在全球信息化时代,经济社会的各个领域被信息技术广泛渗透,信息技术推动了产业转型升级和衍生了产业新形态。作为国家实施创新驱动发展战略的重要组成,高技术产业以其高投入、高创新、高风险、高附加值和高溢出特质,在改善我国产业结构与要素配置、促进传统产业技术进步、加快经济社会发展等方面发挥了重要作用,并取得了显著成效。2013年我国高技术产业利润总额达7 432亿元人民币[1],高技术产业出口总额达5 056.5亿美元,位居全球第一[2]。
尽管近年来我国高技术产业对经济社会发展的贡献率不断提升,但是产业增加值率和劳动生产率都远低于发达国家,特别是高技术产业的劳动生产率仅为发达国家的1/20,加上自主创新能力不足,缺少自主知识产权,使得我国高技术产业难以满足国民经济发展需求[3]。在该背景下,供给侧结构性改革为我国经济转型,尤其是高技术产业创新绩效提升提供了新路径。在供给侧改革视域下探讨高技术产业投入产出效率,必须首先理清政府和市场的关系。一方面,政府通过资金投入和政策支持,引导和驱动高技术产业持续创新;另一方面,市场作为“无形之手”,通过协调资源配置、引导成果转化,有效检验和反映供给侧改革下高技术产业创新产出效率,进而促进高技术产业资源投入和成果产出协调发展。然而,在供给侧改革背景下探讨高技术产业创新投入产出效率的研究尚未见报道,同时,现有的高技术产业创新效率研究中也未涉及政府和市场因素。因此,在供给侧改革背景下,将政府和市场因素作为关键变量引入高技术产业创新效率实证研究,将是本文要解决的关键问题和重要创新。
根据《高技术产业(制造业)分类(2013)》,医药制造业作为高技术产业的重要分支,已成为我国加入WTO以来发展最快的产业之一。随着经济社会发展、老龄人口增多以及生态环境变化,医药制造业的基础性和战略性地位更加凸显。近年来,尽管我国医药制造业的产能和规模都有了较大提升,但是研发投入利用率低,难以转换成有效的技术成果,从而导致研发活动失效,严重制约了产业整体创新效率的提升。因此,本文将从我国医药制造业的创新投入要素和成果产出入手,创新性地引入供给侧改革背景下的政府投入和市场产出变量,通过揭示二者之间的耦合作用规律和影响关系,为提升我国医药制造业创新效率提供理论和实证支持。
通过梳理现有研究发现,学术界对高技术产业创新投入和成果产出的关注主要通过创新效率研究体现。在高技术产业创新效率研究成果中,创新投入和成果产出要素、创新效率的定量方法以及相关实证检验是学者们关注的焦点。
首先,高技术产业创新效率主要通过创新投入和成果产出的作用关系予以体现,选取反映创新效率的投入产出要素是创新效率研究的第一步。从研究创新效率的投入要素指标来看,邵云飞[4]将R&D 经费内部支出、R&D 活动人员折合全时当量等作为创新投入要素指标;史修松[5]认为科技活动人员数是影响创新效率的关键投入要素;罗彦如[6]选取科技活动经费筹集额作为创新效率投入指标。从研究创新效率的成果产出要素来看,Cohen[7]、邵云飞[8]和李婧[9]都将专利申请数作为创新效率的产出要素指标,鲁新[10]将产出要素聚焦于新产品产值,邬龙[11]则在相关研究中选取专利数量和新产品利润等要素。
其次,通过文献梳理发现,为了更好地测度高技术产业创新效率,学者们较为常用的定量研究方法主要有数据包络分析(DEA)和随机前沿函数(SFA)等。李牧南[12]运用DEA方法对专业镇技术创新效率进行了定量计算,发现了影响专业镇创新效率的关键因素;夏维力[13]基于DEA-Malmquist对中国高技术制造业的R&D动态效率进行分析,发现制造业整体的R&D效率处于上升期;冯志军[14]针对DEA的不足,构建了资源约束型两阶段DEA模型,实现了对高技术产业研发创新效率测算方法的改进。余泳泽[15]则应用SFA方法,将创新效率分为技术创新效率和创新产品转化效率两个阶段;韩晶[16]基于SFA方法,对中国制造业创新效率进行了分析,认为中国制造业的创新产出主要依靠研发经费拉动;Wang[17]基于SFA方法,对30个国家的研发效率进行研究,结果发现收入水平与研发效率正相关。张信东[18]则综合采用DEA和SFA两种方法研究结构调整中的行业创新效率,提出了基于行业创新效率的结构转型思路。
最后,学者们通过大量定量研究,得到了关于高技术产业创新效率的实证结果。这些结果多视角、多维度地揭示了高技术产业创新效率的影响因素及作用规律。如通过对区域技术创新效率的测度,发现区域基础设施建设、市场开放度和人力资本禀赋等因素对创新效率的影响最大(王锐淇,彭良涛,蒋宁,2010);有实证结果认为,金融环境、地区经济实力比政府研发投入、对外开放程度及城镇化水平等要素更显著影响高技术产业的创新效率(宇文晶,马丽华,李海霞,2015);也有学者认为,科技活动人员和科技活动经费投入是影响企业创新效率的关键因素;肖兴志[19]指出,不同产权结构对创新效率的影响不同,非国有产权比国有产权具有更高的创新效率(赵树宽,余海晴,巩顺龙,2013);余泳泽[15]的实证结果得出,市场化程度、企业规模、政府政策支持和企业自身经营绩效对创新效率影响显著。
总体来讲,学者们对反映创新投入和成果产出关系的创新效率进行了富有成效的探索,并取得了大量有益成果,然而现有研究还有待进一步完善:一方面,创新投入和成果产出指标选取尚未考虑其与创新阶段特征的联系,尤其是创新成果产出变量往往单一聚焦于研发产出或经济效益产出,缺乏将两者有效结合;另一方面,现有研究运用的实证方法较为单一,缺乏对创新投入和成果产出作用关系变化趋势的探索。此外,结合供给侧改革,分析政府和市场要素对高技术产业创新效率的影响尚未见报道。因此,本文将以医药制造业为研究对象,构建反映各阶段高技术产业创新特征的创新投入和成果产出指标体系,特别引入供给侧改革下的政府投入和市场产出要素,运用耦合模型揭示二者相互作用规律及变化趋势,进一步丰富高技术产业创新效率理论和实证研究成果。
在文献回顾基础上,梳理和总结现有高技术产业创新效率研究中的投入和产出指标,结合我国医药制造业产业创新的阶段性特征对指标进行筛选。基于指标在不同创新阶段的作用和关系,构建医药制造业创新投入和成果产出指标体系,如表1所示。
首先,医药制造业属于典型的研发驱动型产业,具有高投入、高回报、投资周期长和风险大等特征[20],本文在指标筛选时特别考虑了指标与产业创新特征的关联性。一方面,从创新投入指标看,医药制造业创新与产业规模有密切关系,具有一定规模的产业往往能够产生更高的创新效益。因此,本文选择医药制造业拥有的企业数作为产业规模的衡量指标,反映高技术产业实现创新的规模基础。R&D人员全时当量是医药制造业创新人力指标,反映高技术产业创新的人力资源投入水平。R&D经费支出和新产品开发经费支出是医药制造业创新财力指标,反映高技术产业创新过程中用于研发和新产品开发的经费投入情况,该部分既包含企业自主投入,又包含政府的产业研发投入,反映供给侧改革下的政府投入。另一方面,从创新产出指标看,专利申请数和拥有发明专利数反映医药制造业的人力、财力和物力资源在创新中形成的研发产出;利润和出口额则是医药制造业经济效益产出的度量指标,反映供给侧改革下的市场产出。
表1 医药制造业创新投入与成果产出指标体系
指标类型 指标名称 指标单位 创新投入指标 企业数 个 R&D人员全时当量 人年 R&D经费支出 万元 新产品开发经费支出 万元 成果产出指标 专利申请数 件 拥有发明专利数 件 利润 万元 出口额 万元
其次,指标选取在一定程度上与我国医药制造业不同创新阶段进行了关联。一方面,从产业创新的技术开发阶段看,人力、财力和物力资源是产业创新的重要资源。因此,丰富的R&D人员数量、充足的R&D经费投入和一定的产业规模可以为技术开发提供人财物保障。该阶段的创新产出主要以研发成果显现,因此,专利申请数和拥有发明专利数是该阶段的主要创新产出。另一方面,从产业创新的技术转化阶段看,技术开发阶段产生和积累的研发成果将通过市场作用转化为经济效益产出。因此,医药制造业实现的利润和出口额将成为度量技术转化阶段创新产出的主要指标。
本文以我国医药制造业为研究对象,探究产业创新投入和成果产出的耦合作用关系及规律,同时,考虑到医药制造业创新投入时间长、成果转化延迟等因素,收集2005-2017年我国医药制造业创新投入和成果产出数据,旨在揭示我国医药制造业创新投入和成果产出总体耦合趋势以及较长时间内创新投入与成果产出要素的耦合情况。本文数据来源于2005-2017年《中国统计年鉴》、《中国科技统计年鉴》和《中国高技术产业统计年鉴》。
根据协同学理论,本文研究的医药制造业创新投入和成果产出耦合关系,实质上是创新投入子系统和创新成果产出子系统间的协同作用,而耦合度则反映产业创新投入和成果产出子系统间的协同作用程度。因此,医药制造业创新投入与成果产出的耦合度是指医药制造业创新投入与成果产出两个子系统通过各自的耦合要素,产生相互作用力的程度。耦合度对于判别医药制造业创新投入和成果产出协同作用强度以及作用时序区间具有重要意义。因此,构造医药制造业创新投入和成果产出耦合模型是为了更好地评判我国医药制造业创新投入与成果产出系统耦合水平。本文构建的医药制造业创新投入和成果产出耦合模型由耦合关联度模型和耦合协调度模型构成,并经过5个计算步骤。
为了消除不同量纲对分析结果带来的不利影响,首先对指标原始数据进行标准化处理。本文构建的我国医药制造业创新投入与成果产出指标体系中,所有指标均为正向指标,即指标数值越大,对创新投入和成果产出子系统的影响越显著。因此,本文采用正效应极差标准化法对指标原始数据进行归一化处理,标准化后的数据介于0~1之间。正效应极差标准化公式为:
(1)
其中,m表示子系统数,n表示指标数。maxxij和minxij分别表示第i项子系统的第j项指标在所有样本中的最大值和最小值。
主成分分析法采用降维方法,从多个复杂因素中提取几个主要因素,使得提取的主要因素累计贡献率在85%以上,避免了指标权重确定的主观随意性。运用主成份分析法计算指标权重,首先提取互不相关的公共因子。一般以特征值大于1为标准,使用最大方差旋转技术求出因子载荷矩阵,然后根据因子载荷矩阵求出子系统内指标的共同度计算公式为:
(2)
其中,i表示指标数,p表示公共因子数。然后根据共同度结果,计算各指标在子系统中的权重,计算公式为:
(3)
其中,
在计算创新投入子系统和成果产出子系统耦合度之前,需要计算不同年份各子系统的综合评价指数。各子系统综合评价指数计算公式如下:
(4)
式(4)中,ui为某子系统的综合评价指数,为各指标的标准化数值,λij为各指标权重值。本文将医药制造业创新投入子系统和成果产出子系统的综合评价指数划分为4个层级,具体如表2所示。
本文的耦合关联度模型为:
Ct=f(u1t,u2t)=
(5)
Ct反映了第t(t=1, 2, 3…T)年创新投入与成果产出的耦合关联强度。式(5)中,ui∈[0,1],u1t和u2t分别表示医药制造业创新投入和成果产出两个子系统内各指标对系统有序程度的贡献。将医药制造业创新投入和成果产出两个子系统的耦合关联度划分为4个层级,具体如表3所示。
表2 综合评价指数和层级水平
综合评价指数层级水平/3ui∈0,0.25 低级水平ui∈0.25,0.5 初级水平ui∈0.5,0.75 中等水平ui∈0.75,1 高级水平
表3 耦合关联度值和关联层级
耦合关联度值关联层级Ct∈0,0.25 低水平关联 Ct∈0.25,0.5 初级水平关联Ct∈0.5,0.75 中等水平关联Ct∈0.75,1 高水平关联
创新投入和成果产出为医药制造业创新系统的两个子系统,两者的耦合协调度模型为:
Ut=α*u1t+β*u2t
(6)
式(6)中,α和β分别表示创新投入与成果产出子系统的权重值,本文界定α=β=0.5,表示两个子系统在医药制造业创新体系中具有同等重要程度。Ut表示创新投入和成果产出子系统的综合评价指数,反映两者的整体效应和水平。
(7)
式(7)中,Dt表示医药制造业创新投入和成果产出子系统的耦合协调度。由于Ct、Ut∈[0,1],所以Dt∈[0,1]。将医药制造业创新投入和成果产出两个子系统的耦合协调度值划分为4个层级,具体如表4所示。
表4 耦合协调度值和协调层级
耦合协调度值协调层级Dt∈0,0.25 低水平协调 Dt∈0.25,0.5 初级水平协调Dt∈0.5,0.75 中等水平协调Dt∈0.75,1 高水平协调
将标准化后的原始数据代入式(2)和式(3),分别计算我国医药制造业创新投入和成果产出指标的共同度及权重,结果如表5所示。计算结果显示,创新投入子系统下设的4个指标均具有较高共同度,说明这些指标对于解释创新投入维度具有较高灵敏度;成果产出子系统下设的4个指标的共同度值也接近于1,说明上述指标能够很好地反映和解释成果产出维度。另外,根据式(3),计算出创新投入和成果产出子系统的各指标权重,如表5所示。
将表5中的计算结果代入式(4)、(5)、(6)、(7),依次计算我国医药制造业创新投入和成果产出综合评价指数,以及创新投入和成果产出的耦合关联度与耦合协调度,计算结果及变化趋势分别如表6、图1、图2所示。
表5 指标共同度及权重
指标 共同度 权重创新投入企业数0.6870.191R&D人员全时当量0.9460.264R&D经费支出0.9800.273新产品开发经费支出0.9760.272成果产出专利申请数0.9580.251拥有发明专利数0.9310.244利润0.9800.257出口额0.9490.249
首先,从2005年到2017年,我国医药制造业创新投入和成果产出的综合评价指数呈现出逐年上升的趋势。根据表5的分类,从2013年起,我国医药制造业的创新投入和成果产出已分别进入较高发展水平。根据图1的显示,2011年以前,我国医药制造业的创新投入水平略高于成果产出水平,而之后创新投入与成果产出水平的差距逐步缩小,特别是2011、2012和2014年,我国医药制造业的成果产出水平反超创新投入水平,虽然2015年出现反弹,但是这一结果反映出国家近年来对高技术产业创新效率的重视,从而带来技术创新和成果转化水平的不断提升。
表6 创新投入与成果产出综合评价指数、耦合关联度和耦合协调度
年份创新投入综合评价指数成果产出综合评价指数耦合关联度耦合协调度 20050.0000.0140.0000.00020060.0550.0020.3430.09920070.1130.0630.9580.29020080.2060.1110.9540.38920090.2740.1710.9730.46520100.3250.2510.9920.53520110.4300.4571.0000.66620120.5720.6091.0000.76920130.7080.7071.0000.84120140.7980.8091.0000.89620150.8450.7630.9990.89620160.9220.9001.0000.95420170.9710.9621.0000.983
其次,从我国医药制造业创新投入和成果产出的耦合情况看,2005-2017年创新投入和成果产出的耦合关联度与耦合协调度均呈现不断上升趋势。根据表3和表4对耦合关联度与耦合协调度的分级,如图2所示,2007年以前我国医药制造业创新投入和成果产出的耦合关联度属于初级水平,之后呈现出高级关联水平;耦合协调度在2005-2017年呈现出稳定增长态势,尤其是在2012年以后呈现出较高协调度。研究结果证实了我国医药制造业的创新投入和成果产出具有较高关联度,即创新投入对成果产出具有显著影响。同时,研究结果还揭示出我国医药制造业的创新投入和成果产出在近年呈现出较高的协调水平,这反映出我国医药制造业的创新效率及成果转化已处于较高水平。
图1 创新投入与成果产出综合评价指数
图2 创新投入与成果产出的耦合关联度和耦合协调度
探究高技术产业创新投入与成果产出关系及作用规律对提升产业创新效率具有重要的理论和实践意义。理论上,本文构建了我国医药制造业创新投入与成果产出指标体系,将各阶段技术创新特征与指标选取相结合,将研发产出和经济效益产出相结合,具有一定科学性和全面性。同时,本文创新性地将耦合模型运用到我国医药制造业创新投入与成果产出作用规律研究,对于揭示二者影响关系和协同发展趋势具有一定客观性、合理性。
实践上,根据研究实证结果,为了提高高技术产业创新效率,在供给侧结构性改革背景下,提出以下政策建议:首先,政府应重视高技术产业创新效率和企业自主创新能力,加强高技术人才培养和引进,加大高技术产业知识产权保护力度,促进高技术成果转化;其次,加大高技术创新财政投入,通过设置重大攻关项目等提升政策对高技术产业创新的激励效果;最后,政府应改善高技术产业创新政策供给,完善高技术产业金融服务,通过财税优惠政策提升高技术产业创新积极性,引导高技术企业继续加大创新投入,鼓励协同创新,进一步提升创新能力和水平。
本文虽然对我国医药制造业的创新投入与产出的耦合规律进行了探索,但也存在一定研究不足:首先,本文虽构建了我国医药制造业创新投入与成果产出指标体系,但由于数据可获得性因素,指标体系只涵盖了投入与产出两大维度,后续研究中可以进一步增强指标体系的完整性与评价维度的系统性,改进耦合模型;其次,本文研究了2005-2017年间我国医药制造业的耦合规律,后续研究可以进一步扩展时间跨度,更深入探索时间演进与耦合规律变化的关系;最后,高技术产业包括电子信息、航空航天、生物医药等行业,本文仅以我国医药制造业为例进行了耦合分析,后续研究应拓展耦合模型的应用范围,特别是需要探索自主创新的关键高技术产业领域创新投入与成果产出的关系,为关键领域高技术产业自主创新能力提供理论支持。科技创新的是永恒的话题,还可针对不同区域开展高技术产业创新投入和成果产出作用关系及作用规律研究,特别是进行跨国别比较研究,并对区域间、国际间的高技术产业创新投入及成果产出耦合水平进行纵向和横向比较,进一步丰富产业创新效率研究成果,为我国高技术产业发展提供理论参考。
[1] 国家统计局. 中国高技术产业统计年鉴.2014[M]. 北京:中国统计出版社, 2014.
[2] 世界银行. 2014年世界发展指标[M]. 北京:中国财政经济出版社, 2014.
[3] 楚明钦. 产业发展、要素投入与我国供给侧改革[J]. 求实,2016(6):33-39.
[4] 邵云飞,詹坤,汪腊梅. 中国医药产业创新效率的BCC-Malmquist时空差异研究[J]. 科研管理, 2016(S1):32-39. Shao
[5] 史修松,赵曙东,吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术经济研究,2009(3):45-55.
[6] 罗彦如,冉茂盛,黄凌云.中国区域技术创新效率实证研究——三阶段DEA 模型的应用[J]. 科技进步与对策,2010(7):21-27.
[7] COHEN W M,LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J].Administrative Science Quarterly,1990(9):128-152.
[8] 邵云飞,唐小我.中国区域技术创新能力的主成分实证研究[J].管理工程学报,2005,19(3):71-76.
[9] 李婧,谭清美,白俊红. 中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界,2010(7):43-53.
[10] 鲁新.创新网络形成与演化机制研究[D].武汉:武汉理工大学,2010(5):30-40.
[11] 邬龙,张永安. 基于SFA的区域战略性新兴产业创新效率分析——以北京医药和信息技术产业为例[J]. 科学学与科学技术管理,2013(10):95-102.
[12] 李牧南,周俊锋,朱桂龙,等. 广东专业镇技术创新效率评价——基于DEA和问卷实证的双重视角[J]. 科学学研究, 2015(4):627-640.
[13] 夏维力,钟培.基于DEA-Malmquist指数的我国制造业R&D动态效率研究[J].研究与发展管理,2011,23(2):58-66.
[14] 冯志军,陈伟. 中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角[J]. 系统工程理论与实践, 2014(5):1202-1212.
[15] 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.
[16] 韩晶. 基于SFA方法的中国制造业创新效率研究[J]. 北京师范大学学报:社会科学版,2010(6):115-122.
[17] WANG E C.R&D efficiency and economic performance: across country analysis using the stochastic frontier approach[J].Journal of Policy Modeling,2007,29(2):345-360.
[18] 张信东,董孝伍,郝丽芳. 结构调整中的行业创新效率研究——基于DEA和SFA方法的分析[J]. 经济管理, 2012,34(6):149-159.
[19] 肖兴志,谢理. 中国战略性新兴产业创新效率的实证分析[J]. 经济管理,2011,33(11): 26-35.
[20] 邹鲜红. 我国医药制造业技术创新效率及其影响因素研究[D]. 长沙:中南大学, 2010.