高新技术产业研发效率及冗余度分析

白彦壮， 马东华， 李 薇

(1.天津大学管理与经济学部， 天津300072； 2.天津职业技术师范大学经济与管理学院， 天津300222)

20世纪80年代以来，高新技术产业迅猛发展，推动了经济全球化的步伐，对国际竞争和世界产业分工格局产生了深刻影响。随着全球市场竞争日益激烈，主要发达国家和地区都在不断调整完善科技创新战略，大力发展高新技术产业来培育新的经济增长点，提高自身国际竞争力。世界强国积极制定科技自主创新战略，高新技术产业已经成为其经济支柱[1]。

高新技术产业在我国的快速发展得益于不断增加的研究和开发支出。它们为我国各地区高新技术产业的发展提供了基础，对实现各地区高新技术产业持续快速发展具有关键作用[2]。

研发活动由于其固有的复杂性，投入大量的资源有时不能保证具有高产出[3]。因此我国在增加研发支出的同时，应采取一种合理的方法来评估持续增长的研发支出是否具有效率，是否能促进我国高新技术产业的发展。

DEA和SFA是进行效率评价的主要方法，与SFA相比，DEA具有其特有的优势，一方面DEA在进行效率评估时并不需要研发投入和产出之间具有特定的公式，另一方面DEA可以对多投入多产出的情况进行分析[2]。因此，本文选用DEA模型中的CCR和BCC模型对我国部分地区高新技术产业研发效率进行评价。CCR模型假设生产具有不变的规模报酬，而BCC模型假设有可变的规模报酬。

一、文献综述

DEA是非参数前沿方法的代表，Charnes等[4]在1978年提出了DEA用来评价部门的相对有效性，第一个DEA模型称为CCR，可以用来评价具有多投入和多产出决策单元的效率。Banker等[5]在1988年创建了一个命名为BCC的DEA模型，BCC可以计算规模报酬可变情况下的决策单元效率。

DEA模型在研发效率评价中得到了广泛的应用。Wei等[1]应用CCR和BCC模型分析了中国30个省份高新技术产业研发效率，表明中国大部分地区研发效率水平不高，中东部地区规模报酬递减，西部地区规模报酬不变。Li等[6]应用动态DEA模型分析了1998—2011年中国区域高新技术产业研发效率，研究表明，中国整体技术效率仍然处于较低水平，主要由于技术效率低下和规模效率低下，同时他们还发现，中国区域高新技术产业研发效率非常不平衡，东部地区处于领先地位，中西部地区明显落后。Han等[2]应用CCR和BCC模型，分析了1998—2008年以来中国高新技术行业的研发效率，结果表明，尽管研发支出大幅度增长，但整体研发效率并没有提高，大部分行业呈现规模报酬递减。Khoshnevis等[3]应用CRS和VRS方法分析了比利时417家研发活跃企业2008年的研发效率，发现小型企业规模效率和技术效率低下，中型企业规模报酬低下，大公司拥有高于平均水平的规模报酬和技术效率。Chen等[7]提出了一个新的动态DEA模型，为多时段区域研发效率测度问题提供了一个解决方案，同时构建了从研发投入到研发产出的五年动态研发体系。Ge等[8]采用DEA计算投入产出效率，分析了中国2002—2011年五大高新技术产业的研发效率，结果显示，在同样的科研产出效率下，医药制造业的投入产出效率要比其他四大产业更优。Liu[9]采用双边界DEA方法，对中国内部省际高新技术产业研发效率进行评价，结果表明，中国高科技研发创新效率在已得到数据的26个省中存在较大差异，跨省研发创新效率普遍较低。Cheng等[10]采用DEA方法对中国27个省会城市(少数省会城市因数据不全未统计)、开发区的经营效率和创新效率进行评价，发现中国多数地区的开发区创新效率发展不平衡，需要进一步改进，但经营效率仍然处于理想水平。Chun等[11]采用倾向评分匹配和两阶段DEA分析了韩国400个制造商的研发效率，结果显示，企业创新和商业化生产力均衡，创新生产力相对较低，同时发现工会是决定制造业商业化生产力的一个重要因素。Carayannis等[12]提出了一个基于DEA的模型用于评价创新系统效率，并将其应用到23个欧洲国家和相应的185个地区。Cruz-Cázares等[13]应用两阶段DEA模型分析了1992—2005年期间西班牙制造业公司的技术创新效率。Kontolaimou等[14]应用DEA模型分析了欧洲国家的创新效率，研究显示，欧洲创新领袖集团由德国、瑞士、荷兰、丹麦、奥地利、冰岛和意大利组成。Bai等[15]采用动态网络SBM模型分析了经济危机以后中国54个高新技术区的研发效率，结果发现，高新区大部分生产部门和研发部门效率较低。Chun等[16]采用两阶段DEA评估了1 039家韩国制造业企业的研发效率，并对企业按规模和行业分类后的研发效率得分进行比较分析。Jeon等[17]采用平衡记分卡和DEA模型对韩国民营企业的研发效率进行评价。

左铠瑞等[18]在考虑R&D过程内部结构的同时，综合运用并联DEA模型、Luenberger生产率指数和面板数据模型三种方法，计算具有在时序上可比的Luenberger R&D生产率变化指数，并采用面板数据模型的方法对影响R&D效率变化的因素进行研究。结果显示，中国多数省份的R&D效率普遍在稳步提升，且R&D效率的提高主要是由“技术进步”引起的。牛冲槐等[19]运用超效率DEA方法对中国中部6省2001—2012年研发效率进行评价，研究结果表明，中部6省研发创新效率存在重大差异，领先度由高到低依次为：山西、安徽、河南、湖南、江西、湖北。司颖洁等[20]运用DEA模型，分析了高新技术产业创新效率的影响因素，结果显示，风险投资的影响更大。刘和东等[21]采用三阶段DEA模型分析了2000—2014年中国高新技术行业研发效率，结果显示，中国高新技术行业研发效率损失普遍存在，且研发效率差异明显。李牧南等[22]采用C2RS2模型，基于创新价值链视角评价了中国2009—2014年中型高新技术企业研发效率，研究显示，中型高新技术企业在不同地区的综合创新效率存在显著差异。

通过以上分析可知，在目前现有的文献中，关于研发效率评价的文献很多，但是关于投入产出量冗余分析的文献较少，本文在评价我国多数省份研发效率的基础上，对各省份投入产出的冗余进行分析，以弥补现有研究中的缺失。

二、模型设计、投入产出指标的选择以及数据来源

1. 模型设计

假设在中国选取了n个省份，分别为DMUj,j=1,2,…,n(DMU表示决策单元)，选取m个投入指标，分别为Xi,i=1,2,…,m，选取s个产出指标，为Yr；r=1,2,…,s；Xi,Yr≥0，进一步引入松弛变量s+和s-。

CCR模型为

minθ

S.T

(1)

λj≥0，j=1,2,…,n

θ无约束，s+≥0，s-≥0

得到最优解为θ*，λ*，s*+,s*-(S为松弛变量)，即

1)θ*= 1,s*+=s*-=0, DMU0为CCR模型下DEA有效。

2)θ*= 1,且s*+≥0，或者s*-≥0时，DMU0为CCR模型下弱DEA有效。

3)∑λ*j=1,则该DMU0规模收益不变，∑λ*j>1,规模收益递减，∑λ*j<1, 规模收益递增。

BCC模型为

minυ

S.T

(2)

λj≥0，j=1,2,…,n

ν无约束，s+≥0,s-≥0

得最优解υ*，λ*，s*+,s*-，当υ*= 1 ,s*+=s*-=0，为DEA有效。当υ*= 1 ,且s*+≥0，或者s*-≥0时，DMU0为BCC模型下弱DEA有效。

该DMU0的规模效率为Q*=θ*/υ*。

2. 投入产出指标

投入产出指标的正确选择，对研发效率研究十分重要。回顾现有关于投入和产出指标的文献(见表1)，研发支出和研发人员是研发效率评价最广泛应用的投入指标，利润则是最受欢迎的产出指标[3]。Wei等[1]选择研发支出和研发人员全时当量作为投入指标，专利、新产品带来的收入和利润作为产出指标。Li等[6]将研发支出、研发人员和固定资产存量作为投入指标，总产出和总出口价值作为产出指标。Khoshnevis等[3]将内部研发支出、外部研发支出、研发强度、员工总数、研发人员数量和专利收购作为投入，人均营业额、人均净额增加值和营业额作为产出。Han等[2]将内部研发支出、研发人员全时当量和知识资本存量作为投入指标，采用授权专利、新产品销售收入和新产品价值作为产出指标。

表1 投入产出指标

(1) 投入指标

考虑到投入产出指标的科学性以及数据的可获得性，本文选取的投入指标有：研发人员全时当量和研发支出。

研发人员全时当量包括了参加研发项目人员中的科学家和工程师的全时当量以及应分摊在研发项目上的管理人员中科学家和工程师的全时当量，还包括直接为研发项目服务的人员。与研究开发人员相比，该指标能更精确地反映出参加研发过程的实际人数。

研发支出主要包含内部研发支出和外部研发支出。内部研发支出是指为开展R&D活动实际用于本单位内的全部支出；外部研发支出是指委托外单位进行R&D活动所实际支付的费用。为了避免重复计算，选择内部研发支出作为研发费用。

(2) 产出指标

专利申请数量：研发活动最主要的产出就是技术进步，虽然并非所有的发明都可以获得专利，但是专利为创新活动提供了可靠的衡量依据。这里的专利申请数量是指每年向专利局提出申请的数量。

新产品带来的收入和主营业务收入：公司以盈利为目的，因此研发活动产出还应包括经济利益。创新是在初次交易中实现的，所以新产品带来的收入反映了创新的实现，主营业务收入反映了一个地区的获利情况。

3. 数据来源

中国高新技术产业研发效率是本文的研究对象，关于文中出现的投入产出指标数据均来自中国国家统计局编制的《中国高新技术产业年鉴》，该书收集了中国高技术产业生产经营、研发及相关活动、固定资产投资等资料以及相关的国际比较数据，较为全面地描述了中国高技术产业发展的基本状况，是有关管理部门和社会各界了解中国高技术产业发展情况的主要资料工具书。该书在2008年前后的指标有所改变，所以本文选择2009—2015年的数据。由于少数省份数据不完整，在本研究中将其剔除。

由于本文选取的指标中包含研发支出、新产品销售收入和主营业务收入，为了保证数据的可比性，消除价格因素影响，本文对数据做了部分处理，具体为：X=X*/PI，其中X*为名义统计量，X为实际统计量，PI为需要计算的价格指数，结合已有的研究文献，本文选取PI的计算方法为PI=0.5P+0.5W，P为消费者价格指数，W为生产者价格指数。

表2展示了中国东、中、西部地区投入与产出的描述性统计。由表2可以看出，中国各地区投入与产出存在严重的地区不平衡性。东部地区的研发人员全时当量和研发支出是中部地区的3倍，西部地区的近10倍。在产出方面，东部地区的专利申请数量和主营业务收入是西部的近10倍，新产品销售收入是中部的近4倍，西部的近6倍。综上可知，中国东部地区高新技术产业的发展不仅具有优良的地理位置，而且拥有绝对优势的投入与产出量。

表2 投入产出的描述性统计

数据来源：《中国高新技术产业年鉴》(2009—2015年)。

三、实证分析

本文的主要目标是合理评价高新技术产业的研发效率，帮助决策者更科学地分配资源。利用2009—2015年《中国高新技术产业年鉴》和DEA模型，获取有关各省的技术效率得分、纯技术效率得分和规模效率得分以及各种规模报酬(递增、递减、不变)的信息。实证分析遵循两个层次：第一部分分析各省研发效率，第二部分对各省投入产出进行冗余分析。

1. 各省层面效率分析

本文分析了我国29个(其他省份由于数据不完整未选)省份的研发效率，对各省份的研发效率进行分析，见图1。图1中横坐标代表规模效率，纵坐标代表纯技术效率，散点图中各个省份的效率值是2009—2015年各省份效率值的平均值，图中的垂直于横纵坐标的两条实线是各省份在2009—2015年规模效率和纯技术效率的平均值，省份的不同图标代表了各省份的规模报酬情况，有递增、递减和不变。由于技术效率=规模效率×纯技术效率，图中位于右上角的省份拥有较高的技术效率；左上角的省份拥有较高的纯技术效率，但是规模效率较低；右下角的省份拥有较低的纯技术效率和较高的规模效率；左下角的省份与其他省份相比，拥有较低的技术效率，纯技术效率和规模效率都低于平均值。

图1 我国各省份效率值和规模报酬

右上角有10个省份，东部地区有北京和天津，中部地区有安徽、河南、吉林、湖南，西部地区有内蒙古、广西、重庆、四川。从规模收益来看，10个省份中有5个规模收益递减，主要集中在中东部发达地区，4个规模收益不变，主要集中在西部地区，只有吉林1个省规模收益递增。对于规模收益递减地区，投入增加不会使产出以相同百分比增加，所以北京、天津、安徽、四川和湖南需要提高纯技术效率和减少投入来提高研发效率。对于规模收益不变的地区，投入增加或减少都会带来产出以相同的比例增加或减少，因此河南、内蒙古、重庆和广西技术效率的提高需要增加当地的纯技术效率，同时避免投入量大规模变化。规模报酬递增是指投入增加一定的百分比将导致产出以更大的百分比增加，所以对于唯一规模递增的吉林省，提高技术效率可以通过增加投入和提高纯技术效率实现。

位于左上角有7个省份，东部地区有上海、江苏、浙江、山东、广东，西部地区有新疆和宁夏。这些省份拥有高于平均水平的纯技术效率，却有较低的规模效率。对于东部5个省份来说，它们位于经济发达地区，科技水平相对较高，过度的投入导致规模效率较低。西部2省则恰恰相反，它们依靠国家的优惠政策，通过引进人才，提升科技水平，但是由于资源投入过少，没有发挥原有规模的作用，导致规模收益较低。从规模收益来看，东部地区5省份规模收益递减，西部2省规模收益不变。因此东部5省份提高技术效率的方法是减少投入，合理配置资源，提升管理水平，同时提升技术水平。对于西部2省，要通过加大投入力度，充分利用国家优惠政策，与经济发达地区合作，提升自身科技力量。

位于右下角的省份有10个，东部地区有海南、福建、辽宁，中部地区有山西、黑龙江、湖北，西部地区有甘肃、云南、陕西、贵州。这些省份拥有较高的规模效率和较低的纯技术效率，尤其是黑龙江和陕西省，纯技术效率位于29个省份中最后两位。对于这些省份而言，提升技术效率，最主要的是要提升技术水平。从规模收益来看，大部分地区规模收益递减，只有甘肃规模收益不变，山西规模收益递增。

左下角的省份包括江西和河北两省，它们技术效率和规模效率都低于平均水平，说明高新技术在这两个地区发展存在较大问题，江西省经济落后，交通不发达，传统企业仍然是发展的主流。河北省虽然紧邻北京和天津，地理位置优越，但也承接了北京许多重工业，加上本来自身拥有煤炭资源，所以高新技术产业在河北也没有优势。这两个省可以通过以下方式提高技术效率：第一，加大研发投入，吸引更多优秀人才；第二，加快产业转型，将注意力集中在高密度、绿色无污染的高新技术产业；第三，在本省设立高新技术产业园区，制定相应的优惠政策，促进高新技术产业发展。

2. 研发投入冗余度分析

本文对我国29个省份以2015年为代表进行松弛分析。在表3中TE代表技术效率，S-(1)代表研发人员全时当量，S-(2)代表研发支出，S+(1)代表专利申请数量，S+(2)代表新产品带来的销售收入，S+(3)代表主营业务收入。

由表3可以看出，在投入指标中研发人员全时当量河北、江苏、浙江、山东、吉林、黑龙江、江西、贵州和甘肃9个省份需要减少，在这些省份当中，浙江和江苏两个省的研发人员多余量较多。以浙江省为例，研发人员全时当量只要减少4 713.67，该省的主营业务收入就会增加2 000.67亿元。在研发支出中，北京、天津、辽宁、上海、福建、山东、广东、安徽、湖北、内蒙古、四川、云南、陕西、宁夏14个省份的研发支出需要减少。在这些省份中，东部地区有7个，中部地区有3个，西部地区有4个，又一次印证了我国东部省份研发效率无效的原因之一在于研发资金投入过多，以广东省为例，如果内部研发支出减少124.20亿元，主营业务收入就能增加2 993.23亿元。

表3 研发效率松弛分析

续表3

在产出指标中可以看出，我国各省份的专利数量已经饱和，只有吉林和内蒙古2个省份有增加的空间，主营业务收入可增加的也较少，北京、天津、浙江和广东4个省份，位于经济相对发达的地区，市场容量较大，需求多，位于这些地区的高新技术产业需要改进内部管理，合理分配人员与经费，提高企业运行效率。新产品销售收入可以增加的省份较多，有8个省份，分别为：辽宁、上海、海南、黑龙江、安徽、四川、贵州和云南。高新技术产业发展会为市场上带来新的产品，会有新的需求，目前我国这几个省份当中，新产品的需求不足、新产品销售收入是目前产出指标当中最为松弛的。

四、结 语

本文通过使用DEA模型中的CCR和BCC，利用2009—2015年《中国高新技术产业年鉴》的数据，使用的投入指标包括研发人员全时当量和研发支出，产出指标包括专利数量、主营业务收入和新产品带来的收入，对我国各省份高新技术产业研发效率和投入产出冗余度进行了分析，主要结果总结如下。

2009—2015年我国高新技术产业投入逐年增加，规模逐年扩大。高新技术产业研发效率呈现出波动上升趋势，但上升幅度不大，且技术效率相对无效[23]。

从区域层面看，我国地区之间资源分配不均衡，研发投入量存在严重的地区差异，东部地区研发人员和研发支出投入量远远大于中西部地区，过度的投入不仅没有促进东部地区高新技术产业快速发展，反而造成东部地区规模效率低下；西部地区投入量过少，规模效益没有充分发挥，导致规模效率也不高。纯技术效率方面，虽然东部地区居于领先地位，但中部地区呈增长趋势，上升空间较大。因此，我国需要进一步促进能源资源合理分配，加强对中西部地区研发支持，促进东中西三个区域协调统一发展。

综上可知，中国高新技术产业还需进一步提高研发效率，单纯增加研发投入，并不能带来科技水平提升；自主创新能力不足，是中国目前面临的主要问题。