长江经济带高技术产业创新效率及其影响因素研究

9 年美国 50 个州的高技术产业发展的创新效率，并将高新技术产业效率值进行了排名。[7]Weining Mao (2010)运用DEA 分析了近十年中国高技术产业的技术效率、全要素生产率的变化。[8]Chen &Yeh Quey（2005）研究了 1991-1999 年十年间台湾六个高新技术行业的效率值，并利用 DEA-CCR 和 DEA-BCC 模型分别进行了研究。[9]Gwangho Han（2001）采用 SFA 模型，并通过 1989--1994 五年间的数据，研究了韩国制造业全要素生产率的变化，结果表明全主要是技术进步促进了全要素生产率的增长，与此同时资源配置效率产生了负面影响。[10]Heshmait Mmulugeta（1996）通过对乌干达香蕉生产的创新效率进行研究，发现该地香蕉面临着规模效率递减，且其与农场创新效率不相关。[11]What Krascachat（2004）运用 DEA 对 1999 年泰国东北三省的农场进行随机抽样数据分析，考察了大米种植的创新效率，并对地区间的差异做了分析。[12]Stevevn Hosted（1989）利用随机前沿法，对美国 1969-1972 年美国各州的创新效率进行的测算与比较，并分析了区域间差异的原因。

..........................
第 3 章 长江经济带高技术产业现状及问题分析......................... 13

3.1 长江经济带高技术产业发展现状....................................13

3.2 长江经济带高技术产业投入分析.................................14

3.3 长江经济带高技术产业产出分析....................18

第 4 章 长江经济带高技术产业创新效率实证分析........................... 25

4.1 模型介绍及指标选取....................................25

4.2 长江经济带高技术产业创新效率实证研究.................... 28

第 5 章 长江经济带高技术产业创新效率影响因素分析.......................... 39

5.1 DEA-Tobit 两步分析法简介...................................39

5.2 影响因素变量的选取............................39

第 5 章 长江经济带高技术产业创新效率影响因素分析

5.1 DEA-Tobit 两步分析法简介

Tobit 模型是诺贝尔经济学奖获得者托宾（Tobit）于 1958 年提出，主要用于被解释变量取值受限的回归，所以又叫做断尾回归模型或者截取回归模型。这里的受限是指被解释变量的取值被约束在一定的范围以内，比如本章作为被解释变量的综合效率值取值为[0,1]。在传统 DEA 的 CCB 和 BCC 模型中，能够得到一定产出条件下能够减少的投入，以及既定投入条件下必须增加的产出，但是这并没有将导致决策单元之间效率差异的因素考虑进去，通过 DEA-Tobit 两阶段分析方法能够解决这一问题。

DEA-Tobit 两阶段分析法的具体步骤为：首先用 DEA 模型求出各决策单元的综合效率值，导致效率值高低的因素有很多，例如，外部环境、所有制制度、内部管理或者其他随机因素导致，但是 DEA 并不能看出具体的影响因素是哪些，
因此，第二步要运用 DEA-Tobit 进行回归分析，将选取的回归因素指标用作自变量，将第四章测算出开的综合效率值作为因变量，通过各个自变量的回归结果，对各个指标对效率的影响程度进行判断，模型的基本形式如下：

........................

第 6 章 结论分析与对策建议

6.1 结论分析

本文基于长江经济带 11 个省市 2008-2016 年面板数据，采用 DEA 模型对其高技术产业的创新效率进行了实证研究，并运用 Malmquist 指数法对其创新效率进行了动态分析，最后运用 DEA-Tobit 两步法对影响创新效率的因素进行了探究，得出了以下结论：

第一、根据 DEA-BCC 模型结果可以看出，长江经济带综合效率值均值为0.86，并且上中下游地区呈现出明显的“√”型，即中游地区综合效率值最低，上游其次，下游最高。从 2016 年综合技术效率值结果可以看出，在 DEA 有效的地区中，既有投入相对较少的省份，比如安徽和江西，也有投入较多的省份比如江苏和浙江。这说明效率值的高低和投入的多少没有关系，更重要的是资源的配置是否合理。上游地区虽然高技术产业发展起步较晚，投入偏低，但是其能将现有资源合理利用，因此效率均值在三大区域中位于第二。而中游地区却未能发挥其人才和经济优势，缺乏资源的合理配置，导致其效率值偏低。下游地区长期重视创新驱动，高度重视高技术产业的投入产出，因此效率值最高。

第二、长江经济带纯技术效率值波动幅度不大，近几年都稳定在 0.9 以上。分区域来看，上中下游地区仍呈现出明显的“√”型，下游地区纯技术效率仍然位列第一，其次是上游地区，中游最低。近五年来重庆、四川、云南、江苏以及安徽都实现了 DEA 有效。这说明这些地方管理水平和制度体制相较更优。而湖北省纯技术效率近几年在长江经济带中一直位列倒数，最低时仅有 0.476，这也是导致其综合效率低下的原因。

第三、从总体上看，各区域规模效率高于纯技术效率，和综合效率以及纯技术效率不同，长江经济带三大区域规模效率不再呈“√”形，甚至在 2012 年以后，中游地区规模效率领先于上游和下游地区。从三大区域来看，上游地区云南和贵州近几年都呈现规模报酬递增状态，而重庆一直保持着规模报酬不变。中游地区湖北湖南一直呈现规模报酬递减的状态，而下游地区除安徽近年来处于规模报酬不变阶段以外，上海、江苏和浙江都处于递减阶段。

参考文献（略）