我国西部地区技术吸收效率研究:基于三阶段DEA模型

胡宜挺，高雅琪

（石河子大学 经济与管理学院，新疆 石河子 832003）

一、引 言

习近平总书记2016年考察宁夏时强调：“越是欠发达地区，越需要实施创新驱动发展战略。”我国西部地区要实现高质量快速发展，缩小与东中部地区的差距，必须突出技术创新对区域发展的战略支撑。对于欠发达地区来说，为了降低自主创新成本，应对日趋激烈的竞争，常常选择“引进—吸收—创新”这一技术创新路径。其中，作为技术创新的一个重要环节，技术吸收日益成为地区推动知识流动、增强核心竞争力的必由之路。解决我国西部地区技术进步与经济发展问题，必须重视和加强技术吸收，提高技术吸收效率。

关于区域技术吸收，其概念源于企业技术吸收，即“企业引进外部技术，并将其成果化的能力”[1]128-152。技术吸收可以概括为一个过程，具体可分为技术获取、同化、转化和应用四个阶段[2]185-203，同时也离不开技术识别的作用[3]774-786。对于技术吸收效率研究，已有研究可概括为三个方面：一是技术吸收效率区域层面的研究。大多数学者将人力资本（如R&D人员、从业人员中科技人员比重等）、研发支出（如R&D经费、新产品开发经费、政府财政科技支出等）作为技术吸收投入变量，将专利授权数、技术合同成交数及成交金额、新产品销售收入、大中型工业企业科技项目数等作为技术吸收产出变量。研究发现，我国技术吸收效率受经济环境、产业结构、技术环境和金融环境等因素影响显著，效率呈逐年递增趋势，但整体水平较低，地区间存在较大差异[4]33-37。其中，环渤海经济圈、长江三角洲经济圈和珠江三角洲经济圈是全国科技实力最强的三个地区，长江三角洲经济圈技术转移效率最高，龙头城市的带动作用强大[5]95-101。中西部地区受科技资源、配套设施等方面的约束技术吸纳水平存在较大的改进空间[6]36-38。二是对具体行业技术吸收效率的分析。高亮等以我国高技术产业为例，将其技术吸收过程分为两个阶段，研究表明其技术引进效率高于消化吸收再创新效率，出现“重引进，轻消化吸收”的现象[7]1-5。王莉静和王庆玲将高技术产业进一步进行了细分，发现医药制造业在技术消化阶段投入产出效率较低，航空、航天器设备制造业技术消化阶段投入产出效果显著。三是采用不同方法对技术吸纳效率进行测度。尹士和李柏洲运用二次组合评价方法研究了我国区域技术有效供给能力，发现区域差异较大，总体水平不高，其原因在于技术未能以市场需求为导向[8]128-137+147。吕荣杰等运用网络DEA模型对高校和企业的技术转移效率进行测度和比较分析，结果显示两类组织的技术转移效率值都不高，尤其是高校[9]42-49。

综上可知，关于技术引进消化吸收方面的研究已取得了可借鉴的丰硕成果。然而尚存在不足：一是在研究区域上主要关注全国层面或东部地区，对正处于赶超阶段、更亟需技术吸收的我国西部地区研究相对较少；二是在研究方法上多数学者采用传统的DEA模型和SFA模型，但两个模型都有其不足，DEA模型无法剥离环境因素、随机干扰因素对效率的影响，SFA模型具体函数形式的设定易存在偏差，难以对技术吸收效率作出更准确的测度分析。

为弥补上述两方面的不足，本文采用DEA与SFA回归相结合的三阶段DEA模型，对2018年我国西部地区技术吸收效率进行测度，并分析环境变量对西部地区技术吸收效率的影响，进而通过将三阶段DEA模型与传统DEA模型结果比较，揭示西部地区各省份技术吸收效率差异。本文通过研究，以期为我国西部地区更好地把握技术吸收效率，优化技术引进与技术创新扶持政策等提供理论参考。

二、三阶段DEA模型与方法

（一）第一阶段：传统DEA模型

DEA模型由Charnes、Cooper和Rhodes三位运筹学家首先构建，其第一个模型被命名为CCR模型，可用于评价与分析多投入、多产出的决策单元的效率问题[10]429-444。后来，Banker、Charnes和Cooper在此基础上提出规模报酬可变的BCC模型，这一模型中的综合效率可分解为纯技术效率与规模效率[11]1078-1092。本文选择投入导向的BCC模型进行西部地区技术吸收效率第一阶段研究。对于任何一个决策单元，投入导向下的BCC模型可由式（1）来呈现：

其中，i(i=1，2，…，n)表示各个决策单元个数，X,Y分别表示西部地区技术吸收相关投入和产出变量。若θ=1,S+=S-=0，则决策单元DEA有效；若θ=1,S+≠0或S-≠0，则决策单元弱DEA有效，弱有效表明决策单元的资源配置已经达到优化，但可以经过调整投入产出达到更加有效的状态；若θ＜1，则决策单元非DEA有效。

（二）第二阶段：SFA调整

由于决策单元的综合效率会受到管理无效率、环境因素及随机噪声的影响[12]157-174，因此，需要借助SFA回归将三者进行分离。以第一阶段技术吸收投入松弛变量为被解释变量，以环境变量为解释变量，构建如下回归模型：

其中，Sni为西部第i(i=1,2…Ⅰ)个地区技术吸收第n(n=1,2…N)项投入的松弛变量；Zi为第i个地区的环境变量，βn为待估计的参数；Vni为模型的随机扰动项；μni为管理无效率，用于反映管理因素对投入松弛变量的影响。

利用SFA模型的估计结果，对西部各地区技术吸收的投入量进行调整，形成式（3）：

式（3）中，XAni是调整后的技术吸收投入；Xni是调整前的技术吸收投入；表示将所有地区调整到相同的环境；[max(Vni)-Vni]表示将所有地区的随机扰动调整为相同的情况。

（三）第三阶段：调整后的DEA模型

在该阶段，将调整后的技术吸收投入数据与原产出数据，代入投入导向下的BCC模型，重新测算西部各地区技术吸收效率值，这样测出的效率值已剥离了环境因素和随机干扰的影响，与第一阶段的结果相比较真实和准确。

三、研究设计

（一）指标体系构建

技术吸收是一个涉及人、财、物等多项投入以及技术市场成交合同数、新产品销售收入等多项产出的复杂过程。在技术吸收效率投入指标、产出指标选取方面，虽然国内学者尚未形成一致看法，但多数选取的投入指标包括研发人员、研发经费、研发机构数、新产品开发经费支出等，选取的产出指标涉及专利申请数、新产品销售利润、新产品销售收入、单个企业新产品开发项目数、技术市场成交合同金额、技术市场成交合同数等。考虑到研究对象为西部地区技术吸收效率，而在技术吸收过程中科研人员、科研经费等要素往往发挥着关键作用，由此选取R&D人员、R&D经费和企业技术获取及改造经费支出作为投入变量。其中，R&D人员代表投入的研发人员数量，R&D经费代表科研经费投入强度，企业技术获取及改造经费支出具体由高技术产业技术引进经费支出、引进技术消化吸收经费支出、购买国内技术经费支出和技术改造经费支出构成。选取技术市场吸纳技术合同交易额和高技术产业新产品销售收入作为西部地区技术吸收效率的产出指标，其中，技术市场吸纳技术合同交易额体现了所在地区技术市场吸纳引进技术的数量和规模，高技术产业新产品销售收入体现了地区技术消化吸收及应用的程度和效果。

（二）环境变量选取

环境变量的选取应满足“分离假设”[13]31-64，也就是说，这些变量对西部地区技术吸收效率产生影响，是技术吸纳过程中人力不可控的因素，应在第二阶段中将其剔除。考虑到西部地区的发展特点，研究将经济发展水平、政府支持力度和产业结构作为影响西部地区技术吸收效率的环境变量。其中，经济发展水平用人均GDP来表示，反映当地的经济发展状况；政府支持力度用地方财政科技支出占地方财政支出比重，反映政府对西部地区技术吸收的经费投入力度；产业结构用第二三产业产值占GDP比重来表示。

（三）数据来源

本研究所用数据主要取自《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》以及各省（区市）统计年鉴。由于《中国高技术产业统计年鉴》只更新至2016年，文章依据历年数据的平均增长幅度预测2018年度数据。

四、西部地区技术吸收效率测度结果分析

（一）BCC模型计算结果分析

在DEA分析第一阶段，基于BCC模型，运行Deap2.1软件，计算出西部地区11个省（区市）技术吸收的综合效率、纯技术效率、规模效率及效率特征，其结果如表1所示。2018年西部地区技术吸收综合效率、纯技术效率、规模效率的平均值分别为0.656、0.896、0.749。总体上看，我国西部地区技术吸收综合效率不高，而且纯技术效率高于规模效率，这表明西部地区技术吸收综合效率低主要是由规模效率低、投入资源不足引起的，纯技术效率因素占次要地位。

表1 西部地区技术吸收效率值

分地区来看，在不考虑环境和随机干扰因素下，11个省（区市）中仅有重庆和青海处于综合效率前沿面上，其纯技术效率、规模效率均达到了1，其资源投入和配置以及管理都相对合理。广西、四川、云南、甘肃和新疆综合效率均没有达到0.6，处于低效率状态，表明我国西部地区整体技术吸收效率较低。而综合效率和规模效率最低的是云南，分别只有0.217和0.219，但值得注意的是云南的纯技术效率高达0.991。纯技术效率最低的是广西，其与内蒙古、四川、贵州和甘肃的规模效率均未能达到最优，导致综合效率未在前沿面上。就效率特征来说，重庆和青海两个省（区市）规模收益不变，广西、宁夏两个省（区市）处于规模收益递增阶段，其余7个省（区市）均处于规模收益递减状态。

（二）SFA回归结果分析

在DEA分析第二阶段，以第一阶段中所得投入变量（研发人员、研发经费和企业技术获取及改造投入经费）的松弛变量为被解释变量，以经济发展水平、政府支持力度和产业结构三个环境变量为解释变量进行回归分析。根据回归结果，当回归系数Bn＞0时，表明该环境变量对投入松弛变量有正向影响，即技术吸收的投入松弛变量会随着环境变量的增加而增加，由此造成资源浪费；当回归系数Bn＜0时，表明该环境变量对投入的松弛变量有负向影响，即技术吸收的投入松弛变量会随着环境变量的增加而减少，从而降低了投入冗余。通过运行Frontier4.1软件，得到SFA回归结果（见表2）。

表2 第二阶段SFA检验结果

表2显示，LR单边误差的自由度均大于7.04，说明SFA回归适合分析分离管理因素和随机干扰因素的研究，对投入变量的调整是有效的。

1.经济发展水平。如表2所示，经济发展水平与研发人员、研发经费的松弛变量系数均显著为正，与企业技术获取及改造经费支出的松弛变量系数为正但不显著。这说明经济发展水平不利于研发人员与研发经费投入冗余的减少，对企业技术获取与改造经费支出冗余没有影响。其可能是因为随着经济发展水平的提高，技术吸收资源投入日益增加，但由于缺乏先进的管理经验，没有使投入资源得到合理配置及利用，要素资源与市场管理不协调，造成较低的技术吸收效率和产出率。

2.政府支持力度。如表2所示，政府支持力度与研发人员投入的松弛变量回归系数为负，但其t值并未通过显著性检验，一定程度上表明增加政府支持力度能够促进研发人员投入冗余减少；政府支持力度与研发经费、企业技术获取及改造经费支出的松弛变量回归系数为正，说明政府支持力度的增加并不利于研发经费和企业技术获取及改造经费支出冗余的减少，但企业技术获取及改造经费支出松弛变量的t值未通过显著性检验。因此从整体来看，政府支持力度的增加并不利于减少技术吸收资源投入冗余，反映出政府支持未能有效发挥出应有的作用，这可能是因为政府对西部地区科技经费进行大量投入，使企业对收入预期过于乐观，盲目扩大生产经营规模，但科技经费并未得到合理配置，难以避免利用上的粗放与浪费。

3.产业结构。由表2可知，产业结构对研发人员、研发经费和企业技术获取及改造经费支出的松弛变量回归系数均为负值，且在1%水平下显著，这表明第二三产业比重的增加或产业结构升级能够有效减少技术吸收人员与经费投入冗余，提高资源利用率。此外，随着西部地区产业结构优化升级，越来越多的企业进入容量与资源有限的市场，为获取有限的资源展开激烈的竞争，企业只有不断提高核心竞争力，才能在优胜劣汰的市场中存活，使技术资源得到有效利用，从而减少浪费。

（三）调整后的技术吸收效率分析

在DEA分析的第三阶段，以调整后的投入数据和原产出数据为新的投入产出值，再次代入BCC模型，通过运行Deap2.1软件，重新计算得到我国西部地区技术吸收的综合效率、技术效率、规模效率及效率特征（见表3）。由表3可知，在剔除环境因素和随机干扰因素后，西部地区技术吸收的综合效率、纯技术效率、规模效率平均值分别为0.888、0.911、0.973，相比调整前规模效率大于纯技术效率，因此制约综合效率提高的原因由第一阶段的规模效率转变为调整后的纯技术效率。

表3 调整后西部地区技术吸收效率值

分地区来看，处于综合技术前沿面上的有重庆、贵州、青海和新疆四个省（区市），表明这四个省（区市）的技术吸收资源配置相对较合理，技术吸收人员、经费等各种投入都发挥了有利作用，技术吸收效率相对较高。除了云南外其余10个省（区市）技术吸收的综合效率均超过了0.6，整体效率较高。西部11个省（区市）中综合效率和纯技术效率最低的是云南，分别为0.553和0.579；规模效率最低的是四川，为0.884。四川和陕西由于其规模效率没有达到最优，导致其综合效率没有在前沿面上。重庆、贵州、青海和新疆四省（区市）技术吸收的规模收益不变，内蒙古、广西和宁夏3个省（区市）的技术吸收处于规模收益递增阶段，其余4个省（区市）的技术吸收均处于规模收益递减状态。

1.调整前后综合效率对比分析。调整后西部地区技术吸收综合效率平均值由0.656上升至0.888，总体综合效率明显提高，表明原来未考虑环境和随机干扰因素使得西部地区技术吸收总体效率偏低，传统DEA方法未能真实反映各地区技术吸收效率水平。如图1所示，重庆和青海无论在第一阶段还是第三阶段均处于技术前沿面上，说明这两个省（区市）的技术吸收效率水平较高。新疆和贵州在剔除环境因素和随机干扰因素后也进入技术前沿面上，分别由0.451和0.616提高到技术有效状态。内蒙古、陕西的综合效率调整后基本接近1，分别由0.886和0.628提高到0.995和0.998。广西、四川、甘肃的综合效率也有大幅度提高，但还未达到技术有效状态，说明外部环境因素和随机干扰项对这些省（区市）的技术吸收效率存在不利影响。有些省（区市）如宁夏，调整前后的效率差值不大，由0.851增加到0.857，说明外部环境因素和随机干扰项对其技术吸收投入效率影响较小，而云南调整前后的综合效率均不高。

图1 西部地区技术吸收综合效率调整前后变化图

2.调整前后纯技术效率对比。调整后西部地区技术吸收技术效率平均值由0.896上升到0.911，纯技术效率普遍提高，有一半的省（区市）纯技术效率都达到了1，各省市区纯技术效率变化情况如图2所示。重庆、四川、贵州和青海这4个省（区市）调整前后的纯技术效率均为1，说明其资源管理效率较高，投入资源能够得到有效利用。广西、宁夏和新疆的纯技术效率有所提升，分别由0.389、0.87和0.612增加到0.702、0.957和1，其中宁夏接近技术有效水平，新疆达到了技术有效水平，说明环境变量和随机干扰因素对资源配置产生了不利影响。内蒙古和陕西的技术吸收纯技术效率调整前后的变化不大，均接近于1。而云南和甘肃在经过剔除环境变量和随机干扰因素后的纯技术效率均有所下降，甘肃由1下降至0.784，从技术有效水平变为技术无效水平，云南由0.991接近于技术有效水平下降至0.597，说明这两个省（区市）的第一阶段效率评价受环境因素干扰较大，纯技术效率出现了虚高的情况，在更接近真实技术效率水平下，暴露出其资源配置结构不合理、管理无效率等诸多问题。

图2 西部地区技术吸收纯技术效率调整前后变化图

3.调整前后规模效率对比。我国西部地区平均规模效率由调整前的0.749上升到0.973，各省（区市）规模效率变化如图3所示。重庆和青海调整前后的规模效率均为1，说明这两个地区的资源投入充足，满足技术市场需求，不受环境因素影响。贵州和新疆均从调整前的无效率状态变为调整后的有效率状态，分别由0.616和0.75上升到1，上升幅度较大的地区还有四川、云南、山西和甘肃，分别 从0.586、0.219、0.64和0.59提 高 到0.884、0.956、0.998和0.98，反映出环境因素对这些省份技术吸收规模效率的真实值有较严重的掩盖，并由此引起综合效率的失真。仅宁夏出现了调整后规模效率下降，从0.978下降到0.937。从各省（区市）技术吸收的效率特征来看，调整后处于规模收益不变的由2个增加到4个，处于规模收益递增阶段的由2个增加到3个，而处于规模收益递减状态的由7个减少到4个，说明西部地区企业吸收技术规模的扩大受到环境因素较大影响，多数省份仍可依靠增加资源投入的方式改善技术吸收效率。调整后的四川、云南、陕西和甘肃依旧处于规模收益递减状态，其中四川和陕西属于经济相对发达、技术要素投入规模较大的区域，未来应注重资源的优化配置，以此来改善技术吸收效率。

图3 西部地区技术吸收规模效率调整前后变化图

（四）西部地区技术吸收效率空间分布

为进一步分析西部地区各省技术吸收效率的空间差异，借鉴刘伟[14]18-25对临界值的界定，以纯技术效率和规模效率均值（0.911,0.973）为临界点，将纯技术效率、规模效率分别作为横坐标和纵坐标，据此将西部地区各省市区技术吸收效率划分为四种类型：双高型（高纯技术效率和高规模效率）、高低型（高纯技术效率和低规模效率）、低高型（低纯技术效率和高规模效率）和双低型（低纯技术效率和低规模效率），结果如图4所示。

图4 西部地区技术吸收效率分布图

位于第一象限“双高型”的有内蒙古、陕西、青海、贵州、新疆、重庆等，相比于其他省（区市），其技术吸收综合效率需要改进较少，其中内蒙古纯技术效率为0.999，接近于1，规模效率为0.995，内蒙古应扩大技术吸收经费的投入，尤其是企业技术获取及改造经费的投入；陕西纯技术效率为1，规模效率为0.998，其纯技术效率已经在技术前沿面上，规模效率仍有提升空间。位于第二象限“低高型”的仅有甘肃一个省，其纯技术效率为0.784，规模效率为0.98，提高纯技术效率是甘肃改进技术吸收效率的重点，要注重技术吸收服务水平的提高，适当进行技术吸收资源管理方法的改进。位于第三象限“双低型”的有云南和广西，其规模效率分别为0.956和0.957，均接近平均值0.973，但其纯技术效率值远小于平均水平，这两个省份不仅要加大技术吸收源头技术经费及科研人员的投入，更要解决资源集中配置问题，学习借鉴其他省市区的管理经验和体制机制。位于第四象限“高低型”的有四川和宁夏，虽然都处于同一象限，但这两个省份所面临的纯技术效率改进空间不尽相同，宁夏更接近原点，在提升规模效率的同时要注意加强资源管理提高纯技术效率，四川的纯技术效率为1，但其规模效率为西部地区最低，应加大要素投入规模，充实技术市场。

五、结论及政策启示

本文将DEA方法与SFA回归模型相结合，对我国西部地区2018年技术吸收效率及其分解效率在剔除环境因素及随机干扰因素前后进行了评价和比较分析，具体得到以下几个结论：

1.剔除环境因素和随机干扰后，我国西部地区技术吸收的综合效率、纯技术效率和规模效率的均值都有了一定的提升。

2.经过第二阶段的调整，西部地区11个省（区市）的综合效率均出现上升，云南和甘肃的纯技术效率出现下降，其余省（区市）均为上升，各省（区市）的规模效率也出现了提高，仅有宁夏下降。

3.从空间分布来看，西部地区有一半省（区市）属于“双高型”，仅有甘肃属于“低高型”，云南、广西属于“双低型”，宁夏、四川属于“低高型”，存在较大的空间差异。

4.从环境变量的影响看，经济发展水平不利于R&D人员与经费投入冗余的减少，政府支持力度的增加会导致R&D经费投入冗余的增加，产业结构的优化有利于西部地区技术吸收要素投入冗余的减少。

上述结论对我国西部各省（区市）技术吸收效率改进有如下启示：1.进一步优化西部地区技术吸收体制机制。一方面，针对管理无效率问题，重点做好西部地区技术资源的统筹规划，着力提升技术吸收的资源配置能力，提高单位技术资源投入的产出水平。另一方面，发挥市场导向机制，引导企业进行技术资源投入，避免投入冗余。2.西部各省市区要因地制宜采取不同的技术发展策略。“双低型”的应积极承接其他地区的技术扩散与转移，在提高技术效率与规模效率两方面双管齐下，“双高型”的应积极发展龙头企业，带动其他地区的技术发展，加强跨区域协同发展。3.积极应对环境变化，提高技术吸收效率。一是在发展经济的同时，要着力提高要素的使用效率，深入挖掘市场技术需求，促进技术吸纳地区吸收技术的有效转化。二是政府在加大科研经费投入的同时，要制定更加科学有效的政策，提高应对环境变化的决策和管理能力，促进西部地区技术吸收效率的改善。三是充分发挥市场对资源配置的决定性作用，更好发挥政府作用，加快推进西部地区产业结构优化和转型升级，促进技术吸收效率提高。