基于DEA方法的我國高技術產業安全實證研究

焦建美

摘 要：基于數據包絡分析（DEA）方法，對我國高技術產業2007-2016年的數據進行實證研究，結果顯示：我國高技術產業在這10年處于“安全”狀態;投影分析表明我國高技術產業自主創新能力雖有所增強，但技術對外依存度仍然較高，另外我國高技術產業受外資控制程度較高，內資企業競爭力相對較弱，高技術產業顯性比較優勢有待提高;影子價格分析表明技術對外依存度的改進能夠最大程度提高我國高技術產業安全度。

關鍵詞：數據包絡分析（DEA） 高技術產業 產業安全

一、引言

產業安全是國家經濟安全的重要組成部分，關系到一國宏微觀經濟發展水平和速度，同時也影響著一國經濟政策的執行以及產業政策的實施[1]。高技術產業關乎一國是否能在全球價值鏈分工中占據有利地位，能否在全球技術競爭中提升本國實力和影響力，因此高技術產業安全是產業安全研究的重中之重。在經濟全球化的今天，各國貿易往來頻繁，競爭的加劇導致各國貿易摩擦增加，新貿易保護主義下國際貿易摩擦與爭端對我國高技術產業安全帶來嚴峻的挑戰。為了在劇烈的貿易摩擦中減少損失，也為了在激烈的競爭中提升我國高技術產業國際競爭力，就必須重視我國高技術產業安全的研究。

二、研究綜述

產業安全的研究主要從產業安全的定義、特征、影響因素、指標體系、評價方法等幾方面展開。

20世紀90年代，伴隨著外商直接投資比重的增加，部分學者開始關注我國產業安全問題。此后，產業安全問題逐漸受到重視，相關研究不斷涌現，但在近30年的研究中，產業安全的概念界定卻一直未形成定論。現有文獻主要從四個角度對產業安全進行界定：即主體角度（趙世洪，1998）[2]、控制力角度（何維達和何昌，2002）[3]、競爭力角度（夏興園和王瑛，2001）[4]、動態角度（景玉琴，2005;李孟剛，2006）[5， 6]。

產業安全是一個復雜的系統，它具有戰略性、綜合性、緊迫性、系統性、層次性、動態性和策略性等方面的特征（李孟剛，2006）[6]。

影響產業安全的因素很多，現有文獻將其提煉為五大方面，即產業發展的市場環境、外資與跨國公司的影響、政府的宏觀經濟政策、國外的反傾銷與進口傾銷、產業集中度與控制力（高志剛，2016）[7]。

對產業安全的衡量離不開產業安全評價指標體系的研究，這也是產業安全研究的重點。具有代表性的評價標準有：俄羅斯先恰戈夫（2003）的“閾值”標準;國內“經濟安全論壇”提出的制造業安全模型體系;何維達（2001）產業安全評價指標體系。在這基礎上，各學者對產業安全評價指標體系的研究更是如雨后春筍般不斷涌現。歸納起來多是從產業依存度、產業競爭力、產業控制力、產業環境、產業關聯性、產業績效等方面進行評價。

研究方法的選擇上，主要是定性研究和定量研究。定性研究方面，主要為案例分析法。王東杰（2009）、陳賢銀（2010）以及石秀華（2015）均以中國大豆壓榨業為例，分析了外資并購對我國產業控制力的影響[8-10]。定量研究方面，主流研究方法有：層次分析法（AHP）、數據包絡分析（DEA）、主成分分析法和專家法。史欣向等（2015）認為產業安全的基石是市場和創新，并在此基礎上構建了基于外資視角的評價指標體系，然后分別利用層次分析法、專家法及主成分分析法測量了中國高技術產業安全[11]。曹萍等（2017）提出動態多維測量指標，使用基于偏最小二乘法的結構方程模型對中國高技術產業安全進行測算，并指出產業特征、產業現實競爭力和要素環境通過影響產業自主創新能力來間接影響高技術產業安全，而內資企業競爭力和產業自主創新能力直接影響高技術產業安全[12]。

縱觀現有研究成果，可以發現如下特點：（1）20年90年代，學者們關注的重點是國外資本對我國產業安全的影響。（2）2001-2005年，研究重點偏向于加入WTO對我國產業安全的影響。（3）2006-2010年，大量定量研究文獻開始涌現，而且關于產業安全評價的各類指標體系也逐步建立起來。（4）2011-2019年，學者們更加關注涉及國家經濟安全的重點行業的產業安全問題。近兩年，在中美貿易摩擦背景下，國內學者對農業和裝備制造業產業安全問題關注居多，對高技術產業的關注主要集中在自主創新能力方面，而用DEA方法研究高技術產業安全問題的文獻則缺乏，因此，本文擬在這方面進行嘗試。

三、DEA模型的基本思想與模型構建

（一）模型建立的基本思想

由于層次分析法（AHP）、主成分分析法和專家法的評價結果存在主觀性較強的不足，而數據包絡分析（DEA）客觀性很強，在評價多投入與多產出的復雜系統時具有較大優勢，高技術產業恰好又是多投入與多產業的復雜系統，因此本文采用數據包絡分析（DEA）來建立高技術產業的評價模型。

數據包絡分析（Data Envelopment Analysis，DEA）由Charnes、Cooper&Rhodes于1978年提出，用于評價決策單元的相對有效性[13]。它是一種非參數的系統分析方法，通過使用數據規劃模型來比較各決策單元的相對效率，并以此評價決策單元的有效性。

（二）高技術產業安全DEA模型構建

本文采用DEA中的CCR模型（即C2R模型）對我國高技術產業安全進行評價。由于CCR模型的分式規劃模型不便進行處理，因此，本文使用經過Charnes-Cooper變化，再引入非阿基米德無窮小量后的對偶規劃模型，模型基本形式如下：

公式（1）中：n表示決策單元DMUj的數量;xij為第j決策單元第i種類型的輸入量（即第j年第i個投入指標的數值），xij>0;yrj為第j決策單元第r種類型的輸出量（即第j年第r個產出指標的數值），yrj>0;ε為非阿基米德無窮小量，本文取ε=10-10;s+r為剩余變量，表示產出不足;s-i為松弛變量，表示投入冗余;θ表示決策單元的效率。θ，s+r，s-i，λj為待估計參數。

公式（1）的解釋：DEA是否有效取決于參數θ的值。當θ=1，且s+r=s-i=0時，該決策單元為DEA有效，表明在這n個決策單元構成的經濟系統中，決策單元達到最佳投入和最佳產出。當θ=1，且s+r與s-i中至少一個大于0時，該決策單元為弱DEA有效，此時為保持產出不變，可使投入量減少s-i，或者為保持投入不變，可使產出量增加s+r。當θ<1時，該決策單元為非DEA有效。

應用該模型評價高技術產業安全時，決策單元的有效性決定了高技術產業的安全程度：當θ=1時，表示高技術產業發展處于安全狀態;當θ=0時，表示高技術產業發展處于危機狀態;θ值越接近于1，安全狀態越高，越接近于0，安全狀態越低。

四、基于DEA方法的我國高技術產業安全實證研究

（一）高技術產業安全的界定

綜述部分提到，現有文獻關于產業安全的定義主要從四個角度進行，即主體角度、控制力角度、競爭力角度和動態角度。從另一方面來看，可以理解為關于產業安全的內涵主要是“能力說”和“狀態說”。持“能力說”的學者認為產業安全是產業所具備的各種能力，包括控制力、競爭力、生存力、發展力等;持“狀態說”的學者認為產業安全主要是一種能夠抵御各種內外部威脅的狀態。與普通產業不同，高技術產業作為國家實施創新驅動戰略的引擎產業，技術和創新是高技術產業獲得競爭優勢的根本（曹萍等，2017）[12]。因此，借鑒現有學者對產業安全的定義，并結合高技術產業的特點，本文認為高技術產業安全是在開放市場條件下，面對復雜的政治經濟環境，一國產業能夠通過持續的創新實現產業技術的更新，抵御市場沖擊，維護產業自身生存和發展的一種狀態。

（二）高技術產業安全評價指標的選擇

現有文獻在用DEA方法對相關產業安全進行研究時所選用的指標如表1所示，借鑒現有研究成果，在遵循可量化原則的條件下，本文選取了評價高技術產業的輸入輸出指標。輸入指標為：出口對外依存度（IR_EX，為方便軟件操作，指標后以字母進行標識，下同）、進口對外依存度（IR_IM）、技術對外依存度（IR_TEC）、R&D經費投入（IN_RD）、新產品銷售額所占比例（IN_NS）、新產品出口額所占比例（IN_NX）、有效發明專利數（IN_IP）、外資市場占有率（IC_MS）和受外資控制情況（IC_MC）;輸出指標為：對外貿易競爭指數（IM_NET）、顯性比較優勢（IM_RCA）和產業發展速度（IM_SP）。

（三）數據選擇與實證分析

1數據選擇。根據國家統計局的指標分類，我國高技術產業包括五大類，五大類產業下面再做進一步細分，出于研究需要，本文僅選用2007-2016年10年間高技術產業整體數據。所需指標數據除高技術產業進出口指標外，均可以從2008-2017年《中國高技術產業統計年鑒》中獲得，高技術產業進出口數據可以從歷年《中國統計年鑒》中獲得。文章對所選取的輸入輸出指標進行量化，各指標量化方法見表2。

2實證分析。（1）安全度分析。本文用DEA-Solver pro50對表3中的指標數據進行處理，選擇基于投入角度的CCR模型（即CCR-I）。對應式（1），高技術產業的決策單元有10個，每一年為一個決策單元，即式（1）中n=10;輸入變量有9個，即式（1）中i=9;輸出變量為3個，即式（1）中r=3。軟件運行結果如表4所示。借鑒現有文獻對產業安全所處區間的劃分（李孟剛等，2018）[14]，本文將高技術產業安全度劃分為5個區間，由低到高分別為：危險[0，02）、不安全[02，04）、臨界安全[04，06）、基本安全[06，08）、安全[08，1]。根據表4的結果來看，除2011年和2012年兩個決策單元的θ值小于1，為“非有效”外，其余8個決策單元的θ值均等于1，為DEA有效。根據本文對產業安全區間的劃分來判斷，2007-2016年期間，我國高技術產業均處于安全狀態。2011年和2012年這兩個決策單元為非DEA有效，說明這兩年我國高技術產業的投入組合或產出組合未達到最優狀態，存在投入冗余或產出不足的情況。因此需要對這兩年的數據進行調整，以使其安全狀態達到最優，即需要做投影分析。

（2）投影分析。2011年和2012年兩個決策單元投影分析的結果如表5所示。由于本文采用的是CCR-I模型，即基于投入角度的CCR模型，因此，表5主要從所有輸入指標方面進行改進，輸出指標方面除IM_RCA（顯性比較優勢）指標外，均未給出改進情況。

從表5可以看出，2011年和2012年的輸入指標里，變化量排第一的都是IC_MC（受外資控制情況），2011年需減少1272%，2012年需減少1196%，縮減量絕對值均超過11%，表明這兩年我國高技術產業受外資企業控制情況較嚴重，應適當減少外資企業占比，提高內資企業數量和占比，以保證我國高技術產業安全。2011年，輸入指標變化量排名第二和第三的分別是IN_NX（新產品出口額所占比例）和IN_NS（新產品銷售額所占比例），這兩個指標均可用來衡量產業的自主創新能力，這兩個指標投入冗余表明我國高技術產業自主創新能力逐漸提升。2012年，輸入指標變化量排名第二和第三的分別是IR_TEC（技術對外依存度）和IN_NX（新產品出口額所占比例），表明雖然我國自實施創新發展戰略以來，自主創新能力有所提升（IN_NX存在投入冗余），但技術對外依存度仍然過高。表5數據顯示技術對外依存度（IR_TEC）應縮減751%，這與我國部分關鍵核心技術嚴重依賴進口的實際情況相符。輸出指標方面，2011年IM_RCA（顯性比較優勢）需要提升的量為138%，2012年需要提升的量增加到2056%，結合該指標的經濟學意義看來，我國內資企業出口交貨值遠遠低于外資企業出口交貨值，顯示我國高技術產業顯性比較優勢相對較弱，需要不斷提高高技術產業中內資企業的國際競爭力。

（3）影子價格分析。影子價格表示增加一單位投入或產出，相對效率值的減少量或增加量，本文中DEA模型中的影子價格用來分析輸入輸出指標對我國高技術產業安全度的影響程度。表6列出了輸入指標和輸出指標的影子價格。從數值上看，影子價格最大值出現在IR_TEC（技術對外依存度）上，對該指標的改進能夠最大程度提升DEA效率值，即提升我國高技術產業安全度。這與前文的分析結果一致。

五、結論與建議

本文利用2007-2016年的數據，選擇DEA模型中的CCR-I模型對中國高技術產業安全度進行了測算，實證結果表明：（1）我國高技術產業發展在這10年間均處于“安全”狀態。但2011年和2012年兩個決策單元的θ值大于09，小于1，為非DEA有效，表明這兩年存在投入產出組合不佳的情況;（2）

對2011年和2012年的投影分析顯示，我國高技術產業自主創新能力雖有所提高，但技術進口依賴度仍然較高，部分關鍵核心技術仍需進口，高技術產業中外資企業占比較高，內資企業顯性比較優勢相對缺乏。（3）影子價格分析顯示，對技術對外依存度的改進能夠最大程度提高我國高技術產業安全水平。

基于以上結論，提出如下對策建議：（1）堅定不移地推動創新發展戰略，提高我國高技術產業的自主創新能力，提升在全球價值鏈中的地位，在復雜多變的國際形勢下，繼續保持我國高技術產業的安全。（2）加強對技術人才的培養，攻克關鍵核心技術難題，減少對西方發達國家的技術依賴，以使本國高技術產業在復雜的國際政治經濟環境下不受牽制，保持穩定、持續、健康發展。（3）加強對高技術產業的政策支持，尤其是對內資企業的支持，培養一批國際競爭力強、國際影響力大、品牌知名度高的內資企業。

參考文獻：

[1]陳昊潔，韓麗娜我國高端裝備制造業產業安全問題研究[J].經濟縱橫2017（02）：79-82

[2]趙世洪國民產業安全若干理論問題研究[J].中央財經大學學報1998（05）：1-5

[3]何維達，何昌當前中國三大產業安全的初步估算[J].中國工業經濟2002（02）：25-31

[4]夏興園，王瑛國際投資自由化對我國產業安全的影響[J].中南財經大學學報2001（02）：37-41

[5]景玉琴開放、保護與產業安全[J].財經問題研究.2005（05）：32-37

[6]李孟剛產業安全理論研究[J].管理現代化2006（03）：49-52

[7]高志剛產業經濟學[M].北京：中國人民大學出版社，2016

[8]王東杰外資并購與我國產業安全研究[D].山東大學，2009

[9]陳賢銀基于產業安全視角的我國農業產業外資并購效應研究[D].西南大學，2010

[10]石秀華從大豆風波看中國的食用植物油產業安全[J].理論月刊2015（01）：122-125

[11]史欣向，李善民，王滿四，等“新常態”下的產業安全評價體系重構與實證研究——以中國高技術產業為例[J].中國軟科學2015（07）：111-126

[12]曹萍，張劍，熊焰高技術產業安全影響因素的實證研究[J].管理評論2017（12）：50-61

[13]Charnes A， Cooper W W， Rhodes E Measuring the efficiency of decision making units[J]. European J Oper Res 1978

[14]李孟剛，賈美霞，劉曉飛基于DEA模型的中國文化產業安全評價實證分析[J].吉首大學學報（社會科學版）.2018，39（05）：45-54