戰略性新興產業研發創新效率研究
——基于兩階段DEA效率評估模型

李紅錦，鄭司寰

(華南理工大學 經濟與金融學院，廣東 廣州 510006)

一、引 言

戰略性新興產業是引導經濟社會發展、推動我國現代化建設的重要力量，對經濟高質量發展有重要的支撐作用。在我國經濟由高速增長向高質量發展轉變的背景下，戰略性新興產業的地位尤為重要。自2010年起，發展戰略性新興產業成為國家層面的重大戰略，發布于2010年的《國務院關于加快培育和發展戰略性新興產業的決定》首次闡述了國家發展戰略性新興產業的政策。近年來，戰略性新興產業在經濟發展中的作用愈發突出。培育壯大新興產業不僅對地區經濟發展[1]、提升區域競爭力[2]具有重要的推動作用，也有助于促進形成強大國內市場[3]，保障經濟社會平穩運行，實現高質量發展。

戰略性新興產業這一概念由我國提出并大規模踐行，具有一定獨特性，因此以戰略性新興產業為主題的研究主要集中于國內。在戰略性新興產業發展的初期，相關的研究集中于產業的含義與特征、發展環境、政策導向[4]、選擇和培育問題[5]等議題。近年來，隨著戰略性新興產業的發展，相關研究的內容逐漸豐富，研究的廣度和深度均有所拓展，研究熱點集中于產業政策[6-9]、產業集聚[10-11]、科技創新等方面。

創新是戰略性新興產業發展研究中的一個重要議題。創新是新興產業發展的核心[12]，不僅對新興產業高質量發展具有促進作用[13]，也對區域經濟發展[14]、產業轉型升級有重要影響[15]，因此許多學者對戰略性新興產業研發創新相關的問題進行了探討。對于戰略性新興產業的創新能力現狀，邵云飛等[16]發現戰略性新興產業的整體創新能力較弱且東西部差距明顯。在影響因素方面，有學者通過實證研究發現政府創新補貼[6，17]、產業集聚[18]、大規模市場[19]等因素可以促進戰略性新興產業的創新活動，同時環境不確定性對新興產業企業研發創新有負面影響[20]。在產業政策方面，劉曉龍等[21]從科學技術發展保障的角度，理論闡述了發展戰略性新興產業需要強化頂層設計，協調科研力量，健全人才激勵機制的觀點。創新驅動是戰略性新興產業的重要特點之一，創新對產業發展的重要作用已得到證明，同時各類因素對戰略性新興產業創新的影響已經得到廣泛的研究。

高效率是新時代經濟發展的趨勢與要求之一，在認識到創新重要性的基礎上，部分研究更深入地從效率的角度入手，考察戰略性新興產業創新活動的效率。戰略性新興產業創新活動等經濟活動的效率通常使用全要素生產率進行度量。在測算產業層面的全要素生產率時，多數研究采取生產前沿分析方法，通過測算全要素生產率的相對效率來對比分析不同個體間的效率差異。在效率測算的具體方法層面，部分研究使用SFA方法進行測算[22-24]，而更多研究采用數據包絡分析(DEA)方法。有較多研究使用DEA方法測算特定地區或若干產業創新活動的效率，并從時間、區域、細分產業等角度詳細地分析創新效率的特征[25-27]。進一步地，有研究將相對效率值計算結果作為因變量，使用計量手段考察各類因素對創新效率的影響[28]。此類對戰略性新興產業創新效率的研究大多數僅限于研發創新活動單一階段的考察，即從投入研發資源到產出創新成果的過程，只有喬威威等[25]的研究進一步地考察了創新成果的應用成效。

研發創新投入的最終目的在于產出經濟效益，若需要更完整地刻畫技術創新活動的總體效率，需要將創新成果轉化過程的效率納入考察。在此類研究中，常用的建模手段是兩階段建模，即將從研發投入到經濟效益產出的總過程拆分為創新技術的生產過程與經濟效益的實現過程，并結合DEA等前沿分析方法進行效率測算。這一類兩階段建模方法的使用案例，較早的有官建成等[29]在對于區域創新系統的研究中的運用，該研究將區域創新活動分為技術產出階段和經濟產出階段以及二者的綜合階段，技術產出階段投入創新活動的人力、財力并產出專利，經濟產出階段投入專利并產出經濟效益，使用DEA方法與C2R模型計算并評價了區域創新系統的技術有效性、經濟有效性和綜合有效性。余泳澤[30]在對高技術產業創新效率的研究中同樣使用了專利作為兩階段的中間品，并使用DEA-Malmquist指數法對各階段的效率和影響因素進行了實證分析。黃薇[31]在對保險機構資金運用效率的研究中建立了資源型兩階段DEA效率評估模型，在早期獨立型兩階段DEA與序列型兩階段DEA模型的基礎上做出改進，模型中第二階段的投入不完全由第一階段的輸出構成。馮志軍等[32]在對高技術產業研發創新效率的研究中使用了資源約束型兩階段DEA模型，且基于現實中存在創新要素非線性流動的網絡化特征，使用了初始投入同時被高技術開發和高技術經濟轉化兩個子階段所消耗的模型設定。喬威威等[25]使用兩階段建模DEA方法，結合問卷調查數據，分析了上海市戰略性新興產業技術創新效率。該研究開展時間較早，受到數據和研究方法前沿進展的限制，因此分析范圍較窄且程度較淺。

本文從戰略性新興產業研發創新活動效率的角度切入，在DEA方法的框架下，通過兩階段建模綜合考慮創新專利研發階段與創新成果的經濟效益轉化階段的效率，結合戰略性新興產業上市公司數據集進行測算，并從時間、區域角度對我國戰略性新興產業研發創新活動的效率分布特征進行分析。相較于與主題相近的喬威威等[25]的研究，本文在數據和方法方面具有創新點。數據方面，樣本范圍涵蓋了全國范圍內的戰略性新興產業，地理空間范圍更廣、時間更長且數據更新，可以更全面地反映近年來我國戰略性新興產業的研發創新活動效率，同時實現了對研發創新效率區域差異的分析。方法方面，結合DEA-Malmquist指數法將研發創新活動各階段的效率值進行分解，實現對效率值及其分解項動態變化的分析，更詳細地刻畫戰略性新興產業研發創新效率特征。

二、兩階段DEA效率評估模型構建

(一)DEA-Malmquist指數法

DEA法是產業生產研究中常用的全要素生產率的測算方法，最早由Charnes等人于1978年提出。使用DEA方法測算全要素生產率可得到各決策單元全要素生產率的相對值，即相對效率，通過相對效率值的比較對各決策單元的全要素生產率進行分析。DEA方法的優勢在于無須設定具體的生產函數形式，可以避免主觀因素對全要素生產率測算結果造成的誤差，同時在實際操作上較為簡便，因此在全要素生產率的研究中被廣泛使用。當前使用DEA方法計算全要素生產率有三種主流的模型形式，分別是規模報酬不變假設下的CCR模型、考慮可變規模報酬的BCC模型以及測算跨期效率變化的DEA-Malmquist指數模型。本文所使用的樣本數據結構為平衡面板數據，因此選用DEA-Malmquist指數法測算戰略性新興產業全要素生產率相對效率以及跨時期的效率變化。

DEA-Malmquist指數法定義的全要素生產率指數(MPI)的計算公式見式(1)。

(1)

式(1)左側的MPI為跨期全要素生產率變化，等于t期與t+1期全要素生產率的幾何平均值；xt與yt分別為t期的要素投入與要素產出；Et(·)為t期的距離函數。指數計算結果MPI>1代表t期到t+1期全要素生產率上升；MPI<1代表t期到t+1期全要素生產率下降；MPI=1則代表t期到t+1期全要素生產率相對不變。全要素生產率變化MPI又可分解為相對效率變化(EFFCH)和技術變化(TECH)，公式表達見式(2)。

MPI=EFFCH×TECH

(2)

EFFCH代表決策單元與當期技術前沿的相對距離；TECH代表技術前沿的變化，即所有決策單元最高效率的跨期變動。EFFCH又可分解為純技術效率變化(PECH)和規模效率變化(SECH)，公式表達見式(3)。

EFFCH=PECH×SECH

(3)

PECH代表決策單元的生產效率變動；SECH代表規模報酬可變的假設下，伴隨經濟規模變化帶來的效率變動。

(二)兩階段DEA效率評估模型

在考察技術創新等包含多個生產環節的生產過程時，傳統的DEA模型通常僅考慮初始的投入與最終的產出，而忽略中間步驟的投入與產出，將多環節生產過程視為一個“黑箱”，無法考察中間環節的生產率特征。為了更詳細地刻畫戰略性新興產業創新活動從研發投入到實現經濟效益的整個過程，本文參考官建成等[29]、余泳澤[30]、黃薇[31]等研究者使用的兩階段建模方法，將戰略性新興產業的研發投入-產出過程分解為創新專利研發階段與經濟效益轉化階段，結合DEA-Malmquist指數法，構建兩階段DEA效率評估模型，對戰略性新興產業的創新活動進行分階段的效率評估。

兩階段DEA效率評估建模機理如圖1所示。

圖1 兩階段DEA效率評估建模機理

第一階段為創新專利研發階段，投入創新研發所需要的資本要素和勞動要素，產出創新成果作為中間品。中間品使用同類研究常用的專利來代表。第二階段為創新成果的經濟效益轉化階段，創新活動產出的專利通過參與最終產品的生產從而轉化為經濟效益。第二階段投入前一階段產出的中間品，以及最終產品生產所需的資本要素和勞動要素，產出最終的經濟效益。假定在第一階段產出的中間品在第二階段的生產過程中被完全消耗，不存在中間品的剩余。為了考察從創新投入到經濟效益轉化的全過程綜合效率，參考官建成等[29]及黃薇[31]的建模方法，將創新專利研發階段與經濟效益轉化階段序貫加和，定義為創新活動的總和階段。在創新總和階段中，投入要素為創新活動全過程的各階段投入之和，包括創新研發所需要的資本要素和勞動要素以及最終產品生產所需的資本要素和勞動要素；產出品為創新活動全過程的各階段產出之和，等同于模型第二階段的最終產品。

(三)投入產出指標選擇

創新專利研發階段的投入-產出機理與一般產品生產基本一致，投入研發所需的資本和勞動力，產出研發成果。創新專利研發階段的投入指標為研發資本存量、研發費用、研發人員數，產出指標為專利申請數。指標選取理由與處理方法解釋如下：

研發資本存量：使用研發資本存量反映創新專利研發活動資本投入中固定資本的使用量。上市公司數據集中不直接代表研發資本存量的指標，因此通過永續盤存法計算研發資本存量。對于研發投入-產出的處理方法，可分為兩類。一類處理方法是使用永續盤存法進行研發資本存量的計算，然后使用與一般產品生產相同的方法處理技術研發過程[33-34]；另一類處理方法是使用設定的滯后期對技術研發投入-產出過程進行處理[35-36]。設定滯后期的做法優點在于操作上較為簡便，缺點在于滯后期時長設定主觀性較強，沒有一個受到廣泛認可的通行的滯后期長度。從現實角度考慮，創新專利生產過程是比較復雜的，不同專利的研發時長可能差異巨大，因此簡單地設定一個滯后期用于所有創新專利生產過程缺乏合理性。本文采用永續盤存法計算研發資本存量，參考肖文等[33]的做法，在創新專利研發階段使用適中的10%的折舊率進行計算。使用“研發投入金額”指標結合“資本化研發投入占研發投入的比例”計算各企業每年的研發投入資本化和費用化的金額。初始研發資本存量的確定采用基期前推的方法，將基期前推10年至2000年，并設定基期的研發資本存量為0，使用價格指數折算每年研發投入金額的實際值，在10%的折舊率設定下按照永續盤存法的公式計算研發資本存量。

研發費用：使用研發費用反映創新專利研發活動資本投入中當期消耗的費用。研發費用具體數值為計算研發資本存量過程中同時得到的資本費用化金額。

研發人員數：使用研發人員數反映創新專利研發活動的人員投入。

專利申請數：使用專利申請數反映創新專利研發活動的產出。專利數是可量化的研發成果指標，在同類研究中被廣泛使用。專利數的具體指標通常存在兩種選擇，一種是專利申請數，另一種是專利授權數。由于專利授權可能受到審批延遲的影響，不能及時地反映專利的產出情況，因此選擇專利申請數作為專利的具體指標更為合理。專利的定義范圍包含了發明專利、使用新型專利、外觀設計專利三類。

經濟效益轉化階段的投入產出指標選擇與一般產品生產過程的投入產出基本一致。同類研究中對企業層級全要素生產率的測算，常見的投入指標有員工數量、固定資產投入、資本投入等，常見的產出指標有凈利潤、營業收入、總產值等。結合數據集中所具有的指標，經濟效益轉化階段選取的投入指標為固定資產凈額、員工數量、專利申請數；產出指標為凈利潤和營業收入。指標選取理由解釋如下：

固定資產凈額：使用固定資產凈額反映最終產品生產過程的資本投入。上市公司數據集中的固定資產凈額已扣除折舊等扣減項，可以無偏誤地反映企業當期資本投入水平。

員工數量：使用員工數量反映最終產品生產過程的勞動投入。參與產品生產過程的員工數量為員工總數扣減研發人員數的余值。

專利申請數：基于兩階段模型的特點，在最終產品生產階段加入創新要素的投入。作為創新專利研發階段的延續，使用專利申請數作為經濟效益轉化階段的創新要素投入指標。

凈利潤：使用凈利潤作為企業產出水平的指標之一。企業經營的目的在于盈利，凈利潤很好地反映了企業的盈利能力。

營業收入：營業收入指標反映企業經營能力。DEA方法不排斥經濟意義上存在重復的指標，因此加入同類研究常用的營業收入指標，作為企業經營能力的代表，從不同角度反映企業的產出水平，同時不會與凈利潤指標產生沖突。

在使用兩階段DEA效率評估模型測度創新效率的研究中，新產品的產值與銷售收入是一類常用于度量創新成果轉化的變量，利用到此類指標的研究均以高新技術產業為樣本，并使用相應的年鑒數據。由于本文使用的數據集為上市公司數據集中的戰略性新興產業企業，在企業層面并未統計新產品相關的指標，因此無法使用新產品的產值或收入作為經濟效益轉化階段的產出指標。同時，由于新產品的營收是企業總體營收的一個子集，凈利潤與營業收入指標包含了新產品的部分，使用總體營收指標可以涵蓋新產品營收的信息，足以反映創新成果經濟轉化的情況。

創新總和階段將創新專利生產階段與最終產品生產階段的投入產出相加，并抵消中間品，將整個生產過程視為一個黑箱過程。創新總和階段的投入指標為固定資產凈額、員工數量、研發資本存量，產出指標為凈利潤與營業收入。在模型設定中，創新專利生產階段產出的專利完全投入最終產品生產階段并完全消耗。

三、數據與計算方法

(一)數據來源

本研究使用的數據包括上市公司財務報表數據和上市公司研發創新數據，數據來自國泰安數據庫和中國研究數據服務平臺。

由于不存在專門的戰略性新興產業年鑒或數據庫，因此本文采用上市公司數據集，使用關鍵詞匹配的方法對照上市公司的主營業務與經營范圍描述，篩選各年從屬于戰略性新興產業的上市公司，作為全體新興產業企業的樣本。參照國家統計局《戰略性新興產業分類(2018)》的定義，戰略性新興產業共含9類，其中數字創意產業和相關服務業為新加入的產業類目，數字創意產業相關的研究與數據較少，相關服務業的定義尚不清晰，因此這兩類產業不納入研究范圍。其余7類戰略性新興產業分別為：新一代信息技術產業、高端裝備制造產業、新材料產業、生物產業、新能源汽車產業、新能源產業、節能環保產業。參照《戰略性新興產業分類(2018)》挑選屬于各類產業的關鍵詞，并通過測試刪除、修改了其中容易引發歧義的關鍵詞。用于篩選的各產業關鍵詞列表如表1所示。

表1 戰略性新興產業關鍵詞

使用表1中的關鍵詞匹配上市公司數據集中的“主營業務”和“經營范圍”條目，篩選從屬于戰略性新興產業的企業。由于不同企業與戰略性新興產業的關聯程度不同，若將所有包含關鍵詞的企業全部納入樣本范圍則會造成樣本范圍過大，因此對采用不同篩選方式得到的企業做差異化處理。將通過“主營業務”條目匹配得到的企業定義為戰略性新興產業核心企業，即戰略性新興產業相關業務為公司主要業務的企業；同時將通過“經營范圍”條目匹配得到，且“主營業務”不包含關鍵詞的企業定義為關聯企業，即戰略性新興產業相關業務非公司主要業務的企業。為避免過度計算新興產業的經濟規模，將關聯企業的經濟規模數值乘以一定的系數，納入新興產業規模的計算。由于無法確定關聯企業新興產業業務的比例，也無法得知企業間經濟活動的關系網絡，因此通過設定一個簡單模型，從平均意義上度量關聯企業的新興產業相關經濟活動的比例。假設任一企業i與樣本內的全部N家上市公司企業之間都存在等量的經濟業務關系，則企業i的經濟活動中有1/N的比例與另一企業j存在關聯。又設定新興產業核心企業的權重為1，核心企業的總數為n1， 關聯企業的總數為n2， 平均每家企業與新興產業的業務關聯比例為γ。 設定每家企業的經濟活動總量為1， 則可得到等式γ=(n1+γ×n2)/N， 即新興產業的經濟活動比例等于核心企業經濟活動規模與關聯企業經濟活動中關聯新興產業的比例之和除以全體企業經濟活動總規模。等式經過簡單數學變換為γ=n1/(N-n2)， 即任一企業i的經濟活動中有n1/(N-n2)的比例與新興產業相關聯。將關聯企業的經濟規模乘以系數γ加入戰略性新興產業規模的計算。樣本期內上市公司數據集中共4 652家企業，有1 639家企業與戰略性新興產業相關，其中核心企業376家，關聯企業1 362家，由此可得到γ的數值約為0.114。

按照關鍵詞篩選得到的戰略性新興產業各行業企業數量在31個省(自治區、直轄市)的分布如表2所示。

表2 31個省(自治區、直轄市)各類新興產業企業數量

續表

由于部分企業業務范圍較廣，涵蓋了多個戰略性新興產業行業，因此各產業的企業數量加總可能大于新興產業企業數量總計值。由表2可以看到，戰略性新興產業數量最多的為廣東省，共有416家企業從屬于戰略性新興產業的范疇，其中核心企業有60家。新興產業企業數量較多的省、市包括江蘇省、北京市、浙江省、上海市等，新興產業企業數量較少的省(自治區、直轄市)包括西藏自治區、青海省、寧夏回族自治區、貴州省等。除香港特別行政區、澳門特別行政區與臺灣省數據缺失外，每個省級行政區均有從屬于戰略性新興產業的企業。從行業角度比較，從屬于新一代信息技術產業的企業最多，為852家；從屬于新材料產業的企業最少，為71家；其余產業的企業數量均介于160至330之間。

(二)數據描述性統計

基于數據完整性與數據質量的考慮，考察年限設定為2016—2020年。DEA-Malmquis指數法要求數據結構為平衡面板數據，戰略性新興產業省級數據集在2015年及之后滿足平衡面板數據的要求。又由于2015年是新加入省份，即青海省首年擁有戰略性新興產業企業的時點，考慮到研發的投入-產出過程存在時滯[33，35-36]，首年的研發投入即帶來相應成果產出并實現經濟效益轉化的可能性較小，為保證后續分析的可信性，將起始年份延后一年，使用2016年作為后續分析的起始年份。同時，2021年及之后的企業數據指標缺失較多。綜上原因，使用2016—2020年作為后續研究的年限。所有數據在企業層級的描述性統計如表3所示。

表3 企業數據描述性統計

企業層級的數據中存在少量缺失值，加總到省級行政區層級后進行處理。核心企業的所有經濟變量全部參與加總，關聯企業的所有經濟變量乘以新興產業經濟關聯比例γ后加總。

使用DEA-Malmquist指數法測算全要素生產率相對效率需要定義決策單元(DMU)，本文將戰略性新興產業上市公司的投入產出指標數據加總到省級行政區層級，將每個省作為決策單元進行計算。企業數據加總后得到的數據集包含31個省(自治區、直轄市)，時間范圍為2016—2020年，共155條數據，數據結構為平衡面板數據。描述性統計如表4所示。

表4 省級加總數據描述性統計

由于數據集為面板數據的結構，包含每個個體多年的信息，存在貨幣價值變動的問題，固定資產、利潤、收益等貨幣指標的名義價值變動會導致效率值計算結果產生偏誤，因此需要將所有貨幣指標的名義值換算為真實值。由于國家統計局所公布的價格指數中沒有可以與固定資產、研發投入等指標較好地匹配的價格指數，因此統一使用以1978年為基期的GDP指數對所有貨幣類指標進行平減，得到貨幣類指標的真實值。

在DEA效率值計算過程中，部分產出指標如凈利潤、專利申請數存在零值和負值將導致計算結果出錯，因此參考沈江建等[37]對于負產出的處理方法，以及馬占新等[38]對于零產出的處理方法，將所有凈利潤數值同向變換至正數以消除凈利潤的負值；將專利申請數的零值調整為極小正數以消除專利申請數的零值。

四、效率值計算結果分析

使用DEA-Malmquist指數法計算各決策單元的全要素生產率跨期變動以及效率變化的分解項。由于本文關注給定投入下的最大化產出，因此模型使用產出導向的效率值計算方法。

效率值計算結果數據總量較大，無法全部展示，因此給出效率值計算結果的描述性統計，刻畫效率值的總體特征，后續從時間和個體兩個維度分別對效率值計算結果進行分析。表5至表7分別報告了創新專利研發階段、經濟效益轉化階段與創新總和階段全要素生產率及分解項的描述性統計結果。

表5 創新專利研發階段效率值計算結果描述性統計

表6 經濟效益轉化階段效率值計算結果描述性統計

表7 創新總和階段效率值計算結果描述性統計

觀察極值的分布。從表5可以看到，創新專利研發階段純技術效率變化的最大值達到13.173 5，該數值出現于西藏自治區2019—2020年的效率變化樣本，由于西藏自治區納入戰略性新興產業范疇的企業僅2家，企業數量相對極少，因此出現這一數值結果存在一定偶然性因素。這一相對較大的數值導致相對效率變化和全要素生產率變化同樣出現較大的最大值。除此條數據外，其余數據均在與均值距離三個標準差的范圍之內。經濟效益轉化階段和創新總和階段沒有出現異常的效率值極值。

對比不同生產階段效率值分布情況。創新專利研發階段的部分效率值分解項的平均數和中位數存在較大差異，相對效率變化的平均值約為1.869 0，而中位數約為1.187 3，表示相對效率變化極大值對于數值總體分布影響較大；規模效率變化的平均值約為1.642 7，中位數約為1.051 9，同樣表示規模效率變化極大值對于數值總體分布存在較大影響。經濟效益轉化階段和創新總和階段的各效率值平均值和中位數均在1附近，總體分布較為均勻。

對比不同生產階段效率值離散程度。經濟效益轉化階段和創新總和階段的效率值標準差總體上小于創新專利研發階段的效率值標準差。這一結果表明創新專利研發階段各決策單元效率值的離散程度明顯大于成果轉化階段的效率值，意味著相較于一般產品生產的效率差異，各決策單元創新研發的效率差異較大。

(一)跨期效率分析

以年為時間單位計算效率值可能存在由于時間延遲導致的效率值異常。例如，專利的產出、申請與生產應用之間可能存在數據無法刻畫的延遲，前后兩期均投入研發創新資源，而專利申請由于未知的隨機因素延遲至后一時期，導致前一時期創新專利研發效率偏低，而后一時期效率偏高；同時，若專利未申請而直接投入實際的產品生產過程，又會對創新專利經濟效益轉化階段的效率值產生不可預測的影響。后續分析分別從個體和時間維度對效率值進行平均，以減少潛在的由于時期遲滯導致的效率值極端數值對經濟意義分析的影響。

從時間維度進行分析，對不同時期31個省(自治區、直轄市)的效率值及分解項進行平均，刻畫每個時期我國戰略性新興產業效率變化的總體特征。表8至表10分別報告了創新專利研發階段、經濟效益轉化階段以及創新總和階段的全要素生產率變化以及生產率變動的分解項。

表8 創新專利研發階段生產率變化

表9 經濟效益轉化階段生產率變化

表10 創新總和階段生產率變化

圖2以折線圖形式直觀呈現了三個生產階段全要素生產率變化的趨勢。

圖2 全要素生產率變化趨勢

結合表8和圖2的結果可以看到，2016—2020年，戰略性新興產業整體研發創新活動全要素生產率變化趨勢為先上升后下降，在2017—2018年達到最大值，相對前一時期的效率提高達到6.82%。5年間研發創新活動的全要素生產率整體呈現緩慢上升趨勢，平均年均增長率約為0.08%。研發創新活動的相對效率變化在2016—2017年達到3.5940，其余時期內保持較高的增長率，5年內平均增長率為186.90%，這一數值體現了戰略性新興產業創新研發活動追趕技術前沿的速度極快。研發創新活動的技術變化效率值相對較低，5年內平均技術變化率小于1，意味著創新活動前沿技術的效率總體呈現降低的趨勢。相對效率的分解項純技術效率變化和規模效率變化總體上都呈現上升的趨勢，意味研發創新活動整體上呈現規模報酬遞增的特點，同時，研發創新的技術效率總體呈現上升的變化趨勢。

結合表9和圖2的結果可以看到，2016—2020年，戰略性新興產業研發創新成果經濟效益轉化的全要素生產率總體呈現上升趨勢，最大值為2016—2017年的1.137 2，僅2017—2018年間效率值下降，5年內年平均增長率約為6.46%。研發成果經濟效益轉化的相對效率變化總體呈現先下降后上升的趨勢，5年間平均效率值變動為-2.54%。研發成果經濟效益轉化的技術變化5年間平均增長率約為11.55%，總體上前沿技術效率有較明顯的提升。相對效率變化的分解項純技術效率變化總體呈現下降的趨勢，5年平均變化率約為-2.07%；規模效率變化總體幅度平均值小于0.01%，趨勢上呈現先下降后上升的狀態。

結合表10和圖2結果可以看到，2016—2020年，戰略性新興產業創新活動全過程全要素生產率呈波動趨勢，在正負5%的區間內波動，5年平均全要素生產率變化約為0.25%。相對效率和純技術效率總體降低，技術變化和規模效率變化總體提升，各效率值的5年平均變化幅度均在3%以內。

總體上看，戰略性新興產業研發創新活動的全要素生產率處于緩慢增長的狀態，這一增長狀態由較高的相對效率變化和較低的技術前沿效率增長共同構成。這個特點意味著在戰略性新興產業的創新活動中，各決策單元對于技術前沿的追趕速度極快，產業中一旦有新技術產生，便可以極快的速度擴散至整個產業，提高整個產業的創新效率。同時，產業整體的技術前沿效率下降意味著前沿技術的研發動力不足，效率較差。在樣本期內，戰略性新興產業的創新活動總體呈現規模報酬遞增的特點，因此增加創新投入的規模有利于促進戰略性新興產業研發創新活動的效率。

戰略性新興產業研發創新成果的經濟效益轉化，本質上是有專利因素參與的一般消費產品生產過程，其效率變化是創新要素、資本要素和勞動要素綜合作用的結果。經濟效益轉化過程的全要素生產率變化總體較為平穩，效率增長幅度適中。創新驅動下的最終產品生產的技術前沿變化提升幅度較大，前沿技術的效率提高明顯，但與創新活動相比，經濟效益轉化階段技術擴散的速度較慢。在樣本期內，戰略性新興產業創新成果經濟效益轉化總體上呈現規模報酬不變的特征。

戰略性新興產業研發創新活動的全過程作為兩階段的總和，其全要素生產率變化幅度總體上介于研發創新活動全要素生產率和經濟效益轉化全要素生產率之間。在2019年之前，研發創新全過程的總和效率值變動趨勢與經濟效益轉化階段更為緊密；2019年之后，綜合效率值變動與創新專利研發效率變動趨勢更加接近。這一現象反映了創新專利研發階段的經濟活動比重增加，對比成果轉化階段存在相對上升的趨勢，與近年來我國各產業創新研發投入整體增加，創新活動旺盛的現象相一致。

(二)個體效率分析

從個體維度進行分析，對不同省(自治區、直轄市)的各時期全要素生產率變化進行平均，刻畫不同省(自治區、直轄市)戰略性新興產業效率變化的基本特征。表11報告了31個省(自治區、直轄市)的全要素生產率平均值。

表11 31個省(自治區、直轄市)全要素生產率平均值

續表

將31個省(自治區、直轄市)的創新專利研發階段全要素生產率與經濟效益轉化階段全要素生產率繪制于2×2矩陣圖，如圖3所示。

圖3 兩階段創新效率矩陣

圖3以兩個階段的全要素生產率變化相對不變，即MPI=1為界，劃分為四個象限。左下區域內的為創新專利研發效率和經濟效益轉化效率均較低的樣本，右下區域內的為創新專利研發效率較低而經濟效益轉化效率較高的樣本，左上區域內的為創新專利研發效率較高而經濟效益轉化效率較低的樣本，右上區域內的為創新專利研發效率和經濟效益轉化效率均較高的樣本。

結合表11和圖3的結果可以看到，大多數省(自治區、直轄市)分布于兩階段效率年平均變化幅度均較小的區域。出現效率極高值的省(自治區、直轄市)，如西藏自治區、海南省、寧夏回族自治區所擁有的戰略性新興產業企業數量均較少，因此其對戰略性新興產業總體的效率影響有限。擁有戰略性新興產業企業數量較多的省份，如廣東省、江蘇省、浙江省等，其年平均效率值分布較接近矩陣中心，即代表效率值平均變化程度較小的區域。

從創新專利研發全要素生產率的角度觀察，不同省(自治區、直轄市)創新專利研發階段的效率值差異較大，最大值為西藏自治區的2.382 3，其次為海南省的1.629 9；較多省份處于創新專利研發平均效率變化小于1的區域，即相對效率平均降低的區域。從經濟效益轉化全要素生產率的角度觀察，不同省份創新成果經濟效益轉化的效率值差異相對較小，較多省份分布于平均效率變化大于1的區域，最大值為天津市的1.498 4。

綜合觀察兩階段的效率值計算結果，明顯呈現出“創新效率低，轉化效率低”特征的是上海市，四川省、安徽省、貴州省同樣呈現“創新效率低，轉化效率低”的特征，但效率值變化幅度較小，相對不明顯。明顯呈現出“創新效率低，轉化效率高”特征的有天津市、重慶市、廣西壯族自治區、河北省等，呈現此特征的省(自治區、直轄市)數量在四種類型中最多。明顯呈現出“創新效率高，轉化效率低”的有遼寧省和福建省，海南省也存在此特征，但轉化效率低的特征相對不明顯。明顯呈現出“創新效率高，轉化效率高”的是寧夏回族自治區，同呈現此特征但程度較低的省份有湖南省、山西省、吉林省、西藏自治區。此外，部分省(自治區、直轄市)如浙江省、內蒙古自治區、黑龍江省、湖北省、江西省的年平均經濟效益轉化效率幾乎處于不變的狀態，浙江省、北京市的年平均創新專利研發效率幾乎處于不變的狀態。

對于創新專利研發效率與經濟效益轉化效率矩陣中的四類省(自治區、直轄市)，效率角度最優的狀態為“創新效率高，轉化效率高”，但能實現此高效狀態的省(自治區、直轄市)數量較少，大多處于“創新效率低，轉化效率高”的狀態，對于此類省(自治區、直轄市)，效率改進的主要方向為提升創新專利研發的效率。對于處于“創新效率高，轉化效率低”的省(自治區、直轄市)，效率改進的方向是提高經濟效益轉化的效率，可以通過產業生產過程的效率改進實現。對于“創新效率低，轉化效率低”的省(自治區、直轄市)，從研發效率和經濟效益轉化效率方面著手均可實現有意義的效率改進。

五、結論與政策建議

本文建立了研發創新的兩階段DEA效率評估模型，篩選戰略性新興產業上市公司樣本作為產業整體的代表，通過DEA-Malmquist指數法測算了我國31個省(自治區、直轄市)戰略性新興產業創新專利研發階段、研發成果經濟效益轉化階段以及創新總和階段的全要素生產率變化以及分解效率值，并從時間和省(自治區、直轄市)個體的角度詳細分析了創新活動各個階段的效率值特征。

在戰略性新興產業創新活動效率特征方面，主要結論有：

第一，2016—2020年，我國戰略性新興產業創新活動的全要素生產率總體呈現上升趨勢，創新專利研發活動全要素生產率年平均提升0.08%，創新成果經濟效益轉化全要素生產率年平均提升6.46%，創新活動總體全要素生產率年平均提升0.25%。

第二，31個省(自治區、直轄市)戰略性新興產業的創新專利研發效率總體處于較低水平，創新成果的經濟效益轉化效率總體處于中高水平。

第三，樣本期內研發創新活動整體呈現規模報酬遞增的特點，創新成果的經濟效益轉化整體呈現規模報酬不變的特點。

總結研究內容可以發現，我國戰略性新興產業創新研發活動存在“高效應用，低效研發”的現象，主要表現在：

第一，在創新研發與轉化的層面，31個省(自治區、直轄市)的效率值總體上呈現研發效率較低而轉化效率較高的狀態，即創新成果的轉化與應用較為容易，而創新專利的產出較為困難。一方面，由于創新成果的經濟效益轉化過程與一般消費品生產的關系密切，得益于我國大部分地區完善的工業體系，在戰略性新興產業領域內創新成果的轉化難度相對較低，因此體現出較高的效率。另一方面，隨著技術研發的深入，簡單的技術成果被發掘殆盡，產出新成果的難度逐漸提升，因此體現出研發投入的物質、人力要素增加，而產出的成果不等比例增加的低效率現象。

第二，在創新研發活動層面，同樣存在類似于高效應用而低效研發的現象。創新研發活動追趕前沿新技術的速度快、效率高，然而技術前沿的效率卻沒有提高，反而呈現下降的趨勢。技術前沿的效率下降有可能是由于前沿技術研究本身的高難度與高隨機性所致，也可能意味著前沿技術開發進入了技術上的瓶頸期。

需要辨析的是，相較于我國科技與經濟“兩張皮”的主流觀點，本文發現的“高效應用，低效研發”現象與該觀點的研究角度和討論范圍存在差異。首先，在研究角度方面，科技與經濟“兩張皮”通常指科研單位與生產單位相脫離，導致科研成果的經濟效益轉化不暢[39]?？蒲谐晒霓D化效果通常從數量上進行度量，而從效率方面進行考察，則會導致結論在表面上與主流觀點存在一定出入。其次，在研究對象方面，本文的研究基于上市公司企業數據，考察的創新技術研發與成果轉化均為發生在企業內部的經濟活動，從主體上看均為“兩張皮”的經濟一側，而純科研單位，即“兩張皮”的科技一側不在研究范圍內。相較于獨立的科研機構，企業內部的研發活動通?；趯嶋H生產的需求，與生產活動的結合更加緊密，以此實現科研成果轉化的相對高效。因此，本文的發現與“兩張皮”的主流觀點不矛盾，同時強調了研發與生產緊密結合對于提高經濟效率的重要性。

最后，基于研究發現，對于我國戰略性新興產業研發創新活動提出政策建議：

一是增加研發創新投入以提高創新效率。樣本期內戰略性新興產業研發創新活動整體上呈現規模報酬遞增的特點。因此，若需要提高產業的創新效率，增加創新要素投入規模很可能是一條簡單且可行的產業政策路徑。具體的政策手段包括直接增加研發創新活動所需的資本與勞動要素投入量，以及通過產業集群化發展的手段在一定區域實現研發創新活動的集聚。

二是鼓勵前沿科技研發。前沿“硬核科技”是戰略性新興產業乃至國家的核心競爭力，同時前沿技術的研發存在隨機性強、難度高的特征，因此表面的經濟效益低不可能成為放棄前沿技術研發的理由。相反，政府應鼓勵前沿技術的開發，在保證財政資金、人力投入的同時，鼓勵市場科研力量投入，以靈活、高效、創新性的方式進行前沿技術的開發。通過提升技術前沿，利用新興產業新技術擴散快的特性，將前沿技術成果快速推廣至整個產業，提升產業整體技術水平，增強新興產業的整體競爭力。

三是基于企業需求，執行針對性的產業政策。實證結果顯示創新研發效率高的省(自治區、直轄市)所擁有的戰略性新興產業企業數量均較少，這可能是由于企業數量少的省(自治區、直轄市)在產業政策制定方面具有更強的針對性，通過針對性的產業政策助力少數企業提高效率，即可帶動全省的新興產業總體效率提升。戰略性新興產業企業數量較多的省(自治區、直轄市)創新效率通常處于平均值附近，由于企業數量較多，研發、經營狀況復雜，因此產業政策較難具體顧及各企業的發展需求。提高此類省(自治區、直轄市)的新興產業總體創新研發活動效率，需要地方政府深入企業，了解各新興產業企業的具體訴求，使用針對性的產業政策手段助力企業提高技術研發與成果轉化效率。