基于DEA的黑龙江省高技术产业技术创新效率评价.docVIP

基于DEA的黑龙江省高技术产业技术创新效率评价 　　摘 要：从投入产出角度构建指标体系，运用数据包络分析方法中的CCR模型对我国28个省市的高技术产业技术创新效率进行测度，进一步分析造成黑龙江省技术创新效率非DEA有效的原因，实证结果表明：造成2011-2015五年间黑龙江省技术创新效率非DEA有效的原因在于投入要素的过剩以及存在一定的投入要素闲置。最后依据实证分析的结果提出相应的对策。 　　关键词：技术创新 DEA 效率 　　中图分类号：F207 文献标识码：A 　　文章编号：1004-4914（2017）05-166-03 　　一、引言 　　高技术产业是我国经济快速稳定发展的支柱，而技术创新是高技术产业技术创新的重要过程。近年来由于政府对黑龙江省高技术产业发展的重视，使得高技术产业的投入水平快速提高，但与此同时，高投入――低产出的“粗放型”增长方式所带来的技术创新效率低的问题却也日益显著。因此，提高高技术产业技术创新效率、改善高技术产业的发展环境并以此来带动黑龙江省经济发展是必然的选择。 　　二、模型的选择 　　数据包络方法（DEA）是被用来评价决策单元（DMU）的相对效率，对于评价多投入、多产出的决策单元具有绝对优势。假设有n个决策单元，每个决策单元（DMU）下有m种输入，s种输出。以线性规划形式表述的CCR模型如公式1所示： 　　在上述公式1中我们可求出上述线性规划的最优值θ*，最优的松弛变量s*+，最优的剩余变量s*-。至此，我们可以根据上述结果判断决策单元是否达到技术有效。 　　当θ*=1且s*+=0，s*-=0时，该决策单元DEA有效。当θ*=1且s*+≠0，s*-≠0时，该决策单元为弱DEA有效。当θ*≠1时，该决策单元为非DEA有效。 　　三、指标的选取 　　在现有的文献中，学者们对高技术产业技术创新中指标的选取上还未形成统一的标准，而大部分学者从投入产出角度进行指标体系的构建，如刘玉芬（2010）从投入产出角度选取了共计7项指标对高技术产业技术创新绩效进行了评价；朱山丽（2016）从投入产出角度选取了11项指标对高技术产业技术创新绩效进行了评价；本文主要依据现有学者的选取角度和高技术产业技术创新的过程和特点，从投入产出角度进行指标的选取，指标选取如表1所示。 　　四、实证分析 　　（一）数据的来源 　　由于部分西部地区（新疆、西藏、青海）的数据在进行数??收集的时候出现数据缺失的情况。因此，本文选取了我国28个省、市和自治区作为衡量高技术产业技术创新的决策单元。本文选取了2011-2015五年的统计数据，所有指标数据均来源2011-2015年的《中国高技术产业统计年鉴》。 　　（二）DEA计算结果及分析 　　投入主导型与产出主导型是DEA模型中两种计算角度。考虑到在高技术产业技术创新过程中产出的水平是基于投入基础之上的，投入先于产出发生，因此，本文选取投入主导型。 　　将选取的28个省市2011-2015五年的统计数据代入到deap2.1软件，经过处理，得到如下图1。 　　从上图1可以看出五年间黑龙江省高技术产业技术创新效率均低于全国的平均水平。 　　进一步我们做出2011-2015五年间28个省市高技术产业的平均技术创新效率值及排名如下表2所示： 　　从上表2我们可以看出，五年间黑龙江省的高技术产业技术创新效率均小于1，为非DEA有效。2011-2015平均技术创新效率0.5092，全国平均排名27。因此，对比其它27个地区的高技术产业的技术创新情况我们发现，黑龙江的技术创新效率极为低下，在全国范围内处于垫底状态。 　　进一步结合CCR模型关于松弛变量s+和剩余变量s-的理论部分和上述实证分析的结果，对s+和s-的经济意义和改善途径进行进一步挖掘。 　　1.2011年度黑龙江省高技术产业技术创新效率非DEA有效性分析。从表3可以看出，2011年黑龙江省的三项投入要素不必要的支出24.9%，在保持现有产出的基础之上削减24.9%的投入要素可达到弱DEA有效，要想达到DEA有效，需要同时削减44%的RD人员全时当量闲置，并且削减46.7%的RD内部经费支出闲置，也就是80855.519万元，可达到DEA有效。因此，造成2011年黑龙江省高技术产业技术创新非DEA有效的因素主要有：RD人员全时当量存在闲置，闲置率为44%。投入要素的过剩，和目标值相比需要削减24.9%。RD人员全时当量存在闲置，闲置率为46.7%。 　　2.2012年黑龙江省高技术产业技术创新效率非DEA有效性分析。 　　从上表4可知，造成2012年黑龙江省高技术产业技术创新非DEA有效的因素主要有：新产品销售收入不足，和目标值相比需要扩大34%。投入要素的过剩，和目标值相比需要削减63.6%。