图源百度
摘要：高技术产业是我国转型发展的重要引擎, 其创新是推动经济增长和提升竞争力的重要驱动力. 科学准确地评价高技术产业创新效率并分析效率提升路径对推动高技术产业高质量发展具有重要意义. 本文构建了基于全局权重的动态网络DEA模型, 结合模糊集定性比较分析(fsQCA)方法探究驱动中国高技术产业创新效率提升的路径. 研究发现: (1)中国高技术产业创新效率整体较低, 且省份间创新发展不平衡; (2)存在两条提升省级高技术产业创新效率的组态路径, 分别是数字化驱动型以及产学研—市场—环境协同型. 最后, 根据效率评价结果以及效率提升路径给出政策建议: (1)转变创新政策的导向, 由供给导向型创新政策向需求导向型创新政策转变; (2)助力技术发展, 推动主体合作, 优化创新环境.
关键词：高技术产业；创新效率；全局权重；动态网络DEA；fsQCA
一、研究背景与意义
创新是引领经济社会高质量发展的第一动力. 自党的十八大以来, 创新已被置于国家发展全局的核心位置. 高技术产业作为创新驱动高质量发展战略的关键载体, 既承载着提升国家科技竞争力的重要使命, 又肩负着推动国民经济实现高质量转型的战略职责.
《2020年全球创新指数(GII)》指出, 中国在131个经济体中排名第14名, 表明中国高技术产业发展与发达国家相比还存在差距. 此外, 中国不同区域之间高技术产业的创新发展水平存在显著差异. 在创新驱动发展和区域协调发展的双重背景下, 如何提高高技术产业的创新效率、减小区域发展的不平衡是中国目前面临的一个紧迫问题. 因此, 科学、准确地测量和分析中国高技术产业的创新效率, 探究其提升路径具有重要的理论价值和现实意义.
本文首先考虑高技术产业创新活动的动态性, 选取可行权重空间内所有的投入产出权重、阶段权重和时期权重, 构建基于全局权重的动态网络DEA模型, 用于评估我国高技术产业的创新效率. 然后考虑创新活动的复杂特征, 本文基于TOE理论框架选取数字发展水平、政府支持、产学研合作、技术市场发展水平、区域开放共计5个条件变量, 运用模糊集定性比较分析(fsQCA)方法探究这5个条件变量对创新效率的组态影响, 揭示我国高技术产业创新效率的提升路径.
二、主要内容
首先, 构建一般化动态网络DEA模型. 创新活动分为研发和商业化两个连续的子阶段: 在第一阶段中, 上一时期的结转以及当期的额外投入一并作为一阶段投入变量, 产出分为两部分, 一部分作为结转, 流入下一时期的一阶段作为投入, 另一部分作为第二阶段的投入, 称为中间变量; 在第二阶段中，投入包括中间变量以及第二阶段的额外投入, 产出最终产物.
其次, 引入SMAA-2(Stochastic multicriteria acceptability analysis)方法. SMAA-2方法在不需要决策者提供偏好信息的前提下, 可以有效解决多属性决策问题, 该方法提供了排名可接受度指数和整体排名可接受度指数可用于识别潜在的备选方案.
再次, 将动态网络DEA方法与SMAA-2方法结合, 提出两阶段动态网络SMAA-DEA方法, 考虑所有可行的投入产出权重、阶段权重和时期权重, 借助MATLAB等研究工具, 对高技术产业创新效率展开评估.
最后, 基于TOE理论框架, 从技术、组织、环境三个方面选取影响高技术产业创新效率的因素, 结合fsQCA方法探究驱动中国高技术产业创新效率提升的路径.
三、主要结论及政策建议
从创新效率评价结果来看, 中国高技术产业的创新效率偏低, 由于子阶段效率低导致整体效率偏低. 政策制定者应重点改善创新活动的薄弱环节.
从创新效率提升路径分析结果来看, 存在两条高技术产业创新效率提升路径, 包括数字化驱动型以及产学研—市场—环境协同型. 两条创新效率的提升路径存在区别, 各区域应根据自身资源禀赋与创新要素的配置情况选择合适的提升策略.
四、边际贡献与未来拓展
首先, 构建基于全局权重的动态网络DEA模型, 保证了评价标准的一致性, 增加了评价结果的公平性、可比性和可接受性; 考虑权重空间内所有权重信息, 避免了评价结果的偏差问题, 加强了评价结果的稳定性、准确性和可靠性; 提供更丰富的评价信息, 包括排名可接受度指数、总体可接受度指数等, 多维信息考虑了评价结果的全面性, 降低了决策风险. 其次, 从组态视角分析多个条件变量对高技术产业创新效率的协同影响, 揭示实现高技术产业创新效率提升的多元路径, 提出具有现实意义的政策建议.
随着未来数据库的完善, 未来拓展研究应考虑更加复杂的现实情形, 从更全面的角度探讨创新效率的提升路径.
五、写作、投稿过程的心得体会
作者团队致力于创新生态系统评价与优化、效率与生产率测度以及经济治理与高质量发展等方面的研究. 本研究通过构建一个改进的动态网络DEA 模型, 旨在科学、准确地评价中国高技术产业的创新效率, 并结合fsQCA方法进一步探究其改进路径. 团队成员通过广泛的文献阅读和深入的案例分析, 在多次讨论后确定了论文的研究框架, 并进行方法建模、数据收集与论文撰写等工作. 在投稿过程中, 编辑部老师和审稿专家提出了严谨细致、专业可靠的评审意见. 根据这些宝贵建议, 作者团队对论文进行修改和完善, 极大地提升了论文的质量. 我们衷心感谢《系统工程理论与实践》主编、编辑部老师以及审稿专家的辛勤付出和宝贵指导.
本文摘编自《系统工程理论与实践》2025年,第45卷,第12期论文《中国高技术产业创新效率评价与提升路径研究——基于全局权重的动态网络DEA与fsQCA方法》（点击题目链接全文）；
作者：魏方庆1,博士, 副教授, 硕士生导师, 研究方向: 效率与生产率测度理论与方法建模, 经济治理与高质量发展； 付雅男1, 硕士研究生, 研究方向: 大数据与经济量化分析；范盈怡1, 硕士研究生, 研究方向: 效率与生产率评价；杨锋2, 博士, 教授, 博士生导师, 研究方向: 决策方法与应用, 供应链与运作管理等；夏琼1,*(通信作者)博士, 副教授, 硕士生导师, 研究方向: 复杂结构经济组织的前沿生产函数评估
1. 合肥工业大学 经济学院, 合肥 230009
2. 中国科学技术大学 管理学院, 合肥 230026