基于DEA的副省级城市科技资源配置效率研究

胡翠萍

(武汉理工大学管理学院，湖北 武汉 430070)

科技资源已成为社会经济发展的第一资源，为了在科技竞争中立于不败之地，世界各国都越来越重视科技资源并不断加大对其投入[1]。我国作为追赶世界先进水平的发展中国家，一方面用于科技活动的资金和人力资源都十分稀缺，另一方面又存在着科技资源浪费、利用效率不高的现象[2]。因此，在不断加大科技资源投入的同时，应更为经济、合理、高效地配置有限的科技资源，以有限的人力和财力资源，争取尽可能多的科技产出。

目前，国内有关科技资源配置效率评价的研究大多数局限于定性研究，定量研究相对较少，已有的定量研究也都集中在省区层面和产业层面，对城市科技资源配置效率的研究则相对较少[3]。城市作为一个国家基本的空间单元，是科技活动的实际载体，因此，从城市角度研究科技资源配置效率，将更具有针对性和科学性。城市科技资源配置效率实质是科技投入产出的转化效率。关于投入产出效率的计算通常有投入产出比例法、参数法和非参数法3种[4]。投入产出比例法，计算的是科技产出与科技投入的加权平均值的比值，简单易用，但仅适用于单指标的投入产出效率分析，如果投入或产出包含多个指标，则需要寻求其他方法[5]。参数法是事先假设生产函数的形式，用统计方法估计其中的参数，得到经验生产函数，从而计算出投入产出效率，该方法主要适用于单产出和多投入的相对效率测算，然而科技产出是多方面的，只计算单方面产出效率并不能反映出整体的科技资源配置效率。在计算投入产出效率的参数方法中，随机前沿分析法(stochastic frontier analysis，SFA)是较为常用的一种方法。非参数法可以用来计算多投入和多产出的投入产出相对效率，且无须估计投入产出的生产函数，从而可以避免因错误的函数形式带来的问题。在非参数法中，DEA是最常用的一种方法，该方法无须估计投入产出的生产函数，而直接利用线性规划来判断决策单元的相对有效性[6]。笔者的研究目的在于测算15个副省级城市的科技资源配置，涉及到多个投入和产出，基于此，笔者运用DEA方法，通过收集相关数据资料，对我国15个副省级城市的科技资源配置效率进行评价与实证分析，以期为我国城市科技资源配置活动的管理和优化提供相应的信息支持。

1 模型、指标及数据

1.1 DEA模型

DEA方法和模型是由美国著名运筹学家CHARNES和COOPER等首先提出来的，该模型是以相对效率概念为基础发展起来的一种效率评价方法，该方法是一种多指标投入、多指标产出的有效综合评价法，通过比较决策单元的相对效率，对评价对象作出评价[7]。其主要思路为:假定n个决策单元DMU，每个DMU都有m种非负投入品和s种非负产出品，它们分别由向量Xj=(x1j，x2j，…，xmj)和 Yj=(y1j，y2j，…，ysj)给出，在基于凸性、锥性、无效性和最小性的公理假设情况下，DEA模型具有的生产可能集合为:

由此可以得到DEA模型，又称C2R模型(下面所列的为对偶模型)，主要用于评价DEA规模技术的相对有效性，即:

式中:θ为DMU的效率，即优化目标值;s-、s+为松弛变量;λj为第 j个DMU的权值;ε为阿基米德无穷小量。

具体评价规则如下[8]:

(1)总体效率。若θ=1且s-=s+=0，则称DMU为DEA有效;若θ=1且s-≠0或s+≠0，则称DMU为DEA弱有效;若 θ＜1，则称 DMU为DEA无效。

(3)投影分析。根据s-、s+的情况判断各项科技投入的冗余和科技产出的不足，从而寻找具体的改善策略。

在运用DEA模型测度效率时，要求决策单元DMU具有相同的投入、产出指标，并且根据经验法则，要求决策单元DMU的样本至少是投入、产出项目之和的两倍以上[9]。

1.2 指标选取及数据来源

科技投入、产出指标的选择在科技资源配置效率的研究中至关重要，不同的指标选择可能会出现不同的结果，因此，笔者在选择科技投入、产出指标时，既注重指标的科学性、全面性以及可获得性，又在技术上避免了指标之间的强相关性。柯布-道格拉斯函数把资本和劳动力作为两个主要投入要素，依此推理，笔者选择科技活动经费支出总额和R＆D经费支出总额作为资本投入，将专业技术人员数和科技活动人员数作为劳动投入。另外由于国家重点实验室是聚集和培养优秀科技人才、开展高水平学术交流、科研装备先进的重要基地，因此这里加入了国家级重点实验室数这项指标。科技活动最直接的产出是科技论文和专利，但由于科技论文指标数据不易获得，故剔除这项指标。科技活动最终目的是实现商业化应用和新产品市场的成功，为反映这方面的成果，笔者还选取了技术市场合同成交额、高新技术产业产值和新产品销售收入占所有产品销售收入的比例作为产出指标[10]。

运用SPSS软件对投入指标和产出指标进行相关性分析，筛选掉相关程度较高的指标，专业技术人员数和科技活动人员数相关性较高，因此去掉科技人员数这项指标;高新技术产业产值和新产品销售收入占所有产品销售收入的比例相关性较高，因此去掉新产品销售收入占所有产品销售收入的比例这项指标。笔者共选取两个层面6项指标进行科技资源配置效率测度指标体系的设计。具体指标如表1所示。

表1 科技投入与产出指标

表1中指标的数据均来自各城市的国民经济公报和科技统计年鉴，考虑到科技投入产出的延迟性，各指标采用2007—2009这3年数据的平均值。

2 实证分析

笔者运用DEAP软件对我国15个副省级城市的科技资源配置效率进行测算。θ*为总体效率、σ*为纯技术效率、s*为纯规模效率，具体结果如表2所示。

(1)广州、深圳、青岛、大连、哈尔滨和厦门属于DEA有效(θ=1)。这6个城市的θ值为1，说明它们的科技资源配置为DEA有效，同时技术有效和规模有效，并且科技资源配置处于最佳的状态。广州属于省会城市，是所在省份的政治、经济、科技和文化中心，丰富的人文资源和发达的高等教育为科技发展提供了良好的基础。深圳投入产出效率高的优势得益于众多的优势条件和组合，政策优势与人力资源优势、体制优势、区位优势和创新优势合力造就了全国独一无二的“深圳科技发展模式”。青岛、大连和哈尔滨同属于北方地区，这3个城市虽科技发展水平不高，但是科研机构和高校的实力较雄厚，资源配置效率高。厦门与其余14个城市相比具有基数小的特点，因此，虽然厦门的科技投入和产出的绝对量相对较小，但其科技资源的配置效率较高。

表2 15个副省级城市科技资源配置效率DEA评价结果

(2)沈阳和西安科技资源配置效率接近于DEA有效区域(0.8≤θ*＜1)。根据国外学者NOMAN和BANY对整体效率值强度的分类方法，沈阳和西安属于边缘非效率单位，短期内对投入产出量稍作调整，即很容易达到最优效率和规模。沈阳未达到DEA有效的主要原因是科技投入冗余较多，其中专业技术人员数和科技活动支出总额都存在12.60%的冗余，国家级重点实验室数存在29.42%的冗余，同时还存在产出不足的问题。西安产出不足的问题较为严重，其中发明专利授权数存在60.93%的不足，技术市场合同成交额存在36.94%的不足。

(3)武汉、南京、成都、长春和杭州科技资源配置效率处于中等水平(0.5≤θ*＜0.8)。这些城市的科技资源投入产出相比较而言，存在严格的非对称性。武汉、长春、南京和成都的国家级重点实验室数投入都存在50%以上的冗余，专业技术人员数和科技活动支出总额也都存在较多的冗余。其中武汉还存在高新技术产业产值严重不足的问题，不足率达到45.07%。这4个城市拥有丰富的高等教育资源和研发资源，科技基础实力较强，科技优势也主要来源于此，但它们的科技资源配置效率仅处于中等水平。科技资源分散、分离的问题是制约其配置效率的关键所在。杭州的专业技术人员数、科技活动经费支出总额和国家级重点实验室数都存在30%以上的冗余，高新技术产业产值和技术市场合同成交额都存在15%以上的不足，科技资源配置效率与其经济发展水平还存在较大的差距。

(4)济南、宁波科技资源配置效率处于较低水平(0＜θ*＜0.5)。济南和宁波的科技资源配置效率在15个副省级城市中分列倒数第一和倒数第二，专业技术人员投入冗余也远高于其余13个城市，高新技术产业产值在15个城市中处于劣势地位，不足率分别达到61.26%和60.03%。宁波还存在技术市场合同成交额严重不足的问题，不足率高达65.98%，远远高于其他副省级城市。

通过分析可以看出，城市的科技资源配置效率与科技发展水平之间并没有必然的联系，其主要原因是城市科技活动存在溢出效应，有些城市的投入并没有完全在城市内形成产出。从投入方面看，非DEA有效的城市有共同的特点，即专业技术人员数、科技活动支出总额和国家级重点实验室数都存在不同程度的冗余，说明15个副省级城市的这3项科技投入的使用效率都不高。从产出方面看，所有非DEA有效城市的高新技术产业产值都存在不同程度的不足。科技资源分散、分离，产学研互动程度不够和企业作为技术创新主体的作用尚未到位是造成这些问题的主要原因。这些城市的国家重点实验室主要分布在高校和科研院所，开放共享占比较小，对地方产业发展支撑不够，拥有很多出色的科技人员，但真正与企业合作的不足一半。针对存在的问题，副省级城市可以采取以下措施:

(1)加快建立以企业为主体的技术开发和创新体系，鼓励企业加大技术开发力度，切实增强自主创新能力，以尽快摆脱依靠技术引进的被动局面。

(2)深化科研院所改革，进一步推进企业与高校、科研院所的合作，引导高校院所为地方经济发展做贡献，支持龙头骨干企业与高校院所共建实验室、工程技术中心和产业化基地，构建企业为主体、有科研机构参与的产业技术联盟。

(3)强化科技中介服务体系建设，强化信息互通、设备共享、技术交易、咨询服务和政策落实等科技服务，促进科技资源共享和技术交易，设立技术转移机构，促进科技成果就地转化。

(4)转变经济发展方式，优化产业结构，大力发展高新技术产业。

3 结论

笔者运用DEA方法对我国15个副省级城市的科技资源配置效率进行实证分析，通过比较不同城市的科技资源配置效率值，并结合不同城市科技投入和产出的关系分析，可以有效地评价不同城市的科技资源配置效率，为制定有关城市科技资源配置的政策提供依据。研究的不足之处在于由于统计数据来源、统计口径的限制，仅选用了较为容易获得数据的城市科技统计投入指标和科技产出指标。随着我国对于城市科技统计工作的重视和统计方法、统计范围的日益完善，未来的评价结果将会更加客观、全面和准确。

[1] 储成兵.科技对区域经济可持续发展的作用[J].合作经济与科技，2006(3):32-33.

[2] 赵俊杰.合理使用科技资源提高科技投入产出效率[J].中国科技论坛，2005(6):9-12.

[3] 蓝天立，杨志江.西部地区科技资源配置效率的综合评价研究[J].中国科技论坛，2007(1):73-77.

[4] 虞晓芬，李正卫.我国区域技术创新效率:现状与原因[J].科学学研究，2005，23(2):258-264.

[5] 孙宝凤，李建华，杨印生.运用DEA方法评价地区科技资源配置的相对有效性[J].数理统计与管理，2004(2):52-58.

[6] 魏权龄.数据包络分析[M].北京:科学出版社，2004:20-24.

[7] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978(2):429-444.

[8] CHARNES A，WILLIAM W C，SUSAN X L.Using data envelopment analysis to evaluate efficiency in the economic performance of Chinese cities[J].Socio-Economic Planning Sciences，1989(23):325-344.

[9] 魏权龄.评价相对有效性的DEA方法[M].北京:中国人民大学出版社，1998:13-87.

[10] 潘雄锋.东北老工业基地科技创新绩效分析[J].科技与经济，2005(2):12-15.