基于兩階段動態(tài)DEA模型的區(qū)域創(chuàng)新績效分析
——以長江經濟帶為例

王雪瑩

（重慶工商大學 長江上游經濟研究中心，重慶 400067）

自創(chuàng)新驅動發(fā)展戰(zhàn)略實施以來，創(chuàng)新與發(fā)展密不可分，創(chuàng)新績效快速提高，對經濟發(fā)展和創(chuàng)新驅動的實現有著極大的意義。如今，我國科技創(chuàng)新發(fā)展的步伐不斷加快，已基本形成了由沿海向內陸地區(qū)延伸的區(qū)域發(fā)展格局。長江經濟帶是聚集多個經濟增長極的綜合體，要實現高效率創(chuàng)新對促進該區(qū)域經濟的增長以及中東西部協同發(fā)展都有著舉足輕重的影響。本文對長江經濟帶9省2市的創(chuàng)新績效進行實證分析和評價，為長江經濟帶創(chuàng)新績效的提升和東中西部的協調發(fā)展提供參考。

一、文獻綜述

從本質上來看，區(qū)域創(chuàng)新系統是典型的投入產出過程[1]，社會經濟資源的不斷投入才能實現價值。通過投入產出效應來評價創(chuàng)新績效，具體是指在區(qū)域創(chuàng)新系統中投入必要的資源要素使生產效率和社會績效得到提高。因此，測度創(chuàng)新績效應重點考察投入和產出兩方面。

區(qū)域創(chuàng)新績效的測度主要是通過參數法或非參數法。參數法以隨機前沿分析（SFA）為代表，如蘇屹、陳永康等人分別運用隨機前沿分析方法對全國各個省市的區(qū)域創(chuàng)新效率進行測算[2-3]。參數法具有扎實的理論基礎，但需要根據研究對象設定相應的生產函數，而函數的設置較為復雜，一旦設定錯誤，便會造成嚴重的結果誤差；非參數法則以數據包絡分析（DEA）為代表，運用運籌學中線性規(guī)劃理論對投入和產出進行分析，進而計算創(chuàng)新績效，該方法不需要設定具體函數，可避免主觀函數的設定所帶來的誤差，且技術方法簡便。許多學者運用數據包絡分析法來評價區(qū)域的創(chuàng)新績效，如周洪文等人運用網絡DEA評價全國各個創(chuàng)新系統的創(chuàng)新績效，認為各個地方創(chuàng)新能力均有很大提高[4]；候睿利用DEA-Malmquist指數度量28個省市的創(chuàng)新績效，并提出技術進步是提升創(chuàng)新的核心[5]。目前用DEA對區(qū)域創(chuàng)新的評價側重于單階段，但創(chuàng)新資源從流動到產出應該是多層次、多路徑的網絡流動程序，多階段的評價法更容易發(fā)現其低效率的深層原因。

基于以上原因，本文借鑒張博榕等人的研究[6]，構建兩階段動態(tài)DEA模型對創(chuàng)新績效進行分析。本文將創(chuàng)新過程分為兩個階段：第一階段為科技成果研發(fā)，即知識投入和產出效率的分析；第二階段為科技成果商業(yè)化轉化效率的分析。兩階段并非是彼此獨立的關系，第一階段的產出作為第二階段的投入要素，兩階段相互銜接和配合，才能使創(chuàng)新實現價值。

二、研究設計和數據處理

（一）模型構造和指標選取

基于指標選取的客觀性和科學性，本文將R&D人員數量和R&D投入強度作為第一階段的投入指標，專利授權數和論文發(fā)表數作為第一階段的產出指標；第二階段投入指標除第一階段產出指標外，增加了技術合同成交額，以人均GDP和工業(yè)企業(yè)新產品銷售收入為第二階段的產出指標。用萬人中研究人員數量表示R&D人員數量，代表創(chuàng)新人力資源的投入；R&D投入強度為R&D研究經費對GDP的占比，代表創(chuàng)新財力資源的投入。為便于各省市間比較，參照張博榕等人的處理方法[6]，專利授權量用專利數與GDP比值表示 （單位：件/10億）；論文發(fā)表數用發(fā)文量與GDP比值表示（單位：篇/10億）；技術市場合同成交額表示區(qū)域的創(chuàng)新擴散能力，因此作為第二階段的投入；人均GDP和工業(yè)企業(yè)新產品銷售收入作為創(chuàng)新經濟效率的代表，研究模型如圖1所示。

（二）模型選取

圖1 兩階段創(chuàng)新模型

數據包絡分析法（Data Envelopment Analysis）是由美國運籌學家Charnes、Cooper和Rhodes提出的一種非參數統計方法。具體可分為CCR模型和BBC模型，其中CCR模型不考慮規(guī)模報酬因素，只能計算出綜合效率；而BCC模型考慮了規(guī)模報酬的可變性，并將技術效率分解為純技術效率和規(guī)模效率。純技術效率代表現有技術下決策單元的產出水平；規(guī)模效率用于衡量決策單元的生產是否達到規(guī)模最優(yōu)化。本文主要采用BBC模型對區(qū)域創(chuàng)新績效進行評價。BBC模型的基本公式如下：

其中x和y代表決策單元的投入和產出集合，λj代表通過線性組合構成有效決策單元時，第j個決策單元的組合比例，θ代表決策單元與有效前沿面的徑向優(yōu)化量，θ越靠近1則越有效，和分別代表投入過剩量和產出不足量。若θ=1且則該決策單元為DEA有效；若θ=1且或不為0，則該決策單元為DEA弱有效；若θ不為1，則表示該決策單元非DEA有效，且θ越小，越無效。

（三）數據的來源和預處理

本文選取《中國統計年鑒》和《中國科技統計年鑒》中有關數據，測算長江經濟帶創(chuàng)新績效，考慮到創(chuàng)新從研發(fā)投入到成品產出需要一定的時間，借鑒官建成、劉順忠的做法[7]，分別把兩個階段的投入和產出延遲2年，即第一階段的投入時間為2009—2012年，產出時間為2011—2014年；第二階段的投入數據時間為2011—2014年，產出數據時間為2013—2016年。

由表1可以看出，各個省市對于創(chuàng)新投入逐年增加，但僅上海、江蘇和浙江3省市在考察期間內R&D投入強度高于全國平均水平，且每萬人中的R&D人員數量遠超其他各省市。長三角地區(qū)經濟較為發(fā)達，可憑借自身雄厚的經濟實力不斷加大研發(fā)資金的投入，吸引高層次創(chuàng)新人才集聚。很顯然，長三角3省市應屬于高投入城市。同時，長江中游的武漢、上游的四川以及重慶對創(chuàng)新所需的人力和財力都有較大的投入。

由表2可以看出，僅有上海的科技論文發(fā)文量和專利授權數都超過全國平均水平，云南、貴州和江西三省的科技文章數量和專利授權量均遠遠低于全國平均水平，而其他城市與全國平均水平較為接近。值得關注的是，江蘇和浙江作為創(chuàng)新的高投入省份，其科技產出卻不盡如人意，雖然專利授權數高于全國水平，但授權量逐年遞減，其可能為規(guī)模有效性遞減，應適當縮減對創(chuàng)新的投入。上海、江蘇和湖北的技術市場合同成交數額較大，安徽、湖北、重慶和四川的成交額增長較為顯著。

由表3可以看出，上海、江蘇、浙江和重慶在考察期間人均GDP大于全國人均GDP，其中上海穩(wěn)居榜首，貴州、云南與全國平均水平相差較大。就工業(yè)企業(yè)新產品銷售收入而言，江蘇、浙江、上海、湖南、湖北和安徽的銷售收入較為可觀，其他各省的銷售收入較低，可能是創(chuàng)新過程中科技成果的轉化出現了問題。

表1 2009—2012年長江經濟帶各省市第一階段創(chuàng)新投入指標數據

三、實證分析

（一）技術效率結果評價及分析

使用DEAP2.1軟件對第一階段投入產出數據進行分析，獲得各單元的相對效率值（見表4）。

由表4可以看出，2009—2011年長江經濟帶綜合效率逐年增加，但2012年較上年有所下降，若進一步分析綜合效率降低的原因，可以看到純技術效率下降是造成整體綜合效率下降的首要原因，說明長江經濟帶創(chuàng)新資源的使用效率較低，應在加大創(chuàng)新資源投入的同時提升資源的利用率。具體來說，2009—2012年綜合技術效率高的省市在不斷增加，其中浙江和重慶連續(xù)4年綜合效率值均為1，說明現階段該省的創(chuàng)新資源投入及效率處于合理狀態(tài)；而上海、江蘇、安徽和湖南綜合效率在降低，主要是受到規(guī)模效率的影響，這4個省份的規(guī)模有效性遞減，應適量減少創(chuàng)新資源的投入；江西省綜合效率不斷提高，但總體偏低，其主要受到創(chuàng)新資源投入不足和資源利用度不高兩方面的影響，應提高創(chuàng)新資源的投入以及利用率；其他省市均處于良好的發(fā)展態(tài)勢，區(qū)域創(chuàng)新的技術效率獲得較好成果。

表2 2011—2014年長江經濟帶各省市第二階段投入指標數據

表3 2013—2016年長江經濟帶各省市產出指標數據

（二）經濟效率結果評價及分析

在第二階段的實證分析中，使用“每10億GDP科技文章篇數”“每10億GDP專利件數”和“技術合同成交額”作為投入指標，使用“人均GDP”和“工業(yè)新產品總產值”作為產出指標。運用DEAP2.1軟件計算得出第二階段投入產出技術效率值（見表5）。

從表5可以看出，長江經濟帶技術創(chuàng)新第二階段效率在不斷提升，但科技成果轉化效率不高。四川、安徽和重慶的轉化效率小于0.8，而經濟較為落后的云貴兩省效率卻很高，這與平常的認知不符。但仔細思考后，本文認為并不矛盾。云南、貴州兩省的經濟水平決定其創(chuàng)新投入較少，較少的資源得到有效利用，獲得較高的經濟產出，這正是云南、貴州科技成果轉化效率高的原因之一。安徽和四川轉化效率不高主要受到純技術效率和規(guī)模無效性兩方面的雙重作用，但純技術效率的影響更為突出；重慶轉化效率不高主要受到規(guī)模效率的影響，該市的規(guī)模有效性呈現遞減的狀態(tài)。

四、結論與對策

根據數據包絡分析法把長江經濟帶創(chuàng)新績效的測評分成兩個階段：第一階段評價區(qū)域科技成果研發(fā)效率；第二階段評價科技成果商業(yè)化效率。第一階段中，2009—2012年的技術綜合效率先增加后減少，主要是受到純技術效率的影響，整個長江經濟帶的資源利用率應不斷提升；第二階段中，長江經濟帶整體的科技成果商業(yè)轉化效率不到0.9，并不算高，經濟較為發(fā)達的安徽、四川和重慶的商業(yè)轉化轉換效率卻不盡如人意。創(chuàng)新績效的提高應該是兩階段的銜接和配合，從而最終產生經濟效益。結合兩階段結果，不難發(fā)現很多省市的投入產出效率和科技成果轉化效率不能匹配。上海、江蘇科技成果研發(fā)效率較低，而較高的科技成果轉化效率，使得區(qū)域創(chuàng)新不能長久保持有效性，并且較低的研發(fā)效率直接降低了最終的經濟利益；安徽、四川和重慶成果研發(fā)效率較高而科技成果轉換率較低，往往會導致創(chuàng)新資源的投入得不到理想的經濟效益，從而造成經濟浪費和創(chuàng)新效率低的后果。

表4 第一階段科技成果研發(fā)效率

表5 第二階段科技成果商業(yè)化效率

提高地區(qū)的創(chuàng)新效率需要科技成果研發(fā)效率和科技成果商業(yè)化效率兩手抓，各省市根據自身發(fā)展現狀可以采取如下措施：

第一，投入適當的資源，提高利用率。雖然近年來長江經濟帶9省2市的經濟發(fā)展迅速，不過省市間還存在不少差距，各省市對創(chuàng)新資源的投入受到經濟發(fā)展的限制。江西、貴州、云南等省份資源規(guī)模有效性遞增，應加大創(chuàng)新資源的投入；上海、江蘇、安徽、湖南、湖北等省市資源規(guī)模遞減，應重視創(chuàng)新資源的利用率，避免資源的浪費。第二，推動創(chuàng)新科技成果轉化，大力發(fā)展高新技術產業(yè)。企業(yè)是確保創(chuàng)新資源從科技成果向經濟收益轉變的核心，高新技術產業(yè)屬于知識密集型、技術密集型產業(yè)，已在創(chuàng)新活動中扮演著越來越重要的角色，應設立高新產業(yè)園區(qū)，整合優(yōu)勢資源，優(yōu)化配置。第三，加大對落后地區(qū)的扶持，確保長江經濟帶的協同創(chuàng)新。相對而言，江西、安徽、云南、貴州等省份的綜合創(chuàng)新能力比較落后，應該積極提升自身創(chuàng)新能力，加大創(chuàng)新資源的投入。長江中下游地區(qū)應利用自身區(qū)域優(yōu)勢，積極吸收“長三角”創(chuàng)新溢出效應，優(yōu)化創(chuàng)新環(huán)境；長江上游地區(qū)位于內陸，受到地理區(qū)位限制，難以得到下游地區(qū)的創(chuàng)新輻射效應，需提高科技創(chuàng)新能力、培育創(chuàng)新人才，推進科技創(chuàng)新開放合作，積極培育科技創(chuàng)新發(fā)展極。

參考文獻：

[1]尹凡，單瑩潔，蘇傳華，等.河北省區(qū)域創(chuàng)新績效評價模型的構建[J].統計與決策，2011（14）：77-79.

[2]蘇屹，李柏洲.基于隨機前沿的區(qū)域創(chuàng)新系統創(chuàng)新績效分析[J].系統工程學報，2013（1）：125-133.

[3]陳永康，李凡，劉章.區(qū)域創(chuàng)新效率的參數估計：基于空間隨機前沿模型[J].內蒙古科技與經濟，2017（10）：57-59.

[4]周洪文，宋麗萍，劉瑋.區(qū)域創(chuàng)新系統績效評價比較研究[J].工業(yè)技術經濟，2014（9）：22-33.

[5]侯睿.基于Malmquist指數的我國區(qū)域技術創(chuàng)新效率提升與驅動差異研究[J].工業(yè)技術經濟，2016（1）：122-129.

[6]張博榕，李春成.基于兩階段動態(tài)DEA模型的區(qū)域創(chuàng)新績效實證分析[J].科技管理研究，2016（12）：62-67.

[7]官建成，劉順忠.區(qū)域創(chuàng)新機構對創(chuàng)新績效影響的研究[J].科學學研究，2003（2）：210-214.