基于数据包络分析的创新型企业技术创新效率测度研究

王新红，李拴拴

（西安科技大学管理学院，陕西西安 710054）

内生经济增长理论认为技术创新是经济持续增长的源泉，这一观点已被发达国家的实践证明，可见，提升创新能力是我国发展的有力保障。近二三十年来我国越来越重视科技创新，2006年全国科技大会提出自主创新、建设创新型国家战略，党的十八大报告提出实施创新驱动发展战略，党的十九大报告提出加快建设创新型国。由于企业是创新的主体，所以建设创新型国家的关键在于提升企业的创新能力，为此，科学技术部联合国资委和全国总工会于2005年年底启动了“技术创新引导工程”，并于2006年7月正式启动创新型企业试点工作。经过几年试点建设，三部委分别于2008年、2009年和2011年对试点企业进行评审、验收，先后认定三批共356家国家级创新型企业。在我国创新资源稀缺的情况下，提升创新效率是我国企业发展的关键，而创新型企业在我国企业自主创新中起着示范引领作用，因此研究其创新效率处于什么样的状态、如何提升其创新效率对于加快我国创新型国家建设具有重要意义。基于此，本文对经国家认定的356家国家级创新型企业，运用数据包络分析（DEA）模型对其技术创新效率进行测度。

1 文献综述

国内外学者关于技术创新效率的研究主要从区域和行业创新效率方面展开，也有少量学者对企业的创新效率进行研究。Lee等［1］、Wang等［2］和Afzal［3］分别以亚洲27个国家、经合组织（OECD）成员国、20个新兴和发达国家为研究对象，对比分析了不同国家的创新效率；Lafarga等［4］则衡量了墨西哥32个州所定义的区域创新系统的相对技术效率。国内学者主要采用传统DEA模型测评了我国各省份的创新效率，其中，樊华等［5］的研究结果显示东部的科技创新效率高于中西部；李婧等［6］却认为中西部创新效率高于东部；郭淑芬等［7］运用CCRDEA、BCC-DEA和Malmquist-DEA模型对31个省份的科技创新效率进行测度，发现整体上劳动冗余比资本冗余严重；王飞航等［8］测度了西部30个国家级高新区的技术创新效率，发现只有少数高新区处在生产前沿面上，且大部分高新区都呈现规模报酬递减。在产业创新效率方面，Guan等［9］、Chun等［10］、Kasem等［11］分别对制造业、农业和服务业的创新效率进行了评价，国内学者主要集中分析我国高新技术产业的创新效率，如，李向东等［12］、冯志军等［13］测度了高新技术产业的17个细分行业的创新效率，研究结果均表明我国高新技术产业研发效率较低，有很大的提升空间；肖仁桥等［14］、刘伟等［15］则考察了区域高新技术产业创新效率情况，研究发现东部高新技术产业创新效率最高，其次是西部，中部的最低；李培哲等［16］则认为中部的创新效率高于东、西部，西部的创新效率最低。此外还有部分学者对其他产业的创新效率进行了测度［17-19］。

企 业 创 新 效 率 方 面，Kumbhakar等［20］和Khoshnevis等［21］分别测度了欧洲高新技术企业、比利时研发公司的研发效率，国内有少量学者考察了区域或试点创新型企业的创新效率，如朱学冬等［22］、姚晓芳等［23］分别测算了福建省和合肥市创新型企业的创新效率；庞瑞芝等［24］利用传统DEA方法考察了创新型试点企业的创新效率，并分析了其影响因素。

综上，可以看出国内外关于技术创新效率的研究较为丰富，但主要集中在区域、产业等宏观层面，较少关注作为创新主体的微观企业的技术创新效率；虽有少许学者对创新型企业的创新效率进行了研究，但主要针对区域创新型企业，鲜有学者评价国家层面认定的创新型企业的创新效率。因此，本文构建DEA模型考察我国经国家认定的356家国家级创新型企业的技术创新效率，深入分析影响其创新效率的根本原因，并提出相关建议以提升企业的技术创新效率。

2 研究设计

2.1 模型构建

DEA以相对效率概念为基础，无需知道生产函数的具体形式，借助于数学规划和统计数据对决策单元（DMU）的相对有效性进行评价，是测量多投入多产出决策单元效率的一种有效方法。企业的技术创新是一项多投入多产出的活动，并且其生产函数难以确定，因此本文选取DEA方法测度我国国家级创新型企业的技术创新效率。

根据假设前提的不同，DEA方法分为C2R模型和BC2模型，其中，C2R模型基于“规模报酬不变”假设，BC2模型则基于“规模报酬变动”假设。本文采用BC2模型，在规模报酬变动的假设下评价国家级创新型企业的技术创新效率，深入分析其纯技术效率和规模效率状况，并通过投影分析进一步研究非DEA有效企业投入冗余和产出不足的情况。

C2R模型主要是对决策单元的总体效率θ进行测度，是通过建立一个带有非阿基米德无穷小评价第j0个决策单元相对有效的模型进行的。具体如下：

为了进一步研究决策单元的纯技术效率和规模效率，以及导致综合效率低的真正原因，本文基于BC2模型进一步测度了国家级创新型企业的纯技术效率和规模效率。在C2R模型的基础上增加即可构建BC2模型。当θ=1，且s-=0，s+=0，说明决策单元DMU0为强DEA有效；当θ=1，s-≠0或s+≠0，决策单元 DMU0为弱DEA有效；当θ＜1，决策单元DMU0为非DEA有效。

2.2 数据来源与变量选取

2.2.1 数据说明

目前我国先后认定的三批共356家国家级创新型企业中，第一批至第三批分别为91家、111家、154家，其中上市公司分别为65家、71家和82家。本文以3批上市的国家级创新型企业作为初始研究样本，然后按以下步骤进行筛选：（1）剔除发行B股、H股、在新三板上市的企业，（2）剔除属于金融类行业的企业，（3）剔除样本期间ST、*ST的企业，（4）剔除数据缺失或异常的企业，最后得到305家企业（以下简称“样本”）的投入产出数据。考虑到创新投入存在滞后性，本文参考关祥勇等［25］的做法，滞后时间选取1年。

通信平台包括GPRS网络和Internet网络（监测中心需办理固定IP）。水库的水位、降雨量数据和现场图片经GPRS网络传输到Internet公网，并通过固定IP地址传送给监测中心服务器。

2.2.2 变量选取

（1）投入变量。《中国创新型企业发展报告》指出，企业创新投入主要包括研发人员、研发经费和研发设施条件等［24］，考虑到数据的可得性，本文的投入指标选择研发人员数量和研发支出，研发人员数量反映创新型企业创新活动中的人力资源投入，研发支出则反映企业创新活动的费用支出。

（2）产出变量。根据《中国创新型企业发展报告》，衡量创新型企业建设成效的创新产出指标通常包括专利（特别是发明专利）、新产品（工艺、服务）销售收入等［24］，本文选取专利授权、无形资产和主营业务收入来衡量企业产出。

科技型企业创新投入、产出变量的具体指标如表1所示。

DEA方法要求各投入产出项之间符合“同向性”假设，即当投入量增加时产出量不得减少，因此本文用Pearson相关性检验法对样本的投入产出变量进行相关性分析，以此检验样本投入产出指标数据是否符合假设要求。根据表2可知，样本投入变量与产出变量之间的相关系数为正，并且都在1%的水平上通过显著性检验，说明本文的投入产出指标符合“同向性”假设，具有合理性，可进行进一步的分析。

表2 样本指标数据的相关性分析结果

3 实证分析

3.1 样本的描述性分析

本文对样本企业按行业进行分类，从表3可以看出，占总样本比例前10名的行业占比合计达到77.72%，这些行业的创新型企业的技术创新效率基本可以代表我国创新型企业的创新效率情况。

表3 样本企业的行业分类

表3 （续）

3.2 综合效率评价

表4显示在样本企业中，综合效率处于良好（0.8≤C＜1.0）和中等（0.6≤C＜0.8）水平的分别有43家、257家，占比合计达到98.03%，说明整体上我国创新型企业的综合效率偏低，存在较大的提升空间。

表4 样本企业技术创新综合效率的评价结果

根据决策单元有效性的判断标准，如表5所示，样本企业中有6家达到了DEA有效，占总样本的1.97%，即这些企业的纯技术效率值和规模效率值同时达到1，分别为长安汽车、鞍钢股份、沧州大化、江淮汽车、海正药业和瑞贝卡，说明这6家企业处于生产前沿面上，创新效率处于最优水平，创新资源配置相对有效；弱DEA有效的样本有18家，其中14家属于纯技术有效、规模无效，纯技术无效是造成这些企业弱DEA有效的主要原因，4家企业是规模有效、纯技术无效，这4家企业可以通过改进规模效率达到强有效；非DEA有效的样本企业有281家，占比达到92.13%，这些企业没有同时达到纯技术有效和规模有效。可见，我国大多数创新型企业同时存在纯技术无效和规模无效的问题，进一步说明我国创新型企业技术创新效率有较大的改进空间。

表5 样本企业技术创新效率有效性的评价结果

3.3 纯技术效率和规模效率评价

表6 样本企业技术创新纯技术效率和规模效率的评价结果

3.4 规模收益分析

如表7所示，在样本企业中，规模收益不变的有11家，占比为3.61%，这些企业处于最佳规模收益状态；规模递增的有86家，占比为28.20%，这些企业在创新投入方面存在改善的空间，可以适当增加创新投入，且主要是增加研发经费的投入；规模递减的为208家，占比为68.20%，表明将近七成的样本存在创新投入过多的问题，这些企业不需要增加研发投入，增加研发投入不但不会提升企业的创新效率，反而会导致企业资源滥用。因此，我国创新型企业不应盲目增加创新投入，而是增加对创新投入转化效率的重视度。

表7 样本企业技术创新规模收益的评价结果

3.5 投影结构分析

根据表3，占总样本比例前10位的行业中共有企业237家，占比合计为77.72%，这些企业可代表总体样本情况，限于篇幅，本文主要对这237家企业（以下简称“典型企业”）的投入冗余、产出不足进行分析。如表8所示，其中存在研发人员数量、研发支出冗余的企业占比分别为42.19%和0.84%，可见我国创新型企业可能存在高层次人才不足、其他研发人员冗余的问题，过多的研发人员投入不但不会增加企业的创新产出，还会造成资源浪费；当年授权的专利总数、无形资产和主营业务收入产出不足的企业占比分别为19.41%、59.92%和44.30%，进一步说明我国创新型企业存在创新投入未得到充分利用使得资源浪费的情况。进一步按企业所属行业类型分析发现，计算机、通信和其他电子设备制造业，以及专用设备制造业中投入产出结构不合理的企业占比较大，且主要是无形资产和主营业务收入产出不足，这类企业需要提高技术水平，从而促进创新投入的转化率提升。

表8 样本典型企业技术创新效率的投影结构分析结果

4 结论及建议

本文基于DEA模型评价了我国在国家层面认定的创新型企业的创新效率，研究结果显示：

（1）我国创新型企业的技术创新效率整体上较低，平均值为0.746，其中纯技术效率为0.792、规模效率为0.946，纯技术效率较低是制约我国创新型企业技术创新效率提升的主要原因。

（2）305家样本企业中，规模报酬递增、不变、递减的分别有86家、11家和208家，占比分别为28.20%、3.60%和68.20%，可见将近七成的样本企业呈规模报酬递减，说明这些企业增加创新投入并不会带来产出的增加。

（3）投影结构分析结果表明，大多数样本企业的投入产出结构不合理，创新投入并未带来技术效率和收益的提升，其中投入冗余问题主要体现在一般层次科技人员的冗余，产出不足则主要反映在无形资产和主营业务收入方面；结合规模收益分析结果，发现提升我国创新型企业技术创新效率的重要方面是提高企业的投入转化率，而不是一味地增加创新投入。

（4）按样本企业所属行业进行分类分析发现，计算机、通信和其他电子设备制造业，以及专用设备制造业中存在投入产出结构不合理的创新型企业占比较大，改进这两个行业的创新型企业的创新效率是提升我国创新型企业整体技术创新效率的关键。

根据上述结论，本文提出以下建议：

第一，在政府层面，在创新资源稀缺的情况下，在注重科技创新投入管理的同时需重视科技创新效率的管理；此外，营造有利于提升创新效率的政策环境，鼓励企业适当增加资金投入，从而优化人力和资金投入的配置，达到提升创新效率的效果。政府有关部门可以针对不同特征的创新型企业进行分类管理：对于由于技术效率制约整体创新效率的企业，鼓励其改进技术；对由于规模效率制约整体创新效率的企业，则需根据企业规模收益情况制定相应政策促使企业增加或控制创新投入，而不是鼓励所有的企业都一味地增加创新投入。

第二，对企业而言，创新能力不仅体现在创新投入有多少，更体现在创新效率方面，创新型企业作为我国自主创新的引领者，应努力提高自身的技术水平，使创新投入的转化率达到最大化，避免投入和产出不配比造成资源的浪费，进而提升自身的技术创新效率。