基于DEA三阶段模型的合芜蚌高新技术产业效率研究

郝红美，许广永

(安徽财经大学 工商管理学院，安徽 蚌埠 233000)

基于DEA三阶段模型的合芜蚌高新技术产业效率研究

郝红美，许广永

(安徽财经大学 工商管理学院，安徽 蚌埠 233000)

产业效率能够反映高新技术产业的发展状况，以2008～2015年合芜蚌高新技术产业的相关数据，结合DEA三阶段的模型，在剔除环境变量和随机干扰项的影响，对合芜蚌高新技术产业的效率进行了分析，研究表明：合芜蚌高新技术产业效率较高，但是存在投入冗余和产出不足现象。此外，政府在R&D经费的支出上要进行合理分配，提高资金的使用效率。最后，结合合芜蚌自身发展的条件提出了一些针对性建议。

合芜蚌；高新技术产业；效率；DEA三阶段

2008年10月，安徽省委、省政府在合肥召开全省推荐自主创新暨建设“合芜蚌自主创新综合配套改革试验区动员大会”，决心建设合芜蚌自主创新综合配套改革试验区，目的是充分发挥科教优势，引导创新资源合理配置。2008年合芜蚌高新技术产业总产值为1 892.7亿元，同比增长15.3%，占全省高新技术产值比重58.9%。2011年总产值为5 284.4亿元，同比增长45.4%，占全省比重63.4%。截止到2015年底合芜蚌高新技术产业总产值达到9 325.5%，同比增长13.0%，占全省比重60.9%。可见合芜蚌高新技术产业发展迅速，但从同比增长的速度来看，仍然存在着一定的问题。从现有的研究来看，鲜有学者对合芜蚌高新技术产业的效率展开深入的研究，尤其是合芜蚌自主创新实验区作为试点运行。鉴于此，本文利用2008～2015年合芜蚌高新技术产业的相关数据对其产业效率进行实证分析。

一、文献综述

近几年，针对安徽省高新技术产业的研究，体现在企业发展的总体状况、产业政策评价、投入和产出等方面。甘卫平从宏观数据的角度对安徽省高新技术产业的情况进行了分析，认为该产业已经成为安徽省转变经济发展方式，推动经济发展的重要支柱[1]；程建华通过收集2007～2013年安徽省高新技术产业的数据，对该省高新技术产业政策进行分析，并提出了改进措施[2]；而刘立平、蔡琴等对安徽省高新技术产业的投入、产出以及发展潜力进行了研究，认为安徽省的投入和产出不相适应，表现为产出不足，有待进一步改善[3]；谢伟等对中国高新技术产业研发效率进行了研究，对区域的差异化进行了比较[4]；陈洪转等从我国高新技术产业园区的投入产出效率角度进行了评价[5]；杨清可等从高新技术产业的时空演变和效率变化角度进行了研究，并比较了省际的差异[6]；刘俊玲等对中国高新技术产业效率进行了分析，表明各省份产业效率差异明显，整体不容乐观[7]；另外，一些学者从省际角度对高新技术主导产业的政策实施、投入产出、技术效率进行了研究[8，9]，如张雪梅对北京市高新技术主导产业的五大行业的技术效率进行了测算并与其他各省份进行了比较研究，发现省际差异显著，并提出了合理配置资源的意见建议[10]。

在产业效率的研究方法上，黄永兴等利用Bootstrap-DEA的空间计量对中国文化的产业效率进行了分析[11]；唐善玲利用主成分分析和DEA-Malmquist生产指数法对山西省和其他各省高新技术产业的动态效率进行了比较[12]；马跃如等在分析我国文化产业效率时利用SFA模型[13]；刘伟基于DEA三阶段对中国高新技术产业创新效率进行了测算[14]。从这些已有研究可以看出，以DEA测度方法和SFA回归分析较为常见，而DEA三阶段是把DEA模型和SFA回归分析两种方法进行结合[15]。三阶段是由Fried等提出的[16]，与传统的DEA模型相比，考虑到外部环境和随机误差的影响因素，因此改进了DEA的模型，由于在公式计算的过程中存在误导，对管理无效的公式没有明确给出，罗登跃通过研究分析给出了测算管理无效的公式，进而加强三阶段模型的准确性[17]，第一阶段Fried等采用的是DEA方法中规模报酬可变的BCC模型，既用VRS模型进行运算。本文是出于研究合芜蚌高新技术产业各项投入优化的角度来提高产业效率，因此也更加适合采用此模型；第二阶段基于第一阶段得出的初始数据为基础，把得到的投入松弛之和作为被解释变量，把环境因素作为解释变量，进行第二阶段SFA的回归分析，得出相关指标，通过公式计算得出调整后的投入变量；第三阶段则把调整后的投入变量替换到原始的投入变量，再重新进行第一阶段的BCC模型分析，此时得出的效率值排除了环境因素和随机误差的影响，使得分析的结果更加客观真实。

二、数据来源及构建指标

(一)数据来源

为了分析合芜蚌高新技术产业各发展阶段的效率情况，本文选取了2008～2015年的时间序列数据，数据来源于2008～2015年《安徽省统计公报》《安徽省统计局》和《安徽省高新技术统计年鉴》，其中合芜蚌高新技术企业的总产值、增加值、全省高新技术企业数、在孵企业数来自2008～2015年《安徽省统计公报》，其他变量来自《安徽省统计局》和《安徽省高新技术统计年鉴》。科技活动人员、R&D经费投入是通过查找安徽省统计局得到合肥、芜湖、蚌埠各市的数据相加整理得到，在数据的整理中存在个别数据的缺失，考虑到对实证结果不构成重大影响，这里采用数据平滑法处理弥补。

(二)指标的选取

在指标的选取过程中，参考潘娟、范巧构建投入产出模型、李洪伟等研究高新技术产业投入产出效率以及刘湘君利用三阶段方法测度安徽省高技术产业技术效率的指标体系选择的原则[18-20]，并结合合芜蚌高新技术产业自身发展的条件，选取了科技活动人若干、R&D经费投入(百万)、研发机构若干和在孵企业作为投入变量，产出变量则选取合芜蚌高新技术产业的总产值(亿)和增加值(亿)，在进行研究中可以比较总产值和增加值的变化。对于环境变量的选取，则结合地区的政策、市场和经济情况，选择政府的支持、全省高新技术企业数、地区生产总值(亿)三个环境变量，其中，政府在研发经费的财政支持上能够体现对高新技术产业研发创新给予的重大政策，考虑数据的可获得性，选择研发经费内部支出中政府的支出比重。

三、实证结果与分析

(一)合芜蚌高新技术产业传统DEA分析

第一阶段不考虑环境因素和随机误差的影响，在传统的DEA投入导向BBC模型下，运用DEAP2.1软件对合芜蚌高新技术产业的效率水平进行初步分析，得到相应的技术效率、纯技术效率、规模效率和规模情况，见表1所示。

表1 2008～2015合芜蚌高新技术产业效率

注：irs为规模报酬递增，drs为规模报酬递减，—为规模报酬不变，以下皆同。

从表1中可以看出，2008～2015年合芜蚌高新技术产业综合技术效率的均值为0.930，纯技术效率的均值为0.994，规模效率的均值为0.936，2010年、2011年、2014年、2015年四年的综合技术效率为1，达到了技术有效，其他年份没有达到技术有效，表明在纯技术效率和规模效率方面存在一定程度的改进空间。总体来看合芜蚌技术效率较高，原因有两方面可能，一是DEA模型测度的是相对效率，参照的对象是其自身其他年份的发展水平，因此相对于合芜蚌自身来说这几年来发展的较为平稳，技术水平较高；二是安徽省对合芜蚌高新技术产业创新试验区的大力支持，使其发展较快。但是仍然存在投入冗余的情

表2 SFA回归分析结果

注：*** 、** 、*分别表示1%、5%、10%水平上具有显著性，括号内为标准差。

况，需要改进。

(二)合芜蚌高新技术产业SFA回归分析

根据SFA回归分析结果可知，在显著性水平的检验下，地区生产总值、政府支持、全省高新技术企业数三个环境变量基本通过10%的t检验，说明其对合芜蚌高新技术产业的技术效率存在影响。从λ值可以看出，管理无效之外的因素也是导致合芜蚌高新技术产业投入松弛的原因，因此，有必要剔除环境变量和随机干扰因素进行客观的分析。

根据SFA回归分析，我们也可以看出环境变量和松弛变量之间的关系，具体有两种关系：(1)当环境变量对松弛变量的系数为负值时，说明环境变量的增加有利于减少被解释变量的投入冗余，提高产业效率；(2)当环境变量对松弛变量的系数为正值时，说明环境变量的增加反而增加了被解释变量的投入冗余，降低了产业效率。表2中地区生产总值与四个被解释变量均为负值，但是只有以R&D经费松弛变量为被解释变量时显著，表明地区生产总值越大，越有利于减少研发创新的投入，降低资源浪费；政府的支持与四个被解释变量均为正值，表明政府的支持，并没有达到提高产业效率的目的，原因主要是政府在支持的角度是从资金方面，在资源配置方面和管理体制上并没有给予约束和规制，而获得资金支持的高新技术企业在研发经费的管理和配置上不合理，比较粗放，造成资金资源使用的严重浪费，所以导致政府支持对产业效率的促进不明显，反而降低了高新技术产业的效率；全省高新技术企业与被解释变量显著为正，表明扩大高新技术企业的规模，加大高新技术企业的发展有利于提高产业效率，同时，高新技术企业的发展有利于调整产业结构，从粗放型企业向知识密集和技术密集型企业迈进。

(三)合芜蚌高新技术产业调整后的DEA效率分析

通过第二阶段的SFA回归，来剔除四个环境变量对投入的干扰，根据公式：

对比表1和表3，我们发现，综合技术效率由原来的0.930下降到0.903，规模效率由原来的0.936下降到0.922，而纯技术效率反而由原来的0.987上升到0.994，说明外部环境的干扰确实影响了效率值，虚高了技术效率的值和规模效率的值，而纯技术效率上升，综合技术效率并没有上升，能够说明规模效率是导致技术效率下降的主要原因，因此经过调整后得出的效率值更加客观准确。

表3 调整后2008～2015合芜蚌高新技术产业效率

经过调整后，得到2008～2015年合芜蚌高新技术产业投入冗余情况，结果见表4。

表4 合芜蚌高新技术产业冗余情况

从表4我们可以得到，R&D经费、研发机构数、企业数都存在投入过剩的状况，均值分别为720.206、5.061、10.271，其中2009年合芜蚌高新技术产业的R&D经费投入过剩较大，为4 980.626百万元，因此调整R&D经费、研发机构数以及企业数是有必要的，并非投入越多越好，要合理高效率地利用资源。在产出中可以看到，总产值没有出现产出不足，但是增加值却存在产出不足，分别是2009年、2012年、2014年，均值为29.494，可见总产值虚抬了高新技术产业的发展速度，增加值能够更清晰的反映合芜蚌高新技术产业的发展状况。

四、结论及政策建议

本文运用了DEA规模效率可变的BCC模型测算了2008～2015年合芜蚌高新技术产业的技术效率，通过三阶段剔除环境变量和随机干扰项得出以下结论：

1)2008～2015年合芜蚌自主创新实验区，在相关政策的推动下，发展较为迅速，相对技术效率较高，其中规模效率的变化对技术效率产生主要影响。

2)从投入的角度可以看出，合芜蚌高新技术产业个别年份存在投入冗余情况，表现为R&D经费、研发机构数、企业数投入过多，造成了资源浪费；从产出的角度得出在反映合芜蚌高新技术产业发展状况时，使用增加值更加的客观。

3)外部环境的确对该地产业效率产生影响，表现为虚高了产业的技术效率，其中政府的研发经费的支持反而阻碍了产业效率的提高，因此在财政投入上，并非政府投入的越多越好。

综上所述，对于合芜蚌高新技术产业的发展给出以下建议：

1)从政府政策角度，在给予合芜蚌高新技术产业相关优惠政策时，一定要考虑政策实施的可行性和执行效果，在财政支持上，要注意资金的分配，做到资源利用的最大化。

2)从合芜蚌高新技术产业角度，要合理的配置资源，提高R&D经费的利用效率，对研发机构和高新技术企业进行整顿，避免出现闲置的设备场所，造成资源的浪费，更加注重规模效率的提高，未来的发展是规模和效率之争。

3)高新技术产业作为技术密集型和知识密集型产业，政府要建立健全合芜蚌自主创新实验区的科技创新体系，完善人才保护机制，对高技术型人才给予优惠政策，为人才培养创造客观条件，同时企业应该加大人才的培养力度，建立一套完善的用人机制。

[1]甘卫平.安徽省高新技术产业发展现状及政策建议[J].安徽科技，2013(7)：12-14.

[2]程建华.安徽省高新技术产业政策评价及改进建议[J].江淮论坛，2014(4)：94-98.

[3]刘立平，蔡琴.安徽省高新技术产业发展实证研究[J].对外经贸，2013(1)：71-73.

[4]谢伟，胡玮，夏绍模.中国高新技术产业研发效率及其影响因素分析[J].科学学与科学技术管理，2008(3)：144-149.

[5]陈洪转，舒亮亮.基于DEA模型的我国高新技术产业园区投入产出效率评价[J].科学学与科学技术管理，2013(4)：104-109.

[6]杨清可，段学军.基于DEA-Malmquist模型的高新技术产业发展效率的时空测度与省际差异研究[J].经济地理，2014(7)：103-110.

[7]刘俊玲.中国高新技术产业效率研究——基于PCA和三阶段DEA模型的实证分析[J].辽宁工程技术大学学报(社会科学版)，2016(1)：25-32.

[8]张绍合，贺建林.湖南省高新技术产业发展影响因素的实证分析[J].湖南财经高等专科学校学报，2010(3)：85-87.

[9]曾硕勋，杨永，施韶亭.基于DEA三阶段模型的中国高新技术产业效率研究[J].企业经济，2013(1)：116-120.

[10]张雪梅.北京高新技术产业技术效率分析[D].北京：北京工业大学(硕士学位论文)，2012.

[11]黄永兴，徐鹏.中国文化产业效率及其决定因素：基于Bootstrap-DEA的空间计量分析[J].数理统计与管理，2014(3)：457-466.

[12]唐善玲，白宪生.山西省高新技术产业动态效率与我国发达地区比较研究——基于主成分分析和DEA-Malmquist生产率指数法[J].科技管理研究，2013(23)：50-55，61.

[13]马跃如，白勇，程伟波.基于SFA的我国文化产业效率及影响因素分析[J].统计与决策，2012(8)：97-101.

[14]刘伟.中国高新技术产业研发创新效率测算——基于三阶段DEA模型[J].数理统计与管理，2015(1)：17-28.

[15]李双杰，王林，范超.统一分布假设的随机前沿分析模型[J].数量经济技术经济研究，2007(4)：84-91.

[16]Fried, H. O., Lovell, C. A. K., Schmidt, S. S.,et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis, 2002(17):157-174.

[17]罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究，2012(4)：104-107.

[18]潘娟，范巧.基于C-D生产函数的自主创新投入产出模型研究[J].科技进步与对策，2008(11)：23-26.

[19]李洪伟，任娜，陶敏，等.基于三阶段DEA的我国高新技术产业投入产出效率分析[J].中国管理科学，2012(S1)：126-131.

[20]贺旭辉.安徽省农业高新技术产业化发展模式探讨——基于要素禀赋差异视角[J].皖西学院学报，2014(4)：41-45.

Research on the Efficiency of He-Wu-Beng Hi-tech Industry Based on the Three-stage DEA Model

HAO Hongmei, XU Guangyong

(CollegeofBusinessAdministration,AnhuiFinanceandEconomicsUniversity,Bengbu233000,China)

The industrial efficiency can reflect the development of the high-tech industry. Based on the relevant data from 2008-2015 of He-Wu-Beng hi-tech industry and combined with the three-stage DEA model in eliminating the influence of environmental variables and random disturbance, the paper analyzes the efficiency of He-Wu-Beng hi-tech industry. The research shows that: its industrial efficiency is rather high, but input redundancy and output deficiency phenomenon still exist. In addition, the government should allocate R&D expenditure, improve the efficiency of the use of funds. Finally, the paper puts forward some countermeasures according to the development conditions of He-Wu-Beng.

He-Wu-Beng; hi-tech industry; efficiency; three-stage DEA model

2016-11-20

安徽经济预警运行与战略协同创新中心资助项目“安徽省高新技术产业政策评价研究”(AHCX14009)；安徽财经大学研究生科研创新基金项目(ACYC2015115)。

郝红美(1991-)，男，安徽合肥人，硕士研究生，研究方向：商业交互及创新管理；许广永(1975-)，男，安徽淮南人，副教授，博士，研究方向：创新管理、人力资源管理。

F127

A

1009-9735(2017)01-0069-05