■ 尹夏楠 孟杰 陶秋燕

北京聯(lián)合大學(xué)管理學(xué)院 北京 100101

0 引言

十九大報告明確提出了繼續(xù)深化創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，發(fā)揮市場在資源配置中的重要作用，矯正要素資源扭曲，推動經(jīng)濟(jì)高質(zhì)量發(fā)展。現(xiàn)實中信息不對稱等因素導(dǎo)致了生產(chǎn)要素資源錯配，且我國的資源錯配現(xiàn)象比成熟的市場經(jīng)濟(jì)國家更為嚴(yán)重（季書涵，2016）[1]。大量研究證實資源配置效率低下是阻礙發(fā)展中國家經(jīng)濟(jì)增長的重要原因之一（步曉寧、張少華，2019）[2]?？萍假Y源是實現(xiàn)企業(yè)自主創(chuàng)新的物質(zhì)基礎(chǔ)，科技資源配置能力決定并制約著高技術(shù)產(chǎn)業(yè)的創(chuàng)新能力和發(fā)展?jié)摿Γㄍ衾史?、伏玉林?013）[3]，而企業(yè)的人、財、物等資源的合理配置能夠充分發(fā)揮企業(yè)研發(fā)能力和創(chuàng)新成果轉(zhuǎn)化能力（范德成，2018）[4]。一般來說，處于市場競爭程度和行業(yè)集中度越高的企業(yè)，其資源配置效率也應(yīng)該越高，但王文和牛澤東（2019）采用2008～2017年中國工業(yè)A 股上市公司數(shù)據(jù)研究結(jié)果表明，輕紡制造業(yè)的資源配置效率反而低于采礦業(yè)的資源配置效率，建議政府需謹(jǐn)慎使用產(chǎn)業(yè)扶持政策，持續(xù)減低不同行業(yè)內(nèi)部的資源錯配程度[5]。北京作為全國科技創(chuàng)新中心，以戰(zhàn)略性、技術(shù)先進(jìn)性和產(chǎn)出高效性為特征的高精尖產(chǎn)業(yè)作為政府重點發(fā)展的產(chǎn)業(yè)，其科技資源配置是否有效？在持續(xù)優(yōu)惠政策的扶持下，科技資源的配置效率是否實現(xiàn)了逐步優(yōu)化？其動態(tài)演化的規(guī)律如何？影響科技資源配置效率的主要因素有哪些？本文針對上述問題，從企業(yè)微觀視角在靜態(tài)評價科技資源配置效率的基礎(chǔ)上，運用Malmquist 指數(shù)模型進(jìn)一步對企業(yè)面板數(shù)據(jù)進(jìn)行了測度，以揭示科技資源配置效率的動態(tài)發(fā)展演化趨勢，為企業(yè)更加高效地配置科技資源以及政府制定相關(guān)政策提供重要的決策依據(jù)。

1 相關(guān)研究評述

1.1 資源配置效率影響因素的研究

國內(nèi)外學(xué)者從區(qū)域或產(chǎn)業(yè)等宏觀視角對影響或抑制資源配置效率因素的研究表明，城市規(guī)模、政府支出規(guī)模、資本、勞動和知識等均是影響資源配置效率的重要因素（Hsieh，2009；Paula，2014；張?zhí)烊A，2017；祝平衡，2018）[6-9]；靳來群等（2015）的研究顯示，財政補貼、金融抑制、行政性市場進(jìn)入壁壘對行業(yè)內(nèi)資源錯配具有顯著影響，而勞動力流動管制、金融抑制則對行業(yè)間資源錯配作用明顯[10]。資源配置是否合理以及資源發(fā)揮效力的高低歸根結(jié)底是由企業(yè)來決定的，但鮮有文獻(xiàn)從企業(yè)微觀視角研究資源配置效率，針對高精尖產(chǎn)業(yè)企業(yè)科技資源配置效率的研究更為缺乏。

1.2 資源配置效率度量方法的研究

近年來學(xué)術(shù)界對資源配置效率的測度方法大致可以分為參數(shù)方法和非參數(shù)方法。參數(shù)方法以隨機前沿生產(chǎn)函數(shù)分析法（SFA）為代表，如戚湧等（2015）基于SFA 法對全國科技資源市場配置效率展開實證研究，結(jié)果表明我國科技資源市場配置效率的平均水平仍較低[11]。由于SFA 構(gòu)建函數(shù)模型時參數(shù)估計偏差問題難以解決，因而更多的學(xué)者選擇了非參數(shù)方法進(jìn)行研究，且以數(shù)據(jù)包絡(luò)分析法（DEA）為代表，如李偉（2016）運用超效率DEA 方法對我國31 個省份工業(yè)企業(yè)自主創(chuàng)新效率進(jìn)行測度，指出政府資金指出和技術(shù)市場活躍度對自主創(chuàng)新效率有負(fù)面影響[12]。曾燕萍（2019）利用DEAMalmquist 指數(shù)模型對中國文化服務(wù)業(yè)企業(yè)全要素生產(chǎn)率變動進(jìn)行測算并對差異進(jìn)行了比較分析[13]?？梢?，DEA 方法因其解決多投入多產(chǎn)出指標(biāo)的相對效率評價問題時無需知道生產(chǎn)函數(shù)具體形式的優(yōu)點而被廣泛應(yīng)用。

1.3 對資源錯配程度的研究

季書涵等（2016）研究發(fā)現(xiàn)中國71%的行業(yè)資本配置不足，69%的行業(yè)勞動力配置過剩，且技術(shù)密集行業(yè)勞動力配置存在明顯缺口[1]；步曉寧等（2019）認(rèn)為中國行業(yè)內(nèi)部企業(yè)之間的資本配置效率年均惡化程度至少是勞動力配置效率的兩倍[2]。戴魁早等（2015）對戰(zhàn)略性新興產(chǎn)業(yè)的研究結(jié)果表明不同區(qū)域間科技資源配置效率存在嚴(yán)重分化現(xiàn)象[14]；郭淑芬等（2020）實證表明山西絕大多數(shù)行業(yè)的絕對錯配指數(shù)較高，整體科技資源配置不足[15]。白雪潔等（2018）研究發(fā)現(xiàn)資源配置效率對光伏行業(yè)上下游企業(yè)的產(chǎn)能利用率具有顯著的積極作用，但對其中游企業(yè)的產(chǎn)能利用率產(chǎn)生負(fù)向影響[16]。隨著資源配置研究的深入，戰(zhàn)略性新興產(chǎn)業(yè)和高技術(shù)產(chǎn)業(yè)科技資源配置的研究引起了國內(nèi)外學(xué)者的關(guān)注。但研究對象仍以中觀產(chǎn)業(yè)為主，以微觀企業(yè)為樣本的研究明顯不足。

鑒于鮮有文獻(xiàn)以企業(yè)微觀層面為切入點對科技資源配置效率進(jìn)行研究，本文在考慮不同產(chǎn)業(yè)間科技資源稟賦差異以及區(qū)域發(fā)展程度差異的前提下，科學(xué)選取科技資源配置效率的評價指標(biāo)，并以北京十大高精尖產(chǎn)業(yè)中最具代表性的新一代信息技術(shù)企業(yè)為研究對象，構(gòu)建資源配置效率理論模型，采用面板數(shù)據(jù)對其進(jìn)行驗證，靜態(tài)評價其科技資源配置效率以及揭示其動態(tài)演化規(guī)律。

2 研究方法

2.1 超效率DEA方法

數(shù)據(jù)包絡(luò)分析法（Data Envelope Analysis, DEA）是根據(jù)帕累托最優(yōu)原理，運用線性規(guī)劃技術(shù)來評估一個決策單元的相對效率的評價方法。C2R 模型和BC2模型是DEA 方法常用的模型。其中，C2R 模型常用于規(guī)模報酬不變的情況，而BC2模型常用于規(guī)模報酬可變的情況。本文研究過程中，每一個決策單元的生產(chǎn)過程并非都是規(guī)模報酬不變的，因此采用規(guī)模報酬可變的BC2模型，具體模型如下：

其中，x、y 分別表示投入向量和產(chǎn)出向量；θ 表示決策單元的綜合效率值；λj表示各決策單元的權(quán)重，s-、s+是松弛變量，s-表示投入冗余，s+表示產(chǎn)出不足。

2.2 Malmquist指數(shù)

BC2-DEA 方法僅能實現(xiàn)對截面數(shù)據(jù)進(jìn)行靜態(tài)測度，如果需要對主體不同時間序列生產(chǎn)效率的變動情況進(jìn)行分析，即對面板數(shù)據(jù)進(jìn)行動態(tài)演化分析，則需利用Malmquist 指數(shù)方法，即全要素生產(chǎn)率（Tfpch）。近些年該方法與DEA 理論結(jié)合使用得到了廣泛的應(yīng)用。Malmquist指數(shù)可以進(jìn)一步分解為技術(shù)效率指數(shù)（Effch）和技術(shù)進(jìn)步指數(shù)（Techch）；當(dāng)規(guī)模報酬可變時，技術(shù)效率指數(shù)又可分解為純技術(shù)效率指數(shù)（Pech）和規(guī)模效率指數(shù)（Sech），即Tfpch= Effch×Techch= Pech×Sech×Techch。若指數(shù)的數(shù)值大于1，則說明該指數(shù)代表的效率與前一期相比呈上升態(tài)勢；如果指數(shù)小于1，則說明該指數(shù)代表的效率與前一期相比呈下降態(tài)勢。

3 變量選取、樣本選擇與數(shù)據(jù)來源

3.1 變量的選取

科技創(chuàng)新離不開金融資源和科技人員的投入，金融資源的配置及其逐利性推動了科技資源要素市場的配置，尤其是高精尖戰(zhàn)略發(fā)展產(chǎn)業(yè)的資源配置。金融資源是引導(dǎo)其他各項資源流動的風(fēng)向標(biāo)，金融資源的配置效率決定了社會資源的配置效率（李俊霞等，2019）[17]。《2018年全國科技經(jīng)費投入統(tǒng)計公報》顯示，2018年全國研發(fā)經(jīng)費投入總量達(dá)到19678 億元，研發(fā)經(jīng)費投入強度為2.19%，比2017年均所有提高，但研發(fā)強度與美國、日本等科技強國相比仍存在較大差距。我國不同區(qū)域、不同產(chǎn)業(yè)間的研發(fā)投入和研發(fā)資本呈現(xiàn)投入分配不均衡狀態(tài)（張貴等，2019）[18]，而且資金投入與技術(shù)進(jìn)步不一定保持正相關(guān)關(guān)系。企業(yè)研發(fā)投入越多，對企業(yè)的技術(shù)進(jìn)步和經(jīng)濟(jì)增長不一定具有越強的促進(jìn)作用。如果科技資源的投入效率低，則投入越多，造成稀缺資源的冗余浪費越嚴(yán)重，反而會抑制企業(yè)生產(chǎn)效率的提高（程時雄等，2014）[19]。高技術(shù)技能型人力資本具備對隱性知識的外化能力和對顯性知識的吸收能力，從而能夠為提高企業(yè)技術(shù)創(chuàng)新效率提供更多的貢獻(xiàn)（Lichtenthaler,2009）[20]，且人力資本與技術(shù)創(chuàng)新之間能夠形成螺旋遞進(jìn)的良性循環(huán)關(guān)系（Acemoglu,1997）[21]?？萍假Y源的創(chuàng)新成果既可以直接體現(xiàn)為企業(yè)的創(chuàng)新收入，又可以形成間接為企業(yè)帶來經(jīng)濟(jì)效益的專利資產(chǎn)。

結(jié)合上述對科技資源投入產(chǎn)出的分析，本文最終選取企業(yè)研發(fā)投入、研發(fā)人員數(shù)量、企業(yè)資產(chǎn)總額為科技資源的投入指標(biāo)，選取專利授權(quán)數(shù)量和企業(yè)創(chuàng)新收入作為科技資源的產(chǎn)出指標(biāo)。但考慮到科技型企業(yè)的創(chuàng)新收入主要以主營業(yè)務(wù)收入的形式來體現(xiàn)，同時企業(yè)層面的創(chuàng)新收入數(shù)據(jù)難以獲取，因而采用企業(yè)主營業(yè)務(wù)收入測量創(chuàng)新收入。

表1 變量描述性統(tǒng)計

3.2 樣本選取和數(shù)據(jù)來源

《北京市十大高精尖產(chǎn)業(yè)登記指導(dǎo)目錄（2018年版）》明確指出，新一代信息技術(shù)、集成電路、醫(yī)藥健康、智能裝備、節(jié)能環(huán)保、新能源汽車、新材料、人工智能、軟件和信息服務(wù)以及科技服務(wù)為“十大高精尖產(chǎn)業(yè)”。鑒于地區(qū)差異、各產(chǎn)業(yè)間科技資源要素稟賦的異質(zhì)性以及數(shù)據(jù)的真實性和客觀性，本文選取北京地區(qū)新一代信息技術(shù)產(chǎn)業(yè)上市公司為研究對象，初步篩選滿足基本條件的上市公司為64 家，選取2014～2018年五年的數(shù)據(jù)進(jìn)行研究，剔除ST公司和數(shù)據(jù)不完整的公司，最后確定22家樣本公司，共計550 個觀測值。專利授權(quán)量由國泰安數(shù)據(jù)庫查詢，個別年份經(jīng)國家知識產(chǎn)權(quán)局網(wǎng)站手工檢索并經(jīng)測算取得，其他變量數(shù)據(jù)均來源于wind數(shù)據(jù)庫。運用SPSS軟件對樣本變量原始數(shù)據(jù)進(jìn)行了描述性統(tǒng)計，結(jié)果見表1。

22 家上市公司的數(shù)據(jù)均大于零，樣本數(shù)量大于投入產(chǎn)出指標(biāo)數(shù)量的2 倍，完全符合采用BC2-DEA 模型的要求。從表1描述性統(tǒng)計結(jié)果可以看出，22 家公司評價指標(biāo)的數(shù)據(jù)存在較大的差異，為后續(xù)配置效率差異分析提供了基礎(chǔ)。

4 實證分析

4.1 企業(yè)科技資源配置效率的靜態(tài)評價——基于BC2-DEA模型

利用22 家上市公司2014～2018年的原始數(shù)據(jù)作為輸入數(shù)據(jù)，運用Deap2.1 軟件進(jìn)行計算，企業(yè)各年的科技資源配置效率結(jié)果見表2。

根據(jù)表2的結(jié)果可以測算出各年度科技資源配置有效的公司數(shù)量以及占比，結(jié)果見表3。

4.1.1 配置效率數(shù)值的時間序列維度分析

從表2和表3的結(jié)果來看，2014～2018年各年度科技資源配置有效率的公司占比分別為18.18%、18.18%、13.64%、27.27%、18.18%，配置有效的公司數(shù)量偏低，即使有效性最高的2017年度也僅為27.27%。2014～2018年各年度公司科技資源配置效率的均值介于0.645～0.772 之間，基本保持了緩慢地持續(xù)上升趨勢，如圖1所示。可見，雖然各年度配置有效率的公司數(shù)量偏低，但整體資源配置效率實現(xiàn)了逐年上升的態(tài)勢，說明不同企業(yè)的科技資源配置管理水平存在較大差異，但科技資源的管理水平和運用程度正在逐年提高，科技資源配置逐漸趨于合理有效。

表2 企業(yè)科技資源配置效率一覽表

表3 企業(yè)科技資源配置有效率比較

4.1.2 不同上市公司主體維度分析

以各公司2014～2018年科技資源配置效率均值為分析主體，如圖2所示，只有飛天誠信和銀信科技2 家公司的資源配置是有效的，說明這2 家公司具有非常合理的科技資源投入，科技資源產(chǎn)出也處于生產(chǎn)前沿面，呈現(xiàn)配置效率有效的狀態(tài)。真視通、旋極信息、太極股份、華勝天成、易華錄、博彥科技和中國軟件共7家公司的配置效率處于0.8～1 之間，說明這些公司科技資源配置尚存在進(jìn)一步優(yōu)化的空間；有11 家公司的配置效率處于0.5～0.8之間，說明這些公司的科技資源配置存在較大的合理化空間；此外，有2 家公司的配置效率低于0.5，分別為0.3438 和0.4932，該類公司急需優(yōu)化科技資源投入和產(chǎn)出狀況，即降低科技資源冗余，提高科技資源效用。

4.2 企業(yè)科技資源配置效率的動態(tài)分析——基于Malmquist模型

為進(jìn)一步探究2014～2018年間企業(yè)科技資源配置效率的動態(tài)演化過程及其變動原因，本文運用Malmquist模型測算了科技資源配置效率。結(jié)果見表4。

4.2.1 總體縱向動態(tài)演化分析

圖1 2014～2018年度科技資源配置效率均值

圖2 2014～2018年各公司科技資源配置效率均值

從表4可知，2014～2018年全要素生產(chǎn)率的均值為1.023，大于1，意味著新一代信息技術(shù)企業(yè)的科技資源配置效率整體上升，5年間平均以2.3%的比率增長。具體到各年度來看，2014～2018年全要素生產(chǎn)率經(jīng)歷了0.996、1.040、1.008 和1.051 的數(shù)值變動。除2014～2015年全要素生產(chǎn)率略微下降0.4%外，2015～2018年全要素生產(chǎn)率數(shù)值均大于1，整體表現(xiàn)為逐步上升趨勢，但上升速度具有波動性。

究其原因，“高精尖”產(chǎn)業(yè)概念的正式出現(xiàn)于2015年4月中共中央政治局審議通過的《京津冀協(xié)同發(fā)展規(guī)劃綱要》文件中，該文件明確要求升級北京現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)，構(gòu)建“高精尖”的經(jīng)濟(jì)結(jié)構(gòu)；2016年北京市出臺《北京市人民政府關(guān)于進(jìn)一步優(yōu)化提升生產(chǎn)性服務(wù)業(yè)加快構(gòu)建高精尖經(jīng)濟(jì)結(jié)構(gòu)的意見》，標(biāo)志著高精尖產(chǎn)業(yè)成為引起北京市經(jīng)濟(jì)發(fā)展的新引擎；2017年北京市委市政府印發(fā)了《關(guān)于加快科技創(chuàng)新構(gòu)建高精尖經(jīng)濟(jì)結(jié)構(gòu)系列文件的通知》，以加快高精尖產(chǎn)業(yè)的有序發(fā)展。實證結(jié)果也這充分說明北京市高精尖產(chǎn)業(yè)確實得到了政府的重視，新一代信息技術(shù)產(chǎn)業(yè)在科技資源配置方面得到了逐步的優(yōu)化和提高。

4.2.2 總體橫向動態(tài)演化分析

從表4可知，影響全要素生產(chǎn)率1.023的增長主要源自于技術(shù)效率的提升。5年間技術(shù)效率均值為1.056，上升幅度為5.6%；而技術(shù)進(jìn)步指數(shù)為0.969，下降了3.1%，制約了全要素生產(chǎn)率的增長；但由于技術(shù)效率變動對全要素生產(chǎn)率提升的積極作用超過了技術(shù)進(jìn)步效率變動對全要素生產(chǎn)率制約的影響，因而全要素生產(chǎn)率整體表現(xiàn)為上升態(tài)勢。通過對技術(shù)效率變動的深層次分析發(fā)現(xiàn)，純技術(shù)效率和規(guī)模效率指數(shù)均值都大于1，意味著純技術(shù)效率和規(guī)模效率的變動均促進(jìn)了技術(shù)效率的增長。

可見，隨著北京市政府大力推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級，高精尖產(chǎn)業(yè)在技術(shù)創(chuàng)新、要素集聚等方面實現(xiàn)了快速的發(fā)展，企業(yè)科技資源配置也在不斷優(yōu)化，技術(shù)效率的變化使得全要素生產(chǎn)率從整體上得到了改善，但在技術(shù)進(jìn)步方面需要下大力氣改進(jìn)，努力提高企業(yè)的自主研發(fā)和創(chuàng)新能力。

4.2.3 全要素生產(chǎn)率動態(tài)演化軌跡分析

由實證結(jié)果可知，各年度全要素生產(chǎn)率變動的幅度和影響因素各不相同。2014～2015年全要素生產(chǎn)率數(shù)值為0.996，小于1，說明2015年全要素生產(chǎn)率略微下降。究其原因，影響全要素生產(chǎn)率的技術(shù)效率和技術(shù)進(jìn)步指數(shù)中，技術(shù)效率指數(shù)為1.001，技術(shù)進(jìn)步指數(shù)僅為0.995，技術(shù)進(jìn)步的下降對全要素生產(chǎn)率的負(fù)面影響導(dǎo)致其處于無效狀態(tài)。2015～2016年全要素生產(chǎn)率發(fā)生了逆轉(zhuǎn)，數(shù)值為1.03，是由于技術(shù)效率和技術(shù)進(jìn)步指數(shù)雙重上升處于有效狀態(tài)的結(jié)果；2016～2017年全要素生產(chǎn)率保持了上升的趨勢，但上升的幅度下滑，數(shù)值為1.008，分析可知，技術(shù)進(jìn)步高達(dá)16.7%的大幅度下降，雖然在技術(shù)效率20.9%的上升補救下，全要素生產(chǎn)率僅保持了0.8%的上升幅度；2017～2018年全要素生產(chǎn)率依然保持了上升的趨勢，且上升的幅度有所加快，數(shù)值高達(dá)1.051。分析發(fā)現(xiàn)，是由于技術(shù)效率和技術(shù)進(jìn)步均為正向影響全要素生產(chǎn)率的結(jié)果。

表4 2014～2018年樣本企業(yè)科技資源配置效率Malmquist指數(shù)

綜觀5年的變化，技術(shù)效率對全要素生產(chǎn)率均起到了促進(jìn)作用，而技術(shù)進(jìn)步則呈現(xiàn)交替變動的狀態(tài)，說明新一代信息技術(shù)企業(yè)科技資源的配置和利用水平發(fā)展處于較穩(wěn)定的態(tài)勢，但技術(shù)進(jìn)步則需要加大力度發(fā)展。

4.2.4 技術(shù)效率動態(tài)演化軌跡分析

整體來看，2014-1018年技術(shù)效率指數(shù)均大于1，說明企業(yè)科技資源配置中技術(shù)效率逐年增長。進(jìn)一步分析其構(gòu)成因素，5年間純技術(shù)和規(guī)模效率指數(shù)均值都大于1，說明二者雙重上升對資源配置效率產(chǎn)生了積極的影響作用。分年度來看，兩個因素對技術(shù)效率增長的影響各年均不相同。二者均產(chǎn)生積極影響的階段為2016～2017年，純技術(shù)指數(shù)和規(guī)模效率均大于1；而2015～2016年和2017～2018年兩個階段純技術(shù)指數(shù)大于1，但規(guī)模效率無效；2014～2015年正好相反，純技術(shù)無效、規(guī)模效率大于1。這些數(shù)據(jù)說明了新一代信息技術(shù)企業(yè)大多數(shù)處于初創(chuàng)階段或者成長階段，無論是科技資源本身還是科技資源管理方面都不夠成熟，需要進(jìn)一步調(diào)整或者優(yōu)化。

5 結(jié)論與建議

5.1 結(jié)論

本文運用超效率DEA-Malmquist 指數(shù)對2014～2018年北京地區(qū)新一代信息技術(shù)產(chǎn)業(yè)22 家上市公司的科技資源配置效率及其動態(tài)演化進(jìn)行了測度和分析。結(jié)果發(fā)現(xiàn)：

靜態(tài)評價來看，除2017年資源配置有效的公司數(shù)量占比為27.27%外，其他年份占比均未達(dá)到20%，配置有效的公司數(shù)量較少。5年間只有2 家公司的科技資源配置是全部有效的，7 家公司的配置效率處于0.8～1 之間，11 家公司的配置效率處于0.5～0.8 之間，2 家公司的配置效率低于0.5，不同配置效率的公司數(shù)量分布基本呈正態(tài)分布。2014～2018年各年度科技資源配置效率均值介于0.645～0.772之間，配置效率整體偏低。

動態(tài)評價來看，2014～2018年全要素生產(chǎn)率的均值為1.023，新一代信息技術(shù)企業(yè)的科技資源配置效率整體保持上升態(tài)勢。除2015年配置效率比2014年稍微下降外，其他年度的配置效率比上一年度均有所上升，但上升程度呈現(xiàn)一定的波動性。其中，技術(shù)效率始終對全要素生產(chǎn)率的上升起到了積極的促進(jìn)作用，而技術(shù)進(jìn)步因素的影響則不太穩(wěn)定；同時發(fā)現(xiàn)純技術(shù)效率對技術(shù)效率的正向影響比較明顯，而規(guī)模效率的影響則有一定的波動性。

5.2 建議

第一，進(jìn)一步加強高精尖企業(yè)的自主研發(fā)和創(chuàng)新能力。適當(dāng)加大企業(yè)的自主研發(fā)投入，包括資金投入和高素質(zhì)人員的引進(jìn)，提升企業(yè)的自主研發(fā)能力和創(chuàng)新能力，尤其是技術(shù)創(chuàng)新能力，增強企業(yè)的核心競爭力。同時，企業(yè)之間應(yīng)加快科技項目合作與溝通，在保護(hù)知識產(chǎn)權(quán)的前提下，增強知識外溢效應(yīng)，加快企業(yè)科技進(jìn)步。企業(yè)內(nèi)部應(yīng)該強化科技資源管理能力，促進(jìn)企業(yè)科技資源的合理配置，不斷提高企業(yè)的純技術(shù)效率和規(guī)模效率，實現(xiàn)高精尖產(chǎn)業(yè)企業(yè)科技資源配置效率的整體提升，以推動北京區(qū)域經(jīng)濟(jì)綠色健康發(fā)展。

第二，強化政府對科技資源優(yōu)化配置引導(dǎo)作用，發(fā)揮優(yōu)勢資源集聚效應(yīng)。高精尖產(chǎn)業(yè)經(jīng)濟(jì)作為眾多資源大規(guī)模聚合產(chǎn)生特定功能的總部經(jīng)濟(jì)，應(yīng)該具備高效的資源配置能力。但資金的逐利性和企業(yè)經(jīng)營風(fēng)險將會制約企業(yè)對研發(fā)周期長的技術(shù)投入，因而，政府應(yīng)該繼續(xù)發(fā)揮政策引導(dǎo)作用，制定合理的產(chǎn)業(yè)政策，多渠道撬動社會資金，引進(jìn)科技創(chuàng)新人才，鼓勵企業(yè)技術(shù)創(chuàng)新，適當(dāng)調(diào)整企業(yè)規(guī)模，為高精尖產(chǎn)業(yè)的發(fā)展提供良性的科技資源生態(tài)系統(tǒng)，發(fā)揮科技資源協(xié)同、集聚效應(yīng)和規(guī)模效應(yīng)，以提升科技資源的整體配置效率。