文摘
创新已成为区域发展的主要动力。创新资源的有效利用在促进可持续的创新是至关重要的。从理论方面,仍然存在不确定性,如何有效评估创新绩效。从实证方面,我们仍然怀疑地区较高的经济水平或高创新的数量真的显示积极的区域创新绩效,特别是在异构的地区。本文运用DEA-Malmquist指数来衡量区域创新表现在中国的长江经济带。地区类似的性能水平按病房聚类分组,分析区域创新性能特征和地区不同发展阶段的解决问题的路径。实证研究证明,长江经济带的整体性能不高。创新的经济核心区域实现了增加体积通过输入大量的材料和资源消耗,而不是实现创新资源的充分利用;如何提高现有技术资源的利用率一直被忽视。不同地区具有类似创新性能显示不同的特点和创新问题,包括资源不匹配,输入冗余或输出不足。 There are also some differences in the way the region’s specific innovation performance is improved.
1。介绍
随着经济的发展,知识已经取代了资本,成为资源的战略价值。创新已成为经济发展的主要推动力1,2]。知识的生产、分配和使用已成为经济增长的基本因素(3,4]。罗默指出,研发的研究旨在追求经济利润可以实现知识积累和促进长期经济增长5]。这意味着,和学习知识经济时代,研发能力的地区是区域经济发展的关键因素。促进长江经济带发展的国家战略,影响中国的发展。长江经济带近年来取得了令人瞩目的发展,和内部非均质性是显而易见的。区际经济和创新水平有很大的不同。如何实现创新资源的区际协调发展和可持续发展是一个战略问题,迫切需要解决。
创新绩效包括公司把新产品投入市场的能力(6)或指技术创新能力(7]。创新绩效之间的关系和经济发展已经成为共识;本文基于知识生产函数,选择大都市的长江经济带和分析整体水平,空间分布和各种创新绩效的倾向。以下问题有望得到解决。(1)什么是区域研发的整体水平和趋势在长江经济带的表现吗?哪些城市和高研发性能节点吗?(2)的主要问题是什么研发在长江经济带的表现吗?(3)长江经济带分为团体根据研发性能相似的水平。什么是他们的问题和解决这些问题的主要方向?
本文的组织结构如下:第二部分是区域创新和创新绩效的评论;第三部分是描述数据和方法的研究;第四部分描述了长江经济带的经济和创新特色;区域的性能分析和每个地区的问题提出了在第五部分。在最后一部分中,我们提供了一些结论。
2。文献综述
区域创新表现调查文献[8- - - - - -10]。现有研究系统地讨论了这个问题区域创新绩效意味着什么和如何衡量11- - - - - -14]。尼尔森曾指出,创新不“从天上坠落”[15];他们需要有创意的演员和广泛的资源;创新的绝对计数由地区组织在一定时期内可以作为区域创新成功的指标(16]。从经济的角度来看,它是更有趣的评估创新成功的投资资源(13,17]。从这个角度看,区域获得竞争优势通过增加投资研发资源已成为共识。
发明和创新并不是均匀分布的空间但往往集中在某些地区(18,19]。因为地区差异的可用性和质量的地方输入,以及在地理上有界的知识溢出效应(20.]。在谈到区域创新绩效时,我们不应该仅仅关注一个研发的输入或输出量,将会有巨大的研发资源地区之间的差异和同一地区不同的发展阶段。重要的是,我们应该把创新关系到输出和输入因素在地区层面上,因为它意味着两者都是已知的,可以的上下文中有意义的测量区域(21]。这意味着我们应该使用研发性能评估创新的逻辑性能。
研发性能意味着一个国家或地区的能力,可以将各种输入资源(资本或人员)multioutput研发活动,这可以视为研发的输入和输出之间的关系(22]。因为它已经被Broekel表示(16]和弗里奇Slavtchev [23),创新绩效可能影响广泛的区域城市化经济等因素,知识溢出,大学,和区域合作强度(24]。也就是说,位置差异涉及到“质量”或“性能”区域,导致不同程度的创新产出即使输入相同的定量以及定性条件。
在最近的研究中,一些经验方法专注于创新资源输入和输出之间的关系(25- - - - - -27]。经济单位似乎是低效的,如果不能产生最大可行的输出给定输入。正如我们之前提到过的,区域经济和资源差异可能导致不平衡的创新(这并不意味着它具有较高的创新绩效);更重要的是,它还应该有能力最大化输入资源输出的转换。
从区域创新绩效方面,我们考虑的是不仅更高经济或资源的地区是否输入数量将在知识转移有更高的能力,而且当创新的整体性能提高和技术水平和技术性能是否提高同时,然后让我们更进一步明确什么真正重要的(技术改进或tech-resource充分利用)在不同情况下对区域创新改进。我们试图做一个初步的监管创新表现在不同经济阶段的总结,试图找出在提高区域创新性能的主要途径。
3所示。方法
3.1。研究方法
3.1.1。数据包络分析
该方法建立了Charnes和库珀在1978年;广泛用于评估研发性能的国家或地区。本文基于现有研究方法的性能评价规模收益不变(CRS) (CRS基于规模收益不变的情况下, 表示研发资源都是应用于生产,产量已经达到最优水平结合资源输入;当 ,研发资源无效;如果更接近于1,表明城市的研发资源更有效率。DEA (M是我们研究的城市数量;K意味着这个系统分为K类指标;l是输出指数,我们假设代表了k的输入资源米城市。代表了l的输出米城市。对于这些米城市 , 代表了整体效率指数)和补充道成公式,使变量收益成比例(工具)模型。通过工具与模型,我们可以把产品的总体性能(技术性能), , 和(性能), , 。同样的事情时和方法1,技术性能和规模研发的输入和输出的性能会更高。当 或 ,这意味着技术性能或规模性能达到最优水平。
3.1.2。Malmquist-DEA指数
Malmquist指数最初提出的1953年Malmquist消费指数。1982年作为洞穴研究应用各种分析生产力。它是用于衡量全要素生产率的提高,各种表演,和技术改进( 和 独特的代表年的输入和输出t+ 1,t。和表示距离的函数t和t+ 1)。
恒定的规模收益情况下,索引可分为整体性能指数(EC)和技术改变指数(TC);分裂过程如下。变量规模收益的情况下,电子商务可以进一步分为纯技术性能(PTF)和性能(SE)。
当该指数超过1,生产力会增加;否则,它意味着生产力下降;如果技术变革指数超过1,这表明现有技术的改进;而在技术退步如果技术性能超过1,这表明技术性能改进;否则,技术性能恶化。如果规模性能超过1,这表明时间”t+ 1”更接近规模收益不变,或逐渐方法安装规模相比时间”t”;否则安装规模渐行渐远。Malmquist-DEA指数不仅全面评估知识创新的性能,而且分析性能不同地区之间的进化。这方面的基础上,本文结合两种方法在测量大都市长江经济带的性能情况。
3.2。数据和索引结构
从数据方面,创新产出的衡量通常是基于数量的专利,其中包括一些限制(23]。作为发明专利被授予,发明并不一定转化为一个创新,新产品,或生产技术,还有其他的方法除了专利适当成功研发活动的回报(28]。织物使用的专利数量,体现创新(新产品的销量29日];研究人员认为,研发只代表部分创新产出,同时发表在《科学》杂志上的论文数量和新产品开发数量是研发产出的所有变量。Hagedoorn使用数量的专利,专利引文,反映企业的绩效的新产品数量(30.),而Belderbos等人劳动生产率和创新产品创新绩效测量(31日]。所以基于传统的索引选择,本文使用专利,出版物和高科技产业输出率作为输出指标。
专注于研发的输入和输出之间的关系叫做知识生产函数,输入指标和已经达成共识,主要包含研发人员和研发支出。作为创新过程的输入代理在私营部门,研发员工被分为研发工作如果他们有高等学历,工程或在自然科学(32]。基于这些事实,本文选择了全职相当于研发员工和研发支出作为输入指标(表1)。
考虑到现有数据的可用性和全面性,从2000年到2018年的横截面数据分析考虑了时滞输入和输出之间的研发活动,和研发资源的最大时滞输入输出是1年。因此,输出数据的选择指标t年,从数据的输入指标选择t−1年。
4所示。经济和创新功能的区域
4.1。经济的异质性
长江经济带包括11个省市:上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州。长江经济带占21%,中国43%的土地面积和人口;在中国它代表地区的创新。通过比较长江经济带和中国的研发比例,在长江经济带的研发支出比例占中国的46%,和研发人员占45%。
此外,有巨大的经济这些区域之间的异质性;上海的人均GDP在2018年达到1270万元,而人均国内生产总值只有390万元在四川云南(中部地区)和340万元(西部地区)。基于区域经济的异质性,研究长江经济带分为三个区域:区域1(根据“长江三角洲地区区域规划》(2010),“有一个direct-controlled直辖市和两个省份,上海、江苏、浙江,和16个核心城市在这个地区)是长江三角洲;这个地区仅占2%,全国12%的面积和人口(表2)。但它占该国GDP的1/5,近一半(42%)的国家的国际贸易额。这个地区是中国最早开放的地区之一;它已经从政府政策优势。所以Region1是相对较小的地区,已经开始优势和更高的经济发展水平,并拥有更多的企业总部和外国直接投资。这个地区集上海作为经济领导人,这使得它比别人长得更快。
区域2(区域2包含四个省:安徽、江西、湖北、湖南)坐落在中国中部,占7%,全国17%的地区和人口。区域2作为中国东部和西部之间的桥梁;制造业占超过一半(51%)的地区的国内生产总值。地区3(地区3,西部大都市区域,包含三个省和一个direct-controlled直辖市:重庆、四川、云南、贵州)是中国西部的经济外围地区。它占全国12%的地区只有整个人口的14%。它有大的土地面积(12%),但低人口密度;人口外流严重,中国的GDP只占9%。根据Chenery,工业化可分为六个阶段;城市地区1已经走进型职能阶段,但城市地区2或地区3仍在工业化初始阶段。
从区际经济关系方面,密度地区之间的经济联系长江经济带仍在低水平。区域1的密度是最高的,上海,苏州,南京经济中心区域1和区域扮演的经济辐射区域2和区域3;武汉,南昌,长沙地区的经济中心,与地区经济联系密切的1,连接东部和西部地区扮演的角色;大多数城市地区3与其它地区的联系较弱,但重庆与2到宜昌地区强劲的经济关系。
4.2。创新空间的区别
创新产出被认为是反映区域创新水平的一个重要指标;长江经济带的研发投资水平在中国占重要的比例。创新输出显示空间的区别。具体地说,趋势面分析的创新产出从东北到西南方向的长江经济带从高到低变化并显示“中心-外围”特征。空间创新产出的相关分析表明,长江经济带的莫兰我指数都是积极的,和空间依赖创新产出的特点越来越明显。根据丽莎局部自相关分析,高价值的输出集聚长江经济带并不显著;没有市位于高区;上海、苏州、宁波、杭州、武汉、长沙和重庆城市展现更高的价值比周围的城市特征。新低集群是突出位于丽江,临沂,宝山,丽水地区3所示。高价值的集群创新产出继续在Region1向北扩张,而水平的创新产出之间的区域1和区域2往往是相似的,但集聚水平相对较低(图1)。否则,从区际创新连接方面,中心创新网络的增强,网络密度减少由于网络规模的扩大,网络结构的核心是重要的;网络core-peripheral结构越来越重要。
由于巨大的区域经济异质性,创新卷地区之间的差异是不可避免的。因此,在分析大跨度和重要的地区内部差异,我们不仅要关注创新的绝对数量体积也忽略的问题是否知识或研发资源合理配置。因此,本文提出了创新异构问题地区的通过创新性能分析。总的来说,经济发展水平、创新水平、资源要素的不同地区长江经济带必须完全不同。因此,地区之间的合作网络不仅提高了创新资源的连接,而且还实现了创新资源的合理配置。
5。空间分析在长江经济带的创新表现
5.1。区域创新的整体性能
通过研发投资的性能计算和输出因素,创新的整体性能水平的长江经济带很低。长江经济带的全面创新表现在2000年到2018年从0.237上升到0.408。创新的平均水平在长江经济带的表现仍不到50%的最佳性能在过去18年。从2000年到2018年,整个创新绩效表现出上升趋势,具体地说,只有15个城市的性能水平超过50%在2000年的长江经济带。其中,上海、南京、温州和衢州在长江三角洲,南昌、武汉、九江、张家界在中间区域,和昆明同仁在西部地区达到最优水平。到2018年,城市的最佳性能水平的数量超过50%增加到33。正在改善,但整体性能水平缓慢;要解决的重要问题之一,长江经济带加强区域创新是如何有效地使用创新资源,提高创新绩效。
从纯粹的技术性能的角度来看,城市68%的纯技术性能逐渐上升,和纯技术性能高于总体性能。从2000年到2018年,纯技术性能从0.411上升到0.553。2000年,有15个城市最高的技术性能在长江经济带;城市最好的技术性能的数量已经增加到2018年的20个城市。这种现象不仅是发现在中央经济城市,还分布在周边城市区域2和西部地区3。2000年,33岁的城市超过50%的纯技术性能占总数的31.4%。其中,24个城市有一个纯粹的技术性能超过70%。到2018年,有55个城市的纯技术性能超过50%,占总数的52.4%。其中,城市的数量与纯粹的技术性能70%或更多增加到37。与大量的城市和地区发展差异巨大,从2000年到2018年,纯技术性能的变化表明,长江经济带的整体技术水平有所提高。
从规模规模性能的角度来看,长江经济带的性能通常是高于同期的技术和整体性能。从2000年到2018年,规模的性能从0.635下降到0.739。2000年,规模的性能达到了50%以上,占总数的62%。其中,53有超过70%的最优性能。到2018年,比例超过最优性能的50%增加到84.8%,其中62个城市达到70%以上的最佳性能。因此,长江经济带的规模表现的趋势是稳定的。如何实现资源整合和利用是解决问题的关键的创新的整体性能和可持续发展。
5.2。地区全要素生产率的变化
在这一章中,我们使用Malmquist-DEA模型来计算Malmquist研发资源的长江经济带指数从2000年到2018年(图2)。从数据分析、研发资源综合性能变化指数(0.911)和纯技术性能变化指数(0.889)小于1,而技术进步变化指数(4.683),性能变化指数(1.025),规模和全要素生产率变化指数(4.267)都大于1。全要素生产率指数从2000年到2018年的长江经济带为5.263,这表明在这段时间提高了工作效率。技术变革指数为4.683,表明整个地区技术水平正在逐步提高。从技术性能小于1(0.889),虽然技术水平整体提高,该地区的技术性能逐渐降低。这表明长江经济带的性能变化主要是由于技术的创新和进步,但不一定是充分利用现有的技术。性能规模为1.025,表明区域创新是逐渐变化的最优规模,逐步接近固定标盘补偿这些年来。
此外,从生产力和技术趋势长江经济带的变化从2000年到2018年,地区生产性能增加,整体技术水平有了很大提高,但技术性能有所下降。提高技术水平的差距和扩大技术性能逐渐下降,表明经济地区的现有技术还没有被充分的利用。创新绩效的变化主要取决于整体技术水平的提高在技术发展的过程。从创新的角度来看,长江经济带已经调整,规模逐渐变得合理化。与此同时,不同地区在长江经济带处于不同的发展阶段。所以创新性能也受到区域创新投资等因素的影响,经济水平、技术水平、制度条件,社会和文化条件。因此,有必要对区域进行聚类分析和相似的性能水平和具体分析不同群体的具体特征和约束。
5.3。区域分组和长江经济带的问题
在这一章,通过聚类分析区域创新绩效水平相似的,我们试图找出区域面临的问题不同的性能水平在长江经济带和提出解决问题的有效途径和方向。
与病房集群创新绩效分析2018年长江经济带,城市可以分为四大组;创新性能的四组,分别为0.809,0.499,0.308和0.122(表3)。城市的数量在组1中是最低的四组(22%),但创新绩效的总体水平是最高的。综合性能,纯粹的技术性能,性能和规模都达到60%以上的最佳性能。城市组2的结合性能0.499,0.656一个纯粹的技术性能,规模0.766的性能。其他两组有大量的城市但性能水平相对较低;组3的整体性能是0.308,纯技术性能是0.479,和规模的性能是0.730。组3比4(综合性能是0.122,纯技术性能是0.245,和规模性能是0.629)。总的来说,这两组输入减少冗余。与1组和2组相比,这两个组织创新产出不足的问题;77.6%的城市在3和组4组输出不足。 Group 4 is particularly significant (93.3%), and the problem of insufficient output is mainly reflected in applied knowledge and insufficient high-tech output.
从我们的具体分析,在组1,像上海这样的城市,杭州,南京等城市的东部经济带取得最佳性能。经济发展水平的绝对值和创新其他城市组1的输入和输出是远高于其他群体的城市。从性能分析,大部分的研发资源输入和输出在这些城市并不是问题;低性能的主要原因是不相容的研发资源、输入和输出。DEA计算结果表明,研发资源组1长江三角洲的规模收益递减。因此,综合性能可以提高通过减少研发资源投入。
87.5%的城市组2输入冗余;尤其是城市,如温州、扬州、镇江、连云港,和湖州Region1;湘潭,怀化,在鹰潭地区2;和梅山地区和其他城市3有冗余的研发人员和资金的问题。因此,实现最佳性能的主要方法组2是鼓励发展的基础科学研究,同时适当调整研发基金的输入。作为城市群体2往往规模下降,他们不能总是扩大资源规模时加强基础创新研究。组2可以实现城市区域最优发展通过加强资源的合理配置跨地区或区际合作大学。
在3组,60.7%的城市有高科技的不足和应用知识输出。高新技术产值和应用知识产出在4组,分别占60%和36.6%。相比之下,城市组3大多是规模收益递减;只有几个城市可以继续提高产量增加资源的大小,而37%的城市在4组显示收益成比例的增加;因此,尽管城市在4组最低的创新绩效,实现性能优化,继续扩大规模的资源输入。
结合的空间分化四组,组1和2 85%的城市位于长江三角洲和长江中游地区,在工业或后期工业化发展阶段;组3和4 87.9%的城市在长江经济带的西部地区,在工业化或早期工业化发展阶段;57.1%的城市在3组位于长江经济带的中部地区,和63.3%的城市在4组位于长江经济带的西部地区。现有的研究已经证实,经济发展和区域创新之间存在相关性。我们的研究进一步证实了这些点通过我们的实证分析。进一步,在同一经济发展阶段,类似的性能水平的地区,有不同的方法来实现最佳的性能。
6。结论和讨论
本文构造一个衡量区域创新绩效评价指标体系;指标体系包括研发单位国内生产总值支出、研发人员全职等效,每千的专利数量,数量的科学论文‰,和高科技产品输出率。Malmquist-DEA指数用来衡量创新绩效的异构地区长江经济带。
长江经济带的城市具有很强的异质性;从经济发展的角度来看,东部地区1是经济发展的核心地区型职能开发的阶段。大多数城市在区域2和区域3经济周边城市;这些城市仍在中间早期工业化和产业化阶段。的主要结论和建议从我们的研究包括以下的分析:(1)在长江经济带城市的地区内的差异是显著的;区域创新绩效的总体水平较低。创新的经济核心区域增加了体积通过输入大量的材料和资源消耗。如何提高区际资源的优化配置和协调来提高性能的创新资源已成为亟待解决的主要问题,在这样的地区。(2)对于经济发展水平较低地区,区域技术水平有所提高;相反,区域生产性能并没有增加,但逐渐减少。技术水平和技术性能的趋势逆转,和改进的综合绩效水平是通过大量的资源投资于技术创新。因此,如何提高现有技术资源的利用率是值得进一步考虑。(3)长江经济带区域具有类似性能水平可以分为4组。具体来说,区域创新绩效的总体水平后工业化发展阶段较高;低性能的不匹配问题的原因在研发资源规模、输入和输出。这些城市实现性能优化需要调整自己的尺度。地区经济发展水平相对较低,需要合理的区域资源优化和分配。
的观点之间存在着正相关的区域经济发展水平和区域创新输出提出了一些研究却是其劣势所在。然而,本文强调,这并不意味着经济发展水平高的地区,或更高的创新输入或输出会有更好的创新性能,尤其是对异构地区不同的经济阶段。具体地说,本文试图总结异质区域创新绩效的一般规律,尤其是在不同的地区或城市经济发展阶段。通过分析,本文试图找出中国区域创新绩效存在的主要问题,并提出相对的解决方案复杂的地区,这可能有一定的意义在促进区域差异的研究创新。
提出了工业时代的经济发展阶段,城市在中国有更好的创新能力,而这些城市很少有创新的输入和输出不足的问题。影响创新绩效的主要问题是创新的规模和创新投入产出之间的不匹配。因此,它是一个更好的选择这些城市实现最优性能不盲目追求规模效应,但适当减少创新规模。城市中产阶段的工业化有冗余资源的主要问题输入或减少规模回报。因此,这不是最好的方法只关注增加创新的规模增加输入输出。更好的建议是提高文物资源的利用率或建立区际组织联盟提高区域创新的性能。城市工业化初级阶段的创新性能相对较低。这些城市的主要特征是创新产出显然是不够的,特别是在基础科学研究和高科技领域的研究。
从怎样的角度有效地解决异构区域创新绩效的问题,本文表明,经济发展水平较高的城市实现提高创新绩效的目标,提高现有资源的利用率或构建高效的跨区域联盟。边际经济相对欠发达的城市规模收益递增的特点。因此,有必要扩大研发规模的资源来提高创新绩效,或改善地区商业化通过研发新产品的能力。
本文选择面板数据来分析中国不同地区的创新绩效。DEA方法是一个重要的科学方法来解决异构区域创新绩效的问题,但它的局限性是它不能有效地分析或地区低性能性能差异的原因。在后续的研究中,异构区域的影响创新绩效的主要因素及其影响机制将进一步讨论。
数据可用性
研发支出、研发人员全职等效数据和专利,和科学论文数据支持这一创新性能分析本研究尚未提供。因为这些数据属于第三方权利,作者只能使用这些数据为学术研究但是没有权利发表数据源。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的年轻讲师的上海工程技术大学(格兰特:0233 - e3 - 0507 - 19 - 05195),中国国家自然科学基金(41771143)、中国博士后科学基金会(格兰特:2018 m641963),和基础研究基金为中央大学(ecnu-hwfw005格兰特:2020)。