基于三阶段DEA模型的我国区域海洋科技创新效率分析

李 彬，杨 鸣，戴桂林，杨俊杰，王 健,

（1.青岛国家海洋科学研究中心，山东 青岛 266071；2.中国海洋大学，山东 青岛 266003）

【统计与分析】

基于三阶段DEA模型的我国区域海洋科技创新效率分析

李 彬1，杨 鸣1，戴桂林2，杨俊杰1，王 健1,2

（1.青岛国家海洋科学研究中心，山东 青岛 266071；2.中国海洋大学，山东 青岛 266003）

通过使用三阶段DEA模型，剔除了传统效率测算中的环境因素和随机干扰影响，分别对我国 “十一五”期间 （2006—2010年）天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南11个沿海省市区的区域海洋科技创新效率进行了实证分析。结果显示：三阶段的DEA分析可以较好的反映海洋科技的创新效率；通过对我国区域海洋科技创新效率的计算可以发现， “十一五”期间，我国海洋科技创新效率仍处于较低水平，发展趋势上呈现缓慢增长的特点，区域间海洋科技创新效率的差异较为明显，在各地区海洋科技投入不断加的背景下，创新效率已经成为制约海洋科技水平的重要原因。因此，建议各沿海地区应进一步完善区域海洋科技创新的支撑体系，保证海洋科技投入的持续稳定增长，强化对海洋科技关键领域的创新。

海洋科技；科技创新；创新效率；三阶段DEA模型

引言

21世纪是海洋的世纪，开发保护海洋、建设海洋强国离不开海洋科技创新的支撑，海洋科技创新已成为当今国际竞争的焦点。近年来，随着我国海洋经济在沿海地区经济发展中的地位不断提高以及“科技兴海”发展战略的实施，各沿海地区纷纷加大对海洋科技的投入，我国海洋科技的投入达到前所未有的高度，海洋科技的整体水平已经有了显著提高。但从区域角度来看，海洋创新能力差异明显，区域海洋科技管理水平很大程度上造成了各沿海地区海洋科技的非均衡发展。而海洋科技创新效率是海洋科技管理水平最直观的反映，提高科技创新效率也是推动区域海洋科技发展的关键。因此，在各地海洋科技创新资源投入不断加大的同时，需要对各地区海洋科技创新效率进行科学的评价，从而为提升我国区域海洋科技管理水平，实现海洋科技资源高效配置提供参考。

目前对于我国海洋科技创新效率的研究尚不丰富，樊华（2011）运用传统的DEA模型对我国沿海地区2006—2008年间海洋科技创新效率的差异进行了分析[1]，陈倩（2011） 运用层次分析法对指标赋权计算了环渤海地区海洋科技效率[2]，谢子远（2011）以科技活动人员人均专利数等直接计算了各地区的海洋创新效率[3]。上述研究对开展海洋科技创新效率的研究进行了有益的尝试，但也存在一定的不足，其中陈倩和谢子远的研究中仅以人均指标反映海洋科技效率，缺少对其他投入要素的分析；而樊华采用的传统的DEA分析无法有效的剔除现实环境中环境因素与随机误差对效率的影响，无法真实反映各地区海洋科技管理的水平。

关于效率水平的研究一直是学术界研究的热点，进行效率测算方法主要分为非参数方法和参数方法，其中非参数方法主要是DEA（数据包络分析），参数方法主要是SFA（随机前沿分析）。这两种常用的方法既有各自的优势也存在一定的缺陷，针对上述方法的优点和不足，Fried et al.（2002） 将数据包络分析与随机前沿分析两者的优势相结合，提出了三阶段DEA分析[4]。该方法能够同时调整环境因素与随机误差等对效率的影响，使得所计算出来的效率值能更真实地反映决策单元的内部管理水平。由于三阶段DEA分析所具有的优势，许多学者开始运用这一方法对区域技术创新效率、商业银行效率等进行了研究，并取得了较好的效果[5，6]。因此，本文运用三阶段DEA分析对我国沿海11个省市区的科技创新效率进行研究，以克服原有研究方法的不足，从而更准确的反映我国区域海洋科技管理的水平，这在海洋科技创新研究中尚属首次。

1 三阶段DEA模型构建

1.1 第一阶段：传统的DEA模型

Cooper等（1978）通过将Farrell的单投入单产出的效率测算模型发展为多投入多产出而提出了DEA分析中的第一个模型——CCR模型[7]，这种新的效率衡量方式被正式命名为“数据包络分析”，其后，Banker，Charnes和Cooper（1984）在变动规模报酬假设下发展出了BCC模型[8]，将技术效率分解为纯技术效率和规模效率。根据区域技术创新的基本特征，本阶段采用的是基于投入导向的可变规模收益的BCC模型，假设有I个决策单元，N项投入，M项产出，X=[x1，x2，…，xI]为N×I的投入矩阵，Xn为其第n行，λ=[λ1，λ2，…，λI]T为特征向量，从而得到各决策单元的效率值与各项投入的松弛量。

1.2 第二阶段：运用SFA模型对第一阶段各项投入的松弛量进行分解

传统的BCC模型没有剔除环境因素和随机误差等因素的影响，因而获得的效率值并不准确。第二阶段，通过对各项投入的松弛量按照环境因素、随机误差和管理无效率进行分解构建SFA模型，进而调整投入量，使调整后的决策单元面临相同的外部环境以及相同的运气成分。

根据第一阶段DEA模型的结果，各项投入的松弛变量为sni=xni-Xnλ≥0，sni为第i个决策单元在第n种投入上的松弛值，Fried et al.（2002）指出，此处的松弛值是第一阶段全部的松弛值，Xnλ则是产出向量对应的xni在投入效率子集上的最优映射[4]。以各投入的松弛量为因变量，以环境因素变量作为解释变量，对每一项投入的松弛量均建立一个SFA回归方程，共建立N个回归方程，投入松弛变量与环境解释变量的理论模型为：

式中：zi= [z1i，…，zki]表示k个环境变量的组合；βn为环境变量的待估参数；vni+uni为复合误差项，根据SFA模型假设，vni为随机误差，反映了统计噪音，为管理无效率，实证时通常假定服从半正态分布且vni与uni相互独立，并与k个环境变量相互独立，定义则管理无效率因素占主要作用。fn（zi；βn） 为确定的可行松弛前沿，fn（zi；βn） +vni为随机的可行松弛前沿，对每一个SFA模型采用极大似然技术估计未知参数，通过使用frontier4.1进行计算可以得到βn，γn和，其中，

根据计算结果，对第一阶段各决策单元的投入项进行调整，其原始投入的调整公式为：

该部分的关键是根据SFA模型的回归结果获得的值。罗登跃（2012）指出目前许多学者在三阶段DEA研究中对计算的错误之处，主要在于误用了Jondrow（1982） 相关公式[9]，Kumbhakar和 Lovell（2000） 给出的三阶段DEA模型管理无效率的估计公式应为：

式中：λn=σun/σvn，f（·）、F（·）分别为标准正态分布的密度函数和分布函数[10]。

1.3 第三阶段：重新计算DEA模型

在第三阶段，利用调整后的投入替换，和原始产出重新运行DEA模型，得到剔除了环境因素和随机扰动影响的效率，从而更准确的反映各决策单元的实际效率水平。

2 实证分析

2.1 指标的选择与数据来源

2.1.1 投入产出指标的选择

在进行创新效率分析中，创新投入指标的选取主要从人力和资金两方面考虑，其中科研人员与科研资金作为投入变量得到了研究者的普遍公认[11]。结合数据的可获得性，选取各地区海洋科研机构的科技活动人员数和各地区海洋科技经费筹集额作为区域海洋科技创新的投入变量。

专利申请授权数相对于其他创新成果更具有直接的经济意义，且在一定程度上反映了区域创新成果的发展水平[12]，此外科技论文发表情况也是创新效率研究中常用的产出指标。因此，本文选择各地区海洋领域专利授权数和科技论文发表数作为区域海洋科技创新的产出变量。

2.1.2 技术创新环境指标的选择

研究与实践表明，技术创新环境对技术创新具有较强的影响作用，两者之间存在明显的相关关系[11]。相关研究中对环境因素的选择主要包括以下几个方面：创新基础能力、产业结构、劳动者素质、对外开放程度等。根据数据资料情况，研究选取各地区海洋科研机构数、承担海洋领域课题数作为创新基础能力指标；海洋科研教育管理服务业作为产业结构指标；专科以上毕业生数量作为劳动者素质指标。

2.1.3 数据来源

本文相关数据全部来源于《中国海洋统计年鉴》 （2007—2011）。在相关统计数据中，部分地区的年度专利授权数为零，DEA模型则要求所有的数据均满足大于零的要求，根据马占新等（1999）的研究证明，各决策单元的同一指标数据同时加上相同的正数，DEA模型的有效性不变[13]，因此本文在研究中对专利授权数为零的年份数据进行了相应的变换。

2.2 实证结果分析

本文第一阶段采用BCC模型，运用Deap2.1软件对“十一五”期间（2006—2010年）我国沿海11个省市区海洋科技创新的效率进行了测算，得到了各地区海洋科技创新的技术效率（TE）、纯技术效率（PTE）和规模效率（SE）。第二阶段建立SFA模型，通过运用Frontier4.1软件对各项投入冗余的环境影响进行分析，计算并剔除环境因素和随机误差的影响，从而调整投入变量。第三阶段则根据调整后的投入变量重新进行DEA分析，得到各沿海省市区更符合实际情况的海洋科技创新效率值。由于篇幅所限，2010年的各项计算结果如表1所示，其他年份只列出第一阶段和第三阶段的技术效率，如表2所示。

表1 2010年各沿海省市区海洋科技创新效率Tab.1 Marine science and technology innovation efficiency of the coastal provinces in 2010

表2 2006—2010年各沿海省市区海洋科技创新技术效率Tab.2 Technology efficiency of marine science and technology innovation of the coastal provinces in 2006-2010

表1为2010年各省市区调整前后海洋科技创新各项效率的具体情况。结果显示环境因素和随机干扰对各省市区海洋科技创新效率尤其是规模效率具有显著的影响。经过对环境因素与随机干扰的剥离调整后，技术有效的省市区由3个下降为2个，各省市区技术效率均值由0.777下降为0.622，纯技术效率均值由0.833上升为0.879，规模效率均值由0.934下降为0.673，规模效率成为制约技术效率水平的重要原因。从区域上看，河北、广西、海南的技术效率在调整前后下降非常明显，三省区海洋科技创新的实际效率值在第一阶段传统DEA分析中普遍较高，广西的三项效率值均为1，这一情况与区域海洋经济科技的实际发展存在一定的不符，经过调整后，可以发现这些省市区的实际效率值并没有那么高，而通过三阶段DEA分析能够更好的获得各省市区海洋科技创新效率的实际情况。

根据表2中2006—2010年各沿海省市区海洋科技创新技术效率的情况，环境因素和随机干扰对各年份的技术效率测算都存在一定的影响。调整后的各年度技术效率均值均有所下降，除2007年的技术效率水平存在一定的波动外，技术效率均值总体呈上升趋势，但上升速度较慢，技术效率整体水平较低。在传统DEA分析中，部分地区各年份的技术效率均被严重高估，而技术效率值被低估的地区，其技术效率值调整前后的差异并不明显，此外在调整前后，区域间技术效率的差异有所扩大。

3 结论与建议

3.1 结论

本文通过对2006—2010年间我国各沿海地区海洋科技创新的技术效率建立三阶段DEA模型，对我国区域海洋科技创新效率进行了测算。研究表明三阶段DEA模型在科技创新的技术效率分析中具有明显的优势，分析结果显示传统的DEA分析对于低投入低产出的规模效率容易高估从而影响技术效率的准确，如河北、广西、海南等地区的海洋科技创新的技术效率值在调整前后变化显著，借助三阶段DEA模型可以有效剔除环境因素和统计误差对各地区海洋科技创新效率的影响，更加真实的反映我国区域海洋科技创新的管理水平。

从各地区海洋科技创新的技术效率均值来看，我国海洋科技创新效率的整体水平还比较低，“十一五”期间总体上呈现出上升的趋势，但增长速度较慢且存在一定的波动，海洋科技管理水平已成为制约各地区海洋创新的重要因素。从各地区间的情况来看，区域间海洋科技创新的效率存在较大差异，其中广东、上海、山东的创新效率处于较高的水平，体现了这三个地区在海洋经济技术发展中的科技优势与领先地位，而广西、海南等地的创新效率则与海洋科技发达地区存在较大差距，研究表明区域海洋科技创新效率与其海洋经济科技的发展水平基本相一致。从各地区海洋科技创新的具体情况来看，我国区域海洋科技的创新主要处于报酬递增的阶段，规模效率相比纯技术效率对海洋科技创新效率的影响更为明显，地区海洋科技创新的规模化水平还有待提高。

3.2 建议

近年来，我国各沿海地区海洋科技的管理工作取得了一定的成效，区域海洋科技创新效率得到了进一步的增长，但随着建设海洋强国战略的全面实施，还需要在以下几个方面不断加强：

第一，完善区域海洋科技创新的支撑体系。目前我国区域海洋科技创新效率的整体水平还比较低，区域海洋科技的管理水平有待提高，这就需要政府针对海洋科技创新的自身特点不断深化海洋科技管理体系的改革，通过完善科研机构评价体系，创新科研人员激励机制，建立产学研服务平台等一系列措施，建立完善的支撑体系，增强区域海洋科技创新的能力。同时还应加强区域间的交流协作，积极开展区域间协同创新，并及时总结和推广海洋科技发达地区的成功经验，发挥核心地区的科技创新辐射带动效应。

第二，保证海洋科技投入的持续稳定增长。我国海洋科技投入规模近年来大幅增长，但区域海洋科技创新的规模效率显示，多数地区正处于规模报酬递增阶段，规模效率普遍较低，通过提升规模化水平将显著提高区域海洋科技创新的效率。海洋科技发展落后地区应进一步创新海洋科研经费筹措方式，加大对海洋科研的资金投入，改善科技创新环境积极培养引进海洋创新人才，同时针对海洋科技创新难度大、风险高、周期长的特点，制定海洋科技发展的长期规划并设立专项资金，从而保证海洋科技投入的稳定。

第三，强化对海洋科技关键领域的创新。通过对海洋基础科学的源头创新和海洋产业中重大共性技术的重点突破，可以显著提升区域海洋科技的产出水平，提高海洋科技创新效率，实现区域海洋科技的跨越式发展。因此在区域海洋科技管理中，应强调政府在基础科学和共性技术等关键领域创新的主导作用，重视组织制定和实施重大技术专项计划，制定鼓励海洋科技关键领域研发的政策措施，强化海洋科技管理部门对海洋创新的宏观决策。

[1]樊 华.中国区域海洋科技创新效率及其影响因素实证研究[J].2011（9）：57-64.

[2]陈 倩.环渤海地区海洋科技投入产出比较分析[J].资源开发与市场，2011，27（7）：632-634.

[3]谢子远.海洋科研机构规模与效率的关系研究[J].科学管理研究，2011，29（6）：40-43.

[4]Fried H O，Lovell C A K，Schmidt S S，et al.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：154-174.

[5]赵 宏，王 军.2006—2008年中国科技活动投入产出效率比较分析[J].统计与决策，2011（2）：93-95.

[6]戴文文，高建福.中国上市银行效率的实证研究——基于DEA三阶段模型分析[J].价值工程，2009（10）：160-164.

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

[8]Banker R D，A Charnes and W W Cooper.Models for the Estimation of Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984（30）：1078-1092.

[9]罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究，201229（4）：104-107.

[10]Kumbhakar S C and Lovell C A Knox.Stochastic Frontier Analysis[M].Cambridge：Cambridge University Press，2000.

[11]罗彦如，冉茂盛，黄凌云.中国区域技术创新效率实证研究——三阶段DEA模型的应用[J].科技进步与对策，2010，27（14）：20-24.

[12]黄德春，高 敏，刘炳胜.中国区域技术创新效率变动差异与空间趋同研究——基于三阶段DEA模型和趋同实证分析[C]//第六届（2011）中国管理学年会——技术与创新管理分会场论文集.北京：中国管理现代化研究会，2011.

[13]马占新，唐焕文.关于DEA有效性在数据变换下的不变性[J].系统工程学报，1999，14（2）：129-134.

Research on the Efficiency of China's Regional Marine Technical Innovation Based on the Three-stage DEA Model

Li Bin1,Yang Ming1,Dai Guilin2,Yang Junjie1,Wang Jian1,2
（1.Qingdao National Marine Science Research Center,Qingdao 266071,China; 2.Ocean University of China,Qingdao 266003,China）

By using the three-stage DEA model and eliminating the effectsof environmental variables and statistical noise in the traditional method of measuring efficiency,this paper made an empirical analysis of the marine technology innovation efficiency in 11 coastal provinces of China in 2006-2010.It found out that the three-stage DEA model can evaluate the efficiency of marine technology innovation more accurately, and during the 11th Five-Year Plan,the marine technology innovation efficiency in China was still at a low level,growing slowly and the difference in the regional Marine technology innovation efficiency was obvious.Through the comparative analysis,it can be found that against the background of the marine technology input constantly increasing,innovation efficiency has become an important factor for restricting the marine science and technology level.There fare,it is suggested that coasted regions farther improve the support system for the regional marine science as technology innovation,ensure the sustained and stable growth of marine science and technology input are strengthen the innovation in the they areas of marine science as technology.

marine technology;innovation efficiency;three-stage DEA model

F223

：A

：2095-1647（2016）02-0047-07

2016-03-08

山东省软科学研究计划重大项目 [2014RZF01001]；山东省软科学研究计划一般项目 [2015RKF01002] [2014RKF01004]；中国海洋发展研究会基金项目 [CAMAJJ201510]

李彬，男，博士，助理研究员，主要研究方向为海洋科技、海洋经济研究。

杨鸣，男，博士，研究员，主要研究方向为海洋科技研究。