基于DEA-Malmquist的中部地区高技术产业R&D效率实证研究

倪丽云坡

（安徽大学，安徽 合肥 230601）

基于DEA-Malmquist的中部地区高技术产业R&D效率实证研究

倪丽云坡

（安徽大学，安徽 合肥 230601）

在中部科技崛起思想背景下，文章基于《中国高技术产业统计年鉴(2005—2010)》数据资料，使用C2R模型、BC2模型以及DEA—Malmquist指数分析法对2004—2009年中部六省高技术产业的R&D的综合技术效率、资源配置效率、技术进步指数等因素进行实证研究。结果认为：航天航空业综合效率无效，是导致整体高技术产业TFP值低下的主要原因；电子计算机及办公设备制造业的TFP值与技术进步指数最高；技术进步对高技术产业的推动作用超过资源配置指数。文章最后还给出了几点改进非有效行业R&D效率的对策建议。

高技术产业；DEA—Malmquist；资源配置效率；技术进步；中部地区

高技术产业具有高技术密集度、高投入、高风险等特征，对引领区域经济与产业发展具有基础性和先导性作用。自2004年国家中部崛起战略思想实施以来，中部高技术产业呈现增长速度快、运行质量好的发展前景。截止2009年，六省高技术产业实现当年价总产值4902.99亿元，新产品销售收入与实现利税分别为4717.09亿元、585.08亿元，三项指标分别为2004年指标值的23.32倍、22.79倍、3.95倍；新增固定资产与固定资产使用率较2004年增长303%与2%；项目建成投产率也由2004年的44.36%增长到2009年的57.95%。但与发达地区横向对比发现，2009年R&D经费支出仅为东部的11.6%，仅略高于西部；R&D人员折合全时当量不到东部的16%；产业投资额度为1397.39亿元，尚不足东部的一半；固定资产交付使用率也明显低于全国平均水平。①由此可知，中部企业高技术产业R&D投入、资源配置效率以及产业经营水平与尚存在较大的提升空间。本文采用C2R与BC2模型及DEA—Malmquist指数分析法，对影响中部高技术产业R&D活动的综合技术效率、资源配置效率、技术进步指数等因素进行实证分析，对导致非效率原因做进一步解释，从而明确产业R&D效率改善的方向与环节。进而为相关的企业决策者、政策制定者提供颇具价值的信息参考。

1.研究综述

在国外，Ellis.Connolly与Kevin J.Fox(2006)认为澳大利亚的高技术产业资金使用与生产率在市场部门上二者存在正相关，但高技术资本的过分使用并不一定可获得超额回报。[1]Walsh与Kathleen(2003)基于内地和香港的采访结果，对外商在中国计算机与电信行业投资R&D中心机构的情况进行了研究。[2]Tsai.Kuen-Hung与Wang.Jiann-Chyuan(2004)以台湾为例，对R&D效率和高技术产业的溢出效应对传统制造业的影响进行研究，结果认为R&D投资对生产率提高具有强大推动作用。[3]Hashimoto与Haneda（2008）通过构建效率评价的DEA模型，认为日本的医药制造业一直处于R&D效率递减的发展阶段。[4]

国内方面，吴瑛、杨宏进（2006）应用DEA模型实证分析了1995—2004年我国高技术产业内部的行业结构变动与资源配置效率之间的联系。[5]徐光瑞（2010）首次利用Ellison和Glaeser以及灰色关联分析法分析出我国的产业集聚状况是影响高技术产业竞争力的重要因素。[6]蒋倩、宋铮（2010）则通过对2001—2007年我国高技术产业实际利用外资的面板数据进行计量检验，发现技术支持和市场环境对外资的吸引力较强，其他因素的影响并不显著。[7]沈华、汪郎峰（2010）使用双密度依赖模型和密度依赖模型，分析了我国高技术产业研究人员的创新特征。[8]利用产业竞争力模型，潘雄锋、刘凤朝等（2009）探究了1996—2005年间中国区域高技术产业竞争力的时间变化特征和空间分布格局，并对这种变化和差异的动因给予解释。[9]刘志迎、叶蓁等(2006)通过对高技术产业技术效率与总量增长模式进行实证研究，认为高技术产业TFP增长主要是技术进步推动的，且推动关系呈下降趋势。[10]

2.决策单元与指标体系

根据2002年7月国家统计局颁布的《高技术产业统计分类目录的通知》，我国的高技术产业统计范围包括：医药制造业、电子及通信设备制造业、航空航天制造业、电子计算机及办公设备制造业以及医疗器械及仪器仪表制造业。本文的数据处理与效率评价将在上述分类标准的基础上进行。

科学的指标评价体系是保障输出结果准确性的重要基础。在参考《高技术产业统计年鉴》的构建标准基础上，选取R&D人员折合全时当量X1（人年）、R&D经费内部支出X2（亿元）、技术改造经费支出X3（亿元）为投入指标；申请专利数Y1（件）、当年价总产值Y2（亿元）、利税Y3（亿元）以及新产品销售收入Y4（亿元）为产出指标。详见表1。

表1 中部高技术产业R&D效率指标评价体系

3.评价模型构建

3.1 DEA效率评价方法

数据包络分析（data envelopment analysis，简称 DEA）是从相对有效性出发对各决策单元进行效率评价，评价时注重对每个决策单元进行优化。判断一个决策单元是否为DEA有效，本质上是判断该决策单元是否位于生产可能集的生产前沿面上。[11]凡处在前沿面上的决策单元，DEA认为投入产出组合最具效率性，否则为DEA无效。为便于分析，本文选取BC2模型来说明DEA效率评价的基本原理。

C2R公式假定存在n个需要评价的决策单元DMU，每个决策单元DMUj均存在m项投入Xj与s项产出Yj，其中xij表示对第j个决策单元第i种输入的投入量，xij≥0；yij表示对第j个决策单元第i种输出的产出量，yij≥0；Vi=对i种输入的一种度量；Ur=对第r种输出的一种度量，i=1，2，…，m；j=1，2，…，n；r=1，2，…，s。Xj=（x1j，x2j，…，xmj）T；Yj=（y1j，y2j，…，ysj）T分别表示第j个决策单元DMUj的输入向量和输出向量，该数据可以根据历史资料或统计数据得到。

公式是考虑规模收益不变(crs)的C2R模型，若在限定条件在加，则就可得到考虑规模收益变化(vrs)的BC2模型。其中，s-与s+表示决策单元R&D活动产出不足与投入冗余；θ表示决策单元的技术效率值（TE），若θ＝1，且s-=s+=0则说明该决策单元DEA有效；若θ=1，且s+=s-≠0，则该决策单元为弱DEA有效；弱θ<1，则该决策单元为DEA无效。

3.2 Malmquist—TFP全要素生产率分析法

全要素生产率（Total Factor Productivity,TFP）是1994年Rolf Fare,Grosskopf与Norris等人通过对不同时期的距离函数进行演绎与描述，得出各决策单元（DMU）的距离函数，进而构造出基于DEA的Malmquist指数。[12]该指数非参数法不需设定具体的生产函数，可以避免不适当函数设定带来的问题。基本原理如下：

假设存在n个需要研究的决策单元，其中第j个决策单元的要素投入向量为xj=（x1，x2，…，xn），产出向量为yj（y1，y2，…，yn），以t时期为基准的Malmquist生产力指数定义为

同理以t+1期为基准的Malmquist生产力指数为

对以上两式求几何平均数，则可作为衡量从t期到t+1期生产率变化的Malmquist指数，即：

若TFP>1，说明决策单元由t到t+1期全要素生产率是增长的；若TFP<1，则说明决策单元为负增长；若TFP=1，说明全要素生产率指数不变。将上式进一步可变形为：

这样，TFP指数被分解为两个部分：一部分为技术效率指数(efficiency change)，该指数用于度量产出向最优生产前沿面的靠近；另一部分为技术进步指数（technical change），衡量技术进步指数的水平。[13]

4.实证分析

本文的实证分析在数据处理使用DEAP2.1软件，内部算法使用多阶段（Multi-Stage）分析方法，各指标计算结果详见表2。

4.1 技术效率(TE)分析

由表 2 可以看出，2004—2009 年中部地区 H1、H2、H4以及H5,所代表的行业的技术效率值均为1，为DEA有效；而航空航天制造业H3的技术效率值则为0.246，远低于产业均值0.849，为DEA无效。DEA有效表明企业R&D资源投入较为合理，要素组合比例适当，不存在投入冗余或产出不足。DEA无效则表明企业R&D资源配置不合理，规模收益偏离最优状态，经营管理水平不善等。

具体而言，（1）医药制造业H1与医疗器械及仪器仪表制造业H5是关系国家社会保障建设的重大民生工程，受到国家和社会的关注较多，因而支持该领域R&D活动的资金与人员投入较多，市场需求不断。强劲的需求拉动与激烈市场竞争不断激励该领域优化资源配置，调整不合理的组织结构，加强管理等。（2）电子及通信设备制造业H2、电子计算机及办公设备制造业H4具有较高的技术成熟度和产业关联度，与其它产业渗透性强，市场需求旺盛使得技术日益成熟，因而其行业R&D资源投入具有较明确的市场导向性，投入结构优化、经营管理完善，进而实现R&D产出最大化。（3）航空航天制造业H3的R&D效率无效，存在一定的冗余与不足，而且规模收益递减，行业效率严重低下。航天航空业多以国有的国防军工企业为主，该类企业技术转化率较低，技术市场成熟度不高，加之企业规模很大，企业生产规模很容易超出规模收益递增的临界点，进而导致技术效率、规模效率的低下。为此，必须强化创新体制改革与经营管理体制改革对航天航空业的重要性，破除僵化体制等。

表2 2004—2009年中部六省高技术产业R&D投入产出效率比较

4.2 纯技术效率(PE)与规模效率(SE)分析

纯技术效率(PE)表明企业R&D资源投入产出点与生产前沿面的距离。规模效率(SE)说明企业规模是否处于最优的状态，即在该规模下企业的产出是否达到最大化。

表 2 中显示：2004—2009 年中部地区的 H1、H2、H4以及H5,代表的产业的纯技术效率与规模效率均为1，目标投影不存在冗余或不足，规模收益处于恒定的阶段。而航空航天制造业H3的纯技术效率值为0.280，规模效率为0.879，远落后于均值，并且在人员投入、专利数、利税等指标上也存在不同程度的冗余和不足。资源配置不合理、浪费严重，从而导致企业规模收益递减。理论上应当适当减少各要素投入，以求生产点落在最优前沿面上，但实际上加大投入力度依然是企业R&D效率提升的直接手段与必要条件。因此，航天航天制造业R&D效率的提高，首先必须更加注重高精尖人才的培养，坚决避免人浮于事、机构浮肿的现象；其次，大幅增加经费投入，提高运营效率，并且更加注重产出效率。

4.3 中部地区Malmquist—TFP指数分析

表3给出了2004—2009年中部地区高技术产业分年度Malmquist—TFP指数变化情况，观察发现：2004—2009年间电子计算机及办公设备制造业H4的TFP值最高；医药制造业H1与航空航天制造业H3次之；最后是电子及通信设备制造业H2与医疗器械及仪器仪表制造业H5,。2007年的TFP分别比去年增长了35.7%与34.8%，增幅较为明显，但2006、2008与2009年出现下降，TFP指数波动较大，平均值下拉。（2）电子及通信设备制造业H2在2005、2006与2007年逐年稳步增长，效率提升呈现良好的发展态势，2008、2009年则大幅下降，其中2008年的TFP值降幅最大。（3）航空航天制造业H32005年强劲增长，增幅高达137.1%，2006与2009年却大幅下降，而2007、2008年又缓慢增加。由此可知，该行业TFP效率值的增长具有极大的不稳定性，年度之间差异明显。这很可能是由航天航空业的行业特殊性决定的。（4）电子计算机及办公设备制造业H4于2005、2006与2008年均发生增长，其中2006年增幅最为显著，高达212.4%；而2007、2009年效率却发生下降。（5）医疗器械及仪器仪表制造业H5,2005与2007分别较去年出现增长而2006、2008与2009则分别较去年下降。因此，该行业R&D效率发展也具有波动性与不平衡性。

4.4 分行业各年度技术进步指数(TEch)变化

技术进步指数(TEch)表示使生产前沿面向右上方移动在多大程度上是靠技术进步而发生的。当TEch>1时即发生了技术进步。当TEch<1时，则表示技术进步的推动作用微弱。

表4显示：（1）2005—2009年高技术产业技术进步指数分别为 1.173、1.246、1.206、0.853 与 0805。由此可知，2005、2006与2007年高技术产业TFP的提高主要是由技术进步推动的，而受资源配置效率的影响较小；2008、2009年出现了技术退步，资源配置效率相对下降，因此可以断定技术进步指数与资源配置效率指数共同导致2008与2009TFP的下降。（2）表中显示，5个高技术产业的平均技术进步指数均大于 1，分别为：1.114、1.096、1.077、1.560 与 1.016，由此可知高技术产业内部技术进步指数对产业效率的提升发挥了主导作用，技术进步对产业效率的影响力与推动力超过了资源配置效率的影响。

表4 中部六省分行业各年度技术进步指数(TECH)变化

表3中部六省各行业分年度Malmquist—TFP变化

由上表可以得到5年间中部地区高技术产业R&D活动的TFP呈增长态势。但是各年效率的发展又存在一定的差异。具体而言，以2004年为基年，（1）医药制造业H12005与

5.结论与建议

通过DEA效率评价分析，本文得出如下结论：（1）除航天航空业外，其余高技术行业技术效率、纯技术效率以及规模效率均为1，为DEA有效。航天航空业技术效率则严重偏低，纯技术效率与规模效率也小于1，企业规模收益递减的。（2）2004—2009年间中部地区高技术产业的技术效率均值为0.849，这表明中部地区高技术产业存在15.1%的投入资源浪费以及投入要素匹配不合理。航天航空业技术效率的低下成为高技术产业整体技术效率不高的主要原因。（3）电子计算机及办公设备制造业的Malmquist—TFP指数与技术进步指数(TEch)最高，行业技术进步成为推动电子计算机及办公设备制造业效率提升的关键动力。这很大程度上得益于该领域技术成熟度高、产业关联度大以及技术渗透性强等特点。

为快速提高中部地区高技术制造业的R&D效率，本文从以下几个方面提出对策建议：（1）必须持续加大对高技术产业R&D活动投入力度，注重要素投入结构的有效性，提高资源配置效率，投入不仅要求量的提高，更重要的是“质”的优化。（2）大力培养企业自身高精尖的科研队伍，吸引并汇聚区内科技资源，建立、完善并认真落实有效率的创新绩效评价机制与创新成果激励机制，从而形成企业“创新—成果—激励—再创新”的良性循环。（3）加强区内外科研成果与先进技术的交流与共享，共同攻克重大科研难题，提高地区整体R&D实力与区域竞争力。对于重大的科研攻关项目，充分发挥武汉、长沙与合肥的科研机构、高等院校众多的优势，着重增强区域内生R&D动力，在有效度量各地比较优势的基础上，整合相关资源，重点建设一批具有地方特色的优势高技术产业。（4）充分发挥技术进步对高技术产业效率的推动作用，积极实验并发展外延技术，着重提高对高技术的吸纳与再创新能力，适当扩大企业规模，优化组织结构，进一步增强自主创新能力，加快技术进步。（5）政府角度出发，一方面，适当放松对某些国有高技术产业的行政控制力度，积极推行经营管理制度改革与市场化改革，进一步破除企业发展的机制障碍；另一方面，建立并完善相关的财税、金融、人才、土地等方面政策，加强政策优抚力度与支持范围，着力打造符合地方特色的高技术产业发展群，切实增强区域产业发展后劲。

注：

①注：数据通过对《中国高技术产业统计年鉴（2005—2009）》整理计算得来。

［1］Ellis.Connolly,Kevin J.Fox..The Impact of High-Tech Capital on Productivity Evidence from Austealia[J].Economic Inquiry,2006，(1):50—68.

［2］Walsh,Kathleen.Foreign High-Tech R&D in China:Risks,Rewards,and Implication for U.S.-China Relations[J].Research Technology Management,2003，(6):60—61.

［3］Tsai.Kuen-Hung,Wang.Jiann-Chyuan.R&D Productivity and the Spillover Effect of High-Tech Industry on the Traditional Manufacturing Sector:The Case of Taiwan[J].World Economy,2004，(10):1555—1570.

［4］Hashimoto,Akihiro&Haneda,Shoko.Measuring the change in R&D efficiency of the Japanese pharmaceutical industry[J].Research Policy,2008,(12):1829－1836.

［5］吴瑛,杨宏进.基于R&D存量的高技术产业科技资源配置效率DEA度量模型[J].科学学与科学技术管理，2006，(9):28—32.

［6］徐光瑞.中国高技术产业集聚与产业竞争力——基于5大行业的灰色关联分析[J].中国科技论坛，2010，(8):47—54.

［7］蒋 倩,宋铮.我国高技术产业外商直接投资的影响因素分析——基于省级面板数据的实证研究[J].经济论坛，2010，(10):19-22.

［8］沈 华,汪郎峰.我国高技术产业研究人员创新特征因素研究[J].科技进步与对策，2010，(21):133-139.

［9］潘雄锋,刘凤朝,杨玲.中国区域高技术产业竞争力的时空演化特征分析[J].科学学研究，2009，(1):52-58.

［10］刘志迎,叶蓁,孟令杰.我国高技术产业技术效率的实证研究[J].中国软科学，2007，(5):133-137.

［11］魏权龄.数据包络分析[M].北京:科学出版社，2004.1-13.

［12］Farer,Grosskopf S,Norrism,Z.Zhang.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J].American Economic Review，1994，(1):66-83.

［13］才国伟.中国区域经济增长决定因素分析[M].北京:科学出版社，2010,26-31.

Research on the R&D Efficiency of High-Tech industry in the central region based on the modal of DEA-Malmquist

Ni Li，Yun Po
（Anhui University,Hefei Anhui 230601,China）

under the ideological background of the rise of technology in the central.This paper based on the data of statistical Yearbook of China’s High-Tech industry,analyzing the integrated technical efficiency,resource allocation efficiency and technical progress index of High-Tech industry in central six provinces from the year 2004 to 2009.The result show:The invalid of the integrated efficiency of aerospace is the main reason that leading to lower the overall efficiency of High-Tech industry.The value of TFP in computer and office equipment manufacturing industry and the index of technological progress is the highest.The technological progress index playing an more important role in promoting the development of High-Tech industry than resources configuration index.Finally several suggestions are given that improving the efficiency of non-effective industries.

High-Tech industry;DEA—Malmquist;Resource allocation efficiency;Technical progress;the central region.

F276.44

A

1672-0547（2011）05-0020-04

2011－08-13

倪 丽（1987－），女，安徽合肥人，安徽大学商学院技术经济管理2010级硕士研究生，研究方向：技术效率评价；

云 坡（1989－），男，安徽阜阳人，安徽大学商学院技术经济及管理专业2010级硕士研究生，研究方向：技术创新与投资。

国家软科学研究计划项目（编号：2007GXQ4D159），安徽大学“211工程”三期重点项目《经济学与安徽经济社会发展》和安徽大学学

术创新团队计划项目《技术创新与管理》（编号：SKTD007B）研究成果。