区域创新环境是否提高了中国信息技术产业创新效率 —

近年来，中国经济改变了传统出口导向的发展范式，越来越重视高新技术产业对经济增长的引领作用，被认为是发达国家发展方式的积极学习者和重要追随者[1]。作为国家重点发展的高技术和战略性新兴产业，信息技术产业具有渗透性、替代性以及协同性等不同于其它战略性新兴产业的特质，成为推动经济增长的重要力量，在提升国家科技创新能力、推动经济高质量增长和社会可持续性发展方面，体现出其它高新技术所不具备的强劲动力[2]。2015年中国电子产品市场规模已超越美国，成为世界最大的信息技术市场，市场规模达到4 267.63亿美元。然而，从以技术创新作为主要依据的全球经济体信息通讯技术发展指数来看，2016年中国排名全球第80位，以网络就绪指数(NRI)为依据的信息通信技术发展状况评估排名第59位(139个经济体)，信息技术产业创新能力仍然不高。其重要原因在于信息技术产业发展存在关键技术自主创新能力不足、国际影响力弱、低端产能过剩和产业布局不协调等问题[3-4]。可见，尽管我国在信息技术领域投入了巨额研发资金和政策支持，大力发展信息技术产业，但创新能力和产业竞争力仍有待提高，归根结底在于创新效率低下。因此，提高信息技术产业创新能力不应仅关注其创新活动效果，更应关注其技术研发—市场转化过程中创新投入和产出效率，即创新效率。尤其对仍处于发展阶段的中国，测算信息技术产业创新效率，识别其创新效率影响因素，可为优化信息技术资源配置、制定产业布局规划与创新战略提供理论参考。

信息技术产业由于产品多样化、软件化，更新换代快，附加值高等特点，其与创新环境之间的关系更加复杂。众多研究对创新环境与高新技术产业创新效率关系进行了研究，但鲜有针对区域创新环境与信息技术产业创新效率关系的研究。与一般产业科技创新的过程类似，信息技术产业同样包含基础研究、应用研究、试验开发及科技成果商业化等一系列过程[5]。因而研究创新环境对区域信息技术产业创新过程不同阶段的影响更具有实际价值。本文将信息技术产业创新过程划分为技术研发和市场转化两个阶段，采用随机前沿模型实证测算不同阶段中国各经济区域信息技术产业创新效率，以及创新环境对创新效率的影响，并针对创新环境对创新效率的影响进行威尔克逊检验。本文从创新环境视角分析中国各区域信息技术产业创新效率，对于寻找创新效率差异形成的原因、提升中国信息技术产业创新效率、缩小区域差距及实现区域协调健康发展具有重要意义。

1 国内外研究评述

知识密集、技术密集的高新技术产业，是技术创新的重点领域。大多数学者围绕战略性新兴产业等高新技术领域的创新效率进行了研究，源于战略性新兴产业是我国获取竞争优势的关键领域，是深入实施创新驱动发展战略的核心产业[6]。Li等[7]发现我国半导体产业在产业链不同环节表现出不同创新效率水平，其整体创新效率在不断提高；Wang等[8]发现我国新能源企业创新效率不高，而且不同类型的新能源企业在创新效率表现方面存在差异；AndreaOllo-López等[9]研究发现，对信息和通信技术的投资通过资本集约所产生的直接影响以及对生产力因素的总体影响，促进企业层面生产力增长；闫俊周等[6]对我国战略性新兴产业供给侧创新效率进行了研究，发现创新总效率整体水平较低，且存在明显的行业异质性；范德成等[10]对高技术产业整体和各阶段创新效率进行了研究，并提出了单边突破式、双向协调式等多条创新效率提升路径；刘晖等[11]发现战略性新兴产业创新效率具有很大的上升空间，且存在明显的区域异质性；刘伟(2016)等对高新技术产业创新效率进行了两个时段的比较，发现效率虽有提升但依然处于较低水平，且存在明显的行业异质性。可见，创新效率具有动态演化特征，以及很强的区域异质性和行业异质性特征。因而，研究高新技术产业创新效率，需要对特定区域、特定产业进行具体分析。

信息技术产业表现出更高的渗透性、创新性和协同性，推动了技术、管理和制度系统中技术经济范式的深刻变革，其创新过程与一般高新技术相比具有明显差异[12]。世界经济长期运行的基础创新技术是信息技术,且信息技术产业拉动经济增长被寄予了极大期望[13]。从技术创新视角看，信息技术产业取得了以物联网、高性能集成电路以及云计算为代表的许多显著和重要创新。中央和各省份也对信息技术产业寄予了极大期望，先后出台相关规划和政策措施，意图通过信息技术转变经济发展方式，将其打造为经济发展的创新动能。然而，区域信息技术产业出现了严重的产业过度和趋同现象。理论上关于信息技术与创新资源的研究，一直以来都是复杂和令人迷惑的问题[14]。尽管信息技术产业对经济和社会发展的重要作用从理论上得到了认可，但由于我国不同地区在资源禀赋、社会和经济发展历程上各不相同, 区域经济增长水平及科技资源配置效率水平的差异十分显著，因此，有必要对不同区域信息技术产业创新效率进行具体研究。但当前该领域的研究，尤其是实证研究较为缺乏，有待深入探讨。

信息技术产业创新过程与一般高新技术产业的基本过程类似，并非单一的投入产出活动，由各种输入、输出的多次迭代和交互组成[15]。信息技术产业的创新过程经历了研发投入、研发产出、市场转化等多阶段，不同阶段其投入产出的变量和外界影响因素不尽相同，若把创新过程视作一个整体进行研究，将很难分析信息技术产业在创新过程中的差异，因此，有必要对信息技术创新过程进行阶段性划分。“创新价值链”理论认为，创新是一个连续的三阶段过程，包括创意产生、创意发展和已开发概念的扩散[16]。Boaz Bernstein等[17]构建了一个更为复杂的创新过程模型，认为以往创新过程模型不足以反映阶段过程中的复杂性，建立了一个基本的创新过程模型，包括4个明确的阶段：观念产生、创新支持、创新发展、创新实施。我国学者也对创新过程进行了大量深入研究。余泳泽和刘大勇等[18]考虑了创新过程的前置因素，将区域创新过程分为知识创新、研发创新和产品创新三阶段。也有学者针对具体阶段进行了研究，例如，袁茜等[19]研究了长江经济带高技术产业研发效率及其影响机制；戚湧等[20]对科技成果市场转化效率进行了研究。无论是多阶段还是单阶段研究，均肯定了创新过程阶段划分的必要性，不同之处在于研究对象的不同划分方式有所差异。

创新环境作为区域创新系统的重要因素，决定了创新过程所需要的基础设施、人力资本和可提供的创新资源[21]。因此，创新环境使得创新过程和创新效率在不同区域显示出不同特征，良好的创新环境能够引起组织对于不确定性和复杂性的反思，体现出积极的创新性，影响创新过程各个阶段的活动和结果[22]。Changhee Kim等[23]研究表明，高等教育机构和研发机构是实现创新的重要信息来源，创新效率价值会因高等教育机构和R&D机构作为创新信息来源的重要程度不同而不同，如果企业完全排除或不考虑创新活动信息源，则其创新效率可能较低；Marcia Millon Cornett等[24]考察了竞争环境与创新的关系，研究表明产业集中度与创新之间存在U型关系，且在企业竞争战略替代品的行业中，U型关系更为明显；Chrystalla Kapetaniou等[25]研究表明，金融环境与创新体系脱节对创新绩效具有不利影响，尤其阐释了创新系统不发达背景下政策和管理对创新的影响；杨志伟(2019)等构建创新力模型，研究发现创新环境对创新能力的影响最大；张宗益等[26]分析了创新环境对区域技术创新效率的影响，但未对创新过程进行细分；吴玉鸣(2010)等研究证实了创新环境对创新能力形成的促进作用，强调具有区域特色的创新环境对创新能力具有显著正向作用。

从以上文献可以发现，产业和区域异质性、创新环境和创新效率之间存在密切联系。由于信息技术产业具有独特的产业特征，要发挥信息技术产业对区域经济增长的引领支撑作用，实现信息技术领域科技创新，就必须对区域信息技术产业创新阶段及其创新效率进行深入研究。既有研究在该领域成果丰硕，但仍存在以下不足：①当前创新效率研究主要集中在宏观高新技术产业层面，而对于技术涵盖深度、技术应用广度、技术渗透强度都具有巨大优势的信息技术产业，其创新活动研究较为缺乏；②信息技术产业的创新过程及其效率同样存在阶段性，不同阶段创新资源投入和创新产出不尽相同，当前研究缺乏对信息技术产业创新效率的阶段性划分和比较；③当前研究都强调创新环境对创新效率的重要影响，但缺乏对创新环境引起创新效率变化的具体量化分析。本文将重点探讨以上问题。

2 模型构建与变量设定

2.1 模型构建

传统的创新效率测量更多采用数据包络分析(DEA)方法，该方法虽然可以同步考虑多投入和多产出情况下的效率分析，但侧重于算法优化，缺乏经济学基础，且不考虑随机因素的影响，更无法体现技术效率的影响因素。随机前沿方法(SFA)可结合经济学中的生产理论，构建生产函数模型反映产品或知识生产过程，具有较强的经济学基础，同时考虑随机因素，通过构建技术无效项将技术效率影响因素如创新环境引入到SFA模型中，一定程度上克服了DEA模型的缺陷。Lin等[27]引入技术无效影响因素的方法，构建两个方程两个投入要素情况下的SFA模型，并引入其它经济变量，直接得到生产函数和技术效率影响因素的参数估计结果，该方法对于研究具有效率影响因素情况下的创新效率测算提供了很好的理论基础。该模型面板数据基本形式为：

lnYjt=βlnXjt+Vjt-Ujt

其中，lnYjt和lnXjt分别表示消除量纲取对数后第j个经济区域第t时期的创新产出与创新投入；Vjt为生产函数的随机误差项且服从正态分布N(0,σv2)，误差项包括测量误差以及各种不可控的随机因素；Ujt为创新效率损失项且服从N(ujt,σu2)，Vjt和Ujt两者相互独立，且与回归的创新投入不相关；zjt为一组影响创新效率的因素，代表创新环境；δjt反映创新环境的影响系数。TEjt代表第j个经济区域在第t时期的创新效率，0≤TEjt≤1，越接近于1代表创新效率越高。

在技术研发阶段，不同经济区域信息产业部门通过投入相应创新资源，包括创新资本和创新人员进行研发活动，研发产出为专利，其具体研究模型如下：

lnPjt=α0+α1lnLjt+α2lnKjt+vjt-ujt

ujt=β0+β1lnSizejt+β2(lnSizejt)2+β3lnUnivjt+β4lnEnvjt+φjt

其中，P是专利申请数，作为技术研发阶段的创新产出；L和K分别是研发人员数、研发资本，作为投入；α为技术研发阶段创新生产过程的待估参数；Size为区域产业规模；Univ为区域研发资源；Env为区域研发环境；φ为技术非效率函数误差项。

市场转化阶段代表了将研发产出转化为商业产品的过程，在市场转化阶段，不同经济区域信息产业部门通过投入相应市场资源，包括固定资产投资和从业人员进行市场拓展，该阶段创新产出为主营业务收入，其具体研究模型如下：

lnSalejt=α0+α1lnPjt+α2lnALjt+α3lnIKjt+vjt-ujt

ujt=β0+β1lnSizejt+β2(lnSizejt)2+β3lnAGDPjt+β4lnTechjt+φjt

其中，Sale是信息技术产业主营业务收入，作为产出；P、AL、IK分别是信息技术产业专利申请数、信息技术产业从业人员数、信息技术产业资本存量；α为市场转化阶段生产函数的待估参数；v为生产函数的随机误差项；u为技术非效率项；Size为区域产业规模；AGDP为区域经济资源；Tech为区域市场环境；φ为技术非效率函数误差项。

2.2 变量设定

在不同创新阶段选取科学合理的评价指标体系是准确测量创新效率的重要前提。既有文献对于创新效率投入指标的选取，依据研究对象、研究层面和研究目标不同，选取的指标也不尽相同。本文依据信息技术产业部门阶段划分，力争选取能够代表每个阶段真实的投入和产出变量，通过准确和全面的代理变量反映信息技术产业部门的创新资源和创新环境变量，在遵循评价指标5M原则的基础上，本文变量设定包括以下几个方面：

(1)不同创新阶段创新产出指标选取。对于技术研发阶段的创新产出，大多数研究都认为专利数量是衡量创新效率的最佳指标之一[28]。但专利数量分为专利申请数和专利授权数两种类型，由于专利申请数相对专利授权数而言，更能体现当期区域创新产出水平，且不易受滞后期的影响，故本文选用专利申请数作为技术研发阶段的创新产出。由于整个创新过程最终目的是为了实现技术研发阶段成果，达到促进产业规模发展和经济增长的目的，本文选用信息技术产业主营业务收入作为市场转化阶段的创新产出。

(2)不同创新阶段创新投入指标选取。创新投入代表不同阶段创新生产要素，柯布-道格拉斯生产函数中要素投入包括劳动力和资本两种。在技术研发阶段，本文选取信息技术产业研发人员、研发资本作为技术研发阶段的要素投入，将技术研发阶段创新产出专利申请数以及信息技术产业从业人员数和信息技术产业资本存量作为市场转化阶段的要素投入。由于信息技术产业研发资本和资本存量无法直接获取，借鉴叶明确和范德成等[28]的做法，依据R&D经费支出和信息技术产业固定资产投资额，采用永续盘存法分别计算研发资本以及资本存量，从而将资本流量转换为资本存量。具体计算如下：

Ki(t+1)=(1-δit)Kit+Ii(t+1)/PIFi(t+1)×100

其中，i是第i个省份；t是第t年；K为资本存量；δit是资本存量折旧率，本文选定15%的折旧率；I是名义总投资；PIF计算固定资产投资额时表示为固定资产投资价格指数且以2011年为基期，计算R&D资本存量时表示为式(9)。其中，PL是以2011年为基期的消费者价格指数；PI是以2011年为基期的固定资产投资价格指数；ω为研发人员劳务费支出；e为仪器设备支出。本文以劳务支出和仪器设备费所占两者之和的比重作为各自权重进行计算。对于初始年份的计量表示为式(10)，其中，K0表示为初始年份的信息技术产业资本存量；计算固定资产投资额时，I0表示基期实际总投资，计算信息技术产业R&D资本存量时，其代表基期实际R&D内部经费支出；计算固定资产投资额时，git表示第i个省份2011年GDP增长率，该数值根据2011年GDP指数减100得到。计算R&D资本存量时，其表示各期实际R&D内部经费支出增长率的算术平均数。

(3)不同创新阶段创新环境指标选取。创新环境为不同阶段创新过程提供了外部资源和不确定性，不同创新阶段外部创新环境也有所不同。本文将创新环境划分为创新研发环境和创新转化环境。在创新研发环境中，区域产业规模代表了该区域产业集群效应和竞争效应，有研究发现，产业规模对技术创新的作用体现在技术创新全过程，产业规模对创新效率具有门槛效应。本文同时将区域产业规模作为技术研发阶段和市场转化阶段的创新环境影响因素，用地区信息技术产业企业数表示；区域研发资源代表区域内部可为信息技术产业提供科技资源的潜力，本文选择“每10万人口高等学校平均在校生数”作为区域研发资源的代理变量；良好的研发环境有利于形成“大众创业、万众创新”的研发氛围，有利于创新效率提高，因此，作为区域创新活力体现的区域研发环境，本文采用区域有R&D活动的信息技术产业企业数与信息技术产业企业总数之比衡量区域研发环境。区域产业规模、区域研发资源、区域研发环境构成区域研发阶段创新环境。区域经济资源在一定程度上决定了信息技术产业专利转化为产品的市场空间，区域经济资源越丰富，市场转化效率越高，本文以区域人均GDP作为衡量区域经济资源的指标。技术市场成熟度一定程度上代表了区域市场环境，区域市场环境越成熟，创新效率越高，本文选用技术市场成交额作为区域市场环境的衡量指标。区域产业规模、区域经济资源、区域市场环境构成了区域转化阶段创新环境。

由于数据缺失，西藏、青海、宁夏、新疆4个省、市自治区信息技术产业数据无法获取，本文样本为中国内地除上述4个省份外的27个省份。根据通用的经济区域划分方式具体如下：东北地区包括黑龙江、辽宁、吉林3个省份；北部沿海地区包括北京、天津、河北、山东4个省份；东部沿海地区包括上海、江苏、浙江3个省份；南部沿海地区包括福建、广东、海南3个省份；黄河中游地区包括山西、陕西、内蒙古、河南4个省份；长江中游包括安徽、湖北、湖南、江西4个省份；西北包括甘肃；西南包括广西、贵州、四川、云南、重庆5个省份。本文基于电子信息制造业进行实证研究，主要包括电子及通信设备制造业和电子计算机及办公设备制造业。样本期限为2011-2016年，所有数据来源于《中国高技术产业年鉴》(2012 -2017)、《中国统计年鉴》(2012-2017)和《中国信息产业年鉴》(2012-2017)。

3 实证研究及检验

为研究创新环境对信息技术产业创新效率的影响，本文运用随机前沿模型对2011-2016年中国27个省份技术研发阶段和市场转化阶段信息技术产业创新效率进行测算，并将创新环境作为创新效率的影响因素引入研究模型，通过比较创新环境加入创新过程前后创新效率的变化，具体分析创新环境对创新效率的影响。

3.1 随机前沿估计结果及创新环境对创新效率影响总体分析

基于2011-2016年中国27个省份面板数据，按照研究模型(式(4)-(7))，分别对技术研发阶段和市场转化阶段在有无创新环境因素下的创新效率进行实证分析，采用stata12.0软件对两阶段进行估计，结果如表1所示。

从表1中可以发现，在技术研发阶段，研发人员和研发资本的弹性系数分别为0.779和0.250，且在1%的水平下显著。这表明研发人员和研发资本对信息技术产业的专利申请数具有显著促进作用，且研发人员对创新产出的贡献远远大于研发资本。同时表明，当前阶段创新产出更多地依赖于研发人员投入，研发人员培养成为区域信息技术产业发展的重要任务。考虑创新环境后，创新环境因素削弱了研发人员和研发资本对技术研发阶段创新产出的影响，从而表明创新环境与研发人员和研发资本存在一定的替代关系。此外，不同创新环境变量对于技术研发阶段创新效率的影响也存在差异，区域产业规模的弹性系数为-0.025，未通过显著性检验，这说明产业规模大小与技术研发阶段的创新效率之间并无直接关系，更不存在“U型”关系。所以，提高技术研发阶段的创新效率不能单纯地依赖产业规模，必须形成产业间创新网络。区域研发资源在5%显著性水平下的弹性系数为正，说明区域研发资源对信息技术研发阶段创新效率有显著正向影响。

表1还表明，代表技术投入的专利申请数、代表信息技术产业资本投入的资本存量、代表信息技术产业劳动力投入的从业人员数，都对市场转化阶段的创新效率具有显著正向影响。其中，产业从业人员数的弹性系数为0.869，在1%水平下显著，对市场转化效率的影响最大。其次为资本存量的弹性系数0.157，最后为专利申请数其弹性系数为0.055，对市场转化效率的影响最小。这说明市场转化阶段的创新效率更多地依赖于产业从业人员数。加入创新环境因素后，专利申请数对市场转化效率的正向影响不再显著，且从业人员数弹性系数从0.869下降到0.705，资本存量弹性系数从0.157上升到0.168。这说明创新环境弱化了信息产业从业人员数对市场转化产出的影响，强化了信息产业资本存量对市场转化的影响，创新环境与从业人员之间存在替代效应、与资本存量之间存在互补效应。区域产业规模的弹性系数为0.413，平方项为-0.027，分别在1%和5%水平下显著，这表明区域产业规模和信息技术转化阶段创新效率存在显著的倒U型关系。

3.2 技术研发阶段信息技术产业创新效率分析

表2给出了技术研发阶段各经济区域信息技术产业创新效率。可以看出，中国各经济区域及省市(自治区)创新效率呈逐年下降趋势，表明中国信息技术产业的技术研发投入产出比较差，相对于创新投入，创新产出水平一直处于较低的状态。从整体创新效率来看，中国信息技术产业创新效率在2011-2016阶段年平均值从0.495下降到0.430，总平均值为0.463，处于相对较低水平。信息技术产业研发处于科学技术的前端，存在很多不确定性因素以及难以解决的问题，取得关键性技术突破难度较大，尽管信息技术产业研发投入不断增加，但研发成果阶段本身存在一定滞后性。从各经济区域来看，技术研发效率最高的区域为西北地区(0.544)、其它地区效率值从高到低依次为北部沿海(0.512)、东部沿海(0.509)、西南地区(0.494)、长江中游(0.482)，这些经济区域均高于全国平均值。南部沿海(0.449)、东北地区(0.397)、黄河中游(0.361)均低于全国平均值，从整体看，沿海地区研发效率高于内陆地区。同时，本研究对研发人员和研发投入的单位产出进行了计算，通过对比发现，北部沿海、东部沿海以及西北地区技术研发阶段创新效率值高，主要得益于其研发人员人均专利产出水平高，分别是0.226、0.209和0.173，明显高于0.170的全国平均水平。而长江中游、西南地区效率值高则得益于每万元研发经费的专利产出水平高，分别为0.003 9和0.003 8，也高于全国平均水平0.002 8。值得注意的是，西南地区研发效率排位靠前，甚至高于长江中游和南部沿海等地，主要得益于该地区结合自身特点充分发挥后发优势，大力发展信息技术产业和传统产业转型升级，基于产业集聚以及创新网络实现了更大范围的研发合作。同时，我国区域研发效率并非随机分布，具有较强的地理空间集聚特征，地理位置相邻的区域研发效率相差不大，如北部沿海和东部沿海、西南地区和长江中游、东北地区和黄河中游。究其原因，相邻区域的经济发展模式和发展水平差异不大，从而有助于充分发挥区域间协同效应和溢出效应。这也说明区域溢出效应和协同效应对信息技术产业研发效率有明显促进作用，提升区域研发效率也会使相邻区域受益。具体来看，研发效率最高的3个省份分别为北京(0.796)、安徽(0.676)和上海(0.626)。北京和上海地区科技资源丰富，其研发资本和研发人员都位居全国前列，研发投入产出能力强。研发效率最低的3个省份为黑龙江(0.330)、河南(0.325)、内蒙古(0.312)，其研发投入相对不足，研发人员单位产出水平较低，使得研发效率较低。

3.3 市场转化阶段信息技术产业创新效率分析

表3给出了市场转化阶段各经济区域信息技术产业创新效率。从中可以看出，中国各经济区域及省市(自治区)的创新效率呈逐年上升趋势，表明中国信息技术产业市场转化发展趋势良好。从整体创新效率来看，中国信息技术产业创新效率在2011-2016年的年平均值从0.391上升到0.524，总平均值为0.458。市场转化阶段相比技术研发阶段而言，投入后见效快、不存在明显的滞后性问题。随着我国综合实力的日益增强、各经济区域的快速发展，以及开放的经济政策与市场环境，各地政府均制定了政策文件，搭建了技术市场交易平台，鼓励市场转化，带动信息技术产业发展。从各经济区域来看，市场转化效率最高的区域为北部沿海(0.578)、其它地区效率值从高到低依次为西南地区(0.528)、黄河中游(0.468)、东部沿海(0.460)，这些经济区域均高于全国平均值。南部沿海(0.413)、东北地区(0.393)、长江中游(0.372)、西北地区(0.253)均低于全国平均值。本研究计算了市场转化阶段固定资产投入、从业人员和单位专利转化水平，发现其与转化效率具有一定的相关性。北部沿海和东部沿海转化效率较高与其从业人员人均转化水平和单位固定资产投资转化水平密切相关，这两个经济区域从业人员人均转化水平分别为0.027和0.020，均高于全国平均水平0.019，其单位固定资产投资转化水平分别为2.517和3.871，也明显高于全国平均水平2.027。而西南地区和黄河中游效率值高主要得益于人均转化水平和单位专利转化水平高。从整体看，区域间辐射带动效应不明显，如北部沿海和东部沿海、西南地区和长江中游以及黄河中游和东北地区，虽然地理位置相邻，但转化效率差异大。因此，加强区域间信息技术产业协同合作，发挥互补协同优势以促进成果转化，是提高转化效率的重要途径。西南地区和黄河中游的转化效率高于东部沿海和南部沿海，而长江中游的转化效率低于全国平均值甚至低于东北地区。表明西南地区、黄河中游以及东北地区的转化机制得到不断完善，区域内部合作充分，高效地对研发成果进行了吸收与转化。具体来看，转化效率最高的3个省份分别为内蒙古(0.915)、北京(0.810)和重庆(0.723)。其中，北京区位优势明显，综合经济实力强，有利于研发成果市场化。而内蒙古和重庆充分高效地利用了转化阶段投资和从业人员等市场转化资源。转化效率最低的3个省份为黑龙江(0.286)、河北(0.270)、甘肃(0.253)，其应强化市场转化阶段资源使用效率。

3.4 区域创新效率模式分析

通过对以上技术研发阶段和市场转化阶段创新效率的分析，可将两阶段的创新效率分为4种模式，具体为高研发高转化、高研发低转化、低研发高转化、低研发低转化，见表4。处于高研发高转化模式下的省份有7个，这些省份的技术研发效率和市场转化效率均比较高。其中，北京、辽宁、上海、山东为发达省份，优越的地理位置、较高的技术水平、高度的人才集聚为技术研发和市场转化创造了良好条件。重庆、四川、贵州信息技术产业发展迅速，同样处于“双高”区域内，这些“双高”地区对其它省份具有较好的示范作用，应保持现有发展模式，继续加强研发投入，加快市场转化。处于高研发低转化模式下的省份有6个，分别是浙江、安徽、江西、广东、海南、甘肃。这些省份在技术研发阶段运作良好，但在市场转化阶段存在资源不足、重复投入以及配置不合理等问题，导致成果不能及时转化，这些省份应该重视对研发成果的吸收与转化，完善市场转化机制，加大资源投入力度，同时注重资源配置效率。处于低研发高转化模式下的省份有4个，分别是天津、内蒙古、福建和广西。这些省份基础研发效率较低，但充分发挥市场机制，产生了较高的市场转化效率。这些省份在更加注重创新产出的商品化过程的同时，应注重信息技术产业的基础研究和理论创新。处于低研发低转化模式下的省份达到10个，分别为河北、山西、吉林、黑龙江、江苏、河南、湖北、湖南、云南、陕西，这些省份在技术研发和市场转化阶段均处于较低水平，因此，这些省份应该制定或调整相应技术政策，如利用政府政策进行跨区域合作、引进技术，更好更有效地提升研发效率和市场转化，全面提高两阶段创新效率。

3.5 创新环境对创新效率影响的个体分析

通过引入创新环境因素，随机前沿模型的估计结果表明创新环境对创新效率具有显著影响。为进一步比较创新环境导致各经济区域创新效率的变化，本文采用个体分析方法探索创新环境进入创新活动前后创新效率的差异。Wilcoxon符号秩检验将观测值和零假设中心位置之差绝对值的秩分别按照不同的符号相加，作为其检验统计量，以验证创新环境加入随机前沿模型前后创新效率是否存在显著差异。Wilcoxon符号秩检验结果如表5所示。

Wilcoxon秩检验结果表明，在99%置信度水平上创新环境引起创新效率前后差异显著不为0，即创新环境引起了创新效率显著变化，这与本文总体分析结果保持一致，从而验证了研究结论的稳健性。在技术研发阶段和市场转化阶段，渐近显著性双侧均小于0.01，故拒绝原假设，认为创新环境对创新效率前后变化影响具有显著差异，从而保证了后续从区域层面分析创新环境对创新效率影响的合理前提。图1和图2分别描绘了加入创新环境之后各经济区域创新效率变化。

在技术研发阶段，从图1中可以看出，就2011-2016年创新效率平均值而言，整体上中国创新环境促进了创新效率，创新效率从0.463增长为0.508，增长率为9.67%，这表明中国整体技术研发环境有所改善，促进了创新效率提高；由于青海、宁夏和新疆数据缺失，西北地区仅包括甘肃，甘肃创新环境使得其创新效率从0.544上升为0.821，这也使得西北地区创新效率增长了50.81%；其次为西南地区，创新效率从0.494增长为0.605，增长了大约22.39%。其它经济区域，创新环境引起的增长率增加依次为长江中游、北部沿海、南部沿海和东北地区。创新环境不善导致创新效率下降的经济区域为黄河中游和东部沿海，分别下降了2.16%和1.53%，说明这两个经济区域技术研发环境有待进一步优化。具体到省份，大部分省份技术研发阶段的创新环境都得到了改善，但北京、天津、山西、内蒙古、黑龙江、江苏和浙江的创新环境导致创新效率下降，其应该提升技术研发阶段的创新环境。

在市场转化阶段，图2反映出中国整体上市场转化环境极大促进了创新效率，创新效率从0.458增长到0.587，增长率为28.24%，表明中国整体市场转化环境得到有效改善，促进了创新效率提高；西北地区创新效率从0.253上升为0.493，创新效率增长了94.62%；其次为西南地区，创新效率从0.528增长为0.774，增长了大约46.67%。其它经济区域，创新环境引起的增长率增加依次为南部沿海、长江中游、黄河中游、东部沿海、东北地区和北部沿海。具体到省份，除北京、天津和内蒙古外，绝大部分省份市场转化阶段的创新环境都得到改善，这3个省市(自治区)应在优化技术研发阶段创新环境的同时，进一步培育市场转化环境。

4 结语

本文以2011-2016年中国内地27个省份作为研究对象，将创新过程分解为技术研发和市场转化两个阶段，运用面板随机前沿模型测度了中国各省份及经济区域信息技术产业创新效率，并实证检验了创新环境对创新效率的影响。研究结果表明：中国信息技术产业创新效率在技术研发和市场转化两阶段均处于较低水平，提升空间很大；信息技术产业创新效率具有显著的时间趋势，其中，技术研发阶段效率逐年递减，市场转化阶段效率逐年递增；区域产业规模对技术研发阶段创新效率影响不显著，但对市场转化效率影响非常显著，且呈倒U型关系；区域研发资源和区域研发环境正向影响技术研发阶段创新效率，区域经济资源显著正向影响市场转化阶段创新效率；区域市场环境对市场转化阶段创新效率影响不显著；从经济区域来看，创新环境整体上促进了中国绝大部分地区技术研发阶段创新效率，但没有促进东部沿海和黄河中游区域创新效率；创新环境整体上促进了中国各经济区域市场转化效率。

基于此，为提高中国不同区域信息技术产业创新效率，本文提出以下政策建议：

(1)中国信息技术产业研发阶段效率逐年下降，而市场转化阶段效率一直处于上升趋势，因此，应重视区域信息技术产业技术研发阶段创新效率，加大基础研究投入力度，注重产业创新人才培养，鼓励产业内企业创新行为。

(2)区域信息技术产业创新效率与区域产业基础密切相关。提升信息技术产业技术创新效率时，各经济区域应充分考虑自身实际情况，结合信息技术产业技术创新两阶段效率的具体特点，注重优势经验推广，促进区域间均衡发展。

(3)不同区域应重视创新环境优化，尤其是技术研发阶段创新环境的营造。各地不能盲目增加研发资源投入数量，应更注重研发投入质量以及科研环境改善。充分利用产学研合作，培养高端信息技术产业人才，搭建高校、科研院所合作交流平台，定期进行员工技能培训。

(4)目前区域市场环境并未提升市场转化阶段效率，区域信息技术市场环境尚不成熟，导致技术供给方和需求方在相对不成熟的市场环境下双方沟通和合作不充分，各地应该搭建更多信息交流平台，提供专业化服务，从而降低创新风险，提高转化率。

[1] CHOI Y, GAO D.The role of intermediation in the governance of sustainable Chinese web marketing [J].Sustainability, 2014 (6):4102-4118.

[2] 蔡跃洲,陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究,2019,36(5):3-22.

[3] 申俊喜,刘元雏.战略性新兴产业产能利用率及影响因素——以新一代信息技术产业为例[J].中国科技论坛,2019(3):61-70+91.

[4] SHIYI CHEN, ZHEN XIE.Is China's e-governance sustainable Testing Solow IT productivity paradox in China's context [J].Technological Forecasting & Social Change, 2015, 96:51-61.

[5] 熊曦,关忠诚,杨国梁,等.嵌套并联结构两阶段DEA下科技创新效率测度与分解[J].中国管理科学,2019,27(3):206-216.

[6] 闫俊周,杨祎.中国战略性新兴产业供给侧创新效率研究[J].科研管理,2019,40(4):34-43.

[7] HONGKUAN LI, HAIYAN HE, JIEFEI SHAN, et al.Innovation efficiency of semiconductor industry in China:a new framework based on generalized three-stage DEA analysis [J].Socio-Economic Planning Sciences, 2019, 66:136-148.

[8] QUNWEI WANG, YE HANG, LICHENG SUN, et al.Two-stage innovation efficiency of new energy enterprises in China:a non-radial DEA approach [J].Technological Forecasting & Social Change, 2016, 112:254-261.

[9] ANDREA OLLO-LóPEZ, M ELENA ARAMENDíA-MUNETA.ICT impact on competitiveness, innovation and environment[J].Telematics & Informatics, 2012, 29(2):204-210.

[10] 范德成,李盛楠.区域高技术产业技术创新效率测度与提升路径研究——基于共享投入关联型两阶段DEA模型[J].运筹与管理,2019,28(5):156-165.

[11] 刘晖,刘轶芳,乔晗,等.我国战略性新兴产业技术创新效率研究[J].系统工程理论与实践,2015,35(9):2296-2303.

[12] 蔡跃洲,张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究, 2015, 50(12):100-114.

[13] 张伯伟,任希丽,李可爱.信息技术是当前世界经济长期运行的基础创新技术吗[J].南开经济研究,2013(3):3-20.

[14] PETR P.The productivity paradox:a meta-analysis [J].Information Economics and Policy, 2017(38):38-54.

[15] JIYOUNG LEE, CHULYEON KIM, GYUNGHYUN CHOI.Exploring data envelopment analysis for measuring collaborated innovation efficiency of small and medium-sized enterprises in Korea[J].European Journal of Operational Research, 2019, 278(2):533-545.

[16] HANSEN MT, BIRKINSHAW J.The innovation value Chain [J].Harvard Business Review, 2007, 85(6):121-30, 142.

[17] BERNSTEIN B, SINGH PJ.An integrated innovation process model based on practices of Australian biotechnology firms [J].Technovation, 2006, 26:561-572.

[18] 余泳泽,刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界,2013(7):6-20+70+187.

[19] 袁茜,吴利华,张平.长江经济带一体化发展与高技术产业研发效率[J].数量经济技术经济研究,2019,36(4):45-60.

[20] 戚湧,朱婷婷,郭逸.科技成果市场转化模式与效率评价研究[J].中国软科学,2015(6):184-192.

[21] PETER YAMAKAWA TSUJA, JHONY LIONEL OSTOS.The influence of the environment on organizational innovation in service companies in Peru [J].Review of Business Management, 2013, 15(49):582-600.

[22] GUTEMBERG RIBEIRO, ANA PAULA MUSSI SZABO CHEROBIM.Environment and innovation:discrepancy between theory and research practice [J].RAI Revista de Administra o e Inovao,2016,14:30-40.

[23] CHANGHEE KIM, WON SUG SHIN.Does information from the higher education and R&D institutes improve the innovation efficiency of logistic firms? [J].The Asian Journal of Shipping and Logistics, 2019, 35(1):70-76.

[24] MARCIA MILLON CORNETT, OTGONTSETSEG ERHEMJAMTS, HASSAN TEHRANIAN.Competitive environment and innovation intensity [J].Global Finance Journal, 2019, 41:44-59.

[25] CHRYSTALLA KAPETANIOU,MARIOS SAMDANIS,SOO HEE LEE.Innovation policies of Cyprus during the global economic crisis:aligning financial institutions with national innovation system [J].Technological Forecasting & Social Change,2018, 133:29-40.

[26] 张宗益,张莹.创新环境与区域技术创新效率的实证研究[J].软科学,2008,22(12):123-127.

[27] WINSTON T LIN, YUEH H CHEN, BENJAMIN B M SHAO.Assessing the business values of information technology and e-commerce independently and jointly[J].European Journal of Operational Research,2015,245 (3):815-827.

[28] 范德成,李盛楠.考虑空间效应的高技术产业技术创新效率研究[J].科学学研究,2018,36(5):901-912.