区域创新效率的影响因素实证的研究.docVIP

区域创新效率的影响因素实证的研究 　　内容摘要：本文将三阶段DEA模型应用于我国区域技术创新效率的测评，通过剔除环境因素对各个区域创新效率值的影响，得出各区域真实的技术创新效率值。研究发现，经典的DEA模型不能真实反映技术创新效率水平。通过SFA回归分析，环境因素对区域创新效率的影响是显著的。三阶段DEA模型的评价结果更符合客观实际，能更好的反映区域创新水平。 　　关键词：三阶段DEA 创新效率 技术创新 　　研究概述 　　提升国家自主创新能力，建立创新型国家，增强国家竞争实力是我国现阶段的热点问题，中国政府试图通过技术创新、科技发展来进一步调整产业结构，转变经济增长方式。数据显示，中国研发创新投入不断攀升，研发经费从2000年的859.7亿元增长到2012年的10298.4亿元；同时在RD人员总量方面也有大幅增长，从2000年的92.2万人年增长到2012年71663万人年。我国创新资源相对有限，必须利用较少的创新投入获得较多的创新产出，以减少资源浪费，提高创新资源的利用率。因此，区域创新效率问题是个不可忽视的重要课题。 　　多数学者通过选择区域创新的投入和产出指标来衡量我国区域创新的效率，其把区域创新看做一个系统，系统中投入一定创新资源进行生产并获得创新产出，区域创新效率即是系统投入与产出的比值。刘顺忠和官建成（2002）运用数据包络分析（Data Envelopment Analysis，DEA）测评区域创新效率，但没有考虑到创新环境对区域创新效率的影响。李习保（2007）基于创新系统的观点，通过实证分析了中国区域创新能力，得出影响创新效率的因素包括区域创新主体的构成、政府的支持等创新环境因素。白俊红（2010）应用DEA方法分析了环境因素对区域创新效率的影响。从区域创新理论的角度来看，区域创新理论是国家创新系统的基础和分支，是国家创新理论的区域化和本地化，所以不同区域的制度环境会对创新效率产生影响。如果不考虑区域之间的环境因素，只局限于系统本身，仅研究系统中的投入和产出来衡量不同区域间的创新效率，其结果会存在一定的误导性。 　　目前，在研究区域创新绩效的方法上，大多数学者采用Chames（1978）、Banker等（1984）提出的数据包络分析方法（DEA）。但是经典的DEA方法不能剔除环境对系统的影响。Fare等（1989）提出的一阶段DEA方法试图考虑环境因素对系统的影响，把环境因素看作是投入和产出变量，代入DEA模型求解，结果证明这样的处理方式与实际并不相符。此外，Coelli等（1998）提出了两阶段DEA法（DEA-Tobit分析技术），以决策单元的效率值为因变量，环境因素为自变量建立Tobit回归模型来测量环境因素的影响。Fried等（2002）提出了三阶段DEA法，该方法的思路如下：阶段一，利用经典DEA方法计算决策单元的效率值；阶段二，考虑环境因素和随机误差的影响，把投入松弛变量视为决策单元的机会成本，利用随机前沿模型（SFA）对投入变量进行修正，重新调整投入变量，得到调整后的投入变量；阶段三，把调整后的投入变量重新代入经典DEA模型再次计算效率。该方法把环境因素和随机误差从系统里分离出来，能够真实有效地反映出决策单元的实际效率。本文选择通过三阶段DEA的方法来实证研究我国区域创新效率问题，可以对我国区域创新效率的评估更为准确。 　　研究方法 　　根据Fried等（2002）提出的三阶段DEA模型，构建区域创新评估模型如下： 　　阶段一：利用经典的DEA模型测算效率值。在经典DEA模型中分为CCR和BBC两种不同的形式。CCR假设规模报酬不变，而BBC对此没有假设，可以更好的处理规模报酬变动情况下的效率问题。BBC模型可以进一步将技术效率分解为纯技术效率和规模效率，利于比较影响技术效率的是规模效率还是纯技术效率。所以，本文选择BBC模型形式来作为三阶段DEA方法中第一阶段的模型基础。 　　阶段二：利用随机前沿模型（SFA）分解第一阶段经典DEA模型计算出的投入差额。该差额受到三个干扰因素的影响：环境因素、随机干扰和管理非效率。投入松弛变量为因变量，创新环境因素为自变量，构造随机前沿模型，得出： 　　为投入松弛变量，fn（zj，βn）是随机前沿函数，代表创新环境因素对的影响，zj为环境因素向量，βn为对应环境因素的系数。Vij，uij分别表示随机干扰和管理非效率，vij和uij不相关。 　　将随机干扰从管理非效率中分离出来： 　　对投入变量进行调整，分离环境因素对系统的影响，根据Fried等（2002）的调整方法，以环境最差的决策单元为基准，将所有不同环境下的决策单元调整到相同的环境。调整公式为： 　　xAij为系统环境相同时的投入变量，xij为阶段一中的投入变量。右边第一个