基于DEA模型的海洋经济企业技术创新绩效评价研究

刘丹妮，崔丽花

（延边大学，吉林 延吉133002）

由于“提高自主创新能力，建立创新型国家”的政府创新发展战略的实施，创新驱动的“新常态”逐渐替代要素驱动成为我国经济的发展模式，引导国民经济的健康稳定发展。党的十八大提出建设海洋强国战略，为我国海洋事业发展指明了方向。国家部署了全国海洋经济发展详细规划，明确提出加快我国海洋经济总体水平的发展。在这背景下，我国各地不断推进海洋事业和活动的发展，迅速提升了海洋经济总量。评价海洋经济企业的技术创新效率水平，重点研究海洋经济企业的投入与产出关系，分析海洋经济企业的技术创新现状，有针对性提出改进建议，有助于增强我国海洋经济企业在国际市场的核心竞争力，同时对海洋经济企业自主创新能力的提升有重要意义。

一、文献综述

国外关于技术创新效率的理论研究起步较早，并且逐步演变为应用研究。Vikram（2008）把DEA模型测算技术创新效率的研究方法应用到美国光伏产业，刘明广（2017）以广东省21个地市级创新平台为研究对象，借助DEA-Malmquist指数模型，选取2009～2013年数据，进行区域创新效率评价。

在“一带一路”背景下，郭丽芳（2018）结合福建省的实际情况，分析海洋经济发展的瓶颈，提出要保护海洋生态环境，加快涉外海洋服务人才的培养，以拓宽海洋金融服务，最终实现提升海洋科技创新能力的目标。谢吴梵等（2019）为了揭示海洋科技创新能力对海洋经济增长效率的影响，进行了三阶段DEA测算研究，同时借助空间计量模型研究空间外溢特征对海洋经济增长的影响。

数据包络分析（data envelopment analysis，DEA）是以测算“相对效率”为核心，对相同类型的评价对象采用多个投入指标和多个产出指标进行效益评价的一种研究方法，特别适用于对多输入—多输出系统的有效性进行综合评价。DEA评价不需要确定输出和输入的显示表达式，而且无须设定权重，很大程度上排除了主观因素的影响，具有很强的客观性。论文以海洋经济上市企业为研究对象，选用DEA-BCC模型和DEA-Malmquist指数模型，对其技术创新效率值及综合效率、纯技术效率和规模效率进行分析研究。

二、研究设计

论文选取2015～2019年关键数据完整的35家海洋经济上市企业为样本，数据来源于各企业2015～2019年年报及锐思数据库。

1.模型设定

（1）DEA-BCC模型

通过广泛查阅国内外文献可知，有记载的DEA模型多达140种以上，其中最为人们熟知的模型包括CCR和BCC两个模型。Cooper和Charnes以相对效率为理论基础最早提出CCR模型，该模型借助数学线性规划的方法，测算多个投入指标、多个产出指标的决策单元创新效率值，并且对决策单元作出创新是否有效的评价。CCR模型根据配置效率和计算效率的乘积计算得出综合效率值，但是没有考虑决策单元规模大小是否对效率值产生影响，因此只适用于规模报酬不变的决策单元。

为了克服CCR模型的局限性，BCC模型应运而生。BCC模型充分考虑决策单元规模对效率值产生的影响，加入了∑λj=1的条件，把综合效率值分为规模效率值和纯技术效率值两个因素的乘积，并对两个因素分别进行深入分析，使得测算结果能够更加准确和严谨，把研究范围扩大到规模报酬可变的决策单元。根据海洋经济上市企业规模是动态变化的实际情况，论文主要采用以投入为导向的BCC模型。

（2）DEA-Malmquist指数模型

为了克服CCR和BCC两个模型只能对创新绩效进行静态评价的不足，对其进一步研究，产生了可以对单个决策单元在时间序列上进行动态评价的Malmquist指数模型。Malmquist指数模型的运行步骤如下：在取得各个年份面板数据的前提下，运行DEA软件来测算决策单元在不同年份全要素生产力的变动情况，并且将全要素生产率的变化情况进一步分解为技术变动指数和效率变动指数的乘积，从而更深入分析指数的变动。

Malmquist指数=效率变动指数×技术变动指数

其中Malmquist代表全要素生产率，即在技术创新过程中创新投入与创新产出的比率。技术效率指数描述了企业创新活动管理水平在相邻两个时期的变化；技术进步指数反映整体科研创新能力的发展水平，代表了前沿科研水平的变化。Malmquist＞1表示相邻年份研发创新全要素生产水平有所提高，Malmquist=1表示相邻年份研发创新全要素生产水平没有变化，Malmquist＜1表示相邻年份研发创新全要素生产水平有所下降。

2.变量定义

技术创新绩效是指投入指标和产出指标的相对效率，良好的技术创新绩效要靠高效率投入与产出比来计量，因此，技术创新绩效可以从投入和产出两个因素分析。

曹勇和苏凤娇（2012）选取高新技术行业的相关数据为研究对象，确定研发投入人员数量、工程师与科研人员占科技活动人员的比例、研发经费内部支出、开发新产品的投资作为投入指标，又分别选择发明专利数、新产品收入占销售额的比率为产出指标，对高新技术行业进行技术创新绩效评价。

尹惠斌和游达明（2014）选取39个样本企业作为课题的研究对象，选择的投入指标包括研发投入占营业收入比并与行业平均指标比较、研发人员专业知识背景产生的差异性行为，同时，选取申请的发明专利数以及与行业平均指标比较为产出指标，评价样本企业的创新绩效。

效率评价包含劳动力投入指标与资本投入指标两个重要内容。资本是进行技术研发创新生产的必要投入，充裕的资本对于企业的技术研发并投入生产及抵御外界风险都有不可替代的作用。因此，论文选取35个样本企业研发技术人员数量、企业研发投入金额作为投入变量；产出变量为企业的技术知识产出，通常用企业的专利数量衡量，论文选取指标为企业每年申请的专利数。投入变量与产出变量的选取，具体情况如表1所示。

表1 变量说明表

三、实证分析

（一）基于DEA-BCC模型的静态分析

在DEA-BCC模型的数据分析中，因为DEAP2.1软件操作时要求数据不能等于0或小于0，必须输入正数，所以论文对原始数据中的负数和零实施了标准化处理，然后运行软件，得出2015～2019年期间的样本企业综合效率、纯技术效率和规模收益结果，具体情况如表2所示。

表2 海洋经济上市企业DEA-BCC模型创新绩效整体分析

技术效率是对企业研发资源的配置及使用效率的评价，可进一步细分为纯技术效率和规模效率。由表2可知，海洋经济企业的技术效率均值整体呈波动趋势，并且普遍偏低。技术效率为1的企业数量很少，每年只有2～3家企业DEA有效，技术效率为1的企业数量仅占企业样本总量的7%左右，可以看出海洋经济企业创新绩效水平普遍偏低。因此，海洋经济企业无论是在创新配置能力方面和还是使用效率方面都存在广阔的提升空间。一方面，通过观察数据可知纯技术效率平均值整体呈上升趋势，经过测算发现样本企业总量中，纯技术效率有效的企业数量仅占21%左右，海洋经济企业需要进一步加强技术创新管理制度建设，有效提高技术水平发挥程度。另一方面，海洋经济企业的规模效率趋于平稳，经过测算发现在企业样本总量中，规模效率有效的企业数量仅占7%左右，整体上较为稳定。从规模收益状态来看，有较多海洋经济企业处于规模收益递减或规模收益递增的状态，海洋经济企业处于规模收益不变的现象较少。进一步分析发现，海洋经济企业技术效率均低于纯技术效率，表明海洋经济企业创新绩效水平的提升主要靠改善规模上的控制来实现，同时兼顾纯技术控制的改进，应注重质量提升与规模发展的平衡。所以创新绩效偏低在海洋经济企业中普遍存在，企业要挖掘研发资源的配置潜力，进一步提高研发资源使用与产出效率。

（二）基于DEA-Malmquist指数模型的动态分析

论文选取35家海洋经济上市企业2015～2019年的创新投入和创新产出指标数值，用DEAP 2.1软件进行Malmquist指数模型分析，得到2015～2019年连续的企业科研创新全要素生产率指数结果、技术效率指数结果、技术进步结果，如表3所示。

表3 2015～2019年海洋经济上市企业Malmquist指数模型分析

为了分析引起生产力变动的原因需要计算全要素生产率，全要素生产率受技术效率和技术进步指数两个因素影响。分析创新全要素生产率指数结果、技术效率指数结果和技术进步指数结果时，如果三个指数结果大于1表明相邻两个年份的创新绩效水平有所提高，等于1表示创新绩效水平不变，小于1表示创新绩效水平下降。

由表3可知，在2016～2017年、2017～2018年海洋经济上市企业全要素生产率指数大于1，2015～2016年、2018～2019年全要素生产率指数小于1，创新全要素生产率指数均值为0.755，表明海洋经济上市企业创新全要素生产率在各个时段分布不均衡，呈波动状态；技术效率指数呈先降后升趋势，技术效率指数均值0.987；技术进步指数不稳定，呈先升后降的趋势，技术进步指数均值0.765。可见，海洋经济上市企业创新全要素生产率指数的增长更多地取决于技术效率指数，创新绩效的提升更多地取决于创新管理水平的提高。2015～2019年海洋经济上市企业全要素生产率指数分布如表4所示。

表4 2015～2019年海洋经济上市企业全要素生产率指数分布表

通过表4可知，2015～2016年海洋经济上市企业全要素生产率指数大于1的企业数量是10家，仅占样本企业总量的28.57%，全要素生产率指数小于1的企业数量是25家，表明只有少数企业创新全要素生产水平有所提高。全要素生产率指数小于1的企业数量是25家，占样本企业总量的71.43%，大部分样本企业的创新全要素生产水平没有得到提升。2016～2017年海洋经济上市企业全要素生产率指数大于1的企业数量是20家，占样本企业总量的57.14%，说明创新全要素生产水平提高的企业数量在增长；全要素生产率指数小于1的企业数量是15家，占样本企业总量的42.86%，全要素生产率指数小于1的企业数量占比在下降，这是一个好的趋势。2017～2018年海洋经济上市企业全要素生产率指数大于1的企业数量是19家，占样本企业总量的54.29%，说明创新全要素生产水平有所提高的企业数量基本与上年持平；全要素生产率指数小于1的企业数量是16家，占样本企业总量的45.71%，说明海洋经济上市企业创新全要素生产水平保持了良好的势头。2018～2019年海洋经济上市企业全要素生产率指数大于1的企业数量是2家，占样本企业总量的5.71%，说明创新全要素生产水平有所提高的企业数量偏少；全要素生产率指数小于1的企业数量是33家，占样本企业总量的94.29%，表明多数样本企业创新全要素生产水平明显下降。综上所述，2015～2019年海洋经济上市企业全要素生产率指数大于1的企业数量呈先升后降的趋势，波动性较大，而且全要素生产率指数大于1的企业数量占比偏低。

四、结论及建议

论文以绩效评价、投入产出、创新理论等相关经济学理论为依据，选取2015～2019年海洋经济上市企业的相关数据，运用BCC模型和Malmquist指数模型，构建海洋经济上市企业包含创新投入与创新产出两个维度的创新绩效评价指标体系，从静态和动态全面对样本企业的研发创新绩效进行了分析评价。经过研究发现，由于资源使用效率低，技术水平没有得到充分发挥、企业的资源配置能力不足等原因，海洋经济上市企业普遍存在创新绩效水平较低的现象。海洋经济上市企业创新全要素生产率主要受技术效率影响，表现出先升后降态势。

为了提升海洋经济企业的创新绩效，给出以下建议：

第一，创新产出最直接的影响因素是研发投入资金，海洋经济企业要多渠道筹集研发资金，最大限度发挥研发投入对创新绩效的正向激励效应。因此，为了促进技术研发和转化，海洋经济企业要对各阶段的研发资金合理优化配置，对技术创新提供持续的资金支持。同时，为了避免资金规模报酬递减现象的出现，海洋经济企业研发资金投入量要与规模相适应，实现企业科技创新资金投入的持续性及规模效率。

第二，海洋经济企业要大力培养和引进研发技术人员缓解研发人员投入不足的问题。首先，加强校企合作，委托高校定向培养和输送急需的研究性人才；其次，建立科学的研发人员引进机制和激励机制，保证能够吸引和留住人才，让研发人员发挥最大的作用；最后，要建立相应的研发人员培训制度，引进培训服务机构，对现有的研发人员进行知识更新，提升研发与技术人员的专业知识储备，推动海洋经济产业的技术进步。

第三，根据全过程理论，海洋经济企业可以从事前、事中、事后3个环节对创新绩效进行全过程的评价。由于研发资金的投入与产出具有非对称性的特点，创新绩效评价也往往具有滞后性，就需要拓宽绩效评价维度。因此，海洋经济企业创新绩效评价不能仅局限于项目实施后验收阶段的绩效，应该延伸到创新活动的全过程，建立完善的技术创新绩效评价体系。由于需要投入大量的人力资源、财力资源、物力资源，全过程的创新绩效评价体系是一项复杂性的系统工作，但是能有效提升决策的科学性和有效性。因此，海洋经济企业有必要实施全过程的创新绩效评价体系。