中国区域R&D投入绩效的统计评价

钟卫

（中国人民大学公共管理学院，北京100872）

中国区域R&D投入绩效的统计评价

钟卫

（中国人民大学公共管理学院，北京100872）

近几年，中国R&D经费投入不断增加，各省份企业R&D经费投入占全国R&D经费投入的比重快速增长。文章利用DEA模型对第二次全国经济普查资料中30个省份的工业企业R&D投入产出数据进行效率评估。模型运算的主要结果表明，中国工业企业的R&D投入绩效不高，主要原因来自规模效率。文章建议政府和企业决策者在重视科技创新时，不能再简单地选择加大R&D经费投入的老路子，而是要合理安排R&D经费投入结构。

绩效评估；DEA；R&D投入；可变规模收益

0 引言

科学研究与试验发展（R&D）是指为了增加知识的总量，包括有关人类、文化和社会的知识，以及运用这些知识创造新的应用所进行的系统的、创造性的工作。R&D活动可分为三类：基础研究、应用研究和试验发展[1]。R&D活动是企业科技活动的基础和核心，对于增强企业竞争能力，实现持续其快速发展起着极为关键的作用。

R&D经费的来源主要依靠政府和企业投资。从结构看，企业R&D经费增长速度远超过政府的投入是近几年R&D强度增长的直接原因。2000年R&D投入中来自企业的比重是57.6%，到了2008年，这个比例达到71.7%。与之相反，政府资金虽然绝对量也在增长，但其在总体中的比重却下降明显，从2000年的33.4%缓慢跌至2008年的23.6%。

这种“政府的比重不断下降，企业的比重快速上升”的现象引起人们的广泛关注，其中一个热点争论是企业这种快速增长的R&D经费投入效果如何？由于一个国家或地区的R&D资源投入往往受其所处经济发展阶段等因素的约束，中国R&D经费投入快速增长的局面必然逐渐受到限制，科技创新的模式也必然从粗放式的经营——加大R&D经费投入水平，转向重视投入产出的效率。

本文拟采用多输入多输出相对效率评价方法——数据包络分析(Data Envelopment Analysis，DEA)模型，对第二次全国经济普查规模以上工业企业R&D投入绩效状况进行分析和评价。

1 变量和数据的选择

要综合评价R&D活动的效率和有效性，设置的输入输出指标体系应力求全面、系统。但考虑到DEA方法对指标选取的要求，所设置的指标体系不宜层次复杂，应以尽可能少的指标来反映尽可能多的信息。本文选取的是第二次全国经济普查中与R&D投入和产出有关的数据。与常规的企业科技统计年报仅调查大中型工业企业不同，全国经济普查的范围还包括规模以上小型工业企业的信息，因而更能反映中国企业的R&D投入规模。

R&D活动的输入主要是R&D经费投入和R&D人员投入，它们是科技活动的核心指标。R&D经费投入（支出）指报告年度在企业科技活动经费内部支出中用于基础研究、应用研究和试验发展三类项目以及这三类项目的管理和服务费用的支出。不论何种经费来源，只要实际用于上述三类项目的经费支出都应计算在内。R&D人员指企业科技活动人员中从事基础研究、应用研究和试验发展三类活动的人员，包括直接参加上述三类项目活动的人员及这类项目的管理和服务人员。与R&D人员相关的另外一个指标是R&D人员折合全时当量，它是由参加R&D项目人员的全时当量及应分摊在R&D项目的管理和直接服务人员的全时当量两部分相加计算，其中，全时人员是指在报告年度从事R&D活动的工作时间占全年工作时间的90%以上(含90%)的专职人员。由于R&D人员和R&D人员折合全时当量的相关性极高，因此，考虑R&D人员投入时使用R&D人员折合全时当量更加准确地反映R&D人员投入。

工业企业R&D活动的产出（绩效）可以采用多个指标来衡量。OECD提出了技术创新的概念及统计测量规范，建议通过R&D活动向生产性开发和商业性活动延伸，给出了科技投入—技术获取—成果转化—产出的系统测量方法。这样不仅可以观察开发自主知识产权(R&D)的努力程度，还可观察将R&D成果转化为产品并实现市场价值所做的努力，为测量科技进步对经济增长的贡献开辟了一条新的途径[9]。遵照上述思想，同时考虑第一次全国经济普查数据的获取性问题，本文将选取以下3个指标来测度R&D绩效：发明专利申请数、新产品销售收入、主营业务利润。发明专利的申请数指企业在报告年度内向专利行政部门提出发明专利申请并被受理的件数，该指标衡量了发明专利申请的活跃程度，测度了企业技术创新活动绩效的直接表现。新产品销售收入指报告年度本企业销售新产品实现的销售收入，是衡量产品创新的最直接指标。主营业务利润反映了企业主要经营业务获利的能力，是衡量企业市场创新能力的关键指标，也是R&D活动的最终体现。

对全国30个省、市、自治区的R&D投入指标和R&D产出指标①数据来源是国家统计局未公开发行资料：2009工业企业科技活动白本年报。由于西藏的数据和其他省份具有明显的不可比性，因此本文中只含有30个省、市、自治区的数据。描述统计结果显示：从R&D投入水平看，东部地区规模以上工业企业的投入规模明显高于中部地区，而中部地区又明显高于西部地区，其中，东部地区R&D经费内部支出平均值分别是中部地区和西部地区的3.3倍和8.2倍，R&D人员折合全时当量平均值分别是中部地区和西部地区的2.5倍和5.6倍。从R&D产出成果看，东部地区规模以上工业企业的各项成果指标明显高于中部地区，而中部地区又明显高于西部地区，其中，东部地区专利申请数的平均值分别是中部地区和西部地区的4.8倍和9.6倍，新产品销售收入的平均值分别是中部和西部地区的3.5倍和7.1倍，主营业务利润的平均值分别是中部和西部地区的2.6倍和5.5倍。由此可见，东部地区由于具备了丰富的人财物等方面的资源优势，工业企业的科技创新成果非常活跃，使得其R&D产出成果不论在直接表现上还是最终表现上均有绝对的优势；而中西部地区则相对薄弱，尤其是西部各方面指标都是最低。

2 计算结果分析

考虑到R&D活动的投入较产出更容易控制，本文将第二次全国经济普查资料中30个省份的工业企业R&D投入产出原始数据代入DEA Excel Solver软件[10]，利用投入导向的（Input-Oriented）CCR模型和投入导向的（Input-Oriented）BCC模型，求得各省份的综合技术效率（即CCR模型得分）、技术效率（即BCC模型得分）、规模效率，以及各自的规模收益状况，见表1所示。

2.1 综合技术效率分析

CCR模型计算结果显示在表1的第2列，数据表明：中国大部分省份R&D投入的综合技术效率不高，且效率值差异悬殊。这是因为：（1）在30个省份中，近2/3（19个）的省份CCR得分低于平均水平0.534，最低的CCR得分只有0.171（山西）；（2）只有2个省份（海南、吉林）处于CCR有效状态。

从区域角度看，东部地区综合技术效率值最高，平均为0.625，西部地区综合技术效率值次之，平均为0.450，中部地区综合技术效率值最低，平均为0.397。进一步，通过Kruskal-Wallis非参数检验方法检验东、中、西三个地区的CCR效率值的差异是否显著。经计算，Kruskal-Wallis检验统计量为5.385，大于显著性水平为10%，自由度为2的分布的临界值4.6052，但小于显著性水平为5%，自由度为2的分布的临界值5.9915，，因此，我们认为东、中、西三个地区在CCR得分上差别已经很显著。

2.2 技术效率分析

技术效率也就是所谓的制度效率，它是是指企业的科技创新知识与硬件环境、科研管理制度、激励制度、财务制度、成果转化制度等是否能够保证科技创新投入资源（人、财、物）的生产潜力能够充分地发挥出来，可以简单地认为技术效率就是指企业自身的经营和管理水平。技术效率水平可以通过BCC模型来反映，计算结果显示在表1的第3列。

数据表明：与综合技术效率相比较，中国的技术效率水平明显较高，均值达到0.877。技术有效的省份在2个CCR有效省份的基础上，新增加了11个：北京、河北、上海、江苏、浙江、山东、广东、河南、重庆、四川、新疆。

从区域角度看，东部地区技术效率值最高，平均为0.955，西部地区技术效率值次之，平均为0.771，中部地区技术效率平均值最低，平均为0.707。Kruskal-Wallis检验显示，东、中、西三个地区的技术效率值在统计学上有显著差异，这是因为H统计量的值大于临界值，即

2.3 规模效率分析

规模效率是指企业在制度设计已经给定的前提下，最有效的资源投入规模是什么。如果规模有效则意味着，在给定制度设计的前提下，此时投入资源的规模正恰到好处，既不浪费也紧缺，处于规模报酬不变的最佳状况。提高规模效率的方法主要是调控资源投入规模，对于输入导向的模型而言就是减少冗余的投入水平，使决策单元能投影到有效前沿面。

CCR模型用于评价决策单元是否同时为技术有效和规模有效，BCC模型仅用于评价技术效率是否最佳，两者结合起来便可以对决策单元技术效率和规模效率作综合分析，即规模效率等于CCR效率/BCC效率。计算结果显示在表1的第5列。

数据表明：与综合技术效率类似，中国大部分省份规模效率水平不高，平均得分只有0.604。进一步，比较东、中、西部三个地区规模效率值。东部地区规模效率最高，平均得分为0.646，西部地区规模效率次之，平均得分为0.611，中部地区规模效率最低，平均得分为0.539，但Kruskal-Wallis检验显示，东、中、西三个地区的规模效率值在统计学上没有显著差异，这是因为H统计量的值小于临界值，即，H=

2.4 规模收益分析

规模收益要探讨的问题是：当所有投入要素的使用量都按同样的比例增加时，这种增加会对总产量有什么影响。规模收益可分为规模收益递增、规模收益不变和规模收益递减三种类型。

表1 DEA效率和规模收益

以输入导向的BCC模型做规模收益分析的结果见表1的第4列。数据显示，中国绝大部分省份规模投入不经济，这是因为：除了2个CCR有效的省份由于位于生产前沿面上，具有最优的规模效率，规模收益不变，其他28个省份，有27个省份属于规模收益递减，1个省份（青海）属于规模收益递增。

2.5 经济发展水平与DEA效率相关性分析

表2计算了综合技术效率、技术效率、规模效率与人均地区生产总值、人均R&D经费内部支出之间的相关系数。结果显示：尽管地区经济发展水平与人均R&D经费投入之间的相关系数高达0.939，但是与技术效率水平的相关程度并不高(相关系数为0.437)，与规模效率则完全无关。

表2 DEA效率、人均地区生产总值、人均R&D经费内部支出之间的相关性

3 主要结论和建议

本文选择R&D经费内部支出、R&D人员折合全时当量作为投入指标，发明专利申请数、新产品销售收入、主营业务利润为产出指标，采用投入导向的CCR模型与BCC模型，对第二次全国经济普查资料中30个地区的R&D投入产出数据进行效率评估。模型运算的主要结果表明：

（1）只有2个省份属于综合技术有效，近2/3的省份综合技术效率低于平均水平，中国工业企业的R&D投入绩效亟待提高。

（2）综合技术效率水平偏低的主要原因在于规模效率水平较低。中国工业企业R&D投入的技术效率水平较高，在30个省份中有13个省份是完全技术有效，技术效率水平均值高达0.877，但规模效率平均得分只有0.604，最终使得中国大部分省份R&D投入的综合技术效率不高，综合技术效率平均得分为0.534。

（3）综合技术效率值与投入量关系不密切。从投入的绝对量上看，东部地区最优，中部地区次之，西部地区最差，但是从投入产出的效率水平看，东部地区综合技术效率值最高，西部地区次之，中部地区最低。

（4）东部地区优势在于技术效率，中、西部地区在技术效率和规模效率上两者都不占优势。东部地区由于经济发展水平靠前，自身经营和管理条件优越，技术效率水平很高，综合技术效率水平也相对较高；经济发展水平和R&D经费投入居中的中部地区，自身经营和管理条件较差，再加上资源投入规模不合理，使得综合技术效率水平最差；西部地区的技术效率水平和规模效率水平比中部地区稍好，因而综合技术效率水平也比中部地区更高。

（5）R&D投入没有呈现规模经济。只有1个省份规模收益递增，2个省份规模收益不变，绝大部分省份规模收益递减。

我们认为，中国各省份工业企业R&D投入综合技术效率水平不高，如何提高绩效是摆在每个政策制定者面前的首要问题。在经济发展的初级阶段，政府和企业决策者往往会选择加大R&D经费投入，但是，DEA理论告诉我们，提高绩效水平应该从提高技术效率和规模效率两方面入手，而简单地增加投入水平有时没有任何好处，甚至会降低综合技术效率水平。中国现阶段绩效水平不高的主要原因来自规模效率，因此，本文建议政府和企业决策者在重视科技创新时，不能再简单地选择加大R&D经费投入的老路子，而是要合理安排R&D经费投入结构。具体来说：（1）东部地区需要以适当控制R&D投入规模，提高规模效率水平为主，对于规模收益递减的省份，如果大幅增加一些新的投入项目，一定要有充足的理由，否则还是不上为好；（2）中部和西部地区需要在提高自身管理水平和灵活控制R&D投入规模两方面入手，技术效率低下的省份需要在科技创新的硬件环境、科研管理制度、激励制度、财务制度、成果转化制度方面积极改进以提高技术管理水平，规模收益不变或递增的省份多承接一些东部地区不适合投资的科技项目，规模收益递减的省份在开设新的科技项目时一定要谨慎，避免造成有限资源的浪费。具体到各个省份的情况需要结合前文中的分析做出正确的决策。

两点本文的缺陷。第一，到目前为止，没有一个权威的R&D活动产出的定义或者测量方法，本文选择的变量也仅仅是一家之言。第二，R&D活动完成以及成果的实现都需要一个过程，因此在分析DEA技校的时候都需要考虑投入和产出之间的滞后[11]。但由于资料所限，我们仅仅使用了1年的数据。

[1]OECD.Frascati Manual 2002:Proposed Standard Practice for Surveys on Research and Experimental Development:the Measurement of Scientific and Technological Activities,Organization for Economic Co-operation and Development[Z].Paris:Organization for Economic Co-operation and Development,2002.

[2]钟卫.我国R&D经费投入模式分析及建议[J].统计研究，2010，（2）.

[3]Charnes A,Cooper W W,Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978,2(6).

[4]Banker R D,Charnes A,Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984,30(9).

[5]钟卫，袁卫，黄志民.工业企业R&D投入绩效研究——基于第一次全国经济普查数据的分析[J].中国软科学，2007，（5）.

[6]Ying,Sung.Measuring the Research Performance of Chinese Higher Education Institutions-an Application of Data Envelopment Analysis[J].Education Economics,2000,（8）.

[7]Johnes J.Data Envelopment Analysis and its Application to the Measurement of Efficiency in Higher Education[J].Economics of Education Review,2006,（25）.

[8]Golany B,Roll Y.An Application Procedure for DEA[J].OMEGA,1989,17(3).

[9]察志敏.国外科技统计发展与我国科技统计改革思路[J].统计研究，2000，（4）.

[10]Zhu J.Quantitative Models for Performance Evaluation and Benchmarking:Data Envelopment Analysis with Spreadsheets(2ndEdition)[M].New York：Springer,2008.

[11]Wang E C,Huang W.Relative Efficiency of R&D Activities-A Cross-country Study Accounting for Environmental Factors in the DEA Approach[J].Research Policy,2007,36.

F224

A

1002-6487（2011）07-0091-03

教育部“211工程”三期子项目；中国人民大学科学研究基金资助项目（08XNB010）

钟卫（1976-），男，安徽桐城人，博士研究生，研究方向：科技政策分析。

（责任编辑/亦民）