我国省际R&D活动的相对效率与规模效率

师 萍，韩先锋，宋文飞

（西北大学经济管理学院，陕西 西安 710127）

我国省际R&D活动的相对效率与规模效率

师 萍，韩先锋，宋文飞

（西北大学经济管理学院，陕西 西安 710127）

采用数据包络分析法（DEA）对我国1999—2008年31省份R&D活动的相对效率和规模效率进行实证研究。研究表明：我国各省份在R&D技术效率上存在显著差异，技术效率低下的省份较多；R&D规模大的省份相对R&D规模较小的省份并不具备显著的技术效率优势；31省份中仅少数省份处于规模有效和接近于规模有效状态，纯技术效率和规模效率都是影响省际R&D活动技术效率的主要因素。我国省际R&D活动存在显著的规模不经济特征。

R&D活动；数据包络分析法；相对效率；规模效率

Abstract:This paper uses the data envelopment analysis （DEA） method to empirically study the relative efficiency and scale efficiency of R&D activities in 31 provinces of China from 1999 to 2008.The results show that there are significant differences existing between the technical efficiency of different provinces,and a few of them have low technical efficiency,the provinces with large R&D scale don’t have significant advantages in the technical efficiency when compared with the provinces of small R&D scale.In the 31 provinces,only a few are in the scale-effective state and approaching to that,both pure technical efficiency and scale efficiency are the primary factors that influence the R&D activities technical efficiency in different provinces;Further research indicates that there is a significant diseconomies characteristic of scale appeared among the R&D activities in different provinces of China.

Key words:R&D activities；data envelopment analysis；relative efficiency；scale efficiency

新时期，我国政府对科技活动的支持强度逐年加强，对科技资源的投入规模持续增大，我国R&D强度（R&D/GDP）由1999年的0.76%上升到2008年的1.54%，R&D人员投入也由1999年的82.17万人猛增到2008年的196.54万人。资源投入的持续增加直接导致了R&D规模的进一步扩大，但R&D规模应该是在社会分工广泛发展的过程中，适应市场的性质而确定，若忽视市场的特殊性，一味追求扩大R&D规模，反而有可能出现大规模R&D活动缺乏经济效益的情况。因此，在有限资源投入的条件下，分析我国省际R&D活动的相对效率与规模效率，对促进我国自主创新的发展有着重要的现实意义。

目前基于省际视角对R&D效率的研究文献还比较少，且主要着眼于对省际R&D效率的测算和差异分析，如岳书敬（2008）［1］、肖敏等（2009）［2］、白俊红（2009）［3］等，很少对 R&D 活动规模效率变化情况、R&D活动规模与效率的关系进行深入研究。本文通过数据包络分析 （Data Envelopment Analysis，DEA）的方法，基于省际视角对我国1999—2008年31省份R&D活动的相对效率差异与规模效率情况进行研究，揭示R&D规模大的省份相对R&D规模较小的省份是否具备显著的技术效率优势，以及我国省际R&D活动在规模上是否具有效率；在此基础上，进一步采用多元线性回归方法分析R&D规模对效率的影响，以揭示我国R&D活动是否存在显著规模经济特征，并衍生出对策。

1 模型设定和数据说明

1.1 模型设定

DEA是使用数学规划模型进行评价具有多个输入、特别是多个输出的“部门”或“单位”（称为决策单元，简称DMU）间的相对有效性 （称为DEA有效），其本质是判断DMU是否位于生产可能集的“生产前沿面”上。这里的“生产前沿面”实际上是指观察到的决策单元的输入数据和输出数据的包络面的有效部分。自从1978年美国学者A﹒Charnes、W﹒Cooper与E﹒Rhodes提出第一个DEA模型 （C2R模型）以来，DEA方法不断得到完善并在实际中被广泛应用。 本文沿用 C2R 模型（Charnes,1978）［4］和 BC2模型（Banker,1984）［5］，用线性规划方法来衡量多元投入和产出效率问题。

（1）C2R模型。C2R模型假设有m个决策单位(DMU)，各 DMU 使用 n 种投入 xi＞0(i=1,2,…,n)，生产s种产出yr＞0(r=1,2…,s)，则任一DMU的效率值可由下列模型求得：

根据BC2模型所计算出来的uj，可探讨各省份规模报酬是处于递增、递减或规模不变状态：uj=0表示该决策单位是在最佳生产规模状态下，处于不变规模报酬区；而uj＞0表示该决策单元是在大于最佳的生产规模之状态下生产，处于规模报酬递减区；而uj＜0表示该决策单位是在小于最佳的生产规模之状态下生产，处于规模报酬递增区。

1.2 指标选取及数据说明

本文的研究样本包括我国31省份（不包括港澳台地区），涉及的所有原始数据均来源于《中国科技统计年鉴》（1999—2009年）、《中国统计年鉴》（1999—2009年）。具体数据处理及变量设定如下：

（1）产出指标。R&D与专利之间存在高度显著的相关性，即使考虑到滞后效应也如此［6］，专利是衡量创新活动的可靠指标［7］。专利数据包括专利申请受理量和专利申请授权量两个指标，专利申请授权量由于受到政府专利机构等人为因素的影响，有较大的不确定性，因而专利申请受理量比专利申请授权量更能反映R&D产出的真实水平［8］。鉴于此，本文选国内专利申请受理量（单位：件）作为衡量R&D活动的产出指标。

（2）投入指标。文献中常选用R&D经费支出和R&D 人员来衡量，如：Bound 等（1984）［9］、Sharma 和Thomas等（2008）［10］。 根据 R&D 活动的特征及我国统计指标的特点，选取R&D人员全时当量（单位：人年），作为衡量R&D活动的人员投入指标。Griliches（1990）［11］、吴延兵（2008）［12］的研究表明，R&D 活动对知识生产的影响不仅反映在当期，对以后的知识生产也将产生影响。 涂正革（2005）［13］指出，R&D 投资对产出的影响很大程度是前期投资累计的结果，即R&D资本存量，而不仅仅是R&D经费支出。因此，本文选取R&D资本存量作为衡量R&D活动的资本投入指标。我国现行的统计年鉴中只有R&D经费支出数据，没有R&D资本存量数据，根据Griliches（1990）、吴延兵（2008）的做法，采取永续存盘法来核算R&D资本存量。R&D资本存量的测算模型如下：

式中，Kit和 Ki(t－1)分别表示第 i省份第 t和 t－1期的R&D资本存量，δ为折旧率，根据Griliches(1990)、吴延兵(2006)［14］等对 R&D 资本折旧率 的估计， 取 δ=15%，Ei(t－1)表示第 i省份第 t－1 期的实际R&D经费支出，其值用朱平芳和徐伟民(2003)［15］构造的R&D价格指数，即R&D价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数，以1998年为基期，对R&D经费支出进行平减。

估算R&D基期资本存量时，假设R&D资本存量的增长率等于R&D经费的增长率。基期资本存量的测算模型如下：

式中，Ki0为R&D基期资本存量，Ei0为基期实际R&D经费支出，g为考察期内实际R&D经费支出的平均增长率，δ为R&D资本折旧率。根据模型(3)、(4)即可计算出1999—2008年我国31省份的R&D资本存量(单位：万元)。

2 实证结果与分析

采用DEAP2.1软件进行数据计算，处理结果以及效率排名情况见表1。

由表1，可以看到我国省际R&D活动存在以下事实：

（1）R&D规模大的省份相对R&D规模较小的省份而言并不具备显著的技术效率优势。1999—2008年间，浙江和广西的R&D活动技术效率为1，表明相对而言这两个省份具有很高的生产效率，广东的R&D规模最高（专利产出超过10万件），北京、浙江、上海、江苏、山东等东部省份R&D规模远远大于其他省份，R&D规模最小的省份是西藏 （专利产出仅为161件）；北京、上海、江苏、四川、辽宁、湖北等省份虽有很大的R&D规模，但技术效率排名却相对靠后，而内蒙古、广西、湖南、海南等省份虽R&D规模较小，却有较高的技术效率。这一结果表明，对我国省际R&D活动而言，并不是规模越大、技术效率就越高，规模较小的省份同样可以具有很高的R&D活动技术效率；R&D规模大的省份相对R&D规模较小的省份而言并不具备显著的技术效率优势。

（2）并不是R&D规模大的省份就一定具有很高的技术效率。R&D规模在2万件以上的8个省份中，只有浙江技术效率为1，且除广东技术效率为0.694外，其他6省份的技术效率均在0.6之下。其中R&D规模分别排名第2、4、6、8的江苏、上海、北京、四川4省份技术效率排名分别后至第18、19、24、26位，这说明了R&D规模不是R&D活动技术效率的决定性因素。

（3）各省份R&D活动的技术效率差异非常大，且不少省份技术效率低下。从计算结果来看，技术效率值在0.6以下的省份有26个，技术效率值在0.6以上的省份仅5个，技术效率的平均值为0.345，这表明省际间的技术效率差异非常大，并且多数省份技术效率低下。从实际情况来看，技术效率的平均值为0.345，纯技术效率的平均值为0.454，而规模效率平均值为0.792，且仅有少数省份处于规模有效和接近规模有效状态。因而可以判断：就整体而言，纯技术效率和规模效率都是影响我国省际R&D活动技术效率的主要因素。

（4）我国省际R&D活动的规模效率存在较大差异，规模效率处于递增区间的省份主要集中于西部地区，规模效率处于递减区间的省份主要集中于东、中部地区。从计算结果来看，31省份R&D活动中，规模有效的省份有3个，分别是浙江、广西、甘肃。处在规模递增区间的省份有8个，且主要集中于西部地区，这表明西部地区R&D活动的规模效率有逐年提高的趋势。20个省份R&D活动效率处于规模递减区间，且主要集中于东、中部地区，表明东、中部地区R&D活动的规模效率有下降趋势。非规模有效的28个省份中，规模效率值在0.9以上的省份仅12个。可以看出，31省份只有少部分是规模有效或接近于规模有效，各省份R&D活动规模效率的差异较大。

3 R&D相对效率与R&D规模关系的进一步研究

3.1 模型设定与数据说明

鉴于R&D相对效率为相对指标，文中的R&D规模变量采用1999—2008年我国各省份R&D平均规模增长率来反映。另外，文中还考虑了政府对科技活动支持的平均强度、外商投资平均强度、工业化平均水平、信息化平均水平等，把它们作为省际R&D相对效率的影响因素，模型设定如下：

表1 1999—2008年我国各省份R&D活动的相对效率

式中，SCALE表示R&D平均规模增长率，由各省份的平均专利受理量增长率来衡量；GOV表示政府对科技活动支持的平均强度，由各省份的财政科技投入占总投入的平均比重来反映；FDI表示外商直接投资的平均强度、用各省份的实际利用外商直接投资额与当年GDP的平均比值来体现；IND表示工业化平均水平，为各省份工业总产值与GDP的平均比值；INF表示信息化平均水平，为各省份的邮政电讯业务量与全国邮政电讯业务总量的平均比值；ε为模型的残差项。如果我国省际R&D活动存在显著的规模经济特征，那么省际规模变量将与省际相对效率值有显著的正相关性；如果我国省际R&D活动存在显著的规模不经济特征，那么省际规模变量将与省际相对效率值有显著的负相关性；如果是规模中性，那么省际规模变量将与省际相对效率值无显著相关性。

各解释变量根据 《中国科技统计年鉴》（1999—2009 年）、《中国统计年鉴》（1999—2009 年）、《新中国55年统计资料汇编》数据计算而得，被解释变量为表1所计算的我国省际R&D活动的技术效率值。

3.2 模型检验结果

采用SPSS17.0对模型（5）进行多元线性回归，其结果如下：

回归结果显示模型 （5）有较好的拟合优度，对SCALE有较好的解释能力。规模变量SCALE在1%的显著水平下通过t检验，且系数为负，除FDI系数不够显著外，其余变量均有良好的显著性（显著性水平5%）。这表明规模变量SCALE与技术效率有显著的负相关性（见图1），造成此现象的原因，可能是R&D活动的内部结构因规模扩大而更趋复杂，这种复杂性会消耗内部资源，而此耗损使规模扩大本应带来的好处相互消减，因此出现了规模不经济的现象。政府对科技活动的支持强度，省际工业化水平，省际信息化水平等因素对R&D活动也有着显著影响。其中，政府对科技活动的支持强度对R&D活动技术效率有显著的负影响，说明政府的资金支持对我国R&D活动技术效率的提高没有达到预期的效果。原因可能在于：信息不对称、地区发展水平不均衡，政府在当地R&D活动中扮演的角色不同等，导致R&D资源的投入使用效率低下，从而整体上导致了政府对R&D活动没有起到良好的促进作用；省际工业化水平和省际信息化水平均对R&D活动技术效率有显著的促进作用，且系数分别为0.516、0.622，表明省际工业化水平和省际信息化水平各提升1%时会分别促进R&D活动技术效率提高0.516%和0.622%。以上分析表明：我国省际R&D活动存在显著的规模不经济特征。

4 结论与建议

图1R&D规模与R&D技术效率相关图

研究表明，1999—2008年，我国31省份R&D活动在技术效率上存在显著差异，且不少省份R&D活动技术效率低下，没有达到理想的投入产出状态，R&D规模大的省份相对R&D规模较小的省份而言并不具备显著的技术效率优势，多数R&D规模较大的省份，技术效率并不高。这说明我国总体R&D活动技术效率比较低，这一现象的不利影响已经显现：重大科技发明一直很少，甚至国家自然科学奖的高等奖项也出现空缺；企业的R&D活动大都是直接引进国外技术，简单地用于生产技术的改进、产品的更新换代等，自主创新能力弱。这种现象若不得到彻底改变，我国科技实力与发达国家的差距就不会缩小，实现创新型国家的目标就不能尽快实现。因此，我们认为，新时期要提高我国R&D活动技术效率，改善R&D活动规模不经济的现状，应从以下几点着手：

第一，着重优化资源投入结构，建立健康、科学、可持续的R&D活动资源配置体系，提高资源的使用效率。我国目前R&D活动资源配置的现状是：人力资源投入相对过剩而财力资源投入相对不足，人均R&D经费较低和人力资源配置不合理［16］。R&D活动规模经济的取得,要以一定的生产要素投入为物质基础，但不是投入越多就越好,资源的投入只是效率提高的必要而非充分条件，因为在一定时间内吸纳各种要素的能力是有限的；同时也不是哪种要素丰富,就大量投入该种要素,因为要素间的替代性是有一定范围的,否则,只会导致整体效益的下降。因此，在有效转移R&D活动人员的同时,应重点加大技术和资金的投入,并通过优化各种投入要素的结构比例,来达到R&D活动的规模经济要求，而不能盲目进行R&D活动资源的投入，以免造成资源投入的浪费或闲置，进而导致R&D活动的规模不经济，要解决这些问题就要在建立健全R&D活动资源配置体系上下功夫。

第二，有的放矢地进行R&D活动的管理变革和管理创新,尤其加强R&D活动的宏观监管和评估管理。随着R&D活动规模的持续过大，R&D活动主体的内部结构会日趋复杂，其面临着与外在市场及其他组织的协调成本越来越高,内部运行机制的协调难度越来越大,管理与指挥系统的日益复杂化,信息的上传下达速度减缓等问题的严峻考验,R&D活动主体不得不为解决这些问题消耗大量资源，势必严重阻碍了R&D活动技术效率的提高。因此，各省份应结合自身特点，大胆借鉴国内外R&D活动的先进管理经验，积极探索新型、高效、科学的R&D活动管理模式，努力实现R&D活动管理科学化、制度化与规范化，进一步完善R&D活动管理体系。R&D活动的发展应是质和量的统一，R&D活动规模的扩大,不能以降低R&D活动质量为代价，因此，政府应坚持效率与规模并重的R&D活动原则，不断完善R&D活动的宏观监管和评估管理机制。

第三，完善R&D人才引进及培养机制，努力提高R&D机构的自主创新能力，引导其走自主研发为主、技术引进为辅的R&D活动道路。相对美、日等发达国家而言，我国R&D活动的高素质人才相对匮乏，R&D活动人才的总体素质还不够高，这也是我国目前R&D活动缺乏规模效益的主要原因之一，高素质R&D活动人才队伍建设会直接影响到R&D活动技术效率的提高。因此，各地政府应建立合理的R&D人才引进及培养机制，不断提高高素质R&D人才在R&D活动人员中的比重，进而达到提升科技创新能力的目的；另外，党的十七大明确提出走自主创新的道路，这也就客观上要求R&D机构在引进先进技术和经验的同时，更要注重自主创新能力的提升，政府应积极创造条件，使R&D机构采用以自主研发为主，技术引进为辅的R&D活动方式。

第四，坚持以信息化带动工业化，以工业化促进信息化,以信息化和工业化水平的提高为依托，带动R&D活动的发展。当今世界,信息已成为比物质和能源更重要的资源,信息产业的发展也越来越受到世界各国的重视，而工业化的重要意义不言而喻。因此，R&D机构应充分借鉴信息化和工业化发展中的科技成果更好地为R&D活动服务，通过构建先进的R&D活动平台、采用先进的技术等手段达到提高R&D活动技术效率的目的。

［1］ 岳书敬.中国区域研发效率差异及其影响因素［J］.科研管理,2008,（5）.

［2］肖敏，谢富纪.我国区域R&D资源配置效率差异及其影响因素分析［J］.软科学,2009,（10）.

［3］白俊红，江可申，李婧.中国地区研发创新的相对效率与全要素生产率增长分解［J］.数量经济技术经济研究,2009,（3）.

［4］ Charnes A.，Cooper W.W，Rhodes E.Measuring the efficiency of decision making units ［J］.European Journal of Operational Research,1978,（2）.

［5］ Banker R.D.Estimating most productive scale size using data envelopment analysis［J］.European Journal of Operations Research,1984,（17） .

［6］ Goto A.，K.Suzuki.R&D capital，rate of return on R&D investment and spillovers of R&D in Japanese manufacturing industries［J］.Review of Economics and Statistics,1989，（4）:555-564.

［7］ Acs Z.J.，Anselin Luc，Varga Attila.Patents and innovation counts as measures of regional production of new knowledge ［J］.Research Policy，2002，（31）:1069-1085.

［8］ 张海洋.R&D 两面性、外资活动与中国工业生产率增长［J］.经济研究,2000,（5）.

［9］ Bound John,Clint Cummins,Zvi Griliches,Bronwyn H.Hall,Adam B.Jaffe.Who does R&D and Who Patent?［A］.Griliches，Zvi.R&D， Patent and Productivity ［C］.Chicago:University of Chicago Press,1984.

［10］ Seema Sharma,homas J.Inter country R&D efficiency analysis:an application of data envelopment analysis ［J］.Sciento metrics,2008,76（3）:483-501.

［11］ Griliches.Patents stastics as economic indicators:A survey［J］.Journal of Economic Literature，1990,（28）:1661-1707.

［12］ 吴延兵.中国地区知识生产效率测算［J］.财经研究,2008,（10）.

［13］涂正革，肖耿.中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析［J］.经济研究,2005,（3）.

［14］ 吴延兵.R&D 存量、知识函数与生产效率［J］.经济学,2006,（4）.

［15］朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究［J］.经济研究,2003,（6）.

［16］刘玲利，李建华.基于随机前沿分析的我国区域研发资源配置效率实证研究［J］.科学学与科学技术管理,2007,（2）.

（责任编辑 胡琼静）

The Relative Efficiency and Scale Efficiency of R&D Activities in Different Provinces of China

Shi Ping， Han Xianfeng， Song Wenfei
（School of Economics and Management,Northwest University,Xi’an 710127， China）

F223

A

国家自然科学基金（70873095），教育部人文社会科学基金（07JA630067）。

2010-05-05

师萍（1949-），女，陕西西安人，管理学博士，教授、博士生导师；研究方向：技术经济与管理、财务管理。