国家软件产业基地运营效率研究——基于三阶段DEA模型

朱方洲

（安徽经济管理学院 信息技术中心，安徽 合肥 230059）

根据《国家软件产业基地管理办法（试行）》（2001），国家软件产业基地是国家在具有一定科技研发能力的地区，以现有软件产业为基础，建立的专门从事软件研发和信息化解决方案的产业基地，通过对基地内大型骨干企业和技术鲜明的中小型企业的培养和扶持，为国民经济建设提供强有力的信息化保障。软件产业基地并不是一个实在的物理区位概念，而是表现为一定区域内软件产业发展资源的集聚。截至2011年底，经认定的国家软件产业基地共有38个，分布于全国各地，此外亦有诸多的省级、市级软件产业基地。软件产业基地是推动软件产业良性发展的重要支撑，评估软件产业基地的发展绩效对优化软件产业发展环境、提高软件产业发展质量和水平、优化产业结构、扩大就业规模以及促进我国经济增长方式的转变都具有重要意义。随着国家软件产业基地的不断增多，对其绩效评估也越发必要与重要。因此，系统分析不同区域的国家软件产业基地的发展绩效，寻找效率差距原因，对单个基地的建设以及区域间基地的协调发展都具有重要的实践意义。

一、相关文献综述

软件产业基地的发展绩效是政策制定者、基地创建者、管理者、进驻企业以及其他利益相关者共同关注的问题，也是学者关注的重要领域。关于如何衡量国家软件产业基地的绩效，诸多学者进行了相关研究。

石晓军（2003）[1]运用传统DEA模型对国家软件产业基地从制度效率及规模效率两个方面进行评价。刘园园等（2009）[2]采用DRF和DEA方法对国家级重点软件园的投入产出效率进行评价和分析。孙剑、陈永高（2010）[3]运用CCR模型评价了我国国家软件产业基地的相对效率。高爱雄（2011）[4]基于GEM模型理论建立了软件产业集群竞争力评价模型，并加以实例验证。吴文清、赵黎明（2012）[5]运用DEA方法对32个国家软件产业基地连续4年的运营效率进行分析，并利用Malmquist生产率指数测算其效率变动。

除对软件产业基地进行研究外，还有诸多学者对软件产业的发展现状进行了分析。代志华（2004）[6]总结了国际软件产业发展模式，并提出了对中国软件产业发展有借鉴意义的发展模式。张旭明（2005）[7]研究了2000年以来我国各项软件产业发展的扶持政策，分析了2000-2004年间软件产业在资金保障、人才培养、技术创新、出口、知识产权保护等方面的发展成就。华金秋等（2007）[8]对北京、上海、广东三地的软件产业进行了比较研究。孙川（2009）[9]通过偏离—份额分析模型对我国区域软件产业结构的效应与竞争力进行了实证研究，并对发展过程中的贡献和制约两因素进行了总结。陈蕾（2011）[10]分析了我国软件产业组织的演进规律，结果表明我国软件产业组织处于不断调整并趋向合理的阶段。

综观上述研究，主要是从管理学与公共政策科学方向对软件产业基地与软件产业的发展现状所做的研究。在我国，许多学者研究了诸多行业或产业（如能源、交通、电力、银行）的绩效评估问题，但对软件产业基地的关注不足。运用传统DEA方法衡量软件产业基地绩效的研究逐渐增多，但总体较少，也存在一定的不足，在研究过程中相对停留于数据的基本表征而缺乏更加深入的分析内容；运用三阶段DEA模型评估软件产业基地的绩效几乎没有，而三阶段DEA方法最大的优点在于过程演进的同时也揭示原因，该模型测算的是一种相对效率，虽有模型风险（原因揭示上具有片面性），但可在指标选取范围内实现原因分析上的周延。本文尝试运用该模型研究我国东部、中部和西部三个区域间国家软件产业基地的运营效率，探究其差异的原因。

二、研究方法——三阶段DEA模型

Charnes、Cooper和Rhodes（1978）[11]创设的DEA模型（称为CCR模型）得到了广泛的应用，但传统DEA模型的非参数法忽略了外部环境、随机误差等对运营效率的影响，片面地将任何与效率前沿的偏差都全部落归到管理的无效率，致使所得的效率值在一定程度上失真。其后，Banker、Charnes和Cooper（1984）[12]在CCR模型的基础上将纯技术效率从技术效率中分解出来，更加准确地衡量所评估对象的经营管理水平（称为BCC模型），相对严谨之余仍未克服其根本缺陷。Berg⁃er、Humphrey（1991）[13]提出的DEA两阶段模型，虽测度环境变量对决策单元效率的影响，但该模型在实际应用中忽略了原属于投入松弛或产出剩余里的信息，无法排除环境和统计噪音对效率值的影响。因此，Fried等（2002）[14]提出了更加完善的三阶段DEA模型，在测算过程中去除了非实际影响企业创新效率的因素，计算的结果更加真实。三阶段DEA模型运用步骤如下：

阶段一：传统DEA模型。该阶段采用投入导向的规模报酬可变的BCC模型对投入产出数据进行DEA分析，BCC模型在理论和实际运用中都较为成熟，此处不再详述。

阶段二：构建相似SFA模型。该阶段目的是为调整投入量，分离出受外部环境及随机误差因素影响的效率值，得出仅是由管理无效率造成的决策单元投入冗余。

首先，确定阶段一的投入松弛变量，如下式所示：

（1）式中，Ski为第i个决策单元第k个投入的松弛变量，亦即第i个决策单元第k项投入实际值与最优值的差额；Xk是X的第k行，Xkλ是xki对应产出向量在投入效率子集上的最优映射。

其次，建立SFA回归方程：

（2） 式中，zi=[ ]z1i,z2i,…,zpi为p个可观测的环境变量，βk为zi对投入松弛变量Ski的影响程度，fk(zi;βk)表示确定可行的松弛前沿，通常取fk(zi;βk)=ziβk;vki和uki分别表示第i个地区第k个投入的统计噪音和管理无效率，vki+uki为混合误差项。

接着运用Frontie4.1工具估算式（1），先求出σ2和γ等未知参数，其中γ=σ2uk/σ2uk+σ2vk，根据管理无效率的条件估算式（3），先求出E(uki/vki+uki),f、F分别是标准正态分布的密度函数和分布函数，ε是联合误差[9]。

再根据E(vki/vki+uki)=Ski-ziβk-E(uki/vki+uki)，将所估计的值代入以下调整的式子：

（4）式中，xki表示实际投入值；xAki表示调整后的投入值；表示全部决策单元位于相同环境中；[m ax{vki}-vki]表示所有决策单元处于相同自然状态中。

阶段三：调整以后的DEA模型。即用调整之后的决策单元投入代替原始投入，再次导入阶段一。此时得到的各决策单元的效率值即为剔除了环境因素和随机误差后的接近真实值，更能反映出实际效率。

三、样本选定与变量选取

（一）研究样本的选取

鉴于数据的可得性与完整性，本文选取2011年中国各省级行政单位（数据缺失的香港、澳门、台湾排除其外）的国家软件产业基地（园）作为样本，文中所使用的基础数据来源于《中国火炬统计年鉴2012》和《中国统计年鉴2012》。由于样本数量较大以及一些样本数据的缺失，对一些关键指标数据不全的样本进行了剔除，而非采用线性插值法、移动平均法等方法进行数据弥补。据此，本文获得有效观察样本34个，每个样本都作为一个决策单元。

（二）投入与产出指标的确定

国家软件产业基地正常运营需要多方面的要素予以保障，根据投入产出原理，本文选取能够充分反映国家软件产业基地“人、财、物”三方面的投入指标：①现有占地面积，反映其当前用地累计投入；②科技活动经费支出总额，涵盖研究与试验发展经费支出、软件研发经费支出与新产品研发经费支出；③年末软件从业人数，突出人力投入的专业性与针对性。

产出指标亦选取三个：①软件出口创汇额，体现其对外收益，反映该软件基地在国际市场中的竞争力；②实际上缴税额，体现其对国内社会价值与经济贡献，反映该软件产业基地在国内市场中的总体表现；③净利润，体现其投资回报的实现程度，反映其自我积累与持续发展的能力。

在投入与产出指标选定后，需对两者进行相关性分析以证明投入与产出是正相关关系。通过Spearman的相关性检验，结果如表1。由表1可知，所选取的投入与产出均显示出一定程度正相关性（现有占地面积与软件出口创汇额之间的相关性较低，但与实际上缴税额、净利润间在0.01水平上显著相关），这表明本文所选取的投入与产出指标在同向性上满足模型原始假设，具有合理性。

表1 同向性检验

（三）环境变量的选取

环境因素（亦称外部影响因素）不在样本主观控制范围之内，但影响国家软件产业基地的运营效率，有必要加以考虑，本文选取以下四个环境变量：

（1）当地经济发展水平。用所属省区人均GDP来衡量，其差异会直接影响创新氛围、政府支持力度以及对软件产业基地建设的投入。

（2）当地科技发展水平。用所属省区科技进步水平指数来衡量。该指数是当地万人大专以上学历人数、R&D经费支出与GDP比例、财政科技支出占财政支出比重、企业R&D经费支出占主营业务收入比重、万名就业人员专利申请量、万人技术成果成交额、高技术产业增加值占工业增加值比重等诸多重要指标的综合反映，这些对软件产业基地的各项投入与产出均有影响。

（3）政府资助。用中央政府部门投入资金与地方政府投入资金之和来衡量。政府资助是国家软件产业基地自有资金与商业贷款之外的又一资金来源，获得政府资助越多，对其发展就可能越有利。

（4）行业从业人员结构。用所属省份信息传输、计算机服务和软件业从业人员同城镇单位就业人员的比值来衡量。不同省区的软件从业人员的结构直接影响软件产业基地劳动者的专业素质与内部比例结构。

四、实证分析

（一）阶段一的实证结果

经过对数据的标准化处理，运用DEAP2.1工具对上述基地的相对效率水平、所处规模报酬状态加以BCC分析，如表2所列。

从表2可以清晰地看出，34个国家软件产业基地的综合技术效率参差不齐，最高为1，最低为0.253，两者相差0.747，说明各个基地间的横向效率差异明显。但是，有11个国家软件产业基地的综合技术效率为1，表明这些基地处于技术效率前沿，其他综合技术效率小于1的基地表明尚有一定的技术效率提升空间。在不考虑外部环境因素和随机误差影响的情况下，总体纯技术效率均值达到0.786，规模效率均值为0.879，均较高，但大部分基地的规模效率值比纯技术效率值更接近效率前沿，说明决策与管理水平的纯技术效率不高制约了基地的效率提升，各基地现有资源未能充分利用、投入要素浪费的问题亟须解决。

表2 阶段一DEA模型处理结果

根据中国地理区域划分，东部、中部和西部三个区域内的国家软件产业基地数分别为18个、9个和7个。表2反映了三个区域间的综合技术效率差异显著：东部最高，为0.832；西部次之，为0.630；中部最低，为0.467。而对比结果显示，三者的规模效率均值比较接近，分别为0.932、0.874和0.746，规模效率的标准差仅为0.095，验证了三者差异较小；但三区域纯技术效率的标准差为0.198，偏离率较大，说明造成三区域综合技术效率显著差异的原因在于纯技术效率差异，亦即决策与管理水平上的差别，纯技术效率不高是制约国家软件产业基地效率提升的主要因素。而且，中部与西部的综合技术效率均低于全国平均水平，东部综合技术效率显著超越总体均值。但这只是第一阶段DEA的初步实证结果，还有待模型的进一步推理与验证。

（二）阶段二的SFA回归分析结果

将阶段一得出的各基地投入变量的松弛变量作为被解释变量，将上述4个环境变量作为解释变量，运用Frontier4.1工具进行SFA回归分析，如表3所列。

表3 SFA模型的回归结果

由表3可见，4个环境变量中所属省区经济水平、所属省区科技水平、行业从业人员结构对一阶段3种投入松弛变量的回归系数均能在5%、1%或0.2%的显著性水平下通过检验，说明这3种环境因素对阶段一的投入冗余存在显著影响。需要说明的是，政府资助虽然对投入冗余的影响未通过

T值检验，但是仍然存在方向性影响[15]。从估计结果来看，γ值显著接近于0，说明该4种投入中随机误差影响占据主导地位，对运营效率起着重要的影响。因此，该阶段进行SFA回归很有必要。

投入松弛变量体现为各决策单元实际投入与最佳投入间的差额[16]，因此，在产出一定的情况下，消减投入冗余可提高各地区软件产业基地的运营效率。这里，进一步考察环境变量对各投入松弛变量的回归系数：若回归系数小于零，说明环境变量对该松弛变量的影响为负，意味着环境变量的增加会带来投入冗余的降低，因而有利于减少浪费、提高效率；反之，若环境变量对松弛变量的回归系数大于零，说明环境变量对该松弛变量的影响为正，意味着投入松弛变量会随着环境变量的增加而增加，此时会引起投入的浪费和效率的降低。具体而言：

（1）所属省区经济水平对现有占地投入松弛和科技活动经费投入松弛有显著的负向影响，这表明软件产业基地所属省区经济水平有利于其土地和资金的有效配置。这与实际情况是相吻合的，经济水平较高的省区由于拥有相对较强的政府宏观调控能力，降低了软件产业基地的运营风险，为基地高效运营提供了有效保障。而所属省区经济水平对人力投入松弛的正向影响，则可能与不同经济水平条件下的劳动力成本有关。

（2）所属省区科技水平对现有占地投入松弛变量、科技活动经费投入松弛变量和人力投入松弛变量系数均为正，且在5%或0.2%显著水平上显著，这说明科技水平的提高增加了投入冗余。显然，在产出不变的情况下，科技水平的提高要求土地、资金和人力的减少，因而带来相应的冗余。

（3）政府资助理应增加软件产业基地的运营效率，但是经验分析并不支持该假设。虽然回归不显著，从方向上来看，政府资助对现有占地投入松弛变量系数为负，但对其余两个投入松弛变量的系数为正。这表明我国政府部门资助对国家软件产业基地的运营效率并没有起到应有的作用。

（4）行业从业人员结构对现有占地投入松弛变量、科技活动经费投入松弛变量和人力投入松弛变量均具有显著的负向影响，表明行业内从业人员结构越合理，越能减少各项投入的冗余和浪费。

（三）阶段三的投入调整后的实证结果及与阶段一的对比分析

对各基地的投入进行调整后，再次运用DEAP2.1工具对调整后的投入和原产出进行类似阶段一的分析，如表4、表5所列。

表4 阶段三处理结果

续表4

表5 不同区域阶段三处理结果统计

通过表5分析可得出，在剥离环境因素的影响后，东、中、西部的国家软件产业基地的综合技术效率均值变小，由0.694变为0.686，总体水平不高，各自缩小的幅度也不大，说明不同区域软件产业基地的绩效受环境因素的干扰减少，而且各区域内部受到了提供配置的利好环境影响。但是，东部地区纯技术效率与规模效率均呈下降趋势，说明环境因素对纯技术效率与规模效率的影响有利，剔除后反而使其失去一定的优势，纯技术效率与规模效率均下降的合力致使综合技术效率整体下滑。调整后的中部与西部地区的纯技术效率上升，规模效率反而下降，说明环境因素对其的影响各有弊、有利，而且纯技术效率的上升被规模效率的下降所抵消，致使综合技术效率出现小幅下降，说明总体上对环境因素有一定的依赖。此外，中部地区纯技术效率与规模效率的变动幅度相较于东部地区更大，说明其受环境因素的影响更为明显，依赖性更强。

阶段二剔除的所属省区经济水平、所属省区科技水平、政府资助、行业从业人员结构4个环境因素显然是引起区域间国家软件产业基地运营效率差异化的重要原因，且经阶段三调整计算后，三区域综合技术效率差异仍较为明显。表5显示，投入调整后的三区域各自纯技术效率值分别为0.883、0.795和0.890，较为接近（三者标准差仅为0.053，相对于阶段一的0.198明显下降）；而东、中、西部规模效率值依次变为0.924、0.569和0.707，差距明显（三者标准差为0.179，相对于调整前的0.095明显上升）。根据每个决策单元“综合技术相率=纯技术效率×规模效率”的基准，在三区域纯技术效率接近的情况下，造成三个区域技术效率差异的主要原因在于规模效率的差异化，在投入导向型的DEA模型中，意味着相同产出时投入的差异化。

从投入上看，依据模型选取的三大投入指标，东、中、西部三区域在场地投入、经费投入和人力投入上存在巨大差异，数据显示：东、中、西部三区域的国家软件产业基地的现有占地面积均值分别为279.889万平方米、72万平方米和117.571万平方米；东、中、西部三区域的国家软件产业基地的科技活动经费支出总额均值分别为458999.611万元、73207.311万元和120323.128万元；东、中、西部三区域的国家软件产业基地的年末软件从业人数均值分别为64224.611人、17758.222人和29516.429人。模型演进证明：上述各基地规模上的投入差别引起各自综合技术效率差异；各基地规模效率差别的存在，并且在三大区域内不平衡分布，演进为三大区域规模效率的差异；三大区域规模效率相互偏离较大，加之纯技术效率水平接近，两者乘积的唯一结果必然是区域范围间的综合技术效率差异。

因而，本文DEA阶段一的初步结论经过阶段演进后应予更正，规模效率对三区域技术效率差异的贡献更为突出。即便如此，也不排除纯技术效率差异对三区域综合技术效率差异的影响，虽然三区域纯技术效率的标准差极小，但也反映差异的实际存在。三区域各自平均技术效率虽呈缩小趋势（技术效率均值由阶段一的0.528下降为阶段三的0.522），但相互间的效率差距却增大（技术效率标准差由阶段一的0.183变成阶段三的0.185），此中有纯技术效率变动的影响。

实证结果表明，揭示技术效率差异的原因对“相对弱者”的行为指引具有显著意义：中、西部地区无疑要提升规模效率；而对“相对强者”的行为指引需另辟蹊径，综合强化：东部地区要在规模效率与纯技术效率提升上均衡考量。通过对DEA阶段三的内部结果的比较分析，可以发现，东部地区纯技术效率与规模效率均比较好，处于高位，且规模效率值高于纯技术效率值，说明在纯技术效率上提升空间更大，东部地区更应关注管理水平的提高；西部地区纯技术效率甚至比东部地区还高，而规模效率却远不及东部地区，相较之下，西部地区要注重规模效率的提升，重点考虑适度加大投入；中部地区的纯技术效率、规模效率皆远落后于东、西部地区，不仅管理水平需要提升，投入也需增加。而且，中部、西部区域调整后的综合技术效率值均低于全国总体水平，更加凸显东部地区作为效率前沿的拉动作用，而中、西部对全国的贡献为负，中、西部地区需要做出的努力更大。

五、结论与建议

本文运用三阶段DEA模型对2011年度34个国家软件产业基地的运营效率进行了测算，并根据区域差异作了效率对比分析，为明晰不同区域的国家软件产业基地的效率问题提供了参考。研究结果表明：①东、中、西三大区域的国家软件产业基地在不同程度上受到所属省区经济水平、所属省区科技水平、政府资助、行业从业人员结构等环境变量的影响。剔除环境因素的干扰，三大区域的国家软件产业基地的总体平均技术效率仍然不高，还有很大的效率提升空间。②规模效率差异是三大区域软件产业基地运营效率差异的根本原因，纯技术效率对该差异有重要影响。③国家软件产业基地效率的提升因区域而异，三大区域各需在纯技术效率上或规模效率上或两方面共同加以努力：东部要注重管理，西部要注重投入，中部两者皆需。三区域均要有所作为，但侧重点不同。同时，也要因基地而异，效率提升在根本上需各个国家软件产业基地的自身努力。

至此，文章提出以下政策建议：

（1）软件产业有其自身的特殊性，对经济水平、技术水平、人才素质等因素的要求较高，而地域、交通等不利因素可以克服，因此在国家软件产业基地的布局上可以实现各区域协调发展，政府宏观调控有较大发挥空间，对国家软件产业基地的认定应聚焦于区域相关资源集中度，而非重点关注其地理位置。

（2）要整合资源，合理投入，打破制约各区域国家软件产业基地发展的规模瓶颈。规模效率低下是制约中、西部地区国家软件产业基地提升效率的主要因素。中、西部地区与东部发达地区相比资源成本优势较为明显，但是资源的分散性削弱了其成本优势，不利于规模经济的实现。政府在宏观调控过程中要敢于打破地域的局限，勇于整合各项可利用资源，善于将成本优势转化为效率优势、经济优势。

（3）针对政府资助（环境变量之一）对国家软件产业基地的运营效率并没有起到应有作用的情况，要求政府等外部环境在支持国家软件产业基地发展的同时，亦要充分调动国家软件产业基地自身积极性。要寻求提升纯技术效率和规模效率间的行动平衡点，避免顾此失彼，确保在克服软件产业基地发展障碍的同时，带动各基地纯技术效率和规模效率双向提升，最终提高整体效率。

（4）针对中部地区国家软件产业基地纯技术效率上与规模效率皆落后的情况，首先，需要中部地区各基地自身加强投入，提高管理水平，改善自身规模配置能力，完善内部监督机制和制度规范，减少重复建设，避免跟风发展。其次，在原有政策基础上，中央政府要额外给予政策关怀，增加转移支付，在全国均衡布局基地；当地政府也要加强优惠政策供给，塑造良好环境，引进人才，不能让中部地区在软件产业基地与软件产业的发展上成为东部地区与西部地区之间的“薄弱地带”。同时，对东部与西部区域的支持亦不可忽略。

[1]石晓军.国家软件产业基地制度效率与规模效率评价:基于DEA的方法[J].经济地理，2003，23（5）:597-600.

[2]刘园园，苏秦，陈婷.基于DRF和DEA方法的中国主要软件园投入产出效率评价[J].科技管理研究，2009（7）：403-405.

[3]孙剑，陈永高.国家软件产业基地运行效率评价探析[J].商业时代，2010（10）：124-125.

[4]高爱雄.软件产业集群竞争力评价[J].科技管理研究，2011（9）：54-56.

[5]吴文清，赵黎明.中国国家软件产业基地动态效率评价[J].工业工程，2012，12（6）：37-43.

[6]代志华.软件产业发展模式国际比较及借鉴[J].商业研究，2004（8）：49-51.

[7]张旭明.我国软件产业的政策及其绩效分析[J].软件世界，2005（4）：23-25.

[8]华金秋，李丽.北京、广东、上海软件产业比较研究[J].北京工商大学学报:社会科学版，2007，22（4）：112-116.

[9]孙川.基于SS的区域软件产业结构效应与竞争力实证分析[J].北京师范大学学报（社会科学版），2009（3）：113-123.

[10]陈蕾.软件产业组织演进的理论与实证研究——基于中国软件产业的数据[J].经济问题探索，2011（1）：58-65.

[11]Charnes A，Cooper W W，Rhodes E.Measuring the Effi⁃ciency of Decision Making Units[J].European Journal of Operation Research，1978，2（6）：429-444．

[12]Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envel⁃opment analysis[J].Management Science，1984，30（9）：1078-1092.

[13]Berger A N.Humphrey D B.The dominance of inefficien⁃cies over scale and product mix economic in banking[J].Monetary Economics，1991，28（1）：117-148.

[14]Fried H O.Acounting for environmental effects and statisti⁃cal noise in data envelopment analysis[J]．Journal of pro⁃ductivity analysis，2002（1）:171.

[15]李然，冯中朝.环境效应和随机误差的农户家庭经营技术效率分析——基于三阶段DEA模型和我国农户的微观数据[J].财经研究，2009（9）:92-101.

[16]金春雨，程浩，宋广蕊，等.基于三阶段DEA模型的我国区域旅游业效率评价[J]. 旅游学刊，2012，27（11）：56-65.