基于DEA方法的中国城市技术创新效率研究

汪 娟，肖 瑶

（湖南大学 经济与贸易学院，湖南 长沙 410079）＊

一、引 言

21世纪是知识经济的时代，科学技术在我国经济发展过程中起到越来越关键的作用［1］。区域技术创新系统作为国家技术创新系统的重要组成部分，构成了国家经济和科技发展的重要基础，区域技术创新能力日益成为地区经济能否获得国际竞争优势的关键因素［2］。

近年来，已有很多学者对区域技术创新效率进行研究探讨。张宗益、周勇等认为我国区域技术创新效率虽然呈上升趋势，但效率较低，同时，东、中、西部之间区域技术创新效率差距明显［3］。王锐淇、彭良涛等对我国区域技术创新效率进行了测度，并对影响技术创新效率的因素进行了分析［4］。王春枝和王娟对技术效率进行评价，指出我国技术创新效率整体水平偏低，区域间差异较大［5］。迟仁勇、虞晓芬等对我国30个省市自治区的技术创新效率进行了测定［6］。阮娴静测算了全国18个重点城市技术创新的总体效率、纯技术效率和纯规模效率，进而辨析了其达到DEA有效的改进方向［7］。

从已有研究文献来看，对区域创新效率进行定量测度与分析的文献要比定性分析和理论推演的文献少得多，而对城市技术创新效率进行测度与分析的研究则相对更为缺乏。本文采用非参数数据包络分析（DEA）的方法，测算2008～2010年全国28个省会城市和直辖市的技术创新效率，并分析我国城市技术创新效率的变化，为中国决策机构制定相应政策，更好地为促进城市技术创新效率提供决策参考。

二、指标设计与数据来源

1.创新投入衡量指标。x1表示各城市R＆D经费支出，是指统计年度内各执行单位实际用于基础研究、应用研究和试验发展的经费支出，R＆D经费支出越多，该技术创新体系的技术创新产出的潜力越大。x2表示各城市R＆D人员投入，是指统计年度内参与研究与试验发展项目研究、管理和辅助工作的人员投入。x3表示实际利用外资额，是指各个城市中政府、部门、企业和其他经济组织，通过对外借款、吸收外商直接投资，以及用其他方式筹措的境外现汇、设备和技术等与外商签订合同后实际到账的外资款项。

2.创新产出衡量指标。y1表示专利申请授权量，是指某一时期地区专利审批部门收到专利申请并授予发明专利权的数量。专利申请授权数，体现了各个城市对自主知识产权的科技成果的拥有程度。y2表示技术合同成交额，是指作为商品的技术成果在技术市场进行交换签订的合同金额，可以用于衡量一个地区创新成果商业化应用和创新产品的市场化成功程度。

本文数据来源于各省会城市统计年鉴（2009～2011）、各省会城市国民经济与社会发展统计公报（2008－2010）、各省会城市第二次全国R＆D资源清查主要数据公报（2010）；同时，选用全国28个省会城市和直辖市作为决策单位，由于数据不全，剔除了拉萨市、乌鲁木齐市和西宁市。

三、DEA模型构建

假设有n个决策单元（DMU），i代表第i个决策单元，每个决策单元有m种投入要素xij（j＝1，…，m）和s种产出yrj（r＝1，…，s）（xij≥0，yrj≥0），则决策单元O的相对效率衡量指标hi可表示为式（1）和约束条件式（2）：

引入松弛变量s＋，剩余变量s－及非阿基米德无穷小量ε，式（1）可转化为其对偶形式，如式（3）和（4）：

其中u，v，θ，λi，s－，s＋均为待估参数向量。为了测算生产单元的纯技术效率和规模效率，可建立可变规模报酬（BCC）模型，又称为 VRS（variable returns to scale）模型。在可变规模报酬的假设下，通过在式（3）的基础上增加一个凸性假设1，使得计算技术效率时可以去除规模效率的影响，得到纯技术效率VRSTE。通过CRS模型和VRS模型得到该决策单元的技术效率（CRSTE）和纯技术效率（VRSTE）之后，就能得到该决策单元的规模效率（SCALE），即SCALE ＝CRSTE／VRSTE。

1.DEA有效性。当θ＝1，且s－＝s＋＝0时，则称对应的DWN 为DEA有效，既是技术有效，又是规模有效，在n个DMU中，这个DMU在原投入的基础上获得了最优的产出。当θ＝1，且s－≠0或s＋≠0时，则称对应DMU为弱DEA有效；当θ＜1时，则称对应DMU为非DEA有效。

3.投影分析。对于DEA无效的DMU，可以通过投影分析对其进行改进，使该DMU转为DEA有效。

四、计算结果和分析

利用DEAP2.1软件，计算出2008～2010年我国各省会城市综合技术效率值（crs）、纯技术效率值（vrs）、规模效率值（sca）和规模收益（ret），如表1所示，非DEA有效的19个城市的投影分析结果如表2所示。

由表1可知，从各城市技术创新体系的效率值来看，我国各城市技术创新效率较低，2008～2010年综合技术效率的平均值为0.66，纯技术效率的平均值为0.76，规模效率的平均值为0.865。我国城市技术创新体系中同时存在一定程度上的纯技术效率值和规模效率值偏低，但是综合技术效率值偏低主要来源于纯技术无效率。

综合技术效率值方面，从表1可以看出，在28个省会城市中，北京、银川和石家庄这三个城市从2008～2010年的综合技术效率值始终为1，是CCR模型的有效决策单位。其他25个城市的创新总体效率是非有效的，其中，上海在2009年从有效城市转化为非有效城市，郑州和成都分别在2008年和2009年从非有效城市转化为有效城市，而长春、贵阳和昆明在2008年和2010年是有效城市，在2009年则是非有效城市。那些2008～2010年从没有成为有效城市的城市，其中南宁、沈阳、福州、南昌、南京、武汉效率值均不足0.5，效率低下十分严重，由此可见，DEA效率值的高低分布并没有表现出十分明显的区域集中，而是分散分布于东、中、西部地区。

表1 2008～2010年中国省会和直辖城市效率值

纯技术效率值方面，由表1可知，在28个省会城市中除了北京、银川和石家庄这三个城市，上海、太原、郑州、海口、成都、贵阳2008～2010年的纯技术效率值也为1，这表明这些城市在BBC模型的有效边界上，而一些年份的综合技术无效率主要是由于规模无效率，即创新资源投入的规模不当。但是剔除纯技术效率值为1的城市，其他城市的纯技术效率值普遍偏低，这说明大量的技术创新投入没有转化为高效率的产出。

规模效率值方面总的来看，规模效率经历了从2008～2009年的下降阶段，以及从2009～2010年的上升阶段，而且连续三年28个省会城市的规模效率的平均值都高于0.8，由此可见，中国城市技术创新体系的生产规模投入效率较高，基本高于纯技术效率，因此效率的改进主要依赖于纯技术效率的提高。从创新规模收益来看，2010年规模收益递减的城市包括天津、上海、南京、长沙、重庆、南宁、哈尔滨、沈阳、太原、济南、杭州、福州、南昌、武汉、广州、西安、兰州17个城市，这些城市创新投入的增加会使投入产出比例减少；规模收益递增的城市包括呼和浩特、合肥2个城市，这2个城市的产出比例将随这创新投入的增加而上升；规模报酬不变即DEA有效的城市包括北京、长春、银川、沈阳、郑州、海口、成都、贵阳、昆明9个城市，随着创新投入的增加，这9个城市的产出比例将保持不变。我国各个省会城市从整体上表现出规模收益递减的趋势，创新投入相对过剩。

表2 2010年我国非DEA有效省会和直辖城市创新效率的投影分析 单位：%

表2给出了我国非DEA有效的19个城市2010年技术创新投影分析情况。

在投入方面，要使我国各城市的技术创新效率达到BBC模型所设定的效率前沿，从全国平均水平来看，在城市创新活动保持现有产出水平不降低的前提下，平均而言应减少22.79%的R＆D人员，9.24%的R＆D投入经费和19.37%的实际利用外资额。就投入变量R＆D人员而言，长沙、南宁、哈尔滨、武汉分别应减少42.6%、191.1%、64.9%、59.3%，这说明这些地区的科技活动人员投入冗余现象非常严重，导致技术创新体系的低效率运作。2010年，长沙、重庆、南宁、济南、杭州、福州、南昌、广州、兰州均应减少R＆D经费的投入，特别是重庆、南宁、济南、广州应减少幅度都超过了20%。保证产出不变的基础上，实际利用的外资数额也必须相应的减少才能保证各城市创新效率的DEA有效。外资数额冗余最严重的城市是呼和浩特、沈阳、杭州、南昌、武汉，降低幅度分别达到52.2%、74.3%、59.4%、60.1%、46.7%。创新资源投入冗余是我国各省会城市及直辖市普遍存在的现象，因此要促进城市技术创新效率的提高，就必须根据各城市具体情况在对科技投入资源在地域上进行合理分配的同时提高技术创新投入的质量和利用效率。

在产出方面，要使我国各城市的技术创新效率达到产出导向BBC模型所设定的效率前沿，从全国各城市的平均水平来看，在保持现有技术创新投入水平不变的前提下，专利申请授权书和技术合同成交额分别应增加5.44%和40.47%。这一方面说明我国城市技术创新活动的产出增长潜力还很大，另一方面也说明我国现实状况下各城市技术创新活动存在着大量的产出亏空。

五、结论与政策建议

本文利用DEA模型对我国城市技术创新效率进行了评价和分析，通过研究得出如下结论：我国各城市技术创新效率较低，在东中西部地区间的差异也比较大，我国城市技术创新体系中同时存在一定程度上的纯技术效率值和规模效率值偏低。我国大部分DEA无效城市存在科技人员投入、科技经费投入以及实际利用外资的冗余，创新效率有待提高。因此，提出如下政策建议：

一方面，要提升城市创新效率，就必须以“集约化资源利用”为核心，提升城市内创新主体管理和利用投入资源的能力，避免投入拥挤和投入松弛现象。另一方面，在引入外资方面应该采取地区差异化战略，扩大实际利用外资的技术溢出效应，同时重点引进技术含量较高的高新技术产业，此外，还要完善技术创新成果的转化机制，提高科技成果的转化效率，激发城市内创新主题的创新动力。

［1］Raymond S U.Science－based economic development［M］.The New York Academy of Science，1997.

［2］刘顺忠，官建成.区域创新系统创新绩效的评价［J］.中国管理科学，2002，10（1）：75－78.

［3］张宗益，周勇，钱灿，赖德林.基于SFA模型的我国区域技术创新效率的实证研究［J］.软科学，2006，2（20）：125－128.

［4］王锐淇，彭良涛，蒋宁.基于SFA与Malmquist方法的区域创新效率测度与影响因素分析［J］.科学学与科学技术管理，2010，（9）：121－128.

［5］王春枝，王娟.我国高新技术产业科技创新效率评价及其影响因素分析［J］.内蒙古财经学院学报，2010，（5）：13－17.

［6］迟仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析［J］.中国软科学，2004，（8）：128－132.

［7］阮娴静.我国重点城市技术创新效率的测算［J］.科技进步与对策，2009，15（26）：34－37.