苏浙鲁粤四省产业技术创新效率比较分析

苏浙鲁粤四省产业技术创新效率比较分析产业技术创新是一个多投入多产出的生产系统，不同地区的技术创新效率是不同的，仅仅从投入或者产出方面分析技术创新系统的效率显然是不全面的，必须采用投入产出的双向分析方法。本节利用基于DEA的非参数Malmquist指数方法和面板数据，对2001~2008年苏浙鲁粤四省的产业技术创新效率进行分析评价。一、研究方法（一）DEA方法数据包络分析方法（DEA）是运筹学、管理科学和数理经济学交叉研究的一个新领域，它是由著名运筹学家Farrel（1957）创立并由Charnes、Cooper和Rhodes（1978）发展起来的线性规划方法。它是以相对效率概念为基础，以数学规划为主要工具，以优化为主要方法，根据多指标投入和多指标产出数据对相同类型的评价决策单元（decisionmakingunit，简称DMU）进行相对有效性或效益评价的多指标综合评价方法。数据包络分析（DEA）的基本模型主要有CCR模型和BCC模型两种。假设有n个决策单元（DMU），每个DMU都有m种输入和s种输出，其中，0),,,(21Tmjjjjxxxx，0),,.(21Tsjjjjyyyy，ijx为决策单元jDMU对第i种输入的投入量，rjy为决策单元jDMU对第r种输出的产出量),2,1;,2,1;,2,1(srminj。记0jDMU对应的输入、输出数据分别为：njyyxxjj01,,0000，0jDMU基于输入的带有非阿基米德无穷小的CCR模型和BCC模型如式（1）和（2）所示：]min[11srrmiiss01ijinjjjxsx（1）s.t.njijijjysx100;0;,2,1;0rijssnj]min[11srrmiiss01ijinjjjxsx（2）s.t.njjnjijijjysx1101;0;0;,2,1;0rijssnj（二）Malmquist生产率指数法Malmquist生产率指数是基于DEA模型的方法提出的，它利用距离函数的比率来计算投入产出效率。随着该指数的不断完善进步，有下列三个经典公式来说明Malmquist生产率指数的原理：2/1111111111,),(),(.),(),(),,,(tititititititititititititititititiyxDyxDyxDyxDyxyxM（1）其中：tix，1tix分别表示第i个地区在时期t和1t期的投入向量；tiy，1tiy分别表示在i地区t和1t时期的产出向量；),(tititiyxD和),(11tititiyxD分别表示以t时期的技术tT为参照的、时期t和时期1t生产点的距离函数：2/1111111111111,11),(),(.),(),(),(),(),,,(titiTCtitititititititititititiEFtititititititititititiyxDyxDyxDyxDyxDyxDyxyxM（2）式（2）是式（1）的变形，用来表示技术变化与技术效率变化的分离。第一部分EF，就是从t到1t期生产效率的变化；而第二部分TC，就是从t到1t期技术的变化率：),(),(),(),(),(),(),(),(),(),(1111111111111111.,tititctititctititctititctititctititvtititctititvtititvtititvttcvyxDyxDyxDyxDyxDyxDyxDyxDyxDyxDM上式放松了式（1）和式（2）的固定规模报酬的假设，描述了变动规模报酬的情形，进一步将技术效率变化分解为纯技术效率变化和规模效率变化。注脚为v的表示的是变动规模报酬的情况；注脚为c的为固定报酬下的情况，则第一项表示的是在变动规模下的纯技术效率变化，第二项是规模效率变化，第三项与式（2）相同，表示技术变化率。Malmquist指数方法可以利用多种投入与产出变量进行效率分析，且不需要相关的价格信息，也不需要成本最小化和利润最大化等的条件，更为重要的是它将生产率的变化原因分为技术变化与技术效率变化，并进一步把技术效率变化细分为纯技术效率变化与规模效率变化。实证分析的主要目的之一即是要找到纯技术效率与规模效率对技术效率变化的贡献程度，从而正确地指导我们改进的实践方向。二、变量选取实证研究表明，数据来源与处理方法的不同是导致研究结果差异的重要原因之一。DEA模型的应用对样本和变量选取要求非常严格，选取若不恰当，将对结果的好坏产生很大影响，从一定意义上讲，DEA方法的好坏根本在于样本和变量的选取。技术创新效率的DEA评价所设置的投入产出指标体系应力求全面、系统，还要考虑数据采集的可行性以及DEA方法对指标选取的要求，所设置的指标体系不宜层次复杂和指标数量过多，应以尽可能少的指标来反映尽可能多的信息，且尽量不要混合使用绝对指标和相对指标。本节将从三个方面分别使用不同的投入指标和相同的产出指标进行三次DEA分析：（一）综合效率分析。投入方面选取劳动力和资金中具有决定性和综合性的投入要素，其中劳动力投入指标包括科技活动人员数量和R&D人员数量，资金投入指标包括科技经费支出额、R&D经费以及地方财政科技拨款。产出方面选取高技术产业新产品产值、发明专利申请授权量、技术市场成交合同金额三个指标。（二）人力资源效率分析。投入方面选取科技活动人员数量、科学家工程师数量、R&D人员数量三个指标，产出方面同样是高技术产业新产品产值、发明专利申请授权量、技术市场成交合同金额三个指标。（三）财力资源效率分析。投入方面选取科技经费支出额、R&D经费以及地方财政科技拨款三个指标，产出方面同样是高技术产业新产品产值、发明专利申请授权量、技术市场成交合同金额三个指标。本节所使用的基本数据主要来源于2001年到2009年《中国科技统计年鉴》、苏浙鲁粤四省科技统计年鉴以及中国主要科技指标数据库。三、结果分析（一）综合效率分析利用DEAP2.1软件得到2001~2008年苏浙鲁粤四省产业技术创新的综合效率状况，如表1、表2和表3所示。表12001~2008年苏浙鲁粤四省产业技术创新综合效率指数指数年份技术效率变化指数技术进步变化指数纯技术效率变化指数规模效率变化指数Malmquist生产率指数20011.0000.8711.0001.0000.87120021.0000.9461.0001.0000.94620031.0001.4671.0001.0001.46720041.0001.1481.0001.0001.14820050.9880.9841.0000.9880.97220060.9740.7881.0000.9740.76820071.0251.0781.0001.0251.10520080.8521.4891.0000.8521.269平均0.9781.0711.0000.9781.048资料来源：根据实证结果整理。表1列出的是2001~2008年苏浙鲁粤四省平均的产业技术创新效率的Malmquist指数及其分解，可以看出：2001~2008年四省产业技术创新效率的平均增长率为4.8%，这主要得益于技术进步水平的提高，其平均增长率为7.1%；同期技术效率的平均增长率为负值，为-2.2%，其中，纯技术效率没有发生变化，因此技术效率的降低主要是由于规模效率的降低。总的来看，2001~2008年四省的产业技术创新效率并没有得到显著提高，创新效率的提高主要得益于技术进步的因素。可见，技术进步不仅促进了经济发展，同时也带来了创新效率的提高。从实际情况来看，这一时期四省产业技术创新活动的规模发生了很大变化，从事科技活动的人员从2001年的89.6万人增加到了2008年的181.58万人，R&D人员从2001年的24万人年增加到2008年的76万人年，分别增长了2.03倍和3.16倍；科技经费支出从2001年的762.7亿元增加到2008年的3317.72亿元，R&D经费从2001年的332亿元增加到2008年的1861.76亿元，地方财政科技拨款从2001年的93.6亿元增加到2008年的367.96亿元，分别增长了4.35倍、5.6倍和3.93倍。技术创新活动的资金增长速度超过了人力资源的增长速度，人均资本增加。从分析结果看，技术创新活动资本的较快增长并没有出现规模效应，规模效率反而降低，说明技术创新活动中人力投入和财力投入可能存在不协调的增长。从变化趋势上看，2001~2008年，苏浙鲁粤四省产业技术创新效率Malmquist指数的起伏较大，2003~2004年出现了一个高峰，2005~2006年出现了一个低谷，2007~2008年又出现了一个高峰，技术进步指数和Malmquist指数具有相似的变化趋势。与技术进步指数相比，技术效率变化指数要平稳得多，2001~2007年都没有大幅度的变化，只是在2008年出现了较大的降幅，这也是导致技术效率平均增长率为负的最主要原因。因为技术效率变化指数=纯技术效率变化指数﹡规模效率变化指数，而2001~2008年的纯技术效率变化指数始终为1，所以技术效率变化指数完全由规模效率变化指数决定。从上面的分析可以看出，苏浙鲁粤四省产业技术创新效率的Malmquist指数趋势，主要受到科技进步指数的影响，受技术效率指数的影响比较小，也就是说这四省产业技术创新效率的变化，主要受设备更新、技术改进等硬件变化的影响，而资源配置方式、体制环境等软件因素的影响比较小，同时多为负面影响。表2苏浙鲁粤四省产业技术创新综合效率指数指数省份技术效率变化指数技术进步变化指数纯技术效率变化指数规模效率变化指数Malmquist生产率指数江苏1.0001.0011.0001.0001.001浙江0.9491.1121.0000.9491.005山东0.9661.0351.0000.9661.000广东1.0001.1411.0001.0001.141资料来源：根据实证结果整理。表2列出的是苏浙鲁粤四省从2001到2008年的年平均创新效率的Malmquist指数及其分解，可以看出：广东、浙江、江苏三省产业技术创新效率的增长率均为正，并以广东为最高，而山东省的产业技术创新效率没有发生变化，也是四省中最低的。从具体的分解指数来看，广东和江苏的技术创新效率提高完全得益于技术进步，其技术效率没有变化，山东虽然技术效率相比浙江要高，但是由于技术进步指数较低，导致其总的创新效率低于浙江。技术进步指数方面，广东居首，浙江次之，山东再次之，江苏最后，这也说明广东在设备更新、技术改进等硬件方面是做得最好的，还可以看出技术进步指数是决定四省技术创新效率的最重要因素。技术效率变化指数方面，广东和江苏并列，山东出现了3.4%的降幅，浙江出现了5.1%的降幅，而这主要是由于规模效率的降低造成的，说明两省在资源配置方式、体制环境等软件方面还需要进一步改进。表32001~2008年苏浙鲁粤四省产业技术创新Malmquist指数年份省份20012002200320042005200620072008江苏0.8271.0241.2981.1210.9050.6891.0301.272浙江0.8620.9691.3910.9710.8361.0021.3301.218山东0.8630.8241.5031.2211.0930.5501.1371.122广东0.9360.9811.7061.3081.0770.9150.9571.491资料来源：根据实证结果整理。00.20.40.60.811.21.41.61.820012002200320042005200620072008技术创新综合效率江苏浙江山东广东图12