基于三阶段DEA的河南省工业企业技术创新效率评价

肖美丹， 张梦佳

（河南农业大学信息与管理科学学院，郑州 450000）

技术创新是企业开展竞争活动的重要保障，对企业可持续发展具有至关重要的作用. 提升技术创新能力、推动技术进步成为企业持续发展和提升企业国际竞争力的关键，也是保持地区经济稳步增长的重要举措. 提高地区的经济发展水平，必须把技术创新放在首要位置. 工业作为国民经济增长的主体产业，是推动经济高速增长的基石，在工业化快速发展的时期，提升工业技术创新能力尤为重要. 河南省地处中原，近年来，国家对中部地区的经济建设颇为重视，随着创新投入力度的不断加大，河南省工业技术创新水平不断提高，但与发达地区相比，仍处于落后水平，通过对河南省各市工业企业技术创新效率进行测度分析，能够促进各地区工业企业创新水平协调发展，对指导工业企业提高资源利用率、促进地区经济增长具有重要意义.

1 文献综述

随着各个政府对技术创新的投入不断加大，技术创新效率成为大家关注的热点，学者们对技术创新效率的研究也取得了丰硕的成果. 关于技术创新效率的研究方法主要包括以SFA为代表的参数法和以DEA为代表的非参数法. 其中，肖文和林高榜［1］采用SFA模型，测算了我国36个工业行业的技术创新效率，并分析了政府支持、研发管理对技术创新效率的影响；易明等［2］基于随机前沿生产函数模型对中国2000—2015年高新技术产业创新效率进行了测算并对结果做出了统计分析；杨玉桢［3］和尹述颖［4］等分别运用两阶段SFA模型分析了我国高技术产业创新效率以及医药企业技术创新效率，并分析了其影响因素；刘湘云和周铚翔［5］对粤港澳大湾区11个城市2006—2017年技术创新效率进行测度，分析技术创新效率的波动原因，并对技术创新效率影响因素进行了实证分析. 在非参数研究方法中，Wang等［6］将技术创新活动分为研究和开发两个阶段，用两阶段网络DEA 方法评价了中国高技术产业的技术创新效率；陈元志和朱瑞博［7］运用CRS径向的DEA 模型、相邻参比Malmquist指数、Bootstrap纠偏等方法，对中国不同所有制类型的企业技术创新效率进行比较研究；Lin等［8］基于窗口DEA分析法对2006—2014年中国28个制造业的绿色技术创新效率进行了评价，将所得结果与传统DEA模型的计算结果进行了比较，并对效率进行了收敛性分析；Li等［9］以西安为例，利用DEA模型探讨了环境规制对创新型城市技术创新效率及其时空演化的影响；陈红梅和王鉴雪［10］运用DEA-BBC模型和DEA-Malmquist指数模型对我国36个工业行业的企业技术研发和技术转化效率进行了单期评价和不同周期的对比分析.

随着研究的不断深入，有学者发现环境变量以及随机干扰因素往往会对效率的测度产生影响，为了更加准确地表明技术创新效率，大量学者开始采用三阶段DEA模型进行效率测度，如：季庆庆和李向东［11］利用三阶段DEA模型，以大中型工业企业数据为基础，对我国企业技术创新的效率进行测算，结果表明，我国企业技术创新效率整体水平不高、规模效率较低是主要抑制因素；李鹏和胡汉辉［12］运用三阶段DEA模型对我国2010年的工业效率进行了实证分析，结果表明，剔除环境变量和随机误差因素后，我国工业的技术效率呈下降趋势；刘满凤和李圣宏［13］对2012年我国高新区的创新效率进行了研究，并分析了环境变量对创新效率产生的影响；李宏宽等［14］运用广义三阶段DEA模型评价和比较了我国集成电路产业整体及产业链各环节技术创新效率及差异，并进行投入要素的投影分析，在此基础上借助Tobit回归模型对技术创新效率的影响因素进行了研究；曾武佳等［15］同样采用三阶段DEA和Tobit回归模型研究了我国103个国家级高新区的创新效率及其影响因素；Zhang等［16］采用三阶段DEA模型来衡量受环境规制影响的区域建筑业的技术效率，然后利用门槛回归模型分析了环境规制对区域建筑业效率的门槛效应，结果表明，环境规制对中国建筑业的效率有显著影响且规模效率受影响最大.

通过上述文献梳理可以看出，前人对技术创新效率的研究多集中于国家级高新区创新效率以及高新技术产业创新效率［2-3，6-7，13，15］，工业作为国民经济增长的基石，却少有学者深入研究. 另外，在现有对工业技术创新效率的研究中多考虑以不同行业为研究对象［1，10-12］，以省域地市为研究对象的文献并不多，基于此，本文在前人的研究基础上，选取能够剔除环境变量以及随机干扰的三阶段DEA模型对河南省工业企业技术创新效率进行评价研究，更加真实地反映河南省各地区在工业技术创新方面存在的问题，为实现区域协调发展，提高资源利用率以及转变经济发展方式提供一定依据.

2 三阶段DEA模型构建

DEA模型是一种非参数计算方法，主要用来评价投入产出效率，该方法以线性规划为依据，无须对数据进行处理，计算简便，受到了广泛应用. 2002年Fried等［17］在传统DEA模型的基础上提出了三阶段DEA模型，该模型考虑环境因素和随机误差对效率测算的影响，通过SFA回归将环境变量和随机干扰剔除，从而能够更加真实地反映各个决策单元的效率情况. 以投入导向型的DEA模型为例，三阶段DEA模型的具体步骤如下所述.

第一阶段：传统DEA模型

传统的DEA模型根据规模报酬的变化情况可分为CCR模型和BCC模型，BCC模型测算出的综合效率值可以进一步分解为纯技术效率和规模效率的乘积，通过分解能够更加精确地表明影响综合效率的因素，本文为保证模型结果的精确选用投入导向型的BCC模型进行效率测算，其表示为：

式中：n 为决策单元的个数；X 表示投入向量；Y 表示产出向量；λ 表示指标权重；ε 为非阿基米德无穷小量；θ 为被评价决策单元的效率值；s-和s+分别表示投入松弛和产出松弛.

第二阶段：相似SFA模型

经过第一阶段的测算，可以得到投入产出变量的松弛变量数值，它们不仅受到管理无效率的影响，还与环境因素以及随机干扰因素有关，为了更加准确地测算效率值，需要通过构建相似SFA模型剔除环境因素和随机因素对效率值的影响，以投入松弛作为因变量，环境变量作为自变量，SFA模型可表示为：

第三阶段：调整后的DEA模型

经过第二阶段的调整，将调整后的投入变量代替原始投入变量，并重新利用DEA-BCC模型对河南省规模以上工业企业的技术创新效率进行测度，可以得到剔除环境影响和随机扰动的效率值，能够更加客观真实地反映出河南省各个地区的工业技术创新效率.

3 变量选取与数据来源

3.1 投入产出变量的选择

评价技术创新效率的关键在于选取合理的投入产出指标，在区域创新活动的研究中，多从人力、财力两个方面进行投入指标的选择. 为研究河南省工业企业技术创新效率，考虑数据的可获得性，文章以河南省规模以上工业企业的各项指标数据来代表河南省工业企业的数据. 其中，人力投入指标选取规模以上企业R&D活动人员折合全时当量，财力投入指标选取规模以上企业R&D经费内部支出. 另外，考虑工业企业的技术创新能力主要依据企业是否开展创新活动，选取开展创新活动的企业个数作为第三个投入指标. 技术创新活动的产出可以从直接创新成果和创新所带来的经济效益两个方面进行衡量，直接创新成果用有效发明专利数来表示，经济效益用新产品的销售收入来表示，同时也反映出市场对创新成果的认可程度. 根据DEA效率分析的同向性原则，利用SPSS软件对投入产出指标进行Pearson相关性检验，结果如表1所示. 由表1可知，投入产出变量的相关系数为正，且都通过了1%水平下的显著性检验，表明投入产出指标的选取符合同向性假设，同时表明指标的选取具有合理性，可以进一步分析.

表1 投入产出指标Pearson相关性检验Tab.1 Pearson correlation test of input-output index

3.2 环境变量的选择

创新研发资源的投入不是影响创新产出的唯一因素，环境因素会对企业的技术创新效率产生重要影响. 环境变量是指能够对企业创新效率产生影响，但不在样本观测范围内的变量. 本文根据环境变量的选取原则，并参考现有文献［11，13］从政府支持力度、对外开放程度、企业规模以及地区经济发展水平四个维度选取环境变量，进行第二阶段SFA回归. 其中，用各市财政支出中科学技术支出金额来表示政府的支持力度；用各市外资投入金额中实际利用外资情况来表示地区对外开放程度；用各市生产规模以上工业企业总资产与企业数量的比值来表示企业规模；用各市人均GDP表示地区经济发展水平.

3.3 数据来源

本文选取河南省18个市作为评价对象，旨在研究不同地区工业企业的技术创新效率，在保证数据时效性和可获取性的基础上，选用2018年规模以上工业企业的截面数据进行分析，研究数据全部来自《河南统计年鉴2019》.

4 实证结果分析

4.1 第一阶段：传统DEA模型结果分析

在第一阶段中，运用DEAP2.1软件，对河南省18个市规模以上工业企业的效率值进行测算，其结果如表2所示. 从表2可以得知，2018年河南省工业企业技术创新效率均值为0.678，整体效率水平不高，存在32%的提升空间，纯技术效率均值为0.759，规模效率均值为0.888. 从第一阶段的实证结果可以看出，河南省工业企业技术效率中，规模效率占据主导地位，表明导致技术效率偏低的主要原因是纯技术效率不高.

在不考虑环境因素和随机干扰因素的影响下，达到效率前沿面的城市有郑州、洛阳、南阳和济源，其纯技术效率和规模效率值都达到了1，表明这四个城市的资源配置合理，技术管理相对有效. 在未处于生产前沿面上的城市中鹤壁和信阳的纯技术效率值达到了1，却并没有实现DEA 有效，表明导致这两个城市DEA无效的原因是规模效率不足，要想达到DEA有效，需要对创新生产规模进行调整. 从纯技术效率和规模效率来看，大部分城市的规模效率值高于纯技术效率值，表明制约河南省工业企业综合效率的主要原因是纯技术效率不足，要想提升综合效率需调整投入产出结构，优化资源配置，提高资源利用率. 从规模报酬变化来看，达到DEA 有效的四个城市规模报酬不变，新乡呈现出规模报酬递减状态，其他城市均为规模报酬递增. 由于传统DEA模型的测算结果包含了环境因素和随机干扰因素的影响，不能准确反映各个城市的实际技术创新水平，因此需要做进一步测算.

表2 河南省各市工业企业效率值测算结果Tab.2 Calculation results of efficiency value of industrial enterprises in various cities of Henan Province

4.2 第二阶段：SFA回归结果分析

在第二阶段中，将投入指标的松弛变量作为被解释变量，将四个环境变量作为解释变量，构建SFA回归模型，通过Frontier4.1软件进行计算，计算结果如表3所示.

从回归结果中可以看出，γ 值接近于1，说明投入冗余主要是由管理无效率导致的. 另外，大部分参数值以及LR值都通过了显著性检验，说明环境因素对技术创新效率存在显著影响，利用SFA模型进行调整是合理的. 若回归系数为正，表明增加该变量会扩大对应的松弛变量值，若回归系数为负，表明增加该变量会减少对应的松弛变量值. 下面对各个环境变量对投入松弛产生的影响做进一步分析，得到如下结论.

1）政府支持力度. 表3结果表明，政府支持力度对R&D活动人员全时当量投入松弛产生显著的负向影响，说明政府支持力度的加大有利于减少人力投入冗余. 随着政府财政支出的增加，企业内部的创新资源得到了优化，使得创新活动趋于活跃，提高了R&D活动人员的配置效率，从而能够有效减少人员投入冗余. 政府支持力度对R&D经费内部支出投入松弛产生显著的正向影响，表明政府过多的资金支持会加重资本投入冗余，这是因为政府强大的资金支持导致了企业对资金管理运用较为粗放，资金不能得到合理的运用，存在严重的浪费情况. 要想提高企业的技术创新效率，不仅需要政府的财政支持，更加需要企业自身优化资金配置效率，加强对资金的管理和运用.

表3 SFA回归结果Tab.3 SFA regression results

2）对外开放程度. 从表3可以看出，对外开放程度对R&D活动人员全时当量投入松弛产生显著的正向影响，说明对外开放程度不利于企业提高人才利用率，这是由于对外开放程度的提高，促进了国际技术创新成果的交流，企业不断增加人力资本的投入，最终导致人员过剩，产生了不良后果. 对外开放程度对R&D经费内部支出投入松弛产生显著的负向影响，表明对外开放程度的提高能够减少企业资金投入冗余，说明对外开放程度越高，越能够促进企业不断吸取先进的管理经验，提高资金的配置效率，从而促进创新活动的开展，使得创新效率得到提高.

3）企业规模. 表3的计算结果中，企业规模对R&D 活动人员全时当量投入松弛产生显著的正向影响，说明企业规模的扩张会加重人员投入冗余，大规模的企业往往因多层级管理链导致信息不对称，从而在人员配置上出现不合理的情况，一些R&D活动人员“形同虚设”，这些情况的存在导致了R&D活动人员出现冗余. 企业规模对R&D经费内部支出和企业个数投入松弛产生显著的负向影响，说明随着各地工业企业规模的加大，企业的资金流动加快，有利于减少资金的浪费和企业个数投入冗余，促进资源的有效配置，从而提高技术创新效率，这反映出企业规模的扩大总体而言有利于技术创新水平的提高.

4）经济发展水平. 由表3可知，经济发展水平对R&D活动人员全时当量以及企业个数投入松弛产生显著的负向影响，说明地区经济发展水平越高，对企业R&D活动人员以及开展创新活动的企业个数投入冗余的减少越有利，同时表明经济水平的提高有利于企业提高技术创新效率. 经济发展水平对R&D经费内部支出投入松弛产生显著的正向影响，说明经济发展水平的提高会导致资金投入冗余增加，反映在某些发达地区为：创新资源丰富，但资源配置效率低下，对资金的管理能力较差，导致技术创新水平不高.

4.3 第三阶段：调整后的DEA模型结果分析

在第三阶段中，将调整后的投入产出数据重新代入DEA-BCC模型中，利用DEAP2.1软件再次对河南省18个市工业企业技术创新效率进行测算，得到剔除环境因素和随机干扰的效率值以及规模报酬状态，结果如表2所示，下面分别从综合效率、纯技术效率以及规模效率角度对表2结果进行分析.

1）综合效率分析. 从表2的结果可以看出，在剔除了环境因素和随机干扰后，河南省工业企业综合效率均值由0.678下降到了0.650，除了新乡和三门峡的综合效率值上升外，其余城市综合效率值都在调整后出现下降，其变化幅度如图1 所示. 这表明使用传统DEA方法时，由于未考虑环境因素和随机干扰的影响，使得新乡和三门峡的技术创新效率值偏低，而大部分城市的技术创新效率存在虚高情况，未能真实反映出各地企业的技术创新水平.调整后，郑州、洛阳和南阳的综合效率值仍为1，即处于效率前沿面，达到了DEA 有效，而济源的综合效率值由1变为了0.939，这是由于规模效率在调整后出现了下降，表明环境对济源的规模效率有较大影响. 在其余未到达DEA 有效的城市中，综合效率低于均值的城市有10 个，占比达到了67%，表明河南省工业企业的创新水平整体较为低下，大部分城市处于创新薄弱阶段，工业企业技术创新效率存在较大提升空间.

2）纯技术效率分析. 从纯技术效率角度来看，剔除环境因素的影响后，河南省工业企业纯技术效率均值由0.759 上升到0.789，除濮阳、许昌、三门峡和驻马店出现小幅度下降外，大部分地区的纯技术效率值得到了提高，说明这些地区环境较差，对技术创新效率产生了不利影响，其变化如图2所示. 从表2可以知道，纯技术效率值达到1的地区有郑州、洛阳、鹤壁、南阳、信阳和济源，说明这些地区的资源配置相对合理，技术管理水平较高，投入资源得到了充分利用. 剩余的12个城市中，商丘和周口的纯技术效率值较低，资源利用效率较为低下，技术创新水平存在较大提升空间，可能与当地的企业发展状况有关，提升技术创新效率可从外部条件出发，改善技术创新环境. 从图2 可以看出，安阳、新乡、焦作和漯河的纯技术效率调整前后变化最为明显，说明环境因素对这些地区的影响较大，剔除环境因素后能够更加真实地反映出各个地区的纯技术效率水平.

图1 综合效率调整前后变化图Fig.1 Change chart of comprehensive efficiency before and after adjustment

图2 纯技术效率调整前后变化图Fig.2 Change chart of pure technical efficiency before and after adjustment

图3 规模效率调整前后变化图Fig.3 Change chart of scale efficiency before and after adjustment

3）规模效率分析. 从表2 可以看出2018 年河南省工业企业规模效率均值由调整前的0.888下降为调整后的0.815，下降比例为7.3%，表明环境因素对规模效率的影响较为显著，调整前后各地区规模效率变化图如图3所示. 从图3可以看出除了三门峡规模效率在调整后出现上升以外，其余未达到规模有效的城市在剔除环境因素和随机干扰后全部呈现出不同幅度的下降，说明河南省大部分城市的规模效率值被高估. 从表2可以看出，河南省各个城市的规模效率值除漯河和信阳外，整体情况较好，表明在大部分地区工业企业的技术创新规模相对合理；而漯河和信阳两地应该注重加大创新规模的投入，从而有效提高技术创新效率. 另外，在剔除环境因素的影响后，全部地区的规模报酬都处于递增状态，进一步说明扩大创新规模是河南省提高工业企业技术创新效率的重要举措.

4.4 创新生产模式分析

影响综合效率的指标包括纯技术效率和规模效率两个部分，通过划分能够更加明确导致各个地区创新效率不足的原因，“对症下药”是解决问题的关键. 利用调整后的DEA 效率值将河南省18 个市工业企业技术创新效率划分为4种类型，如图4所示.

第一种类型以0.9为临界值，将纯技术效率和规模效率均高于临界值的地区划分为“双高型”地区，即郑州、洛阳、南阳和济源，“双高型”地区占比达到22.2%，这些地区的资源利用率较高，技术创新水平较高，是河南省工业企业技术创新的模范城市，可为其他创新水平较为低下的城市提供技术管理经验.第二种类型是“高低型”，即纯技术效率较高，而规模效率偏低，从表2可以看出，属于“高低型”的城市有新乡、鹤壁和信阳，占比达到16.7%，这类城市提高技术创新的关键在于扩大创新规模，实现资源集中整合利用，从规模角度提高技术创新效率. 第三种类型是“低高型”，包括濮阳和许昌两个城市，占比为11.1%，这种类型的特点在于纯技术效率偏低而规模效率较高，说明濮阳和许昌两地在技术创新资源投入中存在配置不合理的情况，技术管理水平较差，导致了资源利用不充分，存在冗余和不足，要想提高技术创新效率应该注重优化资源配置，提高资源利用率. 第四种类型是纯技术效率和规模效率都低于0.9的“双低型”，包括开封、平顶山、安阳、焦作、漯河、三门峡、商丘、周口、驻马店，这种类型的城市占比高达50%，进一步表明河南省工业企业的技术创新效率总体水平不高，这类城市要想提高技术创新效率必须同时抓好技术管理水平和创新投入规模，从多个方面提升自身技术创新能力.

图4 2018年河南省工业企业技术创新效率水平分布图Fig.4 Distribution map of technological innovation efficiency level of industrial enterprises in Henan Province in 2018

5 结论与建议

本文采用三阶段DEA模型对河南省18个市的工业企业技术创新效率进行测算，研究结果表明：

1）环境变量对河南省技术创新效率产生较为显著的影响，政府支持力度以及经济发展水平的提高有利于减少R&D人员冗余，从而优化创新效率，对外开放程度以及企业规模的扩大能够提高创新投入资金利用率，有效减少R&D经费内部支出投入冗余.

2）在剔除环境因素与随机干扰因素后，到达效率前沿面的只有郑州、洛阳和南阳，河南省工业企业技术创新效率整体水平不高，且调整后规模报酬全部呈现出递增状态，在效率值的变动上，大部分地区纯技术效率值在调整后上升，规模效率值在调整后下降，并且下降幅度大于上升幅度，导致河南省工业企业的技术创新综合效率值在调整后出现下降.

3）河南省50%的城市工业企业技术创新水平处于纯技术效率和规模效率“双低”阶段，这是导致整体创新效率不高的主要原因，这些地区提升技术创新效率需要“两手抓”，企业和政府应该共同作用优化资源投入产出结构，提高资源利用率，并且适当扩大创新规模，为技术创新活动营造良好氛围.

为了进一步提升技术创新效率，基于以上研究结论提出政策建议如下：

1）注重人才培养和建设. 河南省位于中原地带，教育资源以及经济发展水平都处于相对弱势地位，阻碍科技创新能力的重要原因在于缺乏优秀的技术管理人才，除郑州、洛阳等发展较好的城市外，大部分地区的纯技术效率较低，说明这些地区的企业对投入资源的管理与运用上效果较差，存在资源配置不合理现象. 构建人才培养体系，改善从业人员结构，引进高素质人才以及引进先进的管理方法、提高企业对创新投入资源的利用率是提升河南省技术创新水平的关键举措.

2）加大资金投入，扩大技术创新规模. 在剔除环境因素与随机干扰后，河南省18个市的规模报酬都为递增状态，说明进一步扩大创新生产规模对提高创新效率有着重要作用. 政府部门应该加大对企业技术创新活动的扶持力度，加大资金投入，通过各种扶持政策鼓励企业开展技术创新活动，利用产业集聚效应逐渐扩大创新生产规模，创新水平较为低下的地区可以适当向郑州等创新效率表现较好的地区学习经验和管理方法，发挥各自优势，共同提高河南省整体技术创新水平.

3）注重环境因素对创新效率的影响，优化创新发展环境. 技术创新效率不仅与企业自身能力有关还受到外部环境的影响，政府在技术创新中发挥着重要作用，可以通过增加投入资金以及降低创新成本等扶持政策来促进企业的创新积极性；另外，可以加大地区的对外开放程度，引进国外的创新技术，不断完善企业内部的管理能力，提高外资利用率；再者，经济发展水平也是制约创新效率的关键，深化经济体制改革，促进经济快速发展，对于提升技术创新能力有着重要影响. 通过这些举措来优化技术创新所需的环境条件，能够有效改善当前河南省工业企业技术创新效率水平低下问题.