基于三阶段DEA模型的高新技术企业创新效率研究

阳 杨， 田逸飘， 郭佳钦

(1.重庆工商大学 金融学院， 重庆 400067； 2.大理大学 经济研究所，云南 大理 671003；3.大理大学 经济与管理学院， 云南 大理 671003)

科技是第一生产力，创新是引领发展的第一动力，科技创新是提高社会生产力和综合国力的战略支撑。在新型复杂化的国际竞争形势下，习近平总书记在中央政治局第十八次集体学习时强调将区块链核心技术作为中国自主创新的突破口，着重强调核心高科技的国家战略地位，充分体现了高新技术创新作为国家核心竞争力的重要性[1]。必须重视以战略性新兴产业为核心的高新技术产业的创新水平，不仅要着力在5G和区块链新赛道上争取弯道超车，更要在生物医疗、电子芯片、高端装备等高新技术产业赛道上奋力追赶。中国目前是世界第二大经济体，但是在2018年全球创新指数报告中，创新能力仅仅排在第十七名，技术应用水平排名更是在五十名之后，主要原因在于中国自主创新能力低下、高新技术企业人才基础薄弱及研发投入不足[2]。1996 —2017 年，中国高新技术企业入统企业数、从业人员数基本呈增长趋势，21 年间平均增长率分别为11.8% 和12.9%，规模虽在不断扩大，但创新效率却不容乐观[3]，与美国和日本等发达国家相比还存在较大差距。因此，测度高新技术企业的创新效率，深入分析限制企业创新的因素，营造利于企业创新的制度和政策环境，对提升我国自主创新能力，推动经济高质量发展具有现实意义。

1 文献综述

提高经济增长质量、转变经济增长方式，其全部内涵就是指投入产出效率的提高和经济结构的改善[4]。近年来，高新技术企业逐渐成为促进中国产业结构调整和经济发展方式转变的生力军，其投入产出效率的高低直接关系到一个地区的产业结构优化和社会经济发展进程。因此构建一套科学实用的高技术产业技术创新绩效评价方法提高产业创新绩效成为学者研究的热点[5]。

目前研究高新技术企业技术创新效率主要集中在两个方面：①对研发创新效率做实证测评。部分学者以不同角度研究高新技术企业技术创新效率。郭建平等[6]从技术领域角度出发，运用DEA模型研究中国8个省市不同技术领域的高新技术企业的创新效率之间的差别。陈元志等[7]从企业的所有制角度出发，运用CRS径向的DEA模型、相邻参比Malmquist指数、Bootstrap纠偏等方法研究不同所有制的高新技术企业技术创新效率[7]；张冀新等[8]从企业类型出发，采用三阶段DEA模型对比分析不同企业类型对国家高新区技术效率的影响；李刘艳[9]从行业角度出发，利用DEA模型测度5个高新技术行业2003—2009年的技术创新效率，结果显示中国高新技术企业科技人员投入和经费投入比例不合理导致科技活动效率低。其余学者则是区分研究样本来评价高新技术企业技术创新效率。郝金磊等[10]建立SFA模型和技术无效率影响因素模型,研究了中国西部地区高新技术企业创新效率,结果表明，西部地区高新技术企业创新效率整体水平较低,区域间存在较大差异；许楠等[11]运用数据包络分析(DEA)方法分析河北省16家上市高新技术企业研发创新效率, 并分别从企业和政府两方面提出提高高新技术企业R&D效率的对策；熊飞等[12]运用DEA模型对丰台科技园区的42家高新技术企业技术创新效率经行研究，总结分享高效率企业的成功经验，优化低效率企业的创新能力；孙剑和李启明[13]使用DEA模型评价江苏13个城市高新技术企业效率,结果表明所研究的高新技术企业技术创新效率普遍不高，应该加大高新技术产业投入, 优化投入产出结构。②主要考察技术创新效率的影响因素，目前主要对企业开放度[14]、人才结构因素和研发禀赋结构因素以及所有制结构因素[15]、高管外部薪酬差距和高管-员工薪酬差距[16]、科技经费人员投入[17]、所得税优惠政策[18]、市场发展结构和企业发展规模以及企业所有制[19]、市场化改革[20]、技术效率和政府政策[21]、风险投资[22]、金融发展[23]、融资约束[24]等因素进行了分析。

从研究成果来看，目前考察高新技术企业创新效率影响因素的论文较为丰富，而实证测评高新技术企业创新效率的成果比较匮乏。仅有少数学者着手这方面的研究，郭建平等[6]、陈远志等[7]、李刘艳[9]、许楠等[11]、熊飞等[12]、孙剑等[13]学者使用数据包络分析法(DEA)评价效率，郝金磊等[10]采用随机前沿模型(SFA)进行分析，然而DEA模型不能解释随机误差的影响，SFA模型存在无法区分设定偏误与非效率性问题[25]。三阶段DEA模型能剥离管理无效率、环境因素和随机误差项，研究结果更能准确地反映真实效率情况。因此，本文使用三阶段DEA模型对全国层面高新技术企业技术创新效率进行研究，并分为四大区域研究高新技术企业创新效率的区域差异，针对研究结果提出相应建议以提高国家高新技术企业技术创新效率。

2 研究方法与变量选择

2.1 三阶段DEA模型

评价多投入多产出决策单元有效性最常用的方法是数据包络分析法，Fried等最早使用此方法做研究。随着DEA模型的广泛使用，学者发现该模型没有考虑环境因素的影响，测算出的效率值与真实值有误差，于是有学者结合随机前沿(SFA)模型对其经行完善，总结出三阶段DEA模型。三阶段 DEA 模型可以消除环境和随机因素带来的影响，很多学者应用它处理包含环境因素影响的效率和绩效评估问题[26]。与传统DEA模型相比，三阶段DEA模型考虑了随机因素和环境干扰，得到的最终效率值更加贴合实际情况[27]。三阶段 DEA 将决策单元(DMU)的效率评价分为3个阶段:

第一阶段仍采用传统 DEA 模型中的BCC 修正模型，假定规模报酬可变，测算出技术效率、纯技术效率和规模效率，技术效率等于纯技术效率乘以规模效率。参照多数学者的做法选择以投入为导向，在第一阶段使用DEAP2.1软件初步测算出3种效率值，使用原始投入值减去投入目标值得出投入变量的松弛变量。

第二阶段，由于各决策单元可能受环境因素和随机变量的影响，因此在第二阶段对投入变量进行调整构建环境变量与投入松弛变量的模型(1)：

smn=fn(zm,βn)+vmn+umn,m=1,2,…,N,j=1,2,…,p

(1)

(2)

式(2)右边第2项为把每个决策单元的第n项投入，调整到受环境变量影响最大的假定情形，使其处于最差的环境中需要增加的投入量; 第3项为使其处于最大的随机干扰中需要的增加量。相当于假定，每个决策变量都处于同等外部条件下，受到随机干扰也相同，以达到排除这两类因素对效率影响的目的。

第三阶段将由第二阶段计算出的调整后的投入变量代入DEAP2.1软件，再次进行效率测算，得出调整后的技术效率、纯技术效率和规模效率，此时得出的效率值即为剔除了管理无效率、环境因素和随机误差项后的最终效率值，能准确地反映决策单元真实的投入产出效率。

2.2 变量选取与数据来源

在研究投入产出效率时，关于投入产出指标的选择学界并没有统一的规定，但是大多数学者都采用将投入划分为劳动和资本两个方面的投入。通常将R&D活动人员数量、高学历人员数量、R&D经费内部支出、技术投入经费、科技活动支出、新增固定资产投资等指标作为企业的投入指标。企业的产出分为产品和技术两方面的产出，学者通常将新产品销售收入、新产品产值、营业利润、技术性收入、专利申请量、专利授权量等指标作为企业的产出指标。高新技术企业的基本特征是掌握其主要产品起核心技术的知识产权的所有权，衡量其技术创新投入产出指标应该着重围绕研发重心。介于此，选取R&D人员全时当量和R&D经费内部支出作为投入指标，选取新产品销售收入和专利申请数作为产出指标。

对于环境变量的选择应该遵循Simar和Wilson的“分离假设”，要求所选择的环境变量影响研究对象的同时又在研究对象主观可控范围之外。国内学者对于环境变量的选择大同小异，几乎都集中于宏观经济环境、市场开放程度、政策支持、市场结构、基础设施等5个方面。在研究学者经验基础之上，选取市场结构、人力资本、外部支持、宏观经济、政策支持等5个环境变量。

1)市场结构。已有文献普遍认为市场结构对企业的研发创新效率有影响，市场的集中度越高，存在的企业数量越多，市场竞争程度相应越大，企业都会更加积极提高创新效率。冯根福等[29]研究表明企业数可以反映行业的进入退出壁垒，也可以反映行业的竞争程度。因此使用各地区入统高新技术企业数表示市场结构。

2)人力资本。科技是经济发展的第一生产力，而人才是科技创新的第一生产力，高新技术企业属于人才密集型产业，人力资源与科技创新协同发展。因此使用大专及以上学历人数占年末从业人员比例表示人力资本环境变量。

3)外部支持。国家级科技企业孵化器为高新技术企业提供基础设施、物理空间和培训服务，促进创新型科技成果转化，增强企业竞争力，是高新技术企业的成长与发展强有力的外部支持与保障。因此选取在孵高新技术企业占总高新技术企业数比例作为外部支持环境变量。

4)宏观经济。人均GDP的增长能反映一个地区经济发展水平的提高，经济发展水平越高，对于高新技术产业的投入越高，一定程度上带动高新技术企业的发展。因此选取人均GDP表示宏观经济环境变量。

5)政策支持。国家实施创新驱动发展战略以来，高新技术企业发展备受关注，国家财政支持是高新技术企业研发创新的重要动力来源。然而政府支持对企业的创新投入是增加还是挤出有待考证。因此采用地区R&D经费内部支出中政府支出所占比重表示政策支持环境指标。

投入产出指标、环境指标及相应解释见表1。数据均来自《2018中国火炬统计年鉴》《中国统计年鉴》《中国科技统计年鉴》，各变量采用了2017年数据，数据信息准确、可靠，具有很强的代表性。为消除数据单位影响，将环境变量数据标准化处理，使用frontier4.1和DEAP2.1软件。

表1 指标选取

3 实证分析

3.1 第一阶段DEA模型实证结果

第一阶段操作过程是将两个投入指标R&D人员全时当量和R&D经费内部支出和两个产出指标新产品销售收入和专利申请数4个指标的原始输入Excel中，使用DEAP2.1软件，将原始数据复制到软件的数据文件中，设置脚本文件，最后运行程序。通过BBC模型对30个地区的高新技术企业技术创新的综合效率、技术效率和规模效率进行分析，结果如表2所示。2017年各地区高新技术企业技术效率平均值为0.559，纯技术效率平均值为0.630，规模效率平均值为0.889。第一阶段实证结果表明，高新技术企业的规模效率值普遍高于纯技术效率，说明在规模效率在高新技术企业技术效率中占主要作用，规模因素作用高于技术因素。

在不考虑环境变量和随机因素干扰时，30个地区中，河南省、广东省和四川省3个地区的高新技术企业处于效率前沿，技术效率、纯技术效率和规模效率都达到1，这3个地区高新技术企业资源配置和管理效率相对有效。60%以上地区(18个)高新技术企业技术效率低于0.6，说明从整体来看高新技术企业创新效率处于较低水平。处于综合效率前沿的河南、广东和四川的高新技术企业规模收益不变，江苏的高新技术企业规模收益处于递减状态，其余26个地区高新技术企业规模收益都递增。介于第一阶段效率值未排除环境因素和随机变量，不能准确反应各地区高新技术企业创新效率的真实情况，所以还需进一步测算。

表2 各地区高新技术企业技术效率值

3.2 第二阶段SFA模型实证结果

DEA分析的第二阶段是将第一阶段测算出的两个投入变量R&D人员全时当量和R&D经费内部支出的松弛变量作为被解释变量，选取环境变量市场结构、人力资本、外部支持、宏观经济、政策支持作为解释变量，考察5个环境变量对2个投入松弛变量的影响。将解释变量和被解释变量放入frontier4.1软件中进行回归，结果得出解释变量的回归系数，若回归系数为正数，表明该解释变量的增加会导致被解释变量的增加，即环境变量的增加导致投入松弛变量增加，进而增加投入冗余。回归系数为负，表明该解释变量的增加会导致被解释变量的减少，即环境变量的增加导致投入松弛变量减少，进而减少投入冗余。第二阶段结果如表3所示。

表3 基于SFA的第二阶段估计值

1)市场结构。结果表明该变量与R&D人员全时当量和R&D经费内部支出的松弛变量回归系数均为负值，说明地区内高新技术企业数量增加有利于减少高新技术企业R&D人员全时当量和R&D经费内部支出投入的冗余，促进投入人员和资金的合理配置，提高技术效率。区域内企业数量越多，市场竞争越大，在有限的人力与资金资源情况下，高新技术企业更加注重管理效率，优化资源配置结构，进而提升企业技术效率。

2)人力资源。结果表明该变量与R&D人员全时当量和R&D经费内部支出的松弛变量回归系数均为正值，说明高学历人员占比越高导致了研发人员与资金的投入冗余，这可能是由于企业一味追求高学历人员数量和经费的高投入，忽略人才能力与绩效、职责与岗位的合理分配，造成人才之间地过度竞争，未能充分发挥人才的最大价值。

3)外部支持。结果表明该变量与R&D人员全时当量和R&D经费内部支出的松弛变量回归系数均为负值，说明在孵企业比重增加有利于减少高新技术企业投入冗余，提升技术创新效率。国家级科技企业孵化器致力于为高新技术企业营造良好的创业环境和条件，极大地减少企业创业成本和风险，提高创新型科技成果转化率，提升企业竞争力，所以在国家级科技企业孵化器孵化中的企业数量越多，资源充分利用率越高，成果转化率就更高。

4)宏观经济。同人力资源环境变量一样，宏观经济环境变量与企业两个投入松弛变量的回归系数都为正，说明人均GDP提高会增加企业R&D人员全时当量和R&D经费内部支出投入冗余。现实情况就是，经济越发达，各地区盲目增加对科技创新人员与资金的投入，忽略资源配置合理性问题，反而造成资源的浪费。

5)政策支持。该变量与R&D人员全时当量和R&D经费内部支出的松弛变量回归系数均为负值，说明政府财政支出增加有利于减少企业投入冗余。政府对高新技术企业财政支持投入越大，越能调动R&D人员创新积极性，同时企业能减少企业R&D经费内部支出。

3.3 第三阶段调整后 DEA 模型实证结果

使用第二阶段的SFA回归结果相关数据进行计算，得到剔除环境变量和随机干扰因素后的投入变量调整数据，作为新的投入变量，结合原始产出数据，再次使用DEAP2.1软件测度30个地区的高新技术企业纯技术效率、技术效率和规模效率，结果为表2中的调整后部分内容。数据显示，在剔除环境变量和随机干扰因素后，各地区高新技术企业技术效率平均值为0.332，纯技术效率平均值为0.82，规模效率平均值为0.388。结果显示，各地区高新技术企业规模效率平均值明显下降，数值低于明显上升的纯技术效率。由此可见，在第三阶段的高新技术企业技术效率中技术因素强势替代规模因素，占据主导地位。

河南和广东两地的高新技术企业仍处于技术效率、纯技术效率和规模效率前沿，说明这两地高新技术企业较其他地区资源配置更加合理，并且其投入产出效率未受环境影响。第一阶段处于效率前沿的四川在第三阶段未处于效率前沿，说明四川高新技术企业投入产出受环境影响，调整前结果未能反映其真实效率值。83.3%以上地区(25个)技术效率低于0.6，说明我国高新技术企业整体创新效率偏低。处于效率前沿的河南和广东两地区高新技术企业规模收益不变，江苏地区规模效率递减，其余地区高新技术企业规模效率均递增。

在剔除环境因素与随机干扰因素之后，高新技术企业综合技术效率平均值由0.559降低到0.332，从纯技术效率和规模效率看，纯技术平均值由0.63上升到0.82，规模效率平均值由0.889下降到0.388，高新技术企业以规模报酬递增为主。调整后，技术效率、纯技术效率低估程度低于规模效率高估程度，技术效率的提升受规模效率和纯技术效率共同约束，如图1所示。

图1 各地区高新技术企业调整前后综合技术效率变化

3.4 分区域效率对比

为了分析不同区域高新技术企业技术创新效率，按照国家区域发展战略划分的四大区域将30个地区划分为东北部地区、东部地区、中部地区、西部地区，研究高新技术企业技术创新效率的空间分布特征，结果见表4。

表4 高新技术企业技术效率(按区域划分)

从整体看，在调整前仅有东部地区高新技术企业技术创新效率值略微高于0.6，考虑环境变量和随机干扰因素后，所有地区技术效率均低于0.6，表明中国高新技术企业技术创新水平整体偏低，资源配置不合理，投入产出效率不高。从局部看，无论是在调整前还是调整后，纯技术效率表现为东部地区大于中部地区大于西部地区，东部地区综合技术效率值最高，在《中国区域创新能力评价报告2017》中，处于东部地区的广东、江苏、北京、上海、浙江、山东、天津依次占据中国区域创新能力排行榜的前七名，东部地区创新环境优异，创新资源丰富，创新氛围良好，使得东部地区高新技术企业技术效率高于中西部地区和东北地区。 东北部地区高新技术企业技术效率值最低，改革开放初期东北三省经济发展水平处于我国前列，随后东三省经济由中国高水平衰败成经济落后地区。2015年，东北三省规模以上企业有研发机构的企业数是广东省5002家的15.5%，规模以上企业研发活动经费内部支出总额是广东省1520亿的27.4%，政府研发投入是北京市791.64亿的28%，东三省低水平的创新投入是其高新技术企业效率低的主要原因。在剔除环境变量和随机干扰后，东北地区和西部地区规模效率下降明显，由调整前的0.881和0.809下降为0.142和0.190，规模效率下降幅度明显大于纯技术效率上升幅度，在技术效率中占主导地位，导致两者技术效率显著下降。说明在调整前东北地区和西部地区技术效率值未能反映真实情况，受环境变量影响严重。

4 结论与建议

通过三阶段DEA模型研究中国30个地区高新技术企业技术创新效率，一阶段结果显示仅有40%的地区技术效率值高于0.6，多数企业技术效率值处于0.6水平以下，表明中国高新技术企业技术创新水平整体偏低。剔除环境变量和随机干扰后，各地区高新技术企业技术效率下降明显，主要原因是规模效率的大幅度下降，规模效率均值由0.889下降到0.388，下降幅度高达56.36%，如内蒙古、吉林、黑龙江、广西、海南、云南、青海、甘肃、新疆等地区下降幅高达90%，说明在剔除环境变量和随机干扰前各地区规模效率被严重高估，环境因素对效率值影响严重，技术效率不符合实际情况。值得庆幸的是，除江苏以外的所有地区规模报酬表现为递增现象，表明绝大多数地区高新技术企业正处于可持续发展阶段，扩大企业规模能够提升企业效益。最后按照国家区域发展战略划分的四大区域将30个地区划分为东北部地区、东部地区、中部地区、西部地区进行分析，结果发现不同区域之间高新技术企业技术创新效率也有差异，具体表现为东部地区大于中部地区大于西部地区大于东北部地区，东部地区由于经济发达、资源丰富，所以相应创新效率最高，中西部地区效率次之但相差不大，东北部地区由于创新投入不足所以效率最低。

为了进一步提高高新技术企业技术创新效率，缩小区域间创新水平差异，提高整体经济发展效率，提出以下建议：

1)目前中国高新技术企业技术创新效率整体水平偏低，应调整投入要素结构，优化人力资源和资金资源配置，充分利用现有资源，提高创新效率。不管在调整前还是调整后，绝大多数地区的高新技术企业仍处于规模报酬递增状态，表明现在处于经济发展可持续增长阶段，应增加投入规模扩大生产，以提高创新效率。对于处于创新前沿的地区，应在增加投入的同时优化资源配置，加强对高新技术企业人力资源和资金的有效利用，减少冗余。

2)调整与投入松弛变量正相关造成冗余的环境变量，减少资源投入冗余，进一步提高创新效率。第二阶段SFA分析中，人力资源和宏观经济环境变量与R&D人员全时当量和R&D经费内部支出的松弛变量回归系数均为负值，两环境变量的增加都会导致高新技术企业人员与资金投入冗余。因此，经济越发达的地区更应该注重优化投入资源结构，促进资源合理配置，充分发挥资源的最大作用，而不是一味地增加投入，造成资源浪费；调整人才引进思路，根据企业的需要选择合适的人才，明确人才的晋升渠道，充分调动积极性，发挥其最大价值。

3)加强四大区域之间的合作交流，促进协调发展，缩小区域间高新技术企业技术创新效率。创新效率低的区域应向效率高的地区学习，弥补自身发展的短板，提升创新效率。国家层面应注重资源的合理调配与规划，推动各区域间开放合作，共建产业、金融、人才、科技和信息等资源互通共享机制，实现优势互补的同时促进区域协同联动发展。