基于三階段SBM-DEA的區域綠色科技資源優化配置效率測度以桂林市為例

(武漢大學 經濟與管理學院,湖北 武漢430072)

張建清,卜書迪

(武漢大學 經濟與管理學院,湖北 武漢430072)

綠色科技資源配置效率受外部環境變量和隨機因素的影響。為了消除這一影響,以測定綠色科技資源配置自身運行情況,運用三階段SBM-DEA模型,對2004—2014年廣西壯族自治區14個地級城市進行了實證分析。結果表明：第三產業比重對廣西各城市的綠色科技創新效率有反向影響,萬人高等院校在校生對廣西各城市的綠色科技創新效率有正向影響,進出口占GDP的比重對廣西各城市的綠色科技創新效率的影響具有多重性。對綠色科技資源的測算結果顯示,桂林市的綠色科技資源配置效率呈波動上升趨勢。通過對桂林市的投入—產出冗余分析,影響桂林市科技資源配置效率的主要因素是科技資源投入不足,缺乏與科技創新成果相匹配的核心產業,科技成果轉化率較低,產學研結合不緊密。因此,桂林市可通過增加教育和科技投入、發展核心競爭力產業和加強人才培養等方式來提高綠色科技資源配置效率。

綠色科技資源配置效率;三階段SBM-DEA;桂林市

1 引言

近年來,我國經濟發展進入了主要依靠科技創新推動經濟發展的“新常態”,以創新來推動經濟轉型的發展模式已成為我國現代經濟發展的重點。我國長期粗放型的經濟發展模式造成當前的環境問題越來越突出，因此,實施科技創新推動經濟發展戰略應與可持續發展戰略并行。在衡量傳統科技創新發展的績效方面,我國需要考慮環境因素的影響,測算出綠色科技資源的配置效率。

綠色科技資源配置效率(The Allocative Efficiency of Green Samp;T Resource),是在現有科技資源產出有效的基礎上,剔除科技資源配置過程對區域資源和環境帶來的負效應后的最終配置結果,是全面客觀評價科技資源配置的綜合效率。綠色科技資源配置效率既反映了一個地區科技資源配置與生態環境之間的協調狀況,也衡量了該地區科技資源配置的合理性。但在測量綠色科技資源配置效率時,仍然面臨著這樣的問題:一方面,較發達地區所處的科技創新環境優越,科技創新投入逐年增多,有可能存在邊際產品遞減而導致測量誤差;相反,較落后地區的科技創新投入較少,即使科技資源配置效率較高,也受制于科技環境較差的影響,所以需要對外部影響因素進行適當的調整。

關于效率的測量方法,Tone Kaoru[1]提出了非徑向、非角度的SBM(Slack-based Measure,SBM)模型，它克服了傳統DEA(Data Envelopment Analysis,DEA)的缺點,既可衡量松弛改進的部分,又可衡量非射線上的冗余量。Anderson、Peterson[2]提出了超效率分析,克服了傳統DEA無法對有效前沿面上的DMU進行排序的缺點,在超效率SBM模型中有效決策單位的值可大于1。在研究科技資源配置效率方面,國內對DEA模型應用廣泛,如楊洪濤[3]運用DEA方法評價了上海市高校科技資源配置效率;賈巖[4]運用Cross-efficiency DEA方法測算和比較分析了我國30個省、自治區、直轄市的科技資源配置效率;康楠等[5]針對我國31個省、自治區、直轄市2007年科技投入—產出情況，分別采用主成分分析法、熵權TOPSIS法和超效率DEA法對區域科技資源配置效率進行了評估和排名,最后采用組合評價方法彌補了單一方法的不足,得到更加客觀的評價;孫緒華等[6]運用DEA模型測算了全國和各地區科技資源配置的Malmquist指數及其分解情況;顏莉[7]運用主成分分析與DEA相結合的方法測量了我國30個省市的區域創新效率;范斐等[8]使用改進的DEA測算出了我國286個地級以上城市2001—2010年的科技資源配置效率,并探討分析了研究期內各城市科技資源配置效率的空間分布格局與演變態勢。此外,有部分學者考慮到了外部環境變量和隨機因素的影響,使用了Fried[9]提出的三階段DEA模型,該模型應用了SFA理論,可過濾傳統DEA模型中外部環境變量和隨機因素對估計對象的影響,從而能更加準確地分析管理無效率;鐘祖昌[10]將SBM模型與三階段DEA相結合,實證評估了2001—2008年30個OECD國家和中國的創新效率;支燕[11]等通過三階段SBM模型對我國各省區的技術創新效率進行了測算;黃毅[12]運用三階段DEA模型對我國2011年30個省區技術創新效率進行了實證分析,發現知識存量水平、技術市場活躍程度、基礎教育投入水平對技術創新具有正向影響,而進出口貿易額和第二產業比重卻對創新效率具有相反的作用。

在上述研究中,部分學者使用了三階段DEA來排除外部環境變量和隨機因素的影響,但在構建的科技資源配置體系中并沒有考慮環境污染因素,沒有契合當今經濟可持續發展的需要;另一部分學者雖然考慮到了環境污染因素,但沒有排除外生的科技創新環境和隨機因素的影響,而這種影響在面板數據中表現得尤為突出,因此所衡量的效率值并不能完全反映區域真正的科技創新能力和效率。同時,已有研究較多地集中在全國各省區甚至是國家層面的科技創新效率。即更多地是關注科技創新能力較強的東部沿海地區,對中西部地區關注較少,中西部廣大地區因所處的經濟轉型、創新驅動階段與東部地區不同,大多數地區處于創新驅動的起步階段,需要深入細致的辨析影響科技創新效率不足的原因和提升的途徑,以增強區域的創新驅動能力。

鑒于此,本文將環境污染因素作為非期望產出加入到科技資源配置衡量體系中,提出綠色科技資源配置效率的概念。在衡量綠色科技資源配置效率值時使用Super-SBM模型,達到對綠色科技資源配置有效率的單位進行排序的目的。同時,使用三階段DEA模型,排除外部環境變量和隨機因素的影響,真實地衡量綠色科技資源配置效率自身的效率情況。此外,本文重點關注西部地區的綠色科技資源配置效率,對廣西壯族自治區14個地級城市2004—2014年的數據進行了實證分析,并在此基礎上重點對桂林市綠色科技資源配置效率進行了深入分析,以期提出提高桂林市綠色科技創新效率的政策建議。

2 理論分析與研究方法

本文借鑒Anderson、Petersen[2]提出的超效率模型(Super Efficiency Model),將環境污染因素作為非期望產出來衡量綠色科技資源配置的效率。在超效率模型下,DMU的科技資源配置效率值可能會大于1。同時,為了剔除環境與隨機因素的影響,采用了Fried[3]提出的三階段DEA模型。

2.1 Super-SBM模型

為了避免不變規模報酬過強的假定,本文選擇可變規模報酬,認為Zheng等[13]提出的CRS、VRS結果中選擇的VRS假設下的結果更加合理。同時,考慮到政府在對科研扶持的同時著眼于產出最大化和投入最小化,所以本文使用無導向(Non-orient)模型。當考慮非期望產出時,假設研究有n個決策單位(Decision Making Unit,DMU)的科技資源配置效率,記為DMUj(j=1,2,…,n);每個DMU均有m個投入,記為xi(i=1,2,…,m);有q1個期望產出,記為yr(r=1,2,…,q1);有q2個非期望產出,記為bt(t=1,2,…,q2);對某一DMUk(xk,yk,bk),其生產可能性集為:

綠色科技資源配置效率為:

(1)

2.2 三階段DEA

第一階段:運用傳統的DEA模型測量決策單位未經調整的原始效率。本文是應用上文提到的Super-SBM模型,測算出未經科技創新環境調整的決策單位科技資源配置效率。

第二階段:剔除環境因素和隨機變量的影響。首先需建立松弛變量:

Sij=xij-Xiλ(i=1,…,m,j=1,…,n)

(2)

式中,Sij表示第j個DMU的第i個投入的松弛變量,即實際投入量和理想投入量的差值,然后以該投入松弛變量為因變量,對每一種投入的松弛變量進行SFA回歸分析,回歸方程為:

Sij=fi(zj;βi)+vij+uij

(3)

上述SFA回歸需要使用Frontier 4.1軟件,并進行計算:

(4)

(5)

(6)

(7)

(8)

2.3 投入冗余分析

3 指標選擇與數據來源

3.1 指標選擇

在構建綠色科技資源配置效率體系方面,本文根據綠色科技資源配置的內涵和結構,從投入和產出兩個方面進行構建。其中,產出又分為期望產出和非期望產出兩部分。在三階段DEA過程中,選擇影響綠色科技資源配置效率的三個科技創新環境因素來排除外部因素的影響,見表1。

表1 綠色科技資源配置效率指標體系和科技創新環境因素

3.2 數據來源

為了更好地反映桂林綠色科技資源配置效率,本文選擇廣西壯族自治區14個地級市2004—2014年的面板數據,在綜合考慮數據可得性、指標選取代表性和統計口徑一致性的基礎上,測度了廣西14個地級市2004—2014年不同時期綠色科技資源的配置效率。以上數據分別來自2005—2015年的《中國城市統計年鑒》、《廣西統計年鑒》、《中國區域經濟統計年鑒》、《桂林經濟社會統計年鑒》。

4 綠色科技資源配置效率測算結果及分析

4.1 綠色科技資源配置效率測算

第一階段運用MaxDEA Pro軟件對廣西14個地級市2004—2014年未經調整的綠色科技資源配置效率進行測算,測算結果見表2。

第二階段使用Frontier4.1軟件進行SFA回歸,分析所選科技創新環境因素對各投入松弛量的影響,得到βi、σ2和γ的最大似然估計值,回歸結果見表3。

由式(4)和式(5)可知,Gamma值越大越顯著,表明使用隨機前沿模型較合理。表3中的Gamma值都大于0.88,說明使用隨機前沿模型是合理的,且每個似然比LR都通過了1%的顯著性檢驗,表明投入要素松弛量和所選擇的環境要素之間存在顯著的關系,使用三階段DEA模型來剔除科技創新環境因素的影響是可行的。在以上四個回歸中,回歸系數為負時,表示環境變量增加會導致投入變量的松弛量減少,即縮小實際投入量與最優水平的差距,因此環境變量對投入變量具有正向影響,反之則相反。

表2 第一階段:調整前廣西14個地級市2004—2014年綠色科技資源配置效率

表3 第二階段:科技創新環境因素對投入松弛量影響的SFA估計結果

(續表3)

項目科學研究、技術服務從業人員數松弛量財政科學支出 松弛量固定資產投資 松弛量國際互聯網用戶數 松弛量Sigma2 0．237 (10．077)??? 4．336×107 (4．335×107)??? 9．962×1012 (9．962×1012)??? 3．572×1011 (3．572×1011)???Gamma 0．989 (183．782)??? 0．935 (69．672)??? 0．887 (38．661)??? 0．886 (38．919)???Log-likehoodfunction 69．663-1．451×103-2．444×103-2．180×103LRtestofone-sidederror 120．781??? 111．241??? 36．692??? 58．247???

注:“***”、“**”和“*”分別表示在1%、5%和10%的水平下顯著;括號內為對應的t統計量。

進出口占GDP比重:該變量對財政科學支出和固定資產投資的松弛量系數為負,且在1%顯著水平上顯著,說明進出口占GDP的比重對地方公共財政支出和固定資產投資具有正向影響;而對科學研究、技術服務從業人員數和國際互聯網用戶數的松弛量系數為正,且在1%顯著水平上顯著,說明進出口占GDP的比重對科學研究、技術服務從業人員數和國際互聯網用戶數具有負面影響。因此,進出口占GDP的比重對綠色科技資源配置的四個投入量產生顯著影響,但這種影響的表現具有較大的差異性。

第三產業比重:該變量對科學研究、技術服務從業人員數、財政科學支出和固定資產投資的松弛量系數為正,但僅對財政科學支出和固定資產投資的松弛量在1%的水平上顯著,說明第三產業的比重提高不利于縮小這三項投入量與理想投入量的差距。相反,該變量對國際互聯網用戶數的松弛量系數為負,并且在1%的水平上顯著,說明第三產業的比重提高有利于縮小國際互聯網用戶數投入量與理想投入量的差距。總之,第三產業的比重提高不利于廣西各城市的綠色科技資源配置效率的提高,這可能是因為廣西各市的第三產業發展相對較好,但第二產業較中東部地區相對落后,導致經濟發展結構不合理,如果依然提高第三產業比重,會降低廣西各市的綠色科技資源配置效率。

萬人高等院校在校生人數:該變量對財政科學支出、固定資產投資和國際互聯網用戶數的松弛量系數為負,且在1%的水平上顯著,說明該變量對這三項投入量有正向影響。該變量對科學研究、技術服務從業人員數的松弛變量系數為正,但僅在10%水平上顯著。所以,該變量對廣西各市的綠色科技資源配置具有正向影響,即萬人高等院校在校生人數增加會提高廣西各市的綠色科技資源配置效率,因為該變量衡量了區域人才儲備情況,而人才是科技創新戰略的基礎,與理論相符。

綜上所述,本文所選擇的進出口占GDP的比重、第三產業比重和萬人高等院校在校生人數三個科技創新環境變量對不同決策單位投入的松弛量的影響具有差異性,且影響顯著，因此必須調整原來的投入變量,排除外部環境和隨機因素的影響,才能反映出各城市真實的綠色科技資源配置效率水平。利用第二階段所得的參數估計值,并根據理論部分的式(6)—(8)計算得到調整后的廣西14個地級市2004—2014年的綠色科技資源配置效率值,見表4。

表4 第三階段:調整后廣西14個地級市2004—2014年綠色科技資源配置效率

對比表2和表4可見,剔除科技創新環境因素和隨機因素的影響后,廣西14個地級市的綠色科技資源配置效率值發生了不同程度的變化,各市的排名也略有變化,其中綠色科技資源配置最有效率和最穩定的城市為北海,排名穩居前列;2004—2014年桂林、柳州、玉林三市的效率在不斷增長,而百色和防城港兩市呈下降趨勢;南寧、賀州、欽州和梧州三市的效率表現不穩定,呈波動狀態;崇左、來賓、河池和百色四市的效率表現較差,有待提升。

4.2 綠色科技資源配置效率分析

2004—2014年桂林市綠色科技資源配置效率均值在廣西14個地級市中排名第九位,屬于效率較低的城市。因此，為了分析桂林市綠色科技資源配置效率的表現,單獨對桂林市2004—2014年的效率測度值和投入—產出冗余進行分析。從圖1可見,經科技創新環境因素調整后,桂林市綠色科技資源配置效率值發生了改變,說明進出口占GDP的比重、第三產業比重和萬人高等院校在校生人數這三個科技創新環境變量對桂林市的綠色科技資源配置效率具有影響。同時,桂林市的綠色科技資源配置效率整體在波動中上升,經調整之后的綠色科技資源配置效率由2004年的排名第十位上升到2014年的排名第四位,并且在2013年和2014年成為綠色科技資源配置有效率的城市。

圖1 桂林市2004—2014年綠色科技資源配置效率調整前后對比

2004—2012年,桂林市的綠色科技資源配置效率整體較低,可能是由于投入和期望產出不足,或是非期望產出冗余;也可能是因為在桂林市的產業結構中第三產業尤其是旅游業所占的比重較大而第二產業發展相對薄弱,產業發展不均衡。在科技資源配置效率的衡量體系中,服務業的大力發展僅帶來環境方面的提升。即非期望產出“三廢”減少,但對科技投入和期望產出并沒有帶來積極影響。

表5 桂林2004—2014年投入產出冗余率

2013年和2014年桂林市綠色科技資源配置效率有了顯著提高。從《廣西統計年鑒》得到的各項數據顯示,桂林市的科技創新投入和期望產出一直穩步升高,環境污染程度在逐年改善,雙向作用使桂林市的綠色科技資源配置效率得到了顯著提升;桂林市在科學研究、技術服務從業人員數、財政科學支出、固定資產投資和國際互聯網用戶數方面的投入增加得益于桂林市近幾年重視第二產業發展的產業政策和鼓勵科技創新的發展戰略,加上桂林市的經濟開放程度和人才儲備等外部環境的改善，對綠色科技資源配置效率起到了積極的作用。為了進一步分析桂林市科技資源配置無效率的來源,對桂林市綠色科技資源進行投入—產出冗余分析,見表5。

由表5可見,桂林市綠色科技資源配置無效率主要來源于投入和非期望產出不足。在綠色科技資源配置的四個投入方面,桂林市2004—2012年的科技資源投入不足率達到了50%左右,說明桂林市的綠色科技資源投入嚴重不足,需要加大對科技資源的投入量;2013年和2014年桂林市科技資源投入出現了轉折,說明桂林市開始加大對科技發展的支持力度,加大了對科技資源的投入。期望產出方面,桂林市2004—2012年的期望產出不足率基本為0,僅有個別年份如2005年、2006年、2011年和2012年在Y1上出現了產出不足的情況,期望產出不足率小于20%;2013年和2014年期望產出Y2超過基本有效值,出現了超效率的情況,說明桂林市在檢索科技論文數和三大專利申請數等科技創新研究方面的成果顯著。在非期望產出方面,桂林市2004—2012年的非期望產出不足,工業廢水排放量不足率平均為45%左右,工業二氧化硫排放量不足率平均為60%左右,工業煙(粉)塵排放量不足率也在40%左右,說明桂林市的工業污染排放并不嚴重,從側面反映了桂林市工業產能不足的缺陷,說明桂林市在工業方面仍然有較大的發展空間, 2013年和2014年已出現了轉折。

桂林作為全國重點的旅游城市,歷年來重視旅游業發展和環境保護,導致第三產業比重較大,工業產能不足,無法帶動科技創新發展。同時,桂林市在科技創新研究成果方面成效不顯著,說明缺乏與科技創新相匹配的產業導致產學結合不夠緊密,科技成果轉化率較低,科研優勢未有效轉化為產業創新優勢。

5 結論與政策建議

5.1 結論

本文將三階段DEA和Super-SBM模型相結合對廣西省14個地級市2004—2014年的綠色科技資源配置效率進行了測度,在此基礎上重點分析了桂林市綠色科技資源配置效率變化趨勢和無效率構成情況,從中可得到以下結論:①廣西14個地級市的綠色科技資源配置效率受進出口占GDP比重、第三產業比重和萬人高等院校在校生三個科技創新環境因素的影響顯著。其中,進出口占GDP比重的影響較復雜,但具有顯著影響;第三產業比重對綠色科技資源配置效率有負面影響;萬人高等院校在校生對其有正向影響。②在廣西14個地級市中,北海的綠色科技資源配置效率最高,并在2004—2014年穩居前列;2004—2014年桂林、柳州和玉林的效率不斷提高,綠色科技資源配置表現良好,但其他10市的綠色科技資源配置表現欠缺,說明廣西在綠色科技資源配置方面有待進一步提高。③2004—2014年桂林市的綠色科技資源配置效率在波動中上升,但整體效率水平較低,與有效率水平的差距較大,說明桂林市在綠色科技資源配置效率方面仍然有較大的提升潛力。對桂林市綠色科技資源配置無效率的來源進行分析，發現無效率主要是由于科技資源投入不足和污染等非期望產出不足,而科研成果等期望產出表現良好,說明桂林市的主要問題集中在對科技資源投入不足、產業發展不均衡和科技成果無法有效轉化為生產力方面。

5.2 政策建議

針對以上問題,提出以下建議:①聚焦重點產業技術領域,大力發展第二產業,完善產業結構。桂林市經濟發展的一個重要問題是缺乏產業,無核心競爭力產業,經濟增長方式為粗放型,而科技創新需要相匹配的產業才能使產業融合創新。因此,政府應有針對性地在高新技術、戰略性新興產業、現代農業、文化科技、民生等領域重點發展技術含量高、創新性強和經濟效益明顯的前沿產業,帶動整個產業鏈協調發展。②萬眾創新,產學結合。地區政府可充分利用國家支持科技創新的契機,增加科技創新方面的投入,設立引導基金,加強重大科技創新平臺建設,以此增強領軍企業、高校和科研機構的自主創新能力,最終形成“政府引導,企業為主,人才為基礎”的萬眾創新局面。同時,各高校和科研院所的科技研究應更多地結合實際產業發展的需求,避免各科技院所自成體系,科學研究與實際脫節。因此,政府應大力支持企業與高校的研究成果轉讓、委托開發、合作開發等多種形式的產學研合作,促進技術成果交易平臺,積極推進技術交易市場、知識產權交易所等中介體系建設,進一步完善以企業為主體、市場為向導、高校院所共同參與的產學研用協同創新的體系,推動人才、技術與資本、市場的有效對接,促進更多創新成果向現實生產力轉化。③注重人才培養和人才引進,注重高層次和高技能人才隊伍建設。西部偏遠地區屬于人才輸出型城市,人才流失問題相對嚴重。針對人才問題,政府一方面應制定人才培養計劃,培養一批高素質人才，如圍繞創新發展需要,制定切實可行的引進人才配套政策,優化工作環境和激勵評價機制,吸引和留住高層次人才；另一方面,企業也應提高人才意識,重視人力資本的作用,采用靈活多樣的方式引進各類稀缺人才。

[1]Tone K.A Slacks-based Measure of Super——Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research,2002,143(1)∶32-41．

[2]Andersen P,Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science,1993,39(10)∶1261-1264．

[3]楊洪濤.上海市普通高校科技資源配置效率評價[J].科技管理研究,2008,28(2)∶120-122.

[4]賈巖.基于Cross-efficiency DEA算法的區域科技資源配置效率測算研究[J].現代情報,2009,29(2)∶219-221.

[5]康楠,鄭循剛,母培松.基于組合評價的我國區域科技資源配置效率研究[J].華中科技大學學報(社會科學版),2009,23(6)∶79-83.

[6]孫緒華,陳詩波,程國強.基于Malmquist指數的國有科技資源配置效率監測及其影響因素分析[J].中國科技論壇,2011，(3)∶21-27.

[7]顏莉.我國區域創新效率評價指標體系實證研究[J].管理世界,2012,(5)∶174-175.

[9]范斐,杜德斌,李恒,等.中國地級以上城市科技資源配置效率的時空格局[J].地理學報,2013,68(10)∶1331-1343.

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

[10]鐘祖昌.研發創新SBM效率的國際比較研究——基于OECD國家和中國的實證分析[J].財經研究,2011,(9)∶80-90.

[11]支燕,鄧忠奇,王元明.剔除環境干擾的各省市技術創新效率研究——基于三階段SBM模型的實證分析[J].產業組織評論,2013,(4)∶63-72.

[12]黃毅.創新環境視角的我國省市技術創新效率分析[J].科技管理研究,2014,34(7)∶6-13.

[13]Zheng J,Liu X,Bigsten A.Ownership Structure and Determinants of Technical Efficiency：An Application of Data Envelopment Analysis to Chinese Enterprises(1986—1990)[J].Journal of Comparative Economics,1998,26(3)∶465-484.

[14]Cooper,William W.Data Envelopment Analysis[Z].Handbook on Data Envelopment Analysis.Springer US,2004∶1-39.

[15]成剛.數據包絡分析方法與Max DEA軟件[M].北京：知識產權出版社,2014.

[16]潘丹,應瑞瑤.中國農業生態效率評價方法與實證——基于非期望產出的SBM模型分析[J].生態學報,2013,33(12)∶3837-3845.

[17]李靜,程丹潤.中國區域環境效率差異及演進規律研究——基于非期望產出的SBM模型的分析[J].工業技術經濟,2008,27(11)∶100-104.

[18]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,2008,25(7)∶80-91.

[19]陳巍巍,張雷,馬鐵虎，等.關于三階段DEA模型的幾點研究[J].系統工程,2014(9)∶144-149.

[20]鄧波,張學軍,郭軍華.基于三階段DEA模型的區域生態效率研究[J].中國軟科學,2011,(1)∶92-99.

[21]張銘慎,王保林.基于Super-SBM三階段DEA的政府Ramp;D扶持效率測度——兼析企業Ramp;D支出水平對其影響[J].科學學研究,2013,31(1)∶58-66.

[22]戴永安,董剛.基于三階段DEA模型的中國城市效率研究[J].技術經濟,2012,31(7)∶111-117.

ZHANG Jian-qing,BU Shu-di

(School of Economics and Management,Wuhan University,Wuhan 430072,China)

The allocation efficiency of green Samp;T resource was affected by the external environment and random factors.In order to eliminate the influence,this paper proposed three-stage SBM-DEA based on Super-SBM model to measure the allocation efficiency of green Samp;T resource of 14 cities in Guangxi during the period from 2004 to 2014.This paper demonstrated that:The proportion of tertiary industry was beneficial to the allocation efficiency of green Samp;T resource,on the contrary the ten thousand students in institutions of higher learning played a negative role while the influence of the percentage of the import and export trade in GDP on the allocation efficiency of green Samp;T resource was complex.At the same time,after measuring the allocation efficiency of green Samp;T resource,the results showed that the allocation efficiency of green Samp;T resource in Guilin City presented a fluctuated upward trend.Besides,through the analysis of the input-output redundancy in Guilin City,this paper found that the main factors that influenced the allocation efficiency of green Samp;T resource in Guilin were the insufficient in inputs and the lack of core industries matching with Samp;T,so the rate of Samp;T achievement conversion was low,the combination of production,education and science research was not close.As a result,the government of Guilin could improve the allocation efficiency of green Samp;T resource by increasing education and Samp;T investments,developing industries with core competitive power and fostering talent.

allocation efficiency of green Samp;T resource;three-stage SBM-DEA model;Guilin City

2016-11-23；

2016-12-09

國家自然科學基金項目(編號:41501141);湖北省軟科學研究計劃項目(編號:2015BDF010)。

張建清(1963-),男,河南省平頂山人,教授、博士生導師,研究方向為區域經濟學。

卜書迪(1990-),女,河南省安陽人,碩士研究生,研究方向為中國對外貿易。

F062.1

A

1005-8141(2017)01-0001-07