基于兩階段DEA模型的區域創新效率評價

李丹

【摘要】創新驅動經濟發展，創新發展注重效率，因此進行區域創新效率評價顯得尤為重要。本文將專利、論文等作為區域創新中間產品，將區域創新活動分為技術產出階段和經濟產出階段，運用DEA方法對安徽省區域創新效率進行評價。根據不同階段的評價結果將評價單元進行分類評析。

【關鍵詞】區域創新效率；兩階段模型；DEA方法

引言

在知識經濟和區域經濟一體化背景下，區域發展更受關注，而創新是區域發展的強大推力，創新驅動是經濟發展的重要模式。Cooke首次提出區域創新系統這一概念，指出區域創新系統是一個多方合力共同驅動的復雜的動態組合。如今在更多地依靠創新驅動的經濟發展環境下，經濟發展的不均衡在很大程度上歸結于區域創新系統的運行情況。從創新的一般過程分析，區域創新系統是一個多維投入一產出的組合系統，對區域創新效率進行綜合評價，探索區域創新系統投入要素和產出要素之間的關系、發現區域創新著力點，是提升區域創新能力的有效途徑。本文將專利、論文等作為區域創新中間產品，將區域創新活動分為技術產出階段和經濟產出階段，運用DEA方法對安徽省區域創新效率進行綜合評價。

1文獻綜述

在“區域創新系統”概念首次提出以來，關于區域創新評價的研究更多地不再是停留在對參與創新的某（幾）種創新要素量的考量，而是從創新效率的視角進行區域創新評價研究。國內學者對區域創新系統概念的界定也有明確的說明，區域創新系統是在特定的地區內各種創新參與要素之間關系的制度與政策網絡。金祥榮等通過建立C-D函數對我過區域創新效率進行研究發現參與區域創新要素的多少和絕對量的變化對區域經濟增長的影響偏弱于區域創新效率，后者才是區域創新發展的突破口。李南等通過DEA方法，對我國區域創新系統的創新效率進行了測度與評價。研究發現我國大部分區域創新效率較低，且呈規模報酬遞減態勢，通過投影分析為各區域調整創新資源投入進而達到DEA有效提供依據。于明潔等運用典型相關分析方法就區域創新系統投入一產出關系進行了研究發現創新參與要素的優化組合可以有效提高區域創新效率。李醒民等在進行區域創新效率研究時發現外部性創新參與因素對區域創新效率的提高存在權變影響，只有當某一地區的經濟發展達到一定規模時，創新效率處于高的水平。方愛平等同樣運用DEA方法對我國部分地區科技投入與產出效率進行了分析，并在對創新產出進行了更深層次的解析，包括直接產出和間接產出。歐光軍等人認為提高創新效率低下是影響我國創新發展的重要阻力，創新效率亟待提高。

2指標、數據的選取與處理

區域創新系統兩階段的明確體現了在創新過程當中科技與經濟的結合，因此區域創新系統評價指標體系建設也應體現這種二階段特征。本文所選取的指標是在以往學者研究的基礎之上經客觀頻度考查甄選所得，充分、合理地體現了地區科技創新水平與創新發展水平。

2.1第一階段評價指標

區域創新系統評價的第一個階段事實上更多地體現的是一個創新開發的過程，是一個知識開發與獲取的過程，是一個科技投入跟科技產出的過程。第一階段的投入指標包括利用外商直接投資、R&D項目經費支出、技術改造經費支出、R&D人員、R&D活動單位數、科研機構數占規模以上比例6個指標：產出指標包括科技論文數、專利授權量和擁有國家行業標準數3個指標。以上投入指標代表了科技產出階段的投入情況，相應地，以上產出指標代表了科技產出階段的產出結果，產出量與投入量之間的比率關系則代表了科技產出階段的投入產出效率。

2.2第二階段評價指標

盡管專利授權量、科技論文數等可以很好地衡量新技術的產生，但是它們并不能作為描述區域創新經濟效益等的指標，對于區域創新系統的第一個階段來說，區域創新系統的第二個階段更側重于考查創新成果向經濟效益的轉化，第二階段側重的區域創新的經濟效率。第二階段的投入指標包括科技論文數、專利授權量和擁有國家行業標準數：產出指標包括各市規模以上新產品銷售收入、各市規模以上企業工業增加值、專利所有權轉讓及許可收入、城鎮單位從業人員數和衛生機構床位數5個指標。以上投入指標代表了經濟產出階段的投入能力，相應地，以上產出指標代表了經濟產出階段的產出能力，產出量與投入量之間的比率關系則代表了經濟產出階段的投入產出效率。

2.3數據來源

慮到區域研究的規范性和數據獲取的可靠性，本研究對研究區域進行了基于行政區域的劃分，文章以安徽省各地市為研究對象。為了保證數據獲取的可行性與權威性，通過檢索《安徽省統計年鑒》，我們摘錄了安徽省16個地市（巢湖市于2010年并入合肥市）2010-2014年度統計數據。

2.4數據處理

為了使輸出結果更準確，根據已有研究，DMU個數必須是輸入輸出變量數目之和的兩倍以上。本研究中，DMU的個數為16個，按照經驗，指標數最好保持在8個以下。因此，出于對信息全面考察的需要，滿足DEA的基本要求，本文分別對科技產出階段的投入指標和經濟產出階段的產出指標提取主要指標，運用SPSS19.0分別對其做主成分分析，個別缺失值用均值代替。

KMO檢驗和Bartlett球度檢驗結果，科技產出階段KMO一0，819>0.6，Bartlett球度檢驗概率為，000，小于顯著水平0.05，適合做因子分析：經濟產出階段，KMO=0.625>0.6，Bartlett球度檢驗概率為000，小于顯著水平0.05，適合做因子分析。

按照主因子的特征值必須大于1的假設，并按照因子分析方法的原則，第一階段投入、第二階段產出指標分別可提取兩個主成分因子，并且這2個主成分因子對方差解釋的累計百分比分別達到了74%和92%。主成分因子數目及主成分因子的方差貢獻率良好，反映了原變量的大部分信息，符合文章研究的需要。

根據因子旋轉矩陣，在科技產出階段，第一個主因子在實際利用外商直接投資、R&D項目經費支出、企業技術改造經費支出和各市R&D人員這4個變量上具有較高的載荷，可以命名為創新的財力支出；第二個因子在R&D活動單位數、科技機構數占規模以上企業比例這2個變量上具有較高的載荷，可以命名為創新的物力支出。第二階段產出指標經旋轉后，第一因子在各市規模以上企業新產品銷售收入、各市規模以上企業工業增加值和專利所有權轉讓及許可收入這3個變量上具有較高的載荷，因此，這一因子可以命名為創新的經濟效益：第二個因子在城鎮單位從業人員數和衛生機構床位數上有較高的載荷，于是將其命名為創新的社會效益。

3

區域創新效率評價

數據包絡分析是由著名的運籌學家A，Charnes和W，W，Cooper等人在“相對效率評價”概念的基礎上發展起來的，是評價同類單元相對有效性的一種系統分析方法。DEA方法特別適用于多個輸入和多個產出的系統效率的評價，本文根據指標選取特點及創新效率評價的宗旨，本文采用DEA理論BCC模型，對安徽省16個地級市的創新效率進行評價。

由于我們所收集的數據是從2010年到2014年。鑒于創新是一個復雜的過程，每一階段的投入產出轉化需要一定的時間間隔，由于現實的投入產出具有較強的功利性，因此，投入產出的滯后期我們選擇1年。所以，第一階段我們的投入指標數據是2010年到2012年，產出指標數據是2011年到2013年：第二階段我們的投入指標數據為2011年到2013年，產出指標數據為2012年到2014年。將每個地級市的每一年數據作為一個決策單元，每年統計16個地級市，一共收集到決策單元48個決策單元，我們將這48個決策單元運用BCC模型進行相對有效性分析。

根據DEA評價結果，在科技產出階段（技術有效性），安徽省合肥市、淮南市、六安市和黃山市這四個地區達到創新產出效率最優；同時，淮北市、毫州市、宿州市、蚌埠市、阜陽市、滁州市、馬鞍山市、宣城市、池州市和安慶市創新效率雖然沒有達到最優，但是規模收益均是遞增的。在經濟產出階段（經濟有效性），阜陽市、滁州市、銅陵市和安慶市都達到創新產出效率最優，淮北市、毫州市、宿州市、宣城市、池州市和黃山市的規模收益遞增，合肥市、蚌埠市、淮南市、六安市、馬鞍山市和蕪湖市規模收益遞減。

通過評價結果可以看出，在第一階段處于最優的合肥市、淮南市和六安市，在第二階段卻是處于規模收益遞減狀態。因此，在科技產出階段，創新產出效率達到最優的合肥市、淮南市、六安市和黃山市應把著力點放在經濟效益轉化上，把知識轉化為經濟財富，切實把知識創新應用到現實的經濟實體中才是創新的最終目的：而淮北市、毫州市、宿州市、蚌埠市、阜陽市、滁州市、馬鞍山市、宣城市、池州市和安慶市在科技產出階段和經濟產出階段都要加大投入力度，提高整體創新能力。