張 曦，郭淑芬,2

（1.山西財經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，山西 太原030006；2.山西財經(jīng)大學(xué) 資源型經(jīng)濟轉(zhuǎn)型協(xié)同創(chuàng)新中心，山西 太原030006）

一、引言

十九大報告指出我國經(jīng)濟已由高速增長階段邁向高質(zhì)量發(fā)展階段，2018 年工業(yè)增加值在國民經(jīng)濟中的占比為33.9%，農(nóng)林牧漁業(yè)、建筑業(yè)、批發(fā)和零售業(yè)、房地產(chǎn)業(yè)的占比分別為7.5%、6.9%、9.4%和6.6%，可見工業(yè)占比顯著高于其他產(chǎn)業(yè)，是實體經(jīng)濟的主體，工業(yè)經(jīng)濟的高質(zhì)量發(fā)展是整個經(jīng)濟高質(zhì)量發(fā)展的前提和基礎(chǔ)（史丹、李鵬，2019）[1]。創(chuàng)新是國家經(jīng)濟高質(zhì)量發(fā)展的源動力，我國的創(chuàng)新要素投入在不斷增加，而創(chuàng)新效率的提高更為關(guān)鍵。工業(yè)是技術(shù)創(chuàng)新的重要載體，2018 年規(guī)模以上工業(yè)企業(yè)R&D人員全時當量為298.12 萬人年，占全國的比重為68.04%，R&D 經(jīng)費內(nèi)部支出為12 954.83 億元，占全國的比重為65.83%，可見工業(yè)科技研發(fā)投入很大，其創(chuàng)新效率在很大程度上決定著整個國家的創(chuàng)新效率水平。工業(yè)技術(shù)創(chuàng)新效率的提升不僅關(guān)系著工業(yè)經(jīng)濟的高質(zhì)量發(fā)展，也關(guān)系著國家經(jīng)濟的高質(zhì)量發(fā)展。我國地域遼闊，不同地區(qū)的工業(yè)創(chuàng)新資源數(shù)量和質(zhì)量均存在較大差異。例如，2018 年廣東規(guī)模以上工業(yè)企業(yè)R&D 人員全時當量為621 950 人年，而青海只有1 157 人年，不到廣東的千分之二，廣東規(guī)模以上工業(yè)企業(yè)R&D 經(jīng)費內(nèi)部支出為21 072 031 萬元，而青海只有67 716 萬元，僅占廣東的千分之三，那么技術(shù)創(chuàng)新效率是否存在顯著差異？地區(qū)工業(yè)技術(shù)創(chuàng)新效率差異是否具有收斂趨勢？工業(yè)技術(shù)創(chuàng)新效率的空間集聚模式如何？工業(yè)技術(shù)創(chuàng)新效率地區(qū)分布的演變趨勢如何？通過對上述問題進行研究，可以更加全面、客觀地了解工業(yè)技術(shù)創(chuàng)新效率的時空特征與動態(tài)變化，為提升工業(yè)技術(shù)創(chuàng)新效率、縮小工業(yè)技術(shù)創(chuàng)新效率的區(qū)域差距、助推工業(yè)經(jīng)濟高質(zhì)量發(fā)展提供事實資料與政策參考。

二、文獻回顧

學(xué)者們就工業(yè)技術(shù)創(chuàng)新效率從國家、區(qū)域、行業(yè)、企業(yè)等不同層面開展了大量研究，主要集中于技術(shù)創(chuàng)新效率的測度、區(qū)域或行業(yè)或企業(yè)間差異、變動趨勢、影響因素等方面。Nasierowski 和Arcelus（2003）[2]測算并分析了45 個國家的創(chuàng)新效率，結(jié)果表明技術(shù)創(chuàng)新規(guī)模、資源配置會影響技術(shù)創(chuàng)新效率的變化。馮宗憲和王青等（2011）[3]測算了我國30 個省份2001—2007 年工業(yè)企業(yè)創(chuàng)新活動的技術(shù)效率與規(guī)模效率，發(fā)現(xiàn)二者的平均值在0.5 左右。馮根福等（2006）[4]測度了我國35 個工業(yè)行業(yè)1996—2004年的研發(fā)效率，發(fā)現(xiàn)其值僅在1997 年超過平均值，在其余年份均低于平均值。朱有為和徐康寧（2006）[5]估算了我國高技術(shù)產(chǎn)業(yè)13 個細分行業(yè)1995—2004年的研發(fā)效率，結(jié)果顯示研發(fā)效率整體較低。童澤望（2019）[6]測度了湖北省66 家上市公司的規(guī)模效率、純技術(shù)效率，發(fā)現(xiàn)研發(fā)人員和研發(fā)經(jīng)費配置比例不合理是效率偏低的原因。不論將工業(yè)作為整體部門從區(qū)域?qū)用婵剂窟€是選取工業(yè)的子行業(yè)，多數(shù)研究均表明我國工業(yè)技術(shù)創(chuàng)新效率較低，有較大的提升空間。關(guān)于工業(yè)技術(shù)創(chuàng)新效率影響因素的研究有：朱有為和徐康寧（2006）[5]研究表明，高技術(shù)產(chǎn)業(yè)的研發(fā)效率與企業(yè)規(guī)模存在顯著正相關(guān)關(guān)系；Scherer 等（1990）[7]認為，隨著企業(yè)規(guī)模的不斷擴大，會出現(xiàn)管理控制能力下降或過度官僚控制等現(xiàn)象，導(dǎo)致內(nèi)耗增加，使企業(yè)研發(fā)效率受損；陳修德和梁彤纓（2010）[8]研究發(fā)現(xiàn)，企業(yè)規(guī)模對研發(fā)中間產(chǎn)出效率（產(chǎn)出為專利）和最終產(chǎn)出效率（產(chǎn)出為新產(chǎn)品）的作用存在差異，大企業(yè)有利于最終產(chǎn)出效率的提高，而小企業(yè)更有利于中間產(chǎn)出效率的提高；Pavitt 等（1987）[9]認為，研發(fā)效率和企業(yè)規(guī)模之間呈U 型關(guān)系，即較小企業(yè)和較大企業(yè)的研發(fā)效率比中等企業(yè)更高。除了企業(yè)規(guī)模，學(xué)者們還關(guān)注了技術(shù)水平、人力資本、研發(fā)管理水平、行業(yè)特征、市場競爭、政府支持、所有制結(jié)構(gòu)、金融機構(gòu)支持、對外開放度等因素，并進行了實證檢驗，給出了理論解釋。但是，由于不同學(xué)者所選樣本及其時間跨度、所選代理變量及構(gòu)建模型等不同，并沒有取得完全一致的結(jié)論。

關(guān)于工業(yè)技術(shù)創(chuàng)新效率的時空特征及其演化的研究在不斷深入，主要體現(xiàn)在三個方面。（1）測算方法的延伸。技術(shù)創(chuàng)新效率的測算主要有參數(shù)和非參數(shù)方法，分別以隨機前沿（SFA）和數(shù)據(jù)包絡(luò)分析（DEA）為代表。DEA 的基本模型為CCR 和BCC 模型，后來提出了非徑向的SBM 模型（Tone，1993）[10]、區(qū)分有效DMU 效率高低的“超效率”模型（Andersen and Petersen，2001）[11]、考慮環(huán)境變量和隨機誤差等因素影響的三階段DEA 模型（Fried et al.，2002）[12]、評價效率變化的DEA-Malmquist 指數(shù)（F?re et al.，1992）[13]、被評價單元集與參考集分離的廣義DEA 模型等（馬占新、馬生昀，2009）[14]，測度方法更加豐富。（2）研究尺度的細化。由省級細化到市級，李影等（2020）[15]以粵港澳大灣區(qū)10 個城市的工業(yè)企業(yè)為研究對象，分析了其時空演化規(guī)律。由行業(yè)間的比較具體到某一行業(yè)，李宏寬等（2020）[16]對集成電路產(chǎn)業(yè)整體及產(chǎn)業(yè)鏈各環(huán)節(jié)技術(shù)創(chuàng)新效率的發(fā)展態(tài)勢進行了評價。（3）研究視角的創(chuàng)新。基于綠色增長視角的研究有：張江雪等（2012）[17]采用的產(chǎn)出指標除科技成果、經(jīng)濟效益之外，還加入了反映資源節(jié)約、環(huán)境友好的工業(yè)企業(yè)綜合能耗產(chǎn)出率、工業(yè)廢氣等；張遼和黃蕾瓊（2020）[18]剔除外部環(huán)境因素測度了工業(yè)企業(yè)真實的綠色技術(shù)創(chuàng)新效率，并進行了時空特征分析。基于創(chuàng)新價值鏈角度，錢麗等（2015）[19]將技術(shù)創(chuàng)新過程分解為科技研發(fā)和成果轉(zhuǎn)化，比較了三大區(qū)域兩個階段技術(shù)創(chuàng)新效率的差異?；诳臻g相關(guān)角度的研究有：余泳澤和武鵬（2010）[20]測算了我國高技術(shù)產(chǎn)業(yè)1996—2007 年的研發(fā)效率，經(jīng)過Moran’I統(tǒng)計量檢驗，得出了高技術(shù)產(chǎn)業(yè)研發(fā)效率在2000 年后表現(xiàn)出較強的空間正相關(guān)；桂黃寶（2014）[21]的研究表明，省域高技術(shù)產(chǎn)業(yè)創(chuàng)新效率存在空間相關(guān)性；黃奇等（2015）[22]構(gòu)建了空間計量經(jīng)濟模型，驗證了工業(yè)綠色技術(shù)創(chuàng)新效率存在空間外溢效應(yīng)。

基于已有研究，本文將從兩個方面進行拓展：（1）工業(yè)技術(shù)創(chuàng)新效率的測度，采用非導(dǎo)向、非徑向、規(guī)模報酬可變的窗口MinDS 超效率模型，該模型同時從投入和產(chǎn)出兩個角度測算效率，克服了徑向DEA 模型測量無效率未包含松弛變量的缺點，能夠區(qū)分有效DMU 效率的高低，解決了SBM 模型目標函數(shù)效率值求最小化的問題，可以反映技術(shù)創(chuàng)新效率在時間維度的變化等，彌補了傳統(tǒng)DEA、SBM 等模型的不足；（2）對工業(yè)技術(shù)創(chuàng)新效率空間特征的分析不僅考慮了區(qū)域差異及其變化，還考慮了空間相關(guān)性與集聚模式，能夠較為全面地呈現(xiàn)工業(yè)技術(shù)創(chuàng)新效率的空間分布特征。

三、研究方法與變量說明

（一）工業(yè)技術(shù)創(chuàng)新效率測度方法及指標

1.窗口MinDS 超效率模型。本文使用非導(dǎo)向、非徑向、規(guī)模報酬可變的窗口MinDS（Minimum Distance to Strong Efficient Frontier）超效率模型測度中國省域工業(yè)技術(shù)創(chuàng)新效率。設(shè)有n個決策評價單元DMUj（j=1，2，…，n），每個DMU 有m種技術(shù)創(chuàng)新投入xij（i=1，2，…，m）和q種創(chuàng)新產(chǎn)出yrj（r=1，2，…，q）。首先，在Aparicio 的MinDS 模型的基礎(chǔ)上（成剛，2014）[23]建立非導(dǎo)向、非徑向、規(guī)模報酬可變的MinDS 超效率模型，分為兩個階段。

第一階段，采用非導(dǎo)向、非徑向、規(guī)模報酬可變的SBM 超效率模型，判定有效的DMU 的集合為E，如模型（1）所示。

第二階段，求解混合整數(shù)線性規(guī)劃，如模型（2）所示，得到非導(dǎo)向、非徑向、規(guī)模報酬可變的MinDS超效率模型的效率值。

其次，將MinDS 超效率模型與窗口分析相結(jié)合，實現(xiàn)技術(shù)創(chuàng)新效率的動態(tài)比較。窗口分析需確定窗寬，較多文獻選擇3～4 個時間單位，本文選擇窗寬為3。假設(shè)有n個DMU，t個時期，則在每個窗口DMU 的數(shù)量為3n，窗口數(shù)量為t－3+1 個，在每個窗口求解3n個DMU 的MinDS 超效率值。最后，對每個DMU 在每個時點計算技術(shù)創(chuàng)新效率的均值即可。

2.投入產(chǎn)出指標及數(shù)據(jù)來源。在測度工業(yè)技術(shù)創(chuàng)新效率時，需要建立創(chuàng)新投入產(chǎn)出指標體系，如表1所示。投入指標需考慮人力投入、研發(fā)資金投入、非研發(fā)創(chuàng)新投入三個方面，分別選取R&D 人員全時當量、R&D 經(jīng)費支出（R&D 經(jīng)費內(nèi)部支出與R&D 經(jīng)費外部支出之和）、技術(shù)獲取和技術(shù)改造經(jīng)費支出（技術(shù)引進經(jīng)費支出、消化吸收經(jīng)費支出、購買國內(nèi)技術(shù)經(jīng)費支出、技術(shù)改造經(jīng)費支出四者之和）進行衡量。產(chǎn)出指標需考慮知識創(chuàng)新、產(chǎn)品創(chuàng)新、工藝創(chuàng)新三個方面，分別選取專利申請量、發(fā)明專利申請量、新產(chǎn)品銷售收入、人均工業(yè)總產(chǎn)值進行衡量。為了消除價格因素的影響，需要對經(jīng)費投入進行平減?？紤]到經(jīng)費投入不僅會對當期產(chǎn)生影響，對以后若干期的產(chǎn)出也會產(chǎn)生影響，故采用存量而不是流量。R&D 經(jīng)費支出、技術(shù)獲取和技術(shù)改造經(jīng)費支出分別先以2011 年為基期綜合消費價格指數(shù)和固定資產(chǎn)投資價格指數(shù)進行平減（白俊紅、蔣伏心，2015）[24]，然后采用永續(xù)盤存法計算存量（吳延兵，2008）[25]。以R&D經(jīng)費支出存量為例，技術(shù)獲取和技術(shù)改造經(jīng)費支出存量的計算類同，t期R&D 經(jīng)費支出存量的計算如公式（3）所示：

其中，Kt表示t期R&D 經(jīng)費支出存量，Et表示t期R&D 經(jīng)費支出，δ 為折舊率。接下來，需要確定折舊率和基期的R&D 經(jīng)費支出存量。借鑒已有文獻（白俊紅、蔣伏心，2015）[24]，折舊率取15%。假定R&D 經(jīng)費支出存量的平均增長率與R&D 經(jīng)費支出的平均增長率相等，則有（Kt-Kt-1）/Kt-1=（Et-Et-1）/Et-1=g，g為平均增長率。當t=1 時，K1=（1+g）K0，K1=E0+（1-δ）K0，合并兩式即可解出K0。

產(chǎn)出指標新產(chǎn)品銷售收入、人均工業(yè)總產(chǎn)值均以2011 年為基期的工業(yè)價格指數(shù)進行平減，且均滯后一期。創(chuàng)新投入產(chǎn)出指標所用數(shù)據(jù)均來自2012—2018 年的《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》。

表1 窗口MinDS 超效率模型的投入產(chǎn)出指標體系

（二）空間相關(guān)分析方法

本文運用莫蘭指數(shù)檢驗工業(yè)技術(shù)創(chuàng)新效率的空間相關(guān)性，全局莫蘭指數(shù)計算公式（陳強，2014）[26]如下：

在式（5）中，xi和xj分別為第i省份和第j省份的觀察值，在本文指工業(yè)技術(shù)創(chuàng)新效率，為觀察值的均值；n為省份總個數(shù)；wij為空間權(quán)重系數(shù)，采用鄰接矩陣，當i省與j省相鄰時，wij=1，否則wij=0。全局莫蘭指數(shù)的取值區(qū)間為[-1，1]，其中：大于0 表示存在空間正自相關(guān)，技術(shù)創(chuàng)新效率高值與高值相鄰或低值與低值相鄰，越趨于1，集聚程度越高；小于0表示存在空間負自相關(guān)，技術(shù)創(chuàng)新效率的高值與低值相鄰，越趨于-1，分異程度越大；等于0 表示技術(shù)創(chuàng)新效率高值與低值完全隨機分布，不存在空間自相關(guān)。

當局部莫蘭指數(shù)為正數(shù)時，表示區(qū)域i的高（低）值被周圍的高（低）值所包圍；當局部莫蘭指數(shù)為負數(shù)時，表示區(qū)域i的低（高）值被周圍的高（低）值所包圍。

（三）區(qū)域差異分析方法

本文采用泰爾指數(shù)分析工業(yè)技術(shù)創(chuàng)新效率的區(qū)域差異，該指數(shù)將區(qū)域間的總體差異分解為區(qū)域內(nèi)差異與區(qū)域間差異，能夠揭示出區(qū)域內(nèi)差異、區(qū)域間差異各自對總體差異的貢獻。設(shè)將n個省份分為m個區(qū)域，本文中n為30，m為3，即東部、中部、西部三大區(qū)域。泰爾指數(shù)及其分解的計算公式（范德成、李盛楠，2019）[27]如下：

其中，T為衡量工業(yè)技術(shù)創(chuàng)新效率區(qū)域差異的總體泰爾指數(shù)，取值區(qū)間為[0，1]，其值越大，表示區(qū)域差異越大；Tb為衡量區(qū)域間差異的泰爾指數(shù)；Tw為衡量區(qū)域內(nèi)差異的泰爾指數(shù)；Twk為衡量第k個區(qū)域內(nèi)差異的泰爾指數(shù)，k的取值為1、2、3，分別表示東部、中部和西部；TE為各省份工業(yè)技術(shù)創(chuàng)新效率之和，TEi為第i個省份的工業(yè)技術(shù)創(chuàng)新效率，TEk為第k個區(qū)域內(nèi)各個省份的工業(yè)技術(shù)創(chuàng)新效率之和，TEj為第k個區(qū)域內(nèi)第j個省份的工業(yè)技術(shù)創(chuàng)新效率；nk為第k個區(qū)域內(nèi)省份的總個數(shù)。此外，采用CRb=Tb/T和CRw=Tw/T分別表示區(qū)域間差異和區(qū)域內(nèi)差異對總體差異的貢獻率，采用CRwk=（TEk/TE）×（Twk/T）表示第k個區(qū)域內(nèi)差異對總體差異的貢獻率。

（四）動態(tài)演進分析方法

本文采用非參數(shù)核密度估計方法分析工業(yè)技術(shù)創(chuàng)新效率的分布特征與動態(tài)變化趨勢，該方法對隨機變量的概率密度進行估計，使用核密度曲線反映隨機變量的位置、形態(tài)及延展性。位置表明工業(yè)技術(shù)創(chuàng)新效率的高低，波峰高度、寬度表明工業(yè)技術(shù)創(chuàng)新效率的空間差異大小，波峰數(shù)量表明極化特征，拖尾越長表明空間差異越大（劉樹峰等，2019）[28]。隨機變量x在x0處的核密度估計量為（陳強，2014）[26]：

式中，K（·）為核函數(shù)，h表示帶寬，本文選用高斯核函數(shù)，在Stata 軟件中進行核密度估計。

四、工業(yè)技術(shù)創(chuàng)新效率的時空特征

（一）工業(yè)技術(shù)創(chuàng)新效率的時空格局

運用非導(dǎo)向、非徑向、規(guī)模報酬可變的窗口MinDS 超效率模型測度2011—2017 年中國30 個省市區(qū)的工業(yè)技術(shù)創(chuàng)新效率，在MaxDEA 軟件中進行求解，結(jié)果如表2 所示。結(jié)果顯示：2011—2017 年全國工業(yè)技術(shù)創(chuàng)新效率的均值為0.793 7，存在較大的提升空間；分區(qū)域看，東部地區(qū)為0.901 4，中部地區(qū)為0.767 2，西部地區(qū)為0.705 4，呈梯度遞減。東部地區(qū)的工業(yè)技術(shù)創(chuàng)新效率高于全國平均水平，中部和西部地區(qū)均低于全國平均水平，東部與中部地區(qū)的差距遠高于中部與西部地區(qū)的差距。東部地區(qū)的工業(yè)創(chuàng)新資源配置良好，有效激發(fā)了創(chuàng)新活力，而中西部創(chuàng)新體系的運行機制還需大力改善。從變化趨勢來看，全國均值、中部均值、西部均值都在波動中趨于上升，西部增長的幅度最大，而東部均值則在波動中有所下降。

表2 2011—2017 年中國30 個省份的工業(yè)技術(shù)創(chuàng)新效率

（續(xù)表2）

根據(jù)各省份2011—2017 年工業(yè)技術(shù)創(chuàng)新效率的平均值將30 個省份分為高效率、較高效率、中等效率、較低效率、低效率5 個等級，如表3 所示。處于高效率的有海南、安徽、廣東、北京4 個省份，效率均值在0.99 以上，處于低效率的有貴州、山西、內(nèi)蒙古、黑龍江4 個省份，效率均值在0.57 以下，可見兩個等級的效率差距較大。效率位列中間的省份有22個，其中處于較高效率的省份有7 個，處于中等效率的省份有7 個，處于較低效率的省份有8 個，呈現(xiàn)出明顯的梯度結(jié)構(gòu)。

表3 中國30 個省份的工業(yè)技術(shù)創(chuàng)新效率所處等級

（二）工業(yè)技術(shù)創(chuàng)新效率的空間關(guān)聯(lián)

利用Stata 軟件，選取空間鄰接矩陣，測算出2011—2017 年中國省際工業(yè)技術(shù)創(chuàng)新效率的Global Moran’s I，如表4 所示?？梢?，2011—2017 年的Global Moran’s I均大于0，其中2011 年通過了5%的顯著性檢驗，2012—2017 年均通過了1%的顯著性檢驗，表明省際工業(yè)技術(shù)創(chuàng)新效率的空間分布不是隨機的，存在顯著的正向空間相關(guān)性，工業(yè)技術(shù)創(chuàng)新效率高的省份相鄰或是工業(yè)技術(shù)創(chuàng)新效率低的省份相鄰，空間集聚現(xiàn)象明顯。從Global Moran’s I的演變趨勢看，最大值為2013 年的0.406，最小值為2011 年的0.162，平均值為0.297，在考察期內(nèi)呈現(xiàn)出“N”形狀，在波動中趨于上升，說明工業(yè)技術(shù)創(chuàng)新效率的空間相關(guān)性在增強。

表4 2011—2017 年中國省際工業(yè)技術(shù)創(chuàng)新效率Global Moran’s I 及其檢驗結(jié)果

利用Stata 軟件，可得出2011—2017 年中國30個省份工業(yè)技術(shù)創(chuàng)新效率均值的局部Moran’s I散點圖，據(jù)此可知各省份的集聚類型（呂巖威等，2020）[29]，如表5 所示?？梢?，有23 個省份落在了第一、第三象限，呈正向空間相關(guān)，僅有7 個省份落在了第二、第四象限，呈負向空間相關(guān)，30 個省份的工業(yè)技術(shù)創(chuàng)新效率的空間分布整體上呈“高高－高效型”與“低低－低效型”集聚模式。位于第一象限“高高－高效型”的省份有13 個，以東部省份為主，經(jīng)濟較發(fā)達，交通便利，創(chuàng)新資源集聚，具有一定的創(chuàng)新發(fā)展優(yōu)勢，技術(shù)創(chuàng)新效率水平較高。位于第三象限“低低－低效型”的省份有10 個，其中西部省份有5 個，中部省份有4 個，這些省份的經(jīng)濟基礎(chǔ)相對薄弱，研發(fā)資金、技術(shù)、人才等高質(zhì)量的創(chuàng)新要素相對匱乏，創(chuàng)新效率水平較低。位于第二象限“低高－空心型”的省份為福建和貴州，雖然與效率較高的省份相鄰，但未能有效吸收創(chuàng)新的空間溢出，形成了技術(shù)創(chuàng)新效率的洼地。位于第四象限“高低－極化型”的省份有吉林、重慶、青海、寧夏、新疆，與相鄰省份相比，這5 個省份的工業(yè)技術(shù)創(chuàng)新效率相對較高，如吉林相對于領(lǐng)近的黑龍江、遼寧、內(nèi)蒙古其工業(yè)技術(shù)創(chuàng)新效率較高，但空間擴散作用有限，輻射帶動不強。

表5 中國30 個省份工業(yè)技術(shù)創(chuàng)新效率的集聚類型

（三）工業(yè)技術(shù)創(chuàng)新效率的區(qū)域差異

根據(jù)泰爾指數(shù)及其分解的計算公式，可得出工業(yè)技術(shù)創(chuàng)新效率的區(qū)域整體差異、區(qū)域間差異、區(qū)域內(nèi)差異，結(jié)果如圖1 所示。可見，2011—2017 年30個省市區(qū)工業(yè)技術(shù)創(chuàng)新效率的泰爾指數(shù)T在0.026～0.093 間波動，表明工業(yè)技術(shù)創(chuàng)新效率存在明顯的地區(qū)差異。從發(fā)展態(tài)勢看，泰爾指數(shù)T基本上逐年下降，由2011 年的0.093 下降到2017 年的0.028，表明工業(yè)技術(shù)創(chuàng)新效率的地區(qū)差異有縮小趨勢。區(qū)域內(nèi)的泰爾指數(shù)Tw顯著高于區(qū)域間的泰爾指數(shù)Tb，表明總體差異主要源自東、中、西部地區(qū)內(nèi)部的差異，而受三大地區(qū)之間差異的影響較小。

從三大區(qū)域來看，中部的泰爾指數(shù)Tw2和西部的泰爾指數(shù)Tw3均大于東部的泰爾指數(shù)Tw1，Tw2除在2015 年和2017 年略低于Tw3之外，在其余年份均大于Tw3，表明中部省份的工業(yè)技術(shù)創(chuàng)新效率差異最大，西部次之，東部最小。從變化趨勢看，東部、中部、西部的泰爾指數(shù)在波動中趨于下降，其中東部的下降幅度最大，中部次之，西部最小，表明東部及中部省份工業(yè)技術(shù)創(chuàng)新效率差距減小的速度快于西部。

圖1 2011—2017 年全國、區(qū)域間、區(qū)域內(nèi)、東部、中部、西部的泰爾指數(shù)

從泰爾指數(shù)的貢獻率來看，由圖2 可知，2011年區(qū)域間、東部、中部、西部的泰爾指數(shù)對總體泰爾指數(shù)的貢獻率分別為23%、35.1%、21.8%、20.1%，2017 年各泰爾指數(shù)對總體泰爾指數(shù)的貢獻率分別為7.2%、26.1%、26.7%、40%?？梢?，2011—2017 年東部與區(qū)域間泰爾指數(shù)的貢獻率整體上呈下降趨勢，而中部、西部泰爾指數(shù)的貢獻率整體上卻呈上升趨勢，表明中部、西部區(qū)域內(nèi)部的工業(yè)技術(shù)創(chuàng)新效率差異逐漸成為總差異的主要構(gòu)成因素。

圖2 2011—2017 年三大區(qū)域間、東部、中部、西部泰爾指數(shù)的貢獻率

五、工業(yè)技術(shù)創(chuàng)新效率的區(qū)域分布動態(tài)

圖3 顯示了全國、東部、中部、西部工業(yè)技術(shù)創(chuàng)新效率的核密度動態(tài)變化趨勢。由圖3（a）可知，中國30 個省份的工業(yè)技術(shù)創(chuàng)新效率分布向右偏移，表明工業(yè)技術(shù)創(chuàng)新效率水平在提升，結(jié)合前面計算結(jié)果可知，其均值由2011 年的0.752 2 上升到了2017年的0.817 9。核密度曲線的波峰不斷上升，波寬逐漸變窄，說明各省份的工業(yè)技術(shù)創(chuàng)新效率差異有縮小趨勢，與泰爾系數(shù)的變化趨勢相一致。2017 年的雙峰較2011 年、2013 年、2015 年更明顯，且出現(xiàn)了多峰跡象，說明我國各省份的工業(yè)技術(shù)創(chuàng)新效率存在一定的梯度效應(yīng)，呈現(xiàn)出多級分化的態(tài)勢。

由圖3（b）可知，東部省份的工業(yè)技術(shù)創(chuàng)新效率分布先向右移再向左移，表明工業(yè)技術(shù)創(chuàng)新效率水平經(jīng)歷了由升到降的過程，結(jié)合前面的計算結(jié)果可知，其均值由2011 年的0.940 2 下降到了2017 年的0.885 7。核密度曲線的波峰先增高后降低，右端拖尾明顯減弱，結(jié)合泰爾系數(shù)，總的來看，東部省份的工業(yè)技術(shù)創(chuàng)新效率差異在縮小。核密度曲線在2011年、2013 年、2015 年均為單峰，在2017 年出現(xiàn)了多峰的跡象，表明東部省份的工業(yè)技術(shù)創(chuàng)新效率呈現(xiàn)出多級分化態(tài)勢。

由圖3（c）可知，中部省份的核密度曲線先向右移后向左移，表明中部省份的工業(yè)技術(shù)創(chuàng)新效率經(jīng)歷了先升后降的過程，但總的來看是提高了，由前面計算結(jié)果可知，其均值由2011 年的0.733 8 上升為2017 年的0.790 6。核密度曲線的波峰不斷增高，波寬變窄，表明中部省份的工業(yè)技術(shù)創(chuàng)新效率差異在不斷縮小，雖然出現(xiàn)了雙峰，但峰側(cè)較低。

由圖3（d）可知，2011—2017 年西部省份的核密度曲線向右移動，表明西部省份的工業(yè)技術(shù)創(chuàng)新效率有所提高，由前面計算結(jié)果可知，平均值由2011年的0.577 7 上升為2017 年的0.769，增幅明顯。核密度曲線的波峰先下降后上升，波峰數(shù)量由一個變?yōu)槎鄠€，但峰側(cè)很低非常平緩，拖尾現(xiàn)象減弱，結(jié)合泰爾系數(shù)可知，在2011—2017 年間，雖然省份間差異有減有增，但總體上看西部省份工業(yè)技術(shù)創(chuàng)新效率的差異在縮小。

圖3 工業(yè)技術(shù)創(chuàng)新效率2011 年、2013 年、2015 年和2017 年的核密度

六、研究結(jié)論與啟示

（一）研究結(jié)論

本文采用非導(dǎo)向、非徑向、規(guī)模報酬可變的窗口MinDS 超效率模型測度了2011—2017 年中國30 個省份的工業(yè)技術(shù)創(chuàng)新效率，然后運用莫蘭指數(shù)分析了技術(shù)創(chuàng)新效率的空間集聚特征，利用泰爾指數(shù)及其分解考察了技術(shù)創(chuàng)新效率的區(qū)域差異及其來源，并進一步利用核密度估計探究了區(qū)域分布的動態(tài)演進，主要得到了四個研究結(jié)論。

1.2011—2017 年，全國層面工業(yè)技術(shù)創(chuàng)新效率的均值為0.793 7，有較大的提升空間，分區(qū)域看，東部、中部、西部地區(qū)的工業(yè)技術(shù)創(chuàng)新效率依次遞減。從變化趨勢看，東部地區(qū)的工業(yè)技術(shù)創(chuàng)新效率在波動中有所下降，中部、西部地區(qū)在波動中趨于上升，其中西部增幅較大。省域工業(yè)技術(shù)創(chuàng)新效率表現(xiàn)出顯著的高效率、較高效率、中等效率、較低效率、低效率的梯度等級結(jié)構(gòu)。

2.中國省域工業(yè)技術(shù)創(chuàng)新效率存在顯著的正向空間相關(guān)性，且空間相關(guān)性不斷增強。從空間集聚模式來看，工業(yè)技術(shù)創(chuàng)新效率整體上呈“高高-高效型”與“低低-低效型”，少數(shù)省份呈“低高-空心型”與“高低-極化型”。

3.中國工業(yè)技術(shù)創(chuàng)新效率存在明顯的地區(qū)差異，區(qū)域內(nèi)差異是主要來源?？傮w差異呈現(xiàn)出縮小態(tài)勢，中部、西部地區(qū)內(nèi)部的工業(yè)技術(shù)創(chuàng)新效率差異逐漸成為總體差異的主要因素。從三大區(qū)域看，中部、東部、西部地區(qū)內(nèi)部工業(yè)技術(shù)創(chuàng)新效率的差異依次遞減，均表現(xiàn)出縮小趨勢，且東部、中部地區(qū)的工業(yè)技術(shù)創(chuàng)新效率差距縮小的速度要快于西部。

4.核密度曲線結(jié)果表明，全國、東部、中部、西部區(qū)域的工業(yè)技術(shù)創(chuàng)新效率的空間差異逐漸縮小，全國工業(yè)技術(shù)創(chuàng)新效率的平均水平有所提升，存在一定的梯度效應(yīng)，呈現(xiàn)出多級分化態(tài)勢。

（二）政策啟示

1.優(yōu)化創(chuàng)新資源配置，提高要素利用效率。企業(yè)不僅要增加創(chuàng)新要素的數(shù)量，更要提升創(chuàng)新要素的質(zhì)量，而且要尋求創(chuàng)新投入與產(chǎn)出的黃金配置比例，創(chuàng)新企業(yè)管理體制，激發(fā)創(chuàng)新人員的活力，使得創(chuàng)新要素能夠得到充分合理利用并獲得最大產(chǎn)出。此外，充分發(fā)揮互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)、新理論在創(chuàng)新資源配置及其使用中的作用，在研發(fā)設(shè)計、新產(chǎn)品生產(chǎn)等環(huán)節(jié)滲透高新技術(shù)，賦予技術(shù)創(chuàng)新以新動能，釋放技術(shù)創(chuàng)新的紅利，提高新產(chǎn)品的國際競爭力。

2.促進創(chuàng)新要素的充分流動與空間溢出，縮小區(qū)域技術(shù)創(chuàng)新效率差異。省市區(qū)要整合創(chuàng)新資源，破除存在的各類壁壘，促進R&D 資本、R&D 人員、技術(shù)等創(chuàng)新要素的暢通流動和空間溢出，建立新技術(shù)、新產(chǎn)品的創(chuàng)新鏈條。東部地區(qū)應(yīng)利用自身的技術(shù)、人才優(yōu)勢發(fā)揮引領(lǐng)作用，實現(xiàn)對中西部地區(qū)的滲透、溢出效應(yīng)。中西部地區(qū)應(yīng)積極尋找與東部地區(qū)產(chǎn)學(xué)研合作的機會，提升技術(shù)創(chuàng)新效率。

3.加快跨區(qū)域的技術(shù)創(chuàng)新平臺建設(shè)，塑造區(qū)域協(xié)同發(fā)展格局（李犟、吳和成，2020）[30]。搭建技術(shù)創(chuàng)新平臺，提高創(chuàng)新資源配置效率，促進工業(yè)企業(yè)的研發(fā)、生產(chǎn)、銷售、物流等各環(huán)節(jié)功能互補，揚長避短，錯位競爭，實現(xiàn)產(chǎn)業(yè)創(chuàng)新系統(tǒng)整體效益最大化。

4.營造良好的創(chuàng)新環(huán)境，為企業(yè)提升技術(shù)創(chuàng)新效率提供有力支撐。進一步完善產(chǎn)權(quán)制度、市場要素配置、交通基礎(chǔ)設(shè)施建設(shè)、信息化水平建設(shè)，政府在財政、稅收、引進人才等方面應(yīng)給予政策優(yōu)惠，賦予企業(yè)更大的投資經(jīng)營自主權(quán)，激勵企業(yè)進行創(chuàng)新，探索效率驅(qū)動、集約發(fā)展的創(chuàng)新模式，使得技術(shù)創(chuàng)新效率處于前沿面。