張紅梅 任 杰

(貴州財(cái)經(jīng)大學(xué) 大數(shù)據(jù)應(yīng)用與經(jīng)濟(jì)學(xué)院(貴陽(yáng)大數(shù)據(jù)金融學(xué)院)，貴州 貴陽(yáng) 550025)

0 引言

自“十一五”以來(lái)，我國(guó)高新技術(shù)飛速發(fā)展，尤其是在新材料、交通、信息技術(shù)以及能源等方面有了突破性進(jìn)展，產(chǎn)業(yè)成果化顯著，自主研發(fā)及自主創(chuàng)新能力得到進(jìn)一步提升。我國(guó)在無(wú)線通信、新能源汽車、信息網(wǎng)絡(luò)等領(lǐng)域已經(jīng)邁入了世界前列，許多高新技術(shù)設(shè)備以及相關(guān)零件實(shí)現(xiàn)了自主設(shè)計(jì)創(chuàng)造。新時(shí)代下我國(guó)國(guó)家發(fā)展戰(zhàn)略的核心是“提高自主創(chuàng)新能力，建設(shè)創(chuàng)新型國(guó)家”，我國(guó)在高新技術(shù)產(chǎn)業(yè)R&D經(jīng)費(fèi)的投入雖然逐年提升，但是投入程度與發(fā)達(dá)國(guó)家相比還有很大的差距，由于缺乏核心技術(shù)，產(chǎn)品的附加價(jià)值較低。

1 文獻(xiàn)回顧

關(guān)于我國(guó)高技術(shù)產(chǎn)業(yè)R&D效率影響因素的研究文獻(xiàn)較為豐富。謝偉[1]發(fā)現(xiàn)我國(guó)高新技術(shù)產(chǎn)業(yè)的R&D效率偏低，而研發(fā)投入過(guò)程中的大量冗余以及因素間的不平衡發(fā)展是主要因素。朱桂艷[2]則對(duì)東中西部地區(qū)高新技術(shù)企業(yè)科技創(chuàng)新進(jìn)行現(xiàn)狀分析，發(fā)現(xiàn)科技金融對(duì)高新技術(shù)企業(yè)創(chuàng)新影響效果顯著。

還有著重研究了環(huán)境因素對(duì)高新技術(shù)產(chǎn)業(yè)的影響，周姣[3]對(duì)2007-2011年我國(guó)54個(gè)高新區(qū)的高新企業(yè)R&D的數(shù)據(jù)進(jìn)行了測(cè)算，發(fā)現(xiàn)我國(guó)高新區(qū)除了存在創(chuàng)新效率低下的問(wèn)題，還存在嚴(yán)重的資源配置不均，其原因主要來(lái)源于企業(yè)規(guī)模、勞動(dòng)者素質(zhì)以及地理因素等。劉滿鳳[4]考察了我國(guó)高新區(qū)2012年的創(chuàng)新效率，研究發(fā)現(xiàn)，導(dǎo)致我國(guó)中西部地區(qū)高新區(qū)的創(chuàng)新效率低下的主要原因是外部環(huán)境因素。而謝婷[5]以我國(guó)高新技術(shù)五大產(chǎn)業(yè)為樣本分析和考察我國(guó)高新技術(shù)產(chǎn)業(yè)研發(fā)績(jī)效，發(fā)現(xiàn)環(huán)境因素的差異對(duì)高新技術(shù)產(chǎn)業(yè)R&D效率造成了顯著的差異影響。孫研[6]則做了進(jìn)一步研究，政府扶持資金越多、技術(shù)投入越大就越會(huì)給高新技術(shù)企業(yè)帶來(lái)更多的研發(fā)冗余。劉偉[7]以中國(guó)高新技術(shù)產(chǎn)業(yè)的2000-2009年行業(yè)面板數(shù)據(jù)進(jìn)行分析，研究表明當(dāng)不考慮環(huán)境因素時(shí)，高新技術(shù)企業(yè)的規(guī)模效率會(huì)上升但是純技術(shù)效率會(huì)下降。曾勝[8]對(duì)2006-2013年我國(guó)30個(gè)省市區(qū)的高新技術(shù)企業(yè)的投入與產(chǎn)出數(shù)據(jù)進(jìn)行了測(cè)度，發(fā)現(xiàn)當(dāng)不考慮環(huán)境因素時(shí)，各省市區(qū)的R&D會(huì)顯著降低，而造成下降的主要原因?yàn)橐?guī)模效率顯著下降。馬東華[9]就如何提高高新技術(shù)創(chuàng)新效率展開了研究，發(fā)現(xiàn)單純?cè)黾友邪l(fā)投入并不能帶來(lái)科技水平提升。

另外，還有學(xué)者測(cè)度了高新技術(shù)企業(yè)R&D的金融支持效率。張自力[10]研究發(fā)現(xiàn)廣東省對(duì)高新技術(shù)產(chǎn)業(yè)自主創(chuàng)新的金融支持力度不夠，從而導(dǎo)致金融支持效率整體較低。而黃詩(shī)偉[11]在研究時(shí)發(fā)現(xiàn)企業(yè)經(jīng)營(yíng)能力、企業(yè)盈利能力等因素對(duì)金融支持效率產(chǎn)生正面影響，而資產(chǎn)負(fù)債率對(duì)金融支持效率產(chǎn)生負(fù)面影響。馬玉琪[12]發(fā)現(xiàn)企業(yè)的經(jīng)營(yíng)水平越高、科研能力越強(qiáng)就越能獲得更多的金融支持而且金融支持對(duì)小微企業(yè)的R&D效率的作用要優(yōu)于大中型企業(yè)。

通過(guò)文獻(xiàn)回顧，本文將進(jìn)行以下研究：首先通過(guò)傳統(tǒng)DEA模型對(duì)我國(guó)高新技術(shù)企業(yè)的R&D效率進(jìn)行測(cè)度，其次分析哪些環(huán)境變量對(duì)高新技術(shù)的R&D效率造成了顯著的影響并進(jìn)行相應(yīng)的調(diào)整，最后提出相關(guān)的政策建議。

2 模型與方法

2.1 三階段DEA模型

三階段DEA模型最早是由Fried提出，他通過(guò)研究發(fā)現(xiàn)傳統(tǒng)的DEA模型在進(jìn)行效率測(cè)度時(shí)，忽略了環(huán)境因素的影響，因而導(dǎo)致決策單元的效率值并不準(zhǔn)確。三階段DEA模型就是在傳統(tǒng)的DEA模型基礎(chǔ)上引入了環(huán)境因素以及隨機(jī)噪聲，其最重要的步驟是在第二階段將環(huán)境變量因素以及隨機(jī)噪聲剔除掉。三階段DEA模型雖然出現(xiàn)較晚，但是發(fā)展速度較快，國(guó)內(nèi)有很多學(xué)者都開始考慮環(huán)境因素以及隨機(jī)噪聲的影響。

2.1.1 第一階段：傳統(tǒng)DEA模型

DEA模型即數(shù)據(jù)包絡(luò)分析，由Charnes、Cooper以及Rhodes于1978年首次提出，它主要用來(lái)評(píng)價(jià)各決策單元的相對(duì)有效性。簡(jiǎn)單來(lái)說(shuō)，它是通過(guò)輸入與輸出來(lái)衡量決策單元是否能達(dá)到“規(guī)模有效”與“技術(shù)有效”。他們的第一個(gè)模型被命名為CCR模型。

第一階段主要使用原始投入值與原始產(chǎn)出值來(lái)進(jìn)行初步的效率測(cè)算，DEA模型可以根據(jù)投入與產(chǎn)出導(dǎo)向的不同分為以產(chǎn)出為導(dǎo)向的CCR模型以及以投入為導(dǎo)向的BCC模型。以產(chǎn)出為導(dǎo)向的CCR模型是規(guī)模報(bào)酬不變的，而以投入為導(dǎo)向的BCC模型是規(guī)模報(bào)酬可變的，我國(guó)學(xué)者在運(yùn)用三階段DEA模型分析時(shí)，大多都以投入為導(dǎo)向的BCC模型進(jìn)行分析。BCC模型是CCR模型的對(duì)偶形式，下面將對(duì)BCC模型進(jìn)行展開介紹。

設(shè)有m個(gè)決策單元DMUr(r=1,2,...,m)，這些決策單元都分別對(duì)應(yīng)有i個(gè)輸入和o個(gè)輸出。若以向量形式表示，其輸入向量形式可寫為X=(xr1,xr2,...,xri)T>0，輸出向量形式為Y=(yr1,yr2,...,yro)T>0，其中，xri為第r個(gè)決策單元的i種輸入，yro為第r個(gè)決策單元的o種輸出。為了簡(jiǎn)便，我們將分別記DMUr0為DMU0，Xr0為X0，Yr0為Y0，則以投入為導(dǎo)向的BCC模型的對(duì)偶線性規(guī)劃模型如公式1所示：

(1)

其中，θ為綜合效率值，θ∈(0,1]，S-為輸入的松弛變量，S+為輸出的松弛變量，ηr為常數(shù)向量，并且有如下幾個(gè)結(jié)論：

(1)若θ=1且S-=0，S+=0，這說(shuō)明DMU0為DEA有效決策單元；

(2)若θ=1且S-≠0或S+≠0，則說(shuō)明DMU0為弱DEA有效決策單元；

(3)若θ<1，則說(shuō)明DMU0為非DEA有效決策單元。

模型測(cè)算結(jié)果得出的θ值為綜合效率值(TE)。它由規(guī)模效率(SE)與純技術(shù)效率(PTE)所構(gòu)成，表達(dá)式為綜合技術(shù)效率(TE)=規(guī)模效率(SE)*純技術(shù)效率(PTE)。

2.1.2 第二階段：似SFA模型

第二階段是核心部分，F(xiàn)reid認(rèn)為決策單元應(yīng)受到三個(gè)方面的影響：管理無(wú)效率、環(huán)境因素與統(tǒng)計(jì)噪聲。在第二階段中主要將三種影響分別分離出來(lái)。

通過(guò)第一階段的測(cè)算結(jié)果可以得到輸入與輸出指標(biāo)的松弛變量，而松弛變量我們認(rèn)為是包含著管理無(wú)效率、環(huán)境因素與統(tǒng)計(jì)噪聲的初始結(jié)果，這顯然是低效率的。要分離這三種影響，需要借助SFA(隨機(jī)前沿)模型，將輸入與輸出的松弛變量作為被解釋變量，將環(huán)境變量和混合誤差項(xiàng)作為解釋變量，最后進(jìn)行回歸分析。構(gòu)造的SFA回歸方程如公式(2)所示：

Sri=f(Zr;βk)+vri+μri,i=1,2,...,I,r=1,2,...,m

(2)

其中，Sri表示第r個(gè)決策單元第i個(gè)投入的松弛變量；Zr=(Zr1,Zr2,...,Zrk)表示有k個(gè)環(huán)境變量，Zr1為第r個(gè)決策單元的一個(gè)環(huán)境變量；βk為環(huán)境變量的系數(shù)；vri+μri表示混合誤差項(xiàng)，其中vri為隨機(jī)干擾項(xiàng)且vri～N(0,σvr2)，其含義為隨機(jī)干擾因素可能對(duì)投入的松弛變量的影響；μri為管理無(wú)效率。μri服從在零點(diǎn)截?cái)嗟恼龖B(tài)分布，μr～N+(0,σμr2)，其含義為因管理因素可能對(duì)投入松弛變量的影響。

(3)

以上過(guò)程將環(huán)境因素以及隨機(jī)因素去除掉，接下來(lái)將介紹如何剔除因管理無(wú)效率造成對(duì)投入變量的影響。管理無(wú)效率的分離公式不同的學(xué)者給出了不同的形式而且差別較大。羅登躍[13]依據(jù)Jondrow[14]的思路得出了較為科學(xué)的分離公式，如式(4)所示：

(4)

接著計(jì)算得出隨機(jī)誤差項(xiàng)μ，計(jì)算公式如式(5)所示：

E[vri|vri+μri]=sni-f(Zr;βk)-E[μri|vri+μri]

(5)

第二階段總的來(lái)說(shuō)就是將三種影響從投入變量中剝離出來(lái)，得出調(diào)整后的投入變量，下一步將剝離了各項(xiàng)影響因素的投入變量再次代入到DEA模型進(jìn)行分析，即第三階段。

2.1.3 第三階段：調(diào)整后的投入變量再利用DEA法進(jìn)行測(cè)算

【普氏《核子周刊》2018年9月13日刊報(bào)道】 2018年9月11日，美國(guó)X能源公司(X-energy)高層管理人員在與美國(guó)核管會(huì)(NRC)工作人員會(huì)談時(shí)表示，Xe-100的概念設(shè)計(jì)目前已完成約50%，該公司計(jì)劃在未來(lái)幾年與核管會(huì)進(jìn)行Xe-100設(shè)計(jì)認(rèn)證申請(qǐng)?zhí)峤磺暗幕?dòng)，并在2022年或2023年完成這種反應(yīng)堆的設(shè)計(jì)。Xe-100是一種200 MWt/75MWe的高溫氣冷球床反應(yīng)堆，基于過(guò)去50年在高溫氣冷堆領(lǐng)域的研發(fā)和運(yùn)營(yíng)經(jīng)驗(yàn)。

由于各決策單元的相對(duì)效率值是經(jīng)過(guò)似SFA模型處理后的結(jié)果，即過(guò)濾掉了環(huán)境因素以隨機(jī)干擾項(xiàng)的結(jié)果，因此經(jīng)調(diào)整后得出的決策單元的相對(duì)效率值更加準(zhǔn)確和合理。

2.2 選取指標(biāo)

2.2.1 投入指標(biāo)、產(chǎn)出指標(biāo)與環(huán)境變量指標(biāo)

投入指標(biāo)以及產(chǎn)出指標(biāo)的選擇應(yīng)合理，否則將會(huì)影響效率的測(cè)算準(zhǔn)確性。本文所選取各項(xiàng)指標(biāo)如下所示：

(1)投入指標(biāo)與產(chǎn)出指標(biāo)的選取。在研究企業(yè)R&D效率方面，國(guó)內(nèi)有很多學(xué)者構(gòu)建了衡量企業(yè)研發(fā)效率的評(píng)價(jià)體系，本文投入和產(chǎn)出指標(biāo)部分參照李洪偉[15]的做法。在投入方面，重點(diǎn)考察新產(chǎn)品開發(fā)經(jīng)濟(jì)支出與政府資金支持對(duì)我國(guó)各省市區(qū)高新技術(shù)企業(yè)經(jīng)濟(jì)產(chǎn)出的影響?？紤]到數(shù)據(jù)的可得性，將新產(chǎn)品銷售收入以及專利申請(qǐng)數(shù)作為產(chǎn)出指標(biāo)。

(2)環(huán)境變量的選取。環(huán)境變量是三階段DEA模型中必不可少的一個(gè)環(huán)節(jié)，由于三階段DEA模型的核心就是將外部環(huán)境因素納入到考察范圍內(nèi)，因此，選取的環(huán)境變量應(yīng)該考慮到我國(guó)各省市區(qū)的經(jīng)濟(jì)發(fā)展水平。根據(jù)現(xiàn)有文獻(xiàn)成果，本文將研發(fā)機(jī)構(gòu)個(gè)數(shù)、企業(yè)規(guī)模、國(guó)有產(chǎn)權(quán)比重、地區(qū)生產(chǎn)總值、學(xué)歷為大專以上人口5個(gè)指標(biāo)作為環(huán)境變量。

2.2.2 數(shù)據(jù)來(lái)源

本文所使用的投入指標(biāo)、產(chǎn)出指標(biāo)與環(huán)境變量指標(biāo)數(shù)據(jù)來(lái)自我國(guó)2011-2017年的《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》以及《中國(guó)科技統(tǒng)計(jì)年鑒》，本文參照盧劍憂[16]的做法，設(shè)定產(chǎn)出具有時(shí)滯性，例如將2016的數(shù)據(jù)作為投入，將2017年的數(shù)據(jù)作為產(chǎn)出。

2.3 我國(guó)各省市區(qū)金融支持效率的實(shí)證分析

本文將通過(guò)三階段DEA模型對(duì)我國(guó)各省市區(qū)的高新技術(shù)企業(yè)的R&D效率進(jìn)行測(cè)度，并考察外部因素對(duì)R&D的影響。

2.3.1 第一階段：傳統(tǒng)DEA模型

綜上，當(dāng)TE、PTE以及SE均為1時(shí)，決策單元才為有效決策單元。如果出現(xiàn)PTE為1但SE小于1，此時(shí)決策單元被認(rèn)為是無(wú)效的，且綜合技術(shù)效率無(wú)效是規(guī)模效率值無(wú)效所導(dǎo)致的。運(yùn)用DEAP 2.1對(duì)我國(guó)27個(gè)省市區(qū)2011-2016年高新技術(shù)產(chǎn)業(yè)的綜合效率值進(jìn)行分析，如表1所示。

表1 2011-2016年省市區(qū)的綜合效率值

由表1可知，當(dāng)過(guò)濾掉外部環(huán)境因素，2011-2016年我國(guó)各省市區(qū)的效率值均值分別為0.673,0.692,0.666,0.588,0.699,0.602。其中2011年天津、江蘇、廣東、重慶、貴州處于生產(chǎn)效率前沿面；2012年河南、廣東處于生產(chǎn)效率前沿面；2013年安徽、河南、廣東、貴州處于生產(chǎn)效率前沿面；2014年內(nèi)蒙古、河南、廣東、重慶處于生產(chǎn)效率前沿面；2015年江蘇、江西、山東、河南、廣東處于生產(chǎn)效率前沿面；2016年內(nèi)蒙古、江西、河南處于生產(chǎn)效率前沿面。而其余各省市在PTE以及SE上都存在改進(jìn)空間，由于在第一階段中有環(huán)境因素以及隨機(jī)干擾項(xiàng)的影響，所以第一階段結(jié)果并不能準(zhǔn)確的反映我國(guó)各省市區(qū)的高新技術(shù)產(chǎn)業(yè)的投入產(chǎn)出效率，因此需要對(duì)其進(jìn)一步調(diào)整。

2.3.2 第二階段：似SFA模型

通過(guò)第一階段分析，不僅得到了各省市高新技術(shù)產(chǎn)業(yè)的金融支持效率值，還得到了其投入松弛變量，綜上所述，投入的松弛變量即為目標(biāo)投入值(理想投入值)與實(shí)際投入值之差。在第二階段，將會(huì)建立SFA模型，并將松弛變量以及環(huán)境變量代入運(yùn)行，從而得到不存在外部環(huán)境因素的條件下環(huán)境變量以及隨機(jī)因素對(duì)金融支持效率的影響。需要注意的是采用的是似SFA模型而非標(biāo)準(zhǔn)的SFA模型，區(qū)別在于似SFA模型不對(duì)環(huán)境變量做對(duì)數(shù)化處理。采用式(2)進(jìn)行線性回歸。

本文使用軟件Frontier4.1對(duì)SFA模型進(jìn)行回歸，在進(jìn)行數(shù)據(jù)輸入前，有必要對(duì)環(huán)境變量進(jìn)行標(biāo)準(zhǔn)化處理消除量綱的影響，標(biāo)準(zhǔn)化處理方法采用極差法，如式(6)所示。

(6)

軟件運(yùn)行結(jié)果如表2、表3所示。

表2 投入變量為新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的SFA分析結(jié)果

表3 投入變量為政府資金支持的SFA分析結(jié)果

在第二階段中，如果環(huán)境變量的系數(shù)為正，表明環(huán)境變量越大，投入的松弛變量也就越大。環(huán)境變量的影響越大，所產(chǎn)生的投入冗余也就越多。反之，如果環(huán)境變量系數(shù)為負(fù)，環(huán)境變量的影響越大，所產(chǎn)生的投入冗余也就越少。

根據(jù)SFA回歸分析結(jié)果，發(fā)現(xiàn)各年份γ=1.00，說(shuō)明我國(guó)各省市區(qū)高新技術(shù)產(chǎn)業(yè)的研發(fā)無(wú)效率基本是由新產(chǎn)品開發(fā)經(jīng)費(fèi)支出及政府支出管理無(wú)效率造成。LR單邊檢驗(yàn)表示是否存在影響無(wú)效率的因素，通過(guò)查閱單邊廣義似然比檢驗(yàn)的臨界值可知自由度(環(huán)境變量個(gè)數(shù))為5，在0.5%的顯著性水平下為10.371，各年份均通過(guò)了顯著性檢驗(yàn)，這就表明管理無(wú)效率的影響的確存在，利用SFA進(jìn)行分析是合理的。

以下將具體分析5個(gè)環(huán)境變量對(duì)金融支持效率的影響。

首先，觀察新產(chǎn)品開發(fā)經(jīng)費(fèi)支出，研發(fā)機(jī)構(gòu)數(shù)對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量產(chǎn)生負(fù)面影響并且均通過(guò)了1%的顯著性檢驗(yàn)；企業(yè)規(guī)模對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量只有在2013年和2016年產(chǎn)生正面影響并且通過(guò)1%和5%的顯著性檢驗(yàn)；國(guó)有產(chǎn)權(quán)比重對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量在2013年、2014年和2016年產(chǎn)生正面影響并且通過(guò)1%和5%的顯著性檢驗(yàn)；地區(qū)生產(chǎn)總值對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量在2011年和2012年產(chǎn)生正面影響并且通過(guò)了1%的顯著性檢驗(yàn)，而2013年卻沒有通過(guò)顯著性檢驗(yàn)，在2014-2016年產(chǎn)生負(fù)面影響并且通過(guò)了1%的顯著性檢驗(yàn)；大專以上學(xué)歷的人口數(shù)對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量在2011年產(chǎn)生負(fù)面影響并且通過(guò)了1%的顯著性檢驗(yàn)，在2012-2016年產(chǎn)生正面影響并且通過(guò)了1%和5%的顯著性檢驗(yàn)。

這表明2011-2016年各省市區(qū)的研發(fā)機(jī)構(gòu)數(shù)量越多，就越能提升高新技術(shù)產(chǎn)業(yè)的研發(fā)效率。關(guān)于內(nèi)在機(jī)理，可以這樣解釋：研發(fā)機(jī)構(gòu)數(shù)量越多，就越能增加各省市區(qū)的高新技術(shù)企業(yè)的競(jìng)爭(zhēng)強(qiáng)度，因而會(huì)加強(qiáng)對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)的使用效率，從而提升研發(fā)效率。而企業(yè)規(guī)?？赡軙?huì)對(duì)高新技術(shù)企業(yè)的研發(fā)效率產(chǎn)生負(fù)面影響(2013年和2016年對(duì)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出的松弛變量產(chǎn)生正面影響)。國(guó)有產(chǎn)權(quán)比重有降低高新技術(shù)企業(yè)的研發(fā)效率的趨勢(shì)，即在2013年、2014年和2016年國(guó)有產(chǎn)權(quán)比重越大，就越能降低高新技術(shù)產(chǎn)業(yè)的研發(fā)效率。這可能是因?yàn)閲?guó)有產(chǎn)權(quán)比重越大，使得資金投入量變大從而在一定程度上降低資金的使用效率，從而造成了資金的浪費(fèi)，從而降低研發(fā)效率。2011-2012年地區(qū)生產(chǎn)總值越高就越能降低研發(fā)效率但在2014-2016年卻正好相反，這說(shuō)明有地區(qū)生產(chǎn)總值越高就越能提升高新技術(shù)企業(yè)研發(fā)效率的趨勢(shì)。2011年大專以上學(xué)歷人口數(shù)越多就越能提升高新技術(shù)研發(fā)效率，而在2011年后卻正好相反且對(duì)研發(fā)效率產(chǎn)生越來(lái)越強(qiáng)的負(fù)面影響，這說(shuō)明有研發(fā)人員騙取研發(fā)經(jīng)費(fèi)的現(xiàn)象，從而降低了地區(qū)的高新技術(shù)的研發(fā)效率。

其次，觀察政府資金支出，研發(fā)機(jī)構(gòu)數(shù)對(duì)政府資金支出的松弛變量在2011-2014年產(chǎn)生負(fù)面影響并且均通過(guò)1%和5%的顯著性檢驗(yàn)，在2015-2016年沒有通過(guò)顯著性檢驗(yàn)但有微弱的負(fù)面影響；企業(yè)規(guī)模對(duì)政府資金支出的松弛變量只有2016年產(chǎn)生正面影響并且通過(guò)1%的顯著性檢驗(yàn)；國(guó)有產(chǎn)權(quán)比重對(duì)政府資金支出的松弛變量在2013年和2015年沒有通過(guò)顯著性檢驗(yàn)但仍然存在微弱的正面影響，在其余年份產(chǎn)生的正面影響并且通過(guò)1%的顯著性檢驗(yàn)；地區(qū)生產(chǎn)總值對(duì)政府資金支出的松弛變量在2011年產(chǎn)生正面影響并且通過(guò)了1%的顯著性檢驗(yàn)，而2011年后卻逐漸呈現(xiàn)出負(fù)面影響的趨勢(shì)，除了2013年均通過(guò)1%的顯著性檢驗(yàn)；大專以上學(xué)歷的人口數(shù)對(duì)政府資金支出的松弛變量在2011年產(chǎn)生負(fù)面影響并且通過(guò)了1%的顯著性檢驗(yàn)，在2012-2016年產(chǎn)生正面影響并且通過(guò)了1%的顯著性檢驗(yàn)。通過(guò)觀察發(fā)現(xiàn)基本上與以上的結(jié)果保持一致。

通過(guò)分析，可知環(huán)境變量的存在的確會(huì)給各省市區(qū)的高新技術(shù)企業(yè)的研發(fā)效率造成影響，高估“運(yùn)氣”好(環(huán)境因素良好)的地區(qū)而低估“運(yùn)氣”差(環(huán)境因素較差)的地區(qū)，這就會(huì)對(duì)各決策單元的效率評(píng)價(jià)造成影響。所以在第三階段中，將各決策單元置于相同的“運(yùn)氣”(相同環(huán)境因素)水平下，進(jìn)一步考察各省市區(qū)的金融支持效率。

2.3.3 第三階段：調(diào)整后的投入變量再利用DEA法進(jìn)行測(cè)算

根據(jù)對(duì)原始投入指標(biāo)新產(chǎn)品開發(fā)經(jīng)費(fèi)支出以及政府資金支出進(jìn)行調(diào)整，并再次利用DEA模型中的以投入為導(dǎo)向的、規(guī)模報(bào)酬可變的BCC模型進(jìn)行測(cè)算，通過(guò)軟件DEAP2.1得到運(yùn)行結(jié)果，如表4所示。

對(duì)比表1和表6發(fā)現(xiàn)剔除掉環(huán)境變量和隨機(jī)干擾項(xiàng)后，發(fā)現(xiàn)各省、市的綜合效率均值與原始投入相比有明顯的下降，這說(shuō)明總體而言我國(guó)高新技術(shù)產(chǎn)業(yè)效率去除外部環(huán)境和隨機(jī)因素后更加不理想，其中河南在2012-2016年仍然處于技術(shù)效率前沿面；廣東經(jīng)過(guò)調(diào)整后在2011年-2015年仍然處于技術(shù)效率前沿面并在2016年達(dá)到了有效前沿面，說(shuō)明這兩個(gè)省的高新技術(shù)產(chǎn)業(yè)投入產(chǎn)出效率確實(shí)較高。

2011年，天津和江蘇處于技術(shù)效率前沿面不變，說(shuō)明這兩個(gè)省市在2011年投入產(chǎn)出效率較高；重慶和貴州剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)后退出了技術(shù)效率前沿面，說(shuō)明這兩個(gè)省市的高效率與其所處的有利環(huán)境和“好運(yùn)氣”有關(guān)而北京和四川與其正好相反。2013年，安徽和貴州省剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)后退出了技術(shù)效率前沿面；2014年內(nèi)蒙古和重慶剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)后退出了技術(shù)效率前沿面，而江蘇、安徽和山東剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)達(dá)到了技術(shù)效率前沿面；2015年，江蘇和山東處于技術(shù)效率前沿面不變，說(shuō)明這兩個(gè)省在2015年投入產(chǎn)出效率較高，而江西剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)退出了技術(shù)效率前沿面；2016年內(nèi)蒙古和江西剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)退出了技術(shù)效率前沿面而江蘇和山東與其正好相反。剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)后退出了技術(shù)效率前沿面的省市區(qū)說(shuō)明高新技術(shù)產(chǎn)業(yè)的研發(fā)高效率與其所處的有利環(huán)境和“運(yùn)氣”有關(guān)，即其本身的技術(shù)管理水平并不高。而剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)后達(dá)到了技術(shù)效率前沿面的省市區(qū)說(shuō)明高新技術(shù)產(chǎn)業(yè)的研發(fā)效率受環(huán)境影響。

3 結(jié)語(yǔ)

本文以全國(guó)27個(gè)省市區(qū)的新產(chǎn)品開發(fā)經(jīng)費(fèi)支出與政府資金支出作為投入指標(biāo)，以新產(chǎn)品銷售收入和專利申請(qǐng)書為產(chǎn)出指標(biāo)，并且考慮了環(huán)境因素的影響，重點(diǎn)考察了我國(guó)各省市區(qū)的高新技術(shù)企業(yè)的研發(fā)效率以及影響因素。本文采用三階段DEA模型構(gòu)建了區(qū)域視角下我國(guó)高新技術(shù)企業(yè)研發(fā)效率分析模型，通過(guò)實(shí)證分析對(duì)各省市區(qū)的研發(fā)效率進(jìn)行測(cè)算，得到了以下結(jié)論：

(1)研發(fā)機(jī)構(gòu)數(shù)量越多就越能提高省、市的高新技術(shù)產(chǎn)業(yè)的研發(fā)效率，因此各省市區(qū)應(yīng)大力發(fā)展高新技術(shù)產(chǎn)業(yè)，從而提高地區(qū)高新技術(shù)產(chǎn)業(yè)的競(jìng)爭(zhēng)力從而提升高新技術(shù)企業(yè)的研發(fā)效率。

(2)企業(yè)規(guī)模對(duì)高新技術(shù)產(chǎn)業(yè)的研發(fā)效率的影響不是很大，只有微弱的負(fù)面影響。企業(yè)規(guī)模越大就越容易造成資金的浪費(fèi)，導(dǎo)致研發(fā)效率低下，而微弱的負(fù)面影響說(shuō)明高新技術(shù)企業(yè)規(guī)模大部分還是較小，各省市區(qū)應(yīng)適當(dāng)擴(kuò)大高新技術(shù)企業(yè)的規(guī)模。

(3)國(guó)有產(chǎn)權(quán)比重越大就越有可能使得高新技術(shù)產(chǎn)業(yè)的研發(fā)效率下降，這可能是由于存在“所有制歧視”，使得國(guó)有高新技術(shù)企業(yè)能夠獲得更多的資金，從而造成了資金的浪費(fèi)，導(dǎo)致高新技術(shù)企業(yè)的研發(fā)效率低下。我國(guó)應(yīng)大力扶持民營(yíng)高新技術(shù)企業(yè)的發(fā)展，加大金融支持。國(guó)有高新技術(shù)企業(yè)應(yīng)當(dāng)更加嚴(yán)格地管理資金的使用，完善資金監(jiān)管制度。

(4)地區(qū)生產(chǎn)總值越高新技術(shù)企業(yè)的研發(fā)效率就越高，這說(shuō)明經(jīng)濟(jì)發(fā)達(dá)的地區(qū)能夠扶持高新技術(shù)企業(yè)的發(fā)展，高新技術(shù)企業(yè)的發(fā)展能夠帶來(lái)更多的收益，使得地區(qū)生產(chǎn)總值進(jìn)一步提高，從而形成良性循環(huán)。