1 文献回顾 自2006年国家“十一五”计划提出“自主创新、重点跨越、支持发展、引领未来”的科技发展指导方针以来，我国科技发展战略开始了从模仿创新到自主创新的重大转变和调整。从国际经验看，高技术产业是自主创新的活跃区域，其创新能力的提升将带动一大批相关产业创新能力的提升。从我国工业化实践来看，我国高技术产业发展速度很快，2004年高技术产业的平均R＆D（research & development）强度为4.6％左右，高技术产品的增加率为22.8％。高技术产业已经成为我国技术创新的先导和自主创新的载体。因此，评价我国高技术产业的自主创新能力可以看出我国整体的自主创新能力的强弱，对于进一步弄清高技术产业与传统工业的相互关系具有重要的理论意义。 从20世纪90年代中期开始，涌现出一大批学者对高技术产业创新能力进行研究。刘志迎等使用Battese-Coelli模型计算全要素生产率，分析了高技术产业技术效率和总量增长的模式，并运用高技术产业的面板数据，采用非参数方法，分析了高技术产业发展过程中技术效率和总量增长的情况。结果表明，造成高技术产业TFP（total factor productivity）增长的主要原因是技术进步水平的提高而不是技术效率的提高；各行业的技术效率、TFP及其构成也存在显著差异[1]。邵一华、马庆国通过定量分析，研究了中国高技术（制造）产业、传统产业要素投入对产出增长的贡献以及要素生产率的变化，并研究了高技术（制造）产业与传统产业之间的要素重配置效率[2]。许玉明运用增长速度方程测算了高技术产业的科技进步贡献率，认为在高技术产业中，科学技术对资金和劳动都有替代作用，尤其是对劳动要素有替代作用[3]。谢伟、胡玮和夏绍模运用DEA（data envelopment analysis）方法对中国各省的高新技术产业研发效率、技术效率和规模效率进行了测算，并利用计量方法考察了市场竞争度、研发投入等对各效率的影响效应。实证结果表明，中国高新技术产业研发效率整体水平偏低，各地差异显著，且大多数省份都呈现规模报酬递减；研发投入冗余以及各因素的非协调发展是造成效率水平偏低的主要原因[4]。 上述文献虽然都研究了高技术产业的效率问题，但对于高技术产业自主创新能力的研究文献还比较少，且已有研究未对我国高技术产业的自主创新能力建立评价体系。因此，本文采用DEA的Malmquist指数来测算和分解高新技术产业的TFP，并结合国际通用的科技活跃评价指标R＆D强度来评价我国高新技术产业现阶段的自主创新能力。本文采用的数据为我国高新技术产业中17个行业1995—2007年13年的面板数据。通过考察技术效率改进和技术进步对TFP增长的影响，以及当下我国高技术产业R＆D强度与世界发达国家的横向比较，有针对性地提出相关的政策建议，对政府制定高技术产业发展政策、国家创新政策，合理配置科技资源有着重要的现实意义。 2 方法和指标的选择 针对TFP及其变化率的测算，常见的有索罗残差法和结合Malmquist指数计算的数据包络分析法（DEA）。综合考察各方法的优劣，本文选择目前较前沿的DEA-Malmquist指数法来进行研究。 2.1 Malmquist指数 Malmquist指数方法是基于DEA而提出的[5]。这种生产率指数有两个主要的优点：第一，它不需要相关的价格信息。但是它不能对单一一个孤立的国家或地区样本测算，它只有对包含多个对象和指标的样本才能测度。由于相关投入和产出的数量数据较易获得，而要素的价值份额和价格等信息不够完善，因此这个优点就显得尤为重要。第二，Malmquist指数可将TFP分解为生产效率变化和技术进步变化两个部分，而生产效率变化又可进一步分解为纯技术效率变化和规模效率变化，这样，我们就可以从中测算出效率和技术的变动情况，有利于对TFP增长推动的内在因素的研究。 从t时期到t＋1时期，TFP增长率测度的Malmquist指数可以表示成：
仿照Fisher理想指数的构造方法，用式（2）和式（3）的几何平均值，即式（1），作为从t时期到t＋1时期生产率变化的Malmquist生产率指数。当其大于1时，说明从t时期到t＋1时期发生了TFP的增长。 式（1）有着良好的性质，它可以分解成两个部分的乘积。它可以变换成如下形式：
第一部分EF，就是从t到t＋1期生产效率的变化；而第二部分TC，就是从t到t＋1期技术的变化率。 为了把这种理论工具应用到实际测度中，就要计算出投入和产出的各种距离函数，而这些距离函数就要通过解第i个地区DEA的问题来完成：
现在已经可以用专用的软件计算基于DAE的Malmquist指数，本文的数据结果是由公开的DEA软件Deap2.1计算得出的。 2.2 R＆D强度
