考虑发展差异的区域技术创新效率评价研究

秦毅 姜钧译 何新宇

[摘要]区域技术创新效率是区域发展的动力，是衡量区域技术创新运营机制有效程度的重要标准，而区域发展水平的不同对技术创新的贡献要求亦不同。本文采用钱纳里的经济发展阶段分类标准对区域进行分类，同时考虑样本量的约束，运用引入分类变量后基于Gini准则修正的DEA模型对我国2009年30个省级层面的技术创新效率进行分析，并根据结果提出不同地区的改进取向。

[关键词]技术创新效率；数据包络分析；分类变量；Gini准则

[中图分类号]F121 [文献标识码]A [文章编号]1005-6432（2014）8-0023-04

技术创新作为经济发展的动力源之一，特别是随着知识经济的发展在区域竞争中显示出了日益强劲的作用。技术创新在提高生产率和创造新兴产业方面起到了根本作用，成为影响区域产业升级和结构转换的核心因素。区域技术创新效率和能力已成为衡量区域经济是否拥有国际竞争优势的决定性因素。如何提升区域技术效率成为区域关注的重点，这就需要对区域技术创新效率进行测度并通过横向对比为提升效率提供基礎。对区域进行技术创新效率评价，可以判断区域发展过程中资源是否合理利用，资源配置是否合理等问题，据此提出针对性的改进建议，对于提升技术投入资源的利用效率进而提高区域的科技竞争力具有十分重要的现实意义。从理论角度对技术创新效率进行评价成为研究热点，如何选择一种有效的评价方法对区域技术创新效率进行评价，从而制定出适合各区域的发展战略以提高区域经济效益成为了关键问题。而不同的经济发展阶段对技术创新的要求也不同，从形态的角度是模仿创新、自主创新、工艺创新和产品创新。在初级发展阶段可能倾向于模仿创新，而经济发展到一定阶段以后开始注重自主创新；在降低成本阶段注重工艺创新，在差异化发展阶段注重产品创新。我国区域间差异很大，创新的取向存在着差异，因此在技术创新效率评价时需要充分考虑这种差异。既有的技术创新效率评价方法包括DEA、SFA和综合评价方法等。如何选用一种有效的评价方法对区域进行技术创新效率评价，从而制定区域技术创新发展战略，确立区域间的效率基准，提高我国整体技术创新水平成为关键问题。本文将对DEA方法进行分析，常见的用于评级技术创新效率的DEA模型包括BCC、CCR、交叉效率模型和分类DEA模型，由于BCC、CCR方法得到的结果不唯一，所以很多人引进了交叉效率模型，但该方法将所有决策单元全部归结为合作关系或竞争关系，不符合实际情况。因此，本文提出分类DEA模型、采用Gini算法来评价区域技术创新效率，既解决了效率不唯一的问题，也考虑了区域发展的不同阶段对技术创新效率的要求不同的问题。

1 相关文献综述

由于传统DEA模型计算得到的决策单元效率会出现多个1，无法进一步区分，因此针对这一问题提出了许多改进模型。常见的方法有交叉效率方法、超效率方法、最劣前沿面法、标杆排序法、DEA-Gini算法和分类变量法。其中分类变量法是在传统DEA模型的基础上根据研究问题的所处环境提出的进一步改进。Banker和Morey提出了分类DEA模型，先对处于不同环境的美国艾奥瓦州药店进行分类，再对它们进行绩效评价。^[1]Cooper根据决策单元的非可控因素对图书馆进行分类，然后计算它们的绩效；与此同时Cooper按照决策单元的可控因素进行分类，来评价商店服务质量的运营效率。^[2]Gerrit Lober对Banker的分类模型进行了改进提出了规模收益不变分类DEA模型和规模收益可变分类DEA模型。^[3]Golany应用分类DEA模型评估了以色列发电厂的运营效率，将空气污染这一定性指标作为发电厂的分类标准。^[4]Jha应用分类DEA模型对尼泊尔水电站的运营效率进行测评，通过灵敏度分析指出水电站的改进方向。^[5]在国内关于分类DEA的文献较少，其中王海燕等运用DEA-Gini准则对南京市公共交通企业进行绩效评价，将指标集分解成若干个指标子集，提高了DEA模型的有效性。^[6]庞瑞芝应用分类DEA模型对我国26个省市的392家城市二级以上医院2004年和2005年的经营效率进行了分析与比较。^[7]梁樑、毕功兵提出了一种基于属性变量的DEA效率评价模型。^[8]本文基于分类变量方法，同时考虑Gini 准则进行区域创新效率评价。

2 基于分类变量的DEA评价步骤

2.1 评价指标体系构建

从评价的角度，技术创新效率就是指技术创新投入与产出的比例。在充分考虑国内技术创新现状的基础上，从投入产出角度设计评价指标体系。在进行技术创新效率评价时，能否选取合理的技术创新指标是评价结果是否准确的关键。结合国内外既有文献，选择研发全时人员当量数、研发内部支出额以及技术流入合同额作为投入指标，国内专利申请授权数、新产品销售收入以及地区技术市场成交合同额作为产出指标。对于投入指标，研发全时人员当量数和研发内部支出额用以衡量各地区研发投入强度；技术流入合同额用以衡量地区吸收外部技术，进行技术升级和改造的能力。对于产出指标，尽管使用国内专利申请授权数作为技术创新效率评价产出指标过于片面，但由于各省市专利数容易获取，并且和技术创新密切相关，因此使用国内专利申请授权数作为产出指标还是相当可靠的；考虑数据的可获性以及创新的主要的表现，另外选取新产品销售收入、地区技术市场成交合同额作为产出指标。这六个指标分别从人力、物力、财力三方面对技术创新活动的直接产出和最终目的进行衡量和评价。本研究中的数据均来自《中国统计年鉴2010》和《中国统计年鉴2011》，数据信息准确、可靠，具有很强的代表性。

2.2 决策单元分类

为了使效率评价过程公平有效，本文对各地区进行分阶段处理。不同经济发展阶段的创新要求不同，目前对经济发展阶段常见的判断标准有两个：一个为罗伯托的起飞理论，另一个为钱纳里的经济工业化发展阶段理论。前者为一个相对定性的判别标准，后者则是一个以人均GDP为划分标准将经济增长划分为6个不同时期，本文拟采用钱纳里的工业发展阶段理论。根据文献《区域战略规划编制中关于发展阶段判断方法的选择》，依据美元指数和汇率计算得出不同发展阶段。平均汇率选择6.83；美元指数2009年为125.8，2008年的为125，因此可以进行折算，2009年的经济发展阶段的划分具体区间见表1。

3 实证结果与讨论

3.1 区域分类

2009年的数据显示，中国大陆地区处于工业化阶段，由于数据靠近下限，同时考虑指标的构建，将全部省市调整到发展阶段的第二区域。其中处于工业化第四阶段的只有上海，考虑到数据的方便将其划入第三阶段。据此共有9个省市处于工业化Ⅰ阶段，14个处于工业化Ⅱ阶段，7个处于工业化Ⅲ阶段，具体见表2。

基于分类结果应用模型（2）首先对最低工业化阶段的地区进行效率评价，此时决策单元参考集仅含工业化最低的地区；再对工业化阶段次低的地区进行效率评价，此时决策单元参考集包含工业化阶段为最低和次低的地区。依此类推，当评价工业化阶段最高的地区时，参考集为所有区域。

3.2 评价结果

本文以我国30个省、市、自治区为评价对象，技术创新投入产出数据均来自于《中国统计年鉴2010》和《中国统计年鉴2011》，考虑西藏自治区存在指标数据不完整的缺陷，因此决策单元中排除西藏自治区，运用上面的Gini-DEA方法对各地区进行技术创新效率评价。作为对比，使用传统DEA模型和相同数据进行效率评价，评价结果如表2所示。

3.3 评价结果分析

从表2中利用Gini-DEA方法得出的评价结果可以看出，全部30个省市的技术创新效率均未达到1，表明所有省市的资源都没有完全有效的利用。其中，技术创新效率较高的地区是四川、福建、重庆和江苏等，表明这些省市的投入产出比较高，能够较为充分地利用技术创新资源，将其较好的转化为创新产出。而内蒙古、山西和新疆等省市的技术创新效率较低，均低于0.3，表明这些地区的资源利用率极低，存在较大的资源浪费的情况，同时也预示着这些地区的技术创新效率具有巨大的提升空间。

作为对比，表2中利用传统CCR模型计算得出的结果显示，有多个省市的技术创新效率达到了完全有效，即效率值为1，包括江苏、广东、北京、浙江、上海和天津。这种结果显然不符合实际情况，因为任何省市的技术创新效率都应该具有一定的提升空间，而不是绝对的完美。同时，这种结果也无法对这六个省份进行排名。Gini-DEA方法对上述的问题有很好的解决，不仅克服了多个省市效率值都为1的问题，也消除了不能对决策单元进行充分排序的问题。

此外，Gini-DEA方法對各省、市、自治区按发展阶段进行归类，不会产生评价过程偏袒发展阶段较高的地区，而对发展阶段低的地区要求苛刻的现象。例如表2右侧数据所示，处于第Ⅲ发展阶段的省市中，除内蒙古外效率值都为1，排在前几名，而处于发展阶段较低的地区效率排名偏低，这势必会使评价结果有失公正。应用Gini-DEA，可以发现第Ⅰ发展阶段的大部分地区效率值明显下降，说明这些地区实际上并未达到完全有效，但由于传统CCR的缺陷，使得评价结果失真，高估了发展阶段较高地区的效率。

由于不同的发展阶段有其不同的发展特点与条件限制，因此应针对不同的发展阶段选择不同的改进基准，以每个阶段中排名第一的省市为基准，而不是全部地区都向总排名第一的地区看齐，保证了效率比较的公平性。对于处于第Ⅰ发展阶段的省市，大部分都处于我国西部地区，资源条件有限，这些地区应以四川省为基准，结合自身情况调整各自的资源配置，以提高其技术创新效率。同理，处于第Ⅱ发展阶段的省市应以福建为基准，按照福建的投入产出比率来调整。对于处于第Ⅲ发展阶段的省市来说，由于其发展位于我国前列，对我国的发展有着重大的影响，国家对其投入大大高于其他地区，因此这些地区的技术创新效率也必须提高，努力达到完全有效。第Ⅲ阶段的省市中，效率最高的为江苏，因此可以将江苏作为改进基准，进行资源配置的调整，吸引国内外优秀人才，加大技术创新产出，达到提高效率的目的。

4 结 论

本文在前人的基础上首次应用分类DEA模型和Gini算法来评价各区域的技术创新效率，为了更有针对性地指导技术创新效率较低的区域选择参考基准从而寻找提高效率途径，对区域进行发展阶段分类，同类区域之间具有可比性，不同类地区无可比性，使创新效率评价过程较传统DEA方法更为公正。应用Gini算法可以有效地消除指标数量相对决策单元数量过多的问题，使分类DEA计算出的效率值更为有效。本文实证结果表明：不同分类区域按照所在区域的标准来提升自身的技术创新效率，全部30个地区都存在效率提升空间。进一步分析表明理清技术创新过程的运行机理是解释各地区技术创新差异的关键，也是需要紧迫研究的方向所在。

参考文献：

[1]Rajiv D BANKER，Richard C MOREY.Efficiency Analysis for Exogenously Fixed Inputs and Outputs[J].Operations Research.1986，34（4）：513-521.

[2]William COOPER，Lawrence SEIFORD，Kaoru TONE.Data envelopment analysis：a comprehensive text with models，applications，references and DEA-solver software[J].Journal Operational，2006.

[3]Gerrit LBER，Matthias STAAT.Integrating Categorical Variables in Data Envelopment Analysis Models：a Simple Solution Technique[J].European Journal of Operational Research，2010，202（3）：810-818.

[4]B.GOLANY，Y.ROLL，D.RYBAK.Measuring Efficiency of Power Plants in Israel By Data Envelopment Analysis[J].Engineering Management，1994，41（3）：291-301.

[5]D.K.JHA，N.YORINO，Y.ZOKA.A Modified DEA Model for Benchmarking of Hydropower Plants[C].Power Tech，2007 IEEE Lausanne，2007：1374-1379.

[6]张庆民，王海燕，欧阳俊.基于DEA的城市群环境投入产出效率测度研究[J].中国人口资源与环境，2011（2）：18-23.

[7]庞瑞芝.我国城市医院经营效率实证研究——基于DEA模型的两阶段分析[J].南开经济研究，2006（4）：71-81.

[8]毕功兵，梁樑，杨锋.一类基于属性变量的DEA模型[J].运筹与管理，2008（2）：53-56.