我国区域知识生产效率测度研究，本文主要内容关键词为：生产效率论文,区域论文,我国论文,知识论文，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。
中图分类号：F270文献标识码：A文章编号：1007-7634(2007)05-0655-05
1 引言
知识生产活动是一个国家和区域保持创新性和竞争力的基础，是促进经济可持续发展的核心。知识资源作为异质性资源，其固有的稀缺性特征决定了其优化配置成为知识生产活动关注的核心问题。而对知识生产活动的评价则是通过对现有的知识生产状况采用科学的评价方法进行的，以期为知识资源的优化配置提供依据。因此，对知识生产活动进行有效的评价，对国家或区域的经济发展具有重要意义。
一般关于知识生产活动的评价主要从两方面展开：其一为知识生产能力的评价；其二为知识生产效率的评价。由于知识生产能力的提升只有以知识生产效率的提高为前提和基础才具有竞争力和可持续性，因而知识生产效率的测度在知识生产活动的评价中就具有基础性的核心地位。基于此，本文主要进行知识生产效率的测度。
需要指出的是，知识生产活动的有效进行源于从事知识生产活动的主体的相互影响与协调，而地理因素是使这种相互影响、相互协调成为可能或得以更好实现的前提。这种相互影响、相互作用的实质在于知识的流动，地理因素则对知识的生产、扩散和转化起着重要作用。同时，我国是一个人口众多、地理差异较大、文化资源丰富的国家，不同的省份由于其地理环境、文化背景等因素的差异而产生不同的具有区域特征的知识生产活动效果。因此，基于区域视角对知识生产效率进行分析，可以使我们对我国的知识生产状况有一个更加清晰的认识，从而有助于相关部门制定出更加符合区域特征与要求的政策措施。
2 方法的选取及模型的构建
2.1 DEA方法及超效率模型
DEA方法是采用数学规划模型来评价相同类型的多投入、多产出的决策单元是否有效的一种非参数统计方法，是针对非营利机构具有的多投入、多产出等特性，而发展出来的一种效率指标的评估模式。
模型是由A.Charnes、W.W.Cooper和Rhodes提出的最基本的DEA模型，是常用的效率测度的模型，其基本假设是规模收益不变。该模型在计算效率值时，往往存在数个有效的决策单元，而无法直接比较有效决策单元之间的效率高低的情况。为了弥补这一不足，Andersen和Peterson于1993年提出了超效率模型[1]，从而使数个有效决策单元之间的比较成为可能。超效率模型的基本思想是[2]：在对决策单元进行效率评价时，将被评价的决策单元排除在决策单元的集合之外。从而在对决策单元进行效率评价时，对于无效的决策单元其生产前沿面不会发生变化，其效率值同模型计算出来的效率值相同；而对于有效决策单元而言，其生产前沿面则向后推移，从而计算出来的效率值将大于由模型计算出来的效率值1。基于上述基本思想，超效率模型可以表示为：
2.2 Malmquist指数
Malmquist指数最早由瑞典经济学家和统计学家Malmquist于1953年在分析两组不同时期的消费变化时提出的。1982年，Caves等人首次将其作为效率指数用于生产分析。1994年，Fare等人通过对DEA方法的改进，建立了用来考察两个时期的生产率变化的Malmquist指数[3]。
Malmquist指数构造的基础是距离函数(Distance Function)。根据Fare et al.将距离函数定义为Farrell技术效率的倒数，这种基于投入的距离函数可以看做是决策单元由某一生产点向理想最小投入点压缩的比例。从而在时期t、技术参考集处于固定规模报酬C和投入要素可处置强度S条件下，其投入的距离函数可表示为：
根据Fare et al.对Malmquist生产率变化指数的分解，我们可以将其分解为相对技术效率的变化和技术进步的变化[4]。通过对处于不同时期技术条件下的两个曼奎斯特生产率指数取几何平均值，从而实现对生产率变化的测算。
上式表明Malmquist生产率指数由技术效率变动值TEC和决策单元从t期至t+1期生产技术变动值的几何平均数TC两部分构成。若该指数大于1，表示生产率呈上升趋势；若该指数等于1，则表明生产率不变；若该指数小于1，则表示生产率呈衰退趋势。
技术效率变动(Technical Efficiency Change,TEC)指数描述的是由t期至t+1期的每个决策单元到生产前沿面的追赶程度。当该指数值大于1时，表明其与最优决策单元组成的生产前沿面的差距在缩小；该指数等于1时，表明其相邻两期的技术效率并未发生改变；当该指数小于1时，则表明其与最优决策单元组成的生产前沿面的差距在进一步拉大。
生产技术变动(Technical Change,TC)指数是衡量决策单元在相邻两个时期的生产技术变化程度的指标，即生产前沿面的移动。它代表生产过程中技术进步或创新的程度。当该指标值大于1时，表明生产前沿面向前推移，生产技术有所进步；当该指标等于1时，表明生产前沿面未发生改变，生产技术没有变化；当该指标小于1时，则表示生产前沿面向后推移，生产技术有衰退之趋势。
3 变量的选取、数据的获得及权重的设置
3.1 变量的选取
区域知识生产效率评价的目的是通过对区域知识生产状况进行评价，以规范区域知识生产活动、为区域知识资源的合理配置提供依据。因此，区域知识生产效率评价变量的选取，既应遵循知识生产活动自身的行为规律，同时也应使指标的选取具有可操作性和可比性。基于此，本文主要从投入和产出两个方面对知识生产效率测度的指标体系进行构建。具体指标见表1。
3.2 数据的获得
本文分析的对象为1998-2005年我国30个省份的面板数据，其数据主要来源于《中国科技统计年鉴》(1999-2006)、中国科技统计数据库、《新中国五十五年统计资料汇编1949-2004》(2005)、《中国统计年鉴》(2006)及某些年份某些省份的统计年鉴。
本文选取的截面数据为中国内地的30个省、市、自治区(后面简称省份)的样本数据；由于西藏的数据大量缺失，因此本文的研究对象不包含西藏。区域的划分仍沿袭传统的东、中、西三大区域的划分方法。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南等12个省份；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南等9个省份；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆等9个省份。同时，依现有资料笔者仅能获得关于1998-2005年的区域研发人员全时当量和研发经费支出的统计资料，因此本文的研究的时间序列为1998-2005年共8年的样本组。
本文认为研发活动作为区域知识生产活动的核心，其对产出的影响很大程度上是前期投资累计的结果，即研发知识存量，而不仅仅是当期的研发支出[5]。它是影响经济主体知识生产效率的重要因素，是表征知识生产能力的重要指标，也是影响知识生产效率的重要环节。
根据Goto and Suzuki[6]，t期的研发知识存量可以用过去所有滞后期的研发支出
的现值与t-1期的研发知识存量现值之和来表示：
同时，我们假设研发经费支出与研发知识存量有相同的增长率g，则基期的研发知识存量为：
同时，由于本文分析的数据的时间序列为1998-2005年，跨度较长，从而会由于通货膨胀或紧缩造成核算结果的虚增或虚减。因此，为了反映我国区域知识生产的真实状况，本文采用GDP平减指数对相关指标数据进行调整，以剔除价格因素的影响。同时由于高技术产品出口额、进出口商品总额是以美元计价，我们这里按相应年份的汇率进行了折算。
3.3 DEA方法中权重的设置
DEA方法中各决策单元的投入、产出权重不需预先设定而是通过模型的运算求得，虽然在一定程度上避免了人为赋予权重带来的主观因素的影响而显公平，但是却有可能由于一些实际相对无效率的决策单元对投入产出权重的刻意选择而导致测度的效率值相对较高[8]。结合我国目前知识生产中存在人力资源浪费的现象，我们设置人力资源权重高于财力资源权重；同时，为了突出研发活动在知识生产活动的核心地位，我们设置研发人力资源和财力资源具有相对较高权重。另外，对于知识产出指标而言，由于其代表知识产出的不同方面，其每一方面对于知识生产活动主体而言都具有重要意义。因此我们在这里不对知识产出各项指标间的相对权重进行设定。通过对C[2]R模型和超效率模型中的决策单元的投入指标赋予相对权重，一方面可以避免一些相对无效率的决策单元通过对指标权重的刻意选择而导致其效率分值较高；另一方面可以避免人为赋值造成的主观因素的影响而显失公平的双重矛盾。
4 实证结果及分析
4.1 基于超效率模型的1998-2005年我国区域知识生产效率评价
根据我国各省份知识生产效率的测度结果并结合我国东、中、西三大区域的划分方法，对我国区域层面的知识生产效率进行了测算，其具体结果见表2。
表2 1998-2005年我国区域知识生产效率
区域 1998 1999 2000 2001 2002 2003 2004 2005 平均
东部1.39691.43361.45551.46441.17461.15221.08861.06721.2791
中部0.65990.65250.72390.74090.74940.7469 0.8410.81340.7410
西部0.47240.51660.62370.64810.77110.76820.76480.74230.6634
全国0.89840.92410.98651.0025 0.9260.91540.91720.89360.9330
从均值水平来看，我国东、中、西三大区域的知识生产效率呈依次递减分布，其中东部地区知识生产效率高于全国均值水平，中部和西部地区低于全国均值水平；东部地区各省份知识生产效率差异大于中部和西部地区，中部地区各省份知识生产效率差异最小。从变化趋势来看，相对于生产前沿面而言，1998-2005年东部地区知识生产效率高于全国均值水平，也高于中部和西部地区，而中部和西部地区则低于全国均值水平；自2002年以来全国三大区域知识生产效率有趋同倾向。对于东部地区，1998-2001年知识生产效率不断提高，但增长幅度较小；而2002-2005年为下降走势。对于中部和西部地区，1998-2001年知识生产效率相对于生产前沿面而言处于不断上升的态势，2002年以后基本趋同。
通过对东、中、西部地区的知识生产效率变异系数的计算，我们可以在一定程度上解释我国三大区域知识生产效率的变化趋势。东部地区在1998—2001年间知识生产效率变异系数虽有小幅波动、但整体比较平缓；2002年则出现了下降，从2001年的0.6488下降到2002年的0.4028，而后则变化幅度不大。中部地区在1998-2000年间知识生产效率变异系数变化不大，而2001年则有大幅降低，由2000年的0.4344下降到2001年的0.2857。西部地区，就整体而言知识生产效率变异系数变化幅度较大，尤其自2002年起变异系数有大幅增加。上述变异系数的变化趋势表明东部和中部地区各省份的知识生产效率差异在不断缩小，而西部地区各省份的知识生产效率差异在不断扩大；相对于西部地区而言，东部地区知识生产效率略有下降，从而导致2002年以来我国三大区域知识生产效率具有趋同倾向。
4.2 基于Malmquist指数的1998-2005年我国知识生产效率变化评价
根据表3可以看到，我国知识生产效率变化的Malmquist指数为0.9829(小于1)，说明我国知识生产效率出现了轻微下降，主要原因是技术效率的增长率为1.96％，技术进步率为-3.73％，核心是由于技术进步率下降造成的。我国三大区域的知识生产效率均处于递减状态，其中东部地区的知识生产效率增长率为-1.9％、中部地区的知识生产效率增长率为-2.36％、西部地区的知识生产效率增长率为-0.82％。知识生产效率的增长率的顺序由高到低依次是西部、东部和中部地区，从而西部可以利用“后发优势”的效率提高来赶超东部地区。从Malmquist指数分解来看，东部地区的知识生产效率下降，主要源于技术效率下降；西部和中部地区的知识生产效率下降主要源于技术进步率下降。这说明知识生产中的技术进步是决定知识生产效率差异性的重要因素。
表3 我国区域知识生产效率变化的Malmquist指数及其分解
区域 malmquist指数技术效率指数技术进步指数
东部 0.9810
0.9727 1.0051
中部 0.9764
1.0415 0.9375
西部 0.9918
1.0627 0.9334
全国 0.9829
1.0196 0.9627
同时，从三大地区的知识生产效率的时间序列来看，我们可以发现东部地区知识生产效率的增长，1998-2001年期间主要是源于技术效率的提高，而2001-2005年主要是源于技术进步率的提高；西部地区知识生产效率的增长主要是源于技术效率的提高；中部地区知识生产效率的增长除了2003年主要是源于技术进步率的提高，其余年份主要是源于技术效率的提高。从而可以看出三大地区知识生产效率增长的原因各不相同，东部区域前期主要是源于技术效率的提高，而后期则主要是源于技术进步率的提高；中部和西部地区主要是源于技术效率的提高。
5 结论
本文以我国30个省份为载体，对其1998-2005年知识生产效率及其变化率进行了测度，并对东中西三大区域的知识生产效率及其变化率进行了分析，得出以下结论：
(1)我国东、中、西三大区域的知识生产效率呈依次递减分布，其中东部地区知识生产效率高于全国均值水平，中部和西部地区低于全国均值水平；东部地区各省份知识生产效率差异大于中部和西部地区，中部地区各省份知识生产效率差异最小；且自2002年以来各区域的知识生产效率具有趋同倾向。
(2)我国知识生产效率出现了轻微下降，主要是由于技术进步率下降造成的。其中，东部地区的知识生产效率下降主要源于技术效率下降；西部和中部地区的知识生产效率下降主要源于技术进步率下降。这表明知识生产中的技术进步是决定知识生产效率差异的重要因素。