基于DEA的我国高新技术产业大型企业Ramp;D效率评价.docVIP

基于DEA的我国高新技术产业大型企业Ramp;D效率评价 论文摘要：基于1995-2007年我国高新技术产业五大行业中大型企业RD投入与产出数据，运用数据包络分析（DEA）分析方法，分别按行业和时间对我国高新技术产业大型企业研发活动的相对效率、投入冗余或产出不足进行了研究，并对影响这些产业全要素生产率变动的因素进行了分解。 论文关键词：效率,高技术产业,大型企业 研发活动是高技术产业发展的源泉，其效率的高低不仅决定着这些产业研发经费投入的使用效果，而且也在很大程度上影响其未来的发展。对高新技术产业中的大型企业而言，尤其如此。因此，研究我国高新技术产业大型企业的研发效率具有重要的现实意义。 一、研究方法和数据来源 1.研究方法 RD绩效的评价方法主要有主观评价法、文献计量法、投入评价法、多层面评价法、模糊综合评价法、因子分析法、人工神经网络和数据包络分析(DEA)等。本文主要采用DEA方法分析我国高新技术产业大型企业研发效率，该方法在分析效率方面具有明显的优点。（1）DEA方法无需假定输入输出之间的关系，仅仅依靠分析实际观测数据，采用局部逼近的方法构造前沿生产函数模型，就可以对生产单元进行相对有效件评价，具有较大的灵活性。（2）DEA不要求所有的被评价单元采用同一生产函数形式，故它满足多元最优化准则，每一个被评价单元皆可以通过调整自己的生产结构来达到效率最大化，而一般参数方法则追求单一最优化，相比之下非参数方法更符合实际情况。（3）对于无效单元，参数方法仅仅能说明无效程度即效率大小，而DEA方法不仅能计算出生产单元的相对效率，还可以指出无效的根源以及改进目标，给决策者提供较多的经济管理信息。 DEA方法中的Malmquist指数法在用于分解全要素生产率变动方面也具有明显的优势。首先，它不需要投入与产出变量的价格信息。一般来说，投入和产出的数据较易获得，而要素价格信息往往不够完善，该方法避免了价格的失真或不可获得导致的困难；其次，它可以将全要素生产率分解成生产效率的变动和技术的变动两个组成部分，这样就能够测算出效率和技术变动的情况，并进一步分析全要素生产率增长是源于生产前沿面的移动效应还是效率提高的追赶效应；此外，它不必事先假设生产函数，从而减少了模型假设误差的风险。 2．数据来源 按照数据选取的科学性、可行性和可比性原则，选取了1995-2007年医药制造、航空航天器制造、电子及通信设备制造、电子计算机及办公设备制造、医疗设备及仪器仪表制造五个高新技术行业大型企业的研发数据，以新产品开发经费支出、RD经费内部支出作为输入变量，以新产品销售收入、专利申请数作为输出变量，运用DEAP2.1软件对其研发效率进行了分析。数据来源于《中国高技术产业统计年鉴2008》。 二、RD相对效率分析 DEA方法可以在按规模报酬可变以及规模报酬不变进行分析。因此，本文基于投入法中的规模可变的情况下，并通过多阶段的方法进行的相对效率分析。 1.以行业为决策单元的相对效率分析 （1）相对效率 从综合效率看，医药制造、电子及通信设备制造、电子计算机及办公设备制造三个行业的综合效率达到了DEA最优（表1）。其中，除医疗设备及仪器仪表制造之外的四个行业纯技术效率达到了最优；医药制造、电子及通信设备制造、电子计算机及办公设备制造三个行业的规模效率达到了最优；医药制造、电子及通信设备制造、电子计算机及办公设备制造三行业表现为规模收益不变，航空航天器制造业表现为规模收益递增，医疗设备及仪器仪表制造业表现为规模收益递减。 表1 行业相对效率分析 样本次序 综合效率 纯技术效率 规模效率 规模报酬 医药制造业 1.000 1.000 1.000 crs 航空航天器制造业 0.887 0.896 0.990 irs 电子及通信设备制造业 1.000 1.000 1.000 crs 电子计算机及办公设备制造业 1.000 1.000 1.000 crs 医疗设备及仪器仪表制造业 0.893 1.000