试论技术创新高技术产业技术革新效率国际比较

论文导读：发投入要素产出弹性分析：模型投入变量的参数即为专利对投入要素的弹性，研发人员（RDP）和经费投入（RDE）弹性系数β1和β2的值分别为3.46和3.87。两个变量均通过1%的显著性检验。模型的值为0.8623，接近1，且LR单边检验的似然比显著，说明模型中技术非效率是创新活动未达到前沿面的重要影响因素。因此，采用A方法构建随机前沿生产
【摘要】2011年世界经济尚在金融危机的泥潭中苦苦挣扎，各国纷纷抢抓机遇，试图以创新创造新的经济增长点。高技术产业以其高增长、高产值、高效益的特性，对一国的政治、经济、军事、文化乃至整个社会发展都有重要的战略意义。本文采用随机前沿（A）方法研究了各国高技术产业的创新效率。从发达国家2000～2009年高技术产业的平均创新效率来看，各国的创新效率呈现逐年增长的趋势，而创新效率年增长率逐年下降，反映该行业的发展日趋成熟，同时这也预示着，未来高技术产业国际领域的竞争必将风起云涌，激烈至极。
【关键词】技术创新高技术产业创新效率
高技术产业是一种知识和技术密集型的产业，发展高技术产业对推动产业结构升级，提高劳动生产率和经济效益，以及提高一国的国际竞争力都具有极大的意义。
2008年的金融危机对世界经济产生了深远影响。欧盟委员会于2010年推出了“欧洲2020战略”，以图制止希腊主权债务危机继续蔓延，全面提升欧盟国家经济竞争力，高新技术产业是构成“欧洲2020战略”三大发展重点——智能增长的重要内容。美国的奥巴马总统在任上一直强调美国要回归制造业并出台一系列政策和措施来刺激美国制造业的发展。
中国1998年起开始实施高技术产业发展计划——火炬计划，各地纷纷建立高技术产业开发园区，通过创造良好的发展环境，极大地促进了我国高技术产业的发展，但是不能否认，我国在高技术产业中与发达国家相比还存在一定的差距。

一、文献综述

创新经济效率是从投入的角度来衡量生产效率，主要是如何确定生产函数。按照萨缪尔森的定义，生产函数表示的是每一种具体数量的投入物（生产要素）的组合所可能产生的最大产量。柯布和道格拉斯（1928）提出了著名的柯布道格拉斯生产函数。该函数形式简洁，经济内容丰富，参数易于估计测量，一直被引为经典。但是该函数不能反映要素投入之间的相互关系，而且要素要求构成最佳配合。Chris等（1973）提出了超越对数生产函数，允许要素间的替代弹性可变。纵观之后的文献，研究创新经济效率时，较多运用的是柯布道格拉斯生产函数和超越对数生产函数。
研究创新效率的实证文献以国家层面和区域层面的研究为最。Lee（2005）和Wang（2007）各自从国家层面对研发效率进行计算，前者以专利、技术平衡收益和论文发表数目为产出变量；后者以专利、SCI和EI论文发表数目为产出变量，得出不到半数的国家在创新活动中是有效率的。Lee等（2009）采用DEA方法测算韩国技术创新效率，其创新产出包括学术论文发表、专利、高校毕业生等。Chen（2010）用DEA方法对不同国家的创新效率进行测试，采用的产出变量包括专利、专利税和论文发表数量。
在产业层面的创新效率研究上，Hashimoto（2008）采用DEA方法，从产业层面测算了日本医药企业全要素R&D效率变化。朱有为等（2006）用A方法测度了中国高技术产业的研发效率，得出中国高技术企业研发效率较低，但稳步上升的态势。

二、随机前沿方法

国内外学者研究创新效率一般运用数据包络分析法（DEA）和随机前沿生产函数法（A）。数据包络分析主要采用线性规划技术，是一种非参数前沿效率分析法。随机前沿生产函数方法利用生产函数来构造生产前沿面，用技术无效率项的条件期望来作为技术效率，其结果受特殊点的影响较小而且不会出现源于：论文封面www.7ctime.com
效率值相同且为1的情况，可靠性、可比性都更好。
柯布道格拉斯生产函数是超越对数生产函数的特殊形式，与柯布道格拉斯生产函数相比，超越对数生产函数的主要优点是考虑了投入要素之间相互作用对于产出的影响。本文选择超越对数生产函数来测试各国技术创新的效率。

三、各国高技术产业技术创新效率的国际比较

1.变量的选取及随机前沿生产函数适用性的检验

本国研究对象为OECD国家，考虑到各国数据的可获得性，在创新的投入指标方面，本文选择研发经费投入（RDE）和人员投入（RDP）作为投入指标。对研发经费的投入考虑一年的时滞。在创新的产出指标方面，采用的指标是专利产出（PAT）。所用数据均来自OECD结构分析数据库。
选择随机前沿生产函数时需考虑技术非效率检验、技术效率的非随机性检验，以及非技术效率效应检验。各函数估计得到的似然函数值（见表1）。

2.高技术产业技术创新效率的模型估计结果

利用Frontier

4.1软件，对超越对数生产函数的参数进行估计（见表2）公式如下。

In（PATt）=β0+β1In（RDPt）+β2In（RDEt—1）+β3 In（RDPt）2+β4 In（RDE t—1）2+β5 In（RDP t）In（RDE t—1）+（Vt—Ut）
研发投入要素产出弹性分析：模型投入变量的参数即为专利对投入要素的弹性，研发人员（RDP）和经费投入（RDE）弹性系数β1和β2的值分别为3.46和3.87。两个变量均通过1%的显著性检验。模型的值为0.8623，接近1，且LR单边检验的似然比显著，说明模型中技术非效率是创新活动未达到前沿面的重要影响因素。因此，采用A方法构建随机前沿生产函数来测算高技术产业的研发效率是有效的。

3.高技术产业创新效率的比较分析

通过运行Frontier软件，得出各国高技术产业技术创新效率的结果（见表3）。
比较上表各国的技术创新效率，创新效率最高的三个国家为瑞典、荷兰和芬兰。中国在这些发达国家中可列至第四，创新效率已经跻身世界发达国家水平。日本、英国、德国和韩国等国的创新效率位于发达国家的中等水平。而法国、美国等国的创新效率在OECD国家中处于中下游位置。
出现上述结果的原因主要是由于一些国家创新效率不高，在相同的投入水平下创新产出低下，未能很好地利用创新资源。另外，如美国等高度发达国家进行的是基础性研究，需要较长时间才能将创新投入转化为创新产出，本文中选择的是一年的时滞性，可能导致结果出现偏差，有关于这方面尚需进一步的研究。源于：期刊论文www.7ctime.com