基于三階段DEA模型的我國區域海洋科技創新效率分析

李 彬，楊 鳴，戴桂林，楊俊杰，王 健,

（1.青島國家海洋科學研究中心，山東 青島 266071；2.中國海洋大學，山東 青島 266003）

【統計與分析】

基于三階段DEA模型的我國區域海洋科技創新效率分析

李 彬1，楊 鳴1，戴桂林2，楊俊杰1，王 健1,2

（1.青島國家海洋科學研究中心，山東 青島 266071；2.中國海洋大學，山東 青島 266003）

通過使用三階段DEA模型，剔除了傳統效率測算中的環境因素和隨機干擾影響，分別對我國 “十一五”期間 （2006—2010年）天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南11個沿海省市區的區域海洋科技創新效率進行了實證分析。結果顯示：三階段的DEA分析可以較好的反映海洋科技的創新效率；通過對我國區域海洋科技創新效率的計算可以發現， “十一五”期間，我國海洋科技創新效率仍處于較低水平，發展趨勢上呈現緩慢增長的特點，區域間海洋科技創新效率的差異較為明顯，在各地區海洋科技投入不斷加的背景下，創新效率已經成為制約海洋科技水平的重要原因。因此，建議各沿海地區應進一步完善區域海洋科技創新的支撐體系，保證海洋科技投入的持續穩定增長，強化對海洋科技關鍵領域的創新。

海洋科技；科技創新；創新效率；三階段DEA模型

引言

21世紀是海洋的世紀，開發保護海洋、建設海洋強國離不開海洋科技創新的支撐，海洋科技創新已成為當今國際競爭的焦點。近年來，隨著我國海洋經濟在沿海地區經濟發展中的地位不斷提高以及“科技興海”發展戰略的實施，各沿海地區紛紛加大對海洋科技的投入，我國海洋科技的投入達到前所未有的高度，海洋科技的整體水平已經有了顯著提高。但從區域角度來看，海洋創新能力差異明顯，區域海洋科技管理水平很大程度上造成了各沿海地區海洋科技的非均衡發展。而海洋科技創新效率是海洋科技管理水平最直觀的反映，提高科技創新效率也是推動區域海洋科技發展的關鍵。因此，在各地海洋科技創新資源投入不斷加大的同時，需要對各地區海洋科技創新效率進行科學的評價，從而為提升我國區域海洋科技管理水平，實現海洋科技資源高效配置提供參考。

目前對于我國海洋科技創新效率的研究尚不豐富，樊華（2011）運用傳統的DEA模型對我國沿海地區2006—2008年間海洋科技創新效率的差異進行了分析[1]，陳倩（2011） 運用層次分析法對指標賦權計算了環渤海地區海洋科技效率[2]，謝子遠（2011）以科技活動人員人均專利數等直接計算了各地區的海洋創新效率[3]。上述研究對開展海洋科技創新效率的研究進行了有益的嘗試，但也存在一定的不足，其中陳倩和謝子遠的研究中僅以人均指標反映海洋科技效率，缺少對其他投入要素的分析；而樊華采用的傳統的DEA分析無法有效的剔除現實環境中環境因素與隨機誤差對效率的影響，無法真實反映各地區海洋科技管理的水平。

關于效率水平的研究一直是學術界研究的熱點，進行效率測算方法主要分為非參數方法和參數方法，其中非參數方法主要是DEA（數據包絡分析），參數方法主要是SFA（隨機前沿分析）。這兩種常用的方法既有各自的優勢也存在一定的缺陷，針對上述方法的優點和不足，Fried et al.（2002） 將數據包絡分析與隨機前沿分析兩者的優勢相結合，提出了三階段DEA分析[4]。該方法能夠同時調整環境因素與隨機誤差等對效率的影響，使得所計算出來的效率值能更真實地反映決策單元的內部管理水平。由于三階段DEA分析所具有的優勢，許多學者開始運用這一方法對區域技術創新效率、商業銀行效率等進行了研究，并取得了較好的效果[5，6]。因此，本文運用三階段DEA分析對我國沿海11個省市區的科技創新效率進行研究，以克服原有研究方法的不足，從而更準確的反映我國區域海洋科技管理的水平，這在海洋科技創新研究中尚屬首次。

1 三階段DEA模型構建

1.1 第一階段：傳統的DEA模型

Cooper等（1978）通過將Farrell的單投入單產出的效率測算模型發展為多投入多產出而提出了DEA分析中的第一個模型——CCR模型[7]，這種新的效率衡量方式被正式命名為“數據包絡分析”，其后，Banker，Charnes和Cooper（1984）在變動規模報酬假設下發展出了BCC模型[8]，將技術效率分解為純技術效率和規模效率。根據區域技術創新的基本特征，本階段采用的是基于投入導向的可變規模收益的BCC模型，假設有I個決策單元，N項投入，M項產出，X=[x1，x2，…，xI]為N×I的投入矩陣，Xn為其第n行，λ=[λ1，λ2，…，λI]T為特征向量，從而得到各決策單元的效率值與各項投入的松弛量。

1.2 第二階段：運用SFA模型對第一階段各項投入的松弛量進行分解

傳統的BCC模型沒有剔除環境因素和隨機誤差等因素的影響，因而獲得的效率值并不準確。第二階段，通過對各項投入的松弛量按照環境因素、隨機誤差和管理無效率進行分解構建SFA模型，進而調整投入量，使調整后的決策單元面臨相同的外部環境以及相同的運氣成分。

根據第一階段DEA模型的結果，各項投入的松弛變量為sni=xni-Xnλ≥0，sni為第i個決策單元在第n種投入上的松弛值，Fried et al.（2002）指出，此處的松弛值是第一階段全部的松弛值，Xnλ則是產出向量對應的xni在投入效率子集上的最優映射[4]。以各投入的松弛量為因變量，以環境因素變量作為解釋變量，對每一項投入的松弛量均建立一個SFA回歸方程，共建立N個回歸方程，投入松弛變量與環境解釋變量的理論模型為：

式中：zi= [z1i，…，zki]表示k個環境變量的組合；βn為環境變量的待估參數；vni+uni為復合誤差項，根據SFA模型假設，vni為隨機誤差，反映了統計噪音，為管理無效率，實證時通常假定服從半正態分布且vni與uni相互獨立，并與k個環境變量相互獨立，定義則管理無效率因素占主要作用。fn（zi；βn） 為確定的可行松弛前沿，fn（zi；βn） +vni為隨機的可行松弛前沿，對每一個SFA模型采用極大似然技術估計未知參數，通過使用frontier4.1進行計算可以得到βn，γn和，其中，

根據計算結果，對第一階段各決策單元的投入項進行調整，其原始投入的調整公式為：

該部分的關鍵是根據SFA模型的回歸結果獲得的值。羅登躍（2012）指出目前許多學者在三階段DEA研究中對計算的錯誤之處，主要在于誤用了Jondrow（1982） 相關公式[9]，Kumbhakar和 Lovell（2000） 給出的三階段DEA模型管理無效率的估計公式應為：

式中：λn=σun/σvn，f（·）、F（·）分別為標準正態分布的密度函數和分布函數[10]。

1.3 第三階段：重新計算DEA模型

在第三階段，利用調整后的投入替換，和原始產出重新運行DEA模型，得到剔除了環境因素和隨機擾動影響的效率，從而更準確的反映各決策單元的實際效率水平。

2 實證分析

2.1 指標的選擇與數據來源

2.1.1 投入產出指標的選擇

在進行創新效率分析中，創新投入指標的選取主要從人力和資金兩方面考慮，其中科研人員與科研資金作為投入變量得到了研究者的普遍公認[11]。結合數據的可獲得性，選取各地區海洋科研機構的科技活動人員數和各地區海洋科技經費籌集額作為區域海洋科技創新的投入變量。

專利申請授權數相對于其他創新成果更具有直接的經濟意義，且在一定程度上反映了區域創新成果的發展水平[12]，此外科技論文發表情況也是創新效率研究中常用的產出指標。因此，本文選擇各地區海洋領域專利授權數和科技論文發表數作為區域海洋科技創新的產出變量。

2.1.2 技術創新環境指標的選擇

研究與實踐表明，技術創新環境對技術創新具有較強的影響作用，兩者之間存在明顯的相關關系[11]。相關研究中對環境因素的選擇主要包括以下幾個方面：創新基礎能力、產業結構、勞動者素質、對外開放程度等。根據數據資料情況，研究選取各地區海洋科研機構數、承擔海洋領域課題數作為創新基礎能力指標；海洋科研教育管理服務業作為產業結構指標；專科以上畢業生數量作為勞動者素質指標。

2.1.3 數據來源

本文相關數據全部來源于《中國海洋統計年鑒》 （2007—2011）。在相關統計數據中，部分地區的年度專利授權數為零，DEA模型則要求所有的數據均滿足大于零的要求，根據馬占新等（1999）的研究證明，各決策單元的同一指標數據同時加上相同的正數，DEA模型的有效性不變[13]，因此本文在研究中對專利授權數為零的年份數據進行了相應的變換。

2.2 實證結果分析

本文第一階段采用BCC模型，運用Deap2.1軟件對“十一五”期間（2006—2010年）我國沿海11個省市區海洋科技創新的效率進行了測算，得到了各地區海洋科技創新的技術效率（TE）、純技術效率（PTE）和規模效率（SE）。第二階段建立SFA模型，通過運用Frontier4.1軟件對各項投入冗余的環境影響進行分析，計算并剔除環境因素和隨機誤差的影響，從而調整投入變量。第三階段則根據調整后的投入變量重新進行DEA分析，得到各沿海省市區更符合實際情況的海洋科技創新效率值。由于篇幅所限，2010年的各項計算結果如表1所示，其他年份只列出第一階段和第三階段的技術效率，如表2所示。

表1 2010年各沿海省市區海洋科技創新效率Tab.1 Marine science and technology innovation efficiency of the coastal provinces in 2010

表2 2006—2010年各沿海省市區海洋科技創新技術效率Tab.2 Technology efficiency of marine science and technology innovation of the coastal provinces in 2006-2010

表1為2010年各省市區調整前后海洋科技創新各項效率的具體情況。結果顯示環境因素和隨機干擾對各省市區海洋科技創新效率尤其是規模效率具有顯著的影響。經過對環境因素與隨機干擾的剝離調整后，技術有效的省市區由3個下降為2個，各省市區技術效率均值由0.777下降為0.622，純技術效率均值由0.833上升為0.879，規模效率均值由0.934下降為0.673，規模效率成為制約技術效率水平的重要原因。從區域上看，河北、廣西、海南的技術效率在調整前后下降非常明顯，三省區海洋科技創新的實際效率值在第一階段傳統DEA分析中普遍較高，廣西的三項效率值均為1，這一情況與區域海洋經濟科技的實際發展存在一定的不符，經過調整后，可以發現這些省市區的實際效率值并沒有那么高，而通過三階段DEA分析能夠更好的獲得各省市區海洋科技創新效率的實際情況。

根據表2中2006—2010年各沿海省市區海洋科技創新技術效率的情況，環境因素和隨機干擾對各年份的技術效率測算都存在一定的影響。調整后的各年度技術效率均值均有所下降，除2007年的技術效率水平存在一定的波動外，技術效率均值總體呈上升趨勢，但上升速度較慢，技術效率整體水平較低。在傳統DEA分析中，部分地區各年份的技術效率均被嚴重高估，而技術效率值被低估的地區，其技術效率值調整前后的差異并不明顯，此外在調整前后，區域間技術效率的差異有所擴大。

3 結論與建議

3.1 結論

本文通過對2006—2010年間我國各沿海地區海洋科技創新的技術效率建立三階段DEA模型，對我國區域海洋科技創新效率進行了測算。研究表明三階段DEA模型在科技創新的技術效率分析中具有明顯的優勢，分析結果顯示傳統的DEA分析對于低投入低產出的規模效率容易高估從而影響技術效率的準確，如河北、廣西、海南等地區的海洋科技創新的技術效率值在調整前后變化顯著，借助三階段DEA模型可以有效剔除環境因素和統計誤差對各地區海洋科技創新效率的影響，更加真實的反映我國區域海洋科技創新的管理水平。

從各地區海洋科技創新的技術效率均值來看，我國海洋科技創新效率的整體水平還比較低，“十一五”期間總體上呈現出上升的趨勢，但增長速度較慢且存在一定的波動，海洋科技管理水平已成為制約各地區海洋創新的重要因素。從各地區間的情況來看，區域間海洋科技創新的效率存在較大差異，其中廣東、上海、山東的創新效率處于較高的水平，體現了這三個地區在海洋經濟技術發展中的科技優勢與領先地位，而廣西、海南等地的創新效率則與海洋科技發達地區存在較大差距，研究表明區域海洋科技創新效率與其海洋經濟科技的發展水平基本相一致。從各地區海洋科技創新的具體情況來看，我國區域海洋科技的創新主要處于報酬遞增的階段，規模效率相比純技術效率對海洋科技創新效率的影響更為明顯，地區海洋科技創新的規模化水平還有待提高。

3.2 建議

近年來，我國各沿海地區海洋科技的管理工作取得了一定的成效，區域海洋科技創新效率得到了進一步的增長，但隨著建設海洋強國戰略的全面實施，還需要在以下幾個方面不斷加強：

第一，完善區域海洋科技創新的支撐體系。目前我國區域海洋科技創新效率的整體水平還比較低，區域海洋科技的管理水平有待提高，這就需要政府針對海洋科技創新的自身特點不斷深化海洋科技管理體系的改革，通過完善科研機構評價體系，創新科研人員激勵機制，建立產學研服務平臺等一系列措施，建立完善的支撐體系，增強區域海洋科技創新的能力。同時還應加強區域間的交流協作，積極開展區域間協同創新，并及時總結和推廣海洋科技發達地區的成功經驗，發揮核心地區的科技創新輻射帶動效應。

第二，保證海洋科技投入的持續穩定增長。我國海洋科技投入規模近年來大幅增長，但區域海洋科技創新的規模效率顯示，多數地區正處于規模報酬遞增階段，規模效率普遍較低，通過提升規模化水平將顯著提高區域海洋科技創新的效率。海洋科技發展落后地區應進一步創新海洋科研經費籌措方式，加大對海洋科研的資金投入，改善科技創新環境積極培養引進海洋創新人才，同時針對海洋科技創新難度大、風險高、周期長的特點，制定海洋科技發展的長期規劃并設立專項資金，從而保證海洋科技投入的穩定。

第三，強化對海洋科技關鍵領域的創新。通過對海洋基礎科學的源頭創新和海洋產業中重大共性技術的重點突破，可以顯著提升區域海洋科技的產出水平，提高海洋科技創新效率，實現區域海洋科技的跨越式發展。因此在區域海洋科技管理中，應強調政府在基礎科學和共性技術等關鍵領域創新的主導作用，重視組織制定和實施重大技術專項計劃，制定鼓勵海洋科技關鍵領域研發的政策措施，強化海洋科技管理部門對海洋創新的宏觀決策。

[1]樊 華.中國區域海洋科技創新效率及其影響因素實證研究[J].2011（9）：57-64.

[2]陳 倩.環渤海地區海洋科技投入產出比較分析[J].資源開發與市場，2011，27（7）：632-634.

[3]謝子遠.海洋科研機構規模與效率的關系研究[J].科學管理研究，2011，29（6）：40-43.

[4]Fried H O，Lovell C A K，Schmidt S S，et al.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：154-174.

[5]趙 宏，王 軍.2006—2008年中國科技活動投入產出效率比較分析[J].統計與決策，2011（2）：93-95.

[6]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）：160-164.

[7]Charnes A，W W Cooper and E Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operations Research，1978（2）：429-444.

[8]Banker R D，A Charnes and W W Cooper.Models for the Estimation of Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984（30）：1078-1092.

[9]羅登躍.三階段DEA模型管理無效率估計注記[J].統計研究，201229（4）：104-107.

[10]Kumbhakar S C and Lovell C A Knox.Stochastic Frontier Analysis[M].Cambridge：Cambridge University Press，2000.

[11]羅彥如，冉茂盛，黃凌云.中國區域技術創新效率實證研究——三階段DEA模型的應用[J].科技進步與對策，2010，27（14）：20-24.

[12]黃德春，高 敏，劉炳勝.中國區域技術創新效率變動差異與空間趨同研究——基于三階段DEA模型和趨同實證分析[C]//第六屆（2011）中國管理學年會——技術與創新管理分會場論文集.北京：中國管理現代化研究會，2011.

[13]馬占新，唐煥文.關于DEA有效性在數據變換下的不變性[J].系統工程學報，1999，14（2）：129-134.

Research on the Efficiency of China's Regional Marine Technical Innovation Based on the Three-stage DEA Model

Li Bin1,Yang Ming1,Dai Guilin2,Yang Junjie1,Wang Jian1,2
（1.Qingdao National Marine Science Research Center,Qingdao 266071,China; 2.Ocean University of China,Qingdao 266003,China）

By using the three-stage DEA model and eliminating the effectsof environmental variables and statistical noise in the traditional method of measuring efficiency,this paper made an empirical analysis of the marine technology innovation efficiency in 11 coastal provinces of China in 2006-2010.It found out that the three-stage DEA model can evaluate the efficiency of marine technology innovation more accurately, and during the 11th Five-Year Plan,the marine technology innovation efficiency in China was still at a low level,growing slowly and the difference in the regional Marine technology innovation efficiency was obvious.Through the comparative analysis,it can be found that against the background of the marine technology input constantly increasing,innovation efficiency has become an important factor for restricting the marine science and technology level.There fare,it is suggested that coasted regions farther improve the support system for the regional marine science as technology innovation,ensure the sustained and stable growth of marine science and technology input are strengthen the innovation in the they areas of marine science as technology.

marine technology;innovation efficiency;three-stage DEA model

F223

：A

：2095-1647（2016）02-0047-07

2016-03-08

山東省軟科學研究計劃重大項目 [2014RZF01001]；山東省軟科學研究計劃一般項目 [2015RKF01002] [2014RKF01004]；中國海洋發展研究會基金項目 [CAMAJJ201510]

李彬，男，博士，助理研究員，主要研究方向為海洋科技、海洋經濟研究。

楊鳴，男，博士，研究員，主要研究方向為海洋科技研究。