鐘小容， 吳立忠

(銅仁學(xué)院， 貴州 銅仁 554300)

1 文獻(xiàn)回顧

隨著社會的不斷進(jìn)步，科技創(chuàng)新已成為新時代經(jīng)濟(jì)高速發(fā)展的引擎。高新技術(shù)企業(yè)是科技創(chuàng)新的重要主體，其科技創(chuàng)新效率的高低直接影響經(jīng)濟(jì)增長的速度和質(zhì)量。因此，研究高新技術(shù)企業(yè)科技創(chuàng)新效率對于促進(jìn)經(jīng)濟(jì)發(fā)展有著重要作用。近年來，貴州銅仁市經(jīng)濟(jì)增長速度處于全省前列，其高新技術(shù)企業(yè)總產(chǎn)值實(shí)現(xiàn)了快速增長，高新技術(shù)企業(yè)數(shù)量也實(shí)現(xiàn)了翻倍地增長。銅仁市“十三五”戰(zhàn)略規(guī)劃中，將促進(jìn)科技發(fā)展列為重要目標(biāo)，將加大力度支持高新技術(shù)企業(yè)的發(fā)展。因此，本文鑒于這樣的研究背景，對銅仁市高新技術(shù)企業(yè)的科技創(chuàng)新效率進(jìn)行研究，以找出其可能存在的問題，為銅仁市實(shí)現(xiàn)科技興銅的戰(zhàn)略目標(biāo)助力。

關(guān)于企業(yè)創(chuàng)新的研究屢見不鮮。首先是理論方面的研究。Schumpeter首次給出創(chuàng)新定義，即認(rèn)為創(chuàng)新是企業(yè)為了搶占市場獲得經(jīng)濟(jì)效益而進(jìn)行的技術(shù)改進(jìn)。Freeman認(rèn)為企業(yè)的技術(shù)創(chuàng)新是產(chǎn)業(yè)創(chuàng)新的第一步，然后再經(jīng)過產(chǎn)品創(chuàng)新、管理創(chuàng)新及市場創(chuàng)新，最終實(shí)現(xiàn)產(chǎn)業(yè)創(chuàng)新。陸國慶認(rèn)為從微觀來看產(chǎn)業(yè)創(chuàng)新即企業(yè)研發(fā)新產(chǎn)品和服務(wù)的能力[1]。夏維力認(rèn)為在新產(chǎn)業(yè)誕生中，多數(shù)高新技術(shù)企業(yè)以“引進(jìn)-消化吸收-創(chuàng)新”模型進(jìn)行創(chuàng)新[2]。錢旭潮認(rèn)為企業(yè)技術(shù)創(chuàng)新可分為微創(chuàng)新、集成創(chuàng)新、延伸創(chuàng)新和持續(xù)創(chuàng)新四個成長階段[3]。

其次是實(shí)證方面的研究。國外研究主要從研發(fā)效率和生產(chǎn)要素配置效率方面對創(chuàng)新效率進(jìn)行研究，如Cullmann A 等采用DEA方法對創(chuàng)新、研發(fā)效率和監(jiān)管環(huán)境的影響進(jìn)行了分析了，A方法成員國的知識生產(chǎn)效率進(jìn)行了績效評價，發(fā)現(xiàn)為了減少競爭而設(shè)置的進(jìn)入壁壘會削弱創(chuàng)新和有效分配資源的動機(jī)，從而降低研究效率[3]；Kafouros M 等研究了英國制造企業(yè)的公司創(chuàng)新回報率，發(fā)現(xiàn)大公司以及采用研發(fā)密集型戰(zhàn)略企業(yè)比研發(fā)密集程度較低和規(guī)模較小企業(yè)的經(jīng)濟(jì)回報要高得多[4]；Broekel T 等使用共享投入DEA模型研究了德國勞動力市場的區(qū)域創(chuàng)新效率及其隨時間的變化，發(fā)現(xiàn)當(dāng)創(chuàng)新產(chǎn)出與研發(fā)投入之間涉及到模糊的匹配程序時，該方法尤其有用。且該方法更公平地對待產(chǎn)業(yè)結(jié)構(gòu)向高、低創(chuàng)新強(qiáng)度產(chǎn)業(yè)傾斜的地區(qū)[5]；Borozan等運(yùn)用兩階段DEA分析方法研究了歐盟地區(qū)生產(chǎn)要素及環(huán)境變量對技術(shù)和能源效率的影響，發(fā)現(xiàn)技術(shù)效率和能源效率的區(qū)域差異相當(dāng)大，且技術(shù)和能源效率的決定因素存在差異，并指出人力資本和創(chuàng)新對于提高地區(qū)的效率或生態(tài)績效尤為重要[6]。而國內(nèi)的實(shí)證研究大致可分為三個方面。其一為國家層面的研究。陳元志等對中國大中型企業(yè)和高新技術(shù)企業(yè)的技術(shù)創(chuàng)新效率進(jìn)行了實(shí)證研究，發(fā)現(xiàn)相比其他所制企業(yè)，國有高新技術(shù)企業(yè)在改進(jìn)技術(shù)創(chuàng)新效率方面的表現(xiàn)更好[8]。周陽敏等從企業(yè)家特質(zhì)角度運(yùn)用統(tǒng)計回歸方法研究了國家自創(chuàng)區(qū)高新技術(shù)企業(yè)的創(chuàng)新能力與盈利能力之間的關(guān)系，結(jié)果發(fā)現(xiàn)企業(yè)創(chuàng)新對企業(yè)盈利具有正向效率[9]。郭建平等運(yùn)用DEA模型測算了2016年東中部八個省市的高新技術(shù)企業(yè)投入產(chǎn)出效率，發(fā)現(xiàn)不同省份不同行業(yè)的高技術(shù)企業(yè)的投入產(chǎn)出效率存在一定差異[10]。朱蘭亭研究了研發(fā)投入、技術(shù)創(chuàng)新產(chǎn)出與高新技術(shù)企業(yè)國際競爭力三者間關(guān)系,結(jié)果發(fā)現(xiàn)研發(fā)投入強(qiáng)度的提升作用并不明顯[11]。陳珊運(yùn)用DEA方法研究了科技金融對高新技術(shù)企業(yè)創(chuàng)新效率的影響，發(fā)現(xiàn)的科技金融的不斷發(fā)展使得高技術(shù)產(chǎn)業(yè)的創(chuàng)新效率不斷提升[12]。其二為地區(qū)層面的研究。張自力等研究了金融支持與廣東高新技術(shù)企業(yè)自主創(chuàng)新的影響，發(fā)現(xiàn)其金融體系運(yùn)行對高新技術(shù)企業(yè)自主創(chuàng)新的支持力度不夠, 支持效率偏低[13]。顧群等運(yùn)用DEA方法研究了融資約束對河北省高新技術(shù)企業(yè)創(chuàng)新效率的影響，發(fā)現(xiàn)融資約束的上升會促進(jìn)企業(yè)創(chuàng)新效率的提高[14]。劉程軍等對浙江省高新技術(shù)園區(qū)企業(yè)的吸收能力、知識溢出與創(chuàng)新績效的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)前兩者對企業(yè)的創(chuàng)新績效均有顯著正向效應(yīng)[15]。熊飛等運(yùn)用DEA方法對北京市豐臺科技園區(qū)的高新技術(shù)企業(yè)的創(chuàng)新效率進(jìn)行了研究，發(fā)現(xiàn)高新技術(shù)企業(yè)合理的投入結(jié)構(gòu)影響創(chuàng)新效率[16]。張玉臣運(yùn)用DEA方法對上海市高新技術(shù)企業(yè)的創(chuàng)新績效進(jìn)行了研究，發(fā)現(xiàn)不同技術(shù)領(lǐng)域的創(chuàng)新績效存在顯著差異[17]。其三為單個公司層面的研究。陳朝暉等以某一家上市高新技術(shù)企業(yè)為研究對象，從專利角度運(yùn)用模糊網(wǎng)絡(luò)分析法研究了科技創(chuàng)新與公司融資能力的關(guān)系[18]。

綜上，從現(xiàn)有文獻(xiàn)來看關(guān)于高新技術(shù)企業(yè)科技創(chuàng)新效率的研究較為豐富，而數(shù)據(jù)包絡(luò)分析方法的使用也較為成熟，但關(guān)于中國西部地區(qū)企業(yè)層面的相關(guān)研究較少。本文在以上研究基礎(chǔ)之上，運(yùn)用DEA-Malmquist指數(shù)方法從動態(tài)角度研究銅仁市高新技術(shù)企業(yè)的創(chuàng)新效率，以期補(bǔ)充西部地區(qū)關(guān)于高新技術(shù)企業(yè)的相關(guān)研究。

2 研究方法、指標(biāo)選取及數(shù)據(jù)來源

2.1 研究方法

數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,簡稱DEA)方法是應(yīng)用最廣泛的非參數(shù)的績效評價方法。于1978年由查尼斯(Charnes)和庫伯(Cooper)共同提出來。DEA方法被大量應(yīng)用于工業(yè)企業(yè)的生產(chǎn)管理及科研機(jī)構(gòu)效率評價等多個領(lǐng)域。相比于統(tǒng)計回歸分析需要事先確定生產(chǎn)函數(shù)形式，DEA方法則具有獨(dú)特優(yōu)勢。因其不需要事先確定生產(chǎn)函數(shù)形式，從而避免了因主觀因素導(dǎo)致的隨意性和非準(zhǔn)確性。該方法適用于多投入多產(chǎn)出的復(fù)雜系統(tǒng)，假定每個評價對象為一個決策單元(簡稱DMU)，以每個DMU的各投入產(chǎn)出權(quán)重為變量，建立數(shù)學(xué)規(guī)劃模型，通過求解模型的最優(yōu)解及權(quán)重值，從而對各個評價主體的相對績效進(jìn)行排序和分析，得出評價結(jié)果為管理層提供決策參考。DEA最早的模型有四大類：即C2R模型；CSGS;CW;CH;之后又經(jīng)過了不斷改進(jìn)。如BCC模型是在C2R模型基礎(chǔ)上加以改進(jìn)的模型，將規(guī)模收益不變的C2R模型轉(zhuǎn)換為規(guī)?？勺兊腂CC模型，進(jìn)而應(yīng)用更廣泛更方便。首先給出BCC模型具體形式如下：為進(jìn)一步方便計算各個DMU是否在生產(chǎn)前沿面及其投影，引入松弛變量s+,s-及非阿基米德無窮小(即小于任何正數(shù)且大于0的數(shù))，同時加入凸性假設(shè)將模型(2)變換為BCC模型。具體形式如下：

(1)

M0(yt+1,xt+1,yt,xt)=

上式中M0即t時刻點(diǎn)(xt,yt)到t+1時刻點(diǎn)(xt+1,yt+1)兩點(diǎn)之間的距離函數(shù)即兩個時刻全要素生產(chǎn)效率(簡稱TFP,以下均簡記為TFP)的變化函數(shù)。若M0大于1，即表示從t時刻到t+1時刻，TFP實(shí)現(xiàn)了增長；若M0小于1，即表示即表示從t時刻到t+1時刻，TFP出現(xiàn)了下降；若M0等于1，即表示即表示從t時刻到t+1時刻，TFP沒有變化。

1994年，F(xiàn)are等人進(jìn)一步將Malmquist指數(shù)進(jìn)行了分解，使其能更有效地分析出不同經(jīng)濟(jì)生產(chǎn)單位的生產(chǎn)效率變化的原因。其原理是在規(guī)模收益可變的條件下將Malmquist指數(shù)分解為綜合效率變化指數(shù)和技術(shù)進(jìn)步指數(shù)的乘積。而綜合效率變化指數(shù)為純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)的乘積，技術(shù)進(jìn)步率用來衡量技術(shù)進(jìn)步較前一年技術(shù)進(jìn)步的變化情況。因此，相比于DEA方法，DEA-Malmquist指數(shù)方法更易分析不同經(jīng)濟(jì)單位的生產(chǎn)要素變化的原因。鑒于本文重在分析銅仁市高新技術(shù)企業(yè)效率的動態(tài)變化情況，因此選用該方法。

2.2 指標(biāo)選取及數(shù)據(jù)來源

數(shù)據(jù)的選取影響DEA分析的結(jié)果，在指標(biāo)選取時要考慮科學(xué)性、可比性、可得性三個原則。從現(xiàn)有文獻(xiàn)綜合來看，評價科技投入的因素分為人財物的投入，科技產(chǎn)出分為直接產(chǎn)出和間接產(chǎn)出。根據(jù)銅仁市科技局的統(tǒng)計數(shù)據(jù)顯示截止2018年12月銅仁市共有22家高新技術(shù)企業(yè)，除去1家上市企業(yè)的子公司，其他均為非上市企業(yè)，分布在6大不同領(lǐng)域。鑒于指標(biāo)和數(shù)據(jù)選取的科學(xué)性、可比性和可得性原則，本文從銅仁市近三年表現(xiàn)良好的三大領(lǐng)域中各選取一家高新技術(shù)企業(yè)為樣本，其中投入指標(biāo)選取科技活動人員數(shù)及R&D經(jīng)費(fèi)支出；產(chǎn)出指標(biāo)選取專利申請量及新產(chǎn)品銷售收入。具體見表1所示。

表1 銅仁市高新技術(shù)企業(yè)科技投入產(chǎn)出指標(biāo)體系

以2016—2018年的數(shù)據(jù)為樣本，構(gòu)建了9個決策單元，每個決策單元包含了2個投入指標(biāo)和2個產(chǎn)出指標(biāo)。研究所用數(shù)據(jù)來自銅仁市科技局及調(diào)查問卷，為企業(yè)隱私保密起見，以下實(shí)證分析中各企業(yè)名稱均以其所屬領(lǐng)域代替。

3 實(shí)證結(jié)果及分析

運(yùn)用DEAP2.1軟件，以產(chǎn)出為導(dǎo)向，運(yùn)用DEA-Malmquist指數(shù)方法對銅仁市2016—2018年三類高新技術(shù)企業(yè)的科技創(chuàng)新效率進(jìn)行動態(tài)評價。

3.1 單個企業(yè)科技創(chuàng)新效率年度變化情況

分年度來看單個企業(yè)的變化情況，2016—2018年各類高新技術(shù)企業(yè)科技創(chuàng)新效率的Malmquist指數(shù)及其分解指標(biāo)值動態(tài)變化情況見表2～表3所示，表2為2016—2017年三類不同領(lǐng)域企業(yè)科技創(chuàng)新效率變化情況，表3為2017—2018年的科技創(chuàng)新效率變化情況。

表3 2017—2018年高新技術(shù)企業(yè)Malmquist指數(shù)及其分解值

表2 2016—2017年高新技術(shù)企業(yè)Malmquist指數(shù)及其分解值

從表2中的數(shù)據(jù)可以看出：①電子信息類企業(yè)，2016—2017年TFP值為1.361，說明該企業(yè)2016—2017年的科技創(chuàng)新效率較好，實(shí)現(xiàn)了36.1%增長幅度。從其分解值來看，電子信息類企業(yè)的綜合效率、純技術(shù)效率和規(guī)模效率值均為1，達(dá)到了DEA有效。另外，電子信息企業(yè)的技術(shù)進(jìn)步率值也大于1，說明電子信息類企業(yè)在2016到2017年有比較大的技術(shù)進(jìn)步和創(chuàng)新。②其他兩類企業(yè)，資源與環(huán)保企業(yè)和新材料企業(yè)2016—2017年TFP值分別為0.494和0.514，均小于1，說明這兩類企業(yè)在這段時期內(nèi)，全要素生產(chǎn)效率值下降了。從分解值來看，資源與環(huán)保類企業(yè)綜合效率、純技術(shù)效率和規(guī)模效率值均小于1，未實(shí)現(xiàn)DEA有效，且技術(shù)進(jìn)步率值也小于1；新材料類企業(yè)綜合效率、純技術(shù)效率和規(guī)模效率值分別為0.474、0.529和0.895。總體來看這兩類企業(yè)的效率變化差別不大，但新材料類公司的技術(shù)進(jìn)步率大于1且要高于資源與環(huán)保類公司。

從表3中數(shù)據(jù)可以看出，相比于2016—2017年的效率變化值來看，三類企業(yè)的TFP值均有變化：①新材料類企業(yè)，TFP值為7.457，為三類企業(yè)中變化最大的企業(yè)，說明新材料企業(yè)增長最快。從其分解值來看，新材料公司的綜合效率值為8.126，規(guī)模效率值為4.3，且純技術(shù)效率值也不低，而增長的動力源于資源配置效率的提高和規(guī)模效應(yīng)，尤其是規(guī)模效應(yīng)。②其他兩類企業(yè)，電子信息和資源與環(huán)保企業(yè)的TFP值均小于，說明兩類企業(yè)的增長均有所下降，其中電子信息企業(yè)下降更明顯。從分解值來看，電子信息企業(yè)的技術(shù)進(jìn)步率較之前下降較快，而資源與環(huán)保企業(yè)在純技術(shù)效率和規(guī)模效率方面均有所提高。

3.2 科技創(chuàng)新效率整體變化情況

銅仁市高新技術(shù)企業(yè)科技創(chuàng)新效率的Malmquist指數(shù)及其分解指標(biāo)值總變化情況如表4所示，不同企業(yè)的Malmquist指數(shù)及其分解指標(biāo)值總變化情況如表5所示。

表5 2016—2018年不同高新技術(shù)企業(yè)的Malmquist指數(shù)及其分解值

表4 2016—2018年高新技術(shù)企業(yè)整體Malmquist指數(shù)及其分解值

從表4數(shù)據(jù)可以看出，2016—2018年銅仁市高新技術(shù)企業(yè)的整體TFP值0.893，整體來說偏低?？赡芘c銅仁市2016年之前高新技術(shù)企業(yè)發(fā)展不夠理想有關(guān)，但TFP呈現(xiàn)逐年增長趨勢。從其分解值來年，綜合效率值和規(guī)模效率值較為理想，且效率改善較為明顯。但純技術(shù)效率和技術(shù)進(jìn)步率分別僅為0.897和0.843，但總體兩者均呈現(xiàn)遞增趨勢。而技術(shù)起步率值變化卻呈先現(xiàn)遞減的現(xiàn)象，可能與高新技術(shù)企業(yè)所處的技術(shù)進(jìn)步積累不夠穩(wěn)定有關(guān)?？傊?，銅仁市高新技術(shù)企業(yè)創(chuàng)新效率還有待進(jìn)一步提升。

從表5中數(shù)據(jù)可以看出， 2016—2018年銅仁市各類高新技術(shù)企業(yè)科技創(chuàng)新效率差異較大，其中新材料企業(yè)的TFP值最大為1.958，其次為電子信息企業(yè)，最后是資源與環(huán)保企業(yè)。從分解值來看，新材料企業(yè)表現(xiàn)最好，而電子信息企業(yè)同新材料企業(yè)相差不大。但資源與環(huán)保企業(yè)表現(xiàn)最差，綜合效率和技術(shù)進(jìn)步率均為最低，分別為0.604和0.644。導(dǎo)致這一結(jié)果的可能原因是由于資源與環(huán)保企業(yè)起步期有關(guān)，創(chuàng)新效率有待進(jìn)一步提高。

4 結(jié)論及建議

針對銅仁市高新技術(shù)企業(yè)科技創(chuàng)新效率研究可以得出以下結(jié)論及相應(yīng)建議：

1)不同企業(yè)的TFP值變化較大且不同行業(yè)的企業(yè)之間TFP值差距較大。有些企業(yè)實(shí)現(xiàn)了較快增長，有些企業(yè)則出現(xiàn)了下降的情況。比如電子信息企業(yè)2018年較2017年TFP值由1.361下降到了0.64，從其分析值來看，主要是在于其技術(shù)進(jìn)步率的下降。而新材料類企業(yè)則由0.514提高到了7.457，從其分解值來看，得益于規(guī)模效率和純技術(shù)效率的提高。出現(xiàn)這一結(jié)果的原因可能與企業(yè)所屬行業(yè)的發(fā)展周期及其自身的發(fā)展周期有關(guān)。因此，銅仁市應(yīng)取長補(bǔ)短，對于優(yōu)勢高新技術(shù)企業(yè)應(yīng)大力支持其高速發(fā)展，尤其是新材料領(lǐng)域企業(yè)。而對于弱勢企業(yè)應(yīng)該幫助企業(yè)逐步實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級。

2)高新技術(shù)企業(yè)科技創(chuàng)新效率總體不夠理想，但呈現(xiàn)上升趨勢。2016—2017年銅仁市高新技術(shù)企業(yè)的綜合效率值僅為0.62，純技術(shù)效率值也僅為0.693，低于全國水平。但2017—2018年數(shù)據(jù)顯示，無論是純技術(shù)效率還是規(guī)模效率均大幅提高改善。可能與銅仁市近兩年對科技發(fā)展的高度重視有關(guān)。因此，建議銅仁市加大對高新技術(shù)企業(yè)的扶持力度，進(jìn)一步為企業(yè)提供稅收優(yōu)惠及營造良好的融資環(huán)境，積極促進(jìn)高新技術(shù)企業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級，督促高新技術(shù)企業(yè)提高自身科技創(chuàng)新水平。

3)技術(shù)進(jìn)步率總體不夠高，且呈現(xiàn)波動情況。從前面分析可發(fā)現(xiàn)，新材料企業(yè)的技術(shù)進(jìn)步率是唯一呈現(xiàn)遞增趨勢，而其他企業(yè)則存在下降趨勢，說明高新技術(shù)企業(yè)技術(shù)進(jìn)步的外在環(huán)境有待進(jìn)一步完善。因此，銅仁市應(yīng)該強(qiáng)化產(chǎn)教研的融合，大力引進(jìn)高新技術(shù)和人才，重視基礎(chǔ)研究；加強(qiáng)科技平臺的建設(shè)，充分利用周邊省市乃至全國的優(yōu)勢科技資源，進(jìn)一步為高新技術(shù)企業(yè)積累技術(shù)創(chuàng)新基礎(chǔ)及提供良好的創(chuàng)新環(huán)境。