EA方法在R投入产出效率分析中的应用.docVIP

DEA方法在RD投入产出效率分析中的应用 和著作权归原 所右，如存不 愿意被转载的情况， 己 ［ ］研究与试验发展（RD）的投入产出效率分析是科技活动量 化分析的重要方面。数据包络分析（DEA）方法在多指标投入与产出问 题分析上具存明显优势。本文论证了数据包络分析（DEA）方法在应用 于分析RD投入产出效率问题的合理性和可行性，并在现有研宄基础 上完善了 RD投入产出效率评价指标体系。通过采用23个国家的相关 数据进行实证分析，构建DEA的BCC模型，进行国家间的RD技术效 率比较，证实了这一方法的可行性。 ［关键词］RD投入产出效率；数据包络分析；BCC模型 doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 05. 064 ［ ］F224 ［ ］A ［ ］1673 - 0194 （2017） 05- 0120-05 1问题的提出 研究与试验发展（RD）是科技活动的重心，是科技活动中具存系 统性、创造性的工作，是实现技术进步与突破的有效途径，也是实现 创新、出新的真正源头。如何客观有效地进行RD投入产出的效率分 析一直是科技活动管理工作的重点和热点问题。 RD活动涉及投入与产出两大方面，RD活动投入指为支持RD 活动而进行的各种资源配置；RD活动产出指由投入而产生的结果。 分析RD投入产出效率，是将RD产出与RD投入进行对比，这涉及 RD投入产出的多个指标，如果RD投入产出效率评价指标体系不够 健全，RD投入与产出无法进行有效的匹配，就难以得出科学准确的 结论，因此有必要完善RD投入产出效率评价指标体系。 RD投入产出活动运行机制较为复杂，因此RD投入产出效率评 价指标体系是多维的。传统分析投入产出的方法常见于基于生产函数 的计量模型，但是传统生产函数的计量模型，不支持多维度投入?a出 分析，而且模型的假定条件也难以满足，因此，传统的投入产出计量 模型在此项分析上具有局限性，需要探索新的方法。 2研究现状 关于KD投入产出效率的评价研究，国内外研究人员大多采用数 据包络分析(DEA)进行RD投入产出效率评价。DEA方法的研究秉点 主要集中在：一是RD投入产出效率评价指标体系的探讨构建，二是 我国区域或行业RI)活动效率的评价比较。 例如，解茹玉基于区域对比的视角，借用平衡记分卡绩效管理的 思想，构建RD绩效评价指标体系，运用DEA的方法，对比分析区域 RD绩效差异;朱承亮和岳宏志选取高技术产业为对象，研究行业的 RD技术效率；钟华选用30个国家作为研究对象，选取了 1999年至 2001年、2000年至2002年、2002年至2003年三个时间段，对各个 国家RD效率的有效性进行评价；Rousseau构造了评价科技创新效率 的相对性指标，研究了 14个欧洲主要发达国家的科技竞争力。 综合上述方法，RD活动的产出指标方面，大多数文献仅涉及科 技论文数、专利数等反映基础性科技成果的指标，缺乏反映科技成果 转化情况的相关指标，因此评价指标有待于进一步完善；研究方法方 面，基于DEA的CCR模型分析国家间RD投入产出效率的较多，与CCR 模型相比，BCC模型可以将技术效率分解，从生产技术与规模报酬的 角度进一步分析效率。本文尝试完善科技成果的产出指标，并运用数 据包络分析的BCC模型对RD投入产出效率进行分析。 3 RD投入产出效率评价指标体系构建 综合考虑指标体系的针对性与可得性，RD投入指标从资金和人 力两个角度加以衡量，具体指标为：研发支出占GDP的比重、每百万 人RD研究人员。 RD产出指标方面，考虑到在科学技术转换为现实生产力的过程 当中，科技成果转化起到关键作用，因而将反映科技成果转化方面的 指标纳入评价体系十分必要。本文构建的RD产出指标既包含反映基 础性科技成果的指标：科技 发表的文章、专利申请总量、商标申 请总量，还包含反映科技成果转化的指标：高科技产品出口额占制成 品出口额的百分比、知识产权使用费接收支付比。 为保证RD投入产出二者的可比性，统一采用相对数指标：对各 指标均除以相应的总量指标，如研宄人员总数或者国内生产总值，将 其处理为相对指标，保证可比性。 RD投入产出效率评价指标体系如图1所示。 4 DEA研究方法原理及选择 数据包络分析（DEA）是一种通过局部逼近构建前沿生产函数，进 而计算各决策单元（DMU）的相对效率，并以此为基础对具有相同类型 的多投入、多产出的决策单元进行相对有效性评价的方法。采用数据 包络分析评判各决策单元是否相对有效的标准在于：同样的投入产生 较高的产出，或者同样的产出需要较低的投入。 数据包络分析通过投入产出的数据，构建线性规划模型，求解表 示效率最优的生产前沿面。如果决策单元位于生产前沿面上，判定其 投入产出是有效率