中國(guó)區(qū)域科技成果轉(zhuǎn)化效率研究—基于DEA和SFA的比較分析

吳佩佩，劉家樹(shù)，齊 昕

（安徽工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院，安徽馬鞍山243032）

近年來(lái)，隨著國(guó)家創(chuàng)新體系的構(gòu)建，科技成果產(chǎn)出數(shù)量不斷攀升的同時(shí)，越來(lái)越多的學(xué)者開(kāi)始關(guān)注科技成果轉(zhuǎn)化問(wèn)題。2011年國(guó)內(nèi)專利申請(qǐng)授權(quán)數(shù)為96.1萬(wàn)件，全國(guó)共發(fā)表科技論文53萬(wàn)篇，這些知識(shí)產(chǎn)出在多大程度上帶動(dòng)生產(chǎn)率和經(jīng)濟(jì)效益的提高，的確是各創(chuàng)新主體面臨的一個(gè)問(wèn)題。由于我國(guó)科技資源投入不足的剛性束縛以及資源配置機(jī)制的瓶頸制約，我國(guó)科技成果轉(zhuǎn)化情況不甚理想。因此，對(duì)我國(guó)區(qū)域科技成果轉(zhuǎn)化績(jī)效進(jìn)行分地區(qū)核算，將有助于把握科技成果轉(zhuǎn)化現(xiàn)狀，對(duì)促進(jìn)科技與經(jīng)濟(jì)發(fā)展互融并進(jìn)具有重要意義。

國(guó)外對(duì)科技成果轉(zhuǎn)化效率的研究有：Wahab等[1]從知識(shí)和組織學(xué)習(xí)視角，運(yùn)用相關(guān)系數(shù)和多重線性回歸方法對(duì)4大技術(shù)轉(zhuǎn)移特性進(jìn)行分析，發(fā)現(xiàn)關(guān)系特征對(duì)隱性知識(shí)和顯性知識(shí)轉(zhuǎn)移的效率影響最大。Anderson等[2]運(yùn)用DEA方法對(duì)大學(xué)技術(shù)轉(zhuǎn)移效率進(jìn)行測(cè)算，并探討學(xué)校的公立和私立性質(zhì)是否會(huì)對(duì)技術(shù)轉(zhuǎn)移的效率產(chǎn)生影響，結(jié)果表明學(xué)校的所有權(quán)性質(zhì)對(duì)技術(shù)轉(zhuǎn)移效率沒(méi)有影響。Jiang[3]對(duì)技術(shù)創(chuàng)新聯(lián)盟的知識(shí)轉(zhuǎn)移效率進(jìn)行了研究。國(guó)內(nèi)對(duì)科技成果轉(zhuǎn)化效率也進(jìn)行了一些研究，如徐晨等[4]運(yùn)用DEA方法對(duì)我國(guó)30多個(gè)地區(qū)（不含港、澳、臺(tái)）的科技成果轉(zhuǎn)化績(jī)效進(jìn)行分析，得出我國(guó)科技成果轉(zhuǎn)化水平整體較低。劉家樹(shù)等[5]基于我國(guó)大中型工業(yè)企業(yè)省際面板數(shù)據(jù)，運(yùn)用DEA模型，對(duì)科技成果轉(zhuǎn)化效率進(jìn)行測(cè)度，發(fā)現(xiàn)我國(guó)大中型工業(yè)企業(yè)科技成果轉(zhuǎn)化效率不高。楊宏進(jìn)等[6]以2007年我國(guó)高?？萍汲晒a(chǎn)出均處于效率前沿的省份為研究對(duì)象，在國(guó)內(nèi)首次運(yùn)用三階段DEA模型對(duì)高?？萍汲晒D(zhuǎn)化進(jìn)行效率分析。

上述文獻(xiàn)中非參數(shù)的DEA方法得到了大量運(yùn)用，其優(yōu)點(diǎn)在于不需要估計(jì)生產(chǎn)函數(shù)，而且可以考慮多產(chǎn)出；其缺點(diǎn)是不能衡量隨機(jī)誤差對(duì)個(gè)體績(jī)效水平的影響，也不能對(duì)生產(chǎn)過(guò)程進(jìn)行描述。而參數(shù)的SFA方法則可以將隨機(jī)擾動(dòng)項(xiàng)分解為隨機(jī)誤差項(xiàng)和技術(shù)無(wú)效項(xiàng)，并利用計(jì)量方法進(jìn)行效率估計(jì)。但是SFA方法用于科技成果轉(zhuǎn)化效率測(cè)算的研究國(guó)內(nèi)少見(jiàn)報(bào)道，鑒于此，同時(shí)避免單一研究方法的局限性，本文將DEA方法和SFA同時(shí)用于我國(guó)科技成果轉(zhuǎn)化效率的測(cè)算，以期對(duì)我國(guó)科技成果轉(zhuǎn)化情況進(jìn)行更合理的描述。

1 研究方法與數(shù)據(jù)處理

1.1 DEA方法

DEA（Data Envelopment Analysis,數(shù)據(jù)包絡(luò)分析方法）是由運(yùn)籌學(xué)家Charnes等1978年提出，以輸出/輸入作為相對(duì)績(jī)效而發(fā)展起來(lái)的評(píng)價(jià)決策單元相對(duì)有效性的非參數(shù)方法，本文使用基于產(chǎn)出的CCR模型[7]。

1.2 SFA方法

SFA是一種基于生產(chǎn)前沿面理論的參數(shù)方法，根據(jù)Battese等提出的面板數(shù)據(jù)模型,隨機(jī)前沿生產(chǎn)函數(shù)模型的一般形式可以表示為

其中：yit表示產(chǎn)出；xit表示投入向量；β為待估計(jì)的參數(shù)。誤差項(xiàng)為復(fù)合結(jié)構(gòu)的分布以半正態(tài)分布和截?cái)嗟恼龖B(tài)分布為常見(jiàn)[8]。

1.3 變量選擇與數(shù)據(jù)來(lái)源

科技成果轉(zhuǎn)化的投入指標(biāo)從資本投入和勞動(dòng)投入2方面選取，文中分別為各地區(qū)研究與發(fā)展（R&D）經(jīng)費(fèi)內(nèi)部支出額和各地區(qū)R&D人員全時(shí)當(dāng)量。產(chǎn)出指標(biāo)選取新產(chǎn)品銷售收入。因?yàn)榭萍汲晒D(zhuǎn)化是技術(shù)成果商品化的過(guò)程，最終轉(zhuǎn)化為新產(chǎn)品銷售收入。事實(shí)上該指標(biāo)也是有缺陷的，由于新產(chǎn)品銷售收入的數(shù)據(jù)在《中國(guó)科技統(tǒng)計(jì)年鑒》是分行業(yè)的，因此本文新產(chǎn)品銷售收入的數(shù)據(jù)選取大中型工業(yè)企業(yè)的新產(chǎn)品銷售收入。

研究2003—2009年的中國(guó)科技成果轉(zhuǎn)化情況。由于成果轉(zhuǎn)化的滯后性，文中滯后期選擇為1年。研究對(duì)象為中國(guó)大陸的省級(jí)行政區(qū)域，西藏由于部分?jǐn)?shù)據(jù)缺失未計(jì)入文中。研究的時(shí)間跨度為7年，考慮到通貨膨脹或通貨緊縮對(duì)投入和產(chǎn)出的影響，文中計(jì)算了各省區(qū)2004—2010年各年份的GDP平減指數(shù)，將數(shù)據(jù)統(tǒng)一為2003年價(jià)格。所使用的原始數(shù)據(jù)來(lái)源于2004—2011年的《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。

2 實(shí)證與結(jié)果

2.1 DEA測(cè)算結(jié)果

利用DEAP2.1軟件測(cè)算各地區(qū)2003—2009年間科技成果轉(zhuǎn)化效率，結(jié)果如表1。

表1 DEA方法下各地區(qū)科技成果轉(zhuǎn)化效率Tab.1 Transformation efficiency of regional science and technology achievements under DEAmethod

表1中數(shù)據(jù)為2003—2009年中國(guó)各地區(qū)科技成果轉(zhuǎn)化的技術(shù)效率均值，全國(guó)均值水平為0.392。技術(shù)效率水平排在前5位的是天津、上海、重慶、海南、廣西，其中天津、上海、海南位于東部地區(qū)，重慶、廣西位于西部地區(qū)。而經(jīng)濟(jì)發(fā)展水平比較發(fā)達(dá)的江蘇、浙江、廣東、山東等省市科技成果轉(zhuǎn)化的效率僅位于全國(guó)中等水平。北京、黑龍江、陜西、甘肅、青海等地的科技成果轉(zhuǎn)化效率不足0.2，最低。

2.2 SFA測(cè)算結(jié)果

利用SFA方法進(jìn)行效率測(cè)算，生產(chǎn)函數(shù)模型的選擇是關(guān)鍵。目前，隨機(jī)前沿分析選用的函數(shù)形式主要是柯布道格拉斯生產(chǎn)函數(shù)（C-D生產(chǎn)函數(shù)）和超越對(duì)數(shù)生產(chǎn)函數(shù)。C-D生產(chǎn)函數(shù)的優(yōu)點(diǎn)是模型形式簡(jiǎn)單、參數(shù)少，便于估計(jì)，缺點(diǎn)是假定要素的替代彈性不變。超越對(duì)數(shù)生產(chǎn)函數(shù)放寬了要素間替代彈性不變的假定，同時(shí)允許非中性的技術(shù)進(jìn)步的存在，但缺點(diǎn)是模型比較復(fù)雜，在多種要素投入的情況下，容易引發(fā)多重共線性問(wèn)題[9]。本文根據(jù)Battese等的模型分別構(gòu)建C-D生產(chǎn)函數(shù)和超越對(duì)數(shù)生產(chǎn)函數(shù)模型，然后根據(jù)參數(shù)估計(jì)結(jié)果選擇最合適的模型進(jìn)行效率估計(jì)。C-D生產(chǎn)函數(shù)模型為

式中：yit為第i個(gè)地區(qū)t期的新產(chǎn)品銷售收入；Kit為第i個(gè)地區(qū)t期的R&D經(jīng)費(fèi)支出額；Lit為第i個(gè)地區(qū)t期的R&D人員投入量；β為待估計(jì)的參數(shù)。超越對(duì)數(shù)生產(chǎn)函數(shù)模型為

若式(3)中的二次項(xiàng)系數(shù)和交叉項(xiàng)系數(shù)為0，則超越對(duì)數(shù)函數(shù)變成C-D生產(chǎn)函數(shù)。

模型的假設(shè)檢驗(yàn)有：

1)技術(shù)非效率檢驗(yàn) 假設(shè)不存在技術(shù)非效率，那么隨機(jī)前沿生產(chǎn)函數(shù)模型就變成普通的面板數(shù)據(jù)模型，只包含隨機(jī)誤差項(xiàng)的影響，用普通的OLS方法進(jìn)行分析即可，不需使用SFA方法。為此，需要檢驗(yàn)技術(shù)非效率不存在的零假設(shè)H0∶γ=0。

2)生產(chǎn)函數(shù)形式檢驗(yàn) 檢驗(yàn)C-D生產(chǎn)函數(shù)和超越對(duì)數(shù)生產(chǎn)函數(shù)，哪個(gè)更加適合。為此，需要檢驗(yàn)零假設(shè)H0：βkk=βll=βtt=βkl=βtk=βtl=0。

3)技術(shù)進(jìn)步檢驗(yàn) 用t和t2代表技術(shù)進(jìn)步變量，不存在技術(shù)進(jìn)步的零假設(shè)H0∶βt=βtt=βtk=βtl=0。

4)技術(shù)非中性檢驗(yàn) 技術(shù)中性指技術(shù)進(jìn)步與投入要素?zé)o關(guān)，在超越對(duì)數(shù)模型中，用時(shí)間與投入要素的交叉項(xiàng)來(lái)衡量技術(shù)非中性，零假設(shè)H0∶βtk=βtl=0。

5)技術(shù)效率時(shí)變性檢驗(yàn) 技術(shù)效率是否隨時(shí)間變化，需要檢驗(yàn)零假設(shè)H0∶η=0，當(dāng)η=0時(shí)，表明技術(shù)效率不隨時(shí)間變化。

6)技術(shù)非效率半正態(tài)分布檢驗(yàn) 可利用截?cái)嗾龖B(tài)分布模型的估計(jì)量來(lái)進(jìn)行零假設(shè)檢驗(yàn)，零假設(shè)H0∶μ=0，表示技術(shù)非效率項(xiàng)服從半正態(tài)分布。

7)半正態(tài)分布和時(shí)變性檢驗(yàn) 零假設(shè)H0∶η=μ=0，表示技術(shù)效率不隨時(shí)間變化，且非效率項(xiàng)服從半正態(tài)分布。上述7個(gè)檢驗(yàn)都可以采用“廣義似然比（LR）”統(tǒng)計(jì)量來(lái)檢驗(yàn)

其中：lnL(H0),lnL(H1)分別是零假設(shè)H0和備擇假設(shè)H1下模型的對(duì)數(shù)似然函數(shù)值，檢驗(yàn)統(tǒng)計(jì)量服從χ2分布，自由度為約束變量的數(shù)目。如果計(jì)算出來(lái)的LR統(tǒng)計(jì)量大于臨界值，則拒絕零假設(shè)，反之則接受零假設(shè)。

利用Frontier4.1軟件對(duì)各種假設(shè)條件下的模型進(jìn)行回歸，結(jié)果見(jiàn)表2。

表2 不同假設(shè)條件下模型的回歸結(jié)果Tab.2 Regression results under different assumptions

表3進(jìn)一步給出了各種假設(shè)條件的檢驗(yàn)結(jié)果，首先是SFA方法必要性的檢驗(yàn)，假設(shè)1和假設(shè)2的零假設(shè)被拒絕，說(shuō)明采用SFA方法是合理的；假設(shè)3的零假設(shè)被拒絕，說(shuō)明超越對(duì)數(shù)函數(shù)模型比C-D函數(shù)模型更適合；假設(shè)4被拒絕，說(shuō)明模型中需要考慮技術(shù)進(jìn)步因素；假設(shè)5被接受，說(shuō)明模型中的技術(shù)是中性的；假設(shè)6被接受，說(shuō)明技術(shù)效率不隨時(shí)間變化；假設(shè)7被接受，說(shuō)明技術(shù)非效率項(xiàng)服從半正態(tài)分布；假設(shè)8被接受，說(shuō)明技術(shù)效率不隨時(shí)間變化同時(shí)技術(shù)非效率項(xiàng)服從半正態(tài)分布。

表3 假設(shè)檢驗(yàn)結(jié)果Tab.3 Hypothesis testing results

根據(jù)檢驗(yàn)結(jié)果，重新設(shè)定模型形式如式(5)。

測(cè)算各地區(qū)2003—2009年間科技成果轉(zhuǎn)化效率，結(jié)果見(jiàn)表4，全國(guó)均值為0.503。

由表4可知，天津以0.926的效率水平位于全國(guó)科技成果轉(zhuǎn)化第一位，緊隨其后的是重慶、上海、山東、廣東、浙江等省市。排名前六的地區(qū)中除了重慶是西部城市外，其余的都是東部省市。河北、山西、內(nèi)蒙古、遼寧、安徽、河南、湖北、湖南科技成果轉(zhuǎn)化效率比較接近，這些地區(qū)大部分位于中部，經(jīng)濟(jì)發(fā)展水平也較接近。西部地區(qū)的云南、陜西、甘肅、青海、寧夏、新疆等地科技成果轉(zhuǎn)化效率相對(duì)滯后，與東部某些地區(qū)差距較大。

2.3 DEA和SFA結(jié)果的比較

對(duì)比表1和表4的結(jié)果可發(fā)現(xiàn)，不管是各地區(qū)的效率值還是全國(guó)均值，SFA方法測(cè)算的值均大于DEA測(cè)算值，這是由于SFA方法將隨機(jī)擾動(dòng)項(xiàng)分解為隨機(jī)誤差項(xiàng)和技術(shù)無(wú)效項(xiàng)，而在DEA方法中所有的誤差項(xiàng)都被歸入技術(shù)無(wú)效項(xiàng)中，這樣便會(huì)過(guò)高估計(jì)決策單元的技術(shù)無(wú)效率程度。為進(jìn)一步分析科技成果轉(zhuǎn)化效率的地區(qū)差異，有必要對(duì)兩種方法計(jì)算結(jié)果進(jìn)行聚類分析，即將科技成果轉(zhuǎn)化效率最接近的地區(qū)劃為一類。為便于和全國(guó)三大區(qū)域的劃分進(jìn)行比較，本文仍將科技成果轉(zhuǎn)化效率分為三類，分別為科技成果轉(zhuǎn)化高效區(qū)、科技成果轉(zhuǎn)化中效區(qū)和科技成果轉(zhuǎn)化低效區(qū)。借助SAS9.0統(tǒng)計(jì)軟件進(jìn)行聚類分析，具體結(jié)果見(jiàn)表5。

表4 SFA方法下各地區(qū)科技成果轉(zhuǎn)化效率Tab.4 Transformation efficiency of regional science and technology achievements under SFAmethod

表5 地區(qū)科技成果轉(zhuǎn)化效率聚類結(jié)果Tab.5 Clustering results of efficiency of regional scientific and technological achievements

由表5中可看出，用DEA方法測(cè)算的結(jié)果和SFA方法測(cè)算的結(jié)果進(jìn)行聚類，聚類結(jié)果差別較大。DEA結(jié)果聚類中，科技成果轉(zhuǎn)化的高效區(qū)只有天津、上海、海南、重慶，而在SFA結(jié)果聚類中，除了天津、上海、重慶之外，山東、廣東、吉林、廣西、浙江、江蘇、福建也劃分至科技成果轉(zhuǎn)化高效區(qū)?？萍汲晒D(zhuǎn)化中效區(qū)，DEA結(jié)果聚類顯示有山東、廣西、浙江、廣東、內(nèi)蒙古、江蘇、吉林、福建，這其中經(jīng)濟(jì)發(fā)展水平較高的山東、廣東、浙江、江蘇等地，科技成果轉(zhuǎn)化水平只位于全國(guó)中等水平，而在SFA結(jié)果的聚類中，中效區(qū)有河北、山西、江西、四川、內(nèi)蒙古、遼寧、海南、河南、湖南、安徽、湖北?？萍汲晒D(zhuǎn)化低效區(qū)，根據(jù)DEA測(cè)算的結(jié)果聚類有山西、湖北、四川、新疆、河北、江西、貴州、遼寧、河南、甘肅、青海、寧夏、北京、黑龍江、云南、安徽、湖南、陜西，共18個(gè)省市；在SFA結(jié)果的聚類中有北京、新疆、陜西、寧夏、云南、甘肅、黑龍江、貴州、青海，共9個(gè)省市。對(duì)比DEA、SFA聚類結(jié)果和地區(qū)分類，發(fā)現(xiàn)基于SFA方法的聚類結(jié)果和地區(qū)分類擬合性更好，一般來(lái)說(shuō)，一個(gè)地區(qū)經(jīng)濟(jì)越發(fā)達(dá)、基礎(chǔ)設(shè)施越完善、市場(chǎng)化水平越高，科技成果轉(zhuǎn)化水平就會(huì)越高。東部地區(qū)11省市除了北京、河北、遼寧、海南外，其他7省市都位于SFA結(jié)果聚類的科技成果轉(zhuǎn)化高效區(qū)中；中部地區(qū)8省都位于SFA結(jié)果聚類的科技成果轉(zhuǎn)化中效區(qū)中；西部地區(qū)11省市中廣西被劃分至科技成果轉(zhuǎn)化高效區(qū)，內(nèi)蒙古、重慶、四川劃分至科技成果轉(zhuǎn)化中效區(qū)，其余7省被劃入科技成果轉(zhuǎn)化低效區(qū)。從SFA方法自身的優(yōu)勢(shì)以及兩種方法的聚類結(jié)果，可以看出SFA方法測(cè)算的科技成果轉(zhuǎn)化效率比DEA方法測(cè)算的更為合理。

3 結(jié) 論

本文利用2003—2009我國(guó)省級(jí)面板數(shù)據(jù)，運(yùn)用DEA方法和SFA方法對(duì)各地區(qū)科技成果轉(zhuǎn)化效率進(jìn)行測(cè)算，結(jié)果表明：

(1)現(xiàn)階段我國(guó)科技成果轉(zhuǎn)化整體效率仍處于較低水平，DEA效率水平僅為0.392，SFA結(jié)果顯示的我國(guó)科技成果轉(zhuǎn)化整體效率水平為0.503，比DEA結(jié)果要大，因?yàn)镈EA方法中所有的誤差項(xiàng)都被歸入技術(shù)無(wú)效項(xiàng)中，這樣便會(huì)夸大決策單元的技術(shù)無(wú)效率程度。

(2)兩種方法的聚類結(jié)果顯示，參數(shù)的SFA方法比DEA方法更好描述各地區(qū)的科技成果轉(zhuǎn)化現(xiàn)況。

(3)我國(guó)科技成果轉(zhuǎn)化工作地區(qū)差異明顯，東部地區(qū)科技成果轉(zhuǎn)化效率最高、中部居中、西部地區(qū)科技成果轉(zhuǎn)化效率最低。

綜上，促進(jìn)科技與經(jīng)濟(jì)融合，加速科技成果轉(zhuǎn)化仍是是各地區(qū)都要重視的一個(gè)問(wèn)題；消除科技成果轉(zhuǎn)化區(qū)域差異，中西部地區(qū)應(yīng)完善相關(guān)的政策法規(guī)，為科技成果轉(zhuǎn)化工作消除體制上的障礙，使經(jīng)濟(jì)走上創(chuàng)新驅(qū)動(dòng)的軌道。

[1]Wahab SA,Rose R C,Osman S W.Empirical investigation on the effects of inter-firm technology transfer characteristics on degree of inter-firm technology transfer:a holistic model[J].Asian Social Science,2012,8(1):89-104.

[2]Anderson T R,Daim T U,Lavoie F F.Measuring the efficiency of university technology transfer[J].Technovation,2007,27(5):306-

318.

[3]Jiang Z S.Research on Efficiency of Knowledge Transfer in Technical InnovationAlliances[J].Physics Procedia,2012,25:1947-1954.

[4]徐晨,邵云飛.基于DEA的科技成果轉(zhuǎn)化績(jī)效評(píng)價(jià)研究[J].電子科技,2010,23(7):58-61.

[5]劉家樹(shù),菅利榮.科技成果轉(zhuǎn)化效率測(cè)度與影響因素分析[J].科技進(jìn)步與對(duì)策,2010,27(20):113-116.

[6]楊宏進(jìn),劉立群.基于三階段DEA的高?？萍紕?chuàng)新績(jī)效研究[J].科技管理研究,2011(9):104-107.

[7]CharnesA,Cooper WW,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[8]Battese G E,Coelli T J.Frontier production functions,technical efficiency and panel data:with application to paddy farmers in India[J].Journal of ProductivityAnalysis,1992,3(2):321-337.

[9]Reinhard S,Lovell K,Thijssen G.Environmental efficiency with multiple stochastic frontier and DEAmethods[J].Applied Economies,2000,32(4):1665-1673.

[10]Kodde DA,Palm F C.Wald criteria for jointly testing equality and inequality restrictions[J].Econometrica,1986,54(5):1243-1248.