中國國家軟件產業基地運行效率研究

沙德春，荊 晶

（河南農業大學信息與管理科學學院，河南鄭州 450046）

20 世紀90 年代，全球逐漸進入信息時代，信息技術產業得到快速發展，許多國家將其作為推動經濟社會發展的有效力量而加以扶持。具有強大生命力的軟件產業作為信息技術產業的核心，成為全球發展速度最快的朝陽產業，在經濟提升和社會進步等方面都發揮著日益重要的作用。同時，軟件產業也是推動中國經濟發展、優化產業結構的重點產業。為了推動中國軟件產業的發展，使其在國際競爭中占據有利位置，中國自1995 年開始組建國家火炬計劃軟件產業基地，截止到2018 年9 月，已有44家國家軟件產業基地和眾多的省（區、市）軟件產業基地。軟件產業基地是以現有的軟件產業為基礎，將地方資源和政策優勢聚集起來，專門從事軟件研發和信息化的產業基地，它不僅能提升國家信息化水平，還是支撐經濟發展的重要力量，每年中國軟件產業收入的70%以上來自軟件產業基地。因此，對國家軟件產業基地的運行效率進行測算和分析，在提高中國軟件產業發展質量、優化產業發展環境等方面都有著重要意義。

1 文獻綜述

軟件產業蓬勃向上快速發展，也使其成為了學者們的研究熱點。目前軟件產業方面多數研究集中在其發展過程以及發展模式等方面，如楊冬梅［1］基于苗床理論總結了中國軟件產業基地的發展和建設歷程、建設模式，提出中國軟件園應走國際化、開放式的民辦官助模式；代志華［2］對國際上4 種具有特色的軟件產業類型進行了分析，認為中國應結合國情發揮自身優勢，建立新的軟件產業發展模式；莊麗娟［3］對比研究了中、美、印3 國軟件產業對社會經濟的貢獻及其與經濟增長的相關性；山紅梅［4］分析了金融危機影響下中國軟件產業的發展狀況，指出了未來5 年～10 年中國軟件產業面臨的機遇與挑戰；孫川［5］把中國軟件產業的發展水平分為3 個等級，并使用偏離-份額分析模型對軟件產業的結構效應和競爭力進行了實證研究；吳冰等［6］指出創業網絡有助于提高軟件園的創新能力，環境則會對軟件園產生不同的影響，其中，生活質量和技術供給分別對軟件園的經濟績效和創新績效具有明顯影響；陳蕾［7］從企業規模、產業利潤率、產業集中度、技術創新模式等方面對中國軟件產業發展進行了實證分析。

除了對軟件產業進行研究，學者還對中國軟件產業基地的發展進行了分析。學者們從不同角度分析評價了中國軟件產業基地的效率［8-12］，如華金秋等［13］從多個方面對上海、北京、廣東3 個地區的軟件園進行了比較分析，指出北京的軟件產業實力最強，廣東次之，上海相對較弱；高愛雄［14］運用GEM模型理論構建了軟件產業集群競爭力評價模型，并以西安軟件產業集群為例進行評價；陳關聚［15］使用變彈性的超越對數生產函數模型和隨機前沿技術研究發現，人力資本存量對軟件產業基地的創新績效貢獻最大；顏曉暢等［16］通過構建回歸模型，研究了政府科技資助對軟件產業基地的影響。

從已有研究看，學者們對軟件產業及軟件產業基地的研究大多屬于定性分析，有限的量化分析也主要側重于軟件產業基地的統計性分析，缺乏對其整體運行效率的研究；研究對象多為單個或幾個地區的軟件產業基地，而缺少對國家軟件產業基地的整體研究；使用數據多為2013 年以前，難以體現近年來國家戰略變化、軟件產業基地擴容后的發展變化情況。鑒于此，本文運用數據包絡分析（Data Envelopment Analysis，DEA）方法，對中國42 家國家軟件產業基地（以下簡稱“基地”）的整體運行效率進行研究，并根據其效率分解結果進行聚類分析，最后提出相應發展建議，以期為推動國家軟件產業基地建設實踐及制定相關促進政策提供參考。

2 模型與指標體系構建

2.1 模型構建

數據包絡分析是一種通過測算決策單元與相對有效生產前沿面的偏離程度來確定相對有效性的效率測算方法，由美國著名運籌學家Charnes 等［17］在1978 年提出。常用的DEA 模型有規模報酬不變的CCR 模型和規模報酬可變的BCC 模型［18］。DEA 方法有較強的客觀性，因為它在測量效率時，不要求所有的決策單元必須是同一生產函數，也無需對指標計算權重和量綱化處理，同時，它還滿足多元最優化的原則［19］。由于基地的規模報酬難以滿足不變假定，且其目標為以最小的投入得到最大產出，因此，本文選取規模報酬可變的BCC 模型對基地運行效率進行研究。

2.2 指標體系構建與數據來源

投入產出指標的選取會對使用數據包絡分析方法測算效率的結果產生重要影響。基地的主要功能是推動信息化與工業化深度融合，促進新興產業發展。根據基地的性質，以國內外研究為基礎，結合數據的可獲得性和科學性，本文選取以下投入產出指標對基地運行效率進行研究（見表1）：投入指標方面，為了可以準確得到基地的整體運行效率，從基地的人力、財力、物力3 個方面來考慮投入資源，用年末總人數來衡量人力資源的投入，用科技活動經費支出總額來衡量財力資源的投入，用現有用地面積來衡量物力資源的投入。產出指標方面，基地主要是通過培育新興產業為社會經濟作貢獻，因此選取以下指標代表其產出：營業收入代表了基地的經濟效益，是基地自身持續發展能力的體現；出口總額代表了基地對外經濟收益，體現了基地在國際上的競爭力；實際繳稅額代表了基地對社會作出的貢獻，是基地在國內市場競爭地位的體現。

表1 國家軟件產業基地運行效率評價指標體系

投入指標和產出指標的各項數據均來自科技部火炬中心發布的《中國火炬統計年鑒2018》。由于部分基地的關鍵指標數據缺失，因此對內蒙古軟件園和東營軟件園進行了樣本剔除，選取了42 家國家軟件產業基地（以下簡稱“樣本基地”）作為研究對象。各樣本變量的描述性統計如表2 所示，可以看出各基地間的投入資源數量和產出數量都有著較大差異。

表2 樣本基地投入產出指標描述性統計

3 國家軟件產業基地運行效率分析

3.1 整體情況

首先對樣本基地的DEA 效率進行描述性統計，如表3 所示，基地的整體運行效率水平不高，綜合效率均值為0.699，還有很大的提升空間；綜合效率的最小值僅為0.300，即存在部分基地綜合效率值過低，拉低了整體綜合效率水平，而較大的綜合效率標準差也表明各基地間的運行效率存在較大差異；規模效率均值為0.912，大于純技術效率均值0.763，說明純技術效率低下是基地效率不足的主要原因，即基地資源配置結構出現較大問題，投入資源無法得到充分有效利用，從而造成了資源浪費，因此應重點加強運行管理、調整投入產出結構，提高純技術效率，進而提升基地運行綜合效率。

表3 樣本基地DEA 效率描述性統計

3.2 DEA 效率

運用Deap2.1 軟件，采用投入導向的規模可變的BCC 模型對樣本基地運行效率進行測算，結果如表4 所示，大多數基地為DEA 無效，僅有14 家基地的運行效率為DEA 有效，占總數的33.3%，且各基地的綜合效率值差異較大，綜合效率不足0.500的基地占比達到31%。在DEA 無效的基地中，北京軟件產業基地和湖北軟件產業基地為純技術效率有效而規模效率無效，即這2 家基地投入資源的利用已經達到充分有效，但在規模方面仍存在問題，從而導致了基地運行綜合效率無效；純技術效率有效意味著在規模收益不變時，現有的資源配置結構已經達到最優，即使增加投入資源數量，產出也不會隨之增加，也就是不能通過改變人員數、用地面積、科技活動經費等投入指標的投入水平來提高營業收入、出口總額、上繳稅額等產出水平，因此，應根據基地的規模收益對其規模大小進行調整，實現規模效應，進而提高運行的綜合效率。而長春軟件園為規模效率有效、純技術效率無效，即該基地的規模已經達到最優，但投入資源無法充分有效利用，存在資源浪費的現象，從而導致運行綜合效率不足；規模效率有效意味著現有規模是在投入水平不變情況下可以達到最大收益的最優規模，無論是增大或縮減規模都會導致基地的運行效率降低，因此，應對基地的資源配置結構進行調整，使投入資源可以得到充分利用，減少資源浪費。其余25 家基地的純技術效率和規模效率均無效，其中22 家基地的規模效率大于純技術效率，即導致這些基地綜合效率不足的主要原因是純技術效率較低；3 家基地的規模效率小于純技術效率，即規模效率不足是這些基地運行綜合效率無效的主要原因。因此，這25 家基地在提升綜合效率時，不僅要加強運營管理，重視對投入資源的充分利用，還要重視規模效應，對自身規模進行調整。另外，從規模收益的情況看，有15家基地的規模收益遞減，說明這些基地應縮減投入規模；12 家基地的規模收益遞增，說明這些基地需要持續性增加投入，擴大投入規模；15 家基地的規模收益不變。

表4 樣本基地運行效率測算

為了更加清晰地了解基地運行效率的情況，本文使用SPSS 24.0 對純技術效率和規模效率進行K均值聚類分析。設定聚類分析中K=4，結果顯示純技術效率和規模效率兩個變量均通過顯著性檢驗，因此，可以根據聚類分析結果對基地進行分類。根據得到的最終聚類中心（見表5），可將樣本基地分為4 類（見表6）。

表5 樣本基地最終聚類中心

其中：第Ⅰ類為配置高效規模低效型，即因純技術效率較高而規模效率較低導致綜合效率不足的基地，共有5 家，占比為11.9%，這類基地應在發展過程中將重點放在對規模的調整上，根據規模收益變化擴大或縮小規模；第Ⅱ類為高效型，即純技術效率和規模效率均較高，因而具有較高的綜合效率，是發展較好的一類基地，共有16 家，占比達到38.1%；第Ⅲ類為低效型，即純技術效率和規模效率都不高，均有著較大的改進空間，共有9 家，占比為21.4%，這類基地不僅要優化資源配置結構，改善投入冗余和產出不足的問題，同時要關注自身規模，根據實際情況進行調整規模，而不是一味地擴大規模，從投入-產出兩方面同時改善才能提升運行效率；第Ⅳ類為規模高效配置低效型，即規模效率較高而純技術效率較低導致綜合效率值較低的基地，共有12 家，占比為28.6%，這類基地應將改進的側重點放在對資源配置結構的調整上，通過減少投入資源浪費、增加產出、提高管理水平等來提升自身的運行效率。綜合來看，40%左右的基地為單方面低效，需要針對自身薄弱環節制定今后的調整措施，有少部分基地在資源配置和規模上都存在較大的問題，尤其是在資源配置結構方面有著較大的改進空間，需要更加重視基地運行過程中的管理能力，提高純技術效率。

表6 樣本基地運行效率分類

3.3 投入產出調整

對DEA 模型中松弛變量進行計算，可以得到DEA 無效的基地達到DEA 有效需要對投入產出進行調整的數量，如表7 所示，據此可以進一步分析基地如何進行資源配置調整可以使其達到最優效率，為基地制定下一步發展方案提供參考。表7 顯示，需要對投入、產出進行調整的基地共有26 家，占比為61.9%。其中，沈陽軟件園、長春軟件園、無錫軟件園、重慶軟件園4 家僅存在投入冗余問題，只需要減少部分投入資源數量；山西軟件園、合肥軟件園、濰坊軟件園、鄭州軟件園4 家僅存在產出不足的問題，需要增加部分指標的產出；其余18 家則在投入和產出兩方面都沒有達到最優，需要對投入、產出雙方同時進行調整才可以提高效率。從投入方面看，7 家基地需要減少總人數，15 家基地需要減少用地面積，而大多數基地對科技活動經費的利用都較充分，只有3 家基地需減少投入；說明部分基地在用地面積上的投入過多，一味地追求規模擴大，這將導致資源浪費和效率下降，應加強對用地的管理和控制，同時應提升人員的使用效率，提高整個基地的工作效率。從產出方面看，需要增加營業收入的基地數量不多，僅有6 家，而15 家需要增加出口額，10 家需要增加上繳稅額；說明基地的經濟收入整體較好，但在出口和社會效益方面還有著很大的提升空間，應側重提升基地的創新能力和水平，促進高水平發展，增加自身競爭力。

表7 DEA 無效樣本基地的投入產出調整

4 結論

本文運用DEA 方法對中國42 家國家軟件產業基地的運行效率進行測算，并使用K 均值聚類分析將基地分為4 類，即高效型、低效型、配置高效規模低效型、規模高效配置低效型，最后對純技術效率無效的基地進行了投入產出調整分析，得出以下結論：

（1）整體來看，有1/3 的基地為DEA 有效，但基地整體的運行效率不高，綜合效率均值僅有0.699，且不同基地之間效率差異較大；60%的基地規模效率和純技術效率均無效，多數基地運行效率不足的主要原因是純技術效率過低，這些基地在今后提升效率時應更加注重對資源配置結構的調整，加強運行管理。

（2）從聚類結果來看，有5 家配置高效規模低效型、16 家高效型、9 家低效型、12 家規模高效配置低效型基地，低效型基地數量不多，多數基地單方面弱勢明顯，因此，不同類型的基地應根據其自身情況對資源配置結構或規模大小進行重點改進。

（3）從投入產出調整結果來看，資源配置結構不合理的基地有26 家，占總數的61.9%。其中，8家僅存在投入過多或產出不足的問題，其余69%的基地則在投入和產出兩方面都存在問題。這些基地中對投入的用地面積浪費情況最嚴重，其中有15 家需減少用地；產出問題中最嚴重的是出口額過低，其中有15 家需增加出口額，說明部分基地一味地追求擴大規模，而產出又無法達到相應的規模，最終導致效率低下。

基于以上研究，本文建議從以下3 個方面采取措施來優化中國國家軟件產業基地運行效率：

第一，構建科學的評價體系，提高管理水平。大多數的基地由于純技術效率不足導致綜合效率低下，即基地的技術和管理水平落后于規模發展，使得投入資源無法得到有效的利用，因此，需要構建一套科學的評價體系來引導基地的發展。這不僅有助于合理分配資源、減少投入冗余和浪費，還可以激發基地的發展潛力，提高其運行管理能力和水平，避免一味地擴大用地規模從而導致運行效率不升反降。

第二，培養高水平人才，提高創新能力和創新水平。大多數的基地人力投入能得到較充分地利用，但基地的創新能力不足和管理水平不高的問題依然存在，這表明基地仍需要大量的高水平人才來推動其持續性發展和創新，因此，應聚集更多高級管理人員和軟件研發人員，以多種方式吸納人才為基地服務，進而提高基地的創新水平，與國際接軌，努力擴大軟件出口，向國際化發展。

第三，分級分類引導軟件產業基地科學發展。基地可以分為4 種類型，對于每種類型基地存在的問題和解決方法都不同，因此，政府應制定長期的發展戰略，并根據各基地的發展狀況制定不同的政策措施，為不同類型的基地提出有針對性的解決方案，充分發揮政府的引導作用，使基地可以根據政府戰略調整自身發展規劃，推動其科學、健康發展。