基于 DEA&Tobit模型的南通科技創新效率分析

高龍琪，程 林，包耀東，潘 驍

基于 DEA&Tobit模型的南通科技創新效率分析

高龍琪，程 林，包耀東，潘 驍

文章通過建立包括科技活動經費內部支出額等在內的科技創新投入指標，和專利授權、新產品開發數在內的科技創新產出指標，采用 DEA 的 CCR、BCC 模型和超效率模型從綜合效率、技術效率、規模效率三方面通過對近 17 年來南通的科技創新效率進行縱向比較，采用 DEA 超效率和 Tobit回歸模型對 2014 年來識別影響南通市科技創新效率的主要因素。

南通；科技創新效率；DEA 模型；Tobit回歸模型

一、相關研究綜述

孫凱、李煜華(2007)提出區域性創新效率低與其創新能力和經濟發展水平沒有確定的關系；樊華(2012)提出科技創新效率具有周期性波動的特點；劉鳳朝（2007）提出我國科技創新效率的提高主要是由技術進步推動的；李婧等（2009）提出經費支出、人員投入對創新產出有顯著正影響；肖仁橋等（2012）從企業價值鏈角度出發，運用規模報酬可變情況下兩階段鏈式關聯DEA模型及 TOBIT 模型分析研究不同性質的高新技術產業創新效率及兩階段的關聯度。

二、DEA模型介紹：

（一）DEA 評價模型 C2R：

C2R 模型主要分析各 DMU 相對其他 DMU 在“規模和技術”兩方面是否同時有效。所謂“規模有效”，即指一定規模的資源所能達到的最佳效益，是指單位或行業處于規模收益不變階段，即當各資源投入同時增加 K 倍，相應地產出也增加 K 倍；“技術有效”即指通過管理技術的充分運用，各項投入均得到充分的利用，是指在現有資源投入前提下，實現了最大的產出。C2R 模型表示該單位或行業在有效生產前沿面上，且處于理想規模,稱之為“總體有效”。

對 C2R 簡 稱為“綜 合評 價”，“DEA 有 效”，表述為“綜 合評價好”。

（二）DEA評價模型BCC

BCC評價模型為：

該模型主要對“DEA 無效”“綜合評價不好”的各 DMU 進行分析，考察其管理技術是否得到了應有的發揮，即在現有的規模情況下，各項投入是否均得到了相應的產出、因此經 BCC模型對有關 DMU分析后的有效結論，亦稱為“管理技術有效”。

若判斷模型(D)的最優解 S*，S*,λ*，θ*滿足 θ*=1 則稱第 j0個 DMU 為弱 DEA 有效；若不僅滿足 θ*=1, 而且,S*=0，S*=0, λ*=0 則稱第 j0 個 DMU 為 DEA 有效。

（三）超效率模型

用 CCR 和 BCC模型對決策單元進行科研投入產出效率評價時會存在多個決策單元都 DEA相對有效的情況，這樣無法進一步比較它們的差異性。所以構建超效率模型：

式中 xj，yj分別為投入指標和產出指標，λj為（2）的最優解，n 為決策單元的個數，e=(1,1,…,1)T∈Es， m、s分別為投入和產出的種類，S+為松弛變量，S-為剩余變量。（2）稱為超效率模型，簡記 SE 模型。

（四）Tobit回歸模型

Tobit回歸模型其概念最早是由諾貝爾經濟學獎獲得者James Tobin(1958)提出的，是屬于因變量受到限制的一種模型。

如果要分析的數據具有這樣的特點:因變量是部分連續和部分離散分布的數據時（因變量的數值是切割(truncat-ed)或片段(截斷)的情況時），那么此時普通最小二乘法(OLS)就不再適用于估計回歸系數,這時遵循最大似然法概念的 Tobit模型就成為估計回歸系數的一個較好選擇。

三、基于 DEA模型的南通科技創新效率實證分析

（一）評價指標及指標值的確定

根據南通統計年鑒和本次企業創新調查數據，由于 R&D經費等相關數據資料不全，故根據相關文獻，決定采用歷年大中型工業企業研究與發展活動企業數代表創新的主體單位數，歷年大中型工業企業研究與發展人員數作為南通科技創新的人力資源投入，歷年大中型工業企業研究與發展經費支出總額作為南通科技創新的經費投入，歷年大中型工業企業新產品開發項目數和被授予專利作為南通科技創新物化成果。

表1 1998-2014 年南通科技創新基本數據

（二）南通科技創新 DEA效率值計算

首先根據傳統 DEA算法算出南通科技創新的技術效率，純技術效率，規模效率等。具體結果如表2所示：

表2 1998-2014 年南通科技創新 DEA效率值

由于使用 DEA方法進行效率評價所得的結果與投入產出指標量綱無關，所以對決策單元基礎數據不必進行無量綱處理。運用 C2R 模型與 BC2 及超效率模型進行進一步計算。

1.DEA 的 C2R 和 BC2 模型計算

由表 1 中基礎數據，運用 C2R 和 BC2 及 SE-DEA 模型，借助 EMS軟件，對 17 個決策單元科研投入產出效率以及非 DEA有效決策單元的投入冗余與產出不足進行計算，其計算結果如表 3、表 4。

表3 1998-2014 年南通科技創新 CCR 效率及其非有效決策單元的改進

表4 1998-2014 年南通科技創新 BCC 效率及其非有效決策單元的改進

2.結果初步分析

從非 DEA有效的 11 個決策單元的投入冗余與產出不足計算結果看，在初始投入值既定的情況下，11 個決策單元要實現DEA 有效，達到最佳效率，必須調整投入規模或結構。如 2013年、2014 年規模報酬遞減，這表明初始投入過大，應縮減投入，才能實現 DEA有效；2001 年規模報酬遞增，表明增加投入雖然可以提高效率，但由于投入結構不合理，未達到最佳匹配，所以不能實現 DEA有效，只有減少投入，方能實現 DEA有效。類似的，其他非 DEA有效的決策單元，要實現 DEA有效，只有按照表 3、4中的數據減少投入冗余和增加產出不足。

根據 DMU效率有效性判定方法，可看出：

（1）1998、1999、2006、2010-2012 年的效率相對有效，其技術效率值為 1，其他 11 個決策單元的效率相對無效，其技術效率值均小于1。

（2）在 11 個相對無效決策單元中，2000-2005 的純技術效率值和規模效率值均小于 1，其無效的原因是由純技術無效和規模無效共同引起的；2007-2008 年它們的規模效率值為 1，而純技術效率值小于 1，這說明它們相對無效更多的是由技術無效所導致的，2013 年純技術效率值等于 1，規模效率值小于 1，這說明它們相對無效更多的是由規模無效所導致的。

（3）從以上結果可以看出，由表 3、4 可以看出，南通 17 年來總體科技創新的效率值，由表 5 可見，南通 1998-2014 年間創新效率均值超過 1的年份有5年，表明南通總體的創新效率低下。2000 年至 2009 年除了 2006 年，其余年份的創新效率均不高，當時外貿出口形勢較好，低成本代工運作較好，企業缺乏科技創新的現實動力，所以整體科技創新水平和能力不高，2010 年隨著產業轉型升級政策推動，低成本外貿出口受限，政府和企業對科技創新較為重視，2010-2012 年效率值有所增加，2013 年后經濟進入新常態，企業科技創新投入和產出效率值開始下降，可以考慮通過加大投入或調整規模結構等措施，實現科研綜合效率的提高。

（三）超效率模型模型計算

用 CCR 和 BCC對決策單元進行科研投入產出效率評價時，其效率值都不會超過 1，因此，在多個決策單元 DEA 相對有效的情況下，無法進一步比較它們的差異性。因此用超效率模型進一步分析，其中研究的因素有人均 GDP（反映經濟增長與創新能力發展之間的關系）、每千人在校大學生數量（反映創新人力資源情況）、固定資產投資完成額（反映科技創新占比）、金融機構貸款余額（反映金融機構對于科技創新的支持力度）、出口值（反映技術轉化指標）、實際利用外資（反映科技創新依存度），并得到以下結果：

表5 1998-2014 年南通科技創新超效率 DEA 值及相關影響因素數據

（四）Tobit回歸模型

根據以上的數據模型，將表 5 的相關數據代入公式，對影響其效率值的因素進行分析。得到以下結果：

表6 Tobit回歸模型計算結果表

結果分析：

以上結果表明，人均 GDP、固定資產投資完成額對南通科技的創新效率有顯著的影響，而每千人在校大學生數量、金融機構貸款余額（億元）、出口值、實際利用外資對南通的創新效率沒有顯著的影響。具體地看，人均GDP在5%水平下顯著，系數為0.45，表明人均GDP的提高對創新效率提升有顯著的促進作用，說明整體經濟發展水平和發展質量提升后，有利于形成全社會科技創新的氛圍，從個人層面、企業層面、政府層面，多方努力，有助于區域科技創新效率的整體提升。固定資產投資完成額的影響在5%水平下顯著，但系數為-0.14，說明來自企業固定資產投資對創新效率有負面的影響，企業固定資產投資越高，創新效率反而越低。而每千人在校大學生數量、金融機構貸款余額（億元）、出口值、實際利用外資對創新效率影響不顯著，系數甚至為負，表明金融機構貸款余額增加，實際利用外資增加應用研究支出占比對創新效率有負面影響，表明固定資產投資常規增長不精準投入科技研發，特別是企業產品研發，對南通區域科技創新有負面影響，實際利用外資增加，如果不能從中得到技術外溢，反而找出依賴心理，阻礙企業科技創新的積極性，進而影響區域科技創新效率。

四、南通市科技創新發展的對策與建議

通過對南通市科技創新發展效率的分析結果，為了推進南通科技創新發展和可持續發展而提出系列的政策建議。主要包括針對南通市目前科技創新發展中的制度體制、企業觀念、人才、體制等方面的障礙，從營造和提供有利于創新發展的制度環境和組織保障、政府扶持策略、加快科技創新市場發育等方面著手，構建科技創新的環境、組織、企業、人才、市場、資金的支持系統，促進南通科技創新發展。

（一）突出產業技術創新，壯大轉型實力

當低成本代工運作較好，企業缺乏科技創新的現實動力，因此整體科技創新水平和能力不高，所以需要充分發揮南通產業技術研究院改革“試驗田”作用。加大創新投入，培育種子產業，打造引領南通產業的技術創新品牌，在原有的南通科技發展中，選擇幾條較為重點的產業鏈部署新創業鏈，并對此大力發展科技創新從而形成集成支持。帶動傳統項目的轉型，以技術創新的重點帶動整體產業發展，實施高新技術產業雙倍增長計劃和新興產業”310”工程。

（二）加強整體經濟發展

在上述 tobit回歸模型的分析中發現人均 GDP 對南通科技的創新效率有顯著的影響，從分析的結果中看出人均GDP在 5%水平下顯著，表明人均GDP的提高對創新效率提升有顯著的促進作用。而提高人均GDP的有效手段即是加強整體經濟發展，目前南通在經濟轉型區，則需要加強傳統產業的創新以及新興產業的發展。

（三）優化產業布局，推進科技創新載體建設

堅持以高新區、產業園等為科技創新的載體，科學合理地整合創新資源，建立以科技創新園為點帶動整個區域、整個產業面的科技創新；建立以南通傳統產業和新興產業為載體，積極開展以產業科技創新，帶動跨領域聯合科技創新。但是通過建立以區域科技創新來帶動實現空間拓展、協作共贏。且產業科技創新要與上海科創中心對接；在推進舉措上突出建立最具南通特色的產業科技創新推進機制，構建“六個一”架構的產業特色創新體系；在集聚科技創新要素的資源上突出立足南通產業轉型發展的要求。

（四）增強企業創新投入，減少固定資產投入

由上述分析結果得知固定資產投資對創新效率有負面的影響，企業固定資產投資越高，創新效率反而越低。而固定資產投資常規增長不精準投入科技研發，會阻礙企業科技創新的積極性，進而影響區域科技創新效率。所以要充分發揮企業在創新中的主題作用，加大企業創新精準投入，大力實施創新型企業和高新技術企業在企業培育工程，切實將創新資源引入企業、技術研發機構建在企業、科技服務覆蓋到企業、科技政策落實到企業，增加企業研發機構建設，完善企業創新創業服務。

（五）優化管理體系、政策和制度并舉，提高行政統籌力

在積極開展科技創新的同時，高水平的管理水平和科學合理的管理制度是必不可少的。首先建立對科技創新的企業、載體享受的政策及對應的目標考核制度及細則，如《南通市市級眾創空間認定管理辦法(試行)》《南通市市區科技型初創企業和創業團隊創新創業創意項目補助管理辦法》來推動眾創空間的建設；建立科學合理的科研成果轉化機制，給予政策和資金方面的支持。

[1]孫凱，李煜華.我國各省市技術創新效率分析與比較[J].中國科技論壇，2007，(11):8-11.

[2]樊華，周德群.中國省域科技創新效率演化及其影響因素研究[J].科研管理，201233(1):10-18.

[3]劉鳳朝,潘雄鋒.基于 Malmquist指數法的我國科技創新效率評價[J].科學學研究,2007,25(5):986-990.

[4] 李婧,譚清美,白俊紅.中國區域創新效率及其影響因素 [J].中國人口·資源與環境,2009,19(6):142-147.

[5]王緒剛.中國高技術產業創新效率及影響因素研究——基于兩階段鏈式關聯型 DEA 模型[D].2013.

[6] 包耀東.基于 DEA 的物流企業績效分析實證研究 [J].物流技術, 2012,31(4):41-43+96.

[7]張建欽.基于 DEA 的我國各省物流效率評價實證研究[J].物流技術, 2013,32(9):359-361.

[8]張并立,崔穎,劉軍安,等.基于 DEA 模型的貧困地區鄉鎮衛生院建設績效評價[J].中國衛生事業管理,2010,27(12):841-844.

[9]元岳.高新技術企業技術標準化效益評價的 DEA 分析[J].商場現代化,2010，(08):33-35.

[10]王洪偉,劉勰,丁佼佼.應用數據包絡分析評價信息系統績效[J].工業工程與管理,2009,14(4):91-97.

[11]甘永濤,孟立軍.武陵山片區學前教育資源使用效率評價——基于20 個縣市的調查[J].教育財會研究,2014,25(3):28-33.

高龍琪，江蘇揚州人，南通理工學院物流管理專業學生；

程林，江蘇宿遷人，南通理工學院商學院教師，講師；

包耀東，江蘇南通人，南通理工學院商學院教師，副教授；

潘驍，江蘇蘇州人，南通理工學院商學院教師，講師。

F207.7

A

1008-4428（2017）06-58-04

江蘇省高等學校大學生創新創業訓練計劃項目（201612056020X）。