姜國慶，居潤林

（沈陽工業(yè)大學(xué)經(jīng)濟學(xué)院，沈陽110870）

科技投入與東北地區(qū)經(jīng)濟增長關(guān)系的實證分析*

姜國慶，居潤林

（沈陽工業(yè)大學(xué)經(jīng)濟學(xué)院，沈陽110870）

采用非參數(shù)的DEA分析方法，使用Malmquist指數(shù)計算我國東北三省2002—2014年科技投入的技術(shù)效率指數(shù)、技術(shù)進步指數(shù)和全要素生產(chǎn)率指數(shù)，分析科技投入與經(jīng)濟增長的關(guān)系。結(jié)果表明：東北三省13年平均技術(shù)效率為0.937，科技投入存在6.3%的資源浪費；科技投入產(chǎn)出效率總體增長不快主要是因為資源配置得不到有效優(yōu)化。應(yīng)推進建立市場機制，鼓勵民營科技企業(yè)發(fā)展，形成良好的市場競爭氛圍，促進科技資源的合理有效配置，加快技術(shù)進步。

數(shù)據(jù)包絡(luò)分析法；東北地區(qū)；科技投入；經(jīng)濟增長；資源配置

中共中央在2016年4月26日發(fā)布意見提出新一輪東北振興戰(zhàn)略。在全球經(jīng)濟一體化的背景下，科技進步在國家戰(zhàn)略中的作用日益顯著?？萍纪度霝榭萍歼M步提供了物質(zhì)保障，日益成為推動經(jīng)濟發(fā)展的重要因素，因此振興東北的一個關(guān)鍵在于提高科技投入對經(jīng)濟增長的貢獻。

自1957年經(jīng)濟學(xué)家索洛在《技術(shù)變化和總量生產(chǎn)函數(shù)》一文中提出全要素分析方法，從而確立了技術(shù)進步能夠決定經(jīng)濟增長的觀點以來［1］，國內(nèi)外學(xué)者對這一理論觀點作了大量的研究。同時，也有學(xué)者對科技投入對經(jīng)濟的貢獻進行了研究。

Nasierowski和Arcelus（2003）［2］運用DEA方法對45個國家的數(shù)據(jù)進行了實證研究，得出的結(jié)果是R＆D投入和技術(shù)創(chuàng)新是促進區(qū)域經(jīng)濟增長的重要因素。師萍等（2007）［3］根據(jù)1986—2004年的數(shù)據(jù)分析了我國科技投入的績效及變化。徐春杰等（2006）［4］建立了內(nèi)生增長模型以評價我國科技投入的產(chǎn)出績效。李雄詒和李新杰（2010）［5］根據(jù)2000—2007年的R＆D投入數(shù)據(jù)，使用DEA方法分析了河南省R＆D投入的效率。盧方元和趙銀虎（2012）［6］同樣使用DEA方法分析了河南省R＆D的績效情況。劉媛媛等（2014）［7］分析了新疆地區(qū)科技投入對經(jīng)濟增長的貢獻。

從相關(guān)的文獻可以看出，主要的研究對象還是國家或者某產(chǎn)業(yè)與行業(yè)，對東北地區(qū)的研究還較少。因此，本文立足于東北地區(qū)構(gòu)建相應(yīng)的指標體系，運用DEA方法分析東北地區(qū)科技投入與地區(qū)經(jīng)濟發(fā)展的關(guān)系，探索地區(qū)科技投入對經(jīng)濟發(fā)展的促進作用并分析關(guān)鍵影響因素，以期為東北地區(qū)的經(jīng)濟發(fā)展提供決策參考。

一、研究方法

1.CCR模型和BCC模型

科技投入是指從全社會的角度進行人力、資本等資源的配置，很難從投入和產(chǎn)出之間尋找出確切的函數(shù)。而DEA方法的優(yōu)勢在于不需要確定具體的輸入和輸出生產(chǎn)函數(shù)的表達式，取而代之的是通過決策單元（DMU）借助數(shù)學(xué)規(guī)劃和統(tǒng)計來確定有效的生產(chǎn)前沿面，通過比較DMU偏離前沿面的程度來評價其有效性，具有很強的客觀性。基于以上原因，本文采用DEA方法來分析東北地區(qū)科技投入與經(jīng)濟增長的關(guān)系。

設(shè)有n個DMU，m個輸入，s個輸出，輸入輸出指標向量為

CCR模型的對偶形式為

本文中純技術(shù)效率（PE）表示科技資源的配置是否最優(yōu)化，規(guī)模效率（SE）表示的是東北三省科技投入是否處于最佳的規(guī)模。

2.M almquist指數(shù)

Malmquist指數(shù)是由Caves等人建立起來的用于測量全要素生產(chǎn)率（TFP）變化的指數(shù)，對分析科技投入產(chǎn)出的動態(tài)變化非常適用?；贒EA方法的Malmquist指數(shù)能夠很客觀地處理多輸入多輸出的情況，這是一般的生產(chǎn)函數(shù)方法所不具備的優(yōu)勢。更重要的是，該指數(shù)能被分解為幾個有意義的指數(shù)，從而有助于深入了解產(chǎn)出動態(tài)變化的原因。

Malmquist指數(shù)在規(guī)模報酬不變的條件下可以分解為技術(shù)效率變動指數(shù)（EC）和技術(shù)變動指數(shù)（TC），其公式分別為

式中：EC體現(xiàn)了相對技術(shù)效率的變化，也被稱為“追趕效應(yīng)”，當(dāng)EC＞1時，表明技術(shù)效率較原來有所提高；TC體現(xiàn)了技術(shù)的進步，也被稱為“增長效應(yīng)”，表明技術(shù)在原有基礎(chǔ)上的創(chuàng)新［9-10］，當(dāng)TC＞1時即出現(xiàn)了技術(shù)進步。

資源配置效率的改善和技術(shù)水平的提升能夠加強科技投入對經(jīng)濟的促進作用。Malmquist指數(shù)運用面板數(shù)據(jù)，可彌補CCR模型的缺點，使分析更加完整。

二、指標及數(shù)據(jù)選擇

1.投入與產(chǎn)出指標選擇

生產(chǎn)活動研究中最重要的投入指標是勞動力和資本，科技投入產(chǎn)出也是如此?？萍纪度胄枰獜娜肆ν度?、資金投入和環(huán)境輸入三個方面考慮。根據(jù)數(shù)據(jù)可獲得性，本文選擇的投入指標為R＆D人員全時當(dāng)量、R＆D經(jīng)費內(nèi)部支出額、R＆D經(jīng)費支出中的資產(chǎn)性支出，產(chǎn)出指標為支出法衡量的GDP。R＆D人員全時當(dāng)量體現(xiàn)了科技投入的勞動力投入情況，R＆D經(jīng)費內(nèi)部支出額體現(xiàn)了對科技的資本投入，R＆D經(jīng)費支出中的資產(chǎn)性支出表現(xiàn)為研究環(huán)境的改善，如研究室的建立、設(shè)備儀器的更新等。進行科技投入主要的目的是改善生產(chǎn)方式，提高各行業(yè)的生產(chǎn)質(zhì)量和數(shù)量從而促進經(jīng)濟增長，故本文將支出法衡量的GDP作為產(chǎn)出指標。

2.數(shù)據(jù)選擇

本文選取了東北地區(qū)2002—2014年R＆D人員全時當(dāng)量、R＆D經(jīng)費內(nèi)部支出額、R＆D經(jīng)費支出中的資產(chǎn)性支出等指標和支出法衡量的GDP這一產(chǎn)出指標。其中R＆D人員全時當(dāng)量、R＆D經(jīng)費內(nèi)部支出額、R＆D經(jīng)費支出中的資產(chǎn)性支出的數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒2002—2014》，支出法GDP的數(shù)據(jù)來源于中國國家統(tǒng)計局網(wǎng)站。

三、實證分析

本文的實證研究過程分為兩步：第一步是采用每年的截面數(shù)據(jù)，利用CCR模型和BCC模型求出東北地區(qū)各省的技術(shù)效率（TE）、純技術(shù)效率（PE）和規(guī)模效率（SE）；第二步是求出Malmquist指數(shù)，將Malmquist指數(shù)分解為技術(shù)效率與技術(shù)進步效率，其中技術(shù)效率進一步分為純技術(shù)效率和規(guī)模效率，判斷各指數(shù)每年變化的情況以及變化產(chǎn)生的原因。本文使用DEAP 2.1軟件對我國東北地區(qū)遼寧、吉林、黑龍江三省的科技投入對經(jīng)濟增長產(chǎn)出的效率進行了分析。

（一）效率分析

2002—2014年東北地區(qū)科技投入產(chǎn)出的TE值、PE值、SE值如表1所示。

1.技術(shù)效率分析

如表1所示，2002—2014年東北地區(qū)每年的平均技術(shù)效率分別為0.913，0.934，0.948，0.945，0.890，0.939，0.866，0.934，0.935，1.000，1.000，0.936，0.941；總平均技術(shù)效率為0.937，這表明東北地區(qū)科技方面投入存在6.3%的投入資源浪費。從三省之間的比較可以看出：吉林省平均技術(shù)效率都為1，表明吉林省的技術(shù)利用充分，相對有效率；黑龍江省的平均技術(shù)效率為0.919，介于0.9～1之間，屬于弱有效，即稍微調(diào)整投入量即可達到有效率的狀態(tài)；遼寧省的平均技術(shù)效率為0.892，小于0.9，處于相對無效率狀態(tài)，即存在相對較大的投入資源浪費。

表1 2002—2014年東北三省科技投入產(chǎn)出情況

2.純技術(shù)效率分析

通過BCC模型可以求得東北地區(qū)科技投入的純技術(shù)效率值，該值能體現(xiàn)技術(shù)無效率多大程度上由純技術(shù)無效率所造成。純技術(shù)無效率反映的是日常管理的政策合理性及管理的水平。

由表1可知，東北地區(qū)13年平均純技術(shù)效率為0.986，該數(shù)據(jù)表明東北地區(qū)的日常經(jīng)營管理水平總體較高，但是各省之間還有差異。遼寧和吉林的平均純技術(shù)效率都為1，表明兩省的日常管理水平較高；黑龍江省的平均純技術(shù)效率為0.958，大于0.9且小于1，屬于弱有效，體現(xiàn)了其日常管理水平不高，需要加以改進。

黑龍江省2009、2010、2013、2014四年投入產(chǎn)出情況如表2所示，可見黑龍江省需在日常管理上進行提高。

表2 黑龍江省投入產(chǎn)出情況萬元

3.規(guī)模效率分析

BCC模型可求得東北地區(qū)科技投入的規(guī)模效率值，該值能體現(xiàn)東北地區(qū)的科技投入是否處于最佳的規(guī)模。如果結(jié)果顯示規(guī)模報酬遞減，則需要減小科技方面人力、資本等投入，且減少相關(guān)要素的投入；如果結(jié)果顯示處于規(guī)模報酬遞增狀態(tài)，則需要擴大科技方面勞動、資本等的投入規(guī)模，增加相關(guān)要素的投入。

東北地區(qū)總的年平均規(guī)模效率為0.951。遼寧省2002—2014年的平均規(guī)模效率為0.892，小于總平均值；吉林省的平均規(guī)模效率為1；黑龍江省的平均規(guī)模效率為0.960。遼寧省除2011與2012兩年外，其余年份一直處于規(guī)模遞減階段；黑龍江省在2006—2010年與2013—2014年處于規(guī)模遞減階段，應(yīng)當(dāng)縮減規(guī)模。其余的年份三省均處于規(guī)模報酬不變的狀態(tài)，故需要保持原有規(guī)模即可。

以黑龍江省2014年的數(shù)據(jù)為例，規(guī)模效率值是0.943，處于規(guī)模遞減階段；純技術(shù)效率低，反映了資源的投入中浪費較多且管理水平較低。根據(jù)最優(yōu)的目標，黑龍江省2014年的R＆D人員全時當(dāng)量、R＆D經(jīng)費內(nèi)部支出、資產(chǎn)性支出分別應(yīng)該由62 648人／年、1 613 469萬元、255 814萬元縮減至52 065.4人／年、1 447 299.4萬元、146 259.5萬元。

經(jīng)過以上分析可以看出：東北地區(qū)技術(shù)效率是比較低的，而其中的主要原因是其規(guī)模效率較低。其中遼寧省年平均規(guī)模效率只為0.892，相當(dāng)大程度上影響了整體效率；黑龍江省在純技術(shù)效率方面弱有效，可見其日常管理急需加強。

（二）M almquist指數(shù)分析

下面分析東北三省科技投入產(chǎn)出的動態(tài)變化。2003—2014年，東北三省科技投入數(shù)據(jù)Malmquist指數(shù)如表3所示。本文將2002年定為基期，其Malmquist指數(shù)為l。從表3中能夠看出，之后12年東北地區(qū)的全要素生產(chǎn)率指數(shù)（TFP）分別為1.066，0.998，1.044，1.086，0.994，1.122，1.289，1.155，1.167，0.975，0.971，1.077；均值為1.076?？梢钥闯?，在之后12年中全要素生產(chǎn)率呈現(xiàn)波動趨勢，在2004、2007、2012、2013年略有降低，其中2009年全要素生產(chǎn)率指數(shù)上升幅度較大。

表3 2003—2014年東北三省科技投入數(shù)據(jù)M alm quist指數(shù)

總體來說，東北地區(qū)技術(shù)進步的平均增長率為7.5%，是要素生產(chǎn)率的平均增長率上升的主要原因；全要素生產(chǎn)率指數(shù)均值為1.076，即全要素生產(chǎn)率的平均增長率為7.9%；技術(shù)效率的增長率為0.5%，規(guī)模效率增長率為0.8%，而純技術(shù)效率卻下降了0.2%。這說明東北地區(qū)總體科技投入的全要素生產(chǎn)率增長率不高，技術(shù)效率增長幅度不明顯，其中純技術(shù)效率負增長，說明東北地區(qū)在資源的配置與日常管理方面存在問題。

2003—2014年東北三省科技投入情況如圖1所示，可見表現(xiàn)資源配置效率的EC的數(shù)值這12年間一直圍繞1上下波動。僅2003、2004、2007、2009、2011年EC的數(shù)值大于1，即僅在這5年資源配置效率得到提高，其余年度資源配置效率都處在無效率狀態(tài)或者臨界狀態(tài)。這種情形表明東北三省這12年間在資源配置方面的進步不明顯，不能有效地將投入資源轉(zhuǎn)化為應(yīng)有的產(chǎn)出，體現(xiàn)了社會科技部門的日常管理水平比較低下，資源投入的浪費情況比較明顯。

表現(xiàn)技術(shù)進步效率的TC數(shù)值總體在1的上方，表明大多數(shù)年度其都處在有效率的狀態(tài)，即技術(shù)穩(wěn)步提高，僅在2007年明顯處在無效率的狀態(tài)。TC數(shù)值2003—2014年總體上經(jīng)歷了先上升后下降的過程，在2008年達到峰值1.220，并且有4個年度的TC數(shù)值在1.1左右，說明東北三省在這12年間技術(shù)進步效應(yīng)比較顯著。

圖1 2003—2014年東北三省科技投入的EC、TC、TFP

最后從兩者結(jié)合的TFP數(shù)值來看，總體也經(jīng)歷了一個先上升后下降的過程，在2009年達到峰值1.289，并在2013—2014年有企穩(wěn)回升的態(tài)勢。所以從總體上看，東北地區(qū)的全要素生產(chǎn)率指數(shù)為有效率的狀態(tài)，僅在2012、2013年處在無效率狀態(tài)。從指數(shù)分解來看，整個地區(qū)技術(shù)進步效應(yīng)明顯，技術(shù)進步效應(yīng)對全要素生產(chǎn)率指數(shù)的拉動作用顯著；而資源配置效率不高，影響了整個地區(qū)科技投入全要素生產(chǎn)率的提高。經(jīng)濟理論表明，完全競爭市場的資源配置總是最有效的，資源配置效率指數(shù)最高［11］。由此來看，東北地區(qū)這12年間資源配置效率不高是因為科技產(chǎn)業(yè)的市場化程度不高，還不能最有效地分配科技投入資源。

從東北地區(qū)內(nèi)部的比較來看，三省平均全要素生產(chǎn)效率指數(shù)均大于1，說明東北地區(qū)在資源配置的效率和科技進步方面都有所進步。其中，遼寧省總體上在資源配置效率和技術(shù)進步水平方面均有提高，使其全要素生產(chǎn)效率指數(shù)最高；吉林省資源配置效率沒有提高，僅保持了不變，技術(shù)的小幅進步使其全要素生產(chǎn)效率指數(shù)大于1；黑龍江省資源配置效率是退步的，說明其在資源投入與日常管理方面存在問題，全要素生產(chǎn)效率指數(shù)約為1，可以說全要素生產(chǎn)效率基本沒有進步。

東北三省整體全要素生產(chǎn)率指數(shù)上升幅度較小，主要原因是資源配置效率得不到提高、管理水平低下。今后，應(yīng)加強區(qū)域內(nèi)科研能力并提高管理部門的管理水平。

四、結(jié)論及建議

本文選擇東北地區(qū)為樣本，收集了2002—2014年間的科技投入數(shù)據(jù)，利用DEA方法，分別運用截面數(shù)據(jù)和面板數(shù)據(jù)分析了其科技投入的產(chǎn)出效率，得出以下結(jié)論與建議：

從截面數(shù)據(jù)分析來看，本文利用CCR模型與BCC模型測算了東北三省每年的技術(shù)效率值、純技術(shù)效率值和規(guī)模效率值。東北地區(qū)13年平均的技術(shù)效率值為0.937，表明東北地區(qū)科技投入中的資源投入存在6.3%的浪費。東北地區(qū)技術(shù)效率均值小于1，處于非有效的狀態(tài)，主要是因為遼寧省和黑龍江省的技術(shù)效率較低，并且黑龍江省多個年份出現(xiàn)投入冗余現(xiàn)象，原因是該地區(qū)科技產(chǎn)業(yè)的市場化程度不高，市場競爭不明顯。

從面板數(shù)據(jù)分析來看，本文計算了東北地區(qū)Malmquist指數(shù)，將該指數(shù)分解為分別表現(xiàn)資源配置效率與技術(shù)進步效率的兩種，以判斷指標的變化情況以及變化來源?，F(xiàn)階段東北三省科技投入技術(shù)效率的提高快于資源配置優(yōu)化，科技投入產(chǎn)出效率的總體增長受制于資源配置得不到有效提高。

東北地區(qū)科技投入的追趕效應(yīng)不明顯，對地區(qū)經(jīng)濟增長雖然有貢獻，但是效果有限。應(yīng)推進建立市場機制，鼓勵支持民營科技企業(yè)發(fā)展，形成良好的市場競爭氛圍，促進科技資源的合理有效配置，推進科技產(chǎn)業(yè)的市場化，提高管理部門的管理水平，以期在競爭的環(huán)境中提高科技進步的速度。

［1］Solow R M.Technical change and the aggregate production function［J］.M ind，1957，39（3）：554-562.

［2］NasierowskiW，Arcelus F J.On the efficiency of national innovation systems［J］.Socio-economic Planning Sciences，2003，37（3）：215-234.

［3］師萍，許治，張炳南.我國R＆D投入績效的實證研究［J］.中國軟科學(xué)，2007（6）：125-130.

［4］徐春杰，李強.科技投入產(chǎn)出績效評價的內(nèi)生增長模型研究［J］.中國軟科學(xué)，2006（8）：65-72.

［5］李雄詒，李新杰.基于DEA的河南省R＆D投入效率實證分析［J］.河南商業(yè)高等?？茖W(xué)校學(xué)報，2010，23（5）：48-54.

［6］盧方元，趙銀虎.基于DEA的河南省R＆D績效研究［J］.地域研究與開發(fā)，2012，31（6）：40-43.

［7］劉媛媛，孫慧.新疆科技投入對區(qū)域經(jīng)濟增長的貢獻度分析：基于擴展C-D生產(chǎn)函數(shù)和DEA分析法［J］.科研管理，2014，35（10）：26-32.

［8］魏權(quán)齡.數(shù)據(jù)包絡(luò)分析（DEA）［J］.科學(xué)通報，2000，45（17）：1793-1808.

［9］單春霞.基于DEA-Malmquist指數(shù)方法的高新技術(shù)產(chǎn)業(yè)R＆D績效評價［J］.統(tǒng)計與決策，2011（2）：70-74.

［10］秦琳貴，王青，馬強.遼寧省裝備制造業(yè)效率分析：基于DEA模型和Malmquist指數(shù)法［J］.沈陽工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016，9（4）：314-324.

［11］劉薇娜，李楠.我國東北地區(qū)經(jīng)濟增長、技術(shù)效率與技術(shù)進步增長率分析［J］.對外經(jīng)貿(mào)，2008（9）：4-7.

Em pirical analysis of technology investment and econom ic grow th of Northeast China

JIANG Guo-qing，JU Run-lin
（School of Econom ics，Shenyang University of Technology，Shenyang 110870，China）

Based on non-parametric Data Envelopment Analysis（DEA）and Malmquist index，the technical efficiency index，technical progress index and Total Factor Producitivity index of investment in science and technology are calculated for the three provinces of Northeast China between 2002 and 2014，so as to analyze the relationship between the science and technology investment and econom ic grow th.The results show that the average technical efficiency of investment in science and technology of the 13 years is0.937，indicates that 6.3%of the input are wasted；the overall slow grow th of the efficiency of investment in science and technology is due to the improper allocation of resources.The establishment of market mechanisms should be promoted，and the development of private technology enterprises should be encouraged.A good market climate should be formed，the rational and effective allocation of science and technology resources should be enhanced，so as to speed up the progress of technology.

Data Envelopment Analysis（DEA）；Northeast China；investment in science and technology；econom ic grow th；resource allocation

F 061.5

A

1674-0823（2017）01-0037-06

10.7688／j.issn.1674-0823.2017.01.06

（責(zé)任編輯：張 璐）

2016-10-17

沈陽經(jīng)濟區(qū)工作辦公室委托項目（2016-0-32-215）。

姜國慶（1960-），男，遼寧普蘭店人，教授，主要從事國際貿(mào)易政策，國際貿(mào)易實務(wù)，區(qū)域經(jīng)濟和行業(yè)經(jīng)濟預(yù)測、評價及規(guī)劃等方面的研究。

11 13∶29在中國知網(wǎng)優(yōu)先數(shù)字出版。

http：∥www.cnki.net／kcms／detail／21.1558.C. 20170111.1329.026.htm l