基于超效率DEA的區域高技術產業發展績效評價

吳旭曉，許正中

（1.天津大學 管理學院,天津 300072;2.國家行政學院，北京100089）

基于超效率DEA的區域高技術產業發展績效評價

吳旭曉1，許正中2

（1.天津大學 管理學院,天津 300072;2.國家行政學院，北京100089）

高新技術產業在我國經濟社會多元復合轉型中起著關鍵的作用，是區域經濟跨越式發展的起跳器。為此，高技術產業發展績效目前已經成為一個重要的研究課題。本文在對高技術產業投入產出2003～2007年數據進行平均化的基礎上，利用超效率DEA模型對我國30個省市的高技術產業發展績效進行實證研究，并得出合理的評價結論。對我國進一步發展高技術產業有極大的指導性作用。

超效率DEA；高技術產業；績效評價

0 引言

隨著知識經濟時代的到來，作為現代技術體系先導力量的高新技術產業在各國迅速發展，并對全球經濟產生深遠的影響。高新技術產業的發展在改變了人們的就業結構的同時，促成了新的競爭格局，甚至在一些先發國家已經成為支撐整個國民經濟的重要支柱。高新技術產業的發展水平，也己成為凸顯國家或區域經濟實力和核心競爭力的關鍵標志。改革開放特別是近十年來來，我國高技術產業取得較快發展。根據聯合國工業發展組織統計，2009年中國在世界工業生產總值中份額達到15.6%，比日本高出0.2個百分點，僅比世界第一的美國落后3.6%。但在世界經濟論壇2009年9月8日發表的2009年世界競爭力排名中，中國僅居29名。兩個排名存在巨大落差的根本原因，暴露了我國產業競爭力不足。而產業競爭力不足的主要原因是高技術產業創新潛力沒有完全發揮。高技術產業創新潛力沒有完全發揮的深層次原因主要是因為高技術產業效率低下?？茖W評價高技術產業的效率，找出問題的所在，以便提出相應的解決對策，是目前我們必須面對的一項艱巨任務?，F有研究文獻從不同角度研究了高技術產業的投入產出效率問題，取得了很多有價值的研究成果?？偟目磥恚瑪祿j分析法（DEA）是對高技術產業效率分析的主流。但是，DEA在使用中存在2個方面的主要問題，一是沒有考慮高技術產業投入、產出的時間差，其結果必然存在較大的偏差。二是一般都選取CCR-DEA模型，決策單元相對效率都有效（θ=1）時，不能區別它們之間的有效的差異程度。因此本文采取超效率DEA評價模刑 (Superefficiency DEA,簡稱SE-DEA)，同時對樣本數據進行平均化處理，避免以上的問題。

1 超效率DEA評價模型

數據包絡分析方法(簡稱DEA)，是由Charnes和W.W.Cooper等人于1978年所提出的，以相對效率概念為基礎，評價具有相同類型的多投入、多產出的決策單元是否有效的一種效率評價方法。P.Anersen等學者于1993年提出了超效率DEA評價模刑。在傳統DEA評價值中，無效或弱有效的決策單元（DMU），在SE-DEA評價值中仍然是無效或弱有效的DMU；但對于有效率的DMU，在傳統DEA評價值中都顯示為1，不能區分它們的有效程度，而在超效率DEA評價值中可以區分它們的有效程度，進而可以對所評價的決策單元進行有效的排序。

假定有n個獨立的決策單元(DMU)，每個DMU有m種要素投入和S種產出，SE-DEA模型的基木思想是在進行某個決策單元效率評價時，使此決策單元的投入和產出為其他所有決策單元投入和產出的線性組合代替，從而將此決策單元排除在外，而傳統DEA模型則將此決策單元包括在內。產出導向的SE-DEA模型數學表達式為：

X和Y分別表示第j個決策單元的輸入和輸出可能集。θ為被考察單位的效率指數，θ≥1說明決策單元為DEA有效；θ＜1，說明決策單元不是DEA有效，表示決策單元的生產活動既不是技術效率最佳，也不是規模效率最佳。

s-為松弛變量；其中，S-表示投入的“超量”,S+表示產出的“虧量”。

表1 各省市投入和產出的數據

λi主要用于判別決策單元的規模收益情況。如果存在（j=1,2,…,n）使得，表明決策單元規模效益不變。如果不存在使得，則若，表明決策單元規模效益遞增；若，表明決策單元規模效益遞減。

2 實證研究

2.1 確定決策單元

我國傳統的高能耗、高污染的發展模式已經走到了極致，發展高技術產業是實現我國經濟社會多元復合轉型的必然選擇，也是區域產業創新、提升核心競爭力的重要內容。區域高技術產業發展水平的高低是考量調整產業結構、轉變經濟增長方式的主要標桿。我國各省市政府都充分重視發展高技術產業，把發展高新技術產業作為實現區域跨越式發展的重要抓手。

但由于歷史和現實的問題，各地高技術產業水平存在很大的差別，其投入產出效率指數更是參差不齊。為了全面評估我國區域高技術產業發展的情況，本文選取2003～2007年我國30個省、市和自治區的數據作為高技術產業相對效率評價的決策單元，希望通過對各省市高技術產業發展效率水平的研判，識別其在高技術產業發展方面存在的問題，為進一步探討區域高技術產業發展效率的改進路徑提供理論支撐。

2.2 建立指標體系

建立合理的投入產出指標體系是采用SE-DEA模型有效準確地評價高技術產業績效的基礎。總的說來，投入越小，產出越大，說明績效越好。DEA模型選取投入產出指標時一般將成本型指標作為投入指標，而將效益型指標作為產出指標。

投入、產出要素的確定是選取投入、產出指標的關鍵問題所在。高技術產業與其他產業一樣，其投入主要是勞動和資本。目前國際上關于高新技術產業還沒有統一的定義。根據2002年7月國家統計局印發的 《高技術產業統計分類目錄的通知》，我國高技術產業的統計范圍包括航空航天器制造業、電子及通信設備制造業、電子計算機及辦公設備制造業、醫藥制造業和醫療設備及儀器儀表制造業共五類行業。按照經濟合作與發展組織(OECD)的定義:高技術產業業是指研發(R&D)經費占總產值的比例遠高于各產業平均水平的產業。美國勞動統計局則用專業科技人員密度和研發經費密度分別兩倍于全部制造業該項密度的平均值來定義高新技術產業。參考這兩個權威的定義，再綜合《中國區域創新能力報告2008》和科技部發布的《中國高技術產業統計年鑒2008》，本文將科技活動人員（X1，單位：萬人）、科技經費支出額（X2，單位：億元）和地方財政科技撥款（X3，單位：億元）確定為投入指標。產出方面的指標主要包括高技術產業規模以上企業產值 （Y1，單位：億元）、高技術產業規模以上企業增加值（Y2，單位：億元）和高技術產品出口額（Y3，單位：億美元）。高技術產業規模以上企業產值、高技術產業規模以上企業增加值是衡量高新技術產業經濟效益最基本的指標，而高技術產品出口額是反映產業國際競爭力的最重要的指標之一。

2.3 數據來源與處理

本研究的各指標數據來源于中華人民共和國科技部《中國高技術產業數據2004～2008》、《全國科技經費投入統計公報2004～2008》、《國家主要科技指標數據庫》中的省市主要指標（2004～2008）。

由于高技術產業投入和產出一般存在時間差，當年的投入可能在未來的幾年都對產出有貢獻，所以，投入和產出都取這幾年的平均值，即用不同省市2003～2007年各要素的投入和產出的平均值分別作為DEA的投入和產出的數據 （見表 1）。

通過SPSS13.0 for window軟件對投入產出進行相關性分析，得到它們之間的相關系數如表2所示。由表2我們可以看出，投入和產之間的相關系數全部大于0.85，表明我們的指標選取和數據處理比較科學有效。同時我們還發現科技活動人員、科技經費支出額和地方財政科技撥款與高技術產業規模以上企業增加值相關度最高，均大于0.92；與高技術產業規模以上企業產值相關度大于0.865。因此可以通過加強投入要素的管理來提升高技術產業產出水平。

表2 投入與產出之間的相關系數

2.4 模型計算

先用EXCEL2007進行數據輸入，然后用MYDEA1.0 for Data Envelopment Analysis軟件進行計算，利用CCR-DEA、BCC-DEA和SE-DEA模型計算我國各省市高技術產業效率，結果如表3所示。

2.5 結果分析

上面的數據表明了利用CCR-DE、BCC-DEA模型根據得到效率值的大小能夠把有效單元與無效單元區分出來，但對于有效的決策單元，它們都無法對其進行優劣比較和排序。在CCR-DEA中江蘇和廣東的效率值都為1，在BCCDEA中，江蘇、廣東和天津的效率值都為1，BCC模型比CCR模型效率值不同的地方是前者中效率值為1的決策單元多了天津，原因是BCC模型表示的是被評價對象的純技術效率值，而CCR模型表示的是被評價對象的綜合效率，即除了包含純技術效率外，還包含規模效率。

名列高技術產業相對效率前十名的依次是廣東、江蘇、天津、福建、上海、山東、陜西、四川、江西和貴州。其中，以珠三角高技術產業迅猛發展為核心的廣東以2.1062的相對效率位居第一。江蘇作為率先規劃建設了國內第一個國家高新技術產業開發帶即沿江火炬帶的省份，以1.1647的相對效率名列第二，該省在南京、蘇州、無錫、常州市建設了多個火炬計劃軟件基地和集成電路設計產業化基地，這些基地聚集了全省60%以上高技術企業，高技術產業集群已經呈現。天津抓住濱海新區發展的契機，充分發揮后發優勢，高技術產業迅猛發展，以0.9618的相對效率名列第三。而后十名則分別是廣西、安徽、黑龍江、湖南、甘肅、云南、山西、青海、寧夏和新疆，與這些地區的經濟發展水平基本一致。創造中關村奇跡的北京的高技術產業產出較多，但與巨大的資源投入相比，其效率并不高，僅僅名列14名，應該引起我們的高度警惕。北京投入要素組合不夠科學，科技經費支出額可以減少97.121億元，而產出有很大的上升空間，高技術產業規模以上企業產值、高技術產業規模以上企業增加值和高技術產品出口額分別有5083.799億元、1175.483億元和518.364億美元的潛力可以挖掘。

從Σλ=1.6070來看，廣東省處在規模收益遞減階段，這表明廣東省的高技術產業的資源投入要素配置不科學，存在相對過剩的情況.其余的 Σλ＜1，說明它們規模效益遞增。

表3 區域高技術產業效率評價結果

3 結論

本文應用超效率DEA模型對2003～2007年我國30個省市高技術產業發展的相對效率進行了分析，解決了傳統的CCR-DEA和BCC-DEA模型對相對有效決策單元無法進行有效評價與比較的問題和投入產出存在時滯性兩個問題。超效率DEA模型能夠對所有決策單元進行允分評價和排序，為各省市的決策者提供相對更加完善的信息，比傳統的DEA模型更具有優勢，其評價結果也更客觀。評價結果表明，2003～2007年我國30個省市中，只有廣東、江蘇2個省份高技術產業發展相對有效，各項投入要素得到了充分利用，但同時廣東的高技術產業發展出現規模遞減的趨勢。其余的93%的省市的高技術產業發展效率相對無效，整體形勢不容樂觀，資源利用效率低，各項投入要素的組合不佳，產出不足.我國30個省市中有29個呈現規模效益遞增的趨勢，應該加大投入，優化產業結構，科學配置投入要素比例，高技術產業投入產出效率還有巨大的提升空間。

[1]鄧小平.鄧小平文選第三卷[M].北京:人民出版社,1993.

[2]許玉明.中國高技術產業的科技進步貢獻率分析[J].中國西部科技2005,(5).

[3]劉志迎,葉蓁.中國高技術產業各行業技術效率的實證分析—基于非參數的MalnquisL指數方法[J].科學學與科學技術管理,2006,(9).

[4]朱又為,徐康寧.中國高技術產業研發效率的實證研究[J].中國工業經濟,2006,(11).

[5]鄧進.中國高新技術產業研發資本存量和研發產出效率[J].南方經濟,2007,(8).

[6]李偉紅,陳燕.基于DEA模型的區域創新系統中政府作用的評價研究[J].價值工程,2007,(8).

[7]傅毓維,朱發根,劉拓.基于復合DEA的我國各地區高新技術產業投入產出相對效率評價研究[J].現代管理科學,2008,(3).

[8]龍如銀,李仲貴.基于SE-DEA的中國省域技術創新效率評價[J].科技管理研究,2009,(1).

[9]張霞,胡賢輝等.湖北省高技術產業投入產出動態評價[J].統計與決策,2006,(22).

[10]薛娜,趙曙東.基于DEA的高技術產業創新效率評價——以江蘇省為例[J].南京社會科學,2007(5).

[11]路永明.基于DEA的我國高技術產業科技投入產出經濟效率評價[J].經濟師,2008,(3).

[12]方福前,張平.我國高技術產業的投入產出效率分析[J].中國軟科學,2009,(7).

[13]肖靜,程如煙,姜桂興.基于超效率DEA方法的研發效率國際比較研究[J].情報雜志,2009,(6).

[14]李雙杰,劉亞楠.中國制造業研發效率分析——隨機前沿與數據包絡分析[J].北方經濟,2008,(10).

F223

A

1002-6487(2010)22-0110-03

2008年國家自然科學基金資助項目（70840011）；國務院重大委托課題（2005DIA2J005）；2007年世界銀行資助課題（SSA/CHNA/2007/00001497-0）

吳旭曉（1976-），男，廣西平南人，博士研究生，研究方向：技術經濟及管理。

（責任編輯/浩 天）