中国高技术产业科技成果转化效率探究.docVIP

中国高技术产业科技成果转化效率研究 　　摘 要：近年来，科技创新已成为驱动经济增长的重要方式之一，科技成果转化也越来越受到关注，尤其是在高技术产业。本文通过收集2012-2014年我国内地31 个省市高技术产业科技成果投入产出的面板数据，运用随机前沿模型对中国各省高技术产业科技成果的转化效率进行测度。结果发现：我国高技术产业的科技成果转化效率普遍不高，而且地区之间存在差异，主要表现在东部省份优于西部省份。在此基础上，分析我国高技术产业的科技成果转化状况，并对提高高技术产业科技成果的转化效率提出建议，从而进一步促进高技术产业的发展 关键词：高技术产业；科技成果转化效率；随机前沿分析 一、引言 近年来，科技创新和技术进步受到广泛关注，高技术产业日益成为经济发展的推动力。世界发展进入一个科技创新的重要时代，也步入了一个经济结构加快调整的重要时期。在全球大力发展高技术产业的大背景下，高科技研发活动日益受到我国的重视，科研经费投入大幅增长，专利申请数量也大量增加。但是研发活动并不能够直接带来经济收益，科技成果进入生产领域，参与生产转化为市场化的产品后者提高产品生产效率才能够带来经济效益，推动经济增长[1]。因此我们更应该关注科技成果效率即科技成果转化为市场化的产品从而创造经济收益的效率 目前很多国内外学者对高技术产业科技成果的转化效率以及评价体系进行了研究。如Arrow（1962）在研究知识溢出效应时，指出科技成果转化中所形成的新知识，可以帮助经济主体改善经济效益[2]；So Young Sohn 等通过建立决策树的 DEA 模型，对科技成果转化效率进行了研究，为科技成果转化项目的评价提供了方法[3]。董洁等在已有研究的基础上构建了科技成果转化评价指标体系，从科技成果投入、科技成果转化效果、科技成果转化条件等方面分析我国科技成果的转化效率[4]；刘和东通过收集1998-2008 年我国30个省市创新投入产出及相关影响因素的面板数据，应用随机前沿函数测度了各区域的研发效率及影响因素，研究结果显示基础设施、人力资本对研发效率有显著的促进[5]；朱有为、徐康宁研究认为，中国高技术产业的研发效率整体偏低，但呈现稳步上升状态，行业间效率差异有逐步缩小趋势[6] 科技成果转化为现实生产力本身是一个提高技术水平的过程，技术水平的提高会引起生产方式的改变，进而造成生产力的大幅提高。然而在实际过程中，科技成果的转化会受到一系列因素的影响，致使我国科技成果转化绩效不尽人意，对经济可持续增长和经济增长方式的转变还未做出应有的贡献。为此，本文通过收集2012-2014年我国内地31 个省市高技术产业科技成果投入产出的面板数据，运用随机前沿模型对中国省域高技术产业科技成果转化效率进行测度，在此基础上，分析我国高技术产业科技成果的转化情况，并对提高高技术产业科技成果的转化效率提出建议 二、研究方法 （一）基本模型 随机前沿分析（Stochastic Frontier Analysis，SFA）是一种基于生产前沿面理论的参数方法，由Aigner，Lovell 和Schmidt，Meeusen和den Broeck分别独立提出。与非参数法相比，随机前沿模型最大特点是考虑了随机因素对于产出的影响，同时它能够对跨时期的面板数据进行研究，测算的结果可能会更准确些。在模型中，随机扰动项分为两个部分，一部分为随机误差项，用Vi表示，另一部分是一个用来表示技术无效率的非负误差项，用ui表示 （二）指标选取与模型构建 1、指标选取 本文在借鉴已有研究成果的基础上，选取高技术产业RD人员投入强度、RD经费投入强度和万名就业人员发明专利拥有量作为科技成果投入变量，这些科技成果投入都有转化为实际生产力的可能性 科技成果转化是技术成果转化为现实生产力，商品化的过程，即使是工艺流程、产品质量改进等其他研发效应的最终经济价值也要通过现实的产品或服务来体现，这些最终将转化为新产品销售收入。因此，本文选取的产出变量的指标为高技术产业的新产品销售收入占产品销售收入的比重[7] 2、模型构建 本文所选用的生产函数形式为柯布-道格拉斯生产函数，柯布-道格拉斯生产函数是随机前沿分析中常用的函数形式，其优点是模型形式简单、参数简单，便于估计 三、实证分析 （一）科技成果转化效率评价 本文根据《中国高技术产业统计年鉴》（2013-2015）中2012-2014年全国31个省市的高技术产业的相关统计指标对RD人员投入强度、RD经费投入强度、万名就业人员发明专利拥有量、新产品销售收入占产品销售收入的比重指标进行分析 为消除量纲之间的差异，在对数据进行无量纲化处理后，将数据按照柯布道格拉斯生产函数的随机前沿模型用Frontie