基于DEA-Tobit模型的中国省域创新发展效率测评

赵清军1,车 鑫1,周毕芬1,何艳阳

(1.福建农林大学 公共管理学院,福建 福州 350002;2.郑州大学 法学院,河南 郑州 450001)

1 引言

知识经济时代背景下,创新驱动成为新的经济增长动力,而创新发展水平则是衡量地区经济社会发展水平和综合竞争力的重要标准[1]。据统计,我国R&D经费总额居世界第二位,R&D人员总量居世界第一位,国家创新指数第十七位,与创新型国家的差距逐渐缩小[2]。然而,增加创新资源投入和高效利用创新资源同等重要,科学地评估创新发展效率有助于创新资源的合理配置[3]。因此,分析我国省域创新发展效率,找出影响创新发展效率的关键因素十分必要。

创新发展效率和相关问题近年颇受关注,诸多学者分别采用主成分分析法[4,5]、数据包络分析法[3,6]、随机前沿模型[7,8]、支持向量回归机法[9]、纵横向拉开档次评价法[10,11]、TOPSIS模型[12]、灰色关联法[13,14]等评价了创新发展效率。结论表明,区域创新效率总体水平不高[3,8]、地区差异明显[7],但区域差距在不断缩小[15],在时间上呈周期性波动[16],技术进步是推动效率增长的关键因素[17]。在创新发展效率影响因素和相关研究方面,国内外学者从经济基础[3,15]、贸易水平[18]、对外开放[1]、工业结构[16]、科研投入[19]等展开研究。结果表明,区域经济发展水平与区域科技资源配置效率呈显著的负相关关系[20],进口贸易、外商直接投资对提高自主创新能力起着明显的促进作用[16,18],工业结构对科技创新效率具有正的影响效应[21],优化配置科技投入结构和科技资源明显促进了科技创新产出效率[19]。

本文主要选择省域层面进行分析,测算其创新发展的静态和动态效率,并从原有评价指标和外部环境指标两方面找出影响创新发展效率的关键因素,为提高我国省域创新发展的效率提供决策参考和借鉴。

2 研究方法、指标选取与数据来源

2.1 研究方法

基于静态效率评价的DEA-BCC模型:DEA是使用数学规划建立评价模型,不用事先确定评价指标的权重,可直接对多投入和多产出的决策单元之间的相对有效性进行评价,结果更具有客观性[22]。由于创新效率的规模效应是可变的[26],因此本文选择基于投入导向的DEA-BCC模型对我国省域创新发展的静态效率进行测评,数学表达式为:

(1)

式中,θ(0<θ≤1)为综合效率指数;λ为权重变量;S+和S-分别为各项投入和产出的松弛变量;x0和y0分别为决策单元的初始投入和产出。

基于动态效率评价的Malmquist指数:为了进一步评估我国省域创新发展在不同时期的效率变化情况,本文借助Malmquist指数进行测评。从t期到t+1期生产率的变化[23]:

(2)

(3)

式中,M(xt,yt,xt+1,yt+1)表示省域创新发展效率的全要素生产率;等号右边第一项为纯技术效率变化指数,第二项为规模效率变化指数,第三项为技术进步指数。

基于效率影响因素分析的Tobit模型，通过DEA方法测算出省域创新发展的效率值及各要素变化情况,但各要素与其他环境指标等因素对创新发展效率的影响情况和具体程度如何,还需进一步分析。由于DEA计算出来的效率值范围为[0,1],如果使用普通最小二乘法进行回归,其参数估计值可能存在有偏性和非一致性[25]。因此,本文采用Tobit回归模型进行分析,数学表达式为:

yit=β0+βixit+εit

(4)

式中,yit为第i个省第t年的创新发展的综合效率值;xit为自变量;βi为相关系数;εit为随机误差项。

2.2 指标选取

本文在借鉴相关文献的基础上,从创新发展人力和资金两方面选取投入指标,从科技创新产出和高技术产业化两方面选取产出指标,构建我国省域创新发展效率的评价指标体系。其中,投入指标包括4个:企业R&D人员占就业人员比重、万人R&D人员全时当量代表人力投入，科技支出占地方财政支出比例、R&D经费支出与地区GDP比值代表资金投入；产出指标包括4个:万人专利申请数、万人国际科技论文数代表科技创新产出，万人输出技术成交额、新产品销售收入占主营业务收入比重代表高技术产业化。

图1 我国省域创新发展效率及其影响因素分析框架和方法

为了进一步探究我国省域创新发展效率的影响因素,在对效率进行测评的基础上,本文将DEA-BCC模型所得出的创新发展综合效率值作为因变量，把创新发展的四个投入指标以及经济水平(人均GDP增长率)、对外开放(外商直接投资实际成交额与GDP的比值)两个环境指标作为自变量。我国省域创新发展效率及其影响因素分析框架见图1。

2.3 数据来源

为了增强数据的可获得性和可比性,本文选取2000年、2005年、2010年和2015年我国30个省份(未包括香港特区、澳门特区、西藏自治区和台湾地区,下同)的面板数据。创新发展投入—产出指标数据来源于相关年份的《中国科技统计年鉴》和《中国技术市场报告》,经济水平和对外开放等环境指标数据来自相关年份的《中国统计年鉴》和《中国城市统计年鉴》。

3 省域创新发展效率测算结果与分析

3.1 创新发展效率的静态分析

创新发展效率的测度分析：运用Deap 2.1软件对2000年、2005年、2010年和2015年30个省份创新发展的投入产出数据进行计算,得出创新发展效率结果(表1)。

表1 2000—2015年中国省域创新发展效率静态分布情况

分析表1可知:①我国创新发展效率整体水平不高,普遍存在创新发展无效率的状态,这与刘汉初等的研究结果一致,创新效率总体呈上升趋势,但水平仍较低[27],表明大多数省份创新发展效率有待提升且空间较大,应加强省域之间的交流与合作。2000年、2005年、2010年和2015年我国创新发展综合效率平均值分别为0.71、0.58、0.74和0.81。从这四年的平均值看,我国综合效率平均值为0.71,说明我国创新发展效率仅达到最优值的71%,还有较大提升和优化的空间。分省份看,2000年、2005年、2010年和2015年我国创新发展综合效率达到DEA最优的分别有9个、5个、11个和10个省份。其中,北京、上海、浙江和海南4个省市的综合效率值一直为1,处于效率的前沿面,不存在投入冗余和产出不足的情况。此外,通过分析发现,2000年和2005年创新发展效率最低的省份均为青海,分值分别为0.19和0.17;2010年和2015年效率值最低的分别是山西和内蒙古,分值为0.3和0.34,与同期我国平均值相差甚远,说明我国各省份之间创新发展的效率差距较大。②在研究时段内,技术效率最优的省份数比同期综合效率和规模效率最优的省份数多,且多数情况下技术效率值高于规模效率值,技术效率是影响各省份创新发展效率的主要因素。2000年、2005年、2010年和2015年我国创新发展技术效率平均值分别为0.79、0.77、0.92和0.97,这四年的平均值为0.86,达到了最优水平的86%,说明我国在创新发展的过程中技术效率发挥了较大的作用。分省份看,2000年、2005年、2010年和2015年我国创新发展技术效率达到DEA最优的省份分别有9个、7个、16个和19个,约占总数的30%、23%、53%和63%,其中北京、上海、浙江、海南和重庆5个省市的技术效率始终为DEA有效。③同期的规模效率最优省份数与综合效率最优省份数基本持平,绝大多数省份都处于规模报酬递增阶段,规模效率成为制约我国省域创新发展静态效率的关键因素。2000年、2005年、2010年和2015年我国创新发展规模效率平均值分别为0.89、0.76、0.80和0.83,四年的平均值为0.82,达到最优值的82%,表明我国创新发展整体上还未实现规模经济效应,尚未达到适度的发展规模。分省份看,2000年、2005年、2010年和2015年我国创新发展规模效率达到DEA最优的省份分别有10个、5个、11个和10个,基本上与同期综合效率最优的省份数一样。同时,保持规模报酬递增的省份数分别有18个、22个、19个、19个,说明这些省份在创新发展的过程中应通过扩大规模来提高创新发展的效率。

创新发展效率空间格局差异分析:为了进一步分析我国30个省份的创新发展效率变化趋势,利用DEA-BCC模型的测评结果,分别对2000年、2005年、2010年和2015年30个省份的创新发展综合效率的空间分布特征进行分析。运用ArcGIS 10.5软件绘制其时空变化(图2),采用自然间断点分级法将各省份创新发展的综合效率值划分为高效率区、较高效率区、中等效率区和低效率区四类。

由图2可见,2000—2015年我国创新发展效率空间差异明显,但总体呈上升趋势。从我国创新发展效率的类型看，2000年、2005年、2010年和2015年处于高效率水平区的省份分别有9个、5个、11个和14个,这些地区综合效率水平很高,绝大多数都达到了DEA最优,但并不代表它们就没有改进的空间,还需要在创新发展的环境管理和技术创新等方面进一步加强。2000年、2005年、2010年和2015年处于较高效率区的省份有11个、9个、7个和7个,处于中等效率区的有9个、11个、5个和7个,而处于低效率区的分别有1个、5个、7个和2个,这些省份创新发展效率的提升空间相对较大,因此应在发展规模和投入—产出要素配比等方面做进一步的调整和改进。

图2 2000—2015年我国省域创新发展效率空间分布情况

从各效率区的变化情况看:不同效率区的省份波动变化较大,呈现出东部沿海地区逐渐增强的趋势。2000—2005年、2005—2010年、2010—2015年分别有16个、13个和14个省份创新发展效率发生变化,约占所研究省份数的1/2,表明我国各地区创新发展效率的变动较大尚未稳定。同时,中等效率区和低效率区的省份数由2005年的16个缩减到2015年的9个,说明我国创新发展效率整体在不断的提升。此外,高效率区的省份数先从2000年的9个下降到2005年的5个,然后逐渐扩大到2015年的14个,且呈现出向中部地区和东部沿海地区增加的趋势,与周柯的结论相同[1]。

3.2 创新发展效率的动态分析

本文运用Malmquist全要素生产率指数对全国30个省份在2000年、2005年、2010年和2015年创新发展的动态效率进行了测算和分解。由表2分析可知:①2000—2015年我国30个省份的平均全要素生产率保持着较高的增长,尤其是2010—2015年各项指标增长显著,增长率高达112%。从各年的平均值看,我国创新发展的动态效率值为1.47,全要素生产率保持着每年47%的增长速度。从各经济区看,东北地区、东部地区、中部地区和西部地区的创新发展动态效率值分别为1.64、1.71、1.51和1.36,均达到了效率前沿面,且综合技术效率变动和技术进步均大于1,呈现出从西部到东部依次递增的梯次分布格局,这与鲁继通的研究结果完全相反[28]。可能的原因是：相较于东部地区,西部地区无论是创新人才储备还是创新资金投入力度等方面均相对不足。②2000—2005年全国创新发展全要素生产率均值为1.432,增长率为43.2%,主要原因是技术进步提升了78.9%。在该阶段,吉林(2.31)、黑龙江(2.17)、天津(2.19)、湖北(2.22)、陕西(3.28)和甘肃(2.8)的动态效率值最高,增长率均在100%以上,其中技术进步是促进创新发展动态效率提升的主要原因。从四大经济区看,东北三省和中部六省均在效率前沿面;东部地区10个省市除福建(0.88)外,其他9个省市均在效率前沿面;西部地区11个省(区市)除重庆(0.99)、云南(0.52)和宁夏(0.86)以外,其他8个省(区市)均在效率前沿面上。由此可见,我国30个省份中绝大多数省份的创新发展动态效率处在效率前沿面上,说明创新发展效率总体呈上升态势。东北地区、东部地区、中部地区、西部地区的创新发展动态效率值分别为2.12、1.56、1.62和1.39,均达到了效率前沿面,并呈现出“东北—中部—东部—西部”的演变格局。③2005—2010年我国创新发展全要素生产率均值为1.04,增长率为4%,比2000—2005年的增长速度有所下降,主要原因是技术进步出现了衰退,增长率为-19%,但综合技术效率变动增长了29%,故仍处在效率的前沿面上。该阶段只有江苏(2.73)和青海(2.43)两省动态效率的增长率在100%以上。从各省份看,东北地区除吉林(0.97)外,其他两个省均达到了效率前沿面;东部地区只有北京(0.72)、上海(0.29)、广东(0.92)和海南(0.25)四省市没有达到效率前沿面;中部地区也只有山西(0.89)和江西(0.81)两省尚未达到效率前沿面;而西部地区有四个省份没有处在效率前沿面上,分别是内蒙古(0.71)、广西(0.57)、宁夏(0.87)和新疆(0.97)。该阶段的创新发展动态效率改进的省份较上阶段减少了7个,可见2005—2010年创新发展效率出现了倒退现象。四大经济区创新发展的动态效率值分别为东北(1.41)、东部(1.12)、中部(1.03)和西部(1.19),均在效率的前沿面上,并演化为“东北—西部—东部—中部”的格局。④2010—2015年我国创新发展全要素生产率均值为2.12,增长率为112%,比2005—2010年增长率得到了大幅度提高,主要原因是综合技术效率变动指数和技术进步指数均在提升,增长率分别为13%和87%。该阶段有14个省份动态效率的增长率在100%以上,其中浙江(5.18)的增长率最高,达到了418%。从各省份来,除东北地区的吉林(0.83)、西部地区的内蒙古(0.7)和贵州(0.76)没有达到效率前沿面以外,其他27个省份均处在效率的前沿面上。可见东部和中部省份在2005—2010年之后,迅速对创新发展的要素配比和发展规模进行优化和调整,创新发展动态效率的技术进步最大。四大经济区创新发展的动态效率值分别为东北(1.57)、东部(1.71)、中部(1.51)和西部(1.36),均在效率的前沿面上;其中,东部地区的增长率最高,我国省域创新发展动态效率演变为“东部—东北—中部—西部”的格局。

表2 2000—2015年中国省域创新发展效率动态变化情况

4 省域创新发展效率影响因素分析

为了进一步探析我国省域创新发展效率的影响因素,在对其效率进行测评的基础上,本文将DEA-BCC模型所得出的创新发展综合效率值作为因变量Y,将企业R&D人员占就业人员比重、万人R&D人员全时当量、科技支出占地方财政支出比例以及R&D经费支出与地区GDP比值等投入指标分别定义为自变量X1、X2、X3和X4,将外商直接投资实际成交额与GDP的比值和人均GDP两个环境指标分别定义为自变量X5和X6,构建了我国省域创新发展综合效率的Tobit回归模型。本文运用Stata 14.0软件计算出我国30个省份2000年、2005年、2010年和2015年创新发展综合效率的Tobit回归结果，见表3。

表3 中国省域创新发展效率的Tobit模型回归结果

分析表3可见:①在10%的显著性水平下,2000年企业R&D人员占就业人员比重(X1)和外商直接投资实际成交额与GDP的比值(X5)两个变量对我国省域创新发展综合效率具有显著的影响;2005年企业R&D人员占就业人员比重(X1)、万人R&D人员全时当量(X2)、R&D经费支出与地区GDP比值(X4)和人均GDP(X6)四个变量对我国省域创新发展综合效率产生了极大的影响;2010年企业R&D人员占就业人员比重(X1)、万人R&D人员全时当量(X2)和外商直接投资实际成交额与GDP的比值(X5)三个变量对我国省域创新发展综合效率的影响最大;2015年万人R&D人员全时当量(X2)和科技支出占地方财政支出比例(X3)两个变量是我国省域创新发展综合效率的关键影响因素。②地区创新发展系统是一个投入—产出的系统,创新资源的投入很大程度上决定了地区的创新发展水平,以科研人员数衡量地区创新发展的人力资本对区域创新发展效率的影响至关重要[15]。进一步分析发现,企业R&D人员占就业人员比重(X1)在2000年、2005年和2010年对创新发展综合效率产生了极显著的负向影响,这可能是因为企业研发人员结构与能力匹配等方面存在一定的问题,抑制了我国创新发展综合效率的提升[29]。万人R&D人员全时当量(X2)在2005年、2010年和2015对创新发展综合效率的影响较为显著,2005年对其产生了负向影响,2010年和2015年则为显著的正向影响,说明2005年研发工作量增加在一定程度上制约了创新发展的综合效率,但经过调整和优化后在2010年和2015年开始对创新发展综合效率产生重要的正向影响。③科技支出占地方财政支出比例、R&D经费支出与地区GDP比值、外商直接投资实际成交额与GDP的比值和人均GDP等变量在不同年份对创新发展的综合效率均产生不同程度的影响。其中,外商直接投资实际成交额与GDP的比值变量在2000年、2005年、2010年和2015年均与省域创新发展综合效率呈正相关关系,尤其是在2000年和2010年最显著,表明随着对外开放水平的不断提升,我国创新发展效率也在随之提高,充分利用外资的技术溢出效应是促进创新发展效率的一个重要途径[18]。

5 结论与讨论

本文运用DEA-BCC模型和Malmquist指数,实证研究了我国30个省份在2000年、2005年、2010年和2015年创新发展的静态效率和动态效率变化情况。在此基础上,采用Tobit回归模型分析了影响我国省域创新发展效率的主要因素,得出以下结论:①在创新发展静态效率方面,我国整体水平不高,普遍存在创新发展无效率的状态,同期技术效率最优要比综合效率和规模效率最优的省份数多,技术效率是影响我国省域创新发展静态效率最主要的因素,且绝大多数省份处于规模报酬递增阶段,规模效率成为制约创新发展静态效率的关键因素。2000—2015年我国省域创新发展静态效率空间差异明显,但整体呈上升趋势,高效率水平区正逐渐向中部和东部沿海地区扩大。提高创新发展效率既要加强省域间的加强交流与合作,又要合理调整发展规模和优化资源配置效率。②在创新发展动态效率方面,研究时期内我国创新发展全要素生产率保持较高的增长,年均增长率高达112%,技术进步对创新发展动态效率的提升起到关键性的作用,并逐渐增强。四大经济区在不同年份的创新发展效率差异各有不同,绝大多数省份创新发展的动态效率达到了效率的前沿面,整体上升的态势较为明显,省域创新发展的动态效率逐步演变为“东部—东北—中部—西部”的格局。③在创新发展综合效率影响因素方面,企业R&D人员占就业人员比重和万人R&D人员全时当量两个人力投入指标对我国省域创新发展的综合效率影响最显著,其中企业R&D人员占就业人员比重变量与创新发展的综合效率呈负相关关系,而万人R&D人员全时当量变量由显著的负向影响转为显著的正向影响,其他变量也在不同时期对我国省域创新发展的综合效率产生了不同程度的影响。

评价并分析我国省域创新发展效率及其影响因素,对实现我国“十三五”发展目标和全面提升自主创新能力具有一定的参考价值。由于统计数据的缺失,并未对西藏自治区、香港与澳门特区、台湾地区的创新发展效率进行测评,其创新发展效率情况可能也有所不同。其次,随着社会经济的发展和研究的不断深入,创新发展效率评价指标体系的内涵也将发生变化,构建我国省域创新发展效率评价体系仍是一个复杂而系统的工程。此外,本文仅对各时期静态效率的影响因素进行分析,而创新发展动态效率的主要因素和发展过程中具体问题的解决策略未进行研究,因此对创新发展动态效率的影响因素做进一步的探讨以及如何破解创新发展过程中的难题将是今后研究的主要方向。