潘立軍，劉喜梅

（湖南工程學(xué)院 管理學(xué)院，湖南 湘潭411104）

隨著“一帶一路”發(fā)展倡議與建設(shè)自主創(chuàng)新型國(guó)家戰(zhàn)略的實(shí)施，國(guó)家級(jí)高新區(qū)已成為我國(guó)推動(dòng)高新技術(shù)產(chǎn)業(yè)創(chuàng)新驅(qū)動(dòng)發(fā)展和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、增強(qiáng)國(guó)際競(jìng)爭(zhēng)力的中堅(jiān)力量。但目前我國(guó)國(guó)家級(jí)高新區(qū)的發(fā)展仍面臨創(chuàng)新投入要素質(zhì)量有待加強(qiáng)、創(chuàng)新績(jī)效不高［1-2］等問題，提高自主創(chuàng)新能力與創(chuàng)新要素投入產(chǎn)出效率是各級(jí)科技園區(qū)主管部門關(guān)注的重點(diǎn)。因此，尤其需要關(guān)注我國(guó)各國(guó)家級(jí)高新區(qū)整體創(chuàng)新效率的定量評(píng)價(jià)，對(duì)優(yōu)化園區(qū)投入產(chǎn)出結(jié)構(gòu)值進(jìn)行深入研究。

當(dāng)前，國(guó)內(nèi)外對(duì)創(chuàng)新績(jī)效（效率）評(píng)價(jià)研究主要有隨機(jī)參數(shù)前沿（stochastic frontier analysis，SFA）和數(shù)據(jù)包絡(luò)分析（data envelope analysis，DEA）兩種方法。 SFA 最 早 由Aigner、Lovell 和Schmidt［3］，Meeuser 和Broeck［4］提 出，在 此 之 后，涌 現(xiàn) 了 大 量SFA 分析創(chuàng)新績(jī)效（效率）的文獻(xiàn)，如Hsieh 等［5］利用SFA 研究美國(guó)醫(yī)藥行業(yè)企業(yè)R&D 投入對(duì)創(chuàng)新績(jī)效的影響，馮根福等［6］利用Cobb-Douglas 函數(shù)和無(wú)效函數(shù)三個(gè)變量對(duì)我國(guó)35 個(gè)工業(yè)部門的研發(fā)效率進(jìn)行實(shí)證分析，周亞虹等［7］在廣義Cobb-Douglas 生產(chǎn)函數(shù)中考慮知識(shí)資本因素，并討論R&D 內(nèi)生性問題，實(shí)證檢驗(yàn)我國(guó)工業(yè)企業(yè)自主創(chuàng)新的效率。

DEA 方面，自Charnes 等［8］最早提出CRS-DEA效率分析模型以來，該方法的研究與應(yīng)用取得快速發(fā)展，在模型研究方面，Banker 等［9］提出VRS-DEA模型，Sharp 等［8］、Andersen［9］等分別提出非期望產(chǎn)出DEA 模型與超效率DEA 模型。而在應(yīng)用研究方面，DEA 的應(yīng)用場(chǎng)景極為豐富。白俊紅等［10］應(yīng)用CCR 模型、BCC 模型構(gòu)造DEA-Malmquist 生產(chǎn)率指數(shù)動(dòng)態(tài)對(duì)我國(guó)30 個(gè)省域研發(fā)創(chuàng)新過程中的技術(shù)效率情況進(jìn)行了測(cè)評(píng)；王珍珍［11］利用超效率CCRDEA 模型對(duì)我國(guó)制造業(yè)與物流業(yè)聯(lián)運(yùn)發(fā)展的效率進(jìn)行評(píng)價(jià)；Griliches［12］實(shí)證了美國(guó)制造業(yè)R&D 投入與創(chuàng)新績(jī)效的相關(guān)性；李鴻禧和遲國(guó)泰［13］則用DEA模型測(cè)度了我國(guó)15 個(gè)副省級(jí)城市科技創(chuàng)新的總體投入產(chǎn)出效率；譚瑾等［14］則對(duì)常州市科技園區(qū)的創(chuàng)新效率進(jìn)行了實(shí)證研究。

從已有的創(chuàng)新績(jī)效（效率）評(píng)價(jià)的文獻(xiàn)來看，研究單個(gè)區(qū)域、單個(gè)產(chǎn)業(yè)創(chuàng)新績(jī)效的文獻(xiàn)較多，尚無(wú)研究全國(guó)范圍內(nèi)國(guó)家級(jí)科技園區(qū)創(chuàng)新效率；在研究方法上多采用DEA 模型對(duì)各園區(qū)對(duì)象開展創(chuàng)新投入產(chǎn)出要素的效率評(píng)價(jià)，由于處在數(shù)據(jù)包絡(luò)面上的評(píng)價(jià)單元的DEA 效率值均為1，故應(yīng)用該方法評(píng)價(jià)無(wú)法對(duì)有效單元進(jìn)一步區(qū)分，雖然超效率DEA 模型的區(qū)分度較好，但超效率值本質(zhì)上反映的是被評(píng)價(jià)單元與其他單元所形成的數(shù)據(jù)包絡(luò)面之間的關(guān)系，每個(gè)被評(píng)價(jià)單元所參照的數(shù)據(jù)包絡(luò)面有可能不同，失去了效率評(píng)價(jià)的公平性。因此，本文采用廣義DEA 方法［17］，建立統(tǒng)一的評(píng)價(jià)參考樣本，對(duì)2017 年我國(guó)144 個(gè)國(guó)家級(jí)科技園區(qū)的創(chuàng)新效率進(jìn)行全面評(píng)價(jià)。

一 廣義DEA 模型的評(píng)價(jià)方法

（一）廣義DEA 模型

該模型中有n 個(gè)待評(píng)價(jià)單元，其投入、產(chǎn)出分別用向量xp、yp表示，p=1，2，…，n；nˉ個(gè)樣本單元，其投入、產(chǎn)出分別用向量xˉj、yˉj表示，j=1，2，…，nˉ；待評(píng)價(jià)單元與樣本單元均具有相同數(shù)量的投入、產(chǎn)出要素。d 為正數(shù)，稱為移動(dòng)因子，可用來調(diào)節(jié)nˉ個(gè)樣本單元構(gòu)建數(shù)據(jù)包絡(luò)面的位置，d=1，表示用樣本單元來構(gòu)建數(shù)據(jù)包絡(luò)面，d＞1，表示提高樣本單元的產(chǎn)出能力，向效率改進(jìn)方向移動(dòng)數(shù)據(jù)包絡(luò)面，d＜1，則正好相反?？赏ㄟ^調(diào)整d值來提升評(píng)價(jià)模型的區(qū)分度。

式（1）為帶有非阿基米德無(wú)窮小量ε 的目標(biāo)函數(shù)，式（2）、式（3）表明廣義DEA 模型中，被評(píng)價(jià)單元不參與構(gòu)建數(shù)據(jù)包絡(luò)面，模型中的數(shù)據(jù)包絡(luò)面均由樣本單元構(gòu)建，式（4）表明該模型為規(guī)模效率可變的廣義DEA 模型。

（二）基于廣義DEA 模型的評(píng)價(jià)方法

廣義DEA 模型中，樣本單元負(fù)責(zé)構(gòu)建統(tǒng)一的數(shù)據(jù)包絡(luò)面，各評(píng)價(jià)對(duì)象均參照該包絡(luò)面計(jì)算效率值，這就使所有的評(píng)價(jià)對(duì)象基于統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià)，使評(píng)價(jià)更公平，其基本步驟如下：

第一步：利用DEA-CCR 模型對(duì)全部評(píng)價(jià)對(duì)象進(jìn)行評(píng)價(jià)，選擇DEA 強(qiáng)有效的評(píng)價(jià)單元作為樣本單元，記該樣本單元集為- -- -----DMU。

第二步：利用廣義DEA-BCC 模型，以- -- -----DMU為樣本單元，計(jì)算各評(píng)價(jià)單元的廣義超效率值。

第三步：對(duì)第二步中超效率值計(jì)算結(jié)果為不可行的評(píng)價(jià)單元，增大移動(dòng)因子d，再次利用廣義DEA-BCC 模型，以- -- -----DMU為樣本單元，計(jì)算其廣義超效率值。

第四步：反復(fù)執(zhí)行第三步，直到所有評(píng)價(jià)單元的超效率值均被計(jì)算出來。

第五步：利用各評(píng)價(jià)單元的超效率值進(jìn)行排序與評(píng)價(jià)。

二 國(guó)家級(jí)科技園區(qū)創(chuàng)新效率評(píng)價(jià)

（一）指標(biāo)選取與數(shù)據(jù)說明

參照傳統(tǒng)投入產(chǎn)出的經(jīng)濟(jì)理論，根據(jù)我國(guó)國(guó)家級(jí)科技園區(qū)評(píng)價(jià)數(shù)據(jù)的可得性，選取“R&D 人員全時(shí)當(dāng)量”作為勞動(dòng)投入要素，選取“園區(qū)注冊(cè)企業(yè)數(shù)”替代“場(chǎng)地”投入要素，選取“R&D 經(jīng)費(fèi)內(nèi)部支出”作為資本投入項(xiàng)。對(duì)產(chǎn)出量要素的度量，選取“工業(yè)總產(chǎn)值”“上繳稅費(fèi)”與“出口創(chuàng)匯”三個(gè)指標(biāo)，其分別從產(chǎn)業(yè)發(fā)展水平、市場(chǎng)績(jī)效與網(wǎng)絡(luò)績(jī)效三個(gè)方面對(duì)國(guó)家級(jí)科技園區(qū)的創(chuàng)新產(chǎn)出績(jī)效進(jìn)行度量。運(yùn)用《2017 中國(guó)火炬統(tǒng)計(jì)年鑒》數(shù)據(jù)，將2016 年我國(guó)144個(gè)國(guó)家級(jí)科技園區(qū)視為DEA 決策單元進(jìn)行評(píng)價(jià)（因榆林、黃河三角洲部分?jǐn)?shù)據(jù)缺少，故未納入效率評(píng)價(jià)計(jì)算）。

（二）樣本單元的選取

運(yùn)用EMS3.1 系統(tǒng)，以144 個(gè)國(guó)家級(jí)園區(qū)作為決策單元，運(yùn)用DEA-CCR、BCC 模型計(jì)算各決策單元的綜合技術(shù)效率（TE）、純技術(shù)效率（PTE）與規(guī)模效率值（SE），選取13 個(gè)TE、PTE、SE 均為1 的決策單元作為樣本單元（見表一）。

表一 樣本單元表

（三）評(píng)價(jià)結(jié)果

運(yùn)用EMS3.1 系統(tǒng)，以表一的樣本單元構(gòu)建統(tǒng)一的數(shù)據(jù)包絡(luò)面，利用廣義DEA-BCC 模型，取d=1，對(duì)2015年我國(guó)144個(gè)國(guó)家級(jí)科技園區(qū)進(jìn)行評(píng)價(jià)，得出127個(gè)科技園區(qū)的廣義超效率值（表二中排序?yàn)?8至144位）。對(duì)廣義超效率值為無(wú)限大的17 個(gè)決策單元，進(jìn)一步調(diào)整移動(dòng)因子，分別取d=1.5、2、2.5、3、4、5.7計(jì)算廣義超效率值進(jìn)行排序區(qū)分（見表二中排序第一至第十七位），其中當(dāng)d=1.5 時(shí)，排序區(qū)分第九至第十七位的決策單元，d=2 時(shí)，排序區(qū)分第六至第八位的決策單元，d=2.5 時(shí)，排序區(qū)分第四、第五位的決策單元，d=3 時(shí)，排序區(qū)分第3 位的決策單元，d=4 時(shí)，排序區(qū)分第2 位的決策單元，d=5.7 時(shí)，計(jì)算得出第一位的決策單元廣義超效率值。排序結(jié)果顯示北京中關(guān)村、上海張江、鄭州三個(gè)國(guó)家新高新區(qū)的創(chuàng)新效率列當(dāng)年全國(guó)前3 位，威海、武漢、長(zhǎng)春、南寧、深圳、惠州、蘇州等7 個(gè)國(guó)家級(jí)高新區(qū)創(chuàng)新效率分列全國(guó)第4到10 位，較好地反映了國(guó)家級(jí)創(chuàng)新園區(qū)基本創(chuàng)新效率的現(xiàn)狀。

表二 2015 年國(guó)家級(jí)科技園區(qū)創(chuàng)新廣義超效率值評(píng)價(jià)表 單位：%

續(xù)表二

針對(duì)創(chuàng)新效率評(píng)價(jià)值小于1的97個(gè)園區(qū)（d=1），表三對(duì)投入要素與產(chǎn)出要素的改進(jìn)比例與改進(jìn)目標(biāo)進(jìn)行了梳理。改進(jìn)目標(biāo)的計(jì)算方法分別為：x^p=θpxp-s-p、y^k=yk+s+k，其中x^p、y^k分別表示各投入、產(chǎn)出要素的改進(jìn)目標(biāo)值，對(duì)應(yīng)表三目標(biāo)值列，xp、yk為實(shí)際投入值與產(chǎn)出值，θp、s-p、s+k為廣義DEA 模型的最優(yōu)解，分別表示超效率得分值、第p 項(xiàng)投入的松弛變量、第k 項(xiàng)產(chǎn)出的松弛變量。改進(jìn)比例的計(jì)算方法為（目標(biāo)值-實(shí)際值）/實(shí)際值，對(duì)應(yīng)表三的改進(jìn)比例列。

表三 效率值小于1 的園區(qū)投入產(chǎn)出改進(jìn)情況分析（d=1）

續(xù)表三

三 結(jié)果分析

由于所選參考樣本集均為綜合技術(shù)效率、純技術(shù)效率與規(guī)模效率為強(qiáng)有效的園區(qū)，依據(jù)綜合技術(shù)效率可拆分為純技術(shù)效率與規(guī)模效率乘積的原理，有97個(gè)園區(qū)創(chuàng)新效率為綜合技術(shù)效率、純技術(shù)效率為無(wú)效，占園區(qū)總數(shù)的67.36%。分區(qū)域看，東部地區(qū)國(guó)家級(jí)科技園區(qū)整體創(chuàng)新效率相對(duì)較高，中部地區(qū)國(guó)家級(jí)科技園區(qū)整體創(chuàng)新效率相對(duì)較低（見表四），對(duì)創(chuàng)新效率小于1 的國(guó)家級(jí)科技園區(qū)進(jìn)行創(chuàng)新效率改進(jìn)（見表五）。

表四 分區(qū)域園區(qū)廣義超效率值分布情況 單位：個(gè)、%

表五 分區(qū)域園區(qū)創(chuàng)新效率改進(jìn)分析 單位：%

表五顯示，97 個(gè)創(chuàng)新效率小于1 的國(guó)家級(jí)科技園區(qū)R&D 人員全時(shí)當(dāng)量改進(jìn)、R&D 人員全時(shí)當(dāng)量、企業(yè)數(shù)量改進(jìn)三投入要素可縮減的比例分別為63.01%、62.59%與62.26，而工業(yè)增加值、上繳稅費(fèi)、出口創(chuàng)匯三產(chǎn)出要素可增加的比例達(dá)13.21%、383.07%與248.75%。分區(qū)域來看，東部園區(qū)應(yīng)重點(diǎn)關(guān)注入園企業(yè)質(zhì)量，中部園區(qū)應(yīng)重點(diǎn)關(guān)注研發(fā)經(jīng)費(fèi)的使用效率，提升園區(qū)企業(yè)的出口創(chuàng)匯能力，而西部與東北園區(qū)則應(yīng)重點(diǎn)提升研發(fā)人員的使用效率，提升園區(qū)企業(yè)出口創(chuàng)匯能力。

四 對(duì)策及建議

國(guó)家級(jí)高新區(qū)作為我國(guó)實(shí)施建設(shè)自主創(chuàng)新型國(guó)家戰(zhàn)略的中堅(jiān)力量，提升園區(qū)創(chuàng)新效率勢(shì)在必行，下一步應(yīng)從以下三個(gè)方面提升創(chuàng)新能力與創(chuàng)新效率：一是大力提升創(chuàng)新性人才的質(zhì)量與數(shù)量?？萍紕?chuàng)新人才是基礎(chǔ)，經(jīng)費(fèi)是保障，一方面應(yīng)加大國(guó)際性創(chuàng)新人才的引入；另一方面積極出臺(tái)鼓勵(lì)科技人員創(chuàng)新創(chuàng)業(yè)的政策，激發(fā)現(xiàn)有科技人才的創(chuàng)新熱情，不斷提高創(chuàng)新性人才的質(zhì)量與數(shù)量。二是大力吸進(jìn)成長(zhǎng)性好的科技型中小企業(yè)入園，在資金、技術(shù)、服務(wù)、生活配套等方面為優(yōu)質(zhì)企業(yè)入園創(chuàng)造條件。三是大力引導(dǎo)園區(qū)企業(yè)走出去，開拓國(guó)際市場(chǎng)，擴(kuò)大產(chǎn)品出口，促進(jìn)技術(shù)創(chuàng)新與國(guó)際接軌。