國家軟件產業基地運營效率研究——基于三階段DEA模型

朱方洲

（安徽經濟管理學院 信息技術中心，安徽 合肥 230059）

根據《國家軟件產業基地管理辦法（試行）》（2001），國家軟件產業基地是國家在具有一定科技研發能力的地區，以現有軟件產業為基礎，建立的專門從事軟件研發和信息化解決方案的產業基地，通過對基地內大型骨干企業和技術鮮明的中小型企業的培養和扶持，為國民經濟建設提供強有力的信息化保障。軟件產業基地并不是一個實在的物理區位概念，而是表現為一定區域內軟件產業發展資源的集聚。截至2011年底，經認定的國家軟件產業基地共有38個，分布于全國各地，此外亦有諸多的省級、市級軟件產業基地。軟件產業基地是推動軟件產業良性發展的重要支撐，評估軟件產業基地的發展績效對優化軟件產業發展環境、提高軟件產業發展質量和水平、優化產業結構、擴大就業規模以及促進我國經濟增長方式的轉變都具有重要意義。隨著國家軟件產業基地的不斷增多，對其績效評估也越發必要與重要。因此，系統分析不同區域的國家軟件產業基地的發展績效，尋找效率差距原因，對單個基地的建設以及區域間基地的協調發展都具有重要的實踐意義。

一、相關文獻綜述

軟件產業基地的發展績效是政策制定者、基地創建者、管理者、進駐企業以及其他利益相關者共同關注的問題，也是學者關注的重要領域。關于如何衡量國家軟件產業基地的績效，諸多學者進行了相關研究。

石曉軍（2003）[1]運用傳統DEA模型對國家軟件產業基地從制度效率及規模效率兩個方面進行評價。劉園園等（2009）[2]采用DRF和DEA方法對國家級重點軟件園的投入產出效率進行評價和分析。孫劍、陳永高（2010）[3]運用CCR模型評價了我國國家軟件產業基地的相對效率。高愛雄（2011）[4]基于GEM模型理論建立了軟件產業集群競爭力評價模型，并加以實例驗證。吳文清、趙黎明（2012）[5]運用DEA方法對32個國家軟件產業基地連續4年的運營效率進行分析，并利用Malmquist生產率指數測算其效率變動。

除對軟件產業基地進行研究外，還有諸多學者對軟件產業的發展現狀進行了分析。代志華（2004）[6]總結了國際軟件產業發展模式，并提出了對中國軟件產業發展有借鑒意義的發展模式。張旭明（2005）[7]研究了2000年以來我國各項軟件產業發展的扶持政策，分析了2000-2004年間軟件產業在資金保障、人才培養、技術創新、出口、知識產權保護等方面的發展成就。華金秋等（2007）[8]對北京、上海、廣東三地的軟件產業進行了比較研究。孫川（2009）[9]通過偏離—份額分析模型對我國區域軟件產業結構的效應與競爭力進行了實證研究，并對發展過程中的貢獻和制約兩因素進行了總結。陳蕾（2011）[10]分析了我國軟件產業組織的演進規律，結果表明我國軟件產業組織處于不斷調整并趨向合理的階段。

綜觀上述研究，主要是從管理學與公共政策科學方向對軟件產業基地與軟件產業的發展現狀所做的研究。在我國，許多學者研究了諸多行業或產業（如能源、交通、電力、銀行）的績效評估問題，但對軟件產業基地的關注不足。運用傳統DEA方法衡量軟件產業基地績效的研究逐漸增多，但總體較少，也存在一定的不足，在研究過程中相對停留于數據的基本表征而缺乏更加深入的分析內容；運用三階段DEA模型評估軟件產業基地的績效幾乎沒有，而三階段DEA方法最大的優點在于過程演進的同時也揭示原因，該模型測算的是一種相對效率，雖有模型風險（原因揭示上具有片面性），但可在指標選取范圍內實現原因分析上的周延。本文嘗試運用該模型研究我國東部、中部和西部三個區域間國家軟件產業基地的運營效率，探究其差異的原因。

二、研究方法——三階段DEA模型

Charnes、Cooper和Rhodes（1978）[11]創設的DEA模型（稱為CCR模型）得到了廣泛的應用，但傳統DEA模型的非參數法忽略了外部環境、隨機誤差等對運營效率的影響，片面地將任何與效率前沿的偏差都全部落歸到管理的無效率，致使所得的效率值在一定程度上失真。其后，Banker、Charnes和Cooper（1984）[12]在CCR模型的基礎上將純技術效率從技術效率中分解出來，更加準確地衡量所評估對象的經營管理水平（稱為BCC模型），相對嚴謹之余仍未克服其根本缺陷。Berg?er、Humphrey（1991）[13]提出的DEA兩階段模型，雖測度環境變量對決策單元效率的影響，但該模型在實際應用中忽略了原屬于投入松弛或產出剩余里的信息，無法排除環境和統計噪音對效率值的影響。因此，Fried等（2002）[14]提出了更加完善的三階段DEA模型，在測算過程中去除了非實際影響企業創新效率的因素，計算的結果更加真實。三階段DEA模型運用步驟如下：

階段一：傳統DEA模型。該階段采用投入導向的規模報酬可變的BCC模型對投入產出數據進行DEA分析，BCC模型在理論和實際運用中都較為成熟，此處不再詳述。

階段二：構建相似SFA模型。該階段目的是為調整投入量，分離出受外部環境及隨機誤差因素影響的效率值，得出僅是由管理無效率造成的決策單元投入冗余。

首先，確定階段一的投入松弛變量，如下式所示：

（1）式中，Ski為第i個決策單元第k個投入的松弛變量，亦即第i個決策單元第k項投入實際值與最優值的差額；Xk是X的第k行，Xkλ是xki對應產出向量在投入效率子集上的最優映射。

其次，建立SFA回歸方程：

（2） 式中，zi=[ ]z1i,z2i,…,zpi為p個可觀測的環境變量，βk為zi對投入松弛變量Ski的影響程度，fk(zi;βk)表示確定可行的松弛前沿，通常取fk(zi;βk)=ziβk;vki和uki分別表示第i個地區第k個投入的統計噪音和管理無效率，vki+uki為混合誤差項。

接著運用Frontie4.1工具估算式（1），先求出σ2和γ等未知參數，其中γ=σ2uk/σ2uk+σ2vk，根據管理無效率的條件估算式（3），先求出E(uki/vki+uki),f、F分別是標準正態分布的密度函數和分布函數，ε是聯合誤差[9]。

再根據E(vki/vki+uki)=Ski-ziβk-E(uki/vki+uki)，將所估計的值代入以下調整的式子：

（4）式中，xki表示實際投入值；xAki表示調整后的投入值；表示全部決策單元位于相同環境中；[m ax{vki}-vki]表示所有決策單元處于相同自然狀態中。

階段三：調整以后的DEA模型。即用調整之后的決策單元投入代替原始投入，再次導入階段一。此時得到的各決策單元的效率值即為剔除了環境因素和隨機誤差后的接近真實值，更能反映出實際效率。

三、樣本選定與變量選取

（一）研究樣本的選取

鑒于數據的可得性與完整性，本文選取2011年中國各省級行政單位（數據缺失的香港、澳門、臺灣排除其外）的國家軟件產業基地（園）作為樣本，文中所使用的基礎數據來源于《中國火炬統計年鑒2012》和《中國統計年鑒2012》。由于樣本數量較大以及一些樣本數據的缺失，對一些關鍵指標數據不全的樣本進行了剔除，而非采用線性插值法、移動平均法等方法進行數據彌補。據此，本文獲得有效觀察樣本34個，每個樣本都作為一個決策單元。

（二）投入與產出指標的確定

國家軟件產業基地正常運營需要多方面的要素予以保障，根據投入產出原理，本文選取能夠充分反映國家軟件產業基地“人、財、物”三方面的投入指標：①現有占地面積，反映其當前用地累計投入；②科技活動經費支出總額，涵蓋研究與試驗發展經費支出、軟件研發經費支出與新產品研發經費支出；③年末軟件從業人數，突出人力投入的專業性與針對性。

產出指標亦選取三個：①軟件出口創匯額，體現其對外收益，反映該軟件基地在國際市場中的競爭力；②實際上繳稅額，體現其對國內社會價值與經濟貢獻，反映該軟件產業基地在國內市場中的總體表現；③凈利潤，體現其投資回報的實現程度，反映其自我積累與持續發展的能力。

在投入與產出指標選定后，需對兩者進行相關性分析以證明投入與產出是正相關關系。通過Spearman的相關性檢驗，結果如表1。由表1可知，所選取的投入與產出均顯示出一定程度正相關性（現有占地面積與軟件出口創匯額之間的相關性較低，但與實際上繳稅額、凈利潤間在0.01水平上顯著相關），這表明本文所選取的投入與產出指標在同向性上滿足模型原始假設，具有合理性。

表1 同向性檢驗

（三）環境變量的選取

環境因素（亦稱外部影響因素）不在樣本主觀控制范圍之內，但影響國家軟件產業基地的運營效率，有必要加以考慮，本文選取以下四個環境變量：

（1）當地經濟發展水平。用所屬省區人均GDP來衡量，其差異會直接影響創新氛圍、政府支持力度以及對軟件產業基地建設的投入。

（2）當地科技發展水平。用所屬省區科技進步水平指數來衡量。該指數是當地萬人大專以上學歷人數、R&D經費支出與GDP比例、財政科技支出占財政支出比重、企業R&D經費支出占主營業務收入比重、萬名就業人員專利申請量、萬人技術成果成交額、高技術產業增加值占工業增加值比重等諸多重要指標的綜合反映，這些對軟件產業基地的各項投入與產出均有影響。

（3）政府資助。用中央政府部門投入資金與地方政府投入資金之和來衡量。政府資助是國家軟件產業基地自有資金與商業貸款之外的又一資金來源，獲得政府資助越多，對其發展就可能越有利。

（4）行業從業人員結構。用所屬省份信息傳輸、計算機服務和軟件業從業人員同城鎮單位就業人員的比值來衡量。不同省區的軟件從業人員的結構直接影響軟件產業基地勞動者的專業素質與內部比例結構。

四、實證分析

（一）階段一的實證結果

經過對數據的標準化處理，運用DEAP2.1工具對上述基地的相對效率水平、所處規模報酬狀態加以BCC分析，如表2所列。

從表2可以清晰地看出，34個國家軟件產業基地的綜合技術效率參差不齊，最高為1，最低為0.253，兩者相差0.747，說明各個基地間的橫向效率差異明顯。但是，有11個國家軟件產業基地的綜合技術效率為1，表明這些基地處于技術效率前沿，其他綜合技術效率小于1的基地表明尚有一定的技術效率提升空間。在不考慮外部環境因素和隨機誤差影響的情況下，總體純技術效率均值達到0.786，規模效率均值為0.879，均較高，但大部分基地的規模效率值比純技術效率值更接近效率前沿，說明決策與管理水平的純技術效率不高制約了基地的效率提升，各基地現有資源未能充分利用、投入要素浪費的問題亟須解決。

表2 階段一DEA模型處理結果

根據中國地理區域劃分，東部、中部和西部三個區域內的國家軟件產業基地數分別為18個、9個和7個。表2反映了三個區域間的綜合技術效率差異顯著：東部最高，為0.832；西部次之，為0.630；中部最低，為0.467。而對比結果顯示，三者的規模效率均值比較接近，分別為0.932、0.874和0.746，規模效率的標準差僅為0.095，驗證了三者差異較小；但三區域純技術效率的標準差為0.198，偏離率較大，說明造成三區域綜合技術效率顯著差異的原因在于純技術效率差異，亦即決策與管理水平上的差別，純技術效率不高是制約國家軟件產業基地效率提升的主要因素。而且，中部與西部的綜合技術效率均低于全國平均水平，東部綜合技術效率顯著超越總體均值。但這只是第一階段DEA的初步實證結果，還有待模型的進一步推理與驗證。

（二）階段二的SFA回歸分析結果

將階段一得出的各基地投入變量的松弛變量作為被解釋變量，將上述4個環境變量作為解釋變量，運用Frontier4.1工具進行SFA回歸分析，如表3所列。

表3 SFA模型的回歸結果

由表3可見，4個環境變量中所屬省區經濟水平、所屬省區科技水平、行業從業人員結構對一階段3種投入松弛變量的回歸系數均能在5%、1%或0.2%的顯著性水平下通過檢驗，說明這3種環境因素對階段一的投入冗余存在顯著影響。需要說明的是，政府資助雖然對投入冗余的影響未通過

T值檢驗，但是仍然存在方向性影響[15]。從估計結果來看，γ值顯著接近于0，說明該4種投入中隨機誤差影響占據主導地位，對運營效率起著重要的影響。因此，該階段進行SFA回歸很有必要。

投入松弛變量體現為各決策單元實際投入與最佳投入間的差額[16]，因此，在產出一定的情況下，消減投入冗余可提高各地區軟件產業基地的運營效率。這里，進一步考察環境變量對各投入松弛變量的回歸系數：若回歸系數小于零，說明環境變量對該松弛變量的影響為負，意味著環境變量的增加會帶來投入冗余的降低，因而有利于減少浪費、提高效率；反之，若環境變量對松弛變量的回歸系數大于零，說明環境變量對該松弛變量的影響為正，意味著投入松弛變量會隨著環境變量的增加而增加，此時會引起投入的浪費和效率的降低。具體而言：

（1）所屬省區經濟水平對現有占地投入松弛和科技活動經費投入松弛有顯著的負向影響，這表明軟件產業基地所屬省區經濟水平有利于其土地和資金的有效配置。這與實際情況是相吻合的，經濟水平較高的省區由于擁有相對較強的政府宏觀調控能力，降低了軟件產業基地的運營風險，為基地高效運營提供了有效保障。而所屬省區經濟水平對人力投入松弛的正向影響，則可能與不同經濟水平條件下的勞動力成本有關。

（2）所屬省區科技水平對現有占地投入松弛變量、科技活動經費投入松弛變量和人力投入松弛變量系數均為正，且在5%或0.2%顯著水平上顯著，這說明科技水平的提高增加了投入冗余。顯然，在產出不變的情況下，科技水平的提高要求土地、資金和人力的減少，因而帶來相應的冗余。

（3）政府資助理應增加軟件產業基地的運營效率，但是經驗分析并不支持該假設。雖然回歸不顯著，從方向上來看，政府資助對現有占地投入松弛變量系數為負，但對其余兩個投入松弛變量的系數為正。這表明我國政府部門資助對國家軟件產業基地的運營效率并沒有起到應有的作用。

（4）行業從業人員結構對現有占地投入松弛變量、科技活動經費投入松弛變量和人力投入松弛變量均具有顯著的負向影響，表明行業內從業人員結構越合理，越能減少各項投入的冗余和浪費。

（三）階段三的投入調整后的實證結果及與階段一的對比分析

對各基地的投入進行調整后，再次運用DEAP2.1工具對調整后的投入和原產出進行類似階段一的分析，如表4、表5所列。

表4 階段三處理結果

續表4

表5 不同區域階段三處理結果統計

通過表5分析可得出，在剝離環境因素的影響后，東、中、西部的國家軟件產業基地的綜合技術效率均值變小，由0.694變為0.686，總體水平不高，各自縮小的幅度也不大，說明不同區域軟件產業基地的績效受環境因素的干擾減少，而且各區域內部受到了提供配置的利好環境影響。但是，東部地區純技術效率與規模效率均呈下降趨勢，說明環境因素對純技術效率與規模效率的影響有利，剔除后反而使其失去一定的優勢，純技術效率與規模效率均下降的合力致使綜合技術效率整體下滑。調整后的中部與西部地區的純技術效率上升，規模效率反而下降，說明環境因素對其的影響各有弊、有利，而且純技術效率的上升被規模效率的下降所抵消，致使綜合技術效率出現小幅下降，說明總體上對環境因素有一定的依賴。此外，中部地區純技術效率與規模效率的變動幅度相較于東部地區更大，說明其受環境因素的影響更為明顯，依賴性更強。

階段二剔除的所屬省區經濟水平、所屬省區科技水平、政府資助、行業從業人員結構4個環境因素顯然是引起區域間國家軟件產業基地運營效率差異化的重要原因，且經階段三調整計算后，三區域綜合技術效率差異仍較為明顯。表5顯示，投入調整后的三區域各自純技術效率值分別為0.883、0.795和0.890，較為接近（三者標準差僅為0.053，相對于階段一的0.198明顯下降）；而東、中、西部規模效率值依次變為0.924、0.569和0.707，差距明顯（三者標準差為0.179，相對于調整前的0.095明顯上升）。根據每個決策單元“綜合技術相率=純技術效率×規模效率”的基準，在三區域純技術效率接近的情況下，造成三個區域技術效率差異的主要原因在于規模效率的差異化，在投入導向型的DEA模型中，意味著相同產出時投入的差異化。

從投入上看，依據模型選取的三大投入指標，東、中、西部三區域在場地投入、經費投入和人力投入上存在巨大差異，數據顯示：東、中、西部三區域的國家軟件產業基地的現有占地面積均值分別為279.889萬平方米、72萬平方米和117.571萬平方米；東、中、西部三區域的國家軟件產業基地的科技活動經費支出總額均值分別為458999.611萬元、73207.311萬元和120323.128萬元；東、中、西部三區域的國家軟件產業基地的年末軟件從業人數均值分別為64224.611人、17758.222人和29516.429人。模型演進證明：上述各基地規模上的投入差別引起各自綜合技術效率差異；各基地規模效率差別的存在，并且在三大區域內不平衡分布，演進為三大區域規模效率的差異；三大區域規模效率相互偏離較大，加之純技術效率水平接近，兩者乘積的唯一結果必然是區域范圍間的綜合技術效率差異。

因而，本文DEA階段一的初步結論經過階段演進后應予更正，規模效率對三區域技術效率差異的貢獻更為突出。即便如此，也不排除純技術效率差異對三區域綜合技術效率差異的影響，雖然三區域純技術效率的標準差極小，但也反映差異的實際存在。三區域各自平均技術效率雖呈縮小趨勢（技術效率均值由階段一的0.528下降為階段三的0.522），但相互間的效率差距卻增大（技術效率標準差由階段一的0.183變成階段三的0.185），此中有純技術效率變動的影響。

實證結果表明，揭示技術效率差異的原因對“相對弱者”的行為指引具有顯著意義：中、西部地區無疑要提升規模效率；而對“相對強者”的行為指引需另辟蹊徑，綜合強化：東部地區要在規模效率與純技術效率提升上均衡考量。通過對DEA階段三的內部結果的比較分析，可以發現，東部地區純技術效率與規模效率均比較好，處于高位，且規模效率值高于純技術效率值，說明在純技術效率上提升空間更大，東部地區更應關注管理水平的提高；西部地區純技術效率甚至比東部地區還高，而規模效率卻遠不及東部地區，相較之下，西部地區要注重規模效率的提升，重點考慮適度加大投入；中部地區的純技術效率、規模效率皆遠落后于東、西部地區，不僅管理水平需要提升，投入也需增加。而且，中部、西部區域調整后的綜合技術效率值均低于全國總體水平，更加凸顯東部地區作為效率前沿的拉動作用，而中、西部對全國的貢獻為負，中、西部地區需要做出的努力更大。

五、結論與建議

本文運用三階段DEA模型對2011年度34個國家軟件產業基地的運營效率進行了測算，并根據區域差異作了效率對比分析，為明晰不同區域的國家軟件產業基地的效率問題提供了參考。研究結果表明：①東、中、西三大區域的國家軟件產業基地在不同程度上受到所屬省區經濟水平、所屬省區科技水平、政府資助、行業從業人員結構等環境變量的影響。剔除環境因素的干擾，三大區域的國家軟件產業基地的總體平均技術效率仍然不高，還有很大的效率提升空間。②規模效率差異是三大區域軟件產業基地運營效率差異的根本原因，純技術效率對該差異有重要影響。③國家軟件產業基地效率的提升因區域而異，三大區域各需在純技術效率上或規模效率上或兩方面共同加以努力：東部要注重管理，西部要注重投入，中部兩者皆需。三區域均要有所作為，但側重點不同。同時，也要因基地而異，效率提升在根本上需各個國家軟件產業基地的自身努力。

至此，文章提出以下政策建議：

（1）軟件產業有其自身的特殊性，對經濟水平、技術水平、人才素質等因素的要求較高，而地域、交通等不利因素可以克服，因此在國家軟件產業基地的布局上可以實現各區域協調發展，政府宏觀調控有較大發揮空間，對國家軟件產業基地的認定應聚焦于區域相關資源集中度，而非重點關注其地理位置。

（2）要整合資源，合理投入，打破制約各區域國家軟件產業基地發展的規模瓶頸。規模效率低下是制約中、西部地區國家軟件產業基地提升效率的主要因素。中、西部地區與東部發達地區相比資源成本優勢較為明顯，但是資源的分散性削弱了其成本優勢，不利于規模經濟的實現。政府在宏觀調控過程中要敢于打破地域的局限，勇于整合各項可利用資源，善于將成本優勢轉化為效率優勢、經濟優勢。

（3）針對政府資助（環境變量之一）對國家軟件產業基地的運營效率并沒有起到應有作用的情況，要求政府等外部環境在支持國家軟件產業基地發展的同時，亦要充分調動國家軟件產業基地自身積極性。要尋求提升純技術效率和規模效率間的行動平衡點，避免顧此失彼，確保在克服軟件產業基地發展障礙的同時，帶動各基地純技術效率和規模效率雙向提升，最終提高整體效率。

（4）針對中部地區國家軟件產業基地純技術效率上與規模效率皆落后的情況，首先，需要中部地區各基地自身加強投入，提高管理水平，改善自身規模配置能力，完善內部監督機制和制度規范，減少重復建設，避免跟風發展。其次，在原有政策基礎上，中央政府要額外給予政策關懷，增加轉移支付，在全國均衡布局基地；當地政府也要加強優惠政策供給，塑造良好環境，引進人才，不能讓中部地區在軟件產業基地與軟件產業的發展上成為東部地區與西部地區之間的“薄弱地帶”。同時，對東部與西部區域的支持亦不可忽略。

[1]石曉軍.國家軟件產業基地制度效率與規模效率評價:基于DEA的方法[J].經濟地理，2003，23（5）:597-600.

[2]劉園園，蘇秦，陳婷.基于DRF和DEA方法的中國主要軟件園投入產出效率評價[J].科技管理研究，2009（7）：403-405.

[3]孫劍，陳永高.國家軟件產業基地運行效率評價探析[J].商業時代，2010（10）：124-125.

[4]高愛雄.軟件產業集群競爭力評價[J].科技管理研究，2011（9）：54-56.

[5]吳文清，趙黎明.中國國家軟件產業基地動態效率評價[J].工業工程，2012，12（6）：37-43.

[6]代志華.軟件產業發展模式國際比較及借鑒[J].商業研究，2004（8）：49-51.

[7]張旭明.我國軟件產業的政策及其績效分析[J].軟件世界，2005（4）：23-25.

[8]華金秋，李麗.北京、廣東、上海軟件產業比較研究[J].北京工商大學學報:社會科學版，2007，22（4）：112-116.

[9]孫川.基于SS的區域軟件產業結構效應與競爭力實證分析[J].北京師范大學學報（社會科學版），2009（3）：113-123.

[10]陳蕾.軟件產業組織演進的理論與實證研究——基于中國軟件產業的數據[J].經濟問題探索，2011（1）：58-65.

[11]Charnes A，Cooper W W，Rhodes E.Measuring the Effi?ciency of Decision Making Units[J].European Journal of Operation Research，1978，2（6）：429-444．

[12]Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envel?opment analysis[J].Management Science，1984，30（9）：1078-1092.

[13]Berger A N.Humphrey D B.The dominance of inefficien?cies over scale and product mix economic in banking[J].Monetary Economics，1991，28（1）：117-148.

[14]Fried H O.Acounting for environmental effects and statisti?cal noise in data envelopment analysis[J]．Journal of pro?ductivity analysis，2002（1）:171.

[15]李然，馮中朝.環境效應和隨機誤差的農戶家庭經營技術效率分析——基于三階段DEA模型和我國農戶的微觀數據[J].財經研究，2009（9）:92-101.

[16]金春雨，程浩，宋廣蕊，等.基于三階段DEA模型的我國區域旅游業效率評價[J]. 旅游學刊，2012，27（11）：56-65.