政府扶植、產(chǎn)業(yè)規(guī)模與區(qū)域科技創(chuàng)新
——以浙江省為例

馬述忠，許光建

(浙江大學(xué)經(jīng)濟(jì)學(xué)院，浙江　杭州　310027)

?

政府扶植、產(chǎn)業(yè)規(guī)模與區(qū)域科技創(chuàng)新

——以浙江省為例

馬述忠，許光建

(浙江大學(xué)經(jīng)濟(jì)學(xué)院，浙江杭州310027)

本文考察區(qū)域科技創(chuàng)新水平及其宏觀影響因素，實證檢驗政府扶植與高科技產(chǎn)業(yè)自身的發(fā)展對提升科技創(chuàng)新效率的作用機(jī)制。研究結(jié)果發(fā)現(xiàn)，在控制區(qū)域經(jīng)濟(jì)發(fā)展水平、貿(mào)易開放水平、金融發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)等因素后，政府扶持對區(qū)域科技創(chuàng)新效率的影響存在顯著負(fù)效應(yīng)，而行業(yè)自身發(fā)展則表現(xiàn)出顯著的正向促進(jìn)作用。

政府扶植；產(chǎn)業(yè)規(guī)模；區(qū)域科技創(chuàng)新

西方發(fā)達(dá)國家的科學(xué)研發(fā)基本上以企業(yè)研發(fā)為主導(dǎo)，政府僅起著政策引導(dǎo)作用。然而，長期以來，中國的科技事業(yè)一直由政府主導(dǎo)，并取得了一些舉世矚目的科技成就，尤其在計劃經(jīng)濟(jì)時期我國的部分學(xué)科短期內(nèi)迅速趕上了世界先進(jìn)水平。在市場經(jīng)濟(jì)條件下，我國依然保持著政府扶植為主、企業(yè)投資為輔的格局。根據(jù)全國科技經(jīng)費投入統(tǒng)計公報的數(shù)據(jù)，2013年全國共投入R&D經(jīng)費11846.6億元，政府投資高達(dá)6184.9億元(占比52.21%)，但部分省份開始實行以企業(yè)發(fā)展為主導(dǎo)的科研模式。以浙江省為例，2013年浙江省共投入R&D經(jīng)費817.3億元，總量在全國排第五位，其中企業(yè)的R&D投資占90%以上，政府所屬的R&D經(jīng)費僅占8.5%。那么，政府主導(dǎo)對科技創(chuàng)新效率產(chǎn)生怎樣的影響？以政府為主導(dǎo)的科研模式和以企業(yè)為主導(dǎo)的科研模式，孰優(yōu)孰劣？本文以浙江省為例，考察以企業(yè)為主導(dǎo)的科研模式下政府扶植與科技企業(yè)自身發(fā)展兩種因素對科技創(chuàng)新效率的影響，探索科技創(chuàng)新效率提升的最優(yōu)途徑。已有的相關(guān)研究可大致分為科技創(chuàng)新效率測量、科技創(chuàng)新效率實證分析和宏觀因素剖析等三個層面。

1.科技創(chuàng)新效率測量方法方面的研究。在科技創(chuàng)新效率測量方面，基本上有兩類方法：一種是基于生產(chǎn)函數(shù)的參數(shù)估計方法，但由于內(nèi)生性問題，最終得到的科技創(chuàng)新效率估計值往往有偏；另一種是采用DEA-Malmquist等非參數(shù)方法進(jìn)行估計，主要是數(shù)據(jù)包絡(luò)分析(DEA)。此外，DEA結(jié)合Malmquist指數(shù)用來評測面板數(shù)據(jù)的動態(tài)技術(shù)效率，在目前也廣泛應(yīng)用于生產(chǎn)效率分析和績效評估。但非參估計法存在明顯的問題——非常容易受到極端值的影響，對數(shù)據(jù)要求質(zhì)量很高，估計結(jié)果直接用于進(jìn)一步的回歸分析會產(chǎn)生諸多不確定性影響。而隨機(jī)前沿生產(chǎn)函數(shù)法(SFA)則可以結(jié)合二者的優(yōu)點，適合做進(jìn)一步分析。SFA本質(zhì)屬于參數(shù)估計法，構(gòu)建的是一種具有復(fù)合擾動項的隨機(jī)邊界模型，其主要思想是將隨機(jī)擾動項分為隨機(jī)誤差項和技術(shù)誤差項，前者是不可控因素，用來計算系統(tǒng)非效率；后者則是可控因素，用來計算技術(shù)非效率。為此，本文基于DEA-Malmquist的非參數(shù)方法對科技創(chuàng)新效率進(jìn)行績效評價，宏觀影響因素的實證分析則采取更為穩(wěn)定的SFA法。

2.科技創(chuàng)新效率實證分析方面的應(yīng)用。關(guān)于這方面的研究最為豐富，研究的領(lǐng)域也比較分散。國外的研究大多集中于企業(yè)層面。Halim(2010)對印尼94個主要制造業(yè)按食品、塑料、汽車等行業(yè)的技術(shù)效率進(jìn)行實證分析，主要采用Malmquist非參數(shù)估計法。Price和Jones(2006)通過對英國天然氣行業(yè)的效率研究，認(rèn)為私有化政策的確可以顯著提高天然氣的生產(chǎn)率。國內(nèi)關(guān)于科技資源利用效率的研究成果也十分豐富，但由于“投入-產(chǎn)出”指標(biāo)選擇的偏差，導(dǎo)致得出的結(jié)論不盡相同。于潔和劉潤生等(2009)利用我國1979-2004年的經(jīng)濟(jì)數(shù)據(jù)，按照改革開放的三個時期，通過計算Malmquist指數(shù)對我國東中西三大區(qū)域的科技資源效率進(jìn)行考察，認(rèn)為技術(shù)水平大幅提高是中國經(jīng)濟(jì)發(fā)展的主要推動力，但技術(shù)水平出現(xiàn)衰退現(xiàn)象。王雪原和王宏起等(2011)采用DEA方法對全國31個省市2005年的數(shù)據(jù)進(jìn)行效率測算，發(fā)現(xiàn)科技人員在浙江等省份存在嚴(yán)重冗余，浙江在高技術(shù)產(chǎn)業(yè)規(guī)模以上產(chǎn)值方面的表現(xiàn)最差。戚湧和張明等(2013)利用Malmquist指數(shù)法對江蘇蘇北、蘇中和蘇南等三個區(qū)域的創(chuàng)新資源整合進(jìn)行評估，認(rèn)為技術(shù)效率變動是導(dǎo)致三地效率差異的主要原因。

3.宏觀因素分析方面的研究。劉玲利(2008)結(jié)合Malmquist指數(shù)并利用面板數(shù)據(jù)對中國東部、中部和西部三大區(qū)域的科技資源配置效率進(jìn)行分析，認(rèn)為區(qū)域內(nèi)企業(yè)的研發(fā)角色、科研機(jī)構(gòu)改革、產(chǎn)學(xué)研結(jié)合、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、高技術(shù)產(chǎn)業(yè)發(fā)展和西部區(qū)位因素等對科技資源配置效率的提高具有顯著的正向效應(yīng)。孟衛(wèi)東等(2013)利用DEA-Tobit回歸對我國30個省市自治區(qū)的科技資源配置效率進(jìn)行研究，認(rèn)為區(qū)域開放程度、高科技產(chǎn)業(yè)的發(fā)展和企業(yè)對科技創(chuàng)新的支持力度均對我國科技資源的配置具有積極的正向效應(yīng)，但產(chǎn)學(xué)研結(jié)合水平、政府對科技創(chuàng)新的支持則對科技創(chuàng)新效率促進(jìn)并沒有顯著的促進(jìn)作用。朱慧等(2013)運(yùn)用DEA-Tobit分析法對安徽省科技資源配置效率及其影響因素進(jìn)行評價分析，認(rèn)為安徽省科技資源配置效率近年來總體提升，但各市配置效率差距明顯，高端人才對安徽省科技資源配置效率影響較大。

綜合上述文獻(xiàn)，本文認(rèn)為由于指標(biāo)體系選取存在的某些缺陷(如不考慮“滯后效應(yīng)”)而可能影響研究結(jié)論的科學(xué)性。多數(shù)研究估計的方法比較簡單，且很少考慮或不考慮內(nèi)生性對模型估計的影響，因此得出的結(jié)論是值得懷疑的。此外，宏觀因素的分析集中于宏觀影響因素的“搜尋”研究，針對科研主體的實證研究則很少。在參考相關(guān)研究方法和成果的基礎(chǔ)上，本文著重探討浙江省11個地級市2007-2011年科技資源利用效率的實際狀況，從動態(tài)變化的角度對浙江省科技資源的利用效率進(jìn)行考察和績效評估。本文的主要貢獻(xiàn)是在控制區(qū)域經(jīng)濟(jì)發(fā)展水平、貿(mào)易開放水平、金融發(fā)展水平及產(chǎn)業(yè)結(jié)構(gòu)等宏觀因素條件下，利用工具變量法(IV)估計企業(yè)研發(fā)主導(dǎo)模式下政府扶植與行業(yè)自身發(fā)展(行業(yè)規(guī)模)這兩個核心因素的影響力度。

一、科技創(chuàng)新效率的估計與評價

(一)Malmquist指數(shù)、指標(biāo)選擇和數(shù)據(jù)來源

本文首先利用DEA-Malmquist指數(shù)法描述技術(shù)效率變動、技術(shù)變動和全要素生產(chǎn)率變動之間的動態(tài)關(guān)系。簡單來說，Malmquist指數(shù)被定義為t到(t+1)期的生產(chǎn)效率指數(shù)：

Mt+1(xt+1,yt+1,xt,yt)=effch×techch=pech×sech×techch其中，techch表示技術(shù)生產(chǎn)的前沿面推進(jìn)的程度，techch>1表示技術(shù)進(jìn)步，反之則反；pech>1表示純技術(shù)效率的提升，意味著經(jīng)營管理的進(jìn)步；sech>1表示規(guī)模效益明顯，而effch>1表示技術(shù)效率的總體改善，體現(xiàn)DMU(決策單元)之間的“追趕效應(yīng)”；Mt+1>1表示全要素生產(chǎn)率的進(jìn)步。

在借鑒相關(guān)研究工作的基礎(chǔ)上，本文通過對科技主管部門、相關(guān)高校及高技術(shù)企業(yè)的實際調(diào)查與研究，結(jié)合數(shù)據(jù)的科學(xué)性和可得性的原則提出表1的指標(biāo)體系。趙玉林(2009)和戚湧(2013)等大多數(shù)學(xué)者均將R&D內(nèi)部支出、R&D人員全時當(dāng)量作為科技的財力和人力的主要投入指標(biāo)，專利申請量、技術(shù)市場成交額、高新技術(shù)產(chǎn)業(yè)產(chǎn)值增加值作為直接或間接產(chǎn)出。于潔(2009)和孫緒華(2011)等也將科技從業(yè)人員數(shù)作為主要的投入指標(biāo)納入分析體系。朱俊彥和施衛(wèi)東等(2009)在研究知識密集型服務(wù)企業(yè)時，投入指標(biāo)是固定資產(chǎn)和無形資產(chǎn)、員工人數(shù)，產(chǎn)出指標(biāo)則是主營業(yè)務(wù)收入。研究中國市區(qū)縣級TFP變動的劉秉鐮、李清彬(2009)和金飛、張琦(2013)將投入指標(biāo)簡化為固定資產(chǎn)投資和全社會從業(yè)人數(shù)，產(chǎn)出指標(biāo)則為GDP。在參考已有研究的基礎(chǔ)上，本文主要設(shè)計七個指標(biāo)：(1)R&D內(nèi)部支出，考察地方政府和企業(yè)在科技研發(fā)領(lǐng)域中投入財力資源的實際情況；(2)政府科技支出，考察政府在科技資源效率中發(fā)揮的作用；(3)R&D人員全時當(dāng)量和科技從業(yè)人員數(shù)，主要考慮科技人力資源的狀況；(4)專利申請量，衡量一個地區(qū)科技活動繁榮的指標(biāo)；(5)

表1　科技創(chuàng)新效率評價指標(biāo)體系

技術(shù)市場成交額，在登記合同成交總額中明確規(guī)定屬于技術(shù)交易的金額，按照資金流向分為輸入型和輸出型，前者可以作為成本納入企業(yè)的研發(fā)，后者則作為收益計入高新技術(shù)產(chǎn)業(yè)產(chǎn)值，在利用非參數(shù)估計時將其作為產(chǎn)出指標(biāo)；(6)高新技術(shù)產(chǎn)業(yè)產(chǎn)值，反映創(chuàng)新技術(shù)轉(zhuǎn)化為市場價值的主要形式，也表現(xiàn)該地區(qū)的科技產(chǎn)業(yè)發(fā)展情況。表1中涉及的所有指標(biāo)的數(shù)據(jù)主要來自浙江省科技廳的數(shù)據(jù)庫，部分資料來自于《浙江省科技統(tǒng)計年鑒(2008-2012)》。

(二)Malmquist指數(shù)的動態(tài)分析

圖1　Malmquist指數(shù)分解圖

本文采用DEAP V2.1軟件對浙江省11個地級市2007-2011年的科技創(chuàng)新效率進(jìn)行測評。根據(jù)Claudio等(2013)的研究，我們引入投入指標(biāo)的一期滯后，從而得到浙江省11市2008-2011年的Malmquist指數(shù)分解表和分解圖(如圖1所示)，其中橫軸表示GDP的增長率。據(jù)此，我們可以得到關(guān)于浙江省科技資源利用效率的三個結(jié)論：

1.從TFP(也即Malmquist指數(shù))來看，除去2008-2009年這一特殊階段，浙江省的科技資源利用效率普遍大于1，地方政府和企業(yè)的表現(xiàn)還是可圈可點的。特別是杭州、寧波兩大經(jīng)濟(jì)強(qiáng)市，在這5年內(nèi)所有技術(shù)效率變動(effch)和技術(shù)變動(techch)等指標(biāo)均大于1，在省內(nèi)也起到了很好的帶頭作用。相比于杭州和寧波兩市，其他地級市則表現(xiàn)不穩(wěn)定，顯著的特點是effch小于1，而不同年份在純技術(shù)效率變動(pech)和規(guī)模效率變動(sech)的表現(xiàn)也不同。隨著時間的推移，這些城市的各項指標(biāo)都取得了很大進(jìn)步。

2.除去2008-2009年這一特殊時期，從平均值上看具有明顯的“effch

3.2008-2009年對浙江省這樣一個非常依賴出口市場的省份來說是比較艱難的一年，受國際金融危機(jī)及隨之而來的出口大幅下降的影響，各市GDP由2007年的平均15.8%降至6.1%。而令人矚目的是舟山市的崛起，雖然舟山市在這一階段并未在GDP增長率方面領(lǐng)先其他城市太多(8.8%)，但其科技資源的投入和產(chǎn)出增長非常大，政府科技支出從占GDP的2.62%增至3.89%，增長率高達(dá)28.47%；高技術(shù)產(chǎn)業(yè)產(chǎn)值由2008年的15.22億元猛增至2009年的208.01億元，增長率高達(dá)1266.69%。而在同一時期，除舟山外的10個地方政府的平均科技支出從占GDP的3.47%降至3.38%，高技術(shù)產(chǎn)業(yè)產(chǎn)值也從5906.05億元下降到5798.46億元。在此階段，舟山市主要得益于規(guī)模效率(sech)的迅猛增長，但在技術(shù)進(jìn)步方面表現(xiàn)一般。

從圖1可以看出，Malmquist指數(shù)作為一種非參數(shù)估計法得到的科技創(chuàng)新效率往往不穩(wěn)定，存在“相對性偏差”——個體之間前沿面相對有效性掩蓋了個體之間的絕對性差異，因此不能直接將其納入宏觀因素的回歸分析，故本文采用SFA法重新估計科技創(chuàng)新效率，并將其估計結(jié)果引入隨后的實證模型。

二、宏觀因素對科技創(chuàng)新效率的影響分析

(一)SFA法與TFP計算

本文采用SFA法估計科技創(chuàng)新效率TFP，目的是結(jié)合DEA優(yōu)點的同時剔除極端值的影響，從而使估計結(jié)果更為穩(wěn)定，方便引入隨后的回歸方程。同時，該方法能減輕其他參數(shù)方法的內(nèi)生性問題，且兼顧了參數(shù)檢驗的需要，設(shè)置的模型形式如下：

lnOutputi=β0+β1lnRDp+β2lnRDnM+β3lnRDM+vi-ui

(1)其中，Output表示高新技術(shù)企業(yè)的工業(yè)總產(chǎn)值；投入指標(biāo)包括各市的R&D人員全時當(dāng)量(RDp，萬/人時)、非市場交易的企業(yè)R&D投資(RDnM，億元)及技術(shù)市場成交額(RDM，億元)，RDnM與RDM之和為企業(yè)研究經(jīng)費的總支出；v為觀測誤差及其他隨機(jī)因素；u是與技術(shù)無效率相關(guān)的非負(fù)隨機(jī)變量。我們預(yù)期人力(RDp)和資本(RDnM)的估計系數(shù)應(yīng)該為正。根據(jù)前文關(guān)于技術(shù)市場成交額的分析，輸入型和輸出型二者的作用合力是難以確知的，且根據(jù)散點圖的直觀分析，雖然Output與RDM存在的關(guān)系可能為正，但樣本過于分散，說服力不強(qiáng)，即Output與RDM的確切關(guān)系難以確認(rèn)。為更加準(zhǔn)確地估計科技創(chuàng)新效率，本文仍將其作為控制變量引入方程(1)中。

SFA模型的估計采用的是Frontier 4.1軟件，估計方法是假定u為半正態(tài)分布的ML估計法，最終得到式(2)：

lnOutputi=104.07+11.99lnRDp+9.55lnRDnM-9.11lnRDM

t=(2.10)(6.40)(4.92)(-2.71)

LR=0.7131LLF=-263.05

(2)

圖2　SFA法估計的TFP散點圖

根據(jù)t統(tǒng)計量判斷，解釋變量的統(tǒng)計意義均是顯著的，RDnM與RDp的系數(shù)為正，與預(yù)期的相一致；RDM的系數(shù)為負(fù)，在理論上并沒有十分具有說服力的解釋。但從數(shù)據(jù)上來看，因為麗水、衢州等相對落后的城市比之于杭州、寧波等高科技產(chǎn)業(yè)發(fā)達(dá)的城市來說，無論從交易額的穩(wěn)定性還是量級上講都無法相提并論，而且技術(shù)市場成交額存在相當(dāng)?shù)奶S性。以麗水市和杭州市為例，2008年的技術(shù)成交額分別為180.4萬元和40.21億元，而2009年分別為529萬和41.73億元，到2011年時二者的數(shù)值分別為484萬元和48.50億元，麗水市不升反降，這種絕對的差距與巨大的跳躍性造成了技術(shù)成交額在TFP貢獻(xiàn)中相當(dāng)大的偏誤。從TFP的估計結(jié)果來看，杭州等發(fā)達(dá)城市的TFP確實遠(yuǎn)高于麗水等城市，穩(wěn)定性相較于Malmquist指數(shù)的估計結(jié)果也要好很多，“聚類”效果很明顯，尤其是左圖呈現(xiàn)明顯的對數(shù)分布形態(tài)(如圖2所示)。

(二)宏觀模型、變量選擇與數(shù)據(jù)來源

為檢驗政府扶植與行業(yè)規(guī)模對科技創(chuàng)新效率的影響，本文設(shè)定的計量模型如式(5)所示。在變量選取上，我們參考劉珍利(2008)和孟衛(wèi)東(2013)等人的研究經(jīng)驗。

TFPit=α+β1Fiscalit+β2lnOutputit+γXit+ωit+εit

(3)

其中，TFP表示科技創(chuàng)新效率，F(xiàn)iscal(億元)、lnOutput(億元)分別代表各市政府在R&D上的財政支持和各市高新技術(shù)產(chǎn)業(yè)的規(guī)模產(chǎn)值(取對數(shù))。從理論上講，二者的系數(shù)預(yù)期為正，即政府扶植和企業(yè)的“自力更生”均對科技創(chuàng)新效率具有正向影響?？刂谱兞縓it包括四個：lnperGDP表示人均GDP(億元)的對數(shù)值，衡量一個區(qū)域的經(jīng)濟(jì)發(fā)展水平；Open表示各市進(jìn)出口占GDP的比例，衡量一個區(qū)域的經(jīng)濟(jì)開放度；lnFinance(億元)表示各市金融機(jī)構(gòu)貸款額的對數(shù)值，衡量一個區(qū)域的金融發(fā)展?fàn)顩r；Third表示第三產(chǎn)業(yè)占GDP的比例，衡量一個區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展?fàn)顩r。ω是各市的非觀測效應(yīng)，a表示常數(shù)項，ε表示殘差。

1.產(chǎn)業(yè)規(guī)模。在式(3)中，lnOutput參與了TFP的計算，這可能導(dǎo)致TFP與lnOutput存在相關(guān)性，因此作為行業(yè)自身發(fā)展的代理變量可能具有很高的內(nèi)生性。為此，本文尋找企業(yè)研發(fā)支出占高科技產(chǎn)品銷售收入比率的滯后一期(Ratio-1)和高校人數(shù)(Student，人)兩個工具變量以減輕內(nèi)生性影響。在理論上，Ratio-1與當(dāng)前的產(chǎn)業(yè)規(guī)模產(chǎn)值具有較強(qiáng)的相關(guān)性，但并不處于TFP與lnOutput的經(jīng)濟(jì)系統(tǒng)下，因此當(dāng)期TFP不會對Ratio-1產(chǎn)生影響。但根據(jù)第一階段的回歸分析，我們發(fā)現(xiàn)Ratio-1是一個弱工具變量，與lnOutput相關(guān)性比較弱，因此在具體模型中刪除了該變量。將高校人數(shù)引入模型作為工具變量，這是因為高校的智力資源往往與Output密切相關(guān)，也是高新技術(shù)企業(yè)的聚集地。而Output對Student是完全沒有影響的，且根據(jù)第一階段回歸分析和弱工具變量檢驗的結(jié)果，我們認(rèn)為Student是一個非常好的工具變量。

2.貿(mào)易開放度。關(guān)于貿(mào)易開放度的內(nèi)生性問題也被很多學(xué)者討論，如李鍇和齊紹州(2011)、Badinger(2008)和彭水軍(2013)等。為降低這個變量的內(nèi)生性，本文采用的方法仍與李鍇等一致，將貿(mào)易開放度的滯后一期Open-1作為工具變量引入模型，這在貿(mào)易研究的眾多文獻(xiàn)中也是比較常見的。

為檢驗工具變量的有效性，本文在估計模型(4)之前對其進(jìn)行Hausman檢驗、弱工具變量檢驗(rk Wald F)和過度識別檢驗(Hansen J)。根據(jù)上述檢驗結(jié)果，本文認(rèn)為并不拒絕上述選擇的工具變量引入模型，因此引入上述工具變量是合適的(見表2所示)。

(三)宏觀因素分析

這里，我們主要討論政府扶植和行業(yè)自身發(fā)展在科技創(chuàng)新效率提升方面所起的作用，估計結(jié)果按照由簡單到復(fù)雜、增加控制變量和降低內(nèi)生性的方式來檢驗Fiscal和lnOutput這兩個核心變量對科技創(chuàng)新效率(TFP)的影響。不同于以往大多數(shù)文獻(xiàn)中的簡單回歸，本文運(yùn)用較為先進(jìn)的估計方法，以使結(jié)果的分析更為可信(如表2所示)。模型(1)、(2)和(3)均為OLS回歸，模型(4)采用的是工具變量法(Hausman檢驗值為20.11)，結(jié)合rk Wald F統(tǒng)計量和Hansen J統(tǒng)計量綜合判斷，我們認(rèn)為采用工具變量是合適的；模型(5)是采用LSDV法估計的固定效應(yīng)模型，并利用Driscoll-Kraay標(biāo)準(zhǔn)誤對異方差問題進(jìn)行糾正；模型(6)是GMM估計、綜合運(yùn)用IV和方差糾正技術(shù)后的最終估計方程。

1.政府扶植。根據(jù)模型(1)，F(xiàn)iscal系數(shù)的統(tǒng)計意義并不顯著，但基本維持在10%的置信水平上。結(jié)合模型(2)，我們認(rèn)為Fiscal是顯著為正的。但隨著內(nèi)生性的減弱，F(xiàn)iscal的系數(shù)變成了顯著為負(fù)，而固定效應(yīng)模型的估計也支持模型(4)的觀點，說明政府扶植對科技創(chuàng)新效率的提升并沒有穩(wěn)定的積極作用，甚至?xí)a(chǎn)生負(fù)向的刺激。換言之，在控制科研經(jīng)濟(jì)系統(tǒng)內(nèi)的眾多環(huán)境因素后，政府扶植并沒有對科技創(chuàng)新效率產(chǎn)生預(yù)期的積極效果。這一結(jié)論并未完全否認(rèn)政府在科技研發(fā)中的積極作用，政府扶植在科技研發(fā)中的貢獻(xiàn)還是明顯的，但單純地從科技創(chuàng)新資源轉(zhuǎn)化效率上看，政府扶植的“天然弊端”(經(jīng)費的濫用與效率低下)阻礙了其更好地發(fā)揮自身優(yōu)勢。此外，政府對科研扶植的市場轉(zhuǎn)化率不高的客觀事實也導(dǎo)致其對技術(shù)效率的提升反而產(chǎn)生負(fù)面的影響。

2.產(chǎn)業(yè)規(guī)模。根據(jù)表2的估計，企業(yè)自身的發(fā)展(lnOutput)對科技創(chuàng)新效率的提升具有明顯的積極效應(yīng)，隨著內(nèi)生性與異方差問題的剔除，雖然其系數(shù)變得越來越小，但仍基本保持顯著為正(但模型(6)不顯著)，這一結(jié)論與之前的預(yù)期相一致，也符合經(jīng)濟(jì)學(xué)的直觀認(rèn)識。因此，企業(yè)的經(jīng)濟(jì)效率優(yōu)于政府管制下的經(jīng)濟(jì)效率，企業(yè)為主導(dǎo)的研發(fā)模式更有利于資源的充分利用和科技創(chuàng)新效率的提升。

此外，從模型(1)-(6)來看，多數(shù)控制變量的估計系數(shù)很不穩(wěn)定，表明經(jīng)濟(jì)的上行與貿(mào)易開放度、產(chǎn)業(yè)結(jié)構(gòu)狀況對科技創(chuàng)新效率的影響機(jī)制很復(fù)雜，無法在模型中得到很好的解釋。另一個顯著的特點是lnFinance的估計系數(shù)基本顯著為負(fù)，這一結(jié)論也比較費解，可能要從更深的層次進(jìn)行研究。

表2　模型估計結(jié)果

注：“* ”表示p<0.1，“** ”表示p<0.05，“*** ”表示p<0.01，括號內(nèi)為標(biāo)準(zhǔn)誤(SE)；模型(4)、(6)中的rk Wald F統(tǒng)計量括號內(nèi)為10%水平下的工具變量偏誤。

三、結(jié)　語

本文采用DEA-Malmquist指數(shù)法和面板模型，對浙江省11市4年的面板數(shù)據(jù)進(jìn)行科技創(chuàng)新效率評價，認(rèn)為浙江省科技創(chuàng)新效率總體來說較好，但更多的是依靠科技突破(techch)的提升來實現(xiàn)，政府扶植對科技創(chuàng)新效率的提升并沒有積極影響，在剔除內(nèi)生性等問題的影響后具有明顯的負(fù)效應(yīng)，企業(yè)自身的發(fā)展更能促進(jìn)科技創(chuàng)新效率的提升，其估計結(jié)果穩(wěn)定且顯著。據(jù)此，本文研究結(jié)論的政策意義是：

1.政府應(yīng)更多地發(fā)揮引導(dǎo)作用，提倡建立企業(yè)投資為主導(dǎo)的科技研發(fā)模式。適當(dāng)減少科研項目的直接投入，注重科研項目的質(zhì)量監(jiān)督與驗收。加大扶植、補(bǔ)貼高科技企業(yè)研發(fā)的力度，借助企業(yè)途徑開展科技研發(fā)，提高科技創(chuàng)新效率。此外，根據(jù)宏觀模型的分析，努力提供更好的經(jīng)濟(jì)環(huán)境、金融環(huán)境和科研環(huán)境，鼓勵高科技企業(yè)走出國門，支持高科技產(chǎn)品的出口貿(mào)易，應(yīng)是基礎(chǔ)建設(shè)的重要組成部分。

2.本土科技公司更應(yīng)注重自身科技創(chuàng)新效率的提升。重視對高科技人才的培養(yǎng)與保護(hù)，積極與科研院所建立穩(wěn)固的科研聯(lián)系，開發(fā)高效人才庫。積極參與全球企業(yè)的競爭，引進(jìn)外國高科技研發(fā)人才和管理人才，學(xué)習(xí)發(fā)達(dá)國家先進(jìn)的科研經(jīng)驗(如建立全球研發(fā)中心、信息交流中心等)，逐步提高自身的科研實力。

[1]Claudio Cruz-Cazaresa,Cristina Bayona-Saezb,Teresa Garcia-Marcob. You can’t manage right what you can’t measure well: Technological innovation efficiency[J].Research Policy,2013, (42):1239-1250.

[2]Gunjan M.Sanjeev. Marketing productivity and profitability of Indonesian public listed manufacturing firms[J].Benchmarking: An International Journal,2007,(87):594-604.

[3]Catherine Waddams Price,Thomas Weyman-Jones. Malmquist indices of productivity change in the UK gas industry before and after privatization[J].Applied Economics,2006,28(7):429-444.

[4]于潔,劉潤生.基于DEA-Malmquist方法的我國科技進(jìn)步貢獻(xiàn)率研究：1979-2004[J].軟科學(xué),2009,(2):1-6.

[5]夏維力,鐘培.基于DEA-Malmquist指數(shù)的我國制造業(yè)R&D動態(tài)效率研究[J].研究與發(fā)展管理,2011,(2):58-65.

[6]戚湧,張明.基于DEA-Malmquist指數(shù)的江蘇創(chuàng)新資源整合共享效率評價[J].區(qū)域發(fā)展,2013,(10):101-110.

[7]王雪原,王宏起.我國科技創(chuàng)新資源配置效率的DEA分析[J].經(jīng)濟(jì)縱橫,2011,(8):108-110.

[8]趙玉林,賀丹.智力密集型城市科技創(chuàng)新資源利用效率實證分析[J].區(qū)域發(fā)展,2009,(10):109-116.

[9]劉秉鐮,李清彬.中國城市全要素生產(chǎn)率的動態(tài)實證分析：基于DEA模型的Malmquist指數(shù)方法[J].南開經(jīng)濟(jì)研究,2009,(3):139-152.

[10]劉玲利等.中國科技資源配置效率變化及其影響因素分析：1998-2005年[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2008,(8):13-19.

[11]孟衛(wèi)東,王清.區(qū)域創(chuàng)新體系科技資源配置效率影響因素實證分析[J].統(tǒng)計觀察,2013,(4):96-99.

[12]張協(xié)奎,楊林慧.基于DEA-Malmquist指數(shù)的北部灣經(jīng)濟(jì)區(qū)行政效率分析[J].管理世界,2012,(8):176-177.

(責(zé)任編輯：化木)

Government Support，Industry Size and S&T Efficiency——Taking Zhejiang Province as An Example

MA Shu-zhong，XU Guang-jian

(School of Economics，Zhejiang University，Hangzhou 310027，China)

This paper examines the regional science and technology innovation level，analyzes its macro influencing factors, and empirically discusses the mechanism of government supports and high-tech industry’s own development in improving technology innovation efficiency. After controlling such factors as regional economic development level, trade openness, financial development level and the industrial structure, the paper finds that government supports have significant negative effects on the regional technological innovation efficiency, while the development of the industry itself plays a significantly positive role.

government support； industry scale； regional science and technology innovation

2015-06-23

浙江省軟科學(xué)研究計劃重點資助項目(2014C25015)

馬述忠(1968-)，男，黑龍江綏化人，浙江大學(xué)經(jīng)濟(jì)學(xué)院教授；許光建(1990-)，男，山東青島人，浙江大學(xué)經(jīng)濟(jì)學(xué)院博士生。

F061.5

A

1004-4892(2016)02-0011-07