我國54個城市的創(chuàng)新效率比較研究：基于包含非期望產(chǎn)出的SBM-NDEA模型

常曉然，周 全，吳曉波

?

我國54個城市的創(chuàng)新效率比較研究：基于包含非期望產(chǎn)出的SBM-NDEA模型

常曉然，周 全，吳曉波

（浙江大學管理學院，浙江杭州 310058）

本文結合非期望產(chǎn)出模型和非導向的SBM-NDEA模型（非徑向模型）對我國54個城市的創(chuàng)新效率進行客觀、系統(tǒng)的評價。實證結果表明:（1）我國城市創(chuàng)新無論是其整體，還是其上下游兩階段，效率值都偏低，均有很大的提升空間;特別地，除了北京、上海、天津、?？诘?3個城市屬于高效集約型技術創(chuàng)新外，大部分城市表現(xiàn)為兩階段效率雙差或一強一差；（2）技術商業(yè)化階段對創(chuàng)新總效率的影響較大，而上下游兩階段之間并不匹配、不協(xié)調(diào)，表明這些城市在技術開發(fā)和技術商業(yè)化之間的溝通和協(xié)調(diào)上處理得不好；因此，在城市創(chuàng)新系統(tǒng)的運作過程中，做好兩階段間的合作、溝通、過渡、協(xié)調(diào)工作能夠有效地提升系統(tǒng)的整體效率；（3）從非期望產(chǎn)出的改進空間來看，城市間差異較大。針對以上研究發(fā)現(xiàn)，本文為政策制定者和管理者提供了可參考的政策建議。

網(wǎng)絡數(shù)據(jù)包絡分析（NDEA）；技術開發(fā)；技術商業(yè)化；創(chuàng)新效率

0 引言

在經(jīng)濟全球化和新科技革命兩大力量的驅動下，以創(chuàng)新驅動為特征的創(chuàng)新型城市建設已日益成為城市可持續(xù)發(fā)展的重要模式[1]，也是實現(xiàn)我國創(chuàng)新型國家戰(zhàn)略的核心舉措。城市創(chuàng)新能力的提升、創(chuàng)新型城市建設的實現(xiàn)得益于政府的高度重視、企業(yè)創(chuàng)新意識的不斷增強，創(chuàng)新資源投入持續(xù)攀升[2]。然而，在提升城市創(chuàng)新能力和建設創(chuàng)新型城市的進程中，除了加大創(chuàng)新投入力度外，城市創(chuàng)新的效率問題亦不能忽視。特別是，在我國創(chuàng)新資源相對有限的情況下，盡可能地利用較少的創(chuàng)新投入獲得較多的創(chuàng)新產(chǎn)出，提高創(chuàng)新資源的利用效率，對進一步提升創(chuàng)新能力具有重要意義。另外，環(huán)境對城市的發(fā)展與繁榮具有決定性的作用，所以在建設創(chuàng)新型城市的同時還要兼顧資源節(jié)約型和環(huán)境友好型城市的建設，這對城市創(chuàng)新效率的評價提出了新的要求。然而，目前城市創(chuàng)新效率的研究存在以下不足。

以往國內(nèi)外學者運用DEA方法對城市或區(qū)域創(chuàng)新效率進行研究時，一些學者將創(chuàng)新過程看作一個投入---產(chǎn)出的“黑箱”，而忽略系統(tǒng)內(nèi)部過程和階段特征[3-5]。這種方法，一方面，沒有考慮由投入到產(chǎn)出的中間環(huán)節(jié)和過程，丟失了大量信息，從而大大降低了對創(chuàng)新效率評價的有效性和準確性[6]；另一方面，無法得知內(nèi)部過程的相對效率及各階段對整體效率的影響，大大降低了創(chuàng)新效率分析的現(xiàn)實指導意義。雖然一些學者打開了創(chuàng)新過程的“黑箱”，將創(chuàng)新過程分兩個相互連續(xù)的子過程[7-8]，彌補了以上不足。但是，以上相關研究普遍存在以下問題：一是，在指標選擇上都忽略了創(chuàng)新過程中產(chǎn)生的環(huán)境污染等非期望產(chǎn)出（壞產(chǎn)出）對創(chuàng)新效率的影響，其分析結果不能準確、全面地反映創(chuàng)新效率[9]；二是，在模型選擇上普遍采用徑向的、有導向的DEA模型，這違背了實際的創(chuàng)新過程，從而失去了其結論的現(xiàn)實指導意義。

所以，為了彌補現(xiàn)有研究的不足，本文將創(chuàng)新過程劃分為技術開發(fā)階段和技術商業(yè)化階段，采用包含非期望產(chǎn)出（單位GDP能耗，單位GDP工業(yè)廢水排放量，單位GDP工業(yè)二氧化硫排放量和單位GDP工業(yè)煙（粉）塵排放量）的非導向非徑向考慮松弛信息的SBM-NDEA模型，并選取國內(nèi)54個城市為研究對象，對其創(chuàng)新活動的兩階段效率及整體效率進行科學、客觀、全面的評價和比較分析，找出各城市創(chuàng)新效率低下無效的原因，并針對非期望產(chǎn)出的改進空間（或節(jié)能減排空間）進行城市間差異分析。希望本文能為政策制定者和管理者提供重要的參考信息和借鑒意義。

1 文獻回顧

技術創(chuàng)新是包括新產(chǎn)品、新過程、新系統(tǒng)和新設備等形式在內(nèi)的技術向商業(yè)化實現(xiàn)的首次轉化，是技術、工藝的發(fā)明和商業(yè)化的全過程[10]，它帶來的是新產(chǎn)品的市場實現(xiàn)、新技術工藝與裝備的商業(yè)化應用[11]。也就是說，創(chuàng)新只有經(jīng)過商業(yè)化階段才算完成[11]。同樣，熊彼特經(jīng)濟學指出，創(chuàng)新是一個經(jīng)濟概念，并不是單純的技術上的發(fā)明，創(chuàng)新的完成需要實現(xiàn)商業(yè)化[12]。創(chuàng)新效率測量的是創(chuàng)新投入---產(chǎn)出“效率”的水平，側重的是對過程績效的評估。國內(nèi)外運用DEA方法對城市或區(qū)域創(chuàng)新效率的研究已有很多，由于對創(chuàng)新本質(zhì)的理解和指標選取的不同，相關研究大致可分為以下兩種評價機制：單一過程評價機制和兩子過程評價機制。

在單一過程評價機制的研究中，學者將創(chuàng)新過程看作投入資金和人員后，產(chǎn)出專利、論文、技術市場成交額[13-14]或經(jīng)濟效益（如，新產(chǎn)品產(chǎn)值或銷售收入、高（新）技術產(chǎn)業(yè)增加值）[3]，或者同時產(chǎn)出專利和經(jīng)濟效益[5]的“黑箱”。以上學者在獲得相關指標的數(shù)據(jù)基礎上，運用DEA方法中的投入導向或產(chǎn)出導向的CCR和BCC等基本模型，分析這一“黑箱”的效率?？梢姡@種機制下的創(chuàng)新效率評價，并不符合Freeman 等[10-11]和熊彼特等提出的創(chuàng)新的本質(zhì)——技術的開發(fā)和商業(yè)化。因為，這些研究要么只關注技術的開發(fā)階段，要么忽略技術開發(fā)階段或將該階段看作完全有效，要么混淆這兩個階段。因此，該機制下對創(chuàng)新效率的評價并不準確和全面。

學者們在認識到以上問題之后，逐漸打開創(chuàng)新過程的“黑箱”，采用兩子過程評價機制來評價創(chuàng)新效率。但是在該評價機制下，由于采用的分析模型和指導思想不同，有三類不同的研究。其一，運用傳統(tǒng)的投入導向或產(chǎn)出導向的CCR、BCC模型，單獨分析技術開發(fā)階段的效率和成果或經(jīng)濟轉化階段的效率[14-16]。該類研究忽略了創(chuàng)新過程的整體性，及子過程對整體效率的影響。其二，運用Fare和Grosskopf[17]首次提出的評價決策單元內(nèi)部有效性的網(wǎng)絡DEA模型及后來學者開發(fā)的拓展模型[18-20]，評價兩子過程的效率及整體效率，并在此基礎上評價子過程的關聯(lián)性①該文采用的是BCC網(wǎng)絡模型。[7]及各子過程效率對整體效率的影響②該文采用的是CCR網(wǎng)絡模型。[8]。其三，前兩類研究將創(chuàng)新過程看作創(chuàng)新要素的完全線性流動，即第一子過程的產(chǎn)出為第二子過程的投入，該假設過于苛刻[21]。所以，第三類研究則考慮創(chuàng)新要素非線性流動的網(wǎng)絡化特征，即初始投入的兩子過程共享機制[22-23]。

以上大多數(shù)研究采用傳統(tǒng)的投入或產(chǎn)出導向的CCR和BCC 模型，那么方法論上存在以下問題：1）CCR和BCC模型是徑向（Radial）模型，即在投影分析中，對于無效DMU來說，通過投入（或產(chǎn)出）按等比例縮減（或放大）以達到有效。 所以，該模型忽略了松弛變量的信息，即在效率值的測量中并未反映松弛改進的部分。另一方面，由于創(chuàng)新活動的復雜性，其投入或產(chǎn)出的變化比例并不相同[24]。以上海市為例，2012年，其R&D經(jīng)費內(nèi)部支出、R&D人員全時當量、專利授權數(shù)、新產(chǎn)品產(chǎn)值等指標較2011年的增長率分別為13.68%、3.30%、7.40%、-20.85%③數(shù)據(jù)來源于《上海統(tǒng)計年鑒2014》。?？梢?，徑向模型不僅不能準確測量效率值，還不具有現(xiàn)實的指導意義。2）投入或產(chǎn)出導向④投入導向是指在產(chǎn)出既定的條件下，以減少投入作為對無效單元提高效率的主要途徑；反之，產(chǎn)出導向則是指在投入既定的條件下，以增加產(chǎn)出作為提高效率的主要途徑。模型的正確選擇要結合具體的研究領域。例如，在創(chuàng)新資源投入不足的背景下，選擇投入導向的模型會使分析結果不易解釋或易產(chǎn)生誤解，因為根據(jù)投入導向的投影分析的結果，無效率的單元要達到改進目標的措施是減少投入，這看似與其投入不足的背景相矛盾。同樣，在新產(chǎn)品市場需求不足的背景下（需求是決定產(chǎn)出數(shù)量的首要因素），選擇產(chǎn)出導向模型會使投影分析所確定的產(chǎn)出目標（增加產(chǎn)出）客觀上難以實現(xiàn)，從而失去實際指導意義[25]。除此之外，在考慮壞產(chǎn)出或非期望產(chǎn)出時，兩種導向的模型都不能真實反映創(chuàng)新效率改進途徑。

事實上，考慮松弛變量的SBM模型已被廣泛運用到城市轉型效率、電爐冶煉作業(yè)能源效率、銀行效率評價及環(huán)境效率評價等領域的研究中，并考慮了非期望產(chǎn)出[9，26-31]。也有學者將SBM-NDEA（Slacks-Based Measure Network DEA）模型運用到高技術產(chǎn)業(yè)技術創(chuàng)新效率研究的，但并未考慮非期望產(chǎn)出[32]（尹偉華，2012）。本文主要將在以下方面進行拓展: 第一，非期望產(chǎn)出納入創(chuàng)新效率評價模型，從而更加全面、客觀地評價中國城市的創(chuàng)新效率; 第二，從實際的創(chuàng)新過程出發(fā)，將其劃分為更具現(xiàn)實意義的技術開發(fā)階段和技術商業(yè)化階段，真實的反應創(chuàng)新路徑，使研究結論更具指導意義; 第三，從研究方法上看，本文采用Tone 和Tsutsui[20]提出的考慮松弛信息的網(wǎng)絡DEA模型，即SBM-NDEA（Slacks-Based Measure Network DEA）并將其與非期望產(chǎn)出模型結合，對創(chuàng)新效率進行測度，能夠較好的還原創(chuàng)新過程兩階段特征。

2 研究設計

2.1指標選取和數(shù)據(jù)收集

借鑒前人的研究，本文同樣將創(chuàng)新過程劃分為技術開發(fā)階段和技術商業(yè)化階段[33-35]。技術開發(fā)階段是大學和科研院所及企業(yè)的科技研發(fā)過程，即由初始的創(chuàng)新資源（資金和人員）投入轉化為以專利和非專利等知識技術形式的科技成果。該階段體現(xiàn)了創(chuàng)新的技術開發(fā)效率，即研發(fā)創(chuàng)新資源投入與研發(fā)創(chuàng)新科技成果之間的轉換效率。技術商業(yè)化階段是技術開發(fā)階段的延續(xù)，是以企業(yè)為主體的相關組織將前一過程的科技成果轉化為市場經(jīng)濟、社會效率的過程，即前一階段的科技成果為該階段的投入。該階段是聯(lián)接創(chuàng)新科技成果和市場的關鍵環(huán)節(jié)，其最終目的是把技術轉化為現(xiàn)實生產(chǎn)力。該階段體現(xiàn)的是研發(fā)創(chuàng)新科技與技術成果的市場經(jīng)濟、社會效益轉化水平。

在以上兩階段劃分基礎上，本文按照以下原則對指標進行選擇：1）有效性，即所選取的指標必須能反映創(chuàng)新活動；2）對應性，即所選的指標必須滿足創(chuàng)新過程要素之間的投入產(chǎn)出關系；3）數(shù)據(jù)的可獲性，即所選取的指標必須能通過一定的途徑獲得權威、真實的數(shù)據(jù)?；谝陨显瓌t，參照已有研究，結合本文的研究目的，構建了城市創(chuàng)新效率評價的指標體系（見表1所示）。評價指標體系中，為了體現(xiàn)中間技術創(chuàng)新產(chǎn)出，本文除了采用常用的專利、發(fā)明專利的授權數(shù)和規(guī)模以上工業(yè)企業(yè)研發(fā)項目數(shù)等知識創(chuàng)新指標外，還用技術市場成交合同額作為補充性指標，主要是彌補專利衡量技術創(chuàng)新產(chǎn)出方面的不足[12,36]，使包含的創(chuàng)新范圍更加廣泛[22,37]。最終的社會經(jīng)濟產(chǎn)出是個復雜的變量，為了引導創(chuàng)新型城市的低碳式發(fā)展，實現(xiàn)我國的可持續(xù)發(fā)展戰(zhàn)略，本文不但考慮了預期產(chǎn)出——經(jīng)濟效益，還考慮了非預期產(chǎn)出——環(huán)境成本。

在確定表1評價指標的基礎上，本文以中國北京、上海、重慶、天津等4個直轄市，石家莊、濟南、南京、杭州等26個省會城市（由于拉薩的指標數(shù)據(jù)缺失較多，不納入研究范疇），大連、青島等5個計劃單列市，以及蘇州、徐州、煙臺、寧波、等19個地級市，共54個城市為研究對象。各城市指標的數(shù)據(jù)主要來源于《中國城市統(tǒng)計年鑒2013》、《中國科技統(tǒng)計年鑒2013》、各省及各城市的《統(tǒng)計年鑒2013》，無法從以上年鑒中獲得的數(shù)據(jù)進一步從各城市的《2012年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》及科技信息網(wǎng)搜索補充。

表1 本文構建的城市創(chuàng)新效率評價指標體系

注：表中Xi1,Yi1表示指標是技術開發(fā)階段（節(jié)點1）的投入、產(chǎn)出指標；同樣Xi2,Yi2表示指標是技術商業(yè)化階段（節(jié)點2）的投入、產(chǎn)出指標。由于中間科技產(chǎn)出相關指標即使技術開發(fā)階段的產(chǎn)出，又是技術商業(yè)化階段的投入，所以有兩種標示。

2.2分析模型

2.2.1 SBM網(wǎng)絡DEA模型

1978 年，Charnes、Cooper 和Rhodes 提出了一個數(shù)據(jù)包絡分析(Date Envelope Analysis，DEA) 模型[38]，用于測度多投入、多產(chǎn)出的系統(tǒng)效率。網(wǎng)絡DEA 主要是在Fare 和Grosskopf[17]的研究基礎上發(fā)展起來的適應子系統(tǒng)之間鏈接關系的系統(tǒng)效率測度模型。該模型指出鏈式網(wǎng)絡系統(tǒng)包括兩個基本特征：一是包含兩個或兩個以上的子系統(tǒng)；二是子系統(tǒng)間由中間變量進行鏈接。此后，Lewis和Sexton[18]，Kao 和Hwang[19]，Tone和Tsutsui[20]分別在該模型的基礎上進行了拓展。其中，Tone 和Tsutsui[20]提出的考慮松弛信息的網(wǎng)絡DEA模型，即SBM-NDEA（Slacks-Based Measure Network DEA）模型，保證了科學性。本文擬采用該SBM-NDEA模型，其表達如下：

給定n個決策單元DMUj( j = 1，2，…，n，本文研究對象為54個城市（見2.1部分），所以n=54) ，每個決策單元由K個節(jié)點組成，mk和rk分別對應節(jié)點k(k = 1，2，…，K，本文中兩個節(jié)點，即技術開發(fā)節(jié)點和技術商業(yè)化節(jié)點，所以K=2)的投入指標數(shù)和產(chǎn)出指標數(shù)（本文中節(jié)點1的投入指標有4個，產(chǎn)出指標有4個；節(jié)點2的投入指標有4個，產(chǎn)出指標有7個，所以m1=4,m2=4;r1=4,r2=7。相關指標見表1），= (，，…，)T表示第j 個決策單元在節(jié)點k 的投入向量，= (，，…，)T表示第j個決策單元在節(jié)點k 的產(chǎn)出向量，wk為節(jié)點k的權重(本文中w1=w2=0.5)。L 代表中間指標的集合，(k，h) 表示從節(jié)點k 到節(jié)點h，t(k，h) 代表(k，h)的中間指標數(shù)(本文中t(k，h)=4)，=()T( j = 1，…，n) 表示第j個決策單元從節(jié)點k 到節(jié)點h 的中間向量，CRS 下生產(chǎn)可能集{ (，，) } 表示為

決策單元DMUj0( j0= 1，2，…，n)對應(X0，Y0)，=()T表示決策單元DMUj0在節(jié)點k的投入松弛向量，=()T表示節(jié)點k 的產(chǎn)出松弛向量。相應的投入產(chǎn)出滿足：

關于自由中間指標，由

定義1 稱ρ* 為決策單元DMUjo的整體效率。當ρ* = 1時，稱DMUjo整體有效；ρ* ＜ 1時，DMUjo整體無效。

DMUjo不同導向下的整體效率分別為:

不同導向下，DMUjo在節(jié)點K的效率為：

投入導向下ρk=。

產(chǎn)出導向下ρk=

非導向下 ρk=

當ρk= 1時，稱DMUjo在節(jié)點k有效；ρk＜ 1 時，DMUjo在節(jié)點k無效。

由定義1和定義2 可知，決策單元DMUjo整體有效的充要條件為所有節(jié)點均有效。

2.2.2.非期望產(chǎn)出模型（Undesirable Outputs Model）

在非期望產(chǎn)出模型中，期望產(chǎn)出（或好產(chǎn)出）的改進方向是增加，而非期望產(chǎn)出（或壞產(chǎn)出）的改進方向是減少。非期望產(chǎn)出模型可以和其他距離模型結合。對于決策單元DMUj( j= 1，2，…，n)，每個DMU有m種投入，記為xi(i=1，2，…，m本文中m=4)；有r種產(chǎn)出，包括q1種好產(chǎn)出，記為yr(r= 1，2，…，q1，本文中q1=3)，和q2種壞產(chǎn)出，記為br(r= 1，2，…，q2,本文中q2=4)，則非導向的考慮非期望產(chǎn)出SBM模型為（Cooper et al., 2007），

s.t. xk- Xλ- s-= 0

λ, s-, s+≥ 0???

本模型中，Y代表期望產(chǎn)出，B代表非期望產(chǎn)出。本文中，指標Y42、Y52、Y62、Y72為壞產(chǎn)出。

3 評價結果分析

本文采用基于規(guī)模收益可變（VRS）的包含非期望產(chǎn)出的非導向SBM-NDEA模型，運用軟件MaxDEA 6.4對我國54個城市的創(chuàng)新效率進行分析，具體結果如表2?；诜治鼋Y果，本文將從城市創(chuàng)新效率的整體特征、兩階段的城市創(chuàng)新效率、子階段效率對總效率的影響和非期望產(chǎn)出改進空間（或節(jié)能減排空間）的城市間差異4個方面展開分析。

表2 城市創(chuàng)新效率：整體效率、子階段效率

3.1 城市創(chuàng)新效率的整體特征分析

對于城市創(chuàng)新活動的整體而言，我國城市的總效率偏低，均值為0.360，最小值為0.011（包頭），且各城市間的創(chuàng)新效率差距較大，分布不均勻（標準差為（0.372）。54個城市中，DEA有效的城市有13個，占參與分析城市總數(shù)的24.07%，其他41個城市的創(chuàng)新相對無效且均低于平均效率，說明2012年僅有不到四分之一的城市在給定的資源投入條件下獲得的實際產(chǎn)出位于生產(chǎn)最佳前沿面上，即達到了產(chǎn)出最大化。從平均值上看，城市創(chuàng)新過程中，僅有36％的投入資源獲得了效率，而其他64％則處于利用的無效率狀態(tài)，說明該時期我國城市創(chuàng)新過程中資源利用水平低，存在較大的資源浪費和不經(jīng)濟。由41個非有效城市創(chuàng)新的投入---產(chǎn)出的松弛變量即可調(diào)整量（見附錄1）亦可看出，我國城市在創(chuàng)新中存在嚴重的資源浪費和不經(jīng)濟問題。

就技術開發(fā)階段而言，54個城市的平均效率為0.583，高于平均效率的有26個，占48.15%。其中，北京、上海、天津、呼和浩特、廣州等13個城市是我國技術開發(fā)活動DEA有效的城市。而常州、合肥、太原、無錫、杭州等12個城市的技術開發(fā)效率不足0.3，表明這些城市在技術開發(fā)環(huán)節(jié)存在嚴重的資源浪費。就技術商業(yè)化階段而言，54個城市的平均效率為0.581，高于平均效率的有28個，占51.85%。而包頭、哈爾濱、貴陽、蘭州、南寧等16個城市的技術商業(yè)化效率不足0.3，表明這些城市的技術創(chuàng)新活動未能有效的為當?shù)亟?jīng)濟做出相應的貢獻或者這些城市的技術商業(yè)化活動帶來的環(huán)境成本過高。

比較總效率、子階段效率，發(fā)現(xiàn)只有當兩子階段均有效時，創(chuàng)新總效率才有效，創(chuàng)新總效率是兩子階段效率的乘積，這符合非徑向網(wǎng)絡DEA的規(guī)律；另一方面，除DEA有效的10個城市，其他城市的兩階段效率存在明顯差異，如鄭州的技術開發(fā)效率只有0.352，但其技術商業(yè)化效率卻是DEA有效的；廈門的技術開發(fā)效率達0.963，而其技術商業(yè)化效率僅為0.200。兩階段效率間的差異將在后面部分詳細分析。

3.2基于兩階段的城市創(chuàng)新效率分析

針對不同城市在創(chuàng)新不同階段的表現(xiàn)，以各階段的效率均值為界線，可將54個城市劃分為四類，如圖1所示。其中，技術開發(fā)效率屬于（0.583，1]的城市為高有效，效率值屬于（0，0.583]的城市為低有效；技術商業(yè)化效率屬于(0.581，1]的城市為高有效，效率值屬于（0，0.581]的城市為低有效。

圖1 城市創(chuàng)新兩階段效率矩陣圖

注：右上角為兩階段均DEA有效城市的集合：北京、上海、天津、呼和浩特、廣州、海口、成都、西寧、銀川、烏魯木齊、深圳、溫州、鄂爾多斯等13個城市。圖中的兩條直線代表階段1（stage1）和階段2（stage2）效率的平均值0.583和0.581。

位于第一象限的城市有北京、上海、天津、呼和浩特、廣州、?？?、成都、西寧、銀川、烏魯木齊、深圳、溫州、鄂爾多斯等13個城市。這些城市在技術開發(fā)階段和技術商業(yè)化階段都達到了DEA有效，說明這些城市的創(chuàng)新機制尤其是創(chuàng)新資源配置機制運行良好，屬于高效集約型創(chuàng)新城市。這些城市不僅包括長三角、珠三角城市，他們憑借日益成熟的科技市場化運用能力、高度發(fā)達的市場經(jīng)濟，及其產(chǎn)業(yè)和地理優(yōu)勢，實現(xiàn)了高效創(chuàng)新。一些經(jīng)濟欠發(fā)達城市也實現(xiàn)了DEA有效的創(chuàng)新，原因在于雖然這些城市資金和人才相對匱乏，技術創(chuàng)新的投入規(guī)模小，但是創(chuàng)新產(chǎn)出增長勢頭強勁，這些城市的創(chuàng)新對資金和人才的利用較充分，即這些匱乏的資源對創(chuàng)新的貢獻大，所以創(chuàng)新效率較高[40]。需要注意的是，雖然這些城市的創(chuàng)新實現(xiàn)了DEA有效，但從總量上來看距實現(xiàn)創(chuàng)新型城市的目標還很遠⑤僅從創(chuàng)新投入——R&D經(jīng)費占GDP比重來看，達到國際公認標準2.5%的僅有北京（6.48%）、上海（3.44%）、天津（2.92%）、深圳（3.77%）4個城市，其他城市仍有較大距離，特別是西寧、呼和浩特、烏魯木齊尚不足1%。。

位于第二象限的城市有鄭州、煙臺、佛山、無錫、寧波、常州、太原、南京、嘉興、徐州、長沙、東莞、重慶、泉州和蘇州等15個城市。這類城市在技術商業(yè)化階段的效率較高，特別是鄭州（達到了DEA有效），但其技術開發(fā)效率較低。出現(xiàn)此現(xiàn)象的原因在于這類城市的經(jīng)濟運行機制較為完善，或城市的資源對科技成果具有較強的吸引力。

位于第三象限的城市有南通、濰坊、杭州、淄博、武漢、大連、南昌、福州、合肥、沈陽、濟南和唐山等13個城市。這類城市的技術開發(fā)和技術商業(yè)化效率均沒有達到全國平均水平，表現(xiàn)為在技術開發(fā)階段資源投入規(guī)模大但不注重效率，同時在技術商業(yè)化階段不以市場為導向盲目投資，忽略了科技成果的市場價值實現(xiàn)，屬于粗放型創(chuàng)新城市。

位于第四象限的城市有紹興、青島、南寧、長春、昆明、石家莊、大慶、貴陽、蘭州、哈爾濱、包頭、西安和廈門等13個城市。這類城市在技術開發(fā)階段的效率較高，特別是西安和廈門（效率值在0.9以上），但技術商業(yè)化階段的效率普遍偏低（效率值都不足0.4），尤其是包頭、哈爾濱、貴陽、大慶等城市（效率值低于0.2）。說明這些城市在技術創(chuàng)新中出現(xiàn)了技術和經(jīng)濟脫節(jié)的“兩張皮”現(xiàn)象，導致技術創(chuàng)新未能充分發(fā)揮對經(jīng)濟發(fā)展所應有的促進作用。

3.3子階段效率對總效率的貢獻分析

根據(jù)DEA 的效率評價原理，總效率與兩子階段效率相互影響和制約。所以，為了判別相互關系及兩子階段對總效率的影響情況，本文通過建立基于各城市創(chuàng)新的總效率與技術開發(fā)效率和技術商業(yè)化效率的二維有序坐標散點圖，通過圖內(nèi)散點的位置判斷兩階段效率與總效率之間的關系。判斷標準為：散點圖中的散點越接近于45 度對角線，子階段效率對總效率的影響和制約強度越強；反之，越遠離45 度對角線，對總效率的影響和制約強度越弱[41]。圖2中，橫坐標為城市創(chuàng)新的總效率，縱坐標分別為對應城市的技術開發(fā)效率和技術商業(yè)化效率。

圖2 階段效率對創(chuàng)新總效率的貢獻分析

注：圖中stage1指技術開發(fā)階段。Stage2指技術商業(yè)化階段。

從圖2可知，兩階段的散點都不同程度的偏離45度對角線，這說明該時期城市創(chuàng)新活動的兩階段效率均不能很好的對創(chuàng)新總效率進行解釋。但比較而言，第二階段的散點整體上更接近與45度對角線。這表明，2012年我國主要城市的創(chuàng)新總效率受技術商業(yè)化效率的制約和影響較強。也就是說，創(chuàng)新總效率一定程度上更加取決于技術商業(yè)化的效率。為了驗證這種經(jīng)驗判斷所得研究結論的穩(wěn)健性和可靠性，本文還利用stata11的偏相關分析功能，對總效率與兩階段效率之間的相關強度進行測量[41]，結果表明：該時期城市創(chuàng)新總效率與兩子階段效率之間均具有顯著的正相關關系。比較發(fā)現(xiàn)，總效率與技術商業(yè)化階段的效率的相關程度（0.9590）略高于其與技術開發(fā)階段效率的相關程度（0.9454），表明技術商業(yè)化階段對城市創(chuàng)新績效的影響較為強[8]。

除此之外，本文還進一步分析了兩階段效率間的相關關系，發(fā)現(xiàn)，雖然兩者在物理上是兩個相繼的階段，但是兩階段效率之間卻呈不顯著的正相關關系（0.2125），這表明我國大多數(shù)城市的技術開發(fā)活動和技術商業(yè)化活動之間的不匹配、不協(xié)調(diào)。這一問題由中間產(chǎn)出的可調(diào)整量（即松弛量）（見附錄1）即可發(fā)現(xiàn)（相關指標有增也有減），原因在于中間產(chǎn)出指標既是技術開發(fā)階段的產(chǎn)出，也是技術商業(yè)化階段的投入，其雙重身份賦予了其調(diào)整量的特殊含義。導致以上問題的原因可能是，各城市的技術開發(fā)是以高等學校、科研機構等公共研究機構為中心的，而技術商業(yè)化是以企業(yè)為中心的，兩者間缺乏溝通和協(xié)調(diào)[8]。

3.4非期望產(chǎn)出改進空間的城市間差異

為了比較非期望產(chǎn)出改進空間在不同城市間的差異，本部分借助要素效率指數(shù)（FEI）⑥要素效率指數(shù)（FEI）=（目標（投影）值/實際值-1）*100%，其衡量的是需要減少的非期望產(chǎn)出的百分比。若為0說明已達到目標最優(yōu)值。[29]比較分析41個非DEA有效城市的節(jié)能潛力和減排空間。要素效率指數(shù)（FEI）的絕對值結果見表3。

從節(jié)能潛力（相對于最優(yōu)的資源使用量需節(jié)約的百分比，即資源消耗效率指數(shù)的絕對值）的城市間差異來看，節(jié)能潛力最大的8個城市為太原、唐山、淄博、臺州、石家莊、大慶、哈爾濱、貴陽等工業(yè)城市，節(jié)能潛力均在50%以上，說明這幾個城市的資源綜合利用效率亟需提高。節(jié)能壓力相對較小的城市有佛山、南昌、寧波、徐州、無錫、福州、杭州、長沙、南通等，需要節(jié)能不到10%，而相對無節(jié)能壓力的城市有長春、鄭州、廈門和泉州。

從減排空間（相對于最優(yōu)的污染物排放量需減排的百分比，即污染物排放效率指數(shù)的絕對值）的城市間差異來看，蘇州、淄博、濰坊、石家莊、嘉興等城市在單位GDP工業(yè)廢水、工業(yè)二氧化硫和工業(yè)煙（粉）塵排放量3指標的減排上都有很大的空間，特別是蘇州。分指標來看，將近一半的城市在單位GDP工業(yè)煙（粉）塵排放量上達到最優(yōu)，且除蘇州、太原、淄博、唐山、石家莊、南寧等個別城市的減排空間在50%以外，其他城市在該指標上的減排空間都較小；而一半以上的城市在單位GDP工業(yè)廢水排放量上的減排空間在50%以上，將近1/3的城市減排空間在70%以上；城市在單位GDP工業(yè)二氧化硫排放量指標上的減排空間相對比較平穩(wěn)，1/3以上的城市減排空間在50%以上。

表3 41個非有效城市非期望產(chǎn)出的要素效率指數(shù)（FEI）的絕對值

4 結論

在建設創(chuàng)新型、資源節(jié)約型、環(huán)境友好型城市的背景下，綜合考慮非期望產(chǎn)出，并采用非導向非徑向的網(wǎng)絡DEA模型——SBM-NDEA模型，全面、系統(tǒng)、準確的評價了我國54個城市的創(chuàng)新效率，并詳細分析了總效率的整體特征、子過程效率間的特征及子過程效率對總效率的影響、并進一步著重分析了非期望產(chǎn)出的改進空間及其城市間差異。本文在理論上的貢獻主要由兩個方面：第一，在創(chuàng)新效率評價中引入創(chuàng)新過程，并將其劃分為技術開發(fā)階段和技術商業(yè)化階段，使其更具現(xiàn)實意義；第二，在可持續(xù)發(fā)展的背景下，將創(chuàng)新效率評價研究中普遍忽略的非期望產(chǎn)出（如環(huán)境污染）作為重要的評價指標。從研究方法上看，本文結合非期望產(chǎn)出模型和非徑向、非導向的SBM-NDEA模型評價中國54個城市的創(chuàng)新效率，不僅提高了效率評價的準確性和可信度，而且為不同城市提高創(chuàng)新效率、做好節(jié)能減排工作制定差異化政策提供了數(shù)據(jù)支持，為中國建設創(chuàng)新型、資源節(jié)約型和環(huán)境友好型城市的提供了指導意義。

實證結果表明:（1）我國城市創(chuàng)新無論是其整體，還是其上下游兩階段，效率值都偏低，均有很大的提升空間；（2）從技術創(chuàng)新的兩階段效率來看，除了北京、上海、天津、?？诘?3個城市屬于高效集約型創(chuàng)新城市外，大部分城市表現(xiàn)為兩階段效率雙差或一強一差；（3）技術商業(yè)化階段對創(chuàng)新總效率的影響較大，而上下游兩階段之間并不匹配、不協(xié)調(diào)，表明這些城市在技術開發(fā)和技術商業(yè)化之間的溝通和協(xié)調(diào)上存在阻礙；（4）區(qū)域創(chuàng)新系統(tǒng)技術創(chuàng)新的整體效率是兩階段效率的乘積，所以在城市創(chuàng)新系統(tǒng)的運作過程中，做好兩階段間的合作、溝通、過渡、協(xié)調(diào)工作能夠有效地提升系統(tǒng)的整體效率；（5）從非期望產(chǎn)出的改進空間（或節(jié)能減排空間）來看，城市間差異較大?；谝陨习l(fā)現(xiàn)，本文為我國城市創(chuàng)新效率的提升提出以下政策建議：

首先，一方面，各級政府應權衡、協(xié)調(diào)各種創(chuàng)新資源的投入，而不是盲目擴大科技投資；另一方面，在技術商業(yè)化階段，政府應加大對能源浪費和環(huán)境污染嚴重企業(yè)的治理力度，扶持企業(yè)提高三廢處理和綜合利用能力；其次，為了做好技術開發(fā)和技術商業(yè)化之間的溝通、協(xié)調(diào)工作，一方面，不僅要建立高效的以企業(yè)為核心的政產(chǎn)學研的合作創(chuàng)新和協(xié)同創(chuàng)新體系，還要大力支持政府資助或民間出資的科技中介服務組織的發(fā)展，為技術擴散和成果轉化提供重要力量和服務平臺，努力實現(xiàn)技術和經(jīng)濟的協(xié)同發(fā)展；另一方面，各級政府在配置創(chuàng)新資源時，應考慮市場需求，加快實現(xiàn)創(chuàng)新從學科導向和計劃導向市場導向的轉變；然后，已實現(xiàn)DEA有效的經(jīng)濟發(fā)達城市應充分利用高水平的創(chuàng)新資源配置優(yōu)勢和市場運作能力，提高創(chuàng)新質(zhì)量，創(chuàng)造引領世界的高技術；而已實現(xiàn)DEA有效的經(jīng)濟欠發(fā)達城市應充分利用和發(fā)揮其在創(chuàng)新效率上的優(yōu)勢，加大創(chuàng)新資源投入，以產(chǎn)生更多、高質(zhì)量的成果和效應；再次，對于非DEA有效的城市而言，一方面，應該對投入和產(chǎn)出有相應的調(diào)整（見附錄1）；另一方面，不僅做好兩階段的溝通、合作，還要針對自身情況有針對、有重點的制定政策以克服創(chuàng)新過程中的“短板效應”；最后，在降低非期望產(chǎn)出的過程中，政府的作用不可或缺，應加大節(jié)能減排的政策力度，加大政府科教支持。

雖然，本文在理論上具有突破，實踐上有明確的指導意義，但是還存在以下不足：（1）創(chuàng)新資源的投入到科技成果的產(chǎn)出在時間上有滯后，同樣由于技術的不成熟或相關市場尚未呈現(xiàn)，技術商業(yè)化的過程也需要較長時間，但是本文在指標設計和數(shù)據(jù)收集上未考慮時間延遲。（2）本文將創(chuàng)新過程視為投入-產(chǎn)出的簡單鏈式活動，一方面，在技術商業(yè)化階段的分析中忽略了其他指標的投入；另一方面，未考慮初始投入在兩個子階段間的共享結構。所以，未來的研究應充分考慮創(chuàng)新實踐的特征，更全面、客觀、真實的評價城市創(chuàng)新效率。

[1] 屠啟宇,鄧智團.創(chuàng)新驅動視角下的城市功能再設計與空間在組織[J].科學學研究，2011,29（9）:1425-1434.

[2] 白俊紅,蔣伏心.，考慮環(huán)境因素的區(qū)域創(chuàng)新效率問題研究-基于三階段DEA方法。財貿(mào)經(jīng)濟，2011,（10）:104-112.

[3] 池仁勇,虞曉芬,李正衛(wèi).我國東西部地區(qū)技術創(chuàng)新效率差異及其動因分析[J].中國軟科學,2004,8:45-52.

[4] 石峰.基于省際面板數(shù)據(jù)及DEA的區(qū)域創(chuàng)新效率研究[J].技術經(jīng)濟，2010 ,29（5）:42-47.

[5] 王奇珍,朱英明,楊連盛.基于DEA的區(qū)域技術創(chuàng)新效率研究——以東部十省市為例[J].南京理工大學學報（社會科學版）, 2014,27（2）:19-26.

[6] 魏權齡.評價相對有效性的數(shù)據(jù)包絡分析模型——DEA 和網(wǎng)絡DEA［M］．北京:中國人民大學出版社,2012.

[7] 陳偉,馮志軍,姜賀敏,康鑫.中國區(qū)域創(chuàng)新系統(tǒng)創(chuàng)新效率的評價研究——基于鏈式關聯(lián)網(wǎng)絡DEA模型的新視角[J].情報雜志,2010,（12）:24-29.

[8] Chen KH, Guan JC. Measuring the Efficiency of China’s Regional Innovation Systems: Application of Network Data Envelopment Analysis (DEA) [J]. Regional Studies.2012, 46(3):355-377.

[9] 張浩,吳君民,葛世倫.考慮非期望產(chǎn)出的電爐冶煉作業(yè)能源效率分析與評價[J],系統(tǒng)工程,2011,29（9）:85-91.

[10] Freeman C, Soete L. The Economics of Industrial Innovation. MIT Press, Boston, MA. 1997.

[11] Freeman C. Technology Policy and Economics Performance: Lesson From Japan [M], London: Frances Pinter.1987.

[12] 寇明婷,陳凱華,高霞,楊利鋒.創(chuàng)新型城市技術創(chuàng)新投資效率的測度方法研究:基于創(chuàng)新過程的視角[J].科研管理,2014,35（6）:56-67.

[13] 李婧,白俊紅,譚清美.中國區(qū)域創(chuàng)新效率的實證分析——基于省際面板數(shù)據(jù)及DEA方法[J].系統(tǒng)工程,2008,26（12）:1-7.

[14] 官建成,何穎.基于DEA方法的區(qū)域創(chuàng)新系統(tǒng)的評價[J].科學學研究，2005（2）:265-272

[15] 任勝鋼,彭建華.基于DEA模型的中部區(qū)域創(chuàng)新績效評價與比較研究[J].求索，2006（10）:15-18.

[16] 曾鋮,郭兵.基于兩階段效率視角的城市創(chuàng)新能力測算——來自20個典型城市的實證研究[J].科技進步與對策,2014,31（17）:32-39.

[17] Fare L, Crosskopf S. Network DEA［J］．Socio - Economic Planning Sciences，2000, (1) : 35 - 49．

[18] Lewis H, Sexton T. Network DEA: Efficiency Analysis of Organizations with Complex Internal Structure [J]. Computers and Operations Research，2004( 9) : 1365-1410．

[19] Kao C, Hwang ST. Efficiency Decomposition in Two - Stage Data Envelopment Analysis: An Application to Non- Life Insurance Companies in Taiwan [J]. European Journal of Operational Research,2008( 1) : 418 - 429．

[20] Tone K, Tsutsui MF. Network DEA: A slacks-based measure approach [J]. European Journal of Operational Research, 197 (2009): 243–252.

[21] 龐瑞芝,李鵬.中國工業(yè)創(chuàng)新：過程、效率與模式——基于2001-2008年大中型工業(yè)企業(yè)的數(shù)據(jù)[J],產(chǎn)業(yè)經(jīng)濟研究,2011,10（2）:1-7.

[22] 馮志軍，陳偉.中國高技術產(chǎn)業(yè)研發(fā)創(chuàng)新效率研究——基于資源約束型兩階段DEA模型的新視角[J].系統(tǒng)工程理論與實踐,2014,34（5）:1202-1212.

[23] 杜娟,霍佳震.基于數(shù)據(jù)包絡分析的中國城市創(chuàng)新能力評價[J].中國管理科學，2014,22（6）:85-93.

[24] 楊國梁,劉文斌.基于DEA方法的科研機構方向規(guī)模收益研究[J].管理工程學報，2014，28（4）:48-59.

[25] 成剛,錢振華.衛(wèi)生體系效率評價的概念框架與測量方法——兼論應用數(shù)據(jù)包絡分析的方法學問題[J].中國衛(wèi)生政策研究,2012（5）:52-60.

[26] Ji JY, Yu FY, Jiang XK, Luan SS. Main Factors on Energy Efficiency in East China during 1995-2010: An Analysis Based on the SBM-Tobit Model[J]. China Economist, 2013, 8(2):70-78.

[27] Chang YT, Park HS, Jeong JB, Lee JW. Evaluating Economic and Environmental Efficiency of Global Airlines: A SBM-DEA Approach [J].Transportation Research: Part D, 2014, 27: 46-50.

[28] Chiu YH, Lin JC, Hsu CC, Lee JW. Carbon Emission Allowances of Efficiency Analysis: Application of Super SBM ZSG-DEA Model [J]. Polish Journal of Environmental Studies. 2013, 22 (3):653-666.

[29] 白雪潔,汪海鳳,閆文凱. 資源衰退、科技支持與城市轉型——基于壞產(chǎn)出動態(tài)SBM模型的資源型城市轉型效率研究[J]. 中國工業(yè)經(jīng)濟,2014,11:30-43.

[30] 涂正革,劉磊珂.考慮能源、環(huán)境因素的中國工業(yè)效率評價——基于SBM模型的省級數(shù)據(jù)分析[J].經(jīng)濟評論,2011,（2）:55-65.

[31] 馮博,王雪青.中國建筑業(yè)能源經(jīng)濟效率與能源環(huán)境效率研究——基于SBM模型和面板Tobit模型的兩階段分析[J].北京理工大學學報（社會科學版）,2015,17（1）:1-22.

[32] 尹偉華.基于網(wǎng)絡SBM模型的區(qū)域高技術產(chǎn)業(yè)技術創(chuàng)新效率評價研究[J].情報雜志, 2012,31（5）:94-98.

[33] Pakes A, Griliches Z, Patents and R&D at the firm level: a first report [J]. Economics Letters, 1980, (5):377–381.

[34] Furman JL, Porter ME, Stern S. The determinants of national innovative capacity [J]. Research Policy, 2002, 31: 899–933.

[35] Moon HS, Lee JD. A Fuzzy set Theory Approach to National Composite S&T Indices [J]. Scientometrics, 2005, 64: 67–83.

[36] Griliches Z. Patent Statistics as Economic Indicators: A Survey [J].Journal of Economic Literature, 1990, 28 (4):1661-1707.

[37] 馮根福,劉軍虎,徐志霖.中國工業(yè)部門研發(fā)效率及其影響因素實證分析[J].中國工業(yè)經(jīng)濟,2006.24（11）:46-51.

[38] Charnes A, Cooper WW, Rhodes E. Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research, 1978(2):429-444.

[39] Cooper WW, Seiford LM, Tone K. Data Envelopment Analysis: Comprehensive Text with Models, Applications, References and DEA-Solver Software (2nd ed.). New York: Springer Science & Business Media. 2007.

[40] 劉順忠, 官建成.區(qū)域創(chuàng)新系統(tǒng)創(chuàng)新績效的評價[ J] .中國管理科學, 2002, 10(1):75 -78.

[41] 馬曉龍,保繼剛.基于數(shù)據(jù)包絡分析的中國主要城市旅游效率評價[J].資源科學,2010,32（1）:88-97.

附表1 41個非有效決策單元的投入——產(chǎn)出的可調(diào)整量

城市初始投入指標中間產(chǎn)出經(jīng)濟、環(huán)境產(chǎn)出 市全社會R&D經(jīng)費：億元地方財政科技支出：億元R&D折合全時人員：萬人年規(guī)模以上工業(yè)企業(yè)R&D人員：人申請授權專利：件申請授權發(fā)明專利：件技術市場成交額：億元規(guī)上工業(yè)企業(yè)研發(fā)項目數(shù)：個高技術產(chǎn)品出口額：億美元規(guī)上新產(chǎn)品產(chǎn)值：億元第三產(chǎn)業(yè)產(chǎn)值：億元單位GDP能耗：萬噸標準煤/億元單位GDP工業(yè)廢水排放量：萬噸/億元單位GDP工業(yè)二氧化硫排放量：噸/億元單位GDP工業(yè)煙（粉）塵排放量：噸/億元 重慶-108 -5 -3.43 -25465 -3008 1234 213 -1158 74 1568 0 -0.37 -1.20 -30.73 -7.11 石家莊-22 0 -0.80 -12382 5265 1090 197 -477 154 2388 625 -0.66 -5.72 -26.11 -13.71 太原-54 -7 -1.32 -12947 -1505 -648 59 -185 0 640 0 -1.92 -0.19 -29.66 -13.17 沈陽-84 -17 -2.46 -34820 5939 1971 75 1060 268 3258 0 -0.43 -0.03 -2.06 -0.69 長春-14 0 -3.03 -3766 4259 1120 -20 988 137 127 482 0 -0.03 -1.78 -1.12 哈爾濱-10 -2 -0.44 0 3314 1671 134 1244 290 3931 548 -0.54 -0.29 -5.28 -4.20 南京-175 -26 -6.83 -39895 -4128 -775 144 -2186 125 1802 0 -0.28 -1.97 -5.80 0 杭州-154 -24 -6.38 -39299 -23296 -995 239 -1765 263 0 0 -0.01 -4.16 -2.72 0 合肥-90 -15 -3.92 -26093 -4113 356 104 -985 67 2636 142 -0.09 -0.28 0.00 -3.62 南昌-36 -1 -0.79 -9674 -239 -828 63 -272 17 1025 0 -0.05 -2.53 -7.68 0 濟南-51 -4 -3.17 -17585 -4125 784 194 -156 199 3056 0 -0.40 -0.22 -8.10 -2.89 鄭州-51 -8 -2.42 -16112 0 0 0 0 0 0 0 0000 武漢-146 -11 -2.89 -26927 1966 698 79 -205 193 144 0 -0.23 -1.21 -6.57 0

附表1（續(xù)） 41個非有效決策單元的投入——產(chǎn)出的可調(diào)整量

初始投入指標中間產(chǎn)出經(jīng)濟、環(huán)境產(chǎn)出 城市市全社會R&D經(jīng)費：億元地方財政科技支出：億元R&D折合全時人員：萬人年規(guī)模以上工業(yè)企業(yè)R&D人員：人申請授權專利：件申請授權發(fā)明專利：件技術市場成交額：億元規(guī)上工業(yè)企業(yè)研發(fā)項目數(shù)：個高技術產(chǎn)品出口額：億美元規(guī)上新產(chǎn)品產(chǎn)值：億元第三產(chǎn)業(yè)產(chǎn)值：億元單位GDP能耗：萬噸標準煤/億元單位GDP工業(yè)廢水排放量：萬噸/億元單位GDP工業(yè)二氧化硫排放量：噸/億元單位GDP工業(yè)煙（粉）塵排放量：噸/億元 長沙-211 -8 -3.83 -24400 2687 1124 135 479 28 155 326 -0.01 0-0.03 -0.03 南寧-9 -2 -0.32 0 2131 811 101 -313 44 1655 149 -0.17 -3.85 -3.98 -5.36 貴陽0 -3 -0.28 0 425 594 58 400 54 1016 314 -0.684550-23.77850 昆明-24 0 -1.31 -1398 1773 648 122 394 81 2479 422 -0.43 -0.69 -15.82 0 西安-8 0 0-2301 -2615 -673 -102 -700 142 2046 0 -0.06 -1.25 -11.50 0 蘭州-2 0 -0.958970 1050 912 80 459 71 1694 598 -0.13 -1.15 -12.56 0 福州-43 -1 -3.32 -19902 94 495 144 -324 56 2256 0 -0.02 -0.11 -6.60 -2.28 大連-66 -33 -0.84 -8736 3074 1257 102 -419 113 2849 0 -0.40 -3.13 -3.24 0 青島-103 -2 -1.83 -13704 7606 4168 134 -187 491 1597 0 -0.19 -0.48 -3.41 0 寧波-90 -17 -3.59 -58601 -49425 551 212 -8469 67 81 0 -0.04 -1.79 -12.68 0 廈門0 0 -0.47 -368 13779 4371 13 2771 515 1549 1976 0 -5.39 -2.45 0 蘇州-190 -10 -5.96 -72832 -62939 5038 -39 -2701 0 1370 27 -0.15 -4.91 -13.8997-4.14 無錫-164 -18 -5.83 -62905 -39231 633 221 -4668 0 1839 0 -0.03 -1.69 0-0.16 佛山-111 -13 -4.56 -39867 6294 1033 122 -4268 0 1201 0 -0.05 -1.88 -1.51 0 唐山-26 -3 -0.87 -9225 4617 1640 134 525 99 2676 281 -1.21 -2.28 -29.73 -48.97 煙臺-116 -5 -2.36 -28859 28 1010 137 -3217 0 752 0 -0.16 -0.60 -5.71 0 東莞-25 -10 -3.24 -24684 -7979 2198 85 -90 0 1554 0 -0.08 -4.26 -5.32 0 泉州-21 0 -1.27 -18609 -5968 681 94 -666 0 1106 0 0 -3.10 -2.50 -4.43 南通-92 -3 -3.80 -45500 -30515 958 118 -3205 64 1728 0 0 -2.79 -4.18 -1.58 徐州-42 -4 -1.80 -17964 -3770 1344 134 -711 0 2039 277 -0.04 -2.80 -23.71 -4.59 濰坊-66 -2 -2.32 -28947 -3341 759 97 -1816 39 786 0 -0.45 -5.81 -21.89 -3.93 常州-86 -14 -4.00 -47360 -10564 199 99 -3642 12 1150 0 -0.13 -2.50 0-4.00 大慶-43 0 -0.97 -7737 2291 588 -7 -478 83 33 762 -0.65 00-1.08 紹興-31 0 -1.30 -17802 -5648 1264 89 -867 125 0 232 -0.14 -7.08 -8.47 0 臺州-25 -1 -1.99 -22738 -8606 306 95 -3295 35 955 35 -0.88 -0.98 -7.19 0 嘉興-47 -1 -2.04 -25975 -8403 539 96 -2471 24 0 188 -0.11 -6.82 -18.25 -4.16 淄博-54 -2 -1.94 -11909 -899 457 82 -1447 30 729 0 -0.97 -3.45 -52.50 -11.77 包頭-2 0 -0.26 0 4750 1515 117 885 101 2123 168 -0.34 -0.19 -26.77 0

A Comparison of Innovation Efficiencies of 54 Cities in China: A SBM-NDEA Model Based Approach Including Undesirable Output

CHANG Xiao-ran, Zhou Quan, Wu Xiao-bo

（School of Management, Zhejiang University, Hangzhou 310058，China）

Driven by economic globalization and new technology revolution, innovative city management has become an important mode for sustainable development, as well as the key measure for realizing China's innovation-driven national strategy. However, constrained by limited innovation resources and environment pressure, the challenge lies on how to generate more innovation output by utilizing less innovation resources, and how to build an innovative city which is also resource saving and environmental friendly. Following deficiencies exist in current research on city innovation efficiency: (1) early research consider innovation process as a 'black box', which neglects internal process and stage characteristics within the system; (2) current research open up the 'black box', but the model selection are flawed, and the indicator selection neglects the influence of the undesirable outputs (bad outputs) (e.g. environmental pollution) generated during innovation process. Above mentioned deficiencies negatively influence the effectiveness and accuracy of innovation efficiency evaluation.

Based on literature review, this research separates innovation process into technology development stage and technology commercialization stage, and constructs the input-output indicator system of the two stages. In the technology commercialization stage, undesirable outputs indicators in innovation outputs are included: energy consumption per unit GDP, industrial waste water per unit GDP, industrial SO2emission per unit GDP, and industrial smoke (dust) emission per unit GDP. The data sources are 'China City Statistics 2013', 'China Science and Technology Statistics 2013', provincial and city statistics 2013, from which innovation related data of 54 Chinese cities are collected. The non-directional SBM-NDEA model (a non-radial model) is used to evaluate and analysis the two-stage efficiencies and overall efficiencies of city innovativeness of 54 cities in China in the year 2012. The software MaxDEA 6.4 is used for the analysis.

The result is analyzed from four aspects: overall analysis of city innovation efficiencies, two-stage analysis of city innovation efficiencies, the contribution of sub-stage to the overall performance, and the diversity analysis based on undesirable outputs improvement potential. Overall speaking, only 13 cities'(including Beijing, Shanghai, Tianjin, Huhehaote, Guangzhou) innovation efficiencies have reached DEA effective. More than half of the cities (28,51.85%) are above average; in the two-stage efficiency analysis, the efficiency of stage one and stage two are used as axis-x and axis-y in the scatter diagram. 54 cities are categorized into four types: high in efficiency and low in resources intensiveness (13 DEA effective cities), extensive innovation city (efficiencies below average in both stages, 13 cities including Nantong, Weifang, Wuhan), technology development innovation cities (15 cities including Zhengzhou, Yantai, Foshan, Wuxi, Ningbo), and technology commercialization innovation cities (13 cities including Shaoxing, Qingdao, Nanning, Changchun, Kunming); For the contribution of sub-stage to the overall efficiency, we find technology commercialization stage is more influential to innovation efficiency, whilst two-stages are not matched and coordinated; this research exams the undesirable outputs improvement potential through energy-saving potential and pollution reducing potential. The result indicates that eight industrial cities, including Taiyuan, Tangshan, Zibo, Taizhou, Shijiazhuang have the biggest energy-saving potential; Suzhou, Zibo, Weifang, Shijiazhuang, and Jiaxing have the biggest pollution reducing potential.

The theoretical contribution of this research lie on:(1) introduce innovation process to innovation efficiency evaluation, and separate it into technology development stage and technology commercialization stage, which makes it more realistic; (2) under the background of sustainable development, this research uses undesirable outputs (i.e. environmental pollution), which is commonly neglected in innovation efficiency research, as important evaluation indicators. The research method combines non-directional SBM-NDEA model (a non-radial model) with the undesirable outputs model to evaluate the innovation efficiency of 54 Chinese cities. This method not only improves the accuracy and reliability of efficiency evaluation, but also provides data support for improving city innovation efficiency and targeted policy making for energy-saving and pollution reducing. This will provide directional guidance for build a innovative, energy-saving and environmental friend city. The limitations are: (1) Time lag is not considered during indicator design and data collection;(2) The input-output innovation process is considered as a simple linear structure, which neglects the resource sharing in two sub-stages between firm inputs in the technology commercialization stage and initial inputs.

network data envelopment analysis (NDEA); technology development; technology commercialization; innovation efficiencies

中文編輯：杜 ??；英文編輯：Charlie C. Chen

F273.1

A

1004-6062(2016)01-0009-10

10.13587/j.cnki.jieem.2016.01.002

2015-06-14

2015-10-30

國家自然科學基金重點資助項目（71232047）；國家自然科學基金面上資助項目（71372055）

常曉然（1988—），女，河南濮陽人，浙江大學管理學院博士研究生，研究方向：技術創(chuàng)新和國際商務。