江艳婷

摘要：运用三阶段DEA模型，测算分析我国30个省市在2011-2017年间工业企业的创新效率，并对影响因素进行分析，研究显示：环境因素对工业企业创新效率产生了显著影响，第一、三阶段工业企业创新效率差异明显，剔除影响因素后创新技术效率均值仅为0.6，主要源于规模效率的不足;粗放型经济增长影响科技进步，政府支持和外商投资有利有弊，两者应控制在合理水平，产学研应以协同发展为载体共同提升创新效率。

Abstract： The three-stage DEA model is used to measure and analyze the innovation efficiency of industrial enterprises in 30 provinces and cities in China from 2011 to 2017， and analyze the influencing factors. The research shows that environmental factors have a significant impact on the innovation efficiency of industrial enterprises. There is a clear difference in the innovation efficiency of industrial enterprises in the third and third stages. After excluding the influencing factors， the average innovation technology efficiency is only 0.6， which is mainly due to the lack of scale efficiency. Extensive economic growth affects technological progress. Government support and foreign investment have advantages and disadvantages， which should be controlled at a reasonable level.Industry-university-research institutes should take the coordinated development as a carrier to jointly promote innovation efficiency.

关键词：工业企业;创新效率;三阶段DEA模型

Key words： industrial enterprise;innovation efficiency;three-stage DEA model

中图分类号：F425;F224                                  文献标识码：A                                  文章编号：1006-4311（2020）04-0123-03

0  引言

科技创新是引领發展的强大动力，工业企业的创新效率是区域创新的一个重要载体，其创新效率水平牵引着各区域甚至整个国家的创新发展，创新效率是指创新投入产出比，随着我国研发投入力度加大，研发产出效果如何？为了探究各省市创新发展的现状及区域间创新发展的差异性，对各省市工业企业进行真实创新效率测度是迫切需要的，以便各省市根据自身创新发展的现状做出改进措施，朝着推动中国整体创新效率稳步提升的目标前进。

创新效率一直是学者们研究的热点，提高创新效率的实质是如何获得单位资源投入下的高创新产出或者单位产出下的低成本，创新效率的测度首先关乎到测度方法选取问题，有些学者采用传统DEA模型，如李婧、管莉花（2014）[1]选用传统DEA与空间计量结合的方式，探究我国各省市创新效率发展现状以及区域差异问题;章仁俊、王俊峰（2010）[2]采用DEA模型测度我国工业企业分行业的创新效率，研究发现相比于原始创新效率，自主创新效率受二次创新效率的影响较大。亦有些学者选用两阶段DEA模型，如罗良文、梁圣蓉（2016）[3]基于两阶段企业技术创新过程，测度企业创新效率及其影响因素，研究发现东、中、西部地区创新水平差异较大，西部地区创新效率有较大的改善空间，由于单一的DEA模型测度的创新效率值是包含了环境因素与随机误差，不能真实的反映各决策单元的创新管理水平，于是Fried等（2002）[4]提出了三阶段DEA模型，要求所有决策单元处于相同的环境与运气水平下，能够测算出真实的技术管理水平，随后被广泛运用于创新效率测算，如康年等（2019）[5]应用三阶段DEA模型研究国家中心城市72家制造企业的创新效率，并分析制度环境对创新效率的影响;如季庆庆、李向东（2013）[6]应用三阶段DEA模型测度我国企业2010年的技术创新效率，但其只测度一个年份，不能反映我国各区域近年来创新效率的发展，而且其没有考虑经济发展与外商投资对工业企业科技创新的影响，因此本文采用三阶段DEA模型对我国30个省市工业企业2011-2017年间技术创新效率值（未包括西藏，因其部分数据未统计）进行整体和局部的评价，探讨我国创新效率发展现状并基于外部环境的影响提出切实可行的建议。

1  研究方法

1.1 第一阶段DEA

鉴于各省市工业企业创新效率差异显著及考虑投入要素最小化问题，因此将投入导向与规模报酬可变的BCC模型相结合测算创新效率值。

1.2 第二阶段DEA

1.3 第三阶段DEA

2  创新效率测度指标体系构建与数据处理

2.1 指标体系构建

关于创新投入指标的选取，我们选择人力、财力指标，即把规模以上工业企业R&D经费支出，规模以上工业企业R&D人员全时当量作为投入指标，由于R&D经费支出包括内部支出与外部支出，我们借鉴季庆庆和李向东的计算方式将内部支出与外部支出之和作为R&D经费总支出，避免低估R&D经费投入水平[6]。关于创新产出指标的选取，我们选择规模以上工业企业专利申请数，同时规模以上工业企业新产品销售收入是企业科技活动的收益表征，并且亦是市场活动特征的一种反映，因此将其作为产出指标之一。

环境变量的选取既要考虑到地方经济发展水平和政府扶持激励政策等整体环境，又要包含地区对外开放程度与产学研合作等特征因素。因此本文选择以下环境变量：反映地方经济发展水平的人均GDP，反映政府支持政策的规模以上工业企业R&D内部支出中政府资金占比，反映对外开放程度的外商投资，用外商投资企业总额来表征。体现产学研合作的R&D外部支出中研究机构的占比和R&D外部支出中高校的占比，这些环境变量不受各决策单元管控约束，可以深入探究其对工业企业创新效率的影响。

2.2 数据的处理

鉴于DEA模型中对投入产出指标为同向性的要求，将2011-2017年间我国省域创新投入、产出指标的平均值进行pearson相关系数检验，结果显示投入产出变量相关系数接近与1且均通过1%显著性检验，因此投入产出指标合理有效。数据主要来源于《中国统计年鉴》及各省市统计年鉴。

3  我国区域创新效率测度

3.1 第二阶段DEA测度

运用Frontier4.1软件，将创新投入松弛变量作为被解释变量，经济发展、政府支持、外商投资、企业与研究机构合作及企业与高校合作这五个环境变量作为解释变量进行回归，结果如表1所示，首先由LR检验可知模型估计效果较好，除了R&D人员投入对外商投资的回归，其余回归系数的T检验值全都显著，说明环境变量对创新发展影响显著，两个回归方程的？姿值为0.78和0.86，均大于0.5，说明在R&D经费投入与R&D人员投入的影响因子方程中创新管理因素占据主要影响。

第一，经济发展。该环境变量对R&D经费投入松弛变量、R&D人员投入松弛变量的影响系数均为正，且均通过1%显著性检验，说明经济发展水平提升并没有对工业企业的创新效率产生预期的促进作用，可能是我国经济发展长期依赖于要素投入，造成了粗放型的经济增长方式，不利于创新效率的提升，而经济转型升级需要时间成本，现阶段技术进步效应还不明显，因此要大力优化要素投入效率，形成经济增长与科技创新的优势循环。

第二，政府支持。该环境变量对R&D经费投入松弛变量的影响系数为负，而对R&D人员投入松弛变量的影响系数为正，且均通过1%显著性检验，规模以上工业企业R&D内部支出中政府资金占比越高，工业企业越容易受到政府支持的正向影响，减少R&D经费的投入冗余，能够提高科技创新效率，而对于R&D人员投入变量，增加政府支持力度，会导致R&D人员投入的浪费，可能因为增加政府R&D经费投入，使得R&D人员社会待遇优厚，直接导致R&D人员出现人浮于事的问题，增加科技創新人力资源的浪费。

第三，外商投资。该环境变量对R&D经费投入松弛变量的影响系数为负，而对R&D人员投入松弛变量的影响系数为正，同时只对R&D经费投入松弛变量系数在5%的水平上显著，说明外商投资会显著减少R&D经费投入的浪费，却在一定程度上增加了R&D投入人员的冗余，说明FDI的流入会增加R&D经费的转化效率同时对R&D人员产生挤入效应会盲目增加人力投入。

第四，企业与研究机构合作。该环境变量对R&D经费投入松弛变量、R&D人员投入松弛变量的影响系数均为负，且均通过1%显著性检验，说明企业与研究机构的深入合作能够显著提高我国技术创新能力，因为企业从研究机构获取的外部创新资源可以成为内部创新的重要补充，创新技术的融合可以缩短产品生产周期，扩充企业技术领域，快速提升企业的技术创新水平。

第五，企业与高校合作。该环境变量对R&D经费投入松弛变量、R&D人员投入松弛变量的影响系数均为正，且均通过1%显著性检验，说明企业与高校合作不利于我国工业企业技术创新的发展，可能是由于企业与高校合作的主体目标不同，企业目标是提高区域竞争力并获得市场利益，而高校是为了发表论文获得一定的学术成果，因此企业与高校在技术创新上没能协调发展，最终导致创新效率的下降。

3.2 第一、三阶段DEA测度分析

运用DEAP2.1软件，对我国省域2011-2017年间剥离环境和随机因素的干扰前后创新投入产出值进行效率测度，分别得到第一、三阶段效率值，由于篇幅原因，仅列出30个省市在2011-2017年间的创新效率均值（见表2）。

由表2可知，从整体效率来看，技术效率均值由0.691下降为0.596，纯技术效率均值由0.775上升为0.932，规模效率均值由0.901下降为0.634（鉴于表格美观问题，表2中未列出），首先说明中国技术效率偏低是由于规模效率不足引起的，其次消除环境因素与随机误差影响后技术效率降低了0.1左右，说明第一阶段技术效率值被些许高估，而实际创新效率值偏低，有很大的改进空间，所以全面提高创新效率刻不容缓。

从效率前沿面来看，第一阶段处于创新效率前沿面的仅有安徽省，与之相比，变为仅有浙江省处于创新效率最优，说明安徽省是受外部环境的影响才享有较高的科技创新水平，而浙江省才是在技术管理水平上实力过硬。从创新技术效率来看，上升的省市有天津、河北、辽宁、上海、江苏、浙江、福建、山东、河南、湖北、湖南和广东，说明这些省市创新效率值被低估了，其余18个省市的创新效率值下降，说明这些省份效率值被高估与其所处的有利环境和随机因素有关。

4  简要结论与建议

4.1 加快形成规模集聚效应，提升技术管理水平

对比剔除环境因素与随机因素影响前后的第一、三阶段创新效率值，发现我国整体技术效率与规模效率出现下降，纯技术效率出现上升，创新技术效率下降说明由于外部环境与随机因素的影响导致工业企业创新效率被高估，而阻碍工业企业创新效率提升的因素由第一阶段的纯技术效率转变为调整后的规模效率，表明实际上我国整体技术效率受规模效率影响较大，因此当前规模不经济问题值得深思，虽然国家鼓励生产规模低下的企业进行合并，但合并带来的高管理研发成本和利润率低等问题直接制约了创新发展，而规模经济的优势其实是来源于专业化、细致化的分工合作和过硬的技术，因此现阶段提升创新发展的质量是关键，首先国家应给予规模经营一定的资金支持和政策优惠，创造规模经营的优势环境，其次企业应以核心技术为依托提升产品质量并占据有力的市场位置。

4.2 基于环境因素作用效果，完善机制建设

经济发展，政府支持，外商投资及产学研合作都对工业企业的投入松弛变量产生显著影响。经济发展水平的提升会吸引人才集聚和财力投入过多，但不依托技术进步带来的经济发展会造成科技人员和科技经费的浪费，因此要把自主创新作为经济发展的动力源泉，形成一种健康的经济发展模式。政府支持和外商投资有利于减少R&D经费投入的冗余，却会造成R&D人员的浪费，可能是由于我国科技经费投入存在严重不足，增加政府与外商的资金投入会加速创新资金的转化效率，但同时会导致R&D人员过多，人力资源闲置，又不利于创新产出，因此政府支持力度应适当，外商投资总额亦应控制在一个合理的范围内，才能有效的提升工业企业的科技管理水平。企业与研究机构的合作体现了产学研结合的优势，但由于创新目标与发展观念不同及合作机制不完善，企业与高校的产学研合作对技术创新效率没有产生预期的促进作用，因此首先应健全产学研合作机制，建立一套创新合作准则，如共同承担风险的责任及利益分配的均衡，同时应该建立创新激励机制，给科技研发活动注入动力源泉，优化创新人力、财力资源的投入结构，提高工业企业的创新能力。

参考文献：

[1]李婧，管莉花.区域创新效率的空间集聚及其地区差异——来自中国的实证[J].管理评论，2014，26（08）：127-134.

[2]章仁俊，王俊峰.中国工业企业自主创新效率评价：基于DEA方法的研究[J].中国科技论坛，2010（05）：52-57.

[3]罗良文，梁圣蓉.中国区域工业企业绿色技术创新效率及因素分解[J].中国人口·资源与环境，2016，26（09）：149-157.

[4]FRIED H O，LOVELL C A K，SCHMIDT S S，etal.Accounting for environmental effects and statistical noise in data envelopment analysis [J]. Journal of Productivity Analysis， 2002，17（1/2）：157-174.

[5]康年，顧倩雯，宋波.基于三阶段DEA模型的国家中心城市制造企业创新效率研究[J].科技管理研究，2019，39（08）：9-14.

[6]季庆庆，李向东.基于三阶段DEA模型的企业技术创新效率研究[J].工业技术经济，2013，32（05）：96-105.