论文部分内容阅读
摘要：本文运用三阶段DEA模型对我国2015年30个省份的高新技术产业的技术效率进行分析，研究结果表明：我国整体综合技术效率处于较低水平，主要是由于规模效率低造成的；剔除宏观环境、投资额和技术引进费用环境因素后，综合技术效率和规模效率显著下降，只有纯技术效率上升；各省份的技术效率差距较大，发展不平衡。在此基础上提出加强高新技术产业的研究与开发力度、建立完善的高新技术产业技术创新效率评价体系、提高资源的有效配置等建议。
关键词：高新技术产业；三阶段DEA模型；技术效率
1.引言
高新技术产业自起步以来就是一个国家和地区促进经济增长，社会持续发展的重要手段，高新技术产业进出口贸易是衡量一个国家和地区高新技术产业发展状况的一个重要指标。提高高新技术产业研发创新效率，实现产业升级，寻求新的经济增长点，将是未来一段时期国内经济的主流。在研究中发现传统的DEA方法无法去除环境因素和随机因素的影响，不能相对客观反映高新技术产业技术效率；而SFA方法虽然剔除了环境因素的影响，但是具有一定的函数形式，会存在偏差。因此本文借鉴前人的研究成果采用三阶段DEA方法探讨2015年我国各省份高新技术产业的技术效率。
2.研究方法及变量选取
2.1研究方法
为了能够相对较客观的描述我国高新技术产业的技术创新效率，借鉴前人的研究结果，采用Fried等提出的三阶段DEA方法。以投入导向为例，三阶段DEA模型将决策单元的效率评价分为三个阶段，具体模型参考陈巍巍。
2.2变量选取
高新技术产业的创新是一个多要素投入、多产出的复杂系统，发展过程中涉及人力、力和财力的多项投入和多项产出。因青海省高新技术产业数据的缺失，本文选取了2015年我国30个省的高新技术产业数据，以主营业务收入（万元）和专利数（个）为产出变量；以R&D经费内部支出（万元）、企业数（个）和R&D工作人员年平均数（人）作为投入变量；以宏观经济环境、投资额（万元）和技术引进费用（万元）为环境因素变量对我国高新技术产业的技术效率进行分析，其中宏观经济环境用各地区的GDP（万元）来衡量。本文数据均来自《中国科技统计年鉴2016》和中国统计局。
3.实证结果分析
3.1第一阶段传统DEA的结果分析
本文首先运用deap2.1软件，利用BCC模型对我国2015年30个省高新技术产业效率进行测算，测算结果如表1所示：
DEA测算结果将技术效率分为纯技术效率和规模效率。从表2的结果可以看出我国高新技术产业的整体综合技术效率不足0.8，技术效率不高。其中北京、天津等8个省市居于效率前沿，但是我国个别省高新技术产业的技术效率较低如河北、内蒙古等省份的高新技术产业的技术效率不足0.6，低于全国整体水平，并且大部分省份的规模报酬下降，表明在大部分省份增大高新技术产业的规模并不能提高当地的技术效率。调整前所得结果是不考虑环境因素和随机误差的影响，此结果是否能客观描述高新技术产业技术创新效率还需第二阶段来验证。
3.2三阶段DEA中第二阶段SFA回归结果
将第一阶段测算出的经费内部支出、企业数、R&D 年均人数的松弛变量作为因变量，以各地区GDP、投资额和技术引进费用作为自变量，考察环境变量对投入要素的影响。进行SFA回归分析，回归结果如表2所示：
SFA回归结果表明：大多数变量通过t检验，R&D经费内部支出、企业数、R&D工作人员数都通过LR单边检验，表示可以进行SFA分析。其中投入变量的γ值接近1，表示有必要进行环境因素和随机因素对效率影响的剥离，并且环境因素对高新技术产业效率影响比随机因素影响更大。
3.3第三阶段调整投入后DEA的实证结果
首先对投入变量进行调整，再次进行DEA测算，得出各省剔除了环境因素和随机误差影响的高新技术产业技术效率，测算结果如表1所示：
结果显示，我国高新技术产业的技术效率从0.77降低到0.57，下降了20%，规模效率从0.94下降到0.65，下降了31%；只有纯技术效率从0.83上升到0.87，从一定程度上减缓了综合技术效率的下降幅度。总体来看，我国较好的发展环境造成了我国高新技术产业技术创新效率的虚高，特别是新疆、西藏等西部地区。
参考文献
[1]陈修德，梁彤缨.中国高新技术产业研发效率及其影响因素——基于面板数据SFPF模型的实证研究[J]，科学学研究，2010，28（8）：1118-1205.
[2]白俊红.政府R&D资助与企業技术创新—基于效率视角的实证分析[J]，金融研究，2011（6）：181-193.
作者简介：彭倩倩（1992-12），女，汉，山东临沂，在读研究生，研究方向：金融理财规划。
基金项目：河北省社会科学基金项目：京津冀高新技术产业集群协同创新战略、模式与实现路径研究（HB17YJ023）
（作者单位：河北地质大学经贸学院）
关键词：高新技术产业；三阶段DEA模型；技术效率
1.引言
高新技术产业自起步以来就是一个国家和地区促进经济增长，社会持续发展的重要手段，高新技术产业进出口贸易是衡量一个国家和地区高新技术产业发展状况的一个重要指标。提高高新技术产业研发创新效率，实现产业升级，寻求新的经济增长点，将是未来一段时期国内经济的主流。在研究中发现传统的DEA方法无法去除环境因素和随机因素的影响，不能相对客观反映高新技术产业技术效率；而SFA方法虽然剔除了环境因素的影响，但是具有一定的函数形式，会存在偏差。因此本文借鉴前人的研究成果采用三阶段DEA方法探讨2015年我国各省份高新技术产业的技术效率。
2.研究方法及变量选取
2.1研究方法
为了能够相对较客观的描述我国高新技术产业的技术创新效率，借鉴前人的研究结果，采用Fried等提出的三阶段DEA方法。以投入导向为例，三阶段DEA模型将决策单元的效率评价分为三个阶段，具体模型参考陈巍巍。
2.2变量选取
高新技术产业的创新是一个多要素投入、多产出的复杂系统，发展过程中涉及人力、力和财力的多项投入和多项产出。因青海省高新技术产业数据的缺失，本文选取了2015年我国30个省的高新技术产业数据，以主营业务收入（万元）和专利数（个）为产出变量；以R&D经费内部支出（万元）、企业数（个）和R&D工作人员年平均数（人）作为投入变量；以宏观经济环境、投资额（万元）和技术引进费用（万元）为环境因素变量对我国高新技术产业的技术效率进行分析，其中宏观经济环境用各地区的GDP（万元）来衡量。本文数据均来自《中国科技统计年鉴2016》和中国统计局。
3.实证结果分析
3.1第一阶段传统DEA的结果分析
本文首先运用deap2.1软件，利用BCC模型对我国2015年30个省高新技术产业效率进行测算，测算结果如表1所示：
DEA测算结果将技术效率分为纯技术效率和规模效率。从表2的结果可以看出我国高新技术产业的整体综合技术效率不足0.8，技术效率不高。其中北京、天津等8个省市居于效率前沿，但是我国个别省高新技术产业的技术效率较低如河北、内蒙古等省份的高新技术产业的技术效率不足0.6，低于全国整体水平，并且大部分省份的规模报酬下降，表明在大部分省份增大高新技术产业的规模并不能提高当地的技术效率。调整前所得结果是不考虑环境因素和随机误差的影响，此结果是否能客观描述高新技术产业技术创新效率还需第二阶段来验证。
3.2三阶段DEA中第二阶段SFA回归结果
将第一阶段测算出的经费内部支出、企业数、R&D 年均人数的松弛变量作为因变量，以各地区GDP、投资额和技术引进费用作为自变量，考察环境变量对投入要素的影响。进行SFA回归分析，回归结果如表2所示：
SFA回归结果表明：大多数变量通过t检验，R&D经费内部支出、企业数、R&D工作人员数都通过LR单边检验，表示可以进行SFA分析。其中投入变量的γ值接近1，表示有必要进行环境因素和随机因素对效率影响的剥离，并且环境因素对高新技术产业效率影响比随机因素影响更大。
3.3第三阶段调整投入后DEA的实证结果
首先对投入变量进行调整，再次进行DEA测算，得出各省剔除了环境因素和随机误差影响的高新技术产业技术效率，测算结果如表1所示：
结果显示，我国高新技术产业的技术效率从0.77降低到0.57，下降了20%，规模效率从0.94下降到0.65，下降了31%；只有纯技术效率从0.83上升到0.87，从一定程度上减缓了综合技术效率的下降幅度。总体来看，我国较好的发展环境造成了我国高新技术产业技术创新效率的虚高，特别是新疆、西藏等西部地区。
参考文献
[1]陈修德，梁彤缨.中国高新技术产业研发效率及其影响因素——基于面板数据SFPF模型的实证研究[J]，科学学研究，2010，28（8）：1118-1205.
[2]白俊红.政府R&D资助与企業技术创新—基于效率视角的实证分析[J]，金融研究，2011（6）：181-193.
作者简介：彭倩倩（1992-12），女，汉，山东临沂，在读研究生，研究方向：金融理财规划。
基金项目：河北省社会科学基金项目：京津冀高新技术产业集群协同创新战略、模式与实现路径研究（HB17YJ023）
（作者单位：河北地质大学经贸学院）