区域技术创新效率研究范文

一、文献综述

技术创新效率是指技术创新活动中的要素投入相对于产出的转化效率，反映技术创新投入对产出的贡献比重，即研究如何在技术创新中合理地配置相关资源。目前学术界关于技术创新效率的测量与评价方法最常用的有两种:一是单一指标的投入产出评价，一般用比较简单的算术比例法;二是对多投入和多产出指标采用的评价方法，包括参数方法和非参数方法。参数方法以随机前沿分析(SFA)为代表，非参数方法以数据包络分析(DEA)为代表。DEA是评价具有多投入和多产出决策单元的一种较好的方法。国外对于技术创新效率的研究起步较早。1957年，英国经济学家M．J．Farrell提出了技术效率的概念，并给出了测算标准和测算模型。Aigner，Lovell和Schmidt(1977)率先提出了效率测度的随机前沿方法，随后被应用到对技术创新效率的评价，改变了传统的纯理论研究方法，转向了应用研究。A．Charnes和W．W．Cooper等人(1978)提出用数据包络分析方法(DEA)计算技术效率，以相对有效率概念为基础，根据一组关于输入、输出观察值来估计有效前沿面，并根据各决策单元与有效生产前沿面的距离状况，确定各DMU是否有效。美国学者罗杰斯和拉森川(1985)研究了区域创新效率评价。HelmutForst-ner和AndersIsaksson(2002)以1980—1990年的截面数据，用DEA方法测算了57个国家的技术效率，得出工业国增长更多是依靠技术进步，而发展中国家的增长则更多依赖于技术效率的进步的结论［3］。Nasicrowski和Arcclus(2003)测度并分析了45个国家的创新效率，发现技术创新规模、资源配置对生产率的变化有重要影响。Nasier-owski和Arcelus(2003)研究了信托公司的技术创新效率。3M公司CEOBuckley(2007)结合六西格玛管理探讨了创新与效率的问题。MCRimmon(2007)从成功的管理标准、创新和执行的均衡、组织文化方面论述创新的效率，并提出了管理建议。Akihiro和Shoko(2008)对日本医药产业研发创新效率变化情况进行了测度。Jarvis(2009)从2008年金融危机谈起，进行案例分析，指出了重点关注创新效率的问题。1997年，我国学者柳卸林首次提出技术创新效率的评价问题，并从企业角度对技术创新效率进行了测算。池仁勇(2003)测算了浙江省大、中、小企业的技术创新效率，并对影响该效率的各个因素进行了回归检验。［5］池仁勇、虞晓芬、李正卫(2004)对我国30个省市自治区的技术创新效率进行了测定，结果呈现东高西低的特征。刘爱芹、张伟(2008)运用数据包络分析方法对山东省17地市的区域技术创新效率进行了测度，结果表明一个区域技术创新的综合能力应该包括投入能力、产出能力和两者相互作用的效率。［3］官建成、陈凯华(2009)运用DEA的松弛测度模型和临界效率测度模型，对中国高技术产业技术创新活动的技术效率、纯技术效率、规模效率、规模状态进行了测度。冯缨、滕家佳(2010)运用数据包络分析法对江苏省高技术产业整体技术创新效率进行了域际评价，并分析了江苏省五大高技术行业的技术创新效率。［6］谢子远、鞠方辉(2011)以国家高新区为样本，实证研究了产业集群对区域创新效率的影响。郭磊、刘志迎、周志翔(2011)运用DEA交叉效率模型，实证研究并给出了31个省、市、自治区技术创新排名。苏海涛等(2012)建立了基于投入和产出指标的江西技术创新效率评价指标体系，利用数据包络分析测算了2001—2009年江西技术创新的技术效率、纯技术效率和规模效率值。叶锐、杨建飞、常云昆(2012)利用1999—2010年我国29个省份的面板数据，测算高技术产业系统效率和子系统的纯技术效率。张江雪、朱磊(2012)运用四阶段DEA模型，对我国2009年各省工业企业技术创新效率进行了实证研究。综上所述，在对技术创新效率的研究中，所采用的方法有参数的SFA方法，也有非参数的DEA方法。研究领域有的是地区或者行业技术创新效率的差异性，有的是某个地区或行业技术创新效率的特点，但针对相似经济水平的区域技术创新效率的研究相对较少。本文以中国最发达的东部沿海十省市为例，对其技术创新效率进行了研究。

二、评价方法与指标选取

1．评价方法数据包络分析是线性规划模型的应用之一，常被用来衡量拥有相同目标的运营单位的相对效率，本文采用CCR模型和BCC模型来评价技术创新效率。1978年由著名的运筹学家查恩斯(A．Charnes)、库伯(W．W．Cooper)和罗兹(E．Rhodes)首先提出了一个被称为数据包络分析(DataEnvelopmentanalysis，简称DEA模型)的方法，用于评价相同部门间的相对有效性(因此被称为DEA有效)。他们的第一个模型被命名为CCR模型。这一模型是用来研究具有多个输入，特别是具有多个输出的“生产部门”同时为“规模有效”与“技术有效”的十分理想且卓有成效的方法。1984年查恩斯(A．Charnes)、库伯(W．W．Cooper)、格拉尼(B．Golany)、赛福德(L．Seiford)和斯图茨(J．Stutz)给出另一个模型BCC模型(也称为C2GS2模型)，这一模型用来研究生产部门间的技术有效性。2．指标选取根据Roll(1989)的研究结果，决策单元个数为投入指标和产出指标之和的2倍较优。本文综合考虑数据包络分析对数据的要求以及数据的可获得性，选取了2006—2010年东部沿海十省市技术创新效率的评价指标。投入指标包括研发经费、研发人员全时当量，产出指标包括新产品产值、新产品销售收入和申请专利数。

三、实证研究

根据上述模型和选取的指标，我们选取东部沿海北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东十省市作为评价单元(DMUj(1≤j≤10))。各个指标数据以十省市大中型企业为基准，数据来源于《中国统计年鉴》和《中国科技统计年鉴》。利用LINDO软件求解，解得结果如表2所示:由DEA有效性的判断可知，当θ=1，且松弛变量和剩余变量为0，则表示评价单元(DMU0)的技术创新效率达到了相对最优。由表2可知，2006—2010每年DEA综合效率都相对最优的省市是天津和上海，DEA纯技术效率都相对最优的省市是天津、上海、浙江和广东，DEA规模效率都相对最优的省市是天津和上海;所有效率值都偏低的是江苏和辽宁。2006—2010每年规模都有效的省市有天津和上海，都无效的省市是福建。虽然十省市的技术创新效率相对较高，但从单个年份来看综合效率、纯技术效率、规模效率和规模收益仍存在差异。1．综合效率分析从上述计算中可知，投入多的省市，其相对效率不一定高，产出少的省市，其相对效率不一定低，因为这涉及到投入产出的比例。由图1可以看出，2006—2010年，效率值等于1的省市有天津和上海;效率值介于0．8与1之间的省份有浙图12006—2010年东部沿海十省市综合效率江和广东;效率值介于0．6和1的省份是北京、福建;效率值介于0．2和0．8之间的是山东、江苏和辽宁;效率值小于0．6的是河北。天津、上海的综合效率一直最优;广东的综合效率值由1下降到0．8650，呈下降趋势;江苏则正好相反，由0．4610增长到0．7845，呈上升趋势。2．纯技术效率分析在生产函数理论中，企业能够在其最大可能生产曲线上进行生产。但实际经济环境中，由于管理的漏洞、技术人员的缺乏或者其他原因，使得现有的技术不能得到充分的利用。技术有效性表示在一定的技术条件和管理模式下，产出相对投入而言已达到最优，即决策单元的投入产出活动已经充分发挥了现有技术条件的潜能，使资源达到了最优配置。由图2可知，2006—2010年纯技术效率值为1的省市有天津、上海、浙江和广东;纯技术效率值介于0．8到1之间的省市有北京、福建和山东;纯技术效率值介于0．4到1之间的省市有江苏、辽宁，纯技术效率值介于0．4和0．8之间的是河北。天津、上海、浙江和广东纯技术效率保持不变，福建和辽宁有增长趋势，其他省市趋势不明显。与图1相比，纯技术效率和综合效率的变化趋势不尽相同，如2009年，北京和山东的综合效率值分别为0．996476和0．976062，可纯技术效率值都为1。原因是影响综合效率的因素除了有纯技术效率外，还有规模效率。3．规模效率和规模收益分析综合效率是由纯技术效率和规模效率两部分组成的，综合效率=纯技术效率×规模效率，其中规模效率是由于企业规模等因素影响的生产效率。规模效益指的是，企业将生产要素等比例增加时，产出增加价值大于投入增加价值的情况。只有当经营规模扩大，其产量增加的比例大于全部要素投入量增加比例时，这种经营规模才具有规模效益。由图3可知，2006—2010年，规模效率值为1的是天津和上海;介于0．8和1之间的是浙江和广东;介于0．6和1之间的是北京、福建、山东、江苏和辽宁;小于0．6的是河北。天津和上海规模效率趋势保持不变，广东规模效率呈下降趋势，其他省市趋势不明显。2006—2010年规模收益趋势保持不变的是天津和上海，说明这两个省市已达到最佳规模状态。规模收益递减的是山东、江苏和辽宁。规模收益递增的是福建，北京和河北在个别年份也出现了规模收益递增，这会导致规模无效，这些省市应加大投入，扩大规模，但需注意投入的适量性，防止出现“投入冗余”，导致投入产出比例下降。接下来综合比较2006—2010年十省市综合效率、纯技术效率和规模效率情况，我们选取五年均值，作图如下:图42006—2010年技术创新效率均值由图4可知，2006—2010年技术创新综合效率均值排名第一的是天津和上海，接下来由高到低依次是浙江、广东、北京、福建、山东、江苏、辽宁和河北。纯技术效率均值排名第一的是天津、上海、浙江和广东，接下来由高到低的顺序跟技术效率一样。规模效率均值排名第一的是天津和上海，接下来由高到低的顺序跟综合效率一样。从图中可以看出三种效率均值变化趋势不尽相同，说明在不同省市的无效率状况的原因不尽相同。浙江和广东的综合效率均值为0．9993和0．9682，它们的无效不是因为技术原因，而是规模原因。北京和福建的综合效率为0．9189和0．7456，它们的无效是由技术和规模的综合原因导致的。除了探究非DEA有效的原因以外，我们也可以改变投入或者产出，通过投影分析将非有效的DMU转变成有效的DMU。从上面的分析可知，个别年份个别省市的非DEA有效或是存在着投入冗余，或是存在着产出不足，或是两者兼有之。我们可以利用其在有效前沿面上的投影进行调整，在现有投入的基础上扩大产出，也可以在现有的产出上减少投入，以使投入产出比例达到最优。由表3可知，2006年，河北研发人员全时当量为23955，应减少到72%，即达到6703人，才能使河北的技术创新有效;江苏研发人员全时当量为82321，应减少到58%，即达到34831，才能使江苏的技术创新有效。2010年，辽宁的新产品产值为21229．83千万，应增加到27472．84千万，才能使辽宁的技术创新有效;福建的新产品收入为19853．442千万，应增加到24679．69千万，才能使福建的技术创新有效;江苏申请专利数量为31132个，应增加到31435个，才能使江苏的技术创新有效。所以，在非DEA有效的北京、河北、辽宁、江苏、福建和山东省市，可以通过减少投入量(如全时当量)，也可以增加产出量(如新产品产值、新产品收入和专利)来改进其非DEA有效，达到DEA有效的状态。

四、结论与政策建议

改革开放以来，东部沿海十省市集聚了大量的技术和人才，这些地区的经济发展水平也居我国前列。通过对十省市综合效率、纯技术效率、规模效率和规模收益趋势的测算，发现它们的技术创新效率总体较高，但我国经济最发达的北上广地区，技术创新效率并不是最高。其中天津、上海、浙江、北京和广东无论纯技术效率和规模效率都较高;福建和山东的纯技术效率较高，但规模效率偏低;江苏、辽宁和河北的纯技术效率和规模效率都不高;天津和上海达到最佳规模状态，福建五年来一直处于规模无效状态，北京和河北个别年份规模无效。广东的综合效率和规模效率呈下降趋势，江苏的综合效率呈上升趋势，福建和辽宁的纯技术效率呈上升趋势，总体来说，各省市的技术创新效率随时间变化的趋势不明显。在对非有效DEA的省市的研究中，由产出不足导致的无效远远大于投入冗余导致的无效。上述结论在政策上具有非常重要的意义:1．打破行政垄断，充分发挥市场配置资源的作用。在东部沿海十省市中，研发经费和研发人员投入在全国都处于领先地位，但技术投入产出比例相对于发达国家偏低，究其原因是在很多行业都存在研发经费使用效率低和智力资源浪费的现象。要想发挥技术人员的积极主动性，应大力发挥市场的作用，打破行政垄断，加强人员流动，加快产业升级，加速经济的自由发展。2．充分发挥技术的作用，处理好规模与效率的关系。宏观层面上，国家应鼓励先进技术的开发，重视科技人才的作用，鼓励产品或技术的创新。微观层面上，企业在技术和管理方面，应做到人尽其才，物尽其用。对东部沿海十省市来说，不同地区应针对自身情况处理好规模与效率的关系，对福建和山东地区应该提高其规模效率，江苏、辽宁和河北地区既要提高其纯技术效率，也要提高其规模效率。对规模无效的福建等地区，应扩大生产规模，但要注意防止出现投入冗余。3．从投入产出角度来看，在防止投入冗余的同时，更应该增加产出。首先，各地区应利用先进技术加快产业升级，提高新产品销售收入和新产品产值。其次，完善知识产权保护的相关法律，鼓励申请专利，形成良好的知识产权保护氛围。最后，各省市应建立良好的企业发展绩效考核机制，在考核企业盈利情况时，应结合资源消耗、环境损害、生态效益、产能过剩、科技创新等指标。

作者：王奇珍朱英明杨连盛单位：南京理工大学经济管理学院