我国各省市科技创新效率的DEA测评

张洁

摘要：文章利用2008-2017年我国28个省市自治区的相关数据，运用DEA和Malmqist-DEA模型对全国各省市科技创新效率进行测评。研究发现，我国总体科技创新效率有小幅度上升，但仍处于较低水平;我国近十年科技创新的TFP上升了7.4%;我国科技创新效率存在明显的地区差异。最后，文章提出了相应的政策建议。

Abstract： In this paper， the related data of 28 provinces and autonomous regions in China from 2008 to 2017 are used to evaluate the scientific and technological innovation efficiency of all provinces and cities in China by using DEA and Malmqist DEA model. It is found that the overall efficiency of scientific and technological innovation in China has a small increase， but it is still at a low level. The TFP of China's scientific and technological innovation increased by 7.4% in the past decade. There are obvious regional differences in the efficiency of scientific and technological innovation in China. Finally， this paper puts forward corresponding policy suggestions.

关键词：科技创新效率;全要素生产率;数据包络分析

Key words： science and technology innovation efficiency;total factor productivity;data envelopment analysis

中图分类号：F224;F127                                文献标识码：A                                  文章编号：1006-4311（2019）30-0293-04

0  引言

自改革开放以来，中国经济经历40年的粗放式增长，GDP由1978年的3679亿元增长到2018年的900309亿元，年平均增长率接近10%，取得了举世瞩目的成绩。但是，近年来随着我国劳动力成本优势的丧失和自然资源禀赋的弱化，经济面临很大的下行压力，因此目前我们迫切需要转变经济增长方式，同时党的十九大报告也明确指出我国经济已由高速增长阶段转向高质量发展阶段。内生经济增长理论认为技术进步可为经济增长提供长期持续的动力，是促进经济增长的最终源泉。科技创新对一国或一地区经济发展起着重要的驱动作用，目前世界各国都在从科技创新上寻找新的经济增长点，而世界竞争已转变为科技的竞争，科技创新科已成为促进经济可持续发展和加快产业转型升级的重要手段。科技创新效率是在一定程度上反映出该地区科技资源配置和运营能力，科技效率的高低直接反映出该地区科技创新体系的运行质量，科学合理的对科技创新效率进行测评有助于提高该地区科技创新能力，提高区域经济发展质量，从而推动产业结构的转型升级。

随着创新是第一生产力的观点逐步深入人心，科技创新效率得到了越来越多学者的关注，目前利用DEA方法对我国科技创新效率测评的文献主要有以下两类。一是从区域角度只研究某个地区的科技创新效率。如徐小钦，黄馨和梁彭勇（2009）对重庆市科技创新效率进行了测评，发现重庆市全要素生产率的提高主要由是技术进步引起的，其技术效率、纯技术效率规模效率都有所下降。柳瑞禹，何志明和范如国（2016）、席增雷，袁青川和徐伟（2018）以及许建红，梁玲和孔令丞（2018）分别对我国中部六省、京津冀地區和东部12省市的科技创新效率进行了研究，发现中部六省在2001-2013年间的综合技术创新效率呈下降趋势，而京津冀地区全要素生产率呈上升趋势，东部地区科技创新效率总体上处于较高的水平。二是研究企业的科技创新效率。如吴忠涛，张琅和张裕华（2018）测评了正处于经济转型时期的科技型企业创新效率，发现科技型中小企业和大型企业的创新效率均呈下降趋势。三是分析全国各省市科技创新效率。如李兰冰（2008）对我国31个省市自治区的科技创新效率进行了研究，其结果表明我国科技创新效率总体水平不高。

基于以上分析不难发现，近几年学者大多是从区域角度或者从企业等微观角度对科技创新效率进行研究，这只对该区域或企业科技创新的进步起到了重要的作用。我国地域辽阔，东中西部经济发展存在较大的差异，但是目前仅有少量学者研究了全国各省市科技创新效率，而且这些研究相对来说比较早，有必要对处于经济发展转型期的各省市科技创新效率重新进行测评。因此，本文立足于全国各省市，利用2008-2017年相关数据，全面研究中国各省市的科技创新效率，并分析各省市在科技创新效率上的不足，这将有利于各地政府机构结合自身情况制定相关政策以促进当地技术创新效率的提高。

1  研究方法及数据来源

1.1 DEA

目前，学术界对创新效率的测评方法主要有随机前沿方法和自由分布法等参数方法，以及由Charnes、Cooper和 Rehode于20世纪70年代提出的数据包络分析（DEA）的非参数方法。DEA方法是一种集数学、运筹学、数理经济学和管理学等多门学科于一体的交叉领域新兴的研究方法（许建红，梁玲和孔令丞，2018）。由于该模型不用设定生产函数形态，也不需要对指标数据进行无量纲化处理，它是采用数学规划模型，依据所输入的一组关于投入产出的观察值，估计有效生产的前沿面，然后将各决策单元与此有效生产前沿做比较，从而衡量效率（徐小钦，黄馨和梁彭勇，2009）。因此基于DEA方法的测量估计是一种相对效率的测量，在实际应用中因其可排除许多主观因素具有一定的客观性，且使用方便快捷，而广受欢迎。

1.2 基于DEA的Malmquist指数法

Malmquist指數法通常用于测算全要素生产率的变化。Malmquist指数将全要素生产率指数（Tfpch）分解为技术效率指数（Effch）和技术进步指数（Techch），而技术效率指数又可进一步分解为纯技术效率指数（Pech）和规模效率指数（Sech）。其关系如下所示：

Tfpch =Effch*Techch且Effch=Pech*Sech

Malmquist指数是对各决策单元管理水平和创新水平的综合反映。如果计算出来的Malmquist指数大于1，则代表着科技创新生产率水平有所提高;如果Malmquist指数小于1，则表示出科技创新生产率水平在下降。“技术进步指数”在一定程度上综合反映出技术所涵盖的各种形式知识的积累与改进（许敏和谢玲玲，2012）;“规模效率指数”代表生产规模的大小对生产率产生的影响，并进一步可反映出测评对象的管理水平;“纯技术效率指数”是指在规模报酬变动的假定前提下的单纯技术效率的变化，在一定程度上反映出被测单位的创新产出水平。

1.3 指标选取

对科技创新效率的合理测度需要选取恰当的指标。科技创新的投入指标一般是人力和资金等投入的科技资源，产出指标应为可反映创新成果的指标。基于数据的可获得性，本文选取的投入指标有R&D经费内部支出（万元）、R&D折合全时人量（人年），投出指标有用以测度个省市科技创新能力的专利申请量（件），和用以测度科技创新对经济的驱动作用的人均GDP（元）。

本文选取的样本为中国各省市2008-2017年相关数据，考虑到数据的可获得性，本文剔除了贵州省、四川省、西藏自治区以及港澳台。数据均来源于各省市《历年统计年鉴》，部分数据来源于历年《中国科技统计年鉴》。

2  实证分析

2.1 各省市科技创新效率的静态分析

表1为我国各省市2008-2017年综合效率值。被测的决策单元的综合效率值等于1的为有效单元，而小于1的为无效单元。从表中可以看出，整体上综合效率经历了先上升再下降再上升的过程，这在一定程度上表现出我国科技创新综合效率的稳健性在逐步提高;分省份来看，安徽、甘肃、广西、江西、宁夏和陕西科技创新效率有较大的进步，他们各自2017年的综合效率值至少比2008年的综合效率值翻了一倍。而北京、河北、湖南、吉林、辽宁、山西、内蒙古、云南的综合效率值这十年一直处于平均水平之下，表现出其投入与产出结构极其不合理;从个别省份来看，青海省科技创新效率最好，青海省2008年和2009年综合效率很接近1，从2010年上升到1之后，到2017年一直在1的水平上保持，表示近几年青海省R&D内部经费投入、R&D人员投入与专利申请量及人均GDP产出的结合达到了最优状态。其次是广西自治区，广西从2008年经历了先下降在上升直到2014年达到了最佳状态，此后便一直保持。而江苏省和浙江省的综合效率值都从1降到0.591和0.743，这在一定程度上说明近年来江苏和浙江两省在R&D投入中存在资源浪费配置不佳的现象。

因此，从总体来看，我国科技创新效率近十年的变化幅度不大，到2017年仅有六个省份的综合效率值在0.8以上且仅有广西和青海处于生产前沿线上，其他省份仍处于地下水平，表明我国各省市科技创新投入与产出配置结构亟待优化。

2.2 各省市科技创新效率的动态变化分析

前文从静态视角对全国28个省市的科技创新效率进行了分析，但都是对各个省市在同一时间点上的状况进行横向的比较分析，无法反映各个地区自身的动态变化过程。因此，本文选取了Malmquist指数来对科技创新效率进行动态分析，以期通过动态的分析能直观地看到各地区科创效率的动态变化情况。运用Deap2.1软件，测算出2008-2017年全国28个省市自治区的平均技术效率变动（effch）、技术进步变化（techch）、纯技术效率变化（pech）、规模效率变化（sech）和Malmqist生产率指数（tfpch）。

2.2.1 整体科技创新效率变化

如表2所示，从整体上来看，2008-2017年间我国总体科技创新水平有所提高，全要素生产率均值为1.074，也就是说2017年的全要素生产率较2008年提高了7.4%。进一步从分解结果中可以看出全要素生产率的提高是技术效率和技术进步共同改善的结果，分别提高了1.5%和5.8%。技术效率可进一步分解为纯技术效率和规模效率，近十年间技术效率的提高主要是由纯技术效率的提高拉动的，纯技术效率改善了2.4%，而规模效率下降了0.9%，这在一定程度上表明我国管理水平有所下降。因此，我国科技创新TFP的改善是纯技术效率和技术进步综合作用的结果。

2.2.2 各地区科技创新效率变化

从表3可以看出，2008-2017年间除了海南省科技创新TFP没有提高外，其他省市都有不同程度的进步。其中，涨幅最大的是江西省，该省2008-2017年间Malmqist生产率指数为1.207，上涨了20.7%，这是技术效率上升13.2%和技术进步指数上升6.7%的共同结果。分省市来看，近十年科技创新TFP提高的幅度在1-10%之间的省市共有19个，占总数的67.8%。提高幅度高于10%的仅有安徽、北京、甘肃、广西、江西和陕西6个省市。提高幅度低于1%的有青海和新疆，分别提高了7%和4%。这在一定程度上表明我国近十年科技创新的TFP改善程度不均匀，存在地区差异。

3  结论及建议

3.1 结论

在中国经济发展处于转型期的背景下，本文利用2008-2017年我国28个省市自治区投入产出的相关数据，运用BCC-DEA和Malmqist-DEA对全国各省市科技创新效率进行静态和动态分析。其主要结论如下：①我国总体科技创新效率虽然有所改善，但处于较低水平。②动态来看，我国近十年科技创新的Malmqist生产率指数上升了7.4%，其中技术效率指数提高了1.5%，技术进步指数提高了5.8%。③不论是静态分析还是动态分析，我国都存在着明显的地区差异。我国经济进入新常态，需要依靠技术创新向高质量经济发展转型，科技创新效率的高低将直接影响到我国经济发展的转型。虽然我国近十年在科技创新效率的改善上有所进步、科技创新的TFP有所提高，但是还有很多省市处于落后状态，对科技创新效率的改善工作还需进一步的努力。

3.2 政策建议

注重提高科研机构的管理水平。前文的动态分析发现我国近十年科技创新的规模效率呈现出下降趋势，这表明我国科技创新效率并没有随着规模的增大而提高，一定程度上反映出管理水平的相对落后。科研创新效率的提高不仅仅要增加人力、资金等资源的投入力度，其管理水平也起决定性的作用。因此，今后我们要注重技术进步的同时，也要努力提高创新主体对投入资源的管理及运营能力，以使科技创新资源与运营能力高效结合，以达到事半功倍的效果。除此之外，还要注重科研资源的合理配置，应注重对科研人才、科研资金、科研设备的优化配置，以避免投入拥挤与投入松弛现象发生，使科研人力、物力以及财力充分结合，从而激发科研人员的创新活力。这不仅需要我们加快对科研人才的培养步伐，还需要我们加大对管理人才的引进及培训力度，尤其要注重对创新型管理人才的培养。

根据各省市的不同特点，制定符合其自身实际情况的科技创新管理和监督政策。我国各省市科技创新效率存在较大的差异，有的省份综合科技效率值已经达到1，有的还处于0.4左右。为了缩小各省市的差距，各省市之间除了相互借鉴相互学习之外，还需要根据自身特点制定符合自身发展的科技管理体系与监督制度。例如各省市需要积极制定鼓励创新政策，建立公平公正的创新评估机制，严谨透明的监督管理体系，不断完善相关法律法规。与此同时，各地区可结合当地高校情况积极发展产学研，并明确各部门在产学研中的功能定位，以各司其职，从而实现协同创新。

参考文献：

[1]徐小钦，黄馨，梁彭勇.基于DEA与Malmquist指数法的区域科技创新效率评价——以重庆市为例[J].数理统计与管理，2009，28（06）：974-985.

[2]席增雷，袁青川，徐伟.基于Malmquist-TFP模型的京津冀地区科技创新经济效率评价[J].宏观经济研究，2018（07）：132-140.

[3]柳瑞禹，何志明，范如國.中部六省科技创新效率与影响因素研究[J].资源开发与市场，2016，32（03）：277-283.

[4]许建红，梁玲，孔令丞.东部12省市科技创新效率的DEA测评与上海科创策略研究[J].上海对外经贸大学学报，2019，26（02）：59-68.

[5]齐子翔.科技研发高投入不等于高产出——基于创新效率的时空分析[J].科技管理研究，2013，33（18）：100-104.

[6]吴忠涛，张琅，张裕华.经济转型时期的科技型企业创新效率比较研究[J].当代经济科学，2018，40（03）：57-65，126.

[7]李兰冰.我国区域科技创新效率评价——以省际数据为样本[J].科技管理研究，2008（09）：87-90.

[8]许敏，谢玲玲.基于DEA的我国大中型工业企业技术创新效率评价研究[J].科学管理研究，2012，30（3）：74-76.

[9]方丽娟，耿闪清.宁夏高校科技创新绩效评价[J].价值工程，2018，37（19）：207-209.