基于三階段DEA模型的高新技術企業創新效率研究

陽 楊， 田逸飄， 郭佳欽

(1.重慶工商大學 金融學院， 重慶 400067； 2.大理大學 經濟研究所，云南 大理 671003；3.大理大學 經濟與管理學院， 云南 大理 671003)

科技是第一生產力，創新是引領發展的第一動力，科技創新是提高社會生產力和綜合國力的戰略支撐。在新型復雜化的國際競爭形勢下，習近平總書記在中央政治局第十八次集體學習時強調將區塊鏈核心技術作為中國自主創新的突破口，著重強調核心高科技的國家戰略地位，充分體現了高新技術創新作為國家核心競爭力的重要性[1]。必須重視以戰略性新興產業為核心的高新技術產業的創新水平，不僅要著力在5G和區塊鏈新賽道上爭取彎道超車，更要在生物醫療、電子芯片、高端裝備等高新技術產業賽道上奮力追趕。中國目前是世界第二大經濟體，但是在2018年全球創新指數報告中，創新能力僅僅排在第十七名，技術應用水平排名更是在五十名之后，主要原因在于中國自主創新能力低下、高新技術企業人才基礎薄弱及研發投入不足[2]。1996 —2017 年，中國高新技術企業入統企業數、從業人員數基本呈增長趨勢，21 年間平均增長率分別為11.8% 和12.9%，規模雖在不斷擴大，但創新效率卻不容樂觀[3]，與美國和日本等發達國家相比還存在較大差距。因此，測度高新技術企業的創新效率，深入分析限制企業創新的因素，營造利于企業創新的制度和政策環境，對提升我國自主創新能力，推動經濟高質量發展具有現實意義。

1 文獻綜述

提高經濟增長質量、轉變經濟增長方式，其全部內涵就是指投入產出效率的提高和經濟結構的改善[4]。近年來，高新技術企業逐漸成為促進中國產業結構調整和經濟發展方式轉變的生力軍，其投入產出效率的高低直接關系到一個地區的產業結構優化和社會經濟發展進程。因此構建一套科學實用的高技術產業技術創新績效評價方法提高產業創新績效成為學者研究的熱點[5]。

目前研究高新技術企業技術創新效率主要集中在兩個方面：①對研發創新效率做實證測評。部分學者以不同角度研究高新技術企業技術創新效率。郭建平等[6]從技術領域角度出發，運用DEA模型研究中國8個省市不同技術領域的高新技術企業的創新效率之間的差別。陳元志等[7]從企業的所有制角度出發，運用CRS徑向的DEA模型、相鄰參比Malmquist指數、Bootstrap糾偏等方法研究不同所有制的高新技術企業技術創新效率[7]；張冀新等[8]從企業類型出發，采用三階段DEA模型對比分析不同企業類型對國家高新區技術效率的影響；李劉艷[9]從行業角度出發，利用DEA模型測度5個高新技術行業2003—2009年的技術創新效率，結果顯示中國高新技術企業科技人員投入和經費投入比例不合理導致科技活動效率低。其余學者則是區分研究樣本來評價高新技術企業技術創新效率。郝金磊等[10]建立SFA模型和技術無效率影響因素模型,研究了中國西部地區高新技術企業創新效率,結果表明，西部地區高新技術企業創新效率整體水平較低,區域間存在較大差異；許楠等[11]運用數據包絡分析(DEA)方法分析河北省16家上市高新技術企業研發創新效率, 并分別從企業和政府兩方面提出提高高新技術企業R&D效率的對策；熊飛等[12]運用DEA模型對豐臺科技園區的42家高新技術企業技術創新效率經行研究，總結分享高效率企業的成功經驗，優化低效率企業的創新能力；孫劍和李啟明[13]使用DEA模型評價江蘇13個城市高新技術企業效率,結果表明所研究的高新技術企業技術創新效率普遍不高，應該加大高新技術產業投入, 優化投入產出結構。②主要考察技術創新效率的影響因素，目前主要對企業開放度[14]、人才結構因素和研發稟賦結構因素以及所有制結構因素[15]、高管外部薪酬差距和高管-員工薪酬差距[16]、科技經費人員投入[17]、所得稅優惠政策[18]、市場發展結構和企業發展規模以及企業所有制[19]、市場化改革[20]、技術效率和政府政策[21]、風險投資[22]、金融發展[23]、融資約束[24]等因素進行了分析。

從研究成果來看，目前考察高新技術企業創新效率影響因素的論文較為豐富，而實證測評高新技術企業創新效率的成果比較匱乏。僅有少數學者著手這方面的研究，郭建平等[6]、陳遠志等[7]、李劉艷[9]、許楠等[11]、熊飛等[12]、孫劍等[13]學者使用數據包絡分析法(DEA)評價效率，郝金磊等[10]采用隨機前沿模型(SFA)進行分析，然而DEA模型不能解釋隨機誤差的影響，SFA模型存在無法區分設定偏誤與非效率性問題[25]。三階段DEA模型能剝離管理無效率、環境因素和隨機誤差項，研究結果更能準確地反映真實效率情況。因此，本文使用三階段DEA模型對全國層面高新技術企業技術創新效率進行研究，并分為四大區域研究高新技術企業創新效率的區域差異，針對研究結果提出相應建議以提高國家高新技術企業技術創新效率。

2 研究方法與變量選擇

2.1 三階段DEA模型

評價多投入多產出決策單元有效性最常用的方法是數據包絡分析法，Fried等最早使用此方法做研究。隨著DEA模型的廣泛使用，學者發現該模型沒有考慮環境因素的影響，測算出的效率值與真實值有誤差，于是有學者結合隨機前沿(SFA)模型對其經行完善，總結出三階段DEA模型。三階段 DEA 模型可以消除環境和隨機因素帶來的影響，很多學者應用它處理包含環境因素影響的效率和績效評估問題[26]。與傳統DEA模型相比，三階段DEA模型考慮了隨機因素和環境干擾，得到的最終效率值更加貼合實際情況[27]。三階段 DEA 將決策單元(DMU)的效率評價分為3個階段:

第一階段仍采用傳統 DEA 模型中的BCC 修正模型，假定規模報酬可變，測算出技術效率、純技術效率和規模效率，技術效率等于純技術效率乘以規模效率。參照多數學者的做法選擇以投入為導向，在第一階段使用DEAP2.1軟件初步測算出3種效率值，使用原始投入值減去投入目標值得出投入變量的松弛變量。

第二階段，由于各決策單元可能受環境因素和隨機變量的影響，因此在第二階段對投入變量進行調整構建環境變量與投入松弛變量的模型(1)：

smn=fn(zm,βn)+vmn+umn,m=1,2,…,N,j=1,2,…,p

(1)

(2)

式(2)右邊第2項為把每個決策單元的第n項投入，調整到受環境變量影響最大的假定情形，使其處于最差的環境中需要增加的投入量; 第3項為使其處于最大的隨機干擾中需要的增加量。相當于假定，每個決策變量都處于同等外部條件下，受到隨機干擾也相同，以達到排除這兩類因素對效率影響的目的。

第三階段將由第二階段計算出的調整后的投入變量代入DEAP2.1軟件，再次進行效率測算，得出調整后的技術效率、純技術效率和規模效率，此時得出的效率值即為剔除了管理無效率、環境因素和隨機誤差項后的最終效率值，能準確地反映決策單元真實的投入產出效率。

2.2 變量選取與數據來源

在研究投入產出效率時，關于投入產出指標的選擇學界并沒有統一的規定，但是大多數學者都采用將投入劃分為勞動和資本兩個方面的投入。通常將R&D活動人員數量、高學歷人員數量、R&D經費內部支出、技術投入經費、科技活動支出、新增固定資產投資等指標作為企業的投入指標。企業的產出分為產品和技術兩方面的產出，學者通常將新產品銷售收入、新產品產值、營業利潤、技術性收入、專利申請量、專利授權量等指標作為企業的產出指標。高新技術企業的基本特征是掌握其主要產品起核心技術的知識產權的所有權，衡量其技術創新投入產出指標應該著重圍繞研發重心。介于此，選取R&D人員全時當量和R&D經費內部支出作為投入指標，選取新產品銷售收入和專利申請數作為產出指標。

對于環境變量的選擇應該遵循Simar和Wilson的“分離假設”，要求所選擇的環境變量影響研究對象的同時又在研究對象主觀可控范圍之外。國內學者對于環境變量的選擇大同小異，幾乎都集中于宏觀經濟環境、市場開放程度、政策支持、市場結構、基礎設施等5個方面。在研究學者經驗基礎之上，選取市場結構、人力資本、外部支持、宏觀經濟、政策支持等5個環境變量。

1)市場結構。已有文獻普遍認為市場結構對企業的研發創新效率有影響，市場的集中度越高，存在的企業數量越多，市場競爭程度相應越大，企業都會更加積極提高創新效率。馮根福等[29]研究表明企業數可以反映行業的進入退出壁壘，也可以反映行業的競爭程度。因此使用各地區入統高新技術企業數表示市場結構。

2)人力資本?？萍际墙洕l展的第一生產力，而人才是科技創新的第一生產力，高新技術企業屬于人才密集型產業，人力資源與科技創新協同發展。因此使用大專及以上學歷人數占年末從業人員比例表示人力資本環境變量。

3)外部支持。國家級科技企業孵化器為高新技術企業提供基礎設施、物理空間和培訓服務，促進創新型科技成果轉化，增強企業競爭力，是高新技術企業的成長與發展強有力的外部支持與保障。因此選取在孵高新技術企業占總高新技術企業數比例作為外部支持環境變量。

4)宏觀經濟。人均GDP的增長能反映一個地區經濟發展水平的提高，經濟發展水平越高，對于高新技術產業的投入越高，一定程度上帶動高新技術企業的發展。因此選取人均GDP表示宏觀經濟環境變量。

5)政策支持。國家實施創新驅動發展戰略以來，高新技術企業發展備受關注，國家財政支持是高新技術企業研發創新的重要動力來源。然而政府支持對企業的創新投入是增加還是擠出有待考證。因此采用地區R&D經費內部支出中政府支出所占比重表示政策支持環境指標。

投入產出指標、環境指標及相應解釋見表1。數據均來自《2018中國火炬統計年鑒》《中國統計年鑒》《中國科技統計年鑒》，各變量采用了2017年數據，數據信息準確、可靠，具有很強的代表性。為消除數據單位影響，將環境變量數據標準化處理，使用frontier4.1和DEAP2.1軟件。

表1 指標選取

3 實證分析

3.1 第一階段DEA模型實證結果

第一階段操作過程是將兩個投入指標R&D人員全時當量和R&D經費內部支出和兩個產出指標新產品銷售收入和專利申請數4個指標的原始輸入Excel中，使用DEAP2.1軟件，將原始數據復制到軟件的數據文件中，設置腳本文件，最后運行程序。通過BBC模型對30個地區的高新技術企業技術創新的綜合效率、技術效率和規模效率進行分析，結果如表2所示。2017年各地區高新技術企業技術效率平均值為0.559，純技術效率平均值為0.630，規模效率平均值為0.889。第一階段實證結果表明，高新技術企業的規模效率值普遍高于純技術效率，說明在規模效率在高新技術企業技術效率中占主要作用，規模因素作用高于技術因素。

在不考慮環境變量和隨機因素干擾時，30個地區中，河南省、廣東省和四川省3個地區的高新技術企業處于效率前沿，技術效率、純技術效率和規模效率都達到1，這3個地區高新技術企業資源配置和管理效率相對有效。60%以上地區(18個)高新技術企業技術效率低于0.6，說明從整體來看高新技術企業創新效率處于較低水平。處于綜合效率前沿的河南、廣東和四川的高新技術企業規模收益不變，江蘇的高新技術企業規模收益處于遞減狀態，其余26個地區高新技術企業規模收益都遞增。介于第一階段效率值未排除環境因素和隨機變量，不能準確反應各地區高新技術企業創新效率的真實情況，所以還需進一步測算。

表2 各地區高新技術企業技術效率值

3.2 第二階段SFA模型實證結果

DEA分析的第二階段是將第一階段測算出的兩個投入變量R&D人員全時當量和R&D經費內部支出的松弛變量作為被解釋變量，選取環境變量市場結構、人力資本、外部支持、宏觀經濟、政策支持作為解釋變量，考察5個環境變量對2個投入松弛變量的影響。將解釋變量和被解釋變量放入frontier4.1軟件中進行回歸，結果得出解釋變量的回歸系數，若回歸系數為正數，表明該解釋變量的增加會導致被解釋變量的增加，即環境變量的增加導致投入松弛變量增加，進而增加投入冗余?；貧w系數為負，表明該解釋變量的增加會導致被解釋變量的減少，即環境變量的增加導致投入松弛變量減少，進而減少投入冗余。第二階段結果如表3所示。

表3 基于SFA的第二階段估計值

1)市場結構。結果表明該變量與R&D人員全時當量和R&D經費內部支出的松弛變量回歸系數均為負值，說明地區內高新技術企業數量增加有利于減少高新技術企業R&D人員全時當量和R&D經費內部支出投入的冗余，促進投入人員和資金的合理配置，提高技術效率。區域內企業數量越多，市場競爭越大，在有限的人力與資金資源情況下，高新技術企業更加注重管理效率，優化資源配置結構，進而提升企業技術效率。

2)人力資源。結果表明該變量與R&D人員全時當量和R&D經費內部支出的松弛變量回歸系數均為正值，說明高學歷人員占比越高導致了研發人員與資金的投入冗余，這可能是由于企業一味追求高學歷人員數量和經費的高投入，忽略人才能力與績效、職責與崗位的合理分配，造成人才之間地過度競爭，未能充分發揮人才的最大價值。

3)外部支持。結果表明該變量與R&D人員全時當量和R&D經費內部支出的松弛變量回歸系數均為負值，說明在孵企業比重增加有利于減少高新技術企業投入冗余，提升技術創新效率。國家級科技企業孵化器致力于為高新技術企業營造良好的創業環境和條件，極大地減少企業創業成本和風險，提高創新型科技成果轉化率，提升企業競爭力，所以在國家級科技企業孵化器孵化中的企業數量越多，資源充分利用率越高，成果轉化率就更高。

4)宏觀經濟。同人力資源環境變量一樣，宏觀經濟環境變量與企業兩個投入松弛變量的回歸系數都為正，說明人均GDP提高會增加企業R&D人員全時當量和R&D經費內部支出投入冗余?，F實情況就是，經濟越發達，各地區盲目增加對科技創新人員與資金的投入，忽略資源配置合理性問題，反而造成資源的浪費。

5)政策支持。該變量與R&D人員全時當量和R&D經費內部支出的松弛變量回歸系數均為負值，說明政府財政支出增加有利于減少企業投入冗余。政府對高新技術企業財政支持投入越大，越能調動R&D人員創新積極性，同時企業能減少企業R&D經費內部支出。

3.3 第三階段調整后 DEA 模型實證結果

使用第二階段的SFA回歸結果相關數據進行計算，得到剔除環境變量和隨機干擾因素后的投入變量調整數據，作為新的投入變量，結合原始產出數據，再次使用DEAP2.1軟件測度30個地區的高新技術企業純技術效率、技術效率和規模效率，結果為表2中的調整后部分內容。數據顯示，在剔除環境變量和隨機干擾因素后，各地區高新技術企業技術效率平均值為0.332，純技術效率平均值為0.82，規模效率平均值為0.388。結果顯示，各地區高新技術企業規模效率平均值明顯下降，數值低于明顯上升的純技術效率。由此可見，在第三階段的高新技術企業技術效率中技術因素強勢替代規模因素，占據主導地位。

河南和廣東兩地的高新技術企業仍處于技術效率、純技術效率和規模效率前沿，說明這兩地高新技術企業較其他地區資源配置更加合理，并且其投入產出效率未受環境影響。第一階段處于效率前沿的四川在第三階段未處于效率前沿，說明四川高新技術企業投入產出受環境影響，調整前結果未能反映其真實效率值。83.3%以上地區(25個)技術效率低于0.6，說明我國高新技術企業整體創新效率偏低。處于效率前沿的河南和廣東兩地區高新技術企業規模收益不變，江蘇地區規模效率遞減，其余地區高新技術企業規模效率均遞增。

在剔除環境因素與隨機干擾因素之后，高新技術企業綜合技術效率平均值由0.559降低到0.332，從純技術效率和規模效率看，純技術平均值由0.63上升到0.82，規模效率平均值由0.889下降到0.388，高新技術企業以規模報酬遞增為主。調整后，技術效率、純技術效率低估程度低于規模效率高估程度，技術效率的提升受規模效率和純技術效率共同約束，如圖1所示。

圖1 各地區高新技術企業調整前后綜合技術效率變化

3.4 分區域效率對比

為了分析不同區域高新技術企業技術創新效率，按照國家區域發展戰略劃分的四大區域將30個地區劃分為東北部地區、東部地區、中部地區、西部地區，研究高新技術企業技術創新效率的空間分布特征，結果見表4。

表4 高新技術企業技術效率(按區域劃分)

從整體看，在調整前僅有東部地區高新技術企業技術創新效率值略微高于0.6，考慮環境變量和隨機干擾因素后，所有地區技術效率均低于0.6，表明中國高新技術企業技術創新水平整體偏低，資源配置不合理，投入產出效率不高。從局部看，無論是在調整前還是調整后，純技術效率表現為東部地區大于中部地區大于西部地區，東部地區綜合技術效率值最高，在《中國區域創新能力評價報告2017》中，處于東部地區的廣東、江蘇、北京、上海、浙江、山東、天津依次占據中國區域創新能力排行榜的前七名，東部地區創新環境優異，創新資源豐富，創新氛圍良好，使得東部地區高新技術企業技術效率高于中西部地區和東北地區。 東北部地區高新技術企業技術效率值最低，改革開放初期東北三省經濟發展水平處于我國前列，隨后東三省經濟由中國高水平衰敗成經濟落后地區。2015年，東北三省規模以上企業有研發機構的企業數是廣東省5002家的15.5%，規模以上企業研發活動經費內部支出總額是廣東省1520億的27.4%，政府研發投入是北京市791.64億的28%，東三省低水平的創新投入是其高新技術企業效率低的主要原因。在剔除環境變量和隨機干擾后，東北地區和西部地區規模效率下降明顯，由調整前的0.881和0.809下降為0.142和0.190，規模效率下降幅度明顯大于純技術效率上升幅度，在技術效率中占主導地位，導致兩者技術效率顯著下降。說明在調整前東北地區和西部地區技術效率值未能反映真實情況，受環境變量影響嚴重。

4 結論與建議

通過三階段DEA模型研究中國30個地區高新技術企業技術創新效率，一階段結果顯示僅有40%的地區技術效率值高于0.6，多數企業技術效率值處于0.6水平以下，表明中國高新技術企業技術創新水平整體偏低。剔除環境變量和隨機干擾后，各地區高新技術企業技術效率下降明顯，主要原因是規模效率的大幅度下降，規模效率均值由0.889下降到0.388，下降幅度高達56.36%，如內蒙古、吉林、黑龍江、廣西、海南、云南、青海、甘肅、新疆等地區下降幅高達90%，說明在剔除環境變量和隨機干擾前各地區規模效率被嚴重高估，環境因素對效率值影響嚴重，技術效率不符合實際情況。值得慶幸的是，除江蘇以外的所有地區規模報酬表現為遞增現象，表明絕大多數地區高新技術企業正處于可持續發展階段，擴大企業規模能夠提升企業效益。最后按照國家區域發展戰略劃分的四大區域將30個地區劃分為東北部地區、東部地區、中部地區、西部地區進行分析，結果發現不同區域之間高新技術企業技術創新效率也有差異，具體表現為東部地區大于中部地區大于西部地區大于東北部地區，東部地區由于經濟發達、資源豐富，所以相應創新效率最高，中西部地區效率次之但相差不大，東北部地區由于創新投入不足所以效率最低。

為了進一步提高高新技術企業技術創新效率，縮小區域間創新水平差異，提高整體經濟發展效率，提出以下建議：

1)目前中國高新技術企業技術創新效率整體水平偏低，應調整投入要素結構，優化人力資源和資金資源配置，充分利用現有資源，提高創新效率。不管在調整前還是調整后，絕大多數地區的高新技術企業仍處于規模報酬遞增狀態，表明現在處于經濟發展可持續增長階段，應增加投入規模擴大生產，以提高創新效率。對于處于創新前沿的地區，應在增加投入的同時優化資源配置，加強對高新技術企業人力資源和資金的有效利用，減少冗余。

2)調整與投入松弛變量正相關造成冗余的環境變量，減少資源投入冗余，進一步提高創新效率。第二階段SFA分析中，人力資源和宏觀經濟環境變量與R&D人員全時當量和R&D經費內部支出的松弛變量回歸系數均為負值，兩環境變量的增加都會導致高新技術企業人員與資金投入冗余。因此，經濟越發達的地區更應該注重優化投入資源結構，促進資源合理配置，充分發揮資源的最大作用，而不是一味地增加投入，造成資源浪費；調整人才引進思路，根據企業的需要選擇合適的人才，明確人才的晉升渠道，充分調動積極性，發揮其最大價值。

3)加強四大區域之間的合作交流，促進協調發展，縮小區域間高新技術企業技術創新效率。創新效率低的區域應向效率高的地區學習，彌補自身發展的短板，提升創新效率。國家層面應注重資源的合理調配與規劃，推動各區域間開放合作，共建產業、金融、人才、科技和信息等資源互通共享機制，實現優勢互補的同時促進區域協同聯動發展。