福建省創新兩階段效率及影響因素探析
——基于隨機前沿分析模型

許福志，李 剛

（ 福建理工大學 互聯網經貿學院，福建 福州 350014 ）

黨的十九大報告作出“我國經濟已由高速增長階段轉向高質量發展階段”[1]的重要論斷，明確了創新在引領高質量發展進程中的重要地位。 黨的二十大報告明確指出，必須堅持科技是第一生產力、 人才是第一資源、 創新是第一動力[2]。 福建省持續深入實施科教興省、 人才強省戰略、 創新驅動發展戰略等一系列政策措施，加快建設高水平創新型省份，研發要素投入規模不斷擴大，創新產出也不斷提升，創新綜合實力顯著增強，成為全方位推進高質量發展超越的關鍵引擎。 然而，由于福建省各地市在創新基礎、資源、 環境、 政策支持等方面存在不小差距，導致區域間的創新發展很不平衡，同時，科技資源要素利用效率不高，區域創新效率尚有較大的提升空間。 因此，量化測度福建省創新效率，分析創新效率現狀、 區域分布差異，探索創新效率的影響因素，對于全面推進福建省科技創新能力提升及全方位推進高質量發展超越具有非常重要的現實意義。

創新效率的研究主要聚焦于兩個方面: 一是創新效率的測度，主要采用非參數方法的數據包絡分析（data envelopment analysis，DEA）及延伸模型和參數方法的隨機前沿分析（stochastic frontier analysis，SFA）。 前者無須設定具體的生產函數形式，從而避免了因模型設定錯誤帶來的偏差，但未考慮偶然因素對于產出變量的影響[3]，對測量誤差的忽略也會影響效率測度的準確性與穩定性[4]，且無法對結果進行顯著性檢驗； 后者則設定了具體的生產函數形式，更具有堅實的經濟理論基礎，可對模型本身及估計參數進行顯著性檢驗、 可從無效率中分離出隨機誤差[5]，在測算每個個體技術效率的同時，還能定量分析各種相關因素對個體效率差異的具體影響[6]，盡管其函數形式設定和分布假設過于嚴格，在模型設定合理且采用面板數據條件下，SFA 能得到更有效的結果[7]。 大多數學者采用DEA 及延伸模型和SFA 模型對創新效率進行測度與評價[8-10]； 基于價值鏈視角，創新過程又可分為技術研發階段和成果轉化階段，部分學者也對創新兩階段效率進行測度與評價[11-13]。 二是創新效率的影響因素研究，主要包括政府支持、企業自主研發、 產業結構、 人力資本水平、 對外開放、 數字經濟發展水平等[14-16]。

目前，關于福建省創新效率及影響因素的文獻相對匱乏，從研究方法上看，主要采用DEA及延伸模型，如利用超效率DEA 視窗模型及Malmquist 指數、 DEA-BCC 模型和 DEAMalmquist 模型等對福建省的創新效率進行測度與評價[17-19]，采用SFA 模型僅從企業層面出發[20]； 從研究方向上看，主要測度福建省的整體創新效率，分階段創新效率測度僅從行業層面出發[21]，且缺乏對福建省創新效率影響因素的研究。 鑒于此，采用福建省9 個地市的面板數據，運用SFA 模型測度福建省的創新兩階段效率，同時考察和分析創新兩階段效率的影響因素，以期為福建省制定科技創新發展戰略和推動區域創新效率協調、 全面提升提供參考。

一、 模型構建和變量選擇

1. 模型構建

依據Battese 等的模型設定方法[22]，采用柯布-道格拉斯生產函數對創新效率及影響因素進行研究。 具體模型構建如下:

其中，i和t表示地區和時間。Y、K、L分別表示創新產出、 研發資本和研發人員投入。 由于技術創新過程從研發要素投入到成果轉化通常具有一定的時滯性，因此，所有研發要素投入滯后一期。vit-uit表示復合誤差結構，其中，vit表示隨機誤差項，服從N（0，） 正態分布，uit表示技術無效率項，服從N（μ，σ2u） 截斷正態分布。 技術效率（ET）為實際產出與生產前沿產出之比，其值越接近于1，表示技術越有效。γ表示隨機擾動項中技術無效率占比，若γ＝1 表示誤差值全部來源于技術無效率因素； 若γ＝0 表示誤差值全部來自于不可控的隨機因素，此時使用普通最小二乘（ordinary least squares，OLS）估計模型即可。

為進一步考察技術效率的影響因素，構建技術無效率函數:

其中:u為技術無效率函數，z為影響技術無效率的因素；δ為待估參數，若為負，說明對技術效率有正向作用，反之，則有負向作用；ω為隨機誤差項，假定服從N（0，） 正態分布。 考慮到要素投入的滯后性，同時為了降低內生性，通過影響因素變量滯后一期來控制。

2. 變量選擇

選取福建省9 個地市的面板數據為樣本，數據來源于2016—2022 年《福建統計年鑒》、 福建省各地市統計年鑒及福建省科技廳網站。 考慮到要素投入的滯后性，因此，要素投入指標為2015—2020 年數據，創新產出指標為2016—2021 年數據，變量設置如下。

（1）創新產出

基于價值鏈視角，創新過程可劃分為技術研發和成果轉化兩個階段[23]，分別選擇專利授權量和技術市場合同成交額作為技術研發階段和成果轉化階段的產出指標。 專利是發明人的重要智力勞動成果，對開發新產品、 技術改造和專利申請等有重要作用，能較全面地反映發明和創新信息，而技術市場合同成交額反映技術創新對經濟運行質量和效益的促進，反映出一個地區的創新成果商業化應用和創新產品的市場成功[24]。

（2）創新投入

選取研發人員投入（L）和研發資本（K）衡量創新的投入規模。 其中，研發人員投入采用研發人員全時當量來測度； 在研發資本核算方面，盡管研發資本存量比研發資本流量更符合現實[25]，但由于研發資本存量在不同假定和計算方法下得到的結果不盡相同，對最終測度結果準確性會造成偏差[26]，且福建省9 個地市沒有公布完整的相關價格指數，無法計算得到研發價格指數，因此以研發內部經費支出的流量指標來測度研發資本。

（3）影響因素變量

借鑒現有研究，選取產業結構（Sind）、 數字經濟發展水平（Lded）、 政府支持力度（Sgov）、 外商直接投資（Ifd）、 人力資本水平（h）等5 個變量。 其中，Sind采用第二產業增加值占GDP 比重來衡量；Lded采用熵值法計算出的綜合指數來衡量，基于數據的可獲得性，從每百人互聯網用戶數、 每百人移動電話用戶數、 電信業務總額占GDP 比重、 郵政業務總額占GDP 比重、 人均快遞業務量來構建Lded評價指標體系；Sgov采用財政科技支出占財政支出比重來衡量；Ifd采用外商直接投資總額占GDP 比重來衡量；h采用每萬人中在校大學生數來衡量。

二、 實證分析

利用SFA 量化測度福建省的技術研發效率和成果轉化效率，并對創新兩階段效率的影響因素進行實證研究。

1. 福建省創新兩階段效率演變分析

表1 報告了2016—2021 年福建省技術研發效率的測度結果。 研究表明: 1）整體來看，福建省技術研發效率平均值呈小幅度波動趨勢，最低為2017 年的0.384，最高為2018 年的0.493，總平均值為0.437，技術研發效率還處于較低水平。 近年來，福建省雖然加大了科技資源要素的投入力度，創新產出也不斷提升，但產出投入比仍然偏低。 根據統計數據，專利授權量與研發內部經費支出、 研發人員折合全時當量的比值，在2016 年分別為147.632 件/億元、 0.507 件/人年，在2021 年分別為157.262 件/億元、 0.647件/人年，產出投入比增長幅度小，導致技術研發效率無法快速提升。 2）分區域來看，技術研發效率值高于全省平均水平的地市有莆田市、 三明市、 泉州市、 龍巖市和寧德市，最高為泉州市的0.725； 而福州市、 廈門市、 漳州市和南平市的技術研發效率均值低于全省平均水平，最低為福州市的0.144，說明技術研發效率存在顯著的區域異質性，但這種差異性隨著時間的推移呈階段性下降趨勢，即變異系數從2016 年的0.490下降到2021 年的0.351。 經濟綜合實力較高的福州市和廈門市的技術研發效率值卻相對較低，主要是由于這兩個地市的技術研發產出雖然較高，但投入的科技資源要素也更多，產出投入比相對較低，導致技術研發效率不高； 而經濟綜合實力較低的莆田市、 三明市、 龍巖市、 寧德市卻擁有相對較高的技術研發效率值，主要是由于這些地市的技術研發產出雖然較低，但投入的科技資源要素更少，因而產出投入比相對較高，技術研發效率有所提升。 以福州市和三明市為例，根據統計數據，2016—2021 年間，福州市專利授權量與研發內部經費支出、 研發人員折合全時當量的比值分別為100.086 件/億元、 0.405 件/人年，而三明市分別為118.760 件/億元、 0.597件/人年，產出投入比存在不小差距。

表1 福建省技術研發效率測度結果

表2 報告了2016—2021 年福建省成果轉化效率的測度結果。 研究表明: 1）整體來看，福建省成果轉化效率平均值呈動態上升態勢，從2016 年的0.381 上升至2021 年的0.561，年均增長率為8.05%，總平均值為0.454，雖然效率不高，但科技資源要素的利用效率顯著提升。 近年來，福建省出臺了一系列科技成果轉化的政策法規，逐步完善科技成果轉化鏈條，加快成果轉化及產業化，著力打通科技成果轉化為生產力的“最后一公里”，科技成果轉化能力顯著增強。2）分區域來看，成果轉化效率值高于全省平均水平的地市有福州市、 廈門市、 三明市和寧德市，最高為廈門市的0.713； 而莆田市、 泉州市、 漳州市、 南平市和龍巖市的成果轉化效率值低于全省平均水平，最低為漳州市的0.228，說明成果轉化效率也存在顯著的區域異質性，但這種差異性隨著時間的推移呈下降趨勢，即變異系數從2016 年的0.709 一直下降到2021 年的0.268。 泉州市的成果轉化產出雖然較高，但投入的科技資源要素更多，產出投入比相對較低，導致成果轉化效率不高； 而三明市和寧德市的成果轉化產出雖然較低，但投入的科技資源要素也更少，產出投入比相對較高，進而提升了成果轉化效率。

表2 福建省成果轉化效率測度結果

2. 福建省創新兩階段效率模式分析

為更深入地分析福建省各地市在創新兩階段的效率情況，根據技術研發效率和成果轉化效率的平均值將研發活動分為4 種模式，結果如表3 所示。

表3 研發活動模式分類

（1）高技術研發高成果轉化效率模式

三明市、 寧德市這兩個地市雖然科技資源要素投入和創新產出并不高，但產出投入比相對較高，創新兩階段效率也隨之提升。 近年來，三明市科技局出臺了一系列促進科技創新發展的政策措施，持續深化京明、 滬明、 廈明科技合作，加快建設六大科技創新平臺，增強了科研實力和服務能力，與2018 年相比，2019 年技術研發效率和成果轉化效率分別下降了48.35%、 50.78%，下降幅度明顯，隨后持續上升。 寧德市鋰電新能源、 新能源汽車、 不銹鋼新材料、 銅材料等具有國際競爭力的高技術主導產業集群發展迅速，技術研發和成果轉化水平顯著提升，隨著時間的推移，技術研發效率和成果轉化效率呈總體上升趨勢，2016—2021 年，年均增長率分別為7.21%、12.25%。

（2）高技術研發低成果轉化效率模式

莆田市、 泉州市、 龍巖市這三個地市的技術研發能力較強，但科技成果轉化能力相對較弱。泉州市的技術研發和成果轉化存在嚴重的“跛足” 現象，技術研發效率顯著高于成果轉化效率，科技成果轉化為現實生產力的水平較低。 莆田市的技術研發效率略高于全省平均水平，但成果轉化效率與全省平均水平存在一定差距。 龍巖市的創新兩階段效率與全省平均水平較為接近。

（3）低技術研發高成果轉化效率模式

福州市、 廈門市這兩個地市的經濟綜合實力相對較強，科技資源要素投入和創新產出也較高，但技術研發和成果轉化同樣存在嚴重的“跛足” 現象，成果轉化效率居全省前2 位，技術研發效率居全省末2 位，成果轉化效率顯著高于技術研發效率。

（4）低技術研發低成果轉化效率模式

漳州市、 南平市這兩個地市的技術研發和科技成果轉化能力均相對較弱。 漳州市的科技資源要素投入和創新產出處于全省中上游水平。 根據統計數據，2016—2021 年間，漳州市的研發內部經費支出、 研發人員折合全時當量、 專利授權量均排在全省第4 位，技術市場合同成交額排在全省第6 位，但產出投入比相對較低，創新效率也偏低。 南平市的科技資源要素投入和創新產出處于全省下游水平，科技資源利用效率低，未能帶動創新效率提升。

3. 福建省創新兩階段效率影響因素分析

表4 給出了創新兩階段效率影響因素的估計結果。 數據表明，模型中技術無效率占比（γ）、似然比（RL）統計量在1%水平下具有顯著性，且γ值都大于0.9，表明影響創新效率的大部分隨機因素可由技術效率來解釋，即前沿生產函數模型不僅存在技術無效率，且技術無效率對因變量具有顯著的影響，說明運用SFA 考察福建省創新兩階段效率及其影響因素的合理性。

表4 創新效率影響因素估計結果

（1）lnK和lnL對創新產出的影響

技術研發階段，lnK和lnL的產出彈性分別為0.280、 1.180，且通過了顯著性檢驗，說明研發資本和研發人員投入對技術研發階段的創新產出具有正向作用，lnK和lnL每增加1%，專利授權量將分別增加0.280%、 1.180%，研發人員投入對專利產出的正向影響顯著大于研發資本。 成果轉化階段，lnK的產出彈性為0.197，但未通過顯著性檢驗，lnL的產出彈性為1.687，通過了顯著性檢驗，說明研發資本在成果轉化階段未完全發揮正向作用，成果產出主要依靠研發人員投入，lnL投入每增加1%，技術市場合同成交額將增加1.687%。

（2）Sind對創新效率的影響

Sind在技術研發階段的系數顯著為負，在成果轉化階段的系數為負但不顯著，說明產業結構對技術研發效率具有正向促進作用，而對成果轉化效率的正向促進作用不顯著。 近年來，福建省加快調整優化產業結構，深入推進先進制造業強省、 質量強省建設，大力發展高技術新興產業，做大做強電子信息和數字產業、 先進制造裝備等主導產業，不斷加強關鍵核心技術研發攻關，從而有效促進技術研發效率的提升，但可能產業結構調整優化尚未達到一定的“門檻值”，故對成果轉化效率的提升效果不顯著。

（3）Lded對創新效率的影響

Lded在創新兩階段的系數均顯著為負，說明數字經濟發展水平能促進創新兩階段效率的提升。 近年來，福建省加快推進“數字福建” 建設，加大數字經濟基礎設施投入力度，積極推動互聯網、 大數據、 人工智能和實體經濟深度融合，大力推進數字產業化、 產業數字化，數字經濟發展水平大幅提升，而數字經濟的發展在一定程度上打破了信息與研發要素在區域間流動的地理限制[27]，能夠有效整合創新資源、 打通創新堵點，通過人力資本積累效應、 知識溢出效應、創新要素配置優化效應提升創新效率[16]。 當前，數字經濟發展已成為推動福建省科技創新發展的關鍵引擎。

（4）Sgov對創新效率的影響

Sgov在創新兩階段的系數均顯著為負，說明政府支持力度能促進創新兩階段效率的提升。 根據統計數據，2016—2021 年間，雖然福建省的地方財政科技支出占財政支出比重較小，均值為2.47%，但呈上升趨勢，年均增長率為9.21%。在科技創新過程中，福建省持續加大財政科技支出力度，出臺創新激勵政策，為科技創新活動創造基礎條件，為加快科技成果轉化提供保障，政府支持的引導作用和杠桿效應得到了充分的發揮[28]，對創新兩階段效率的提升效果顯著。

（5）Ifd對創新效率的影響

Ifd在技術研發階段的系數顯著為正，在成果轉化階段的系數為正但不顯著，說明外商直接投資未能提升福建省的創新兩階段效率。 這可能是由于福建省的外商直接投資主要流向服務業，而進入先進制造、 科技創新等重點領域的份額偏低，導致外商直接投資的技術溢出效應不顯著。 以2021 年為例，根據福建省統計局數據，福建省的外商直接投資中流向工業的占比僅為11. 44%，而流向服務業的占比高達71. 17%。

（6）h對創新效率的影響

h在技術研發階段的系數顯著為正，在成果轉化階段的系數顯著為負，說明人力資本水平未能促進技術研發效率提升，但對成果轉化效率具有顯著的正向促進作用。 在技術研發階段，福建省在培養人才創新能力方面存在不足，這可能導致人力資本水平未能達到促進技術研發效率的“門檻值”。 提高人們的受教育程度可以更加有效地將技術研發階段得到的成果進行市場化的運作，進一步提高成果轉化效率。

三、 結論和對策

1. 研究結論

科技創新是福建省全方位推動高質量發展超越的第一動力源，優化科技資源配置、 提升創新效率成為推動科技創新的關鍵引擎。 基于福建省9 個地市的面板數據，運用SFA 模型量化測度福建省的創新兩階段效率，并考察和分析創新兩階段效率的影響因素，得出以下結論: 1）福建省的創新兩階段效率總體水平不高，技術研發效率呈小幅度波動態勢，平均值為0.437； 成果轉化效率呈總體上升態勢，年均增長率為8.05%，平均值為0.454； 2）福建省創新兩階段效率存在顯著的區域差異，技術研發效率值高于全省平均水平的地市有莆田市、 三明市、 泉州市、 龍巖市和寧德市； 成果轉化效率值高于全省平均水平的地市有福州市、 廈門市、 三明市和寧德市，但這種差異性隨著時間的推移呈下降趨勢； 3）研發人員投入是影響創新兩階段產出的重要因素，研發人員投入增加1%，專利授權量、 技術市場合同成交額將分別增加1.180%、 1.687%； 4）數字經濟發展水平、 政府支持力度對創新兩階段效率具有顯著的正向作用，產業結構能促進技術研發效率提升，外商直接投資對技術研發效率具有明顯的負向作用，而人力資本水平未能促進技術研發效率提升，但對成果轉化效率具有顯著的促進作用。

2. 對策

根據以上研究結論，提出如下對策: 1）持續加大科技資源要素投入力度，提高利用效率。根據國家統計局數據，雖然2021 年福建省的研發人員全時當量和研發內部經費支出分別排在全國第6 位和第11 位，但相比于北京、 江蘇、 浙江、 廣東等省份還存在不少差距，因此，應加大研發經費的投入力度，用好研發費用加計扣除、加大留抵退稅等政策，提升利用效率； 實施創新人才培育行動，培養引進“高精尖缺” 人才，并在薪酬、 住房、 子女教育、 父母養老等方面給予優厚待遇，更好地引進人才、 留住人才； 2）推動區域創新效率協調、 全面提升。 打破行政區域限制和機制壁壘，建立科技創新協同聯動機制、 行業合作創新機制，以建設國家自主創新示范區、 福廈泉科學城為契機，推動技術、 知識、人才、 資金等創新要素的流動與擴散，充分發揮科技創新的空間溢出效應，不斷提升區域整體創新水平； 3）制定差異化的科技創新發展戰略。各地市應根據創新兩階段效率的特征及自身的獨特優勢，走具有地域特色的創新之路。 創新資源聚集的福州市和廈門市應著重加強基礎研究和理論研究，加大關鍵核心技術攻關，提高科技產出投入比，推動技術研發效率和成果轉化效率有效銜接； 創新兩階段效率較高的三明市和寧德市，應著重加大科技資源要素的投入力度，不斷優化科技資源配置； 科技成果轉化能力較弱的莆田市、 泉州市和龍巖市，應著重制定有利于科技成果轉化的政策，暢通科技成果轉化鏈條，促進科技成果資本化產業化； 創新兩階段效率較低的漳州市和南平市，在加大科技資源要素投入力度的同時，不斷強化區域間的科技交流合作，提高科技資源利用效率，加強技術研發和成果轉化能力，促進創新兩階段效率全面提升； 4）統籌考慮創新效率的影響因素。 優化升級產業結構，大力發展高新技術產業； 加快推進“數字福建”建設，深入推進數字產業化、 產業數字化，采取人才優惠政策、 資金支持等有效措施來吸引數字人才[29]； 政府要堅持市場主導，通過稅收政策等支持科技創新發展，適度發揮行政作用，加強對研發資金的監管力度； 引導外商直接投資先進制造、 科技創新等重點領域，提高外商直接投資的技術溢出效應； 加強人力資本的投資和積累，完善人才激勵政策，培養應用型、 復合型、 創新型的高素質人才。