高技术范文（精选12篇）
高技术 第1篇
浙江省以1999年全国技术创新大会为契机, 经过十多年的努力, 高技术产业已初具规模。2012年, 浙江高技术产业产值14 243.1亿元, 同比增长7.66%, 但与2011年相比增幅明显放缓。与国内其他省市相比, 无论在规模水平、技术能力和创新程度及竞争力等方面均有较大差距。2011年, 浙江高技术产业产值规模落后于粤、苏、沪、鲁, 位居全国第五, 在长三角二省一市中列最后一名。高技术产业是技术密集型产业, 评价和研究浙江高技术产业技术效率作用的发挥情况, 分析其影响因素, 提出相应政策建议, 可以在一定程度上促进浙江高技术产业的健康发展。
一、文献回顾
随着中国高技术产业的蓬勃发展, 高技术产业已渐成中国管理科学研究的热点。朱秀梅 (2008) 以知识溢出、企业吸收能力、集群社会资本、企业创新绩效为基本研究要素, 构建了高技术产业集群创新的微观理论模型, 通过规范的实证分析验证理论模型及所提出的假设。邓路等 (2009) 基于中国高技术产业的面板数据 (1999—2007) 对研发投入、行业内R&D溢出与自主创新效率进行了研究;赵玉林等 (2009) 基于系统的内生经济增长理论和企业成长理论, 利用1995—2006年间9个主导性高技术产业的相关数据, 运用结构方程模型方法对创新诱导主导性高技术产业成长的路径进行实证检验。研究发现, 创新投入和创新产出并不能直接促进产业的成长, 但可以通过产业素质这个中介变量的传导作用来放大其对产业成长的影响。张目等 (2010) 构建动态综合评价模型, 对中国高技术产业自主创新能力进行分行业动态评价;范凌钧等 (2010) 应用面板数据随机前沿方法考察中国高技术产业R&D与技术效率之间的关系, 认为R&D对技术效率有显著的正向促进作用。陈伟等 (2010) 从技术价值、经济价值和社会效益三个维度, 运用两阶段DEA模型, 对中国30个省市区的高技术产业R&D绩效进行评价。
基于前人的研究成果和浙江省的现实状况, 关注浙江高技术产业技术效率, 以浙江各高技术产业为研究对象, 运用随机前沿分析方法测量其各行业今年来的技术效率水平, 探究技术效率变动的影响因素, 为浙江高技术产业发展提供相应的政策建议。
二、评价模型及数据
自1957年经济学家Michael Farrell基于生产效率测度思想进行生产前沿面理论的研究以来, 学术界对生产前沿面领域的研究形成了参数方法和非参数方法两大分支。与参数方法相比, 非参数方法对效率值的估计偏低, 而离散程度较大, 且不能直接检验结果的显著性;当约束条件较多时, 非参数方法经常会得出所有观测样本为100%有效的结论。参数方法以随机前沿方法 (SFA) 为代表, 几乎由Aigner, Lovell, Schmidt和Meeusen, van den Broeck同时于1977年提出, 认为生产无效率主要来源于随机扰动v和技术非效率u, 其基本模型为:
Battsse和Coelli (1995) 在基本模型的基础上引入时间因素并使用一次回归直接得到生产函数和技术效率影响因素的参数估计结果, 克服了以前两阶段方法的假设冲突和理论矛盾。根据该改进模型, 运用对数型C-D生产函数以及浙江高技术产业各行业2009—2011年的数据, 对其技术效率水平及影响因素进行测算, 具体研究模型为:
模型中Y为各行业的新产品产值, L为R&D人员数, R&D为R&D经费投入总额, 为R&D经费内部投入和外部投入之和, K为年末资产总值, i为行业序号, t为各年份。β, η为待估参数, νit是随机扰动变量, νit~ (0, σν2) 且νit~idd (独立一致分布) ;uit是非负变量, 表征的是生产中的技术非效率, uit~ (0, σu2) 且uit~idd (独立一致分布) ;νit与uit相互独立。
根据国家统计局印发的《高技术产业统计分类目录的通知》, 中国高技术产业的统计范围包括航空航天器制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医药制造业和医疗设备及仪器仪表制造业共五类行业。研究的面板数据为2010—2012年各行业的相应数据, 数据均来源于2011—2013年《浙江科技统计年鉴》。
三、实证结果及分析
利用CEPA中心Coelli设计的Frontier4.1分析软件, 根据式 (2) ~ (5) , 对浙江高技术产业2010—2012年面板数据进行生产前沿技术效率分析结果如下:
(一) 浙江高技术产业生产函数分析
注:*表示在0.01水平下显著, LR为似然比检验统计量, 符合mixed chi-square distribution (混合卡方分布) 。
由参数估计值γ=0.837, 且LR统计检验在1%水平下显著, 说明式 (2) 中误差项 (νit-uit) 有着较为明显的复合结构。从劳动力、研发经费和资本三大生产要素的产出弹性看, β1=0.562, 即R&D人员数增长1%, 高技术产业新产品产值增长0.56个百分点;β2=0.170, 即研发经费投入增长1%, 高技术产业新产品产值增长0.17个百分点;β3=0.343, 即固定资产每增长1%, 高技术产业新产品产值增长0.34个百分点。这表明, 在浙江高技术产业中, 人力资本的贡献大于固定资本, 而固定资本的贡献大于经费投入。
(二) 浙江高技术产业各行业技术效率分析
浙江高技术产业各行业2010—2012年技术效率计算结果 (见表2) 。
从整体上看, 浙江高技术产业技术效率尚可, 三年平均效率值为0.690, 而且呈现出逐步提高的态势, 从2010年的0.542提升至2012年的0.828。但0.690的平均值与生产前沿面相比, 仍有31%的提升空间;而且从生产函数的分析看, 经费投入的贡献远低于人员技术的贡献, 这是非常值得注意的问题, 从一个侧面反映出浙江高技术产业研发经费的实际利用水平并不高。
5个行业的技术效率均值差异较大, 行业发展并不平衡, 这不利于浙江高技术产业整体的均衡发展。电子及通信设备制造业表现最佳, 连续三年技术效率都位居5个行业之首, 航空航天器制造业垫底, 其三年的实际产出还不及最大产出的一半。技术效率的差异说明各行业的实际产出在现有条件下并未达到最大产出, 需要在资源配置、人财物投入、行业内技术转移、管理体制机制和高技术的利用水平上进一步改进。
结论概要及建议
对高技术产业而言, 效率问题始终是关注的焦点。利用利用对数随机前沿模型, 实证测定了2010-2012年浙江高技术产业及各行业的技术效率。主要结论有:在浙江高技术产业中, 人力资本的贡献大于固定资本, 而固定资本的贡献大于经费投入;各行业技术效率值差异较大, 但整体呈现稳步提升的态势。为进一步推进浙江高技术产业的健康发展, 在增加研发投入、推动前沿技术进步的同时, 要充分利用产业创新环境, 进行自主创新和制度、管理创新, 提高技术效率。
摘要：利用随机前沿方法, 对浙江高技术产业2010—2012年的技术效率进行分析评价, 结果显示, 在浙江高技术产业中, 人力资本的贡献大于固定资本, 而固定资本的贡献大于经费投入;各行业技术效率值差异较大, 但整体呈现稳步提升的态势。最后, 在此基础上探索效率低下的症结所在, 提出改进和提高技术效率的对策和建议。
关键词：高技术产业,技术效率,SFA模型,浙江省
参考文献
[1]朱秀梅.高技术产业集群创新路径与机理实证研究[J].中国工业经济, 2008, (2) :66-75.
[2]邓路, 高连水.研发投入、行业内R&D溢出与自主创新效率——基于中国高技术产业的面板数据 (1999—2007) [J].财贸研究, 2009, (5) :9-14.
[3]赵玉林, 徐娟娟.创新诱导主导性高技术产业成长的路径分析[J].科学学与科学技术管理, 2009, (9) :123-129.
[4]张目, 周宗放.中国高技术产业自主创新能力分行业动态评价研究[J].软科学, 2010, (6) :1-8.
[5]范凌钧, 陈燕儿, 李南.R&D对中国高技术产业技术效率的影响研究[J].研究与发展管理, 2010, (6) :37-43.
[6]陈伟, 赵富洋, 林艳.基于两阶段DEA的高技术产业R&D绩效评价研究[J].软科学, 2010, (4) :6-10.
[7]Aigner, D.J., Lovell, C.A.K.and Schmidt, P.Formulation and Estimation of Stochastic Frontier Function Models[J].Journal of Econometrics, 1977 (6) :21-37.
军事高技术 第2篇
军事高技术结课论文
——终极大杀器“核武”
核武器，自其诞生之日就注定着不平凡，注定受到与常规武器的区别对待。在核武面前，一切的防御性抵抗都显得那么地软弱无力，这种超级大杀器至今为止只使用过一次，却让全世界人民见识了其毁灭性。那么，核武器又是怎样出现的呢？转眼之间使得整个城市灰飞烟灭的核武器，真的是反人类的吗？如果有选择，核武器是该被永久地遗弃还是更进一步地发展？
二十世纪中叶，二战的风暴席卷了大半个地球，战争带给人们苦难的同时是科技的井喷式发展，特别是军事武器方面。二战全面爆发前夕，法西斯德国已经侵略并占领了奥地利、捷克斯洛伐克等国家，不断挑战英法等老牌强国的底线。当此之时，纳粹德国除了明面上强大的机械化部队在大杀四方，为了将来巩固其战果，还在背地里秘密研制一种超级武器——原子弹，此即第一代核武器，利用铀或钚等易裂变重原子核裂变反应瞬时释放巨大能量，故又称为裂变弹。当时爱因斯坦得知这一消息，便与人联名写信希望罗斯福总统在美国进行原子弹计划。当这封信呈交给总统时，战争已经在欧洲爆发。虽然罗斯福很快就作了批复，但并没有立即开始研制原子弹的“曼哈顿工程”。１９４０年３月，他又给罗斯福总统写了第二封信，然而直到1941年12月日本袭击珍珠港后,美国才扩大规模，到1942年8月发展成代号为“曼哈顿工程区”的庞大计划，由奥本海默牵头，直接动用的人力约60万人，投资20多亿美元。在二战即将结束时，美国制成3颗原子弹，使其成为第一个拥有原子弹的国家。核武器就这样出现了，军方和科学家们只知道其威力巨大，但其真正的毁灭性有多大，谁也不得而知！
二战末期，日军在太平洋战场全面溃败，曾称雄一时的海军消耗殆尽，只剩下日本岛本土的最后一道防线。但因为其自古以来的武士道精神，日本军人绝不会轻易投降，其神风敢死队更是让美军损失惨重。当时苏联仅仅进攻柏林就伤亡将近30万红军，而日本本土当时还是有着数百万职业军人和预备役，丘吉尔更是预测要彻底打垮日本，在日本本土登陆，至少还要付出100万美军和50万英军的生命。对美国来讲，这绝对是比不划算的生意，于是使用核武器促使日本投降的提案便被军方采纳，尽管许多科学家并不赞同。美国于1945年8月6日、9日先后在日本的广岛和长崎投下了仅有的两颗原子弹，代号分别为“小男孩”和“胖子”，造成了30万余日本平民死亡和8万多人受伤，不久之后日本宣布投降，二战结束。原子弹的空前杀伤和破坏威力，彻底震惊了世界，也使人们对以利用原子核的裂变或聚变的巨大爆炸力而制造的新式武器有了新的认识！
在之后的日子里，核武器成为了其他国家军方重点研究项目，成为了世界各国国防力量强弱的标志性武器。1949年8月，苏联第一颗原子弹试爆成功，成为继美国之后第二个掌握核武技术的国家，并于1953年试爆第一枚自己研发的试验用氢弹RDS-6，成为世界上第一个真正成功把核聚变技术应用于武器上的国家。其中氢弹是通过核裂变加核聚变——由原子弹引爆氢弹，原子弹放出来的高能中子与氘化锂反应生成氚，氚和氘聚合产生能量，故又称为聚变弹、热核弹，此即第二代核武器。英国，由于参加协助了美国的曼哈顿计划，掌握了核裂变的核心技术，最终在1952年10月3日时，英国在澳大利亚展开的飓风计划中成功试爆第一枚核武器，并在1957年时顺利研发出自己的氢弹技术。法国虽然在二战中被德国占领，但还是有大批流亡海外的科学家在战后回到法国，并与以色列就核武器研究上相互合作，在1960年2月成功试爆了核武器。
相比之下，中国的核武之路就要坎坷得多！经历了那么多年的战争，刚建立的新中国百废待兴，与那些老牌工业强国相比可以说是毫无底蕴。但是没有强大的国防力量，中国在国际上就永远没有话语权，核武无疑是最好的震慑力量。为了能够在冷战期间抗衡拥有核武器的美国与苏联，中国早在1953年就开始了核武的研究。苏联专家的中途撤离并没有使中方手忙脚乱，反而是凭着自己的毅力硬是搞出了两弹一星，这里面有着许多科技先贤的无私奉献。在中国之后，印度、巴基斯坦、以色列、朝鲜相继拥有了核武器。
核武器因为其特殊意义，现如今成为了令人谈之色变的存在。几乎每个国家的核武研究都牵动着唯一使用过核武的超级大国——美国的神经。伊拉克因为被怀疑核试验被老美打残了；伊朗被实行经济制裁；朝鲜一直被警告，但由于地理位置逃过一劫并成功进行了核试验„„其实说实话我们也不希望有更多的国家拥有核武。核武的毁灭性巨大，但真的算得上是反人类武器吗？首先，用核武来对付手无寸铁的平民，绝对是反人类的行为，然而用任何武器攻击无反抗能力的平民都是反人类的，正如纳粹之屠杀犹太人、日军之南京大屠杀。如果要用核武攻击一个城市，绝对要提前通知其民，给他们足够的时间逃生，核武作用在于威慑，而不是屠杀！在如今之世界，核武更像是象征性武器，避免大国之间全面战争的爆发，其存在还是很有必要的。何况世界各国大多有签署《不扩散核武器条约》，主要内容是：有核国家不得向任何无核国家直接或间接转让核武器或核爆炸装置，不帮助无核国家制造核武器；无核国保证不研制、不接受和不谋求获取核武器；停止核军备竞赛，推动核裁军；把和平核设施置于国际原子能机构的国际保障之下，并在和平使用核能方面提供技术合作。使用核武器攻击别国，必将致使世界各国群起而攻之！
用高技术抓小偷 第3篇
在这些情形中，他的诱饵都是被盗的自行车—这其中就包括近期在全城撒网、用来引诱小偷的“诱饵车”。
这些配有GPS技术的自行车是为了故意被小偷偷走而放置的，警察会进行实时跟踪，将小偷缉拿归案。小偷的照片随后会通过@SFPDBikeTheft 的账号推送出去。诱饵车往往具有很高的价值，从而确保偷车贼以重罪被指控。
比如最近，有个小偷在火车站外偷了一辆价值1500美元的自行车。
当时正是一天中的傍晚，小偷在偷窃之后便骑着自行车快速离开了盗窃现场。不出半个小时，弗里德曼便与他的团队跟踪到了自行车的去向，并且在一个公园里成功抓住了小偷。
“你们真的应该看看他长的什么样子。他竟然觉得自己是清白的。”现年41岁的弗里德曼在Twitter上发文 说。
他拿着iPhone 5，那天还用手机拍下了被剪断的车锁的照片。他在上传照片的同时还说：“感谢你偷了我们的诱饵车。”
以上的这一幕便是旧金山的警察利用包括社交媒体等在内的高技术手段来对付城市公害—小偷时的情景。
近年来，在旧金山被盗的自行车数量越来越多，并且呈急剧上升趋势。从2006年到2012年间，自行车失窃率增长了60%。
据城市最新数据估计，2012年约有4035辆自行车被盗。
盗窃案发生的频率越来越高，原因是由于城市里有越来越多骑自行车的人，另外，他们的自行车还十分豪华。
这些自行车可不是普通廉价的自行车，它们是耗价1500美元甚至更高价格（有时高达1万美元）的豪华自行车。在如今这个充斥着iPad和特斯拉、对生态满怀虔诚的户外技术文化中，越来越多的人喜欢高档自行车，这令其变得炙手可热。
自行车可以在办公室外和仓库里轻而易举地被偷走，然后再被拿到跳蚤市场上卖掉。有的自行车甚至会被拆成零件，一点点地被卖出去。
根据警察们的说法，这些偷窃自行车的罪犯通常都是瘾君子，他们有一个共同点，就是想用最快的速度发大财。
去年夏天，旧金山监事会（San Francisco Board of Supervisors）批准了7.5万美元来支持本地打击自行车盗窃的行动—这笔款项包括购买诱饵车和跟踪设备的成本—在2014年，这项行动得以更多地采纳，并且进行得如火如荼。
弗里德曼实际上正是警局反自行车盗窃小组的组长，他所在的帕克警察局（Park Station）就位于久负盛名的旧金山嬉皮区。
同时，这也很好地解释了为什么弗里德曼的小组用的是旧金山迷幻乐队“感恩而死”（Grateful Dead）的Logo—一个骑着自行车的骷髅。
诱饵车项目并不只是旧金山才有，许多城市和大学校园都在忙着采取同样的计划。
这些项目一是为了让马路上没有小偷，二是为了起到威慑作用，让潜在罪犯分辨不清诱饵车和普通车的区别。
威斯康辛大学麦迪逊分校（University of Wisconsin，Madison）已经成为诱饵车运动火热进行的前沿阵地。该校的警察局最早在2008年就发布报告称，校园的自行车失窃率已经下降了40%，那一年是他们首次采用这一策略。
据警署发言人马克·罗维考特（Marc Lovicott）称，那里的警察同样也使用了社交媒体等技术手段，但主要还是为了不走漏有关诱饵车的风声，也没有通过发布盗窃者照片的方式来羞辱他们。但他认为这一招的确很神。
“有点意思—我们还真没走到这一步。”罗维考特还表示也许他们也会这么做。
不过，弗里德曼在Twitter上发布的内容更多的还是与自行车车主有关的事情，比如向人们解释如何把车锁好，或者鼓励人们在自行车上贴“这是诱饵车吗？”的标签。
他还鼓励人们在警局注册自行车序列号—令人意外的是很少有人这么做—这样警察们在找到失窃车的时候，就能和主人对上号了。
许多自行车盗窃案都发生在住户家里，一般是在车库，而不是在大街上。
因此弗里德曼这个月的推文是：“如果有人愿意让我们在车库里安营扎寨的话，请来帕克警察局，并且与我联系。”
高技术产业技术创新能力研究 第4篇
一、研究方法与数据分析
1. 指标选择
建立高技术企业技术创新能力评价指标体系要遵循科学性、可比性、可操作性、全面性、系统性和代表性原则, 考虑高技术企业技术创新的特点和构成要素, 将高技术企业技术创新能力细分为技术创新投入能力和创新产出能力。采用多层次目标评价体系结构, 确立包含10个具体指标的指标体系, 分别是X1:R&D人员折合当时全量 (人) ;X2:R&D经费支出;X3:新产品开发支出;X4:技术改造经费支出;X5:技术改造引入支出;X6:消化吸收经费支出;X7:新产品产值;X8:新产品销售收入;X9:专利申请数;X10:有效发明专利数。
2. 研究模型
本文采用的研究方法为因子分析法。因子分析法是在尽可能不损失或少损失信息的情况下, 从反映目标特征的众多指标中, 提取少数几个可以高度反映原始数据信息的因子, 其核心是将多个变量综合为少数几个因子, 从而达到降维的目的。这样, 既减少了变量个数, 又可以体现原始变量之间的内在联系。
3. 数据来源
由于西藏的数据难以统计到, 故本文选取了我国除港澳外的其他30个省市、自治区高技术产业的相关数据作为支撑, 数据来源于《中国科技统计2012》和《中国高技术产业统计年鉴 (2012) 》。
二、因子分析
1. KMO和Bartlett检验
将各个指标中的样本数据输入Spss19.0软件, 进行KMO与Bartlett检验, 结果得出:KMO检验值为0.722, 大于0.5, 表明数据通过了KMO度量与Bartlett检验, 因此适于采用因子分析, 能够包括所有评价指标所要反映的内容, 故它们能够反映高技术产业的创新能力。
2. 模型计算
通过Spss19.0对10个变量的原始数据标准化后进行因子载荷矩阵变换, 得到各因子的特征值和方差贡献率, 然后进行降维处理, 根据特征值大于1的原则提取主因子, 通过计算主因子综合得分得到我国30个省市高技术产业技术创新能力的排名情况。
根据计算得知广东、江苏、山东、浙江、北京、福建、上海、天津、湖北、陕西综合排名居位全国前十, 而内蒙古、云南、广西、贵州、甘肃、宁夏、新疆、海南、青海则相对来说比较落后。
三、聚类分析
在对本文数据进行因子分析后, 还同时将数据进行了聚类分析, 聚类分析 (Cluster Analysis) 又称集群分析, 其分析的基本思想是依照事物的数值特征, 来对样本进行量化分类。在进行聚类分析时, 本文采用了系统聚类分析, 该方法是以统计量作为划分类型的依据, 把相似程度大的变量 (或样品) 聚合为一类, 而相似程度较小的变量 (或样品) 聚合为另一类, 直到所有的变量 (或样品) 都聚合完毕, 最后根据各类之间的亲疏关系, 逐步画成一张完整的分类系统图, 又称谱系图。
通过SPSS19.0对原始数据进行聚类分析, 得到系统聚类的树状图, 经过整理得到表2。
结合各个地区自主创新能力综合因子得分以及聚类分析的树状图结构, 本文将区域自主创新综合能力划分为3类。第1类包括江苏、广东, 可以将其看做区域自主创新的领先型区域;第2类包括北京、上海、山东、浙江、福建、天津, 可以将其看做区域自主创新的优势型区域;第3类包括辽宁、湖北等, 将其看做区域自主创新的潜力型区域。如表2所示。
四、结论
1.本文从创新的角度出发, 创建了高技术产业技术创新能力评价指标体系, 从而从不同侧面、不同层次来反映我国技术创新能力在不同省域地区的不同表现。
2.本文通过因子分析法, 对我国除西藏和港澳地区外的30个省市、自治区的高技术产业技术创新能力进行评价, 得出综合能力排名前10位的省市依次为:广东、江苏、山东、浙江、北京、福建、上海、天津、湖北和陕西。由此看出:东部地区由于经济发展水平较高, 其技术创新能力优势明显, 珠江三角洲的广东和长江三角洲经济中心的上海都是我国经济发展的前沿地区, 是我国经济最先发达和经济发展水平最高的地区。两大地区拥有高度发达的经济体制和雄厚的经济实力, 为高技术产业技术创新活动提供了强大的经济基础。北京作为我国经济、文化和政治中心, 聚集了全国最优秀的高校, 科研力量雄厚, 这些都无疑提高了高技术产业的创新能力。天津由于进行滨海新区创新建设, 集聚了大量资金和人才, 形成了以企业为主体, R&D机构、大学为支撑, 科研带动产业发展的创新体系。山东作为沿海经济大省, 依托环渤海高技术产业, 不断加大体制创新和技术创新力度, 推进传统产业的改造进程以及对高新技术的产业化, 推进了高新技术产业的持续发展。并且从本文还可以得出人力资源投入指标、研发投入指标和创新产出指标对高技术产业技术创新能力影响较大。
3.本文还通过了聚类分析将我国30个省市的高技术产业技术创新能力进行了综合评价, 并将30个区域划分为:潜力型区域、优势性区域和领先型区域。从聚类分析数据可见, 各地区的高技术产业创新能力差距较为明显, 高技术产业发展呈现出集群创新的趋势。东部地区相对而言技术创新能力较强, 而技术创新能力较弱的地区较多分布于中部和西部。
参考文献
[1]吴永林.北京高技术企业技术创新能力评价分析[J].企业站略, 2011 (2) .
[2]张凌.基于DEA的工业企业技术创新能力的综合评价[J].科技导报, 2005 (1) .
[3]张智越.基于主成分分析和DEA的企业技术创新能力评价[J].经营管理, 2011 (2) .
[4]唐玮.企业技术创新评价理论研究综述[J].科技进步与对策, 2011 (1) .
[5]王德尽.企业技术创新能力评价研究综述[J].科技管理研究, 2010 (4) .
[6]徐玲.我国高技术产业技术创新能力评价[J].科技进步与对策, 2011 (28) .
[7]张军涛.基于因子分析的中国区域创新能力的评价[J].工业技术经济, 2011 (4) .
[8]张倩男.高技术产业的技术创新能力的实证分析[J].工业技术经济, 2007 (4) .
[9]邵云飞.中国区域技术创新能力聚类实证分析[J].区域经济, 2010 (6) .
高技术 第5篇
为保障高技术材料实验室科研任务能够有序开展，创造、维护安全、适宜的工作环境，特制定实验室员工管理规范条例。该条例不仅局限于本实验工作人员，同时对到本室学习、参观、临时工作人员同样具有约束力。
一、自觉遵守国家法律、法规，遵守中国科学院化学研究所各项规章制度。
二、正确理解化学所质量方针，牢记质量目标，自觉贯彻执行化学所质量管理体系的相关规定。通过科技创新，不断提升产品和服务质量，为用户提供高质量高科技含量的科研产品。
三、自觉遵守化学所保密制度，涉密人员上岗前必须接受保密培训，严格保守实验室技术机密，不得擅自向外透漏有关科研生产的技术资料和实验数据。
四、新入所员工必须参加由人事处组织的入所培训，提高科研、安全生产和环境卫生意识；加强ISO-9000质量体系管理意识；熟练掌握科研、生产操作技能，规范操作规程；熟练掌握各种安全、卫生设施的使用、维护与管理；自觉增强自身随时、随地处理突发事件的能力。
五、自觉将个人和谐的融入到集体中；互相帮助、互相提醒，创造团结、和谐、富有凝聚力的工作环境。不得以任何理由和原因制造矛盾,遇事不推诿。
六、实验及生产过程中贯彻“预防为主，安全第一”的方针，做好个人防护，严格按照有关操作规程进行操作。
七、工作时间禁止网上聊天，严禁影响他人正常工作的行为。
八、注意个人仪表，上班着装应干净整洁，言谈举止适度，不在办公室大声喧哗，保持办公室和实验区域的清洁环境。
本条例自发布之日起生效。
高技术材料实验室 2009年4月17日
重庆高技术产业定位分析 第6篇
【关键词】 高技术 高技术产业 定位
重庆作为我国最年轻的直辖市、长江上游经济中心、西部重要增长极，在我国高新技术产业发展中具有显著的战略地位。自直辖以来，市委、市政府坚持邓小平关于“科学技术是第一生产力”的战略思想，认真贯彻“发展高科技，实现产业化”的方针，作出了努力建设长江上游高技术产业基地的战略部署。在这一战略部署的指引下，全市把握时代特征和科技进步趋势，坚持政府主导，超前规划，以西部大开发和经济结构调整为契机，以信息、生物、新材料、高技术服务等产业为重点，优化产业发展政策支撑环境，切实推进高技术产业化，有力地促进了高技术产业快速发展。
本文定位了重庆在我国高技术产业发展中的适当位置，找出优势和差距，为我市高新技术产业的快速发展提供合适的立足点。
1. 高技术产业概述
高技术产业是指用当代尖端技术（主要指信息技术、生物工程和新材料等领域）生产高技术产品的产业群。是研究开发投入高，研究开发人员比重大的产业。高技术产业发展快，对其它产业的渗透能力强。高技术是对一般传统技术而言的新兴尖端技术。第二次世界大战以来，由于现代科学技术高度分化和高度综合的发展特点，产生了以电子信息技术、生物技术、新材料技术、新能源技术和航天技术为代表的高技术群。高技术产业的智力性、创新性、战略性和环境污染少等优势，对社会和经济的发展具有极为重要的意义。20世纪80年代以来，高技术产业的蓬勃发展，对世界经济产生了巨大影响，为人类社会开拓了一个前所未有的美好前景。发展高技术产业，所需科研费用高，从产品研制到投放市场需要一定的研究周期，其中的不确定因素难以预见，风险性也大。
2. 重庆高新技术产业发展现状
2005年重庆高技术产业（含高技术服务业）实现增加值199.3亿元，五年年均增长20.7%，其中高技术制造业58.3亿元，五年年均增长速度30.2%，占GDP的比重由2000年的0.94%提高到1.89%，高新技术产业取得较好发展。一，高技术制造业初具规模。在数字医疗、移动通信、汽车电子、仪器仪表、生物制药、现代中药、生物农业等领域的重大高技术产业化项目陆续启动建设，部分项目建成后已进入加速扩张期，有力地促进了高技术制造业规模扩张；二，重点产业发展后劲持续增强。经过技术和产业积累，重庆电子信息、生物、仪器仪表、新材料、软件等高技术领域形成了较好的发展基础，新增发明专利43件，现有正在或即将规模化发展的新产品701个产业发展后劲明显增强。三，高技术服务业较快发展。全市网络基础设施建设稳步推进，光缆总长达到9.3万公里，互联网注册用户数增至123.5万户；新增固话交换机容量600余万门，移动交换机容量750余万门，累计分别达到1071万门、968万门，电话用户数1606.8万户，其中固定电话699.2万户，电话普及率由2000年的13.86部/百人提高到58.9部/百人。四，区域科技创新体系初步形成。以公益性科研机构改革为重点的科技体制改革加快推进，技术开发类科研院所全部实现企业化转制，院所科技资源得到有效整合，大型科学仪器资源共享更加规范，科研院所的科技平台、创新资源的共享机制正在加快形成。五，产业由分散趋向集群化发展。重庆“十五”高技术产业发展规划明确了引导高技术产业区域集聚发展的总体思路，提出了在都市发达经济圈构建高技术产业基地核心区的战略目标。高技术产业呈明显聚集趋势，北部新区特色产业园区、高新区、经开区、大学科技园区已成为高技术产业的最主要集聚区域。
3. 重庆高技术产业定位
3.1重庆高新技术产业开发区发展情况定位
高新区不仅吸引具有创新能力的企业加入，更是为企业提供良好的创新氛围和发展环境，使更多的企业落户高新区以谋求自身发展。高新区在区域经济发展的中的作用越来越显著，一个地区高新区的发展状况也就可以说明该地区的高技术产业发展状况。根据《2005年国家高新技术产业开发区综合发展情况分析》可以看到，重庆市高新区主要经济指标如下：企业数，351（家）；总收入，38859748（千元）；工业总产值，33153406（千元）；工业增加值，9868753（千元）；出口创汇，452530（美元）；净利润，1708752（千元）；上缴税额，2110737（千元）。在全国53个高新区中，总体规模偏低，远远低于东部地区和其他三个直辖市，略低于中部部分地区；在西部，其规模小于西安，成都和蘭州。
3.2重庆高技术产业增加值定位
重庆高技术产业增加值2003年为28亿元，2004年为42亿元，2005年为46.36亿元。重庆高技术产业增加值虽然有了大幅度的提高，但由于重庆地区高技术产业基础薄弱，相比国家其他地区，高技术产业增加值仍然较低。如表1所示，重庆高技术产业增加值属于第四类，比中东部地区都低，比部分西部地区，如四川，陕西，贵州等地区增加值也低。其他直辖市的增加值都在100-1000亿元之间，远远大于重庆地区高新技术产业增加值。
3.3重庆高新技术产品进出口情况定位
重庆2006年高技术产业进口额为270百万美元，出口额为135百万美元，贸易差额为-135百万美元，高新技术产业属于逆差，即进口额大于出口额，额度为135百万美元。重庆还属于高新技术的引进阶段。在全国其他地区中，总交易额低于中东部个地区；与西部地区相比，只比四川，陕西两个大省的交易额低；但（上接第140页）
远远低于其他三个直辖市。如表2所示，高技术产品出口额中，重庆属于第三类，高于中部的河南省，除四川、陕西外，比其他西部地区出口额都高。但是，可以看到，北京、上海、天津这三个直辖市都排在第一类，出口额远远高于重庆。
3.4综合科技进步水平定位
重庆综合科技进步水平指数为44.22%，在全国31个地区中排第12位，排名稍靠前，但低于全国平均水平（50.78%）。其中科技进步环境指数为46.63%，全国排名18，低于全国平均水平（53.99%）；科技活动投入指数44.84%，全国排名13，低于全国平均水平（52.20%）；科技活动产出指数47.09%，排名第4，略高于全国平均水平（46.15%）；高新技术产业化指数为39.97%，全国排名14，低于全国平均水平（50.43%）；科技促进经济社会发展指数为42.40%，全国排名24，低于全国平均水平（51.36%）。只有科技活动产出指数一项指标近几年来高于全国平均水平，其余各项指标均低于全国平均水平。值得注意的是，高新技术产业化指标值虽然是上升的，但排名2005年第8名，2006年第9名，2007年突然下降至14名，充分说明重庆高新技术产业化进步比周围地区的慢。
小结
从上面的分析可以得到，重庆高技术产业，从工业总产值、利税、出口和增加值等总体来看，落后于东部和中部地区；在西部地区，落后于四川、陕西两省；远远落后于其他三个直辖市。
参考文献：
[1] 邱风，产业经济学案例[M]，杭州：浙江大学出版社，2005.
[2] 高技术统计年鉴[M]，北京： ，2003.
[3] 重庆市发展改革委高技术处，“十五”重庆市高技术产业发展情况[Z].
作者简介：苟靠敏（1979.9- ），女，汉族，助教，硕士学位。研究方向：区域经济理论与政策。
高技术 第7篇
一、模型构建与变量构造
学者们多倾向于使用两种方法进行技术效率研究: 一种是运用非参数的数据包络分析 ( DEA) 及其扩展方法,测度研发投入的产出效率; 另一种是运用随机前沿生产函数方法 ( SFA) ,研究R&D的技术创新效率。对技术创新效率的研究主要集中在以下两个方面 : 一是直接对技术创新效率的研究,二是对创新效率及影响因素的研究。目前, 对高技术产业技术创新效率及影响因素的实证研究,基本考虑的是企业规模、市场结构、所有制结构、研发氛围等行业特征要素。本文采用随机前沿模型SFA,试图探究宏观产权制度等技术非效率因素对我国高技术产业技术创新效率的影响。
( 一) 模型构建
根据Battese和Coelli ( 1995) 的研究,面板数据的随机前沿生产函数模型的一般形式为:
( 1) 式中的Yit表示行业i在t年份的技术产出,Xit表示行业i在t年份的各种投入; 误差项vit、 uit为复合结构,vit服从独立同分布的正态分布iid N( 0,σV2) ,表示随机扰动的冲击影响; uit为技术非效率项,表示个体冲击。为了考虑外部环境因素对技术效率的影响,Battese和Coelli在1992年的研究基础上引入了技术非效率函数,并假定技术非效率函数服从N( zitδ,σ2) 的非负截断正态分布,认为技术非效率项是一些外部环境因素的函数,其表达式为:
其中Zit为影响技术非效率的环境因素,δ 为环境因素的系数向量; Wit为随机误差项,服从零均值和方差 σ2的截尾正态分布N( 0,σ2) ,且技术效率函数为:
环境因素系数对技术效率的影响具有相反的效果,即 δ 为负,表明对技术效率有正的影响; 反之,则有负的影响。借鉴Griliches ( 1979) 构建的知识生产函数模型[2],本文选取常用的C - D生产函数,结合随机前沿生产函数,采用对数形式构建模型如下:
其中Yit表示行业i在t年的创新产出,以专利申请受理数和新产品销售收入表示; Rit表示行业i在t年份的研发资本投入,Lit表示研发劳动投入, 误差项Vit表示随机扰动的冲击影响; Uit为技术非效率项,表示个体冲击,具体可表示为:
其中HK 、GAP 、IO分别代表影响行业吸收能力的人力资本、技术差距与产业开放度因素; IPR与GDP表示宏观环境变量知识产权保护和经济发展水平; MS表示行业特征变量市场结构。
( 二) 变量构造
1. 投入、产出变量。专利数是产业技术发明、 创造能力的直接体现,学者们通常采用申请专利数作为技术创新产出的代理变量,本文采用高技术产业细分行业专利申请数作为技术创新产出指标。根据知识生产函数模型,技术创新投入由知识资本投入R和知识劳动投入L两种生产要素构成, 本文采用研发资本与研发人员投入作为技术创新投入变量,具体采用高技术产业R&D经费内部支出与研究与发展人员全时当量作为其代理变量。 研发投资是一种连续行为,本文采用永续盘存法来测算研发资本存量,并借鉴吴延兵 ( 2009)[3]计算研发资本存量的方法:
其中RDi ( t -1)表示i产业在t - 1年的研发资本存量,δ 表示研发资本的折旧率,本文分析我国样本数据时采用15% 的折旧率。Eit表示i产业在第t年经折现的研发经费投入,并假设研发资本的增长率g等于E的年均增长率,则研发资本的期初值为: RDi0= Ei0/ ( g + δ) 。
在测算研发资本存量之前,本文已用2008年不变价 “研发价格指数”将研发经费内部支出平减为不变价研发支出。研发价格指数的构造借鉴Frantzen ( 2003 ) 的方法, 具体依据2008 - 2012 《高技术产业统计年鉴》中科技活动经费内部支出的数据构成比例,劳务费用比重均值约为30% , 仪器设备经费比重均值约为70% ,则RDpi= 0. 70p + 0. 30w 。其中,p代表产品出厂价格指数,w代表消费者价格指数。
2. 环境变量。除了技术创新投入外,环境因素对高技术产业的技术创新效率也存在较大影响。 本文主要考查人力资本、技术差距、知识产权保护、经济发展水平等技术非效率因素,对我国高技术产业技术创新效率的影响。
( 1) 人力资本 ( HK) 。中外学者大多认为人力资本水平是影响研发资本投入的主要因素,而且一个国家的人力资本决定了该国创造适宜国内生产新技术的能力[4]。人力资本对技术创新的影响不仅仅体现在一国原始创新与二次创新相比,需要投入更多研发资金和人才,还体现在人力资本水平对吸收国外技术溢出和促进二次创新具有的重要作用[5]。由于人力资本的匮乏,FDI引起的技术转移并未显著促进发展中国家生产率的增长, 人力资本水平也决定着发展中国家从技术模仿转向自主创新转变的能力[6]。本文具体选用高技术产业行业人员素质 ( IPQ) ,即高技术产业各行业R&D机构人员数 / 平均从业人员数作为人力资本的代理变量。
( 2) 技术差距 ( GAP) ,即我国技术水平与世界技术前沿的距离。一般而言,技术差距大且本国人力资本水平高,则学习能力强,模仿空间大,技术创新幅度大; 如果技术差距大且人力资本水平低,则对引进技术的学习能力低,并难以进行二次创新。相反,技术水平越接近技术前沿,技术差距就越小,东道国技术水平就越高,技术创新能力也越强。由此可见不同的技术差距对技术创新的影响效果是不确定的,主要依赖于知识产权保护的力度及人力资本水平。本文采用我国的全要素生产率TFP与美国的全要素生产率TFP的相对差距, 表示我国高技术产业与世界技术前沿的技术距离[7],具体采用荷兰格罗宁根大学格罗宁根增长和发展中 心Robert Inkaar and Marcel P. Timmer ( 2013,7) 佩恩表 ( PWT8. 0) 中对全要素生产率TFP的测度指标CTFP ( TFP level at current PPPs ( USA = 1) ) 数值。由于佩恩表中给出了1978年至2011年数据,根据时间序列数据散点图的非线性趋势,本文采用三次指数平滑法建立非线性预测模型预测得出2012年中国CTFP数值。
( 3) 知识产权保护 ( IPR) 。作为影响技术创新的重要制度变量,知识产权保护程度的大小决定了对产业创新激励及综合效应有所不同。由于知识产权保护对技术创新的影响取决于技术差距和对国外技术的模仿能力[8],即知识产权保护对技术创新的最终影响是不确定的,可能存在复杂的非线性关系。为具体考察我国实际知识产权保护水平对高技术产业技术创新效率的影响,本文以改进Ginarte - Park指数 ( IGP) 衡量TRIPS协定下中国知识产权立法水平,从知识产权执法的执行能力与执行意愿角度,构建测度知识产权执法水平的三级指标体系,计算出我国知识产权保护的执法强度指数ELS,并结合立法水平IGP指数,测算出我国实际的知识产权保护水平[9]。
( 4) 产业开放度 ( IO) 。其不仅能反映产业与国际接轨的程度,也能反映产业可获得的技术外溢空间。一般而言,产业的开放程度越大越有利于技术的溢出,产业可获的技术知识积累越多,则技术创新产出就会越高。根据中国高技术产业数据的可获性,本文采用高技术产业出口交货值表示产业开放度的高低。
( 5) 经济发展水 平 ( GDP) 。Chen ( 2005 ) 、 Hudson ( 2013) 等人的研究结果表明,一个国家的技术创新与知识产权保护和经济发展存在复杂 的非线性关系,而不同国家、同一国家的不同发展阶段对知识产权保护强度的需求各不相同。经济发展水平较低时,较弱的知识产权保护有助于促进技术的模仿创新,抑制技术自主创新,并间接影响总的技术创新产出效率。本文采用人均GDP表示我国经济发展水平。
( 6) 市场结构 ( MS) 。大部分学者采用市场集中度来反映市场结构,并认为高技术产业市场集中度的提高有利于促进技术创新。由于缺乏中国高技术产业行业集中度的精确数据,本文采取各行业企业单位数表示该行业的竞争程度。企业数量越多预示着市场竞争越激烈,企业数量越少暗含着该行业具有更强的垄断性,这也反映了高技术产业各行业进出壁垒的高低。
二、实证分析
根据基本模型 ( 4) 与 ( 5) ,按高技术产业统计资料整理公布格式中的三、四、五、六、七类行业统计数据,本文利用Frontier 4. 1软件,采用2008 - 2012年中国高技术产业5大类行业下的二十一类细分行业共140个样本数据,对我国高技术产业分行业的技术创新效率与影响效率差异的技术非效率因素进行分析。本文所有数据源自2009 - 2013年 《中国高技术产业统计年鉴》 和 《中国统计年鉴》 及2000 - 2012年 《中国知识产权年鉴》、wind数据库,各价值统计指标均以2008年不变价进行折现处理。其中,新产品销售收入采用商品零售价格指数进行平减; 计算环境变量涉及的出口交货值利用工业生产者出厂价格指数进行平减; R&D资本存量利用构建的R&D指数进行平减,考虑到总资产主要由固定资产与流动资产构成,利用固定资产投资价格指数与原材料购进价格指数的平均数平减。为了减少原始数据的波动程度,本文尽量避免计量回归中的异方差,所有变量均取自然对数值。
( 一) 技术创新效率实证结果分析
表1报告了2008年至2012年中国高技术产业细分行业的技术创新效率,从模型结果看中国高技术产业技术创新效率整体仍然较低,均值仅为0. 441[10]。但是,与朱有为和徐康宁 ( 2006) 所得到的中国高技术产业研发效率均值0. 258相比,高技术产业的技术创新效率还是有了一定幅度的提高。尽管如此,虽然高技术产业平均技术创新水平不高,但基本呈 稳步增长 趋势,从2008年的0. 375已升至2012年的0. 518。这表明高技术产业技术创新效率的进一步改善还存在着较大的空间,还可以充分挖掘现有科技资源和技术的潜力,提高企业研发资金投入的使用效率。
从图1可以看出在细分行业平均技术创新效率中,电子及通信设备制造业的技术创新效率值最高,达到了0. 886。可能在于通讯设备制造业是我国开放最早、发展最快的高技术产业之一,最先融入世界产业链,其自主研发经费投入和人员投入比例都高于同期其他行业,技术接近世界先进水平,具有市场竞争优势。航天器制造的创新效率只有0. 079,为整个行业技术创新效率的最低值,雷达及配套设备制造为0. 117,次低于航天器制造。 这两类行业均为战略性高技术产业,关乎国家安全,虽然国家一直重视这些行业也加大了其R&D投入,但低产出却拉低了其技术创新效率。因此, 必须制定总体发展战略及相应的产业技术政策, 不断提高行业的技术创新能力和效率。
从技术创新效率动态变化看,除航空航天器及设备制造业自2008年以来一直呈稳步上升外, 医药制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗仪器设备及仪器仪表制造业技术创新效率均在2010年有较大幅度回落外,从2011年开始又都重新恢复到不断上升趋势。尤其是计算机及办公设备制造业平均上升幅度最大, 从2008年的0. 228上升为2012年的0. 671,增幅为1. 95倍。然而这个行业也是所有行业中技术创新效率最不均衡的一个,其所属的办公设备制造业在所有细分行业中效率增长最大,而计算机外围设备制造确为细分行业中效率下降最多的行业。 相对于其他四类行业,电子及通信设备制造业整体处于高技术创新效率水平,效率提升幅度最小。 医疗仪器设备及仪器仪表制造业技术创新效率水平仅次于电子及通信设备制造业,效率上升幅度也低于幅度最小的电子及通信设备制造业。虽然航天航空器及设备制造业整体上处于低技术效率水平,然而却呈现出较快的上升趋势,其上升幅度仅次于最快的计算机及办公设备制造业。医药制造业整体技术创新效率稳定在中上等水平,其上升幅度也相应呈匀速发展。技术创新效率越高的行业都是研发投入比重高或市场表现好的行业,而创新效率的提升确实需要研发投入产生的规模效应。 虽然五大类行业的技术创新效率绝对差异较大,但从动态的变化趋势来看呈现出一定的趋同。
( 二) 最大似然估计实证结果分析
表2报告了利用Frontier 4. 1对各参数进行最大似然估计的结果,由 ( 1) 可以看出 γ = 0. 93 , 且在1% 的显著性水平估计效果显著,说明公式 ( 5) 的误差项具有明显的复合误差结构,技术差距、知识产权保护等环境因素对高技术产业不同行业的技术创新效率存在显著影响。因此,选用SFA模型来估计我国高技术产业分行业的技术创新效率是正确的。
注:***代表在 1% 显著水平下具有统计显著性;**代表在 5% 显著水平下具有统计显著性;*代表在 10% 显著水平 下具有统计显著性。LR 为似然比检验统计量,服从混合 分布。对无效率项的估计模型中,负的变量系数表示对效率存在 正向影响。
从技术创新投入来看,研发资本投入的产出弹性 β1= 0. 233,在5% 的显著性水平统计效果显著,研发人员投入的产出弹性 β2= 0. 465且在1% 的显著性水平下显著。本文所估计的研发人员产出弹性略高,研发资本产出弹性略低,且研发人员产出弹性明显高于资本产出弹性。这表明在我国高技术产业知识创造产出中,研发人员投入的贡献近年来逐渐占据了主导地位; 要素弹性之和为0. 698,表明我国高技术产业技术创新活动缺乏规模经济性。其中研发资本投入每增加1% ,专利申请数明显增加22. 7% ; 研发人员投入每增加1% , 专利申请数将显著增加47. 4% 。
从影响不同产业技术创新效率的环境因素来看,它们占据了随机误差的93. 0% ,只有7. 0% 由统计误差引起。δ1、δ2、δ3、δ4、δ5、δ6分别通过了显著性检验,在通过显著性检验的参数中,除了 δ4的系数为正外,其余均为负。这表明人力资本、 技术差距、产业开放度与知识产权保护水平、市场结构变量,对高技术产业专利产出有着显著的正向影响。经济发展水平人均GDP对知识创造创新产出有着较显著的负向影响,其中人力资本水平、 与技术前沿的技术差距、产业开放度、知识产权保护水平及行业平均企业数分别提高1% ,在其他因素不变时可促进高技术产业平均专利申请数在1% 或5% 的显著性 水平下分 别增加0. 315% 、 20. 38% 、0. 204% 、20. 66% 、0. 242% ; 经济发展水平提高0. 01,会导致高技术产业平均专利申请数在10% 的显著性水平下减少5. 08% 。
人力资本的影响系数在表 ( 2) 的三个模型中都显著为负,这表明人力资本与高技术产业各行业的技术创新效率存在正相关关系,即高技术产业研发人员与平均从业人员的比重越高,越能促进技术创新产出。产业开放度的估计系数均显著为负,但数值较小。这说明随着高技术产业与国际接轨的程度不断增加,对我国高技术产业技术能力的提高产生了一定的技术溢出作用,尽管这种溢出效应还比较微弱。经济发展水平的回归系数均显著为正,说明经济发展水平与高技术产业技术创新效率之间存在着较显著的负向关系。从表面看来,两者的这种负向关系似乎不尽合理,但深入考虑便会发现虽然我国经济增长保持了较高速水平,但人均GDP仍处于世界平均水平之下,较低的人均经济发展水平不能满足高技术产业技术创新投入的规模需要,从而抑制了高技术产业的技术创新效率。市场结构项的系数显著为负值,这表明高技术产业的市场竞争性越强,越有助于刺激研发效率的提升。
( 三) 技术差距、知识 产 权保 护 与技术创新 效率
在影响专利产出效率的因素中,技术差距与知识产权保护水平的影响比例之和为41. 04% ,占整个复合误差的44. 12% ,这充分表明技术差距、 知识产权保护对我国高技术产业技术创新效率具有重要影响。在回归估计时,本文分别对无效率函数增加知识产权保护平方项,结果发现这些系数不但通过显著性检验,而且数值大大增加。表2的 ( 2) 报告了回归估计结果,可以看出增加知识产权保护平方项后,高技术产业技术创新效率几乎没有发生变化,仍然接近原效率水平0. 44,技术创新投入对创新效率的影响依然为0. 69,创新资本投入降低了3个百分点,创新人员投入增加了3个百分点。由 ( 2) 可以看出增加知识产权保护平方项后,它的影响系数显著为正,而知识产权保护的系数显著为负,这充分表明知识产权保护与高技术产业技术创新效率之间存在着非线性的倒U型关系,即技术创新效率存在着知识产权保护的拐点,知识产权保护水平对不同行业的技术创新效率影响有所不同。除此之外,还能发现技术差距的回归系数也明显增大。
表2的 ( 3) 报告了对无效率函数增加知识产权保护与技术差距交互项后回归估计的结果,从中可以看出增加知识产权保护与技术差距的交互项后,其他影响因素的系数基本没有发生变化,交互项回归系数显著为正,知识产权保护的系数也显著为正,而技术差距系数显著为负。与 ( 1) 相比,其系数也明显增大。这表明知识产权保护对我国高技术产业技术创新效率的间接影响有所不同, 技术差距、知识产权保护与高技术产业技术创新效率之间存在着复杂的非线性关系。知识产权保护水平保持不变,我国技术水平与技术前沿的差距每减少1% ,会使得高技术产业技术创新效率降低34% ; 当技术差距维持不变,实际知识产权保护强度每增加1% ,会使得高技术产业技术创新效率下降277% 。目前,我国主要以技术模仿创新为主,处在技术从模仿创新到技术自主创新的转型阶段。虽然我国技术水平与国外技术前沿的相对距离近年来逐渐减少,但不占有绝对的技术优势, 整体技术水平还比较低下,技术距离的不断缩小使得高技术产业可利用的后发优势就越小。随着我国知识产权保护水平的不断提高,高技术产业某些关键核心技术受技术前沿国家专利保护与技术封锁而无法通过技术引进———消化吸收———模仿创新的途径获取,只能依靠各行业的自主技术创新能力获得。尽管我国高技术产业的技术自主创新能力近年来有一定提高,但我国技术创新知识积累不足,技术创新基础相对薄弱,技术自主创新能力局限强,主要还是以引进国外先进技术为主。因此,不断增强的知识产权保护水平并不利于技术的外溢,却降低了知识创造的专利产出,导致高技术产业技术创新效率的下降。
三、结论
目前,我国高技术产业的技术创新投入仍然不具有规模经济性,平均技术创新效率水平较低; 研发人员投入取代研发资本,成为专利产出新的最大贡献投入要素; 在五大类行业的平均技术创新效率中,电子及通信设备制造业最高,医疗仪器设备及仪器仪表制造业次之,都远超过行业平均技术创新效率,航空、航天器及设备制造业效率最低,远低于行业平均技术创新效率。这意味着电子及通信设备制造业研发投入的规模效应,使之稳居我国高技术产业技术创新效率的榜首。
值得一提的是,随着人民物质生活水平的提高、人口老龄化进程的加剧、全社会公共卫生体系建设及医疗体制改革的深化,人们关爱健康的消费意识的提高及医疗保健开支的不断增长,我国医药市场一直保持稳步增长态势,良好的市场发展前景推动制药业相关产业研发投入不断增强, 技术创新的规模效应逐渐体现,医疗仪器设备及仪器仪表制造业与医药制造业的技术创新效率快速提高,分别跃居我国高技术产业技术创新效率的第二和第三名。我国计算机及办公设备制造业与航空、航天器及设备制造业技术创新效率,虽然低于行业平均技术创新效率水平,但近年来都表现出稳步上升趋势。尤其是航天器制造、广播电视设备制造、雷达及配套设备制造、电子真空器件制造、半导体分立器件制造、办公设备制造行业,这些行业不但发展速度和规模可观,也是推动我国高技术产业技术创新效率不断改善的重要力量。
我国技术差距、知识产权保护与高技术产业技术创新效率之间存在着复杂的非线性关系。随着我国整体技术水平与国外技术前沿的技术距离不断缩小,高技术产业能够利用的技术空间越来越小; 随着我国知识产权保护强度的不断提高,模仿国外先进技术的侵权风险及资金成本越来越高, 从而抑制了以技术模仿创新为主的高技术产业知识创造产出,导致技术创新效率的降低。
我国高技术产业技术创新效率评价 第8篇
在经济全球化加快发展, 市场竞争日益加剧的情况下, 一国的经济增长越来越依赖于其整体技术创新水平。而高技术产业是技术创新密集产生的孵化器, 因此高技术产业在决定一国技术创新水平上具有极大的影响。中国高技术产业的增长, 尤其是20世纪90年代后期的增长主要是投资带动的, 并非效率的提升。正是在这种投资提升技术创新水平的认知下, 近几年来, 我国无论是从中央政府、地区政府还是从企业层面, 均不断加大对高新技术产业的投资, 试图以加大投资力度来提升高技术产业的国际竞争力。这种粗放型投资确实从一定程度上提升了技术创新水平, 但是粗放型投资的结果势必会带来一些副产品, 诸如环境污染、能源瓶颈等, 因而不是一种可持续的发展模式。如何在加大投资力度的同时, 实现以效率提升创新水平的集约型可持续发展模式, 是摆在我国各级政府和企业界面前的一个严峻问题。一国技术水平在国际上是否具有竞争力, 不单单只取决于某几个相对发达地区的技术创新, 而应该是全国各地区的技术创新的整体水平。然而, 我国各地区之间的创新不平衡现象十分严峻, 严重拖累了我国的整体创新水平。
二、相关研究简述
关于高技术产业的技术创新效率, 国内外研究成果颇丰。Jooh Lee和Eunsup Shim (1995) 通过对美、日高技术产业的实证分析, 证明研发支出和企业的长期绩效、市场份额之间存在显著的正相关关系。John Hagedoorn和Myriam Cloodt (2003) 以4个高技术产业, 将近1200家国际样本企业为实证对象, 采用研发投入、专利、专利引文等一系列指标, 研究指出以这些指标为代表的复合指标体系较好地反映了潜在指标的创新绩效。Hale Kaynak和Janet L.Hartley (2005) 选用3个绩效变量, 采用聚类分析实证检验了高技术制造企业质量管理和绩效之间的关系。Chung-Jen等 (2006) 采用DEA分析了新竹工业园区6个高新技术产业的技术创新效率, 并借助马姆奎斯特指数 (Malmquist indices) 来分析6个高新技术产业的增长潜力。Fang-Mei Tseng等 (2009) 指出, 传统反应商业绩效的指标已不合时宜, 为此他们建立了一套可用于高技术产业企业的基于财务绩效和非财务绩效的指标体系, 并构建了集成DEA、AHP和模糊多层次决策于一体的评价模型。张危宁等 (2006) 通过对集群创新系统特征的研究, 借鉴了国内外集群绩效的评价方法, 设计了适用于我国产业集群的绩效评价指标体系。郑坚和丁云龙 (2007) 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, 并分别设计了两个阶段的技术创新绩效评价指标体系。余泳泽 (2009) 基于价值链的视角, 将高技术产业的技术创新过程分为技术开发和技术成果转化两个阶段, 并基于DEA模型分别对各阶段的效率及其影响因素进行了实证研究。
总体来说, 国内外在高技术产业创新效率研究上, 无论是在理论拓展方面、高新技术产业实证研究方面还是数理统计方法应用与延伸发展方面都涌现出了许多具有重要理论和实践意义的成果。本文将采用DEA方法来评价我国各地区高技术产业的技术创新效率。
三、我国各地区高技术产业技术创新效率评价
(一) DEA模型及其发展简介
数据包络分析 (DEA) , 由美国运筹学家A.Charnes等人于1978年创建, 是数学、运筹学与管理学交叉的一个新领域。DEA可用于评价具有多输入、特别是多输出的同类型决策单元 (简记DMU) 的相对有效性。最初的DEA模型被称为C2R模型, 后来发展出了许多新模型, 包括研究“技术有效性”的BCC模型和CCGSS模型, 具有无穷多决策单元的CCW模型和处理具有过多输入及输出CCWH模型。由于这些模型在经济学、管理学中的适用性不断得到验证, 因此受到广泛青睐并被不断地完善和延伸。本文旨在对我国各地区高技术产业的技术创新效率进行定级排序, 可选择原始的C2R模型。
(二) C2R模型
C2R模型是研究具有多个输入、特别是多个输出的“生产部门”同时为“规模有效”与“技术有效”的理想方法。设有n个同类型决策单元, 每个单元有m种输入和s种输出。Xij表示第j个决策单元的第i种输入的投入量, Xij>0;yrj表示第j个决策单元第r种输出的产出量, yrj>0;vi、ur分别是第i种输入和第r种输出的权数, i=1, 2, …m;j=1, 2, …n;r=1, 2, …s。通过引入非阿基米德无穷小量, C2R模型可用于评价第J0个决策单元的总体效率, 即技术有效和规模有效。令ε是一个非阿基米德无穷小量, 它小于任何正数且大于0。具有非阿基米德无穷小量ε的C2R模型的对偶规划, 其公式如下:
undefined
其中:undefined、S+分别为各输入指标和各输出指标的松弛变量。
设θ0, λ0, S0-, S0+是其最优解, 通过对这些最优解的分析, 可以评价决策单元的综合有效性, 即技术有效和规模有效。其中, 技术有效表示产出相对于投入达到最大;规模有效即处于规模报酬不变的最佳生产状态。具体可以细分为以下三种情况:
(1) 若θ0=1, 且S0-=0, S0+=0, 表明DMUj0同时处于技术有效和规模有效;
(2) 若θ0=1, 且undefined, 则DMUj0仅为弱DEA有效;
(3) 若θ0<1, 则DMUj0不为弱DEA有效。
在θ0<1时, DMUj0被称之为DEA无效, 其原因可能是两方面的:一是纯技术无效率;二是规模无效率, 需要借助BC2模型来判断。在C2R模型的基础上, 引入undefined, 即规模收益不变, 便可以得到BC2模型。规模收益不变时, 该模型则可以用来判定决策单元的纯技术有效性。而规模有效性可以通过C2R的综合效率值与BC2模型的纯技术效率值的比值来实现。
(三) 指标体系构建与数据来源及计算
高技术产业作为高投入、高风险的知识、技术和资金密集型产业, 其投入主要体现在人、财和物上, 其产出表现为新产品销售收入及发明专利拥有数。在此基础上, 再综合考虑设置指标的科学性、客观性、数据可获得性等原则, 本文拟采用R&D活动人员折合全时当量及科技活动人员中科学家和工程师比例来反映科技活动中的人员投入;R&D经费内部支出和科技活动经费内部支出反映高技术产业中的财力支出, 其中科技活动经费内部支出中包含了反映研发设备投入的物资支出;并通过新产品销售收入、拥有发明专利数表示技术创新产出。
本文将以医药制造、航空航天、电子及通信设备制造、计算机及办公设备制造和医疗设备及仪器仪表制造5大类产业为研究对象, 以《中国高技术产业统计年鉴—2009》为数据来源, 分析比较我国各地区的技术创新效率。由于我国内蒙古、西藏、青海、香港、澳门、台湾等地的数据缺失, 本研究将不包括这些地区。采用DEA-SOLVER-LV软件, 输入各项输入和产出指标, 运行并得到如表1所示的运行结果。
四、结果分析
根据以上结果, 可以按照θ0, ∑S-和∑S+结果的不同可以将上述28个地区划分为三类, 分别是:
(1) θ0=1, ∑S-=0, ∑S+=0。满足此条件的地区有北京、山西、上海、江苏、福建、广东、贵州和新疆。这些区域达到了DEA有效, 即同时实现了技术有效和规模有效。技术有效表示这些地区在既定的投入下达到了最大的产出, 表明这些地区的投入与产出位于生产前沿面上。规模有效则意味着这些地区达到了最佳的规模收益, 不可能通过提高投入来实现产出高于投入增加倍数的增长。
(2) θ0≠1, ∑S-≠0, ∑S+=0。满足此条件的地区有河北、黑龙江、浙江、安徽、江西、山东、河南、湖北、重庆、四川、云南、陕西和甘肃。θ0≠1, 说明这些地区的技术创新总体无效。根据松弛变量的含义, 在S0-≠1且∑S+=0的情况下, 说明上述这些地区在既定的产出下, 松弛变量S0-≠0对应的输入指标相对于S0-=0所指向的输入指标存在投入冗余的情况, 即两种情况下的指标投入量没有达到最优的配比。换言之, 在减少S0-≠0所对应的指标输入并保持S0-=0所对应的指标输入不变的情况下仍然可以达到该既定产出。因此, 对于上述地区来说, 为了达到技术创新总体有效, 应该减少松弛变量S0-≠0所对应的投入指标的投入量, 并逐步调节, 使θ0越来越接近1, 即达到DEA。
(3) θ0≠1, ∑S-≠0, ∑S+≠0处在该条件区域的地区有天津、辽宁、吉林、湖南、广西、海南和宁夏, 此种情况是所有三种情况中最糟糕的一种状态。上述7个地区DEA无效, ∑S-≠0, ∑S+≠0说明这些地区不仅存在投入冗余的情况, 还存在产出不足的情况。投入冗余和产出不足两种状况同时出现, 从理论上来说可以同时从投入和产出两个角度进行调整。但是现实的企业生产是只能从指标输入端进行调节, 无法预先调节产出状况。因此, 处于这种状况下的地区, 应该逐步对各个不为0的输入松弛变量所对应的投入指标进行调节, 逐步向等于1的DEA有效状态逼近。
五、对策建议
从总体看, 我国不同地区存在明显的技术创新梯度差异。如北京、上海、广东等技术创新水平良好, 明显优于江西、陕西和安徽等地区。在经济全球化时代, 技术创新水平决定一国的整体竞争力, 而最能体现创新水平的是一国的高技术产业, 这种地区之间的差异显然不利于我国整体技术创新水平的提升。因此, 从政府层面应该在综合考察这些地区的资源状况、人才聚集情况、科研院所密集程度等众多因素的情况下, 通过各种政策措施支持鼓励有条件的落后地区努力发展高技术产业, 如加大对这些地区的投资, 与此同时加强指导监督, 防止投资演变成无效率的粗放式增长。政府还可以从产业以及税收政策上适度倾向于这些地区, 以引导和刺激落后地区高技术产业的跨越式发展。对于高技术产业发达的北京、广东等地区, 政府应该在保持政策一贯性的基础上适当予以资金、政策等的激励, 以保持并持续提升这些地区的优势。最重要的是, 为了促进我国整体技术水平的提升, 还应该引导技术先进地区加强和落后地区在高技术产业领域各个细分产业里的合作, 促进两者之间的技术合作、管理交流等, 加速技术水平、管理理念从高层次梯队向低层次梯队的转移, 从而提升整体的创新竞争力。
摘要：采用数据包络分析法 (DEA) , 以《中国高技术产业统计年鉴—2009》为数据来源, 对我国各地区高技术产业的技术创新效率进行实证分析。区分了北京、山西、上海、陕西等地DEA达到创新相对有效, 河北、黑龙江、浙江等地为技术创新总体无效地区, 天津、辽宁、吉林等地为DEA无效地区, 根据结果, 提出了我国存在技术创新不平衡的问题, 为解决这一问题, 应加大落后地区投资, 加强指导监督, 从产业和税收政策上适度倾斜, 引导和刺激这些地区高技术的跨越式发展。保持发达地区优势, 并引导先进地区和落后地区在高新技术领域合作。
关键词：DEA,高技术产业,技术创新
参考文献
[1]余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学, 2009 (4) :62-74.
[2]Jooh Lee, Eunsup Shim.Moderating effects of R&D oncorporate growth in U.S.and Japanese hi-tech industries:Anempirical study[J].The Journal of High Technology ManagementResearch, 1995 (6) :179-191.
[3]John Hagedoorn, Myriam Cloodt.Measuring innovativeperformance:is there an advantage in using multiple indicators?[J].Research Policy, 2003 (32) :1365-1379.
[4]Fang-Mei Tseng, Yu-Jing Chiu, Ja-Shen Chen.Measuring business performance in the high-tech manufacturingindustry:A case study of Taiwan’s large-sized TFT-LCDpanel companies[J].Omega, 2009 (37) :686-697.
[5]张危宁, 朱秀梅等.高技术产业集群创新绩效评价指标体系设计[J].工业技术经济, 2006 (11) :57-59.
高技术 第9篇
关键词：高技术服务业,集聚,机制创新
0 引言
高技术服务业是在经济发展过程中, 高技术产业与现代服务业融合发展的产物, 是高技术产业延伸所形成的新业态[1]。加快发展高技术服务业, 对于扩大内需、吸纳就业, 加速高技术产业发展, 促进产业结构优化升级具有重要意义。我国高技术服务业发展参差不齐, 东南沿海地区无论在发展水平还是发展速度上都高于国内其他地区, 江苏省和厦门市作为东南沿海地区高技术服务业发展先于国内其他地区, 目前已取得了一定的成绩, 其发展的方式和特点等对其他地区高技术服务业具有一定的学习和借鉴意义。
1 江苏、厦门高技术服务业发展特点
1.1 拓展创新载体建设
江苏省十分重视高技术服务业创新载体的建设, 目前拥有国家和省级重点实验室、工程技术研究中心等科技基础设施2048个, 数量居全国各省第一。围绕区域产业发展, 建设了9家产业技术研究院;以龙头企业为主体, 建设了24家企业研究院。到“十一五”末, 全省从事科技服务业单位1460多家, 建成各类现代服务业园区100家。厦门市自2006年以来投入财政资金9亿多元, 建设了39个重大科技公共服务平台, 服务内容包括共性技术研发、技术检测、工业设计等高技术服务业。创新载体的建设为江苏和厦门高技术服务业的发展提供了发展的平台和聚集发展的动力。
1.2 形成集聚发展、聚合制造, 规模化为特色的生产方式
在软件与信息服务方面, 2011年苏南五市软件与信息服务业收入占江苏省96.4%, 其中南京、苏州、无锡三市业务收入超过2700亿元, 占苏南五市的90.2%以上, 重点城市成为江苏省软件及信息服务业的主要聚集地。在物联网方面, 以无锡为产业核心区, 苏州、南京为产业支撑区的“一体两翼”高技术服务产业布局初步形成, 区内物联网产业规模占全省比重超过72%。江苏高技术服务业这种集聚发展的方式使省内不同区域根据实际情况发展各自擅长的业务, 既降低了无效市场竞争又助推了地区优势产业的形成。
1.3 以投入带动产出增长
仅在全社会科技研发投入 (R&D) 方面, 厦门市全社会研发投入占GDP的比重从2009年的2.02%增长到2011年的2.7%, 高于2011年我国1.83%和福建省1.26%的水平。得益于投入的支持和拉动, 得益于投入的拉动, 高技术服务业中的科学研究和技术服务业增加值从2000年的2.8亿元增长到2010年的16.84亿元, 年均增长19.7%, 基本上与GDP同步增长。
1.4 形成政策体系扶持高技术服务业发展
江苏省和厦门市为了保持高技术服务业的持续发展, 不但制定了高技术服务业的整体发展政策, 还出台了一系列高技术服务业的指导意见及发展规划。在总体政策方面, 先后发布了《江苏省服务业提速计划》、《厦门市“十二五”现代服务业发展专项规划》等, 从宏观层面上明确高技术服务业发展的方向和定位。在具体高技术服务业产业方面依据总体规划, 编制了通信业、物联网产业、云计算产业等高技术服务业的专项规划, 进一步明确高技术服务业各领域的任务目标, 给予各产业有力的财政支持。在园区高技术服务业发展政策方面, 出台了《南京工业大学科技成果产业化管理办法》、《苏州工业园区知识产权专项资金管理细则》、《厦门火炬高技术产业开发区引进境外科技创业创新领军人才办法》等。在高技术服务平台建设方面同样出台了鼓励重点实验室和工程技术研究中心发展的政策。这一系列政策法规有效地推动了两地高技术服务业的进步。
2 江苏、厦门发展高技术服务业的经验对我国高技术服务业的启示
通过对江苏、厦门高技术服务业的调研发现, 江苏、厦门在发展高技术服务业方面有许多值得学习和借鉴的经验与启示。
2.1 推进工业设计与制造业的良性互动
工业设计作为高技术服务业的重要组成部分, 是制造业与市场的桥梁[2]。无锡 (国家) 工业设计园将工业设计作为发展重点, 通过制造与设计的主辅分离, 做强主业、做专副业。园区工业设计依托当地发达的制造业, 实现工业设计和制造业的互动发展, 形成了强大的工业设计品牌和工业设计能力;依托完善的成果转化机制, 工业设计成果转化率达80%, 有力地推动了制造业的发展。无锡工业设计与制造业的良性互动可以概括为“以工业设计带动制造业升级, 以制造业推动工业设计发展”。其对我国的启示在于充分发挥本地区优势产业的带动作用, 利用产业外部以及内部各环节之间的互动关系, 推进工业设计发展, 增强工业设计领域与生产制造业之间的相互推动作用。
2.2 合理规划工业园区, 实现高技术服务业多元化、综合化发展
苏州工业园、无锡经济开发区根据园区各产业间相互配合、协同发展的需求, 合理规划工业园区, 使得同一个园区内不仅有精密机械、汽车制造等制造业, 也有邮电通讯、商业饮食等一般性服务业, 还有工业设计、文化创意、技术咨询等高技术服务业, 实现不同产业的交叉一体化发展。同时, 在园区规划引入城市规划的概念, 合理地布局工业区、商业区、住宅区等, 并且具备一定的行政管辖功能[3]。这种规划布局能够为园区高技术服务业企业提供不同方面与层次的广泛需求, 使不同类型和不同层次的高技术服务业能够存在同一园区内, 实现高技术服务业在园区内的多元化与综合化发展。
从苏州工业园、无锡经济开发区发展道路可以看出, 高标准、前瞻性的的规划布局, 不仅能够使园区内不同产业相互促进、共同发展, 也能够促进高技术服务业更好地服务于园区各产业, 推动高技术服务业与园区产业间的互动、协同发展, 并实现高技术服务业在区内的多元化、综合化和区域化布局。
2.3 注重平台建设, 形成公共服务共享机制
厦门、无锡等地形成了高技术服务业的公共服务共享机制。这种机制是通过公共服务平台, 将能够满足高技术服务业同一类型企业和产业需求的分散公共服务机构整合统一起来, 从“分散服务需求———分散服务提供”转变为“分散服务需求———集中服务提供”的方式, 从整体上提升整个高技术产业集群发展的水平和能力。厦门市通过整合高校、科研院所、公共技术服务平台、第三方检测机构等建立了科学仪器设备资源共享平台, 为高技术企业和机构提供分析检测服务, 形成了一套完整的仪器入网、仪器使用办法、管理方式等共享平台运行机制。无锡工业设计园建立了共享服务平台, 平台包括了为客户提供硬件、软件两方面测试服务的微电子测试中心, 以国内外外观设计专利为主的专利服务中心及超级计算中心。
厦门、无锡等地区的成功经验表明, 通过政策上鼓励、资金上扶持等手段, 充分利用网络等现代技术, 注重建立和完善高技术服务业公共服务共享机制, 建立若干个服务高效的高技术公共服务共享平台, 能为高技术产业的发展提供服务支持。
2.4 通过“筑巢引凤”集聚高技术服务产业
集聚是包括高技术服务业在内的现代服务业发展的重要模式[4], 完善的基础设施、科技平台以及良好的政策环境能够对高技术服务企业与机构等起到良好的吸引作用[5]。为了集聚高技术服务产业, 南京新城科技园、厦门创业园等都从各方面做出了努力。在政策方面, 制定了领军人才引进政策、企业孵化培育政策、企业成长扶持政策、科技服务政策等, 给予高技术服务企业资金扶持、贷款贴息、税收优惠、研发扶持等一系列优惠。在基础设施方面, 园区内医院、学校、购物中心等生活设施一应俱全。在服务支持方面, 提供工商财税服务、孵化服务、专利技术交易服务、企业和产品宣传服务以及人才引进、交流、培训服务等。这一系列措施取得了良好的效果, 南京新城科技园、厦门创业园都集聚了一大批高技术服务产业和企业, 文化创意、生物医药、软件和信息服务等高技术服务业已成为南京新城科技园的支柱产业。此外, 苏州产权交易中心的成立, 为苏州工业园乃至整个江苏省高技术企业进行投融资服务、股权交易、公共资源交易、集中采购外包服务提供了极大的便利, 成为吸引高技术服务业集聚的一个重要因素。
集聚高技术服务业应充分重视政策、基础设施、科技平台等的建设, 通过有竞争力的发展高技术服务业的环境, 吸引优秀的高技术服务企业、科研机构的入驻以及人才的引进, 进而形成“以优质发展环境集聚高技术服务产业, 以高技术服务产业集聚促进经济发展”的良性发展模式。
2.5 探索有效的高校高技术服务业创新体系
高校如何推动高技术服务业的发展是实现高校与产业有效结合, 协同发展的重要问题。南京工业大学的高技术服务创新主要包含五个方面;一是建立国家大学科技园作为高校科技成果转化、培养复合型人才的载体。二是向园区相关企业全面开放学校科技资源, 提供网络信息、图书资料、分析测试服务、大型测试及试验仪器装备, 对园内企业提供高技术服务支持。三是制定优惠政策措施, 吸引企业等进校建立研发中心或设计中心, 实现学校科学研究与企业工业设计等高技术服务的结合, 提高技术成果的成熟度, 促进科技成果的转化。四是学校通过与各级、各地政府、高新技术企业的合作, 建立开放性实验室、信息平台等服务平台, 为高技术服务发展提供重要支撑。五是大力调整学校创新政策, 鼓励教师、毕业生创新创业, 成立高技术服务企业和机构, 同时鼓励教师以科技成果入股企业, 实现科学研究与高技术服务产业应用的有效结合。
南京工业大学探索出了有效的高校高技术服务业发展道路, 形成了高校高技术服务业创新体系。南京工业大学创新体系建设的经验值得高校借鉴, 高校应以更加开放的态度, 鼓励高校师生充分利用丰富的高校科技资源, 以产业需求、社会需要为导向, 组建专业化的服务公司, 使之成为高技术服务业发展的重要组成部分, 实现高校学科建设与服务经济的互动发展。
3 结论
综上所述, 发展高技术服务业是我国目前以及未来经济发展的重要任务, 为促进高技术服务业发展, 在增强财政资金投入、政策支持的基础上, 各地区要根据自身情况, 积极探索本地区的特色化发展道路, 在高技术服务业与相关产业协同发展、平台及环境建设以及创新服务发展方式和创新体系建设等方面探索出行之有效的方法, 促进高技术服务业的健康持续发展。
参考文献
[1]Miles I, Kastrinos N, Bilderbddk R.Knowledge—IntensiveBusiness Services:Their Role as Users, Carriers and Sources ofInnovation[R].Luxembourg:The ECDG XIII Sprint EIMS Programmer, 1995.
[2]何建平.以工业设计推动制造业发展[J].经济管理论坛, 2005 (13) :19-20.
高技术 第10篇
高技术产业由于附加值高, 对自然资源的需求和依附小, 对国民经济的贡献大, 已经成为经济增长和社会发展的主角。尤其是“十一五”期间, 我国高技术产业规模迅速扩大, 国际排名明显提高。高技术产业要努力掌握核心技术的自主知识产权, 着力提升创新效率。经济学上所说的效率, 主要是指帕累托效率 (Pareto Efficiency) 。它是意大利经济学家和社会学家帕累托在其1906年出版的《政治经济学教程》中提出的。Shephad (1970) 、Farrell和Primont (1995) 提出投入距离函数和产出距离函数计算的技术效率、配置效率和总体效率。在经济学中, 高技术产业创新效率不仅从投入和产出的角度来考虑, 还更多地考虑影响创新效率的基本因素——资源配置、技术进步、规模经济, 分析研究这些资源的配置效率、技术效率、生产效率及规模效率等[1,2,3,4,5]。Timothy, J.Coelli和D.S.Prasada Rao (2005) [6]提出配置效率和技术效率可以联合提供一个全面创新效率测度。
技术体制 (Technological Regimes) 最早由Nelson和Winter (1977, 1982) [7,8]提出, 他们用技术体制作为一个理论框架 (Theoretical Framework) 用来分析和解释不同的行业的不同创新过程, 他们建立的模型表明用技术机会和创新保护程度表示的技术环境对创新密度、技术创新模式、产业集中度和一个产业的进入频率有重要影响。国内学者张云龙 (2006) [9]利用我国28个制造业行业在2001～2003年度的相关数据, 以技术体制的理论为出发点, 构建了技术体制对行业技术创新活动的多元线性回归模型, 验证了技术体制与行业技术创新活动之间存在的关系。焦少飞, 张炜 (2010) [10]利用中国制造业的数据, 区别于传统的“结构—创新”分析框架, 从行业技术发展特征的角度, 分析技术体制对技术创新的影响。表明了技术体制的各个维度不仅显著地影响了企业的研发努力, 而且也在一定程度上决定了创新效率。本文研究本土技术体制与中国高技术产业创新效率的关系, 对促进高技术产业自主创新能力的发展具有重要的理论和现实意义。
2 理论基础
本文的理论基础之一是“技术体制”假说理论。Malerba和Orsenigo (2000) [11]的研究进一步拓宽了技术体制的涵义, 认为技术体制包涵4个关键要素, 它们分别是Technological opportunities (技术机会) 、Apporpriability of innovations (创新的独占性) 、Cumulativeness of technical advances (技术进步的累积性) 和Properties of the knowledgebase (支撑企业创新活动的知识基础) , 这个定义区分了不同的技术和产业部门所具有的不同的结构特征。Kyoo-Ho, Park和Keun, Lee (2006) [12]在Malerba and Orsenigo的研究基础上增加技术体制的其他变量, 如同外部知识基的易接触性、领域内期初知识存量、技术的生命周期以及技术轨道的不确定性 (流动性) 4个变量。张云龙 (2006) [9]用技术机会、创新独占性、知识基础特性、外部知识获取性、技术轨道的流动性来表征技术体制的影响因素。孙赫 (2007) [13]用技术机会、知识溢出、创新独占、知识特征表示技术体制的影响因素。杜健、吴晓波等 (2008) [14]认为技术体制的影响因素包括技术机会、创新的独占性、技术进步累积性、知识基础特征、外部知识可获得性、技术轨道流动性、当地企业的吸收能力等7类影响因素。顾雅洁 (2009) [15]用行业的技术机会、知识溢出、创新独占、知识特征来解释技术体制涵义示。
本文的理论基础之二是技术体制与产业发展理论。Oriental Marsalis和Bart vesrpagen (1985) [16]研究了技术体制与荷兰产业创新活动之间的关系, 通过研究发现:技术体制与荷兰产业创新活动有显著性关系。Malerba, F. 和 Orsenigo, L. (1993) [17]探讨了包涵技术机会, 独占性和技术进步的积累性方面的技术体制和企业的行为 (就基本战略和组织而言) 的关系。文章提出两个要点: (1) 技术体制的界定和权衡是从广义的角度, 定义为基本动力机制和可行的企业行为。 (2) 可变的技术战略和组织的技术创新活动增加了更高的层次, 更普遍的是技术的机会, 更高的是技术变革度, 下层是创新独占性和更复杂的针对性的基础知识。这两点在半导体, 生物技术和计算机行业都进行了实证分析。Malerba和Orsenigo (1996) 通过使用德国、法国、英国和意大利等4个国家的专利数据研究了技术体制与产业创新活动的关系。研究结果表明:技术体制与产业创新活动表现出显著性的差异。Kyoo-Ho和 Keun Lee (2006) 比较了韩国和中国台湾产业与技术体制在技术追赶的这一过程中的作用。通过研究他们发现:技术体制中知识的初始存量和技术生命周期是主要因素——即在韩国与台湾两个地区的回归模型中也同时得到了验证。结论是在知识的初始存量越大及技术生命周期越短的企业中, 技术追赶发生的概率越大。对技术体制中的哪些因素是影响着技术追赶的快慢程度的主要因素这一问题的研究中发现技术追赶在创新独占性高、外部知识容易接近的部门中进行的更快。Fulvio Castellacci (2007) [18]通过在1996～2001年期间9个欧洲国家的制造业的截面数据研究了技术体制与产业R&D研发生产率之间的关系。结果显示, 技术体制与产业R&D研发生产率有一定的相关。Fulvio Castellacci 和 Jinghai Zheng (2010) [19]探讨了技术体制与制造业和服务业的生产率之间表现的关系。选择的是1998～2004年期间的制造业和服务业的数据。通过数据包络分析TFP增长分解为技术进步和效率的变化。顾雅洁 (2009) 研究了基于技术体制视角下的产业技术创新问题, 发现技术体制同产业技术创新有一定的相关关系, 为技术体制不同产业技术创新问题的研究提供新的理论视角和实证经验。
3 模型设定、研究假设与变量说明
本文采纳Malerba和0rsenigo (2000) , 杜健、吴晓波等 (2008) 观点将技术体制定义为技术机会 (technological opportunities, 简写OPPO) 、创新的独占性 (appropriabitliy of innovation, 简写APPR) 、知识基础特性 (Properties of the knowledge base, 简写PROP) 和外部知识获取性 (aceessibility to external knowledge flows, 简写ACEE) 4个变量定义技术体制。
3.1 模型设定
根据自变量与因变量之间是否存在线性关系建立高技术产业经济效率 (EFFI) 与技术体制多元回归模型:
lnEFFIijt=β0ijt+β1ijtlnOPPOijt++β2ijtlnAPPRjtt+β3ijtlnPROPijt+β4ijtlnACEEijt+εijt (1)
这里假定随机误差项εijt具有0均值和等方差且服从正态分布, 经济效率EFFI是采用数据包络分析模型[19]测算的, 通过包络出最佳生产前沿面, 根据包络面可得到每个生产单位的创新效率指数, 在通过多元回归模型来验证技术体制与经济效率显著性检验。对于多个产出的数据包络模型, 决策者追求的是产出最大化, 于是对于j0 (j0=1, Λ, n) 个决策单元Uj0效率模型可以得到下面的规划问题:
这里, v= (v1, Λ, vm) T, v= (v1, Λ, vm) T
式 (1) 中“分子”表示effj0各项产出量的加权综合值, “分母”表示effj0各项投入量综合值, 根据本文的研究, 这里如果n=5, 分别代表医药制造业、航空航天器制造业、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。显然, effj0的值越大, 表明的Uj0投入产出效率越高, 既能以相对较少的投入, 获得相对较多的产出。
若求解结果为effj0=1, 则决策单元Uj0为DEA有效;若effj0<1, 则Uj0为非DEA有效。这个原始规划模型可以运用Charnes-Cooper变换及对偶变换, 并引入投入松弛变量S-≥0, 产出松弛变量S+≥0及无穷小量ε, 可以将式 (1) 等价变换成如下线性规划模型:
其中, θ即为决策单元的效率值, η为向量参数, s为松弛变量。当θ=1时, 若s-=0, s+=0, 则决策单元是技术和规模有效的, 同时达到了规模有效和技术有效, 决策单元是有效率的, 为DEA有效;当θ=1时, 若s-≠0, s+≠0, 则决策单元为弱DEA有效;当θ<1时, 决策单元为DEA无效。
由上式所计算的产业经济效率 (efficiency) , 又可以进一步分解为规模效率 (Scale efficiency, SE) 与技术效率 (Tech efficiency, TE) 两者的乘积。
EFFI=TE×SE (4)
3.2 研究假设
本土技术体制如何影响高技术产业经济效率, 本文提出4个假设, 如图1, 假设1: (符号1代表) 技术机会对高技术产业经济效率有正的显著性影响;假设2: (符号2代表) 创新独占性对高技术产业经济效率有正的显著性影响;假设3: (符号3代表) 知识基础特性对高技术产业经济效率有正的显著性影响;假设4: (符号4代表) 符号4代表外部知识获取性对高技术产业经济效率有负的显著性影响。
3.3 变量说明
3.3.1 技术体制变量
本研究中技术体制测度变量为技术机会、创新的独占性、知识基础的特性和外部知识的可获取性。这里用企业数与科技项目数的比值来度量技术机会, 美国经济学家谢勒 (1965) 提出“不同的技术机会对产业间发明成果的不同有很大影响”[20]。Tihanyi L, Richard J A, Hoskisson E R (2003) [21]认为, 技术机会是全球一体化的最重要的决定因素。Park 等 (2004) [22]用每个行业专利申请数的年增长速率来测度各个行业的技术机会。张云龙 (2006) 用新产品开发项目数与企业总数的比值来测度各个行业的技术机会。由于行业固定资产投资受经济环境影响较大。焦少飞、张炜 (2009) 运用各行业每年平均每个企业拥有的新产品开发项目数来衡量技术机会。
创新的独占性 (Appropriabitliy of innovation) 是防止创新被模仿以及因模仿从创新活动中攫取利益的可能。张云龙 (2006) 用新产品销售利润和新产品销售收入测度各个行业的创新独占性。吴晓波、黄娟 (2007) 通过行业中三资企业专利拥有数与内资企业专利拥有数的比值来衡量FDI企业对创新的独占性。认为行业的创新独占性强, 技术体制中创新的效率 (溢出) 会比较低。焦少飞、张炜 (2009) 用新产品销售利润占销售利润的比重来度量创新独占性。借鉴顾雅洁 (2009) 用新产品销售收入和拥有的发明专利数的比率来表示创新独占性。
Park (2004) 等用知识的新颖性来表示知识基础的特性, 其中知识的新颖性主要用通过专利及专利引用情况来测度。张云龙 (2006) 用基础研究费用与应用研究费用的比值来测度知识基础的特性。焦少飞、张炜 (2009) 用行业大中型企业研发经费中用于基础研究和应用研究的比例来衡量行业的知识基础性质。顾雅洁 (2009) 用基础研究的经费支出, 研究与试验发展经费内部支出来测度各个行业的知识基础特性。文中采用研究与实验发展 (R&D) 经费内部支出与科技活动人员中科学家和工程师的比值来测度知识基础的特性。
外部知识的可获取性对高技术产业创新效率可能具有影响作用。Cohen & Levinthal (1990) 及Mariano&Pilar (2005) [23]研究发现企业员工的知识多样性与相似性对吸收能力的提高具有重要影响。Park 等 (2004) 通过非G7国家对G7国家专利的应用占所有的引用专利的比例研究技术体制的变量指标外部知识获取性对落后国家的技术追赶。张云龙 (2006) 用技术引进经费与购买国内技术引进经费之和与科技活动经费支出的比值来测度外部知识的可获得。吴晓波、黄娟 (2007) 用内资企业“技术引进费用”与“购买国内技术经费”之和来表示外部知识的可获取性。本文用技术引进经费与购买国内技术经费之和同科技机构科技活动人员的比值来测度外部知识的可获取性。
3.3.2 经济效率投入产出指标
本研究测量高技术企业经济效率的影响因素包括资金投入和科技人力资源的投入。资金投入强度反映了该地区对研发创新的重视程度, 对技术创新活动有很强的导向性, 以R&D经费、开发新产品经费作为相应的经费投入指标。以R&D人员全时当量和科技活动人员作为科技人力资源方面的投入指标。产出指标是对创新活动中技术创新这一过程的最终效果的衡量, 反映了在消耗了一定技术创新资源投入后所得到的效益, 应包括两个方面的成果:一方面是在技术创新活动中的直接创新收益, 即专利发明的申请;另一方面则是研发的新技术、新产品应用到商业生产中所取得的效益。因此把专利申请数和新产品产值作为产出指标。
4 实证结果及分析
4.1 数据分析
本研究数据来源于《中国高技术产业统计年鉴》。2003～2009年技术体制数据整理见表2, 2003～2009年中国高技术产业经济效率值见表3, 中国高技术产业经济效率变动趋势见图2。
注释:表中数据为每个行业每个指标变量占5个行业的百分数
数据来源:根据2003～2010年《中国高技术产业统计年鉴》、2003-2010年《中国科技统计年鉴》、2003～2010年《中国统计年鉴》整理。
从表2来看, 2003～2009年医药制造业技术机会平均水平占5个行业技术机会水平的17.6%, 航空航天器制造业技术机会平均水平占5个行业技术机会水平的3.86%, 电子及通信设备制造业技术机会平均水平占5个行业技术机会水平的23.79%, 电子计算机及办公设备制造业技术机会平均水平占5个行业技术机会水平的23%, 医疗设备及仪器仪表制造业的要明显高于其他4个行业, 航空航天器制造业技术机会平均水平相对最低;电子计算机及办公设备制造业创新独占性平均水平相对最高, 医疗设备及仪器仪表制造业创新独占性平均水平相对最低;电子及通信设备制造业外部知识获取性平均水平相对高于其他4个行业, 医疗设备及仪器仪表制造业外部知识获取性平均水平相对较低。
根据模型 (3) , 运用deap2.1软件数据进行运算求解, 得出2003～2009年按行业的DEA值以及DEA值的变化趋势, 从表3和图2可以看到我国高技术产业从2003～2009年经济效率变动趋势情况。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经济效率从2003～2009年一直DEA有效, 保持在1的水平①, 说明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的规模和要素产出均处于最好的水平;电子及通信设备制造业经济效率从2003～2009年也一直DEA有效, 保持在1的水平, 但在2009年下降到0.841;医药制造业、航空航天器制造业经济效率值始终低于1的水平、特别是航空航天器制造业经济效率值一直保持很低, 不到0.3的水平, 说明它的规模和要素产出没有处于相对较好的效率水平。
数据来源:DEA经济效率分析软件deap2.1输出结果整理。
4.2 模型估计与检验
4.2.1 多重共线性VIF检验
为了保证所建立的多元回归模型的有效性和结论的准确性, 需要进一步诊断多重共线性等问题。本书采用逐步回归, 逐步回归可以在一定程度上筛选存在多重共线性的自变量, 为了排除技术体制4个变量存在的多重共线性, 要进行方差扩大因子VIF的检验。从表4可以看出, 按地区面板数据技术体制4个自变量技术机会OPPO、创新的独占性APPR、知识基础特性PROP、外部知识获取性ACEE所对应的 , 说明技术体制对中国高技术产业经济效率影响回归模型不存在明显的多重共线性。
a.Dependent Variable: LNEFFI
4.2.2 P-P图残差正态分布检验
考查残差是否服从正太分布可以通过绘制标准化残差的P-P, 当自变量与因变量间关系并非线性, 会导致残差的P-P图表现出非正态。
从图3按地区面板数据技术体制对中国高技术产业经济效率影响模型的观测量累积概率P-P图可以看出, 图中的散点图围绕在一条正态分布为0的斜线附近。综合图4可以认为残差服从正态分布, 样本来自正态总体。
4.2.3 异方差散点图检验
从图4按地区面板数据技术体制对中高技术产业经济效率影响模型的残差散点图来看, 散点图呈无序状态, 所以判定不存在异方差。
4.2.4 回归模型的方差分析
表5是按地区面板数据技术体制对中国高技术产业经济效率影响模型的方差分析表, 从表中可以看到F值为11.707, 显著性概率为0.000, 小于0.05, 说明因变量经济效率与技术体制自变量总体回归效果是显著的。
a.Predictors: (Constant) , LNOPPO, lnPROP, lnACEE, lnAPPR
b.Dependent Variable:LNEFFI
4.2.5 回归系数和显著性检验
表6是按行业面板数据技术体制对中国高技术产业经济效率影响模型的回归系数和显著性检验, 从表中可以看到, 由于常数项t统计量的显著性概率是0.000, 小于0.05, 说明常数项与0有显著的差异, 采用非标准回归方程;技术机会 (OPPO) 、知识基础特性 (PROP) 、外部知识获取性 (ACEE) 的t统计量分别是19.897、2.816、2.074, 对应的显著性概率分别是0.000、0.009、0.047, 所对应的回归系数值分别是0.650、0.163、0.074, 说明技术机会OPPO、知识基础特性PROP、外部知识获取性ACEE通过了t检验, 且技术体制3个变量与经济效率 (EFFI) 存在显著的正相关;创新的独占性 (APPR) 的t统计量0.062, 对应的显著性概率0.951, 所对应的回归系数值0.002, 说明创新的独占性 (APPR) 与经济效率 (EFFI) 存在正相关, 但这种相关不是显著的。
b.Dependent Variable:LNEFFI
5 结论及建议
从本土高技术行业数据的回归结果得出技术机会 (OPPO) 、知识基础特性 (PROP) 、外部知识获取性 (ACEE) 的 统计量分别是19.897、2.816、2.074, 对应的显著性概率分别是0.000、0.009、0.047, 说明技术机会OPPO、知识基础特性PROP、外部知识获取性ACEE通过了 检验, 且技术体制3个变量与经济效率 (EFFI) 存在显著的正相关;创新的独占性 (APPR) 的统计量0.062, 对应的显著性概率0.951, 说明创新的独占性 (APPR) 与经济效率 (EFFI) 存在正相关, 但这种相关不是显著的。根据实证研究提出以下相应的建议。
5.1 重视科技人才与R&D投入, 强化产业知识基础特性
2010颁布的《国家中长期人才发展规划纲要 (2010～2020年) 》, 把重视科技人才和R&D投入活动作为产业发展的重点内容。从技术体制视角来看, 科技人才中的工程师和科学家与R&D投入比例反映了高技术产业知识基础特性, 而知识基础特性对我国高技术产业经济效率无论从行业角度还是区域角度都有一定的正的相关作用。因而提高高技术产业知识基础特性水平有利于提升我国高技术产业经济效率。
5.2 实施科研创新联盟, 增加行业内的技术机会
技术机会对我国高技术产业经济效率有正的显著作用, 因而提高高技术产业技术机会水平有助于提升我国高技术产业经济效率。高技术产业技术机会水平不仅跟高技术产业的企业数量相关, 也跟一定的高技术产业科技机构数有关, 当然并不是企业数量和科技机构数越多则技术机会就越大, 而是在产业内多个企业间形成最有效的科研创新联盟。
5.3 适度引进和购买先进技术, 加强外部知识获取性
从技术体制视角分析对中国高技术产业不同行业经济效率时, 发现外部知识获取性对中国高技术产业不同行业的经济效率均有显著的正向作用, 所以有效加强产业外部知识获取性对提升我国高技术产业不同行业和区域的经济效率有很大帮助, 反映外部知识获取性的指标有单位科技活动人员对技术引进经费和购买国内技术经费的比值, 所以毫无疑问高技术产业要适度加大技术引进和购买国内技术经费的投入。
清洁公司也要高技术 第11篇
他没什么好怕的。布鲁克斯在自己位于肯塔基州路易维尔的房子上欠的钱比房子本身的价格还多。自从金融危机迫使他失去按揭经纪人的工作之后，他就离婚了。在去硅谷前，他已经在餐厅和酒吧打了两年工。
“我把我的狗和我的包装到车里，然后就开到了道场。”布鲁克斯说。
他说的是硅谷的“黑客道场”（Hacker Dojo），它是一个专为技术初创公司开设的社区空间，会员费可低至每月125美元，会员可以24小时到访道场。
事实证明，这个社区在他创办企业的过程中起到了关键的作用—只是它的作用和布鲁克斯当初的想象不太一样。
布鲁克斯是带着1.2万美元和他做的粗糙版教育文字游戏来到硅谷的。他希望在道场组建一个团队来帮他改造一下这个应用。但当到了道场之后他发现，那里既没有他需要的开发者，也租不到房子。他最后不得不住进了汽车旅馆里。
4个月之后，他的钱花光了，转而住到了自己那辆1999年款的雷克萨斯里。当道场的经理找志愿者每天下午来清洁卫生间和厨房、换取免费会员资格时，布鲁克斯应聘了这份工作。
当时他还没有意识到，自己已经迈出了创建自己公司的第一步：一家依靠统计分析来提高效率、设定价格的清洁公司。
黑客道场创始人之一拉里·马洛尼（Larry Maloney）表示，在布鲁克斯志愿来做清洁之前，大家对之前清洁工的工作质量不是很满意。
马洛尼说，一般情况下，道场里都有一股馊味，主要是因为开发者们会一直工作到深夜。他说：“布鲁克斯来了之后，道场里的空气都变好了。”
要做到这一点可不容易。道场是一个总面积超过1485平方米的空间，它一直不会关门，而且每天一般都会有至少300人来访。
8个月之后，道场管理者辞退了负责清洁工作的本地小公司，开始为布鲁克斯的清洁工作支付每月400美元的薪水。
又过了8个月，在花了两年时间尝试开发Gadzookery应用而没有结果的情况下，布鲁克斯认真研究了一下商业清洁市场。
他表示，“这是一个价值510亿美元的市场”，其中大部分是小公司。布鲁克斯看到了一个机会。黑客道场的管理者同意提前付给他一个月的工资，让他购买起步所需的设备和用品，2015年，他创办了Squiffy Clean。
国际清洁与维护展（ISSA）的执行董事约翰·巴雷特（John Barrett）说，现在在美国，商业清洁市场里大约有10万家公司。根据邓百氏咨询公司（Dun & Bradstreet）发布的一份行业分析报告，该行业中排名前50位的公司获得了行业总收入的大约30%，这使得其他公司有足够的空间去赢得消费者。
根据行业研究公司IBISWorld发布的一份报告，在所有清洁服务公司中，超过90%的公司是私营的。但巴雷特说，其中营收最高的公司都是初创公司。
“这个行业的竞争超乎人们的想象。”他说。
到目前为止，布鲁克斯并没有被卷入清洁行业的竞争漩涡里。在创业半年之后，他赚到了足够把公司搬出黑客道场的钱，搬进了位于帕罗奥图的一个办公室里。
他的公司称得上是清洁行业里的高技术公司。在用拖把拖掉0.1平方米地的时间里，Squiffy Clean能收集到700多个数据点的信息，然后公司就能利用这些信息改进和细化清洁方式，并以此设定价格。
“我们的一个客户有一幢总面积743平方米的大楼，我们把数据导入之后，改变了做清洁的方式，比如把某些工作合并起来做，或者改变各种工作的顺序，每个月为客户省下了600美元的人工成本。”布鲁克斯说，“这个行业的利润率太低了，所以我们必须尽一切可能减少人工。”
大多数小的清洁公司都以工时多少计费，但Squiffy Clean创造了一种算法，基于它在要清洁的地方收集到的数据来设定价格。
公司目前也在开发技术来防止不老实的工人虚报补贴金额。它将利用数据来确定某项工作是否真的完成了。
和其他办公室清洁公司相比，Squiffy Clean给工人的时薪一般要高一些（大约为每小时17美元）。而根据美国劳动统计局的数据，这个行业时薪的中位数是11.27美元。Squiffy Clean还会给清洁工分配公司的普通股，并且把他们的安全看作头等大事。
3月，布鲁克斯通过P2P借贷平台Kiva筹到1万美元，Squiffy Clean还得到在初创企业投资平台AngelList亮相的机会，目前正在和几个潜在投资方交涉。
但和其他湾区初创公司一样，布鲁克斯也面临着许多相同的困难，比如劳工短缺。“我们都在努力吸引最好的工程师，而清洁行业并不炫酷，所以招人很难。”他说。
高技术 第12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 (0≤θ≤1) 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, 0≤α≤1, 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, 0≤a≤1。
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