基于DEA的貴州省創新資源優化配置效率

孫皖玲

(安徽財經大學，安徽　蚌埠233030)

?

基于DEA的貴州省創新資源優化配置效率

孫皖玲

(安徽財經大學，安徽蚌埠233030)

摘要：文章利用數據包絡分析方法(DEA)，對貴州省的創新資源使用情況進行分析，計算相對資源配置效率值，并以2000至2013這14年的數據為實證分析的對象，得出了貴州省創新資源配置的綜合效率、純技術效率和規模效率都很高，但R&D活動人員投入、R&D活動經費投入以及大中型企業的新產品開發經費投入有部分冗余的結論，并給出了相應的建議。

關鍵詞：貴州省；DEA；創新資源；配置效率

創新資源是一個地區產業和企業進行創新活動的核心要素，是產生創新成果，推動經濟和社會發展的必要支撐基礎和要素的集合，也是判定一個地區綜合創新能力和發展潛力的重要指標，其中人才資源和財力資源是重要的創新資源[1]。在人力資源投入方面，貴州省的R&D(研究與試驗發展)人員總量從2000年的34041人增長至2013的23888人，呈逐年遞增趨勢，平均每年的增長率為5.01%。在財力資源投入方面，從2010年至2013年，貴州省在研究與實驗發展經費方面的投入強度分別為0.65%、0.64%、0.61%、0.59%，呈現逐年下降的趨勢，意味著貴州省每年新增的R&D經費并不樂觀。但是創新資源投入的多與少并不意味著一個區域整體創新能力與創新競爭力的提高與降低，還需要在各種創新活動和各個創新人員之間進行的相應的選擇、安排、分配和組合，這種過程就稱為創新資源配置。而創新資源的配置效率對于實現各種創新資源的合理、優化配置具有極為重要的參考價值以及實際意義。

一、效率評價方法(DEA)

區域創新資源優化配置是一個多投入與多產出的復雜系統。而DEA這種非參數方法，不需要事先建立投入和產出之間復雜的函數方程，也不需要對參數和權重進行預估和假定，可以避免主觀因素影響，直接通過加權產出與加權投入之比計算得出決策單元的相對效率。因此非常適合用來分析一個區域的創新資源優化配置效率。

(一) BCC模型

BCC模型是DEA的一個基本模型，它是由Banker等人在1984提出的用于研究在規模收益可變情況下決策單元(DMU)的相對效率，它能夠了解各決策單元所處的規模報酬情況，將有助于決策者做規模上的調整，進而達到有效率的經營是一種適合同時評價技術有效性和規模有效性的分析方法[2]。

設有n個DMU(1≤j≤n)，每個DMU有m種投入和s種產出，xij表示第j個DMU的第i種投入量[3]，yrj表示第j個DMU的第r種產出量，則DMUj對應的輸入輸出向量分別為Xj= (x1j, x2j，，，xmj)T和Yj=(y1j, y2j，，，ysj)T均大于零，j=1，2，，，n，如果投入為導向,即在維持現有水平產出的情況下,最小化投入,則對第j個DMU模型進行評價的標準BCC模型如下[4]：

式中minθ表示DMU的效率值,s-為各投入的冗余度，s+為各產出的的不足率，λj表示第j個DMU的權數。下面進一步說明模型的經濟意義：1.當θ=1且 s-=0，s+=0時，DMU為 DEA有效，表明這 n 個決策單元組成的經濟系統中，其績效在原投入Xj時所獲得的產出Yj已經達到最優；2.當θ=1且s-≠0或s+≠0時，DMU為DEA弱有效，表明n個決策單元組成的經濟系統中，把投入Xj減少S仍可保持原產出Yj不變，或在投入Xj不變的情況下可將產出Yj增加S；3.當θ<1時，DMU為DEA無效，表明n個決策單元組成的經濟系統中，可將投入降至原投入Xj的θ比例而使原產出Yj不減少[5]。

(二)指標選取

在運用DEA模型測度效率時，要求決策單元 DMU具有相同的投入、產出指標，并且根據經驗法則要求決策單元DMU的樣本數至少是投入、產出項數之和的兩倍以上[6]。文章從創新活動的特點、指標選取的基本原則以及相關數據的獲得出發，選取貴州省科技創新活動的如下投入、產出指標：

1.投入指標

研究與試驗發展(R&D)活動人員折合全時當量(X1t)：指t年度直接從事研究與試驗發展的全時人員數加非全時人員按工作量折算為全時人員數的總和。

R&D經費內部支出(X2t)：t年度企事業用于內部開展R&D活動(包括基礎研究、應用研究、試驗發展)的實際支出，不包括委托外單位進行R&D活動而轉撥給對方的經費支出。

工業企業新產品開發經費支出(X3t)：t年度在企業科技活動經費內部支出中用于新產品研究開發的經費支出，包括新產品的研究、設計、測試、試驗等費用支出。

2.產出指標

專利申請受理量(Y1t)：t年度專利行政部門接受申請并受理的專利件數。

工業企業新產品銷售收入(Y2t)：t年度一些工業企業通過銷售新產品實現的收入，新產品是經政府有關部門認定并在有效期內的產品。

技術合同成交額(Y3t)：t年度技術市場上簽訂的各類技術合同的總額。

二、貴州省創新資源配置效率分析

(一)數據的收集與處理

數據全部來自于2001-2014年的中國科技統計年鑒，但是，由于不同年份的編制體例的差異，部分數據會由相對應的數據進行代替。例如，在2011年，中國科技統計年鑒將大中型工業全部調整成了規上工業企業，所以自2011年之后的大中型工業企業新產品開發經費支出和新產品銷售收入的數據就替換為規上工業企業的相應數據。而2001與2002年間R&D活動人員折合全時當量的數據由于還沒有調整所以是缺失的，這里用2001與2002年貴州省科技活動人員數進行了替代。此外，為了保證數據的真實性以及數據間的可比性，以2000年為基準，利用GDP(工業)縮減指數和永續盤存法對相關數據進行了相應的處理。

(二)基于DEA的創新資源配置效率實證分析

根據所處理的投入與產出數據，使用DEAP2.1軟件進行運算，得出效率值如表1所示(其中，經費的單位是萬元，人員的單位是個)。

表一　2000-2014年貴州省創新資源配置效率及其分解

(注: “drs”、“irs”、“-”分別表示規模收益遞減、遞增、不變。)

通過表1可以得出，從總經濟效率來看，2000-2013年貴州省創新資源配置的總經濟效率平均值為0.927，總體來說還是很高的，但是和純技術效率和規模效率的平均值0.978、0.947相比，很不理想。究其原因，從規模收益可以看出，除了2002年、2007年、2009年、2011年以及2013年這5年的資源配置效率達到了技術效率與規模效率同時最優以外，其余9年的資源配置效率都不是很最合理。而且在資源效率不合理的9年內，除了2010年貴州省對創新資源的規模投入有冗余之外，其余8年貴州省對本省的研究與試驗發展活動人員、研究與試驗發展經費以及工業企業的新產品開發費用等創新資源方面的規模投入都存在不足之處。從純技術效率來看，貴州省對創新資源的管理和技術應用方面的效率是最高的，平均值達到了0.978，只有5年沒有達到最優值。尤其是在2002年至2007年間，除了2005年均實現了最優的技術利用率，而純技術效率最低的是2010年，可能是因為研究與試驗發展活動人員與經費在這一年的不當投入產生了創新資源方面的人員管理、經費分配和資源利用等問題。從規模效率來看，規模效率相應的年份與純技術效率、總經濟效率相應的年份一一對應的有5年，而與總經濟效率相應的年份一一對應的卻有9年，這說明其余4年都只是因為規模效率而致使總體效率值的偏低，而且除了2008年和2010年，其余12年規模效率值的偏低均對純技術效率和總經濟效率產生了影響，這需要對規模效率進行一定的改進。從投入指標伸縮(改進)情況來看，R&D活動人員投入、R&D經費投入和新產品開發經費投入的使用效率存在冗余的情況[7]，投入資源的使用效率較低。尤其是最近幾年，在投入資源的使用效率方面總是不穩，一年高一年低的來回波動。從整體的平均值來看，共有60.022人的工作時間、3008.015萬元的研發經費投入以及4607.281萬元的新產品開發經費投入沒有得到有效的利用，存在人力和財力的浪費。

三、 總結

以上分析在一定程度上反映了貴州省在創新資源優化配置方面存在的問題，同時也要看到創新資源的優化配置效率越高，產業和企業的整體競爭力就越強，對整個省的經濟和社會的貢獻率就越大。因此，通過一系列的措施提高資源配置效率，從而提高整個省的綜合競爭能力就勢在必行。根據分析，提出以下幾點建議：

1. 提高創新投入轉化為創新產出的能力。通過實證可以看到，貴州省的創新資源配置效率在大多情況下都處于無效狀態，要提高創新資源配置效率，一方面要繼續加強R&D活動的經費和人員投入，鑒于貴州省這種極度缺乏高科技人才以及科技經費投入的規模報酬遞增的區域情況，增加這方面的投入會在很大程度上提高其配置效率。另一方面充分發揮市場的調節作用以增強企業的積極性，同時擴大中介機構的作用來降低企業創新的成本和風險，有益于提高創新資源的投入與產出效率。

2. 建設創新資源配置體系。貴州省創新資源配置效率的提高依賴于各類創新主體(企業、科研機構、政府和各類創新服務機構)的各司其職、密切合作，構成一個完整有效的體系。其中，企業應該把自己準確定位在技術創新主體上，并有意識的提高自己的技術創新能力；科研機構應該成為科技創新的主力軍，專注于新知識的創新方面；政府在創新系統中的角色應該是制度創新主體，主要職責是利用法律和經濟手段間接地調節生產經營，為企業發展與創新創造良好的社會和市場環境；而各類服務機構有益于提高創新信息和資源的獲取效率，從而推動技術成果的轉化。現階段，貴州省應該加快建立起一個相輔相成的創新體系，使得各主體將資源合理分配，發揮出最大的效用。

3.加強資源引進與合作。貴州屬于欠發達地區，產業和企業的各個領域較發達地區還是比較落后，研究人員總量小、學歷低，尤其是缺乏高層次的專業人員。因此，完全靠自身的努力很難推動貴州省創新資源配置效率的提高。所以需要鼓勵企業發展與省內外高校，科研機構的合作，借用外來人力進行技術創新，開發新產品，并通過與周邊省份或發達區域進行技術交流與技術合作，來謀求經濟共同發展，來提高貴州省的創新資源配置效率。

參考文獻：

[1]李雙杰等·基于DEA模型的制造業技術創新資源配置效率分析[J].工業技術經濟,2006(3).

[2]Banker R,Charnes A,Cooper W·Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984,30(1).

[3]王俊能等·基于DEA理論的中國區域環境效率分析[J].中國環境科學,2010(4).

[4]鄭珊珊,樊一陽等·基于DEA模型的高技術產業技術創新資源配置效率分析[J].科技管理研究,2010(3).

[5]肖國東,張立偉·區域農業剩余勞動力的測算與調整——以內蒙古自治區為例[J].經濟論壇,2012,(4).

[6]肖靜,趙軍凱·R&D投入產出效率的國別比較和影響因素分析[J].情報雜志,2009(12).

[7]王小偉,鄧長庚·安徽省區域創新資源配置效率研究[J].泰 山 學 院 學 報,2014(6).

(責任編輯：鄭朝彬)

According DEA Method to Research Guizhou Innovation Resource Allocation Efficiency

Sun Wanling

( Anhui University of Finance and Economics,Bengbu 233030,Anhui,China)

Abstract：Using data envelopment analysis ( DEA) method to analyses Guizhou innovation resource allocation and calculate the resource allocation efficiency.this article use the date from 2000 to 2013 this 14 years to analyses the object of above,and the results show that overall technical economic efficiency,pure technical efficiency and scale efficiency of Guizhou regional innovation resource allocation are all higher,but there are some redundant R&D activities personnel、R&D funds and investment in large and medium-sized enterprises of new product development funds.Finally,some enlightenment and suggestions are given．

Key words:Guizhou，DEA，regional innovation， resource allocation efficiency

收稿日期：2016-02-21

作者簡介：孫皖玲(1991.05～)，女，安徽人，安徽財經大學在讀碩士研究生。研究方向：物流與電子商務。

中圖分類號：F293.2

文獻標識碼：A

文章編號：1673-9507(2016)02-0122-04