基于三階段DEA模型的創(chuàng)新效率實證研究
——來自2005年到2020年全國工業(yè)企業(yè)的證據(jù)

陳 池

1 引 言

工業(yè)是國民經(jīng)濟的主導(dǎo)產(chǎn)業(yè)，是國民經(jīng)濟的重要構(gòu)成部分，研究其創(chuàng)新效率的實況，不但可以為改進自身的創(chuàng)新效率提供了現(xiàn)實的依據(jù)，而且為其他類型企業(yè)的技術(shù)創(chuàng)新提供了很好的借鑒作用。工業(yè)企業(yè)經(jīng)過70多年來的發(fā)展，不斷壯大，2020年工業(yè)總產(chǎn)值占國內(nèi)生產(chǎn)總值的30.8%，成為我國重要的經(jīng)濟力量（國家統(tǒng)計局，2021［1］）。我國的工業(yè)從純粹依靠技術(shù)引進，發(fā)展到引進與消化吸收相結(jié)合，然后不斷創(chuàng)新和加強正向設(shè)計能力，在新經(jīng)濟常態(tài)下積累到原始技術(shù)的創(chuàng)新（鐘順東，2017［2］），工業(yè)科技創(chuàng)新的發(fā)展從一定程度上決定了一個國家的經(jīng)濟增長能力，到目前為止，中國工業(yè)已形成了別具特色的技術(shù)趕超路徑。綜觀工業(yè)技術(shù)發(fā)展歷史來看，1949-1977年，中國工業(yè)技術(shù)創(chuàng)新主要是依靠技術(shù)援助和歸國科學(xué)家的艱苦探索中前行；1978-1991年，我國以技術(shù)引進和外商直投為主；1992-2005年，自鄧小平同志1992年南巡后，從單純技術(shù)模仿發(fā)展到不斷增強自主研發(fā)能力，各項技術(shù)資源也向企業(yè)集中；2006年之后，工業(yè)企業(yè)經(jīng)過多年研發(fā)經(jīng)驗和積累，創(chuàng)新能力有了質(zhì)的提升。根據(jù)統(tǒng)計數(shù)據(jù)表明，全國規(guī)模以上工業(yè)企業(yè)2020年的專利申請數(shù)是2005年的21.5倍，16年的年平均增長率為23.1%；新產(chǎn)品銷售收入也是逐年增加，2020年的新產(chǎn)品銷售收入是2005年新產(chǎn)品銷售收入的8.9倍，16年的年平均增長率為16.5%；大部分的工業(yè)企業(yè)知識產(chǎn)權(quán)意識明顯提升，研發(fā)效率也是突飛猛進，以更多的新產(chǎn)品、新技術(shù)作為開拓和占領(lǐng)市場的有力武器，體現(xiàn)了極強的生命力。

在同一時期，通過加強國家產(chǎn)業(yè)轉(zhuǎn)型升級和技術(shù)創(chuàng)新政策的引導(dǎo)，激勵了工業(yè)企業(yè)的自主創(chuàng)新，各項經(jīng)費支出和研發(fā)人員投入也增強了，2005年以來，工業(yè)企業(yè)的研發(fā)經(jīng)費和研發(fā)人員投入都呈現(xiàn)持續(xù)增加的趨勢。與2005年的R&D經(jīng)費相比，2020年是2005年的11.2倍，年平均增長率為18.2%；2020年的R&D人員全時當(dāng)量是2005年的4.7倍，年平均增長率為12.3%。研發(fā)經(jīng)費投入和研發(fā)人員增長表明企業(yè)越來越重視原始創(chuàng)新能力的提升，通過對16年的創(chuàng)新成果的統(tǒng)計分析，工業(yè)企業(yè)的創(chuàng)新能力無論是數(shù)量還是質(zhì)量上都有了明顯的提升。國內(nèi)外眾多專家學(xué)者關(guān)于工業(yè)企業(yè)創(chuàng)新效率的研究很多,他們的研究成果對本文具有很重要的借鑒意義，但可能源于研究視角和方法的限制，以往研究在考察企業(yè)技術(shù)創(chuàng)新的效率時，并沒有將環(huán)境因素和隨機誤差予以剔除，所以效率值并不能反映我國現(xiàn)階段工業(yè)企業(yè)技術(shù)創(chuàng)新的真實效率水平。

本文將根據(jù)規(guī)模以上工業(yè)企業(yè)16年的研發(fā)投入和產(chǎn)出數(shù)據(jù)，參考馬占新等（2013）［3］DEA三階段方法對其創(chuàng)新效率進行了各年份的對比，由于各年份的經(jīng)營環(huán)境的不同，對企業(yè)的創(chuàng)新效率的影響也不一樣。本文旨在建立合理的評價方法和指標(biāo)，客觀評價工業(yè)企業(yè)的創(chuàng)新效率，并針對存在的問題提出相關(guān)對策,以促進該產(chǎn)業(yè)的高速持續(xù)增長。本文提出的三階段DEA 模型方法，在有效控制環(huán)境因素和隨機誤差的基礎(chǔ)上，對我國工業(yè)企業(yè)的技術(shù)創(chuàng)新效率水平進行科學(xué)評估，并分析影響其創(chuàng)新效率的因素，為相關(guān)部門決策提供參考。

2 文獻綜述

目前，大多數(shù)學(xué)者采取參數(shù)方法和非參數(shù)方法對高技術(shù)產(chǎn)業(yè)的創(chuàng)新效率進行評價。其中，參數(shù)方法主要是基于隨機前沿分析（SFA）進行評價，但是它在設(shè)置函數(shù)模型時會存在一定的偏差;非參數(shù)方法主要是基于數(shù)據(jù)包絡(luò)分析（DEA）進行評價，相比于SFA模型更加客觀。DEA模型最早是由Charnes等提出的，是基于規(guī)模報酬不變的假設(shè)衡量各個決策單元的效率（CCR模型）;后來學(xué)術(shù)領(lǐng)域基于此衍生出幾十種模型。龍勇等采用CCR和C2GS2模型分析我國高技術(shù)產(chǎn)業(yè)1995-2002年的效率，解堊采用CCR和Malmquist-DEA模型分析了我國高技術(shù)產(chǎn)業(yè)五個行業(yè)1997-2004年的效率，這些都是對其進行單階段分析。

熊彼特認為技術(shù)創(chuàng)新作為一種因素構(gòu)建了新的生產(chǎn)函數(shù)，成為影響企業(yè)及經(jīng)濟發(fā)展的重要因素，熊彼特之后，隨著學(xué)者專家對技術(shù)創(chuàng)新的研究與發(fā)展，對技術(shù)創(chuàng)新績效（或者效率）的研究，經(jīng)歷了兩個階段：第一階段是單要素生產(chǎn)率,是指企業(yè)的產(chǎn)出水平與投入要素中某一單獨的要素之間的比例，研究的是單一生產(chǎn)要素對績效的貢獻程度，但是事物之間的聯(lián)系非常廣泛，各種生產(chǎn)要素之間也是有著千絲萬縷的聯(lián)系，而創(chuàng)新效率往往多種生產(chǎn)因素共同作用的結(jié)果，所以單一要素生產(chǎn)率具有一定的局限性，不能全面解釋企業(yè)真實的經(jīng)營狀況。第二階段是全要素生產(chǎn)率，全要素生產(chǎn)率可以揭示生產(chǎn)技術(shù)水平的高低，也揭示生產(chǎn)效率的高低，全要素生產(chǎn)率的提高路徑包括技術(shù)進步以及生產(chǎn)要素的重新配置，即使是完全相同數(shù)量和質(zhì)量的研發(fā)資金、研發(fā)人員等生產(chǎn)要素投入，其產(chǎn)出量（包括專利數(shù)量或者新產(chǎn)品銷售收入等）也不一定相同，究其原因關(guān)鍵在于全要素生產(chǎn)率的不同。本文將沿著全要素生產(chǎn)率這一個思路，運用多種投入和多種產(chǎn)出因素，揭示各因素之間的投入與產(chǎn)出關(guān)系。

分析工業(yè)企業(yè)的創(chuàng)新效率，由于角度及方法的不同，會得出不同的分析結(jié)論，以下是主要的專家學(xué)者的觀點及研究方法：蔣玉潔和菅利榮（2011）［4］運用熵權(quán)TOPSIS方法和錫爾指數(shù)，分析了我國不同區(qū)域的工業(yè)企業(yè)創(chuàng)新發(fā)展水平及差異性；趙良浩等（2013）［5］用回歸法驗證了不同的科技創(chuàng)新政策對創(chuàng)新績效的不同影響；申文青（2019）［6］，運用灰色關(guān)聯(lián)分析法，對廣東省制造業(yè)的技術(shù)創(chuàng)新績效進行了綜合評價；魯煒等（2014）［7］利用Eviews6.0 軟件，以上市公司的財務(wù)數(shù)據(jù)分析了資本結(jié)構(gòu)對創(chuàng)新的影響；朱孟濤（2013）［8］利用DEA模型分析了各區(qū)域30個省市及地區(qū)的工業(yè)企業(yè)的創(chuàng)新效率并進行了評價；陳藝曦，于博駿（2019）［9］運用K-means 算法，經(jīng)過聚類分析及因子分析提取了影響創(chuàng)新能力的因子，并對各地區(qū)工業(yè)企業(yè)的創(chuàng)新能力進行了評價；王翔（2019）［10］運用SYS-GMM方法實證分析了環(huán)境規(guī)制對創(chuàng)新的影響；何田和胡笑寒（2018）［11］采用DEA分析方法,評價了大中型工業(yè)企業(yè)的技術(shù)創(chuàng)新效率，發(fā)現(xiàn)創(chuàng)新活動不足，地區(qū)的差異性明顯，投入的要素資源被浪費等等；胡艷和劉梅林（2018）［12］利用DEA和DEA-Malmquist 指數(shù)法，分析了安徽省工業(yè)企業(yè)動靜態(tài)的創(chuàng)新效率；陳娜等（2019）［13］采用DEATobit模型，對西部地區(qū)工業(yè)企業(yè)的創(chuàng)新效率進行了評價；羅芳和王遠卓（2019）［14］運用DEA方法，分析了長江經(jīng)濟帶規(guī)模以上工業(yè)企業(yè)的研發(fā)效率；姜波（2012）［15］以非參數(shù)Malmquist 指數(shù)方法實證分析了30個省區(qū)域大中型企業(yè)的技術(shù)績效差異性。

3 數(shù)據(jù)來源和變量

本文主要采用DEA模型分成三個階段進行分析，第一階段DEA模型，主要采用收集到的工業(yè)企業(yè)的原始的投入和產(chǎn)出數(shù)據(jù)進行初始效率的分析，得出不同投入的松馳變量；然后進行第二階段分析，以SFA回歸方法以排除環(huán)境因素和統(tǒng)計誤差的影響；最后第三階段以調(diào)整后的不同投入的調(diào)整變量為基礎(chǔ)，得出了在同質(zhì)的條件下的真實技術(shù)效率值。

（1）數(shù)據(jù)來源

2005年到2020年的投入和產(chǎn)出的數(shù)據(jù)主要來源于《工業(yè)企業(yè)科技活動統(tǒng)計年鑒》［16］和《中國統(tǒng)計年鑒》，鑒于不同的年鑒統(tǒng)計口徑會略有不同，年份統(tǒng)計數(shù)據(jù)可能會出現(xiàn)差異性，導(dǎo)致有的年份的數(shù)據(jù)出現(xiàn)斷層現(xiàn)象，在剔除了不連續(xù)的數(shù)據(jù)后，作者收集整理了2005到2020年的經(jīng)營數(shù)據(jù)，作為本文實證分析的基礎(chǔ)數(shù)據(jù)。

（2）投入、產(chǎn)出變量

本文研究的是工業(yè)企業(yè)的創(chuàng)新績效，與科技投入密切相關(guān)的是R&D人員全時當(dāng)量和R&D經(jīng)費兩個變量。研發(fā)人員是工業(yè)企業(yè)研發(fā)主力，數(shù)量大小體現(xiàn)了研發(fā)力量的規(guī)模。研發(fā)經(jīng)費則體現(xiàn)了工業(yè)企業(yè)對技術(shù)創(chuàng)新投入的資金力量的大小，也體現(xiàn)了企業(yè)對研發(fā)工作的重視程度。

在產(chǎn)出方面，由于研發(fā)的最終成果體現(xiàn)在專利數(shù)量的多少，研發(fā)成果多，則專利申請數(shù)量就會增加；而新產(chǎn)品體現(xiàn)了研發(fā)成果的轉(zhuǎn)化為產(chǎn)品的重要標(biāo)志，如果申請的專利不能順利被企業(yè)轉(zhuǎn)化為產(chǎn)品，則表明企業(yè)的研發(fā)成果的轉(zhuǎn)化程度比較低，事實上也有一部分的專利僅僅是作為研發(fā)成果的體現(xiàn)，并不能轉(zhuǎn)化成生產(chǎn)力。所以本文選取了專利申請數(shù)和新產(chǎn)品銷售收入共同作為研發(fā)產(chǎn)出的衡量指標(biāo)。

（3）環(huán)境變量

為了得出創(chuàng)新效率的真實情況，需要排除環(huán)境及統(tǒng)計因素的影響，所以要選取不在樣本主觀控制范圍之內(nèi)的環(huán)境因素，與本文選取的投入變量進行回歸分析，經(jīng)過收集、整理和試測試效果，選取了三個符合要求的環(huán)境變量，具體包括反映科技開發(fā)績效的科技成果登記數(shù)［17］、反映總的投資規(guī)模的全社會固定資產(chǎn)投資［18］和反映企業(yè)繳納稅收規(guī)模的企業(yè)所得稅［19］，由于這三個變量不受管理控制的約束,并且可以滿足三階段DEA模型的分離假設(shè)。

4 實證分析

本文運用DEA模型分三個不同的階斷進行實證分析，第一階段采用原始的投入和產(chǎn)出數(shù)據(jù)運用DEAP2.1軟件進行數(shù)據(jù)運算，第二階段主要是采用Frontier4.1軟件［20］進行數(shù)據(jù)處理，第三階段投入的數(shù)據(jù)有所區(qū)別，產(chǎn)出數(shù)據(jù)相同，投入數(shù)據(jù)是采用第二階段運算所得的調(diào)整數(shù)據(jù)，有關(guān)的實證分析過程具體如下：

4.1 相關(guān)性分析

為進一步判斷本文所采用的投入與產(chǎn)出變量的適當(dāng)性和有效性，首先運用SPSS軟件進行相關(guān)性分析，對專利申請數(shù)、新產(chǎn)品銷售收入、R&D經(jīng)費、R&D人員全時當(dāng)量四個投入和產(chǎn)出變量進行相關(guān)性分析，結(jié)果如下圖（圖1），投入、產(chǎn)出，4個變量之間在0.01級別（雙尾），相關(guān)性顯著，可以作為本文進行分析的數(shù)據(jù)。

4.2 第一階段創(chuàng)新效率分析

首先對所收集到的原始值進行運算分析，沒有剔除任何內(nèi)外部因素的影響，反映了初始狀況的效率值，通過2005-2020年規(guī)模以上工業(yè)企業(yè)的研發(fā)投入和研發(fā)產(chǎn)出績效進行分析，得出了16年的三種技術(shù)效率值及技術(shù)效率值的平均值，計算結(jié)果如表1所示。從表1 中可以看出，平均綜合技術(shù)效率、平均純技術(shù)效率、平均規(guī)模效率分別為0.972、0.979和0.993，三種技術(shù)效率值比較接近且處于高位。從表1還可以看出來，綜合技術(shù)效率低于平均值的有2012年-2015年、2018年，余下的年份都大于平均值，處于優(yōu)良狀態(tài)；綜合技術(shù)效率值為1的年份是2007年、2008年，2017年、2020年，4年DEA有效；純技術(shù)效率低于平均值的有2012年-2015年、2018年，余下的年份都大于平均值，純技術(shù)效率值為1的年份是2005年-2008年、2010年，2017年、2020年，7年DEA有效；規(guī)模效率低于平均值的有2006年、2010年、2011年、2013-2016年，余下的年份都大于或等于平均值，規(guī)模效率值為1的年份是2007年、2008年、2017年、2020年，4年DEA有效；純技術(shù)效率達到DEA有效而綜合技術(shù)效率沒有達到DEA有效的年份為2005年、2006年、2010年，主要的原因是其規(guī)模效率無效,因而需要重點研究如何更好地提升其規(guī)模效率。

表1 第一階段效果系數(shù)

從三種效率發(fā)展趨勢圖（見圖2）可見，發(fā)展趨勢比較平衡的是規(guī)模效率，主要是在0.98到1之間波動，而綜合技術(shù)效率和純技術(shù)效率的運行軌跡基本相似，從形態(tài)上來看波動比較大，從2008年的最大值不斷波動下降到了2015年最小值，然后不斷提升，到2020年重新達到最大值。結(jié)合宏觀的經(jīng)濟發(fā)展情況，我們對技術(shù)效率的發(fā)展情況深入進行剖析，究其原因，與國內(nèi)外的經(jīng)濟形勢密不可分，主要的原因是從2012年到2015年期間，存在的問題比較突出的來自投資和需求不足，經(jīng)濟波動加劇等等；2015年后隨著國家加強了宏觀調(diào)控政策，技術(shù)效率也進入了穩(wěn)定增長狀態(tài)，深化改革進入發(fā)力期，伴隨著經(jīng)濟發(fā)展形勢的不斷好轉(zhuǎn)，工業(yè)企業(yè)的技術(shù)效率也在不斷提升，到2020年，重新達到最大值，DEA有效。

4.3 第二階段創(chuàng)新效率分析

由第一階段利用DEAP2.1軟件進行運算后，用R&D經(jīng)費和R&D人員全時當(dāng)量的原始值減去目標(biāo)值后，分別得出這兩個變量的松馳變量值，為考察本文中所選取的三個環(huán)境變量對投入松馳變量的影響程度，分別以這兩個不同的投入變量為因變量，環(huán)境變量作為自變量，運用Frontier4.1軟件進行回歸分析，具體情況見表2，可以看出, 兩個投入松馳變量回歸后的GAMMA值均達到了1，表明管理效率無效是主要的影響因素，從結(jié)果中可以看出，LR 單邊檢測是通過了顯著性檢驗，其中投入1（R&D經(jīng)費）通過了10%的顯著性檢驗；投入2（R&D人員全時當(dāng)量）通過5%的顯著性檢驗。因此, 所選用Frontier4.1分析是合適的。

表2 第二階段SFA估計結(jié)果

（1）科技成果登記數(shù)

科技成果登記數(shù)的增加對于R&D經(jīng)費和R&D人員全時當(dāng)量來講都是有利因素，會帶來R&D經(jīng)費松馳變量和R&D人員全時當(dāng)量松馳變量的減少，估計的原因有可能是，隨著全社會的科技成果登記數(shù)的增加，激發(fā)了工業(yè)企業(yè)對研發(fā)的熱情，不斷增加研發(fā)經(jīng)費和研發(fā)人員，進一步提高了研發(fā)效率，所以得到了更好的研發(fā)成果，但科技成果登記數(shù)的增加對于R&D經(jīng)費和R&D人員全時當(dāng)量這兩個變量的影響程度不一樣，每增加一個單位的科技成果登記數(shù)對R&D經(jīng)費松馳變量的影響是R&D人員全時當(dāng)量的29.3倍。

（2）全社會固定資產(chǎn)投資

由于全社會固定資產(chǎn)投資的增加也相應(yīng)減少了R&D經(jīng)費松馳變量，屬于有利因素，可能的原因是，由于全社會固定資產(chǎn)投資的增加相應(yīng)減少了企業(yè)研發(fā)經(jīng)費的支出，減輕了企業(yè)的負擔(dān)；而另外一方面，對R&D人員全時當(dāng)量來講是不利因素，帶來了R&D人員全時當(dāng)量松馳變量的增加，全社會固定資產(chǎn)投資的增加對這兩個變量的影響程度不一樣，對前者的影響是后者的1.2倍,并且方向相反。

（3）企業(yè)所得稅

企業(yè)所得稅增加對于R&D經(jīng)費來講屬于不利因素, 會增加相應(yīng)的R&D經(jīng)費松馳變量，這可能由于隨著企業(yè)所得稅的增加，增加了企業(yè)的成本負擔(dān)，導(dǎo)致松馳變量的增加；對于R&D人員全時當(dāng)量來講是有利因素，企業(yè)所得稅增加相應(yīng)減少了R&D人員全時當(dāng)量松馳變量，企業(yè)所得稅每增加一個單位，對R&D經(jīng)費的影響是R&D人員全時當(dāng)量的6.3倍，但方向相反。

總體上來講，從統(tǒng)計數(shù)據(jù)來看，環(huán)境變量對松馳變量的影響遠大于統(tǒng)計誤差的影響，排除環(huán)境因素和統(tǒng)計因素對創(chuàng)新績效的影響后，政府或者企業(yè)可以根據(jù)各年份的真實創(chuàng)新績效情況，對原始投入變量進行適當(dāng)?shù)恼{(diào)整。

4.4 第三階段創(chuàng)新效率分析

運用Frontier4.1軟件經(jīng)過第二階段運算后，得出了R&D經(jīng)費和R&D人員全時當(dāng)量這兩個投入變量的調(diào)整后的變量值，再把原始的產(chǎn)出變量和調(diào)整后的投入變量進行運算, 可獲得排除外部影響因素的第三階段效率值，從表3中可以看出，在同質(zhì)環(huán)境下，與第一階段效率值相比較,平均純技術(shù)效率保持不變，平均綜合技術(shù)效率和平均規(guī)模效率略有下降，變化不大，分別下降了0.1%和0.1%?？傮w上來看，對三種效率（綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率）的平均值影響不大，但是對于2005年到2020年每一年的具體技術(shù)效率數(shù)值影響較大。

表3 第三階段效率值分析表

續(xù)表

為了進一步對比第三階段和第一階段效率值的變化情況，現(xiàn)將綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率的每一個年度的第三階段和第一階段的具體數(shù)值進行比較，詳見圖3、圖4和圖5。從三幅雷達圖中可以看出來，第三階段的純技術(shù)效率和第一階段的具體值基本一致，差別最大的是規(guī)模效率，綜合技術(shù)效率變化程度處于純技術(shù)效率和規(guī)模效率之間。下面以規(guī)模效率來進行詳細說明，2007年、2008年、2012年、2014年、2017年和2020年這六年的第三、一階段的規(guī)模效率是相等的；2009年、2010年、2015年、2016年、2018年和2019年的第三階段規(guī)模效率值上升了，而2005年、2006年、2011年和2013年的第三階段規(guī)模效率值下降了，其中變動最大的是2005年，減少了0.023。

5 結(jié)論和建議

本文研究的三階段DEA 模型，其研究思路是首先利用經(jīng)典的模型測算決策單元的效率水平，然后利用隨機前沿模型對投入變量進行修正，使各個決策單元處于相同的環(huán)境當(dāng)中，最后利用修正后的投入數(shù)據(jù)重新測算決策單元的效率值。由于該方法有效剝離了環(huán)境因素和隨機誤差的影響，因而測算結(jié)果也更接近真實的效率水平。同時本文運用三階段DEA 模型進行實證研究，以全國規(guī)模以上工業(yè)企業(yè)為研究對象，經(jīng)過不同階段效率值的大小和變動趨勢的對比分析，我們可以得出如下結(jié)論，并提出相應(yīng)的建議：

（1）全國工業(yè)企業(yè)的創(chuàng)新效率水平較高，三種技術(shù)效率的平均值都在0.97以上，接近DEA有效，但是仍然存在改善的空間。以第三階段的純技術(shù)效率情況來看，7年的純技術(shù)效率達到DEA有效，占比為43.8%，將近一半；而其中2年的純技術(shù)效率達到DEA有效，但是綜合技術(shù)效率沒有達到DEA有效，這是由于這兩年規(guī)模效率偏低，導(dǎo)致綜合技術(shù)效率也沒有達到最優(yōu)。從技術(shù)資源的使用情況來看，全國工業(yè)企業(yè)對投入資源的利用情況，接近DEA有效，關(guān)鍵的是需要進一步研究規(guī)模效率的情況，綜合分析各種投入和產(chǎn)出的協(xié)調(diào)問題，改善工業(yè)企業(yè)的規(guī)模效率，通過規(guī)模效率的提升從而提升綜合技術(shù)效率值，最終看能否達到綜合技術(shù)效率DEA有效。

（2）加強治理，減輕環(huán)境因素對全國工業(yè)企業(yè)的創(chuàng)新效率的影響。在剔除環(huán)境因素的影響后，通過對比全國工業(yè)企業(yè)第三和第一階段的創(chuàng)新效率，發(fā)現(xiàn)平均綜合技術(shù)效率和平均規(guī)模效率輕微下降，而平均純技術(shù)效率保持不變，表明對總體的平均值影響不大，但是對于每一年度的三大創(chuàng)新效率值有顯著影響。結(jié)合第二階段的SFA實證分析，發(fā)現(xiàn)隨著科技成果登記數(shù)的增加，可以適當(dāng)減少R&D經(jīng)費和R&D人員全時當(dāng)量的松馳變量，政府首先需要在軟環(huán)境方面加以努力，如加強知識產(chǎn)權(quán)保護，保護技術(shù)和專利收益，激勵工業(yè)企業(yè)提高技術(shù)人員和資金的投入，提升創(chuàng)新的意愿和能力；全社會固定資產(chǎn)投資的增加，有利于R&D經(jīng)費松馳變量的減少，卻帶來R&D人員松馳變量的增加，建議在增加固定資產(chǎn)投資的同時，需要配套好研發(fā)經(jīng)費投入的幅度和結(jié)構(gòu)，并對研發(fā)資金的使用效率進行監(jiān)控，制訂有利于激勵研發(fā)人員投入研發(fā)的福利措施等等，雙管齊下助力工業(yè)企業(yè)創(chuàng)新效率的提升；企業(yè)所得稅增加帶來R&D經(jīng)費松馳變量的增加，卻減少了R&D人員全時當(dāng)量松馳變量，企業(yè)所得稅對于企業(yè)研發(fā)經(jīng)費影響較大，所以在制訂企業(yè)所得稅政策時，需要考慮如何在稅制方面支持企業(yè)自主創(chuàng)新的提升，如加大對企業(yè)自主創(chuàng)新投入的所得稅前抵扣力度，實施更加優(yōu)惠的稅收政策等等。

（3）解決投入不足和冗余的問題，提升全國工業(yè)企業(yè)規(guī)模報酬效率。根據(jù)第三階段效果系數(shù)顯示，從2005到2020年共16年中，全國工業(yè)企業(yè)達到規(guī)模有效的共有6年，3年（2005年、2006年和2019年）是規(guī)模遞增，存在投入不足的問題；7年（2009年、2011年到2016年）是規(guī)模遞減，存在投入冗余問題，需要加強投入要素的治理。工業(yè)企業(yè)需要進一步加大研發(fā)的資金投入，同時發(fā)揮財稅金融政策作用，加大政府研發(fā)資金的支持，激勵企業(yè)創(chuàng)新活動的開展；可以考慮大力發(fā)展融資租賃業(yè)，支持工業(yè)企業(yè)的設(shè)備更新和技術(shù)改造；加強對研發(fā)、新產(chǎn)品形成和銷售全過程的監(jiān)控，在保質(zhì)保量的前提下加強成本管理，提高研發(fā)績效；規(guī)模不當(dāng)已成為制約全國工業(yè)企業(yè)投入產(chǎn)出效率的關(guān)鍵，要進一步深化研究投入產(chǎn)出協(xié)調(diào)發(fā)展的問題，既要注重技術(shù)提升又要兼顧合適的規(guī)模發(fā)展，解決規(guī)模過大或者過小的規(guī)模不經(jīng)濟難題。

（4）加強工業(yè)企業(yè)的內(nèi)部運營和管理水平，促進技術(shù)效率的提升。根據(jù)本文三階段的DEA分析，運用GAMMA變差率進行檢驗，變差率的取值范圍是（0，1］，經(jīng)過回歸得出R&D經(jīng)費和研發(fā)人員全時當(dāng)量的投入變量的GAMMA值為1，說明效率偏差主要由管理無效率項決定,隨機誤差的影響可以忽略不計。工業(yè)企業(yè)需要加強企業(yè)技術(shù)引進、消化、吸收和二次創(chuàng)新的全過程技術(shù)管理，提升技術(shù)創(chuàng)新效率；強化對工業(yè)企業(yè)研發(fā)資源的配置和利用，研究生產(chǎn)要素投入的合理比例，增加產(chǎn)出價值，組合成一定的批量生產(chǎn)能力，促使各項費用節(jié)約，生產(chǎn)成本降低，進一步擴大規(guī)模效益；對于創(chuàng)新效率低的國有工業(yè)企業(yè)，可以考慮逐步引入民營資本，通過改制的方式激活創(chuàng)新的動力，提升創(chuàng)新效率；積極利用信息化和智能化等先進技術(shù)促進技術(shù)創(chuàng)新，并且整合企業(yè)、科研機構(gòu)和高校的技術(shù)研發(fā)力量，提升企業(yè)的技術(shù)研發(fā)和創(chuàng)新能力等等。