陳 鳴，楊穎梅，郭 華

（北京信息科技大學經(jīng)濟管理學院，北京 100192）

新經(jīng)濟增長理論指出，科技活動是決定一個經(jīng)濟體經(jīng)濟增長水平的重要因素之一。2017年，中國研究與試驗發(fā)展（R&D）經(jīng)費支出高達17 606.13億元，近10年來年均增長率接近17%，科技投入在經(jīng)濟發(fā)展中承擔著越來越重要的角色。然而，盡管以往的研究雖然大量證實了科技活動對經(jīng)濟增長的促進作用，但對于科技活動促進國民經(jīng)濟總產(chǎn)出增長的效果如何，缺少比較完善的定量分析，其難點有二：第一，對于這種促進作用的度量，目前缺少比較一致的指標選擇體系；第二，科技活動的流動往往難以監(jiān)測和度量，定量分析存在嚴重的數(shù)據(jù)困難。針對這兩個問題，本文首先參考兩個常見的概念——科技創(chuàng)新效率與金融支持效率，界定了科技支持效率的概念，并以此為基礎(chǔ)確定了科技支持效率的測算指標；其次，采用中國國家統(tǒng)計局公布的42部門投入產(chǎn)出表，以完全消耗系數(shù)為中介測算出了各個部門對科技部門產(chǎn)品的完全消耗量，并以此作為測算的關(guān)鍵要素，解決了測算過程中科技活動流動難以度量的問題；最終在CCR模型的基礎(chǔ)上建立了單因素的超效率數(shù)據(jù)包絡(luò)分析（DEA）模型，測算出了各部門的科技支持效率。

1 文獻述評與理論分析

1.1 科技活動對經(jīng)濟增長的支持效率

內(nèi)生經(jīng)濟增長理論一再強調(diào)，經(jīng)濟體內(nèi)部的技術(shù)進步是經(jīng)濟增長的決定性因素。該理論提出的早期，Griliches［1］和 Romer［2］就采集了大量的數(shù)據(jù)，分別證明了民間科技投入與政府科技投入對經(jīng)濟增長的促進作用。之后，國內(nèi)外學者又對科技活動與經(jīng)濟增長之間的關(guān)系進行了充分的實證研究，包括Pessoa［3］、張優(yōu)智［4］、劉丁蓉等［5］、吳丹等［6］在國家層面進行的研究，以及王娟［7］、程龍［8］、劉順飛等［9］對單個或多個省級行政區(qū)的研究，這些研究采用不同的計量模型和數(shù)據(jù)處理方法，均證實了科技活動與經(jīng)濟增長之間存在著明顯的正向關(guān)系。

盡管科技活動對經(jīng)濟增長存在著明顯的支持作用，但同樣的科技活動水平對不同經(jīng)濟體、不同生產(chǎn)部門的影響程度是不盡相同的，也就是說，不同經(jīng)濟體或不同生產(chǎn)部門存在著不同的科技支持效率，然而，由于數(shù)據(jù)來源、方法選擇等多方面的困難，目前國內(nèi)對于科技支持效率的研究寥寥無幾，但對于科技支持效率的兩個相近的概念——科技創(chuàng)新效率與金融支持效率——的研究非常豐富。因此，本文基于前人對科技創(chuàng)新效率與金融支持效率的研究，界定了科技支持效率的概念，并選擇恰當?shù)闹笜伺c方法，對我國主要生產(chǎn)部門的科技支持效率進行測度分析。

1.2 科技創(chuàng)新效率的相關(guān)研究

長久以來，學者們選擇了另一個指標來評價科技活動對經(jīng)濟增長的促進作用，這就是科技創(chuàng)新效率?？萍紕?chuàng)新效率的概念最早由Afriat等［10］提出，被定義為科技活動的產(chǎn)出與投入之比。在同樣的科技投入水平下，科技創(chuàng)新效率越高，科技活動的產(chǎn)出水平越高。在這一概念提出之后，大量學者對不同領(lǐng)域的科技創(chuàng)新效率進行了測度研究，但這些研究基本可以歸為兩個類別：一是以地理位置為劃分依據(jù)，比較不同行政區(qū)域內(nèi)的科技創(chuàng)新效率［11-12］；二是以行業(yè)為劃分依據(jù)，比較不同生產(chǎn)部門的科技創(chuàng)新效率［13］。在測度方法的選擇上則更為單一，大多數(shù)文獻均采用DEA或隨機前沿分析（SFA）進行測度［14-15］。

科技創(chuàng)新效率概念的提出，使得不同區(qū)域、不同領(lǐng)域科技活動的質(zhì)量得以數(shù)量化，給人們評價科技活動的成績提供了一個明確的指標。但是，科技創(chuàng)新效率是科技活動內(nèi)部的效率，在測度變量的選擇上也局限于科技活動的投入（如科技活動人員、科研經(jīng)費等）以及科技活動的產(chǎn)出（如新產(chǎn)品銷售收入、專利產(chǎn)出等），然而人類從事科技活動的最終目的是促進整個行業(yè)生產(chǎn)能力的提升，但科技創(chuàng)新效率并不能反映這一現(xiàn)實，科技支持效率的概念也由此而生。

1.3 金融支持效率的相關(guān)研究

盡管目前學術(shù)界對科技支持效率的研究較少，但對其他領(lǐng)域支持效率的研究卻比較充分，尤其是對金融支持效率的研究。自Goldsmith［16］率先證明了金融業(yè)發(fā)展與經(jīng)濟發(fā)展的促進關(guān)系之后，大量學者從支持路徑、行業(yè)差異等角度對金融支持效率進行了測算分析［17-20］，證實了金融活動對經(jīng)濟發(fā)展的促進作用。

不同于科技創(chuàng)新效率僅僅局限于科技活動內(nèi)部，金融支持效率的研究選擇了金融業(yè)資本向不同生產(chǎn)部門的流動作為投入變量，選擇了其他生產(chǎn)部門的產(chǎn)出作為產(chǎn)出變量，以此測算金融活動對其他生產(chǎn)部門發(fā)展的促進效率。本文借鑒了相關(guān)研究的指標選取方法和測算模型，對中國各生產(chǎn)部門的科技支持效率進行研究。

1.4 科技支持效率概念的界定

從前文的分析可以看到，科技支持效率的概念與科技創(chuàng)新效率、金融支持效率有著高度的相似性，三者在測度方法上較為相似，大部分采用DEA或SFA進行測算，但在指標選擇上卻存在著明顯的不同（如表1）：科技創(chuàng)新效率將視角控制在科技行業(yè)內(nèi)部，以科技活動投入作為投入指標，以科技活動產(chǎn)出作為產(chǎn)出指標進行測算；金融支持效率則測算了金融業(yè)對其他行業(yè)的促進作用，以金融資產(chǎn)向其他行業(yè)的流動作為投入指標，以其他行業(yè)的產(chǎn)出作為產(chǎn)出指標進行測算；而科技支持效率則是結(jié)合兩方面的研究，以科技活動向其他行業(yè)的流出作為投入變量，以其他行業(yè)自身的產(chǎn)出作為產(chǎn)出變量進行測算。

表1 科技支持效率概念的界定

本文所采用的測度方法將特定行業(yè)金融支持效率的投入變量從金融行業(yè)轉(zhuǎn)移到科技行業(yè)，直接測算科技活動對其他行業(yè)總產(chǎn)出的影響，測算過程借鑒了金融支持效率的方法，擺脫了科技創(chuàng)新效率將視野集中在科技活動內(nèi)部的缺陷。然而，不同于金融行業(yè)，科技活動的流出往往難以度量，并不存在一個明確的指標可以直接衡量科技活動對某一行業(yè)的流出，因此，后文將著重針對這一問題提出解決方案。

2 研究設(shè)計

2.1 研究路徑與數(shù)據(jù)來源

本文旨在研究中國各生產(chǎn)部門的科技支持效率的差異性。根據(jù)前文分析，進行科技支持效率的測算需要兩個必要的步驟：一是投入變量與產(chǎn)出變量的選擇；二是測算方法的選擇。

在變量選擇上，基于新經(jīng)濟增長理論，特定經(jīng)濟體特定生產(chǎn)部門的總產(chǎn)出取決于3個要素：資本要素（K）、勞動要素（L）以及科技要素（R）。本文基于中國國家統(tǒng)計局提供的投入產(chǎn)出表，選擇了構(gòu)成較穩(wěn)定的36個生產(chǎn)部門，分別選取其固定資產(chǎn)折舊、勞動者報酬作為資本要素和投入要素，選擇總產(chǎn)出作為產(chǎn)出要素。而科技要素由于存在難以量化等原因，不能直接獲取，因此本文結(jié)合投入產(chǎn)出分析對科技要素投入量進行測算，進而分析中國主要生產(chǎn)部門的科技支持效率。如表2所示。

表2 中國主要生產(chǎn)部門的科技支持變量選取

表2 （續(xù)）

在測算方法上，以往的研究大多采用DEA或SFA方法進行測算，其中DEA方法由于不受生產(chǎn)函數(shù)的限制，在測算支持效率時相對SFA具有明顯的優(yōu)勢，因此本文選擇DEA方法對科技支持效率進行測算。

本文所選用的數(shù)據(jù)均來自于國家統(tǒng)計局公布的投入產(chǎn)出表。盡管投入產(chǎn)出表每2～3年即公布一次，但不同年份采用的部門劃分方式不盡相同，為保證部門劃分的穩(wěn)定性，本文選取了2005年、2010年以及2015年3年的數(shù)據(jù)，這3年公布的均為42部門投入產(chǎn)出表，且部門劃分相對穩(wěn)定。盡管如此，這3年的投入產(chǎn)出表中依然存在著部分生產(chǎn)部門變動的情況，因此，本文僅選擇了在這3個時期內(nèi)均存續(xù)的36個生產(chǎn)部門（以下簡稱“樣本”）作為研究對象，以此保證樣本的穩(wěn)定性。樣本數(shù)據(jù)的描述性統(tǒng)計如表3所示。

表3 樣本數(shù)據(jù)的描述性統(tǒng)計結(jié)果

2.2 投入產(chǎn)出分析

在變量的選擇上，科技支持效率的測算存在著明顯的難點，相較金融行業(yè)，科技活動的流動更加難以量化。金融行業(yè)的資產(chǎn)流動往往是一次性的，企業(yè)從金融行業(yè)獲得一筆資金后，通常會直接應用于企業(yè)自身的經(jīng)營活動，影響范圍僅限于企業(yè)自身及其關(guān)聯(lián)組織，流動范圍和數(shù)量可以明確監(jiān)測；而一項新技術(shù)的誕生，往往會帶動多個領(lǐng)域生產(chǎn)力的共同提升，影響范圍和影響程度難以量化，這就為科技支持效率的測算帶來了難題。

完全消耗系數(shù)是投入產(chǎn)出分析的一個重要指標，反映了一個生產(chǎn)部門對另一個生產(chǎn)部門產(chǎn)出品的完全消耗量。區(qū)別于直接消耗系數(shù)，完全消耗系數(shù)不僅包含了一個行業(yè)對另一個行業(yè)的直接消耗，也包含了該行業(yè)以其他行業(yè)為中介對另一個行業(yè)的消耗（即間接消耗），這意味著完全消耗系數(shù)反映的是兩個生產(chǎn)部門之間的“完全”消耗。在計算出其他生產(chǎn)部門對科技行業(yè)的完全消耗系數(shù)之后，乘以該行業(yè)的總投入（或總產(chǎn)出），所得的結(jié)果即為該行業(yè)對科技行業(yè)的完全消耗量。這一指標有效地反映了科技行業(yè)對該行業(yè)的支持量，將這一變量引入DEA模型就可以有效地測算出行業(yè)的科技支持效率。

基于投入產(chǎn)出表，首先計算直接消耗系數(shù)矩陣如下：

式（1）中：A為直接消耗系數(shù)矩陣，矩陣的每一個元素為第j個生產(chǎn)部門直接消耗第個生產(chǎn)部門的系數(shù)； 為投入產(chǎn)出表中第個生產(chǎn)部門向第j個生產(chǎn)部門的直接流動量； 為第j個生產(chǎn)部門的總投入。

基于直接消耗系數(shù)矩陣，可以得出完全消耗系數(shù)矩陣：

式（2）中：B為完全消耗系數(shù)矩陣；I為單位矩陣。

中國的產(chǎn)業(yè)部門分類在近年進行過變更，與科技活動相關(guān)的生產(chǎn)部門在2005年為第35號部門科學研究事業(yè)與第36號部門綜合技術(shù)服務(wù)業(yè)；在2010年第35號部門更名為研究與試驗發(fā)展業(yè)，第36號部門綜合技術(shù)服務(wù)業(yè)保持不變；在2015年，這兩個生產(chǎn)部門合并為新的第36號部門科學研究和技術(shù)服務(wù)。因此，對于不同年份的科技要素數(shù)值，要分別進行計算。其中，2005年、2010年的科技要素，要分別計算各行業(yè)對35號部門、36號部門完全消耗量并求和；而2015年的要素，可直接計算各行業(yè)對36號部門的完全消耗量。計算公式分別如下：

由式（3）（4）可見，各生產(chǎn)部門對科技行業(yè)的完全消耗系數(shù)與該生產(chǎn)部門總投入之積，即為各生產(chǎn)部門對科技行業(yè)的完全消耗量。將這一指標作為科技要素引入科技支持效率測算模型，可有效地測算出科技活動對不同生產(chǎn)部門的支持效率。

2.3 超效率DEA

作為典型的非參數(shù)效率測算方法，DEA具有不拘泥于生產(chǎn)函數(shù)形式、無需估計單個變量參數(shù)等諸多優(yōu)點，在各類型的效率測算中得到了廣泛應用。DEA方法在測算效率過程中有著多種形式，早期廣泛應用于效率測算的為Charnes等［21］提出的CCR模型，模型形式如下：

式（5）為s個產(chǎn)出變量、m個投入變量下DEA模型的標準形式。這一模型的本質(zhì)在于在固定產(chǎn)出水平之下，某個決策單元（GMU）最小可能投入占當前投入水平的比值。E為指定DMU的效率，取值范圍在0～1之間，當E取值為1時，說明該DMU是完全有效的。

直接應用如式（5）這一模型對科技支持效率進行測算會出現(xiàn)諸多問題，因此有必要對這一模型作出兩點改進。第一，盡管國家統(tǒng)計局公布的投入產(chǎn)出表中2005年、2010年和2015年均包括42個生產(chǎn)部門，但部門的組成不盡相同，因此，為保持較高的可比性，本文選擇了構(gòu)成相對穩(wěn)定、在3個時期均存續(xù)的36個部門進行科技支持效率的測算。第二，由于科技支持效率測算的是科技要素的效率，而不是全部投入要素的效率，因此在模型設(shè)置上有必要單獨測算科技要素的系數(shù)，即建立單因素的DEA模型。結(jié)合以上兩點，經(jīng)典DEA模型變化如下：

在式（6）中：Y、R、K、L分別為之前選擇的科技支持效率的4個測算用變量，即產(chǎn)出變量以及科技要素、資本要素、勞動要素3個投入變量。K為指定的DMU，分別將不同DMU的數(shù)值放在約束不等式的右側(cè)，即可求出該生產(chǎn)部門的科技支持效率。

如式（6）的模型可以有效測算出不同生產(chǎn)部門的科技支持效率結(jié)果，但卻存在一個明顯的缺陷：當某個生產(chǎn)部門的科技支持效率位于前沿面水平時，該生產(chǎn)部門的科技支持效率測算結(jié)果為1；但在CCR模型中，通常會有多個DMU處于前沿面水平，意味著這些DMU的科技支持效率會取得相同的測算結(jié)果，無法對這些DMU進行再比較。Anderson等［22］提出的超效率DEA模型則有效解決了這一問題。超效率DEA模型的關(guān)鍵在于求解某個DMU效率值的時候，將該DMU從約束條件中去除，這樣就取消了效率值上限為1的約束，為每個有效的DMU求出一個單獨的效率值解?；诔蔇EA方法修正模型如式（7），基于這一模型，可以更有效地對各生產(chǎn)部門的科技支持效率求解，并進行排序和實證分析。

3 實證分析

3.1 基于CCR模型的科技支持效率比較分析

本文首先結(jié)合投入產(chǎn)出分析與CCR模型兩種算法，分別測算出了中國各生產(chǎn)部門在2005年、2010年、2015年的科技支持效率。從表4中可以看到，不同生產(chǎn)部門的科技支持效率差異極大，最高的3個生產(chǎn)部門依次為石油、煉焦產(chǎn)品和核燃料加工品業(yè)，金融業(yè)以及建筑業(yè)，年均科技支持效率分別為1.000 0、0.911 9以及0.872 4；與之對應的，最低的3個部門依次為燃氣生產(chǎn)和供應業(yè)，水的生產(chǎn)和供應業(yè)以及非金屬礦和其他礦采選產(chǎn)品業(yè)，年均科技支持效率分別為0.020 0、0.021 6以及0.034 9。尤其值得注意的是，作為緊密相關(guān)的2個生產(chǎn)部門，石油、煉焦產(chǎn)品和核燃料加工品業(yè)與燃氣生產(chǎn)和供應業(yè)在各生產(chǎn)部門中分別排名正數(shù)第一和倒數(shù)第一，在同樣的科技活動水平下，后者的科技支持程度僅為前者的2%。這意味著，科技活動的效果更多地體現(xiàn)在上游的石油、煉焦產(chǎn)品和核燃料加工品業(yè)之內(nèi)，這一生產(chǎn)部門大量吸收了科技活動的成果；而下游的燃氣生產(chǎn)和供應業(yè)則更多地通過商業(yè)手段獲取更高的利潤，純粹的技術(shù)發(fā)展對這些生產(chǎn)部門的意義并不明顯。此外，不同年份各生產(chǎn)部門科技支持效率的均值也不盡相同，但卻呈現(xiàn)明顯的下降趨勢，2005年、2010年和2015年各部門均值分別為0.506 1、0.415 4以及0.210 9，這反映出近年來雖然中國的科技活動水平不斷提高，但這一成長并未實現(xiàn)行業(yè)總產(chǎn)出的同比例增長，導致了各行業(yè)平均科技支持效率呈現(xiàn)下降趨勢。

表4 基于CCR模型的樣本生產(chǎn)部門科技支持效率比較

3.2 基于超效率DEA模型的科技支持效率排名分析

從表4可以看到，樣本中共計12個DMU的科技支持效率為1，在對各DMU進行排名時，將這些DMU并列排名第一顯然降低了測算結(jié)果的價值，因此有必要采用超效率DEA模型對這些有效的DMU進行二次測算。如表5所示，對于非效率項而言，采用CCR模型與超效率DEA模型，在測算結(jié)果上完全相同；但對于效率項而言，每一個效率項都獲得了一個全新且數(shù)值大于1的解。然而，在11個有效的DMU中存在兩個特例，即2015年的石油、煉焦產(chǎn)品和核燃料加工品業(yè)與建筑業(yè)，這兩個DMU在CCR模型中測算出效率值均為1，但在超效率模型中，由于其在108個DMU中排名最高，科技支持效率遠高于其他DMU，導致其不能被其他DMU線性表示，因而其效率值無解。樣本中，大部分生產(chǎn)部門的科技支持效率排名比較穩(wěn)定，但個別生產(chǎn)部門的排名有著比較明顯的變化。其中，教育業(yè)作為科技活動的重要關(guān)聯(lián)行業(yè)，其科技支持效率的排名逐年攀升，由2005年的24名逐漸提升至2015年的14名；而通用設(shè)備業(yè)與通信設(shè)備、計算機和其他電子設(shè)備業(yè)卻正好相反，在10年內(nèi)排名下滑明顯。此外，還有部分部門的排名呈現(xiàn)明顯的折線形，比較突出的是建筑業(yè)，在2010年排名較低，但在2005年和2015年均排名較高；與之相反的是紡織服裝、鞋帽、皮革、羽絨及其制品業(yè)以及電氣機械和器材，僅在2010年時排名較高。

表5 基于超效率DEA模型的樣本部門科技支持效率排名

4 結(jié)論

科技活動是促進經(jīng)濟發(fā)展的重要因素，合理測算不同生產(chǎn)部門科技活動對總產(chǎn)出增長的支持效率，有助于進一步了解產(chǎn)業(yè)間科技活動成效的差異，對深入探求國民經(jīng)濟增長的內(nèi)涵有著非凡的意義。本文嘗試解決了科技支持效率測算過程中的兩個主要難點，即測算指標的確定和科技活動流動的度量，結(jié)合單因素的超效率DEA模型，最終測算出了中國36個主要生產(chǎn)部門2005年、2010年和2015年的科技支持效率。與以往的研究相比，本文主要作出了以下幾點貢獻：

（1）結(jié)合科技創(chuàng)新效率與金融支持效率兩個名詞，界定了科技支持效率的概念，并選擇了科技活動向其他生產(chǎn)部門的流出作為主要投入變量、其他生產(chǎn)部門的總產(chǎn)出作為產(chǎn)出變量，解決了科技支持效率測算過程中指標選擇的困難。

（2）基于國家統(tǒng)計局公布的投入產(chǎn)出表，以完全消耗系數(shù)為中介，測算出了各生產(chǎn)部門對科技活動的完全消耗量，并以此作為科技支持效率測算的投入變量，解決了科技支持效率測算過程中科技活動向其他生產(chǎn)部門的流動量難以度量的問題。

（3）采用CCR模型，對36個主要生產(chǎn)部門的科技支持效率進行測算，并進一步建立單因素的超效率DEA模型，避免了多個決策單元效率值均為1的問題，最終得出了各生產(chǎn)部門科技支持效率的測算結(jié)果及排名。

本文成功測算了科技活動對中國36個主要生產(chǎn)部門總產(chǎn)出的支持效率，并對測算結(jié)果進行了排名，為評價不同生產(chǎn)部門科技活動的成效提供數(shù)量化的依據(jù)。研究發(fā)現(xiàn)，中國各生產(chǎn)部門之間科技支持效率存在巨大的差異性，石油、金融、建筑等規(guī)?；a(chǎn)行業(yè)的科技支持效率明顯較高，水、燃氣供應等生活服務(wù)行業(yè)則明顯較低，但近10年來整體呈現(xiàn)明顯的下降趨勢，有必要對提高科技活動的效果采取一定的措施。

然而，本文的研究依舊存在以下兩點不足：首先，本文選取了3個投入指標和1個產(chǎn)出指標對科技支持效率進行測算，但實際生產(chǎn)過程中投入和產(chǎn)出指標數(shù)量繁多，由于數(shù)據(jù)所限，本文并未能對全部指標進行合理地篩選，選出最適宜測算科技支持效率的投入指標和產(chǎn)出指標；其次，本文雖然測算出了各生產(chǎn)部門的科技支持效率，但其結(jié)果僅顯示了不同生產(chǎn)部門之間科技支持效率的差異性，而對造成這種差異的內(nèi)涵并沒有充分的解釋。以上兩點，期待在今后的研究工作中得以完善。