基于三階段DEA 的我國高新技術產業開發區內創新型產業集群創新效率研究

魏 谷，湯鵬翔，楊曉非，段俊虎

（1.科學技術部火炬高技術產業開發中心，北京 100045；2.北京航空航天大學，北京 100191；3.中關村技術經理人協會，北京 100083）

1 研究背景

國家科技部2011 年啟動了“創新型產業集群建設工程”，進而在2013 年開始“創新型產業集群試點”認定工作。創新型產業集群旨在圍繞戰略性新興產業，通過制度建設和機制創新，以政府引導的方式規劃區域產業發展，促進資源的合理配置，促使產業轉型升級和高新區的協同發展［1］。創新型產業集群在組織形態上由產業鏈上的跨行業、跨地域相關企業組成，具有技術含量高、知識密集的特點［2］。

國外發達國家十分重視創新型產業集群的培育和發展，并建設了許多著名的新興產業集群，如美國的匹斯堡綠色科技產業集群、日本的大田機械和金屬加工產業集群、德國的漢堡生物產業集群、英國的劍橋科技產業集群等。與國外不同的是，我國的創新型產業集群幾乎都是政府主導的，政府在其建設上投入了大量的資源，那么這些投入在不同的創新型產業集群中發揮了哪些作用？投入產出效率情況如何？存在哪些影響創新效率的關鍵問題？要回答這些問題，就需要從投入產出的角度出發，測算我國創新型產業集群的創新效率，并進行比較與分析，找到制約各個創新型產業集群發展的瓶頸所在，為創新型產業集群管理部門提供參考。

國內外研究人員使用了很多方法來考察創新型產業集群的創新效率。Huixia Z 等［3］基于熵理論，選取集群結構、人力資本和信息三個關鍵因素及其耦合關系構建創新型產業集群的效率模型。孫智慧等［4］構建蛛網概念模型并基于主成分分析法對創新型產業集群的創新能力進行了評價，發現集群發展的關鍵因素是政府主導的創新環境。Bhaskaran［5］采用產出導向的DEA 模型對印度汽車零部件產業集群的創新效率進行了評價。周海濤等［6］使用荷蘭監視器模型構建創新型產業集群能力評價體系，并采用主成分分析和DEA 的混合評價模型對廣東省創新型產業集群進行了評價。林平凡等［7］基于層次分析法和DEA，評價并比較廣東、江蘇、浙江和山東的創新型產業集群的創新能力，發現廣東的創新型產業集群綜合創新能力優于其它三省。唐勇等［8］基于DEA-SBM 超效率模型對廣東省創新型產業集群的創新效率進行評價，得出創新平臺是對測算結果影響很大的一個投入變量。

由以上研究可以發現，基于DEA 模型考察創新型產業集群的創新效率，受到更多學者的重視，原因即在于DEA 理論在評價多投入產出的效率時有顯著優勢。但是，傳統DEA 模型并未考慮外部環境因素和隨機因素對創新效率的影響，這在很大程度上降低了DEA 模型在效率研究上的實效性。為了剝離環境因素和隨機干擾的影響，一些學者使用三階段DEA 對創新效率進行評價。劉滿鳳等［9］采用三階段DEA 模型對我國高新技術開發區的創新效率進行研究，結果顯示環境變量對各高新區創新效率影響顯著。李洪偉等［10］運用三階段DEA 模型對我國高新技術產業的投入產出效率進行了測算，發現剔除環境和隨機因素后，各省市的效率值均下降顯著。趙瑞靜等［11］基于三階段DEA 模型對河北省區域高新技術產業創新效率進行了研究，結果表明剝離環境和隨機因素后，各市區的綜合效率和純技術效率被低估，且規模效率被嚴重高估。肖嘉奕等［12］利用三階段DEA 模型對浙江省高新技術產業投資效率進行評價，發現各地區的技術效率被高估的原因是管理無效率和規模無效率。以創新型產業集群的創新效率作為評價對象的三階段DEA 研究也有一些，如陳升等［13］利用三階段DEA 模型測度我國創新型產業集群的創新效率，并分產業和分區域分析了集群效率。張冀新等［14］運用三階段DEA 方法測算產業集群創新效率，并分析了戰略性新興產業技術效率之間的差異。

上述研究顯示，基于剔除環境和隨機因素的三階段DEA，更好地描述了創新型產業集群的真實創新效率。問題在于，現有研究均以集群所在城市為環境背景，而我國創新型產業集群尚在起步階段，更多體現為城市產業發展的新動能與新趨勢，產業規模有限且與城市規模產業的聯系也有限，因此以集群所在城市作為研究背景，難免過于宏觀，客觀上降低了環境和隨機因素剔除前后的效率差異性。本文注意到目前我國109 個創新型產業集群中，80%位于國家高新技術產業開發區內。作為高新技術產業集聚發展的特定區域，國家高新區無疑與內嵌其中的創新型產業集群具有更為本質和直接的聯系，集群的效率表現應受高新區的環境影響更大。為此，本文基于三階段DEA 模型，以這80%在高新區內的創新型產業集群為評價對象，選取相應高新區的數據為環境變量，整體、分區域、分產業綜合評價了創新型產業集群的創新效率。

2 三階段DEA 模型

為了得到剔除外部環境因素及其他隨機因素的影響后的決策單元（DMU），Fried 等［15］基于隨機前沿分析（SFA）改進DEA 模型，提出一個新的效率評價模型——三階段DEA 模型。三階段DEA 模型通過似SFA 模型對環境變量與隨機干擾項的影響進行調整，并更加全面考慮了投入（或產出）的差額值，從而使DMU 調整到同等外部環境下，計算出更加真實的DMU 效率情況。

2.1 第一階段傳統DEA模型（BCC）

第一階段使用投入導向的BCC（規模報酬可變）模型，將技術效率（TE）分解為純技術效率（PTE）與規模效率（SE）的乘積，計算公式如下：

其中，TE 表示技術效率，指的是投入不變時產出最大的能力；SE 表示規模效率，指的是生產規模經濟性的發揮程度；PTE 表示純技術效率，指的是剔除規模因素的效率。以原始投入產出數據計算初始效率，效率值等于1 時，說明DMU 是有效的并處于技術前沿面上；效率值小于1 時，表明該DMU 的效率無效，并可求出實際投入與目標投入的差值，即松弛變量。

2.2 第二階段似SFA模型

第二階段使用似SFA 模型來剔除環境變量或隨機干擾等誤差項的影響，分離出僅有管理無效率產生的投入松弛變量。因此，以實際投入與目標投入的差值為因變量，環境變量為自變量，構建SFA 模型如下：

2.3 第三階段調整后的DEA模型

這一階段將調整后的xAmn替換原始xmn，再次應用BCC 模型，重新計算各DMU 的效率。調整后的DEA 模型去除了外部環境和隨機干擾的影響，可以得到更加真實的投入產出效率。

3 指標選擇和數據來源

3.1 創新效率評價指標體系

創新型產業集群是多個投入和產出的動態復雜系統，主要涉及人力和資源等的投入，以及技術和經濟等的產出。為了保證指標體系的嚴謹和科學，本文結合現有研究成果和可檢索的指標數據，創建以下評價指標并加以解釋。

（1）投入指標。第一，人力投入：人力資源是生產中的重要元素，而科研活動人員是集群技術創新的主要貢獻者，科研活動人員的高效率對集群的創新效率有很大的促進作用，因此以科研活動人員數量作為人力投入指標。第二，資金投入：企業科技活動資金的充足是創新的保障，可以為集群創新提供各種必要的資源，因此以企業科技活動經費支出額作為資金投入指標。第三，服務投入：集群中的管理機構、創新服務機構、金融服務機構等可以為企業在科技企業孵化、產品檢驗、風險投資、知識產權等各方面提供必要的服務，是創新的有力保障，因此以集群日常管理機構人員、創新服務機構、金融服務機構以及其他服務機構數量（加權計算）作為服務投入指標。第四，技術投入：研發機構是技術創新的載體，是企業技術創新的平臺，因此以研發機構數量作為技術投入指標。

（2）產出指標。第一，技術產出：技術產出是創新型產業集群的必要任務，其中技術性收入能反映產業集群的技術創新情況，當年發明專利能夠表示產業集群的創新能力，因此以技術性收入額和當年發明專利數量（加權計算）作為技術產出指標。第二，經濟產出：創新型產業集群通過持續產業創新收獲創新價值，凈利潤可以反映集群創新價值的獲取能力，因此以集群凈利潤總額作為經濟產出指標。第三，區域發展產出：創新型產業集群的另一個重要貢獻是為區域增長提供經濟發展新動能，上繳稅費可以基本反映集群的經濟貢獻能力，因此以實際上繳稅費總額作為區域發展產出指標。

3.2 環境變量指標

考慮到影響創新型產業集群的外部環境以及現有研究成果和可檢索的指標數據，本文從經濟實力、技術產業結構、人才環境和對外貿易等四方面選取環境變量指標，考察其對創新型產業集群創新效率的影響。其中，經濟實力：以年末資產總額來反映國家高新區經濟發展水平。技術產業結構：以高新技術企業數來反映外部技術產業結構。人才結構：以大專以上從業人員占年末從業人員的比重來反映高素質人才結構。對外貿易：以出口總額來反映高新區對外貿易的發展水平。

3.3 數據來源

本文投入產出指標和環境指標相應數據都來自《2019 中國火炬統計年鑒》，為2018 年的統計數據。本文共選取了83 個創新型產業集群數據和它們所處的73 個國家高新區數據。為消除數據量綱差異的影響，所有數據均進行了標準化處理。

4 高新技術開發區內創新型產業集群的效率評價

4.1 第一階段DEA模型的計算分析

第一階段運用BBC 模型，并使用DEAP2.1 軟件，對2018 年我國83 個創新型產業集群的投入產出數據進行分析，得到了這些集群的技術效率、純技術效率和規模效率，如表1 所示。

2018 年我國創新型產業集群技術效率的均值為0.275，純技術效率的均值為0.384，規模效率的均值為0.666。以上結果顯示規模效率遠大于純技術效率，說明規模因素在創新型產業集群的技術效率中起主導作用，技術因素的影響力過弱。

不考慮環境因素和隨機干擾的影響，83 個創新型產業集群中，中關村移動互聯網產業集群等11 個集群處于效率前沿面上，其資源配置和技術管理效率相對最優。集群整體的技術效率很低，且差異巨大。技術效率大于0.8 的集群為12 個，而占83 個集群總數81.9%的集群的技術效率小于0.5，更有52 個集群的技術效率低于0.2，技術效率最低的是本溪制藥創新型產業集群。純技術效率大于0.8 的集群個數為18 個，低于0.2 的集群個數為39 個，占總體的47%，說明純技術效率過低是技術效率低的主要原因。

表1 83 個創新型產業集群的技術效率、純技術效率和規模效率

表1 （續）

4.2 第二階段似SFA回歸結果分析

在第二階段，將第一階段得到的四種投入的松弛變量作為因變量，以年末資產總額、高新技術企業數、大專以上從業人員占年末從業人員的比重、出口總額作為自變量，利用SFA 模型對兩類變量進行分析，考察環境變量對投入松弛變量的影響，回歸結果如表2 所示。

表2 SFA 回歸結果

表2 （續）

從表2 可知，γ 均大于0.95，表示環境指標的選擇較為合理。四個變量中的LR 單邊檢驗均通過了1%的顯著性檢驗，表示剝離環境變量是必要且合理的。

年末資產總額的系數在企業科技活動經費支出中為正，說明年末資產的增加會促使企業科技活動經費支出松弛變量的增加，反映出高新區的創新資源充足，資金投入大，但因為忽視了技術創新效率和管理效率，導致創新型產業集群的創新效率偏低。年末資產總額的系數在科研活動人員、服務機構和研發機構中均為負，說明年末資產的增加會造成人力投入、服務投入和技術投入的松弛值的減少，這表示高新區經濟實力的提升可以促進創新型產業集群的資源聚集并改善運營效率。

高新技術企業數的系數在科研活動人員、服務機構和研發機構中均為正，表明高新技術企業數的增加會導致科研活動人員、服務機構和研發機構的投入冗余，這反映了集群側重產業集聚，而忽視了技術創新效率和管理效率的提高。高新技術企業數的系數在企業科技活動經費支出中為負，說明高新技術企業數的增加會促進企業科技活動經費支出的相對減少，這體現了產業集聚后的規模效應會促進成本的降低。

大專以上從業人員占年末從業人員的比重的系數在全部投入中都為正，說明大專以上從業人員占年末從業人員的比重對各項投入的冗余影響較大，也表示這一比重的提升會導致投入松弛變量的增加。這既反映了我國產業創新領域人才結構的提升明顯，也進一步說明了更高素質人才的集聚，將對創新型產業集群的技術創新有更大的促進作用。

出口總額的系數在科研活動人員中為正，說明出口總額的提升會導致科研活動人員的松弛變量的增加，這表示對外貿易水平越高，國際競爭力越強，就會促使越來越多的科研活動人員的涌入，科研活動人員也將面對更加強烈的競爭。出口總額的系數在企業科技活動經費支出、服務機構和研發機構中均為負，說明對外貿易的提升會促進集群中各種創新資源的有效利用，使管理效率和技術效率提升。

4.3 第三階段調整后的DEA模型的結果分析

第三階段再次使用Deap2.1 軟件，以調整后的投入產出數據重新計算83 個創新型產業集群的技術效率、純技術效率和規模效率（見表1）。由表1 可見，剝離環境變量和隨機干擾后，83 個創新型產業集群中，中關村移動互聯網產業集群等9 個集群處于效率前沿面上，表示它們的資源配置相對合理，技術投入發揮了很好的作用，創新效率高。

4.3.1 創新型產業集群總體創新效率分析

剔除環境變量后，創新型產業集群技術效率的平均值上升，由0.275 提高到0.434；純技術效率的平均值大幅上升，由0.384 提高至0.834；規模效率則略下降，由0.666 降低至0.514。處于效率前沿面的集群總數由11 個減少為9 個，其中中關村移動互聯網產業集群、豐臺軌道交通創新型產業集群、大慶高新區石油化工新材料創新型產業集群、泉州微波通信創新型產業集群、深圳高新區下一代互聯網創新型產業集群等5 個集群保持不變；齊齊哈爾重型數控機床創新型產業集群、蕪湖新能源汽車創新型產業集群、濟南智能輸配電創新型產業集群、洛陽高新區軸承創新型產業集群由非技術效率有效轉為技術效率有效；而新余動力電池創新型產業集群、濟南高新區生物制品產業集群、襄陽新能源汽車創新型產業集群、珠海三灶生物醫藥產業集群、江門軌道交通修造創新型產業集群、烏魯木齊電子新材料創新型產業集群則由技術效率有效轉為非技術效率有效。

創新型產業集群平均純技術效率得到很大的提升，有20 個集群處于前沿面上，純技術效率都為1，還有15 個集群純技術效率介于0.9 到1 之間，兩者之和已占83 個集群總數的42%。這表明，剔除環境變量和隨機干擾之后，被低估的效率值才能轉化成真實的效率值。而規模效率總體是下降的，有接近總數60%的集群的規模效率值下跌。純技術效率的大幅度提升和規模效率的降低表明，在剔除了環境因素和隨機干擾后，國家高新區內創新型產業集群創新效率的提升，主要依靠的是自身管理效率和技術配置的合理、有效，而規模效應的體現則更多依賴于所在高新區的綜合發展環境。這同時也說明，采用三階段DEA 模型進行創新型產業集群創新效率分析，能夠更加清晰地揭示提升集群創新效率的途徑。

4.3.2 創新型產業集群分區域創新效率分析

國務院發展研究中心撰寫的《區域協調發展的戰略與政策》中把我國經濟區分為八大綜合經濟區。因此，本部分以八大綜合經濟區分析分區域的創新型產業集群技術效率，結果見表3。在剔除環境變量和隨機干擾調整前后，八大綜合經濟區內的創新型產業集群效率值變化顯著，除西北經濟區的技術效率下降外，其余地區的技術效率均上升；純技術效率上升幅度很大；規模效率均下降。調整后技術效率最高的為東北地區，效率值是0.51，且升幅明顯，這一方面說明東北地區創新型產業集群本身具有較強的發展素質，另一方面也可以看出東北地區的地域發展環境對集群的效率表現形成了較強約束；次高為黃河中游地區，效率值是0.505；而東部沿海地區雖然漲幅最大，但是技術效率水平依然不高，效率值為0.412，導致這一結果的根本原因是純技術效率較弱。東部沿海地區是我國經濟最發達的地區，在集聚創新資源上有很大優勢，吸引了大量的人才、資金等注入，卻沒有達到效率前沿面的創新型產業集群，說明技術資源的配置不盡合理，須加強管理和資源配置能力，盡快提升技術創新水平。南部沿海經濟區情況類似，調整后的規模效率值是0.563，規模效率在八大綜合經濟區中居首，但純技術效率的落后導致總的技術效率只排在第三。

技術效率最低也是唯一下降的綜合經濟區為西北經濟區，相關集群調整后的效率值為0.221，說明西北經濟區中的創新型產業集群對外部環境變化的應對能力弱，抗擊外部風險的能力也較差。但是值得注意的是，西北經濟區調整后的純技術效率達到了0.919，因此導致其技術效率下降的主要原因是規模效率過低，調整后的規模效率值僅為0.228，為八大經濟區最低。這說明相對于其他經濟區，西北經濟區在創新資源的集聚能力上嚴重不足，創新型產業集群資源短缺，難以形成規模效益。技術效率次低的是西南經濟區，雖然規模效率較西北經濟區強，但是純技術效率是八大經濟區最低的，調整后的純技術效率值為0.777，這說明西南經濟區尚需進一步提高資源管理水平。也正因為如此，西北、西南兩經濟區的創新型產業集群具備可觀的發展潛力，隨著西部大開發計劃和一帶一路倡議的協同推進，這兩個區域在創新資源集聚和管理能力上將會有質的飛躍，從而較大幅度地提升創新效率水平。

表3 調整前后八大綜合經濟區相關集群的創新效率

4.3.3 創新型產業集群分產業創新效率分析

國家統計局發布的《戰略性新興產業分類（2018）》中，將戰略性新興產業分為9 大類，分別為：新一代信息技術產業、高端裝備制造產業、新材料產業、生物產業、新能源汽車產業、新能源產業、節能環保產業、數字創意產業和相關服務業。在剔除環境變量和隨機干擾調整前后，按這9 大類產業劃分的創新型產業集群技術效率、純技術效率和規模效率的對比見圖1、2、3。

如圖所示，剝離環境變量和隨機干擾后，各產業分類集群的效率值有很大變化。除了新能源汽車產業和數字創意產業，其余產業的技術效率均上升；所有產業的純技術效率都有增長；大部分產業的規模效率降低，只有新能源汽車產業和新能源產業的規模效率有所增長。從圖2 中可以發現，由于各產業分類集群的純技術效率調整后大幅上升，純技術效率值幾乎在一個圓周上，造成了圖1 技術效率和圖3 規模效率調整后的效率值圖形在一定程度上的相似性。這反映了，在不考慮環境因素的情形下，影響技術效率最大的因素是純技術要素，而非規模要素。因此，較高的管理水平和技術創新水平才是驅動創新型產業集群發展的首要力量。

新一代信息技術產業和新能源產業相關集群技術效率和規模效率處于各大產業分類集群的前兩位，效率值均大于0.6，但是其純技術效率值卻不是最高的，說明這兩大產業的國家扶持力度大，集聚資源多，規模效應高，集群的發展主要得益于產業規模化。這也從另一個方面反映了這兩個產業相關集群的管理效率與技術創新水平相對較低，成為制約這兩大產業技術效率提升的瓶頸。因此，這兩個產業相關集群應更加注重優化創新資源配置、提高技術創新能力，發揮創新資源的更大作用，提升其經濟轉化能力。

數字創意產業、節能環保產業和生物產業相關集群調整后的技術效率和規模效率是最低的，效率值均低于0.4。其中，數字創意產業的純技術效率最低，僅有0.593，說明該產業的政策支持力度不大，資源集聚與技術創新能力均有所不足。節能環保產業和生物產業的純技術效率相對較高，分別為0.877和0.834，說明這兩個產業在集聚創新資源、收獲規模效益上雖有不足，但其管理水平和技術創新能力較高，促進了集群技術效率的提升。

高端裝備制造業、新材料產業、新能源汽車產業和相關服務業集群的技術效率和規模效率處于中間水平，效率值均在0.4 到0.6 之間，但這些產業相關集群的純技術效率均超過了0.8，其中在9 大類產業中純技術效率最高的是新能源汽車產業集群，表明這幾類產業相關集群的資源集聚能力雖不是很強，但資源配置較為有效，管理水平也較高，在很大程度上提升了技術創新的效率。

圖1 調整前后相關集群技術效率分產業對比圖

5 結論

為了更好地反映我國創新型產業集群的創新效率，并對產生效率差異的原因進行深入分析，本文采用三階段DEA 模型對2018 年我國高新區內83 家創新型產業集群的創新效率情況進行了考察。研究結果發現：采用傳統DEA 和三階段DEA 得到的技術效率值差異較大，傳統DEA 未能真實客觀地反映創新型產業集群的創新效率。未考慮環境變量和隨機干擾時，絕大部分創新型產業集群的純技術效率過低，規模效率往往被高估，造成技術效率被低估；剝離環境變量和隨機干擾后，大部分創新型產業集群的純技術效率有很大的增幅，規模效率降低，技術效率相應得到了提升。分區域看，東北經濟區創新型產業集群的技術效率最高；經濟發達的沿海地區創新型產業集群的技術效率因純技術效率相對較低而沒有達到最好；中部經濟區創新型產業集群發展可觀，技術效率較好；西部地區資源集聚能力弱，技術效率相對最低。分產業類別來看，新一代信息技術產業和新能源產業分類集群的技術效率和規模效率相對較好；數字創意產業、節能環保產業和生物產業相關集群的技術效率和規模效率相對較低；除了數字創意產業集群的純技術效率最低，僅0.593，其余產業分類集群的純技術效率均超過0.8。

基于上述結論，為進一步提升我國創新型產業集群的創新效率，本文提出以下政策建議：

（1）擴大創新型產業集群規模。集群創新效率的提升本質上依賴于有效的產業創新生態，而創新生態的形成無不以一定的產業規模為基礎。創新型產業集群中只有大連信息技術及服務創新型產業集群、杭州數字安防創新型產業集群和惠州云計算智能終端創新型產業集群處于規模報酬遞減的狀態，其余創新型產業集群大多處于規模報酬遞增狀態，說明集群的規模還不夠大，集群創新效率提升的基礎尚不穩固。因此，應加大集群創新資源集聚力度，加速人才、資金、技術的有效供給，擴大集群規模，這樣就可以從整體上進一步提升創新型產業集群的創新效率。

（2）提高管理水平和資源配置效率。規模是基礎，效率是根本。在創新資源充沛、集群規模較大的地方，如經濟最發達的東部、南部沿海經濟區，特別應注重提升集群綜合管理水平和資源配置效率，以克服由于純技術效率較低而限制其創新效率提升的問題。

（3）注重各區域創新型產業集群的協調發展。我國東西部區域協調發展問題在創新型產業集群建設上表現得尤為突出。在創新資源相對匱乏的西部地區，集群規模效率的嚴重不足限制了其技術效率的提升。應著眼于集群協調發展，加大對西部地區創新型產業集群的政策支持力度，可以通過搭建協同創新合作平臺、促進高新區產能合作、推進產業鏈協同等，加強集群間的技術交流和項目合作，加快擴充西部創新型產業集群規模，提高創新效率。