陈娜　唐健

【摘 要】基于非参数DEA方法，对甘肃省14个市州2011—2016年的工业企业技术创新效率进行综合评价。结果显示：甘肃省工业企业技术创新效率整体不高且波动较大;从分解项来看，较低的纯技术效率和较低的规模效率共同导致了较低的综合技术效率。进一步研究发现，DEA无效地区大多存在不同程度的投入冗余和产出不足，各类要素冗余投入存在较大的改进空间，产出增加潜力巨大。

【关键词】甘肃省;技术创新;DEA模型;工业企业;效率评价

【中图分类号】F273 【文献标识码】A 【文章编号】1674-0688（2020）06-0013-04

0 引言

国家“创新驱动发展战略”和“中国制造2025”战略的相继提出使中国工业企业创新面临新的机遇。工业企业作为企业技术创新的中坚力量，其创新效率水平的高低可以反映区域技术创新情况及区域创新能力的高低。甘肃省作为迟发展区域，工业企业如何有效优化创新要素配置，调整创新资源投入结构，提升创新效率水平，实现创新驱动发展是甘肃省政府及企业亟待解决的问题。因此，研究甘肃省工业企业技术创新效率具有非常重要的现实意义。企业技术创新效率的重要性也引起了广大学者的广泛关注。从现有研究成果来看，主要集中在以下几个方面：{1}对不同区域企业技术创新效率进行分析。黄贤凤等人[1]以我国八大经济区工业企业为研究对象，采用SE-DEA视窗分析法测度其技术创新效率。陈伟等人[2]以东北地区大中型工业企业为研究对象，就其技术创新效率用DEA-Malmquist指数法进行评价研究。张满银等人[3]研究了京津冀地级市区工业企业技术创新效率。杜康等人[4]以安徽省大中型工业企业为研究对象，就其全要素生产率及影响因素进行实证分析。{2}关于不同所有制企业技术创新效率评价问题。孙晓华等人[5]针对外资、港澳台资及国有企业3种不同所有制工业企业，就其技术创新效率进行比较分析。以中国制造业上市公司为例，李政等人[6]对国有控股企业和民营企业的创新绩效进行了比较分析，结果表明，前者的创新绩效明显高于后者。陈元志等人[7]以工业企业和高新技术企业为例，探讨不同所有制企业的技术创新效率。{3}采用不同研究方法分析某区域企业技术创新状况。比如基于两阶段串联DEA模型，吴士健等人[8]对工业企业技术创新效率及影响因素进行实证研究。庞瑞芝等人[9]用随机前沿模型对我国创新型企业的技术创新效率进行测度分析。雷善玉等人[10]采用DEA-Tobit两阶段模型分析了我国部分省区工业企业的技术创新效率及影响因素。冯宗宪等人[11]基于两阶段半参数DEA方法，以我国大中型工业企业为例，从政府投入和市场化程度出发探讨其技术创新效率及影响因素。

以上文献对企业技术创新效率进行了深入而广泛的研究，为后期研究奠定了较好的基础。但纵观现有文献，大多数研究集中在国家、省级层面，针对西部欠发达省份的研究较为匮乏，对甘肃省地级市层面工业企业技术创新效率更是缺少系统分析。甘肃省工业企业技术创新效率究竟如何，现有的研究并未做深入分析。为此，本文基于DEA模型就甘肃省各市州2011—2016年工业企业技术创新效率进行实证分析，以期为新常态下甘肃省工业企业技术创新的良好发展提供参考。

1 研究方法

Charnes等人[12]在1978年最早提出了假设规模报酬不变的CCR模型，此模型适用于处理具有相同类型的多投入、多产出决策单元的相对效率问题。1984年，Banker等人在CCR模型的基础上提出了可变规模报酬（Variable Returns to Scale，VRS）假设下的BCC模型，该模型将综合技术效率进行进一步分解。其中，综合技术效率=纯技术效率×规模效率。

假设一组被评价单元的个数为N，每个单元有I种投入和J种产出。Charnes等人建议通过最大化某个DMU的加权产出与加权投入之比测度此DMU投入、产出转换过程中的效率，约束条件为所有其他DMU的类似比率小于等于1[13]，即

Maxθn=unjynj■VinXin

s.t.ujnyj nVinXin≤1    （1）

ujn，yjn≥0;i=1，…，I;j=1，..，J;n=1，…，N

其中，yin和Xin分别表示第n个DMU的正的投入和产出，ujn和Vin代表权重变量，用n表示需要评价的DMU，作为基础DMU的参照，通过方程（1）计算得到的最大值即是第n个决策单元的DEA效率得分。因为n=1，…，N，所以每个DMU的效率问题都可用此方法求解得到。又因为θn的取值介于[0，1]之间，所以只有当Maxθn=1时，我们才认为某个DMU是DEA有效的，否则就是无效的[13]。

2 变量选取与样本选择

2.1 变量选取

DEA模型是以投入产出建模为基础。在借鉴其他学者[14-18]评价指标的基础上，考虑数据的可操作性、可获得性和科学性原则，结合工业企业自身特点，以R&D人员全时当量（反映人力资本投入）、R&D内部经费支出（反映财力投入）作为投入变量;以发明专利授权量（反映直接产出）及新产品销售收入（反映间接产出）作为产出变量。

2.2 样本选择

以甘肃省14个市州工业企业为研究对象，采用2011—2016年《甘肃科技统计年鉴》数据进行实证分析。

3 实证分析

3.1 经营效率测度

本文运用DEAP2.1软件对甘肃省14个市州2011—2016年的工业企业技术创新的相对有效性进行了测度。计算结果如下。

3.1.1 综合技术效率

对表1所示各地区的综合技术效率进行横向比较分析，2011年处于效率前沿面的地区分别为嘉峪关、白银、天水和甘南，占所有地区的28.57%，而平凉地区的综合技术效率值仅为0.005，属所有地区最低;2012年综合技术效率达到DEA有效的地区分别为嘉峪关、武威和甘南，而综合技术效率最低的属临夏地区;2013年、2014年、2015年、2016年综合技术效率达到最优的地区分别占所有地区的14.29%、21.43%、21.43%、35.71%，而综合效率值最低的地区除2015年为庆阳地区外，其余年份均为平凉地区，说明平凉地区近几年的技术利用情况很不好，应进一步加强调整和管理。纵向来看，样本期间没有任何一个地区的综合技术效率均值达到DEA有效，綜合技术效率较高的地区分别为甘南和嘉峪关，其值分别为0.847和0.839;综合技术效率较低的地区则属庆阳和平凉，其值分别为0.119和0.085。由各地区各年综合效率综合来看，甘肃省工业企业技术创新效率整体不高，其均值仅为0.511且总体呈先减后增趋势。2011年综合技术效率均值最高，为0.608;2013年则属最低，为0.319。

3.1.2 纯技术效率

对2011—2016年甘肃省工业企业纯技术效率进行横向比较（见表2），2011年处于效率前沿面的地区有9个，属样本期间地区达到DEA有效最多的年份;2012—2015年纯技术效率达到最优的地区数量分别为6、4、4、7;2016年除嘉峪关、武威、张掖等6个地区没有达到DEA有效外，其余地区均处于效率前沿面，说明2016年甘肃省各地区工业企业技术利用情况整体较好;2016年，纯技术效率最低的地区为庆阳，其效率值仅为0.204。由各地区纯技术效率平均值来看，其值仅为0.691，说明甘肃省工业企业的技术转换效率较低，技术没有得到很好的使用。纵向比较来看，兰州和甘南地区在样本期间均处于效率前沿面，说明这两个地区资源利用情况较好，技术转换效率较高;而平凉和庆阳依然属于纯技术效率较低的地区，其均值仅为0.171和0.128。综合来看，2011—2016年甘肃省工业企业纯技术效率均值为0.662，2011年纯技术效率均值为0.818，属所有年份最高，2012年则为纯技术效率均值最低的一年，为0.553，各年各地区整体呈先减后增趋势。

3.1.3 规模效率

从表3各地区规模效率横向比较来看，2011年规模效率达到DEA有效的地区有4个，分别为白银、天水、嘉峪关及甘南;2012年规模效率处于效率前沿面的地区分别为嘉峪关、武威和甘南;2013—2015年规模效率达到最优的地区数量分别为2、3、3;2016年只有兰州、金昌、白银、天水及陇南5个地区的规模效率达到DEA有效，而其余地区均为DEA无效单元，其中规模效率最低的为甘南，其效率值仅为0.081，而其对应的纯技术效率值为1，说明规模效率较低是导致综合技术效率无效的主要原因;纵向来看，庆阳地区在样本期间的规模效率均值最高，为0.947，而其纯技术效率是样本期间所有地区均值里面最低的，故其综合技术效率较低主要受较低的纯技术效率的影响。综合来看，2015年规模效率均值最高，其值为0.859，而2013并规模效率均值为0.514，属所有年份里最低的。

3.2 企业规模收益分析

表4列出了甘肃省14个市州2011—2016年工业企业的规模收益情况。2011年和2016年的状况类似，整体来说，处于规模报酬递增状态和规模报酬不变状态的地区要多过处于规模报酬递减状态的区域，以2016年为例，2016年处于规模收益递增状态的地区有8个，占整个甘肃省的57.15%;规模收益递减的地区有1个，占7.14%，规模收益不变的地区有5个，占35.71%，这说明甘肃省工业企业依然有较大的规模收益潜力，仍有很多公司的生产规模效益没有发挥出来，投入要素的规模经济效应不明显。因此，应进一步增加资源投入。而从其他年份来看，规模收益递减的地区占了绝大多数，对规模收益递减的企业来说，应调整发展方式，注重技术与方法创新，加强企业科学管理与经营，优化公司资源配置，从而促进技术创新的有效性。

3.3 企业投入产出松弛量分析

采用投入导向型的BCC模型，以2016年甘肃省14个市州工业企业为例，就其投入产出松弛量进行分析。

从表5可以看出，甘肃省工业企业除存在不同程度的投入冗余外，大多还存在产出不足的情况。

从投入指标来看，所有企业对R&D人员全时当量的使用效率较高，不存在投入过剩的情况，达到了物尽其用的效果。从R&D内部经费支出投入变量来看，只有嘉峪关市的实际投入与目标投入存在一定程度的偏差，其投入冗余比例为65.43%，说明该地区工业企业的经费使用率极低，应加强资金的优化配置。以专利授权量产出指标来说，只有平凉地区存在产出不足的情况，其产出松弛比例为62.55%，表明如果对该地区工业企业目前的投入资源进行有效整合，加强技术利用，则企业的产出可以提高62.55%。而对新产品销售收入这个产出指标来说，大多数公司都存有不同程度的产出松弛情况，其中张掖工业企业的松弛量最大，达到108 696.840万元;嘉峪关次之，为100 417.750万元，说明甘肃省工业企业的技术转化效率较低，有待进一步提高。

从总体来看，存在投入冗余的企业亦存在产出不足的情况，且产出不足大多表现在新产品销售方面。说明这些地区的企业没有很好地利用现有资源，存在资源浪费或没有完全转换为产出，同时这些地区有很大的产出潜力。因此，企业应该调整资源配置方式，注重技术创新与利用，提高资源转换效率，从而达到节约成本、增加产出的目的。

4 结语

基于非参数DEA方法，本文对甘肃省14个市州2011—2016年的工业企业技术创新效率进行综合评价，进一步进行投影分析，最终得出以下结论。

第一，甘肃省工业企业技术创新效率整体不高。从甘肃省14个市州综合技术效率的平均值来看，仅为0.511，说明大多数地区的工业企业未处于效率前沿面;从分解项来看，大多数地区较低的综合技术效率是由较低的纯技术效率和较低的规模效率共同引起的，说明甘肃省工业企业资源利用效率较低且规模无效性比较明显。因此，各地区在关注技术的引进、消化及利用，着力提高资源转换效率的同时应加强创新资源的优化配置，注重管理方式的调整，提升资源管理水平。

第二，各类要素冗余投入存在调整空间，产出增加潜力巨大。从2016年技术创新情况可以看出，无效地区少部分存在投入冗余的问题，但大部分地区产出不足的情况比较明显，说明这些地区资源使用效率不高，技术利用情况不好，规模收益递增的公司又占了很大比例，进一步说明甘肃省工业企业具有较好的规模收益潜力。因此，这些地区在适当扩大生产规模的同时应该调整创新资源配置方式，注重技术创新与利用，提升资源转换效率，将科技成果切实转化为经济效益。

第三，甘肃省工业企业技术创新效率不平衡且波动较大。样本期间，综合技术效率和纯技术效率变化趋势基本一致，整体呈现先减后增趋势，但规模效率波動较大。从横向比较结果来看，样本期间，每一年处于效率前沿面的地区并不一致，说明各年发展情况并不稳定;从纵向比较结果来看，大部分地区在样本期间的技术创新效率呈波动状态，忽高忽低。因此，各地区要结合自身发展实际，找准自身技术创新的薄弱点及症结所在，后期有针对性地优化要素配置结构，创新技术管理制度，加强技术引进、转换和利用。

参 考 文 献

[1]黄贤凤，武博，王建华.中国八大经济区工业企业技术创新效率及其影响因素研究[J].中国科技论坛，2013（8）：90-97.

[2]陈伟，景锐，张慧泉，等.东北地区大中型工业企业技术创新效率评价——基于DEA-Malmquist指数方法[J].华东经济管理，2017（2）：66-71.

[3]张满银，张丹.京津冀地级市区规模以上工业企业创新效率分析[J].经济经纬，2019（1）：26-33.

[4]杜康，袁宏俊，郑亚男.安徽省大中型工业企业全要素生产率及影响因素研究[J].科技管理研究，2019（6）：41-48.

[5]孙晓华，王昀.企业所有制与技术创新效率[J].管理学报，2013，10（7）：1041-1047.

[6]李政，陆寅宏.国有企业真的缺乏创新能力吗——基于上市公司所有权性质与创新绩效的实证分析与比较[J].经济理论与经济管理，2014，34（2）：27-38.

[7]陈元志，朱瑞博.不同所有制企業技术创新效率的比较研究——面向大中型工业企业和高新技术企业的实证分析[J].管理世界，2018（8）：188-189.

[8]吴士健，张洁，权英.基于两阶段串联DEA模型的工业企业技术创新效率及影响因素[J].科技管理研究，2018（4）：181-189.

[9]庞瑞芝，薛宁，丁明磊.中国创新型试点企业创新效率及其影响因素研究——基于2006—2010年创新型试点企业非平衡面板数据的实证考察[J].产业经济研究，2012（5）：1-10.

[10]雷善玉，王振兴.我国省区大中型工业企业技术创新效率测算及影响要素研究[J].价值工程，2014（19）：148-149.

[11]冯宗宪，王青，侯晓辉.政府投入、市场化程度与中国工业企业的技术创新效率[J].数量经济技术经济研究，2011（4）：3-17.

[12]Charnes A，W W Cooper，E Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，2（6）：429-444.

[13]陈娜.基于DEA的我国上市软件公司经营效率评价[D].杨凌：西北农林科技大学，2013：15.

[14]郭磊，刘志迎，周志翔.基于DEA交叉效率模型的区域技术创新效率评价研究[J].科学学与科学技术管理，2011（11）：138-143.

[15]张姣芳，姚晓萍.基于Malmquist指数法的我国区域科技创新效率评价[J].理论探讨，2011（8）：262-263.

[16]欧阳哓，陈琦.“金砖国家”创新体系的技术效率与单因素效率评价[J].数量经济技术经济研究，2014（5）：71-85.

[17]黄寰，王玮，曾智.基于DEA-Malmquist指数的四川创新科技效率评价分析[J].软科学，2015（10）：131-135.

[18]李牧南，周俊锋.广东专业镇技术创新效率评价[J].科学学研究，2015（4）：627-640.

【基金项目】甘肃省哲学社会科学规划项目（项目编号：YB082）;甘肃省高等学校科研项目（项目编号：2018A-073）。

【作者简介】陈娜，女，甘肃会宁人，硕士，甘肃政法大学经济管理学院讲师，研究方向：企业管理。