中国工业企业RD效率收敛性的研究.docVIP

中国工业企业RD效率收敛性的研究 　　中图分类号：F424 文献标识码：A 　　内容摘要：本文运用超效率DEA和Malquist指数法测度了2000-2008年我国30个省市自治区大中型工业企业的RD超效率值，并对其进行收敛性分析。实证结果表明：我国工业企业RD效率增长缓慢，仅取得了3.6%的年均增长，RD效率增长主要来源于技术进步，技术进步为RD效率增长贡献了2.7%，技术效率指数仅取得了0.9%的年均增长；东、西部地区工业企业RD效率存在收敛现象，其中东部地区收敛速度最快，中部、东北部地区收敛趋势不显著，中部和东北部地区工业企业RD效率差距正在扩大。 　　关键词：超效率DEA Malquist指数 工业企业 RD效率 收敛性 　　本文运用我国各区域大中型工业企业2000-2010年RD数据，采用超效率DEA和Malquist指数法横向分析、纵向比较工业企业RD效率，并借鉴新经济增长理论中Barro和Sala-i-Martin经济增长理论，验证我国大中型工业企业RD效率是否收敛。 　　理论方法 　　（一）超效率DEA模型 　　1978年A.Charnes、W.W.Cooper等人提出数据包络分析法（DEA），解决了效率测算方法仅适用于单一投入和单一产出的局限性。DEA方法的优点在于不涉及具体的生产函数，根据数据构建一个非参数的分段前沿面，使用线性规划方法计算相对效率。但是使用DEA模型评价决策单元时，可能会遇到多个决策单元同时有效的情况，则DEA模型无法比较其效率。基于此Andersen和Peterson与1993年正式提出超效率DEA模型，超效率DEA模型的提出实现了有效决策单元之间的可比。超效率DEA方法的基本思想是：在评价某个决策单元时，将该决策单元排除在决策单元集合之外。即，在评价j0时，将决策单元j0与排除j0外的决策单元的集合作比较。有效的DMU按比例增加其投入，仍能保持其相对有效性，称这种保持DEA有效性下的DMU的增加投入的最大比例为DEA超效率值。超效率DEA模型的基本形式如下： 　　其中，PC是纯技术效率，SC是规模效率，TC是技术进步。 　　指标选取、数据来源及处理 　　本文选取2000-2010年我国30个省市自治区（不包括西藏、港澳台地区）大中型工业企业RD投入产出相关数据进行分析。RD投入方面，本文选择大中型工业企业RD人员全时当量作为衡量人力投入的指标，选择大中型工业企业RD经费内部支出作为衡量资本投入的指标；此外，考虑到工业企业RD活动的实际情况，本文还将大中型工业企业新产品研发经费作为衡量工业企业RD活动经济成果转化能力的投入指标。产出指标方面选择新产品产值作为衡量工业企业科技创新经济成果转化能力的重要指标，选择大中型工业企业专利申请数和拥有的发明专利数作为工业企业RD活动技术产出指标。考虑到工业企业科技研发投入产出具有一定的时滞性，本文将产出滞后两年期加以考虑，即投入数据选择2000-2008年我国大中型工业企业RD投入数据，选择2002-2010年RD产出数据作为对应的产出数据。数据处理方面，参照朱平芳的研究，采用“居民消费价格指数”（CPI）与“固定资产价格指数”（PII）构造RD经费内部支出价格指数（RPI），即RPI=0.55CPI+0.45PII，利用RD经费内部支出价格指数对我国工业企业RD经费内部支出以及新产品研发经费进行价格平减，利用各地区工业生产者出厂价格指数对新产品产值进行价格平减。 　　计算结果与分析 　　（一）我国区域工业企业RD效率时空差异分析 　　将数据带入DEAP2.1，计算结果如表1所示。从表1可知，2000-2008年间我国工业企业RD效率增长幅度很小，年均增长率仅为3.6%。在样本考察期间内，我国工业企业RD效率增长来源于技术进步，技术进步为工业企业RD效率增长仅贡献了年均2.7%，而技术效率为我国工业企业的RD效率增长贡献更少，仅有0.9%的年均增长，这主要是因为规模效率的年均增长0.8%，表明我国工业企业RD资源投入规模还有提高的空间，而纯技术效率仅仅取得了0.2%的年均增长，反映出我国工业企业RD资源配置结构尚不协调。此外，从表1结果来看，2000-2008年我国工业企业RD效率增长模式发生了显著的变化。2000-2001年考察期内，技术进步指数大于1，而技术效率指数只有0.785，RD效率增长还主要依靠技术进步。在2001-2004年这段时间内，工业企业RD效率增长从依靠技术进步变为技术效率增长驱动模式。2004-2006年内，由于技术退步以及技术效率增长缓慢使得工业企业的RD效率出现负增长。2006-2008年，工业企业RD效率增长的技术进步指数发生了巨大的变化，从前一年的17.2%的年均增长变为12%的负增长，在这