基于DEA的中部六省創新資源優化配置效率分析

楊潔

摘要：文章利用數據包絡分析方法（DEA），對中部六省的創新資源使用情況進行分析和評價，并以2013至2017年這5年的數據進行實證分析，得出了六省創新資源優化配置的純技術效率、規模效率以及綜合效率均為DEA非有效，但六省之間的DEA有效程度存在一定差距，說明在本文研究的投入產出共六項指標上，六省均有一定的提升空間。同時，本文還對影響中部六省創新資源配置效率的因素進行了分析，研究結論表明，影響最大的因素是新品的銷售收入和研發投入。

Abstract： This paper analyzes and evaluates the utilization of innovative resources in six central provinces by using the Data envelopment analysis method， and makes an empirical analysis based on the data from 2013 to 2017. The results show that the pure technical efficiency， scale efficiency and comprehensive efficiency of the optimal allocation of innovative resources in six provinces are all DEA inefficiency， but there is a certain gap in DEA efficiency among the six provinces， which shows that there is some space for improvement in the six input-output indexes of the six provinces. At the same time， this paper also analyzes the factors that affect the efficiency of innovation resource allocation in six central provinces.

關鍵詞：DEA;創新資源;配置效率

Key words： DEA;innovative resources;allocation efficiency

中圖分類號：F124.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）23-0053-04

0? 引言

作為開展創新活動的基礎，創新資源對于一個地區產業提升與企業發展來說至關重要。豐富、優質的創新資源對于創新成果創造的數量和質量及轉化應用有直接影響，進而可以有效推動地區經濟增長和社會進步，因而衡量一個地區創新綜合實力的重要指標就是對于該地區創新資源集合情況的研究，大量研究經驗與事實表明，人力資源與財力資源是創新資源最為重要的兩個組成部分[1]。從人力資源方面的投入來看，2013-2017年中部六省的R&D（研究與試驗發展）人員總量從600616人持續增長至683366人，平均年增長率達到2.62%。轉到財力資源上來，雖然五年來中部地區六省對于研究與實驗發展經費的平均投入持續得到增強，分別為1.37%、1.40%、1.43%、1.45%、1.52%，但作為中部六省重要組成部分的山西省的研究與實驗發展經費方面的投入強度卻年年降低，分別為1.22%、1.19%、1.04%、1.03%、0.99%，意味著中部六省每年新增的R&D經費地區分布結構可能存在一定的調整余地。與此同時，區域整體創新能力、創新水平和創新競爭力的增強或降低與該區域創新資源投入的絕對量并非是簡單的線性關系，各類創新活動開展和創新人員參與之間的有效搭配、組合，減少投入冗余（或不足）和產出不足（或冗余）的情況，學界將此過程概念化為“創新資源配置”。創新資源配置實現的直接表現是創新資源配置效率達到最優狀態（帕累托最優），千方百計提高創新資源配置效率是有效實現創新資源合理配置的必要保證。創新資源配置效率的提升是區域創新資源配置合理性是否得到改善的直接體現，對于資源優化配置及合理、有效使用，促進區域更加有效均衡發展意義重大。

1? 效率評價方法（DEA）

創新資源的優化配置是一個復雜的系統過程，涉及到多投入與多產出之間的協調與平衡，倘若對投入指標與產出指標進行函數建模，通過參數權重估計和假定的方法進行分析和評價，在此過程中難免參入評估人員的主觀因素，導致分析結果與實際結果相去甚遠，從而導致評價的科學性和可行度降低，而數據包絡分析（DEA）作為一種非參數效率分析方法，可以有效避開上述方法的不足，提升分析結果的科學性和可信度。故而，選擇數據包絡分析的方法進行區域創新資源配置效率的分析和評價具有一定的理論有效性。

1.1 BCC模型

Banker等學者經深入研究與分析后，于上個世紀八十年代基于原始的DEA模型提出了一種浮動規模報酬模型，該模型與原始模型相比具有一定的優勢，可用于研究不同決策單元的規模收益情況，因而可以根據測算結果判定當前發展規模是否合適，對于決策者進行規模上的調整、進一步提升資源使用的整體效率提供科學指導。同時，BCC模型是一種適合同時從技術效率與規模效率兩方面進行測度的效率分析方法[2]。

作為DEA方法體系中的兩大代表，CCR（C2R）和C2GS2（BCC）模型在選擇及應用上有所不同。使用CCR模型的前提是以規模報酬不變為前提的，目的是從整體上對評估對象進行技術效率的有效性分析和規模效率的有效性分析，但如果DMU沒有達到最優規模時，使用CCR模型可能會導致無法區分技術效率和規模效率分別的有效程度，而BCC模型很好的補足了這個缺陷，可以在DEA有效條件下進一步判定是否為規模有效。從實際情況來看，CCR模型使用的前提條件很難得到有效滿足，多數情況僅停留在理論分析層面，實際應用范圍和理論可解釋性不強，而BCC模型假設前提與實際更加吻合，可解釋性更強，因此，選擇BCC模型進行DEA效率計算的結果理論上會更為科學、可信。

BCC模型主要有兩種導向型，分別為投入與產出導向型。從本文研究對象——創新資源配置效率來看，相比于資源的產出指標，資源的投入指標更加易于控制，因此，本研究以投入導向型為基礎，尋求產出不變情況下最小的資源投入量。

假設DMU有j個，各DMU的投入與產出變量指定分別如下：

令θ為投入導向型中各決策單元DMUj的效率評價指數，且θ滿足以下條件：

在上式中，yi與xi分別代表的是產出與投入、DMUi的效率為minθ，松馳變量為s+與s-，兩者均大于等于0，分別代表的是產出不足與投入過多。評價指數為θ，可以直觀的判斷DMUi是否有效。

1.2 評價指標選取與數據來源

根據以往研究經驗，運用DEA模型進行效率評價時，要滿足一定的條件，具體為可采集二倍以上投產兩指標總和的樣本信息，同時要求決策單元的投產兩指標具有一致的數量[3]。本文根據創新資源及活動特點、選取指標的相關原則、數據可得性及參考相關文獻出發，選取如下投入指標和產出指標用來衡量中部六省的創新資源配置效率：

1.2.1 投入指標

研究與試驗發展（R&D）活動人員折合全時當量（X1）：指根據工作量直接從事研究與測試開發的專職和兼職人員總數。

R&D經費內部支出（X2）：指研究開發機構年度內的實際支出（包括基礎研究、應用研究和實驗開發）。不包括外部單位委托研發活動并轉移給對方的支出。

工業企業新產品開發經費支出（X3）：指研究與開發機構用于新產品的研究與開發的經費支出，包括與新產品相關的研究、設計、測試、試驗等費用支出。

1.2.2 產出指標

本文的產出指標共有3個，分別為Y1、Y2、Y3，其中Y1為機構受理專利的數量。

工業企業新產品銷售收入（Y2）：指工業企業通過銷售新產品獲得的收入，我國有關機構在核實確定后認為在有效期中，或是沒有得到我國有機機構的認定，但投產不足1年內的產品。

技術合同的成交額（Y3）：指技術市場上達成的各種技術合同的總金額。（表1）

本研究將決策單元定為我國中部6省，分別為山西、安徽、江西、河南、湖北與湖南省，各省對應的指標符號分別為DMU1-6，研究它們在2013-2017年5年中的創新資源配置效率。本文通過《中國科技統計年鑒》采集了研究所需的相關數據。自2013年起直至2017年期間，各決策單元的創新資源配置投入產出的具體數據如表2所示。

2? 實證分析

評價過程將六省分別作為決策單元，使用DEAP2.1軟件進行相關指標測算（包括綜合技術效率、純技術效率以及規模效率），本文所得的評論結果詳見表3。

根據C2GS2的要求，如效率值的數值并非1，表示DEA非有效;只有當效率值達到1時，才為DEA有效。顯然，由表3可看出，2013-2017年，中部六省綜合技術效率均未達到1，平均值為0.8622。六省的創新資源配置效率的DEA均小于1，說明六省均處于DEA非有效狀態。就綜合技術效率指標而言，與1極為接近的有湖北、湖南以及安徽三省，分別為0.9396、0.9928以及0.9934，說明在中部六省中，可知湖北、湖南以及安徽三省具有相對更為出色的綜合技術效率，在這一方面處于六省領先的位置。但是江西、河南和山西三省的綜合技術效率值分別為0.8816、0.7974和0.5684，說明此三省的創新資源配置效率在中部六省中處于追趕狀態。

2.1 中部六省創新資源配置系統松弛變量

使用DEA進行資源配置效率測度評價的主要優點在于可以根據測算結果調整指標，使DEA無效向DEA有效轉變。Multi-StageDEA的方法以其可以使所選取測度單位不變進而確定有效率投影點的優越特性，是常見的松弛變量分析方法[4]。

在DEA模型松弛變量的分析過程中，將松弛變量與0進行比較來確定對應指標要素是否發揮相應作用。具體來說，若松弛變量等于0，即代表當前指標要素發揮了相應作用，資源投入無冗余或資源產出無不足，理論上表明資源得到了合理配置;若松弛變量不為0，則表示當前指標要素作用發揮不足，資源投入存在冗余或資源產出存在不足，理論上表明資源未得到合理配置。

根據表4可以看出，通過對中部六省投入指標及產出指標松弛變量的測算，六省均存在不同程度上的資源配置不合理?？偟膩砜?，各決定單元均表現出了過度投入的問題，同時省份間、指標間分布較平均，產出方面來看，未表現出產出不足問題的有兩省，分別為江西與安徽省，而山西、河南、湖北以及湖南均存在產出不足的現象，此類問題主要集中于各省企業合同成交與銷售收入方面。

2.2 創新資源配置效率影響因素分析

經過松弛變量測算表明，本文選取的六項指標均對于中部六省創新資源配置效率沒有達到最優有不同程度的影響。如何能夠在整體上改善中部六省的創新資源配置效率？本文研究的六項指標中對中部六省的創新資源配置效率影響最大的是哪一項？為了更好改進中部六省創新資源配置問題，參考國內外相關學術研究，本文試圖通過組合投入指標與產出指標，以期能夠測算出各個變量對于效率的影響程度大小。鑒于組合后的方案數量較多，因此采取依次剔除一項指標的方法進行測算，同樣，通過計算不同方案的DEA平均值，具體方案組合結果如表5所示。

將各省企業投產指標集設為M，研究期間的平均DEA值為V（M），在指標集內去掉指標i后剩余的部分為Mi，Mi對應的DEA均值為V（Mi），此時可通過下式描述DEA值受到各指標的影響情況：

式（1）中，Zi用來測算DEA效率受第i個指標影響程度的大小，DEA效率受第i個指標的影響越大，Zi值越大;DEA效率受第i個指標的影響越小，Zi值越小。表6是本研究所選取六項指標對DEA效率值影響程度的計算結果。

由表6可知，從投入指標角度來看，對中部六省創新資源配置效率影響最大的是工業企業新產品開發經費支出，影響程度為0.0173;影響中部六省創新資源配置效率最為明顯的是銷售收入指標，該指標對創新資源配置效率的影響程度的具體數值是0.1942。

3? 結論

本研究運用DEA的分析方法，對中部六省2013-2017年的創新資源配置效率評價相關數據進行了統計和測算，得出結論如下：

中部地區創新資源配置效率整體水平仍有提升空間，且六省之間的效率水平存在一些差距。從整體上看，雖然六省均未達到DEA有效，但安徽省、湖南省、湖北省和江西省四省的綜合技術效率均超過了中部地區的平均值，尤其是安徽省和湖南省的綜合技術效率值均超過了0.99，距離達到DEA有效已經十分接近，進一步分析數據發現，2013-2017年的五年中，安徽省在2013、2015、2016、2017年均達到了DEA有效，只有在2014年出現了規模收益遞增的情況，結合表4分析可知，2014年安徽省研究與試驗發展（R&D）活動人員和R&D經費內部支出投入冗余;湖南省在2013、2015、2016年均達到DEA有效，只有在2014、2017年分別出現規模受益遞增和規模收益遞減，結合表4分析可知，湖南省工業企業新產品開發經費支出投入冗余，專利申請受理量產出不足。而河南省和山西省的綜合效率值低于六省平均值，分別為0.7974和0.5684，進一步分析數據發現，山西省五年的規模收益類型均為遞增，通過觀察表4可以發現，我國安徽省在2014年存在R&D內部支出與員人過度投入的問題，而2013、2015、2016年我國湖南省均達到DEA有效，只有在2014、2017年分別出現規模受益遞增和規模收益遞減，結合表4分析可知，在研發支出方面，我國湖南省存在過度投入的問題，而被受理的專利申請較少。而河南省和山西省的綜合效率值低于六省平均值，分別為0.7974和0.5684，進一步分析數據發現，山西省五年的規模收益類型均為遞增，通過觀察表4可以發現，問題集中于合同成交額與被受理的專利申請方面，工業企業新產品開發經費支出投入冗余。河南省2013-2017年的規模受益類型有前兩年的規模受益遞增轉變為后三年的規模受益遞減，結合表4，問題主要集中于合同成交額較小、研發與內部支出過度投入以及活動人員過度投入等方面。

從對中部六省創新資源配置效率影響因素來看，工業企業新產品銷售收入是影響中部六省創新資源配置投入與產出效率最為重要的一個因素。從投入角度來看，制約中部六省創新資源配置效率的主要因素是工業企業新產品開發經費支出，說明中部六省工業企業需要進一步加大新產品開發經費支出。從產出角度來看，工業企業新產品銷售收入是影響中部六省創新資源配置效率的主要產出要素，說明中部地區工業企業新產品銷售收入仍然沒有達到滿意的狀態。

參考文獻：

[1]李雙杰，王海燕，劉韌.基于DEA模型的制造業技術創新資源配置效率分析[J].工業技術經濟，2006（03）：112-115.

[2]Banker， R· Charnes， A， Cooper， W·Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science， 1984， 30（1）.

[3]肖靜，趙軍凱.R&D投入產出效率的國別比較和影響因素分析[J].情報雜志，2009，28（S2）：22-24.

[4]COELLI T J，RAO D S P， O'DONNELL C，et al. An Introduction to Effificiency and Productivity Analysis[M]. 2nd ed. NewYork：Springer Science&Business Media Inc，2005：60-65.

[5]何燕子，瞿天蔚.湖南省裝備制造業技術創新資源配置效率評價研究——基于DEA-Malmquist的實證分析[J].湖南工業大學學報（社會科學版），2019，24（03）：81-87.

[6]龔苗苗，羅定提.基于DEA的中部六省創新資源配置產業效率分析[J].湖南工業大學學報，2017，31（06）：78-82.

[7]孫夙鵬.長三角地區創新資源配置效率差異研究[J].統計與決策，2016（24）：112-115.

[8]吳繼英，韓亞瓊，顧君穎.我國東部地區創新資源配置效率評價研究[J].科技和產業，2016，16（05）：36-40.

[9]孫皖玲.基于DEA的貴州省創新資源優化配置效率[J].安順學院學報，2016，18（02）：122-125.

[10]王小偉，鄧長庚.安徽省區域創新資源配置效率研究[J].泰山學院學報，2014，36（06）：42-46.

[11]莊煒瑋，劉權樂，劉嘉茵.基于DEA模型的R&D資源配置效率及創新能力研究[J].科技管理研究，2014，34（12）：116-119，129.

[12]衛平，王艷.基于DEA方法的我國高技術產業區域創新資源配置效率研究[J].工業技術經濟，2014，33（05）：108-116.

[13]馬強.長三角城市創新資源配置效率研究[J].南京航空航天大學學報（社會科學版），2010，12（03）：23-28.