江西省战略性新兴产业效率分析——基于三阶段DEA分析方法

文/王春晨（江西财经大学，江西南昌 330013

江西省战略性新兴产业效率分析
——基于三阶段DEA分析方法

文/王春晨（江西财经大学，江西南昌 330013

利用江西省11个市区2012～2013年战略性新兴产业数据，进行三阶段DEA分析。剔除环境变量与随机因素影响后，综合效率均值、规模效率均值下降，纯技术效率上升，表明江西省各市区战略性新兴产业投入产出效率受环境因素影响较大。进一步通过SFA回归分析表明：产业结构越优化、工业化水平越高、对外开放程度越高，R&D费用、固定资产投资额、劳动力投入就会相应减少，节约了资本与人力资源，战略性新兴产业的投入产出效率就会提高。此外，政府扶持力度过大时，将会引起R&D费用、固定资产投资额存在投入过剩的现象，导致大量资本浪费，不利于战略性新兴产业投入产出效率的提高。

战略性新兴产业；三阶段DEA；环境因素；随机因素

自2009年江西省十大战略性新兴产业发展规划实施以来，全省经济发展呈现强劲势头。2014年全省GDP达到15700亿元，相比2013年增长9.7%，规模以上工业增加值为6833.7亿元，其中战略性新兴产业增加值增长11.3%，约拉动全省工业增长5个百分点。在“十二五”规划的最后一年，江西省将全力以赴推进战略性新兴产业的发展，实现战略性新兴产业产值的跨越式增长。基于此，分析江西省战略性新兴产业投入产出效率将为政府有针对性地制定战略性新兴产业发展规划提供依据。

一、文献综述

目前，关于战略性新兴产业的研究已取得巨大的进步。Sarah Lublik等研究了英国传统的制造业在低成本外包模式背景下，新兴产业的技术推动与市场拉动对制造业作用［1］。Masaaki Kotabe研究了905个新产品的创新，强调在战略性新兴产业发展过程中，高科技创新在产品研发过程中的重要作用［2］。Min Lin，Yi Wang等对我国各省市的战略性新兴产业竞争优势进行定量分析，为产业的发展和培育提供参考依据［3］。Lily Wang分析了中国战略性新兴产业在技术创新和人才方面面临的不确定性［4］。同时，很多学者对我国战略性新兴产业的创新效率进行评价，肖兴志、谢理应用我国2000～2008年我国战略性新兴产业的有关数据，应用SFA模型对我国战略性新兴产业创新效率进行测算，结果表明我国战略性新兴产业整体创新效率不高，呈现缓慢上升的趋势［5］。李红锦、李胜会构建了我国LED产业创新效率评价指标体系，同时运用SFA方法对LED上市公司的创新效率进行评价，结果显示研发投入对企业销售收入影响最显著，但我国LED产业研发投入严重不足，缺乏核心竞争力［6］。刘晖、刘轶芳等运用我国2007～2012年28个省市面板数据为研究样本，对我国战略性新兴产业技术创新效率进行测度，研究发现我国战略性新兴产业技术创新效率存在明显的区域间不均衡，除北京与广东综合效率达到有效外，其他地区均属于低效状态，说明战略性新兴产业投入产出效率存在巨大的改善空间［7］。

关于江西省战略性新兴产业的研究基本上集中于对策研究，梁威、廖进球对江西省战略性新兴产业规模竞争力、对外贸易竞争力、盈利竞争力进行分析，得出江西省战略性新兴产业在全国的竞争力处于弱势地位，竞争力亟待提高，政府需要加强对战略性新兴产业的研发资本投入，抢占技术制高点［8］。王薇分析了江西省战略性新兴产业的特点及存在的问题，提出江西省要立足于产业现状，充分发挥资源优势，进一步加强对战略性新兴产业项目的服务管理，推动战略性新兴产业集群式发展的对策［9］。喻登科、陈华等利用江西省2010年战略性新兴产业相关数据对江西省战略性新兴产业的科技资源投入产出效率进行评价，提出科技资源的高效利用是江西省战略性性新兴产业可持续发展的关键［10］。

现有文献，对于江西省战略性新兴产业的研究主要集中在定性分析，而鲜有文章对于江西省各市区战略性新兴产业进行效率测度，并进行差异化比较。鉴于此，本文采用三阶段DEA方法对江西省各市区战略性新兴产业投入产出效率进行测算，比较江西省各市区战略性新兴产业的综合技术效率变动和技术进步。

二、研究方法及数据

（一）三阶段DEA

三阶段DEA方法是Fried等人在2002年提出的一种新的效率评价模型，它克服了一阶段DEA模型和二阶段DEA模型无法剔除环境因素影响的缺点，能够利用松弛变量把环境因素的影响剔除，更加真实地反映各决策单元的效率情况［11］。具体包括三个阶段：

1.第一阶段：基于传统的可变规模报酬的BCC模型对投入产出变量进行分析。传统的BCC模型是测度规模报酬可变的条件下，各决策单元的效率，所测算的技术效率可以分解为纯技术效率与规模效率两部分。投入导向下对偶形式的BCC模型表达式如下［12］:

其中，n表示有n个决策单元，xj为投入要素，yj为产出，s-表示松弛变量，s+表示剩余变量，j0为决策单元。

2.第二阶段：构造SFA模型剔除环境因素的影响，并利用模型估计结果对各决策单元投入变量进行调整。首先，构建随机前沿生产函数，以投入变量的冗余变量（即实际投入量与理想投入量的差额）作为被解释变量，以环境变量作为被解释变量，建立SFA方程如下：

其中，m表示决策单元的个数，n表示投入松弛变量；Sij表示第j个决策单元的第i个投入变量的冗余变量，fi（zj，βi）表示环境因素对投入冗余变量的影响，vij表示随机误差项，假设服从分布，uij表示管理无效率项，服从截断正态分布，即利用上式估计结果对投入变量进行调整，使所有决策单元剔除随机干扰项的影响，调整至相同的环境条件下，测算出剔除环境因素、随机误差影响的实际投入值。调整方法如下：

其中，xij为调整前的投入值为调整后的投入值，为环境变量的待估系数；代表把所有决策单元调整到相同的环境条件下，即把各个决策单元调整到受环境因素影响最大的情况下，让其处于最差的环境中；代表把决策单元的随机误差调整到相同状态，“过滤”了偶然性因素的影响。

3.第三阶段：针对调整后的投入值与未调整的产出值进行DEA分析。将从第二阶段得到的调整后的投入值与未调整的原始产出值带入BCC模型再次进行测算，由此得到的各个决策单元剔除了环境因素影响的效率值。

（二）指标选取与数据来源

1．投入产出指标的选择。本文测算江西省11个市区的战略性新兴产业投入产出效率，根据数据的可得性，选取3个投入指标，2个产出指标。

（1）产出水平。对于战略性新兴产业的产出水平的衡量标准，目前国内学者们并未形成统一的意见。在已有文献中，学者大多选用战略性新兴产业增加值来代表产出水平。因此本文选取各市区每年战略性新兴产业增加值衡量产出水平，更能客观的反映战略性新兴产业产出变动情况。

（2）盈利能力。在已有文献中，有的学者选用营业收入来衡量盈利能力，但营业收入中包含了营业成本、销售费用、管理费用等，并不能客观反映战略性新兴产业的盈利能力。利润是在营业收入基础上扣除相关费用、减值损失后的净额，更能够真实反映战略性新兴产业获利能力。

（3）R&D费用投入。科技支持是战略性新兴产业进步的基石，R&D费用的投入是科技支持战略性新兴产业发展最直接的体现，文章选取战略性新兴产业内部研发经费用支出作为R&D费用投入的衡量指标。

（4）战略性新兴产业固定资产投资额。在众多已有的文献中，一般采用永续盘存法计算，函数表达式为Kt=（1-δ）×Kt-1+It，其中Kt表示第年的固定资本存量，Kt-1表示（t-1）年固定资本存量，δ表示折旧率，It表示第t年全社会固定资产投资。由此推算基期资本存量K0=I0/（g+δ），其中g表示计算期内全社会固定资本投入量的年平均增长率。借鉴薛俊波、王铮的研究，我国各行各业折旧率平均值为7.17%，折旧率δ的取值定为7.17%［13］。

（5）劳动力投入。杨青在研究交通行业劳动投入量时以各地区年中就业人数表示劳动投入量，即用上年年末就业人数与本年年末就业人数总和的均值替代每年劳动投入量［14］。本文借鉴此方法，用各市区战略性新兴产业上年年末就业人数与本年年末就业人数总和的均值表示劳动力投入。

2．Pearson相关系数检验。在运用DEA模型进行分析时，所选取的投入指标与产出指标之间必须符合“同向性”假设，即随着投入的增加，产出不得减少。本文对投入指标与产出指标进行Pearson相关系数检验，结果如下表1所示。

根据相关系数的定义，相关系数值处于0.4～0.6之间为中度相关，0.6～0.8之间为高度相关，0.8～1.0之间为极高相关。由表1所列示的结果，江西省各市区的投入指标与产出指标相关系数均在0.4以上，表明两者之间存在中度相关或高度相关关系，因此所选取的投入指标与产出指标合理，适用于DEA模型进行分析。

3．环境变量的选择。影响江西省各省区战略性新兴产业投入产出效率的因素多且复杂，根据江西省各市区战略性新兴产业发展实际情况，选取如下环境变量：

（1）产业结构。产业结构反映各产业部门间的协调配合能力，产业结构优化代表各个产业部门间的协调配合能力提高，产出效率提升，生产模式从劳动密集型转换为更高级的技术密集型生产模式。战略性新兴产业的发展离不开技术的支撑，产业结构升级带动技术的进步，从而会提高战略性新兴产业产出效率。本文用江西省各市区第三产业增加值占当年各市区生产总值比重表示产业结构。

（2）工业化水平。一个地区的工业化水平代表着该地区的经济发展水平，工业化水平提高，体现为工业产业科技含量增加、经济效益提升、能源消耗降低。工业化水平制约着战略性新兴产业自然资源与人力资源的分配，将工业化水平作为其影响因素之一。林高榜在研究城市化与工业化时用工业产值占国内生产总值的比例表示工业化水平，本文借鉴此方法用各市区工业产值值占当年各市区生产总值比重表示。

（3）政府扶持。通常政府支持产业发展主要通过以财政补贴为主要手段的直接扶持和以减免税收为主要方式的间接扶持。政府对企业的扶持会促使企业获取充足的资金，提升自主创新能力。本文研究用各市区战略性新兴产业中国有企业增加值占该地区战略性新兴产业增加值的比例表示政府扶持［15］。

（4）对外开放程度。通过与国际市场对接，国内企业不仅能吸收丰富的管理经验，还能通过海外市场寻求更充裕的资金，加大对科技的投入，进一步提升生产效率。对外开放水平越高，越有利于扩大国际市场，产品需求增多，企业会不断寻求技术改进，提高产品的产出效率。用各市区进出口贸易总额与当地地区生产总值比值即外贸依存度表示对外开放程度。

（5）金融发展水平。战略性新兴产业属于资金密集型、技术密集型产业，在其发展壮大过程中离不开金融机构的资金支持；战略性新兴产业通过吸收投资，不断改进生产技术，从而提高产出效率。采用金融机构存款余额与贷款余额之和与生产总值表示。

战略性新兴产业概念是在2009年出现，为保证结论的严谨性，略去统计数据不完整的年份，选用2012～2013年的数据。本文应用数据来自《江西省统计年鉴》、各市区统计年鉴、各市区国民经济和社会发展统计公报。

表1 摇Pearson相关系数检验

三、实证结果说明

（一）第一阶段基于BCC模型估计结果

第一阶段基于传统的BCC模型对江西省11个市区战略性新兴产业投入效率进行分析，结果如表2所示。

表2显示，2012～2013年江西省各市区战略性新兴产业综合效率值平均为0.773，纯技术效率值平均为0.882，规模效率值平均为0.868，表明综合效率值不高的主要原因是由于规模效率值所引起。江西省各市区纯技术效率基本上均大于规模效率，其中南昌、景德镇、宜春和上饶处于生产前沿面上，纯技术效率值与规模效率值均达到有效，其他各市区均未达到生产前沿面，纯技术效率与规模效率存在一定程度的改进区间。从规模报酬来看，南昌、景德镇、宜春和上饶为规模报酬不变，吉安为规模报酬递减，说明吉安市战略性新兴产业投入过剩，需要适量减少生产要素投入，优化投入产出结构；其余各市区处于规模报酬递增，表明这些市区的战略性新兴产业投入产出结构未达到最优，适当增加投入，产出将会增加。

（二）第二阶段基于SFA模型分析结果

以第一阶段得出的决策单元各投入变量的松弛变量作为因变量，将环境因素作为自变量，进行SFA分析，通过Frontier4.1得到结果如表3所示。

由表3所列示的结果可知，R&D费用、固定资产投资额、劳动力三个投入变量的松弛变量模型中，环境变量影响因素大多通过了显著性检验，充分说明变量选取的合理性。三个投入松弛变量的值均在0.9以上，表明环境变量的影响在三种投入中占据主导地位，且三个投入变量的单边检验统计量值均通过了1%显著性检验。

具体分析每一个环境变量对投入要素的影响。①产业结构。以第三产业增加值占地区生产总值的比重衡量的产业结构对R&D费用、固定资产投资额、劳动力的估计参数为负值，这说明地区的产业结构与R&D费用、固定资产投资额、劳动力冗余变量间呈反向关系。即一个地区产业结构优化会导致R&D费用、固定资产投资额、劳动力投入量的减少，有利于节约成本，让资源达到优化配置，减少资源浪费，提高战略性新兴产业的投入产出效率。②工业化水平。以规模以上工业增加值占地区生产总值衡量的工业化水平对三个投入冗余变量具有负向影响，表明工业化水平的提高，意味着对新技术的吸引力会提高，技术进步导致R&D费用、固定资产投资额、劳动力的投入减少。工业化水平越高，人们的物质需求会极大满足，有利于消费需求的增加，从而带动新兴产业的发展，会极大促进战略性新兴产业投入产出效率的提高。③政府扶持。以国有企业增加值占地区生产总值衡量的政府扶持对R&D费用、固定资产投资额具有正向影响，表明政府对江西省战略性新兴产业的扶持力度加大，将会出现R&D费用、固定资产投资额存在投入过剩的现象，导致大量资本浪费，不利于战略性新兴产业投入产出效率的提高。这可能是由于政府扶持是一个长期的生产过程，短期内对企业的资金扶持，企业不能快速消化吸收，在长期企业内部生产结构优化，才会显政府扶持效果，短期内效率会下降。政府扶持对劳动力投入冗余具有负向影响，当政府扶持增加，企业对劳动力的投入就会减少，节约了人力成本，具有更高的投入产出效率。④对外开放程度。以战略性新兴产业进出口总额占地区生产总值衡量的对外开放程度对三个投入松弛变量估计参数都是负数，表明对外开放程度越高，R&D费用、固定资产投资额、劳动力投入量就会相应降低，资本和人力资源的节约有利于提高投入产出效率。通过进出口贸易，会带动外国的技术、资本、劳动力流入，引发市场竞争，国内企业会积极借鉴外国先进的技术、管理经验，不断提高企业经营管理效率，企业投入产出效率会极大提高。

表2 摇2012～2013年江西省各市区战略性新兴产业效率

表3 摇第二阶段SFA回归结果

由以上分析可知，环境变量对江西省各地区战略性新兴产业投入要素的冗余变量的影响程度不同，包含环境因素影响的效率评价可能会得到对江西省战略性新兴产业各决策单元不恰当的评价。因此，基于第二阶段的分析去除环境变量和随机因素影响，对原来的投入要素进行调整，将各决策单元置于相同环境因素下进行分析是有必要的。

（三）第三阶段调整后的DEA实证结果

利用第二阶段SFA模型回归结果，得到剔除环境变量与随机因素影响后的调整的三种投入变量值，利用DEAP2.1软件再次计算BCC模型下江西省各个市区战略性新兴产业投入产出效率。

由表4的结果可知，调整环境因素与随机因素的影响后江西省各市区的战略性新兴产业综合技术效率均值由0.773下降到 0.603，纯技术效率均值由 0.868上升到0.896，规模效率均值由0.868下降到0.786，未处于生产前沿面上的市区的纯技术效率均有所上升，这些变化充分说明了有必要剔除环境变量和随机变量的影响对投入变量进行分析。

（1）综合效率值在一定程度上可以反映各市区战略性新兴产业整体效率的高低，大部分市区调整后的综合效率值均低于调整前的效率值。景德镇、萍乡、九江、新余、鹰潭、吉安调整后战略性新兴产业的综合效率值均出现了不同程度的下降，赣州市投入变量经过调整后，处于生产前沿面上。说明各市区战略性新兴产业投入产出效率与环境因素的影响具有密不可分的联系。

（2）纯技术效率值在第三阶段经过分析后，赣州、吉安、抚州纯技术效率出现了大幅度上升，说明调整前纯技术效率值相对较低部分原因是由于较差的环境因素和随机因素造成的。

萍乡与九江纯技术效率值略有下降，而新余与鹰潭下降幅度较为明显，说明环境因素与随机误差对纯技术效率的影响显著。

（3）规模效率是反映各市区当前战略性新兴产业生产规模与最佳生产规模的差距，规模效率越接近1，表明生产规模越接近最优生产规模。除南昌、赣州、宜春、上饶四个市区，其余各市区均未达到最优生产规模，具有很大的上升空间。

表4 摇调整后的江西省各市区战略性新兴产业效率

四、结语

基于上述研究，对江西省战略性新兴产业的发展提出如下发展建议：

第一，着力改进高投入低产出的市区。抚州、新余等市区呈现出高投入、低产出的粗放型增长格局，在未来战略性新兴产业发展过程中，应注重合理优化资源配置，避免投入冗余。在重点培育战略性新兴产业发展的同时，积极带动其他特色产业发展，不断优化产业结构，改善高投入低产出的局面。

第二，注重新技术的研发与引进。各地区在战略性新兴产业发展中，注重科学技术的力量，适当增加科研经费投入有利于新技术的发展。各市区通过区域合作与交流，可以借鉴国内外先进的技术与管理经验，积极消化吸收新技术，应用于本地区战略性新兴产业生产实际中，最大限度地利用科学技术提高战略性新兴产业投入产出效率，实现其跨越式发展。

第三，政府扶持力度要适中。战略性新兴产业的繁荣发展离不开政府的支持，但是政府扶持力度过大，过多的资金投入会导致资源浪费，不能使资源合理配置，不利于战略性新兴产业投入产出效率的提高。因此，政府在对战略性新兴产业进行扶持时，可以从多角度、全方位进行，不只拘泥于资金的投入，例如完善战略性新兴产业信贷体系，通过税收优惠政策将民间资本、国外资本引入当地战略性新兴产业企业中。

［1］Sarah Lubik，Sirirat Lim，Tim Minshall.Market-pull and Technology- push in Manufacturing Start- ups in Emerging Industries［J］.Journal of Manufacturing Technology Management，2012，24（01）.

［2］Masaaki Kotabe，K.Scott Swan.The role of strategic alliances in high-technology new product development［J］.Strategic Management Journal，2007（16）.

［3］Min Lin，Yi Wang，Guisheng Wu.Regional Strategies for Developing Emerging Industries of Strategic Importance in China［J］.Journal of Science and Technology Policy in China，2013（04）.

［4］Lily Wang.China Vows to boost strategic emerging industries［J］.China Chemical Reporter，2012（23）.

［5］肖兴志，谢理.中国战略性新兴产业创新效率的实证分析［J］.经济管理，2011（11）.

［6］李红锦，李胜会.战略性新兴产业创新效率评价研究——LED产业的实证分析［J］.中央财经大学学报，2013（04）.

［7］刘晖，刘轶芳，乔晗.我国战略性新兴产业技术创新效率研究［J］.系统工程理论与实践，2015（09）.

［8］梁威，廖进球.江西省战略性新兴产业竞争力分析及提升对策研究［J］.江西财经大学学报，2015（03）.

［9］王薇.促进江西战略性新兴产业发展的对策探析——以光伏产业为例［J］.企业经济，2011（08）.

［10］喻登科，陈华，涂国平.江西省战略性新兴产业科技资源投入产出效率评价［J］.情报杂志，2013（02）.

［11］蒋萍，王勇.全口径中国文化产业投入产出效率研究——基于三阶段DEA模型和超效率DEA模型的分析［J］.数量经济技术经济研究，2011（12）.

［12］马占新，马生昀，包斯琴高娃.数据包络分析及其应用案例［M］.北京：科学出版社，2013.

［13］薛俊波，王铮.中国17部门资本存量的核算研究［J］.统计研究，2007（07）.

［14］杨青.交通基础设施投资对经济增长推动作用研究——基于中国省级面板数据分析［J］.价值工程，2010（10）.

［15］徐晔，陶长琪.我国战略性新兴产业环境技术效率测度研究［M］.北京：经济管理出版社，2014:82-83.

责任编辑：李 翔

F014.32

A

1008-6323（2016）03-0083-05

王春晨，江西财经大学信息管理学院硕士研究生。

2016-04-22