基于DEA的贵州省创新资源优化配置效率

孙皖玲

(安徽财经大学，安徽　蚌埠233030)



基于DEA的贵州省创新资源优化配置效率

孙皖玲

(安徽财经大学，安徽蚌埠233030)

摘要：文章利用数据包络分析方法(DEA)，对贵州省的创新资源使用情况进行分析，计算相对资源配置效率值，并以2000至2013这14年的数据为实证分析的对象，得出了贵州省创新资源配置的综合效率、纯技术效率和规模效率都很高，但R&D活动人员投入、R&D活动经费投入以及大中型企业的新产品开发经费投入有部分冗余的结论，并给出了相应的建议。

关键词：贵州省；DEA；创新资源；配置效率

创新资源是一个地区产业和企业进行创新活动的核心要素，是产生创新成果，推动经济和社会发展的必要支撑基础和要素的集合，也是判定一个地区综合创新能力和发展潜力的重要指标，其中人才资源和财力资源是重要的创新资源[1]。在人力资源投入方面，贵州省的R&D(研究与试验发展)人员总量从2000年的34041人增长至2013的23888人，呈逐年递增趋势，平均每年的增长率为5.01%。在财力资源投入方面，从2010年至2013年，贵州省在研究与实验发展经费方面的投入强度分别为0.65%、0.64%、0.61%、0.59%，呈现逐年下降的趋势，意味着贵州省每年新增的R&D经费并不乐观。但是创新资源投入的多与少并不意味着一个区域整体创新能力与创新竞争力的提高与降低，还需要在各种创新活动和各个创新人员之间进行的相应的选择、安排、分配和组合，这种过程就称为创新资源配置。而创新资源的配置效率对于实现各种创新资源的合理、优化配置具有极为重要的参考价值以及实际意义。

一、效率评价方法(DEA)

区域创新资源优化配置是一个多投入与多产出的复杂系统。而DEA这种非参数方法，不需要事先建立投入和产出之间复杂的函数方程，也不需要对参数和权重进行预估和假定，可以避免主观因素影响，直接通过加权产出与加权投入之比计算得出决策单元的相对效率。因此非常适合用来分析一个区域的创新资源优化配置效率。

(一) BCC模型

BCC模型是DEA的一个基本模型，它是由Banker等人在1984提出的用于研究在规模收益可变情况下决策单元(DMU)的相对效率，它能够了解各决策单元所处的规模报酬情况，将有助于决策者做规模上的调整，进而达到有效率的经营是一种适合同时评价技术有效性和规模有效性的分析方法[2]。

设有n个DMU(1≤j≤n)，每个DMU有m种投入和s种产出，xij表示第j个DMU的第i种投入量[3]，yrj表示第j个DMU的第r种产出量，则DMUj对应的输入输出向量分别为Xj= (x1j, x2j，，，xmj)T和Yj=(y1j, y2j，，，ysj)T均大于零，j=1，2，，，n，如果投入为导向,即在维持现有水平产出的情况下,最小化投入,则对第j个DMU模型进行评价的标准BCC模型如下[4]：

式中minθ表示DMU的效率值,s-为各投入的冗余度，s+为各产出的的不足率，λj表示第j个DMU的权数。下面进一步说明模型的经济意义：1.当θ=1且 s-=0，s+=0时，DMU为 DEA有效，表明这 n 个决策单元组成的经济系统中，其绩效在原投入Xj时所获得的产出Yj已经达到最优；2.当θ=1且s-≠0或s+≠0时，DMU为DEA弱有效，表明n个决策单元组成的经济系统中，把投入Xj减少S仍可保持原产出Yj不变，或在投入Xj不变的情况下可将产出Yj增加S；3.当θ<1时，DMU为DEA无效，表明n个决策单元组成的经济系统中，可将投入降至原投入Xj的θ比例而使原产出Yj不减少[5]。

(二)指标选取

在运用DEA模型测度效率时，要求决策单元 DMU具有相同的投入、产出指标，并且根据经验法则要求决策单元DMU的样本数至少是投入、产出项数之和的两倍以上[6]。文章从创新活动的特点、指标选取的基本原则以及相关数据的获得出发，选取贵州省科技创新活动的如下投入、产出指标：

1.投入指标

研究与试验发展(R&D)活动人员折合全时当量(X1t)：指t年度直接从事研究与试验发展的全时人员数加非全时人员按工作量折算为全时人员数的总和。

R&D经费内部支出(X2t)：t年度企事业用于内部开展R&D活动(包括基础研究、应用研究、试验发展)的实际支出，不包括委托外单位进行R&D活动而转拨给对方的经费支出。

工业企业新产品开发经费支出(X3t)：t年度在企业科技活动经费内部支出中用于新产品研究开发的经费支出，包括新产品的研究、设计、测试、试验等费用支出。

2.产出指标

专利申请受理量(Y1t)：t年度专利行政部门接受申请并受理的专利件数。

工业企业新产品销售收入(Y2t)：t年度一些工业企业通过销售新产品实现的收入，新产品是经政府有关部门认定并在有效期内的产品。

技术合同成交额(Y3t)：t年度技术市场上签订的各类技术合同的总额。

二、贵州省创新资源配置效率分析

(一)数据的收集与处理

数据全部来自于2001-2014年的中国科技统计年鉴，但是，由于不同年份的编制体例的差异，部分数据会由相对应的数据进行代替。例如，在2011年，中国科技统计年鉴将大中型工业全部调整成了规上工业企业，所以自2011年之后的大中型工业企业新产品开发经费支出和新产品销售收入的数据就替换为规上工业企业的相应数据。而2001与2002年间R&D活动人员折合全时当量的数据由于还没有调整所以是缺失的，这里用2001与2002年贵州省科技活动人员数进行了替代。此外，为了保证数据的真实性以及数据间的可比性，以2000年为基准，利用GDP(工业)缩减指数和永续盘存法对相关数据进行了相应的处理。

(二)基于DEA的创新资源配置效率实证分析

根据所处理的投入与产出数据，使用DEAP2.1软件进行运算，得出效率值如表1所示(其中，经费的单位是万元，人员的单位是个)。

表一　2000-2014年贵州省创新资源配置效率及其分解

(注: “drs”、“irs”、“-”分别表示规模收益递减、递增、不变。)

通过表1可以得出，从总经济效率来看，2000-2013年贵州省创新资源配置的总经济效率平均值为0.927，总体来说还是很高的，但是和纯技术效率和规模效率的平均值0.978、0.947相比，很不理想。究其原因，从规模收益可以看出，除了2002年、2007年、2009年、2011年以及2013年这5年的资源配置效率达到了技术效率与规模效率同时最优以外，其余9年的资源配置效率都不是很最合理。而且在资源效率不合理的9年内，除了2010年贵州省对创新资源的规模投入有冗余之外，其余8年贵州省对本省的研究与试验发展活动人员、研究与试验发展经费以及工业企业的新产品开发费用等创新资源方面的规模投入都存在不足之处。从纯技术效率来看，贵州省对创新资源的管理和技术应用方面的效率是最高的，平均值达到了0.978，只有5年没有达到最优值。尤其是在2002年至2007年间，除了2005年均实现了最优的技术利用率，而纯技术效率最低的是2010年，可能是因为研究与试验发展活动人员与经费在这一年的不当投入产生了创新资源方面的人员管理、经费分配和资源利用等问题。从规模效率来看，规模效率相应的年份与纯技术效率、总经济效率相应的年份一一对应的有5年，而与总经济效率相应的年份一一对应的却有9年，这说明其余4年都只是因为规模效率而致使总体效率值的偏低，而且除了2008年和2010年，其余12年规模效率值的偏低均对纯技术效率和总经济效率产生了影响，这需要对规模效率进行一定的改进。从投入指标伸缩(改进)情况来看，R&D活动人员投入、R&D经费投入和新产品开发经费投入的使用效率存在冗余的情况[7]，投入资源的使用效率较低。尤其是最近几年，在投入资源的使用效率方面总是不稳，一年高一年低的来回波动。从整体的平均值来看，共有60.022人的工作时间、3008.015万元的研发经费投入以及4607.281万元的新产品开发经费投入没有得到有效的利用，存在人力和财力的浪费。

三、 总结

以上分析在一定程度上反映了贵州省在创新资源优化配置方面存在的问题，同时也要看到创新资源的优化配置效率越高，产业和企业的整体竞争力就越强，对整个省的经济和社会的贡献率就越大。因此，通过一系列的措施提高资源配置效率，从而提高整个省的综合竞争能力就势在必行。根据分析，提出以下几点建议：

1. 提高创新投入转化为创新产出的能力。通过实证可以看到，贵州省的创新资源配置效率在大多情况下都处于无效状态，要提高创新资源配置效率，一方面要继续加强R&D活动的经费和人员投入，鉴于贵州省这种极度缺乏高科技人才以及科技经费投入的规模报酬递增的区域情况，增加这方面的投入会在很大程度上提高其配置效率。另一方面充分发挥市场的调节作用以增强企业的积极性，同时扩大中介机构的作用来降低企业创新的成本和风险，有益于提高创新资源的投入与产出效率。

2. 建设创新资源配置体系。贵州省创新资源配置效率的提高依赖于各类创新主体(企业、科研机构、政府和各类创新服务机构)的各司其职、密切合作，构成一个完整有效的体系。其中，企业应该把自己准确定位在技术创新主体上，并有意识的提高自己的技术创新能力；科研机构应该成为科技创新的主力军，专注于新知识的创新方面；政府在创新系统中的角色应该是制度创新主体，主要职责是利用法律和经济手段间接地调节生产经营，为企业发展与创新创造良好的社会和市场环境；而各类服务机构有益于提高创新信息和资源的获取效率，从而推动技术成果的转化。现阶段，贵州省应该加快建立起一个相辅相成的创新体系，使得各主体将资源合理分配，发挥出最大的效用。

3.加强资源引进与合作。贵州属于欠发达地区，产业和企业的各个领域较发达地区还是比较落后，研究人员总量小、学历低，尤其是缺乏高层次的专业人员。因此，完全靠自身的努力很难推动贵州省创新资源配置效率的提高。所以需要鼓励企业发展与省内外高校，科研机构的合作，借用外来人力进行技术创新，开发新产品，并通过与周边省份或发达区域进行技术交流与技术合作，来谋求经济共同发展，来提高贵州省的创新资源配置效率。

参考文献：

[1]李双杰等·基于DEA模型的制造业技术创新资源配置效率分析[J].工业技术经济,2006(3).

[2]Banker R,Charnes A,Cooper W·Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984,30(1).

[3]王俊能等·基于DEA理论的中国区域环境效率分析[J].中国环境科学,2010(4).

[4]郑珊珊,樊一阳等·基于DEA模型的高技术产业技术创新资源配置效率分析[J].科技管理研究,2010(3).

[5]肖国东,张立伟·区域农业剩余劳动力的测算与调整——以内蒙古自治区为例[J].经济论坛,2012,(4).

[6]肖静,赵军凯·R&D投入产出效率的国别比较和影响因素分析[J].情报杂志,2009(12).

[7]王小伟,邓长庚·安徽省区域创新资源配置效率研究[J].泰 山 学 院 学 报,2014(6).

(责任编辑：郑朝彬)

According DEA Method to Research Guizhou Innovation Resource Allocation Efficiency

Sun Wanling

( Anhui University of Finance and Economics,Bengbu 233030,Anhui,China)

Abstract：Using data envelopment analysis ( DEA) method to analyses Guizhou innovation resource allocation and calculate the resource allocation efficiency.this article use the date from 2000 to 2013 this 14 years to analyses the object of above,and the results show that overall technical economic efficiency,pure technical efficiency and scale efficiency of Guizhou regional innovation resource allocation are all higher,but there are some redundant R&D activities personnel、R&D funds and investment in large and medium-sized enterprises of new product development funds.Finally,some enlightenment and suggestions are given．

Key words:Guizhou，DEA，regional innovation， resource allocation efficiency

收稿日期：2016-02-21

作者简介：孙皖玲(1991.05～)，女，安徽人，安徽财经大学在读硕士研究生。研究方向：物流与电子商务。

中图分类号：F293.2

文献标识码：A

文章编号：1673-9507(2016)02-0122-04