我国科技创新基金绩效评价研究:以中部D市W区为例

梅建明 王 琴

(中南财经政法大学 财政税务学院，湖北 武汉430073)

一、引言

科技创新基金是经国务院批准设立的一项专门培育、扶持和促进科技型中小企业技术创新的政府专项基金。科技创新基金以技术创新项目为对象、以市场为导向，重点支持技术的第一次商品化过程。基于创新能力在企业创新中的重要地位，科技创新基金绩效评价体系及方法一直是理论界研究和探讨的重点。科技创新基金绩效评价在一些发达国家已有实践，但在我国仍处于起步阶段。影响科技创新基金绩效的因素比较多，包括定性因素和定量因素，其评价理论和方法仍在不断探索和研究中。

现有文献对科技创新基金绩效评价的研究主要从两个方面入手。一是研究科技创新基金绩效评价指标体系的构建。岳宝宏在现有评价体系的基础上将“企业发展潜力指标”独立成为基本内容的一部分，同时增加“社会效益”内容，考察项目实施对提高国家和地区技术和经济发展水平的影响以及对保护环境和生态平衡可能产生的影响[1]。肇先通过参与创新项目的实际操作过程，创新性地设计了全面评价科技创新项目的评价体系，包括企业情况分析、企业发展战略与投资项目的关联性分析、技术 创新性分析等七大板块的评价[2][3]。二是引入不同的数学模型及方法对科技创新基金进行绩效评价。目前，理论发展较为成熟、国内外应用较为广泛的创新绩效评价方法主要包括:主成分分析法、层次分析法、数据包络分析法、灰色聚类法、模糊综合评价法、人工神经网络法等。Malmquist首次提出Malmquist指数，并对该指数进行系统的阐述[4]。Chames和Cooper首次提出数据包络法，并将其运用于多投入、多产出的评价中[5]。周毓萍通过层次分析法将复杂、模糊不清的问题进行量化，应用BP神经网络软件进行一致性检验工作，这在一定程度上减少了计算量，同时也使衡量的结果更加准确[6]。刘鸿渊以四川一家大型企业作为分析样本，采用AHP模糊综合评价方法，建立起一个多级模糊综合评价模型，客观和间接地反映出了企业层次创新能力[7]。石忆邵运用数据包络分析与主成分分析相结合的研究方法，从时间尺度、企业类型、行业类别三个层面上分别对上海市科技投入和产出绩效进行了定量评价和分析[8]。此外，还有研究者采用其他方法，如唐炎钊灰色关联运用度评价法[9]，郑春东利用综合指数法等方法对企业的创新能力进行评价[10]，吴旭晓利用超效率DEA方法分析区域高新技术产业发展绩效评价等等[11]。

现有文献对科技创新基金绩效评价指标体系的建立和评价方法取得较好的成果，但仍在不断完善的过程中，缺乏规范的体系。同时，对于评价结果只是进行简单的分析，未结合科技创新基金本身的特点分析效率差异产生的原因。本文在已有研究的基础上，试图回答以下两个问题:一是科技创新基金是否提高了企业的绩效和投入产出效率；二是什么因素导致不同企业之间效率的差异。

本文以我国中部D市W区为例研究科技创新基金运行效率。作为我国重要的科技资源密集的高新区，中部D市W区2002年引入科技创新基金，截止到2010年底，共立项支持了408个各类型项目，累计安排资金4.96亿元。我们采用分层抽样的方法从200多家企业中抽出40家企业，作为本次分析的样本。先将受资助的单位按8大产业类型划分为8层，然后再从每一层内进行单纯随机抽样，组成一个样本。分层抽样将科学分组法与抽样法结合在一起，分组减小了各抽样层变异性的影响，抽样保证了所抽取的样本具有足够的代表性。文章中模型使用数据均来自于对该地区科技创新基金支持的200家中小企业的问卷调查进行统计的结果。

二、评价模型及评价指标体系

(一)评价模型的构建

1.DEA评价模型。DEA评价模型将每一个评价对象作为一个决策单元，对于每一个决策单元DMUj都有相应的效率评价指数:

其中Xij表示第j个决策单元对第i种类型输入的投入总量；Yrj表示第j个决策单元对第r种类型输出的产出总量；Vi表示对第i种类型输入的一种度量；Ur表示对第r种类型输出的一种度量。

如以第j0个决策单元的效率指数为目标，以所有决策单元的效率指数为约束，就构造了CCR(C2R)模型。为了讨论和计算应用方便，进一步引入松弛变量s＋和剩余变量s-，则不等式约束变为等式约束，即:

2.PCA评价模型。主成分分析方法利用降维的思想，把原来多个评价指标约化为较少的几个综合成分来代替。综合成分指标保留了原始评价指标的绝大多数信息，且彼此互不相关，使复杂的问题简单化。但是在进行主成分分析前为了消除不同单位对结果产生的影响，首先要进行无量纲化，然后利用无量钢化数据进行主成分分析，根据综合贡献率确定主成分个数，构造综合评价函数，从而计算被评价对象的综合评价值。

(二)评价指标体系的建立

建立一个客观的输出、输入指标系统是应用DEA方法进行评价的一项基础性工作。DEA是一种处理多输入和多输出的系统评价方法，因此在建立模型之前，建立完整、合理、有效的输出、输入指标集是进行绩效评价的前提。

科技创新基金绩效评价所涉及的指标众多，各个指标间难免存在相关性。相关性的指标不仅造成评价指标过多，增加了评价的难度，而且还会造成评价的歧义，使得最后得到的评价结果莫衷一是。因此在实际应用中，有必要依靠数学理论的方法和工具，筛选出合理的、相关性不强的指标构建最后的输入、输出评价指标集。根据以上原则以及模型筛选结果，建立了表1中的输出、输入指标体系。

表1 输出输入指标体系

三、科技创新基金绩效的核算

(一)DEA模型评价分析

利用科技创新基金投入和我们构建的基金运行投入产出指标，基于产出角度和可变规模报酬假定，本文系统核算了样本企业投入产出效率的相对得分。根据问卷统计调查结果，利用DEAP软件进行核算，得出各项目综合效率得分。

从DEA模型结果来看，得分最低的是项目33，只有0.125分。有14个项目的效率得分都是1，表明这些项目是相对有效的，即这些项目的经营绩效都达到了最优化，其他项目都没有同时达到技术有效和规模有效。

图1 各个项目投入产出效率得分

(二)PCA模型排序分析

由于选取的数据涉及到各个不同方面，为了消除单位对分析结果造成的影响，首先将数据进行无量纲化处理。根据无量纲后的数据，利用SPSS软件，尝试从一个主成分开始，并记录主成分累计贡献率。当选取5个主成分时，主成分累计贡献率达到80.672%，基本能解释14个评价指标的大部分变量，因此选作为主成分。图2为根据各主成分的载荷系数为权重，构造5个主成分的评价模型，得出各自主成分得分。

图2 项目综合得分图

根据模型结果分析40个样本综合得分均值为-0.01，最大值为1.24，最小值为-0.93。40个项目中有14个项目综合得分为正，代表其经营是有效的；在这14家企业中有7家得分比较高，说明其经营效率比较高。

(三)DEA／PCA综合评价分析

根据上述得出的DEA和PCA评价结果，以DEA得分为X轴、以PCA得分为Y轴，建立二维平面，选定取值范围，分别将横纵坐标轴分为高低两部分，形成DEA／PCA四分区坐标平面，再根据所处坐标平面对相应的决策单元进行分析与评价。

图3 DEA／PCA评价结果分析图

根据图3可将高新区科技创新基金投入和产出绩效分为四类。第一类为高绩效高水平区，反映了该年基金绩效的相对有效性高，投入产出能力强，在图中表现为位于右上角部分的点，属于该类的有项目3、4、5、17。第二类为高水平低绩效区，反映了科技投入产出能力较强，但绩效低，在图中表现为左上角的部分，属于该类的有项目12、16、18、22、23、25、27、29、34、36、37。第三类为低水平高绩效区，反映了科技投入水平绩效的相对有效性高，但投入和产出能力较弱，属于该类的项目有1、2、6。第四类为低水平低绩效区，反映了科技投入水平绩效的相对有效性较低，科技投入和产出能力较差，除了上述所述的项目外，其他项目均属于此类。

四、科技创新基金投入效率的决定因素

在第一阶段，我们运用可控投入和非参数方法核算了科技创新基金投入效率得分。在第二阶段，我们需要把这些得分作为被解释变量，利用多元线性回归模型对各种可能影响创新基金投入效率的变量进行回归。计量回归的目的就是用来解释所估计效率得分的差异，该回归可以估计这些特征变量对创新基金投入效率表现的影响。

将在第一阶段得到的DEA效率得分作为被解释变量，输出输入体系中的14个影响因素作为解释变量，构建如下多元线性回归模型:

其中S代表常数项，ξ代表随机误差项。利用SPSS软件进行多元线性回归，得到回归结果。

表2 多元线性回归模型结果

根据回归模型的计量结果，在其他条件保持不变的条件下，研发经费每增加1单位，效率得分将增加2.955个单位，存在显著为正的影响。这说明科研经费的投入越多，创新基金运行效率越高，越有利于中小企业的发展。新增就业人数也与基金运行效率显著正相关。新增就业人数每增加1单位，效率得分就增加1.587个单位，表明解决就业问题是衡量基金运行效率的一个重要指标。

同时我们也注意到研发活动人数与效率得分呈现出反向关系，研发活动人数每增加一个单位，效率得分减少4.334个单位，这说明并非研发活动人数越多对基金运行绩效越有利。相反，在人员规模达到最优数量后，若再增加研发活动人数，一方面由于支付职工薪酬的压力而增加企业负担；另一方面造成机构冗余，职责不明确等问题，从而大大降低基金运行效率。

通常认为发明专利越多、发表科技论文数量越多，表明运行效率越高。但根据回归模型结果可以看出，这两个变量与效率得分呈反向关系。这可能是由于支持的中小企业通常是处于起步阶段，而发明专利或者发表科技论文均需要投入大量的人力物力，因此专利和论文带来的效应要低于其投入的成本，总体对效率得分产生相反的影响。

模型结果表明净资产增加也与效率得分呈反向关系。科技创新基金支持的大多是科技创新型的中小企业，科研人员投入重要性要远远高于物力的投入。这也说明，在资源配置过程中要更加注重人力的投入，在人员规模达到最优的前提下，引进高质量人才。从横向比较来看，高新区科技创新基金每年投入的数量已不算少，但我们的目标是要使高新区的主导和优势产业在全国抢占技术创新制高点和成为领头羊，技术创新基金还应进一步加大。因此，目前的主要问题不是数量问题，而是结构问题，即科技创新基金应主要用于支持企业的技术创新研究、服务平台建设和项目配套，但目前的技术创新基金有大量的资金不在这个范围之列。

财政资金到位率、配套资金到位率、利税率、科技成果数、软件证书数都与基金绩效均呈正向关系，相关系数小于1，即投入一单位的上述资源，效率得分增加单位少于1。

五、结论及政策建议

从总体来看，科技创新基金运行效率总体偏低。在调查的企业40家企业中，同时达到运行绩效和投入产出效率高分的只有4家企业，22家企业科技创新基金既未达到高效运行，投入产出效率也很低，这一类型的企业的比例高达55%。多元线性回归模型的结果显示，对科技创新基金运行效率影响最显著的因素为科研经费、研发人员数和新增就业人数。其中科研经费和新增就业人数都是与效率得分呈现显著的正向关系，而研发人员数则与其呈显著的反向关系。其他因素都对效率得分产生影响，但不够显著。依据以上结论，完善科技创新基金制度的建议主要有:

1.进一步加大科技创新基金的支持力度的同时调整投入结构。目前科技创新基金支持的力度还不够大，总量不足的同时也体现出投入结构上的不合理。作为支持创新性中小企业发展的重要政策，科技创新基金的增幅应与高速发展保持相应增长，保证企业能够得到有效运行的资金。此外，基金使用结构有待完善，应加强从产业集群发展角度进行专项的策划与设置，提高创新基金使用显示度。

2.项目资助结构和资助方式可适当进行调整。优化科技创新基金投入结构，集中财力重点资助具有创新性、前瞻性和产业带动性的研发项目。切忌使资金分散，起不到应有的效果。这就要求我们首先应根据实际情况，组织企业和专家经过推荐和研讨确定一个未来若干年将予以资助的项目库。

3.构建科技创新基金为引导、企业投入为主导科技投入体系。在财力有限的情况下，科技创新基金对于科技事业的发展只能起一部分引导作用。科技创新的发展仅靠科技创新基金是不够的，应该充分调动企业对科技投入的积极性，使其成为科技创新基金的投入的主体。所以，今后在设立科技创新基金的同时，可以考虑另行设立投资引导基金，一方面提高政府资金的使用效率，另一方面也加强基金对投资引导功能。

4.构建科技创新基金绩效评价体系和制度。现行评价制度还存在一定的不足，因此建立完善的评价制度仍然需要加强其法制性。要保证在评价过程中程序的规范性，可以聘请除投资机构和企业之外的第三方专业人员对投资项目进行考察，以保证程序上的完整性和公正性。

[1]岳宝宏.中小企业技术创新基金的绩效评价[J].科技政策与管理，2008，(2):27—32.

[2]肇先.关于建立科技创新基金评价体系的思考[J].科学管理研究，2008，(3):20—23.

[3]毛翠英.新型农村合作医疗财政专项资金绩效评价研究[J].中南财经政法大学学报，2011，(6):107—140.

[4]Mahnquist Sten.Index Numbers and Indifference Surfaces[J].Trabajos de Estadistica，1953，(4):209—232.

[5]A.Charnes，W.W.Cooper，E.Rhodes.Evaluating Program and Managerial Efficiency:An Application of Data Envelopment Analysis to Program Follow Through[J].Management Science，1981，(27):668—697.

[6]周毓萍.企业技术创新能力的神经网络检验分析[J].科技进步与对策，2000，(6):62—63.

[7]刘鸿渊.基于企业创新能力的 AHP模糊评价[J].科技管理研究，2007，(2):152—155.

[8]石忆邵，汪伟.上海市科技投入和产出绩效评估方法论研究[J].曲阜师范大学学报，2007，(2):1—7.

[9]唐炎钊，周珊刚.企业技术创新能力的多层次灰色评价[J].科技进步与对策，1999，(5):46—48.

[10]郑春东，等.企业技术创新能力评价研究[J].中国软科学，1999，(10):108—111.

[11]吴旭晓，许正中.基于超效率DEA的区域高技术产业发展绩效评价[J].统计与决策，2010，(22):110—112.