中國區域海洋科技創新效率及其影響因素實證研究＊

樊 華

(1.南京航空航天大學經濟與管理學院 南京210016;2.淮海工學院 連云港222001)

中國區域海洋科技創新效率及其影響因素實證研究＊

樊 華1,2

(1.南京航空航天大學經濟與管理學院 南京210016;2.淮海工學院 連云港222001)

運用規模報酬可變的DEA模型測度區域海洋科技創新效率,并采用Tobit方程進行影響因素分析。研究表明:我國海洋科技創新效率值低,區域差異大,且具明顯波動特征;我國區域海洋科技系統處于規模報酬遞增階段,規模報酬不變和規模報酬遞增單元占75.8%;海洋科技系統人員結構、海洋產業從業人員科技素養和政府影響力對海洋科技創新效率有直接的正向影響;海洋經濟發展水平和海洋經濟產業結構負向性的回歸系數要求提高決策主體的資源配置能力和管理水平;海洋高等教育需要與區域海洋科技經濟協調發展,人才培養要與海洋科技創新的要求相適應。

海洋科技;創新效率;非參數DEA方法;Tobit模型

21世紀是人類進入大規模開發利用海洋的新世紀,海洋科技已成為海洋競爭的制高點。中國海洋科技總體水平落后先進國家約15年,這在很大程度上制約了海洋經濟、海上安全、海洋環境保障事業的發展和參與國際競爭能力的提高[1]。早在1996年,中國政府出臺的《中國海洋21世紀議程》及《中國海洋21世紀議程行動計劃》中明確提出了“科教興海”的發展戰略,各省、市、自治區也先后提出了科教興海的目標[2];2005年發布的《國家中長期科學和技術發展規劃綱要(2006—2020)》,海洋科技是其部署的戰略重點之一。《國家“十一五”海洋科學和技術發展規劃綱要》的核心目的就是要提升中國海洋科技水平和能力,發揮海洋科技在創新型國家建設中的作用。在中國首部《國家海洋事業發展規劃綱要》(2008)明確指出實施科技興海工程,著力提高海洋科技的整體實力,為海洋事業發展提供保障[3]。近年來,我國對海洋科學研究和技術發展的經費投入不斷增長,統計數據表明,中央和地方政府投入海洋科研經費從2005年的17.7億元到2008年的57.8億元[4-5],年平均增長34.43%。在大幅增加海洋科技創新資源的總量投入的同時,海洋科技系統創新效率作為海洋科技實力的重要組成部分,更應得到關注。筆者聚焦于中國區域海洋科技系統的創新效率,正是希望本研究能夠為我國海洋科技創新戰略的制定和實施提供一定的參考。

1 文獻綜述

中國區域海洋科技創新效率研究幾乎是一個空白,但有關科技創新效率評價等研究可資借鑒。現有效率測評方法主要分為參數法和非參數法兩類。國內外學術界廣泛采用的非參數DEA方法對效率進行研究取得了積極的成果,筆者亦采用此方法。

科技創新效率是科技投入產出的轉化率,其內涵為在一定的科技創新環境和創新資源配置條件下單位科技創新投入獲得的產出,或者單位科技創新產出消耗的科技創新投入。已有學者針對科技創新效率進行測量[6-7],部分學者對效率差異進行了分析[8-9]。Nasierow ski和A rcelus用兩步驟DEA方法測度了45個國家的創新效率,發現技術創新規模、資源配置對生產率的變化有重要影響[10-12]。池仁勇、虞曉芬和李正衛利用DEA方法,對我國30個省域的技術效率進行了測定,結果呈現東高西低的特征[8]。孫凱、李煜華用DEA方法對我國省域技術創新效率進行了分析與比較,研究結論是大多數省份沒有充分利用或低效率利用其創新投入,而且區域技術創新效率未必與其技術創新能力以及經濟發展水平相一致[13]。白俊紅、江可申和李婧應用DEA分析方法對2004—2006年中國各省、市、自治區的創新效率進行了測評,結果是區域創新效率普遍較低,規模報酬出現遞減態勢,規模效率區域差異大[14]。遲國泰、隋聰和齊菲首先運用聚類分析對評價對象進行分類,再基于超效率DEA方法對14個省、市、自治區進行科技效率評價,并建立了評價指標體系[15]。

DEA方法對區域創新效率分析,實質是借助前沿分析法構造一個生產前沿面,被評估的區域與該前沿面的相對差距就是它的效率,在其估計過程中不需要設定具體的生產函數形式,也不需要人為給定各種指標的權重,避免因設定錯誤模型導致估計結果偏差,尤其是科技創新效率是一個多投入多產出的系統,DEA方法具有明顯的優勢。同一國家因環境政策制度等類同使得區域間投入產出指標數據可比性強,且通過對其效率差異影響因素分析,能為各區域提升科技創新效率找尋到有效途徑。

雖然國內外利用DEA評價創新效率的研究成果比較多,但對于一個國家區域海洋科技創新效率研究鮮見,對中國沿海地區海洋科技創新效率研究仍是空白。尤其是通過對創新效率的分解,可以確定純技術因素與規模因素影響作用,從而為制定創新發展戰略時提供建議,同時通過影響創新效率因素的分析,為政策制定參考。

2 模型、指標與數據

2.1 模型

DEA方法是用數學規劃模型來評價相同類型的多投入、多產出的決策單元(DMU)是否是技術有效的一種非參數統計方法[16]。Farrell提出用逐段凸函數逼近的方法進行前沿面估計[17],之后20多年間,很少有學者繼續做這方面的研究[18]。1978年,Charnes、Cooper和Rhodes第一次提出數據包絡分析DEA[19],很快成為管理科學領域重要的分析工具。

DEA采用線性規劃方法,構建成一個非參數逐段線性的包絡面將數據包絡起來,根據包絡面就可計算出效率測度。當所有決策單元(DMU)都以最佳規模運作時,規模報酬不變(CRS)的假設是合理的。但由于競爭的不完全、政府法規和財政約束等環境因素,導致DMU不能以最優規模運作,使用CRS進行的技術效率測度會受規模效率的影響,為測算DM U的純技術效率水平,Banker、Charnes和Cooper提出了可變規模報酬模型(VRS),使用VRS模型可以不受規模效率的影響計算純技術效率[20]。

VRS模型如下:

在規模報酬可變的情況下,技術效率或稱綜合技術效率(TE)可進一步分解為純技術效率(PTE)和規模效率(SE)。純技術效率反映的是DMU在一定(最優規模)時投入要素的生產效率,規模效率反映的是實際規模與最優生產規模的差距。DM U只有同時達到純技術有效和規模有效,才是DMU的綜合技術有效。如圖1所示,CRS是規模報酬不變的前沿面,VRS為規模報酬可變的前沿面。在CRS下,點P面向投入的技術無效率是PP c,但在VRS下,技術無效率只是PP v。這兩種技術效率測度的差異是P c P v,這是規模無效率引起的。從圖1可知,TE=A P c/A P,PTE=A P v/A P,SE=A P c/A P v,則有TE=PTE×SE,即綜合技術效率取決于純技術效率和規模效率的狀況。

圖1 面向投入的規模報酬可變的DEA模型

為進一步了解海洋科技系統效率的影響因素,以DEA效率值作為因變量,以影響因素等作為自變量建立Tobit回歸模型,是學術界普遍采用的方法,且在教育、銀行、醫院和區域科技系統等廣泛應用[21]。

2.2 指標選擇和數據

用DEA方法進行創新效率測度,必須選取合適的投入與產出指標,并要考量數據的可得性。投入指標一般從人力和資金兩方面考慮[22]。科技人員是創新的主體,因此,科研機構專業技術人員作為人力投入指標。科研資金作為投入變量得到研究者的公認,利用《中國海洋統計年鑒》的海洋科研機構科技經費籌集額作為海洋科技資金投入變量。產出指標反映科技創新的效益,科技論文發表數、專利授權數和發明專利授權數是相關文獻常用的指標[6-7,14,22]。上述投入產出指標數據均源于《中國海洋統計年鑒2007—2009》。

DEA模型要求樣本數據個數不少于輸入輸出指標和的2倍[23]。考慮指標數據的可得性,并有利于比較不同指標體系之間的效率差異,以上述指標為基礎,分別計算雙投入單產出、雙投入雙產出和雙投入三產出的DEA值。

3 創新效率分析

以我國11個沿海地區為研究樣本,利用公開統計數據,運用DEAP2.1軟件包,取面向投入的DEA的VRS模型對2006—2008年中國區域海洋科技創新效率進行研究。

為便于比較研究,筆者以產出指標不同分別進行計算。表1是以地區海洋科研機構發表科技論文數單產出指標的效率值,表2是以地區海洋科研機構專利授權數、地區海洋科研機構發表科技論文數雙產出指標的效率值,表3是以地區海洋科研機構專利授權數、地區海洋科研機構發明專利授權數和地區海洋科研機構發表科技論文數三產出指標的效率值。

表1 2006—2008年單產出區域海洋科技創新效率值

表2 2006—2008年雙產出中國區域海洋科技創新效率值

表3 2006—2008年三產出中國區域海洋科技創新效率值

對上述效率值進行分析,可以發現:

(1)沿海11個省市海洋科技創新綜合技術效率值低,區域差異巨大,且具有明顯波動的特征。從計算結果分析,綜合技術效率最低,均值僅為0.305,最大均值僅為0.719,表明中國沿海地區海洋科技創新效率普遍較低,綜合技術效率損失在28.1%～69.5%。2006—2008年始終位于前沿的僅有河北省,綜合技術效率最低值僅為0.094,區域間技術效率差距大。從技術效率均值分布來看,2006年和2008年均值大于2007年,呈現技術效率值的顯著波動。綜合技術效率是對決策單元的資源配置能力和資源使用效率等多方面能力的綜合衡量與評價,計算結果表明中國沿海省區對海洋科技資源配置與使用管理能力有待提高。

(2)純技術效率、規模效率均值不高,最高純技術效率和規模效率均值分別為0.862和0.836,最低純技術效率和規模效率均值分別為0.674和0.536。從純技術效率、規模效率年均值來看,除2006年雙產出和三產出、2008年單產出是純技術效率小于規模效率外,其他的均為純技術效率大于規模效率。從各年份省區統計數據來看,純技術效率和規模效率值均為1的占19.2%,純技術效率值大于規模效率值的占42.4%,純技術效率值小于規模效率值的占38.4%。純技術效率用于衡量決策主體以既定投入資源提供相應產出的能力,與決策主體的管理水平直接相關,規模效率用于衡量決策主體現有生產規模結構與最優生產規模結構之間的差距。因此,制約中國區域海洋科技創新效率不僅體現在純技術效率方面,而且創新系統的規模擴張與加強技術創新、制度創新和提高管理效率等純技術效率因素同樣重要。

(3)我國沿海海洋科技系統處于規模報酬遞增階段,規模報酬不變和規模報酬遞增單元占75.8%。以單產出計算結果反映規模報酬遞減主要是江蘇、山東、廣東和上海,以雙產出計算結果反映規模報酬遞減主要是江蘇、廣東,以三產出計算結果反映規模報酬遞減主要是江蘇、廣東和山東。上述結果說明,現有海洋科技系統處于總體規模報酬遞增階段。

4 海洋科技創新效率影響因素

Furman等認為,研發資源的投入并不是決定創新產出績效的唯一因素,制度、環境以及政策的改變都可能導致績效的差異[24]。在借鑒相關研究的基礎上[25-26],筆者重點考察以下因素對海洋科技創新效率的影響:①海洋經濟發展水平(HJL),以海洋生產總值占沿海地區生產總值的比重表示;②海洋經濟產業結構(HJS),以海洋產業總產值中第二產業產值的比重表示;③海洋科技系統人員結構(KRY),以具有研究生學歷人員占海洋科研機構從事科技活動人員的比例表示;④海洋產業從業人員科技素養(KRK),以海洋科研機構從業人員占地區涉海就業人員的比例表示;⑤海洋高等教育發展水平(HEL),以萬人區域涉海就業人員中在校大學生數表示;⑥政府影響力(GYL);以政府海洋科技資金投入占海洋科技經費籌集額的比重表示。數據源2007—2009年《中國海洋統計年鑒》。

采用處理限值因變量的Tobit模型:

式中:E＊it可分別為各省區不同年份的綜合技術效率值、純技術效率值和規模效率值;研究樣本時間為2006—2008年,表4至表6是雙投入、雙產出情況下運用Eview s6.0的回歸結果。

表4 海洋科技創新綜合技術效率值影響因素Tobit回歸結果

表5 海洋科技創新純技術效率值影響因素Tobit回歸結果

表6 海洋科技創新規模效率值影響因素Tobit回歸結果

綜合技術效率值、純技術效率值和規模效率值對影響因素的回歸方程均通過了檢驗,但每個因素對不同效率的影響有較大的差別。

(1)海洋經濟發展水平(HJL)對綜合技術效率和純技術效率呈負向影響,并通過了顯著性檢驗。海洋經濟比重越大,科技投入的人力和資金規模就越大,要求決策主體有較強的資源配置能力和管理水平,回歸系數的負值表明了我國沿海地區海洋科技資源配置能力和管理水平必須得到提高,才能提高海洋科技創新效率。海洋經濟發展水平對規模效率影響沒有通過檢驗,但其系數的正向性可以預期海洋經濟占地區經濟比重越大,越能使現有科技創新規模接近最優規模結構。

(2)海洋經濟產業結構(HJS)對純技術效率為負向影響,對規模效率有正向影響,且通過了顯著性檢驗。海洋第二產業比重對綜合技術效率回歸系數為正值,但沒有通過檢驗。因此海洋產業結構對海洋科技創新效率的影響方向仍需深入研究。

(3)海洋科技系統人員結構(KRY)回歸系數均為正,且對綜合技術效率和規模效率的回歸通過了顯著性檢驗,表明了具有研究生學歷人員占海洋科研機構從事科技活動人員的比例對海洋科技創新效率的正向的積極作用,增加高學歷科技人員是提升創新效率的關鍵,同時也反映了海洋科技創新人才培養的重要基礎作用。

(4)海洋產業從業人員科技素養(KRK)的回歸系數均為正值,除對規模效率回歸系數沒有通過檢驗,其他的通過了檢驗。結果表明,海洋科研機構從業人員占地區涉海就業人員的比例直接影響海洋科技創新效率,擴大涉海就業人員中從事科技工作的人員,不斷提高海洋產業從業人員的科技素養,將會對海洋科技創新產生積極影響。

(5)海洋高等教育發展水平(HEL)對海洋科技創新效率的回歸系數均為負值,且對綜合技術效率和純技術效率的回歸通過了顯著性檢驗。這一結果,一方面揭示了我國區域海洋高等教育對海洋科技創新效率的負向貢獻,反映了海洋高等教育發展與海洋科技創新需求分離,海洋高等教育創新人才培養任重道遠;另一方面反映了我國區域海洋高等教育分布與海洋科技經濟發展的不協調性。海洋高等教育必須走產學研相結合的發展道路,增強海洋高等教育對海洋科技創新的影響力。

(6)政府影響力(GYL)均為正向的,因為回歸系數均為正,且對綜合技術效率和純技術效率回歸系數通過了顯著性檢驗。這一結果說明政府不僅要加大對海洋科技的投入,而且要以提高海洋科技創新效率承擔更大的責任。

綜上分析,海洋科技系統人員結構、海洋產業從業人員科技素養和政府影響力對海洋科技創新效率有直接的正向影響;海洋經濟發展水平和海洋經濟產業結構對海洋科技創新效率影響較為復雜,負向性的回歸系數要求不斷提高決策主體的資源配置能力和管理水平;海洋高等教育需要與區域海洋經濟發展相協調,人才培養要與海洋科技創新的要求相適應。

5 結論

本研究采用面向投入DEA可變規模模型,分別對雙投入與單輸出、雙輸出和三輸出不同輸出指標組合進行區域海洋科技創新效率進行分析和評價,并運用Tobit回歸方程探討了海洋科技創新效率影響因素,研究的主要結論如下。

(1)我國海洋科技創新效率值低,區域差異大,且具有明顯波動的特征。綜合技術效率最低均值僅為0.305,最大均值僅為0.719,表明中國沿海地區海洋科技創新效率普遍較低。最高純技術效率和規模效率均值分別為0.862和0.836,最低純技術效率和規模效率均值分別為0.674和0.536。因此,制約中國區域海洋科技創新效率的不僅體現在純技術效率方面,而且創新系統的規模擴張與加強技術創新、制度創新和提高管理效率等純技術效率因素也同樣重要。

(2)我國沿海海洋科技系統處于規模報酬遞增階段,規模報酬不變和規模報酬遞增單元占75.8%。加大對海洋科技的投入,不僅是發展海洋事業的客觀需要,而且對提升海洋科技創新效率具有積極的作用。

(3)海洋科技系統人員結構、海洋產業從業人員科技素養和政府影響力對海洋科技創新效率有直接的正向影響;海洋經濟發展水平和海洋經濟產業結構對海洋科技創新效率影響較為復雜,負向性的回歸系數要求不斷提高決策主體的資源配置能力和管理水平;海洋高等教育要走產學研相結合人才培養道路,與區域海洋經濟、科技發展相協調,提高海洋高等教育的影響力。

由于數據可得性等原因,本研究尚存在一定的不足:①我國海洋科技創新效率值均較低,且社會經濟較發達的上海、江蘇、廣東和山東其海洋科技創新規模報酬處于遞減階段,其深層次原因有待進一步分析;②海洋科技人員數量和質量對海洋科技創新效率具有積極的正向效應,而海洋高等教育具有負向作用,兩者矛盾需要有實證數據再分析;③由于公開數據限制,本研究只進行了2006—2008年研究,延長數據時期,對分析海洋科技創新效率發展趨勢具有積極的意義,另外海洋科技教育與經濟協調發展數據庫建立也將是后續研究的重要方向。

[1] 國家海洋局海洋發展戰略研究所課題組.中國海洋發展報告[M].北京:海洋出版社,2007:159.

[2] 樊華,陶學禹.新世紀“海上蘇東”建設的戰略研究[J].海洋開發與管理,2005,22(2):88-93.

[3] 國家海洋局海洋發展戰略研究所課題組.中國海洋發展報告(2009)[M].北京:海洋出版社,2009:197-200.

[4] 國家海洋局.中國海洋統計年鑒2007[M].北京:海洋出版社,2008:116.

[5] 國家海洋局.中國海洋統計年鑒2009[M].北京:海洋出版社,2009:127.

[6] 官建成,何穎.基于DEA方法的區域創新系統的評價[J].科學學研究,2005(2):265-272.

[7] 劉順忠,官建成.區域創新系統創新績效的評價[J].中國管理科學,2002(1):75-78.

[8] 池仁勇,虞曉芬,李正衛.我國東西部地區技術創新效率差異及其原因分析[J].中國軟科學,2004(8):128-131.

[9] 吳和成,劉思峰.基于改進DEA的地域R&D相對效率評價[J].研究與發展管理,2007,19(2):108-112.

[10] NASIEROWSKIW,ARCELUS FJ.Interrelationships among the elements of national innovation systems:a statistical evaluation[J].European Journal of Operational Research,1999,119:235-253.

[11] NASIEROWSKIW,ARCELUS F J.On the stability of countries′national technological systems∥Zanakis S H,Doukidis G,Zopounidis C,edito rs.Decision Making:Recent Developments and Worldw ide App lications[M],Boston:Kluwer,2000:97-111.

[12] NASIEROWSKIW,ARCELUS F J.On the efficiency of national innovation system s[J],Socio-Economic Planning Sciences,2003,37:215-234.

[13] 孫凱,李煜華.我國各省市技術創新效率分析與比較[J].中國科技論壇,2007(11):8-11.

[14] 白俊紅,江可申,李婧.中國區域創新系統創新效率綜合評價與分析[J].管理評論,2009(9):3-9.

[15] 遲國泰,隋聰,齊菲.基于超效率DEA的科學技術評價模型及其實證[J].科研管理,2010(3):94-104.

[16] 魏權齡.數據包絡分析[M].北京:科學出版社,2004.

[17] FARRELL M J.The measurement of p roductive efficiency[J].Journal of the Royal Statistical Society,Series A,CXX,1957(3):253-290.

[18] COELL I T J,RAO D S P,O'DONNELL C J,et al.效率與生產率分析導論[M].2版.劉大成,譯.北京:清華大學出版社,2009:115.

[19] CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978(2):429-444.

[20] BANKER R D,CHARNES A,COOPER W W.Some models fo r estimating technical and scale inefficiencies in data envelopment analysis[J].M anagement Science,1984,30(9):1078-1092.

[21] 涂俊,吳貴生.基于DEA—Tobit兩步法的區域農業創新系統評價及分析[J].數量經濟技術經濟研究,2006(4):136-145.

[22] 徐小欽,黃馨,梁彭勇.基于DEA與Malmquist指數法的區域科技創新效率評價:以重慶市為例[J].數理統計與管理,2009(11):974-985.

[23] 盛昭瀚,朱喬,吳廣某.DEA理論、方法與應用[M].北京:科學出版社,1996:65-72,154-155.

[24]FURMAN J L,HAYESR.Catching up or standing still?national innovative p roductivity among‘Follower’countries:1978-1999[J].Research Policy,2004,33(9):1329-1354.

[25] 中國科技發展戰略研究小組.中國區域創新能力報告2006-2007[M].北京:知識產權出版社,2007.

[26] 岳鵠,康繼軍.區域創新能力及其制約因素解析[J].管理學報,2009(9):1182-1187.

中國博士后科學基金資助項目(20090451209)和江蘇省博士后科研資助計劃項目(0901123C).