丁建國 黃旭平

基金項目：廣東省哲學(xué)社會科學(xué)規(guī)劃項目（GD19CYJ18）

作者簡介：丁建國（1976—），男，湖南株洲人，廣西大學(xué)商學(xué)院博士研究生，研究方向：技術(shù)經(jīng)濟(jì);黃旭平（1974—），男，博士，廣西大學(xué)商學(xué)院副教授，研究方向：金融科技與產(chǎn)業(yè)創(chuàng)新。

摘 要：基于非平衡面板內(nèi)生隨機(jī)前沿模型，通過2009-2019年54個高新技術(shù)產(chǎn)業(yè)園區(qū)的非平衡面板數(shù)據(jù)，分析了高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新活動的內(nèi)生性與效率的關(guān)系。研究發(fā)現(xiàn)：科技經(jīng)費和從業(yè)人員存在內(nèi)生性，市場結(jié)構(gòu)、科技經(jīng)費和從業(yè)人員對創(chuàng)新效率有顯著的正面影響;面板內(nèi)生隨機(jī)前沿模型可以顯著地區(qū)別于外生隨機(jī)前沿模型的創(chuàng)新效率估計。

關(guān)鍵詞：內(nèi)生性;高新技術(shù)產(chǎn)業(yè)園區(qū)效率; 面板內(nèi)生隨機(jī)前沿模型;工具變量; 地區(qū)差異性

中圖分類號：F273.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-7217（2021）06-0132-07

一、引 言

自1988年我國第一個高新產(chǎn)業(yè)園區(qū)——北京新技術(shù)產(chǎn)業(yè)開發(fā)試驗區(qū)建立以來，我國先后建立了168個國家級高新技術(shù)產(chǎn)業(yè)園區(qū)和工業(yè)園區(qū)。這些高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新活動對于地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與升級、地方經(jīng)濟(jì)高質(zhì)量發(fā)展以及區(qū)域競爭力提升等方面起到了重要的促進(jìn)作用。然而，隨著我國社會經(jīng)濟(jì)結(jié)構(gòu)的轉(zhuǎn)型升級和國際競爭力不斷提升，中美貿(mào)易摩擦、國際貿(mào)易保護(hù)主義抬頭等日趨復(fù)雜的外貿(mào)環(huán)境對高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率產(chǎn)生了不確定性的影響。因此，如何評測高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率，對我國高新技術(shù)產(chǎn)業(yè)園核心競爭力的提升與實現(xiàn)可持續(xù)發(fā)展具有重要意義。

已有研究主要對效率分析的內(nèi)生性問題進(jìn)行了探討。例如，Shee 和 Stefanou（2015） 的研究表明傳統(tǒng)的隨機(jī)生產(chǎn)前沿通常低估了資本產(chǎn)出彈性與企業(yè)技術(shù)效率[1]。Tran 和 Tsionas（2015）在沒有考慮外生工具變量的情況下，采用內(nèi)生回歸法估計隨機(jī)前沿模型的方法研究效率分析的內(nèi)生性問題[2]。Karakaplan等（2017）則提出一個基于最大似然估計方法來處理內(nèi)生性問題的隨機(jī)前沿模型[3]。Mutter等人（2013）考察了成本函數(shù)變量的內(nèi)生因素對隨機(jī)前沿分析（SFA）無效率估計的影響[4]。歐光軍等人（2018） 對產(chǎn)業(yè)集群創(chuàng)新評價的研究集中在面向結(jié)果的綜合能力評價方面[5]。余東華和王必好（2020）采用馬爾可夫鏈模型研究了技術(shù)創(chuàng)新效率的內(nèi)生性與隨機(jī)波動效應(yīng)，研究發(fā)現(xiàn)技術(shù)創(chuàng)新效率具有內(nèi)生性且隨機(jī)變動效應(yīng)明顯 [6]。陳軍和成金華（2010） 的研究結(jié)果表明，內(nèi)生創(chuàng)新對中國能源效率產(chǎn)生正面影響[7]。然而，很少有文獻(xiàn)系統(tǒng)地探討創(chuàng)新活動的內(nèi)生機(jī)制以及創(chuàng)新效率的內(nèi)生性問題的解決方法。

為此，本文基于非平衡面板內(nèi)生隨機(jī)前沿模型，探討高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新活動的內(nèi)生性與效率的關(guān)系，具體分析高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新活動的內(nèi)生機(jī)制，以及在克服內(nèi)生性基礎(chǔ)上高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率問題，以期對新形勢下高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率問題提供借鑒。

二、高新產(chǎn)業(yè)園區(qū)創(chuàng)新活動內(nèi)生機(jī)制

（一）創(chuàng)新活動的協(xié)同性和鄰近性引致的內(nèi)生性機(jī)制

首先，創(chuàng)新生產(chǎn)活動的協(xié)同會導(dǎo)致研發(fā)人員和研發(fā)費用的同向變化，而研發(fā)人員和研發(fā)費用又是高新技術(shù)產(chǎn)業(yè)園區(qū)效率的重要影響因素，它們的關(guān)聯(lián)關(guān)系容易導(dǎo)致解釋變量之間的相關(guān)性，從而導(dǎo)致內(nèi)生性問題。其次，地理位置的鄰近性容易導(dǎo)致創(chuàng)新生產(chǎn)活動的空間集聚，這引致空間活動集聚的外溢效應(yīng)。這種外溢效應(yīng)存在的反饋機(jī)制，使得創(chuàng)新主體之間開展創(chuàng)新想法的分享、新技術(shù)的吸收和管理經(jīng)驗的學(xué)習(xí)，從而促進(jìn)創(chuàng)新活動的有序開展，實現(xiàn)創(chuàng)新活動的高效運行，提高創(chuàng)新生產(chǎn)效率。

（二）創(chuàng)新活動的關(guān)聯(lián)性和系統(tǒng)性引致的內(nèi)生性機(jī)制

創(chuàng)新被認(rèn)為是由幾個相互關(guān)聯(lián)的階段所組成的復(fù)雜過程，包括基礎(chǔ)研究、應(yīng)用研究、產(chǎn)品發(fā)展、模型準(zhǔn)備、生產(chǎn)、營銷、產(chǎn)品被市場接受等環(huán)節(jié)。所有創(chuàng)新的子過程是相互關(guān)聯(lián)的，研究與開發(fā)是創(chuàng)新的基礎(chǔ)性活動，其產(chǎn)生的創(chuàng)新成果需要商業(yè)實踐上的規(guī)?；瘧?yīng)用;市場化是創(chuàng)新成果經(jīng)濟(jì)價值實現(xiàn)的關(guān)鍵環(huán)節(jié);創(chuàng)新生產(chǎn)過程是一種相互作用的關(guān)聯(lián)行為。知識流動導(dǎo)致新產(chǎn)品的誕生、新工藝開發(fā)的前向聯(lián)系。同時，企業(yè)、研發(fā)機(jī)構(gòu)和高校等創(chuàng)新主體在創(chuàng)新生產(chǎn)活動的關(guān)聯(lián)階段中構(gòu)建了一個有序、共時與協(xié)同的創(chuàng)新生態(tài)系統(tǒng)，打造良好的創(chuàng)新氛圍，有助于創(chuàng)新活動的有序開展。

（三）創(chuàng)新活動的激勵政策引致的內(nèi)生性機(jī)制

政策激勵一直是地方高新產(chǎn)業(yè)園區(qū)吸引企業(yè)的重要手段，但一方面，政策激勵存在同向競爭，如高新技術(shù)產(chǎn)業(yè)園區(qū)出臺的土地優(yōu)惠政策很可能導(dǎo)致另一個城市也出臺類似激勵政策。另一方面，激勵政策對所有企業(yè)是一樣的，可能導(dǎo)致偶然性投資急劇增加，高新技術(shù)產(chǎn)業(yè)園區(qū)效率的解釋變量與隨機(jī)項之間產(chǎn)生相關(guān)關(guān)系，進(jìn)而導(dǎo)致內(nèi)生性問題。因此，激勵政策頻出可能造成適得其反的負(fù)面影響，從而導(dǎo)致激勵政策與非效率項之間存在相關(guān)性，產(chǎn)生內(nèi)生性問題。

三、研究設(shè)計

（一）估計方法

長期以來，學(xué)者在隨機(jī)前沿模型分析中忽視了內(nèi)生性問題。最近，越來越多的研究開始嘗試解決隨機(jī)前沿模型中的內(nèi)生性問題。例如，Karakaplan和Kutlu（2017a）解決橫截面數(shù)據(jù)設(shè)置中的內(nèi)生性問題[8]。Karakaplan等（2019）提供了一個面板數(shù)據(jù)模型，該模型可以處理兩種類型的內(nèi)生性，會在面板數(shù)據(jù)環(huán)境下解決內(nèi)生性問題[9]。

本文基于Karakaplan和Kutlu（2017a）提出的模型，將運用面板內(nèi)生隨機(jī)前沿模型方法進(jìn)行高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率的估計，同時嘗試著解決面板隨機(jī)前沿模型內(nèi)生性的問題，提供更準(zhǔn)確的一致無偏效率估計[8]。

面板隨機(jī)前沿模型如下所示：

面板內(nèi)生隨機(jī)前沿模型只需要一個步驟估計參數(shù)，且不需要Bootstrap方法校正標(biāo)準(zhǔn)誤差。使用類似標(biāo)準(zhǔn)Durbin-Wu-Hausman檢驗方法通過η的聯(lián)合顯著性檢驗解釋變量的內(nèi)生性，如果η是聯(lián)合顯著，這意味著模型存在內(nèi)生性;如果η沒有通過聯(lián)合顯著性檢驗，則說明傳統(tǒng)面板隨機(jī)前沿函數(shù)估計分析是有效的。

（二）變量選擇

（1）新產(chǎn)品產(chǎn)值（nprod）。新產(chǎn)品產(chǎn)值衡量研發(fā)成果的商業(yè)化水平，對于以研發(fā)為主的高新技術(shù)產(chǎn)業(yè)園區(qū)而言，產(chǎn)品轉(zhuǎn)化效率可以準(zhǔn)確衡量高新技術(shù)產(chǎn)業(yè)園區(qū)的創(chuàng)新產(chǎn)出效率。所以新產(chǎn)品產(chǎn)值能夠說明創(chuàng)新活動的商業(yè)價值和商業(yè)化效率。

（2）新專利技術(shù)收入（nptinc）。創(chuàng)新活動的持續(xù)開展，必然轉(zhuǎn)化為新產(chǎn)品產(chǎn)值的增加。專利作為創(chuàng)新活動所產(chǎn)生的結(jié)果，是確保企業(yè)獲取壟斷利潤的重要途徑。

（3）市場結(jié)構(gòu)（mktstr）。一般來說，市場中企業(yè)數(shù)的增加導(dǎo)致市場競爭加劇。因此，根據(jù)武增海和李濤（2013）的相關(guān)研究[10]，采用企業(yè)數(shù)表示市場結(jié)構(gòu)。

（4）年末資產(chǎn)（caplyd）。資產(chǎn)是企業(yè)杠桿率的影響因素，資產(chǎn)中借款比例的增多將導(dǎo)致更高的杠桿率。杠桿率越高，風(fēng)險越大。因此，將年末資產(chǎn)作為投入指標(biāo)。

（5）年末負(fù)債（liabyd）。高科技的戰(zhàn)略性和基礎(chǔ)性使得研發(fā)周期延長，經(jīng)濟(jì)效益更難以立竿見影。所以負(fù)債會影響研發(fā)投入，進(jìn)而影響高技術(shù)企業(yè)的效率。采用年末負(fù)債作為效率的外生影響因素。

（6）年末從業(yè)人員數(shù)（emplyd）。年末從業(yè)人員數(shù)變化與高新技術(shù)產(chǎn)業(yè)園區(qū)發(fā)展關(guān)聯(lián)同步，也是企業(yè)生產(chǎn)函數(shù)的重要因素。為此，采納年末從業(yè)人員數(shù)作為高新技術(shù)產(chǎn)業(yè)園區(qū)效率的投入指標(biāo)。

（7）研發(fā)R&D 經(jīng)費支出（rdk）。采用R&D 經(jīng)費支出作為高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新活動的重要投入因素。

（8）R&D 人員（rdl）?？蒲谢顒尤藛T對高新技術(shù)產(chǎn)業(yè)園區(qū)的創(chuàng)新效率存在至關(guān)重要的作用，引用 R&D 活動人員數(shù)量作為投入指標(biāo)。

（9）創(chuàng)匯總額（exchsum）。參與國際分工程度高更容易通過干中學(xué)和規(guī)模效應(yīng)等渠道提升高新技術(shù)產(chǎn)業(yè)園區(qū)生產(chǎn)效率。本文選擇創(chuàng)匯總額作為高新技術(shù)產(chǎn)業(yè)園區(qū)生產(chǎn)效率的控制變量。

（10）上繳稅費（tax）。上繳稅費反映了政府對高技術(shù)產(chǎn)業(yè)各行業(yè)扶持力度，影響高新技術(shù)產(chǎn)業(yè)發(fā)展方向。本文使用上繳稅費作為控制變量。

（三）數(shù)據(jù)來源

研究數(shù)據(jù)均來源于2009-2019年《中國火炬統(tǒng)計年鑒》《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》和 《中國統(tǒng)計年鑒》。

四、實證結(jié)果分析

（一）面板外生隨機(jī)前沿模型估計結(jié)果

研究模型使用市場結(jié)構(gòu)、科技經(jīng)費、科技活動從業(yè)人數(shù)、創(chuàng)匯總額和上繳稅額作為估計高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率的投入變量;創(chuàng)新效率使用新產(chǎn)品產(chǎn)值衡量。面板外生隨機(jī)前沿模型估計結(jié)果如表1所示。其中Model EX表示忽略內(nèi)生性問題的面板隨機(jī)前沿模型，Model EN表示面板內(nèi)生隨機(jī)前沿模型。Model EX結(jié)果顯示：

第一，市場結(jié)構(gòu)指數(shù)顯著為正，統(tǒng)計顯著性水平達(dá)到5%。這與一般理論分析不一致。一般來說，市場結(jié)構(gòu)集中使企業(yè)開展競爭的積極性降低，進(jìn)而導(dǎo)致較低的創(chuàng)新效率。但高新技術(shù)產(chǎn)業(yè)園區(qū)里的高技術(shù)企業(yè)往往是新創(chuàng)企業(yè)，所以市場結(jié)構(gòu)與高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率正相關(guān)，這是符合實際情況的。

第二，創(chuàng)新活動的兩個重要指標(biāo)科技經(jīng)費和從業(yè)人員基本符合預(yù)期。其中，科技經(jīng)費與創(chuàng)新效率顯著正相關(guān)，顯著性水平達(dá)到5%。然而從業(yè)人員與預(yù)期相反，有顯著的負(fù)相關(guān)關(guān)系，顯著性水平達(dá)到5%。同時，勞動力成本上升削弱了中國勞動密集型制造業(yè)的競爭優(yōu)勢，國際市場原材料和能源價格的持續(xù)走高加重了制造業(yè)企業(yè)的負(fù)擔(dān)，產(chǎn)能過剩和環(huán)境污染問題制約著中國制造業(yè)規(guī)模的進(jìn)一步擴(kuò)張。處于全球價值鏈低端的產(chǎn)品附加值不高，產(chǎn)品同質(zhì)化競爭激烈，這導(dǎo)致我國制造業(yè)貿(mào)易環(huán)境惡化[11] 。園區(qū)產(chǎn)業(yè)結(jié)構(gòu)趨同、內(nèi)生動力不足等也將導(dǎo)致高新技術(shù)產(chǎn)業(yè)園區(qū)在關(guān)鍵技術(shù)及特定價值鏈環(huán)節(jié)上產(chǎn)生路徑依賴，鎖定在全球產(chǎn)業(yè)結(jié)構(gòu)的偏低端[12]。

第三，創(chuàng)匯總額的估計結(jié)果也基本符合理論假設(shè)，顯著性水平至少達(dá)到5%，但其對創(chuàng)新效率的直接影響相對較小。

第四，上繳稅額的系數(shù)顯著為負(fù)，說明上繳稅額對創(chuàng)新效率產(chǎn)生抑制作用，這與一般理論預(yù)期相一致。但從具體數(shù)值來說，上繳稅額實際影響程度則比較小。

（二）面板內(nèi)生前沿模型估計結(jié)果

表1與表2的面板內(nèi)生前沿模型表明：

第一，內(nèi)生性檢驗表明模型設(shè)置存在內(nèi)生性問題。ETA值即文中第四部分實證模型中式（4）所示的η值。表1中η Endogeneity Test 表明卡方值X2=17.28，p=0.005，通過1%的顯著性水平，表明模型設(shè)置存在內(nèi)生性問題。η值的詳細(xì)說明請參見Karakaplan 和 Kutlu （2017a）[8]。

第二，市場結(jié)構(gòu)對非效率項產(chǎn)生顯著的負(fù)面影響，在控制內(nèi)生性后，影響程度（絕對值）變小了，其數(shù)值從-0.474提高到-0.470。依據(jù)表2可知，所有變量通過10%的統(tǒng)計顯著性。研發(fā)費用與高級研發(fā)人員在內(nèi)生變量科技經(jīng)費的預(yù)測方程中，以及從業(yè)人員預(yù)測方程中Z值都大于3.16，證明工具有效。

第三，面板內(nèi)生隨機(jī)模型的回歸系數(shù)符號基本保持一致，且市場結(jié)構(gòu)、科技經(jīng)費和從業(yè)人員等重要變量的回歸系數(shù)顯著增強(qiáng)。同時，高級研發(fā)對創(chuàng)新效率的影響是正的。因此，高新技術(shù)產(chǎn)業(yè)園區(qū)效率主要決定因素應(yīng)該是重要技術(shù)人員，而且兩種模型回歸系數(shù)的標(biāo)準(zhǔn)差也都比較小，說明回歸系數(shù)估計比較可靠。

（三）面板內(nèi)生前沿模型和面板外生前沿模型創(chuàng)新效率的比較

研究發(fā)現(xiàn)創(chuàng)新活動從業(yè)人員和科技經(jīng)費對創(chuàng)新活動的影響在面板內(nèi)生隨機(jī)前沿模型比面板外生隨機(jī)前沿模型要大。

通過模型EX的系數(shù)估計結(jié)果預(yù)測高新技術(shù)產(chǎn)業(yè)園區(qū)平均科技經(jīng)費增加10%，創(chuàng)新效率將增加3.002%。通過模型EN的系數(shù)估計發(fā)現(xiàn)，當(dāng)平均科技經(jīng)費增加10%時，創(chuàng)新效率增加9.079%。模型EX和模型EN預(yù)測的創(chuàng)新效率差異約為2068447元（約3倍）。類似地，創(chuàng)新活動從業(yè)人員對創(chuàng)新效率的影響在面板內(nèi)生隨機(jī)前沿模型比面板外生隨機(jī)前沿模型要大。通過模型EX的系數(shù)估計預(yù)測高新技術(shù)產(chǎn)業(yè)園區(qū)平均從業(yè)人員增加10%時，創(chuàng)新效率將減少2.028%。面板外生前沿模型和面板內(nèi)生前沿模型預(yù)測的創(chuàng)新效率差異約為2068447元（約4倍）。

通過創(chuàng)新效率的直方圖發(fā)現(xiàn)，模型EN中創(chuàng)新效率略高于模型EX中所報告的創(chuàng)新效率①。在市場高度集中的地區(qū)，這種平均差異更大。說明盡管市場結(jié)構(gòu)對創(chuàng)新效率有正面影響，但在外生性假設(shè)下，這種影響被低估了。由于市場集中可能會促進(jìn)創(chuàng)新效率，因此，外生性假設(shè)會導(dǎo)致創(chuàng)新效率向下偏移。另外，分布同質(zhì)性的Kolmogorov-Smirnov檢驗表明，這兩個模型的創(chuàng)新效率分布在1%的水平上顯著不同（p=0.000），并且面板內(nèi)生隨機(jī)前沿模型EN的創(chuàng)新效率顯著高于模型EX中的該結(jié)果。

五、穩(wěn)健性分析

（一）工具變量充分性

在表3的第二列中，使用了大專以上研發(fā)人員數(shù)量和年末資產(chǎn)作為處理模型內(nèi)生性的兩個工具變量。在表3的第三列中，采用研發(fā)人員全時當(dāng)量和年末負(fù)債作為處理模型內(nèi)生性的兩個工具變量。實證結(jié)果與表2和表1的結(jié)果非常相似，特別是內(nèi)生變量的系數(shù)和顯著性以及內(nèi)生性檢驗的結(jié)果。而且從預(yù)測方程來看，排除工具變量外的其他變量都具有統(tǒng)計意義，其Z值滿足了前面提到的經(jīng)驗法則，這證明工具變量是合適的。

（二）空間外溢互動和創(chuàng)新效率的變化

前文指出創(chuàng)新活動的空間互動效應(yīng)是相當(dāng)大的，這也是創(chuàng)新效率內(nèi)生性的重要來源。忽略空間互動會導(dǎo)致參數(shù)估計的偏差和政策建議的誤導(dǎo)。

為了研究相互作用和溢出效應(yīng)，參考Millimet和Collier（2008）的研究方法[13]，分析結(jié)果顯示：表4中的第二列給出了表1中模型EN的擴(kuò)展版本，其中一組完整的相鄰值作為高新技術(shù)產(chǎn)業(yè)園區(qū)低效率的決定因素。表4的第三列進(jìn)一步擴(kuò)展了模型，在創(chuàng)新效率邊界項中加入了可能忽略的變量，例如高新技術(shù)產(chǎn)業(yè)園區(qū)GDP、金融貸款額[14]。本文發(fā)現(xiàn)大多數(shù)溢出變量并不是顯著有效，只有少數(shù)的鄰近值在5%水平上顯著。將溢出變量作為內(nèi)生變量進(jìn)行評估并不會產(chǎn)生不同的估計結(jié)果。因此，表4中的結(jié)果將提出關(guān)于溢出效應(yīng)重要性的問題。然而，表4中的創(chuàng)新效率低于表1的基準(zhǔn)模型EN，這指出了它們對包含相鄰值和其他附加變量的敏感性。擴(kuò)展基準(zhǔn)模型大大提高了對數(shù)似然值，似然比檢驗將表明擴(kuò)展模型EN2比擴(kuò)展模型EN1或表1中的模型EN擬合的更優(yōu)?？萍冀?jīng)費和從業(yè)人員是內(nèi)生的，它們的效應(yīng)與表1中的模型EN亦顯著為正，并且其效應(yīng)大小沒有實質(zhì)性差異。

本文使用新技術(shù)專利收入作為創(chuàng)新效率的替代變量。當(dāng)處理模型內(nèi)生性時，市場結(jié)構(gòu)、科技經(jīng)費和從業(yè)人員均顯著為正，影響增加了4倍以上，這與表1和表2中的結(jié)果相類似。其余的估計結(jié)果與表1的基準(zhǔn)估計結(jié)果基本相同。

通過比較面板外生隨機(jī)前沿模型與面板內(nèi)生隨機(jī)前沿模型中創(chuàng)新效率的直方圖發(fā)現(xiàn)兩者存在明顯差異。研究發(fā)現(xiàn)，模型EN中創(chuàng)新效率略高于模型EX中所報告的創(chuàng)新效率，再者，分布同質(zhì)性的Kolmogorov-Smirnov檢驗表明，這兩個模型的創(chuàng)新效率分布在0.01%的水平上顯著不同（p=0.000），并且面板內(nèi)生隨機(jī)前沿模型EN的創(chuàng)新效率顯著高于模型EX②。

表3、表4和表5的結(jié)果表明，表1基本結(jié)果是穩(wěn)健的。也就是說，創(chuàng)新活動中市場結(jié)構(gòu)、科技經(jīng)費和從業(yè)人員對創(chuàng)新效率的有顯著的正面影響，如果適當(dāng)?shù)靥幚砥鋬?nèi)生性問題，這些正面影響則會大得多。

六、結(jié)論與啟示

基于非平衡面板內(nèi)生隨機(jī)前沿模型，通過2009-2019年54個高新技術(shù)產(chǎn)業(yè)園區(qū)的非平衡面板數(shù)據(jù)，研究發(fā)現(xiàn)：第一，高新技術(shù)產(chǎn)業(yè)園區(qū)創(chuàng)新效率除外生變量解釋外，還應(yīng)該強(qiáng)調(diào)說明創(chuàng)新活動之間的關(guān)聯(lián)、研發(fā)費用和市場結(jié)構(gòu)等內(nèi)生因素的影響。第二，在彌補(bǔ)創(chuàng)新活動內(nèi)生性的模型中，科技經(jīng)費和從業(yè)人員對創(chuàng)新效率估計影響比較大;如果考慮模型的內(nèi)生性，市場經(jīng)濟(jì)對創(chuàng)新的非效率影響比較大。第三，控制內(nèi)生性后，創(chuàng)新效率值更高，且創(chuàng)新水平差異的不同導(dǎo)致效率差異更為明顯。

基于以上結(jié)論，提出如下建議：第一，繼續(xù)吸引更多高投入研發(fā)企業(yè)進(jìn)入高新區(qū)。實證研究結(jié)果表明，市場結(jié)構(gòu)等變量與高新產(chǎn)業(yè)園區(qū)效率存在雙向反饋機(jī)制，如果某個行業(yè)所在的某高新產(chǎn)業(yè)園區(qū)發(fā)展比較好，類似的企業(yè)也會選擇進(jìn)入。一方面，更多的企業(yè)入駐會改變這個行業(yè)的競爭態(tài)勢;另一方面，則又會促進(jìn)他們的共同創(chuàng)新和創(chuàng)新外溢。因此，高新區(qū)應(yīng)該吸引更多高研發(fā)投入的企業(yè)進(jìn)入。第二，加大對高級研發(fā)人員的引入。研發(fā)人員與高新區(qū)效率的負(fù)關(guān)系說明很多研發(fā)人員可能人浮于事，如果只是簡單的人數(shù)增加，并沒有真正從事有價值的創(chuàng)新活動，并沒有必然導(dǎo)致高新產(chǎn)業(yè)園區(qū)效率的提高，因此，需要加大對高級研發(fā)人員的引入。第三，增加研發(fā)投入，促進(jìn)產(chǎn)業(yè)升級。高新產(chǎn)業(yè)園區(qū)效率提升很大程度上取決于基礎(chǔ)核心技術(shù)，只有擁有基礎(chǔ)核心技術(shù)才能不被別國“卡脖子”，才能真正實現(xiàn)高新產(chǎn)業(yè)園區(qū)的可持續(xù)發(fā)展。

注釋：

① 限于篇幅，未列出完整的內(nèi)生面板隨機(jī)前沿模型與外生面板隨機(jī)前沿模型頻率分布， 可向作者索取相關(guān)完整結(jié)果。

② 限于篇幅，未列出完整的面板外生隨機(jī)前沿模型與面板內(nèi)生隨機(jī)前沿模型中創(chuàng)新效率的直方圖，可向作者索取相關(guān)完整結(jié)果。

參考文獻(xiàn)：

[1] Shee A， Stefanou S E. Endogeneity corrected stochastic production frontier and technical efficiency[J].American Journal of Agricultural Economics， 2015（97）：939-952.

[2] Tran K C， Tsionas E G. Endogeneity in stochastic frontier models：Copula approach without external instruments[J].Economics Letters， 2015（133）：85-88.

[3] Karakaplan， Mustafa U， Levent Kutlu. Endogeneity in panel stochastic frontier models：An application to the Japanese cotton spinning industry[J]. Applied Economics， 2017， 49（59）：5935-5939.

[4] Mutter R L， Greene W H， Spector W， et al. Investigating the impact of endogeneity on inefficiency estimates in the application of stochastic frontier analysis to nursing homes[J].Journal of Productivity Analysis，2013， 39（2）：101-110.

[5] 歐光軍，楊青，雷霖.國家高新區(qū)產(chǎn)業(yè)集群創(chuàng)新生態(tài)能力評價研究[J].科研管理，2018，39（8）：63-71.

[6] 余東華，王必好.技術(shù)創(chuàng)新效率的內(nèi)生性與隨機(jī)變動效應(yīng)研究：要素投入中知識資本與人力資本的差異化影響[J].南方經(jīng)濟(jì)， 2020（1）：76-94.

[7] 陳軍，成金華.內(nèi)生創(chuàng)新、人文發(fā)展與中國的能源效率[J].中國人口·資源與環(huán)境，2010，20（4）：57-62.

[8] Karakaplan M U， Kutlu L. Handling endogeneity in stochastic frontier analysis[J].Economics Bulletin，2017a（37）：889-891.

[9] Karakaplan， Mustafa U， and Levent Kutlu. School district consolidation policies：endogenous cost inefficiency and saving reversals[J].Empirical Economics， 2019，56（5）：1729-1768.

[10]武增海，李濤.高新技術(shù)開發(fā)區(qū)綜合績效空間分布研究：基于自然斷點法的分析[J].統(tǒng)計與信息論壇，2013（3）：82-88.

[11]黃春玲，余穎，黃卓.國家高新區(qū)創(chuàng)新效率的實證研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2005（2）：100-104.

[12]姜彩樓， 曹杰， 劉維樹. 中國高新產(chǎn)業(yè)園區(qū)效率變動及影響因素研究：基于面板數(shù)據(jù)的隨機(jī)前沿分析 [J].經(jīng)濟(jì)體制改革，2014（6）：52-56.

[13]Millimet D L， Collier T .Efficiency in public schools：Does competition matter？ [J]. Journal of Econometrics， 2008， 145（1-2）：134-157.

[14]葉海景.政府R&D資助對企業(yè)創(chuàng)新效率的影響——基于溫州規(guī)上工業(yè)企業(yè)面板數(shù)據(jù)的隨機(jī)前沿分析[J].中共浙江省委黨校學(xué)報，2017，33（6）：116-122.

（責(zé)任編輯：鐘 瑤）