研发效率导向下的产业研发投入结构

研发效率导向下的产业研发投入结构

王成东1,2，綦良群1，蔡渊渊1

(1.哈尔滨理工大学管理学院，黑龙江哈尔滨150080；2.哈尔滨工程大学经济管理学院，黑龙江哈尔滨150001)

摘要：以产业研发投入结构为研究对象，从研发投入来源结构和使用结构两个方面对研发投入进行分析。结合研发产出分析，建立以研发效率为导向的产业研发投入-产出评价指标体系；构建改进的DEA模型，并基于中国装备制造业的截面数据和面板数据进行双维度实证研究。实证结果表明：改进的DEA模型具备较高的有效性；装备制造业的研发效率和研发资源配置结构随技术和管理水平的提升得以持续改善，但仍有较大提升空间。建议通过扩大研发资源总体投入规模和增强政府投入力度等策略提高中国装备制造业的研发效率，改善研发投入的来源结构和使用结构。

关键词：研发投入结构；效率导向；装备制造业；DEA

基金项目：国家自然科学

收稿日期：2014-08-18

作者简介：王成东(1982-)，男，山东人，哈尔滨理工大学副教授，哈尔滨工程大学博士后；研究方向：装备制造业发展战略。

中图分类号:F426，F062.4

Industrial R&D Input Structure Oriented by the R&D Efficiency

Wang Chengdong1,2，Qi Liangqun1，Cai Yuanyuan1

(1.School of Management，Harbin University of Science and Technology，Harbin 150080,Beijing;2.School of

Economics and Management，Harbin Engineering University，Harbin 150001,Beijing)

Abstract：By analyzing the structure of R&D investment from both sources-structure and using-structure perspectives，this paper builds up the input-output index system for evaluating the R&D efficiency and the ideal structure of R&D investment.Beside that，this paper constructs the improved DEA model and makes an empirical study based on both cross sectional and panel R&D data of equipment manufacturing industry in China.The result of the empirical study shows that，the R&D investment of Chinese equipment manufacturing industry is obviously insufficient，and the structure of R&D investment is not reasonable.According to the empirical study result，this paper puts forward the ideal structure of R&D investment of Chinese equipment manufacturing industry for DEA efficient.At last，this paper gives the suggestions for promoting the R&D efficiency of equipment manufacturing industry,such as increasing the R&D investment scale and the government R&D investment.

Key words:Structure of R&D investment；Efficiency oriented；Equipment manufacturing industry；DEA

通过技术创新和科技进步提升中国的产业质量，是国家战略“提高自主创新能力，建立创新型国家”的具体体现[1]。

本文以研发效率为导向，从研发投入来源结构和使用结构两个方面对研发投入进行分析，针对中国装备制造业提出提高产业研发效率和优化产业资源配置结构的对策建议。

1国内外研究现状分析

研发效率是研发投入与研发产出之间的一种转换关系[2]，因此研发效率的相关研究首先集中于对研发产出和研发投入的评价领域。如在研发产出方面，Seema 和Thomas等则以专利作为研发活动的产出[3]；研发投入方面，大多数学者均采用研发经费和研发人员这两个指标来衡量研发活动的投入[4]；王燕妮则对高管长期股权激励和短期报酬激励对研发投入的影响进行了研究[5]。其次，由于研发是特定环境下的一种经济活动，必然会受到多层次、多角度因素的共同影响，因此研发效率的影响因素成为相关学者研究另外一个重点，如Koellinger探讨了企业家信心水平对研发效率的影响[6]；陈仲常和余翔研究了新产品市场需求、行业竞争以及外部筹资环境这三方面的外部环境因素对企业研发的影响[7]。张光磊等探讨了组织结构、知识吸收能力对研发团队创新绩效的影响[8]。陆正华等指出，物质资本、人力资本和自然资本对研发效率具有显著影响[9]；史欣向和梁彤缨则研究了社会资本对研发效率的影响[10]。除此之外，学者们还探讨了研发效率的评价模型[11]，并针对区域和产业研发效率进行了大量实证研究，如朱有为、谢伟和余泳泽等对中国高技术产业的研发效率进行了测度研究[12]。成力为和戴小勇利用中国2005—2007年30万家工业企业数据，对工业企业研发投入总量、研发强度等企业内部影响因素和外部资金支持因素进行实证分析[13]。刘和东对中国30省市的区域研发效率进行了实证评价，并提出了提高区域研发效率的对策建议[14]。可见，当前国内外对研发效率的研究主要集中于研发投入产出评价指标、研发效率影响因素，以及产业研发效率实证等研究领域。国内外相关成果在研究方法选择、评价模型构建和评价指标确定等方面为产业研发效率研究提供了有益参考。然而，通过对当前研发效率相关研究成果的分析可知，缺少从研发投入结构角度对产业研发效率的研究，且针对装备制造业产业研发效率的研究也相对不足。

2产业R&D投入-产出结构分析

2.1产业R&D投入-产出结构分析

由国内外相关研究成果可知，产业R&D投入包括研发经费和研发人员等多种资源[15]。由于研发人员投入可通过经费投入予以衡量，且其数据可得性存在一定障碍，本文仅以产业研发经费投入结构作为主要研究对象。从研发经费角度来看，产业研发投入主要涉及资金的筹集和使用两个方面，因此本文从研发投入来源结构和使用结构两个方面对研发投入结构进行分析。

从研发投入来源的角度来看，产业研发投入结构包括政府投入、金融机构投入、企业自筹和FDI四个维度，可分别用产业研发投入中的国家预算资金、国内金融机构贷款、企业自筹资金和利用外资额四个指标予以评价。

从研发投入使用的角度来看，产业研发投入使用结构包括研发人员劳务支出、研发设备支出、技术引进支出和国内技术购买支出四个维度，可分别用产业研发人员劳务费，研发仪器和设备费用，技术引进、消化、吸收费用，以及购买和改造国内技术费用予以评价(见表1)。

表1　R&D投入-产出结构及评价指标体系

2.2产业R&D产出结构分析

产业R&D产出结构可从中间产出和最终产出两个层次予以度量。产业R&D中间产出一般通过专利申请数指标予以衡量[16]。对于产业R&D的最终产出，吴延兵等曾以新产品开发数作为其衡量指标[17]，但该指标并不能准确反映产业R&D的质量，更不能全面反映创新成果的商业价值和经济化水平[18]。因此，在借鉴相关研究成果的基础上，本文选择产业专利申请数和产业新产品销售收入对产业R&D产出进行度量。

3以效率为导向的产业R&D投入结构分析模型构建

Andersen和Herbert等学者分别提出超效率模型和复杂结构系统网络DEA模型对传统的DEA模型进行改进[19]。然而，上述改进由于无法有效避免优先信息带来的错误或偏见，往往使得评价结果无法准确反映事实状况。而不含优先信息的改进模型则往往由于从最有利于自己的角度求得输入指标与输出指标的权向量，从而导致了不同决策单元的效率缺乏可比性。针对以上DEA模型的不足，借鉴苏屹等学者的研究成果，设计改进的DEA模型对产业R&D效率及其投入结构进行分析[20]，具体步骤如下：

(1)构造虚拟DMU。构造虚拟的最优决策单元和最劣决策单元，分别命名为DMUn+1和DMUn+2。DMUn+1输入向量Xn+1=(x1,n+1,…,xi,n+1,…,xm,n+1)T，DMUn+2输入向量Xn+2=(x1,n+2,…,xi,n+2,…,xm,n+2)T；DMUn+1输出向量Yn+1=(y1,n+1,…,yr,n+1,…,ys,n+1)T，DMUn+2输出向量Yn+2=(y1,n+2,…,yr,n+2,…,ys,n+2)T。

其中最优DMUn+1以实际全部DMU指标中的最小值和最大值分别作为其输入和输出指标值；最劣DMUn+1则以实际全部DMU指标中的最大值和最小值分别作为其输入和输出指标值，即xi,n+1=min(xi1,…,xin)，yr,n+1=max(yr1,…,yrn)；xi,n+2=max(xi1,…,xin)，yr,n+2=min(yr1,…,yrn)。

不难看出，DMUn+1和DMUn+2有可能并不存在于生产可能集内部，其引入只是作为一个参照，为有效区分各DMU的效率服务。

(2)建立最优决策单元DMUn+1的效率评价模型。以n+2个决策单元的效率评价值为约束，以最优决策单元DMUn+1的效率评价值V*n+1为目标函数建立新的DEA模型：

(1)

则DMUn+1显然是DEA有效的，则有V*n+1≡1，但模型(1)有无穷多组最优解α*和β*，需筛选以确定对所有DMU都有符合要求的公共权向量。

(2)

模型(2)以最劣决策单元DMUn+2的效率评价值最小为目标。相对于模型(1)，其增加约束条件βTYn+1-αTXn+1=0，以使得DMUn+1的效率评价值最大。通过模型(2)可对最优决策单元无穷多组权向量进行筛选，得出使最劣决策单元效率值最小的一组权向量。

(4)求各DMU的效率值。在求解模型(2)得到最优解α**、β**基础上，利用模型(3)求出各决策单元的效率评价值。

(3)

(5)重复上述过程得到各DMU的效率值及其投入项理想规模。以上一步骤中效率最大单元和最小单元DMUα和DMUβ分别代替之前的最优和最劣决策单元，即DMUn+1和DMUn+2，并重复上述步骤，得到实现所有DMU的充分有效排序，并获得各DMU的效率值及各指标的RMij(i=1…8,j=1…n)值。

(4)

式中，Poi为研发投入结构各要素RMi的原始值。

4实证研究：基于截面数据与面板数据的双维度实证

4.1实证数据来源

由于统计口径差异、统计资料缺失和统计时限等问题，本文所选取的面板数据为2001—2013年间中国装备制造业的研发相关数据；截面数据为2013年中国除港澳台和西藏地区外(因西藏地区工业数据基本为零，且港澳台等地区产业统计数据不可得)30省市装备制造业相关数据。装备制造业的细分行业依据GB/T 4754—2011进行划分。实证研究数据主要来源于《中国统计年鉴》和《中国高技术产业统计年鉴》等官方统计年鉴。

4.2研发效率测算及分析

(1)基于面板数据的分析：研发效率及研发投入结构演进规律测度与分析。运用前文模型对2001—2013年装备制造业研发效率进行测度，测算结果如表2所示。

通过对测度结果的分析可以看出，中国装备制造业的研发效率不断提高。进一步分析可知，装备制造业研发效率的持续提高，仅在2007年出现小幅回落。该结果说明，在装备制造业研发过程中，无论是研发投入的来源结构，还是研发投入的使用结构均日趋合理化。究其原因，研发效率的持续提高和研发结构的不断改善可归因于装备制造业在研发过程中所采用的产业技术，以及研发过程中的管理水平的长足进步和不断改善。

表2　2001—2013年装备制造业研发效率

注：irs，crs和drs分别表示规模收益递增，不变和递减(下同)。

(2)基于截面数据的分析：研发效率现状及理想研发投入结构的测度与分析。

①30省市装备制造业研发效率测度与分析。利用前文模型对中国30省市2013年装备制造业研发效率进行测度，测算结果如表3所示。

（1）由教育部或政府部门成立虚拟仿真实验协会，规范和监管仿真实验平台建设。主持制定仿真实验研发标准，约束平台建设的规范性，为平台建设的验收和评估提供依据。主持安排高端实验项目的研发工作，协调资源分配与共享，评估平台建设质量和水平。监督检查平台的运维与持续发展。调研中发现不少仿真实验平台缺乏专人维管，信息常年不更新，电子档案残缺不全，仿真实验设而不开，投入的资金没能起到应有的作用。有协会监管、评估可促使仿真平台的健康持续发展。统一接口技术，利于二次开发。

表3　2013年30省市装备制造业研发效率

从表3可以看出，区域装备制造业的研发效率具有较大的区分度。可见，改进的DEA模型有效解决了传统DEA评价方法中无法对DMU进行有效区分和充分排序的问题，因而具有较高的科学性和有效性。

从全国范围来看，目前绝大多数区域装备制造业研发效率是规模效率递增的，说明当前研发投入的增加有助于装备制造业研发效率的提高。另一方面，装备制造业研发效率普遍偏低，说明装备制造业的研发不仅缺少必要的投入，且投入资源结构不合理，而研发过程中所用技术和管理水平的低下是其重要原因，该结果反映出产业研发领域重研发投入、轻研发管理的现状。

②理想研发投入结构测算与分析。由于虚拟DMU的引入，使得中国30省市装备制造业的研发均处于DEA无效状态。因此，在进行理想研发投入结构测算时，应将虚拟DMU去除掉，仅对目前30省市各指标的投入冗余情况RMij进行测算。为了方便研发投入结构的测算，本文将投入冗余转换为投入不足，记为-RMij，得到区域装备制造业研发投入不足测度结果，其中部分测度结果如表4所示。

表4　30省市装备制造业研发投入不足概况

测度结果显示，目前各省市在装备制造业研发方面存在普遍的投入不足问题，增加装备制造业各研发投入结构要素的绝对数量对提高其研发效率具有重要意义。

从研发投入来源结构来看，装备制造业在政府投入资金和利用外资方面做得相对较好，达到DEA有效的资金缺口仅为306952万元和16672万元；但在金融机构投入和企业自筹资金投入量缺口较大，达到DEA有效的资金缺口为1950188万元和1553924万元。该结果表明以下几点：第一，政府在装备制造业研发领域的投入力度较大，但投入资金总体规模有限；第二，金融机构对研发投入的缺口较大，说明金融机构对基础性研发项目支持不足，其资金支持多集中于市场效益较好的“短平快”项目；第三，装备制造业企业在研发自筹资金方面缺口同样较大，说明装备制造业企业的研发投入强度相对较低，尚未达到国际先进水平；第四，装备制造业研发领域FDI投入规模相对较为合理，显示FDI在研发投入方面具有较高技术和管理水平，且研发投入结构相对合理，但从长远角度来看FDI对中国本土装备制造业的研发具有一定的抑制作用。

从研发投入使用结构来看，装备制造业在国内技术购买支出方面缺口较大，达到899411万元，反映了当前创新成果交易平台不完善、交易规模偏小、部分创新成果无法转换成产品和生产力的问题依然比较突出；研发人员劳务支持的缺口也较大，达到345113万元，说明对科研工作者的重视和激励程度还有待进一步提高；装备制造业的研发设备支出缺口相对较少，仅为281652万元，说明中国一直较为重视研发物质硬件的提高，研发效率低下的主因并非物质条件的限制，而是技术和管理水平低下才是主因。装备制造业技术引进支出的缺口较少，仅为91165万元，这与中国一直采取“市场换技术”等技术引进战略的事实相符。然而，基本达到DEA有效的技术引进支出，并未实质性提高装备制造业的研发效率，说明实施技术引进战略对装备制造业研发的推动作用并不明显。

在投入不足-RMij的基础上，结合不同区域各投入原始值，计算求得各投入理想值如表4中“理想值”行所示。以研发投入理想值中的最小值为参照，进一步求得装备制造业研发投入的现实结构和理想结构如表5所示。

表5　装备制造业研发投入理想结构

5结论及政策建议

(1)产业研发投入结构包括研发投入来源结构和研发投入使用结构两层内涵，其中研发投入来源主要包括政府投入、金融机构投入、企业自筹和FDI四个方面，研发投入使用则主要包括研发人员劳务支出、研发设备支出、技术引进支出和国内技术购买支出四个方面。

(2)以研发效率为导向，针对产业研发投入和产出特征，对产业研发效率评价方法进行了选择，并构建了改进的DEA效率评价模型；在此基础上以装备制造业的研发效率及研发投入结构为例进行了双维度实证研究，验证了所构建指标体系及评价模型的科学性和有效性。

(3)揭示了装备制造业研发效率及研发投入结构的演进规律及特征，提出了装备制造业研发投入达到DEA有效的理想结构，其中研发投入来源结构为3.214:36.073:31.723:1，研发投入使用结构为5.323:1.954:1:4.241。

(4)建议通过改善装备制造业技术及管理水平，增加研发投入总体规模，适度增加政府、金融机构和企业自筹研发资金比例，调整研发人员劳务支出，以及促进国内相关创新成果交易平台的形成与完善等策略，提高中国装备制造业的研发效率及研发投入结构的合理性。

参考文献：

[1]白俊红,江可申,李婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界,2009,25(10):51-61.

[2]Elena Cefis，Orietta Marsili.Born to Flip.Exit Decisions of Entrepreneurial Firms in High-tech and Low-tech Industries[J].J Evol Econ，2011，21(3)：473-498.

[3]Sharma S，Thomas V J.Inter-country R&D Efficiency Analysis：an Application of Data Envelopment Analysis[J].Scientometrics，2008，76(3)：483-501.

[4]史欣向,梁彤缨.广东省大中型工业企业研发效率研究——对中间—最终产出效率矩阵的探索和应用[J].科学学与科学技术管理,2011,32(05):115-122.

[5]王燕妮.高管激励对研发投入的影响研究——基于我国制造业上市公司的实证检验[J].科学学研究,2011,29(7):1071-1078.

[6]Koellinger P.Why are some Entrepreneurs More Innovative than Others[J].Small Business Economics，2008，31(1):21-37.

[7]陈仲常,余翔.企业研发投入的外部环境影响因素研究——基于产业层面的面板数据分析[J].科研管理,2007,28(2):78-84,123.

[8]张光磊,刘善仕,彭娟.组织结构、知识吸收能力与研发团队创新绩效:一个跨层次的检验[J].研究与发展管理，2012,24(2):19-27.

[9]陆正华,李瑞娜,钟伟.研发效率的区域差异影响因素研究——基于中间—最终产出效率视角[J].科学学与科学技术管理,2013,34(06):102-111.

[10]史欣向,梁彤缨.社会资本影响了研发效率——基于中国省际面板数据的经验研究[J].科研管理,2013,34(5):73-79,110.

[11]李春好,苏航.基于交叉评价策略的DEA全局协调相对效率排序模型[J].中国管理科学,2013,21(3):137-145.

[12]余泳泽,武鹏,林建兵.价值链视角下的我国高技术产业细分行业研发效率研究[J].科学学与科学技术管理，2010,31(05):60-65.

[13]成力为,戴小勇.研发投入分布特征与研发投资强度影响因素的分析——基于我国30 万个工业企业面板数据[J].中国软科学,2012,27(8):152-165.

[14]刘和东.中国区域研发效率及其影响因素研究——基于随机前沿函数的实证分析[J].科学学研究,2011,29(4):548-556.

[15]George L.The Economic Assessment of Research and Development[J].Management Science，1969，16(1):40-41.

[16]陈修德,梁彤缨.中国高新技术产业研发效率及其影响因素——基于面板数据SFPF模型的实证研究[J].科学学研究,2010,28(08):1198-1205.

[17]吴延兵.用DEA方法评测知识生产中的技术效率与技术进步[J].数量经济技术经济研究,2008,(7):67-79.

[18]李向东,李南,白俊红,谢忠秋.高技术产业研发创新效率分析[J].中国软科学,2011,26(02):52-61.

[19]Herbert F Lewis，Thomas R Sexton.Network DEA：Efficiency Analysis of Organizations with Complex Internal Structure[J].Computers & Operations Research，2004，31(9)：1365-1410.

[20]苏屹,喻登科,李柏洲.基于改进DEA的我国高技术企业技术创新绩效研究[J].科学学与科学技术管理,2012,33(6):71-76.

(责任编辑谭果林)