我国高技术产业研发效率区域差异及其影响因素分析

响因素分析

——基于省级面板数据的研究

摘要：本文运用随机前沿分析法，借助1996～2007年省级地区的面板数据计算了中国高技术产业研发效率，从分析中我们可以看出，中国高技术产业研发效率整体较低,均值仅为0.268，但是呈稳步增长趋势。东部地区与中部、西部和东北地区之间研发效率有较大差距，且东部地区研发效率始终处于提升状态，而其他三个经济板块都一直处于比较低的水平。中国各省间高技术产业研发效率差异性较大，研发效率的变异程度具有明显的区域性。在研发效率的影响因素中，制度因素、企业规模因素和企业在技术消化吸收经费上的支出对于高技术产业研发效率有正影响，而政府政策支持没有使研发效率得到有效的提高，企业的经营绩效的变动则对研发效率没有明显的影响。

关键词： SFA模型； 高技术产业； 研发效率

The Empirical Research on R&D Efficiency and its Impacts of China's

High-tech Industry

Abstract: This paper adopted Stochastic Frontier Analysis to measure the R&D efficiency and its impacts of China's high-tech industry in 2001～2007 with provincial panel data. Analytical result show that the overall R&D efficiency of high-tech industry is not high, but it is steadily increasing. It is relatively a big discrepancy during different area. Market force，the size of firm，and the spending on the digestion and absorption of technology have a positive impact on R&D efficiency of high-tech industries. But government support has a negative affect, and the enterprise's own performance is uncertain.

Key words: SFA Model High-tech Industry R&D Efficiency

中图分类号：F222.3 文献标识码：A 文章编号：1002-4565(YYYY)NN－PPPP－CC

一、引言

随着我国经济实力和经济地位的不断提升，我国经济已经从简单粗放式增长变为集约式增长。高技术产业在经济发展和经济转型的过程中发挥着举足轻重的作用，但是要维持我国高技术产业的可持续性增长，必须尽快提高自主创新能力，尤其是先进核心技术的自主创新能力来调整产业结构，转变经济增长方式。近年来，我国各地区政府和企业通过不断倡导加大高技术产业技术创新投入来提升自主创新能力，但目前研发资本存量对于中国而言仍是稀缺资源，从我国研发投入占企业的比重与发达国家相比就可见一斑。2002年至2007年我国研

发投入总量和强度逐年提高，整体研发投入平均每年增长23.4%，在2007年达到了3710亿元。高技术产业研发投入年均增长25.1%，到2007年达到了545.3亿元。但无论从总量还是强度来看，我国R&D投入与发达国家是无法相比的。2006年美国和日本分别以3437亿美元和1513亿美元的R&D经费支出额高居世界第一和第二位，我国的R&D投入强度长期以来保持在1. 3%-1.4%水平,而发达国家R&D投入强度通常在2.5%以上。我国高技术产业研发投入的低水平加之利用效率不高，企业总体规模明显偏小，技术创新能力薄弱，创新资源配置效率不高，高校、科研机构和企业的产学研结合程度不够，技术引进对自主研发影响的不确定性都造成了我国高技术产业研发水平长期与发达国家具有较大差距。因此，如何提升我国高技术产业研发效率就显得尤为重要。本文从我国高技术产业研发效率区域差异出发，通过对其效率的影响因素进行分析，从而提出提升我国高技术产业的自主创新能力的政策建议。

二、文献评析

国内外有很多学者关于高技术产业研发效率进行较多的研究，这些学者基于不同的研究方法，从不同角度对我国高技术产业研发效率进行了较深入的分析。在研究方法选择上，以数据包络分析（DEA）为代表的“非参数法”（吴瑛，2006；高鹏，张黎，2006；刘志迎，叶蓁，2006；薛娜，赵曙东，2007；何维达，张远德，2008；路永明，2008）最为普遍，而以随机前沿分析（SFA）为代表的“参数法”（朱有为，徐康宁2006）文献较少。但是，我们认为在效率的测算中SFA方法较之DEA方法更具适用性，这是因为：第一，SFA方法作为一种经济计量方法，既可以对模型中的参数进行检验，也可以对模型本身进行检验，而DEA方法作为一种数学规划方法则难以做到这一点，即无法对前沿面的适用性进行判断，也正因如此，许多经济学家（Forsund etal，1980；Pitt、Lee，1981；Bauter，1990；等）都认为SFA方法较之DEA方法更具优势；第二，DEA方法暗寓着所有的效率影响因素都已被模型所涵括，即不存在非投入的影响因素（也称环境影响因素），这显然也是不现实的，也容易在计算上导致不精确，而SFA方法将非投入的影响因素以随机扰动项来表示，克服了这一逻辑矛盾，SFA方法在测量误差和统计干扰处理上具有优势。为此，本文将预先设定多种随机前沿生产函数形式，并通过检验来确定使用其中最优的一种。

这些论文除了测算研发效率方法上的不同外，选取的对象也有所不同，但大部分学者选择了行业为研究对象，如朱有为和徐康宁（2006）应用随机前沿生产函数以行业面板数据测算了中国高新技术产业研发产出效率。高鹏，张黎（2006）采用数据包络分析法对我国4个高技术产业（包括个13行业）创新效率进行对比分析。刘志迎，叶蓁（2006）基于非参数的Malmquist指数方法分析了高技术产业17个行业发展过程中技术效率和总量增长的情况。薛娜，赵曙东（2007）利用数据包络分析法对江苏五大行业的创新效率和规模效益做出评价和比较。以行业为研究对象有一个重大缺陷就是无法将行业之间的异质性进行有效剔除，如生物制品和通信设备制造业的技术研发的投入和产出就存在着非常明显的差别。为此，本文选取了地区为研究对象，虽然以地区为对象进行研究也存在地区差别的问题，但是相对以行业为对象而言，通过虚拟变量的引入可以尽可能的减少这种异质性。

此外，在研究结论上，由于采取的方法和选取的研究对象的差异，研究得出的结论也不尽相同，但是大部分结论都得出了我国高技术产业研发效率相对低下的基本结论。

SFA方法采用估计生产函数对企业的生产过程进行了描述，能够进一步将全要素生产率分解，从而使对技术效率的估计得到了控制；另外，能够将随机扰动项分为二部分，将导致技术无效率的因素与随机误差区分开来。因此，

如采用DEA模型的主要有吴瑛，2006）以R&D经费存量值代替当年值，用DEA模型计算出1995~2004年我国高技术产业的科技资源配置效率。朱有为和徐康宁（2006）应用随机前沿生产函数以行业面板数据测算了中国高新技术产业研发产出效率，并考察了企业规模、市场结构和产权结构等因素对研发产出效率的影响。何维达，张远德（2008）采用非参数随机前沿面模型对我国的高技术产业效率进行了实证研究。郑坚，丁云龙（2007）对高技术产业技术创新效率评价指标体系的构建进行了分析，新的指标体系是在详细分析技术开发阶段和技术转化阶段的投入要素和产出形式的基础上构建的，为高技术产业技术创新效率评价提供了新的思路。高鹏，张黎（2006）采用数据包络分析法对我国高技术产业的创新效率评价，结果表明，我国高技术产业的创新是DEA无效的，应从技术和规模两个角度同时人手来提高我国高技术产业的创新效率。薛娜，赵曙东（2007）对江苏五大高技术产业，利用数据包络分析法对五大行业的创新效率和规模效益做出评价和比较。路永明（2008）利用DEA模型对2002年至2006年我国高技术产业全部17个行业的科技投入产出效率进行评价。刘志迎，叶蓁（2006）基于非参数的Malmquist指数方法分析了高技术产业发展过程中技术效率和总量增长的情况.

蒋殿春等运用面板数据模型分析了我国高技术产业内FDI对国内企业技术创新的影响及作用途径。

这些论文除了测算研发效率方法上的不同外，选取的对象也有所不同，但大部分学者选择了行业为研究对象（如朱有为和徐康宁（2006）），以行业为研究对象有一个重大缺陷就是无法将行业之间的异质性进行有效剔除，如生物制品和通信设备制造业的技术研发的投入和产出就存在着非常明显的差别。虽然以地区为对象进行研究也存在地区差别的问题，但是相对以行业为对象而言，通过虚拟变量的引入可以尽可能的减少这种异质性。本文借鉴Battese和Coelli(1995)、Kumbhakar(2000)和Stevens(2004)模型，将生产函数假定为超越对数函数形式，借助随机前沿生产函数模型，以省级面板数据为基础，对我国高技术产业研发效率区域差异及其影响因素进行了较深入的分析。

二、指标选取及模型设定

随机前沿法（SFA）包括了随机前沿成本函数和随机前沿生产函数。前沿成本函数指在一定的产出水平下，可能达到的最小成本；前沿生产函数指在一定的投入水平下，可能达到的最大产出。通过被观测点与最优前沿面的比较，以两者之间的差距来界定被观测点的效率及其程度。根据观察数据来源不同，可分为截面数据和面板数据。本文选择随机前沿生产函数并且选择面板数据设定模型。

（一）指标选取及数据处理

本文选取的样本为1995-2007年19个省省级面板数据5187个观测结果1。数据主要来自《中国高技术产业统计年鉴》(2001—2008)，《中国统计年鉴》（1990-2008），各地方统计年鉴（1990-2008）及中经网和资讯行数据库网，并对相关数据进行了整理。

1.产出指标

技术研发的产出可以分为收益性产出和和竞争性产出两个方面。收益性产出包括出售新产品和新技术使企业获得的收益。竞争性产出是指企业通过技术创新而带来的竞争力变化。本文选取新产品产值研发投入的产出指标。为了获取不变价格的产值，本文用工业增加值指数作为高技术产业新产品产值指数的近似替代进行了平减。

2.投入指标

作为创新活动的基本要素，R&D资源在技术创新中起着关键的作用。国内学者在研究技术创新成果时，一般选取R&D投入经费和R&D人员作为技术创新的投入指标，此外还有新产品开发经费投入指标。本文选取了R&D投入经费和R&D人员作为投入对象。在指标数据处理方面，本为采用了R&D资本存量指标，基年为1995年，以1995年经费支出除以10%作为该地区的初始资本存量，并采用了15%的折旧率。在测算R&D资本存量之前，本文利用朱有为、徐康宁（2006）“研发价格指数”的计算方法将研发经费进行了平减。R&D人员指标，本文假设每年内人员增长是匀速的，所以R&D人员的年平均数等于本年度年底人员数与上一年度年底人员数数之和除以2。

3.影响因素指标

在测度研发效率的同时，考察研发效率的影响因素也是一个重要研究方向。从现有文献看，影响研发效率的因素主要有：（1）市场结构，国内外学者对市场结构对技术创新效率的影响意见不一，如Schumpeter(1943)认为垄断与研发有着密切的联系，高市场集中度的产业更有助于激励企业的研究开发。而Arrow(1962)则认为竞争性环境会给企业研发带来更大的激励。目前，多数的研究并不支持垄断性市场结构有利于提高研发效率的观点。（2）企业规模。企业规模和研发效率的关系也存在较多争论。Chen和Chien等人(2004)认为企业技术创新效率改善需要一定的规模经济性。Pavitt等人(1987)认为较小和较大企业的研发效率比中等企业更高，也即研发效率和企业规模之间呈现“U型”关系。（3）企业所有权结构。在企业所有权结构与技术创新效率的关系方面，研究者们的观点较为一致，即大都认为在非国有企业比国有企业的研发效率更高。此外，政府的支持、产业绩效、知识产权保护度、对国外技术的消化吸收能力等都对研发效率产生重要影响。在上述文献的基础上，本文根据数据的可得性，在上述文献的基础上，本文根据数据的可得性选取了制度因素、企业规模、产业绩效、政府政策支持力度、技术消化吸收能力等因素对我国高技术产业的研发效率的影响因素进行了进一步分析。

制度因素衡量较为困难，本文借鉴傅晓霞、吴利学（2006）中对制度因素的度量，采 1

2

由于整个西部地区（除四川和陕西外），包括海南、山西、内蒙等地技术创新能力较低，数据波动较大，趋势性不强，不便于补全数据，因此本文剔除了这些地区，重庆并入四川内计算。本文选取的其他19个地区为北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、四川和陕西，且这19个地区的高技术产业占到了全国高技术产业总值的95%以上。 2

Wang和Szirmai（2003）,Hu,Albert和Gary（2004）分析中国样本数据时都采用了15%的折旧率。

用各地区工业总产值中非国有企业的比重、全社会固定资产投资中非国有经济的份额、外贸依存度和实际利用外资占GDP的比重四个指标衡量地区制度变迁，并采用主成分分析法将以上四个分项指标合成为一个综合指标，作为测度各地区制度水平及其变迁的代理变量；企业规模因素采取平均企业规模指标，采用该地区总产值与企业数量之比来综合侧度该地区的平均企业规模；产业绩效指标选利用各地区利润与销售收入之比来综合测量；政府的政策支持力度指标采用科技活动经费筹集额中政府资金比例，并考虑滞后一期，衡量政府政策支持对技术创新效率的影响；技术消化吸收能力指标采用了技术消化吸收经费支出作为衡量标准，并按照R&D资本存量的计算方法计算了技术消化吸收资本存量。

（二）模型的设定与检验

1.生产函数设定

在已有的对研发效率的研究中，随机前沿生产函数主要设定为柯布-道格拉斯和超越对数两种形式，采用柯布-道格拉斯生产函数主要有朱有为和徐康宁（2006），但这篇论文采用的以行业为分析对象，而且没有对模型的适用性进行有效性检验。而白俊红、江可申、李婧（2009）采用的则为省级面板数据的超越对数生产函数形式，并且进行了有效性检验，说明了超越对数形式的有效性，但这篇论文的产出为发明专利授权量，而本文为新产品销售收入。所以，这里我们首先要在此两者中择取一种更适合于本文研究的函数形式。首先，设定我国高技术产业的研发的生产函数为两项要素投入：研发资本（K）和研发人员（L），并将随机前沿生产函数设定为超越对数函数形式，模型如下：

lnYi01lnLi2lnKi3t1/24(lnKi)21/25(lnLi)2

1/26t27lnKilnLi8tlnLi9tlnKiVitUit 式（1） 其中， Vit与Uit相互独立，服从正态分布，Vit为第i地区的随机误差项，Vit~N(0,v2)；

2Uit为第i地区的随机无效率项，呈非负的截断正态分布，Uit~N(miZi,u) 。当式（1）中的系数4567890时，原超越对数形式的生产函数则变为柯布-道格拉斯形式，假设使用广义似然率统计量来检验，2lnL(H0)/L(H1)，

如果零假设成立，L(H0)、L(H1)分别是零假设H0和被择假设H1前沿模型的似然函数值。

那么检验统计量λ服从混合卡方分布，自由度为受约束变量的数目，本文以后模型的检验均采用此种方式。以此为零假设进行的模型形式设定检验的结果如表1所示：

表1 模型形式设定检验（一）

假设 H1：

H0：

β4=β5=β6=β7=β8=β9=0

似然函数 对数值 -229.87 -244.90

LR检验值

15.03

受约束 变量数

6

5%临界值

16.812

判断 接受

表1中的检验结果表明，柯布-道格拉斯形式的生产函数比超越对数形式的生产函数更能说明我国高技术产业研发生产函数的特征。这说明我国高技术产业研发投入要素间替代弹性具可变性较差，可能不存在的非中性的技术进步。因此，我们在研究中将采用柯布-道格

拉斯形式的生产函数的随机前沿生产函数。

2.影响因素模型设计

在影响因素模型设计上，在已有文献中有两种方法来估计外部影响因素对效率的影响，早期的文献多采用两步法，即估计出随机前沿的生产函数,然后对无效率项与外生变量建立Tobit模型进行回归估计。这种类型的研究的例子包括，Kaliraian(1990)和Mester (1993, 1997)。但在两步法下要求外部环境变量和投入要素之间不存在相关性和无效率项同分布。由于采用两步法的种种限制，现有文献中大部分都采用一步回归,利用极大似然估计或是非线性最小二乘估计。王泓仁和施密特(Wang, Hung-Jen和Schmidt)利用蒙特卡罗模拟方法证实了一步估计优于两步估计。通过对无效率的均值建立回归方程,我们可以考察那些影响生产效率的外部环境变量的显著性及其对生产效率的影响。

根据研发效率影响因素指标的分析，本研究将影响因素模型设定如下：

Uit01t2Nationit3Scaleit3Govermentit1

（2） 4Performanceit15AbsorptionitWit 式

其中，Nationit代表第i个地区衡量制度因素对产业效率的影响；Scaleit代表第i个地区平均企业规模，衡量企业规模对产业研发效率的影响；govermentit1代表第i个地区科技活动经费筹集额中政府资金比例，并考虑滞后一期，衡量政府政策支持对产业研发效率的影响；Performanceit1 代表第i个地区企业的平均利润率，衡量企业经营绩效对研发效率的影响；Absorptionit代表第i个地区采用了技术消化吸收经费支出作为衡量标准，并按照R&D资本存量的计算方法计算了技术消化吸收资本存量，并考虑滞后一期，衡量技术消化吸收能力对研发效率的影响；Wit是回归方程的随机误差项，假定其服从正态分布

vi~N(0,v2)。

为了检验（1）式和（2）式（以下简称模型1）的适宜性，本文作出如下假设： (1)H0:30，即没有技术进步； (a) （2）H0:U0，即无效率值大多集中于0附近； (b) (3)H0:10，即技术无效率不随时间变动； (c) (4)H0:U10， 即半正态分布且技术无效率不随时间变动； (d)

三、模型检验及影响因素分析

（一）模型检验及结果

由于无效率函数中引入了较多的影响因素，因此有可能存在多重共线性问题。但相关

系数检验表明，各影响因素之间的相关系数值都在0.5以下。因此，无效率函数中各解释变量的共线性问题较弱，不会对估计结果产生较大影响。我们论文第二部分确定了超越对数生产函数形式的适用性，并且确定了一步法来考察环境变量对研发效率的影响。在本部分我们首先来确定加入环境变量后模型1的适宜性，按照论文第二部分确定的检验方法和假设，利用Frontier 4.1软件，使用极大似然法估计，得出模型1的检验结果如表2所示：

表2 模型形式设定检验（二）

假设

似然函数 对数值

LR检验值

受约束 变量数

5%临界值

判断

H1 H0:β2=0 H0:μ=0 H0:η=0 H0:μ=η=0

-246.01 -255.44 -264.7 -259.89 -292.01

14.40 43.18 73.92 83.16

1 1 1 2

6.635 6.635 6.635 9.210

拒绝 拒绝 拒绝 拒绝

针对模型的四个假设均在5%的显著性水平上被拒绝，这说明模型的形式设定比较合理。模型估计结果如表3所示：

表3 模型估计结果

变量 截距 劳动 资本 时间 截距 时间 制度因素 企业规模 政府政策 绩效变量 技术改造 σ γ Log函数值 2系数 4.0207*** 0.1888** 0.5013*** 0.0847*** 4.2047*** 0.3536*** -2.5386*** -5.0352*** 3.3885*** 1.0589 -0.0090*** 0.8614*** 0.9843*** -246.0100*** t检验值 12.5755 1.9752 5.0744 2.7503 6.7968 6.1845 -8.6237 -4.8252 4.2037 0.4519 -2.4606 8.7902 89.0993 注：***、**分别代表1%和5%的显著性水平下通过t检验。

从表3可以看出，模型1的 估计结果是非常理想的,为0.9843，通过了1%显著性检验，且LR统计检验在1%的水平下是显著的。这说明模型1中的随机误差项有十分明显的复合结构。研发资本和研发人员两要素的产出弹性分别为α=0.1888和β=0.5013，在现有研究中吴延兵(2006a)的研究结果为α=0.352,β=0.458，Zhang等人(2003)对中国工业企业的研究结果为α=0.297、β=0.394，朱有为和徐康宁（2006）以高技术产业行业面板数据的研究结果为α=0.231、β=0.442。以上述研究相比，研发资本产出弹性略高，研发人员产出弹性略低，且资本产出弹性明显高于研发人员产出弹性，两者弹性合计为0.6901，与上述几篇论文的结果相当，这再次说明了我国高技术产业研发活动仍缺乏规模经济性。时间变量的系数为0.084，这说明我国高技术产业研发的技术进步为平均每年约8.4%。σ和γ的值均显著不等于0，这表明中国的高技术企业的研发活动存在着明显的技术无效率，μ值表明技术无效率值大部分分布于0.8614周围。

2

（二）影响因素分析

1.制度变量系数通过了1%的显著性检验，并且为负值。这说明制度变量每提高一个单

位，我国高技术企业研发无效率减少2.5396个单位。从而说，良好的市场化环境是提升我国高技术产业研发效率的必备条件。市场化水平较高的地区，研发活动往往越活越，而在研发成果的市场化、产业化环节将会获得更大的支持。

2.企业规模变量系数通过了1%的显著性检验，并且为负值。这说明我国高技术产业研发效率与企业规模之间存在着明显的正相关关系，即企业平均规模越大，越具规模经济性，研发效率相应越高。从系数来看，企业规模提升一个单位，企业研发效率提高5.0352个点位。由于要获得竞争优势，大规模的企业往往更加重视研发活动，同时也会获得类似于风险投资的支持，其雄厚的资本实力和规模经济效应使其在整个技术创新过程中处于优势地位，这也从另外一个角度说明各地区应鼓励企业壮大规模，加强纵向和横向兼并，提升企业在重大技术上的联合攻关能力。

3.政府政策支持变量系数通过了1%的显著性检验，但我们发现系数为正。这表明政府的政策支持不仅没有使创新主体的研发效率有所提升，反而使其下降了。造成这一现象的原因可能在于：政府支持更加注重创新主体的社会效益，而对其经济效益的关心程度不高，从数据上看，中西部地区政府资金在研发投入中的比重明显高于东部地区，而从研发效率上发达地区的效率明显要高。此外，政府部门作为支持资金的单一分配者，易受寻租活动和行政隶属关系的影响，从而使得支持的力量无法作用于有效的方向，甚至会用于扶劣抑优；最后，政府对投入的政策资金缺乏有效的监督机制，即放出资金后无法把握资金的使用情况，这使得各主体在政府资金的使用和自有资金使用的效率上明显不同。

4.企业的经营绩效没有通过显著性检验，这说明高经营效率的企业研发效率不一定较高，企业的经营业绩与企业的研发效率不存在对应关系。从企业的经营数据来看，我国高技术企业1995-2007年企业的平均利润率为7.74%，但是企业的平均利润率出现了逐年下降的态势，在1995年时我国高技术企业的平均利润率为8.31%，而到了2007年则下降到5.02%，这说明随着企业竞争程度的提高，利润率在不断降低，而对应的企业研发效率则出现了波动性变化。

5.企业在技术消化吸收经费上的支出通过了1%的显著性检验，但是系数并不是很大，这说明企业在技术消化吸收经费上每提升一个单位，企业的研发效率提高0.15单位，这说明企业在重视自身自主创新能力建设的基础上，如果加大技术引进上消化吸收经费用将有利于提升企业的研发效率。

四、研发效率区域差异分析

中国高技术产业在1996～2007各年间的分省级区域和四大经济板块的研发效率如表3所示，鉴于年度数据是环比变化的，为精确起见，表中1996～2007年的研发效率采用几何平均的算法。

表3 中国各地区高技术产业研发效率变化 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 几何 平均值 4

3

3

在“十一五计划”后，国家统计局在统计操作上也变区域的“三分法”为“四分法”。与此相一致，本文这里采用的也是“四大经济板块”的区域划分方法，其具体的划分方式为：东部地区包括北京、天津、河北、山东、江苏、上海、浙江、福建、广东9个省级区域；西部地区包括四川、陕西12个省级区域；东北地区包括辽宁、吉林和黑龙江3个省级区域，其余为中部地区。 4

现有较多研究在计算年均增速时采用简单平均方法，这会导致增速波动大的样本的均值被相对高估，增速变化平稳的样本的增速被相对低估。取几何均值的优点就在于可以消除各样本年度波动幅度不一致，即离散程度差异的影响。

北京 天津 河北 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 四川 陕西 均值 0.161 0.202 0.129 0.389 0.871 0.774 0.669 0.265 0.448 0.304 0.306 0.867 0.372 0.161 0.097 0.163 0.188 0.912 0.861 0.837 0.745 0.945 0.897 0.901 0.764 0.476 0.081 0.088 0.102 0.106 0.083 0.057 0.048 0.046 0.047 0.043 0.046 0.051 0.063 0.061 0.047 0.046 0.122 0.126 0.159 0.269 0.336 0.227 0.170 0.131 0.185 0.132 0.031 0.030 0.029 0.028 0.028 0.020 0.011 0.027 0.035 0.022 0.030 0.034 0.026 0.112 0.052 0.017 0.048 0.217 0.153 0.171 0.238 0.020 0.154 0.025 0.041 0.072 0.174 0.208 0.452 0.458 0.525 0.820 0.874 0.582 0.806 0.921 0.918 0.819 0.558 0.350 0.347 0.623 0.606 0.705 0.580 0.629 0.718 0.670 0.544 0.630 0.874 0.588 0.081 0.076 0.316 0.128 0.317 0.176 0.167 0.410 0.353 0.303 0.343 0.331 0.218 0.036 0.021 0.016 0.027 0.024 0.016 0.072 0.120 0.034 0.070 0.074 0.072 0.039 0.225 0.366 0.353 0.437 0.529 0.465 0.527 0.955 0.798 0.842 0.718 0.663 0.531 0.060 0.064 0.072 0.072 0.069 0.062 0.047 0.071 0.064 0.072 0.079 0.072 0.067 0.245 0.277 0.300 0.331 0.394 0.393 0.358 0.350 0.524 0.390 0.365 0.463 0.359 0.073 0.076 0.064 0.063 0.123 0.049 0.089 0.095 0.104 0.087 0.086 0.100 0.082 0.107 0.157 0.070 0.050 0.044 0.023 0.018 0.015 0.049 0.022 0.089 0.124 0.049 0.071 0.100 0.032 0.065 0.031 0.032 0.037 0.027 0.131 0.037 0.049 0.041 0.048 0.415 0.461 0.723 0.738 0.767 0.672 0.580 0.836 0.939 0.918 0.927 0.847 0.713 0.371 0.415 0.476 0.384 0.353 0.279 0.078 0.330 0.270 0.306 0.305 0.348 0.304 0.007 0.006 0.003 0.004 0.021 0.005 0.006 0.097 0.119 0.104 0.115 0.123 0.020 0.149 0.163 0.210 0.223 0.323 0.294 0.289 0.329 0.346 0.327 0.323 0.359 0.268 变异系数 0.815 0.883 1.061 0.984 0.957 1.041 1.039 0.915 0.964 1.018 1.018 0.933 0.966 东部地区 0.210 0.236 0.351 0.376 0.567 0.533 0.521 0.545 0.614 0.573 0.573 0.631 0.462 中部地区 0.069 0.084 0.051 0.055 0.058 0.036 0.053 0.065 0.076 0.057 0.075 0.082 0.062 西部地区 0.189 0.211 0.240 0.194 0.187 0.142 0.042 0.213 0.195 0.205 0.210 0.235 0.176 东北地区 0.068 0.043 0.030 0.066 0.124 0.111 0.150 0.200 0.094 0.115 0.062 0.087 0.085 从模型结果看,中国高技术产业研发效率整体较低,均值仅为0.268。在现有对我国研发效率的研究中，闫冰和冯根福(2005)对整个中国工业行业研发效率均值为0.16，朱有为和徐康宁（2006）以高技术产业行业面板数据的研究结果为0.258，白俊红、江可申、李婧（2009）以省级面板数据测算的我国整体行业研发效率结果为0.659，本文测算的结果与朱有为和徐康宁（2006）测算结果相近，这说明我国高技术产业研发效率较低，但是从时间趋势上看，我国高技术产业研发效率呈稳步增长趋势，从1996年的0.149已升至2007年的0.359，中间出现过波浪式的波动，分别在2000年和2004年到达过峰值，且在2003年后趋于稳定，这表明高技术产业研发效率的改善还存在着较大的空间。就各地区高技术产业研发效率来看，广东地区最高，年平均值达到了0.713，其次为江苏地区，年平均值达到了0.588，接下来为上海、天津、福建等地，其年平均研发效率都达到了0.4以上。年平均研发效率最低的为陕西地区，主要原因在于，改革开放以来，国家一直把陕西地区作为西部高技术产业发展的重点扶持对象，以西安高新区为龙头的关中高新技术产业开发带，已经成为发展高新技术、加速科技成果转化的重要基地，成为陕西省科技创新的重要区域，虽然陕西省每年高技术产业研发投入都占到了全国的前三名，但在新产品销售收入上却始终没有进入全国前列，这说明陕西地区的高技术产业在研发过程中成果转化程度较低，从而使其研发效率较低。而其他年均研发效率较低的如河南、河北，湖南、湖北、黑龙江和吉林等地则为我国高技术产

0.7000.6000.5000.4000.3000.2000.1000.000东部地区中部地区西部地区东北地区业比较落后的地区。就四大经济板块来看，研发效率由高及低依次为东部地区、西部地区、东北地区和中部地区，其中西部地区研发效率相对于中部地区较高，主要是因为在数据选取上西部地区只选择了四川和陕西，而这两个地区高技术产业发展水平一直处于中上游，这说明高技术产业研发效率的高低与各地区的高技术发展水平是正向相关的。可以说，中国各地区间研发效率具有明显的“马太效应”特征。

图1 全国四大经济板块的高技术产业研发效率变化（1996～2007）

从图1来看，东部地区与中部、西部和东北地区之间研发效率有较大差距，且东部地区研发效率始终处于提升状态，而其他三个经济板块都一直处于比较低的水平，尤其是中部地区，研发效率始终处在0.1以下。

为进一步考察中国高技术产业研发效率在区域分布上的特征，我们计算了全国及各大经济板块内的各省级区域间的研发效率变异系数，具体数据如表4所示。

表5 全国及四大经济板块内各省级地区的高技术产业研发效率变异系数：2001～2007 东部地区 东北地区 中部地区 西部地区 全国 1996 0.538 0.606 0.137 1.365 0.815 1997 0.582 0.272 0.238 1.373 0.883 1998 0.615 0.478 0.106 1.397 1.061 1999 0.569 0.743 0.092 1.388 0.984 2000 0.483 0.763 0.215 1.256 0.957 2001 0.534 0.711 0.134 1.364 1.041 2002 0.542 0.868 0.675 1.227 1.039 2003 0.546 0.790 0.209 0.773 0.915 2004 0.486 1.229 0.205 0.547 0.964 2005 0.578 0.706 0.131 0.695 1.018 2006 0.559 0.970 0.075 0.639 1.018 2007 0.458 0.982 0.133 0.678 0.933 均值 0.541 0.760 0.196 1.059 0.966 方差 0.046 0.247 0.160 0.353 0.073 199619971998199920002001200220032004200520062007计算结果显示，各省之际间研发效率的变异系数接近于1，表明中国各省间高技术产业研发效率差异性较大，但各经济板块内（除西部地区）的变异系数比全国省级变异系数要低，四大经济板块中，中部地区内部各省级区域间的研发效率差异最小，其平均的变异系数只有0.196，西部地区内部各省级区域间的研发效率差异最大，其平均的变异系数高达

5

1.6001.4001.2001.0000.8000.6000.4000.2000.000东部地区东北地区中部地区西部地区全国1.059，东部地区和东北地区的内部差异水平居中，平均的变异系数分别为0.541和0.760，低于全国层面的变异水平。这说明各经济区内研发效率差异性相对全国来讲变动性较小，研发效率的变异程度具有明显的区域性，即在地理空间上毗邻、经济地理条件相近的地区间，研发效率也更为相近，例如北京和天津地区，江苏与上海地区，吉林与黑龙江地区等，这在一定程度上说明了技术外溢的空间属性。从时间趋势来看，东部地区研发效率的差异性比较平稳，没有出现明显的收敛。东北地区研发效率的差异性出现了比较明显的扩张趋势，在2004年达到了最高，近些年来有所减弱。中部地区研发效率的差异性出现的是先扩散再收敛的趋势。西部地区则出现了一直收敛的趋势。具体见图2所示：

图2全国及四大经济板块内部的高技术产业研发效率的变异系数（1996～2007）

五、简短结论与政策建议

本文运用随机前沿分析法，借助1996～2007年省级地区的面板数据计算了中国高技术产业研发效率，从分析中我们可以看出，中国高技术产业研发效率整体较低,均值仅为0.268，这表明高技术产业研发效率的改善还存在着较大的空间。但是从时间趋势上看，我国高技术产业研发效率呈稳步提升趋势，就四大经济板块来看，东部地区与中部、西部和东 5

由于数据所限，西部地区仅包含陕西和四川两个地区，而四川地区与陕西地区研发效率相差较大，因此考虑西部地区高技术产业研发效率的差异性没有太大意义。

199619971998199920002001200220032004200520062007北地区之间研发效率有较大差距，且东部地区研发效率始终处于提升状态，而其他三个经济板块都一直处于比较低的水平，尤其是中部地区，研发效率始终处在0.1以下。这说明高技术产业研发效率的高低与各地区的高技术发展水平是正向相关的。可以说，中国各地区间研发效率具有明显的“马太效应”特征。从全国及各大经济板块内的各省级区域间的研发效率变异系数可以看出，各省之际间研发效率的变异系数接近于1，表明中国各省间高技术产业研发效率差异性较大，但各经济板块内（除西部地区）的变异系数比全国省级变异系数要低，四大经济板块中，中部地区内部各省级区域间的研发效率差异最小，西部地区内部各省级区域间的研发效率差异最大，这说明各经济区内研发效率差异性相对全国来讲变动性较小，研发效率的变异程度具有明显的区域性，即在地理空间上毗邻、经济地理条件相近的地区间，研发效率也更为相近，从时间趋势来看，东部地区研发效率的差异性比较平稳，没有出现明显的收敛，东北地区出现了比较明显的扩张趋势，中部地区出现的是先扩散再收敛的趋势，西部地区则出现了一直收敛的趋势。在研发效率的影响因素中，制度因素、企业规模因素和企业在技术消化吸收经费上的支出对于高技术产业研发效率有正影响，而政府政策支持没有使研发效率得到有效的提高，企业的经营绩效的变动对研发效率没有明显的影响。

我们根据本文的研究结论具体提出以下几点建议：各地政府应加强市场化环境建设，在非涉及国计民生和国家重点战略的产业中，推进研发活动的市场化和企业主体化；鼓励企业壮大规模，加强纵向和横向兼并，提升企业在重大技术上的联合攻关能力，继续鼓励企业加强自主创新能力建设；政府应在鼓励企业在市场化运作基础上加强自主意愿的技术研发，通过在技术创新方面予以配套支持，使得政府的支持和市场导向的研发需求有效能够对接起来；对于政策支持资金应进一步规范分配，加强对使用过程的监管，提高政策资金的利用效率；在鼓励高技术企业加强自主研发力度的同时，还要注重引进国外的先进技术，通过多种渠道积极学习和借鉴国外先进技术，将之与自主研发能力的培养结合起来，兼收并蓄地提升我国高技术产业水平。

参考文献：

[1] 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）：38－44． [2] 傅晓霞、吴利学．制度变迁在中国经济增长中贡献的实证分析[J]．南开经济研究，2002（4）：33－

40．

[3] 王红领、李稻葵、冯俊新．FDI与自主研发：基于行业数据的经验研究[J]．经济研究，2006（2）：44

－54．

[4] 王志鹏、李子奈．外资对中国工业企业生产效率的影响研究[J]．管理世界，2003（4）：17－25． [5] 吴延兵．自主研发、技术引进与生产率——基于中国地区工业的实证研究[J]．经济研究，2008（8）：

51－62．

[6] 姚洋．非国有经济成分对我国工业企业技术效率的影响[J]．经济研究．1998（12）：29－35． [7] 姚洋．中国工业企业技术效率分析[J]．经济研究，2001（10）：66－79．

[8] 谢伟、胡玮、夏绍模．中国高新技术产业研发效率及其影响因素分析[J]．科学学与科学技术管理，

2008（3）：19－25．

[9] 闫冰、冯根福．基于随机前沿生产函数的中国工业R&D效率分析[J]．当代经济科学，2005（6）：15-26． [10] Anming Zhang，Yimin Zhang，and Ronald Zhao， “A Study of the R&D Efficiency and Productivity of

Chinese Firms”，Journal of Comparative Economics, 2003,31,48-67.

[11] Caves D W，L R Christensen，W E Diewert，“The Economic Theory of Index Numbers and the Measurement

of Input，Output，and productivity”，Econometrics，1982, 50,1393-1414.

[12] Chuang, Yih-chyi, and Chi-mei Lin, \"Foreign Direct Investment, R&D and Spillover Efficiency: Evidence

from Taiwan's Manufacturing Firms.\" The Journal of Development Studies, 1999, 35(4), 117-137. [13] Coe S.，and M.Helpman， “International R&D Spillovers”，European Economic Review，1995，39(5)，

304-336.

[14] Frantzen.D.，“The Causality between R&D and Productivity in Manufacturing: An International

Disaggregate Panel Data Study”，International Review of Applied Economics，2003,2, 249-265.

[15] Wang，L.，Szirmai，A. “Technological Inputs and Productivity Growth in China’s High-tech Industries”，

2003，Ecis Working Paper.