范群林,吳花平,王恩創,劉 貞
(1.重慶理工大學管理學院,重慶 400054;重慶理工大學會計學院,重慶 400054)
20世紀60年代,發達國家發生了多起震驚世界的環境公害事件,引發社會輿論對環境問題的強烈關注,而技術創新尤為強調科技成果的商業化、產業化。判斷技術創新成功與否的重要標準是市場的實現程度,即所獲得的商業利潤、市場份額。當環境保護與經濟增長發生矛盾時,技術創新更多傾向于促進經濟增長。因此,技術創新應該將發展經濟和保護環境結合起來,變追求經濟效益的單一目標體系為追求經濟效益、環境效益、社會效益相統一的多目標體系,走向環境技術創新。
環境技術創新活動的順利實現需要關鍵條件、支持條件、咨詢條件和調控條件,這四個條件相互聯系、相互影響、相互制約,共同促進環境技術創新過程的良性循環。環境技術創新過程是一個復雜的系統行為[1]。區域視角的環境技術創新可以理解為主要依靠本地的R&D資源,各創新主體通過研發,產生并擁有自主知識產權的成果和標準及將其轉化為新產品或經濟效益的活動。當前我國政府戰略重點和全民教育重要方向之一的低碳經濟、低碳社會的發展與建設,要求各省市的環境技術創新效率強調本地創新資源的配置效率以及創新的投入與產出比例,因此,西南地區省市環境技術創新效率直接體現在本區域內環境技術創新資源的利用程度,即環境技術創新投入產出比例上。
數據包絡分析法 (簡稱DEA)是通過建立線性規劃模型,綜合分析投入產出比率,從而比較相對效率。此法能較為客觀地測量投入產出效率,并得出決策在投入方面的改進方向;能充分考慮對于決策單元本身最優的投入產出方案,能更理想地反映評價對象自身的信息和特點;適用于多輸出-多輸入的有效性綜合評價問題。DEA基本模型包括CCR和BCC。CCR最早是由CHARNES等[2]在固定規模報酬假設下提出的效率測度法,而BCC是BANKER等人[3]對CCR模型的修正,本文選取投入-BCC模型來測度環境技術創新效率。
由于投入-BCC模型只能對決策單元進行單期效率比較,使用橫截面數據,對面板數據則需考慮時間維度的影響,即決策單元的單位效率隨時間的變化,需要用全要素生產率變動(Malmquist)指數測度效率值隨時間變化的情況。Fare(1994)[4]在 Malmquist指數基礎上構建了基于DEA的Malmquist指數,將全要素生產率變動分為技術變動與技術效率變化,技術效率變化又分為規模效率變化與純技術效率變化,它適用于研究不同時期決策單元效率的演化,從而得出其動態變化規律。
由于西藏地區的數據缺失嚴重,因此根據客觀性、合理性、可得性等原則,選取了其他八大地區共30個省市進行環境技術創新效率比較分析。這些區域的分布見表1。

表1 實證過程中省市分布情況
用DEA方法評價創新效率的關鍵在于輸入、輸出指標的選擇,即投入與產出變量的界定,指標設計與選取還應遵循合理性、數據可得性等原則。指標選擇見表2。
環境技術創新投入強度從環境技術的科研經費支出和環境技術創新人員投入兩方面來測度。R&D經費投入強度從一定的角度能夠反映區域技術研發的規模,一個區域技術研發的經費投入越多,則其研究開發活動規模越大,研究開發成果數量相對而言則會越多。環境技術創新人員投入表明了區域環境技術創新所有相關活動的人員投入量,包括R&D活動直接參與人員以及服務人員等。這體現了區域環境技術創新人員投入的規模,反映了區域環境技術創新活動能力的大小。
環境技術創新產出從環境發明專利申請量和環保產業年收入來測度。由于專利是科技創新的最直接成果,與技術創新關系密切,同時專利數據具有可易獲得性、標準客觀性以及變化緩慢性,所以用環境類專利來刻畫環境技術創新產出具有較強的說服力;而環保產業年收入是創新成果商業化應用的結果,是環境技術創新的實物產出,所以環保產業年收入能從經濟層面反映出環境技術創新的成果大小。

表2 環境技術創新效率評價指標
依據上述指標,從《中國科技統計年鑒》、《中國環境統計年鑒》中搜集整理出26個省市2007—2012年數據的平均值。由于原始數據量綱不同,在此以北京市的投入、產出數據為基準,其他省市數據的標準值由此相比得到。
根據所選擇的樣本數據,通過使用DEAP 2.1做DEA(投入-BCC)分析,得到30個地區環境技術創新的整體技術效率、純技術效率以及規模效率,結果見表3。
在DEA模型的運行結果中,創新效率整體相對有效的效率值為1。“整體相對有效”是指相對其他幾個城市產業的表現,在投入產出指標一定的情況下,該類地區的投入達到了相對最佳的產出效益,其投入產出的投影恰巧在生產有效平面上。“整體非DEA有效”則效率值小于1,它表明在這樣的投入規模下,相對于其他地區,其產出效率較低,產出不足。
從表3得知,2007—2011年我國整體的環境技術創新效率普遍不高,整體效率平均值不到0.4,說明我國的環境技術在創新過程管理與創新資源利用率方面普遍存在問題。從西南地區的整體創新效率分析,重慶這些年的技術創新整體效率一直處于全國的中上水平,比其他地區要高出很多。究其原因分析,重慶這些年的環境技術創新人員投入、環境技術的科研經費支出等創新資源投入適當,投入的各類要素在運行過程中得到了充分利用,投入的冗余適當,并且創新管理方面也較有效,從而使得其整體的創新效率較其他西部四省高。廣西、貴州、云南三者一直處于全國各地區偏下的水平,四川則相比而言創新效率偏低。通過觀察樣本數據發現,廣西、貴州、云南這些地區比較特殊,它們具有共同特征就是創新資源的投入遠低于其他地區,產出也同樣比其他地區少,而四川則由于相對較低的創新資源投入,導致其創新效率比其他幾個地區高,但這并不能代表其創新能力就比其他地區強,只能說明較少的產出容易實現,一旦加大了對創新資源的投入,要想同樣規模增加比例實現產出增加,則面臨的風險與難度將大大加強。
根據BCC模型原理,技術創新效率可分解為規模效率和純技術效率兩種,其關系是技術創新效率=規模效率×純技術效率。因此,造成技術創新效率低效原因可歸類為三種情況:一是規模效率低效,純技術效率相對有效;二是純技術效率低效,規模效率相對有效;三是由規模效率低效與純技術效率低效共同作用的結果。從表3的實證結果分析可以得知,2007—2011年,造成西南地區整體創新效率偏低的原因大多是由規模效率低效與純技術效率低效共同造成。當然也有純技術效率占主要原因的區域,如2007—2011年的四川省,其規模效率大多都大于0.7,甚至是接近1,說明其創新資源投入接近于最優組合,而純技術效率相對而言卻要少很多,說明四川在對環境技術創新的過程管理缺乏效率,導致其產出不與投入成正比。而在規模效率方面,2007—2011年除四川外的西南地區的創新效率在規模效率方面成規模遞增 (irs),說明這些區域在資源投入方面存在較大不足,導致創新產出較為有限,因此需要通過擴大區域企業生產經營的規模來有效地提升其規模效率。

表3 2007—2011年西南地區環境技術創新效率
通過對我國各地區環境技術創新橫截面數據的創新效率分析得出,造成環境技術創新效率非有效的原因,但不能判斷創新效率隨時間變化的情況,需要對面板數據進行Malmquist指數分析。利用2007—2011年數據,通過DEAP 2.1軟件,得到我國30個地區環境技術創新的全要素生產率變動及構成因素的結果,并將結果進行平均化,見表4。

表4 環境技術創新全要素生產率指數及構成因素均值
從總體來看,我國環境技術創新活動的平均Malmquist指數以每年3.8%的速度遞減。遞減原因歸咎于技術退步,雖然技術效率以每年4.5%遞增,但不能抵消技術退步帶來的影響。從不同時間段來看,全國環境技術創新的Malmquist指數在2008—2009年期間呈現了高速增長的趨勢,主要是由技術變化貢獻,技術效率相比而言則增長緩慢。在2009—2011年及2007—2008年間,Malmquist指數出現了持續衰退。2009—2010年以及2010—2011年間,Malmquist指數出現大幅減小,雖然在該時期技術效率分別出現24.3%與10.6%的增長,但技術分別以更快的14.4%與1.5%速度衰退,因此,技術效率的增長不能抵消技術衰退帶來的負面影響,導致總的生產率下降。而2008—2009年間,技術雖得到進步,但效率卻衰退,導致總生產率下降。因此可以判斷,我國環境技術創新活動雖然下降的速度不快,但平均生產率有逐年下降的趨勢,而且技術變化是生產率變化的主導原因。其原因主要有兩個方面:首先,通過觀察數據發現,我國環境技術每年在加大創新資源的投入,說明開始重視環境技術創新,但在創新資源的安排合理性及對創新活動的規范化管理上存在很大問題,導致其創新效率不高。其次,科技活動不同于簡單的物質生產活動,它具有長期積累性、創新困難性及產出偶然性等特點。科學研究需要長時間積累才能形成突破性進展,同時科研成果的創造具備一定的偶然性,其發生地點、時間不會由事先行程左右,不是人們主觀意識所能主導的。因此,雖然近些年我國環境技術在創新資源投入方面出現快速增長,但創新產出卻不是與創新資源投入成正比關系。
綜上所述,從投入的角度,在產出指標一定的情況下,認為造成環境技術創新產出效率不高及平均生產率有逐年下降趨勢的原因主要是創新資源投入不合理,同時,對創新過程的管理不科學,導致大多數區域存在環境技術創新資源投入不足的情況。而從產出的角度,在投入規模一定的情況下,創新成果產出不能達到一個理想的狀態。
[1]榮誠.生態技術創新研究初探[J].中國軟科學,2004,(5):159-160.
[2]Charnes A,Cooper W W,Rhodes E.Short Communication:Measuring Efficiency of Decision Making Units[J].European Journal Operational Research,1979,3(4):339-361.
[3]Banke R D,Charnes A,Cooper W W,et al.Constrained Game Formulations and Interpretations for Data Envelopment Analysis[J].European Journal of Operational Research,1989,40(3):299-308.
[4]Fare R,Grosskopf S.Productivity Growth,Technical Progress and Efficiency Change in Industrialized Countries[J].The American Economic Reviews,1994,84(1):66-83.