论文部分内容阅读
摘要：从产学研合作的视角，构建了投入产出指标体系，采用Malmquist指数法和BCC模型测算了我国各地区大中型工业企业2008-2010年的技术创新效率，并按2010年的纯技术效率和规模效率值将各省份划分为四种不同类型并予以评价。研究表明，2008-2010年我国中西部的大中型工业企业创新效率增幅远高于东部地区；2010年尚有21个省份存在资源投入冗余和产出不足的问题，尤其是“双低型”省份还有较大的改进空间。
关键词：产学研合作；技术创新效率；DEA方法
中图分类号：F273 文献标识码：A
DOI：10.3963/j.issn.16716477.2013.04.012
一、引 言
现阶段，我国各地区之间的经济发展很不平衡，且差距越来越大。鉴于技术创新在实现经济增长方面的转变及在促进区域经济发展方面的突出作用，各地区已将提升区域技术创新能力作为其积极推行的战略性方针。作为区域创新的主力军，大中型工业企业推动着整个工业的发展，其技术创新效率很大程度上影响着区域创新的发展[12]。因此，研究各省之间大中型工业企业技术创新效率的差异显示出迫切的必要性，且亟需发现省与省之间的差距，找出各省在资源配置与利用方面存在的问题以及应改进的方向。
从整体上来看，学者们对大中型工业企业技术创新效率的专门研究主要集中在三方面：一是影响大中型工业企业技术创新效率的因素分析。唐清泉和卢博科[3]研究发现，适宜的行业规模和充分的政府资金有利于R&D效率的提高。段云龙[4]通过分析得出制度结构是重要的影响指标的结论，该结论存在局限性，因为各个地区所处的环境差异较大，制度结构并不一定是某些省企业创新效率的主要障碍。二是对技术创新效率变动情况的研究。姜波[5]利用面板数据分析了我国大中型工业企业2001-2008年间技术创新效率的动态变化，但没有对东部、中部和西部进行空间分布的特征分析。三是对各省份或者某一省份各行业进行的技术创新效率评价。如许敏、谢玲玲等[1]对我国各省区大中型工业企业技术创新效率进行了研究；李小双等[5]则按行业分类对新疆大中型工业企业技术创新能力进行了分析。但他们在评价指标的选取上仅站在企业的角度来考虑投入与产出，而目前区域企业的创新能力不单纯是依靠自身的资源能力就能实现的，还要依靠政府、高校、研究所等机构的支持与合作。
通过已有文献发现，鲜有学者从产学研合作的视角来研究区域企业的技术创新效率。当前企业的创新行为已不是仅靠其自身进行的活动，尤其对大中型工业企业来讲，它们可以根据自身的创新需求通过合作互惠等方式从企业外部寻求帮助，既能够获得各区域政府的资助，又能够从高校和科研机构获取创新资源，从而帮助企业加速提升自身的创新能力。总之，产学研合作俨然已成为大中型工业企业近些年来的创新模式。但长期以来，各个地区的工业企业通过产学研合作取得的创新成效如何，是否存在浪费严重，只是流于合作形式等效率低下的现象。这些问题值得进行详细且深入的探讨与研究，需要提出有效的改进措施以使工业企业的技术创新水平得到显著提升。因此，本文基于产学研合作的视角考虑企业的投入产出，采用Malmquist指数法对2008-2010年我国各地区大中型工业企业的技术创新效率进行测算，同时运用BCC模型计算出各省份2010年的技术创新效率，并按纯技术效率和规模效率将30个省份划分为四种不同类型予以评价，以期为各省企业采取合理措施实现资源有效配置，提高技术创新能力提供决策依据。
二、研究方法
（一）DEA模型的建立
数据包络分析（DEA）方法是著名学者Charnes和Cooper等在相对效率评价概念基础上发展起来的一种系统分析方法，是根据多指标投入和多指标产出对相同类型的单位进行相对有效性或效益评价的方法。该方法不需要对数据进行无量纲化处理，为研究带来了极大方便。从数值上来讲，DEA方法是以相对效率为计算基础的。效率的一般计算式为： 效率 = 产出/投入。以企业为例，如果某企业在一定的生产资源下获得最大量的产出，或是在产出一定的情况下付出的成本最小，那么该企业的投入产出就达到最优，其生产经营便是有效率的；否则就是无效或是低效率的。
CCR模型和BCC模型是两种被学者们广泛应用的模型。在实际的生产过程中，决策单元处在最佳生产规模的可能性不大，而CCR模型的假设前提要求决策单元处于规模收益不变的状态，但BCC模型没有这个假设前提，它允许各决策单元处在任何状态。因此，本文选用BCC模型对决策单元进行分析。
本研究将一个地区的所有大中型工业企业为一个决策单元（DMU），假设有n个DMU，每个DMU有m种投入，s种产出，xij表示第j个DMU的第i种投入总量，yij表示第j个DMU的第i种产出总量。同时，本文从投入的角度研究，其模型如下式：
（二）Malmquist指数
Malmquist指数最先是由Malmquist[6]于1953年在研究多个群体的消费特征差异时提出的，Caves等[7]学者随后将其应用于生产率变化的测算，而Fare等人[8]在此基础上将该指数与DEA方法相融合，构建了一种非参数的线性规划测算法，并在实证分析中被广泛应用。基于DEA方法的Malmquist指数分析能够考察全国30个省份大中型工业企业技术创新效率的动态变化情况。在Malmquist指数模型中，全要素生产率指数（tfpch）可分解为技术效率指数（effch）和技术进步指数（techch）。而在规模报酬可变的BCC模型中，由于技术效率还可进一步分解为纯技术效率（pech）和规模效率（sech），因而全要素生产率变化可表示为：
tfpch=effch×techch=techch×（pech×sech）（2）
若式（2）中各个分量的数值大于1，则表明存在正的进步性变化，反之则存在阻碍作用。 三、指标体系构建
（一）以企业为中心的产学研合作创新内涵
以企业为中心的产学研合作是指各地区企业在政府的引导下，与高校及科研机构合作进行的技术创新活动。我国从2006年就明确将产学研合作提升到国家战略的高度，要求积极建立以企业为主体，产学研结合的技术创新体系。这在很大程度上体现了企业在产学研合作过程中的重要性。事实上，快速提升企业创新能力的重要途径就是让企业以市场为导向，在政府的扶持下，与高校、科研院所等进行合作，围绕研究开发生产出科技含量高，附加值大的新工艺、新产品，从而提高企业效益。近些年国内部分企业的实践也证明了这一点，如宝山钢铁公司。该公司将产学研合作纳入其创新文化中，采取校企联合培养创新人才，开展合作项目，共建实验室等多种形式提升创新能力，通过多年的发展形成了适合自身发展的产学研合作模式，并取得了瞩目的成效。但值得注意的是，国内在产学研合作方面取得成功的企业并不多，很多企业在产学研合作过程中存在很多问题，取得的成效也不显著。当前，各区域的工业企业难以有效提升企业的技术创新能力，在很大程度上影响着整个区域的创新水平。因此，对于企业如何在产学研合作中，通过资源优化配置，实现企业研发能力的提升及合作绩效的提高，成为各区域企业高度关注的问题。作为区域创新的微观主体，工业企业要在产学研合作过程中获取有效的成果，就必须重视资源的优化配置，进而提高企业的技术创新效率水平。
（二）指标的选取
本文从产学研合作的视角出发，根据区域大中型工业企业的特点，构建了区域大中型工业企业技术创新效率的投入产出指标。见表1。
由于在产学研合作创新中，政府对企业、高校及科研机构的扶持和指导作用必不可少，因而在投入指标上从企业、政府、高校及科研机构三个角度进行选择。从区域企业自身来讲，包括所有大中型工业企业的R&D人员全时当量，所有企业自身的资金投入总和；从政府角度来讲，则主要是指当地政府对大中型工业企业的资金投入；从高校及科研机构来讲，涉及该区域范围内拥有研究机构企业数的比例，因为该变量能够反映企业对研发投入的重视程度，且企业研究机构的建设需要与高校和科研机构进行高度合作，另一个考虑因素则是各区域工业企业对二者的R&D经费支出总和。
产出指标借鉴学者樊霞、潘雄峰等的研究[910]，选取两个产出变量，发明专利数和新产品产值。其中，发明专利技术含量高，反映企业产学研合作的中间成果，能够从整体上反映区域的创新能力；新产品产值则从经济层面上反映区域企业因技术创新而获得的效益。
四、实证分析
（一）数据来源
本文拟定以我国31个省、市、自治区的大中型工业企业为研究样本，对它们在2008-2010年的创新效率进行分析，数据来自于2008年至2011年的《中国科技统计年鉴》和《工业企业科技活动统计资料》。但由于西藏地区的相关数据缺失，所以予以剔除，确定最终的决策单元为30个地区。同时，考虑到投入与产出存在时滞，将滞后期定为1年[11]。如评价2008年的技术创新效率时，投入指标选取2007年的数据，产出指标选取2008年的数据。2009年和2010年的数据选取依此类推。
（二）2008-2010年技术创新全要素生产率分析
本文运用DEAP2.1软件对2008-2010年三年间我国各个省市大中型工业企业技术创新的Malmquist生产率指数进行测算和分解，反映它们创新效率的变化及差异情况。同时，将30个省份分为东、中、西三大区域进行空间比较分析。见表2。
由表2可知，2008-2010年全国大中型工业企业创新效率的平均增长率为24.9%，主要源于中部和西部的大幅增长，增长率分别为29.1%和40.2%，技术进步的平均增长率为15.8%，而技术效率的平均增长率为7.8%，仅为技术进步平均增长率的50%，这主要是由于规模效率下降引起的，平均增长率为-2.9%。该结果表明我国各省份大中型工业企业在资源投入要素的使用效率和管理效率上存在问题，也没有根据实际情况设置符合自身发展的创新活动规模。按照东、中、西三大区域来看，推动技术创新全要素生产率增长的动力源泉与全国保持一致，均源于技术进步的提高，但东部的技术进步指数（6.9%）远低于中部和西部的指数（分别为23.2%和20.6%），这表明2008-2010年中部和西部通过技术创新活动取得了显著的成效，当然这与国家实施的中部崛起战略和西部大开发战略等有关。
从整体上来看，除了北京、上海的全要素生产率为负增长外，分别为-1.8%和-7.7%，其他省份均呈现不同程度的提升，主要原因是这两个省份的技术进步速度较为迟缓，这表明它们虽然在产学研的资源投入方面有强大的优势，但2008-2010年这3年在技术开发和扩散等方面与自身相比发展缓慢。河北、辽宁等12个省份在规模效率上均呈现负增长，尤其是黑龙江、江西和青海3个省的规模效率表现出大幅度的降低，明显阻碍了技术效率的增长，从深层次上反映出这3个省大中型工业企业创新管理水平亟待改进，创新活动的规模亟需调整。
（三）各省市2010年创新效率截面数据分析
1. 有效性分析。
使用DEAP Version 2.1软件计算得出各省市2010年的技术创新效率。分析结果可知，30个省份中有9个实现了DEA有效，即北京、天津、吉林、上海、浙江、山东、广东、海南、重庆，其纯技术效率和规模效率均为1，反映出这些地区的技术与规模都实现了有效性。同时，本文参考Michael等[12]人对整体效率值强度的分类[12]，将运行结果以0.9的效率值为临界点，把30个省份的技术创新效率分为4种类型，其空间分布见图1。
图1 各省份纯技术效率和规模效率分布图
第一种为“双高型”，即纯技术效率和规模效率均在0.9以上，该类型的省份创新管理水平较高，规模设置合理。属于“双高型”的省市包括DEA有效的北京、天津、吉林等9个省市，基本实现了产学研投入要素的优化配置。 第二种为“高低型”，处于纯技术效率高（0.9以上）而规模效率低（0.9以下）的状态，即拥有良好的创新管理水平但未形成规模优势。河北、宁夏、山西、内蒙古属于该种类型，它们需要重点改进的是规模效率，尤其是山西（规模效率值在0.4以下），应进一步扩大生产规模，对产学研各方投入的资金、人员等进行集中整合，使投入的资源实现产出最大化。
第三种为纯技术效率低但规模效率高的“低高型”，只注重扩大规模而忽视管理效率，涉及湖北、湖南、安徽、贵州、福建和广西6个省，它们在后续发展中应关注纯技术效率的改进，通过提升技术管理水平来提高大中型工业企业的生产经营效率。
第四种为纯技术效率和规模效率均在0.9以下的“双低型”，如辽宁、云南、甘肃、陕西、四川、河南、新疆、江西、黑龙江、青海10个省份，这些省在两种效率上均有进一步的改进空间，但困难较大，因为它们需要在技术管理和生产规模两方面同时进行改善。这里需要引起重视的是，陕西和河南的纯技术效率值不到0.6，远低于其他省，因而要加大力度提高经营管理水平，以改进纯技术效率。而黑龙江和青海两省的规模效率值均在0.4以下，则应高度关注规模效率的提升，迫切需要扩大创新活动的规模。
2. 非DEA有效单元的改进方向。
根据DEA理论，对非DEA有效的单元可以通过松弛变量来分析它们需要改进的方向和程度，从而使其效率达到相对有效的状态。在计算得出各省市技术创新效率的基础上，研究进一步发现，安徽、四川、江西等18个省份的投入与产出松弛变量不全为零，反映了这些地区的投入要素繁赘，产出还未实现最大化。从投入方面来看，除了广西外，其他地区对R&D人员的投入都存在冗余。尤其是河北，在原产出保持不变的情况下，人员冗余高达1.4万人，可见扩大生产规模提升规模效率是其首要解决的问题；福建、贵州等14个省对政府所投入的资金未进行充分利用（该项投入的松弛变量非零）。从绝对量上来看，陕西的政府资金使用效率较低，且参考其较低的纯技术效率可知该省在政府资金管理方面存在较大的问题；江苏、湖南等15个省份的企业对科研机构所投入的科研经费也存在冗余。从产出来看，18个省份中，江苏、广西、四川、辽宁等6个省的发明专利数产出相对不足，对于“双高型”的江苏来说，实施一些促进政策能够继续提高产出水平；而对于新产品产值这项产出变量，则有贵州、黑龙江和青海3个省未实现最大化，同时，从图1中可知，这3个省的纯技术效率值小于0.9，因而提升管理水平和经营效率是它们在后续发展中所需要解决的问题。见表3。
（四）研究结论
通过实证分析结果可以发现：第一，2008-2010年我国中、西部大中型工业企业创新效率以平均为35%的增长率远高于东部地区，这主要源于中西部技术进步的推动作用。第二，全国将近2/3的省份未实现DEA有效，通过产学研合作来实现技术创新的效果还有待提升。整体来看，除河北和辽宁两省外，东部地区以工业企业为中心的产学研合作情况较好，技术创新效率高。而中部地区的江西、山西、黑龙江等省份综合效率却远低于西部地区的贵州、广西、宁夏等省，主要原因是中部这几个省的规模效率偏低。总之，“高低型”、“低高型”和“双低型”省份均存在不同程度的问题，尤其是对于“双低型”省分来说，亟需在后续发展中解决其在产学研合作方面存在的技术和规模问题，积极进行改善。第三，非DEA有效地区在资金投入上存在很大冗余现象。不管是企业自身的资金投入，政府对企业的资金投入，还是企业对科研院所的经费投入，基本都未得到充分利用；在人员投入上也显现了投入过多的问题，或者是由于流动性等原因使这些研究人员未充分发挥出自己的创新能力。
五、应对策略
（一）加快东部地区技术进步的步伐
相对于自身的经济发展水平来讲，东部地区2008-2010年的技术进步速度相对缓慢，三年间未呈现显著提升，反映了东部地区产学研合作创新已达到较为成熟的水平，面临发展瓶颈，需要寻求突破的新途径。一方面，在借鉴美国硅谷的区域创新网络和芬兰的信息通信联盟等基础上，东部地区企业应突破其与高校及研究机构等创新主体的壁垒，积极探索新型产学研协同创新模式，在加强深度合作的同时，提高要素的使用率和创新产出率。另一方面，积极参与亚太、北美地区等国际间的产学研合作，尤其要加强在新能源、新材料、生物技术、低碳技术等新兴产业方面的合作，孵化和培育一批具有国际竞争力的高技术企业，形成显著的示范效应和辐射效应，加快高新技术创新、扩散与转移的速度。
（二）重点提高各省市的规模效率
各省市需通过技术联盟或者产业集聚扩大创新活动的规模，形成规模优势来提升规模效率。2008-2010年全国的规模效率平均增长率为负，12个省出现了负增长，其他9个省的增长率虽然为正但增长幅度很低，因而亟需改进其规模效率。具体来讲，各省应结合区域特色产业优势，以省会为中心，其他市、县、乡为辐射点，按区发展集中优势，按需分配创新资源，形成产业分工链，通过产学研合作联盟做大做强本省的主导产业。另外，大中型企业应进行强强联合，优势互补，共享和优化科技创新资源，促进先进技术的研究与开发，利用规模优势在降低成本的同时加速创新产出，进而提升规模效率。
（三）提升非DEA有效地区的创新效率
第一，引入资金管理机制，提高资金利用率。从资金投入方向上看，企业应明确发展目标，在产学研合作创新项目中选择有发展潜力的、投资回报率高的项目，以期更大限度地提高资金投入效益。资金使用方面，企业在项目实施前需科学编制资金预算，根据已有条件进行项目论证，避免资源冗余。在实施中跟踪资金流动，并及时反馈，如在跟高校和科研机构合作时，应定期让其提交经费使用报告，防止出现资金浪费或挪为他用的现象。实施完成后对资金的实际使用情况和预算进行对比分析，及时发现资金结构的不合理之处，为今后创新合作项目的资金预算提供依据。 第二，合理分配科技人员，提升其创新能力。由研究结果可知，除了江苏、湖南、广西和辽宁四省外，其他非DEA有效地区的大中型工业企业都存在科技人员冗余现象，这表明很多省市在科技人员投入上存在闲置、高重复和低效率的问题。因此一方面要对科技人员的分配进行调整，另一方面要提升其创新能力。各省的企业应根据实际情况调查和核实其需要的科技人员数量，组织高水平的人员与省内外的高校、科研院所及其他企业的科技人员进行交流与学习，安排实践经验丰富的科技人员在一线进行指导，并及时反馈创新活动中存在的问题。另外，在必要时从外部引进有实力的科技创新人才，给企业带来新的创新活力，加强企业原有科技人员的竞争意识，激励其积极创新，进而提升企业技术开发、吸收、消化和转化的能力。
第三，建立互惠互利的动态合作机制。产学研合作视角下的企业技术创新效率的提升不仅归于企业自身，还涉及政府、高校、科研机构、中介服务和金融机构等主体，因而容易出现投入要素重复、协调难度大、管理混乱、产权归属等问题。这就要求各省市应根据其合作现状，及时制定公平的对各方均有利的政策，来引导各主体进行合作创新，建立合作创新制度，确定各方的权力与义务。要明确企业在产学研合作中的中心地位。让企业以市场为导向，把握市场需求和研究方向，进而向其他主体传达创新资源的需求状况，使高校和科研机构的研究与产业相对接，使政府和金融机构明确企业的资金需求量，使中介服务机构有目的地调动创新资源。企业在此基础上整合和优化创新资源，从而加快创新能力的提升，最终使区域合作创新形成循环有序的运作体系。
[参考文献]
[1] 许 敏，谢玲玲.基于DEA的我国大中型工业企业技术创新效率评价研究[J].科学管理研究，2012（3）：7476.
[2] 姜 波.中国区域大中型工业企业技术创新效率变动的实证研究[J].情报杂志，2012（2）：8186.
[3] 唐清泉，卢博科.创新效率、行业间差异及其影响因素[J].中山大学学报：社会科学版，2009（6）：187195.
[4] 段云龙，王荣党.我国省区大中型工业企业技术创新效率差异的实证分析[J].经济问题探索，2010（8）：109112.
[5] 李小双，孙 慧，李 苑.基于DEA的新疆大中型工业企业技术创新效率研究[J].企业经济，2011（10）：2023.
[6] Malmquist S.Index numbers and indifference surfaces[J].Trabajos de Estatistica，1953（4）：209242.
[7] Caves D W，Christensen L R，Diewert W E. The economic theory of index numbers and the measurement of input， output and productivity[J].Econometrical，1982，50（6）：13931414.
[8] Fare R，Grosskopf S，Lovell C A K.Production frontiers[M].London：Cambridge University Press，1994.
[9] 樊 霞，赵丹萍，何 悦.企业产学研合作的创新效率极其影响因素研究[J].科研管理，2012（2）：3339.
[10] 潘雄峰，刘凤朝.中国区域工业企业技术创新效率变动极其收敛性研究[J].管理评论，2010（2）：5964.
[11] 孙绪华，陈诗波，王艳芬.我国科技资源研发效率监测及其影响因素分析[J].管理评论，2012（9）：8392.
[12] Michael Norman，Barry Stocker.Data Envelopment Analysis：The Assessment of Performance[M].New York：John Wiley & Sons， 1991.
（责任编辑 王婷婷）
关键词：产学研合作；技术创新效率；DEA方法
中图分类号：F273 文献标识码：A
DOI：10.3963/j.issn.16716477.2013.04.012
一、引 言
现阶段，我国各地区之间的经济发展很不平衡，且差距越来越大。鉴于技术创新在实现经济增长方面的转变及在促进区域经济发展方面的突出作用，各地区已将提升区域技术创新能力作为其积极推行的战略性方针。作为区域创新的主力军，大中型工业企业推动着整个工业的发展，其技术创新效率很大程度上影响着区域创新的发展[12]。因此，研究各省之间大中型工业企业技术创新效率的差异显示出迫切的必要性，且亟需发现省与省之间的差距，找出各省在资源配置与利用方面存在的问题以及应改进的方向。
从整体上来看，学者们对大中型工业企业技术创新效率的专门研究主要集中在三方面：一是影响大中型工业企业技术创新效率的因素分析。唐清泉和卢博科[3]研究发现，适宜的行业规模和充分的政府资金有利于R&D效率的提高。段云龙[4]通过分析得出制度结构是重要的影响指标的结论，该结论存在局限性，因为各个地区所处的环境差异较大，制度结构并不一定是某些省企业创新效率的主要障碍。二是对技术创新效率变动情况的研究。姜波[5]利用面板数据分析了我国大中型工业企业2001-2008年间技术创新效率的动态变化，但没有对东部、中部和西部进行空间分布的特征分析。三是对各省份或者某一省份各行业进行的技术创新效率评价。如许敏、谢玲玲等[1]对我国各省区大中型工业企业技术创新效率进行了研究；李小双等[5]则按行业分类对新疆大中型工业企业技术创新能力进行了分析。但他们在评价指标的选取上仅站在企业的角度来考虑投入与产出，而目前区域企业的创新能力不单纯是依靠自身的资源能力就能实现的，还要依靠政府、高校、研究所等机构的支持与合作。
通过已有文献发现，鲜有学者从产学研合作的视角来研究区域企业的技术创新效率。当前企业的创新行为已不是仅靠其自身进行的活动，尤其对大中型工业企业来讲，它们可以根据自身的创新需求通过合作互惠等方式从企业外部寻求帮助，既能够获得各区域政府的资助，又能够从高校和科研机构获取创新资源，从而帮助企业加速提升自身的创新能力。总之，产学研合作俨然已成为大中型工业企业近些年来的创新模式。但长期以来，各个地区的工业企业通过产学研合作取得的创新成效如何，是否存在浪费严重，只是流于合作形式等效率低下的现象。这些问题值得进行详细且深入的探讨与研究，需要提出有效的改进措施以使工业企业的技术创新水平得到显著提升。因此，本文基于产学研合作的视角考虑企业的投入产出，采用Malmquist指数法对2008-2010年我国各地区大中型工业企业的技术创新效率进行测算，同时运用BCC模型计算出各省份2010年的技术创新效率，并按纯技术效率和规模效率将30个省份划分为四种不同类型予以评价，以期为各省企业采取合理措施实现资源有效配置，提高技术创新能力提供决策依据。
二、研究方法
（一）DEA模型的建立
数据包络分析（DEA）方法是著名学者Charnes和Cooper等在相对效率评价概念基础上发展起来的一种系统分析方法，是根据多指标投入和多指标产出对相同类型的单位进行相对有效性或效益评价的方法。该方法不需要对数据进行无量纲化处理，为研究带来了极大方便。从数值上来讲，DEA方法是以相对效率为计算基础的。效率的一般计算式为： 效率 = 产出/投入。以企业为例，如果某企业在一定的生产资源下获得最大量的产出，或是在产出一定的情况下付出的成本最小，那么该企业的投入产出就达到最优，其生产经营便是有效率的；否则就是无效或是低效率的。
CCR模型和BCC模型是两种被学者们广泛应用的模型。在实际的生产过程中，决策单元处在最佳生产规模的可能性不大，而CCR模型的假设前提要求决策单元处于规模收益不变的状态，但BCC模型没有这个假设前提，它允许各决策单元处在任何状态。因此，本文选用BCC模型对决策单元进行分析。
本研究将一个地区的所有大中型工业企业为一个决策单元（DMU），假设有n个DMU，每个DMU有m种投入，s种产出，xij表示第j个DMU的第i种投入总量，yij表示第j个DMU的第i种产出总量。同时，本文从投入的角度研究，其模型如下式：
（二）Malmquist指数
Malmquist指数最先是由Malmquist[6]于1953年在研究多个群体的消费特征差异时提出的，Caves等[7]学者随后将其应用于生产率变化的测算，而Fare等人[8]在此基础上将该指数与DEA方法相融合，构建了一种非参数的线性规划测算法，并在实证分析中被广泛应用。基于DEA方法的Malmquist指数分析能够考察全国30个省份大中型工业企业技术创新效率的动态变化情况。在Malmquist指数模型中，全要素生产率指数（tfpch）可分解为技术效率指数（effch）和技术进步指数（techch）。而在规模报酬可变的BCC模型中，由于技术效率还可进一步分解为纯技术效率（pech）和规模效率（sech），因而全要素生产率变化可表示为：
tfpch=effch×techch=techch×（pech×sech）（2）
若式（2）中各个分量的数值大于1，则表明存在正的进步性变化，反之则存在阻碍作用。 三、指标体系构建
（一）以企业为中心的产学研合作创新内涵
以企业为中心的产学研合作是指各地区企业在政府的引导下，与高校及科研机构合作进行的技术创新活动。我国从2006年就明确将产学研合作提升到国家战略的高度，要求积极建立以企业为主体，产学研结合的技术创新体系。这在很大程度上体现了企业在产学研合作过程中的重要性。事实上，快速提升企业创新能力的重要途径就是让企业以市场为导向，在政府的扶持下，与高校、科研院所等进行合作，围绕研究开发生产出科技含量高，附加值大的新工艺、新产品，从而提高企业效益。近些年国内部分企业的实践也证明了这一点，如宝山钢铁公司。该公司将产学研合作纳入其创新文化中，采取校企联合培养创新人才，开展合作项目，共建实验室等多种形式提升创新能力，通过多年的发展形成了适合自身发展的产学研合作模式，并取得了瞩目的成效。但值得注意的是，国内在产学研合作方面取得成功的企业并不多，很多企业在产学研合作过程中存在很多问题，取得的成效也不显著。当前，各区域的工业企业难以有效提升企业的技术创新能力，在很大程度上影响着整个区域的创新水平。因此，对于企业如何在产学研合作中，通过资源优化配置，实现企业研发能力的提升及合作绩效的提高，成为各区域企业高度关注的问题。作为区域创新的微观主体，工业企业要在产学研合作过程中获取有效的成果，就必须重视资源的优化配置，进而提高企业的技术创新效率水平。
（二）指标的选取
本文从产学研合作的视角出发，根据区域大中型工业企业的特点，构建了区域大中型工业企业技术创新效率的投入产出指标。见表1。
由于在产学研合作创新中，政府对企业、高校及科研机构的扶持和指导作用必不可少，因而在投入指标上从企业、政府、高校及科研机构三个角度进行选择。从区域企业自身来讲，包括所有大中型工业企业的R&D人员全时当量，所有企业自身的资金投入总和；从政府角度来讲，则主要是指当地政府对大中型工业企业的资金投入；从高校及科研机构来讲，涉及该区域范围内拥有研究机构企业数的比例，因为该变量能够反映企业对研发投入的重视程度，且企业研究机构的建设需要与高校和科研机构进行高度合作，另一个考虑因素则是各区域工业企业对二者的R&D经费支出总和。
产出指标借鉴学者樊霞、潘雄峰等的研究[910]，选取两个产出变量，发明专利数和新产品产值。其中，发明专利技术含量高，反映企业产学研合作的中间成果，能够从整体上反映区域的创新能力；新产品产值则从经济层面上反映区域企业因技术创新而获得的效益。
四、实证分析
（一）数据来源
本文拟定以我国31个省、市、自治区的大中型工业企业为研究样本，对它们在2008-2010年的创新效率进行分析，数据来自于2008年至2011年的《中国科技统计年鉴》和《工业企业科技活动统计资料》。但由于西藏地区的相关数据缺失，所以予以剔除，确定最终的决策单元为30个地区。同时，考虑到投入与产出存在时滞，将滞后期定为1年[11]。如评价2008年的技术创新效率时，投入指标选取2007年的数据，产出指标选取2008年的数据。2009年和2010年的数据选取依此类推。
（二）2008-2010年技术创新全要素生产率分析
本文运用DEAP2.1软件对2008-2010年三年间我国各个省市大中型工业企业技术创新的Malmquist生产率指数进行测算和分解，反映它们创新效率的变化及差异情况。同时，将30个省份分为东、中、西三大区域进行空间比较分析。见表2。
由表2可知，2008-2010年全国大中型工业企业创新效率的平均增长率为24.9%，主要源于中部和西部的大幅增长，增长率分别为29.1%和40.2%，技术进步的平均增长率为15.8%，而技术效率的平均增长率为7.8%，仅为技术进步平均增长率的50%，这主要是由于规模效率下降引起的，平均增长率为-2.9%。该结果表明我国各省份大中型工业企业在资源投入要素的使用效率和管理效率上存在问题，也没有根据实际情况设置符合自身发展的创新活动规模。按照东、中、西三大区域来看，推动技术创新全要素生产率增长的动力源泉与全国保持一致，均源于技术进步的提高，但东部的技术进步指数（6.9%）远低于中部和西部的指数（分别为23.2%和20.6%），这表明2008-2010年中部和西部通过技术创新活动取得了显著的成效，当然这与国家实施的中部崛起战略和西部大开发战略等有关。
从整体上来看，除了北京、上海的全要素生产率为负增长外，分别为-1.8%和-7.7%，其他省份均呈现不同程度的提升，主要原因是这两个省份的技术进步速度较为迟缓，这表明它们虽然在产学研的资源投入方面有强大的优势，但2008-2010年这3年在技术开发和扩散等方面与自身相比发展缓慢。河北、辽宁等12个省份在规模效率上均呈现负增长，尤其是黑龙江、江西和青海3个省的规模效率表现出大幅度的降低，明显阻碍了技术效率的增长，从深层次上反映出这3个省大中型工业企业创新管理水平亟待改进，创新活动的规模亟需调整。
（三）各省市2010年创新效率截面数据分析
1. 有效性分析。
使用DEAP Version 2.1软件计算得出各省市2010年的技术创新效率。分析结果可知，30个省份中有9个实现了DEA有效，即北京、天津、吉林、上海、浙江、山东、广东、海南、重庆，其纯技术效率和规模效率均为1，反映出这些地区的技术与规模都实现了有效性。同时，本文参考Michael等[12]人对整体效率值强度的分类[12]，将运行结果以0.9的效率值为临界点，把30个省份的技术创新效率分为4种类型，其空间分布见图1。
图1 各省份纯技术效率和规模效率分布图
第一种为“双高型”，即纯技术效率和规模效率均在0.9以上，该类型的省份创新管理水平较高，规模设置合理。属于“双高型”的省市包括DEA有效的北京、天津、吉林等9个省市，基本实现了产学研投入要素的优化配置。 第二种为“高低型”，处于纯技术效率高（0.9以上）而规模效率低（0.9以下）的状态，即拥有良好的创新管理水平但未形成规模优势。河北、宁夏、山西、内蒙古属于该种类型，它们需要重点改进的是规模效率，尤其是山西（规模效率值在0.4以下），应进一步扩大生产规模，对产学研各方投入的资金、人员等进行集中整合，使投入的资源实现产出最大化。
第三种为纯技术效率低但规模效率高的“低高型”，只注重扩大规模而忽视管理效率，涉及湖北、湖南、安徽、贵州、福建和广西6个省，它们在后续发展中应关注纯技术效率的改进，通过提升技术管理水平来提高大中型工业企业的生产经营效率。
第四种为纯技术效率和规模效率均在0.9以下的“双低型”，如辽宁、云南、甘肃、陕西、四川、河南、新疆、江西、黑龙江、青海10个省份，这些省在两种效率上均有进一步的改进空间，但困难较大，因为它们需要在技术管理和生产规模两方面同时进行改善。这里需要引起重视的是，陕西和河南的纯技术效率值不到0.6，远低于其他省，因而要加大力度提高经营管理水平，以改进纯技术效率。而黑龙江和青海两省的规模效率值均在0.4以下，则应高度关注规模效率的提升，迫切需要扩大创新活动的规模。
2. 非DEA有效单元的改进方向。
根据DEA理论，对非DEA有效的单元可以通过松弛变量来分析它们需要改进的方向和程度，从而使其效率达到相对有效的状态。在计算得出各省市技术创新效率的基础上，研究进一步发现，安徽、四川、江西等18个省份的投入与产出松弛变量不全为零，反映了这些地区的投入要素繁赘，产出还未实现最大化。从投入方面来看，除了广西外，其他地区对R&D人员的投入都存在冗余。尤其是河北，在原产出保持不变的情况下，人员冗余高达1.4万人，可见扩大生产规模提升规模效率是其首要解决的问题；福建、贵州等14个省对政府所投入的资金未进行充分利用（该项投入的松弛变量非零）。从绝对量上来看，陕西的政府资金使用效率较低，且参考其较低的纯技术效率可知该省在政府资金管理方面存在较大的问题；江苏、湖南等15个省份的企业对科研机构所投入的科研经费也存在冗余。从产出来看，18个省份中，江苏、广西、四川、辽宁等6个省的发明专利数产出相对不足，对于“双高型”的江苏来说，实施一些促进政策能够继续提高产出水平；而对于新产品产值这项产出变量，则有贵州、黑龙江和青海3个省未实现最大化，同时，从图1中可知，这3个省的纯技术效率值小于0.9，因而提升管理水平和经营效率是它们在后续发展中所需要解决的问题。见表3。
（四）研究结论
通过实证分析结果可以发现：第一，2008-2010年我国中、西部大中型工业企业创新效率以平均为35%的增长率远高于东部地区，这主要源于中西部技术进步的推动作用。第二，全国将近2/3的省份未实现DEA有效，通过产学研合作来实现技术创新的效果还有待提升。整体来看，除河北和辽宁两省外，东部地区以工业企业为中心的产学研合作情况较好，技术创新效率高。而中部地区的江西、山西、黑龙江等省份综合效率却远低于西部地区的贵州、广西、宁夏等省，主要原因是中部这几个省的规模效率偏低。总之，“高低型”、“低高型”和“双低型”省份均存在不同程度的问题，尤其是对于“双低型”省分来说，亟需在后续发展中解决其在产学研合作方面存在的技术和规模问题，积极进行改善。第三，非DEA有效地区在资金投入上存在很大冗余现象。不管是企业自身的资金投入，政府对企业的资金投入，还是企业对科研院所的经费投入，基本都未得到充分利用；在人员投入上也显现了投入过多的问题，或者是由于流动性等原因使这些研究人员未充分发挥出自己的创新能力。
五、应对策略
（一）加快东部地区技术进步的步伐
相对于自身的经济发展水平来讲，东部地区2008-2010年的技术进步速度相对缓慢，三年间未呈现显著提升，反映了东部地区产学研合作创新已达到较为成熟的水平，面临发展瓶颈，需要寻求突破的新途径。一方面，在借鉴美国硅谷的区域创新网络和芬兰的信息通信联盟等基础上，东部地区企业应突破其与高校及研究机构等创新主体的壁垒，积极探索新型产学研协同创新模式，在加强深度合作的同时，提高要素的使用率和创新产出率。另一方面，积极参与亚太、北美地区等国际间的产学研合作，尤其要加强在新能源、新材料、生物技术、低碳技术等新兴产业方面的合作，孵化和培育一批具有国际竞争力的高技术企业，形成显著的示范效应和辐射效应，加快高新技术创新、扩散与转移的速度。
（二）重点提高各省市的规模效率
各省市需通过技术联盟或者产业集聚扩大创新活动的规模，形成规模优势来提升规模效率。2008-2010年全国的规模效率平均增长率为负，12个省出现了负增长，其他9个省的增长率虽然为正但增长幅度很低，因而亟需改进其规模效率。具体来讲，各省应结合区域特色产业优势，以省会为中心，其他市、县、乡为辐射点，按区发展集中优势，按需分配创新资源，形成产业分工链，通过产学研合作联盟做大做强本省的主导产业。另外，大中型企业应进行强强联合，优势互补，共享和优化科技创新资源，促进先进技术的研究与开发，利用规模优势在降低成本的同时加速创新产出，进而提升规模效率。
（三）提升非DEA有效地区的创新效率
第一，引入资金管理机制，提高资金利用率。从资金投入方向上看，企业应明确发展目标，在产学研合作创新项目中选择有发展潜力的、投资回报率高的项目，以期更大限度地提高资金投入效益。资金使用方面，企业在项目实施前需科学编制资金预算，根据已有条件进行项目论证，避免资源冗余。在实施中跟踪资金流动，并及时反馈，如在跟高校和科研机构合作时，应定期让其提交经费使用报告，防止出现资金浪费或挪为他用的现象。实施完成后对资金的实际使用情况和预算进行对比分析，及时发现资金结构的不合理之处，为今后创新合作项目的资金预算提供依据。 第二，合理分配科技人员，提升其创新能力。由研究结果可知，除了江苏、湖南、广西和辽宁四省外，其他非DEA有效地区的大中型工业企业都存在科技人员冗余现象，这表明很多省市在科技人员投入上存在闲置、高重复和低效率的问题。因此一方面要对科技人员的分配进行调整，另一方面要提升其创新能力。各省的企业应根据实际情况调查和核实其需要的科技人员数量，组织高水平的人员与省内外的高校、科研院所及其他企业的科技人员进行交流与学习，安排实践经验丰富的科技人员在一线进行指导，并及时反馈创新活动中存在的问题。另外，在必要时从外部引进有实力的科技创新人才，给企业带来新的创新活力，加强企业原有科技人员的竞争意识，激励其积极创新，进而提升企业技术开发、吸收、消化和转化的能力。
第三，建立互惠互利的动态合作机制。产学研合作视角下的企业技术创新效率的提升不仅归于企业自身，还涉及政府、高校、科研机构、中介服务和金融机构等主体，因而容易出现投入要素重复、协调难度大、管理混乱、产权归属等问题。这就要求各省市应根据其合作现状，及时制定公平的对各方均有利的政策，来引导各主体进行合作创新，建立合作创新制度，确定各方的权力与义务。要明确企业在产学研合作中的中心地位。让企业以市场为导向，把握市场需求和研究方向，进而向其他主体传达创新资源的需求状况，使高校和科研机构的研究与产业相对接，使政府和金融机构明确企业的资金需求量，使中介服务机构有目的地调动创新资源。企业在此基础上整合和优化创新资源，从而加快创新能力的提升，最终使区域合作创新形成循环有序的运作体系。
[参考文献]
[1] 许 敏，谢玲玲.基于DEA的我国大中型工业企业技术创新效率评价研究[J].科学管理研究，2012（3）：7476.
[2] 姜 波.中国区域大中型工业企业技术创新效率变动的实证研究[J].情报杂志，2012（2）：8186.
[3] 唐清泉，卢博科.创新效率、行业间差异及其影响因素[J].中山大学学报：社会科学版，2009（6）：187195.
[4] 段云龙，王荣党.我国省区大中型工业企业技术创新效率差异的实证分析[J].经济问题探索，2010（8）：109112.
[5] 李小双，孙 慧，李 苑.基于DEA的新疆大中型工业企业技术创新效率研究[J].企业经济，2011（10）：2023.
[6] Malmquist S.Index numbers and indifference surfaces[J].Trabajos de Estatistica，1953（4）：209242.
[7] Caves D W，Christensen L R，Diewert W E. The economic theory of index numbers and the measurement of input， output and productivity[J].Econometrical，1982，50（6）：13931414.
[8] Fare R，Grosskopf S，Lovell C A K.Production frontiers[M].London：Cambridge University Press，1994.
[9] 樊 霞，赵丹萍，何 悦.企业产学研合作的创新效率极其影响因素研究[J].科研管理，2012（2）：3339.
[10] 潘雄峰，刘凤朝.中国区域工业企业技术创新效率变动极其收敛性研究[J].管理评论，2010（2）：5964.
[11] 孙绪华，陈诗波，王艳芬.我国科技资源研发效率监测及其影响因素分析[J].管理评论，2012（9）：8392.
[12] Michael Norman，Barry Stocker.Data Envelopment Analysis：The Assessment of Performance[M].New York：John Wiley & Sons， 1991.
（责任编辑 王婷婷）