基于DEA模型的長江中游城市群創新效率研究

李夢琦 胡樹華 王利軍

摘要：以長江中游城市群中包含的27個城市為研究對象，運用數據包絡分析對這些城市在綜合分析、區域分析和投影分析三方面進行效率評價，表明長江中游城市群創新效率整體較好，但仍存在短板問題，湘鄂贛三省創新水平存在一定差異，部分未達DEA有效的城市主要是由于創新投入利用不充分導致產出不足。在此基礎上提出了應充分利用創新投入，促進創新產出提升；官產學研四位一體，全面推進創新活動；構建協同創新機制，推動資源柔性流動三條改進建議。

關鍵詞：長江中游城市群；創新效率；數據包絡分析 ；SPSS

DOI：10.13956/j.ss.1001-8409.2016.04.04

中圖分類號：F1243 文獻標識碼：A 文章編號：1001-8409（2016）04-0017-05

Abstract：This paper selects 27 cities in Triangle of Central China as the research object. DEA evaluate innovation efficiency from three aspects including comprehensive analysis， regional analysisand projection analysis is conducted. The innovation efficiency of Triangle of Central China is good in general，but there is still a short board problem. There are differences in innovation level of three provinces and some of cities dont achieve DEA effective because of the insufficient using of input. Based on the evaluation results， this paper puts forward suggestions for improvement including make full use of innovation investment and promote innovation and output， make the integration of government， industry， researchcomprehensively promote innovation activities and build collaborative innovation mechanism to improve resource flexibility.

Key words：Triangle of Central China ；Innovation efficiency；Data envelopment analysis；SPSS

引言

在經濟全球化和區域一體化的雙重推動下，城市群以其利用各城市資源稟賦和區位優勢、實現資源優化配置、推動地區經濟發展的特點，成為區域經濟、科技、文化發展的主導力量。如何快速提升城市群的自主創新能力、增強其核心競爭力，也成為各地區關注的重點。以武漢、長沙、南昌為中心城市的長江中游城市群涵蓋了武漢城市圈、長株潭城市群和環鄱陽湖城市群，其建設與發展必將加快中部地區的經濟發展，推動長江經濟帶建設，并能通過輻射作用帶動周邊城市發展，促進我國經濟持續穩定增長。盡管長江中游城市群有區位優勢明顯、工業基礎雄厚、科教水平領先等優勢，但由于其建設起步較晚，因此在提升創新能力上不僅需要增加創新投入，更要提高資源利用率，提升創新效率。特別是在創新資源相對有限的基礎上，如何做到將有限的資源進行更為科學、合理地分配，以獲得更多的創新產出，對于緩解創新資源不足的局面，提升長江中游城市群的創新能力具有重要意義。

在創新能力研究上，英國學者Cooke[1]等認為區域決策能力、政策環境和資金投入是提升創新能力的重要支撐。Maria[2]采用參與性評價方法評價區域創新能力，并將結果應用于實踐中。羅守貴[3]、柳御林[4]、胡曉鵬[5]綜合政治經濟、社會文化、企業實力等方面內容，通過分析各企業實現創新發展的演化過程，分別構建了創新能力評價體系，并結合省份、行業等進行實證研究。蘇屹[6]等從動態視角分析影響創新能力的主要因素，認為創新能力不受某個或某幾個因素的影響，其能力提升具有波動性。程華[7]等人基于系統動力學仿真模型對浙江省創新能力進行實證研究。在創新效率研究上，1985年美國學者埃弗雷德[8]等人首次運用定性方法對區域創新效率做出了研究。張宗益[9]、石峰[10]分別運用隨機前沿方法（SFA）、數據包絡分析（DEA）等定量分析方法對不同時期我國區域創新效率進行測算。白俊紅[11]、李曈[12]、王奇珍[13]運用改進后的DEA方法，分別以全國省市、江蘇省和東部地區為研究對象，對區域創新效率進行評價。Sebastian[14]運用改進后的網絡DEA模型對歐洲航空公司進行效率分析。對長江中游城市群的研究，劉釩[15]等提出城市群中的各個城市需依靠創新政策完善、創新潛力激發、創新載體強化等方法開展創新合作。路洪衛[16]、龔勝生[17]等主要研究了長江中游城市群的協調發展和合作機制。

通過上述國內外文獻綜述可見，與創新發展相關的成果較豐富，但對創新效率的評價多以全國各省份或高新技術產業為研究對象，以單個城市群為對象的研究較少，對城市群中各地級市的研究更不多見；對長江中游城市群的研究多集中在其創新能力、創新合作機制方面，有關創新效率評價的文獻較缺乏。因此，本文選擇數據包絡分析（DEA）方法以長江中游城市群中27座城市為對象，分析其創新效率兼具理論意義與現實意義，能夠找出快速有效地提升城市群創新效率的方法，以促進長江城市群的發展。

1DEA方法及數據模型

數據包絡分析（Data Envelopment Analysis，DEA）是基于投入產出數據相對有效性的評價方法[18]，于1978年由德克薩斯大學A Charnes教授，W W Cooper等人提出。DEA方法作為一種非參數方法是以輸入和輸出為相對績效評價決策單元（Decision-Making Unit，DMU），用于評價技術是否有效，能夠處理多輸入多輸出問題，現已被廣泛應用于技術進步、產業創新、資源配置等領域。

運用DEA方法評價長江中游城市群創新效率是將城市群中所包含的城市視為決策單元，將影響其創新效率的多項投入與多項產出分別視為輸入和輸出。假定有n個DMUj，j=1，2，…n，DMUj的輸入、輸出向量分別為：

xj=（x1j，x2j，…xmj）Tyj=（y1j，y2j，…ysj）T

對于每一個決策單元都有相應的效率評價指數，形如下式：

hj=uTyj/vTxj=∑sr=1uryrj/∑mni=1vixij（1）

i，=1，2，…，m；r=1，2，…，s；j=1，2，…，n

其中，xj=（xij，x2j，…，xmj）T j=1，2，…，n，yj=（yij，y2j，…，ymj）Tj=1，2，…，n。

可以適當選取權系數u和v，使其滿足：

hj≤1，j=1，2，…，n

對第j0個決策單元進行效率評價（1

maxhj0=μTy0

wTxj-μTyj≥0，j=1，2，…，n

wTx0=1

w≥0，μ≥0（2）

若測度效率為可變規模報酬的范疇，則采用BCC模型，形如下式：

maxhjo=∑sr=1uryrj-Uo（3）

∑mi=1vixij=1（4）

∑sr=1uryrj-∑mi=1vixij-Uo≤0（5）

ur，vj≥E>0；i，=1，2，…，m；r=1，2，…，s；j=1，2，…，n。

BCC模型比CCR模型多了變量Uo。Uo為判定決策單元規模報酬狀況的指標，Uo<0表示規模報酬遞增，Uo=0表示規模報酬不變，Uo>0表示規模報酬遞減。

2指標體系設計和數據來源

21評價指標體系設計

211指標設計原則

（1）目標導向原則。對長江中游城市群進行創新效率評價，不僅僅是為了確定各城市創新活動開展情況和創新能力的優劣，更重要的是通過效率評價，發現各地區優劣勢，并找出影響因素，實現區域資源合理、高效配置。

（2）科學性與可行性相結合原則。評價指標的選取既要客觀準確地描述長江中游城市群各城市創新投入與產出情況，反映其創新活動規律，又要滿足各個指標可量化、數據可采集、方法可操作的可行性原則。

（3）絕對指標與相對指標結合原則。絕對指標能夠從全局出發，反映評價對象的發展規模，相對指標則能反映評價對象的強度，考慮不同指標的作用及應用條件，評價長江中游城市群創新效率指標選取涵蓋兩種類型指標。

212評價指標的選擇

在確定評價方法的前提下，由于指標體系的差異，區域創新效率的評價結果也會因投入產出的變化有一定的不同。由于理論界尚未對創新評價指標有統一的規定，因此根據現有文獻所用指標體系，創新投入一般分為人員投入和資金投入，基于指標數據可獲得性，本文采用科技人員強度、科技活動支出強度作為創新投入；產出指標一般采用申請專利授權量、技術市場成交額等指標表示。本文在已有研究基礎上，結合長江中游城市群特點，以指標設計原則為依據，構建長江中游城市群創新效率評價指標體系如表1所示。

22數據收集及處理

根據上述效率評價指標，查閱《中國統計年鑒》《中國城市統計年鑒》以及各地方年鑒、公報數據，基于城市數據獲取的代表性和難易程度，本文選取長江中游城市群中27座城市（仙桃、天門、潛江除外）為研究對象，覆蓋范圍如表2所示。

3區域創新效率評價

31數據計算

本文選取長江中游城市群中27座城市為研究對象，即DMU數量為27，大于投入和產出指標數量乘積，且大于指標數量和的三倍，具有可行性。測度城市群創新效率屬可變規模報酬范圍，因此本文以科技人員投入強度與科技活動支出強度作為創新投入，以申請專利授權量、登記省級科技成果數量、技術市場成交額與高技術產業產值作為創新產出，采用MaxDEA60軟件分析27座城市的創新效率。運行結果如表3所示。

32結果分析

321綜合分析

從以上結果來看，長江中游城市群中創新效率處于高效區的城市共9個，其中湖北省和湖南省各占4個，僅處于純技術有效的城市有6個，完全無效城市共12個，其中包括江西省省會南昌。

（1）從綜合效率的角度進行分析，長江中游城市群中達到DEA有效的城市共9座，這9座城市在技術效率與規模效率上也達到了有效水平，視為強DEA有效。這些城市以創新驅動發展，創新能力較突出，創新效率處于領先位置，這也說明這些城市能夠妥善配置創新資源，使創新投入得到充分、高效地利用。其他18座城市未達DEA有效，說明這些城市并沒有完全利用創新投入，其創新發展仍有很大的進步空間。

（2）從技術效率角度進行分析，長江中游城市群中達技術有效的共15座城市，說明這些城市產業發展重視技術的利用，從原始數據上看，這些城市的科技人員投入與科學技術支出強度較高，也表明地方政府對技術創新的推動較積極。處于技術效率無效的12座城市也應該根據自身發展現狀、科教水平等優勢資源，加強技術創新、科技創新，進而提升創新效率。

（3）從規模效率角度進行分析，武漢、益陽、宜春等9座城市創新投入與產出達到最優水平，為規模效率有效。隨著“雙創”理念的提出，技術、產品等市場都有較大變化，這9座城市在保持現有投入產出水平的同時也應適當改革，以適應經濟發展氛圍。孝感、常德、景德鎮等12座城市屬于規模效率遞增，表明這些城市在創新投入方面存在上升空間，適當增加創新投入可實現產出的提高；長沙、南昌、湘潭等6座城市屬于規模效率遞減，表明這些城市創新產出的增長已經不能靠擴大規模來獲取，而應加強資源利用率，進行深層次的結構調整以提高創新產出水平。

為了進一步分析純技術效率與規模效率對綜合效率的影響程度，本文運用SPSS分別分析純技術效率、規模效率與綜合效率的擬合關系，結果如表5及圖1、圖2所示。

322區域分析

從表6可以看出，長江中游城市群整體綜合效率平均值為079，達DEA有效的城市共9個，其中長株潭城市群（0891）綜合效率平均值最高，達DEA有效的城市數量最多，為4個；襄荊宜城市帶（0884）綜合效率平均值位居第二，4座城市中有2個達到DEA有效；武漢城市圈和環鄱陽湖城市群的綜合效率平均值低于整體平均水平，其中武漢城市圈6座城市中僅武漢、黃石為DEA有效，由于咸寧綜合效率過低，僅為0262，因此導致武漢城市圈整體綜合效率不高，若想提高整體創新效率就需首先解決“短板”問題。而環鄱陽湖城市群9座城市中，僅宜春一所城市達到DEA有效，與其他城市群相比差距較大。

結合表3、表6來看，達DEA有效的9座城市均有較強的工業基礎與工業實力，科教資源較為豐富，城市多處于長江中下游平原，資源豐富，交通便利。湖北的10座城市中，武漢、黃石、襄陽、宜昌4座城市在創新效率評價上達到DEA有效，以武漢、襄陽、宜昌為頂點的省域“金三角”發展格局也有效地實現了“一主帶兩副，三極建三群，三群帶全省”帶動作用，以點帶面實現示范效應。作為科教大省的湖北有科教資源豐富、科技人才聚集、科技環境適宜的特點，為未達DEA有效的城市提供了有利的發展環境，使得這些城市具有較大的創新發展潛力。2013年湖南省R&D投入強度為133%，低于全國平均水平208%，盡管近年來湖南省在建設創新型城市搶抓先機，推出“高新技術產業發展十大創新工程”，但以省會長沙為例，資源投入過多造成擁擠效應，部分冗余資源發揮逆向作用，使整體創新效率下降；另一方面，資源配置尚未優化、資源使用低效，這也是制約創新效率提升的重要原因。江西省整體狀況不容樂觀，區域創新效率整體不高，科技創新潛力相對較弱，需要在資源分配上進一步優化。總的來看，各地在協同發展、資源共享方面仍存在矛盾，對外開放不足也導致區域要素流通緩慢，阻礙了長江中游城市群創新能力的提高和創新效率的提升。

323投影分析

依據DEA基本原理，對長江中游城市群中未達到DEA有效的18座城市進行投影分析，目標值為各城市實現DEA有效應有投入與產出。本文選取綜合效率最低的咸寧與湖南、江西省會進行投影分析，運行結果如表7所示。

從投入角度看，人員方面表現為投入冗余，造成創新效率值降低，導致地區區域創新的勞動力成本和運營成本提高，進而加大管理難度。資金方面暫不存在投入不足或冗余現象，表明各城市科學技術支出情況較合理。從產出角度看，四項產出指標均存在產出不足情況，其中技術市場成交額尤為不足，咸寧市改進率高達65693%，這也是導致咸寧市創新效率不高的重要原因之一。長沙和南昌作為省會城市，具有政策、經濟、科技資源等多方面優勢，但創新產出不足的問題也較嚴重，其中長沙技術市場成交額目標值與原始值相比，改進率為28648%，南昌申請專利數授權量改進率為11290%，這些都表明未達DEA有效的城市現階段創新投入水平遠高于創新產出水平，換言之這些城市對創新投入的利用率不高甚至較低。投入冗余現象比較普遍，也表明創新資源配置缺乏合理性。

4結束語

本文運用DEA模型對長江中游城市群27座城市的創新效率進行評價，為長江中游城市群區域創新發展提供了決策參考。從計算結果上看，長江中游城市群綜合效率整體良好，但個別城市仍存在較大問題，制約了長江中游城市群創新發展。針對以上分析，本文提出如下幾點建議。

（1）充分利用創新投入，促進創新產出提升。從產出角度看，未達DEA有效的城市其產出均有較大不足，技術市場成交額已經成為創新效率較低的瓶頸所在。各城市在進行創新活動時也應積極進行原始創新，在增加技術引進、改造和吸收消化的同時要提高引進技術的利用率和吸收消化速度，盡量減少和克服滯后效應，保證創新成果盡快實現產業化。

（2）官產學研四位一體，全面推進創新活動。在政府層面上，充分發揮政府職能作用，加強頂層設計，加強政策調控和引導，優化長江中游城市群創新環境，制定并實施有利于創新活動開展和實施的政策和措施。在產業層面上，打造產學研創新合作戰略聯盟，整合高技術企業、高校和科研院所的資源，合理分配并利用，培育和完善創新成果轉化平臺， 加速科技成果轉化。在企業層面上，優化科技人員和資金投入比例，加大技術引進、改造活動，提高技術利用率。

（3）構建協同創新機制，推動資源柔性流動。由區域分析得知，環鄱陽湖城市群所處的江西省創新效率較低，其原因是江西省創新資源缺乏，科技創新潛力不足；咸寧作為“武漢1+8城市圈”一員，卻未能利用武漢地區的政策、資源優勢，導致其創新效率難以提升。因此，長江中游城市群創新效率的提升不僅僅要依靠各城市政策、人員、資金的支持，更需要城市間科技合作，大力推進協同創新，以提升低效區城市創新效率。長江中游城市群要按照優勢互補、資源共享的原則，推動科技人才的共同培養與共同利用，合理配置資源，提高各城市協同創新的意識與能力。湘鄂贛三省可聯合組建協同創新平臺，合作培養創新團隊，共同實施創新項目，打造創新成果轉化基地。

參考文獻：

[1]Cooke，Braczyk，Heidenreich.Regional Innovation Systems：The Role of Governmence in a Globalized World [M].London：UCL Press，1998.49-67.

[2]Maria A. The Evaluation of Regional Innovation and Cluster Policies： Lookingfor New Approaches[J]. In Decentralization and Evaluaion，2000（4）：276-315.

[3]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.

[4]柳御林，胡志堅.中國區域創新能力的分布與成因[J].科學學研究，2002，20（5）：550-556.

[5]胡曉鵬.長三角城市群創新能力比較研究[J].南京社會科學，2006，9：44-53.

[6]蘇屹，李柏洲.區域創新能力的波動性研究[J].中國科技論壇，2009（8）：33-37.

[7]程華，王金湘，李冬琴，等.區域技術創新與經濟增長的系統系統動力學模型仿真-基于浙江省的研究[J].2015，10：93-96.

[8]埃弗雷德M羅杰斯，朱迪思K拉森.范國鷹，等譯.硅谷熱[M].北京：經濟科學出版社，1985.

[9]張宗益，周勇.基于SFA模型的我國區域技術創新效率的實證研究[J].中國軟科學，2006（2）：125-128.

[10]石峰.基于省際面板數據及DEA的區域創新效率研究[J].技術經濟，2010（5）：42-47.

[11]白俊紅，蔣伏心.考慮環境因素的區域創新效率研究-基于三階段DEA方法[J].財貿經濟，2011，10：104-112.

[12]李曈，劉周成，張研，等.基于偏好DEA模型的江蘇省技術創新效率評價[J].河南科學，2014，32（6）：1096-1101.

[13]王奇珍，朱英明，楊連盛.基于DEA的區域技術創新效率研究：以東部十省市為例[J].南京理工大學學報： 社會科學版，2014，27（2）：19-26.

[14]Sebastian L，Ester G.A Slacks-based Network DEA Efficiency Analysis of European Airlines[J].Transportation Planning and Technology，2014，37（7）：623-637.

[15]劉釩，易曉波，李光.基于區域創新能力的長江中游城市群科技合作研究[J].湖北社會科學，2013，2：47-51.

[16]路洪衛.長江中游城市群區域協調發展機制探析[J].湖北經濟學院學報，2014，7（12）：59-65.

[17]龔勝生，張濤，丁明磊，等.長江中游城市群合作機制研究[J].中國軟科學，2014，1：96-104.

[18]Chames A，Cooper W W，Rhodes E L. Measuring the Efficiency of Decision Making Units[J]. European Journal of OperationalResearch，1978，2（6）：429-444.

（責任編輯：李映果）