基于数据包络分析的我国科技创新资源配置效率研究＊

■ 章培军 陈恒

西京学院理学院 西安 710123

0 引言

21世纪是信息化时代，科技与创新成为制约发展的主要因素，随着国际竞争的日趋激烈，综合国力的竞争逐渐集中于科技创新实力的竞争。党的十八大报告[1]强调了科技创新的重要性，并指出必须将它摆在国家发展全局的核心位置。***总书记于2018年5月28日发表重要讲话[2]并强调：瞄准世界科技前沿，引领科技发展方向，抢占先机迎难而上，建设世界科技强国。李克强总理于2019年3月5日在作国务院政府工作报告[3]时说，过去一年，深入实施创新驱动发展战略，创新能力和效率进一步提升。

科技资源作为科技活动的第一资源，包括人力、物力、财力以及组织、管理、信息等软硬件要素，也是科技创新活动的物质基础。其配置效率的高低不仅关系到区域经济发展的方向和动力，而且决定着区域创新能力的强弱。因此，深入分析配置效率变化及其原因，是采取相应对策优化科技资源配置的有效途径。国内外很多学者对科技资源配置效率进行了研究，所使用的方法有多元统计分析法（如主成分分析法[4]、因子分析法等[5-6]）、参数分析法（如随机前沿分析法[7]）与非参数分析法[如数据包络分析(Data Envelopment Analysis,DEA)方法[8-12]]等。柳瑞禹等[8]利用中部6 省科技创新活动的投入、产出数据，运用BC2模型和Malmguist 指数分别测算了研究期内各省的科技创新效率和全要素生产变化率，并利用Tobit模型分析了科技创新效率的影响因素。Sa‐limi 等[9]利用DEA 方法对荷兰50 家高科技中小企业的研发绩效进行了评价，并制定了有效的策略，以改善其企业的研发绩效。李勇辉等[10]运用DEA 方法将2002～2016年的每个年份作为一个决策单元进行处理，对云南省农业科技创新资源配置效率进行分析，得到云南省农业科技创新资源在技术投入、人力资源和农业资金投入逐年的增加使资源配置效率能够保持在较高的水平，并在出现下降后迅速恢复。苗冠军等[11]运用DEA-Tobit两阶段法，对宁夏的研发活动效率进行了测算，并分析了研发投入强度与配置结构对研发活动效率的影响。杨林等[12]运用DEA 方法对粤港澳大湾区科技金融资源配置效率进行了测算，可以通过合理配置财政科技资源、提升规模效率等来提升大湾区的科技金融资源配置效率。

表1 科技创新资源配置效率指标体系

综上所述，目前国内外的研究对象主要集中在企业、产业和区域等层面，且多采用DEA 方法对其进行研究。我国各省市自治区对科技创新的重视程度和资金支持力度都在不断提升，分析全国各地区科技资源配置效率及影响因素，对提升科技资源配置效率，实施创新驱动战略具有重要意义。因此，本文利用DEA方法对我国各省科技资源配置效率进行测算，为完善后续的科技资源配置政策提供科学参考。

1 研究方法与研究结果

1.1 科技创新资源配置效率评价模型的建立

1.1.1 指标体系的构建

科技创新资源配置效率评价体系包括资源投入和产出。研究与试验发展（Research and Development,R&D）人员全时当量不仅是科技创新活动的源泉，也是地区进行持续创新和发展的根本，反映一个地区对人才的吸引能力；R&D经费支出反映一个地区对科技发展和创新的支持力度以及重视程度。故选取R&D 人员全时当量和经费分别代表人力和财力资源的投入水平。分别选取国外主要检索工具（包括SCI、EI 和CPCI-S）收录我国科技论文数和专利授权数作为科技创新资源在基础研究方面和应用研究、创新方面的输出指标，反映科技活动的直接产出；分别选取高技术产业、规上工业企业新产品销售收入和技术市场成交合同金额作为科技创新资源实现产业化、商品化和产出交易的输出指标，反映科技活动的间接产出（表1）。

1.1.2 我国科技资源配置现状

1.1.2.1 科技资源投入现状

2010～2017年，我国R&D 人员全时当量逐年上升，2017年达到403.36 万人年，较2010年的255.38 万人年，增加了近0.58 倍；R&D 经费支出也呈逐渐上升趋势，2017年达到17606.13亿元，较2010年的7062.58亿元，增加了近1.49倍（图1）。

R&D 经费投入强度由2010年的1.71%逐渐增加到2017年的2.15%，连续四年超过2%，创历史新高（图2）。自2013年R&D 经费总量超过日本以来，中国该项经费投入一直稳居世界第2。2017年我国R&D 经费投入强度超过2017年欧盟15国平均水平（2.13%），相当于2017年经济合作与发展组织（OECD）35 个成员国中的第12位，正接近OECD平均水平（2.37%）。

1.1.2.2 科技资源产出现状

2010-2017年国外主要检索工具（包括SCI、EI和CP‐CI-S）收录我国论文数呈现稳步上升的态势（图3）。论文数由2010年的280158 篇，增加到2017年的628920篇，增幅达124.49%，其中EI收录量连续8年位居全世界第1，SCI和CPCI-S收录量连续8年位居全世界第2。

2014年我国专利授权数出现小幅下降，下降了1.55%，2012年和2015年增长较快，相对前一年分别增长了31.61%和32.05%，其它增速相对较缓（图4）。

2010～2017年技术市场成交合同总额呈现急速上升的态势（图5）。合同总额由2010年的3906.58亿元，增加到2017年的13424.22 亿元，增加了将近2.44 倍，同比增长17.68%，保持中高速增长势头。

1.1.3 评价模型的建立

DEA 方法是由美国著名运筹学家CHARNES A 和COOPER W W等[13]提出，是衡量资源配置效率的有效分析方法。设有n个决策单元（Decision Making Units，DMU），每种决策单元有m种输入和s种输出

图1 2010～2017年我国R&D人员全时当量与R&D经费支出

图2 2010～2017年我国R&D经费投入强度

其中，xij,ykj分别表示第j个决策单元对第i种输入的投入量和对第k种输出的产出量，且xij≥0,ykj≥0。设vi,uk分别表示第i种输入和第k种输出的一个权重。对应于权系数

每个决策单元都有相应的效率评价指数

以所有的决策单元的效率评价指数小于等于1为约束条件，以第j0个决策单元的效率评价指数取得最大值为目标，构造如下的C2R模型：

图3 2010～2017年国外主要检索工具收录我国论文数

图4 2010～2017年我国专利授权数

由于模型（1）是一个分式优化模型，经Charnes—Cooper 变换，得到其线性规划的对偶问题，再引入松弛变量Si-(i= 1,2,…,m)、剩余变量Sk+(k= 1,2,…,s)和非阿基米德无穷小量ε，建立了具有非阿基米德无穷小量的C2R模型：

模型（2）的经济含义为：若θ= 1 且S+=S-= 0，决策单元为DEA 有效；若θ= 1 且S+＞0 或S-＞0，在原投入xj0不变的情况下可以将产出提高S+，或可减少S-而保持原产出yj0不变，此时决策单元称为弱DEA 有效；若θ＜1，可通过n个决策单元的线性组合，将投入降至原投入xj0的θ比例，而保持原产出不变，此时决策单元为非DEA有效。令σ＞1,σ＜1,σ= 1分别表示该决策单元规模收益递减、递增和不变。

图5 2010～2017年我国技术市场成交合同总额

1.2 我国科技创新资源配置效率研究

本文从2018年《中国科技统计年鉴》中摘录2017年31个省市自治区（不包括港澳台地区）的相关数据，根据DEA 方法的非阿基米德无穷小量C2R 模型，运用MAT‐LAB软件，计算出我国31个省市自治区的科技创新资源配置的有效性和规模收益变化情况（表2）。

从表2可以得到：DEA 有效的省市自治区中，北京、浙江和广东等是投入多、产出多；而黑龙江、西藏和新疆等是投入少、产出少；非DEA有效的省市自治区中，内蒙古、河北、云南、山西的配置效率较低。规模收益不变的有北京、吉林等9个省市自治区；规模收益递增的有江西省和广西省，可以通过增加投入提高产出的优势，其中效果最好的是广西省；其他省市自治区都是规模收益递减的，投入等量的科技创新资源，得到的产出增加的幅度将变小，最为严重的是山西省。

各个省市自治区安排的R&D 人员得到了有效利用，没有出现冗余现象，该项投入的利用效果较好。在R&D经费上，浪费最严重的地区为山东，上海次之，接下来依次为湖北、辽宁、内蒙古、宁夏、四川、青海，其它地区表现良好。总体来看，我国在科技创新的人力和物力投资方面充足。

国外主要检索工具（包括SCI、EI 和CPCI-S）收录我国科技论文数产出严重不足的地区是河南，在专利授权数上也存在严重不足，说明该省对基础理论和知识产权上的重视不够，应加强对此的重视程度，鼓励创新，以产出更多的论文和专利。接下来依次为贵州和宁夏，但这两个地区的专利产出比较有效，说明这两个地区比较重视应用创新和研究。专利产出严重不足的地区是山东和湖南，接下来依次为内蒙古、陕西、河南、青海和海南，这些地区的国外主要检索工具收录我国科技论文数都已足够，说明在现有条件下，应加强对基础研究的重视。31 个省市自治区中仅福建省在高技术产业和规模以上工业企业新产品销售收入上表现较差，技术市场成交合同金额产出不足的依次为江苏、河南、福建、四川、湖南、上海、辽宁、安徽、广西、江西，说明福建的科技创新资源实现产业化、商品化、产出交易的效果欠佳。

1.3 C2R模型的投影分析

对于非DEA 有效的决策单元，可借助“投影”分析，将其变成DEA有效的决策单元，为今后提高资源配置效率提供参考。

根据以上原理，对我国22 个非DEA 有效的省市自治区进行了投影分析（表3）。

由表3可知，对于这22 个地区，可以将投入减少，并保持原产出不变。也说明这些地区生产水平较低，还有提高的潜力。所以可通过加强管理，增强活力来提高生产水平。

2 结语

本文运用DEA 方法，从效率、有效性、规模收益3 个方面，对我国31个省市自治区的科技创新资源配置进行了分析。结果表明：DEA 有效的是北京、浙江、广东、吉林、黑龙江、重庆、西藏、甘肃和新疆9 个地区，且都是规模收益不变。北京、浙江和广东等地区属于投入多、产出多；而黑龙江、西藏和新疆等地区属于投入少、产出少。在非DEA 有效的地区中，内蒙古、河北、云南、山西的配置效率较低。规模收益增幅最大的地区是广西，可以通过增加投入来提高产出，效果最好；规模收益减幅最大的地区是山西，投入等量的科技创新资源，得到的产出增加的幅度最小。最后，借助“投影”分析，对22 个非DEA有效的省市自治区进行了投影目标分析，分析表明：可以通过加强管理，增强活力来提高生产水平。我国在改进科技创新资源配置效率时，可从以下3 方面着手：

表2 科技创新资源配置效率计算结果

（1）东部沿海地区的科技创新资源比中、西部丰富，但投入冗余现象较严重，造成科技创新资源配置效率降低。因此，各地区在增加科技创新活动的投入时，既要避免投入冗余而浪费资源，也要防止投入不足而导致产出不足，对科技创新的投入结构和规模要有科学规划，不能只注重高新技术和规上企业的投入而忽视基础研发，造成科技创新结构失衡。

表3 非DEA有效的决策单元“投影”结果

（2）位于西部边远地区的科技创新资源配置效率相比某些东、中地区的效率要高，但投入资源的不足导致产出较少。因为教育是技术进步的基石，所以加强智力资本的投入是加强西部边远地区科技进步的关键。

（3）中部内陆地区的科技创新水平比较均衡，并且科技创新资源也不匮乏。在市场经济中，企业已成为科技创新和技术进步的主要载体，可以通过转型升级调整结构，以政府为主导、企业为主体，结合地区特有优势推动中部内陆地区的科技创新。从而促进地区经济健康发展，为实现我国经济发展做出应有的贡献。