基于復合ＤＥＡ的我國各地區高新技術產業投入產出相對效率評價研究

摘要：高新技術產業的發展，直接關系到一個地區產業結構優化和經濟發展。文章運用復合DEA（數據包絡分析）方法對我國各地區高新技術產業投入產出相對效率進行了評價，得出了投入產出相對效率與地區經濟發展水平正相關的結論，并對相對效率值非DEA有效地區的形成原因及優化方向進行了分析。

關鍵詞：復合DEA；高新技術產業；相對效率；評價

一、 引言

近年來我國高新技術產業快速發展，不少學者圍繞高新技術產業這一主題進行了各種定性和定量研究。從已有的研究成果來看，多數學者關注的是高新技術產業的政策、發展水平、產業集群、競爭力和技術創新能力，從資源配置（投入產出）視角研究高新技術產業的成果較少，其中，劉志迎、葉蓁（2006）基于非參數的Malmquist指數方法對我國高技術產業各行業技術效率進行了實證分析；朱又為、徐康寧（2006）應用隨機前沿生產函數測算了我國高技術產業的研發產出效率；張霞、胡賢輝等（2006）應用DEA方法對湖北省高技術產業近十年的投入產出相對效率進行了有效性評價和排序分析；薛娜、趙曙東（2007）以江蘇省為例，對五大高技術產業創新效率和規模收益做了評價和比較；鄧進（2007）在構建柯布—道格拉斯研發生產函數的基礎上，研究了我國高新技術產業研發資本存量和研發產出效率。總之，有關高新技術產業投入產出相對效率的理論成果不僅少，且多是針對某個地區或某個領域的研究。另外，客觀上因地域、資源、科技等稟賦差異，我國各地區高新技術產業呈現出不平衡發展態勢，其投入產出相對效率迫切需要科學方法予以比較分析。綜上，基于理論意義和客觀需要，本文應用復合DEA方法，對我國各地區高新技術產業投入產出相對效率進行了較全面系統的實證分析。

對高新技術產業投入產出相對效率進行評價，首要問題是界定高新技術產業范圍。參照OECD（經濟合作與發展組織）與《中國高技術統計年鑒》的分類和統計標準，本文所指的高新技術產業包括航天航空器制造業、電子及通信設備制造業、電子計算機及辦公設備制造業、醫藥制造業、醫療設備及儀器儀表制造業。

二、 復合DEA方法

數據包絡分析（Data Envelopment Analysis，簡稱DEA）是A.Charnes、W．W．Cooper等人提出的評價系統相對效率的非參數方法，其不用對數據進行預處理，也無需人為設定權重，適用于多輸入和多輸出系統的投入產出相對效率評價。

根據不同評價系統的內容和特點，DEA模型有多種形式，不失一般性，本文選用經典Input—C2R模型。假定有n個可比部門（稱為決策單元），每個決策單元都有m種輸入和s種輸出，Xj和Yj分別表示第j個決策單元的輸入和輸出。通過對偶變換，引入非阿基米德無窮小量，Input—C2R模型可以表示為：

復合DEA方法的應用主要表現在兩方面：

三、 評價指標體系

DEA方法確定投入和產出指標的基本前提是要反映評價目的和評價內容。在此基礎上，遵循指標設計的系統性和科學性原則，并根據數據的可獲得性，本文選取的投入產出指標如表1所示。投入指標包括企業從業人員年平均人數、投資額、年初固定資產原價和科技活動經費內部支出，前三項指標從評價內容出發，反映了各地區高新技術產業在人、物和財三方面的投入，第四項指標主要基于評價目的，重在分析科技活動經費內部支出對高新技術產業投入產出相對效率的影響。產出指標包括兩方面的指標，一是直接、當期的經濟和社會效益指標，包括工業總產值、銷售收入和利稅，二是間接、短期內難以用貨幣衡量的指標—專利申請數，該指標為當期產出，但往往要經歷一段時間才能轉化為實際的經濟和社會效益。

四、 基于復合DEA的實證分析

本文以各個省、市、自治區為決策單元，所有數據源于《中國高技術統計年鑒2006》，采用Input—C2R模型（取10-6）進行DEA評價的結果見表2和表3。

從表2中DEA評價的初始結果來看，?茲0值為1的地區有北京、天津、內蒙古、上海、福建、山東、廣東、海南、云南和青海，說明這些地區的高新技術產業投入產出相對效率為DEA有效，其各種投入已經達到最大產出。北京、天津、上海、福建、山東和廣東高新技術產業的投入產出相對效率最優，與這些地區發達的經濟發展水平相適應；需注意的是，內蒙古、海南、云南和青海的高新技術產業普遍處于初創期，投入產出相對效率高并不能說明其居于絕對領先水平。

綜上可以看出，各地區高新技術產業的投入產出相對效率差別很大，東部地區的相對效率值明顯高于中西部地區。DEA有效的10個省市中，東部占七個，分別是北京、天津、上海、福建、山東、廣東和海南，西部只有云南和青海，中部僅內蒙古為DEA有效。從非DEA有效的地區來看，江蘇、浙江等發達省市的相對效率值也明顯高于其它省市。由此可見，高新技術產業投入產出相對效率與地區經濟發展水平正相關。

根據表3縱向Sj（i）列的累計值，可以獲得投入、產出指標對評價系統及各決策單元影響的信息。從投入指標看，Sj（3）列的累計值為4.704 5，高于其它三項指標，累計值最小的是Sj（2）列，為1.278 0。這說明現階段影響各地區高新技術產業投入產出相對效率最重要的因素是固定資產，即“物”的累計投入——資本存量；投入指標中存在最多冗余、利用效率最低的是投資，即“財”的當期投入——資本流量。從Sj（3）列數據來看，安徽、江蘇、浙江等省在利用固定資產方面較全國其他地區具有相對效率優勢。從產出指標來看，Sj（8）列的累計值高于其它三項指標，為3.587 6，表明投入產出相對效率對專利申請數這一指標最為敏感，從該列具體數據來看，新疆、云南、陜西等省在這一指標的產出較其他地區具有優勢。

根據表3縱向Sj（i）列的的標準差，可以分析各個決策單元不同指標上相對效率差異。從投入指標看，Sj（4）列的標準差最大，這說明科技活動經費內部支出的地區差異最明顯，結合各地區實際支出可知，青海、山西等省在該項指標上的投入最為匱乏。從產出指標來看，Sj（8）列數據的標準差最大，為0.179 4，這表示各地區在專利申請數這一指標上的產出最不均衡。從相對效率上看，新疆較其他地區具有優勢，評價值為0.622 4。

根據表3橫向Sj（i）行的數據，可以分析投入產出相對效率非DEA有效地區的形成原因及其優化方向。從各地區高新技術產業投入產出相對效率評價的初始結果（見表2）來看，非DEA有效的省區有20個，其中甘肅最低，相對效率值僅為0.359 2。根據表3中S27（i）行數據，從投入指標來看，S27（4）為0，S27（1）僅為0.002 7，說明該省科技活動經費支出利用效率偏低，從業人員存在冗余；從產出指標來看，S27（5）和S27（6）均為0，說明工業總產值和銷售收入這兩項產出過少，沒有形成有效的產出規模。該省今后應努力增加投資和固定資產，并在產業規模擴大的過程中注重提高科技投入的利用率，精簡冗余人員。另外一個初始相對效率值低于0.4的地區是山西（0.387 0）。根據表3中S4（i）行數據，從投入指標來看，S4（1）為0，S4（3）也接近0，說明該省高新技術產業存在冗余人員，對固定資產的使用效率也不高；從產出指標來看，S4（6）和S4（7）均為0，表明其銷售收入和利稅過少。該省今后應努力精簡非科技活動人員，提高固定資產的利用效率，形成有效的生產規模，為高新技術產業營造良好的市場環境。其他非DEA有效的地區，可以按照上述邏輯分析其形成原因與優化方向，限于篇幅不再贅述。

五、 結論

從DEA評價的初始結果來看，現階段我國各地區高新技術產業投入產出相對效率差別很大，東部地區明顯高于中西部地區，并由此可以得到一個結論，高新技術產業投入產出相對效率與地區經濟發展水平正相關。根據不同指標下的DEA評價結果，運用復合DEA方法進行擴展分析，可以估量高新技術產業投入和產出指標對各個地區相對效率值的影響，分析非DEA有效地區形成的原因及其優化的方向。綜上，運用復合DEA方法對我國高新技術產業投入產出相對效率進行評價，可以得到大量有效的管理信息，為相關部門的決策提供定量、可靠的參考依據。

參考文獻：

1．傅毓維，崔棟，劉拓．黑龍江省科技資源配置效率的DEA分析．技術經濟，2007，（7）：14-17．

2．朱有為，徐康寧．中國高技術產業研發效率的實證研究．中國工業經濟，2006，（11）：38-45．

3．張霞，胡賢輝等．湖北省高技術產業投入產出動態評價．統計與決策，2006，（11）：90-92．

4．薛娜，趙曙東．基于DEA的高技術產業創新效率評價．南京社會科學，2007，（5）：135-141．

5．鄧進．中國高新技術產業研發資本存量和研發產出效率．南方經濟，2007，（8）：56-64．

基金項目：黑龍江省科技計劃項目（GC06D209）；黑龍江省教育科學“十一五”規劃重點課題（HZG036）。

作者簡介：傅毓維，哈爾濱工程大學經濟管理學院教授、博士生導師；朱發根，哈爾濱工程大學經濟管理學院博士研究生；劉拓，哈爾濱工程大學經濟管理學院博士生。

收稿日期：2008-02-02。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。