中国新丝绸之路经济带科技效率的测度及分解——基于DEA-Malmquist指数的方法

睢党臣，董玉迪

(陕西师范大学国际商学院，西安710119)

0 引言

2013年9月7 日上午，中国国家主席习近平在哈萨克斯坦纳扎尔巴耶夫大学作重要演讲，提出共同建设“丝绸之路经济带”，新丝绸之路经济带的建设自此成为中国对外开放的重大战略构想。2014年4月10日，李克强总理特别强调，要推动“丝绸之路经济带”和“21世纪海上丝绸之路”建设。自金融危机和欧债危机以来，中国对外贸易环境恶化，同时国内经济也处在转型攻坚的关键阶段。新的经济形势下，建设新丝绸之路经济带，有利于充分利用沿线各国资源禀赋的互补性，拓展中国经济发展空间，改变外贸过度依赖欧美的局面，形成对外开放的新格局。王保忠等［1］提出“新丝绸之路经济带”一体化的八大战略路径是交通、能源、产业、城市、贸易、金融、文化、生态一体化。科技文化一体化是建设新丝绸之路经济带的高级阶段。新丝绸之路经济带科技资源丰富，充分利用现有科技资源，提高科技投入产出效率，加强沿线科技资源的交流和共享，无疑具有重要的实践意义。科研活动及其成果作为纯公共物品，具有消费的非竞争性、受益的非排他性，而且具有极强的正外部性。因此，研究现有科技资源的投入产出效率，对于新丝绸之路经济带能源、金融、贸易等其他方面的发展具有积极的促进作用。

1 文献综述

现代经济增长模式中，科技进步的贡献率越来越大，众多西方经济学家都曾对技术进步与经济增长的关系进行研究，并提出了包含技术进步变量的经济增长模型。新古典增长理论的“外生技术进步论”指出了技术进步对于提高经济稳态水平的重要性。R.M.Solow［2－3］在其著名的新古典经济增长模型中加入了技术进步变量，指出经济增长处在稳态水平时，人均产出的增长率只由技术进步率决定。但是，他把技术进步导致的产出增加视为扣除资本份额和劳动份额之后的余量，即索洛余量，也就是将技术进步作为外生变量，并没有解释技术进步促进经济增长的机制。经济学家们对科技进步(人力资本)与经济增长的关系进行了系统分析，将技术进步作为经济增长的内生因素，因而他们的理论称为内生经济增长理论。P.M.Romer［4］在1990年提出了新的内生经济增长模型。在该模型中，他将生产投入分为4种:有形资本，非技术劳动，人力资本和技术。人力资本既可用于新知识的生产(研究部门)，又可用于最终产品的生产。不同于R.M.Solow［2－3］将技术进步作为经济增长的外生变量，他在其内生经济增长模型中，将人力资本(包括用于生产部分和研究部分的人力资本)和技术进步一并视作经济增长的内在动力，即将技术进步内生化。P.M.Romer［4］认为技术进步及其外溢效应，可以避免边际收益递减的发生，甚至产生边际收益递增的状态，而技术进步并非外在因素，恰恰是源于企业利润最大化的投资决策。根据内生经济增长理论，政府应加大科技投入，鼓励和支持科技创新，以促进经济长期增长。因此，提高现有科技资源的投入产出效率，可以使模型中的A增大，从而增加产出。赵敏［5］构建了基于DEA方法的中国科技投入产出效率的评价指标体系，认为评价指标的建立应遵从“科学性”“可比性”和“可行性”等原则。刘凤朝等［6］用Malmquist指数方法对中国科技创新效率进行了测算，发现科技创新效率的提高主要是基于科技进步的推动。于静霞等［7］基于C2R模型和超效率模型对中国各地区科技效率进行了测算，发现科技投入产出效率存在着明显的地区差异:东部地区科技投入产出效率最高，但区域内部各省份差异较大，西部地区科技效率最低，中部地区科技投入产出效率内部差异最小。吕晨等［8］研究发现中国区域科技投入产出效率总体水平较高，DEA有效区域集中在东部沿海发达地区及个别欠发达地区。区域科技效率研究方面，袁国强等［9］、郭新和［10］研究认为提高科技创新是中原经济区科技创新体系建设的关键。徐小钦等［11］采用Malmquist指数方法对重庆市科技创新效率进行了评价，发现重庆市科技全要素生产率(TFP)的提高主要是由技术进步引起的。高原等［12］采用因子分析和聚类分析对河南省各市的科技竞争力进行了评价。

综上所述，内生经济增长理论侧重于科技进步与经济增长关系的研究，国内学者对区域科技效率的研究主要集中在省际层面或东中西效率的差异。虽然中国新丝绸之路经济带具有丰富的科技资源，但针对其科技效率的研究却十分缺乏。只有孙海荣［13］对中国新丝绸之路经济带9个省份的专利竞争力进行了测度。此外，新丝绸之路作为陆桥经济带，属于外向型经济，不仅需要研究其科技投入产出效率，而且需要从区域科技交流与合作的角度加以研究，而当前研究并没有考虑到这一点。鉴于此，本研究首先采用DEA-Malmquist指数方法对中国新丝绸之路经济带科技效率进行测度，然后以高技术产业出口交货值作为单一产出指标对科技投入的出口效率进行分析，并试图对提高其科技投入产出效率提出相应对策。

2 研究方法、指标选取和变量定义

2.1 研究方法

采用基于DEA模型的Malmquist指数方法进行研究。数据包络分析(data envelopment analysis，DEA)是美国著名运筹学家A.Charnes等［14］提出的一种效率评价方法。该方法把单输入、单输出的工程效率概念推广到多输入、多输出同类决策单元(decision making unit，DMU)的有效性评价中，极大地丰富了微观经济中的生产函数理论及其应用技术，同时在避免主观因素、简化算法、减少误差方面有着不可低估的优越性［15］。A.Charnes等［14］提出了第一个DEA模型——C2R模型，该模型刻画了生产的规模与技术有效性。R.D.Banker等［16］给出了BC2模型，主要是为了解决生产可能集中的锥性假设不成立问题。虽然C2R模型和BC2模型是评价决策单元(DMU)相对效率的有效工具，但C2R模型和BC2模型只适合样本为横截面的情况。一旦加入时间因素，进行效率的动态变化分析，便会导致生产前沿面出现时期差异，从而无法进行效率测度。Malmquist指数是解决DEA模型动态分析问题的优良方法，该指数最初由经济学家Malmquist于1953年提出。之后，D.W.Caves等［17］、R.Fare等［18］将Malmquist指数和DEA结合，用来测算全要素生产率，使基于DEA模型的Malmquist指数方法得到广泛应用。

基于不同的参照期，Malmquist指数具有不同的表达式，以t时期技术Tt为参照，Malmquist指数表达式为:

以(t+1)时期技术Tt+1为参照，Malmquist指数表达式为:

取2个时期的几何均值构造Malmquist指数:

式中:(xt+1，yt+1)和(xt，yt)分别为(t+1)时期和t时期的投入产出向量;d和分别为t时期和(t+1)时期的距离函数。

Malmquist指数可以分解为综合技术效率指数(EFFC，以Ceff表示)和技术进步指数(TEC，以Cte表示)，EFFC表示自身效率或组织管理水平的改进，是决策单元t时期到(t+1)时期的“追赶效应”，TEC代表了技术的进步，从t时期到(t+1)时期，生产前沿面的移动即“增长效应”。分解过程如下:

其中，综合技术效率变化指数(EFFC)还可进一步分解为纯技术效率指数(PTEC，以Cpte表示)和规模效率指数(SEC，以Cse表示)，分解过程如下:

即，Ctfp=Ceff×Cte=Cpte×Cse×Cte。式中:Ctfp为全要素生产率指数(TFPC)。

2.2 指标选取

同类型的DMU是具有相同目标和任务、相同外部环境以及相同输入输出指标的决策单元，DEA方法只适用于评价同类决策单元的相对有效性。鉴于此，科技投入主要包括人力和财力两方面。选取研究与试验发展(R＆D)人员全时当量作为人力投入的测度指标，选取研究与试验发展(R＆D)经费内部支出作为财力投入的测度指标。科技投入的产出可以从两方面理解，一是科技投入的直接产出，如发表的论文数，专利申请授权量等;二是科技投入的间接产出，即科研成果的转化，如高新技术产业的发展状况，科研成果最终要体现在对生产力的促进上，这也是科研成果的最终意义。因此，选取国内3种专利申请授权数和国外三大检索工具收录中国科技论文数作为科技直接产出的测度指标，选取技术市场成交合同金额、高技术产业主营业务收入和高技术产业出口交货值作为科技间接产出的测度指标(表1)。

表1 各指标及其含义Tab.1 Definition and meaning of indexes

2.3 数据来源

数据均来源于2003—2014年的《中国科技统计年鉴》和《中国高技术产业年鉴》。由于国外三大检索工具收录中国科技论文数滞后2年公布，因此，最新年鉴数据截至2012年。

3 实证分析

3.1 新丝绸之路经济带整体指数及其分解

采用Deap 2.1软件进行数据处理，计算出新丝绸之路经济带整体及各省份科技效率的Malmquist指数，并对指数进行分解(表2)。

表2 2002—2012年新丝绸之路经济带Malmquist指数及分解Tab.2 Malmquist index and analysis of the New Silk Road Economic Zone during 2002—2012

2002—2012年，新丝绸之路经济带科技的全要素生产率指数(TFPC)年均增长了3.9%，表明新丝绸之路经济带整体的科技投入产出效率是显著提高的。对Malmquist指数分解发现，综合技术效率指数年均下降了0.8%，技术进步指数增长了4.8%。由此，技术进步是新丝绸之路经济带科技效率改善的主要因素。技术进步指数的增长表明2个时期之间生产前沿面的前移，即“前沿面移动效应”或“增长效应”。因此，技术进步指数的增长，也即既定投入水平下最大化产出的提高，是新丝绸之路经济带科技效率提高的首要因素。综合技术效率指数的下降，意味着现有的科技投入并没有得到充分有效的利用，存在资源配置效率损失。其中，规模效率指数增长了1.5%，存在规模效益，但变化幅度较小，因而对全要素生产率指数影响不显著;纯技术效率指数下降了2.3%，即现有科技管理体制存在改进的空间，已经成为科技效率提高的阻碍因素。纵向看，新丝绸之路经济带的科技效率与科技进步指数的变化具有高度一致性，二者在7个年度内的变动方向是相同的，这也印证了科技进步对于全要素生产率提高的贡献。

3.2 新丝绸之路经济带各省份指数及其分解

由表3可知，各省份的科技效率存在明显差异。青海省的科技效率排名第一，主要得益于纯技术效率指数和规模效率指数领先沿线其他省份，虽然青海科技资源并不特别丰富，但对现有科技资源的利用效率非常高。陕西省的科技效率位居第二，年均增长15.4%，其中科技进步指数增长11.5%，科技进步仍然是陕西科技效率提升的首要因素，规模效率指数增长了3.5%，表明存在着规模效益，加大科技投入是提升该省科技效率的有效途经。因此，陕西省科技效率的提升是科技进步与资源配置效率改善共同作用的结果。江苏省的科技效率排在第三位，且完全取决于科技进步，其纯技术效率指数和规模效率指数都没有发生变化。通过Malmquist指数分析可以发现，陕西和江苏两省不仅拥有丰富的科技资源(仅高校方面，陕西省就拥有3所985高校和8所211高校，江苏省拥有2所985高校和11所211高校)，其科技效率也是新丝绸之路经济带的前三强。甘肃省的科技全要素生产率排在第四位，年均增长5.8%，该省科技资源配置效率和规模效益在研究期间内维持了稳态水平，和江苏省的情况相同，完全依赖于科技进步。安徽省的科技全要素生产率排在第五位，年均增长4.6%，虽然安徽科技进步明显，指数增长7.1%，但综合技术效率指数出现下降，其中纯技术效率指数下降2.2%，规模效率指数下降0.2%，说明安徽科技的资源配置效率存在问题。河南省的科技全要素生产率排在第六位，其规模效率指数增长了4.0%，仅次于青海省，科技进步指数也增长0.5%，但纯技术效率指数下降3.2%，表明“追赶效应”并没有加强，没有在靠近当期生产前沿面进行生产，受制于管理的滞后，现有科技资源没有达到产出最大化。山西省的纯技术效率指数下降5.2%，仅次于宁夏，表明山西科技管理水平存在问题，比如体制漏洞或管理不善等，管理水平的严重滞后导致了TFPC的下降。宁夏TFPC下降在于规模不经济和科技管理无效率，规模效率指数下降2.9%，下降幅度为各省最大，表明科技投入严重偏离了最优规模，科技管理也亟需优化。新疆的科技全要素生产率排名末位，下降8.5%，科技进步和科技资源配置效率都出现了退化，科技进步指数下降3.6%，是唯一出现下降的省份，而科技的资源配置效率也不容乐观，下降3.5%，科技管理效率和规模效益都存在问题。

表3 2002—2012年新丝绸之路经济带各省份Malmquist指数及分解Tab.3 Malmquist index and analysis of provinces during 2002—2012

3.3 新丝绸之路经济带科技出口效率分析

以高技术产业出口交货值作为单一产出指标可以更好地考察中国新丝绸之路经济带科技投入的出口效率(表4)。由表4可知，中国新丝绸之路经济带基于出口的科技TFPC年均增长了6.2%，表明该区域的科技转化成果正逐步产生国际竞争力。从时间进程来看，2002—2004年，科技出口效率保持增长的态势，但2004—2005年的科技出口效率下降了7.7%，原因在于2003年发生了“非典”事件，对中国餐饮、旅游以及进出口贸易产生了冲击，由于冲击的时滞效应，导致2004—2005年度的科技出口效率才开始出现下降，“非典”过后，中国新丝绸之路经济带科技出口效率恢复了增长。2007—2008，2008—2009年度，该区域科技出口效率又出现了严重下降，原因在于2008年金融危机席卷全球，全球经济增长乏力甚至陷入衰退，作为中国主要出口目标市场的欧美日经济体总需求锐减，高技术产业的出口也无法幸免。这也反映出新丝绸之路经济带建设的重要性，此举有助于拓宽出口市场，优化对外贸易格局，减缓经济危机的冲击。金融危机后，受益于4万亿元的经济刺激计划，科技出口效率才恢复了增长。

科技出口效率存在显著的东强西弱，这和科技效率的格局完全不同(图1)。西北五省中科技出口TFPC最高的是陕西省，增长了1.4%，但仍低于新丝绸之路经济带东段最低的江苏省(6.3%)，甘肃、青海和宁夏甚至出现了出口效率下降。原因在于西北五省地处内陆，经济的外向型较差，制约了高技术产业的出口，更深层次的原因在于中国对外开放的格局不合理，长期以来，中国沿海地区进出口贸易规模及开放水平不断提升，而西北等内陆地区与新丝绸之路经济带其他地区的经济交流虽然有了一定发展，但仍处于较低水平，中国西北地区与新丝绸之路经济带各地区的地缘优势和历史交往优势并没有得到充分发挥。陕西省、青海省和甘肃省的科技全要素生产率排在前五位，但科技的出口TFPC却排名较低，反映出应该加强对新丝绸之路经济带其他地区的高技术产业出口贸易。

表4 基于单一产出指标——高技术产业出口交货值的整体Malmquist指数及分解Tab.4 Malmquist based on single indicator ofthe high-tech industries delivery value during 2002—2012

图1 基于高技术产业出口交货值的各省份Malmquist指数Fig.1 Malmquist on the high-tech industries delivery value of provinces

4 结论与建议

首先，提高科技管理水平和效率，是提高新丝绸之路经济带科技效率的关键。基于DEA-Malmquist指数的分析发现，中国新丝绸之路经济带的纯技术效率指数出现了下降，即现有科技投入并没有在靠近生产前沿面的地方进行生产，该指数代表着经营管理的水平，其下降表明该区域的科技管理水平存在不足。因此，新丝绸之路经济带在科技资源的管理方面，要创新科技管理体制，减少制度性阻碍，加强科技宏观管理与协调，完善科技政策法规体系，建立有利于区域内科技交流与合作的新型机制，提高科技资源的配置和运行效率。

其次，针对新丝绸之路经济带各省的科技效率差异，采取不同的对策。陕西、河南、山西和青海等省份的规模效率指数＞1，存在规模效益，应该对这些省份加大科技投入规模。安徽、山西、河南、宁夏和新疆等省区应侧重于改善科技管理体制，提高现有科技资源的利用效率。新疆的技术进步指数＜1，该区要提高科技投入的质量，比如引进高层次人才，改善科技硬件设施，以提高生产前沿面。

最后，要加强新丝绸之路经济带各地区之间的进出口贸易，尤其是高技术产业的出口，充分发挥中国科技的比较优势。新丝绸之路经济带的中国西段即西北五省地区，历史上同中亚及中东各国经贸交往密切，具有独特的地缘优势，尤其是科技实力雄厚的陕西省更要加强高技术产业的出口贸易，为中国高技术产业出口开拓新的市场。这也是改善中国对外贸易环境、提高对外贸易的质量和效益、优化对外开放格局的重要途径。

［1］王保忠，何炼成，李忠民.“新丝绸之路经济带”一体化战略路径与实施对策［J］.经济纵横，2013(11):60－65.

［2］Solow R M.A Contribution to the Theory of Economic Growth［J］.Quarterly Journal of Economics，1956，70(1):65－94.

［3］Solow R M.Technical Change and the Aggregate Production Function［J］.Review of Economics and Statistics，1957，39(3):312－320.

［4］Romer P M.Endogenous Technological Change［J］.The Journal of Political Economy，1990，98(5):71－102.

［5］赵敏.科技投入产出的DEA评价模型［J］.科技管理研究，2005(6):90－93.

［6］刘凤朝，潘雄锋.基于Malmquist指数法的我国科技创新效率评价［J］.科学学研究，2007，25(5):986－990.

［7］于静霞，刘玲利.我国省际科技投入产出效率评价［J］.工业技术经济，2007，26(9):134－137.

［8］吕晨，曾明彬.基于DEA的中国区域科技投入产出相对效率研究［J］.科学管理研究，2014，32(2):101－104.

［9］袁国强，冯德显，张淼，等.中原经济区科技创新体系建设研究［J］.地域研究与开发，2012，31(5):135－139.

［10］郭新和.中原经济区建设背景下的科技创新体系研究［J］.地域研究与开发，2012，31(2):156－160.

［11］徐小钦，黄馨，梁彭勇.基于DEA与Malmquist指数法的区域科技创新效率评价——以重庆市为例［J］.数理统计与管理，2009，28(6):974－985.

［12］高原，张吉献.河南各市科技竞争力综合评价及对策［J］.地域研究与开发，2009，28(6):17－19.

［13］孙海荣.丝绸之路经济带九省份专利竞争力测度［J］.重庆社会科学，2014(3):52－60.

［14］Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research，1978，2(6):429－444.

［15］马占新.数据包络分析模型与方法［M］.北京:科学出版社，2010:3－15.

［16］Banker R D，Charnes A，Cooper W W.Some Models for Estimating Programming Approach to Data Envelopment Analysis［J］.Management Science，1984，30(9):1078－1092.

［17］Caves D W，Christensen L R，Diewert W E.The Economic Theory of Index Number and the Measurement of Input，Output and Productivity［J］.Economitrica，1982，50(6):1393－1414.

［18］Fare R，Grosskop S，Lindgren B.Productivity Changes in Swedish Pharmacies 1980—1989:ANon-Parametric Malmquist Approach［J］.Journal of Productivity Analysis，1992，3(2):85－101.