基于三阶段DEA模型的安徽省各地区科技创新效率分析研究

武保贇，张克荣，周 罗

（阜阳师范学院 商学院，安徽 阜阳236037)

鉴于经济的长远发展主要依托科技创新能力，而科技创新能力又是一个地区能否持续发展和弯道超车的重要能力。但是目前，安徽省相比同是长三角地区其他省份的科技创新投入不高，其科技创新能力在区域的竞争中并不占有优势。所以安徽省提高省内的科技创新能力不但要加大科技资源投入，更要提高科技创新产出的质量以及效率。

就目前科技创新产出效率的研究来看，其方法主要分为两种，一种是通过设定参数计算科技创新产出效率。如随机前沿模型，但是其缺点在于需要设立参数模型，模型设立的正确与否直接会影响评价的结论，有可能导致得出的结论是错误的，甚至是没有意义的。所以很多学者开始采用另一种非参数的方法，如数据包络模型（data envelope analysis,DEA），如黄海霞使用了DEA模型对战略性新型产业进行效率的测定[1]。赵树宽运用DEA模型评价分析了吉林省高新技术产业的技术效率[2]。DEA模型的主要优点在于不需要设定参数，可以有效避免模型错误的设定，模型中指标的权重也是由投入和产出数据自动得出的，具有良好的客观性。但就目前的研究现状看，DEA模型应用虽然很多，但是其并没有考虑环境因素以及随机噪声因素的干扰，所以得出的结论并不准确。而三阶段DEA模型能够考虑到环境因素以及随机噪声的影响，并且能够剔除环境因素以及随机噪声，使得出的结论更加客观，并且三阶段DEA模型有机的结合参数分析以及非参数分析，得出的结论更加科学。

目前三阶段DEA研究，在研究对象上，大部分学者都把视角聚集在省域层面或者国家层面，如乔元波对2007-2014年我国30个省份和市区进行了科技创新效率评价研究[3]，钟祖昌将SBM模型与三阶段DEA模型相结合，实证评估了OECD国家以及中国的科技创新效率[4]。从横向角度上，如贾帅帅对工业企业进行了创新能力评价分析[5]，李洪伟等运用三阶段DEA模型对我国高新技术产业进行了分析[6]。很少有学者研究省域范围内的科技创新产出效率，对安徽省各地区的科技创新效率分析更是寥寥无几。鉴于此，本研究选取安徽省2012-2015年16个地级市的面板数据，运用了三阶段DEA模型分析了安徽省各地区的创新效率。

1 研究方法与数据

1.1 三阶段DEA模型

1.1.1 DEA模型第一阶段

Charnes等提出了DEA模型[7]。由于DEA常常使用到的有两种模型，本研究选择BCC模型。第一阶段的模型可表示为：其中，j=1,2,…,n表示不同的决策单元，X表示投入变量，Y表示产出变量。其本质上是一个线性规划问题。若θ=1,S+=S-=0,则决策单元DEA有效；若θ=1,S+≠0或S-≠0，则决策单元弱DEA有效；若θ＜1，则决策单元非DEA有效。

1.1.2 DEA模型第二阶段

可以构造如下函数：

SFA的回归是为了调整相关环境因素以及随机噪声，调整公式如下：

1.1.3 DEA模型第三阶段

在第三阶段中，将剔除外界因素以及随机噪声的结果再次计算科技创新效率，得到的结果更加真实客观。

1.2 指标的选取和数据的收集

本研究的数据来源于安徽省相关统计年鉴，并把数据做了描述性统计。数据如表1。

1.2.1 投入产出变量的选择

在研究区域创新活动效率时往往从两个角度：一个从资本投入角度，一个从人力资本角度作为投入的变量。从目前学者的研究来看，冯志军[9]选取的投入指标只是R&D经费的内部支出，其结果会低估各个区域R&D经费投入水平，导致科技产出效率的不客观。故本研究选取R&D经费内部支出和外部支出之和作为资本投入，这样可以更好的反映了资本投入情况。并采用了R&D人员全时当量来表示实际人员的投入水平。

表1 相关变量的统计特征

在创新活动的产出方面，借鉴冯宗宪[10]、乔元波[4]、贾帅帅[6]以及余泳泽[11]的研究成果，选取专利申请数作为创新的产出。另一方面因为新产品销售收入可以有效反映市场对企业科技成果的接受程度，可以较好反映创新成果的市场价值，所以本研究选择新产品销售收入作为产出变量。

1.2.2 环境变量的选择

Furman等认为创新研发资源投入并不是创新绩效产出的唯一因素，创新绩效的产出和政府的政策、环境以及制度都可能会影响企业的产出绩效[12]。所以本研究选择了六个环境变量。

在劳动者素质上，李习保认为，劳动者素质对一个地区的科技创新能力的提升是显著的[13]。在这里，劳动者素质受教育的水平采用了每十万人专科及专科以上学历的人数表示。

在产业结构上，大部分学者认为高新技术产业相比于其他的产业具有更高的创新产出弹性。本研究选用高新技术增加产值占规模以上企业增加产值的比例。

在开放程度上，林毅夫认为发达国家的先进技术是发展国家可以直接学习的技术来源[14]，通过外部创新资源的获取和利用以及创新资源的整合，较少市场和技术的不确定性，进而可以提高创新的绩效。陈钰芬认为开放程度和创新绩效有正相关的结果[15]。开放程度的确定采用了实际利用外资的水平来表示。

政府部门可以通过产业政策、法律法规和科技经费拨款等工具对不同技术行业进行资源配置。李习保认为政府支持对创新效率有着显著的正向意义[16]。鉴于法律法规以及产业政策的支持不便于量化，故本研究选择了科技支出占财政支出的比例作为政府支持力度的指标。

在企业结构上，袁建国认为企业政治关联会导致企业创新能力的降低[17]。但对国有企业是否能够有助于科技创新能力提升是有争议的。基于此，本研究采用国有企业占规模以上企业来表示。

在人员结构上，刘俊婉认为性别在科研过程中有显著性的差异[18]。本研究选择女性占总体科研人员的比例表示。

2 实证研究

2.1 第一阶段DEA

在第一阶段中将安徽省16个地级市数据四个截面的数据的投入变量和产出变量分别输入到DEAP2.1软件中得出初始投入结果。具体结果见表2所示。表中为各地区4年的综合效率（crste）、纯技术效率（vrste）和规模效率值(scale)。其中“drs”为规模递减，“irs”为规模递增，“-”为规模不变。近4年安徽省综合效率值、纯技术效率值和规模效率值分别为0.701、0.835和0.843。可以看出安徽省总体的效率较低。由于综合效率是由纯技术效率和规模效率共同作用的原因，所以要加强对纯技术效率和规模效率的关注。其中滁州市在2012-2015年的综合效率值为1，综合效率都处在技术前沿面。其次，池州市在2013-2015年3年的综合效率值为1，处在技术前沿面。但是，尚未考虑环境因素以及随机扰动项，并不能真实反映出实际的产出效率结果，因此需要进一步调整和测算。

2.2 第二阶段DEA

运用FRONTIER4.1软件将松弛变量作为被解释变量，环境因素作为解释变量，进行SFA回归分析，结果如表3。其中gamma系数在0到1范围内取值，gamma值越接近于1的话说明管理无效率占主导因素，gamma越靠近于0的情况下说明随机噪声占主要因素。由表3可以看出大部分参数都具有很高的统计显著性，并且五个环境因素都能够通过显著性检验，其中四个环境变量的显著性水平都达1%，说明环境因素对安徽省各地级市的科技产出效率有着显著的影响。因此应用SFA进行管理无效率因素和随机因素对效率影响的分离是有必要的。

表3 第二阶段SFA回归结果

在第二阶段中，根据SFA的回归结果，可以得出以下结论：

产业结构、政府支持和人员结构是两个投入松弛变量的有利因素，三个环境变量与R&D经费投入和R&D人员全时当量的回归系数都为负值，说明三个环境变量的优化有助于减少后二者的投入冗余，提高科技产出效率。

在企业结构方面，国有企业比例对R&D经费支出而言是不利因素，对R&D人员全时当量是有利因素。说明国有企业的比例有助于减少R&D人员全时当量的投入冗余，提高了科技的产出效率，但是会增加R&D经费的投入冗余，减少了科技产出的效率。

在开放程度和劳动者素质方面，由于二者对R&D经费合计支出的回归系数是正值，所以开放程度的提高会增加R&D经费合计支出的投入冗余，降低科技产出的效率。其中开放程度对R&D人员全时当量的回归系数接近为零，所以开放程度的提高对R&D人员全时当量投入冗余影响不大，对科技产出效率的影响可忽略不计。但劳动者素质的提升会提高R&D经费合计支出和R&D人员全时当量的投入冗余，降低科技的产出效率。

2.3 第三阶段DEA

根据SFA回归结果，剔除环境因素以及随机噪声后，再次使用DEAP2.1软件执行以后，可以得出第三阶段的分析结果。如表4所示。

剔除环境因素以及随机因素干扰过后，近四年安徽省总体的综合效率值、纯技术效率值和规模效率值分别为0.682 5、0.914 5和0.74。与第一阶段的DEA相比，综合技术效率值有所下降，纯技术效率值有所上升，规模效率值有所下降。从第三阶段DEA效率分析可以看出，2012-2015年安徽省各地区一直处在技术效率前沿面的有滁州市，芜湖市，铜陵市，安庆市。效率相对较差的如合肥市和蚌埠市，主要是由于规模效率和纯技术效率所导致的。而对于六安市而言，其综合技术相对相对低下是由于规模技术效率原因的限制。

在第三阶段中，各地区科技创新效率差异较大，较好的滁州市和芜湖市可以处在效率前沿1的状况，而最差的2012年的亳州市仅仅只有0.232的效率，同一省份科技创新效率差异很大。并且皖北地区的科技创新效率普遍靠后，其中效率最高的是蚌埠市，但是也仅仅相对靠前。皖南地区的科技创新效率处于中间水平，其中表现最好的为芜湖市，四年的效率值都达到前沿面，其次马鞍山、宣城以及池州都可以占据在居中的位置。对于皖中而言，科技创新效率最为靠前。其中滁州市、铜陵市和合肥市安庆市都占据着靠前的位置，皖中地区最差的淮南市也能占据居中靠下的位置。整体而言，皖中地区的科技创新效率强于皖南，皖南地区的科技创新效率强于皖北，说明皖北的科技创新效率还有很长的路要走。

表4 2012-2015年第三阶段技术效率分析结果

通过剔除环境因素以及随机因素干扰过后，在综合技术效率上发生了比较明显的变动，其中合肥市、滁州市以及芜湖市处在技术效率前沿面，相比与第一阶段多出了芜湖市、铜陵市和安庆市这三个地区，变化相对较大。另外在规模状态上，在第三阶段中，各地区的科技产出效率出合肥市以外都以规模递增和规模不变状态存在，其中以规模递增为主要状态。第一阶段中而很多地区的生产状态都为规模递减状态，相比与第三阶段变化还是很大。这表明环境和扰动的因素对创新效率的影响是显著的，侧面证明了经过了第二阶段的投入调整是有意义的。

3 小结和建议

对于上述分析过程，本研究可以得出以下结论：第一，安徽省内各地区科技产出效率差异明显。其中皖中地区表现最好，皖南地区紧随其后，但皖北地区整体表现较差。第二，产业结构、政府支持以及人员结构等因素是影响安徽各地级市科技产出效率的重要因素。企业结构对科技产出效率的影响并不明确，劳动者素质和开放程度在一定的程度上会降低科技产出效率。第三，皖北地区科技创新效率不高是造成安徽省整体科技创新能力效率不强的一个重要原因。第四，安徽省各地级市的科技效率之间的差异是由不同的效率的变化引起。第五，同一区域的地级市科技产出效率仍然差别较大，如合肥市和淮南市的科技虽同属于皖中地区，但是科技产出效率仍差异较大。

就目前安徽省科技创新效率不高的局面下，本研究对于促进创新效率的提升以及促进区域发展平衡时，有以下几点启示：

第一，安徽省要促进科技创新效率的提升必须加强皖北地区这块短板。一方面要加强创新投入的力度，另一方面要建立促进创新环境的改善，在产业结构上要加强高新技术产业的扶植力度，提高高新技术产业的数量以及质量的产出。第二，对于皖北地区这块潜力比较大的地区，安徽省应给予相应政策上的扶植，给予皖北地区更大的支持力度和自由度，对于皖中地区相对发达的地区应适当反哺皖北地区，将发展较好的经验以及政策传递给皖北地区，协调区域经济不平衡的发展，促进经济发展的和谐。第三，加强政校企合作，真正能够达到产学研这种局面，并且可以尝试通过股权激励等其他方式挖掘创新潜力。第四，提高科技资金的利用率，建立一套完善的资金监督机制。对于一些在科技产出效率不高的地区，如黄山市、宿州市和亳州市要向科技产出效率高的城市如滁州和芜湖等这样的城市吸取经验，并加强资金的使用效率，建立一套完善的监督机制。第五，对不同的城市采取适合本土情况的政策。由于不同城市科技产出效率的不同，根据其产生的原因，要制定符合自身城市的科技政策。如有些城市科技产出效率低下是由于纯技术效率，规模效率或技术进步导致的，故要有的放矢，解决自身科技产出效率不高的问题。