基于两阶段DEA 模型的区域研发人员知识产出效率评价

方 霞，史宪睿

(辽宁工业大学 经济管理学院，辽宁 锦州 121001)

在国家统筹推进创新引领发展的大背景下，科技成果创新担当起提升国家经济和促进社会良性发展的重要角色。创新作为企业发展的动力源泉，可以减少投入成本，增加研发人员的产出效率，帮助企业改进并研发出满足市场需求的产品。随着国家知识产权战略的不断深化，越来越多的企业、高校和科研机构开始意识到知识产权这一系列工作对自身多元化建设的重要性。

知识产出系统是由企业生产设备等的硬件条件和各类人员等的内在辅助条件以及各条件之间的非线性关系构成的高级系统。识别并解读企业知识产出系统中各条件及其之间的作用机制，对提高企业各部门的组织结构、优化研发资源的分配和实现知识的快速产出等都起到一定的促进作用。

一、文献述评

知识产出衍生于“创新价值链”[1]，这一思想认为知识产出的特定表现形式是专利等技术创新的具体成果[2]。李景睿提出知识产出是不断进行累积，最终产生新知识的历程。内生经济增长理论则将知识产出细化为两个因素之间的函数关系，一是现有研发工作者的数量；二是可以被研发人员所利用的知识储存数量[3]。

由于知识产出的特定形式，不同学者在选择衡量知识产出的指标时，使用的因素和变量也不相同。有的学者使用专利的申请数量值来反映知识产出情况，也有部分学者利用专利授权数量值来反映知识产出的情况[4]。还有一些学者的观点是专利不能用来反映企业技术所带来的一系列经济效果，但在分析省份整体的创新产出情况时，专利授权数值则是比较可靠的衡量目标[5]。

曹泽则在相关性的研究中，把发表论文数、专利的数量、新产品的产值作为反映知识产出的主要因素[6]。古钰将创新成果的测量通过四个层面来说明，分别是三个专利类别的不同数值情况、以及市级以上的科研成果量[7]。杨坤在利用赋值和控制变量的方法对企业创新产出进行计算时，发现对最终创新产出水平产生影响的变量之间存在着不统一的关系[8]。

二、研究设计

（一）研究方法

通过对现有文献的梳理，以及对企业研发人员知识产出过程性的分析，最终将企业研发人员的知识产出划分成两个阶段[9]。首先是企业通过投入研发资金等资源进行产出的科技成果产出阶段；其次是将科技成果产品化的科技成果转化阶段。

DEA 评价模型利用线性规划技术来计算效率，无须确定指标的权重、也不要求一致的数量标准。而两阶段DEA 模型的主要优势在于可以评价中间阶段的产出情况，并得出各个子阶段对整体效率的影响情况[10]。同时由于区域中研发人员的知识产出不是单一的线性过程，而是经历了创新投入到科技成果产出，并通过科技成果转化再参与到研发人员知识产出的多层次过程。利用两阶段DEA 模型可以更清晰阐述区域研发人员在各个过程投入、产出的具体情况，更科学地评价区域研发人员的知识产出情况。

（二）样本选择和数据来源

一方面高新技术企业是资源投入的更多、带来的风险更大、对自身所拥有的知识产权能力依赖程度更高且伴随着高收益的一种综合性经济实体。另一方面，研发人员不断驱动着所在的高新技术企业向前发展，同时研发人员自身的产出能力决定着企业的发展状态和未来前进路线[11]。综上所述，最终选取各个省份高新技术企业中的研发人员作为实证分析的样本。

样本数据均来源于2020 年的《中国科技统计年鉴》，同时为保证样本数据的完整性，最终选取31 个省份作为此次调查的样本。

（三）变量设计

在第一阶段选择R&D 人员、企业的R&D 经费内部支出作为投入的衡量指标，第一过程中的产出目标，使用企业在新产品上获得的销售收入来衡量。在第二阶段，由于研发人员产出受企业技术改进和引进的影响，因此加入了代表企业技术改造和技术引进情况的两个外生变量作为投入指标，同时将企业有效发明专利的数值作为第二过程产出的指标。

依据两阶段在投入、产出上的衡量指标，设计本文的理论研究思路，最终的理论研究模型如图1所示。

图1 理论研究模型

三、实证分析

（一）实证分析

结合区域研发人员知识产出的阶段特性，实证分析主要采用多阶段算法。并运用两阶段DEA 分析模型，分别计算研发人员在知识产出和知识转化两个过程中综合效率、纯技术效率和规模效应的具体数值，分阶段具体评价区域研发人员的知识产出情况。

把收集的样本数据添加到DEAP 2.1 中，计算后得到研发人员在第一阶段知识产出的效率，如表1 所示。

各个评价单元，仅有广西和宁夏是处于效率评价有效，表明企业在现有资源的投入水平下落实了成果产出的最大化。其中北京、河南、广东、西藏这四个省份是位于技术上的有效情况，而导致其未能达到评价有效的原因是规模效率无效。其余各个省份的评价数值中均未达到1.000，技术和规模是造成其研发人员的知识产出效率未达到有效状态的主要原因。

分析并整理区域研发人员在知识产出过程中第二阶段的综合效率、纯技术效率和规模效应，详见表2。

表2 第二阶段的效率评价结果

内蒙古、辽宁、西藏处于评价有效状态。部分省份的纯技术效率值为1.000，说明研发人员在分配投入的研发资源时是符合企业实际情况的，可以做到物尽其用。

为更清晰认知区域研发人员的知识产出效率情况，绘制两阶段规模效率的散点图如下。同时为保证数据的清晰程度，各省份名称由表1 中对应数字代替。详见图2。

图2 两阶段规模效率散点图

由图可知除部分地区以外，剩余各省份的研发人员在第二阶段的效率情况均比第一阶段的效率情况差。

（二）区域研发人员知识产出的优化分析

为进一步提高研发人员知识产出的效率，对投入产出的各因素进行加工处理得到最终的评价有效状态。具体见表3。

表3 各省份研发人员知识产出的优化分析

续表

由表3 可知，各省份成果产出阶段的投入冗余是造成DEA 无效的主要原因，需要引起企业注意的是投入越多不一定会造成高效率；在成果转化阶段，部分省份出现投入冗余的情况是由于资源投入过度但成果转化效率过低，最终导致DEA 评价无效。

四、研究结论

第一，区域研发人员的知识产出效率总体上处于较低水平，未来在知识成果产出和知识成果转化阶段还有很大的提升空间。在两次子阶段的评价过程中，未出现DEA 评价全部有效的省份，大多数省份在两次评价中均呈现DEA 无效状态。

第二，不同区域中研发人员之间的知识产出差距大。各企业在研发资源方面的投入情况不同，研发人员对于资源的利用情况也不同，导致研发人员知识产出的效率转化速度出现差异。同时在成果转化阶段，各地区完成度较低，出现成果产出效率高于成果转化效率的情况，研发人员在成果产出的过程中投入和产出不均衡。

第三，在优化分析中，投入冗余是造成各区域企业研发人员知识产出效率评价无效的主要原因，各区域企业中的研发人员在研发资源投入过程应有所侧重，以期达到最佳的利用效果。

五、管理启示

第一，合理分配研发资源。过度的资源投入对研发人员的知识产出效率不仅未起到促进作用，反而抑制了知识产出效率。因此，各个企业应根据研发资源的利用情况更合理分配企业现有的创新资源。

第二，改善人员管理方式，优化企业产出环境。企业的研发人员是增加产出的首要渠道，人员的管理网络联系密切，横向促进人员之间的交流，分享成果，增加自身知识产出的同时带动企业发展。

第三，企业研发人员应深入与高校、研究所之间的产学研协作，增加知识交流，提高企业研发人员自身的科技成果转化效率。企业与高校之间的产学研合作可以促进研发人员知识产出效率提升，因此，企业要增加同各类创新主体之间的知识共享，同时构建较为完善的合作研发体系。