2012年第2期(第27卷) 清华大学学报(哲学社会科学版) No.22012(Vol.27) 经济与社会 国家创新体系效率及影响因素研究 基于DEA- Tobit两步法的分析 郭淡泊雷家骕张俊芳彭勃 摘要:评价国家创新体系之效率,需要依次评价它的技术效率、经济效率和综合效率,还需要对不同 国家创新体系的效率进行比较,这才有助于把握影响国家创新体系效率的因素。总体上看,发达国家创新 体系的效率高于发展中国家;我国创新体系的经济效率低于技术效率;FDI流入对发达国家创新体系的经 济效率有抑制作用,但对发展国家创新体系的经济效率有促进作用;贸易保护有利于发达国家创新体系的 技术效率的提高,但不利于发展中国家创新体系的技术效率的提高;人才流动与两类国家的创新体系的技 术效率均存在显著的负相关关系 关键词:创新体系效率;数据包络分析; Tobit模型 作者简介:郭淡泊,清华大学经济管理学院博土后(北京100084);雷家骕,清华大学经济管理学院教 授;张俊芳,中国科技发展战略研究院副研究员(北京100038);彭勃,清华大学经济管理学院博土研究生 在“十二五”规划提出加快建设创新型国家的宏观背景下,推动创新型国家的全面建设成为当前 的首要任务。发达国家的经验表明,创新型国家的建设、国家创新能力的提高依赖于一个成功的富有 效率的国家创新体系。那么,我国国家创新体系效率如何?不同发展程度的国家创新体系效率有何 区别?影响所评价国家的创新体系效率的因素主要有哪些?本文将围绕以上问题进行研究。 (一)国家创新体系 自从 Friedrich list提出国家体系的概念以来, Freeman(1987)等都从不同的角度对国家创新体系 的概念和结构进行研究。最具代表性的是经合组织(OECD),OECD(1999)认为国家创新体系是“由 不同机构组成的集合,这些机构共同或单独致力于新技术的开发和扩散,并向政府提供了一个制定及 执行政策以影响创新过程的框架,同时他认为知识流动是联系国家创新体系结构各主体的核心要 素”。国内学者石定寰和柳卸林(1999)等对国家创新体系的定义基本是在借鉴国外研究的基础上, 立足于中国现状,通过深入分析和国际比较,对我国国家创新体系的构建提出科学设想(有关学者关 于国家创新体系的定义参见表1)。总体分析,国家创新体系可表现为由一组创新主体(企业、研究机 构、政府等)及其相互联系作用组成的网络系统,通过知识和技术的创造、储备、转移及扩散、应用,以 提升一国的整体创新能力和创新效率。包括创新主体子系统(企业、高等学校、科研机构),创新支撑 子系统(科技中介、金融机构、基础设施),创新环境子系统(政府、文化环境、市场组织)以及链接流 (资金链、技术与科学链、信息链、法律与政策链、社会链)
经济与社会 国家创新体系效率及影响因素研究 ———基于 ＤＥＡＴｏｂｉｔ两步法的分析 郭淡泊 雷家 张俊芳 彭 勃 摘 要：评价国家创新体系之效率，需要依次评价它的技术效率、经济效率和综合效率，还需要对不同 国家创新体系的效率进行比较，这才有助于把握影响国家创新体系效率的因素。总体上看，发达国家创新 体系的效率高于发展中国家；我国创新体系的经济效率低于技术效率；ＦＤＩ流入对发达国家创新体系的经 济效率有抑制作用，但对发展国家创新体系的经济效率有促进作用；贸易保护有利于发达国家创新体系的 技术效率的提高，但不利于发展中国家创新体系的技术效率的提高；人才流动与两类国家的创新体系的技 术效率均存在显著的负相关关系。 关键词：创新体系效率； 数据包络分析； Ｔｏｂｉｔ模型 作者简介：郭淡泊，清华大学经济管理学院博士后（北京 １０００８４）；雷家，清华大学经济管理学院教 授；张俊芳，中国科技发展战略研究院副研究员（北京 １０００３８）；彭勃，清华大学经济管理学院博士研究生 一、引 言 在“十二五”规划提出加快建设创新型国家的宏观背景下，推动创新型国家的全面建设成为当前 的首要任务。发达国家的经验表明，创新型国家的建设、国家创新能力的提高依赖于一个成功的富有 效率的国家创新体系。那么，我国国家创新体系效率如何？不同发展程度的国家创新体系效率有何 区别？影响所评价国家的创新体系效率的因素主要有哪些？本文将围绕以上问题进行研究。 （一）国家创新体系 自从 ＦｒｉｅｄｒｉｃｈＬｉｓｔ提出国家体系的概念以来，Ｆｒｅｅｍａｎ（１９８７）等都从不同的角度对国家创新体系 的概念和结构进行研究。最具代表性的是经合组织（ＯＥＣＤ），ＯＥＣＤ（１９９９）认为国家创新体系是“由 不同机构组成的集合，这些机构共同或单独致力于新技术的开发和扩散，并向政府提供了一个制定及 执行政策以影响创新过程的框架，同时他认为知识流动是联系国家创新体系结构各主体的核心要 素”。国内学者石定寰和柳卸林（１９９９）等对国家创新体系的定义基本是在借鉴国外研究的基础上， 立足于中国现状，通过深入分析和国际比较，对我国国家创新体系的构建提出科学设想（有关学者关 于国家创新体系的定义参见表 １）。总体分析，国家创新体系可表现为由一组创新主体（企业、研究机 构、政府等）及其相互联系作用组成的网络系统，通过知识和技术的创造、储备、转移及扩散、应用，以 提升一国的整体创新能力和创新效率。包括创新主体子系统（企业、高等学校、科研机构），创新支撑 子系统（科技中介、金融机构、基础设施），创新环境子系统（政府、文化环境、市场组织）以及链接流 （资金链、技术与科学链、信息链、法律与政策链、社会链）。 ·１４２· ２０１２年第 ２期（第 ２７卷） 清华大学学报（哲学社会科学版） Ｎｏ．２２０１２（Ｖｏｌ．２７）
郭淡泊等:国家创新体系效率及影响因素研究——基于DEA- Tobit两步法的分析 表1有关学者关于国家创新体系的定义 来源 定义 Freeman Christopher, 1987 NIS是在国家内部系统组织及其子系统间的相互作用下,在公、私领域内形成的 种网络制度,其目标是启发、引进、改造及扩散新技术 Lundvall Bent Ake. 1992 NS是由一些要素及其相互联系作用构成的网络系统,这些要素根植于一国之内 并在生产、扩散和使用新的、经济上有效的知识的过程中相互作用 1992 广义上,NS包括国民经济中所涉及的引入、扩散新技术,以及与此有关的过程和 系统结构。狭义上,NS仅包括与科学技术活动直接相关的组织机构 Nelson and rosenberg,1993Ns由一系列制度因素组成,其相互作用决定了国家企业的创新绩效 Edquist and Lundval,1993N是由一系列制度和经济结构要素构成,这些构成要素影响着国家技术变革的 速度与方向 Niosi et al.. 1993 NS是由一些促进国家科技生产力的公、私企业、大学、政府及其相互作用所组成, 涉及到技术、商业、法律、社会及金融等各方面,其目标是发展、保护、融资及管制 新的科学技术 Patel and Pavitt. 1994 NS是一个国家制度安排、组织效率和国家竞争力的体现决定了国家的技术学习 和知识流动的效率和方向 Metcalfe. 1995 NS是由一系列相互作用的制度所组成。在这一框架内,政府对创新过程起到推 动的作用,这些制度因素创造、储存、转移了知识与新技术 OECD. 1997 NS是由参加新技术发展和扩散的企业、大学和研究机构组成,是一个为创造、储 备和转让知识、技能和新产品的相互作用的网络系统 资料来源:根据相关文献整理 (二)国家创新体系效率 家创新过程不仅是一个创新主体的要素投入与知识产出的技术过程,更是创新主体之间互动、 结网和协同过程。创新主体通过创新网络将知识生产中投入、产出的技术体系进行转化、应用以及扩 散,并最终进入市场成为创新产品。其次,伴随着创新系统活动市场化的过程,创新产品将最终形成 国民生产力。因此,将国家创新体系效率界定为在给定创新资源要素投入(研发资金、人力等)情况 下,通过系统内部资源的有效配置与系统运行,使一国国家创新产出达到最大化的提升。国家创新体 系的效率,不仅仅是投入和产出技术体系的资源配置效率(技术效率),更是国家创新网络所诱致的 经济绩效(经济效率),这种经济绩效包括了市场效率和社会效率 创新系统效率研究往往集中在考察其创新与推广的投入产出效率上( Dunkel,2001:19-22)。 asierowski和 Arcelus(2003:215-234)运用DEA方法(数据包络分析法)比较了不同国家创新系统 效率与研发生产能力的关系。 Watcharasriroj(2004:1-16)运用DEA- Tobit两步法研究了泰国92所 公立非赢利性医院的效率。我国学者在国家层面的研究主要以构建评价体系为主,其效率评价研究 主要集中在区域或企业层面。官建成等(2005:265-272)采用DEA方法分析了我国省级区域创新体 系的效率以及创新机构资源配置情况对创新绩效的影响。池仁勇(2003:105-108)以浙江省230家 企业为样本,用DEA方法研究企业技术创新的效率,并考察了所有权、文化程度、技术创新方式、协调 性、政府投入等因素对技术创新效率的影响。在实际应用中,很多学者将DEA方法与其他方法结合 起来使用,DEA- Tobit步法就是典型方法之一。该方法第一步采用DEA分析得出每一个决策单位 的效率值,第二步用第一步中得出的效率值作为因变量,用影响因素等作为自变量建立回归模型。因 为DEA方法得出的效率指数介于0和1之间,所以回归方程的因变量就被限制在这个区间内,为此 在第二步中的回归分析应采用 Tobit分析。本文运用DEA方法对39个国家1l年样本的面板数据进 行技术效率、经济效率和综合效率评价,并运用 Tobit模型研究不同程度国家效率影响因素的差异,以 期为我国创新体系效率提升及创新型国家建设提供有益建议
表 １ 有关学者关于国家创新体系的定义 来源 定义 ＦｒｅｅｍａｎＣｈｒｉｓｔｏｐｈｅｒ，１９８７ ＮＩＳ是在国家内部系统组织及其子系统间的相互作用下，在公、私领域内形成的一 种网络制度，其目标是启发、引进、改造及扩散新技术 ＬｕｎｄｖａｌｌＢｅｎｔＡｋｅ，１９９２ ＮＩＳ是由一些要素及其相互联系作用构成的网络系统，这些要素根植于一国之内 并在生产、扩散和使用新的、经济上有效的知识的过程中相互作用 ＦｒｅｅｍａｎＣｈｒｉｓｔｏｐｈｅｒ，１９９２ 广义上，ＮＩＳ包括国民经济中所涉及的引入、扩散新技术，以及与此有关的过程和 系统结构。狭义上，ＮＩＳ仅包括与科学技术活动直接相关的组织机构 ＮｅｌｓｏｎａｎｄＲｏｓｅｎｂｅｒｇ，１９９３ ＮＩＳ由一系列制度因素组成，其相互作用决定了国家企业的创新绩效 ＥｄｑｕｉｓｔａｎｄＬｕｎｄｖａｌｌ，１９９３ ＮＩＳ是由一系列制度和经济结构要素构成，这些构成要素影响着国家技术变革的 速度与方向 Ｎｉｏｓｉｅｔａｌ．，１９９３ ＮＩＳ是由一些促进国家科技生产力的公、私企业、大学、政府及其相互作用所组成， 涉及到技术、商业、法律、社会及金融等各方面，其目标是发展、保护、融资及管制 新的科学技术 ＰａｔｅｌａｎｄＰａｖｉｔｔ，１９９４ ＮＩＳ是一个国家制度安排、组织效率和国家竞争力的体现，决定了国家的技术学习 和知识流动的效率和方向 Ｍｅｔｃａｌｆｅ，１９９５ ＮＩＳ是由一系列相互作用的制度所组成。在这一框架内，政府对创新过程起到推 动的作用，这些制度因素创造、储存、转移了知识与新技术 ＯＥＣＤ，１９９７ ＮＩＳ是由参加新技术发展和扩散的企业、大学和研究机构组成，是一个为创造、储 备和转让知识、技能和新产品的相互作用的网络系统 资料来源：根据相关文献整理。 （二）国家创新体系效率 国家创新过程不仅是一个创新主体的要素投入与知识产出的技术过程，更是创新主体之间互动、 结网和协同过程。创新主体通过创新网络将知识生产中投入、产出的技术体系进行转化、应用以及扩 散，并最终进入市场成为创新产品。其次，伴随着创新系统活动市场化的过程，创新产品将最终形成 国民生产力。因此，将国家创新体系效率界定为在给定创新资源要素投入（研发资金、人力等）情况 下，通过系统内部资源的有效配置与系统运行，使一国国家创新产出达到最大化的提升。国家创新体 系的效率，不仅仅是投入和产出技术体系的资源配置效率（技术效率），更是国家创新网络所诱致的 经济绩效（经济效率），这种经济绩效包括了市场效率和社会效率。 创新系统效率研究往往集中在考察其创新与推广的投入产出效率上（Ｄｕｎｋｅｌ，２００１：１９－２２）。 Ｎａｓｉｅｒｏｗｓｋｉ和 Ａｒｃｅｌｕｓ（２００３：２１５－２３４）运用 ＤＥＡ方法（数据包络分析法）比较了不同国家创新系统 效率与研发生产能力的关系。Ｗａｔｃｈａｒａｓｒｉｒｏｊ（２００４：１－１６）运用 ＤＥＡＴｏｂｉｔ两步法研究了泰国 ９２所 公立非赢利性医院的效率。我国学者在国家层面的研究主要以构建评价体系为主，其效率评价研究 主要集中在区域或企业层面。官建成等（２００５：２６５—２７２）采用 ＤＥＡ方法分析了我国省级区域创新体 系的效率以及创新机构资源配置情况对创新绩效的影响。池仁勇（２００３：１０５—１０８）以浙江省 ２３０家 企业为样本，用 ＤＥＡ方法研究企业技术创新的效率，并考察了所有权、文化程度、技术创新方式、协调 性、政府投入等因素对技术创新效率的影响。在实际应用中，很多学者将 ＤＥＡ方法与其他方法结合 起来使用，ＤＥＡＴｏｂｉｔ两步法就是典型方法之一。该方法第一步采用 ＤＥＡ分析得出每一个决策单位 的效率值，第二步用第一步中得出的效率值作为因变量，用影响因素等作为自变量建立回归模型。因 为 ＤＥＡ方法得出的效率指数介于 ０和 １之间，所以回归方程的因变量就被限制在这个区间内，为此 在第二步中的回归分析应采用 Ｔｏｂｉｔ分析。本文运用 ＤＥＡ方法对 ３９个国家 １１年样本的面板数据进 行技术效率、经济效率和综合效率评价，并运用 Ｔｏｂｉｔ模型研究不同程度国家效率影响因素的差异，以 期为我国创新体系效率提升及创新型国家建设提供有益建议。 ·１４３· 郭淡泊 等：国家创新体系效率及影响因素研究———基于 ＤＥＡＴｏｂｉｔ两步法的分析
清华大学学报(哲学社会科学版 二、相关研究方法与变量选择 ) DEA-Tobit两步法 1.超效率DEA模型 自1978年著名运筹学家 Charmes a.、 Cooper W.W.和 Rhode e(1978:429-44)次提出CR 模型并用于评价部门间相对有效性以来,DEA方法不断得到完善,并广泛运用于经济学、管理学等领 域。C2R模型适用于假设投入面满足规模报酬固定的情况,对决策单元的规模效率和技术效率同时 进行评价。超效率DEA模型是由 Andersen和 Petersen(1993:1261-1264)于1993年提出的,与传统 CR模型相比,其优点在于:当CR模型出现多个DEA有效决策单元时,突破了传统的效率为1的限 制,可以直接进行有效决策单元之间的优劣比较,并且有效地区分了技术有效和规模有效。设有n个 决策单元DMU,每个DMU都有m种类型的输入(表示对资源的耗费)以及s种类型的输出(表示产 出的数量),对于某个选定的决策单元DMUO,判断其有效性的模型对偶规则可表示为 (i=1, A a-st=yd =1,A≥0,S->0,S>0,(V,) 其中,θ为目标规划值,λ,(j=1,…,m)为规划决策变量,S,Sˉ为松弛变量向量。其经济含义为:(1)若 6·≥1,S+=S-=0,则称单元为DEA有效,表明这n个决策单元组成的经济系统中,其绩效在原投入 X0时获得的产出Y已达到最优;(2)若θ·≥1,S,S存在非零值,则称单元为DEA弱有效,表明投 人石减少S仍保持原产出Y不变,或在X不变的情况下可将产出Y提高;(3)若θ·<1,则称j单元 为DEA无效,表明可将投入降至原投入X的θ比例而使原产出Y不减少。值大于1的经济意义可以 测算出各项投入指标在同时按多大比例增加的情况下,决策单元仍能保持DEA有效。 2. Tobit模型 理论界对于 Tobit模型的研究仍以正态分布假定为基础,即研究被审查的正态分布回归模型,其 模型的基本形式为 Yi=XB+8 8: -Normal(0,0) ify;,≤0 当y:=0时,其概率密度函数为 P(y=0)=P(y≤0) Bx 当y;=y:时,y;就有y的密度,因此似然函数可表示为 B' X (B)=∑hn[b( a)]+∑hn[1-Φ( Tobit模型的似然函数并不是标准的似然函数形式,包含连续分布和离散分布( Greene,2001)。 超效率DEA-Tob两步法的步骤为:先采用产出导向的规模报酬可变的超效率DEA模型进行创新体 系效率测度,找出DMU效率值;再利用 Tobit回归方法,对效率的影响因素进行分析。因为DEA方法 得出的效率指数是受限因变量,如果直接采用最小二乘法,会给参数估计带来有偏和不一致。因此 144
二、相关研究方法与变量选择 （一）ＤＥＡＴｏｂｉｔ两步法 １．超效率 ＤＥＡ模型 自 １９７８年著名运筹学家 ＣｈａｒｎｅｓＡ．、ＣｏｏｐｅｒＷ．Ｗ．和 ＲｈｏｄｅＥ（１９７８：４２９－４４４）首次提出 Ｃ２ Ｒ 模型并用于评价部门间相对有效性以来，ＤＥＡ方法不断得到完善，并广泛运用于经济学、管理学等领 域。Ｃ２ Ｒ模型适用于假设投入面满足规模报酬固定的情况，对决策单元的规模效率和技术效率同时 进行评价。超效率 ＤＥＡ模型是由 Ａｎｄｅｒｓｅｎ和 Ｐｅｔｅｒｓｅｎ（１９９３：１２６１－１２６４）于 １９９３年提出的，与传统 Ｃ２ Ｒ模型相比，其优点在于：当 Ｃ２ Ｒ模型出现多个 ＤＥＡ有效决策单元时，突破了传统的效率为 １的限 制，可以直接进行有效决策单元之间的优劣比较，并且有效地区分了技术有效和规模有效。设有 ｎ个 决策单元 ＤＭＵ，每个 ＤＭＵ都有 ｍ种类型的输入（表示对资源的耗费）以及 ｓ种类型的输出（表示产 出的数量），对于某个选定的决策单元 ＤＭＵ０，判断其有效性的模型对偶规则可表示为： θ ＝ｍａｘθ ∑ ｎ ｊ＝１，瓪０ λｊｘｉｊ＋Ｓ－ ＝ｘｊ０（ｉ＝１，……，ｍ） ∑ ｎ ｊ＝１，瓪０ λｊｙｉｊ－Ｓ＋ ＝θｙｒ０（ｉ＝１，……，ｍ） ∑ ｎ ｊ＝１，瓪０ ＝１，λｊ≥ ０，Ｓ－ ＞０，Ｓ＋ ＞０，（ｊ ） 其中，θ为目标规划值，λｊ（ｊ＝１，…，ｎ）为规划决策变量，Ｓ＋，Ｓ－为松弛变量向量。其经济含义为：（１）若 θ ≥１，Ｓ＋ ＝Ｓ－ ＝０，则称 ｊ０单元为 ＤＥＡ有效，表明这 ｎ个决策单元组成的经济系统中，其绩效在原投入 Ｘ０时获得的产出 Ｙ０已达到最优；（２）若 θ≥１，Ｓ＋，Ｓ－存在非零值，则称 ｊ０单元为 ＤＥＡ弱有效，表明投 入 Ｘ０减少 Ｓ仍保持原产出 Ｙ０不变，或在 Ｘ０不变的情况下可将产出 Ｙ０提高；（３）若 θ ＜１，则称 ｊ０单元 为 ＤＥＡ无效，表明可将投入降至原投入 Ｘ０的 θ比例而使原产出 Ｙ０不减少。值大于 １的经济意义可以 测算出各项投入指标在同时按多大比例增加的情况下，决策单元仍能保持 ＤＥＡ有效。 ２．Ｔｏｂｉｔ模型 理论界对于 Ｔｏｂｉｔ模型的研究仍以正态分布假定为基础，即研究被审查的正态分布回归模型，其 模型的基本形式为： ｙ ｉ ＝Ｘｉβ＋εｉ ｙｉ＝ ｙ ｉ ｉｆ ｙ ｉ ＞０ ０ ｉｆ ｙ { ｉ≤０ εｉ～Ｎｏｒｍａｌ（０，σ２ ） 当 ｙｉ＝０时，其概率密度函数为： Ｐ（ｙ＝０） ＝Ｐ（ｙ ｉ≤０） ＝Ф（－β，Ｘｉ σ ）＝１－Ф（ β，Ｘｉ σ ） 当 ｙｉ＝ｙ ｉ 时，ｙｉ就有 ｙ ｉ 的密度，因此似然函数可表示为： ｌ（β）＝∑ｙｉ＞０ ｌｎ［１ σ（ ｙｉ－β，Ｘｉ σ ）］＋∑ｙｉ＝０ ｌｎ［１－Ф（ β，Ｘｉ σ ）］ Ｔｏｂｉｔ模型的似然函数并不是标准的似然函数形式，包含连续分布和离散分布（Ｇｒｅｅｎｅ，２００１）。 超效率 ＤＥＡＴｏｂｉｔ两步法的步骤为：先采用产出导向的规模报酬可变的超效率 ＤＥＡ模型进行创新体 系效率测度，找出 ＤＭＵ效率值；再利用 Ｔｏｂｉｔ回归方法，对效率的影响因素进行分析。因为 ＤＥＡ方法 得出的效率指数是受限因变量，如果直接采用最小二乘法，会给参数估计带来有偏和不一致。因此， ·１４４· 清华大学学报（哲学社会科学版）
郭淡泊等:国家创新体系效率及影响因素研究——基于DEA- Tobit两步法的分析 第二步采用 Tobit回归分析 (二)变量的选择 由于国家创新活动中的投入和产出要素的多样性,使得可以选择多样化的评价指标。 1.创新投入指标设计 创新投入的直接指标包含创新经费的投入与人力资源的投入,通常采用R&D(研究与试验发展) 经费的投入与R&D人员(全时当量)的投入进行测度。本文将部门分开考察资金及人员投入情况, 选取企业R&D投入(BRD)高校R&D投入(HRD)、研发机构R&D投入(GRD)、企业R&D人员投入 (BFT)、高校R&D人员投入(HFT)和研发机构R&D人员投入(GFT)六个指标来衡量创新投入。 2.创新技术产出指标设计 创新技术产出能力采用“三方专利”授权量(TPA)和科技论文数量(SAT)来衡量。专利能较为 全面地反映各国发明和创新信息,因此采用专利作为创新能力的度量受到了普遍认可。而科技论文 数量是新知识的产生、投入人力和财力资源进行研发的直接结果,反映了一个国家创新主体的素质 因此,科技论文数量也是衡量创新产出的主要指标。 3.创新经济产出指标设计 创新经济产出包含创新活动产出的市场表现及社会整体绩效的表现。分别选用高新技术出口额 占工业制成品比重(HTM)和全民生产率(OPP)两个指标衡量创新经济产出。高新技术出口反映了 技术商业化的能力同时也影响到国家经济发展,进而影响到新一轮创新活动中R&D投入水平。全 民生产率体现了创新活动所带来的社会整体经济绩效。 对创新产出而言,由于专利产出的滞后性,研究中通常采用滞后两年至三年的时间进行测度(官 建成等,2005:265-272),本研究依次选用1995-2005年数据作为创新投入数据,1997-2007年数 据测量创新技术产出,1998-2008年数据测量创新经济产出。 4.创新体系效率影响因素指标设计 创新体系效率影响因素分析,重在分析创新体系中的关键要素在提高创新体系效率过程中的作 用。因此,从创新体系各要素入手选取有代表性的指标进行分析。创新主体子系统中选取企业研发 投入占总投入比例(BRD)、企业研发合作强度(TC)、大学研发投入占总投入比例(HRD)三个指标分 析企业、高校等主体的创新行为对效率的影响程度。创新支撑子系统中重点分析教育、基础设施及风 险资本的影响,选取公共教育支出/GDP比重(ENT)、公路密度(ROD)、风险资本强度(VC)来度量。 创新环境子系统中选取政府研发资助占总投入比例(GRD)、知识产权保护强度(IP)、贸易保护程度 (TR)来度量政府行为及政策、市场组织环境对创新体系效率的作用。链接流方面,则选取人力资本 流动指数(BD)、FD(流入)占GDP比例(FDⅠ)来衡量人才流动及外资流入的影响。另外,国家财富 (GDP)和人口(POP)也是影响创新体系效率的关键因素( Nasierowski,2003:215-234)。因此, Tobit 模型中也引入GDP和人口两个指标。同时,为比较发达国家和发展中国家效率影响因素的差异,设 置国家虚拟变量DUM(发达国家取1,发展大国取0)。 (三)样本选择与数据来源 本文选取全球39个国家和地区1995-200年的创新面板数据作为样本进行比较分析(见表 2),涵盖了世界主要发达国家(创新型国家)以及后发国家中具有影响力的主要国家,其中发达大国 (人均GDP≥1万美元,人口≥2千万)11个,发达小国(人均GDP>1万美元,人口<2千万)18个 发展中大国(人均GDP<1万美元,人口≥2千万)10个。该组样本的选择能够明确中国在全球创新 体系中所处的位置;同时,通过样本组的分类与对比,有助于解释发展中国家与发达国家在创新体系 效率及其影响因素间的差异。文中39个国家1995-2008年面板数据主要来源于OECD数据库 2010年IMD世界竞争力报告、世界银行数据库和WTO数据库,均为可获得的最新数据。 145
第二步采用 Ｔｏｂｉｔ回归分析。 （二）变量的选择 由于国家创新活动中的投入和产出要素的多样性，使得可以选择多样化的评价指标。 １．创新投入指标设计 创新投入的直接指标包含创新经费的投入与人力资源的投入，通常采用 Ｒ＆Ｄ（研究与试验发展） 经费的投入与 Ｒ＆Ｄ人员（全时当量）的投入进行测度。本文将部门分开考察资金及人员投入情况， 选取企业 Ｒ＆Ｄ投入（ＢＲＤ）、高校 Ｒ＆Ｄ投入（ＨＲＤ）、研发机构 Ｒ＆Ｄ投入（ＧＲＤ）、企业 Ｒ＆Ｄ人员投入 （ＢＦＴ）、高校 Ｒ＆Ｄ人员投入（ＨＦＴ）和研发机构 Ｒ＆Ｄ人员投入（ＧＦＴ）六个指标来衡量创新投入。 ２．创新技术产出指标设计 创新技术产出能力采用“三方专利”授权量（ＴＰＡ）和科技论文数量（ＳＡＴ）来衡量。专利能较为 全面地反映各国发明和创新信息，因此采用专利作为创新能力的度量受到了普遍认可。而科技论文 数量是新知识的产生、投入人力和财力资源进行研发的直接结果，反映了一个国家创新主体的素质， 因此，科技论文数量也是衡量创新产出的主要指标。 ３．创新经济产出指标设计 创新经济产出包含创新活动产出的市场表现及社会整体绩效的表现。分别选用高新技术出口额 占工业制成品比重（ＨＴＭ）和全民生产率（ＯＰＰ）两个指标衡量创新经济产出。高新技术出口反映了 技术商业化的能力，同时也影响到国家经济发展，进而影响到新一轮创新活动中 Ｒ＆Ｄ投入水平。全 民生产率体现了创新活动所带来的社会整体经济绩效。 对创新产出而言，由于专利产出的滞后性，研究中通常采用滞后两年至三年的时间进行测度（官 建成 等，２００５：２６５—２７２），本研究依次选用 １９９５—２００５年数据作为创新投入数据，１９９７—２００７年数 据测量创新技术产出，１９９８—２００８年数据测量创新经济产出。 ４．创新体系效率影响因素指标设计 创新体系效率影响因素分析，重在分析创新体系中的关键要素在提高创新体系效率过程中的作 用。因此，从创新体系各要素入手选取有代表性的指标进行分析。创新主体子系统中选取企业研发 投入占总投入比例（ＢＲＤ）、企业研发合作强度（ＴＣ）、大学研发投入占总投入比例（ＨＲＤ）三个指标分 析企业、高校等主体的创新行为对效率的影响程度。创新支撑子系统中重点分析教育、基础设施及风 险资本的影响，选取公共教育支出／ＧＤＰ比重（ＥＮＴ）、公路密度（ＲＯＤ）、风险资本强度（ＶＣ）来度量。 创新环境子系统中选取政府研发资助占总投入比例（ＧＲＤ）、知识产权保护强度（ＩＰ）、贸易保护程度 （ＴＲ）来度量政府行为及政策、市场组织环境对创新体系效率的作用。链接流方面，则选取人力资本 流动指数（ＢＤ）、ＦＤＩ（流入）占 ＧＤＰ比例（ＦＤＩ）来衡量人才流动及外资流入的影响。另外，国家财富 （ＧＤＰ）和人口（ＰＯＰ）也是影响创新体系效率的关键因素（Ｎａｓｉｅｒｏｗｓｋｉ，２００３：２１５－２３４）。因此，Ｔｏｂｉｔ 模型中也引入 ＧＤＰ和人口两个指标。同时，为比较发达国家和发展中国家效率影响因素的差异，设 置国家虚拟变量 ＤＵＭ（发达国家取 １，发展大国取 ０）。 （三）样本选择与数据来源 本文选取全球 ３９个国家和地区 １９９５—２００８年的创新面板数据作为样本进行比较分析（见表 ２），涵盖了世界主要发达国家（创新型国家）以及后发国家中具有影响力的主要国家，其中发达大国 （人均 ＧＤＰ≥ １万美元，人口≥２千万）１１个，发达小国（人均 ＧＤＰ＞１万美元，人口 ＜２千万）１８个， 发展中大国（人均 ＧＤＰ＜１万美元，人口≥２千万）１０个。该组样本的选择能够明确中国在全球创新 体系中所处的位置；同时，通过样本组的分类与对比，有助于解释发展中国家与发达国家在创新体系 效率及其影响因素间的差异。文中 ３９个国家 １９９５—２００８年面板数据主要来源于 ＯＥＣＤ数据库、 ２０１０年 ＩＭＤ世界竞争力报告、世界银行数据库和 ＷＴＯ数据库，均为可获得的最新数据。 ·１４５· 郭淡泊 等：国家创新体系效率及影响因素研究———基于 ＤＥＡＴｏｂｉｔ两步法的分析
清华大学学报(哲学社会科学版 表239个国家和地区创新体系效率比较 技术效率 经济效率 综合效率 国家 1997年2007年2007年排名1998年2008年2008年排名1998年2008年2008年排名 挪威 0.4980.3 0.392 0.393 l.012 新加坡 1.067 0.41 0. 0.926 美国 1.01 0.6660.755 0.6660.88 中国台北 0.559 0.81 爱尔兰 1.21 0.46 1.0340. 斯洛伐克 0.85 0.492 1.086 卢森堡 0.64 1.049 0.676 荷兰 0.575 0.726 0.575 0.637 韩国 0.4090.77 0.39 0.38 0.626 匈牙利 0.888 0.387 0.464 19 0.715 0.617 78901 瑞士 1.316 131 0.65 0.579 0.666 0.4750.523 法国 0.784 0.61 0.4890.656 10 英国 0.5370.576 0.537 0.484 希腊 1.0731.01 0.761 0.471 日本 0.9171.01 0.497 0.497 0.449 瑞典 0.72 0.427 0.536 17 0.4290.419 丹麦 1.0020.4920 0.411 0.576 0.411 0.409 新西兰 0.283 0.394 加拿大 1.0340.51 190.3730.46 0.3730.392 2345678g02 南斯拉夫1 0.588 0.315 0.385 墨西哥 0.17 0.04 0.5210.425 0.3430.376 德国 0.978 0.3540.436 0.354 0.364 捷克 0.11 0.3910.461 0.2790.3 罗马尼亚 澳大利亚 0.41 0.33326 奥地利 0.396 0.313 阿根廷 葡萄牙 0.3650.564 0.298 789 比利时 0.849 0.55 0.270.25230 巴西 0.12735 0.258 0. 意大利 中国 0.019 0.072 0.057 俄罗斯 1.0650.14 0.1960.175 0.19 0.174 西班牙 波兰 0.220.23832 南非 0.15536 12345678 印度 1.086 0.072 0.076 土耳其 1.3970.97 0.309 0.088 0.054 发达大国均值0.8840.683 0.41 0.478 0.412 0.474 发达小国均值0.9940.55 0.5040.651 0.545 发展大国均值0. 注:表中瑞土、巴西200年和200年的数据分别为205年和2006年数据:印度200年和2008年数据分别为 2002年和2003年数据
表 ２ ３９个国家和地区创新体系效率比较 国家 技术效率 １９９７年 ２００７年 ２００７年排名 经济效率 １９９８年 ２００８年 ２００８年排名 综合效率 １９９８年 ２００８年 ２００８年排名 挪威 ０．４９８ ０．３ ２６ ０．３９２ １．０７３ ２ ０．３９３ １．０１２ １ 新加坡 １．０６７ ０．４１ ２５ １．１６８ ０．８８６ ５ １．１６４ ０．９２６ ２ 美国 １．０５ １．０１ ３ ０．６６６ ０．７５５ ６ ０．６６６ ０．８８ ３ 中国台北 — ０．２３ ３０ — ０．５５９ １６ — ０．８１ ４ 爱尔兰 １．０２１ ０．４６ ２１ ０．７８３ ０．８９９ ４ １．０３４ ０．８０８ ５ 斯洛伐克 １ ０．８５ ８ ０．４９２ １．０８６ １ １ ０．７７５ ６ 卢森堡 — ０．６４ １４ — １．０４９ ３ — ０．６７６ ７ 荷兰 １．０３４ ０．７８ ９ ０．５７５ ０．７２６ ７ ０．５７５ ０．６３７ ８ 韩国 ０．４０９ ０．７７ １０ ０．３９ ０．４５２ ２２ ０．３８８ ０．６２６ ９ 匈牙利 ０．８８８ ０．３ ２７ ０．３８７ ０．４６４ １９ ０．７１５ ０．６１７ １０ 瑞士 — １．３１６ １ — ０．６５ １１ — ０．５７９ １１ 芬兰 １．３０３ ０．４２ ２３ ０．４６８ ０．６６６ ９ ０．４７５ ０．５２３ １２ 法国 ０．７８４ ０．６１ １７ ０．４８９ ０．６５６ １０ ０．４８９ ０．５１６ １３ 英国 １．０１２ １ ６ ０．５３７ ０．５７６ １３ ０．５３７ ０．４８４ １４ 希腊 １．０７３ １．０１ ４ ０．５５５ ０．６９２ ８ ０．７６１ ０．４７１ １５ 日本 ０．９１７ １．０１ ５ ０．４９７ ０．５１２ １８ ０．４９７ ０．４４９ １６ 瑞典 １．０９１ ０．７２ １２ ０．４２７ ０．５３６ １７ ０．４２９ ０．４１９ １７ 丹麦 １．００２ ０．４９ ２０ ０．４１１ ０．５７６ １４ ０．４１１ ０．４０９ １８ 新西兰 １ ０．６３ １５ ０．２９２ ０．２８３ ３０ １ ０．３９４ １９ 加拿大 １．０３４ ０．５１ １９ ０．３７３ ０．４６ ２１ ０．３７３ ０．３９２ ２０ 南斯拉夫 １ ０．４３ ２２ ０．５８８ ０．３１５ ２９ １ ０．３８５ ２１ 墨西哥 ０．１７ ０．０４ ３９ ０．５２１ ０．４２５ ２４ ０．３４３ ０．３７６ ２２ 德国 ０．９７８ ０．７７ １１ ０．３５４ ０．４３６ ２３ ０．３５４ ０．３６４ ２３ 捷克 １．０８１ ０．１１ ３７ ０．３９１ ０．４６１ ２０ ０．２７９ ０．３５４ ２４ 罗马尼亚 １．０５ ０．１１ ３８ ０．３０２ ０．６２８ １２ ０．１ ０．３４５ ２５ 澳大利亚 — ０．４１ ２４ — ０．４１ ２５ — ０．３３３ ２６ 奥地利 — ０．６２ １６ — ０．３９６ ２７ — ０．３１３ ２７ 阿根廷 — ０．１３ ３６ — ０．３９８ ２６ — ０．３０２ ２８ 葡萄牙 １ ０．１４ ３４ ０．３６５ ０．５６４ １５ １ ０．２９８ ２９ 比利时 ０．８４９ ０．５５ １８ ０．２７ ０．３３４ ２８ ０．２７ ０．２５２ ３０ 巴西 — ０．１２７ ３５ — ０．２５８ ３３ — ０．２２２ ３１ 意大利 ０．７６８ ０．６９ １３ ０．２２２ ０．２５８ ３１ ０．２２２ ０．２０５ ３２ 中国 ０．０８４ ０．１７ ３１ ０．０１９ ０．０７２ ３９ ０．０５７ ０．１７８ ３３ 俄罗斯 １．０６５ ０．１４ ３３ ０．１９６ ０．１７５ ３５ ０．１９７ ０．１７４ ３４ 西班牙 １．００６ ０．２５ ２９ ０．１８７ ０．１８３ ３４ ０．１８７ ０．１５７ ３５ 波兰 ０．０９５ ０．２６ ２８ ０．２２ ０．２３８ ３２ ０．０８４ ０．１５５ ３６ 南非 — ０．１４ ３２ — ０．１５５ ３６ — ０．１４６ ３７ 印度 — １．０８６ ２ — ０．０７２ ３８ — ０．０７６ ３８ 土耳其 １．３９７ ０．９７ ７ ０．３０９ ０．０８８ ３７ ０．２１ ０．０５４ ３９ 发达大国均值 ０．８８４ ０．６８３ — ０．４１３ ０．４７８ — ０．４１２ ０．４７４ — 发达小国均值 ０．９９４ ０．５５ — ０．５０４ ０．６５１ — ０．７ ０．５４５ — 发展大国均值 ０．６４４ ０．１５ — ０．２６９ ０．２４２ — ０．１６５ ０．２１６ — 注：表中瑞士、巴西 ２００７年和 ２００８年的数据分别为 ２００５年和 ２００６年数据；印度 ２００７年和 ２００８年数据分别为 ２００２年和 ２００３年数据。 ·１４６· 清华大学学报（哲学社会科学版）