基于超效率SBM方法的安徽省国家级高新区科技创新效率研究

方 亮， 邱 燕

(黄山学院 经济管理学院，安徽 黄山 245041)

一、引言

国家级高新技术产业开发区(以下简称“国家级高新区”)是由国务院批准成立的集聚一批拥有高尖端技术、资源丰富、先进管理手段的现代化企业的产业园区。1988年国家高新技术产业化发展计划开始实施，创办高新技术产业开发区被明确列入计划的重要内容。国家级高新区是我国各地区的经济增长极，也是各地区技术研发和创新的制高点。我国国家级高新区发展迅速，从1988年的1家发展到1991年的27家，截止到2017年3月，我国国家级高新区达到157家，入统企业数103 631家，年末从业人员1 940.7万人，营业收入307 057.5亿元，工业总产值202 826.6亿元，净利润21 420.4亿元，上缴税额17 251.2亿元，出口创汇4 780.7亿美元，2017年末总资产为459 901.180 25亿元。高新区成为企业创新的重要平台，更是高新技术产业的重要基地，在许多国家级高新区引发了高新区的创新技术革命，这种高新技术与创新精神相结合的经济活动成为了区域经济快速增长的强大引擎。

安徽省国家级高新区主要有处于合肥市、蚌埠市、芜湖市和马鞍山市的4家(2017年铜陵狮子山高新区获批国家级高新区、2018年淮南高新技术产业开发区升级为国家级高新区，考虑到数据较少，这两个区域不在本研究范围之内)，这4家高新区在其所在地级市以及全省范围内都发挥着经济领头羊的重要作用。安徽省这4家国家级高新区2017年实现全区企业经营收入47 797 314万元，工业总产值达到29 422 907万元，出口总额达到216 683万元，实现财政收入3 137 369万元，实际利用外资143 143万美元，亿元以上项目到位省外境内资金额4 385 708万元，专利申请量21 265件，专利授权量7 635件，并且这些指标都呈连年上升的趋势。由此可见，安徽省国家级高新区规模总量、经济产出、科技创新投入和科技创新成果正在省内乃至国内都占据着越来越重要的比重。这4家国家级高新区科技创新效率方面如何？这4家高新区之间在科技创新效率方面有何差异？本文立足于本主题进行探索和研究。

二、文献综述

对我国国家高新区创新的研究始于2010年，从研究主题上看，主要包括创新效率、创新水平、创新能力、创新组织演进、创新效应、创新驱动、创新网络、创新扩散等方面。其中创新能力、创新驱动和创新效率方面的研究成果所占比重较大。我国对于国家级高新区科技创新效率的研究成果主要集中于2015年以后，学科分布主要为经济管理科学和基础科学，研究机构主要分布于南开大学、江苏科技大学、西北大学等。

王飞航、李友顺分析了西部地区国家级高新区企业的创新效率，考虑了外部环境的影响，认为外部环境对高新区企业创新效率有显著影响，并对高新区企业创新效率水平进行了修正[1]。张立峰等针对北京市、河北省和天津市国家级高新区创新效率进行研究，认为这三个地区高新区创新效率具有一定的差异，并且高新区创新效率还会受到政府扶持力度、高新区规模等因素的显著影响[2]。张冰对陕西省国家级高新区进行研究，分析得出园区规模、人员结构、人员素质、研发经费投入等都对创新效率有显著影响[3]。白雪洁对全国国家级高新区创新效率进行研究，认为我国高新区创新效率整体水平较低，中部地区高新区较东部地区和西部地区创新效率更低，并进而分析了无效率来源和创新效率的影响因素[4]。赵清军和周毕芬通过研究得出结论：我国发达地区科技创新能力强，经济落后地区科技创新能力弱，经济发展居中的区域，科技创新能力没有明显的规律性变化[5]。

关于超效率SBM的研究，Kaoru Tone最先提出超效率SBM研究方法，在分析中提出了一种基于松弛度的数据包络分析效率度量方法，直接处理相关决策单元(DMU)的输入过剩和输出不足，该方法仅通过参考DMU的参考集来确定，不受整个数据集的统计数据的影响[6]。I L Guo等在Kaoru Tone等分析模型的基础上提出了一个综合模型，通过此模型可以得到效率低下的DMU的效率和效率较高的DMU的超效率[7]。M Taleb等提出了一种基于超效率松弛度的度量数据包络分析的替代方法，使有效决策单元的投影具有较强的帕累托效率，提出了一种在非任意因素下超效率SBM的两阶段方法[8]。C Kao等在考虑系统内部结构的基础上，提出了基于生产可能性集(PPS)的中间产品建模方法，PPS的类型可以分为独立型、关系型和合作型，系统的效率可以从外部同行或内部管理者的角度进行衡量，以达到不同的目的[9]。A Arya, S P Yadav 提出了一个基于中频松弛度的度量(IFSBM)模型来确定DMU的效率，并提出了一个基于中频松弛度的度量(IFSESBM)模型来确定α在(0,1)和β在(0,1)的高效DMU的效率[10]。B Arabi等引入了Malmquist-Luenberger指数(MLI)，利用SBM模型消除MLI混合周期问题中常见的不可行问题[11]。近几年我国也出现了较多使用超效率SBM方法的研究成果。朱静敏、盖美构建了投入产出指标对我国沿海省份的海洋经济效率进行测算，在三阶段SBM-Global模型分析下得出了我国沿海省份海洋经济效率不高，但是随着时间的推移而表现出逐步上升的趋势[12]。张雪梅、马鹏琼利用超效率SBM模型对兰州市的环保产业效率进行动态实证分析，并对全国30个省会城市的综合技术效率、纯技术效率、规模效率、投入冗余和投入不足进行了静态分析，并提出了优化结构、技术升级和集群发展等建议和对策[13]。邓祖涛、梁滨、毛焱利用超效率SBM模型对我国2011—2015年农业水资源投入产出效率进行了测算和分析，并按照各省份所在地区分为八大区域进行了空间对比分析，认为八大区域水资源效率差异较明显，东部沿海地区平均效率值最大，长江中游地区平均效率最低，最后对影响水资源效率的因素进行了实证分析[14]。除此之外，马晓君等[15]、陆泉志等[16]、王腾、梁晶[17]、杨博、曹辉[18]等均利用超效率SBM模型对不同的学科问题进行了分析与探索。

三、研究设计

(一)指标设计

科技研发是重要的创新活动，也是企业和相关机构获取新知识和创造新知识的重要手段。本研究使用科技活动人员(STP)、科技活动经费内部支出(SRF)和RD经费内部支出(RDF)三个方面作为科技创新的投入指标；科技创新活动的产出一般包括技术方面和经济方面等，而新技术难以量化，因此本研究使用技术收入(TI)、工业总产值(OI)和净利润(PRO)作为科技创新的产出指标。本研究数据主要来源于《中国火炬统计年鉴》(2013—2018年)，少量指标数据来源于当年度的地方统计年鉴。

(二)研究方法

国家级高新区是技术和创新的高地，是地方创新活动和科研活动最集中、成果最丰富的地区，所以国家级高新区科技创新效率往往都高于其他地区。传统的DEA模型弊端是一般只能考查研发效率不大于1的情况，研发效率大于和等于1则统一被视为相同效率。

考虑到国家级高新区科技创新效率存在大于1的情况，本研究使用超效率SBM模型进行分析，以便于对效率超过1的高新区进行量化比较分析。其模型为

(1)

(2)

(3)

s+,s-,λ≥0

(4)

四、实证研究

(一)静态分析

对2018年度安徽省合肥市、芜湖市、蚌埠市和马鞍山市4家国家级高新区的科技创新投入、产出和效率进行分析，并做空间差异比较。

1.描述性统计分析

对安徽省4家国家级高新区2018年科技活动人员、科技活动经费内部支出、RD经费内部支出、技术收入、工业总产值、净利润6个指标做描述性统计分析，得到如表1所示结果。从安徽省4家国家级高新区投入和产出绝对总量上看，合肥市高新区都表现出明显的优势，其次是芜湖市高新区，马鞍山市高新区因为企业数量相对较少、园区规模较小，在安徽省四大国家级高新区中最小。安徽省国家级高新区科技活动人员最大值为87 138人，最小值为6 343人，均值为31 227.75，标准差为32 637.123，不同高新区科技活动人员较离散；科技活动经费内部支出最大值为2 487 872.6万元，最小值为239 396.1万元，平均值为874 821.225万元，标准差为938 811.383万元，说明不同高新区科技活动经费内部支出差异较大；RD经费内部支出最大值为1 422 335.5万元，最小值为149 441.4万元，平均值为539 628.45万元，标准差为518 498.286万元，不同高新区研发经费内部支出差异较大；技术收入最大值为10 948 984.9万元，最小值为115 751.7万元；平均值为312 817.145万元，标准差为4 532 785.592万元，离差较大，不同高新区技术收入较离散；工业总产值最大值36 806 317.1万元，最小值7 437 011.5万元，均值17 456 462.7万元，标准差11 411 381.17万元，净利润最大值4 221 081.8万元，最小值359 955.2万元，均值1 504 037.85万元，标准差1 576 138.59万元，不同高新区工业总产值和净利润也同样表现出较大的分散性。

表1 描述性统计结果

2.科技创新效率比较

通过超效率SBM模型对2018年安徽省国家级高新区科技创新效率进行测算，得到如表2所示结果。从综合效率上看，2018年安徽省四大国家级高新区中马鞍山市高新区综合效率最高(1.384 636)，其次为蚌埠市高新区(1.302 805)，合肥市高新区排序第三(1.050 674)，综合效率最低的为芜湖市高新区(0.103 69)，四大高新区综合效率均值为0.960 451，合肥市、蚌埠市和马鞍山市高新区综合效率高于均值。马鞍山市、蚌埠市和合肥市高新区科技创新综合效率有效，芜湖市高新区综合效率无效，说明马鞍山市、蚌埠市和合肥市高新区科技创新投入得到了较高效率的应用，而芜湖市高新区科技创新投入并未得到有效利用。从纯技术效率上看，合肥市高新区纯技术效率最高(5.224 874)，其次为马鞍山市高新区(1.818 66)，蚌埠市高新区纯技术效率位居第三(1.339 01)，芜湖市高新区纯技术效率最低(0.158 802)，合肥市、蚌埠市和马鞍山市高新区纯技术效率有效，芜湖市高新区纯技术效率无效。纯技术效率均值为2.135 337，只有合肥市高新区纯技术效率高于均值。由此说明，合肥市、蚌埠市和马鞍山市高新区科技创新管理效率较高，尤其是合肥市高新区科技创新管理非常高效，而芜湖市科技创新管理则非常低效。从规模效率上看，蚌埠市高新区规模效率最高(0.972 962)，其次为马鞍山市高新区(0.761 349)，芜湖市规模效率排序第三(0.652 949)，合肥市高新区规模效率最小(0.201 091)，规模效率均值为0.647 088，蚌埠市、芜湖市和马鞍山市高新区规模效率高于均值，四大高新区规模效率全部无效。说明安徽省四大高新区科技创新规模效率低，尚未发挥出规模优势，影响了高新区科技创新的综合效率。

表2 2018年安徽省国家级高新区科技创新效率

3.空间差异动因分析

2018年安徽省四大国家级高新区科技创新综合效率、纯技术效率和规模效率表现出明显的空间差异，通过对表2数据分析可知，纯技术效率和规模效率是影响综合效率的重要因素。

首先，从纯技术效率上看，合肥市高新区纯技术效率达到了5.224 874，有效地拉动了合肥市高新区综合效率的提高，蚌埠市和马鞍山市的纯技术效率分别为1.339 01和1.818 66，都高于该市综合效率值，说明合肥市、马鞍山市和蚌埠市高新区综合效率有效在一定程度上得益于其较高的纯技术效率。芜湖市高新区纯技术效率为0.158 802，也高于其综合效率的0.103 69，说明芜湖市高新区虽然纯技术效率无效，但是也对综合效率发挥了一定程度的积极作用。

其次，从规模效率上看，合肥市、蚌埠市、芜湖市和马鞍山市高新区规模效率都无效，规模效率成为限制了该四大高新区综合效率的最重要因素。由此说明，调整科技创新投入规模和结构比例，是安徽省四大高新区进一步提高科技创新综合效率的必要手段。

4.投入产出与目标投影值调整

对安徽省四大国家级高新区2018年投入产出情况与目标投影值进行分析，得到如表3所示结果。由分析结果可知，合肥市高新区要通过增加12.45%RD经费内部支出和减少2.62%的净利润来进一步提高科技创新效率，蚌埠市高新区要通过增加24.11%科技活动经费内部支出、减少20.24%工业总产值、减少30.98%净利润提高科技创新效率，芜湖市高新区要通过减少29.16%科技活动人员、减少17.13%RD经费内部支出、增加999.90%的技术收入、增加18.45%工业总产值、增加1.95%净利润提高科技创新效率，马鞍山市高新区要通过增加44.85%科技活动人员、减少26.51%技术收入、减少24.44%工业总产值提高科技创新效率。

表3 2018年投入产出与目标投影值调整情况

(二)动态分析

动态分析主要针对2013—2018年安徽省国家级高新区科技创新综合效率进行时间维度上和空间维度上的比较分析。

1.时间维度上分析

利用超效率SBM模型对2013—2018年度安徽省四大国家级高新区科技创新综合效率进行测算，可以得到如表4所示结果。2013年四大高新区综合效率均值为1.248，2014年综合效率均值为1.114，2015年为0.967，2016年为0.980，2017年为0.993，2018年为0.961，由此可知，2013—2018年四大高新区综合效率呈现出逐年下降的趋势，其中2013年和2014年平均综合效率有效，2015—2018年平均综合效率无效。说明安徽省四大高新区随着科技创新投入的逐年增加，带来了科技创新产出的逐年增长，但是科技创新效率却并没有随着增长，反而出现了降低的情况。

表4 2013—2018年安徽省国家级高新区科技创新综合效率情况

2.空间维度上的分析

同理，依据表4可以看出，2013—2018年度合肥市高新区科技创新综合效率均值为1.502，综合效率最高，蚌埠市高新区综合效率年度均值为0.730，排名第四，芜湖市高新区综合效率年度均值为0.805，排名第三，马鞍山市高新区综合效率年度均值为1.138，排名第二。其中合肥市高新区和马鞍山市高新区科技创新综合效率年度均值达到有效，而蚌埠市和芜湖市高新区年度均值未能达到综合效率有效。另外，合肥市高新区和马鞍山市高新区2013—2018年6个年度中科技创新综合效率全部为有效，除了2018年度以外合肥市高新区科技创新综合效率高于马鞍山市高新区综合效率；蚌埠市高新区2013年、2017年和2018年3个年度科技创新综合效率达到有效，而2014年、2015年和2016年度综合效率无效；芜湖市高新区2013、2014、2015、2016年度实现了综合效率有效，而2017和2018年度未能实现综合效率有效。

五、结论与建议

安徽省合肥市、蚌埠市、芜湖市和马鞍山市4家国家级高新区科技创新投入和产出总量在安徽省各地区表现出明显的优势，但是科技创新效率却表现出明显的时空差异特征。从静态角度上看，马鞍山市高新区和蚌埠市高新区综合效率较高，而合肥市高新区纯技术效率最高，四大高新区规模效率都明显无效。从动态角度看，四大高新区2013—2018年度科技创新综合效率呈现逐年下降的趋势，合肥市和马鞍山市高新区综合效率2013—2018年度全部有效，而蚌埠市和芜湖市高新区只有部分年度实现了综合效率有效。

基于上述分析，提出以下具体建议：

(1)蚌埠、芜湖创新效率较低的地区更需加强科技创新管理。科技创新是经济发展的重要动力，高效的科技创新活动需要高效的科技创新管理。蚌埠、芜湖需要增强高新区科技创新管理水平，在高新区内定期举办企业研发管理培训，能够根据企业发展的需求，识别市场机遇，准确理解政策意涵，正确利用优惠政策，为企业研发活动和创新活动创造条件。同时，增强高新区自主研发能力和科研攻关能力，加强与其他研发机构的交流与合作，重视对知识的管理和学习型组织的建设，重视对自身行为的修正，适应新的知识和见解，鼓励企业人员个体之间不断去学习、探索，组织创新人员在工作中学习，最终实现更有效的创新管理和知识管理，充分实现科技创新成效最大化。

(2)蚌埠、芜湖、马鞍山更需要优化科技投入结构。科技创新投入不能一味追求数量上的增长和规模的扩大，要合理配置科技投入资源。通过实证分析可知，蚌埠、芜湖和马鞍山国家级高新区在科技创新投入和产出调整幅度最大。因此，这三个地区更需要优化高新区科技投入结构，对科技创新项目投入资金设立监督、检查和评价机制，实施多元化投入方式，充分保证新项目、新领域、具有良好发展前景的技术能有充足的资金和人才，侧重为新兴产业和高技术产业提供充分的投入和可靠的支持，促进高新区科技创新成果的诞生。

(3)加强合肥、马鞍山地区国家级高新区科技创新成果产业化。科技创新成果要通过市场化和产业化的过程才能实现其市场价值。从动态分析可知，合肥、马鞍山地区国家级高新区科技创新综合效率相对较高，地方政府应该积极创造条件，帮助高新区企业进行市场宣传和推广，及时为高新区企业提供市场需求信息，组织科技创新企业和科研机构参加科技成果推广和市场对接会议，为高新区科研成果做定向推介，协调各方资源，降低科研成果转化成本，做好科研成果转化，助力地方产业和经济发展。

(4)利用创新成果提升蚌埠、芜湖国家级高新区创新综合管理能力。除了科技创新活动有助于提升企业和创新人员的能力，创新成果也可以直接应用于管理实践，包括企业管理方法的创新、组织管理模式的创新、人才管理的创新等，而这些创新直接受益于创新企业的管理者和企业家。蚌埠、芜湖国家级高新区创新综合效率相对较低，大力提升高新区创新综合管理能力，促使高新区企业家获取一套更有效的管理方式和管理手段，企业家综合能力的提升，有利于提高企业的管理效率，对提高科技创新产出具有积极作用。