内容摘要: 本文运用数据包络分析(DEA)方法，从两个层面对浙江R&D投入绩效进行分析评价。实证分析表明，浙江总体的R&D相对效率不高，并且呈现出先升后降又升的趋势，而各制造业绩效的增长主要来自于技术效率的改善，而不是技术进步。最后根据实证分析情况，从加强政府科技管理体制与机制创新、形成“官、产、学、研、金”相互结合的机制、调整优化R&D经费使用结构、加强R&D经费使用监管和绩效考评等方面指出提升R&D投入效率的对策建议。

　　关键词: DEA分析 R&D投入 绩效评价

　　目前，各个国家都把科技投入作为一项战略性投资，大幅度增加科技投入，超前部署和发展战略技术及产业，抢占制高点。科技投入能否增加社会知识总量，能否提升整个社会的科技水平，能否获得科技竞争优势，能否促进经济的增长，关键要看科技投入的效率如何。这就涉及到科技投入的相对效率的评价问题，对科技投入产出进行评价，对于资源的合理利用，提高资金的使用效率具有十分重要的现实意义。

　　本文正是基于这样的现实需要，运用数据包络分析(DEA)方法，从两个层面对浙江省近年内的R&D投入效率进行实证分析。既对浙江省1990—2008年的R&D投入效率的测度与评价为同类决策单元，也选择了浙江省的27个主要制造业内R&D投入效率测度与评价为同类决策单元。根据实证分析情况，最后指出提升R&D投入效率的对策建议。

　　一、文献回顾

　　DEA方法自1978年由Charnes和Cooper提出以来，被广泛运用于多个领域的研究。它不需估计投入产出的生产函数，避免因错误的函数形式带来问题，也不需要考虑量纲归一以及指标权重的确定，保证评价内容上的客观性，对多投入多产出的复杂结构系统有着适应性。自1994年，Fare提出了基于DEA方法的非参数Malmquist生产力指数算法以来，DEA分析达到了新的高度。

　　DEA分析起先多用于评价财政支出效率、科技投入效率、R&D投入效率、商业银行绩效、投资效率、全要素生产率的计算与分解，涉及经济增长、竞争力评价、银行绩效与风险评估等多个领域。在近年，DEA分析在科技领域的运用也比较广泛。颜鹏飞(2004)运用DEA的方法测度了1978-2001年中国30个省(自治区、直辖市)的技术效率、技术进步及Malmquist生产力指数，并且对人力资本和制度因素同技术效率、技术进步和生产率增长的关系进行了实证检验[1]。傅晓霞(2006)提出了基于随机前沿生产函数的地区增长差异分析框架，将各地区劳均产出差距分解为劳均资本差异、经济规模差异和全要素生产率差异，研究发现，尽管要素投入仍然是中国经济增长的主要源泉，但全要素生产率是造成地区差异的重要原因，在地区劳均产出差异中的贡献份额不断提高，将成为今后中国地区增长差异的主要决定力量。[2]朱有为和徐康宁(2006)应用随机前沿生产函数测算了中国高新技术产业研发产出效率，并考察了企业规模、市场结构和产权结构等因素对研发产出效率的影响。[3]

　　总的来看，运用DEA方法及Malmquist指数对中国科技领域相关效率的评价已较为成熟，但具体到某一区域或产业，仍然局限于分析效率的历史变化趋势，缺乏多层次具体的评价与比较，并且一般是从技术进步的角度测度工业的生产率，对R&D效率测算的研究尚不多见，因此，无法提供全面的支撑，使得对策研究的依据相对薄弱。

　　二、数据包络分析(DEA)模型概述

　　CCR 是第一个DEA 模型，其主要的思路为：假定n个决策单元DMU，每个DMUj都有m种非负投入品以及k种非负产出品,它们分别由向量Xj=(x1j ,x2j ,K,Xmj)和Yj = (y1j ,y2j ,K,ykj)给出,每个决策单元都利用投入品X生产Y，其模型为:

　　Minθ- ε( S - S + )

　　Σλj x j + S - =θx0

　　Σλj y j + S + = y0

　　λj ≥0 ; S -, S + + ≥0 (1)

　　(1)式中,θ为被评价决策单元的有效值(指投入相对于产出的有效利用程度)，它的值在0与1之间,S+和S-分别为松弛变量和剩余变量,ε是阿基米德无穷小量。解得最优解为,θ﹡ ,λ﹡ ,S-0 ,S+0 ,基本结论如下:

　　结论1:若θj﹡= 1,S- 0+S+ 0>0,则PMUj为CCR模型下弱DEA有效。

　　结论2:若θj﹡= 1,S- 0+S+ 0=0,则PMUj为CCR模型下DEA有效。

　　结论3:若θj﹡<1,则说明DMUj的每个投入指标应当按θj 比例减少，即投入资源未充分利用;若有一投入指标松弛变量S i - 1为非零,则DMUj 第i项投入减少S i - 1量,不会影响产出，同理，如有产出指标的Si+ 1 非零,则DMUj第i项产出有Si+ 1所示数量不足。

　　具有(弱) DEA 有效的决策单元具有这样的特点：除非增加一种或多种新的投入，否则无法再增加任何现有的产出量;除非减少某些种类的产出,否则无法减少任何现有的投入量。利用公式(2) 可以将非DEA 有效的DMU 投影到有效生产前沿面上,点(X′j , Y′j )为DMUj 所对应点(Xj , Yj ) 在DEA 有效生产前沿面上的投影, (X′j , Y′j )给出了将非有效点调整到有效水平的量化指标,为决策提供了重要的量化信息。

　　X′j =θj﹡Xj - S-

　　Y′j = Yj + S+ (2)

　　另外,在运用DEA模型测度效率时,要求决策单元DMUj 具有相同的投入、产出指标,并且根据经验法则,要求决策单元DMU 的样本数至少是投入、产出项数之和的两倍以上。[4]

　　三、基于时间序列数据的浙江R&D投入相对效率实证研究

　　R&D投入主要来自财力和人力两方面的投入。因此，我们以R&D活动经费支出和R&D人员这两个指标作为投入指标。为了反映创新的直接成果和价值体现，R&D投入的产出用发明专利授权量和技术市场成交金额来衡量。

　　利用《浙江科技统计年鉴》及《浙江科技进步统计监测评价报告》，整理得到1990-2008年浙江R&D投入产出的实际数据。应用DEA分析软件DEAP2.1计算出CCR模型中各决策单元的相对效率及目标改进值。具体结果如表1所示。

　　表1 1990-2008年浙江R&D投入相对效率计算结果 年

　　份 效率得分 R&D活动经费支出 R&D人员(人/年) 发明专利授权量(件) 技术市场合同成交金额(万元) 实际值 投入

　　冗余 目标值 实际值 投入冗余 目标值 实际值 产出

　　不足 目标值 实际值 产出不足 目标值 1990 0.724 2.04 0.563 1.477 12324 7356 4968 43 0 43 13623 10205.333 23828.333 1991 0.741 2.27 0.587 1.683 13018 7356.791 5661.21 49 0 49 16236 10917.217 27153.217 1992 0.625 3.46 1.297 2.163 13929 6650.302 7278.7 63 0 63 30829 4082.279 34911.279 1993 1 4.43 0 4.43 14904 0 14904 129 0 129 71485 0 71485 1994 0.791 7.88 1.647 6.233 15630 3266.753 12363.2 62 39.218 101.218 71966 0.001 71966.001 1995 0.985 9.14 0.141 8.999 16255 250.543 16004.5 54 74.923 128.923 97768 -0.001 97767.999 1996 0.987 10.5 0.139 10.361 17068 226.437 16841.6 45 88.649 133.649 107293 -0.001 107292.999 1997 0.995 15.19 0.075 15.115 17649 86.753 17562.2 64 65.61 129.61 133232 -0.001 133231.999 1998 0.931 19.7 1.363 18.337 23097 1597.675 21499.3 47 112.042 159.042 162275 -0.001 162274.999 1999 0.838 27.05 4.392 22.658 27401 4449.344 22951.7 108 54.811 162.811 188496 0 188496 2000 1 36.59 0 36.59 28604 0 28604 184 0 184 276275 0 276275 2001 0.9 44.74 4.46 40.28 39156 3903.16 35252.8 174 63.669 237.669 316652 0 316652 2002 0.9 57.65 5.782 51.868 44585 4471.441 40113.6 188 73.099 261.099 389438 0 389438 2003 1 77.76 0 77.76 49566 0 49566 398 0 398 530352 0 530352 2004 1 115.55 0 115.55 58460 0 58460 785 0 785 581465 0 581465 2005 0.795 163.29 33.556 129.734 80117 16463.78 63653.2 1110 0 1110 386954 -0.002 386953.998 2006 0.713 224.03 64.349 159.681 108123 31056.81 77066.2 1424 0 1424 399618 -0.005 399617.995 2007 0.851 286.32 48.163 238.157 130462 19434.5 111028 2213 0 2213 454184 -0.002 454183.998 2008 1 345.76 0 345.76 160299 0 160299 3269 0 3269 589189 0 589189

 1/3    1 2 3 下一页 尾页