中國區域R&D投入績效的統計評價

鐘衛

（中國人民大學公共管理學院，北京100872）

中國區域R&D投入績效的統計評價

鐘衛

（中國人民大學公共管理學院，北京100872）

近幾年，中國R&D經費投入不斷增加，各省份企業R&D經費投入占全國R&D經費投入的比重快速增長。文章利用DEA模型對第二次全國經濟普查資料中30個省份的工業企業R&D投入產出數據進行效率評估。模型運算的主要結果表明，中國工業企業的R&D投入績效不高，主要原因來自規模效率。文章建議政府和企業決策者在重視科技創新時，不能再簡單地選擇加大R&D經費投入的老路子，而是要合理安排R&D經費投入結構。

績效評估；DEA；R&D投入；可變規模收益

0 引言

科學研究與試驗發展（R&D）是指為了增加知識的總量，包括有關人類、文化和社會的知識，以及運用這些知識創造新的應用所進行的系統的、創造性的工作。R&D活動可分為三類：基礎研究、應用研究和試驗發展[1]。R&D活動是企業科技活動的基礎和核心，對于增強企業競爭能力，實現持續其快速發展起著極為關鍵的作用。

R&D經費的來源主要依靠政府和企業投資。從結構看，企業R&D經費增長速度遠超過政府的投入是近幾年R&D強度增長的直接原因。2000年R&D投入中來自企業的比重是57.6%，到了2008年，這個比例達到71.7%。與之相反，政府資金雖然絕對量也在增長，但其在總體中的比重卻下降明顯，從2000年的33.4%緩慢跌至2008年的23.6%。

這種“政府的比重不斷下降，企業的比重快速上升”的現象引起人們的廣泛關注，其中一個熱點爭論是企業這種快速增長的R&D經費投入效果如何？由于一個國家或地區的R&D資源投入往往受其所處經濟發展階段等因素的約束，中國R&D經費投入快速增長的局面必然逐漸受到限制，科技創新的模式也必然從粗放式的經營——加大R&D經費投入水平，轉向重視投入產出的效率。

本文擬采用多輸入多輸出相對效率評價方法——數據包絡分析(Data Envelopment Analysis，DEA)模型，對第二次全國經濟普查規模以上工業企業R&D投入績效狀況進行分析和評價。

1 變量和數據的選擇

要綜合評價R&D活動的效率和有效性，設置的輸入輸出指標體系應力求全面、系統。但考慮到DEA方法對指標選取的要求，所設置的指標體系不宜層次復雜，應以盡可能少的指標來反映盡可能多的信息。本文選取的是第二次全國經濟普查中與R&D投入和產出有關的數據。與常規的企業科技統計年報僅調查大中型工業企業不同，全國經濟普查的范圍還包括規模以上小型工業企業的信息，因而更能反映中國企業的R&D投入規模。

R&D活動的輸入主要是R&D經費投入和R&D人員投入，它們是科技活動的核心指標。R&D經費投入（支出）指報告年度在企業科技活動經費內部支出中用于基礎研究、應用研究和試驗發展三類項目以及這三類項目的管理和服務費用的支出。不論何種經費來源，只要實際用于上述三類項目的經費支出都應計算在內。R&D人員指企業科技活動人員中從事基礎研究、應用研究和試驗發展三類活動的人員，包括直接參加上述三類項目活動的人員及這類項目的管理和服務人員。與R&D人員相關的另外一個指標是R&D人員折合全時當量，它是由參加R&D項目人員的全時當量及應分攤在R&D項目的管理和直接服務人員的全時當量兩部分相加計算，其中，全時人員是指在報告年度從事R&D活動的工作時間占全年工作時間的90%以上(含90%)的專職人員。由于R&D人員和R&D人員折合全時當量的相關性極高，因此，考慮R&D人員投入時使用R&D人員折合全時當量更加準確地反映R&D人員投入。

工業企業R&D活動的產出（績效）可以采用多個指標來衡量。OECD提出了技術創新的概念及統計測量規范，建議通過R&D活動向生產性開發和商業性活動延伸，給出了科技投入—技術獲取—成果轉化—產出的系統測量方法。這樣不僅可以觀察開發自主知識產權(R&D)的努力程度，還可觀察將R&D成果轉化為產品并實現市場價值所做的努力，為測量科技進步對經濟增長的貢獻開辟了一條新的途徑[9]。遵照上述思想，同時考慮第一次全國經濟普查數據的獲取性問題，本文將選取以下3個指標來測度R&D績效：發明專利申請數、新產品銷售收入、主營業務利潤。發明專利的申請數指企業在報告年度內向專利行政部門提出發明專利申請并被受理的件數，該指標衡量了發明專利申請的活躍程度，測度了企業技術創新活動績效的直接表現。新產品銷售收入指報告年度本企業銷售新產品實現的銷售收入，是衡量產品創新的最直接指標。主營業務利潤反映了企業主要經營業務獲利的能力，是衡量企業市場創新能力的關鍵指標，也是R&D活動的最終體現。

對全國30個省、市、自治區的R&D投入指標和R&D產出指標①數據來源是國家統計局未公開發行資料：2009工業企業科技活動白本年報。由于西藏的數據和其他省份具有明顯的不可比性，因此本文中只含有30個省、市、自治區的數據。描述統計結果顯示：從R&D投入水平看，東部地區規模以上工業企業的投入規模明顯高于中部地區，而中部地區又明顯高于西部地區，其中，東部地區R&D經費內部支出平均值分別是中部地區和西部地區的3.3倍和8.2倍，R&D人員折合全時當量平均值分別是中部地區和西部地區的2.5倍和5.6倍。從R&D產出成果看，東部地區規模以上工業企業的各項成果指標明顯高于中部地區，而中部地區又明顯高于西部地區，其中，東部地區專利申請數的平均值分別是中部地區和西部地區的4.8倍和9.6倍，新產品銷售收入的平均值分別是中部和西部地區的3.5倍和7.1倍，主營業務利潤的平均值分別是中部和西部地區的2.6倍和5.5倍。由此可見，東部地區由于具備了豐富的人財物等方面的資源優勢，工業企業的科技創新成果非常活躍，使得其R&D產出成果不論在直接表現上還是最終表現上均有絕對的優勢；而中西部地區則相對薄弱，尤其是西部各方面指標都是最低。

2 計算結果分析

考慮到R&D活動的投入較產出更容易控制，本文將第二次全國經濟普查資料中30個省份的工業企業R&D投入產出原始數據代入DEA Excel Solver軟件[10]，利用投入導向的（Input-Oriented）CCR模型和投入導向的（Input-Oriented）BCC模型，求得各省份的綜合技術效率（即CCR模型得分）、技術效率（即BCC模型得分）、規模效率，以及各自的規模收益狀況，見表1所示。

2.1 綜合技術效率分析

CCR模型計算結果顯示在表1的第2列，數據表明：中國大部分省份R&D投入的綜合技術效率不高，且效率值差異懸殊。這是因為：（1）在30個省份中，近2/3（19個）的省份CCR得分低于平均水平0.534，最低的CCR得分只有0.171（山西）；（2）只有2個省份（海南、吉林）處于CCR有效狀態。

從區域角度看，東部地區綜合技術效率值最高，平均為0.625，西部地區綜合技術效率值次之，平均為0.450，中部地區綜合技術效率值最低，平均為0.397。進一步，通過Kruskal-Wallis非參數檢驗方法檢驗東、中、西三個地區的CCR效率值的差異是否顯著。經計算，Kruskal-Wallis檢驗統計量為5.385，大于顯著性水平為10%，自由度為2的分布的臨界值4.6052，但小于顯著性水平為5%，自由度為2的分布的臨界值5.9915，，因此，我們認為東、中、西三個地區在CCR得分上差別已經很顯著。

2.2 技術效率分析

技術效率也就是所謂的制度效率，它是是指企業的科技創新知識與硬件環境、科研管理制度、激勵制度、財務制度、成果轉化制度等是否能夠保證科技創新投入資源（人、財、物）的生產潛力能夠充分地發揮出來，可以簡單地認為技術效率就是指企業自身的經營和管理水平。技術效率水平可以通過BCC模型來反映，計算結果顯示在表1的第3列。

數據表明：與綜合技術效率相比較，中國的技術效率水平明顯較高，均值達到0.877。技術有效的省份在2個CCR有效省份的基礎上，新增加了11個：北京、河北、上海、江蘇、浙江、山東、廣東、河南、重慶、四川、新疆。

從區域角度看，東部地區技術效率值最高，平均為0.955，西部地區技術效率值次之，平均為0.771，中部地區技術效率平均值最低，平均為0.707。Kruskal-Wallis檢驗顯示，東、中、西三個地區的技術效率值在統計學上有顯著差異，這是因為H統計量的值大于臨界值，即

2.3 規模效率分析

規模效率是指企業在制度設計已經給定的前提下，最有效的資源投入規模是什么。如果規模有效則意味著，在給定制度設計的前提下，此時投入資源的規模正恰到好處，既不浪費也緊缺，處于規模報酬不變的最佳狀況。提高規模效率的方法主要是調控資源投入規模，對于輸入導向的模型而言就是減少冗余的投入水平，使決策單元能投影到有效前沿面。

CCR模型用于評價決策單元是否同時為技術有效和規模有效，BCC模型僅用于評價技術效率是否最佳，兩者結合起來便可以對決策單元技術效率和規模效率作綜合分析，即規模效率等于CCR效率/BCC效率。計算結果顯示在表1的第5列。

數據表明：與綜合技術效率類似，中國大部分省份規模效率水平不高，平均得分只有0.604。進一步，比較東、中、西部三個地區規模效率值。東部地區規模效率最高，平均得分為0.646，西部地區規模效率次之，平均得分為0.611，中部地區規模效率最低，平均得分為0.539，但Kruskal-Wallis檢驗顯示，東、中、西三個地區的規模效率值在統計學上沒有顯著差異，這是因為H統計量的值小于臨界值，即，H=

2.4 規模收益分析

規模收益要探討的問題是：當所有投入要素的使用量都按同樣的比例增加時，這種增加會對總產量有什么影響。規模收益可分為規模收益遞增、規模收益不變和規模收益遞減三種類型。

表1 DEA效率和規模收益

以輸入導向的BCC模型做規模收益分析的結果見表1的第4列。數據顯示，中國絕大部分省份規模投入不經濟，這是因為：除了2個CCR有效的省份由于位于生產前沿面上，具有最優的規模效率，規模收益不變，其他28個省份，有27個省份屬于規模收益遞減，1個省份（青海）屬于規模收益遞增。

2.5 經濟發展水平與DEA效率相關性分析

表2計算了綜合技術效率、技術效率、規模效率與人均地區生產總值、人均R&D經費內部支出之間的相關系數。結果顯示：盡管地區經濟發展水平與人均R&D經費投入之間的相關系數高達0.939，但是與技術效率水平的相關程度并不高(相關系數為0.437)，與規模效率則完全無關。

表2 DEA效率、人均地區生產總值、人均R&D經費內部支出之間的相關性

3 主要結論和建議

本文選擇R&D經費內部支出、R&D人員折合全時當量作為投入指標，發明專利申請數、新產品銷售收入、主營業務利潤為產出指標，采用投入導向的CCR模型與BCC模型，對第二次全國經濟普查資料中30個地區的R&D投入產出數據進行效率評估。模型運算的主要結果表明：

（1）只有2個省份屬于綜合技術有效，近2/3的省份綜合技術效率低于平均水平，中國工業企業的R&D投入績效亟待提高。

（2）綜合技術效率水平偏低的主要原因在于規模效率水平較低。中國工業企業R&D投入的技術效率水平較高，在30個省份中有13個省份是完全技術有效，技術效率水平均值高達0.877，但規模效率平均得分只有0.604，最終使得中國大部分省份R&D投入的綜合技術效率不高，綜合技術效率平均得分為0.534。

（3）綜合技術效率值與投入量關系不密切。從投入的絕對量上看，東部地區最優，中部地區次之，西部地區最差，但是從投入產出的效率水平看，東部地區綜合技術效率值最高，西部地區次之，中部地區最低。

（4）東部地區優勢在于技術效率，中、西部地區在技術效率和規模效率上兩者都不占優勢。東部地區由于經濟發展水平靠前，自身經營和管理條件優越，技術效率水平很高，綜合技術效率水平也相對較高；經濟發展水平和R&D經費投入居中的中部地區，自身經營和管理條件較差，再加上資源投入規模不合理，使得綜合技術效率水平最差；西部地區的技術效率水平和規模效率水平比中部地區稍好，因而綜合技術效率水平也比中部地區更高。

（5）R&D投入沒有呈現規模經濟。只有1個省份規模收益遞增，2個省份規模收益不變，絕大部分省份規模收益遞減。

我們認為，中國各省份工業企業R&D投入綜合技術效率水平不高，如何提高績效是擺在每個政策制定者面前的首要問題。在經濟發展的初級階段，政府和企業決策者往往會選擇加大R&D經費投入，但是，DEA理論告訴我們，提高績效水平應該從提高技術效率和規模效率兩方面入手，而簡單地增加投入水平有時沒有任何好處，甚至會降低綜合技術效率水平。中國現階段績效水平不高的主要原因來自規模效率，因此，本文建議政府和企業決策者在重視科技創新時，不能再簡單地選擇加大R&D經費投入的老路子，而是要合理安排R&D經費投入結構。具體來說：（1）東部地區需要以適當控制R&D投入規模，提高規模效率水平為主，對于規模收益遞減的省份，如果大幅增加一些新的投入項目，一定要有充足的理由，否則還是不上為好；（2）中部和西部地區需要在提高自身管理水平和靈活控制R&D投入規模兩方面入手，技術效率低下的省份需要在科技創新的硬件環境、科研管理制度、激勵制度、財務制度、成果轉化制度方面積極改進以提高技術管理水平，規模收益不變或遞增的省份多承接一些東部地區不適合投資的科技項目，規模收益遞減的省份在開設新的科技項目時一定要謹慎，避免造成有限資源的浪費。具體到各個省份的情況需要結合前文中的分析做出正確的決策。

兩點本文的缺陷。第一，到目前為止，沒有一個權威的R&D活動產出的定義或者測量方法，本文選擇的變量也僅僅是一家之言。第二，R&D活動完成以及成果的實現都需要一個過程，因此在分析DEA技校的時候都需要考慮投入和產出之間的滯后[11]。但由于資料所限，我們僅僅使用了1年的數據。

[1]OECD.Frascati Manual 2002:Proposed Standard Practice for Surveys on Research and Experimental Development:the Measurement of Scientific and Technological Activities,Organization for Economic Co-operation and Development[Z].Paris:Organization for Economic Co-operation and Development,2002.

[2]鐘衛.我國R&D經費投入模式分析及建議[J].統計研究，2010，（2）.

[3]Charnes A,Cooper W W,Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978,2(6).

[4]Banker R D,Charnes A,Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984,30(9).

[5]鐘衛，袁衛，黃志民.工業企業R&D投入績效研究——基于第一次全國經濟普查數據的分析[J].中國軟科學，2007，（5）.

[6]Ying,Sung.Measuring the Research Performance of Chinese Higher Education Institutions-an Application of Data Envelopment Analysis[J].Education Economics,2000,（8）.

[7]Johnes J.Data Envelopment Analysis and its Application to the Measurement of Efficiency in Higher Education[J].Economics of Education Review,2006,（25）.

[8]Golany B,Roll Y.An Application Procedure for DEA[J].OMEGA,1989,17(3).

[9]察志敏.國外科技統計發展與我國科技統計改革思路[J].統計研究，2000，（4）.

[10]Zhu J.Quantitative Models for Performance Evaluation and Benchmarking:Data Envelopment Analysis with Spreadsheets(2ndEdition)[M].New York：Springer,2008.

[11]Wang E C,Huang W.Relative Efficiency of R&D Activities-A Cross-country Study Accounting for Environmental Factors in the DEA Approach[J].Research Policy,2007,36.

F224

A

1002-6487（2011）07-0091-03

教育部“211工程”三期子項目；中國人民大學科學研究基金資助項目（08XNB010）

鐘衛（1976-），男，安徽桐城人，博士研究生，研究方向：科技政策分析。

（責任編輯/亦民）