创新型省份建设绩效评价及其影响因素分析

徐小阳，赵喜仓

（江苏大学 财经学院，江苏 镇江 212013）

创新型省份建设绩效评价及其影响因素分析

徐小阳，赵喜仓

（江苏大学 财经学院，江苏 镇江 212013）

为弥补国内使用两阶段DEA模型中第一阶段非参数法和第二阶段参数法之间的逻辑不一致所产生的缺陷，文章使用2008～2010年我国31个省（直辖市）的相关数据，使用BCC模型分析了31省（直辖市）的创新型省份建设的创新绩效状况，并分别使用TOBIT回归模型和对称修正最小二乘模型探讨影响我国区域创新绩效的环境因素。

DEA；BCC；TOBIT回归模型；对称修正最小二乘模型

0 引言

国内学者对区域创新效率评价的研究方法可分为两类：一类是参数方法，主要采用随机前沿分析方法进行分析；另一类是非参数方法，主要是采用DEA分析法包括BC2、C2R、DEA-TOBIT等方法。国内对区域创新效率的评价仍存在不足：第一，对影响区域创新效率的主要因素分析较少；第二，对使用DEA-TOBIT对影响因素进行分析时，主要使用TOBIT法进行分析，但由于TOBIT回归分析假定残差分布服从正态分布，而DEA分析法则是非参数分析法，两者前后存在逻辑差异。为解决以上缺陷，本文采用BCC模型分析区域创新效率，并在此基础上使用Powell(1986)提出的对称修正最小二乘模型（STLS）探讨影响我国区域创新效率的主要外在因素。

1 基于修正的两阶段DEA模型的建立

1.1 第一阶段：数据包络分析-BCC模型

数据包络分析法(Data Envelopment Analysis,DEA)是一种可同时衡量多项投入、多项产出之决策单位(Decision Making Unit,DMU)相对效率的方法，其中最基本的模型为CCR模型，是由Charnes、Cooper和Rhodese在1978年将Farrell的概念加以推广，并建立一般化的数学规划模式，衡量在固定规模报酬下，使用分段线性规划法计算各决策单位的相对效率。

其基本模型为：

2.2 第二阶段：区域创新影响因素的TOBIT回归法和对称修正最小二乘模型

通过DEA模型得到的创新型省份建设的效率值，除受到其投入变量、产出变量的影响之外，还受到其他“外部”因素的影响，即诸如金融环境、教育与信息环境和文化环境等因素的影响。为测度对创新型省份建设绩效的外部影响因素及其影响水平，可使用Coelli等人（1998）提出了“两阶段DEA法”。该方法分两个阶段：第1阶段通过上述的DEA模型计算各决策单位的相对效率；第2阶段，将相对效率值对各种外部因素进行回归分析，从而判断外部因素对相对效率值的影响水平。

2 变量定义与数据来源

2.1 投入产出变量的选取

创新型省份建设的投入主要包括创新人才投入和创新资金投入。创新人才投入是创新活动的关键环节。创新人才是指在企业、高校及科研机构从事创新活动的高质量的脑力劳动者。创新资金投入主要指政府、企业、金融机构等部门对创新活动的经费投入或支持，它是创新的重要前提和基础。为此，本研究选取科学家工程师、万人口科技活动人员等两个指标来衡量包括政府、企业等全社会的创新人才。通过绝对指标与相对指标相结合的方式来衡量创新型省份建设的人才投入状况，可比性比较强，且具有较高代表性。另一方面，本研究选用科技经费支出额、全社会R&D经费支出占GDP比重来反映创新资金投入。以上两个指标分别从投入总量、投入强度两个方面反映了创新资金的投入情况，较具代表性。

创新型省份建设必然体现在创新产出上，主要体现在物质产出、知识创新产出等两个方面。物质产出指各产业对整个经济的物质贡献，主要体现在产值、出口额等几个方面，而高技术产业在创新型省份建设的作用和地位十分重要，为此，本研究选取高新技术产业规模以上企业产值指标反映创新性的物质产出。知识产出是科技创新直接产生的专利、文献、新产品、标准等具有知识含量的成果。为此，本研究选取发明专利的受理量指标来反映创新性的知识产出。

根据以上分析，本研究构建了创新型省份建设绩效的评价指标体系，如表1所示。

表1 创新型省份建设绩效评价指标体系

2.2 影响因素的指标选取

创新型省份建设的影响因素指标主要是用以衡量创新外部环境因素。这一部分指标主要从该省金融环境、教育水平、信息环境、文化环境等四个方面进行评价。

金融环境对科技创新资金的筹措影响显著，故本研究选取金融机构贷款余额作为金融环境的评价指标来反映全社会金融环境的优劣程度。良好的教育、信息与文化环境，有利于创新活动的进行。教育水平反映了教育各层次的整体情况，体现了创新所需要人才的储备情况，是科技人力资源投入的基础。教育水平主要用每十万人教育程度达到大专学历以上人数指标来反映。信息环境是科技创新活动实施和技术扩散所依托的手段支持，是各种要素得以流动的重要媒介，主要用每万人拥有国际互联网用户数指标来反映。文化环境对创新型省份建设具有支撑作用。观念、制度和管理的创新都与文化创新密切相关。主要用每万人拥有公共图书馆藏书量来衡量。为了去除异方差，本文对上述影响因素的相关数据进行了对数化处理。

2.3 数据来源

由于从创新投入到创新的产出会有一定的迟滞，根据众多文献的做法，本研究将时滞定为2年，即投入指标采用的是2008年数据，产出指标采用的是2010年数据。所有数据来源于《中国统计年鉴》（2009、2011年）、《中国高科技产业统计年鉴》（2009、2011年）及各省2009、2011年统计年鉴。

3 实证分析

3.1 DEA的BCC模型与各省份的创新绩效评价

本文运用投入导向的BCC模型，采用DEAP2.1程序进行线性规划模型的求解，最终得到各省创新型省份建设的相对效率水平和各省投入冗余率，如表2所示。其中，投入冗余率是根据生产前沿面的投影分析所得出的目标值和过剩值计算而得，其公式为：

由表2可以得到相关结论如下：

（1）不同地区的DEA综合效率相差悬殊。东部地区的各省份的综合效率相对较高，综合效率平均值达到0.718；中部地区的各省份的综合效率值比东部地区要低，但高于西部地区，综合效率平均值为0.52；西部地区的各省份最低，其综合效率平均值为0.46。在各地区的内部进行比较，各省份综合效率值的差距更为明显：在东部地区，上海、江苏、广东的创新综合效率值达到了DEA最优（效率值为1），但是河北省综合效率值仅为0.366，远远低于东部地区的平均值；在中部地区，湖南省的创新综合效率值相对较高（效率值为0.640），而山西省的创新效率很低（效率值为0.339）；在西部地区，则相互之间的差距更大，重庆市的综合效率值最高，达到0.774，而内蒙古则最低，其创新综合效率值仅为0.258。

表2 创新型省份建设绩效DEA评价结果

（2）区域创新的综合效率与其经济发展水平不一定呈正相关性。天津、浙江、福建、山东等发达地区的创新效率值并不高，远低于上海、江苏和广东，甚至还低于一些西部省份。陕西和重庆等西部省市则创新效率值比较高，甚至还高于一些东部省份。重庆的综合效率值较高可能是源于其直辖市的地位，能得到国家特殊的政策优惠；陕西的创新综合效率值高应该与其拥有较多的高校、军工业发达有关。

3.2 创新型省份建设绩效的影响因素分析

创新型省份建设绩效的提高可通过调整投入、产出数量，从而使得综合绩效接近DEA最优。但是，仅仅依靠投入、产出的调整所实现的综合绩效的提高，其效果往往是短期的。为此，需要从长远考虑，通过确定影响创新型省份建设的重要外部影响因素来制定各省改革的方向。因此，我们对影响创新型省份建设的重要外部因素，使用TOBIT回归模型和对称修正最小二乘模型（STLS）分别进行分析，其结果如表3所示。

表3 影响创新型省份建设绩效的外部因素：基于TOBIT回归和STLS回归结果

由表3可以看出，TOBIT回归模型和对称修正最小二乘模型（STLS）的实证结果有一定差异，但是由于对称修正最小二乘模型假定的残差分布的假设更弱，因此所得的结果更为稳健可靠，下面以该模型所拟合的结果对创新型省份建设的外部影响因素进行经济分析：

（1）各省份所在的金融环境对创新型省份建设的绩效影响显著。这说明加大对创新型省份建设的资金投入，能较大幅度地提高创新型省份建设的绩效水平。这可能是因为创新型省份建设需要大量的资金进行技术创新、技术改造和发明专利的产业化。此外，由于技术创新的风险较大，也需要大量的风险投资。

（2）各省份的教育环境对创新型省份的绩效影响不显著。这说明学校的教育特别是大学教育与国内的现实情况严重脱节，对创新型身份建设作用不大，甚至有一定的负面影响（其回归系数值为负值）。

（3）各省份的信息环境对创新型省份建设绩效有一定影响。虽然信息环境变量的显著型水平只在0.25的水平上显著，但是其回归系数值达到0.2042，这说明信息环境会对创新型省份建设有一定的促进作用。

（4）各省份的文化环境对创新型省份建设的绩效影响不显著。这可能是由于各省的文化产业占其经济总量的比例很低，无法影响创新型省份建设的绩效水平。还可能由于各省在进行创新型省份建设时过分注重其GDP的发展速度，而忽略了其发展的文化内涵。

4 结论

本文采用2008年、2010年中国各省份投入产出数据，使用两阶段DEA模型测度中国各创新型省份建设的绩效和影响因素。为弥补国内使用两阶段DEA模型中第一阶段非参数法和第二阶段参数法之间的逻辑不一致所产生的缺陷，使用BCC模型分析了31省（直辖市）的创新型省份建设的创新绩效状况，并使用对称修正最小二乘模型探讨影响我国区域创新绩效的环境因素。研究表明：东部、中部、西部等不同地区的DEA综合效率相差悬殊，区域创新的综合效率与其经济发展水平不一定呈正相关性；各省份所在的金融环境对创新型省份建设的绩效影响显著，信息环境对创新型省份建设绩效有一定影响，各省份的教育环境、文化环境对创新型省份建设的绩效影响不显著。

为提高中国各地区创新型省份建设的绩效水平，应做好以下几点：①各地区应加大对创新型省份建设的金融支持，优化其创新的金融环境；②各地区应应根据各地实际情况，改革各层次教育体系、内容和培养方式，使得所培养的人才更具创新气质，更好地满足创新型省份建设的需要；③东部地区的那些DEA综合效率值较低的那些省份应采取各种措施，努力降低其投入冗余率，提高其各种资源的配置效率；④中西部地区那些DEA综合效率值而创新投入少的省份，应加大其创新投入，而那些DEA综合效率值低而创新投入少的中西部省份应提供各种政策优惠，因地制宜，切实提高其创新型省份建设的绩效水平。

[1]匡爱民.基于数据包络法的我国区域创新绩效地区差异动态分析[J].江西社会科学,2010,(6).

[2]张蕊,刘慧,田金信.中国各省（直辖市）投入产出有效性的数据包络分析[J].统计与决策,2006,(1).

[3]张宗益,张莹.创新环境与区域技术创新效率的实证研究[J].软科学,2008,(12).

[4]余景亮,刘存丽.基于DEA方法的城市经济发展效率评价[J].统计与决策,2008,(10).

[5]李守伟.技术创新能力的数据包络分析与实证研究[J].科技进步与对策,2010,(1).

[6]孙红兵,向刚.基于DEA的城市创新系统创新效率评价分析[J].科技进步与对策,2011,(12).

[7]李惠娟,赵静敏,上官敬芝.城市科技资源配置效率的DEA两阶段方法评价－基于江苏省十三个城市的研究[J].科技管理研究,2010,(10).

[8]李兴江,王璐.突破资源依赖型经济约束的转型研究——以辽宁省为例[J].兰州学刊,2011,(9).

F204

A

1002-6487（2012）24-0070-03

国家社会科学基金重点项目（10ATJ003）；江苏省教育厅重大项目（2010ZDAXM005）

徐小阳（1972-），男，江苏宜兴人，博士研究生，讲师，研究方向：金融统计与管理。

赵喜仓（1965-），男，陕西澄城人，教授，博士生导师，研究方向：科技管理与金融统计。

（责任编辑/亦 民）