□馮 鋒 燕會雷 [中國科學(xué)技術(shù)大學(xué) 合肥 230026]

引言

高技術(shù)產(chǎn)業(yè)對我國經(jīng)濟發(fā)展起著非常重要的作用，為了爭取在激烈的市場競爭中占據(jù)有利地位，各省市都加大了對高技術(shù)產(chǎn)業(yè)的科技投入?？萍紕?chuàng)新在促進經(jīng)濟的發(fā)展中占據(jù)著主導(dǎo)地位[1]，企業(yè)自身競爭力的高低不僅取決于科技投入的多少，更取決于其效率的高低[2]。因此本文對我國各省市高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率的研究就顯得具有較強的現(xiàn)實意義。

目前，對科技投入產(chǎn)出效率的研究方法主要包括數(shù)據(jù)包絡(luò)分析、相關(guān)指標法等。由于數(shù)據(jù)包絡(luò)分析方法能夠?qū)萍纪度氲亩鄠€指標進行衡量，因而應(yīng)用最為廣泛，如用于資源城市發(fā)展效率等[3]。通過使用DEA方法對我國區(qū)域R&D投入產(chǎn)出水平進行研究，謝建國發(fā)現(xiàn)我國30個省市的科技投入產(chǎn)出的技術(shù)有效性較高，而經(jīng)濟有效性偏低[4]；基于阿爾蒙法的滯后期模型,胡振華、劉篤池從科技投入規(guī)模和投入產(chǎn)出效率出發(fā)，對我國30 個省市1996～2006年的科技投入進行研究[5]；劉民婷、孫衛(wèi)運用DEA方法對陜西省的產(chǎn)學(xué)研合作效率進行了實證分析，得出行業(yè)的不規(guī)模和對科技投入產(chǎn)出效率的不重視是導(dǎo)致陜西省制造業(yè)產(chǎn)學(xué)研合作效率不高的主要原因[6]；以DEA方法為基礎(chǔ)，章仁俊、王俊峰對我國1992～2007年的36個工業(yè)企業(yè)自主創(chuàng)新效率進行了研究分析，得出二次創(chuàng)新效率是自主創(chuàng)新效率的主要原動力[7]。

本文以高技術(shù)產(chǎn)業(yè)的科技投入產(chǎn)出作為研究對象。OECD認為高技術(shù)產(chǎn)業(yè)的生產(chǎn)包括技術(shù)研發(fā)、改造以及應(yīng)用等過程，從投入到產(chǎn)出中間需要經(jīng)歷一系列過程，故成果的應(yīng)用具有一定的時間滯后性[8]。高技術(shù)產(chǎn)業(yè)的投入產(chǎn)出分為技術(shù)產(chǎn)出和技術(shù)轉(zhuǎn)化兩個階段，考慮到投入產(chǎn)出的轉(zhuǎn)化時滯，根據(jù)龐瑞芝[9]等的實證研究，本文把階段時間的滯后性作一年處理。因此，高技術(shù)產(chǎn)業(yè)的科技投入產(chǎn)出分為技術(shù)生產(chǎn)和技術(shù)改造與應(yīng)用兩個階段。考慮到投入產(chǎn)出的滯后性，本文通過兩階段模型對我國28省市的高技術(shù)產(chǎn)業(yè)的2008、2009、2010年的科技投入產(chǎn)出數(shù)據(jù)進行效率研究。

一、研究方法概述

（一）灰色關(guān)聯(lián)度分析概述

灰色關(guān)聯(lián)度通過因子間的影響程度或各因子對目標值的貢獻測度來尋求系統(tǒng)中各子系統(tǒng)(或因素)與目標值之間的關(guān)系，灰色關(guān)聯(lián)度越大說明子因素對目標值的貢獻就越大，反之越小。具體計算如下：

假設(shè)原始數(shù)列為M0(x)={m0(1),m0(2),...,m0(q)}，比較數(shù)列為Ni(x)={ni(1),ni(2),...,ni(q)}，i=1,2,...,u，x=1,2,...,q。其中u表示比較列個數(shù)，n為樣本數(shù)；則M0(x)與Ni(x)之間的關(guān)聯(lián)系數(shù)為：

上式中，λ為系數(shù)（0＜λ＜1），分辨系數(shù)根據(jù)本文研究需要，定為0.5。

綜上，則有M0和Ni之間的關(guān)聯(lián)度為：

（二）鏈式DEA模型的建立

A .Charnes,W.W.Cooper和E.Rhodes于1978年提出了數(shù)據(jù)包絡(luò)分析( Data Envelopment Analysis,簡稱DEA)[10]，該方法可以被廣泛應(yīng)用于評價一組同質(zhì)的決策單元之間的相對效率[11]。傳統(tǒng)的DEA得不出生產(chǎn)過程的中間階段的效率及各階段對生產(chǎn)過程的整體效率的影響情況，而鏈式網(wǎng)絡(luò)DEA模型不僅可以決策單元的整體有效性，也可以評價決策單元各階段的有效性，找出問題的癥結(jié)[12]。

本文運用的DEA模型是兩階段系統(tǒng)模型，如下圖1所示。下圖中N1是子決策單元Q的輸入向量，N1∈ENQ；M1不僅是子決策單元S的輸入向量，同時也是子決策單元Q的輸出向量，稱其為中間向量，M1∈EQS；在二階段中N2是子決策單元S的輸入向量，I2∈ENS；M2是子決策單元S的輸出變量，M2∈EMS。在該鏈式系統(tǒng)中，假設(shè)各個子決策單元在各自的生產(chǎn)前沿面上都有錐性投影，因此可以利用C2R模型對每個子決策單元的效率進行評價。在該模型中，只考慮決策單元等產(chǎn)出前沿面上的錐性投入投影；則子決策單元Q和S的兩個虛擬子決策單元（或稱投影）就構(gòu)成一個虛擬的鏈式模型系統(tǒng)。

圖1 系統(tǒng)鏈式DEA系統(tǒng)模型

綜上所述，子決策單元Q的投影是輸入盡可能小但是中間向量保持不變，而子決策單元S的投影則是輸出盡可能大而且中間向量不變，其中中間向量均保持變化。因此鏈式系統(tǒng)模型生產(chǎn)可能集是由所有實際的和虛擬的鏈式系統(tǒng)所組成，記作Y，則Y的表達式為：

上式中，H表示決策單元數(shù)，投入或產(chǎn)出的乘數(shù)用β表示，C2R效率值用θ表示。在可能集Y下，鏈式系統(tǒng)模型的效率可用如下線性規(guī)劃問題表示：

其中α0為目標函數(shù)值，st為約束條件，B和K分別表示投入和產(chǎn)出權(quán)重[13]。

（三）檢驗?zāi)Ｐ偷慕?/h3>

本文采用單一因子回歸建模，將整體效率作為因變量，證以上結(jié)論即兩階段的協(xié)同創(chuàng)新對創(chuàng)新效率具有正向作用。建模如下：

其中，Kit表示i各省市t年的創(chuàng)新效率水平，cλvit表示i省市t年的科技創(chuàng)新系統(tǒng)中兩子系統(tǒng)的協(xié)同創(chuàng)新水平，ait、bit為待估參數(shù)，ξit為隨機誤差項。

兩子系統(tǒng)的協(xié)同創(chuàng)新水平表示二者協(xié)同創(chuàng)新的擬合度，二者擬合度越高表示二者的協(xié)同創(chuàng)新水平越高。本文將通過協(xié)同模型來檢測兩子系統(tǒng)的協(xié)同創(chuàng)新的擬合度，各省市創(chuàng)新系統(tǒng)中的協(xié)同創(chuàng)新水平可以用其相對離差cλv表示。其表達式如下：

其中，M1和M2分別表示兩子系統(tǒng)的創(chuàng)新水平，n為分辨系數(shù)，且n≥2，0≤vCλ≤1。

二、段科技投入產(chǎn)出鏈模型建構(gòu)和指標 遴選

在科技投入產(chǎn)出兩階段鏈中，企業(yè)的研發(fā)機構(gòu)是科學(xué)技術(shù)生產(chǎn)的主要機構(gòu)，而申請的專利和新產(chǎn)品項目數(shù)是第一階段的產(chǎn)出，企業(yè)的專利、新產(chǎn)品項目數(shù)和技術(shù)的消化和吸收等則是技術(shù)的改造與應(yīng)用階段的投入，新產(chǎn)品產(chǎn)值和銷售收入則是最終 產(chǎn)出。

圖2 兩階段鏈科技投入產(chǎn)出模型

如圖2，技術(shù)生產(chǎn)屬于第一階段，技術(shù)改造與應(yīng)用屬于第二階段。在第二階段，企業(yè)不但吸收第一階段的科技成果作為自身的投入，同時，也會相應(yīng)投入資源。最終產(chǎn)出為新產(chǎn)品產(chǎn)值和新產(chǎn)品銷售收入。上述模型中，共包括科技投入、科技成果產(chǎn)出、科技應(yīng)用投入和生產(chǎn)產(chǎn)出等四個指標。本文根據(jù)已有研究[14～16]際情況對各個指標進行了細化，形成了可衡量且符合實際的指標體系。其中：

科技投入指標包括企業(yè)科學(xué)家與工程師（人）、R&D人員折合全時當量（人年）、科技活動經(jīng)費內(nèi)部支出（萬元）、R&D經(jīng)費內(nèi)部支出額（萬元）等4個細化指標。

科技成果產(chǎn)出指標包括專利授權(quán)數(shù)（個）、新產(chǎn)品項目數(shù)等2個細化指標。

科技應(yīng)用投入指標包括專利授權(quán)數(shù)、新產(chǎn)品項目數(shù)、技術(shù)吸收消化費用（萬元）、技術(shù)應(yīng)用和改造經(jīng)費（萬元）、新產(chǎn)品開發(fā)經(jīng)費支出（萬元）等5個細化指標。

產(chǎn)業(yè)產(chǎn)出指標包括新產(chǎn)品銷售收入、新產(chǎn)品總產(chǎn)值等2個細化指標。

綜上，把科技投入、科技成果產(chǎn)出和科技應(yīng)用投入、生產(chǎn)產(chǎn)出的數(shù)據(jù)分別使用第t年、第t+1年、第t+2年的數(shù)據(jù)。具體而言，科技投入指標采用2008年的數(shù)據(jù)，科技成果產(chǎn)出和科技應(yīng)用投入指標采用2009年的數(shù)據(jù)，而最終產(chǎn)出數(shù)據(jù)則采用2010年的數(shù)據(jù)。本文選取我國28個省市（新疆、西藏和青海部分數(shù)據(jù)缺失）的高技術(shù)產(chǎn)業(yè)作為決策單元，數(shù)據(jù)均來源于《中國科技統(tǒng)計年鑒》和科技部網(wǎng)站等。

三、實證分析

（一）科技投入要素與產(chǎn)出結(jié)果的灰色關(guān)聯(lián)度分析

分別用w1、w2、w3、w4、w5、w6、w7、w8、w9表示第t年各省市高技術(shù)產(chǎn)業(yè)投入的科學(xué)家與工程師（人）、R&D人員折合全時當量（人年）、R&D經(jīng)費內(nèi)部支出額（萬元）、科技活動經(jīng)費內(nèi)部支出（萬元）和第t+1年的投入的新產(chǎn)品開發(fā)經(jīng)費支出（萬元）、專利授權(quán)數(shù)、新產(chǎn)品項目數(shù)、技術(shù)吸收消化費用（萬元）、技術(shù)應(yīng)用和改造經(jīng)費（萬元）等，各要素前一年的投入與第二年的產(chǎn)出灰色關(guān)聯(lián)度的計算結(jié)果如下表：

表1 第一階段投入產(chǎn)出的灰色關(guān)聯(lián)度

表2 第二階段投入產(chǎn)出的灰色關(guān)聯(lián)度

從表1和表2的灰色關(guān)聯(lián)度中可以看出，本文對于階段鏈所選取的投入產(chǎn)出指標之間有著非常高的關(guān)聯(lián)度，因此，可以用鏈式DEA模型進行測算各省市的分階段和整體階段效率。

（二）數(shù)據(jù)處理結(jié)果

基于上面所示的鏈式網(wǎng)絡(luò)DEA系統(tǒng)模型的特征，本文在對我國28個省市的的科技投入產(chǎn)出兩階段效率進行分析時借助Matlab軟件，對兩個分階段效率的計算使用了C2R進行計算，結(jié)果如表3所示。

為了便于比較各省市各個階段和綜合效率，把我國28省市的分階段效率和兩階段綜合效率繪制在企業(yè)-效率圖中，可以直觀地看到各階段的效率走勢圖，如圖3所示。

表3 各省市兩階段科技投入產(chǎn)出鏈效率

圖3 我國各各省市投入產(chǎn)出效率圖

（三）模型檢驗分析

借助上面模型對各省市的科技投入產(chǎn)出階段效率和整體效率協(xié)同創(chuàng)新水平進行測算。采用包含單位根的截面加權(quán)估計法（CSW）對模型進行估計。模型回歸結(jié)果詳見下表。

表4 模型回歸結(jié)果

從表4中看出，在0.05的顯著水平下，回歸系數(shù)b通過了顯著性檢驗。因此兩子系統(tǒng)的協(xié)同創(chuàng)新水平對整體科技創(chuàng)新系統(tǒng)效率具有明顯的正向影響。

（四）數(shù)據(jù)處理結(jié)果分析

從以上表格和圖形中我們可以看出在綜合階段上，我國各省市效率有著很大差別。其中天津、廣東、北京的綜合階段效率最高，其值為1；而寧夏和內(nèi)蒙古效率也較高，其值為都在0.8以上。綜合階段效率在0.5以上的，有福建、上海和江蘇等8省市，而江西等省市效率都在0.5以下；其中黑龍江和海南整體效率最差，其值不足0.01。

在我國28省市高技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率中，各階段的產(chǎn)出效率也有著很大差別。在一階段產(chǎn)出效率中，天津、廣東、寧夏等的效率最優(yōu)，其值均在0.8以上；一階段效率值在0.6以上的有山西、海南等7省市，其中海南省一階段的效率更是高達1；一階段效率值在0.6以下的有重慶、陜西等省市，其中江西效率最低。在二階段產(chǎn)出效率中，廣東、北京、等省市效率最優(yōu)，其值為1；效率值在0.8以上的有寧夏、江蘇等4省市；效率值在0.6以上的有重慶、江西等，其余的二階段效率則在0.6以下，而海南的效率最低。

（五）相似性分析

為了找出投入產(chǎn)出規(guī)律以提高各省市投入產(chǎn)出水平，本文使用SPSS統(tǒng)計軟件運用聚類分析的方法對各省市兩階段科技投入產(chǎn)出鏈的效率進行相似性研究，聚類結(jié)果如圖4所示。

從圖4中不難看出，根據(jù)投入產(chǎn)修護效率把我國的28個省市分為四類。第一類為廣東、上海和福建等，這些省市兩階段和綜合階段效率很優(yōu)，稱之為效率兼優(yōu)型??；第二類為云南、河北和廣西等，這些省份在技術(shù)生產(chǎn)階段效率較優(yōu)，而技術(shù)轉(zhuǎn)化為生產(chǎn)能力的效率較低，稱之為技術(shù)生產(chǎn)效率偏優(yōu)型省市；第三類為重慶、江蘇和江西等省市，這些省市將技術(shù)轉(zhuǎn)化為生產(chǎn)力的效率較高，但科學(xué)技術(shù)的生產(chǎn)階段效率不高，稱之為技術(shù)的改造與應(yīng)用效率偏優(yōu)型企業(yè)；第四類為甘肅、遼寧、黑龍江等省市，這類省市科學(xué)技術(shù)的生產(chǎn)與應(yīng)用階段的效率都不高，導(dǎo)致整體效率也不高，稱之為效率兼劣型省。

圖4 各省市效率相似性分析

（六）效率圖譜分析

根據(jù)以上的聚類分析，本文繪制出了我國各省市高技術(shù)產(chǎn)業(yè)投入產(chǎn)出的效率圖譜，如圖5所示，這樣更能清楚地看出我國各省市高技術(shù)產(chǎn)業(yè)一階段、二階段和綜合階段效率的分布情況，便于我國在制定政策時從宏觀上進行把握。

圖5 各省市科技投入產(chǎn)出效率圖譜

四、結(jié)論及建議

本文通過鏈式DEA系統(tǒng)模型對我國28省市進行了科技投入產(chǎn)出的分階段和整體效率研究，并把其分為四類，即效率兼優(yōu)型省市、技術(shù)生產(chǎn)偏優(yōu)型省市、技術(shù)改造與應(yīng)用偏優(yōu)型省市和效率兼劣型省市四類。

根據(jù)以上結(jié)論，提出以下建議：

1．各省市在進行科技投入時，不能忽視各個靶階段的效率，應(yīng)充分把握投入產(chǎn)出的階段性特點，重點針對效率改進的靶階段，做到有的放矢，努力提高靶階段的效率。在技術(shù)生產(chǎn)方面效率不高的省市如重慶、山東等，應(yīng)加大對基礎(chǔ)技術(shù)生產(chǎn)的投入。對于湖南、河北和廣西等技術(shù)的改造與應(yīng)用階段效率不高的省份，要加大對技術(shù)的改造，努力提高技術(shù)轉(zhuǎn)化為實際生產(chǎn)力的能力。對于效率兼劣型的省市如甘肅、陜西等，兩子階段的效率都要提高，才能提高整體階段的效率。

2．中央政府在對各地區(qū)進行財政撥款和制定各種優(yōu)惠政策時，要有目的性的政策傾斜，根據(jù)不同類型的地區(qū)有所側(cè)重，以提高不同省市的不同階段的效率；同時國家可以根據(jù)我國八大區(qū)域的劃分，有針對性地設(shè)立高技術(shù)產(chǎn)業(yè)區(qū)，使之有利于從整體上提高各階段的效率。

總之，本文把灰色關(guān)聯(lián)度、鏈式DEA模型和單因子回歸模型結(jié)合起來，對我國高技術(shù)產(chǎn)業(yè)進行研究，為今后研究區(qū)域科技投入產(chǎn)出效率提供了獨特的視角。由于鏈式DEA模型的方法有著一定的局限性，只注重數(shù)據(jù)而忽視了各省市經(jīng)濟的發(fā)展水平等。因此，在以后的研究中，可以與地區(qū)的經(jīng)濟發(fā)展水平相結(jié)合，使其更加具有理論和現(xiàn)實意義。

[1]GRILICHES Z.Productivity,R&D,and basic research at the firm level in the 1970,s[J].American Economic Review,1986(1):141-154.

[2]呂喜英.基于DEA的我國科技投入產(chǎn)出二次績效評價[J].廣西財經(jīng)學(xué)院學(xué)報，2009,22(3):47-52.

[3]傅利平,王中亞.基于DEA模型的資源型城市經(jīng)濟發(fā)展效率實證研究[J].電子科技大學(xué)學(xué)報，2010(6):20-23.

[4]謝建國，周露昭.中國區(qū)域技術(shù)創(chuàng)新績效——一個基于DEA的兩階段研究[J].學(xué)習(xí)與實踐,2007(6):29-34.

[5]胡振華,劉篤池.我國區(qū)域科技投入促進經(jīng)濟增長績效評價[J].中國軟科學(xué),2009(8):94-97.

[6]劉民婷,孫衛(wèi).基于DEA方法的產(chǎn)學(xué)研合作效率評價研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2011,32(03):12-15.

[7]章仁俊,王俊峰.中國工業(yè)企業(yè)自主創(chuàng)新效率評價：基于DEA 方法的研究[J].中國科技論壇，2010(05):52-56.

[8]陳愛國,魏曉平.技術(shù)產(chǎn)業(yè)科技活動效率：基于CCA-DEA的分析[J].科技進步與對策,2010,27(24):113-115.

[9]龐瑞芝,李鵬.中國工業(yè)創(chuàng)新：過程、效率與模式[J].產(chǎn)業(yè)經(jīng)濟研究,2011(02):3-4.

[10]CHARNES A,COOPER W W,RHODES E.Measu ring the efficiency of decision making uni ts [J].European Journal of Operat ion al Res earch,1978,2(6) :429-444.

[11]魏權(quán)齡.評價相對有效性的DEA方法[M].北京:中國人民大學(xué)出版社,1988.

[12]魏權(quán)齡,龐立永.鏈式網(wǎng)絡(luò)DEA 模型[J].數(shù)學(xué)的實踐與認識,2010,40(01):213-215.

[13]楊鋒,翟篤俊,樑梁,畢功兵.兩階段鏈系統(tǒng)生產(chǎn)可能集與DEA評價模型[J].系統(tǒng)工程學(xué)報,2010,25(3):401-406.

[14]梅橋.基于DEA的科技投入產(chǎn)出分析與政策研究——以我國東部11省市為例[D].合肥:安徽大學(xué),2010.

[15]邵一兵,孫熠.兩階段DEA模型在可持續(xù)發(fā)展評價中的應(yīng)用[J].技術(shù)經(jīng)濟與管理研究,2006,60:35-36.

[16]謝友才,張紅輝.區(qū)域科技投入產(chǎn)出效率的DEA視窗分析[J].研究與發(fā)展管理,2007,19(3):85-92.