基于DEA模型的长江中游城市群创新效率研究

李梦琦 胡树华 王利军

摘要：以长江中游城市群中包含的27个城市为研究对象，运用数据包络分析对这些城市在综合分析、区域分析和投影分析三方面进行效率评价，表明长江中游城市群创新效率整体较好，但仍存在短板问题，湘鄂赣三省创新水平存在一定差异，部分未达DEA有效的城市主要是由于创新投入利用不充分导致产出不足。在此基础上提出了应充分利用创新投入，促进创新产出提升；官产学研四位一体，全面推进创新活动；构建协同创新机制，推动资源柔性流动三条改进建议。

关键词：长江中游城市群；创新效率；数据包络分析 ；SPSS

DOI：10.13956/j.ss.1001-8409.2016.04.04

中图分类号：F1243 文献标识码：A 文章编号：1001-8409（2016）04-0017-05

Abstract：This paper selects 27 cities in Triangle of Central China as the research object. DEA evaluate innovation efficiency from three aspects including comprehensive analysis， regional analysisand projection analysis is conducted. The innovation efficiency of Triangle of Central China is good in general，but there is still a short board problem. There are differences in innovation level of three provinces and some of cities dont achieve DEA effective because of the insufficient using of input. Based on the evaluation results， this paper puts forward suggestions for improvement including make full use of innovation investment and promote innovation and output， make the integration of government， industry， researchcomprehensively promote innovation activities and build collaborative innovation mechanism to improve resource flexibility.

Key words：Triangle of Central China ；Innovation efficiency；Data envelopment analysis；SPSS

引言

在經济全球化和区域一体化的双重推动下，城市群以其利用各城市资源禀赋和区位优势、实现资源优化配置、推动地区经济发展的特点，成为区域经济、科技、文化发展的主导力量。如何快速提升城市群的自主创新能力、增强其核心竞争力，也成为各地区关注的重点。以武汉、长沙、南昌为中心城市的长江中游城市群涵盖了武汉城市圈、长株潭城市群和环鄱阳湖城市群，其建设与发展必将加快中部地区的经济发展，推动长江经济带建设，并能通过辐射作用带动周边城市发展，促进我国经济持续稳定增长。尽管长江中游城市群有区位优势明显、工业基础雄厚、科教水平领先等优势，但由于其建设起步较晚，因此在提升创新能力上不仅需要增加创新投入，更要提高资源利用率，提升创新效率。特别是在创新资源相对有限的基础上，如何做到将有限的资源进行更为科学、合理地分配，以获得更多的创新产出，对于缓解创新资源不足的局面，提升长江中游城市群的创新能力具有重要意义。

在创新能力研究上，英国学者Cooke[1]等认为区域决策能力、政策环境和资金投入是提升创新能力的重要支撑。Maria[2]采用参与性评价方法评价区域创新能力，并将结果应用于实践中。罗守贵[3]、柳御林[4]、胡晓鹏[5]综合政治经济、社会文化、企业实力等方面内容，通过分析各企业实现创新发展的演化过程，分别构建了创新能力评价体系，并结合省份、行业等进行实证研究。苏屹[6]等从动态视角分析影响创新能力的主要因素，认为创新能力不受某个或某几个因素的影响，其能力提升具有波动性。程华[7]等人基于系统动力学仿真模型对浙江省创新能力进行实证研究。在创新效率研究上，1985年美国学者埃弗雷德[8]等人首次运用定性方法对区域创新效率做出了研究。张宗益[9]、石峰[10]分别运用随机前沿方法（SFA）、数据包络分析（DEA）等定量分析方法对不同时期我国区域创新效率进行测算。白俊红[11]、李曈[12]、王奇珍[13]运用改进后的DEA方法，分别以全国省市、江苏省和东部地区为研究对象，对区域创新效率进行评价。Sebastian[14]运用改进后的网络DEA模型对欧洲航空公司进行效率分析。对长江中游城市群的研究，刘钒[15]等提出城市群中的各个城市需依靠创新政策完善、创新潜力激发、创新载体强化等方法开展创新合作。路洪卫[16]、龚胜生[17]等主要研究了长江中游城市群的协调发展和合作机制。

通过上述国内外文献综述可见，与创新发展相关的成果较丰富，但对创新效率的评价多以全国各省份或高新技术产业为研究对象，以单个城市群为对象的研究较少，对城市群中各地级市的研究更不多见；对长江中游城市群的研究多集中在其创新能力、创新合作机制方面，有关创新效率评价的文献较缺乏。因此，本文选择数据包络分析（DEA）方法以长江中游城市群中27座城市为对象，分析其创新效率兼具理论意义与现实意义，能够找出快速有效地提升城市群创新效率的方法，以促进长江城市群的发展。

1DEA方法及数据模型

数据包络分析（Data Envelopment Analysis，DEA）是基于投入产出数据相对有效性的评价方法[18]，于1978年由德克萨斯大学A Charnes教授，W W Cooper等人提出。DEA方法作为一种非参数方法是以输入和输出为相对绩效评价决策单元（Decision-Making Unit，DMU），用于评价技术是否有效，能够处理多输入多输出问题，现已被广泛应用于技术进步、产业创新、资源配置等领域。

运用DEA方法评价长江中游城市群创新效率是将城市群中所包含的城市视为决策单元，将影响其创新效率的多项投入与多项产出分别视为输入和输出。假定有n个DMUj，j=1，2，…n，DMUj的输入、输出向量分别为：

xj=（x1j，x2j，…xmj）Tyj=（y1j，y2j，…ysj）T

对于每一个决策单元都有相应的效率评价指数，形如下式：

hj=uTyj/vTxj=∑sr=1uryrj/∑mni=1vixij（1）

i，=1，2，…，m；r=1，2，…，s；j=1，2，…，n

其中，xj=（xij，x2j，…，xmj）T j=1，2，…，n，yj=（yij，y2j，…，ymj）Tj=1，2，…，n。

可以適当选取权系数u和v，使其满足：

hj≤1，j=1，2，…，n

对第j0个决策单元进行效率评价（1

maxhj0=μTy0

wTxj-μTyj≥0，j=1，2，…，n

wTx0=1

w≥0，μ≥0（2）

若测度效率为可变规模报酬的范畴，则采用BCC模型，形如下式：

maxhjo=∑sr=1uryrj-Uo（3）

∑mi=1vixij=1（4）

∑sr=1uryrj-∑mi=1vixij-Uo≤0（5）

ur，vj≥E>0；i，=1，2，…，m；r=1，2，…，s；j=1，2，…，n。

BCC模型比CCR模型多了变量Uo。Uo为判定决策单元规模报酬状况的指标，Uo<0表示规模报酬递增，Uo=0表示规模报酬不变，Uo>0表示规模报酬递减。

2指标体系设计和数据来源

21评价指标体系设计

211指标设计原则

（1）目标导向原则。对长江中游城市群进行创新效率评价，不仅仅是为了确定各城市创新活动开展情况和创新能力的优劣，更重要的是通过效率评价，发现各地区优劣势，并找出影响因素，实现区域资源合理、高效配置。

（2）科学性与可行性相结合原则。评价指标的选取既要客观准确地描述长江中游城市群各城市创新投入与产出情况，反映其创新活动规律，又要满足各个指标可量化、数据可采集、方法可操作的可行性原则。

（3）绝对指标与相对指标结合原则。绝对指标能够从全局出发，反映评价对象的发展规模，相对指标则能反映评价对象的强度，考虑不同指标的作用及应用条件，评价长江中游城市群创新效率指标选取涵盖两种类型指标。

212评价指标的选择

在确定评价方法的前提下，由于指标体系的差异，区域创新效率的评价结果也会因投入产出的变化有一定的不同。由于理论界尚未对创新评价指标有统一的规定，因此根据现有文献所用指标体系，创新投入一般分为人员投入和资金投入，基于指标数据可获得性，本文采用科技人员强度、科技活动支出强度作为创新投入；产出指标一般采用申请专利授权量、技术市场成交额等指标表示。本文在已有研究基础上，结合长江中游城市群特点，以指标设计原则为依据，构建长江中游城市群创新效率评价指标体系如表1所示。

22数据收集及处理

根据上述效率评价指标，查阅《中国统计年鉴》《中国城市统计年鉴》以及各地方年鉴、公报数据，基于城市数据获取的代表性和难易程度，本文选取长江中游城市群中27座城市（仙桃、天门、潜江除外）为研究对象，覆盖范围如表2所示。

3区域创新效率评价

31数据计算

本文选取长江中游城市群中27座城市为研究对象，即DMU数量为27，大于投入和产出指标数量乘积，且大于指标数量和的三倍，具有可行性。测度城市群创新效率属可变规模报酬范围，因此本文以科技人员投入强度与科技活动支出强度作为创新投入，以申请专利授权量、登记省级科技成果数量、技术市场成交额与高技术产业产值作为创新产出，采用MaxDEA60软件分析27座城市的创新效率。运行结果如表3所示。

32结果分析

321综合分析

从以上结果来看，长江中游城市群中创新效率处于高效区的城市共9个，其中湖北省和湖南省各占4个，仅处于纯技术有效的城市有6个，完全无效城市共12个，其中包括江西省省会南昌。

（1）从综合效率的角度进行分析，长江中游城市群中达到DEA有效的城市共9座，这9座城市在技术效率与规模效率上也达到了有效水平，视为强DEA有效。这些城市以创新驱动发展，创新能力较突出，创新效率处于领先位置，这也说明这些城市能够妥善配置创新资源，使创新投入得到充分、高效地利用。其他18座城市未达DEA有效，说明这些城市并没有完全利用创新投入，其创新发展仍有很大的进步空间。

（2）从技术效率角度进行分析，长江中游城市群中达技术有效的共15座城市，说明这些城市产业发展重视技术的利用，从原始数据上看，这些城市的科技人员投入与科学技术支出强度较高，也表明地方政府对技术创新的推动较积极。处于技术效率无效的12座城市也应该根据自身发展现状、科教水平等优势资源，加强技术创新、科技创新，进而提升创新效率。

（3）从规模效率角度进行分析，武汉、益阳、宜春等9座城市创新投入与产出达到最优水平，为规模效率有效。随着“双创”理念的提出，技术、产品等市场都有较大变化，这9座城市在保持现有投入产出水平的同时也应适当改革，以适应经济发展氛围。孝感、常德、景德镇等12座城市属于规模效率递增，表明这些城市在创新投入方面存在上升空间，适当增加创新投入可实现产出的提高；长沙、南昌、湘潭等6座城市属于规模效率递减，表明这些城市创新产出的增长已经不能靠扩大规模来获取，而应加强资源利用率，进行深层次的结构调整以提高创新产出水平。

为了进一步分析纯技术效率与规模效率对综合效率的影响程度，本文运用SPSS分别分析纯技术效率、规模效率与综合效率的拟合关系，结果如表5及图1、图2所示。

322区域分析

从表6可以看出，长江中游城市群整体综合效率平均值为079，达DEA有效的城市共9个，其中长株潭城市群（0891）综合效率平均值最高，达DEA有效的城市数量最多，为4个；襄荆宜城市带（0884）综合效率平均值位居第二，4座城市中有2个达到DEA有效；武汉城市圈和环鄱阳湖城市群的综合效率平均值低于整体平均水平，其中武汉城市圈6座城市中仅武汉、黄石为DEA有效，由于咸宁综合效率过低，仅为0262，因此导致武汉城市圈整体综合效率不高，若想提高整体创新效率就需首先解决“短板”问题。而环鄱阳湖城市群9座城市中，仅宜春一所城市达到DEA有效，与其他城市群相比差距较大。

结合表3、表6来看，达DEA有效的9座城市均有较强的工业基础与工业实力，科教资源较为丰富，城市多处于长江中下游平原，资源丰富，交通便利。湖北的10座城市中，武汉、黄石、襄阳、宜昌4座城市在创新效率评价上达到DEA有效，以武汉、襄阳、宜昌为顶点的省域“金三角”发展格局也有效地实现了“一主带两副，三极建三群，三群带全省”带动作用，以点带面实现示范效应。作为科教大省的湖北有科教资源丰富、科技人才聚集、科技环境适宜的特点，为未达DEA有效的城市提供了有利的发展环境，使得这些城市具有较大的创新发展潜力。2013年湖南省R&D投入强度为133%，低于全国平均水平208%，尽管近年来湖南省在建设创新型城市抢抓先机，推出“高新技术产业发展十大创新工程”，但以省会长沙为例，资源投入过多造成拥挤效应，部分冗余资源发挥逆向作用，使整体创新效率下降；另一方面，资源配置尚未优化、资源使用低效，这也是制约创新效率提升的重要原因。江西省整体状况不容乐观，区域创新效率整体不高，科技创新潜力相对较弱，需要在资源分配上进一步优化。总的来看，各地在协同发展、资源共享方面仍存在矛盾，对外开放不足也导致区域要素流通缓慢，阻碍了长江中游城市群创新能力的提高和创新效率的提升。

323投影分析

依据DEA基本原理，对长江中游城市群中未达到DEA有效的18座城市进行投影分析，目标值为各城市实现DEA有效应有投入与产出。本文选取综合效率最低的咸宁与湖南、江西省会进行投影分析，运行结果如表7所示。

从投入角度看，人员方面表现为投入冗余，造成创新效率值降低，导致地区区域创新的劳动力成本和运营成本提高，进而加大管理难度。资金方面暂不存在投入不足或冗余现象，表明各城市科学技术支出情况较合理。从产出角度看，四项产出指标均存在产出不足情况，其中技术市场成交额尤为不足，咸宁市改進率高达65693%，这也是导致咸宁市创新效率不高的重要原因之一。长沙和南昌作为省会城市，具有政策、经济、科技资源等多方面优势，但创新产出不足的问题也较严重，其中长沙技术市场成交额目标值与原始值相比，改进率为28648%，南昌申请专利数授权量改进率为11290%，这些都表明未达DEA有效的城市现阶段创新投入水平远高于创新产出水平，换言之这些城市对创新投入的利用率不高甚至较低。投入冗余现象比较普遍，也表明创新资源配置缺乏合理性。

4结束语

本文运用DEA模型对长江中游城市群27座城市的创新效率进行评价，为长江中游城市群区域创新发展提供了决策参考。从计算结果上看，长江中游城市群综合效率整体良好，但个别城市仍存在较大问题，制约了长江中游城市群创新发展。针对以上分析，本文提出如下几点建议。

（1）充分利用创新投入，促进创新产出提升。从产出角度看，未达DEA有效的城市其产出均有较大不足，技术市场成交额已经成为创新效率较低的瓶颈所在。各城市在进行创新活动时也应积极进行原始创新，在增加技术引进、改造和吸收消化的同时要提高引进技术的利用率和吸收消化速度，尽量减少和克服滞后效应，保证创新成果尽快实现产业化。

（2）官产学研四位一体，全面推进创新活动。在政府层面上，充分发挥政府职能作用，加强顶层设计，加强政策调控和引导，优化长江中游城市群创新环境，制定并实施有利于创新活动开展和实施的政策和措施。在产业层面上，打造产学研创新合作战略联盟，整合高技术企业、高校和科研院所的资源，合理分配并利用，培育和完善创新成果转化平台， 加速科技成果转化。在企业层面上，优化科技人员和资金投入比例，加大技术引进、改造活动，提高技术利用率。

（3）构建协同创新机制，推动资源柔性流动。由区域分析得知，环鄱阳湖城市群所处的江西省创新效率较低，其原因是江西省创新资源缺乏，科技创新潜力不足；咸宁作为“武汉1+8城市圈”一员，却未能利用武汉地区的政策、资源优势，导致其创新效率难以提升。因此，长江中游城市群创新效率的提升不仅仅要依靠各城市政策、人员、资金的支持，更需要城市间科技合作，大力推进协同创新，以提升低效区城市创新效率。长江中游城市群要按照优势互补、资源共享的原则，推动科技人才的共同培养与共同利用，合理配置资源，提高各城市协同创新的意识与能力。湘鄂赣三省可联合组建协同创新平台，合作培养创新团队，共同实施创新项目，打造创新成果转化基地。

参考文献：

[1]Cooke，Braczyk，Heidenreich.Regional Innovation Systems：The Role of Governmence in a Globalized World [M].London：UCL Press，1998.49-67.

[2]Maria A. The Evaluation of Regional Innovation and Cluster Policies： Lookingfor New Approaches[J]. In Decentralization and Evaluaion，2000（4）：276-315.

[3]罗守贵，甄峰.区域创新能力评价研究[J].南京经济学院学报，2000（3）：31-35.

[4]柳御林，胡志坚.中国区域创新能力的分布与成因[J].科学学研究，2002，20（5）：550-556.

[5]胡晓鹏.长三角城市群创新能力比较研究[J].南京社会科学，2006，9：44-53.

[6]苏屹，李柏洲.区域创新能力的波动性研究[J].中国科技论坛，2009（8）：33-37.

[7]程华，王金湘，李冬琴，等.区域技术创新与经济增长的系统系统动力学模型仿真-基于浙江省的研究[J].2015，10：93-96.

[8]埃弗雷德M罗杰斯，朱迪思K拉森.范国鹰，等译.硅谷热[M].北京：经济科学出版社，1985.

[9]张宗益，周勇.基于SFA模型的我国区域技术创新效率的实证研究[J].中国软科学，2006（2）：125-128.

[10]石峰.基于省际面板数据及DEA的区域创新效率研究[J].技术经济，2010（5）：42-47.

[11]白俊红，蒋伏心.考虑环境因素的区域创新效率研究-基于三阶段DEA方法[J].财贸经济，2011，10：104-112.

[12]李曈，刘周成，张研，等.基于偏好DEA模型的江苏省技术创新效率评价[J].河南科学，2014，32（6）：1096-1101.

[13]王奇珍，朱英明，杨连盛.基于DEA的区域技术创新效率研究：以东部十省市为例[J].南京理工大学学报： 社会科学版，2014，27（2）：19-26.

[14]Sebastian L，Ester G.A Slacks-based Network DEA Efficiency Analysis of European Airlines[J].Transportation Planning and Technology，2014，37（7）：623-637.

[15]刘钒，易晓波，李光.基于区域创新能力的长江中游城市群科技合作研究[J].湖北社会科学，2013，2：47-51.

[16]路洪卫.长江中游城市群区域协调发展机制探析[J].湖北经济学院学报，2014，7（12）：59-65.

[17]龚胜生，张涛，丁明磊，等.长江中游城市群合作机制研究[J].中国软科学，2014，1：96-104.

[18]Chames A，Cooper W W，Rhodes E L. Measuring the Efficiency of Decision Making Units[J]. European Journal of OperationalResearch，1978，2（6）：429-444.

（責任编辑：李映果）