1 绪论

数据包络分析是数学、运筹学、数理经济学和管理科学的一个新的交叉领域。它主要采用数学规划的模型评价具有多输入多输出的部门之间的相对有效性，是一种非参数的评估方法。DEA的基本模型是C2R模型，其前提假设是规模收益不变。输入越小越好，而输出越大越好。

其优势主要表现在：1、DEA致力于每个决策单元的优化，从而得到更切实的评价值；2、DEA以决策单元的各个投入指标和产出指标的权重为变量进行评价运算，避免了确定权重的误差，使得评价结果更具有客观性；3、DEA方法可以直接采用统计数据进行运算，使评价方法更具有简明性和易操作性；4、DEA方法强调在被评价决策单元群体条件下的有效“生产”前沿的分析，使研究结果更具理想性；5、DEA通过最佳决策单元子集的选择，可以为决策者提供众多有效计划的管理信息，从而使在生产计划中寻求有效而有目的地确定减少投入指标或提高产出指标的数量成为可能。

本文首先通过2017年末发布的各类统计年鉴等刊物，搜集到北京市、广东省及江苏省三地2016年的专利相关数据，包括三个专利相关投入指标及四个产出指标，在此基础上运用数据包络分析的方法研究三地的专利产出效率情况，得出一定的结论并针对性地提出相关建议。

2 基于DEA的北京、广东及江苏省专利效率研究

2.1 建立专利投入产出表

应用DEA方法评价区域创新效率，投入产出变量的选取是至关重要的。本文确定了3个投入指标与4个产出指标。经查询《中国统计年鉴》及《中国科技统计年鉴》，得到广东省、江苏省、北京市及其他共31个省市自治区（不含港、澳、台）的相关指标数据，摘选其中北京、广东、江苏三省份的指标数据如下：

表2-1 31省份中北京、广东、江苏的投入、产出指标

2.2 Deap2.1模拟三省DEA效率评价

运用Deap2.1软件的规划求解功能，将输入、输出数据带入相关模型可以得到2016年北京、广东、江苏三个区域创新效率的评价结果。如表2-2所示。

表2-2 三省份综合结果表

从表中数据我们可以看出，江苏省的规模效率评价值为0.5541，小于1，说明江苏省非DEA有效，规模报酬递减。这也符合当前江苏省与广东省和北京市的实际情况。作为中国首都的北京和经济大省广东，二者的规模效率均是规模报酬不变，即保持现在的投入状况，专利的产出效率在可接受范围内。

3 结论及建议

分析北京、广东及江苏三个地区的投入与产出，可以发现在选取的三个投入指标在每个地区的比例相似，北京市则相比较少一个量级左右，考虑到北京作为直辖市的实际情况，其综合水平应与其他二省相近。再分析四个产出指标，北京市在投入较江苏、广东少的情况下，前三个产出指标却与其持平，甚至更高。江苏省作为R&D人员全时当量及高技术产业规模以上企业产值投入最高的省份，产出却处于三地的中等水平，然而北京市投入的人员和资金却远远低于江苏省。因此江苏省成为了三地中唯一的综合效率不足的地区。

综上，对广东省和北京市而言，保持现有投入水平不变，可以获得满意的专利产出，但广东应注意提升发明专利授权量，并鼓励更多的主体参与到发明专利的行列。北京市的专利产出效率优秀，在投入不多的情况下产出了接近广东和江苏的水平，但北京市的R&D经费支出较其他省市较低，若追加科研经费的投入，北京市的专利产出应该会提升到更高的水平。对江苏省而言，近年专利及知识产权领域发展迅速，由上文可以看出这是政府支持鼓励以及投入更多人员、资金的结果。在未来江苏省应该会将自己的潜力兑换为较高的专利产出率。就文中数据包络分析的结果看，江苏可以适度减少一些投入，同样可以保持现状的专利产出效率。