论文部分内容阅读
摘 要：想要提高研发效率，就要找到影响研发效率的因素。本文对中国资源型产业研发效率的影响因素展开了定量和定性的分析。经过研究得到各种影响因素对研发效率的作用。
关键词：研发；效率；资源
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：
这其中，下标i和t分别表示行业和时间。Y、L和K分别表示研发产出、研发人员投入和研发资本投入。和分别代表研发人员投入和研发资本的产出弹性。表示待估常数项。代表方程的随机误差项，具有复合结构。其中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，），且独立于。为非负随机变量，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，）。则表示行业i在t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研发产出越少。结合理论分析，参考前人研究成果，本文重点考察市场竞争程度、几个重要因素对研发活动技术效率的影响，则无效率函数模型设定如下：
其中，为待定常数项。t表示时间趋势，表示研发活动技术效率变化的时间趋势系数，符号为正，符号为负表示技术效率递增。-分别表示各种资本占比、企业规模、资本密集度、资产负债率、利润率、资源状况等影响因素对研发活动技术效率的影响系数。Wit是回归方程的随机误差项，假定服从正态分布N（0，）。
判断上述模型设定是否合理，可以考察方程（1）随机误差项中技术无效的比重， 也就是考察式
中γ的大小。当γ接近于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，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。
本文根据2005年至2011年的数据，进行了随机前沿分析。通过运行Frontier4.1软件得到了运算结果，主要的结果数据如下：
在这里，本文发现这里的gamma值倾向于0而不是倾向于1，表明模型的适用性不好。经过比对分析和研究，本文认为可能的原因在于2011的数据，具有不同特性，不宜和2005-2010的数据放在一起分析。2011年的数据全部为个资源型产业规模以上工业企业的研发及研发影响因素数据，不同于之前的大中型工业企业数据。虽然之前文本也将企业规模考虑在影响因素之中，但是有可能二者还有其他更多其他方面的差异。因此，本文将2011年数据剔除，再次进行运算，得到主要结果如下：
可以看到，gamma值虽没有很接近1，但情况已好很多。并且，似然比检验值即LR检验值显著，说明随机误差项有比较明显的复合结构。
从t检测值上可以看到，delta7、delta8和delta9在5%的水平上显著，其他不显著。平均技术效率为0.677。
delta7、delta8和delta9对应的影响因素为企业规模、资本密集度、资产负债率，其中企业规模和资产负债率和研发效率呈反向关系，资本密集度和研发效率呈正向关系。
参考文献：
[1] Coelli T J， Rao D P， Christopher J. O’Donnell， et al. AN INTRODUCTION TO EFFICIENCY and PRODUCTIVITY ANALYSIS[M]. 2. New York： Springer， 2005.
[2] Aigner， D. J.， Lovell， C.A.K.， and Schmidt， P. Formulation and Estimation of Stochastic Frontier Production Function Models[J]. Journal of Econometrics， 1977， （6）.
[3] 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，2006，（11）：38-45.
[4] 冯根福，刘军虎，徐志霖. 中国工业部门研发效率及其影响因素实证分析[J]. 中国工业经济，2006，（11）：46-51.
[5] 张倩肖，冯根福. 我国地区间用于科技发展的研发绩效评估与比较[J]. 财贸经济，2006，（11）：46-51+97.
关键词：研发；效率；资源
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：
这其中，下标i和t分别表示行业和时间。Y、L和K分别表示研发产出、研发人员投入和研发资本投入。和分别代表研发人员投入和研发资本的产出弹性。表示待估常数项。代表方程的随机误差项，具有复合结构。其中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，），且独立于。为非负随机变量，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，）。则表示行业i在t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研发产出越少。结合理论分析，参考前人研究成果，本文重点考察市场竞争程度、几个重要因素对研发活动技术效率的影响，则无效率函数模型设定如下：
其中，为待定常数项。t表示时间趋势，表示研发活动技术效率变化的时间趋势系数，符号为正，符号为负表示技术效率递增。-分别表示各种资本占比、企业规模、资本密集度、资产负债率、利润率、资源状况等影响因素对研发活动技术效率的影响系数。Wit是回归方程的随机误差项，假定服从正态分布N（0，）。
判断上述模型设定是否合理，可以考察方程（1）随机误差项中技术无效的比重， 也就是考察式
中γ的大小。当γ接近于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，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。
本文根据2005年至2011年的数据，进行了随机前沿分析。通过运行Frontier4.1软件得到了运算结果，主要的结果数据如下：
在这里，本文发现这里的gamma值倾向于0而不是倾向于1，表明模型的适用性不好。经过比对分析和研究，本文认为可能的原因在于2011的数据，具有不同特性，不宜和2005-2010的数据放在一起分析。2011年的数据全部为个资源型产业规模以上工业企业的研发及研发影响因素数据，不同于之前的大中型工业企业数据。虽然之前文本也将企业规模考虑在影响因素之中，但是有可能二者还有其他更多其他方面的差异。因此，本文将2011年数据剔除，再次进行运算，得到主要结果如下：
可以看到，gamma值虽没有很接近1，但情况已好很多。并且，似然比检验值即LR检验值显著，说明随机误差项有比较明显的复合结构。
从t检测值上可以看到，delta7、delta8和delta9在5%的水平上显著，其他不显著。平均技术效率为0.677。
delta7、delta8和delta9对应的影响因素为企业规模、资本密集度、资产负债率，其中企业规模和资产负债率和研发效率呈反向关系，资本密集度和研发效率呈正向关系。
参考文献：
[1] Coelli T J， Rao D P， Christopher J. O’Donnell， et al. AN INTRODUCTION TO EFFICIENCY and PRODUCTIVITY ANALYSIS[M]. 2. New York： Springer， 2005.
[2] Aigner， D. J.， Lovell， C.A.K.， and Schmidt， P. Formulation and Estimation of Stochastic Frontier Production Function Models[J]. Journal of Econometrics， 1977， （6）.
[3] 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，2006，（11）：38-45.
[4] 冯根福，刘军虎，徐志霖. 中国工业部门研发效率及其影响因素实证分析[J]. 中国工业经济，2006，（11）：46-51.
[5] 张倩肖，冯根福. 我国地区间用于科技发展的研发绩效评估与比较[J]. 财贸经济，2006，（11）：46-51+97.