基于DEA的安徽省绿色创新效率测度

王七萍

( 安徽广播电视大学，安徽 合肥 230051)

基于DEA的安徽省绿色创新效率测度

王七萍

( 安徽广播电视大学，安徽 合肥 230051)

进行创新效率测度时考虑能源节约与环境保护因素，将有利于区域经济可持续发展。运用DEA两种不同模型，对安徽省2003～2012年传统创新效率与绿色创新效率分别进行测算和比较分析。研究结果表明，考虑能源和环境因素的绿色创新效率明显低于传统视角下的创新效率，说明在不考虑能源与环境因素情况下安徽省创新效率被明显高估；同时，两种视角下创新效率的主要影响因素有明显区别，能源节约与环境保护已成为影响安徽省绿色创新效率的主要因素。

绿色创新；创新效率；DEA-SBM模型

安徽省自2009年成为我国首批开展国家技术创新工程试点省份之一以来，通过建设合芜蚌自主创新综合试验区、发展皖江城市带等措施，实现了技术进步与经济快速发展，规模以上工业企业新产品销售收入从2003年324219万增长到2012年37318538万，发明专利申请数由532件增长至10665件。随着经济的发展，能源、电力的投入与污染物的排放也大量增加。能源与电力消费费由2003年的5457.09万吨、445.44亿千瓦时分别增长至11357.95万吨、1361.1亿千瓦时。从考虑资源节约与环境保护的绿色创新视角对创新资源投入与产出的效率作出分析与评价，成为当前研究热点，从该视角对安徽省10年来的创新效率进行探讨，对创新型试点省份建设以及经济的可持续发展具有积极意义。

1 研究现状

区域创新效率的研究是近年来学术界关于区域创新研究的一个重要领域。学者们运用DEA、因子分析等多种方法，从多个角度进行了探讨。目前有两种主要的观点，一是从创新投入与所对应的期望产出之间的关系研究，在投入与产出指标选取中主要选取包括R&D人力资源与经费投入等作为投入指标，选取新产品销售收入与专利申请数等期望产出作为产出指标[1-5]。另一种基本观点是在区域创新系统及创新评价中关注一些能源及非期望产出因素。周力、张江雪等学者在进行创新评价时考虑了工业污染物，白俊红、 华振等学者考虑了环境因素对创新能力与效率的影响。韩晶等、冯志军等学者从绿色增长与绿色创新的角度评价区域创新效率[6-11]。这些研究论证了将区域创新效率与环境保护、资源节约等进行结合，既能获得经济效益，又能改善环境效益，对于区域经济的绿色增长具有重要的意义。目前对于安徽省区域创新的研究主要集中宏观研究、创新能力研究以及某一产业创新效率研究方面，现有文献在进行区域创新效率评价时较少考虑到能源投入与环境保护问题[12-14〗。

2 研究方法与指标体系

2.1 研究方法

数据包络分析(Data Envelopment Analysis，DEA)是一种在评价相对效率中应用非常广泛的非参数方法，是美国著名运筹学家Chames A、Cooper W.W等学者在1978年对多投入多产出决策单元(DMU)的综合性评价而提出的。传统的DEA模型在评价效率时要求在规模不变的情况下尽量减少投入，或在投入不变的情况下产出尽可能地增加。

当生产过程中存在一些不好的产出(非期望产出)时，传统的DEA模型不能很好地解决效率评价问题。于是Tone提出了考虑非期望产出的SBM模型，较好地处理产出中含有非期望产出的效率评价问题。其基本思想如下：

假设一个系统中有n个决策单元，并且每一决策单元都有三个向量：投入变量(x)、期望产出变量(yg)以及非期望产出变量(yb)。定义x、yg、yb矩阵如下：

非期望产出的SBM模型如下式所示：

其中，s代表了投入变量和产出变量的松弛量，s-代表投入过剩、sg代表期望产出不足，sb代表非期望产出过多。λ代表各个变量的权重，目标函数ρ*满足0≤ρ*≤1条件，且对于s-、sg、sb是严格递减的。目标函数ρ*分子和分母部分分别代表了决策单元实际投入、产出以及与生产前沿的平均距离。判断某一决策单元是否有效，必须同时满足ρ*=1,s-=0、sg=0、sb=0条件。

2.2 指标选取

进行区域创新效率评价，选取投入与产出指标是关键的步骤。传统的创新效率测度与评价往往将人力、经费作为投入指标，将专利申请数及新产品销售产值作为产出指标[1-5]。绿色创新要求区域创新不仅是满足经济增长，还要促使资源节约与降低环境污染。基于此，本文选取R&D内部经费投入(万元)、从事R&D活动人员数(人)、单位GDP能耗(吨标准煤/万元)、单位GDP电耗(千瓦小时/万元)分别作为投入指标x1、x2 、x3、 x4，代表创新的人力、经费及能源、电力的投入。选取发明专利申请数(件)、规模以上工业企业新产品销售收入(万元)以及单位工业产值工业废水排放总量(万吨/亿元)、单位工业产值工业废气排放总量(亿标/亿元)以及单位工业产值固体废物产生量(万吨/亿元)分别作为产出变量y1、y2、y3、y4、y5，代表创新所带来的发明专利数增加、产值的提高以及环境污染的变化。其中，y3、y4、y5根据统计数据计算得出，在模型中作为非期望产出处理。考虑到数据的权威性、可得性以及连续性，所有数据来源于《安徽省统计年鉴》(2004～2013年)、《中国统计年鉴》(2004～2005年)，《中国科技统计年鉴》(2004～2005年)、《安徽省科技统计公报》(2007～2013年)等资料，并作相应统计处理。

3 数据分析与结果分析

3.1 分析过程

为了与不考虑绿色创新的安徽省区域创新效率进行比较，本文应用传统DEA 模型测算了安徽省2003～2012年创新的综合效率、技术效率与规模效率，然后运用SBM模型对创新效率重新进行了测算，并比较了两种不同方法下安徽省2003～2012年的创新效率变化情况。其中传统DEA模型测算的指标值不包括x3、x4两个投入指标以及y3、y4、y5三个产出指标。表1是是否考虑能源与电力投入两种视角下创新效率值。

表1 安徽省传统创新效率与绿色创新效率

Table 1 Efficiency of traditional innovation and green innovation in Anhui province

为了分析各决策单元的主要影响因素，通过模型测算出创新效率投入与产出的冗余值，并根据冗余值与原变量的比值得出冗余率。

3.2 结果分析与比较

从统计结果可以看出，两种不同视角下测算的安徽省创新效率及影响因素有有明显区别。

3.2.1 总体分析 从总体上来看，两种视角下安徽省的创新效率均呈现上升趋势，表明该省创新资源运用与管理能力逐年提升。总体平均创新效率方面，传统DEA模型测算结果为0.941，绿色创新视角下运用SBM模型测算的结果为0.77，低于传统DEA模型测算结果。

3.2.2 决策单元有效性分析 传统视角下仅1个决策单元(2011年)为DEA有效，9个决策单元为非DEA有效，其中6个决策单元(2003年、2004年、2006年、2009年、2011年、2012年)为弱DEA有效，说明这些年度创新投入在技术与管理方面实现了较好的资源配置，影响其非DEA有效的主要原因主要在于规模效率，即投入或产出规模不够合理，应该加大投入或提高产出水平；其余3个非有效决策单元技术效率值与规模效率值均小于1，说明这些决策单元不仅是投入产出规模不够合理，在创新投入的资源配置利用水平上也存在欠缺。

绿色创新视角下有2个有效决策单元(2011年、2012年)，8个非有效决策单元，且8个非有效决策单元的创新效率值不同程度地低于传统效率值。其中2004、2009年变化比较明显，变动值分别为0.51、0.47。2012年利用传统模型测算效率值小于1，但在考虑能源投入与环境因素后，其效率值有了提高，由原先的非有效决策单元转变为有效的决策单元。2011年这一决策单元用从不同角度去测量其创新效率，其效率值均为1，表明在两种视角下这一决策单元都处于最佳生产前沿面上，表明该年度的创新投入与产出总体上处于最佳状态。其在创新活动中的人力、财力以及能耗的投入，与该年度所获得的经济效率以及能源效益及环境效益是较匹配的。其它非有效决策单元，相对而言存在需要改进的效率空间。

3.2.3 非有效决策单元创新效率的影响因素 投入指标方面，R&D内部经费投入(x1)在传统视角下有4个决策单元(2006、2007、2008、2009)中冗余率不等于0，且呈上升趋势，而在创新视角下有8个决策单元出现冗余率不为0的情况，且呈下降趋势。说明在产出水平不变前提下，传统视角下R&D内部经费投入过多且对创新效率的影响逐年增加，创新视角下该指标投入过多，但对创新效率的影响程度逐渐降低。从事R&D活动人员数(x2)在传统视角下有4个决策单元中冗余率不等于0，而创新视角下同样情况出现在8个决策单元中，且对创新效率的影响程度不同。

产出指标方面，发明专利申请数(y1)在两种视角下均有多个决策单元出现产出不足的情况，但其对总体创新效率的影响程度不同，如2003年传统视角下发明专利数冗余率为211.8，绿色创新视角下为0；2010年度传统视角下发明专利数冗余率108.7，是影响创新效率的主要因素，而在创新视角下冗余率仅为14.9，说明该指标不是影响创新效率的主要因素。规模以上工业企业新产品销售收入(y2)在传统视角下对9个非有效决策单元均存在产出不足情况，而在创新视角下仅1个非有效单元存在产出不足情况，冗余率高达373.53，表明创新视角下仅2003年导致创新效率损失的最主要原因是新产品销售收入与前沿面差距较大，从2005年开始，非有效决策单元创新效率损失的原因主要集中在能源与电力资源投入利用不足与污染产出因素方面，但总体影响力呈下降趋势。

4 结论

本文从绿色创新视角出发，在进行安徽省创新效率评价中考虑能源与电力投入要素，将环境污染作为非期望产出，利用非径向的SBM模型，对安徽省2003～2012年创新效率进行测算，并与传统DEA模型测算结果进行比较，分析两种不同视角下非有效决策单元影响因素及改进措施。

第一，使用传统的创新效率投入产出指标，运用DEA模型测算的安徽省创新效率与考虑非期望产出的SBM模型测算的效率值有明显的差异。因此，从全面评价的角度来看，如果不考虑资源节约与环境污染，区域创新效率将会被高估。

第二，从绿色创新视角分析，2003～2012年安徽省8个非效率有效的决策单元，最主要的影响因素已由传统的经费、人力投入与专利、新产品销售收入逐渐向能耗、电耗及环境污染因素转变。

第三，考虑能源与电力资源投入以及对环境的污染因素后，安徽省近10年来的总体创新效率处于上升趋势，说明其总体可持续发展的能力在逐渐加强。下一步，可以在创新评价指标中加入相应能源耗费及环境污染因素，促使区域、企业在进行创新时更倾向于节约资源、减少污染的绿色技术的研究与开发，借助目前较好的经费与人才投入，实现更多的减少环境污染的绿色产品。

[1]郭军华,倪明.基于非参数HMB指数法的区域创新效率变动分析[J].管理学报，2011(1)：137-142

[2]李婧,白俊红,谭清美.考虑空间效应的区域创新效率测评[J].研究与发展管理，2011 (1):17-23.

[3]颜莉.我国区域创新效率评价指标体系实证研究[J].管理世界，2012(5)：173-174.

[4]苏屹,李柏洲.基于随机前沿的区域创新系统创新绩效分析[J].系统工程学报，2013(2)：125-133.

[5]钟祖昌.基于SBM法的我国区域创新效率的测度[J].统计与决策，2012(13)：101-104.

[6]周力.中国绿色创新的空间计量经济分析[J].资源科学，2010(5)：932-939.

[7]张江雪,朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究[J].数量经济与技术经济，2012(2)：113-125.

[8]白俊红,蒋伏心.考虑环境因素的区域创新效率研究[J].财贸研究，2011(10):104-113.

[9]华振.中国绿色创新绩效研究—与东北三省的比较分析[J].科技管理研究，2011(9):30-35.

[10]韩晶.基于绿色增长的中国区域创新效率研究[J].经济社会体制比较，2013(5):100-110.

[11]冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛，2013(2)：82-88.

[12]王灵，韩东林.产业转移视角下安徽省制造业技术创新效率评价—基于CPM与DEA[J].技术经济，2011(8)：56-57.

[13]魏峰，江永红.安徽省中小企业技术创新效率的评价及影响因素分析[J].中国科技论坛，2012(8)：100-106.

[14]杜鹏程.我国中部地区技术创新效率差异性研究[J].科技进步与对策，2014(4)：36-39.

(责任编辑：窦 鹏)

Measurement of Green Innovation Efficiency In Anhui Province Based on DEA

WANG Qi-ping

(Anhui Radio and TV University, Hefei 230051, China)

It will contribute to sustainable development of regional economy to integrate energy conservation and environmental factors into the evaluation of innovation efficiency. In this paper, two different models were used to measure the traditional innovation efficiency and green innovation efficiency in Anhui Province. The results show that the green innovation efficiency is significantly lower than traditional innovation efficiency, and innovation efficiency is overestimated without considering the energy situation and environmental factors. The main factors are significantly different to the two perspectives of innovation. The energy conservation and environmental protection have become the major factors influencing the green innovation efficiency of Anhui Province.

Green innovation；Innovation efficiency； DEA-SBM model

2014-08-26

安徽省哲学社会科学规划项目 (AHSK11-12D166)。

王七萍(1977-)，女，安徽省东至县人，硕士，讲师，主要从事区域经济研究。

F223

A

1673-8772(2015)01-0097-04