基于网络DEA的区域创新网络共生效率评价

叶　斌,陈丽玉

(华南理工大学工商管理学院，广东　广州　510641)



基于网络DEA的区域创新网络共生效率评价

叶斌,陈丽玉

(华南理工大学工商管理学院，广东广州510641)

摘要：本文将区域创新网络看作是一个各类创新主体在其中相互竞争和合作，进行物质、信息和能量的交换，进而获得创新产出的共生系统，并利用网络DEA模型将区域创新网络中的多阶段生产过程模型化，考察区域创新网络的共生效率。研究结果表明：(1)我国区域创新网络共生效率较高的地区大多为经济发达地区和科技水平较高地区；(2)我国目前还不存在一体化共生的区域创新网络，少数省份的区域创新网络属于连续共生，间歇共生是发生得最多的区域创新网络共生模式，点共生只存在于少数几个省份的区域创新网络中。

关键词：区域创新网络；共生效率；网络DEA模型

一、引言

在谈到创新能力和效率时，一直以来人们更关注企业的内部。这种依靠自身的创新资源和能力的创新观念一直主导着企业的技术创新实践。虽然这种内化式的创新观念在很大程度上强化了企业的创新意识，并推动了20世纪的技术创新和经济发展。但是，20世纪80年代以来，随着知识型社会的深入发展，技术创新活动和技术创新环境愈来愈复杂，创新主体之间的关系越来越紧密，以应对越来越高的技术创新的难度和风险。技术创新的日趋复杂化不断要求多种互补性技术的同步发展，而且对创新的物质资源投入和知识技能投入的需求增加。在这种背景下，靠单个企业创新也就无法解决问题，需要掌握相关技术的创新主体携手合作，协同创新。已有许多研究表明，企业可以通过创新网络来获取互补性的资源，使资源的价值达到最大化。Glaister和Buckly(1996)研究发现，企业形成网络组织的目的不是分担风险或是经济规模，而是获得互补资源。这也从一个侧面反映出区域内企业、政府、高校/科研机构、金融机构及中介组织等异质主体创新主体形成创新网络的原因[1]。网络式创新模式将整个创新过程看作为一个创新主体与网络中其他成员进行物资、能量和信息的交换，知识、信息等资源，并通过外部资源内部化和协调机制优化配置创新资源，从而实现各创新主体之间的资源互补、利益共享、风险共担，更好地对外部环境变化做出相机反应。区域创新网络是指一定区域内众多创新主体(企业、研究机构、大学、地方政府和中介组织等)之间在特定的创新环境下相互作用所形成的促进创新的网络。区域创新网络一直被认为是区域经济发展的重要推动力，对区域经济增长、区域产业结构升级和区域整体竞争力提升具有显著的促进作用。要提高区域创新效率、提高区域创新网络对区域经济发展的支撑力度，就必须通过对区域创新网络的创新效率进行科学的评价，分析影响创新效率的主要因素，找出区域创新网络在创新过程中存在的问题，针对这些问题提出改进措施，进而提升区域的创新能力，促进区域经济的发展。

二、文献综述

DEA模型是根据一组关于输入、输出的观察值来估计有效生产前沿面的，是用来研究具有多个输入、特别是具有多个输出的复杂系统效率的有效方法，但是随着经济社会系统越发复杂，传统DEA模型的应用局限性也逐渐显现出来。从评价所涉及的主体来看，传统DEA模型将系统看成是“黑箱”来进行整体效率评价。这种做法忽略了复杂系统中各子系统的具体情况及子系统之间的关系，不仅对存在不同时间阶段的动态过程评价显得无能为力，而且还存在高估系统效率的可能。在这种背景下，Färe(1997)、Färe和Grosskopf(2000)、Zhu和Cook(2007)提出了多阶段网络DEA模型，将复杂网络系统中的多阶段生产过程模型化，假定系统某一阶段的输出变量成为其他阶段的输入变量，从而打开了复杂网络系统的“黑箱”，为我们深入考察复杂系统的运行效率提供了有力的工具[2-4]。

我国学者采用网络DEA技术进行创新效率评价的研究起步较晚，从2010年起相关的研究才开始出现。这些研究从企业、产业和区域三个方面对创新效率进行了测算。彭佑元和王婷(2016)运用二阶段网络DEA方法测算我国创业板科技创新型上市公司2012—2014年投资效率值及非效率投资的改进程度[5]。赵树宽和赵鹏飞(2010)、胡颖慧和陈伟(2013)、冯锋和燕会雷(2013)、赵嘉茜等(2013)、李阳(2015)、董艳梅和朱英明(2015)、王艳和周晶晶(2016)采用两阶段关联网络DEA模型对相关产业的技术创新效率进行了测算[6-12]。李邃等(2011)、尹伟华和袁卫(2012)、彭诚和郑长德(2014)、梁瑞敏和彭佑元(2014)、王博等(2014)构建两阶段网络DEA模型对我国区域创新效率进行了测算[13-17]。这些研究文献为我们评价创新效率提供了有益的借鉴，但这些研究成果也存在着一些不足之处：一是尽管对区域创新网络的研究较多，但是一直以来对其运行效率的分析还是缺乏共识和评判标准。究其原因，在于区域创新网络这一系统的动态性、自相似性、自组织性、复杂性等，涉及面宽泛而难以评价。二是这些研究虽然将创新过程的“黑箱”分解成“灰箱”，解决了创新效率被高估的问题，但由于其将各子过程视为相互独立的部分，遗漏了各子过程之间的互动，使结果也是有偏的。三是这些研究在用网络DEA模型进行测算时，采用的仍是CCR基本型，这样算出来的模型的效率范围只是在0～1之间，对于很多效率等于1的决策单元无法比较。

鉴于此，本文从一个全新的视角——共生来观察区域创新网络，并建立基于超效率的网络DEA模型，对我国区域创新共生网络的效率进行较全面的分析。所谓共生就是指不同生物种属按某种物质联系而生活在一起，共同适应复杂多变的环境，互相依赖，各能获得一定利益的一种生物与生物之间的相互关系[18]。Ahmadjian(1986)认为，共生是一种自然现象，生物体之间出于生存的需要必然按照某种方式相互依存、相互作用，形成共同生存、协同进化的共生关系[19]。共生既是普遍存在的生物现象，也是普遍存在的社会现象。在当代社会，共生而作为一种最基本的机制或利益关系模式，已经代替竞争成为现代生态学的最基本范式。因此，从共生的角度来研究区域创新网络各创新主体之间的信息传递、物质交流、能量传导以及合作创新，能够打开区域创新网络创新过程的“黑箱”，能够深入了解区域创新网络持续成功生存、繁荣、发展的根本依据和立足点，从而丰富和完善区域创新理论。

三、研究设计

区域创新网络为创新主体提供一种相互作用和互动的平台，不同创新主体资源通过创新网络实现相互合作，优势互补，资源共享，产生协同效应。与自然界的生物群落一样，区域创新网络也是一个相互联系、相互制约的统一综合体，具有很多与生物群落相似的特性，包括竞争性、协作性以及环境适应性等。在区域创新网络中，各创新主体为其他创新主体提供有利于生存的帮助，同时也获得其他创新主体的帮助。在共生理论视野下，区域创新网络中的各创新主体(共生单元)通过共生合作机制(共生界面)进行物质、信息和能量的交换，获得创新产出(图1)。

图1　区域创新网络的共生过程示意图

图1中，X1表示研究机构从共生环境中所获得的资金、人力资本等投入，研究机构的产出包括两部分：一部分是向企业输出的人才、技术等要素Z1，另一部分研究机构对共生环境的产出Z2。X2表示企业从共生环境获得的资金、人才等外部投入，与研究机构一样，企业的产出也包括两部分，一部分是向研究机构提供的资金等要素Y1，另一部分企业的最终的产品或服务产出Y2。

假设有n个决策单元(DMU)，在第一阶段研究机构有来自共生环境的投入X1有m种，来自企业的投入Y1有k种，在第一阶段研究机构的中间产出Z1有p种，对共生环境的产出Z2有q种；在第二阶段企业有来自共生环境的投入X2有r种，来自研究机构的投入Z1有p种，在第二阶段企业对研究机构提供的产出Y1有k种，最终的产出Y2有s种。以U1、U2、V1、V2、W1、W2分别代表X1、X2、Y1、Y2、Z1、Z2的权重。在规模报酬不变的情况下，如果不考虑区域创新网络各创新主体之间的共生关系，可以得到第i个区域创新网络(第i个DMU)的创新效率评价DEA模型为：

(1)

在考虑区域创新网络各类创新主体之间的共生关系，构造第i个区域创新共生网络的整体创新效率评价模型时，要满足如下两个条件：一是同一种要素无论存在于哪个子过程，也无论是作为产出还是作为投入，其权重都要保持一致；二是每个子过程都必须满足累积产出不超过累积投入，即生产前沿面条件。基于上述条件，本文构造出如下考虑共生关系的第i个区域创新网络的创新效率评价网络DEA模型：

(2)

式(2)中第一个约束条件是区域创新共生网络作为一个整体所需要满足的生产前沿面条件，第二和第三个约束条件分别是子第一阶段和第二阶段所要满足的生产前沿面条件。从式(2)我们可以看出，第一个约束条件恰好等于第二和第三个约束条件之和，故约束第一个约束条件可以去掉。因此式(2)可以进一步简化为：

(3)

在得到不考虑共生关系和考虑共生关系两种情况下第i个区域创新网络的创新效率后，可以求出该区域创新网络的共生效率为：

(4)

在计算两种情况下区域创新网络的创新效率时，上述网络DEA模型将区域创新网络分为两类：有效和无效，有效的区域创新网络其效率值均为1，这样导致对于多个同时有效的区域创新网络则无法做出区分，从而无法准确计算这些区域创新网络的共生效率。Andersen和Petersen(1993)提出超效率DEA模型，在评价某DMU时，以其他所有DMU构成参考集而不考虑被评价DMU本身[20]。在超效率DEA中，将某个DMU能增加其投入而仍保持相对有效性的最大比例值，称为该DMU的超效率值，显然该效率值有可能大于1。超效率DEA使有效的DMU之间也能进行区分，因此本文在计算区域创新网络的创新效率时将采用超效率的计算方法。

在区域创新网络的投入产出指标的选择上，本文借鉴已有文献的研究成果，并结合数据的可得性，构建了如下区域创新网络创新效率的评价指标体系(表1)。

四、计算结果与分析

本文选取我国30个省(自治区)、直辖市作为研究对象(由于西藏数据不全，没有包含在研究范围之内)。考虑到投入产出的滞后，因此本文的外部投入和产出分别采用2012年和2013年的相关数据。中间投入和产出则采用2012年的数据。数据主要来自相关年份的《中国统计年鉴》、《中国科技统计年鉴》和《高等学校科技统计资料汇编》。科研机构的所有指标数据，都是由研发机构和高校相对应指标数据加总形成。企业系统的相关指标采用规模以上工业企业的对应数据来衡量。各变量的描述统计量见表2。

表1 区域创新网络创新效率的评价指标体系

表2　区域创新网络投入产出指标的描述性特征

在使用DEA模型过程中投入与产出指标的选择很关键。网络DEA模型也不例外，不管是直接的投入产出指标，还是中间投入产出指标都必须能够解释各指标对于效率衡量的影响。因此，为了确保评价结果的可靠性，还要对投入与产出指标的进行相关性检验[21]。本文采用SPSS12.0软件对区域创新网络各投入产出指标的相关性进行了分析。分析结果表明，区域创新网络各投入产出指标均高度正相关，大部分指标之间的相关系数都在0.5以上，由此可知本文选取的区域创新网络投入与产出指标是合适的(限于篇幅，本文没有列出相关系数表)。

采用Matlab2012b软件编程，首先计算出第一阶段科研机构和第二阶段企业这两个子过程的创新效率，见表3。

以科研机构的创新效率为横轴，以企业的创新效率为纵轴，可以绘制出区域创新网络科研机构和企业创新效率散点图，见图2所示。

表3　区域创新网络科研机构和企业的创新效率

图2　区域创新网络科研机构和企业创新效率散点图

若以1为效率值的分界点，可将图2所示的区域分为4个象限。

第一象限为科研机构和企业创新效率都较高的区域创新网络。这类地区的区域创新网络不仅在创新资源投入转化为技术成果产出过程，而且在技术成果转化为经济效益产出过程都是高效率的。处于该象限的省份有北京、重庆、浙江和山东。

第二象限为科研机构创新效率较低，而企业创新效率较高的区域创新网络。这类地区的区域创新网络虽然在科研机构的创新资源投入转化为技术成果产出过程的效率较低，但是在技术成果转化为经济效益产出过程的效率却相对较高。处于该象限的省份有四川、陕西、上海、天津、广东等。这类地区应制定良好的创新激励政策，提高科研人员的积极性，提高原始创新资源转变成科技成果的数量和质量。

第三象限为科研机构和企业创新效率都比较低的区域创新网络。这类地区的区域创新网络在创新资源投入转化为技术成果产出，技术成果产出再转化为经济效益产出的过程都处于低效率之中。处于该象限的省份有河北、辽宁、湖北、山西等。这类地区应该从创新资源有效利用和科技成果高效转化等多个环节协调人手，从根本上解决双重低效的问题。

第四象限为科研机构创新效率较高，而企业创新效率较低的区域创新网络。这类地区的区域创新网络在创新资源投入转化为技术成果环节效率相对较高，但其在技术转化过程效率偏低，技术成果未能有效的推进区域经济的发展。处于该象限的省份有海南、河南和福建。这类地区应加强研发前的市场调查分析，向应用开发倾斜，以确保成果适应市场需求。同时，还建立相应的中介机构，加强高校、科研机构与经济产出单位之间的联系，从而提高成果转化率。

将区域创新网络视为一个整体，按照前文所构建的网络DEA模型，可以计算出各省(自治区)、直辖市创新网络在考虑共生关系和不考虑共生关系时的创新效率，以及区域创新网络的共生效率，见表4所示。

从表4可以看出，考虑共生关系时区域创新网络的创新效率要小于不考虑共生关系时的创新效率，这也证明了前文提到的一个观点，即将系统看成是“黑箱”而进行整体效率评价的做法很忽略了子系统的具体情况及子系统之间的互动关系，高估了系统效率。为了更清楚地对比省(自治区)、直辖市的共生效率，本文将各省份的区域创新网络的效率值绘制在折线图中，见图3所示。

从图3中可以看出，不考虑共生关系时，广东、北京、黑龙江、浙江、上海、湖南、天津、重庆、河南、山东、福建、湖北、江苏、陕西等14个省市的区域创新网络的创新效率等于或超过1，说明这些省份的区域创新网络的创新活动是在生产前沿面上进行的，其创新活动是相对有效的；而以云南、青海等省份的区域创新网络的创新效率相对较低，还有很大的改善空间。考虑共生关系时，广东、浙江、北京、黑龙江、湖南、重庆、天津、上海、河南等9个省市的区域创新网络的创新要素的投入产出效率等于或超过1，是相对有效的；而以云南、山西等省份的区域创新网络的创新效率相对较低。从区域创新网络的共生效率来看，以广东、重庆、浙江、山东、江西、天津、河南、吉林、北京、上海为代表的省份的区域创新网络的共生效率较高，而内蒙古、新疆、青海等省份的区域创新网络的共生效率较低。我们注意到，区域创新网络共生效率较高的地区大多为经济发达地区和科技水平较高地区，这些地区创新资源较为丰富，创新政策多样化，创新合作和交流频繁，且各创新主体之间的合作层次较高，共生的程度也较高。

表4　区域创新网络的共生效率

图3　区域创新网络的共生效率

区域创新网络的共生模式在组织程度上，可分为点共生模式、间歇共生模式、连续共生模式、一体化共生模式等多种情形。点共生模式只是在某一特定时刻，由共生单元间进行的一次相互作用，因而具有不稳定性和随机性。点共生模式的区域创新网络中各创新主体之间没有分工协作、没有相互制约，对于共生体的各因素均无固定关系，因而价值链短、效率低，区域创新网络的集聚效应很弱。间歇共生模式是共生单元间按某种时间间隔进行多次相互作用，是一种不连续的行为。与点共生模式区域创新网络相比，间歇共生模式的区域创新网络中各创新主体之间的互动不是随机的，而是经常性的。连续共生模式是共生单元间在某一封闭时间区间内发生连续性的多方面的相互作用。与间歇共生模式区域创新网络相比，连续共生模式区域创新网络具有更高的稳定性和连续性。一体化共生模式则是共生单元在某一封闭时间区间内形成了具有独立性质和功能的共生体，进行全方位的相互作用，共生关系稳定且具有必然性。一体化共生模式作为区域创新网络最高程度的共生创新模式，具有更高的稳定性和最明显的共进化特征，也是区域创新网络的理想共生模式。

为了更好地分析各省份区域创新网络的共生模式，本文对各区域创新网络的共生效率进行聚类分析。在聚类分析中本文采用的聚类分析方法是系统聚类分析方法(Hierarchical Methods)，即根据区域创新网络共生程度的相似性进行逐步合并，将区域创新网络共生程度具有较高相似性的省份聚集成一类。为了方便计算，本文选取的计算距离为欧式距离，距离越近的两个省份，其区域创新网络的共生程度越具相似性。区域创新网络共生模式聚类的结果见表5。

由于没有一个省份的区域创新网络的共生效率达到1，因此本文认为我国暂时还不存在一体化共生的区域创新网络。从聚类分析结果来看，内蒙古、广西等省份区域创新网络的共生效率较低，这些区域创新网络中各创新主体之间的互动很少，创新合作具有不稳定性和随机性。我们称之为点共生区域创新网络。河北、山西、辽宁等省份区域创新网络的共生效率有所提高(一般都在0.8以上)，这些区域创新网络中各创新主体之间的互动尽管会经常合作进行创新，但是这种合作不稳定，在时间上具有不连续和间歇性。我们称这类区域创新网络为间歇共生区域创新网络。北京、天津等省份区域创新网络的共生效率较高(一般都在0.9以上)，这些区域创新网络中各创新主体之间通过人员、资金、设备、信息等多重共生介质的长期交互，形成了相对稳定的合约及信任等内生界面，消除了合作创新主体选择的随机性，减少了共生能量在传导过程中的损失。我们称这类区域创新网络为连续共生区域创新网络。

表5　区域创新网络聚类分析结果

五、结论与启示

本文将区域创新网络看作是一个各类创新主体在其中相互竞争和合作，进行物质、信息和能量的交换，进而获得创新产出的共生系统，并利用网络DEA模型将区域创新网络中的多阶段生产过程模型化，考察区域创新网络的共生效率。研究结果表明：(1)我国区域创新网络共生效率较高的地区大多为经济发达地区和科技水平较高地区；(2)我国目前还不存在一体化共生的区域创新网络，少数省份的区域创新网络属于连续共生，间歇共生是发生得最多的区域创新网络共生模式，点共生只存在于少数几个省份的区域创新网络中。

尽管从理论上，区域创新网络的演化会呈现出从点共生、间歇共生到连续共生、一体化共生的变化，但这种演化过程绝不是一帆风顺的，而是要受到共生界面和共生环境的制约。如区域创新网络中各类创新主体之间合作创新的稳定性取决于地方政府、中介机构等共生介质的稳定性，其调节能力越强，区域创新网络共生关系的稳定性越好。区域创新网络共生演化问题说到底还是创新网络内各创新主体之间关系演化问题，是整个创新网络中各创新主体在不同时期自身网络地位和网络联系深度和广度的问题。在区域创新网络的产生和演化过程中，政府应在以市场为主导的基础上，通过引导产学研合作、技术创新战略联盟等手段提高创新合作的广度和深度，最终实现创新中的研发、成果转化的各环节有效串接，促进区域创新网络向一体化共生发展。此外，政府还可以根据区域内外的共生单元数量、共生界面层次和共生环境状况等具体条件，不断延伸区域创新网络的产业链以增加网络中各创新主体之间的异质性，不断引入外部创新资源以维持网络的动态平衡，并通过产业基地(园区)聚集各类创新主体以形成功能完善、分工协作的创新网络，从而减少和降低创新的风险与不确定性，加速区域创新网络各创新主体从一次性合作、间歇合作向紧密合作乃至结为一体转变，提升区域创新网络的共生程度，进而提升区域创新网络的创新效率。参考文献：

[1]Glaister K.W, Buckley P.J. Strategic motives for inter￣national alliance formation[J]. Journal of Management Studies, 1996(33): 301-332.

[2]Färe R, Grabowski R, Grosskopf S,et al. Efficiency of a fixed but allocatable input: A non-parametric approach[J]. Economics Letters, 1997(56): 187-193.

[3]Färe R,Grosskopf S. Network DEA[J]. Socio-Economic Planning Sciences, 2000(34): 35-49.

[4]Zhu J,Cook W D. Modeling data irregularities and structural complexities in DEA[M]. Springer, 2007.

[5]彭佑元，王婷基. 于网络DEA的科技创新型企业投资效率评价分析[J]. 工业技术经济，2016(1)：83-91.

[6]赵树宽，赵鹏飞. 中国汽车业技术供应链技术效率评价研究[J]. 中国软科学，2010(10)：172-179.

[7]胡颖慧，陈伟. 网络化生产过程视角下的中国工业行业创新效率研究[J]. 中国科技论坛，2013(8)：53-60.

[8]冯锋，燕会雷. 两系统链视角下科技协同创新效率研究:基于我国28省市高技术产业的数据分析[J]. 电子科技大学学报：社会科学版，2013(5)：31-36.

[9]赵嘉茜，宋伟，叶胡. 基于链式关联网络的区域知识产权战略实施绩效评价研究：来自中国29个省高技术产业的实证数据[J]. 中国科技论坛，2013(4)：103-108.

[10]李阳. 基于网络DEA的地区工业企业技术创新效率研究[J]. 统计与决策，2015(23)：85-89.

[11]董艳梅，朱英明. 中国高技术产业创新效率评价：基于两阶段动态网络DEA模型[J]. 科技进步与对策，2015(24)：106-113.

[12]王艳，周晶晶. 我国通信设备制造业创新效率的再测度：基于链式关联网络DEA[J]. 科技管理研究，2016(6)：141-147.

[13]李邃，江可申，郑兵云. 基于链式关联网络的区域创新效率研究：以江苏为研究对象[J]. 科学学与科学技术管理，2011(11)：131-137.

[14]尹伟华，袁卫. 我国区域R&D投入绩效评价研究：基于关联网络DEA模型[J]. 科技进步与对策，2012(23)：123-127.

[15]彭诚，郑长德. 基于决策偏好两阶段网络DEA的我国科技投入效率研究[J]. 科技进步与对策，2014(8)：125-129.

[16]梁瑞敏，彭佑元. 基于网络DEA的山西省区域科技创新绩效评价研究[J]. 科技管理研究，2014(18)：112-116.

[17]王博，冯锋，安庆贤，等. 区域高技术产业R&D活动效率分析与评价：基于一种新型改进两阶段网络DEA模型[J]. 科技管理研究，2014(5)：58-64.

[18]Douglas A E. Symbiotic interactions[M].Oxford：Oxford University Press, 1994.

[19]Ahmadjian V. Symbiosis an introduction to biological association[M]. University Press of New England, 1986.

[20]Andersen P, Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science, 1993, 39(10): 1261-1264.

[21]Lang J R, Golden P. Evaluating the efficiency of SBDCS with data envelopment analysis: A longitudinal approach[J]. Journal of Small Business Management, 1989(27): 42-49.

(本文责编：海洋)

收稿日期：2016-02-20修回日期：2016-06-25

基金项目：国家自然科学基金重点项目(71233003)；国家自然科学基金面上项目(71073057)；教育部哲学社会科学研究重大课题攻关项目(12JZD042)

作者简介：叶斌(1972-)，男，安徽省马鞍山人，汉族，华南理工大学工商管理学院博士研究生，研究方向：科技创新管理。

中图分类号：F127

文献标识码：A

文章编号：1002-9753(2016)07-0100-09

On the Symbiosis Efficiency of Regional Innovation Network Based on Network DEA Model

YE Bin，CHEN Li-yu

(SchoolofBusinessAdministration,SouthChinaUniversityofTechnology,Guangzhou510641)

Abstract：Regarding regional innovation network as a symbiosis system in which innovation entities compete and cooperate with each other, exchange matter, information and energy, and obtain innovation outputs, this article explores the symbiosis efficiency of regional innovation networks using network DEA model with multi-stage production progress. The results show that: (1) Most regions with high symbiosis efficiency are regions with high economic or technological level; (2) At present there is no region with integrative symbiosis regional innovation network. A few provinces have continuous symbiosis regional innovation network. Most regional innovation networks are intermittent symbiosis. Dot symbiosis only exists in several regional innovation networks.

Key words:regional innovation network; symbiosis efficiency; network DEA model