技术测度范文
技术测度范文（精选9篇）
技术测度 第1篇
高技术产业是知识密集和技术密集的产业, 是代表一个国家综合国力和整体竞争力的重要先导产业, 是一个国家国民经济和社会发展最重要的新增长点, 高技术产业发展的状态与水平在很大程度上影响着国民经济与社会的发展。自上世纪九十年代以来, 发展拥有自主知识产权的高新技术和高新技术产业, 已成为国家综合国力竞争的焦点。从世界各国的发展经验看, 高技术产业的发展对整体经济的带动作用较为明显。资料表明, 19962000年, 美国经济增长中高技术的贡献率占46%。正是由于高技术产业具有高成长性、高收益性、高渗透性和高扩散性, 各国在促进经济增长中都优先将高技术产业的发展作为发展战略的重要组成部分。高新技术产业发展的关键在于要拥有主导性的创新技术、优势技术及其产业化前景。目前对高新技术产业的研究主要集中在制度、政策环境、创新能力评价等方面, 而对高新技术产业自有技术成份定量研究还未见涉及。笔者认为, 基于自有技术角度研究高新技术产业的发展, 对于客观准确评价我国高新技术产业的知识产权及其对经济增长贡献率状况非常必要。
2 自有技术概念的内涵
2.1 自有技术概念引入
随着技术创新在经济发展中作用的凸显, 创新技术的产权和收益问题成为创新技术发展的一个重要问题。拥有创新技术的主导性产权, 也就拥有了创新技术的支配权和收益权。
自有技术并非是一个全新的概念, 多年来一直有学者在发表的学术论文中使用, 如:中国科技促进发展研究中心研究员柳卸林发表的《技术轨道和自主创新》 (《中国科技论坛》, 1997, 2) 、上海交通大学教授陆蓓发表的《技术贸易中的引进和创新》 (《上海交通大学学报》, 2001, 1) 、浙江大学教授陈劲发表的《技术超学习研究》 (《研究发展管理》, 2006, 6) 、广东工业大学教授张德鹏发表的《零售商自有品牌商品生产的委托代理》 (《系统工程》, 2007, 5) 等文章中都使用了自有技术这一概念。虽然自有技术的概念早已使用, 但其内涵却一直没有准确界定。
2.2 自有技术概念及内涵
自主创新作为创新的一种形式, 其核心是创新主体对创新成果拥有的主导性权利。笔者认为, 自有技术是指创新主体拥有主导性产权和收益权的技术。
这一概念表明创新主体对创新技术的产权与收益分配拥有主导权。主导权是指对创新技术产权和创新技术收益分配的控制力或相对垄断势力要足够大, 能够严重影响竞争对手, 能谋取主要利益和为自己争取主动。没有主导权或丧失主导权的创新不可能争取主动或获取主要创新收益, 也就是说不能称之为自主创新, 由此产生的技术不能界定为自有技术。
从技术创新的三层含义看, 原始创新、集成创新和消化吸收再创新都需要经过从研究开发到产业化和商业化的过程。从创新过程的形式看, 创新可分为独立创新和合作创新, 合作创新又分为国内合作和国际合作。国际合作中, 不论合作形式是外方以技术 (专利) 形式参与合作、或以生产设备形式参与合作、还是以资金投入形式参与合作、以补偿贸易形式参与合作, 以及其它形式的国际合作, 所产生的创新技术属于合作方共同拥有 (如图1) 。
对于一国来说, 创新主体 (企事业单位和个人) 的独立创新、国内创新主体间的合作创新和掌握主导权创新主体的国际合作创新, 所产生的技术都界定为自有技术。对于国际合作、合资形式的创新主体, 须以一方所有者权益大于50%为标准来界定自有技术产权和收益权的主导性。如在我国, 中外合作、合资企业拥有的创新技术是否为自有技术, 衡量标准是以所有者权益中方所占比例是否大于50%为界限, 中方所有者权益比例大于50%, 中方就拥有主导权, 此时的创新技术界定为自有技术。
对于外资独资企业, 如在我国注册的港澳台独资企业和外商独资企业, 由于技术创新产权和技术创新收益的主导权完全由港澳台方和外商主导, 因此, 其创新技术不能成为自有技术。但是通过技术所有权转让 (对于专利技术也就是专利受让) , 创新技术归一方所有, 由受让方拥有主导性的创新技术产权和收益权, 此时的创新技术可界定为自有技术。
3 高新技术产业自有技术成份测度指标的构建
3.1 自有技术的影响因素
根据自有技术的定义可知, 界定自有技术的关键是技术的产权和收益权的主导性问题。
技术的产权可以是技术的专利权、著作权、商标权以及商业秘密。商业秘密是不为公众所知悉, 能为权利人带来经济利益, 具有实用性, 并经权利人采取保密措施的技术信息和经营信息。商业秘密作为对专利制度的补充而出现, 由于它是一种很特殊的权利, 目前国际法规通行的做法是将其划入知识产权领域。商业秘密保护对于高新技术来说是一个重要的补充, 可以弥补版权和专利保护的不足。
对于某些行业或技术领域, 由于技术的特殊性以及专利或版权保护的弱点, 一般采取商业秘密保护的形式。正如美国公司管理学家丹尼斯昂克维克评论说:“当前趋势已十分明显:公司已逐渐放弃了专利方式, 转而采取颁发商业秘密许可证或以商业秘密入股参与合营等方式以换取快速回收自己的经济利益。”此话虽有些言过其实, 但是高新技术企业在确定以何种形式保护自己的技术时必须做出慎重选择。
3.2 评价指标的确定原则
评价结果的客观、公正、科学、有效, 是建立评价指标体系的目标。因此, 高新技术产业自有技术成份评价指标的确定应遵循以下原则:
系统性原则:评价指标应从系统的角度全面综合反映被评价对象的整体情况, 保证评价的全面性和可信度。
客观性原则:评价指标尽可能避免主管因素的加入, 指标含义明确, 选取指标应具有权威性、普适性和代表性。
时效性原则:评价指标应与评价时期的社会经济价值观和发展趋势相适应, 避免不合时宜导致评价结果的偏失。
同质性原则:评价要点应与评估对象的特征相一致, 保证评价的可行性与评估效度。
独立性原则:评价指标间尽可能避免显见的包含、交叉关系, 对隐含的相关关系应选用适当方法予以消除。
可比性原则:指标在概念、内容、范围和口径方面应该具有可以进行比较分析和判断的功能。对被评价对象, 从其自身的动态发展过程、与其它国家 ( 或地区) 的静态比较、以及经济现象内部各方面各因素之间的相互关系等角度进行考察。
可操作性原则:评价指标体系结构尽量简单, 以尽量少的指标反映尽量多的信息, 数据资料便于收集、计算简单、易于操作。
3.3 自有技术成份测度指标的构建
根据上述指标设计原则和实际需要, 对于区域内的高新技术产业或技术领域, 其自有技术占有率和自有技术产业贡献率是测度自有技术成份最重要的两个指标。贡献率可用于分析经济增长中各因素作用大小的程度, 表示某因素的增长量 (程度) 占总增长量 (程度) 的比重。
(1) 自有技术占有率:
该指标用来衡量区域内某行业 (技术领域) 主导权方的企业拥有专利数占该行业 (技术领域) 全部企业拥有的专利数的比例。
由于不同类型专利对产业发展产生的影响力不同, 其中发明专利被公认最具核心竞争力, 因此, 计算时以发明专利数为主, 同时采用专家意见法给出不同类型专利的加权系数, 即:发明专利的系数为0.7, 实用新型与外观设计专利的系数为0.3, 则自有技术占有率的计算公式为:
undefined
St自有技术占有率
IP某行业企业已授权发明专利数
MP某行业企业已授权实用新型专利数
DP某行业企业已授权外观设计专利数
i=1, 2, 3m (某行业中方拥有主导权的m个企业)
j=1, 2, 3n (某行业全部的n个企业)
其中 ij
(2) 自有技术产业贡献率:
该指标用来衡量区域内某行业 (技术领域) 的高新技术中方占主导权的企业工业增加值占该行业 (技术领域) 全部企业工业增加值的比例。自有技术产业贡献率的计算公式为:undefined
Pt自有技术产业贡献率
Ci某行业中方拥有主导权的第i个企业的工业增加值
Cj某行业全部企业中第j个企业的工业增加值
i=1, 2, 3m (某行业中方拥有主导权的m个企业)
j=1, 2, 3n (某行业全部的n企业)
其中 ij
高新技术产业发展状况是反映国家和地区科技发展水平的重要方面, 是制定国家和地方科技发展规划、政策, 进行宏观管理的重要依据之一。定量研究和评价高新技术产业自主创新的一个关键就是自有技术成份问题。本文通过构建自有技术产业占有率和自有技术产业贡献率两个指标, 以期能够较为准确地测度区域内高新技术产业中各行业或技术领域的自有技术成份, 为高新技术产业发展制定相关政策提供科学依据。
参考文献
[1]陈传夫.高新技术与知识产权法[M].湖北:武汉大学出版社, 2001:11, 128, 256.
[2]宋河发, 穆荣平, 任中保.自主创新及创新自主性测度研究[J].中国软科学, 2006 (6) :60-66.
技术测度 第2篇
[关键词]工程机械；技术创新；创新能力；创新评价
[中图分类号]F407.42 [文献标识码]A [文章编号] 1673-0461（2012）10-0025-06
一、产业技术创新的发展概况
工程机械，是指土方工程、石方工程、流动起重装卸工程、人货升降输送工程和各种建筑工程的综合机械化施工以及同上述工程相关的工业生产过程机械化作业所必需的机械设备。因为与全球经济状况、基础建设投资及各国政府的财政政策密切相关，所以工程机械被视为与人类生活共存的“日不落”产业。
上世纪90年代以来，中国工程机械面临外资品牌在国内市场的争夺，从产业发展方面“围剿”国企的行为时有发生，至2006年，在华的外商合资、独资企业已达169家。为此，行业内重点骨干企业都开始注重自主创新，每年有80个左右新产品、新技术问世，其中每年有10个左右项目获中国机械工业科学技术奖；2007年有3项技术获得国家科学技术创新奖。主要生产企业每年投入的创新研发费用占到销售额的3%～5%，有少数企业达到5%～7%，基本具备了各类主机产品的自主开发能力，为中国工程机械开拓国际市场起到了技术支持和保障作用。目前工程机械行业已有22家企业成为上市公司，募集资金后使其中80%以上的企業得到了快速发展，取得了良好的上市业绩。
二、产业创新能力研究综述
1.工程机械企业技术创新能力研究综述
自从熊彼特（J.A.Shumpeter）于1912年在其著作《经济发展理论》中最早提出“创新”一词以来，各国学者对技术创新开展了涉及技术创新的内涵、主体、源泉、动力、评价指标、效益等各个方面的研究。韦尔斯巴根（Verspangen，2000）[1]、科肯（Cohen，2002）[2]等分别研究了美日等发达国家制造业的研发溢出、专利和创新绩效，并进行了实证分析；张君祺、吴学松（2004）从战略、研发机构、科技人才观、企业文化建设和自主知识产权等方面阐述了三一与徐工的创新体系以及它们的创新能力；[3]沈江、王君（2007）从技术创新源作用力、作用载体和技术创新作用效果三个方面构建了基于工程机械企业技术创新能力的ECE理论模型以及技术创新作用效果评价体系；[4]黄宝中、唐婧鑫、黄岚（2009）从龙头企业培育、自主品牌、知识产权战略、健全技术创新体系等方面分析了广西工程机械行业自主创新能力的战略性问题；[5]王玉等（2005）利用数据包络分析法对长江三角洲地区装备制造业54个子行业的资源配置状态进行了实证分析；[6]吴坡（2008）从企业家精神、资源基础和制度创新等三个方面探讨了中国工程机械产业技术创新水平提高的实现。[7]
2.工程机械企业技术创新能力评价指标与方法研究综述
傅家骥等（1998）以创新资源投入能力、创新管理能力、创新倾向、研发能力、制造能力及营销能力等6个指标作为企业技术创新能力评价指标；[8]彭中文，何新城（2009）从技术创新的投入、产出和实现等三个方面对湖面装备制造业技术创新的绩效和竞争力进行了研究；[9]黄鲁成（2006）提出将R&D总支出、直接R&D总人员、专利数和新产品销售占比等4个指标作为技术创新能力评价指标；[10]李廉水、周勇（2005）分析了制造业技术创新能力的评价指标体系，并对长三角地区的技术创新能力进行了实证分析；[11]孙晴晴（2011）从主体要素、技术创新要求、环境要素、管理和制度要素、创新集群绩效等五个方面研究了工程机械创新集群能力的综合评价。[12]
综合以上研究可以发现，有较多的学者关注装备制造或者工程机械企业的技术创新能力及其评价问题的研究。本文将着重从创新投入和创新产出两个直接反映技术创新活动核心内容的方面选择相关指标，利用科学的统计分析模型对中国工程机械企业的技术创新能力进行评价。
三、技术创新能力评价模型与指标选择
1.技术创新能力评价模型
为全面系统分析某些社会经济问题，人们往往采用多指标综合评估，即多个相关的指标元素构成一个指标体系，根据各指标重要性的高低给各指标赋予不同的权数，通过加权计算，得出整个指标体系的数量化结果。这种方法是有其科学性的。但是，在应用这种方法时有两个问题值得注意：一是指标的选择，要全面、有用、相对集中；二是权数的确定，往往具有较大的主观性。主成分分析法是解决上述问题的理想工具，这种方法是通过计算各个候选指标在各个样本之间的相对差距，以此作为指标选择的依据，将各个样本之间具有相对较大差距的那些指标抽取出来，作为构建综合评估指标体系的元素，而排除样本之间差距不大的那些指标加，从而构建一个综合评价函数：
F=A1×F1+A2×F2+…Ai×Fi+…+Am×Fm，（i=1，2，…，m）其中Ai是综合因子Fi的权数，它是根据Fi的贡献率确定的，即Fi的方差占全部总方差的比重确定的。这样，即排除了在指标选择和权数确定时的主观因素影响，又可消除指标间相互重叠的信息影响，使定量分析涉及的变量较少，得到的信息量较多，从而更易抓住主要矛盾，使综合评价结果唯一、客观、合理。
反映技术创新能力的指标有很多，因此必须采用多指标综合分析衡量。而创新能力的评价与分析工具也有很多，由于主成分分析的以上优点，加之主成分分析是一种实用的多元统计分析方法，能消除样本指标之间的相关性，在保持样本主要信息的前提下，提取少量具有代表性的主成分。因此，近年来，主成分分析在多指标评价上得到越来越广泛的应用。本文也将采用主成分分析方法对中国工程机械产业技术创新能力加以评价。
2.技术创新能力评价的指标选择
本文认为，技术创新的投入和产出是直接反映企业技术创新能力最直接的两个方面。其中的技术创新投入指标反映了技术创新能力形成的基础及实现的可能性，而技术创新产出指标反映了技术创新能力的效果或效率以及对企业经营活动产生的影响。根据评价指标选择应当遵循的科学性、客观性、系统性和可操作性的基本原则（陈晓慧，2002），[13]本文将选取总资产、技术人员数量、高学历人员数量和研发费用来测度技术创新投入，选择专利数、营业收入、每股净资产和净利润来没度技术创新产出。从而形成了包括2个一级指标和8个二级指标的技术创新能力测试体系，如表1所示。
以上指标的数据收集，除了专利数据可通过专利检索获取之外，其他数据都要另行收集。因此，为了保证数据收集的可能性，本文将从中国工程机械领域的上市公司中选择样本企业，然后从它们公开的年报中收集相关指标数据。对于专利数据，本文主要通过“上海知识产权（专利信息）公共服务平台”①和“Innography专利信息检索分析平台”②进行专利检索，并对检索结果进行相互检验。
此外，专利制度是创新成果的重要保护途径，专利统计是反映技术创新产出的重要指标。在本文所构建的技术创新能力评价模型当中，专利数据也是主要指标之一。因此，在样本企业的选择过程中，本文不包括那些没有专利活动的工程机械企业。但是，即便如此，本文肯定这些企业在中国工程机械领域的市场竞争力和影响力。
通过SPSS11.5，将中国工程机械产业技术创新各个指标原始数据进行标准化处理，使数据无量纲化，消除因数据类型的不同而产生的分析误差（如表2所示）。而表3而则反映了中国工程机械技术创新指标的最大值、最小值、中位数和标准差，如果结合企业信息，则可以得知各企业在各指标中所处的位置。对此，论文不再深入分析。
表4是相关系数矩阵，从表中可以看出，技术人员数量、高学历人员数量、专利数量、营业收入和净利润等五个指标相关系数都较大，表明这些指标之间的相关性较强，存在着极其显著的关系，也证明他们之间存在较多的信息重叠。此外，总资产与这些指标之间也存在着一定的相关性，它们之间有一定量的信息重叠。而以上指标与研发费用和每投净资产的相关系较弱，表明它们之间有没太多的重疊信息，此反映了研发支出对于中国工程机械领域创新活动的影响并不突出，而资本市场上的价格也没有对中国工程机械的技术创新产生明显的影响。
四、模型分析
主成分个数的提取原则为主成分对应的特征值大于1的前m个主成分。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的角度力度还不如直接引入一个原变量的平均解释力度大。因此，本文用特征值大于1作为纳入标准。
通过表5方差分解主成分提取分析表可以看出，本文所选取的中国工程机械技术创新的各个指标，通过SPSS软件运算后，提取了2个主成分，即m=2。而且从表中还可以看出，所提取的两个因子的特征值占方差百分数及其累加值。这2个因子所解释的方差占整个方差的93.174%，能比较全面地反映所有信息。
从表6中的初始因子载荷可知，专利数、技术人员数量、高学历人员数量、总资产、营业收入和净资产等六个指标在第一主成分（即因子1，F1）上有较高的载荷，同时也说明了第一主成分主要反映了这些指标的信息；而研发费用和每股净资产等两个指标在第二主成分（即因子2，F2）上有较高的载荷，同样也说明了第二主成分主要反映了这两个指标的信息。所以，提取两个主成分可以基本反映全部指标的信息，因此可以用这两个新的变量来代替原来的8个变量。
而值得注意的是，表6（主成分载荷矩阵）中所列的是初始因子载荷矩阵（Component Matrix），其中的每一个载荷量表示主成分与对应变量的相关系数，但它们还不是主成分模型的特征向量。而主成分模型的特征向量是主成分初始载荷矩阵中的相应数据除以主成分相对应的特征值开平方根，便得到两个主成分中每个指标所对应的特征向量，如表7所示。
得到特征向量后，将其与表1的标准化后的数据相乘，即可以如下得到主成分表达式：
F1=0.381*ZX11+0.412*ZX12+0.405*ZX13+0.132*ZX14
+0.373*ZX21 +0.424*ZX22+0.034*ZX23+0.429*ZX24 （1）
F2=0.091*ZX11-0.152*ZX12-0.232*ZX13+0.657*ZX14
-0.048*ZX21 +0.096*ZX22+0.068*ZX23-0.027*ZX24 （2）
以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型：（5.423； 2.031）
即可得到主成分综合模型：
F=0.302*ZX11+0.259*ZX12+0.232*ZX13+0.275*ZX14
+0.259*ZX21 +0.335*ZX22+0.212*ZX23+0.305*ZX24 （4）
五、评价结果与研究结论
1.评价结果
通过以上评价模型，可以得知样本企业技术创新能力情况，如表8所示。通过表中的数据可知，在F1主成分当中，三一集团的技术创新能力值为4.384，紧随其后的是中联重科，其创新能力值为0.0497，而排名前五的还有徐工科技、柳工和安徽合力。说明这些企业在第一主成分当中具有较强的创新能力，或者说这些企业的技术创新能力在第一主成分当中表现较好；
而在F2主成分当中，柳工以2.939的创新能力值排名第一，紧随其后是徐工科技，排名前五的还有安徽合力、中联重科和山河智能。说明这些企业在以研发和资本市场的技术创新活动指标当中具有较好的表现。
在F综合技术创新能力当中，三一集团以2.685的竞争值排名第一，紧随其后的是中联重科，其竞争值为2.254，而排名前五的还有徐工科技、柳工和安徽合力。此说明这些企业在中国工程机械产业当中，具有较强的技术创新能力，并得到了较多的创新成果。而综合创新能力的排名与F1主成分的创新能力排行相似，说明中国工程机械产业的技术创新能力受F1主成分相关指标的影响较大，企业在F1相关指标中所处的竞争位置，决定了其在技术创新活动的综合创新能力中所处的竞争位置。
2.研究结论
自20世纪80年代以来，随着西方发达国家大规模的基础建设日趋完善，工程机械产品的市场需求增速减缓。而伴随着中国的基础设施建设、城镇化建设、新农村建设的不断深入，现代化物流业的不断发展，可以预测，中国的工程机械将得到更大的发展空间和更多的发展机会。特别是近年来，由于中国工程经济的崛起，再加上全球金融危机的影响，世界工程机械的生产制造和市场需求的格局发生了变化，中国工程机械企业正在成为全球行业增长的主导者，并由过去的跟随者正成长为全球市场的挑战者、变革者，甚至引领者，全球工程机械产业重心呈现出开始向中国转移的迹象。在市场需要的巨大推动力下，如何通过技术创新形成自身的核心竞争力，对于中国工程机械企业而言，具有较战略性的意义。
本文通过总资产、技术人员数量、高学历人员数量、研发费用、专利数、营业收入、每股净资产和净利润等8个与技术创新密切相关的指标，利用主成分分析模型，对中国工程机械产业中的典型企业的技术创新能力进行了评价。通过评价结果得到的研究结论认为：
①技术人员数量、高学历人员数量、营业收入和净利润等指标对企业技术创新能力的影响较大。因此，在今后的企业技术创新活动当中，注意企业的经营绩效和市场表现的同时，也要十分注重人力资源，尤其是创新型人才的积极管理。
②研发经费对于中国工程机械产业的技术创新能力的影响并不显著，这与一般创新理论的基本观点明显相悖。这反映了中国工程机械产业作为传统制造业的重要部分，产业也都比较注重研发，但是研发经费与工程机械产业的投入和利润的成长相比并不明显，整体上也没有相当的比例，因此，在相关企业在今后的发展当中，需要继续加强技术创新和相关经费的投入。
③湖南省作为中国工程机械的重要基地之一，其相关企业在技术创新活动当中具有较强的竞争力。技术创新和专利保护是现代企业发展壮大和参与市场竞争的基本手段，因此，在未来的发展当中，湖南省工程机械产业要加快市场的拓展和发展的同时，要根据自身产品和市场的发展需要，继续加强研发投入，加强创新型人力资源管理，制订和实施合适的专利战略，以保持或进一步提高技术创新和市场的竞争力。
④ 中国工程机械技术创新技术创新能力发展策略，综合以上评价结果和研究结论，本文认为，中国工程机械产业在今后的技术创新活动当中至少应当在以下两个方面的策略应当给予足够的重视和加强：第一，以R&D为内容的技术创新投入策略。已有研究表明，创新能力提高的关键在于研发投入。而对于高技术领域的工程机械而言，更是如此。在不断提高市场占有率和竞争力的同时，要充分利用和结合国家创新政策，加强在新产品、新技术、新性能方面进行创新的经费投入，实施“专家型技术领军人才的稳定，创新型技术人才的培养”的技术创新团队发展策略，从而为中国工程机械产业技术创新能力的提高奠定足够稳定和可靠的智力基础。第二，以专利为核心的技术创新保护策略。专利和技术秘密是技术创新成果提供法律保护的重要途径。专利制度的本质是“以公开换取垄断”，在知识经济背景下的市场竞争，专利已经成为企业开拓市场和参与技术竞争的重要武器。而对于工程机械这一传统技术领域而言，专利保护的价值和意义更加凸现。当前我国已经颁布实施《国家知识产权战略纲要》，并提出要建设创新型国家，这些都将为中国工程机械制订和实施专利战略提供了良好的创新环境，而通过适用有效的专利发展策略将为中国工程机械产业的发展提供新的发展动力。第三，以技术互补为关键的协同创新发展策略。截止2008年，中国工程机械产业（包括电梯产业）生产企业2，000个，企业集团10多个，国家级技术中心12个，国家创新型试点企业7个，年销售额超过100亿元的企业集团6家，外商合资、独资企业100多家，并形成了徐州、常州、厦门、长沙、济宁和柳州六大生产基地。协同发展是社会分工环境下产业/企业实现发展的关键途径。在全球性金融危机的冲击下，中国工程机械产业如何解困，又如何应对外资工程机械企业所带来的技术、资本和市场的竞争，其中有效的策略即是要实现中国工程机械产业的“产业内部的协同、产业 -- --高校的協同、区域的协同”，以此实现错位发展，优化区域布局，形成优势互补、结构合理和各具特色的产业协调发展格局，从而从整体上提高产业的技术创新能力。
[注 释]
① 详见上海知识产权（专利信息）公共服务平台：http：//www.shanghaiip.cn/wasWeb/index.jsp，检索日期：2011-07-25.
② 详见Innography专利信息检索分析平台：http：// innography.com/，检索日期：2011-07-25.
[参考文献]
[1] Los B， B Verspagen. R&D， Patent and Productivity： Evidence from U. S. Manufacturing Industry [J]. Empirical Economics， 2000（25）： 127-148.
[2] Cohen W M， Akira Goto. R&D Spillovers， Patents and the Incentives to Innovate in Japan and the United States[J]. Research Policy， 2002（31）： 1349-1367.
[3] 张君祺，吴学松.徐工与三一创新体系的比较——兼论提升工程机械企业创新能力[J].建筑机械化，2004（1）：46-50.
[4] 沈 江，王 君.基于场分析的ECE模型在工程机械技术创新评价中的应用[J].工程机械，2007（6）：56-60.
[5] 黄宝中，唐婧鑫，黄岚.广西加强工程机械行业自主创新能力的战略思考[J].科学与管理，2009（3）：73-75.
[6] 王 玉，孙 慧，吴昌南.长江三角洲装备制造业产业区带实证研究[J].财经研究，2005（9）：61-78.
[7] 吴坡.我国工程机械产业发展环境与技术创新问题研究[J].价格理论与实践，2008（12）：80-81.
[8] 傅家骥，等.技术创新学[M ].北京：清华大学出版社，1998.
[9] 彭中文，何新城.湖南装备制造业技术创新绩效及其竞争力研究[J].湘潭大学学报（哲学社会科学版），2009（2）：39-43.
[10] 黄鲁成，张红彩.北京制造业行业的技术创新效率评价[J].研究与发展管理，2006 （6）：54-58.
[11] 李廉水，周 勇.制造业技术创新评价与比较研究——以长三角为例[J]. 科学学与科学技术管理，2005 （3）：38-42.
[12] 孙晴晴.工程机械创新集群创新能力综合评价研究[D].硕士论文，收藏地点：长沙理工大学，2011.
[13] 陈晓慧.企业技术创新能力的模糊综合评价[J].科技进步与对策，2002（5）：127-129.
A Study on the Measurement of Technological Innovation Capability
of Engineering Machinery Listed Enterprises in China
Qiu Honghua ，Zhao Yong ，Liu Xiaoli
（School of Intellectual Property， Xiangtan University， Center for Patent Analysis and Evaluation of Hunan Province， Xiangtan 411105，China）
Abstract： This paper starts with the elaboration of the development status of technical innovation of China's construction machinery industry and then reviews the existing studies of the industrial technology innovation ability， constructs an evaluation index system for the technological innovation capability of engineering machinery enterprises. It also， by using principal component analysis model， evaluates the technological innovation capability of Chinese construction machinery enterprises， followed by strategic recommendations for enterprises to improve their innovation capability.
Key words： engineering machinery； technological innovation； innovative capability； innovative evaluation
技术测度 第3篇
关键词：高技术产业,过程,两阶段DEA,效率
引言
产业技术创新能力是指采用先进的科学技术和手段开发新产品、新工艺使其形成经济效益, 推动产业发展的能力。高技术产业自主创新能力的内涵包含三层含义: (1) 利用科学技术成果, 实现科技进步的基础, 即指人力资本和物质资本方面拥有先进生产要素的情况; (2) 开展自主创新、实现科技进步, 提高高技术产业自主创新能力的情况, 亦即依靠“科技创新、技术进步”参与竞争的行为表现; (3) 高技术产业自主创新能力的最终标志是该产业所具有的开拓市场、占据市场并以此获得利润的能力。
目前关于高技术产业技术创新效率评价的文献有:薛娜、赵曙东 (2007) 以江苏省为例, 对五大高技术产业创新效率和规模收益做了评价和比较[1];龙勇、纪晓峰 (2005) 利用DEA分析的C2R模型和C2GS2模型对高技术产业1995～2002逐年的技术效率和规模效益情况进行了实证分析, 尽管在我国高技术产业技术效率是最佳的, 但是和欧美国家比较, 还存在很大差距[2];官建成、何颖 (2005) 应用两阶段模型, 以专利作为中间产品, 将区域创新活动分为技术产出阶段和经济产出阶段以及二者的综合阶段, 并运用DEA方法中的模型, 分别对创新活动的技术有效性、经济有效性以及综合有效性进行评价[3];叶蓁 (2006) 基于非参数的Malmquist指数方法对我国高技术产业各行业技术效率进行了实证分析[4];郑坚、丁云龙 (2007) 根据创新投入要素和产出成果的不同形式, 将高技术产业技术创新过程划分为技术产出阶段和技术转化阶段。根据每个阶段投入产出指标分别用于测算技术开发效率和技术产出效率, 为高技术产业技术创新效率评价提供了新的思路[5]。张倩男, 赵玉林 (2007) 构建了高技术产业技术创新能力的评价指标体系, 对高技术产业的技术创新能力进行了实证分析, 得出高技术产业各部门的技术创新能力存在着明显的差异, 并针对这些差异性提出了相应的对策[6]。黄永兴, 张国庆 (2007) 运用因子分析定权法测算安徽省高技术产业的技术创新效率, 结果发现技术含量相对较高的产业其技术创新效率较低, 而技术含量相对较低的产业其技术创新效率反而较高。这说明安徽高技术产业走技术创新之路仅处于起步阶段, 而市场环境是影响安徽技术创新效率的重要因素[8]。
1 测度指标
1.1 技术产出阶段测度指标
1.1.1 投入指标
技术产出阶段是技术创新的第一阶段, 在这阶段我们重点分析科技投入与科技产出的效率, 所使用的投入指标包括衡量创新活动的人力和财力投入的指标, 在人力方面, 主要考察R&D人员投入情况, 衡量R&D人员投入的指标主要有两类, 即反映研发人员投入数量的指标和反映研发人员素质的指标。度量R&D人员投入数量的指标有R&D人员折合全时当量;度量R&D人员素质的指标可用科学家和工程师人数在科技活动人员数量中所占比重来表示, 科学家和工程师人数所占的比值越高, 说明研发人员科技水平越高, 其人员素质越高。
在财力方面, 主要选取资金投入数量的指标, 包括R&D经费内部支出、技术引进经费支出等指标。技术创新投入反映的是产业在特定时期内投资于创新活动的资源总量。本文所研究的技术创新效率是高技术产业在投入一定的资源要素之后, 所取得的效果和表现出的经济收益。
1.1.2 产出指标
技术开发阶段的产出包括专利和非专利产品。因为不同产业、不同地区、不同时期的专利倾向不同, 不同行业和公司究竟是采取专利还是商业秘密来保护创新成果, 要看哪一种方式更能够有效防止竞争者模仿, 哪一种方式带来的利益更大, 所以专利作为创新产出的指标具有其局限性。但由于专利数据易于获得, 同时专利和技术创新关系密切, 并且专利标准客观、变化缓慢, 所以专利不失为作为测量技术创新产出的相当可靠的指标。为了对高技术产业技术创新效率测度的定量性, 本文在这一阶段只研究专利产品的产出, 主要通过专利申请数进行测度。
1.2 技术转化阶段测度指标
1.2.1 投入指标
这个阶段是整个技术创新过程的第二个子阶段, 此阶段的投入是第一阶段的产出。同时, 此阶段还要包括第一阶段输入的剩余部分。因此, 第一阶段的产出指标和第一阶段的剩余输入指标作为此阶段的投入指标。通过以上的分析, 此阶段的技术投入指标即创新活动的中间产出专利产品:各地区发明专利申请量, 科学家和工程师占科技活动人员比重、R&D活动人员全时当量、R&D经费内部支出、技术引进支出。
1.2.2 产出指标
本文采用一些经济指标来作为技术转化阶段的产出指标, 同时也是技术创新整个过程的产出指标。产出指标的直接体现就是在收益方面, 即该产业技术创新所带来的经济效益, 这些经济指标通过新产品收益来测度, 因此新产品的经济收益是一个重要指标, 主要体现在新产品销售收入。除了收益性产出之外, 技术转化阶段的另一个产出是竞争性产出, 主要用出口交货值占销售收入的比重来进行测度。
整个技术创新过程的投入产出指标如下表所示:
2 我国高技术产业技术创新效率测度模型
高技术产业中有n个行业 (本文中, n=13) , 每个高技术行业有m种生产要素投入和s种产出。Xj= (x1j, x2j, , xmj) T, j=1, n和Yj= (y1j, y2j, , ysj) T, j=1, n, 分别表示第j个高技术行业的创新投入和产出向量。则第j个高技术产业的创新效率用分式规划可表示为:
undefined
(1)
式 (1) 中, v和u分别为输入输出权向量, 其中xij表示第i种输入的投入量, xij>0;yrj表示第r种输出的产出量, yij>0;vi表示第i种输入的权;ur表示第r种输出的权, i=1, 2, , m, j=1, 2, , n, r=1, 2, , s。求出v和u, 就可以求出相应的创新效率值。
由于该分式规划模型不利于求解, 因此将其进行线性变换, 令
undefined, μ=tu, (2)
分式规划模型 (1) 可转化为:
undefined
(3)
式 (3) 中, θ (0θ1) 表示第j个高技术行业的创新效率评价值;S-j为第j个高技术行业创新投入指标的松弛变量, 表示投入冗余;S+j为第j个高技术行业创新产出指标的松弛变量, 表示产出不足;λj为第j个高技术行业的决策变量。当θ=1, S-j=S+j=0时为DEA有效, 当θ=1且S-j≠0或S+j≠0时为弱DEA有效, 此时减少投入S-j亦可达到产出Yj0, 或者保持投入Xj0不变可增加S+j的产出;当θ<1时为DEA无效, 可以将投入变量调整到undefined时, 产出变量相应调整为undefined, 使非DEA有效的决策单元满足DEA的有效性。当δ=0时, 规划为CCR模型;当δ=1时, 规划为C2GS2模型。
基于过程角度, 采用两阶段DEA模型对高技术产业技术创新效率进行测度, 本文认为高技术产业的技术创新过程是由两个子阶段构成的, 整个过程用m个投入Xik, i=1, , m来生产S个产出Yrk, r=1, , s。与传统的一阶段生产过程不同的是, 这个由两个子阶段构成的生产过程有q个中间产品Zpk, p=1, , q这个中间产品Zpk是第一阶段的产出, 同时也是第二阶段的投入。
在测度高技术产业技术效率的过程中, 我们会发现这样一个问题, 就是第二个阶段的输入不只是第一个阶段的输出, 同时, 第一阶段的输入也可能是第二阶段的输入。这种关系我们可以用图来形象的说明:
αi为第i种输入第一阶段的投入量比例, 0α1, i=1, , m, ui为第i种输入的一种度量值, vr, wp分别为第r种输出和第p种输出的一种度量值。其中, i=1, , m, p=1, , q, r=1, , s。同时, 由于前后两个阶段是不独立的, 我们要考虑到第一阶段相对于第二阶段的权重a, 0a1。
记Xj= (x1j, , xmj) T, Yj= (y1j, , ysj) T, Zj= (z1j, , zqj) T, α= (α1, , αm) T, U= (u1, , um) T, V= (v1, , vs) T, W= (w1, , wq) T。这里Xj, Yj, Zj分别为DMUj的输入向量, 最终输出向量和中间输出向量, 其中, 中间输出量由第一阶段的输出向量及第二阶段的部分输入向量组成, 均为已知数据。a为第一阶段相对于第二阶段的权重向量, 可以由历史资料或实际统计的数据得到。
对决策单元DMUj来说, 输入Xj被分成了两部分, 第一阶段的输入为αXj, 剩下的 (e-α) Xj第二阶段的一部分输入, e= (1, , 1) T。首先, 我们来考虑第一个阶段的效率, 由于权向量U∈Em和W∈Eq, 决策单元DMUj0在第一阶段的效率评价指数为undefined, 在考虑第二阶段, 由于权向量U∈Em, W∈Eq和V∈Es, 则决策单元DMUj0在第二阶段的效率评价指数为undefined, 其中, UT ( (e-α) X0+WTZ0) 为第二阶段的总输入。建立分式规划模型为:
undefined
(4)
对模型 (3-10) 进行分时变换, 令undefined, undefined, μ1=t1U, μ2=t2U, ω1=t1W, ω2=t2W, θ2=t2W, 则有undefined。
通过变形和化简, 得到模型:
undefined
(5)
3 样本及数据来源
按照OECD及中国高技术产业统一分类法, 我国的高技术产业共分为五大类, 它们分别是医药制造业、航空航天制造业、电子及通信设备制造业、电子计算机及办公设备制造业和医疗设备及仪器仪表制造业。这五大类产业又进一步细分为17个行业, 具体如下:医药制造业包括化学药品制造业、中药材及中成药加工制造业、生物制品制造业;航空航天制造业包括飞机制造业及修理业和航天器制造业两个部门;电子及通信设备制造业包括通信设备制造业、雷达及配套设备制造业、广播电视制造业、电子器件制造业、电子元件制造业、家用视听设备制造业和其他电子设备制造业;电子计算机及办公设备制造业包括电子计算机整机制造业、电子计算机外部设备制造业和办公设备制造业;医疗设备及仪器仪表制造业包括医疗设备及器械制造业和仪器仪表制造业。数据的筛选和测度在这17个行业中进行, 其数据均来源于《中国高技术产业统计年鉴》 (2005～2007) 。
在收集数据的过程中, 有些行业的数据出现中间年份的缺失情况, 对于这种情况, 我们利用插值法计算新的数据来代替它所缺失的数据, 即取前后两年的数据的平均值来作为当年的数据。例如:2004年, 航天器制造业的技术引进经费内部支出项缺失, 我们用2003年和2005年的平均值来代替。
4 我国高技术产业技术创新效率测度结果及分析
我们采用LINGO软件来计算我国高技术产业各行业的总效率 (以2007年数据为例) , 所得效率值见表2, 其中, 行业1～17依次为:化学药品制造业、中药材及中成药加工制造业、生物制品制造业、飞机制造业及修理业和航天器制造业、通信设备制造业、雷达及配套设备制造业、广播电视制造业、电子器件制造业、电子元件制造业、家用视听设备制造业、其他电子设备制造业、电子计算机整机制造业、电子计算机外部设备制造业、办公设备制造业、医疗设备及器械制造业和仪器仪表制造业。
其中, 第一列为总效率, 同时考虑了两个阶段的效率, 即模型 (5) 的效率;第二列技术开发效率, 即第一阶段效率;第三列技术转化效率, 即第二阶段效率。最后四列α1、α2、α3、α4分别表示第一阶段相对于第二阶段科学家和工程师占科技活动人员比重、R&D活动人员全时当量、R&D经费内部支出、技术引进支出的比例, 从模型 (5) 直接可计算得undefined。我们观察到, 大多数的α分量都是0或者1, 说明部分输入变量仍然未分解。
通过这种计算, 我们可以得到1999～2007年各个高技术产业的技术创新效率, 并进一步计算近9年来各高技术产业的技术创新平均效率, 所得结果见表3:
技术创新效率最高的是电子及通信设备制造业中的家用视听设备制造业, 效率值为1.00000, 为DEA技术有效, 在所有的行业中独占鳌头。效率排名2～5的是通信设备制造业、医疗设备及器械制造业、电子计算机整机制造、电子计算机外部设备制造、广播电视设备制造业, 效率值分别为:0.996981、0.982989、0.938670、0.894913和0.863812。最低的是航空航天器制造业中的航天器制造业, 效率值仅为0.249492, 飞机制造及修理行业的效率为0.520719, 排名倒数第二, 这两个行业的技术创新效率与其他行业相比, 高低落差非常大。我们可以看出, 技术创新效率较高的行业都集中在电子通信设备制造业和电子计算机级办公设备制造业。而技术创新效率低下的则是航空航天器制造业。出现这种情况的原因就是技术含量低的制造业行业, 如:家用视听设备制造业和通信设备制造业, 对技术创新投入的要求较低, 产品创新度不高, 多是改进型的产品创新, 创新模式也多是模仿创新, 这就使得该类型产业技术开发周期相对短, 产品相对容易地被市场接受, 因此技术创新效率相对较高。而技术含量相对高的产业, 如:航天器制造业和飞机制造及修理行业, 对技术创新投入的要求相对很高, 产品的创新程度相对高, 多是全新型的产品创新。这就使得该类型产业技术开发周期相对长, 导致技术开发效率低下, 且市场对产品的接受也需要相对较长的时间, 因此技术创新综合效率相对较低。
通过图2, 我们可以直观的看出3个阶段的效率情况, 第一阶段的技术有效性大于第二阶段技术有效性的行业有:化学药品制造业、中药材及中成药加工业、通信设备制造业、医疗设备及仪器仪表制造业、仪器仪表制造业。除此以外的其他高技术产业都是第二阶段的技术效率要高于第一阶段, 这表明大部分行业对技术创新经费的使用效率并不高, 经费的投入并没有得到应有数量的产出。而文献[3]的结论是第一阶段的有效单元比第二阶段的要多, 这是由于文献[3]所选的决策单元不是以行业为单位, 而是以地区为单位, 并且, 文献[3]没有考虑到是第二个阶段的输入不只是第一个阶段的输出, 因为第一阶段的输入也可能是第二阶段的输入。
5 相关政策建议
以上鉴于两阶段DEA的高技术产业技术创新效率测度及分析, 我们可以清楚的了解到我国高技术产业发展的现状和存在的问题, 本文提出以下对策建议:
5.1 加快建设以企业为主题的技术创新体系建设
要加大对企业技术创新基础设施建设, 增加对企业研究开发的投入, 加快确立以企业特别是行业龙头企业为主导的技术创新体系。实施大企业战略和中小高技术企业创业工程, 促进科技要素向企业转移, 推动形成一批具有国际竞争力的大型龙头高技术企业;实施高技术企业创业工程, 通过体制创新、拓宽融资渠道、加强政府服务和政策支持等措施营造创业氛围, 鼓励和吸引海内外各类投资者在大陆创办特色强、创新能力高的中小高技术企业;促进具有市场竞争力的大型企业之间、技术创新型中小企业之间以及大型企业与中小企业之间建立良好的协作关系。
5.2 大力推进产业技术创新体系建设
可借鉴日本、韩国微电子产业发展的经验, 选择若干重点技术领域, 制定明确的目标, 各级财政应当继续加大对基础研究、高新技术研究和其他竞争前技术开发的支持, 特别要引导和鼓励企业增加科研投入, 以此来提高原始创新能力。进一步调动科研机构、大学、国防军工单位、大型国有企业的积极性, 引导这些科研单位投身技术创新中。提高高新区企业的自主开发和技术创新能力、对创新人才的培养和科技企业的孵化能力。营造企业技术创新的竞争环境, 加强企业的创新意识和竞争意识。
5.3 大力推进区域创新体系建设
选择部分地区作为试点, 政府制定扶持落实鼓励高技术企业进行科技开发的财税政策和信贷政策, 充分调动企业技术创新的积极性, 重点支持国家高新区创新平台、人才平台、信息平台等建设。在局部地区营造具有国际先进水平的自主创新体制和政策环境。大力引导高新区因地制宜发展特色产业。高新区发展中一个突出问题是产业趋同, 特色产业不明确。在我国高新区内企业技术不高的前提下, 发展特色高技术产业是一条出路。可以借鉴浙江搞块状经济的经验, 在一些园区内只搞一两个产业, 形成产业的集群。
参考文献
[1].薛娜, 赵曙东.基于DEA的高技术产业创新效率评价——以江苏省为例[J].南京社会科学, 2007, (5) :135~141
[2].龙勇, 纪晓峰.高技术产业技术进步的DEA分析[J].统计与决策, 2005, (6) :72~74
[3].官建成, 何颖.基于DEA方法的区域创新系统的评价[J].科学学研究, 2005, (4) :265~272
[4].叶蓁.中国高技术产业技术效率影响因素分析[J].科技与经济, 2006, (5) :17~20
[5].郑坚, 丁云龙.高技术产业技术创新效率评价指标体系的构建[J].哈尔滨工业大学学报, 2007, (11) :105~108
[6].张倩男, 赵玉林.高技术产业技术创新能力的实证分析[J].工业技术经济, 2007, (4) :21~26
国际服务贸易成本的测度 第4篇
摘要：文章利用最新的数据库，构建了38个国家的11个服务部门从1986年到2009年的贸易数据，采用了Novy（2013）的相对贸易模型对贸易成本进行了测度，并对影响服务贸易成本的因素进行了分析。实证结果表明，高收入OECD国家的平均服务贸易成本比其他国家低，但其贸易成本离散度也更高。同时，地理因素和制度因素可以很好地解释服务贸易成本，但不同因素对不同服务部门的影响差别很大。
关键词：服务贸易；贸易成本；引力模型、
一、 引言
在本文中，我们采用Novy（2013）的“相对贸易模型”来测度多个部门的服务贸易成本，这个模型可以充分发挥国际和国内贸易数据的优势，并且能够解决目前主流测度方法中存在的问题。
二、 模型和数据
Novy（2013）用一种新的方法测度货物贸易的成本，即“相对贸易模型”，本文将其用于测度服务贸易成本。这个模型并不复杂，但有很强的理论基础和广泛的适用性，可以被应用于很多贸易框架中，比如李嘉图模型（Ricardian Model）、异质性企业模型（Heterogeneous Firms Models）和引力模型（Gravity Model）。本文选取测度贸易成本常用的引力模型，在此基础上推导出Novy（2013）的方法。
Anderson和van Wincoop（2003）给出了引力模型的基本理论框架，模型的形式如下：
其中xij代表从i国到j国的出口额，yi、yj和yw分别是i国、j国和世界的总收入，tij代表从i国出口到j国的贸易成本，∏i和Pj代表两国的价格指数，？滓是商品的替代弹性。从模型中可以看出，贸易额与国家的大小正相关，所以引力模型的基本思想是：当其它条件相同时，大国之间贸易往来更多。计算贸易成本tij必须有∏i和Pj这两个价格指数数据，Anderson和van Wincoop（2003）将这两个价格指数称为多边阻力变量（Multilateral Resistance）。而最大的问题是，这两个多边阻力变量数据没法获得。Anderson和van Wincoop（2003）进一步假定双边贸易成本是对称的，即tij=tji。在对称性假定下，两个多边阻力变量相等，∏i=Pj，这样就可以得出贸易成本的解析形式。
这个模型仍然存在三个比较严重的问题。首先，贸易成本函数表达式的设定不一定准确，一些重要的因素可能被忽略。其次，双边贸易成本在大部分时候是非对称的，即贸易双方通常是一国的壁垒高于另一国。第三，贸易壁垒往往是变化的，当一国在贸易自由化的过程中，其贸易壁垒就逐渐减小，而一些贸易成本因素比如距离和共同语言等却不随时间改变，这样就无法利用面板数据描绘贸易成本的变化。
Novy（2013）的方法并不需要设定特别的贸易成本函数，也不需要假定贸易成本的对称性，同时，也可以考虑到时间的变化，即可以充分利用面板数据。该方法的基本思想很简单，即贸易壁垒不仅会影响国际贸易，也会影响国内贸易。当一国的整体贸易壁垒上升，本来销往国外的产品就会被更多地在国内消费，所以贸易成本的大小可以理解为国际贸易相对于国内贸易代价的高低。从Anderson和van Wincoop（2003）的模型可以严格推导出Novy（2013）的相对贸易模型。
首先，用公式（1）可以得到i国的国内贸易额函数xii：
k代表了不同的服务部门，t代表不同的时间。上式中所有的变量数据都比较容易获得，且不需要设定复杂的贸易成本函数，不需要假定贸易壁垒的对称性，也充分考虑了时间效应，所以可以完美解决Anderson和van Wincoop（2003）中的问题。
本文采用这种方法测度了38个国家的11个服务部门的贸易成本，其中包括建筑服务（CON）、零售服务（WHL）、酒店服务（HTL）、运输服务（TRN）、通信服务（COM）、金融服务（FIN）、租赁服务（REN）、计算机服务（CMP）、研发服务（R&D）以及公共服务（PUB）。数据的时间跨度从1986年到2009年共24年，由于统计条件限制，这些服务的类型主要是“服务贸易总协定”（GATS）所规定的第一和第二类服务。所用的数据从“OECD数据库”（O-ECD's STAN，OECD's TISP）和“联合国国民核算账户数据库”（UN's National Accounts Off-icial Country Data）整理而来。
三、 实证检验
在实证检验中，服务贸易成本用关税等值来衡量，每个国家的服务贸易成本是与其所有贸易伙伴的贸易成本的平均值。我们测度了11个服务贸易部门和总体服务贸易（TOTAL）的贸易成本，并对38个国家的服务贸易开放程度进行排序。附表1和附表2就是计算出的各国服务贸易成本和开放程度排序表。按照世界银行的分类标准，我们将38个样本国家分成两组，高收入OECD国家以及其他国家。表1显示了这两组国家的平均贸易成本和开放度排名。
表1的总体服务贸易（TOTAL）列显示，高收入OECD国家和其他国家的平均成本分别为189%和217%，这意味着高收入OECD国家和其他国家的双边贸易成本是相应的国内贸易成本的1.89倍和2.17倍。高收入OECD国家和其他国家的平均开放度排名是17和27，也就是说高收入OECD国家更加开放。从附表中也可以看到，英国、瑞士和爱尔兰等国家的总体服务贸易都是最开放的，这些国家的多个服务部门也是非常开放的。
当具体对比不同的服务部门的贸易成本时，可以看到一些有意思的特征。首先，不同服务部门之间的贸易成本差异很大。综合看来，公共服务（PUB）部门的关税等值最高（高收入OECD国家是320%，其他国家是327%），酒店服务（HTL）部门的关税等值最低（高收入OECD国家和其他国家分别为100%和129%）。不难看出，主要由民营企业提供服务的部门，比如酒店服务，会比主要由政府提供服务的部门更开放。其次，两组国家之间的服务贸易成本有一定差别。两组在租赁服务（REN）部门的关税等值差异为2%，是差别最小的部门；而两者在零售服务（WHL）部门的关税等值差异达到38%，是差别最大的部门。第三，在大多数服务部门，高收入OECD国家关税等值的变异系数 比其他国家的高。这就意味着高收入OECD国家的服务贸易成本离散程度较高，不同的高收入OECD国家之间的开放程度差别较大。从附表中可以看到，英国和瑞士在最开放的国家之列，而另外一些高收入OECD国家，例如韩国和新西兰则属于开放度排名最靠后的国家。
为了进一步研究服务贸易成本，我们分析一些学术界常用的因素对贸易成本的影响。参照Novy（2013），我们将回归分析的解释变量分为两组。第一组包括一些地理因素变量（Geographical Variables），如两国的距离、表示两国是否接壤的虚拟变量等。第二组是一些含有历史和政治因素的制度变量（Institutional Variables），如共同语言、共同货币、区域贸易协议（RTA）、是否有殖民关系、是否加入GATT或W-TO等。这些数据都来自国际信息前瞻性研究中心。
表2展示了服务贸易成本影响因素的回归结果。被解释变量就是已经测度出的贸易成本的对数值，ln（？仔ijkt）。总体来看，我们的模型表现很好，大部分的变量系数都很显著。除了酒店服务、运输服务和研发服务部门，大多数服务部门的回归拟合优度都超过0.71。
很多变量对服务贸易成本的影响都较符合预期，与Park（2002）、Walsh（2006）和Novy（2013）等研究相吻合。“距离”变量的系数为正，表示贸易双方的距离与服务贸易成本成正比，即两国距离越远，贸易成本越高。“接壤”变量表示两国是否为邻国，系数为负表示两国相邻则贸易成本较低。“共同语言”、“殖民关系”和“共同货币”这三个变量与服务贸易成本负相关，即会降低贸易成本。不难理解，因为这些因素有助于两国交易，也反映了文化上的相似性。“RTA”变量表示两国是否有共同的区域贸易协定，“GATT/WTO”变量则表示贸易双方是否都加入了GATT或WTO。较为出乎意料的是，“RTA”变量虽然对总体服务贸易成本的影响是负向的，但在很多服务部门，“RTA”反而会提高贸易成本。另一方面，“GATT/WTO”变量能够有效降低贸易成本，从总体服务贸易的回归结果中可以看到，“GATT/WTO”变量的系数的绝对值远大于其他变量。这也说明GATT和WTO这种国际性贸易协定比区域贸易协定更能推动服务贸易发展。
从表2的回归结果中可以看到，这些地理变量和制度变量对服务贸易成本的影响在不同部门之间区别很大。“距离”、“接壤”和“殖民关系”这几个变量对酒店服务（HTL）贸易的影响最大，可能是因为酒店服务贸易主要是由旅游业驱动，所以非常受距离和文化的影响。而“共同语言”变量与预期相符，对通信服务（COM）贸易的促进最大。“GATT/WTO”则对于酒店服务（HTL）贸易和研发服务（R&D）贸易的促进最大。而“共同货币”变量对服务贸易成本的降低效应在研发服务（R&D）部门表现最明显。
四、 小结
研究的结论可以总结如下：第一，高收入OECD国家的服务贸易平均成本小于其他国家。这一点与Francois（2005）、Walsh（2006）等的结论相同，也比较符合现实情况。第二，服务贸易成本在不同国家和不同部门之间差异很大，特别是高收入OECD国家的服务贸易成本离散度很高。Hoekman（1996）的服务贸易成本排名与国家的发达程度完全正相关，但我们的结果显示，发达经济体中也有很不开放的国家，比如韩国和新西兰等。第三，地理因素和制度因素可以很好的解释服务贸易成本，这些因素对不同服务部门的影响区别也很大。实证结果显示，参与GATT和WTO这样的国际贸易协定对于服务贸易成本的影响非常显著。
参考文献：
[1] James E.Anderson， Eric van Wincoop.Gravity with gravitas： a solution to the border puzzle[J].The American Economic Review， 2003，（93）：170-192.
[2] James E.Anderson， Eric van Wincoop.Trade Costs[J].Journal of Economic Literature， 2004，（42）：691-751.
[3] Richard E.Baldwin， Daria Taglioni.Gravity for dummies and dummies for gravity equ- ations[R].NBER Working Paper，2006.
[4] I-Hui Cheng， Howard J. Wall. Controlling for heterogeneity in gravity models of trade and integration [J].Federal Reserve Bank of St.Louis Review，2005，（87）：49-63.
[5] Joseph F.Francois.Explaining the pattern of trade in producer services[J].Internat- ional Economic Journal，1993，（7）：23-31.
[6] Keith Walsh.Trade in services： does gravity hold？ A gravity model approach to estimating barriers to services trade[J].The Institute for International Integration Studies Discu- ssion Paper Series，2006，（183）.
基金项目：国家社会科学基金重点项目“技术创新与现代产业体系发展演进机理及其对中国的启示”（项目号：11AZD080）。
作者简介：陈宪（1954-），男，汉族，江苏省射阳县人，上海交通大学安泰经济与管理学院教授、博士生导师，研究方向为服务经济与贸易；夏天然（1988-），男，汉族，安徽省庐江市人，上海交通大学安泰经济与管理学院博士生，研究方向为国际经济与贸易。
技术测度 第5篇
基于以上原因, 本文首先明确文化产业概念和统计范围, 其次介绍传统估计方法下, 文化产业技术效率的测度方式, 然后着重介绍现阶段如何有效处理技术异质性的方法, 并能够准确刻画我国现阶段文化产业技术效率的工具, 最后对全文进行总结。
一、基于传统方法的文化产业技术效率测度研究
在研究文化产业的技术效率时, 经常就以下几个问题进行探讨:首先, 关于研究方法的选择问题, 一般选择非参数法和参数法, 如果是参数法, 就要面临函数形式的选择, 而非参数法则需要解决异常值的影响问题;其次, 关于文化产业的生产结构和成本结构的探讨;第三, 对于技术效率的影响因素的分析, 主要涉及外生变量的选择和引入;最后, 是文化产业技术异质性的刻画和分析。对文化产业技术效率的测算方法主要有两种:一是参数法, 主要是随机前沿法 (SFA) ;二是非参数法, 以数据包络分析 (DEA) 为主。
(一) 基于生产函数研究技术效率测度
最开始对文化产业生产结构的研究, 源于文化产业技术效率的估计。一般做法是基于C-D生产函数, 先估计出最优生产前沿, 然后根据距离函数和JLMS技术估计出每个文化企业的技术效率;后期研究集中在非效率项的分布假设 (比如正态分布, 伽马分布, 指数分布等) , 估计方法的选择, 函数形式的设定 (C-D生产函数和超越对数生产函数) 以及基于不同行业 (表演艺术业, 博物馆, 图书馆, 影视业等) 的研究。
Throsby[2]最早开始研究表演艺术组织的技术效率。他对澳大利亚表演艺术组织的C-D生产函数进行了估计。随后, Gapinski[3]采用更加灵活的超越对数生产函数, 调节存在于美国和英国非盈利表演艺术行业的技术异质性, 并分析了表演艺术公司的生产结构, 但可惜的是作者并没尝试估计出该行业的生产函数。Zieba和Newman[4]通过对德国公共剧院生产函数的估计, 再次对Gapinski提出的问题进行了研究。他们的研究确认, 在经济区的表演艺术机构具有正的边际产量递减效应的研究结论。Bishop和Brand[5]基于英格兰西南部的调查数据, 采用随机前沿生产函数, 检验了英格兰博物馆的技术效率, 他们将游客数量作为博物馆的产出绩效指标, 并拟合了一个C-D函数, 估计出来的平均技术效率为45.5%。
(二) 基于成本函数研究技术效率测度
根据对偶原理, 如果拥有价格信息, 可以将生产函数转化为成本函数, 那么就可以研究文化产业的成本效率, 当然这也是一种技术效率 (在既定成本下的产出最大化) 。早期学者对文化产业成本效率进行了广泛的研究, 比如Lange等[6]对美国表演艺术行为目标进行了研究, 认为大都会乐团首要目标是关注演出质量, 而其他乐团没有单一而明确的行为目标。Jackson[7]对博物院的成本效率研究表明, 公共文化服务机构成本最小化行为是有效的, 而其采用的横截面数据, 无法全面衡量文化产业的技术效率。随后的研究通过面板数据以获取更多文化产业的信息, 并且对其技术进步也加以研究, 进而推动了文化产业技术效率在研究方法和理论方面的发展, 比如Fazioli和Filippini[8]对艺术机构的成本结构进行了研究, 以评估其规模经济和范围经济;Felton[9]对美国管弦乐队进行了研究, 结果表明, 管弦乐队可以通过增加演出数量提升生产率, 即利用规模经济提升规模效率。Last和Wetzel[10]分析了德国剧院的技术效率, 指出大多数剧院存在规模报酬递增现象, 可以利用规模经济获取效率的提升。
(三) 非参数法下文化产业技术效率测度的研究
参数法由于人为设定了函数关系式, 存在一定的主观成分, 另外需要对误差项的分布做假设, 针对参数法在技术效率研究方面的缺陷, 很多学者尝试利用非参数法来刻画文化产业生产特点。
Tobias[11]利用数据包络分析方法 (DEA) 估计了德国戏剧、歌剧和芭蕾三种艺术形式的成本前沿函数, 结果表明平均成本无效率值为11%。Basso和Funari[12]采用数据包络分析 (DEA) 的CCR模型评估了意大利博物馆的技术效率, 并且比较了各个博物馆的相对技术效率。蒋萍和王勇应用三阶段DEA和超效率DEA模型对中国31个省份2008年文化产业投入产出效率进行了分析, 发现文化产业效率受环境影响较大且西部比东、中部要大, 文化产业效率区域差异较大。郑世林和葛珺沂[13]应用DEA-Malmquist方法测算了文化产业的全要素生产率增长, 指出技术进步对文化产业全要素生产率贡献最大, 因此文化体制改革的重点在于提升技术效率。
二、对技术异质性的刻画与处理
Kumbhakar等[14]认为, 传统的随机前沿分析方法在估计技术有效性时, 都假定所有的生产单位具有相同的生产技术, 但是现实的情况却是不同行业、不同区域的企业因面临不同的生产计划, 具有各异的投入产出组合, 这导致其技术集相异。那么具体到我国文化产业实际, 由于我国区域资源禀赋、资本获取、市场竞争及其他社会经济文化特征均存在显著差异, 使得区域文化产业具有不同的技术集, 即存在技术异质性, 如用单一生产前沿函数估计技术效率, 则很难刻画产业内企业的真实技术, 因为不考虑区域技术异质性的技术无效率估计会偏大。另外, 用单一生产前沿函数估算技术效率, 只适用于同一技术集合厂商群组内的比较, 而跨群组的分析, 将因生产前沿的不同, 导致以生产前沿距离比值衡量的技术效率与生产率指数失去比较的共同基准。因此, 将技术异质性纳入技术效率衡量, 是准确估算真实技术效率的需要, 而这正是文化产业技术效率测度的难点。随着文化产业面板数据的可获得性和计量方法的发展, 采用面板随机前沿函数模型和随机共同边界函数, 来处理文化产业发展中的技术异质性就成为可能。
第一, 采用线性面板随机前沿模型, 并逐步放松传统随机前沿函数的分布假设。Schmidt和Sickles[15]最先做了这方面的尝试。他们采用面板随机前沿模型的固定效应和随机效应估计技术参数, 然后通过方程的常数项计算每个企业的技术效率值, 最后将具有最大截距项的企业, 作为最有最有效率的基准。该方法的最大问题有两点:一是他们假设所使用的样本不存在异质性;二是假定技术企业技术效率不随时间发生变化。最近Ahn等[16]提出一种综合了线性回归和多因素分析的技术, 来克服前期模型中需要估计大量参数的困难, 以此来捕捉企业的技术异质性。
第二, 将不可观测的技术异质性从样本的无效率项中分离出来, 从而更加准确的计算企业的技术效率。Greene[17]在这方面做了进一步的努力, 提出真实固定效应和随机效应模型来处理不可观测的企业技术异质性问题。他们的特点是需要采用极大似然估计以获取技术参数, 有可能发生参数冗余问题, 使得在固定效应下估计出的参数是有偏的。另外, 由于假设了方程的参数只受到企业固定效应和非效率的影响, 那么如何有效区分二者变得很困难。
第三, 采用随机共同边界法处理技术异质性。前期学者总是将估计出来的效率值在不同样本群体进行比较, 以观察不同组群技术效率的变化特点, 并探讨引起这种变化的原因。但是, 这种做法存在两个弱点:一是将各区域样本资料合并后, 估计单一生产函数, 这种做法忽略了各区域自然禀赋、要素投入价格、经济环境等差异所导致的区域技术异质性, 使其所估计的技术无效率的估计值偏大;二是跨群组的分析会因生产边界的不同, 使得以边界距离比值衡量的效率值与生产力指数, 失去比较的共同基准。最近以共同边界分析方法来解决跨区域效率比较问题得到了学者的认可。
第四, 采用潜类别随机前沿模型处理技术异质性问题。潜类别随机前沿模型, 综合了潜类别估计和随机前沿分析这两种分析工具的特点。其通过多项式logit排列估计找到生产单位属于某一技术俱乐部的概率, 从而确定生产单位的归属, 同时将生产单位的技术效率估计出来。
三、结论与展望
从传统的测量方法看, 技术效率的测算需要要素投入数据和相应的产出数据, 通过将实际产出与前沿产出进行比较, 以获得一个文化产业的技术效率, 但是随着文化产业的发展, 不同区域或者不同行业的文化企业可能采用不同的生产技术, 估算技术效率需要考虑技术异质性。
尽管前期的研究提供了不同的解决思路, 但是仍然存在改进的空间:首先;从研究方法看, 众多学者都是在非共同边界函数下, 采用DEA方法, 进行技术效率和生产率的分解, 而该方法无法有效识别区域异质性和难以进行跨区域效率的比较;其次, 目前关于文化产业的研究, 都是从宏观层面展开研究, 采用的数据皆是行业层面的数据, 缺乏对文化企业微观运行机制的研究, 因此无法深入分析文化市场主体在竞争性市场中的行为准则;第三, 国内文献较多的关注文化产业整体技术效率的变化及其影响因素和区域差异, 很少关注文化产业内部行业的技术效率状况, 而文化产业分为传统行业和新兴行业, 或者按照国家统计局的标准, 分为核心行业、外围行业和相关行业, 细分行业的技术效率对文化产业整体效率影响较大;第四, 前期文献主要集中在文化产业技术效率、竞争力、产业集聚等方面, 但是相对缺乏对文化产业全要素生产率的研究, 更鲜见基于要素错配视角, 研究文化产业效率损失的文献;最后, 前期文献在研究区域文化产业时, 往往忽略了空间交互影响, 现代空间计量经济学表明, 文化先进的省份可能对落后省份产生技术溢出, 形成空间交互影响, 不考虑空间交互影响估计出来的技术效率将会有偏。
摘要：技术效率是文化产业发展的重要源泉, 由于文化产业技术效率测度方法的不断发展, 传统的测量方法面临无法处理技术异质性问题, 一方面导致估计的技术效率偏大;另一方面无法进行跨区域、行业比较。通过总结当前国内外关于技术效率衡量的方法, 将技术异质性纳入技术效率测度框架, 并考虑空间交互影响。
OECD绿色信息化战略与测度技术 第6篇
关键词：绿色信息化,测度,政策
参考文献
[1]OECD.Greener and Smarter ICTs, the Environment and Climate Change[EB/OL]. (2010-09-29) [2013-03-26].www.oecd.org/ict/TechnologyForesightForum.
[2]R K Pachauri, A Reisinger.Climate Change Synthesis Report:2007Contribution of Working GroupsⅠ, ⅡandⅢto the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[R].Geneva:IPCC, 2007.
[3]OECD.Towards Green ICT Strategies:Assessing Policies and Programmes on ICT and the Environment[EB/OL]. (2009-05-27) [2013-03-26].www.oecd.org/sti/ict/green-ict) Paris, www.oecd.org/dataoecd/47/12/42825130.pdf.
[4]Wager P A.Smart Labels in Municipal Solid Waste-A Case for the Precautionary Principle?"[J].Environmental Impact Assessment Review, 2005, 25 (5) :567-586.
[5]OECD.Measuring the Relationship between ICT and the Environment[EB/OL]. (2009-05-27) [2013-03-26].www.oecd.org/sti/ict/green-ict.
[6]OECD.Guide to Measuring the Information Society[EB/OL]. (2009-05-27) [2013-03-26].www.oecd.org/sti/measuring-infoeconomy/guide.
[7]OECD.OECD Environmental Outlook to 2030[R].Paris:OECD, 2008.
[8]Seharnhorst W, L M Hilty, O Jolliet.Life cycle Assessment of Second Generation (2G) and Third Generation (3G) Mobile Phone Networks[J].Environment International, 2006 (32) :656-675.
[9]Ericsson.Measuring Emissions Right.Assessing the Climate-positive Effects of ICT[EB/OL]. (2012-03-17) [2013-03-26].www.ericsson.com/technology/whitepapers/pdf/methodology_high2.pdf.
[10]Erdmann L, et al.The Future Impact of ICTs on Environmental Sustainability[R], Luxembourg:Institute for Prospective Technological Studies (IPTS) , 2004.
技术测度 第7篇
当今企业发展单打独斗已经不再成为企业发展主流, 如何在企业联盟之间发展、联合及创新已成为企业发展的必经之路。从目前研究看, 企业联盟在国外应用的比较广泛, 尤其是在信息技术、通信领域及高新技术等前言技术研究与应用阶段。国内出现企业联盟相对较晚, 且联盟形式多为临时性、阶段性等形式, 本文将重点研究在高新技术和专利技术领域内, 企业联盟内针对技术知识的影响因素构成及排序。
二、企业联盟技术知识的构成要素
企业联盟是从有效控制企业经营成本、运营费用及降低企业联盟间的技术壁垒而产生的, 影响联盟内技术创新的因素有哪些, 是目前企业联盟研究的一个重点领域, 对技术创新、技术改进等领域具有重要影响。
为能够较为清晰的分析企业联盟技术知识学习过程中的影响因素, 本文将学习过程中四个环节的影响因素进行了具体细分, 参考金鑫 (2009) 、周晓 (2007) 、陈艳艳 (2009) 、高忠仕 (2008) 和张睿 (2009) 的研究成果, 经过进一步的研究形成了共三级48项指标的企业联盟中技术知识学习影响要素, 具体如表1所示。
三、构成要素测度分析
为确保数据测定客观可靠, 现采用因子分析方法, 组织专家及在企业联盟任职的工作人员对各要素进行打分, 调研样本主要来自于国内知名企业以及国外跨国技术企业, 行业以汽车及零部件制造业、机械制造业、信息与通讯技术业为主。在应用MATLAB6.5软件对200份调查问卷进行数据分析处理后, 分别得出因子分析模型中的特征值、累计贡献率和因子载荷矩阵, 具体结果参见表2。
从因子分析模型的测量结果可以看出, 排名靠前的要素有:公司自主研发的新产品新技术中达到行业先进水平的比例、公司自主研发的新产品新技术中达到联盟先进水平的比例、联盟中与本公司处于同一技术水平的知识比例、本公司掌握的专利技术、本公司自主研发的新技术新产品等, 由此可以看出在企业联盟中, 各联盟成员自有的技术知识, 特别是专业性强、原创性强, 拥有自主知识产权的技术是影响企业联盟技术知识学习的主要因素。
四、结论
企业间的联盟为技术知识的交流与传输提供一种可行性方式与途径, 在一种新型的强强联合组织形式下, 任何一个联盟成员的优势技术都可以在联盟中实现应用与提升, 甚至进一步研究开发与应用, 从目前测度结果中可以看出, 拥有自主知识产权的技术在企业联盟中异常活跃, 是影响企业联盟技术知识学习的主要构成因素, 如何减少技术和知识传输壁垒、实现知识有效应用与共享将是企业联盟提升技术知识应用程度的主要内容和方面, 联盟成员之间的良性自身研发能力及联盟内循环机制, 是企业联盟保持竞争优势的基础, 也是巩固联盟关系、维护联盟存在的必然要求。
参考文献
[1]金鑫.面向分布式创新的知识共享机制研究[D].浙江大学, 2009.
[2]周晓.组织学习对组织创新的影响研究[D].哈尔滨工业大学, 2007.
[3]陈艳艳.知识吸收能力对企业技术能力的影响研究[D].中南大学, 2009.
[4]高忠仕.知识转移、知识搜索及组织学习绩效关系研究[D].浙江大学, 2008.
[5]张睿.技术联盟组织间知识转移过程和影响因素研究[D].哈尔滨工业大学, 2009.
技术测度 第8篇
党的十八大报告指出: “实行更加有利于实体经济发展的政策措施,推动战略性新兴产业、先进制造业健康发展,加快传统产业转型升级。”早期国家产业升级依靠“国家权力为后盾、政府政策为主导、企业为主力军”的发展方式,然而金融危机浪潮席卷,全球产业面临全新挑战,但这也是我国产业转型升级的战略性时机。一方面,出口型企业受挫,主要依靠政策和技术输入型企业的被动产业升级模式亟待改变; 另一方面,近年来高校在科技创新领域地位凸显,形成优势学科带动下更主动、更持久的产业升级路径。
因此,为探究高校科技创新推动我国产业升级效用程度,明确其中效率损失,建立相应评价指标体系和效率测度模型成为研究关键。
2 技术效率模型及其分析
2. 1 模型的选取
技术效率测度主要有两种方法: 非参数方法代表是数据包络分析( Data envelopment analysis,简称DEA) ; 参数方法种类多样,较为典型的是随机前沿法( Stochastic frontier analysis,简称SFA)［1］。
探究创新由高校转入市场的过程,需要延伸模型: 将各省份的高校科技创新成果指标作为该模型投入要素,效率性产值作为唯一产出变量构建生产函数,形成多投入,单产出的SFA模型,将影响高校科技创新的其他外部环境因素作为随机变量构建技术效率回归方程,分析影响效率损失的因素。
2. 2 模型的构建
模型构建分两步骤: 构建生产函数,测算各省产业升级技术效率; 建立技术效率回归方程,估计相关参数。
首先,建立适应随机前沿模型的生产函数:
t=1、2、3、4、5,代表:2008年、2009年、2010年、2011年、2012年。Yit表示编号为i的省份在t年产业结构性增加值的平均调整值,其反映了3个产业不同结构比例增长对国民经济效率性增长的影响。
Xit是( 1 × k) 维向量,k表示投入要素,β 为待估参数。V ~ N( 0,σy2) 表示随机误差,服从标准正态分布且独立于技术无效率误差,U ~ N( Uit,σu2) 是技术效率损失,非负,服从尾截正态分布。
选取更为具体的函数形式:
Ait,Cit表示鉴定成果数和技术转让合同金额( 同前所述的Xit) 。
在已构建生产函数基础上测算技术效率:
技术效率TE取值范围为[0,1],当T → 1,技术效率上升,当T → 0,技术效率下降。
按照Battese et. al. 的方法,采用极大似然估计,对参数替换:
γ ∈ [0,1],当 γ → 0,表示实际产出与最大产出间的差距主要源于不可控因素Vit,当γ →1,表明实际产出与最大产出差距主要受技术无效率误差Uit影响。
第二步,构建技术效率损失的回归方程:Uit=Zit×δ。
Z是( 1 × m) 维向量,δ 是( m × 1) 维待估参数向量,m为影响效率损失的随机因素。Z1为省域国家自然科学基金面上项目数,Z2为国家青年基金资助项目数,Z3为各省高技术产业企业数,Z4为各省技术市场成交额,Z5为省域高校科技经费,上述回归方程可具体化:
δ0为截距,δ1、δ2、δ3、δ4、δ5为待估参数。
整个因子选取不仅涉及了高校、市场、企业、政府,而且还展现了产业升级路径过程中各链条环节的递进关系: 高校对于科技创新能力的发挥,企业对于高校科技成果转化的承接,市场对于应用成果转变为产值的推动,政府资金的引导与扶持从而促进新一轮科研优势及其成果创新的展开。
下面对5 个因子与产业升级驱动的技术效率值相关关系进行假设: 假设国家自然科学基金面上资助项目数、国家青年基金资助项目数、高技术产业企业数、技术市场成交额、政府对高校科技创新的经费投入分别与技术效率值正相关。
第一,国家自然科学基金是资助高校研究发展的重要途径之一,通过国家的资助领域、方向、分布、力度等数据概况,可以清晰地反映出高校各优势学科的基础研究能力,从而进一步探究其对产业升级的技术效率的影响。其中以自然科学基金面上项目为主体,下设自由申请、青年科学基金和地区科学基金3 个亚类。
第二,高校科研优势对产业升级技术效率的影响力渗透到企业,带来企业以科研优势为核心的技术创新。以省为单位,高校科研发展的延伸作用可用高技术产业企业数来衡量,技术企业对地区产业升级的技术效率产生带动作用。这里“高技术产业企业数”可通过《中国高技术产业统计年鉴》中“各地区高技术产业生产经营情况”一表得到。
第三,在企业承接高校的科技成果之后,投入生产使用,并在过程中加以改造更新,最终是要转化为产值,形成生产力,创造尽可能多的产业价值。但究竟产业升级路径过程中,市场所起到的作用有多大,其对效率值的影响程度也需要通过“技术市场成交额”加以量化分析。该数据可通过中国国家统计局网站———“国家数据”,分省年度指标项下的科技子目查阅。
第四,产业升级路径的完成和实现也离不开政府资金的支持。为了进一步专门探讨资金层面上政府发挥财政的效力对产业技术效率值的影响,引入国家对高等学校科技经费投入指标项,度量资金对产业升级驱动的技术效率的影响。指标数据来自《高等学校科技统计资料汇编》( 2009 - 2013) ,其中表54: 《分地区科技活动概况》中“科技经费小计”一项。
由于Z1、Z2、Z3、Z4、Z5都通过资料可以查找,即为已知向量,Uit又与第一步的生产函数关联,故两步骤可以通过一次回归,同时得到结果,即技术效率和相关参数都可测算出。自此,模型的构建结束。
2. 3 数据来源
下面对模型中涉及的相关数据的来源进行一个集中说明。Yit为产出变量,表示编号为i的省份在t年的产业结构性增加值的平均调整值( 下称产业调整值) ,该指标是通过各年度各省域一二三产业增加值分别乘以各年度全国一二三产业平均贡献率,然后除以各省不同年度的平均年末常住人口得到的。来源于国家统计局网站国民经济核算指标项,选取2008—2012 年的数据。Xit为投入变量,根据《高等学校科技统计资料汇编》( 2009—2013 年) ( 实际统计数据为2008—2012 年) ,选取分地区高等学校科技成果及技术转让鉴定成果数( 单位: 项) ( 来自《汇编》表54) 和分地区高等学校技术转让合同金额( 单位: 千元) ( 来自《汇编》表50) 分别作为X1t和X2t( 随着年份不同,t值分别取1 到5) 。
2. 4 实证结果及分析
将选取的各变量数据输入软件Frontier 4. 1,用极大似然估计对随机前沿模型进行回归,得到统计结果［2］。表1 是对随机前沿模型中的各项参数指标的估计值,表2 是各省域产业升级驱动的技术效率值,表3 是对我国东中西部产业升级驱动的技术效率的描述性统计结果。
注:*表示在30% 水平下显著,＊＊表示在25% 水平下显著,＊＊＊表示在1% 水平下显著; LR为似然比检验统计,它符合卡方分布。
根据以上模型,进一步分析:
首先,对随机前沿模型合理性做出评价。σ2和γ 的极大似然估计值都在1 % 的水平下显著,表明技术无效率误差Uit和随机误差Vit都显著存在。γ = 0 . 62 说明技术效率损失是导致误差的主要原因。可见,构造的随机前沿模型对技术效率值的测算是合理的。
其次,从科技鉴定成果数和技术转让合同金额的产出弹性来看,βa和 βc的取值也均呈现出高度显著,且 βa= 0. 985 0,βc= 0. 606 7,显然,科技鉴定成果数对产业调整值,即效率性产值的影响更大,原因如下: 技术转让合同数量和金额是针对一般的应用性成果,通常技术转化成本较低; 而科技成果鉴定数量的内容更为宽泛,不仅包括实用性的科技成果,还包括专著数量、论文数量等一系列具有很高价值的阶段性理论成果,囊括了暂未达成技术转让、转化和交易成本很高的高端技术领域成果( 如航空航天、核产品类) ,其对产业升级和和效率的提升作用更为明显。
再次,对区域技术效率值估算发现,我国省域产业升级技术效率存在较大差异性,随着时间的推移,呈总体增长趋势,表明高校科技创新对产业升级的驱动作用越来越明显。横向对比,东部地区的技术效率明显高于中西部,达到了0. 805 3,在全国排名中占前6 位,前12 名中也占有9 名,这一结果也与东部经济发达的客观现实相吻合; 中西部技术效率值相对较低,说明其在高校科技成果转化到市场并形成生产力,最终实现产业升级的技术动力不足。纵向对比,从2008 年至2012 年东部地区效率平均值增幅为2. 22% ,中部为16. 2% ,西部为24. 45% ,在绝对值上东中西效率值依次递减,增幅却依次递增,这反映了东部在已具有较高效率水平的基础上,提升空间不大,但中西部原本效率水平较低,上升空间和潜力很大。再从三经济区域内部差异性来看,东部差异最为明显,最高值可达0. 97,而最低仅为0. 4 左右,这主要是由于海南省作为东部经济区域划分,其在技术资源占有和创新能力培养上仍然与东部其他省份差距较大; 中西部内部也在个别年份出现明显极大值的情形,主要是由于中西部的个别省份在高校为依托的科技创新中优势明显,如吉林、湖北、云南、陕西等,使得技术效率值较其所在区域的平均水平更高。
最后,对影响技术效率的高校科技创新相关联因素进行分析。δ1、δ3、δ4、δ54 个参数的t值都在30%的水平下显著,且均为负值,符合现实意义; 但 δ2=0. 398 5 为正值,与实际经济意义相背离,且未通过显著性检验。
δ1= - 0. 253 3 表明国家自然科学基金面上资助项目数与产业升级的技术效率损失呈现负相关性,其数量、方向的投入也反映了国家对于高校科技创新的支持力度。
δ2= 0. 398 5 从t检验结果看,其在30% 的显著性水平下呈现不显著的状态,青年科学基金的项目数与产业升级的技术效率没有显著的相关关系,δ2可在模型中省略。
δ3= - 0. 809 4,表明高技术产业企业数与产业升级驱动的技术效率损失具有负相关的关系,高技术产业企业数每增加1% ,产业升级驱动的技术效率损失就下降0. 809 4% 。
δ4= - 0. 274 0 说明技术市场成交额与产业升级驱动的技术效率损失呈现负相关关系。技术市场成交额对产业升级驱动的技术效率影响较企业相比有所降低。
δ5= - 0. 615 5,表明政府对高校科技活动的经费投入与技术效率损失负相关。从 δ5的绝对值来看,政府对高校科技创新的资金支持具有很强的杠杆效应( 0. 615 5 > 0. 1) 。但从效率值及其增长来看,效率值东中西部随年份增长均呈现总体升高的态势,局部有所波动,但西部地区上升速率最快,东部反而上升速率有限,这与经费投入比重增长形成了差异化,也进一步反映了目前经费投入存在的效率问题。
3 结论及政策建议
3. 1 结论
在影响产业升级效率的各项因素中,影响程度由小到大依次是: 高校自身科研基础、技术市场交易额、科技活动经费、高技术产业企业数量。由此可见高校科技创新在推动产业升级过程中需要依靠多方主体的共同作用,其中尤以产业化环节,即高校技术与企业对接,企业承接高校科技创新成果的能力环节最为关键。这也为如何促进产业升级向更有效率的方向发展提供了重点关注的方向。
高校科技创新推动产业升级过程中存在一定的效率损失,依据各省效率值测度的结果来看,地区差异明显,东中西三大经济区域具有各自的特点: 总体水平而言,东部大于中西部; 但就效率增长速率来看,西部明显高于东部; 从纵向看,各区域效率值总体持续增长。如何利用各功能主体,将高校、企业、市场、政府职能联系起来,形成合力,协同带动,同时因地制宜地发挥地区要素资源的效能,从而推进产业升级和技术效率的进一步提升,成为今后研究的关键。同时对于国家宏观经济而言,在产业升级统筹规划及政策调整时,也应将投入与地区效率挂钩,优化资源投入的利用效率［3］,最大限度地提升国内整体产业效率水平,尽可能减少效率损失,形成产业升级的持久动力。
3. 2 政策建议
3. 2. 1 依托高校科技创新能力提升,加快产业转型升级
通过模型验证,高校科技创新对产业升级的效率提升具有显著性的影响。以高校为主体,高校科技创新为核心的产业升级路径模式,是一种新型且有效率的思路方法。着眼于高校内部科研能力的培养与挖掘,同时放眼于市场、企业、政府等多方主体形成的社会环境,共享高校科技创新优势,营造高校科技创新的良好环境,激发科研创新活力［4］,为加快产业升级,同时提升产业升级的技术效率做最充分的准备。
3. 2. 2 区域依据能力发挥比较优势,重点专攻与综合发展
由于东中西部在资源禀赋和技术基础上存在着巨大的差异,因此不可能实现完全均衡的发展,也不可能形成一个统一的固定模式,区域应依靠现有的技术资源,发挥比较优势,如部分西部省区在能源领域具有较多数量的优势学科,充分利用学科的创新研发基础,将学科优势通过企业、市场及其反馈作用形成优势的发散与循环,在传统能源技术的基础上,推动新能源产业化的进程,政府确立区域产业发展的重点,高校、企业、中介、市场进行实践,集中优势力量,重点专攻某些产业,树立独具特色的地方性优势产业［5］。
3. 2. 3 注重产业化的延展与反馈,各功能主体相互协同
高校、中介、企业、政府、市场各主体在功能上具有清晰明确的分工,但同时又是相互关联的,这就需要不断提升各主体职能的协同性。成果研发阶段,政府资金支持重点学科,促进科研创新; 高校执行创新过程,企业可依据自身能力投入技术或资金,同时承接技术成果,实现产业化; 市场对技术产品需求进行反馈; 高校和市场又依据反馈结果实行新一轮的技术改造与更新。由此形成的协同效应,将产业化的链条不断延展,反馈效应也使产业升级的路径成为一个循环有机的整体,反过来又增加了主体的功能连接与配合。
摘要：产业升级最关键因素是发挥科技创新效能,高校作为科技创新的最重要主体,能够为产业升级提供全方位支持。研究从高校科技创新出发,用实证研究方法定量分析。构建SFA随机前沿模型,将高校科技创新成果作为投入,包含产业结构的人均产值作为产出,测量我国省域产业升级驱动的技术效率,将高校学科创新、高技术企业数、高技术市场占有额、经费投入作为因子,分析产业升级技术效率损失的原因,并将省域指标分类整理,分析东中西三大经济区域的产业技术效率特点。
技术测度 第9篇
关键词：技术风险指数,博弈,极大熵,主体-客体
1 引言
随着科学技术的飞速发展, 越来越多的高新技术成果被应用于大型装备研制过程中。 技术风险贯穿在整个研制项目过程中, 是造成费用风险、进度风险和性能风险的主要因素。符志民等[1]研究了国内外 453 个航天项目研制风险案例,发现技术风险发生的频率最高,是导致项目研制失败或延误的主要风险。建立科学合理的技术风险测度模型, 判断与评估技术风险等级从而识别高风险因素, 是风险管理中的一个十分重要的问题。
学术界对风险度量的研究较多,主要从两个角度研究风险的度量问题,一是对风险进行数学表征或仿真模拟的定量研究,二是对风险进行综合评价。然而由于技术风险的复杂性和产生结果的滞后性, 且难以量化, 长期以来对技术风险的研究较少, 往往以定性的主观评价为主, 缺乏定量的风险评估模型[2]。目前,较为常见的方法是综合评价法,雷江利等[3]给出了技术风险评估指标体系的构建原则和各指标的量化分析方法, 初步建立了新一代军用飞机技术风险的评估体系。邢俊文等[4]提出了技术风险事件量化指标的体系结构、等级标准和量化方法, 建立了基于风险事件发生可能性、后果影响和可控性的多级递阶层状结构的技术风险三参数量化模型。王锋等[5]提出一种结合层次分析法(AHP) 和灰色聚类决策的武器研制方案技术风险综合评估方法。
现有研究较少深入分析大型装备研制项目技术风险的本质,技术风险的测度问题研究有待深入。定性评价由于缺乏评价依据的指导,风险评价结果过多依赖专家的知识和经验判断,缺乏一定的客观性和准确性[6]。综合评价法对技术风险因素或事件逐一进行量化,计算中不仅要确定各层指标值的量化值,还要考虑确定各层指标的权重系数与指标综合方法,而权重计算的复杂性很大,并且由于存在较多信息不完整必须依靠人为判定使得分析方法的精确性降低。
本文首先分析大型装备研制项目技术风险的本质问题,建立一种新的主-客体局中人极大熵博弈模型,指出经典人与自然博弈的不足,并利用博弈双方的博弈收益值的映射关系表征技术风险指数。博弈模型不需要确定评价指标的权重,通过建立量化的博弈数学模型,使求解结果更加直观精确[7]。
2 模型构建与求解
2.1 主体-客体局中人极大熵博弈模型
大型装备研制项目的技术风险主要由项目技术的复杂性和项目方对项目过程的掌控能力(人的主观能动性的表现)两方面决定的。在项目方对项目过程掌控能力一定的条件下, 项目技术的复杂性增会导致其过程的不确定性增加, 这种不确定性程度的增加又会导致项目技术风险的增加。 反过来,在项目技术复杂性一定的条件下,若项目主体充分发挥其主观能动性, 提高对其过程的掌控能力, 则会大大降低项目不确定性, 从而降低项目风险。
因此, 大型装备研制项目的技术风险本质上就是主体-客体(项目的管理者与参与方-项目技术的复杂性)博弈问题,风险客体博弈方的策略是过程的不确定性,项目主体博弈方的策略是相对于这些过程不确定性的过程能力,利用风险客体方与项目主体方的博弈模型构建风险指数测度模型更符合客观实际。此外,利用人的主观能动性,能对风险进行对比分析,从而更能反映出人的思想过程,更容易判定技术风险事件的风险等级。
定义1 在二人博弈模型中,客体局中人的策略选择符合极大熵准则,主体局中人依据客体局中人的策略选择来选择其最优策略,设客体局中人非空策略集A1={1,2,,n},主体居中人非空策略集A2={1,2,,m},单纯形X={(x1,,xn)|xi≥0,i=1,2,,n;∑xi=1},Y={(y1,,ym)|yj≥0,j=1,2,,m;∑yj=1}分别是客体局中人和主体局中人的策略集合,赢得矩阵为
其中A=[aij]nm为客体局中人的赢得矩阵,B=[bij]nm为主体局中人的赢得矩阵,则定义该博弈为主体-客体局中人极大熵博弈G={X,Y;A,B}。
考虑双方博弈的竞争性、非零和性(双方博弈的获利能力)与博弈收益值表征的便利性,设双方的博弈收益值在正负50个单位之间。博弈收益矩阵的数据考虑可采取统计值、经验值、专家值评价值等方法和渠道来获取。
2.2 主体-客体局中人极大熵
博弈模型的构建及其求解算法
经典的人与自然博弈模型中[8,9],自然博弈方是被看做理性人,即按照自身收益最大化、对方收益最小化的原则选择最优策略。但更多情况下,自然方的不确定性因素是按自然规律的演化参与博弈过程的,并不一定始终选择使对方收益最小的策略。考虑熵定律是自然科学的第一定律,因此,自然博弈方(技术风险客体方)的策略选择符合极大熵准则更符合客观实际。
设最优解为:X*=(x1,,xn)
上述优化模型中,
作为项目主体博弈方应充分发挥人的主观能动性,通过提高项目过程掌控能力来熟悉、掌握和利用技术风险发生的自然演化规律,控制项目技术风险,实现项目目标。因此,其理智的选择必然是,依据自然博弈方的选择按照自身利益最大化的原则来选择自己的最优策略:
设最优解为:Y*=(y1,,ym)
定理1 任给定一个主体-客体局中人极大熵博弈G={X,Y;A,B},博弈收益矩阵A,B同时加上一常数矩阵Cnm后的最优解不变。(考虑篇幅,证明从略。)
由定理1可知, 博弈收益矩阵同时加上一常数矩阵后的最优解不变。因此,为确保各博弈方的收益值为正值(0~100),博弈收益矩阵A,B同时加上各元素都是50的矩阵Cnm.
定义2 设主体-客体局中人极大熵博弈G={X,Y;A,B},其中博弈收益值在正负50个单位之间,称博弈收益矩阵A,B加上矩阵Cnm(各元素为50)后得到的矩阵(博弈收益值为正值)为风险博弈矩阵,记为
考虑计算的便利性,本文将以G={X,Y;
2.3 主体-客体局中人极大熵
博弈模型最优解的结论
定义3 设主体-客体局中人极大熵博弈G={X,Y;
结论1 对主体方的策略选择模型
设
(1)若目标函数中决策变量的系数都相等,即C=(c,c,,c),则项目主体方的最优策略有无穷多个。
(2)若目标函数中决策变量的系数不全相等,则项目主体方的最优策略为纯策略:y*={yk=j=1,yk≠j=0|cj=max{c1,c2,,cn}},其中,若决策变量的系数的最大值只有一个,则有唯一纯策略解,否则,有多个纯策略解。
结论2 当主体方没有掌握客体方的信息或式(1)无解时,主体方对客体方的最优判断是(1/n,,1/n)。
2.4 基于博弈收益值的技术风险指数测度模型
风险客体方的博弈收益值越小,技术风险越小,当风险客体方的博弈收益值为0时,技术风险达最小值0;技术主体方的博弈收益值越小,技术风险越大,当技术主体方的博弈收益值为0时,技术风险达最大值1。
定义4 技术风险指数是风险客体方的博弈收益值与风险客体方和项目主体方的博弈收益值之和的比值,即技术风险指数
其中,
定理2 任给定一个风险博弈矩阵
证明 由于风险博弈矩阵
本文参考风险综合评估方法,将技术风险指数分为低、中和高风险三个等级。低风险[0,0.3]是指可辩识且可监控其对大型装备研制项目目标影响的风险; 中等风险[0.3,0.7]是指可辩识的, 对技术性能、费用或进度将产生较大影响的风险, 这类风险发生的可能性相当高, 是有条件接受的事件, 需要对其进行严密监控; 高风险[0.7,1]是指发生的可能性很高, 不可接受的事件, 其后果将对项目有极大影响的风险, 这种风险只能在单纯的研究工作或研制中的方案阶段或方案验证和初步设计阶段中才可允许存在[10,11]。对属于不同风险类型的项目,可采取相应的风险控制和管理措施。
3 案例分析
选择V2500发动机技术开展案例研究。 根据近4年川航V2500系列发动机在营运中各系统及部件发生风险及原因的统计数据,计算V2500发动机的技术风险指数。
(1)主体-客体局中人极大熵博弈模型构建
本文为简化计算,根据近4年川航V2500系列发动机在营运中各系统及部件发生风险及原因的统计数据,选择关键风险因素和关键技术进行算例研究。风险客体方的策略集
(2)主体-客体局中人极大熵博弈模型求解
由近4年川航V2500系列发动机在营运中各系统及部件发生风险及原因的统计数据,可知各个风险发生的比重(如风险1发生的可能性占总发动机风险的11.8%),从而建立风险客体方极大熵博弈模型:
用lingo求得: X*=(0.1294415, 0.337764E-01,0.2815710E-01,0. 7357961E-01, 0.1903323E-01,0.1450151E-01, 0.3625378E-02, 0.6978852)。
技术主体方按自身利益最大化选择最优策略,规划模型如下:
用lingo求得:Y*=(0,0,0,1,0,0,0,0)。
(3)技术风险指数测算
风险方的博弈收益值:
项目主体方的博弈收益值:
风险指数:
若采用常见的综合评价法求解本例,则首先选取V2500系列发动机技术风险量化指标,确定各指标的风险等级,然后确定各指标权重进行指标综合求得风险指数。该方法需多次选取指标权重,计算复杂且精确性降低。本文不需要确定评价指标的权重,求解结果更加直观精确。V2500系列发动机技术风险本质上就是发动机技术风险与项目主体方的博弈过程,利用博弈模型构建风险指数测度模型更符合客观实际。且利用人的主观能动性,能对技术风险进行对比分析,从而更能反映出人的思想过程,更容易判定技术风险事件的风险等级。本例中技术风险指数IRisk<0.3,说明V2500发动机技术风险较低,计算结果与实际相符,说明上述模型及算法的有效性和可行性。
4 结束语
本文建立的客体博弈方基于极大熵准则选择博弈策略,主体博弈方以自身收益最大化原则选择博弈策略的博弈模型,弥补了经典博弈理论的不足,完善了博弈理论的理论和思想。基于主体-客体视角的技术风险指数测度模型,为大型项目技术风险指数的测度提供一种新的研究方法和研究思路。由于大型项目技术风险管理过程具有动态性和系统性,技术风险的识别、估计和评价的深度和重点会随着进展阶段而变化, 如何建立动态的和系统的大型装备研制项目技术风险指数是研究继续深入的一个重要的研究方向。
参考文献
[1]符志民,李汉玲.航天研发项目风险分析、等级评估和相关性研究[J].系统工程与电子技术,2005,27(1):52～59.
[2]徐哲,冯允成,鲁大伟.武器装备研制项目的技术风险评估[J].系统工程与电子技术,2005,27(6):1123～1127.
[3]雷江利,万小鹏,赵美英.基于层次分析法和模糊综合评判的军用飞机技术风险评估[J].航空制造技术,2007,19(10):73～76.
[4]邢俊文,迟宝山,刘锋.研发项目技术风险度的三参数量化模型研究[J].系统工程理论与实践,2008,10:131～137.
[5]王锋,马大为,吴晓云.舰载多功能火箭武器研制技术风险的灰色聚类决策[J].兵工学报,2008,29(3):348～351.
[6]吕建伟,陈霖,郭庆华.武器装备研制的风险分析与风险管理[M].北京:国防工业出版社,2005.
[7]Pusillo M L.Equilibria and well posedness[J].In-ternational Game Theory Review,2006,8(1):33～44.
[8]钱颂迪.运筹学(修订版)[M].北京:清华大学出版社,1990:388～420.
[9]张维迎.博弈论与信息经济学[M].上海:上海人民出版社,2004.
[10]Klein J H,Cork R B.An approach to technicalrisk assessment[J].International Journal of Pro-ject Management,1998,16(6):345～351.
技术测度范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
