中国装备制造业技术创新效率及其影响因素研究

中国装备制造业技术创新效率及其影响因素研究

一、装备制造业创新生产活动技术创新是促进国家经济增长和提高工业竞争力的重要因素（bergruu，1999）。装备制造业作为现代工业的核心,其技术创新水平是反映一国综合实力及国际竞争力的重要标志。作为最大的发展中国家,中国的装备制造业规模已位居世界第一1。但是,中国装备制造业“大而不强”,产品结构处于世界产业链的中低端,自主创新能力薄弱,资本和技术密集的高端装备制造业则长期由发达国家所把持(高梁,2011)。面临跨国公司的技术封锁,为保障中国经济的持续健康发展、增强国际竞争力,努力提升中国装备制造业的技术创新能力非常必要。在当前经济环境下,除积极改善外部环境以增加创新投入外,提高创新资源的使用效率就成为提升装备制造业技术创新能力的关键,因此,从效率角度详细考察中国装备制造业的创新生产活动显得尤为重要。已有关于中国装备制造业技术创新的研究,主要集中在考察技术创新的路径与动力机制以及对装备制造业创新能力评价与影响因素分析等方面,从效率角度分析装备制造业创新生产的研究并不多见。王章豹、孙陈(2007)采用因子定权法和多指标投入产出分析法,对2003～2005年装备制造业七个子行业的技术创新效率进行测度,并按照技术创新效率的高低对各子行业进行了排序。但他们的研究没有考虑创新投入到产出的时滞,所选样本也仅为截面(2003～2005年三年平均)数据。在他们研究的基础上,原毅军等(2010)将创新生产过程的时滞设定为1年,基于2000～2006年装备制造业的行业面板数据,采用随机前沿分析(SFA)方法对装备制造业的技术创新效率及其影响因素进行了分析。他们研究发现,在所有行业中,广播电视设备制造业的效率最高,通信设备制造业的效率最低;企业规模、产业结构、政府政策以及研发经费支出结构等是影响装备制造业技术创新效率的主要因素。然而,原毅军等所用样本数据来自高技术产业,对装备制造业的代表性不够。牛泽东等(2012)进一步采用1997～2010年装备制造业七个子行业的面板数据,在考虑1年时滞的基础上,基于双产出技术对装备制造业创新生产的技术效率、规模效率以及技术创新效率的影响因素进行分析,结果表明,装备制造业的技术创新效率随时间变化呈缓慢递增趋势,这主要得益于产权结构改善和企业规模提高。上述研究大多仅从静态角度测算了装备制造业的技术创新效率(纯技术效率),缺乏对创新生产的规模效率与配置效率的静态测算2以及对创新生产率变动的动态考察。与已有相关研究相比,本文主要在以下两方面进行了拓展:第一,运用基于产出距离函数的随机前沿分析方法,从纯技术效率、规模效率、配置效率三方面详细考察装备制造业创新生产活动的成本效率,这属于静态效率分析;第二,运用Brummer等(2002)的全要素生产率(TFP)变动分解等式,从技术进步、技术效率变化、规模效率变化、配置效率变化四方面系统考察装备制造业创新生产的TFP变动情况,揭示装备制造业创新生产率变动的来源。本文的研究对于准确认识装备制造业技术创新的效率与生产率变动的历史轨迹,有针对性地改善装备制造业创新资源的使用效率具有一定的启示意义。二、基于波动模型的随机前沿模型与tp增长率的分解本文采用双指标(新产品销售收入和专利申请数)来衡量装备制造业的创新产出,因此,本文所用模型与方法都基于多产出技术。1.效率测度的修正SFA模型的一般形式可表示如下:其中,xit、yit分别为行业i在t年的创新投入和创新产出;t代表时间趋势;β为待估参数;f(xit,t;β)为前沿生产函数中的确定性部分。随机扰动项包括一般意义上的随机误差项vit与非负的技术无效率项uit两部分。其中,vit服从iidN(0,)分布,并与uit保持独立。Battese&Coelli(1992)将uit设定为uit=uiexp[-η(t-T)],其中,ui服从非负截尾的正态分布N+(μ,),待估参数η表示技术效率指数的变化率。Battese&Coelli(1992)的SFA模型仅适用于单产出情形,在其基础上,Coelli&Perelman(1999)引入产出距离函数来处理多产出情形下的效率测度。本文设定产出距离函数为如下的超越对数形式:为基于时期t技术的产出距离函数,下标“o”表示产出导向。关于产出yit满足线性齐次性,据此对(2)式重新整理,最后加入随机项vit,可得类似(1)式的对数形式随机前沿模型:本文选择第M种产品yMit作为标准化的基准,为标准化后第m种产品的产出。对于(3)式的随机前沿模型,采用极大似然法进行估计。然后,再根据关于产出的线性齐次条件求出(2)式中的其余参数。得到参数估计后,进一步从复合误差eit=vit-uit中分离出技术无效率项uit的估计值。最终,行业i在t年的技术效率(即产出距离函数)的测度如下:2.随机前沿成本函数模型当基于投入导向时,决策单元的经济效率往往表现为成本效率。投入价格数据可得时,可用成本前沿面来测算决策单元的成本效率(Coelli等,2005)。一般地,随机前沿成本函数形式如下:其中,Cit为行业i在t年的总成本;wit是投入价格向量;yit为创新产出向量。C(wit,yit,t)为随机前沿成本函数的确定性部分;设定与前文的vit、uit保持一致。成本函数C(wit,yit,t)关于价格Wit满足线性齐次性。假定C(wit,yit,t)采用超越对数形式,根据线性齐次条件,采用与前述产出距离函数相似的处理方法,可以得到如下的随机前沿成本函数模型:其中,分别为使用第K种投入的价格WKit标准化后的成本和价格。采用极大似然法得到(6)式随机前沿成本函数模型的参数估计值后,行业i在t年的成本效率测度如下:基于产出距离函数,Balk(2001)给出了多产出情形下的规模效率SEit的测算公式:其中,为(2)式超越对数产出距离函数在(Xit,yit)处的局部规模弹性;。在规模报酬可变(VRS)条件下,Fare等(1998)将总的技术效率(TE)分解为纯技术效率(PTE)和规模效率(SE)。(3)式的随机前沿模型刻画的是现实的、可观测的VRS生产技术,由(4)式获得的技术效率实为纯技术效率(PTE)。将(8)式的规模效率(SE)与之相乘,即可得到总的技术效率TECRS。进一步,装备制造业创新活动的配置效率(AE)的测度如下:3.投入价格效应Brummer等(2002)基于产出距离函数给出了多产出技术下的全要素生产率(TFP)变动分解公式:其中,分别为TFP、第m种产出以及第j种投入的变化率;为距离函数对第m种产出的弹性;表示第m种产出的实际收益份额;表示第j种投入的实际成本份额;,为距离函数对第j种投入的弹性;为投入规模弹性;λjit=εjit/RTS表示第j种投入在产出距离函数中的相对弹性,。按照(10)式,可观测的TFP变化率被分解为五部分:技术进步、技术效率变化(TECit=-duit/dt)、规模效率变化、产出价格效应、投入价格效应。产出价格效应(OPE)和投入价格效应(IPE)被统称为配置效率变化(AEC)。在本文中,由于装备制造业创新产出的价格信息不可得,在进行动态效率分析时,在配置效率变化(AEC)中舍弃了OPE,仅考虑了IPE对TFP变化的影响。最终的TFP变化的分解等式为:基于(2)式超越对数产出距离函数的参数估计,四个分解部分的计算公式如下:三、模型数据描述与模型建构鉴于数据可得性,本文的研究样本为1997～2010年中国装备制造业七个子行业的大中型工业企业3。相关的创新投入产出数据主要来源于相应年份的《中国工业企业数据库》、《中国统计年鉴》与《中国科技统计年鉴》。已有研究通常采用R&D经费作为创新资本投入的衡量指标(Sharma&Thomas,2008),但是,《中国统计年鉴》和《中国科技统计年鉴》中2003年之前的R&D经费数据缺失,因此,本文参照史修松等(2009)的做法,选择科技活动经费内部支出总额来衡量创新资本投入4。本文选用科技活动人员作为创新活动中的劳动投入的代理指标5。鉴于新产品开发经费投入对新产品产出有着直接影响(余永泽,2009),本文也将其作为创新活动的投入要素之一。已有文献主要从专利和新产品两方面来衡量创新产出(Hollanders&Esser,2007)。专利作为研发活动的直接输出,是创新活动的研发成果指标;新产品销售收入可反映企业技术创新成果的市场价值,是创新活动的经济成果产出指标。出于数据可得性考虑,本文同时以专利申请数与新产品销售收入来衡量装备制造业的创新产出。由于创新活动对知识生产的影响具有连续性,创新活动的影响不仅反映在当期,还反映在以后各期。因此,在测算创新生产活动的效率时,有必要将创新资本投入的流量指标转化为相应的存量指标(Griliches,1980)。参照吴延兵(2006)等的做法,本文采用永续盘存法计算研发资本存量,并将研发资本折旧率设定为15%,同时,假定研发资本存量的增长率与R&D支出增长率相等。类似地,采用同样的方法可计算出新产品开发资本存量6。在测度技术创新效率时还需考虑时滞问题。参照Jefferson等(2003)的做法,本文将中国装备制造业创新产出的时滞设定为滞后1年。本文样本中,创新投入的时间跨度为1997～2009年,相应的创新产出则为1998～2010年。综合以上描述,本文选取的中国装备制造业技术创新效率的测度指标包括三个投入变量和两个产出变量,投入变量为研发资本存量(RD)、科技活动人员(RDP)和新产品开发资本存量(NPRD),产出变量为专利申请数(PAT)和新产品销售收入(NPS)。在测算装备制造业创新生产活动的成本效率以及对创新TFP增长进行分解时,需要总创新成本(C)、RD、RDP、NPRD的价格(设为w1、w2、w3)与成本份额数据,总创新成本等于三种创新投入的成本之和。现有文献中,有关创新资本投入的价格数据非常匮乏,考虑到数据的可得性,在张军等(2009)的基础上,分别构造了各子行业折旧和利息支出的对应部分作为研发资本存量和新产品开发资本存量的成本。构造方法如下:装备制造业中,与RD、NPRD相关的折旧数据分别为研发资本存量、新产品开发资本存量的15%;与RD相关的利息支出可通过“利息支出×(科技活动经费内部支出/固定资产投资净额)”近似计算;与NPRD相关的利息支出可通过“利息支出×(新产品开发经费/固定资产投资净额)”近似计算。科技活动人员的成本采用各子行业科技活动人员的劳动报酬总额来表示,以《中国科技统计年鉴》提供的大中型企业科技活动经费内部支出中的“劳务费”来衡量。获取三种创新投入的成本数据后,分别除以相应的创新投入,即可获得RD、RDP、NPRD的价格数据;分别除以总创新成本,即可获得各自的成本份额。表1给出了所有投入产出变量的描述性统计。发现所有变量的变异系数都小于1,表明创新投入和产出在样本期间内的变动都比较平稳,没有异常值出现,数据分布较为合理。四、静态效率分析对装备制造业创新生产的静态效率分析主要从两方面展开。首先,估算了装备制造业创新生产活动的技术效率(即技术创新效率),这是静态效率分析的重点。其次对装备制造业创新生产的成本效率及其构成进行分析。1.模型估计结果利用Frontier4.1,采用极大似然方法对(3)式的随机前沿模型进行估计7,得到产出距离函数及ML参数的估计结果,如表2所示。在表2中,同时给出了无约束随机前沿模型(模型1)以及分别设定了约束θ2=β11=ζ1=ξ3=τ1=0与约束μ=θ2=β11=ζ1=ζ3=τ1=0的受约束模型(模型2和模型3)的估计结果。模型1中t2、、交叉项tlnRDit-1、tlnNPRDit-1、的系数以及参数μ的回归结果不显著。模型2剔除这些不显著变量后,参数μ依然不显著。因此,本文选择模型3作为最适模型。模型3估计结果显示,模型回归的整体效果较好,所有变量的系数都在不同的置信水平下显著。σ2和γ值分别在10%和1%的置信水平下显著,表明技术无效率是影响创新生产未达到前沿面产出水平的重要因素,随机前沿模型比传统的平均响应模型更为合适。γ值为0.815,意味着创新生产的无效率在中国装备制造业中普遍存在。模型3还显示,时变参数η的估计值显著为正(0.105),表明装备制造业的技术创新效率具有明显的时间变动趋势,表明随着时间的推移,技术创新效率是逐渐改善的。2.中国装备制造业创新生产的效率采用极大似然法对(6)式的随机前沿成本函数模型进行估计8,然后,根据(7)式计算样本期间装备制造业各子行业创新生产的成本效率。根据Coelli等(2005),成本效率可以进一步被分解为技术效率、规模效率以及配置效率。其中,创新生产的技术效率为前文测算得到的技术创新效率,规模效率和配置效率分别按照(8)式、(9)式计算获得。表4给出了中国装备制造业创新生产成本效率的分行业分解结果。根据表4提供的信息,电子及通信设备制造业创新生产的成本效率最高,其次是电气机械及器材制造业,仪器仪表等五个行业的成本效率低于0.2,而专用设备制造业的成本效率最低,这主要是由于其配置效率较低导致的;电子及通信设备制造业的规模效率最高,达到了0.835,表现出了良好的规模经济性;普通机械制造业、专用设备制造业和仪器仪表及文化办公用机械制造业介于0.6～0.7之间;金属制品业、交通运输设备制造业的规模效率低于0.69。配置效率在各子行业之间也存在明显差异,电子及通信设备制造业的配置效率依然是最高的,其下依次为普通机械制造业、仪器仪表及文化办公用机械制造业、金属制品业、电气机械及器材制造业和交通运输设备制造业,专用设备制造业的配置效率最低。类似地,以加权平均计算了中国装备制造业整体的各项效率值,所用权重为专利占比与新产品产值占比的简单算术平均。如表4最后一行所示,样本期内中国装备制造业创新生产的成本效率较低,平均仅为0.32,表明装备制造业的创新生产存在较大的资源浪费。三个分解因素中,规模效率最高,技术创新效率次之,配置效率最低。可见,装备制造业的创新生产具有一定的规模经济性,创新资源配置效率不佳是导致装备制造业整体经济效率(即成本效率)低下的关键因素。尽管如此,三个分解因素之间的差距并不明显,装备制造业创新生产的规模效率、技术效率、配置效率都存在不小的改善空间,未来装备制造业创新生产活动的效率改进应同时从这三个方向共同努力。五、根据制造业的创新动态效率分析1.创新tfp增长率基于表2的随机前沿模型估计结果,按照(11)式估算了1998～2010年中国装备制造业各子行业创新生产的TFP增长率,并以专利占比与新产品产值占比的简单算术平均作为权重计算了装备制造业整体的创新生产的TFP增长率,结果如表5所示。从表5可以看出,1998～2010年,中国装备制造业整体创新生产的TFP年均增长率为0.115,除电气机械及器材制造业的创新TFP增长率较低外,其余六个行业的创新TFP增长率都高于0.10,仪器仪表及办公用设备制造业的TFP增长率最高。样本期内,装备制造业整体及各子行业的创新TFP增长率大体呈现出“先缓慢递增,后迅速递减,近年来又开始增加”的趋势。但是,不同行业的TFP增长率达到峰值(或低谷)的时间存在差异。2.技术进步、技术效率、规模效率与创新tfp增长间的横向比较按照(12)式～(15)式对中国装备制造业创新生产的TFP增长(TFPG)进行分解,结果如表6所示。从表6可以看出,样本期内装备制造业七个子行业的创新生产都存在明显的技术进步和技术效率改善。其中,金属制品业的技术进步率最高(0.168),普通机械制造业技术创新效率的提升最为显著(0.104)。金属制品业与仪器仪表及文化办公用机械制造业的规模效率变化(SEC)值为负,表明这些行业技术创新的规模经济性在逐渐恶化,普通机械制造业等五个行业技术创新的规模效率均存在不同程度的提升。除电子及通信设备制造业创新资源的配置效率有所改善外,其余六个行业的配置效率变化(AEC)值均为负,表明这些行业的配置效率在样本期内处于持续恶化状态。因此,技术进步(TC)与技术效率变化(TEC)对装备制造业创新TFP增长的影响始终表现为正向的促进作用,规模效率变化(SEC)对多数行业创新TFP增长发挥了促进作用,配置效率变化(AEC)则显著阻碍了创新TFP的增长。表6的最后一行显示,在装备制造业整体创新TFP增长的四个构成因素中,技术进步对创新TFP增长的贡献率最高,其次是技术效率变化和规模效率变化,配置效率变化的贡献为负。因此,1998～2010年,中国装备制造业的创新TFP的增长主要来自技术进步的贡献。需要特别指出的是,本文对装备制造业整体创新生产活动的配置效率变化(AEC)的测算结果为负,根据(15)式,配置效率变化(AEC)可表示为:。1998～2010年,装备制造业新产品开发资本存量(NPRD)的增长率(29.5%)高于研发资本存量(RD)的增长率(29.3%)与科技活动人员(RDP)的增长率(6.5%),在几乎所有年份的所有行业,RD与RDP的相对产出弹性(分别为λ1it、λ2it)又都高于各自的成本份额(分别为S1it、S2it)10,这些因素共同造成配置效率变化(AEC)的值为负。经进一步分析,由于新产品开发资本存量(NPRD)的产出弹性非常低11,导致研发资本存量(RD)与科技活动人员(RDP)具有较高的相对产出弹性。因此,导致装备制造业创新活动配置效率发生持续恶化的关键因素是新产品开发资本存量(NPRD)的配置不合理,当NPRD的产出弹性较低时,大量增加NPRD只会造成创新要素投入的配置效率越来越差,继而损害装备制造业创新TFP的增长。3.装备制造业创新tfp增长的构成因素分析为了考察装备制造业创新TFP增长的四个构成因素的变化趋势,对1999～2010年间中国装备制造业的创新TFP增长进行逐年分解,结果如表7所示。根据表7,技术进步(TC)和技术效率变化(TEC)均呈现出不同程度的下降趋势,其中,技术进步(TC)在2005年之后下降更为迅速,而技术效率变化(TEC)则在2002年之后下降较为缓慢。规模效率变化(SEC)在样本期间内存在轻微波动,但除个别年份外,大体表现为“先增后减”的趋势。配置效率变化(AEC)以2006年为界呈现出“先减后增”的趋势。结合前文的分析,虽然近十年来中国装备制造业的创新TFP增长主要来源于技术进步(TC)和技术效率改进(TEC),但这两种效应在逐渐减弱,现阶段通过充分挖掘创新资源配置效率改善的潜力,正是提高装备制造业创新TFP增长的重要源泉。进一步,在图1中分别绘制了1999～2010年装备制造业七个子行业创新TFP增长的四个构成因素的变动趋势。图1(a)显示,样本期内,所有行业的创新生产都存在明显、持续的技术进步。其中,金属制品业与仪器仪表及文化办公用机械制造业的技术进步率较高,2005年之后,七个子行业的技术进步都表现为明显的下降趋势,对创新TFP增长的拉动作用在减弱。各行业的技术效率变化(TEC)也呈现出类似的下降趋势,如图1(b)所示。从图1(c)可以看出,与装备制造业整体的趋势基本一致,样本期间内,七个子行业创新活动的规模效率变化(SEC)也都大体呈现出先增后减的变动趋势。图1(d)显示,除个别年份的个别行业外,七个子行业创新活动的配置效率变化(AEC)均为负,表明创新资源的配置效率处于持续恶化状态。电子及通信设备制造业创新活动的配置效率变化大体呈先减后增趋势,其余六个行业则表现为明显的“先增后减再增”的趋势。对比4幅图可以看出,在七个子行业创新TFP增长的四个构成因素中,技术进步(TC)和技术效率变化(TEC)的动态趋势相对稳定,规模效率变化(SEC)和配置效率变化(AEC)波动较大,这也是导致中国装备制造业整体及各子行业的创新TFP增长出现明显波动的原因。六、结论启示:展望装备制造业创新发展的新趋势本文采用1997～2010年装备制造业七个二位码行业的面板数据,测算了中国装备制造业创新生产活动的静态和动态效率。运用基于产出距离函数的随机前沿分析方法度量了中国装备制造业及各子行业的技术创新效率(纯技术效率)、规模效率和配置效率。同时,运用Brummer等(2002)的全要素生产率变动分解等式度量了中国装备制造业各行业创新生产的TFP增长和技术进步、技术效率变化、规模效率变化、配置效率变化。得到的基本结论是:(1)中国装备制造业的技术创新效率在样本考察期内呈现递增趋势,仍存在一定改善空间。各子行业的技术创新效率存在明显差异,电子及通信设备制造业最高,普通机械制造业最低。中国装备制造业创新生产活动的成本效率较低。在成本效率的三个分解因素中,规模效率最高,技术创新效率次之,配置效率最低;(2)中国装备制造业创新生产的全要素生产率在1997～2010年间持续上升。七个子行业中,仪器仪表及办公用设备制造业的创新TFP增长率最高,最低为电气机械及器材制造业。进一步对中国装备制造业创新TFP增长率的分解显示,技术进步是装备制造业创新TFP增长的首要推动力,但是,这种推动力在不断减弱。样本期内,装备制造业创新资源的配置效率处于持续恶化状态,不利于装备制造业创新TFP的提高。本文的研究结论具有如下政策启示:首先,在制定装备制造业发展规划时,应依据装备制造业各子行业自身特点选择合适的创新发展路径。本文的结论显示,成本效率(特别是其中的技术创新效率)在不同行业间表现出明显差异。因此,各级政府部门在制定装备制造业技术创新的相关政策时,应具有一定的行业针对性和侧重点。对于技术创新效率较高的行业(如电子及通信设备制造业),增加创新资源投入对技术创新能力的提升效果将较为显著,而对于那些低效率的行业(如普通机械制造业),要