基于三阶段DEA模型的我国高新技术产业R&D创新效率计算_dea论文

中国高新技术产业研发创新效率测算——基于三阶段DEA模型，本文主要内容关键词为：中国论文,高新技术产业论文,模型论文,效率论文,阶段论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      0 引言

      知识经济时代高新技术产业是技术创新最为活跃的产业之一，正深刻地改变着世界经济结构。“十二五”期间是加快推进新型工业化进程，全面建设创新型国家的重要时期，着力发展高新技术产业，对于我国优化产业结构、转变经济增长方式、培育国家竞争优势具有战略性的意义。1995～2009年，我国高新技术产业的技术创新投入和产出都实现较快增长，其中，研发经费投入从1995年的189.7亿元增加到2009年的611.5亿元（以2000年的价格为基准进行平减），年均增长8.7%；新产品销售收入从1995年的531.4亿元增加到2009年的10671.1亿元（以2000年的价格为基准进行平减），年均增长23.9%。虽然研发投入和产出总量较大，但是我国高新技术产业的研发强度不高，仅为6.01%，而美国、日本等发达国均超过30%。研发强度一定程度上代表了技术创新投入产出的效率，可见中国高新技术产业的创新效率总体还比较低。因此，准确测算我国高新技术产业的研发创新效率，分析效率的影响因素及不同因素的作用机制，是本文的研究重点。

      研发创新效率实际上就是一种技术效率（Technical Efficiency），测度了研发投入与研发产出之间的转换关系。测算技术效率通常采用前沿面分析方法，包括参数方法和非参数方法，常用的参数方法为随机前沿分析法（Stochastic Frontier Approach，SFA），常用的非参数方法为数据包络分析法（Data Envelopment Analysis，DEA）。目前，高新技术产业研发创新效率的研究主要采用SFA和DEA方法，现有的研究文献不多。朱有为和徐康宁[1]采用SFA方法计算了我国高新技术产业的研发效率，并研究了所有制结构、企业规模及市场结构等因素对研发效率的影响。刘志迎和叶蓁[2]应用DEA-Malmquist指数方法对中国高新技术产业中不同行业的技术效率和总量增长进行了测算。刘志迎等[3]基于生产率与效率理论，应用SFA方法计算了中国高新技术产业的技术效率，并分析了总量增长模式。官建成和陈凯华[4]采用DEA方法中的松弛测度模型和临界效率模型，测算了中国高新技术产业的技术创新效率，并对效率分解的三个部分：技术效率、纯技术效率和规模效率进行了计算。李新春等[5]构造相同的前沿生产函数，对1998～2007年间中国高技术产业的研发创新经费和人员的单要素效率进行了测算，并与非高技术产业进行了对比。李向东等[6]使用中国高新技术产业17个细分行业的面板数据（1995～2006年），分别采用SFA和DEA两种方法对高新技术产业的创新效率进行了测算。方毅和林秀梅[7]采用DEA-Malmquist指数方法，针对创新能力的提升，考虑自主研发和技术引进两个方面的广义研发效率，测算了2001～2004年、2004～2007年两个不同时期的我国高新技术产业不同行业的研发效率变化。

      已有文献从不同侧面对高新技术产业的研发创新效率进行了测度，但是研究方法大多采用简单的SFA方法、二阶段DEA等方法，没有考虑环境因素和随机误差的影响，不能真实反映各个行业的实际决策和管理水平，计算结果存在一定的误差。因此，本文基于我国高新技术产业2001～2009年的面板数据，使用三阶段DEA模型（三阶段DEA模型广泛应用其他行业的研究，如Jun-Yen Lee[8]、黄宪等[9]、郭军华等[10]、陶长琪等[11]），在考虑环境因素和随机误差影响的情况下，对中国高新技术产业的研发创新效率进行测算，并且进一步分析影响研发创新效率的主要因素，提出相应的政策建议。

      1 研究方法和实证模型

      DEA方法是由Charnes、Cooper和Rhodes[12]提出的一种效率测度法，其前提假定为规模报酬不变，简称为CCR模式。Varian[13]在理论方面、Fare[14]等人在应用方面进行了发展和完善。DEA通过线性规划的方法构造生产前沿面，对技术效率进行评价。DEA方法的优点是不需要对企业的生产函数进行刻画，从而避免了由于生产函数设定错误引起的问题，其缺点是模型没有考虑环境和误差因素对效率的影响。Fried等[15]基于DEA模型，给出了消除随机误差和环境因素影响的三阶段DEA模型。三阶段DEA模型的推导过程如下：

      1.1 第一阶段：DEA模型

      第一阶段DEA模型采用Banker、Charnes和Cooper[16]出的BCC修正模型，BCC模型假定规模报酬可变，这样技术效率可以进一步分解为规模效率和纯技术效率。BCC模型可以对非最佳生产规模和技术上的无效率进行分解，得到的纯技术效率比CCR模式下得到的技术效率能更好地反映决策单元的管理水平。对于任一个决策单元

，投入导向的BCC模型为：

      

      BCC模型的不足是没有考虑环境因素和随机误差的影响，不能确定效率损失的原因是由管理不善造成的，还是由环境因素或随机误差造成的。

      1.2 第二阶段：SFA模型

      第二阶段SFA模型通过分析投入变量的松弛值，对管理无效率、环境因素和随机误差等如何影响效率的测度值进行剥离，然后调整投入值，重新测算剔除环境因素和随机误差影响的效率。

      根据Fried等使用的方法，投入变量的松弛值的计算方法如式（2）所示：

      

      接下来，构建投入松弛变量与环境变量的SFA模型：

      

      

      最后，将那些处于相对有利的经营环境或相对好运的DMU值，代入调整投入的式子：

      

      1.3 第三阶段：经过调整的DEA模型

      将第二阶段调整后的投入值

代入BCC模型，替换变量

，再次计算效率值，得出剔除环境因素和随机误差影响的实际效率值。

      2 变量和数据

      2.1 研发创新投入与产出变量

      研发创新产出包括研发活动的直接创新成果和创新成果的商业化。专利是研发活动的直接创新成果，同时，也是国际上通用的技术创新产出的测量指标（Guan和Gao[17]），本文选择发明专利数作为高新技术产业研发活动的创新产出指标。新产品销售收入反映了技术创新成果的商业实现，也体现了市场对创新成果的接受能力（Liu和Buck[18]），所以新产品销售收入作为高新技术产业研发创新的另一个产出指标。

      研发经费和研发人员是技术创新活动的直接投入要素，应作为高新技术产业研发创新的投入指标。新产品开发经费对技术创新产出也具有直接影响，也作为技术创新的投入变量。

      创新产出不仅受当期研发经费流量影响，也受前期的研发经费投入的影响，因此，研发经费指标应采用存量指标，而不是流量指标。研发经费存量的计算方法为：首先采用组合R&D价格指数对研发经费流量进行平减（组合R&D价格指数的计算依据R&D经费中的劳务费、固定资产、原材料的比重（40%、30%、30%），再分别乘以居民消费价格指数CPI、固定资产投资价格指数FAIPI、原材料动力燃料购进价格指数PPI的结果之和求得的），并以2001年不变价进行平减。然后采用Griliches[19]、Coe和Helpman[20]、Goto和Suzuki[21]的方法，计算研发经费存量，公式如下：

      

      式（6）中，研发经费存量的计算需要使用初始年份的研发经费存量

，计算公式如方程（7）所示：

      

      g为年均研发经费增长率，δ代表折旧率，

为研发经费初始年份的流量。在计算得到研发经费初始年份的存量以后，应用永续盘存法计算后续年份的研发经费存量。

      新产品开发经费的计算方法与研发经费相同。

      2.2 环境变量

      环境变量的选取应考虑那些对高新技术产业研发创新效率产生影响的外生变量，包括宏观政策环境、政府的创新支持等外部环境因素，也包括市场结构、企业规模、外资竞争、所有制结构等行业特征因素。

      1）企业规模。企业规模对技术创新效率的影响，学术界还没有一致的结论。Chen等[22]认为适度的企业规模有利于研发创新效率的提高。Pavitt等[23]认为中等规模企业的研发效率要低于规模较小和较大的企业，也就是说，研发效率与企业规模呈现U型关系。考虑到数据的可得性，本文中企业规模用各行业的总产值除以企业数来表征。

      2）市场结构。已有研究文献关于市场结构对研发创新效率的影响结论并不统一。熊彼特[24]提出市场结构对研发创新效率的影响明显，高的市场集中度更有利于提升研发效率，阿罗[25]提出高竞争性的行业会有利于提升研发效率，但是也有研究认为垄断性市场结构有利于提升创新效率。通常用市场集中度来表征市场结构，有4企业集中率、8企业集中率和赫芬达尔—赫希曼指数等方法。由于计算集中率的数据无法获得，本文使用朱有为和徐康宁[1]及冯根福等[26]的做法，用各行业的企业数来近似表示市场结构。冯根福等[26]的研究表明企业数可以反映行业的进入和退出壁垒，也能代表行业的竞争程度，可以用于表示市场结构。

      3）所有制结构。在中国经济转轨的过程中，国有企业与民营、外资企业面临不同的政策和市场竞争环境，导致了不同所有制结构的企业效率存在明显差异。对于所有制结构对研发创新效率影响差异的研究，学者们的观点较为一致，普遍认为民营和外资企业的研发创新效率高于国有企业。本文选择高新技术产业各行业年末固定资产总值中非国有企业所占的比重来表示行业的所有制结构。

      4）政府的支持。政府的财政支持是对高新技术产业的研发创新支持的重要政策，也是比较容易量化的政府支持指标。而政府的支持具有双刃性，是增加了R&D投入总量，还是挤出了R&D投入，具有不确定性，因此，有必要进一步检验政府的支持对高新技术产业研发创新效率的影响。本文中政府的支持采用研发经费内部支出中政府的支出比重的滞后一期值来表示。

      表1给出了本文的变量描述。

      

      2.3 测度样本和数据

      在使用DEA方法对效率进行计算时，如果决策单元的数量越多，能够得到更加符合实际的效率前沿面，效率测算的结果也就越准确。一般来说，决策单元的数量要大于max（3（m+s），m·s），其中m是投入指标的个数，s是产出指标的个数。根据此原则，选择《中国高技术产业统计年鉴》（2001～2009年）中15个细分行业的面板数据，这15个行业包括化学药品制造业、中成药加工业、生物生化制品制造业、飞机制造及修理业、通信设备制造业、广播电视设备制造业、电子器件制造业、电子元件制造业、家用视听设备制造业、其他电子设备制造业、电子计算机整机制造业、电子计算机外部设备制造业、办公设备制造业、医疗设备及器械制造业、仪器仪表制造业。剔除掉了航天航空器制造业、雷达及配套设备制造业等数据不全以及国有企业高度垄断的两个行业。

      研发创新过程是知识的生产过程，同样存在投入产出时滞，从研发投入到专利产出及商业化、新产品产出都需要一定的周期，同时各种研发创新活动周期差异较大，使得投入与产出很难一一对应，现有文献的研究并不统一。Liu和Buck[18]认为不同发明专利的研发投入产出时滞差异较大，因为受到研发过程的复杂程度、试验周期以及劳动强度等因素差异的影响；不同的新产品的研发投入产出同样存在时滞差异，因为有的新产品产出是专利商业化的结果，有的是通过技术改造等非专利性创新因素实现的，由于高技术产业的行业特征存在巨大差异，使得研发创新周期差异明显，通信电子和信息产业的研发创新周期较短，通常为几个月，而医药、航天制造等行业的研发创新周期很长，通常需要几年的时间。借鉴已有研究文献的做法，为了统一口径，本文设定投入和产出的时滞为1年，即研发投入数据选择2000～2008年，创新产出数据选择2001～2009年。

      研发人员变量采用研发人员全时当量（人/年）表示。对研发经费和新产品开发经费变量，用组合R&D指数进行平减（2001年不变价），然后再计算存量。新产品销售收入根据不同类别的行业进行分别处理，一类是医药制造业的3个行业，使用化学工业产品出厂价格指数进行平减（2001年不变价）；另一类是其余的12个行业（机械制造业），使用机械工业产品出厂价格指数进行平减（2001年不变价）。四个环境变量指标也是对各个原始数据进行相应的平减之后再进行计算整理得到。

      

      3 实证研究结果

      3.1 第一阶段DEA模型实证结果

      首先利用DEAP 2.1软件对15个高新技术行业研发创新效率进行初步测算，得到技术效率、纯技术效率和规模效率的测算结果，如表2、表3、表4中每一个行业对应的“调整前”所在行所示。在不考虑环境因素和随机误差影响的情况下，2001～2009年间，中国高新技术产业的研发创新效率呈现整体上升趋势，但是大部分行业处于技术无效率状态，技术效率的平均值为0.358～0.879，纯技术效率的平均值为0.596～0.910，规模效率的平均值为0.701～0.965。大部分行业的研发创新效率值都处于效率前沿面之下，其纯技术效率和规模效率也都存在较大的提升空间。由于初步测算结果包含了环境和随机误差因素，不能准确地反映高新技术产业的研发创新效率的实际水平，因此还需作进一步地调整并进行重新测算。

      

      

      3.2 第二阶段SFA模型实证结果

      将第一阶段DEA模型求得的创新投入变量的松弛值作为被解释变量，以市场结构、政府支持、企业规模、所有制结构为解释变量，建立SFA模型，使用Frontier 4.1软件进行计算，检验结果见表5。实证估计结果的

、γ值都通过了显著性检验，表明环境因素对高新技术产业研发创新效率的影响要比随机误差更为重要。从各个参数的估计值来看，大部分显著，说明环境因素对高新技术产业技术创新的投入拥塞具有显著影响。从表5的结果来看：

      

      政府的支持对技术创新投入的松弛变量的影响为正，且显著，说明政府的支持并没有有效增进创新资源的配置。原因在于政府对高新技术产业的技术创新支持更多的是资金支持，获得资金支持的企业往往对研发经费的管理较为粗放，造成研发资源浪费严重，同时政府的其他创新政策可操作性不强，对研发创新效率的促进作用不明显。

      所有制结构对技术创新投入的松弛变量影响为负，但是只有以研发人员松弛变量为因变量的方程中的系数显著，表明高新技术产业中非国有化比重的提高，会减少研发资源的浪费。提高高新技术产业的市场化程度，加快所有制结构改革，会有效改善高新技术企业治理结构，形成合理的激励机制，促进技术创新资源的有效利用。

      市场结构对创新投入松弛变量的影响为正，且显著。高市场集中度更有助于减少研发资源的冗余，有利于提高创新效率。说明适当垄断的市场结构能够激励企业的研发投入，促进创新效率的改善。高的市场集中度使得研发资源较为集中，符合高新技术产业创新投入大的特点，适合解决重大技术攻关问题；另外，高的市场集中度使得技术创新扩散减慢，有利于专利保护。

      企业规模对三种创新投入松弛变量影响为负，但是只有以研发经费松弛变量为因变量的方程中的系数显著。说明高新技术产业的企业平均规模越大，研发创新越具有规模经济性，越有利于提升研发创新效率。高新技术产业的研发投资规模、风险以及融资约束的存在可能是促使得出这一结论的重要原因。高新技术产业的技术创新需要较大的企业规模，由于中小企业的技术创新往往受到资金约束，很难进行大规模的研发投入，技术创新效率的提高较难。Rothwell和Dodgson对英国产业在1945～1983年间的4378项技术创新进行研究表明，雇员规模大于1000人的企业的技术创新数量占全部的66%，其中雇员大于1万人的企业的技术创新数量占全部的43.1%，雇员为500人以下的企业的技术创新数量仅占26.4%。

      实证检验表明环境因素和随机误差对创新效率的影响并不一致。需要对创新投入变量进行调整，以消除环境因素和随机误差的影响，使各个行业处于相同的环境之中，进行效率的重新测算，提高效率测算结果的准确性。

      3.3 第三阶段调整DEA模型实证结果

      在调整高新技术产业各行业的研发创新投入后，重新进行效率测算，得到剔除了环境因素和随机误差影响的研发创新效率，结果如表2～表4所示。

      从表中可以看出，调整前后的研发创新效率值发生了一定的变化。从2001～2009年的整体来看，研发创新的技术效率的平均值为0.368～0.874，纯技术效率的平均值为0.638～0.918，规模效率的平均值为0.650～0.954。与对研发投入冗余调整之前相比，大多数年份的技术效率平均值提高幅度较小，纯技术效率平均值提高显著，规模效率平均值显著降低，规模状态也调整为以规模报酬递增为主。说明规模效率是影响技术效率提升的主要原因，而不是第一阶段结果显示的那样，纯技术效率是影响技术效率的主要原因。对比各个行业的结果可以发现，剔除环境因素和随机误差以后，技术效率上升的行业共有13个，说明这些行业所处的比较不利的环境确实影响了技术效率，而不是由于它们的管理水平低造成的。只有广播电视设备制造和办公设备制造2个行业的技术效率出现了下降，表明这两个行业所处的有利环境和好运气导致了其较高的技术效率，而实际上并不是他们的管理水平十分高。说明我国高新技术产业中的环境因素差异对创新效率产生了不利影响，造成了效率低下，控制了环境因素的影响，可以得到更加准确的效率测度结果。

      为了进一步说明第三阶段DEA模型所测算出的高新技术产业研发创新效率值更加真实，将第一阶段、第三阶段测算得到的研发创新效率值与各行业的专利产出进行Spearman等级相关性检验，表6给出了检验结果。在对研发创新投入进行调整后，第三阶段DEA模型所得到的各行业研发创新的技术效率、纯技术效率及规模效率与其专利产出的Spearman等级相关系数明显提高，表明在经过投入调整的第三阶段DEA模型的效率测算值比第一阶段更能反映各行业的真实管理水平，第二阶段对环境因素和随机误差的调整是十分必要的。因此，采用三阶段DEA模型来测算我国高新技术产业的研发创新效率要明显优于传统的DEA方法，测算的结果更为合理和精确。

      

      4 研究结论与政策建议

      4.1 研究结论

      1）调整了环境因素和随机误差以后，高新技术产业的创新效率测算结果出现了显著变化。在根据环境因素对投入调整之前，纯技术效率值被低估，规模效率值被高估，表明了环境因素对高新技术产业不同行业的研发创新效率影响差异较大。将第一阶段、第三阶段测算得到的研发创新效率值与各行业的专利产出进行Spearman等级相关性检验发现，经过投入调整的第三阶段DEA模型的效率测算值比第一阶段更能反映各行业的真实管理水平。

      2）四种环境因素对高新技术产业创新效率的影响显著。政府的支持对研发资源的配置不利，影响了研发创新效率的提高；企业非国有化比重的提高，会有效利用创新资源，提升创新效率；市场集中度较高，企业规模较大，利于研发资源的利用，促进研发创新的规模经济性，提升研发创新效率。

      3）在进行环境和随机误差调整后，高新技术产业研发创新的平均技术效率和纯技术效率都有所提高，平均规模效率有所下降，各行业的规模状态呈现规模报酬递增为主。以2008年为例，平均技术效率由0.718提高至0.723，平均纯技术效率由0.799提高至0.808，而平均规模效率则由0.903下降至0.901。

      4.2 政策建议

      1）我国高新技术产业研发创新效率的特征行业差异显著，各个行业应根据具体情况采取相应的措施。由于内部管理水平不高造成纯技术效率较低的行业，需要引入先进的管理理念，加强管理制度设计和机制创新，改进管理水平；对于规模效率较低的行业，需要壮大行业规模，提升整个行业的规模效率。

      2）进行高新技术产业的所有制改革，建立多元化的产权结构。国有企业在投资巨大、风险极高、关系国家安全的重大高新技术研发领域具有主导地位，不可或缺，但是研发创新效率往往较低。而外资企业和民营企业是高新技术产业研发创新的主导力量，其研发创新效率较高，但其总体规模较小，创新能力较低。改革企业的治理结构、建立有效的激励机制以及多元的产权结构，促进研发创新效率的提升。

      3）壮大大型高新技术企业规模，形成研发的规模效应，发挥其对研发创新的主导作用。扶持中小高新技术企业发展，解决政策、资金、风险等制约研发创新的关键障碍，建立公平的市场竞争环境，形成具有层次性的产业结构。

      4）政府应该改进对高新技术产业研发创新支持的手段，加强资金监管，提高创新经费使用效率，充分发挥政府资金支持的导向作用。另外，政府应该完善其他高新技术产业创新政策，形成财政税收支持与反垄断法、专利权法等政策的有机结合，有效保护企业的创新成果，提高创新积极性，进而提升研发创新效率。

标签：dea论文;  创新管理论文;  研发管理论文;  误差分析论文;  企业创新论文;  技术管理论文;  企业规模论文;  效率论文;  变量论文;