基于DEA模型区域产学研合作创新效率分析.docVIP

基于DEA模型区域产学研合作创新效率分析 　　摘 要：产学研合作创新效率的实证研究目前还是薄弱环节，通过多投入多产出指标的DEA模型分析，发现我国区域产学研合作创新效率总体不高，说明企业创新主体地位尚未形成，高校及科研院所的作用还未充分体现，但各区域间存在很大差异。 　　关键词：产学研合作；DEA分析；效率悖论；企业创新主体 　　中图分类号：F207 文献标志码：A 文章编号：1002-2589（2014）09-0049-03 　　一、文献综述 　　产学研合作多指的是企业与高校、研究院所之间的合作，现有文献中对于企业与企业、企业与高校之间的研发合作研究较多，如Katz（1986）对企业与企业的合作行为进行研究，认为合作研发是解决研发低效率及研发溢出的最好办法，因为合作研发允许企业分享研究成果，提高了研发效率，减少了研发的浪费。而且由于有合作协议，可以规定成本与收益分享，至少提供了更多的投资储备，更有利于研发的顺利进行。合作研发相当于一个将外部性内部化的合理机制，保证企业间有效地分享信息，这是所谓的“激励效应”。而另一方面，合作研发也可能带来负面效应，当合作研发的结果降低了一个企业的生产成本，那竞争的合作者的利润可能会减少了，因此，也会出现合作企业利用集体利益限制企业研发水平的可能，这是所谓的“限制效应”。限制效应与激励效应方向相反，具体结果要看两种效应的权衡。Hall，Link Scott（2000）研究了大学与企业的合作研发。他们指出，大学与企业合作是因为他们都有合作的激励。企业进行合作的动力主要体现在两个方面：一是能够进入复杂的研究活动并能够获得研究成果，二是能够接近一些关键的大学职员，对于提高企业的吸收能力有帮助。而大学需要合作的主要动力就是获得资金支持。因为就管理层而言，缺乏可供使用的投入到商业研究中的资金成为日益增加的压力，而且，与企业合作可能产生的收益也是其兴趣所在。Loofand Brostrom（2006）的研究也表明，企业与大学研究机构的合作对于大型制造企业的创新活动有显著的正向作用。 　　已有文献表明，产学研合作是区域创新体系建设中一个极其重要的环节，关系到企业创新主体地位的实现，以及技术创新成果的产业性转化，产学研合作绩效的高低也意味着区域创新体系的完善程度，然而，产学研合作创新绩效的实证研究却是技术创新研究领域中的薄弱环节，尤其是国内文献更少。在已收集到的文献中，多见描述性统计分析，如金芙蓉、罗守贵（2009）建立了6类13个二级指标构成的产学研合作绩效指标体系；姚微（2009）发现指出由于高校与企业研发脱节，科研成果并没有及时转化为生产力，研发投入效率比较低下，因而高校在区域创新体系中的作用并不尽如人意。邓颖翔、朱桂龙（2009）对中外测量指标及方法进行总结，指出在产学研绩效的实证研究中，目前还缺乏成熟的测量方式。正因为产学研合作绩效在度量上的难度，国内关于产学研合作创新效率方面的实证研究成果还比较少，急需建立一套指标体系及测量方法。 　　现代经济学中对于效率的度量始于Farrell（1957）的开创性研究，他将效率分为技术效率和配置效率，技术效率反映一组投入能够获得最大产出的能力，配置效率反映在给定价格下投入结构最优化的能力，将这两种效率结合起来就是总的经济效率。20年后Charnes，Cooper and Rhodes（1978）将这种度量方法引入数据包络分析（DEA），此后DEA分析方法得到了广泛的应用，尤其是在经济增长模型中更是得到了最充分的使用，近期文献已如汗牛充栋，但将这种方法用于产学研合作绩效的研究相对较少。王秀丽、王利剑（2009）对产学研合作效率进行了DEA分析，然而其所用指标似乎与产学研合作并不十分吻合，可能导致其结果存在一定的偏差。 　　二、模型及数据 　　DEA分析的基本原理是利用投入产出变量之间的线性规划问题求解，来表示每个DMU（决策单位）的技术有效性。在规模报酬不变（CRS）的情况下，其线性规划一般的形式如下： 　　minθ，γθ 　　st. -yi+yγ？莛0 　　θxi-xγ？莛0 　　γ？莛0 　　假设在这个线性规划中有K个投入变量和M个产出变量，则X是K×N投入矩阵，Y是M×N产出矩阵，X和Y构成了这个线性规划所有的数据，而DEA的目的是构建一个包络所有数据的前沿面，将所有数据列于前沿面或前沿面之下。在上述规划中，γ是一个N×1阶的常数向量。θ是第i个DMU的效率值，θ？荞1，θ=1表示DMU技术有效率。θ越小，表示离最优技术前沿面越远，也就是技术有效性越差。DEA分析的最大优势在于可以将多投入多产出的指标体系纳入一个统一的规划中进行求解，而且可以根据技术有效性边界计算出最优的投入或产出。 　　在检验区域产学研合作绩效时，关键的问题是找到衡量产学研绩效的投入与