基于DEA模型的区域战略性新兴产业创新系统效率研究

吴中兵，宋赫民，赵 帅

（1.中央财经大学 财政税务学院，北京 100081；2.华夏幸福基业股份有限公司，北京 100027；3.中央财经大学 会计学院，北京 100081；4.山东英才学院 非物质文化遗产研究院，山东 济南 510632）

一、引言

创新作为经济发展的驱动力一直备受学者的关注。作为“创新”一词的首次提出者，Schumpeter（1934）[1]认为创新包含五种类型：（1）新产品的引进或现有产品质性的改进；（2）产业的工艺创新；（3）新市场的开发；（4）原材料新来源的发展；（5）企业组织其他的投入和改变。随着研究的深入，“创新系统”的概念逐渐吸引众多学者的广泛关注（Bergek 等，2008）[2]。出于研究的需要，学者从不同的视角对创新系统进行定义。一些学者基于创新系统的地域空间和边界性对创新系统的类型进行考察。国家创新系统涉及到一个国家科技和产业的发展（Chung，2012）[3]，它通过研究、技术、发展和创新的政策来加以刻画（Freeman，1987）[4]。Cooke 和 Schienstock（2000）[5]认为区域创新系统由一定地域范围内的创新网络和机构的行政支撑的安排组成，这些创新网络和机构的相互作用能够极大地提高区域内企业的创新产出。Malerba（2002）[6]则认为产业创新系统具有一定的知识基础、技术、投入和需求，它由一系列具有特定用途的新产品以及参与这些产品开发、生产和销售的执行市场和非市场相互联系的主体组成。不同的创新系统具有不同的功能。就系统的动态性而言，这些功能为创新系统的评估和比较提供一定的基础和经验借鉴（Bergek 等[2]，2008；Hekkert等，2007[7]）。Johnson（2001）[8]认为创新系统的功能应该包括影响创新系统目标执行（正向和负向）的活动。其他的学者则通过不同的视角对创新系统的功能进一步详细阐述。

自从2008年金融危机以来，由于对国家经济的可持续发展以及国家安全的重要作用，战略新兴产业无论在发达国家还是发展中国家都逐渐受到学术界和政策制定者的广泛关注。与此同时，中国正积极推进七大战略新兴产业的建设，以使它们成为中国社会和经济发展的重要驱动力（Wang，2012）[9]。战略新兴产业（主要包括节能环保产业、新一代信息技术、生物产业、高端设备制造、新能源、新材料以及新能源汽车产业）是知识技术密集型产业，这些产业具有低资源消耗、高增长潜力、高经济效益特点，同时依靠技术突破和发展的需求，这些产业在整个社会全局和经济发展中扮演着引领者作用（Lin等，2013）[10]。经过近几年的发展，中国区域战略性新兴产业取得了巨大的进步，不仅仅改善了中国的科技创新能力，而且促进了地方经济和社会的发展。随着“十二五”国家战略性新兴产业发展规划的颁布，地方政府出台一系列政策措施支持本地战略新兴产业的发展（郭连强，2011）[11]。中国的地方政府在行政和经济上具有一定的独立性，在制定经济政策上具有一定的自主权，尤其是产业的政策和创新规划（Li，2009）[12]。因此，研究中国区域战略新兴产业具有重要的意义。

本文通过创新系统的功能视角，采用中国30个省份的样本，考察中国区域战略新兴产业的系统效率。首先，介绍创新系统功能的相关文献；其次，介绍本文的研究方法-DEA模型；再次，在已有的文献基础上，本文结合中国战略新兴产业的特点，选取系统功能的指标；最后，在选取指标的基础上，运用数据包络分析方法（DEA）考察中国区域战略新兴产业创新系统的效率。

二、创新系统的功能

尽管大多数创新系统功能都包括“学习”和“互动性学习”，但学术界对创新系统功能的定义仍然存在一定的分歧。Galli和 Teubal（1997）[13]认为创新系统的功能应该分为两类：硬性功能和软性功能。Edquist（2005）[14]则认为创新系统的功能总体上可以分为三部分：创新的产生、扩散以及用途。如表1所示，尽管关于创新系统功能的表述有一定差别，但是这些表述能够为创新系统效率的比较提供一定的基础。正如Hekkert等人（2007）[7]描述的那样，“功能视角支撑了描述创新决定因素的系统性方法的运用，增强了创新系统分析方法的解释力”。

三、研究方法和数据来源

（一）DEA模型

表1 创新系统功能的部分文献

对于效率的研究，学术界普遍采用两种方法进行测算：参数模型，例如随机前沿模型（SFA；如Kumbeakar和Lovell，2000[18]）；非参数模型，例如数据包络分析（DEA；Cooper等，1999[19]）和自由排列包方法（FDH；Deprins等，1984[20]）。值得注意的是，DEA模型在分析公共部门活动方面较之其他方法具有一定的优势，尤其是研究区域创新系统的效率（Charnes等，1994[21]）。因此，本文采用 DEA 模型对中国区域战略性新兴产业进行测算。

DEA模型主要采用线性规划方法，用于评估包含多投入、多产出的决策单元（DMU）的效率。Charnes，Cooper和 Rhode（1978）[22]首次提出了基于非参数方法的DEA模型（CCR模型）。随后，在此基础上，Banker，Charnes 和 Cooper（1984）[23]发展了BCC模型。假定任一个决策单元均有其对应的效率评价指数：

适当取权重系数 v和 u，可以使 hj≤1，j=1，2，…，n。在公式（1）中，xij和 yrj分别表示 DUMj在要素i上的投入量以及产出r上的产出量。vi和ur分别为要素i以及产出r上的权重系数。一般认为，hj0越大意味着决策单元DUMj0能够利用较低的投入获得较高的产出，所以决策单元DUMj0的投入产出效率相对较高。假定在第j0个决策单元的效率指数目标下，以所有决策单元的效率指数为约束，构建C2R模型：

引用 Charnes-Cooper 方法，记：t=1/（vTx0），ω=tv，μ=tu，规划问题 P可变为：

考虑到规划问题P'的对偶问题为：

在公式（4）基础上，引入松弛变量和剩余变量，转换不等式约束为等式约束，得到：

在P'''中，假定最优解为：ηj0、sj0-、sj0+、θj0。若θj0=1，且 sj0-=0，sj0+=0，则决策单元 DEAj0是DEA有效的；若 θj0＜1，则决策单元 DEAj0不是DEA有效的。

（二）指标的选取及数据来源

本文主要采用 Hekkert等（2007）[7]以及 Bergek等（2005）[15]对创新系统功能指标的描述。根据数据的可得性，选取一定的指标，如表2所示。鉴于部分省份对应于具体产业的数据的缺失，不利于省份间的战略新兴产业创新系统效率的比较。因此，本文仅仅对下一代信息技术以及生物产业进行实证分析（由于西藏仅仅涉及新能源产业，因此排除西藏的数据）。相关的数据来源于《中国科技统计年鉴》（2013，2014）；《中国高技术产业统计年鉴》（2013，2014）。由于存在时间的滞后性，因此本文采用2012年的输入数据，2013年的输出数据。

表2 战略性新兴产业创新系统功能指标

四、区域战略新兴产业创新系统效率评估

本文首先根据CCR模型测算综合效率水平（技术效率），其次利用BCC模型测算纯技术效率水平。基于恒等式“综合效率=规模效率×纯技术效率”，测算规模效率。本研究利用DEAP2.1分析软件进行实证检验，具体结果如表3、表4所示。

对于生物产业而言，关于综合效率，其均值为0.832。在所有的省份中，有效的省份包括：北京、天津、吉林、浙江、湖南、广东、海南、重庆、青海、宁夏和新疆（效率值等于1）。实证分析结果表明，这些地区的投入要素得到了充分的利用。相反，黑龙江和云南省的投入要素没有得到有效利用（效率值小于0.5）。

关于纯技术效率，其均值为0.850。有效的省份包括：北京、天津、江苏、浙江、湖南、广东、海南、重庆、四川、青海、宁夏和新疆（效率值等于1）。表明这些地区将投入转化为产出的技术能力较强；相反，云南省则不具有较强的技术能力。

关于规模效率，其均值为0.977。有效的省份包括：北京、天津、吉林、浙江、湖南、广东、海南、重庆、青海、宁夏和新疆（效率值等于1）。结果表明，这些地区在投入资源的分配方面，相对比较合理。

表3 生物产业创新系统效率值

表4 下一代信息技术产业创新系统效率值

关于规模效益，规模收益递增的省份包括：河北、上海、安徽、福建、江西、山东、湖北、贵州、云南、陕西和甘肃。结果表明，这些地区在生物产业领域的投入严重不足，为扩大产出量，增加要素投入量势在必行。规模收益递减的省份包括：山西、内蒙古、辽宁、黑龙江、江苏、河南、广西和四川。结果表明，这些地区如果继续提高生物产业的投人，投入量的增加比例远远高于产出量增加的比例，因此这些地区应适当减少投入量。

就下一代信息技术而言，综合效率的均值为0.886。除了广西省（效率值小于0.5），大多数省份具有较高的效率值（效率值大于0.5）。纯技术效率的均值为0.918，所有的效率值都大于0.5。规模效率的均值为0.963，并且所有的省份的资源配置相对比较合理。关于规模效益，只有四个省份规模效益递减：山西、吉林、江苏和河南。

五、结论

本文通过功能视角考察中国区域战略新兴产业创新系统的效率，主要得到如下结论：（1）尽管不同的地区关注于不同的战略新兴产业，但大多数省份具有有效的创新系统；（2）与大多数学者的研究相一致（黄磊，2014）[24]，总体上看，由于具有发达的经济水平，沿海地区创新系统效率相比西部地区更高；（3）国家政策对西部的倾斜已经改善了西部的投资环境，提高了西部省份的创新系统的效率，缩小了东、西部之间的差距。部分中西部省份的效率反而超越沿海省份。因此，政府应该继续加大投入，实施优惠税收政策，积极搭建产学研平台，加强构建人才引进机制，完善地区配套措施，进一步提高区域战略新兴产业创新系统的效率。

考虑到很少有文献从实证角度对区域战略新兴产业进行分析，本文在研究过程中，也存在一定的局限性：（1）指标的选择具有一定的局限性。鉴于数据获取的难度，本文指标的选取受到一定的限制，未来有望进一步深入并拓展指标的范围。（2）由于产业代码的对应关系不明确，使得本文仅仅局限于生物产业和下一代信息技术产业，期待未来能够对其他产业进行更加深入的探讨。

[1]Schumpeter J A.The theory of economic development：An inquiry into profits，capital，credit，interest，and the business cycle[J].Transaction Publishers，1934.

[2]Bergek A，Jacobsson S，Carlsson B，Lindmark，S，Rickne A.Analyzing the functional dynamics of technological innovation systems：a scheme of analysis[J].Research Policy，2008（37）：407-429.

[3]Chung C.National，sectoral and technological innovation systems：The case of Taiwanese pharmaceutical biotechnology and agricultural biotechnology innovation systems（1945-2000）[J].Science and Public Policy，2012（39）：271-281.

[4]Freeman C.Technology Policy and Economic Performance：Lessons from Japan[M].Pinter：London，1987.

[5]Cooke P，Schienstock G.Structural Competitiveness and Learning Regions[J].Enterprise and Innovation Management Studies，2000，1（3）：265-280.

[6]Malerba F.Sectoral systems of innovation and production[J].Research Policy，2002（31）：247-264.

[7]Hekkert M，Suurs R A A，Negro S，Kuhlmann S，Smits R.Functions of Innovation Systems：A new approach for analysing technological change[J].Technological Forecasting and Social Change，2007，74（4）：413-432.

[8]Johnson A.Functions in Innovation System Approaches[C].In Paper for DRUID's Nelson-Winter Conference.Aalborg，Denmark，2001.

[9]Wang L.China Vows to Boost Strategic Emerging Industries[J].China Chemical Reporter，2012，23（15）：3.

[10]Lin M，Wang Y，Wu G.Regional strategies for developing emerging industries of strategic importance in China[J].Journal of Science and Technology Policy in China，2013，4（1）：20-35.

[11]郭连强，2011.国内关于“战略性新兴产业”研究的新动态及评论[J].社会科学辑刊（1）：152-155.

[12]Li X B.China's regional innovation capacity in transition：An empirical approach[J].Research Policy，2009（38）：338-357.

[13]Galli R，Teubal M.Paradigmatic shifts in national innovation systems.Systems of Innovation[M].London，1997.

[14]Edquist C.Systems of innovation：perspectives and challenges.The Oxford Handbook of Innovation[M].Oxford University Press，New York，2005：181-208.

[15]Bergek A，Jacobsson S，Carlsson B，Lindmarki S，Rickne A.Analysing the dynamics and functionality of sectoral innovation systems-a manual[C].In：10 Year Anniversary DRUID Summer Conference，Copenhagen，2005.

[16]Chaminade C，Edquist C.From Theory to Practice：The Use of Systems of Innovation Approach in Innovation Policy[M].Lund University，Lund，2005.

[17]Liu X，White S.Comparing innovation systems：a framework and application to China's transitional context[J].Research Policy，2001，30（7）：1091-1114.

[18]Kumbhakar S C，Lovell C A K.Stochastic Frontier Analysis[M].Cambridge University Press，Cambridge，2000.

[19]Cooper W W，Seiford L M，Tone K.Data Envelopment Analysis：A Comprehensive Textwith Models，Applications，References and DEA-Solver Software[M].Kluwer，Boston，MA，1999.

[20]Deprins D，Simar L，Tulkens H.Measuring labor efficiency in post offices，in Marchand M，Pestieau P，Tulkens H. （Eds）.The Performance of Public Enterprises：Concepts and Measurement[M].Elsevier，Amsterdam，1984：243-267.

[21]Charnes A，Cooper W，Lewin A Y，Seiford L M.Data Envelopment Analysis.Theory，Methodology and Applications[M].Kluwer，Boston，MA，1994.

[22]Charnes A，Chacooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，6（2）：429-444.

[23]Banker R D，Charnes A，Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（9）：1078-1092.

[24]黄磊.中国区域战略性新兴产业创新系统效率研究[D].暨南大学，2014.