高新技术产业园区创新绩效评价研究

杨亚柳，郑小为

(宿州学院，安徽 宿州 234000)



高新技术产业园区创新绩效评价研究

杨亚柳，郑小为

(宿州学院，安徽 宿州 234000)

随着知识经济时代的到来，各个高新技术产业园区纷纷加大技术创新的力度。为了确保这些投入获得所对应的产出，务必要加强对高新技术产业园区创新绩效评价的研究。本文阐述了创新绩效评价指标体系建立的原则，并基于《国家火炬计划统计年鉴》，选择北京、天津、沈阳等城市的高新技术产业园区进行创新绩效评价。选择2014-2015年的数据作为产出指标，选择2012-2013年的数据作为投入指标，深入分析了高新技术产业园区创新绩效评价。

高新技术产业园区；创新；绩效评价

高新技术产业园区是依靠先进的管理手段、科技资源、资金优势，利用一系列的改革措施和优惠政策来局部优化软硬环境，以便能够最大化地将科技成果转化为现实生产力的集中区域[1]。截止到2016年1月1日，我国已经批准建立了145家国家级高新技术产业园区。高新技术产业园区的设立对于增强我国大中型企业的国际竞争力、提升技术水平等方面具有较为重要的作用和意义。随着知识经济时代的来临，高新技术产业园区已经进入到一个全新的发展阶段，那就是以加强技术创新为核心[2]。

技术创新是指在生产经营活动中创造性地应用新技术，以便能够获得预期的社会效益和经济效益。技术创新成为实现经济快速增长的根本动力,是提高核心竞争力的主要途径之一[3]。基于此，各个高新技术产业园区纷纷加大技术创新的投入力度。为了确保这些投入获得所对应的产出，务必要加强对高新技术产业园区创新绩效评价的研究。

一、创新绩效评价指标体系建立的原则

(一)现实性与科学性原则

创新绩效评价指标体系的科学性是评价结构是否合理、准确的基础。为了能够真实、客观地反映高新技术产业园区创新体系的目标构成，我们需要结合指标结构、创新元素的合理性来设计创新绩效评价指标体系[4]。与此同时，创新绩效评价指标体系的设计也要紧密结合现实，多选取那些能够对高新技术产业园区技术创新能力予以真实反映的指标，以便能够更加真实可靠地评价高新技术产业园区的创新绩效[5]。

(二)突出重点原则

在建立创新绩效评价指标体系的过程中，有很多指标可供选择。选择的指标越多，就越能够体现出创新绩效评价指标体系的有效性；但若过多，则有可能适得其反，对关键因素的作用体现造成较大的影响。因此应该抓大放小，抓住主要指标，舍弃次要指标，用最准确、最精炼的指标来表达出需要评价的内容[6]。

(三)相对指标与绝对指标相结合原则

在对高新技术产业园区进行创新绩效评价的过程中，既要避免选取过多的相对指标而影响到那些规模较大的高新技术产业园区，又要避免选取过多的绝对指标而影响到那些虽然规模较小但发展潜力巨大的高新技术产业园区。务必结合使用相对指标与绝对指标，可用绝对指标来反映高新技术产业园区的现实经济实力，可用相对指标来反映高新技术产业园区的发展潜力。

(四)可操作性原则

在我国，创新绩效评价还处于正在探索的“萌芽期”。不同的高新技术产业园区具有不同的科技教育水平、社会经济水平、技术研发水平，其在技术创新过程中必然面临不同的问题。而在创新绩效评价指标体系中，又要采取统一性指标来评价它们的创新绩效。针对这种情况，创新绩效评价指标体系中所选择的指标应该具有可操作性、综合性，既要便于准确核算，又要易于获取[7]。

(五)动态性原则

高新技术产业园区的发展具有动态性，其真实情况很难在短时间内获得。所以在建立创新绩效评价指标体系过程中，既要考虑到高新技术产业园区未来的、潜在的创新绩效，又要考虑到现实的创新绩效。

二、高新技术产业园区创新绩效评价分析

(一)指标选取与数据来源

本文基于上述五个原则，选取了三类创新产出指标和创新投入指标。其中，创新产出指标包括高新技术产业园区的工业增加值、企业技术收入、专利授权数；创新投入指标则包括高新技术产业园区企业员工大专以上学历所占比例、技术研发人员数量、R&D经费支出[8]。高新技术产业园区创新绩效评价实质上就是对其投入与产出的比例进行评价。为了对高新技术产业园区的创新绩效进行更加精准的评价，本文选择的评价方法为DEA(数据包络分析)方法。值得注意的是，DEA模型要求“产出数量不变，但投入数量增加”。换而言之，就是要让其所选择的产出指标与投入指标具有较为明显的正相关性。除此之外，增加投入产出变量必然会降低DMU(DEA区分决策单元)效率，所以还要注意考虑到自由度；另外，DMU的数量应该达到3倍及以上的投入产出变量个数，以便能够确保评估的真实性[9]。

投入产出存在着一定的时间延迟性，因此，本文设置2年作为延迟时间。基于《国家火炬计划统计年鉴》，选择北京、天津、沈阳、大连、长春、哈尔滨、上海、南京、宁波、厦门、青岛、武汉、广州、重庆、贵阳、乌鲁木齐等城市的高新技术产业园区进行创新绩效评价，选择2014-2015年的数据作为产出指标，选择2012-2013年的数据作为投入指标。

(二)效率与规模报酬分析

本文选择EMS Versionl.3.0软件来对NIRS(非递增规模报酬形态效率)、VRS(纯技术效率)、CRS(整体效率)进行依次计算，而SE(规模效率)=CRS/VRS。当NIRS不等于VRS时，意味着决策单元处于IRS(递增规模报酬)阶段；当NIRS等于VRS时，意味着决策单元处于DRS(递减规模报酬)阶段；当CRS等于VRS时，意味着决策单元处于CRS(固定规模报酬)阶段。

2012-2013年，这些城市高新技术产业园区的平均整体效率有一定幅度的降低，约为2.07%，主要原因在于纯技术效率下降3.61%。由此可见，为了提高创新绩效，高新技术产业园区要对创新资源的使用效率予以高度重视。与2012年相比，2013年高新技术产业园区的平均规模效率提高了2.16%。

另外，乌鲁木齐、宁波、青岛、天津、上海、大连、哈尔滨、南京、武汉、广州、贵阳这些城市的高新技术产业园区在2012-2013年都属于非明显整体效率；上海、青岛、武汉、南京、宁波、广州、哈尔滨的高新技术产业园区在2012-2013年也都没有明显纯技术效率。由此可见，这些城市务必要加大对创新资源的使用效率予以高度重视；青岛、贵阳、乌鲁木齐的高新技术产业园区在2012-2013年没有明显规模效率，持续呈现出递增规模报酬状态，由此可见：这些城市的高新技术产业园区生产规模与其投入产出并不太适合，务必要加大对创新资源的投入力度。武汉的高新技术产业园区在2012-2013年持续呈现出递减规模报酬状态，那么武汉市可以对其创新资源的投入力度予以适当缩小；而大连、西安、上海的高新技术产业园区在2012-2013年的纯技术效率、整体效率有所提高，说明其创新绩效较佳。

对高新技术产业园区整体效率强度进行分析，可以看出：广州、重庆、沈阳、厦门、北京、长春的高新技术产业园区2012-2013年整体效率值高于0.90；由此可见，这些高新技术产业园区创新绩效的稳定性较强，处于良性发展阶段。

(三)敏感度分析

1.投入项去除技术研发人员数

高新技术产业园区的DMU效率提升与其技术研发人员数量存在着较大关系，特别是宁波、长春的高新技术产业园区2012-2013年效率值都出现了较大程度的降低。由此可见，高新技术产业园区创新绩效会受到技术研发人员数的较大影响。

2.投入项去除R&D经费支出

高新技术产业园区的DMU效率提升与其R&D经费支出存在着较大关系，特别是大连、贵阳、重庆、厦门的高新技术产业园区2012-2013年效率值都出现了较大程度的降低。由此可见，高新技术产业园区创新绩效会受到R&D经费支出的较大影响。

3.投入项去除员工大专以上学历所占比例

高新技术产业园区的DMU效率提升与其员工大专以上学历所占比存在着较大关系，特别是广州、南京、北京的高新技术产业园区2012-2013年效率值都出现了较大程度的降低。由此可见，高新技术产业园区创新绩效会受到员工大专以上学历所占比例的较大影响。

4.产出项去除专利授权数

高新技术产业园区的DMU效率提升与其专利授权数关系不大，但对乌鲁木齐高新技术产业园区影响较大，属于其优势项目。

5.产出项去除企业技术收入

高新技术产业园区的DMU效率提升与其企业技术收入存在着较大关系，特别是北京、大连、广州、重庆、厦门、沈阳、天津、西安的高新技术产业园区2012-2013年效率值都出现了较大程度的降低。由此可见，高新技术产业园区创新绩效会受到企业技术收入的较大影响。

6.产出项去除企业工业增加值

高新技术产业园区的DMU效率提升与其企业工业增加值关系不大，但对乌鲁木齐高新技术产业园区影响较大，属于其优势项目。

三、结论

2012-2013年，这些城市高新技术产业园区的平均整体效率有一定幅度的降低，主要原因在于纯技术效率下降。为了能够提高创新绩效，高新技术产业园区要对创新资源的使用效率予以高度重视。

广州、重庆、沈阳、厦门、北京、长春的高新技术产业园区2012-2013年整体效率值高于0.90。这些高新技术产业园区创新绩效的稳定性较强，处于良性发展阶段。

高新技术产业园区创新绩效会受到技术研发人员数、R&D经费支出、员工大专以上学历所占比例、企业技术收入的较大影响。高新技术产业园区的DMU效率提升与其专利授权数、企业工业增加值关系不大，但对乌鲁木齐高新技术产业园区影响较大，属于其优势项目。

[1]王娜,王星洲.基于SPSS因子分析和熵权分析的国有企业绩效评价指标体系研究:来自湖北省国有企业的实证[J].华北电力大学学报：社会科学版，2015,30(6):145-150.

[2]刘仲华.关于南昌市科技入园信息系统绩效评价指标体系的研究[J].科技经济市场，2015,21(12):110-114.

[3]徐婕.中国高新技术产业园区经济增长驱动因素实证研究[J].北京航空航天大学学报：社会科学版，2014,24(1):109-113.

[4]Li Lin, Wang Xiaofeng, geographical proximity and cognitive proximity on innovation performance tech industrial park - Analysis Based on Social Network[J].East China Economic Management, 2014,19(11):190-194.

[5]刘军，姚佐文.我国中部地区国家级高新技术产业开发区创新绩效评价[J].技术经济，2015,27(3):130-135.

[6]冯卓.高新技术产业园区自主创新能力评价指标体系及模型[J].大连海事大学学报：社会科学版，2008,22(1):90-94.

[7]A Charnes,W W Cooper,E Rhodes.Measuring the efficiency of DMU[J]. European Journal of Operational Research，2012,56(9):2341-2350.

[8]Muren Yan, Xie Jialong, Hu Shuhua, based on the “three forces model” national high-tech industrial park development Unbalanced Evaluation[J].Science of Science and Management,2011,16(10):281-287.

[9]薛强,赵静. 基于产业生态学的创新型产业集群培育路径分析——以32家新升级国家高新技术产业园区为例[J].中国科技论坛，2014,19(3):230-235.

2016-03-07

宿州学院科研平台开放课题“皖北高新技术产业园区绩效评价研究”(2014ykf26)。

杨亚柳(1986- )，女，助教，硕士，从事企业管理、产业集群研究；郑小为(1989- )，男，助教，硕士，从事国际经济与贸易研究。

F224;F276.44

A

2095-7602(2016)09-0062-04