許薇

摘 要：企業(yè)作為社會經(jīng)濟發(fā)展不可缺少的一部分，其經(jīng)濟利益與社會效益密切關(guān)系著社會經(jīng)濟的發(fā)展，創(chuàng)新績效的評價更是幫助企業(yè)提高核心競爭力的重要手段。目前國內(nèi)眾多學(xué)者對創(chuàng)新績效的評價方法開展了許多探索和討論，主要分為參數(shù)法與非參數(shù)法，但這兩種方法各有利弊，在實際運用過程中各有所不足。本文將梳理國內(nèi)外企業(yè)創(chuàng)新績效評價方法方面的文獻，簡要介紹兩種方法的產(chǎn)生演變過程，并列出常見的模型，最后比較評價兩種方法的優(yōu)劣。

關(guān)鍵詞：創(chuàng)新績效;數(shù)據(jù)包絡(luò)分析;隨機前沿分析

引言：“創(chuàng)新是引領(lǐng)發(fā)展的第一動力，是建設(shè)現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐。”這是2017年10月在黨的十九大報告中所提及的，它對于加快建設(shè)創(chuàng)新型國家提出了要求。如今創(chuàng)新直接推動了經(jīng)濟與社會的發(fā)展，是建立創(chuàng)新型國家的戰(zhàn)略選擇。我國開展經(jīng)濟建設(shè)的“靈魂”是創(chuàng)新，而企業(yè)作為中國科技創(chuàng)新的主力軍，在一國科技進步中占據(jù)著不可忽視的地位。創(chuàng)新績效是企業(yè)技術(shù)創(chuàng)新能力的重要表征，是影響企業(yè)核心競爭力的重要因素。增強企業(yè)的自主創(chuàng)新能力，提高企業(yè)的創(chuàng)新績效，加快形成一批具有核心競爭力的創(chuàng)新企業(yè)，進而能大大地推動我國經(jīng)濟增長方式的轉(zhuǎn)變與國際競爭力的提升。因此，如何對企業(yè)創(chuàng)新績效進行有效的評價，進而為中國的創(chuàng)新能力評價提供科學(xué)合理的支撐，是值得研究者探討的重要議題。本文將對創(chuàng)新績效評價體系進行梳理、分類，并分析其在實際運用中的優(yōu)劣。

一、文獻回顧

鑒于創(chuàng)新績效的重要性，國內(nèi)外學(xué)術(shù)界對其開展了許多有益的探索和討論，其中方法、理論和應(yīng)用成果層出不窮。下文將梳理回顧創(chuàng)新績效的評價方法，主要有兩大類：非參數(shù)方法和參數(shù)方法。前者的主要代表為隨機前沿分析（Stochastic Frontier Analysis，下文簡稱SFA），后者的主要代表為數(shù)據(jù)包絡(luò)分析（Data Envelope Analysis，下文簡稱DEA）。

非參數(shù)方法的代表性研究包括：朱學(xué)冬和陳雅蘭（2010）基于創(chuàng)新型企業(yè)創(chuàng)新績效影響因素，構(gòu)建了創(chuàng)新型企業(yè)創(chuàng)新績效評價指標體系，并以福建省創(chuàng)新型企業(yè)為例，運用DEA方法根據(jù)2006-2008年福建省創(chuàng)新型企業(yè)的相關(guān)數(shù)據(jù)，對其創(chuàng)新績效進行了評價和分析;張梅（2013）運用DEA分析方法，考察了65家高新技術(shù)上市公司的創(chuàng)新績效，并利用Tobit模型探討了高新企業(yè)創(chuàng)新績效的影響因素;白俊紅和蔣伏心（2015）首先運用DEA方法評測了區(qū)域創(chuàng)新績效，并以此為依據(jù)，通過空間計量模型，對影響區(qū)域創(chuàng)新績效的因素進行研究，結(jié)果顯示政府科技資助等對區(qū)域創(chuàng)新績效具有顯著的影響;茶洪旺和蔡高樓（2017）選取2015年32家大數(shù)據(jù)企業(yè)數(shù)據(jù)，運用DEA方法對大數(shù)據(jù)企業(yè)創(chuàng)新績效進行了實證分析，發(fā)現(xiàn)中國大數(shù)據(jù)企業(yè)創(chuàng)新績效整體水平低。

參數(shù)方法始于Aigner et al.（1977）、Meeusen and Broeck（1977）、Battese and Corra（1977）等提出的隨機前沿分析（Stochastic Frontier Analysis，SFA）。代表性研究包括：徐盈之、朱依曦（2009）利用1998-2005中國制造業(yè)各行業(yè)的相關(guān)數(shù)據(jù)，采用SFA對全要素生產(chǎn)率進行測算，全面分析制造業(yè)整體的TEP變動率、技術(shù)進步率以及技術(shù)效率及其變動率的趨勢;林佳顯等（2010）采用隨機前沿模型理論與空間經(jīng)濟計量分析方法的結(jié)合，運用不同的參數(shù)估計方法，針對各種模型估計出技術(shù)效率;戴卓、代紅梅（2012）以2003年-2008年中國工業(yè)37個細分行業(yè)大中型企業(yè)的面板數(shù)據(jù)為基礎(chǔ)，運用隨機前沿模型，對影響創(chuàng)新效率的因素進行了探討。

二、創(chuàng)新績效評價方法

生產(chǎn)前沿分析方法的產(chǎn)生源自于經(jīng)濟學(xué)中對測量技術(shù)效率的需要。我們可以把技術(shù)效率理解為生產(chǎn)可能性邊界，即在技術(shù)條件一定的情況下，生產(chǎn)者獲得最大產(chǎn)出的能力。若最大產(chǎn)出越接近邊界，則其生產(chǎn)越有效。因此，技術(shù)效率的測定在經(jīng)濟與管理領(lǐng)域中具有非常重要的意義。通常，我們用生產(chǎn)函數(shù)來表示生產(chǎn)前沿分析方法，并根據(jù)生產(chǎn)函數(shù)具體形式是否已知將其分為參數(shù)方法和非參數(shù)方法。參數(shù)方法以隨機前沿分析為代表，非參數(shù)方法以數(shù)據(jù)包絡(luò)分析為代表。

1.隨機前沿分析（SFA）

Aigner et al（1977），Meeusen and Broeck（1977），Battese and Corra（1977）分別獨立提出了隨機前沿模型（Stochastic Frontier Analysis， SFA）。之后，國外許多學(xué)者不斷地進行拓展。Pitt and Lee（1981）發(fā)展了面板數(shù)據(jù)隨機前沿模型，極大地擴大了參數(shù)的自由度。在此基礎(chǔ)上， Battese and Coelli（1995）引入時間因素并一次回歸直接計算技術(shù)效率影響因素的參數(shù)估計結(jié)果。因而到了20世紀90年代，SFA模型很快便成為了計量經(jīng)濟學(xué)中一個引人注目的分支。

隨機前沿模型對技術(shù)效率的測算依賴于生產(chǎn)函數(shù)的選擇，早期多以科布-道格拉斯（Cobb-Douglas）生產(chǎn)函數(shù)為主。C-D函數(shù)形式簡潔，參數(shù)有直接的經(jīng)濟學(xué)含義，但假定技術(shù)中性和產(chǎn)出彈性固定，過強的假設(shè)與許多生產(chǎn)者的行為不符。目前多采用超越對數(shù)（Translog）生產(chǎn)函數(shù)，因為它放寬了那些假設(shè)，能更好地避免由于函數(shù)形式的誤設(shè)而帶來的估計偏差，在形式上比較靈活。

2.數(shù)據(jù)包絡(luò)分析（DEA）

Chames et al（1978）創(chuàng)建了一種基于相對效率的多投入多產(chǎn)出分析法——數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）。當時，他們提出了CCR模型，是DEA中的第一個模型，也是DEA其他模型的基礎(chǔ)。接下來，在其他學(xué)者的努力下，一種非參數(shù)方法逐漸形成。例如，Banker等（1984）提出了BCC模型，將CCR模型中規(guī)模報酬不變的假設(shè)放寬，修改為規(guī)模報酬可變。Andersen and Petersen（1993）提出了超效率模型。在經(jīng)濟學(xué)中DEA模型多達數(shù)十種，但在我國應(yīng)用最為普遍的便是以上三種模型。

DEA采用的是線性規(guī)劃方法，不需要設(shè)定函數(shù)的形式，也不需要知道生產(chǎn)前沿的具體形式，因而常用來評價具有相同類型的多投入、多產(chǎn)出的決策單元是否技術(shù)有效。

三、SFA與DEA比較

同為前沿效率的評價方法，SFA與DEA共同點在于以距離函數(shù)為共同基礎(chǔ)，都需要構(gòu)造生產(chǎn)前沿。它們度量出的技術(shù)效率是相對效率，雖然其效率值在樣本內(nèi)部具有很強的可比性，但在不同樣本間卻具有相反的效果。

DEA的主要優(yōu)點在于只要得到投入產(chǎn)出數(shù)據(jù)即可計算出創(chuàng)新績效，不用擔(dān)心有無具體的生產(chǎn)前沿形式，因而直接處理多產(chǎn)出多投入問題很方便。在BCC模型中，可求出規(guī)模效率和規(guī)模報酬情況。它的最大缺點在于：（1）完全用技術(shù)效率去解釋實際產(chǎn)出小于前沿產(chǎn)出的原因，忽略了隨機因素對于產(chǎn)出的影響。（2）當構(gòu)造生產(chǎn)前沿時，DEA根據(jù)每周期的面板數(shù)據(jù)各構(gòu)造一個，通過線性規(guī)劃計算出效率值。如果給出的樣本容量太大，這些樣本或許不能滿足線性規(guī)劃的一些基本假設(shè)，無法成功地計算出創(chuàng)新績效。（3）由于構(gòu)造方法較差的穩(wěn)定性，導(dǎo)致異常點對DEA的影響很大。（4）在分析影響效率因素時，DEA方法相對復(fù)雜，分為兩個階段。

與DEA方法相比，SFA最主要的優(yōu)點有以下幾點：（1）將隨機因素對于產(chǎn)出的影響納入考慮因素，并把實際產(chǎn)出分為生產(chǎn)函數(shù)、隨機因素和技術(shù)無效率這三部分。（2）根據(jù)所有的周期數(shù)據(jù)僅構(gòu)造出一個統(tǒng)一的生產(chǎn)前沿函數(shù)，通過極大似然估計法估計出各個參數(shù)值，具有大樣本的相合性，更適合大樣本的計算。（3）由于僅構(gòu)造一個前沿面，計算結(jié)果較為穩(wěn)定，不易受異常點的影響。（4）SFA不僅可以計算技術(shù)效率，還能根據(jù)參數(shù)值得到投入的產(chǎn)出彈性和規(guī)模報酬情況。在計算出技術(shù)效率進一步分析影響效率的因素時，SFA更為方便。但是SFA雖然考慮了效率的影響因素和隨機誤差對效率的影響，有一個重要的前提假設(shè)是模型設(shè)定正確。由于SFA模型較為復(fù)雜的基本假設(shè)，隨之帶來更高的投入產(chǎn)出數(shù)據(jù)的要求。如果投入產(chǎn)出數(shù)據(jù)不能滿足模型的基本假設(shè)，則容易導(dǎo)致計算失敗。

四、總結(jié)

綜上所述，我們可以看出，兩種度量方法并沒有絕對的孰優(yōu)孰劣，而是在不同的方面優(yōu)劣勢互補。因而我們在選擇不同的方法進行計算時，得到的結(jié)果也會有許多不同。在測量技術(shù)效率時，具體選擇哪一種方法更加合適，我們要根據(jù)實際情況判斷，并綜合判斷實際的計算結(jié)果和相關(guān)的檢驗情況。

參考文獻：

[1]Aigner D J，Lovell C A K，Schmidt P J.Formulation and Estimation of Stochastic Frontier Production Function Models [J].Econometrics，1977.

[2]白俊紅，蔣伏心.協(xié)同創(chuàng)新、空間關(guān)聯(lián)與區(qū)域創(chuàng)新績效.經(jīng)濟研究[J].2015（7）.

[3]Banker R D，Charnes A，Cooper W W .Some models for estimating technical and scale inefficiencies in DEA [J].Management Science，1984，（30）：1078～1092.

[4]Battese G E，Corra G. Estimation of a production frontier model：With application to the pastoralzone of eastern Australia[J].Australian .Journal of Agricultural Economics，1977，2l： 169-179.

[5]Battese G E，Coelli T J.A model for technical ineficiency effects in a stochastic production frontier for panel data [J].Empirical Eocnomics，1995，20：325- 332.

[6]Charnes A，Cooper W W，Rodes E. Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research，1978.

[7]茶洪旺，蔡高樓.基于DEA方法的中國大數(shù)據(jù)企業(yè)創(chuàng)新績效評價研究[J].北京郵電大學(xué)學(xué)報，2017（1）.

[8]戴卓，代紅梅.中國工業(yè)行業(yè)的技術(shù)創(chuàng)新效率研究[J].經(jīng)濟經(jīng)緯，2012（4）：90-94.

[9]林佳顯，龍志和，林光平.空間面板隨機前沿模型及技術(shù)效率估計[J].商業(yè)經(jīng)濟與管理，2010（5）.

[10]Meeusen W，van den Broeck J.Efficiency estimation from Cobb-Douglas production functions with composed error[J].International Economic Reviews，1977，18：435 444.

[11]徐盈之，朱依曦.基于隨機前沿模型的中國制造業(yè)全要素生產(chǎn)率研究[J].統(tǒng)計與決策，2009（23）67-70.

[12]朱學(xué)冬，陳雅蘭.創(chuàng)新型企業(yè)創(chuàng)新績效評價研究--以福建省為例[J].中國科技論壇，2010（9）.