基于时间差视角的区域研发评价研究对经济发展的作用①

西南科技大学 杨茜

区域经济 Regional Economy

基于时间差视角的区域研发评价研究对经济发展的作用①

西南科技大学 杨茜

本文采用数据包络分析的方法，以我国30个省市地区的研发活动为研究对象，在尽可能减小研发活动投入产出时间差影响的条件下，比较评价30个决策单元的区域研发能力。经研究得出我国区域研发能力整体水平在提高、区域差异在减小的现状。

区域研发能力 时间差 数据包络分析（DEA）

1　研究背景及研究现状

1.1研究背景与研究意义

研发活动，即是我们通常所说的研究与开发活动，缩写为R&D（research and development），此类活动的规模及成效反映了一个地区科技实力与创新能力。党的十八大以来，习近平主席把创新摆在核心地位，高度重视科技创新，而科技创新与研发活动紧密相连，研究与开发是科技创新的重要途径，研发能力的高低在很大程度上体现着科技创新能力。显然，研发能力的研究对指导区域研发活动，提升科技创新能力方面有着重要的意义。

1.2国内研究现状

关于我国区域研发能力的研究众多，大致可以分3类。（1）区域研发投入产出绩效的评价。杜娟（2014）构建了包括人才培养和科技创新的两阶段DEA模型，对我国52个重点城市总体及阶段的创新能力进行评价。周璇等（2015）将小波分析和改进灰熵 TOPSIS 法相结合，创造性地提出WT法，对我国的省域技术创新能力进行评价。（2）区域间研发能力差异分析。刘同新等（2010）通过在投入上引入系列指标，以聚类分析的方法对我国各省区研发能力差异进行研究。王立平等（2015）选用稳健MM估计的EBA模型，研究影响中国东、中、西部地区R&D强度区位分布条件的“稳健性”因素，揭示发展规律以及区域间差异性。（3）区域研发能力与经济增长的关系。原毅军等（2015）运用VAR模型，对研发效率与经济发展间的互动关系进行估计，并应用格兰杰因果检验对研发效率与GDP增长、人力资本积累、产业结构升级的关系进行研究。

研发活动中投入与产出通常具有时间差，在现有的研发能力研究中，时间差要么直接被忽略，要么进行假定处理，假定值的依据是值得考量的。然而，研发活动时间差对研发能力评价的影响是不容忽视的，因此本文将在充分考虑研发活动投入产出时间差的条件下，评价我国30个省市地区研发能力的现状。

2　研究方法与指标体系

2.1DEA简介

1978年面世的论文《Measuring the efficiency of decision making units（决策单元的有效性度量）》，开创了运筹学的新领域：数据包络分析（data envelopment analysis），基本模型为C2R模型。该模型可用于评价多投入——多产出的同类型决策单元（decision making unit，DMU）间的相对有效性（称为DEA有效）。无须对数据进行量纲化处理，无须对指标设定主观权重，无需对指标关系进行显性表达等一系列优点使DEA的方法得到广泛应用和发展。由于本文研究重点为研发活动中的时间差问题，故仅选用最基础的C2R模型对我国区域研发能力进行评价。

2.2指标选取

投入指标包括R&D人员全时当量（x1）、R&D经费内部支出（x2）、R&D经费投入强度（x3），产出指标包括国内发明专利申请授权量（y1）、技术市场成交额（y2）、发表科技论文（y3）。其中R&D人员全时当量代表了区域研发活动的主要人力资源投入，R&D经费内部支出代表了区域研发活动包括劳务支出在内的财力投入，R&D经费投入强度代表了区域研发活动占全部经济投入的比重，前两个指标从绝对量的角度刻画投入，第三个指标则从相对量的角度刻画投入。国内发明专利申请授权量代表了区域研发活动在开发新产品新技术方面的成果，技术市场成交额代表了区域研发技术成果所创造的经济价值，发表科技论文代表了区域研发活动在学术研究方面的成果，三个指标分别从实物量、经济价值、学术成果的角度表现产出。以上指标的相关数据均从国家统计局网站及《中国科技统计年鉴》获取，由于西藏地区统计数据缺失，故将其排除在研究范围之内，因此本文评价单元为除西藏地区之外的内地30个省市地区。

本文选用30个区域连续4个年份的数据构建数据包络分析（DEA）模型，由于研发活动的投入与产出通常存在时间滞后，参照其他文献假定滞后期为1年，从而构建4个DEA模型。最后以4个评价期DEA评价值的均值作为评价单元的最终评价值，以求均值的方式平滑了时间差，从而减小时间差对区域研发能力评价结果的影响。

3　实证研究与结论

根据MAXDEA5.2运算结果可得整理后的数据如表1所示。

由表1可得，在参与评价的30个评价单元中，仅北京、广东、海南为DEA有效，即是在当前投入下，实现了产出的最大化，但北京和广东是通过高投入高产出实现有效，海南则是通过低投入低产出实现的有效。除以上3个地区，其他27个决策单元均为非DEA有效，即是在当前投入下，产出未实现最大化。在非DEA有效的27个决策单元中，又存在5个地区某些评价期内DEA有效。新疆、甘肃、云南三地在4个评价期内的DEA值均接近1 或者等于1，表明这三个地区研发绩效整体水平较高。总体来看，在4个评价期内，30个区域评价值的最小值和均值均呈增长趋势，方差则呈减小趋势，在一定程度上表明我国区域研发能力总体水平在提高，区域差异在减小。

表1　MAXDEA5.2运算结果

［1］ 杜娟.基于数据包络分析的中国城市创新能力评价［J］.中国管理科学，2014（22）.

［2］ 周璇.基于小波分析和改进灰熵TOPSIS的省域技术创新能力评价［J］.南昌工程学院学报，2015（2）.

［3］ 刘同新.我国区域研发能力差异聚类分析［J］.科技管理研究，2010（2）.

［4］ 张继焦，刘仕刚.关于当前中国经济社会结构转型的几点思考［J］.广西师范学院学报（哲学社会科学版），2016（1）.

F127

A

2096-0298（2016）09（b）-109-02

①西南科技大学研究生创新基金（16ycx058）。

杨茜（1993-），女，四川达州人，研究生在读，主要从事公司绩效评价方面的研究。