基于三階段DEA模型的工業企業科技創新發展效率評價

張振揚

（韓國國立釜慶大學技術經營專門大學院，韓國釜山 48513）

引 言

當前，新一輪科技革命對經濟社會發展的影響不斷深化，創新要素、資源和金融服務等在全球范圍內加速流動，科技創新能力已成為衡量國家核心競爭力的重要標準。我國科技創新發展面臨著諸多方面的挑戰和制約，我國的R＆D經費總額已經居世界第2位，R＆D人員總量居世界第1位，國家綜合創新指數居世界第17位，與發達國家之間的差距逐漸縮小，但同時我國人均自然資源占有量不到世界平均水平的一半，能耗水平是世界平均水平的3～4倍，減少自然資源消耗、提高工業企業科技創新能力和創新效率顯得十分重要，在此背景下研究工業企業科技創新發展效率對我國建設創新型國家、推進經濟高質量發展具有重要的現實意義。

1 文獻綜述

目前國內針對工業企業科技創新發展效率進行了大量的研究，趙惠芳等［1］利用數據包絡分析方法對我國東、中、西部的創新效率差異進行了研究，分析了各地區形成差異的影響因素；潘雄鋒和劉鳳朝［2］采用隨機前沿生產函數模型對1996～2006年間我國的工業企業技術創新效率狀況進行了評價，結果表明我國工業企業技術創新效率呈現逐步上升趨勢，區域間效率差距逐步減?。辉S敏和謝玲玲［3］運用DEA方法對我國各地區大中型工業企業的科技創新效率進行了評價，結果顯示我國大部分地區創新效率處于相對較低的水平，東、中、西部地區之間存在顯著差異；羅良文和梁圣蓉［4］從兩階段創新價值鏈出發，考慮了環境因素對創新效率的影響，構建了中國工業企業綠色技術創新效率評價體系，結果顯示中國工業企業的綠色創新效率整體水平還比較低，其中純技術效率是影響整體效率低下的主要因素；余泳澤等［5］對13個高新技術產業的創新效率進行了評價，指出高新技術產業在技術研發和成果轉化兩個階段的效率都比較低，主要是由純技術效率造成的。通過對工業企業科技創新發展效率研究梳理發現，目前大部分學者的研究視角都是在宏觀層面上進行討論和分析，同時針對各地方存在的效率差異研究方面未考慮到環境因素的影響。當前我國各地區經濟水平、教育程度和科技基礎等各方面差異性較大，各省市內在實施科技創新發展過程中所面臨實際問題不盡相同。因此，本文結合我國各地區工業企業科技創新發展投入、產出以及環境因素的影響，建立包括投入、產出和環境因素在內的DEA模型，能夠更為全面地反映出工業企業科技創新發展的相對效率，深入探究各地區工業企業科技創新發展效率存在差異的原因，并提出提高其發展效率的建議，為工業企業科技創新的高效發展提供一定參考。

2 模型構建

2.1 工業企業科技創新發展效率評價體系建立

評價指標體系的構建遵循科學性、適應性、可行性和可比性原則。各個評價指標的選取要能夠客觀反映工業企業科技創新發展的投入和產出的實際情況，依據工業企業科技創新發展的特點，兼顧數據的合理性和可靠性，結合王義新、白俊紅、郭淡泊［6－9］等的研究成果，選取具有代表性的11個指標，其中表征工業企業科技創新投入指標4個，產出指標3個，環境指標4個，具體工業企業科技創新發展效率的評價指標體系，見表1。

表1 工業企業科技創新發展效率的評價指標體系

投入指標包括人力投入和資金投入。選擇工業企業R＆D人員和工業企業R＆D人員全時當量作為人力投入指標，這兩項指標代表著科技創新發展的人員投入，指標越大表明對科技創新發展的重視程度越高。選擇工業企業R＆D經費支出和新品開發經費支出作為資金投入指標，經費的支出作為資金投入的重要考量，用于衡量工業企業科技創新的發展前景。

產出指標包括技術產出和經濟產出。選擇工業企業申請專利數量作為技術產出指標，該指標能夠較全面的反映發明和創新信息，在開發新產品、技術改造等方面有重要作用。工業企業科技創新發展的最終成果是創造價值，為整個社會增加財富，所以選擇技術市場成交額和新產品銷售收入作為衡量經濟產出的指標。

環境指標包括經濟影響、政策影響和科研基礎。人均GDP體現經濟發展水平，同時也與科技創新發展程度相互作用，促進科技發展的創新性和先進性［10］，選取人均GDP作為衡量經濟影響的環境指標。地方財政科學技術支出的占比體現了政府對工業企業科技創新發展的重視程度。有R＆D活動的企業數量體現工業企業科技創新的發展基礎，R＆D活動的企業數越多，開展的R＆D活動越廣泛、越深入。

2.2 DEA評價模型建立

DEA（即數據包絡分析法）是由Charnels等在1978年提出的一種測度綜合效率常用的方法，廣泛應用于對多投入和多產出情況下決策單元間的相對有效性評價［11］。傳統DEA模型沒有考慮環境因素和隨機噪聲對決策單元效率評價產生的影響，Fried等將環境因素和隨機噪聲引入DEA模型，提出了三階段DEA模型。鑒于工業企業科技創新發展效率涉及多投入和多產出，而且受環境因素的影響，因此本文采用DEA模型對工業企業科技創新發展效率進行評價。

第一階段：對原始數據中的投入產出變量利用DEA效率進行測算。根據工業企業科技創新發展效率的特點，本文選擇假定規模報酬可變。利用DEA模型計算的效率值為綜合技術效率，表達式見式 （1）：

式中：SE表示規模效率，PTE表示純技術效率。

第二階段：利用SFA回歸模型對投入的松弛變量進行分析。本文以投入為導向，識別出環境因素、隨機干擾項及管理無效率的影響，以此作為第三階段的測算基礎，SFA回歸函數表達見式 （2）：

式中：Sni為第i個決策單元第n項投入松弛變量；Zi為環境變量，βn為環境變量系數；f（Zi；βn）為環境變量對投入冗余的影響，νni為隨機干擾項，μni為管理無效率項；νni＋μni為混合誤差項。

調整之后的投入計算見式 （3）：

3 實證研究

本文以我國30個地區 （考慮數據的可獲得性，不包括西藏和港澳臺地區）為研究對象，采用2018年數據對我國各地區的工業企業科技創新發展情況進行實證研究，并對各地區的工業企業科技創新發展效率進行了對比分析，數據來源于《中國統計年鑒》、 《中國科技統計年鑒》以及各省市統計局公布的權威數據。

3.1 傳統DEA模型實證結果

利用DEA軟件對我國30個省市的工業企業科技創新發展效率的投入產出指標進行測算，結果如表2所示。

在沒有考慮環境因素和隨機變量影響的情況下，2018年我國工業企業科技創新發展綜合效率的均值為0.845，純技術效率的均值為0.890，規模效率的均值為0.95。從科技創新發展綜合效率來看，北京、天津、吉林、上海、安徽、廣西、青海、寧夏和新疆這9個省市都是1，處于整體效率前沿面，占30%的比例，說明這些地區的工業企業科技創新的投入與產出處于相對均衡狀態，其發展過程中的資源配置較為科學合理。從規模報酬來看，北京、天津、吉林、上海、安徽、廣西、青海、寧夏和新疆9個省市處于規模收益平衡階段，江西、海南、云南這3個省份處于規模收益遞增階段，其他18個省市處于規模收益遞減階段。

3.2 調整后DEA模型實證結果

由于各地區存在環境變量和隨機變量的差異會導致分析偏差，因此需要調整原評價指標中的投入變量，排除環境變量影響，使各個省市處于相同的評價條件，得到真實的效率評價結果，調整后的計算結果見表3。

從表3可以看到，剔除環境變量和隨機因素的影響之后，2018年我國工業企業科技創新的綜合效率均值從0.845下降至0.716，純技術效率的均值從0.890下降至0.856，規模效率的均值從0.950下降至0.842。

表2 傳統DEA模型實證結果

從綜合效率和純技術效率來看，去掉環境影響之后各個省市的差異更大，最大相差7倍以上。從綜合效率來看，處于科技創新發展中綜合效率前沿面的地區由9個下降到6個，北京、吉林、上海、安徽4個省市保持不變，新增了廣東和江蘇2個省份。從各省市來看，第三階段科技創新發展綜合效率較第一階段下降的有天津、河北、山西等24個省市，說明這些省市先前較高的綜合效率值與這些省市所處的環境存在密切的關系，但是由于技術管理水平不夠高，導致在去除環境影響之后出現綜合效率下降的情況，而江蘇、浙江、廣東、遼寧、山東、重慶6個省市的第三階段科技創新發展綜合效率較第一階段有所提高，說明這些省市之前的綜合效率低是由于外部環境造成的，而他們的管理水平較高。

表3 調整后DEA模型實證結果

將純技術效率和規模效率分別以平均值0.856和0.842為臨界值，按照純技術效率和規模效率與均值進行比較，可將各省市的工業企業科技創新發展效率劃分為4類，如表4所示。

表4 各省市純技術效率和規模效率分類

第Ⅰ類為純技術效率和規模效率均在臨界值上的省市，有北京、上海、廣東等16個省市，這類省市的需要繼續保持當前的狀態；第Ⅱ類為純技術效率較低而規模效率高的省市，有內蒙古、海南、甘肅、青海4個省市，其純技術效率都位于平均值以下，需要在今后的工業企業科技創新發展過程中加強技術管理水平；第Ⅲ類為純技術效率與規模效率都位于臨界值以下的省市，有山西和陜西2個省份，其純技術效率與規模效率都有很大的提升空間，要注重技術管理水平的提升，同時也要注意工業企業科技創新發展規模的擴大；第Ⅳ類為規模效率低但是純技術效率較高的省市，有河北、遼寧等8個省市，這些省市的改進方向主要集中在科技創新規模上，要積極擴大科技創新規模，實現科技資源的集中配置和優化管理。

4 結 論

開展工業企業科技創新發展效率評價，優化科技創新發展投入產出效率，改善科技創新發展環境，對提升工業企業科技創新發展水平有著重要的意義。本文在前人研究的基礎上結合工業企業科技創新發展的特點，構建了工業企業科技創新發展效率評價體系，利用三階段DEA模型對工業企業科技創新水平進行評價，結果顯示我國各省市的工業企業科技創新發展效率平均值相對較低，而且呈現出兩極分化的現象，未來需要著重對影響創新發展效率的各因素采取有針對性的措施，以全面提升我國工業企業的科技創新水平。

結合我國30個省市的工業企業科技創新發展效率研究，為了提升我國的科技創新發展水平，未來各省市可以在以下方面進行改善：

（1）北京、吉林、上海、安徽4個省市的整體工業企業科技創新發展效率最高，未來需要繼續加強政府的支持力度，不斷優化改善投資環境，保持對科技創新發展的人力、物力投入，穩定科技創新發展的優勢，努力帶動和輻射周邊省市。

（2）江蘇、浙江、廣東、遼寧、山東、重慶6個省市在去除環境影響因素之后，工業企業科技創新發展效率有所提升，需要繼續保持其較高的管理水平，積極改善不利的環境，各省市的創新發展經費投入管理機構應加大對高新技術工業產業的科研經費投入，在原有的基礎上，持續完善經費投入制度，增加人員和經費的支持力度，打造良好的科技創新發展環境。

（3）河北、山西、內蒙古等其他省市由于其整體工業企業科技創新發展效率相對較低，為了提升其綜合效率需要提升技術管理水平和擴大發展規模，加大工業企業科技創新發展的程度，增加投入以及合理優化資源配置，推動整體平衡發展，同時發揮政府的積極引導作用，加強對于科研資金投入的合理使用監管，促進科學技術進步和技術發展效率協同增長，從而實現工業企業科技創新發展效率全面提升。