上海高技术产业研发投入和创新效率实证研究.docVIP

上海高技术产业研发投入和创新效率实证研究 　　【摘要】 本文以上海高技术产业为研究对象，分析了创新产出和研发投入的动态变化趋势，并以创新产出为被解释变量，研发投入为解释变量，选取相应指标构建计量经济模型，揭示其作用规律，以期对上海高技术产业合理配置研发投入资源、提升创新效率提供实证研究的依据。 　　【关键词】 上海高技术产业 研发投入 创新效率 　　一、引言 　　高技术产业作为国民经济中的前沿和先导部门，其创新水平和发展规模已成为推动经济发展、引领产业结构调整的重要力量。与传统产业相比，高技术产业的一个显著特点是研发投入强度高、资金需求大（肖林，2009）。在重视对高技术产业研发投入的同时，一个不应忽视的问题是对高技术产业创新效率的探讨。即对高技术产业的研发投入是否能有效地促进其创新水平的提升，是否存在高投入、低产出等缺乏效率的情况。探讨和回答这一问题，对于正处于增长方式由粗放型向集约型转型的我国国民经济具有重要的理论意义。 　　作为我国经济发展中心城市的上海，目前正致力于科技创新中心建设，在2015年5月出台的《关于加快建设具有全球影响力的科技创新中心的意见》中，已经提出将“重点推进民用航空发动机与燃气轮机、大飞机、北斗导航、高端处理器芯片、集成电路制造及配套装备材料、先进传感器及物联网、智能电网、智能汽车和新能源汽车、新型显示、智能制造与机器人、深远海洋工程装备、原创新药与高端医疗装备、精准医疗、大数据及云计算等一批重大产业创新战略项目建设”。根据我国目前的统计口径，这些重大产业创新战略项目都属于对研发投入和创新水平有着较高要求的高技术产业范畴。因此，以上海的高技术产业为研究对象，揭示研发投入和创新效率之间的关系，无疑具有重要的现实意义。本文从分析上海高技术产业创新水平的动态变化趋势入手，以研发投入为解释变量，建立时间序列计量模型，探讨其对上海高技术产业创新产出的作用规律，并进行相应的分析。 　　二、创新效率文献回顾 　　目前，对产业技术效率和创新效率的研究使用的传统方法集中于基于DEA的模型测算，如运用DEA测度我国1978―2001年间区域经济的技术效率、技术进步及Malmquist生产率指数（颜鹏飞，王兵，2004）；以DEA模型测算1995―2004年间我国高技术产业的科技资源配置效率（吴瑛，杨宏进，2006）；以DEA-Tobit两部法对我国省际区域创新效率的环境影响因素进行分析（白俊红等，2009）。上述研究深化了我们对产业创新规律的认识，但在对随机误差项的处理以及不同创新阶段的效率表现形态上还存在局限性。 　　国内针对高技术产业创新的研究正在逐渐兴起，目前的代表性文献主要有使用SFA测算高技术产业的研发效率（朱有为，徐康宁，2006）和长三角地区高技术产业创新效率（岳书敬，2008）；使用Malmquist指数法刻画高技术产业创新效率的动态变化（梁平等，2009）；使用Malmquist TFP指数法对上海高技术产业细分行业进行多投入、多产出的动态效率测度等（黄佐?，2010）。运用随机前沿超越对数生产函数研究我国战略性新兴产业各行业的前沿技术进步率、技术效率以及全要素生产率的特征（杨悦，2014），上述研究将Malmquist指数法和SFA引入对研发效率和创新效率的刻画，弥补了单纯使用DEA的缺陷，推进了对效率测算的研究。 　　三、上海高技术产业创新水平的动态态势分析 　　从总体规模来看，上海高技术产业目前已处于全国前列。根据《中国高技术产业统计年鉴2014》中的数据，在2013年，上海拥有高技术企业1024家，实现主营业务收入6823.4亿元，分别在全国各省市中居于第5和第4位。在巨大产业规模背后，上海高技术产业的创新水平究竟如何？创新效率呈现出怎样的变动趋势？这就需要结合高技术产业中的投入产出指标进行进一步的分析。 　　目前学术界通常把专利申请数和新产品销售收入作为高技术产业的创新产出指标。根据朱有为等（2006）的分析，专利申请数反映了高技术产业的研发投入转化为知识产出的情况，属于一种中间产出，其与高技术产业的最终产出之间具有较高的相关关系。而其中的发明专利则是最为主要、技术价值最高的一种专利，因此本文采用产业发明专利数与专利申请数的比值即高技术产业发明专利占比数来反映上海高技术产业创新中间产出的指标。而另一个创新产出指标，即新产品销售收入则比专利指标更能反映创新成果的转化水平和最终经济价值。因此本文采用新产品销售收入作为上海高技术产业创新的最终产出指标。 　　通过选取《中国高技术产业统计年鉴》中1995―2013年上海高技术产业专利申请数、发明专利数和新产品销售收入数据，并进行相应的处理和计算，可以得出上海1995―2013年间创新产出的变动趋势，如图1所示。 　　从图1