基于DEA模型的高技术大型企业创新绩效评价

李小欢 徐长乐

【摘要】 本文借鉴前人的研究成果，将高技术企业的创新过程分为技术开发和技术转化两个阶段，并对两个阶段分别构建了投入产出评价指标体系。同时采用DEA方法对全国21个省市的高技术大型企业的创新绩效进行实证研究，通过对比分析两阶段的投入产出绩效，发现我国大部分省市高技术大型企业的技术开发效率和技术转化效率都较低。最后进一步对各地区的高技术中型企业的创新绩效进行分析，发现大部分地区的高技术中型企业创新绩效都高于大型企业。

【关键词】 高技术大型企业 创新绩效 DEA

一、引言

近年来，我国高技术大型企业发展迅速，截止到2012年共有1592家，主营业务收入和资产总计分别高达63014.6亿元和42496.5亿元，分别占整个高技术产业的61.6%和55.48%。由于区域之间存在经济、技术、文化等方面的差异，各地区的高技术大型企业发展很不均衡，技术创新是大型企业发展的核心，许多企业进行了大量的创新投入，但并未取得理想的产出，区域间的高技术大型企业的技术创新效率也参差不齐。高技术大型企业是区域高技术产业发展的支柱，如何提高技术创新效率成为一个亟需解决的问题。

国内众多学者对高技术企业的创新绩效进行了研究，苏屹、喻登科等运用改进的DEA模型，对我国26个省市高新技术企业的创新绩效进行了研究。刘俊杰、傅毓维等运用DEA方法对全国30个省市的高技术企业创新效率进行实证研究。张玉臣、吕宪鹏采用分位回归法研究了高新技术企业创新绩效的影响因素。刘伟、李丹通过建立C-D函数回归模型评价了青岛市高新技术企业R&D投入产出绩效。曾德明、张运生等运用因子分析法对高新技术企业R&D绩效进行测度。吴永林、赵佳菲采用Malmquist生产指数法研究北京高技术企业的技术创新效率。目前这些研究为高技术大型企业绩效研究奠定了基础，但是这些研究成果中鲜少涉及对省际高技术大型企业技术创新绩效的研究。大型高技术企业是高技术产业发展中的龙头骨干企业，是高技术产业发展的支柱，其创新效率的高低对整个高技术产业的发展有重要影响，因此对高技术大型企业创新绩效研究迫在眉睫。

二、研究方法及评价体系

1、研究方法

本文选取数据包络法对高技术企业创新绩效进行评价。数据包络法（Data Envelopment Analysis）简称DEA，1978年由运筹学家A.Charnes、W.W.Cooper和E.Rhodes提出，适用于评价多投入多产出的多目标决策单元的相对效率，进行DEA分析通常要求输入越小越好，输出越大越好。目前DEA有多种模型，比较经典的有C2R模型和BC2模型，C2R模型适合规模报酬不变的绩效评价问题，而BC2模型对评价规模报酬变动的绩效问题更有利，并且还可以将技术效率进一步分解为纯技术效率和规模效率。由于高技术企业的创新活动有知识经济特征，在一定程度上抵消了传统生产要素的边际收益递减规律，使其创新边际收益具有不确定性，因此本文选用BC2模型。

在DEA绩效评价结果中，通常都会出现技术有效、规模有效、规模收益递增、规模收益递减几种情况的组合。技术有效是指在既定投入下取得最优产出，不能依靠改变投入要素组合和管理手段来提高产出；规模有效表示投入的规模刚好；规模收益递增是指产出的增长倍数高于投入的增长倍数；而规模效益递减是产出增加倍数低于投入增加倍数。

2、评价指标体系的构建

目前很多研究在运用DEA模型进行高技术企业创新绩效评价时都只对初始投入和最终产出进行研究，而没有考虑创新的中间过程，这容易造成“黑箱”问题，不利于分析创新的内在过程。本文借鉴前人的研究成果，将高技术企业创新过程分为技术开发阶段和技术转化阶段，并对两个阶段分别进行DEA绩效研究。根据高技术企业创新的特点，结合现有的研究，遵循完整性、数据可获得性、科学性等评价指标构建原则，分别构建了技术开发阶段和技术转化阶段的投入产出评价指标体系（见表1）。技术开发阶段，投入指标包括R&D人员全时当量和R&D经费内部支出，分别代表人员投入和资金投入，衡量产出的指标选取专利申请数和拥有发明专利数。技术转化阶段，投入指标包括专利申请数、拥有发明专利数、新产品开发经费、技术改造经费支出和R&D人员全时当量，选择新产品销售额和新产品出口额作为产出的指标。

3、数据来源

本文数据主要来源于2011—2013年的《中国高技术产业统计年鉴》。在数据统计时，因广西、海南、内蒙古、西藏、云南、新疆、甘肃、青海、宁夏等省份的数据不完整，故未对这些地区进行分析。在进行DEA分析时，考虑到时滞的影响，选择投入产出的时间间隔为1年，即以2010年的数据作为技术开发阶段的投入，2011年的专利数据作为产出，2012年新产品的销售额作为第二阶段的产出。

三、结果分析

1、技术开发阶段绩效分析

在技术开发阶段（见表2），21个省市中只有北京和安徽两地的高技术大型企业的综合绩效达到有效，投入产出处于最佳状态。山西、广东、重庆三个地区的综合效率高于0.8，表明资源配置较为合理，而辽宁、黑龙江、四川三个省份的综合绩效低于0.2，尤其是四川，综合效率为0.098，意味着这些地區的高技术大型企业创新资源配置效率很低，资源浪费严重。从总体上看，我国高技术大型企业的技术开发效率不高，仅11个省市高于全国水平，且省市之间的差异较大。从三大区域来看，东部地区的绩效高于中部地区，中部地区高于西部地区。

在非DEA有效的省市中，山西、吉林、广东三地达到了纯技术有效而规模无效，且其规模收益均处于递增阶段，表明这三个省份的高技术大型企业能够有效利用R&D资源，但发展规模还不够，需要扩大生产规模。浙江达到了规模有效而纯技术无效，反映出其高技术大型企业需要提高资源的利用效率。河北、辽宁、黑龙江、江西、河南、湖北、湖南、重庆、四川、陕西等地的纯技术效率低于规模效率，且规模收益递增，说明生产要素的组合不理想，需要加以改善。天津、上海、江苏、福建纯技术效率低于规模效率且规模收益递减，表明这些地区的高技术大型企业在技术创新方面重复投入，存在资源浪费现象，需要对现有资源进行整合，提高效率。总的来说，这些非DEA有效的地区规模效率普遍大于纯技术效率。从冗余度看，大部分地区在技术研发阶段存在不同程度的浪费现象，且基本上都是在R&D人员方面存在冗余。从产出方面看，近一半地区的高技术大型企业拥有发明专利存在不足。

2、技术转化阶段绩效分析

从成果技术转化阶段看（见表2），北京、天津、吉林、江苏、安徽、福建、四川等地区的综合绩效达到DEA有效。综合绩效高于0.8的只有广东，其余大都低于0.5，表明各地区的高技术大型企业的技术转化效率呈现出两极分化的现象。从三大区域看，西部地区高于东部地区，东部地区高于中部地区，其中，东部地区主要是规模过大引起DEA无效。

在非DEA有效的地区，也是规模效率普遍大于纯技术效率。其中，山西、广东、重庆三地的纯技术有效而规模无效，表明这些地区的高技术大型企业在技术转化阶段需要寻求最优的生产规模。陕西的规模接近有效而纯技术无效，因此需要提高资源的利用效率，改善企业的经营管理措施。河北、江西、山东、湖北的纯技术效率低于规模效率且规模效益递减，表明资源利用未达到最优，投入存在冗余。辽宁、黑龙江、上海、河南、湖南的纯技术效率低于规模效率且规模效益递增，反映这些地区需要加大投入规模。从冗余度看，部分地区在技术改造经费支出、R&D人员全时当量方面存在冗余，而在产出方面，大部分地区在新产品出口方面存在不足。

3、大型企业两阶段创新绩效对比

为了进一步了解各地区高技术大型企业的技术开发效率与技术转化效率的差异，对技术开发效率和技术转化效率进行聚类分析，并以0.8为临界点将各地区高技术大型企业创新绩效分为四种类型（见图1）。第一类是技术开发效率和技术转化效率都高于0.8的地区，包括北京、广东、安徽。其中，北京和广东分属于京津冀和珠三角地区，经济发达，人力资源丰富，高技术大型企业的创新能力强，科研产品市场化水平高。而通过对原始数据的分析发现，安徽省的高技术大型企业在R&D方面的投入规模很小，需要进一步扩大生产规模。第二类是技术开发效率高和技术转化效率低的地区，包括山西和重庆，其能将研发投入转化为专利技术，但将专利市场化的效率较低。通过对原始数据的分析发现，两个地区在技术转化阶段的规模效率低，需要增加投入，尤其是增加新产品开发经费。第三类是四川、福建、吉林、江苏、天津等技术转化效率高而技术开发效率低的地区，这些地区的高技术大型企业需要提高技术研发效率。第四类是技术开发效率和技术转化效率都低的地区，我国大部分省市都属于这一类型，从三大区域看，东、中、西部都是属于此类。

4、高技术大型企业与中型企业创新绩效对比分析

为了与高技术大型企业进行对比，本文进一步对各地区的高技术中型企业的R&D绩效进行研究，通过对比可以发现，大部分地区的高技术中型企业的技术转化绩效都很高。综合来看，中型企业的绩效高于大型企业。具体来看，北京和广东的大型与中型高技术企业创新绩效属于第一种类型，大部分地区的大型企业属于第四种类型，而中型企业属于第三种类型，大部分中型企业的技术转化绩效都很高。

四、结论与讨论

本文运用DEA模型对我国各省市的高技术大型企业的创新绩效进行分阶段研究，结果表明大多数地区的高技术大型企业的技术开发效率和技术转化效率都不高，相较于中型企业，大型企业在技术创新方面的绩效并不是很理想，整体上低于中型企业。从三大区域看，东部地区大型企业的技术开发绩效高于中部地区，中部地区高于西部地区，西部地区大型企业技术转化绩效高于东部地区，东部地区高于中部地区。本文的研究还存在很多问题：由于统计资料的有限，本文的研究仅限于近三年的情况，在评价指标的选择上也较为有限，且只对大型和中型高技术企业进行了对比，因此对高技术大型企业创新绩效研究需要持续的关注。

【参考文献】

[1] 苏屹、喻登科、李柏洲：基于改进DEA的我国高技术企业技术创新绩效研究[J].科学学与科学技术管理，2012（6）.

[2] 刘俊杰、傅毓维：基于DEA方法的高技术企业创新效率研究[J].科技管理研究，2008（3）.

[3] 张玉臣、吕宪鹏：高新技术企业创新绩效影响因素研究[J].科研管理，2013，34（12）.

[4] 刘伟、李丹：青岛市高新技术企业R&D投入与产出绩效研究[J].科技进步与对策，2010，27（3）.

[5] 曾德明、张运生、秦吉波：高新技术企业R&D的绩效评价[J].统计与决策，2003（11）.

[6] 吴永林、赵佳菲：基于DEA的北京高技术企业技术创新效率研究[J].科技和产业，2011，11（1）.

[7] 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].科研管理，2013，34（2）.

[8] 刘川：我国高技术产业研发创新效率研究——基于三阶段DEA方法[J].工业技术经济，2012（12）.

[9] 郑坚：高技术产业技术創新效率评价的改进DEA方法研究[D].哈尔滨工业大学，2008.

（责任编辑：张琼芳）