区域企业创新要素集聚效益评价

江永真

(福州大学社科处，福建福州350116)

引导和支持创新要素向企业集聚，实施创新驱动发展战略，是今后区域经济增长的主要方式。有关研究表明，企业创新要素集中度的提高对于企业创新效率的提高作用明显。［1］提升企业集聚各种创新要素的水平和效益，有助于强化企业在技术创新体系中的主体地位。开展区域企业创新要素集聚效益的综合评价，可以科学地掌握创新要素向企业集聚系统的运行状况，有效协调创新要素集聚体系，优化投入结构，促进创新要素转化，不断提高创新要素向企业集聚的效益。

国内外学者在企业集聚创新要素方面开展了较丰富的研究。国外学者方面，Marco Ianditi 提出了技术集成的概念，并研究了计算机企业技术集成能力的培养。［2］Donald S.Siegel 等在对从事大学知识产权商业化的新兴综合机构和人员调查的基础上，提出组建和鼓励这些机构对提高技术成果向产业转移具有重要作用。［3］罗宾逊等通过对纳米簇的研究，强调创新中的技术集聚对于实验成功与否起到的作用不容忽视。［4］埃纳尔拉斯穆森认为，在促进技术成果流向产业中，既需要大学或研究机构建立技术转让办公室，更需要政府提供资助，通过商业化项目来引导大学的科研，有效促进技术成果和创新知识信息流向产业。［5］Chang Yuan－Chieh 等则认为，学术研究商业化的决定性因素是建立双重组织结构，形成在追求卓越研究的同时，实现研究的商业化。［6］国内学者的研究主要集中在三个方面:(1)创新要素的内涵、特征及分类。如李建华等把科技创新要素分为人才、资金、技术、政策和公共服务等几大要素，并基于科技创新要素的特征提出了一些促进其向企业集聚的方法。［7］(2)创新要素向企业集聚的机理及途径。如蒋敏等从内源化和外源化两个方式对我国企业自主创新的研发资源集聚模式进行了研究。［8］杨晨等将创新要素向企业集聚界定为以政府为推动，以市场为引导，以提升企业的创新能力为目标，促进创新要素在企业、高等院校、科研院所、科技中介、金融机构间，呈现网络状的转移、吸纳、整合、协同、反馈等系列互动循环活动的总和。［9］(3)创新要素集聚水平和效益评估。目前的研究主要集中在宏观与微观层面，研究内容包括对区域整体(或区域产业)科技实力和科技竞争力、科技要素配置效率、企业R ＆ D 绩效等方面的评价，研究方法主要有系统评价法、数据包络分析、协同学、复杂系统理论等。还有部分学者从中观层面切入进行了探讨，如叶小岭等从科技创新要素的内涵、分类特征与企业集聚科技创新要素的系统视角出发，运用基于相对熵的组合赋权评价法，对我国区域企业集聚科技创新要素水平和效益进行了评估研究。［10］耿怀欣等运用DEA 方法对福建省创新型企业集聚技术创新要素效率进行了评估和分析。［11］综上，相关研究中围绕区域企业创新要素集聚效益评价的研究还不多，有待进一步深入探讨。本文基于企业创新要素集聚效益的内涵，从投入－产出的角度出发，构建区域企业创新要素集聚效益评价指标体系，并运用主成分分析法与数据包络分析法相结合的方法(即PCA－DEA 方法)，以2013年度统计数据为截面数据，对我国区域企业创新要素集聚效益进行实证分析。

一、企业创新要素集聚效益内涵

创新要素向企业集聚是一个由集聚主体、集聚客体和集聚行为组成的开放式系统。在这一系统中，企业既是区域创新要素集聚的载体，又是创新要素价值实现的载体，处于核心地位。在市场驱动和政府推动下，企业通过对集聚客体(人才、资金、技术、政策、管理和公共服务等创新要素)实施集聚行为(吸纳获取、利用增值、反哺循环)，保证集聚系统的正常运转，并促进企业创新能力和区域整体科技创新实力的提高。

企业创新要素集聚效益是指创新要素向企业集聚系统运转后所产生的实际效果和利益。具体地说，它反映了企业集聚创新要素(即投入)与企业利用所吸纳的创新要素实现增值转化(即产出)之间的关系。企业创新要素集聚水平反映了创新要素的投入水平，其评价可从人才、资金、技术、政策、管理和公共服务等六大创新要素的集聚水平加以衡量。企业创新要素转化水平即创新要素的产出水平，包括直接产出和间接产出两部分。直接产出体现在创新要素集聚于企业后形成的新产品开发与生产、知识产权、企业生产效率及高新技术产业发展水平等方面;间接产出体现在企业集聚创新要素实现利用增值后对创新系统和社会进行反哺的水平上，其衡量可从企业反哺其它集聚主体水平、促进区域科技经济社会发展环境变化等方面加以评判。企业寻求较高的创新要素集聚水平和集聚效益，是促进创新要素向企业集聚的直接目标和动力。

二、区域企业创新要素集聚效益评价模型

1.评价指标体系

本文基于企业创新要素集聚效益的内涵，借鉴已有相关研究成果，从投入－产出的角度出发，构建区域企业创新要素集聚效益评价指标体系，包括创新要素集聚(投入)水平评价指标和创新要素转化(产出)水平评价指标两部分。创新要素集聚水平主要评估企业对人才、资金、技术、管理、政策、公共服务等六项创新要素的集聚水平，即创新要素投入状况，共选用了12 个指标;创新要素转化水平主要考量企业科学配置和利用所吸纳的创新要素实现增值转化的水平，即创新要素集聚于企业后的产出状况，包含直接产出和间接产出两个方面，共选用了12 个指标。具体指标见表1:

表1 区域企业创新要素集聚效益评价指标体系

续表1

2.评价方法

由于区域企业创新要素集聚效益评价指标体系中，各指标之间往往存在一定的相关关系，如果直接依据此指标体系对区域企业创新要素集聚效益进行综合评价，难以保证评价结果的有效性和正确性。同时，DEA 方法要求投入和产出的变量总数不能高于决策单元DUM 的个数的一半，以避免线性相关问题。因此，需要对指标进行再处理，处理方法可运用主成分分析法，分别提取创新要素投入、产出指标的主成分，所提取到的主成分之间不相关，这样，再把所提取的主成分作为DAE分析的投入与产出指标，可解决DEA 多重共线性的问题。基于此，本文采用主成分分析法与数据包络分析法相结合的方法，对区域企业创新要素集聚效益进行综合评价。

PCA—DEA 方法的基本思路为:首先，针对所建立的区域企业创新要素集聚水平和转化水平指标体系，运用PCA 方法分别提取集聚水平和转化水平指标的主成分，以此反映创新要素集聚的综合投入和综合产出情况;其次，把提取的集聚水平指标和转化水平指标的主成分分别作为DEA 分析的投入、产出指标，运用DEA 方法对我国30 个地区企业创新要素集聚效益进行实证分析。最后，综合DEA 计算结果和区域企业创新要素集聚原始数据的情况，分析各地区企业创新要素集聚效益的状况。

PCA—DEA 方法的基本步骤如下:

(1)指标原始数据采集及标准化处理

依据统计年鉴等资料，采集各三级指标的原始数据，并运用功效系数法对数据进行标准化处理，以消除变量量纲的影响。数据标准化公式如下:

式中:Xmax、Xmin 分别表示各地区某一三级指标的最大值和最小值，X 表示该指标的实际值。

(2)创新要素集聚与转化水平的主成分分析

针对企业创新要素集聚水平与转化水平指标的标准化数据进行主成分分析。主成分分析原理和数学模型参见章文波等编著的《实用数据统计分析及 SPSS12.0 应用》［12］，具体计算采用统计分析软件SPSS 13.0 中的主成分分析法。运用主成分分析法对创新要素集聚与转化水平指标所属变量进行 KMO and Bartlett＇s Test 检验，若通过检验，便可分别对创新要素集聚与转化水平指标进行主成分提取，并计算主成分因子得分，计算公式如下:

式中各变量的含义为:

Fj─评价指标对应的第 j 项主成分因子的得分;

Wjm─评价指标的第j 个主成分因子所对应的各下级指标的权重;

Pm─评价指标所属的各下级指标的标准化值;

m─评价指标所属的下级指标的个数。

(3)创新要素集聚效益的DEA 分析

将所提取的企业创新要素集聚水平与转化水平的主成分，分别作为DEA 分析的投入指标与产出指标，具体数据为主成分因子得分。DEA 分析法中的CCR 评价模型及其含义参见魏权龄编著的《数据包络分析》［13］，具体计算采用 DEA 分析软件DEAsolver 中的CCR 模型。运用DEAsolve 分析软件，计算区域企业创新要素集聚效益水平的相关指标:有效值θ，以及投入冗余额和产出不足额，分析其效益水平及投入冗余和产出不足等情况，以采取有针对性的措施，进一步提升集聚效益。

三、区域企业创新要素集聚效益实证分析

1.数据资料

依据上述建立的区域企业创新要素集聚效益评价指标体系(见表1)，利用《中国统计年鉴－2014》、《中国科技统计年鉴－2014》，以及中国科技统计网(网址:http://www.sts.org.cn/)发布的《中国科技统计资料汇编(2014)》等统计资料，采集各评价指标的相关统计数据，经计算、整理得2013年我国30 个省(市、区)规模以上工业企业有关指标的原始数据，并进行标准化处理后得各指标的标准化值(见表2)。

表2 2013年各地区企业创新要素集聚效益评价指标标准化值

续表2

2.创新要素集聚与转化水平指标的主成分提取

针对表2各指标的数据，运用SPSS 13.0 for Windows 统计分析软件中的主成分分析法进行KMO and Bartlett＇s Test 检验，检验结果表明，创新要素集聚与转化水平指标所属的变量均满足主成分分析的基本条件。

经运算，所提取的创新要素集聚水平指标各主成分因子得分的计算公式如下:

同理，可得创新要素转化水平指标各主成分因子得分的计算公式如下:

式中，P 为各指标对应的标准化值。代入表2中的数据，可计算得到各地区企业创新要素集聚与转化水平指标各主成分因子的得分(见表3)。

表3 各地区企业创新要素集聚水平与转化水平指标主成分因子得分

3.创新要素集聚效益的DEA分析

由于表3中部分投入与产出的主成分因子指标值为负值，而传统标准的 DEA 模型(CCR 和BCC 模型)都要求输入和输出都要为正数。因此，本文根据有关研究成果［14］，对表3数据进行位移变换。针对位移变换后的数据，采用DEAsolver 软件中的CCR 模型，计算出的结果如表4所示:

表4 2013年各地区企业创新要素集聚效益DEA计算结果

续表4

根据表4的计算结果，下面分析2013年各地区企业创新要素集聚效益的有效性及投入冗余和产出不足情况:

(1)有效性分析

从表4可以看出，2013年全国30 个地区中，有23 个地区企业创新要素集聚效率值大于0.8，其中8 个地区的效率值为1;除山西、青海、宁夏三个地区略低外，其他地区的效率值也接近0.8。数据表明30 个地区企业创新要素集聚效益普遍较好，即在目前的投入条件下，各地区基本能达到最大创新效益。但由于各个地区的创新激励政策、创新环境等因素不同，企业创新要素集聚效益仍有高低之分。从计算结果来看，北京、天津、江苏、浙江、福建、江西、广西、河南等8 个地区为DEA 有效，反映了这些地区投入－产出的相对最优性，实现了最大的投入产出效益。其余22 个地区均为非DEA 有效。其中，河北、吉林、黑龙江、上海、山东、湖南、海南、重庆、四川、贵州、云南等11 个地区的效率值在0.85 以上，表明这11 个地区企业创新要素集聚效益较好;内蒙古、辽宁、安徽、湖北、广东、陕西、青海、新疆等8 个地区的效率值在0.75－0.85 之间，说明这些地区企业创新要素集聚效益一般;山西、甘肃、宁夏这三个地区效率值低于0.75，表明这三个地区企业创新要素集聚效益较差，为高投入低产出区域。

进一步分析我们可以看到，北京、天津、江苏、浙江、福建、江西、广西、河南这8 个地区，虽然创新要素投入不同，但均位于生产前沿面，说明这些地区投入结构合理，产出效率高，企业集聚创新要素的效益较好。尤其是广西，基础薄弱，投入与产出排名均靠后，却是DEA 有效;而广东、上海这两个地区，投入与产出排名均位列前5 名，其效率却是非DEA 有效。这表明企业集聚创新要素效益水平并不完全取决于地区创新要素集聚投入或产出的多寡，关键在于实现资源的优化配置，即各地区如何将有效的资源集聚于企业，以实现集聚效益的提高。

(2)投入冗余和产出不足分析

依据DEA 方法的前沿面理论，非零的剩余变量的数值为投入冗余部分，非零的松弛变量的数值为产出不足部分。根据表4的计算结果，除了8个效率值为1 的地区达到最优转化，其他地区都有不同程度的投入冗余和产出不足。

表4中的非零投入部分，代表对应地区不同程度的投入资源浪费，没有做到资源的合理利用。从计算数据来看，非DEA 有效的22 个地区，投入均出现冗余，表明这些地区均存在投入资源浪费现象，其中黑龙江、陕西、甘肃等地区尤为严重。对于这些地区，必须查找原因，采取措施，避免投入的盲目性，增强投入的针对性和有效性，努力实现资源的优化配置。

表4中的非零产出部分，代表对应地区的转化能力不足。从计算数据来看，非DEA 有效的22个地区，均存在不同程度的产出不足，其中河北、山东、辽宁等地区的转化水平较差，表明创新要素转化为经济效益的效率有待提高。针对这一类情况，可以采取加大研发投入和后期成果转化方面的研究，让创新要素集聚效应更加明显。

四、结束语

研究结果表明，2013年我国30 个省(市、区)企业创新要素集聚效益总体良好，但不少地区仍存在不同程度的投入冗余和产出不足。另一方面可以看到，决定企业集聚创新要素效益水平的高低，关键在于实现资源的优化配置以及集聚系统各行为主体的协同，而不完全取决于地区创新要素集聚投入或产出的多寡。因此，不管是经济发达地区，还是经济欠发达地区，都要充分利用自身的优势，适时调整投入产出结构，准确进行产业定位;同时，政府、企业、高校和科研院所，以及公共服务体系等集聚主体要加强协同，从而以更高的效率促进创新要素向企业集聚，不断提升企业集聚创新要素的水平与效益。

注释:

［1］余泳泽:《创新要素集聚、政府支持与科技创新效率－基于省域数据的空间面板计量分析》，《经济评论》2011年第2 期。

［2］Iansiti M.，Technolodgy intergration:making critical choices in a dynamic world.Boston:Harvard Business School Press，2007.

［3］Siegel D.S.，Phan P.H.，“Analyzing the Effectiveness of University Technology Transfer:Implications for Entrepreneurship Education.Advances in the Study of Entrepreneurship”，Innovation，＆ Economic Growth，no.16(2005).

［4］Robinson D.K.R.，Rip A.，Mangematin V.，“Technological agglomeration and the emergence of clusters and networks in nanotechnology”，Research Policy，no.36(2007).

［5］Rasmussen E.，“Government instruments to support the commercialization of university research:Lessons from Canada”，Technovation，no.8(2008).

［6］Chang yuan chieh，Yang P.Y.，Chen Ming huei:“The determinants of academic research commercial performance:Towards an organizational ambidexterity perspective”，Research Policy，no.6(2009).

［7］李建华、刘玲利、郑 东:《科技资源要素的特征及作用机制》，《经济纵横》2007年第3 期。

［8］蒋 敏、陈昭锋:《我国企业自主创新的研发资源集聚模式》，《生产力研究》2009年第3 期 。

［9］杨 晨、周海林:《创新要素向企业集聚的机理初探》，《科技进步与对策》2009年第9 期。

［10］叶小岭、叶瑞刚、张颖超:《区域企业集聚科技创新要素水平及集聚效益评价研究》，《科技管理研究》2012年第15 期。

［11］耿怀欣、陈雅兰:《福建创新企业集聚技术创新要素的评估研究》，《科技管理研究》2012年第12 期。

［12］章文波、陈红艳:《实用数据统计分析及SPSS12.0 应用》，北京:人民邮电出版社，2006年。

［13］魏权龄:《数据包络分析》，北京:科学出版社，2004年。

［14］陈东清、黄章树:《福建省主导产业行业绩效分析－基于含有负值指标的BCC 模型和聚类分析》，《科技与产业》2013年第10 期。