中国中低技术产业创新效率分析，本文主要内容关键词为：国中论文,效率论文,技术产业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中国近20年的高速发展取得的成就举世瞩目，但中国目前仍是一个拥有大量农业人口和面临重重困难的发展中国家，中低技术产业(Low-and medium-technology:LMT)在我国工业经济体系中将长期处于一个相当重要的位置。这种重要性不单是指LMT产业在中国工业经济总量中所占的比重，而且当前中国经济发展所面临的很多关键问题，诸如：农村剩余劳动力转移、农业产业化、节能环保和国际贸易摩擦等都与LMT产业的创新效率和发展水平密切相关。中国的产业结构优化升级战略不是高技术产业对LMT产业的简单替代，而是通过技术创新实现的高－中－低技术产业的相互渗透和协同进化，LMT产业的技术创新是将高－中－低技术产业紧密联系在一起的纽带，也是实现产业结构优化升级的必由之路。欧盟的“低技术产业的政策与创新”(PILOT)项目组的研究也表明即使对处于知识经济时代的发达国家来说，LMT产业对经济发展和就业仍将发挥重要的和不可替代的作用[1]。
大多数情况下，LMT企业的创新投入和创新产出都明显低于高技术企业，这种差别应归因于不同行业内在的创新特征差异，因而不能简单的说LMT企业的创新能力低于高技术企业。效率是在某一系统中有效的或有用的产出与总投入的比率，与创新能力相比，创新效率更适合用于不同行业之间的测度和比较。本文研究的主要目的就是考察我国LMT产业在技术创新活动中的技术转换效率、经济转换效率以及综合转换效率，分析影响我国LMT产业技术创新绩效提高的关键因素。本文的研究突出两个特点：第一，强调以实现经济效益为企业创新的最终目标，深入的分析创新不同阶段的效率；第二，突出LMT产业创新活动的特点，综合考虑非R&D因素对创新效率的影响作用。
1 LMT产业的创新特征
R&D强度是划分高技术产业和LMT产业的主要依据，但除了R&D强度不同以外，LMT产业的创新特征也与高技术产业有明显的区别：
第一，创新的目标不同。高技术产业创新的最重要目标是实现新的功能，即基于新的知识和技术的应用或者是已有知识和技术的创新组合，为市场提供功能上属于全新的或者有重大改进的产品，而LMT产业创新目标则是优化工艺（降低成本、提高质量）、改进设计、提高灵活性和客户满足度[2]。
第二，创新的类型不同。创新的方式和创新目标是紧密联系的。推动高技术产业发展的创新以重大创新(radical innovation)为主，而LMT产业则以渐进创新(incremental innovation)为主[3]。
第三，创新的动力不同。高技术产业通常又被称为基于知识(Knowledge-based)或是基于科学(Science-based)的产业，即科技的进步是高技术产业创新的主要推动力量，也是高技术产业创新的成果体现。通常情况下，推动LMT产业创新发展的并不是科技研究的最新成果，而是以干中学和用中学为基础的渐进式的实践积累[3]。此外，LMT产业在创新过程中与消费者的互动联系越来越紧密，可以认为，相比高技术产业，LMT产业的消费者拉动力作用更直接、更显著。
第四，研发活动的重要性不同。与高技术产业相比，研发对LMT产业创新的作用并不显著，Luis等[4]对西班牙林木工业的实证研究也表明，研发投入与企业绩效间的联系并不显著。相比而言，如何有效的获取并整合外部的信息与技术对LMT产业更为重要，也是因如此，LMT产业创新活动的开放性和网络性特征日趋明显。
2 数据来源及高-中-低技术产业划分
本文所使用的数据主要来源于1996年至2005年的《中国科技统计年鉴》29个行业的大中型企业统计数据。
不同的行业具有不同的创新模式，技术路径及竞争机制[5]。虽然行业划分的标准及方法多种多样，但是最普遍的划分方法还是以研发强度(R&D intensity)为依据，将不同行业划分为高技术行业、中技术行业和低技术行业。随着高技术产品在服务业的推广应用，高技术服务业的提法也随之出现，但高技术产业和中低技术产业的划分仍主要应用于制造业领域，本文的研究也仅限于制造业。另外，高技术产业并不是本文的研究重点，只是作为研究LMT产业的必要参照系。
《中国科技统计年鉴》没有对中－低技术产业的专门统计，因此，本文以2003-2005三年的平均研发强度为指标，使用统计软件SPSS13.0对相应数据进行K-means聚类分析。在实际运算时，若直接将其分为三类，则各类包含的行业数目差别过大（高技术∶中技术∶低技术＝4:5:20）。因此，我们参考Hatzichronoglou[6]的分组方法，先将29个行业划分为高技术、中高技术、中技术和低技术四个产业（见表1），然后将高技术和中高技术合并计为高技术产业。
表1所列高技术产业包括的行业类目与中国国家统计局颁布的《高技术产业统计分类目录》（国统字[2002]33号文件）并不相同，本文所指的高技术产业只是研发强度相对较高的数个行业的集合。此外，表1所列的我国高技术行业和中技术行业的R&D强度都远远低于OECD相应的划分标准（R&D强度低于1%的是低技术行业，1%-3%之间的是中技术行业，3%以上的是高技术行业），其主要原因有两个：(1)相关行业整体的研发投入水平不高；(2)由于行业划分层次的原因，使部分低R&D强度的子行业拖低了整个行业的R&D强度。
3 两阶段模型、评价指标及DEA方法
3.1 两阶段模型和评价指标
Afuah[7]认为创新就是为满足客户需要，应用新的技术和市场知识来提供新的产品或服务。Freeman[8]和Roberts[9]则是明确的将创新看作是发明和市场化两个过程的整合。因此，我们将创新过程分为两个阶段。第一阶段分析由创新投入转化为技术成果的效率，第二阶段分析由技术成果转换为经济成果的效率（第二阶段的投入为第一阶段的产出），最后将两个阶段综合起来考察由创新投入转化为经济成果的效率，即综合阶段。图1详细的描述了创新效率评价的两阶段模型，并在表2中给出所有指标的具体含义。
上述指标是在充分考虑数据可得性以及LMT产业创新特征后确定的。从创新投入角度来说，本文没有采用通常的R&D经费投入指标，这是因为2000以前的《中国科技统计年鉴》没有对具体行业的R&D经费投入情况进行统计，而且相对于高技术产业，R&D在LMT产业的创新过程中作用并不显著，因此，本文将创新的投入主要分为体现产品创新的新产品开发经费比重(X2)和反映工艺创新的技术改造经费比重(X3)。基于同样的原因，我们采用科技活动人员比重(X1)而不是R&D人员比重来反映创新的人力资源投入情况。此外，我们把技术外购(X4)和固定资产构建(X5)作为LMT产业创新投入的重要方式，这也是由LMT产业的创新特征所决定的。
本文把表示专利申请数(Y1)和新产品开发项目数(Y2)作为第一阶段产出的技术成果同时也是第二阶段的投入指标。专利的数量是衡量技术创新活动产出的重要工具[10]，中国的专利分为发明、实用新型和外观设计三种，虽然发明专利意味着在技术上的显著突破，但对于LMT产业而言（尤其是低技术产业），非发明专利不仅在数量上所占比重较大，而且对企业绩效的重要性也是同样突出[2]。和专利申请数一样，新产品开发项目数不仅是企业创新知识积累的重要标志，同样也是表示企业未来盈利潜能的重要指标。
最后，我们把人均销售收入(Z1)和新产品销售收入比重(Z2)作为测度系统最终经济成果产出的指标。为反映创新对经济效率的影响，考虑创新对活劳动的节约作用，我们使用人均销售收入作为衡量创新经济产出的指标。另外，新产品销售收入比重不仅反映现阶段创新成果的经济实现，也是该企业或行业未来持续发展能力的体现。
3.2 DEA方法
在资源约束条件实现产出最大化是经济学的一个基本原则，技术效率就是对这一原则的表征和测度。数据包络分析(Data Envelopment Analysis:DEA)方法是在“相对效率评价”[11]基础上发展起来的，是评价同类型决策单元相对有效性的一种系统分析方法[12]。
由于DEA方法无须对投入和产出之间的内在联系做严格检验，因此，DEA方法广泛的应用于多个输入和多个产出的系统效率的评价。Rousseau等[13]使用DEA方法对14个国家的科研绩效进行了评价；Thursby等[14]应用DEA方法和三阶段模型对大学的技术特许协议进行了分析；Guan和Wang[15]使用DEA方法评价研究团队的知识生产效率；Luis等[4]使用DEA方法对西班牙林木工业的生产和创新效率。
CCR[12]和BCC[16]是应用最普遍的DEA模型。CCR模型是在规定规模报酬(Constant Return to Scale:CRS)的限制下，将各项投入与产出分别加以线性组合，再以投入与产出这两组线性组合的比率来表示该决策单元(Decision Making Units:DMU)的相对效率，是对DMU的规模有效和技术有效同时测度。在CCR模型中，设n个同类型DMU有m个输入和s个输出。记第j个决策单元的输入向量为
关于创新投入到创新产出的存在时滞的问题很早就被关注，但目前仍然没有对此类问题的统一的解决方法。比如Thursby[14]等采用取平均的方法来处理时滞问题，Guan和Liu[18]采用2年的固定时滞，而Furman等[19]则采用了3年的固定时滞。与高技术产业相比，LMT产业创新项目的技术复杂性不高，研发周期也相对较短。因此，本文在模型的第一阶段和第二阶段均取2年的固定时滞，则综合阶段的时滞为4年（两阶段之和），具体各个阶段的投入产出对应的时间范围见表3。
为满足DEA模型对DMU数量的要求(n≥max｛m×s，3(m+s)｝，其中，n表示DMU的个数，m和s分别表示输入变量和输出变量的个数）[20]，本文参考Sun[21]和Luis[4]的方法，将不同行业的每一年份都视为单独的DMU。考虑到时滞的影响，本文的DEA模型包括174个(6×29)DMU，满足相应的DMU数量要求。
4 分析及讨论
本文使用Zhu[22]编写的Excel嵌入程序“DEA Excel Solver”来求解CCR和BBC模型。首先，我们用单纯反映技术有效性的BBC模型来分析图1所示模型各阶段的VRS效率，然后使用CCR模型来分析各阶段的规模报酬的变化情况。
4.1 VRS效率分析
为便于分析，我们把VRS效率值分为三个等级：处于区间[0.8，1]的为高效率，处于区间[0.5，0.8]的为中效率，低于0.5的为低效率。
(1)第一阶段（考察技术转化效率）各行业VRS效率（以产出为基准）的平均值的分布情况如图2所示。从产业总体来看，低技术产业的创新效率最高，高技术产业次之，中技术产业的创新效率最低。具体的来看，低技术产业在第一阶段的创新效率表现相当突出，其中，农副食品加工业(C13)、烟草制品业(C16)、纺织业(C17)、纺织服装、鞋、帽制造业 (C18)和皮革、毛皮、羽毛（绒）及其制品业(C19)都处于高效率区间，其余的低技术行业则都处于中效率区间。中技术产业在第一阶段没有行业位于高效率区间，处于中效率区间的中技术行业有饮料制造业(C15)、木材加工及木、竹、藤、棕、草制品业(C20)、化学原料及化学制品制造业(C26)、非金属矿物制品业(C31)和工艺品及其他制造业(42)，其余的中技术行业都处于低有效性区间。
低-中-高技术产业VRS效率在考察年度范围内的变动情况见图3，其中，低技术产业的VRS效率则表现出较大幅度的波动，而高技术产业VRS效率提高的趋势相对明显，中技术产业的VRS效率相对稳定的维持在一个最低的水平。
图2 第一阶段各行业的VRS效率值
图3 第一阶段低-中-高技术产业的VRS效率的变动情况（以技术产出年份为基准）
(2)第二阶段（考察经济转化效率）各行业VRS效率（以投入为基准）的平均值的分布情况如图4所示。从总体来看，在第二阶段低技术产业的创新效率最高，中技术产业次之，而高技术产业的创新效率最低。与第一阶段相比，第二阶段的VRS效率普遍较低，只有低技术产业的烟草制品业(C16)和中技术产业的木材加工及木、竹、藤、棕、草制品业(C20)处于高效率区间，其余所有行业均位于低效率区间，尤其是所有高技术产业所属行业的VRS效率均低于0.1。
第二阶段VRS效率的年度变动情况见图5，其中，低技术产业的VRS效率在2005年之前呈明显的下降态势，但在2005年度有了大幅度的提升；而中技术产业的VBS效率在各年度间有波动但无明显的变化规律；高技术产业的VBS效率不仅始终最低，而且有继续下降的趋势。
图4 第二阶段各行业的VRS效率值
图5 第二阶段低-中-高技术产业的VRS效率的
变动情况（以经济产出年份为基准）
(3)综合阶段（考察由创新投入转化为经济成果的综合效率）各行业VRS效率的平均值的分布情况如图6所示。从总体来看，综合阶段低技术产业的创新效率最高，高技术产业的创新效率次之，中技术产业的创新效率最低。综合阶段低-中-高技术产业的创新效率分布与第一阶段类似，但高技术产业对中技术产业不再有明显的创新效率优势。对照图2和图4，综合阶段的VBS效率值从整体上低于第一阶段，但高于第二阶段。在综合阶段，低技术产业的农副食品加工业(C13)、烟草制品业(C16)、纺织服装、鞋、帽制造业(C18)和皮革、毛皮、羽毛（绒）及其制品业(C19)家具制造业(C21)都处于高效率区间，其余的都至少位于中效率区间。中技术产业的木材加工及木、竹、藤、棕、草制品业(C20)处于高效率区间，橡胶制品业(C29)和工艺品及其他制造业(C42)处于低效率区间，其余的中技术行业处于低效率区间。
综合阶段VRS效率的年度变动情况见图7，其中，低技术产业的VRS效率则在中效率和高效率间起伏徘徊；中技术产业的VBS效率在2000年以后就低于高技术产业，并始终稳定在0.4到0.5的低效率区间；而高技术产业的VRS效率在2003年前持续上升，但在2004和2005年有了明显回落。
图6 综合阶段各行业的VRS效率值
图7 综合阶段低-中-高技术产业的VBS效率的变动情况（以经济产出年份为基准）
4.2 规模报酬分析
我们使用CCB模型来计算低技术、中技术和高技术产业各DMU在不同阶段的规模报酬，并分别统计其规模报酬递增(IRS)、规模报酬不变(CRS)和规模报酬递减(DRS)所占比重。如图8、图9和图10所示，低技术产业和中技术产业的规模报酬特征比较类似，即LMT产业在三个阶段都显著的表现为IRS，这说明对我国的LMT产业（尤其是中技术产业）而言，创新投入不足的问题比较突出。与之相对应，我国高技术产业在第一阶段虽然也主要表现为IRS，但其IRS比重低于LMT产业。此外，高技术产业在第二阶段和综合阶段则明显表现为DRS。需要强调的是，LMT产业在第二阶段虽然以IRS为主，但也出现了较明显的DRS现象。不过，这并不表示相关产业的专利申请或者新产品研发项目已经过剩，造成这一问题的根本原因是那些不能带来经济收益的专利申请和新产品开发项目数所占比重过大。
图8 低技术产业规模报酬分析
图9 中技术产业规模报酬分析
图10 高技术产业规模报酬分析
5 结论及政策建议
在分析LMT产业创新特征的基础上，本文使用DEA方法对我国LMT产业（对照高技术产业）的技术转化效率和经济转化效率进行了分析讨论。研究结果表明，(1)从整体上看，大部分行业在第一阶段（由创新投入转化为技术成果）的技术转化效率最高，在第二阶段（由技术成果转化为经济收益）经济转化效率最低，综合阶段的转化效率位于两者之间。(2)所有行业在第二阶段的VRS效率都处于较低的水平，因此，如何提高将技术成果转化为经济收益的效率是我国LMT产业共同面临的重要问题。(3)低技术产业的VRS效率在各个阶段都是最高，这与我国低技术产业在国际竞争中的整体优势地位相一致。中技术产业在第一阶段和综合阶段的转化效率都是最低，而高污染和高耗能的行业也主要集中于中技术产业，因此，加强中技术产业的技术创新水平是解决我国经济和环境可持续发展问题的关键。(4)从规模报酬来看，LMT产业在第一阶段、第二阶段和综合阶段的规模报酬大多处于递增阶段，而高技术产业在第二阶段和综合阶段则明显的存在规模报酬递减，因此，加大创新投入对LMT产业的意义更为突出；(5)在创新的第二阶段，LMT产业的部分行业也存在规模报酬递减的问题，结合第二阶段VRS效率的分析我们可以知道，造成这一问题的关键是我国专利和新产品项目的技术水平不高以及经济价值较低。
基于以上发现，为促进LMT产业提高创新效率，提出以下政策建议：一是加大对LMT产业的创新投入。相比高技术产业而言，我国LMT产业的创新投入明显不足，因此，政府需要对LMT产业尤其是那些与节能降耗和改善环境紧密相关的LMT产业加大投入、重点扶持。二是改善LMT产业的竞争环境。这主要包括采取更积极的行政和法律手段加强对知识产权的保护、规范部分行业的恶性竞争行为，引导和激励LMT企业走向高品质和高附加值的良性竞争轨道。三是促进LMT产业的技术交流合作，减少低水平层次的重复创新投入。
标签：规模报酬论文; 经济模型论文; 企业经济论文; 企业创新论文; 中国科技统计年鉴论文; dea论文; 经济学论文; 效率论文; lmt论文;