中国高技术产业创新效率探究：面板随机效应Tobit模型

"中国高技术产业创新效率实证研究——基于面板随机效应Tobit模型的估计 (2014年)" 这篇论文是中国高技术产业创新效率的实证研究，主要探讨了如何通过面板随机效应Tobit模型来估计并分析行业的创新效率。作者使用了三阶段的数据包络分析（DEA）模型，该模型能够更准确地衡量创新效率，并解决了传统DEA模型和随机前沿函数法的一些局限性。 首先，论文指出以往的研究往往未能详细区分高新技术产业内部各个行业的创新效率，或者没有充分考虑投入与产出之间的滞后效应。通过对1999年至2007年间中国高技术产业的分析，论文揭示了平均创新效率低下主要是由于配置效率低下的问题，而非研发效率。此外，尽管研发效率受到规模效率的制约，但提升研发效率的过程中可能会牺牲配置效率，这是一个需要平衡的矛盾。 在研究方法上，第一阶段采用了投入导向的BCC模型，这是一种考虑了规模报酬可变的DEA模型，适用于知识和技术密集的高技术产业，旨在最小化投入以优化资源配置。然而，传统的DEA模型忽略了随机误差和环境因素，可能导致效率评估的偏差。 为解决这些问题，第二阶段引入了Tobit模型，该模型能够量化环境因素对投入产出松弛变量的影响，包括随机因素、环境因素和管理效率。通过这样的方式，可以更精确地分离这些因素，提高效率评估的准确性。 论文的核心贡献在于采用了面板随机效应Tobit模型，这种模型结合了DEA和Tobit模型的优点，既考虑了环境因素，又控制了随机误差，同时考虑了投入产出的滞后关系，从而为高技术产业创新效率的研究提供了更为全面和精确的视角。 该研究对于理解中国高技术产业创新效率的现状和问题，以及如何通过政策调整来提升资源配置和研发效率，有着重要的理论和实践意义。它强调了市场在资源配置中的作用，提倡在追求研发效率提升的同时，要兼顾配置效率，以实现效率的最大化。