中国省域R&D投入及创新效率测度分析

被引:43
作者
韩兆洲 [1 ,2 ]
程学伟 [1 ,3 ]
机构
[1] 暨南大学经济学院统计学系
[2] 广东财经大学华商学院
[3] 中南大学数学与统计学院
关键词
创新效率; Bootstrap-DEA; σ收敛; R&D投入;
D O I
10.13653/j.cnki.jqte.2020.05.006
中图分类号
F124.3 [技术发展与革新];
学科分类号
0201 ; 020105 ;
摘要
研究目标:测度我国2007~2016年省域创新效率,分析各省域、三大地区和八大经济区域的创新效率的动态趋势和变化以及其时空收敛性质,探究R&D投入与创新效率之间的关系。研究方法:基于专利产出为创新产出的视角,运用DEA、SFA以及Bootstrap-DEA的面板模型测度区域创新效率,并采用σ收敛模型检验其时空的收敛性质。研究发现:传统的DEA模型存在明显的高估偏误,未加入环境因素的SFA模型参数偏误较大,Bootstrap-DEA测出的创新效率值具有更小的偏误;R&D投入与创新效率之间存在一定程度的正相关关系,但这种正相关关系在R&D投入达到一定数值时,有边际递减的倾向;2007~2016年全国平均创新效率呈现"U"形过程,东部沿海地区的创新效率遥遥领先,但地区与经济区域之间存在"追赶效应";全国的创新效率收敛指数基本呈现"L"形过程,省域创新的效率差距在逐渐缩小,区域创新活动有一定的空间集聚现象。研究创新:首次运用Bootstrap-DEA的面板模型测度省域创新效率,对效率估计值的偏差进行修正,并给出其置信区间和模型偏误。研究价值:为各省域、各经济区域的创新效率的提高提供政策依据。
引用
收藏
页码:98 / 117
页数:20
相关论文
共 29 条
[1]   京津冀地级市区规模以上工业企业创新效率分析 [J].
张满银 ;
张丹 .
经济经纬, 2019, 36 (01) :26-33
[2]   中国经济增长与碳排放之间的关系研究——基于非参数bootstrap方法构建的VEC模型 [J].
张恪渝 ;
廖明球 .
数理统计与管理, 2019, 38 (01) :28-39
[3]   高校创新效率动态演进分析及影响因素识别——基于非参数核密度估计和SFA模型 [J].
王晓珍 ;
蒋子浩 ;
郑颖 .
统计与信息论坛, 2018, (09) :81-87
[4]   创新技术进步要素偏向视角下区域异质性研究——基于SFA和广东数据的实证分析 [J].
朱芳芳 .
数理统计与管理, 2019, 38 (01) :16-27
[5]   中国区域专利产出与产业创新效率研究 [J].
韩兆洲 ;
程学伟 .
产经评论, 2018, 9 (03) :75-88
[6]   制度邻近下知识势能对区域技术创新效率的空间溢出效应 [J].
陶长琪 ;
彭永樟 .
当代财经, 2018, (02) :15-25
[7]   中国省域生态治理绩效评价研究 [J].
韩永辉 .
统计研究, 2017, 34 (11) :69-78
[8]   区域创新活动的空间效应及影响因素研究 [J].
苏屹 ;
林周周 .
数量经济技术经济研究, 2017, 34 (11) :63-80
[9]   基于Meta-Frontier-Bootstrap-DEA方法的中国高端装备制造企业效率测度研究 [J].
刘芳 ;
王宇露 .
统计与信息论坛, 2017, 32 (06) :92-98
[10]   基于极大似然的异方差多正态总体均值的参数Bootstrap检验 [J].
梅波 ;
徐礼文 .
数理统计与管理, 2016, 35 (04) :630-640