鐘祖昌

（廣東外語外貿大學 國際工商管理學院，廣東 廣州510006）

一、引言與文獻綜述

創(chuàng)新是社會發(fā)展的直接動力，自從國家創(chuàng)新系統(tǒng)理論提出以來，它已成為學者們研究不同國家或區(qū)域經濟發(fā)展差異的重要工具。近年來，我國科技經濟投入增長迅速，數(shù)據(jù)顯示，中國研發(fā)經費支出R＆D占GDP的比重不斷攀升，從2000年的0．9% 增長到2010年的1．75%，但與世界領先國家R＆D占GDP的比重平均為3%左右相比仍有較大差距。在科技經費投入快速增長的背景下，我國的創(chuàng)新效率是否得到提高，與發(fā)達國家的差距有多大，創(chuàng)新效率的差距有沒有縮小的趨勢？這正是本文的研究目的所在。

現(xiàn)有文獻中以國家或地區(qū)為考察對象，對不同國家或地區(qū)間研發(fā)創(chuàng)新資源的投入產出效率進行測算與比較是創(chuàng)新效率研究中的一個重要方向（Nasi-erowski和 Arcelus，2003；Wang等，2007；Sharma和 Thomas，2008），其目的主要是通過國家或地區(qū)間的比較發(fā)現(xiàn)效率差異的原因，從而為低效率地區(qū)的效率改善提供借鑒。國內學者白俊紅等（2009）認為中國研發(fā)創(chuàng)新效率仍處于較低水平但逐年提高，各主體要素及其之間的聯(lián)結對創(chuàng)新效率均產生負向作用，這反映出中國當前區(qū)域創(chuàng)新系統(tǒng)網(wǎng)絡建設并不理想。史修松等（2009）運用隨機前沿函數(shù)分析方法，以省級區(qū)域為樣本測算并分析了中國區(qū)域創(chuàng)新效率及其空間差異。研究表明，中國區(qū)域創(chuàng)新效率總體水平不高，區(qū)域差異較為明顯，東部地區(qū)的創(chuàng)新效率要高于中西部地區(qū)。于明超（2010）指出自主研發(fā)資本存量是影響創(chuàng)新產出的主要決定因素，技術消化吸收對創(chuàng)新產出有顯著的影響，而國內外技術引進則對內部研發(fā)有替代效應。羅亞非等（2010）運用超效率DEA方法對不同國家1998-2005年研發(fā)創(chuàng)新活動進行效率評價，指出大多數(shù)國家的研發(fā)創(chuàng)新主要依靠規(guī)模效率推動。

綜上所述，本文采用OECD30個成員國和我國2001-2008年面板數(shù)據(jù)，運用Fried等（2002）提出的三階段DEA方法，結合Tone（2001）提出的SBM方法的優(yōu)點，剔除各國環(huán)境變量和隨機沖擊對創(chuàng)新效率的影響，客觀評價各國的創(chuàng)新效率，并分析創(chuàng)新效率差距的動態(tài)演化特征，為我國未來科技政策的制定、科技投入的重點以及提高自主創(chuàng)新能力提供借鑒。

二、模型與變量選擇

（一）SBM方法和三階段DEA模型

本文將SBM模型與三階段DEA方法相結合，利用修正的三階段DEA法，考慮松弛變量對效率測度的影響，同時將外部環(huán)境和隨機沖擊的影響剝離，以更準確地評估各個國家的創(chuàng)新效率。修正的三階段DEA方法基本步驟如下：

第一階段：SBM模型。傳統(tǒng)的DEA方法，如CCR和BBC模型，在評價決策單元效率時沒有考慮松弛變量的影響，可能會造成效率測度的偏差。同時，在投入要素增多且考慮松弛產出的情況下，整體比較決策單元的效率將變得更加困難。我們將運用Tone（2001）所提出的投入導向可變規(guī)模報酬下SBM效率評價模型來測量第一階段各國的創(chuàng)新效率。具體的SBM模型如下：

其中，ρ0為效率評價標準，m為投入要素的種類，s為產出的種類，λ＝（λ1，λ2，…，λn）′為權重向量表示第i個投入的松弛變量；x0和y0分別為決策單元自身的投入和產出向量，X和Y分別為決策單元整體的投入和產出。

從Tone（2001）的模型中可以看到，當投入和產出約束越松弛，也就是松弛投入和松弛產出越大時，企業(yè)的效率值越低，較好地將松弛投入和松弛產出的情況考慮在效率計算過程中。如果一個企業(yè)根據(jù)Tone（2001）的評價標準是有效的，即投入松弛變量為0，我們可以得到SBM模型中的效率值ρ0＝1，該性質被稱為Pareto-Koopmans有效。

第二階段：構建相似SFA分析模型。為了分離出受外部環(huán)境和隨機誤差因素影響的效率值，必須調整投入量，在第二階段通過構建類似SFA模型可分別觀測出環(huán)境因素、隨機誤差和管理無效率三個因素的影響，從而得出僅是由管理無效率造成的決策單元投入冗余。第一階段的投入松弛變量如下：

其中，sik是第一階段第k個決策單元使用第i個投入的松弛變量（射線上的加上非射線上的），也表示第k個決策單元第i項投入實際值與最優(yōu)值的差額。Xi是第i行的X，Xiλ是xik對應產出向量在投入效率子集上的最優(yōu)映射。

建立松弛變量與環(huán)境解釋變量的理論模型：

其中，zk＝（z1k，z2k，…，zpk）表示p個可觀測的環(huán)境變量，βi為環(huán)境變量的待估參數(shù)向量；fi（zk；βi）表示環(huán)境變量對投入差額值sik的影響方式，一般以線性形式表示。vik+uik為混合誤差項，uik表示管理無效率，并假設其服從截斷正態(tài)分布，即uik～N+（u）。vik表示隨機干擾項，并假定其服從零均值、同方差的正態(tài)分布，方差為。vik和uik獨立不相關。特別地，令γ＝／+），γ趨近于0時，隨機誤差項占主導地位；γ趨近于1時，管理因素的影響占主導地位。

為進行下一步的投入調整，有必要先從SFA回歸模型的混合誤差項中把隨機誤差從管理無效率中分離出來。通過管理無效率的條件估計并借鑒Jondrow等（1982）提出的方法，得到隨機誤差的估計為：

為剝離不同外部環(huán)境和隨機誤差的影響，本文選擇對于那些處于相對有利的運營環(huán)境或相對較好的決策單元的投入進行向上調整。基于最有效率的決策單元，以其投入量為基準，對其他各決策單元投入量的調整公式如下：

第三階段：調整后的SBM效率值。用第二階段調整后的決策單元投入數(shù)據(jù)代替原始投入數(shù)據(jù)，再次運用SBM模型進行效率評估。此時得到的各決策單元的效率值即為剔除環(huán)境因素和隨機誤差后的SBM效率。

（二）投入產出變量、環(huán)境變量選擇與數(shù)據(jù)說明

1．投入產出變量選擇

在眾多創(chuàng)新投入和產出指標中，基于數(shù)據(jù)的可得性和全部決策單元數(shù)據(jù)的一致性，本文選擇了2個投入指標和3個產出指標。

創(chuàng)新投入指標方面，資本投入和勞動投入是研究投入產出效率常用的指標，本文也使用資本和勞動投入。這里選擇了各國研發(fā)資金投入和科學家工程師全時當量兩個指標作為投入變量，單位分別為億美元和萬人年。

創(chuàng)新產出指標方面，本文選擇了三方專利數(shù)量、高質量科技論文數(shù)和高技術產品工業(yè)增加值作為研發(fā)活動的三大產出指標。其中，三方專利是在歐洲專利局、日本專利局和美國專利商標局都獲準的專利。高質量科技論文數(shù)是指發(fā)表在被美國科技信息所（ISI）檢索的5000余種期刊上的論文數(shù)量。

由于研發(fā)投入具有一定的滯后性，本文采用研發(fā)產出前5年的投入數(shù)據(jù)均值作為研發(fā)投入（Graves，1996），即產出為i+5年數(shù)據(jù)而投入取值為i年至i+4年的5年平均值。

2．環(huán)境變量選擇

環(huán)境變量應選擇那些對創(chuàng)新效率產生影響但不在樣本主觀可控范圍內的因素?？紤]到創(chuàng)新活動的特點，本文選擇以下幾個因素作為環(huán)境變量：

（1）人均國內生產總值（RGDP）。許多文獻表明，經濟發(fā)展水平與創(chuàng)新投入和創(chuàng)新效率存在直接的正向關系，人均GDP能充分代表國家經濟發(fā)展水平，因此，我們把人均GDP作為重要的環(huán)境變量，單位為美元。

（2）產業(yè)結構（HTI）。由于不同產業(yè)的知識基礎、投資要求和創(chuàng)新過程存在著差異，因此區(qū)域產業(yè)結構成為影響區(qū)域創(chuàng)新效率的重要因素。本文以各國的高技術產業(yè)增加值占該國生產總值的比重作為該解釋變量的代表，這里使用的是國際上通用的國際標準產業(yè)分類（ISIC）。

（3）政府支持（GOV）。政府是研發(fā)創(chuàng)新活動有效開展的重要支持機構，其通過財政科技撥款、稅收優(yōu)惠和政府采購等渠道對創(chuàng)新活動進行直接資助。本文用政府科技撥款占研發(fā)費用的比例來表示政府對創(chuàng)新活動的支持。

（4）對外依存度（OPEN）。一個地區(qū)的對外開放程度直接影響其創(chuàng)新的廣度、深度和效果。開放程度高的地區(qū)能更多地接觸國外的先進技術和管理方式；本文主要用進出口總額占該地區(qū)生產總值的比重來反映地區(qū)的對外依存度，并借此考察其對區(qū)域創(chuàng)新效率的影響。

3．樣本數(shù)據(jù)來源

關于樣本的數(shù)量，根據(jù)數(shù)據(jù)的可得性和完整性原則，OECD現(xiàn)有34個成員國，考慮到智利、愛沙尼亞、以色列和斯洛文尼亞是2010年以后才加入的，因此，在樣本中予以剔除，再加上中國，總共有31個樣本。

研發(fā)資金投入（GERD）、研發(fā)科學家工程師全時當量（Researchers FET）和環(huán)境變量的數(shù)據(jù)均來自OECD歷年的統(tǒng)計數(shù)據(jù)報告（OECD Main Science and Technology Indicators），各國被授權的三方專利數(shù)量來自OECD歷年的統(tǒng)計報告（OECD Factbook），科技論文數(shù)和高技術產業(yè)工業(yè)增加值數(shù)據(jù)來自美國科學基金會歷年的報告（Science and Engineering Indicators）。以貨幣計量的數(shù)據(jù)均轉換為2000年不變價格的美元。

三、實證結果分析

（一）第一階段SBM效率分析

第一階段的創(chuàng)新SBM效率值計算結果如表1所示，從各國的平均效率得分情況來看，最高為瑞士（0．761），其次為荷蘭（0．689），最低為挪威（0．402）；中國的創(chuàng)新效率得分為0．554，低于OECD創(chuàng)新效率的平均水平，排名第17，與大部分OECD國家相比仍有較大差距。從各國創(chuàng)新效率的演化趨勢來看，2001-2008年我國創(chuàng)新SBM效率值總體上呈現(xiàn)上升的態(tài)勢，斯洛伐克和瑞典的波動幅度較大，美國呈現(xiàn)先上升后下降的態(tài)勢，愛爾蘭和挪威的創(chuàng)新效率則基本穩(wěn)定。

鑒于第一階段的創(chuàng)新效率得分沒有區(qū)分各國不同的宏觀經濟環(huán)境和隨機沖擊，可能有一些國家無法控制的環(huán)境變量和隨機沖擊對其創(chuàng)新效率得分產生顯著影響，因此，直接用SBM效率或其他效率進行比較都顯不公平?？紤]到這一點，本文將在第二階段對主要環(huán)境變量和隨機沖擊的影響進行檢驗。

表1 2001-2008年各國創(chuàng)新SBM效率值

續(xù)表1 2001-2008年各國創(chuàng)新SBM效率值

（二）第二階段SFA回歸結果

將第一階段得出的各國各投入變量的松弛變量作為被解釋變量，將人均GDP、產業(yè)結構、政府支持和對外依存度作為解釋變量，利用FRONTIER4．1軟件進行SFA回歸。我們以2008年為例，結果如表2所示。

由表2可知，從模型設定的可靠性檢驗來看，2項投入松弛變量對應的SFA模型的單邊似然比檢驗LR統(tǒng)計值均大于mixedχ2分布的檢驗標準值，表明模型的估計結果在總體上可以接受；變差率的估計值則表明綜合誤差項中存在技術非效率，因此，使用SFA分析是必要的。同時，人均GDP、產業(yè)結構、政府支持力度和對外依存度等變量對兩種投入松弛變量的系數(shù)均通過5%的顯著性水平檢驗，這也表明外部環(huán)境因素對各國創(chuàng)新投入冗余產生了影響。

投入松弛變量是各地區(qū)可以通過改善其運營管理水平，從而達到效率前沿可能節(jié)約的投入量。因而，可以將投入松弛變量視為各地區(qū)的機會成本，解釋變量與投入松弛變量正相關表明該解釋變量不利于創(chuàng)新效率的提高；反之，二者負相關，則表明該解釋變量有利于創(chuàng)新效率的提高。因此，從環(huán)境因素對投入松弛變量的回歸系數(shù)來看，可得出如下結論：（1）地區(qū)人均GDP對創(chuàng)新效率兩種投入要素松弛變量回歸系數(shù)均為負且均通過1%的顯著性檢驗，表明一國GDP的增加將導致創(chuàng)新經費投入和創(chuàng)新人員投入的減少。（2）政府支持力度對創(chuàng)新效率兩種投入要素松弛變量回歸系數(shù)均為正且均通過1%的顯著性檢驗，表明政府支持力度的加大將導致資本和從業(yè)人員投入的增加。（3）產業(yè)結構對創(chuàng)新效率兩種投入要素松弛變量回歸系數(shù)均為負且均通過1%的顯著性檢驗，說明產業(yè)結構的調整是推動一國創(chuàng)新效率提高的重要力量。（4）對外依存度對創(chuàng)新效率兩種投入要素松弛變量回歸系數(shù)均為負且均通過5%的顯著性檢驗，表明一國的對外開放有利于獲取發(fā)達國家的技術創(chuàng)新溢出效應。

表2 第二階段SFA估計結果（2008年）

由上述分析可知，由于各環(huán)境變量對于不同決策單元的影響有所不同，一些宏觀環(huán)境或運氣較好的國家具有較佳的效率表現(xiàn)，而一些宏觀環(huán)境或運氣較差的國家則具有較差的效率表現(xiàn)，從而導致對決策單元效率的不準確評判。因此，必須調整原投入變量，使所有的國家面對同樣的外部環(huán)境和隨機沖擊，以準確考量真實的創(chuàng)新效率水平。

（三）第三階段SBM效率

根據(jù)式（5），對投入變量重新進行調整，再次運用SBM模型，得到調整后的實際SBM效率（見表3）。

本文采用Wilcoxon符號等級檢驗對第一階段與第三階段SBM的各效率值進行顯著性差異分析。結果表明，第一階段的效率值與第三階段的效率值存在顯著差異，表明本文所選擇的環(huán)境變量和隨機因素確實會對各國創(chuàng)新SBM效率值產生影響，因此調整投入變量很有必要。

對比表1和表3可以看到，各國整體創(chuàng)新SBM效率指標由0．563上升到0．646，提升約14．74%。整體上來看，各國創(chuàng)新SBM效率指標都得到明顯提升，說明各個國家的創(chuàng)新SBM效率比看上去要高。從各國的具體情況來看，提升幅度最低的為新西蘭，提升3．43%，其次為法國（7．65%）和波蘭（11．42%）；最高的為盧森堡，提升25．69%，其次為葡萄牙（23．52%）和斯洛伐克（19．29%），中國創(chuàng)新SBM效率指標提高了15．47%，排名第16，說明這些國家之前較低的創(chuàng)新效率確實部分是由較差的環(huán)境或不好的運氣所致，而非它們的技術管理水平差。以上分析表明在不考慮環(huán)境因素和隨機沖擊的情況下，各國創(chuàng)新SBM效率值往往被低估。

表3 調整后的各國創(chuàng)新SBM效率值

我們對調整前和調整后的排名進行了相關性分析，發(fā)現(xiàn)各國排名向量的相關系數(shù)為0．942。這說明整體上各國排名沒有因環(huán)境影響和隨機沖擊而發(fā)生顛覆性的變化。從各國情況來看，調整前后創(chuàng)新效率排名前三的國家沒有發(fā)生變化，依次為瑞士、荷蘭和愛爾蘭，法國由調整前的第26位下降到第30位，新西蘭由調整前的第13位下降到第21位，西班牙和盧森堡排名上升幅度較大，分別由調整前的第16和23位上升到第12和19位。

四、各國創(chuàng)新總體效率與區(qū)域差異分析

第三階段的創(chuàng)新效率值剔除了環(huán)境因素和隨機因素的影響，更能反映各國創(chuàng)新的實際發(fā)展情況，以下分析將以第三階段結果為基礎，對各國創(chuàng)新SBM效率做進一步深入分析。

（一）各國創(chuàng)新SBM效率值總體分析與年度波動

從總體上來看，如表3所示，調整后OECD和中國的平均創(chuàng)新SBM效率為0．646，仍存在較大的無效率。從各國的具體情況來看，調整后平均創(chuàng)新效率值排名前三位的國家分別是瑞士（0．8616）、荷蘭（0．7922）和愛爾蘭（0．783），這主要得益于這些國家在創(chuàng)新產出方面表現(xiàn)較優(yōu)，特別是瑞士在創(chuàng)新投入和創(chuàng)新產出兩個方面均具有較大優(yōu)勢。排名最后的三個國家是挪威（0．4492）、法國（0．5027）和奧地利（0．5208），這些國家在創(chuàng)新產出方面均表現(xiàn)較差，導致創(chuàng)新效率低下。

從各年的情況來看，調整后的創(chuàng)新效率波動要小于調整前，最高的平均效率為2008年的0．6571，最低為2001年的0．6296。各國效率中，最高為2005年瑞士0．8932，最低為2003年挪威0．4216。這進一步說明環(huán)境變量和隨機沖擊對各國創(chuàng)新SBM效率的影響較大，將這些外生變量和隨機沖擊的影響熨平后，創(chuàng)新效率的波動和差別會明顯減小。

（二）地區(qū)差異分析

我們將上面的31個國家按照地域特征分成四組——歐洲、北美洲、日、韓和中國，計算結果如表4所示，從均值來看，日、韓的創(chuàng)新效率值最高，達到0．74，北美洲次之，歐洲平均創(chuàng)新效率最低。從年度波動情況來看，日、韓出現(xiàn)明顯的效率上升趨勢，歐洲效率相對較為平穩(wěn)，而中國在經歷2004年低谷之后平均效率開始逐步上升，和各國差距也在逐漸縮小，這也從另一側面反映了隨著世界經濟一體化進程的加快，我國通過擴大對外開放、引進國外先進技術進行消化吸收再模仿創(chuàng)新，最終走上自主創(chuàng)新道路的戰(zhàn)略的有效性，同時也說明了國際產業(yè)轉移趨勢、跨國要素流動驅動使得國家間的經濟活動和創(chuàng)新活動聯(lián)系更加密切。

表4 OECD國家創(chuàng)新效率地區(qū)差異

五、結 論

本文將SBM模型與Fried等（2002）提出的三階段DEA方法相結合，考慮松弛變量對效率測度的影響，同時控制外部環(huán)境和隨機沖擊的影響，實證評估了2001-2008年30個OECD國家和中國的創(chuàng)新效率。本文得到如下結論：

第一，經濟發(fā)展水平、產業(yè)結構、貿易依存度和政府干預等環(huán)境變量對各國創(chuàng)新的投入松弛程度有重要影響。其中，經濟發(fā)展水平、貿易依存度和產業(yè)結構對創(chuàng)新投入兩個松弛變量的影響顯著為負，政府干預對創(chuàng)新投入兩個松弛變量的影響顯著為正。因此，有必要在剔除這些環(huán)境變量和隨機沖擊對投入松弛變量的影響后再考察各國創(chuàng)新SBM效率的真實水平。

第二，30個OECD國家和中國的創(chuàng)新數(shù)據(jù)證明在對環(huán)境變量進行調整后，從均值來看，日、韓的創(chuàng)新效率值最高，達到0．74，北美洲次之，歐洲平均創(chuàng)新效率最低。從年度波動情況來看，日、韓出現(xiàn)明顯的效率上升趨勢，歐洲效率相對較為平穩(wěn)，而中國在經歷2004年低谷之后平均效率開始逐步上升，和各國差距也在逐漸縮小。

第三，在和OECD各國的比較中，中國創(chuàng)新效率和創(chuàng)新能力仍處于較低水平，還有較大的提升空間。中國創(chuàng)新SBM效率在2004年以后有所提升，和各國的差距正逐步縮小。另外，環(huán)境因素和隨機沖擊對中國創(chuàng)新效率的影響比較明顯，剔除環(huán)境因素和隨機沖擊的影響后，中國創(chuàng)新SBM效率提升達到15．47%，高于樣本國家的平均水平。

[1] 白俊紅，江可申，李婧．應用隨機前沿模型評測中國區(qū)域研發(fā)創(chuàng)新效率[J]．管理世界，2009，（10）：51-61．

[2] 史修松，趙曙東，吳福象．中國區(qū)域創(chuàng)新效率及其空間差異研究[J]．數(shù)量經濟技術經濟研究，2009，（3）：45-55．

[3] 萬坤揚，陸文聰．中國技術創(chuàng)新區(qū)域變化及其成因分析——基于面板數(shù)據(jù)的空間計量經濟學模型[J]．科學學研究，2010，（10）：1582-1591．

[4] 于明超，申俊喜．區(qū)域異質性與創(chuàng)新效率——基于隨機前沿模型的分析[J]．中國軟科學，2010，（11）：182-192．

[5] 羅亞非，王海峰，范小陽．研發(fā)創(chuàng)新績效評價的國際比較研究[J]．數(shù)量經濟技術經濟研究，2010，（3）：28-41．

[6] 吳洪，趙桂芹．國際產險業(yè)SBM效率研究——基于OECD國家和中國的比較[J]．數(shù)量經濟技術經濟研究，2010，（8）：88-101．

[7] Nasierowski W，Arcelus F J．On the efficiency of national innovation systems[J]．Socio-Economic Planning Sciences，2003，37：215-234．

[8] Wang E C，Huang W．Relative efficiency of R＆D activities：A cross-country study ac-counting for environmental factor in the DEA approach[J]．Research Policy，2007，36：260-273．

[9] Sharma S，Thomas V J．Inter-country R＆D efficiency analysis：An application of data envelopment analysis[J]．Scientometrics，2008，76（3）：483-501．

[10] Fried H O，Lovell C A K，Schmidt S S，Yaisawamgs．Accounting for environmental effects and statistical noise in data envelopment analysis[J]．Journal of Productivity Analysis，2002，17：157-174．

[11] Tone K．A slacks-based measure of efficiency in data envelopment analysis[J]．European Journal of Operational Research，2001，130：498-509．

[12] Graves S B，Langowitz N S．R＆D productivity：A global multi-industry comparison[J]．Technological Forecasting and Social Change，1996，53（2）：125-137．