基于二次超效率DEA的高新區經濟效率測量研究

尹翀 丁青艷

摘要：高新區是推動我國高新技術產業發展、創新創業和實施創新驅動戰略的重要載體，已進入“三次創業”階段。高新區效率測量既是科技管理工作的需要，也已經成為科技評價研究的熱點主題。將經典二次相對DEA模型同超效率DEA模型進行結合，建立基于二次超效率DEA的高新區經濟效率測量方法，在名義經濟效率基礎上挖掘高新區真實經濟效率。以2015年、2016年高新區數據為例進行了方法驗證與實證分析。研究表明，高新區名義經濟效率的主要驅動因素同所在城市或區域的環境、發展特征相關，高新區存在研發投入驅動型、人力資源驅動型和資產驅動型等；具有高真實效率的高新區在全國的分布較為廣泛，同其自身發展戰略、路徑選擇與資源轉化能力密切相關。綜合名義效率與真實效率分析，山東省高新區效率不平衡性較強，進一步從優化山東省高新區資源投入與輸出轉化方面獲得了幾點啟示。

關鍵詞：高新區；數據包絡分析（DEA）；二次超效率DEA；名義效率；真實效率

中圖分類號：C931；F20 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2018.04.003

0 引言

高新區是推動我國高新技術產業發展、創新創業和實施創新驅動戰略的重要載體。截至2016年年底，全國共有146家國家級高新區和蘇州工業園（146+1家高新區）。《國家高新技術產業開發區“十三五”發展規劃》預期“十三五”末我國高新區數量將達到240家的規模。國家級高新區正處于經濟總量不斷擴大，影響力不斷增強的蓬勃發展階段。在全球科技創新浪潮興起和經濟增長模式發生深刻變革的背景下，高新區的發展形勢也出現新變化，對高新區創新驅動發展提出了新要求。而高新區創新能力與發展狀況的全面有效評價不僅是科技管理工作的需要，也是科技評價研究的熱點主題。

自2011年國家高新區進入“三次創業”階段后，“一個行動”（“創新發展戰略提升行動”）和“兩個工程”（“創新型產業集群建設工程”和“科技服務體系火炬創新工程”）是新時期國家高新區的主要工作任務。國家科技管理部門更加重視和支持對于高新區創新發展監測與評價方面的研究與實踐工作開展。最具代表性的是2013年國家科技部火炬高技術產業開發中心和中國高新區研究中心共同研究制定的《國家高新區創新能力評價指標體系》，其側重展示國家高新區創新發展的細節特征，利于在各類國家高新區群體間尋找差距、樹立科學的發展目標導向（科技部火炬高技術產業開發中心等，2017） 。當前，在國家高新區由注重數量與規模擴張轉向著重創新驅動與發展績效提升的背景下，對于高新區創新發展效率方面的測量與評價則具有更加重要的理論意義與實踐價值。基于投入產出指標的DEA效率測量已是高新區創新發展評價方法與應用研究的重要基礎。不同的DEA評價與模型方法的側重點與針對問題都具有較大差異，如基于BBC–DEA模型（王藝明，2003；王丹，2008；謝子遠，2011）、CCR-DEA模型（權進民等，2008；潘小煒，2011；歐光軍等，2013）、三階段DEA模型（劉滿鳳等，2016；劉俊玲，2016）、共享投入型兩階段DEA模型（周霞等，2017）、SBM動態網絡DEA模型（鄭玉雯等，2018）等，這些研究分別著重區分了不變與可變規模報酬，綜合技術效率、純技術效率與規模效率等不同性質效率，以及考慮了初始投入共享、中間投入追加與中間產品部分退出，連接性變量與跨期活動因素等方面。而多樣性、綜合性及演化程度更深的高新區DEA效率測量方法有利于從多個視角考察與認識高新區創新發展的規律與趨勢。

在已有研究基礎上，本文嘗試將經典的二次相對DEA模型同超效率DEA模型進行結合，建立基于二次超效率DEA的高新區經濟效率測量方法。并以2015年、2016年高新區數據為例進行了方法驗證與實證分析，并獲得幾點研究啟示。本研究豐富了高新區的DEA效率測量模型體系，能夠為高新區創新提升和管理優化提供方法支持。

1 方法與模型

將二次相對DEA模型同超效率DEA模型進行結合，建立二次超效率DEA方法模型，以實現對高新區名義效率和真實效率的深入分析。主要步驟包括高新區投入-產出指標選取、超效率DEA分析和二次超效率DEA分析。

1.1 投入-產出指標選取

DEA效率評價的關鍵是選取合適的投入指標和產出指標。部分具有代表性研究成果中高新區評價的投入指標與產出指標選擇情況如表1所示。

表1 高新區投入與產出指標選擇的代表性成果

學者 DEA投入指標 DEA產出指標

王藝明（2003） 建筑竣工面積、企業數、員工人數 技工貿總產值

權進民等（2008） R&D;支出額、科技經費支出額和從事科技活動人數；中高級職稱人數、大專以上學歷人數、基建投資總額和累計竣工面積；億元工業產值廢水排放量、億元工業產值固體廢物排放量和億元工業產值廢氣排放量 總收入、工業總產值、稅收總額、出口創匯額和產品銷售收入5項指標綜合而成的經濟發展指數

王丹（2008） R&D;經費投入、R&D;人員投入 申請有效專利數、新產品銷售收入/年銷售收入、出口銷售收入/年銷售收入

謝子遠（2011） 年末資產、R&D; 費用及科技活動支出、科技活動人員數和中高級職稱人員數 GDP 、技術收入

潘小煒（2011） 企業數、年末從業人員數、R&D;經費支出 工業總產值、上交稅款、創匯總額

歐光軍等（2013） 從業人數、固定資產投資總額 規模以上工業主營業務收入、規模以上工業增加值、出口總額

馬麗莎等（2015） 高新技術企業從業人員數、高新技術企業數 高新技術企業出口總額、高新技術企業總收入

劉滿鳳等（2016） 科研活動人員、科技活動經費支出、年末固定資產 工業總產值、出口創匯、技術性收入

劉俊玲（2016） 從業人員人數、R&D;經費內部支出、科技經費內部支出、技術改造經費、R&D;人員內部當量、新增固定資產、投資額、新產品開發經費支出 新產品銷售收入、新產品出口額、專利申請數

周霞等（2017） R&D;經費內部支出、R&D;人員全時當量 新產品銷售收入

鄭玉霞等（2018） 員工人數、研發支出 產品和商品的銷售收入、科技收入

高新區最重要產出是經濟產出，其投入除包含一般要素投入外，作為科技創新的區域載體與平臺，科技投入也需要包含在內。本文參考上述研究，從指標相關性、信息冗余性和數據可得性等方面綜合考慮，并結合C-D型生產函數原理選取高新區勞動力、固定資產和研發經費作為具有代表性的投入指標，分別描述一般要素投入與科技要素投入；選取總產值、營業收入和利潤作為具有代表性的產出指標，分別描述全部產出、市場有效產出和凈產出。

1.2 超效率DEA分析

傳統DEA主要將DMU區分為DEA有效單元和DEA無效單元兩個類別，但是DEA有效單元之間卻無法比較和進一步區分。對于此問題Andersen與Petersen（1993）提出超效率DEA模型（Super-DEA）。其主要特點是在區分有效單元和無效單元基礎上將有效單元進行進一步區分，主要原理是在于評價該單元時將其不包含在樣本單元集合之內。超效率DEA無效單元效率值同普通DEA測量結果相同，而有效單元根據其擴張比例的不同而獲得區分。超效率DEA也可進行投入導向與產出導向的區分，基于BCC投入導向的徑向超效率Super-BCC-I模型形式為

其中，，，分別為高新區投入向量和產出列向量。，，，，都為多維（維數分別由投入指標數量和產出指標數量決定，本研究中維數為3）列向量。e為各元素都為1的多維列向量，為非阿基米德無窮小量。n為樣本數量（高新區數量）。為待考察的特定的目標單元（高新區）。基于Super-BCC分別計算高新區的參考期超效率數值和目標期的超效率數值。將由原始投入和產出要素計算獲得的效率稱為一次超效率或名義效率。，分別為參考期和目標期的名義效率，其數值越高，對應高新區對應時期的名義經濟效率越高。

1.3 二次超效率DEA分析

二次相對效率DEA由馮英浚與李成紅（1995）提出，主要基于消除由于客觀條件優劣而對效率評價所造成的影響，以體現管理決策單元因管理能力而產生的效率差異，實現合理評價決策單元的“管理有效性”。其投入指標為樣本參考期的一次效率值，產出指標為樣本目標期的一次效率值。如果將其投入與產出指標的一次普通效率值替換為一次超效率值，則可構建二次超效率DEA模型。

首先考慮樣本（高新區）的超效率狀態，設為樣本高新區的效率狀態可能集，則

效率狀態可能集一定為凸集，即如果且，則

將二次相對效率DEA模型結合超效率DEA模型，則基于BCC投入導向的徑向二次超效率Super-BCC-I模型的基本形式為

其中，將由參考期一次超效率為輸入要素，目標期一次超效率為輸出要素計算獲得的效率稱為二次超效率，或真實效率。則為高新區的二次超效

率（真實效率）值，數值越高，高新區的真實效率越高。

因此，基于二次超效率DEA模型分析的主要過程如下：首先，根據研究需要和可行性分別選取參考期與目標期的投入指標和產出指標，基于原始投入與產出指標進行一次超效率DEA分析，獲得參考期與目標期的一次超效率或名義效率數值。進一步，以參考期一次超效率為輸入，以目標期一次超效率為輸出，獲得二次超效率或真實效率數值。最后結合高新區一次與二次超效率數值進行綜合分析。

2 實證分析

2.1 數據來源

根據上述分析，投入指標包含三個，分別是（I1）年末從業人員（人）、（I2）年末資產（千元）、（I3）R&D;經費內部支出（千元）。產出指標包含三個，分別是（O1）營業收入（千元）、（O2）工業總產值（千元）、（O3）凈利潤（千元）。數據全部來源于2016年和2017年《中國火炬統計年鑒》的2015年和2016年數據，年鑒中共包含高新區146家。經梳理與初步試算，從數據完整性及構建前沿面的穩定性上綜合考慮，在樣本中刪除延吉、吉林、齊齊哈爾、昆明、石嘴山、本溪、延吉、黃河三角洲、長治9家高新區。最終分析對象共包括137家高新區。數據計算分析采用Cooper等（2006）開發的DEA模型分析工具。

2.2 描述性分析

（1）投入產出指標變化基本特征

各高新區指標數據基本特征如表2所示。整體來看，由于2015年和2016年我國供給側結構性改革已進入深化期，而高新區也進入創新發展新階段，因而同一指標不同高新區的變化特點差異性較大，呈現外部環境劇烈變化下高新區發展的不穩定、不平衡性特征。遼寧省除沈大國家高新區外，大多數經濟產出指標都為負增長。北京中關村、上海張江、武漢東湖、成都、西安、珠三角、長珠潭、蘇南（包含南京、無錫、常州、蘇州、鎮江五個國家創新型試點城市）、山東半島等國家創新自主示范區的經濟產出指標則大多保持持續穩定的增長態勢。

（2）變量相關性。

投入指標與產出指標的相關系數由表3所示，除年末資產和工業總產值的相關系數低于0.8外，其他指標之間的相關系數數值都較高于0.8。總體上看，投入指標同輸出指標的相關性較強且顯著，適合進行DEA分析。

2.3 一次超效率DEA分析

一次超效率DEA分析結果如表4所示。北京中關村、上海張江、武漢東湖等傳統上實力較強的高新區排名都在20名以內。但是發現榆林、吉安、玉溪、北海、烏魯木齊等高新區排名也較靠前列。上述高新區存在兩種情況：一是研發投入強度水平（R&D;內部經費支出/年末總資產）較高于平均水平，如臨沂（2015年為3.68%，2016年為3.57%）、吉安（2.09%）較高于平均水平（2015年為1.3%，2016年為1.36%），屬于高研發驅動增長型；二是人力投入強度水平（期末從業人員/期末總資產）較低，如烏魯木齊（2015年為0.03%，2016年為0.03%）、榆林（2015年為0.02%，2016年為0.01%）等大大低于2015與2016兩年的0.05%的平均水平，屬于高投資驅動增長型。而北海的人力投入水平（2015年0.19%，2016年0.14%）則遠高于0.05%的平均水平，屬于高人力驅動增長型。從效率計算過程看，具有上述相似或共同特征的高新區基本互以同類高新區為參考集。

2.4 二次超效率DEA分析

二次超效率DEA基本分析結果如表5、圖1所示。通過二次超效率DEA分析，可以進一步消除高新區在發展模式、發展基礎水平等方面的差異性和投入與產出要素水平的短期波動性，反映高新區真實內在效率水平。其中，北京中關村、上海紫竹、紹興、北海和烏魯木齊等5個高新區經濟真實效率高于1，16個高新區經濟效率值高于0.8。而具有高真實效率的高新區呈現不同的發展模式。北京中關村、上海張江等具有較強的綜合實力和發展成為全球創新制高點的長期戰略定位。北海高新區傾向以人力資源投入為主，采取著重發揮高新技術服務業優勢的發展策略。烏魯木齊、貴陽、南寧等高新區著重于自身基礎設施建設以及產業投資帶動的發展路徑。臨沂、吉安、南通等高新區傾向采取創新高投入帶動及產業細分與特色優勢發揮的策略。而上海紫竹、紹興則傾向將生產與科技要素投入與組合進行全面優化，堅持綜合內在實力的持續性穩定提升。具有較高真實效率的高新區并不集中于特定省份或區域，而是分布于我國的北（北京中關村）、東（上海紫竹與紹興）、南（北海、貴陽、南寧等）、西（烏魯木齊、榆林等）、中（吉安）等不同經濟板塊，已顯著成為區域經濟的重要增長極。

從一次超效率和二次超效率綜合來看，2015到2016年山東省內的棗莊高新區一次超效率下滑最嚴重（由第25位下滑到第96位），而濟寧和威海則發生較大位次的上升。二次超效率排序最前列的為臨沂（17位）、濟寧（23位）和淄博（25位），這三個高新區在產業發展、產城融合、創新驅動發展和科技服務業的優化升級等方面的成效比較顯著。而棗莊高新區二次超效率則居于較靠后的位置（132位），競爭力有不足。山東省其他高新區二次超效率數值分布于0.56～0.64，這些高新區或者發展基礎好，處于成熟期和跨越期（如濟南、青島、濰坊等高新區），或者處于穩健成長期（如泰安），它們的名義效率和實際效率都較為穩定，在全國處于中游或中上游的位置。總體上，臨沂、濟寧、淄博高新區或者處于快速成長期，或者處于資源配置優化階段，其經濟效率提升顯著，真實效率水平較高。

3 結論與啟示

3.1 研究結論

基于上述研究發現：

（1）一次超效率DEA模型能夠對高新區，特別是對DEA有效的高新區單元的名義效率進行測量與區分。我國高新區名義經濟效率的主要驅動因素同所在城市或區域的環境、發展特征相關，據此高新區存在研發投入驅動型、人力資源驅動型和資產驅動型等。但是一次超效率深受高新區已有基礎和所處環境的影響，在動態考察其管理績效、政策作用、戰略調整等方面影響的能力則較弱。

（2）二次超效率DEA分析進一步能夠挖掘出高新區真實經濟效率。具有較高二次超效率的高新區在我國地域分布廣泛，同其自身發展戰略、路徑選擇與資源轉化能力密切相關，有利于成為我國區域經濟發展的效率帶動極。

（3）從名義效率與真實效率綜合看，山東省高新區經濟效率的不平衡性較強。濟南、青島、濰坊等基礎條件較好的高新區的雙效率從全國總體來看處于中游或中上游水平，發展的質和量都較好。而具有較好工業基礎或者位于資源型城市中的濟寧、淄博、萊蕪等高新區，則在供給側結構性改革和“雙創”的支持帶動下，名義與真實效率或排序都有不同程度提升，對其產業與所處城市經濟轉型發揮了較大的驅動作用。而同處于資源型城市的棗莊高新區的經濟效率水平較低，要素投入的調整優化及其發展瓶頸的查找與克服都需得到重視。但是與棗莊同處于山東省西部經濟隆起帶地區的臨沂高新區的經濟效率較高。

進一步調研分析發現，臨沂高新區在經濟總量上雖不具優勢（2016年在146個國家級高新區中工業總產值居于第45位，年末總資產居于第115位）。但在以下三個方面優勢明顯：第一，產城融合效應較好，區內與區外的資源互動性強（區外對區內勞動力的支持，區內對區外創新資源的溢出），高新區基礎設施與生產生活的協調性較好；第二，高新技術產業規劃與發展主要定位和結合本地的資源優勢與產業基礎，資源聚焦，尋求細化和特色，建立差異化優勢，著重以高新技術產業發展帶動城市產業結構升級；第三，重視和強化科技投入的貢獻（2017年R&D;投入占GDP比重為6.04%），全區不斷積聚科技孵化優勢，科技服務業快速提升，走上一條較好的創新發展路徑。

3.2 對策啟示

在以上研究基礎上可獲得幾點啟示：

（1）在國家推動經濟新舊動能加速轉換的背景下，山東省高新區要大力提升創新創業水平，促進創新鏈、創業鏈、資金鏈的深度融合，提高園區資源的投入與聚集質量。在共享經濟、信息經濟、生物經濟等新動能領域，打造強大的科技企業孵化網絡和靈活高效的科技金融服務平臺，圍繞多層次“雙創”主體的培育吸納創新人才和創新資本。

（2）促進高新區同城市產業經濟發展互動，建設創新型產業集群，優化高新區資源轉化與輸出水平，促進城市經濟發展轉型，有效發揮對于西部經濟隆起帶、省會城市群經濟圈等區域經濟發展新舊動能轉換的驅動作用。將高新區高新技術主導產業的發展同城市、區域產業發展規劃與調整有機結合，不斷完善配套產業和高新技術服務產業，打造以高新區為中心的城市或地區級的垂直態創新型產業集群，構建園區同地區協同創新發展的強大產業與服務支撐體系。同時，完善高新區產業代謝機制，推動高新區內具有較高技術成熟性或穩定性產品市場的產業或非高新技術的產業將對應技術工藝、產品生產主動轉移區外，將創新資源集聚于高新區新產業或者產業新技術的“造血”能力培養上，深化高新區創新資源的使用效率，并促進具有多層次協作關系、技術層次分明的城市或地區水平態創新型產業集群不斷成長壯大。

（3）進一步關注高新區發展中的產城融合問題。發展水平較高的城市（如濟南、青島等城市的高新區）一般注重多方面優勢的全面發展，易于分散資源，是其總體經濟效率不夠突出、規模擴張與經濟效益不協調的重要原因（王霞等，2014），同時也并存產業人才的聚集不聚居、生態環境的高壓力及園區核心區域的住房與交通等基礎設施建設與使用的高成本等問題。對此，需要更加重視高新區自身綜合功能的完善和創新資源的配置優化，在保證產業發展需要的基礎上，圍繞“人”的需求，大力提升園區的社會綜合服務水平。

參考文獻：

[1] 科技部火炬高技術產業開發中心， 中科院科技戰略咨詢研究院中國高新區研究中心. 國家高新區創新能力評價報告[M]. 科學技術文獻出版社， 2017.

[2] 周海濤. 基于灰色關聯模型的創新集群識別評價研究——以廣州高新區為例[J]. 暨南學報（哲學社會科學版）， 2013， 35（7）：25-32.

[3] 王霞，王巖紅，蘇林，等. 國家高新區產城融合度指標體系的構建及評價——基于因子分析及熵值法[J]. 科學學與科學技術管理， 2014（7）：79-88.

[4] 尹翀，趙南哲. 高新區發展實力評價及對城市經濟帶動作用研究[C]. “創新驅動區域發展”全國學術研討會會議論文集.北京： 經濟管理出版社， 2017.

[5] 薛強， 王帥， 芮雪，等. 基于動態主成分分析法的國家高新區評價研究[J]. 科學管理研究， 2014（4）：48-51.

[6] 方玉梅， 劉鳳朝. 我國國家高新區創新能力評價研究[J]. 大連理工大學學報（社會科學版）， 2014， 35（4）：26-32.

[7] 秦可德， 徐長樂， 秦月. 基于層次分析法的張江高新區發展水平綜合評價研究[J]. 科技進步與對策， 2013（15）：128-132.

[8] 趙炎， 徐悅蕾. 上海市張江高新區創新能力評價研究[J]. 科研管理， 2017（s1）：90-97.

[9] 王藝明. 我國高新區的技術效率、規模效率與規模報酬[J]. 上海經濟研究， 2003（8）：46-53.

[10] 王丹. 基于DEA的東湖高新區技術創新績效評價[J]. 重慶文理學院學報（自然科學版）， 2008， 27（2）：84-87.

[11] 謝子遠. 國家高新區技術創新效率影響因素研究[J]. 科研管理， 2011， 32（11）：52-58.

[12] 權進民， 姚蘭， 史本山. 基于DEA的國家級高新區可持續發展能力評價[J]. 軟科學， 2008， 22（1）：75-77.

[13] 潘小煒. 基于DEA的我國高新區的產業集群效率研究[J]. 經濟論壇， 2011（10）：31-32.

[14] 歐光軍， 孫玉平， 簡利君. 基于DEA分析的高新區發展對策研究——以湖北省為實證分析[J]. 技術經濟與管理研究， 2013（3）：108-111.

[15] 馬麗莎， 鐘勇. 高新技術開發區綜合效率與城市經濟發展互動效應研究[J]. 經濟體制改革， 2015（3）：68-75.

[16] 劉滿鳳， 李圣宏. 基于三階段DEA模型的我國高新技術開發區創新效率研究[J]. 管理評論， 2016， 28（1）：42-52.

[17] 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.

[18] 周霞， 盤穎. 基于共享投入型兩階段DEA的國家高新區知識產權效率評價[J]. 科技進步與對策， 2017（21）： 30-36.

[19] 鄭玉雯， 薛偉賢， 王萌. 基于SBM動態網絡模型的中國高新區效率評價[J]. 長江流域資源與環境， 2018， 27（1）： 41-52.

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

[21] 馮英浚， 李成紅. 二次相對效益——衡量企業經濟效益的一種新指標[J]. 中國軟科學， 1995（7）：30-37.

[22] 科技部火炬高技術產業開發中心. 2016中國火炬統計年鑒[M]. 北京： 中國統計出版社， 2016.

[23] 科技部火炬高技術產業開發中心. 2017中國火炬統計年鑒[M]. 北京： 中國統計出版社， 2017.

[24] Cooper， W.W.， Seiford， L.M.， Tone， K. Data Envelopment Analysis： A Comprehensive Text with Models. Applications， References and DEA-Solver Software[M]. Springer： New York， 2006.

The Economic Efficiency Measurement of High-tech Zones：Based on the Binary-super DEA

YIN Chong1，DING Qingyan2

（1. Qilu University of Technology（Shandong Academy of Sciences）Institute of Science & Technology for Development of Shandong， Jinan 250014，China； 2. Qilu University of Technology（Shandong Academy of Sciences）Shandong Computing Science Center（National Supercomputer Center in Jinan）， Jinan 250101，China）

Abstract： High-tech zones are working on "the third pioneering"， which are the important platform to develop the new and high technology industries， to promote the innovation and entrepreneurship and to implement the innovation-driven strategy. The efficiency measurement in high-tech zones is not only the need of S&T; management， but also the hot topic on the research of S&T; evaluation. This paper proposes the binary-super DEA method， combining the classical binary DEA model with the super DEA model to measure the nominal economic efficiency and to reveal the real economic efficiency based on the nominal economic efficiency of the high-tech zone. Based on the data of high-tech zones in 2015 and 2016， the method is validated. The research shows that the main driving factors of the nominal economic efficiency of the high-tech zones are related to the urban or regional environment and development characteristics. It is found through this analysis that the high-tech zones include the ones of R&D; input-driven， human-driven and asset-driven. High-tech zones which have the highest real efficiency are widely distributed throughout the country. And their high real efficiencies are closely related to their own development strategy， path selection and the ability of resource transformation. According to the analysis of the nominal efficiency and the real efficiency， the efficiency of high-tech zones in Shandong is uneven distributed， and some policy implications are provided in the aspects of the optimization of the input， transformation and output of resource of high-tech zones in Shandong.

Keywords：high-tech zone；data envelopment analysis（DEA）；binary-super DEA；nominal efficiency；real efficiency