王 恬，張 娜

（山東財經大學國際經貿學院，山東濟南 250014）

濟南市工業(yè)行業(yè)科技投入產出DEA效率分析

王 恬，張 娜

（山東財經大學國際經貿學院，山東濟南 250014）

衡量科技投入和科技產出的指標眾多，除了考察其投入產出的綜合效率，還需要進一步分析不同指標及指標組合對綜合效率的貢獻。此外，研究不同工業(yè)行業(yè)的科技投入產出效率的分布特征，對相關部門因地制宜，制定適合工業(yè)行業(yè)長遠發(fā)展的科技促進措施有一定的借鑒意義。文章以濟南市工業(yè)行業(yè)為例，運用了數據包絡分析方法（DEA）對其科技投入產出效率進行了全面評價，并通過層次聚類分析，掌握了DEA技術效率在不同工業(yè)行業(yè)中分布特征，且根據研究結果提出了有針對性的措施和建議。

DEA模型；科技投入產出；工業(yè)行業(yè)；層次聚類分析

一、引 言

關于科技的投入產出效率，國內外學者采用了不同的方法進行了廣泛的研究，在各種評價方法中，數據包絡分析（Data Envelopment Analysis，簡稱DEA）是目前主流的研究分析方法。我國已經有許多學者使用DEA方法研究全國或者各省市地區(qū)的科技投入相對效率問題，如孫善俠等［1］利用我國科技投入產出數據，采用DEA方法對我國從事科技研發(fā)的三大主要部門的科技投入產出狀況進行分析，獲得各部門使用科技投入的總體效率和規(guī)模收益情況的相關數據，并對各部門提高科技投入使用效率的途徑提出建議。張前榮［2］運用DEA方法對我國各省域2004－2006年科技投入的總體效率、純技術效率、規(guī)模效率和規(guī)模收益進行實證分析，并在此基礎上利用改進的DEA模型對各省域的效率進行排序，可以為采取相應的政策措施提供依據，以促進各地區(qū)經濟持續(xù)、均衡和協(xié)調發(fā)展。

在國外研究中，Bonaccorsi等［3］深入討論了己經應用于R＆D系統(tǒng)效率評價的生產函數方法與生產前沿面方法，并介紹了基于二者無參數改進方法。Wei Meng等［4］利用DEA分析了我國基礎研究的投入產出效率，研究得到中國1991－1996年基礎研究效率有明顯的提高，并分析了可能的原因。Abramo等［5］利用基于DEA的無參數定量分析方法對意大利高校的研究效率進行了評價研究。

針對山東省科技投入產出效率研究中，代富強等［6］使用DEA方法分析了2002年山東省17地市的R＆D投入產出效率；劉愛琴等［7］利用同樣方法分析了2007年山東省17地市的科技投入相對效率，但基本也是只使用了R＆D科技投入指標。汪洋等［8］是通過分析若干省市的數據，間接分析了山東省科技投入效率。

總之，DEA分析法是眾多學者認可的一種方法，它能有效地評價研究主體的科研效率。但是，針對山東省的相關分析并沒有構建完整的科技投入產出效率的評價體系，且無關于濟南市科技投入產出效率方面的研究。因此，我們將采用此方法，對2011年濟南市21個工業(yè)行業(yè)的科技投入產出相對效率進行實證研究。

二、研究方法——DEA模型

數據包絡分析（DEA）方法是一種線性規(guī)劃模型，通過使用DEA模型可得到相應的生產前沿，以評價具有多輸入和多產出的決策單元（DMU，Decision making units）之間的相對有效性。第一個DEA模型，即CCR模型由Charnes，Cooper和Rhodes（1978）提出，后來Banker，Charnes和Cooper（1984）將CCR模型中規(guī)模收益不變（CRS，Constant returns to scale）的假定，改為規(guī)模收益可變（VRS，Variable returns to scale），從而得出了BCC模型。

此外，DEA模型均有投入導向（Input－oriented）和產出導向（Output－oriented）兩種形式，產出導向DEA模型指給定一定量的投入要素，求產出值最大；投入導向DEA模型則表示在給定產出水平下使投入成本最小，兩個模型是對偶關系。CCR模型和BCC模型的具體區(qū)別如下：

假設對第j個企業(yè)而言，存在N×I的投入矩陣X和M×I的產出矩陣Y包含其所有投入產出數據。對應DEA模型，j表示決策單元，Xij表示第j個決策單元第i個投入，Yrj表示第j個決策單元第r個產出，λj表示第j個決策單元的非負權重。根據Farrell（1957），獲得的θ值就是第j個企業(yè)的績效，滿足θ≤1。如果值為1，就是說明該點位于前沿面上，即為技術有效企業(yè)，針對每個企業(yè)都需要求解一次，最后獲得各個企業(yè)的θ值。

從公式（2）和公式（1）的區(qū)別可以看出，CRS的線性規(guī)劃問題可以很容易地被修改成適應VRS的問題，只需在公式（1）中加入一個凸集限制，即II×1λ＝1。

此外，BCC模型引進了Shephard（1970）距離函數的概念，把綜合技術效率（TE，Technology Efficiency）分解成純技術效率（Pure technology efficiency：PTE）和規(guī)模效率（Scale efficiency：SE），三者之間的關系是：TE＝PTE×SE。BCC模型主要考察純技術效率（PTE），純技術效率反映生產中現有技術利用的有效程度，即在給定投入的情況下單個決策單元獲取最大產出的能力。規(guī)模效率（SE）反映了生產規(guī)模的有效程度，即反映了各決策單元是否是在最合適的投資環(huán)境下進行經營。

綜合上述分析，并考慮現實中，科技產出并不可控，因此，我們將研究目標設定為：在產出既定的情況下，如何通過調整科技投入，達到相對有效。既我們選取了產出導向型的BCC模型，擬應用STATA10．0計量軟件中關于DEA模型的運算程序，來分析2011年濟南市21個工業(yè)行業(yè)的科技投入產出的DEA技術效率。

三、濟南市科技投入產出指標體系的建立

根據《濟南市統(tǒng)計年鑒》中關于“科技”項目的相關描述，選取人力投入、資金投入和物質投入作為投入指標，并在產出指標中又細分為直接產出和間接產出指標（見表1）。人力投入指標采用科技人員構成中博士、碩士和本科學歷的人員數。資金投入指標根據數據完整性和其性質劃分為資金籌集、資金使用1和資金使用2，其中資金籌集采用政府和企業(yè)資金來源數額；資金使用1采用R＆D活動經費內部支出中按照活動類型劃分出來的實驗與發(fā)展經費支出①與“實驗與發(fā)展經費支出”對應的是“應用研究經費支出”，但后者對應各工業(yè)行業(yè)的數值基本為0，因此沒有采用。以及按照活動性質劃分的經常性支出和資本性支出；資金使用2采用了研究發(fā)展經費支出、新產品開發(fā)經費支出和技術改造經費支出。物質投入指標采用的是儀器和設備支出的數據。

產出指標中，直接產出包含了專利申請數、發(fā)明專利申請數、擁有注冊商標數和形成國家或行業(yè)標準數；間接產出僅包含新產品產值一個指標。

表1 濟南市科技投入產出指標體系

四、濟南市工業(yè)行業(yè)科技投入產出DEA技術效率

基于數據的可獲得性，選取了21個工業(yè)行業(yè)的科技數據進行分析。由于可選的科技投入和產出指標較多，使得不同組合的DEA模型結果不盡相同。因此，我們根據實際情況設定為9種不同的DEA模型，并計算出不同模型下對應21個工業(yè)行業(yè)的DEA技術效率（見雷達圖）。并對不同模型中DEA技術效率進行聚類分析，以此探究不同工業(yè)行業(yè)的科技投入產出技術效率的分布特征。

（一）不同DEA模型的技術效率

表2 不同投入產出指標組合的DEA模型

根據表2描述，我們將全部投入和產出指標放在一起的DEA模型稱之為基本模型。3個產出效率模型，分別是：專利產出效率模型、商標和標準產出效率模型及新產品產出效率模型；5個投入效率模型，分別稱之為：人力投入效率模型、資金籌集效率模型、資金使用效率模型1、資金使用效率模型2和物質投入效率模型。

1．產出效率模型的結果

圖1 模型1——模型4的DEA技術效率結果雷達圖

圖1顯示的是產出效率模型的結果，即模型1至模型4的DEA技術效率結果的雷達圖?？梢?，在基本模型中，DEA技術有效的行業(yè)達到17個，技術無效率的行業(yè)分別是印刷業(yè)、有色金屬、電氣機械以及電力和熱力行業(yè)等4個行業(yè)。在專利產出效率模型中，DEA技術有效的行業(yè)僅有9個；在商標和標準產出效率模型中，有效率行業(yè)達到14個；在新產品產出效率模型中有效率行業(yè)又下降到7個。

綜上，可歸納出如下特征：第一，同樣投入條件下，以注冊商標數和形成國家或行業(yè)標準數衡量的DEA技術效率較高，其次是以專利和發(fā)明專利的申請量作為產出指標的技術效率、新產品產值的技術效率最低；第二，由于行業(yè)自身特性不同，決定了不同行業(yè)對不同科技產出的效率不同。如飲料、紡織行業(yè)僅對專利產出無效率；化學原料、通用設備和專用設備行業(yè)僅對新產品產出無效率；交通運輸設備僅對商標和標準產出無效率；醫(yī)藥和塑料僅對商標和標準產出有效率；橡膠、非金屬、金屬、通信和電力、燃力及水行業(yè)對所有產出指標都有效率。

2．投入效率模型的結果

圖2顯示的是投入效率模型的結果，即模型5至模型10的DEA技術效率結果的雷達圖。為了比較，我們仍將基本模型（模型1）放入其中?？梢?，在基本模型中DEA技術有效行業(yè)數量達到17個，人力投入效率模型中DEA技術有效的行業(yè)為12個；資金籌集效率模型中DEA技術有效行業(yè)為13個；資金使用效率模型1中DEA技術有效行業(yè)為14個；資金使用效率模型2中DEA技術有效行業(yè)也為14個；物質投入效率模型中DEA技術有效行業(yè)為12個。

圖2 模型5——模型9的DEA技術效率結果雷達圖

綜上，我們可以歸納出如下特征：第一，按照DEA技術有效的行業(yè)個數以及無效程度從高到低劃分，五個模型的排序分別是：資金使用效率模型1、資金使用效率模型2、資金籌集效率模型、人力投入效率模型和物質投入效率模型。第二，農副產品、食品、印刷、有色金屬、電氣機械和電力、燃力及水等6個行業(yè)在所有投入模型中都DEA技術無效。第三，由于行業(yè)自身特性不同，決定了不同科技投入的產出效率不同。比如，儀器儀表行業(yè)僅在資金使用效率的兩個模型中技術有效；黑色金屬僅在人力投入和資金使用效率2模型中技術無效；電力、熱力行業(yè)僅在物質投入模型中技術無效。

3．不同效率模型的比較

綜合圖1和圖2的所有分析結果，可發(fā)現兩個主要特征：

第一，科技指標分布特征。對所有21個工業(yè)行業(yè)而言，其科技產出三個指標中，商標和標準產出效率最好，專利產出效率較差，新產品產出效率最差；其科技投入四個指標中，資金使用效率較高，資金籌集效率其次，人力投入效率排第三，物資投入效率最差。主要原因：首先，科技產出效率的排序可以反映出，一項專利或發(fā)明專利的申請要比一項商標或標準的申請更為困難，或者說技術含量更高，因此，專利產出效率要比商標和標準產出效率差。而新產品投入生產并產生較高的產出效率需要更長時間的檢驗。因此，在短時間分析中，新產品產出效率最差。其次，由于我們只分析了某一年度的截面數據，沒有考查時間因素的影響。而在短時間內，資金投入對提升科技投入產出效率的作用最明顯，人力投入和物質投入可能要依賴于更長時間的檢驗。

第二，行業(yè)分布特征。一般情況下，科技產出模型低效的行業(yè)，其科技投入模型也低效，如食品、印刷、有色金屬、儀器儀表和電氣機械等5個行業(yè)。比較特殊的兩個行業(yè)是：電力、熱力行業(yè)科技產出模型都無效，但科技投入模型中僅物質投入模型無效，其余4個投入模型都有效；電力、燃氣和水行業(yè)①電力、熱力行業(yè)和電力、燃氣和水行業(yè)的分類采用自《濟南市統(tǒng)計年鑒》中相關描述。根據《中國工業(yè)統(tǒng)計年鑒》中的相關描述和《國民經濟行業(yè)分類GBT 4754－2011》的分類標準理解，這里的電力、燃氣和水行業(yè)應該為燃氣和水行業(yè)。科技產出模型都有效，但科技投入模型中僅物質投入模型有效，其余4個投入模型都無效。產生這種現象的原因可能是：首先，這兩個行業(yè)都屬于壟斷性行業(yè)，電力、熱力行業(yè)每年都需要大量的基礎設施的建設和研發(fā)投入，但短時間內科技產出效率較低；而電力、燃氣和水行業(yè)，基礎設施投入一定，只涉及每年的維護費用的支出，因此，相對而言，雖然該行業(yè)的科技產出短期有效，但科技投入明顯不足，不利于長期發(fā)展。

（二）DEA技術效率的聚類分析

上述研究表明，21個工業(yè)行業(yè)對不同的科技投入產出模型的DEA效率差異較大。因此，我們試圖通過聚類分析，進一步掌握其行業(yè)分布特征。聚類分析是通過采用SPSS18．0軟件中相關功能實現的。

首先，對表2中不同指標組合模型下的效率值進行皮爾遜相關系數測定②由于篇幅所限，具體結果省略，感興趣讀者可向作者索取。。經過相關分析后，發(fā)現9個模型中，雖然資本籌集和資本使用效率模型相關系數較高，但所有模型都呈現低相關性。因此，接下來，我們仍選取9個模型產出組合模型的效率值作為層次聚類（Hierarchical Clustering）分析變量。

圖3 聚類過程的系統(tǒng)樹狀圖

圖3是聚類過程的系統(tǒng)樹狀圖，根據分析結果，我們將2011年濟南市21個工業(yè)行業(yè)的科技投入產出活動的效率特征分為五大類，并總結在表3中，分別是：科技投入有效、科技產出無效型；科技投入無效、科技產出有效型；科技投入無效、科技產出低效型；科技投入低效、科技產出低效型；科技投入和科技產出都有效型。

（1）科技投入有效、科技產出無效型。這個類型僅包含了電力、熱力一個行業(yè)。其特征是在所有組合的科技投入指標中DEA技術效率都有效，但是在所有組合的科技產出指標中DEA技術效率都無效。

（2）科技投入無效、科技產出有效型。這個類型僅包含了電力、燃力和水一個行業(yè)。其特征是在所有組合的科技產出指標中DEA技術效率都較突出，但是在所有組合的科技投入指標中DEA技術效率表現欠佳。

（3）科技投入無效、科技產出低效型。這個類型僅包含了農副食品一個行業(yè)。其特征是在所有組合的科技投入指標中DEA技術效率都無效，在所有組合的科技產出指標中DEA技術效率都較差。

（4）科技投入低效、科技產出低效型。這個類型包含了食品、儀器儀表、印刷業(yè)、有色金屬和電氣機械等5個行業(yè)。其特征是在所有組合的科技投入和產出指標中DEA技術效率都較差。

（5）科技投入和產出都有效型。這個類型包含了剩余的13個行業(yè)。其特征是在所有組合的科技投入和科技產出指標中DEA技術效率都有效。

綜上，我們發(fā)現，聚類分析的結果與前面DEA技術效率分析的結果基本一致。

表3 DEA技術效率的聚類結果

五、結論及建議

通過對濟南市21個工業(yè)行業(yè)DEA技術效率的深入分析，我們發(fā)現：

在不同產出指標組合的模型中，大部分行業(yè)的商標和標準產出效率較高，但是專利和發(fā)明的產出效率較低，新產品的產出效率最低。這一方面與DEA模型只能分析截面數據有關，但另一方面也說明，大部分行業(yè)的在科技活動中仍存在急功近利，只關注短期成果的行為，這對科技活動的長期發(fā)展以及企業(yè)自身的長遠規(guī)劃都會產生不利影響。因此，政府及相關部門可以制定鼓勵和保障企業(yè)的長期科研投入的措施，關注科技成果的原始創(chuàng)新和成果的后期轉化，比如，減免相關科研活動的稅費；協(xié)調相關科技項目的信貸支持；幫助相關科研人員的引進和安置；獎勵相關科技成果，以及考核和監(jiān)管相關科技活動過程的等等。

在不同投入指標組合的模型中，大部分行業(yè)的資金籌集和使用效率較高，但科研人員的投入效率較低，物質投入的效率最低。因此政府及相關部門可以創(chuàng)建創(chuàng)新人才的激勵機制，制定各種人才資助政策，也可以在高校設立與科技產業(yè)相關的專業(yè)學科，實現訂單培養(yǎng)；調整工業(yè)企業(yè)科研人員的結構，提高新產品開發(fā)＂設計人員的比例；結合人才計劃的實施，以工業(yè)科研項目帶動工業(yè)科技人才的培養(yǎng)。

此外，由于行業(yè)自身特征決定了其科技活動的特殊性，因此，相關部門應該因地制宜，制定適合行業(yè)發(fā)展的科技促進措施。具體而言：

第一，針對壟斷性行業(yè)如電力、熱力及電力、燃氣和水兩個行業(yè)，要根據其生產周期長和高耗能高污染的特征，制定合適的科技衡量指標，有必要將有關環(huán)保和節(jié)能降耗的研發(fā)投入產出納入考核體系。

第二，針對科技投入或科技產出效率都較低的行業(yè)，如農副食品、食品、儀器儀表、印刷業(yè)、有色金屬和電氣機械等6個行業(yè)，多數是勞動密集型行業(yè)，因此要注重調整其科技投入和科技產出的搭配比例，優(yōu)化科研資金支出比例，優(yōu)化科研人員的組成比例，做到物盡其用，人盡其才。

第三，針對科技投入或產出效率都較高的行業(yè)，應在加大科技投入的同時，更加關注科技投入更快更多地轉化為現實生產力，加快形成科技產業(yè)化。

［1］孫善俠，范純增，史清華．我國科技投入產出效率的測度與評價［J］．上海管理科學，2008（1）：65－68．

［2］張前榮．我國省域科技投入產出效率的實證分析［J］．南京師大學報（社會科學版），2009（1）：59－63．

［3］ANDREA B C．Handbook of Quantitative Science and Technology Research：The Use of Publication and Patent Statistics in Studies of S＆T Systems［M］．Kluwer Academic Publishers，2004：51－74．

［4］MENGW，HU Z H，LIUW B．Efficiency Evaluation of Basic Research In China［J］．Scientometrics，2006，69（1）：85－101．

［5］GIOVANNIA，CIRIACOANDREAD，FABIO P．The Measurement of Italian Universities’Research Productivity By A Non－Parametric－Bibliometric Methodology［J］．Scientometrics，2008，76（2）：225－244．

［6］代富強，李新運．山東省R＆D投入產出效率的區(qū)域差異研究［J］．海南師范學院學報（自然科學版），2005（2）：180－784．

［7］劉愛琴，張偉．區(qū)域技術創(chuàng)新效率的測度與評價——基于山東省的實證研究［J］．山東財政學院學報，2008（6）：51－55．

［8］汪洋，張偉．山東省區(qū)域創(chuàng)新系統(tǒng)的實證分析［J］．山東行政學院山東省經濟管理干部學院學報，2006（6）：46－48．

［9］CHARNESA，COOPERW W，Rhode E．Measuring the Efficiency of Decision Making Units［J］．European Journal of Operational Research，1978（2）：429－444．

［10］BANKER R D，CHARNESA，COOPERW W．Some Model for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］．Management Science，1984（9）：1078－1092．

［11］FARRELLM J．The Measurementof Productive Efficiency［J］．Journalof the Royal Statistical Society，Series A，1957，120：253－281．

［12］SHEPHARD RW．Theory of Cost and Production Functions［M］．Princeton：Princeton University Press，1970．

［13］魏權齡．數據包絡分析［M］．北京：科學出版社，2004．

DEA Efficiency Analysis of Jinan Industrial Science and Technology Input-Output

WANG Tian，ZHANG Na
（School of International Trade，Shandong University of Finance and Economics，Jinan 250014，China）

Though the indexes tomeasure science and technology input-output are numerous，it is necessary to analyze，in addition to comprehensive efficiency，the contribution that different indexes and index groupsmake to comprehensive efficiency．Moreover，the study of distribution characteristics of science and technology input-output efficiency in different industrial sectors has certain reference significance tomaking science and technology promoting measures suitable for long-term industrial development．This paper，based on Jinan industries and by adopting data envelopment analysis（DEA），makes an overall evaluation of science and technology input-output efficiency，gets distribution characteristics of DEA technical efficiency in different industrial sectors through hierarchical cluster analysis，and proposes targeted measures and suggestions based on these study results．

DEA Model；science and technology input-output；industrial sector；hierarchical cluster analysis

F427

A

1008－2670（2014）05－0065－08

（責任編輯 時明芝）

2014－05－07

濟南市科技計劃資助項目“濟南市工業(yè)行業(yè)科技投入產出相對效率的評價——基于DEA方法的研究”（201202271）。

王恬，女，山東泰安人，經濟學博士，山東財經大學國際經貿學院副教授，研究方向：國際宏觀經濟學；張娜，女，山東聊城人，山東財經大學碩士生，研究方向：國際經濟學。