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 ＤＥＡＴｏｂｉｔ两步法的分析