基于 DEA&Tobit模型的南通科技创新效率分析

高龙琪，程 林，包耀东，潘 骁

基于 DEA&Tobit模型的南通科技创新效率分析

高龙琪，程 林，包耀东，潘 骁

文章通过建立包括科技活动经费内部支出额等在内的科技创新投入指标，和专利授权、新产品开发数在内的科技创新产出指标，采用 DEA 的 CCR、BCC 模型和超效率模型从综合效率、技术效率、规模效率三方面通过对近 17 年来南通的科技创新效率进行纵向比较，采用 DEA 超效率和 Tobit回归模型对 2014 年来识别影响南通市科技创新效率的主要因素。

南通；科技创新效率；DEA 模型；Tobit回归模型

一、相关研究综述

孙凯、李煜华(2007)提出区域性创新效率低与其创新能力和经济发展水平没有确定的关系；樊华(2012)提出科技创新效率具有周期性波动的特点；刘凤朝（2007）提出我国科技创新效率的提高主要是由技术进步推动的；李婧等（2009）提出经费支出、人员投入对创新产出有显著正影响；肖仁桥等（2012）从企业价值链角度出发，运用规模报酬可变情况下两阶段链式关联DEA模型及 TOBIT 模型分析研究不同性质的高新技术产业创新效率及两阶段的关联度。

二、DEA模型介绍：

（一）DEA 评价模型 C2R：

C2R 模型主要分析各 DMU 相对其他 DMU 在“规模和技术”两方面是否同时有效。所谓“规模有效”，即指一定规模的资源所能达到的最佳效益，是指单位或行业处于规模收益不变阶段，即当各资源投入同时增加 K 倍，相应地产出也增加 K 倍；“技术有效”即指通过管理技术的充分运用，各项投入均得到充分的利用，是指在现有资源投入前提下，实现了最大的产出。C2R 模型表示该单位或行业在有效生产前沿面上，且处于理想规模,称之为“总体有效”。

对 C2R 简 称为“综 合评 价”，“DEA 有 效”，表述为“综 合评价好”。

（二）DEA评价模型BCC

BCC评价模型为：

该模型主要对“DEA 无效”“综合评价不好”的各 DMU 进行分析，考察其管理技术是否得到了应有的发挥，即在现有的规模情况下，各项投入是否均得到了相应的产出、因此经 BCC模型对有关 DMU分析后的有效结论，亦称为“管理技术有效”。

若判断模型(D)的最优解 S*，S*,λ*，θ*满足 θ*=1 则称第 j0个 DMU 为弱 DEA 有效；若不仅满足 θ*=1, 而且,S*=0，S*=0, λ*=0 则称第 j0 个 DMU 为 DEA 有效。

（三）超效率模型

用 CCR 和 BCC模型对决策单元进行科研投入产出效率评价时会存在多个决策单元都 DEA相对有效的情况，这样无法进一步比较它们的差异性。所以构建超效率模型：

式中 xj，yj分别为投入指标和产出指标，λj为（2）的最优解，n 为决策单元的个数，e=(1,1,…,1)T∈Es， m、s分别为投入和产出的种类，S+为松弛变量，S-为剩余变量。（2）称为超效率模型，简记 SE 模型。

（四）Tobit回归模型

Tobit回归模型其概念最早是由诺贝尔经济学奖获得者James Tobin(1958)提出的，是属于因变量受到限制的一种模型。

如果要分析的数据具有这样的特点:因变量是部分连续和部分离散分布的数据时（因变量的数值是切割(truncat-ed)或片段(截断)的情况时），那么此时普通最小二乘法(OLS)就不再适用于估计回归系数,这时遵循最大似然法概念的 Tobit模型就成为估计回归系数的一个较好选择。

三、基于 DEA模型的南通科技创新效率实证分析

（一）评价指标及指标值的确定

根据南通统计年鉴和本次企业创新调查数据，由于 R&D经费等相关数据资料不全，故根据相关文献，决定采用历年大中型工业企业研究与发展活动企业数代表创新的主体单位数，历年大中型工业企业研究与发展人员数作为南通科技创新的人力资源投入，历年大中型工业企业研究与发展经费支出总额作为南通科技创新的经费投入，历年大中型工业企业新产品开发项目数和被授予专利作为南通科技创新物化成果。

表1 1998-2014 年南通科技创新基本数据

（二）南通科技创新 DEA效率值计算

首先根据传统 DEA算法算出南通科技创新的技术效率，纯技术效率，规模效率等。具体结果如表2所示：

表2 1998-2014 年南通科技创新 DEA效率值

由于使用 DEA方法进行效率评价所得的结果与投入产出指标量纲无关，所以对决策单元基础数据不必进行无量纲处理。运用 C2R 模型与 BC2 及超效率模型进行进一步计算。

1.DEA 的 C2R 和 BC2 模型计算

由表 1 中基础数据，运用 C2R 和 BC2 及 SE-DEA 模型，借助 EMS软件，对 17 个决策单元科研投入产出效率以及非 DEA有效决策单元的投入冗余与产出不足进行计算，其计算结果如表 3、表 4。

表3 1998-2014 年南通科技创新 CCR 效率及其非有效决策单元的改进

表4 1998-2014 年南通科技创新 BCC 效率及其非有效决策单元的改进

2.结果初步分析

从非 DEA有效的 11 个决策单元的投入冗余与产出不足计算结果看，在初始投入值既定的情况下，11 个决策单元要实现DEA 有效，达到最佳效率，必须调整投入规模或结构。如 2013年、2014 年规模报酬递减，这表明初始投入过大，应缩减投入，才能实现 DEA有效；2001 年规模报酬递增，表明增加投入虽然可以提高效率，但由于投入结构不合理，未达到最佳匹配，所以不能实现 DEA有效，只有减少投入，方能实现 DEA有效。类似的，其他非 DEA有效的决策单元，要实现 DEA有效，只有按照表 3、4中的数据减少投入冗余和增加产出不足。

根据 DMU效率有效性判定方法，可看出：

（1）1998、1999、2006、2010-2012 年的效率相对有效，其技术效率值为 1，其他 11 个决策单元的效率相对无效，其技术效率值均小于1。

（2）在 11 个相对无效决策单元中，2000-2005 的纯技术效率值和规模效率值均小于 1，其无效的原因是由纯技术无效和规模无效共同引起的；2007-2008 年它们的规模效率值为 1，而纯技术效率值小于 1，这说明它们相对无效更多的是由技术无效所导致的，2013 年纯技术效率值等于 1，规模效率值小于 1，这说明它们相对无效更多的是由规模无效所导致的。

（3）从以上结果可以看出，由表 3、4 可以看出，南通 17 年来总体科技创新的效率值，由表 5 可见，南通 1998-2014 年间创新效率均值超过 1的年份有5年，表明南通总体的创新效率低下。2000 年至 2009 年除了 2006 年，其余年份的创新效率均不高，当时外贸出口形势较好，低成本代工运作较好，企业缺乏科技创新的现实动力，所以整体科技创新水平和能力不高，2010 年随着产业转型升级政策推动，低成本外贸出口受限，政府和企业对科技创新较为重视，2010-2012 年效率值有所增加，2013 年后经济进入新常态，企业科技创新投入和产出效率值开始下降，可以考虑通过加大投入或调整规模结构等措施，实现科研综合效率的提高。

（三）超效率模型模型计算

用 CCR 和 BCC对决策单元进行科研投入产出效率评价时，其效率值都不会超过 1，因此，在多个决策单元 DEA 相对有效的情况下，无法进一步比较它们的差异性。因此用超效率模型进一步分析，其中研究的因素有人均 GDP（反映经济增长与创新能力发展之间的关系）、每千人在校大学生数量（反映创新人力资源情况）、固定资产投资完成额（反映科技创新占比）、金融机构贷款余额（反映金融机构对于科技创新的支持力度）、出口值（反映技术转化指标）、实际利用外资（反映科技创新依存度），并得到以下结果：

表5 1998-2014 年南通科技创新超效率 DEA 值及相关影响因素数据

（四）Tobit回归模型

根据以上的数据模型，将表 5 的相关数据代入公式，对影响其效率值的因素进行分析。得到以下结果：

表6 Tobit回归模型计算结果表

结果分析：

以上结果表明，人均 GDP、固定资产投资完成额对南通科技的创新效率有显著的影响，而每千人在校大学生数量、金融机构贷款余额（亿元）、出口值、实际利用外资对南通的创新效率没有显著的影响。具体地看，人均GDP在5%水平下显著，系数为0.45，表明人均GDP的提高对创新效率提升有显著的促进作用，说明整体经济发展水平和发展质量提升后，有利于形成全社会科技创新的氛围，从个人层面、企业层面、政府层面，多方努力，有助于区域科技创新效率的整体提升。固定资产投资完成额的影响在5%水平下显著，但系数为-0.14，说明来自企业固定资产投资对创新效率有负面的影响，企业固定资产投资越高，创新效率反而越低。而每千人在校大学生数量、金融机构贷款余额（亿元）、出口值、实际利用外资对创新效率影响不显著，系数甚至为负，表明金融机构贷款余额增加，实际利用外资增加应用研究支出占比对创新效率有负面影响，表明固定资产投资常规增长不精准投入科技研发，特别是企业产品研发，对南通区域科技创新有负面影响，实际利用外资增加，如果不能从中得到技术外溢，反而找出依赖心理，阻碍企业科技创新的积极性，进而影响区域科技创新效率。

四、南通市科技创新发展的对策与建议

通过对南通市科技创新发展效率的分析结果，为了推进南通科技创新发展和可持续发展而提出系列的政策建议。主要包括针对南通市目前科技创新发展中的制度体制、企业观念、人才、体制等方面的障碍，从营造和提供有利于创新发展的制度环境和组织保障、政府扶持策略、加快科技创新市场发育等方面着手，构建科技创新的环境、组织、企业、人才、市场、资金的支持系统，促进南通科技创新发展。

（一）突出产业技术创新，壮大转型实力

当低成本代工运作较好，企业缺乏科技创新的现实动力，因此整体科技创新水平和能力不高，所以需要充分发挥南通产业技术研究院改革“试验田”作用。加大创新投入，培育种子产业，打造引领南通产业的技术创新品牌，在原有的南通科技发展中，选择几条较为重点的产业链部署新创业链，并对此大力发展科技创新从而形成集成支持。带动传统项目的转型，以技术创新的重点带动整体产业发展，实施高新技术产业双倍增长计划和新兴产业”310”工程。

（二）加强整体经济发展

在上述 tobit回归模型的分析中发现人均 GDP 对南通科技的创新效率有显著的影响，从分析的结果中看出人均GDP在 5%水平下显著，表明人均GDP的提高对创新效率提升有显著的促进作用。而提高人均GDP的有效手段即是加强整体经济发展，目前南通在经济转型区，则需要加强传统产业的创新以及新兴产业的发展。

（三）优化产业布局，推进科技创新载体建设

坚持以高新区、产业园等为科技创新的载体，科学合理地整合创新资源，建立以科技创新园为点带动整个区域、整个产业面的科技创新；建立以南通传统产业和新兴产业为载体，积极开展以产业科技创新，带动跨领域联合科技创新。但是通过建立以区域科技创新来带动实现空间拓展、协作共赢。且产业科技创新要与上海科创中心对接；在推进举措上突出建立最具南通特色的产业科技创新推进机制，构建“六个一”架构的产业特色创新体系；在集聚科技创新要素的资源上突出立足南通产业转型发展的要求。

（四）增强企业创新投入，减少固定资产投入

由上述分析结果得知固定资产投资对创新效率有负面的影响，企业固定资产投资越高，创新效率反而越低。而固定资产投资常规增长不精准投入科技研发，会阻碍企业科技创新的积极性，进而影响区域科技创新效率。所以要充分发挥企业在创新中的主题作用，加大企业创新精准投入，大力实施创新型企业和高新技术企业在企业培育工程，切实将创新资源引入企业、技术研发机构建在企业、科技服务覆盖到企业、科技政策落实到企业，增加企业研发机构建设，完善企业创新创业服务。

（五）优化管理体系、政策和制度并举，提高行政统筹力

在积极开展科技创新的同时，高水平的管理水平和科学合理的管理制度是必不可少的。首先建立对科技创新的企业、载体享受的政策及对应的目标考核制度及细则，如《南通市市级众创空间认定管理办法(试行)》《南通市市区科技型初创企业和创业团队创新创业创意项目补助管理办法》来推动众创空间的建设；建立科学合理的科研成果转化机制，给予政策和资金方面的支持。

[1]孙凯，李煜华.我国各省市技术创新效率分析与比较[J].中国科技论坛，2007，(11):8-11.

[2]樊华，周德群.中国省域科技创新效率演化及其影响因素研究[J].科研管理，201233(1):10-18.

[3]刘凤朝,潘雄锋.基于 Malmquist指数法的我国科技创新效率评价[J].科学学研究,2007,25(5):986-990.

[4] 李婧,谭清美,白俊红.中国区域创新效率及其影响因素 [J].中国人口·资源与环境,2009,19(6):142-147.

[5]王绪刚.中国高技术产业创新效率及影响因素研究——基于两阶段链式关联型 DEA 模型[D].2013.

[6] 包耀东.基于 DEA 的物流企业绩效分析实证研究 [J].物流技术, 2012,31(4):41-43+96.

[7]张建钦.基于 DEA 的我国各省物流效率评价实证研究[J].物流技术, 2013,32(9):359-361.

[8]张并立,崔颖,刘军安,等.基于 DEA 模型的贫困地区乡镇卫生院建设绩效评价[J].中国卫生事业管理,2010,27(12):841-844.

[9]元岳.高新技术企业技术标准化效益评价的 DEA 分析[J].商场现代化,2010，(08):33-35.

[10]王洪伟,刘勰,丁佼佼.应用数据包络分析评价信息系统绩效[J].工业工程与管理,2009,14(4):91-97.

[11]甘永涛,孟立军.武陵山片区学前教育资源使用效率评价——基于20 个县市的调查[J].教育财会研究,2014,25(3):28-33.

高龙琪，江苏扬州人，南通理工学院物流管理专业学生；

程林，江苏宿迁人，南通理工学院商学院教师，讲师；

包耀东，江苏南通人，南通理工学院商学院教师，副教授；

潘骁，江苏苏州人，南通理工学院商学院教师，讲师。

F207.7

A

1008-4428（2017）06-58-04

江苏省高等学校大学生创新创业训练计划项目（201612056020X）。