高技术产业技术创新效率的国际比较

2011年世界经济尚在金融危机的泥潭中苦苦挣扎,各国纷纷抢抓机遇,试图以创新创造新的经济增长点。高技术产业以其高增长、高产值、高效益的特性,对一国的政治、经济、军事、文化乃至整个社会发展都有重要的战略意义。本文采用随机前沿(SFA)方法研究了各国高技术产业的创新效率。从发达国家2000～2009年高技术产业的平均创新效率来看,各国的创新效率呈现逐年增长的趋势,而创新效率年增长率逐年下降,反映该行业的发展日趋成熟,同时这也预示着,未来高技术产业国际领域的竞争必将风起云涌,激烈至极。     

我国各省高技术产业技术创新效率研究——基于S-SBM超效率模型

基于超效率S-SBM模型对我国29个省的高技术产技术创新效率进行了分析,并与传统的DEA模型BCC、SBM模型得出的结果进行对比。结果显示,超效率S-SBM模型很好的解决了未考虑松弛变量及无法区分有效决策单元的情况,最终能为决策者做出最佳决策提供更准确地效率值。     

高技术产业创新效率的区域差异分析

采用《中国高技术产业年鉴》2005—2010年的数据,运用DEA-Malmquist模型对我国四大经济区域的高技术产业创新效率进行实证分析,结果表明,高技术产业TFP值主要受技术进步指数的影响。另外,除了四大经济区域技术创新不平衡外,引起TFP值增加的原因也存在差异。文章最后提出国家应加强区域投资,完善产业政策;区域之间要加强合作,发挥自身优势。     

京津冀环境规制效率时空演进特征及其短板研究——基于三大城市群比较分析

运用非期望产出SBM模型测度京津冀、长三角与珠三角三大城市群环境规制效率,比较京津冀城市群环境规制效率的时空演进特征及其短板。研究结果表明京津冀环境规制效率偏低且具有显著的空间异质性特征。基于研究结论,本文提出以下建议：其一,削弱地方壁垒,强化城市间联防联治互动措施。其二,优化生态补偿措施,发挥高环境规制效率城市的空间溢出效应,借此弱化空间异质性并提升环境规制效率水平。     

我国高技术产业技术创新能力研究

构建了高技术产业技术创新能力的评价指标体系,运用因子分析法对31个省份的高技术产业技术创新能力进行综合评价和排序,并得出结论:高技术产业技术创新能力的决定因素中最主要的是技术创新效率,其次是技术引进消化吸收能力。我国各区域高技术产业技术创新能力强弱不同,从强到弱依次为:东部、中部、西部。此研究为各区域提高高技术产业技术创新能力提供了决策依据。     

广东产业创新中的技术创新:贡献估计及影响因素

文章利用经典的产出模型对广东产业创新中的技术创新进行了估计,并对技术创新的影响因素进行了分析,得到如下结果:技术引进与消化支出和科技活动中科学家与工程师与广东高技术产业技术创新关系密切,且具有较强的正向影响作用。此结果说明培养创新型人才对广东产业创新有非常现实的意义。结果也反映另一个问题,广东产业创新对外依赖性较强。各个高技术行业回归结果表明其技术创新影响因素与整体基本相同,但强度不同,且广东电子及通信设备制造业对外依赖性不强,主要依靠本土人才进行技术创新,促进产业发展。文章最后提出了优先发展电子及通信设备制造业等高技术产业发展及创新型人才培养策略。     

“内向型”开放式创新对高技术产业创新效率影响研究

“内向型”开放式创新作为开放式创新方式的一种,是推动高技术产业跨越式发展的前提和保证,通过运用DEA-Malmquist模型测度了我国东部14个省市的高技术产业创新效率;基于Eviews 9.0回归分析,发现“内向型”开放式创新对创新效率的提升具有积极推动作用,其中外商投资和跨国公司在华研发机构的正向影响最大,海归研发人员的影响较弱;最后从引进外资和优化产业结构等方面提出了对策建议。     

推进产业创新的一个根本任务:重塑技术创新体系

<正> 1990年前后,几个具有相当规模和知名度的国际高技术企业将其产品的制造工序移至深圳,加上本土的少数民族高技术企业的诞生,开始了深圳产业创新的历程,从此,深圳走上了一条巩固传统产业基础上的大力发展高技术产业的产业创新道路,这一产业创新已经为深圳创造了近10年的产业优势。深圳高技术产业无论在技术开发、还是在产业化水平上都已拥有了相当的基础,但是,其发展的局限已开始显现。推进深圳产业创新,需要以重新构建技术创新体系为根本任务。     

数字金融对高技术产业技术创新的影响

基于北京大学数字金融研究中心编制的数字普惠金融指数和高技术产业的相关数据,构建2011—2019年省际层面面板数据,通过双向固定效应模型验证数字金融对高技术产业技术创新的影响。研究发现：数字金融可以显著促进高技术产业技术创新,其分指数覆盖广度和使用深度的创新激励作用与总指数保持一致,而数字化程度对高技术产业技术创新表现出一定的抑制作用;数字金融对高技术产业发展具有普惠性,异质性检验发现数字金融对欠发达地区和国有企业占比较小地区的高技术产业技术创新的促进作用更加显著。     

中国省际高技术产业创新效率评价研究——基于超效率DEA模型和Malmquist指数法

基于中国29个省区市2014-2018年高技术产业的面板数据,首先采用超效率DEA模型对各省市生产效率进行测算,进而构建DEA-Malmquist模型对各省市综合生产率指数进行计算和分解.结果表明:中国高技术产业创新效率的总体水平较高,但是超过一半的省市区要素投入结构不合理,而且主要分布在中部和西部地区,创新效率存在较大的区域差异;中国高技术产业的全要素生产率指数平均值大于1,很多省份存在规模效率不高的问题,导致创新效率呈现N型的回调震动形态,技术进步和技术效率是全要素生产率提高的主要动力.因此,为了进一步提高我国高技术产业创新效率,需要注意保持高技术产业的技术水平和技术效率,尤其要注重高技术产业科技资源的优化配置,提升高技术产业创新资源的管理水平.     

基于DEA模型的泰州市高新产业技术创新效率研究

通过对泰州市高新产业技术创新效率横向分析和2010—2019年泰州市高新产业技术创新效率纵向综合研究分析,为优化泰州市高新产业技术创新效率提出建议.使用数据包络分析方法,通过DEA2.1软件中的BBC模型进行分析,投入指标选择R&D人员、R&D经费支出、专利申请数;产出指标选择新产品开发项目、新产品销售收入两项.结果表明:2019年泰州市16个行业中只有43.75％ 有效,说明不同企业之间基于不同的管理方式和开发研究等因素对高新产业技术创新造成影响.DEA纵向分析中2010年、2016年和2018年DEA相对有效,说明10年存在过度投入和或产出不足的情况.泰州市产业技术创新效率存在差异,通过调整优化资源的投入,完善创新驱动发展考核机制,量化创新发展能力,鼓励高新技术企业国际合作,引导创新资源流动,进而提高泰州市高新产业技术创新.     

中国地区装备制造业的技术创新效率及影响因素分析

基于《中国工业企业数据库》提供的企业数据,构造了中国装备制造业创新生产的地区面板数据,运用Battese和Coelli[1]的随机前沿模型,对2005-2008年中国大陆30个省份装备制造业的技术创新效率及其影响因素进行了系统地测算与分析。研究发现,三大区域装备制造业的技术创新效率表现为：中部>东部>西部;30个省份可以被进一步划分为四种不同的创新模式;在2006-2008年间,装备制造业的技术创新效率呈现出明显的先升后降趋势,各地区装备制造业技术创新效率的变动主要是由企业规模、产权结构及劳动者素质等因素的变动导致的。     

竞争、所有权与中国工业行业技术创新效率

本文认为市场竞争和所有权是影响中国工业行业技术创新效率的关键。基于1995年工业行业普查的数据实证分析显示，市场竞争倾向于提高国工业行业技术创新效率，国有所有权倾向于降低技术创新效率；国有所有权和市场垄断实际上降低了工业行业技术创新的有效性，非国有所有权和竞争市场的结合促进了企业技术创新效率的提高。因此，有效的所有权变革和市场竞争能够提高工业技术创新效率。     

创新驱动发展战略下长三角研究型高校科技创新效率及影响因素

研究型高校是国家和区域科技创新及经济高质量发展的重要决定力量。在创新驱动发展战略和长三角高质量发展背景下,基于知识生产函数和绩效评价理论,采用DEA-Malmquist模型测算2012—2018年长三角地区研究型高校科技创新静态和动态效率,并运用面板Tobit模型探究高校科技创新效率的影响因素。研究表明,长三角地区研究型高校整体科技创新效率不高,但全要素生产率整体呈上升趋势,Malmquist指数年均值1.033大于1;政府支持、人力投入和成果授奖等因素与高校科技创新效率正相关但不显著,科技项目与高校科技创新效率呈显著正相关。据此,从打造高水平科技创新团队、完善拔尖人才培育机制、重视成果授奖的精神激励作用、优化创新投入结构等方面,给出提升科技创新效率的政策建议。     

基于两阶段DEA的高新技术企业技术创新效率研究

科技创新能力是实施国家战略的支持力量,高新技术企业作为技术创新的内在推动力,对国家发展具有重大意义。以时滞效应为前提,应用动态两阶段DEA模型,将创新活动分为技术研发和成果转化两个阶段,构建两阶段创新投入产出指标体系,测度中国19个副省级及以上城市高新技术企业2016—2019年的技术创新效率。结果表明：19个副省级及以上城市的高新技术企业技术创新效率存在显著差异,且整体效率偏低;大部分城市存在重视技术研发而忽视成果转化的问题;研发阶段主要依赖规模经济效益,转化阶段纯技术效率的贡献率相对较高;大部分企业的创新效率有待提高。研究成果为不同地区的高新技术企业技术创新活动提供了新角度。     

江苏省高新技术产业园区科创效率及影响因素

基于2016—2020年江苏省国家高新区面板数据,运用数据包络分析（DEA）和Malmquist指数对江苏省国家高新区的静态和动态效率进行测算,并采用面板Tobit模型,探索影响江苏省国家高新区科创效率的原因。结果表明：江苏省国家高新区整体科创效率水平不高,规模效率低于纯技术效率,技术因素起到主要作用;全要素生产率总体稳定,大多高新区的技术进步指数提升但规模效率下降;地区开放程度对江苏省高新区科创效率有显著的正向影响;研发经费投入力度和经济发展水平有显著的负向影响。据此,可以从提升创新资源利用效率、提高对外开放水平、优化资源配置等方面完善,从而有效提高江苏省国家高新区科创效率。     

湖南省各地级市科技创新效率评价及影响因素分析

运用数据包络分析（DEA）方法对湖南省2015—2019年各地级市科技创新综合效率、纯技术效率、规模效率进行测度,并采用Tobit模型分析科技创新效率的主要影响因素。结果表明：2015—2019年湖南省各地级市科技创新效率整体水平有所提高,但各城市之间存在较大差距,综合效率及纯技术效率较低;地区经济发展水平、科研人才、政府支持力度、产业结构对科技创新效率具有显著影响。在此基础上,提出合理配置经济资源、引育高水平科技人才、积极发展高技术为主的第三产业以促进湖南省科技创新效率的提高。