基于DEA三階段模型的合蕪蚌高新技術產業效率研究

郝紅美，許廣永

(安徽財經大學 工商管理學院，安徽 蚌埠 233000)

基于DEA三階段模型的合蕪蚌高新技術產業效率研究

郝紅美，許廣永

(安徽財經大學 工商管理學院，安徽 蚌埠 233000)

產業效率能夠反映高新技術產業的發展狀況，以2008～2015年合蕪蚌高新技術產業的相關數據，結合DEA三階段的模型，在剔除環境變量和隨機干擾項的影響，對合蕪蚌高新技術產業的效率進行了分析，研究表明：合蕪蚌高新技術產業效率較高，但是存在投入冗余和產出不足現象。此外，政府在R&D經費的支出上要進行合理分配，提高資金的使用效率。最后，結合合蕪蚌自身發展的條件提出了一些針對性建議。

合蕪蚌；高新技術產業；效率；DEA三階段

2008年10月，安徽省委、省政府在合肥召開全省推薦自主創新暨建設“合蕪蚌自主創新綜合配套改革試驗區動員大會”，決心建設合蕪蚌自主創新綜合配套改革試驗區，目的是充分發揮科教優勢，引導創新資源合理配置。2008年合蕪蚌高新技術產業總產值為1 892.7億元，同比增長15.3%，占全省高新技術產值比重58.9%。2011年總產值為5 284.4億元，同比增長45.4%，占全省比重63.4%。截止到2015年底合蕪蚌高新技術產業總產值達到9 325.5%，同比增長13.0%，占全省比重60.9%。可見合蕪蚌高新技術產業發展迅速，但從同比增長的速度來看，仍然存在著一定的問題。從現有的研究來看，鮮有學者對合蕪蚌高新技術產業的效率展開深入的研究，尤其是合蕪蚌自主創新實驗區作為試點運行。鑒于此，本文利用2008～2015年合蕪蚌高新技術產業的相關數據對其產業效率進行實證分析。

一、文獻綜述

近幾年，針對安徽省高新技術產業的研究，體現在企業發展的總體狀況、產業政策評價、投入和產出等方面。甘衛平從宏觀數據的角度對安徽省高新技術產業的情況進行了分析，認為該產業已經成為安徽省轉變經濟發展方式，推動經濟發展的重要支柱[1]；程建華通過收集2007～2013年安徽省高新技術產業的數據，對該省高新技術產業政策進行分析，并提出了改進措施[2]；而劉立平、蔡琴等對安徽省高新技術產業的投入、產出以及發展潛力進行了研究，認為安徽省的投入和產出不相適應，表現為產出不足，有待進一步改善[3]；謝偉等對中國高新技術產業研發效率進行了研究，對區域的差異化進行了比較[4]；陳洪轉等從我國高新技術產業園區的投入產出效率角度進行了評價[5]；楊清可等從高新技術產業的時空演變和效率變化角度進行了研究，并比較了省際的差異[6]；劉俊玲等對中國高新技術產業效率進行了分析，表明各省份產業效率差異明顯，整體不容樂觀[7]；另外，一些學者從省際角度對高新技術主導產業的政策實施、投入產出、技術效率進行了研究[8，9]，如張雪梅對北京市高新技術主導產業的五大行業的技術效率進行了測算并與其他各省份進行了比較研究，發現省際差異顯著，并提出了合理配置資源的意見建議[10]。

在產業效率的研究方法上，黃永興等利用Bootstrap-DEA的空間計量對中國文化的產業效率進行了分析[11]；唐善玲利用主成分分析和DEA-Malmquist生產指數法對山西省和其他各省高新技術產業的動態效率進行了比較[12]；馬躍如等在分析我國文化產業效率時利用SFA模型[13]；劉偉基于DEA三階段對中國高新技術產業創新效率進行了測算[14]。從這些已有研究可以看出，以DEA測度方法和SFA回歸分析較為常見，而DEA三階段是把DEA模型和SFA回歸分析兩種方法進行結合[15]。三階段是由Fried等提出的[16]，與傳統的DEA模型相比，考慮到外部環境和隨機誤差的影響因素，因此改進了DEA的模型，由于在公式計算的過程中存在誤導，對管理無效的公式沒有明確給出，羅登躍通過研究分析給出了測算管理無效的公式，進而加強三階段模型的準確性[17]，第一階段Fried等采用的是DEA方法中規模報酬可變的BCC模型，既用VRS模型進行運算。本文是出于研究合蕪蚌高新技術產業各項投入優化的角度來提高產業效率，因此也更加適合采用此模型；第二階段基于第一階段得出的初始數據為基礎，把得到的投入松弛之和作為被解釋變量，把環境因素作為解釋變量，進行第二階段SFA的回歸分析，得出相關指標，通過公式計算得出調整后的投入變量；第三階段則把調整后的投入變量替換到原始的投入變量，再重新進行第一階段的BCC模型分析，此時得出的效率值排除了環境因素和隨機誤差的影響，使得分析的結果更加客觀真實。

二、數據來源及構建指標

(一)數據來源

為了分析合蕪蚌高新技術產業各發展階段的效率情況，本文選取了2008～2015年的時間序列數據，數據來源于2008～2015年《安徽省統計公報》《安徽省統計局》和《安徽省高新技術統計年鑒》，其中合蕪蚌高新技術企業的總產值、增加值、全省高新技術企業數、在孵企業數來自2008～2015年《安徽省統計公報》，其他變量來自《安徽省統計局》和《安徽省高新技術統計年鑒》。科技活動人員、R&D經費投入是通過查找安徽省統計局得到合肥、蕪湖、蚌埠各市的數據相加整理得到，在數據的整理中存在個別數據的缺失，考慮到對實證結果不構成重大影響，這里采用數據平滑法處理彌補。

(二)指標的選取

在指標的選取過程中，參考潘娟、范巧構建投入產出模型、李洪偉等研究高新技術產業投入產出效率以及劉湘君利用三階段方法測度安徽省高技術產業技術效率的指標體系選擇的原則[18-20]，并結合合蕪蚌高新技術產業自身發展的條件，選取了科技活動人若干、R&D經費投入(百萬)、研發機構若干和在孵企業作為投入變量，產出變量則選取合蕪蚌高新技術產業的總產值(億)和增加值(億)，在進行研究中可以比較總產值和增加值的變化。對于環境變量的選取，則結合地區的政策、市場和經濟情況，選擇政府的支持、全省高新技術企業數、地區生產總值(億)三個環境變量，其中，政府在研發經費的財政支持上能夠體現對高新技術產業研發創新給予的重大政策，考慮數據的可獲得性，選擇研發經費內部支出中政府的支出比重。

三、實證結果與分析

(一)合蕪蚌高新技術產業傳統DEA分析

第一階段不考慮環境因素和隨機誤差的影響，在傳統的DEA投入導向BBC模型下，運用DEAP2.1軟件對合蕪蚌高新技術產業的效率水平進行初步分析，得到相應的技術效率、純技術效率、規模效率和規模情況，見表1所示。

表1 2008～2015合蕪蚌高新技術產業效率

注：irs為規模報酬遞增，drs為規模報酬遞減，—為規模報酬不變，以下皆同。

從表1中可以看出，2008～2015年合蕪蚌高新技術產業綜合技術效率的均值為0.930，純技術效率的均值為0.994，規模效率的均值為0.936，2010年、2011年、2014年、2015年四年的綜合技術效率為1，達到了技術有效，其他年份沒有達到技術有效，表明在純技術效率和規模效率方面存在一定程度的改進空間。總體來看合蕪蚌技術效率較高，原因有兩方面可能，一是DEA模型測度的是相對效率，參照的對象是其自身其他年份的發展水平，因此相對于合蕪蚌自身來說這幾年來發展的較為平穩，技術水平較高；二是安徽省對合蕪蚌高新技術產業創新試驗區的大力支持，使其發展較快。但是仍然存在投入冗余的情

表2 SFA回歸分析結果

注：*** 、** 、*分別表示1%、5%、10%水平上具有顯著性，括號內為標準差。

況，需要改進。

(二)合蕪蚌高新技術產業SFA回歸分析

根據SFA回歸分析結果可知，在顯著性水平的檢驗下，地區生產總值、政府支持、全省高新技術企業數三個環境變量基本通過10%的t檢驗，說明其對合蕪蚌高新技術產業的技術效率存在影響。從λ值可以看出，管理無效之外的因素也是導致合蕪蚌高新技術產業投入松弛的原因，因此，有必要剔除環境變量和隨機干擾因素進行客觀的分析。

根據SFA回歸分析，我們也可以看出環境變量和松弛變量之間的關系，具體有兩種關系：(1)當環境變量對松弛變量的系數為負值時，說明環境變量的增加有利于減少被解釋變量的投入冗余，提高產業效率；(2)當環境變量對松弛變量的系數為正值時，說明環境變量的增加反而增加了被解釋變量的投入冗余，降低了產業效率。表2中地區生產總值與四個被解釋變量均為負值，但是只有以R&D經費松弛變量為被解釋變量時顯著，表明地區生產總值越大，越有利于減少研發創新的投入，降低資源浪費；政府的支持與四個被解釋變量均為正值，表明政府的支持，并沒有達到提高產業效率的目的，原因主要是政府在支持的角度是從資金方面，在資源配置方面和管理體制上并沒有給予約束和規制，而獲得資金支持的高新技術企業在研發經費的管理和配置上不合理，比較粗放，造成資金資源使用的嚴重浪費，所以導致政府支持對產業效率的促進不明顯，反而降低了高新技術產業的效率；全省高新技術企業與被解釋變量顯著為正，表明擴大高新技術企業的規模，加大高新技術企業的發展有利于提高產業效率，同時，高新技術企業的發展有利于調整產業結構，從粗放型企業向知識密集和技術密集型企業邁進。

(三)合蕪蚌高新技術產業調整后的DEA效率分析

通過第二階段的SFA回歸，來剔除四個環境變量對投入的干擾，根據公式：

對比表1和表3，我們發現，綜合技術效率由原來的0.930下降到0.903，規模效率由原來的0.936下降到0.922，而純技術效率反而由原來的0.987上升到0.994，說明外部環境的干擾確實影響了效率值，虛高了技術效率的值和規模效率的值，而純技術效率上升，綜合技術效率并沒有上升，能夠說明規模效率是導致技術效率下降的主要原因，因此經過調整后得出的效率值更加客觀準確。

表3 調整后2008～2015合蕪蚌高新技術產業效率

經過調整后，得到2008～2015年合蕪蚌高新技術產業投入冗余情況，結果見表4。

表4 合蕪蚌高新技術產業冗余情況

從表4我們可以得到，R&D經費、研發機構數、企業數都存在投入過剩的狀況，均值分別為720.206、5.061、10.271，其中2009年合蕪蚌高新技術產業的R&D經費投入過剩較大，為4 980.626百萬元，因此調整R&D經費、研發機構數以及企業數是有必要的，并非投入越多越好，要合理高效率地利用資源。在產出中可以看到，總產值沒有出現產出不足，但是增加值卻存在產出不足，分別是2009年、2012年、2014年，均值為29.494，可見總產值虛抬了高新技術產業的發展速度，增加值能夠更清晰的反映合蕪蚌高新技術產業的發展狀況。

四、結論及政策建議

本文運用了DEA規模效率可變的BCC模型測算了2008～2015年合蕪蚌高新技術產業的技術效率，通過三階段剔除環境變量和隨機干擾項得出以下結論：

1)2008～2015年合蕪蚌自主創新實驗區，在相關政策的推動下，發展較為迅速，相對技術效率較高，其中規模效率的變化對技術效率產生主要影響。

2)從投入的角度可以看出，合蕪蚌高新技術產業個別年份存在投入冗余情況，表現為R&D經費、研發機構數、企業數投入過多，造成了資源浪費；從產出的角度得出在反映合蕪蚌高新技術產業發展狀況時，使用增加值更加的客觀。

3)外部環境的確對該地產業效率產生影響，表現為虛高了產業的技術效率，其中政府的研發經費的支持反而阻礙了產業效率的提高，因此在財政投入上，并非政府投入的越多越好。

綜上所述，對于合蕪蚌高新技術產業的發展給出以下建議：

1)從政府政策角度，在給予合蕪蚌高新技術產業相關優惠政策時，一定要考慮政策實施的可行性和執行效果，在財政支持上，要注意資金的分配，做到資源利用的最大化。

2)從合蕪蚌高新技術產業角度，要合理的配置資源，提高R&D經費的利用效率，對研發機構和高新技術企業進行整頓，避免出現閑置的設備場所，造成資源的浪費，更加注重規模效率的提高，未來的發展是規模和效率之爭。

3)高新技術產業作為技術密集型和知識密集型產業，政府要建立健全合蕪蚌自主創新實驗區的科技創新體系，完善人才保護機制，對高技術型人才給予優惠政策，為人才培養創造客觀條件，同時企業應該加大人才的培養力度，建立一套完善的用人機制。

[1]甘衛平.安徽省高新技術產業發展現狀及政策建議[J].安徽科技，2013(7)：12-14.

[2]程建華.安徽省高新技術產業政策評價及改進建議[J].江淮論壇，2014(4)：94-98.

[3]劉立平，蔡琴.安徽省高新技術產業發展實證研究[J].對外經貿，2013(1)：71-73.

[4]謝偉，胡瑋，夏紹模.中國高新技術產業研發效率及其影響因素分析[J].科學學與科學技術管理，2008(3)：144-149.

[5]陳洪轉，舒亮亮.基于DEA模型的我國高新技術產業園區投入產出效率評價[J].科學學與科學技術管理，2013(4)：104-109.

[6]楊清可，段學軍.基于DEA-Malmquist模型的高新技術產業發展效率的時空測度與省際差異研究[J].經濟地理，2014(7)：103-110.

[7]劉俊玲.中國高新技術產業效率研究——基于PCA和三階段DEA模型的實證分析[J].遼寧工程技術大學學報(社會科學版)，2016(1)：25-32.

[8]張紹合，賀建林.湖南省高新技術產業發展影響因素的實證分析[J].湖南財經高等專科學校學報，2010(3)：85-87.

[9]曾碩勛，楊永，施韶亭.基于DEA三階段模型的中國高新技術產業效率研究[J].企業經濟，2013(1)：116-120.

[10]張雪梅.北京高新技術產業技術效率分析[D].北京：北京工業大學(碩士學位論文)，2012.

[11]黃永興，徐鵬.中國文化產業效率及其決定因素：基于Bootstrap-DEA的空間計量分析[J].數理統計與管理，2014(3)：457-466.

[12]唐善玲，白憲生.山西省高新技術產業動態效率與我國發達地區比較研究——基于主成分分析和DEA-Malmquist生產率指數法[J].科技管理研究，2013(23)：50-55，61.

[13]馬躍如，白勇，程偉波.基于SFA的我國文化產業效率及影響因素分析[J].統計與決策，2012(8)：97-101.

[14]劉偉.中國高新技術產業研發創新效率測算——基于三階段DEA模型[J].數理統計與管理，2015(1)：17-28.

[15]李雙杰，王林，范超.統一分布假設的隨機前沿分析模型[J].數量經濟技術經濟研究，2007(4)：84-91.

[16]Fried, H. O., Lovell, C. A. K., Schmidt, S. S.,et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis, 2002(17):157-174.

[17]羅登躍.三階段DEA模型管理無效率估計注記[J].統計研究，2012(4)：104-107.

[18]潘娟，范巧.基于C-D生產函數的自主創新投入產出模型研究[J].科技進步與對策，2008(11)：23-26.

[19]李洪偉，任娜，陶敏，等.基于三階段DEA的我國高新技術產業投入產出效率分析[J].中國管理科學，2012(S1)：126-131.

[20]賀旭輝.安徽省農業高新技術產業化發展模式探討——基于要素稟賦差異視角[J].皖西學院學報，2014(4)：41-45.

Research on the Efficiency of He-Wu-Beng Hi-tech Industry Based on the Three-stage DEA Model

HAO Hongmei, XU Guangyong

(CollegeofBusinessAdministration,AnhuiFinanceandEconomicsUniversity,Bengbu233000,China)

The industrial efficiency can reflect the development of the high-tech industry. Based on the relevant data from 2008-2015 of He-Wu-Beng hi-tech industry and combined with the three-stage DEA model in eliminating the influence of environmental variables and random disturbance, the paper analyzes the efficiency of He-Wu-Beng hi-tech industry. The research shows that: its industrial efficiency is rather high, but input redundancy and output deficiency phenomenon still exist. In addition, the government should allocate R&D expenditure, improve the efficiency of the use of funds. Finally, the paper puts forward some countermeasures according to the development conditions of He-Wu-Beng.

He-Wu-Beng; hi-tech industry; efficiency; three-stage DEA model

2016-11-20

安徽經濟預警運行與戰略協同創新中心資助項目“安徽省高新技術產業政策評價研究”(AHCX14009)；安徽財經大學研究生科研創新基金項目(ACYC2015115)。

郝紅美(1991-)，男，安徽合肥人，碩士研究生，研究方向：商業交互及創新管理；許廣永(1975-)，男，安徽淮南人，副教授，博士，研究方向：創新管理、人力資源管理。

F127

A

1009-9735(2017)01-0069-05