基于DEAMalmquist我国高技术产业创新效率分析.doc

-"技术创新与管理"硕士生课程论文基于DEAMalmquist我国高技术产业创新效率分析摘要：文章采用BCC模型测算了20002008年中国28个省份的高技术产业的技术创新效率，并使用DEA-Malmquist生产率指数测算了28个省份高技术产业的全要素生产率TFP的变动。研究说明：中国大局部省份高技术产业的技术效率不高，且省际间技术效率差异较大，主要由规模效率的差异所导致；东、中、西部地区高技术产业的技术创新效率呈现上升趋势；中国高技术产业的TFP有所上升，但是各地区 TFP 增长的源泉不同：东部地区主要依赖于技术进步，中部地区主要依赖于技术效率的增长，而技术退步是西部地区 TFP 负增长的主要原因。关键词：高技术产业；数据包络分析；Malmquist指数On the basis of high-tech industrial innovation Malmquist DEA - efficiency analysisAbstract: the article USES the BCC model estimates the 2000-2008 years of Chinese 28 provinces of high technology industry technology innovation efficiency, and USES DEA - Malmquist productivity index of 28 provinces of high technology industry total factor productivity (TFP). Research shows that most of China's high technology industry technical efficiency is not high, and technical efficiency are different between provinces, mainly by the difference caused by the efficiency of scale; Eastern, central and western regions of high technology industry technology innovation efficiency rise; TFP in China's high technology industry has increased, but the source of TFP growth in different regions is different: the eastern region mainly depends on technical progress, the central region mainly depends on the technical efficiency of growth, and technology retrogression is a major cause of TFP growth in the western region of China.Key words: high technology industries; Data envelopment analysis (dea); Malmquist index1.引言 当前，高技术产业已成为一个国家和地区拉动经济增长和社会持续开展的重要手段，开展知识密集、技术密集、附加值高的高科技产业成为中国转变经济开展方式的必然选择。近年来，中国高技术产业也有了很大的开展。截止到2011年，中国高新技术产值到达8843亿元，占国民生产总值的18.73%，已成为拉动国民经济增长和促进产业构造调整的重要力量。随着高技术产业在国家经济和社会开展中的作用越来越显著，国家也逐渐加大对高技术产业人力物力的投入。数据显示，近年来中国高技术产业的投入持续攀升。R&D经费从1998年的56.45亿元，增长到2007年的545.32亿元，年均增长28.44%；R&D人员总量也有大幅度增长，从1998年到70879人，增长到2007年的248228人，年均增长14.94%。但是，仅仅加大对高技术产业的资源投入就能够提升其生产效率吗？数据显示，高技术产业的新产品销售收入从1998年的1207.254亿元，增长到2007年的10303.222亿元，年均增长只有 26.68%，比R&D经费年均增长率还低。由此可见，中国高技术产业的开展不仅要注重生产要素的投入，更要注重生产要素的合理利用，即生产效率的提高。相对于兴旺国家，中国科技创新资源存量严重缺乏。因此，对中国各个省份的高技术产业的技术创新效率的测算与评价有利于当地政府认清自身开展的缺乏，从而制定合理的开展规划策略，实现高技术产业的可持续开展。2.文献综述 目前，国外学者对于高新技术产业创新效率进展了很多研究。研究说明，对于高新技术产业创新效率的度量有利于其向集约型生产方式进展转变，并且有利于改善高新技术产业的创新活动。当前国外学者主要从两个角度研究中国高新技术产业的创新效率。一是从行业的角度，对高新技术产业部的五大行业的创新效率进展测算和分析。Sun 等测算了国制造业的技术创新效率，指出在高技术产业和低技术产业都存在技术进步，需要对技术进步和技术效率这两方面加以改良；惠瑛从研发的角度测算了中国高技术产业的R&D效率，指出高技术产业技术效率较高，但规模效率上下不一的状况；石光等利用19962007 年中国高技术产业的面板数据，估算了中国高技术产业研发投入对于高技术产业开展的作用；缨从横向比拟和纵向分析两个角度评价了省域际高技术产业技术创新效率，及高级产业中各个行业的技术创新效率程等从创新链的角度，采用二段DEA模型测度了19992008年中国高新技术产业的创新绩效，并对其影响因素进展了分析；官建成等测量了五大高技术产业中的15个细分产业 20012004 年的技术创新效率，指出中国高技术产业纯技术效率有所改善，但规模效率逐年恶化；朱有为等使用随机前沿生产函数测算了中国高新技术产业研发效率，并分析了企业规模等因素对研发效率的影响；莉、单春霞采用DEA-Malmquist方法计算了五大高技术产业的技术进步指数和 TFP 指数；方毅等采用Malmquist指数测算了中国高新技术产业不同行业的动态研发效率；吕品等测算了19952007年中国高技术产业17个行业全要素生产率的 Malmquist指数，指出中国高技术产业技术进步较低，且创新能力缺乏，与兴旺国家相比存在很大差距。二是从地区角度，对不同地区的高技术产业技术创新效率进展测量。Raab等对2002年美国50个州的高新技术产业的技术效率进展了评价和分析；Lu 等利用DEA- Tobit模型对194家高新技术企业的研发效率进展了评价，并对效率的影响因素进展了分析,探索高技术企业效率无效的原因所在；屹等使用改良DEA模型对各个省份高新技术产业技术创新绩效进展了研究，认为中国高新技术产业对中间成果过分注重，但对商品化阶段成功重视缺乏的问题；肖仁桥等使用二阶段DEA模型从价值链的角度，对中国28个省份20052009年高新技术产业的创新效率和影响因素进展了分析，指出高技术产业整体效率及分阶段效率较低，政府支持、企业规模、劳动者素质、产业构造等都对高技术产业的创新效率有着显著影响；余泳泽从价值链的角度对省际高新技术产业技术创新效率及影响因素进展了分析，认为两个阶段的技术创新的平均效率偏低，且呈现逐年恶化，这主要是由于纯技术无效率，且市场化程度、企业规模、政府政策支持和企业自身的经营绩效对各地区高技术产业技术创新效率均有正的影响；锋等使用链式网络DEA测算中国29个省的科技投入效率，指出中国两阶段的科技投入产出链的效率在省区和区域都存在差异；余永泽等采用随机前沿模型计算了19962007年中国高技术产业的研发效率，发现中国高技术产业研发效率整体较低，但呈现逐年改善的趋势，而且呈现出一定的空间差异性。上述文献从各个角度对中国高技术产业技术创新效率进展了测算，但是对于中国各个省份高技术产业的全要素生产效率TFP的变动趋势及其变动源泉的研究较少。因此，本文首先采用DEA的传统模型对中国各个省份高技术产业技术创新的技术效率、纯技术效率和规模效率进展分析，探讨中国省际高技术产业技术创新效率的差异所在；再采用DEA的Malmquist指数来测算和分解高技术产业的TFP，考察各个省份及地区的技术效率和技术进步对其TFP增长的影响，从而找出TFP增长的源泉所在，期望为各个省份优化产业资源配置提供科学依据。3. 研究方法与指标选取3.1研究方法介绍3.1.1数据包络分析数据包络分析DEA，Data Envelopment Analysis是以相对效率概念为根底对同部门或同单位多投入、多产出经济系统的相对有效性或相对效益进展评价的一种方法。Charnes、Cooper和 Rhodes于1978年首先提出了规模报酬不变的CCR模型。而后，Banker、Charnes 和 Cooper在1984年用规模报酬变动假设取代了CCR模型的固定规模报酬假设，开展成 BCC 模型。BCC模型可以区分纯技术效率和规模效率，能够评价决策单位在生产技术既定的情况下是否处于生产规模最优。基于此，本文采用DEA方法中的BCC模型对中国各省份高技术产业技术创新效率进展测度。设有n个决策单元，每个决策单元有输入向量输出向量Y=，对于任意的决策单元DMUj,在凸性、锥性、无效性和最小性的公理假设下，其生产可能集：。可得到以下DEA模型： 1公式是考虑规模收益不变的C2R模型，假设在限定的条件再加上，那么得到规模收益可变的BC2模型。其中，表示决策单元的技术效率值TE，S+和S表示决策单元投入冗余与产出缺乏。假设=1.且S+=S-=0，那么说明该决策单元DEA有效；假设=1.且S+=S-0，那么说明该决策单元弱DEA有效；假设1，那么说明该决策单元为DEA无效。3.1.2Malmquist生产效率指数 Malmquis指数方法是基于DEA而提出，并用来考察跨时期的多投入和多产出变量间的动态生产效率，并由此测定全要素生产率的变化。Malmquist指数将TFP分解为技术进步变化和技术效率变化两个局部。而技术效率变化又可进一步分解为纯技术效率变化和规模效率变化。通过对 TFP 的分解，我们可以对效率和技术的变动情况进展测量，从而有利于TFP增长推动的在因素进展研究。根据 Fare 等于 1992 年对 Malmquist 指数的定义，其表达公式如下：其中，和是分别根据生产点在一样时间段即t和t+1同前沿技术相比拟得到的投入距离函数；和分别是根据生产点在混合期间同前沿面技术相比拟得到的投入距离函数。另外，根据Fare等人的研究，Malmquist生产率指数可以分解为技术效率变化和技术变化两局部，其术效率变化又可进一步分解为纯技术效率变化和规模效率变化。公式2可变形为： 3其中，第一项表示规模效率变化Sech，第二项表示纯技术效率变化Pech，第三项表示技术进步Tech，且第一项和第二项的乘积表示技术效率变化Effch。根据公式3，TFP 的变化可分解为规模效率的变化、纯技术效率变化以及技术进步。Sech>1，意味着生产存在规模效率；Pech>1，意味着管理水平或制度的改善使得生产效率有所提高；Tech>1，意味着由于新技术的使用或新创造的出现，使得生产前沿面向前推移，实现技术进步；Tfpch>1，意味着生产效率有所改善。反之，上述指标小于 1，那么说明相应效率退化。3.2指标选取与数据说明3.2.1指标选取 根据以往学者们对高技术产业技术创新效率的指标体系的研究中，对于投入指标的选取主要集中在人力投入和资金投入两个方面。因此，本文选取R&D经费部支出X1和新产品开发经费X2作为资金投入指标，选取 R&D人员全时当量X3作为人力投入指标。而对于产出指标的选取主要集中在经济产出和专利创造两个方面。因此，本文选取新产品销售收入Y1衡量其经济效益产出，选取专利申请量Y2和拥有专利量Y3作为衡量其专利创造的产出。3.2.2数据说明 由于、和XX的数据缺失较多，无法补全，本文仅选取中国大陆28个省份20042012 年的数据进展分析。由于研发投入转化为最终经济产出具有一定的时滞性，本文按照通常的做法，取滞后期1年。投入指标为20042011年的数据，产出指标为20052012年的数据，所有数据均来自于20042009年的"中国高技术产业统计年鉴"。投入产出指标数据特征如表1所示。表1 投入产出指标的描述性统计20042012数据来源于：20072012年"中国高技术产业统计年鉴"表2 投入、产出指标之间的Pearson相关系数表注：*.在p0.01 水平双侧上显著相关由表 2 可以看出，投入指标R&D经费部支出X1、新产品开发经费X2和R&D人员全时当量X3与产出指标新产品销售收入Y1、专利申请量Y2和拥有专利量Y3呈现显著正相关，而且相关系数都在0.7 以上。通过对投入产出变量相关性的检验，发现所选样本满足DEA模型所要求的产出随投入的增加而变大的性质，即等性。因此，利用该样本数据建立DEA效率测度模型是有效的。4. 实证分析4.1.1基于BCC模型的中国省际及地区高技术产业技术创新效率测算结果及分析 各个省份高技术产业技术创新效率测算结果及分析。本研究选取20042012年中国28个省份的高技术产业的投入产出数据，基于规模报酬可变的产出导向的DEA模型，利用 Deap2.1软件，测算了这些省份的技术效率值、纯技术效率值和规模效率值。并且，计算得出这28个省份在20042012年的技术效率的均值、纯技术效率的均值、规模报酬的均值，以及各个省份在20042012年间的规模报酬递增、递减和不变所占的比例。具体结果见表3。1和XX的技术效率、纯技术效率和规模效率的均值都为1，在所有年份都是 DEA 有效的。可见，这两个省份的创新效率较高，技术水平和资源配置水平都是全国最高的。其次，、和的技术效率值都大于 0.6，创新效率相对较高。其中，、和地处东部沿海地带，科技水平处于全国领先地位，具有大量的优秀人才，国家也给与了许多政策的支持，为该地的高技术产业开展提供良好的条件。但这三个省份的规模效率要小于纯技术效率，从而拉低了其技术效率值。而省重视科研经费的投入、人才的引进与培训等工作，纳米氧化锌等新材料产业走在全国的前列；利用青藏高原特殊动植物优势资源，形成以生物技术、中藏药为主导的高科技生物产业集群。这两个省份不仅高技术产业的科技水平较高，而且取得了良好的规模效率。 的规模 效率较高为0.913，且在2000年、2003 年、2004年这三年中都呈现规模报酬递增的态势。而的技术效率较高为 0.955，且 2002 年、2003 年、2004 年和 2007年都呈现规模报酬递增的态势。这说明了这两个省份以较少的投入产生了较多的产出，而且存在投入缺乏，生产规模过小的情况，可以加大对其高技术产业的支持力度，扩大规模，获取规模效益。表3 各个省份高技术产业技术创新效率均值及规模报酬地区技术效率值纯技术效率值规模效率值规模递减比例规模递增比例规模不变比例0.6630.9270.70275.0%25%XX1.0001.0001.000100.0%0.2100.3460.626100.0%0.7170.7840.91325.0%37.5%37.5%0.5120.7810.71612.5%62.5%25.0%0.3960.5880.66287.5%12.5%0.4820.7020.682100.0%0.2820.4520.60787.5%12.5%0.7910.9890.79787.5%12.5%0.4500.8550.515100.0%0.4130.7140.586100.0%0.3130.4090.756100.0%0.8210.9610.85362.5%37.5%0.1920.3210.629100.0%0.4830.8080.621100.0%0.3160.6080.562100.0%0.2290.5830.440100.0%0.4550.7820.579100.0%0.5211.0000.521100.0%XX0.5210.6170.83387.5%12.5%0.3450.4890.705100.0%0.3580.6360.581100.0%0.3470.6530.568100.0%1.0001.0001.000100.0%0.1370.3280.426100.0%0.3820.4190.87262.5%37.5%0.7950.9550.81650.0%50.0%0.5420.5710.91725.0%37.5%37.5%东部0.5750.8190.688中部0.3730.5800.646西部0.4940.6450.743而其余省份的技术效率值相对较小。特别是、等省份的技术效率值在0.3以下，创新效率较低，科技水平和资源配置水平都相对较低。主要原因在于这些地区技术水平等行业开展环境明显落后于东部地区。而且，这些地区的产业构造以劳动密集型的制造业和农业为主，且高技术产业的产品同质化严重，从而导致其高技术产业投入资源拥挤，产品利润低下。2技术效率值为纯技术效率值和规模效率值的乘积，纯技术效率值越高，说明其技术和管理水平越高；而规模效率值越高，说明其当前的生产规模越接近规模最优。中国许多省份的纯技术效率值相差不大，而规模效率相差较大，是造成省际技术效率差距的主要原因。省的高技术产业的纯技术效率值为 1，说明了该省在当前的技术水平下，对于投入资源的利用是有效率的，并没有因为技术或者管理的因素而造成资源浪费。但是，省的规模效率仅为 0.521，说明了该省高技术产业的规模过大，投入较多，却产出缺乏。除了省以外，和这两个东部沿海城市的纯技术效率较高，分别为 0.855 和 0.808。但是，由于规模效率较低，使得和的技术效率值较低。3根据各个省份在20042012 年之间，其高技术产业存在规模报酬递增、递减还是不变的情况，得知：在26 个DEA无效的省份中，15个省份在所有年份都呈现规模报酬递减；7 个省份在超过一半的年份呈现规模报酬递减；仅4个省份规模报酬递增的年份多于递减的年份。这说明了，中国大多数省份高技术产业的生产规模并未到达最优，存在投入较大而产出缺乏的情况。而事实也是如此。根据和东等的研究说明，中国高技术产业在19982007年期间的R&D经费年均增长28. 44%；R&D人员总量年均增长14. 94%。但与此同时，新产品销售收入年均增长只有 26.68%，低于 R&D经费年均增长率。这说明了一味的增加生产要素的投入，扩大生产规模并不一定有利于高技术产业的可持续开展。因此，各个省份高技术产业应逐步实现粗放式经营到集约式经营的转型。4.1.2中国省际及地区高技术产业Malmquist指数的测算结果及分析 本研究利用 Deap2.1 软件和各个省份高技术产业20042012年的面板数据，计算出 28 个省份的Malmquist 生产率指数，包括：全要素生产率指数TFP、技术进步指数、技术效率变化指数、纯技术效率变化指数和规模效率变化指数。具体结果见表 4。 中国28个省份中，有21个省份的全要素生产率TFP有所上升，而7个省份的全要素生产率TFP有所降低。其中，TFP 降低的7个省份包括：、XX、和。除了以外，其余省份都地处西部地区。其中，省TFP年均增长率为- 49.8%，技术进步年均增长率为- 42%，技术效率变化年均增长率为- 21.6%。本文认为技术进步呈现负增长并不是说明其高技术产业出现了技术衰退，而是其技术进步的增长速度有所下降。所以，省的高技术产业的技术进步的增长速度呈现衰退趋势，从而使得其高技术产业的整体技术创新水平与生产前沿面上的省份的差距逐渐拉大，是其 TFP 呈现负增长的主要原因。与其处于一样处境的还有省和省。根据省际高技术产业技术创新效率的测算结果，省高技术产业在20002008年都是DEA有效的，处于最优的生产前沿面上，即在当前的技术水平和管理水平下，到达生产规模最优，从而获得最大的产出。但是，省TFP年均增长率为- 24.2%，技术进步年均增长率为- 24.3%，技术效率无变化。这说明了省高技术产业虽然在当前的技术和管理水平下，到达规模最优，投入产出有效。但是，省的技术进步增长速度也呈现下降的趋势，使得其高技术产业的技术创新水平与先进省份的差距逐渐加大，是其TFP呈现负增长的源泉。而省的TFP年均增长率为- 9.9%，技术进步年均增长率为- 9.2%，技术效率变化年均增长率为- 0.8%。可见，技术进步的增长速度放缓也是省TFP降低的主要原因。而的TFP年均增长率为- 6%，技术进步年均增长率为7.6%，技术效率变化的年均增长率- 12.6% 。可见，的技术进步速度有所上升，但是其技术效率呈现下降趋势。而其纯技术效率年均增长率为- 16.6%，规模效率年均增长率为4.6%。这说明了在当前的技术和管理水平下，其投入资源的利用存在浪费，且产出缺乏。而技术效率变化的降低是其 TFP 呈现负增长的主要原因。表4 中国省际高技术产业Malmquist指数及其构成地区TFP指数技术进步指数技术效率变化指数纯技术效率变化指数规模效率变化指数1.1611.1271.0311.0001.031XX1.0341.0341.0001.0001.0001.1811.0261.1501.1700.9831.3601.2181.1171.1041.0110.8120.9050.8981.0000.8981.0591.0091.0491.0441.0051.3851.0451.3261.3310.9960.9401.0760.8740.8351.0461.0471.0520.9961.0000.9961.0541.0810.9751.0000.9751.0631.0341.0291.0071.0211.3921.1551.2051.2670.9511.0211.0640.9590.9830.9761.0231.0081.0161.0131.0021.0931.0781.0130.9351.0841.0860.9671.1231.1970.9391.2660.9781.2951.3140.9861.0430.9251.1281.0151.0731.1541.0301.1211.0001.121XX0.8690.9590.9060.9051.0021.0451.0540.9910.9811.0100.8320.9690.8590.8491.0121.1691.0711.0911.1520.9470.8580.8581.0001.0001.0001.1610.9631.2061.0821.1151.3211.1411.1571.1371.0180.5120.5800.8841.0000.8840.9010.9080.9921.0000.992 在21个 TFP有所上升的省份中，、和的TFP年均增长幅度都在30%以上，增长幅度较大。除以外，其余省份都地处中部。其中， TFP 年均增长率为39.2%，技术进步年均增长率15.5%，技术效率变化年均增长率为20.5%； TFP 年均增长率为38.5%，技术进步年均增长率4.5%，技术效率变化年均增长率为32.6%。可见，和省的高技术产业的技术进步的增长速度有所上升。但是，其技术效率变化的增长幅度更大，是其高技术产业TFP快速增长的源泉。而TFP年均增长率为36%，技术进步年均增长率21.8%，技术效率变化年均增长率为11.7%。可见，由于技术进步的增长速度逐渐加快，缩小了与先进地区的技术水平的差距，从而带动了其高技术产业TFP的增长，"追赶效应显著。另外，TFP年均增长率为32.1%，技术进步年均增长率14.1%，技术效率变化年均增长率为15.7%。可见，省高技术产业不仅技术进步的增长速度有所提高，而且改善了管理水平，提升了投入资源的利用率，这两方面因素共同推动了其TFP的增长。 其余TFP 年均增长率为正的省份，根据TFP增长的动力源泉的不同，可分为两类。一是主要由技术进步的增长速度加快所推动的，包括：、XX、和，大多省份位处东部地区；二是主要由技术效率变化的增长所推动的，包括：、和，大多省份位处中西部地区。 通过上述分析可知，对于东部地区的省份，由于其优越的区位优势，使得其能够较早的接触并引进先进的技术、设备和管理理念，技术的进步是推动其TFP增长的关键因素；而对于中西部地区的省份，其技术进步逐渐放缓，而技术效率变化的增长成为了其TFP增长的动力来源。4.13中国高技术产业Malmquist生产率指数的整体变化及区域差异分析1中国高技术产业TFP整体变化分析。从20002007年，中国高技术产业年均增长率为4.7%。其中，技术进步年均增长率为0.3%，技术效率年均增长率4.3%。由此可见，中国高技术产业的技术进步增长速度缓慢，说明了高技术产业对于新技术或者新创造的应用较少，产业整体技术创新水平的提升幅度较小，导致其 TFP 增长缓慢。而高技术产业的技术效率变化的增长大于技术进步，是中国高技术产业TFP增长的动力所在。而中国高技术产业的纯技术效率年均增长率为4.2%，规模效率的年均增长率仅为0.1%。由此可见，技术效率变化的增长主要来源于纯技术效率的提高，这说明了中国高技术产业经过多年的开展，已经培养出一批优秀的管理人才，产业整体的管理水平有所提高，对于创新性资源的利用率有所提升。但是，中国高技术产业的规模扩较快，大多省份呈现规模报酬递减的状况，资源投入过剩，产出缺乏的现象仍然存在，致使规模效率的增长并不明显。而且，近年来中国高技术产业技术进步的增长速度呈现下降的趋势，有可能成为产业可持续开展的制约因素。表5 中国技术产业Malmquist指数及构成年份TFP指数技术进步指数技术效率变化指数纯技术效率变化指数规模效率变化指数2004-20050.9340.8091.1541.2150.9502005-20061.0521.3660.7700.7780.9912006-20071.2051.3270.9081.0020.9062007-20081.3051.0491.2441.0661.1672008-20090.8191.0910.7511.0840.6932009-20101.1450.8431.3581.0681.2722010-20110.9480.7231.3121.1401.150均值1.0471.0031.0431.0421.001（2） 中国各地区Malmquist指数的区域差异分析。从区域角度来看，中部和东部地区的TFP 有所增长，而西部地区的 TFP 呈现下降趋势。其中，中部地区TFP年均增长率为17.4%，在三个地区中增长幅度最大。其高技术产业的技术效率变化指数年均增长率为12.7%，技术进步指数年均增长率为4.2%。由此可见，技术效率变化的增长是其高技术产业TFP的大幅度增长的源泉。而产业的技术进步增长速度缓慢，"追赶效应不明显。而中部地区纯技术效率变化年均增长率为12.7%，规模效率没有变化。可见，其技术效率变化的增长来源于纯技术效率的增长，说明了近年来中部地区高新技术产业的技术水平和管理水平有了很好的改善，生产要素的集约利用率逐年上升。东部地区TFP年均增长率为8.5%。其中，技术进步年均增长率为5.3%，是三个地区中唯一一个超过全国技术进步年均增长率平均水平的地区，而技术效率的年均增长率为3.1%。由此可见，技术进步是推动东部地区TFP增长的主要源泉，这也与东部地区优异的区位优势和产业构造相匹配。表6 中国东、中、区高技术产业Malmquist指数及其构成地区TFP指数技术进步指数技术效率变化指数纯技术效率变化指数规模效率变化指数东部1.0851.0531.0311.0121.018中部1.1741.0421.1271.1271.000西部0.9200.9270.9921.0070.986全国1.0471.0431.0031.0421.001西部地区的TFP年均增长率为- 8%。其中，技术进步年均增长率为- 7.3%，技术效率变化年均增长率为- 0.8%。由此可见，西部地区高技术产业的技术进步增长速度逐年下降，与东部和中部地区的技术水平的差距越来越大，从而导致其高技术产业的TFP呈现负增长。5. 结论 1中国大局部省份的技术效率不高，且省际间技术效率差异较大，主要由规模效率的差异所导致。而且，大局部省份呈现规模报酬递减的状况，需要控制其高技术产业的开展规模，努力提升生产要素的效率。 2东、中、西部地区高技术产业的技术创新效率呈现上升的趋势，且东部地区 > 西部地区 > 中部地区，呈现东、西、中地区创新效率递减趋势。其中，东部地区的纯技术效率最高，但存在规模效率较低的问题。这说明了东部地区虽然具有较强的技术优势和管理水平，值得中部和西部学习。但是，但其在大力引进先进技术和优秀人才时，未考虑到高技术产业的规模效应，存在投入冗余和产出缺乏的现象。而西部地区的规模效率值最高，但纯技术效率较低的问题。这说明了西部地区在现有的技术和管理水平下，能够实现规模效益，从而获得可观的产出。但是，其高技术产业技术创新能力较弱，管理水平落后，需要加强技术改良。而中部地区的纯技术效率和规模效率都最低。 3中国大局部省份高技术产业的TFP都有所上升。其中，、XX、和等高技术产业TFP的增长源泉在于技术进步增长速度的加快；、和等高新技术产业TFP的增长源泉在于技术效率的改善。而技术进步的速度放缓导致了、和高技术产业TFP呈现负增长；技术效率的下降是、XX和高技术产业TFP负增长的源泉。 4从全国层面来看，中国高技术产业的TFP呈现上升趋势，其动力来源于技术效率的改善。但是，由于技术进步未发挥良好的作用，使得产业TFP增长缓慢。5东部和中部地区高技术产业的TFP都有所增长，但是TFP增长的动力来源有所不同。东部地区主要依赖于技术进步的增长，这也比拟符合东部地区的区位优势；中部地区那么更多的依赖于技术效率的增长，特别是纯技术效率的增长，说明了中部地区高技术产业的管理水平有所改善，投入要素的利用效率有所提高。而西部地区高技术产业的TFP呈现下降的趋势，主要是由于其高技术产业的技术进步速度有所放缓。6.参考文献1 和东，程 . 中国原创性高新技术产业技术效率测度研究基于创新链视角的两阶段分析J.科技进步与对策，2011，2812：119- 124.2 官建成，凯华 . 中国高技术产业技术创新效率的测度 J. 数量经济技术经济研究，2009，2610：19- 33.3 Sun C H ，Kalirajan K P . Gauging the sources of growth of high-tech and low- tech industries：The case of Korean manufacturingJ.Australian Economic Papers，2005，442：170- 185.4惠瑛，王新红.高新技术产业 R&D 效率测度J.科技进步与对策，2012，292：113- 116.5 石光，薛卫 . 中国高技术产业研发效率的面板数据检验 J. 科技管理研究，2011：56- 49.6 缨，滕家佳 . 省高技术产业技术创新效率评价 J. 科学学与科学技术管理，20108：107- 112.7 程，和东.中国高新技术产业创新绩效测度及影响因素研究J.科技进步与对策，2012，291：133- 137.8 官建成，凯华 . 我国高技术产业技术创新效率的测度 J. 数量经济技术经济研究，200910：19- 32.9 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，200611：38- 45.10 莉，基于DEA分析法的高新技术产业R&D创新效率研究J.华北水利水电学院学报，2012，284：76- 78. z.