基于两阶段共同边界DEA的产学研协同创新效率研究

钟鸣长

(黎明职业大学 经济管理学院， 泉州 362000)

一、引言

在经济发展新常态下，要推动产业升级、科技进步、经济增长，提高抵御外来风险的能力，提升本国的国际竞争力，必须转变过去长期依赖要素和投资双轮驱动的增长模式，转向技术进步和创新驱动的发展战略。协同创新是我国新时期实施创新驱动发展战略的重要载体，是要整合社会的各类创新资源，提高创新效率的必然选择，也是构建创新型国家过程中对产学研合作主体提出的基本要求。而产学研协同创新进一步强调了创新的主体、路径和目的，着力突出企业在创新活动中的定位和功能。它是在较松散的传统产学研合作基础上的进一步提升，要求各地高校、科研院所和企业三方在知识、技术上实现深度共享和协作，确实突破科技与经济两张皮的困境，做到产学研良性持续地融合发展。自2012年国家提出要构建“企业为主体、市场为导向、产学研相结合”的技术创新体系后，各地政府纷纷出台相关的政策引领、驱动和激励产学研合作， 积极探索类似于校内产学研合作、双向联合体合作、多向联合体合作、中介协调型合作等各种合作模式，出现了校企共建研究所、实验室等科研平台，共建科技园区，共建合作专项基金，共同培养科技攻关人才等多种形式。产学研合作的机构、项目、规模在全国范围内正日益壮大，一派欣欣向荣的发展态势。但产学研协同创新效率如何，中西部地区和东部地区是否存在差异等问题，值得深入研究和探讨。

近年来，我国对产学研合作方面的研究也越来越多，尤其是对产学研协同创新的概念、内涵、模式、机制、问题、利益等做了较多的探讨。浙江大学的陈劲从协同创新的现实背景、理论背景、运行机制、政策体系及制度等方面系统的构建了协同创新的理论框架。[1]何郁冰(2012)提出产学研协同创新分析的新框架：战略协同层面、知识协同层面、组织协同层面[2]。王帮俊等(2016)从关系联结、互动行为和制度保障等三个方面构建了行业特色院校协同创新机制理论框架[3]。近两年部分学者开始关注对产学研合作创新/协同创新效率问题，研究方法大都采用随机前沿分析(SFA)和数据包络分析(DEA)，研究对象涉猎了区域、产业和高校视角下的合作创新效率。原长弘(2013)就利用SFA方法实证分析了政、产、学、研、用在高校知识创新链产出及其效率中的协同影响[4]。刘营等(2014)运用DEA方法对全国14个政府重点投入行业的产学研协同创新效率进行了实证分析[5]。

但是，既有研究文献主要集中在将决策单元视为一个黑箱进行封闭式的协同创新分析，忽视了在经济系统中从初始投入到最终产出之间的某些中间过程和环节。然而，这种假设与现实情况不符，一个完整的生产系统实际上是由众多子系统或子过程有机构成的，各个子系统具备各自相应的功能，共同完成系统的某项经济活动。因此，要科学评价该类具备两(多)阶段关联特征决策单元的环境效率，需要考察系统内部子系统之间的主从和关联，并确定各子系统效率与系统整体效率的关系。正是基于此思想，Lewis (2004)将传统DEA的研究方法予以扩展，提出了二阶段DEA，将生产过程分为两个子系统。这种将中间过程纳入到效率评价的DEA方法，能够对决策单元 (DMU)的各个子系统的效率进行分析，从而能够打开传统效率评价方法存在的黑箱，探讨DMU各个子系统的效率，从而为管理者提供更多有用的信息[6]。同时，以上两阶段效率模型假定了各阶段的生产行为是独立进行，不会彼此影响，因而可以单独对各阶段的生产效率进行研究。但是，Chen and Zhu(2004)以及Kao and Hwang(2008)认为这样的假设过于简单且不太合乎实际的系统运行情况。事实上，DMU会根据先前预计的最终产出产量来决定中间产出的产量，因此，各生产阶段并不是完全独立的，而是相互影响和制约的关系，由此，他们各自提出了将各阶段联立求解效率值的模型来检测。[7-8]

此外，在测算协同创新的效率方面，以往文献的大多数学者都假定所有考察的决策单元(地区)面对的技术边界几乎是相同或类似的。但是，由于不同DMU或地区在特定时期内的自然、社会、经济、文化、法律、制度、民俗等差异，各DMU或地区的技术边界必定受到影响而存在一定程度上的差异，有时甚至差异巨大。在这种情况下，如果仍然沿用原先的假定条件对总体对象进行效率评估，显然是不客观、不合理的，同时，也将无法判别创新效率产生差异的原因及其来源，这就难免会带来计算偏误。因此，Battese and Rao (2002)及O'Donnell等(2007)分别构建了基于DEA方法的共同边界和组群边界的分析框架，以考察不同技术边界下的效率评价问题。[9-10]国内仅有少数文献将共同前沿产率指数运用到效率测算中(王玲等，2013；冯宗宪等，2013；刘志迎等,2013;沈能等，2016)。但以上文献没有进一步分析造成创新效率无效的具体原因。[11-14]

为了弥补以往文献研究的不足，本研究试图将两阶段DEA方法和共同边界效率方法纳入产学研协同创新效率的分析框架中，以充分考虑异质性技术对不同地区产学研协同创新效率评价的影响，使测算得到的效率值能够真实地反映我国不同地区协同创新绩效。

二、研究方法

(一)两阶段关联DEA模型

两阶段DEA模型的基本概念在于将DEA所着重的投入与产出的效率关系扩展至整个生产过程，强调在针对DMU进行绩效评估时，除了衡量投入与产出的效率关系之外，同时也必须将“投入至产出的中间过程”纳入绩效评估当中，如此才能使得评估结果具备完整的解释能力，而不至于产生偏误。在两阶段理论发展的初期，大多数研究将两个阶段视为彼此独立，即各个阶段的生产行为不互相影响。但是在企业实际的生产运营过程中，各个生产阶段的活动并不是相互独立的，对此，Seiford 和Zhu(1999) 首先提出了两阶段具有相关性的DEA模型[15]，Chen和Zhu(2004)以及Kao和Hwang(2008)各自提出将各阶段联立求解效率值的模型[7-8]。在借鉴和结合Chen和Kao等前人的研究模型基础上，本文重新构建了一个对我国产学研协同创新效率评价的两阶段DEA模型，如图1所示。模型中的Xi和Yr指的是第i项投入x和第r项产出y，中间产品Zp表示决策单元(DMU)j中子过程1的第p项产出，同时也是子过程2的第p项投入。vi、πp和ur分别指代X、Z和Y的权重系数。

图1 两阶段DEA模型

(1)

由式(1)可以看出：综合效率其实就是两个子过程的乘积，也即：

(2)

第一阶段效率和综合效率计算模型分别为：

(3)

(4)

(二) 共同边界效率函数

上述DEA方法对决策单元进行评价是建立在所有DMU都面临同质性的技术水平的假设下进行的，但是，当DMU为地区时，由于各地区存在资源禀赋、文化水平和产业结构等方面的巨大差异，各地区的技术边界存在异质性[16]。如果利用全体样本数据对技术效率进行评价，各地区的技术效率值的估计结果就会产生偏差。O’Donnell et al(2008)提出了可以准备推算出群组及共同技术效率的共同边界模型[10]。

Pmeta(x)={y|(x,y)∈Tmeta}，其上界即为共同边界(meta-frontier)。由此，基于共同技术效率的距离函数可以表示为：

(5)

式(5)中的距离函数表明了在输入一定的情况下，决策单元所能够通过径向扩张得到的最大的产出，并继承了产出集合所具有的正则性质。对于观察值(x,y)，当且仅当其共同边界的距离函数D(x,y)=1时为技术有效。

将所有DMU依据不同的社会文化、经济环境、管理模式与生产结构等因素划分为k(k>1)个组群，那么第k个组群的技术集合为：Tk={(x,y)|x≥0;y≥0;x能生产出y}，则生产可能集被定义为：Pk(x)={y|(x,y)∈Tk}，其上边界即为组群边界(group-frontier)。由此，基于组群技术效率的距离函数可以表示为：

(6)

将函数(5)、(6)进行综合处理，即可得到一个新的概念：共同技术比率(MTR)，即：

(7)

MTRk表示在给定的技术和要素投入水平下的一定时期，DMU共同边界生产技术水平(TEmeta)是在组群k下的生产技术水平(TEk)的倍数。如果MTRk值越高，代表共同边界生产技术水平越高，而组群边界下的生产技术水平越低，表明DMU所使用生产技术的水平越接近潜在的生产技术水平，反之亦然。

(三)技术缺口比率

因为g个群组的生产边界会被包含在共同生产边界之内，所以在共同边界下第一阶段的知识创新效率、第二阶段的成果转化效率和综合创新效率必定要小于在群组边界下对应的第一、第二阶段效率和综合创新效率。两个边界间的比率分别为IGRg、OGRg，以及综合创新技术缺口比率TGRg，有

(8)

(9)

(10)

图2 具有三个组群的两阶段共同边界投入产出模型

Fig.2Two-phasecommonborderinput-outputmodelwiththreeclusters

三、实证分析

(一)数据来源及指标选取

产学研协同创新一般被认为包含了知识创新和成果转化这两个前后关联的子阶段。在第一阶段(知识创新阶段)，协同创新的主体(高校、科研院所、企业、政府)初始投入资金、人才、设备，通过协同创新活动获得知识产出。第一阶段主要评价协同创新主体在知识创造和积累方面的能力(即知识创新效率)。第二阶段(成果转化阶段)，协同创新主体再次进行协同合作，并将第一阶段的产出(知识和技术)加以利用和转化，重点评价协同创新主体在成果转化方面的能力(即成果转化效率)。通过对前后两个阶段的分析，试图打开产学研协同创新的黑箱，找出导致协同创新能力低下的具体瓶颈，从而明确不同区域提高协同创新能力的努力方向和侧重点。

1.第一阶段(知识创新效率评价)指标选取

大学一直以来都被视为协同创新中非常重要的主体之一，是人才、知识和技术的主要提供源。这里，考虑到数据的可得性，我们选取了区域内高等学校的数量和普通高校专任教师的数量作为大学投入的指标；而挑选了区域内每年普通高校毕业生人数和国外主要检索工具(SCIEIISTP)所收录的科技论文数作为大学的创新知识产出指标。从企业角度看，在产学研协同创新过程中，企业发挥了非常重要和关键的角色，它将学校和市场两者联系起来，是将知识转化为实际生产力的最重要的主体。在这个层面上，本文挑选出区域内规模以上工业企业R&D人员的全时当量、规模以上工业企业R&D经费和高新技术企业数量等三个代理指标作为区域内企业的创新投入指标；同时选取区域内企业每年的国内专利申请授权数和新产品开发项目数作为企业的创新知识产出。此外，在协同创新中，政府也是不可或缺的创新主体，我们选取政府R&D经费内部支出占地方财政一般预算收入比例、政府对规模以上工业企业科技活动经费支出和地方部门属研究与开发机构R&D课题数作为投入指标，将获省级以上奖励的科技成果数作为政府创新投入的中间知识产出。

图3 区域协同创新两阶段创新过程

Fig.3Regionalcollaborativeinnovationandtwo-stageinnovationprocess

2.第二阶段(成果转化效率评价)指标选取

在分析这一部分时，本文将第一阶段得到的产出指标作为第二阶段的创新投入指标。从数据的可得性和可操作性考虑，区域协同创新的经济效益产出指标选择了地区人均GDP、工业增加值、规模以上工业企业新产品的销售收入和城镇居民人均可支配收入等四项指标。

另外，这里需指出的是，由于我国经济社会发展的不平衡问题长期存在并且近年来表现得愈加突出，总体上呈现为东部地区创新能力高，而中西部地区创新能力相对低的这种分布特点。由于不同地区所处的经济发展阶段，人力资本和科技资源禀赋、制度体制等存在较大差异，会导致不同技术边界下的产学研协同创新绩效迥异。因此，本文按照东部地区和中西部地区将全国划分为两个技术能力异质性组群。鉴于相关指标数据的可获得性和完整性考虑，本文最终选取了除台湾、西藏之外的29个省(直辖市、区)作为评价单元，样本期间确定为2010-2013年，分析所用的数据均从相应年份的《中国统计年鉴》《中国科技统计年鉴》和《中国区域经济统计年鉴》等数据库中获取。

(二)实证结果分析

1.协同创新效率分析

在上面模型公式和数据的基础上，可以方便地计算出共同边界效率值和技术缺口比率，它们分别代表中国区域产学研协同创新效率和技术缺口情况。东部地区和中西部地区共同边界和组群边界下的创新效率值如表1所示。其中第一、四列和第二、五列分别表示共同边界和组群边界下的知识创新效率和成果转化效率。

表1 我国区域产学研协同创新效率值

从表1可以发现，当考虑共同边界和组群边界时，所有省区均未能同时实现两阶段的效率最优，结果说明中国产学研协同创新效率仍然有很大的提升空间。福建、海南在知识创新阶段表现为DEA有效，江苏、江西、新疆在成果转化阶段表现为DEA有效，这表明有些地区在知识创新阶段有较好的效益，而有些地区在成果产业化阶段要更胜一筹。另外，2010-2013年中国地区产学研协同创新效率的平均值仅为0.4210，表明中国整体协同创新能力偏低，并且从知识创新阶段平均效率和成果转化阶段平均效率可以看出，中国整体表现为知识创新效率( 0.45054)要高于成果转化效率(0.43260)。

在引入共同边界模型后，通过对共同边界和组群边界下的各个阶段的效率值的分析，可以看出其与有效前沿面的技术差距。技术缺口比率值越小，说明共同边界和组群边界效率值之间的差距越大，当技术缺口比率为1时，说明不存在技术差距。在知识创新阶段技术缺口比率为1的DMU有9个，在成果转化阶段技术缺口比率为1的DMU有15个。无论是知识创新阶段还是成果转化阶段，东部地区的共同边界效率与组群边界效率之间的差异较小，而中西部地区共同边界效率与组群边界效率之间的差距较大，这说明东部地区综合协同创新能力要优于中西部地区。

综合技术缺口比率(TGR)反映的是知识创新阶段和成果转化阶段的综合技术缺口情况，东部地区的综合技术缺口比率为0.89270，中西部地区为0.65806。这说明从整体协同创新能力来看，东部地区更加接近创新有效的效率前沿，而中西部地区则与有效前沿的差距较大，需要的不仅仅是提高资源的利用，而是要对产学研管理模式、政策以及企业创新结构进行较大的变动，才能促进协同创新效率飞跃性地上升。

2.分地区分析

表2是东部地区和中西部地区产学研协同中知识创新阶段和成果转化阶段的平均值。在共同边界下，东部地区知识创新效率(0.59098)要高于中西部地区(0.330987)，并且在成果转化效率方面，东部地区(0.56754)也要高于中西部地区(0.41345)。所有地区成果转化效率值为0.43260，要低于知识创新平均效率值0.45054，其主要原因是中西部地区在成果转化阶段表现出的效率不足。

表2 东部地区和中西部地区平均协同创新效率表

根据表2，可以发现造成协同创新过程无效率的原因是：无论是东部地区还是中西部地区，各地区都普遍存在知识创新阶段投入冗余和成果转换阶段产出不足的现象，这表现为东部地区和中西部地区各阶段技术缺口比率都不为1。而东部地区凭借自身的经济、资源禀赋，在知识创新阶段和成果转换阶段所表现出来的效率都要明显优于中西部地区。

3.技术缺口分析

东部地区和中西部地区2010-2015年效率变动和技术缺口变动情况进行分析，实证结果如表3所示。

表3 历年平均技术缺口比较

从表3可以看出，东部地区的平均技术缺口比率在2010-2015年间呈现出上升的趋势，而中西部地区尽管2015年的平均技术缺口比率要高于2010年，但总体上上升趋势不明显。但与东部地区不同的是，中西部地区在组群边界下综合效率提升比较显著。

四、结论

本文运用两阶段共同边界DEA模型，一方面将产学研协同创新过程分为知识创新阶段和成果转化阶段两个前后关联的阶段，解决了传统效率评价方法在进行效率评价过程中存在的黑箱问题；另一方面，在考虑技术异质性的基础上，将中国分为东部和中西部两个技术异质性组群，并分别对这两个技术异质性组群下2010-2013年的产学研协同创新效率进行实证分析。分析结果表明：不同组群之间在技术创新水平上确实存在差异，而且经济发展水平越高的地区往往具有更高的协同创新效率。创新能力的差异导致中国产学研协同创新效率呈现“东部—中西部”递减的格局，并且东部地区平均技术缺口比率要高于中西部地区，即东部地区产学研协同创新能力都更加接近于有效的创新前沿。从东中西部协同创新比率的比较来看，中国产学研协同创新效率区域差距在未来一段时期内还将保持在一个较高的水平上，并且呈现出逐步扩大的趋势。同时，较高的知识创新效率未必就带来较高的成果转化率。某一区域的综合协同创新效率受到知识创新和成果转换两个阶段的共同影响。

以上研究结论对于实施科教兴国战略、实现创新型国家、推动制造业智能化升级和提升我国的自主创新能力，都具有重要的理论意义和实践意义。首先，要明白协同创新是由知识创新和成果转化两个方面的深度合作，需要同时加强这两个方面工作，不能偏颇。其次，要分清区域之间存在的技术创新能力的差异，根据相关要素对协同创新的作用机制和影响路径，实施差异化的协同创新能力提升战略。应该通过财政或金融手段，增加对中西部地区的资源投入，实施更加优惠的倾斜政策，进而提高当地创新产出的效率，到达资源的充分利用，发挥规模经济效益。同时，对于东部无法充分发挥作用的人力及财力资源也应该向中西部输送，这既可以合理利用稀缺资源，又可以缩小东中西协同创新效率的差距，统筹和协调协同创新能力的发展。最后，重视我国中西部地区的创新能力和技术水平的提升。如果只是一味地加大资源的投入，而忽视能力提升和技术培育，最终只能使得西部地区因吸收能力差而出现协同创新效率的下降，资源配置出现低效率。所以，我们必须充分意识到协同创新两阶段相互促进、相互影响的影响，要把加大资源供给和加紧技术升级两项任务同时抓，避免进一步出现知识与生产力、科技与经济脱节的“两张皮”现象，才有可能促进中西部地区产学研协同创新效率的持续上升。

[1] 陈劲、协同创新[M].杭州：浙江大学出版社，2012.11.

[2] 何郁冰. 产学研协同创新的理论模式[J]. 科学学研究,2012(2):165-174.

[3] 王帮俊,姚稳. 行业特色院校产学研协同创新机制研究[J]. 中国矿业大学学报(社会科学版),2016(6):64-68.

[4] 原长弘,孙会娟. 政产学研用协同与高校知识创新链效率[J].科研管理,2013(4):60-67.

[5] 刘营,李存金. 我国产学研协同创新效率评价研究——基于全国十年间行业数据[J]. 科技和产业,2014(3):58.

[6] Lewis H, Sexton T. Network DEA: Efficiency Analysis of Organizations with Complex Internal structure [J]. Computers and Operations Research, 2004(31): 1365-1410.

[7] ChenY,Zhu J. Measuring Information Technology’s. Indirect Impact on Firm Performance[J].Information Technology and Management. 2004(5):9-22.

[8] Kao C, Shiuh-Nan Hwang. Efficiency Development in Two-stage Data Envelopment Analysis: An Application to Non-Life Insurance Companies in Taiwan[J]. European Journal of Operational Research, 2008 , 185 (1) :418-429.

[9] Battese G E,Rao. Technology Gap of Efficiency and a Stochastic Meta-frontier Function [J].International Journal of Business and Economics,2002(1):87-93.

[10] O’Donnell D S P,Rao,Battese G E. Meta-frontier Frame Works for the Study of Firm-Level Efficiency and Technology Ratios[J].Empirical Economics,2008,34(2):231-255.

[11] 王玲，孟辉.我国内河港口与沿海港口的效率对比——基于共同边界和序列SBM-DEA的研究[J].软科学，2013(3): 90-95.

[12] 冯宗宪,何欣.基于共同边界的中国区域碳排绩效研究[J].青海社会科学，2013(3): 9-15.

[13] 刘志迎，郭磊，周志翔.基于共同边界模型的中国工业行业技术创新效率[J].系统科学，2013(6): 14-21.

[14] 沈能，吴思慧.技术异质性与大学知识创新效率评价研究——基于Meta-frontier的效率函数模型[J]科技进步与对策，2016(1): 148-153.

[15] Seiford L M , Zhu J. Profitability and Marketability of the Top 55 U.S. Commercial Banks[J].Management Science, 1999,45(9):1270-1288.

[16] 沈能, 周晶晶, 王群伟. 考虑技术差距的中国农业环境技术效率库兹涅茨曲线再估计:地理空间的视角[J]. 中国农村经济,2013 (12):72-83.