甘肃省R＆D活动效率研究

张爱宁，玄兆辉，马巧丽

(1.甘肃省科学技术情报研究所，甘肃 兰州 730000;2.中国科学技术发展战略研究院，北京 100038; 3.兰州商学院，甘肃 兰州 730000)

甘肃省R＆D活动效率研究

张爱宁1，玄兆辉2，马巧丽3

(1.甘肃省科学技术情报研究所，甘肃 兰州 730000;2.中国科学技术发展战略研究院，北京 100038; 3.兰州商学院，甘肃 兰州 730000)

本文基于数据包络分析的VRS模型原理提出了R＆D活动效率的测算方法，运用第二次R＆D资源清查资料对甘肃省2009年各市州的R＆D活动效率进行了测算，分析了各地区R＆D活动的DEA有效性、纯技术效率、规模效益情况，并就部分地区R＆D活动效率低的原因及如何调整其投入产出项的组合，从而达到较高的效率进行了深入研究。

R＆D活动;DEA方法;综合效率

研究与试验发展 (R＆D)，是指在科学技术领域，为增加知识总量以及运用这些知识去创造新的应用而进行的系统的创造性的活动，包括基础研究、应用研究、试验发展三类活动［1］。随着各国对科技活动的战略导向日益重视，政府对R＆D资源的投入也日益增加，如何合理有效地利用R＆D资源，使其最大限度地发挥作用就成了各界关心的问题，因此，R＆D活动绩效评估作为一种配置科技资源的管理手段，成为关注的焦点。本文从多投入多产出的视角出发，运用数据包络分析方法，对甘肃省2009年R＆D活动的效率进行综合评价。

1 R＆D活动绩效评价的DEA模型

数据包络分析 (Data Envelopment Analysis，简称DEA)是美国著名运筹学家查恩斯和库伯教授首先提出的［2］，它是以相对效率概念为基础，借助凸分析和线性规划而发展起来的一种非参数模型方法，用以对效率进行量化和测量。该方法在处理多投入和多产出问题上具有绝对优势:它不需要选择生产函数;不需要进行参数估计;不需要对投入、产出指标进行无量纲化处理;不必确定投入与产出之间关系的表达式;不需要主观赋予每个指标权重，具有黑箱子方法的特色。

DEA分析方法可以分为:规模报酬不变(CRS)假设下的模型和规模报酬可变 (VRS)假设下的模型。在对被评价对象进行投入产出效率分析时，主要考虑两方面的问题:投入规模是否适当及生产技术的潜力能否得到充分发挥。在CRS模型的假设前提下，两个问题合二为一;而VRS模型假设前提下，可以分别计算出纯技术效率和规模效率［3］。当样本中各个被评价对象的规模相差很大时，采用VRS模型计算结果的更为准确，由于甘肃省各市州的R＆D活动水平差异较大，规模也不尽相同，本文运用数据包络分析的多阶段VRS模型对R＆D活动效率进行分析测度。

分析中主要计算R＆D活动的技术效率、R＆D资源的规模效率及综合效率，技术效率反映实际产出相对于生产前沿面的有效性，表示为现有生产函数下所能实现的产出与最优产出的比率，该指标小于1时表示存在技术无效率。而规模效率反映以最佳的比例使用投入的能力，体现要素投入结构的合理程度。技术效率与规模效率的乘积为综合效率。

2 甘肃省R＆D活动效率分析

2.1 变量与数据

根据第二次R＆D资源清查的数据资料，对甘肃省14个市州R＆D活动的效率进行综合评价。首先要确定综合评价指标体系，评价指标的选择应该在满足评价目的的前提下使指标体系尽可能简洁实用，同时也应具有代表性和一般性。所以，构建评价指标体系时既要注意全面性和系统性，又要注意指标的科学性，此外还要考虑指标数据的可获得性。本文从以上原则出发，在参考了国内外关于R＆D活动指标体系构建的文献基础上，选择了反映R＆D活动中包括投入和产出两个大类的指标。选取投入指标为:R＆D经费支出、R＆D人员全时当量;产出指标为:有效发明专利数、科技论文数、科技著作和形成国家或行业标准数。

2.2 R＆D效率的测算与分析

应用DEAP2.1软件进行分析计算，结果整理如表1:

(1)综合效率分析。

综合效率衡量的是在一定的技术水平下，生产相同的产出压缩投入使用量的能力。计算结果表明:兰州、武威、庆阳、定西、陇南和甘南的综合效率为1，同时我们发现这6个地区的规模收益不变，表明它们的R＆D活动无论从技术上还是从资源配置上都达到了最优。其他8个地区的综合效率值均小于1，表明这些地区的R＆D活动为非DEA有效。

(2)纯技术效率分析。

纯技术效率值衡量的是与资源配置因素无关，而完全由于技术因素导致的效率水平。从表2可以看出，甘肃省14个市州中，纯技术效率大于0.8的有9个，占64.29%。总的来看，全省纯技术效率的平均值为0.734，说明大部分地区的纯技术效率值较高。其中，有7个地区的纯技术效率值为1，说明这些地区的R＆D活动处于生产前沿面上。同时也体现了甘肃省R＆D活动利用现有生产技术的能力很强，能够在减少投入的同时尽可能地提高产出的水平。嘉峪关、白银、酒泉和金昌的纯技术效率水平较低，显示其远离生产前沿面，亟待改进R＆D活动的效率。其他纯技术效率值小于1的地区也应该积极学习借鉴同行的经验，提高技术效率(见表2)。

(3)规模效率及规模有效性分析。

规模效率衡量的是随着活动主体投入的增加，规模收益是否会同比例增加，规模收益较大比例增加或者减少都说明活动主体未能达到最优配置水平。从表1可以看到，甘肃省各地R＆D活动规模效率的平均值为0.827，兰州、武威、庆阳、定西、陇南和甘南6个地区规模效率值为1达到了规模最优，规模效率较低者如金昌为0.371，临夏为0.383，显示出它们的R＆D活动规模严重偏小。金昌、白银和临夏处于规模效益递增阶段，说明这三个地区的R＆D投入不足，应该加大对于R＆D活动的投入，其他非规模有效的地区都处于规模效益递减阶段，但这并非说明这些地区R＆D活动的规模偏大了，而是由于这些地区R＆D活动的投入产出效率太低所造成的，表明这些地区当前R＆D活动未能达到前沿效益。

综合效率可以分解为纯技术效率和规模效率，从表3看出规模有效的地区占42.86%，略低于技术有效的50%。

表3 规模有效性分布表

从计算结果还可以看出，部分地区R＆D活动的投入不是很大，但是产出量适中，结果也为DEA有效，比如甘南、陇南、定西、庆阳等;而投入较大的嘉峪关、金昌、天水等却为非DEA有效，究其原因，这些地区经济基础较强、财力雄厚，从而往往投入也较大，从统计数据来看，产出也较大，但与其投入相比，产出仍然不足，在DEA标准下为非有效。

2.3 聚类分析

为了更直观地分析各市州R＆D活动效率层次，显示各地区R＆D活动的共同点和差别，找出优势和不足，我们运用聚类分析方法，根据DEA分析结果中的效率值对各地区进行聚类分析。运用SPSS软件中的Hierarchical cluster方法进行分析，得到聚类谱系图如图1所示。

图1 系统聚类谱系图

根据R＆D活动的各效率值将14个市州分为三大类:

第一类:陇南、甘南、兰州、庆阳、定西、武威、张掖和天水，共8个地区。该类中的各地区R＆D活动的投入产出效率相对较高，包括技术和配置的，即它们的投入产出在技术上有效、规模收益上处于最优。

第二类:白银、酒泉和嘉峪关3个地区。该类中各地区的规模效率较高，但技术效率较低，从而导致综合效率较低。

第三类:平凉、临夏和金昌3个地区。这些地区的规模效率较低，但纯技术效率相对较高，从而导致其综合效率相对较低。该类中的各地区都是技术非有效的，因此，要在现有的投入规模下，加强投入资源的管理，不断增加产出以提高R＆D活动的投入产出效率。

3 优化R＆D活动效率的投影分析

投影分析是通过将一个非DEA有效地区的活动效率在生产前沿面上进行“投影”，从而可以测算出它与相应的DEA有效的“差距”有多大，这样就可以通过调整非DEA有效地区的投入与产出量，将其提高到DEA有效水平上［4］。它是用来改进一个非DEA有效评价对象使之成为DEA有效的一个可行方法，同时明确了非有效的原因并指出了实现DEA有效的路径，这些信息对于决策者是非常有参考价值的。依据DEA的“投影”理论，我们可以通过分析模型中各地区的投入冗余和产出不足，发现其R＆D活动效率低的原因及改进的方向。

表4反映了各市州R＆D活动的投入冗余额与产出不足额，从中可以看出，非DEA有效地区，在投入和产出的某些维度上存在投入冗余或产出不足现状。从投入的角度看，除了各地区R＆D经费支出的冗余额几乎都为0，显示出该投入结构比较合理，R＆D人员的全时当量这一投入指标的冗余额几乎都大于0，说明各地区的R＆D人员投入不均衡，明显存在投入过大的问题 (相对于DEA有效地区而言);从产出的角度看，大部分地区在有效发明专利数、科技论文数、科技著作方面存在不同程度的产出不足额情况 (相对于最有效率的地区而言)，还有很大的改进空间。表4中，投入指标项的冗余额表示相对于DEA有效地区而言需要减少的投入量;产出指标的不足额表示相对于DEA有效的地区而言还能增加的产出量。

表4 各市州R＆D活动效率的投影分析结果

4 结论与建议

通过对各市州2009年的R＆D活动效率分析发现，甘肃省R＆D活动投入产出有效性的情况并不令人十分满意，大部分地区的R＆D活动效率为非DEA有效，其原因主要是R＆D活动投入存在冗余，资源没有能够发挥应有的作用及产出的不足。因此，对于R＆D活动投入过剩的地区，R＆D活动效率的提高应该通过调整投入结构来实现，对于R＆D活动产出不足的地区要增加其R＆D投入来提高效率。

另外，对DEA有效地区和非DEA有效地区观察来看，并不是经济越发达的地区或者R＆D活动投入越多的地区其R＆D活动效率越高。R＆D活动效率的提高并不是单靠增加投入来进行的，而是要使科技经济协调发展，关键是提高科技经济一体化水平。同时各地区在提高R＆D活动资源配置相对有效性的基础上，要注重投入与产出结构的调整，不应该过分强调短期的R＆D活动直接产出，应更关心R＆D活动成果的原始创新和成果的后期转化。对于R＆D活动效率较高的地区，应在加大投入的同时，更加关注怎样使R＆D活动投入更快更多地转化为现实生产力，加快形成科技产业化，为经济建设服务。而R＆D活动效率较低的地区应根据本地的具体情况找出其不利影响因素，采取相应措施，力争使其R＆D活动效率达到最优。

［1］科学技术部.中国科学技术指标2008［M］.北京:科学技术文献出版社，2009.

［2］魏权龄.技术进步评估的DEA方法［M］.北京:社会科学文献出版社，1993.

［3］李甫问，孔鹏志.多目标DEA模型的多阶段评价分析［J］.山东大学学报(理学版)，2010，45(2):31－36.

［4］俞立平，郑彦宁，潘云涛，武夷山.数据包络分析在科技评价中的指标优化研究［J］.中国科技论坛，2008，(4):105－109.

Research on Efficiency of R＆D Activity of Gansu Based on the Multi－stage VRS Model of DEA Method

Zhang Aining1，Xuan Zhaohui2，Ma Qiaoli3
(1.Institute of Scientific＆Technical Information of Gansu，Lanzhou 730000，China; 2.Chinese Academy of Science and Technology for Development，Beijing 100038，China; 3.Lanzhou University of Finance and Economics，Lanzhou 730000，China)

Based on VRS model of data envelopment analysis and the data of the second investigation of R＆D Resources，the paper puts forward the measuring method for efficiency of R＆D activity to calculate the efficiency of R＆D activity of Gansu provinces in 2009. Meanwhile，the paper analyzes the DEA validity，pure technical efficiency and scale efficiency of various regions.In order to reach a better efficiency，it makes a further study on the reasons of low－efficiency of R＆D activity and how to adjust the combination between inputs and outputs correctly in some areas.

R＆D activity;DEA method;Comprehensive efficiency

甘肃省科技创新团队建设计划“科技评估规程与质量控制创新团队”(98TTCA012)。

2011－12－08

张爱宁 (1982－)，男，甘肃兰州人，管理学硕士，助理研究员;研究方向:科技评价。

F062.3

A

(责任编辑 刘传忠)