基于超效率DEA模型的区域技术创新效率研究

*本文已于2015-03-27 15∶42在中国知网优先数字出版。 网络出版地址：http：//www.cnki.net/kcms/detail/21.1558.C.20150327.1542.014.html

【管理与实务】

基于超效率DEA模型的区域技术创新效率研究*

侯强， 周雪

(沈阳工业大学 管理学院， 沈阳 110870)

摘要：技术创新是区域发展的不竭动力，如何在资源投入有限的情况下提升技术创新效率，日渐成为各方关注的热点问题。采用非径向的超效率SBM模型，对我国30个地区的技术创新效率进行测度和评价。以R&D经费投入、R&D人员全时当量、技术流入合同金额为投入指标，以国内专利申请授权量、新产品产值及技术市场成交合同额为产出指标，以各地区2012年的数据为依据测度其技术创新效率，指出我国整体技术创新规模效率值偏低，呈哑铃型的两极分化状态，地区间的效率值差异较大。同时，通过秩和检验发现我国东中西部的技术创新效率有明显差异，并在此基础上对效率值非有效的地区进行投入冗余和产出不足分析。

关键词：技术创新； 创新效率； 超效率； DEA模型； SBM模型； 秩和检验； 投入冗余； 产出不足

收稿日期：2014-11-17

基金项目：辽宁省教育厅基金资助项目(W2014026)。

作者简介：侯强(1980-)，男，内蒙古赤峰人，副教授，博士，主要从事产业组织与战略决策等方面的研究。

doi：10.7688/j.issn.1674-0823.2015.03.09

中图分类号：F124.3文献标志码：A

经济发展的持续动力来自于技术创新，特别是在环境约束和传统粗放式、外延式增长方式矛盾日益凸显的情况下，地区经济的发展对技术创新动力的依赖越来越强，由于我国处于三期叠加的特殊时期，其作用更加明显。技术创新一方面可以改造传统产业，另一方面可以创造新兴业态，因此各地方政府都十分重视技术创新，其效率和能力已成为区域关注的重点。

在投入资源有限的条件下，如何提升科技创新效率成为关键，而提升效率的前提是要对投入产出效率进行评价。相对而言，评价分为基于自身的纵向对比和横向的对比，横向对比将更有利于发掘地区之间的差距和发现标杆，找到学习的典型和改进的方向。

通过对技术创新效率的评价，区域可以判断其目前技术创新效率可以改进的空间，并找到其可以参考的前沿区域，即能够找到学习的对象。通过对投入冗余和产出不足的分析，区域可以优化投入结构，提升产出能力，进而实现创新资源的有效配置。这样区域就可以借鉴经验，优化自身的投入产出结构，提高技术创新资源的利用效率，进而提升区域整体的竞争力。

一、文献综述

国内外学者对技术创新效率评价的研究已经取得丰硕的成果，使用的方法主要包括DEA(数据包络分析)、SFA(随机前沿分析)和Malmquist指数等投入产出分析法，其中DEA是最为常用的方法。

国外方面，Astrid Cullmann等(2006)利用DEA方法评估德国配电公司东西部的平均效率，以劳动、资本和峰值负载能力作为投入指标，以单位销售、客户数量作为产出指标，结果发现公司在德国东部的平均效率明显高于西部[1]。Seong Kon Lee等(2011)运用层次分析法和DEA模型来评估氢能源的相对技术效率，为科学地实现氢能源经济效益和改善国家能源安全性提供参考依据[2]。

V.J.Thomas等(2010)对美国50个州的研发效率之和进行研究，并通过比较各国2004—2008年的研发效率发现中国、韩国、巴西和印度的研发效率呈现明显上升趋势，专利申请量对国家研发效率的评价效果具有很大的影响[3]。Sebastin Lozano等(2014)对传统的DEA模型进行改进，进而提出网络DEA模型，并运用该模型对欧洲航空公司进行效率分析，发现网络DEA模型对效率值具有更高的辨识度，效率得分和排名更加有效[4]。

国内学者的研究内容主要集中于区域技术创新效率的分析和比较方面。李曈等(2014)对传统的DEA模型进行改进，提出具有权重偏好的DEA模型，并对2011年江苏省13个地级市的技术创新效率进行评价，结果表明偏好DEA模型的评价区分度明显好于DEA模型[5]。王奇珍等(2014)运用DEA模型测算2006—2010年我国东部十省市的技术效率，结果发现其整体技术创新效率较高，产出不足是造成技术创新效率非有效的主要原因[6]。刘战伟(2013)运用DEA模型对河南省2005—2008年的区域技术创新效率进行实证研究，并应用Tobit回归分析方法分析河南省技术创新效率的主要影响因素，指出河南省应缩小地区差距，调整产业结构，加强政府支持和人才建设[7]。

孙建等(2012)根据中国区域1999—2008年的技术创新相关数据，利用空间过滤理论、面板协整理论及随机前沿分析(SFA)模型对中国区域创新效率及影响因素进行研究，发现中国区域创新存在着明显的空间相关性[8]。龚雪媚等(2011)采用我国2002—2006年30个地区的面板数据对区域技术创新流程进行研究，运用随机前沿分析(SFA)方法测算了我国区域技术研发效率和商业化效率，发现区域技术创新效率整体有所提高，但是地区之间的差距明显加大[9]。

施卫东等(2009)运用DEA的方法，对2001—2005年环渤海经济圈7省市区的国民经济技术效率水平和全要素生产率的变动进行分析，指出该区域内技术效率低的原因是经济发达地区与欠发达地区的两极分化[10]。张宗益等(2008)使用基本的DEA模型对我国31个省市自治区2002—2006年的区域技术创新效率进行了分析，结果显示我国区域技术创新效率虽呈上升趋势，但总体水平较差且存在较为明显的地区差异[11]。

王家庭等(2010)将技术创新划分为试验创新与产品创新两阶段，利用DEA方法对2002—2007年我国区域技术创新进行了实证分析，结果表明试验创新效率基本稳定，产品创新效率提升幅度较大，技术进步是创新效率提升的关键[12]。刘志迎等(2012)运用多系统DEA对我国31省的技术创新效率进行评价，发现我国技术创新效率存在明显的区域差异，并结合各地区的发展实际提出相应建议[13]。

二、评价方法的选择

技术创新效率评价的方法主要有单指标评价方法、计量经济评价方法、综合评价方法和非参数规划DEA方法。在这4种指标评价方法中，单指标评价方法无法体现效率评价的多属性，计量经济评价方法需要经过严格的检验，且只能有一个产出指标，综合评价方法一般需要主观确定权重，而DEA方法能够对多个产出指标进行评价。

根据实际需要，运用DEA方法进行分析评价的模型有很多种，本文选择非径向的超效率SBM模型对各地区技术创新效率进行评价，原因包括：(1)传统的DEA模型(CCR、BCC模型)对效率值为1的决策单元的辨识度较低；(2)由于技术创新系统是一个复杂系统，不能只从投入和产出角度进行分析，且传统的DEA模型忽视了投入产出要素的松弛性；(3)由于投入的非径向性，而传统超效率是基于径向性的，所以本文选择非径向的超效率SBM模型进行区域技术创新效率的评价和分析。

模型形式为

(1)

当目标函数ρSE≥1时，被评价的决策单元相对有效；当ρSE<1时，被评价的决策单元相对无效，需要对投入产出进行必要改进。

三、指标和样本选择

1. 指标选择

技术创新效率是指技术创新过程中投入要素转化为产出要素的比例，因此，在进行技术创新效率评价时，首先应确定合理的投入指标和产出指标。

通过对国内外相关文献的研究和总结，并考虑非径向的超效率SBM模型对数据的要求以及数据的可获得性，选择R&D内部经费支出、R&D人员全时当量和技术流入合同金额作为投入指标，选择国内专利申请授权量、新产品产值以及技术市场成交合同额作为产出指标。对于投入指标，R&D内部经费支出和R&D人员全时当量衡量各地区研发投入力度，技术流入合同金额是各地区引进外来技术所花费的资金，衡量各地区进行技术改造和技术升级的投入强度。对于产出指标，国内专利申请授权量是各地区直接创新行为，新产品产值和技术市场成交合同额分别衡量各地区进行技术创新和技术交易的成果。因此，这6项指标能够分别从人力、财力、物力方面对各地区技术创新的投入和产出进行衡量和评价。

2. 样本选择与描述性统计

本文选择省级层面的数据进行测算，选择大陆地区省、直辖市和自治区作为分析对象，由于西藏自治区的数据不全，因此选择其余30个地区作为决策单元。超效率SBM模型本身用于截面分析，同时各地区的投入和产出指标相对平稳，所以本文采用我国30个地区2012年的截面数据，具有很强的代表性。数据来源于《中国科技统计年鉴(2013)》和EPS全球统计数据分析平台，具体指标的描述性统计如表1所示。

表1　各地区投入产出指标描述性统计

在表1的统计数据中，均值与中位数的比较表明各项指标呈偏左分布，极差和方差的比较显示各项指标数据的波动较大，最明显的为国内专利申请授权量。

四、测度结果与分析

1. 总体分析

本文在指标选择和数据收集的基础上，运用非径向超效率SBM模型对我国30个省、直辖市、自治区进行技术创新效率评价，结果如表2所示。

结果显示，在我国30个地区中有5个地区的技术创新效率相对有效，效率值由高到低依次为北京、广东、江苏、浙江、安徽，其余25个地区的技术创新效率仍有提升空间。这30个地区技术创新效率均值为0.4118，其中技术创新效率值高于平均值的地区占地区总数的37%，整体技术创新规模效率相对较低。效率值的中位数低于平均值为0.3271，表明大部分地区的效率值位于平均值的左边，效率值偏左分布，呈两边集中的哑铃形状。极差为1.2774，表明地区间技术创新效率差异较大，呈现两极分化状态。

表2　2012年我国30个地区技术创新效率排名

2. 区域差异分析

通过秩和检验测算东中西部地区技术创新效率之间的差异性，采用排序替代选项的独立样本，假设效率值的分布在地区类别上相同，通过Jonckheere-Terpstra检验，在显著水平为0.05时的检验结果为拒绝原假设，即东中西部的效率值有明显差异。

通过对表2所列的我国30个地区的技术创新效率值进行分析可以发现，在效率值相对有效的5个地区中，北京、广东、江苏、浙江均属于东部地区，而且效率值排在前10位的地区中，80%为东部沿海、经济发达地区，而效率值偏低的地区大多数为中西部地区。东部沿海、经济发达地区与中西部地区在研发能力、人力资本和技术要求上的差异导致各地区对技术创新的投入力度不同，技术创新效率也随之不同，而不同的地理环境、科研实力和经济发展程度也是东中西部地区技术创新效率存在明显差异的重要原因。

3. 改进空间

对技术创新效率非有效的地区进行投入冗余和产出不足的分析，也就是对投入、产出指标的实际值与目标值进行比较和分析，而实际值与目标值之间的差距即为改进空间。由于各地区在资源、能力和技术创新要求上的差异，选择改进值与实际值之间的比例进行冗余度的分析，为地区根据自身特征制定改进计划提供参考。投入指标冗余的地区如表3所示。

表3　投入指标冗余的地区

注：按各地区投入指标冗余程度从高到低顺序排列。

一般而言，投入指标出现冗余包括两种情况：一方面，资源投入过多造成拥挤效应，冗余部分资源发挥了逆向作用，降低整体的技术创新效率；另一方面，资源分配的不合理或资源的低效使用也是造成冗余的重要原因，其结果是资源得不到有效利用，对提高技术创新效率无法发挥作用。

在R&D经费投入指标上，大多数企业仍有很大的提升空间，其中山东、广西、河南和湖南等省份出现的冗余程度比较大，表明这些省份很大一部分的R&D经费没有发挥其相应的作用，需要在资金投入方面制定必要的改进计划，使经费得到充分利用。

人力资源出现冗余能够造成技术创新效率值的降低，同时在一定程度上增加地区技术创新的劳动力成本和运营成本，加大管理难度。在与人力资源有关的R&D人员全时当量指标上，广西是冗余程度最高的地区，表明该地区的人力资源没有得到有效利用，需要改进的空间比较大，应制定合理的人员机制调整人力资源的投入力度，提高技术创新效率。

在技术创新效率非有效的地区中，技术流入合同金额出现冗余的地区数量比前两个投入指标多，这说明各地区对技术引进和技术改造的重视程度比较高，但技术上的投入冗余并没有使引进的新技术发挥作用，降低了地区整体技术创新效率值。以海南省为例，其技术流入合同金额冗余程度较高，地区技术引进和技术改造没有发挥应有的作用，具有很大的改进空间。

产出指标不足的地区如表4所示。国内专利申请授权量直接反映地区的技术创新能力。

表4　产出指标不足的地区

注：按各地区产出指标不足程度从高到低顺序排列。

由表4可知，内蒙古、江西、湖北等地区在该指标上的产出比其他地区低，专利申请授权能力较弱。在3个产出指标中，大多数地区在新产品产值上存在不足。以山西为例，其新产品产值不足程度最高，与前沿面的差距较大，拥有更大的提升空间。在技术市场合同成交额方面，产出相对不足的地区包括广西、海南、宁夏和福建等，其中广西的技术市场合同成交额的实际值与目标值差距较大，表明该城市在技术交易上的能力较弱，需制定改进政策以提升技术市场合同成交能力。

4. 典型省份技术创新效率分析

在技术创新效率非有效的区域中，以典型地区辽宁省为例进行分析。作为东北地区的老工业基地，辽宁省十分重视高新技术的引进和技术创新的成果，但其技术创新效率并不理想，在所研究的30个地区中处于中等水平。辽宁省的生产前沿面为北京，与其相比，辽宁省在R&D经费投入和技术流入合同额两项投入指标上均出现冗余，在国内专利申请授权量和新产品产值指标上出现不足，说明在技术创新方面，辽宁省过于重视短期的规模效益，资源投入力度较大，但能够创造价值的资本投入和技术投入并不多，而技术创新的配套机制并不完善，设备使用效率低，从而造成资源的浪费和新产品的产出不足。因此，从技术创新的投入和产出角度，辽宁省应当降低引进新技术和购置新设备的资金投入，优化R&D经费的使用结构，提高资金的使用效率，同时加强对新技术引进后的消化吸收，从整体上提高地区的技术创新能力。

五、结论

本文选择我国大陆30个地区2012年技术创新投入与产出指标的数据，运用非径向的超效率SBM模型进行技术创新效率的衡量和评价，发现我国整体规模效率水平偏低，效率值偏左分布且呈两极分化的哑铃形状，地区间的效率值差异较大，东中西部地区的效率值存在明显差异。对于技术创新效率非有效的地区，从投入冗余角度看，多数地区在技术流向合同金额指标上出现冗余且改进空间较大；从产出不足角度看，专利申请量较目标值差距较小，但新产品产值和技术市场成交合同额仍有很大的提升空间，各地区应根据自身特点制定针对投入冗余和产出不足的改进方案。

参考文献：

[1]Christian H，Astrid C，Andreas K.Efficiency analysis of German electricity distribution utilities：non-parametric and parametric tests [J].Applied Economics，2006，38(21)：2553-2566.

[2]Seong K L，Gento M.Measuring the relative efficiency of hydrogen energy technologies for implementing the hydrogen economy：an integrated fuzzy AHP/DEA approach [J].International Journal of Hydrogen Energy，2011，36(20)：12655-12663.

[3]Thomas V J，Seema S，Sudhir K J.Using patents and publications to assess R&D efficiency in the states of the USA [J].World Patent Information，2010，33(1)：4-10.

[5]李曈，刘周成，张研，等.基于偏好DEA模型的江苏省技术创新效率评价 [J].河南科学，2014，32(6)：1096-1101.

[6]王奇珍，朱英明，杨连盛.基于DEA的区域技术创新效率研究：以东部十省市为例 [J].南京理工大学学报：社会科学版，2014，27(2)：19-26.

[7]刘战伟.河南省技术创新效率及影响因素研究：基于DEA与Tobit模型的实证分析 [J].安徽商贸职业技术学院学报：社会科学版，2013，12(4)：5-9.

[8]孙建，吴利萍.中国区域创新效率及影响因素研究：空间过滤与异质效应SFA实证 [J].科技与经济，2012，25(2)：25-29.

[9]龚雪媚，汪凌勇，董克.基于SFA方法的区域技术创新效率研究 [J].科技管理研究，2011(16)：57-62.，Astrid C，Andreas K.Efficiency analysis of German electricity distribution utilities：non-parametric and parametric tests [J].Applied Economics，2006，38(21)：2553-2566.

[2]Seong K L，Gento M.Measuring the relative efficiency of hydrogen energy technologies for implementing the hydrogen economy：an integrated fuzzy AHP/DEA approach [J].International Journal of Hydrogen Energy，2011，36(20)：12655-12663.

[3]Thomas V J，Seema S，Sudhir K J.Using patents and publications to assess R&D efficiency in the states of the USA [J].World Patent Information，2010，33(1)：4-10.

[5]李曈，刘周成，张研，等.基于偏好DEA模型的江苏省技术创新效率评价 [J].河南科学，2014，32(6)：1096-1101.

[6]王奇珍，朱英明，杨连盛.基于DEA的区域技术创新效率研究：以东部十省市为例 [J].南京理工大学学报：社会科学版，2014，27(2)：19-26.

[7]刘战伟.河南省技术创新效率及影响因素研究：基于DEA与Tobit模型的实证分析 [J].安徽商贸职业技术学院学报：社会科学版，2013，12(4)：5-9.

[8]孙建，吴利萍.中国区域创新效率及影响因素研究：空间过滤与异质效应SFA实证 [J].科技与经济，2012，25(2)：25-29.

[9]龚雪媚，汪凌勇，董克.基于SFA方法的区域技术创新效率研究 [J].科技管理研究，2011(16)：57-62.

[10]施卫东，孙霄凌.环渤海经济圈技术效率增进与全要素生产率变动的实证分析 [J].科学学与科学技术管理，2009(2)：18-22.

[11]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，2008，22(12)：123-127.

[12]王家庭，单晓燕.我国区域技术创新的效率测度及动态比较 [J].中国科技论坛，2010(11)：73-78.

[13]刘志迎，郭磊，周志翔.基于多系统DEA模型的技术创新绩效省际比较研究 [J].研究与发展管理，2012，24(5)：90-99.

Research on regional efficiency of technology innovation based

on super efficiency DEA model

HOU Qiang, ZHOU Xue

(School of Management, Shenyang University of Technology, Shenyang 110870, China)

Abstract：Technical innovation is an inexhaustible driver for regional development. It has become one of the hot topics of concern to all parties that how to enhance the efficiency of technological innovation in the circumstances of limited resources investment. Using the non-oriented super-SBM model, the technology innovation efficiency of 30 regions in China are measured and evaluated. By taking the R&D expenditure, R&D personnel FTE and the technical inflow contract amount as the input indicators, and the accepting number of domestic patents, the output value of new products and the technology markets traded contract amount as the output indicators, based on the 2012 data in different regions, the efficiencies of technology innovation are measured. It is proposed that the overall technology innovation scale efficiency in China is low, and forms dumbbell-shaped polarization state, which means that the difference of technology innovation between the areas is large. Moreover, through the rank sum test it is found that there are obvious differences of the technology innovation efficiencies among the areas of eastern, central, and western China. And on the above basis, the over investment and insufficient output are analyzed for the areas whose efficiency values are not effective.

Key words：technology innovation; innovation efficiency; super efficiency; DEA model; SBM model; rank sum test; over investment; insufficient output

(责任编辑：张璐)