楊潔

摘要：文章利用數(shù)據(jù)包絡(luò)分析方法（DEA），對中部六省的創(chuàng)新資源使用情況進(jìn)行分析和評價(jià)，并以2013至2017年這5年的數(shù)據(jù)進(jìn)行實(shí)證分析，得出了六省創(chuàng)新資源優(yōu)化配置的純技術(shù)效率、規(guī)模效率以及綜合效率均為DEA非有效，但六省之間的DEA有效程度存在一定差距，說明在本文研究的投入產(chǎn)出共六項(xiàng)指標(biāo)上，六省均有一定的提升空間。同時(shí)，本文還對影響中部六省創(chuàng)新資源配置效率的因素進(jìn)行了分析，研究結(jié)論表明，影響最大的因素是新品的銷售收入和研發(fā)投入。

Abstract： This paper analyzes and evaluates the utilization of innovative resources in six central provinces by using the Data envelopment analysis method， and makes an empirical analysis based on the data from 2013 to 2017. The results show that the pure technical efficiency， scale efficiency and comprehensive efficiency of the optimal allocation of innovative resources in six provinces are all DEA inefficiency， but there is a certain gap in DEA efficiency among the six provinces， which shows that there is some space for improvement in the six input-output indexes of the six provinces. At the same time， this paper also analyzes the factors that affect the efficiency of innovation resource allocation in six central provinces.

關(guān)鍵詞：DEA;創(chuàng)新資源;配置效率

Key words： DEA;innovative resources;allocation efficiency

中圖分類號：F124.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）23-0053-04

0? 引言

作為開展創(chuàng)新活動(dòng)的基礎(chǔ)，創(chuàng)新資源對于一個(gè)地區(qū)產(chǎn)業(yè)提升與企業(yè)發(fā)展來說至關(guān)重要。豐富、優(yōu)質(zhì)的創(chuàng)新資源對于創(chuàng)新成果創(chuàng)造的數(shù)量和質(zhì)量及轉(zhuǎn)化應(yīng)用有直接影響，進(jìn)而可以有效推動(dòng)地區(qū)經(jīng)濟(jì)增長和社會(huì)進(jìn)步，因而衡量一個(gè)地區(qū)創(chuàng)新綜合實(shí)力的重要指標(biāo)就是對于該地區(qū)創(chuàng)新資源集合情況的研究，大量研究經(jīng)驗(yàn)與事實(shí)表明，人力資源與財(cái)力資源是創(chuàng)新資源最為重要的兩個(gè)組成部分[1]。從人力資源方面的投入來看，2013-2017年中部六省的R&D（研究與試驗(yàn)發(fā)展）人員總量從600616人持續(xù)增長至683366人，平均年增長率達(dá)到2.62%。轉(zhuǎn)到財(cái)力資源上來，雖然五年來中部地區(qū)六省對于研究與實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)的平均投入持續(xù)得到增強(qiáng)，分別為1.37%、1.40%、1.43%、1.45%、1.52%，但作為中部六省重要組成部分的山西省的研究與實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)方面的投入強(qiáng)度卻年年降低，分別為1.22%、1.19%、1.04%、1.03%、0.99%，意味著中部六省每年新增的R&D經(jīng)費(fèi)地區(qū)分布結(jié)構(gòu)可能存在一定的調(diào)整余地。與此同時(shí)，區(qū)域整體創(chuàng)新能力、創(chuàng)新水平和創(chuàng)新競爭力的增強(qiáng)或降低與該區(qū)域創(chuàng)新資源投入的絕對量并非是簡單的線性關(guān)系，各類創(chuàng)新活動(dòng)開展和創(chuàng)新人員參與之間的有效搭配、組合，減少投入冗余（或不足）和產(chǎn)出不足（或冗余）的情況，學(xué)界將此過程概念化為“創(chuàng)新資源配置”。創(chuàng)新資源配置實(shí)現(xiàn)的直接表現(xiàn)是創(chuàng)新資源配置效率達(dá)到最優(yōu)狀態(tài)（帕累托最優(yōu)），千方百計(jì)提高創(chuàng)新資源配置效率是有效實(shí)現(xiàn)創(chuàng)新資源合理配置的必要保證。創(chuàng)新資源配置效率的提升是區(qū)域創(chuàng)新資源配置合理性是否得到改善的直接體現(xiàn)，對于資源優(yōu)化配置及合理、有效使用，促進(jìn)區(qū)域更加有效均衡發(fā)展意義重大。

1? 效率評價(jià)方法（DEA）

創(chuàng)新資源的優(yōu)化配置是一個(gè)復(fù)雜的系統(tǒng)過程，涉及到多投入與多產(chǎn)出之間的協(xié)調(diào)與平衡，倘若對投入指標(biāo)與產(chǎn)出指標(biāo)進(jìn)行函數(shù)建模，通過參數(shù)權(quán)重估計(jì)和假定的方法進(jìn)行分析和評價(jià)，在此過程中難免參入評估人員的主觀因素，導(dǎo)致分析結(jié)果與實(shí)際結(jié)果相去甚遠(yuǎn)，從而導(dǎo)致評價(jià)的科學(xué)性和可行度降低，而數(shù)據(jù)包絡(luò)分析（DEA）作為一種非參數(shù)效率分析方法，可以有效避開上述方法的不足，提升分析結(jié)果的科學(xué)性和可信度。故而，選擇數(shù)據(jù)包絡(luò)分析的方法進(jìn)行區(qū)域創(chuàng)新資源配置效率的分析和評價(jià)具有一定的理論有效性。

1.1 BCC模型

Banker等學(xué)者經(jīng)深入研究與分析后，于上個(gè)世紀(jì)八十年代基于原始的DEA模型提出了一種浮動(dòng)規(guī)模報(bào)酬模型，該模型與原始模型相比具有一定的優(yōu)勢，可用于研究不同決策單元的規(guī)模收益情況，因而可以根據(jù)測算結(jié)果判定當(dāng)前發(fā)展規(guī)模是否合適，對于決策者進(jìn)行規(guī)模上的調(diào)整、進(jìn)一步提升資源使用的整體效率提供科學(xué)指導(dǎo)。同時(shí)，BCC模型是一種適合同時(shí)從技術(shù)效率與規(guī)模效率兩方面進(jìn)行測度的效率分析方法[2]。

作為DEA方法體系中的兩大代表，CCR（C2R）和C2GS2（BCC）模型在選擇及應(yīng)用上有所不同。使用CCR模型的前提是以規(guī)模報(bào)酬不變?yōu)榍疤岬?，目的是從整體上對評估對象進(jìn)行技術(shù)效率的有效性分析和規(guī)模效率的有效性分析，但如果DMU沒有達(dá)到最優(yōu)規(guī)模時(shí)，使用CCR模型可能會(huì)導(dǎo)致無法區(qū)分技術(shù)效率和規(guī)模效率分別的有效程度，而BCC模型很好的補(bǔ)足了這個(gè)缺陷，可以在DEA有效條件下進(jìn)一步判定是否為規(guī)模有效。從實(shí)際情況來看，CCR模型使用的前提條件很難得到有效滿足，多數(shù)情況僅停留在理論分析層面，實(shí)際應(yīng)用范圍和理論可解釋性不強(qiáng)，而BCC模型假設(shè)前提與實(shí)際更加吻合，可解釋性更強(qiáng)，因此，選擇BCC模型進(jìn)行DEA效率計(jì)算的結(jié)果理論上會(huì)更為科學(xué)、可信。

BCC模型主要有兩種導(dǎo)向型，分別為投入與產(chǎn)出導(dǎo)向型。從本文研究對象——?jiǎng)?chuàng)新資源配置效率來看，相比于資源的產(chǎn)出指標(biāo)，資源的投入指標(biāo)更加易于控制，因此，本研究以投入導(dǎo)向型為基礎(chǔ)，尋求產(chǎn)出不變情況下最小的資源投入量。

假設(shè)DMU有j個(gè)，各DMU的投入與產(chǎn)出變量指定分別如下：

令θ為投入導(dǎo)向型中各決策單元DMUj的效率評價(jià)指數(shù)，且θ滿足以下條件：

在上式中，yi與xi分別代表的是產(chǎn)出與投入、DMUi的效率為minθ，松馳變量為s+與s-，兩者均大于等于0，分別代表的是產(chǎn)出不足與投入過多。評價(jià)指數(shù)為θ，可以直觀的判斷DMUi是否有效。

1.2 評價(jià)指標(biāo)選取與數(shù)據(jù)來源

根據(jù)以往研究經(jīng)驗(yàn)，運(yùn)用DEA模型進(jìn)行效率評價(jià)時(shí)，要滿足一定的條件，具體為可采集二倍以上投產(chǎn)兩指標(biāo)總和的樣本信息，同時(shí)要求決策單元的投產(chǎn)兩指標(biāo)具有一致的數(shù)量[3]。本文根據(jù)創(chuàng)新資源及活動(dòng)特點(diǎn)、選取指標(biāo)的相關(guān)原則、數(shù)據(jù)可得性及參考相關(guān)文獻(xiàn)出發(fā)，選取如下投入指標(biāo)和產(chǎn)出指標(biāo)用來衡量中部六省的創(chuàng)新資源配置效率：

1.2.1 投入指標(biāo)

研究與試驗(yàn)發(fā)展（R&D）活動(dòng)人員折合全時(shí)當(dāng)量（X1）：指根據(jù)工作量直接從事研究與測試開發(fā)的專職和兼職人員總數(shù)。

R&D經(jīng)費(fèi)內(nèi)部支出（X2）：指研究開發(fā)機(jī)構(gòu)年度內(nèi)的實(shí)際支出（包括基礎(chǔ)研究、應(yīng)用研究和實(shí)驗(yàn)開發(fā)）。不包括外部單位委托研發(fā)活動(dòng)并轉(zhuǎn)移給對方的支出。

工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出（X3）：指研究與開發(fā)機(jī)構(gòu)用于新產(chǎn)品的研究與開發(fā)的經(jīng)費(fèi)支出，包括與新產(chǎn)品相關(guān)的研究、設(shè)計(jì)、測試、試驗(yàn)等費(fèi)用支出。

1.2.2 產(chǎn)出指標(biāo)

本文的產(chǎn)出指標(biāo)共有3個(gè)，分別為Y1、Y2、Y3，其中Y1為機(jī)構(gòu)受理專利的數(shù)量。

工業(yè)企業(yè)新產(chǎn)品銷售收入（Y2）：指工業(yè)企業(yè)通過銷售新產(chǎn)品獲得的收入，我國有關(guān)機(jī)構(gòu)在核實(shí)確定后認(rèn)為在有效期中，或是沒有得到我國有機(jī)機(jī)構(gòu)的認(rèn)定，但投產(chǎn)不足1年內(nèi)的產(chǎn)品。

技術(shù)合同的成交額（Y3）：指技術(shù)市場上達(dá)成的各種技術(shù)合同的總金額。（表1）

本研究將決策單元定為我國中部6省，分別為山西、安徽、江西、河南、湖北與湖南省，各省對應(yīng)的指標(biāo)符號分別為DMU1-6，研究它們在2013-2017年5年中的創(chuàng)新資源配置效率。本文通過《中國科技統(tǒng)計(jì)年鑒》采集了研究所需的相關(guān)數(shù)據(jù)。自2013年起直至2017年期間，各決策單元的創(chuàng)新資源配置投入產(chǎn)出的具體數(shù)據(jù)如表2所示。

2? 實(shí)證分析

評價(jià)過程將六省分別作為決策單元，使用DEAP2.1軟件進(jìn)行相關(guān)指標(biāo)測算（包括綜合技術(shù)效率、純技術(shù)效率以及規(guī)模效率），本文所得的評論結(jié)果詳見表3。

根據(jù)C2GS2的要求，如效率值的數(shù)值并非1，表示DEA非有效;只有當(dāng)效率值達(dá)到1時(shí)，才為DEA有效。顯然，由表3可看出，2013-2017年，中部六省綜合技術(shù)效率均未達(dá)到1，平均值為0.8622。六省的創(chuàng)新資源配置效率的DEA均小于1，說明六省均處于DEA非有效狀態(tài)。就綜合技術(shù)效率指標(biāo)而言，與1極為接近的有湖北、湖南以及安徽三省，分別為0.9396、0.9928以及0.9934，說明在中部六省中，可知湖北、湖南以及安徽三省具有相對更為出色的綜合技術(shù)效率，在這一方面處于六省領(lǐng)先的位置。但是江西、河南和山西三省的綜合技術(shù)效率值分別為0.8816、0.7974和0.5684，說明此三省的創(chuàng)新資源配置效率在中部六省中處于追趕狀態(tài)。

2.1 中部六省創(chuàng)新資源配置系統(tǒng)松弛變量

使用DEA進(jìn)行資源配置效率測度評價(jià)的主要優(yōu)點(diǎn)在于可以根據(jù)測算結(jié)果調(diào)整指標(biāo)，使DEA無效向DEA有效轉(zhuǎn)變。Multi-StageDEA的方法以其可以使所選取測度單位不變進(jìn)而確定有效率投影點(diǎn)的優(yōu)越特性，是常見的松弛變量分析方法[4]。

在DEA模型松弛變量的分析過程中，將松弛變量與0進(jìn)行比較來確定對應(yīng)指標(biāo)要素是否發(fā)揮相應(yīng)作用。具體來說，若松弛變量等于0，即代表當(dāng)前指標(biāo)要素發(fā)揮了相應(yīng)作用，資源投入無冗余或資源產(chǎn)出無不足，理論上表明資源得到了合理配置;若松弛變量不為0，則表示當(dāng)前指標(biāo)要素作用發(fā)揮不足，資源投入存在冗余或資源產(chǎn)出存在不足，理論上表明資源未得到合理配置。

根據(jù)表4可以看出，通過對中部六省投入指標(biāo)及產(chǎn)出指標(biāo)松弛變量的測算，六省均存在不同程度上的資源配置不合理?？偟膩砜?，各決定單元均表現(xiàn)出了過度投入的問題，同時(shí)省份間、指標(biāo)間分布較平均，產(chǎn)出方面來看，未表現(xiàn)出產(chǎn)出不足問題的有兩省，分別為江西與安徽省，而山西、河南、湖北以及湖南均存在產(chǎn)出不足的現(xiàn)象，此類問題主要集中于各省企業(yè)合同成交與銷售收入方面。

2.2 創(chuàng)新資源配置效率影響因素分析

經(jīng)過松弛變量測算表明，本文選取的六項(xiàng)指標(biāo)均對于中部六省創(chuàng)新資源配置效率沒有達(dá)到最優(yōu)有不同程度的影響。如何能夠在整體上改善中部六省的創(chuàng)新資源配置效率？本文研究的六項(xiàng)指標(biāo)中對中部六省的創(chuàng)新資源配置效率影響最大的是哪一項(xiàng)？為了更好改進(jìn)中部六省創(chuàng)新資源配置問題，參考國內(nèi)外相關(guān)學(xué)術(shù)研究，本文試圖通過組合投入指標(biāo)與產(chǎn)出指標(biāo)，以期能夠測算出各個(gè)變量對于效率的影響程度大小。鑒于組合后的方案數(shù)量較多，因此采取依次剔除一項(xiàng)指標(biāo)的方法進(jìn)行測算，同樣，通過計(jì)算不同方案的DEA平均值，具體方案組合結(jié)果如表5所示。

將各省企業(yè)投產(chǎn)指標(biāo)集設(shè)為M，研究期間的平均DEA值為V（M），在指標(biāo)集內(nèi)去掉指標(biāo)i后剩余的部分為Mi，Mi對應(yīng)的DEA均值為V（Mi），此時(shí)可通過下式描述DEA值受到各指標(biāo)的影響情況：

式（1）中，Zi用來測算DEA效率受第i個(gè)指標(biāo)影響程度的大小，DEA效率受第i個(gè)指標(biāo)的影響越大，Zi值越大;DEA效率受第i個(gè)指標(biāo)的影響越小，Zi值越小。表6是本研究所選取六項(xiàng)指標(biāo)對DEA效率值影響程度的計(jì)算結(jié)果。

由表6可知，從投入指標(biāo)角度來看，對中部六省創(chuàng)新資源配置效率影響最大的是工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出，影響程度為0.0173;影響中部六省創(chuàng)新資源配置效率最為明顯的是銷售收入指標(biāo)，該指標(biāo)對創(chuàng)新資源配置效率的影響程度的具體數(shù)值是0.1942。

3? 結(jié)論

本研究運(yùn)用DEA的分析方法，對中部六省2013-2017年的創(chuàng)新資源配置效率評價(jià)相關(guān)數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)和測算，得出結(jié)論如下：

中部地區(qū)創(chuàng)新資源配置效率整體水平仍有提升空間，且六省之間的效率水平存在一些差距。從整體上看，雖然六省均未達(dá)到DEA有效，但安徽省、湖南省、湖北省和江西省四省的綜合技術(shù)效率均超過了中部地區(qū)的平均值，尤其是安徽省和湖南省的綜合技術(shù)效率值均超過了0.99，距離達(dá)到DEA有效已經(jīng)十分接近，進(jìn)一步分析數(shù)據(jù)發(fā)現(xiàn)，2013-2017年的五年中，安徽省在2013、2015、2016、2017年均達(dá)到了DEA有效，只有在2014年出現(xiàn)了規(guī)模收益遞增的情況，結(jié)合表4分析可知，2014年安徽省研究與試驗(yàn)發(fā)展（R&D）活動(dòng)人員和R&D經(jīng)費(fèi)內(nèi)部支出投入冗余;湖南省在2013、2015、2016年均達(dá)到DEA有效，只有在2014、2017年分別出現(xiàn)規(guī)模受益遞增和規(guī)模收益遞減，結(jié)合表4分析可知，湖南省工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出投入冗余，專利申請受理量產(chǎn)出不足。而河南省和山西省的綜合效率值低于六省平均值，分別為0.7974和0.5684，進(jìn)一步分析數(shù)據(jù)發(fā)現(xiàn)，山西省五年的規(guī)模收益類型均為遞增，通過觀察表4可以發(fā)現(xiàn)，我國安徽省在2014年存在R&D內(nèi)部支出與員人過度投入的問題，而2013、2015、2016年我國湖南省均達(dá)到DEA有效，只有在2014、2017年分別出現(xiàn)規(guī)模受益遞增和規(guī)模收益遞減，結(jié)合表4分析可知，在研發(fā)支出方面，我國湖南省存在過度投入的問題，而被受理的專利申請較少。而河南省和山西省的綜合效率值低于六省平均值，分別為0.7974和0.5684，進(jìn)一步分析數(shù)據(jù)發(fā)現(xiàn)，山西省五年的規(guī)模收益類型均為遞增，通過觀察表4可以發(fā)現(xiàn)，問題集中于合同成交額與被受理的專利申請方面，工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出投入冗余。河南省2013-2017年的規(guī)模受益類型有前兩年的規(guī)模受益遞增轉(zhuǎn)變?yōu)楹笕甑囊?guī)模受益遞減，結(jié)合表4，問題主要集中于合同成交額較小、研發(fā)與內(nèi)部支出過度投入以及活動(dòng)人員過度投入等方面。

從對中部六省創(chuàng)新資源配置效率影響因素來看，工業(yè)企業(yè)新產(chǎn)品銷售收入是影響中部六省創(chuàng)新資源配置投入與產(chǎn)出效率最為重要的一個(gè)因素。從投入角度來看，制約中部六省創(chuàng)新資源配置效率的主要因素是工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出，說明中部六省工業(yè)企業(yè)需要進(jìn)一步加大新產(chǎn)品開發(fā)經(jīng)費(fèi)支出。從產(chǎn)出角度來看，工業(yè)企業(yè)新產(chǎn)品銷售收入是影響中部六省創(chuàng)新資源配置效率的主要產(chǎn)出要素，說明中部地區(qū)工業(yè)企業(yè)新產(chǎn)品銷售收入仍然沒有達(dá)到滿意的狀態(tài)。

參考文獻(xiàn)：

[1]李雙杰，王海燕，劉韌.基于DEA模型的制造業(yè)技術(shù)創(chuàng)新資源配置效率分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2006（03）：112-115.

[2]Banker， R· Charnes， A， Cooper， W·Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science， 1984， 30（1）.

[3]肖靜，趙軍凱.R&D投入產(chǎn)出效率的國別比較和影響因素分析[J].情報(bào)雜志，2009，28（S2）：22-24.

[4]COELLI T J，RAO D S P， O'DONNELL C，et al. An Introduction to Effificiency and Productivity Analysis[M]. 2nd ed. NewYork：Springer Science&Business Media Inc，2005：60-65.

[5]何燕子，瞿天蔚.湖南省裝備制造業(yè)技術(shù)創(chuàng)新資源配置效率評價(jià)研究——基于DEA-Malmquist的實(shí)證分析[J].湖南工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2019，24（03）：81-87.

[6]龔苗苗，羅定提.基于DEA的中部六省創(chuàng)新資源配置產(chǎn)業(yè)效率分析[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2017，31（06）：78-82.

[7]孫夙鵬.長三角地區(qū)創(chuàng)新資源配置效率差異研究[J].統(tǒng)計(jì)與決策，2016（24）：112-115.

[8]吳繼英，韓亞瓊，顧君穎.我國東部地區(qū)創(chuàng)新資源配置效率評價(jià)研究[J].科技和產(chǎn)業(yè)，2016，16（05）：36-40.

[9]孫皖玲.基于DEA的貴州省創(chuàng)新資源優(yōu)化配置效率[J].安順學(xué)院學(xué)報(bào)，2016，18（02）：122-125.

[10]王小偉，鄧長庚.安徽省區(qū)域創(chuàng)新資源配置效率研究[J].泰山學(xué)院學(xué)報(bào)，2014，36（06）：42-46.

[11]莊煒瑋，劉權(quán)樂，劉嘉茵.基于DEA模型的R&D資源配置效率及創(chuàng)新能力研究[J].科技管理研究，2014，34（12）：116-119，129.

[12]衛(wèi)平，王艷.基于DEA方法的我國高技術(shù)產(chǎn)業(yè)區(qū)域創(chuàng)新資源配置效率研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2014，33（05）：108-116.

[13]馬強(qiáng).長三角城市創(chuàng)新資源配置效率研究[J].南京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010，12（03）：23-28.