本站小編為你精心準備了區域技術創新效率研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、文獻綜述

技術創新效率是指技術創新活動中的要素投入相對于產出的轉化效率，反映技術創新投入對產出的貢獻比重，即研究如何在技術創新中合理地配置相關資源。目前學術界關于技術創新效率的測量與評價方法最常用的有兩種:一是單一指標的投入產出評價，一般用比較簡單的算術比例法;二是對多投入和多產出指標采用的評價方法，包括參數方法和非參數方法。參數方法以隨機前沿分析(SFA)為代表，非參數方法以數據包絡分析(DEA)為代表。DEA是評價具有多投入和多產出決策單元的一種較好的方法。國外對于技術創新效率的研究起步較早。1957年，英國經濟學家M．J．Farrell提出了技術效率的概念，并給出了測算標準和測算模型。Aigner，Lovell和Schmidt(1977)率先提出了效率測度的隨機前沿方法，隨后被應用到對技術創新效率的評價，改變了傳統的純理論研究方法，轉向了應用研究。A．Charnes和W．W．Cooper等人(1978)提出用數據包絡分析方法(DEA)計算技術效率，以相對有效率概念為基礎，根據一組關于輸入、輸出觀察值來估計有效前沿面，并根據各決策單元與有效生產前沿面的距離狀況，確定各DMU是否有效。美國學者羅杰斯和拉森川(1985)研究了區域創新效率評價。HelmutForst-ner和AndersIsaksson(2002)以1980—1990年的截面數據，用DEA方法測算了57個國家的技術效率，得出工業國增長更多是依靠技術進步，而發展中國家的增長則更多依賴于技術效率的進步的結論［3］。Nasicrowski和Arcclus(2003)測度并分析了45個國家的創新效率，發現技術創新規模、資源配置對生產率的變化有重要影響。Nasier-owski和Arcelus(2003)研究了信托公司的技術創新效率。3M公司CEOBuckley(2007)結合六西格瑪管理探討了創新與效率的問題。MCRimmon(2007)從成功的管理標準、創新和執行的均衡、組織文化方面論述創新的效率，并提出了管理建議。Akihiro和Shoko(2008)對日本醫藥產業研發創新效率變化情況進行了測度。Jarvis(2009)從2008年金融危機談起，進行案例分析，指出了重點關注創新效率的問題。1997年，我國學者柳卸林首次提出技術創新效率的評價問題，并從企業角度對技術創新效率進行了測算。池仁勇(2003)測算了浙江省大、中、小企業的技術創新效率，并對影響該效率的各個因素進行了回歸檢驗。［5］池仁勇、虞曉芬、李正衛(2004)對我國30個省市自治區的技術創新效率進行了測定，結果呈現東高西低的特征。劉愛芹、張偉(2008)運用數據包絡分析方法對山東省17地市的區域技術創新效率進行了測度，結果表明一個區域技術創新的綜合能力應該包括投入能力、產出能力和兩者相互作用的效率。［3］官建成、陳凱華(2009)運用DEA的松弛測度模型和臨界效率測度模型，對中國高技術產業技術創新活動的技術效率、純技術效率、規模效率、規模狀態進行了測度。馮纓、滕家佳(2010)運用數據包絡分析法對江蘇省高技術產業整體技術創新效率進行了域際評價，并分析了江蘇省五大高技術行業的技術創新效率。［6］謝子遠、鞠方輝(2011)以國家高新區為樣本，實證研究了產業集群對區域創新效率的影響。郭磊、劉志迎、周志翔(2011)運用DEA交叉效率模型，實證研究并給出了31個省、市、自治區技術創新排名。蘇海濤等(2012)建立了基于投入和產出指標的江西技術創新效率評價指標體系，利用數據包絡分析測算了2001—2009年江西技術創新的技術效率、純技術效率和規模效率值。葉銳、楊建飛、常云昆(2012)利用1999—2010年我國29個省份的面板數據，測算高技術產業系統效率和子系統的純技術效率。張江雪、朱磊(2012)運用四階段DEA模型，對我國2009年各省工業企業技術創新效率進行了實證研究。綜上所述，在對技術創新效率的研究中，所采用的方法有參數的SFA方法，也有非參數的DEA方法。研究領域有的是地區或者行業技術創新效率的差異性，有的是某個地區或行業技術創新效率的特點，但針對相似經濟水平的區域技術創新效率的研究相對較少。本文以中國最發達的東部沿海十省市為例，對其技術創新效率進行了研究。

二、評價方法與指標選取

1．評價方法數據包絡分析是線性規劃模型的應用之一，常被用來衡量擁有相同目標的運營單位的相對效率，本文采用CCR模型和BCC模型來評價技術創新效率。1978年由著名的運籌學家查恩斯(A．Charnes)、庫伯(W．W．Cooper)和羅茲(E．Rhodes)首先提出了一個被稱為數據包絡分析(DataEnvelopmentanalysis，簡稱DEA模型)的方法，用于評價相同部門間的相對有效性(因此被稱為DEA有效)。他們的第一個模型被命名為CCR模型。這一模型是用來研究具有多個輸入，特別是具有多個輸出的“生產部門”同時為“規模有效”與“技術有效”的十分理想且卓有成效的方法。1984年查恩斯(A．Charnes)、庫伯(W．W．Cooper)、格拉尼(B．Golany)、賽福德(L．Seiford)和斯圖茨(J．Stutz)給出另一個模型BCC模型(也稱為C2GS2模型)，這一模型用來研究生產部門間的技術有效性。2．指標選取根據Roll(1989)的研究結果，決策單元個數為投入指標和產出指標之和的2倍較優。本文綜合考慮數據包絡分析對數據的要求以及數據的可獲得性，選取了2006—2010年東部沿海十省市技術創新效率的評價指標。投入指標包括研發經費、研發人員全時當量，產出指標包括新產品產值、新產品銷售收入和申請專利數。

三、實證研究

根據上述模型和選取的指標，我們選取東部沿海北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東十省市作為評價單元(DMUj(1≤j≤10))。各個指標數據以十省市大中型企業為基準，數據來源于《中國統計年鑒》和《中國科技統計年鑒》。利用LINDO軟件求解，解得結果如表2所示:由DEA有效性的判斷可知，當θ=1，且松弛變量和剩余變量為0，則表示評價單元(DMU0)的技術創新效率達到了相對最優。由表2可知，2006—2010每年DEA綜合效率都相對最優的省市是天津和上海，DEA純技術效率都相對最優的省市是天津、上海、浙江和廣東，DEA規模效率都相對最優的省市是天津和上海;所有效率值都偏低的是江蘇和遼寧。2006—2010每年規模都有效的省市有天津和上海，都無效的省市是福建。雖然十省市的技術創新效率相對較高，但從單個年份來看綜合效率、純技術效率、規模效率和規模收益仍存在差異。1．綜合效率分析從上述計算中可知，投入多的省市，其相對效率不一定高，產出少的省市，其相對效率不一定低，因為這涉及到投入產出的比例。由圖1可以看出，2006—2010年，效率值等于1的省市有天津和上海;效率值介于0．8與1之間的省份有浙圖12006—2010年東部沿海十省市綜合效率江和廣東;效率值介于0．6和1的省份是北京、福建;效率值介于0．2和0．8之間的是山東、江蘇和遼寧;效率值小于0．6的是河北。天津、上海的綜合效率一直最優;廣東的綜合效率值由1下降到0．8650，呈下降趨勢;江蘇則正好相反，由0．4610增長到0．7845，呈上升趨勢。2．純技術效率分析在生產函數理論中，企業能夠在其最大可能生產曲線上進行生產。但實際經濟環境中，由于管理的漏洞、技術人員的缺乏或者其他原因，使得現有的技術不能得到充分的利用。技術有效性表示在一定的技術條件和管理模式下，產出相對投入而言已達到最優，即決策單元的投入產出活動已經充分發揮了現有技術條件的潛能，使資源達到了最優配置。由圖2可知，2006—2010年純技術效率值為1的省市有天津、上海、浙江和廣東;純技術效率值介于0．8到1之間的省市有北京、福建和山東;純技術效率值介于0．4到1之間的省市有江蘇、遼寧，純技術效率值介于0．4和0．8之間的是河北。天津、上海、浙江和廣東純技術效率保持不變，福建和遼寧有增長趨勢，其他省市趨勢不明顯。與圖1相比，純技術效率和綜合效率的變化趨勢不盡相同，如2009年，北京和山東的綜合效率值分別為0．996476和0．976062，可純技術效率值都為1。原因是影響綜合效率的因素除了有純技術效率外，還有規模效率。3．規模效率和規模收益分析綜合效率是由純技術效率和規模效率兩部分組成的，綜合效率=純技術效率×規模效率，其中規模效率是由于企業規模等因素影響的生產效率。規模效益指的是，企業將生產要素等比例增加時，產出增加價值大于投入增加價值的情況。只有當經營規模擴大，其產量增加的比例大于全部要素投入量增加比例時，這種經營規模才具有規模效益。由圖3可知，2006—2010年，規模效率值為1的是天津和上海;介于0．8和1之間的是浙江和廣東;介于0．6和1之間的是北京、福建、山東、江蘇和遼寧;小于0．6的是河北。天津和上海規模效率趨勢保持不變，廣東規模效率呈下降趨勢，其他省市趨勢不明顯。2006—2010年規模收益趨勢保持不變的是天津和上海，說明這兩個省市已達到最佳規模狀態。規模收益遞減的是山東、江蘇和遼寧。規模收益遞增的是福建，北京和河北在個別年份也出現了規模收益遞增，這會導致規模無效，這些省市應加大投入，擴大規模，但需注意投入的適量性，防止出現“投入冗余”，導致投入產出比例下降。接下來綜合比較2006—2010年十省市綜合效率、純技術效率和規模效率情況，我們選取五年均值，作圖如下:圖42006—2010年技術創新效率均值由圖4可知，2006—2010年技術創新綜合效率均值排名第一的是天津和上海，接下來由高到低依次是浙江、廣東、北京、福建、山東、江蘇、遼寧和河北。純技術效率均值排名第一的是天津、上海、浙江和廣東，接下來由高到低的順序跟技術效率一樣。規模效率均值排名第一的是天津和上海，接下來由高到低的順序跟綜合效率一樣。從圖中可以看出三種效率均值變化趨勢不盡相同，說明在不同省市的無效率狀況的原因不盡相同。浙江和廣東的綜合效率均值為0．9993和0．9682，它們的無效不是因為技術原因，而是規模原因。北京和福建的綜合效率為0．9189和0．7456，它們的無效是由技術和規模的綜合原因導致的。除了探究非DEA有效的原因以外，我們也可以改變投入或者產出，通過投影分析將非有效的DMU轉變成有效的DMU。從上面的分析可知，個別年份個別省市的非DEA有效或是存在著投入冗余，或是存在著產出不足，或是兩者兼有之。我們可以利用其在有效前沿面上的投影進行調整，在現有投入的基礎上擴大產出，也可以在現有的產出上減少投入，以使投入產出比例達到最優。由表3可知，2006年，河北研發人員全時當量為23955，應減少到72%，即達到6703人，才能使河北的技術創新有效;江蘇研發人員全時當量為82321，應減少到58%，即達到34831，才能使江蘇的技術創新有效。2010年，遼寧的新產品產值為21229．83千萬，應增加到27472．84千萬，才能使遼寧的技術創新有效;福建的新產品收入為19853．442千萬，應增加到24679．69千萬，才能使福建的技術創新有效;江蘇申請專利數量為31132個，應增加到31435個，才能使江蘇的技術創新有效。所以，在非DEA有效的北京、河北、遼寧、江蘇、福建和山東省市，可以通過減少投入量(如全時當量)，也可以增加產出量(如新產品產值、新產品收入和專利)來改進其非DEA有效，達到DEA有效的狀態。

四、結論與政策建議

改革開放以來，東部沿海十省市集聚了大量的技術和人才，這些地區的經濟發展水平也居我國前列。通過對十省市綜合效率、純技術效率、規模效率和規模收益趨勢的測算，發現它們的技術創新效率總體較高，但我國經濟最發達的北上廣地區，技術創新效率并不是最高。其中天津、上海、浙江、北京和廣東無論純技術效率和規模效率都較高;福建和山東的純技術效率較高，但規模效率偏低;江蘇、遼寧和河北的純技術效率和規模效率都不高;天津和上海達到最佳規模狀態，福建五年來一直處于規模無效狀態，北京和河北個別年份規模無效。廣東的綜合效率和規模效率呈下降趨勢，江蘇的綜合效率呈上升趨勢，福建和遼寧的純技術效率呈上升趨勢，總體來說，各省市的技術創新效率隨時間變化的趨勢不明顯。在對非有效DEA的省市的研究中，由產出不足導致的無效遠遠大于投入冗余導致的無效。上述結論在政策上具有非常重要的意義:1．打破行政壟斷，充分發揮市場配置資源的作用。在東部沿海十省市中，研發經費和研發人員投入在全國都處于領先地位，但技術投入產出比例相對于發達國家偏低，究其原因是在很多行業都存在研發經費使用效率低和智力資源浪費的現象。要想發揮技術人員的積極主動性，應大力發揮市場的作用，打破行政壟斷，加強人員流動，加快產業升級，加速經濟的自由發展。2．充分發揮技術的作用，處理好規模與效率的關系。宏觀層面上，國家應鼓勵先進技術的開發，重視科技人才的作用，鼓勵產品或技術的創新。微觀層面上，企業在技術和管理方面，應做到人盡其才，物盡其用。對東部沿海十省市來說，不同地區應針對自身情況處理好規模與效率的關系，對福建和山東地區應該提高其規模效率，江蘇、遼寧和河北地區既要提高其純技術效率，也要提高其規模效率。對規模無效的福建等地區，應擴大生產規模，但要注意防止出現投入冗余。3．從投入產出角度來看，在防止投入冗余的同時，更應該增加產出。首先，各地區應利用先進技術加快產業升級，提高新產品銷售收入和新產品產值。其次，完善知識產權保護的相關法律，鼓勵申請專利，形成良好的知識產權保護氛圍。最后，各省市應建立良好的企業發展績效考核機制，在考核企業盈利情況時，應結合資源消耗、環境損害、生態效益、產能過剩、科技創新等指標。

作者：王奇珍朱英明楊連盛單位：南京理工大學經濟管理學院