基于DEA的我国军民融合区域创新效率研究

高新栋 杨梅枝

摘要：文章以2018年我国20个军民融合产业基地所在城市为样本，采用DEA模型，对我国军民融合区域创新效率进行了评价。通过对评价结果分析得到我国军民融合区域创新效率参差不齐且总体偏低、纯技术效率是影响我国军民融合区域创新效率的主要因素等结论，并在此基础上提出增强政府对军民融合区域创新发展的支持力度、加快军民融合区域创新发展平台建设、建立产学研用一体化的军民融合协同创新机制的对策建议。

关键词：DEA模型;军民融合;创新效率

一、引言

党的十九大报告指出，要“形成军民融合深度发展格局，构建一体化的国家战略体系和能力”。军民融合发展作为一项国家战略，关乎国家安全和发展全局，既是兴国之举，又是强军之策。军民协同创新是推动军民融合深度发展的内在动力，也是国家创新体系的重要组成部分。当前，我国已经形成多个具有区域特色的军民融合产业基地，为促进军民协同创新和共同发展起到了重要作用，同时也成为推动地方提升自主创新水平的重要动力。然而，我国军民融合区域创新发展仍面临着组织体系不完善、核心研发能力弱、产业发展体系不协调等问题，亟须进一步考察分析并寻找相应措施加以完善。通过对军民融合区域创新效率进行科学评价和研究，可以更准确地了解军民融合区域内创新资源与创新绩效之间的协调发展程度，提出合理配置区域创新资源的对策建议，这对构建和完善我国军民融合创新体系，提高军民融合区域创新能力，推动军民融合深度发展具有十分重要的意义。

二、理论分析

（一）军民融合区域创新效率

军民融合的概念最早可追溯到美国的“军民一体化”。1994年，美国国会技术评估局在《军民一体化的潜力评估》研究报告中首次提出“军民一体化”的概念：“军民一体化是将国防科技工业基础同更大的民用科技工业基础结合起来，组成一个统一的国家科技工业基础的过程。”我国军民融合的概念脫胎于“军民结合”。当前，国内学者普遍认为军民融合是“军民结合”的更高层次，认为其范围更广，程度更深。相较于军民一体化、军民结合等概念，军民融合是军地人、财、物等资源在更大范围、更广领域、更高层次上的全面融合。军民融合创新是军民融合的一个子系统，是为维护和兼顾国家安全和发展利益需要，打破科技资源二元分割局面，优化军民科技资源配置，在军民融合创新体系下进行的科学探索和技术研发活动。军民融合创新的核心目的是产出更多优质的有利于国防和社会发展的技术和经济成果，其本质属性是资源配置，即通过在军民融合创新活动中的流通共享，实现研发资源在国防创新系统和民用创新系统中的再分配和高效利用。

军民融合区域创新效率是衡量军民融合创新水平的重要指标，指特定军民融合区域内创新投入要素的转换效率。在区域创新建设过程中，增加创新投入只是一个必要条件，不仅要注重创新资源的总量投入，更要注重其效率问题。目前，在军民融合创新领域，学者们对创新体系构建、创新作用路径等理论研究较为丰富，而对军民融合微观创新层面的实证研究还较为缺乏，有关军民融合区域创新效率评价的研究还有待于进一步深入。

（二）数据包络分析（DEA）

目前，学界开展效率评价的方法可分为参数法和非参数法两种，主要根据评价对象的投入产出特点和相关数据的完备程度进行选择。参数法主要包括随机前沿分析法（SFA）、自由分布法（DFA）和厚前沿分析法（TFA）等，非参数法主要包括数据包络法（DEA）、无界分析法（FDH）等。其中，随机前沿分析法（SFA）和数据包络法（DEA）在理论和实证分析中较为常见。参数法与非参数法各有优劣，参数法适用于生产函数确定的情况，计算结果可以避免环境或者极端数据的影响，而非参数法则适用于生产函数不确定、不需要确定权重的情况。

数据包络分析法（Data Envelopment Analysis，简称DEA）是一种非参数前沿效率分析方法，不需要设定具体的生产函数，适用于多投入与多产出之间的相对效率评价。1957年Farrell首次提出分段线性凸包前沿分析法，是数据包络分析法的前身。1978年，Charens，Cooper，Rhodes提出基于规模收益不变的数据包络分析法模型（CCR），用于相同部门间的有效性评价。1984年，Banker，Charens，Cooper在原有模型的基础上，基于规模收益可变的假设，提出了BCC模型。DEA模型的主要思路是：将每一个被评价的对象视为一个评价单元，评价单元集构成一个评价群体。通过观察是否具有相同的输入与输出指标来判定是否从属同一个评价群体，对同一评价群体的评价单元计算出评价单元效率，并对评价单元进行排序，确定相对有效的评价单元，分析其他评价单元非有效的原因，为决策者提供有用的决策信息。

DEA方法主要有三个优点：客观性，不需要确定输入指标和输出指标的函数关系，也不需人为事先确定权重，避免了在效率评价过程中的主观干扰;广泛性，由于没有生产函数和参数的限制，只需具备可供比较的评价单元，整个计算过程简易、灵活，这使DEA方法能够适用于广泛领域;适用性，实际生产生活中，多投入多产出的情况远多于单项投入产出，DEA方法更符合实际情况。因为固定规模效益的状态相对理想，而受市场信息、政策环境和资金约束等原因评价单元往往无法以最佳效率运转，所以选择规模效益可变的BCC模型展开研究。

三、军民融合区域创新效率评价

（一）样本及评价指标的选取

根据DEA模型投入产出指标选择的原则和特点，选取R&D经费投入及投入强度为投入指标，以各区域总的专利授权数量和有效发明专利数量作为产出指标来计算各区域的创新效率。选取福建宁德、四川绵阳、山东青岛等20个军民融合产业基地所在城市区域为样本，所用到的R&D、GDP、总专利授权数量以及有效发明专利数量源自各城市2018年度统计年鉴和2018年《中国财政年鉴》。

（二）实证分析

运用DEAP2.1软件对20个军民融合区域2018年的创新效率进行评价，结果如表2所示。其中，综合效率（TE）是对决策单元的资源配置能力、资源使用效率等多方面的综合衡量与评价，反映了军民融合区域经营管理、资金投放等多种因素的效率综合水平;纯技术效率（PTE）反映的是区域由于制度和管理、技术水平等因素影响的产出效率，能够反映在创新投入要素的使用中是否存在资金闲置或误用;规模效率（SE）等于综合效率与纯技术效率之比，反映了在制度和管理水平一定的前提下，区域实际投入规模与最优规模之间的差距，即是否达到了规模有效。

1. 综合效率分析

从图1中可以看出，2018年黑龙江哈尔滨、宁波鄞州和四川成都的综合效率值都达到了1.0，处于效率前沿面上，在纯技术效率有效的同时也实现了规模有效，在一定程度上说明这些区域的创新投入要素得到了高效利用。而其他17个区域相对来说创新投入产出效率较低，我国20个军民融合创新区域的平均效率水平为0.5216。总的来说，我国军民融合区域创新效率水平参差不齐，并且总体偏低。

2. 纯技术效率分析

从图2中可以看出，我国军民融合区域创新综合效率水平与纯技术效率水平的变化趋势趋于一致。且不难发现，我国军民融合区域创新效率的表现与区域经济发展水平并不完全呈正相关关系，一些经济发展水平较低的地区在有限投入的约束下也达到了技术相对有效的状态。而在多数纯技术效率偏低的地区，其军民融合区域创新效率水平也较低。这说明我国军民融合区域创新效率水平主要受纯技术效率影响，制度和管理技术水平是我国军民融合区域创新的主要影响因素。

3. 规模效率分析

由图2可知，我国军民融合区域创新规模效率总体水平较高。四川广元、湖北孝感和湖北襄陽的规模效率较低，需要进一步调整创新投入规模。由表2知，我国大部分军民融合区域都处于规模报酬递增状态，因此可以通过扩大创新投入要素的规模进一步提升规模效率，缩减现有规模与最优规模之间的差距。

四、提高军民融合区域创新效率的对策建议

根据我国军民融合区域创新效率实证分析结果，结合我国军民融合城市区域实际情况，提出以下对策措施。

（一）增强政府对军民融合区域创新发展的支持力度

地方政府要贯彻落实创新驱动发展战略和军民融合发展战略，加强对军民融合区域创新的支持力度。一是要制定合理的军民融合创新项目优惠政策，优化军民融合创新投入要素的规模结构，保证创新资源的高效利用，提高创新产出水平。二是要营造良好的军民融合区域创新环境，以法规制度为约束和保障，加强军民融合区域自主创新科技中介服务建设，完善创新全链条服务体系。三是要打通信息交流渠道，加强军民创新资源的交流与互动。一方面加强区域内各主体之间的联系，形成良好的军民融合技术创新合作生态;另一方面要打破地域限制，加强与相邻区域的横向交流，提高信息共享层级。

（二）加快军民融合区域创新发展平台建设

建立和完善军民融合区域创新发展平台是深度推进军民协同创新的重要方式之一。一方面，通过构建创新人才平台，实施鼓励引进高端人才的政策，引导各类创新人才向本区域聚集。另一方面，注重装备、专利、资金等创新资源要素流动共享平台建设，以信息网络技术为支撑，通过研究实验基地、大型科学设施和仪器设备、科学数据与信息、自然科技资源等已有资源平台的有效配置和共享，为区域科技创新体系提供服务。

（三）建立产学研用一体化的军民融合协同创新机制

充分发挥区域内军工和民营企业、军队院校和地方高校以及科研机构的协同创新作用。各创新主体要以各方共同利益为前提和出发点，结合区域技术资源特点和优势，有重点地对共性关键技术问题进行联合攻关，形成优势互补、利益共享，风险共担的创新联动机制。要进一步提升创新要素交流和技术转移效果，加快军民两用科技成果转移应用及产业化进程，增强军民协同创新的动力和活力，充分发挥军民融合对区域创新能力的促进作用。

参考文献：

[1]何永波.军民结合、寓军于民、军民融合、军民一体化区别与联系[J].中国科技术语，2013，15（06）：29-32.

[2]李海东，马威.投入端视角下高技术产业技术创新效率影响因素研究[J].科技管理研究，2014，34（10）：126-130.

[3]Farrell M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society.Series A（General）， 1957，120（03）.

[4]Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units[J].North-Holland，1978，2（06）.

[5]R D Banker， A Charnes，W W Cooper.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（09）.

[6]兰飞，田琳.产权异质视角下高新技术企业创新效率评价[J].会计之友，2014（11）：46-48.

（作者单位：火箭军工程大学）