河南省城市科技效率評價研究

劉繪珍

(鄭州航空工業管理學院 管理科學與工程學院，河南 鄭州 450015)

科技是社會第一生產力，近現代的發展史和各種經濟理論都表明：科技是一國或地區經濟發展和社會進步最主要的動力和源泉。2012年11月，黨的十八大提出要實施創新驅動發展戰略，提出要堅持走中國特色自主創新道路，要用全球視野來謀劃科技進步和創新。采用三階段DEA(Data Envelopment Analysis,DEA)評價方法，選取2007年到2012年共6年數據，對河南省各城市科技投入產出進行評價研究，以使各城市認清自身在整個河南省中所處的位置，認識自身的優勢和劣勢，借鑒其他城市的成功經驗，尋求提高自身科技效率的有效途徑，為科技的管理和發展完善提供一些實踐上可供參考的改進方向，同時為政府部門決策提供參考。

一、模型與變量選取

1.三階段DEA方法

數據包絡分析方法是運籌學發展的一個新領域，其方法和模型是由美國著名運籌學家A·Charnesh和W·W·Cooper等人以效率概念為基礎發展起來的一種效率評價方法，它是研究若干相同類型的具有多輸入、多輸出的部門(或單元)間相對有效的方法。DEA本質是判斷決策單元是否位于生產可能集的生產前沿面上，使用DEA方法和模型可以確定生產前沿面的結構、特征和構造方法。它主要采用線性規劃方法，在將原始樣本數據劃分為輸入指標和輸出指標的基礎上，對決策單元進行有效性評價，其目的是反映決策單元能否達到“以盡可能少的投入，獲得最大效益”的決策結果。

傳統DEA方法的不足是無法分離隨機因素和測量誤差的影響。使用三階段DEA方法，可以克服傳統DEA方法本身的局限性，剔除隨機誤差的影響。同時還可以分離環境變量對投入差額值的影響，提高所選決策單元的同質性，測度出更加準確、真實的科技效率。還可以更進一步確定相對無效決策單元主要是技術無效還是規模無效。

三階段DEA方法的思想如下：

第一階段：傳統的DEA模型(BCC模式)。Banker、 Charnes和Cooper在1984年提出了BCC模式，把技術效率分解為規模效率和純技術效率，即，技術效率=規模效率×純技術效率。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。技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。

第二階段：建立SFA模型。第一階段在得出效率值的同時還得到各決策單元的投入差額值，該差額值即為被考察對象的實際投入與最佳效率下的投入之差。投入差額同時受到了環境因素、隨機誤差以及內部管理三個因素的影響，因而利用SFA剝離環境因素、隨機誤差對該值的影響。設有k個決策單位，每個決策單位均使用n種投入Xnk，其差額為Snk；p個可觀察環境變量Zk=[z1k,z2k,…,zpk]。根據Battese和Coelli(1989)的研究，差額變量和環境變量的回歸方程為：

Snk=fn(Zk,βn)+Enk

(1)

Enk=Vnk+Unk

(2)

其中，β為環境變量的待估參數；fn(Zk,βn)表示環境變量對投入差額值Snk的影響方式，一般取fn(Zk,βn)=Zk×βn；Vnk+Unk為復合誤差項，Vnk表示隨機干擾，并假設Vnk正態分布，Unk表示管理無效率，并假設 Unk服從截斷正態分布；Vnk與Unk相互獨立。

(3)

第三階段：調整的DEA模式。在第三階段，將第二階段得出的調整后投入值與原始產出值再次代入DEA模型，計算各決策單位的效率。這時所得到的即為消除了環境因素和隨機誤差影響后的效率值。

2.樣本和變量的選取

研究數據主要來源于河南省統計年鑒以及河南省各城市科技廳或統計局官方網站。本研究選取了河南省18個城市從2007年至2012年共6年的數據作為原始數據，共108個樣本。

根據科學性、合理性、可比性、可獲得性原則，參照《中國科技發展研究報告》中有關科技投入產出的評價指標體系，并結合當前社會經濟及科技發展趨勢，將科技投入產出指標和環境指標分別設計為：科技投入由科技活動人員、有研發活動的單位數和地方財政科技撥款總額構成；科技產出由專利申請數、出版科技著作和技術成交量構成；環境變量由人口數、城鎮化水平、區域面積和GDP構成。

二、實證分析

1.第一階段效率分析

(1)技術無效率的主要原因。整個河南省城市2007年到2012年的技術效率均值、純技術效率均值和規模效率均值分別為0.47、 0.521和0.879，說明河南省城市技術無效的主要因素來自于純技術效率。針對具體城市，比如，2012年鶴壁市的技術效率均值、純技術效率均值和規模效率均值分別為0.711、 0.925和0.768，說明鶴壁市技術無效的主要因素來自于純技術效率，因此該市需提高管理和技術等；2012年商丘市的技術效率均值、純技術效率均值和規模效率均值分別為0.17、 0.17和0.996，說明商丘市技術無效的主要因素來自于規模效率，其改革的重點在于如何更好地發揮其規模效益。

(2)不同城市之間效率的比較。圖1為河南省各城市技術效率降序排序，技術效率大于等于0.75的城市有鄭州市、漯河市、洛陽市、鶴壁市和濟源市，技術效率小于0.2的城市有周口市、駐馬店市和三門峽市。

圖1 第一階段各城市技術效率

Fried、Lovell、Schmidt和Yaisawarng(2002)指出，企業的效率即可能受到內部管理的影響，也可能受到了所處的外部環境與隨機誤差的影響，前一個因素是內生的，后兩個因素是外生的。DEA模型并不能剝離環境和誤差因素對效率值的影響，因此，所得到的效率值并不能完全反映各城市的技術效率、純技術效率和規模效率。

2.第二階段SFA回歸分析

針對3個投入差額，逐一用Frontier 4.1軟件進行SFA分析，使用最大似然法估計回歸系數，結果如表1、表2和表3。

表1 科技活動人員SFA回歸估計

表1、表2和表3顯示：

(1)γ代表環境因素導致的差異變動在總變動中的比例，如果γ=0并在一定的顯著水平下是顯著的，那么代表由于環境因素導致的差異是不存在的，也就是我們使用的隨機邊界方程是不合適的。本研究使用t值檢驗回歸方程的合理性， 表1、表2、表3中γ的t值全部通過了1%的顯著性檢驗且最小值為0.68，可以看出環境因素的變動性解釋了大部分的變動，也即是誤差的變動影響因素很小。

(2)表1中，人口數、城鎮化水平和GDP對科技活動人員松弛變量的影響通過了顯著性檢驗。人口數對科技活動人員松弛變量的回歸系數為正，說明人口數量龐大對科技活動人員松弛變量的減少是不利的。當經濟發展到一定程度時，一個地方人口基數大，該地方人們的需求就會增多，就需要更多的科技人員來滿足不同需求；同時由于現階段河南省整體人力資源管理水平有限，所需要的科技人員在學科、受教育層次、個人素質等方面參差不齊，人數眾多的科技人員就會因管理因素或個人因素造成人員浪費。城鎮化水平對科技活動人員松弛變量的回歸系數為負，說明城鎮化水平的提高有利于科技活動人員松弛變量的減少。城鎮化水平越高的地方，意味著這個地方的層次化教育、專業化教育等方面普及程度越高，越有利于科技活動的開展，因此，有助于減少科技活動人員的浪費。GDP對科技活動人員松弛變量的回歸系數為負，說明GDP的增加有利于科技活動人員松弛變量的減少，即有利于減少科技活動人員的浪費或減低負產出。GDP總量越大，經濟基礎越雄厚，人們在教育、科普等方面的接受度越高，人們整體知識文化水平就越高，越有利于科技活動的開展，因此，有助于減少科技活動人員的浪費。

表2 有研發活動的單位數SFA回歸估計

表3 地方財政科技撥款SFA回歸估計

(3)表2中，只有城鎮化水平對有研發活動的單位數松弛變量的影響通過了顯著性檢驗。城鎮化水平對有研發活動的單位數松弛變量的影響是負相關，即城鎮化水平越高，有研發活動的單位數松弛度越小。城鎮化水平代表一個地方的社會發展水平，在城鎮化水平高的地方科技人力資源比較豐富，各種配套設施比較齊全，相當數量的企事業單位都把本企業的研發骨干(中心)配置在城鎮化水平比較高的地方，因此，有利于有研發活動的單位效率的提高。

(4)表3中，城鎮化水平、面積和GDP對地方財政科技撥款松弛變量的影響都通過了顯著性檢驗。城鎮化水平對地方財政科技撥款松弛變量的影響是負相關的，即城鎮化水平越高，地方財政科技撥款松弛越小，城鎮化水平高說明該地區的人們在層次化教育、專業化教育等方面普及程度很高，人們的綜合素質比較高，所以城鎮化有利于地方財政科技撥款使用效率的提高。區域面積對地方財政科技撥款松弛變量的影響是正相關，即地方面積越大，地方財政科技撥款的松弛度越大。因為地方轄區面積大，所轄的縣市就越多，每個縣市社會經濟發展水平不同、科技實力不等、管理水平有高低；同時由于現階段河南省整體管理水平有限，因此轄區面積使地方財政科技撥款浪費增大。GDP對地方財政科技撥款松弛變量的影響是負相關的，即地方GDP越大，地方財政科技撥款松弛度越小。地方GDP總量越高，說明該地方可以在基礎教育、高等教育等領域投入更多的資金，人們接受更好的教育、綜合素質更高，地方財政科技撥款效率將更高。

3.第三階段效率分析

(1)技術無效率的主要原因。附表顯示：整個河南省城市2006年到2012年的技術效率均值、純技術效率均值和規模效率均值分別為0.443、 0.987和0.448，說明河南省城市技術無效的主要因素來自于規模效率。針對具體城市，比如，2012年濟源市的技術效率均值、純技術效率均值和規模效率均值分別為0.286、 0.99和0.288，說明濟源市技術無效的主要因素來自于純技術效率，因此該市需提高管理和技術等；2012年洛陽市的技術效率均值、純技術效率均值和規模效率均值分別為0.961、 1和0.961，說明洛陽市技術無效的主要因素來自于規模效率，其改革的重點在于如何更好地發揮其規模效益。

(2)不同城市(區域)之間效率的比較。按照各城市技術效率降序排序得到圖2，技術效率大于等于0.75的城市有鄭州市和洛陽市，技術效率小于0.2的城市有鶴壁市和周口市。

圖2 第三階段各城市技術效率

以鄭州為中心的城市群：洛陽市技術效率為0.78、焦作市技術效率為0.46、新鄉市技術效率為0.31、開封市技術效率為0.64、許昌市技術效率為0.45，可以發現只有洛陽的技術效率超過0.7，其他城市的技術效率均較低，說明省會鄭州的輻射能力不強。除了鄭州附近的城市群，其他城市無論東南部城市還是西北部城市技術效率均更低。總體上，河南各城市技術效率呈現以鄭州為中心的中部城市技術效率偏高，其他城市較低。河南十八個地市的科技效率，鄭州最好為1，其他地市最好的僅為0.78，最差的才0.17，也就是說其他城市與鄭州市的科技效率差距較大。從十八個地市所處的位置來看，鄭州市是河南的經濟、文化、政治中心，所以各方面的資源優勢比較強，科技效率最好；科技效率較低的地市都是處在河南省的邊遠地區或者山區，這些地區的資源優勢相對較弱。

(3)城市效率的演進特征。圖3顯示2007年到2012年河南城市技術效率值，2009年最大為0.48，2010年最小為0.4，差別不大，六年來河南城市技術效率均在0.5的水平上徘徊，沒有明顯改善的趨勢，說明河南城市總體上技術效率有待改善。河南是農業大省，工業基礎相對東部地區較薄弱，轄區內的科研機構、高等院校也相對較少，造成河南城市科技效率都相對較低，但隨著中原經濟區、鄭州航空港綜合實驗區等國家規劃的確立，加上新一屆政府提出的城鎮化政策，河南城市科技效率有望逐步提高。

圖3 第三階段不同年份技術效率

(4)大部分城市投入產出還存在較大改善空間。如表4所示，18個城市中有11個城市技術效率小于0.5，特別是鶴壁市和周口市技術效率竟然分別為0.19和0.17，大部分城市三項效率得分均處于較低水平，表明其不但面臨投入不足，而且科技資源的使用效率也處于較低的態勢，說明這些城市技術效率有很大改善空間。這些效率較低的地市都是處在邊遠地區或山區，如周口市是傳統的農業大市，在河南新一屆政府提出直管縣等體制改革后，加上國家戰略對中原地區的傾斜，科技效率相對落后的河南城市定能迎來春天。

表4 技術效率小于0.5的城市

(5)第三階段規模報酬分析。規模報酬變化指的是在其他條件不變的前提下，企業內部各生產要素按相同比例變化時而帶來的產量變化。企業規模報酬變化可分為規模報酬不變、規模報酬遞增以及規模報酬遞減三種情況。如果企業所有投入增加一倍，產出相應也增加一倍，則稱之為規模報酬不變；如果企業所有投入增加一倍，而產出增加超過一倍，則存在遞增的規模報酬；如果所有投入增加一倍，而產出增加小于一倍，則稱之為規模報酬遞減。大規模的生產使勞動的分工更為專業化，能充分利用先進的設備和大規模的廠房，這種情況下很可能會產生規模報酬遞增；而當企業規模過于龐大和組織的復雜性帶來了管理上的困難，從而降低了勞動和資本的生產率，這種情形下則可能出現規模報酬遞減。

整個河南省城市從2006年到2012年中，除了九個樣本屬于DEA有效外，其他樣本均處于規模效率遞增，即等比例地增加一倍投入，產出的增加會超過一倍。這說明河南省各城市總體上科技機構規模偏小，可進一步擴大規模以提高科技機構的綜合技術效率。

4.第一階段和第三階段效率比較分析

首先針對第一階段和第三階段效率值做相關性分析與差異性檢驗，再比較分析兩個階段效率的差異。

(1)相關性分析與差異性檢驗。根據第一階段和第三階段各個效率值做相關性分析，并使用配對樣本T檢驗考察兩者之間是否有顯著的差異性。

表5 第一階段和第三階段效率相關性

表5是配對樣本的描述性統計結果，從中可以看出，第一階段和第三階段技術效率均值分別為0.4696和 0.4431，差異不大。純技術效率均值0.5214 (第一階段) 明顯低于0.9872 (第三階段)。而規模效率均值0.8794 (第一階段)卻高于0.4477 (第三階段)。第一階段和第三階段的技術效率、純技術效率和規模效率的相關系數分別為0.848、0.597 和 0.356，而且線性相關的統計性顯著。說明兩種方法計算出來的效率值之間具有相關性，技術效率的相關性最強，規模效率的相關性相對較弱。

表6 成對樣本T檢驗

表6配對樣本T 檢驗的結果顯示，第一階段技術效率和第三階段技術效率的配對差的均值為 0. 0266，標準差為 0. 1616，平均標準誤差為 0. 0156，95%的置信區間為(-0. 0043，0. 0574)，t統計量值為 1.71，自由度為 107，t檢驗的雙尾顯著性概率為 0.09>0.05，說明第一階段和第三階段的技術效率值差異不顯著。同理，第一階段純技術效率和第三階段純技術效率的t檢驗的雙尾顯著性概率0.000<<0.05，說明第一階段和第三階段的純技術效率之間有顯著的差異；第一階段規模效率和第三階段規模效率的t檢驗的雙尾顯著性概率0.000<<0.05，即第一階段和第三階段的規模效率之間差異顯著。

綜上，通過對第一階段和第三階段測度的效率值進行T檢驗，第一階段和第三階段的技術效率之間差異不顯著，第一階段和第三階段的純技術效率、第一階段和第三階段的規模效率兩對差異顯著。說明環境變量的存在和隨機誤差干擾的影響，導致第一階段和第三階段效率值之間的差異存在。技術效率差異不顯著，是因為純技術效率提高的程度和規模效率降低的程度相差不大，所以最終導致技術效率的變化不顯著。

(2)比較分析第一階段和第三階段效率的差異。比較第一階段和第三階段效率值，得出如下結果。

首先，環境因素調整后效率得分差異度總體下降。第一階段和第三階段的技術效率方差分別為0.30507和0.26043，呈現下降趨勢；第一階段和第三階段的純技術效率方差分別為0.30732和0.01162，呈現下降趨勢；第一階段和第三階段的規模效率方差分別為0.15538和0.26001，呈現上升趨勢。出現這種情況的原因，可以認為調整前環境好的城市，較好的環境條件能上揚技術效率得分，環境較為惡劣的地區則壓低技術效率得分，因而造成技術效率得分差異度較大，調整后使所有城市均處于相同的環境下，排除隨機誤差的影響，效率得分的差異度明顯縮小。因此，調整后的結果更能客觀反映河南省各城市的真實效率情況，三階段DEA效率得分對河南省各城市科技效率解釋的準確性和可信性增強。

其次，環境因素調整后效率得分變化。第一階段和第三階段的技術效率均值分別為0.4696和0.4431，略有下降；第一階段和第三階段的純技術效率均值分別為0.5214和0.9872，大幅增大；第一階段和第三階段的規模效率均值分別為0.8794和0.4477，大幅降低。具體來看，調整前后的效率值以及規模報酬情況出現較大幅度的變化，說明河南城市技術效率受環境變量的影響較為顯著，環境變量對效率值的影響方向是不確定的，控制外生變量與隨機誤差的影響后，技術效率變化不大，但純技術效率大幅增大，而規模效率大幅降低。調整后的數據分析，在維持現有產出水平不變的條件下，投入減少53.04%可以達到有效生產前沿面，技術效率分解來看，必須減少1.28%的投入達到純技術效率有效，調整要素投入結構，減少55.23%的投入達到規模有效。

最后，環境因素調整前后城市技術效率均值變化。按照調整后效率變化值降序排序繪制表7，其給出了調整前和調整后的各城市技術效率平均值的變化數據，可以看出，調整前與調整后部分城市效率值存在較大變化，這意味著如果不考慮外界環境條件和隨機誤差的影響，得出的效率評價值可能存在某種程度的偏差。調整前技術效率大于等于0.75的城市有鄭州市、漯河市、洛陽市、鶴壁市和濟源市；調整后技術效率大于等于0.75的城市有鄭州市和洛陽市。調整前后效率變化最大的前兩個城市是濟源市和漯河市，說明環境因素對其影響較大。

表7 調整前后城市技術效率均值變化

三、結 論

從以上的實證分析中，可以得出以下結論。

(1)第一階段與第三階段的效率值存在明顯差異，這說明各城市環境因素確實對它們的科技效率產生了重大影響。同時，剔除環境因素的DEA三階段模型測度出來的效率值更能反映科技效率。

(2)總體上，河南各城市技術效率呈現以鄭州為中心的中部城市技術效率偏高，其他城市較低；其他城市與鄭州市的科技效率差距較大。

(3)2007年到2012年間，河南各城市技術效率均值改善不明顯，說明河南城市總體上技術效率有待改善。

(4)樣本期間，河南省城市技術無效的主要因素來自于規模效率，說明河南各城市改革的重點在于如何更好地發揮其規模效益。

(5)大部分城市三項效率得分均處于較低水平，表明其不但面臨投入不足，而且科技資源的使用效率也處于較低的態勢，說明大部分城市投入產出還存在較大改善空間。

參考文獻：

[1]Banker R D,Charnes A,Cooper W W. Some models for estimating technical and scale inefficiencies in date envelopment analysis [J]. Management science, 1984, 30(9):1078-1092.

[2]Cooper W W, Seiford L M and Tone K. Data envelopment analysis: A comprehensive text with models [M]. Applications, references and DEA-solver, Kluwer academic publishers, Boston. 2000.

[3]Zhong W, Yuan W, Li S X, et al. The performance evaluation of regional R&D investments in China: An application of DEA based on the first official China economic census data [J]. Omega, 2010，(39):447-455.

[4]Banker R D, Natarajan R. Evaluating contextual variables affecting productivity using data envelopment analysis[J]. Operations Research, 2008，(56):48-58.

[5]Zhu J. Data envelopment analysis to evaluate efficiency in the economic performance of Chinese cities[J].socio-economic planning science, 1989，(23):325-344.

[6]Ruggiero J.A comparison of DEA and the stochastic frontier model using panel data [J].International Transactions in Operational Research,2007，(14):259-266.

[7]FRIED H O. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J], Journal of Productivity Analysis,2002,(17)：157-174.

[8]黃 森，蒲勇健．中國省域經濟綜合效率分析——基于三階段DEA模型的研究[J].山西財經大學學報,2010，(3):23-29.

[9]邵 軍,徐康寧.我國城市的生產率增長、效率改進與技術進步[J].數量經濟技術經濟研究,2010，(1):58-67.

[10]戴永安.中國城市效率差異及其影響因素——基于地級及以上城市面板數據的研究[J].上海經濟研究,2010，(12):12-19.

[11]劉和東.中國區域研發效率及其影響因素研究——基于隨機前沿函數的實證分析[J]. 科學學研究,2011,29(4):548-556.

[12]黃 憲,余 丹,楊 柳.我國商業銀行X效率研究——基于 DEA 三階段模型的實證分析[J].數量經濟技術經濟研究，2008,(7):80-91.

[13]賀京同，馮 堯.中國高技術產業科技成果轉化效率的實證研究——基于 DEA - Malmquist 指數方法[J].云南社會科學，2011，(4):92-97.