2、 研究意义

为了使我们在高技术产业方面的投入获得预期的产出，促进我国的经济发展，使我国在当今的国际经济和科技竞争中占据主导地位，这就意味着我们需要把各区域高技术产业的创新能力及效率放在首要研究位置，我们需要不断地优化并提高高技术产业创新效率，以达到使我国各区域高技术产业获得的收益最大化。我们要解决一个问题的关键在于要看清这个问题的本质，正如我们要提高我国高技术产业的创新效率一样，首先我们得认清影响高技术产业的根本原因，这样才更有利于我们后续对高技术产业创新效率的优化与提高。本文通过利用两阶段DEA法对中国东部、中部、西部和东北部高技术产业的研发情况进行了分析与研究，通过观察和研究各区域研发投入的综合效率、规模效率以及纯技术效率的变化趋势，来得出影响中国高技术产业创新效率的主要因素，有助于解决中国各区域高技术产业发展不平衡的问题，有助于提高中国高技术产业整体的创新效率，对之后关于高技术产业创新效率的研究有着重大的意义。

（二） 国内外研究现状

1、 国内研究现状

2、 国外研究现状

（三） 研究方法

为了更好地对区域高技术产业创新效率做一个精准的评价，选取对的评价方法是非常重要的。肖仁桥，钱丽，陈忠卫（2012）利用规模报酬可变情况下的两阶段DEA模型以及Tobit模型检验了高技术产业创新效率的影响因素。研究表明，企业规模、滞后期效率值等对知识创新效率影响显著，劳动者素质、产业结构等对科技成果商业化效率的作用明显，政府支持、金融环境等对技术创新的整体效率有较为显著的影响[10]。范允奇，周方召（2014）采用SFA模型对我国高技术产业技术创新效率及其影响因素进行了实证分析，得出：技术创新效率存在区域联动效应，但这种效应仅发生在相邻地区，并且表现为中部到东部、中部到西部的单向局部正联动[11]。宇文晶，马丽华，李海霞（2015）通过采用两阶段串联DEA模型对影响各阶段效率的外部环境因素进行实证研究，研究发现：纯技术无效率是引起技术效率偏低的主要原因[12]。

在对区域高技术产业的创新效率的研究方面，研究者所选取的研究方法也是十分重要的，大多数学者还是选择采用DEA方法来对其进行研究和分析，数据包络分析是由著名运筹学家CHRNES和COOPER（1978）以相对效率概念为基础发展起来的一种崭新的效率评价方法[13]。Be´chir Ben Lahouel（2016）便通过DEA模型对法国企业的生态效率问题进行了一个全面的分析，精准地得出了生态效率与环境效率密切相关，公司规模（以营业额和员工人数表示）与生态效率得分呈负相关的结论[14]。这充分体现了DEA法在研究这种问题中所具备的优势。

（四） 创新点

我们可以从上述所介绍的研究方法中得到许多宝贵的信息及经验，但是，以上的研究中还存在着许多不够完美的地方：①高技术产业的投入在影响经济发展的过程中存在滞后效应，当期的投入未必会在当期产出结果，可能会在一段时间后才能得到产出结果，这段时间便是滞后期，以上研究中未能将滞后期考虑进去；②对创新效率进行测度时,不同的学者进行分析选取的效率不同，有些选择综合效率值，有些则是选择纯技术效率值，且他们均未在文中给出选择的具体理由,导致同一变量在各文献中得出不同的结论，对纯技术效率和规模效率没有一个恰当的区分，以至于无法准确得出究竟是哪一个效率对高技术产业创新效率产生影响更大的结果，这一点没有引起广泛的关注。

针对以上问题，本文创新点在于：①运用格兰杰因果检验的检测方法确定高技术产业投入对经济发展影响的滞后期；②通过将技术效率分解为综合效率、纯技术效率以及规模效率，再对两个阶段影响高技术产业创新效率的因素进行分析，得出影响每个阶段创新效率的关键因素。