我国区域高技术产业自主创新能力综合评价与分析

从创新基础、创新投入、创新转化和创新产出4个维度构建高技术产业自主创新能力综合评价指标体系,并运用因子分析法和聚类分析法对我国各地区的高技术产业自主创新能力进行综合评价与分析;进一步建立回归模型,定量分析这4个维度对高技术产业自主创新能力的影响作用。研究结果表明,中国高技术产业自主创新能力区域差异较为明显;创新投入和创新产出是影响高技术产业自主创新能力最主要的因素;加大高技术产业自主创新投入力度是提升区域高技术产业自主创新能力的关键性措施。     

高技术产业自主创新模式驱动专利产出机理研究——知识产权保护视角

基于中国2003—2013年高技术产业省际面板数据,以动态性和内生性结合改进非线性动态门槛模型,并考虑地区异质性,将知识产权保护纳入高技术产业自主创新驱动机理框架,从方法和内容上探讨知识产权保护对自主创新模式驱动专利产出的非线性动态门槛特征。研究表明:中国高技术产业自主创新模式驱动专利产出的作用机理存在着显著的知识产权保护动态门槛效应;总体上,知识产权保护力度较小时,自主创新模式显著正向驱动专利产出,反之,自主创新模式则一定程度负向影响专利产出的提升;随着知识产权保护力度加强,3种自主创新模式驱动机制亦存在差异,高技术产业实施原始创新模式可以将其不利影响减至最低;地区知识产权保护异质性特征显著,少数经济发达东部地区应倾向集成创新模式,或平衡知识产权力度,以促进本地区高技术产业专利创新。     

基于产业集聚的高技术产业创新能力研究/FONT

    摘要：对经典的知识生产函数进行改进的基础上,构建了综合考虑研发经费和知识存量的知识生产函数,并将高技术产业集聚下知识溢出因素和政府支持力度引入该函数,以1998-2006年中国高技术产业相关统计数据,利用空间面板模型分析方法,从产业集聚的视角对区域高技术产业技术创新能力进行了实证分析,分析结果表明：考虑了研发经费和知识存量的知识生产函数能够比较准确地揭示高技术产业知识生产的投入产出关系,省域内的产业集聚因素和省际间的知识溢出显著影响区域高技术产业的创新产出。       

模糊神经网络和SOM网络在中国高技术园区区位评价中的应用

对中国52个高技术产业园区发展状况的部分数据及因子分析结果,建立两种具有学习能力的评价模型,用以评价中国高技术园区的发展状况。一种是基于模糊神经网络(FNN)的评价模型,可以提取描述高技术园区发展状况的模糊规则,找到发展模式;另一种是基于自组织特征映射（SOM)神经网络的评价模型,可以对高技术园区进行自动聚类,从聚类图上找到发展状况相近的高技术园区。两种模型都具有自我评价功能,产业园区或企业可方便地利用之对自身发展状况进行自我评价。     

知识溢出对区域创新产出影响的实证分析——以高技术产业为例

运用空间计量经济学模型,以高技术产业为例,对三种类型的知识溢出对中国省际区域创新产出的影响以及空间相关性问题进行了实证分析。结果发现,中国31个省际区域的创新活动存在空间依赖性,高技术产业的专业化、多样化,省际区域的人力资本对区域创新产出具有正向促进作用。区域创新活动的空间依赖性要求各省际区域在制定区域经济政策时要充分考虑知识溢出的地理特性,加强区域合作。     

高技术产业与传统产业R&D溢出的比较研究——基于经济权重矩阵视角

采用我国29个省、市、自治区高技术产业与传统产业2001~2010年的R&D投入与产出数据,基于空间权重矩阵,利用空间计量分析方法,考察了空间权重矩阵下我国高技术产业与传统产业的省际R&D溢出效应。实证结果表明:在不同空间计量模型下,高技术产业与传统产业省际溢出效应均很明显,尽管我国高技术产业的R&D活动较活跃,但高技术产业在R&D溢出方面低于传统产业;高技术产业研发资本投入对R&D产出的贡献要高于研发人员投入,而传统产业恰恰相反;在不同产业的溢出中,经济距离因素都扮演着重要角色。     

中国省际高技术产业技术创新能力分析——基于产业集聚的视角

在对经典的知识生产函数进行改进的基础上,构建了综合考虑研发经费和知识存量的知识生产函数,并将高技术产业集聚下知识溢出因素和政府支持力度引入该函数,以1998—2006年中国高技术产业相关统计数据,利用空间面板模型分析方法,从产业集聚的视角对高技术产业区域创新能力进行了实证分析,分析结果表明:考虑了研发经费和知识存量的知识生产函数能够比较准确地揭示高技术产业知识生产的投入产出关系,省域内的产业集聚因素和省际间的知识溢出显著影响区域高技术产业的创新产出。     

数字经济驱动下中国省域高技术制造业的创新效率评价研究

在数字技术与高技术制造业不断深度融合趋势下,数字经济已成为驱动中国高技术制造业创新效率提升的重要动力。通过构建数字经济驱动下中国高技术制造业创新效率评价指标体系,利用Bootstrap-DEA模型对2009—2019年中国各省域高技术制造业创新效率进行评价,分析了中国高技术制造业技术创新效率区域差异、时空演变及其成因。研究发现,中国高技术制造业技术创新效率整体水平较低,且技术创新效率表现出明显的东、中、西部三大区域间差异。广东、浙江和江苏等东部地区省域的技术创新效率值较高,但面临技术创新效率提升瓶颈;而甘肃、青海和内蒙古等中西部地区省域的技术创新效率值较低,但保持较高技术创新效率增速。在数字经济驱动下,中国高技术制造业创新效率的整体差距以及东、中、西三大地区间的创新效率差距均在逐年缩小。数字资本投入、数字基础设施、数字交易规模和企业数字化水平是高技术制造业创新水平提升的重要驱动因素。结合数字经济与高技术制造业创新融合发展实践,提出了数字经济驱动高技术制造业创新效率提升的具体策略。本文是对数字经济驱动下中国高技术制造业创新效率评价指标体系的有益探索,为开展数字经济背景下中国高技术制造业创新效率问题研究提供了有益借鉴。     

区域创新驱动全要素生产率测度及其影响因素研究——基于Malmquist-Tobit方法的实证分析

基于1997—2013年中国省际面板数据,运用Malmquist-Tobit方法实证分析探讨中国省际创新驱动的全要素生产率及其经济环境影响因素。研究表明,1整体上中国区域创新驱动效率处于上升趋势,规模效率较高,技术效率偏低;2区域创新驱动效率增长速度与经济水平之间没有正相关关系,增长最快的8个省分别是广东、宁夏、黑龙江、辽宁、浙江、山东、湖南、福建;3对外开放程度对创新驱动效率的促进作用并不显著,而政府科技投入额、经济发展水平、产业结构升级优化程度和高等教育发展水平对创新驱动效率具有显著的促进作用,它们每提高1%,创新驱动效率分别提高0.0649%、0.0233%、0.0173%、0.015%。基于此,提出提高中国区域创新驱动效率的建议。     

基于创新驱动视角的中国省际技术创新效率测度及影响因素分析

基于创新驱动视角,以中国2000—2015年30个省份的面板数据为样本,采用DEA-Tobit两阶段模型,测度了中国省际技术创新效率,并对其影响因素进行了实证研究。研究表明,2000—2015年,中国技术创新效率均值为0.771,尚有较大的提升空间;各地区技术创新效率呈现出梯度变化特征;北京、上海、浙江、海南、内蒙古、重庆、贵州、云南、甘肃、新疆等10个省份处于效率前沿面上,其余省份均处于技术无效状态;中国省际技术创新效率地区差异显著,发展不均衡,全国技术创新效率变异系数为0.0646;技术创新效率呈较明显的空间集聚状态;经济发展水平、基础设施、信息化水平是影响中国省际技术创新效率的重要因素。