基于DEA模型的区域产学研协同创新绩效比较研究

简洁

（武汉理工大学 管理学院，湖北 武汉 430070）

基于DEA模型的区域产学研协同创新绩效比较研究

简洁

（武汉理工大学 管理学院，湖北 武汉 430070）

本文从投入和产出两个方面选取了产学研协同创新的评价指标，并且基于DEA的相关理论和方法建立具体的评价模型，对现阶段我国区域产学研协同创新绩效进行了实证分析，比较了各省直辖市间的产学研协同创新绩效差异。从而提升产学研合作各方的经济效益，推动区域经济加速。

DEA模型；区域产学研；协同创新；绩效评价

一、评价指标体系的建立

所谓区域产学研协同创新活动，是指主要由以协同创新的各个创新行为构成的科技成果的研究、开发、转移、应用等，以产学研各方的各种创新资源交流网络为连接方式进行连接的整个过程。区域产学研协同创新活动综合了某个地区全部的信息、经济和技术全部，它的完善程度不是某一个指标可以完全反映的，这需要使用多个指标协同评价才能得出该地区的创新效率。在产学研协同创新投入合作创新资源，产出合作创新绩效构成了整个活动过程。

按照上述指标选取的原则，可以看出协同创新的投入和产出两个方面构成了区域产学研协同创新的总目标。考虑到指标数据的可获得性，本文选取了R&D人员数量、R&D经费内部支出、科技经费投入强度三个投入指标和申请发明专利的受理数、技术市场的成交额以及新产品销售收入等三个产出指标，建立了产学研协同创新绩效评价指标体系，在定量分析方面利用数学模型进行以便得到更精确的数据来支撑说明产学研协同创新的效果。

二、评价方法的选择

综合评价的方法分别是综合模糊评价和层次分析法以及人工神经元等。其中综合模糊评价法由于其过于主观的确定权重的分配问题结果较容易由于人为的原因而受到影响，根本问题是结果和指标、权重之间太过简洁的关系。然后是层次分析法，其原理就是根据系统的结构把要评价的对象进行分层，权重的确定是通过分别两两比较各指标的矩阵，然后用一致性检验的方式来检测权重的一致性。这种方法和综合模糊评价相比解决了权重确定的主观性问题，增加了评价结果的准确性，但是并不能完全避免结果被人为控制的问题。至于在综合模糊评价中应用较广的人工神经元是一种精度较高的评价方法，然而这种方法需要数量很多、质量较高的训练数据来建立成熟的神经元网络，但是评价区域产学研协同创新是一个动态的过程，因为区域经济是跟随产学研各方的合作和区域技术的进步而提高的，单纯的根据产学研合作之前的网络来对经济进行评价将会受到限制，这时想要解决这一问题就可以引用DEA的相对效率评价。

根据多个投入和产出的指标来计算协同创新的转化效率就是区域产学研协同创新的的本质，而数据包络分析（DEA）恰好可以用来对多投入和多产出的相对效率进行计算，所以本文将采用DEA的方法来测度区域产学研协同创新的合作绩效。创新系统利用相同的资源来得到的产出越高，表明产学研各方合作效率越高，合作更合理，反之同理。

表1　产学研协同创新绩效指标评价体系

三、实证分析

1、数据收集与处理

要对区域产学研协同创新绩效进行评价研究，必须要获得一系列投入产出的指标数据，因此需要具体界定指标的区域。本文以省直辖市为决策单元，其作为基本的行政单位，具有不同的产学研协同能力和创新能力，这样的比较结果更有价值。所以本文将中国统计年鉴中划分的三十个省市选定为决策单元，但是存在部分数据缺失的情况，所以将出现问题的西藏剔除。

创新的过程中从投入到产出存在一定的时间差，假设将这个时间延迟为一年。评价指标体系数据的选取也有一定的要求，而且数据本身也存在可获性大小，结合这两点本文选择了我国各省2012年的数据作为指标数据。而协同创新产出指标选择了各省2013年的数据。

表2　　区域产学研协同创新绩效体系指标数据

本文实证数据主要来源于：《中国统计年鉴》（2013年、2014年）、《中国科技统计年鉴》（2013年、2014年）等收集整理而成的，原始数据如表2所示。

经过计算得到的结果保留到小数点后两位，经过数学计算证明，这个数据的转换不会对最终评价结果造成影响。

2、评价结果

将经过百分化转换后的数据代入DEA评价模型，利用MAXDEA软件测算区域产学研协同创新体系的创新效率，测算结果见表3。

本文将三十个地区根据区域创新系统的效率评价的结果分为四个等级，其中低效区是综合效率小于0.5的地区，中效区是评价结果处在0.5到0.63之间的地区，较高效区是综合效率值处于0.64到0.89之间的地区，而高效区则是0.9到1之间的地区，结果见表4。

四、结论

北京、上海、天津、贵州、湖南、江苏、广东、浙江、甘肃、重庆、山东、陕西、安徽这十三个地区综合效率值处于0.9到1之间，属于产学研协同创新的高效区。其中我国经济发达的省区占高效区的百分之五十，比如北京、广东、贵州、江苏、天津和浙江综合效率和技术效率值都达到了1，符合DEA有效。特别是具有很多高校和研究所的北京，得到国家很多的政策倾斜和科技资源，而且北京投入很多R&D经费并形成最大的技术合同交易额，因此成为全国最大的技术创新市场，拥有顶尖的科研环境。同时，注重知识创新和技术消化吸收的天津，营造了优越的创新环境，拥有很强的创新能力。除此之外天津也大力支持地区政府与地方科研机构和高校合作，致力于形成点面联合发展的趋势。江苏和广东省的综合效率和技术效率都为1，相对于规模不是很大的创新投入，其新产品销售收入位列全国前两位，产学研协同创新的效率较高。贵州省创新投入较少，但是新产品销售收入较多，从而使其产学研协同创新综合效率较高。而山东省的创新投入以及产学研协同创新产出都比较高，可以看出山东省具有较强的产学研协同创新投入能力和创新水平，所以最终达到了综合效率值与技术效率值的较高水平现状。

根据以上分析可以发现，区域产学研协同创新的效率与区域经济发展情况和市场化程度以及人民生活水平都存在着正相关的关系。上文中提到的产学研协同创新效率高的地区都是我国改革开放时间较早的地方，并且经济发展水平较高，所以创新效果显著。这部分地区普遍具有较优越的硬件环境，包括先天的地理优势，完善的公共设施，充足的人力、金融资本以及存在的优势主导产业等。同时，优越的创新软环境也是这些地区企业确立创新主体地位的重要因素，这就使得协同创新的投入可以源源不断的转化为产出，提高了产学研协同创新的效率，是其他各省市的借鉴榜样。

表3　　区域产学研协同创新体系绩效评价

表4　　中国区域产学研协同创新体系综合效率评价结果

区域产学研协同创新综合效率较高的地区有湖北、江西、广西、青海、河南、宁夏、辽宁、黑龙江、四川、福建等十个省区，他们的综合效率值都在0.89到0.64之间。这些地区存在的共同特点就是产学研协同创新的投入和产出都比较高，比如排名在全国前几的湖北省产学研R&D人员投入和R&D内部经费支出等，所以就有了较高的综合效率值以及技术效率值。纵观全局，这些地区在地理位置上都相距比较近，而且地方政府对产学研协同创新支持力度较大，所以这些地区产学研结合的情况都比较好并且创新层次高，具有丰富的内容和较大影响力。

海南、河北、云南、新疆这四个地区的综合效率值都在0.63—0.5之间，产学研协同创新综合效率较低，导致这种情况出现的原因各不相同。比如河北，对协同创新投入不低却只有较低的产出，而海南、云南和新疆等地区协同创新的投入就比较少，而且它们的经济发展水平普遍较低，政府的扶持力度跟不上产学研协同创新的需求水平，所以这些省市的综合效率和技术效率还都处于较低水平。

山西、内蒙古、吉林这三个综合效率值都在0.5以下的地区，产学研协同创新综合效率最低。但是它们的产学研协同创新的规模效率值却不低，说明其产学研协同创新能力不足，还需进一步优化产业结构，促进产业升级。

综上所述，从对于产学研协同创新的综合效率和技术效率的影响来看，地域的差异性凸显出来，产学研协同创新的效果对政府的支持和区域经济发展水平等具有较强的敏感性。

［1］车维汉、张琳：上海市产学研合作效率评价——基于分行业数据的DEA分析［J］.科技进步与对策，2010（2）.

［2］王浩、梁耀明：产学研合作绩效评价研究综述［J］.科技管理研究，2011（11）.

［3］范德成、唐小旭：我国各省市产学研结合技术创新的绩效评价［J］.科学学与科学技术管理，2009（1）.

［4］曹静、范德成、唐小旭：产学研结合技术创新绩效评价研究［J］.科技进步与对策，2010（7）.

［5］田林丰、李豫新：我国西北地区产学研合作效率的DEA分析［J］.华北水利水电学院学报（社科版），2010（1）.

［6］刘民婷、孙卫：基于DEA方法的产学研合作效率评价研究——以陕西省制造业为例［J］.科学学与科学技术管理，2011（3）.

［7］王秀丽、王利剑：产学研合作创新效率的DEA评价［J］.统计与决策，2009（3）.

［8］魏权龄：数据包络分析［M］.科学出版社，2004.

［9］Hong W，Su Y.The effect of institutional proximity innon-local university-industrycollaborations：Ananalysis based on Chinese patent data［J］.Research Policy，2012，42（2）.

（责任编辑：张琼芳）