图1 包含技术市场的国家创新系统
张座铭1，彭甲超2，易 明2
(1.武汉纺织大学 会计学院，湖北 武汉 430200；2.中国地质大学(武汉) 经济管理学院，湖北 武汉 430074)
摘要：基于Malmquist指数法测算2006-2015年中国技术市场运行效率，并利用GeoDa软件对内地30省(市、自治区)的技术市场运行效率值进行空间聚类分析。研究发现：中国技术市场整体运行效率变动呈现上升趋势，在产出不变的情况下，技术市场运行效率每年平均提高7.2%；效率整体上升源于综合技术效率增加，而效率上升幅度不大主要是受到技术变动的拖累；总体上的Moran′s I表明，各省(市、自治区)技术市场的运行效率之间呈现空间负相关关系，聚类分析结果表明东部和东北经济发达地区的空间集聚度较高，而西部地区呈现效率低值集聚；在空间变化特征上，技术市场空间集中度均不一致，其中，经济发展水平低的地区技术市场集中度远低于经济发展水平高的地区，自2012年后技术市场发展渐趋一致。
关键词：技术市场；运行效率；Malmquist指数法；空间聚类
技术市场是市场体系的重要组成部分之一。狭义的技术市场一般是指科技成果交易场所，广义的技术市场则是指科技成果流通领域和交易关系的总和。技术市场既包括有形的技术市场，也包括无形的技术市场，是国家创新体系的重要支撑力量，是促进科技与经济有机结合的催化剂。近年来，我国技术市场发展迅速，技术合同交易额从1991年的94.13亿元增加到2015年的9 835.79亿元，2017年上半年，全国共签订技术合同113 807项，成交金额4 073.3亿元，与上年同期相比增长较快，增幅为20.7%。当前，我国技术市场初步形成了由科技行政部门主导、广大社会力量共同参与的市场服务体系，呈现出流动性增强、交易总量持续增长、量质同步提升、创新源头持续发力、创新主体地位稳固等特点。但与此同时，我国技术市场发展还存在一些突出问题，主要是主体脱节导致有效供给不足、环节缺失导致价值链断裂、交易环境尚不成熟等，这些问题的存在直接导致技术市场发展的不协调、不平衡和不稳定，制约了技术市场的持续快速发展。
目前国内外对市场效率的研究，绝大部分都集中在对资本市场效率分析上，即资本市场有效性方面。在现有的技术市场相关文献中，创新分配资源的技术市场观点主要分为3类：①近年来技术市场规模一直在增长；②技术市场交易障碍仍然存在；③技术市场正成为一种新型的市场参与者(组织创新)，开发新的模式(服务创新)以促进知识产权交易。Arora[1]、Elton[2]和Kline[3]的研究表明，现阶段技术市场正在扩张。技术市场扩张带来的有关贸易问题从20世纪90年代末和21世纪初开始被越来越多的学者关注，一些研究者更加详细地认识和讨论了技术贸易的困难，在他们的技术贸易研究中，Arora等[1]确定了技术市场运行效率低下的原因，其中主要包括无市场存在、缺乏标准评估方法的无形资产评估问题、各种技术的背景依赖性以及信息粘性和市场参与者的机会主义行为。由于存在这些困难，导致技术市场存在较高的交易成本。此外，由于技术市场运行效率低下的现象存在，随着技术转让和专利估值的需求增长，技术市场中介适时出现，并发展得更加多样化。在创新系统背景下，技术市场中介机构扮演着不同角色，不同学者使用不同的同义词描述技术市场中介机构[4]，诸如中介公司、桥梁、经纪人以及与信息交换具有相关性的信息中介和上层建筑组织等。此外，引入空间分析框架之后，国外学者更多地从技术市场与区域创新能力的角度进行研究。如Hoppe[5]以及Tietze等[4]通过构建理论框架或数理模型，有效分析了技术市场对技术流动、专利产出的促进作用，而Arora等[1，6]则从企业角度分析了技术市场对其创新行为的影响。国内学者对技术市场的研究则主要集中在中国技术市场发展的整体情况以及引发技术市场交易额的原因等方面[7-9]，但对技术市场的集聚程度研究不够丰富。还有学者将技术成交合同作为区域间技术转移以及知识产权保护水平的衡量指标进行实证分析，但对其区域技术市场整体运行效率分析较少[10]。
在研究方法方面，国外学者如Solow、Mansfield等对技术创新作了深入探讨。技术创新效率评价始于Farrell的经济效率研究，在此基础上，Charnes等将数据包络分析(data envelopment analysis，DEA)引入效率评价。随着计算机技术的快速发展，SHAZAM、LIMADEP、DEAP、FRONTIER、TFPIP等软件对效率的测度有了很大提升。与此同时，DEA模型与其它统计方法的结合衍生出较为丰富的DEA模型评价技术效率的方法。Malmquist指数法经Malmquist提出，随后Caves等将该指数应用于生产效率测算，而Färe等结合DEA分析方法，进一步扩展了实证研究内容。
总体而言，现有研究围绕技术市场开展了大量有益的探索，成果颇丰。但依然存在一些需要进一步深入研究的问题，主要包括：关于技术市场运行效率的概念界定尚未达成一致，理论分析框架有待建立；技术市场运行效率评价指标体系的构建有待完善；现有研究较少涉及技术市场运行效率的空间格局，导致相关配套政策研究对区域差异的关注不够。鉴于此，本文将技术市场运行效率界定为在一定资源投入下技术市场运行的产出规模占比，用以衡量维系技术市场正常运行所需的最低成本，构建技术市场运行效率评价模型，分析我国技术市场运行效率的动态演进规律和空间分布差异，进而为优化技术市场资源配置、改善技术市场运行环境、促进区域创新协调发展提出政策建议。
技术是一个整合的生产要素，广义上的技术不仅包括生产技术(产品和工艺技术)，而且包括管理知识、营销技能和公司层面的其它无形资产。技术可以以有形资产的形式转移，如新产品和新设备，也可以以专利许可等无形资产的形式转移，以非正式的方式交换信息和知识。研发以及更普遍的创新和生产新产品、知识的能力等是提高竞争力的重要因素，也是经济增长潜力的重要因素。技术市场的不断变化对正在进行的研发和创新至关重要，获得技术发展和创新对于一个地区提升全球市场竞争能力也是至关重要的。技术市场是技术商品及服务转移转化的场所和领域，链接的是技术市场参与的各个主体，因而技术市场运行涉及多个参与主体。基于新古典经济学理论，技术市场运行效率是在一般市场均衡条件及一定状况下维持技术市场运行的投入产出比。基于中国特色社会主义市场经济体制，技术市场运行效率还应该包含技术进步、规模效率以及纯技术效率等方面。在技术市场运行过程中，内生的技术创新或者企业、大学科研机构的研发常常需要与工作流程、企业文化、工作氛围等相关联，这为技术市场创新、模仿及技术流转学习等搭建平台，即为技术进步；技术市场运行能够为技术供给方和需求方提供交流平台，通过外生变量政府等制定相关制度或提供帮助来维持技术市场环境，避免一定的无效率或低效率，即为纯技术效率；技术市场运行并不是孤立的，除大学科研院所、企业等外，还需要能够链接企业和科研机构的中介等其它部门，中介机构等能够助力技术市场扩大规模，从而实现最佳生产规模，实现供给者和需求者效益最大化，即为规模效率。
如前所述，技术市场作为经济和科技的连接桥梁，促进科技与经济相结合，在增加商品市场种类的同时，也进一步增强商品市场活力，促进科技人才流动。同时，技术市场也连接着政府、中介机构、企业以及大学科研机构。基于熊彼特创新思想，结合OECD提出的国家创新系统，本文构建用于分析中国技术市场运行效率的理论模型，具体内容如图1所示。技术市场主要来自于企业及政府的双重作用，其中又包含了中介机构和大学科研机构。企业通过与大学科研机构合作共同研发，形成内生的技术创新，这主要是由于现阶段中国教育和科研体制为企业及相应的市场提供人才和技术支持，从而支撑企业和技术市场发展。技术市场通过特定的信号渠道，反馈给大学科研机构相应的需求信息。对政府来说，政府部门及相关政策的主要作用在于纠正对技术市场发展无效或低效的创新环境。在其它方面，中介机构参与技术市场发展，从而外生科技发明及技术进步，进一步完善创新相关的技术市场交易体系。
图1 包含技术市场的国家创新系统
因此，本文在技术市场运行效率评价指标选择方面，主要涉及各主体参与技术市场的内容。综上，技术市场运行效率评价需要综合各个参与主体的相关信息，如政府扶持力度、研发人员参与力度以及企业信息等，这为进一步分析技术市场运行效率奠定了基础。
本文选择Malmquist指数法测算中国技术市场运行效率，通过空间探索性分析以及基尼系数分析技术市场运行的空间差异特征。
(1)Malmquist指数。 Malmquist指数最初是由瑞典统计学家Malmquist提出的，随后Caves等将该指数应用于生产效率测算。根据DEA方法的基本原理，由决策单元DMUs所构造的t期规模报酬不变的生产可能集为：
St(C)={(xt,yt)|xt≥
≥0,j=1…n}
(1)
由决策单元DMUs所构造的t期规模报酬可变的生产可能集为：
St(V)={(xt,yt)|xt≥
≥0,j=1…n}
(2)
此后，Färe等结合DEA分析方法，就该理论进行了实证研究方面的拓展，将该指数从理论指数变成了实证指数，具体公式如下：
(3)
其中，(xt+1,yt+1)和(xt,yt)分别代表t+1和t时期的投入产出向量，
表示以t时期的生产可能性边界为标准的t+1时期的距离函数，
表示以t+1时期的生产可能性边界为标准的t时期的距离函数。在此基础上，Färe等又作了进一步研究[11]，在规模报酬不变的前提下，将以上指数进行分解，得到综合技术效率变化指数(technical efficiency change，TEC)和技术进步指数(technological change，TC)：
(4)
其中，TEC表示由于制度优化引起的效率提高，TC表示技术创新改革带来的效率提高。而当规模报酬可变时，技术变化指数(TEC)还可以分解为纯技术效率指数(pure technical efficiency change，PEC)和规模效率指数(scale efficiency change，SEC)，其中，v表示VRS下的前沿面，c为CRS下的前沿面。
(5)
(6)
综上，Malmquist生产率指数可分解为效率变化(TEC)和技术变化(TC)两部分，并可将效率变化进一步分解为纯技术效率变化(PEC)和规模效率变化(SEC)，即：
(7)
其中，TEC变化的主要影响因子是制度变迁，即由于制度变迁引起的资源要素配置效率变化，从而引起TEC效率改变；TC变化的主要原因是技术创新或者新技术引入造成的生产可能前沿面外移。
(2)空间自相关及聚类方法。Goodchild认为几乎所有的空间数据均具有依赖性特征，空间依赖性是指不同位置的观测值在空间上非独立，而呈现出非随机的空间模式。在实际的空间计量分析中，空间依赖性的经验判断和处理相对困难，Moran′s I、LM-error以及LM-lag等有效解决了空间依赖的检验技术。本文采用最常见的空间自相关Moran′s I统计量及反映空间集聚的Geary检验，描述技术市场全要素生产率的空间集聚变化。Moran′s I统计量反映了空间邻接或空间邻近的区域经济单位的相似程度，设y是区域i的观测值，具体的Moran′s I统计量表达式如下：
Moran's
(8)
其中，
表示第i地区的观测值；n为地区总数；wij为空间权重矩阵。由于Moran′s I统计量不能判断空间数据是高值集聚还是低值集聚，Getis和Ord提出全局Geary统计量。Geary统计量和Moran′s I统计量之间存在负相关关系，具体的Geary统计量G计算公式为：
(9)
其中，xi表示第i地区的观测值；n为地区总数；wij为空间权重矩阵。局部Geary统计量基于距离权重矩阵的局部空间自相关指标，能探测出高值集聚和低值集聚，计算公式为：
(3)技术市场集中度测算。技术市场成交额是衡量技术市场发展的重要指标之一，而技术市场成交额可以分解为技术转让、技术服务、技术咨询以及技术开发等4个部分。技术市场运行效率包含规模效率，规模效率又受制于技术市场规模，技术市场规模与其集中度存在较大关联[12]。基于以上考量，本文通过技术市场运行总体交易规模视角测算技术市场集中度。区域经济研究中产业空间集中程度测算常用的指标有区位基尼系数(Locational Gini Coefficient)、泰尔指数(Theil Index)和EG指数等。利用基尼系数原理测度产业空间集中度，就是所谓的区位基尼系数。测度技术市场的空间集中，也就是测度中国技术市场空间分布的不均衡性，使得基于不同数值向量计算出的结果可比较。
计算相对区域基尼系数的公式主要有Tongeren[13]和Kim等[11]，其中，Tongeren的表达式为：
式中，GS表示S产业的基尼系数，R为区域数，λr为第n个区域的总体经济活动份额；
是按各区域的区位商第n个与第n-1个区域的产业份额累积和，
为0。Kim等的表达式为：
(10)
上式中，n为区域数，xi(j)为区位商，μ为xi的平均值。本文主要选择Kim等的公式计算中国技术市场空间集中程度。
根据理论模型(见图1)的相关论述，本文依据DEA-Malmquist指数选取的投入与产出指标如表1所示，其中，投入变量4个，分别为研究与试验发展(R&D)人员全时当量(投入1，I1)、R&D经费支出占GDP比重(投入2，I2)、地方财政科技支出占地方财政支出比重(投入3，I3)以及规模以上企业R&D经费支出占企业主营业务收入比重(投入4，I4)；产出变量3个，分别为获国家级科技成果奖系数(产出1，O1)、万人发明专利拥有量(产出2，O2)和万人输出技术成交额(产出3，O3)。
研究与试验发展(R&D)活动包括应用研究、基础研究以及试验发展活动，R&D主要是指在科技领域内运用应用研究、基础研究和试验发展的知识开展创造性活动。研究与试验发展(R&D)人员全时当量指报告期末从事R&D发展活动的人员，包括直接从事R&D发展课题活动的人员，以及研究院所等从事科技行政管理、科技服务工作人员。R&D经费支出占GDP比重指用于研究与试验发展(R&D)活动的经费占地区生产总值(GDP)的比重。地方财政科技支出占地方财政支出比重，反映与竞争性经费相协调的稳定支持机制。针对竞争性支持经费比重偏大的问题，从2006年开始逐步提高了科研机构(基地)运行经费保障水平。
表1变量汇总
本文沿用以往的地理区划，根据我国经济社会加速发展的新形势，依据“西部开发”“东北振兴”“中部崛起”和“东部率先发展”的国家战略，将内地30省(市、自治区)划分为东部地区、东北地区、中部地区和西部地区。其中，东北地区主要包括黑龙江省、吉林省和辽宁省；中部地区包括山西省、河南省、湖北省、湖南省、江西省和安徽省；东部地区囊括了北京市、天津市、河北省、山东省、江苏省、上海市、浙江省、福建省、广东省和海南省；西部地区主要为四川省、广西壮族自治区、贵州省、云南省、重庆市、陕西省、甘肃省、内蒙古自治区西部、宁夏回族自治区、新疆维吾尔自治区、青海省和西藏自治区。由于西藏自治区部分数据大量缺失，在测算技术市场运行效率时不予考虑。
根据研究设计中的相关变量，通过Stata13.0计算的数据描述性统计如表2所示。2006-2015年对应的30省(市、自治区)研究与试验发展(R&D)人员全时当量、R&D经费支出占GDP比重、地方财政科技支出占地方财政支出比重、规模以上企业R&D经费支出占企业主营业务收入比重、获国家级科技成果奖系数、万人发明专利拥有量和万人输出技术成交额对应的均值分别为8.21、1.36、1.87、0.71、3.07、2.19和491.6，标准差分别为8.92、1.03、1.32、0.27、2.24、3.98和161，而各个变量之间的相关性分析也在表2中有具体体现。
表2相关变量的描述性统计
注：***表示p<0.01,**表示p<0.05,*表示p<0.1；Mean表示样本均值；SD表示样本标准差；Min表示样本最小值；Max表示样本最大值
参照国家统计年鉴，将中国内地省(市、自治区)技术市场技术流向地域成交额、技术转让、技术服务、技术咨询以及技术开发成交额作为基准变量代入空间集中度计算公式中，利用R软件计算得到如图2和图3所示的内容。
(1)地区间技术市场空间集中度。从技术市场流向地域成交额来看，最高值位于西南地区的贵州，其次为海南，其基尼系数均高于0.6，说明在上述两省中技术市场发展极不平均。技术市场基尼系数大于0.5的省份主要包括广西、福建、贵州、海南、湖北、江苏、宁夏、青海、陕西、四川等，这些省份中大多数地区的经济发展水平较低，技术市场发展也呈现不均衡分布，这就表明经济发展水平对技术市场集中有较大影响[8,14]。相应地，上海市技术市场流向地域基尼系数最低，发展较为平均，进一步验证了上述观点。
从构成技术市场流向地域成交额的技术开发、技术转让、技术咨询以及技术服务来看，技术开发方面基尼系数大于0.5的省份主要为海南、内蒙古、青海、山西、陕西等；技术转让方面包括安徽、贵州、江苏、内蒙古、宁夏、青海、天津以及重庆；技术咨询方面包括贵州、海南、宁夏、青海、山西、陕西、天津以及重庆；技术服务方面则包含内地大部分省(市、自治区)，主要为安徽、福建、甘肃、广东、广西、贵州、海南、湖北、江苏、江西、辽宁、内蒙古、宁夏、青海、山西、陕西、四川、天津、新疆、云南以及重庆。从以上分析可以看出，技术服务方面基尼系数均值最高，即技术服务在技术市场发展方面还属于弱项，在一定程度上“拖累”了技术市场总体发展；相较于技术服务，技术咨询有效促进了技术市场空间集聚。
图2 中国各区域技术市场运行的集中度变化
(2)技术市场空间集中度的动态变化规律。 图3为2000-2015年中国技术市场空间集中度变化情况，在动态变化方面，技术市场空间集中度基尼系数变化可以划分为3个部分：2008年以前技术市场及其构成项均呈现总体上升趋势，这说明技术市场发展随着经济发展水平的不同，其不均衡发展越来越明显；2008-2012年，持续上升而后下降的主要为技术服务、技术市场总体以及技术咨询，这说明总体上中国技术市场发展在2008-2012年间处于波动变化中，主要原因在于金融危机的波及；2012年以后，技术市场空间集中度呈现明显的分化趋势，其中，技术转让自2011年以来持续上升，技术市场、技术开发、技术咨询以及技术服务总体呈现下降趋势，这就说明技术市场在2012年以后逐渐趋于平稳发展。整体上显示，中国技术市场运行发展情况差距较大。
根据DEAP2.1计算的Malmquist指数结果如表3及图4所示。由表3可知，2006-2015年中国技术市场运行效率(TFP)整体变化不同，由2006/2007年的1.062上升到2015年的1.127，即在产出不变的情况下，每年的技术市场运行效率能够提高7.2个百分点。具体来看，技术市场运行效率在2006-2015年整体呈现上升趋势，但2007-2008年、2008-2010年以及2010-2012年呈现波动式下降，具体表现在2007-2008年下降0.048个单位、2008-2010年下降0.045个单位、2010-2012年则仅下降0.003个单位，从技术市场运行效率单位来看，下降的技术效率单位逐渐趋于平稳。
由Malmquist模型的设计过程可知，技术市场运行效率主要由综合技术效率变化指数(TEC)及技术进步指数(TC)构成，技术市场运行效率变动的根源在于上述两个效率波动。表3给出了综合技术效率均值变动及技术效率均值变动，2006-2015年综合技术效率变动整体呈现上升态势，从2007年的0.838上升到2015年的1.004，而技术效率变动则呈现整体下降趋势，从1.267(2007年)下降到1.068(2015年)。因此，技术市场运行效率整体上升源于综合技术效率增加，而效率上升幅度不大主要是受到技术变动的“拖累”。技术变动指数还可以分解为纯技术效率变动(PEC)及规模效率变动(SEC)。
图3 2000-2015年中国技术市场空间集中度动态变化
表32006-2015年中国技术市场运行效率变化及其指数分解
更为直观的趋势变化如图4所示，规模收益下的纯技术效率变动(PEC)及规模效率变动(SEC)趋势变化较为明显，具体表现在：纯技术效率均值变动从2007年的1.001上升到2015年的1.102，总体上技术市场运行的纯技术效率上升10.1%；规模效率的均值变动总体呈现上升趋势；综合来看，两者共同促进综合技术效率TEC的上升。从动态时间变化综合技术效率分解指数结果可以看出，相较于纯技术效率，规模效率拖累综合技术效率的总比例占66.67%，这就说明技术市场运行效率主要受制于规模效率，与前文技术市场集中度存在较大关联，即技术市场集中规模对技术市场运行效率起着至关重要的作用。
图4 2006-2015年中国技术市场运行效率各分解指数变化趋势
首先，从全国内地30省(市、自治区)分区域角度分析。图5和图6给出了2006-2015年中国内地30省(市、自治区)技术市场运行效率均值变化及其指数分解均值，结果显示，效率除北京、安徽、山东、广西、贵州、甘肃、宁夏以及新疆等外，21省(市、自治区)均达到1以上。中国技术市场运行效率显示，30省(市、自治区)的效率差异比较明显，其中效率最高的省份主要有福建、江西以及辽宁。较低的省(市、自治区)为北京、安徽、山东、广西、贵州、甘肃、宁夏以及新疆，这些省(市、自治区)的效率均低于1，因此，上述省市的技术效率还存在较大提升空间。
其次，从引起技术市场运行效率(TFP)变动的各个指数分解情况分析。将效率分解的各个指数区域变化进行划分，由此可知，东部地区、东北地区、中部地区和西部地区的技术市场运行效率变动幅度较大，变化幅度最小的为规模收益变动下的规模效率，2009-2015年规模效率变动逐渐趋于稳定。综合技术效率变动中，中部地区变动幅度>东北地区>东部地区>西部地区。2006-2015年区域技术市场运行技术进步效率变动中，四大经济区域均呈现先下降后上升最后稳步下降的趋势，变化最为明显的依然是东部地区。2006-2015年区域技术市场运行纯技术效率变动中，西部地区的纯技术效率持续下降，2012年出现短暂上升，与其表现相同的地区为东部地区；与西部和东部地区表现相反的是中部地区的纯技术效率变动。
综合以上分析，中国技术市场运行效率整体呈现上升趋势，但考虑到实际情况，规模收益变动情况下，纯技术效率变动以及规模效率均影响技术进步效率，进而技术进步效率和综合技术效率变动影响技术市场运行效率。技术进步效率整体呈现下降趋势，这主要是由于技术创新或者技术引入的落后导致生产前沿面内移，最终导致技术进步下降；综合技术效率变动的整体上升情况可以看出，最近几年制度变迁导致重新配置生产要素等。
图5 2006-2015年中国技术市场效率指数分解变化
本文通过GeoDa软件自动生成简单一阶二进制空间权重矩阵的第i行第j列元素Wij={1，当区域i和区域j相邻接；0，其它}。分析以2006-2015年效率TFP均值(Wz，z)为坐标点的Moran散点，可以研究中国技术市场的空间特征，结果显示Moran′I=-0.002 3，总体上表示省(市、自治区)技术市场效率之间具备空间负相关关系，即上述经济行为在空间上邻接的目标区域效率具有不相似的属性值。Moran′I散点主要分布在第一象限，表明这些省(市、自治区)之间主要被高值区域包围，呈现正相关性；第二象限和第四象限代表观测单元之间的负相关性，分别表明这些省(市、自治区)效率被高值区域和低值区域包围；第三象限则代表了那些省(市、自治区)效率值被低值区域包围。
图6 2006-2015年中国技术市场综合技术效率指数变化及其分解
由于Moran′I散点仅表示总体和各个象限之间的相关性，并未反映在具体的省(市、自治区)之间。通过GeoDa软件对各省(市、自治区)效率TFP进行G*空间聚类，仍然采用简单一阶二进制空间权重矩阵，结果如图7所示。图中近距离集聚1的省(市)包括吉林、上海、河南、湖南、安徽以及山东，代表效率较低的地区近距离集聚，说明中部、东部及东北等地区效率的空间集聚较为显著，技术市场发展较为成熟；远距离集聚群4主要包括江西、辽宁、福建、浙江以及重庆，其中包括部分经济发达省份，远距离集聚说明上述省(市)在一定水平上存在集聚现象，但不明显。
图7 C统计量下2006-2015年中国技术市场效率(TFP)均值集聚
本文首先利用2006-2015年技术市场运行的面板数据，分析现阶段中国技术市场的空间集中度，并基于Malmquist指数法测算中国2006-2015年技术市场运行效率的动态变化。基于内地30个省(市、自治区)2006-2015年的数据，分析了构成技术市场运行效率的4个分解指数，并对30省(市、自治区)技术市场运行效率指数及其分解进行分类。研究结论为：①综合技术效率变动中，中部地区变动幅度>东北地区>东部地区>西部地区。2006-2015年区域技术市场运行技术进步效率变动中，四大经济区域均呈现先下降而后上升最后稳步下降的趋势，变化最为明显的依然是东部地区。2006-2015年区域技术市场运行纯技术效率变动中，西部地区的纯技术效率持续下降，与其变动趋势相同的地区为东部地区，与西部和东部地区表现相反的是中部地区的纯技术效率变动；②中国技术市场运行效率整体变动呈现上升趋势，2006-2015年中国技术市场运行效率时段变化不同，在产出不变的情况下，每年的技术市场运行效率平均提高7.2%。技术市场运行效率整体上升的根源在于综合技术效率增加，而效率变动上升幅度不大主要是受到技术变动的拖累；③在空间变化特征上，技术市场空间集中度均不一致，经济发展水平低的地区技术市场集中度远低于经济发展水平高的地区，此外，技术市场空间集中度动态变化自2012年后渐趋一致。空间聚类分析结果表明，东部经济发达地区和东北的空间集聚较高，而西部地区技术市场运行效率呈现低值集聚，经济实力雄厚，距离国外开放市场较近，拥有较多的引进技术创新机遇，技术市场运行相对完善，发展较好，技术水平较高。而西部地区如新疆，位于内陆和内陆边陲，技术市场较多地表现为技术输出，技术更新缓慢，技术市场发展相对欠缺。
本文研究蕴含的政策启示包括：①加大技术市场投入力度。从人、才、物3个方面进一步加大技术市场投入力度，特别是当前我国R&D经费支出占GDP比重相比发达国家仍然偏低，需要进一步完善研发费用加计扣除政策，鼓励企业加大R&D投入力度；②提高技术市场产出规模和质量，重点是要切实提高有效专利数量和质量，政策制定的着眼点应立足于化解当前发明专利数量增多但实际技术成交额增长比率相对降低的现实矛盾；③建设统一开放的技术市场。基于“互利网+”构建互联互通的技术交易网络平台，着力打造全国性的技术交易线上平台，培育一批专业技术经纪人，完善技术转移服务标准和服务规范，提高技术转移服务水平，提高技术市场交易活跃度，促进技术市场供需有效对接；④促进区域间技术市场协调均衡发展。重点是要加快推进西部地区技术市场的建立和完善，充分发挥国家技术转移西北、西南中心的辐射带动作用，制定优惠政策鼓励国家重大科技成果优先向西部地区转化，大力支持西部地区面向“一带一路”建立技术转移体系。同时，加速东部地区、中部地区技术转移载体的全球化布局，创新合作机制，着力打通跨国技术转移通道，拓展国际技术转移空间。
参考文献:
[1] ASHISH A,ANDREA F,ALFONSO G. Markets for technology: the economics of innovation and corporate strategy[J]. Academy of Management Review,2001,27(4): 1275-1276.
[2] ELTON J J, SHAH B R, VOVZEY J N. Intellectual property: partnering for profit[J]. Mckinsey Quarterly,2002(5):58-67.
[3] KLINE D. Sharing the corporate crown jewels[J]. Mit Sloan Management Review，2003，44(3)：89-93.
[4] FRANK T,CORNELIUS H. Technology market intermediaries and innovation[J]. Opening Up Innovation: Strategy, Organization and Technology, Imperial College London Business School,2010(6):16-18.
[5] HEIDRUN C H,EMRE O. Intermediation in innovation[J]. International Journal of Industrial Organization,2005,23(5-6):483-503.
[6] ASHISH A,ANDREA F,ALFONSO G. Markets for technology and their implications for corporate strategy[J]. Social Science Electronic Publishing,2000,10(2):419-451.
[7] 潘雄锋,刘凤朝. 中国技术市场发展与经济增长的协整分析[J]. 科学学研究,2005(5): 645-649.
[8] 郑荣,姜毓锋. 技术市场发展现状及其影响因素分析[J]. 图书情报工作,2009,53(22): 13-17.
[9] 张优智. 技术市场发展与经济增长的协整检验——基于1987-2009年的数据分析[J]. 大连理工大学学报：社会科学版,2011(4):25-31.
[10] 胡凯，吴清，胡毓敏. 知识产权保护的技术创新效应——基于技术交易市场视角和省级面板数据的实证分析[J]. 财经研究,2012(8):15-25.
[11] 沈渊. 我国地区科技投入对经济增长贡献及其影响因素——基于DEA与Tobit方法[J]. 经济管理,2009(3):147-152.
[12] FRANK V T. Economic geography: the integration of regions and nations[J]. European Review of Agricultural Economics,2008,37(1):126-128.
[13] YUNSOO K,BARKLEY D L，MARK S HENRY. Industry characteristics linked to establishment concentrations in nonmetropolitan areas[J]. Journal of Regional Science,2000, 40(2):234-259.
[14] 杨宇轩,赵淳宇. 四川省技术市场发展与经济增长的关系研究[J]. 西南民族大学学报：人文社科版,2015(8):122-126.
Zhang Zuoming1, Peng Jiachao2, Yi Ming2
(1.Accounting College, Wuhan Textile University, Wuhan 430200, China; 2.School of Economics and Management, China University of Geosciences, Wuhan 430074, China)
Abstract：The Malmquist index method is used to measure the operational efficiency of China's technology market from 2006 to 2015, and GeoDa is used to spatially analyze the efficiency values of 30 provinces (municipalities, autonomous regions). The main research conclusions include China's technology market's overall operating efficiency changes show an upward trend. Under the condition of unchanged output, the technical market's operating efficiency increases by an average of 7.2% per year. The overall increase in efficiency is rooted in the increase in the overall technical efficiency and the increase in efficiency. The small extent is mainly caused by technical changes; overall Moran's I shows that there is a negative correlation between the operating efficiency of the technical markets in each province (municipality, autonomous region), and the results of clustering analysis indicate that the eastern and northeast regions are economically developed. Agglomeration is high, while in the western region, there is a low concentration of efficiency; in terms of spatial changes, spatial concentration of technology markets is inconsistent. The concentration of technology markets in areas with low levels of economic development is much lower than in regions with high levels of economic development. After 2012, the development of post-technology markets has become more and more consistent.
KeyWords:Technology Market; Operating Efficiency; Malmquist Index Method; Spatial Clustering
文章编号：1001-7348(2018)20-0055-09
文献标识码：A
中图分类号：F713.58
DOI：10.6049/kjjbydc.2018020058
作者简介：张座铭(1988-)，男，河南信阳人，博士，武汉纺织大学会计学院讲师，研究方向为区域创新体系；彭甲超(1991-)，男，湖北丹江口人，中国地质大学(武汉)应用经济学博士研究生，研究方向为区域创新及技术经济管理；易明(1981-)，男，河南信阳人，博士，中国地质大学(武汉)经济管理学院副教授，研究方向为技术经济管理。本文通讯作者：彭甲超。
基金项目：湖北省科技厅软科学研究专项资助项目(2017ADC100)
收稿日期：2018-04-20
(责任编辑：万贤贤)