重庆市制造业R&D效率研究——基于三阶段DEA模型

付冰婵， 付雪阳

(1.湖南师范大学 商学院，长沙 410081；2.重庆工商大学 经济学院,重庆 400067)

重庆市制造业R&D效率研究
——基于三阶段DEA模型

付冰婵1， 付雪阳2

(1.湖南师范大学 商学院，长沙 410081；2.重庆工商大学 经济学院,重庆 400067)

借助三阶段DEA模型对重庆市制造业R&D效率进行研究，在控制人力资本等环境因素的基础上对重庆市R&D效率进行测度和分析。研究发现人力资本增加有利于提高新产品开发经费存量的利用效率，但会导致R&D人力投入与R&D经费利用效率下降。剔除环境与随机因素后，R&D效率整体呈现下降趋势，纯技术效率过低是综合技术效率低下的主要原因。调整后的R&D效率值表现出较大行业差异，更能反映真实的R&D效率。各行业应充分考虑环境因素以及自身R&D特征以提升相应效率水平。

制造业；R&D效率；三阶段DEA； 重庆市

1 引言

我国工业经济进入稳增长、调结构的关键时期。在“长江经济带建设”等诸多国家战略深入推进的大背景下，产业转移的步伐正在逐步加快。重庆市处于工业化快速发展阶段，“十二五”时期，工业对重庆市地区生产总值增长贡献率约40%。十三五期间，虚拟化技术、3D打印、工业互联网、大数据等技术将重构制造业技术体系。制造业作为工业的核心，在重庆市国民经济中处于基础性地位。然而重庆市制造业发展水平与建设国家重要现代制造业基地的目标仍有较大差距。制造业存在创新能力不强，研发投入不足，中高端人才缺乏，产业技术对外依存度较高；产品档次不高，战略性新兴产业规模不大；龙头企业和科技型企业数量较少、规模偏小，核心竞争力不强等问题[1]。

R&D活动指在科学技术领域，增加知识总量以及运用知识创造新的应用而进行的创造性活动。产业R&D效率是产业技术创新的重要衡量指标，提高产业R&D效率是加快制造业转型升级，提高制造业创新能力的有效路径。近年来重庆市对R&D活动保持强有力的支持，R&D资源投入强度逐年加大。R&D经费支出由2010年的100.3亿增长到2015年的247.01亿元，R&D人员投入由58886人增加到97774人。但与东部发达地区有一定差距，如上海2015年R&D强度(R&D经费支出/GDP)为3.7%，而同期重庆为1.53%。在资源稀缺的情况下，提高R&D效率对区域发展有着重要意义。

已有研究表明R&D活动与政府资助，产业结构，所有制因素，FDI等环境因素密切相关，随着国家战略的调整与重庆经济社会的快速发展，环境因素的影响变得尤为突出。本文利用三阶段DEA模型，剔除了环境因素与随机干扰影响，得出制造业R&D效率的相关结论。

2 相关文献回顾

国内许多学者对R&D效率进行了研究。闫冰等利用随机前沿生产函数研究中国工业R&D效率，发现R&D效率与市场结构和政府支持方式有关[2]。师萍等运用超越对数生产函数的随机前沿模型对R&D效率进行研究，发现R&D效率的区域差异正在缩小，外贸依存度，外资依存度，工业化水平和信息化水平与R&D强度正相关[3]。张海洋对工业全要素R&D效率进行研究，发现要素禀赋和产权变量是R&D效率提高的主要因素，企业规模的扩大，R&D投入以及R&D投入与FDI交互项对R&D效率有抑制作用[4]。刘和东对政府资助，FDI等因素在不同时间范围的影响进行研究，发现政府资助对研发效率短期促进效果不明显，中长期出现负面效应。FDI短期促进，中期会抑制，长期促进效应不显著。基础设施，人力资本对研发效率有显著促进作用[5]。赵红，李换云利用CD生产函数的随机前沿模型，发现研发投入和FDI的R&D溢出对自主创新效率均有显著促进作用。在劳动密集型企业中，研发资本投入对自主创新没有显著影响，而在资本密集型，FDI对自主创新没有显著促进作用[6]。徐小钦，黄馨等利用DEA-Malmquist指数方法对重庆市不同性质的企事业单位科技创新效率进行研究，发现重庆市技术效率，纯技术效率和规模效率有所下降，全要素生产率的提高主要由技术进步引起，重庆市科创首要任务是创新领域制度和管理调整[7]。常建新，姚慧琴等运用DEA-Malmquist指数方法测算西部地区全要素生产率变化趋势，研究发现全要素生产率得益于技术进步。技术效率和规模效率阻碍了全要素生产率增长[8]。刘满凤对我国区域创新效率进行研究，发现剔除环境因素后，西部地区技术效率普遍下降，而东部地区技术效率普遍上升[9]，还有其他一些学者对R&D效率进行了研究。

R&D效率影响因素包括政府资助，FDI,所有制结构，外贸因素等，其结论基本趋于一致。以上研究很少涉及到人力资本因素，随着劳动力成本逐年上升，人力资本对R&D效率的影响不可忽视。重庆地区R&D效率研究多用随机前沿分析方法(SFA)及数据包络分析方法(DEA)。此种方法没有将外部环境与随机干扰因素剔除，得出的效率值偏差较大。本文应用三阶段DEA方法，将人力资本纳入到环境因素予以剔除，测算结果更为准确。

3 模型建立

Frid等(2002)提出三阶段DEA模型[10]，利用DEA模型的松弛变量对投入(或产出)进行调整，把所有DMU都调整到同等外部环境，再利用DEA模型计算各DMU的效率值。此时排除了环境变量和误差因素的影响，更加准确的反映效率情况。三阶段DEA模型由以下三个阶段构成。

3.1 第一阶段：BCC修正模型

采用投入导向型BCC模型，假定规模报酬可变，将技术效率(TE)分解为规模效率(SE)与纯技术效率(PTE)，即TE=SE*PTE。其中技术效率为实现既定投入下最大产出或既定产出下投入最小的能力；规模效率为规模经济性的发挥程度；纯技术效率为剔除规模因素后的效率。得到各个决策单元的效率值和可节约投入量。可节约投入量为实际投入与目标投入之差，受环境因素和随机干扰因素影响，在数值上等于DMU径向与非径向松弛变量之和。

3.2 第二阶段：类似SFA阶段

以可节约投入量作为因变量，环境变量为自变量构建SFA模型：

Sij=fn(zni,βn)+vni+uni,i=1,2,……,n;j=1,2,……,p

Sij为第一阶段第i个决策单元第个投入的节约投入量，zni为n个可观测的外生环境变量，βn是待估参数，uni和vni为管理无效率项与随机误差项。

利用以下公式对各决策单元投入量进行调整：

xij为要素投入量，max{zniβn}为可节约投入量最多的企业，通过该项调整使所有决策单元处于相同的运营环境。通过后项调整，使所有决策单元受到相同的随机冲击，面临相同的运气。

3.3 第三阶段：BCC修正模型

将调整后的要素投入量和原产出数据代入BCC模型中，得到调整后的效率值。

4 实证分析

4.1 数据来源及缺失数据处理

本文选取2011到2015年重庆市制造业20个子行业的数据。剔除了缺失值较多的行业，剔除的行业有烟草制品业，纺织服装、服饰业，木材加工和木、竹、藤、棕、草制品业，家具制造业，文教、工美、体育和娱乐用品制造业，石油加工、炼焦和核燃料加工业，化学纤维制造业，其他制造业以及2011年的造纸以及纸制品业，样本量为99，数据来源于各年的《重庆科技统计年鉴》以及《重庆统计年鉴》。部分缺失数据通过计算填补，比如政府资金等于R&D内部支出与企业资金，其他资金的差额。部分缺失值用平均值填补，为了保证数据的真实性和客观性，此类数据不到2%。分析软件为DEAP2.1和FRONTIER4.1。

4.2 指标选取

4.2.1 投入产出指标

本文选取R&D全时当量作为人员投入指标。R&D 经费内部支出和新产品开发经费是流量指标，考虑到其对后期产出的影响，使用永续盘存法计算得到R&D资本存量和开发经费存量作为资本投入指标，折旧率为15%，基期为2011年。R&D产出主要以专利和非专利技术形式体现,最终转化成面向市场的新产品，选取专利申请数和新产品产值作为产出指标。

4.2.2 环境指标

结合重庆制造业的发展特点，从产业规模，人力资本等七个方面提出影响R&D效率的环境因素(见表1)。为了剔除物价变动的影响，上述部分指标用R&D价格指数平减，R&D价格指数计算采用朱平芳和徐伟民的方法[11]：R&D价格指数=0.55*CPI+0.45*FAIPI。

4.3 实证结果及分析

4.3.1 第一阶段：BCC模型

运用DEAP2.1软件，通过BCC模型(部分指标进行取对数处理)对19个子行业PTE,SE 和TE进行分析(见表2)。在不考虑随机因素与环境因素干扰下，可以看到各效率值普遍较高，R&D技术效率平均值为0.92，R&D规模效率平均值为0.981，纯技术效率平均值0.94。纯技术效率过低是综合效率下降的主要原因。

皮革、毛皮、羽毛及其制品和制鞋业和交通运输设备制造等2个行业处在效率前沿面上，技术管理与资源配置相对有效。综合技术效率低于0.9的有10个行业，最低的是通用设备(0.83)与仪器仪表制造(0.831)，纯技术效率最低的也是两个行业。规模效率整体较高，最低的为黑色金属冶炼和压延加工业(0.906)。

表1 投入产出及环境指标表

表2 制造业R&D效率值表

4.3.2 第二阶段：类似SFA模型

将第一阶段得到的各决策单元R&D经费存量，开发经费存量以及R&D全时当量松弛值作为因变量，产业规模等7个环境变量作为自变量构建SFA模型(指标取对数处理，结果见表3)。可以看到，σ2，γ值均通过显著性检验，表明与随机误差相比，环境因素的影响更为重要。各变量对松弛值的系数大部分显著，说明环境因素对R&D效率存在显著影响。回归系数为正时，环境变量投入增多不利于R&D效率提高。回归系数为负时，有利于R&D效率提高。

表3 SFA模型分析结果

*，**，***分别表示在10%，5%，1%显著水平上显著，括号内为标准差值。

(1)市场结构。市场结构与R&D全时当量，R&D开发经费存量，新产品开发经费存量的松弛变量负相关。企业数增加有利于减少科研人员活动，R&D经费与开发经费冗余。重庆市处在制造业快速发展阶段，企业数量越多，产业集群效应越明显，R&D资源的越能得到充分利用。

(2)企业规模。企业规模对R&D全时当量和R&D存量，开发经费松弛变量的影响显著为负。企业平均规模越大，规模经济性越明显。R&D融资约束和投资规模和风险是上述关系出现的重要原因。中小企业在创新过程中常常遇到资金瓶颈，R&D效率难于提高，R&D活动效率往往需要较大企业规模作为支撑。

(3)政府资助。政府资助对R&D全时当量，R&D经费存量与开发经费存量松弛变量的影响为正。由于资助资金没有合理配置，会导致各种投入资源冗余以及资金利用效率下降。另外政府对独立研发领域的不当资助会降低企业自主研发积极性，同时会增加R&D要素价格，使得研发成本上升，挤出企业投资。这种现象在一些获政府支持较多的高科技企业中极为常见。

(4)所有制。所有制因素对三种创新投入松弛变量影响显著为正。国有企业比重下降，非国有企业比重提高，有利于减少R&D投入资源浪费。市场化程度提高，所有制结构的多元化，促进激励机制与企业治理结构变革，提高了R&D资源的利用效率。

(5)外商投资。外商投资对R&D全时当量和开发经费存量松弛变量的影响为正，对R&D经费存量松弛变量影响为负，表明外商直接投资增加促进了R&D经费存量的利用。随着对外开放度的提高，引入外商直接投资的同时带来了资金，技术与管理经验。会改善R&D存量利用效率和促进技术进步，但与此同时，企业用于技术研发的经费以及人力会因外资导入而增加。

(6)国际贸易。国际贸易对R&D全时当量松弛变量的影响显著为正，与R&D存量和开发经费存量松弛变量的影响为正。国际贸易比重增加会导致R&D资源的增加，资源合理配置难度加大可能是导致各种投入资源冗余以及利用效率下降的原因。

(7)人力资本对R&D全时当量与R&D经费存量的松弛变量影响显著为正，对开发经费松弛变量的影响显著为负。人力资本增加会导致R&D人力投入与R&D经费投入的增加，R&D冗余可能会因此产生，但新产品开发经费存量的利用效率会得到相应提高。

4.3.3 第三阶段：调整后的BCC模型

根据第二阶段的结果对R&D初始投入指标进行调整。利用调整后的投入数据和原产出数据，通过BCC模型计算得到第三阶段效率值，结果见表2。

与调整前相比，第三阶段效率值明显较低。技术效率平均值为0.82,规模效率和纯技术效率均值依次为0.86,0.96，纯技术效率降低仍然是技术效率过低的主要原因。外部环境和随机干扰对制造业不同子行业R&D效率的影响不同。始终处在有效前沿面的行业是交通运输装备制造。由于环境因素和随机干扰的影响，农副食品加工等9个行业的效率值被低估，其余10个行业则被高估。各行业技术效率均值变化范围为0.4352～1，纯技术效率均值变化范围为0.5242～1，规模效率均值变化范围为0.7664～1，调整后效率值变化范围大于调整前。

各行业R&D效率变化表现出较大差异，非金属矿物制品业，通用设备制造业等行业具有较高的规模效率而纯技术效率低下，需加快自主创新能力的培养，注重提升相应的社会科学发展水平和对现有技术的应用能力。印刷和记录媒介复制业等行业规模效率低下，需要加强制度创新与提高管理水平，思想文化和社会科学发展水平，加快形成规模经济与产业集聚，提高规模效率。电气机械和器材制造业则表现出双低，则需要在纯技术效率与规模效率两方面下功夫。

将调整前后各年的效率值与新产品产值进行Speaman等级相关分析(见表4)，相关度以及显著性均有明显提高。剔除了随机干扰和环境因素的影响，得到的效率值更能反映真实R&D效率水平。

表4 R&D效率与新产品产值Spearman相关分析表

*，**，***分别表示在10%，5%，1%显著水平上显著，括号内为p值。

5 结论与启示

本文应用三阶段DEA模型测算了2011到2015年重庆市制造业20个子行业的R&D效率状况，主要结论与启示如下：

(1)调整前后的R&D效率值存在显著差异。剔除随机和环境因素后，行业R&D效率值整体呈下降趋势，技术效率、纯技术效率和规模效率均值分别下降了0.1、0.09和0.03，纯技术效率过低是综合技术效率下降的主要原因。

(2)外部环境对重庆市制造业R&D效率的影响显著，市场结构等环境因素对R&D效率的影响基本上与国内的研究一致。人力资本增加有利于产品开发经费存量的利用效率的提高，但会导致R&D人力投入与R&D经费投入的增加，R&D冗余可能会因此产生。

(3)外部环境和随机干扰对制造业不同子行业R&D效率的影响不同，剔除掉随机和外部因素后，农副食品加工等9个行业的效率值上升，食品制造业等10个行业效率值下降。调整后效率值表现出更为明显的行业差异，更能反映真实R&D效率水平。

(4)应根据自身的R&D效率特征制定相应的措施，在对行业提供R&D要素支持的同时，注重提高行业内部管理水平，优化资源配置，提升R&D资金和人才的利用效率。其中非金属矿物制品业等行业纯技术效率效率低下，需注重提升技术水平和对现有技术的应用能力。印刷和记录媒介复制业等规模效率低下行业，加快形成规模经济与产业集聚，提高规模效率。电气机械和器材制造业则表现出双低，需要在纯技术效率与规模效率两方面下功夫。

各行业应抓住机遇积极承接东部地区产业转移与技术扩散，通过积极搭建技术交流平台和技术项目对接会等多种方式来提升本地技术水平与技术效率。同时注重环境因素对产业R&D效率的影响，制定有效的产业政策，如提高外资利用率，加快产业集群等，提升产业R&D效率。

[1]重庆市人民政府.重庆市建设国家重要现代制造业基地“十三五”规化[Z].2016-09-21.

[2]闫冰，冯根福.基于随机前沿生产函数的中国工业R&D效率分析[J].当代经济科学，2005, (6):14～18.

[3]师萍，张炳南，韩先锋，宋文飞.中国地区R&D效率及其影响因素的随机前沿分析[J].统计与决策，2011，(12):103～106.

[4]张海洋.中国省际工业全要素R&D效率和影响因素：1999-2007[J].经济学(季刊)，2010，(3):1029～1048.

[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，(4):548～555.

[6]赵红，李换云.研发投入，FDI的R&D溢出与自主创新效率研究—基于重庆制造业的面板数据(2000--2007)[J].科技管理研究，2011,(3):174～177.

[7]基于DEA与Malmquist指数法的区域科技创新效率评价——以重庆市为例[J].数理统计与管理，2009，(6):974～985.

[8]常建新，姚慧琴，毛颖.基于DEA-Malmquist指数的西部地区全要素生产率实证分析[J].贵州财经学院学报，2011，(5):81～86.

[9]刘满凤，李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[J].管理评论，2016,(1):42～52.

[10]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(1):157～174.

[11]朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003,(6):45～53.

Research on R&D Efficiency of Chongqing Manufacturing— Based on the Three-Stage DEA Model

FU Bing-chan1, FU Xue-Yang2

(1.School of Business, Hunan Normal University, Changsha 410081, China; 2.School of Economics, Chongqing Technology and Business University, Chongqing 400067, China)

Applying three-stage DEA model to research on R&D efficiency of manufacturing in Chongqing and the efficiency was measured based on the control of human capital and other environmental factors. It is found that increase of human capital is beneficial to utilization efficiency of product development funds, but it will lead to the decrease of utilization efficiency in R&D human resources and R&D funds. After elimination of environmental and random factors, the efficiency of R&D generally decline, for which the low efficiency of pure technology is the main reason. The adjusted R&D efficiency shows a great difference of the industry which shows the real R&D efficiency. Industries should take into full account of environmental factors and features to improve the R&D efficiency.

manufacturing; R&D efficiency; three-stage DEA; Chongqing

2017-01-03

付冰婵(1991-)，女，湖北荆州人，硕士研究生，研究方向为区域经济。 付雪阳(1989-),男，湖北荆州人，硕士研究生，研究方向为产业结构和布局。

F42

A

1674-344X(2017)2-0073-06