中部六省区域创新两阶段效率评价

石薛桥+董茂峰

内容摘要：本文将区域创新活动分为科技转化阶段和效益转化阶段，运用数据包络分析法和 Malmquist指数法，评价中部六省2007-2014年区域创新现况。结果表明：与全国相比，中部六省创新活动处于落后水平，而且创新活动两阶段效率存在显著差异。

关键词：创新效率 两阶段 标准效率 超效率 Malmquist指数 中部六省

中图分类号：F224 文献标识码：A

引言

2016年政府工作报告中多次提到“创新”二字，创新驱动发展已经成为当代社会发展的主流形式。区域创新效率高低已经成为衡量区域竞争力的重要指标。中部地区属于全国的重要战略地位，科学评价中部六省区域创新效率，对其区域创新效率的提升研究具有重要理论和现实意义。

自1992年英国著名学者Philip Cooke在其著作《区域创新系统：在全球化世界中的治理作用》中首次定义区域创新系统后，国内外的学者对区域创新效率展开了不同视角的研究。刘忠顺、官建成（2002）首次使用DEA测评我国区域创新系统绩效，分析各地区域创新系统的特点，并给出发展建议。官建成、何颖（2005）采用两阶段DEA模型，测算区域创新活动的技术有效性和经济有效性，根据有效性值将我国各个地区划分为不同的创新梯队。郭军华、倪明（2011）利用HBM指数法测算了我国1998-2007年创新效率，结果表明创新效率的增长来源于规模效率和技术进步。刘和东（2011）利用随机前沿生产函数测算我国30个省市1998-2008年的区域研发效率。白俊红、蒋伏心（2011）利用三階段DEA法测算我国区域创新效率，发现创新效率偏低是受规模效率的影响。黄奇、苗建军、李敬银等（2014）首次运用共同前沿法测算2002-2012年我国三大区域创新效率及其差异性，发现三大区域在不同前沿下呈现不同的发展趋势。李正锋、逯宇铎、于娇等（2015）运用共同前沿方法，利用技术缺口比率（TGR）测算中国2009-2013区域创新效率的技术差距，发现中国区域创新效率整体水平仍然偏低，区域创新效率差异明显。

通过对区域创新效率研究的总结和梳理，可以发现现有的研究大都集中在对其单一角度的效率测算，此外对产出指标的设定将科技成果与创新效益默认为同期产出，忽略了创新活动的滞后性。所以本文考虑创新活动的滞后期将创新活动分为科技转化阶段和效益阶段，以此为依据将创新活动的产出相对应分为科技成果产出和经济效益、社会效益、国际竞争力。本文将从静态和动态视角出发，基于中部六省2007-2014年的创新活动面板数据，利用DEA超效率模型、BCC模型、和基于DEA的Malmquist指数法测算创新活动的技术有效性值、经济有效性值以及生产要素变化率，评估中部六省的区域创新现况。

模型构建

（一）指标和数据选取

创新活动是一个涉及到多种资源投入与产出的“黑箱”过程，为了准确测算区域创新活动效率，将创新活动分为科技转化和效益转化两个阶段。第一阶段投入指标的选取，全面考虑到创新活动的人力和财力的投入，除此之外引入R&D经费占生产总值的比重、政府资金和企业资金分别占R&D经费比重，以此来衡量地区创新活动政府的支持度和企业的参与度，既是对创新环境的描述又是对创新活动资金投入的补充。第一阶段产出指标的选取为科技创新成果产出，包括专利、论文、技术市场成交额以及新产品销售收入占主营业务的比重。第二阶段投入即第一阶段的科技成果产出，第二阶段效益实现阶段产出指标用于衡量地区经济效益、社会效益以及区域国际竞争力。图1为区域创新效率评价指标体系。

区域创新投入与产出相关指标数据均来自《中国科技统计年鉴》和《中国统计年鉴》（2008-2015）。考虑到创新活动的滞后性，将创新活动阶段滞后期设为2年。

（二）效率评价模型

1.静态效率评价标准模型。C2R和BC2是数据包络分析法最典型也是应用最广泛的两个模型。C2R模型假设决策单元在最优的规模上运作，又称作规模报酬不变模型。由于经济活动诸多因素的影响，决策单元很大程度上不在最理想的规模上运作。BC2模型将C2R模型拓展为规模报酬可变的情形，适用性较强。本文采用BC2来构建区域效率评价模型。BC2模型假设有n个决策单元，每个决策单元有m种类型的投入xij和s种类型产出yrj，对于选定的DMUj，判断其技术有效性的BCC模型的对偶规则如下：

2.静态效率评价超效率模型。标准DEA模型对于效率值的区分度相对较弱，经常会出现多个决策单元被评价为有效的情况，这些有效DMU的效率高低无法进一步区分（宇文晶等，2015）。为了解决这一问题，Anderson和Petersen（1993）提出超效率模型。超效率模型核心是考虑被评价单元相对于其他单元的效率，该模型构造的参考集不包括被评价单元本身，该模型对于DEA有效决策单元给出进一步的分析。

3.动态效率评价模型——基于DEA的Malmquist指数模型。假设存在n个决策单元，每个决策单元在t期由m种输入获得S种输出。t期的输入和输出指标值分别用，表示。

Malmquist指数构造的基础是距离函数，距离函数恰好为DEA理论中C2R 模型和BC2模型效率值的倒数。规模报酬可变的情形下，令（xt，yt）在t、t+1期的距离函数分别为DtV（xt，yt）、Dt+1V（xt，yt），（xt+1，yt+1）在t、t+1期的距离函数分别为DtV（xt+1，yt+1）、Dt+1V（xt+1，yt+1）（马占新等，2013）。在t期、t+1期的技术条件下，从t期到t+1期的技术效率变化分别为：

用两个Malmquist生产率指数的几何平均值来计算t期到t+1期生产率的变化：

Ray和Desli进一步将Malmquist指数分解为RD模型（马占新等，2013），如下：

中部六省区域创新效率评价与分析

一般来说，DEA决策单元的数量不应少于投入和产出指标数量的乘积，同时不少于投入和产出指标数量的3倍（Cooper，2007），为了准确测算中部六省的区域创新效率，选取除港澳台和西藏以外的30个省、自治区和直辖市为决策单元。

（一）中部六省区域创新效率静态评价与分析

利用软件Mydea，运用基于投入导向的超效率模型计算决策单元区域创新活动两阶段的效率值，选择中部六省进行分析，对计算结果进行筛选汇总后，绘制了四个时期的区域创新活动两个阶段超效率值折线图。如图2所示。

从图2可以看出，中部六省区域创新第一阶段技术效率值低于全国平均水平，并且中部六省技术效率平均值低于1，说明中部六省创新活动第一阶段创新科技转换率与全国相比技术无效，创新技术水平落后。中部六省中创新效率也相差较大，很明显分为三个效率梯队，第一梯队湖南、湖北两省的技术效率值大于1，技术有效，处于领先地位；第二梯队安徽、河南两省效率值在0.75-0.85之间，处于平均水平；第三梯队山西和江西省均小于0.65，处于落后地位，与前两个梯队相差较大，说明中部六省第一阶段整体效率低主要是由于山西和江西两省效率偏低。

中部六省创新活动第二阶段效率值仍然低于全国平均水平，但与第一阶段效率值相比整体偏低，而且第一阶段相对效率值低的省第二阶段的效率值相对领先，第一阶段处于第三梯队的江西省效率值最高，介于0.876-0.97之间，山西、河南省效率值高于中部六省的平均水平，而第一阶段效率值处于第一梯队的湖北省、湖南省第二阶段效率值处于最末，均小于0.38。說明中部六省区域创新活动第二阶段整体技术无效，除了整体效率值偏低以外，湖北、湖南、安徽三个省的效率低是主要原因。

为了进一步分析中部六省创新效率偏低以及效率差异的原因，利用DEAP2.1软件，输入各省的投入产出指标数据，运用基于投入的BC2模型计算两个阶段的技术效率、纯技术效率和规模效率。计算结果经整理汇总后如表1所示。

选取的四个时期段，中部六省区域创新活动第一阶段创新技术效率总体在提高，但除湖南、湖北两省以外，其余四省创新技术效率都落后于全国平均水平，从表1中可以发现，纯技术效率较高，而规模效率则较低，技术效率无效主要受到规模效率的影响，进一步说明中部六省尤其是山西省、江西省的技术创新资源投入力度不够，政府支持力度不足，企业创新主体地位不明确。

中部六省区域创新活动第二阶段，这一阶段是区域创新科技产出成果向经济效益、社会效益、区域竞争力的转化，这一阶段全国30个省的效率都均低于第一阶段的效率值，计算结果显示除浙江省、广东省、海南省等少数经济发达的地区外，其他省的效益转化率均较低。中部六省低于全国平均效率值，处于效益转化的相对落后阶段。从表1中可以看出创新活动第二阶段，主要影响因素是纯技术效率值较低，而且规模报酬递减，说明技术创新成果向经济效益的转化率较低。2009-2011年、2010-2012年、2011-2013年这三个时期，江西、山西省的效率相对较高，而湖北省、湖南省效率值均低于其他四省，结果与创新活动第一阶段相差较大，究其原因是因为湖北、湖南两省的创新科技成果产出较多，而相应的效益转化机制还不完善，导致第二阶段科技成果的投入出现冗余的情况。江西、山西省第一阶段创新科技成果产出较少，但是效益转化阶段相对充分地利用较少投入实现了较大的效益转化。整体而言中部六省效益转化率较低，这也是目前创新活动效率较低的原因，从技术科技成果到效益的实现，需要高校、科研机构的创新科技成果如专利、论文等向企业有效流动，并且创新科技成果需要以市场为导向，需要创新区域中各创新主体的共同协作，需要大众创新。

（二）中部六省区域创新效率动态评价与分析

为了多视角评价中部六省区域创新活动两阶段效率，本文采用基于DEA的Malmquist 生产率指数，运用DEAP软件，选择投入为导向的规模报酬可变VRS模型，测算决策单元的全要素生产率的变化情况。2007-2014年，中部六省区域创新活动全要素生产率变化，及其分解为技术进步和综合技术效率变化情况如图3、图4所示。

中部六省区域创新活动第一阶段，中部六省全要素生产率均值为0.987，稍大于全国均值0.973。整体而言，中部六省4个时期段的技术创新效率的增长率相差不大，其中安徽江西省的增速都为1以上，说明正处于创新进步期，创新效率在不断提高，各种创新资源配置不断优化。除河南省以外的五省全要素生产率的增长主要来自于综合效率的提高，进一步挖掘是受到规模效率的影响，河南省全要素生产率的增长主要受益于于技术进步。

中部六省创新活动第二阶段，全要素生产率均值为0.8064，相比第一阶段有所降低，除河南省以外，其他五省均小于1。湖南、湖北、山西、安徽、河南省全要素生产率的提高均受益于综合技术效率的提高，进一步分解是由于该四个地区纯技术效率的提高。江西省全要素生产率相对较低主要是由于纯技术效率较低，创新活动管理方式存在问题。所以中部六省区域创新活动第二阶段的全要素生产率的变动主要是受到该区纯技术效率的影响。

结论

本文基于中部六省2007-2014年的面板数据，利用基于DEA的超效率模型、标准模型以及Malmquist指数对中部六省的区域创新活动两阶段效率进行评价，得出以下结论：

第一，中部六省区域创新活动效率无论是第一阶段还是第二阶段与全国相比，都比较落后，而且中部六省各区域创新效率差异较大，分化较大。经济发达地区湖南、湖北两省创新投入较多，所以第一阶段效率值最高，第一阶段的科技创新成果较多，导致第二阶段效益转化过程中出现投入冗余产出不足的情况，第二阶段效率则较低。经济落后地区山西、江西省则与湖北、湖南省相反，河南、安徽省则介于二者之间。所以对于湖南、湖北两省而言，完善效益转化机制，增强企业与高校、科研机构之间创新成果流通，以企业、市场需求为导向进行创新。河南、安徽、山西、江西省需要充分利用中部战略的契机，主动接受湖南、湖北省高效率地区的辐射，加大创新资源投入力度，积极引进国外的技术。

第二，在2007-2014年期间，中部六省区域创新活动两阶段全要素生产率变动的主要影响因素是综合技术效率，将综合技术效率进一步分解，其变动受到规模效率和纯技术效率的双重影响，第一阶段主要受到规模效率的影响，而第二阶段主要受纯技术效率影响。因此要提高中部六省的全要素生产率，需要加大各区域的创新活动资源投入力度，提高企业对于科研经费的投资力度，鼓励科研机构与企业密切合作，优化区域创新资源配置，提升规模效率。

第三，无论是从静态角度还是动态角度，区域创新活动第一阶段创新效率受到规模效率的影响较大，创新资源的投入能有效促进创新效率的提升，第二阶段创新效率则是受纯技术效率的影响较大，在创新效益转化过程中，创新效率的提高更依赖创新主体之间的协作，创新成果在企业、高校与科研机构间的有效流动，以及管理模式创新。

参考文献：

1.Cook P .Regional innovation systems：competitive regulation in the New Europe[J].Geofomm，1992，23（3）

2.刘顺忠，官建成.区域创新系统绩效的评价[J].中国管理科学，2002（1）

3.官建成，何颖.基于DEA方法的区域创新系统的评价[J].科学学研究， 2005，23（2）

4.郭军华.基于非参数HMB指数法的区域创新效率变动分析[J].管理報，2011，08（1）

5.刘和东.中国区域研发效率及其影响因素研究——基于随机前沿函数的实证分析[J].科学学研究，2011，29（4）

6.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）

7.黄奇，苗建军等.基于共同前沿的中国区域创新效率研究[J].华东经济管理，2014（11）

8.李正锋，逯宇铎，于娇等.基于共同前沿方法的中国区域创新效率及差异研究[J].工业技术经济，2015（5）

9.颜莉.我国区域创新效率评价指标体系实证研究[J]管理世界，2012（5）

10.Eric C.Wang.R&D efficiency and economic performance：A cross-country analysis using the stochastic frontier approach[J].Journal of Policy Modeling，2007， 29（2）

11.Fang-Ming Hsu，Chao-Chih Hsueh.Measuring relative efficiency of government-sponsored R&D projects：A three-stage approach[J]，Evaluation and Program Planning，2009，32（2）

12.马占新，马生昀，包斯琴高娃.数据包络分析及其应用案例[M]科学出版社，2013

13.宇文晶，马丽华，李海霞.基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究[J]研究与发展管理，2015（3）

14.成刚.数据包络分析方法与MaxDEA软件[M]知识产权出版社，2015