长三角地区创新资源配置效率差异研究

2017-01-09孙夙鹏江苏大学财经学院江苏镇江212013

统计与决策 2016年24期

孙夙鹏（江苏大学财经学院，江苏镇江 212013）

长三角地区创新资源配置效率差异研究

孙夙鹏
（江苏大学财经学院，江苏镇江 212013）

文章针对长三角地区因创新资源配置不合理而出现的阻碍创新的问题，建立DEA模型，对长三角地区16个城市的创新资源配置效率进行测度，并对投入冗余、产出不足和投入资源利用率等进行了分析。结果显示，长三角地区有近一半的城市创新资源没有得到有效配置，配置效率与经济发展水平没有明显正向关系，城市之间创新资源配置差异较大，部分城市大量创新投入没有得到充分利用。未来长三角地区要加强区域内创新资源协调配置，注重创新资源结构优化调整。

创新资源；配置效率；数据包络分析；长三角地区

0 引言

长三角地区位于长江下游和东海之滨，包括上海市、江苏省东南部和浙江省东北部，是目前中国经济发展速度最迅猛、经济总量规模最巨大、最具有经济发展潜力的区域性经济板块。当前，得天独厚的创新环境和丰富的创新资源为长三角地区的经济发展提供了有力保障，但在创新资源投入不断增加的同时，资源本身具有的稀缺性及资源配置的低效性等特征日渐突显出，上述问题日益成为长三角地区进一步发展的“潜在阻碍”。因此，只有在解决创新资源配置效率问题的前提下，增加创新资源投入，才能避免创新资源的浪费，区域创新能力才能够得到有效率的提升。那么，长三角地区创新资源配置的情况如何？其配置效率又是怎样？对于上述问题的回答有利于本文深度把握眼下长三角地区创新发展的实际情况，发现该区域创新资源配置效率中存在的差异及引起差异的原因，找寻合理提高资源配置效率，优化资源配置结构的方法。

本文选取了创新资源投入、产出指标，建立DEA模型测度长三角地区创新资源配置效率，揭示长三角地区各城市在创新资源配置方面存在的差异及原因，为长三角地区创新资源优化配置寻找有效途径并为相关部门制定政策提供决策参考。

1 创新资源配置效率相关概念

创新资源是开展创新活动所投入的人力、物力、财力、知识等全部资源的总和。根据资源的属性，创新资源是一种不受时空限制的“再生资源”，可以同时被许多人反复利用，但在一定的时空条件下，创新资源总量是有限的、稀缺的，也导致了区域内创新资源的竞争，加之创新资源分布的不均衡性，共同决定了创新资源的流动性，从而体现出创新资源配置的重要性和必要性。创新资源决定了一个国家或地区创新能力的重要基础。

创新资源配置就是对相对稀缺的创新资源在各种创新活动和各个创新主体之间进行的选择、安排、分配和组合的过程。创新资源配置追求的最终目标是实现效益最大化，是以较少的创新资源实现较高的产出量，并实现较多的收益，同时调整创新资源的投入组合结构，最终建立起适应科技创新与经济社会发展的创新资源配置体系。创新资源的配置关系到一个国家或地区创新能力和竞争能力的提高，是国家经济运行和发展的核心问题，而创新资源配置的效率则是实现上述核心问题的关键。效率是指资源的有效使用与有效配置。创新资源配置效率是指在一定的时间和空间内，选择、安排、分配和使用有限的创新资源所能实现的最大的社会需求满足程度，一般也称为创新资源的利用效率，其实质反映了创新系统的投入产出效率。

2 长三角地区创新资源配置效率的测度

2．1 测度模型

1978年，著名运筹学家Charnes、Cooper和Rhodes提出了第一个DEA模型——C2R模型，此模型被用来评价决策单元间的相对有效性。DEA方法是一种以相对效率概念为基础，用于评价具有相同类型的多投入、多产出的决策单元（DMU）是否技术有效的一种非参数统计方法。

C2R模型中每个决策单元DMUj(j=1，2，...，n) 都有m种非负投入 Xj=(x1j，x2j，…，xmj)以及k种非负产出Yj=(y1j，y2j，…，ykj)，决策单元DMUj利用投入Xj得到产出Yj。对于任意决策单元DMUj基于凸性、锥性、无效性和有效性的公理假设，由生产可能性集：

可以得到如下DEA模型C2R：

其中，θ表示决策单元DMUj的创新资源投入相对于产出的有效利用程度（有效值），Xij0、Yrj0分别为DMUj0的投入和产出要素；λj表示相对于DMUj重新构造一个有效DMU组合时，其中第j个决策单元的组合比例；S-、S+为松弛变量；ε是阿基米德无穷小量。

C2R模型所表达的经济含义为：（1）当θ＝1且Sj-＝S+＝0时，DMU为DEA有效，说明创新资源配置在投入Xj时所获得的产出Yj已经达到最优；（2）当θ＝1且Sj-≠0或Sj+≠0时，DMUj为DEA弱有效，说明把投入Xj减少Sj-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提高到Sj+；（3）当θ＜1时，DMUj为DEA无效，说明可将创新投入降至原投入Xj的θ比例而使原产出Yj不减少。

用DEA方法测度效率，事先无需假定投入和产出的具体函数关系，同时DEA不要求所有的DMU采用同一种生产函数形式，故它满足“多元最优化准则”，每一个DMU皆可以通过调整自己的生产结构来达到效率最大化。另外，DEA通过该线性规划模型得出的是相对有效，这个相对有效比绝对有效更有实际意义，因为对一定系统，大量管理运筹学的实际研究已经表明，任何生产效率都不可能达到最优，实际的生产只能追求适合本系统中的生产状况的满意的效率。DEA则提供了这种满意解，给出了适合系统发展方向、相对系统现有发展水平可能达到的效率改进目标。

2．2 测度指标及数据

2.2.1 测度指标的选择

DEA模型一般要求决策单元DMUj具有相同的投入、产出指标，并且在样本数是投入产出指标之和两倍以上的情况下，DEA模型运用效果较好。本文从创新资源配置的特点出发，遵循统计指标选取的基本原则，兼顾统计数据的可得性，共选取了7个投入、产出指标用于测度长三角地区16个城市的创新资源配置效率。

创新资源投入主要体现在人员、经费和知识的投入，本文选取了科技活动人员（X1）、R&D经费内部支出（X2）、购买国内技术经费支出（X3）三个指标。科技活动人员和R&D人员全时当量是描述创新人员投入常用的两个指标，前者反映从事创新活动的人员规模，后者更多地用于描述创新人员投入强度和质量。本文研究的创新资源配置主要从总量上探讨投入产出的比率关系，故选取科技活动人员反映创新人力资源的投入更适合。科技活动经费支出和R&D经费内部支出是学术界公认的衡量创新的财力指标，由于统计制度的改革，后者相对前者统计口径更加统一、数据更易获取，也更加精准地反映了创新经费的投入规模。购买国内技术经费支出是指企业购买国内其他单位科技成果（包括产品设计、工艺流程、图纸、配方等）的经费支出，该指标在学术研究中用得较少，本文认为在知识经济时代，先进的知识和技术是尤为重要、更加直接的一类创新资源，故选取该指标以反映各区域创新活动中知识资源的投入。

创新活动产出可分为直接产出和潜在产出，本文选取了专利申请量（Y1）、新产品产值（Y2）、高新技术产业产值（Y3）和技术合同成À额（Y4）四个指标。专利技术是创新活动一个重要产出成果，相较于专利授权量易受到专利审查机构、人员等主观因素的影响，专利申请量能更加客观地反映创新活动的产出规模。创新活动最直接的产出往往表现为新产品的问世，新产品产值就反映了创新投入后的一种市场绩效型的产出。此外，创新促进了技术的更新换代和新技术产业的发展，高新技术产业产值用于反映创新形成的产业规模。由于技术特点，技术贸易都以合同的方式进行，技术合同成À额是指签订的各类技术贸易合同中标定的价款总额，该指标数值大小可以反映创新活动的活跃性和创新产出的规模。

2.2.2 数据来源及说明

文中数据均来自于2013年《中国城市统计年鉴》和长三角各城市2013年《统计年鉴》，由于不同城市《统计年鉴》的编写有所不同，造成部分数据残缺，本文采用了根据增长率来推算其缺失值的方法进行估计，从而最大程度保全了数据的可靠性和科学性。如表1所示。

表1 2012年长三角地区创新资源配置投入产出数据汇总

2．3 实证结果及分析

2.3.1 创新资源配置效率值测度

基于表1投入产出各指标的数据，本文采用DEAP2.1数据包进行DEA数值的测度，测度结果见表2所示。

表2 2012年长三角地区创新资源配置效率值

从数值上看，长三角地区创新资源配置效率总体较高，所有城市的DMU的效率值都在0.7以上。常州、苏州、扬州、镇江、泰州、杭州、湖州、绍兴、舟山9个城市的DMU效率值为1，表明创新资源配置相对有效，这部分城市占样本城市总数的56.25%，其中江苏的城市占了一半以上；上海、宁波、嘉兴、台州4个城市的效率值处于0.9～1.0区间内且相当接近，创新资源配置效率也较高；其他3个城市南通、无锡、南京的配置效率处于0.7～0.8区间内，相对其他城市配置效率较低，实际这3个城市的创新资源投入、产出指标的数值都较高，其DMU效率值不高的原因，主要在于DEA方法是一种相对有效的分析技术，考察的是投入和产出之间的前沿生产函数与相对有效之间的投影面积，在技术上出现此种情况是可以接受的，而且这一结果与前人研究结论一致，在马强（2010）的研究成果中，这3个城市的创新资源配置效率（南通0.129、无锡0.752、南京0.402）也处于长三角地区倒数的位置。

2.3.2 各城市创新资源配置无效原因分析

（1）投入、产出指标松弛变量测算值

松弛变量的计算，为改善效率提供了直观的理论目标值和改进的潜力值。投入指标的松弛变量S-常常被视为一种浪费或者冗余，产出指标的松弛变量S+表示现有创新资源配置下产出不足的量或优化配置之后可增加的产出量。松弛变量的测算值见表3所示。

表3 各DMU投入、产出指标的松弛变量测算值

由表3可知，各项投入指标冗余的均值比较小，但各投入指标均存在不同程度的浪费或者说没有切实发挥效用。具体来看，各城市科技活动人员X1的浪费和冗余情况不容乐观，南京、无锡及杭州都存在相对效率低下的情况，无锡尤为严重；此外，R&D经费内部支出X2闲置情况较为明显，平均出现12.4亿元R&D经费的浪费情况，其中上海市研发经费浪费最严重；购买国内技术经费支出X3的低效情况相对乐观，平均浪费0.417亿元，上海购买国内技术经费的浪费仍然最多。长三角地区创新活动活跃、创新资源紧缺，出现这么多创新资源的浪费实在可惜，这也充分说明加大创新资源投入的同时，优化创新资源配置的结构、提高配置效率更加重要。

由表3可知，各城市产出指标的不足额或目标改进值的均值较大。具体而言，专利申请量Y1平均还可以再增加约3785件，新产品产值Y2平均还可以增加302亿元左右，高新技术产业产值Y3平均可以增加542亿元，技术合同成À额Y4平均可以增加33.965亿元。虽然这些只是理论值，但是可以为提出优化资源策略提供一些参考。

从专利申请量指标来看，上海、杭州以及嘉兴均存在相对有效而言的产出不足，其中上海市专利申请量产出不足的数值最高，这说明虽然上海专利申请量较高（2012年全国排名第5），但如果创新资源配置更加合理，现有的创新投入还可以创造出更多的专利申请。从新产品产值指标来看，南京、无锡、杭州、宁波和台州5个城市该指标的松弛变量不为0，该项产出能力未得到充分发挥，尤其是宁波，其新产品产值不足的量（3172亿元）是均值（302亿元）的10倍多，新产品产值有待提高的空间最大。从高新技术产业产值和技术合同成À额两个指标来看，大部分城市处于相对有效的情况。

（2）创新资源投入利用率测算值

DEA模型一个重要价值在于可以测算投入利用率。根据计算得到θ、S-、S+，而由ΔXj=(1 -θ) Xj+S-计算得到ΔXj，这里ΔXj为第j个决策单元基于现有产出的投入剩余量向量；根据公式计算得到第j个决策单元第i个投入指标的利用率，如表4所示。

表4 各DMU创新资源投入利用率（单位：%）

分析创新资源投入的利用率可知，平均来看长三角地区创新资源投入的利用率从低到高依次为科技活动人员（84.43%）、R&D经费内部支出（90.59%）和购买国内技术经费（92.78%）。而分城市看，各城市之间差异较大，南京市科技活动人员和经费虽然投入量很大，但利用率较低，分别为11.45%和30.11%，大量的资源没有切实发挥效用；无锡市科技活动人员的利用率（14.71%）也较低，仅次于南京；此外，杭州市科技人员活动效率为69.18%，低于浙江省平均值92.34%，处于浙江省较低水平。分省份区域看，江苏省、上海市和浙江省三地DMU平均值分别为85.04%、79.67%和95.47%，相对而言，浙江省7个城市创新资源利用率普遍较高，科技活动人员、R&D经费内部支出、购买国内技术经费支出DMU平均值分别达到92.34%、97.91%和96.15%，超过整个长三角地区平均水平分别达7.91、7.32和3.37个百分点，其中湖州市、绍兴市和舟山市三项利用率均达到100%，体现出明显的区域性。

3 结论与建议

本文基于DAE模型，对长三角地区城市间创新资源配置效率进行测算和分析，研究结论有助于了解长三角地区创新资源配置的基本情况。

（1）长三角地区创新资源配置效率总体较高，与经济发展水平没有明显正向关系。所有城市的DMU的效率值都在0.7以上，其中浙江省7个城市的效率值平均为0.979，创新资源配置效率最高；江苏省8个城市的效率值平均为0.924，与上海市的效率值0.920差不多。上海、南京、无锡等地区创新资源丰富，且经济发展水平相对较高，但这3个城市创新资源配置效率偏低，高投入没有带来高效率，这与前人研究结论基本一致。

（2）各城市产出指标的不足或目标改进值的均值较大。计算各产出冗余均值与各产出指标均值的比值（具体结果为括号内数值）可知，由于产出不足对创新资源配置效率影响，从高到低排序依次为技术合同成À额（22.41%）、新产品产值（16.20%）、高新技术产业产值（14.37%）和专利申请受理量（8.76%）。江苏省8个城市在产出Y1上都达到了最优，这也是近年来江苏重视知识产权战略实施取得的重要成就；上海市产出Y2达到了最优，说明上海更加重视创新知识成果转化为新产品；浙江7个城市大多在产出Y1和Y2达到了最优，相对而言在Y3和Y4上产出不足的情况较严重，说明浙江也比较重视专利的申请和转化，在高新技术产业发展和技术À易方面有待进一步加强。

（3）各项投入指标冗余的均值较小，但各投入指标均存在不同程度的浪费。创新资源投入利用率从低到高依次为科技活动人员（84.43%）、科技活动经费（90.59%）和购买国内技术经费（92.78%）。创新资源配置非有效的城市在资源配置上各有其长处和不足，如上海虽然投入X2和X3存在较大冗余，但投入X1冗余为0；杭州、宁波投入X1和X3存在冗余现象，但投入X2冗余为0；南京、无锡投入X1和X2存在较大冗余，但在投入X3上冗余为0，综合影响了创新资源的有效配置。

综上所述，长三角地区创新资源丰富、创新资源投入较大，但其资源投入的空间分布密度和结构不尽合理，且投入与产出之间不匹配的现象明显，从而导致该地区各城市创新资源配置效率存在一定差异。因此，根据长三角地区目前所处的发展阶段，为了缩小地区间的差异、优化创新资源配置结构、提高资源配置效率，本文借鉴发达国家发展经验，提出以下三点建议：

（1）长三角地区要加强区域内创新资源À流与合作，减少区域内部的资源消耗，协调共进。各城市在创新资源的配置上各有优缺点，应积极加强相互学习和合作，突出自身优势和特色产业，合理产业布局，共享创新资源和创新成果，形成既有分工又有合作的创新发展模式。

（2）长三角地区内部在加大创新资源投入的同时，要注重优化创新资源结构。各城市尤其是创新资源配置非有效的城市，要提高创新意识，充分利用投入的创新资源，加大专利申请力度并促进专利转化为新产品、形成高新技术产业，加强区域间技术贸易活跃程度，促使长三角区域各城市的创新资源配置效率达到最优，进一步推动创新驱动战略的实施。

（3）长三角地区要进一步配合实施科教兴国和人才强国战略，不断夯实科技人才培养和À流。加强各地各级高等院校之间的经验À流和培养模式创新，在政府宏观调控下，充分调动企业、科研机构等部门的积极性，实现产、学、研协作，加快人才培养速度，组建一支高学历、高素质的创新人才队伍服务于长三角地区经济发展。

[1]郑珊珊,樊一阳,刘华珍.基于DEA模型的高科技产业技术创新资源配置效率分析[J].科学管理研究,2010,(3).

[2]王雪原,王宏起.我国科技创新资源配置效率的DEA分析[J].统计与决策,2008,(8).

[3]谷绍辉,王筱萍.黄河经济带科技创新水平测度研究[J].技术经济, 2011,(1).

[4]丘磐,刘艳.珠三角地区制造业创新资源的配置效率研究[J].经济论坛,2010,(2).

[5]董明涛.我国农业科技创新资源的配置效率及影响因素研究[J].华东经济管理,2014,(2).

[6]华海岭,吴和成.地域大中型工业企业创新资源配置效率研究[J].中国科技论坛,2011,(6).

[7]马强.长三角城市创新资源配置效率研究[J].南京航空航天大学学报（社会科学版）,2010,(3).

[8]陈雄辉,谭春华.基于区域科技创新联盟的创新资源耦合模式研究[J].科技管理研究,2013,(13).

[9]厉以宁.经济学的伦理问题[M].北京:三联书店,1995.

[10]魏权龄.数据包络分析[M].北京:科学出版社,2004.

（责任编辑/浩天）