我国高新技术产业技术创新效率评价及其影响因素分析百度讲解
我国高技术产业技术创新效率评价
高新 技术 产业 的技 术创新 效率 ， 并借助 马姆 奎斯特 指数 （ ｌ ｑｉ ｄ ｅ） 分析 ６ Ｍａ ｕ ｔｎｉ ｓ来 ｍ ｓｉ ｃ 个高新技术产业 的增长潜力 。 Ｆｎ — ｅＴｅ 等 （ ｏ） 出， ａ Ｍ ｉ ｓ ｇ ２ ９指 传统反应商业绩效的指标 ｇ ｎ ０ 已不合时宜 ， 为此他们 建立 了一 套可用 于高技 术产业 企 业的基于财务绩效 和非 财务绩效 的指标 体系 ， 并构建 了 集成 Ｄ 、 Ｈ ｎ Ｅ Ａ Ｐ和模 糊 多层 次决 策于 一体 的 评价 模 型。 张危宁等（ｏ６通过 对集群 创新 系统 特征 的研究 ， 鉴 ２０） 借
２１ ００年第 ５期 总 第 １１ ９ 期
黑 龙 江对 外 经 贸
ＨＬ ｏｅｇ ｃ ｎ ｍｉ Ｒ ｌ ｏ ｓ＆ Ｔ ａ ｅ Ｊ Ｆ ｒｉｎ Ｅ ｏ ｏ ｃ ｅａ ｎ ｉ ｔ ｒｄ
Ｎ ．。Ｏ０ ｏ５ ２ｌ Ｓ ｒ Ｎ ．９ ｅｉ ｏ １ １ ｌ ａ
［ 业经济 ］ 产
我国高技术产业 技术创新效 率评价
钟 宝 周炜 曹浩
（ 哈尔滨工程大学 经济 管理学 院， 龙江 哈尔滨 １００ ） 黑 ５０ １ ［ 摘 要 ］采 用数据 包络分析法（ Ｅ ） 以《 Ｄ ｎ ， 中国高技术产业统计年鉴一２ｏ 》 ｏ９ 为数据 来源 ， 对我 国各 地 区 高技术产业 的技术创新效率进行 实证 分析。 区分 了北京 、 山西、 海、 西等 地 Ｄ Ａ达到创 新相 对有 效， 上 陕 Ｅ 河
高新技术产业R&D效率分析-基于DEA分析方法
高新技术产业R&D效率分析-基于DEA分析方法[摘要]技术创新和进步是高新技术产业发展的核心要素，而技术进步要受到R&D投入的约束。
利用DEA模型测度了五个高新技术行业2003-2009的技术效率、纯技术效率和规模效率，比较分析了五个高新技术行业DEA效率、纯技术效率及规模效率，结果发现，近几年高新技术产业制造业的技术进步的提高快于资源配置的提高，高新技术 R&D 绩效效率的总体增长主要受技术进步与创新的影响较大；在五个行业中，航空航天制造业无论技术效率、规模效率都是最低的。
文章在最后分析了产生这种结果的原因是由产业的特性决定的并给出了实施建议。
[关键词]DEA 高新技术行业 R&D 效率[作者简介] 李刘艳（1978-），女，河南鹿邑人，博士，河南师范大学商学院副教授，研究方向：区域经济。
[中图分类号] T-012 [文献标识码] A [文章编号]0439-8041（2013）06-0089-04随着经济全球化的发展，地区间竞争日益激烈，发展高新技术及其产业成为各地竞争的主要方式[1]。
十八大报告提出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”。
[2]。
高新技术产业的发展对提高自主创新能力、促进产业结构调整以及经济增长方式的转变都具有十分重要的意义[3]。
世界时时刻刻无不在变化，而不变的是创新。
高新技术产业作为R&D活动密集型性产业，创新活动频繁，其创新效率的高低对于产业的发展起着举足轻重的地位。
十七大报告也把发展高新技术产业作为转变经济增长方式的核心。
按照国家统计局标准，高新技术产业由医药制造业、航空航天器制造业、电子通信设备制造业、医疗设备及仪器仪表制造业、电子计算机及办公设备制造业等产业构成[4]。
十一五规划以来，我国高新技术产业发展迅速，产值从2003年的20556亿元增至2009年的60430亿元，年均增长24.3%；高新技术产业从业人员占全社会就业人员的比重从2003年的0.6%增至2009年的1.2%，六年间比率翻了一番。
高技术产业技术创新效率研究综述
中国高新技术企业
Ｃｈｎ ｓ ｉ ｔｅ ｎｅｐ Ｌ ｉｅ ｅｈ －ｅ ｈｅ ｔｒ ｒ，
Ｎ０ 国，Ｏ ９ ２ ０
（１ １ Ｃ舢】 １ ａ 如啊Ｎ １ ９ ｏ１ ） １
高技术产业技术创新效率研究综述
王 双 盈
（ 合肥 工业 大学人 文经 济 学院经 济 系 ， 安徽 合 肥 ２０ ０ ） ３０ ９
的数据 包 络思想 。此后 该理 论 不 断发 展 ，逐 渐形 成 参数 方 法 （ａ ｍ ｔｃ ｓｍ ｔ ｎ ｅ ｏ ）和 非 参 数 方 法 （ ｏ －ａ ｍ ｔｃ Ｐｒ ｅｉ ｅｔ ａｏ ｔ ｄ ａ ｒ ｉ ｉ ｍ ｈ Ｎ ｎｐｒ ｅ ｉ ａ ｒ
ｅｔ ａｏ ｅ ｏ ） ｓｍ ｔ ｎ ｔ 两大分支 ， ｉ ｉ ｍｈ ｄ 两者 的最大 区别在于与参数方法 大致可以分为随机前沿法（Ｆ ）厚前沿方法（下 ） 自由分布 ＳＡ 、 ＩＩ 、 ＩＡ 相 比 ，非参 数方 法没 有 参数 方法 研 究 中 函数 形 式需 要 事先 假 方法 （ Ｆ 等 ， 中使 用最普遍的是 ＳＡ， Ｄ Ａ） 其 Ｆ 其他两种方法都是 定、 参数估计的有效性和合理性需要检验等多方面问题 ， 不去 这 种方 法 的变形 ： 寻求 生产 前 沿面 的具 体 函数 形 式 ，而是 直 接 应用 观 测数 据 构 １ ．随 机前 沿 方法 （Ｆ ） Ａｇｅ，ｏｅ 和 Ｓｈ ｉ （９７ Ｓ Ａ ｏ ｉ ｒＬｖｌ ｎ ｌ ｃｍｄ １７ ） ｔ 造出生产可能集上的生产前沿面，并利用生。 本
一
、
技术创 新效 率 的主要 评价 方法
目前 学 术 界 对 于技 术 创 新 效 率 的研 究 主 要 有 两 种方 法 ，
和这些顶点 内部的 自由排列点组成。 由于 Ｆ Ｈ前沿与 Ｄ Ａ前 Ｄ Ｅ 沿一致或者位于 Ｄ Ａ前沿 内ｌ ， Ｅ 部 所以用 Ｆ Ｈ方法计算得到的 Ｄ 平均效率值通常高于用 Ｄ Ａ方法计算的平均效率值 Ｂｕｏ Ｅ ｒｎ Ｄ
基于三阶段DEA模型我国高新技术产业效率研究
基于三阶段DEA模型我国高新技术产业效率研究引言高新技术产业是国家经济发展的重要组成部分，对提升国家经济竞争力和创新能力起着关键作用。
我国高新技术产业发展仍存在一些问题，其中之一就是产业效率不高。
研究高新技术产业效率问题对于我国产业升级和经济发展具有重要意义。
效率评价是研究产业效率的重要方法之一。
数据包络分析（DEA）是一种用来评价决策单元（如企业、产业等）效率的方法，该方法具有很强的适用性和灵活性。
而三阶段DEA模型是对传统DEA模型的扩展，可以更准确地评价产业效率。
本文将基于三阶段DEA模型，对我国高新技术产业的效率进行研究。
一、三阶段DEA模型的理论基础传统的DEA模型是用来评价一个或多个决策单元的效率，主要包括输入导向DEA模型和输出导向DEA模型。
对于某些决策单元而言，其效率可能不是固定的，而是随着时间推移而变化的，这就需要引入时间因素进行评价。
三阶段DEA模型便是针对这一问题提出的。
三阶段DEA模型是在传统的DEA模型基础上增加了时间维度，将评价过程分为三个阶段：过去阶段、现在阶段和未来阶段。
通过比较决策单元在这三个阶段的效率变化，可以更准确地评价其效率水平。
二、我国高新技术产业效率的评价指标高新技术产业是指以新材料、新工艺、新技术为特征，具有高技术含量和经济增长潜力的产业。
其效率评价指标应该包括技术创新能力、研发投入、产出效率等方面的指标。
1. 技术创新能力技术创新能力是高新技术产业核心竞争力的体现。
评价技术创新能力的指标可以包括专利申请数量、发明专利比重、科研经费投入等。
2. 研发投入研发投入是评价高新技术产业是否具有持续创新能力的重要指标。
其指标包括研发经费投入占GDP比重、企业内部研发经费投入等。
3. 产出效率产出效率是指高新技术产业在相同投入下能够创造更多产出的能力。
其指标可以包括技术成果转化率、技术成果转化效益、科技成果转化率等。
通过搜集我国高新技术产业相关数据，建立三阶段DEA模型，对我国高新技术产业的效率进行研究。
高新技术产业企业创新能力评价研究
高新技术产业企业创新能力评价研究随着科技的不断进步和发展，高新技术产业在各国经济中扮演着越来越重要的角色。
作为经济增长的引擎，高新技术产业企业的创新能力成为评价其竞争力和可持续发展的关键指标。
本文将对高新技术产业企业创新能力评价进行研究，探讨评价指标、方法和影响因素。
一、创新能力评价指标1. 技术创新能力技术创新能力是评价高新技术产业企业创新能力的核心指标之一。
可以从新产品开发、研发投入、技术引进与转化等方面来衡量企业的技术创新能力。
2. 组织创新能力组织创新能力是指高新技术产业企业在管理系统、组织结构、人力资源等方面的能力。
可以从管理创新、组织学习、团队合作等方面来评价企业的组织创新能力。
3. 市场创新能力市场创新能力是指企业对市场需求的敏感度和快速响应能力。
可以从产品不断更新、市场开拓和营销策略等方面来评估企业的市场创新能力。
4. 知识创新能力知识创新能力是指企业获取、传播和应用知识的能力。
可以从知识产权管理、知识流程和创新团队等方面来评估企业的知识创新能力。
二、创新能力评价方法1. 主观评价方法主观评价方法主要基于专家评价或企业内部员工的意见，通过问卷调查、专家访谈等方式来获取数据。
然后通过计算指标权重和评价得分来评估企业的创新能力。
2. 客观评价方法客观评价方法主要基于实际数据，通过统计分析和数学模型等方法来评估企业的创新能力。
例如，可以利用财务数据、专利数量、市场份额等指标来衡量企业的创新能力。
3. 综合评价方法综合评价方法是将主观评价方法和客观评价方法结合起来，综合考虑各个评价指标的权重和得分。
通过建立综合评价模型，得出对企业创新能力的综合评价结果。
三、影响高新技术产业企业创新能力的因素1. 技术基础技术基础是高新技术产业企业创新能力的重要因素之一。
企业必须具备先进的技术设备和专业的人才，才能够进行技术创新和研发工作。
2. 管理体系高新技术产业企业必须建立完善的管理体系，包括创新管理、知识管理和风险管理等，才能够有效地提高创新能力。
我国高新技术产业园区创新绩效评价研究
率与规 模报 酬分析将我 国的 高新 区按 整体 效率强度 分为三 类 ，并对各投 入产 出指标进行 敏感度 分析。研究发现 ，尽 管各高新 区发展状况有 所不 同，但 从全 国范 围来看 ，２ ０ ０ ８年我 国高新 区整
般都是通过构建评价指标体系来对高新区进行
重 ；产 出指标选 取专 利授 权数 、高新 区企 业技 术 收入及 工 业增加 值 。高新 区创 新绩 效 的实 质是 其 创 新投 入 产 出的转化 效率 ，而本 文 采用 的数据包
络分 析 （ Ｄ ａ ｔ ａ Ｅ ｎ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ Ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ，即 Ｄ Ｅ Ａ）
第８ 期 （ 总第 ３ ５ ７期）
２ ０ １ ３ 年８ 月
财 经 问 题 研 究
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｆｉ ｎ ａ ｎ ｃ ｉ ａ ｌ ａ ｎ ｄ Ｅ ｃ ｏ ｎ ｏ ｍｉ ｃ Ｉ ｓ ｓ ｕ ｅ ｓ
Ｎ ｕ ｍ ｂ ｅ ｒ ８（ Ｇ ｅ ｎ ｅ ｒ ａ ｌ Ｓ ｅ ｉ ｒ ｌ ａ Ｎ ｏ ． ３ ５ ７ ）
不得减 少 。因此 ，选 择 的投入 与产 出指标 必须 具
步促进 了我 国高新 区生产 率 的增 长 ，但 其 贡献率 逐 年下 降 。
收 稿 日期 ：２ ０ １ ３ － ０ ５ － ０ １ 作者简介 ：崔晓露 （ １ ９ ８ ２ － ） ，女 ，河北唐县人 ，博 士研究生 ，主要从事 区域经济理论与应用研究 。Ｅ ． ｍ ａ ｉ ｌ ：ｘ ｉ ａ ｏ ｌ ｕ ｃ ｕ ｉ ＠１ ２ ６ ． ｃ ｏ ｎ ｒ
科技创新影响因素及其效率评价研究
科技创新影响因素及其效率评价研究相较于原始的传统制造领域，先进制造业具有技术密集、附加值高等特征，由于“技术先进性”这一显著特征，科技创新方面的研究成为了其发展路径规划中的重中之重。
目前，有不少学者在科技创新领域开展了多层面的研究，其中科技创新影响因素的研究能进一步明确相关企业或地域提高创新产出、加快创新能力建设的主要途径，创新效率评价则能有效反映现阶段的创新投入-产出效率，暴露发展问题，对于形成提升科技创新发展的对策具有重要意义。
1.科技创新影响因素研究现状创新系统是一个多主体参与、多因素影响的庞杂系统，明确科技创新内涵、识别科技创新影响因素是完善先进制造业创新能力建设机制的必要前提。
学术界基于科技创新的内涵与战略管理作用对科技创新影响因素进行了分析，综合企业内、外部等方面要素，采用生产函数、因子分析法、回归模型、空间计量等方法展开了细致研究。
在因素选取方面，针对先进制造业创新影响因素的现有研究大多涉及内、外两个分析角度。
其中出现频率较高的外部因素包括创新服务、金融环境、创新合作模式等，内部因素涵盖了企业管理组织方式、创新资源投入以及战略创新模式等；在此基础上，研究者们不断扩充，围绕政府的支持或干预程度、企业信息化水平、企业关系资本与知识共享、创业水平等方面对科技创新影响因素进行了广泛的研究。
但上述影响因素的研究范围极为宽泛，涉及了市场、科技、金融、管理等多个层面，而对于制造业科技资源的利用、转化这一微观过程的因素研究较少。
因此为挖掘更为细致的影响要素，有研究者基于投入-产出视角，对科技创新产出的影响因素展开研究，不断将创新投入类的指标细化。
除了R&D经费、R&D 人员等基础性研发投入之外，相关研究中逐渐加入了技术引进费用、技术改造费用等非研发性投入，并考虑创新过程中的多主体特性，将政府补贴纳入要素研究范畴。
但现阶段，关于投入型创新要素的研究仍不够全面，对多主体、多类型的指标考虑不够周全，例如只考虑了研发型投入却未考虑非研发型投入因素的影响。
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
经济科学·2009年第4期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余泳泽（南开大学经济学院天津 300071）摘 要：本文基于价值链的视角，将高技术产业的技术创新过程分为技术开发和技术成果转化两个阶段，并利用松弛变量的DEA模型分别对各阶段的效率及其影响因素进行了实证研究。
研究的基本结论有：两个阶段中技术创新的平均效率都较低，且有持续恶化趋势，这主要源于纯技术无效率；技术创新两阶段生产力的提高均主要来自于技术进步；从价值链视角看，技术开发效率和成果转化效率都有进一步改善的空间；市场化程度、企业规模、政府政策支持和企业自身的经营绩效对各地区高技术产业技术创新效率均有正的影响。
关键词：DEA模型高技术产业技术创新效率价值链一、引 言高技术产业作为知识密集、技术密集的产业其效率将直接影响到我国整个工业产业链的效率水平和自主创新能力，进而影响到我国经济增长的速度和质量。
中国高技术产业的增长，尤其是20世纪90年代后期的增长主要是投资带动的，并非效率的提升。
要维持我国高技术产业的可持续性增长，必须尽快提高自主创新能力，尤其是先进核心技术的自主创新能力来调整产业结构，转变经济增长方式。
近年来，中国通过不断加大高技术产业技术创新投入来提升自主创新能力，但目前研发资本存量对于中国而言仍是稀缺资源，因而其使用绩效对于提升我国高技术产业的自主创新能力的提升显得尤为重要。
国内有很多学者关于高技术产业技术创新效率进行较多的研究。
赵国杰（2004）运用RPM方法对我国东、中、西部高技术产业资源配置的有效性进行分析。
吴瑛（2006）以R&D经费存量值代替当年值，用DEA模型计算出1995~2004年我国高技术产业的科技资源配置效率。
朱有为和徐康宁（2006）应用随机前沿生产函数测算了中国高新技术产业研发产出效率，并考察了企业规模、市场结构和产权结构等因素对研发产出效率的影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
天津财经大学全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究论文作者:罗艳孙淑英吕鹏浩指导教师:曹景林二○○九年九月全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究TheEvaluationofTechnologicalInnovationEfficiencyofChina'sHigh-techIndustryandAnalysisofInfluencingFactors——BasedontheProvincialDatabyDEAApproach1我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究摘要:本文采用数据包络分析方法,利用2003~2007年全国高新技术产业的投入产出数据,对其技术创新效率进行了评价;并用TOBIT模型分别分析全国的、东、中、西部地区的技术创新效率的影响因素。
结果显示:我国技术创新效率整体水平偏低,区域间的差异也比较大。
TOBIT模型回归结果表明:各地区的工业化水平、科学家和工程师数占科技活动人员总量的比重与我国整体的高新技术产业技术创新效率有显著的正相关关系;东部、中部地区的创新扩散与创新效率也有显著的正向关系;仅西部地区的科技活动中的企业投入资金对技术创新效率有显著的正向作用,要加大企业自有资金的科技投入但要严防固定资产投资和效率相背离的现象。
关键词:技术创新效率;数据包络分析;TOBIT模型234大,带有一定的原创性,最能够代表我国技术创新整体水平。
本文根据国家2002年颁布的高新技术产业统计分类目录,利用2003-2008年中国高新技术产业发展年鉴的数据,选取合适的技术创新的投入产出指标,采用DEA方法,考察全国范围内各省、市、自治区高新技术产业的技术创新效率,进而利用TOBIT模型分析影响技术创新效率的主要因素。
二、高新技术产业技术创新效率的评价与分析方法(一高新技术产业技术创新效率的评价方法DEA(数据包络分析是由Farrell于1957年首次提出并应用于单一投入和单一产出的技术效率分析,后来Charnes、W.W.Cooper和E.Rhodes于1978年将其扩展为CCR 模型。
这是一种确定有效生产前沿面及评估具有多投入和多产出特点的相同类型决策单元(DMU相对有效性的非参数方法。
它直接利用线性优化给出边界生产函数与距离函数的估算,通过界定各决策单元是否位于“生产前沿面”上来比较各决策单元之间的相对效率并显示最优值(投影值。
该方法的突出优点是:所需投入、产出的指标数量少并具有较高的灵敏度与可靠性,可以直接使用无法价格化以及难以确定权重的指标进行分析,在保证了原始信息的完整同时也避免了人为确定权重时的主观作用。
DEA方法无需对生产函数的形式和分布做出假设,从而避免较强的理论约束使其具有广泛的适用性。
本文用的是CCR模型,该模型由最有效率的决策单元构成生产前沿面,将其效率定义为1,而在其前沿边界之内的决策单元视为相对无效,其效率值定义在0和1之间,并假设其规模报酬不变。
当有n个决策单元(DUM,m种投入要素(X,s种产出(Y时,该模型可表示如下:[ijX]表示jDUM的投入向量,其中j=1,……,n;i=1,……,m;[rjY]表示jDUM的产出向量,其中r=1,……,s。
则某一决策单元jDUM的相对效率jh表示成:Max11srrjrjmiijiuyhvx===∑∑①,s.t111srrjiijiuyhvx===≤∑∑,其中,riuvo≥,,riuv分别表示第r个产出项和第i个投入项的权数。
①式表示的是第j个决策单元最大化的相对效率,这是一个分数线性规划模型,方程解有无数多个,求解该方程需要将其转化为线性规划模式。
假定决策单元j投入不变,让其产出最大,则表达式为:Maxjh=1srrjruy=∑②,s.t1miijivx=∑=1,1sruy=∑-1miijivx=∑≤0,ru,iv≥0。
第一个约束条件表示投入要素的加权总和为1,第二个约束条件对应①式的约束条件。
将②式及其约束条件转换成其对偶模式[2],使转换后包络形式的对偶模式有唯一解,表示如下: 5Minjh=θ③,s.t1njijijjxxλ=≤∑,1njrjrjjyyλ=≥∑,0jλ≥。
③式中,θ为第j个决策单元的相对效率,iλ为第r个产出项和第i个投入项的权数。
利用Deap2.0软件输入投入、产出数据及其对应的参数后即可计算出各决策单元的相对效率。
(二技术创新效率影响因素的分析方法--TOBIT模型Tobit回归模型研究的是观察资料被截断(Censored的回归问题,这种截断不是对观察个数(观察序列的截断,而是对因变量观察值界限的截断。
本文通过第一步DEA模型得到各地区高新技术产业技术创新的效率值后,由于该值介于0和1之间,所以将其作为TOBIT回归的因变量,借助TOBIT回归,就DEA模型未纳入的外生变量为自变量,再加入控制变量,便可分析出作用于DEA模型效率值的影响因素。
此种情况下,如果用最小二乘法直接回归,因为其因变量的取值范围是(0,1],估计结果将是有偏的[11]。
为了解决这一问题,使用极大似然估计法。
首先假设模型误差项服从N(0,2σ分布,Tobit模型可以表示为:''00,ii iiiiXXYβεβεε⎧++>=⎧⎧,当,服从其它N(0,2σ,待估参数是β、2σ。
设fi与Fi分别为标准正态分布的密度函数f(·与分布函数f(·在σβ/iX'处的函数值,即/(σβiiXff'=,/(σβiiXFF'=。
对于0iY=时的自变量'0iiXβε+<,所以事件{0iY=}发生的概率为:''(0((1iiiiiiXPYPXPFεβεβσσ==<-=<-=-,事件{Yi>0}发生的概率仍然正态分布,因为2(Var(Var,(σεβ=='=iiiiYXYE。
所以,'22((2(0iiYXiPYβσ-->=。
(5.2.57由此可以得到全体样本的似然函数:∏∏'---=-12/((exp(2(1(22212nniiiXYFlσβπσ(5.2.58其对数函数为(舍去常数项2/((1n21(1n1n22211σβσiininXYnFlL'----==∑∑最大似然估计方法就是要求2,βσ∧∧,使22(,max(,LLβσβσ∧∧=。
这样得到的估计研活动的人数对创新的效率有着直接的影响,故将其选入作为投入的人力指标。
财力指标如图1显示,包括技术改造、引进、消化吸收经费支出,科技活动经费筹集额中企业资金、政府资金和金融机构贷款。
关于产出指标,因为专利比较接近创新的商业应用,专利数据能比较全面的反映各地区发明和创新的信息,故专利是常用来衡量地区创新能力和创新产出的指标。
此外还选取了各地区高新产品的产值作为衡量技术创新产出的指标,因为该指标反映了科技成果转化为市场价值的程度,用新产品出口的销售收入反映新技术的扩散和转移,这也是本文指标的选取较以往研究技术创新效率文献的创新点。
(三计算DEA效率67为了更直观的描述表1的内容,利用arcgis软件将各省份的相对效率值数据利用柱状图的形式在地图上表现出来,见图2。
图2各省份的相对效率值柱状图根据表2的数据,我们发现:1.从总体看来,我国技术创新效率整体水平不高,各省市差别很大,但东部地区的创新效率明显高于中、西部地区。
原因在于,沿海地区的开发开放是最早的,珠三角、长三角和环渤海地区已成为我国高新技术产业发展的主要基地,高新技术产业的高度集中同时也散发着强大的辐射作用带动了整个东部地区的创新和发展。
中、西部地区相比,中部地区的技术创新效率略低于西部地区。
这与实际国家的政策倾向相吻合。
2.相对效率值为1的个体,即处于效率前沿面的省份包括:天津、广东、云南、新疆,此外,上海、北京、福建、山西的相对效率值接近1。
产生这种情况的原因是:近几年世界500强企业纷纷在天津高新技术产业园区落户,设立总部及科研机构、从事高新技术研发及转化工作,以行业应用为导向重点建立实验室,同时国家对重大科技成果进入高新区实施产业化给予重点支持,促进了高新区对战略产业的关键技术进行协同创新。
广东省属于对外开放较早的城市,1998年就作出了《关于依靠科技进步推动产业结构优化升级的决定》,明确提出了“要增创广东发展新优势,关键是争创科技新优势”。
当前,全省一系列有助于高新技术发展的优惠政策随之纷纷出台,在税收、财政返还、吸纳人才、技术和设备进出口、对外合作交流等方面都为发展高新技术产业大开绿灯,形成了一个以广州、深圳为中心的珠江三角洲高新技术产业带和以电子信息、新材料、光机电一体化、生物工程技术为主体的高新技术产业群。
相比之下,从投入产出的原始数据(由于篇幅原因这里未列示看,云南、新疆的技术创新投入和产出指标的数值都偏小,但不影响其效率,因为高新技术产业是该地区的新型产业,基本不存在投入要素冗余,所以在计算效率值时该个体同样位于效率前沿面,这与效率值的计算方法有关。
3.从长期趋势看,我国高新技术产业技术创新效率呈现波动趋势,其中2005-2006年最高,2004-2005年最低。
89(四高新技术产业技术创新效率的影响因素分析影响高新技术产业技术创新效率的因素有很多,有微观和宏观因素,内部和外部因素。
因为科技创新主要集中在工业领域所以用工业增加值占GDP的比重[11]表示我国各地区的工业化水平。
一般而言,工业化水平高其技术创新的基础好,所以,效率也高;由于高新技术产业是国家支持的对象,政府对此给与了许多财政、金融方面的优惠政策。
通过人财物的投入支持,影响到高新技术产业技术创新效率。
本文用科技活动中的金融机构贷款占科技活动经费总筹集额的比重代表金融政策、用高新技术产业发展年鉴统计出的微电子控制设备价值占年末固定资产原价的比重代表技术创新的硬件基础。
一般情况是,技术创新的硬件基础越好高新技术产业技术创新效率越高,而金融政策在一定范围内也会促使高新技术产业技术创新效率提高;由于行业内的技术溢出效应导致创新扩散,这在一定程度上推进了技术创新,所以本文将新产品销售收入的增长率代表创新扩散也纳入到影响因素中;再以科技活动中科学家和工程师的数量占科技活动人员总量的比重,企业资金、政府资金占经费筹集额的比重为控制变量,用DEA方法测算出的2003~2007年各地区高新技术产业技术创新效率为因变量,设定回归模型为:1234567EFFGYSPKXJWDZXCPDKBZQYZJZFZJαβββββββ=+++++++利用上述TOBIT模型对我国总体及其东、中、西部各地区的数据分别进行回归,逐步剔除不显著的变量后对模型进行显著性检验(RedundantVariables--LikelihoodRatioTest方法[8],得到结果,见表3。