盧劍憂，張良橋，劉剛橋

（順德職業(yè)技術(shù)學(xué)院 1.商學(xué)院；2.科技處，廣東 佛山 528333）

黨的十八大提出要實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，在這一政策目標(biāo)引導(dǎo)下，政府對(duì)企業(yè)的R&D 資助支出迅速增長(zhǎng)。由于企業(yè)R&D 活動(dòng)所產(chǎn)出的新產(chǎn)品、新技術(shù)、新知識(shí)等，能夠溢出和傳播，可被視作準(zhǔn)公共物品。這種準(zhǔn)公共物品性質(zhì)的存在使得企業(yè)的R&D 活動(dòng)存在市場(chǎng)失靈和投入不足，為政府資助企業(yè)R&D 活動(dòng)提供了現(xiàn)實(shí)和理論基礎(chǔ)。近年來，R&D經(jīng)費(fèi)內(nèi)部支出中的政府資金總額從2009 年的1 358.3億元增長(zhǎng)至2015 年的3 013.2 億元，年均增長(zhǎng)率達(dá)到14.2%。但政府資助也帶來了三個(gè)問題：一是政府資助會(huì)增加或減少企業(yè)R&D 投入嗎？二是企業(yè)利用政府資助是有效率的嗎？三是什么因素影響著企業(yè)利用政府資助的效率？

目前，學(xué)界對(duì)上述三個(gè)問題的研究主要集中在第一個(gè)問題上，即檢驗(yàn)政府R&D 資助是“擠進(jìn)”還是“擠出”了企業(yè)R&D 投入。鮮有學(xué)者關(guān)注第二和第三個(gè)問題。從政府對(duì)企業(yè)R&D 資助的政策目標(biāo)來看，政府R&D 資助的目的不僅是為了鼓勵(lì)企業(yè)增加R&D投入，更重要的是要提高企業(yè)利用政府資助的效率，提高企業(yè)創(chuàng)新產(chǎn)出，從而提高整體科技水平。

本文將從企業(yè)創(chuàng)新產(chǎn)出角度，全面考察企業(yè)使用政府R&D 資助的效率。在此基礎(chǔ)上，討論企業(yè)規(guī)模、企業(yè)產(chǎn)權(quán)結(jié)構(gòu)、研發(fā)聚類和外商主營(yíng)業(yè)務(wù)收入占比等因素對(duì)效率的影響。

1 文獻(xiàn)回顧

Arrow［1］有關(guān)R&D 活動(dòng)外部性的理論為政府干預(yù)R&D 活動(dòng)提供了基礎(chǔ)。Arrow 認(rèn)為R&D 活動(dòng)具有公共物品的屬性，因此個(gè)體投資者不能獲得創(chuàng)新成果的全部收益。僅僅依靠企業(yè)（個(gè)體投資者）的投入難以達(dá)到預(yù)期的社會(huì)最優(yōu)水平，政府必須制定和執(zhí)行各種R&D 資助政策，糾正R&D 的市場(chǎng)失靈現(xiàn)象。Tassey［2］和Klette［3］的研究也進(jìn)一步支持了這一觀點(diǎn)。

在關(guān)于企業(yè)利用政府R&D 資助效率的問題上：Ebersberger 等［4］認(rèn)為企業(yè)能夠有效利用政府R&D資助。利用芬蘭的統(tǒng)計(jì)數(shù)據(jù)，他們發(fā)現(xiàn)政府R&D 資助對(duì)專利數(shù)有顯著的正向影響。王業(yè)斌等［5］研究發(fā)現(xiàn)中國(guó)政府R&D 資助顯著促進(jìn)了高技術(shù)產(chǎn)業(yè)的研發(fā)效率。但朱平芳等［6］的研究卻顯示，政府R&D 資助與企業(yè)專利產(chǎn)出間的正向關(guān)系并不顯著，并認(rèn)為這是由政府R&D 資助的約束機(jī)制不嚴(yán)造成的。

在關(guān)于什么因素影響了企業(yè)利用政府R&D 資助的效率方面，相關(guān)研究更為匱乏和零散。從已有的研究來看，企業(yè)大小、非國(guó)有產(chǎn)權(quán)比重、研發(fā)聚類和外商主導(dǎo)市場(chǎng)等因素都影響著政府資助的效果。

在企業(yè)大小與政府資助使用效率方面。一般認(rèn)為，大企業(yè)比小企業(yè)具有資金和人才優(yōu)勢(shì)，有較強(qiáng)的知識(shí)積累，這使得后者在使用政府資助時(shí)有更高產(chǎn)出。白俊紅等［7］利用中國(guó)大中型企業(yè)科技活動(dòng)數(shù)據(jù)的研究支持了這一結(jié)論。但是，也有研究認(rèn)為過分偏好大型企業(yè)并不能明顯提高政府資助的效率。Lach 等［8］研究發(fā)現(xiàn)，中小企業(yè)使用政府資助的效率高于大企業(yè)。

非國(guó)有產(chǎn)權(quán)比重。國(guó)有企業(yè)比非國(guó)有企業(yè)與政府有著更緊密的聯(lián)系，同等條件下國(guó)有企業(yè)更容易獲得政府R&D 資助，這反而降低了國(guó)有企業(yè)使用政府資助的整體效率。白俊紅等［7］認(rèn)為非國(guó)有產(chǎn)權(quán)更有利于企業(yè)技術(shù)創(chuàng)新效率水平的提升，因此政府在選擇資助對(duì)象時(shí)應(yīng)考慮資助對(duì)象的適宜性。但李平等［9］的觀點(diǎn)相反，認(rèn)為合資（非國(guó)有）企業(yè)預(yù)算的約束性較強(qiáng)，反而使政府資助的激勵(lì)效果有限。

研發(fā)聚類指的是高新技術(shù)產(chǎn)業(yè)在所有產(chǎn)業(yè)中承擔(dān)研發(fā)經(jīng)費(fèi)的比例。一般認(rèn)為，研發(fā)聚類程度高的地區(qū)或者行業(yè)，可以更好的實(shí)現(xiàn)創(chuàng)新技術(shù)和知識(shí)的外溢和共享，從而能夠有效提升整個(gè)行業(yè)或者地區(qū)的研發(fā)水平和效率。陳凱華等［10］認(rèn)為研發(fā)聚類程度越高，越有利于企業(yè)減少研發(fā)投入的浪費(fèi)。

外商主導(dǎo)市場(chǎng)。擁有先進(jìn)技術(shù)和管理經(jīng)驗(yàn)的外商對(duì)一個(gè)國(guó)家或地區(qū)的R&D 活動(dòng)有一定的溢出效應(yīng)。曹廣喜等［11］認(rèn)為外商直接投資對(duì)中國(guó)的創(chuàng)新能力有一定的正向溢出效應(yīng)，但效應(yīng)存在地區(qū)差異。沈能等［12］則認(rèn)為外商直接投資的增加有利于R&D人員技術(shù)水平的提高，從而使企業(yè)技術(shù)創(chuàng)新水平產(chǎn)生溢出效應(yīng)。

從已有的研究來看，不同學(xué)者對(duì)政府R&D 資助的利用效率，以及效率的影響因素的看法存在較大分歧。其主要原因在于，目前大部分學(xué)者多數(shù)采用的是參數(shù)法的隨機(jī)前沿生產(chǎn)函數(shù)法，通過構(gòu)建柯布·道格拉斯知識(shí)生產(chǎn)函數(shù)或者類似的自構(gòu)建函數(shù)。這種方法雖然考慮到生產(chǎn)前沿的隨機(jī)性，但它必須在某種假設(shè)下設(shè)定好生產(chǎn)函數(shù)形式，從而無(wú)法區(qū)分設(shè)定偏誤與非效率。解決的辦法是引入三階段DEA分析方法，通過DEA-SFA-DEA 三階段計(jì)算，綜合利用DEA 和SFA 的優(yōu)點(diǎn)。DEA 方法可以省去設(shè)定函數(shù)形式的麻煩，避免了函數(shù)設(shè)定偏誤的問題，同時(shí)利用SFA 方法來剔除隨機(jī)誤差。下文中，我們將通過三階段DEA 方法來檢驗(yàn)上述四個(gè)因素對(duì)政府R&D資助效果的影響，為政府R&D 資助決策提供參考。

2 模型和方法

著名運(yùn)籌學(xué)家Charnes 等［13］構(gòu)建的數(shù)據(jù)包絡(luò)法（data envelopmentanalysis，DEA）是評(píng)價(jià)技術(shù)創(chuàng)新效率最常用的方法之一。Charnes 等人最初提出的是規(guī)模報(bào)酬不變條件下的CCR 模型。隨后，Banker 等［14］人放寬了假設(shè)，提出了規(guī)模報(bào)酬可變條件下的BCC模型。這樣，CCR 模型中的技術(shù)效率就被分解為規(guī)模效率和純技術(shù)效率。這使得我們能夠更好分析造成技術(shù)無(wú)效率的兩個(gè)原因：未處于最佳生產(chǎn)規(guī)模還是較低的生產(chǎn)技術(shù)效率。

經(jīng)典的DEA 方法采用的是線性規(guī)劃技術(shù)求解效率，約束條件較少，不需要預(yù)先設(shè)定生產(chǎn)函數(shù)。但是，DEA 方法將任何與前沿面的偏差都視作是由管理無(wú)效率引起的，不考慮環(huán)境因素、隨機(jī)誤差對(duì)效率的影響。針對(duì)這一缺陷，F(xiàn)ried 等［15］提出了三階段DEA 模型，先應(yīng)用DEA 模型，計(jì)算出包含管理無(wú)效率、環(huán)境因素、隨機(jī)誤差在內(nèi)的無(wú)效率；再利用隨機(jī)前沿生產(chǎn)函數(shù)法（Stochastic Frontier Approach，SFA），對(duì)投入/產(chǎn)出進(jìn)行調(diào)整，得出僅由管理無(wú)效率造成的投入/產(chǎn)出冗余；最后，將調(diào)整后的投入/產(chǎn)出數(shù)據(jù)，運(yùn)用DEA 進(jìn)行測(cè)量，得出剔除了環(huán)境因素和隨機(jī)誤差影響的效率值。具體來說，包括以下三個(gè)階段：

2.1 第一階段：構(gòu)建DEA 模型

利用投入導(dǎo)向的BBC 模型測(cè)算企業(yè)技術(shù)創(chuàng)新的效率。使用BBC 模型的好處是，技術(shù)效率可以進(jìn)一步分解成為純技術(shù)效率和規(guī)模效率，有助于后文進(jìn)一步分析。假定有個(gè)決策單元（DMU），每一個(gè)DMU 有種投入和種產(chǎn)出，其數(shù)學(xué)表達(dá)式（1）如下：

其中，xij表示第j 個(gè)決策單位的第i 個(gè)投入項(xiàng)；yrj為第j 個(gè)決策單位第r 種產(chǎn)出項(xiàng)。θ表示為純技術(shù)效率值（PTE），取值范圍為［0，1］。λj表示決策單

2.2 第二階段：構(gòu)造SFA 模型

在三階段DEA 模型中，第二階段通過構(gòu)造類似隨機(jī)前沿生產(chǎn)函數(shù)模型，進(jìn)行松弛變量分析，來估計(jì)環(huán)境變量、管理無(wú)效率和隨機(jī)誤差對(duì)技術(shù)效率值的影響，并根據(jù)所得結(jié)果，調(diào)整投入值。調(diào)整后的投入量需要剔除環(huán)境因素和隨機(jī)誤差的影響，從而使得調(diào)整后保留的僅是技術(shù)管理無(wú)效引起的部分。也可以說，通過調(diào)整后，效率測(cè)度的是決策單元之間僅在同一生產(chǎn)技術(shù)下比較，即純管理效率的比較，或者可以認(rèn)為在相同環(huán)境因素與隨機(jī)誤差的影響下的公平比較。

1）建立松弛變量。

其中，Sij是第j 個(gè)決策單元在使用第i 個(gè)投入的松弛變量。

2）建立松弛變量和環(huán)境變量間的回歸方程。Sij=fi（zi；βi）+vij+uij（i=1，2，…，m；j=1，2，…，n）（3）以每項(xiàng)投入的松弛變量為因變量Sij。fi（zi；βi）是確定性可行的松弛前沿，zi為i 個(gè)可觀測(cè)的環(huán)境變量，參數(shù)向量βi將被估計(jì)，vij表示隨機(jī)誤差，并假設(shè)其服從N+（u，σv2），uij為管理無(wú)效率項(xiàng)，服從N+（u，σu2），vij和uij不相關(guān)。

3）調(diào)整投入變量。

下一步，對(duì)投入量進(jìn)行調(diào)整，調(diào)整的方法有兩種：一是減少環(huán)境較差的決策單元的投入，二是增加所處環(huán)境較好的決策單元的投入。由于前者在某些極端情況下，可能會(huì)出現(xiàn)調(diào)整后的投入項(xiàng)為負(fù)值的情況。因此，一般選擇后者進(jìn)行調(diào)整，調(diào)整方法如下：

其中，xijA為調(diào)整后的投入量，xij為所觀察到的投入量。通過上述調(diào)整，使得所有決策單元都處于相同的環(huán)境中。

2.3 第三階段：調(diào)整后DEA 模型

再次運(yùn)用BCC 模型對(duì)調(diào)整后的投入xijA進(jìn)行計(jì)算，所得到的即為剔除了環(huán)境因素和隨機(jī)誤差影響后的真實(shí)技術(shù)效率值。

3 變量和數(shù)據(jù)

3.1 投入產(chǎn)出指標(biāo)

在企業(yè)技術(shù)研發(fā)活動(dòng)的投入方面，有兩個(gè)基本指標(biāo)，技術(shù)研發(fā)經(jīng)費(fèi)和研發(fā)技術(shù)人員。在經(jīng)費(fèi)投入方面，由于本文重點(diǎn)考察政府R&D 資助對(duì)企業(yè)技術(shù)創(chuàng)新的影響，因此使用R&D 經(jīng)費(fèi)內(nèi)部支出的政府資金作為投入指標(biāo)。由于研發(fā)活動(dòng)投入和產(chǎn)出之間存在時(shí)間上的延遲，參考官建成等［16］的做法，設(shè)定兩年的時(shí)間延遲，這兩個(gè)投入變量都使用考察年（2015 年）與之前兩年（2014 年，2013 年）共3 年投入的平均值度量。在產(chǎn)出方面，參考沈能［12］、白俊紅［7］等人的做法，使用的是考察年（2015）年末的專利申請(qǐng)數(shù)和新產(chǎn)品銷售收入。

3.2 環(huán)境因素的影響

從已有的研究來看，企業(yè)規(guī)模、非國(guó)有產(chǎn)權(quán)比例、研發(fā)聚類和外商主導(dǎo)市場(chǎng)等因素都影響著政府資助的效果。

企業(yè)規(guī)模。用企業(yè)主營(yíng)業(yè)務(wù)收入與企業(yè)數(shù)之比來近似表示地區(qū)平均企業(yè)規(guī)模；非國(guó)有產(chǎn)權(quán)比例。使用非國(guó)有控股企業(yè)占規(guī)模以上企業(yè)比例來近似表示地區(qū)企業(yè)的非國(guó)產(chǎn)權(quán)占比，取值范圍為［0，1］；研發(fā)聚類。使用高技術(shù)產(chǎn)業(yè)R&D 經(jīng)費(fèi)支出占全部規(guī)模以上企業(yè)R&D 經(jīng)費(fèi)支出比例表示，取值范圍為［0，1］；外商主導(dǎo)市場(chǎng)。使用外商主營(yíng)業(yè)務(wù)收入占規(guī)模以上企業(yè)主營(yíng)業(yè)務(wù)的比例，即外商主營(yíng)業(yè)務(wù)收入占比來表示。上述環(huán)境變量都使用考察年（2015）與之前兩年（2014，2013）連續(xù)三年觀測(cè)值的平均值度量，以減少衡量值的不穩(wěn)定性。本文使用的原始數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》［17］和《中國(guó)科技統(tǒng)計(jì)年鑒》［18］，表1 報(bào)告了變量數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果。

表1 變量描述性統(tǒng)計(jì)結(jié)果

4 實(shí)證結(jié)果

4.1 第一階段DEA 的實(shí)證結(jié)果

本文運(yùn)用deap2.1 軟件對(duì)我國(guó)除西藏外的30 個(gè)?。ㄖ陛犑校┑钠髽I(yè)技術(shù)創(chuàng)新效率進(jìn)行了分析，結(jié)果如表2 所示。以政府R&D 扶持資金和R&D 人員作為投入，我國(guó)企業(yè)的技術(shù)產(chǎn)出的平均技術(shù)效率為0.627，平均純技術(shù)效率為0.741，平均規(guī)模效率為0.855。其中，浙江、安徽和重慶3 個(gè)省（市）處于技術(shù)效率前沿，其余27 個(gè)省份都有一定的技術(shù)效率改進(jìn)空間。其中，上海、江蘇、山東、湖南、廣東、海南、青海、寧夏和新疆等9 個(gè)省市，其規(guī)模效率小于純技術(shù)效率，顯示這些省份可以適當(dāng)增加投入，擴(kuò)大生產(chǎn)規(guī)模。其余18 個(gè)省份，則存在純技術(shù)效率小于規(guī)模效率的情況，也就是說純技術(shù)效率不高是制約這些省份的企業(yè)提高其創(chuàng)新效率的主要因素。

4.2 第二階段SFA 回歸分析結(jié)果

將第一階段得到的投入松弛變量作為被解釋變量，將企業(yè)規(guī)模、非國(guó)有企業(yè)占比、研發(fā)聚類和外商主營(yíng)業(yè)務(wù)收入占比作為解釋變量，使用Frontier 4.1軟件進(jìn)行SFA 回歸分析，結(jié)果如表3 所示。從結(jié)果中可以看出，兩個(gè)松弛變量的值都超過了0.9，且LR檢驗(yàn)分別在1%和10%的水平下顯著。這表明使用SFA 進(jìn)行進(jìn)一步分析是合適的。本文所研究的環(huán)境變量確實(shí)會(huì)對(duì)企業(yè)技術(shù)創(chuàng)新的投入產(chǎn)出效率產(chǎn)生影響，有必要利用SFA 結(jié)果對(duì)原始投入進(jìn)行調(diào)整。

表2 第一階段DEA 結(jié)果

表3 第二階段SFA 估計(jì)結(jié)果

投入松弛是企業(yè)可以通過改善其管理水平，減少政府R&D 資助投入額和R&D 人員投入數(shù)，從而達(dá)到效率前沿的節(jié)約的部分。解釋變量如果對(duì)投入松弛變量的系數(shù)為正，意味著環(huán)境變量和投入松弛是同向變化的，即隨著環(huán)境因素增加，投入浪費(fèi)也在增加，該環(huán)境因素對(duì)投入量的減少是不利的。系數(shù)為負(fù)，則該環(huán)境變量有利于投入量的減少。因此，從環(huán)境因素對(duì)投入松弛變量的回歸系數(shù)來看，可以得到以下結(jié)論：

1）企業(yè)規(guī)模對(duì)政府R&D 資助和R&D 人員投入松弛變量的回歸系數(shù)為正數(shù)，顯著性水平分別達(dá)到了1%，說明影響顯著。這表明了企業(yè)規(guī)模的擴(kuò)大不利于減少政府R&D 資助和R&D 人員的投入。這可能是由于小企業(yè)組織結(jié)構(gòu)靈活，能夠更好利用政府R&D 資助。相反，大型企業(yè)不缺乏研發(fā)所需的資金，此時(shí)增加政府R&D 資助，并不能夠增加其創(chuàng)新產(chǎn)出。另外，企業(yè)規(guī)模越大，人浮于事的問題越嚴(yán)重，容易導(dǎo)致人力資源的浪費(fèi)。

2）非國(guó)有產(chǎn)權(quán)對(duì)政府R&D 資助和R&D 人員投入松弛變量的回歸系數(shù)為正數(shù)，且顯著性水平分別達(dá)到了1%和5%，說明影響顯著。這意味著，企業(yè)股權(quán)中非國(guó)有比例的提升，不有利于減少政府R&D 資助投入和R&D 人員投入的浪費(fèi)。原因可能是，在國(guó)家力推創(chuàng)新驅(qū)動(dòng)戰(zhàn)略背景下，近幾年政府R&D 資助投入大幅度增加，但對(duì)非國(guó)有企業(yè)的創(chuàng)新績(jī)效考核制度尚不完善，導(dǎo)致了政府資助投入的浪費(fèi)。在R&D 人員投入上，非國(guó)有企業(yè)可能在獲得額外資助后，盲目增加R&D 人員。而國(guó)有企業(yè)因?yàn)樵銎高^程較為繁瑣，反而減少了人員投入的浪費(fèi)。

3）研發(fā)聚類對(duì)兩個(gè)投入松弛都表現(xiàn)出顯著的正向作用，且顯著性水平分別達(dá)到了1%和10%。這表明，高新技術(shù)產(chǎn)業(yè)研發(fā)規(guī)模越大，投入過剩越多?？赡艿脑蚴?，在創(chuàng)新驅(qū)動(dòng)背景下，政府R&D 資助和R&D 人員大量流入了高新技術(shù)產(chǎn)業(yè)，反而降低了企業(yè)對(duì)資助資金和人員的利用效率。

4）外商主營(yíng)業(yè)務(wù)收入占比對(duì)兩個(gè)投入松弛都表現(xiàn)出顯著的負(fù)向影響，且顯著性水平都達(dá)到了1%。外商主營(yíng)業(yè)務(wù)收入占比越大，意味著外商在該地區(qū)占主導(dǎo)地位，把握著該地區(qū)技術(shù)發(fā)展的方向，對(duì)該地區(qū)的技術(shù)水平提高產(chǎn)生了溢出效應(yīng)，從而有效降低政府R&D 資助和人員投入的浪費(fèi)。

4.3 第三階段投入調(diào)整后的DEA 實(shí)證結(jié)果

根據(jù)第二階段的參數(shù)估計(jì)結(jié)果，對(duì)投入項(xiàng)進(jìn)行調(diào)整，再次進(jìn)行BBC 模型運(yùn)算，可以得到表4 的企業(yè)投入產(chǎn)出效率值。

對(duì)比表2 和表4，排除環(huán)境變量和隨機(jī)影響后，處于技術(shù)效率前沿面的?。ㄊ校? 個(gè)增加到5個(gè)，除了第一階段就在前沿面的浙江、安徽和重慶，還增加了江蘇、湖南。比較第一和第三階段DEA 結(jié)果，平均綜合效率由0.627 下降到0.594，平均純技術(shù)效率由0.741 上升到0.819，平均規(guī)模效率由0.855下降到0.686。這意味著，在剔除環(huán)境變量和隨機(jī)影響后，我國(guó)企業(yè)利用政府R&D 資助和R&D 人員的純技術(shù)效率是較好的，綜合技術(shù)效率未能提高的原因是因?yàn)楦鞯貐^(qū)的規(guī)模效率尚未達(dá)到最優(yōu)導(dǎo)致。

4.4 結(jié)果分析

從比較純技術(shù)效率和規(guī)模效率的角度來看，第三階段DEA 結(jié)果中，除了達(dá)到前沿面的5 個(gè)省市，有河北等7 個(gè)省份的純技術(shù)效率低于規(guī)模效率，這些省份的企業(yè)在今后的發(fā)展中應(yīng)該更加注重管理水平的提升和管理創(chuàng)新。北京等18 個(gè)省份，其純技術(shù)效率大于規(guī)模效率，意味著這些省份可以適當(dāng)擴(kuò)大投入規(guī)模。另外，從規(guī)模報(bào)酬的結(jié)果來看，有22 個(gè)省市表現(xiàn)出規(guī)模報(bào)酬遞增的特性，見圖1。這顯示適當(dāng)擴(kuò)大政府R&D 資助和R&D 人員投入應(yīng)是今后我國(guó)大部分地區(qū)促進(jìn)效率提升的有效措施。

表4 第三階段DEA 結(jié)果

為了更有針對(duì)性的為各省企業(yè)創(chuàng)新實(shí)踐提出意見，參考季慶慶等［19］人的做法，以0.8 為臨界點(diǎn)，按照規(guī)模效率和純技術(shù)效率，將各省市的技術(shù)創(chuàng)新劃分為四種模式。

第一種模式為兩種效率都高于0.8 的“雙高”模式，包括北京、天津、上海、江蘇、浙江、安徽、山東、湖北、湖南、廣東、重慶和四川12 個(gè)省市，這是一種較為有效的創(chuàng)新模式。

第二種模式是規(guī)模效率高于0.8，但純技術(shù)效率低于0.8 的“高低”模式，包括河北、遼寧、福建和河南4 省。這些省市的技術(shù)效率提升主要受制于純技術(shù)效率，這意味著提升企業(yè)管理水平，應(yīng)該是此類省份今后創(chuàng)新發(fā)展的重點(diǎn)。

圖1 三階段DEA 我國(guó)各省市規(guī)模效率和純技術(shù)效率分布圖

第三種模式是規(guī)模效率低于0.8，而純技術(shù)效率高于0.8 的“低高”模式，包括吉林、江西、海南和貴州4 個(gè)省市。這類省市今后應(yīng)該把重點(diǎn)放在規(guī)模效率改進(jìn)，適當(dāng)擴(kuò)大政府R&D 資助和R&D 人員投入規(guī)模是這些省市今后發(fā)展的方向。

第四種模式是二者均低于0.8 的“雙低”模式，包括山西、內(nèi)蒙古、黑龍江、廣西、云南、陜西、甘肅、青海、寧夏和新疆10 個(gè)省市。此類省市今后一方面需要提升管理水平，同時(shí)也需要適當(dāng)調(diào)整投入規(guī)模，減少政府R&D 資助和R&D 人員投入，以實(shí)現(xiàn)同時(shí)提高純技術(shù)效率和規(guī)模效率的目標(biāo)。

5 結(jié)論和政策啟示

利用《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)科技統(tǒng)計(jì)年鑒》相關(guān)數(shù)據(jù)，應(yīng)用三階段DEA 方法，測(cè)量了我國(guó)30 個(gè)省市規(guī)模以上企業(yè)利用政府R&D 資助和R&D 人員的產(chǎn)出效率。研究發(fā)現(xiàn)，在經(jīng)典DEA 估計(jì)下，我國(guó)企業(yè)的平均綜合效率為0.627，純技術(shù)效率為0.741，規(guī)模效率為0.855。而在構(gòu)建類似SFA 模型進(jìn)行回歸后，平均綜合效率為下降到0.594，純技術(shù)效率上升為0.819，規(guī)模效率下降至0.68。調(diào)整后的DEA 結(jié)果表明，目前制約我國(guó)規(guī)模以上企業(yè)更好利用政府R&D 資助和R&D 人員投入的主要制約因素為規(guī)模效率。今后，應(yīng)適當(dāng)調(diào)整投入規(guī)模，提升規(guī)模效率。

研究還發(fā)現(xiàn)，企業(yè)規(guī)模越大、非國(guó)有產(chǎn)權(quán)比重越高、研發(fā)聚類程度越高，越不利于減少政府R&D扶持資金和R&D 人員投入松弛；提高外商主營(yíng)業(yè)務(wù)收入占比則有利于減少兩項(xiàng)投入松弛。這些結(jié)論的含義在于，今后政府在選擇增加R&D 扶持資金投入時(shí)，可將扶持資金更多投向企業(yè)規(guī)模較小、國(guó)有產(chǎn)權(quán)占比較高、研發(fā)聚類程度不高、外商主導(dǎo)市場(chǎng)的企業(yè)。

最后，本文還根據(jù)純技術(shù)效率和規(guī)模效率的大小，將30 個(gè)省市的企業(yè)產(chǎn)出效率劃分為四種模式。各省市政府應(yīng)根據(jù)自身所處模式，因地制宜的制定適合本地區(qū)發(fā)展模式的創(chuàng)新扶持政策，提高企業(yè)創(chuàng)新產(chǎn)出效率。