沙德春，荆 晶

（河南农业大学信息与管理科学学院，河南郑州 450046）

20 世纪90 年代，全球逐渐进入信息时代，信息技术产业得到快速发展，许多国家将其作为推动经济社会发展的有效力量而加以扶持。具有强大生命力的软件产业作为信息技术产业的核心，成为全球发展速度最快的朝阳产业，在经济提升和社会进步等方面都发挥着日益重要的作用。同时，软件产业也是推动中国经济发展、优化产业结构的重点产业。为了推动中国软件产业的发展，使其在国际竞争中占据有利位置，中国自1995 年开始组建国家火炬计划软件产业基地，截止到2018 年9 月，已有44家国家软件产业基地和众多的省（区、市）软件产业基地。软件产业基地是以现有的软件产业为基础，将地方资源和政策优势聚集起来，专门从事软件研发和信息化的产业基地，它不仅能提升国家信息化水平，还是支撑经济发展的重要力量，每年中国软件产业收入的70%以上来自软件产业基地。因此，对国家软件产业基地的运行效率进行测算和分析，在提高中国软件产业发展质量、优化产业发展环境等方面都有着重要意义。

1 文献综述

软件产业蓬勃向上快速发展，也使其成为了学者们的研究热点。目前软件产业方面多数研究集中在其发展过程以及发展模式等方面，如杨冬梅［1］基于苗床理论总结了中国软件产业基地的发展和建设历程、建设模式，提出中国软件园应走国际化、开放式的民办官助模式；代志华［2］对国际上4 种具有特色的软件产业类型进行了分析，认为中国应结合国情发挥自身优势，建立新的软件产业发展模式；庄丽娟［3］对比研究了中、美、印3 国软件产业对社会经济的贡献及其与经济增长的相关性；山红梅［4］分析了金融危机影响下中国软件产业的发展状况，指出了未来5 年～10 年中国软件产业面临的机遇与挑战；孙川［5］把中国软件产业的发展水平分为3 个等级，并使用偏离-份额分析模型对软件产业的结构效应和竞争力进行了实证研究；吴冰等［6］指出创业网络有助于提高软件园的创新能力，环境则会对软件园产生不同的影响，其中，生活质量和技术供给分别对软件园的经济绩效和创新绩效具有明显影响；陈蕾［7］从企业规模、产业利润率、产业集中度、技术创新模式等方面对中国软件产业发展进行了实证分析。

除了对软件产业进行研究，学者还对中国软件产业基地的发展进行了分析。学者们从不同角度分析评价了中国软件产业基地的效率［8-12］，如华金秋等［13］从多个方面对上海、北京、广东3 个地区的软件园进行了比较分析，指出北京的软件产业实力最强，广东次之，上海相对较弱；高爱雄［14］运用GEM模型理论构建了软件产业集群竞争力评价模型，并以西安软件产业集群为例进行评价；陈关聚［15］使用变弹性的超越对数生产函数模型和随机前沿技术研究发现，人力资本存量对软件产业基地的创新绩效贡献最大；颜晓畅等［16］通过构建回归模型，研究了政府科技资助对软件产业基地的影响。

从已有研究看，学者们对软件产业及软件产业基地的研究大多属于定性分析，有限的量化分析也主要侧重于软件产业基地的统计性分析，缺乏对其整体运行效率的研究；研究对象多为单个或几个地区的软件产业基地，而缺少对国家软件产业基地的整体研究；使用数据多为2013 年以前，难以体现近年来国家战略变化、软件产业基地扩容后的发展变化情况。鉴于此，本文运用数据包络分析（Data Envelopment Analysis，DEA）方法，对中国42 家国家软件产业基地（以下简称“基地”）的整体运行效率进行研究，并根据其效率分解结果进行聚类分析，最后提出相应发展建议，以期为推动国家软件产业基地建设实践及制定相关促进政策提供参考。

2 模型与指标体系构建

2.1 模型构建

数据包络分析是一种通过测算决策单元与相对有效生产前沿面的偏离程度来确定相对有效性的效率测算方法，由美国著名运筹学家Charnes 等［17］在1978 年提出。常用的DEA 模型有规模报酬不变的CCR 模型和规模报酬可变的BCC 模型［18］。DEA 方法有较强的客观性，因为它在测量效率时，不要求所有的决策单元必须是同一生产函数，也无需对指标计算权重和量纲化处理，同时，它还满足多元最优化的原则［19］。由于基地的规模报酬难以满足不变假定，且其目标为以最小的投入得到最大产出，因此，本文选取规模报酬可变的BCC 模型对基地运行效率进行研究。

2.2 指标体系构建与数据来源

投入产出指标的选取会对使用数据包络分析方法测算效率的结果产生重要影响。基地的主要功能是推动信息化与工业化深度融合，促进新兴产业发展。根据基地的性质，以国内外研究为基础，结合数据的可获得性和科学性，本文选取以下投入产出指标对基地运行效率进行研究（见表1）：投入指标方面，为了可以准确得到基地的整体运行效率，从基地的人力、财力、物力3 个方面来考虑投入资源，用年末总人数来衡量人力资源的投入，用科技活动经费支出总额来衡量财力资源的投入，用现有用地面积来衡量物力资源的投入。产出指标方面，基地主要是通过培育新兴产业为社会经济作贡献，因此选取以下指标代表其产出：营业收入代表了基地的经济效益，是基地自身持续发展能力的体现；出口总额代表了基地对外经济收益，体现了基地在国际上的竞争力；实际缴税额代表了基地对社会作出的贡献，是基地在国内市场竞争地位的体现。

表1 国家软件产业基地运行效率评价指标体系

投入指标和产出指标的各项数据均来自科技部火炬中心发布的《中国火炬统计年鉴2018》。由于部分基地的关键指标数据缺失，因此对内蒙古软件园和东营软件园进行了样本剔除，选取了42 家国家软件产业基地（以下简称“样本基地”）作为研究对象。各样本变量的描述性统计如表2 所示，可以看出各基地间的投入资源数量和产出数量都有着较大差异。

表2 样本基地投入产出指标描述性统计

3 国家软件产业基地运行效率分析

3.1 整体情况

首先对样本基地的DEA 效率进行描述性统计，如表3 所示，基地的整体运行效率水平不高，综合效率均值为0.699，还有很大的提升空间；综合效率的最小值仅为0.300，即存在部分基地综合效率值过低，拉低了整体综合效率水平，而较大的综合效率标准差也表明各基地间的运行效率存在较大差异；规模效率均值为0.912，大于纯技术效率均值0.763，说明纯技术效率低下是基地效率不足的主要原因，即基地资源配置结构出现较大问题，投入资源无法得到充分有效利用，从而造成了资源浪费，因此应重点加强运行管理、调整投入产出结构，提高纯技术效率，进而提升基地运行综合效率。

表3 样本基地DEA 效率描述性统计

3.2 DEA 效率

运用Deap2.1 软件，采用投入导向的规模可变的BCC 模型对样本基地运行效率进行测算，结果如表4 所示，大多数基地为DEA 无效，仅有14 家基地的运行效率为DEA 有效，占总数的33.3%，且各基地的综合效率值差异较大，综合效率不足0.500的基地占比达到31%。在DEA 无效的基地中，北京软件产业基地和湖北软件产业基地为纯技术效率有效而规模效率无效，即这2 家基地投入资源的利用已经达到充分有效，但在规模方面仍存在问题，从而导致了基地运行综合效率无效；纯技术效率有效意味着在规模收益不变时，现有的资源配置结构已经达到最优，即使增加投入资源数量，产出也不会随之增加，也就是不能通过改变人员数、用地面积、科技活动经费等投入指标的投入水平来提高营业收入、出口总额、上缴税额等产出水平，因此，应根据基地的规模收益对其规模大小进行调整，实现规模效应，进而提高运行的综合效率。而长春软件园为规模效率有效、纯技术效率无效，即该基地的规模已经达到最优，但投入资源无法充分有效利用，存在资源浪费的现象，从而导致运行综合效率不足；规模效率有效意味着现有规模是在投入水平不变情况下可以达到最大收益的最优规模，无论是增大或缩减规模都会导致基地的运行效率降低，因此，应对基地的资源配置结构进行调整，使投入资源可以得到充分利用，减少资源浪费。其余25 家基地的纯技术效率和规模效率均无效，其中22 家基地的规模效率大于纯技术效率，即导致这些基地综合效率不足的主要原因是纯技术效率较低；3 家基地的规模效率小于纯技术效率，即规模效率不足是这些基地运行综合效率无效的主要原因。因此，这25 家基地在提升综合效率时，不仅要加强运营管理，重视对投入资源的充分利用，还要重视规模效应，对自身规模进行调整。另外，从规模收益的情况看，有15家基地的规模收益递减，说明这些基地应缩减投入规模；12 家基地的规模收益递增，说明这些基地需要持续性增加投入，扩大投入规模；15 家基地的规模收益不变。

表4 样本基地运行效率测算

为了更加清晰地了解基地运行效率的情况，本文使用SPSS 24.0 对纯技术效率和规模效率进行K均值聚类分析。设定聚类分析中K=4，结果显示纯技术效率和规模效率两个变量均通过显著性检验，因此，可以根据聚类分析结果对基地进行分类。根据得到的最终聚类中心（见表5），可将样本基地分为4 类（见表6）。

表5 样本基地最终聚类中心

其中：第Ⅰ类为配置高效规模低效型，即因纯技术效率较高而规模效率较低导致综合效率不足的基地，共有5 家，占比为11.9%，这类基地应在发展过程中将重点放在对规模的调整上，根据规模收益变化扩大或缩小规模；第Ⅱ类为高效型，即纯技术效率和规模效率均较高，因而具有较高的综合效率，是发展较好的一类基地，共有16 家，占比达到38.1%；第Ⅲ类为低效型，即纯技术效率和规模效率都不高，均有着较大的改进空间，共有9 家，占比为21.4%，这类基地不仅要优化资源配置结构，改善投入冗余和产出不足的问题，同时要关注自身规模，根据实际情况进行调整规模，而不是一味地扩大规模，从投入-产出两方面同时改善才能提升运行效率；第Ⅳ类为规模高效配置低效型，即规模效率较高而纯技术效率较低导致综合效率值较低的基地，共有12 家，占比为28.6%，这类基地应将改进的侧重点放在对资源配置结构的调整上，通过减少投入资源浪费、增加产出、提高管理水平等来提升自身的运行效率。综合来看，40%左右的基地为单方面低效，需要针对自身薄弱环节制定今后的调整措施，有少部分基地在资源配置和规模上都存在较大的问题，尤其是在资源配置结构方面有着较大的改进空间，需要更加重视基地运行过程中的管理能力，提高纯技术效率。

表6 样本基地运行效率分类

3.3 投入产出调整

对DEA 模型中松弛变量进行计算，可以得到DEA 无效的基地达到DEA 有效需要对投入产出进行调整的数量，如表7 所示，据此可以进一步分析基地如何进行资源配置调整可以使其达到最优效率，为基地制定下一步发展方案提供参考。表7 显示，需要对投入、产出进行调整的基地共有26 家，占比为61.9%。其中，沈阳软件园、长春软件园、无锡软件园、重庆软件园4 家仅存在投入冗余问题，只需要减少部分投入资源数量；山西软件园、合肥软件园、潍坊软件园、郑州软件园4 家仅存在产出不足的问题，需要增加部分指标的产出；其余18 家则在投入和产出两方面都没有达到最优，需要对投入、产出双方同时进行调整才可以提高效率。从投入方面看，7 家基地需要减少总人数，15 家基地需要减少用地面积，而大多数基地对科技活动经费的利用都较充分，只有3 家基地需减少投入；说明部分基地在用地面积上的投入过多，一味地追求规模扩大，这将导致资源浪费和效率下降，应加强对用地的管理和控制，同时应提升人员的使用效率，提高整个基地的工作效率。从产出方面看，需要增加营业收入的基地数量不多，仅有6 家，而15 家需要增加出口额，10 家需要增加上缴税额；说明基地的经济收入整体较好，但在出口和社会效益方面还有着很大的提升空间，应侧重提升基地的创新能力和水平，促进高水平发展，增加自身竞争力。

表7 DEA 无效样本基地的投入产出调整

4 结论

本文运用DEA 方法对中国42 家国家软件产业基地的运行效率进行测算，并使用K 均值聚类分析将基地分为4 类，即高效型、低效型、配置高效规模低效型、规模高效配置低效型，最后对纯技术效率无效的基地进行了投入产出调整分析，得出以下结论：

（1）整体来看，有1/3 的基地为DEA 有效，但基地整体的运行效率不高，综合效率均值仅有0.699，且不同基地之间效率差异较大；60%的基地规模效率和纯技术效率均无效，多数基地运行效率不足的主要原因是纯技术效率过低，这些基地在今后提升效率时应更加注重对资源配置结构的调整，加强运行管理。

（2）从聚类结果来看，有5 家配置高效规模低效型、16 家高效型、9 家低效型、12 家规模高效配置低效型基地，低效型基地数量不多，多数基地单方面弱势明显，因此，不同类型的基地应根据其自身情况对资源配置结构或规模大小进行重点改进。

（3）从投入产出调整结果来看，资源配置结构不合理的基地有26 家，占总数的61.9%。其中，8家仅存在投入过多或产出不足的问题，其余69%的基地则在投入和产出两方面都存在问题。这些基地中对投入的用地面积浪费情况最严重，其中有15 家需减少用地；产出问题中最严重的是出口额过低，其中有15 家需增加出口额，说明部分基地一味地追求扩大规模，而产出又无法达到相应的规模，最终导致效率低下。

基于以上研究，本文建议从以下3 个方面采取措施来优化中国国家软件产业基地运行效率：

第一，构建科学的评价体系，提高管理水平。大多数的基地由于纯技术效率不足导致综合效率低下，即基地的技术和管理水平落后于规模发展，使得投入资源无法得到有效的利用，因此，需要构建一套科学的评价体系来引导基地的发展。这不仅有助于合理分配资源、减少投入冗余和浪费，还可以激发基地的发展潜力，提高其运行管理能力和水平，避免一味地扩大用地规模从而导致运行效率不升反降。

第二，培养高水平人才，提高创新能力和创新水平。大多数的基地人力投入能得到较充分地利用，但基地的创新能力不足和管理水平不高的问题依然存在，这表明基地仍需要大量的高水平人才来推动其持续性发展和创新，因此，应聚集更多高级管理人员和软件研发人员，以多种方式吸纳人才为基地服务，进而提高基地的创新水平，与国际接轨，努力扩大软件出口，向国际化发展。

第三，分级分类引导软件产业基地科学发展。基地可以分为4 种类型，对于每种类型基地存在的问题和解决方法都不同，因此，政府应制定长期的发展战略，并根据各基地的发展状况制定不同的政策措施，为不同类型的基地提出有针对性的解决方案，充分发挥政府的引导作用，使基地可以根据政府战略调整自身发展规划，推动其科学、健康发展。