绍兴文理学院学报
JOURNAL OF SHAOXING UNIVERSITY
第41卷第1期2021年1月
VoL 41 No. 1Jan. 2021
doi ：10.16169/j.issn.l008-293x.s.2021.01.014
吴道友，夏雨，毕利娜.基于三阶段DEA 模型的中国东部省市科技自主创新效率研究[J ].绍兴文理学 院学报(人文社会科学),2021,41(1) ：96-105.
基于三阶段DEA 模型的中国东部省市
科技自主创新效率研究
吴道友1夏雨$毕利娜$
(1.浙江财经大学工商管理学院，浙江杭州310018；2，浙江财经大学人力资源管理研究所，浙江杭州310018)
联通宝视通摘 要：提升科技自主创新效率是推动创新型国家建设的关键。*匕研究运用三阶段DEA 模型，在考
虑科技发展水平、教育水平、政府支持和成果保护4个环境因素影响的基础上，对2013年至2017年间我国
东部地区科技自主创新效率进行实证分析。研究结果发现：我国东部地区科技自主创新效率会受到科技 发展水平等4个外部环境因素的影响；在剔除外部因素影响后，我国东部大多数省市科技自主创新效率有 所提升；我国东部大部分省市还需优化科技资源投入规模，从而达到规模收益的最佳阶段。最后，提出提 升我国科技自主创新效率的对策建议。
关键词：中国东部；科技自主创新；三阶段DEA
中图分类号:F223 文献标志码:A 文章编号:1008-293X (2021) 01 -0096-10
收稿日期：2020-07-09
基金项目：浙江省软科学研究计划重点项目“'推拉理论'视角下海外高端科技人才引育机制创新研究
——基于省属高校和科研院所的调查"(2020025008)。
作者简介：吴道友(1975-)，男，湖北赤壁人，浙江财经大学工商管理学院教授，博士，研究方向：人力
资源管理、创业管理;E-mail : wudaoyou@ zufe.edu
夏 雨(1997-)，男，安徽安庆人，浙江财经大学人力资源管理研究所助理研究员，研究方
向：人力资源管理；
毕丽娜(1995-)，女，湖南长沙人，浙江财经大学人力资源管理研究所助理研究员，研究方队列队形变换
向：人力资源管理。
一、弓I 言
创新是引领发展的第一动力。科技创新是 建设现代化经济体系的关键环节，促进科技自主 创新对新时代我国科技发展和产业结构优化升
级等都会起到重要作用。自改革开放以来，我国
科技创新能力显著提升。现在，我国对科技创新 提出更高的目标，即到中华人民共和国成立100
年时成为世界科技创新强国。
中国东部地区处于科技创新发展的前沿，一
宜是我国关注的重点区域。十九大报告指出，要 实施区域协调发展战略。其中，强调要率先实现
第1期吴道友，等：基于三阶段DEA模型的中国东部省市科技自主创新效率研究97
东部地区优化发展，继而促进东部带动中西部，建立更加有效的区域协调发展新机制。各地也在不断增加科技创新资源投入，力图增强自身创新能力。然而，我国东部地区各省市自主创新能力如何？科技自主创新效率达到何种水平？是否能以示范作用带领中西部科技创新？这些问题还需探究。
因此，本文在此背景下，以中国东部11个省市为研究对象，研究我国东部科技自主创新投入产出效率，探讨人、财、物等资源投入是否得到充分有效利用，科技创新投入是否实现了最大化产出以及影响投入产出效率的因素。了解影响科技自主创新效率提升的原因，对调整投入结构，合理、有效地利用现有资源具有重要意义。本文以期为我国今后推动科技自主创新，实现区域协调发展等方面提供科学参考。
二、文献综述
本文主要探讨的是我国东部地区各省市的自主科技创新能力和科技创新效率，因此对以往关于科技创新效率、科技创新能力、科技创新的综合评价的研究进行梳理。
（一）科技创新效率
科技创新效率是指科技投入与产出的比率，用以衡量科技资源投入的有效性。Carayannisa 等通过对其他学者以往的研究发现,DEA方法在测量国家科技创新效率上是行之有效的⑴。当前，诸多学者基于不同的DEA模型对不同对象的科技创新效率展开了一系列的研究。一方面，学者对我国整体科技创新效率进行了研究。叶祥松等构建超越对数生产函数并使用随机前沿分析法测算了中国30个地区的创新效率⑵。李政等采用超效率DEA法对科技创新效率进行测量，在此基础上分析了政府参与对区域创新效率的影响⑶。刘汉初等构建包括科技经费、科技人员、论文与专利、产品增加值和销售额在内的投入产出指标来评价科技创新效率，采用VRS模型评估了我国30个省市的科技创新效率，揭示创新效率的变化趋势及空间分异规律⑷。田红宇等用DEA技术计算我国30个省市的科技创新效率⑴。赵丽娟运用超对数
SFA模型和面板门槛模型分析我国农业科技创新效率⑷。
另一方面，对某一城市或地区的科技创新效
率的研究也较为丰富。苏日古嘎等基于广义
DEA模型对“一带一路”重点省区企业科技创新效率进行评价，并对“一带一路”沿线省区创新
效率进行了比较，提出了平衡各省区的科技创新投入，提升创新效率的建议切。王默等构建了以创新投入、创新中介服务与知识成果和创新绩效产出为二级指标的创新评价指标体系，并采用共享投入型两阶段DEA模型对长三角地区10个创新型城市的创新效率进行评价⑷。席增雷等运用Malmquist TFP模型对京津冀地区的科技创新效率进行了评价⑼。危怀安等采用DEA两阶段模型，研究了武汉城市圈科技创新和经济产出两阶段的综合效率，并对中心城市和成员城市进行了对比分析问。
（二）科技创新能力
科技创新能力是指企事业单位、机构或个人等在某一科学技术领域具备发明创新的综合实力。在科技创新能力测评上，吴丹等分析了包括中国在内的11个国家1991—2014年的科技创新能力差异⑴〕。顾伟男等分析了我国35个中心城市2000—2015年的科技创新能力的演变特征血。陈国宏等基于改进的“纵横向”拉开档次动态综合评价法，对中国31个省市的科技创新能力进行了动态综合评价⑴］。姜文仙采用灰关联度方法，分析了广东省在2000—2013年间的科技创新能力［⑷。
在科技创新能力模型构建上，于小琳等构建科技创新能力评价模型，选取投入、产出、资源和环境四个一级指标，采用比较分析法，评价了山东、江苏、浙江和广东四个省的科技创新能力少打陈耀等认为科技创新能力除了主要的投入和产出指标之外，还需考虑创新基础、科研活动和成果产出等方面，
并在此基础上构建了科技创新能力评价指标体系，运用爛权TOPSIS模型
98绍兴文理学院学报（人文社会科学）第41卷
对我国31个省区的农业科研机构科技创新能力进行了实证分析口句。覃艳华等从人口及经济基础、科技人力资源、科研经费投入、科技创新载体和科技产出与技术交易5个方面综合分析粤港澳城市科技创新能力R］。杨玄酯等依据相关性、可比性和易获取性的原则，构建了包括科技创新需求、资源、技术和制度在内的四维度指标体系，基于生态位视角分析长江经济带科技创新竞争力购。
（三）科技创新的综合评价
除了以科技创新效率和科技创新能力为主的研究文献外，还有部分学者从科技创新发展阶段、政策效率等方面进行了综合分析。李黎明等将创新驱动发展评价分为创新发展和全面发展两阶段评价。其中，创新发展阶段包括技术创新、制度创新、文化创新、创新发展4个评价指标，而在全面发展阶段则再加上协调发展、绿发展、开放发展和共享发展这4个指标［切。袁健红等分析了1978年以来江苏省科技创新的阶段性特征与成就经验⑵］。阎东彬对科技创新政策效率进行了评价体系构建，其中投入指标包括总科技投入情况、科技人员和机构、科技固定投资和规模以上工业企业研发投入四个指标类别，产出指标包括全省科学技术奖励、专利与发明、国内生产总值、规模以上工业企业研发与应用成果和技术市场交易量五个指标类别⑵］。李文辉等以我国高校为研究对象，综合分析了2004-201
6年科技创新能力、效率以及经济贡献率现状汽
综上可知，现有文献围绕科技创新效率和科技创新能力展开了一系列研究，其中以整个国家或者某一省市作为主体对象的研究居多，对我国东部地区科技创新效率和能力的研究较为少见。东部省市作为领跑我国科技创新发展的核心区域，在带动我国中西部科技发展上起着重要作用，同时也是我国区域协调发展战略的关键组成部分之一。然而，我国东部地区科技创新效率、区域内协调程度还尚未明确。因此，本研究以我国东部地区为研究区域，利用三阶段DEA模型对我国东部11个省市的科技创新效率进行测算分析，以期为我国东部地区提高科技创新效率提供科学参考。
三、研究方法
数据包络分析（Data Envelopment Analysis,
DEA）方法是Chames等人于1978年提出的一种用来评价决策单元（Decision Making Analysis,
DMA）相对有效性的数学线性规划方法⑵］，主要应用于测算当非营利组织有多个投入指标和
多个产出指标时的运行效率。近年来，不少学者采用DEA方法研究资源配置问题，在全要素生产效率评估和能源效率评估等实际问题的分析上起到了重要作用。三阶段DEA模型是由Fried等提出的①］，当外部环境因素和随机因素会对决策单元效率产生影响时，相较于其他DEA方法，采用三阶段DEA模
型可以排除这些因素的影响，从而可以得到更为准确的效率值。
在第一阶段，进行初始效率评价。本文选用
基于投入导向的传统DEA模型（BCC模型）计算
各决策单元的科技自主创新效率，表示为线性规
划问题时如公式（1）所示。
min0o（1）
Y t-t+Y q
XA；=1
A>0
其中A表示由九组成的ixl常数向量,t为
松弛变量。该模型的最优解为九，九，广，广，当公
式⑴的最优值％=1，广=广=0时，决策单元是BCC有效的；当%=1，但不满足t=t=O时，决策单元是BCC弱有效的；若％M1，则决策单元是BCC无效的。在第一阶段，可以得到各决策单元的综合效率、纯技术效率和规模效率。其中，综合效率值为纯技术效率和规模效率的乘积。当综合效率值为1时，表示决策单元处于技术和规模的前沿面，此时的投入规模无需进行增减；当综合效率值小于1时，表示决策单元在管
第1期吴道友，等：基于三阶段DEA模型的中国东部省市科技自主创新效率研究99
理水平或投入规模上还存在调整空间，此时模型中存在松弛变量。这一阶段得到的松弛变量值用于第二阶段SFA回归分析。
在第二阶段，构建似SFA研究模型。Fried
（2002）认为，决策单元的绩效受到管理无效率、环境因素和统计噪声的影响。因此，本阶段运用
SFA回归模型来分离这三种影响，并计算调整后的投入值。回归函数如公式（2）所示。
S”；=_/（乙；仗）+%+如；i=l,2,…，/；“=1, 2,…,N（2）
其中,S"是第i个决策单元第n项投入的松弛值;Z；是环境变量,0”是环境变量的系数;％+“"是混合误差项,％是随机干扰，表示随机干扰因素对投入松弛变量的影响;“”是管理无效率，表示管理因素对投入松弛变量的影响。其中,％服从正态分布。
在第三阶段，再次运用传统DEA模型对调整后的投入产出值进行测算，得到各决策单元调整后的效率值。此时，环境因素和随机因素的影响已经被排除，得到的效率值是相对真实准确的，因此各省市的科技自主创新效率水平也较为接近实际。
四、指标选取和数据来源
本文所运用的数据指标分为投入产出指标和环境变量指标，本研究的数据主要来自国家统计局。具体如下：
（一）投入产出指标选取
科技自主创新效率反映了科技资源的配置情况与资源价值实现程度。科技自主创新效率体现着科技资源的综合利用程度，与一定范围内科技经费、劳动力和基础设施投入以及当地社会、经济效益密切相关。因此，在科技自主创新效率评价指标选取方面，本文基于前人研究[25-26]，同时遵循指标的代表性和可获取性原则，从资本、劳动力及基础设施的投入和科技产出两方面构建评价体系。投入指标选
取R&D 全时当量人数、R&D经费日常支出、仪器设备共3项，分别用来衡量劳动力投入、资本投入和基础设施投入；产出指标选取论文、科技著作、有效发明专利数共3项指标，前两项统一用来衡量论文方面的产出，后者用来衡量专利产出。
（二）环境变量指标选取
环境变量是指能够影响投入产出效率的外生变量。在选取环境变量时，需要遵循“分离假设”的要求，即环境变量会对投入产出效率产生影响，但同时在短时间内不能发生主观上的更改或预测。以往研究发现，科技自主创新效率会受到外部各种因素的影响，李沃源旳和陈林生网等学者专门就科技创新环境进行研究，综合考虑了包括经济、基础设施、人文教育、政策、市场、文化等在内的因素。本文根据已有的研究成果，考察科技发展水平、教育水平、政府支持和成果保护四个方面对科技自主创新效率可能产生的影响。首先，地区的科技发展水平和教育水平会影响科技资源转向科技创新的效率和能力，一般来说，地区科技发展水平和教育水平越高，科技自主创新能力也越强。其次，政府行为也会影响科技创新，主要体现在政府支持力度和对科技成果的保护力度上，前者会影响科技创新的投入，后者会影响科技成果的持续产出。上述投入、产出和环境变量指标与测量具体见表lo
（三）数据来源及处理
根据国家统计局2011年公布的《东西中部和东北地区划分方法》，本文的研究对象包括东部地区的北
京市、天津市、河北省、辽宁省、广东省、山东省、上海市、江苏省、福建省、浙江省、海南省共11个省市。选择2013—2017年作为样本研究时间，研究东部地区科技自主创新效率。本研究中全部投入产出指标以及环境变量指标中的政府资金和R&D经费内部支出来自《中国科技统计年鉴》。环境变量指标中的每10万人口高等教育学校平均在校生数取自《中国统计年鉴》，综合科技进步水平指数取自《全国及各地区科技进步统计监测结果》和《国家创新指数报告》，全国与各地区的专利授权数量和知识产权执法案件数量取自《国家知识产权局统计年报》。
100
绍兴文理学院学报（人文社会科学）第41卷
地区知识产权执法案件数量占专利授权数 成果保护
粽子
量的比值/全国知识产权执法案件总数量占
全国专利授权总数量的比值
表1中国东部地区科技自主创新效率评价指标体系
一级指标
二级指标指标操作与测量
液氮机人员投入
彩视错觉R&D 全时当量人数投入指标
资金投入
R&D 经费日常支出
基础设施
仪器和设备
产出指标
论文
专利
论文和科技著作数有效发明专利数科技发展水平综合科技进步水平指数
界面张力
教育水平
每10万人口高等教育学校平均在校生
环境变量指标
政府支持
政府资金/R&D 经费内部支出
五、实证结果分析
本文采用DEA 模型来进行三阶段分析。在
第一阶段进行原始投入产出效率分析；在第二阶
段进行随机前沿回归分析；在第三阶段进行调整 后投入产出效率分析。
（一）第一阶段原始投入产出效率分析
在第一阶段，运用Deap2.1软件对投入产出 指标数据进行计算，得到我国东部11个省市科 技自主创新投入产出的原始效率。通过表2的
结果，本研究得出以下几个结论。
1. 2013—2016年间的平均综合技术效率呈
上升态势。
综合技术效率是对决策单元的资源配置效 率等多方面的综合评价。在不考虑环境因素的 影响时，我国东部11个省市科技自主创新投入
产出的平均综合效率在0.75-0.85之间，从2013 年至2016年呈现持续的上升趋势，到2016年达
到最高点，为0.842。其中，浙江省和海南省在这
5年间的综合效率均为1，表明了这两个城市的
科技自主创新效率处在技术效率前沿面上。北 京和上海的综合技术效率较高,5年间的综合效 率均超过0.8。而天津、河北和山东的综合技术
效率水平则相对较低,5年间的综合效率均未超
过0.7。我国东部科技自主创新效率在2017年 有所下降，主要原因是北京和辽宁相较于2016
年退出技术效率前沿面，下降水平超过0.2，上海
的综合技术效率也出现较明显下降。综合技术
效率较低说明了决策单元在投资分配、管理水平
等方面均有较大的提升空间。
2. 平均纯技术效率在2013—2017年间基本
保持稳定。
纯技术效率是由管理和技术所带来的效率, 由表2可知，东部11个省市5年间的平均纯技
术效率基本保持在8.7左右，处于较高水平。其
中，北京、浙江、海南和辽宁5年间的纯技术效率
均为1，说明这些城市在目前的技术水平上，其 投入资源的使用是有效率的。上海、江苏和广东
5年间的纯技术效率在0.8以上，福建的纯技术
效率则呈现上升态势，从2013年的0.698到
2016年达到0.852o 而山东和天津的纯技术效
率相对较低，但天津在2017年有较为明显的上
升，达到0.722o
3. 东部11个省市还需优化生产规模以提
高创新效率。
从表2中可以看出，在不考虑环境因素的影 响时，大部分城市的科技自主创新效率还未达到
最优，但造成的原因有所不同。从整体上看，除 了浙江和海南，有超过一半的省市规模报酬处于 递减阶段，这些省市的资源投入规模需要调整。 其中，北京、广东和辽宁近5年的纯技术效率都
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议