基于两阶段网络 DEA模型的国家创新效率研究 ——基于南亚、东南亚国家
刘永松1，王婉楠1，王墨林2
(1.云南财经大学 传媒学院,昆明 650221;2.华东理工大学 商学院,上海 200237)
摘 要： 基于“一带一路”倡议及云南省面向南亚、东南亚辐射中心建设的推进，对南亚、东南亚国家科技创新状况进行了分析评价，提出中国企业到南亚、东南亚国家投资的决策建议。在此基础上，着手于南亚、东南亚国家的科技创新发展状况，选取在经济发展和科技创新方面具有一定代表性的8个国家作为研究对象，收集历年的统计年鉴及其他数据库的数据，运用二阶段网络DEA方法对南亚、东南亚国家科技创新效率进行评价，最后提出南亚、东南亚国家提高科技创新效率的对策。
关键词： 南亚；东南亚；创新效率；两阶段网络DEA
一、引言
随着我国“一带一路”倡议的深入实施，云南省提出了面向南亚、东南亚辐射中心建设，其中面向南亚、东南亚科技创新中心建设是辐射中心建设的重要项目。近年来，我国企业在南亚、东南亚国家投资比例大幅递增，然而众多准备到南亚、东南亚国家投资的企业，对东道国的政策、法律、科技创新都不太了解，投资决策具有一定的盲目性，从而导致投资失败的案例较多。为了更好了解和掌握南亚、东南亚国家的经济发展以及科技创新状况，以便做出更理性的投资决策，有必要分析南亚、东南亚国家的投资环境、产业结构、政策法规，对其进行深入的市场调研和投资热度分析，对南亚、东南亚国家的科技创新状况进行分析评价，以便对我国企业到南亚、东南亚国家投资提供较强的理论借鉴和实践指导。
随着全球新技术革命的快速发展，南亚、东南亚国家面临着传统产业的转型升级，仅仅依靠传统的资源禀赋优势难以在激烈的国际市场竞争中脱颖而出，传统产业发展模式将面临着巨大的挑战和变革，因此，以高科技为核心的知识经济将成为南亚、东南亚国家市场竞争制胜的关键，技术进步成为产业发展的原始动力，技术创新能力成为各个国家综合实力评价的重要因素。依靠技术创新不断增强国际竞争力，已经成为南亚、东南亚国家未来发展的必由之路。根据近年来科技统计年鉴数据，美国、德国、日本为主的20多个发达国家的技术创新对GDP贡献率均超过了年均70%，而南亚、东南亚国家技术创新对GDP的贡献率却远低于40%，南亚、东南亚国家在技术创新方面与发达国家存在巨大差距，这一差距还有愈演愈烈的态势。针对南亚、东南亚国家科技创新的状况，张绍丽等(2016)[1]提出，要改进南亚、东南亚国家科技创新落后的现状，关键是分析当前科技创新落后的瓶颈环节，不断引进先进技术，同时提高本国企业的自主创新能力，营造良好的科技创新氛围，提升本国企业创新能力。因此，针对南亚、东南亚国家科技创新和产业发展的相关问题，有必要对南亚、东南亚国家科技创新效率进行深入研究，以掌握和了解南亚、东南亚国家科技创新效率的现状，指出其科技创新存在的问题及不足，提出南亚、东南亚国家改进科技创新能力的建议。
基于此，本文拟运用两阶段网络DEA方法对南亚、东南亚国家科技创新效率进行分析，在对南亚、东南亚国家创新过程分解的基础上，构建南亚、东南亚国家创新效率的评价指标体系，提出“科研投入—科研产出”“科研产出转化为实际经济收益”的二阶段模型，并以印度、巴基斯坦、斯里兰卡等8个具有代表性的国家为例，收集其创新投入及产出的指标数据，运用二阶段网络DEA模型，对南亚、东南亚国家科技创新效率进行评价，探讨南亚、东南亚国家科技创新方面的不足，从而提出建议。
二、文献综述
当前南亚、东南亚国家科技创新效率的研究主要集中于评价指标体系构建、评价方法选取以及两阶段网络DEA方法的应用方面。
(一)关于创新效率评价指标体系构建的研究
无论是单阶段模型还是多阶段模型，目前在构建创新效率评价体系指标方面还存在较大分歧，因此仍处于探索阶段。官建成等(2003)[2]运用DEA方法建立了投入和产出指标，用机构科技经费筹集金额、机构从事科技活动的科学家和工程师的数量作为创新投入的指标，用发明专利申请量作为测量创新系统创新产出的指标，对中国区域创新绩效进行了评价。徐小钦等(2009)[3]将科研人员投入、研发投入资金、成果转化资金作为测量创新效率的投入指标，将成果转化收入、专利授权数量、发表的学术论文篇数作为产出指标，对重庆市科技创新效率进行评价分析。Buesa M et al.(2010)[4]把研发人员、研发经费作为创新投入指标，把申请的专利数量当成影响创新产出的主要因素。Fritsch M et al.(2010)[5]使用科研人力投入、科研经费投入等作为创新投入指标，把新产品的销售收入、申请专利数、论文发表数等作为创新产出指标。赵树宽等(2013)[6]在分析评价吉林省151家高技术企业的创新活动时，从效率、有效性、规模收益等方面，构建了高技术企业创新效率评价指标体系与模型。段云龙等(2017)[7]运用两阶段DEA模型，分析并构建了产业技术创新战略绩效评价指标体系，一阶段的投入指标为科研经费、科研人员，中间指标为申请专利数量、发表论文，二阶段的产出指标为技术成果数量、创新平台建设数量、培养创新人才数量。
(二)关于创新效率评价方法选择的研究
目前在此方面运用较为广泛的是数据包络分析(DEA)，Fuentes et al.(2001)[8]使用DEA-Malmquist模型，对一段时间内园区的科技创新效率进行了评价。Carayannis E G et al.(2016)[9]运用多目标DEA模型，分析了23个欧洲国家、185个地区的创新效率，并分析了外部环境因素如何影响创新绩效。孙红兵等(2011)[10]使用DEA方法，对30个省份的城市创新系统的创新效率进行了分析评价。迟国泰等(2010)[11]、侯强等(2015)[12]、刘钒等(2017)[13]运用超效率DEA方法，分析评价了我国部分省份科技创新效率。于晓宇等(2011)[14]运用两阶段DEA-Tobit模型，分析评价了区域创新系统的资源配置效率，提出了影响创新资源配置效率的外部环境因素
et al.(2016)[15]利用DEA模型，比较了欧盟中部、东部的40个区域创新系统效率。
(三)两阶段网络DEA法在创新效率评价应用的研究
对科技创新效率进行评估是比较复杂的，而DEA模型仅用于分析评价技术研发阶段的效率，对成果转化阶段的效率进行分析评价的文献较少。而两阶段DEA模型提供了打开生产系统“黑箱”的可行办法，从而可以对生产系统中非常复杂的问题进行有效测度。Tsai P F et al.(2002)[16]运用二阶段DEA方法，构建了并行生产系统的可变规模报酬模型，从而对英国卫生服务多阶段效率进行测度。Kao C et al.(2008)[17]采用串联型两阶段DEA模型，分析评价了公司决策的整个过程、每个子过程的效率。冯志军等(2014)[18]运用两阶段DEA方法，将研发过程分为技术开发、经济转化两个子阶段，构建了资源约束型模型，评价了中国高技术产业17个细分行业研发创新的整体及各子阶段的效率。Wang Y M et al.(2010)[19]提出了多种方法衡量子效率与总体效率之间的关系。例如，利用二阶段加权、加权调和平均数、子过程效率乘积等方法可以把两阶段DEA模型扩展到可变规模报酬(VRS)。此外，黄祎等(2009)[20]构建了基于VRS的关联网络DEA模型，并对我国部分商业银行的系统、子过程的纯技术效率(PTE)、综合技术效率(TE)、规模效率(SE)进行了分析评价。
综合而言，目前对创新效率指标体系构建、创新效率评价方法以及二阶段网络DEA方法应用等方面的研究取得了一定成果，为本文研究奠定了一定的理论基础并提供了思路，但是二阶段网络DEA模型应用的文献还不多，当前主要应用于企业创新效率评价的研究，应用于国家科技创新效率评价的文献近乎空白。另外，国家科技创新效率评价指标体系的研究较少，指标选取的科学性还有待加强。基于此，本文分析南亚、东南亚国家总体的发展状况，收集相关数据，选取8个非常有代表性的国家作为样本，运用二阶段网络DEA模型，分析评价南亚、东南亚国家的科技创新效率。
三、基于两阶段网络DEA模型构建
(一)方法的选取
传统的DEA模型往往不会考虑生产系统中生产过程的多样性，难以达到较高的生产效率。本文选取两阶段网络DEA模型分析南亚、东南亚国家科技创新效率，其理由如下：第一，二阶段网络DEA模型可以打开生产系统的“黑箱”，以便对生产系统中复杂的生产网络进行有效测量。在对南亚、东南亚国家科技创新的各个生产子过程效率评价中，只有充分了解其生产系统中各个过程的生产效率，才能实现对其进行全面评价的目的；第二，运用二阶段网络DEA模型，可以更详细地分解每个子过程的效率，综合技术效率(TE)被有效地分解为规模效率(SE)和纯技术效率(PTE)，从而从纯技术、综合技术、规模3方面对子过程的效率进行分析评价。二阶段网络DEA模型的思路如图1所示：
(二)模型构建
根据图1所示的概念模型，设在生产系统中有N个决策单元，记为DMU，在子过程1中，有L项投入指标、M项中间产出指标，在第一阶段，投入指标将以一定比例参与子过程2的生产。因此在子过程2中，投入指标有L+M项、产出指标有O项。其中，x1n是子过程1中第n个决策单元DMUn的第1个投入数量(x1n>0,1=1,2,...,L,n=1,2,...,N)，a1是 x1n所对应的权重(1=1,2,...,L)，zmn是中间输出量，即子过程1中第n个决策单元DMUn的第m个输出数量(zmn>0,m=1,2,...,M,n=1,2,...,N)，bm则是zmn所对应的权重(m=1,2,...,M)。yon是子过程2中第n个决策单元DMUn的第O个输出数量(yon>0,o=1,2,...,O,n=1,2,...,N)，co则是yon所对应的权重(O=1,2,...,O)，β1为在子过程1中投入数量的权重， 1-β1是在子过程2中投入数量的权重(β1>0,1=1,2,...,L)。记为：
3.2.2 邻里特征：本文主要考虑学校、公园、医院三个影响因子。运用GIS中的近邻分析工具测算各小区到离它最近的学校、公园、医院的距离。
Xn=(x1n...x1n...xLn)T，a=(a1...a1...aL)T
在2 D培养水平，紫云英苷处理后细胞凋亡水平明显增高，且可减少抗凋亡蛋白Bcl2的表达，并增加促凋亡蛋白Bax及cleaved-caspase-3的水平(P<0.05)，且呈一定的剂量依赖效应关系(图3A-B)。与此相似，在3 D培养水平，紫云英苷可明显减少抗凋亡蛋白Bcl2的表达，并增加促凋亡蛋白Bax及cleaved-caspase-3的水平(P<0.05)，且呈一定的剂量依赖效应关系(图3C)。
Zn=(z1n...xmn...xMn)T，b=(b1...bm...bM)T
Yn=(y1n...yon...yOn)T，c=(c1...c0...cO)T
非洲猪瘟病毒主要通过感染猪与易感猪之间的接触传播，除这种直接的传播方式外，食用感染猪的肉、蜱虫的叮咬、接触携带病毒的饲料或设备等都会导致这一病毒传播范围的不断扩大。通常这一病毒在感染猪的血液、粪便、尿液、唾液中都能被发现，因此，只要与这些物质接触，那么其他猪感染这一病毒的概率也会大幅上升[2]。
β=(β1...β1...βL)T，e=(1...1...1)T
其中，Xn、Zn、Yn分别为第n个决策单元DMUn的投入向量、中间输出向量和最终产出向量，a、b、c分别对应Xn、Zn、Yn的权重向量。β表示子过程1中投入指标输入量对应的比例权重向量，e表示有L个1的单位向量，e-β表示子过程1中投入指标在子过程2中输入量对应的比例权重向量。两阶段网络DEA模型把决策单元DMUn的输入过程分为两阶段：β·Xn表示第一阶段投入指标的输入量，(e-β)·Xn表示第二阶段投入指标的部分输入量加入到第二阶段的生产过程中。第一阶段投入产出指标的权重向量为a∈EL，b∈EM，第一阶段决策单元DMUn的效率评价表达式为
约束条件为
第二阶段投入产出指标的权重向量为a∈EL，b∈EM，c∈EO，第二阶段决策单元DMUn的效率评价表达式为
约束条件为
下面得到两个分式为：
(1)
(2)
以上两式的线性规划方程式分别为：
(3)
(4)
如一起考虑第一阶段、第二阶段的效率，可以把(3)式(4)式整合起来，构建如下的多目标分式：
按规范要求，各复合土层的压缩模量等于该层天然地基压缩模量的ζ倍为了保证复合土层压缩模量的准确性，就要求计算的要相对准确，在估算f spk时R a的准确性就显得尤为重要，否则会影响地基变形的计算，与上述承载力计算的分析是一致的。
(5)
在两阶段生产过程中，由于投入指标具有不同的输入量比例，权重β∈(0，1)的取值范围要根据实际生产情况来定， β表示生产阶段1在整个生产过程中的占比程度，1-β表示生产阶段2较之于整个生产过程的占比程度。基于此，构建如下的二阶段网络DEA模型：
(6)
四、实证分析
(一)数据收集
通过上述对南亚、东南亚国家科技成果产出和转化过程的效率评价，还需把两个阶段的情况整合起来，对南亚、东南亚国家整体科技创新效率状况进行综合评价，计算出南亚、东南亚部分国家整体科技创新效率得分，如表6。
(二)指标选取
第三，根据各个国家间的区别，对南亚、东南亚部分国家科技创新效率得分进行评价，可以得出新加坡、印度的综合技术效率得分均为1，意味着规模报酬占总决策单元总数的比例为25.0%，其处于不变状态且位于生产前沿面，反之其他6个国家的纯技术效率、规模效率都有着非常大的提升空间。在选取的8个样本国家中，马来西亚、印度尼西亚、泰国、菲律宾、斯里兰卡、巴基斯坦的综合技术效率得分都不超过0.5，意味着上述6个国家在一半以上创新投入都是无效的。印度尼西亚的规模效率得分虽然接近1，但其纯技术效率得分偏低，导致其综合效率得分没有达到理想状态。巴基斯坦、菲律宾、斯里兰卡的综合技术效率得分不到0.1，斯里兰卡的综合效率得分仅为0.017，是所有国家中最低的。基于以上8国的差异性，可以提出东南亚国家在科研成果转化方面优于南亚国家，巴基斯坦、斯里兰卡的纯技术效率值为1，无法有效控制作为投入指标的科研成果输入量是其综合效率得分偏低的主要原因。在选取的8个样本国家中，因为资源投入不足而导致规模报酬递增的国家有3个：斯里兰卡、巴基斯坦、印度尼西亚，因为投入资源过度而导致规模递减的国家有3个：菲律宾、泰国、马来西亚。
表 1指标的分类及旋转成份矩阵
第一，从8个国家的整体平均得分可知，纯技术效率、综合技术效率、规模效率整体平均得分分别为0.789、0.715、0.873，意味着如果各个国家科研投入和产出比保持稳定，要达到有效的管理水平，投资比例至少降低21.1%。如果每个国家都能达到最优的生产规模，投入比例至少降低13.7%。然而由于纯技术效率得分和规模效率得分都没能达到有效水平，纯技术效率得分也明显低于规模效率得分，因此导致综合效率得分无法位于生产前沿。另外，科研人员管理、科研经费管理和自身科研能力提升是南亚、东南亚国家目前亟需解决的重大问题。
表 2各指标的描述性统计结果
表 3评价指标输入和输出指标的 Person相关性矩阵
注：**在0.01水平(双侧)上显著相关，*在0.05水平(双侧)上显著相关
(三)第一阶段的科技创新效率分析
一阶段的投入指标只有部分输入量，即β·Xn作为第一阶段的投入量，增加到生产过程中，β值基于一阶段创新成果产出过程在整个生产过程的重要程度赋值，在此把β值确定为0.5。基于此，得到如表4所示的第一阶段南亚、东南亚部分国家科技创新效率值。
应用拮抗微生物对采后病害的生物防治是一个广阔的领域。目前，还很难选出一个广谱的且能够对于多种果蔬起到有效防治的单一拮抗菌株，因为单一拮抗菌受环境因素影响较大。因此，研究者们尝试将其他病害防治手段与拮抗菌复合使用，通过改变病原菌和拮抗菌生长的微环境来增强拮抗菌的防治效果。
表 4科技创新效率值
基于表4的评价结果，可以得出如下结论：
运用SPSS22.0软件，得出样本的描述性统计、输入和输出指标的相关性矩阵,如表2和表3所示。由表3可知，本文遴选的输入、输出指标之间具有显著的相关性，满足使用两阶段网络DEA分析的前提条件。
第一，根据8个样本国家的平均得分来看，8个国家的整体综合技术效率、纯技术效率、规模效率的平均得分分别为0.547、0.739、0.735，这意味着如果实现了有效管理，南亚、东南亚国家如果各类资源投入产出比例不变的情况下，资源投入比例可以节省26.1%。如果南亚、东南亚国家为了实现最优生产规模，至少可以节省投入资源比例26.5%。对8个国家和不同国家的平均得分进行比较得出，“科技成果转化阶段”是8个国家和南亚、东南亚国家综合技术效率得分偏低的重要原因，相比较而言，东南亚国家面临的问题比南亚国家更多，南亚国家在“科技成果产出”阶段远远高于东南亚国家，南亚国家在综合技术效率得分方面也略高于东南亚国家，在科研资源有效利用方面，虽然南亚国家部分指标略逊于东南亚国家，但科研技术管理等方面要远强于东南亚国家。
1295 Pelvic inflammatory disease caused by Bacteroides fragilis: a case report
第三，从东南亚、南亚部分国家的科技创新效率得分可知，斯里兰卡、巴基斯坦、印度的综合技术效率得分值都为1，处在生产前沿面，同时规模报酬占决策单元DMU总数达到37.5%，处于稳定状态，因而大部分南亚、东南亚国家有较大的空间改进纯技术效率、规模效率。在8个样本国家中，印度尼西亚、泰国、菲律宾的综合技术效率得分均小于0.5，菲律宾的综合效率值仅有0.230，说明印度尼西亚、泰国、菲律宾有一半以上的科技创新产出方面的投入都是无效的。在这些国家中，马来西亚、新加坡的综合技术效率得分在东南亚国家中较高，其规模效率得分值都近似1，造成这两个国家没有位于生产前沿面的主要原因在于纯技术效率得分较低。在8个样本国家中，因为资源投入较少而造成规模报酬递增的国家有2个：新加坡、马来西亚，由于过度投入而造成规模递减的国家有3个：印度尼西亚、泰国、菲律宾。
图3所示为Ⅰ、Ⅱ、Ⅲ区ET0年均值序列，由图可知，突变点前后序列中，ET0序列均表现为Ⅰ区均值<Ⅱ区均值<Ⅲ区均值，即海拔1500~3000 m以上区域ET0最高，而1500 m以下区域ET0最低。在分区趋势检验中，1970—1998年Ⅰ、Ⅱ、Ⅲ区均呈显著减小趋势，减小幅度分别为-1.952、-2.020、-1.917 mm·a-1；而突变点之后，3个区均呈增加趋势，幅度分别为1.188、4.2451、5.65 mm·a-1，其中除Ⅰ区外，Ⅱ、Ⅲ区的增长趋势均通过显著性检验。
(四)第二阶段的科技创新效率分析
第二阶段中的投入和产出指标分类如下：其中，投入指标可以分成两大部分，第一阶段的科技成果产出和投入指标部分输入量(1-β)·Xn，产出指标用知识产权转让费、高科技出口收益两个指标表示，即转化的实际经济收益。在此基础上得到如表5所示的南亚、东南亚部分国家第二阶段的科技创新效率得分。
进入老龄化社会以来，福利国家的经验促使中国政府也认识到国家必须为日益增多的老年人提供适当的生活保障,承担起必要的照顾和帮助老年人的责任。2000年开始采取一系列措施解决老年人的养老问题，其中最重要的就是调动和引导社会力量提供老年服务。而这个阶段与改革开放初期福利化改革的根本区别在于强化国家责任和推进社会化进程的并行及有效平衡。养老服务业管理体制的核心是理顺和规范政府和社会的关系，既要充分发挥政府的主导作用，又要充分发挥社会力量的主体作用；政府部门职责权限边界明确，社会力量权利义务具体清晰。
表 5科技创新效率得分值
由表5分析得出如下结论：
由表6的数值可以得出如下结论：
第二，根据南亚、东南亚部分国家科技创新效率的平均得分来看，部分东南亚国家的纯技术效率、综合技术效率、规模效率整体平均得分分别为0.502、0.400、0.747，意味着各个国家在创新投入产出比例保持不变的情况下，至少降低投资比例40.8%，才能达到有效的管理水平。至少降低投入比例25.3%，各个国家能够达到最优的生产规模。南亚部分国家这三个方面的平均得分分别为1.000、0.346、0.346，这意味着各国的管理水平已经达到了有效的程度。然而，如果投入比例可以降低65.4%，各个国家可以实现最优的生产规模。从综合技术效率来看，东南亚国家在科技创新成果转化方面比南亚国家更为有效，然而南亚、东南亚国家的技术效率得分均没有位于生产前沿面上，得分也偏低，这意味着南亚、东南亚国家不仅要加强科研成果转化方面的管理，还要合理有效利用科研成果的投入。
(3)创新一些学生喜闻乐见的工作方法或活动，将微信公众号等引入工作。发掘有特长老同志，将有摄影特长的老党务工作者邀请前来做宣讲，引导学生关注其微信公众号，计划邀请老职工做好爱美爱笑(校)的报告，感染带动一片，弘扬校园美、祖国美，让学生具有一双发现美的眼睛，配合书香校园。
考虑到数据的可获得性和指标的特殊性，本文选取研发人员数量(X1)、研发经费投入(X2)作为第一阶段的科研投入指标，选取申请专利数(Z1)、发表论文数(Z2)作为第一阶段的产出指标。高科技出口收益(Y1)、知识产权转让费(Y2)作为第二阶段的产出指标。收集完数据后，运用SPSS22.0软件进行主成份分析，抽取3个因子，得到如表1所示的旋转成份矩阵。为了符合对指标的分类要求，将6个指标分为3类。
(五)南亚、东南亚国家整体科技创新效率分析
根据区域划分，南亚、东南亚共有19个国家，由于各国经济发展差异较大，各国政府对科技创新的发展给予了不同程度的重视，导致南亚、东南亚国家科技创新现状差异较大。在充分考虑到数据的可获得性的基础上，选取了东南亚国家中科技创新实力较强的5个国家：新加坡、马来西亚、泰国、菲律宾、印度尼西亚，记为DMU1、DMU2、DMU3、DMU4、DMU5；南亚国家中选取了科技创新实力较强的三个国家：斯里兰卡、巴基斯坦、印度，记为DMU6、DMU7、DMU8。数据主要来源于《2016年世界经济形势与展望》《2016年国际统计年鉴》《东南亚蓝皮书——东南亚地区发展报告》等各类统计年鉴，同时收集世界银行和联合国的相关数据库并进行整理得出。
表 6整体的科技创新效率得分
第一，根据南亚、东南亚部分国家科技创新效率整体平均得分可以看出，纯技术效率、综合技术效率、规模效率整体平均得分分别为0.689、0.379、0.596，这意味着在各国科研成果资源投入产出比例保持不变的情况下，投资比例可以降低至少31.1%，以达到有效的管理水平。为了达到最优生产规模，每个国家至少将投入比例降低至40.4%。过低的综合技术效率水平意味着南亚、东南亚大部分国家在“成果转化阶段”的效率很低，规模效率得分和纯技术效率得分都没有达到期望的水平。因而，目前南亚、东南亚部分国家需要改进科研成果的有效利用率，合理利用人力、物力和财力资源。
第二，由东南亚国家平均得分可知，部分东南亚国家的纯技术效率、综合技术效率、规模效率的平均分分别为0.663、0.543、0.797，表明各个国家在科技创新投入产出比固定的情况下，如果要保持有效的管理水平，至少降低投资比例33.7%。如果东南亚国家都达到最优的生产规模，至少可以降低投入比例20.3%。由南亚部分国家平均得分可知，这三个方面的平均得分均为1，可以看出，在科技创新成果产出成效方面，南亚国家要优于东南亚国家，而东南亚国家综合技术效率得分低，因为其纯技术效率得分和规模效率得分较低。对于东南亚国家而言，既需要解决科研管理方面的问题，还要加大科研投入的力度。
第二，从单个国家的情况来看，新加坡、印度的综合效率得分高于其他6个国家。在南亚、东南亚国家中，新加坡、印度具有较强的科技创新能力。特别是印度在第一、第二和整体阶段的综合效率得分均处于生产前沿面，意味着其在南亚、东南亚各个国家中具备强劲的创新能力。新加坡的综合效率得分略低，导致其创新实力略逊于印度。此外，斯里兰卡、巴基斯坦、马来西亚的整体综合技术效率得分大于0.5，马来西亚的综合技术效率虽然得分偏高，但其在第一阶段、第二阶段存在较多问题。斯里兰卡、巴基斯坦在“科技成果转化阶段”有较大问题，在生产规模控制方面也存在较大问题。菲律宾、印度尼西亚、泰国的综合技术效率得分都低于0.5，说明这3个国家在整个生产过程中有半数以上的投入都是没有效率的，其第一阶段、第二阶段存在的问题较大。菲律宾、印度尼西亚、泰国不仅要解决生产规模的管理问题，还要关注生产技术的管理问题。
“国地税合并后，最大的好处是消除了体制障碍，实现数据和信息共享，下一步，还需要做好配套和衔接工作。”刘克崮认为，此次新增的6项专项附加扣除，和已有的政策还有重合之处，例如养老制度、医疗制度、失业制度、最低生活保障制度、贫困救济扶助制度、助学贷款制度和九年义务教育制度等，未来的配套政策还需要做好衔接工作。“个税改革还将扩大综合征收的范围，建立失信者联合惩戒制度等”。
由于现有大多数通用分析软件均可模拟双单元法与梁单元，双单元法(Double Element Method,DEM)梁单元模型具有概念简单、计算快速、分析软件丰富等优点。
五、结语
(一)研究结论
第一，运用两阶段网络DEA方法，把科技创新过程分为“科技成果产出阶段”“科技成果转化阶段”两阶段，对南亚、东南亚国家科技创新效率进行了分析评价，评价结果不仅对于南亚、东南亚国家改进科技创新效率具有重要的理论指导价值，对于我国企业，尤其是对云南企业到南亚、东南亚国家投资和发展提供了较好的理论依据和政策参考。同时，该研究对于推进云南省面向南亚、东南亚辐射中心，尤其是科技创新中心建设，对于云南省主动融入和服务“一带一路”倡议具有重要的实践指导意义。此外，本文的研究具有一定的理论价值，对于分析和探索南亚、东南亚国家科技创新理论，探索两阶段网络DEA模型的应用，进一步补充和完善创新管理理论具有一定的理论价值。
第二，由评价结果可知，南亚、东南亚国家总体的科技创新效率不太理想，与发达国家甚至部分发展中国家都存在一定的差距，这说明南亚、东南亚国家在“科技成果产出”和“科技成果转化”两个阶段都做得不够理想，“科技成果转化”阶段的问题较大，“科技成果产出”阶段的表现也不太理想，意味着南亚、东南亚国家在研发资金、研发人员等方面的投入力度不够，从而导致科技成果较少，主要表现在专利申请量、科技论文发表量及新产品研发等方面还需改进和完善。
第三，从单个国家的评价来看，新加坡、印度的综合技术效率水平要远远高于其他国家，究其原因，这两个国家不仅在创新投入方面远高于其他国家，同时在科技成果转化方面的效率也要好于其他国家，这就解释了为什么众多南亚、东南亚国家科技创新效率低下，原因就在于其“科技成果转化”阶段的效率低下。这涉及创新数量与创新质量的问题，即使部分南亚、东南亚国家专利授权数、科技论文数、新产品研发数达到一定的数量，但是如果科技成果实现商业化的效率较低，导致其很难有效转化为利润率和竞争力。
(二)政策建议
第一，不断加大科技创新投入的力度。由前面的分析可知，科技创新投入包括研发资金投入、研发人员投入。对于研发资金的投入，南亚、东南亚国家要通过立法设定R&D占GDP的最低比例，鼓励企业加大研发资金投入，通过财政补贴、税收优惠、技术退税等方式增加研发资金的投入，同时鼓励社会资本积极进行研发。研发人员投入的核心是培养和引进技术人才，南亚、东南亚国家要着手于提高基础教育和高等教育的质量，不断完善和创新研发人员的考核评价机制，把创新成绩纳入研发人员的考核评价，力争培养国内乃至国际科技领军人才。南亚、东南亚国家还要广泛开展海外高层次人才的引进，促进国际人才交流。
第二，加强科技创新的国际合作。南亚、东南亚国家要依托自身的资源禀赋优势，积极与发达国家及周边国家开展科技合作，不断引进高科技领军人才，学习其先进前沿技术。同时开展双边及多边科技交流活动，不断加强科技创新的交流与合作。同时，南亚、东南亚国家要大力鼓励搭建科技创新成果服务平台、技术交易平台、科技成果与信用评估等创新平台，构建产学研一体化模式，为企业、高等院校、科研机构的科技成果研发及转化提供平台。
第三，完善知识产权保护制度。部分南亚、东南亚国家已经建立了比较完善的知识产权保护制度，但是大部分国家的知识产权保护意识比较淡薄，法律法规不完善。因而，南亚、东南亚国家通过不断加强基础教育和高等教育，培养社会和居民的知识产权保护意识，同时在国家层面将知识产权保护制度立法，不断加强企业自主创新成果的保护力度。
第四，设立专门负责协调科技创新的部门。科技创新是多部门、多环节的协同工作，是不断融合资金、人力、技术等的过程。因此有必要成立专门负责科技创新的协调部门，以便协调人力、物力、财力等资源。此外，科技创新具有不可预知性，是一个动态随机的过程，企业在运行过程中会碰到各种各样的问题，因而南亚、东南亚国家有必要建立一个强有力的部门，负责协调科技创新，从而监督、反馈、跟踪、评估科技创新全过程。
V&A转心瓶解说词链接： http://collections.vam.ac.uk/item/O34034/vase-unknown/；
(三)研究的局限性及未来的展望
尽管本文在构建模型、数据收集以及在进行实证分析过程中力求完美，但由于南亚、东南亚国家科技创新方面的数据较难获取，可供参考的数据有限，导致本文仍存在一定的不足和需要改进的空间：一是因为南亚、东南亚部分国家的统计资料和数据没有公开，数据更新也不及时，致使本文收集的科技统计数据不太完整，从而在一定程度上影响结果；二是本文深入透彻分析了二阶段网络DEA模型，对其在本文研究中的可行性和适用性进行了深入探讨，但由于科技创新过程存在多参与主体性、多阶段性，而本文仅仅分析“科技成果产出”“科技成果转化”的投入和产出，导致最终得到的结论具有一定的片面性。针对本文存在的问题及不足，在未来的研究中重点对南亚、东南亚国家进行更深入的实地调研，收集一手数据并获得大量的统计数据，同时对南亚、东南亚国家不同创新主体间的创新网络进行深入探讨，分析科技创新过程的多阶段特征，从而更加全面分析了解南亚、东南亚国家科技创新效率的状况。
参考文献：
[1] 张绍丽,郑晓齐,张辉.互联网环境下国家“开放-共享-协同”创新体系研究[J].科技进步与对策, 2016,33(19):1-7.
[2] 官建成,刘顺忠.区域创新机构对创新绩效影响的研究[J].科学学研究,2003，(2):210-214.
[3] 徐小钦,黄馨,梁彭勇.基于DEA与Malmquist指数法的区域科技创新效率评价——以重庆市为例[J].数理统计与管理,2009,28(6):974-985.
[4] Buesa M, Heijs J, Baumert T. The Determinants of Regional Innovation in Europe: A Combined Factorial and Regression Knowledge Production Function Approach[J]. Research Policy, 2010, 39(6):722-735.
[5] Fritsch M, Slavtchev V. How does Industry Specialization Affect the Efficiency of Regional Innovation Systems? [J]. Annals of Regional Science, 2010, 45(1):87-108.
[6] 赵树宽,余海晴,巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J].科研管理,2013,34(2):36-43，104.
[7] 段云龙,余义勇,于东平,等.基于两阶段关联DEA法的产业技术创新战略联盟运行效率研究[J].科技管理研究, 2017, 37(11):49-58.
[8] Fuentes H J, Grifell-Tatjé E, Perelman S. A Parametric Distance Function Approach for Malmquist Productivity Index Estimation [J]. Journal of Productivity Analysis, 2001, 15(2): 79-94.
[9] Carayannis E G, Grigoroudis E, Goletsis Y. A Multilevel and Multistage Efficiency Evaluation of Innovation Systems: A Multiobjective DEA Approach [J]. Expert Systems with Applications, 2016, 62:63-80.
[10] 孙红兵,向刚.基于DEA的城市创新系统创新效率评价分析[J].科技进步与对策,2011,28(12):130-135.
[11] 迟国泰,隋聪,齐菲.基于超效率DEA的科学技术评价模型及其实证[J].科研管理, 2010,31(2):94-104.
[12] 侯强,周雪.基于超效率DEA模型的区域技术创新效率研究[J].沈阳工业大学学报：社会科学版,2015，(3):242-247.
[13] 刘钒,邓明亮.基于改进超效率DEA模型的长江经济带科技创新效率研究[J].科技进步与对策,2017,34(23):48-53.
[14] 于晓宇,谢富纪.基于DEA-Tobit的区域创新系统资源配置优化策略研究[J].研究与发展管理,2011,23(1):1-10.
[15]
Ignas Dzemyda.The Efficiency of Regional InnovationSystems in New Member States of the European Union: A Nonparametric DEA Approach[J].Economics and Business,2016,28(1):83-89.
[16] Tsai P F, Molinero C M. A Variable Returns to Scale Data Envelopment Analysis Model for the Joint Determination of Efficiencies with an Example of the UK Health Service[J]. European Journal of Operational Research, 2002, 141(1):21-38.
[17] Kao C, Hwang S N. Efficiency Decomposition in Two-stage Data Envelopment Analysis: An Application to non-Life Insurance Companies in Taiwan [J]. European Journal of Operational Research, 2008, 185(1): 418-429.
[18] 冯志军,陈伟.中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角[J].系统工程理论与实践,2014,34(5):1202-1212.
[19] Wang Y M, Chin K S. Some Alternative DEA Models for Two-stage Process [Z]. Expert Systems with Applications, 2010, 37(12):8799-8808.
[20] 黄祎,葛虹,冯英浚.基于链形系统的关联网络DEA模型:以我国14家商业银行为例[J]. 系统工程理论与实践, 2009, 29(5):106-114.
A Study on the National Innovation Efficiency Based on Two -stage Network DEA Model :Based on South and Southeast Asia Countries
LIU Yong-song1, WANG Wan-nan1, Wang Mo-lin2
(1.School of Communication ,Yunnan University of Finance and Economics ,Kunming 650221,China ; 2.School of Business ,East China University of Science and Technology ,Shanghai 200237,China )
Abstract :Based on the “Belt and Road Initiative” and the construction of Yunnan Province as the radiation center of South Asia and Southeast Asia, this paper analyzes and evaluates the state of science and technology innovation in South and Southeast Asian countries, and proposes the decision-making suggestions for Chinese enterprises to invest in the countries. Based on this, this paper studies the current development of scientific and technological innovations in South Asia and Southeast Asian countries, selects 8 countries with certain representativeness in economic development and scientific and technological innovation as the research objects, and collects statistical yearbooks and data of other databases over the years to evaluate the efficiency of scientific and technological innovations of the countries by using two-stage network DEA method. Countermeasures on improving the innovation efficiency of South Asia and Southeast Asia are proposed.
Key words :South Asia; Southeast Asia; Innovation Efficiency; Two-stage Network DEA Model
中图分类号： F112.1; F224
文献标志码： A
文章编号： 1674-4543( 2019) 06-0084-11
收稿日期： 2019-02-11
基金项目： 国家自然科学基金项目“创新型企业持续创新过程战略风险决策及预警研究”(71663058)
作者简介： 刘永松(1977-)，女，云南鹤庆人，云南财经大学传媒学院讲师，研究方向为跨文化管理；王婉楠(1994-)，女，黑龙江牡丹江人，云南财经大学传媒学院硕士研究生，研究方向为创新管理；王墨林(1990-)，男，河南骡河人，华东理工大学商学院博士研究生，研究方向为跨国公司管理。
责任编辑、校对：李品秀
标签：南亚论文; 东南亚论文; 创新效率论文; 两阶段网络DEA论文; 云南财经大学传媒学院论文; 华东理工大学商学院论文;