基于DEA模型和Malmquist指数法的江门市高技术产业的效率研究

魏悦



基于DEA模型和Malmquist指数法的江门市高技术产业的效率研究

魏悦

（五邑大学 经济管理学院，广东 江门 529020）

采用Malmquist指数方法和基于规模报酬可变的DEA模型，对江门市2010—2013年间高技术产业的七个细分行业进行效率分解分析和动态效率变动分析. 结果显示，在研究年限期间，江门市高技术产业整体效率呈增长趋势但仍处于非DEA有效，各行业的技术效率均有较大波动，主要原因是技术创新能力偏弱，最后结合江门市高技术产业的具体情况提出了相应的改善建议.

高技术产业；技术效率；DEA模型；Malmquist指数

高新技术产业是以高新技术为基础的知识和技术密集型产业，也是当前我国转变经济发展方式、调整产业结构和稳定经济增长的重要力量，有效评估高新技术产业的技术效率能帮助企业采取有效的改进措施. 数据包络分析（DEA）是一种基于线性规划的用于评价同类型组织（或项目）工作绩效相对有效性的工具，其中，规模报酬可变的BBC模型将技术效率分解为规模效率与纯技术效率，并以之判断企业的生产规模和投入产出比例是否合适. 目前，国内外很多学者运用DEA方法对不同地区、不同行业进行技术效率分析[1-8]. 参数法中随机前沿分析法（SFA）同样可对产业效率进行分析，如原毅军等[9]运用SFA法对中国装备制造业的研发效率进行研究，找到了影响其效率的主要原因；景保峰等[10]用SFA方法对高技术产业效率进行分析；国外也有学者综合运用DEA与SFA法的，如Johns G[11]等结合DEA与SFA方法对高校绩效进行分析. DEA法与基于指数理论的Malmquist指数法结合的Malmquist生产率指数法同样被广泛应用[12,13]. 作为动态DEA效率的评价工具，Malmquist指数能有效测算全要素生产率（TFP）的增长变化，反映决策单元在时间序列中的技术效率和技术进步的变化.

按国家《高新技术企业认定管理办法》统计，2013年，广东省江门市高新技术企业170多家，产值预计达800亿元. 与广州、深圳等地区相比，江门高新技术产业的经济发展规模和集聚化水平等亟待提升. 因此本文以江门市高技术产业为研究对象，构建客观合理的DEA技术效率评价指标体系，运用DEA模型和Malmquist指数方法对2010—2013年间江门高新技术企业与高新产业的面板数据分别进行静态和动态的技术效率分析，利用Deap2.1软件将Malmquist TFP指数分解为技术效率变动与技术变动，并进一步将技术效率分解为纯技术效率与规模效率，剖析影响江门市高技术产业效率的深层原因.

1 模型与指标体系

1.1 DEA模型

1.2 Malmquist 指数模型

1.3 决策单元与指标体系的选取

由于江门市高技术产业的具体统计数据是从2010年开始完善的，故本文选取2010—2013年江门高新技术企业及高新技术产业的统计数据进行研究. 在高新技术产业发展上，江门市的电子与信息、生物与医药技术、新材料、光机电一体化、新能源与高效节能以及环境保护六大产业发展规模较好，按2012年数据，它们的工业总产值分别占全市高新技术产业总产值的6%、25%、27%、11%、7%和17%，另外7%为其他高技术产业. 本文选这七大产业作为研究对象进行分析.

DEA分析是以决策单元投入产出的数据估计有效生产前沿面从而衡量技术效率的，因此投入产出指标的选取非常重要. 本文借鉴文献[3-12]选取指标的经验，并结合指标代表性及数据可得性原则进行选取：我们将固定资产与科技活动经费（两者不重复）合计为资本投入，最终与年末从业人员数一起构成投入指标；产出指标则选取可综合反映各行业总体产出情况的工业总产值. 其中，江门市高新企业及高新产业的相关投入产出数据来自江门市科技局，广东省相关投入产出数据来自《中国高技术产业统计年鉴》.

2 实证分析

2.1 江门市高技术产业效率的DEA分析

使用DEAP2.1软件可得2010—2013年江门市高技术产业各行业的效率值，见表1.

表1 江门市高技术产业各行业2010—2013年效率值总表

年份行业效率规模收益年份行业效率规模收益 总技术纯技术规模总技术纯技术规模 2010电子与信息0.1690.2120.795irs2012电子与信息0.1810.4490.404irs 生物与医药技术0.5261.0000.526drs生物与医药技术0.6331.0000.633drs 新材料0.1770.3040.582drs新材料0.3481.0000.348drs 光机电一体化0.2460.3340.737drs光机电一体化0.2910.4680.623irs 新能源与高效节能0.1430.1770.808drs新能源与高效节能0.8611.0000.861irs 环境保护1.0001.0001.000—环境保护1.0001.0001.000— 其他高技术0.6991.0000.699drs其他高技术0.4130.9510.434irs 均值0.4230.5750.735均值0.5320.8380.615 2011电子与信息0.2580.2720.947irs2013电子与信息0.4160.4320.962irs 生物与医药技术1.0001.0001.000—生物与医药技术1.0001.0001.000— 新材料0.5850.5860.998irs新材料0.7441.0000.744drs 光机电一体化0.3800.3900.974irs光机电一体化0.6820.6930.984irs 新能源与高效节能0.5620.6100.922irs新能源与高效节能0.5670.5960.951irs 环境保护0.3661.0000.366irs环境保护0.6501.0000.65irs 其他高技术1.0001.0001.000—其他高技术1.0001.0001.000— 均值0.5930.6940.887均值0.7230.8170.899

由表1的结果可知：

1）在2011年和2013年，生物与医药技术产业和其他高技术产业为DEA有效；在2010年和2012年，环境保护产业为DEA有效：表明它们在DEA有效的年份技术创新环境与发展规模都较好，对资源的配置及应用合理且高效，具备较高的投入产出能力.

2）环境保护产业在2011年和2013年的纯技术效率值为1，但总技术效率、规模效率均小于1. 导致其技术效率下降的原因是投入产出的规模不合理；规模收益递增则表明投入未达饱和. 类似的还有2012年的新能源与高效节能产业，2010年、2012年的生物与医药技术产业和2012—2013年的新材料产业，但后两者规模收益递减，说明适当减少投入反而可增加产出比例.

3）电子与信息产业、新材料产业、光机电一体化产业、新能源与高效节能产业在2010—2013年始终为DEA无效：新材料产业在2010年的规模与技术创新能力都非常低，2012—2013年其规模效率的低下导致总技术无效；电子与信息产业的规模效率一直良好（除2012年外），其主要问题为纯技术效率低下；新能源与高效节能产业、光机电一体化产业和电子与信息产业的情况几乎一样，其规模效率波动频繁，说明应注重改善技术创新环境.

4）从均值看，纯技术效率增长明显，规模效率波动较大；总技术效率在2012年略微下降后在2013年上升为0.723，说明江门市高技术产业整体技术效率呈上升态势，但仍存在27.7%的改善空间.

5）除了新能源与高效节能产业之外，其余产业的纯技术效率均良好或一直处于上升状态，但规模效率均有较大幅度波动.

6）多数产业的规模收益递增，表明适当增加投入可提高生产率.

2.2 江门市高技术产业效率变动的Malmquist分析

对江门市高技术产业在2010—2013年间的两个时间段进行动态效率变动的考察，分析结果见表2.

表2 江门市高技术产业2010—2013年Malmquist指数及各项变动情况

从表2可以看出：

1）江门市高技术产业在2010—2011年和2012—2013年的Malmquist指数分别出现15.2%和14.7%的负增长；2011—2012年的生产率虽提高13.8%，但总体上仍呈6.3%的负增长.

2）技术效率变动在2010—2011年和2012—2013年间增幅超过了50%，2011—2012年间出现下降，最终这四年的技术效率上升28.7%，即公司管理发展较好.

3）Malmquist指数降低的主要原因在于技术变动，2010—2011年和2012—2013年负增长率分别为47.9%和43.9%，虽然2011—2012年明显上升，但总体平均变动仍为负，说明行业的技术水平没有提高反而降低.

4）将技术效率变动分解为纯技术效率变动和规模效率变动，纯技术效率增长20.1%，规模效率平均水平稍涨，两者综合之后技术效率得到提升.

综上所述，2010—2013年江门市高技术产业的主要问题是技术水平偏低，因此江门市高技术产业应注重技术创新环境的培养，提高各产业技术水平.

2.3 实证分析结果及建议

表3为2010—2012年高新技术产业的部分指标中江门市占整个广东省的比例，结果由《中国高技术产业统计年鉴》及江门市科技局提供的数据计算得出.

表3 2010—2012年广东省高新产业部分指标中江门市的比例

由表3可知：作为广东省重点发展的珠三角高新产业集聚区的一部分，江门市的各项比例值均明显偏低. 分析原因如下：

1）产业集聚化水平偏低：2010—2012年江门高新企业所属行业较为分散（按《国民经济行业分类》），说明全市高新技术产业集群关联性低. 对此，一方面可利用本地大型企业的辐射带动能力发展配套的上下游企业，提高产业集群的集聚效应，例如新会的双水拆船钢铁有限公司，可利用拆船回收的铜铝等有色金属及钢板等发展与之配套的上下游高新产业群；另一方面，以绿色光源为例，若光源、电源和铝基板三大块都能发展出一定规模的产业集群，则不仅能优化上下游供应链的配置，还能加快技术创新步伐并解决其现存的很多困扰.

2）高技术产业规模偏低，首先是劳动力与资本投入偏低. 因此以合适比例加大劳动力与资本的投入对技术效率的提升十分必要. “广东金融高新区股权交易中心江门运营中心”在江门高新技术产业开发区成立，借此优势可大力发展中小微高新技术企业或培育科技型企业，多引入高校人才，提高江门高新技术产业的规模.

3）技术创新环境与产业结构不够完善. 由表3知：江门市R&D人员数与申请专利数相对较低，表明高新产业的科研成果并不丰硕，研究成果产业化的效率较低. 江门及附近城市有较多高校，企业可加强与高校或相应科研机构合作，结合企业所了解的市场需求与高校、科研机构的理论创新能力，合理制定技术创新方向及策略. 2012年全市工业增加值上涨了4.5倍多，涨幅高过主营业务收入，表明江门市高新技术产业在向具有高附加值的产业转型，另一方面也说明提高产业附加值和改善产业结构的重要性，而建立良好的产学研服务平台有助于此.

3 结论

本文通过DEA方法和Malmquist指数法分析了江门市各大高新技术产业的效率，探讨了其效率不理想的原因. 作为运用DEA模型与Malmquist指数法分析高技术产业效率的实证研究，本文也有不足的地方：1）数据有限，仅2010—2013年的数据，因此纵向比较分析不够深入，对江门市整体的变化趋势不能完整呈现；2）比较分析时应用了江门市占广东省整体水平的比值及变化分析，但缺乏广东省其他城市的数据，导致缺乏一定的横向比较. 也正因为这两点，对未来江门市高技术产业效率的研究，我们会注意搜集更多对比性强的数据，进行更深入细致的分析.

[1] 魏楚，沈满洪. 能源效率及其影响因素[J]. 管理世界，2007(8): 66-76.

[2] PASIOURAS F. Estimating the technical and scale efficiency of Greek commercial banks: the impact of credit risk, off-balance sheet activities, and international operations [J]. International Business and Finance, 2008, 22(3): 301-318.

[3] 王军，杨慧馨. 2006—2008年中国省际高技术产业效率实证研究[J]. 统计研究，2010, 27(12): 46-50.

[4] 李鹏，张俊彪. 农业科研团队协同创新绩效测度的实证研究[J]. 软科学，2013, 27(4): 88-93.

[5] 朱峥峥，李英，林智敏. 基于DEA改进模型的建筑企业效率评价研究—以黑龙江省为例[J]. 工程管理学报，2013, 27(1): 10-13.

[6] 周方涛. 基于AHP-DEA方法的区域科技创业人才生态系统评价研究[J]. 管理工程学报，2013, 27(1): 8-14.

[7] 陈洪转，舒亮亮. 基于DEA模型的我国高新技术产业园区投入产出效率评价[J]. 科学学与科学技术管理，2013, 34(04): 105-109.

[8] 赵树宽，余海晴，巩顺龙. 基于DEA方法的吉林省高技术企业创新效率研究[J]. 2013, 34(2): 36-43.

[9] 原毅军，耿殿贺. 中国制造装备业技术研发效率的实证研究[J]. 中国软科学，2010(3): 51-57.

[10] 景保峰，周霞，吕健权. 广东省高技术产业研发效率实证研究—基于随机前沿分析法[J]. 技术经济与管理研究，2011(10): 96-100.

[11] JOHNS G, JOHNS J. Higher education institutions costs and efficiency: taking the decomposition a further step [J]. Economics of Education Review, 2009, 28(1): 107-113.

[12] 景保峰，刘道兴. 广东省高技术产业各行业效率变化的实证研究[J]. 技术经济，2011, 30(5): 27-32.

[13] 郑君君，韩笑，潘子怡. 基于Malmquist指数的房地产开发企业全要素生产率变动及收敛性研究[J]. 中国软科学，2013(3): 141-151.

[责任编辑：熊玉涛]

A Study of the Efficiency of High-tech Industry in Jiangmen by the DEA Model and the Malmquist Index

WEIYue

(School of Economics and Management, Wuyi University, Jiangmen 529020, China)

Based on the Malmquist Index and the Input-DEA model of variable returns to scale, the efficiency and movement patterns of 7 subdivided sectors of Jiangmen City’s high-tech industry during 2010—2013 are analyzed. Analysis results show that, during the study period, the overall efficiency of Jiangmen’s high-tech industry was on the rise, but the efficiency of the various sectors had been fluctuating, the main cause being inadequate technical innovation capability. Finally, in light of the actual situation of Jiangmen City’ high-tech industry, some suggestions for improving are advanced.

high-tech industry; technical efficiency; DEA model; the Malmquist index

1006-7302（2014）04-0023-06

F061.5

A

2014-05-22

江门市哲学社会科学规划项目（JM2013B07）

魏悦（1989—），女，湖北宜昌人，在读硕士生，研究方向为供应链金融.