经济学：我国部分城市Ｒ＆Ｄ投入效率及其影响因素分析.docxVIP

我国部分城市Ｒ＆Ｄ投入效率及其影响因素分析 　　[摘要]城市是整合创新资源、集成创新活动的重要载体，城市RD投入及其配置效率是城市自主创新能力形成的基础。文章采用DEA方法对我国35个城市KD投入效率的特征进行分析，并进一步将RD投入效率分解为规模效率、利用效率和纯技术效率，揭示了35个城市RD投入效率的主要影响因素。研究结果表明，导致城市RD投入效率非有效的主要因素是纯技术效率非有效，高新技术产业发展规模偏小和质量不高是导RD投入效率不高的直接原因。 　　[关键词]RD投入效率；影响因素；DEA；城市 　　[中图分类号]F124.5 　　[文献标识码]A 　　[文章编号]1002-736X(2009)09-0044-04 　　 　　城市是知识创造和产业聚集的空间载体，也是现代社会经济发展的策源地和增长极。RD资源投入效率体现城市运用和整合RD资源的能力，表征城市创新体系的整体功能和效率，又能在一定程度上反映城市经济竞争力的强弱。作为发展中国家，由于企业发展水平和政府财力限制，我国大多数城市RD资源投入不足，这就更需要合理、高效地利用有限的RD资源，以较少的财力和人力投入，争取尽可能多的产出。因此，研究我国城市RD资源投入效率对城市自主创新能力建设具有重要的现实意义。本文分析了我国城市RD投入产出的效率及其影响因素。 　　目前，关于效率的研究方法有多种，但数据包络法(Data Envelopment Analysis，以下简称DEA)因为避免了建立投入产出的具体表达函数，特别适合城市等复杂体系的效率评价。我国学者采用DEA方法对区域、城市等的资源配置效率进行了研究，但对全国范围内大中城市RD资源投入效率及其影响因素进行分析的文献尚不多见。 　　 　　一、评价方法与指标 　　 　　城市RD投入产出系统是一个复杂的综合体，由于城市科技活动的多样性，以及RD产出的发散性和滞延性，使RD投入产出函数的确定极为困难、传统计量评价方法的应用受到局限，而DEA评价采用最优化方法内生确定各种投入要素的权重，避免了投入与产出关系的具体表达函数，排除诸多主观因素，能够对城市RD投入效率进行合理评价。 　　DEA是使用线性规划模型，比较具有投入和产出的生产决策单元(Decision Making Unit，简称DUM)之间的相对效率。DEA把分析结果分成两类——资源配置的效率有效和非有效，并可以计算出效率非有效DUM的相对有效性的程度。利用DEA对城市RD投入效率进行评价，是把每一个城市看成一个DUM，通过构造每个时期各城市RD资源投入效率的最佳前沿面，并把每一个城市的可能性集同这个最佳前沿面进行比较，得到对城市RD投入效率的测度。由于篇幅所限，方法具体介绍略。 　　在运用DEA方法分析经济社会现象时，指标体系的建立至关重要。许多文献按照定性分析方法来建立指标体系，但却难以判断指标之间的相关程度，而指标间的相关性往往会对评价结果有较大的影响。本文根据投入指标间相对独立、产出指标间相关程度高的原则，建立如下评价指标体系：RD投入指标包括RD人员(I1)、RD经费支出(I2)；RD产出指标包括专利申请与专利授权加权值(O1)、高新技术产业产值(O2)、技术市场交易额(O3)、高技术产品出口额(O4)。 　　需要指出的是，在RD产出指标中，对专利申请和授权量进行加权计算时，主要考虑到专利从申请到授权存在时间差和一定的淘汰率等因素，我们按照全国平均申请数和授权数的比例确定相应的比重，分别是：申请量权重为0.63、授权数量为0.37。同时，借鉴瑞士国际管理开发学院以及OECD等机构的研究成果，考虑到出口能力代表着产业或国家的竞争能力，笔者选择了高新技术产品出口额。另外，尽管笔者认为科技论文是RD产出的重要指标之一，但由于目前关于城市科技论文统计资料严重缺失，因此本研究未能将其纳入到指标体系。 　　本文的研究对象或决策单元(DMU)是我国大陆4个直辖市、26个省会城市(由于缺乏统计数据，故未选择拉萨)和5个非省会副省级城市，这些城市都是国家性的科技中心或区域性的科技中心，聚集了我国一半以上的科技资源。因此，选择这些城市作为研究对象，对于分析我国城市RD投入效率有较强的代表性。本文的原始数据采用各城市2004年的投入指标和2005年的产出指标，数据来源主要为各城市科技信息网、统计公报、中国科技统计年鉴、中国知识产权网和中国商务部网。 　　 　　二、效率特征及影响因素分析 　　 　　(一)总体特征 　　 　　笔者通过对2006-2007年我国35个城市RD投入效率进行测算(见表-1)，发现我国城市RD投入效率普遍较低。35个城市平均效率为62％。具体而言，达到总体有效的城市有8个，