嵌套并聯結構兩階段DEA下科技創新效率測度與分解

熊 曦，關忠誠，楊國梁，鄭海軍

(1.中國科學院科技戰略咨詢研究院, 北京 100190；2.中國科學院大學公共政策與管理學院, 北京 100049)

1 引言

近年來，黨和國家把科技創新擺在了事關國家發展全局的核心位置，高校和科研機構作為科技創新體系中重要的組成部分，是知識創新和成果轉化的核心力量。科技創新是包含基礎研究、應用研究、試驗開發到科技成果商業化等一系列全過程[1]。因此科技創新活動的過程可以分為知識轉化階段和成果轉化階段，而知識轉化階段的產出往往作為成果轉化階段的投入要素之一[2]。上述研究認識到科技創新是從知識產生到轉化的全過程，但如果只是從理論上掌握了科技創新過程并不能從管理上實現有效提高，我們需要構建一個合適的模型或是方法框架來評估科研院所的科技創新效率。

科研機構是個多投入多產出的復雜系統，在評價的研究方法上一般分為非參數方法和參數方法兩種，DEA作為一種非參數的方法，無需事先確定生產函數關系、投入和產出權重等優勢被廣泛應用到科研機構的績效和效率測度中來。自從Charnes等提出DEA方法利用多投入多產出來衡量被評價對象的相對效率,在此基礎上大量的方法和應用研究得到發展。但是傳統的DEA模型忽視了被評價單元的內在結構和機理，而網絡DEA打開了黑箱，可以獲取更多詳細的信息，因此被廣泛應用在效率評價當中。其中兩階段DEA模型是近年來研究的一個熱點，每個DMU的內部是基于串聯的結構，以中間產品聯系起來，將第一階段的產出作為第二階段的投入。近幾年主要朝動態和靜態模型兩個方向不斷發展，動態模型是在靜態模型的基礎上加入了時間的維度，各期活動之間不再是割裂的而考慮了跨期的活動，并由單一生產過程逐步過渡到網絡結構復雜生產過程。而兩階段網絡結構的靜態模型也在不斷發展，從一開始應用傳統的DEA模型來衡量各階段的效率，但是正如Kao和Hwang[3],Liang Liang等[4]等指出將各階段視作獨立的階段忽視了兩個階段之間由中間產品帶來的潛在矛盾。隨后發展出多種方法和模型，如基于模型的拓展，Liang Liang等[5]提出了基于非合作博弈和合作博弈理論的基礎上的DEA模型，用于評價供應鏈中考慮制造商和經銷商之間博弈關系。Toneab[6]將非徑向衡量方法引入網絡DEA,由于傳統DEA模型徑向測量要求投入或產出的同比例變化，非徑向的SBM網絡模型允許投入或產出的非同比例變化。Kao[7]提出一般化兩階段DEA 模型，可以同時測算子階段的效率和投影點。如基于效率分解方法，整體效率是兩個子階段效率的產品，Kao和Hwang[3],Chen Yao等[8]分別提出了乘法分解和加法分解兩種方法。如發展網絡結構，Yu和Lin[9]將多活動與多階段相結合，試圖描述更為復雜的生產活動。Galagedera等[10]評估1999-2008年間美國共同基金家族的績效，除了凈資產價值作為中間產品外，第二階段還有基金規模、凈費用比率等作為第二階段的單獨投入。

近年來，關于利用兩階段DEA模型評價創新效率方面出現了許多研究，主要集中在：(1)技術創新效率研究。有學者側重于研究工業企業或是其他行業的創新效率，利用網絡結構刻畫其生產過程。如馬建峰和何楓[11]提出了存在中間產品退出和共享投入的多階段混合DEA，采用加權平均評價我國大中型工業企業的行業技術創新效率。Akther等[12]利用SBM模型和方向距離函數來評價孟加拉國銀行兩階段生產過程。韓松和蘇熊[13]等根據銀行業的運營特點，基于兩階段DEA模型的基礎上構建復雜網絡DEA評價銀行運營效率。王美強和李勇軍[14]等在評價第三方物流供應商的過程中，考慮了供應商具有的雙重角色要素并將其視為兩階段過程的中間變量。(2)區域創新系統效率研究。即研究國家或是地區的區域創新活動效率，對區域發展獻言獻策。Guan和Chen[15]評價過程導向的國家創新系統(NIS)將其分為知識產生過程和知識商業化過程，構建了關聯網絡兩階段DEA模型來評價NIS效率。杜娟和霍佳霞[16]等構建了人才培養和科技創新兩個階段，研究國內52個重點城市的創新能力，結果顯示長三角和珠三角區域的創新能力領先于其他區域。(3)科技機構投入產出效率。以高校或是科研院所為評價對象，打開黑箱，不再將科研活動視作投入產出的單一過程。如索瑋嵐等[2]選取2006-2013 年29 所985 高校為樣本研究高校科技資源配置效率，分析整體效率、知識轉化、成果轉化各階段下的效率。宋偉等[17]基于兩階段CCR-DEA模型研究高校R&D創新系統效率，分析研發產出和成果應用兩個子系統的效率。Lee和Worthington[18]構建一個兩階段網絡DEA來評價澳大利亞37所大學的研究生產過程，將其分為研究和經費申請兩個過程，基于兼顧數量和質量的評價標準上對大學進行排名分析。

盡管上述研究打開了傳統的黑箱，打開了創新活動系統的內部過程，將創新系統一般分為研發和轉化兩個階段，考慮了存在中間產品退出、共享投入等多種情形的復雜網絡，但是并沒有考慮打開某一階段嵌套并聯結構的網絡DEA。在現實生活中，科技成果轉化是鏈接研究開發過程和生產過程的階段，高校和科研機構可以通過轉讓、許可或者作價入股等方式，向企業或者其他組織轉移科技成果，探討不同轉移轉化方式下效率的高低有助于提高科技成果轉化效率，現有的兩階段DEA研究未探究科技成果轉化系統內部的轉化過程及運行機制。

為了評價科研院所的科技創新效率，本文將科技創新效率評估分為科技成果研發和科技成果轉化兩個階段，以往利用傳統兩階段DEA的研究將科技成果轉化階段視作黑箱，并不能反映科技成果轉化的內在活動和機理，本文將科技成果轉化階段分為內部轉化和外部轉化兩個子階段，兩者是并聯的子系統，并將專利看作是共享投入分配到兩個并聯子階段中，構建了兩階段網絡DEA模型。其次，以往的研究關于轉化階段產出評價指標上一般選擇衡量科技成果實現產業化的效率，本文更加側重于反映“是否轉化”的過程。因此，本文采取中科院14家科技成果轉移轉化優秀單位做實證分析，深入分析科研機構的科技創新效率和各階段效率，尤其是可以分析成果轉化階段下內部轉化和外部轉化效率的高低，獲得更多的詳細信息，從而提出針對性建議。

2 研究設計

2.1 構建兩階段嵌套并聯結構網絡DEA

圖1顯示了一個兩階段網絡DEA結構，在階段二中嵌套了存在共享投入的并聯結構。考慮DMUj(j=1,2,…,n)在第一階段時消耗m個初始投入xij(i=1,2,…,m)，產出zdj(d=1,2,…,D)和yr1j(r1=1,2,…,s1)，其中zdj是中間產品，既是第一階段的產出同時也是第二階段的共享投入。第二階段是由階段2.1和階段2.2并聯構成，DMUj在階段2.1和階段2.2分別消耗投入αdjzdj和1-αdjzdj，分別產出yr2.1(r2.1=1,2,…,s2.1)和yr2.2(r2.2=1,2,…,s2.2)。如果分配系數αdj=0，則中間產品作為投入全部被階段2.2消耗，如果αdj=1則中間產品作為投入全部被階段2.1消耗，因此參考Cook 和 Hababou[19]的設定，本文限定分配系數αdj的上界和下界，Ldj≤αdj≤Udj(d=1,2,…,D;j=1,2,…,n)。最后，中間產出的權重ηd在階段一和階段二之間的分配是一致的，這與Kao和Hwang[3]、Chen等[8]在兩階段模型中提出的假設一致，此外，階段2.1和階段2.2中消耗的是同一種投入，兩者的權重分配也一致。

圖1 嵌套并聯結構的兩階段網絡DEA概念模型

和

其中λ1+λ2=1。

2.2 整體效率模型

(1)

(2)

其中，?i，πd，μr2.1，μr2.2，μr1為未知非負權重。需要注意的是因為存在πdαdj,模型(2)仍是一個非線性規劃，通過定義βdj=πdαdj可以轉化為線性規劃。因此約束Ldj≤αdj≤Udj變為πdLdj≤βdj≤πdUdj,則模型(2)等價于下述線性規劃：

(3)

2.3 子階段效率模型

(4)

(5)

模型(6)和(7)在保證整體效率和階段一、階段二效率最優的情況下，求解子階段2.1和子階段2.2的效率。其中階段二中兩個子階段是并聯結構,以共享投入聯系起來，使用Charnes和Cooper轉化則得出：

(6)

(7)

3 基于模型的實證研究

3.1 科研院所科技創新效率階段劃分

制約科技創新效率的關鍵因素，不僅在于科研產出效率的高低，更是與成果擁有方的轉化效率有關。科技成果歷經了研究、中試、生產到產業化等多個環節才能實現從實驗室樣品向現實生產力的轉變。而轉化途徑非常多樣化，目前科研院所進行科技成果轉化普遍有以下三種模式：一是自行轉化，是指成果擁有者掌握核心技術自己辦企業或是研究所辦企業的方式；二是他人轉化，是指科技成果以合同的形式一次性交易有償轉讓給他人實施，多以專利權轉讓、專利實施許可等為形式；三是聯合轉化，成果擁有者多以技術入股等方式與企業、其他經濟組織或個人合作共同實施轉化[20-21]。本文將科技成果轉化方式依照成果的所有權和使用權的使用分為內部轉化和外部轉化兩方面，內部轉化即成果擁有者作為轉移轉化的合作方或承擔方，可以選擇通過自行轉化或是以技術入股為依托的聯合轉化方式來獲取科研回報。外部轉化即成果擁有者通過許可和轉讓等一次性有償交易模式轉讓給他人，自己不再掌握核心技術。因此科技成果研發階段衡量科研機構科研活動產出效率，科技成果轉化階段衡量科技成果轉化為現實生產力的效率，其中內部轉化衡量科研機構通過與地方企業合作、自辦企業等途徑進行轉化的效率，外部轉化則衡量知識產權轉讓、許可等效率。概念圖如圖2所示。

圖2 科技創新活動概念圖

3.2 指標的選取

指標體系如圖2所示，本文選擇R&D人員和R&D經費作為科技成果研發階段的投入指標，產出為科技成果指標，同時作為科技成果轉化階段的投入指標，進而轉化為科技轉化產出指標。

(1)投入指標：本文選擇專業技術人員作為R&D人員投入，它指聘任了專業技術職務或是專業技術職務見習期內的人員。科研活動內部經費支出作為R&D經費投入，它是指科研活動當年所消耗的經費。

(2)科技成果指標：科技成果研發階段產出分為中間產出和最終產出，其中專利授權數作為中間產出，因為專利既是科技創新活動的重要產出也是轉移轉化中的重要載體，因此既是第一階段的產出同時也是第二階段的投入。最終產出發表論文數是衡量科研成果研發效率的重要指標。

(3)科技轉化產出指標：科技成果轉化階段中最終產出由兩個子階段產出構成，內部轉化階段的產出指標為項目數和院所企業收入，主要反映了中科院院屬單位和地方企業合作轉化實施的項目數和當年產生的銷售收入；衡量外部轉化階段的產出指標為知識產權轉移轉化當年新增合同額，主要反映了以專利為主的知識產權轉讓、許可等產生的收入。以往研究中對科技成果轉化效率的評價側重于經濟化、產業化類指標，而本文在評價指標的選擇上通過內部轉化和外部轉化兩個途徑，直接體現是否轉化的過程，更加準確的衡量科研院所科技成果落地轉變為現實生產力的效率。

3.3 數據來源與數據分析

依據數據的可獲得性本文選取2015年度《中國科學院統計年鑒》科技成果轉移轉化前15個單位作為評價對象，這15個院屬單位與地方企業合作其銷售收入和利稅總額總計均超過全院的50%,是中科院與企業應用合作的典型。科技成果轉移轉化數據來自于中國科學院科技促進發展統計報告(2015)。由于中科院海洋所數據不全被剔除，最后選擇14個院屬單位作為DMU。基于科技成果研發和轉化具有時滯性的特征，本文假設有1年期的滯后，因此科技成果研發階段的投入指標選擇2013年的數據，其中間產出以及科技成果轉化階段的投入指標選擇2014年，最后產出指標選擇2015年的數據。本文數據來源于《中國科學院統計年鑒》(2013-2015)，《高等學校科技統計資料匯編》(2013-2014)，中國科學院科技促進發展統計報告(2015)。

4 實證結果分析

基于上述模型本文利用MATLAB軟件測算14家中科院院屬單位的科技創新效率及其各階段效率，其中本文設定階段一和階段二的權重不小于0.2，即a=b=0.2。此外，設定專利作為中間產品分配系數0.25≤αdj≤0.75，計算結果如表1所示。其中第二列顯示了整體效率值，括號內為排名，三到四列依次顯示了科技成果研發階段和科技成果轉化階段的效率值和排名，五到六列依次顯示了科技成果轉化階段下內部轉化和外部轉化的效率值和排名，最后三列顯示了最優權重和分配系數。

表1 14家中科院院屬單位科技創新效率及各個階段效率

4.1 與傳統兩階段效率的對比

通過與傳統兩階段模型的對比，本文發現兩種模型在整體效率值上差異并不大，圖3顯示在不同的模型下整體效率排名順序發生變化的DMU只有5家，而且變化幅度都在2以內，存在微小差距。但是本文提出的模型在科技成果轉化階段具有更大的區分度，如圖5所示轉化效率排名順序發生變化的DMU有12家，其中排名相差5位及以上的有三家單位分別是DMU4，DMU11和DMU14。傳統兩階段模型轉化效率均值為0.40而本文模型轉化效率均值為0.43，說明沒有考慮內部結構的評價會低估轉化效率。針對兩種不同模型下的結果本文利用Spearman相關分析進行檢驗，結果表明對于整體效率和科技成果研發效率名而言Spearman 相關系數統計值均大于0.98，具有強相關性，對于科技成果轉化效率而言Spearman 相關系數統計值為0.6659，相關性有所降低，同樣佐證了兩種模型在衡量轉化階段效率上具有差異性。

4.2 整體效率及其效率分解

根據表1結果顯示，14家中科院院屬單位的科技創新效率總體偏低，科技創新效率均值為0.6382，沒有一家單位科技創新效率達到有效，即沒有一家單位在科技成果研發效率和轉化效率上能夠達到同時有效。其中DMU4,DMU5和DMU8科技創新效率較高，其效率值均為0.8以上。而DMU10和DMU7科技創新整體效率比較低，其效率值沒有達到0.5以上。DMU10科技創新整體效率比較低，由于DMU10是大科學中心，大科學裝置具有的開放、共享特殊性未納入目前模型的共性產出指標中，因為其他DMU不具有這部分屬性。而DMU7的科技成果轉化效率排名遠遠高于科技成果研發階段的效率排名，這也與其創新研究院的定位相關，面向國家重大戰略需求，強調解決制約科技與經濟發展的重大問題，DMU7整體效率的降低是由于科技成果研發效率不高。本文利用Spearman相關性檢驗整體效率的排名和各階段效率排名，整體效率排名顯著的和科技成果生產階段的排名相關,其統計值為0.8281，因此科技創新非有效很大程度上受科技成果生成效率影響。

在第一階段，14家中科院院屬單位的科技成果研發效率均值為0.7468，高于整體效率的均值，但是各DMU間差異明顯，有6家科研院所科技成果研發效率值為1，有效DMU數量占到總數的43%,但是剩余DMU的科技成果研發效率都低于均值。其中從圖7可以發現DMU2，DMU4，DMU5，DMU6，DMU8，DMU13科技成果研發效率均為有效但是成果轉化效率都低于均值，兩者效率差較大；相反，科技成果研發效率非有效的8家單位中，有5家科技成果轉化效率高于均值，兩者效率差相對較小，尤其是DMU1，DMU3，DMU7其轉化效率反而高于成果研發效率。大部分樣本單位存在研發強轉化弱或是研發弱轉化強的現象。

在第二階段，樣本科研院所的科技成果轉化效率均值為0.4310，與科技成果研發效率均值相比偏低，DMU1，DMU3，DMU7的轉化效率比研發效率高，其中兩家單位是創新研究院的依托單位，這與創新研究院的定位相吻合。其余11個單位都是研發效率高于轉化效率。而且11家單位的轉化效率低于0.5，說明中科院14家院屬單位為例，科研機構在科技成果轉化方面還有很大的提升空間。科技成果轉化效率有效的只有DMU1，2015年專利授權數較高而且不論是內部轉化還是外部轉化的產出都是排名第一，尤其在外部產出上新簽訂轉移轉化合同金額超過5000萬元，遠遠超過均值873.955萬元。效率排名最低的是DMU13只有0.1328，其專利授權數排名第一但是在產出上不匹配，尤其是內部產出。

如圖8所示，科技成果轉化效率分為內部轉化和外部轉化兩個階段，其中內部轉化效率均值明顯高于外部轉化均值，可見由于外部轉化效率偏低從而影響了科技成果轉化效率。由于樣本來自于中科院科技成果轉移轉化前15個單位只反映了與地方企業合作情況較好的單位,所以內部轉化效率普遍偏高，但是在外部轉化上卻沒有相應的高效率，只有DMU1同時達到了內部轉化和外部轉化同時有效。說明在科技成果轉化方式的選擇上有一般有二擇一性。

圖3 兩模型對比下整體效率排名

圖4 兩模型對比下科技成果研發效率排名

圖5 兩模型對比下科技成果轉化效率排名

圖6 科技創新活動整體效率及效率分解

4.3 提高科技創新效率實現路徑

通過上述分析，樣本單位科技成果研發效率和轉化效率均值分別為0.7468和0.4310，因此本文以此為劃分界限將樣本單位分為四類，即高研發低轉化(D區)，高研發高轉化(A區)，低研發高轉化(B區)，低研發低轉化(C區)。沒有一家單位是處于高研發和高轉化類，因此對于處在其他三類模式的單位可以采取不同的效率實現路徑，主要有：(1)重點突破模式，針對效率相對較低的階段實行重點突破，通過提高薄弱階段的效率，從而實現整體的效率提升。如B→A和D→A。(2)漸進突破模式，針對兩個階段效率都偏低的情況下，先努力提高某一階段的效率，經過B區或D區的過渡，從而實現整體效率的提高。如C→B→A或C→D→A。對處于高研發低轉化的單位，如DMU2,DMU4,DMU5, DMU6，DMU8，DMU13，這幾個單位科技成果研發效率均為有效，但是科技成果轉化效率低于均值，則要以提高科技成果轉化效率為主，其中DMU2，DMU4，DMU5在科技成果轉化階段中，內部轉化效率均為有效，但是外部轉化效率偏低，可以增加專利等知識產權轉讓、許可數量提高外部轉化效率從而提高科技成果轉化效率，而DMU6，DMU8，DMU13相對排名上內部轉化效率較低，可以增加與地方企業合作，促進科技成果聯合轉化。

對處于高轉化低研發的單位，如DMU1,DMU3,DMU7, DMU11，DMU12，這幾個單位科技成果轉化效率均高于均值，但是成果研發效率偏低，則要以提高科技成果研發效率為主，在繼續發揮科技成果轉化優勢的基礎上，著力解決研發效率低下的問題，可以從科研管理、人才吸引和激勵等角度提升本單位的科技成果研發能力，從而提升整體科技創新效率。

對處于低研發低轉化的單位，如DMU9，DMU10，DMU14，這幾個單位科技成果研發和轉化效率均低于均值，則在兩階段都應有所加強，從圖7可以看出，這三家單位均是科技成果研發效率高于轉化效率，可以經過D區的過渡實現科技創新效率的提高。而DMU14其內部轉化效率達到有效，但是外部轉化效率非有效，因此可以通過科技中介機構、技術合同市場交易等多種渠道增加科技成果的外部轉化效率。

圖7 兩階段效率值

圖8 科技成果轉化階段效率分解

5 結語

首先，本文拓展了傳統的兩階段DEA模型，考慮了在第二階段中嵌套并聯結構，構成了網絡DEA模型。本文利用該模型評價科研院所的科技創新效率，將科技創新效率分為科技成果研發階段和科技成果轉化階段。以往的兩階段研究忽視了科技成果轉化的內在活動和機理，因此本文打開了科技成果轉化階段，將科技成果轉化的途徑分為內部轉化和外部轉化，來反映科研院所在不同轉化途徑下效率的高低。其次，本文在評價指標上的貢獻是不在用產業化等經濟效益指標來衡量轉化效率，側重于能夠體現反映“是否轉化”的過程，從指標上對科技成果轉化區分為內部轉化和外部轉化。本文還將改進模型與傳統兩階段模型進行對比，結果顯示傳統模型會低估科技成果轉化效率，但是對科技創新效率和科技成果研發效率影響較小。

本文以14所中科院院屬單位為例進行實證研究，分別測度了各單位科技創新效率和各個階段效率。結果表明：(1)科技創新效率總體偏低，沒有一家單位在科技創新效率上能夠達到有效，科技創新效率大小受科技成果研發效率影響較大。(2)科技成果研發效率均值高于科技成果轉化效率，科技成果研發階段DMU有效數高于科技成果轉化階段，存在三家樣本單位轉化效率高于研發效率，而且其中兩家是創新研究院的依托單位，符合創新研究院的定位。

大部分樣本單位存在研發強轉化弱或是研發弱轉化強的現象。(3)科技成果轉化效率偏低，較低的成果轉化效率是導致了科技創新效率偏低的主要原因。其中內部轉化做的好的單位普遍外部轉化偏低，在科技成果轉化方式的選擇上有一般有二擇一性。因此，本文將各DMU劃分為四類機構，提出了可以從重點突破模式和漸進突破模式兩種實現路徑來提高整體科技創新效率。

基于以上結論，在政策方面啟示如下：

(1)合理配置科技資源，提高科研管理效率。樣本單位的科技創新效率總體偏低，而科技成果研發效率對科技創新效率的影響更為顯著。部分樣本單位存在高投入低產出的情況，需加強資源配置效率，減少無效投入，最大化合理利用資源；而對于投入不足的單位需增加對基礎研究的投入，探索多元化、多渠道的資金投入，吸引和激勵人才，加快建設高水平科研人才隊伍，從而實現科技成果研發效率的提高。

(2)不同類別的研究所采取相應的效率提高路徑。針對研發強轉化弱的研究所應堅持以市場需求為導向，進一步加強產學研合作，建立從創新到市場的橋梁；細化和完善知識產權管理規章制，組建專業化的知識產權管理專員，加大對科研人員的知識產權培訓，營造有利于知識產權轉移轉化的政策環境；針對研發弱轉化強的研究所應注重提高科技成果質量，加強自身的研發能力，良好銜接科技成果研發和科技成果轉化過程。以上兩類研究所可以采取重點突破模式來實現科技創新效率的提高。針對研發弱轉化弱的研究所，可以采取漸進突破的模式，對研發階段和轉化階段加強科研管理，創新人才培養機制，合理配置資源，努力提高科技創新效率。

(3)促進科技成果轉移轉化多渠道全面開花。樣本單位內部轉化的效率較高，內部轉化給科研院所帶來的不僅是一次性收益，而是按比例分攤收益，與企業形成了風險共擔、利益共享的共同體，科研院所對此積極性更高。但是外部轉化作為科技成果轉化的另一途徑，對于大多數知識產權轉化而言還是以外部轉化為主，因此提高外部轉化有利于提高整體科技成果轉化效率。科研院所可以通過密切聯系科技中介機構、活躍技術合同市場交易等途徑積極推進科技成果外部轉化，推動科技成果與市場需求緊密聯合。