基于DEA模型高技术产业技术创新相对有效性分析.docVIP

基于DEA模型高技术产业技术创新相对有效性分析 　　摘要：文章采用数据包络分析（DEA）方法，以江苏省高技术产业2004年相关数据为研究对象，对高技术产业不同行业的技术创新情况进行了实证研究。通过对投入与产出效率差距的分析，指出了技术创新相对有效与非有效的行业，并找出该行业目前存在的一些问题，为今后政策的制定和行业的发展提供了依据。 　　关键词：DEA；高技术产业；技术创新 　　 　　一、 引言 　　 　　目前，我国已成为全球高技术产品的重要生产基地之一。美国2005年发布的《科学与工程指标2004》指出，早在2003年，中国的高技术产业规模就已达2 568亿美元，仅低于美国和日本排在世界第三位。瑞士洛桑国际管理学院发布的《全球竞争力年鉴》称，中国高技术产品出口的国际排名已由2000年的世界第9位上升至2003年的第2位。这些事实引发了国内外学术界对中国高技术产业问题的广泛关注。 　　其中一大焦点是对高技术产业技术创新问题的研究。技术创新是高技术产业发展的基础，是经济持续发展的基础与核心。国内外调查结果中，创新文化、研究型大学、产业技术的选择等被认为是高技术产业成功的关键因素，所暗含的正是强调以技术创新为基础的创新活动在高技术产业发展中的重要性。但是并不是所有高技术产业的技术创新都是相对有效的，它在不同地区或具体行业可能存在很大差别。江苏省贯彻实施“科技兴省”战略，在高技术产业技术创新方面的投入也日趋上升。为了确保这些投入能实现有效的产出，分析评价技术创新的相对有效性就变得尤为重要。本文选取核燃料加工、信息化学品制造、医药制造业等八大行业作为研究对象，对江苏省高技术产业技术创新相对有效性进行具体分析。 　　 　　二、 技术创新评价方法 　　 　　1． 技术创新评价现有方法及DEA简介。当前对技术创新有效性的研究主要有以下几种方法：（1）比较法：根据各行业技术创新的统计数据进行比较、分析，找出规律进行研究。（2）多准则评价法：包括层次分析法（AHP）、模糊综合评价法、德尔菲法、DEA法等。（3）生产函数法：通过经济分析，主观地确定被评价对象所具有的生产函数的形状，然后将实际观察值与生产函数所要求达到的水平相比，得到评价结果。 　　由于比较法常因各行业特点及发展阶段不同而使数据缺乏可比性；生产函数法多用于评价产出单一的情况，而技术创新是一个多投入多产出的过程；模糊综合评价法、层次分析法（AHP）等研究的重点局限于寻找影响高技术投资成败的基本要素，故本文采用DEA方法进行分析。 　　数据包络分析（DEA）方法是1978年美国著名运筹学家A.Charnes等人以相对效率概念为基础发展起来的一种效率评价方法，是研究同类型生产决策单元相对有效性的有力工具。它的基本思想是：将每一个被评价的单位或部门视为一个决策单元（Decision Making Unit，简称DMU），由决策单元组（DMUs）构成评价群体。处于同一评价群体的每个DMU确定的主导原则是，在某一视角下，各DMU具有相同的输入和输出。综合分析输入输出数据，得出每个DMU效率的相对指标，据此将所有DMU定级排队，确定相对有效的DMU，并指出其它DMU非有效的原因和程度，给主管部门提供管理决策信息。 　　2． DEA的C2R模型。技术创新系统是把人力资源和财力资源投入转化为创新的经济系统，利用DEA的C2R模型可以评价创新的规模和技术有效性。C2R模型对决策单元的规模有效和技术有效性同时进行评价，即C2R模型中的DEA有效决策单元即是规模适当又是技术水平高。 　　设有k个DMU，每个DMU有m种投入和n种产出，分别用不同的经济指标表示。xij表示第j个DMU第i种类型投入的投入总量，xij0；yrj表示第j个DMU对第r种输出的产出量，yrj0；vi表示第i种输入的一种度量，ur表示第r种输出的一种度量，i=1，2，…，m；j=1，2，…，n；r=1，2，…，s，其中xij、yrj为已知数据，vi、ur为变量。为了方便求解，引入非阿基米德无穷小量ε，ε为任意小正数，通常取0.000 01后，利用Charnes－Cooper变换可以得到等价的最终的线性规划问题标准型： 　　 　　其中，s-为各投入的松弛向量，s+为各产出的松弛向量；θ、λj（j=1，…，k）、s-、s+为待估参数向量。 　　3． DEA模型的经济学意义。 　　（1）DEA有效性，当θ=1时，称所对应的DMU为弱DEA有效。进一步，如果成立s-=s+=0，称该DMU为DEA有效――既是技术有效，又是规模有效；当θ1时，称其为DEA无效――或不为技术有效，或不为规模有效。 　　（2）技术有效性。如果s-=s+=0，则所对应的生产活动从技术角度看，资源获得了充分利用，投入要素达到最