基于复合ＤＥＡ的我国各地区高新技术产业投入产出相对效率评价研究

摘要：高新技术产业的发展，直接关系到一个地区产业结构优化和经济发展。文章运用复合DEA（数据包络分析）方法对我国各地区高新技术产业投入产出相对效率进行了评价，得出了投入产出相对效率与地区经济发展水平正相关的结论，并对相对效率值非DEA有效地区的形成原因及优化方向进行了分析。

关键词：复合DEA；高新技术产业；相对效率；评价

一、 引言

近年来我国高新技术产业快速发展，不少学者围绕高新技术产业这一主题进行了各种定性和定量研究。从已有的研究成果来看，多数学者关注的是高新技术产业的政策、发展水平、产业集群、竞争力和技术创新能力，从资源配置（投入产出）视角研究高新技术产业的成果较少，其中，刘志迎、叶蓁（2006）基于非参数的Malmquist指数方法对我国高技术产业各行业技术效率进行了实证分析；朱又为、徐康宁（2006）应用随机前沿生产函数测算了我国高技术产业的研发产出效率；张霞、胡贤辉等（2006）应用DEA方法对湖北省高技术产业近十年的投入产出相对效率进行了有效性评价和排序分析；薛娜、赵曙东（2007）以江苏省为例，对五大高技术产业创新效率和规模收益做了评价和比较；邓进（2007）在构建柯布—道格拉斯研发生产函数的基础上，研究了我国高新技术产业研发资本存量和研发产出效率。总之，有关高新技术产业投入产出相对效率的理论成果不仅少，且多是针对某个地区或某个领域的研究。另外，客观上因地域、资源、科技等禀赋差异，我国各地区高新技术产业呈现出不平衡发展态势，其投入产出相对效率迫切需要科学方法予以比较分析。综上，基于理论意义和客观需要，本文应用复合DEA方法，对我国各地区高新技术产业投入产出相对效率进行了较全面系统的实证分析。

对高新技术产业投入产出相对效率进行评价，首要问题是界定高新技术产业范围。参照OECD（经济合作与发展组织）与《中国高技术统计年鉴》的分类和统计标准，本文所指的高新技术产业包括航天航空器制造业、电子及通信设备制造业、电子计算机及办公设备制造业、医药制造业、医疗设备及仪器仪表制造业。

二、 复合DEA方法

数据包络分析（Data Envelopment Analysis，简称DEA）是A.Charnes、W．W．Cooper等人提出的评价系统相对效率的非参数方法，其不用对数据进行预处理，也无需人为设定权重，适用于多输入和多输出系统的投入产出相对效率评价。

根据不同评价系统的内容和特点，DEA模型有多种形式，不失一般性，本文选用经典Input—C2R模型。假定有n个可比部门（称为决策单元），每个决策单元都有m种输入和s种输出，Xj和Yj分别表示第j个决策单元的输入和输出。通过对偶变换，引入非阿基米德无穷小量，Input—C2R模型可以表示为：

复合DEA方法的应用主要表现在两方面：

三、 评价指标体系

DEA方法确定投入和产出指标的基本前提是要反映评价目的和评价内容。在此基础上，遵循指标设计的系统性和科学性原则，并根据数据的可获得性，本文选取的投入产出指标如表1所示。投入指标包括企业从业人员年平均人数、投资额、年初固定资产原价和科技活动经费内部支出，前三项指标从评价内容出发，反映了各地区高新技术产业在人、物和财三方面的投入，第四项指标主要基于评价目的，重在分析科技活动经费内部支出对高新技术产业投入产出相对效率的影响。产出指标包括两方面的指标，一是直接、当期的经济和社会效益指标，包括工业总产值、销售收入和利税，二是间接、短期内难以用货币衡量的指标—专利申请数，该指标为当期产出，但往往要经历一段时间才能转化为实际的经济和社会效益。

四、 基于复合DEA的实证分析

本文以各个省、市、自治区为决策单元，所有数据源于《中国高技术统计年鉴2006》，采用Input—C2R模型（取10-6）进行DEA评价的结果见表2和表3。

从表2中DEA评价的初始结果来看，?兹0值为1的地区有北京、天津、内蒙古、上海、福建、山东、广东、海南、云南和青海，说明这些地区的高新技术产业投入产出相对效率为DEA有效，其各种投入已经达到最大产出。北京、天津、上海、福建、山东和广东高新技术产业的投入产出相对效率最优，与这些地区发达的经济发展水平相适应；需注意的是，内蒙古、海南、云南和青海的高新技术产业普遍处于初创期，投入产出相对效率高并不能说明其居于绝对领先水平。

综上可以看出，各地区高新技术产业的投入产出相对效率差别很大，东部地区的相对效率值明显高于中西部地区。DEA有效的10个省市中，东部占七个，分别是北京、天津、上海、福建、山东、广东和海南，西部只有云南和青海，中部仅内蒙古为DEA有效。从非DEA有效的地区来看，江苏、浙江等发达省市的相对效率值也明显高于其它省市。由此可见，高新技术产业投入产出相对效率与地区经济发展水平正相关。

根据表3纵向Sj（i）列的累计值，可以获得投入、产出指标对评价系统及各决策单元影响的信息。从投入指标看，Sj（3）列的累计值为4.704 5，高于其它三项指标，累计值最小的是Sj（2）列，为1.278 0。这说明现阶段影响各地区高新技术产业投入产出相对效率最重要的因素是固定资产，即“物”的累计投入——资本存量；投入指标中存在最多冗余、利用效率最低的是投资，即“财”的当期投入——资本流量。从Sj（3）列数据来看，安徽、江苏、浙江等省在利用固定资产方面较全国其他地区具有相对效率优势。从产出指标来看，Sj（8）列的累计值高于其它三项指标，为3.587 6，表明投入产出相对效率对专利申请数这一指标最为敏感，从该列具体数据来看，新疆、云南、陕西等省在这一指标的产出较其他地区具有优势。

根据表3纵向Sj（i）列的的标准差，可以分析各个决策单元不同指标上相对效率差异。从投入指标看，Sj（4）列的标准差最大，这说明科技活动经费内部支出的地区差异最明显，结合各地区实际支出可知，青海、山西等省在该项指标上的投入最为匮乏。从产出指标来看，Sj（8）列数据的标准差最大，为0.179 4，这表示各地区在专利申请数这一指标上的产出最不均衡。从相对效率上看，新疆较其他地区具有优势，评价值为0.622 4。

根据表3横向Sj（i）行的数据，可以分析投入产出相对效率非DEA有效地区的形成原因及其优化方向。从各地区高新技术产业投入产出相对效率评价的初始结果（见表2）来看，非DEA有效的省区有20个，其中甘肃最低，相对效率值仅为0.359 2。根据表3中S27（i）行数据，从投入指标来看，S27（4）为0，S27（1）仅为0.002 7，说明该省科技活动经费支出利用效率偏低，从业人员存在冗余；从产出指标来看，S27（5）和S27（6）均为0，说明工业总产值和销售收入这两项产出过少，没有形成有效的产出规模。该省今后应努力增加投资和固定资产，并在产业规模扩大的过程中注重提高科技投入的利用率，精简冗余人员。另外一个初始相对效率值低于0.4的地区是山西（0.387 0）。根据表3中S4（i）行数据，从投入指标来看，S4（1）为0，S4（3）也接近0，说明该省高新技术产业存在冗余人员，对固定资产的使用效率也不高；从产出指标来看，S4（6）和S4（7）均为0，表明其销售收入和利税过少。该省今后应努力精简非科技活动人员，提高固定资产的利用效率，形成有效的生产规模，为高新技术产业营造良好的市场环境。其他非DEA有效的地区，可以按照上述逻辑分析其形成原因与优化方向，限于篇幅不再赘述。

五、 结论

从DEA评价的初始结果来看，现阶段我国各地区高新技术产业投入产出相对效率差别很大，东部地区明显高于中西部地区，并由此可以得到一个结论，高新技术产业投入产出相对效率与地区经济发展水平正相关。根据不同指标下的DEA评价结果，运用复合DEA方法进行扩展分析，可以估量高新技术产业投入和产出指标对各个地区相对效率值的影响，分析非DEA有效地区形成的原因及其优化的方向。综上，运用复合DEA方法对我国高新技术产业投入产出相对效率进行评价，可以得到大量有效的管理信息，为相关部门的决策提供定量、可靠的参考依据。

参考文献：

1．傅毓维，崔栋，刘拓．黑龙江省科技资源配置效率的DEA分析．技术经济，2007，（7）：14-17．

2．朱有为，徐康宁．中国高技术产业研发效率的实证研究．中国工业经济，2006，（11）：38-45．

3．张霞，胡贤辉等．湖北省高技术产业投入产出动态评价．统计与决策，2006，（11）：90-92．

4．薛娜，赵曙东．基于DEA的高技术产业创新效率评价．南京社会科学，2007，（5）：135-141．

5．邓进．中国高新技术产业研发资本存量和研发产出效率．南方经济，2007，（8）：56-64．

基金项目：黑龙江省科技计划项目（GC06D209）；黑龙江省教育科学“十一五”规划重点课题（HZG036）。

作者简介：傅毓维，哈尔滨工程大学经济管理学院教授、博士生导师；朱发根，哈尔滨工程大学经济管理学院博士研究生；刘拓，哈尔滨工程大学经济管理学院博士生。

收稿日期：2008-02-02。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。