基于DEA的南京市科技园区竞争力研究

徐钦 杨音 魏敏

摘要：科技园区的建设关系着南京市当下创新名城战略实施的成效，在实地调研南京多家科技园区的基础上，结合硅谷指数、中关村指数、张江指数等国内外创新园区评价指标，对南京市科技园区竞争力评价体系进行设计。该指标体系从创新基础、创新供给、创新服务、创新优化4个方面，运用经济学中用于投入产出分析的数据包络分析法对科技创新的投入-产出效率分析和综合竞争力指数进行测算，并结合政府政策投入、人才引进、科技产出等相关数据，并通过计算形成南京市各科技园区的竞争力指数。

关键词：南京 科技园区 竞争力评价 DEA

Research on Competitiveness of Nanjing's Science and Technology Park based on DEA

Xu Qin， Yang Yin， Wei Min（Nanjing Institute of Standardization ）

Abstract： The science and technology park is related to the effect of the implementation of Nanjing's innovation city.Based on the investigation of many science and technology parks in Nanjing， this paper designs the competitiveness evaluation system of science and technology parks in Nanjing by combining the evaluation indexes of innovation parks at home and abroad such as Zhong Guancun Index， Zhang Jiang index and Silicon Valley index. The index system evaluates the input-output efficiency and the comprehensive competitiveness index of scientific and technological innovation from four aspects of innovation basic， innovation supply， innovation service and innovation optimization. According to the relevant statistical data， the competitiveness index of each science and technology park in Nanjing is calculated.

Key words：  Nanjing， science and technology park competitiveness evaluation， DEA

1 引言

創新是提高综合国力的关键，引领社会生产方式和生活方式的变革。党的十九大以后，创新型国家建设工作被摆在更加突出位置，创新发展问题备受瞩目。依据中央和江苏省委创新驱动发展战略的要求，2018年南京市市委、市政府1号文件提出了创新名城发展战略。科技园区是发展战略新兴产业的核心载体，是转变发展方式的重要引擎，关系着创新名城战略实施的成效。

为推动南京市科技园区高质量发展，对南京市科技园区竞争评价指标体系研究。“南京市科技园区竞争力评价指标体系”旨在探索和建立一套具有“南京特色”科技园区竞争力评价指标体系，连续、动态跟踪和度量南京市科技园区竞争力发展情况，优化南京市乃至江苏省科技园区考核评价指标和考核评价方法，为南京市科技园区转型发展、提升质量效益、增强功能优势提供技术支持。

2 构建南京市科技园区竞争力评价指标体系

2.1 南京市科技园区概述

1988年，南京市第一个国家级科技园南京高新区建园，到2017年11月，全市共有各种类型科技园83个。2018年，根据创新名城发展战略，将全市83个科技园区整合形成了15个科技园区。

2.2 指标体系设计的总体思路和原则

2.2.1 指标体系设计的原则

（1）系统性是指结合创新理论和竞争力理论，运用系统理论和方法分析影响南京市科技园区竞争力的因素，将这些因素作为评价指标来源。

（2）可定量性是指采用可测量、可统计的数据作为指标选取的标准，将一些难以量化和难以统计的指标进行了调整优化。

（3）可操作性是指在指标设置上做到少而精，以现实统计数据为基础，使用数学规划模型进行计算，得出结果，经济意义更加明确。

（4）动态性是指评价竞争力时既要反映各园区竞争力的结果状态，同时也要反映各园区的竞争力发展过程[1]。

2.2.2 指标体系设计

创新能力代表着科技园区的竞争力，创新能力越强，竞争力也越强[2]，选取创新基础、创新供给、创新服务、创新优化4个方面对南京市科技园区竞争力进行评价，其中一级指标4个、二级指标8个、三级指标24个，细化指标见表1。

（1）创新基础。创新基础是科技园区持续开展创新活动的基本保障，反映了科技园区创新的经费投入，创新人才的配置结构[3]。创新基础下设人才基础、经费基础2个二级指标，细化为6个三级指标。

人才是发展关键要素。实现科技园区高质量发展，根本在人才。人才基础从创新人才的数量、结构、层次等方面来衡量地区对人才和智力资源的投入，反映了一个地区的科技、教育和智力资源情况。用4个指标来衡量。

经费基础是科技园区的企业或者政府在创新研究、产品研制等方面投入的科技经费，用2个指标来衡量。

（2）创新供给。创新供给指标主要体现了园区管委会促进科技创新的服务职能和引导作用。创新供给下设科技供给、技术市场供给2个二级指标，细化为6个三级指标。

科技供给指科技园区为科技创新提供的重要物质载体或资源，是进行科技创新必备的基础性条件[4]。

技术市场供给是科技创新资源转化为实际生产力的载体，是科技创新的催化剂。

（3）创新服务。创新服务指标主要体现在园区中创业孵化和金融服务。创新服务下设创业孵化、金融服务2个二级指标，细化为5个三级指标。

创业孵化反映一个地区为创新成果商业化提供服务的情况，是协助创业者快速成长的摇篮。

金融服务指金融机构为创新提供融资投资、信贷、保险和金融信息等服务，金融机构是将单一形态的金融资本，转化成复合形态的科技资本和人力资本，促进创新动力和劳动生产率的提高。

（4）创新优化。创新优化是反应科技园区科技创新发展目标实现程度的指标。创新优化下设结构优化、国际化程度2个二级指标，具体细化为7个三级指标。

结构优化，体现科技创新和技术进步对城市转型发展的促进作用和程度。

国际化程度，国际化是当前世界全球化下的竞争力评价的重要指标。任何国家和地区不可能解决创新的所有问题，良好的国际交流可以更便捷地获取先进知识以及信息和资源。

3 指标体系设计的方法论——数据包络分析法

由运筹学家A.Charnes（查恩斯），W.W.Cooper（库伯）及E.Rhodes（罗兹）提出数据包络分析法（Data Envelopment Analysis，DEA），用于评价相同部门间的相对有效性[5]。在DEA中效率的含义是指在业务活动中投入与产出或成本与收益之间的对比关系，它是资源的有效配置，是市场竞争能力、投入产出能力和可持续发展能力的总称[6]。DEA是一种非结构化的研究方法，它的特点在于不用对原始数据进行处理，只要根据投入产出数据，使用数学规划模型计算每一评价单元的有效值，通过对结果的排序，可以有效地评价南京市科技园区在竞争力方面的总体表现。

如果某评价系统共有n个评价对象（即决策单元DMU）考虑带有非阿基米德无穷小量的C2R模型的对偶问题：

其中eT=（1，1，…，1）∈Es，ēT=（1，1，…，1）∈Em，ε为非阿基米德无穷小量，Xij0和Yrj0分别为DMUj0的第i种输入指标和第j种输出数据，S-和S+为松弛变量，Xj=（X1j……Xmj）表示第j个决策单元输入数据，Yj=（Y1j……Ymj）表示第j个决策单元数据。

利用该评价模型可以分析南京市每个科技园区的竞争力有效性，并且对DEA无效的科技园区，进行有效前沿面的投影，分析出导致科技园区DEA非有效性的原因[7]。

上述的线性规划的最优解为λ*，S-*，S+*，θ*针对最优解，有如下的结论：

（1）若θ*=1，则决策单元DMUj0为DEA有效。其经济意义为：决策单元DMUj0的竞争力支撑作用有效。S-=0，S+=0表示决策单元DMUj0资源利用效率高，取得了最优的输出成效。

（2）若θ*<1，则表示决策单元为DMUj0是DEA无效的。创新支撑要素没有充分发挥作用，创新成果没有充分显示。

4 应用思路

采用非阿基米德无穷小量的评价模型投入主导型，以创新基础、创新供给、创新服务、创新优化4个方面为投入要素，以科技园区高新技术产业产值（億元），新增高新技术企业数（家）为输出要素，选取南京市15个科技园区作为决策单元进行评价检验。

数据采集于《南京市科技统计年鉴》以及各科技园区的官网，以及2018年度全市高新区（园）创新发展主要指标进展情况通报。采用DEA-solver软件，通过多次不断的试错和调整，得出的结果如图1和表2所示，纵坐标DMU（Decision Making Unit）表示决策单元，横坐标Efficiency表示综合效率值。

根据表2中南京市各科技园区的竞争力效率评价指标θ值和松弛变量S-和S+的值可以发现，15个南京科技园区有7个是弱DEA有效的，其余的处于DEA无效状态，资源的投入没有能完全发挥对科技园区的竞争力支撑的作用，竞争力的输出水平没有达到最佳。

表2中南京市15个科技园区的竞争力的平均效率为0.906298，竞争效率的整体已经达到较好的水平，这是由于2018年南京市委发布一号文件《关于建设具有全球影响力创新名城的若干政策措施》，各项措施已经对创新起到了促进效果。

对于DEA非有效的科技园区，可以通过将它们的输入、输出指标在各自的相对有效面上进行“投影”，来改进它的有效性。其实质就是根据前面的数值分析，通过适当调整非有效性决策单元的投入数量和产出数量，来达到有效的目的[9]。对于弱DEA有效，它是指无法等比例地减少各项投入的数量，除非减少产出的数量;无法等比例地增加各项投入的数量，除非增加产出的数量[10]，也就是说这7个科技园区，虽然不能等比例地减少创新基础、创新供给、创新服务、创新优化这4个要素的投入，或增加高新技术产业产值（亿元），新增高新技术企业数（家）这两个输出的产出，但是创新基础、创新供给、创新服务、创新优化这4个投入的某一项（但不是全部）可以减少，或者某一项（但不是全部）产出可能可以增加。

5 结果定量分析

从DEA的运算结果来看，南京市15个科技园区有7个科技园区的竞争力效率为1，但是都是弱DEA有效的，为第一集团，他们是江宁开发区高新园、江北高新区、徐庄高新区、江宁高新区、新港高新区、建邺高新区、栖霞高新区，充分发挥了科技园区的创新发展引领作用，也反映了科技园区的发展和建设正按照量质并举、提质增效要求稳步推进。但是这7个科技园区在创新基础、创新供给、创新服务和创新优化这4个投入要素方面，没能完全发挥对园区创新能力建设的支撑作用。雨花台高新区、白下高新区这两个科技园区的竞争力效率区间为[0.9 ，1]，为第二集团，为非DEA有效的，其效率值与1相差很少。鼓楼高新区、溧水高新区、麒麟高新区、高淳高新区竞争力效率区间在[0.8，0.9]，为第三集团。浦口高新区、六合高新区的竞争力效率都在0.8以下，为第四集团。

从结果来看DEA的科技园区为7个，占了46.7%，说明在南京动员部署建设具有全球影响力的创新名城的战略指引下，南京市科技园区创新体系整体效能显著提升，创新型企业尤其是高新技术企业的培育效果明显，人才、技术、资本等资源在科技园区集聚效应显著，新兴产业、产业地标和产业创新集群显示出一定规模。

雨花台高新区、白下高新区、高淳高新区、溧水高新区、鼓楼高新区、麒麟高新区、浦口高新区、六合高新区为DEA无效，表明其投入的某些资源没有得到充分利用，创新能力的输出水平没有达到最佳的状态。这8个科技园区中高淳高新区、浦口高新区、六合高新区、溧水高新区、麒麟高新区，因为地域与历史的原因，科技园区的基础比较薄弱，经过整合后虽然发展更快了，但与竞争效率为1的科技园区相比，其竞争力还有差距。

从松弛变量的维度来分析松弛变量S-（1）、S-（2）、S-（3）、S-（4）、S+（1）、S+（2）分别代表创新基础要素、创新供给要素、创新服务要素、创新优化要素、高新技术产业产值要素。新增高新技术企业数要素，如果其值为0说明该要素效率明显，如果不为零则该要素在科技园区竞争力中发挥效率不明显，需要改进。从15个科技园区的竞争力效率来看，南京市的科技园区的资源配置效率、全要素生产率、产业科技水平都要提高，南京各科技园区的竞争力效率都是需要改进的。究其原因：虽然南京是省会城市及长三角的重要城市，科教资源丰富，但是从数据效率分析来看南京的各科技园区在发展方面还存在着下列问题：

（1）各科技园区的集群集聚、创新驱动的制造业新体系还未真正建立，创新体系还未形成链式发展，高效清洁低碳循环的绿色制造生产方式还未形成，二、三产业还未深度融合，先进制造业与现代服务业双轮驱动融合发展还有待加强。（2）各个园区都普遍存在基础性原创性的研究欠缺、知识创新主体和技术创新主体衔接不足，科技成果转化效率低、校企联合效果不理想、创新创业的高峰还没形成。许多科技园区的企业还处于信息孤岛中，技术和需求得不到有效的对接。（3）高新产业和现代服务业比重低，产业结构需要调整和优化，基础配套和公共资源不够强大、不够均衡，设施布局不均，服务不足。（4）各科技园区的金融的市场结构不合理，经营的理念、创新能力、服务水平不高，金融对于科技园区的竞争力提升的作用发挥不显著不明显，资本对于创新的作用还未体现。这是由于南京市正在积极打造产业地标，各科技园区依据功能和地位进行产业集聚，但是还未进入创新集聚和财富集聚，南京市科技园区中各类新型研发机构、风险资本还未呈现规模和集聚效应，基础性创新还未显现。（5）南京市科技园区与国际接轨需要加强，园区中企业与世界高科技企业合作不密切，融入世界的价值链和创新链不够，新一代信息技术与制造业的融合发展模式、双向驱动还未形成。

6 结语

对于一些难以量化的指标，如高新技术园区文化建设、配套生活设施建设、单位能耗、创新创业环境、经济和社会效益、环境保护和能源利用等指标没有涉及。 在未来的深化研究中，需要增加实地调研，丰富指标体系中指标的指向性，增强评价指标体系的有效性。

随着创新名城战略的逐步推进，各科技园区对于自身的各方面数据统计的完善，作为研究人员也可获得更多的数据选项，下一步将持续跟进2019年15个科技园区的统计数据，优化指标体系和模型结构。 如能收集足够多的时间序列数据，可以进一步研究不同时间跨度下，全要素生产率、规模效应、技术变化等评价指标。

参考文献

[1] 程东祥， 程静.江苏省低碳竞争力评价探讨[J].环境污染与防治，2013（9）：88-92.

[2] 张成.基于产业集群的科技园区创新研究[D].武汉：华中科技大学，2006.

[3] 邵愛春，程永文.安徽省科技创新能力评价的实证研究[J].蚌埠学院学报，2017（4）：85-91.

[4] 肖利青. 湖南省科技创新政策实施效果评价研究[D].衡阳：南华大学， 2016.