基于DEA交叉效率的区域技术创新评价体系研究

本资料包含pdf文件1个，下载需要1积分

技术创新作为经济发展的动力源之-，随着知识经济的发展在区域竞争中显示出了日益强劲的作用。技术创新在提高生产率和创造新兴产业方面起到了根本的推动作用，成为影响区域产业升级和结构转换的核心因素。没有技术创新就没有产业的发展，从而就没有经济的持续发展，区域技术创新效率和能力已成为衡量区域经济是否拥有国际竞争优势的决定性因素。如何提升区域技术效率成为区域发展关注的重点，这就需要对区域效率进行测度并通过对比为提升效率提供基矗对区域技术创新效率进行评价，可以判断区域发展过程中资源是否合理利用，资源配置是否合理等问题 ，据此提出针对性的改进建议，对于提升技术投入资源的利用效率进而提高区域的科技竞争力和发展能力具有十分重要的现实意义。从理论角度对技术创新效率进行评价成为研究热点，如何选择-种有效的评价方法对区域技术创新效率进行评价，从而制定出适合各区域的发展战略以提高区域经济效益成为了关键问题。目前这-领域的研究常用的方法是DEA，SFA和综合评价方法等↑年来 ，国内外很多学者对区域技术创新效率进行了理论与实证研究，已取得了较为丰硕的成果。采用的评价方法主要是投入产出分析法，包括 SFA(随机前沿分析)、DEA(数据包络分析)以及Malmquist指数等，其中DEA方法应用最多。因为相比较于参数方法，DEA方法不需要事先确定指标的相对权重，无须估计投入产出的生产函数，排除了主观因素，避免了因错误的函数形式带来的问题。其结果不仅能判断被评价对象效率的相对有效性，还可对非有效的决策单元给出改进方向。因此DEA方法相对应用更多。-些科研人员(2010)用 DEA--tobit两步法计算了 199772004年中国各地区的技术创新效率，并分析了其影响因素进行分析，发现东部区域创新效率明显高，其总行业结构和企业规模是区域技术创新效率的重要影响因素l。

来稿日期：2012-07-10作者简介：卢 玺，(1968-)男，辽宁凤城人，博士，主要研究方向：企业管理及信息化；刘永贤，(1945-)男，辽宁桓仁人，博士生导师，主要研究方向：企业管理及信息化第5期 卢 玺等：基于DEA交叉效率的区域技术创新评价体系研究 247- 些科研人员(2010)将主成分分析与DEA相结合对中国各区域的技术创新效率进行测度，结果发现大部分区域的技术创新效率处于规模收益递增阶段陶。国内对于区域技术创新效率的研究比较多。-些科研人员(201 1)以区域技术创新流程研究为基础，采用 2002-2006年我国 30个地区的面板数据 ，运用 B～C(1995)模型估计了技术创新效率，结果表明区域技术创新效率整体有所提高，区域间差距呈扩大趋势131。-些科研人员(201 1)利用交叉效率模型对 2008年全国 31个盛市 、自治区的技术创新效率进行评价，并进行完全排名㈣。-些科研人员(2012)依据技术创新过程的线性模型，构造了区域技术创新效率评价的两阶段模型，并运用 DEA方法对 2000-2008年中国3O个省(市、区)的研究开发效率和成果转化效率进行了评价 。

借鉴以上文献所用的方法模型，综合既有文献指标体系，结合我国各省市实际情况建立适宜的投入产出指标体系，并将系数矩阵引入到 DEA交叉效率模型中对 2009年全国3O个盛市、自治区的技术创新效率进行测度。同时以投入数据为变量，采用两步骤聚类方法对 3O个区域进行聚类分析，综合这两方面内容给出适合于各区域的改进措施。

2区域技术创新效率指标体系构建从 DEA的视角技术创新效率实质是指技术创新投入与产出的比例。因此在进行技术创新效率评价时，能否选认理的技术创新的投入产出指标是评价结果是否准确的关键♂合国内外既有文献 ，选择研发全时人员当量数、研发内部支出额以及技术流人合同额作为投入指标，国内专利申请授权数、新产品销售收人以及地区技术市场成交合同额作为产出指标。对于投入指标 ，研发全时人员当量数和研发内部支出额用以衡量各地区研发投入强度；技术流人合同额用以衡量地区吸收外部技术，进行技术升级和改造的投入。对于产出指标 ，国内专利申请授权数是直接的创新行为；同时考虑数据的可获性以及创新贡献性选取新产品销售收入、地区技术市场成交合同额作为产出指标。这六个指标分别从人力，物力，财力三方面对技术创新活动的直接产出和最终目的进行衡量和评价。

3 DEA交叉效率模型与改进3.1传统 DEA交叉效率模型传统DEA模型是通过决策单元自评来获取效率值，常见的模型为BCC和CCR等，其特点表现在决策单元可以自己选定投入和产出的权重，选取最有利于自己效率值的权重。-方面只考虑自评而忽略其它 DMU的情况导致对 自己效率有利的指标权重赋予很大比重。另-方面运用 CCR模型进行计算，会出现很多DMU的效率值为1，不能充分判断哪个 DMU更好。

为了克服 CCR模型自评的缺陷，提出了交叉效率方法，该方法分为两种：在保证DMUd效率最大的情况下，使其他DMU的效率值最小，这种方法被称为进取型交叉效率；另种方法是在保证DMUa最大的情况下，最大化其它DMU的效率，被称为仁慈型交叉效率。这两种交叉效率都分为两个部分，其中第-部分都是模型CCR，即模型(1)。第二部分的进取型和仁慈型交叉效率具体见式(2)，当opt为求最小时为进取型，当opt为求最大时为仁慈型。

8 opt 2-UrYrk/，l ilt uyJ vi s1J1，2，，nr1 ilUrY/ rl il0， >-0，V r，i (1)其中，有 n个决策单元 ，每个决策单元消耗 m种投入并生产s种产出。对于第. 个决策单元，记其第i种投人为 ( 1，2，，m)，第r种产出为 (，：1，2，，s)。式中：变量 与 是评价第d(dl，2，，n)个决策单元时赋予第r种产出与第i种投入的权重。这两种方法克服了CCR模型的自评的不足，并且能充分的对决策单元进行比较排序，但是也存在-定问题。它们在保证DMUd效率最大的情况下，把其它决策单元要么当作竞争对手，要么当作合作伙伴，在现实生活中很多情况是-些 DMU是竞争关系，-些 DMU是合作关系。只有同时考虑决策单元间的竞争与合作关系我们才能得到更加贴近现实的效率值，因此通过引入系数矩阵来体现不同决策单元间的竞争和合作关系。

3.2引入竞合系数矩阵的交叉效率为了综合考虑决策单元之间的竞争与合作关系，引入系数矩阵。其中，是/，阶对称矩阵， 对角线上的元素都为1，代表/，个DMU的自评系数。余下的元素若决策单元间是竞争关系则给对应元素赋值为-1，若为合作关系则给对应的元素赋值为1。

这样我们构造出带有系数矩阵的交叉效率模型，该模型的第-部分同样为 CCR，第二部分的构造如式(3)所示。

maxL(d，j)×∑UrYrk/∑Vir1 ils.t uxq/ %≤1√1，2，，n仁l /IUrXrd ” ：9∞l il≥0，vi 0，V r，i (2)式中： (d，k)-系数矩阵中第 d行 、第 k列的元素。

通过加入系数矩阵，综合考虑了决策单元间的竞合关系，使得出的效率值的计算更加贴近实际，此时计算的效率是-种共生水平下的效率。

4中国识层面技术创新效率评价与分析4.1技术创新效率评价选用中国30个盛市、自治区为样本，数据来源于 2010年和 2011年中国科技统计年鉴，由于西藏自治区的基于指标体系的统计数据不全 ，因此没有纳入评价的范畴。由于技术扩散和外溢的存在，基于空间关系构建邻接矩阵，以邻接矩阵的二阶关系作为关系矩阵，满足二阶邻接关系的是合作关系赋予权重值 1，否则为竞争关系赋予-1。运用构建的引进系数矩阵的交叉效率模型对各盛市、自治区的技术创新效率进行比较评价，结果如表 1所示。由表 1可以看出，全部 30个省市的技术创新效率均小于1，都没有达到完全有效。产生这种结果的原因是，在计算交叉效率时，丛技术的角度在保证自身效率最优条件下使其他竞争生省市效率最校这种结果说明全部 30个省市都没有做到完全的资源利用，都具有很大的提升空间。

248 机 械设 计 与制 造No.5Mav.2013表 1 2009年我国3O个盛市、自治区技术创新效率及排名表Tab.1 2009 30 Provinces，Municipalities andAutonomous Regions in our Count TechnicalInnovation Eficiency and Ranking决策单元效率值排名决策单元 效率值 排名 决策单元 效率值 排名各省市技术创新效率表显示，技术创新较为有效(效率值高于0.7)的省市-共有 5个 ，-般有效(效率值介于 0.3与 0.7之间)的省市有 14个，非有效(效率值低于0.3)的省市有 1 1个。表明我国很大-部分省市的技术创新能力具有-定的提升空间。从三大区域的平均技术创新效率角度来看，东部最高，其次是中部，西部最低。对于排名靠前的省份如浙江、北京、江苏、上海和广东，从地理位置来看，都处于东部沿海地区，由于其投入规模，科研实力和市场发展水平等均位于全国前列，不仅创新投入充足，而且创新成果显著，因此能够较为充分的利用资源。相反，效率值在 0.3以下的排名后 1 1位的省份中，大部分处于西部地区，如青海、宁夏和内蒙古。对于这种技术创新效率东高西低的现象，虞晓芬等对其原因进行了分析，认为企业性质、人力资本、产业结构等是影响我国各省市技术创新效率的显著因素 。

4.2结果分析选择按投入数据进行聚类的分析方法，将相似的区域准确地聚到同-类。选取两步聚类法，聚类结果如表2所示。表中每组第-个省市为本组中效率值最高的省市，将作为本组其他省市改进的基准。从聚类结果来看，前三组的技术创新效率值都处于全国前列，能够将投入较好的转化为产出。由于这三组的省市都处于东部经济发达地区，因此具有相似的发展情况，将其聚为三组是因为其资源分配结构不同。第4组所包括的省市中，多数是创新效率-般有效的省市，它们并没有充分的将资源进行利用。从地区来看都处于中部地区，较之于东部，研发环境与研发能力跟不上创新的要求，导致了资源浪费的问题。而第 5组中省市多数处于西部地区，不仅优秀技术人员稀缺，创新设备等资源也满足不了创新所需条件，因此其创新效率很低。这样-种从东到西的分类结果与效率值的分布结果不谋而合，也可以看出我国的地区发展现状。

表 2技术创新投入规模区域分类表Tab.2 Technology Innovation Onvestment Scaleof the Regional Classification第 1组 第 2组 第 3组 第4组 第 5组螈 篙 筹瓣 结合表 2给出适合于各省市的改进方向。对于北京市，它的投入规模全国最大，聚集了大量优秀的人才与资源，因此具有较强的创新能力与效率。但也存在着全国最多的投入冗余与产出不足♂合北京投入的冗余数据，可以明显的看到各项冗余巨大，尤其是研发内部支出额-项，是冗余产生的主要部分，而产出不足主要产生在新产品销售收入和地区技术市场成交合同额这两项。

针对这两部分问题，北京的创新改进应减少研发的各项投入，尤其是内部支出，提升研发经费的使用效率以创造更高的价值；而在进行产品销售与成果转让时，需提高产品的销售价格和转让费用，以增加销售收入以及市场成交额。第 2、3组的情况与北京相似。第4组的省市中，以四川省的技术创新效率最高，说明在投入规模相似的情况下，中部地区以四川I省的资源利用率最高，因此本组内其它省市应以四川省为基准，比照它的资源分配方式结合自身特色进行改进。四川省也未达到完全有效，仍具有改进的空间。从表2中的数据可以看出，四川省的冗余主要产生于研发内部支出额-项，不足则主要由新产品销售收入-项产生，而且这两部分几乎占据了冗余与不足的全部内容，因此，在进行创新改进时，需要将主要精力投放在这两方面上。需要结合本省的自然资源与优势，引入高技术人才，加大创新力度，以降低研发内部支出；同时提升新产品的性能，增加其销售收入，弥补在销售收人E的不足。对于第5组各省市，除江西和海南外，全部属于西部地区，在地域环境方面有很大相似眭，投入规模也极为类似。重庆作为这组中效率最高省市，其资源分配具有- 定的代表生与借鉴l生。表2中数据显示，重庆相对于其它省市冗余与不足较少，表明在进行投入时，其资源分配较为合理，可按此比例进行较小的调整。根据调整后的分配结构加大创新投入，增加创新产出，最后提升总体技术创新效率。

5结论通过测度分析表明，我国全部省市均具有提升空间，尤其是西部经济欠发达地区，提升空间更大。对于东部地区各省市，应以浙江省为基准，积极调整资源投入配置，使其技术创新更为有效。

各区域应结合自身的优势，加大与其他省市的合作，共同将技术创新效率提高。对于西部地区，则应该改善 自身条件的同时，加大自主创新能力，调整资源配置，以东部地区的配置结构为参考 ，尽量使创新效率达到有效水平。