王 伟1,2，孙芳城1
(1.重庆工商大学 长江上游经济研究中心，重庆400067；2.重庆财经职业学院金融系，重庆402160)
摘 要：将内部非期望产出纳入投入产出指标体系，运用SBM模型和EBM模型测度高技术产业技术开发、技术转化和市场化3个阶段创新效率。结果发现：①3个阶段静态效率变化趋势为先略升后下降，东部先下降后上升，西部和东北先略升后下降，中部持续下降；②技术开发阶段动态效率呈增长态势，技术转化和市场化阶段则呈持续衰退态势，东部效率一直保持领先地位，东北和西部次之，中部最后；③技术开发阶段动态效率主要受效率变动驱动，技术转化和市场化阶段由相对较强的技术变动主导，东部由技术变动推动，中部和西部受效率变动驱动，东北在技术开发和市场化阶段受效率变动拉动，而技术转化阶段则依赖于技术变动的推动作用。
关键词：高技术产业；三阶段创新效率；内部非期望产出；SBM模型；EBM模型
近年来，高技术产业作为国家创新体系的排头兵，取得了长足进步，但基础创新能力依然薄弱、高尖端创新成果不多、整体创新效率有待提高。尤其是考虑到研发失败、成果未转化等，高技术产业创新效率水平有多高？哪个阶段比较薄弱？如何破解？这些问题值得深入研究。
当前，学界对高技术产业创新效率的研究成果主要集中在两个方面：一是效率阶段论。早期学者从技术开发和技术转化两个阶段对高技术产业创新效率进行静态和动态测算[1-2]。近年来，关于技术开发、转化和市场化的“三阶段效率论”开始涌现[3-4]。尽管效率阶段论打开了高技术产业创新效率的“黑箱”，但测算结果并未达成共识；二是考虑非期望产出。非径向DEA模型的使用，使越来越多学者将技术创新过程中的环境污染作为非期望产出(本文称之为外部非期望产出)纳入分析，但研发失败、成果未转化、技术购买等(本文称之为内部非期望产出)导致的效率损失却一直被学界忽视。事实上，高技术产业外部非期望产出相对较小，内部非期望产出应得到更多关注[5]。而在其它众多领域，内部非期望产出得到广泛应用，如将不良贷款率纳入银行效率分析中。
基于此，本文进行如下拓展：①首次将内部非期望产出纳入高技术产业创新效率分析中，并分别运用非径向距离函数SBM模型和EBM模型进行测算对比；②3个阶段投入产出指标设计既考虑滞后期，又强调相互衔接，使得指标与阶段特征相吻合；③通过静态和动态效率变动分析，考察不同阶段效率关联及变动原因。
借鉴“三阶段论”思想，本文将技术创新划分为技术开发、技术转化和市场化3个阶段，考虑到指标可得、各阶段衔接、内部非期望产出及创新过程滞后等因素的影响，本文构建如表1所示的投入产出指标体系。在创造新技术为主要任务的技术开发阶段，以R&D人员全时当量为研究与实验活动人力投入、上一年有效发明专利为技术投入、R&D经费内部支出为资金投入，进而产生当年有效发明专利期望产出和受理但未授权专利数非期望产出。以中间试验和试生产为技术转化阶段，选取上一阶段期望产出——当年有效发明专利数为技术投入、R&D及R&D成果转化科技活动人员数为人力投入、新产品开发费支出为资金投入，得到期望产出当年新产品开发项目数和非期望产出未建成投产项目比例。在以量产和商业化为特征的市场化阶段，以上一阶段当年新产品开发项目数为技术投入、非科技活动人员数人力投入和新增固定资产投资为资金投入，获得当年新产品销售收入期望产出和代表进口依赖的高技术产品进口贸易额。
表1 三阶段投入产出指标体系
表1中，R&D经费内部支出、新产品开发费支出和新增固定资产投资采用永续盘存法进行转化，折旧率取值15%，前两项指标采用45%权重固定资产价格指数和55%权重消费价格指数加权平均[6]，新增固定资产投资则用固定资产价格指数处理。受理但未授权专利比例为专利受理数扣除授权数后的值，再除以受理数。未建成投产项目比例用“1-建成投产项目率”表示。非科技活动人员数用从业人员平均数减去科技活动人员数表示。高技术产品进口贸易额用人民币兑美元汇率年平均价转换得出。当年新产品销售收入和高技术产品进口贸易额分别用工业品出厂价格指数和进口商品价格指数处理。时间跨度为1998-2014年，数据来源于历年《中国高技术产业统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》。由于西藏和新疆数据缺失，故将其剔除，海南、内蒙古、青海、云南和宁夏只有个别年份数据，因其基数较小、波动较大、趋势性不强，采用插值法填补将影响其准确性。因此，本文最终选取24个省份作为样本。
1.2.1 SBM模型
Tone通过考虑非径向松弛变量规避投入要素同比例缩减的假设条件，提出SBM模型，包含非期望产出的非导向SBM模型规划式表示如下：
(1)
式(1)中，ρ为要计算的高技术产业创新效率值，m、s1和s2表示投入、期望产出和非期望产出因素个数，s=(s-，sg，sb)代表投入、期望产出和非期望产出松弛变量，x、yg和zb为投入、期望产出和非期望产出值，X、Yg和Zb则是对应矩阵，λ为权重向量。
SBM模型的优势在于解决了径向模型对无效率测量未包含松弛变量的问题，劣势在于目标函数是效率值ρ最小化，也即投入和产出无效率值最大化。从距离函数角度讲，被评价DMU的投影点是前沿上距离被评价DMU最远的点，这与被评价者希望以最短路径达到前沿的初衷相背离。此外，在求解线性规划过程中，SBM模型还可能无解。
1.2.2 EBM模型
针对非径向SBM模型的不足，Tone和Tsutsui构建的EBM模型不仅放宽了投入要素同比例缩减的径向函数假设，还综合了非径向SBM模型考虑松弛变量的特点。考虑非期望产出非导向EBM模型规划式表示如下：
(2)
式(2)中，θ是CCR模型计算的径向效率值，ω-、ωg和ωb分别为投入、期望产出和非期望产出的相对权重(用于反映重要程度)，满足∑ω=1。εx代表包含径向θ和非径向松弛的核心参数，当εx=0时，EBM模型将简化为投入导向的CCR模型；当θ=ε=1时，EBM模型将转变为SBM模型。
EBM模型可能存在投影值出现逻辑错误和关联指数计算存在缺陷等问题[7]。为避免争议，本文同时运用SBM模型和EBM模型进行测量。此外，效率在形式上有短期静态效率和跨期动态效率之分，本文将两者统一起来，结合Chung等[8]的构造方法，引入动态效率ML指数，并将其进一步分解为效率变动(EC)和技术变动(TC)两部分：
(3)
为避免DEA模型导向选择引起偏差，本文选择非导向、规模收益可变、包含内部非期望产出的SBM模型和EBM模型。考虑到差异，本文分年份和地区进行比较。
从表2纵向对比看，径向BCC模型测算效率高于非径向SBM模型，不考虑内部非期望产出的SBM模型结果高于考虑内部非期望产出的SBM模型，说明非径向模型能够克服径向模型的缺陷，不考虑内部非期望产出则会导致创新效率被高估。同时，在考虑内部非期望产出情况下，SBM模型效率值小于EBM模型，说明EBM模型综合了径向和非径向函数的优点，在静态效率测度中更有比较优势。这是因为，EBM模型投入之间会出现替代效应，而BCC模型与SBM模型则不会，因而其更加贴合经济发展实际情况[9]。
表2 不同年份三阶段静态效率
注：受篇幅限制未罗列全部年份结果。表中斜线前后数字与第一行使用模型类别相对应，β1、β2和β3分别代表技术开发、转化和市场化三阶段静态效率
技术开发阶段效率整体呈先升后降再升的“N型”波动推进态势。其中，2008年前技术开发效率较低，呈波动向下趋势；2008年后有所不同，呈阶梯向上趋势，近两年又出现下降。技术转化阶段效率波动幅度较大，具有不稳定、不成熟等特征。2003年以前，效率历经“挣扎”后下降，2003年后技术转化能力由弱转强、缓慢上升，之后遇到瓶颈下降至低位。这一阶段与前一阶段不完全对应，甚至有些年份还出现了背离，说明高技术产业开发和转化存在脱节现象。市场化阶段效率变动经历了较为明显的前高后低两个时期：1998-2002年处于高位，效率值基本在0.6上下波动；2003-2014年明显回落，效率值变动较小，基本在0.4附近波动。相比前两个阶段，市场化阶段效率更稳定，但整体水平较低，停滞发展特征明显。
从3个阶段效率平均值可以看出，无论是SBM模型还是EBM模型，技术开发阶段效率值均略低于技术转化阶段，但高于市场化阶段，也即其变化趋势为先略升后下降，这与刘树林等[3]得出的连续递减及余珮和程阳[4]得出的先下降后上升的结论不同。原因在于，他们采用了径向DEA模型，且未考虑内部非期望产出。
从表3可知，东、中、西和东北效率呈差异化分布。在技术开发阶段，东部和西部效率值较高，中部和东北次之。在技术转化阶段，尽管创新实力薄弱，但因基数小、非期望产出指标较小，西部效率值达到最高，东北和中部次之，东部最低。在市场化阶段，凭借较强的商业化市场和推广能力，东部领先优势明显，西部和中部次之，东北最低。3个阶段变化趋势上，西部和东北与全国先略升后下降基本保持一致，东部为先下降后上升，中部则是持续下降。
表3 不同地区三阶段静态效率
注：受篇幅限制未罗列24个省份结果，表中斜线前部分为考虑非期望产出的SBM模型结果，后部分为EBM模型结果
从表4中SBM模型和EBM模型测算效率值大小看，各年和各阶段得出的结果与前述静态效率不同，并非呈一致的“前小后大”，说明在跨期动态效率测度中，SBM模型和EBM模型各有所长，应结合使用。整体而言，3个阶段效率呈递减态势：技术开发阶段效率最高，为增长态势；技术转化阶段和市场化阶段效率较低并出现了退化，与静态效率变动趋势明显不同。但这一结果与刘树林等[3]得出的结论一致，然而其未考虑非期望产出，又使得各阶段效率值高于本文。
表4 不同年份三阶段动态效率
注：ML1、ML2和ML3分别代表技术开发、转化和产业化三阶段动态效率，以此类推效率变动EC和技术变动TC，下同
技术开发阶段动态效率均值大于1。原因在于，效率变动中介效应强于技术变动，技术开发更依赖于效率变动的改进。跨期效率变动趋势呈此起彼伏波动下降状态，与我国技术开发受多条件约束有关，如行业特征、政府支持、宏观环境等[10]，在自主研发能力不足、政策扶持力度调整、市场波动等影响下，效率不稳定性凸显。
与技术开发阶段相比，技术转化阶段效率变动趋于平缓，稳定性更强。尤其是随着新《促进科技成果转化法》和《促进科技成果转移转化行动方案》的贯彻实施，高技术产业技术转化效率持续改善。从效率分解看，效率变动和技术变动同小于1，但技术变动强于效率变动，未来应发挥技术变动相对优势，补齐效率变动短板，共同促进技术转化阶段效率提升。
产业化阶段效率变动趋势与技术开发阶段类似，但波动幅度较小，效率均值为3个阶段最低。这意味着，即便有较高的开发效率和转化效率，若未实现产品市场化，仍会因为缺乏创新动力而导致效率低下。刘树林等[3]、余珮和程阳[4]的研究也证实，我国高新技术产品市场推广服务体系不健全，企业抗风险能力普遍较低，加上偏低的技术转化率，必然导致处于下游阶段的产业化率较低。
表5为区域异质性下动态效率变化情况。在技术开发阶段，受技术变动的影响，东部动态效率最高，年均增长8.7%，东北和西部其次，中部垫底；西部技术变动和效率变动相当，东北与中部技术变动十分接近，但受效率变动的驱动，东北效率年均增速最终比中部高出2.5%。在技术转化阶段，在技术变动的影响下，东部和东北效率呈增长态势；中西部因受制于技术变动和效率变动的双重影响，而处于效率恶化状态。市场化阶段仅东部效率值大于1，中部、西部和东北分别以年均10.7%、12.9%和9.2%的速度下降。静态效率与动态效率在大小和排名上未一一对应，反映了高技术产业创新效率短期与跨期不统一，技术资源配置与要素成长之间存在取舍或互换。
表5 不同地区三阶段动态效率
本研究发现：①忽略内部非期望产出将导致创新效率被高估，静态效率测度使用EBM模型、动态效率综合使用SBM模型和EBM模型，结果准确性更高；②创新效率总体偏低，变动趋势不容乐观。三阶段静态效率先略升后下降，动态效率则呈持续递减态势；③西部和东北静态效率先略升后下降，东部为先下降后上升，中部则是持续下降。东部动态效率一直保持领先地位，东北、西部其次，最后是中部；④总体而言，技术开发阶段主要由效率变动驱动，技术转化阶段和市场化阶段由相对较强的技术变动主导，地区上，东部效率保持增长的原因在于技术变动的有力推动，中部和西部主要受效率变动驱动，东北在技术开发和市场化阶段受效率变动的影响，而在技术转化阶段则依赖于技术变动的影响。
基于以上结论，本文提出如下启示：①将内部非期望产出纳入创新管理，治标更要治本。提高创新效率，不仅要防止投入规模不足和同质性、重复性投入，避免投入结构性过剩，还应优化人力、技术和资金配置效率，在强调专利产出和新产品产出的同时，减少非授权专利、未建成投产项目和高技术产品进口依赖等非期望产出；②补齐市场化阶段创新效率短板。应充分认识到市场服务体系不完善既会带来自身效率低下，还会阻碍技术开发和技术转化阶段效率提升。因此，应加快市场化体系建设，借助“互联网+”打造国家技术交易O2O平台，建设多层级多领域的区域性、行业性技术市场；③构建产学研联合体系，形成技术开发、转化和市场化三阶段联动创新链。围绕“一带一路”、“中国制造2025”、“互联网+”等国家战略和区域“十三五”规划，依托产业链构建创新链，组建一批高技术产业技术创新联盟，探索联合攻关、利益共享、知识产权运营有效机制与模式；④根据效率驱动因素制定相应对策，缩小差距。从效率变动和技术变动入手，实施有针对性的创新改革，加强制度创新、科技创新、产业创新和环境创新。强化区域合作和产业集聚，发挥空间溢出效应，缩小省际和地区差距。
参考文献:
[1] 余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学,2009(4):62-74.
[2] 容美平,王斌会.我国各地区高技术产业投入产出效率综合评价[J].科技进步与对策,2010(14):25-28.
[3] 刘树林,姜新蓬,余谦.中国高技术产业技术创新三阶段特征及其演变[J].数量经济技术经济研究,2015(7):104-116.
[4] 余珮,程阳.我国国家级高新技术园区创新效率的测度与区域比较研究——基于创新价值链视角[J].当代财经,2016(12):3-15.
[5] 张同斌,李金凯,周浩.高技术产业区域知识溢出、协同创新与全要素生产率增长[J].财贸研究,2016(1):9-18.
[6] 朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究,2003(6):45-53.
[7] 成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社,2014.
[8] CHUNG Y H,FARE R,GROSSKOPF S.Productivity and undesirable outputs: a directional distance function approach[J]. Journal of Environmental Management,1997,51(3):229-240.
[9] 李兰冰,刘秉镰.中国高技术产业的效率评价与成因识别[J].经济学动态,2014(9):56-65.
[10] 李晋,邓峰.政府R&D补贴投入对技术创新产出能力影响机制研究——基于5个高技术行业面板数据的实证分析[J].科技进步与对策,2013(13):67-71.
Wang Wei1,2,Sun Fangcheng1
(1.National Research Center for Upper Yangtze Economy, Chongqing Technology and Business University,Chongqing400067,China;2.Department of finance, Chongqing College of Finance and Economics, Chongqing 402160,China)
Abstract：In this paper, the internal undesirable output is incorporated into the input-output index system, and the SBM model and EBM model are used to measure the innovation efficiency in the technological development stage, transformation stage and marketization stage in high-tech industry. Research shows that: ① The three-stage static innovation efficiency change trend first rises slightly and then descends, the East first descends and then rises, the West and Northeast first rise slightly and then descend, but the Central continues to descend. ②The dynamic efficiency of the technology development stage is growing, while the technological transformation stage and marketization stage are declining. Eastern efficiency has remained ahead, Northeast and West second, Central last. ③The dynamic efficiency of the technology development stage is mainly driven by the efficiency change but in the technological transformation stage and marketization stage it is dominated by relatively strong technological change. The East is driven by technological change, and the Central and West are driven by the efficiency change. The Northeast is driven by the efficiency change in the technological development stage and marketization stage, while the technological transformation stage depends on technological change.
Key Words:High-tech Industry; Three-stage Innovation Efficiency; Internal Undesirable Output; SBM Model; EBM Model
DOI：10.6049/kjjbydc.2017040275
中图分类号：F264.2
文献标识码：A
文章编号：1001-7348(2018)03-0067-05
收稿日期：2017-06-06 基金项目：教育部人文社会科学重点研究基地重庆工商大学长江上游经济研究中心开放项目(1456002)
作者简介：王伟(1984-)，男，湖北黄冈人，重庆工商大学长江上游经济研究中心博士研究生，重庆财经职业学院副教授，研究方向为国民经济学；孙芳城(1963-)，男，福建宁德人，博士，重庆工商大学长江上游经济研究中心主任、教授、博士生导师，研究方向为国民经济学。
(责任编辑：王敬敏)