本站小編為你精心準備了科技創新全要素生產率增長的差異參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《中國科技論壇雜志》2015年第十期

主要依靠資源和要素投入而非效率提升所引致的科技進步只能是一種表面的虛假繁榮，而高校科技創新全要素生產率的提升才是提高高校科技創新水平的本質訴求和保證高校科技創新永葆青春的不竭動力［1］。全要素生產率是指生產活動在一定時間內的效率，即總產量與全部要素投入量之比［2］。在跨時期的動態條件下，高校科技創新生產要素的配置和利用效率的變化程度可以用全要素生產率來表示［3］。關于高校科技創新全要素生產率問題，已有學者做了有益探索，國外學者更傾向于以具體高校為研究對象，分析高校科技創新成果的轉化問題［4］;國內學者則采用不同的方法，選擇不同的研究對象，以不同的研究視角對高校科技創新全要素生產率展開系列探討。

1研究方法和指標選取

1.1研究方法傳統的Malmquist指數是以決策單元當期的觀察值構造當期最佳生產技術前沿面，而Sequen-tialMalmquist指數則以決策單元當期及前期的觀察值構造當期最佳生產技術前沿面，因此Sequen-tialMalmquist指數能夠實現“過去掌握的技術不會遺忘”的假定，從而避免在測算全要素生產率指數時出現的虛假“技術退步”，以及由此導致的技術效率“被動提高”等不合理現象。另外，雖然SequentialMalmquist指數能夠有效測度高校科技創新全要素生產率的變化，但是無法說明這種變化的來源，因此有必要對SequentialMalmquist指數做進一步分解，以期發現高校科技創新全要素生產率變化的驅動機制。對SequentialMalmquist指數的分解可以借鑒Malmquist指數分解的思路。FreR等將用來表征全要素生產率變化的Malmquist指數分解為技術效率變化和技術進步［5］，1994年FreR等又在1992年的基礎之上，將技術效率變化進一步分解為純技術效率變化和規模效率變化［6］，但是RaySC和Desli認為FreR等對Malmquist指數的分解存在邏輯上的錯誤［7］，并對其進行了修正。國內相關研究基本采取了FreR等的方法對Malmquist指數進行分解，從而對純技術效率變化和規模效率變化做出了錯誤的解釋［8］。基于此，本文按照RaySC和Desli的思路，將SequentialMalmquist指數分解為純技術效率變化、純技術進步和規模報酬變動，如下式所示。其中，SM為SequentialMalmquist指數、SPEC為純技術效率變化、SPTC為純技術進步、SSCH為規模報酬變動。SPEC度量了不同時期決策單元相對于生產前沿的距離，SPEC＞1表明純技術效率改善，反之純技術效率下降;SPTC度量了不同時期生產前沿的移動，SPTC＞1說明技術進步，反之技術退步;SSCH則度量了沿著同一生產前沿的規模效率變化，SSCH＞1說明規模報酬遞增，反之規模報酬遞減。

1.2指標選取根據高校科技創新活動的特點，需要從輸入和輸出角度確定高校科技創新投入產出指標。基于此，在現有文獻［9－10］的基礎上，并考慮數據的可獲得性，確定高校科技創新投入產出指標體系(見表1)。高校科技創新投入是指高校在科技創新活動中所投入的各種科技創新資源，高校科技創新產出是科技創新資源通過高校科技創新系統加工生產之后，所形成的能夠反映高校科技創新能力的重要元素。如表1所示，以上指標數據均來自于相應年份的《高等學校科技統計資料匯編》。雖然投入產出指標之間的共線性并不影響SequentialMalmquist指數模型的效率測度結果［11］，但是如果投入產出指標數量過多，會降低模型測算結果的區分度，因此，本文根據投入產出指標的性質，把相關性較強的二級指標按照一定的權重做合并和歸類處理，以降低指標維度。由于熵值法完全根據指標的變異程度確定指標權重，避免了人為干擾，保障了各指標權重的客觀性，因此，我們采用熵值法對各個二級指標進行賦權。各二級指標經過標準化和同度量化處理后，按照各自的熵權加權合成相應的一級指標當量值，最終形成兩個投入指標，分別為人力資源當量(X1)和科研經費當量(X2)，以及四個產出指標，即論文及著作當量(Y1)、科技項目當量(Y2)、科技成果獲獎當量(Y3)和科技服務當量(Y4)。

2測算結果及分析

本文利用SequentialMalmquist指數測算了1998—2012年中國29個省份的高校科技創新全要素生產率，并按照RaySC和Desli方法對其進行分解(由于篇幅限制未給出具體的計算結果，如果需要可向筆者索要)。

2.1高校科技創新全要素生產率增長及其分解的統計特征分析表2描述了高校科技創新全要素生產率增長及其分解的統計特征。由表2可知，首先，全國高校科技創新全要素生產率在考察期內的平均增長率為0.21%，表明全要素生產率總體呈現增長特征，全要素生產率增長的省份多達21個，占樣本總數的72.41%，而全要素生產率下降的省份只有8個，占樣本總數的27.59%，可見大部分省份的高校科技創新全要素生產率均實現了增長;其次，全國高校科技創新純技術效率在考察期內的平均增長率為－0.27%，說明純技術效率出現了下降，純技術效率下降的省份多達25個，保持不變的只有3個，上升的只有陜西省;再次，全國高校科技創新純技術進步率為0.61%，表明純技術進步率總體呈現增長特征，且全部省份的高校科技創新純技術進步率均保持一定增長，可見SequentialMalmquist指數方法實現了“過去掌握的技術不會遺忘”的假定;最后，全國高校科技創新規模報酬變動指數小于1，說明全國高校科技創總體處于規模報酬遞減階段，規模報酬變動率下降的省份有22個，增長的省份有7個。

2.2高校科技創新全要素生產率增長及其分解的空間差異分析圖1為中國東部、中部和西部地區高校科技創新全要素生產率增長及其分解的空間分布情況。由圖1可知，東部地區高校科技創新全要素生產率指數大于中、西部地區，中部地區高校科技創新全要素生產率指數最低;西部地區高校科技創新純技術效率變化指數最高，東、中部地區高校科技創新純技術效率變化指數相差不大;東、中、西部地區高校科技創新純技術進步指數依次遞減;中部地區規模報酬變動指數略高于東、西部地區，東部地區規模報酬變動指數最低。出現這種結果的主要原因在于，高科技產業主要分布在經濟較為發達的東部地區，東部地區的科技創新能力較強，位于該地區的高等學校可以更為便捷的享受技術進步與創新成果，故而東部地區高校科技創新純技術進步指數相對較高。另外，由于東部地區政府財政能力較強，往往向該地區高校科技創新活動投入過多的資源，容易形成龐大的科技創新規模，甚至出現冗余的科技創新投入，所投入的資源很難被充分利用，從而導致東部地區高校科技創新純技術效率變化指數以及規模報酬變動指數偏低。為進一步分析各省份高校科技創新全要素生產率增長及其分解的空間分布差異，首先利用四分位數方法，將高校科技創新全要素生產率增長及其分解離散化為4種類型，分別用來表示各指數值的高低，然后運用ArcGIS10.0軟件對各省份的數據進行可視化處理，從而繪制出各省份高校科技創新全要素生產率增長及其分解的空間分布圖(由于篇幅限制，該圖未呈現)。高校科技創新全要素生產率指數較高的省份主要分布在東部地區，排名靠前的省份主要有河北、陜西、河南、山東、海南、重慶、安徽、天津和浙江等，位于西部地區的陜西省高校科技創新全要素生產率指數偏高的主要原因是，由于該省集中了大量高等院校，而且高等院校的綜合實力較強;高校科技創新純技術效率變化指數排名靠前的省份主要有陜西、北京、江蘇、海南、安徽和寧夏等，排名靠后的省份主要有上海、天津、山東和黑龍江。值得一提的是位于西部地區的云南、四川、內蒙古、新疆和甘肅等省份的高校科技創新純技術效率獲得較快的發展，并且這些省份成連片分布狀態;高校科技創新純技術進步指數排名靠前的省份主要有河北、山東、河南、北京、天津和江蘇等，排名靠后的省份主要有寧夏、貴州、海南和內蒙古等;高校科技創新規模報酬變動指數排名靠前的省份主要有海南、天津、江西、甘肅和浙江等，排名靠后的省份主要有北京、河南、江蘇和廣西等，可見該指數各等級省份呈現交叉分布狀態。

3收斂性檢驗

由上述研究可知，各區域和各省份之間的高校科技創新全要素生產率增長及其分解均在不同程度上存在差異，對各地區高校科技創新全要素生產率增長進行σ收斂檢驗和絕對β收斂檢驗，以期發現高校科技創新收斂與發散的變化規律。

3.1σ收斂檢驗高校科技創新全要素生產率增長的σ收斂是指以標準差、基尼系數等σ指標度量的不同地區高校科技創新全要素生產率指數之間的差距隨著時間的推移逐步縮小(高校科技創新純技術效率變化、純技術進步和規模報酬變動的σ收斂的定義及模型與高校科技創新全要素生產率增長的σ收斂的定義及模型類似，為節約篇幅將不再給出)。本文按照曾先峰、李國平［12］以及韓海彬、趙麗芳［13］的思路。由圖2可知，無論是高校科技創新全要素生產率增長還是其各組成部分(即，純技術效率變化、純技術進步和規模報酬變動)的σ指標值均呈現波動下降態勢，說明被考察對象在考察期內存在σ收斂趨勢。另外，通常認為σ收斂是β收斂的充分條件。因此，初步判斷高校科技創新全要素生產率增長及其分解存在β收斂，為了驗證該結論，本文亦對高校科技創新全要素生產率增長及其分解進行絕對β收斂檢驗。

3.2絕對β收斂檢驗高校科技創新全要素生產率增長絕對β收斂是指高校科技創新全要素生產率指數較低的省份對較高省份存在“追趕效應”，即前者的全要素生產率指數的增長速度要快于后者的全要素生產率指數的增長速度，最終所有省份的高校科技創新全要素生產率將收斂于共同的穩態水平。根據現有研究［14］，把用于檢驗高校科技創新全要素生產率增長的絕對β收斂模型定義為。其中，i代表省份，t和t+T分別表示T時段的期初年和期末年，ln表示取自然對數，SM表示高校科技創新全要素生產率指數，α為常數項，ε為誤差項，β表示期初年高校科技創新全要素生產率指數(lnSMi，t)的系數，若β＜0，則高校科技創新全要素生產率增長存在絕對β收斂。在式(3)的基礎上，利用OLS方法可以對高校科技創新全要素生產率增長的絕對β收斂進行檢驗，按照相同的思路亦可對高校科技創新全要素生產率增長的組成部分進行絕對β收斂檢驗，具體結果如表3所示。由表3可知，高校科技創新全要素生產率增長及其分解的β系數均為負值，并且都通過了1%的顯著性檢驗，說明高校科技創新全要素生產率增長、純技術效率變化、純技術進步和規模報酬變動均存在絕對β收斂。

4政策啟示

(1)由于東、西部地區高校科技創新純技術進步指數差距較大，故應加強西部地區高校與東部地區高校的人才流動與技術交流，通過引進東部地區高校先進的科技創新手段，加快西部地區高校科技創新的技術變遷。(2)研究結果表明，高校科技創新純技術效率下降幅度明顯，未來尚有不小的提升空間，對此，應加強高校科技創新管理工作的實效性，制定相應的高校科技創新目標與規劃，注重高校科技創新工作人員的分工協作，從目標清晰、權責分明、動態監測的角度，致力于高校科技創新技術效率的提升［15］。(3)建立以績效為導向的高校科技創新投入機制，政府應根據高校科技創新效率評估結果，優化高校科技創新資源配置結構，對于資源投入過多的省份，應控制投入規模，反之亦然。另外，也應避免投入過剩和投入不足的現象發生，力爭保持投入產出的最優化。

作者：王效俐 劉娜娜 單位：同濟大學經濟與管理學院