基于DEA的高新技术产业创新效率研究.docVIP

基于DEA的高新技术产业创新效率研究 　　【摘要】 为了更好地明晰西部地区高新技术产业技术创新能力现状，提升产业发展水平，本文构建了西部地区高新技术产业创新效率评价模型，以高新技术产业统计数据为依据，运用DEA分析法对西部地区高新技术产业的创新效率进行了实证分析。分析结果表明：2011年西部地区仅有四川、重庆、云南3个省份的创新效率处于DEA有效状态，而其余省份的创新效率均处于相对无效状态，西部地区多数省份的高新技术产业创新水平还存在较大的改进和提升空间。文章最后提出了提升西部地区高新技术产业创新水平的对策建议。 　　【关键词】 高新技术产业 创新效率 数据包络分析 　　高新技术产业是国民经济的战略性、基础性、先导性产业，对优化产业结构和转变经济增长方式发挥着重要作用，是衡量一个国家或地区技术创新水平的重要尺度。大力发展高新技术产业已成为加快我国新型工业化进程、提高创新能力、建设创新型国家的重要任务。随着国家新一轮西部大开发战略的推进，西部地区高新技术产业获得了快速发展，逐步缩小了同东部地区的差距，但是仍然存在产业规模较小、技术创新投入不足、创新能力不强、创新效率较低等问题，严重制约了西部地区高新技术产业对区域经济的拉动作用。目前，技术创新能力不强、创新效率偏低是制约西部地区高新技术产业快速发展的主要瓶颈，基于此，为了更好地明晰西部地区高新技术产业发展现状，提升产业创新水平，本文采用DEA方法对西部地区10个省份的高新技术产业创新效率进行了实证分析，以求对西部地区高新技术产业的技术创新水平进行科学审视和系统研究。 　　一、评价方法与指标体系构建 　　1、评价方法 　　数据包络分析（Data Envelopment Analysis，DEA）是由美国著名的运筹学家Charnes、Cooper和Rhodes等学者以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的决策单元（DMU）进行相对有效性评价的一种系统分析方法。DEA是以凸分析和线性规划为工具的一种评价方法，自从1978年提出第一个DEA模型――C2R模型并用于评价单元部门间的相对有效性以来，DEA方法不断完善并在实际中被广泛应用。DEA方法不必事先确定输入和输出数据之间的显性关系表达式，可以避免主观因素的影响，具有较强的客观性，特别是在对社会经济系统多投入和多产出相对有效性的评价方面具有独特优势，使得该方法适用于进行效率评价。该方法的主要思路是通过保持DMU决策单元的输入和输出不变，将各个DUM投影到DEA的前沿面上，通过比较各DMU偏离DEA前沿面的程度来评价各决策单元的相对有效性。 　　DEA的一般模型为：假设有n个需要评价的DMU，每个DMU有m项输入指标，s项输出指标，则对于任意的DMUj，其对应的输入、输出向量分别为xj=（x1j，x2j，…，xmj），yj=（y1j，y2j，…，yn），其中（j=1，2，…，n）。 　　对于决策单元DMUj，判断其有效性的BCC模型可表示为： 　　Min？兹j 　　（DBC2）■？姿■x■+s■■=？兹x■，h=1，2…m■？姿■y■-s■■=y■，i=1，2…s■？姿■=1？姿■？叟0，s■■？叟0，s■■？叟0 　　模型中，xhj、yij分别表示DMUj的第h项投入和第i项产出；？兹j表示DMUj的纯技术效率值，其取值位于0和1之间，且越接近1表示决策单元越有效；？姿■表示第h项投入和第i项产出的权重系数；s■■和s■■分别为第j个决策单元的第h项投入松弛变量和第i项产出剩余变量。 　　2、评价指标体系构建与数据处理 　　技术创新效率是一个多要素投入和多要素产出的动态复杂系统，在技术创新过程中不仅涉及到人力、财力和物力等方面的投入，还包括专利申请和发明、科技创新成果转化等方面。国内学者在技术创新效率的评价指标选取方面侧重点有所不同，本文在参考相关研究的基础上遵循指标选取的科学性、客观性、功能性和可操作性等原则，从投入产出角度选取指标，构建了高新技术创新效率的评价指标体系。文中选取的投入指标有RD人员数、RD经费投入总额、技术引进和改造经费投入。其中RD人员数用以反映从事高新技术产业研究与开发的人力投入，RD经费投入总额用以反映从事高新技术产业研究与开发的资金投入，技术引进和改造经费投入包括技术引进、技术改造两个方面的经费支出，反映了这些省份在技术创新方面的财力投入规模和力度。选取的产出指标有新产品开发项数、拥有发明专利项数、高新技术产品销售收入，其中新产品开发项数和拥有发明专利项数能比较全面地反映各地区的发明和创新情况，是衡量地区创新能力和创新产出的重要指标，各地区高新技术产品销售收入反映了科技创新成果转化为市场价值的程度。 　　由于青海和西藏部分数据难以获得，本文的评价指标数据选取