科技创新全要素生产率增长的差异范文

本站小编为你精心准备了科技创新全要素生产率增长的差异参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《中国科技论坛杂志》2015年第十期

主要依靠资源和要素投入而非效率提升所引致的科技进步只能是一种表面的虚假繁荣，而高校科技创新全要素生产率的提升才是提高高校科技创新水平的本质诉求和保证高校科技创新永葆青春的不竭动力［1］。全要素生产率是指生产活动在一定时间内的效率，即总产量与全部要素投入量之比［2］。在跨时期的动态条件下，高校科技创新生产要素的配置和利用效率的变化程度可以用全要素生产率来表示［3］。关于高校科技创新全要素生产率问题，已有学者做了有益探索，国外学者更倾向于以具体高校为研究对象，分析高校科技创新成果的转化问题［4］;国内学者则采用不同的方法，选择不同的研究对象，以不同的研究视角对高校科技创新全要素生产率展开系列探讨。

1研究方法和指标选取

1.1研究方法传统的Malmquist指数是以决策单元当期的观察值构造当期最佳生产技术前沿面，而Sequen-tialMalmquist指数则以决策单元当期及前期的观察值构造当期最佳生产技术前沿面，因此Sequen-tialMalmquist指数能够实现“过去掌握的技术不会遗忘”的假定，从而避免在测算全要素生产率指数时出现的虚假“技术退步”，以及由此导致的技术效率“被动提高”等不合理现象。另外，虽然SequentialMalmquist指数能够有效测度高校科技创新全要素生产率的变化，但是无法说明这种变化的来源，因此有必要对SequentialMalmquist指数做进一步分解，以期发现高校科技创新全要素生产率变化的驱动机制。对SequentialMalmquist指数的分解可以借鉴Malmquist指数分解的思路。FreR等将用来表征全要素生产率变化的Malmquist指数分解为技术效率变化和技术进步［5］，1994年FreR等又在1992年的基础之上，将技术效率变化进一步分解为纯技术效率变化和规模效率变化［6］，但是RaySC和Desli认为FreR等对Malmquist指数的分解存在逻辑上的错误［7］，并对其进行了修正。国内相关研究基本采取了FreR等的方法对Malmquist指数进行分解，从而对纯技术效率变化和规模效率变化做出了错误的解释［8］。基于此，本文按照RaySC和Desli的思路，将SequentialMalmquist指数分解为纯技术效率变化、纯技术进步和规模报酬变动，如下式所示。其中，SM为SequentialMalmquist指数、SPEC为纯技术效率变化、SPTC为纯技术进步、SSCH为规模报酬变动。SPEC度量了不同时期决策单元相对于生产前沿的距离，SPEC＞1表明纯技术效率改善，反之纯技术效率下降;SPTC度量了不同时期生产前沿的移动，SPTC＞1说明技术进步，反之技术退步;SSCH则度量了沿着同一生产前沿的规模效率变化，SSCH＞1说明规模报酬递增，反之规模报酬递减。

1.2指标选取根据高校科技创新活动的特点，需要从输入和输出角度确定高校科技创新投入产出指标。基于此，在现有文献［9－10］的基础上，并考虑数据的可获得性，确定高校科技创新投入产出指标体系(见表1)。高校科技创新投入是指高校在科技创新活动中所投入的各种科技创新资源，高校科技创新产出是科技创新资源通过高校科技创新系统加工生产之后，所形成的能够反映高校科技创新能力的重要元素。如表1所示，以上指标数据均来自于相应年份的《高等学校科技统计资料汇编》。虽然投入产出指标之间的共线性并不影响SequentialMalmquist指数模型的效率测度结果［11］，但是如果投入产出指标数量过多，会降低模型测算结果的区分度，因此，本文根据投入产出指标的性质，把相关性较强的二级指标按照一定的权重做合并和归类处理，以降低指标维度。由于熵值法完全根据指标的变异程度确定指标权重，避免了人为干扰，保障了各指标权重的客观性，因此，我们采用熵值法对各个二级指标进行赋权。各二级指标经过标准化和同度量化处理后，按照各自的熵权加权合成相应的一级指标当量值，最终形成两个投入指标，分别为人力资源当量(X1)和科研经费当量(X2)，以及四个产出指标，即论文及著作当量(Y1)、科技项目当量(Y2)、科技成果获奖当量(Y3)和科技服务当量(Y4)。

2测算结果及分析

本文利用SequentialMalmquist指数测算了1998—2012年中国29个省份的高校科技创新全要素生产率，并按照RaySC和Desli方法对其进行分解(由于篇幅限制未给出具体的计算结果，如果需要可向笔者索要)。

2.1高校科技创新全要素生产率增长及其分解的统计特征分析表2描述了高校科技创新全要素生产率增长及其分解的统计特征。由表2可知，首先，全国高校科技创新全要素生产率在考察期内的平均增长率为0.21%，表明全要素生产率总体呈现增长特征，全要素生产率增长的省份多达21个，占样本总数的72.41%，而全要素生产率下降的省份只有8个，占样本总数的27.59%，可见大部分省份的高校科技创新全要素生产率均实现了增长;其次，全国高校科技创新纯技术效率在考察期内的平均增长率为－0.27%，说明纯技术效率出现了下降，纯技术效率下降的省份多达25个，保持不变的只有3个，上升的只有陕西省;再次，全国高校科技创新纯技术进步率为0.61%，表明纯技术进步率总体呈现增长特征，且全部省份的高校科技创新纯技术进步率均保持一定增长，可见SequentialMalmquist指数方法实现了“过去掌握的技术不会遗忘”的假定;最后，全国高校科技创新规模报酬变动指数小于1，说明全国高校科技创总体处于规模报酬递减阶段，规模报酬变动率下降的省份有22个，增长的省份有7个。

2.2高校科技创新全要素生产率增长及其分解的空间差异分析图1为中国东部、中部和西部地区高校科技创新全要素生产率增长及其分解的空间分布情况。由图1可知，东部地区高校科技创新全要素生产率指数大于中、西部地区，中部地区高校科技创新全要素生产率指数最低;西部地区高校科技创新纯技术效率变化指数最高，东、中部地区高校科技创新纯技术效率变化指数相差不大;东、中、西部地区高校科技创新纯技术进步指数依次递减;中部地区规模报酬变动指数略高于东、西部地区，东部地区规模报酬变动指数最低。出现这种结果的主要原因在于，高科技产业主要分布在经济较为发达的东部地区，东部地区的科技创新能力较强，位于该地区的高等学校可以更为便捷的享受技术进步与创新成果，故而东部地区高校科技创新纯技术进步指数相对较高。另外，由于东部地区政府财政能力较强，往往向该地区高校科技创新活动投入过多的资源，容易形成庞大的科技创新规模，甚至出现冗余的科技创新投入，所投入的资源很难被充分利用，从而导致东部地区高校科技创新纯技术效率变化指数以及规模报酬变动指数偏低。为进一步分析各省份高校科技创新全要素生产率增长及其分解的空间分布差异，首先利用四分位数方法，将高校科技创新全要素生产率增长及其分解离散化为4种类型，分别用来表示各指数值的高低，然后运用ArcGIS10.0软件对各省份的数据进行可视化处理，从而绘制出各省份高校科技创新全要素生产率增长及其分解的空间分布图(由于篇幅限制，该图未呈现)。高校科技创新全要素生产率指数较高的省份主要分布在东部地区，排名靠前的省份主要有河北、陕西、河南、山东、海南、重庆、安徽、天津和浙江等，位于西部地区的陕西省高校科技创新全要素生产率指数偏高的主要原因是，由于该省集中了大量高等院校，而且高等院校的综合实力较强;高校科技创新纯技术效率变化指数排名靠前的省份主要有陕西、北京、江苏、海南、安徽和宁夏等，排名靠后的省份主要有上海、天津、山东和黑龙江。值得一提的是位于西部地区的云南、四川、内蒙古、新疆和甘肃等省份的高校科技创新纯技术效率获得较快的发展，并且这些省份成连片分布状态;高校科技创新纯技术进步指数排名靠前的省份主要有河北、山东、河南、北京、天津和江苏等，排名靠后的省份主要有宁夏、贵州、海南和内蒙古等;高校科技创新规模报酬变动指数排名靠前的省份主要有海南、天津、江西、甘肃和浙江等，排名靠后的省份主要有北京、河南、江苏和广西等，可见该指数各等级省份呈现交叉分布状态。

3收敛性检验

由上述研究可知，各区域和各省份之间的高校科技创新全要素生产率增长及其分解均在不同程度上存在差异，对各地区高校科技创新全要素生产率增长进行σ收敛检验和绝对β收敛检验，以期发现高校科技创新收敛与发散的变化规律。

3.1σ收敛检验高校科技创新全要素生产率增长的σ收敛是指以标准差、基尼系数等σ指标度量的不同地区高校科技创新全要素生产率指数之间的差距随着时间的推移逐步缩小(高校科技创新纯技术效率变化、纯技术进步和规模报酬变动的σ收敛的定义及模型与高校科技创新全要素生产率增长的σ收敛的定义及模型类似，为节约篇幅将不再给出)。本文按照曾先峰、李国平［12］以及韩海彬、赵丽芳［13］的思路。由图2可知，无论是高校科技创新全要素生产率增长还是其各组成部分(即，纯技术效率变化、纯技术进步和规模报酬变动)的σ指标值均呈现波动下降态势，说明被考察对象在考察期内存在σ收敛趋势。另外，通常认为σ收敛是β收敛的充分条件。因此，初步判断高校科技创新全要素生产率增长及其分解存在β收敛，为了验证该结论，本文亦对高校科技创新全要素生产率增长及其分解进行绝对β收敛检验。

3.2绝对β收敛检验高校科技创新全要素生产率增长绝对β收敛是指高校科技创新全要素生产率指数较低的省份对较高省份存在“追赶效应”，即前者的全要素生产率指数的增长速度要快于后者的全要素生产率指数的增长速度，最终所有省份的高校科技创新全要素生产率将收敛于共同的稳态水平。根据现有研究［14］，把用于检验高校科技创新全要素生产率增长的绝对β收敛模型定义为。其中，i代表省份，t和t+T分别表示T时段的期初年和期末年，ln表示取自然对数，SM表示高校科技创新全要素生产率指数，α为常数项，ε为误差项，β表示期初年高校科技创新全要素生产率指数(lnSMi，t)的系数，若β＜0，则高校科技创新全要素生产率增长存在绝对β收敛。在式(3)的基础上，利用OLS方法可以对高校科技创新全要素生产率增长的绝对β收敛进行检验，按照相同的思路亦可对高校科技创新全要素生产率增长的组成部分进行绝对β收敛检验，具体结果如表3所示。由表3可知，高校科技创新全要素生产率增长及其分解的β系数均为负值，并且都通过了1%的显著性检验，说明高校科技创新全要素生产率增长、纯技术效率变化、纯技术进步和规模报酬变动均存在绝对β收敛。

4政策启示

(1)由于东、西部地区高校科技创新纯技术进步指数差距较大，故应加强西部地区高校与东部地区高校的人才流动与技术交流，通过引进东部地区高校先进的科技创新手段，加快西部地区高校科技创新的技术变迁。(2)研究结果表明，高校科技创新纯技术效率下降幅度明显，未来尚有不小的提升空间，对此，应加强高校科技创新管理工作的实效性，制定相应的高校科技创新目标与规划，注重高校科技创新工作人员的分工协作，从目标清晰、权责分明、动态监测的角度，致力于高校科技创新技术效率的提升［15］。(3)建立以绩效为导向的高校科技创新投入机制，政府应根据高校科技创新效率评估结果，优化高校科技创新资源配置结构，对于资源投入过多的省份，应控制投入规模，反之亦然。另外，也应避免投入过剩和投入不足的现象发生，力争保持投入产出的最优化。

作者：王效俐 刘娜娜 单位：同济大学经济与管理学院