有企业与民营企业技术创新的相关数据得出国有企业的创新效率普遍低于民营企业,存在不可忽视的创新效率损失的结论。

其次,企业外部诸如政府支持,金融支持等因素也会直接影响其创新行为。有效的政府支持可以降低企业研发活动风险,鼓励企业创新,但过多不当的支持也有可能对企业自身研发投入产生挤出效应,损害公平竞争环境(白俊红(2009),冯宗宪(2011));同时,外部金融环境、创新的金融支持制度也是科技成果转化的重要保障,例如风险投资机制就可以通过构造一种特殊的产权认定的契约资本化机制来提高高科技技术成果商业转化的效率(吕炜

2002)它对企业提供增值服务的同时也显示出一定的攫取效应,因此其总体对创新的影响会呈现先递减而后递增的“U型”关系(温军,冯根福,2018)。

限于数据来源,已有的实证文献多从省级或者行业层次来对高新技术产业进行分析,较少从微观企业视角来研究分析,而部分微观视角文献也多数基于2013年以前的

高新技术产业创新效率演化及影响因素分析——

—以中关村科技园为例

●范超赵彦云

摘要:为研究高新技术产业创新效率的演化规律，探索该产业龙头园区高质量发展的基本特征，文章使用2010年~ 2015年中关村科技园数据，使用随机前沿模型测度了6年间科技园高新技术企业创新效率的演化规律，并结合多水平模型深入研究不同因素对企业的影响程度以及影响机制的异质性。结果显示：（1）科技园产业创新效率整体仍处于偏低水平，但有逐年提升的趋势，不同企业提升速度差异较大；（2）非国有企业整体的创新效率比国企的更高，且提升速度也更快；（3）企业规模增大有利于创新效率的提升，且这种趋势在不同企业之间相对比较一致；（4）政府支持有效地提高了高新技术企业创新效率，但作用强度在不同企业中差别较大，对非国有企业的支持效果相对更好；（5）金融支持还未发挥出对企业创新研发的显著支撑作用，仍有较大潜力需要释放。

关键词：高新技术产业；创新效率；随机前沿分析；多水平模型

6

--

规模以上工业数据库数据,代表性和时效性欠佳,而本文则基于2010年~2015年中关村科技园高新技术产业的企业调查数据,将随机前沿分析与多水平模型相结合,综合考察创新效率的动态演化规律以及各个影响因素作用机制的个体异质性,在此基础上提出相关政策建议,为提升园区创新效率水平以及全国创新竞争力提供实证参考依据。

二、模型方法

1.随机前沿模型。我们首先使用随机前沿模型来估计企业的创新效率。目前测度创新效率的主流方法是DEA和SFA,DEA方法假设企业有确定的生产前沿面,即任何偏离前沿面的生产组合都是非效率的表现;而SFA 则假设生产前沿面是随机的,即企业偏离前沿面的行为可认为是非效率和随机因素的组合,因此会为随机因素和非效率项赋予一个假设分布,再通过计量模型求解。由于高新技术行业风险较高,受市场随机冲击较大,适合通过SFA纳入对随机因素的影响,另外通过假设的分布,该法还能对模型本身进行参数检验,充分发挥统计技术的作用,因此本文选用SFA方法测度效率。

随机前沿模型将实际生产量与生产可能性边界的偏差分解为两种来源,一种来源于随机冲击,通常假设服从正态分布N(0,σ2v)另一种为个体的非效率值,一般假设服从非负断尾正态分布N+(z itδ,σ2u),其中为决策单元非效率项的影响因素。传统上,使用SFA前需使用似然比LR检验来验证技术无效项占总体方差的比例是否显著不为0,如果不能拒绝该原假设,则说明实际产出与生产前沿面的偏差主要来自于随机因素,直接使用OLS估计技术即可。

检验完使用SFA模型的合理性后,我们可以根据模型估计出企业的创新效率值,该值介于0~1之间,值越大代表效率水平越高。这也是我们第二步模型所使用的因变量。另外,使用SFA需要依赖于某个生产函数,本文遵循传统文献做法,使用Cobb-Douglas生产函数来进行测算,由此可以分别解析出生产过程中对应的资本劳动产出弹性。

2.多水平模型。多水平模型是一种专门用来分析多层数据结构的统计方法,它通过使用不同水平上的方程组合,把总效应分解成固定效应和随机效应,把总协方差分解为组间差和组内差,同时根据结果还能解析出截距项即平均水平的组间差异,以及变化率的组间差异,成功突破了一般OLS回归技术在处理分层数据上的局限性,可以得到更多更丰富的结论。

由于我们的数据既包含每个企业在不同年份的数值,可视为第一层结构,又包含不同企业的数据,这可视为第二层结构,因此我们选择多水平模型就可以有效分离个体层面的时间变动以及个体之间的异质差别,得到比一般的线性回归模型更有效的系数估计结果以及更丰富的实证结论。为了消除非效率项的线性趋势,将时间变量t纳入其中,为统一量纲以及正态调整,将定量变量取对数后进入模型。

三、实证分析

1.数据与变量说明。本文使用2010年~2015年六年的北京市中关村海淀科技园的全样本调查数据,数据来源为北京市海淀统计局。因变量y表示创新产出,已有文献常用的度量创新产出的指标包含“专利申请数”“新产品项目数”和“新产品销售收入”,考虑到并不是所有的发明都能申请专利,而新产品项目并不能完全反映已经过商业化体现其经济价值的部分,因此本文主要采用“新产品销售收入”作为科技创新的产出。关于科技创新的人力投入,本文主要选取“科技活动全时人员数”作为度量,即实际从事科技活动时间占90%以上的人员,他们可视为科研活动的主体力量;资本投入使用“科技活动经费支出总额”扣除人员人工费后的数值表征,以此来适应C-D生产函数中资本与劳动相对分离的函数设计。

结合已有的理论研究和数据条件,本文主要选择企业规模、政府支持度、金融支持度、所有制四大创新效率影响因素。其中前三个因素随时间变化,是第一水平影响因素,所有制因素通常不随时间变化,视为第二水平影响因素。企业规模参考海淀区科技园统计制度对于规模以上企业的规定,采用“主营业务收入”度量,用SIZE变量表示;金融支持度主要考虑三方面的支持:银行贷款、债券股票融资、风险投资,用FINAS变量表示,政府支持度主要考虑每个企业获得的减免税总额、创新基金额、以及使用来自政府部门的研发资金,用GOVS变量表示。所有制因素主要使用“登记注册类型”指标信息,将登记为“国有企业”“国有联营企业”“国有独资企业”的统一视为“国有企业”,其他类型的企业则记为“非国有企业”,用ISNA变量表示,取值为1的代表国有企业,取值为0的代表非国有企业。2.模型估计结果。建模包含两部分,第一部分对基于C-D生产函数的随机前沿模型进行估计,测度高新技术产业总体创新投入与产出的关系。结果显示中关村科技园资本的产出弹性为0.52,人力的产出弹性是0.34,计算得到γ为0.91,很接近1,且LR test的结果p值远远小于0.05,显著拒绝了OLS的假设,证明本文采用随机前沿模型方法是合理的。

第二部分是对多水平模型的估计。本文首先建立仅包含随机截距项的零模型来验证数据的分层结构是否显著。计算得到个体差异占总体差异比例的ICC值为0.76,可见有高达76%的效率变异第二层数据结构:企业层,因此本文使用二水平模型是合理的。最终使用的模型中,固定效应部分主要估计了每个因素在所有企业中的平均作用强度,随机效应部分则主要估计了不同企业在这种作用关系上的差异。我们对原始时间变量统一减去初始年份2010,记为T。模型的估计结果可以得到以下结论: (1)高新企业效率逐年提升,但提升幅度不显著,不同企业提升速度差异较大。总体而言,在2010年起始年份中,当所有变量取值为0时,非国有高新企业的效率值为0.340,国有企业效率值为0.294,在2010年~2015年间,中关园高新技术企业的平均效率值呈逐年提升的态势,但提升幅度不大,统计上并不显著,但通过模型随机效应的估

7

--