安徽省技术创新效率比较分析——基于DEA模型的实证研究

付张城，甘卫平

（安徽大学经济学院，合肥230601）

安徽省技术创新效率比较分析
——基于DEA模型的实证研究

付张城，甘卫平

（安徽大学经济学院，合肥230601）

基于技术创新投入产出视角，运用DEA模型对2009—2012年安徽省技术创新效率进行了静态评价。研究结果表明：安徽省技术创新活动投入与产出状况整体上是有效的；区域间技术创新效率存在着差异，部分非DEA有效地区技术创新活动存在着一定程度的投入冗余和产出不足。结合实证分析的结果，提出了相应的政策建议。

技术创新效率；DEA；实证研究

引言

随着经济全球化进程的加快和知识经济时代的到来，技术创新能力成为国家竞争力的关键因素。技术创新对于一国的经济社会发展起着重要作用，既是国家竞争优势的关键，又是区域社会发展的核心，世界主要国家都将技术创新作为其发展的基本战略。近年来，安徽省经济社会取得快速发展，经济总量稳步增长，发展质量和效益也不断得到提升，但综合竞争力不强、经济结构不尽合理、经济持续发展的后劲不足等问题仍然存在。技术创新是实现经济增长方式转变、产业结构优化升级的有效方式，是增强国家和区域竞争力的必然途径。技术创新效率反映了一个国家或地区运用和整合创新资源的能力，同时也是衡量一个国家或地区经济社会发展状况的具体体现。对区域技术创新效率进行科学评价，有助于提高创新资源的利用效率，不断提升其技术创新能力，增强区域竞争力。因此，本文对安徽省技术创新投入产出效率进行客观评价，旨在清楚地认识安徽省技术创新的现状，为政府制定相应的区域发展政策提供科学的理论依据。

1 研究设计

1.1 DEA模型

数据包络分析法（简称DEA）是由美国著名运筹学家A.Charnes和W.W.Cooper等提出的一种无参数的效率评价方法。它的基本思想是将每一个被评价对象作为一个决策单元（Decision Making Units，DMU），而这些决策单元（DMU）都具有多项投入和多项产出，可以利用数学规划模型（线性规划）来评价它们（DMU）之间的相对有效性（即DEA有效）。目前，该方法已被众多学者广泛应用于绩效评价、资源配置、技术创新及成本收益等领域。其中C2R模型与BC2模型是DEA的两种常规模型，基本模型线性规划如下。

假设有n个决策单元（DMUj），j=1，2，…，n，每个DMU均有m种输入和S种输出，分别用xj、yj表示第j个DMU的输入向量和第j个生产个体的输出向量，其中，且有，m；r= 1，2，…，s）均大于0，vi和ur分别表示第i项输入指标和第r项产出指标的权重和分别表示的权重向量。将xj0、yj0分别标记为对应决策单元的输入、输出数据，其中，则的模型可表示为：

C2R模型是以规模报酬不变（CRS）为基本假设前提，但为了方便评价不同规模报酬状态下各决策单元的相对效率，需在上述C2R模型中引入一个凸性假设条件则可得到规模报酬可变的BC2模型。为了简便操作，可对上述模型进行Charnes-Cooper变换。引入松弛变量s+、剩余变量s-以及非阿基米德无穷小量ε，对上述模型进行对偶线性规划，则可转变为：

由上述模型的最优解λ*，θ*，s*-，s*+，可以将技术创新效率（TE）分解为纯技术效率（PTE）和规模效率（SE），并据此来判断DMU的DEA有效性，具体结果如下：

（1）如果θ*〈1，则表示决策单元DMUj0为DEA无效；

1.2 指标选择及数据来源

DEA模型是基于投入产出指标进行评价，正确选择投入产出指标是进行技术创新效率评价的关键。根据国内外学者Ahuja和Katila[1]、Acs等[2]、虞晓芬等[3]、郭磊等[4]的研究成果，选取R&D人员投入（X1）、R&D经费内部支出（X2）和引进消化吸收经费支出（X3）作为技术创新投入指标，选取专利申请量（Y1）、新产品销售收入（Y2）和产品出口额（Y3）作为技术创新产出指标，并且认为创新投入和产出之间不存在滞后期。

本文所选取的指标数据来源于《安徽省统计年鉴（2010—2013年）》，其中，2011年安徽省撤销地级巢湖市，并按其所辖县区划分到合肥、芜湖和马鞍山三地。因此，将巢湖市2009年和2010年两年的技术创新投入产出数据，按相应的行政区划划分到合肥、芜湖和马鞍山三地。按照地理和行政区划相结合以及区域经济发展现状和一体化程度[5]，将安徽省划分为皖北、皖中、皖江和皖南四大经济区。①

2 实证分析

结合上文所选取的指标和数据，采用规模报酬可变（VRS）的BC2模型对2009—2012年安徽省各市技术创新效率进行静态评价，计算结果见表1。其中，“TE”、“PTE”、“SE”、“RTS”分别表示技术创新效率、纯技术效率、规模效率和规模报酬阶段。[6]

由表1结果可知，从全省平均DEA效率来看，2009—2012年安徽省技术创新效率（TE）平均值为0.918，可将其分解为纯技术效率（PTE）和规模效率（SE），分别为0.946和0.968，16个市中DEA有效的共有10个，占62.5%，即这10个市的技术创新效率是安徽省各地区中相对最优的，安徽省技术创新整体上的投入—产出状况是有效的；而非DEA有效的市有6个，占比37.5%。从全省范围来看，虽然大多数地区处于DEA有效状态，但那些非DEA有效地区，其技术效率过低，从而大大拉低了全省技术创新效率的平均水平。

从技术创新效率分解为纯技术效率和规模效率的结果来看，亳州、宿州、蚌埠等10个DEA有效市（技术创新效率值为1.000）的纯技术效率和规模效率均达到了最优状态，表明这10个市的技术创新活动投入与产出在整体上都处于一种最优状态，要素投入充分发挥了作用。而对于其他6个非DEA有效市而言，技术创新非有效主要分为两种情况：一种是由规模非有效引起的，主要有合肥、阜阳和宣城3个市，纯技术效率值均为1.000，而规模效率分别为0.792、0.946和0.948，且不存在投入冗余和产出不足，也就是说这3个市的各种资源要素投入达到了最优使用状态，不存在浪费现象，在纯技术效率上完全有效，但是规模与技术水平不相适应，总体效率相对无效。另一种是由规模非有效和纯技术非有效共同引起的，纯技术效率和规模效率都小于1，主要有淮北、安庆和黄山3个市。这些市技术创新的各种要素投入使用效率低，资源使用不合理或者过度浪费，技术转化能力较弱，均存在产出不足和投入冗余的情况，且投入产出规模不相适应，总体效率偏低。

从规模报酬阶段来看，安徽省16个市中大部分市技术创新活动都处于规模报酬不变阶段；而有4个市（合肥、阜阳、宣城、安庆）处于规模报酬递减阶段，说明这些市的技术创新活动已达到一定的规模，形成了规模不经济，这与创新资源投入冗余可能存在一定关系，需要对研发经费、研发人员投入等进行合理的调整和优化；淮北和黄山2个市处于规模报酬递增阶段，增加创新资源投入可以提高其技术创新效率水平。

表1 2009—2012年安徽省各市技术创新效率的输出结果

从四大经济区来看（见表2），技术创新效率最高的为皖江经济区（0.949），其纯技术效率（PTE）、规模效率（SE）分别为0.968和0.977。而技术创新效率最低的为皖北经济区，其值为0.864，这主要是由纯技术效率过低（为0.881）引起的，表明该区域大量的创新投入并没有转化为高效率的产出，资源利用效率低。皖中经济区的技术创新效率为0.948，纯技术效率为1.000，表明该区域的技术创新活动要素投入被充分利用，不存在浪费现象。皖南经济区的技术创新效率较低为0.915，主要是由纯技术效率（0.943）和规模效率（0.972）共同作用的结果。

对于非DEA有效地区而言，规模效率的提高依赖于地区技术创新所处的规模阶段的动态变化，而纯技术效率的提高则主要侧重于产出不足和投入冗余的改进。非DEA有效的决策单元DMU在生产前沿面上的投影都是DEA有效的，即可以通过适当调整非DEA有效的决策单元DMU的输入、输出数值使其达到DEA有效。由这一理论，可以找出非DEA有效地区具体投入与产出要素导致无效的原因，从而计算出非DEA有效地区应增加的产出量或减少的投入量。[7]表3给出了淮北、安庆和黄山3个非DEA有效市技术创新效率的改进方向和幅度。以淮北为例，要使其技术创新达到BCC模型所设定的效率前沿，实现DEA有效，在投入方面应减少0.73%的R&D人员投入以及2.11%的R&D经费内部支出；在产出方面应增加16.92%的专利申请数和12.52%的产品出口额。

表2 2009—2012年安徽四大经济区技术创新效率结果

表3 淮北、安庆和黄山非DEA有效市的改进方向和幅度 %

3 结论与政策建议

本文运用DEA模型对2009—2012年安徽省技术创新效率整体状况进行了评价分析，由实证结果可知：（1）安徽省16个市的技术创新效率均值为0.918，其中DEA有效市数为10个。这表明安徽省技术创新活动投入、产出状况整体上是有效的。（2）区域间技术创新效率存在差异。在四大经济区中，技术创新效率最高的是皖江经济区，皖中经济区次之；技术创新效率增长最快的是皖中经济区，皖江经济区最慢。（3）部分非DEA有效市存在着一定程度的创新投入冗余和产出不足，技术创新效率有待提高。

根据以上分析结果，提出如下政策建议。

（1）从全省范围来看，提高技术创新效率，一是要合理配置创新资源，促进地区间技术创新均衡发展。技术创新是促进智力资本转化为现实生产力的重要途径，其创新效率是一个地区综合竞争力的重要体现。地区间技术创新资源配置不合理是导致安徽省各地区经济发展失衡的一个重要因素。因此，政府应因地制宜，结合不同地区的实际情况，制定和实施相应的创新调控政策，以促进安徽省各地区整体技术创新能力的提高。二是制定长期有效的科技发展战略，营造良好的创新环境。创新环境对于技术创新效率有着显著影响，也是各地区技术创新效率发展不均衡的主要影响因素。因此，政府部门应制定长期有效的科技发展战略，注重提升和优化创新环境，激发R&D人员的创新能力，提高区域技术创新效率，推动地区经济的快速发展。三是注重人才队伍建设，建立有效的经费投入机制。R&D人员和R&D经费投入是创新活动开展的基本要素和创新得以进行的先决条件。高素质人才能较为显著地提升研发活动的创新和产出能力，政府在高素质人才的培养和引进上，应该建立有效机制，提升研发人员中高素质人才的比例。[8]同时，应建立有效的经费投入机制和监管机制，合理调整经费投入的方向和方式，提高研发经费运作的效率。

（2）从各区域来看，皖江经济区和皖中经济区作为皖江城市带承接产业转移的主要地区，应积极利用其区位优势和政策扶持，继续深化与长三角地区之间的分工合作，在继续增加技术创新投入的同时，进一步增强原始创新能力，着力加快自主创新，提升产业发展水平以及技术创新效率。同时，应充分发挥经济区内合肥和芜湖两大增长极的带动作用，加强区域产业协作，促进区域产业发展一体化和自主创新，以推动经济区内部淮南、安庆、池州、六安等落后市的经济发展。对于皖北经济区而言，经济发展较为落后，技术创新所需的人力、物力和财力相对有限，应根据其地方实际情况，走技术模仿的道路，不断推进科技成果产业化；同时要积极转变管理观念，完善制度建设，使创新能力的发展、体制机制的进步与技术创新投入的增加相适应，以保持较高的技术创新效率。皖南经济区则应根据其城市特色，大力发展徽州特色产业和旅游产业，实现现代制造业和现代服务业的融合发展，通过产业结构调整和人才建设，大力提高技术创新水平，以推动地区经济的发展。

注 释：

① 皖北经济区主要包括淮北、亳州、宿州、蚌埠和阜阳5个市；皖中经济区主要包括合肥、淮南、滁州和六安4个市；皖江经济区主要包括马鞍山、芜湖、铜陵、安庆和池州5个市；皖南经济区主要包括宣城和黄山2个市。

［1］ AHUJA G，KATILA R.Technological Acquisition and the Innovation Performance of Acquiring Firms：A Longitudinal Study[J]. Strategic Management Journal，2001，22（1）：197-220.

［2］ ACS Z J，ANSELIN L，VARGA A.Patents and Innovation Counts as Measures of Regional Production of New Knowledge[J].Research Policy，2002，31（7）：1069-1085.

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

［4］ 郭磊，刘志迎，周志翔.基于DEA交叉效率模型的区域技术创新效率评价研究[J].科学学与科学技术管理，2011（11）：138-143.

［5］ 张庆霖.安徽区域经济差异时空演变：基于Theil指数的研究[J].江淮论坛，2013（2）：51-58.

［6］ 陈红梅，宁云才.中国省域技术创新效率评价及比较研究[J].经济问题探索，2011（8）：66-70.

［7］ 汪娟，肖瑶.基于DEA方法的中国城市技术创新效率研究[J].财经理论与实践，2013（3）：109-112.

［8］ 吴晓园.福建省人力资本对区域技术创新效率的影响研究[J].华东经济管理，2011（5）：13-15.

A Comparative Study of Technical Innovation Efficiency in Anhui Province——An Empirical Study Based on DEA Model

FU Zhang-cheng,GAN Wei-ping
（School of Economics,Anhui University,Hefei 230601,China）

From the perspectives of input and output of technical innovation,the paper makes a static evaluation of technical innovation efficiency in Anhui Province from 2009 to 2012 with DEA model.The results are as follows:the input and output of technical innovation are effective in Anhui Province as a whole;there exist some differences in technical innovation efficiency in different areas;and there exist input redundancy and output insufficiency in technical innovation efficiency in some non-DEA effective areas.Based on the results of empirical study,it puts forward some suggestions.

technical innovation efficiency；DEA；empirical study

F<062.4 【文献标识码】A class="emphasis_bold">062.4 【文献标识码】A 【文章编号】1674-2362（2015）05-0045-04062.4 【文献标识码】A

1674-2362（2015）05-0045-04

A 【文章编号】1674-2362（2015）05-0045-04

（责任编辑 于 丹）

2015-05-10

安徽省哲学社会科学规划项目“长三角产业转移与安徽外向型经济发展研究”（AHSK11-12D32）

付张城（1989—），男，安徽肥东人，硕士研究生，主要从事技术经济与区域发展研究；甘卫平（1988—），男，安徽太湖人，硕士研究生，主要从事产业创新与管理研究。