论文部分内容阅读
摘要：研究与发展活动对企业竞争力的提升起着重要的推动作用，通过数据包络方法对中国2009年R&D投入产出效率进行分析发现，目前中国R&D投入产出效率总体水平较高，但行业之间、地方之间效率水平存在较大的差异，且研究能力与管理水平低是大部分地区和行业的R&D投入产出效率低的重要原因之一。
关键词：DEA；R&D；投入产出效率
中图分类号：F124.5 文献标识码：A 文章编号：1003-3890（2011）06-0011-03
在科技飞速发展的当今时代，经济的发展越来越依赖于科技水平的提高，研究与发展（R&D）活动作为科技活动的创新核心，对企业竞争力的提升起着重要的推动作用。各国、各地区乃至各个企业，为了争取竞争优势，都在加大R&D的投入力度。但R&D的投入效率如何，科技投入是过剩还是不足，都需要我们进行科技投入效率的研究，找出影响投入效率的因素，从而为科技投入效率的提高提供依据。
一、研究方法
数据包络分析（Date Envelopment Analysis 简称DEA）是1978年由美国著名运筹学家A.Charnes，W.W.Cooper和E.Rhodes等首先提出的评价部门间相对效率（有效性）的一种分析方法。该方法利用评价样本的观测数据来研究具有多个输入、特别是具有多个输出的决策单元（DMU）同时为“规模有效”与“技术有效”的方法。目前，DEA方法广泛应用于企业、学校、医院、金融和公共福利机构的运行效率评估。DEA作为一种较新的效率评价方法，其主要优点是：可以用于多投入、多产出的复杂决策单元系统的生产效率评估，由于参与评价的指标不考虑量纲问题，从而避免了寻求相同度量单位带来的诸多不便：投入、产出变量权重由规划模型根据实际数据计算产生，可以避免权重分配受主观因素的干扰，保证效率评价的客观性；DEA是一种非参数评价方法，不需要投入产出的生产函数形式，从而简化了评价模型的设计。
DEA模型可以从投入导向型（Input-Oriented）和产出导向型（Output-oriented）两种模式分析。投入导向型模式是从投入角度去探究效率，即在目前产出不变的前提下研究投入多少最为有效。产出导向型模型则是从产出的角度来研究效率，即在相同的投入水平下，追求产出最大化的问题。在R&D投入效率分析中，由于投入决策比较容易控制，同时为排除由于各行业规模差距的影响。本文将采用以投入导向型的“固定规模报酬”模型来测度综合效率，用投入导向型的“可变规模报酬”模型来进一步分解综合效率求得纯技术效率和规模效率。
技术效率是指一个决策单元相对效率有效程度的测度指标，当该指标值为1时，即是决策单元位于生产前沿面上，此时决策单元的综合效率达到最佳，即DEA有效；纯技术效率测度的是在可变规模报酬假设下，决策单元与生产前沿面的距离，该值为1时纯技术效率达到最佳称为技术有效；规模效率测度的是在可变规模报酬假设下生产前沿面与固定规模报酬下的生产前沿面的距离，该值为1时规模效率达到最佳，称为规模有效。
二、中国R&D投入效率分析
（一）R&D投入效率指标的选取
为研究R&D投入效率情况，结合第二次全国R&D资源清查资料，文章选取投入与产出类指标，其中，投入类指标包括人力投入和财力投入，产出类指标包括产出水平和技术成果市场化水平，具体包括3个投入类指标和4个产出类指标（具体指标及解释如表1所示）。
（二）不同行业的R&D投入效率分析
根据第二次全国R&D资源清查结果，对国民经济中R&D活动相对密集的14个行业进行评价，经过计算，2009年14个行业R&D投入综合效率为0.901（如表2所示），其中规模效率与纯技术效率相比较低，且处于规模报酬递减阶段，因此，可通过适当缩减总体投入来提高科技投入产出效率。根据R&D投入效率值，可将14个行业划分为四大类：
第一类，R&D投入效率有效的行业，包括：农、林、牧、渔业、制造业，交通运输，仓储和邮政业，信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业，水利、环境和公共设施管理业，教育业，卫生、社会保障和社会福利业9个行业，占行业总数的60%以上。这几个行业R&D投入的纯技术效率和规模效率均大于0.9，也就是说R&D投入效率达到了较高水平。从绝对数上看，此部分行业资金投入与人力投入全国总量的比重均达90%以上。
第二类，规模效率较为有效，纯技术效率较低的行业。包括：采矿业，电力、燃气及水的生产和供应业，租赁和商务服务业3个行业，这3个行业规模效率达到了0.9左右，而纯技术效率不足0.8，说明此类行业科学研究能力与管理水平不高，应当加强此方面的管理。
第三类，纯技术效率相对有效，而规模效率较低的行业，包括文化、体育和娱乐业1个行业，其规模效率仅为0.241，说明科学研究规模不适当，同时，由于其处于规模报酬递增阶段，因此，可通过扩大R&D投入的规模实现此类行业R&D投入的有效。
第四类，纯技术效率和规模效率均没有达到有效的行业，包括建筑业1个行业，建筑业的纯技术效率和规模效率分别为0.679和0.798，可见，建筑业R&D投入没有达到有效的原因既是由于科学研究能力和管理水平不高导致的，也是由于R&D研究的规模不适当造成的，由于建筑业处在规模报酬递减阶段，因此，应适当减少科技投入规模。
（三）不同地区R&D投入效率分析
同样，根据效率评估结果，可将不同地区R&D投入产出效率情况进行划分，由于不存在纯技术效率和规模效率均未达到有效的地区（如表3所示），因此，将中国不同地区的R&D投入产出效率情况划分为以下三类：
第一类，R&D投入效率总体有效的地区，包括天津、上海、江苏、浙江、山东、湖北、湖南、海南、贵州和云南10个地区。这些地区不论是纯技术效率还是规模效率都是有效的，说明在目前产出水平下，R&D投入是有效的。
第二类，规模效率较为有效但纯技术效率较低的地区，包括河北、山西、内蒙古、辽宁、吉林、黑龙江、福建、江西、河南、重庆、四川、陕西、甘肃和青海14个地区，其中内蒙古和河北的纯技术效率还未达到0.6，处于这一类的地区综合效率不高的主要原因在于纯技术效率不高，也就是说只有提高相应的研究生产能力和管理水平才能有效地提高这些地区R&D投入产出效率水平。
第三类，纯技术效率相对有效而规模效率较低的地区，包括北京、安徽、广东、广西、西藏、宁夏和新疆7个地区。这7个地区中，除西藏之外的6个地区均处于规模报酬递减阶段，因此，应当通过适当减少R&D投入规模来提高这6个地区的R&D投入产出效率，而就西藏而言，应当继续增加R&D科技投入以实现规模效率的提高。
三、相关建议
通过对2009年中国R&D资源清查数据进行分析，笔者发现，中国R&D投入产出效率整体上处于较高的水平，但具体来看，不同地区、不同行业之间仍存在很大的差距。一些行业和地区的R&D投入效率还有待进一步提高。针对上文的分析，对中国R&D投入提出以下建议。
（一）在保证必要投入规模的同时，进一步加强中国R&D研究能力
根据R&D投入效率的分析，中国R&D投入效率处于较高的水平。但具体来看，在分析的31个地区中有17个地区处于规模报酬递减阶段，即目前的R&D投入相对过剩，也就是说相对于目前的R&D投入规模，研究与管理能力不足，要提高R&D投入产出效率，首先要提高中国R&D的研究水平。
（二）加大推动地方之间的交流与合作力度
鉴于目前中国各行业、各地区R&D投入效率方面还存在较大的差异，建议加强行业间、地区间研究与管理经验的交流，通过提高R&D研究能力以及管理水平的改善来提升投入产出水平。
（三）逐步建立基于效率的R&D投入机制
进一步加强全国各行业、各地区甚至是各企业R&D投入产出效率的评价，形成基于效率的投入机制，从而促进研究投入分配更为合理。对投入效率较高的单位给予更多的支持，对投入效率低的单位应根据评价结果找出影响因素，有针对性地提出整改措施，使有限的资源发挥出更大的效益。
参考文献：
［１］Abbott， M.& Doucouliagosa， H. The Efficiency of Australian Universities: A Data Envelopment Analysis. Economics of Education Review， 2003，（22）： 89-97.
［２］陆根书，刘蕾.教育部直属高校自然科学研究效率及发展趋势研究［Ｊ］.高等工程教育研究，2006，（1）.
［３］窦艳，师萍.基于DEA的企业R&D投入绩效分析［Ｊ］.工业技术经济，2006，（5）.
［４］石晓峰，DEA方法在非营利性科研机构绩效评价中的应用［Ｊ］.河北省科学院学报，2006，（2）.
责任编辑、校对：秦学诗
Analysis on Input-output Efficiency of China' R&D Resources
Luo Yanping
（Statistics Accounting Department, National Defense Science and Technology Industrial Bureau Information Centre,
Beijing 100081, China）
Abstract： Research and development activities play important roles on enterprise competitiveness. Based on the data envelopment analysis, the author evaluated the input-output efficiency of R&D resources in 2009. Presently, the overall level of input-output efficiency of R&D resources is relatively high. However, there are some differences between industries and between areas. The low study ability and management level are the important influencing factors of low input-output efficiency of R&D resources.
Key words：DEA; R&D; input-output efficiency
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
关键词：DEA；R&D；投入产出效率
中图分类号：F124.5 文献标识码：A 文章编号：1003-3890（2011）06-0011-03
在科技飞速发展的当今时代，经济的发展越来越依赖于科技水平的提高，研究与发展（R&D）活动作为科技活动的创新核心，对企业竞争力的提升起着重要的推动作用。各国、各地区乃至各个企业，为了争取竞争优势，都在加大R&D的投入力度。但R&D的投入效率如何，科技投入是过剩还是不足，都需要我们进行科技投入效率的研究，找出影响投入效率的因素，从而为科技投入效率的提高提供依据。
一、研究方法
数据包络分析（Date Envelopment Analysis 简称DEA）是1978年由美国著名运筹学家A.Charnes，W.W.Cooper和E.Rhodes等首先提出的评价部门间相对效率（有效性）的一种分析方法。该方法利用评价样本的观测数据来研究具有多个输入、特别是具有多个输出的决策单元（DMU）同时为“规模有效”与“技术有效”的方法。目前，DEA方法广泛应用于企业、学校、医院、金融和公共福利机构的运行效率评估。DEA作为一种较新的效率评价方法，其主要优点是：可以用于多投入、多产出的复杂决策单元系统的生产效率评估，由于参与评价的指标不考虑量纲问题，从而避免了寻求相同度量单位带来的诸多不便：投入、产出变量权重由规划模型根据实际数据计算产生，可以避免权重分配受主观因素的干扰，保证效率评价的客观性；DEA是一种非参数评价方法，不需要投入产出的生产函数形式，从而简化了评价模型的设计。
DEA模型可以从投入导向型（Input-Oriented）和产出导向型（Output-oriented）两种模式分析。投入导向型模式是从投入角度去探究效率，即在目前产出不变的前提下研究投入多少最为有效。产出导向型模型则是从产出的角度来研究效率，即在相同的投入水平下，追求产出最大化的问题。在R&D投入效率分析中，由于投入决策比较容易控制，同时为排除由于各行业规模差距的影响。本文将采用以投入导向型的“固定规模报酬”模型来测度综合效率，用投入导向型的“可变规模报酬”模型来进一步分解综合效率求得纯技术效率和规模效率。
技术效率是指一个决策单元相对效率有效程度的测度指标，当该指标值为1时，即是决策单元位于生产前沿面上，此时决策单元的综合效率达到最佳，即DEA有效；纯技术效率测度的是在可变规模报酬假设下，决策单元与生产前沿面的距离，该值为1时纯技术效率达到最佳称为技术有效；规模效率测度的是在可变规模报酬假设下生产前沿面与固定规模报酬下的生产前沿面的距离，该值为1时规模效率达到最佳，称为规模有效。
二、中国R&D投入效率分析
（一）R&D投入效率指标的选取
为研究R&D投入效率情况，结合第二次全国R&D资源清查资料，文章选取投入与产出类指标，其中，投入类指标包括人力投入和财力投入，产出类指标包括产出水平和技术成果市场化水平，具体包括3个投入类指标和4个产出类指标（具体指标及解释如表1所示）。
（二）不同行业的R&D投入效率分析
根据第二次全国R&D资源清查结果，对国民经济中R&D活动相对密集的14个行业进行评价，经过计算，2009年14个行业R&D投入综合效率为0.901（如表2所示），其中规模效率与纯技术效率相比较低，且处于规模报酬递减阶段，因此，可通过适当缩减总体投入来提高科技投入产出效率。根据R&D投入效率值，可将14个行业划分为四大类：
第一类，R&D投入效率有效的行业，包括：农、林、牧、渔业、制造业，交通运输，仓储和邮政业，信息传输、计算机服务和软件业，金融业，科学研究、技术服务和地质勘查业，水利、环境和公共设施管理业，教育业，卫生、社会保障和社会福利业9个行业，占行业总数的60%以上。这几个行业R&D投入的纯技术效率和规模效率均大于0.9，也就是说R&D投入效率达到了较高水平。从绝对数上看，此部分行业资金投入与人力投入全国总量的比重均达90%以上。
第二类，规模效率较为有效，纯技术效率较低的行业。包括：采矿业，电力、燃气及水的生产和供应业，租赁和商务服务业3个行业，这3个行业规模效率达到了0.9左右，而纯技术效率不足0.8，说明此类行业科学研究能力与管理水平不高，应当加强此方面的管理。
第三类，纯技术效率相对有效，而规模效率较低的行业，包括文化、体育和娱乐业1个行业，其规模效率仅为0.241，说明科学研究规模不适当，同时，由于其处于规模报酬递增阶段，因此，可通过扩大R&D投入的规模实现此类行业R&D投入的有效。
第四类，纯技术效率和规模效率均没有达到有效的行业，包括建筑业1个行业，建筑业的纯技术效率和规模效率分别为0.679和0.798，可见，建筑业R&D投入没有达到有效的原因既是由于科学研究能力和管理水平不高导致的，也是由于R&D研究的规模不适当造成的，由于建筑业处在规模报酬递减阶段，因此，应适当减少科技投入规模。
（三）不同地区R&D投入效率分析
同样，根据效率评估结果，可将不同地区R&D投入产出效率情况进行划分，由于不存在纯技术效率和规模效率均未达到有效的地区（如表3所示），因此，将中国不同地区的R&D投入产出效率情况划分为以下三类：
第一类，R&D投入效率总体有效的地区，包括天津、上海、江苏、浙江、山东、湖北、湖南、海南、贵州和云南10个地区。这些地区不论是纯技术效率还是规模效率都是有效的，说明在目前产出水平下，R&D投入是有效的。
第二类，规模效率较为有效但纯技术效率较低的地区，包括河北、山西、内蒙古、辽宁、吉林、黑龙江、福建、江西、河南、重庆、四川、陕西、甘肃和青海14个地区，其中内蒙古和河北的纯技术效率还未达到0.6，处于这一类的地区综合效率不高的主要原因在于纯技术效率不高，也就是说只有提高相应的研究生产能力和管理水平才能有效地提高这些地区R&D投入产出效率水平。
第三类，纯技术效率相对有效而规模效率较低的地区，包括北京、安徽、广东、广西、西藏、宁夏和新疆7个地区。这7个地区中，除西藏之外的6个地区均处于规模报酬递减阶段，因此，应当通过适当减少R&D投入规模来提高这6个地区的R&D投入产出效率，而就西藏而言，应当继续增加R&D科技投入以实现规模效率的提高。
三、相关建议
通过对2009年中国R&D资源清查数据进行分析，笔者发现，中国R&D投入产出效率整体上处于较高的水平，但具体来看，不同地区、不同行业之间仍存在很大的差距。一些行业和地区的R&D投入效率还有待进一步提高。针对上文的分析，对中国R&D投入提出以下建议。
（一）在保证必要投入规模的同时，进一步加强中国R&D研究能力
根据R&D投入效率的分析，中国R&D投入效率处于较高的水平。但具体来看，在分析的31个地区中有17个地区处于规模报酬递减阶段，即目前的R&D投入相对过剩，也就是说相对于目前的R&D投入规模，研究与管理能力不足，要提高R&D投入产出效率，首先要提高中国R&D的研究水平。
（二）加大推动地方之间的交流与合作力度
鉴于目前中国各行业、各地区R&D投入效率方面还存在较大的差异，建议加强行业间、地区间研究与管理经验的交流，通过提高R&D研究能力以及管理水平的改善来提升投入产出水平。
（三）逐步建立基于效率的R&D投入机制
进一步加强全国各行业、各地区甚至是各企业R&D投入产出效率的评价，形成基于效率的投入机制，从而促进研究投入分配更为合理。对投入效率较高的单位给予更多的支持，对投入效率低的单位应根据评价结果找出影响因素，有针对性地提出整改措施，使有限的资源发挥出更大的效益。
参考文献：
［１］Abbott， M.& Doucouliagosa， H. The Efficiency of Australian Universities: A Data Envelopment Analysis. Economics of Education Review， 2003，（22）： 89-97.
［２］陆根书，刘蕾.教育部直属高校自然科学研究效率及发展趋势研究［Ｊ］.高等工程教育研究，2006，（1）.
［３］窦艳，师萍.基于DEA的企业R&D投入绩效分析［Ｊ］.工业技术经济，2006，（5）.
［４］石晓峰，DEA方法在非营利性科研机构绩效评价中的应用［Ｊ］.河北省科学院学报，2006，（2）.
责任编辑、校对：秦学诗
Analysis on Input-output Efficiency of China' R&D Resources
Luo Yanping
（Statistics Accounting Department, National Defense Science and Technology Industrial Bureau Information Centre,
Beijing 100081, China）
Abstract： Research and development activities play important roles on enterprise competitiveness. Based on the data envelopment analysis, the author evaluated the input-output efficiency of R&D resources in 2009. Presently, the overall level of input-output efficiency of R&D resources is relatively high. However, there are some differences between industries and between areas. The low study ability and management level are the important influencing factors of low input-output efficiency of R&D resources.
Key words：DEA; R&D; input-output efficiency
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文