宁波市企业技术创新载体发展国内比较研究

宁波市企业技术创新载体发展国内比较研究^[1]

刘利民　王敏杰

近年来，随着人力成本、土地成本的上升，宁波某些原有吸引外资的优势正逐渐减小。而传统经济增长方式使得经济增长面临日益严重的资源、能源、环境约束。在原有优势降低和新约束力增强的双重压力下，宁波必须建立新的经济增长模式。这种情形和日本20世纪70年代的情形有些相似，日本通产省早在1971年OPEC石油危机时就已经认识到通过大量投资于重工业，走能源与资源密集型的发展道路已经走到尽头，并提出“提升知识密集型产业结构，最大限度地减轻环境负担”。如今，宁波也站在经济转型的十字路口，制造业的升级应该更多依靠知识要素的投入、使用和创造，依靠自身的创新和对创新的引进、消化和吸收。“十二五”期间，宁波经济社会发展将进入加速转型期，转变发展方式，调整经济结构，培育战略新兴产业，改造提升传统产业，发展海洋经济和循环经济，实现城乡、区域统筹，改善民生，促进社会和谐，都对科技创新提出了新的更高的要求。因而认真分析宁波企业技术创新载体建设基本情况，科学评价其创新载体的创新绩效无疑是一件十分重要的工作。

一般来说，科技投入金额和投入强度，企业科技经费投入来源，政府科技投入使用状况，专利申请受理情况，新产品销售收入及新产品率等因素是创新载体创新绩效的主要影响因素。

一、创新投入比较

（一）载体数量

近年来，通过大力实施“科教兴市”战略，全市区域创新体系逐步完善，区域创新能力明显提升。2009年全市有各类研究开发机构1342个，^[2]，在全国15个副省级城市中排名第2。截至2010年年末，全市市级企业工程（技术）中心500家，省高新技术企业研究开发中心143家，省级企业技术中心64家，国家认定企业技术中心7家。

图1　15个副省级城市企业技术创新载体数量（2009年）

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

（二）经费投入

1.经费投入总量

资金投入是技术创新的物质保障。从投入总量看，近年来，宁波市R＆D经费投入稳步提高，并呈现向制造业投入集中的特征。2010年，全市R＆D总经费为82亿，是2001年的15. 7倍，年均增长35. 81%，高于同期全国23. 52%的增长率，但年增长率的波动却要大于全国。增长率在2004年出现低谷，2007年和2008年宁波的R＆D经费支出年增长率也出现过大幅下降的情况。从科技投入强度角度看，2010年，我市R＆D经费支出占GDP的比例仅为1. 6%，低于全国、全省平均水平0. 15个百分点和0. 18个百分点，与上海、深圳、杭州等城市相比差距更大，与2. 1%世界平均水平仍有较大差距。

2009年，中国15个副省级城市技术创新载体的投入情况如图2，从中可以对比出宁波在创新投入方面的基本情况。2009年，宁波市创新载体数量为1342个，在副省级城市中排名第2，但是载体的研发投入为65亿元，排名第7。

图2　15个副省级城市企业技术创新载体R＆D投入（2009年）

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

2.经费的投入结构

以2009年为例，宁波市当年R＆D经费累计投入64. 93亿元，其中政府研究机构R＆D经费占R＆D经费总额的2. 0%，工业企业90. 0%，高等院校R＆D经费1. 22亿元，占1. 9%，是以企业为主体的经费分配结构。

参与比较的15个城市的R＆D经费分配结构可以分为三类：一类是包括深圳、无锡、宁波三个城市的以企业为主体的经费分配结构；另一类是包括南京、杭州的高校和研究机构占较大比重的经费分配结构；第三类是介于上述两类之间的城市如苏州、厦门。从投入结构看，宁波属于第一类经费分配结构。无锡和深圳这一比例更高，分别达到了96. 2%和92. 6%。在这类城市中，企业的R＆D能力具有十分重要的意义，如果企业的R＆D能力不强，则整个区域的自主创新能力和基于自主创新能力基础上的高新技术产业和战略性新兴产业的发展都会受阻。相比而言，在这三个城市中，宁波市的科研机构和高校R＆D经费占比相对较高，这是近10年来宁波市致力于引进科研机构和培育高校科研能力的成果。

2009年，宁波全市开展R＆D活动的工业企业有1504个。其中，开展R＆D活动的大中型企业418个，也多于其他4个城市。全市开展R＆D活动的工业企业占规模以上工业企业的比重为12. 3%，低于浙江省的13. 0%，与深圳市、杭州市接近。开展R＆D活动的大中型企业占全部大中型工业企业的比重为44. 9%，高于其他城市。另外，该数值也说明宁波市大中型工业企业开展R＆D活动的比重远远大于规上工业企业的平均水平。另外，大中型工业企业的R＆D经费占工业企业R＆D经费的比重，宁波市相当于浙江省的平均水平，不仅低于深圳、杭州、厦门，也低于全国的平均水平。这从另一侧面反映出宁波市、浙江省以中小企业为主的企业规模结构特征。

3.经费使用结构

图3　2009年R＆D经费使用结构的区域比较

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

2009年，宁波市R＆D经费投入64. 93亿元中，基础研究经费为0. 50亿元，占0. 8%；应用研究经费为1. 76亿元，占2. 7%；试验发展经费为62. 67亿元，占96. 5%。有研究表明，世界各国用于基础研究的经费所占比重一般最小，用于应用研究的经费所占比重居中，用于试验发展的经费所占比重一般最大。三种类型的R＆D经费支出占总经费的合理比例一般为：基础研究占总经费支出的13%～19%，应用研究占总支出的20%～25%，试验发展占50%～61%。相比较而言，宁波市的基础研究、应用研究投入比例偏低。与国内同等城市相比存在类似情况。2009年，宁波市R＆D经费中，基础研究、应用研究投入比例略高于深圳，低于其他同类城市及浙江和全国的平均水平（见图3）。基础研究和应用研究经费投入不足，从长远看将使得宁波企业的自主创新能力提升后劲不足。

（三）人员投入

1.人员数量

近年来，随着企业技术创新载体加速发展，宁波从事研发及科技服务人员数量得到了较快增长，到2009年年底，总数达到2. 85万人。其中博士学位和硕士学位人员达到了2381人，占比9. 2%，比2000年提高了5. 7个百分点；企业办科研机构全年投入经费59. 04亿元，达到了2000年的5. 19倍；企业科研机构拥有各类科研仪器设备原价40. 68亿元，达到了2000年的3. 43倍。

表1　长三角中心城市创新环境情况比较

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

2.人员结构

科技活动人员是区域自主创新的重要资源。就宁波而言，全市创新人力资源持续增长，但本科以上高学历人才比重较低，高层次人才明显短缺。2009年，全市每万人拥有R＆D人员达到了4. 57人，其中本科及以上学历人员占37%，在长三角中心城市中，明显低于杭州（58. 1%）以及南京（57%）、上海（56. 5%）（见表2）。2009年，按实际工作时间计算，全市R＆D人员的全时当量为3. 67万人年，而上海市R＆D人员的全时当量为13. 29，杭州为5. 47，在长三角中心城市中科技人员投入最少。从长三角地区主要城市看，无锡市R＆D人员总数不大，本科及以上学历所占比重、R＆D活动中的研究人员比例均低于其他城市。

表2　长三角中心城市人员投入情况比较

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

二、创新产出比较

在创新产出方面，近些年来，宁波无论是反映创新成果的论文、专利、标准、品牌，还是反映产业科技进步的农业劳动生产率、高新技术产业比重、第三产业人均增加值率都有不同程度的增长，其中每万人专利授权数量、列入国家级的科技项目数等部分指标增长幅度较大。但是，对比创新产出的不同指标，以及创新产出与创新投入相关指标，有两个特点十分明显：一是创新产出数量增长超过质量增长。2010年，宁波市相继获得“国家知识产权工作示范城市”“首批国家商标战略实施示范城市”称号，专利与商标取得新的突破。全年专利申请量为26399件，比上年增长16. 4%，居副省级城市第四位。其中，发明专利2859件，比上年增长1. 8%。全年专利授权量为25971件，同比增长64. 1%，居副省级城市第四位。授权发明专利占全部授权专利比例为4. 66%，低于全国（10. 77%）、全省（5. 59%）的平均水平，在15个副省级城市中排名靠后，授权专利结构仍有待进一步优化。宁波绝大部分的专利集中在实用新型专利和外观设计专利上，发明专利仅占15%，无论在绝对数量上以及比重上都非常小。二是创新投入增长超过创新产出增长。在财政科技投入的引导下，全市科技活动经费从2006年的69. 7亿元增加到2010年的130亿元，2010年全市科技活动经费额是2006年的1. 87倍。但与之相关的新产品开发和高新技术产业增长却没有这么快。2010年，全市规上工业高新技术产业产值达到2702. 4亿元，高新技术产业产值占整个规上工业产值比重由2005年的17. 9%增至当前的24. 9%。

宁波工业企业的创新与产出能力较强，全市新产品产值保持了持续增长态势，区域自主创新成果较为明显，申请专利数量大幅增加，但发明专利所占比重不高。2009年，全市工业企业完成新产品产值1143. 39亿元，但从长三角地区城市的比较看，新产品产值处远低于上海4921. 23亿元外，还低于苏州（2243. 17亿元）、无锡（1646. 60亿元）和杭州（1534. 82亿元）；新产品销售收入占主营业务收入的比重为14%，低于上海的21. 4%以及无锡的15. 1%。申请专利数量在长三角地区城市中排名靠前，但是在专利申请中，实用新型和外观设计申请量偏高，而其中的发明专利比例偏低，在长三角地区中心城市中也是排名最后，具体比较结果见表3。

表3　长三角地区中心城市工业产出情况比较

数据来源：第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报，作者整理。

这种局面的形成可能与以下两个原因有关：一是中低技术产业在宁波市产业结构中占有较大比重；二是高新技术产业研发投入不足，拥有自主知识产权的高新技术产品偏少。宁波的高新技术产业还主要停留在价值链的中低端，附加值低，拥有自主知识产权的高新产品数量非常少，导致高新产品技术含量反而不高的现象形成。

三、创新绩效比较

（一）技术创新绩效及其评价方法

数据包络分析（Data Envelopment Analysis，简称DEA），是在“相对效率评价”概念基础上发展起来的一种系统评价方法，不仅可评价同一类型的各决策单元（Decision M aking Units，简称DMU）相对有效性，还能分析各DMU非DEA有效的原因和改进方向。

它的主要特点是不需要具体的技术函数形式。设有k个DMU，每个DMU有m种投入和n种产出，分别用不同的经济指标表示。xij表示第j 个DMU第i种类型的投入总量，xij＞0；Yrj表示第j个DMU对第r种输出的产出量，Yrj＞0；vi表示第i种输入的一种度量（或称“权”），ur表示第r种输出的一种度量（或称“权”），i＝1，2，…，m；j＝1，2，…，n；r＝1，2，…，s。其中，Xij、Yrj为已知数据，vi、ur为变量。对第j个DMU进行效率评价的原始DEA模型为（0≤j≤k）。

DEA方法主要由两大类模型：

一是规模效益不变假设下的CCR模型。CCR模型（以Charnes、Cooper、Rhodes三人名字首母命名的模型）是将多投入多产出的效率均衡转化为数学比例，以线性规划求解有效前沿，求出在固定规模下各个决策单元的相对效率。借用包络（Envelop）的方式把投入与产出映射到超平面中去，找出最高的产出者最低的投入的所谓“有效前沿面”。有效前沿面上的DMU称之为DEA有效，有效前沿面以内的DMU称之为非DEA有效。CCR模型实质上是在效率评价指数不大于1的情况下，求出能使DMU的效率评价指数最大化时的权向量，由于每个决策单元的有效性都是相对于其他决策单元而言的，因此它的效率评价指数是相对有效的，而且可以相互比较。CCR模型是基于规模效益不变（Constant Return to Scale，CRS）的，利用线性规划的方法求出了生产边界，得出的效率是相对整个集合的整体相对效率，是对决策单元的规模有效和技术有效同时进行评价。然而CCR模型的局限性恰恰在于其固定规模效益的假定，有些决策单元的无效是因为本身并不适合规模生产，而不是因为投入产出配置比例的问题。

二是规模效益可变假设下的BCC模型。Banker、Charnes和Cooper将CCR模型修正，并提出规模效益可变（variable returns to scale，VRS）的假设，提出BCC模型。BCC模型是将影响产出的因素按照强度转化为等级分类变量，在DEA模型中按照分类变量对产出的“有利”影响程度将分类变量划分为多个等级，在求解DMU的效率时，不同等级的DMU其参照集不同，被评价DMU的参照集为与其等级相同或低于其等级的DMU。这样做的目的是避免求解效率值时将工作条件较差的DMU与条件较好的DMU进行比较，使相对效率的计算趋于合理。

CCR和BCC这两个模型配合使用，便可评价每个DMU的技术有效性和规模有效性。

本文将DEA模型应用到属于中观层次的区域技术创新系统。而区域技术创新系统也是一个开放的系统，投入的技术创新要素在本区域内经过相应的利用和转化，其成果流出区域，从而形成区域技术创新的输出。对于区域技术创新效率这样一个既有经济效益又有社会效益的系统问题，运用DEA评价模型进行评价，无疑是可取的。

将DEA模型用于区域科技创新资源配置效率的测算和评价的研究有：王雪原、王宏起通过构建科技创新资源配置效率评价指标体系，采用DEA模型对我国31个省市科技创新资源配置过程的技术有效性和规模有效性进行了系统分析，并对投入和产出指标进行了改进和优化。李兰冰运用DEA模型对我国31个省市的区域科技创新综合技术效率、纯技术效率、规模效率进行了系统评价，并利用Tobit模型识别区域科技创新无效率的影响因素，证明了Tobit模型用最大似然估计法估计出的参数是一致估计量。

鉴于DEA模型在评价决策单元的相对有效性时可将总体有效性分解为技术有效性和规模有效性，因此本课题中利用CCR模型和BCC模型对决策单元的有效性及效率值进行系统分析。

DEA模型有多种形式，可是选择哪一种模型要看DMU的实际经济背景和评价目的，要看评价DMU的技术有效性或规模有效性或者是否有决策者对指标的偏好等信息。本文的评价目标是对其我国副省级城市企业技术创新载体的创新绩效进行评价，以分析其发展规模与效益的关系，因此可以选择最基本的两种DEA模型。

（二）指标选取及数据来源

1.指标选取

运用DEA方法进行效率测度时，必须做好投入—产出项的筛选，因为指标的选择及其数量会对研究结果产生显著影响，指标体系的构建是DEA模型构建的重要内容。DMU的数量应为指标总数量的几倍比较合适，本文DMU数量为15个，投入、产出指标共计6个。投入产出指标体系的构建应在考虑指标可得性的基础上，充分体现投入产出的逻辑关系和经济含义。本文通过参考有关文献，遵循可获得性、合理的情况下确保其具有实际意义，最终选定如下指标来衡量科技创新水平：投入指标，包括研发机构数（包括独立研究机构和非独立研究机构）、研发机构研究经费（亿元）、科学研究及技术服务从业人员（万人）；产出指标，包括专利申请数、国家级高新区企业净利润（亿元）、国家级高新区企业出口创汇额（亿元）。

2.数据及来源

本文选择15个副省级城市作为测度对象。在采集数据时，研发机构数、研发机构研究经费、专利申请数主要依据各副省级城市《第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报》；科学研究、技术服务从业人员数来自《中国城市年鉴》（2010）；其他数据来自中华人民共和国科学技术部公布的科技统计公报（见表4）。由于各投入、产出指标的量纲不同，各指标不具有可比性，因此不能直接用原始数据进行综合分析，就先对数据进行无量纲化处理，以解决各指标不可比的问题。由于计算结果的精确性会受计算方法的影响，因此本文运用均值标准化法对原始数据进行标准化处理。

表4　副省级城市技术创新载体投入产出情况（2009年）

续表

数据来源：各副省级城市《第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报》；《中国城市年鉴》（2010）；中华人民共和国科学技术部科技统计公报。

（三）分析结果

利用DEA中的CCR模型和BCC模型对2009年15个副省级城市的指标进行测算，分别用总体效率值、技术效率值和规模效率值来量化决策单元的总体有效性、技术有效性和规模有效性。由CCR模型计算得到总体效率值（TE），由BCC模型得到技术效率值（PTE），由总体效率值＝技术效率值×规模效率值（TE＝PTE×SE）得到各市的规模效率值（SE）。应用Maxdea软件求解得到2009年15个副省级城市技术创新载体绩效的总体效率值、技术效率值、规模效率值。本文使用DEA软件Maxdea计算了2009年的数据，对计算结果进行了整理并根据规模效率值来评价规模效益变动方向，发现2009年15个副省级城市存在一定程度的技术相对无效和规模相对无效，具体见表5。

以上15个城市的创新效率均为相对值，而非绝对值。该结果只能在这15个城市中进行相互比较，不能认为综合DEA值为1的行业已经达到最优效率。

表5　15个副省级城市技术创新载体创新效率的DEA值

数据来源：作者计算。

上述投入绩效评估研究表明，我国15个副省级城市科技创新载体创新资源投入效率水平高低不一，经济发达、科技发展水平高并不等同于其创新投入效率高，经济落后、科技发展水平低也不等同于财政科技投入效率低，财政科技投入效率的发挥要结合各市自身的条件，如固定资本存量、科技人员、科技投入水平等。从模型计算结果来看，宁波科技创新载体发展基础还比较薄弱，总的来说，相对于深圳、大连等城市，宁波高投入、低产出，创新效率低，技术创新机构规模效益递减，其总体创新效率不容乐观。总体效率在全国15个副省级城市中排名第12位。另外根据上海市社科院2011年4月发布的泛长三角区域经济发展报告显示，泛长三角七大城市科技创新综合能力排序为杭州、苏州、上海、南京、合肥、宁波、南昌。这些结果均表明，宁波市科技创新载体总体创新能力亟待提高。

这些数据反映了这样一个问题：虽然国家、企业和科研机构对科技创新日益重视、不断加大资金投入、科技成果加速涌现，但是宁波的研发效率并没有得到改善。这说明一味地强调科技投入并不能带来工业产出和经济收益的加速提高，效率降低主要产生于以下两个环节：一是从技术到产品，这是促使技术从无形到有形的环节。这一环节缺乏效率，一方面，因为我国鼓励和奖励科技创新，因而生产了大量的“虚假创新”、“荣誉创新”和“重复创新”，技术实用性不强，与产业脱节而无法引入工业生产；另一方面，即使技术具有可用性，但使用新技术成本高，存在一定风险，需要引进配套设施和人才，因而企业缺乏动力。因此，虽然科技成果数目增多，但是可转化的科技成果却占少数。二是从产品到市场，这是产生经济效益的环节。这一环节缺乏效率主要由于虽然制造出了新产品，但是新产品可能由于技术不成熟而不被消费者认可，价格过高而导致消费者不能接受，市场推广不利导致未被公众获知，以及技术超前而无配套设施支持等原因无法打开市场。这些因素限制了生产规模的扩大化，最终导致经济收益不高。宁波通过加强资金、项目管理，提升研发投入效率水平的空间较大。

参考文献

[1]第二次全国R＆D资源清查领导小组办公室，第二次全国科学研究与试验发展（R＆D）资源清查主要数据公报1—4号.2010年11月.

[2]吴文江，数据包络分析及其应用，北京：中国统计出版社，2008.

[3]仲为国，彭纪生，孙文祥.政策测量、政策协同与经济绩效——基于创新政策的实证研究（1978—2006），南方经济，2008（7）.

[4]唐晓云.中国中小企业创新政策的分析——基于1997—2008年样本，科学学研究，2011（12）.

[5] Freeman C.Networks of Innovators.Research Policy.1991，20（6）.

作者单位：浙江万里学院

【注释】

[1]基金项目：浙江省科技厅软科学项目2012C35001，宁波市科技局软科学项目2012A10006。

[2]数据来源：宁波市科学研究与试验发展（R＆D）资源清查主要数据公报，下同。