基于三階段數據包絡分析的我國高新技術產業開發區績效評價

趙國宇，周申蓓

(河海大學商學院，江蘇南京 211106）

1 問題的提出

1988 年5 月，國務院批準成立北京市高新技術產業開發試驗區，它就是中關村科技園區的前身。1988 年8 月，我國實施火炬計劃，促進高技術、新技術研究成果商品化，推動我國高技術、新技術產業形成和發展。隨后，國內各地紛紛建立起高新技術產業開發區（以下簡稱“高新區”）以推進當地高新技術產業的發展。截至2019 年，我國國家級高新區已達169 家，共承載企業120 057 家。高新區是為了開發高新技術，促進科技、教育和生產相互結合，推動科技、經濟、社會發展，依托智力資源而建設的綜合性基地，也是為了加速高新技術產業發展的區域性政策［1］。結合實際背景，我國國家級高新區主要有兩個關鍵內涵：其一，是“高新技術”的基本內涵，相較于一般的產業開發區，高新區的最大特征在于高新技術；其二，是具有政府引導的特色內涵，不同于西方國家以市場為主導的發展經驗，我國國家級高新區建設的組織者和引導者主要是政府。因此，我國國家級高新區的功能定位具有多元化和發展性的特點，除了承擔國務院明確提出的開發、改革、社區、產業聚集、孵化、擴散和示范功能外，高新區的重點功能還隨之發展而不斷變化。

如今，建設高新區已經被認為是中國市場經濟最引人矚目的現象之一，國家級高新區也是國內各地區創新生產的前沿陣地［2］，因此高新區的創新績效評價一直是研究的熱點。但隨著我國高新區二次創業的完成和功能定位的不斷更新，對高新區的績效評價應當展開新的思考。首先，基于我國高新區“高新技術”和“政府引導”兩個關鍵內涵，高新區毫無疑問承擔著科技創新、科技成果轉化的功能，但是國家級高新區均為由國務院批準成立建設，管理模式也多為政府主導，政策對其未來發展的影響是非常明顯的，這決定了高新區的績效必定受到政策、經濟等環境因素的影響，那么，如何剔除環境和隨機因素的影響，客觀地衡量高新區的真實績效？其次，高新區作為一個具有開發、改革、社區、聚集、孵化、擴散和示范等多元化功能定位的組織，應當是多種效益產出的綜合體，績效評價也并非只有創新效率這一目標，所以高新區績效評價的目標應著重在哪些方面？最后，如何調整高新區資源配置狀態，實現績效水平的提高？以上是本研究主要研究的問題。

2 文獻回顧

國內關于高新區績效評價方面的研究，多集中于創新效率的研究。呂政等［3］在2006 年分析了我國高新區在二次創業階段中所面臨的產業主導向創新突破轉換的挑戰，并在創業過程各階段中為破解這些障礙提供了一系列思路。至此，學術界對高新區創新績效評價指標體系建立和影響因素分析進入了深度探討，如熊然等［4］基于貿易視角對高新區創新績效進行了研究，并將樣本按照城市的政治經濟屬性進行了分類，來分別研究貿易開放程度對高新區創新績效的影響效果。目前，關于高新區績效評價指標體系構建的研究已經相對完善，其中張愛萍［5］認為目前主流的評價指標設計主要圍繞高新區經濟、創新、國際競爭力、人才等方面，并強調了有關科技園的績效評價中不應忽視其經濟學屬性。

在關于高新區績效測量的具體方法上，國內外研究多以數據包絡分析（DEA）模型為代表的非參數法來測度，所研究的內容主要集中在創新效率的評價。DEA 方法由運籌學家Charnes 等［6］提出。Adner 等［7］運用數據包絡分析評價了歐洲187 個地區的科技創新效率；孫國峰等［8］運用DEA 模型對我國大中型國有控股企業、內資企業、港澳臺資企業和外資企業進行創新效率測度，結果表明港澳臺資企業和外資企業整體創新效率高于國有控股企業和內資企業；趙樹寬等［9］運用DEA 模型對吉林省151 家高技術企業的創新效率進行測度，研究表明創新綜合效率偏低，不同類型企業之間的創新效率差異較大，并分析了造成效率過低的主要影響因素是規模效率的低下。

近年來DEA 模型得到不斷擴充和改進，DEAMalmquist、兩階段DEA、三階段DEA 模型逐漸被廣泛運用。DEA-Malmquist 模型主要運用于同一主體的動態分析，如張立杰等［10］、張月明等［11］運用該模型對我國絲綢之路經濟帶沿線?。▍^、市）高技術產業的創新效率進行了研究，結果顯示這些省份高新區創新效率呈現“N”型的回調震蕩形態。兩階段（又稱“雙階段”）DEA 模型是將一個生產過程拆分成兩個連續的過程并分別進行測度［12］，如魏巍等［13］將湖南省高技術產業創新過程分成技術研究階段和經濟產出階段，并根據測度結果將高技術產業分成了4 種產業模式。考慮環境因素對研究主體績效的干擾影響，三階段DEA 可以更好地避免隨機誤差和環境因素的影響，更加真實地反映組織實際的管理水平，如劉滿鳳等［2］運用三階段DEA 對2012 年我國高新技術開發區創新效率進行了研究，并且分析了環境因素對高新區發展的制約程度，研究結果表明中西部地區高新區的創新效率受環境影響較大，并根據研究結果提出了改善宏觀環境、優化產業結構等解決思路。三階段DEA 在投入產出效率的研究上有其獨特的優勢，如劉颯等［14］對我國中小型高新技術企業創新投入效率進行了研究，運用三階段DEA 模型，剔除環境和隨機干擾因素的影響，使三階段DEA 與傳統DEA 結果進行比對，提出促進中小型高新技術企業創新效率提高的方法是適當擴大產業規模，并對4 個環境變量對中小型高新技術企業優化內部資源配置產生的影響進行了分析。

縱觀已有研究可以看出，我國高新區績效評價的研究多集中于創新效率的測度，內容較為單一，多集中于創新效率的評價，且對“創新效率”概念交代得比較模糊。另外，選擇三階段DEA 方法從投入產出的角度對我國高新區績效評價是較為必要的，原因有三：其一，使用DEA 對高新技術企業進行創新效率的分析是較為主流的研究方法，因為DEA 模型可以針對組織投入產出效率進行測度，但傳統的DEA 模型未考慮環境因素和隨機干擾因素的影響，兩階段DEA 對組織投入產出過程需要人為地分階段考慮，主觀因素過高，而三階段DEA 可以很好地避免上述缺點，并且能夠分析環境因素對研究對象效率提高的制約程度。其二，大多文獻對高新技術產業、高新技術產業開發區、中小型創新企業等組織的績效評價研究多集中于創新功能，而我國高新技術產業開發區的運營模式多是以政府主導，其功能定位具有綜合性和發展性的特點，因此對高新區績效評價也應該是多方面的，而不應該集中于創新效率一點。其三，組織績效是組織生產任務完成的效率和效果，核心在于強調內容或者目標的達成程度，可以用來解釋組織投入與產出的關系?；谏鲜?，以下本研究從投入產出角度，運用三階段DEA 模型對我國高新區的績效評價進行研究。

3 指標選取與數據來源

3.1 指標選擇

3.1.1 投入產出指標

國內學者對于高新區績效評價指標的選擇目前還沒有統一認識，但絕大部分學者都選擇了科技活動經費支出、R&D 經費支出、R&D 活動人員數量、年末從業人員、科技機構數、企業個數等作為投入指標。依據柯布-道格拉斯生產函數，本研究認為影響高新區發展的主要投入要素是研發人員、科技資金和固定資產，綜合其他學者的研究成果和指標的可獲取性，結合有關統計年鑒的統計口徑，選擇科技活動經費內部支出、年末從業人員、年末資產作為投入指標。關于產出指標的選擇，本研究認為高新區在產出方面主要圍繞經濟效益、科技效益和社會效益3 個方面，結合前人研究經驗以及指標數據的可獲取性，選擇凈利潤、工業總產值、技術收入、出口總額和上繳稅費作為產出指標，分別衡量高新區的經濟效益、科技效益和社會效益。

3.1.2 環境變量

環境變量的選擇應該滿足既對高新區績效產生影響，又不在樣本主觀可控范圍內，即滿足“分離假設”［2］。借鑒其他文獻研究和高新區發展實際情況，考慮從宏觀經濟環境、政策支持、產業結構、市場開放程度4個方面提出影響高新區績效的環境變量。

（1）宏觀經濟環境。市場的經濟水平是高新區發展的土壤，因此地區經濟發展情況會影響高新區投入決策，選擇人均地區生產總值（GDP）作為衡量經濟發展水平的指標［14］。

（2）政策支持。我國高新區具有政府主導運營的特色內涵，所以政策支持對高新區的發展起著至關重要的作用，因此選擇地方一般公共預算支出代表政府對高新區的政策支持。

（3）產業結構。企業在空間上適度集中會逐漸展現產業集聚效應，然而在空間上過度的集中可能會引起惡性競爭、資源搶占等惡性行為，影響高新區進一步發展，因此選擇工業企業數來衡量各地區的產業結構［2］。

（4）市場開放程度。隨著經濟的全球化，地區的開放程度對區域經濟的影響越來越明顯，所以選擇當年實際外商投資金額作為地區開放程度的評價指標［2］。

3.2 數據來源及說明

從《中國火炬年鑒2019》《中國城市統計年鑒2019》《中國科技統計年鑒2019》中隨機抽取40 個國家級高新區作為樣本［15-17］。其中，由于長春高新技術產業開發區、哈爾濱高新技術產業開發區數據缺失，昆山高新技術產業開發區行政區域難以界定，因此剔除3 個樣本，最終選擇37 個高新區為樣本1）。由于環境因素的相關數據難以查閱獲得，故而采用高新區所在城市環境因素的相關數據來表征。

4 實證結果及分析

4.1 第一階段：傳統DEA 模型

在三階段DEA 的第一階段中，通過構建BCC模型對樣本高新區的綜合效率、純技術效率、規模效率及規模報酬進行分析，使用Deap.2.1 運行程序協助運算，結果如表1 所示。在沒有剝離環境因素和隨機誤差的影響下，2019 年樣本高新區的綜合效率、純技術效率和規模效率平均值分別為0.89、0.93、0.95，反映出高新區的規模效率總體高于純技術效率，說明在綜合效率中規模效率起主要作用。而在不考慮環境因素和隨機誤差的干擾下，天津、呼和浩特、沈陽、鞍山、無錫、常州等16 個高新區的績效位于生產前沿面上，即純技術效率和規模效率均為1，技術管理和資源配置相對有效；太原、鄭州、長沙、汕頭4 個高新區的綜合效率不到0.7，處于績效低下的狀態，值得注意的是，這4 個高新區是由于純技術效率低下而導致綜合效率較低，而純技術效率低下反映了技術管理存在一定的問題；多數高新區（17 個）的綜合效率處于0.70～0.99 之間，其中有7 個高新區的綜合效率在0.90 以上。綜合來看，2019 年樣本高新區整體的情況是較好的。

表1 2019 年樣本高新區效率值

4.2 第二階段：隨機前沿分析（SFA）

在第二階段中，由于第一階段計算得出的投入松弛變量會受到外部環境因素和隨機干擾的影響，所以采用SFA 模型對第一階段計算的投入松弛變量進行回歸分析，用來剔除環境因素和隨機干擾對高新區績效投入的影響。以環境變量人均GDP、地方一般公共預算支出、工業企業數、當年實際外商投資金額為解釋變量，以第一階段計算得出的科技活動經費內部支出、年末從業人員、年末資產的投入松弛變量為被解釋變量，使用Frontier4.1 程序進行運算，結果如表2 所示?？梢钥闯?，環境變量的SFA 回歸系數大多都能通過1%的顯著性水平檢驗，LR 值均大于檢驗的標準值，且gamma 值均通過了1%水平下的顯著性檢驗，說明投入松弛變量受環境變量的影響較大。另外，當回歸系數為正時，表示增加該解釋變量將會增加投入松弛變量，從而產生更多冗余；當回歸系數為負值時，該解釋變量的增加則有利于投入松弛變量的減少，從而減少浪費、提高效率。具體分析結果如下：

表2 變量第二階段模型回歸結果

（1）當年實際外商投資金額對科技活動經費內部支出、年末資產、年末從業人員投入影響為正向，且對年末從業人員通過1%的顯著性水平檢驗，說明隨著外商投資金額的增加，樣本高新區在人員、資金、物產上的投入并不能轉化為有效產出，尤其是在人員上的投入會造成更大的浪費。

（2）工業企業數與科技活動經費內部支出的松弛變量回歸系數為正，與年末資產和年末從業人員的松弛變量回歸系數為負，說明工業企業數的增加會減少高新區在年末資產和從業人員上的浪費，促使資源更有效地利用；但如果按照現階段資金投入的程度繼續增加，則會造成科技活動經費的浪費。這從一定程度上反映了產業集群效應，當高新區內工業企業數增加，大部分的人力和物力會得到更加充分的利用。

（3）地方一般公共預算支出對科技活動經費內部支出、年末資產的松弛變量回歸系數為正，對年末從業人員的松弛變量回歸系數為負，說明地方一般公共預算支出的增加會導致高新區科技活動經費內部支出和年末資產的冗余，但可以使從業人員被有效的利用，表明政府在政策或者財力上對高新區發展的支持力度較大，過多的投入會產生更多的浪費，阻礙資源的整體盤活，同時有利的資金支持會優化現有科研資源，從而減少人力的浪費。

（4）人均GDP 對科技活動經費內部支出、年末資產、年末從業人員的松弛變量回歸系數均為正，說明人均GDP 的增加會導致這3 項投入冗余增加，反映了部分發達地區的資源投入雖然充足，但卻沒有合理優化資源配置，造成了整體效率的低下、績效水平相對落后。

4.3 第三階段：調整投入后DEA 實證結果

在第三階段中，將調整后的投入數據和原產出數據代入傳統的DEA-BCC 模型，利用DEAP2.1 進行運算分析，重新計算樣本高新區的綜合效率、純技術效率、規模效率和規模收益的情況，結果如表1 所示。在剔除環境和隨機干擾因素的影響后，有18 個決策單元綜合效率有效為1，分別是北京、天津、石家莊、太原、長治、沈陽、鞍山、常州、南昌、武漢、深圳、南寧、重慶、成都、昆明和西安高新區，表明這些高新區資源配置合理，各種投入充分發揮了效用，園區內企業技術水平和管理水平處在領先地位，績效水平較高。

4.3.1 綜合效率分析

在剔除環境和隨機干擾因素的影響后，高新區綜合效率平均值由0.89 上升至0.90，表明大部分高新區的綜合效率均有提高，但從數據來看，有8 個高新區的綜合效率在調整后出現了下降，具體如圖1 所示，說明在沒有考慮環境因素影響的情況下，使用傳統DEA 模型會使某些環境因素較差的高新區出現綜合效率水平虛高的情況，不能反映高新區真實的績效水平。其中，綜合效率處在前沿面上的高新區有16 個，分別是天津、沈陽、鞍山、常州、南昌、武漢、南寧、重慶、成都、昆明、西安高新區，還有5 個高新區經調整后實現了綜合效率有效，分別是北京、石家莊、太原、長治和深圳高新區；上海、南京、杭州、福州、青島、鄭州、長沙、廣州、珠海、汕頭和貴陽高新區的綜合效率都有了明顯提升，其中鄭州和長沙高新區效率值分別提高0.26 和0.23；而呼和浩特、無錫、蘇州、合肥和海口高新區經調整后綜合效率從有效（效率值為1）變為無效（效率值小于1），另外，唐山、大連、本溪、寧波和濟南高新區綜合效率值也出現不同程度下降，其中本溪高新區的綜合效率值下降最多，從0.90 下降至0.35。

圖1 2019 年樣本高新區綜合效率調整前后變化對比

4.3.2 純技術效率分析

在剔除環境因素和隨機誤差的影響后，樣本高新區的純技術效率平均值由0.93 提高至0.96，77.7%的高新區純技術效率值為1，處在有效前沿面上，總體水平有所提高，具體如圖2 所示。調整后，有28 個高新區的純技術效率值為1，其中20 個高新區的純技術效率值不變，石家莊、唐山、太原、長治、杭州、福州、青島和長沙8 個高新區處于有效前沿面上，實現了純技術效率有效。值得注意的是，太原高新區調整前的純技術效率僅為0.65，長沙高新區調整前的純技術效率也僅為0.75，兩地的高新區發展受環境等因素影響較大。其余高新區中，鄭州和汕頭高新區的純技術效率值分別增加0.26 和0.11，調整后也接近有效前沿面，另外7 個高新區的純技術效率值有較少下降，其中蘇州、寧波、合肥、?？诟咝聟^的純技術效率從有效變為無效。

圖2 2019 年樣本高新區純技術效率調整前后變化對比

4.3.3 規模效率分析

樣本高新區規模效率平均值經過調整后，由原來的0.95 降低為0.93，整體水平下降，有13 個規模效率值有效的高新區依然處在前沿面上，有11 個高新區規模效率值有所增加，有13 個高新區規模效率值有所下降，具體如圖3 所示。其中，5 個高新區規模效率有較大幅度的下降，本溪高新區由0.90下降為0.35，海口高新區由1 下降至0.93，唐山高新區由0.85 下降至0.64，汕頭高新區由0.90 下降至0.72；在規模效率有所上升的11 個高新區中，僅有較發達地區的北京、南京和廣州高新區增幅較大，分別從0.72、0.85、0.74 增長至1.00、0.95、0.86，其余石家莊、長治、上海、青島、長沙、深圳和珠海8 個高新區的規模效率增幅均在10%以下。當決策單元規模效率小于1 時，如果規模報酬遞增，說明投入與產出成正比，則應當提高投入；如果規模報酬遞減，說明投入與產出成反比，則應當減少投入。在數據調整前，20 個規模效率無效的決策單元中有13 個高新區的規模報酬呈遞增狀態，7 個呈遞減狀態；調整后規模報酬遞增和遞減決策單元比例不變，但有9 個決策單元的規模報酬狀態發生變化：呼和浩特和?？诟咝聟^規模報酬變為遞減，無錫、蘇州、鄭州高新區規模報酬變為遞增，北京、石家莊、長治和深圳高新區規模效率由無效變為有效，所以這些高新區的投入產出成等比例變化。

圖3 2019 年樣本高新區規模效率調整前后變化對比

5 研究結論及對策建議

本研究以2019 年我國37 家國家高新區統計數據作為研究樣本，運用三階段DEA 模型對其剔除環境和隨機誤差前后的綜合效率、純技術效率、規模效率以及規模報酬進行了測算，以求得到更接近真實的高新區績效。根據測算結果，可以得出以下結論：

（1）環境因素和隨機誤差影響會造成大部分高新區綜合效率被低估估、規模報酬與實際情況不符的現象，說明環境因素和隨機誤差確實干擾了高新區績效評價的真實結果，也更進一步說明了三階段DEA 模型相較于傳統DEA 模型的優越性。剔除環境因素和隨機誤差影響后，大部分高新區的綜合效率和純技術效率均有提高，但規模效率有所下降，表明在不考慮環境因素和隨機誤差的影響下，各高新區的純技術效率會被低估、規模效率會被高估，且被低估程度大于被高估程度，最終導致綜合效率的低估。對比第一和第三階段規模報酬的變化情況，規模報酬遞增和遞減的總體比例保持不變，但有24%的高新區規模報酬情況發生變化。由此可見，如果以第一階段的結果對高新區的管理、技術、資源配置情況進行評估并作出決策，則可能進一步拉低高新區的整體績效水平。

（2）高新區綜合效率無效的原因主要來源于規模效率無效，在19 個規模效率無效的高新區中，有一半以上的高新區規模報酬處于遞增階段。樣本高新區中，北京中關村國家自主創新示范區是最大的高新區，進駐企業有24 892 家，其次是上海張江高新技術產業開發區，進駐企業有8 180 家，但僅為北京中關村的33%；有13 個高新區的企業進駐數不足千家，這些高新區通常多集中于偏遠地區，其中呼和浩特高新區僅有26 家企業?？梢姶蠖鄶蹈咝聟^的規模仍然偏小，特別是經濟較為落后的西北部和東北部地區，多數高新區的進駐企業不足百家，所以這些地區的高新區整體規模效率相對落后，這也是制約這些地區高新區發展的最主要原因之一。

（3）市場開放程度、宏觀經濟情況對科技活動經費內部支出、年末資產和年末從業人員3 項投入松弛的影響均為正值，說明高新區的資源配置沒有處于最優的狀態，會造成更多的浪費；產業結構對年末資產、年末從業人員投入松弛的影響為負值，政策支持對年末從業人員投入松弛的影響亦為負值，說明在此環境下高新區能夠減少相應投入的浪費，屬于優勢環境因素。

為進一步優化我國高新區的資源配置，提升運營效率，提高績效水平，基于上述結論，提出以下對策建議：

（1）政府、高新區管委會等管理部門應當重視把握本地經濟、政策、產業結構、市場開放程度等環境因素的實際情況，科學論證高新區發展定位，改進管理手段，提高管理水平。研究表明以上環境因素均對高新區績效水平有一定影響，因此各地政府應明確環境的重要作用，營造良好的經營環境，為高新區管理發展提供指導意見。對技術效率較低的高新區，政府應當加強管理制度的設計和機制創新，優化高新區管委會工作效率，提高內部管理水平。

（2）政府應結合實際統籌規劃高新區資源投入規模。對于處于規模報酬遞增的高新區，應在結合當地實際情況下進一步擴大高新區規模，提高績效水平；對于處在規模報酬遞減的高新區，應適當調整資源配置結構，保守發展，避免過度浪費。每個高新區有自己的發展特點，每個地區的環境水平也各不相同，所以高新區的科學發展應當是“量身定制”，而不是盲目擴大規模、過度投入，遵循可持續發展經營理念才能有效提高創新轉化率，提高高新區績效水平。

（3）政府應發揮政策的協調和導向作用，合理引流。我國高新區整體績效水平較好，但進一步提高運行效率還需調整投入要素結構，優化人力、資金和各類資源的配置，充分調動現有資源，發揮政策導向和協調作用。另外，推動各地區高新區開放合作，引導創新資源合理流動，彌補自身發展缺陷，縮小各地區之間環境差距，形成金融、人才、科技、信息等資源共享的機制。

注釋：

1）樣本高新區名稱分別用其所在城市來簡稱。