第１６卷第５期 科技与管理 ＶＯＩ．１６ Ｎｏ．５ Ｓｅｐｔ．，２０１４ ２０１４年９月 Ｓｃｉｅｎｃｅ－Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｍａｎａｇｅｍｅｎｔ 文章编号：１００８—７１３３（２０１４）０５—００６５—０６ 我国高技术产业Ｒ＆Ｄ效率的随机前沿函数分析 ——基于２００２ ２０１１年２７个省市面板数据 徐俊杰， 汪浩瀚 （宁波大学商学院，浙江宁波３１５２１１） 摘要：基于随机前沿函数，考查了２００２－－２０ｌ１年我国各省市高技术产业的研发活动，分别对Ｒ＆Ｄ中 间产出效率和Ｒ＆Ｄ最终产出效率进行衡量，进而分析各种影响因素对产出效率的具体效应。研究发 现：我国高技术产业Ｒ＆Ｄ投入未形成规模经济，且Ｒ＆Ｄ资本投入比Ｒ＆Ｄ人员投入效率高；各省市高技 术产业Ｒ＆Ｄ效率差异明显，具体呈东部领先，中西部和东北地区落后的现状；企业规模、政府政策影响、 市场化程度、市场结构以及时间因素对高技术产业Ｒ＆Ｄ中间产出效率和Ｒ＆Ｄ最终产出效率的作用差 异显著。 关键词：高技术产业；Ｒ＆Ｄ效率；随机前沿函数 文献标志码：Ａ 中图分类号：Ｆ４２６ Ｃｈｉｎｅｓｅ Ｈｉ－ｔｅｃｈ ｉｎｄｕｓｔｒｙ Ｒ＆Ｄ ｅｆｉｃｉｆｅｎｃｙ ｂｙ ｕｓｉｎｇ ｓｔｏｃｈａｓｔｉｃ ｆｒｏｎｔｉｅｒ ｆｕｎｃｔｉｏｎ ａｎａｌｙｓｉｓ：ｂａｓｅｄ ｏｎ ｐａｎｅｌ ｄａｔａ ｏｆ ２７ ｐｒｏｖｉｎｃｅ ｆｒｏｍ ２００２ ２０１１ ＸＵ Ｊｕｎ－ｊｉｅ， ＷＡＮＧ Ｈａｏ—ｈａｎ （Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｎｉｎｇｂｏ Ｕｎｉｖｅｒｓｉｔｙ，Ｎｉｎｇｂｏ ３１５２１ １，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｏｃｈａｓｔｉｃ ｆｒｏｎｔｉｅｒ ｆｕｎｃｔｉｏｎ，ｔｈｉｓ ａｒｔｉｃｌｅ ｅｘａｍｉｎｅ Ｒ＆Ｄ ａｃｔｉｖｉｔｙ ｏｆ ｅｖｅｒｙ ｐｒｏｖｉｎｃｅ‘Ｓ Ｈｉ—ｔｅｃｈ ｉｎｄｕｓ— ｔｒｙ ｆｒｏｍ ２００２ ｔｏ ２０ １ １．Ｔｈｅｎ ｆｈｉｓ ｐａｐｅｒ ｅｖａｌｕａｔｅｓ Ｒ＆Ｄ ｉｎｔｅｒｍｅｄｉａｔｅ ｏｕｔｐｕｔ ｅｆｉｃｉｅｎｃｙ ａｎｄ Ｒ＆Ｄ ｆｆｉｎａｌ ｏｕｔｐｕｔ ｅｆｆｉｃｉｅｎ— Ｃｖ．Ａｆｔｅｒ ｔｈａｔ．ｉｔ ａｎａｌｙｓｅｓ ｅｖｅｒｙ ｋｉｎｄ ｏｆ ｅｌｅｍｅｎｔ ｗｈｉｃｈ ａｆｆｅｃｔｓ ｏｕｔｐｕｔ ｅｆｉｃｉｆｅｎｃｙ．Ｔｈｅ ｒｅｓｅａｒｃｈ ｆｉｎｄｓ：Ｃｈｉｎｅｓｅ Ｈｉ— ｔｅｃｈ ｉｎｄｕｓｔｙ’Ｓｒ Ｒ＆Ｄ ｉｎｐｕｔ ｄｏｅｓｎ’ｔ ｆｏｒｍ ｅｃｏｎｏｍｉｅｓ ｏｆ ｓｃａｌｅ．Ｒ＆Ｄ ｃａｐｉｔａｌ ｉｎｐｕｔ ｉＳ ｍｏｒｅ ｅｆｆｉｃｉｅｎｔ ｔｈａｎ Ｒ＆Ｄ ｐｅｒｓｏｎ ｉｎｐｕｔ；Ｈｉ—ｔｅｃｈ ｉｎｄｕｓｔｒｙ’Ｓ Ｒ＆Ｄ ｅｆｉｃｉｅｎｃｙ ｏｆ ｅａｃｈ ｐｒｏｖｉｆｎｃｅ ｉｓ ｄｉｆｆｅｒｅｎｔ．Ｔｈｅ ｅａｓｔ ａｒｅａ ｋｅｅｐｓ ａｈｅａｄ ｏｆ ｔｈｅ ｍｉｄｄｌｅ ａｒ— ｅａ，ｔｈｅ ｗｅｓｔ ａｒｅａ ａｎｄ ｔｈｅ ｎｏｒｔｈｅａｓｔ ａｒｅａ；Ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｓｃａｌｅ，ｔｈｅ ｐｏｌｉｃｙ ｅｆｉｃｉｅｎｃｙ，ｔｈｅ ｍａｒｋｅｔｉｚａｔｉｏｎ ｐｒｏｃｅｓｓ，ｔｆｈｅ ｍａｒｋｅｔ ｓｔｒｕｃｔｕｒｅ，ａｎｄ ｔｉｍｅ ｅｌｅｍｅｎｔ ｈａｖｅ ｄｉｆｆｅｒｅｎｔ ｓｉｇｎｉｆｉｃａｎｔ ｅｆｆｅｃｔｓ Ｏ１＇１ Ｒ＆Ｄ ｉｎｔｅｒｍｅｄｉａｔｅ ｏｕｔｐｕｔ ｅｆｉｃｉｅｎｃｙ ａｎｄ ｆＲ＆Ｄ ｆｉｎａｌ ｏｕｔｐｕｔ ｅｆｉｃｉｅｎｃｙ．ｆ Ｋｅｙ ｗｏｒｄｓ：Ｈｉ—ｔｅｃｈ ｉｎｄｕｓｔｒｙ；Ｒ＆Ｄ ｅｆｉｃｉｅｎｃｙ；ｓｔｏｃｈａｓｔｉｆｃ ｆｒｏｎｔｉｅｒ ｆｕｎｃｔｉｏｎ 高技术产业是人才、技术、资本密集企业，集中 体现了高精尖的新技术，是推动我国产业结构升级， 促进经济发展由粗放式改为集约式的主导力量。其 Ｒ＆Ｄ效率能够影响我国工业整体效率水平和自主 创新能力，进而影响经济增长的效率。故研究高技 术产业的研发效率对全面提升高技术产业的竞争力 收稿日期：２０１４—０６—１８ 具有重要意义。对该产业中不同省份高技术产业的 Ｒ＆Ｄ效率进行比较分析，有利于比较各省市高技术 产业创新发展现状，清楚展现我国高技术产业的自 主创新发展水平。 早期测算Ｒ＆Ｄ效率，多采用研发产出和研发投 入相比的相对指标法，方法简便，但容易造成误差 大，且不能适用于多投入、多产出的情况。随着研究 作者简介：徐俊杰（１９８９一），男，硕士研究生 汪浩瀚（１９６４一），男，教授，博士 的进一步深入，目前测算Ｒ＆Ｄ效率主要有２种方 法：非参数方法和参数方法。非参数方法主要指的 科技与管理 第１６卷 是数据包络分析（Ｄａｔａ Ｅｎｖｅｌｏｐｍｅｎｔ Ａｎａｌｙｓｉｓ， ＤＥＡ），由Ｃｈａｒｎｅｓ等…开始创建，是运用数学规划 模型评价具有多个输入和输出的决策单元间的相对 有效性。本质上是判断决策单元是否处于生产可能 集的前沿面上。其优势在于不用确定所有研究样本 数据的无效率分布的具体函数形式、其明显劣势在 于没有考虑随机误差，并且只衡量了技术效率。参 数方法主要指的是随机前沿分析（Ｓｔｏｃｈａｓｔｉｃ Ｆｒｏｎｔｉｅｒ Ａｐｐｒｏａｃｈ，ＳＦＡ）。该方法由Ａｉｇｎｅｒ，Ｌｏｖｅｌｌ和 Ｓｃｈｍｉｄｔ，Ｍｅｅｕｓｅｒ和Ｂｒｏｅｃｋ各自独立提出。该方法 界定了成本、利润或产出的函数形式，同时确定了随 机误差项的具体函数形式。当使用的衡量方法更接 近潜在实际情况时，选取ＳＦＡ法能够比ＤＥＡ法获 得更准确的结果 。 关于产业Ｒ＆Ｄ效率的研究，国内外较有代表性 的主要有：Ｋｏｃｈｅｒ等‘ 运用ＤＥＡ法研究了２１个 ＯＥＣＤ国家的经济效率，发现除了美国，其他国家增 加研究活动的比重，会获得更大的经济效益。Ｚｈａｎｇ 等 运用ＳＦＡ法研究了不同类型公司的Ｒ＆Ｄ效 率，发现外资企业的Ｒ＆Ｄ效率高于内资企业。谢伟 等 基于ＤＥＡ法测算了我国各省市的高技术产业 Ｒ＆Ｄ效率、技术效率以及规模效率，发现我国高技 术产业整体Ｒ＆Ｄ效率偏低，且各地差异显著。梁平 等‘ 运用ＤＥＡ—Ｍａｌｍｑｕｉｓｔ指数法衡量了１９９５－－２００６ 年中国高技术产业创新效率的动态变化，结果表明： 该产业创新效率的增长主要源于技术进步的贡献， 资源配置效率的下降不利于创新效率的增长。朱有 为等¨。。运用随机前沿函数，以中国高技术产业１３ 个细分行业为研究对象，测算了该行业的Ｒ＆Ｄ效 率。结论表明：研发资本依然是对新产品产出贡献 最大的投入要素。但高技术产业研发活动不具备规 模经济性。余永泽等… 采用三投人超越对数形式 的ＳＦＡ面板模型，考察了中国各省市１９９５－－２００９ 年的高技术产业的生产效率和全要素生产率增长率 的变动，对影响生产效率的关键因素进行了分析。 ｌ 模型构建与变量选取 本文选取的样本数据为高技术产业分省市的面 板数据，由于不同时期不同类型的高技术产业区域 Ｒ＆Ｄ效率会有显著差别，即随机误差项对研发效率 影响很大，因此本文选取随机前沿生产函数进行 分析。 最初的随机前沿函数只能用来分析横截面数 据。其没有处理时序数据的能力。Ｂａｔｔｅｓｅ等 提 出了可以处理时序数据的随机前沿函数模型，使该 模型处理跨时期的数据成为可能。本文采取Ｂａｔ． ｔｅｓｅ和Ｃｏｅｌｌｉ的建模方法。目前使用较广的生产函 数主要有Ｃ．Ｄ函数和超越对数形式的函数，为避免 超越对数形式容易出现的多重共线性，本文采取Ｃ— Ｄ函数的形式，并取对数。具体研究模型如下： ｌｎ（Ｑ“）＝／３０＋／３ｌＩｎ（￡“）＋ ２ｌｎ（ＲＤ ）＋ 一 ｎ， （１） Ｉｎ（ ）＝ ０＋Ｏｔ１Ｉｎ（己 ）＋ ２Ｉｎ（ＲＤｎ）＋ 一 。 （２） 本文将研发效率的衡量分为技术开发和技术成 果转化２个阶段，分别对应方程（１）和（２）。在技术 开发阶段，企业研究开发新的技术，得到技术创新的 中问产品，主要以知识技术类为主。具体分为专利 和非专利技术。为了统计的客观性，本文选取专利 申请数Ｑ为衡量技术开发阶段产出的指标，也是 Ｒ＆Ｄ投入的中间产出。而技术转化阶段是将专利 技术等知识性产品转化为满足市场需求的商品和服 务，并给企业带来收入的经济行为。故选取新产品 销售收入ｙ为技术转化阶段产出的指标，也是Ｒ＆Ｄ 投入的最终产出。 与ＲＤ分别为Ｒ＆Ｄ人员投入和 Ｒ＆Ｄ资本投入。式（１）、（２）中，ｉ和 分别表示ｉ省 市和第￡个年份。Ｑ 表示第 年ｉ省高技术产业的 专利申请数。Ｙｉ 表示第ｔ年ｉ省市高技术产业新产 品销售收入。 、卢：表示专利申请数相对于Ｒ＆Ｄ 人员投入和Ｒ＆Ｄ资本投入的弹性。同理， 。、 表 示新产品销售收入对Ｒ＆Ｄ人员投入和Ｒ＆Ｄ资本投 入的弹性。 一 是方程随机误差，以复合形式构 成。其中， 表示在经济系统中不可避免的误差，假 设服从正态分布 （０， ），且与 相互独立。 为ｉ省市的随机无效率项，假设服从非负截断正态 分布Ｎ（ｍ¨ｏ－ ）。ｅｘｐ（一ｍ ）表示省份ｉ的高技术 产业在ｔ时期的技术效率，ｍ 与技术效率呈负相关 关系。本文重点研究企业规模、政府政策影响因素、 市场化程度以及市场结构对Ｒ＆Ｄ活动技术无效率 的影响。故设定技术无效率函数为 ｍ“： ｏ＋ ｌ Ｓｃａｌｅｎ＋ ２Ｇｏｖｅｒｎ【ｌ＋ ３Ｓｔａｔｅｎ＋ ４Ｍａｓ¨＋ ５ｔ＋Ｅｎ。 （３） 其中： 表示待估常数项，Ｓｃａｌｅ、Ｇｏｖｅｒｎ、Ｓｔａｔｅ 和Ｍａｓ分别测量了企业规模、政府政策影响程度、 市场化程度以及市场结构。ｔ为时间趋势因素。 用来测度高技术产业研发活动技术效率是否随时间 改变。咖，、咖：、咖。和咖 分别表示相应变量的作用系 数。Ｅ 为该设定方程的随机误差项，服从正太分布 Ｎ（０，ｒ， ）。对于是否使用随机前沿函数法来分析 第５期 徐俊杰等：我国高技术产业Ｒ＆Ｄ效率的随机前沿函数分析 ６７ 本文考查的省际面板数据，则需要计算 ＝ Ｕ２／ 以上作者确定比例的方法均考查了每一年统计年鉴 （ ， ＋ ）。若ｙ＝０，则使用普通ＯＬＳ法即可；若 １，则表明生产前沿函数的误差主要源于 ¨随 ＝中，实物资本投入与人力资本投入的比值。因此会 有不同的权重确定。本文通过考查２００２－－２０１２年 机前沿函数法对高技术产业Ｒ＆Ｄ效率估计最有效。 本文之所以选取技术无效率函数中的４个变 量，主要源于如下几点：①企业规模。企业规模与研 高技术产业年鉴中有关Ｒ＆Ｄ经费投入的组成部分， 决定借鉴朱有为的方式，确定Ｒ＆Ｄ活动价格指数为 卸ｉ＝０．７５ｐｉ＋０．２５ｗ 。 （４） 发效率究竟是正相关或者负相关依旧存在分歧。 Ｃｈｅｎ等 以新竹工业园内计算机企业为研究对象， 发现企业通过增大规模获得规模效益，最终提升了 研发效率。而姚洋 认为中小企业得益其体量小 的优势，能够根据市场形势的变化做出迅速地调整， 进行新产品技术的研发。本文通过实证进一步研 究。②政府政策影响程度。在中国，政府作为拉动 投资的重要力量不能被忽略。政府对研发技术活动 的投资对研发效率的影响理应被考察。③市场化程 度。由于历史原因，我国形成了国有经济和民营经 济齐头并进的趋势，而两者对于研发效率的影响是 具有区别的。究竟市场化的进一步，对研发效率具 有如何影响，本文以实证解释。④市场结构。主要 考虑垄断对于技术创新的影响，目前国内研究大多 认为高技术产业市场集中度的提高能够更有效地促 进研发技术活动的进行。 ２ 变量和数据的处理 本文数据来源于《中国高技术产业年鉴》中 ２００２－－２０１１年共２７个省市的高技术产业数据。其 中不包括海南、西藏、青海和新疆这４个省。因为数 据缺省年份过多，且投入和产出数据均不大。故排 除这４个省对全国整体影响非常小。 对于专利申请数Ｑ，本文选取各省市高技术产 业每年申请专利数量。新产品销售收入】，，鉴于统 计年鉴中的数据均计算的是当年价格，故需要扣除 其中的价格因素。本文以２００２年为基年，计算 ２００２年不变价格新产品销售收入Ｙ。Ｒ＆Ｄ人员投 入Ｌ的衡量，本文使用各省市高技术产业研发人员 折合全时当量。研发活动具有独特的持续性，且新 产品的产生往往跨度几个时期。因而高技术产业研 发活动不仅与当期Ｒ＆Ｄ经费投入有关，也与上一期 的Ｒ＆Ｄ资本存量相关。首先，要除去当期Ｒ＆Ｄ经 费投入中的价格因素。回顾国内外研究成果，大多 计算Ｒ＆Ｄ活动价格指数。其中较有代表性的有：王 国顺等 将Ｒ＆Ｄ活动价格指数设定为固定资产投 资价格指数和消费者价格指数两者的均值。朱有为 将Ｒ＆Ｄ活动价格指数设定为（０．７５ｐ＋０．２５ｗ），Ｐ表 示产品出厂价格指数，而Ｗ代表消费者价格指数。 其中：Ｐ 为固定资产投资价格指数， 为消费者价 格指数。其次，计算Ｒ＆Ｄ资本投入的数值。Ｒ＆Ｄ 资本存量每年存在折旧。参考朱有为和王国顺等的 建模方式，本文也采取永续盘存法，设立Ｒ＆Ｄ资本 函数为 ＲＤ ＝（１—７１）ＲＤ 川＋Ｆ （５） 根据Ｇｒｉｌｉｃｈｅｓ 的研究，假设Ｒ＆Ｄ资本存量的 折旧率竹为１５％，Ｒ＆Ｄ经费投人Ｆ的增长率０为 １０％，以便计算初始Ｒ＆Ｄ资本存量。２００２年为基 年，假设Ｒ＆Ｄ资本的增长率等于Ｒ＆Ｄ经费投入Ｆ 的增长率，那么初始Ｒ＆Ｄ资本存量为Ｆ ／（７７＋ ）。 关于无效率函数中影响因素指标的确定，企业规模 Ｓｃａｌｅ采用各省市高技术产业以２００２年不变价格计 算的总产值除以企业数来度量。政府政策影响因素 Ｇｏｖｅｒｎ以研发经费投入中政府资金所占比重为指 标。市场化程度Ｓｔａｔｅ运用各省市国有或者国有控 股高技术产业当年总产值与该省市高技术产业当年 总产值的比例来度量。市场结构Ｍａｓ以各省市高 技术产业企业数来衡量。 ３ 实证结果分析 首先，对Ｒ＆Ｄ资本投入、Ｒ＆Ｄ人员投入、技术 开发阶段产出和技术成果转化阶段产出进行描述型 分析，得到结果，如表１所示。 表１描述性结果分析 变量 频数 最大值 最小值 均值 标准差 研发资本投入／（万元／年） ２７０ １４ ６１４０７８．７９ ７８４．００ ７３０２２７．９８ １ ５６２ １５７ ８０ 研发人员投入／（万人／年） ２７０ １７９ １ｌ６ ９０ ２９．００ ９４７６．３６ ２０ ２９９．８１ 申请专利数／（项／年） ２７０ ３９ ３３８．００ ２．００ １ ３７６．８３ ４ｌ６５．９６ 新产品销售收入／（万元／年） ２７０ ７３ ６０３ ５０８ ６０ ６５０．００ ３８８４９８８．０８ ８ １９７ ｏ６１．１４ 下一步，本文使用Ｆｒｏｎｔｉｅｒ ４．１软件，以极大似 然估计为基础，对我国２７个省市２００２－－２０１１年高 技术产业投入和产出的面板数据进行分析，得到 Ｒ＆Ｄ活动中间产出模型和Ｒ＆Ｄ活动最终产出模型 结果，如表２所示。其中：Ｒ＆Ｄ活动中间产出模型 和Ｒ＆Ｄ活动最终产出模型的 值分别为０．８８５５和 ０．９０２２，且都通过１％显著性水平的检验。可知２ 科技与管理 第１６卷 个模型中随机前沿函数中的误差主要都来自无效率 报效率在从最初生产要素投入到最终新产品上市销 售这整个过程中是在不断上升的。Ｒ＆Ｄ活动中间 生产函数。又Ｒ＆Ｄ活动中间产出模型和Ｒ＆Ｄ活动 最终产出模型的单边ＬＲ统计量均通过１％显著性 水平检验，分别为１０８．３５６６和７７．９５６ ６。故可得方 产出模型中，各投人要素产出弹性加总值等于 ０．９０９ ６，小于１，说明在技术开发阶段的Ｒ＆Ｄ投入 缺乏规模经济效应。同理，在Ｒ＆Ｄ活动最终产出模 程（１）、（２）中的随机误差项具有明显复合结构，使 用随机前沿函数分析各省市高技术产业的面板数据 型中，各投入要素弹性加总值等于０．８７６ ３，小于１， 是合理的。 表２随机前沿函数估计结果 Ｒ＆Ｄ活动中间产出模型 Ｒ＆Ｄ活动最终产出模型 可 只凡 《日 系数值ｔ统计值 系数值ｔ统计值 ａ。 一３．９７８ ８ ～１０．２３１ ５ 风 ２．６７９ ７ ６．９３８ ３ Ｏ．２１４ ８ ２．１４１ ３ ／３。 －０．２３８ ０ 一２．３０５ ６ ２ ０．６９４ ８ ８．０５６ ０ ／３２ １．１１４ ３… １３．４９１ １ Ａ ０．２４９ ４ ２．１９３ ４ Ａ 一０．３４０ ０ 一２．３５６ ２ Ａ２ １．４６２ ６ １．７７４ ２ Ａ２ １．５７４ ｌ １．７８３ ４ Ａ １．９３５ ７ ６．０１５ ８ Ａ １．７１５ ９ ４．１９４ ７ Ａａ 一０．０２０ ３ —１．０５８ ３ Ａ 一０．０９８ ５ 一３．７０２ ０ Ａ５ —０．１６４ ９” 一３，３９９ ３ Ａ５ Ｏ．１１３ ４ ２．８８９ ８ ０．５５２ ７ ４．８６４ １ ”０．６８９ ２ ６．０３６ ４ ｖ Ｏ．８８５ ５“ ４．０１３ ７ ｖ Ｏ．９０２ ２ ８．８３２ ｌ 注：“ 、 ｝、 ”分别表不１％、５％、１０％的显著性水平。 ３．１ Ｒ＆Ｄ投入要素的产出弹性分析 在以申请专利为产出的Ｒ＆Ｄ活动中间产出模 型中，Ｒ＆Ｄ人员投入、Ｒ＆Ｄ资本投入的系数分别为 １＝０．２１４ ８、 ２＝０．６９４ ８。Ｏｔｌ通过５％的显著性水 平检验， 通过了显著性水平为１％的检验。由于 Ｏ／ ＞ ，，即Ｒ＆Ｄ资本投人的中间产出弹性大于 Ｒ＆Ｄ人员投入的中间产出弹性。在以新产品销售 收入为产出的ｔ／＆Ｄ活动中间产出模型中，Ｒ＆Ｄ人 员投入、Ｒ＆Ｄ资本投入的系数分别为／３ ＝一０．２３８ ０、 ／３ ＝１．１１４ ３。／３．通过５％的显著性水平检验，／３ 通 过显著性水平为１％的检验。因为 ｌ＞ Ｉ，那么 可知Ｒ＆Ｄ资本投入的最终产出弹性大于Ｒ＆Ｄ人员 投入的最终产出弹性。综合上述分析，目前我国高 技术产业在研发过程中，Ｒ＆Ｄ资本的投入较Ｒ＆Ｄ 人员的投入更有效率。也可推得我国高技术产业 Ｒ＆Ｄ效率的提升更多的依靠Ｒ＆Ｄ资本投入。 考虑Ｒ＆Ｄ人员投入的中间产出弹性Ｏ／．＞０，而 Ｒ＆Ｄ人员投入的最终产出弹性／３，＜０。可知研发人 员投入在技术开发阶段能够发挥正效应。而Ｒ＆Ｄ 资本的中间产出弹性小于Ｒ＆Ｄ资本的最终产出弹 性（ ＜ ），故可得Ｒ＆Ｄ资本的投入对新产品销 售收入的增长效率更高。Ｒ＆Ｄ资本的投入获得［亓１ 说明在技术成果转化阶段的Ｒ＆Ｄ投入也缺乏规模 经济效应。我国目前高技术产业Ｒ＆Ｄ投人未达到 帕累托最优。 ３．２ Ｒ＆Ｄ效率的测量计算分析 就我国高技术产业分省市Ｒ＆Ｄ中间产出效率 和Ｒ＆Ｄ最终产出效率来看，各省市之间差异明显， 说明各省市高技术产业的研发活动具有非稳定性。 首先，计算出２００２－－２０１１年各省市Ｒ＆Ｄ中间产出 效率和最终产出效率的平均值，如图１所示。 １．００ ０．８Ｏ 懿 窿 雠懿¨ 醚醛 聪 倒叠；蔷 ＂群 雌懿懿 ■●■■■■■■■■■■●■Ｉ 陋枢＊嚣 斌撩 趣艘目 怔 怔 目 三军怔｝■■■Ｉ■■■■■■●■■■■■■ 目柽 Ｈ＜ －ｚ Ⅱ 糖悄靼 茸窿器黯ＬＬ 目根ｌ 谜 －匿 酬 ｔｌ／＆Ｄ中间产出效率均值 Ｒ＆Ｄ最终产出效率均值 图１ Ｒ＆Ｄ中间产出效率和最终产出效率均值 Ｒ＆Ｄ中间产出效率均值最高的为广东省，达到 ０．８０００；而黑龙江省的Ｒ＆Ｄ中间产出效率均值仅 为０．２７８ ０，在２７个省市中位列最后一位。两省之 间有３倍的差距。而Ｒ＆Ｄ最终产出效率均值最高 和最低的依旧是这２个省，分别为０．８２６ ５和０．２８７ ０， 山西、浙江、广东和云南４个省Ｒ＆Ｄ中间产出效率 和最终产出效率都超过０．７，位列前四。综合来看， ２７个省市高技术产业Ｒ＆Ｄ最终产出效率都大于 Ｒ＆Ｄ中间产出效率。可知我国各省市普遍投入过 量经费研发专利，但由专利转化为最终新产品上市 的效率较低。 接着计算各省市高技术产业Ｒ＆Ｄ中间产出效 率年均变化率和Ｒ＆Ｄ最终产出效率最终变化率，所 得结果，如图２所示。我国技术产业Ｒ＆Ｄ效率整体 偏低。Ｒ＆Ｄ中间产出效率年均增长率最高的省份 分别是甘肃、河南和贵州，为０．０７５ ６８、０．０７３ ６４和 ０．０６８ ４３。说明从２１世纪初，我国中西部省份越发 重视Ｒ＆Ｄ活动投入，使得Ｒ＆Ｄ中间产出效率保持 高增速。而各省市Ｒ＆Ｄ最终产出效率年均增长率 都不高，全部低于Ｒ＆Ｄ中间产出效率年均增长率。 其中最高的为湖北、湖南，达到０．０４０ ８和０．０３９ ９。 第５期 徐俊杰等：我国高技术产业Ｒ＆Ｄ效率的随机前沿函数分析 ６９ 这进一步印证上一节所提出我国高技术产业专利转 化为最终产品的效率较低。 ０．０８ ０．０７ ０．Ｏ６ ０．０５ ０．０４ ０．Ｏ３ ０．０２ ０．０ｌ ０ ０．Ｏ１ １嘶世 Ｉ囵＋Ⅱ ０．２４９ ４，Ａ】 ＝一０．３４０ ０，且Ａｌ、Ａｌ 均通过了５％的 显著性检验。结果显示，我国高技术产业的企业规 模与Ｒ＆Ｄ中间产出效率具有显著的负相关关系，而 与Ｒ＆Ｄ最终产出效率具有显著的正相关关系。中 小企业体量小，能够根据市场具体需求，迅速进行技 术研发。此外中小企业所处条件恶劣，通常竞争激 烈，促使其必须不断地进行新技术的研发，以求能够 ｌｌ ｎ ｌ ｌ —Ｈ＜ 囊：－ｊ袖 长 －Ｒ＆Ｄ 图２ Ｒ＆Ｄ中间产出效率年均增长率和Ｒ＆Ｄ最终 产出年均增长率 最后，根据国家统计局对我国区域的划分，对各 个区域高技术产业Ｒ＆Ｄ中问产出效率变化趋势和 Ｒ＆Ｄ最终产出效率变化趋势进行分析，得到图３和 图４的结果。 １．００ ０．８０ ０．６０ ０．４０ ０．２Ｏ ０ ２００２ ２００３ ２００４ ２００５ ２００６ ２００７ ２００８ ２００９ ２０ｌ０ ２０１ １ －・－东部 …中部 西部・・一东北地区 图３高技术产业各区域Ｒ＆Ｄ中间产出效率变化趋势 １ ０．８ ０．６ ０．４ ０．２ ０ ２００２ ２００３ ２００４ ２００５ ２００６ ２００７ ２００８ ２００９ ２０ｌ０ ２０ｌ】 —・－东部 ４一中部 西部．＿． 东北地区 图４ 高技术产业各区域Ｒ＆Ｄ最终产出效率变化趋势 从整体来看，我国高技术产业Ｒ＆Ｄ中间产出效 率呈明显上升趋势，但Ｒ＆Ｄ最终产出效率变动不明 显。分区域看，我国东部地区Ｒ＆Ｄ中间产出效率最 高。但其他３个区域与东部地区差距不大。Ｒ＆Ｄ 最终产出效率最高的依然是东部地区。中西部以及 东北地区与之差距明显，且并没有缩小的趋势。区 域之间高技术产业Ｒ＆Ｄ产出效率的差距主要发生 技术成果转化阶段。 ３．３ Ｒ＆Ｄ效率的影响因素分析 根据表２所得的结果，本文技术无效率函数中 考虑的因素包括企业规模、政府政策影响、市场化程 度、市场结构以及时间因素。这些因素在Ｒ＆Ｄ中间 产出模型和Ｒ＆Ｄ最终产出模型中产生的影响不尽 相同。 （１）企业规模与Ｒ＆Ｄ效率。由表２可得，Ａ ＝ 生存并获得发展。而对于大企业而言，首先其体量 大，生产销售规模大，固定资产投入也大。这意味着 技术研发的机会成本大。故企业规扩大不能促进 Ｒ＆Ｄ中间产出效率的提升。而技术成果转化阶段， 大企业能够应用其充裕的Ｒ＆Ｄ人员、Ｒ＆Ｄ资本投 入，使得已有专利技术能够迅速转化为新产品上市。 中小企业有限的资金不足以使开发出的新技术快速 转变为新产品／服务。 （２）政府政策影响因素与Ｒ＆Ｄ效率。表２显 示，Ａ２＝１．４６２ ６，Ａ２ ：１．５７４ １，且Ａ ２、Ａ２ 都通过了 显著性为１０％的检验。可知我国高技术产业中的 政府政策影响因素与Ｒ＆Ｄ中间产出效率、Ｒ＆Ｄ最 终产出效率都是负相关关系。说明我国政府导向的 高技术产业Ｒ＆Ｄ人员、Ｒ＆Ｄ资本投入并没有促进 我国高技术产业Ｒ＆Ｄ产出效率的增加。政府部门 作为行政机构，缺乏对于高技术产业Ｒ＆Ｄ活动的专 业知识，盲目地投资只会阻碍高技术产业Ｒ＆Ｄ效率 提高。同时，政府政策的出台总是滞后的。政策拟 定、审议最后颁布，这个过程中高技术产业市场不断 地变化。因而最后执行的政策与当时的产业环境已 不相符，没能起到促进Ｒ＆Ｄ效率的作用。 （３）市场化程度与Ｒ＆Ｄ效率。根据表２的结 果可知，Ａ ３＝１．９３５ ７，Ａ ’＝１．７１５ ９，并且Ａ 、Ａ 都 在１％的显著性水平下显著。可以推得我国高技术 产业中国有成分的增加，无论对于Ｒ＆Ｄ中间产出效 率，还是对于Ｒ＆Ｄ最终产出效率，都产生了消极的 影响。国有或者国有控股的高技术企业由于委托代 理的问题，没有建立有效的激励机制，同时缺乏对管 理层全方位的监督。国有企业在Ｒ＆Ｄ活动中，无法 以利益最大化为目标，研发过程体现低效率。此外， 国有或者国有控股的高技术企业规模一般较大，其 所在行业形成了很强的天然进入壁垒。政府通常会 以制度和政策形式阻碍其它企业进入。另外，政府 的行政管控使得当行业发展形势不佳时，国有或者 国有控股高技术企业不能容易地退出该行业。这些 因素导致我国高技术产业中的国有成分Ｒ＆Ｄ活动 中的中间产出和最终产出效率较低。 （４）市场结构与Ｒ＆Ｄ效率。表２结果显示， 科技与管理 第１６卷 Ａ ＝一０．０２０ ３，Ａ ：一０．０９８ ５。两者作用方向相 大力投入Ｒ＆Ｄ要素研发新技术的同时，更应加快技 术成果的转化。 企业规模、政府政策影响、市场化程度、市场结 同。其中Ａ 未通过显著性检验，Ａ 通过了Ｉ％的显 著性水平检验。本文考查高技术产业市场结构的指 标是各省市高技术企业数量。那么高技术企业数量 的增加能够加强高技术产业内部的竞争，进而促进 Ｒ＆Ｄ最终产出效率的提升。该结论与上文中所得 高技术企业规模的扩大能够促进Ｒ＆Ｄ最终效率的 提升似乎有矛盾。其实不然，市场企业数目、高技术 构以及时间因素对高技术产业Ｒ＆Ｄ效率都具有显 著的相关性。企业规模与市场结构之间有紧密的关 系，形成有一定集中度，同时又不缺乏竞争的产业环 境有利于高技术产业Ｒ＆Ｄ效率的改进。而政府政 策以及高技术产业中的国有成分均阻碍了高技术产 企业规模与Ｒ＆Ｄ最终产出效率并非简单的正相关 关系。较低的市场集中度和较小的企业规模都不利 于高技术产业Ｒ＆Ｄ最终产出效率的提升。本文认 为只有在适合的市场其中度以及企业规模的条件下 Ｒ＆Ｄ最终产出效率才能提高。 （５）时间因素与Ｒ＆Ｄ效率。由表２可得，Ａ ＝ ～０．１６４ ９，Ａ ＝０．１１３ ４，Ａ 、Ａ 都通过了显著性为 １％的检验。即高技术产业Ｒ＆Ｄ中间产出效率与时 间因素正相关，而Ｒ＆Ｄ最终产出效率与时间因素负 相关。人世后，我国的经济愈发开发，高技术企业面 临来自外资企业的强有力的竞争，同时传统粗放性 经济发展模式不可延续，纷纷加大技术开发阶段的 投入。所以我国高技术产业Ｒ＆Ｄ中间产出效率不 断提高。而Ｒ＆Ｄ最终产出效率不断下降，与前文所 得我国高技术产业由专利技术转化为最终产品的效 率较低相互印证。 ４ 结论及政策意义 本文运用随机前沿函数，考查了我国２００２— ２０１ １年间各省市高技术产业Ｒ＆Ｄ效率。分别设立 以申请专利为产出指标的Ｒ＆Ｄ中间产出模型和以 新产品销售收入为产出指标的Ｒ＆Ｄ最终产出模型。 我国高技术产业Ｒ＆Ｄ效率偏低。高技术产业Ｒ＆Ｄ 投入中，Ｒ＆Ｄ资本投入是对Ｒ＆Ｄ中间产出以及 Ｒ＆Ｄ最终产出贡献最大的要素。而Ｒ＆Ｄ人员投人 仅仅对Ｒ＆Ｄ中间产出有正效应。并且所有要素投 入都不具有规模经济。故我国高技术产业一方面要 继续增加Ｒ＆Ｄ资本投入，另一方面合理调整Ｒ＆Ｄ 人员投人，加强对研发人员的激励，进而增强Ｒ＆Ｄ 人员投入对高技术产业Ｒ＆Ｄ效率的贡献。 分省市研究结果表明，我国各省市高技术产业 Ｒ＆Ｄ效率差异明显。具体呈现东部地区Ｒ＆Ｄ效率 高，而中部、西部以及东北地区较低。大多省市高技 术产业Ｒ＆Ｄ效率均在稳步上升。其中Ｒ＆Ｄ中问产 叶ｌｊ效率都高于Ｒ＆Ｄ最终产出效率。为了避免省市 间高技术产业Ｒ＆Ｄ效率差距扩大，要在Ｒ＆Ｄ效率 较低省份建立有效的鼓励研发的制度。在各省市均 业的Ｒ＆Ｄ活动。政府应减少对高技术产业的行政 干预，放权于市场。同时国有或者国有控股高技术 产业中应引入高效的民营资本，促进研发活动更加 有效地进行。 参考文献： ［１］ＣＨＡＲＮＥＳ Ａ，ＣＯＯＰＥＲ Ｗ，ＲＨＯＤＥＳ Ｅ．Ｍｅａｓｕｒｉｎｇ ｔｈｅ ｅｆｉｆｃｉｅｎ一 ｙ ｏｆ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｕｎｉｔｓ［Ｊ］．Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ，１９７８（２）：４２９—４４４． ［２］ ＧＯＮＧ Ｂ，ＳＩＣＫＬＥＳ Ｒ．Ｆｉｎｉｔｅ ｓａｍｐｌｅ ｅｖｉｄｅｎｃｅ ｏｎ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｔｏｃｈａｓｔｉｃ ｆｒｏｎｔｉｅｒｓ ａｎｄ ｄａｔａ ｅｎｖｅｌｏｐｍｅｎｔ ａｎａｌｙｓｉｓ ｕｓｉｎｇ ｐａｎｅｌ ｄａｔａ［Ｒ］．ＮｅｗＹｏｒｋ：Ｎｅｗ Ｙｏｒｋ Ｕｎｉｖｅｒｓｉｔｙ，１９９１：１—３５． １ ３］ ＫＯＣＨＥＲ Ｍ，ＬＵＰＴＡＣＩＫ Ｍ，ＳＵＴＹＥＲ Ｍ．Ｍｅａｓｕｒｉｎｇ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ ｒｅｓｅａｒｃｈ ｉｎ ｅｃｏｎｏｍｉｃｓ．Ａ ｃｒｏｓｓ—ｃｏｕｎｔｒｙ ｓｔｕｄｙ ｕｓｉｎｇ ＤＥＡ［Ｊ］． Ｓｏｃｉｏ・Ｅｃｏｎｏｍｉｃ Ｐｌａｎｎｉｎｇ Ｓｃｉｅｎｃｅｓ，２００６，４０（４）：３ｌ４—３３２ ［４］ＺＨＡＮＧ Ａ，ＺＨＡＮＧ Ｙ，ＺＨＡＯ Ｒ．Ｉｍｐａｃｔ ｏｆ ｏｗｎｅｒｓｈｉｐ ａｎｄ ｃｏｎ・ ｐｅｔｉｔｉｏｎ ｏｎ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ｅｎｔｅｒｐｒｉｓｅｓ［Ｊ ｊ．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐａｒａｔｉｖｅ Ｅｃｏｎｏｍｉｃｓ，２００１，２９：３２７—３４６． ［５］ ＢＡＴＴＥＳＥ Ｇ Ｅ，ＣＯＥＬＬＩ Ｔ Ｊ．Ｆｒｏｎｔｉｅｒ ｐｒｏｄｕｃｔｉｏｎ ｆｕｎｃｔｉｏｎｓ，ｔｅｅｈ ｎｉｃａｌ ｅｆｉｆｃｉｅｎｃｙ ａｎｄ ｐａｎｅｌ ｄａｔａ：ｗｉｔｈ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｐａｄｄｙ ｆａｒｍｅｒｓ ｉｎ ｉｎｄｉａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ａｎａｌｙｓｉｓ，１９９２（３）：１５３ —１６９． ［６］ＣＨＥＮ Ｃ Ｔ，ＣｔｆｌＥＮ Ｆ Ｃ．Ｕｓｉｎｇ ＤＥＡ ｔｏ ｅｖａｌｕａｔｅ Ｒ＆Ｄ ｐｅｒｆｏｒｍ— ａｎｃｅ ｏｆ ｔｈｅ ｃｏｍｐｕｔｅｒｓ ａｎｄ ｐｅｒｉｐｈｅｒａｌｓ ｉｆｒｍｓ ｉｎ ｔａｉｗａｎ［Ｊ］．１ｎｔｅｒｎａ－ ｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｂｕｓｉｎｅｓｓ，２００４，９（４）：３４７—３６０． ［７］ ＧＲＩＬ１ＣＨＥＳ Ｚ．Ｒ＆Ｄ，Ｅｄｕｃａｔｉｏｎ ａｎｄ ｐｒｏｄｕｃｔｉｖｉｔｙ［Ｍ］．Ｃａｍ— ｂｒｉｄｇｅ Ｍａｓｓａｃｈｕｓｅｔｔｓ：Ｈａｒｖａｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ．２０００：ｌ一１５． ［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］．科学学与技术管理，２００８（３）：ｌ４４—１４９． ［９］ 梁平，梁彭勇，黄馨．中国高技术产业创新效率的动态变化：基于 Ｍａｌｍｑｕｉｓｔ指数法的分析［Ｊ］．产业经济研究，２００９（３）：２３—２８． ［１０］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（１ １）：３８—４５． ［１１］余永泽，张妍．我国高技术产业地区效率差异与全要素生产 率增长率分解：基于三投入随机前沿生产函数分析［Ｊ］．产业 经济研究，２０１２（１）：４４—５３． ［１２］姚洋．中国工业企业技术效率分析［Ｊ］．经济研究，２００１（１０）： １３—１９． ［１３］ 王国顺，张涵，邓路．Ｒ＆Ｄ存量、所有制结构与技术创新效率： 高技术产业面板数据的实证研究［Ｊ］．湘潭大学学报，２０１０， ３４（２）：７１—７５． ［编辑：王劲松］