中国高技术产业研发效率的实证研究

第１１期（总２２４期）

中国工业经济

ＣｈｉｎａＩｎｄｕｓｔｒｉａｌＥｃｏｎｏｍｙＮｏｖ．，２００６Ｎｏ．１１

【产业经济】

中国高技术产业研发效率的实证研究

朱有为，

徐康宁

２１００９６）

（东南大学经济管理学院，江苏南京

［摘要］本文利用随机前沿生产函数测算了中国高技术产业的研发效率，并考察了企

业规模、市场结构和所有权结构等因素对研发效率的影响。主要研究结论是：中国高技术产业的研发效率整体偏低，但呈现稳步上升状态，行业间效率差异有逐步缩小趋势。企业规模和市场竞争程度与研发效率之间存在着显著的正相关关系，外商投资企业和国有企业比重对研发效率也有正向影响，但外商投资企业对研发效率的贡献程度更高。

［关键词］随机前沿生产函数；高技术产业；研发效率

［中图分类号］Ｆ４０３［文献标识码］Ａ［文章编号］１００６－４８０Ｘ（２００６）１１－００３８－０８

一、引言

长期以来，国内外学者比较多地关注国家、区域、行业和企业等层面的研发努力和能力问题，相对而言，对研发效率的研究较为缺乏，研发效率的内涵也还未有统一和明确的界定。本文认为，研发效率可以被看做可度量的研发投入与研发产出之间的转换关系。因而，研发效率实际上就是一种技术效率（ＴｅｃｈｎｉｃａｌＥｆｆｉｃｉｅｎｃｙ）的表现，这样就可以从研究的角度出发基本界定研发效率的内涵，解决研究的前提问题。本文对研究主题给出的概念解释隐含下面的基本判断：如果以较少的研发投入得到较高的研发产出，这种投入产出关系就处于研发这种知识生产活动的前沿面。此时，在前沿面上的企业／行业研发活动就是有效率的，也即研发的技术效率达到最高；研发产出离前沿面的距离越大，研发活动的技术效率越低。

目前，测度研发效率主要有两类方法，一类是非参数方法，另一类是参数方法。非参数方法以

Ｃｈａｒｎｅｓ、Ｃｏｏｐｅｒ和Ｒｈｏｄｅｓ于１９７８年提出的数据包络分析（ＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ，ＤＥＡ）为代

表；参数方法以随机前沿分析（ＳｔｏｃｈａｓｔｉｃＦｒｏｎｔｉｅｒＡｐｐｒｏａｃｈ，ＳＦＡ）为代表，该方法由Ａｉｇｎｅｒ，Ｌｏｖｅｌｌ和Ｓｃｈｍｉｄｔ（１９７７），Ｍｅｅｕｓｅｒ和Ｂｒｏｅｃｋ（１９７７）各自独立提出。ＤＥＡ采用的是数学规划法，无需建立变量之间的严格函数关系，在多投入多产出的效率度量上具有优势。但ＤＥＡ也由于设定了确定边界，并且不考虑测量误差的存在而具有不足之处。ＳＦＡ则采用了计量方法对前沿生产函数进行估计，依赖于对数据的随机性假设，有更为坚实的经济理论基础。同时还可判断模型拟合质量，提供各种统计检验值。因此，ＳＦＡ在测量误差和统计干扰处理上具有优势。但ＳＦＡ函数形式设定和分布假设也过于严格，应用范围受到一定限制。不过，在模型设定合理且采用面板数据条件下，ＳＦＡ方法会得到

［收稿日期］２００６－１０－１２

［作者简介］朱有为（１９７６—），男，辽宁瓦房店人，东南大学经济管理学院博士研究生；徐康宁（１９５６—），男，江

苏句容人，东南大学经济管理学院院长，教授，博士生导师，经济学博士。

３８

比ＤＥＡ方法更好的估计效果（Ｇｏｎｇ，Ｓｉｃｋｌｅｓ，１９９２）。Ｚｈａｎｇ等人（２００３）利用中国３３个行业８３４１家大中型企业１９９５年的截面数据，采用ＳＦＡ分析了工业行业的研发效率问题。

在测度研发效率的同时，考察研发效率的影响因素也是一个重要研究方向。从现有文献看，影响研发效率的因素主要有：①市场结构。Ｓｃｈｕｍｐｅｔｅｒ（１９４３）最早提出了关于市场结构和研发关系的理论观点。他认为垄断与研发有着密切的联系，高市场集中度的产业更有助于激励企业的研究开发。闫冰和冯根福（２００５）的实证研究发现，中国工业企业研发效率与行业竞争强度成反比。Ａｒｒｏｗ（１９６２）则认为竞争性环境会给企业研发带来更大的激励。唐要家和唐春晖（２００４）的研究也发现中国工业行业技术创新效率与市场集中度呈现负相关关系。目前，多数的研究并不支持垄断性市场结构有利于提高研发效率的观点。企业规模和研发效率的关系也存在争论。②企业规模。Ｃｈｅｎ和Ｃｈｉｅｎ等人（２００４）认为企业研发效率改善需要一定的规模经济性。大规模的制造企业由于成本分摊的优势能够获得更高的研发回报。但当企业规模不断扩大时，或由于管理控制能力的降低，或由于过度的官僚控制，研发效率会因此受到损害（Ｓｃｈｅｒｅｒ，Ｒｏｓｓ，１９９０）。Ｐａｖｉｔｔ等人（１９８７）认为较小和较大企业的研发效率比中等企业更高，也即研发效率和企业规模之间呈现关系。“Ｕ型”③企业所有权结构。由于管理激励、项目审核机制、项目融资方式和预算约束的硬度可能在不同类型所有权企业中存在差异，因此所有权类型就会影响企业的研发效率。Ｚｈａｎｇ等人（２００３）的实证研究发现，中国工业企业中，国有企业研发效率显著低于非国有企业。在非国有企业中，外商企业比内资集体企业和股份制企业研发效率更高。

从现有成果看，对研发效率的研究多集中于企业层次，而行业层次的研究相对较少，尤其对中国研发活动较为集中的高技术产业研发效率的研究较为缺乏。２０世纪９０年代中期以来，中国高技术产业一再得到政府、业界和社会的高度重视，发展十分迅速。然而，高技术产业研发投入、产出能力的提升与产业规模的快速扩张之间似乎并不对称，主要表现为研发投入不足，研发产出能力和效益偏低。１９９５年以来，中国高技术产业研发强度虽不断提高，但与发达国家和新兴工业化国家相比，仍有很大差距。２００３年，中国高技术产业研发强度（研发经费／增加值）为４．４％，加拿大则为日本为２９．９％、韩国为１８．３％。如产业增４１．１％、２０００年以来，高技术产业的创新收益出现下降趋势。

加值率２０００年为２６．５０％，２００４年则降至２２．８３％；新产品销售率２０００年为２４．７５％，２００４年降至

这说明，中国高技术产业仍不具有的特征，产业规模的扩张较为粗放。但这些仅是“高收益”２１．９０％。

高技术产业研发投入产出情况的一般考察。如何测算中国高技术产业的研发效率？高技术产业研发效率总体水平如何，行业间有何差异？高技术产业研发效率的变动主要受哪些因素影响，效应如何？这些是国内尚未深入探讨的问题，也是本文的主要内容框架。

二、模型设定

分析样本为中国高技术产业分行业面板数据，不同类型不同时期行业的研发效率会有显著差别，即随机误差项对研发效率的影响是较大的。因此，随机前沿生产函数方法更适合本文的分析。

利用生产函数方法测算研发知识生产活动的效率，就涉及到研发投入产出指标的选取。国外关于研发／创新投入产出的数量研究较多，在衡量创新投入时，研究者一般采用研发费用和从事研究的科学家及工程师数量这两项指标。但研发投资是一种连续行为，简单的以某期研发支出作为投入并不能很好反映知识资本的累积特征。而研发资本（Ｒ＆ＤＣａｐｉｔａｌ）常被视为技术知识的当前状态，这种技术知识是由现在和以前的研发经费投入决定的（Ｇｒｉｌｉｃｈｅｓ，１９７９）。因此，研发资本是较研发经费更为理想的投入指标。衡量研发产出的指标有许多。２０世纪７０年代以来，专利作为衡量研发产出水平的指标得到了广泛应用。但专利申请或授权只是把研发投入转化为知识产出，这仍属于一种中间产出，专利并不能代表企业研发努力的全部产出。而新产品销售收入则是一种容易测量的显性

３９

研发产出指标。①与专利指标相比，它能反映出研发成果的商业化水平。更重要的是，即使是工艺流程、产品质量改进等其他研发效应的最终经济价值也要通过现实的产品或服务来体现。根据已有研究，本文采用研发资本和研发人员作为研发生产函数的投入指标，新产品销售收入作为产出指标。

借鉴Ｂａｔｔｅｓｅ和Ｃｏｅｌｌｉ（１９９５）以及Ｚｈａｎｇ等人（２００３）的模型设定方法，本文的随机前沿生产函数模型构建如下：

ｌｎＹｉｔ＝ｂ０＋αｌｎＲＤｉ（ｔ－１）＋βｌｎＲＤＰｉ（ｔ－１）＋Ｖｉｔ－Ｕｉｔ

（１）

其中，下标ｉ和ｔ分别表示行业和时间。研发资本和研Ｙ、ＲＤ和ＲＤＰ分别表示新产品销售收入、发人员。考虑到产品开发的周期性，所有投入指标采用了平均滞后一期。和β分别代表研发资本和α研发人员的产出弹性。ｂ０表示待估常数项。Ｖｉｔ－Ｕｉｔ代表方程的随机误差项，具有复合结构。其中Ｖｉｔ

２指经济系统不可控因素冲击的噪声误差，假定其服从正态分布Ｎ（０，σ且独立于Ｕｉｔ。Ｕｉｔ为非负随ｖ），２机变量，考察研发活动中的技术无效率，假定其服从截尾正态分布Ｎ（Ｍｉｔ，σ则ｅ－Ｍｉｔ表示行业ｉ在ｔｖ）。

时期研发活动的技术效率，Ｍｉｔ越大表明技术效率越低，也即技术无效率程度越高，意味着投入等量的研发资本和研发人员能够获得的新产品销售收入越少。结合前文的理论分析，我们重点考察企业规模、市场结构和所有权结构几个重要因素对研发活动技术无效率（可转换成研发活动技术效率）的影响，则无效率函数设定如下：

Ｍｉｔ＝δ０＋δ１ｔ＋δ２ＳＣＡＬＥｉ（ｔ－１）＋δ３ＭＳｉ（ｔ－１）＋δ４ＦＩＥｉ（ｔ－１）＋δ５ＳＯＥｉ（ｔ－１）＋Ｗｉｔ

（２）

其中，ｔ表示时间趋势，ＳＣＡＬＥ、市场结构、外商投资企业比ＭＳ、ＦＩＥ和ＳＯＥ分别表示企业规模、

②重和国有企业比重。与方程（１）对应，以上影响因素均取滞后一期数据。为待定常数项。表示研δδ０１

和δ分别代发活动技术效率变化的时间趋势系数，符号为正表示技术效率递减，反之亦然。δδδ２、３、４５表示企业规模、市场结构、外商投资企业和国有企业比重对研发活动技术无效率的影响系数。Ｗｉｔ是

２回归方程的随机误差项，假定其服从正态分布Ｎ（０，σ判断上述模型设定是否合理，可以考察方ｗ）。２

σ

程（１）随机误差项中技术无效的比重，也就是考察式γ当γ接近于＝２Ｕ２（０≤γ≤１）中γ的大小。

σ＋σＵＶ

０时，表明实际研发产出与可能最大研发产出的差距主要来自于不可控因素造成的噪声误差，这时

用普通最小二乘法（ＯＬＳ）就可以实现对生产参数的估计，无需采用随机前沿模型；γ越趋近于１，越能说明前沿生产函数的误差主要源于随机变量Ｕｉｔ，采用随机前沿模型对生产函数进行估计也就越合适。

三、变量与数据的说明

本文采用了《中国高技术产业统计年鉴》（２００１—２００５）中１９９５—２００４年１３个细分行业的面板数据，统计口径为大中型企业。我们确定的高技术产业二级１３个细分行业分别是电子及通信设备制造业中的通信设备制造、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造；医药制造业中的化学药品制造、中药材及中成药加工、生物制品制造；电子计算机及办公设备制造业中的电子计算机整机制造、电子计算机外部设备制造、办公设备制造；医疗设备及仪器仪表制造

①

中国目前的统计口径规定：新产品指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品。既包括政府有关部门认定并在有效期内的新产品，也包括企业自行研制开发，未经政府有关部门认定，从投产之日起一年之内的新产品（引自《中国统计年鉴》）。

产业开放度、技术吸收能力、产业生命周期、产业集聚度等因素也会对研发效率产生影响。但鉴于无效率函数与研发生产函数的一体性，为了使模型结果更为稳健，我们选择了这五个比较重要的影响因素。这些因素的选择既考虑了已有的研究成果，也考虑到了高技术产业的发展实际。

②

４０

业中的医疗设备及器械制造、仪器仪表制造。以上选择剔除了仍处于高度垄断，民营资本和外资极少介入的航天航空器制造业和雷达及配套设备制造业，定位于市场化和竞争程度较高行业的分析。①

与物质资本一样，研发投入也会逐步折旧、贬值。因此不少学者都把永续盘存法（Ｐｅｒｐｅｔｕａｌ

ＩｎｖｅｎｔｏｒｙＭｅｔｈｏｄ，ＰＩＭ）应用到研发资本存量测算中，即研发资本存量可以表示为：

）ＲＤｉ（ｔ－１）ＲＤｉｔ＝Ｅｉ（ｔ－１）＋（１－δ

（３）

表示研发资本的折旧率，Ｅｉ（ｔ－１）表示ｉ产业在ｔ－１年经ＲＤｉｔ表示ｉ产业在ｔ年的研发资本存量，δ

折现的研发经费投入。此外，假设研发资本的增长率等于Ｅ的增长率，研发资本的期初值可为：），ｇ为Ｅ的年均增长率（Ｃｏｅ，Ｈｅｌｐｍａｎ，１９９５）。本文基年定为１９９６年。在测算研发资ＲＤｉ０＝Ｅｉ０／（ｇ＋δ

本之前，本文已用１９９０年不变价将研发经费平减成不变价研发支出。②对于研发“研发价格指数”资本折旧率，Ｗａｎｇ和Ｓｚｉｒｍａｉ（２００３），Ｈｕ，Ａｌｂｅｒｔ和Ｇａｒｙ（２００４）分析中国样本数据时都采用了１５％的折旧率。因此，我们也采用δ＝１５％③。

对于研发人员投入项，本文采用了研发人员折合全时当量（人／年）数值。对于新产品销售收入，本文进行了不变价折现处理。我们把高技术产业划分成两类，一类是医药制造业的３个细分行业，另一类基本属于机械电子行业。前者新产品销售收入采用化学工业产品１９９０年不变价出厂价格指数进行平减，后者采用机械工业产品１９９０年不变价出厂价格指数进行平减。

企业规模指标数值采用各行业平均企业规模，即１９９０年不变价总产值除以企业个数。对于市场结构变量，由于没有行业集中度的精确数据，取各行业企业数量来表示行业的竞争程度。外商投资企业比重和国有企业比重则通过两类企业的总产值除以行业总产值（均为１９９０年不变价）获得。为降低原始值波动程度，尽量消除回归过程中的异方差问题，以上所有变量均取自然对数值。

四、回归结果分析

由于无效率函数中引入了较多的影响因素，因此有可能存在多重共线性问题。但相关系数检验表明，各影响因素之间的相关系数值都在０．５以下。因此，无效率函数中各解释变量的共线性问题较弱，不会对估计结果产生较大影响。利用Ｆｒｏｎｔｉｅｒ４．１软件，使用极大似然法估计经验模型可获得各项参数，具体结果见表１。γ＝０．９９４，非常接近１，且ＬＲ统计检验在１％的水平下是显著的。这说明方程（１）中的随机误差项有十分明显的复合结构。因此，对于分行业面板数据使用随机前沿生产函数是必须的，模型设定是可以接受的。从经验模型各参数的估计结果看，几乎都较好地通过了变量的显著性检验，模型拟合程度较为理想。具体分析如下：

从研发资本和研发人员两要素的产出弹（１）研发投入要素产出弹性和研发活动规模效应情况。

性来看，α＝０．４４２，β＝０．２３１（显著性程度略低）。即研发资本增长１％，可带来新产品销售收入增长

０．４４２个百分点；研发人员增长１％，可促进新产品销收入增长０．２３１个百分点。该结果与Ｚｈａｎｇ等

人（２００３）对中国工业企业的研究结果（α＝０．３９４、β＝０．２９７）相比，研发资本产出弹性略高，研发人员产出弹性略低。因此，在高技术产业新产品销售收入增长中，研发经费投入和资本累积仍然占据主

由于电子及通信设备制造业中的大中型企业从业人员年均人数、增加值指标２００３、“广播电视设备制造业”

①

２００４年数据缺失，而以前年份波动较大，趋势性不强，不便于补全数据，因此首先剔除这一行业。１９９５—２００４年该行业增加值占高技术产业比重年均仅０．１４％，并不影响总体分析。

②

本文借鉴Ｆｒａｎｔｚｅｎ（２００３）的方法，设计了研发价格指数来对研发经费原值进行折现。研发价格指数为：

Ｒｄ＿ｐｉ＝０．７５ｐ＋０．２５ｗ。其中，ｐ是商业部门产出缩减指数，ｗ是商业部门平均工资指数。这种界定意味着研发

数据，１９９６—２００４年间，科技活动经费内部支出结支出的２５％是劳动力成本。根据《高技术产业统计年鉴》构中，劳务费用比重均值约为２５％，仪器设备经费比重均值约为７５％。因此，这种假设是较为符合实际情况的。本文选择产品出厂价格指数代表ｐ，消费者价格指数代表ｗ。

③

本文也采用了１０％的研发资本折旧率进行敏感性分析，发现结论与１５％折旧率基本相同。

４１

要贡献地位。与工业企业相比，其对新产品销售收入增长的推动作用更明显。但高技术产业研发资本和研发人员的产出弹性加总仅为０．６７３，与整个工业企业相似，研发活动仍缺乏规模经济性。

表１

系数

前沿生产函数

回归结果

标准差

ｔ检验值３０．９９７８．６９９１．２９７１２．７７４２．０４０－１３．０１８－８．０７８－３．５８９－１．２９８１２．７０９２４．７６１

ｂ０αβ

技术无效函数

１０．７３３＊＊＊０．４４２＊＊＊０．２３１＊１４．５５９＊＊＊０．１５０＊＊－１．１３７＊＊＊－０．６３９＊＊＊－０．５５３＊＊＊－０．１０６＊０．２７７＊＊＊０．９９４＊＊＊

０．３４６０．０５１０．０６５１．１４００．０１９０．０８７０．０７９０．１５４０．０８２０．０２２０．０４０－７５．６００＊＊＊１８９．５８１＊＊＊

１１７９１３０．２５８

δ０δ１δ２δ３δ４δ５

２σ

γＬｏｇ函数值

单边ＬＲ检验样本数年数横截面数量平均效率

注：＊表示在１０％水平下显著、＊＊表示在５％水平下显著、＊＊＊表示在１％水平下显著。ＬＲ为似然比检验统计量，此处它符合混合卡方分布（ＭｉｘｅｄＣｈｉ－ｓｑｕａｒｅｄＤｉｓｔｒｉｂｕｔｉｏｎ）。技术无效率函数中的负号表示变量对技术效率有正的影响，反之亦然。

从模型结果看，中国高技术产业研发效率整体较低，均值仅为（２）各行业研发效率及变动情况。

０．２５８。但这一研发效率均值仍高于闫冰和冯根福（２００５）所得到的整个中国工业行业研发效率均值水平（０．１６）。尽管如此，高技术产业研发活动还远未能发掘出现有科技资源和技术的潜力。我们认

为，高技术产业研发效率不理想在很大程度上与研发投入不足和研发资金使用效率不高有关。高技术产业平均研发效率水平虽然不高，但呈稳步增长趋势，从１９９６年的０．１８１已升至２００４年的

０．３８８（见表２）。这表明高技术产业研发效率的改善还存在着较大的空间。

从细分行业看，电子计算机类制造业平均研发效率水平最高，其次是电子通信设备类制造业，而医药类制造业、医疗器械与仪器仪表类制造业的平均研发效率较低。从研发效率变动情况看，通信设备制造、电子计算机整机制造、电子器件制造、电子元件制造、化学药品制造和办公设备制造等行业１９９８年后都呈现波动上升趋势，尤其是通信设备制造行业研发效率上升幅度最大。电子计算机外部设备制造和家用视听设备制造虽然整体效率水平较高，但近年来出现了波动下降趋势。其他行业研发效率则基本在低位徘徊，改善不明显。以上结果不难发现，研发活动最为密集、研发投入比重最高的行业几乎都是研发效率水平较高或是表现较好的行业。因此，研发效率的提升的确需要可观规模的研发投入以及所带来的规模效应。①医药制造业并不算是研发投入最少的行业，其研发效率值较低，可能主要有以下原因：一是我们采用的研发资本测算的滞后期和方程（１）的滞后期较短，而医药制造业的产品开发周期相对较长，这有可能低估其研发效率；二是进入ＷＴＯ后，医药行业竞

①

２００４年，电子及通信设备制造业研发投资占高技术产业研发投资比重为６４．５４％，电子计算机及办公设备

制造业比重为１３．５６％，医药制造业比重为９．６５％，医疗设备及仪器仪表制造业比重仅为３．６１％。

４２

争激烈，由于很多企业缺乏核心技术和较强的新药开发能力，以及渠道的反向压榨，造成产品创新收益水平不高。不过，从行业间研发效率历年变动的差异性看，各行业的变异系数值呈阶段性下降趋势，即各行业研发效率值的变动差异有缩小趋势。

表２

行业

化学药品制造中药材及中成药加工生物制品制造医药类均值通信设备制造电子器件制造电子元件制造家用视听设备制造其他电子设备制造电子通信设备类均值电子计算机整机制造电子计算机外部设备制造电子计算机类均值办公设备制造医疗设备及器械制造仪器仪表制造

各行业研发活动技术效率值

１９９６０．０６８０．０３２０．００３０．０３４０．２６９０．１１１０．０９９０．８３８０．０２８０．２６９０．３７７０．４２００．３９９０．０４１０．０２４０．０４５０．１８１１．３３３

１９９７０．０７３０．０３８０．０６００．０５７０．２４６０．１７８０．１４１０．８１９０．０１７０．２８００．２１２０．３９３０．３０３０．０２８０．０２６０．０６６０．１７７１．２５８

１９９８０．０８７０．０６６０．０１５０．０５６０．３８２０．１３４０．１３３０．９４７０．０５００．３２９０．１３４０．７９５０．４６５０．０６００．０３５０．０６１０．２２３１．３６１

１９９９０．１０２０．０５８０．０１７０．０５９０．２７４０．２１５０．１４３０．８８４０．００５０．３０４０．２３３０．６０２０．４１８０．０４７０．０３８０．０８４０．２０８１．２４５

２００００．１４４０．０５３０．０２７０．０７５０．６２１０．３３３０．１８１０．８１１０．０７７０．４０５０．４４７０．５７８０．５１３０．０６４０．０４００．０９５０．２６７０．９９０

２００１０．１３３０．１０１０．０４１０．０９２０．６８９０．２３７０．３０８０．７１３０．０５４０．４０００．３７５０．６４４０．５０９０．０６６０．０４２０．０９８０．２６９０．９５６

２００２０．１４６０．１２４０．０４４０．１０４０．６６６０．３１１０．２９７０．７６００．０３００．４１３０．３７９０．７８７０．５８３０．０８５０．０３９０．０８４０．２８９０．９７１

２００３０．１７８０．０６００．０４１０．０９３０．６７１０．４３５０．２１３０．９７５０．０３３０．４６５０．５１００．７７８０．６４４０．０９５０．０３６０．１５１０．３２１０．９９７

２００４０．１９４０．０９５０．０３００．１０６０．９５１０．６０３０．３６００．９０００．０２１０．５６７０．７０３０．７３７０．７２００．２３９０．０６００．１４６０．３８８０．８８８

１３行业总体均值１３行业变异系数

（３）企业规模对研发效率的影响。我们曾对无效率函数施加企业规模平方项。但施加企业规模平方项之后，此项系数不能通过显著性检验。因此，我们认为，高技术产业的研发效率与企业规模之间存在着线形关系。从模型估计结果看，企业规模项系数通过了１％的显著性水平检验，研发效率与企业规模之间存在着明显的正相关关系，即企业平均规模越大，研发越具规模经济性，研发效率相应越高。研发投资规模与风险以及融资约束问题的存在可能是导致以上关系出现的重要原因。因此，给定期望报酬率，相对于大企业而言，由于固定和沉没成本的存在，中小企业进行研发的风险更大，系统性地处于劣势地位。此外，中国的风险投资发展还不成熟，银行对中小企业贷款较少，中小企业在从事研发活动中常常面临资金瓶颈。这样，中小企业更为理性的策略是跟随模仿大企业已经打开市场的产品，而不愿开展较多的产品创新活动，研发效率提高则更有难度。

市场结构项的系数显著为负值，这表明，高技术产业的市场竞（４）市场结构对研发效率的影响。

争性越强，越有助于刺激研发效率的提升。这与大部分研究结论是一致的。值得指出的是，由于本文的市场竞争性因素采用了企业数量数据，即行业中的企业数越多越有利于提高研发效率，这与企业平均规模越大越有利于提高研发效率的结论似乎存在冲突。其实不然，我们认为，市场竞争程度与研发效率之间并非是简单的正向关系。由于市场结构与企业规模之间相互关联，市场集中度较低、企业规模过小实际上并不利于研发投入和效率的提高。既然模型的估计结果中，企业规模和市场竞争都与研发效率呈正向关系，这在很大程度上意味着只有较大的企业规模和较充分的竞争关系，即寡头主导的可竞争性市场结构才更有利于提高研发效率。目前，中国高技术企业的平均规模和市场集中度相对偏低，要在高端技术领域提升创新能力仍有赖于较大规模的企业。

（５）所有权结构对研发效率的影响。从模型估计结果可以发现，外商投资企业和国有企业比重

４３

与研发效率之间都呈正相关关系，但外商投资企业比重提升对研发效率的贡献明显要高于国有企业。这一结果并未完全否定国有企业在高技术产业研发效率改善中的作用。近１０年来，中国大中型高技术企业中，国有企业无论在产值比重、增加值比重还是固定资产比重等指标上都呈下降趋势（１９９５年总产值比重为３３．６３％，２００４年则降为１８．０９％），但近年来的研发投资却有一定增长。国有企业在一些重要高技术研发领域仍有不可忽视的作用。外商投资企业各项指标近１０年来持续上升（总产值比重从１９９５年的４５．０８％上升至２００４年的７３．５％），目前已经成为支撑高技术产业发展的主导力量。不少高科技型跨国公司已纷纷在华设立研发中心，增强面向本土市场乃至全球市场的产品开发能力。此外，民营高科技企业虽有发展，研发投入也占有可观的份额，但总体规模和研发能力仍不高。可以肯定的是，高技术产业企业所有权结构的多元化，尤其是外商投资企业的大规模进入极大地刺激了企业治理结构和激励机制的变革，促进了技术知识的外溢，使行业研发资源配置出现了效率导向，这也成为研发效率改善的重要制度基础。

（６）技术无效率程度随时间的变化趋势。无效率函数中时间趋势系数为０．１５，表明１９９６—２００４年间，技术无效率程度有不断加强趋势，致使研发效率每年下降１５％，部分抵消了研发效率的改善。我们认为主要有以下原因：①中国高技术产业市场集中度不高，竞争激烈但层次较低，在研发领域往往出现重复投入、重复引进，研发资金使用效率不高。②企业平均规模偏低，研发活动的规模效应不强，这对研发效率也会造成负面影响。③在高技术产业所有权结构中，民营、国有比重相对较低，而外资比重过高。但相当份额的外商投资企业从事的仍是加工贸易为主的生产制造活动，研发投入和研发活动相对较少，产品创新依赖总部。而在一些行业领域，外商投资企业已经具有了技术和市场的垄断势力，这会在一定程度上降低研发努力。随着部分外商投资企业独资化的倾向不断增强，其对内资企业技术外溢效应也受到限制。④研发产出指标不能完全反映研发的所有成果，进而会低估研发效率，产生技术效率被某些因素抵消的错觉。

五、主要结论

高技术产业研发投入中，研发资本仍然是对新产品产出贡献最大的投入要素。但高技术产业研发活动仍不具有规模经济性，平均研发效率水平偏低。在细分行业中，计算机制造业和电子通信设备制造业的研发效率最高，医药制造业的研发效率较低。这意味着中国研发效率较高的产业仍然以

ＩＴ产业为主，因为这类行业研发投入规模较大，研发活动具备一定的规模经济性。高技术产业各行

业平均研发效率虽然不高，但保持着稳步增长趋势。尤其是通信设备制造、电子计算机整机制造、电子元器件制造等行业的研发效率近年来都出现明显上升趋势。这些行业不但发展规模和速度可观，也是高技术产业研发效率改善的重要推动力量。

高技术产业研发效率与企业规模呈显著的正向关系，市场竞争性有利于促进研发效率，这两个大中小型企业共存的市场结构可能是有利于改善高技术产结论的结合，意味着竞争性寡头主导的、

业研发效率的理想市场结构形态。因此，在壮大本土企业规模，积极扶植中小企业发展的同时，培育合理的竞争性市场环境是保证研发效率提升的微观制度基础。外商投资企业和国有企业比重对研发效率都有正面影响，但国有企业的贡献小于外商投资企业，所有权结构的多元化以及研发资源配置的效率导向是促进研发效率改善的制度基础。虽然国有企业比重过高不利于研发效率的提升，但外商投资企业比重过高也会带来负面效应，从而侵蚀效率。外商投资企业为主导的高技术企业所有权结构虽然扩大了产业开放度和竞争强度，提高了产业整体的技术水平，但过分倚重外来资本并不利于提升本土高技术企业的自主创新能力和研发效率。

〔参考文献〕

〔１〕Ａｉｇｎｅｒ，Ｄ．Ｊ．，Ｌｏｖｅｌｌ，Ｃ．Ａ．Ｋ．，ａｎｄＳｃｈｍｉｄｔ，Ｐ．ＦｏｒｍｕｌａｔｉｏｎａｎｄＥｓｔｉｍａｔｉｏｎｏｆＳｔｏｃｈａｓｔｉｃＦｒｏｎｔｉｅｒＰｒｏｄｕｃｔｉｏｎＦｕｎｃｔｉｏｎ

Ｍｏｄｅｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｅｔｒｉｃｓ，１９７７，（６）．

４４

〔２〕ＡｎｍｉｎｇＺｈａｎｇ，ＹｉｍｉｎＺｈａｎｇ，ａｎｄＲｏｎａｌｄＺｈａｏ．ＡＳｔｕｄｙｏｆｔｈｅＲ＆ＤＥｆｆｉｃｉｅｎｃｙａｎｄＰｒｏｄｕｃｔｉｖｉｔｙｏｆＣｈｉｎｅｓｅ

Ｆｉｒｍｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｍｐａｒａｔｉｖｅＥｃｏｎｏｍｉｃｓ，２００３，（３１）．

〔３〕Ａｒｒｏｗ．ＥｃｏｎｏｍｉｃＷｅｌｆａｒｅａｎｄｔｈｅＡｌｌｏｃａｔｉｏｎｏｆＲｅｓｏｕｒｃｅｓｆｏｒＩｎｖｅｎｔｉｏｎｉｎＮａｔｉｏｎａｌＢｕｒｅａｕｏｆＥｃｏｎｏｍｉｃ

Ｒｅｓｅａｒｃｈ．ＴｈｅＲａｔｅａｎｄＤｉｒｅｃｔｉｏｎｏｆＩｎｖｅｎｔｉｖｅＡｃｔｉｖｉｔｙ［Ｍ］．Ｐｒｉｎｃｅｔｏｎ：ＰｒｉｎｃｅｔｏｎＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，１９６２．

〔４〕Ｂａｔｔｅｓｅ，Ｇ．Ｅ．，ａｎｄＣｏｅｌｌｉ，Ｔ．Ｊ．ＡＭｏｄｅｌｆｏｒＴｅｃｈｎｉｃａｌＩｎｅｆｆｉｃｉｅｎｃｙＥｆｆｅｃｔｓｉｎａＳｔｏｃｈａｓｔｉｃＦｒｏｎｔｉｅｒＰｒｏｄｕｃｔｉｏｎ

ＦｕｎｃｔｉｏｎｆｏｒＰａｎｅｌＤａｔａ［Ｊ］．ＥｍｐｉｒｉｃａｌＥｃｏｎｏｍｉｃｓ，１９９５，（２０）．

〔５〕Ｃｈａｒｎｅｓｓ，Ａ．，Ｗ．Ｗ．Ｃｏｏｐｅｒ，ａｎｄＥ．Ｒｈｏｄｅｓ．ＭｅａｓｕｒｉｎｇｔｈｅＥｆｆｉｃｉｅｎｃｙｏｆＤｅｃｉｓｉｏｎＭａｋｉｎｇＵｎｉｔｓ［Ｊ］．Ｅｕｒｏｐｅａｎ

ＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈ，１９７８，（２）．

〔６〕Ｃｈｉｎ－ＴａｉＣｈｅｎ，Ｃｈｅｎ－ＦｕＣｈｉｅｎ，Ｍｉｎｇ－ＨａｎＬｉｎ，ａｎｄＪｕｎｇ－ＴｅＷａｎｇ．ＵｓｉｎｇＤＥＡｔｏＥｖａｌｕａｔｅＲ＆ＤＰｅｒｆｏｒｍａｎｃｅｏｆ

ｔｈｅＣｏｍｐｕｔｅｒｓａｎｄＰｅｒｉｐｈｅｒａｌｓＦｉｒｍｓｉｎＴａｉｗａｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＢｕｓｉｎｅｓｓ，２００４，９（４）．

〔７〕ＣｏｅＳ．，ａｎｄＭ．Ｈｅｌｐｍａｎ．ＩｎｔｅｒｎａｔｉｏｎａｌＲ＆ＤＳｐｉｌｌｏｖｅｒｓ［Ｊ］．ＥｕｒｏｐｅａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，１９９５，３９（５）．

〔８〕Ｆｒａｎｔｚｅｎ．Ｄ．ＴｈｅＣａｕｓａｌｉｔｙｂｅｔｗｅｅｎＲ＆ＤａｎｄＰｒｏｄｕｃｔｉｖｉｔｙｉｎＭａｎｕｆａｃｔｕｒｉｎｇ：ＡｎＩｎｔｅｒｎａｔｉｏｎａｌＤｉｓａｇｇｒｅｇａｔｅＰａｎｅｌ

ＤａｔａＳｔｕｄｙ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＲｅｖｉｅｗｏｆＡｐｐｌｉｅｄＥｃｏｎｏｍｉｃｓ，２００３，１７（２）．

〔９〕Ｇｏｎｇ，Ｂ．Ｈ．ａｎｄＳｉｃｋｌｅｓ，Ｒ．Ｃ．ＦｉｎｉｔｅＳａｍｐｌｅＥｖｉｄｅｎｃｅｏｎｔｈｅＰｅｒｆｏｒｍａｎｃｅｏｆＳｔｏｃｈａｓｔｉｃＦｒｏｎｔｉｅｒｓａｎｄＤａｔａ

ＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓＵｓｉｎｇＰａｎｅｌＤａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｅｔｒｉｃｓ，１９９２，（５１）．

〔１０〕Ｇｒｉｌｉｃｈｅｓ，Ｚ．ＩｓｓｕｅｓｉｎＡｓｓｅｓｓｉｎｇｔｈｅＣｏｎｔｒｉｂｕｔｉｏｎｏｆＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔｔｏＰｒｏｄｕｃｔｉｖｉｔｙＧｒｏｗｔｈ［Ｊ］．Ｂｅｌｌ

ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓ，１９７９，１０（１）．

〔１１〕Ｈｕ，ＡｌｂｅｒｔＧ．，＆ＧａｒｙＨ．Ｊ．ＲｅｔｕｒｎｓｔｏＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔｉｎＣｈｉｎｅｓｅＩｎｄｕｓｔｒｙ：ＥｖｉｄｅｎｃｅｆｒｏｍＳｔａｔｅ－

ｏｗｎｅｄＥｎｔｅｒｐｒｉｓｅｓｉｎＢｅｉｊｉｎｇ［Ｊ］．ＣｈｉｎａＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，２００４，１５（１）．

〔１２〕Ｍｅｅｕｓｅｎ，Ｗ．，ａｎｄｖａｎｄｅｎＢｒｏｅｃｋ，

Ｊ．ＥｆｆｉｃｉｅｎｃｙＥｓｔｉｍａｔｉｏｎｆｒｏｍＣｏｂｂ－ＤｏｕｇｌａｓＰｒｏｄｕｃｔｉｏｎＦｕｎｃｔｉｏｎｓｗｉｔｈ

ＣｏｍｐｏｓｅｄＥｒｒｏｒ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，１９７７，（１８）．

〔１３〕Ｐａｖｉｔｔ，Ｋ．，Ｒｏｂｓｏｎ，Ｍ．，Ｔｏｗｎｓｅｎｄ，Ｊ．ＴｈｅＳｉｚｅＤｉｓｔｒｉｂｕｔｉｏｎｏｆＩｎｎｏｖａｔｉｎｇＦｉｒｍｓｉｎｔｈｅＵＫ：１９４５－１９８３［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆＩｎｄｕｓｔｒｉａｌＥｃｏｎｏｍｉｃｓ，１９８７，（３５）．

〔１４〕Ｓｃｈｅｒｅｒ，Ｆ．Ｍ．，Ｒｏｓｓ，Ｄ．ＩｎｄｕｓｔｒｉａｌＭａｒｋｅｔＳｔｒｕｃｔｕｒｅａｎｄＥｃｏｎｏｍｉｃＰｅｒｆｏｒｍａｎｃｅ［Ｍ］．Ｂｏｓｔｏｎ：ＨｏｕｇｈｔｏｎＭｉｆｆｌｉｎ，

１９９０．

〔１５〕Ｓｃｈｕｍｐｅｔｅｒ，Ｊｏｓｅｐｈ．Ｃａｐｉｔａｌｉｓｍ，ＳｏｃｉａｌｉｓｍａｎｄＤｅｍｏｃｒａｃｙ［Ｍ］．Ｌｏｎｄｏｎ：Ｇｅｏｒｇｅ，１９４３．

〔１６〕Ｗａｎｇ，Ｌ．，Ｓｚｉｒｍａｉ，Ａ．ＴｅｃｈｎｏｌｏｇｉｃａｌＩｎｐｕｔｓａｎｄＰｒｏｄｕｃｔｉｖｉｔｙＧｒｏｗｔｈｉｎＣｈｉｎａ’ｓＨｉｇｈ－ｔｅｃｈＩｎｄｕｓｔｒｉｅｓ［Ｃ］．ＥｃｉｓＷｏｒｋｉｎｇ

Ｐａｐｅｒ，２００３．

唐要家，唐春晖．竞争、所有权与中国工业行业技术创新效率［Ｊ］．上海经济研究，２００４，（６）．〔１７〕

闫冰，冯根福．基于随机前沿生产函数的中国工业Ｒ＆Ｄ效率分析［Ｊ］．当代经济科学，２００５，（６）．〔１８〕

ＴｈｅＥｍｐｉｒｉｃａｌＲｅｓｅａｒｃｈｏｎＲ＆ＤＥｆｆｉｃｉｅｎｃｙｏｆＣｈｉｎｅｓｅＨｉｇｈ－ｔｅｃｈＩｎｄｕｓｔｒｉｅｓ

ＺＨＵＹｏｕ－ｗｅｉ，ＸＵＫａｎｇ－ｎｉｎｇ

（ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓ＆ＭａｎａｇｅｍｅｎｔｏｆＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｕｓｉｎｇｔｈｅｓｔｏｃｈａｓｔｉｃｆｒｏｎｔｉｅｒａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅ，ｔｈｉｓｐａｐｅｒｃａｌｃｕｌａｔｅｓＲ＆ＤｅｆｆｉｃｉｅｎｃｙｏｆＣｈｉｎｅｓｅｈｉｇｈ－ｔｅｃｈｉｎｄｕｓｔｒｉｅｓ．Ｆｏｌｌｏｗｉｎｇｔｈｉｓｗｏｒｋ，ｔｈｅｐａｐｅｒｉｎｖｅｓｔｉｇａｔｅｓｔｈｅｉｎｆｌｕｅｎｃｅｏｆｆｉｒｍｓｉｚｅ，ｍａｒｋｅｔｓｔｒｕｃｔｕｒｅａｎｄｏｗｎｅｒｓｈｉｐｓｔｒｕｃｔｕｒｅｏｎＲ＆Ｄｅｆｆｉｃｉｅｎｃｙ．Ｔｈｅｍａｉｎｃｏｎｃｌｕｓｉｏｎｓａｒｅｉｎｔｒｏｄｕｃｅｄａｓｆｏｌｌｏｗｓ．ＴｈｏｕｇｈＲ＆ＤｅｆｆｉｃｉｅｎｃｙｏｆＣｈｉｎｅｓｅｈｉｇｈ－ｔｅｃｈｉｎｄｕｓｔｒｉｅｓｉｓｌｏｗ，ｉｔ’ｓｇｒｏｗｉｎｇｗｉｔｈｓｔｅａｄｙｓｔｅｐｓ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆＲ＆Ｄｅｆｆｉｃｉｅｎｃｙａｍｏｎｇｉｎｄｕｓｔｒｉｅｓｉｓｒｅｄｕｃｉｎｇｇｒａｄｕａｌｌｙ．Ｒ＆Ｄｅｆｆｉｃｉｅｎｃｙｉｓｐｏｓｉｔｉｖｅｌｙｒｅｌａｔｅｄｗｉｔｈｆｉｒｍｓｉｚｅａｎｄｍａｒｋｅｔｃｏｍｐｅｔｉｔｉｏｎ．ＦｏｒｅｉｇｎｉｎｖｅｓｔｍｅｎｔｅｎｔｅｒｐｒｉｓｅｓｐｌａｙｍｏｒｅｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｅｎｈａｎｃｉｎｇＲ＆Ｄｅｆｆｉｃｉｅｎｃｙｔｈａｎｓｔａｔｅｏｗｎｅｄｅｎｔｅｒｐｒｉｓｅｓ．

ＫｅｙＷｏｒｄｓ：

ｓｔｏｃｈａｓｔｉｃｆｒｏｎｔｉｅｒｐｒｏｄｕｃｔｉｏｎｆｕｎｃｔｉｏｎ；ｈｉｇｈ－ｔｅｃｈｉｎｄｕｓｔｒｉｅｓ；Ｒ＆Ｄｅｆｆｉｃｉｅｎｃｙ

〔责任编辑：王燕梅〕

４５