基于DEA方法与Malmquist指数的高技术产业创新效率测评开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

课题的意义：

随着全球经济和新兴科技的一体化发展，以医药制造、新材料和通信设备制造为代表的高技术正影响着国家的战略安全和国际竞争力。近年来我国的高技术产业正步入加速创新、快速迭代、群体突破的爆发期，新技术、新业态、新模式不断涌现，具备做强做大的诸多优势。一是国家形成了体系完整、配套齐全、能力巨大的产业体系，并初步形成了一批创新型龙头企业。二是关键核心技术取得重要突破。经过多年努力，目前我国在芯片、操作系统等领域拥有一批具有自主知识产权的技术和产品，并在国防军工等领域实现规模化应用。三是国内市场规模和发展潜力巨大，可依托庞大的内需推进核心技术的研发和产业化。

根据国际市场的竞争经验表明，高技术企业创新效率的高低是企业在国际市场竞争中能否保持优势的关键因素，加快高技术产业发展、提升经济发展质量对国家战略发展具有十分重要的意义。如何把握新一轮科技革命和产业革命带来的发展机遇，大力发展高技术企业，加快提升自主创新能力，成为我国能否进一步缩小与发达国家的距离，甚至赶超发达国家的关键所在。因此，合理客观的评价我国高技术产业的创新效率，探究产业未来的发展趋势，对于增强我国高技术产业的技术创新能力和竞争优势，具有重要的理论和现实意义。

基于以上背景，本次研究借鉴国内外关于高技术产业创新效率的研究成果，探究要素投入在推动企业创新过程中的效率问题，考察中国高技术产业创新效率的动态变化，为国家创新驱动政策的制定和实施提供参考。

国内外研究进展：

一、创新效率测算指标体系研究

创新效率实质是技术创新投入产出的转化效率，而指标体系的选择对测算的结果会产生较大影响，建立不同指标体系测算出的创新效率水平可能大相径庭。创新效率测算指标体系的构建主要分为投入指标、产出指标和环境变量三个部分，指标和变量的选取既要遵循系统性和科学性，同时也要考虑数据的可得性，因此大多数学者们会根据经验选择投入产出指标与环境变量并解释选择的原因。

（一）创新效率测算投入指标

Brockhoff（1996）曾明确提出RD人员投入和资金投入对产业和工艺创新效率有非常重要的决定性作用。毫无疑问，人才和资金要素投入是一个地区或者一个产业的创新规模和潜力的重要表征，是创新资源投入能力的综合表现。人才投入指标常使用RD活动人员折合全时当量、科技活动人员数、企业RD人员占职员比重等。此外，有学者考虑到RD人员投入中人员素质参差有别，故选择研究人员数量占RD人员总量比重作为人力投入质量指标。财力投入指标常使用的有RD内部经费支出、RD外部经费支出、新产品开发经费支出、政府科技拨款等。

（二）创新效率测算产出指标

产出指标主要反映创新资源投入带来的经济效益，包括直接创新成果和创新成果的商业化。在高技术产业创新效率测算中，学者们常使用的产出指标有专利申请授权数、科技论文数量、新产品销售收入、高新技术产业增加值等。Guan和Gao（2009）认为专利是研发活动的直接创新成果，同时也是国际上通用的技术创新产出的测量指标。科技论文数量则是侧重考察一个地区或产业的知识创新能力。Liu和Buck（2007）指出工业企业RD项目数、新产品销售收入和高新技术产业增加值反映了技术创新成果的商业实现，也体现了市场对创新成果的接受能力。这些指标可以在较大程度上反映技术创新对经济运行的促进作用大小，因而可作为创新产出指标来表征创新的经济效益。

一般情况下，由于选取的计量模型不同，指标也有所差异。但在单阶段的测量模型中，指标选取基本一致，都是选取RD人员折合全时当量与RD经费内部支出额为投入指标，选取专利申请数与新产品销售收入为产出变量。另外，从创新资源投入至最终经济效益的产生不是一蹴而就的，需要一定的转化时间，因而创新效率测算必然涉及到投入产出指标时间间隔选择。对此，学术界并没有统一的共识，部分学者的做法是采用因果关系检验作为判断时滞期的依据。

（三）创新效率测算环境变量

环境变量的选取主要应该考虑那些对高新技术产业研发创新效率产生影响的外生变量，包括宏观政策环境、政府的创新支持等外部环境因素，也包括市场结构、企业规模、外资竞争、所有制结构等行业特征因素。

企业规模。企业规模对技术创新效率的影响，目前学术界还没有一致的结论。Chen等（2004）认为适度的企业规模有利于研发创新效率的提高。Petruzzelli等（2018）认为如果企业规模增长导致企业内部控制失效、公司资源利用率低、结构冗杂等问题，企业规模实质上存在“质量”低下的潜在问题。肖兴志和谢理（2011）研究发现我国战略性新兴产业创新效率水平较低且与企业规模呈U型关系。桂黄宝（2014）利用DEA-Malmquist法对我国各省份高技术产业创新效率进行测算，发现企业规模和劳动力素质对效率提升具有积极作用。但也有学者认为企业规模对高技术产业创新效率影响为负，罗映科（2015）基于Malmquist生产率指数，认为随着企业规模的增加，高技术产业技术创新全要素生产率逐渐下降。而肖利平和蒋忱璐（2017）认为企业规模的作用会因企业所处阶段的不同而不同。

市场结构。已有研究文献关于市场结构对研发创新效率的影响结论并不统一。Schumpeter（1942）提出市场结构对研发创新效率的影响明显，高的市场集中度更有利于提升研发效率。Arrow（1962）提出高竞争性的行业会有利于提升研发效率。学者们通常用市场集中度来表征市场结构，有企业集中度、赫芬达尔赫希曼指数等方法。由于计算集中度的数据无法获得，冯根福等（2006）的研究表明企业数可以反映行业的进入和退出壁垒，也能代表行业的竞争程度，可以用于表示市场结构。

所有制结构。在中国经济转轨的过程中，国有企业与民营、外资企业面临不同的政策和市场竞争环境，导致了不同所有制结构的企业效率存在明显差异。对于这方面的研究，学者们的观点较为一致，普遍认为民营和外资企业的研发创新效率髙于国有企业。吴延兵（2014）指出国有企业技术创新能力最弱，私营企业具有专利创新优势但其整体创新能力有待提高，外商投资企业创新投入少但在新产品和劳动生产率上拥有显著优势。钱丽等（2019）基于两阶段价值链视角，利用共同前沿理论和DEA模型测度分析2007-2016年中国区域不同性质企业创新效率差异，结果表明：中国各省份不同性质企业效率差异明显，国有企业研发和成果转化效率最低，而外资企业效率较高。

政府的支持。政府的财政支持是对高新技术产业的研发创新支持的重要政策，也是比较容易量化的政府支持指标。而政府的支持具有双刃性，是增加了投入总量，还是挤出了投入，具有不确定性，因此，有必要进一步检验政府的支持对高新技术产业研发创新效率的影响。杨浩昌和李廉水（2019）认为从总体上看，政府支持有利于促进高技术产业研发效率的提高，并且这种促进作用主要是通过提升技术效率来实现的。但也有学者认为政府支持对高技术产业并不存在推动作用，李平和刘利利（2017）采用2003-2012年中国地区面板数据，利用超越对数的随机前沿模型和门限回归模型进行分析，发现目前在我国的创新过程中，政府研发资助对创新效率的影响为负，存在一定的“政府失灵”。龚立新和吕晓军（2018）通过实证检验，认为单纯增加补贴力度难以提高企业技术创新效率。要提高企业技术创新效率，必须完善补贴制度。徐敏和陈媛（2020）从投入产出角度构建了技术创新效率测度指标，研究显示：在目前长江经济带金融产业的集聚程度下，市场资本相对完善，政府补贴作为干预的手段，加剧了产业的恶性竞争，造成资源浪费，对长江经济带高技术产业创新产生逆向作用。

国内部分学者关于投入产出指标以及环境变量选择的对比

二、创新效率测算方法研究

目前测算高技术产业创新效率的方法主要有两种：参数法和非参数法。现有文献中对高技术产业创新效率的测算方法绝大部分都是对这两类方法的延伸和改进。

（一）参数法

第一类是以随机前沿方法（Stochastic Frontier Analysis，以下简称SFA）为代表的参数法，该方法先假设生产函数与随机误差分布等并估计投入参数，再进行效率测算。参数法通过设定特殊的生产函数形式估算效率，最初是由Aigner等（1977）提出。宛群超等（2018）利用SFA方法，从创新价值链产出视角对我国高技术产业创新效率进行了测度。韩晶（2010）采用SFA分析了影响高技术产业创新效率的因素。同样，范凌钧等（2011）运用SFA对我国高技术产业技术效率进行估算，发现区域差异较大，东部地区效率高于中部和西部地区。

（二）非参数法

第二类是以数据包络分析法（Data Envelopment Analysis，以下简称DEA）为代表的非参数法，由运筹学家Charnes等（1978）提出，该方法既不需要设定生产函数形式也不需要估计参数，使用更为方便。刘伟（2015）基于三阶段DEA模型，在控制环境因素的基础上测算了我国高新技术产业的研发创新效率。王敏和辜胜阻（2015）采用DEA分析发现各个高技术细分行业存在明显创新效率差异，部分行业甚至面临投入冗余与产出不足并存的问题。刘树林等（2015）采用链式网络DEA方法测量了我国高技术产业创新效率，研究发现我国高技术产业创新效率大体呈U型变化，并且技术转化阶段滞后于技术开发阶段。

三、区域和产业创新效率实证测算

（一）区域创新效率实证测算

以高技术产业为研究对象的区域创新效率实证测算研究主要可以分为两个部分：第一，区域创新效率值的测算；第二，影响区域创新效率的关键因素分析。

刘云和杨湘浩（2012）对我国高技术产业创新效率进行了实证分析，研究结果表明地理位置对创新效率影响显著。戚湧和王静（2017）运用超效率模型测算了长江经济带各地区高技术产业创新效率，结果发现经济带整体创新效率较高，但省市差距较大。在区域创新效率值的具体研究中，学者杨玉桢和杨铭（2019）、徐皓等（2019）发现我国高技术产业创新效率总体呈现出东部高、中西部较低的区域特征，与区域经济发展水平相一致。但是肖仁桥等（2012）发现我国某些地区却出现“高发展水平、低创新效率”这一矛盾现象，而且经济发达程度越高的地区越可能出现规模报酬递减的现象，而经济欠发达的地区则会呈现规模报酬递增的趋势。同时，桂黄宝（2014）在研究中指出地理邻近性对高技术产业创新效率反而具有显著的负向影响。

对于影响区域创新效率的关键因素，学者们研究认为产业集聚水平、产业结构、各创新主体的联结关系、人力资本等因素都对区域创新效率有较大影响。

（二）产业创新效率实证测算

产业创新效率实证测算主要分析创新资源投入与所获得的经济效益之间的转化率。在众多产业中，高技术产业对创新驱动的要求最高，因此受到学者们的高度关注。

有学者从行业异质性视角分析高技术产业创新价值链效率问题，康淑娟和安立仁（2019）研究发现高技术产业技术吸收阶段的创新效率偏低，而在知识创造与成果转化阶段容易受到环境影响，出现效率虚高情况。在行业层面上，因高技术产业各个细分行业异质显著，效率也差别较大。韩晶（2010）研究发现电子及通信设备制造业，由于技术引进和资本充足、市场开放和竞争程度高，因此创新效率较高；而航空、航天器及设备制造业与国家发展战略、国有垄断密不可分，市场化程度低，因而效率也较低。黄亦鹏和陈鸽林（2014）将专利作为高技术产业的创新产出指标，得出我国不同高技术产业创新效率存在差异的结论。

应用前景：

以互联网与物联网为代表的信息技术迅猛发展，给中国各个省市的高新技术产业带来了契机和挑战。高新技术行业创新效率的水平高低，有可能会影响产业和国家科技未来的发展趋势。基于理论分析和实证分析的研究方法有利于我们了解中国高技术产业创新效率的静态和动态变化，为国家创新驱动政策的制定和实施提供参考。

2. 研究的基本内容和问题

研究目标：

回顾过往文献，了解我国高技术产业创新效率的研究成果。利用我国高技术产业公开发布的信息和财务数据，在选用恰当投入产出指标的基础上，通过dea方法，并结合malmquist指数，从高技术产业整体、细分行业以及时间跨度三个维度分别分析不同年份的创新效率，同时还利用超效率dea模型进行一些补充说明。最后，针对企业创新效率提高和高技术产业发展方面提出相应的建议。

3. 研究的方法与方案

研究方法：

从企业内部来看，创新的过程实际上就是创新生产部门利用现有的研发资金、人力资本等各类创新资源要素，通过不同路径投入创新生产过程并创造出能够实现经济效益的创新产品的过程。基于此，本研究利用我国高技术产业公开发布的信息和财务数据，在选用恰当投入产出指标的基础上，通过dea方法，并结合malmquist指数，从高技术产业整体、细分行业以及时间跨度三个维度分别分析不同年份的创新效率，同时还利用超效率dea模型进行一些补充说明。

一、数据包络分析

4. 研究创新点

特色或创新之处：

（一）我校的课题较少以企业创新效率作为立足点，因此选题较为新颖、研究较为独立。

（二）随着全球经济和新兴科技的一体化发展，我国的高技术产业正步入加速创新的爆发期，因此对高新技术产业的研究是大势所趋。

5. 研究计划与进展

研究计划：

①文献查找：认真查找并阅读相关文献资料。

②理论研究：总结归纳过去学者的研究成果：创新效率测算指标体系研究；创新效率测算方法研究；高技术产业下区域和细分产业创新效率实证测算结果。

③建立模型：选取合理客观的投入产出指标，建立评价指标体系，明确研究方法：DEA方法、Malmquist指数、超效率DEA模型。

④分析结果：根据实证结果，分析高技术产业整体和细分行业的投入产出结果，评价细分行业在不同时期的效率情况，多角度探究引起效率值变化的原因。

⑤提出建议：在对数据进行计量分析之后，在老师的指导下，结合相关文献，探索政策启示。

⑥对研究课题进行完善，完成研究报告。

预期进展：