江蘇各市區域創新效率的評價

[摘要] 采用建立評價江蘇省各城市，特別是蘇北地區的區域創新效率的數據包絡分析（DEA）模型，來測算出各城市的總體效率、技術效率、規模效率及規模效益狀況，并結合DEA 改進值，對非DEA有效的城市提出使其達到有效的可行措施，供決策部門參考。

[關鍵詞] 數據包絡分析 區域創新 效率評價

一、引言

區域創新系統( regional innovation system)的概念是1992年由英國卡迪夫大學的Cooke教授提出的，他認為區域創新系統主要是由在地理上相互分工和關聯的生產企業、研究機構和高等教育機構等構成的區域性組織體系，而這種體系支持并產生創新。區域創新系統不能僅理解為技術創新，它是一定區域內與創新過程相關的組織、機構和實現條件所組成的網絡體系。

2005年，蘇南人均GDP是5.02萬元，蘇中人均GDP是1.86萬元，而蘇北人均GDP才1.11萬元。由此可以看出，雖然都處于沿海經濟發達地區，但蘇南、蘇中和蘇北地區經濟之間的差距仍然很大。而區域創新系統是推動區域經濟發展的火車頭，是提高區域經濟競爭力的關鍵，是區域經濟內產業結構升級的根本技術支撐。因此，研究各地區創新體系的運行效率顯得尤為重要。而創新體系本身是多投入多產出的復雜系統，數據包絡分析(Data Envelopment Analysis，簡稱DEA)就是一種評價具有多輸入多輸出指標的同類主體間相對有效性的方法。因此，我們引入研究生產有效與否的DEA分析方法，對區域創新系統行進行實證分析，同時也可以用DEA分析方法得出地區的規模效益情況。

二、模型的建立

數據包絡分析是由美國運籌學家Chames和Cooper等學者從1978年開始發展起來的。它以相對效率概念為基礎，用于評價具有相同類型的多投入、多產出的決策單元是否技術有效和規模有效的一種非參數統計方法。DEA以某一生產系統中的實際決策單元（DMU）為基礎，建立在DMU的“Pareto最優”概念之上。它主要是通過保持DMU的輸入或輸出不變，把每一個被評價單位作為一個DMU，再由眾多DMU構成被評價群體，通過對投入和產出比率的綜合分析，以DMU的各個投入和產出指標的權重為變量進行評價運算，確定“有效生產前沿面”，并根據各DMU與有效生產前沿面的距離狀況，確定各DMU是否DEA有效，同時還可用投影方法指出非DEA有效或弱DEA有效DMU的原因及應改進的方向和改進多少的問題。

三、實證分析

1.數據指標的選取

創新體系以企業為主體，地方政府、教育科研機構、金融機構等構成，其運行效率受地區的經濟、科技、教育等諸多因素的影響。本文以江蘇統計年鑒2006和江蘇科技年鑒2006作為參考數據源，用DEA方法來測度各市創新效率。根據數據口徑的統一性、可比性原則，同時考慮數據的可得性，本文選用從事科技活動人員數、RD人員數、RD支出、科技撥款占財政支出比重、科技與技改貸款占貸款總額比重作為系統的輸入，新產品銷售收入、專利批準數作為系統的輸出，江蘇13個城市作為決策單元。13個決策單元的有關統計數據見表1。

2.數據的處理結果

根據表1的數據，分別采用C2R模型和C2GS2模型計算各地的總體效率、純技術效率，然后由公式計算純規模效率，然后判斷各市的規模效益狀況，具體結果見表2。在表2中，θ＊表示各個DMU的總體效率，σ＊表示各個DMU的純技術效率，規模效率s*是根據上述的公式計算所得，分別是C2R模型中的約束條件中各松弛變量的數值，分別為各輸入輸出的影子價格。

3.效率分析

從數據處理結果可以看出，區域創新中處于總體效率和純規模效率前沿面上的城市有：蘇州、淮安和鹽城以及宿遷，但只占了全省的30.7%，說明江蘇省整體的創新效率情況并不容樂觀。特別是南京，其總體效率與規模效率連0.7都不到。而其它城市雖然不在前沿面上，但創新效率也較為接近1。蘇州、淮安、鹽城和宿遷處于有效前沿面上，投入要素相對全部發揮作用。返觀南京，雖然作為省會城市，各項投入幾乎都是全省第一，但是收效并不是很好。總體效率值只有0.64，相對于其他城市，投入產出的匹配度不高。把江蘇13市進行橫向比較，蘇北地區的5個城市，其中淮安、鹽城、宿遷DEA總體有效，而徐州和連云港雖然DEA無效，但是其DEA有效值也比較高。從這些數據我們可以看出，雖然在投入產出的總量上遠低于蘇南和蘇中，但其創新效率還是很理想的，也就是說，蘇北投入與產出的匹配是好的。通過這些比較，我們可以知道，對于創新行為，不能片面的追求投入，必須在提高創新效率方面做文章，這樣才能使投入和產出協調起來。而對于蘇北地區和蘇南蘇中不同來看，蘇南蘇中的規模和投入都較大，產出也超過蘇北地區，但是創新效率總體不如蘇北，資源浪費或者投入無效的情況普遍存在，這也是對我們的一個警示。

4.DMU在生產前沿面上的投影與影子價格分析

非DEA有效的DMU在生產前沿面上的投影是有效的，即通過適當調整非DEA有效的DMU的輸入、輸出數值使其達到有效。下面以徐州為例，其松弛變量為:S1-=2403.1，S12 =2023.4，S5+=5.2545，S1+=445.36。故徐州地區在生產前沿面(基于輸入的C2R模型)上的投影為：x1=0.978×14470.4-2403.1=11748.95，x2=0.978×6178.861-2023.4=4019.53， x3=0.978×10.37689=10.15，x4=0.978×1.44=1.41，x5=0.978×8.48-5.2545=3.04，y1=84.42，y2=776，表明徐州在保持目前產出水平不變的條件下要達到DEA有效，應該縮減其輸入值，即從事科技活動人員數減少2721.45，RD人員數減少2159.33，RD支出減少0.23，科技撥款占財政支出比重減少0.03，科技與技改貸款占貸款總額比重減少5.44?？梢?，徐州的創新之路在于合理的利用投入的資源，人才運用方面做到各盡所能，而不是機構臃腫，大量閑置或是半閑置人才，需要加強人事管理，減少總人數；物資使用方面，做到盡量物盡所用，防止資源的閑置或是浪費，要走高利用、低消耗之路。

5.規模效益分析

表2給出了各DMU的規模效益狀況，其中4個城市規模效益不變，6個城市規模效益遞增，3個城市規模效益遞減。根據經濟學上的規模經濟理論，最佳的生產階段應該在第二階段（規模效益遞減階段），從數據可以看出，蘇北的區域創新情況比較好，除了連云港，都處于規模不變或是遞減階段。占到了80%，明顯高出蘇南和蘇中。

四、結束語

通過使用DEA方法中的C2R模型和C2GS2模型對江蘇省13個城市創新活動的有效性進行分析， 此方法可以確定經驗生產前沿面，給出各DMU的總體效率、純技術效率、純規模效率、DMU在生產前沿面上的投影、輸入輸出的影子價格等，可以確定各DMU的規模效益狀況，提供了豐富的系統分析手段，給決策者提供定量的管理信息，使決策更加可靠。結果表明江蘇省內，蘇北投入與產出均低于蘇南蘇中，但創新效率相對于江蘇其他地區總體較高。整個省內仍然存在資源的浪費，投入與產出的不協調，希望有關決策部門制定相應的政策，減少浪費，提高效率。當然，通過分析我們也可以看出，各階段有效的地區并不一定是經濟技術最發達的城市，所以DEA技術評價的是輸入資源的相對利用效率，其結果受到投入數量的影響，要解決這個問題，還需要今后進一步的研究。

參考文獻：

[1]羅守貴甄峰:區域創新能力評價研究[J].南京經濟學院學報， 2000， (3):31～35

[2]盛昭瀚朱喬吳廣謀:DEA理論、方法與應用[M].科學出版社.1996

[3]官建成何穎:基于DEA方法的區域創新系統的評價[J].科學學研究， 2005，23 (2) : 265～271

[4]黃靜:基于DEA 模型的西部地區科技進步有效性分析[J].商業研究，2005， (22):128～130

[5]“發揮蘇北后發優勢研究”課題組.發揮蘇北后發優勢的政策選擇[J].徐州師范大學學報， 2004，30 (5):95～98

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。