青島市科技投入產出效率分析

董興林　潘建　齊欣

[摘要]運用DEA-CCR方法對青島市科技投入產出效率進行分析，得到青島市科技投入產出無效的年份為3年，主要原因在于投入冗余及產出不足。青島市科技投入產出的純技術效率平均值為0988，低于規模效率的平均值0993，因而提高技術與管理水平更為緊迫。無效年份的規模效率在遞減，因而在提高科技產業規模的同時應注重規模的效率問題。

[關鍵詞]投入產出效率；DEA-CCR模型；純技術效率；規模效率

[DOI]1013939/jcnkizgsc201808021

1引言

隨著經濟社會的發展，科學技術對經濟增長的貢獻越來越明顯。青島市作為一個高校和科研院所較多的對外開放城市，科學技術對城市發展的重要性程度不言而喻。從青島市歷年的科技數據看，R&D經費投入從2001年的2158億元增長到2016年的26371億元，R&D全時人員從2001年的3825人年增長到2016年的49652人年；在科技產出方面，青島市歷年的專利申請量從2001年的2024件增長到2016年的59549件，技術市場成交額從2001年的621億元增長到2016年的10412億元，高新技術產業產值從2001年的543億元增長到2016年的762276億元。

然而在總量大幅增長的背后，投入產出的差距卻很大。科技投入方面，2001—2016年的16年間，科研經費增長了122倍，科研人員增加了130倍；科技產出方面，歷年專利申請量增長了294倍，技術市場成交額增長了168倍，高新技術產業產值增長了140倍。投入產出參差不齊，其效率問題就必然成為研究的重要方向。

科技投入產出的效率研究對于城市高新技術產業發展至關重要，通過對青島市科技投入產出的效率分析，可以研究投入產出的純技術效率和規模效率問題，找到制約當前投入產出效率的主要原因。

2文獻綜述

國內外研究投入產出要素的方法眾多，主要包括綜合評價法、計量方法和灰色關聯分析法。綜合評價法包括層次分析法（AHP）、數據包絡法（DEA）[1][2]，可以得到投入產出的相對效率，分析各投入變量對產出變量的重要性程度；計量方法包括自然回歸法（VAR）[3]、協整檢驗法[4]、Granger因果分析法[5]，運用計量方法可以分析各投入產出變量存在的長期關系，判斷投入產出的時滯期等；灰色關聯分析是對各子系統進行分析，尋求系統中各子系統之間的數值關系。[6]

目前比較流行的方法是DEA數據包絡法。馮鋒[7]采用鏈式網絡DEA方法對29個省份的科技投入產出效率進行分析，認為區域科技投入產出效率與區域經濟發展水平有一定的相關性。呂晨[1]運用DEA法對中國區域科技投入產出效率進行研究，認為中國各區域的技術效率比規模效率差別更大。李鴻禧[8]以DEA-t檢驗法對以企業為主體的科技創新效率進行評價之后，找到了影響效率的關鍵指標。

3數據來源與指標選取

筆者通過《青島市科學技術發展報告》《青島統計年鑒》《國家知識產權局統計年報》等選取科技投入、科技成果產出和產業產出數據。科技投入指標包括R&D全時人員RDP和R&D經費投入RDC；科技產出指標包括技術市場成交額TS（Technical Sales）、專利申請數PAQ（Patent Application Quatity） [9]、高新技術產業產值HTI（High and new Technology Industry）。據此，科技投入產出指標見表1。

4方法和模型選取

文章選取DEA數據包絡法對青島市2001—2016年進行科技投入產出效率分析。DEA用于每個決策單元（DMU）之間的相對效率并作出相應評價，得到每個DMU綜合效率的數量指標，并指出DMU非有效的原因和程度，判斷各DMU的投入規模是否適當，并給出各DMU調整投入規模的正確方向和程度。

DEA方法分為DEA-CCR法[10]、DEA-BCC法[11]、DEA-Malmquist法、基于超效率的三階段DEA分析法、DEA價值鏈角度分析5種類型。本文采取DEA-CCR法對青島市科技投入產出進行研究，具有以下三個優點：一是科技投入產出變量較多且量綱不同，DEA-CCR法可以很好地分析變量較多和量綱不同所帶來的問題；二是該方法既能研究科技投入產出的效率，又能提出提高效率的改進方向；三是文章選取的科技投入產出數據均來源于官方數據，采用CCR模型進行效率研究后，不需要再對環境因素這種不易獲取的數據進行研究分析，保證了研究的嚴謹性。

由于對偶性，若式（8）和式（9）都存在最優解，則兩者相等，即hj0*=θ*。若θ*=1，s+*=0，s-*=0，則說明該DMU有效，技術和規模同時有效；若θ*=1，松弛變量或剩余變量至少有一個大于0，則該DMU弱有效，技術和規模不能同時效率最佳；若θ*<1，則該DMU無效，技術和規模效率都不是最佳。

5實證分析

選取2001—2016年青島市科技投入產出數據，代入DEA模型，由DEAP進行分析，得到青島市科技投入產出在這16年間的效率值。其中，CRSTE為技術效率（即綜合效率），VRSTE為純技術效率，SCALE為規模效率。計算公式為：

由表2可以看出，青島市科技投入產出16年間的綜合效率平均值為0981，純技術效率平均值為0988，規模效率平均值為0993。說明16年間青島市科技投入產出效率整體較好。而年度綜合效率“無效”的年份有2003年、2008年、2009年，其純技術效率分別為0947、0921、0933，規模效率分別為0983、0962、0950。可以看出，更多的是由于純技術效率而導致綜合效率無效。通過這3年的DEA投影分析得到表3。

在青島市16年間的科技投入產出DEA效率評價中，有3年無效，其余13年有效，有效率達8125%；從投入看，無效3年的R&D全時人員和R&D經費投入都存在冗余情況，除了2003年技術市場成交額無產出不足外，其余2年各變量都存在產出不足的情況。由此可以看出，這3年DEA無效的原因是由于科技投入冗余和產出不足引起的；而純技術效率比規模效率低則說明相比于規模影響，技術與管理層面的影響更為重要；同時應該看到，2003年、2008年、2009年三年的規模效率逐漸下降，而這3年的投資額則是逐漸上升，說明青島市科技產業規模在逐年上升，而規模效率偶有下降，規模擴大的同時應該注重規模效率問題。

6對策與建議

第一，青島市科技產出效率總體較高，在未來的發展中應該根據科技活動特點和規律，區分資源配置的主體，改革現有科技投入方式，保證科技投入的有效性。

第二，青島市科技投入產出的純技術效率平均值小于規模效率平均值，說明在保證科技產出相對效率的過程中，提高技術與管理層面科研的應用水平更為重要，以保證科技產出目標的實現。

第三，青島市在提升科技產業規模的同時，應注重規模效率降低問題，正確把握科技投入的需求方向。

第四，青島市16年間出現3年無效的主要原因在于科技投入冗余且產出不足，這就需要在科技活動過程中進行控制，保證科技資源合理的有效利用，同時注重科技成果的及時轉化，保證產出目標的實現。

參考文獻：

[1]呂晨，曾明彬基于DEA的中國區域科技投入產出相對效率研究[J].科學管理研究，2014，32（2）：101-104

[2]劉廣斌，李建坤基于三階段DEA模型的我國科普投入產出效率研究[J].中國軟科學，2017（5）：139-148

[3]張歡，徐康寧基于VAR模型的外資、環境治理與經濟增長研究——來自全國1992—2012年時間序列數據的證據[J].軟科學，2015，29（8）：9-13

[4]張優智，黨興華研發投入與技術創新關聯性的動態分析——基于協整檢驗和狀態空間模型的研究[J].科技管理研究，2014，34（8）：8-13

[5]Qunli Wu， Chenyang PengA Hybrid BAG-SA Optimal Approach to Estimate Energy Demand of China[J].Energy，2017（120）：985-995

[6]劉勇，熊曉旋，全冰婷基于灰色關聯分析的雙邊公平匹配決策模型及應用[J].管理學報，2017，14（1）：86-92

[7]馮鋒，張雷勇，高牟，等兩階段鏈視角下科技投入產出鏈效率研究——來自我國29個省市數據的實證[J].科學學與科學技術管理，2011，32（8）：33-38

[8]李鴻禧，遲國泰基于DEA-t檢驗的以企業為主體的科技創新效率評價[J].中國管理科學，2016，24（11）：109-119

[9]Pekas A，Griliches ZPatents and R&D at the Firm Level：a Firm Look[J].Economic Letters，1980（5）：377-381

[10]江峰，張智豪，倪少權，等基于DEA-CCR模型的列車運行線效率計算方法研究[J].交通運輸系統工程與信息，2017，17（2）：154-159

[11]談毅基于DEA-BCC方法的我國高校科技投入產出效率研究[J].科技管理研究，2015，35（20）：106-111