卢 超，李海艳

（上海大学管理学院，上海 200444）

从2004 年开始，欧盟每年发布产业研发投入记分牌（EU Industrial R&D Investment Scoreboard），展示年度在研发方面投入资金最多的全球领先企业，从企业角度分析研发投入情况，对欧盟与非欧盟国家企业研发投入差异进行比较。其中，自2014 年以来，欧盟年度产业研发投入记分牌均统计前2 500 强企业，占到全球产业研发投入总量的90%左右。可见，能够入选欧盟年度产业研发投入记分牌的企业具有极强的代表性，通常被业界和学界称为“高研发投入企业”［1-3］。

近年来，越来越多的中国企业跻身全球产业研发投入前2 500 强。根据欧盟产业研发投入记分牌数据，中国入选企业由2017 年的376 家增长为2020年的536 家，增幅高达42.55%，是主要经济体（欧美中日）中唯一实现入选高研发投入企业连续4 年增长的国家。高研发投入企业是突破关键核心技术、赢得综合竞争优势的核心技术载体，且对量大面广的科技型中小企业发展具有显著的示范和引领作用，因而从一定程度上可以反映一个国家的创新能力［1］。然而，诸如乐视等企业的发展历程表明，仅有高强度的研发投入并不一定能提升企业可持续发展能力，企业作为技术创新主体，如何在适当的研发投入之下依靠对研发投入的科学管理和合理利用巧妙地将可得资源转化为企业实力，是关系到能否真正实现持续性创新的关键问题［4］，即除了技术创新，运营管理是企业长期保持可持续创新能力的基本前提［5］。

已有关于企业效率的研究，主要包括创新效率［5,7-8］、R&D 效率及运营效率等［9-12］。其中，创新效率和R&D 效率能在一定程度上反映企业创新资源的配置情况［13］，但不能很好地反映企业的生产经营成果。相比之下，运营效率的高低反映出企业资源利用的程度和整体运营状况，是衡量企业运营水平的重要度量标准。运营效率的提高是企业从业务角度解决可持续性问题的结果之一［14］，因此，针对高研发投入企业开展运营效率评价研究，对于保持高研发投入企业的持续创新能力尤为重要。

基于此，本文将在梳理已有文献的基础上，首先构建高研发投入企业运营效率评价指标体系；其次，考虑评价方法与研究问题的适配性，构建高研发投入企业运营效率评价模型；进一步，利用欧盟产业研发投入记分牌数据，兼顾样本数据的代表性和可比性，对中国连续入选全球产业研发投入前2 500 强的高研发投入企业运营效率进行评价研究，进而提出相关启示与建议。

1 文献综述

1.1 高研发投入企业效率评价研究

高研发投入企业包括具有竞争力的高技术或高科技企业，会对其所处的创新生态系统产生强大的创新溢出效应。目前，绝大多数已有研究均聚焦于创新效率的评价，如赵树宽等［15］结合实地调研数据，评价和分析了吉林省151 家高技术企业的创新活动；韩兵等［16］对我国27 个省域2012—2015 年高技术企业技术研发及技术转化两阶段的创新绩效进行了测算；钱丽等［17］基于产权差异视角下的并联创新网络理论，研究了2008—2014 年中国各省份高技术企业创新效率；Wang 等［18］从系统的角度剖析技术创新活动，研究了高技术企业的技术创新效率。然而，除了杨松令等［19］以28 家创业板上市公司为研究样本对我国高新技术企业的经营效率进行了评价、熊婵等［20］以120 个高科技创业企业为样本对中国高科技创业企业的运营效率进行了分析之外，鲜有学者关注企业运营效率评价问题。事实上，高研发投入企业在战略转型机制［21］、资本结构等方面往往具有独特之处［22］，创新的最终目的是为企业带来经济效益，重视企业创新效率评价而忽视运营效率评价的做法是不可取的，针对高研发投入企业群体的持续创新能力必须要关注运营效率。

1.2 欧盟产业研发投入记分牌相关研究

自2004 年以来，欧盟委员会已连续17 年发布欧盟产业研发投入记分牌，揭示年度在研发方面投入资金最多的全球领先企业，具有极强的权威性、代表性和连续性。Ortega-Argilés 等［23］使用记分牌数据调查R&D 顶级投资者群体，揭示了公司规模在研发中的作用。崔维军等［1］利用2013 年欧盟产业研发投入记分牌数据，选取研发投入50 强企业进行研究，比较了中国与美国、日本、韩国、英国等6个国家企业在研发投入上的差距。崔维军等［2］基于制药和生物科技行业高研发投入企业的特征，比较研究了中国与美国、日本、韩国、英国等7 个国家的制药和生物科技企业研发投入的差异。孙莹［3］利用全球研发投入2 500 强企业数据，将中国与美国、英国、德国、日本等6 个国家的企业研发投入规模、研发强度、产业布局等特征进行了比较。王昊等［24］从2018 年记分牌出发，分析了世界各国及主要产业研发趋势的特征，发现美欧日中研发投入“四强格局”稳定，中国缺少创新型“头部企业”。任海峰等［25］研究发现中国大陆企业研发投入规模和增速在国际上保持领先，但投入强度增速仍较缓，应进一步优化政策环境，推动企业成为研发投入的主体。Coad［26］分析记分牌的微观数据，发现同一行业的企业在研发强度上存在相当大的异质性，而且这种异质性会随着时间的推移而持续存在。然而，已有文献对于记分牌数据的利用局限于研发投入金额、研发强度等研发指标，并未利用其经济指标进行深入研究。同时，已有分析主要停留在国家之间的比较层面，缺少细化到省（市）层面的进一步研究。

1.3 效率评价方法相关研究

在常用的效率评价方法中，根据前沿面是否需要设定生产函数，可分为参数分析法以及非参数分析法。其中，参数分析法以随机前沿分析法（SFA）为代表，而非参数分析法则以数据包络分析（DEA）为代表，由于后者无需设定生产函数，只需选取投入产出变量，因此应用更加广泛。如熊飞等［27］采用了DEA 中的CCR 和BCC 模型，对丰台科技园区42家高新技术企业的效率进行了评价。李晓梅［28］运用DEA-BCC 模型测算了2008—2017 年26 家被列入美国贸易打击“清单”里的中国战略性新兴产业样本企业的投入产出效率。颜振军等［29］运用DEABCC 模型对中国30 个省份科技企业孵化器2015—2017 年的效率进行了评价。Fang 等［30］应用DEA 中的CCR 和BCC 模型分析了2013—2018 年23 家中国新能源汽车上市企业的技术创新效率。由于DEA 方法要求投入、产出指标为正，而企业存在利润值为负数的情况，考虑到投入导向的BCC 模型具有线性变换不变性［31-33］，对产出指标进行平移不会改变DEA有效性。因此，本文采用非参数分析法进行研究，并具体选用DEA-BCC 模型进行高研发投入企业效率评价。

2 指标体系和评价模型构建

2.1 指标体系构建

根据现有文献所用指标体系［14,18-19,34-43］，效率评价时的投入一般分为人力和财力投入，产出则根据研究目标的不同有所侧重。结合运营效率这一评价目标，考虑数据可得性，本文选取员工数和资本支出作为投入指标；其中，员工数主要衡量高研发投入企业的人力投入，资本支出则衡量高研发投入企业的财力投入。同时，对于高研发投入企业而言，创新是其最重要的特征，因此借鉴熊婵等［19］的研究，在投入指标的选取上加入了研发金额，用来反映企业研发活动的资金投入。同理，在产出方面，考虑数据可得性，本文选取销售净额和营业利润作为产出指标，用于反映企业的经营效果和产品在市场上的竞争能力。

综上所述，本文结合高研发投入企业的特征，并考虑数据可得性，选取研发金额、员工数、资本支出作为投入型指标，采用营业利润、销售净额作为产出型指标，构建高研发投入企业运营效率评价指标体系，如表1 所示。

2.2 DEA-BCC 模型构建

因此，CCR 模型为：

对偶模型为：

3 数据处理与效率评价

3.1 数据来源与处理

欧盟产业研发投入记分牌自2014 年起固定发布全球研发投入前2 500 强企业的数据，且自2017 年开始统一采用销售净额、营业利润等指标（此前年份曾采用销售额、利润等指标）。因此，为保证样本数据具有代表性和可比性，本文选取2017—2020连续4 年入选的中国高研发投入企业。

经过逐一校对和整理，得到2017—2020 连续4年入选的251 家企业。其中，青岛海信电器股份有限公司、青岛海尔股份有限公司、广州欢聚时代信息科技有限公司、携程集团、华意压缩机股份有限公司在4 年间存在改名情况，已通过官网进行了核对。在这251 家企业中，华为技术有限公司、金蝶国际软件集团有限公司、矽力杰半导体技术（杭州）有限公司、金正大生态工程集团股份有限公司、好孩子国际控股有限公司5 家企业的部分数据缺失。通过对5 家企业官网和企业年报进行检索，华为技术有限公司的数据得到了有效补充，但其他4 家企业的数据依然缺失严重，故予以剔除。对于华为缺失数据的补充如下：（1）2017 年数据中，华为的员工数量补充为180 000 人（对应华为2016 年年报，并对其他年份该指标数据进行了核对）；（2）2018年数据中，华为的营业利润补充为7 222.8 百万欧元（对应华为2017 年年报，并根据当期汇率进行了换算）。另外，2017 年员工数这一指标的单位与其他年份不一致，故将其进行了单位转换。最终，研究样本保留247 家数据完整的中国高研发投入企业。表2 是对中国247 家高研发投入企业样本各指标进行的描述性统计。

表2 2017—2020 年中国247 家高研发投入企业样本的描述性统计

观察表2 可以发现，部分企业的营业利润值为负。依据DEA-BCC 模型的线性变换不变性，本文在计算效率前首先对全部样本企业的营业利润值进行处理。具体方法为将其同时加上一个正数［30-32］，使所有营业利润值变换后的数值均为正。

3.2 运营效率评价与分析

基于前文构建的指标体系和DEA-BCC 模型，该部分使用MaxDEA 软件对247 家高研发投入企业的运营效率进行测算。同时，为了解中国不同区域、不同行业高研发投入企业的特征，分别从区域和行业视角进行效率分析。

3.2.1 中国高研发投入企业运营效率整体情况分析

表3 是2017—2020 年中国247 家高研发投入企业运营效率的描述性统计。从整体情况来看，高研发投入企业在2017—2020 年的综合效率均值分别为0.618、0.601、0.590 和0.588，均处于较低水平，且呈现逐年下降的发展态势。纯技术效率均值分别为0.663、0.642、0.634 和0.635，规模效率均值分别为0.935、0.939、0.936 和0.934，说明中国高研发投入企业纯技术效率较低是限制企业运营效率提升的主要因素。

表3 2017—2020 年中国247 家高研发投入企业样本的运营效率描述性统计

表4 说明了2017—2020 年中国247 家高研发投入企业中的有效企业数及规模报酬情况。可以发现，4 年间企业规模报酬不变、生产规模达到最优的有效企业保持在18～24 家之间，仅占样本企业数的7.29%～9.72%。由此可见，中国高研发投入企业整体上运营状况并不乐观，绝大部分企业运营状况欠佳，在提高运营效率上仍有很大的改进空间。这与高研发投入企业的特征相符，即该类企业在前期往往以大量的研发投入为导向，而研发等活动产生收益的滞后性往往导致其当期效率处于较低水平。43.72%～57.09%的高研发投入企业处于规模报酬递增状态，说明企业的产出组合有待提升，需适当增加产出组合实现规模经济；35.63%～47.77%的高研发投入企业处于规模报酬递减状态，需缩减产出组合比例使企业达到生产前沿面。

表4 2017—2020 年中国247 家高研发投入企业样本的有效企业数及规模报酬情况 单位：家

3.2.2 不同省级行政区的高研发投入企业运营效率分析

从企业官网及企业年报中查找信息，以企业所属总部地址为准，发现247 家高研发投入企业来源于中国28 个省级行政区。表5 展示的是区域视角下2017—2020 年高研发投入企业运营效率测算结果，可以发现，样本企业所属的28 个省级行政区中，只有云南的高研发投入企业运营效率保持不变，4 年间均为1，处于有效状态，其余27 个省级行政区均处于DEA 无效状态。具体分析：

表5 不同省级行政区高研发投入企业的运营效率情况（区域视角）

（1）内蒙古和香港的高研发投入企业运营效率逐年上升，发展态势较好：内蒙古的综合效率值由0.596 增加至0.990，分解项规模效率变动不大，纯技术效率增加明显，说明近年来该地高研发投入企业投入产出结构趋向合理；香港的综合效率始终处于0.6～0.8 的中等区间，分解项纯技术效率提升缓慢，说明还需积极优化资源配置。

（2）北京、广东、上海、重庆、河北的高研发投入企业运营效率总体下降：重庆、河北在所有地区当中表现最差，2020 年综合效率仅为0.3 左右，人财物资源利用率严重不足，但其规模效率接近有效，因而对这两地而言重点是要提升企业的管理水平和运营能力，以此来破解效率低下的问题；北京和广东的综合效率始终处于0.6 以下，但其规模效率达到了0.9 左右，与之对应的是纯技术效率存在不足，说明研发投入等资源错配问题较为突出；上海的综合效率处于0.6～0.7，分解项纯技术效率和规模效率均有一定程度的效率损失，人员及资金投入需要合理配置以提升规模经济性，企业创新、公司治理方面也需要完善。

（3）其余21 个省级行政区的高研发投入企业运营效率值呈现波动变化：如浙江的高研发投入企业数量居于全国前列，但综合效率在0.6 附近徘徊，与全国平均水平基本一致，分解来看主要是纯技术效率存在不足，与高效率地区相比还存在一定差距。

3.2.3 不同行业的高研发投入企业运营效率分析

根据ICB（Industry Classification Benchmark）行业分类标准，本文涉及的247 家高研发投入企业来源于27 个行业。表6 给出了行业视角下2017—2020年高研发投入企业运营效率测算结果，可以发现，样本企业所属的27 个行业无一处于DEA 有效状态。具体分析：

表6 不同行业高研发投入企业的运营效率情况（行业视角）

（1）产油设备、相关服务和分销，个人消费品行业的高研发投入企业运营效率相对较好：产油设备、相关服务和分销行业综合效率值虽逐年上升，但一直处于0.5 左右的中低水平，分解项规模效率近年来有明显的提升，但纯技术效率依旧存在不足，未来应将重心从扩大规模转移到提升运营能力和管理水平上来；个人消费品行业综合效率值在被分析行业中处于中高水平，分解来看，主要是纯技术效率提升引起的，未来应注重尽快引导形成规模优势。

（2）化工制品、电力、一般零售商、石油和天然气生产商、制药和生物科技、科技硬件和设备行业的高研发投入企业运营效率逐年下降：化工制品和电力行业的所处区间和变化幅度类似，均处于较高水平，纯技术效率还有一定的改进空间；一般零售商行业的纯技术效率和规模效率均不高，处于中低水平，需在提升规模的同时提高自身管理质量；石油和天然气生产商行业纯技术效率虽有所下降，但一直处于中高区间，说明投入产出结构较为合理；制药和生物科技、科技硬件和设备行业的入选企业数量和变动幅度类似，主要原因均是纯技术效率较低导致，但后者比前者效率值更低，需要优化的程度更大。

（3）其余19 个行业的高研发投入企业运营效率值呈现波动变化：其中，固定线路电信服务、工业运输行业效率处于最低区间，分解项纯技术效率过低（仅0.25 左右）的问题最为突出，急需减少投入冗余、缓解产出不足，着力提升企业运营水平。

4 结论与建议

本文以欧盟产业研发投入记分牌数据为基础，针对高研发投入企业这一“关键少数”创新主体，通过构建高研发投入企业运营效率评价指标体系、构建DEA-BCC 效率评价模型，对2017—2020 年间247 家中国高研发投入企业的运营效率进行了测算，并从区域-行业双重视角分析了不同省级行政区、不同行业高研发投入企业运营效率的差异，进而提出相应的改进建议。

4.1 主要研究结论

（1）本文构建了以研发金额、员工数、资本支出为投入指标，以营业利润、销售净额为产出指标的高研发投入企业评价指标体系，具有良好的科学性、可比性与有效性。

（2）本文结合高研发投入企业的特征，选择了适配性较好的DEA-BCC 模型，对2017—2020 年间连续入选的247 家中国高研发投入企业进行了较为科学的运营效率测算。

（3）中国高研发投入企业大多处于高投入、低产出的阶段，在2017—2020 年间的运营效率均处于较低水平，且呈现逐年下降的发展态势；其中，纯技术效率较低是限制企业运营效率提升的主要因素。

（4）区域层面，云南、内蒙古等地区高研发投入企业的运营效率表现良好；北京、上海、广东、浙江4 地入选企业数量全国领先，但效率表现不佳；重庆、河北在所有地区中资源错配问题最为突出。

（5）行业层面，个人消费品、石油和天然气生产商等行业高研发投入企业效率表现良好；制药和生物科技、科技硬件和设备等行业效率处于中低区间，有较大的发展潜力；固定线路电信服务、工业运输行业投入产出结构不合理。

4.2 相关启示建议

（1）从高研发投入企业本身来看，除了关注各资源要素的投入规模，更应注重技术和管理水平的提升，应考虑整体投入产出效率和创新体系，不能盲目增加研发投入。高研发投入企业应关注其运营效率以实现可持续发展，可通过合理化投入产出结构、优化企业业务流程、调整企业运营策略等方式，促进企业运营效率的提高。

（2）从区域视角来看，应保持云南等地区高研发投入企业运营效率稳中求进，鼓励其他地区企业运营效率均衡发展，实现更快增长。北京、上海、广东、浙江等地区应拓展区际互动合作，如深化京津冀、长三角、粤港澳大湾区合作，以鼓励企业跨地区进行人才、资金、技术等的流通，提高各区域企业运营水平。重庆、河北等地区需重新审视所在地高研发投入企业的投入产出结构，充分考虑该地区的资源要素和发展特点，优化改进现有的资源配置状况。

（3）从行业视角来看，政府应加大对固定线路电信服务、工业运输等低效率行业高研发投入企业的关注和扶持，通过提高行业配套水平、降低供应链成本来促进运营效率提升。同时，聚焦石油和天然气生产商、电力等近年来效率逐步下降但整体效率较高的行业领域，集中政府相关资源，鼓励高效领域的优势企业强强联合，提高行业集中度。

本文存在一些不足之处。首先，由于本文数据来源受限，所选指标、数据年份较少，难以对更长时间段内中国高研发投入企业的运营状况进行全面评价。其次，文中对于区域和行业效率的评价，是从两个角度展开的独立分析，并未进行交叉研究。未来可以考虑基于这一群体，从更多渠道收集数据；同时，考虑进行交叉研究，如分析特定行业的不同地区高研发投入企业的效率差异，或特定地区不同行业高研发投入企业的效率差异，以期发现更多有意义的结论。