基于DEA方法的中国工业科技创新效率分析

晏 蒙，孟令杰

（南京理工大学经济管理学院，江苏 南京 210094）

1 引言

自20世纪80年代，随着科技和经济的发展，世界进入经济全球化时代，生产要素、产品、金融服务在全球范围内流动，世界经济形成了工业社会国家和后工业社会国家并存的二元结构格局。科技创新活动取代加工制造活动和产品营销活动在经济领域中占主导地位，国家的核心竞争力从工业社会的加工制造能力转变为后工业社会的科技创新能力。当前我国的工业发展面临着诸多方面的挑战和制约，首当其冲的就是资源环境约束，我国人均资源占有量不到世界水平的一半，而能耗水平却是世界平均水平的3至4倍，因此提高科技创新能力的愿望也更为迫切。其次，我国工业发展的关键环节对国外技术依赖程度过高，不利于我国工业发展的稳定、繁荣。因此，研究分析工业科技创新效率对我国工业发展具有极其重要的意义。

目前国内对于科技创新效率的研究较多，例如赵惠芳、李伟卫等人通过设计科技创新评价指标体系，运用数据包络分析方法分析了我国东中西部效率差异，并对相关问题给出了政策建议［1］。李红波、翟益群［2］运用DEA方法对中部六省科技投入产出相关数据进行分析评价，得出了中部六省科技创新的相对效率。王珍珍、黄茂兴［3］运用 DEA-Malnquist模型对我国省域科技创新效率进行了静态和动态分析，表明南方沿海经济区科技创新效率最高，而东北老工业基地的科技创新效率最低。郝晓燕、段亚燕［4］通过DEA模型对西部省份的科技投入产出数据进行了分析，表明西部12个省市自治区存在DEA无效，而其中尤以内蒙古的科技创新效率最低。晋蕾、白宪生［5］运用超效率DEA模型和DEAMalnquist指数法，利用山西及周边省份的面板数据分析山西技术创新效率变化的内在动力。刘亮等［6］利用数据包络分析方法对我国2004－2005年各省域工业企业的研发效率进行分析，评价了各省域科技投入产出的技术效率、规模效率、拥挤程度和纯技术效率的情况。通过上述文献回顾可以看出，（1）当前对工业科技创新效率的研究较少，大部分的学者的研究视角是宏观层面的讨论分析，不利于我国各行业的科技创新能力的提高。（2）较少对创新效率进行动态分解。（3）专利相关的科技创新效率的研究相对较少。

在前人研究的基础上，本文利用规模以上工业企业2011－2013年科技创新相关数据，结合DEA方法及Malmquist指数法对各省市工业科技创新效率进行深入分析，横向比较各省市自治区的工业科技创新效率，纵向分析科技创新效率的变动趋势，以期为我国工业科技创新效率的提高提供参考。

2 评价指标体系的构建

评价指标体系的构建要遵循4个重要原则，即：科学性原则、可比性原则、可行性原则和适应性原则。指标的选取要能够客观反映出工业企业的科技创新投入和产出的实际情况，依据工业企业的行业特点，兼顾数据的可得性、可靠性，本文选择规模以上工业企业R＆D人员全时当量、R＆D经费支出、新产品开发经费支出作为投入指标，规模以上工业企业专利申请数、新产品销售收入、技术市场成交额作为产出指标。建立如下的评级指标体系：

表1 科技创新效率评价指标体系

3 专利产出效率评价模型

3.1 DEA方法简介

1978年Charnel和Rhodes提出了数据包络分析法（DEA），DEA方法旨在用于多投入多产出情况下决策单元间相对有效性的评价。DEA方法的优点在于不需要涉及具体的生产函数，使用线性规划方法，根据数据构建的一个非参数的分段前沿面，根据这个前沿面就能够计算出相对效率。由DEA模型计算出来的边界在经济学上表达的是另一种含义，即包络线，而包络线包含着所有解，并由所有的最佳解形成一条边界。边界上的效率值为1，称为DMU有效。如果效率值小于1或不属于边界上，即DMU无效。根据规模报酬的不同假设，DEA模型分成了规模报酬不变（CRS）及规模报酬可变（VRS）模型。分别记为CCR模型和BCC模型。中国工业科技创新效率分析中涉及多投入和多产出，并且生产函数的具体形式是不明确的，因而使用DEA方法测度科技创新效率是可行的。

3.2 Malnquist模型

Malmquist指数测度了在时期t的技术条件下，从时期t到时期t＋1的技术效率变化。当前，使用最广泛的Malmquist指数模型为：TFPC＝EC×TC，式中，TFPC为基于CRS的Malmquist生产率变化指数，EC是基于CRS的技术效率变化指数，TC是基于CRS的技术进步变化指数。Malmquist指数概念建立在距离函数的基础上，投入距离函数是生产点（x，y）向理想的最小投入点压缩的比例，表示如下：

那么产出视角下的Malmquist指数可以分解为技术效率指数和技术进步指数：

最终Malmquist指数分解为：

其中pech是纯技术效率，sech是规模效率，techch是技术进步。

3.3 数据选择

从2011年起，规模以上工业企业的统计范围从年主营业务收入为500万元及以上的法人工业企业调整为年主营业务收入为2000万元及以上的法人工业企业。由于统计口径的改变，为了更好的衡量我国工业企业的科技创新效率，并且考虑数据的可得性以及完整性，本文选择除港澳台以外的31个省市自治区的2011－2013年规模以上工业企业相关数据进行效率测度和分析，数据来自知网数据库以及国家统计局，同时由于西藏自治区的技术市场交易额的缺失，故而从分析样本中剔除西藏自治区。在投入产出指标的数据处理中，本文借鉴赵惠芳等：我国东中西部专利创新效率差异研究一文中的处理方式，对所选取的指标数据采取标准化处理，用各决策单元实际值占所有参与评价的决策单元指标值绝对值之和的百分比来表示，各决策单元指标数值使用的是相对数。此外以2010年为基期，利用工业生产者出厂价格指数进行相关指标数据的价格平减，消除不同时期的物价水平的影响。

3.4 计算结果与分析

3.4.1 科技创新效率的测算

利用上述的模型分别计算出中国各省市的工业企业的科技创新效率综合水平（表2）。

表2 中国各省市工业技术创新效率计算结果

从总量水平来看，我国的工业企业的科技创新效率较为一般，大多数处于0.635到0.805之间，且大致呈现增加，后减少的趋势。我们可以看到科技创新效率从2011年以及2012年的0.693和0.635到2013年的0.809，这是一个很大的提升。这与党和国家在2012年底召开的“十八大”中明确提出的：科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置的观点有着密不可分的关系。党和国家在战略高度重视科技创新，强调要坚持走中国特色自主创新道路、实施创新驱动发展战略。反映在工业领域就是科技创新效率相比前期有了显著的改善。

从区域水平来看，中部以及西部地区与东部地区工业企业的科技创新效率的差距仍然很大，我国的东部经济发达地区的工业科技创新效率达到了0.779，远高于中部及西部地区的0.68和0.67，且任意年份均呈现出东部＞中部＞西部的趋势，但是我们应该看到，在国家的西部大开发战略得到贯彻落实的今天，西部地区利用自身的资源优势以及待开发优势吸引了大量的沿海发达地区资金技术的进入，正在逐步的缩小和东部发达地区的差距。而中部地区受困于生产结构与当前的经济形势不协调，使得中部地区经济缺乏活力，以河南省为例，当前及很长的一段时期内，河南省的工业企业仍然以国有重工业企业为主，依赖相对低的劳动力成本优势以及资源环境优势促进河南工业的高速发展的时代已经结束，劳动力成本的提高和资源环境约束使得整个河南的工业呈现出衰败、萧条的局面。中部地区需要加快经济体制改革，转变以往的高能耗换取GDP的工业发展观念，代之以科技创新促进经济持续增长的观念。进入发展新阶段，在国际上我国的低成本优势逐渐消失。面对经济新常态，与低成本优势相比，技术创新具有不易模仿、附加值高等突出特点，加快实现由低成本优势向创新优势的转换，可以为我国持续发展提供强大动力。

从省级层面来看，北京、天津、浙江、上海等东部经济发达地区科技创新效率处于前列，而陕西、青海、内蒙、山西等地区的科技创新效率排名却相对落后。东部发达地区由于经济发展的先发优势使得东部地区具有优越的科研条件，更能够使科技创新转变为经济增长。而西部地区因经济发展相对落后，有利于科技创新的诸多条件尚不具备，并且西部各省市对于科技创新的重视不足，经济发展仍以低技术加工业为主，增长方式仍较为粗放，从而科技创新效率总体较低。

3.4.2 科技创新效率趋势分析

将数据代入DEAP 2.1中进行运算可以得到表3。

表3 中国各省市工业企业科技创新效率的变化

根据上表所示，在过去的几年内，全国范围内工业企业的科技创新的TFP有大约13.4%的增长，而这个增长主要源于技术进步，技术进步处于17.6%的提高中。我国的工业一直保有正的TFP增长，但同时也应当看到技术效率较低，也就是与科技创新相关的设施、制度或者体系的不配套或者不健全，导致我国对先进技术的研发、引进、消化、吸收和改造力度不够，这是我国经济发展的痼疾，以轿车工业为例，从20世纪80年代中期开始，我国相继引进国外的品牌和设备，到目前为止几乎引进了世界范围内所有的主要轿车品牌投入生产，但由于未能对先进技术进行充分的消化吸收，使得核心技术始终掌握在他人手中，我们应该正视我国企业科技创新能力整体上比较薄弱的现实。技术效率低下最终导致中国工业企业的物质资源利用效率较低，以较高的物质资源消耗换取一定的经济增长。

再来看东部共11个省区的具体情况，东部地区有三个省TFP指数小于1，天津、福建、山东三省的科技创新效率出现大幅度的下滑，三者生产率下降的主要原因都是由于技术效率的下降，分别为0.776、0.686、0.815，与全国范围的分析一致，仍然是技术效率的下降导致科技创新效率的下降。东部地区以江苏、河北为首的其他9各省份的科技创新效率均有不同程度的提高，分别为1.37、1.342，这种增长达都来自于技术效率和技术进步的共同推动。再来看中部地区，中部地区的8个省份中只有江西省呈现出TFP负增长，全要素生产率指数仅为0.967，科技创新效率的下降是因为技术效率的下降，技术效率仅有0.858，是由相关的政策、体制以及一些规章制度等软环境的不配套所致。而同时，江西省的纯技术效率以及规模效率都处于负增长中，分别为0.942、0.911，也就是除了对技术研发利用不足的问题之外，江西省的工业企业的科研开发并没有处于最优的规模，这也影响了江西省的科技创新效率的提高。余下的山西、吉林、黑龙江、安徽、河南、湖北、湖南七省科技创新效率都有不同程度的提高，其中湖南省的科技创新增长率更是达到了1.239。最后来看一下西部地区，多年以来，随着西部大开发战略深入贯彻落实，我国的西部落后地区一改多年的贫困落后面貌，在工业企业的科技创新效率上逐步缩小与东部沿海发达地区的差距，赶上中部地区的发展步伐。本文选择考察样本时，根据数据的全面性，剔除了西藏自治区，故而西部地区只有11个省市自治区，可以看到西部地区中只有贵州省的生产率处于下滑中，仅有0.91，贵州省的科技创新效率的下降源于技术效率的下降，这又和前文分析的我国工业企业科技创新效率较低的原因不谋而合，贵州省的科技创新效率的技术效率仅有0.794，处于较大的下滑中。在西部11个考察样本中云南、陕西、甘肃、新疆四省的科技创新效率的提高主要来源于技术进步，而内蒙、广西、重庆、四川、青海、宁夏六省的科技创新效率的提高不仅仅源自技术进步，还有管理水平的提升和规模的优化。

4 结语

本文利用DEA和Malmquist指数方法对中国30个省区的工业科技创新效率及其变化特征进行了研究分析。结果显示，中国科技创新效率总体水平一般，只有少数省区达到了综合效率最优。从区域特征来看，东部、中部地区的科技创新效率一般要高于西部地区，呈现出与我国区域经济格局相似的特征。从省份层面来看，北京、天津、江苏、浙江、重庆等科技创新效率始终处于全国前列，而黑龙江、内蒙古、山西和宁夏科技创新效率相对落后。通过对30个省（自治区、直辖市）生产率变化指数的分解，发现技术变化指数对生产率变化起着促进作用，而技术效率变化指数则对生产率变化起着抑制作用。其中，技术效率下降主要是因为纯技术效率下降以及各省市工业企业规模与经济发展不相适应而引起的。

结合对中国30个省区工业科技创新效率及其变化特征研究和省区的发展实际发现，为了提高我国工业的科技创新效率，使科技创新能够更好地推动经济增长，给出以下的建议：

（1）从政府的角度来说，应该高度重视科技创新，加快科技体制机制改革创新。建立科技创新资源合理流动的体制机制，促进创新资源高效配置和综合集成；建立政府作用与市场机制有机结合的体制机制，让市场充分发挥基础性调节作用，政府充分发挥引导、调控、支持等作用；建立科技创新的协同机制，以解决科技资源配置过度行政化、封闭低效、研发和成果转化效率不高等问题；建立科学的创新评价机制，使科技人员的积极性主动性创造性充分发挥出来。

（2）从企业自身来说，提高自主创新能力是提高企业科技创新能力的关键环节。提高自主创新能力，首先要把握国际创新趋势、特点进行自主创新，使工业企业的自主创新能力得到提高；其次是要将优势资源整合聚集到战略目标上，力求在重点领域、关键技术上取得重大突破；再次，企业应该加强与高校、研发机构的协同创新，将技术创新的研究成果更多的转化到生产中。

（3）在提升科技创新效率的过程中，企业既要重视技术进步的提高，也要重视技术效率对科技创新生产率的重要意义，促进技术进步和技术效率协同增长。

［1］赵慧芳，李伟卫等.我国东中西部地区专利创新效率差异研究［J］.中国管理科学，2008，10（S7）：387－392.

［2］李红波，翟益群.基于DEA方法的中部六省科技创新绩效分析［J］.科技和产业，2010，10（4）：74－77.

［3］王珍珍，黄茂兴.我国科技创新效率的实证研究—基于 DEAMalmquist模型和中国省际面板数据［J］.技术经济，2013，32（10）：55－61.

［4］郝晓燕，段亚燕.基于DEA方法的西部省份科技创新绩效分析［J］.内蒙古科技与经济，2015，（1）：19－23.

［5］晋蕾，白宪生.山西技术创新效率与周边省份的比较研究—基于超效率DEA和DEA-Malmquist生 产率指数法［J］.科技和产业，2015，15（1）：98－105.

［6］刘亮，赵家辉.省域工业企业科技投入产出相对有效性分析［J］，当代经济，2008，3：152－153.

［8］魏楚，沈满洪.工业绩效、技术效率及其影响因素—基于年浙江省经济普查数据的实证分析［J］数量经济技术经济研究，2008，25（7）：18－30.

［9］朱爱辉，陈富民.中国装备制造业专利产出效率实证研究——基于超效率DEA模型和Malmquist指数模型［C］／／第十一届中国技术管理年会，湖南，2014，4.19－4.20.

［10］韩晓明，周业安等.创新型国家与政府行为［M］.北京：中国人民大学出版社，2009.

［11］洪亮.基于DEA模型的黑龙江省科技投入绩效评价研究［J］.科技管理研究，2010，（16）：58－61.

［12］司桂霞，徐长乐.基于DEA模型的长三角高技术产业投入产出绩效分析［J］.科技管理研究，2015，35（1）：77－82.

［13］Charnes A，Cooper W W.A note of the efficiency characterizations obtained in different DEA models［J］.Socio-Economic Planning Sciences，1998，22（6）：253－257.