基于三阶段DEA模型的信息产业技术效率研究

2014-02-09陶长琪

当代经济研究 2014年4期

关键词：省域信息产业规模

陶长琪，周璇

（江西财经大学信息管理学院，南昌330013）

基于三阶段DEA模型的信息产业技术效率研究

陶长琪，周璇

（江西财经大学信息管理学院，南昌330013）

我国省域信息产业的技术效率受环境因素影响较大，经济发展的块状效应导致信息产业发展不均衡、规模效率低下是造成信息产业技术效率偏低的主要原因。我国除上海、江苏和广东外，其余省市均处于规模报酬递增阶段。政府部门应尽量营造同质的生产环境，努力促进省域科技和人力的资本积累，并通过提升信息产业的总体规模效益，不断优化科技、人力等资源的有效配置，有效地增长信息产业的技术效率，进而促进信息产业的发展进步，实现经济的快速协调可持续发展。

区域差距；信息产业技术效率；纯技术效率；规模效率

一、引言

信息产业是指由计算机和通讯设备行业组成的IT产业总和，是我国重要的战略性新兴产业之一。近三十年来，我国的信息产业始终保持着高速增长，截止2012年底，我国规模以上电子信息制造业增加值同比增长12.1%，比工业平均增速高出2.1个百分点，实现销售产值85044亿元，同比增长12.6%。软件业收入高达25022亿元，同比增加28.5%。①但我国省域间的信息产业技术效率差异是否显著？存在怎样的差异？差异存在的主导因素有哪些？这些问题还有待进一步研究。本文通过测度全国30个省市的技术效率，探究引起省域技术效率差异的深层次原因，并提出相应的对策建议，这对增强我国信息产业的技术效率，建设技术创新型国家具有一定的现实意义。

目前，对信息产业发展现状的研究大多限于信息产业的发展模式、产业结构演进机制和影响因素分析等方面，很少有文献通过技术效率的测度衡量省域信息产业的发展水平。而常用的生产效率测算方法是ChernesA［1］和AignerDJ［2］等提出的随机前沿方法（SFA）和数据包络分析（DEA）等参数、非参数方法。国外关于DEA和SFA以及三阶段DEA方法的应用很多，Fried等很早就提出了将环境效应和统计噪音纳入DEA的生产者绩效评价的三阶段DEA方法。［3］Wen－JenTsay和CliffJ.Huang等通过对随机前沿模型（SFA）封闭形式的累积分布函数综合误差的分析，发现有限样本SFA模型的极大似然估计具有广阔的应用前景。［4］陶长琪、王志平评述了随机前沿方法的历史沿革和缺陷，并展望了该方法的研究前景。［5］王莉等对我国商业银行进行了修正的三阶段DEA效率测算，验证了商业银行有关变量的非线性影响关系。［6］林宇等用三阶段DEA方法评价了我国各个公司间债务融资效率的规模状态，并给出了相应的政策建议。［7］

现有的与信息产业相关的技术效率测度只涉及了综合技术效率的计算，没有分离随机误差和环境因素的干扰，对决策单元的评价不是很客观。通过对已有文献的归类总结，本文选取2004～2011年信息产业的投入产出和环境变量，借助三阶段DEA模型，测度我国省域信息产业的技术效率，分析主要的影响因素，给出相关的结论和建议，以期为政府的宏观调控提供依据。本文的贡献之处在于：（1）探究了省域信息产业技术效率的差异性；（2）三阶段DEA方法综合了传统DEA方法和SFA方法的优点，用其测算我国信息产业的技术效率并分解，剔除了统计噪声和环境变量的影响；（3）对分解的综合效率、纯技术效率和规模效率进行时空特征分析，深层次剖析了省域信息产业效率变化的原因。

二、研究方法

2002年Fried等人对传统的DEA方法进行了修正，充分考虑研究对象的外部环境和随机误差的影响程度，提出了一种更优的评估决策单元效率的方法，即三阶段DEA方法。［3］

1.第一阶段：传统的DEA模型

为了评价“多投入多产出”下各单元的决策相对有效性，该阶段使用传统的投入产出数据进行初步的DEA分析，以实现优化资源配置并使得整体效率得到提升。［8］鉴于信息产业发展的科技发展水平和综合经济实力等因素的差异性，每个地区很难一直保持最优的生产规模状态。［9］因此，本文选取投入导向下的BCC分析模型，而DEA模型十分常见，故略去数学原理阐述。

2.第二阶段：相似SFA分析模型

SFA模型通过如下两个步骤进行［10］。第一步为SFA回归，Fried等认为，DEA第一阶段测算出的投入产出松弛变量的影响因素为统计噪音、外部环境因素和管理效率，原始的DEA模型笼统归纳了三因素的影响程度。［3］为了分离统计噪音和外部环境因素的干扰，并且将投入冗余归因于DMU的管理无效率，我们需构建上述三因素的相似SFA模型：

其中，snk为第k个地区在使用第n个投入时的松弛变量，zk＝［z1k，z2k，…，zpk］为p个可观测的环境变量，βn表示环境变量对投入松弛变量snk的影响程度，fn（zk，βn）是确定的松弛前沿，一般取fn（zk，βn）＝βnzk，vnk和unk分别表示第k个地区在使用第n个投入时的统计噪音和管理无效率，vnk和unk服从截断正态分布。在统计检验中，用γ检验复合扰动项中管理无效率所占的比例，那么1－γ用于检验复合扰动项中统计噪音所占的比例。

第二步，调整上述SFA模型决策单元的投入产出回归结果，增加处于较好外部环境或者运气较好的决策单元投入，以剔除外部环境或者统计噪音的影响。借鉴Jondrow等对回归结果的分析方法［11］，相对于较好外部环境或者运气较好的地区，本文对其他地区的投入调整如下：

3.第三阶段：调整后的DEA模型

用调整后的投入值xAnk再次代入BCC模型进行技术效率测度，重新估计不受随机干扰因素和环境因素的各地区的技术效率，得出最能完整反映各决策单元运营状况的结果。

三、变量选取、数据来源及处理

本文选取中国2004～2011年30个省、市的信息产业的省际面板数据进行处理（因西藏大部分数据缺失，故本文末将其包含在研究范围内）。

1.投入产出变量

投入变量包括劳动力的投入和资本的投入，产出变量包括信息产业主营业务收入和信息产业增加值。参照李春梅和杨蕙馨的成果，即与信息产业的狭义观点相一致，将信息产业看成是通信设备、计算机及其他电子设备制造业和信息传输、计算机服务和软件业的总和。［12］

表1 中国信息产业投入产出和外部环境指标及来源

其中，劳动力投入为表格中对应的构成要素之和，同理得出资本投入、主营业务收入和信息产业增加值。［14］通信设备、计算机及其他电子设备制造业的固定资本存量用固定资产净值替换，信息传输、计算机服务和软件业的固定资本存量用永续盘存法（PIM法）测算［15］，公式为：

其中，Kit表示i省第t年的固定资本存量，δit表示折旧率，Iit表示第t年的固定资产投资。将2004年定为基期，2004年的固定资本存量用当年的固定资产投资表示，各省市2004年的资本存量通过该年固定资产投资除以10%得到。［16］折旧率参照徐杰的研究取10.2%［17］。

2.环境变量

很多学者一致认为经济增长依赖科技发展和教育约束。本文从经济、科技和教育三方面阐释信息产业技术效率的外部影响因素。数据来源于各年的《中国统计年鉴》和中经网数据库。

（1）经济依存度［14］。该指标用外商直接投资和进出口贸易总额占GDP的比重表示，前两项指标的单位为美元，本文采用相关年份人民币对美元的汇率折算数据，通过外商直接投资和进出口总额衡量我国在经济全球化背景下与外国的技术交流程度。

（2）信息消费系数。该指标用城镇居民通信、文化娱乐用品支出占城镇居民消费总支出的比重表示。信息产品的消费程度映射出一个地区的信息产业技术效率水平。

（3）教育水平。该指标用本科及以上学历的毕业生数占总人口的比重表示。信息产业技术密集的特性使得一个地区的教育水平与该地区信息产业的技术效率息息相关。因此，教育水平为信息产业技术效率的重要影响因素之一。

（4）省域经济发展水平。该指标用各省的地区生产总值来衡量。它能全面反映地区经济发展水平，考虑到价格波动因素，本文以2004年为不变价，用各地区的国内生产总值指数进行平减。

四、省域信息产业技术效率的测度分析

1.第一阶段基本DEA的实证分析

第一阶段运用DEAP2.1软件对我国30个省市2004～2011年的综合效率、纯技术效率和规模效率进行分析。因篇幅受限，本文给出部分年份全国各省市的效率值，如表2所示。

由表2可以看出，不考虑外部环境因素和随机影响时，天津的三项效率值均为1，上海、江苏的大部分效率值都为1，这说明这些省市处于技术效率前沿面；而其他省市，如广西、内蒙古、江西、甘肃、新疆等中西部地区的三项效率都存在不同程度的改进空间。

图1 信息产业三项效率值变化态势图

从图1可见，2004年到2011年信息产业的综合效率、纯技术效率和规模效率均呈现先下降后上升的“U型”增长态势。由变化态势可知，信息产业的技术发展变化可以分为两个阶段：第一阶段为2004～2006年，这段时期我国信息产业的三项效率普遍下降，其主要原因是2000年以后我国信息产业迅猛发展，作为一个知识、技术密集型的产业，迫切需要大量投入，在发展初期出现技术匮乏的现象，造成信息产业发展效率的下降；第二阶段是2007～2011年，这一时期信息产业的三项技术效率普遍上升，说明2005年后我国加大了高科技人才的引进力度，实现了信息产业集群式发展模式。

由于第一阶段用DEA方法测算出的省域技术效率结果包含了环境干扰和随机误差项，那么就需要对其中的投入变量作进一步的调整，继续第二阶段的相似SFA计算。

2.第二阶段相似SFA回归分析

将劳动力投入和资本投入的松弛变量作为回归分析的被解释变量，将四个环境变量作为解释变量，采用Frontier软件，通过SFA模型估算环境变量对各投入变量的松弛变量的影响程度，结果如表3所示。

表3 第二阶段SFA回归结果

从表3可知，四个环境变量对两种投入松弛变量的系数大多能通过显著性检验，这说明技术效率测度受管理误差和随机误差的双重影响，外部环境因素对各省市信息产业投入冗余显著影响。文中用γ检验复合扰动项中管理无效率所占的比例，γ接近于1表示管理无效率主导该模型的误差部分，γ＝0.999999表示管理无效率几乎占据了整个模型变动的主要地位。因此，在数据的调整中不考虑随机误差项的影响，本文利用环境变量对生产效率进行调整。下面分别列出四种环境变量对松弛变量的影响。

（1）省域经济发展水平。如果区域经济发展水平越高，那么该地区能够用于调整区域信息产业结构、转变经济发展方式的资本投入就越多。随着时间的推移，经济发展带动科技等各方面的发展进步，势必需要高技术人才代替劳动密集型行业的从业人员，造成劳动力投入的冗余。

（2）教育水平。该变量与资本投入和劳动力投入之间的负相关关系显著，这说明教育水平越高的地区，对资本投入和劳动力投入的效率提高越明显。高的教育水平，一方面有助于增加教育资本的投入，如引进先进的教学设施；另一方面有利于高学历、高技术人才的引进，增加教育发展的智力资本。

（3）经济依存度。经济依存度对两种投入松弛变量的系数均为负，都通过了1%的显著性检验，这表明经济依存度能有效地降低资本投入和劳动力投入冗余的产生。外商直接投资和进出口贸易需要大量的劳动力和资本投入，外商直接投资能够引致市场对劳动力的需求，劳动密集型的进出口业务也可以显著地促进劳动力的充分利用，有效地分配物质资本。

（4）信息消费系数。信息消费系数与两种投入松弛变量的回归系数均为负数，这表明能够充分利用资本投入和劳动力投入降低不必要的冗余。地区居民的信息消费越多，那么在信息产业的资本和劳动力投入就越多，越有利于信息产业效率的提升。

3.第三阶段调整后的DEA实证分析

根据式（2）对2004～2011年的投入变量进行调整，将调整结果再次代入BCC模型，通过分析得到第三阶段需要的各效率分解值和规模报酬变化形式，如下表4所示。

表4 第三阶段中国信息产业的技术效率

通过对比表2和表4的结果，得出剔除环境因素和随机干扰项的影响之后，我国的信息产业技术效率值发生了显著变化。在调整前，综合效率、纯技术效率和规模效率均呈先下降后上升的“U”型态势。在调整后，综合效率和规模效率都存在不同程度的下降，表明环境在省域信息产业的发展过程中扮演着重要角色。上海的三项效率值仍为1，说明上海真正处于技术的前沿面，排除环境和随机干扰项影响后，江苏、山东、广东和重庆的三项效率值也大部分变成1，说明这些地区的信息产业发展环境还不够好，政府有关部门应该在外部环境的调控上做出努力，而广西、内蒙古、江西、甘肃、新疆等中西部地区的纯技术效率值也有大幅度的提升。图2和图3明确地表达出调整前后的差异。

从图2可见，调整后信息产业的综合效率、纯技术效率和规模效率值的变化都比较平稳，其中，纯技术效率值几乎接近于1。从图3可见调整前后信息产业技术效率值的变化态势，图中CE1、TE1和SE1表示调整后的信息产业技术效率值，由此可知，调整后信息产业纯技术效率与调整前相比大幅上升，而综合效率值和规模效率值比调整前低，这说明信息产业受环境因素的影响较大。尽管如此，各区域仍应继续扩大信息产业生产规模，通过缩小区域间信息技术水平实现区域间产业的协同发展，加强高新技术人才队伍的建设以稳固人力资源、实现技术创新，有效拉动市场需求，最终提升信息产业技术效率。

图2 调整后三项效率值变化态势

图3调整前后三项效率值变化比较

五、省域信息产业技术效率分布特征分析

根据上述调整后信息产业的结果，本文汇总求出2004～2011年省域信息产业以及全国的平均纯技术效率和规模效率，如下表5所示。

表5 2004～2012年省域信息产业技术效率表

本文通过信息产业综合效率与其分解的效率之间的散点图来表示信息产业分解效率对综合效率的贡献。［18］若各省域信息产业的技术效率散点图不能很好地在45度线上进行匹配，说明省域信息产业的综合技术效率同时受到两种分解效率的作用，如图4和图5所示。

图4 综合效率与纯技术效率散点图

图5 综合效率与规模效率散点图

从图4和图5可见，综合效率与纯技术效率的散点偏离45度线较多，大部分散点落于散点图的左上部分，而综合效率与规模效率的散点图偏离45度线程度较小。因此，在信息产业的技术效率分解中，规模效率对总效率的影响及制约能力略强于纯技术效率。

1.规模效率的分布特征

从表5可见，2004～2011年的平均规模技术效率为0.407，表明我国信息产业的规模效率低下，这也是导致信息产业综合效率低下的原因。2004～2011年间，东部地区的北京、天津、上海、江苏、浙江、福建、山东和广东的规模技术效率值均在0.7以上；中部地区各省份和西部地区的四川、云南的规模技术效率值均在0.1以上；西部地区的贵州、陕西、甘肃、青海、宁夏和新疆的规模技术效率值均在0.1以下。这表明我国信息产业的规模技术效率具有明显的空间集聚效应，即规模技术效率高的地区全部位于东部地区，而西部地区在基础设施、仪器设备等方面的技术配备的落后导致信息产业的规模技术效率较低。

此外，当规模收益非增条件下的效率大于规模收益不变条件下的效率时，信息产业产出处于规模收益递增阶段，这说明要素投入尚未达到最优规模，通过进一步增加投入要素，仍可以得到更高的产出，从而实现效率的进一步增长；如果规模收益非增条件下效率大于规模收益不变条件下的效率，则信息产业产出处于规模收益递减阶段，要素投入大于科技发展的承载能力，即要素冗余现象明显，那么减少投入规模就是必然的选择。

2.纯技术效率的分布特征

表5显示，2004～2011年的平均纯技术效率为0.983，表明我国信息产业的纯技术效率值很高，由此可见我国充分做到了在信息产业方面的技术推广。2004～2011年间，东部地区的北京、天津、辽宁、上海、江苏、浙江、福建、山东和广东的纯技术效率值均在0.99以上，说明除河北和福建之外，东部地区大部分省市的信息产业技术推广较好；中部地区的山西、内蒙古、吉林、河南、湖北和湖南的纯技术效率值均在0.975以上，说明除黑龙江、安徽、江西、河南和广西外，中部地区的信息产业技术推广程度一般；西部地区的贵州、云南、陕西和甘肃的纯技术效率值均在0.96以上，这表明他们的信息产业技术推广效果较差，但是西部地区的四川省的纯技术效率值为0.986，达到了中部地区的效率值范围，青海和宁夏的纯技术效率值更是达到了1，这表明他们对信息产业的技术利用率很高，充分利用了信息资源，实现了效用最大化。

六、结论与建议

本文采用三阶段DEA模型调整了我国30个省市2004～2011年的劳动力和资本投入，提供了一种更客观、新颖的测度省域技术效率的方法。研究表明：（1）环境因素对信息产业的投入产出效率影响较大，信息产业当前的现状是要素处于偏好环境以及技术处于不利环境，这也是调整后综合效率和规模效率都下降而纯技术效率显著提升的原因；（2）经济依存度和信息消费系数的提升有助于降低对资本和劳动力投入的浪费，省域经济发展和教育水平有助于减少资本投入的冗余；（3）西部地区受环境的影响程度比东中部的影响程度大得多，这表明信息产业在调整前技术效率低下的原因是所处的环境较恶劣；（4）除了上海、江苏和广东外，其余省份信息产业均处于规模报酬递增阶段，存在较大进步空间。

基于上述研究，本文提出以下几点建议。首先，由于环境对信息产业的技术效率影响很大，那么就要明晰影响省域信息产业技术效率变化的主要原因，利用好对技术效率具有促进作用的因素，规避对信息产业具有抑制作用的因素；其次，政府部门应尽量营造同质的生产环境，努力促进省域科技和人力资本的积累，提高经济增长的速度，并保证经济增长的质量，实现经济的快速协调可持续发展，以此促进信息产业的发展进步；再次，应努力改善影响西部地区信息产业发展的环境现状，扩大信息产业的企业规模，提升信息产业的总体规模效益；最后，省域政府部门应始终将信息产业的发展进步作为区域发展的首要任务，不断优化科技、人力等资源的有效配置，从而有效地增长信息产业的技术效率。

注释

①数据来源于2012年电子信息产业统计公报。

［1］Chernes A.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research.1978，（6）.

［2］Aigner D J，Lovell C K，Schmidt N.Formulation and Estimation of Stochastic Frontier Production Functions Models［J］.Journal of Econometrics.1977，（1）.

［3］H.O.Fried，C.A.K.Lovell，S.S.Schmidt，S.Yaisawarng.Accounting for Environmental Effects and StatisticalNoise in Da-ta Envelopment Analysis［J］.Journal of Productivity Analysis.2002，（17）.

［4］Wen－Jen Tsay，Cliff J.Huang，Tsu－Tan Fu，I－Lin Ho.A Simple Closed－Form Approximation for the Cumulative Distribu-tion Function of the Composite Error of Stochastic Frontier Models［J］.Journal of Productivity Analysis.2013，（3）.

［5］陶长琪，王志平.随机前沿方法的研究进展与展望［J］.数量经济技术经济研究.2011，（11）.

［6］王莉，李勇，王满仓.中国商业银行SBM效率实证分析－基于修正的三阶段DEA模型［J］.上海经济研究.2012，（6）.

［7］林宇，邱煜，高清平.基于三阶段DEA的房地产公司债务融资效率研究［J］.科研管理.2013，（8）.

［8］CharnesA，CooperWW，RhodesE.MeasuringtheEfficiencyofDecisionMakingUnits［J］.EuropeanJournalofOperationResearch.1978，（2）.

［9］程慧平.基于DEA和SFA方法的信息服务业技术效率研究［J］.科学学与科学技术管理.2013，（4）.

［10］邓波，张学军，郭军华.基于三阶段DEA模型的区域生态效率研究［J］.中国软科学.2011，（1）.

［11］Jondrow J，Materov I，Lovell CK，etal.On the Estimation of Technical Inefficiency In the Stochastic Frontier Production Model［J］.Journal of Econometrics.1982，（2）.

［12］李春梅，杨蕙馨.中国信息产业技术效率及影响因素分析－基于随机前沿分析方法的省际实证研究［J］.产业经济评论.2012，（11）.

［13］李琳.基于三阶段DEA模型的中国信息产业效率实证研究［J］.统计与决策.2011，（16）.

［14］何枫，陈荣.经济开放度对中国经济效率的影响：基于跨省数据的实证分析［J］.数量经济技术经济研究.2004，（3）.

［15］黄莉芳，黄良文，洪琳琳.基于随机前沿模型的中国生产性服务业技术效率测算及影响因素探讨［J］.数量经济技术经济研究.2011，（6）.

［16］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952－2000［J］.经济研究.2004，（10）.

［17］徐杰，段万春，杨建龙.中国资本存量的重估［J］.统计研究.2010，（12）.

［18］梁流涛，杨建涛.中国旅游业技术效率及其分解的时空格局－基于DEA模型的研究［J］.地理研究.2012，（8）.

责任编辑：蔡强

F260

1005－2674（2014）04－044－09

2013－12－20

定稿日期：2014－03－19