区域产业化效率的差异化研究

数据包络分析（DEA）是非参数的效率评价方法，是运筹学、管理学和数理经济学交叉研究的一个新领域。DEA模型最早是由Charnes，Cooper&Rhodes提出的假定规模报酬不变的投入导向CCR模型，CCR模型把每个被评价单位作为一个决策单元(简称DMU)。本文主要借助CCR模型从投入的角度来核算DMU的有效性，其中最有效率的决策单元构成生产前沿面，将其效率定义为1，而在其前沿边界之内的决策单元视为相对无效，其效率值定义在0和1之间，并假设其规模报酬不变，CCR模型为：min[θ-ε(eTs-0+eTs+0)]s,tnj=1λjxij+s+0=θx0nj=1λjxij+s-0=θy0λi>0，j=1,2,3…,nS+0>0S-0>0θ>0其中，θ为决策单位DMU投入相对产出的有效性，即发展协调指数，ε为阿基米德无穷小量，即小于任何正数且大于0的数，e=(1,1,…1)T；s-0为输入的松弛变量；s+0为输出的松弛变量；λj为DUM的组合系数，xij为第j个地区的第i种自主创新成果产业化投入总量，yij为第j个地区的第i种自主创新成果产业化产出总量。令θ﹡、s+0﹡、s-0﹡、λ﹡是给定的参数的最优解，若θ﹡=1，且s+0﹡=0或s-0﹡=0，则称第j个地区为DMU有效，若θ﹡=1，且s+0﹡≠0或s-0﹡≠0，则称第j个地区为DMU弱有效，若θ﹡<1，则称第j个地区为DMU无效。模型中最优值可以判断DMU的规模收益情况，若nj=1λj﹡=1，则称规模收益不变；若nj=1λj﹡<1，则称规模收益递增；若nj=1λj﹡>1，则称规模收益递减。另外，由于很多的相关因素可能会导致DMU存在规模报酬变化（VRS），在固定的规模报酬的基础上，Bankeretc增加了一个凸性假设nj=1λj﹡=1，得到BBC模型，通过执行规模报酬不变和规模报酬可变的DEA，可以获得自主创新成果产业化的规模效率。其关系为：ICTE=IVTE﹡ISE，其中，ICTE表示规模效益不变的技术效率得分，IVTE表示规模效率可变时技术效率得分，ISE表示规模效率得分。根据这些指标得分，就能对中国区域自主创新成果产业化效率作出具体的评价。在指标选取方面，由于DEA系统的评价指标体系构建的不同，会直接影响到其有效性的评价结果，在选择评价指标时本文充分考虑了以下几点：一是能够实现评价目的、能全面反映评价目的、输入向量与输出向量具有联系；二是自主创新成果产业化是一种多输入和多输出的复杂系统，其输入包括人、财、物这种可定量计算的有形因素，也包括国家政策支持等无形因素；三是在输出方面，既包括对社会的贡献也包括对经济发展的贡献。因此，在指标的选择上，根据数据的统一性、可比性原则，同时考虑可得性，选择的效率分析指标分为两类：一类是投入指标，另一类是产出指标。投入指标选择了R&D人员数、R&D经费内部支出占GDP百分比、大中型工业企业R&D项目数、R&D经费对国内高等学校支出；产出指标选择了高新技术产业新产品产值、专利形成国家或行业标准数、技术市场成交合同数。文中所使用的数据均来源于《中国科技统计年鉴（2011）》，由于部分省市区数据缺失，故本文选取了其中数据较为完整的24个省市区2010年的截面数据。在分析中国区域自主创新成果产业化效率时，仍按照传统划分法分为东部地区、中部地区、西部地区，其中东部地区有北京、天津、河北、辽宁、上海、江苏、福建、浙江、山东、广东；中部地区：安徽、河南、黑龙江、吉林、湖北、湖南、山西；西部地区：内蒙古、广西、重庆、四川、贵州、宁夏、陕西、新疆。2.3模型结果运用deap2.1软件对CCR模型求解，结果详见表2，其中综合效率是指不考虑规模收益时的技术效率；纯技术效率是指考虑规模收益时的技术效率；规模效率是指考虑规模收益时的规模效率，规模效率值=综合效率值/纯技术效率值，将24个主要省市区的非DEA有效决策单元投影分析结果如表3所示。

通过CCR模型计算结果得出的数据（如表2）可以看出，北京、天津、河北、内蒙古、辽宁、吉林、上海、江苏、福建、广东、广西、四川、陕西、宁夏和新疆这15个省市区的自主成果产业化DEA值等于1，这也充分体现出了这些省市区在自主创新成果产业化效率的相对最优性，另外，投入和产出各项指标实际值与目标值完全相同，相应调整量均为0，表明这些地区的投入水平和产出水平均达到相对的最优效率，具有领先效应，是其他地区学习如何配置资源的示范典型。但是，进一步从全国东、中、西三个区域划分的角度来看，东部地区11个省市区平均综合效率为0.961，除浙江、山东的综合效率分别为0.724和0.881，属于DEA无效的地区外，其余地区均为DEA有效；中部地区的平均效率为0.639，也是三个区域中排名最低的。其中，山西省的综合效率值仅为0.129，这可能是中部地区综合效率均值较低影响的重要原因。西部地区的平均综合效率为0.803，比中部地区稍高，但远远低于东部地区效率水平，其中所选西部8个省份中，云南、贵州、重庆属于DEA无效地区，分别为0.312、0.530、0.389，且效率值偏低。总的来讲，中西部地区DEA有效的省市区所占比例就偏小，且DEA无效地区的综合效率值也远远低于东部沿海DEA无效地区的综合效率值，大多也都低于0.5。2）从规模效率角度的分析。规模效率所表示的是决策单元目前的投入产出运行规模是否达到最佳的状态，只有当规模效率的值为1时，决策单元的效率才是最佳规模，此时决策单元的状态是规模收益不变，即规模有效。当规模效率大于0小于1时，规模收益处于递增阶段，即增加要素投入可以带来综合效率的提高。根据CCR模型特点如表2所示，可以很直观地看到，在15个DEA有效的省市也属于规模有效，在DEA无效的省市中只有湖南省属于规模有效，其余山西、浙江、安徽、山东、湖北、重庆、贵州和云南这8个省市均处于规模收益递增阶段，也就是说在其他条件不变的情况下，增加要素投入可以带动区域自主成果产业化综合效率的提高。从东中部区域划分来看，规模效率分别为0.994、0.798、0.854，东部地区的规模效率值接近于1，可以认为几乎接近于最佳规模，属于规模有效，而中西部地区自主创新成果产业化正处于规模收益递增阶段。3）从纯技术效率角度的分析。由于本文所选择的CCR模型属于投入主导型，纯技术效率值则表示在给定的产出前提下对投入的效率评价，也就是要求投入成本的最小化，即投入产出的最优化。由表2所示，在15个DEA有效的省份中，纯技术效率值也均为1。在DEA无效的9个省市中，同样纯技术效率值也均小于1。按照东中西部区域划分来看，东部地区的浙江、山东以及中部地区的安徽省的规模效率值都在0.9以上，然而技术效率偏低，这说明技术效率是影响综合效率的主要因素；属于中部地区的山西、湖北和西部地区的重庆3个省市的技术效率值偏低，都在0.5左右，这表明了这些省份在很大程度上存在着资源浪费的现象，尤为特殊的是，湖南的综合效率值小于1的最直接的原因则是由于技术效率偏低所导致的。另外，山西、贵州和云南则是因为规模效率过低影响了综合效率，而与纯技术效率值关系不大。针对DEA无效的9个省市，利用deap2.1软件，可计算出各投入要素和产出要素的生产前沿面的目标值，即理论值，进而分析投入产出冗余情况。投入产出冗余的数据见表3所示，山西、浙江、安徽、山东、湖南、湖北、重庆、贵州和云南9个省市出现了投入和产出要素有冗余情况，为了更加方便地分析所得结果，从DEA无效的9省市的投入和产出要素生产实际值与前沿面理论值的比值来分析，通过表4，可以看出在DEA无效的9个省市中，山西、湖北和重庆的投入实际值远远大于理论值，浙江、安徽、山东和云南四省的要素投入实际值也高出40%左右，说明资源投入过多冗余，而湖南和贵州的要素投入实际值只是稍高于理论值；山西、浙江、安徽、山东、湖北、重庆的产出实际值偏小于理论值，投入要素的生产能力与预期相当，而湖南和云南的实际值显著低于理论值，说明现有投入要素的生产潜能并没有得到完全发挥，产出值远没有达到理想水平。

自主创新能力是一个国家最根本的核心竞争力，自主创新成果产业化则是决定着实现一个国家核心竞争力和综合实力的关键因素，也是实现国民经济健康快速发展的重要途径。本文通过科学选取构建区域自主产业化效率评价指标体系，运用CCR模型对我国24个省市的自主创新成果产业化效率情况进行评价，通过对评价结果分析，得到以下几点结论：第一，我国自主创新成果产业化效率区域差异较为明显。在所选的省市中，一半以上的省市达到DEA有效，在没有实现DEA有效的省市中，自主创新成果产业化效率存在较大的地域差异，中西部地区明显低于东部沿海地区。主要原因是东部沿海地区开放较早、发展较快，已成为我国高新技术成果研发、产品化和产业化的重要基地，也促进了整个东部地区的创新成果产业化的进程。虽然西部地区经济发展不及东部沿海地区，但是西部大多地区的成果产业化效率为DEA有效，且明显优于中部地区。第二，提高规模效率水平是促进综合效率提升的重要途径。未达到DEA有效的9个省市均处于规模收益递增，增加要素投入将会提高综合效率，再者，这些省市的纯技术效率水平较高，而规模效率水平偏低，这是大多省市综合效率不高的主要因素，所以说，提高规模效率水平有助于促进区域自主创新产业化综合效率水平的提升。第三，要素的使用效率还有进一步提升的空间。通过非DEA有效省市决策单元的投影分析，发现要素使用效率低下是DEA无效的主要原因，每个省市均有需要减少投入的要素，且每个省市也有需要增加产出来达到目标值，同时个别省份也存在产出严重不足的情况。综上所述，由于我国的每个省市区域差异性较为明显，在自主创新成果产业化效率方面每个地区也具有较为显著的特殊性，因此，还要针对每个省市的具体情况来采取相应的措施提高自主成果产业化效率。对于DEA有效的省市，应当继续尽量保持当前的各投入要素的比例结构；对于规模收益递增，同时投入冗余的省市，应当控制要素的投入规模，不能一味地追求各种资源的投入，而应该着重优化资源配置，提高要素的使用效率，如减少R&D人员的数量，同时增加引进高技术水平的R&D人员数量；而对于产出不足的省市，则应该通过增加要素投入，调整要素投入比例来提高产出水平。

本文作者：白云朴惠宁吴乐工作单位：西北大学经济管理学院