我国地区R&D效率及其影响因素探究

摘 要：本文基于“科研产出—成果转化”视角，以2000～2008年的面板数据为基础，运用随机前沿分析方法研究了我国各地区R&D效率及其影响因素。研究结果表明：东部地区科研产出和成果转化效率皆高于中西部地区，中部地区科研产出效率高于西部地区，成果转化效率低于西部地区；科研产出的提高呈明显的资金推动型；政府支持力度和企业R&D投入力度对科研产出效率的提高有促进作用但不显著，外资吸纳能力能显著促进科研产出效率的提高，高新技术产业规模反而抑制科研产出效率的提高；政府支持力度、高新技术产业规模以及企业R&D投入力度对我国科研成果转化效率的提高有显著促进作用，外资吸纳能力抑制成果转化效率但不显著。

关键词：科研产出；成果转化；随机前沿分析模型；R&D效率；影响因素

中图分类号：F223 文献标识码：A 文章编号：

1引言

近年来，随着我国经济的高速增长，全社会各类R&D投入也在不断加大。《中国科技统计年鉴》数据表明：R&D经费投入从2000年的575.6亿元增长到2010年的6980亿元，R&D经费与国内生产总值之比从2000年的 0.58%上升至2010年的1.75%，按汇率折算2010年R&D经费投入排世界第三；此外，科技人员投入也从2000年R&D人员折合全时当量 922131人年增长到2010年252万人年。与此同时，我国R&D的科研成果及其带来的经济效益也不断提高，专利授权数从2000年的95236件增至2010年的740626件，技术市场成交合同金额从2000年的650.75亿元增至2010年的3906亿元。面对我国R&D高投入高产出的现状，我国R&D效率是高还是低，影响因素又有哪些，这些问题已经引起了众多学者的关注。

国内学者张宗益[1]、史修松[2]、师萍等[3]等人的研究发现我国的R&D效率总体水平不高，但是R&D效率在哪个具体环节存在高低差别，相关文献的解释并不一致。笔者认为，所采用的R&D的不同过程模型应是造成具体环节解释不一致的主要原因。ACS[4]、 Zhang[5]、池仁勇等[6]、闫冰等[7]统一把R&D这个复杂且有诸多争议的过程笼统的视为一个阶段来研究。固然，这些工作为R&D的研究做出了一定程度的贡献，但是仍然较难深入了解R&D的整个复杂的过程，进而对正确测算R&D效率和探索其影响因素产生一定的影响。针对这些不足，官建成等[8]把创新过程分解为两个阶段，并采用DEA方法对我国区域创新系统进行了评价；刘和东、梁东黎[9]提出了创新主体顺利实现自主创新必经“研究开发、产业化应用和市场运作”三个环节；史欣向等[10]则从微观层面出发，以广东省民营科技企业为例，将R&D过程分为中间产出和最终产出两个过程，并得出科研成果转化能力是制约民营企业发展的主要原因的结论。综上所述，基于两阶段视角对我国R&D效率及其影响因素的实证研究非常有限。鉴于此，本文将R&D分解为科研产出和成果转化两个阶段，以2000～2008年的科技统计年鉴的相关面板数据为基础，研究分析我国地区R&D效率及其影响因素。

2模型构建

目前，R&D效率的测算方法主要有两种：数据包络分析（DEA）和随机前沿分析（SFA）。相对于DEA，SFA通过估计生产函数描述个体的生产过程，便于控制对技术效率的估计，并且考虑随机因素的影响，与现实情况更为贴近。基于研究样本特点，本文采用SFA方法作为R&D效率测算方法。

2.1数据来源及变量选取

2.1.1 数据来源

本文的数据是通过整理《中国科技统计年鉴》、《中国统计年鉴》及《新中国60年统计资料汇编》等资料而得。由于某些省市的部分数据丢失，故本文选取我国28个省、自治区及直辖市（、青海、宁夏除外）2000～2008年的面板数据作为实证研究对象，并且对与价格相关的数据作了适当地调整。

2.1.2 投入与产出变量

R&D经费投入是指用于研发的经费开支，它是技术进步的基础，反映了一个国家或省市对研发的重视程度；R&D人员投入是指参与研发活动的人员，它是技术进步的推动者也是研发的最根本要素。因此，本文选取R&D经费投入和R&D人员投入作为科研产出阶段的投入指标，分别记作Expenditure，Labour。

专利包括申请受理专利和申请授权专利两类。专利申请受理数只反映科研开发强度，代表科研创新的努力程度而非科研创新程度或能力；而专利申请授权数是按规定审查合格后才授权的专利数量，专利申请授权数是衡量科技创新能力的重要指标，能直接反应科研产出水平并被广泛认可。选取专利申请授权数作为科研产出阶段的产出指标，记作Patent。

成果转化阶段是科研产出阶段的后续，两个阶段连续且关系密切。因此，选取专利申请授权数作为成果转化阶段的直接投入。易测量的显性产出指标技术交易合同金额科研能更直接地反映R&D的技术经济收入，显示研发成果的商业化水平。选取技术交易市场合同金额作为成果转化阶段的产出指标，记作Value。

2.1.3 技术无效率影响因素

技术无效率影响因素主要选取四个，其一为政府支持力度。国家的研发活动不仅靠企业，高校及全国各地的研发机构的力量，政府的支持在研发过程中也发挥着重要的作用。考虑到可获取性和易量化，本文选取政府拨款用于研发活动的金额数与科研总经费的比值作为政府的支持力度指标，以衡量政府对本省市的研发活动的重视程度，记作Gov。其二为外商投资规模。在提高R&D效率的过程中，国际技术溢出不容忽视，而外商直接投资又是国际技术溢出的重要媒介，鉴于此，本文采用各个省市外商直接投资于占本省市的地区生产总值的比重度量外资投资规模对各个省市R&D效率的影响，记作Finv。第三是高新技术产业规模。高新技术产业的科技创新能力比其他行业强，在推动各个省市的R&D效率有重要的作用。因此，本文选择各个省市高新技术产业的年收入与本省市的地区生产总值的比值来表示高新技术产业规模对各个省市的影响程度，记作Tech。第四是企业R&D投入力度：为探究企业研发投入强度对我国研发的影响程度，本文引入企业R&D投入力度，包括企业直接投入和用于研发活动的银行贷款金额作为衡量企业R&D投入程度，记作Einv。

3 模型估计与实证分析

3.1 随机前沿模型估计

根据构建的模型和选取的数据，运行Frontier4.1软件，得到结果如表1～3所示，其中表1所示为科研产出和成果转化阶段的待估参数值，表2所示为全国各地区的科研产出和成果转化效率效率值，表3所示为全国各个省、自治区及直辖市的科研产出和成果转化效率均值。

由表1知，科研产出阶段的 值为0.7738，成果转化阶段的 值为0.9999，两者皆大于0.5且向1逼近，说明了模型中的 包含无效率因素的复杂结构，亦证明了本文使用的随机前沿模型的可行性。

3.2 R&D效率分析

通过分析表2，我国地区R&D效率状况如下：

从省市层面看，2003～2007年全国科研产出效率呈上升趋势，从0.0241上升至0.0551；而2008年各个省市的科研产出效率普遍降低，这可能与2008年的全球金融危机有关。结合表3比较全国平均水平和各个省、自治区及直辖市的效率后发现：2003～2008年，东部地区的上海、江苏、浙江、山东、福建、辽宁、广东等省市和中部地区的湖南、西部地区的重庆的科研产出效率高于全国平均水平，而其余各个省、自治区及直辖市的科研产出效率都低于全国平均水平，说明我国省市的研发产出效率普遍低下，上升空间较大。2003～2008年全国成果转化效率亦呈上升趋势，从0.0542上升至0.0727，北京、天津、辽宁、上海、江苏、湖北、重庆和甘肃的成果转化效率高于全国平均水平，其余的省市皆低于全国平均水平，我国省市的成果转化效率也不高，亟待进一步提高。

从区域层面看，2003～2007年东部地区、中部地区及西部地区的科研产出效率均呈上升趋势，其中东部地区科研产出效率水平从0.0365上升至0.0768，中部地区从0.0182上升至0.0633，西部地区从0.0143上升至0.0213；2008年所有地区的科研产出效率值皆有所下降；总体上看，科研产出效率整体呈现上升趋势，东部地区科研产出效率高于其它两个地区，西部地区最低，且中西部地区与东部地区存在一定差距。2003～2008年东部地区、中部地区的成果转化效率亦呈上升趋势，而西部地区2003～2006呈下降趋势，2007～2008呈上升趋势，具体原因尚未明确，有待进一步研究。其中东部地区成果转化效率水平从0.0707上升至0.1115，中部地区从0.0325上升至0.047，西部地区从 0.0534下降至0.0483；东部地区成果转化效率高于全国水平，中西部地区皆在全国水平之下；西部地区的成果转化效率高于中部地区，对于科研产出效率而言，这个情况恰好相反，即中部地区的科研产出能力高于西部地区，而成果转化能力却低于西部地区。由以上两个层面的分析可得：我国各个省市的R&D效率总体呈上升趋势，但总体水平偏低，有待进一步提高，这与张宗益[1]，史修松[2]，师萍等[3]研究结果相一致。

3.3 模型参数分析

3.3.1科研产出模型参数分析

由表1知， 、 及 通过了1%的显著检验， 通过了10%的显著检验；随机前沿模型中的人员投入变量的弹性系数为-0.3422，说明我国的R&D人员的投入供过于求，这与我国为人力资源大国的实际情况相符，但人员的投入与科研产出效率呈负相关，可见一味地增加人员的投入并非明智之举；资金投入变量的弹性系数为0.6845，说明我国科研产出效率与资金投入呈正相关且具有较强的依赖性，专利产出增长较明显表现为资金推动型，这与师萍[3]研究结果一致。人员投入变量的弹性系数与资金投入变量的弹性系数之和小于1，说明我国科研产出规模不经济，因此，需要合理调整人员和资金的投入比例，提高科研产出效率，促进科研产出规模经济的发展。技术无效率模型中政府支持力度的相关系数为-0.1568且没有通过显著性检验，说明政府的支持力度与科研产出效率呈不显著正相关，即政府支持力度对科研产出的提高有效果但是不太显著，可能与全国各地的政府支持程度不一，资源分配不均等原因相关；外资吸纳能力相关系数为-0.4881，说明外资吸纳能力与科研产出的技术无效率呈负相关，即外资吸纳能力增加1个百分点，科研产出效率就增加0.4881个百分点，可见外资吸纳能力对科研产出有明显促进作用，这与何枫[16]的外商直接投资额对我国R&D效率存在显著影响的研究结果相符；高新技术产业规模相关系数为0.2061，说明高新技术产业规模与科研产出效率呈负相关，可能因为当前我国的高新技术产业还不太成熟，规模不够大，分布不均匀，造成高新技术产业没能发挥其技术密集、创新能力强的优势，最终导致高新技术产业规模对科研产出效率的提高没能达到预期的效果；企业R&D投入力度的相关系数为-0.0342，系数虽然为负，但是不显著，说明企业R&D投入力度对科研产出有促进作用但并不显著。

3.3.2 成果转化模型参数分析

由表1知， 、 、 、 、 和 都通过了1%的显著检验；随机前沿模型中的专利投入变量的弹性系数为0.7198，表明专利的投入对成果转化效率的影响十分显著；技术无效率模型中政府支持力度相关系数为-0.7263，政府支持力度与成果转化效率呈显著正相关，表明政府的支持为成果转化提供强有力的支撑；外资吸纳能力相关系数为0.1075，外资吸纳能力与成果转化效率呈负相关且没有通过显著性检验，说明外商投资对成果转化效率的促进亦没达到期望效果，这可能是由我国的各省市吸收的外商投资数额不均匀，资金的利用率和各个省市所获取的技术溢出各不相同等所导致；高新技术产业规模相关系数为-0.5088，表明高新技术产业规模与成果转化效率显著正相关，其对成果转化的促进作用大于科研产出。企业R&D投入力度相关系数为-0.3066，企业R&D投入力度与成果转化效率呈显著正相关，说明企业R&D投入力度对成果转化具有积极的促进作用，这与科研产出的不显著作用形成对比，可能是因为我国企业对科研重视不够，而更倾向于能为企业带来直接经济利益的成果转化。

4 结论与建议

本文基于科研产出—成果转化的两阶段视角，以2000～2008年的面板数据为基础，运用随机前沿模型研究了我国地区R&D效率及其影响因素。研究发现：我国各省市R&D效率呈上升趋势，但总体水平偏低，有待进一步提高；东部地区科研产出和成果转化能力皆高于中西部地区，而中部地区科研产出能力高于西部地区，成果转化能力却低于西部地区；我国科研产出增长表现为明显的资金推动型；在科研成果转化方面，政府支持力度、高新技术产业规模以及企业R&D投入力度对我国科研成果转化效率的提高有显著促进作用，表明近年来我国政府对R&D活动投入和支持在促进科研成果转化方面收得了可喜成效，企业R&D投入力度强化了企业技术创新主体地位，国家大力发展的高新技术产业也有效促进了我国的科技成果转化。然而在科研产出方面则相当令人担忧，政府支持力度和企业R&D投入力度虽然对科研产出效率的提高促进作用不够显著，高新技术产业规模反而抑制科研产出效率。另外一个出乎意料的研究结果是外资吸纳能力显著促进科研产出效率的提高，抑制成果转化效率但不显著，这个结果可能与在华跨国公司R&D活动本地化趋势等技术溢出因素有关。

根据以上研究结论，为促进R&D效率有效提升，本文给出如下建议：

首先，进一步发展东部科研创新能力，并帮助中西部缩小地区间差距。东部地区应继续响应国家号召发展科技创新能力，坚持把科技摆在优先发展的战略位置，把科技创新作为经济发展的内生动力，着重开展原始创新、集成创新等，努力提高科研产出和成果转化能力，向发达国家及其发达地区学习，致力于创新型地区、创新型省份建设，充分发挥科技创新的模范带头作用，在我国实现创新型国家建设中做出重大贡献；而相对落后的中西部地区加强引进消化吸收再创新能力，加强向东部地区学习，尽最大努力缩小地区间的差距。总之，在科技创新能力方面建议树立东部地区先发展，并带动中西部后发展，以最终达到全国各地区科技创新的共同发展共同进步的思路。

其次，应该加大R&D的各项投入力度。在R&D的经费投入方面，应该继续推进和落实《国家中长期科学和技术发展规划纲要（2006-2020年）》所指出的“到2020年全社会研究开发投入占国内生产总值的比重提高到2.5%以上。”的投入承诺，继续加大各类财政科技投入，并完善多元化、多渠道科技投入体系，鼓励企业对研发的重视，激励企业大幅增加研发投入，促进全社会资金更多投向科技创新，推动科研产出进而带动成果转化，提高我国研发效率。在R&D的人员投入方面，国家应该继续实施 “海外高层次人才引进计划”、“长江学者奖励计划”等各类高层次人才工程，加大对R&D人员的激励力度，鼓励更多更好的科研人员有效投入到R&D中去。

再次，加大政府对R&D的其他政策支持力度。这些政策主要包括R&D的税收政策和科技体制改革政策等。由于R&D的溢出效应存在，因此合理的税收政策设计能够较好的平衡创新者收益和社会收益，从而激励R&D活动，并致力于科技成果转化等环节更加具有经济导向性的科技创新活动。另外，我国政府应该继续深化科技体制改革，优化实施鼓励科研创新的各项政策措施，引导和推动科技发展，为我国的科研活动营造良好的政策和制度环境。

最后，加强外资吸纳能力。随着经济全球化和开放式创新模式的出现，R&D活动越来越不在局限于一个企业、一个地区乃至一个国家，吸引外商投资，获取技术溢出效应逐渐成为提高我国R&D能力的主要途径之一。大规模的外商投资对经济发展和技术进步的作用日益重要和明显。目前，外商直接投资和R&D基地的中国本地化是提高我国科研能力的两种重要途径。因此，我国应进一步扩大与世界科技强国之间的科技开放合作，通过提高我国的外资吸纳能力，鼓励技术密集型、资本密集型外商投资的流入，我国就能较好利用随着外资流入而带来的技术转移或溢出效应，从而有助于提高我国科研产出能力和科技成果转化能力，从总体上提高我国研发效率。

参考文献：

[1] 张宗益， 周勇， 钱灿. 基于SFA模型的中国区域技术创新效率的实证研究[J]. 软科学， 2006， （86）： 125-128.

[2] 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.

[3] 师萍， 张炳南， 韩先锋等. 中国地区R&D效率及其影响因素的随机前沿分析[J]. 统计与决策， 2011， （12）： 103-106.

[4] ACS Z J， ANSELIN L， VARGA A. Patents and Innovation Counts as Measures of Regional Production of New Knowledge [J]. Research Policy， 2002， 31（7）： 1069-1085.

[5] ANMING ZHANG， YIMIN ZHANG， RONALD ZHAO. A study of the R&D efficiency and productivity of Chinese firms [J]. Journal of Comparative Economics， 2003， 31（3）： 444-464.

[6] 池仁勇， 虞晓芬， 李正卫. 中国东西部地区技术创新效率差异及其原因分析[J]. 中国软科学，2004，（8）： 128-132.

[7] 闫冰， 根冯福. 基于随机前沿生产函数的中国工业R&D效率分析[J]. 当代经济科学， 2005， 27（6）： 14-18.

[8] 官建成， 何颖. 基于DEA方法的区域创新系统的评价[J]. 科学学研究， 2005， 23（2）： 265-272.

[9] 刘和东， 梁东黎. R&D投入与自主创新能力关系的协整分析[J]. 科学学与科学技术管理， 2006， （8）： 21-25.

[10] 史欣向， 陆正华. 基于中间产出、最终产出效率视角的企业研发效率研究： 以广东省民营科技企业为例[J]. 中国科技论坛， 2010， （7）： 77-83.

[11] BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical Economics， 1995， 20（2）： 325-332.

[12] JEFFERSON G， HU Albert G Z，GUAN XIAOJING etal. Ownership Performance and Innovation in China's Large and Medium size Industrial Enterprise Sector. China Economic Review， 2003， 14： 89-113.

[13] 朱有为， 徐康宁. 中国高技术产业研发效率的实证研究[J]. 我国工业经济， 2006， （11）： 3-4.

[14] 梁莱歆， 张焕凤. 高科技上市公司R& D 投入绩效的实证研究[J]. 中南大学学报（社会科学版）， 2005， 11（2）： 232-236.

[15] TOMAS V J， SHARMA S，SUDHIR K J. Using patents and publications to assess R&D efficiency in the states of the USA [J]. World Patent Information， 2011， 33（1）： 4-10.

[16] 何枫， 陈荣， 何炼成. SFA模型及其在中国技术效率测算中的应用[J]. 系统工程理论与实践， 2004， （5）： 46-50.