我國各省市科技創(chuàng)新效率的DEA測評

張潔

摘要：文章利用2008-2017年我國28個省市自治區(qū)的相關(guān)數(shù)據(jù)，運用DEA和Malmqist-DEA模型對全國各省市科技創(chuàng)新效率進行測評。研究發(fā)現(xiàn)，我國總體科技創(chuàng)新效率有小幅度上升，但仍處于較低水平;我國近十年科技創(chuàng)新的TFP上升了7.4%;我國科技創(chuàng)新效率存在明顯的地區(qū)差異。最后，文章提出了相應的政策建議。

Abstract： In this paper， the related data of 28 provinces and autonomous regions in China from 2008 to 2017 are used to evaluate the scientific and technological innovation efficiency of all provinces and cities in China by using DEA and Malmqist DEA model. It is found that the overall efficiency of scientific and technological innovation in China has a small increase， but it is still at a low level. The TFP of China's scientific and technological innovation increased by 7.4% in the past decade. There are obvious regional differences in the efficiency of scientific and technological innovation in China. Finally， this paper puts forward corresponding policy suggestions.

關(guān)鍵詞：科技創(chuàng)新效率;全要素生產(chǎn)率;數(shù)據(jù)包絡分析

Key words： science and technology innovation efficiency;total factor productivity;data envelopment analysis

中圖分類號：F224;F127 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）30-0293-04

0 ?引言

自改革開放以來，中國經(jīng)濟經(jīng)歷40年的粗放式增長，GDP由1978年的3679億元增長到2018年的900309億元，年平均增長率接近10%，取得了舉世矚目的成績。但是，近年來隨著我國勞動力成本優(yōu)勢的喪失和自然資源稟賦的弱化，經(jīng)濟面臨很大的下行壓力，因此目前我們迫切需要轉(zhuǎn)變經(jīng)濟增長方式，同時黨的十九大報告也明確指出我國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。內(nèi)生經(jīng)濟增長理論認為技術(shù)進步可為經(jīng)濟增長提供長期持續(xù)的動力，是促進經(jīng)濟增長的最終源泉?？萍紕?chuàng)新對一國或一地區(qū)經(jīng)濟發(fā)展起著重要的驅(qū)動作用，目前世界各國都在從科技創(chuàng)新上尋找新的經(jīng)濟增長點，而世界競爭已轉(zhuǎn)變?yōu)榭萍嫉母偁?，科技?chuàng)新科已成為促進經(jīng)濟可持續(xù)發(fā)展和加快產(chǎn)業(yè)轉(zhuǎn)型升級的重要手段?？萍紕?chuàng)新效率是在一定程度上反映出該地區(qū)科技資源配置和運營能力，科技效率的高低直接反映出該地區(qū)科技創(chuàng)新體系的運行質(zhì)量，科學合理的對科技創(chuàng)新效率進行測評有助于提高該地區(qū)科技創(chuàng)新能力，提高區(qū)域經(jīng)濟發(fā)展質(zhì)量，從而推動產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級。

隨著創(chuàng)新是第一生產(chǎn)力的觀點逐步深入人心，科技創(chuàng)新效率得到了越來越多學者的關(guān)注，目前利用DEA方法對我國科技創(chuàng)新效率測評的文獻主要有以下兩類。一是從區(qū)域角度只研究某個地區(qū)的科技創(chuàng)新效率。如徐小欽，黃馨和梁彭勇（2009）對重慶市科技創(chuàng)新效率進行了測評，發(fā)現(xiàn)重慶市全要素生產(chǎn)率的提高主要由是技術(shù)進步引起的，其技術(shù)效率、純技術(shù)效率規(guī)模效率都有所下降。柳瑞禹，何志明和范如國（2016）、席增雷，袁青川和徐偉（2018）以及許建紅，梁玲和孔令丞（2018）分別對我國中部六省、京津冀地區(qū)和東部12省市的科技創(chuàng)新效率進行了研究，發(fā)現(xiàn)中部六省在2001-2013年間的綜合技術(shù)創(chuàng)新效率呈下降趨勢，而京津冀地區(qū)全要素生產(chǎn)率呈上升趨勢，東部地區(qū)科技創(chuàng)新效率總體上處于較高的水平。二是研究企業(yè)的科技創(chuàng)新效率。如吳忠濤，張瑯和張裕華（2018）測評了正處于經(jīng)濟轉(zhuǎn)型時期的科技型企業(yè)創(chuàng)新效率，發(fā)現(xiàn)科技型中小企業(yè)和大型企業(yè)的創(chuàng)新效率均呈下降趨勢。三是分析全國各省市科技創(chuàng)新效率。如李蘭冰（2008）對我國31個省市自治區(qū)的科技創(chuàng)新效率進行了研究，其結(jié)果表明我國科技創(chuàng)新效率總體水平不高。

基于以上分析不難發(fā)現(xiàn)，近幾年學者大多是從區(qū)域角度或者從企業(yè)等微觀角度對科技創(chuàng)新效率進行研究，這只對該區(qū)域或企業(yè)科技創(chuàng)新的進步起到了重要的作用。我國地域遼闊，東中西部經(jīng)濟發(fā)展存在較大的差異，但是目前僅有少量學者研究了全國各省市科技創(chuàng)新效率，而且這些研究相對來說比較早，有必要對處于經(jīng)濟發(fā)展轉(zhuǎn)型期的各省市科技創(chuàng)新效率重新進行測評。因此，本文立足于全國各省市，利用2008-2017年相關(guān)數(shù)據(jù)，全面研究中國各省市的科技創(chuàng)新效率，并分析各省市在科技創(chuàng)新效率上的不足，這將有利于各地政府機構(gòu)結(jié)合自身情況制定相關(guān)政策以促進當?shù)丶夹g(shù)創(chuàng)新效率的提高。

1 ?研究方法及數(shù)據(jù)來源

1.1 DEA

目前，學術(shù)界對創(chuàng)新效率的測評方法主要有隨機前沿方法和自由分布法等參數(shù)方法，以及由Charnes、Cooper和 Rehode于20世紀70年代提出的數(shù)據(jù)包絡分析（DEA）的非參數(shù)方法。DEA方法是一種集數(shù)學、運籌學、數(shù)理經(jīng)濟學和管理學等多門學科于一體的交叉領(lǐng)域新興的研究方法（許建紅，梁玲和孔令丞，2018）。由于該模型不用設(shè)定生產(chǎn)函數(shù)形態(tài)，也不需要對指標數(shù)據(jù)進行無量綱化處理，它是采用數(shù)學規(guī)劃模型，依據(jù)所輸入的一組關(guān)于投入產(chǎn)出的觀察值，估計有效生產(chǎn)的前沿面，然后將各決策單元與此有效生產(chǎn)前沿做比較，從而衡量效率（徐小欽，黃馨和梁彭勇，2009）。因此基于DEA方法的測量估計是一種相對效率的測量，在實際應用中因其可排除許多主觀因素具有一定的客觀性，且使用方便快捷，而廣受歡迎。

1.2 基于DEA的Malmquist指數(shù)法

Malmquist指數(shù)法通常用于測算全要素生產(chǎn)率的變化。Malmquist指數(shù)將全要素生產(chǎn)率指數(shù)（Tfpch）分解為技術(shù)效率指數(shù)（Effch）和技術(shù)進步指數(shù)（Techch），而技術(shù)效率指數(shù)又可進一步分解為純技術(shù)效率指數(shù)（Pech）和規(guī)模效率指數(shù)（Sech）。其關(guān)系如下所示：

Tfpch =Effch*Techch且Effch=Pech*Sech

Malmquist指數(shù)是對各決策單元管理水平和創(chuàng)新水平的綜合反映。如果計算出來的Malmquist指數(shù)大于1，則代表著科技創(chuàng)新生產(chǎn)率水平有所提高;如果Malmquist指數(shù)小于1，則表示出科技創(chuàng)新生產(chǎn)率水平在下降?！凹夹g(shù)進步指數(shù)”在一定程度上綜合反映出技術(shù)所涵蓋的各種形式知識的積累與改進（許敏和謝玲玲，2012）;“規(guī)模效率指數(shù)”代表生產(chǎn)規(guī)模的大小對生產(chǎn)率產(chǎn)生的影響，并進一步可反映出測評對象的管理水平;“純技術(shù)效率指數(shù)”是指在規(guī)模報酬變動的假定前提下的單純技術(shù)效率的變化，在一定程度上反映出被測單位的創(chuàng)新產(chǎn)出水平。

1.3 指標選取

對科技創(chuàng)新效率的合理測度需要選取恰當?shù)闹笜??？萍紕?chuàng)新的投入指標一般是人力和資金等投入的科技資源，產(chǎn)出指標應為可反映創(chuàng)新成果的指標。基于數(shù)據(jù)的可獲得性，本文選取的投入指標有R&D經(jīng)費內(nèi)部支出（萬元）、R&D折合全時人量（人年），投出指標有用以測度個省市科技創(chuàng)新能力的專利申請量（件），和用以測度科技創(chuàng)新對經(jīng)濟的驅(qū)動作用的人均GDP（元）。

本文選取的樣本為中國各省市2008-2017年相關(guān)數(shù)據(jù)，考慮到數(shù)據(jù)的可獲得性，本文剔除了貴州省、四川省、西藏自治區(qū)以及港澳臺。數(shù)據(jù)均來源于各省市《歷年統(tǒng)計年鑒》，部分數(shù)據(jù)來源于歷年《中國科技統(tǒng)計年鑒》。

2 ?實證分析

2.1 各省市科技創(chuàng)新效率的靜態(tài)分析

表1為我國各省市2008-2017年綜合效率值。被測的決策單元的綜合效率值等于1的為有效單元，而小于1的為無效單元。從表中可以看出，整體上綜合效率經(jīng)歷了先上升再下降再上升的過程，這在一定程度上表現(xiàn)出我國科技創(chuàng)新綜合效率的穩(wěn)健性在逐步提高;分省份來看，安徽、甘肅、廣西、江西、寧夏和陜西科技創(chuàng)新效率有較大的進步，他們各自2017年的綜合效率值至少比2008年的綜合效率值翻了一倍。而北京、河北、湖南、吉林、遼寧、山西、內(nèi)蒙古、云南的綜合效率值這十年一直處于平均水平之下，表現(xiàn)出其投入與產(chǎn)出結(jié)構(gòu)極其不合理;從個別省份來看，青海省科技創(chuàng)新效率最好，青海省2008年和2009年綜合效率很接近1，從2010年上升到1之后，到2017年一直在1的水平上保持，表示近幾年青海省R&D內(nèi)部經(jīng)費投入、R&D人員投入與專利申請量及人均GDP產(chǎn)出的結(jié)合達到了最優(yōu)狀態(tài)。其次是廣西自治區(qū)，廣西從2008年經(jīng)歷了先下降在上升直到2014年達到了最佳狀態(tài)，此后便一直保持。而江蘇省和浙江省的綜合效率值都從1降到0.591和0.743，這在一定程度上說明近年來江蘇和浙江兩省在R&D投入中存在資源浪費配置不佳的現(xiàn)象。

因此，從總體來看，我國科技創(chuàng)新效率近十年的變化幅度不大，到2017年僅有六個省份的綜合效率值在0.8以上且僅有廣西和青海處于生產(chǎn)前沿線上，其他省份仍處于地下水平，表明我國各省市科技創(chuàng)新投入與產(chǎn)出配置結(jié)構(gòu)亟待優(yōu)化。

2.2 各省市科技創(chuàng)新效率的動態(tài)變化分析

前文從靜態(tài)視角對全國28個省市的科技創(chuàng)新效率進行了分析，但都是對各個省市在同一時間點上的狀況進行橫向的比較分析，無法反映各個地區(qū)自身的動態(tài)變化過程。因此，本文選取了Malmquist指數(shù)來對科技創(chuàng)新效率進行動態(tài)分析，以期通過動態(tài)的分析能直觀地看到各地區(qū)科創(chuàng)效率的動態(tài)變化情況。運用Deap2.1軟件，測算出2008-2017年全國28個省市自治區(qū)的平均技術(shù)效率變動（effch）、技術(shù)進步變化（techch）、純技術(shù)效率變化（pech）、規(guī)模效率變化（sech）和Malmqist生產(chǎn)率指數(shù)（tfpch）。

2.2.1 整體科技創(chuàng)新效率變化

如表2所示，從整體上來看，2008-2017年間我國總體科技創(chuàng)新水平有所提高，全要素生產(chǎn)率均值為1.074，也就是說2017年的全要素生產(chǎn)率較2008年提高了7.4%。進一步從分解結(jié)果中可以看出全要素生產(chǎn)率的提高是技術(shù)效率和技術(shù)進步共同改善的結(jié)果，分別提高了1.5%和5.8%。技術(shù)效率可進一步分解為純技術(shù)效率和規(guī)模效率，近十年間技術(shù)效率的提高主要是由純技術(shù)效率的提高拉動的，純技術(shù)效率改善了2.4%，而規(guī)模效率下降了0.9%，這在一定程度上表明我國管理水平有所下降。因此，我國科技創(chuàng)新TFP的改善是純技術(shù)效率和技術(shù)進步綜合作用的結(jié)果。

2.2.2 各地區(qū)科技創(chuàng)新效率變化

從表3可以看出，2008-2017年間除了海南省科技創(chuàng)新TFP沒有提高外，其他省市都有不同程度的進步。其中，漲幅最大的是江西省，該省2008-2017年間Malmqist生產(chǎn)率指數(shù)為1.207，上漲了20.7%，這是技術(shù)效率上升13.2%和技術(shù)進步指數(shù)上升6.7%的共同結(jié)果。分省市來看，近十年科技創(chuàng)新TFP提高的幅度在1-10%之間的省市共有19個，占總數(shù)的67.8%。提高幅度高于10%的僅有安徽、北京、甘肅、廣西、江西和陜西6個省市。提高幅度低于1%的有青海和新疆，分別提高了7%和4%。這在一定程度上表明我國近十年科技創(chuàng)新的TFP改善程度不均勻，存在地區(qū)差異。

3 ?結(jié)論及建議

3.1 結(jié)論

在中國經(jīng)濟發(fā)展處于轉(zhuǎn)型期的背景下，本文利用2008-2017年我國28個省市自治區(qū)投入產(chǎn)出的相關(guān)數(shù)據(jù)，運用BCC-DEA和Malmqist-DEA對全國各省市科技創(chuàng)新效率進行靜態(tài)和動態(tài)分析。其主要結(jié)論如下：①我國總體科技創(chuàng)新效率雖然有所改善，但處于較低水平。②動態(tài)來看，我國近十年科技創(chuàng)新的Malmqist生產(chǎn)率指數(shù)上升了7.4%，其中技術(shù)效率指數(shù)提高了1.5%，技術(shù)進步指數(shù)提高了5.8%。③不論是靜態(tài)分析還是動態(tài)分析，我國都存在著明顯的地區(qū)差異。我國經(jīng)濟進入新常態(tài)，需要依靠技術(shù)創(chuàng)新向高質(zhì)量經(jīng)濟發(fā)展轉(zhuǎn)型，科技創(chuàng)新效率的高低將直接影響到我國經(jīng)濟發(fā)展的轉(zhuǎn)型。雖然我國近十年在科技創(chuàng)新效率的改善上有所進步、科技創(chuàng)新的TFP有所提高，但是還有很多省市處于落后狀態(tài)，對科技創(chuàng)新效率的改善工作還需進一步的努力。

3.2 政策建議

注重提高科研機構(gòu)的管理水平。前文的動態(tài)分析發(fā)現(xiàn)我國近十年科技創(chuàng)新的規(guī)模效率呈現(xiàn)出下降趨勢，這表明我國科技創(chuàng)新效率并沒有隨著規(guī)模的增大而提高，一定程度上反映出管理水平的相對落后。科研創(chuàng)新效率的提高不僅僅要增加人力、資金等資源的投入力度，其管理水平也起決定性的作用。因此，今后我們要注重技術(shù)進步的同時，也要努力提高創(chuàng)新主體對投入資源的管理及運營能力，以使科技創(chuàng)新資源與運營能力高效結(jié)合，以達到事半功倍的效果。除此之外，還要注重科研資源的合理配置，應注重對科研人才、科研資金、科研設(shè)備的優(yōu)化配置，以避免投入擁擠與投入松弛現(xiàn)象發(fā)生，使科研人力、物力以及財力充分結(jié)合，從而激發(fā)科研人員的創(chuàng)新活力。這不僅需要我們加快對科研人才的培養(yǎng)步伐，還需要我們加大對管理人才的引進及培訓力度，尤其要注重對創(chuàng)新型管理人才的培養(yǎng)。

根據(jù)各省市的不同特點，制定符合其自身實際情況的科技創(chuàng)新管理和監(jiān)督政策。我國各省市科技創(chuàng)新效率存在較大的差異，有的省份綜合科技效率值已經(jīng)達到1，有的還處于0.4左右。為了縮小各省市的差距，各省市之間除了相互借鑒相互學習之外，還需要根據(jù)自身特點制定符合自身發(fā)展的科技管理體系與監(jiān)督制度。例如各省市需要積極制定鼓勵創(chuàng)新政策，建立公平公正的創(chuàng)新評估機制，嚴謹透明的監(jiān)督管理體系，不斷完善相關(guān)法律法規(guī)。與此同時，各地區(qū)可結(jié)合當?shù)馗咝Ｇ闆r積極發(fā)展產(chǎn)學研，并明確各部門在產(chǎn)學研中的功能定位，以各司其職，從而實現(xiàn)協(xié)同創(chuàng)新。

參考文獻：

[1]徐小欽，黃馨，梁彭勇.基于DEA與Malmquist指數(shù)法的區(qū)域科技創(chuàng)新效率評價——以重慶市為例[J].數(shù)理統(tǒng)計與管理，2009，28（06）：974-985.

[2]席增雷，袁青川，徐偉.基于Malmquist-TFP模型的京津冀地區(qū)科技創(chuàng)新經(jīng)濟效率評價[J].宏觀經(jīng)濟研究，2018（07）：132-140.

[3]柳瑞禹，何志明，范如國.中部六省科技創(chuàng)新效率與影響因素研究[J].資源開發(fā)與市場，2016，32（03）：277-283.

[4]許建紅，梁玲，孔令丞.東部12省市科技創(chuàng)新效率的DEA測評與上海科創(chuàng)策略研究[J].上海對外經(jīng)貿(mào)大學學報，2019，26（02）：59-68.

[5]齊子翔.科技研發(fā)高投入不等于高產(chǎn)出——基于創(chuàng)新效率的時空分析[J].科技管理研究，2013，33（18）：100-104.

[6]吳忠濤，張瑯，張裕華.經(jīng)濟轉(zhuǎn)型時期的科技型企業(yè)創(chuàng)新效率比較研究[J].當代經(jīng)濟科學，2018，40（03）：57-65，126.

[7]李蘭冰.我國區(qū)域科技創(chuàng)新效率評價——以省際數(shù)據(jù)為樣本[J].科技管理研究，2008（09）：87-90.

[8]許敏，謝玲玲.基于DEA的我國大中型工業(yè)企業(yè)技術(shù)創(chuàng)新效率評價研究[J].科學管理研究，2012，30（3）：74-76.

[9]方麗娟，耿閃清.寧夏高?？萍紕?chuàng)新績效評價[J].價值工程，2018，37（19）：207-209.