1、1中国省域大中型工业企业 R&D 效率的空间差异性及影响因素分析摘 要： 笔者以 2006年2010 年中国 31个省域的数据为基础，进而用 SE-DEA模型对大中型工业企业研发效率进行测度，然后通过空间自相关分析和构建空间计量模型，考察企业研发投入、企业规模、产权结构、企业绩效和外商直接投资对研发效率的影响作用。结果表明：研发效率有效的省份呈逐年增长的趋势，但发展不够均衡；研发效率的提高逐渐依赖于研发资本投入；企业规模、外商直接投资与大中型工业企业的研发效率呈正相关关系；企业所有权结构与研发效率逐渐呈现负相关的趋势，即非国有企业更有助于研发效率的提高；企业绩效与研发效率呈现负相关趋势；中国大
2、中型工业企业研发效率的差距逐渐增大，研发溢出效应明显。 关键词：R&D 效率；大中型工业企业；超效率模型；空间计量模型 基金项目：教育部人文社会科学研究基金项目（09YJC630204） ；浙江省哲学社会科学重点研究基地：技术创新与企业国际化研究中心项目（11JDJS02YB） ；教育部省部共建人文社科重点研究基地“浙江工商大学现代商贸研究中心”课题（09JDSM11YB） 作者简介：胡洪力（1973-） ，男，河南永城人，浙江工商大学工商管理学院副教授，经济学博士，硕士生导师，主要从事管理创新方面的2研究；李晓（1987-） ，女，山西永济人，浙江工商大学工商管理学院2010级硕士研究生。
3、中图分类号：F061，5 文献标识码：A 文章编号：1006-1096（2014）02-0019-06 收稿日期：2013-02-27 知识经济时代的到来，使得经济的发展越来越依赖于科技水平的提高，研发对企业技术创新发挥着巨大的作用。而 R&D经费投入强度（企业 R&D经费与主营业务收入之比）成为衡量企业对技术创新活动投入力度的重要指标。中国大中型工业企业的 R&D投入强度由 2005年 0.76%增长到 2010年的 0.93%，呈持续增长趋势。可见，大中型工业企业作为国民经济发展的主推力量，已经充分意识到研发活动的重要性。但是，2011年中国工业经济秋季报告却显示，当前中国工业既存在产业结
4、构不合理、自主创新能力不强的老问题，又面临市场变化、政策调整等新情况，形势十分复杂。可见，面临这种状况，除了要加强工业技术引进的强度，更重要是如何加快提高自主创新能力。但是在自主创新过程中，单方面增加研发投入是不一定会产生有效技术效果的。可见，我国大中型工业企业在创新型国家建设过程当中，不仅要注重创新资源的总量投入，更要注重效率问题。 一、文献回顾 国内外学者现阶段着重于对研发能力问题的研究，相对较少关注研发效率，研发效率作为一个相对的概念，其目的是得出投入和产出的最优化，以利用最小的研发投入得到最大的研发产出。 就现有文献来讲，学者们从不同角度对研发效率进行深入分析。已3有学者证明我国大中型
5、工业企业研发效率提升缓慢，工业企业的技术创新能力存在明显差异，两极分化很严重。在此基础上，众多学者在研发效率的影响因素方面做了大量的研究。从现有文献看，影响因素大致可以分为外部因素和内部因素。内部因素是企业可控的，由企业自身原因造成。学者们对于内部影响因素存在的争议较少，主要包括资本因素和劳动力因素。Jefferson（2006）和 Frantzen（2000） 、Adams（2003）等人通过实证研究证明研发资本投入和人力资本对研发效率具有明显的促进作用。 外部因素是由外部环境间接造成的，主要包括企业规模、产权结构、企业绩效、外商直接投资、市场结构以及政府投资等因素。学者们对于企业规模与研发
6、效率的关系普遍持不同的观点：Galbraith 认为大企业在人力、资金等方面的优势，同时抗风险能力也相对较强，因而最有利于激励研发活动。Chen 和 Chien等、Acs 和 Audretsch以及戴魁早（2011）等人也认为大规模企业有利于研发效率的提高；产权结构由于组织运营方式的不同，在一定程度上会影响企业研发效率。大部分学者都赞同非国有企业有利于研发效率的提高，例如张海洋（2008）等。现有文献关于企业 R&D效率空间溢出方面的文献比较少，比较普遍地忽略了研发活动的空间相关性和创新行为的空间效应，所以有必要有更多的文献来研究空间因素对于研发效率的影响。 二、指标选取及模型设定 （一）指标
7、选取与数据处理 本文的研究样本以中国（除存在数据缺失的港澳台之外）的 31个省、4市、自治区作为研究对象，研究年限限定在 2006年2010 年。数据主要来自中国统计年鉴和中国科技统计年鉴 。 企业研发产出指标和产出指标作为影响研发效率的主要指标，对于研发效率的测算具有重要的意义。为此，本文经过仔细斟酌和选择，主要采用如下指标来测算研发效率，具体如表 1所示。 影响企业 R&D效率的因素有很多，根据现有文献以及考虑到数据的可得性，本文主要选取研发资本投入、研发劳动投入、产权结构、企业规模、外商直接投资、企业绩效来衡量研发效率的影响因素。 （二）模型构建 1.测度 R&D 效率的 SE-DEA模
8、型 数据包络分析（Data Envelopment Analysis，DEA）是由美国著名运筹学家 Charnes & Cooper提出来的一种评价决策单元（decision making unit，DMU）相对业绩的系统分析方法。该模型主要应用在对选择投入产出指标以及相对效率的测算和排名上，由于计算得到的有效 DMU往往不止一个，因而很难区分有效 DMU的效率高低。针对该情况，Andersen和 Petersen于 1993年提出了一种改进的 DEA模型超效率DEA模型。该模型能够很好地解决 C2R模型可能出现多个决策单元相对有效但无法排序的问题。超效率 DEA的表达式如下： 其中 s+和
9、s-分别是松弛变量，x0 和 y0分别表示被评价决策单元的投入和产出向量。T 表示决策单元的效率值。j 为第 j个决策单元 DMU的组合比例。 2.空间计量模型 在构建空间计量模型时，一般必须先进行空间相关性检验，来确定5空间效应是否在发挥作用。如果存在空间自相关性，则需要将空间效应加入模型分析框架中，并采用适合于空间计量经济模型的估计方法进行分析。要检验空间自相关性是否存在，通常用的方法有：Morans I指数、Gearys C 比率和 Getis指数。 在构建空间回归模型时，首先要构建基本理论模型，在实证文献中，分析技术创新及研发活动最有影响力的方法是知识生产函数（KPF） ，本文根据修正
10、后的知识生产函数，再加上 Romer内生增长模型的思路，然后引入解释变量和被解释变量，最后构建的模型如下： 其中，C 表示常数项，INN 为各省每年大中型工业企业的 R&D效率， 分别表示研发资本投入、研发劳动投入、企业规模、产权结构、企业绩效和外商直接投资的弹性系数，i 表示省份，t表示时期，误差项 表示其他未观察到的影响大中型工业企业 R&D效率的影响因素。 三、实证分析 （一）R&D 效率的测度 结合模型 1和研发投入产出指标，本文选用 Lindo软件对 2006年2010 年中国省域大中型工业企业的 R&D效率进行测度，具体结果如表 3所示： 从表 3可以看出，2006 到 2010这
11、 5年间，研发效率总体呈逐渐下降的趋势，只在 2010年有所回升； 从图 1也可以看出，2006 到 2010年 5年间，研发效率排名前 5位的省份中，海南和广东一直保持领先地位，其次是上海、山东和天津 3省市。可以看出，高研发效率省份主要集中6在东南地区；排名后 5位的省份主要集中的北部和西部地区，包括新疆、甘肃、青海、内蒙古和黑龙江地区。 此外，经过 5年的发展，我国大中型工业企业研发效率有效的省份呈逐年增长的趋势。2006 年到 2010年期间，研发效率有效的省份所占的比例呈增长趋势。 （二）空间自相关性检验 本文利用 2006年2010 年中国 31个省域的 R&D效率数据对中国各省域
12、的 R&D效率的全局空间自相关性分析。表 5为 2006年2010 年中国各个省域 R&D效率（对数）的 Morans I指数。2006 年到 2010年的Morans I指数均为正，除了 2009年不显著以外，其他四年的 Morans I 值均通过了显著性检验，我国大中型工业企业的 R&D效率呈现正的空间自相关性。但是总体上而言，中国大中型工业企业的 R&D效率在空间分布上并不是随机的，而是具有规律性的，表现为某些区域在空间上呈现集群现象。 我国高 R&D效率集群省域主要分布在中国南部沿海地区，分别是海南和广西；低 R&D效率集群省域主要分布在中国西部地区，主要集中在新疆、西藏、青海和甘肃等
13、省区。且经过 5年的发展，低 R&D效率集群区有向东部扩张的趋势；高 R&D效率集群保持稳定，目前还没有向东部沿海地区集群的趋势，说明东部沿海地区虽然研发效率有所提高，但是集群现象却不明显。 （三）回归分析 已经证明中国各省域 R&D效率存在空间自相关性，所以本文在回归7分析中应该将空间因素考虑到空间计量分析模型中，并使用 Geoda软件对数据进行回归分析。 如上表所示，在加入空间因素以后，模型的拟合度提高了很多。通过对比 2006和 2010年模型回归结果，可以发现： （1）研发资本投入变量（RDIN）在 2006年与研发效率呈负相关关系，从 2010年开始呈正相关关系，但是结果却不显著。赵
14、红等（2011）对重庆制造行业自主创新效率进行分析也得出同样结论；相反，研发劳动投入变量（HK）2006 年回归系数为正，到 2010年则为负，这说明我国研发劳动资本投入变量的产出弹性处于不断下降的状态，研发产出的增长越来越依赖于研发资本投入。 （2）企业规模和外商直接投资变量与我国大中型工业企业的研发效率呈显著正相关关系。说明企业规模越大，能够提供科研活动的资金就越雄厚，这会在一定程度上会促进研发效率的提高。周立群等使用国有企业和三资企业数据对企业规模和研发效率的关系进行实证分析后得出，企业规模越大，在研发创新中占有的优势越大。 虽然外商直接投资技术溢出效应在最初进入本地工业企业时，会因为有
15、制度等各种因素的影响，存在一定的门槛效应，但不能否认外商直接投资是促进我国研发效率提高的一大重要因素。张海洋（2008）也认为 FDI是促进我国工业企业研发效率的重要因素，对研发效率有显著的促进作用。 企业绩效变量表现出与研发效率的负相关作用，这和张海洋（2008）得出的结论一致。这说明企业如果经营绩效好的话，有可能会8缺乏对市场的敏感度和企业自身危机感，这在一定程度上会缺乏对于研发活动的关注度和重视度。 （3）通过空间计量模型回归分析，2006 到 2010年，SLM 和 SEM回归分析中 和 的系数都显著为正，即研发空间溢出的效应为正，说明空间邻近溢出效应对我国省域 R&D效率产生了显著影
16、响。邻近省域的大中型工业企业在自身研发过程中，由于知识溢出效应的存在，直接或者间接地对其他同行企业产出空间溢出效应，从而有利于该区域研发效率的提高。 四、结论及政策建议 本文在测算中国省域大中型工业企业的 R&D效率的基础上，基于知识生产函数的理论框架，构建空间计量模型，以 2006年2010 年中国31个省域大中型工业企业数据位基础，对研发效率的空间差异性及影响因素进行实证分析。经过分析，本文得出的主要结论如下：研发效率的增长越来越依赖于研发资本投入；研发效率有效的省份呈逐年增长的趋势，但发展不够均衡。高研发效率省份普遍集中于沿海省份，西部和北部部分省域的研发效率依然处于很低的状态。企业规模
17、和外商直接投资变量与大中型工业企业的研发效率呈显著正相关关系；产权结构与研发效率逐渐呈现负相关的趋势，即非国有企业更有利研发效率的提高；企业绩效与研发效率呈现负相关趋势；中国大中型工业企业研发效率的差距逐渐增大，研发溢出效应明显。 结合实证分析得出的结论，本文认为有必要给出一些政策建议：首先，工业企业要提升创新意识，培养工业企业创新能力，提高企业研发9效率。其次，企业资本和劳动投入要做到合理配置，有效利用。政府不能鼓励企业盲目的加大研发资本投入，更应关注企业自身研发和生产遇到的问题，多增加企业之间的交流以及政府切实的指导，帮助企业改善目前的研发现状，提高企业的研发效率，提高企业的创新能力。再次，加强企业之间以及企业与研究机构的研发合作，促进工业行业研发创新活动的发展，单个企业由于很难承担研发成本和研发风险等方面的问题，为此，企业可以选择与企业或者研究机构的研发合作，合作研发不仅可以帮助企业分担研发成本和研发风险，还可以增强研发知识的空间溢出，帮助企业研发更好的新产品，增强企业的市场竞争力；最后，实施有差别的区域研发支持政策，逐步缩小大中型工业企业研发效率区域间的差距。由于我国大中型工业企业高创新能力区和低创新能力区区域分布比较明显，区域之间创新能力严重不平衡，政府应针对这种状况，制定相应的激励和支持政策，帮助问题区域提升研发和创新能力。
