皖江城市带大中型工业企业R&D效率研究——兼与上海市比较

韩东林，金余泉

（安徽大学商学院，安徽 合肥 230039）

皖江城市带大中型工业企业R&D效率研究
——兼与上海市比较

韩东林，金余泉

（安徽大学商学院，安徽 合肥 230039）

在建设皖江城市带承接产业转移示范区背景下，为探究示范区内企业R&D效率，利用企业相关数据和DEA模型，对皖江城市带各市和上海市大中型工业企业R&D效率进行了研究，结果表明：与上海市相比，皖江城市带大中型工业企业R&D整体效率水平较低，存在较大提升空间，其中只有滁州、马鞍山和池州三市DEA有效。进一步分析的结论认为，投入要素的配置和规模不合理是造成R&D效率低下的主要原因。为提高效率，企业必须合理配置各项投入要素，同时加强政府引导扶持，促进产学研交流与合作。

皖江城市带；大中型工业企业；R&D效率；DEA

1 引言

2010年1月12日，国务院正式批复了《皖江城市带承接产业转移示范区规划》（以下简称《规划》），将合肥、芜湖、马鞍山、铜陵、安庆、池州、巢湖、滁州、宣城以及六安金安区和舒城县作为承接产业转移示范区，并纳入国家发展战略。这是迄今为止全国唯一的以产业转移为主题的国家区域发展规划，这对于安徽省广泛参与长三角地区产业分工，调整产业结构，促进经济转型，实现跨越式发展具有重大战略意义［1］。《规划》指出，示范区要积极承接产业转移，加强自主创新能力，构建产业结构创新体系，着力承接和发展装备制造业、原材料产业、轻纺产业、高技术产业、现代服务业和现代农业六大产业。

作为皖江城市带产业转移示范区的大中型工业企业，既承载着产业转移的重任，也是皖江城市带区域自主创新的主体，因此，皖江城市带大中型工业企业的研发和自主创新能力如何，效率又是怎样，不仅关系到企业自身的发展，同时也会影响皖江城市带产业结构调整与产业发展水平。企业R&D活动一般被认为是企业取得技术优势，实行产品差异化，进而实现长期行业竞争优势，获取稳定市场份额的一种有效方式，同时也是企业自主创新的基础。所以，科学评价和分析皖江城市带大中型工业企业R&D效率，通过比较发现区域之间的差异，不仅能够为政府、企业等相关部门决策提供参考和建议，而且还能深化相关研究。

对于企业R&D效率的研究，学术界采取的方法基本为参数方法与非参数方法这两类，其中参数方法主要为随机前沿生产函数方法（SFA），而非参数方法主要为数据包络分析方法（DEA）。除此以外，还有诸如回归分析、主成分分析和因子分析等方法，主要根据研究视角和样本数据的具体情况来适当选取。另外，国内学者针对整个国度或区域的研究占多数，鲜有研究将视角细化到各个城市，对不同城市之间企业R&D效率进行比较分析。而皖江城市带作为安徽省融入长三角的重要区域，更多将会是城市之间的交流与合作。鉴于此，本文将首先对皖江城市带各市与上海市大中型工业企业R&D活动现状进行比较，然后对示范区内各市和上海市大中型工业企业R&D效率进行评价，最后提出对策与建议。

2 R&D活动现状

大中型企业是带动产业发展的中坚力量，尤其对于工业行业来说，虽然小企业数量多，机制灵活，但是规模小，集聚度不高，难以形成规模效应，加之在一些重大技术领域缺乏经验与能力，小企业往往很难引领整个产业的发展。大中型工业企业对于国民经济发展具有举足轻重的作用，已成为推进技术进步与科技创新的骨干力量［2］。相关统计数据显示，截止2009年末，安徽省共有大中型工业企业955家，其中有R&D活动的共304家，有科技机构的共409家；皖江城市带共有大中型工业企业624家，其中有R&D活动的218家，有科技机构的286家，分别占安徽省大中型工业企业总数的65.3%、71.7%和69.9%。上海市大中型工业企业总计1623家，远多于皖江城市带大中型工业企业数量。按单位面积计算，皖江城市带每平方公里大中型工业企业数约为0.0082家，上海市这一数据则高达每平方公里0.26家。上海市大中型工业企业密集程度如此之高，亟需向低密度地区进行产业转移，而皖江城市带正好提供了这样的转移和发展空间。

研发投入与产出方面，2009年安徽省大中型工业企业R&D经费内部支出、外部支出和其他技术经费支出分别为78.19亿元、7.74亿元和138.40亿元，其中皖江城市带大中型工业企业R&D经费累计支出分别为61.00亿元、6.58亿元和102.77亿元，各占全省比重的78%、84.9%和74.3%；同年，上海市科技经费内部支出、外部支出和其他技术经费支出分别为313.79亿元、3.9亿元和250.25亿元，除外部支出项外，其他投入项均超出皖江城市带投入水平。产出方面，2009年安徽省大中型工业企业实现工业总产值8165.3亿元，工业销售值7982.9亿元，新产品销售收入1269亿元，专利申请4535件，有效发明专利1486件；其中皖江城市带各项产出分别为5680.50亿元、5526.50亿元、1121.97亿元、3535件和1247件，分别占全省比重的69.5%、69.2%、88.4%、77.9%和83.9%。上海市2009年大中型工业企业实现工业总产值17185.45亿元，工业销售值17002.63亿元，新产品销售收入5077.08亿元。

通过以上分析，可以得出两点结论：一是皖江城市带乃至整个安徽省的科研投入与产出与上海市相比都存在很大的差距；二是皖江城市带在安徽省科技投入产出中居于重要地位。

3 R&D效率评价

3.1 评价模型

选择合适计量模型对于评价大中型工业企业R&D效率很重要，目前学术界主要采用随机前沿模型（SFA）与数据包络分析技术（DEA）这两种方法。前者主要由 Aigner、Lovell、Schmidt和 Meeuser、Vanden Broeck同时在1977年提出，主要是通过事先设定一个投入产出函数，再采用相应的计量方法估计出各个参数，进而得到投入产出效率。它是参数方法中最常用的一种，能够处理多投入变量，但是对于产出变量，仍然局限于单一指标。而DEA方法是美国运筹学家Charnes、W.W.Cooper和E.Rhodes于1978年首先提出，是使用数学规划模型，以相对效率概率为基础，来研究具有相同类型的多个输入与输出部门或单位间相对有效性的一种非参数方法。

考虑各方面因素，采用DEA模型作为效率评价模型，其一般模型为：假设有n个需要评价的决策单元DMU，每个决策单元分别有m项输入指标和s项产出指标。令Xi=（x1i，x2i，…，xmi）（i=1，2，…，n）为第i个决策单元的投入指标向量，其中xmi为第m项投入指标投入值；Yi=（y1i，y2i，…，ysi）（i=1，2，…，n）为第i个决策单元的产出指标向量，其中ysi为第s项产出指标产出值。对于某个选定的决策单元DMU0，判断其DEA是否有效的C2R模型一般对偶规划形式为：

其中s+与s－为松弛变量，分别表示产出不足与投入冗余值。若θ=1，s+，s－≠0，则说明该决策单元弱DEA有效；若θ=1，且s+=s－=0，则说明该决策单元DEA有效；若θ<1，则说明该决策单元DEA无效。具体到本文研究，决策单元分别为上海市以及皖江城市带内的合肥、滁州、芜湖、马鞍山、铜陵、池州、巢湖、安庆和宣城市，共10个决策单元。

3.2 指标与数据

企业R&D活动是一项多投入多产出的复杂过程，科学选取指标对于评价结果的准确和对策与建议的有效性十分重要。冯文娜（2010）认为，对于企业R&D活动，投入主要是指用于研发活动的所有资金和人力资源数量的总和，狭义上的产出主要是指已经市场化的发明创造［3］。鉴于此，基于科学性与可获取性原则，同时考虑到DEA模型对指标的要求（DEA模型要求决策单元数目n与投入产出指标数目之和m满足关系式：2m≤n≤3m），本文选取企业R&D投入产出指标如表1。需要说明的是，以往学者多以总量指标行分析，但笔者认为，在评价企业效率水平过程当中，平均指标要比总量指标更具一般性和代表性，因此本文以各项平均指标作为分析指标，具体见表1。

表1 大中型工业企业R&D效率评价指标

根据评价指标的选取，同时考虑到数据的可获得性，采用上海市和皖江城市带各市大中型工业企业2009年数据作为原始样本数据，经过计算处理后得出最终结果，具体见表2。

表2 各市大中型工业企业R&D投入产出数据

3.3 评价结果

本文选用DEAP2.1软件作为计算工具，该软件同时提供了两种不同的计算模型，一种是CRS模型，表示不考虑规模收益；另一种为VRS模型，表示考虑规模收益。本文选择VRS模型进行求解，主要考虑到对企业R&D效率进行测算过程当中，需要对决策单元是否具有规模效益进行分析。另外，内部算法采用多阶段算法（Multi-Stage）。最终计算结果见表3。

表3 各市大中型工业企业R&D效率评价结果

3.4 结果分析

（1）综合效率分析。

表3中Crste一栏数据为上海市与皖江城市带10个城市大中型工业企业R&D活动综合效率，表示在不考虑企业规模效应情况下的技术效率。在剔除上海市后该栏数据均值为0.557，说明皖江城市带大中型工业企业R&D综合效率整体水平不高，还存在很大的提升空间。具体而言，首先可以看到上海、滁州、马鞍山和池州市综合效率均为1，说明这4个城市大中型工业企业R&D综合有效，即与其他城市相比，这些城市的大中型工业企业R&D活动效率相对较高。其次，在皖江城市带9个城市当中，除滁州、马鞍山和池州这3个城市以外，其他6个城市大中型工业企业R&D综合效率均未达到有效值1，说明这些城市大中型工业企业R&D活动均存在低投入产出效率问题。第三，在皖江城市带所有未达到综合有效的城市当中，大中型工业企业R&D综合效率均低于平均水平0.557，最低的为铜陵市，为0.083。进一步对比各城市投入产出数据可以看出，合肥、芜湖和铜陵各项投入分别位居皖江城市带前三位，但是均未达到理想产出水平。单从大中型工业企业新产品销售收入指标来看，通过简单计算可以发现，合肥、芜湖和铜陵3市新产品销售收入与R&D经费投入比值分别为16.19、15.98与2.72，而上海市这一数据达到24.53，滁州、马鞍山和池州这一数值分别为48.78、29.63和76.68，合肥、芜湖和铜陵3市大中型工业企业R&D资金产出率低下可见一斑。边际收益递减规律表明，在企业生产过程当中，为达到理想产出最大值，各要素必须按照一定比例与规模投入生产。企业R&D活动是一项多投入产出过程，并非人员与资金等要素投入越多产出就会越多，超过一定界限，不仅不会带来更多产出，更可能会由于人员和资金等要素的过多拥挤、闲置以及管理不善等原因导致低效率。

（2）纯技术效率、规模效率与规模收益分析。

在分析综合效率之后需要对其分解，进一步分析各决策单元纯技术效率与规模效率，以探寻深层次原因。纯技术有效是指在给定投入下，产出已经达到最大值，不能再通过投入要素规模、结构以及管理水平的改善来增加产出；而规模有效是指生产规模此时既不偏大也不偏小，处于规模收益不变状态［4］。由表3中Vrste、Scale与Irs/drs三栏数据可以看出，决策单元纯技术效率、规模效率与规模收益从整体上看有三种情形：（1）纯技术与规模均有效，且规模收益不变。上海、滁州、马鞍山与池州4市大中型工业企业R&D活动符合这种情形，说明这4个城市大中型工业企业对于R&D资源配置比较合理，要素投入比例及规模大小适当，能够享受由规模效率带来的全部收益，并且在不增加投入或产出时规模收益不变。对于这些城市大中型工业企业而言，可以在保持要素投入比例不变的情况下稳步加大投入规模，以获得长期稳定的增长。（2）纯技术与规模均无效，且规模收益递增。巢湖、铜陵与安庆3市符合这种情况，说明这3市大中型工业企业不仅在资源要素整合、研发人员能力以及经营管理方面存在问题，同时在资源要素投入规模上也存在一定缺陷，需要进一步的优化。另外，这3市现在正处在规模收益递增阶段，虽然在要素投入比例与规模方面均存在问题，但是仍能够获取一定规模收益所带来的好处。企业需要做的是优化资源配置，减少不必要的投入，同时充分引进高水平研发人员来代替低水平研发人员，提升资源利用效率。（3）纯技术与规模均无效，且规模收益递减。合肥、芜湖和宣城3市符合这种情况，与巢湖、铜陵和安庆市一样，这些城市大中型工业企业同样存在要素投入比例与规模方面的问题，需要进行调整。但不同的是，这3市目前正处在规模收益递减阶段，因此这些城市不仅不能通过技术因素来获得相应收益，而且还会因规模收益递减而不能享受到规模带来的好处。对于这些城市大中型工业企业而言，除了要将工作重点放在提升经营管理水平、R&D人员能力和资源利用效率，调节和改善要素投入比例和规模，减少不必要的要素投入等方面外，还应该认识到，解决这些问题需要一个长期调整和改善的过程。

（3）目标投影分析。

利用DEA模型计算得到的决策单元效率是一种相对效率，即通过与最优生产效率决策单元进行比较而得出的效率。对于非有效决策单元，DEA模型能够根据投影方法给出相应要素投入与产出的目标值及调整方向和程度。本文对上海市与皖江城市带大中型工业企业R&D效率进行评价的同时，整理出部分需要进行调整的决策单元投入产出目标值以及调整方向和程度（见表3）。可以看出，需要进行调整的决策单元分别为合肥、巢湖、芜湖、宣城、铜陵和安庆市，均属于纯技术与规模无效单元，存在投入冗余现象，其中巢湖、铜陵和安庆3市还存在产出不足情况。这也从另一方面显示了皖江城市带部分城市大中型工业企业目前存在的不足和需要改进的地方。根据表3结果，相应企业可以根据实际情况量身取舍，参照其他有效决策单元，对各项要素投入进行适当调整与改进，以期R&D效率的提高。

4 对策与建议

作为产业发展中坚力量，大中型工业企业对于促进产业结构调整与创新，实现皖江城市带承接产业转移，深入推进安徽融入长三角地区，将起到至关重要的作用。但就目前情况而言，还存在诸多需要改善的地方，其中如何提高大中型工业企业R&D效率是亟需解决的问题。为提高皖江城市带大中型工业企业R&D效率，根据前文实证分析结果，笔者提出如下几点对策建议。

4.1 合理配置投入要素，提高经营管理水平

评价结果表明，皖江城市带大多数城市大中型工业企业均存在投入冗余现象，因此这些企业的首要任务就是合理配置资源要素投入比例与规模，同时提升经营管理水平。具体措施：（1）精简低水平R&D人员，同时大力引进高级R&D人员，提升R&D人员整体水平。（2）建立和完善激励机制，调动R&D人员积极性，充分挖掘其潜在科研能力，构建属于企业自身的高效率R&D团队。（3）依据研发项目、人员等具体情况合理投入使用资金，杜绝盲目投入而造成资金浪费。（4）建立完善的资金监管机制，对资金使用流程进行全程监督，并结合员工、项目完成等情况进行绩效评估与奖惩。（5）在合理配置资源要素投入前提下，加强对生产经营和研发的管理，建立和完善有效评估机制、奖惩机制以及监督机制，仿照高效企业进行标杆管理。

4.2 加强政府引导扶持，完善财税激励政策

皖江城市带承接产业转移是国家重大发展战略规划，各级政府部门要以此为契机，充分发挥政府职能作用，带动大中型工业企业进行自主创新与研发工作。作为一只“看得见的手”，政府提升大中型工业企业R&D效率的方式主要体现在宏观调控引导与财税政策激励两个方面：（1）宏观调控引导。各级政府要鼓励和引导企业注重高效率R&D项目，摒弃低效率R&D项目。加强各城市之间的交流与沟通，对不同城市产业分配进行调节，发展优势产业。由政府牵头，带领企业积极引进长三角地区乃至更广泛地区的高科技人才、资金、技术与经验。（2）财税政策激励。进一步完善财税激励政策，及早出台各项财税激励实施条例与措施，建立健全财政激励机制。加大对大中型工业企业R&D活动资金支持力度，特别是那些重点项目与重大攻关项目。有针对性地对大中型工业企业R&D产品实施减税、免税政策。

4.3 充分利用科教资源，促进产学研交流合作

皖江城市带高校与科研机构众多，四大科教中心城市合肥便位列其中，科教资源十分丰富，为大中型工业企业R&D活动提供了一个坚实的理论研究平台。各高校、科研机构与企业之间应当建成良好与持久的科研合作关系，充分利用科教资源，共同提升企业R&D效率。具体措施：一是各高校、研究机构应积极参与到大中型工业企业R&D活动当中，为企业提供理论支持。有针对性地就大中型工业企业R&D项目开展专项课题研究和学术讨论等活动。二是大中型工业企业针对研发项目设立相应的课题基金，充分调动高校与科研机构力量参与企业研发活动。三是大中型工业企业为高校与科研机构人员提供专门实践场所和机会，促进产学研有效结合并运用到生产实践。

［1］程必定.产业转移“区域粘性”与皖江城市带承接产业转移的战略思路［J］.华东经济管理，2010，（4）：24－27.

［2］胡同泽，黄利军.基于超效率DEA方法的大中型工业企业科技竞争力度量［J］.科技进步与对策，2007，（5）：56－58.

［3］冯文娜.高新技术企业研发投入与创新产出的关系研究——基于山东省高新技术企业的实证［J］.经济问题，2010，（9）:74－78.

［4］杨勇松，吴和成.基于改进DEA的我国各地区大中型工业企业R&D效率实证分析［J］.科学学与科学技术管理，2008，（7）：34－38.

R&D Efficiency of Large and Medium-sized Industrial Enterprises in Wan-jiang Urban Belt

Han Donglin，Jin Yuquan
（School of Business,Anhui University,Hefei 230039,China）

Based on the enterprises’data and DEA model,the paper researches the R&D efficiency of large and medium-sized industrial enterprises in Wan-jiang Urban Belt and Shanghai.The results show:Most enterprises have lower level of the R&D efficiency and have big room to promote.Most of the cities did not reach a DEA effective level except Chuzhou,Ma’anshan and Chizhou. Additionally,based on the result of further analysis,we think that the unreasonable scale and allocation of the input elements lead to this result.To improve the level of R&D efficiency,reasonable scale and allocation of the input elements should be concerned by the enterprises,and the government should strengthen the supports while an IAR system should be formed.

Wan-jiang Urban Belt;large and medium-sized industrial enterprises;R&D efficiency;DEA

国家软科学研究计划（项目编号：2007GXQ4D159）。本文得到安徽大学“211工程”三期重点项目“经济学与安徽经济社会发展”和安徽大学学术创新团队计划“技术创新与管理”的资助（批号：SKTD007B）。

2010-10-24

韩东林（1968－），男，安徽霍邱人，安徽大学商学院教授，硕士生导师，经济学博士后；研究方向：技术创新与投资。

G311

A

（责任编辑 刘传忠）