中国林产工业企业Ramp;D投入—产出效率分析——基于DEA模型的比较研究

,2

(1.北京林业大学 经济管理学院,北京 100083;2.清华大学 经济管理学院,北京 100084)

中国林产工业企业Ramp;D投入—产出效率分析
——基于DEA模型的比较研究

张芮菱1,余吉安1,2

(1.北京林业大学 经济管理学院,北京 100083;2.清华大学 经济管理学院,北京 100084)

运用DEA评价模型,基于2015年林业人均产值将湖南、福建、重庆、湖北、山东分为第一组,陕西、贵州、新疆、山西分为第二组，进行林产工业企业Ramp;D效率比较研究。结果表明：9省份效率均值均未达到有效。第一组纯技术效率偏低，投入冗余率偏高；第二组规模效率偏低，规模报酬的提升空间大。湖南、重庆、湖北在技术创新过程中出现“效率悖论”问题,Ramp;D人员与资金投入的冗余率均较高;陕西资金冗余率高达92.23%。建议企业摆脱依靠高投入刺激高产出的观念,着重关注资源的合理配置、有效利用和适当规模化,加强科研资金运营管控,为Ramp;D活动创造良好的组织环境。

DEA模型;林产工业企业;效率评价;Ramp;D效率

林业在国民经济、社会发展和可持续发展战略中占据着极其重要的地位,其经济、社会、生态、碳汇和文化功能得到了全球各界人士的广泛关注与认可。科技创新水平标志着一国核心竞争力的高低,是推动经济发展方式转变的内生动力。2012年我国“一号文件”重点关注农业科技投入,吸引了众多学者和专家致力于农业科技研究,但林业领域的科技研究却较少涉及。与国际比较,我国林业科研经费人均投入仅为美国的7.4%[1],林业科技转化率仅有43%,而林业发达国家为80%[2]。当前,我国大部分地区林业发展仍然是主要依靠增加劳动力与资金等投入以带动产出的粗放型增长,林业科技未对林业产值做出充分贡献。建设与发展现代林业急需科技的支撑与引领,获取林业改革与发展的突破性进展急需科技的协助与指导。

目前我国林产工业正处于黄金发展期和结构性转型期,依旧保持世界木材加工厂地位[3],其中人造板、木地板产量位居世界第一,成为林产品工业制造大国[4]。20世纪80年代以来,随着民营经济的迅速崛起,国外资本加大投入,我国林产工业迎来了发展机遇,自20世纪90年代以来我国木材工业发展速度一直呈现高于国民经济增长速度的态势[3],因此重视发展林产工业是林业走循环可持续发展之路和林业产业转型升级的重要手段。我国要实现林业产值增加,必须摆脱以依靠原木采伐量、林产品初级加工品为主的产业模式,明确依靠科技创新带动我国从林产品工业大国迈向林产品工业强国的行列。

技术创新来源于Ramp;D活动的发展,Ramp;D活动是技术创新的核心内容[5]。Ramp;D投入—产出效率关系到一个国家或单位的科技实力和核心竞争力。企业是技术创新的主体,技术创新是企业获取持续核心竞争力的源泉,是企业追求长远发展的基础,走林业科技化发展道路是我国林业发展的首要选择。在林业科技化过程中,林产工业企业扮演着核心的角色,而企业的Ramp;D投入与效率水平直接决定了企业研发能力和新产品的单位价值含量,影响着整个林业制造业的总产出水平。因此,研究林产工业企业的Ramp;D活动投入与经济产出的效率问题对林产工业的发展至关重要。

1 国内外研究综述

林业投入—产出效率分析是研究林业经济增长的重要内容。Anwar基于1977—1990年美国明尼苏达州的投入—产出效率情况,分析了森工企业各部门之间的联系[6];Cox、AMunn利用IM-PLAN投入—产出分析方法测算出美国南部和太平洋西北岸的森林工业对当地经济的拉动效率,以及1美元森工产值带来的边际价值[7];Viitala、Hanninen基于DEA模型测算了芬兰19个公益林的投入产出效率[8]。国内，首先在全国层面上,李春华等比较分析了2006年我国31个省份的林业投入—产出效率情况[9];其次，在单一的省市方面,赖作卿、张忠海[10]、田淑英等[11-14]分别对广东、安徽、甘肃、北京和福建的林业投入—产出效率进行了测算与分析,其他省份鲜见。

Ramp;D效率是指对Ramp;D活动的投入和产出的比较,效率的高低体现了Ramp;D研发能力的强弱和科技水平的高低[15]。DEA方法在Ramp;D投入—产出效率评价领域得到了广泛运用,如Korhonen[16]、Cherchye[17]分别评估了芬兰和荷兰大学的Ramp;D效率；吴和成、郑垂勇分析了我国1999—2000年各地区的科技投入产出相对有效性[18]；罗亚非等评价了我国化学药品制造业、通信设备制造业、电子器件制造业等高科技产业科技活动绩效的相对有效性[19]。

针对我国林业Ramp;D科技投入—产出效率问题,马梅芸采用DEA-Tobit方法进行了实证分析,认为林业全要素生产率各分量即技术进步、纯技术效率、规模效率之间未形成合力,建议加快林业科技推广,引导适度规模经营[20];庞一楠等采用灰色关联度分析法综合评价了陕西省林业科技的投入—产出效率,研究表明陕西省林业科技的投入仍处于较低水平,建议重视投入—产出效率这一指标,使林业科技资源得到有效利用[21];李平研究了1990—2009年我国财政的科技投入状况,发现财政科技投入与林业经济增长之间存在正相关的因果关系[22];陈思杭用DEA方法测算了我国9个林业较发达省份的林业Malmquist生产率指数,得出林业科技发展是林业生产率增长的关键因素,但林业科技投入的弹性系数小于固定资产投资,林业科技投入对林业生产率增长的作用尚未完全显现[23]。可以看出,尽管不少学者针对林业投入—产出效率、Ramp;D效率以及林业Ramp;D科技投入—产出效率进行了研究,但对林产工业企业Ramp;D科技投入—产出效率研究较少,因此基于DEA模型,比较分析我国各省份林产工业企业科技投入—产出情况,对指导林业企业生产具有重要的参考价值。

2 研究方法与变量说明

2.1 研究方法及数据来源

本文主要采用美国运筹学家Charnes等提出的数据包络分析法(Data Envelopment Analysis,DEA)进行效率评价[24]。DEA方法得出的效率测算结果包括综合效率(crste)、纯技术效率(vrste)和规模效率(scale),综合效率是纯技术效率与规模效率的乘积,相应数值未达到1则表示无效。当综合效率小于1时,通过比较纯技术效率与规模效率的数值大小来进一步探析无效状态主要是由技术导致还是规模导致:纯技术效率用于判断DMU中各要素的配置情况,衡量科技投入的技术水平的高低,若纯技术效率数值小于规模效率数值,表示主要原因在于技术水平;规模效率用于判断DMU是否达到适度规模状态,反映科技投入规模是否有效,若该数值更小,则表示综合效率无效的主要原因在于规模无效[25]。

由于CCR模型不能单纯评价“技术有效”性,1984年Banker、Charnes、Cooper提出了BCC模型,可单独评价决策单元的技术效率[26]。该模型假设规模报酬可变,更能恰当地反映生产过程,因此本文采用BCC模型对林业Ramp;D投入—产出效率进行测算。

假设有n个DMU,每个DMU都有m种类型的输入和s种类型的输出。用Xj表示输入,Yj表示输出:

Xj=(x1j,x2j,…,xmj)T

(1)

Yj=(y1j,y2j,…,ysj)T,j=1,2,…,n

(2)

式中,xijgt;0表示的是第j个决策单元DMUj的第i种类型输入的输入量,yrjgt;0表示的是第j个决策单元DMUj的第r种类型输出的输出量(i=1,2,…,m;r=1,2,…,s;j=1,2,…,m)。评价第j个DMU有效性的BCC模型为:

(3)

式中,λj为单位组合系数;θ为DMU相对效率测算值;VD、X0、Y0为常数项;s-、s+表示松弛变量[27]。如果θ=1,s-与s+不为0,则决策单元DMUj为弱DEA有效,若想维持投入或产出不变,应相应增加s+单位的产出或减少s-单位的投入;如果θ=1,s-与s+均等于0,则DMUj为DEA有效,即技术与规模同时有效;若θlt;1,该决策单元为DEA无效。本文直接利用输入和输出数据建立非参数的DEA模型进行不同地区、不同省份的林业科技效率测算和评价。

本文数据来源于2005—2015年《中国林业统计年鉴》、《中国科技统计年鉴》和各省份统计年鉴等。

2.2 指标选取要求

DEA方法要求测算的投入—产出指标均大于0,并且决策单元的个数应不小于投入指标数量和产出指标数量之和的2倍[28]。本文基于林业科技效率研究主题,选取从事木材加工和木、竹、藤、棕、草制品业,家具制造业,造纸和纸制品业三大林业制造业中规模以上工业企业Ramp;D人员折合全时当量、规模以上工业企业Ramp;D经费内部支出两个投入指标,以及该三大产业生产总值作为产出指标,以福建、湖南、重庆、湖北、山东、陕西、贵州、新疆、山西9个省份2015年各项截面数据为9个决策单元,符合DEA效率测算指标选取要求,因此测算结果具有可信度。

2.3 研究对象与变量选取解释

林产工业是以木材资源为主的林产品加工业,通常包括木材加工业、制浆造纸工业及家具业等,不但密切关系国计民生,而且随着各林产制品出口的急剧增长,林产工业在未来我国国民经济中的作用呈显著增强趋势[29]。2015年，我国林业三次产业的产值结构为34∶50∶16,可以看出林业第二产业贡献率最高,盈利能力最强,其中木材加工及木、竹、藤、棕、苇制品制造业,家具制造业、造纸和纸制品业产值的占比约73.56%,因此研究林产工业企业的Ramp;D活动投入—产出效率对整个林业总产值的增加具有重大意义。在投入要素方面,本文选取从事以上三大产业中规模以上工业企业Ramp;D人员折合为全时当量、Ramp;D经费内部支出两项指标。其中,人员折合为全时当量是指全时人员数加非全时人员数按工作量折算为全时人员数的总和,更能反映Ramp;D活动的劳动力要素投入;企业Ramp;D经费的内部支出单纯指该企业自身实际开展研究试验与发展的支出,为避免重复计算委托外单位的研发经费,选取内部支出作为资金投入更为准确。此外,本文选取以上三大产业的总产值作为产出指标,更加直观地测算出企业Ramp;D投入的经济效果。

3 效率测算与分析

3.1 测算结果描述

在比较不同国家、不同行业生产力发展水平时,人均产值通常被认为是一种主要的经济指标[30]。经初步测算,2015年我国林业人均产值约为492.92万元,本文选取部分林业人均产值高于或低于该值的省份与分为两组样本做比较研究,第一组为高于全国平均水平,第二组为低于全国平均水平,样本数据见表1。

表1 2015年我国部分省份林业相关数据

注:“三业”指木材加工及木、竹、藤、棕、苇制品制造业,家具制造业,造纸和纸制品业，数据来源于2015年《中国林业统计年鉴》和各省市2015年的统计年鉴。

本文利用Deap2.1软件对我国部分省份林业科技相对效率进行测算,测算结果见表2、表3。

表2 2015年部分省份林产规模以上工业企业Ramp;D投入—产出率

注:irs表示规模报酬递增；drs表示规模报酬递减；-表示规模报酬不变；crste=vrste×scale。

3.2 测算结果分析

由表2可知,样本省市各项指标均值均未达到有效水平,综合效率仅为0.531,表明这些省份林产规模以上工业企业Ramp;D活动投入—产出的相对有效性水平普遍较低。其中:①福建和贵州两省达到DEA有效,其纯技术效率与规模效率均为1,意味着其Ramp;D活动不但实现了技术有效,并且达到规模有效,规模报酬稳定,此时的Ramp;D投入—产出规模和资源配置与技术利用水平为最佳状态。②湖南、重庆规模效率为1,规模收益稳定,但纯技术效率却小于1,分别为0.445和0.378,低于样本平均水平0.747,表明湖南与重庆林产规模以上工业企业的Ramp;D投入规模虽然有效,但技术水平未达到有效水平,生产有效性低。由表3可知,与生产前沿面比较,湖南、重庆Ramp;D人员全时当量冗余率分别为55.51%、62.21%,Ramp;D内部经费支出冗余率分别为59.81%、77.82%,说明两地区林产规模以上工业企业在同样产出情况下,Ramp;D人员和资金投入冗余严重,存在资源分配不合理、纯技术利用效率低、资源浪费等问题。③山东、新疆和山西纯技术效率也均达到1。由表3可知其投入冗余率为0,表示在既有规模下,其技术效率有效,不存在资源浪费现象;但规模效率分别为0.635、0.170、0.438,均低于1,且山东规模报酬递减,新疆、山西递增,说明三省的林产业工业企业Ramp;D投入规模的调整空间还很大,可根据地区具体情况分别适当增减投入规模。④湖北、陕西两项指标均未达到1,其中湖北综合效率为0.427,纯技术效率为0.739,规模效率为0.577,Ramp;D人员冗余率为57.35%,Ramp;D经费内部支出冗余率为26.1%,规模报酬处于递减阶段;陕西省的综合效率、纯技术效率和规模效率分别为0.767、0.852、0.899,Ramp;D人员与内部经费支出冗余率分别为14.78%和92.23%,规模报酬处于递增阶段。以上测算结果表明,湖北、陕西两省的林产工业企业Ramp;D投入—产出效率状况在样本中表现最差,不但资源纯技术利用率低,而且规模也不适宜。在投入冗余方面,湖北省人员冗余问题更严重,陕西省经费内部支出冗余问题最突出。

从整体上看,在Ramp;D投入与产出绝对值方面,第一组省份远高于第二组,投入更高,产值优势明显;然而在效率方面,第一组技术效率整体较差,普遍低于第二组,且湖北、山东两省处于规模收益递减状态,应减少投入或提高现有资源利用率以增加产出,而陕西、新疆、山西的规模收益递增,可在保持现有资源利用技术水平和资源配置水平下扩大投入规模。以上研究表明,高投入带来高产出,但未必意味着高效率,林产工业经济指标相对乐观的湖南、重庆与湖北,三省市的企业在技术创新过程中却存在着“效率悖论”现象,且出现投入过甚或产出不足问题。

表3 2015年部分省市林产规上工业企业Ramp;D投入冗余情况

注:冗余率=冗余值/原值,预计值=原值-冗余值。

4 结论与建议

简单地通过比较分析投入—产出的绝对值,不能对一个区域或企业的资源利用效率与规模效益作出合理评价[31]。本文针对林业产业区域经济问题,比较研究了我国部分省份2015年林产工业企业的Ramp;D投入产出效率,得出以下结论:①湖南、福建、重庆、湖北、山东、陕西、贵州、新疆、山西的林产规模以上工业企业Ramp;D活动综合效率普遍较低,纯技术效率与规模效率均为达到有效水平。②湖南、重庆、湖北林产工业企业在技术创新过程中出现“效率悖论”问题,Ramp;D活动人员与资金投入的冗余率均较高,说明三省市林产工业企业资源利用技术效率不高,浪费现象较严重,高产值依赖于高投入而非高效率。分析可能的原因是:Ramp;D活动人员、资金分配不合理,导致对已有资源挖掘不足,没有使其充分利用,且存在资源重复建设现象;Ramp;D活动的组织管理与协调能力较弱,未对技术创新提供一个良好的培育与发展环境,造成研发动力不足、资源损耗等问题;或尽管三省的林业人均产值相对较高,但林产工业不是主要贡献力量,该地区的林产工业企业存在经营分散、科技基础薄弱、研发能力落后等问题,林业产成品仍以初级加工品为主。建议企业关注重点不是Ramp;D投入资源的绝对数量,而是投入资源的合理配置和已有资源的利用率,提高Ramp;D投入产出纯技术效率,并结合自身特点,协调好投入与规模两者的关系,降低投入冗余率。③在规模效率方面,第一组的湖北、山东与第二组的陕西、新疆、山西均为有效,其中湖北、山东规模收益递减,建议企业控制投入规模或适当缩减现有生产规模,而森工产值相对较低的陕西、山西、新疆均处于规模报酬递增阶段,因此建议企业在保持现有生产水平下考虑扩大生产规模,实现总产出进一步增长。此外,陕西省林产工业企业应着重关注Ramp;D资金冗余率过高的现象,可能存在资金调度不合理、营运不畅、资金活动管控不严等问题,应加强资金的管理。

综合来看福建和贵州的林产工业企业在Ramp;D投入—产出效率方面表现最好。林云对区域技术创新投入产出进行了实证研究,发现技术创新存在一种轨道效应,可称作技术创新的“马太效应”[32],即科技投入—产出效率高低与业已技术创新累积的优势息息相关。因此研究福建与贵州林业科技发展现状,能对其他省市乃至全国林产工业企业的技术化转型和林产工业产业化改革提供建议或指导。

主要是:①改进林业生产制度,完善林业科技体系,实现林业的全产业链化。福建省于2008年引入市场元素,并实行林地分户的经营方式与“均股均利”的分配模式[14],为林业技术创新打造了良好的制度基础;在完善林业科技体系方面,于2001年成立林业生产力促进中心,旨在为中小型林业科技企业提供综合性科技服务。此外,还逐渐构建了涵盖苗木种植、板材加工、生物科技、森林旅游、生态服务等一系列完整的全产业链结构。②健全林业技术推广服务体系、管理机制和组织保障机制,明确科技成果推广服务对象。贵州省的市、州、县基本都建立了林业科技推广机构,并加大了人员与资金的投入,以示范项目为载体保障推广工作顺利进行[33]，开展技术培训与科技咨询，最大程度地提高科技产出到经济产出的转化率。③明确企业的创新主体地位,加强产学研合作,提高企业Ramp;D活动效率。企业高研发效率有助于企业经济的健康发展,低效率使企业经济增长动力不足。通过产学研合作,高校、科研院所协助企业进行基础研究、应用与开发研究，或围绕企业的研发要求,进行成果转化，在时间与成本方面提升效率。

[1]关于加快林业科技投入的建议[EB/OL].中国民主促进会官网,http://www.mj.org.cn,2013.

[2]以林业科技创新引领绿色增长[EB/OL].中国林业新闻网,http://www.mj.org.cn,2012.

[3]李学强.浅谈林产工业现状及木材工业发展趋势[J].黑龙江科技信息,2013,(2)∶207.

[4]由佳.中国各省级区域林产工业产业竞争力比较研究[D].北京:中国林业科学研究院硕士学位论文,2015.

[5]陈文俊,李涵,刘执圭,等.湖南省Ramp;D投入产出效率研究[J].经济数学,2015,(4)∶47-53.

[6]Hussain·Anwa.Interindustry Linkages,Resource Use and Structural Change:An Input Output Analysis of Minnesota′s Forest-based Industries[D].University of Minnesota DAI-B 57 04,1996∶2248.

[7]Brian·M·Cox,Ian·AMunn.A Comparison of Two Input-Output Approaches for Investigating Regional Economic Impacts of the Forest Products Industry in the Pacific Northwest and the South[J].Forest Products Journal,Madison,2001,51(6)∶398.

[8]Viitalae J,Janninen H.Measuring the Efficiency of Public Forestry Organizations[J].Forest Sci,1998,3(44)∶298-307.

[9]李春华,李宁,骆华莹,等.基于DEA方法的中国林业生产效率分析及优化路径[J].中国农学通报,2011,(19)∶55-59

[10]赖作卿,张忠海.基于DEA方法的广东林业投入产出效率分析[J].林业经济问题,2008,(4)∶323-326.

[11]田淑英,张琛,许文立.安徽省林业投入产出效率评价——基于超效率DEA模型[J].合肥学院学报(社会科学版),2013,(2)∶111-115,126.

[12]米锋,刘智丹,李卓蔚,等.甘肃省林业投入产出效率及其各指标影响力分析——基于DEA模型的实证研究[J].林业经济,2013,(12)∶100-104.

[13]张颖,杨桂红,李卓蔚.基于DEA模型的北京林业投入产出效率分析[J].北京林业大学学报,2016,(2)∶105-112.

[14]林超,谢志忠,蔡文樱.基于DEA模型的福建省林业投入产出效率研究[J].科技和产业,2016,(4)∶16-20.

[15]钟华.基于DEA方法的国家Ramp;D投入产出效率研究[D].北京:中国科学院研究生院(文献情报中心)硕士学位论文,2008.

[16]Korhonen P,Tainio R,Wallenius J.Value Efficiency Analysis of Academic Research[J].European Journal of Operational Research,2001,(130)∶121-132

[17]Cherchye L,Vanden Abeele P.On Research Efficiency:A Micro Analysis of Dutch University Research in Economic and Business Management[J].Research Policy,2005,(34).495-516

[18]吴和成,郑垂勇.科技投入产出相对有效性的实证分析[J].科学管理研究,2003,(6)∶93-96.

[19]罗亚非,焦玉灿,戎莉.基于CCR模型的高技术行业科技活动绩效评价[J].科技管理研究,2006,(3)∶151-154.

[20]马梅芸.福建省林业全要素生产率研究[D].福州:福建农林大学硕士学位论文,2012.

[21]庞一楠,揭昌亮.基于灰色关联度分析法的林业科技投入产出效率评价模型研究——以陕西省为例[J].荆楚理工学院学报,2016,(4)∶75-80.

[22]李平,张俊彪.中国财政科技投入与林业经济增长互动关系的实证研究[J].中国科技论坛,2011,(9)∶135-138.

[23]陈思杭.林业科技投入与林业生产率增长关系的实证研究[D].九江:江西农业大学硕士学位论文,2014.

[24]李美娟,陈国宏.数据包络分析法(DEA)的研究与应用[J].中国工程科学,2003,5(6)∶88-94.

[25]周静,王立杰,石晓军.我国不同地区高校科技创新的制度效率与规模效率研究[J].研究与发展管理,2005,(1)∶109-117.

[26]魏权龄.评价相对有效性的数据包络分析模型——DEA和网DEA[M].北京:中国人民大学出版社,2012.

[27]魏权龄.评价相对有效性的DEA方法[M].北京:中国人民大学出版社,1998.

[28]周薇.基于DEA模型的我国渔业科技效率实证分析[D].上海:上海海洋大学硕士学位论文,2015.

[29]林凤鸣.关于我国林产工业发展问题的思考[J].世界林业研究,2003,(5)∶40-45.

[30]肖高励.人均产值比较中的一个重要问题[J].经济问题探索,1985,(1)∶28-31.

[31]张伟丽,韩娥,叶民强.长三角地区经济投入产出的有效性分析[J].经济问题探索,2005,(7)∶16-19.

[32]林云.技术创新效率的经验分析[D].杭州:浙江大学硕士学位论文,2008.

[33]陈丽华.杭州市林业科技推广工作现状与发展对策[J].浙江林业科技,2012,32(3)∶67-71.

AnalysisonInput-OutputEfficiencyofRamp;DinChina′sForestProductsIndustryEnterprises——AComparativeStudyBasedonDEAModel

ZHANG Rui-ling1,YU Ji-an1,2
(1.School of Economics amp; Management,Beijing Forestry University,Beijing 100083,China; 2.School of Economics amp; Management,Tsinghua University,Beijing 100084,China)

In this paper,the DEA evaluation model was used to divide Hunan,Fujian,Chongqing,Hubei and Shandong into the first group based on the per capita output value of forestry in 2015.Shanxi,Guizhou,Xinjiang and Shanxi were the second group,and compared the Ramp;D input and output efficiency of forestry products enterprises.The results showed that the average efficiency of the nine provinces were not effective.The first group was that the pure technical efficiency of Ramp;D activities was low and the input redundancy rate was high.The second group mainly lay in Ramp;D investment scale efficiency was low,the scale could be enhanced.The forest industry enterprises in the process of technological innovation in Hunan,Chongqing,Hubei had “efficiency paradoxquot; problem,Ramp;D personnel and capital investment in the redundancy rate were higher.Shanxi Ramp;D funds redundancy rate was as high as 92.23%.It was suggested that enterprises should get rid of the idea of stimulating high output with high investment,focusing on the rational allocation,effective utilization and appropriate scale of Ramp;D investment resources, strengthening the management of scientific research funds and creating a favorable organizational environment for Ramp;D activities.

DEA model;forest industry enterprise;efficiency analysis;Ramp;D efficiency

10.3969/j.issn.1005-8141.2017.08.018

F326.24

A

1005-8141(2017)08-0991-05

2017-06-20；

2017-07-26

中央高校基本科研业务费专项资金项目(编号:BLX2012006、JGTD2013-07)。

张芮菱(1994-),女,四川省成都人,硕士研究生,研究方向为战略管理。

余吉安(1979-),男,江苏省南京人,副教授,清华经管领导力研究中心研究员,主要研究方向为战略管理、科技创新管理。