派智库

内容提要 本文利用2005—2015年长江经济带11省市面板数据，运用DEA-Malmquist指数法测算长江经济带高技术产业发展效率，随后采用系统GMM和纠偏LSDV回归方法，从政府支持、创新环境、产业竞争程度、宏观经济环境等方面对长江经济带及上中下游地区高技术产业发展效率的影响进行了实证分析。研究表明宏观经济环境对长江经济带以及上中下游地区高技术产业发展效率均产生显着的正面影响，特别是对高技术产业技术进步效率影响较大。政府支持、创新环境对长江经济带高技术产业发展效率产生了显着的正向影响，而产业竞争程度对长江经济带及上中下游地区高技术产业发展效率产生负面影响。

dedecms.com

关键词 高技术产业 发展效率 长江经济带 织梦内容管理系统

一、引言

长江经济带以长江黄金水道为纽带，贯穿中国东中西部，涵盖9省2市，其中下游地区包括上海、江苏、浙江、安徽4省市，中游地区包括江西、湖北、湖南3省，上游地区包括重庆、四川、贵州、云南4省市，以大约全国1/5的面积承载着全国近1/2的人口，是中国重要的经济轴带（高国力和李爱民，2015）。2014年9月，国务院发布的《关于依托黄金水道推动长江经济带发展的指导意见》明确提出了建设长江三角洲、长江中游和成渝三大跨区域城市群，“推动沿江产业由要素驱动向创新驱动转变，大力发展战略性新兴产业，加快改造提升传统产业，大幅提高服务业比重，引导产业合理布局和有序转移，培育形成具有国际水平的产业集群”。研究分析长江经济带高技术产业发展效率评价，对推动沿江产业结构优化升级，区域高技术产业增长极，培育形成具有国际水平的产业集群，具有重要的现实意义。 织梦好，好织梦

中国学者一直以来较为关注高技术产业发展研究，近年来在高技术产业发展效率及其影响因素等方面取得了丰富的研究成果。魏洁云、江可申和李雪冬（2014）在构建投入产出指标体系基础上，测度出各地区高技术产业技术创新效率。魏新颖和王宏伟（2017）研究表明，全国及东、中、西部高技术产业全要素生产率增长率先升后降并趋于平稳。从影响因素来看，目前重点关注产业集聚、出口贸易和人力资本、研发投入、技术引进、外商投资等方面的影响。张娜、杨秀云和李小光（2015）认为研发经费投入是影响中国高技术产业技术创新的最重要因素，但过度增加的政府投入却降低了技术创新产出，外商直接投资技术溢出效应对于技术创新的影响比购买国内技术显着。魏新颖和王宏伟（2017）认为产业集聚、出口贸易和人力资本对高技术产业全要素生产率有正向影响，研发投入和技术引进有正向影响但不显着。李海东和马威（2014），罗来军、李军林和姚东曼（2015）等均认为人力资本对高技术产业生产率具有显着的促进作用，但人力资源直接投入对于高技术产业技术创新效率具有显着的抑制作用。 织梦好，好织梦

从长江经济带高技术产业发展来看，谢洪军和张慧（2015）研究表明其全要素生产率呈明显波动变化趋势，总体呈增长状态，其动力来源于技术进步，但技术效率衰退是亟待解决的问题。成定平和淦苏美（2017）指出不同类型企业间和地区间的技术效率存在较大差距，外资企业技术效率和纯技术效率最高，内资企业规模效率最高；政府R&D支出增长对企业技术效率提高有正向作用，但作用不显着；研发机构数量增加能显着提高内资及港澳台企业技术效率；行业内企业数量增加所引致的市场竞争有利于外资企业技术效率提升，却显着降低内资及港澳台企业技术效率。江瑶和高长春（2017）认为上海、江苏、浙江等长三角地区高技术企业规模、人力资本、市场需求、开放程度、城市运输与高技术产业集聚间呈现显着的正线性相关关系。当前长江经济带高技术产业发展研究主要集中在区域整体或者行业高技术产业发展效率分析，区域高技术发展效率及影响因素等方面研究有待深入。因此，为准确把握长江经济带高技术产业技术效率、影响因素及区域差异，在现有研究基础上，本文运用全要素生产率变动指数（Malmquist）分别测度长江经济带11个省市以及上中下游三大区域高技术产业全要素生产率变动指数，随后，应用系统广义矩估计（系统GMM）和纠偏最小二乘虚拟变量法（纠偏LSDV）探究长江经济带影响高技术产业效率区域差异的关键因素。具体安排如下：第二部分利用11省市面板数据，开展高技术产业全要素生产率及分解值测度；第三部分构建多元回归模型并进行参数估计，分析各因素对长江经济带以及上中下游地区高技术产业全要素生产效率的影响表现并找出关键因素；第四部分为结论和建议。

内容来自dedecms

二、长江经济带高技术产业效率测算

（一）DEA基础模型的建立

数据包络分析方法（Data Envelopment Anal-ysis，DEA）是一种多输入多输出的分析方法，即要素投入与产出之间的相对效率评价的系统分析方法，其优点在于摒弃了传统主观的赋权方法。为了准确了解长江经济带高技术产业全要素效率变化，利用与DEA模型技术关系密切的Malmquist生产率指数模型方法。该方法可将全要素生产率分解成技术效率、技术进步效率、纯技术效率和规模效率等，可以让我们更好地了解生产率的构成。 copyright dedecms

（二）指标选取和数据来源 织梦内容管理系统

本文从物质资本、人力资本和经费投入三个方面来确定投入指标。其中物质资本投入用固定资产投资来代表，人力资本投入包括从业人员人数和R&D人员折合全时当量，经费投入包括R&D经费。产出指标包括主营业收入和专利申请数，主营收入反映了产业运营能力，专利申请数剔除了人为因素，能够客观反映企业自主知识产权和未来产出潜力。数据范围包括2004—2015年长江经济带11个省市高技术产业数据，均来源于《中国高技术产业统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》等。

一是滞后性处理。高技术产业从投入到产出通常存在时滞，假定滞后周期为1年，即投入数据为2004—2014年，产出数据为2005—2015年。二是对原始数据进行价格调整。由于没有经费支出等相关价格指数，使用各省市GDP平减指数对各省市固定资产投资额、RD经费内部支出和主营收入进行平减，得到以2005年为基期不变价格的各项投入产出值。RD资本存量RDij,t=（1-δ）RDij，t-1+Eij，t，RDij，t、RDij,t-1表示第i省份第j个高技术行业在第t年、t-1年的RD资本存量，基准年的RDij，0的计算方法为RDij，0=Eij,0/（g+δ），其中（表示R&D资本存量的折旧率，一般为15％，g为平均增长率，一般为5％。 本文来自织梦

copyright dedecms

（三）测算结果 copyright dedecms

应用DEA-Malmquist指数方法，运用DEAP2.1软件测算长江经济带高技术产业2005—2015年的全要素生产率（tfpch）及其技术效率（effch）、技术进步效率（techch）、纯技术效率（pech）和规模效率（sech）等变化情况（表2），计算了上中下游分区域的高技术产业全要素生产率及各分解指标的平均数。 织梦内容管理系统

从长江经济带整体上看，长江经济带高技术产业的全要素生产率提高了6.9％，技术效率增长了1.9％，技术进步效率提升了4.9％，规模效率提升了0.3％，这说明相比技术效率的提高，技术进步效率对高技术产业全要素生产率提高的贡献更大。

织梦内容管理系统

copyright dedecms

三、上中下游三大区域高技术产业效率的影响因素分析 内容来自dedecms

（一）模型构建、变量测度与数据说明 织梦好，好织梦

依据国内学者关于高技术产业效率的影响因素分析，结合本文需要，设定以下计量模型： 内容来自dedecms

dedecms.com

（1）政府支持。考虑到政府支持政策具有滞后性，选用“企业R&D经费筹集中政府资金比重的滞后一期数”指标，刻画政府对高技术产业研发创新的财政支持力度。（2）创新环境。选用“研发机构数”指标，反映行业的创新氛围和活力。（3）产业竞争程度。选用“企业数”指标，刻画行业的市场竞争程度。（4）宏观经济环境。选取地区GDP增速作为宏观环境因素。相关数据来源于《中国高技术产业统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》等。 织梦内容管理系统

（二）实证分析

系统GMM能利用原计量模型和差分模型中的信息，使用差分模型用到的工具变量，适合样本观测值较多、数据年份较少的情况。本文采用系统GMM实证研究，利用STATA软件Xtabond2程序，选取各解释变量的滞后一期作为工具变量，并进行Sargan检验和Arellano-Bond统计检验，分别检验工具变量的有效性和残差序列的自相关性，得到了各因素对长江经济带高技术产业发展效率和技术进步效率的影响（表4），Wald统计量、Sargan检验和Arellano-Bond检验均无异常。在考察上中下游三个地区差异时，由于每个地区数据个体相对较少，采用纠偏LSDV方法比较合适。对上中下游三个地区的数据采用纠偏LSDV方法进行回归，结果见表4。

copyright dedecms

copyright dedecms

从表4来看，政府支持对长江经济带高技术产业发展效率产生了显着的正向影响，与成定平和淦苏美（2017）、卢方元和李彦龙（2016）等研究结论均一致；政府支持指标弹性系数为0.110。与成定平和淦苏美（2017）等研究结论均一致，创新环境指标对长江经济带高技术产业全要素生产率产生了显着的正向影响，创新环境指标弹性系数为0.121，略高于政府支持指标弹性系数。与成定平和淦苏美（2017）等研究结论一致，宏观经济环境指标对长江经济带高技术产业全要素生产率具有显着影响；宏观经济环境指标弹性系数为0.399，表明与政府支持、创新环境相比，宏观经济环境对长江经济带高技术产业的影响较大。而产业竞争程度指标对长江经济带高技术产业全要素生产率产生了显着的负向影响，其弹性系数为-0.073，影响程度较小。

本文来自织梦

政府支持、创新环境和宏观经济环境指标对长江经济带下游地区高技术产业全要素生产率和技术进步效率产生了显着的正向影响。创新环境指标对下游地区高技术产业全要素生产率的弹性系数为0.115，对技术进步效率的弹性系数为0.138，创新环境有利于企业技术进步效率提升。政府支持对该地区高技术产业发展的正向影响并不显着。产业竞争程度指标对该地区高技术产业全要素生产率和技术进步效率产生了显着的负向影响，其弹性系数分别为-0.102和-0.129。

政府支持指标对长江经济带中游地区高技术产业全要素生产率产生了显着的正向影响，其弹性系数为0.005，影响程度小于上游和下游地区。创新环境和宏观经济环境指标对中游地区高技术产业技术进步效率产生了显着的正向影响，影响程度均大于创新环境指标和宏观经济环境指标对上下游地区高技术产业技术进步效率的影响程度。虽然宏观经济环境对中游地区高技术产业全要素生产率的影响并不显着，但是对中游高技术产业技术进步效率影响显着，并且居于三大区域之首。 dedecms.com

政府支持指标对长江经济带上游地区高技术产业全要素生产率产生了显着的正向影响，其弹性系数为0.161，居于三大区域之首。宏观经济环境指标对长江经济带上游地区高技术产业全要素生产率和技术进步效率产生了显着的正向影响，其弹性系数分别为0.480和0.442。宏观经济环境对上游地区高技术产业全要素生产率和技术进步效率的影响程度高于宏观经济环境对中、下游地区高技术产业全要素生产率和技术进步效率的影响，表明上游地区高技术产业发展更受到宏观环境的影响。

四、研究结论和建议 织梦内容管理系统

（一）结论 copyright dedecms

本文运用2006—2015年长江经济带11省市面板数据，利用DEA测算长江经济带高技术产业发展效率，随后采用系统GMM和纠偏LSDV法，围绕政府支持、创新环境、产业竞争程度、宏观经济环境对长江经济带以及上中下游地区高技术产业全要素生产率和技术进步效率的影响进行了实证分析，得到如下结论：一是宏观经济环境对长江经济带高技术产业发展影响较大，对长江经济带以及上中下游地区高技术产业全要素生产率产生了正向影响，对高技术产业技术进步效率均产生了显着的正向影响。政府支持、创新环境对长江经济带高技术产业全要素生产率产生了显着的正向影响，而产业竞争程度对长江经济带及上中下游地区高技术产业全要素生产率产生了负向影响。二是各因素对上中下游地区高技术产业全要素生产率和技术进步效率的影响程度不一，应结合区域特色，实施有针对性的政策措施。 内容来自dedecms

（二）建议 织梦内容管理系统

为提高长江经济带高技术产业发展效率，结合上述结论，本文认为应重点关注以下政策措施：一是对进入高技术产业的企业设置一定的进入门槛，减少过度竞争。二是继续加大对企业研发的财政支持力度，特别是强化上中游地区的支持力度。三是鼓励企业设立研发机构，加大上中游地区研发机构建设力度。 内容来自dedecms

参考文献： dedecms.com

1、成定平、淦苏美：《长江经济带高技术产业投入产出效率分析》，《长江流域资源与环境》2017年第3期。 织梦内容管理系统

3、高国力、李爱民：《长江经济带重点城市群发展研究》，《广东社会科学》2015年第4期。 织梦内容管理系统

2、江瑶、高长春：《长三角高技术产业细分行业集聚影响因素研究——基于面板数据的半参数模型》，《经济问题探索》2017年第3期。 织梦内容管理系统

4、李海东、马威：《投入端视角下高技术产业技术创新效率影响因素研究》，《科技管理研究》2014年第10期。 织梦内容管理系统

5、卢方元、李彦龙：《政府支持有助于提升高技术产业R&D效率吗?》，《科学学研究》2016年第12期。

内容来自dedecms

6、罗来军、李军林、姚东曼：《中国高技术产业生产率影响因素实证检验》，《经济理论与经济管理》2015年第5期。

织梦好，好织梦

7、魏洁云、江可申、李雪冬：《中国高技术产业创新投入与产出的关联测度分析》，《数量经济技术经济研究》2014年第1期。 织梦内容管理系统

8、魏新颖、王宏伟：《中国高技术产业生产率及溢出效应研究——基于省级面板数据的实证分析》，《技术经济与管理研究》2017年第4期。

织梦内容管理系统

9、谢洪军、张慧：《长江经济带高技术产业生产率变迁及其收敛性研究》，《科技进步与对策》2015年第24期。 dedecms.com

10、张娜、杨秀云、李小光：《我国高技术产业技术创新影响因素分析》，《经济问题探索》2015年第1期。 织梦好，好织梦