| 标题 | 基于二次超效率DEA的高新区经济效率测量研究 |
| 范文 | 尹翀 丁青艳 摘要：高新区是推动我国高新技术产业发展、创新创业和实施创新驱动战略的重要载体，已进入“三次创业”阶段。高新区效率测量既是科技管理工作的需要，也已经成为科技评价研究的热点主题。将经典二次相对DEA模型同超效率DEA模型进行结合，建立基于二次超效率DEA的高新区经济效率测量方法，在名义经济效率基础上挖掘高新区真实经济效率。以2015年、2016年高新区数据为例进行了方法验证与实证分析。研究表明，高新区名义经济效率的主要驱动因素同所在城市或区域的环境、发展特征相关，高新区存在研发投入驱动型、人力资源驱动型和资产驱动型等；具有高真实效率的高新区在全国的分布较为广泛，同其自身发展战略、路径选择与资源转化能力密切相关。综合名义效率与真实效率分析，山东省高新区效率不平衡性较强，进一步从优化山东省高新区资源投入与输出转化方面获得了几点启示。 关键词：高新区；数据包络分析（DEA）；二次超效率DEA；名义效率；真实效率 中图分类号：C931；F20 文献标识码：A DOI：10.3969/j.issn.1003-8256.2018.04.003 0 引言 高新区是推动我国高新技术产业发展、创新创业和实施创新驱动战略的重要载体。截至2016年年底，全国共有146家国家级高新区和苏州工业园（146+1家高新区）。《国家高新技术产业开发区“十三五”发展规划》预期“十三五”末我国高新区数量将达到240家的规模。国家级高新区正处于经济总量不断扩大，影响力不断增强的蓬勃发展阶段。在全球科技创新浪潮兴起和经济增长模式发生深刻变革的背景下，高新区的发展形势也出现新变化，对高新区创新驱动发展提出了新要求。而高新区创新能力与发展状况的全面有效评价不仅是科技管理工作的需要，也是科技评价研究的热点主题。 自2011年国家高新区进入“三次创业”阶段后，“一个行动”（“创新发展战略提升行动”）和“两个工程”（“创新型产业集群建设工程”和“科技服务体系火炬创新工程”）是新时期国家高新区的主要工作任务。国家科技管理部门更加重视和支持对于高新区创新发展监测与评价方面的研究与实践工作开展。最具代表性的是2013年国家科技部火炬高技术产业开发中心和中国高新区研究中心共同研究制定的《国家高新区创新能力评价指标体系》，其侧重展示国家高新区创新发展的细节特征，利于在各类国家高新区群体间寻找差距、树立科学的发展目标导向（科技部火炬高技术产业开发中心等，2017） 。当前，在国家高新区由注重数量与规模扩张转向着重创新驱动与发展绩效提升的背景下，对于高新区创新发展效率方面的测量与评价则具有更加重要的理论意义与实践价值。基于投入产出指标的DEA效率测量已是高新区创新发展评价方法与应用研究的重要基础。不同的DEA评价与模型方法的侧重点与针对问题都具有较大差异，如基于BBC–DEA模型（王艺明，2003；王丹，2008；谢子远，2011）、CCR-DEA模型（权进民等，2008；潘小炜，2011；欧光军等，2013）、三阶段DEA模型（刘满凤等，2016；刘俊玲，2016）、共享投入型两阶段DEA模型（周霞等，2017）、SBM动态网络DEA模型（郑玉雯等，2018）等，這些研究分别着重区分了不变与可变规模报酬，综合技术效率、纯技术效率与规模效率等不同性质效率，以及考虑了初始投入共享、中间投入追加与中间产品部分退出，连接性变量与跨期活动因素等方面。而多样性、综合性及演化程度更深的高新区DEA效率测量方法有利于从多个视角考察与认识高新区创新发展的规律与趋势。 在已有研究基础上，本文尝试将经典的二次相对DEA模型同超效率DEA模型进行结合，建立基于二次超效率DEA的高新区经济效率测量方法。并以2015年、2016年高新区数据为例进行了方法验证与实证分析，并获得几点研究启示。本研究丰富了高新区的DEA效率测量模型体系，能够为高新区创新提升和管理优化提供方法支持。 1 方法与模型 将二次相对DEA模型同超效率DEA模型进行结合，建立二次超效率DEA方法模型，以实现对高新区名义效率和真实效率的深入分析。主要步骤包括高新区投入-产出指标选取、超效率DEA分析和二次超效率DEA分析。 1.1 投入-产出指标选取 DEA效率评价的关键是选取合适的投入指标和产出指标。部分具有代表性研究成果中高新区评价的投入指标与产出指标选择情况如表1所示。 表1 高新区投入与产出指标选择的代表性成果 学者 DEA投入指标 DEA产出指标 王艺明（2003） 建筑竣工面积、企业数、员工人数 技工贸总产值 权进民等（2008） R&D;支出额、科技经费支出额和从事科技活动人数；中高级职称人数、大专以上学历人数、基建投资总额和累计竣工面积；亿元工业产值废水排放量、亿元工业产值固体废物排放量和亿元工业产值废气排放量 总收入、工业总产值、税收总额、出口创汇额和产品销售收入5项指标综合而成的经济发展指数 王丹（2008） R&D;经费投入、R&D;人员投入 申请有效专利数、新产品销售收入/年销售收入、出口销售收入/年销售收入 谢子远（2011） 年末资产、R&D; 费用及科技活动支出、科技活动人员数和中高级职称人员数 GDP 、技术收入 潘小炜（2011） 企业数、年末从业人员数、R&D;经费支出 工业总产值、上交税款、创汇总额 欧光军等（2013） 从业人数、固定资产投资总额 规模以上工业主营业务收入、规模以上工业增加值、出口总额 马丽莎等（2015） 高新技术企业从业人员数、高新技术企业数 高新技术企业出口总额、高新技术企业总收入 刘满凤等（2016） 科研活动人员、科技活动经费支出、年末固定资产 工业总产值、出口创汇、技术性收入 刘俊玲（2016） 从业人员人数、R&D;经费内部支出、科技经费内部支出、技术改造经费、R&D;人员内部当量、新增固定资产、投资额、新产品开发经费支出 新产品销售收入、新产品出口额、专利申请数 周霞等（2017） R&D;经费内部支出、R&D;人员全时当量 新产品销售收入 郑玉霞等（2018） 员工人数、研发支出 产品和商品的销售收入、科技收入 高新区最重要产出是经济产出，其投入除包含一般要素投入外，作为科技创新的区域载体与平台，科技投入也需要包含在内。本文参考上述研究，从指标相关性、信息冗余性和数据可得性等方面综合考虑，并结合C-D型生产函数原理选取高新区劳动力、固定资产和研发经费作为具有代表性的投入指标，分别描述一般要素投入与科技要素投入；选取总产值、营业收入和利润作为具有代表性的产出指标，分别描述全部产出、市场有效产出和净产出。 1.2 超效率DEA分析 传统DEA主要将DMU区分为DEA有效单元和DEA无效单元两个类别，但是DEA有效单元之间却无法比较和进一步区分。对于此问题Andersen与Petersen（1993）提出超效率DEA模型（Super-DEA）。其主要特点是在区分有效单元和无效单元基础上将有效单元进行进一步区分，主要原理是在于评价该单元时将其不包含在样本单元集合之内。超效率DEA无效单元效率值同普通DEA测量结果相同，而有效单元根据其扩张比例的不同而获得区分。超效率DEA也可进行投入导向与产出导向的区分，基于BCC投入导向的径向超效率Super-BCC-I模型形式为 其中，，，分别为高新区投入向量和产出列向量。，，，，都为多维（维数分别由投入指标数量和产出指标数量决定，本研究中维数为3）列向量。e为各元素都为1的多维列向量，为非阿基米德无穷小量。n为样本数量（高新区数量）。为待考察的特定的目标单元（高新区）。基于Super-BCC分别计算高新区的参考期超效率数值和目标期的超效率数值。将由原始投入和产出要素计算获得的效率称为一次超效率或名义效率。，分别为参考期和目标期的名义效率，其数值越高，对应高新区对应时期的名义经济效率越高。 1.3 二次超效率DEA分析 二次相对效率DEA由冯英浚与李成红（1995）提出，主要基于消除由于客观条件优劣而对效率评价所造成的影响，以体现管理决策单元因管理能力而产生的效率差异，实现合理评价决策单元的“管理有效性”。其投入指标为样本参考期的一次效率值，产出指标为样本目标期的一次效率值。如果将其投入与产出指标的一次普通效率值替换为一次超效率值，则可构建二次超效率DEA模型。 首先考虑样本（高新区）的超效率状态，设为样本高新区的效率状态可能集，则 效率状态可能集一定为凸集，即如果且，则 将二次相对效率DEA模型结合超效率DEA模型，则基于BCC投入导向的径向二次超效率Super-BCC-I模型的基本形式为 其中，将由参考期一次超效率为输入要素，目标期一次超效率为输出要素计算获得的效率称为二次超效率，或真实效率。则为高新区的二次超效 率（真实效率）值，数值越高，高新区的真实效率越高。 因此，基于二次超效率DEA模型分析的主要过程如下：首先，根据研究需要和可行性分别选取参考期与目标期的投入指标和产出指标，基于原始投入与产出指标进行一次超效率DEA分析，获得参考期与目标期的一次超效率或名义效率数值。进一步，以参考期一次超效率為输入，以目标期一次超效率为输出，获得二次超效率或真实效率数值。最后结合高新区一次与二次超效率数值进行综合分析。 2 实证分析 2.1 数据来源 根据上述分析，投入指标包含三个，分别是（I1）年末从业人员（人）、（I2）年末资产（千元）、（I3）R&D;经费内部支出（千元）。产出指标包含三个，分别是（O1）营业收入（千元）、（O2）工业总产值（千元）、（O3）净利润（千元）。数据全部来源于2016年和2017年《中国火炬统计年鉴》的2015年和2016年数据，年鉴中共包含高新区146家。经梳理与初步试算，从数据完整性及构建前沿面的稳定性上综合考虑，在样本中删除延吉、吉林、齐齐哈尔、昆明、石嘴山、本溪、延吉、黄河三角洲、长治9家高新区。最终分析对象共包括137家高新区。数据计算分析采用Cooper等（2006）开发的DEA模型分析工具。 2.2 描述性分析 （1）投入产出指标变化基本特征 各高新区指标数据基本特征如表2所示。整体来看，由于2015年和2016年我国供给侧结构性改革已进入深化期，而高新区也进入创新发展新阶段，因而同一指标不同高新区的变化特点差异性较大，呈现外部环境剧烈变化下高新区发展的不稳定、不平衡性特征。辽宁省除沈大国家高新区外，大多数经济产出指标都为负增长。北京中关村、上海张江、武汉东湖、成都、西安、珠三角、长珠潭、苏南（包含南京、无锡、常州、苏州、镇江五个国家创新型试点城市）、山东半岛等国家创新自主示范区的经济产出指标则大多保持持续稳定的增长态势。 （2）变量相关性。 投入指标与产出指标的相关系数由表3所示，除年末资产和工业总产值的相关系数低于0.8外，其他指标之间的相关系数数值都较高于0.8。总体上看，投入指标同输出指标的相关性较强且显著，适合进行DEA分析。 2.3 一次超效率DEA分析 一次超效率DEA分析结果如表4所示。北京中关村、上海张江、武汉东湖等传统上实力较强的高新区排名都在20名以内。但是发现榆林、吉安、玉溪、北海、乌鲁木齐等高新区排名也较靠前列。上述高新区存在两种情况：一是研发投入强度水平（R&D;内部经费支出/年末总资产）较高于平均水平，如临沂（2015年为3.68%，2016年为3.57%）、吉安（2.09%）较高于平均水平（2015年为1.3%，2016年为1.36%），属于高研发驱动增长型；二是人力投入强度水平（期末从业人员/期末总资产）较低，如乌鲁木齐（2015年为0.03%，2016年为0.03%）、榆林（2015年为0.02%，2016年为0.01%）等大大低于2015与2016两年的0.05%的平均水平，属于高投资驱动增长型。而北海的人力投入水平（2015年0.19%，2016年0.14%）则远高于0.05%的平均水平，属于高人力驱动增长型。从效率计算过程看，具有上述相似或共同特征的高新区基本互以同类高新区为参考集。 2.4 二次超效率DEA分析 二次超效率DEA基本分析结果如表5、图1所示。通过二次超效率DEA分析，可以进一步消除高新区在发展模式、发展基础水平等方面的差异性和投入与产出要素水平的短期波动性，反映高新区真实内在效率水平。其中，北京中关村、上海紫竹、绍兴、北海和乌鲁木齐等5个高新区经济真实效率高于1，16个高新区经济效率值高于0.8。而具有高真实效率的高新区呈现不同的发展模式。北京中关村、上海张江等具有较强的综合实力和发展成为全球创新制高点的长期战略定位。北海高新区倾向以人力资源投入为主，采取着重发挥高新技术服务业优势的发展策略。乌鲁木齐、贵阳、南宁等高新区着重于自身基础设施建设以及产业投资带动的发展路径。临沂、吉安、南通等高新区倾向采取创新高投入带动及产业细分与特色优势发挥的策略。而上海紫竹、绍兴则倾向将生产与科技要素投入与组合进行全面优化，坚持综合内在实力的持续性稳定提升。具有较高真实效率的高新区并不集中于特定省份或区域，而是分布于我国的北（北京中关村）、东（上海紫竹与绍兴）、南（北海、贵阳、南宁等）、西（乌鲁木齐、榆林等）、中（吉安）等不同經济板块，已显著成为区域经济的重要增长极。 从一次超效率和二次超效率综合来看，2015到2016年山东省内的枣庄高新区一次超效率下滑最严重（由第25位下滑到第96位），而济宁和威海则发生较大位次的上升。二次超效率排序最前列的为临沂（17位）、济宁（23位）和淄博（25位），这三个高新区在产业发展、产城融合、创新驱动发展和科技服务业的优化升级等方面的成效比较显著。而枣庄高新区二次超效率则居于较靠后的位置（132位），竞争力有不足。山东省其他高新区二次超效率数值分布于0.56～0.64，这些高新区或者发展基础好，处于成熟期和跨越期（如济南、青岛、潍坊等高新区），或者处于稳健成长期（如泰安），它们的名义效率和实际效率都较为稳定，在全国处于中游或中上游的位置。总体上，临沂、济宁、淄博高新区或者处于快速成长期，或者处于资源配置优化阶段，其经济效率提升显著，真实效率水平较高。 3 结论与启示 3.1 研究结论 基于上述研究发现： （1）一次超效率DEA模型能够对高新区，特别是对DEA有效的高新区单元的名义效率进行测量与区分。我国高新区名义经济效率的主要驱动因素同所在城市或区域的环境、发展特征相关，据此高新区存在研发投入驱动型、人力资源驱动型和资产驱动型等。但是一次超效率深受高新区已有基础和所处环境的影响，在动态考察其管理绩效、政策作用、战略调整等方面影响的能力则较弱。 （2）二次超效率DEA分析进一步能够挖掘出高新区真实经济效率。具有较高二次超效率的高新区在我国地域分布广泛，同其自身发展战略、路径选择与资源转化能力密切相关，有利于成为我国区域经济发展的效率带动极。 （3）从名义效率与真实效率综合看，山东省高新区经济效率的不平衡性较强。济南、青岛、潍坊等基础条件较好的高新区的双效率从全国总体来看处于中游或中上游水平，发展的质和量都较好。而具有较好工业基础或者位于资源型城市中的济宁、淄博、莱芜等高新区，则在供给侧结构性改革和“双创”的支持带动下，名义与真实效率或排序都有不同程度提升，对其产业与所处城市经济转型发挥了较大的驱动作用。而同处于资源型城市的枣庄高新区的经济效率水平较低，要素投入的调整优化及其发展瓶颈的查找与克服都需得到重视。但是与枣庄同处于山东省西部经济隆起带地区的临沂高新区的经济效率较高。 进一步调研分析发现，临沂高新区在经济总量上虽不具优势（2016年在146个国家级高新区中工业总产值居于第45位，年末总资产居于第115位）。但在以下三个方面优势明显：第一，产城融合效应较好，区内与区外的资源互动性强（区外对区内劳动力的支持，区内对区外创新资源的溢出），高新区基础设施与生产生活的协调性较好；第二，高新技术产业规划与发展主要定位和结合本地的资源优势与产业基础，资源聚焦，寻求细化和特色，建立差异化优势，着重以高新技术产业发展带动城市产业结构升级；第三，重视和强化科技投入的贡献（2017年R&D;投入占GDP比重为6.04%），全区不断积聚科技孵化优势，科技服务业快速提升，走上一条较好的创新发展路径。 3.2 对策启示 在以上研究基础上可获得几点启示： （1）在国家推动经济新旧动能加速转换的背景下，山东省高新区要大力提升创新创业水平，促进创新链、创业链、资金链的深度融合，提高园区资源的投入与聚集质量。在共享经济、信息经济、生物经济等新动能领域，打造强大的科技企业孵化网络和灵活高效的科技金融服务平台，围绕多层次“双创”主体的培育吸纳创新人才和创新资本。 （2）促进高新区同城市产业经济发展互动，建设创新型产业集群，优化高新区资源转化与输出水平，促进城市经济发展转型，有效发挥对于西部经济隆起带、省会城市群经济圈等区域经济发展新旧动能转换的驱动作用。将高新区高新技术主导产业的发展同城市、区域产业发展规划与调整有机结合，不断完善配套产业和高新技术服务产业，打造以高新区为中心的城市或地区级的垂直态创新型产业集群，构建园区同地区协同创新发展的强大产业与服务支撑体系。同时，完善高新区产业代谢机制，推动高新区内具有较高技术成熟性或稳定性产品市场的产业或非高新技术的产业将对应技术工艺、产品生产主动转移区外，将创新资源集聚于高新区新产业或者产业新技术的“造血”能力培养上，深化高新区创新资源的使用效率，并促进具有多层次协作关系、技术层次分明的城市或地区水平态创新型产业集群不断成长壮大。 （3）进一步关注高新区发展中的产城融合问题。发展水平较高的城市（如济南、青岛等城市的高新区）一般注重多方面优势的全面发展，易于分散资源，是其总体经济效率不够突出、规模扩张与经济效益不协调的重要原因（王霞等，2014），同时也并存产业人才的聚集不聚居、生态环境的高压力及园区核心区域的住房与交通等基础设施建设与使用的高成本等问题。对此，需要更加重视高新区自身综合功能的完善和创新资源的配置优化，在保证产业发展需要的基础上，围绕“人”的需求，大力提升园区的社会综合服务水平。 参考文献： [1] 科技部火炬高技术产业开发中心， 中科院科技战略咨询研究院中国高新区研究中心. 国家高新区创新能力评价报告[M]. 科学献出版社， 2017. [2] 周海涛. 基于灰色关联模型的创新集群识别评价研究——以广州高新区为例[J]. 暨南学报（哲学社会科学版）， 2013， 35（7）：25-32. [3] 王霞，王岩红，苏林，等. 国家高新区产城融合度指标体系的构建及评价——基于因子分析及熵值法[J]. 科学学与科学技术管理， 2014（7）：79-88. [4] 尹翀，赵南哲. 高新区发展实力评价及对城市经济带动作用研究[C]. “创新驱动区域发展”全国学术研讨会会议论文集.北京： 经济管理出版社， 2017. [5] 薛强， 王帅， 芮雪，等. 基于动态主成分分析法的国家高新区评价研究[J]. 科学管理研究， 2014（4）：48-51. [6] 方玉梅， 刘凤朝. 我国国家高新区创新能力评价研究[J]. 大连理工大学学报（社会科学版）， 2014， 35（4）：26-32. [7] 秦可德， 徐长乐， 秦月. 基于层次分析法的张江高新区发展水平综合评价研究[J]. 科技进步与对策， 2013（15）：128-132. [8] 赵炎， 徐悦蕾. 上海市张江高新区创新能力评价研究[J]. 科研管理， 2017（s1）：90-97. [9] 王艺明. 我国高新区的技术效率、规模效率与规模报酬[J]. 上海经济研究， 2003（8）：46-53. [10] 王丹. 基于DEA的东湖高新区技术创新绩效评价[J]. 重慶文理学院学报（自然科学版）， 2008， 27（2）：84-87. [11] 谢子远. 国家高新区技术创新效率影响因素研究[J]. 科研管理， 2011， 32（11）：52-58. [12] 权进民， 姚兰， 史本山. 基于DEA的国家级高新区可持续发展能力评价[J]. 软科学， 2008， 22（1）：75-77. [13] 潘小炜. 基于DEA的我国高新区的产业集群效率研究[J]. 经济论坛， 2011（10）：31-32. [14] 欧光军， 孙玉平， 简利君. 基于DEA分析的高新区发展对策研究——以湖北省为实证分析[J]. 技术经济与管理研究， 2013（3）：108-111. [15] 马丽莎， 钟勇. 高新技术开发区综合效率与城市经济发展互动效应研究[J]. 经济体制改革， 2015（3）：68-75. [16] 刘满凤， 李圣宏. 基于三阶段DEA模型的我国高新技术开发区创新效率研究[J]. 管理评论， 2016， 28（1）：42-52. [17] 刘俊玲. 中国高新技术产业效率研究——基于PCA和三阶段DEA模型的实证分析[J]. 辽宁工程技术大学学报（社会科学版）， 2016（1）：25-32. [18] 周霞， 盘颖. 基于共享投入型两阶段DEA的国家高新区知识产权效率评价[J]. 科技进步与对策， 2017（21）： 30-36. [19] 郑玉雯， 薛伟贤， 王萌. 基于SBM动态网络模型的中国高新区效率评价[J]. 长江流域资源与环境， 2018， 27（1）： 41-52. [20] Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）：1261-1264. [21] 冯英浚， 李成红. 二次相对效益——衡量企业经济效益的一种新指标[J]. 中国软科学， 1995（7）：30-37. [22] 科技部火炬高技术产业开发中心. 2016中国火炬统计年鉴[M]. 北京： 中国统计出版社， 2016. [23] 科技部火炬高技术产业开发中心. 2017中国火炬统计年鉴[M]. 北京： 中国统计出版社， 2017. [24] Cooper， W.W.， Seiford， L.M.， Tone， K. Data Envelopment Analysis： A Comprehensive Text with Models. Applications， References and DEA-Solver Software[M]. Springer： New York， 2006. The Economic Efficiency Measurement of High-tech Zones：Based on the Binary-super DEA YIN Chong1，DING Qingyan2 （1. Qilu University of Technology（Shandong Academy of Sciences）Institute of Science & Technology for Development of Shandong， Jinan 250014，China； 2. Qilu University of Technology（Shandong Academy of Sciences）Shandong Computing Science Center（National Supercomputer Center in Jinan）， Jinan 250101，China） Abstract： High-tech zones are working on "the third pioneering"， which are the important platform to develop the new and high technology industries， to promote the innovation and entrepreneurship and to implement the innovation-driven strategy. The efficiency measurement in high-tech zones is not only the need of S&T; management， but also the hot topic on the research of S&T; evaluation. This paper proposes the binary-super DEA method， combining the classical binary DEA model with the super DEA model to measure the nominal economic efficiency and to reveal the real economic efficiency based on the nominal economic efficiency of the high-tech zone. Based on the data of high-tech zones in 2015 and 2016， the method is validated. The research shows that the main driving factors of the nominal economic efficiency of the high-tech zones are related to the urban or regional environment and development characteristics. It is found through this analysis that the high-tech zones include the ones of R&D; input-driven， human-driven and asset-driven. High-tech zones which have the highest real efficiency are widely distributed throughout the country. And their high real efficiencies are closely related to their own development strategy， path selection and the ability of resource transformation. According to the analysis of the nominal efficiency and the real efficiency， the efficiency of high-tech zones in Shandong is uneven distributed， and some policy implications are provided in the aspects of the optimization of the input， transformation and output of resource of high-tech zones in Shandong. Keywords：high-tech zone；data envelopment analysis（DEA）；binary-super DEA；nominal efficiency；real efficiency |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。