山东省工业企业科技投入产出效率和影响因素研究.docVIP

山东省工业企业科技投入产出效率和影响因素研究 　　摘要：采用DEA方法对山东省工业行业的科技投入产出效率进行了评价，结果表明各工业行业之间科技投入产出效率差距较大，而且整体效率不高。在此基础上，采用回归分析方法对影响山东省工业行业科技产出效率的主要因素进行了分析，可以为优化科技投入结构提供基础依据。 关键词：工业企业；科技投入产出效率；影响因素分析 中图分类号：T-1 文献标识码：A DOI： 10.3969/j.issn1003-8256.2013.04.010 科技对经济增长的推动作用不仅取决于科技投入的总量，更为关键的是科技投入产出的效率，因此效率评价也成为科技发展评价中的关键环节。足够的科技投入强度和合理的科技投入结构才能提高科技产出效率、增强地区创新能力，进而促进经济社会发展水平的提高[1，2]。根据《2011全国及各地区科技进步统计监测结果》，我省的科技进步综合指数排在第11位，低于全国平均水平，比上年的第9位下降了两个位次。山东省作为东部沿海发达省份，目前科技投入强度不高，科技产出成果效率也偏低，相比经济发展水平，我省科技发展明显滞后，为了能够有效支撑起经济健康发展，我们有必要针对自身的薄弱环节集中力量进行改善，把科技发展作为重中之重，明确影响科技发展重要因素，在保持足够科技投入的同时，提高科技产出的效率，使科技因素在经济社会发展中起到重要作用。 因此本文针对性的从工业行业角度出发，首先采用DEA方法对分行业的全省规模以上工业企业的科技投入产出效率进行评价，并通过回归分析方法对产出效率的影响因素进行分析，最后根据定量分析的结果提出相关对策建议，以提高我省工业企业科技投入产出效率，从而促进全省科技发展水平的提高。 1 DEA评价模型的选取 DEA是著名运筹学家Charnes等提出来的一种效率评价方法。经过30多年的发展已经成为管理科学、系统工程与决策分析、评价技术等领域中一种常用而且重要的分析工具和研究手段。DEA方法是以传统的工程效率概念和生产函数理论为基础来评价决策单元之间的相对效率，不仅可以对决策单元的有效性作出度量，而且还能指出决策单元非有效的原因和程度，给有关部门提供管理信息[3]。从多目标规划的角度来看，该对偶规划把DEA有效与相应的生产可能集和生产前沿面联系起来，获得的结果表明：判断一个决策单元是否为DEA有效，本质上就是判断该决策单元是否落在生产可能集的生产前沿面上。 结合国内DEA研究的实际应用，本文选取使用较多的两个模型C2R模型和BC2模型。其中，C2R模型可以用来评价决策单元是否同时达到规模有效和技术有效，BC2模型则是用来评价决策单元的技术有效性。从生产理论看，第一个DEA模型—C2R模型对应的生产可能集满足平凡性、凸性、锥性、无效性和最小性假设，但在某些情况下，把生产可能集用凸锥来描述可能缺乏准确性[4]。因此，当在C2R模型中去掉锥形假设后就得到了另一个重要的DEA模型—BC2，应用该模型就可以评价部门间的相对技术有效性。 2 山东省规模以上工业企业科技投入产出相对效率评价 2.1 指标体系的构建 对我省工业企业的科技投入产出效率进行评价，首先需要选择一套科学完备的指标体系。许治对我国科技投入相对效率进行了评价，所选科技产出指标从技术进步为经济社会发展带来的效应进行衡量[5]，姚平使用DEA方法对黑龙江省工业行业的资源配置进行评价[6]，选择的指标体系涉及到固定资产、流动资产等资金配置的指标。本文在总结前人研究的基础上，结合我省工业行业的科技投入特点，根据根据科学性、完备性、可比性、目的性和指标可获取性的原则，选取尽可能能够反映科技投入产出之间关系的指标构建评价指标体系[7]。 工业行业的科技投入产出效率评价系统比较复杂，在评价指标的选取中，既要考虑到它的科研创新能力又要考虑到它的效益性。评价体系分为科技投入和科技产出两大部分，在科技投入指标中，包含经费投入指标和人力资源投入指标，其中RD人员是由参加RD项目人员的全时当量及应分摊在RD项目的管理和直接服务人员的全时当量两部分相加计算而来，更能有效的衡量对人力资源的实际投入；经费投入指标方面，RD经费内部支出，反映了对科技活动的实际支出；技术改造经费支出反映了工业企业引进吸收新技术和改造落后产能的力度；新产品研发投入反映了工业企业科技创新的能力。在科技产出指标中，专利申请量是体现工业企业研发能力的重要指标，新产品产值和新产品销售收入则是了反映工业企业的产出效益以及投入增加所带来的产出成果。具体评价指标体系如表1所示。 表1 科技投入产出效率评价指标体系 一级指标 二级指标 指标说明 科技投入 RD人员（人年） 反映工业企业对人力资源的投入 RD经费