北京高技术产业研发效率的实证分析
时间：2021-01-25 00:01:07 来源：雅意学习网 本文已影响 人 
摘要:北京市高技术产业的投入逐年增长,但其研发效率的总体水平与发达经济体相比还存在较大的差距。通过建立基于五类高技术产业面板数据的随机前沿分析模型并利用Stata软件进行估计,结果表明北京市高技术产业研发整体上缺乏规模经济性且技术效率相对低下;研发资本仍然是对研发产出贡献最大的投入要素;医药制造业和医疗设备及仪器仪表制造业这两类行业的研发效率相对较低。
关键词:高技术产业;研发效率;北京;实证分析
中图分类号:F127.9 文献标志码:A文章编号:1002—2589(2010)08—0036—03
高技术产业的发展问题是2世纪以来北京经济发展的重要着力点,也是北京市政府制定经济政策所关注的重要内容。最近几年,北京市在研发资金规模和技术引进力度等方面加大了对各类高技术产业的研发投入,使得北京高技术产业增加值快速增长。但是,北京在高技术产业中研发效率的总体水平与发达经济体相比还存在较大的差距,因此寻找影响北京市高技术产业研发效率的影响因素,从而使其得到有效提高是本文研究的重点内容。
北京市在研发资金规模和技术引进力度等方面加大了对各类高技术产业的研发投入,使得北京高技术产业增加值快速增长。但是,北京在高技术产业中研发效率的总体水平与发达经济体相比还存在较大的差距,因此寻找影响北京市高技术产业研发效率的影响因素,从而使其得到有效提高是本文研究的重点内容。
一、模型的选择
目前,国际国内关于研发效率的定量研究主要可以概括为两类方法:一类是非参数方法,另一类是参数方法。非参数方法主要是采用Charnes、Cooper和Rhodes于1978年提出的数据包络分析(Data Envelopment Analysis,DEA)模型;参数方法则主要是采用由Aigner,Lovel & Schmidt,Meeuser & Broeck于1977年各自独立提出的随机前沿分析(Stochastic Frontier Approach,SFA)模型。DEA模型由于其无需建立变量之间的严格函数关系,可以进行多投入多产出的多个决策单元的效率评价,因此比较广泛的应用于效率的定量评价当中。但数据包络分析模型的应用也存在一些不足之处,比如不考虑测量误差的存在、对异常值相当敏感、难以给出具体的政策建议等等。随机前沿分析模型从生产者往往并不能达到利润最大化的事实出发,将传统的生产函数转化为对生产边界的分析,采用计量方法对前沿生产函数进行估计,依赖于对数据的随机性假设,有更为坚实的经济理论基础。同时还可判断模型拟合质量,提供各种统计检验值等等。因此,随机前沿分析模型在设定合理且采用面板数据(panel data)条件下,会得到比数据包络分析模型更好的估计效果。因此,本文选择随机前沿分析模型对北京市高技术产业的研发效率进行实证研究。
二、模型的设定和变量的选取
借鉴Battese和Coelli(1995)的模型设定方法,本文构建北京市高技术产业研发效率的随机前沿分析模型如下:
lnY i t=β 0 +β 1 lnK i t+β 2 lnL i t+V i t-U i t
其中,V为随机变量,代表经济系统中的不可控因素冲击,假定它服从正态分布N(0,σ2v);U为非负的随机变量,假定它服从截尾正态分布N(M i t,σ2u)。定义γ=(0≤γ≤1);则γ可以用来衡量技术无效率的程度。因为当γ接近于0时,表明实际研发产出与其产出边界的差距主要来自于不可控因素造成的噪声干扰,模型实际上可以采用普通最小二乘法(OLS)进行估计,无需采用随机前沿模型;γ越大越接近于1时,表明技术无效率的程度越高,同时也表明采用随机前沿模型进行估计是合适的。通过模型还可以计算出研发的技术效率值。
te i t=E(Yi t) / E(Y i t | U i t=0)=exp(-U i t)
模型中,下标代表北京市高技术产业的五大类行业。由于北京市核燃料加工业所占比重非常小,几乎可以忽略不计,再考虑到数据的可获得性,本文集中考察以下五类行业对经济增长的促进作用:(1)医药制造业;(2)航空航天器制造业;(3)电子及通信设备制造业;(4)电子计算机及办公设备制造业;(5)医疗设备及仪器仪表制造业。下标t代表时间,以年为单位,从1998—2007年。
模型中的Y代表高技术产业的研发产出。衡量研发产出的指标有很多,一般文献中使用专利授权量和新产品销售收入较多。考虑到专利授权量可能只是研发的中间产出,并不能代表企业研发的全部产出。与专利授权量相比,新产品销售收入更易于测量,更能反映出工艺流程、产品质量改进等其他研发效应的最终经济价值。因此,本文使用新产品销售收入来代替研发产出。
模型中的K代表高技术产业研发的资本投入。有些文献如朱有为、徐康宁(2006)通过永续盘存法来近似计算研发资本投入,但计算中还需假定研发价格指数和折旧率的值,过多的假定值使得最后的计算结果可能并不可靠。因此,本文选取R&D经费内部支出做为研发资本投入的替代变量。
模型中的L代表高技术产业研发的劳动力投入。这个变量可以直接用《中国高技术产业统计年鉴》中的R&D活动人员折合全时当量来进行代替。
三、模型估计结果分析
利用Stata10软件中的xtfrontier命令,对上述模型进行估计,结果如表1所示。
从模型估计结果可以看出,除β2不显著以外,其余的系数都非常显著。且γ=0.865,比较接近1,因此用随机前沿模型进行估计是合适的。
从研发资本投入和研发人员投入的产出弹性来看(β1=0.707;β2=0.114),研发资本投入的产出弹性远远高于研发人员投入的产出弹性,表明在高技术产业发展的现阶段,在研发人员不可能得到大幅增加的情况下,研发资金的投入量在很大程度上决定了高技术产业的研发产出量。β1+β2=0.821<1,表明北京高技术产业的研发整体上是缺乏规模经济性的。
通过模型还可以估计北京高技术产业各类行业研发活动的研发效率值(见表2)。
从高技术行业整体来看,研发的平均技术效率仅为0.421,表明北京高技术产业研发的整体技术效率不高,还有很大的提升空间。从各行业研发来看,电子及通信设备制造业和电子计算机及办公设备制造业这两类行业的技术效率值相对较高,都达到了0.7以上;医药制造业和医疗设备及仪器仪表制造业这两类行业的技术效率值相对较低,表明这两类高技术产业虽然发展较快,但其研发技术效率不高是制约其长远发展的重要因素。
四、结论
通过建立随机前沿分析模型对北京高技术产业分行业的研发面板数据进行估计,得出以下重要结论:(1)北京市高技术产业研发整体上缺乏规模经济性且技术效率相对低下,这说明,研发资金和研发人员的大量投入虽然是必要的,但资源的配置效率和使用效率才是最关键的因素。(2)研发资本仍然是对研发产出贡献最大的投入要素,北京今后应进一步发挥政府资金的导向作用,将有限资金尽可能多地投入在高技术产业的研发活动中。(3)在五类高技术产业的行业中,电子及通信设备制造业和电子计算机及办公设备制造业的研发效率较高,而医药制造业和医疗设备及仪器仪表制造业这两类行业的研发效率则相对较低。这表明,前者是最近一些年企业自主研发投入量相对较大的行业,其研发投入已经体现出一定的累积效应;后者的研发效率不高,从某种程度上仍然呈现“粗放式”发展的一些特征,其产出的快速发展可能只是由于医药和医疗市场的巨大需求,但研发效率和技术水平的提高是今后努力发展的方向。
参考文献:
[1]刘志迎,叶蓁,孟令杰.我国高技术产业技术效率的实证分析[J].中国软科学,2007,(5).
[2]谢朝阳,吴永林,程正中.北京高新技术产业发展的结构特征分析[J].中国科技论坛,2007,(4).
[3]叶蓁,刘志迎.中国高技术产业技术效率影响因素分析[J].科技与经济,2006,(5).
[4]朱有为,徐康宁.中国高技术产业研发效率的实证研究[J].中国工业经济,2006,(11).
[5]赵玉林,魏芳.高技术产业发展对经济增长带动作用的实证分析[J].数量经济技术经济研究,2006,(6).
