中部地区R&D效率及全要素生产率研究
——基于地市级数据的实证

■吕江林，桂 燕

一、引言

目前国内外对R&D效率的研究主要有两种方法，第一种方法是随机前沿分析（SFA）方法。但由于SFA的模型基本假设较为复杂，需要事先确定生产函数的具体形式和分布假设，一旦生产函数形式和分布假设有误，结果就会出现偏差（肖仁桥等，2012）。而DEA在这方面具有一定的优势，它是一种非参数方法，即不需要已知生产前沿的具体形式，只需已知投入产出的数据（李双杰和范超，2009）。且该方法是基于全要素生产率理论，考虑经济主体各种投入要素之间的相互作用对技术创新效率的影响（汪克亮等，2010），因而被广泛应用于各类经济体效率和生产率的测度之中。

国内外学者也有较多采用DEA方法对R&D效率进行研究。Wang&Huang（2007）运用DEA方法研究30个国家的R&D效率，发现只有近1/3的国家属于R&D有效，而超过2/3的国家仍处于规模效率递增阶段。Sharma&Thomas（2008）运用DEA方法研究发展中国家R&D效率，发现R&D资源的有效利用能够加速地区的成长。方毅和林秀梅（2012）采用DEA-Malmquist效率指数对中国高技术产业在2001～2004年和2004～2007年两个不同时期不同行业的动态研发效率进行实证分析。朱雪珍和施盛威（2013）通过构建网络DEA模型，对江苏省各城市的研发效率、经济转化效率及整体创新效率进行测算。黄俊等（2017）利用超效率DEA与Malmquist指数方法综合评价我国机器人行业14家上市公司R&D效率，并基于评价结果利用Tobit回归模型分析R&D效率的影响因素。

有关江西省R&D效率的研究，如熊国经（2005）把江西、泛珠江三角区域与我国在R&D活动中的经费投入以及科技进步状况进行了对比研究，探讨江西R&D投入与“泛珠三角”配角效应。……