京津冀国家级高新区创新效率及影响因素论文.doc免费

论文（设计） 单 位 题 目 申报内容 专业 职称等级 学号 姓 名 指导老师 职称 提交日期 2019 完成日期 京津冀国家级高新区创新效率及影响因素 一、论文说明 本写作团队长期从事论文写作，擅长数据处理、文献查找 图表绘制、理论分析，以及相关期刊论文的发表 具体联系金老师QQ：387 826 70 二、范文参考 张立峰 郭爱英 董晓宏 内容摘要：本文运用随机前沿分析方法对2011-2015年京津冀7家国家级高新区创新效率及影响因素进行了实证分析。研究表明，对于京津冀各高新区，研发经费对于创新产出的影响大于研发人员，即研发创新主要依赖研发经费。京津冀各高新区创新效率总体呈上升趋势，且存在明显區域差异。高新区规模、政府支持、盈利能力对创新效率具有显著的正向影响。 关键词：高新技术开发区 创新效率 影响因素 随机前沿分析 我国国家级高新技术产业开发区（以下简称高新区）对经济社会发展和国家创新体系的建设做出重要贡献。京津冀三省市截止到目前，共建立了7家高新区。近年来这些高新区在各方面得到了快速发展，对支撑经济增长、促进产业升级转型、推动科技创新以及发展战略新兴产业发挥了十分重要的作用。与此同时，一些问题也日益显现如自主创新能力有待加强、研发投入不足、创新效率较低、区域之间发展不平衡等。这些问题如果不能很好解决，将会阻碍高新区的进一步发展。 研究方法、研究模型与变量选取 测定创新效率的方法主要有参数法和非参数法两大类。非参数方法以数据包络分析（DEA）方法为代表；参数方法以随机前沿分析（SFA）方法为代表，该方法依据数据随机性假设，采用计量方法对前沿生产函数进行估计以描述生产过程，较好地处理了测量误差与统计干扰。由于具有以上优势，随机前沿分析（SFA）方法在效率测定上得到了广泛应用。本文采用随机前沿分析（SFA）方法，借鉴Battese、Coelli的模型，运用柯布-道格拉斯生产函数建立以下随机前沿模型： 在进行创新效率分析时，本文主要从投入与产出两个方面出发。产出变量选择新产品销售收入，投入变量选择研发人员和研发经费。（1）式中LnSales表示新产品销售收入（sales）的自然对数。（1）式中i和t分别表示第i个国家级高新区和第t个年份；LnInputRDPit为研发人员的自然对数，LnInputRDit为研发经费的自然对数，β1和β2分别为研发人员和研发经费的产出弹性。Vit为随机变量，其分布服从正态分布N（0，σ2v），且独立于Uit。Uit为非负的随机变量，表示生产活动中的无效率项，其分布为截尾正态分布N（mit，σ2u），其中mit越大，表示效率越低下，即同样研发经费和研发人员的投入，得到的产出越少。 对于无效率项的影响因素，选择高新区规模、政府支持、盈利能力等因素，无效率项函数设定如下： （2）式中mits为以新产品销售收入为产出变量的无效率项分布函数的均值，SH、GS、IP分别表示高新区规模、政府支持、盈利能力。δ0为待估常数项，δ1、δ2、δ3分别表示上述变量对研发无效率项的影响系数，如果系数为正，说明该变量对无效率项有正向影响，即该变量对技术效率有负的影响，反之亦然。 此外，Battese、Coelli（1995）设定了方差参数γ=σ2u/（σ2u+σ2v）来检验采用SFA的合理性。γ介于0和1之间，若γ接近1，说明无效率项在实际产出与前沿面的偏差中占主要成分，此时采用前沿函数模型就是合适的；若γ接近0，说明随机误差是主要成分，此时使用最小二乘法进行估计即可。 实证分析 （一）数据来源与处理 本文所使用数据均来自于《中国火炬统计年鉴》，时间跨度为2011-2015年。研究对象为河北省国家级高新区，即石家庄、保定、唐山、燕郊及承德以及北京中关村、天津滨海共7个高新区。 相关指标计算说明如下：创新产出一般常用专利申请量或者新产品销售收入反映。由于各高新区专利申请受