2006～2008年中國科技活動投入產出效率比較分析

趙 宏，王 軍

（1.山東農業管理干部學院 經濟管理系，濟南 250100；2.山東大學 管理學院，濟南 250100）

2006～2008年中國科技活動投入產出效率比較分析

趙 宏1，王 軍2

（1.山東農業管理干部學院 經濟管理系，濟南 250100；2.山東大學 管理學院，濟南 250100）

采用三階段DEA分析方法對我國2006-2008年科技活動投入產出的30個省際面板數據進行分析，衡量和評價各省市科技活動投入產出效率。結果表明，一方面各省市科技活動投入產出效率與當地經濟發展程度相適應，區域差異明顯，東部表現最優，西部次之，中部最差；另一方面環境因素對各省市科技活動投入產出效率具有重要的影響，剔除環境和隨機因素影響后各省市各省市科技活動投入產出效率值變化較大，雖然純技術效率有所提高，但是由于規模效率下降較大導致綜合技術效率普遍下降。

科技活動投入產出效率；三階段DEA模型；規模效率；純技術效率

0 引言

隨著科技進步帶動經濟增長的意識不斷增強，我國各省市都加強了科技活動投入，科技進步取得一定成效。2009年，全國研究與試驗發展（R&D）經費總支出為4616.0億元，比2008年增加905.8億元，增長24.4%，與國內生產總值（GDP）之比達到1.47%。按R&D活動人員計算的人均經費支出為23.5萬元，也比上年增加了2.1萬元。然而，各省市科技活動的效率狀況究竟如何，它們之間是否存在顯著的效率差異尚缺乏深入的研究。

本文以數據包絡分析（DEA）三階段模型為主要分析方法，借助Deap2.1和Front4.1軟件對我國2006～2008年科技活動投入產出的30個省際面板數據進行分析，衡量和評價各省市科技活動效率。

1 研究方法

1.1 第一階段：傳統DEA模型

DEA 基本模型由 Charnes、Cooper和 Rhodese （1978）創立，用于測量環境變量對決策單元效率的影響程度，簡稱CCR。它在規模報酬不變的境況下，利用數學規劃對投入產出進行計算得出效率值。顯然，規模報酬不變并不完全符合實踐情況，于是 Banker、Charnes 和 Cooper（1984）對 CCR 進行修正得到BCC模型，BCC模型假設規模報酬可變，將技術效率分為純技術效率和規模效率。

本文將采用投入導向的規模報酬可變的BCC模型進行分析。投入導向就是在產出不變情況下達到投入最小化的效率評估。之所以采用投入導向，是因為科技活動具有知識、技術密集的特點，在這樣的條件下盡量減少投入和降低負產出是必要的。由于BCC已經是一個相當成熟的DEA模型，其數學原理已經非常清晰，這里不再加以描述，具體模型可以參閱 Coelli等（1998）。

1.2 第二階段：構建相似SFA模型

Fried等（2002）認為，第一階段DEA分析得出的投入產出松弛變量受三個因素影響，即環境因素、管理效率和統計噪音。傳統DEA模型并未對這三個因素進行區分，而把所有影響都歸因于決策單元管理的無效率，得出的效率結果是不準確的。通過構建第二階段相似隨機前沿分析（SFA）模型，可以分別觀測出以上三個因素的影響。本文以投入導向BCC分析結果為基礎，分別對各決策單元投入的松弛變量進行SFA分析。

假設有n個省市的科技活動投入產出數據作為決策單元，每個決策單元投入為m項，環境變量有p個，建立松弛變量與環境變量的回歸方程為：

根據戴文文和高建福（2009）的計算方式可以估計uik，得到uik的估計之后，可以進一步得到vik的估計值：

為了排除不同環境變量和統計噪音的影響，對于那些處于相對有利環境或好的運氣的決策單元的投入進行向上調整，調整公式為：

公式右邊第一個括號中的調整使所有省市科技活動處于共同環境變量中，max{δizk}是指投入松弛變量最大的省市，也就是最沒有效率的省市，這樣調整可以使得益于環境因素的省市增加更多投入，環境不利的省市增加較少的投入，將所有省市都置于最惡劣的環境，使它們都面對最不利的環境。第二個括號中的調整使所有省市都處于運氣最差的情況，也就是讓所有省市都面臨相同運氣。

1.3 第三階段：調整后的DEA模型

用第二階段調整后的投入變量數據代替原始投入數據，再次運用BCC模型計算效率值。此時輸出的決策單元的效率值已經排除了環境因素和統計噪音的影響，客觀體現了技術效率，更能反映真實情況。

2 變量選擇和數據來源

2.1 產業投入產出變量選擇

DEA分析以決策單元的投入產出數據為衡量效率的基本要素，綜合DEA方法對投入產出指標的要求，結合數據可得性以及科技活動特點，借鑒國家科技部《全國科技進步統計監測指標體系和監測標準》給出的科技活動投入產出指標，選取國內中文期刊科技論文數、發明專利授權量、技術市場成交合同數、技術市場成交合同金額四個變量作為科技活動產出標量；選取R&D科學家和工程師、R&D科研經費投入、企業其他經費支出作為科技活動投入變量。R&D科學家和工程師有簡單加總數據，也有按研發機構、大中型企業和高等學校R&D分類的具體數值，為了保留更多的信息，將三類數據通過因子分析降維后的數據作為R&D科學家和工程師數值。R&D科研經費投入也有按研發機構、大中型企業和高等學校R&D分類的數值，也通過因子分析降維后的數據作為R&D科研經費投入。企業其他經費支出包括技術改造經費、技術引進經費、消化吸收經費，采用同樣方法降維后作為企業其他經費支出。

2.2 環境變量選擇

環境變量主要選擇那些影響科技活動效率但不在樣本主觀可控范圍之內的因素。這里的環境變量既包括宏觀經濟因素、產業因素、科技意識和政府支持等。

考慮實際情況和相關數據，選取四個環境變量：①各省市GDP（國內生產總值），主要用來反映科技活動的宏觀經濟因素；②企業數量，主要反映該省市場結構和規模狀態；③發明專利申請量，反映當地科技意識水平；④科技活動的地方財政撥款，反映該省科技活動獲得的政府支持，當地政府對科技活動的財政撥款的增加勢必帶動當地科技活動的投入，進而促進科技活動的產出。

表1 第一階段各省市2006～2008年效率測算結果

表2 剔除環境和隨機因素影響前后各省市三年效率平均值

2.3 數據來源

選取2006～2008年我國30個省市的科技活動相關數據作為分析對象（西藏數據不完整，故被排除）。科技活動投入數據以及企業數量主要來源于《中國科技統計年鑒（2009）》，各省市GDP的數據來源于《中國統計年鑒（2009）》，科技活動產出數據、發明專利申請量、科技活動的地方財政撥款等數據則來源于中國科技部網站公布的《中國主要科技指標數據庫》。

3 實證結果分析

3.1 第一階段實證結果

將各省市科技活動投入產出值代入BCC模型，借助軟件Deaper2.1進行分析，得到規模報酬可變條件下的綜合技術效率（TE）、純技術效率（PTE）和規模效率（SE），并得到各投入變量的松弛變量（Slacks），運算結果見表1。數據顯示，北京、上海、海南、新疆等省市三年的三項效率值均為1，處于技術效率前沿。天津、浙江、廣東、湖北、湖南、貴州、陜西、青海等省市在某些年份三項效率值為1，曾經處于技術效率前沿。

《中國科技統計年鑒》將30個省市劃分為東部、中部和西部三大區域，基本反映了我國目前經濟發達程度的區域分布情況。從三大區域科技活動的效率平均值來看，東部地區三項效率值高于中部和西部地區；而中部地區三項效率值則低于西部地區。東部地區效率高于中部和西部地區是容易理解的，中部地區效率低于西部地區主要可能是西部地區整體投入規模比較小，由此科技活動投入產出效率高。

從總的平均值來看，2007年科技活動投入產出效率表現不佳，低于2006年和2008年。2007年是中國經濟近些年投入最多、發展最快的一年，但是高投入并不意味著高效率，經濟過熱的時候往往忽視了效率因素，表現在科技活動上也是如此，這可能是為什么2007年經濟最熱 （相比2006和2008年）而科技活動投入產出效率表現較差的主要原因。

3.2 第三階段結果和第一階段結果比較

通過第二階段調整，剔除環境和隨機因素影響，得到更為符合實際情況的各省市科技活動投入產出效率值，然后計算剔除環境和隨機因素影響前后各省市三年效率的平均值得到表2。

數據顯示，剔除環境和隨機影響因素后，北京、廣東三年的三項效率平均值全部為1，處于技術效率前沿。上海、江蘇、浙江三省市的綜合效率在0.8以上，也表現出較好的科技活動投入產出效率。上述省市科技活動投入效率與其經濟發達程度基本相適應，但山東、遼寧和福建科技活動投入產出效率仍然比較低，與其經濟地位不相稱。由于規模效率比較低，中部地區和西部地區各省市盡管純技術效率值比較高（均在0.8以上），但各省市科技活動投入產出綜合效率卻比較低，除部分省市的綜合效率高于0.5（如湖南、湖北、重慶、四川、陜西等省），其他省市的綜合效率均低于0.5。

比較剔除環境和隨機因素影響前后各省市三年效率的平均值可以看到，各省市純技術效率多數得到了提高，而綜合效率并未得到提高，這主要是因為各省市的規模效率降低導致。全部30個省市的純技術效率均值由調整前的0.822提高到0.939，而綜合技術效率和規模效率則由調整前的0.727和0.882下降為0.507和0.541，也就是說環境因素和隨機因素對各省市科技活動投入產出效率具有顯著的影響。東部地區三項效率平均值由調整前的0.762、0.838和0.899變為調整后的0.662、0.934和0.711，綜合效率下降幅度較小，主要是純技術效率上升幅度基本上彌補了規模效率的下降。中部地區和西部地區則由于規模效率下降幅度大，導致調整后的綜合技術效率相比調整前下降較大。

4 結論

我國30個省市科技活動投入產出效率，既受到外部環境因素的影響，也受到管理效率的影響。通過應用三階段DEA模型的實證分析，得到以下結論：

一方面，科技活動投入產出效率和各省市的經濟發展程度基本適應。東部發達地區科技活動投入產出效率較高，而中西部地區科技活動投入產出效率相對較低。東部地區除了河北、天津、遼寧、福建和海南四省之外，其他省市科技活動投入產出效率總體處于良性發展狀態，尤其是北京和廣東的科技活動投入產出效率處于技術效率前沿。中部和西部地區科技活動投入產出效率相對較弱。

另一方面，環境因素對各省市科技活動投入產出效率具有重要的影響作用。從剔除環境和隨機因素影響前后的數據比較看，由于剔除了環境和隨機因素的干擾，各省市科技活動投入產出效率值變化較大，純技術效率調整后有所改善，但多數省市調整后規模效率下降較大，所以綜合效率得到改善的省市較少。

[1]Charnes,A.,W.W.Cooper,E.Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978，(2).

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

[3]Coelli,T.,Rao,P.,Battase,E.An Introduction to Efficiency and Productivity Analysis[M].Boston:Kluwer Academic Publishers,1998.

[4]Fried,H.O.,C.A.K.Lovell,S.S.Schmidt,S.Yaisawarng.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis,2002,(17).

[5]戴文文，高建福.中國上市銀行效率的實證研究——基于DEA三階段模型分析[J].價值工程,2009，(10).

F222.3

A

1002-6487（2011）02-0093-03

2009年山東省自然科學基金資助項目（ZR2009HZ007）；山東省軟科學資助項目（2008RK52）；山東大學自主創新基金資助項目

（責任編輯/易永生）