贸易视角下高新区创新绩效研究
熊 然，卫 平
(华中科技大学经济学院，湖北 武汉 430074)
摘 要： 本文首先利用动态超效率SBM模型,对中国104家国家高新区的创新效率进行测度，然后从城市贸易环境和高新区自身贸易水平两个方面实证分析贸易对高新区创新绩效的影响。研究发现，城市贸易环境对高新区创新绩效增长有显著促进作用，并且这种积极效应在直辖市和经济特区、副省级城市和计划单列市、一般地级市三个层级的区域呈现明显差异。一般地级市相比较而言对城市贸易环境更为敏感，也更容易受到城市经济发展水平和高新区自身软硬件影响。反而高新区自身贸易水平的上升并未带动其创新水平提速，主要带来贸易规模的单纯扩张，并未助力研发效率和创新能力的有效提升。
关键词： 高新区；动态超效率SBM；贸易开放；创新绩效
0 引言
自1988年中国 “火炬计划”实施以来，国家高新技术产业开发区 (以下简称高新区)已经由最初的27家增长至146家。截至2016年的年底，全国146家高新区的GDP总和达到8.98万亿元，相当于中国2016年GDP的12.1%，超过国内最大经济省份广东省的生产总值，高于全球经济体排名12位的俄罗斯的GDP，略低于排名第11位的韩国。2016年全年，高新区内企业的研发经费支出共计5544.7亿元，达到中国全年R&D经费支出的35.8%。当年新增授权专利26.2万件，区内新注册企业29.8万家。高新区作为区域内的 “经济特区”和 “政策试验田”，其经济体量和创新驱动发展都越来越受到全球瞩目。
高新区的发展在经历 “一次创业”和 “二次创业”之后，长期依赖要素投入和政策扶持的发展优势正在逐步弱化，持续增长能力面临严峻挑战。加之各地高新区的发展存在良莠不齐的问题，有的高新区已经跻身世界产业发展前列，有的高新区仍然依赖传统产业而无法发挥带动地区产业升级的应有作用，还有的高新区甚至存在生存问题。日渐显现的问题迫使高新区重新思考未来发展与升级的方向，简单粗放的规模化扩张模式已经不适用大多数高新区，政府的量化考核指标也未能有效推动高新区从要素驱动向创新驱动的发展转变。究竟是什么因素制约了高新区创新绩效的提高？如何在创新要素资源有限的条件下最大化利用创新投入产生尽可能高的创新产出？这些问题引起了学术界的广泛关注。
国内外学者对高新区的创新资源配置效率及其影响因素展开了广泛的研究。罗杰斯和拉森、Saxenian认为美国硅谷的创新绩效主要来自于制度环境和文化氛围[1，2]。Yang等发现区域经济发展水平和园区成长周期对高新区的创新绩效至关重要[3-6]。国内学者吕政等在2006年通过对比中国高新区和美国硅谷，发现高新区存在研发投入较少、创新支持体系不健全、所有权界定模糊和产权保护不到位等一系列问题，严重制约了中国高新区成长为硅谷这一世界级高新技术孵化中心的可能[7]。随后学术界通过构建高新区的绩效评价指标体系和一系列实证研究对中国高新区的创新绩效及其影响因素进行了深入探讨。闫国庆等、胡树华等、谢子远等立足于高新区的要素、人才、环境、创新、国际竞争力等方面从不同角度构建指标体系评价国家高新区的创新绩效[8-10]。还有部分学者例如姜彩楼和徐康宁、程郁和陈雪、顾元媛和沈坤荣、刘满凤和李圣宏、胡贝贝等通过DEA、SFA等方法定量评估高新区创新绩效，认为区位条件、中央政策、环境因素、资本投入、技术进步、知识存量、人力资本等因素是目前高新区创新资源配置效率的重要影响因素[11-15]。由此可见，不同地区或者同一地区各个高新区之间发展存在显著差异，高新区在发展历程中受到多重要素共同影响。
2.班级管理是班主任与学生之间的活动，由班主任进行安排，学生根据班主任的指示完成任务的过程。在此过程中，班主任应通过正确的教育手段，促进学生身心的健康发展，包括课外活动等有助于学生成长的方式。针对不同学生的不同情况，按照因材施教的方式展开教育，创建团结优良的班级。
上述文献在高新区绩效方面大多没有考虑贸易水平对高新区创新绩效的影响，关于贸易开放与经济绩效的研究也基本停留在国家或者城市层面，鲜有文献关注高新区这一特殊领域。目前国际贸易渗透在各行各业，高新区作为高新技术产业的 “排头兵”和 “领头羊”，不可避免地受到国际市场的种种影响，比如近年发生的 “中美贸易战”，首当其冲的就是国内的高新技术产品。政府也通过各种优惠政策，鼓励科技型企业与国际市场接轨，深度参与国际竞争，不断提高中国的自主创新能力。那么伴随着城市贸易水平的不断提升，高新区的技术创新效率会发生怎样的变化？这种变化到底是来源于高新区自身贸易的推动还是城市贸易大环境的带动？基于此我们将对贸易开放与高新区绩效之间的关系展开研究。
本文的创新性体现在以下三点：第一，首次采用全国100个高新区数据与所处地级市指标，打破了现有研究局限于52家高新区的样本限制，这不仅扩大了样本容量，使得结论更为稳健，而且利于运用更为科学的评价方法系统验证贸易对高新区创新绩效的影响。第二，首次按照城市的政治经济属性对高新区的创新绩效进行考察，分别考察直辖市和经济特区、副省级城市和计划单列市、一般地级市三类不同层级城市的贸易开放是否会引起高新区创新绩效的变化。第三，本文的结论是建立在对部分高新区实地调研的基础之上，可以更加真实地反映出高新区存在的主要问题，为高新区未来转型和进一步提升发展水平提供参考。
1 高新区创新绩效测度
国内外关于高新区创新效率方面的研究，分为定性研究和定量研究两方面。定性研究主要是建立指标评价体系，欧盟、美国、澳大利亚等发达地区在20世纪90年代就开始对创新绩效评价指标体系进行研究，产生了欧盟创新记分牌、澳大利亚创新能力评价、 《奥斯陆手册》等日渐成熟的评价体系。定量研究集中在三个层面展开：一是用简单的加权指数模型，包括主成分分析法、模糊矩阵法、熵值法、德尔菲法、综合指数法等；二是用SFA模型进行研究，这一方法最初由 Aigner等提出，随后Battese等对其进行了拓展，提高了SFA模型的适用性，此后被广泛应用到对技术创新效率的评价[16]；三是DEA模型，Guan和Chen在DEA技术、高新区产业创新效率和创新系统效率方面做出了卓越贡献，对网络DEA模型和多阶段DEA模型进行了扩展和深化[17,18]，国内学者郑玉雯等均借鉴了其思想，将多阶段DEA模型和网络DEA模型引入高新区创新效率评价之中[19]。与参数模型相比，DEA模型不需要设定具体的函数形式，也不用对权重进行事先设定，所以学者们普遍采取这种非参数评价方法对高新区绩效进行评价。
现有研究大多为静态DEA模型，只关注处在生产活动两端的投入和产出指标，忽略了作为中间变量存在的跨期活动因素。Tone和Tsutsu将DEA与SBM模型相结合创造性地提出了DNSBM模型，这一模型假设在评价单元内存在多个相互链接的子单元，同时将连接性变量和跨期活动因素纳入模型之中，成为下一时期的重要决策依据。DNSBM模型不仅解决了传统DEA难以解析决策过程中的 “黑箱”问题，而且兼顾了不同时间段各个决策单元之间的联系。高新区的创新活动一般周期较长，投入产出之间存在一定的时滞性，传统静态DEA方法评价高新区创新绩效具有一定的局限性[20]。鉴于此，本文将研发经费作为连接性变量，运用动态超效率SBM模型测算104家高新区创新绩效。
1.1 模型构建
上面式子中，j 代表评价单元数量
分别代表第j 个评价单元在t 时期的一般投入、固定投入、一般产出、固定产出、好的连结、坏的连结、自由处置连结、非自由处置连结；
分别表示第o 个评价单元在t 时期投入、产出、好的连结、坏的连结和自有处置连结的松弛变量。此外，w t 和
分别表示t 时期和投入i 的权重，权重变量是外生变量，根据其重要性而设定，满足以下条件：
(1)
约束条件为：
(2)
(3)
(4)
(5)
(6)
t =1,…T )
因为假设规模报酬递增，所以动态DEA测算出来的效率值是纯技术效率值TE。如果不考虑方程 (11)，规模报酬递增的动态DEA就会变为规模报酬不变的模型，此时计算得到的效率值是综合效率值OTE。
(7)
基础数据来源于2012—2016年 《中国火炬计划统计年鉴》，部分数据取自国家科技部中国科技统计网站，考虑到数据的可得性和连续性，选取其中104家高新区作为研究样本。
(8)
t =1,…T )
推动新旧动能转换和经济结构升级的重要力量是创新。2017年政府工作报告有两处“新旧动能转换”，并提出做好2017年政府工作中要“依靠创新推动新旧动能转换和结构优化升级”，并提出“双创”是推动新旧动能转换和经济结构升级的重要力量。
(9)
(10)
(11)
(12)
考虑到连结性因素的存在，Tone和Tsutsu将连接变量分为好的、坏的、可自由处置的、不可自由处置的四种类型，建立起动态非角度、非径向的DSBM模型。他们的模型不仅可以具体时间段的效率，而且可以通过非径向特征得到影响无效投入或者产出的因素。动态SBM模型的整体效率为
在规模报酬可变的投入角度定义为：
(13)
假设方程 (1)在 (2)～ (12)的约束下，最优解为
我们可以定义t 时期投入角度的效率
(t =1,…,T )
1.2.3 感官审评。参照茶叶感官审评方法GB/T23776—2009[5]，由5名专业评茶员对茶样进行审评。感官审评总分=外形分值×20%+汤色分值×10%+香气分值×30%+滋味分值×30%+叶底分值×10%。
(14)
由于高新区数量从2010年以来得到快速扩张，为了使数据具有一致性和时效性，选取2012—2016年全国100家高新区及各个城市的相关数据作为分析样本。高新区各控制变量均来自2012—2016年 《中国火炬统计年鉴》，城市贸易数据取自各个城市2012—2016年地方政府统计公报，其他城市数据均来自 《中国城市统计年鉴》。同时，对创新绩效和虚拟变量以外的其他变量都进行对数化处理，以提高数据的平稳性。主要变量的描述性统计信息见表1。
(15)
汤翠没看走眼，侯大同温柔体贴，结婚九年没跟她红过一次脸。即使汤翠跟他急，人家侯大同也是一副知错就改的态度。可汤翠并不满足——恐怕这事摊在任何女人身上都不会满足，侯大同不举。起初，汤翠并没当回事，两个人好，不一定非得做那事啊。偏偏侯大同自己忍不住，还要撩拨她——可能是心存歉疚吧。这一来，汤翠才意识到男人不举的可怕。就像一桌菜上全了，却不让人吃，你说急不急人？
本文在DNSBM模型的基础上将超效率DEA纳入动态SBM模型之中，超效率DEA是在进行第j 个评价单元效率评价时，使第j 个评价单元的投入和产出为其他所有评价单元投入和产出的线性组合代替，将第j 个评价单元排除在外。而传统DEA模型评价效率值时包括此单元，容易出现某一决策单元既是 “裁判员”又是 “运动员”的不合理评价规则。鉴于此，本文选取动态超效率SBM模型测算高新区创新绩效。
经过这么一番折腾，天色已然蒙蒙亮了。族长等人离去，天葬师也回去了自己的屋中，四周安静下来，只有砂锅中熬着的汤药，发出咕嘟咕嘟冒泡的声音。
1.2 数据来源和指标选取
t =1,…T )
China’s Reform and Opening up and the National Strategy of Actively Addressing Climate Change Liu Changsong
利用104家高新区的投入产出数据，通过MAXDEA软件测算各个高新区的创新绩效。高新区综合效率值的均值为0.1854，即高新区从出口贸易视角来看有81.46%的资源投入对产出没有任何贡献，高新区的综合绩效比较低下，亟待提高。处于有效前沿面上的高新区只有5家，其中广东省占3家，分别为惠州、东莞、中山。纯技术效率平均值为0.3692，表明在不考虑规模报酬的情况下，高新区因资源配置不当造成的浪费在投入资源中占比63.08%。规模效率均值为0.6120，说明在不考虑技术无效的前提下，高新区由于自身规模因素所造成的损耗为38.80%。规模效率均值在三者中最大，纯技术效率均值和综合效率值都远低于规模效率值，表明高新区之间的效率差异明显，造成高新区综合效率值低下的原因主要在于资源配置效率方面。
1.3 高新区创新绩效测算
高新区创新是一个多要素投入和多产出的复杂系统。在动态DEA分析中，需要确定三个方面的指标：投入指标、产出指标和中间变量。根据科布道格拉斯生产函数，最基本的投入是资本和劳动，最基本的产出是增加值。从出口贸易的角度来考虑，本文采用高新区资本投入和人员投入作为高新区创新活动的投入指标，采用科技活动支出和科技活动人员分别表示资本投入和人员投入；产出指标分别取出口创汇额、技术收入、产品收入三种指标表示；中间变量选取研发经费支出，因为研发经费可以由上一年结转到下一年。
2 出口贸易对高新区创新绩效的影响分析
大量文献表明，出口贸易对经济和社会的影响深刻而广泛，其传导作用机制分为两个方面：一方面是通过技术扩散、 “干中学”、模仿创新促进本国技术创新水平提升[21，22]；另一方面贸易开放度的提高加剧了产业聚集，能够形成规模经济，进而提高资源配置效率[23]。事实上，高新区的规模扩张和不断发展与其自身贸易水平和城市贸易环境息息相关。贸易开放度越高的地区，国际交流合作的机会就越多，顺畅的贸易流程和相对健全的贸易制度使得企业贸易成本不断降低。并且随着不断深入国际市场，先进的组织管理理念和先进技术也随之而来，部分高新区的产品结构与进口技术品较为类似，贸易带来的激烈竞争也使企业不得不加快产品更新换代的速度，进而提升技术创新水平[24]。此外，有研究发现，政府的行为与贸易开放度之间存在一定的联系，中国地方政府效率在2001年加入世贸组织后得到了显著提升[25]，反映出贸易开放对提升高新区经营水平的正向作用。但是发达国家在贸易中对高新技术及相关产品的控制使中国企业无法触及关键的核心技术[26]，加上2018年的 “中美贸易摩擦”，本土高新技术企业频频受限。并且中国出口的高新技术产品主要是外资企业的产品以及加工贸易的中间品，大部分是产业链的下游产品及附加产品，简单的加工贸易并不利于高新区技术研发能力的提升。因此贸易开放对高新区创新绩效的影响还需要进一步论证。下文通过引入Tobit模型对该问题进行实证分析。
2.1 计量模型设定
由于DEA模型测算出来的技术效率值大于0，如果直接采用OLS回归，参数估计会出现有偏和不一致，故采取Tobit回归分析法，它是受限因变量模型的一种，当被解释变量的某些取值无法观测到，不能反映总体实际情况时采用。本文旨在研究贸易开放对高新区创新绩效的影响，根据前文的分析建立如下受限因变量Tobit模型：
其中i 代表各个国家级高新区，t 表示年份，μ it 为随机误差项，服从正态分布，与模型中其他回归变量相互独立，γ t 是时间固定效应，用来控制随时间变化而没有观测到的动态差异对高新区创新绩效的影响。
本文的研究对象是高新区创新绩效，用文中测算得到的纯技术效率值表示。OPEN表示贸易开放水平衡量指标，分为高新区自身对外贸易水平和高新区所处城市的贸易开放程度。由于城市贸易开放度的衡量指标多为贸易进出口额，根据现有研究经验，本文选取各个城市出口总额与各个城市GDP总量的比值表示城市贸易开放程度。此外，高新区自身的贸易环境对其创新绩效也有一定的影响，采用高新区人均出口创汇额度量高新区贸易水平。
参照已有研究，本文将高新区的相关变量纳入高新区控制变量N 。包括高新区人力资本、科技投入强度、资产水平、高新区规模。不同高新区的规模和效率状况是由其区位、政策、资源等综合因素决定，高新区不同的发展状况对地区经济的辐射和带动作用也不尽相同，高新区的经济发展与所处城市的经济环境、人力资本、地方政策等密切相关，所以我们在模型中考虑了城市控制变量。
区位条件是影响高新区绩效的关键因素，不同行政级别的高新区，享受的优惠政策截然不同，直辖市、省会城市智力资源云集，在吸引外资和重大项目上具有明显优势，贸易环境较好。考虑到政策效应对估计结果的影响，模型中引入政策虚拟变量LEVEL，对高新区所在城市按照行政级别附以权重，此处参考姜彩楼和徐康宁 (2009)的文章，对直辖市和经济特区设置权重为3，副省级和计划单列市为2，其他一般地级市为1。
此外，中国高新区行政干预较强，不同区域的高新区依据其自身所处环境和软硬件条件被赋予不同的使命，导致高新区之间的功能定位和发展方向大相径庭，对贸易开放的敏感程度也存在差异。国家根据高新区的自身禀赋条件，从1997年以来先后批准了10个 “APEC科技工业园区”，旨在促进APEC成员之间的科技合作交流，加大这些高新区对外开放的力度，加深国际科技合作和经济交流。同时，国家确定了 “首批高新技术产品出口基地”，并对园区的出口创汇额和高新技术产品出口情况进行考核，从政策层面为高新区 “走出去”保驾护航。此类高新区对贸易开放程度反应更为强烈，因此在模型中加入高新区虚拟变量。本文将属于二者其中任一种类的高新区设置为1，其他的高新区为0，考虑到二者存在交叉，我们将同时属于两类高新区的区域设置为2。
2.2 数据说明与描述性统计
因此，
和
之间存在如下关系：
首先氨或者尿素等氨基还原剂气化后喷入炉内，或者是先喷入炉内借助烟气热量气化，之后在合适的温度范围（一般称为温度反应窗口）内，气态氨或者尿素等氨基还原剂产生活性分子（NH3或者NH2）经过一系列反应后，氨基活性分子与NOx接触并将其还原成N2和H2O。
表1 主要变量的描述性统计
2.3 实证分析
(1)创新绩效与贸易开放：基本结果。本文首先估计贸易开放度对高新区创新绩效的直接影响，表2报告了运用Tobit方法的估计结果。其中第1列和第2列分别是加入高新区自身贸易水平指标和城市出口贸易变量的估计结果。可以发现，无论是高新区贸易水平还是城市贸易指标，与高新区创新绩效都存在着显著的正向影响。此外，引入贸易核心控制变量之后，模型的R 2得到了较大程度的提升，尤其是在引入城市贸易变量后R 2提高了17.7%，可以推断，城市贸易水平对高新区创新绩效的变动影响较为明显。第3列为加入高新区类型虚拟变量的估计结果，结果显示具有开放导向政策的高新区对其创新绩效有明显的积极作用，城市控制变量和城市贸易程度的结果没有发生明显变化。第4列是加入城市类型虚拟变量结果，各项系数和显著性水平均未发生实质性变化，表明城市贸易程度的上升确实可以带动高新区创新绩效的提高，而高新区自身贸易水平对创新绩效的影响在加入其他控制变量之后就变为不显著，说明高新区产品和技术的创新依赖于城市发展水平，仅靠高新区自身难堪重任。第5列是加入所有变量的结果，城市类型虚拟变量的影响由显著变为不显著，而不同行政层级城市的高新区，人力资本、软硬件环境、优惠政策各不相同，似乎不同城市的禀赋并未发挥应有的作用，那么伴随着贸易开放程度的变化，不同城市类型的贸易水平将会对高新区创新绩效产生怎样的影响呢？本文将在下节内容进行详细分析。
(2)不同城市类型的检验。不同区域高新区发展水平参差不齐，全国层面的样本估计难以反映高新区发展过程中的差异化影响因素，本文跳出以往东中西部城市区域分类方法，按照直辖市和经济特区、副省级城市和计划单列市、一般地级市对城市进行分类,具体结果如表3所示。
由表3可知，核心控制变量中城市贸易水平在一般地级市、直辖市和经济特区层面对创新绩效的影响为正，也就是说这类城市贸易水平的提升会带动高新区的创新绩效上升，而副省级和计划单列市的城市贸易变量与创新绩效之间为负向关系，城市开放程度的提高不能带动高新区创新绩效的提升。对一般地级市而言，城市贸易指标对创新绩效的影响比较显著，因为在一般地级市，城市贸易开放程度加大意味着更多的资本和人才流入，而资本和人才是高新区创新绩效提升的先决条件，高新区作为当地的资本和人才聚集地，毋庸置疑会享受贸易开放带来的正外部效应。直辖市和经济特区、副省级城市和计划单列市这些层级的城市本来就是人才、技术、资金汇聚的地区，贸易开放程度较高，所以城市贸易水平并不是这些地区高新区创新绩效提升的关键性因素，估计结果不显著也在合理范围之内。另一核心控制变量高新区自身贸易水平在三个层级城市的检验中结构都不显著，并且直辖市和经济特区高新区对外贸易变量与创新绩效呈现负相关。这一结果与基本回归结果保持一致，反映出高新区创新绩效的提升来源于城市贸易环境而非高新区自身贸易水平。
杨川(1999-)，男，四川工商学院电子信息工程学院学生，主要研究方向为信号与通信原理。E-mail:1685058064@qq.com
表2 贸易开放与高新区创新绩效 Tobit估计结果
注：括号中为t 值；*、**、***分别代表显著性水平为10%、5%和1%。
表3 不同类型城市估计结果
高新区规模对创新绩效的影响在三个层级的城市中都非常显著，但是这种影响在前两个层级的城市中表现为积极效应，在一般地级市表现为消极效应。说明高新区自身规模的扩大可以带动直辖市和经济特区、副省级城市和经济特区的创新绩效显著提高，实际上在这些城市中，土地资源的稀缺性致使高新区的规划用地面积远低于一般地级市，孵化研发面积的增扩势必吸引更多的企业将研发中心和技术创新基地落在高新区。而对一般地级市的高新区而言，随着高新区规模的扩大，技术创新投入不断增加，园区的管理成本和管理难度提升，加之技术创新投入存在边际收益递减规律，高新区技术创新效率随着规模的扩大不升反降。
3 结论与政策建议
本文利用动态超效率SBM模型测算了高新区的创新绩效，在此基础上从高新区所处城市贸易环境和高新区自身贸易水平两个方面实证分析了贸易对高新区科技创新的影响，并研究了直辖市和经济特区、副省级城市和计划单列市、一般地级市三个不同层级城市的贸易开放度与科技资源利用效率之间的关系。研究表明，城市贸易水平显著促进了高新区创新绩效的提高，这种积极效应在一般地级市中更为显著，竞争效应则在其他层级城市中较为明显；而高新区自身贸易开放度对创新绩效没有明显作用，进一步反映出针对高新区的贸易开放政策对高新区的影响仅仅停留在表层，简单的加工贸易、学习模仿以及盲目引进外资并不能带动高新区创新水平的有效提升。此外还发现一般地级市的高新区单纯依靠要素投入、规模扩张的粗放发展模式日渐疲软，国家高新区迫切需要以战略提升为导向谋划实现高水平的科学发展。根据上述研究结论所揭示的问题我们提出以下建议：
(1)摒弃 “拿来主义”，引导高新区由产业园区向创新园区转变。通过定量研究和实地调研发现，一方面简单的产品加工贸易仍然是高新区外贸的主要收入来源，致使高新区的产品和技术难以在国际市场上崭露头角并占有一席之地；另一方面大多数高新区主要走的是产业园区或工业园区的发展道路，在招商引资时过分注重企业数量和经济规模，轻视企业质量和创新能力，导致入园企业良莠不齐，影响了高新区的整体发展质量和创新水平。因此，首先需在对外开放条件较好的地区，进一步提高贸易开放度，提升贸易质量和高度化水平，积极吸收国际高精尖科技。同时，在高新区内大力推进研发机构的建立和发展，集聚创新要素，建设创新集群，引导高新区由产业园区向创新园区转变，真正发挥高新区的 “创新驱动”和区域创新 “领头羊”作用。其次各高新区应倡导 “招商引智”理念，提高项目入园门槛，加大对 “伪高新”和 “僵尸企业”的审查和惩罚力度，并杜绝落后产能及有污染的企业进入园区。要坚持创新主导，将高新区有限的创新资源尽可能多地配置给真正的创新型企业。
(2)地方政府应根据区域比较优势对高新区制定差异化发展战略。如前所述，直辖市和经济特区、一般地级市高新区的发展对中央政策依赖性较强。在中央政策逐渐淡出的背景下，地方政府应该注重在中央政策的指导下因地制宜、因势而变、因事施策，立足区域禀赋资源优势，找准产业定位，制定实施高新区差异化发展战略，避免区域间产业 “同质化”和低端重复建设。此外，实证研究表明高新区规模对创新绩效的影响在一般地级市显著为负，反映出目前中国高新区依靠要素投入、规模扩张的粗放发展模式已难以为继。因此，对一般地级市而言，还需注重高新区的集约发展，一方面要抓住国家土地例行督察整改的机遇，提升国土资源管理利用水平；另一方面要珍惜用好土地资源，防止粗放经营管理。对引进项目在投资强度上要提出要求，禁止企业以较少的投资圈地占地，防止出现圈而不用、圈大建小、 “挂羊头卖狗肉”问题。对入园后长期不建设、不投产或 “挪作他用”的项目要采取措施加以整治，切实提高园区土地的合规有效利用率，确保要素资源向实体经济和创新领域集中。
总而言之，相对传统教育，电子学习是一个基于网络的学习生态系统，用于传播教育和培训的信息，通信和知识[3]。在线教育提供更为丰富的教育资源和更具自主性的教学设计，解除教育的时空限制。在线教育向社会敞开了大学的校门，能够有效实现教育公平，提升全民学习机会，推进信息化教育及终身教育的发展。
有钱人“对于无法预测的风险会尽可能排除”，而且会优先排除。所以，如果有无法吃到自己喜欢的东西的风险，那么，其解决办法就是尽可能在风险发生之前把它吃掉！
参考文献：
[1]埃弗雷特M罗杰斯，朱迪斯K拉森.硅谷热[M].范国鹰，译.北京：经济科学出版社，1985.
[2]SAXENIAN A.Regional advantage：culture and competition in silicon valley and route 128[M].Boston：Harvard University Press，1994.
[3]YANG C H，MOTOHASHI K，CHEN J R.Are new technology-based firms located on science parks really more innovative[J].Research policy，2008，38 (1)：77-85.
[4]DIEZ-VIAL I，FERN
NDEZ-OLMOS M.The effect of science and technology parks on a firm′s performance：A dynamic approach over time[J].Journal of evolutionary economics，2017，27 (3)：413-434.
[5]LIBERATI D，MARINUCCI M，TANZI G M.Science and technology parks in Italy：Main features and analysis of their effects on the firms hosted[J].Journal of technology transfer，2016，41 (4)：694-729.
[6]ALBERTO A，ANDRÉS B，SALVADOR P，et al.The influence of science and technology park characteristics on firms′ innovation results[J].Regional science，2018，97 (2)：253-280.
[7]吕政，张克俊.国家高新区阶段转换的界面障碍及破解思路[J].中国工业经济，2006 (2)：5-12.
[8]闫国庆，孙琪，陈超,等.国家高新技术产业开发区创新水平测度指标体系研究[J].中国软科学，2008 (4)：141-148.
[9]胡树华，解佳龙，王松,等.基于多级模糊综合评价法的国家高新区竞争力研究[J].软科学，2011，25 (5)：53-56.
[10]谢子远.国家高新区集聚效应实证研究[J].科研管理，2014，35 (5)：138-144.
[11]姜彩楼，徐康宁.区位条件、中央政策与高新区绩效的经验研究[J].世界经济，2009 (5)：56-64.
[12]程郁，陈雪.创新驱动的经济增长——高新区全要素生产率增长的分解[J].中国软科学，2013 (11)：26-39.
[13]顾元媛，沈坤荣.简单堆积还是创新园地?——考察高新区的创新绩效[J].科研管理，2015，36 (9)：64-71.
[14]刘满凤，李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[J].管理评论，2016，28 (1)：42-52,155.
[15]胡贝贝，王胜光，张秀峰.创新经济体知识生产中的规模递增效应——基于中国高新区的实证检验[J].科研管理，2017，38 (2)：52-58.
[16]BATTESE G E,COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical economics，1995，20 (2)：325-332.
[17]GUAN J，CHEN K.Modeling the relative efficiency of national innovation systems[J].Research policy，2012，41 (1)：102-115.
[18]CHEN K，GUAN J.Measuring the efficiency of China′s regional innovation systems：Application of network data envelopment analysis (DEA)[J].Regional studies，2012，46 (3)：355-377.
[19]郑玉雯，薛伟贤，王萌.基于SBM动态网络模型的中国高新区效率评价[J].长江流域资源与环境，2018，27 (1)：41-52.
[20]TONE K，TSUTSUI M.Network DEA：A slacks-based measure approach[J].European journal of operational research，2009，197 (1)：243-252.
[21]ROMER M.Increasing returns and long-run growth[J].Journal of political economy,1986，94 (5)：1002-1037.
[22]LUCAS R E B.Demand for India′s manufactured exports[J].Journal of development economics,1988，29 (1)：63.
[23]KRUGMAN,HELPMAN.Market structure and foreign trade[M].Cambridge:The Massachusetts Institute of Technology Press,1985.
[24]杨畅,白雪洁,闫文凯.发展的困局:贸易推动下的高新区绩效[J].数量经济技术经济研究,2013,30 (9):106-121.
[25]祁毓,郭均均.FDI会影响地方政府效率吗[J].数量经济技术经济研究,2012,29 (2):21-36.
[26]腾堂伟，曾刚.集群创新与高新区转型[M].北京：科学出版社，2009.
Innovation Performance of High -tech Zones from the Perspective of Trade
Xiong Ran，Wei Ping
(School of Economics,Huazhong University of Science and Technology，Wuhan 430074，China)
Abstract： This paper first uses the dynamic super-efficient SBM model to measure the innovation efficiency of 104 national high-tech industrial development zones in China.Then it empirically analyzes the impact of trade on the innovation performance of high-tech zones from the two aspects of the city’s trade environment and its own trade level.The study finds that the urban trade environment has significantly promoted the growth of innovation performance in high-tech zones.And this effect is significantly different in the three levels of the municipality and the special economic zones，sub-provincial cities and planned cities，and general prefecture-level cities.The general prefecture-level cities are more sensitive to the urban trade environment，and more susceptible to urban economic development and the hardware and software conditions of high-tech zone.On the contrary，the rise of the level of trade in the high-tech zone has not driven the pace of innovation，mainly leading to the simple expansion of the scale of trade，and it cannot help to accelerate the efficiency of research and development and innovation.
Key words: High-tech Zone;Dynamic super efficiency SBM;Open trade;Innovation performance
中图分类号: F062.9
文献标识码: A
基金项目： 教育部 “2017年司预437号双创背景下大学科技园服务” (0222310001)。
收稿日期： 2018-08-21
作者简介： 熊然 (1993-)，女，湖北襄阳人，博士；研究方向：技术创新、产业经济。
(责任编辑 柯文先)
标签：高新区论文; 动态超效率SBM论文; 贸易开放论文; 创新绩效论文; 华中科技大学经济学院论文;