我国高新区的技术效率、规模效率与规模报酬，本文主要内容关键词为：效率论文,规模论文,高新区论文,报酬论文,我国论文，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：F124.3
文献标识码：A
文章编号：1005-1309(2003)08-0046-08
作为开拓高新技术产业、推动经济和社会发展的一项战略措施，我国高新技术产业开发区发展至今已有10年历史，其功能日益丰富和完善，极大地推动了我国科技成果产业化。区内高科技产业的企业家数、职工人数、技工贸总产值、上缴税额和出口创汇额等均逐年提高。本文旨在应用数据包络分析、Tobit回归等统计方法，评估各高新技术产业开发区的生产效率，检验和比较其投入与产出的生产成效与差异，并分析环境因素对高新区生产效率的影响。研究结果将为高新区未来发展提供借鉴，为政府政策决策提供依据。
一、文献回顾
我国国家级高新技术产业开发区历经十余年的快速发展，在培育高新技术产业、辐射、带动区域经济发展，探索新型管理体制和运行机制，以及培养和造就优秀企业领导者等方面，做出了突出贡献。进入新世纪，在国家各项政策的激励下，高新区已经跨入二次创业的发展阶段。正由于其发展的重要意义，相关研究文献也较为丰富，整理如下。
李晗涛(1995)从区域经济发展的观点，提出沈大、京津塘、山东半岛、珠江三角洲、苏锡常五条高新技术产业带发展布局；费洪平(1997)提出三层次宏观战略布局：第一层次是对上海、北京、天津、深圳、武汉高新区进行重点开发，其余再分为跨省级、省级两个层次；李梦玲等(1995)综合高新区聚集、孵化、扩散、渗透、示范等五大功能，建立工作指标体系，采用专家咨询及AHP法确定权重系数，对22个国家级高新区进行评价与排序；张伟等(1998)应用因素分析法对52个高新区进行发展现状与成长分析；汪涛等(1999)提出技工贸总收入、利润、纳税、年出口额、R&D投入等评价指标；国家科技评估中心(1997)也曾组织专家对高新区进行评估（以上资料来源：夏海钧2001）。
夏海钧(2001)应用AHP等方法对各高新区综合指标进行竞争力评价，其中一级指标有创新能力、经济实力、社会贡献、区位条件、国际化等五项，二级指标有高新区制度建设（政策、法规、管理、体制、风险资本等）、R&D经费占总收入比例、从事R&D人员占年末从业人数比例等23项，研究结论为：高新区发展两极化，少数高新区发展良好，大多数发展较差。根据夏海钧的研究，综合评价值在0.6以上为良好者有北京、上海、深圳、广州等四区；综合评价在0.5-0.25之间为一般者有南京、武汉、石家庄、西安、成都、青岛、苏州、天津等八区；其余0.25-0.1较差者有12区，0.1以下极差者有29区。
总体来看，现有对高新区的研究，多数偏重于其发展布局及基础设施、生产生活、区位条件等指标体系的研究。但如果仅以“量”来评估高新区的优劣，会误导高新区管理当局或企业过分关注指标的绝对值，从而造成重复投资或过量投资。为此，本文从生产效率的角度，以53个国家级高新技术开发区为研究对象，应用数据包络法分析各高新区的技术效率、规模效率和规模报酬状态，并分析环境因素对高新区生产效率的影响。
二、研究方法
生产效率的衡量主要分为比率分析、多准则评估、超越对数生产函数分析、回归分析以及数据包络分析等，由于我国高新区投入产出的资料有限，因此采用数据包络分析法。Farrell(1957)将效率分为三类：(1)技术效率，实际投入到产出的转换效率；(2)配置效率，指决策单位在特定的投入价格和生产技术下的各项投入比率；(3)规模效率，指对决策单位规模报酬的评估。本文应用数据包络分析法实现对高新区三类效率的评估和比较。
数据包络分析(DEA,Data Envelopment Analysis)利用包络线代替微观经济学中的生产函数，应用Pareto最优原理，通过数学规划来确定经济上的最优点，以折线将最优点连接起来，形成一条效率前沿的包络线。该模型将所有决策单元(DMU,Decision Making Unit)的投入、产出映射于空间中，并寻找其边界点，凡是落在边界上的决策单元，认为其投入产出组合最有效率，并将其绩效指标定为1；而不在边界上的决策单元则被认为无效率，同时以特定的有效率点为基准，给予每个决策单元一相对的绩效指标。DEA不但能评估各决策单元的效率值，还能指出无效率的决策单元投入与产出的调整幅度与方向，如以较少的投入来获得相同的产出，或以相同投入得到更多的产出，提高其生产效率。
Charnes等引入Farrell投入与产出效率衡量的概念，应用对偶理论(Duality Theory)，提出衡量多投入多产出效率的方法，CCR模型。该模型假设适用于投入面满足规模报酬固定(CRS,Constant Returns to Scale)的情况。设有n个决策单元，它们都有m种投入和s种产出，令U为产出向量Y的权系数向量，V为投入向量X的权系数向量，以第j个决策单元的效率为目标函数，以全部单元的效率指数为约束，得到最优化模型：
均为0。如果θ＜1，则该决策单元为DEA无效，说明有投入过剩和产出不足部分。但当将其投入调整为
，该单元即为DEA有效率。
Banker等(1984)将CCR模型的使用范围扩展至变动规模报酬(VRS,Variable Returns to Scale)，可用来探讨有关技术效率、规模效率和规模报酬状态的问题。BCC模型在CCR模型的分子项中加入一常数项Co，将CRS的技术效率(TE,Technical Efficiency)分解为纯技术效率(PTE)与规模效率(SE,Scale Efficiency)。决策单位的规模报酬状态取决于所估计的参数Co:Co＞0时，表示处于IRS（规模报酬递增）；Co=0时，表示处于CRS（固定规模报酬）；Co＜0时，表示处于NIRS（规模报酬递减）。
三、实证研究
1.样本数据
本文选择经济理论中的生产要素—土地、劳动、资本为投入项。但考虑到数据的可获得性，对投入项进行修正，采用：①建筑竣工面积，代表实际厂房及生产用地；②企业数，由于无法获得资本额，因此以企业数为投入项；⑧员工人数。产出项选择高新区的技工贸总产值，该指标代表园区所创造的效益与营业额。投入项数据来源为中国火炬信息网（注：中国火炬信息网的网址为http://www.chinarorch.gov.cn。）所公布的2000年各高新区统计数据。在第二阶段，采用创新能力、经济实力、社会贡献、区位、国际化等综合指标为环境变量，应用Tobit回归估计其对技术效率的影响，所有环境变量数据均来源于夏海钧(2001)附表6-2000年高新区综合指标及数据。
2.技术效率
分析
表1是根据CCR模型和BCC模型（注：DEA模型的估计采用DEAP2.1软件(Coelli T.J.,1996),http://www.uq.edu.au/economics/cepa/deap.htm。）估计的2000年各高新区的技术效率、规模效率和规模报酬状态。其中
是固定规模报酬模式(CCR)下的技术效率值，
是变动规模报酬模式(BCC)下的纯技术效率，SE是规模效率值，Drs表示决策单位处于规模报酬递减状态，—表示处于最优规模状态，Irs表示处于规模报酬递增状态。
由表1，相对有效率
则为明显无效率（占79.25%）。
3.规模效率与规模报酬分析
由表1中各高新区的技术效率值、规模效率值、规模报酬状态，根据Michael等(1991)对整体效率值强度的分类，可以将各高新区的发展状况分类如下：
(1)处于最优生产规模的高新区：规模效率(SE)＝1，技术效率
。有深圳、佛山两区，处于最优生产规模和相对有效率状态。
(2)属于短期易改善的高新区：0.9＜规模效率(SE)＜1，0.9＜技术效率
。根据Miclael等(1991)对整体效率值强度的分类：属于边缘无效率集合的园区，短期内稍微调整投入产出量，就容易达到最优生产规模和相对有效率的状态，符合该条件者仅有杭州一区(SE=0.977,
=0.902)。
(3)规模相对过大的高新区：规模效率(SE)＜1，规模报酬递减(drs)。表1显示有北京(SE=0.599)、上海(SE=0.885)、青岛(SE=0.843)等三区，说明其规模已相对过大，使得固定成本相对过小而无法配合变动成本，造成平均成本的提高。
(4)生产无效率的高新区：规模效率
0.9。天津、西安、武汉、沈阳、长沙、吉林、福州、济南、郑州、重庆、无锡、南京、绵阳、苏州、广州、长春、大连、成都、淄博、哈尔滨、石家等22个高新区规模效率(SE)接近于1，而技术效率小于0.9，属于生产无效率。
(5)规模过小的高新区：规模效率(SE)＜0.9，规模报酬递增状态(irs)。由表1包括桂林、厦门、海南、宝鸡、大庆、鞍山、威海、太原、包头、洛阳、保定、潍坊、常州、南昌、惠州、珠海、南宁、襄樊、株洲、兰州、昆明、贵阳、乌鲁木齐、杨凌等25个高新区，说明其规模过小，使得固定成本相对过高，而造成平均成本的提高。
表1
各高新区技术效率值、规模效率值、规模报酬状态
4.差额分析与径量分析
由于DEA可计算出达到最佳效率的投入与产出组合，因此可以进一步分析53个高新区如何增减其投入产出量，以达到最优效率组合。根据前文分析，除北京、上海等八区因技术效率值为1，落在效率前沿上，不需调整外，其余各区均属相对无效率，所以投入项均需缩量调整。本文将各高新区各投入项的径量(Radial Movement)和差额(Slack Movement)的调整量，占原始值百分比的计算结果列于表2和表3中。
表2 2000年高新区投入项径量差(Radial)百分比统计表
高新区 人数径 面积径 企业数径 高新区 人数径 面积径 企业数径
量差%
量差%
量差%
量差% 量差% 量差%
北京
0.00%
0.00%
0.00% 合肥
63.47% 63.47% 63.47%
天津
68.65% 68.65% 68.65% 保定
67.99% 67.99% 67.99%
西安
65 48% 79.51% 65.48% 南宁
59.72% 59.72% 59.72%
大连
74.17% 74.17% 74.17% 淄博
64.15% 64.15% 64.15%
广州
33.92% 33.92% 33.92% 乌鲁木齐 0.00%
0.00% 0.00%
长春
65.22% 65.22% 65.22% 鞍山
64.77% 64.77% 64.77%
武汉
60.02% 60.02% 60.02% 福州
32.49% 32.49% 32.49%
沈阳
37.14% 37.14% 37.14% 株洲
63.29% 84.47% 63.29%
长沙
52.40% 52.40% 52.40% 青岛
5.71% 74.66% 5.71%
石家庄 69.78% 69.78% 69.78% 深圳
0.00%
0.00% 0.00%
哈尔滨 74.75% 74.75% 74.75% 威海
62.67% 73.62% 62.67%
兰州
70.79% 70.79% 70.79% 南昌
61.75% 61.75% 61.75%
吉林
65.46% 65.46% 65.46% 宝鸡
0.00%
0.00% 0.00%
太原
52.76% 52.79% 52.76% 昆明
56.45% 75.47% 56.45%
杭州
8.63%
29.90%
8.63% 绵阳
42.34% 72.85% 42.34%
洛阳
79.00% 79.00% 79.00% 厦门
30.34% 30.34% 30.34%
重庆
75.14% 75.14% 75.14% 襄樊
39.89% 39.89% 39.89%
郑州
54.47% 54.46% 54.47% 贵阳
46.29% 46.29% 46.29%
中山
74.02% 79.54% 74.02% 惠州
7.24%
7.24% 7.24%
济南
62.35% 67.71% 62.35% 海南
15.77% 42.43% 15.76%
成都
67.44% 78.94% 67.44% 潍坊
26.14% 51.31% 26.14%
常州
71.43% 79.68% 71.43% 佛山
0.00%
0.00% 0.00%
无锡
18.42% 59.71% 18.42% 杨陵
0.00%
0.00% 0.00%
南京
17.55% 76.72% 17.55% 珠海
0.00%
0.00% 0.00%
大庆
59.71% 76.01% 59.71% 上海
0.00%
0.00% 0.00%
包头
49.03% 49.03% 49.03% 苏州
38.90% 88.39% 38.90%
桂林
71.10% 77.55% 71.10% 平均
45.21
53.76% 45.21%
表3 2000年高新区投入项差额(Slacks)百分比统计表
高新区 人数径 面积径 企业数径 高新区 人数径
面积径 企业数径
量差%
量差%
量差% 量差%
量差%
量差%
北京
0.00%
0.00%
0.00%
合肥
3.89%
0.00%
0.00%
天津
0.00%
0.00% 27.86%
保定
10.81%
0.00%
0.00%
西安
0.00% 12.91% 31.54%
南宁
0.00%
0.00% 11.54%
大连
0.00%
0.00% 18.33%
淄博
0.00%
0.00% 1.48%
广州
0.00%
0.00% 55.26%
乌鲁木齐 0.00%
0.00%
0.00%
长春
0.00%
0.00% 16.74%
鞍山
20.57%
0.00%
0.00%
武汉
0.00%
0.00% 20.47%
福州
0.00%
4.98% 33.59%
沈阳
19.45%
0.00% 38.75%
株洲
0.00% 22.09%
5.76%
长沙
0.00%
0.00% 30.15%
青岛
14.54% 71.06%
0.00%
石家庄 0.00%
0.00% 18.38%
深圳
0.00%
0.00%
0.00%
哈尔滨 0.00%
0.00%
6.82%
威海
0.00%
8.87%
0.00%
兰州
0.00%
0.00% 16.45%
南昌
0.06%
0.00%
0.00%
吉林
0.00%
0.00% 12.59%
宝鸡
0.00%
0.00%
0.00%
大原
12.37%
0.00%
7.10%
昆明
0.00% 16.13%
0.24%
杭州
0.00% 21.18% 76.04%
绵阳
10.79% 31.78%
0.00%
洛阳
0.00%
0.00%
5.32%
厦门
11.79%
0.00%
0.00%
重庆
0.00%
0.00%
0.86%
襄樊
37.27%
0.00%
0.00%
郑州
0.00%
0.00% 24.31%
贵阳
24.69%
0.00%
0.00%
中山
0.00%
3.20%
8.76%
惠州
12.06%
0.00%
0.00%
济南
0.00%
3.27% 18.57%
海南
0.00% 29.94%
0.00%
成都
0.00% 12.39% 14.35%
潍坊
6.71% 22.06%
0.00%
常州
0.00%
8.36% 10.08%
佛山
0.00%
0.00%
0.00%
无锡
0.00% 38.16% 50.24%
杨陵
0.00%
0.00%
0.00%
南京
0.00% 60.08% 16.67%
珠海
0.00%
0.00%
0.00%
大庆
0.00% 19.40% 21.62%
上海
0.00%
0.00%
0.00%
包头
0.00%
0.00%
0.00%
苏州
0.00% 48.56%
0.00%
桂林
0.00%
6.52%
8.59%
平均
3.47%
8.27% 10.84%
径量指决策单位在投入量不变情况下，为达到产出技术效率所需增加的产出（百分比），差额指决策单位为达到预期效率目标所需缩减的投入（百分比）。表2中的估箅结果可作为高新区决策管理单位和高科技产业企业调整资源配置的参考。
如表2所示，除八个效率区不需调整及青岛
等三区少量调整外，其余明显无效率者
均需要大量调整，有些高达70%以上，由表2可知人数及企业数的径量差百分比总平均均为45.21%，而面积径量差额平均为53.76%；若扣除八个效率区，仅考察45个无效率区，其人数与企业数的径量差百分比平均高达53.06%，而面积径量差平均达63.12%。
如表3所示，除八个效率区不需调整外，需调整的投入项以企业数为最高（平均10.84%），其中生产无效率者缩减的比例较高，如天津、西安、大连、广州、长春、武汉、沈阳、长沙、石家庄、杭州、：郑州、无锡等区。
表4 环境变量对技术效率的Tobit回归统计分析
* 显著性水平10%。
5.环境变量Tobit回归分析
环境变量对技术效率影响的Tobit回归（注：Tobit回归分析采用SAS统计软件。）结果列于表4中。回归式的因变量为各高新区的技术效率值，自变量为
（国际化）。卡方检验和P值表示参数估计的显著性，P值小于0.1时表明因变量在10%下显著。回归模型的对数似然值(Log Likelihood)为5.6660。
如表4，与技术效率显著负相关的环境变量包括创新能力和社会贡献，显著正相关的包括经济实力和区位条件，不显著相关的为国际化：(1)每增加创新能力指数1%，会降低技术效率值0.5063%，说明各高新区虽有研发投入，但将研发成果转化为产品的机制未健全，故未产生相应的附加价值；(2)每增加经济实力指数1%，会提升技术效率值1.4619%：(3)每增加社会贡献指数1%，会降低技术效率值1.1623%，原因可能是上缴税费额越多反而降低企业再投资的意愿，进而影响其效率；(4)每增加区位条件指数1%，会提升技术效率0.4177%，说明园区内生活休闲、信息通讯等功能，是让科技从业人员全力投入研发、生产工作的必备条件；(5)出口创汇和引进留学归国人员集中于少数发展良好的高新区，加上多数高新区以内需为导向，国际竞争力较弱，导致国际化指数对技术效率影响不显著。
四、结论与建议
现有对高新区的研究如夏海钧(2001)等，多数应用AHP等方法建立有权重的指标评价体系。但如果仅以量来评估高新区的优劣，会误导高新区管理当局或企业过分关注指标的绝对值，会造成重复投资或过量投资。本文从生产效率的角度，应用DEA分析各高新区的技术效率、规模效率和规模报酬状态，将其分类如下：(1)处于最优生产规模的有深圳和佛山；(2)属于短期易改善的有杭州；(3)规模相对过大的有北京、上海和青岛；(4)生产无效率的有天津、西安等22个高新区；(5)规模过小的有宝鸡、珠海等25个高新区。
DEA可计算出达到最佳效率的投入与产出组合，因此可进一步分析53个高新区如何增减其投入产出量，以达到最优效率组合。除北京、上海等八区因技术效率值为1，落在效率前沿上，不需调整外，其余各区均属相对无效率。本文提供了各高新区各投入项的径量和差额的调整量，即缩减的方向和幅度，可供各高新区管理决策当局参考。
本文还应用Tobit回归分析环境变量对技术效率的影响。与技术效率显著负相关的环境变量包括创新能力和社会贡献，显著正相关的包括经济实力和区位条件，不显著相关的为国际化指标。研究结果说明各高新区的研发基地和研发转化机制等功能尚无法有效发挥；园区内生活休闲、信息通讯等功能，是让科技从业人员全力投入研发、生产工作的必备条件；运用现代化电脑通讯与控制技术建立生活、研究、创新等多功能的智能型园区，构筑参与未来全球科技产业竞争的基础设施，是各高新园区将来的发展目标。
根据本文的实证研究结果，为各高新区管理当局和企业提供以下政策建议：
1.可参考本文研究结果调整投入量和生产规模，以达到预期的生产效率。高新区的发展方式应从挖掘政策优势向创造体制优势过渡，提高产业集中度，建立完整的产业链，提高生产和营销的效率。特别是要提高在国际市场的营销能力，力争掌握高端产品的核心关键技术与设备，提高产品的目际竞争力和经济附加值。从管理当局角度，应当完善产业相关法令制度，加强对知识产权的保护力度，增加高科技产业的融资渠道。
2.强化高新区的区位条件，如提供生活休闲、信息通讯、优质的研发与生产环境及营销和财务方面的支持，以吸引科技人才投入，使科研成果可以迅速转化为产品，逐步完善研发转化机制。不能仅从形式上要求企业广设研发中心或多缴税，这样可能降低企业再投资的意愿，反而影响其效率。目前，数字园区是高新区建设的重要方向，其不仅是信息交互、资源共享、电子商务和电子服务的平台，也是园区对外信息交换的平台，能够重组企业商业运行模式，降低企业交易成本和提高交易效率，提高社会资源使用效率。
3.研究结果显示高新区的企业以中小企业为主，虽具弹性，但规模过小，投入研究的资源不足，应该建议合并缩减，或鼓励进行并购。很多合资企业依靠关税壁垒的保护而建立，甚至只是单纯的制造基地，科技含量低。在这方面应借鉴北京中关村经验，大力发展民营科技企业，培育中小科技企业集群，在此基础上做强做大，增强自主研发能力、完善创新机制，获得一定发展规模后，争取在国内、国外的证券市场上市。