高技术产业区域集聚能提高研发效率吗

分类：论文范文 发表时间：2021-03-31 10:23

　　摘要:以医药制造业为例检验了高技术产业区域集聚水平与研发效率之间的关系，发现两者之间并非简单的线性关系，而是呈“倒U型”关系。因此国家应该从整体上优化高技术产业区域布局，集聚水平高的地区和集聚水平低的地区则应该分别采用不同的产业发展策略，从而提升区域高技术产业研发效率。

　　关键词:高技术产业;区域集聚;研发效率;超效率DEA

　　高技术产业在经济发展和产业转型的过程中发挥着举足轻重的作用，尽快提高高技术产业的自主创新能力尤其是先进核心技术的自主创新能力，是中国及其各地方政府面临的重大课题。在研发资源相对稀缺的情况下，如何通过提升研发效率充分发挥现有研发资源的使用效益，这一问题受到高度关注。在这种背景下，很多学者对高技术产业研发效率影响因素进行了多角度研究，但却忽视了一个重要因素———产业集聚———对研发效率的影响。本文基于医药制造业的面板数据，检验产业集聚水平与研发效率之间的关系，并基于检验结果提出提升中国高技术产业研发效率的政策思路。

　　1研究背景与问题的提出

　　中国高技术产业研发投入远远落后于其他发达国家和地区(表1)，研发投入和研发资本存量对于中国而言仍是稀缺资源。中国高技术产业Ｒ＆D强度不足制造业的2倍，而美国、德国、法国、英国等发达国家均为制造业平均水平的3倍或4倍以上［1］。同时，中国研发效率与发达国家相比存在巨大的差距，远远落后于美国、日本、德国、法国、英国、韩国、加拿大、意大利、西班牙等国家，提高中国的研发效率还任重道远［2］。因此，投入不足与研发效率低下并存，是中国高技术产业发展面临的客观现实。在这一背景下，研究中国高技术产业研发效率的影响因素及提升路径，具有重大现实意义。

　　2产业集聚水平与研发效率的测度方法

　　2．1产业区域集聚水平的测度产业集聚水平的测度方法很多，包括行业集中度(concentrationrationofindustry)、赫希曼－赫佛因德指数(Hirschman－Herfindahlindex，H指数)、哈莱－克依指数(Hannah－kayindex，HK指数)、熵指数(entropyindex)、空间基尼系数(spaceGinicoeffi-cient)、空间集聚指数(concentrationindexofindus-trialspace)等。这些测度方法以产业为分析对象，用以测度整个产业在不同地理空间上的集聚程度。本文以不同省市为地理单元研究医药制造业的区域集聚程度与研发效率之间的关系，因而需要测度每个省市的医药制造业相对集聚程度，因此直接用每个省市医药制造业从业人员数量占所有省市医药制造业从业人员数量之和的比重测度这一指标，具体如下:agglit=emplit/∑ni=1emplit(1)其中aggl表示集聚水平，empl表示从业人员数量，i为省份，t为时期，n为参与分析的省份数量。这一比重越大，说明相关省市的医药制造业规模越大，区域集聚水平越高。

　　2．2研发效率的测度(1)超效率DEA方法本文基于超效率DEA(DataEnvelopmentAnaly-sis)方法测度相关省市医药制造业的研发效率。DEA效率分析方法是由美国运筹学家Chames等于1978年提出的，是一种用以评价决策单元(DecisionMakingUnit，DMU)相对业绩的非参数方法，其中应用最为普遍的是C2Ｒ模型。但DEA的C2Ｒ模型所得到的有效DMU往往不止一个，因而难以进一步区分这些有效DMU的效率差异。针对这一情况，Banker和Gifford首次提出在测算这些有效率的DMU时将它们分离出参考效率前沿面，在C2Ｒ模型的基础上构建超效率DEA模型。假设在C2Ｒ模型中有n个决策单元(DMU)，每个决策单元(DMUj)都有m种输入和s种输出，其中xj=(x1j，x2j，...，·612·xmj)T，yj=(y1j，y2j，...，ysj)T，xij＞0为第j个决策单元DMUj的第i种输入类型的输入量;yrj＞0表示DMUj的第r种输出类型的输出量(j=1，2，...，n;i=1，2，...，s)。x0=xj0，y0=yj0分别为决策单元DMUj0的输入和输出。对于选定的DMUj0，判断其有效性的超效率DEA模型可以表示为:

　　3医药制造业区域集聚水平与研发效率关系的实证分析

　　中国各省市医药制造业规模差距较大，内蒙古、海南、西藏、青海、宁夏、新疆等6个省市医药制造业规模较小，相应的Ｒ＆D投入与产出数据多有缺失，可能会影响计算和分析的准确性，因此本文在分析中将上述6省市剔除，把其余25个大陆省市作为分析对象。为了较为详实地体现检验过程，本文首先分两个层面分别检验医药制造业区域集聚水平与研发效率之间的“线性关系”:第一个层面是把25个省市作为整体样本进行检验;第二个层面是把25个省市分成高集聚组和低集聚组，从而分组检验集聚水平与研发效率之间的线性关系。在线性关系检验的基础上，本文将进一步检验两个变量之间的非线性关系。

　　参考文献:

　　［1］王利政．我国高技术产业发展的现状与建议［J］．科学管理研究，2011，(5):70－74．

　　［2］杨朝峰，赵志耘．主要国家相对研发效率研究［J］．中国科技论坛，2009，(5):132－135．

　　［3］朱有为，徐康宁．中国高技术产业研发效率的实证研究［J］．中国工业经济，2006，(11):38－45．

　　谢子远

上一篇：中关村生物医药产业创新链布局与对策研究 下一篇：农村小学教育资源配置问题研究