基于三阶段DEA模型的工业企业科技创新发展效率评价

张振扬

（韩国国立釜庆大学技术经营专门大学院，韩国釜山 48513）

当前，新一轮科技革命对经济社会发展的影响不断深化，创新要素、资源和金融服务等在全球范围内加速流动，科技创新能力已成为衡量国家核心竞争力的重要标准。我国科技创新发展面临着诸多方面的挑战和制约，我国的R＆D经费总额已经居世界第2位，R＆D人员总量居世界第1位，国家综合创新指数居世界第17位，与发达国家之间的差距逐渐缩小，但同时我国人均自然资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，减少自然资源消耗、提高工业企业科技创新能力和创新效率显得十分重要，在此背景下研究工业企业科技创新发展效率对我国建设创新型国家、推进经济高质量发展具有重要的现实意义。

目前国内针对工业企业科技创新发展效率进行了大量的研究，赵惠芳等［1］利用数据包络分析方法对我国东、中、西部的创新效率差异进行了研究，分析了各地区形成差异的影响因素；潘雄锋和刘凤朝［2］采用随机前沿生产函数模型对1996～2006年间我国的工业企业技术创新效率状况进行了评价，结果表明我国工业企业技术创新效率呈现逐步上升趋势，区域间效率差距逐步减小；许敏和谢玲玲［3］运用DEA方法对我国各地区大中型工业企业的科技创新效率进行了评价，结果显示我国大部分地区创新效率处于相对较低的水平，东、中、西部地区之间存在显着差异；罗良文和梁圣蓉［4］从两阶段创新价值链出发，考虑了环境因素对创新效率的影响，构建了中国工业企业绿色技术创新效率评价体系，结果显示中国工业企业的绿色创新效率整体水平还比较低，其中纯技术效率是影响整体效率低下的主要因素；余泳泽等［5］对13个高新技术产业的创新效率进行了评价，指出高新技术产业在技术研发和成果转化两个阶段的效率都比较低，主要是由纯技术效率造成的。通过对工业企业科技创新发展效率研究梳理发现，目前大部分学者的研究视角都是在宏观层面上进行讨论和分析，同时针对各地方存在的效率差异研究方面未考虑到环境因素的影响。当前我国各地区经济水平、教育程度和科技基础等各方面差异性较大，各省市内在实施科技创新发展过程中所面临实际问题不尽相同。因此，本文结合我国各地区工业企业科技创新发展投入、产出以及环境因素的影响，建立包括投入、产出和环境因素在内的DEA模型，能够更为全面地反映出工业企业科技创新发展的相对效率，深入探究各地区工业企业科技创新发展效率存在差异的原因，并提出提高其发展效率的建议，为工业企业科技创新的高效发展提供一定参考。

评价指标体系的构建遵循科学性、适应性、可行性和可比性原则。各个评价指标的选取要能够客观反映工业企业科技创新发展的投入和产出的实际情况，依据工业企业科技创新发展的特点，兼顾数据的合理性和可靠性，结合王义新、白俊红、郭淡泊［6－9］等的研究成果，选取具有代表性的11个指标，其中表征工业企业科技创新投入指标4个，产出指标3个，环境指标4个，具体工业企业科技创新发展效率的评价指标体系，见表1。

表1 工业企业科技创新发展效率的评价指标体系

投入指标包括人力投入和资金投入。选择工业企业R＆D人员和工业企业R＆D人员全时当量作为人力投入指标，这两项指标代表着科技创新发展的人员投入，指标越大表明对科技创新发展的重视程度越高。选择工业企业R＆D经费支出和新品开发经费支出作为资金投入指标，经费的支出作为资金投入的重要考量，用于衡量工业企业科技创新的发展前景。

产出指标包括技术产出和经济产出。选择工业企业申请专利数量作为技术产出指标，该指标能够较全面的反映发明和创新信息，在开发新产品、技术改造等方面有重要作用。工业企业科技创新发展的最终成果是创造价值，为整个社会增加财富，所以选择技术市场成交额和新产品销售收入作为衡量经济产出的指标。

环境指标包括经济影响、政策影响和科研基础。人均GDP体现经济发展水平，同时也与科技创新发展程度相互作用，促进科技发展的创新性和先进性［10］，选取人均GDP作为衡量经济影响的环境指标。地方财政科学技术支出的占比体现了政府对工业企业科技创新发展的重视程度。有R＆D活动的企业数量体现工业企业科技创新的发展基础，R＆D活动的企业数越多，开展的R＆D活动越广泛、越深入。

DEA（即数据包络分析法）是由Charnels等在1978年提出的一种测度综合效率常用的方法，广泛应用于对多投入和多产出情况下决策单元间的相对有效性评价［11］。传统DEA模型没有考虑环境因素和随机噪声对决策单元效率评价产生的影响，Fried等将环境因素和随机噪声引入DEA模型，提出了三阶段DEA模型。鉴于工业企业科技创新发展效率涉及多投入和多产出，而且受环境因素的影响，因此本文采用DEA模型对工业企业科技创新发展效率进行评价。

第一阶段：对原始数据中的投入产出变量利用DEA效率进行测算。根据工业企业科技创新发展效率的特点，本文选择假定规模报酬可变。利用DEA模型计算的效率值为综合技术效率，表达式见式 （1）：

式中：SE表示规模效率，PTE表示纯技术效率。

第二阶段：利用SFA回归模型对投入的松弛变量进行分析。本文以投入为导向，识别出环境因素、随机干扰项及管理无效率的影响，以此作为第三阶段的测算基础，SFA回归函数表达见式 （2）：

式中：Sni为第i个决策单元第n项投入松弛变量；Zi为环境变量，βn为环境变量系数；f（Zi；βn）为环境变量对投入冗余的影响，νni为随机干扰项，μni为管理无效率项；νni＋μni为混合误差项。

调整之后的投入计算见式 （3）：

本文以我国30个地区 （考虑数据的可获得性，不包括西藏和港澳台地区）为研究对象，采用2018年数据对我国各地区的工业企业科技创新发展情况进行实证研究，并对各地区的工业企业科技创新发展效率进行了对比分析，数据来源于《中国统计年鉴》、 《中国科技统计年鉴》以及各省市统计局公布的权威数据。

利用DEA软件对我国30个省市的工业企业科技创新发展效率的投入产出指标进行测算，结果如表2所示。

在没有考虑环境因素和随机变量影响的情况下，2018年我国工业企业科技创新发展综合效率的均值为0.845，纯技术效率的均值为0.890，规模效率的均值为0.95。从科技创新发展综合效率来看，北京、天津、吉林、上海、安徽、广西、青海、宁夏和新疆这9个省市都是1，处于整体效率前沿面，占30%的比例，说明这些地区的工业企业科技创新的投入与产出处于相对均衡状态，其发展过程中的资源配置较为科学合理。从规模报酬来看，北京、天津、吉林、上海、安徽、广西、青海、宁夏和新疆9个省市处于规模收益平衡阶段，江西、海南、云南这3个省份处于规模收益递增阶段，其他18个省市处于规模收益递减阶段。

由于各地区存在环境变量和随机变量的差异会导致分析偏差，因此需要调整原评价指标中的投入变量，排除环境变量影响，使各个省市处于相同的评价条件，得到真实的效率评价结果，调整后的计算结果见表3。

从表3可以看到，剔除环境变量和随机因素的影响之后，2018年我国工业企业科技创新的综合效率均值从0.845下降至0.716，纯技术效率的均值从0.890下降至0.856，规模效率的均值从0.950下降至0.842。

表2 传统DEA模型实证结果

从综合效率和纯技术效率来看，去掉环境影响之后各个省市的差异更大，最大相差7倍以上。从综合效率来看，处于科技创新发展中综合效率前沿面的地区由9个下降到6个，北京、吉林、上海、安徽4个省市保持不变，新增了广东和江苏2个省份。从各省市来看，第三阶段科技创新发展综合效率较第一阶段下降的有天津、河北、山西等24个省市，说明这些省市先前较高的综合效率值与这些省市所处的环境存在密切的关系，但是由于技术管理水平不够高，导致在去除环境影响之后出现综合效率下降的情况，而江苏、浙江、广东、辽宁、山东、重庆6个省市的第三阶段科技创新发展综合效率较第一阶段有所提高，说明这些省市之前的综合效率低是由于外部环境造成的，而他们的管理水平较高。

表3 调整后DEA模型实证结果

将纯技术效率和规模效率分别以平均值0.856和0.842为临界值，按照纯技术效率和规模效率与均值进行比较，可将各省市的工业企业科技创新发展效率划分为4类，如表4所示。

表4 各省市纯技术效率和规模效率分类

第Ⅰ类为纯技术效率和规模效率均在临界值上的省市，有北京、上海、广东等16个省市，这类省市的需要继续保持当前的状态；第Ⅱ类为纯技术效率较低而规模效率高的省市，有内蒙古、海南、甘肃、青海4个省市，其纯技术效率都位于平均值以下，需要在今后的工业企业科技创新发展过程中加强技术管理水平；第Ⅲ类为纯技术效率与规模效率都位于临界值以下的省市，有山西和陕西2个省份，其纯技术效率与规模效率都有很大的提升空间，要注重技术管理水平的提升，同时也要注意工业企业科技创新发展规模的扩大；第Ⅳ类为规模效率低但是纯技术效率较高的省市，有河北、辽宁等8个省市，这些省市的改进方向主要集中在科技创新规模上，要积极扩大科技创新规模，实现科技资源的集中配置和优化管理。

开展工业企业科技创新发展效率评价，优化科技创新发展投入产出效率，改善科技创新发展环境，对提升工业企业科技创新发展水平有着重要的意义。本文在前人研究的基础上结合工业企业科技创新发展的特点，构建了工业企业科技创新发展效率评价体系，利用三阶段DEA模型对工业企业科技创新水平进行评价，结果显示我国各省市的工业企业科技创新发展效率平均值相对较低，而且呈现出两极分化的现象，未来需要着重对影响创新发展效率的各因素采取有针对性的措施，以全面提升我国工业企业的科技创新水平。

结合我国30个省市的工业企业科技创新发展效率研究，为了提升我国的科技创新发展水平，未来各省市可以在以下方面进行改善：

（1）北京、吉林、上海、安徽4个省市的整体工业企业科技创新发展效率最高，未来需要继续加强政府的支持力度，不断优化改善投资环境，保持对科技创新发展的人力、物力投入，稳定科技创新发展的优势，努力带动和辐射周边省市。

（2）江苏、浙江、广东、辽宁、山东、重庆6个省市在去除环境影响因素之后，工业企业科技创新发展效率有所提升，需要继续保持其较高的管理水平，积极改善不利的环境，各省市的创新发展经费投入管理机构应加大对高新技术工业产业的科研经费投入，在原有的基础上，持续完善经费投入制度，增加人员和经费的支持力度，打造良好的科技创新发展环境。

（3）河北、山西、内蒙古等其他省市由于其整体工业企业科技创新发展效率相对较低，为了提升其综合效率需要提升技术管理水平和扩大发展规模，加大工业企业科技创新发展的程度，增加投入以及合理优化资源配置，推动整体平衡发展，同时发挥政府的积极引导作用，加强对于科研资金投入的合理使用监管，促进科学技术进步和技术发展效率协同增长，从而实现工业企业科技创新发展效率全面提升。