EN中文

地理科学 >

2019 , Vol. 39 >Issue 2: 173 - 182

DOI: https://doi.org/10.13249/j.cnki.sgs.2019.02.001

基于创新价值链视角下中国创新效率时空格局与影响因素分析

  • 刘树峰 ,
  • 杜德斌 ,
  • 覃雄合 ,
  • 侯纯光
展开
  • 华东师范大学全球创新与发展研究院/华东师范大学城市与区域科学学院,上海 200062
通讯作者：杜德斌,教授。E-mail:

作者简介：刘树峰(1988-),男,山东泰安人,博士研究生,主要从事科技创新与区域发展研究。E-mail:

收稿日期: 2017-10-31

  要求修回日期: 2018-01-24

  网络出版日期: 2019-02-10

基金资助

国家自然科学基金项目（41471108）资助

收起

Spatial-temporal Pattern and Influencing Factors of China's Innovation Efficiency Based on Innovation Value Chain

  • Liu Shufeng ,
  • Du Debin ,
  • Qin Xionghe ,
  • Hou Chunguang
Expand
  • Institute for Innovation and Strategic Studies/School of Urban and Regional Science, East China Normal University, Shanghai 200062, China

Received date: 2017-10-31

  Request revised date: 2018-01-24

  Online published: 2019-02-10

Supported by

National Natural Science Foundation of China (41471108).

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

摘要

基于创新价值链视角,将创新过程分为知识凝结阶段和市场转化阶段,运用网络DEA-SBM模型、核密度分析、自然断裂点和空间面板计量模型等方法分析了2008~2015年中国省际创新总效率及两阶段效率演化动态及其成因,得出以下结论： 中国创新总效率、知识凝结效率和市场转化效率整体处在低位水平,呈波动上升趋势,近年来增速放缓; 创新效率存在明显的阶段性和区际差异,创新知识凝结、市场转化、总过程的效率值分别呈现低值集聚、离散发展和多峰分异格局,在空间上自东向西大体呈阶梯式递减分布,存在空间相关性,空间溢出效应显著; 科研队伍水平、政府政策支持力度与创新效率有显著的正相关关系,研发经费投入强度的持续增加对创新效率起到一定抑制作用,市场化发育程度和对外开放程度对创新效率的影响不显著。现阶段亟需解决企业自身研发能力不足,高校、研究机构科研评价体系不健全与成果转化收益分配不合理,基础研究投入不足和区际间知识生产能力与市场吸纳能力不匹配等问题。

关键词： 创新效率; 创新价值链; 网络SBM; 空间面板计量模型

本文引用格式

刘树峰 , 杜德斌 , 覃雄合 , 侯纯光 . 基于创新价值链视角下中国创新效率时空格局与影响因素分析[J]. 地理科学, 2019 , 39(2) : 173 -182 . DOI: 10.13249/j.cnki.sgs.2019.02.001

Abstract

From the perspective of the innovation value chain, the innovative process was divided into two stages in this article: knowledge condensation and market transformation. This article analyzes on the overall innovation efficiency, dynamic efficiency evolution and cause in the knowledge condensation stage and market transformation stage on a provincial scale in China from 2008 to 2015 with the methods of network DEA-SBM model, kernel density analysis, natural breaking point and Spatial Panel Econometric Model. We can draw the following conclusions: 1) The overall innovation efficiency, knowledge condensation and market transformation efficiency in China were in the low level with the slower fluctuating rise in the recent years; 2) There were obvious differences between different stages and inter regions. The innovative knowledge condensation efficiency presented a low value cluster, the market transformation efficiency presented a discrete development, and the overall efficiency showed us a double-peak pattern. From east to west, it was generally decreasing step by step in space. Spatial correlation can be seen and spatial spillover effect was remarkable; 3) The level of scientific research team and the support of government policy had a significant positive correlation with innovation efficiency. The continuously increased R&D expenditure depressed the innovation efficiency to a certain extent. While the impacts of degree of marketization development and opening up were not significant. The enterprises lacked of R&D ability; scientific research evaluation system of colleges, universities and research institutes is imperfect and the income distribution of achievement transformation is unreasonable; the investment on basic research is insufficient; the knowledge productivity does not match the market absorption capacity properly. All the above problems are urgently to be solved.

Key words： innovation efficiency; innovation value chain; Network-SBM; Spatial Panel Econometric Model

当今世界正处在新一轮科技革命和产业变革孕育期,为抢占创新发展的先机和主动权,世界主要经济发达体争先实施创新驱动发展战略。随着中国经济进入结构优化、动力转换、增速换挡的“新常态”时期,国际竞争压力和资源环境约束日益严峻,“双创战略”应运而生[1]。2016年,中国研究与试验发展（R&D）经费支出额、论文发表量和国际PCT专利申请量等创新投入产出指标均已位居世界前三位,但以全要素生产率为代表的技术进步水平对经济增长的贡献作用长期处在下滑阶段[2,3]。一方面,在双创战略的驱动下,地方政府存在一定“R&D”崇拜现象,而忽视了地区创新资源禀赋与吸纳能力差异;另一方面,由于基础研究投入周期长、见效慢,在有限资金下对应用与试验发展研究的支持倾向性明显,进而造成了基础研究相对薄弱,重大、关键技术难以攻克等问题。总体来看,虽然中国的创新投入与产出已处在世界前列,但存在着明显的资源投入区际与结构不合理造成的效率低下问题。
科研成果的转化问题一直是学术界研究的热点,“死亡之谷”“达尔文海”“欧洲悖论”等问题[4,5]的提出均表明,基础研究到应用研究再到科研成果大规模商业化过程中存在着沟壑。对于如何跨越沟壑、提高创新效率国内外学者有以下观点：① 基础研究是应用研究的先决条件和催化剂, 基础研究和应用研究的积累是实现技术进步的主要途径,技术追赶国家应注重基础研究的投入和应用研究的衔接,由模仿创新向自主研发、原始创新转变[6];② 大学-企业-政府三者之间的有效互动是提高创新效率的关键,大学是基础研究的主力军,大学内设立专门、专业的技术转移部门可显著促进成果转化。企业是创新的中坚力量,大企业可通过设立专门研发机构提高自身创新实力,中小企业可向大学、研究机构寻求技术合作支持增强创新能力。政府是基础研究的主要投入者,也是产学研合作制度环境的主要构建者。③ 通过明晰科研成果产权为成果转化提供法律保障。“谁出资、谁拥有”曾是绝大多数国家的科研政策,但这导致了高校等科研机构成果转化积极性不高,造成了科研成果闲置浪费。1980年美国通过出台《拜杜法案》重新界定了由政府资助的科研项目所产生专利的归属权和收益分配方案,极大促进了高校科研成果转化效率,现阶段科研成果产权存在争议,考核机制又脱离实际是影响科技成果转化的重要因素[7,8]。④ 发达的资本市场和融资体系是科研成果市场化的关键推手,其中风险投资是与科技创新成果转化较为匹配的一种资本形态,不仅提供资金支持能提供企业管理指导等非资本增值服务,有效降低了成果市场化的风险[9,10]。⑤ 市场力量的提升有利于培育企业家精神,企业家精神的本质属性是创新,有助于对创新资源的高效利用[11]。此外市场与创新的关系最早由熊彼特在《资本主义、社会主义和民主》一书中进行了系统论述[12],熊彼特主义者认为垄断优势利于大企业从事研发活动,可获得技术研发带来的超额利润。阿多等认为竞争条件下企业将得到更多的创新激励,创新者将在竞争行业中得到低成本曲线所带来的全部潜在收益,创新投入产出回报更高[13]。市场与创新的关系的另一个重点是明晰市场与政府的职责,解决好政府长期目标与市场追逐短期效益间的矛盾[14]。
尽量减少创新资源投入冗余和产出低效造成的科研成果转化效率低下是各国创新发展中追求的目标,创新效率的测度就显得尤为关键。衡量创新成果转化效率往往采用基于参数的随机前沿生产函数SFA和基于非参数随机前沿生产函数DEA等方法[15,16],以往的研究中通常将创新过程视作一个“黑箱”处理,忽略了创新内部结构及内在运行机理。而现实中一个完整创新价值链应该是从创新要素投入到创新知识的凝结再到创新产品市场化的多阶段价值转化的过程[17]。通过对创新过程的阶段划分研究,可有效区分创新资源利用效率低是因知识生产能力不足还是市场吸纳能力有限造成的。基于此,本文将创新成果转化过程分为知识凝结阶段和创新成果市场转化阶段,以此打开创新的黑箱,通过分析2008~2015年中国创新效率的阶段性与地区性差异,探究创新效率提升路径,为中国实施创新发展战略提供参考。

1 指标选取、数据说明与研究方法

1.1 指标选取依据

创新过程呈现明显的多阶段性、价值链传递性和网络非线性特征,Hansen在《创新价值链》一文中将创新过程分解为创意的产生、创意的转化和创意的传播,系统论述了创新价值链的概念与内涵[18]。因此,本文将创新过程分为知识凝结和创新成果市场转化两个阶段,第一阶段中大学与科研机构是知识创新的主力,企业是技术创新的主力。第二阶段是知识凝结成果市场化的过程,在知识凝结成果的基础上科研经费与人力资本继续投入进而形成成熟的技术和产品获得商业收益（图1）。
Fig.1 Two-stage chain process of innovation transformation

图1 创新成果转化两阶段链式过程

1.2 数据说明

本文将创新价值链分为知识凝结阶段和成果市场转化阶段,在知识凝结阶段的投入指标为基础研究和应用研究R&D经费和人员投入,产出指标为论文发表量、专著出版量、专利授权数;成果转化阶段投入指标为试验与发展R&D经费与人员投入、新产品开发费用和知识凝结阶段产出的论文、专著和专利,产出指标为专利许可收入、技术转让收入和新产品销售收入。数据来源于《中国科技统计年鉴》[19]、《中国统计年鉴》[20]、《中国城市统计年鉴》[21],涵盖中国30个省市区,未包含港、澳、台及西藏自治区。此外,中国自主创新发展刚刚起步,2006年制定了国家中长期科技发展规划纲要,提出了以提高自主创新能力为导向建设创新型国家,2008年全球金融危机爆发后,国内外经济发展环境巨变,在国内资源环境问题凸显与国外需求乏力双重压力下,倒逼着中国走创新发展之路,并且由于创新从投入到产出存在一定的时滞,本文将各阶段产出作滞后1 a处理,则创新总过程自创新投入到产出将滞后2 a,基础数据取自2007~2015年时间段。

1.3 研究方法

1.3.1 网络DEA-SBM模型
数据包络分析（DEA）是以相对效率概念为基础,基于不同量纲的多投入多产出指标来评价多个决策单元的相对有效性,其优势在于无需预先设定估计生产函数,有效避免主观误差[22],但传统DEA无法分析决策单元的内部运行机制,现实指导意义较差,网络DEA模型的提出将创新活动分解为多个子过程,真正将创新过程的“黑箱”打开。网络DEA 模型的最简单形式是由Sexton 等人提出的两阶段DEA,此模型未考虑各阶段间的关联性和创新系统的整体性,此后提出的链式关联网络DEA、网络SBM（Slack-based-model）模型等解决了中间投入及阶段关联性问题[23,24]。本文采用Tone 等人提出的基于松弛变量测度的非径向非角度的网络SBM 模型计算知识凝结效率、市场转化效率和创新总效率,此模型运用非射线的估计方法同时评估系统整体及子决策过程的效率,效率值随着投入与产出的松弛程度变化而严格单调递减[25]。
1.3.2 核密度估计
核密度估计作为一种重要的非参数方法,常用于研究变量非均衡分布问题[26]。该方法主要通过对随机变量的概率密度进行估计,用连续的密度曲线描述随机变量的分布形态。根据核密度估计结果的图形可以得到变量分布的位置、形态和延展性等3个方面的信息。本文中的位置信息可说明创新效率的高低;形态可用来分析创新效率的空间差异大小与极化程度,其中波峰高度、宽度反映差异大小,波峰数量反映极化特征;从延展性来看,拖尾越长则创新效率的空间差异越大。

2 中国两阶段创新效率空间格局动态演变特征

2.1 中国两阶段创新效率时序变化特征

运用网络DEA-SBM模型对中国2008~2015年间创新效率进行测度,结果发现（图2）：创新过程的创新总效率、知识凝结效率和市场转化效率均呈现波动上升的趋势,研究期末三者效率值各为0.36、0.39、0.43,年均增速分别达到1.53%、2.12%和1.96%。但2012年以来增速下滑明显,其中2012~2014年知识凝结效率年均增速仅为0.27%,相对于全国研究与试验发展（R&D）经费支出年均9.37%的增幅来看,现阶段依靠增加创新资金投入来提高创新效率的规模报酬递增效益在下降。从发展阶段来看,中国经济发展模式正处在由“高投入、高消耗、高排放”的粗放型增长向创新驱动发展转变的起步阶段,创新资源的吸纳消化能力相对较弱,加上资源分配不合理、利用浪费等行为产生的投入冗余与产出低效问题的存在,致使中国创造总效率及各阶段效率整体处在较低水平。再者,近年来中国不断加大对基础研究的投入,以2015年为例,基础研究经费投入增幅分别为应用研究和试验发展研究的1.8倍和2倍。但由于基础研究具有周期长、见效慢的特点,以论文、著作为主的知识产出增幅较小,导致了知识凝结阶段效率出现小幅下跌,从长远来看,基础研究是应用研究和试验发展研究的基石,后期效益将凸显。
Fig. 2 Trend of China’s innovation efficiency in 2008-2015

图2 2008~2015年中国两阶段创新效率均值变化趋势

从省域创新两阶段效率核密度分布来看各创新阶段效率值分布格局动态（图3）,创新总效率、知识凝结效率、市场转化效率分布均向右偏移,说明各效率总体水平均在提高。各效率的左偏态分布形态未变,表明各阶段仍以低效率区居多。从波峰来看,三者波峰均明显下降,尖峰退化为宽峰,地区间收敛性下降,右侧拖尾愈加显著,创新效率高值区在凸显,其中创新总效率波峰基本被削平,地区差异化发展明显,有从“双峰俱乐部”向“多峰俱乐部”演化的趋势。
Fig.3 Kernel density analysis of China's two-stage-innovation efficiency in 2008-2015

图3 2008~2015年中国两阶段创新效率核密度趋势

2.2 中国省域创新两阶段效率空间分异特征

通过分析发现,绝大部分省份各阶段效率值位次变动区间较小,存在一定的发展惯性。故本文对效率值取多年平均值,并采用自然断裂点法[27]将创新总效率、知识凝结效率、市场转化效率划分为3个等级,从低到高表示为低转化效率、中转化效率、高转化效率（图4）。从创新总效率来看,高转化效率区除重庆市位于西部地区,浙江、北京、江苏、天津、山东、广东和上海均位于东部沿海地区,中转化效率主要集中在中部地区,低转化效率大部分位于西部地区。创新效率较高的省(区、市)是创新资源禀赋较高,经济发展水平较好的地区,调动资源的能力较强,基本沿沿海经济带和长江经济带分布。
Fig. 4 Breaking point classification of China’s average innovation efficiency in 2008-2015

图4 2008~2015年中国省际创新效率均值断裂点分级

分阶段来看,浙江省是唯一的创新总效率和两阶段效率均处在高转化效率的省份,这主要得益于浙江省民营经济发达,中小企业众多,县域经济较强,利于培养企业家精神,德鲁克曾指出企业家精神的本质是有目的、有组织的系统创新,可充分调动、利用创新资源。此外浙江省注重创新平台建设,搭建创新成果转化的桥梁,如在2002年率先建立了网上技术市场,开创了国内技术市场网上交易先河,现已成为浙江省聚集最新技术成果和企业技术需求的“洼地”。江苏、广东、山东知识凝结效率较高且强于成果市场化效率,这3省的基础和应用研究R&D经费（人员）投入量较大,长期位列全国前六位,是全国高校、科研机构和企业重要聚集地,以国内专利授权量来看创新产出,2015年3省的产出总量分别位居全国第1、2、4位,是全国主要的知识凝结地,但3省的科研成果市场化效率相对较低,应及时纠正当下“重数量、轻质量”的科研评价体系,提高科研成果质量,做好市场对接。另外3省的试验与发展经费（人员）投入强度明显高于基础与应用研究,市场转化阶段或存在投入冗余导致的效率低下问题。北京、上海、天津的知识凝集效率要低于市场转化效率,其中北京市的基础和应用研究R&D经费和人员投入量分别占到全国的22.69%和15.06%,上海市分别占到全国的9.12%和6.55%,存在着明显的创新投入空间分配不合理问题。但另一方面,北京市和上海市承担着众多国家重大攻关项目,是全国主要的基础研究基地,基础研究“投入高、回报慢”的特点影响了两市知识凝结的效率。而天津市的基础和应用研究经费投入虽然较高（第7位）但人员投入（第14位）相对不足,创新资金与人员投入错位明显,一定程度上降低了知识的凝结效率。湖北、湖南、安徽、辽宁4省的总效率和两阶段转化效率均处在中等水平,较之内地,这4省的经济、社会发展水平较高,创新资源相对富足,创新转化效率的提升空间较大,是发展为高创新转化效率的主要后备力量。黑龙江、山西、西藏、四川、贵州、云南、宁夏和海南7地的创新总效率、阶段效率均处在低位,这些地区经济基础较差,创新资源的吸纳和消化能力较弱,科研基础设施的不配套等因素影响了创新成果的转化效率。
从四大区域①(① 东部地区：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10省;中部地区：山西、安徽、江西、河南、湖北和湖南6省;西部地区：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12省（区、市）;东北地区：辽宁、吉林、黑龙江3省。)来看（图5）,① 东部地区的创新总效率和两阶段效率均高于全国平均水平且长期处在全国前列,但近年来市场转化效率增长势头骤降,处在低位徘徊水平,说明在各地科技创新政策鼓噪下产生了大量“低质”论文、专利等科研成果难以被市场有效利用;② 中部地区创新效率提升最快,创新总效率、知识凝结效率、市场转化效率在研究期内年均增速分别达到4.73%、6.51%和2.68%,到期末创新总效率接近全国平均水平,知识凝结效率水平向东部地区靠拢,但市场转化效率虽然增长势头较好,但仍处在全国末位,说明在新一轮产业革新阶段,中部地区产业层级与东部仍有较大差异,技术承接能力有限,虽然知识凝结效率较高,但未有匹配的成果转化市场;③ 西部地区创新各阶段效率增长缓慢,与全国平均水平增长步调基本一致,其创新总效率好于东北地区,知识凝集效率与东北地区相当,成果市场化效率已处在全国平均水平,西部地区创新效率的整体位次与提升主要得益于重庆市对创新资源的高效利用,如2008年后,重庆市相继引进了以惠普、富士康等为龙头的大批电子信息企业,形成了“3+6+400”的笔记本电脑产业集群,成为了东部地区产业转移的重要落脚点,随着新技术不断引进和产业链快速升级,本地基础研究将被带动发展。甘肃和陕西省的创新效率次之,其他西部省（区）长期处在全国末位。④ 东北地区的创新效率波动性较大,整体呈现下降趋势,其中黑龙江省长期垫底,辽宁省稳定在中游水平,走势的波动性主要来源于吉林省,这一定程度上说明了东北地区整体创新效率较低的同时创新系统也不够稳定。
Fig. 5 Trend of China’s innovation efficiency in regional scale from 2008 to 2015

图5 2008~2015年中国分区域创新效率变动趋势

自进入21世纪以来,“西部大开发”“振兴东北老工业基地”“中部崛起”“长江经济带”和“一带一路”等国土空间开发战略相继实施,中西部的基础设施建设水平迅速提升,打通了东中西部的资源流通渠道,提高了中西部创新资源配置能力,促进了中西部创新效率的提升,在中西部形成了像湖北、湖南、陕西、甘肃、重庆这样的中高创新效率中坚力量,带动着整个地区创新发展。而振兴东北老工业基地战略已进入第二轮实施阶段,东北地区的“经济结构失衡”“市场缺失”“体制束缚”“人口老龄化”等问题依然严峻,营商环境的恶化造成的“投资不过山海关”和人口的持续外流造成的人才缺失等进一步减缓了经济的转型升级和创新发展的步伐。东北地区在新一轮振兴战略下应着重解决“制度路径依赖”问题,创造良好的市场化环境,完善创新生态系统,提高创新各阶段效率[28, 29]。

3 中国创新效率影响因素分析

3.1 影响因素的指标选取

根据已有研究成果,本文从科研投入强度、科研队伍水平、市场化发育程度、对外开放程度、政府政策支持力度5个方面分析影响中国创新成果转化效率的原因。① 研发经费投入强度：当行业前景不明朗或研发投入回报率明显小于市场投资期望时,企业对R&D的投入将持谨慎态度,往往造成R&D的投入不足,相反则会造成投入冗余。有研究认为研发投入与创新绩效间呈倒U型曲线关系,存在投入最佳规模问题,故选取R&D经费投入占GDP的比重表示科研投入强度。② 科研队伍水平：根据Florida的“3T”理论,人才是科技活动的行为主体,是知识创造者、新技术的发明者、新产业开拓者,其在知识存量、知识结构和获取、吸收、转移隐性和显性知识等方面更具优势[30],地区劳动者素质越高往往具有更高的创新资源利用率,选取大专以上学历人口占地区总人口比重表示。③ 市场化发育程度：市场化水平较高的地区创新资源流通性较好,往往具有较高的调节配置能力,可有效协调“产学研”之间关系,促进创新效率的提升。本文选用王小鲁等等从政府与市场的关系、非国有经济的发展、产品市场的发展、要素市场的发育、市场中介组织的发育和法律制度环境5个方面构建的“中国分省份市场化指数”来衡量各地区市场化发育程度[31]。④ 对外开放程度：创新水平的提升主要来源于内部自主创新和外部引进吸收两个渠道,其中外商直接投资可通过竞争效应、人才流动、示范效应等对东道国产生“溢出效应”,同时在创新资源争夺中对东道国创新产生一定“挤出效应”。选取实际利用外商直接投资额和进出口贸易额占GDP的比重衡量地区对外开放程度。⑤ 政府政策支持度：政府研发资助政策可分散企业研发投资的风险,补偿因技术外溢带来的研发收益减少,具有“激励效应”。但政府资助往往具有选择性,偏好于科研机构、国有企业、大中型企业,使得小企业在创新资源获取上成本增加,具有一定“挤出效应”[32],故选取政府科学技术支出占财政支出比重表示政府政策因素。
关于估计模型的选择问题,经典的经济计量模型往往忽略空间因素的影响,从而造成回归结果的偏差,通过计算全局Moran's I指数对各阶段创新效率空间相关性的显著性水平进行检验（表1）,研究发现,2008~2015年间创新过程的各阶段存在一定的空间相关性,其中知识凝结效率和创新总效率的空间集聚分布特征明显强于市场转化效率。故本文选用空间面板计量模型分析影响因素,通过LM检验和Hausman检验选取空间滞后模型（SAR）为解释模型,矩阵选用0-1邻接矩阵,但从统计上很难有力区分空间滞后（SEM）与SAR模型的好坏,故表2将估计结果均列出以供参考[33]。
Table 1 Global Moran's I of China’s innovation efficiency in 2008-2015

表1 2008~2015年中国创新效率全局Moran's I指数值

2008年 2009年 2010年 2011年 2012年 2013年 2014年 2015年
创新总效率 / -0.067 0.164* 0.205** 0.170** 0.280*** 0.328*** 0.278**
/ (-0.305) (1.700) (1.844) (1.690) (2.685) (2.613) (1.518)
知识凝结效率 0.255** 0.356*** 0.329*** 0.331*** 0.315*** 0.371*** 0.351*** /
(2.394) (3.306) (2.906) (3.074) (2.770) (3.367) (3.097) /
市场转化效率 / -0.102 -0.014 -0.056 0.016 0.103* 0.130* 0.050
/ (-0.586) (0.170) (-0.139) (0.440) (1.258) (1.313) (0.669)

注：***、**、*分别表示通过1%、5%、10%显著性检验;括号内为Z的统计值;“/”为无此项。

Table 2 Influence factors of China’s innovation efficiency based on Spatial Panel Model

表2 中国创新总效率影响因素空间面板估计结果

OLS SEM SAR
研发经费投入强度 0.0314*(1.78) -0.0814**(-2.35) -0.0853**(-2.22)
科研队伍水平 -0.0015(-0.54) 00095***(3.20) 0.0102***(3.28)
市场化发育程度 0.0356***(5.12) 0.0059(0.68) 0.0073(1.67)
对外开放程度 -0.0028(-0.87) -0.0005(-0.14) -0.0007(-0.20)
政府政策支持度 0.0292*(1.67) 0.0379**(2.11) 0.0301*(1.62)
λ / 0.2141**(3.07) /
ρ / / 0.2202**(2.21)
R2 0.4274 0.4350 0.4038

注：***、**、*分别表示通过1%、5%、10%显著性检验;括号为t或Z的统计值;“/”为无此项;λ、ρ为模型空间溢出系数。

3.2 模型结果分析

由表2可得,根据普通最小二乘法（OLS）估计结果,研发经费投入强度、市场化发育程度和政府政策支持度对创新效率的提升存在显著正向影响,科研队伍水平和对外开放程度对创新效率的影响并不显著。但由于OLS模型忽视了空间因素,结果往往存在偏差,从空间面板回归模型来看,模型空间系数均显著为正,说明省份间创新效率存在显著地空间溢出效应,创新效率的空间溢出不仅来自于省份间追求资源效益最大化引发的攀比效应,也来自于影响因素在空间上相关性带来的溢出。
分影响因素来看,① 研发经费投入强度对创新效率影响显著为负,表明研发经费存在投入冗余问题,经费的增加并未带动创新效率的提升,在全国、区域、产业层面普遍存在研发投入粗放型增长与全要素生产率降低并存的“索洛悖论”现象[3]。创新效率的低位徘徊并非直接来源于资金的投入不足,更大的可能是受制于体制机制、市场环境等外部因素。② 科研队伍水平的提升可显著提高地区创新效率,与先期理论假设一致。相对研发资金的投入,研发人员的投入呈现相对不足,地区通过出台积极人才吸引战略可有效推动创新效率的提升。③ 市场化发育程度与地区创新效率间的正向相关性并不显著,表明地区间“行政区经济”现象明显,创新资源往往掌握在具有政策特权的“高地”,现阶段市场化改革与制度创新是释放新一轮改革开放红利的关键,地方政府应该摒弃过去“选方向—立项目—建团队—组织实施”的创新老思路,需将重点放在培育市场之上,依靠市场力量调配创新资源,提高地区创新效率。④ 对外开放程度对创新效率的影响呈现不显著负相关,一方面说明当下中国创新水平显著提高,国内外技术差异在缩小,依靠技术引进和外商投资带来创新收益在下降,外资企业同国内企业创新资源的争夺在加剧,影响着国内企业、机构对创新资源的配置效率。另一方面,国外资本一般投资于生产加工环节,而设立的研发中心往往利用国内人力资本,将创新成果转移至国外总部,核心技术在国内的溢出效果较差,对地区创新效率的提升并不显著。⑤ 政府政策支持对地区创新效率的提升效果明显,政府是创新资源投入的主要承担者,政府在基础研究领域的大力投入是创新持续发展的保障。加大政府政策支持力度是调动个体创新积极性、提高创新资源配置效率的重要手段。

4 结论与讨论

本文从探究中国以R&D经费常年呈两位增长态势为代表的创新资源高强度投入下创新效率问题出发,采用网络DEA-SBM模型打开创新过程的黑箱,分析了全国、区际、省际间各阶段效率变动趋势与地区差异特征,利用空间面板计量模型尝试解释了影响原因,得出如下结论：
1） 中国知识凝结效率、市场转化效率与创新总效率整体处在低位水平,三者增长态势基本一致,呈现以1.5%~2.1%的年均增速波动增长,其中知识凝结效率近年来增幅下滑明显。从省际创新效率变动特征上看,知识凝结效率低值集聚分布形态变动不大,市场转化效率的地区差异化发展趋势明显,而创新总效率有演变为高值与低值集聚分异的“多峰俱乐部”分布的趋势。
2） 创新效率存在显著的区际差异与空间相关性,创新效率高值区主要分布在东部沿海地区,全国呈自东向西阶梯递减分布格局。近年来,东部地区各创新阶段效率均呈现下滑趋势,整体呈现倒“U”型走势,存在着在科技政策鼓噪下创新资源高投入、低质产出、成果市场化利用低的问题。中部地区在各创新阶段是增速最快地区,但市场转化率较低,产业结构亟待升级,市场技术吸纳能力亟需提高。西部地区的创新效率基本处在全国末位水平且增长缓慢,通过培养创新资源禀赋相对较高省份的创新能力可带动整个地区创新效率的提高。东北地区创新效率稳定性较差、波动性较高,处理好历史遗留问题,突破体制禁锢,维持创新支持政策的长久连贯性是提高东北地区创新效率的关键。近年来,创新效率在地区间的空间相关性不断增强,从阶段上看,知识凝结效率>创新总效率>市场转化效率,存在显著的空间溢出效应。
3） 从空间面板计量模型分析结果上看,科研队伍水平、政府政策支持力度的提高对创新效率的提升均有显著的提升作用,市场化发育程度和对外开放程度对创新效率的影响不显著,持续增加研发经费投入强度对创新效率的提升起到抑制作用。其中从研发投入上来看,相对于资金投入强度,更多的地区表现为人力资本的投入不足,且在现阶段科研体制机制改革滞后情况下,科研经费的使用存在分配不合理、利用浪费、考核体系脱离实际等问题进一步抑制了创新效率提高。市场与政府均是提高地区创新效率的有效手段,根据实际经验来看市场与政府的职责明晰是创新发展永葆活力的关键。另外,在继续深化改革开放的同时,注重本地创新能力的培育将显著提高创新资源的利用效率。
根据以上研究,本文认为应主要从以下几个方面提升地区创新效率水平：
首先,从创新主体上来看：① 企业亟需提高自身研发能力。2015年中国规模以上工业企业研发经费投入占主营业务收入比重只有0.9%,中国500强企业研发投入平均强度为1.48%,仅是世界500强企业研发投入强度的30%左右。企业研发投入较低形成了对高校和科研机构技术研发服务较高需求依存度;② 高校和科研机构亟需制定合理的科研评价体系、明晰成果产权、合理分配成果转化收益。高校和科研机构的资源配置模式相对封闭,科研方向选择与成果评价缺乏市场检验,一刀切的评价体制导致了“重量轻质”的成果大量产出,造成科研资源的极大浪费。此外高校和科研机构科研成果产权不明晰,收益分配不合理等问题严重制约了科研人员进行成果转化的积极性。
其次,从创新阶段上来看：政府应着重增加知识凝结阶段基础研究的科研投入力度。2015年中国基础研究投入占全社会研究与试验发展（R&D）经费投入的5.05%,而世界主要经济发达国家均在15%以上。对基础研究投入的不足造成了一些重大、颠覆性技术难以突破,核心知识产权难以掌握。加上国外的高技术封锁,中国面对新一轮科技革命与产业变革举步维艰,经济增速持续下滑。
再者,分区域而言：区域内重视水平合作创新,区际间重视垂直协作创新。中国人口、经济和科技创新要素呈现明显的东中西阶梯式分布格局,东部地区是中国创新资源最富集地区,区内各创新主体应相互合作、错位发展,避免恶性竞争与重复研发造成的资源浪费。中西部与东部之间存在着明显的知识存量与技术代际间的差距,通过区际间垂直协作创新不仅可有效提高东部地区创新资源利用率,并可推动相关产业向中西部转移,带动整个国家创新效率的提升。其中东部地区应着重解决知识凝集阶段“低质”成果大量产出问题。中部地区解决好产业升级改造,增强知识、技术的市场吸纳能力,提高市场转化阶段效率。西部地区通过提升资源禀赋较好的省份创新能力带动整个地区创新效率提升。东北地区需要保持长久稳定的创新发展支持政策来突破对传统发展模式的路径依赖。
虽然本文利用网络DEA-SBM模型将创新过程的“黑箱”打开,探究了创新过程的阶段性和区际差异,总结分析了影响机理。但限于数据可获得性,投入与产出指标并未能穷举,限于篇幅,本文对知识凝结阶段和成果市场转化阶段的影响机理着墨不多,另外在影响因素部分本文着重总结了一般性规律特征,但由于中国幅员辽阔,各地区间自然、经济、社会发展差异较大,个性特征可进一步深入剖析影响地区创新效率的机理,这些将是未来研究的重点。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
吕拉昌, 黄茹, 廖倩.创新地理学研究的几个理论问题[J].地理科学,2016,36(5):653-661.lt;p>创新地理学是研究人类创新活动与地理环境关系的地域系统,是一门独立的人文地理分支学科,具有交叉学科的性质。其研究的“人类创新活动”是人类活动的最为重要的方面,对智慧的人地关系系统建设具有重要的意义。创新地理学与其他人文地理学的分支学科具有密切的联系,也与政治学、管理学、经济学、政策学、城市规划等学科有关,创新地理学面临的主要任务是：<i>① </i>创新地理学基本理论的研究;<i>② </i>创新要素（人才、资本、技术等）在空间的地域分布与组合规律的研究;<i>③ </i>创新环境、创新生态及评价研究;<i>④ </i>创新地理测度、创新空间格局与效应的研究;<i>⑤ </i>创新联系、创新网络及创新集群的研究;<i>⑥ </i>多尺度的创新体系的研究;<i>⑦ </i>创新、城市发展与规划的研究。</p>

DOI

[Lyu Lachang, Huang Ru, Liao Qian.Several theoretical issues on innovation geography. Scientia Geographica Sinica,2016,36(5):653-661.]

[2]
蔡跃洲, 付一夫. 全要素生产率增长中的技术效应与结构效应——基于中国宏观和产业数据的测算及分解[J]. 经济研究,2017,52(1):72-88.宏观全要素生产率增长可分解为代表普遍技术进步的技术效应和要素流动配置的结构效应。本文利用中国宏观及产业数据,在增长核算基础上将TFP增长分解为技术效应和结构效应,据以对改革开放以来不同阶段中国经济增长的来源进行细致剖析。实证结果表明:(1)得益于后发优势,1978—2014年间中国经济增长整体质量较高,增长动力约1/3来自技术水平的普遍提升,而结构效应的作用仅为技术效应的1/5。(2)2005年以后,中外技术差距的缩小导致后发优势逐步衰减,技术进步对经济增长的支撑作用迅速下降;而结构效应对经济增长的贡献度不断提高,并维持了较高的TFP增长率;该趋势在二、三产业尤为突出,这也是工业化和城市化推进的结果。(3)金融危机后,产能过剩的钢铁、水泥所属领域和"金融与保险"、"房地产"等细分行业技术停滞或倒退却积累了更大比重的要素,存在要素资源配置"逆技术进步倾向";要素驱动特征不断强化,至2014年才出现扭转迹象。宏观和产业TFP增长是未来保持中国经济中高速增长、提高经济增长质量的重要支撑。短期内应着力优化产业结构,将要素资源引导到技术和效率水平更高的细分行业,借助结构效应实现TFP增长;中长期则要实施好创新驱动发展战略,切实推动各行业技术进步。

[Cai Yuezhou, Fu Yifu.The technical and structural effects of TFP growth: measurement and decomposition based on China’s macro and sector data. Economic Research, 2017,52(1):72-88.]

[3]
李静, 楠玉, 刘霞辉. 中国研发投入的“索洛悖论”——解释及人力资本匹配含义[J]. 经济学家,2017(1):31-38.无论是全国层面、区域层面还是产业层面,中国当前均存在研发投入递增与全要素生产率递减同时并存的困境,表现出研发投入的"索洛悖论"现象,且"索洛悖论"出现在研发强度为5-6的区间。通过构建一般均衡理论模型和实证研究框架,本文从理论和经验两个方面给出理解这一反常结果的形成机制。研究发现,研发投入"索洛悖论"产生的原因之一是中国研发投入与研发人力资本投入错配,直接后果是持续创新失去人力资本依托。最后,基于中性技术进步和偏向性技术进步两个维度,进一步实证发现,实现人力资本与研发投入匹配,可以规避研发投入递增与技术进步递减同时并存的困境。而实施条件是加强人力资本投入在创新中的作用,以及改变因政策偏向、资源垄断以及要素市场扭曲等导致人力资本错配的机制。

[Li Jing, Nan Yu, Liu Xiahui.The “Solow Paradox” of China's R&D——Explanation and implication of human capital matching. Economist, 2017(1):31-38.]

[4]
周程, 张杰军. 跨越创新过程中的 “死亡之谷”——科技成果产业化问题刍议[J]. 科学学与科学技术管理,2010(3):50-55.死亡之谷"已成了西方科技政策与创新管理学界用来形象地描述大量科技成果无法实现商品化、产业化之现象的流行用语,各国政府对推动基础研究成果跨越创新过程中的"死亡之谷"一事都非常重视。考察了近年来美日两国政府针对本国的"死亡之谷"特点所采取的政策措施,指出了两者之间的一些政策差异,并在此基础上分析了中国在创新过程中所遭遇到的困难,解释了"死亡之谷"现象在中国表现得尤为明显的原因。最后还对中国政府如何提高科技成果转化率问题进行了探讨,并提出了一些原则性的政策建议。

[Zhou Cheng, Zhang Jiejun.To span the ″valley of death″ in the innovation process: About industrialization of scientific and technical achievements. Science of Science and Management of Science and Technology, 2010(3):50-55.]

[5]
Bush V.Science, the endless frontier: A report to the President[M]. Washington: US Governmen Print Office, 1945.

[6]
孙早, 许薛璐. 前沿技术差距与科学研究的创新效应——基础研究与应用研究谁扮演了更重要的角色[J]. 中国工业经济,2017(3):5-23.当中国的科研投入总量开始被归入世界第一梯队、总体科技水平逐步接近世界前沿水平(前沿差距缩小)时,国家的科研投入方向(偏向应用还是偏向基础)开始在越来越大的程度上决定着科学研究对创新增长的贡献度。本文从理论与经验两个层面证明,面对不同的前沿差距水平,客观上存在一个最优技术差距水平,当前沿差距小于最优技术差距时,应用研究投入持续维持在一个过高水平上将会对创新增长产生抑制作用;持续加大基础研究投入则可通过增强本国企业自主创新能力,缩小最优技术差距,扭转应用研究对创新增长边际递减的负面效应。本文的政策含义是,中国产业发展正处在一个新的历史性拐点之上,只有持续保持对基础研究投入的强劲势头,才能最终使得中...

[Sun Zao, Xu Xuelu.Technology distance to frontier and the innovative effect of scientific research——Which one plays more important role, basic research or applied research. Chinese Industrial Economy, 2017(3):5-23.]

[7]
肖文, 林高榜. 政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J]. 管理世界,2014(4):71-80.技术创新能力培育是技术进步的微观保障。长期以来,从中央到地方各级政府都积极鼓励培育企业的技术创新能力。但是政府对于市场研发活动的支持存在一定的脱节,尤其是政府追求远期目标与企业追求短期目标形成了较大的冲突,加之企业销售与研发管理之间的不匹配现象,使得技术创新效率大受影响。本文采用随机前沿分析方法,测算了36个工业行业的技术创新效率。结果发现,中国整体平均技术创新效率在0.5~0.6之间,且市场化导向的技术创新效率明显低于非市场化导向的技术创新效率。通过影响因素的甄别,我们发现,政府的直接和间接支持并不利于技术创新效率的提升;带有销售管理色彩的企业研发管理仅对市场化导向的技术创新效率有积极贡献;境外研发资金的投入有利于非市场化导向的技术创新效率提升,相反,行业外资比重则更有利于市场化导向的技术创新效率提升。

[Xiao Wen, Lin Gaobang.Government support, R&D management and technological innovation efficiency: An empirical analysis based on China's industrial sector. Management World, 2014(4):71-80.]

[8]
Sampat B N.Patenting and US academic research in the 20th century: The world before and after Bayh-Dole[J]. Research Policy, 2006, 35(6): 772-789.The dramatic growth of patenting and licensing of publicly funded research by American research universities in the closing quarter of the 20th century has stimulated some of the highest-profile debates in science and technology policy today. The issue of what aspects of academic research should be public – and what private – lies at the heart of each of these debates. The movement of academic scientists into commercialisation of discoveries and inventions has been extolled by some as a new model of academic research, one which facilitates economic and social returns from universities. At the same time, this trend has been criticised by others as representing a socially inefficient ‘privatisation’ of academic research and as a threat to the ethos of science itself. This paper places these debates in historical context, with a review of changes in American universities’ patenting policies, procedures and practices throughout the 20th century, an assessment of the logic underlying the passage of the Bayh-Dole Act of 1980, and an overview of its effects on economic returns from university research.

DOI

[9]
Dushnitsky G, Lenox M J.When do incumbents learn from entrepreneurial ventures? : Corporate venture capital and investing firm innovation rates[J]. Research Policy, 2005, 34(5): 615-639.

DOI

[10]
张学勇, 张叶青. 风险投资、创新能力与公司IPO的市场表现[J]. 经济研究,2016,51(10):112-125.本文以公司创新能力作为研究视角,基于2003—2012年的中国A股市场数据,实证分析了风险投资支持的公司在IPO时点的创新能力对公司上市之后市场表现的影响,进而印证了风险投资支持的公司较好的IPO市场表现是受内在创新能力所驱动。研究发现:(1)首先,在IPO之前风险投资会帮助公司提高创新能力;(2)同样接受了风险投资,在IPO之前拥有专利的公司相对于那些缺乏创新能力的公司,IPO的抑价率更低,长期回报率更高;(3)缺乏创新能力的公司与没有风险投资支持的公司相比,在市场表现方面并没有显著差异。总体而言,创新能力对风险投资支持的IPO公司的市场表现具有显著的驱动作用,创新能力的建立才是风险投资支持的公司获得更好的IPO市场表现的关键。

[Zhang Xueyong, Zhang Yeqing.Venture capital capability and post-IPO performance. Economic Research,2016,51(10):112-125.]

[11]
Drucker P.Innovation and entrepreneurship[M]. London: Routledge, 2014.

[12]
Schumpeter J A.Socialism, capitalism and democracy[M]. New York: Harper and Brothers, 1942.

[13]
Arrow K.Economic welfare and the allocation of resources for invention[M]//The rate and direction of inventive activity: Economic and social factors. Princeton: Princeton University Press, 1962: 609-626.

[14]
Guan J C, Yam R C M. Effects of government financial incentives on firms’ innovation performance in China: Evidences from Beijing in the 1990s[J]. Research Policy, 2015, 44(1): 273-282.The purpose of this paper is to investigate the effects of Chinese government financial incentives on firms鈥 innovation performance during the nation's initial economic transition period in the mid-1990s. Through a large-scale empirical survey of more than 1000 Chinese manufacturing firms, the empirical evidences show that whereas the major government financial incentives such as Special Loans and Tax Credits were positively influential to innovative economic performance of firms, Direct Earmarks not only failed to enhance innovative economic performance, it sometimes negatively affected it. Surprisingly, the findings show that all financial incentives of governments were unrelated to the patents of either high-tech or general firms and Direct Earmarks affected the patents of these firms negatively, although not to a significant degree. This indicates that the centrally planned funding system of the 1990s was ineffective for enhancing technological progress for Chinese manufacturing firms. The study results imply that the Chinese government should further increase the role of market force in its reforms. A more market-driven model by developing more S&T initiatives to match the strategic directions of different enterprises, particularly SOEs, is recommended.

DOI

[15]
杜志威, 吕拉昌, 黄茹. 中国地级以上城市工业创新效率空间格局研究[J]. 地理科学,2016,36(3):321-327.lt;p>以中国288个地级以上城市为研究对象,运用2008年第二次全国经济普查工业创新活动数据,综合考察城市工业创新效率的空间格局及其影响因素。首先,从投入和产出两方面构建了中国城市工业创新效率评价体系,运用DEA包络分析方法,从规模效率和纯技术效率两个维度对城市工业创新技术效率进行分析。然后,以聚类分析划分了3类工业创新效率城市,总结工业创新效率模式的空间特征,并分析了影响空间格局的原因。研究发现：中国城市工业创新效率呈现东强西弱,阶梯状减弱的总体空间格局,工业创新规模效率和纯技术效率的空间特征并不重合;全国尺度上,工业创新效率城市的空间分布与人口密度&#x0201c;黑河<i>-</i>腾冲&#x0201d;线的分布基本一致,区域尺度上,城市间呈现&#x0201c;核心<i>-</i>边缘&#x0201d;空间结构;城市工业创新效率空间格局受到工业发展基础与工业创新能力影响,提高城市工业创新效率关键在于提升工业创新中人力资本要素和优化工业创新投入规模。</p>

DOI

[Du Zhiwei, Lyu Lachang, Huang Ru.Spatial pattern of industrial innovation efficiency for Chinese cities at prefecture level and above. Scientia Geographica Sinica,2016,36(3):321-327.]

[16]
谭俊涛, 张平宇, 李静. 中国区域创新绩效时空演变特征及其影响因素研究[J]. 地理科学,2016,36(1):39-46.通过构建创新投入、产出指标体系,运用创新产出和创新效率两个因素表征区域创新绩效,并对区域创新绩效的时空演变特征进行分析,结果显示:创新绩效高值区域分布在东部沿海和长江沿岸地区,这种分布格局和T字形国土开发结构存在着高度的吻合,区域创新绩效的极化现象越来越明显;创新产出的区域差异最大,创新效率的区域差异最小;创新投入和创新产出的区域差异呈增大趋势,创新绩效和创新效率的区域差异呈现出先减小后缓慢增大的趋势。通过回归建模分析,探讨了区域创新基础、产业集群环境、产学研联系质量、政府支持、技术溢出效应等因子对于区域创新绩效的影响,发现区域创新绩效受创新基础和政府支撑的影响最大,受产学研联系质量的影响次之,而产业集群环境和技术溢出效应对区域创新绩效的影响较小。

DOI

[Tan Juntao, Zhang Pingyu, Li Jing.Spatio-temporal characteristics of regional innovation performance and its influencing factors in China. Scientia Geographica Sinica,2016,36(1):39-46.]

[17]
覃雄合, 杜德斌, 刘树峰,等. 中国省际高校科研成果转化效率时空格局与影响因素——基于网络SBM模型的评价[J]. 地理研究,2017,36(9):1641-1652.基于科研成果转化价值链视角,将高校科研成果转化过程分解为知识获取、技术创新和价值转化三个阶段,采用网络SBM模型测算2004-2014年中国省际高校科研成果各阶段转化效率及综合效率,并利用面板Tobit模型考察高校科研成果转化效率的影响因素。结果表明：（1）中国高校科研成果转化效率总体较低但呈逐年上升趋势,中国东部地区和西部地区高校科研成果转化效率存在显著差异性,中国东部地区高校科研成果转化平均效率最高,西部地区最低。（2）从分阶段效率来看,中国高校的知识获取效率和价值转化效率随着时间的推移而逐年降低,而技术创新效率在此期间呈现大幅度提升;东部沿海地区省份的技术创新效率较高、知识获取效率较低,西部地区与之相反。（3）针对高校科研成果转化效率的影响因素分析表明：地区禀赋、研发人才质量对高校科研成果转化效率有显著的正向影响;金融发展程度对高校科研成果转化效率影响不显著,主要原因在于中国金融发展程度较低,不足以支撑高校科研成果转化。

DOI

[Qin Xionghe, Du Debin, Liu Shufeng et al. Spatial-temporal pattern and influencing factors in transforming efficiency of scientific research achievements of universities on a provincial scale in China based on the network SBM method. Geographical Research,2017,36(9):1641-1652.]

[18]
Hansen M T, Birkinshaw J.The innovation value chain[J]. Harvard Business Review, 2007, 85(6): 121.

[19]
国家统计局, 科学技术部. 中国科技统计年鉴[M]. 北京: 中国统计出版社, 2007-2015.

[National Bureau of Statistics of China, The Ministry of Science and Technology. China statistical yearbook on science and technology. Beijing: China Statistics Press, 2007-2015.]

[20]
国家统计局. 中国统计年鉴[M]. 北京:中国统计出版社, 2007-2015.

[National Bureau of Statistics of China. China statistical yearbook. Beijing: China Statistics Press, 2007-2015.]

[21]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2007-2015.

[National Bureau of Statistics of China. China Urban Statistical Yearbook. Beijing: China Statistics Press, 2007-2015.]

[22]
佟连军, 宋亚楠, 韩瑞玲,等. 辽宁沿海经济带工业环境效率分析[J]. 地理科学,2012,32(3):294-300.环境效率是生态效率的重要组成部分。基于环境效率对于指导区域经济与环境协调发展的重要意义,以重工业基地辽宁沿海经济带为例作环境效率研究,应用数据包络分析(DEA)和随机前沿分析(SFA)测算辽宁沿海经济带2001~2009年工业环境效率和产出弹性。在此基础上利用Tobit模型构建多元线性回归,分析工业环境效率的关键影响因素。结果表明:2001~2009年辽宁沿海经济带工业环境效率有大幅提高,但与理想状况仍有一定差距。其中大连的工业经济增长主要依靠劳动力推动,对环境成本的依赖正在减小,丹东、营口和葫芦岛3 市的工业增长需要牺牲更多的环境成本。重工业化、资本密集化和高新技术化不利于工业环境效率提高,经济发展水平的提高则极大地促进了工业环境效率的提高。所有制结构、生产规模、外商投资和环境管理力度等因素因其作用的两面性,对工业环境效率无有效影响。

DOI

[Tong Lianjun, Song Yanan, Han Ruiling et al. Analysis of industrial environmental efficiency of Liaoning coastal economic belt. Scientia Geographica Sinica, 2012,32(3):294-300.]

[23]
余泳泽, 刘大勇. 我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J]. 管理世界,2013(7): 6-20.基于创新价值链视角,本文将创新过程分为知识创新、科研创新和产品创新3个阶段,并利用三阶段DEA模型考察了各阶段的创新效率。由于各阶段创新效率表现出较为明显的空间相关性,本文采用多种空间面板模型和设置多重空间权重矩阵的方法,分析了创新的空间外溢效应和价值链外溢效应。研究显示,产品创新效率与知识创新效率之间产生了明显的价值链外溢效应,产品创新效率和科研创新效率之间也产生了明显的价值链外溢效应,而科研创新效率与知识创新效率之间没有形成较为明显的价值链外溢效应。就创新效率的空间外溢效应而言,创新价值链视角下的各阶段创新效率都表现为较为明显的空间外溢效应。

[Yu Yongze, Liu Dayong.The effect of the space outflow of China's regional innovation and the effect of the outflow of value chains: A study, from the perspective of the innovative value chain on the model of the panel of multidimensional space. Management World, 2013(7): 6-20.]

[24]
Guan J, Chen K.Measuring the innovation production process: A cross-region empirical study of China’s high-tech innovations[J]. Technovation, 2010, 30(5): 348-358.

DOI

[25]
Tone K, Tsutsui M.Network DEA: A slacks-based measure approach[J]. European Journal of Operational Research, 2009, 197(1): 243-252.Traditional DEA models deal with measurements of relative efficiency of DMUs regarding multiple-inputs vs. multiple-outputs. One of the drawbacks of these models is the neglect of intermediate products or linking activities. After pointing out needs for inclusion of them to DEA models, we propose a slacks-based network DEA model, called Network SBM, that can deal with intermediate products formally. Using this model we can evaluate divisional efficiencies along with the overall efficiency of decision making units (DMUs).

DOI

[26]
孙才志, 李欣. 基于核密度估计的中国海洋经济发展动态演变[J]. 经济地理,2015,35(1):96-103.通过构建人均海洋产值和海岸线经济密度的核密度函数模型与基尼系数,以我国沿海11个省份为例,利用2000—2012年的数据描绘了海洋经济发展的动态演变趋势与规律,并利用基尼系数对其进行空间分析。通过核密度函数分解得出我国海洋经济发展动态是呈单峰分布的,在人均海洋产值年度差异分解中,占据主导地位的是均值效应,多年平均值为88.79%,其次是方差效应,多年平均值为11.21%;在海岸线经济密度年度差异分解中,占据主导地位的仍是均值效应,多年平均值为86.91%,其次为方差效应,多年平均值为13.09%,由此可见,均值效应与年度差异分布总效应的方向基本相同。通过基尼系数,从空间维度评价不同年度的空间差异,并通过基尼系数差值与方差效应进行对比分析,从而在时空两个维度上全面刻画我国沿海地区海洋经济发展的动态演变规律。

DOI

[Sun Caizhi, Li Xin.Dynamic evolution analysis of China's marine economy development based on kernel density estimation. Economic Geography, 2015, 35(1):96-103.]

[27]
程钰, 任建兰, 陈延斌,等. 中国环境规制效率空间格局动态演变及其驱动机制[J]. 地理研究,2016,35(1):123-136.环境规制效率评价是评估政府环境治理绩效的重要方式和途径。运用数据包络分析方法(DEA模型)测度中国环境规制效率,结合变异系数、基尼系数、空间自相关以及Tobit模型,探讨中国环境规制效率空间演变特征,并探究环境规制效率影响因素及驱动机制,研究表明:1 2000-2012年中国各地区环境规制效率呈现波动上升趋势,变异系数、基尼系数呈现"综合效率规模效率纯技术效率"态势;2环境规制综合效率、纯技术效率和规模效率随着经济发展水平的提高逐渐递增,且呈现东部地区东北地区中部地区西部地区的空间分异特征,环境规制效率空间集聚态势明显;3经济发展、城镇化、技术投入、市场化、全球化等与环境规制效率呈显著性正相关,而产业结构(工业产值占GDP比例)与环境规制效率呈显著性负相关。研究结果可为实现区域可持续发展提供一定的指导和借鉴。

DOI

[Cheng Yu, Ren Jianlan, Chen Yanbin et al. Spatial evolution and driving mechanism of China's environmental regulation efficiency. Geographical Research, 2016, 35(1):123-136.]

[28]
陈耀. 新一轮东北振兴战略要思考的几个关键问题[J]. 经济纵横,2017(1):8-12.新一轮东北振兴需要思考几个关键问题：东北老工业基地振兴“黄金十年”的产生原因、近年东北地区经济增长面临的困局、重塑东北营商环境、推进国有企业改革激发市场活力,再造制造业新优势和创新开放合作。科学认识这些问题,对加快实现东北老工业基地全面振兴至关重要。

[Chen Yao.Several key issues about the strategy of a new round of revitalization. Economic Review, 2017(1):8-12.]

[29]
金凤君, 王姣娥, 杨宇,等.东北地区创新发展的突破路径与对策研究[J].地理科学,2016,36(9):1285-1292.lt;p>在阐述创新发展与全面振兴关系基础上,深入剖析了创新发展的重要性、实施路径和对策措施抓手,提出了重构产业发展的智库体系、实施精准人才行动计划、促进大农业稳基增效计划、创新链支撑产业链行动等新思路、新模式和新机制,以及以功能区为平台构建创新发展环境与区域创新载体的观点。</p>

DOI

[Jin Fengjun, Wang Jiaoe, Yang Yu et al. The paths and solutions of innovation development in Northeast China. Scientia Geographica Sinica, 2016, 36(9):1285-1292.]

[30]
Florida R.The rise of the creative class——Revisited: Revised and expanded[M]. New York: Basic Books (AZ), 2014.

[31]
王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[D]. 北京: 社会科学文献出版社, 2016.

[Wang Xiaolu, Fan Gang, Yu Jingwen. Report on marketization index of provinces in China (2016). Beijing: Social Sciences Academic Press,2016]

[32]
郭迎锋, 顾炜宇, 乌天玥, 等. 政府资助对企业 R&D 投入的影响——来自我国大中型工业企业的证据[J]. 中国软科学, 2016 (3): 162-174.

[Guo Yingfeng, Gu Weiyu, Wu Tianyue et al. The impact of government funding on business R&D expenditure. China Soft Science, 2016(3): 162-174.]

[33]
迈克尔D 沃德, 克里斯蒂安·格里蒂奇. 空间回归模型[M]. 上海:格致出版社, 2016.

[Michael D Ward, Kristian Skrede Gleditsch.Spatial regression model. Shanghai: Truth & Wisdom Press,2016.]

Options
文章导航

/

〈 〉