尹偉華，袁 衛(wèi)

(1.中國人民大學(xué)統(tǒng)計(jì)學(xué)院，北京100872;2.安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030)

一、引 言

R＆D活動(dòng)作為科技活動(dòng)的基礎(chǔ)和核心，不僅是衡量一個(gè)國家和地區(qū)科技發(fā)展水平、科技活動(dòng)結(jié)構(gòu)、科技含量的重要指標(biāo)，也是反映一個(gè)國家和地區(qū)自主創(chuàng)新能力的重要內(nèi)容。多年來，中國一直加大R＆D資源投入力度，使得R＆D資源總量與強(qiáng)度都有了很大的提高。 其中，R＆D人員全時(shí)當(dāng)量由1991年的67.05萬人年上升到2010年的255.38萬人年，R＆D強(qiáng)度(R＆D經(jīng)費(fèi)/GDP)也由1991年的0.69%上升到2010年的1.76%，這些都有效地促進(jìn)了中國科技活動(dòng)的開展，為社會經(jīng)濟(jì)持續(xù)、健康的發(fā)展奠定了重要基礎(chǔ)。但同時(shí)也應(yīng)看到，中國的R＆D活動(dòng)發(fā)展還相對緩慢，與發(fā)達(dá)國家還存在一定的差距，這與中國現(xiàn)在所處的經(jīng)濟(jì)大國地位是不太相符的。因此，在中國處于經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變的關(guān)鍵時(shí)期，如何在現(xiàn)有科技、經(jīng)濟(jì)資源有限的情況下，提高R＆D資源利用水平和創(chuàng)新效率，對加快中國經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變，提高經(jīng)濟(jì)發(fā)展的質(zhì)量，增強(qiáng)國際競爭力具有十分重要的理論和實(shí)際意義。

二、文獻(xiàn)綜述

近年來，R＆D投入績效問題受到學(xué)術(shù)界的廣泛關(guān)注，并取得了豐碩的研究成果。文獻(xiàn)按研究方法的不同主要有2種:一是基于參數(shù)技術(shù)的隨機(jī)前沿分析法(SFA)，即運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的方法估計(jì)各投入要素的參數(shù)，并在此基礎(chǔ)上估計(jì)出產(chǎn)出效率。如:Zhang et al使用SFA測算了中國不同產(chǎn)權(quán)類型企業(yè)的R＆D效率，并進(jìn)行了對比分析［1］。Wang運(yùn)用超越對數(shù)隨機(jī)前沿函數(shù)評價(jià)了國家層面的R＆D投入績效［2］。白俊紅等采用面板隨機(jī)前沿函數(shù)模型，實(shí)證測評了中國各地區(qū)R＆D的創(chuàng)新效率與全要素生產(chǎn)率的增長情況［3］。劉和東應(yīng)用面板SFA分析了中國區(qū)域的 R＆D效率及其影響因素［4］。由于R＆D活動(dòng)是多投入多產(chǎn)出的復(fù)雜過程，而SFA只能處理單一產(chǎn)出，且需要正確設(shè)定函數(shù)的形式，導(dǎo)致了該方法的應(yīng)用存在一定的局限性;二是基于非參數(shù)技術(shù)的數(shù)據(jù)包絡(luò)分析法(DEA)，即將投入產(chǎn)出點(diǎn)映射到空間上，以最大產(chǎn)出或者最小投入為效率邊界，測算出各點(diǎn)與邊界之間的距離差距程度。如:Korhonen用DEA方法對芬蘭大學(xué)的R＆D效率進(jìn)行了評估［5］。Sena利用DEA比較分析了意大利不同類型企業(yè)間的R＆D效率，指出高技術(shù)企業(yè)對非高技術(shù)企業(yè)的效率具有一定的溢出效應(yīng)［6］。Gaimon＆Morton運(yùn)用DEA模型對美國高技術(shù)產(chǎn)業(yè)的R＆D效率進(jìn)行了估算和排名［7］。Lee＆Park采用DEA方法對R＆D績效展開了國際比較［8］。Wang＆Huang考慮了R＆D活動(dòng)外部環(huán)境因素的影響，使用三階段DEA方法對OECD各國的R＆D效率進(jìn)行了測度［9］。Chen＆Yeh分別運(yùn)用CCR和BCC估算了1991－1999年臺灣高技術(shù)行業(yè)的 R＆D效率［10］。Lee et al采用DEA方法對國家不同類別的R＆D項(xiàng)目進(jìn)行了效率評價(jià)［11］。Guan＆ Chen通過構(gòu)建兩階段DEA模型，全面分析了中國區(qū)域高技術(shù)產(chǎn)業(yè)的R＆D效率［12］。Li et al分別運(yùn)用基于合作博弈和非合作博理論的兩階段DEA模型評價(jià)了中國區(qū)域的R＆D效率問題［13］。雖然DEA具有不需要預(yù)先確定函數(shù)形式，處理數(shù)據(jù)量綱和確定指標(biāo)權(quán)重等優(yōu)點(diǎn)，但由于傳統(tǒng)DEA屬于徑向和線性分段形式的度量，沒有考慮松弛量(slack)和時(shí)間維度的影響，從而可能會造成效率測度的結(jié)果是有偏的［14］。

綜觀上述文獻(xiàn)，本文試圖運(yùn)用綜合考慮松弛量和時(shí)間維度的 WRM(Weighted Russell Measure，WRM)視窗分析模型研究中國的R＆D投入績效問題，以期達(dá)到彌補(bǔ)現(xiàn)有文獻(xiàn)的不足，及為現(xiàn)有文獻(xiàn)提供有益的補(bǔ)充。文章后續(xù)部分結(jié)構(gòu)安排如下:第二部分詳細(xì)簡述研究方法;第三部分為樣本和數(shù)據(jù)的說明;第四部分為具體的實(shí)證分析;最后是結(jié)論和相應(yīng)的政策啟示。

三、WRM視窗分析模型

RM模型(Russel measure，RM)最初是由Fare＆ Lovell［15］提出，雖然該模型是基于投入(或產(chǎn)出)不同比例的最大縮減(或擴(kuò)大)，解決了傳統(tǒng)DEA模型的徑向問題。但由于RM模型并沒有考慮各投入(或產(chǎn)出)要素的相對權(quán)重，從而導(dǎo)致RM模型也存在一定的缺陷［16］。同時(shí)，缺乏時(shí)間維度的RM模型，也難以進(jìn)行相應(yīng)的動(dòng)態(tài)性和穩(wěn)定性分析，使得評價(jià)結(jié)果不夠全面和客觀。鑒于此，本文綜合加權(quán)RM(WRM)模型和時(shí)間維度構(gòu)建投入導(dǎo)向型的WRM視窗分析模型。

(一)WRM視窗分析模型

假設(shè)在DMUn(n=1，2，…，N)中，每個(gè)DMU有m 個(gè)投入xi(i=1，2，…，M)和s個(gè)產(chǎn)出yr(r=1，2，…，S)，其投入產(chǎn)出向量分別為:Xn(x1，x2，…，xM)T;yn(y1，y2，…，yS)T。若生產(chǎn)過程中各投入要素的相對權(quán)重為 wi(i=1，2，…，M)，則基于可變規(guī)模報(bào)酬(Variable Returns to Scale，VRS)的WRM模型為:

其中，wT=(w1，w2，…wM)表示各投入要素的權(quán)重向量，θ0=(θ1，θ2，…，θM)T表示各投入要素的縮減比例，λ0表示生產(chǎn)過程中密集度的密度向量，0M表示零向量，eM=(1，1，…，1)T表示單位向量，θx0(θ1x1，θ2x2，…，θMxM)T表示投入要素的投影向量。若λ0*和θ0*為模型(1)的最優(yōu)解，則DMU0的效率等于各投入要素縮減比例的加權(quán)算術(shù)平均，即若效率值等于1，則稱DMU0是有效的。

由于上述WRM模型主要用于截面數(shù)據(jù)分析，即對被評價(jià)的DMU與同時(shí)期的其他DMU進(jìn)行比較，其沒有考慮時(shí)間的影響。但從時(shí)間角度來看，截面數(shù)據(jù)分析得出的結(jié)論容易出現(xiàn)偏差，因?yàn)槟承┵Y源在早期看來可能是浪費(fèi)的，但實(shí)際上這些資源部分會產(chǎn)生未來的收益。由于面板數(shù)據(jù)測算的效率不僅反映了與其他DMU的比較結(jié)果，而且也反映了自身效率的變動(dòng)情況。因此，面板數(shù)據(jù)分析更能反應(yīng)DMU的實(shí)際效率。

Charnes et al［17］提出的視窗分析模型(Window Analysi，WA)，主要是對面板數(shù)據(jù)進(jìn)行效率測算。WA的基本原理是:將不同時(shí)期的同一個(gè)DMU當(dāng)作不同單元來處理。其首先確定視窗內(nèi)的時(shí)期長度(窗寬)，然后再對窗寬內(nèi)的每一個(gè)DMU進(jìn)行效率評估。在視窗分析中，視窗每滑動(dòng)一次就將最早的一個(gè)時(shí)期從視窗中去掉，而增加下一個(gè)新時(shí)期，這與統(tǒng)計(jì)學(xué)中的平滑指數(shù)類似［18］。

設(shè)在時(shí)間t(t=1，2，…，T)內(nèi)有n個(gè)DMU(n=1，2，…，N)，則DMUn在時(shí)間t的投入向量為(x1t，x2t，…，xMt)T，產(chǎn)出向量為=(y1t，y2t，…，ySt)T。同時(shí)，假設(shè)窗寬為w(1≤w≤T)，視窗時(shí)間從k(1≤k≤T－w+1)開始，則第kw個(gè)視窗共有n×w個(gè)DMU，且其視窗分析的投入產(chǎn)出矩陣可表示為:

關(guān)于窗寬的選擇至今還沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，但在實(shí)際處理中，一般都取3，這與Charnes et al的做法是一致。

(二)權(quán)重設(shè)定

根據(jù)Ruggiero＆Bretschneider等相關(guān)研究，投入要素的相對權(quán)重可以用相應(yīng)要素的標(biāo)準(zhǔn)化彈性系數(shù)所占比重來表示［16］。但由于R＆D活動(dòng)是多投入多產(chǎn)出過程，彈性系數(shù)并不能直接利用C－D生產(chǎn)函數(shù)進(jìn)行估算。因此，本文首先在C－D生產(chǎn)函數(shù)的基礎(chǔ)上，擴(kuò)展得到一個(gè)多投入多產(chǎn)出的生產(chǎn)函數(shù)模型:

其中，eε為隨機(jī)誤差項(xiàng)。同時(shí)對上述生產(chǎn)函數(shù)兩邊取對數(shù)，可得:

由于R＆D活動(dòng)中投入、產(chǎn)出間存在嚴(yán)重的相關(guān)性，顯然采用經(jīng)典的多元回歸對(3)式進(jìn)行參數(shù)估計(jì)將存在嚴(yán)重的偽回歸問題。因此，本文采用Vinod提出的典型相關(guān)分析法(Canonical Correlation Analysis，CCA)對上述多投入多產(chǎn)出生產(chǎn)函數(shù)進(jìn)行參數(shù)估計(jì)［19］。

CCA是研究兩組變量之間相關(guān)關(guān)系的一種多元統(tǒng)計(jì)方法，其基本思想是:首先在每組變量中找出變量間的線性組合，使其具有最大相關(guān)性，同理再找出第二對最大相關(guān)的線性組合，且其分別與第一對線性組合不相關(guān)，如此重復(fù)下去，直到兩組變量間的相關(guān)性被提取完畢為止。從而關(guān)于兩組變量間的相關(guān)關(guān)系的研究轉(zhuǎn)變?yōu)閷τ蛇@兩組變量形成的線性組合的最大相關(guān)的研究，以減少變量研究的個(gè)數(shù)。

運(yùn)用CCA對(3)式進(jìn)行參數(shù)估計(jì)，將產(chǎn)生兩個(gè)分別關(guān)于投入產(chǎn)出觀測變量的線性組合，可以表示為:

令 L=(α1，α2，…，αm)、M=(β1，β2，…，β*s)，根據(jù)CCA結(jié)論，取:

將(4－1)、(4－2)、(5)式帶入(6)式就得到(3)式的估計(jì)式:

根據(jù) Gyimah－Brempong＆ Gyapong、Ruggiero［20－22］等定義，投入與產(chǎn)出間的邊際產(chǎn)出彈性關(guān)系為:

則投入要素的相對權(quán)重可以表示為:

四、樣本和數(shù)據(jù)說明

考慮到不同的分析模型，本文所使用的樣本數(shù)據(jù)主要來源于兩個(gè)方面:

一是基于CCA模型，研究樣本為1991－2010年全國的R＆D投入產(chǎn)出數(shù)據(jù)。其中，R＆D投入包括R＆D資本存量(單位:億元)和R＆D人員全時(shí)當(dāng)量(單位:人年);R＆D產(chǎn)出包括專利申請受理數(shù)(單位:件)、國外主要檢索工具收錄的科技論文數(shù)(單位:篇)和技術(shù)市場成交合同金額(單位:億元)。由于中國現(xiàn)行的統(tǒng)計(jì)年鑒沒有R＆D資本存量數(shù)據(jù)，根據(jù) Goto ＆ Suzuki［23］和 Griliches［24］等相關(guān)研究，本文采用永續(xù)盤存法估算R＆D資本存量。計(jì)算公式為:

式中，K和kt－1分別為第t和(t－1)期的資本存量;δ為折舊率，本文參考國際通行做法，將中國折舊率設(shè)定為 15%［25］;Et－1為第(t－ 1)期的實(shí)際R＆D經(jīng)費(fèi)支出。由于中國連續(xù)的R＆D經(jīng)費(fèi)支出數(shù)據(jù)始于1991，故本文采用朱平芳和徐偉民［26］構(gòu)造的R＆D價(jià)格指數(shù)，以1991年為基期，對名義R＆D經(jīng)費(fèi)支出進(jìn)行平減。

在估算基期資本存量時(shí)，本文假設(shè)R＆D資本存量的增長率等于R＆D經(jīng)費(fèi)的增長率，則基期資本存量的估算公式為:K0=E0/(g+δ)。

式中，K0為基期資本存量，E0為基期實(shí)際R＆D經(jīng)費(fèi)支出，g為考察期內(nèi)實(shí)際R＆D經(jīng)費(fèi)支出的平均增長率，δ為折舊率。

同時(shí)，由于上述樣本期時(shí)間跨度較長，可能會由于通貨膨脹或緊縮造成核算結(jié)果的虛增或虛減。因此，為了準(zhǔn)確反映R＆D活動(dòng)的真實(shí)狀況，本文采用GDP平減指數(shù)對技術(shù)市場成交合同金額進(jìn)行調(diào)整，以剔除價(jià)格因素的影響。

二是基于WRM視窗分析模型，研究樣本為2004－2008年中國各省、市、自治區(qū)的R＆D投入產(chǎn)出數(shù)據(jù)①由于西藏自治區(qū)變量異常值較多，且存在數(shù)據(jù)缺失，故樣本剔除西藏自治區(qū)。。其中，R＆D投入包括R＆D經(jīng)費(fèi)內(nèi)部支出(單位:萬元)和R＆D人員全時(shí)當(dāng)量(單位:人年);R＆D產(chǎn)出包括專利申請受理數(shù)(單位:件)、國外主要檢索工具收錄的科技論文數(shù)(單位:篇)和技術(shù)市場成交合同金額(單位:萬元)。在R＆D投入績效評價(jià)過程中，由于R＆D投入產(chǎn)出之間存在一定的時(shí)滯性，參考 Adams ＆ Griliches，Guellec 等［27－28］相關(guān)研究，本文選取1年滯后期。即R＆D投入數(shù)據(jù)選取2004－2008年，產(chǎn)出數(shù)據(jù)選取2005－2009年。數(shù)據(jù)主要來源于《中國科技統(tǒng)計(jì)年鑒1991－2011》、《中國統(tǒng)計(jì)年鑒2011》。

五、實(shí)證分析

(一)彈性分析及權(quán)重選擇

基于CCA模型，利用SPSS 16.0軟件，可以估算出1991－2010年中國R＆D資源的邊際產(chǎn)出彈性，以此確定WRM視窗分析模型中投入要素的相對權(quán)重。

表1 典型相關(guān)系數(shù)的統(tǒng)計(jì)檢驗(yàn)

表2 典型變量對觀測變量的貢獻(xiàn)率及累計(jì)貢獻(xiàn)率

由表1和表2可知:第1對典型變量的相關(guān)系數(shù)高達(dá)0.998，且在1%的水平上高度顯著。同時(shí)，第1對典型變量對投入產(chǎn)出觀測變量的解釋率超過97%以上，說明第1對典型變量包含了原始變量的絕大部分信息，能對原觀測變量起到很好的代表作用。所以，本文選取第1對典型變量進(jìn)行分析是適合的。

在典型變量確定后，可以得到投入產(chǎn)出變量標(biāo)準(zhǔn)化的典型系數(shù)。則，第1對典型變量的表達(dá)式為:

根據(jù)(8)式可以估算出中國R＆D活動(dòng)投入要素的邊際產(chǎn)出彈性，如表3所示。

由表3可知:R＆D資本存量相對于R＆D人員而言，具有較高的邊際產(chǎn)出彈性，說明R＆D資本存量在R＆D活動(dòng)中具有核心作用。雖然樣本期間中國R＆D經(jīng)費(fèi)投入以年均22.44%的速度增長，但其占GDP的比例同發(fā)達(dá)國家相比，還存在一定差距。因此，中國應(yīng)繼續(xù)加大R＆D經(jīng)費(fèi)投入力度，以促進(jìn)R＆D活動(dòng)的產(chǎn)出成果，提高R＆D資源的利用效率。

在R＆D活動(dòng)的各種產(chǎn)出成果中，R＆D資本存量和R＆D人員對科技論文發(fā)表數(shù)量的產(chǎn)出彈性最大，分別為15.5199、4.9493，說明現(xiàn)有的 R＆D 資源有效地推動(dòng)了中國基礎(chǔ)研究的發(fā)展。由于基礎(chǔ)研究是新知識產(chǎn)生的源泉和新發(fā)明創(chuàng)造的先導(dǎo)，是地區(qū)長期科技發(fā)展和區(qū)域競爭力提升的重要基礎(chǔ)，而基礎(chǔ)研究的產(chǎn)出彈性最大，表明增加R＆D資源將直接影響到中國科技原始創(chuàng)新能力水平的提高。

表3 R＆D活動(dòng)資源投入要素邊際產(chǎn)出彈性

R＆D資本存量和R＆D人員對專利申請受理量的產(chǎn)出彈性最小，分別為 0.8487、0.2707，說明相對于其他R＆D產(chǎn)出成果，現(xiàn)有的R＆D資源并未有效地促進(jìn)專利成果的快速增長。這主要是由于中國處于發(fā)展中國家，其技術(shù)能力有限，開始主要是模仿發(fā)達(dá)國家的先進(jìn)技術(shù)，加之，R＆D創(chuàng)新活動(dòng)的收益雖大，風(fēng)險(xiǎn)卻很高。因此，從技術(shù)層面上來說，發(fā)展中國家更關(guān)注模仿，尤其在知識產(chǎn)權(quán)保護(hù)力度不足的情況下，模仿顯然比自己創(chuàng)新更為合算［29］。

最后，根據(jù)(9)式計(jì)算出R＆D活動(dòng)投入要素的相對權(quán)重。R＆D經(jīng)費(fèi)的相對權(quán)重為:w1=0.758;R＆D人員的相對權(quán)重為:w2=0.242。

(二)效率分析

基于WRM視窗分析模型，利用Matlab 2007軟件，測算出2004－2008年中國各省區(qū)R＆D投入效率，結(jié)果如表4所示。其橫向數(shù)值反映每個(gè)省區(qū)R＆D投入效率的時(shí)間變化，縱向數(shù)值反映同一年份R＆D投入效率的空間變化。

總體來看，2004－2008年中國各省區(qū)R＆D投入效率均值只達(dá)到0.7539，這意味著即使R＆D投入平均消減24.61%，仍然能保持既定的期望產(chǎn)出水平。其中，低于效率均值的省區(qū)有13個(gè)，占省區(qū)總數(shù)的43.33%，且最大效率值為1.000，最小效率值為0.3628，這些都表明中國R＆D投入績效存在明顯的地區(qū)差異。具體來看，上海處于R＆D活動(dòng)的最優(yōu)前沿面上，成為其他省區(qū)的學(xué)習(xí)標(biāo)桿，其考察期內(nèi)的效率值均為1.000。效率較高的省區(qū)還有浙江、北京、湖北、海南和廣東，其效率均值均超過0.9500，表明這些省區(qū)的R＆D資源利用都已接近最優(yōu)前沿面，改進(jìn)空間較小。而考察期內(nèi)效率排名最后幾位的省區(qū)基本沒有發(fā)生變化，依然是寧夏、河北、山西和江西等，相對于效率較高的省區(qū)而言，這些省區(qū)的R＆D投入存在嚴(yán)重的資源浪費(fèi)。

從變化趨勢來看，考察期內(nèi)中國的R＆D投入效率表現(xiàn)出一定波動(dòng)后的緩慢下降，其值由2004年的0.7865下降到 2006年的 0.7409，而后又上升到2007 年的 0.7627，最后下降到 2008 年的 0.7291。具體各省區(qū)而言，R＆D投入效率的演化趨勢較為多變。如:北京、浙江、上海等省區(qū)基本一直維持原有的高效率水平;四川、遼寧、青海、江蘇、吉林等省區(qū)表現(xiàn)為明顯的上升趨勢;江西、河北、內(nèi)蒙古、貴州、安徽、新疆等省區(qū)呈現(xiàn)出一定的下降趨勢。

從差異性來看，考察期內(nèi)中國各省區(qū)之間的R＆D投入效率差異正呈現(xiàn)出緩慢的擴(kuò)大趨勢，并不存在“收斂”現(xiàn)象。R＆D投入效率的標(biāo)準(zhǔn)差由2004年的0.1832，上升到2008 年的0.2129，其平均標(biāo)準(zhǔn)差也達(dá)到0.1902，再次驗(yàn)證了中國R＆D投入效率存在明顯的地區(qū)差異。具體每個(gè)省區(qū)而言，不同時(shí)間的R＆D投入效率差異變化也較大。如:上海、浙江、北京、吉林、福建、湖北等省區(qū)的時(shí)間變化較小;而山西、重慶、新疆、內(nèi)蒙古、江蘇、青海等省區(qū)的時(shí)間變化較大。

為進(jìn)一步對中國R＆D投入效率的水平性和穩(wěn)定性進(jìn)行比較分析，本文將效率均值分為高效率和低效率兩個(gè)等級，效率值屬于［0.82，1］的為高效率地區(qū)，［0，0.82)的為低效率地區(qū);同時(shí)根據(jù)標(biāo)準(zhǔn)差的大小，也可分為高穩(wěn)定性和低穩(wěn)定性兩個(gè)等級，標(biāo)準(zhǔn)差屬于［0.06，1］的為高穩(wěn)定性地區(qū)，［0，0.06)的為低穩(wěn)定性地區(qū)。按照這一標(biāo)準(zhǔn)劃分，得到R＆D投入績效的象限圖(如圖1):

圖1 中國R＆D投入效率水平性和穩(wěn)定性的象限圖

表4 2004－2008年中國各省區(qū)R＆D投入績效評價(jià)結(jié)果

第一象限為高效率和低穩(wěn)定性的地區(qū)，處于該象限的地區(qū)有湖南、甘肅、重慶、新疆、江蘇、青海。這類地區(qū)雖然考察期內(nèi)的R＆D投入效率較高，但不同年份的效率水平變化很大，存在較大的波動(dòng)。由于該類地區(qū)存在一定的不穩(wěn)定因素，例如:R＆D人員流動(dòng)性較大、缺少穩(wěn)定的R＆D融資體制、不合理的R＆D投入結(jié)構(gòu)等，使得不同時(shí)期的R＆D投入效率產(chǎn)生較大的波動(dòng)。因此，該類地區(qū)應(yīng)在繼續(xù)保持R＆D投入較高效率的同時(shí)，找出不穩(wěn)定因素，保持R＆D投入的持續(xù)、高效轉(zhuǎn)化。

第二象限為低效率和低穩(wěn)定性的地區(qū)，處于該象限的地區(qū)有云南、四川、河北、山西、天津、內(nèi)蒙古。這類地區(qū)不僅考察期內(nèi)的R＆D投入效率較低，且不同年份的效率水平差異也較大。由于該類地區(qū)一方面投入大量的R＆D資源但又不注重有效管理，另一方面本身也存在著影響R＆D投入轉(zhuǎn)化的不穩(wěn)定因素，導(dǎo)致了低效率和低穩(wěn)定性的雙重困境。因此，該類地區(qū)應(yīng)從R＆D資源有效管理和消除不穩(wěn)定因素等多方面入手，才能從根本上解決雙重低下的困境。

第三象限為低效率和高穩(wěn)定性的地區(qū)，處于該象限的地區(qū)有福建、江西、遼寧、廣西、貴州、安徽、河南、寧夏、山東、陜西。這類地區(qū)雖然考察期內(nèi)的R＆D投入效率較低，但不同年份的效率水平變化不大，基本保持原有的低效水平。由于該類地區(qū)的R＆D活動(dòng)運(yùn)行環(huán)境相對較差，存在R＆D資源的盲目投資，即不注重投資質(zhì)量，或存在對外部科技成果的較強(qiáng)依賴性，忽略了R＆D投入轉(zhuǎn)化效率等，導(dǎo)致該類地區(qū)的持續(xù)低效性。因此，該類地區(qū)首先應(yīng)改善R＆D運(yùn)行環(huán)境，在打破持續(xù)低效狀態(tài)的基礎(chǔ)上，調(diào)整和優(yōu)化R＆D資金投入結(jié)構(gòu)，設(shè)立R＆D活動(dòng)的風(fēng)險(xiǎn)投資機(jī)制及基金，制定良好的激勵(lì)及獎(jiǎng)勵(lì)政策，提高科研人員的積極性，提高R＆D資源轉(zhuǎn)變成科技成果的數(shù)量和質(zhì)量。

第四象限為高效率和高穩(wěn)定性的地區(qū)，處于該象限的地區(qū)有上海、浙江、北京、廣東、吉林、湖北、黑龍江、海南。這類地區(qū)考察期內(nèi)的R＆D投入效率較高，且不同年份的效率水平差異不大，一直保持較高的效率水平。由于該類地區(qū)主要為發(fā)達(dá)的東、中部地區(qū)，其擁有相對較好的經(jīng)濟(jì)實(shí)力、豐富的科研力量和發(fā)達(dá)的市場經(jīng)濟(jì)體制等，對R＆D資金和技術(shù)人才等方面具有很強(qiáng)的吸引力，為R＆D投入轉(zhuǎn)化奠定了堅(jiān)實(shí)的基礎(chǔ)。其中，海南的R＆D資源投入規(guī)模相對較小，但是在資源利用上卻表現(xiàn)出一致的高效性。

六、小結(jié)與啟示

為了解決傳統(tǒng)DEA模型沒有考慮松弛量和時(shí)間維度等問題，本文首先構(gòu)建CCA模型和WRM視窗分析模型，并在此基礎(chǔ)上，以不同層面的R＆D投入產(chǎn)出數(shù)據(jù)為樣本，對中國R＆D投入績效進(jìn)行了較為全面的評價(jià)分析。研究結(jié)果表明:(1)R＆D資本存量相對于R＆D人員而言，具有較高的邊際產(chǎn)出彈性，即R＆D資本存量在R＆D創(chuàng)新活動(dòng)中具有核心作用;(2)在R＆D活動(dòng)產(chǎn)出中，R＆D資源對科技論文發(fā)表數(shù)量的產(chǎn)出彈性最大，而對專利申請受理量的產(chǎn)出彈性最小，說明現(xiàn)有的R＆D資源有力地推動(dòng)了中國基礎(chǔ)研究的發(fā)展，但并未有效地促進(jìn)專利成果的快速增長。(3)2004－2008年中國R＆D投入效率均值較低，且表現(xiàn)出一定波動(dòng)后的緩慢下降。具體各省區(qū)而言，R＆D投入效率的演化趨勢則較為多變。(4)考察期內(nèi)中國各省區(qū)間的R＆D投入效率差異呈現(xiàn)出緩慢的擴(kuò)大趨勢，并不存在“收斂”現(xiàn)象。具體每個(gè)省區(qū)而言，不同時(shí)間的R＆D投入效率差異變化也是很大的。(5)從R＆D投入效率水平性和穩(wěn)定性的比較分析看，除了上海、浙江、北京、吉林、湖北、黑龍江、海南、廣東的R＆D活動(dòng)具有高效率和高穩(wěn)定性外，大部分地區(qū)的R＆D活動(dòng)都表現(xiàn)為雙重低下或一高一低。

上述結(jié)論為我們制定相應(yīng)的經(jīng)濟(jì)政策提供一定的指導(dǎo)意義:中國各地區(qū)應(yīng)繼續(xù)加大對R＆D經(jīng)費(fèi)的投入力度，促進(jìn)R＆D活動(dòng)的產(chǎn)出成果，提高R＆D的投入產(chǎn)出效率。在增加R＆D經(jīng)費(fèi)的同時(shí)，也應(yīng)注意R＆D經(jīng)費(fèi)與R＆D人員的合理配置，避免R＆D經(jīng)費(fèi)配置的無效率;在現(xiàn)階段R＆D資源有限的情況下，中國應(yīng)更加注重R＆D投入產(chǎn)出的效率問題，這不僅有利于R＆D資源的有效利用，更有益于社會經(jīng)濟(jì)的持續(xù)、健康發(fā)展;根據(jù)R＆D投入效率水平性和穩(wěn)定性的象限圖，中國各地區(qū)可針對自身所處的位置，實(shí)現(xiàn)不同的效率提升路徑。如，新疆應(yīng)在繼續(xù)保持R＆D投入產(chǎn)出較高效率的同時(shí)，找出R＆D活動(dòng)中的不穩(wěn)定因素，促進(jìn)R＆D資源的持續(xù)、高效轉(zhuǎn)化;江西重點(diǎn)是改善R＆D活動(dòng)的運(yùn)行環(huán)境，打破持續(xù)的低效狀態(tài)，并在此基礎(chǔ)上，調(diào)整和優(yōu)化R＆D資金投入結(jié)構(gòu)，制定良好的激勵(lì)及獎(jiǎng)勵(lì)政策，提高科研人員的積極性，提高R＆D資源轉(zhuǎn)化的數(shù)量和質(zhì)量等。

［1］Zhang Anming，Zhang Yimin，Zhao R.A study of the R＆D efficiency and productivity of Chinese firms［J］.Journal of Comparative Economics，2003，31(3):444 －464.

［2］Wang E C.R＆D efficiency and economic performance:A cross－ country analysis using the stochastic frontier approach［J］.Policy Modeling，2007，29(2):345 －60.

［3］白俊紅，江可申，李婧.中國地區(qū)研發(fā)創(chuàng)新的相對小了與全要素生產(chǎn)率增長分解［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009(3):139－151.

［4］劉和東.中國區(qū)域研發(fā)效率及其影響因素研究——基于隨機(jī)前沿函數(shù)的實(shí)證分析［J］.科學(xué)學(xué)研究，2011(4):548－556.

［5］Korhonen P，Tainio R，Wallenius J.Value efficiency analysis of academic research［J］.European Journal ofOperational Research，2001，130(1):121 －132.

［6］Sena V.Total factor productivity and the spillover hypothesis:Some new evidence［J］.International Journal of Production Economics，2004，92(1):31 －40.

［7］Gaimon C，Morton A.Investment in facility changeover flexibility for early into high － tech markets［J］.Production and Operations Management，2005，14(2):159 －174.

［8］Lee H，Park Y.An international comparison of R＆D efficiency:DEA approach［J］.Asian Journal of Technology Innovation，2005，13(2):207 －222.

［9］Wang E C，Huang W.Relative efficiency of R＆D activities:A cross－country study accounting for environmental factors in the DEA approach［J］.Research Policy，2007，36(2):14－28.

［10］Chen C J，Yeh Q J.A comparative performance evaluation of Taiwan’s high － tech industries［J］.International Journal of Business Performance Management，2006，7(1):16－33.

［11］Lee H，Park Y，Choi H.Comparative evaluation of performance of national R＆D programs with heterogeneous objectives:A DEA approach［J］.European Journal of Operational Research，2009，196(3):847－855.

［12］Guan Jiancheng，Chen Kaihua.Measuring the innovation production process:A cross－region empirical study of China’s high － tech innovations［J］.Technovation，2010，30:348 －358.

［13］Li Yongjun，ChenYao，Liang Liang，et al.DEA models for extended two－ stage network structures［J］.Omega，2012，40(5):611 －618.

［14］Fried H O，Schmidt S S，Yaisawarng S.Incorporating the operating environment into a nonparametric measure of technical efficiency［J］.Journal of Productivity Analysis，1999，12(3):249 –267.

［15］Fare R，Lovell C A K.Measuring the technical efficiency of production［J］.Journal of Economic Theory，1978，19(1):150 －162.

［16］Ruggiero J，Bretschneider S.The weighted Russell measure of technical efficiency［J］.European Journal of Operational Research，1998 ，108(2):438－451.

［17］Charnes A，Clark C T，Cooper W W，et al.A developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the US air forces［J］.Annals of Operation Research，1984，2(1):95 －112.

［18］Charnes A，Cooper W W，Lewin A，et al.Data envelopment analysis:Theory，methodology and applications［M］.Norwell:Kluwer Academic Publishers，1994.

［19］Vinod T.Canonical ridge and econometrics of joint production［J］.Journal of Econometrics，1976，4(2):147－166.

［20］Gyimah－Brempong K，Gyapong A O.Characteristics of education production functions:An application of canonical regression analysis［J］.Economics of Education Review，1991，10(1):7 －17.

［21］Ruggiero J.Efficiency of education production:An analysis of New York school districts［J］.The Review of E－conomics and Statistics，1996，78(3):499 －509.

［22］Ruggiero J.A new approach for technical efficiency estimation in multiple output production ［J］.European Journal of Operational Research，1998，111:369 －380.

［23］Goto A，Suzuki K.R＆D capital，rate of return on R＆D investment and spillover of R＆D in Japanese manufacturing industries［J］.Review of Economics and Statistics，1989 ，71(4):555 －564.

［24］Griliches Z.Patents statistics as economic indicators:A survey［J］.Journal of Economic Literature，1990 ，28(4):1661－1707.

［25］Hall B H，Mairesse J.Exploring the relationship between R＆D and productivity in French manufacturing firms［J］.Journal of Econometrics，1995，65(1):263－293.

［26］朱平芳，徐偉民.政府的科技激勵(lì)政策對大中型工業(yè)企業(yè)R＆D投入及其專利產(chǎn)出的影響——上海市的實(shí)證研究［J］.經(jīng)濟(jì)研究，2003(6):45－53.

［27］Adams J D，Griliches Z.Research productivity in a system of universities［A］.Encaoua D.The economics and econometrics of innovation［M］.Boston:Kluwer Academic Publishers，2000.

［28］Guellec D，van Pottelsberghe de la Potterie B.From R＆D to productivity growth:Do the institutional settings and the source of funds of R＆D matter?［J］.Oxford Bulletin of Economics and Statistics，2004，66(3):353－378.

［29］Mazzoleni R，Nelson R R.The benefits and costs of strong patent protection:A contribution to the current debate［J］.Research Policy，1998，27(3):273 －284.