“互聯網+”戰略下信息技術服務業創新效率評價研究
——以北京、上海、廣東三地為例

晁一方，黃永春，2，彭 榮

（1.河海大學商學院，江蘇南京 211100；2.“世界水谷”與水生態文明協同創新中心，江蘇南京 211100；3.國家電網有限公司客戶服務中心南方分中心，江蘇南京 210013）

1 研究背景

中共十九大報告將加快建立創新型國家作為落實新發展理念、構建現代化經濟體制的一項重要工作，創新驅動發展戰略逐漸落實到各行各業。隨著互聯網和信息技術的廣泛使用，依托互聯網開展生產運營成為各行業發展的重要選擇。2015年，李克強總理在政府工作報告中首次提出“互聯網+”行動計劃，提出“要推動移動互聯網、云計算、大數據、物聯網等與現代制造業結合，引導互聯網產業拓展國際市場”，由此“互聯網+”的浪潮席卷全國，信息技術服務業也因此蓬勃發展。對于以科技為支撐的信息技術服務業來說，創新是企業運作的核心，創新效率的高低不僅決定了企業的創新能力，而且還關系到企業的競爭力，甚至會影響到企業整個宏觀環境的資源有效配置［1］。“十三五”期間頒布的信息技術服務業指導性文件《軟件和信息技術服務業發展規劃（2016—2020年）》明確提出“堅持把創新放在產業發展全局的中心位置”。信息技術服務業具有技術更新快、產品附加值高、應用領域廣、滲透能力強、資源消耗低、人力資源利用充等突出特點，對經濟社會發展具有重要的支撐和引領作用。因此，現階段對信息技術服務企業創新效率進行客觀有效的評價研究對信息技術服務型企業的經營管理以及創新轉型升級具有重要的理論與現實意義。

國內外學者對創新效率的研究涉及各個行業，但研究重點多集中在制造業和高技術企業［2-3］。在研究方法上，大多數學者采用DEA模型［4］和隨機前沿函數測定方法［5］通過構建投入與產出指標體系來測度研究對象的創新效率。例如，馮志軍等人［6］通過對高技術行業的創新效率進行測算發現，電子計算機及辦公設備制造業研發創新過程的整體效率最高，航空航天器制造業最低。劉芳［7］運用Malmquist指數法動態的分析了河南省高技術產業在 2003—2008年間的技術創新效率，Horta等［8］運用隨機前沿方法中的距離函數模型，以24個國家1998—2005年的相關數據為樣本，在多投入多產出的框架下對樣本國家的R&D效率進行研究。

現有研究中大多數學者采用傳統DEA模型進行效率分析，但傳統的 DEA模型無法去除環境因素和隨機誤差的影響，從而降低測度結果的真實性，從研究對象上來看，鮮有研究對信息技術服務企業的創新效率進行評價。基于此，本文采用傳統DEA與SFA相結合的三階段DEA模型對我國信息技術服務業創新效率進行評價研究。值得說明的是，我國信息技術服務業上市公司共有136家，其中北京、上海、廣東三地共有86家，占總數的63%，其余地區分布十分分散，并且受到產業集聚以及經濟發展水平的影響與北上廣三地存在明顯差距，不能代表我國信息技術服務業整體水平，因此本文選取具有代表性的北京、上海和廣東三地的信息技術服務業上市公司為樣本，采用三階段DEA模型對信息技術服務業的創新效率進行測度和評價，進而提出提高信息技術服務產業上市公司創新效率的相關建議。

2 研究方法、變量選取及數據說明

2.1 三階段DEA模型

本文選取Fried等學者［9］提出的三階段 DEA模型對信息技術服務業創新效率進行測算分析。三階段DEA模型通過剝離外部環境和隨機誤差對測算結果的影響，將影響因素置入模型計算過程，令所有決策單元都面臨相同的環境，更真實可靠的展現了各個主體的效率水平，彌補了傳統DEA-Tobit模型的缺陷。三階段DEA模型的計算過程包括以下3個階段：

第一階段：基于投入與產出數據構建傳統的DEA模型。本文選擇投入導向的 BC2模型。假設有n個決策單元數量，m項投入，s項產出，Yk為第k個決策單元的技術效率，yrk為第k個決策單元的第r項產出，Xik為第k個決策單元的第i項投入，λi和θi分別為第r項產出和第i項投入的權重，uk為第k個決策單元的規模報酬指標。其計算公式為：

第二階段：構建SFA模型，去除環境因素和隨機誤差的干擾。首先，基于隨機前沿生產函數，以環境因素為自變量，將上述傳統BC2模型測算的投入變量的冗余變量作為因變量，構建如下回歸模型：

式（2）中，Sik為第k個主體的第i項投入的冗余量；Zk為環境變量，f(zk;βi) 是環境變量對對該投入冗余量的影響，Vik+μik是隨機誤差項和管理無效率項之和。然后，根據SFA的回歸系數，調整投入變量，令全部主體處于相同的外部環境及隨機干擾之下，計算清除了環境因素和隨機因素影響的實際投入。調整公式如下：

其中,Xik和Xiko分別表示調整前后的投入，βi0是環境變量的待估系數，maxk(zkβi0)-Zkβio表示對外部環境進行調整，maxk(viko)-viko表示將所有決策單元置于相同運氣水平下。

第三階段：進行調整后的DEA模型測算。選取調整后的投入數據，產出數據保持不變，再次測算各主體的效率值，以此得到去除了環境因素與隨機干擾影響的真實效率值。

2.2 指標選取

（1）投入和產出變量：本文在遵循生產法和資產法的指標選取規則基礎上，借鑒蘆鋒等學者［10-11］的指標選取方法，創新投入指標分別選擇研發人員數量、研發經費內部支出來代表企業創新的人力和財力投入，在創新產出指標方面，大部分學者采用專利申請數量和新產品銷售收入來衡量，但由于上市公司的新產品銷售收入指標無法獲得，因此本文選擇用主營業務收入來代表企業的產品產出，選取專利申請數量來代表企業創新的技術產出。由前人研究可知，企業進行創新投資的作用不只存在于創新活動開展的當前時間，而對其長遠發展都存在影響，因此應該選取存量數據而非流量數據進行估計［12］。故而本文運用永續盤存法，以2013年為基期，對研發經費內部支出的存量數據進行計算：

其中K代表研發經費資本存量，E代表經過價格調整的研發經費固定資產購建費，δ 為研發經費資本存量的折舊率，本文將δ 設置為R&D資本存量常用的折舊率15%，其中基期研發活動資本存量用以下公式進行估計：

（2）環境變量：根據前人研究，環境變量的選取要滿足兩個條件，首先所選變量需要對企業創新效率有影響，其次，所選變量要滿足不能被樣本主觀控制的“分離假設”［13］。本文結合信息技術服務業的自身特點，參考相關研究文獻，在環境因素方面選取以下5個指標：

1）政府補貼。近年來，“互聯網+”的浪潮席卷全國，國家相關部門加大了對信息技術服務業的扶持力度，學術界普遍認為政府頒布的相關政策對企業的發展有具有較強的引導作用［14］，根據我國的現實情況，高投入、高收益的技術創新活動大部分會獲得政府等相關部門的補貼，部分學者認為政府補貼一定程度上緩解了企業可能由于資金不足造成的創新效率低下等問題［15］。

2）企業規模。不同規模的企業綜合能力有很大差別，面對風險時采取的策略也不同，與小公司相比，規模大的公司各種運行機制相對來說更加完善，更有可能去嘗試有風險的創新投入與研發。

3）產權性質。有學者認為，國企以“穩定”功能為主，民企以“發展”功能為主［16］，相對來講，民企由于競爭壓力較大，對創新的活動的開展更為重視，更希望通過突破性創新來獲取長遠的發展。

4）股權集中度。對于公開發行股票的上市公司來說，股東的個人意志會影響到公司的日常運營及重要決策。關于股權集中度對創新效率的影響，學術界意見并不一致，有學者認為當股權較分散時，容易形成權力的拉扯，無法在短時間內達成統一的意見，在危機狀況下可能產生“推諉扯皮”的現象［14］，不利于企業創新效率的提升。但也有學者表示，當股權過于集中時，大股東掌握絕對控制權，容易產生大股東“一言堂”和中小股東“用腳投票”的情況［17］。

5）地區經濟發展水平。不同區域經濟發展水平的差異造成其生產要素的豐富程度不同，故而對企業創新投入所需的人力財力的支撐能力存在差距，從而對創新效率產生影響。

所有指標的具體描述見表1。

表1 變量描述

2.3 樣本來源

參照2018年上市公司行業分類結果，本文選取北京、上海、廣東三地2013—2018年信息技術服務業上市公司的相關數據為研究對象，并對缺少數據的樣本進行剔除，最后得到60家信息技術服務業上市企業。環境變量中地區經濟發展水平來自《中國統計年鑒》以及各地區統計年鑒，部分專利信息來自國家專利信息服務平臺，其余指標均來自于國泰安、萬得數據庫和各上市公司年報。

3 實證結果與分析

3.1 第一階段：傳統DEA模型的創新效率測度分析

本文采用 Deap2.1軟件，基于傳統DEA模型，根據樣本企業所在省份，分區域對2013—2018年信息技術服務業上市企業的創新效率進行測度分析，結果如表2所示。在沒有考慮環境因素和隨機干擾項時，本文選取的60家信息技術服務業上市公司創新綜合效率的平均值是0.470，處于較低水平，純技術效率和規模效率的平均值為0.562和0.841，綜合效率較低的原因主要在于純技術效率水平低，因此，信息技術服務業上市企業存在創新資源投入結構不合理，管理有待加強等問題。從規模報酬來看，有6家企業達到最佳規模收益點，其余均應根據規模效率做出調整。除此之外，還可以看出，無論是綜合效率值、純技術效率值還是規模效率、規模收益，不同上市公司之間存在較大差異，分布很不平衡，只有銀信科技、光環新網、杰賽科技、賽為智能、兆日科技5家企業達到有效狀態，而有37家企業的效率值在平均值0.470以下。但由于此結果受環境因素及隨機誤差因素的干擾，因此還需進一步調整。

表2 第一階段DEA測算結果

3.2 第二階段:SFA模型的回歸結果

本階段以第一階段傳統DEA模型測算出的2個投入變量的冗余變量為因變量，以環境變量政府補貼、企業規模、產權性質、股權集中度和地區經濟發展水平為自變量，采用Frontier4.1軟件進行隨機前沿分析，得出各環境變量對投入冗余的影響，結果如表3所示。由回歸結果可知，5個環境變量的回歸結果基本通過了10%水平以內的顯著性檢驗，研發人員與研發經費內部支出冗余所對應的單邊似然比檢驗統計量LR值均大于檢驗的標準值，且γ值趨近于1，這說明環境變量選取合理，信息技術服務企業的創新投入冗余受環境變量影響較大。

下面本文進一步分析5個環境變量對創新投入冗余的回歸結果：

（1）政府補貼與研發人員冗余、研發經費內部支出冗余的回歸系數分別在5%和10%的水平上顯著為正，這表明政府補貼的增加并不能減少信息技術服務業創新資源投入冗余，同時也體現出政府補貼對企業創新的導向作用沒有充分發揮。

這可能是由于政府補貼的項目大多數偏重于風險較高、難度較大、周期較長的技術，為了完成此類項目，企業需要投入大量的人力、物力和財力，導致投入冗余；另一方面，政府鼓勵企業加強對有戰略導向的新興技術開展研究，企業為了申請到政府補貼不得不進行相關研發，但又缺乏對創新資源的有效管理，以至于使研發資源被大量消耗。

（2）企業規模與研發人員冗余、研發經費內部支出冗余的回歸系數均在1%的水平上顯著為負，這表明隨著企業規模的擴大，創新投入冗余會減少。企業規模越大，企業的綜合能力就相對越強，對于信息技術服務業這種技術導向型企業來說，越是規模大的企業越能承擔高額成本的創新活動，發揮規模經濟的優勢，并且能通過向不同方式分散化投資以降低創新風險。其次，規模大的企業的市場相對開闊，因此，技術轉化率相對較高，通過創新活動獲取的盈利比小企業更可觀且更持久，只有當利潤收入有樂觀預期時，企業才會積極投入創新活動，同時也提高了大企業的創新效率。

（3）產權性質與研發人員冗余、研發經費內部支出冗余的回歸系數均在1%的水平上顯著為正，這表明相比于非國有企業，國有企業的創新投入冗余較多，制約了創新效率的提升。非國有企業的生存和競爭壓力要遠大于國有企業，因此，非國有企業為了自身發展對創新資源的把控更加嚴格。

（4）股權集中度與研發經費內部支出冗余的回歸系數均在5%的水平上顯著為正，而對研發人員冗余并不顯著，這表明股權過于集中會導致信息技術服務企業研發經費投入的浪費。當企業股權過于集中時，容易出現大股東“一言堂”的現象，企業創新投入的力度和方向極容易被大股東個人意志所左右，不利于創新效率的提升。

（5）地區經濟發展水平與研發人員冗余的回歸系數在5%的水平上顯著為負，對研發經費內部支出冗余的影響不顯著。這表明經濟發展水平的提升能夠減少研發人員冗余，經濟發展水平的提升是信息技術服務業集聚發展的重要條件，經濟條件良好地區能夠為信息技術服務企業的創新研發人員提供足夠的市場和機會，減少人員浪費。

表3 第二階段SFA回歸結果

由以上分析可知，環境因素影響著信息技術服務企業的創新投入和企業內部管理，因此，將樣本公司置于相同的環境因素和隨機干擾狀態水平下再進行創新效率的評價，更能體現公平性，更具有現實價值。

3.3 第三階段：調整后的創新效率測度分析

根據第二階段的調整，再次對調整之后的數據進行DEA測算，得到更加真實可靠的信息技術服務企業創新效率值。由表4的測算結果可以看出經過調整后的綜合效率、純技術效率、規模效率、規模報酬以及與第一階段相比的改進比例，整體來看，綜合效率的平均值由第一階段的0.470上升至0.495，純技術效率的平均值由0.562上升至0.605，規模效率由0.841下降到調整后的0.829。雖然綜合效率和純技術效率值均有所上升，但總體上信息技術服務業的創新效率依舊不樂觀，主要原因是純技術效率較低，即企業創新資源的投入結構不合理，管理水平有待提高。

在綜合效率方面，經過調整后，有35家企業的綜合效率值上升，其中有15家企業增幅超過50%，華宇軟件增幅最高達到211.282%，說明由于受環境因素和隨機誤差因素的影響，其效率被明顯低估，在綜合效率下降的企業中，飛利信的降幅最大，達到-43.364%，另外還有2家企業效率值保持不變。在純技術效率方面，有32家企業經過調整后純技術效率值上升，超圖軟件、華宇軟件、華平股份的純技術效率提升幅度超過100%，有9家企業繼續保持純技術效率有效，說明這些企業的資源投入配置良好，有利于創新效率的提升。在規模效率方面，有36家企業在調整后出現較第一階段規模效率下降的現象，但降幅整體較小，其中大多數降幅小于20%，綜合平均值來看，信息技術服務企業的規模效率整體較好，但只有3家企業規模報酬不變，有26家企業規模報酬是遞增狀態，31家企業規模報酬是遞減狀態，因此大部分企業的創新活動只是趨近于最優生產規模，仍需進一步改進。

表4 第三階段調整后的信息技術服務業創新效率

表4（續）

根據以上測算結果，本文以平均值為界，將全部樣本企業內部劃分為五種創新類型，分別是創新領先型、創新良好型、純技術效率改善型、規模效率改善型和創新落后型。其中，創新領先型是指純技術效率和規模效率均達到有效的企業，這類企業的創新效率達到最優，應在經營中繼續保持，樣本中有3家企業屬于創新領先型，其他企業應多吸收創新領先型企業的寶貴經驗。創新良好型是指雖然沒能達到效率最優，但純技術效率和規模效率均保持在全部樣本企業效率值的平均水平以上，此類企業應注意查找管理方面的漏洞，并在不改變戰略方向的基礎上及時彌補，進一步提升創新效率。純技術效率改善型和規模效率改善型是指在純技術效率和規模效率兩方面只有一個效率值達到良好以上，由表5可知，純技術效率改善型企業有23家，占樣本總體的38%，這些企業應著重改善資源配置和投入結構，增強內部管理水平，而規模效率改善型企業應繼續保持高的資源配置效率優勢的同時，更加注重調整生產規模。創新落后型是指純技術效率和規模效率均在平均值以下的企業，此類企業應一方面加大對創新資源的投入，促進生產規模的擴大；另一方面，要積極調整創新資源配置結構，注重管理水平提高，提升資源轉換效率。

表5 信息技術服務企業的創新類型分布

4 研究結論與建議

本文以2013—2018年北京、上海、廣東三地信息技術服務業上市公司為研究樣本，以三階段DEA模型為主要研究方法，對信息技術服務企業的創新效率進行測度與評價。研究表明：

（1）根據第三階段與第一階段的創新效率對比，環境因素及隨機干擾項會令信息技術服務企業的創新效率被低估，環境因素中，政府補貼、股權集中度以及企業的國有產權性質會增加創新投入冗余，而企業規模和地區經濟發展水平對創新投入冗余有抑制作用。

（2）去除環境因素和隨機干擾項的影響后可以看出，信息技術服務企業的創新綜合效率值較低，其主要原因在于純技術效率低，資源投入結構不合理導致資源配置與轉換效率低，內部管理有待加強，在規模效率方面，有26家企業規模報酬是遞增狀態，31家企業規模報酬是遞減狀態，因此大部分企業的創新活動規模仍需進一步改進。

（3）通過對樣本企業的內部分析發現，純技術效率改善型企業有23家，占樣本總體的38%，是占比最大的類型，因此，信息技術服務業的創新效率改進方向應以提升純技術效率為主，在保證企業規模收益良好的情況下，改善企業管理和資源配置水平。

基于以上研究結論，為提高我國信息技術服務企業創新效率，加強信息技術服務業的創新能力，本文提出以下對策建議：第一，合理配置資源投入，提升管理水平，促進創新成果商業化。信息技術服務企業應當根據自身發展情況合理進行研發經費和研發人員的投入，避免盲目投入資源導致資源浪費的情況發生。一方面要將投入資源的絕對數量控制在合理的范圍內，加強對創新資金、科研人員的監管力度，提升資金和員工的利用效益。另一方面應加大力度提升科技創新成果的轉化率，促進技術成果商業化，將技術成果轉化為企業的經濟效益，實現創新活動投入與公司盈利之間的良性循環。第二，完善公司創新機制，充分發揮政府補助的激勵作用。企業應根據自身的發展情況去申請在能力范圍內的政府項目，完善創新機制，做到專款專用，有計劃的運用政府資金，充分發揮政府補助對創新效率的激勵和引導作用。另外，政府對企業進行創新補貼時應注重補貼的引導和杠桿作用，積極推動企業成為創新主體，激勵企業加大研發投入，進而提高創新效率。第三，為創新活動創造有利的環境條件，提升員工工作積極性。企業應重視營運能力的提升，并在發展中應處理好集權與分權的關系，為創新活動創造良好的制度條件和組織環境，激發員工創造活力。鼓勵企業與高校和科研機構合作，積極吸收技術資源與人才資源，提高員工素質，從而提升整個信息技術服務業的創新效率。