创新效率评价

2024-12-12|版权声明|我要投稿

创新效率评价(共11篇)

创新效率评价 篇1

0 引言

精细化工产业技术密集度较高, 就要求不断进行新产品的技术开发和应用技术研究, 还需要重视技术服务。对某一领域或某一特定产品的技术掌控和具备新技术研发能力, 已成为精细化工产业获得可持续竞争力的最关键要素。因此, 为了使镇江市的精细化学工业得到更好的发展, 有必要对该市精细化工产业的创新效率进行分析。

1 创新效率评价方法

经济学意义上的技术效率是指投入与产出之间的关系, 是指在既定的投入下实现了产出最大化, 或者在生产既定的产出时实现了投入最小化。以单一产出 (y) 与单一投入 (x) 的模型为例, 两个不同群体分别构成两个不同组别边界, 共同边界由两群体中最有效率的决策单位共同组成。基于此, 构建技术落差比率指标:TGRit=TE it/TEit。其中, TGRit为技术落差比率, TE it为共同边界下决策单位的技术效率, TEit为组别边界下决策单位的技术效率。运用BCC-DEA模型考察各年度的组内技术效率和所有年度的共同技术效率。此外, 应用产出导向型CCR-DEA模型评价精细化工产业创新活动的综合技术效率。

Hu和wang (2006) 提出以能源目标值与能源实际值之间的比率作为全要素能源效率评价指标, 区域i在t时期的全要素能源效率表示为TFEE (i, t) =能源目标值 (i, t) /能源实际值 (i, t) 。其中, 能源目标值 (i, t) =能源实际值 (i, t) -能源总松弛量 (i, t) 。据此, 构建全要素研发资本效率与全要素研发人员效率评价指标, 衡量要素投人的冗余程度, 藉此从要素效率视角识别创新效率的提升路径。其中TFRCE (i, t) =R&D研发资本目标值 (i, t) /R&D研发资本实际值 (i, t) , TFRLE (i, t) =R&D研发人员目标值 (i, t) /R&D研发人员实际值 (i, t) 。

研发资本目标值和研发人员目标值可由投入导向型BCC-DEA模型获取, 全要素研发资本效率和全要素研发人员效率是介于0与1之间的指标。若全要素研发资本效率值和全要素研发人员效率值等于1, 表示不存在研发资本和研发投人松弛量。若全要素研发资本效率和全要素研发人员效率趋近于0, 表示极低的研发资本和研发人员使用水平。

2 镇江精细化工产业创新效率评价

已有文献基本以工业、高科技产业、城市或区域为研究对象, 采用SFA或DEA方法对创新效率进行评价。但是, 其中针对精细化工产业的研究相对较少, 且聚焦于创新效率的总体评价, 较少涉及具有不同技术水平的群组间效率评估与比较, 并未剖析创新要素效率。基于此, 以镇江精细化工产业作为研究对象, 合应用DEA思路和共同边界方法, 评价其创新效率。

以2010-2013年的镇江市精细化工产业为研究对象, 因扬中、句容、丹阳三个代管县市数据不全没有纳入研究范围。选择以R&D人员全时当量代表研发人员投入, 选择以R&D研发资本存量代表研发资本投入。产出指标选择以新产品销售收入衡量创新带来的经济效益, 以全员劳动生产率衡量创新带来的技术创新外溢效应。由于研发投入与产出之间具有一定时滞性, 设定时滞期为1, 产出指标做滞后1期处理。相关数据主要来源于《镇江统计年鉴》。

2.1 创新的综合技术效率

2010-2013年期间, 镇江市精细化工产业技术创新效率呈现改善趋势。从综合技术效率的构成数据来看, 综合技术效率、纯技术效率和规模效率均出现增长态势。但是创新效率均值仅为0.511, 这说明在投入要素不变的情况下, 通过创新效率改善, 可以使创新产出增加近一倍。就综合技术效率的构成而言, 纯技术效率远高于规模效率, 因此规模效率低下是导致综合效率较低的主要因素, 如表1所示。

2.2 创新的要素效率

2010-2013年期间, 镇江新区是镇江市精细化工产业研发资本效率和研发人员效率最高的区域, 索普化工基地次之, 丹徒高资区域最为落后。如表2所示。但是, 镇江新区的要素效率一直保持相对稳定, 甚至研发人员效率有微弱下降。同期, 索普基地与丹徒高资增长较为明显, 其中索普基地尤为突出。

注:“2010-2011”表示投入指标来自于2010年, 产出指标来自于2011年, 因为对产出指标做了滞后1期的处理.其他年份类似处理.

3 镇江精细化工产业创新效率不足原因及对策

镇江精细化工产业研发创新的技术水平逐年提高, 研发创新呈现技术进步态度。这就说明伴随着研发投入的不断扩大, 镇江精细化工产业的研发效率有所提升。与此同时就总体而言, 镇江精细化工产业创新活动的综合技术效率尽管逐渐改善, 但仍处于较低水平, 创新效率仍然不足。就提高创新效率的对策而言, 从宏观来看, 亟须加大政策扶持力度, 尽快培育一批规模大、拥有自主知识产权和知名品牌、具有核心竞争力的龙头型、基地型大企业、大集团;从微观对策来看, 需要给予一系列税费优惠, 以此吸引和鼓励创新体系建设, 促进精细化工产业集聚发展, 强化精细化工产业园区建设和考核, 优化对园区企业的创新体系服务。同时, 建立健全科技金融支持体系, 鼓励精细化工企业增加研发投入。

摘要:首先分析了镇江市精细化学工业的现状;其次, 阐述了创新效率的评价思路;再次, 分析了精细化工产业的创新综合效率和要素效率, 并在此基础上分析了创新效率不足的可能原因;最后, 提出了镇江精细化工产业创新发展的宏观思路及微观对策。

关键词:精细化工产业,创新效率,对策

创新效率评价 篇2

城市轨道交通换乘效率评价

在城市轨道交通系统中,换乘是一个关键环节.建立城市轨道交通换乘评价指标体系,并根据运能匹配度、人均换乘设施面积、枢纽停车设施率、平均换乘时间、平均换乘距离、舒适性、安全性等7个指标对指标体系进行定义和量化,建立评语集并构造判断矩阵,最后应用层次分析法对城市轨道交通换乘效率进行综合评价.

作 者:穆振华 米根锁 乔磊 MU Zhen-hua MI Gen-suo QIAO Lei 作者单位:兰州交通大学,交通运输学院,甘肃,兰州,730070刊 名:交通科技与经济英文刊名:TECHNOLOGY & ECONOMY IN AREAS OF COMMUNICATIONS年,卷(期):12(1)分类号:U121关键词:层次分析法 换乘 轨道交通 评价

巧用评价提效率 篇3

[关键词] 新课程 体育课堂 评价方法

新课程标准中评价的理念是改革过去注重知识传授的倾向,强调形成积极主动的学习态度,注意以人为本,促使人的素质全面发展。体育学习评价作为体育教学的重要组成部分,自然成了我们一线体育教师实践、讨论、探索的热点。在过去的几年传统体育课学习中,学生的体育学习的评价形式只是采用单一的教师对学生的外部评价。其实,最了解学生学习情况的还是学生本人。因此,《课程标准》提出让学生参与到评价中来。体育教师应指导和帮助学生正确评价自己和他人,学会自己主动地发现成绩与不足,以利于激励他们更有效地学习。

一、体育学习评价中学生评价的介入

以往的评价多是体育教师通过标准化的客观数据标准一锤定音。这样的评价方式否定了学生在体育教学过程中的主体地位。让学生参与评价,进行自我评价,相互评价。在实验中,根据学生学习的主动性、互助性,自我调控与评价能力、体育兴趣等四个方面设计了多张自我评价表,在每个单元的开始,中间和结束,学生针对自己体育课的学习,填写自我评价表,并由体育委员整理后交教师,教师根据反馈的情况对学生进行个别有针对性的指导和帮助。同时,在教学过程中,教师把学生分组,并经常组织学生进行技术动作、学生态度、评选优秀等讨论,评价,小组长一个单元结束后将小组成员情况反映给老师,小组成员轮流担任小组长。实验结果表明,学生进行的自评和互评,通常是诚实、可信的,他们甚至会对自己严格要求,所以让学生参与体育学习评价的价值是勿容置疑。

二、体育学习评价中教师评价的运用

1.教师评价的目的与内容

要对学生的体育学习进行公正、全面、客观的评价,教师必须收集与学生身心发展相关,丰富、可靠、多维的信息。教师通过收集、处理和整合这些信息对学生的体育学习作出多样化的评价(包括定量的评价、定性的评价以及发展性评价等)。那么,教师到底对学生那些方面的内容作出评价呢?就对学生学习结果的评价来看,既要对学生掌握体育知识、技能、技术等认知方面进行评价,还要评价学生体育态度、习惯、兴趣、意志、品德及个性发展等情感领域方面的内容。

2.教师评价的形式与方法

2.1、口头表扬,激起信心

教师的评价对学生的情绪和情感影响很大。情绪和情感是一种内在的动机力量,直接影响学生的学习。因此,教师的评价应该注重情感投入,即用简短、恰当的措辞,热情地给予褒奖。在课堂教学中教师对在学习中表现好的学生要及时给予口头表扬,如:这个动作你做得真棒,真漂亮!再如:你的表现让大家感到非常的满意,祝贺你!正是这点点滴滴的评价,如甘霖浇灌着创新之树健康成长。

2.2、评语卡片,启迪心灵

成功的评语是“花朵们”健康成长的催化剂,及时雨;也是学校与家庭,教师与家长沟通的桥梁、纽带。

如:五年级的体育课,林峰是班里的大个,人长得又高又瘦,文化课成绩在班级是数一数二的,而一旦参加实践考核的时候他就为难了。这不50米*8的考核结束他就过来跟我讲:“老师,我知道自己不行的,实在太慢了。”针对这一情况我就给了他一张书信评语小卡,这样写到: 林峰同学:“你是一个令老师骄傲的帅小伙,温顺平和的性格使你与同学们都相处得好,至于学习,你更是认真,精益求精,但是老师多么希望能在体育课上也有这样的信心,你一定行的!相信自己的能力,也相信老师。老师期待着你的进步,相信你不会让老师失望的,对不对?加油。” 只有师生间朋友般的平等对话,心灵沟通与情感交流。

2.3、星级评价,注重行為

五星奖是孩子们最喜欢的活动之一,他给人与信心,给人与希望。我们在班级的表扬栏里开设了五星奖大擂台,只要你在课堂中有点滴的进步,无论是思想行动方面的还是在实践考核中获得的进步,都可以获得星星奖励,看谁获得的多,谁就最有机会上五星奖的表扬栏里。 例如:杨阳是个很调皮的小家伙,每节课上都要搞些事情出来,不是跟这个打架就是跟那个吵架,总没有安分的时候。而在上前滚翻的时候他就学得特别认真,也不捣蛋,也不乱跑,跟在队伍中学练很积极。到了最后小结的时候,我就问大家今天谁的进步最大,好多的同学都说是杨阳。我给他在五星奖栏里贴上了漂亮的星星,他难为情且开心地笑了。

三、体育学习评价中家长评价的作用

1.教师与家长的联系

教师与家长的联系是发挥家长评价作用的前提。以联系单的形式为例。通过“联系单” 这种书面形式教师让家长了解学生在体育学习中的情况;教师的评价结果或一阶段的测验结果,简要评论这些结果对于孩子整个体育学习的进步所代表的意义;以及说明学生在学习过程中所表现出的情感与行为,参与体育活动的意识和行为,心理健康、社会适应等方面的信息。联系单的内容应突出学生个性的同时,重点说出学生掌握了什么,没有掌握什么。在突出学生的强项以激励学生的同时还要清楚指出学生存在的欠缺。

2.家长的评价

家长对学生的评价主要通过反馈学生在家庭、社会及日常生活中所表现出的体育兴趣、思维能力、自练能力、锻炼习惯、体育实践能力、健康意识以及根据教师的意见完成体育作业的情况来实现。家长把在其关注下了解的学生习课外体育学习情况真实地记录下来,并分析、评价其子女的努力程度、进步情况及不足之处,结合自己的要求(包括对子女的要求或对教师教学的要求)再通过联系单或其他形式传递给教师。家长对学生的评价是整个体育学习评价体系中的重要补充信息。

综上所述,评价作为教学活动的一个重要组成部分,一定要树立以学生发展为目标的新的评价观,使评价标准呈现多元性,并注意评价手段、方法的多样性,处理好教师评价与学生评价、能力评价与情感评价等方面的结合。充分关注学生的个性差异,保护学生的自尊心和自信心,让学生看到自己的进步,感受到获得成功的喜悦从而激发新的学习动力。

创新效率评价 篇4

1 文献综述

自Freeman[3]提出国家创新系统概念及Cooke[4]提出区域创新系统概念后,国外诸多学者从不同维度对区域技术创新效率进行了研究。Sharma等[5]采用DEA方法研究探讨了包括22个国家在内的技术研发效率。Nasierowski[6]对欧盟2005年和2010年的科技创新效率进行比较,并提出改进创新联盟记分牌建议。Tom Broekel[7]运用涵盖德国270个劳动市场和4个行业的面板数据研究了R&D补贴对区域技术创新效率的影响。

就我国而言,学者们主要从区域层面出发对我国各省市的技术创新效率进行测度,所用方法可分为两类: 一类为参数方法,如张宗益等[8]运用基于对数型柯布 - 道格拉斯生产函数的随机前沿生产函数 ( SFA) 实证研究了我国区域技术创新效率; 龚雪媚等[9]运用基于柯布 - 道格拉斯生产函数及Bat-tese和Coelli模型的随机前沿分析方法计算得到我国30个地区的技术创新效率。在运用参数方法的基础上,部分学者开始注重对区域技术创新效率进行动态研究,如李婧等[10]利用收敛性分析对我国各省区市的技术创新效率总体变化趋势进行了研究。另一类是非参数方法,其中数据包络方法 ( DEA) 无需设定投入产出函数和权重假设,具有客观性,得到了广泛运用[2]。吴和成等[11]基于改进的DEA模型对我国区域R&D的相对效率作了评价研究; 官建成等[12]应用三阶段模型,基于DEA方法分别对创新活动的技术有效性、经济有效性以及综合有效性进行评价; 方爱平等[13]以DEA模型为主要分析工具对西部区域12个省市、自治区的科技投入产出效率进行了局部和全局性的比较分析。为改进DEA传统CCR模型对投入和产出指标权重分配不合理的缺陷,郭磊等[14]将DEA利众型交叉效率模型应用到区域技术创新效率评价中,并运用2008年的截面数据实证研究了我国31个省级行政区的技术创新效率。

创新资源特别是高质量的创新人才资源具有紧缺性和流动性,区域所拥有创新资源的质和量均会对区域创新的能力和效率产生影响,这导致各区域对创新资源具有一定竞争性,然而这种“竞争性”未能在现有文献的相关研究方法中得到充分体现。另一方面,我国各区域的技术创新效率不仅在空间上存在明显差异,而且在时间趋势上呈阶段性波动[1,8],用某一年份的效率值或多年效率均值难以体现区域技术创新效率的动态特征。总结发现,基于非参数方法的效率评价中动态研究相对缺乏。综上所述,本文从两个维度对DEA模型进行改进: 首先基于区域间对创新资源的竞争性,采用DEA对抗型交叉评价模型 ( Aggressive Cross Evaluation Model,ACE模型) 测度各区域各时点的技术创新效率; 其次综合考虑创新效率的时序差异和波动因素,运用差异驱动模型对区域技术创新效率进行动态评价。

2 模型与方法

2. 1 面向竞争的评价方法

数据包络分析 ( DEA) 方法广泛用于评价“多投入多产出”模式下决策单元间的相对有效性,其基础模型为Charnes等[15]提出的CCR模型。由于在采用CCR模型进行效率测度时,各决策单元的投入产出权重具有不合理性,且存在无法区分决策单元的优劣和效率改进空间的情况,Sexton等[16]提出交叉效率评价模型,用互评取代自评; 为了解决交叉评价模型中解的不确定性,Doyle等[17]进一步提出利众型和对抗型的交叉评价模型。以上两者均以决策单元的自评效率最大化为基础,其中前者将其他决策单元视为盟友,在交叉评价时同样追求其他决策单元效率最大化; 后者则视其他决策单元为竞争对手,在交叉评价时追求其他决策单元效率最小化。考虑到创新资源的有限性和流动性导致区域创新对资源的竞争性,本文选用DEA - ACE模型,该模型将各区域创新主体视为不同的决策单元。

设有n个决策单元DMU,DMUi( i = 1,2,…,n) 的投入和产出向量为Xi、Yi,与投入和产出向量相对应的权重向量为。令为利用DMUi测度MDUk( k = 1,2,…,n) 所得到的交叉评价值,V*i、U*i为DMUi利用CCR模型进行自评时所得到的解,但此时V*i、U*i并不是唯一解,导致Eik具有不确定性。在此基础上建立DEA - ACE模型:

利用模型 ( 1) 得到最优解V*ik、U*ik,进而求出ACE评价值。当k = i时, Eik为传统CCR模型中的“自我评价值”,由此形成ACE评价值矩阵E:

在矩阵E中,主对角元素Eii为决策单元的自我评价值,第i列为各决策单元对DMUi的交叉评价值,其值越大,说明DMUi的效率越高。现有研究一般用矩阵E的i列元素的均值测度DMUi的效率,记为E*i:

2. 2 动态评价模型

由于区域技术创新效率呈阶段性动态变化,如果仅运用某个时点的效率值进行评价则不能全面反映区域技术创效率; 历年均值虽然能够反映特定时间段内的区域效率水平,但没有考察效率变化的时序差异性和波动性。对此类由时序立体数据所支持的动态综合评价问题,钱吴永等[18]根据新信息优先原理认为可引入时序权重使得近期的评价值在动态评价中被赋予更高的权重,以体现新信息的重要性。郭亚军等[19]提出具有三次差异驱动特征的动态评价方法,即在横向上对各决策单元评的评价指标体系进行差异化赋权实现第一次差异驱动,在纵向上引入时序权重进行第二次差异驱动,运用各决策单元评价值的波动性实现第三次差异驱动。由于ACE模型已从横向上对各决策单元的评价指标体系进行差异化赋权,本文借鉴其中的第二次和第三次差异驱动方法,综合时序差异和不同区域的效率波动性差异建立动态评价模型。

假设DMU个数为n,在评价时间区间T = ( t1,t2,…,tp) 内决策单元MDUi运用ACE模型求解的效率为:

因为不同时刻的E*it对于测度DMUi的技术创新效率而言具有不同的重要性,故引入时序权重向量:Wt=(Wt1,Wt2,…,Wtp)>0,其中

。在此基础上,建立时序差异驱动模型:

为了测度各区域技术创新效率的波动性,引入效率变异指数:。其中Si、Ai为DMUi在评价时间区间内的效率标准差和效率均值。在考虑效率的波动性时,本文将波动性分为两类,即效率提升而引起的波动和效率下降而引起的波动,并针对不同性质的波动而建立奖励或惩罚机制。本文运用各区域技术创新效率的年均增长率 ( The AverageAnnual Growth Rate) 对效率波动属性进行判别,若的年均增长率为正值,则对该波动予以奖励; 反之则进行惩罚。建立如下模型:

其中,Di为DMU的区域技术创新效率动态评价指数,Ri为DMUi的创新效率年均增长率,μ1、μ2分别为hi、的权重,且μ1+ μ2= 1,0 < μ1,μ2<1,可由专家打分法获得。

3 变量与数据

区域技术创新效率是指在一定的区域创新环境下,单位创新投入获得的产出或者单位创新产出消耗的创新投入[1]。既有研究一般使用创新资本和创新人才的投入量来表示创新投入,将R&D经费支出和R&D人员投入作为衡量创新投入的指标[1,8,10]。本文用R&D经费支出、R&D人员折合全时当量作为投入指标,其中R&D经费支出反映了各执行单位实际用于基础研究、应用研究和试验发展的经费支出; R&D人员折合全时当量反映了参加R&D项目人员的全时当量及应分摊在R&D项目的管理和直接服务人员的全时当量。对于产出而言,现有研究主要用专利、论文、新产品销售收入、技术市场成交额等一个或多个指标进行表征[1,8,20]。本文用国外主要检索工具收入科技论文数、专利授权数、大中型工业企业新产品销售收入、技术市场成交额作为产出指标。国外主要检索工具收入科技论文数是指SCI、ISTP、EI三大权威检索工具收录所收录的论文数量,反映了创新活动所创造知识的数量和质量;专利授权数是发明、实用新型和外观设计3种专利的授权总数,反映了一个地区的创新能力与科技综合实力; 大中型工业企业新产品销售收入与技术市场成交合同金额是创新成果转化为市场价值的表现,反映了科技创新活动促进经济发展的程度。

由于我国不同区域间经济发展水平和创新资源差异较大,如果不考虑区域间的差异而对各区域做笼统比较,评价结果会有失偏颇,同时不利于各区域选择参照基准以提高自身的创新效率[14,21]。环渤海和长三角地区不仅是推动我国经济社会发展与自主创新能力建设的重要板块,而且两者在经济社会发展水平和创新规模方面具有一定的可比性,如2011年环渤海与长三角地区的GDP分别占到全国GDP总量的22. 95% 和22. 23% ,R&D经费支出分别占全国总量的30. 44% 和28. 50% ; 自2000年以来,R&D经费支出年均增长率分别为22. 05% 和23. 91% 。对环渤海和长三角区域范围的界定,学术界尚未形成统一观点,部分学者认为环渤海地区是以辽东半岛、山东半岛、京津冀为主的环渤海滨海经济带,包括北京、天津、河北、辽宁和山东; 有些学者考虑到区内资源的互补和协同,将山西、内蒙古也纳入其中[22]。对长三角地区一般从广义角度进行界定,在上海、江苏、浙江的基础上提出“3 +1”模式,将安徽纳入其中; 也有学者提出“3 + 2”模式,将范围扩展至江西[23]。在本文中环渤海地区包括北京、天津、河北、辽宁和山东,长三角地区包括上海、江苏、浙江、安徽。由于创新投入转化为产出需要一定的时间,产出相对于投入具有时滞性[1,9],本文将时滞性设为1年。文中所用数据为环渤海和长三角地区9个省、市的面板数据,其中投入指标数据的时间区间为2001—2010年,产出指标数据的时间区间为2002—2011年。数据来源于《中国统计年鉴2002—2012》和《中国科技统计年鉴2002—2012》。由于统计口径变更,2011年的大中型工业企业新产品销售额由规模以上工业企业新产品销售额代替。

4 实证分析

4. 1 历年区域技术创新效率测度

本文首先利用DEA - ACE模型,通过Matlab7. 0进行计算得到各区域2001—2010年的技术创新效率,并将其与传统CCR模型的测度结果进行对比为,如表1所示。

观察表1发现运用传统CCR模型测度时,北京、天津、上海、浙江历年的区域技术创新效率均1,导致无法对4个地区的创新效率进行比较,同时意味着它们的创新效率已没有提升的空间。运用ACE模型后,原来处于“始终有效”状态的区域在交叉评价后效率降低,存在进一步的改善空间; 各区域的技术创新效率没有完全一致的情况,为后续的相互比较提供了可能性,这将有利于对各区域的技术创新活动提供参考和借鉴。

4. 2 区域技术创新效率动态测度

为了更加直观地反映各区域历年的技术创新效率变动状况,将ACE模型的测度结果转换成折线图( 见图1) 。在图1中,可发现各区域的技术创新效率是一个动态变化的过程。在2001—2010年间,上海的技术创新效率比较稳定,相对于其他区域具有效率优势; 天津从2001—2008年,效率位于0. 8 ~0. 9之间波动,2008—2010年效率逐渐下滑; 浙江的效率在2001—2003年逐步提升,2003年后有所下降,效率保持在小范围内波动; 北京的技术创新效率徘徊于中等水平,山东、辽宁的效率呈先升后降趋势; 江苏、安徽、河北的效率上升趋势明显,但河北的效率依然处于较低水平。

为了动态测度各区域技术创新效率,运用本文研究提出的动态评价模型,综合运用时序权重和效率波动性对各区域的技术创新效率进行差异驱动,最终得到Di,如表2所示。其中,μ1、μ2分别为0. 95和0. 05。各区域中,上海、天津、北京的技术创新效率年均增长率为负值,按效率波动性的大小受到相应的惩罚; 其他区域的技术创新效率年均增长率均为正值,尤其安徽、江苏、河北的年均增长率较高,按效率波动性给予相应的奖励。观察表2发现上海、浙江、天津的效率动态评价指数较高,江苏、安徽、山东、辽宁的效率动态评价指数处于中等水平,北京、河北的效率动态评价指数偏低。与历年均值排名相比,安徽、山东、辽宁、北京4个区域的效率动态评价指数排名变化显著,山东、北京的效率动态评价指数排名从历年均值排名的第5和第7分别下降至第6和第8; 安徽、辽宁的效率动态评价指数排名分别由历年均值排名的第6和第8提升到第5和第7。

4. 3 讨论与分析

为了验证动态评价结果并分析其原因,本文参考有关文献[24,25]的相关结论对以上实证研究结果进行讨论与分析。郭军华等[24]研究认为我国各区域技术创新效率呈收敛趋势,低效率区域的提升速度比创新效率高的区域更快。本文根据实证研究结果对效率动态评价指数所反映的区域技术创新效率的空间分布差异变化状况进行验证,具体步骤如下:

步骤1: 在各区域中选择一个标杆区域,其基期效率和效率动态评价指数记为E*b0、Db。

步骤2: 分别测度区域的基期效率和效率动态评价指数与标杆区域相对应指标的相对差距,记为E*gi、Dgi,其中E*gi= E*b0- E*i0,反映了各区域与标杆区域在基期的效率差异; Dgi= Db- Di,反映了动态评价后各区域与标杆区域的效率差异。E*i0、Di为区域的基期效率与效率动态评价指数。

步骤3: 运用测度区域i与标杆区域之间效率差距的缩小程度,反映了各区域技术创新效率的相对提升度。

由于上海在历年中技术创新效率均高于其他区域,并且效率动态评价指数排名第一,本文将上海作为环渤海与长三角地区技术创新效率的标杆,将各区域2001年的技术创新效率作为基期效率。如图2所示,自2001年以来,以上海作为标杆,除北京的效率有所下降,其他各区域的效率均有不同程度的提升,各区域间的效率差距逐步缩小。各区域中,基期效率水平较低的地区,如河北、安徽、辽宁、江苏、山东等区域,与上海的效率差距得到了较大程度的缩小,反映了效率提升的速度相对较快; 反之,北京、浙江、天津等基期效率水平较高的地区,与上海的效率差距缩小程度较低,说明三者的效率提升较慢,其中北京与上海的效率差距呈扩大趋势。以上结论与郭军华[24]的研究成果基本一致,表明论文所用模型及其评价结果具有科学性。

为对实证结果进行更深层次的解释,论文从Di和创新投入两个维度作进一步分析。本文对各区域2001—2010年R&D经费的总支出和R&D人员折合全时当量总量分别进行无量纲处理并加总,测算出10年间各区域R&D经支出费和人员投入在全国的所占比重,以此表示各区域的创新投入水平。如图3所示,随着区域创新资源的增加,Di呈先升后降趋势,这与袁潮清[25]的研究结论具有一致性。上海、浙江、天津三个区域的创新投入虽处于中等水平,但技术创新效率高于其他地区,说明三者的资源得到有效配置,投入冗余较少; 北京、江苏、山东不仅创新投入高,而且区域创新体系成熟度高,但技术创新效率并没有达到相应高度,说明处于边际产出递减阶段,其中北京最为明显[25]。根据图3所示,江苏、山东的效率近年来逐渐提升,表明其创新体系不断优化,资源利用率得到改善; 河北、安徽、辽宁的创新投入和区域创新体系成熟度均较低,同时技术创新型效率也处于较低水平,但是三者的效率均在不断提升,说明存在边际产出递增现象,区域技术创新型管理水平得到提高,因此加大创新投入将有利于技术创新效率的提高。

5 总结与建议

区域技术创新是推动区域经济发展的核心动力,随着我国区域技术创新投入的不断增加,对区域技术创新效率评价研究的重要性也日益显现。本文针对区域间对创新资源的竞争性以及区域技术创新效率具有阶段性变化的特点,构建了基于DEA - ACE模型和差异驱动方法的动态评价模型,对环渤海和长三角各区域的技术创新效率进行动态评价。结合现有文献,对各区域的效率动态评价指数进行了验证和分析,北京、浙江、天津等期初效率水平较高地区的技术创新效率提升程度相对较小,河北、安徽、辽宁、江苏、山东等期初效率水平较低地区的技术创新效率提升程度相对较高。

随着创新投入的增加,部分地区存在边际产出递减现象,如北京、江苏、山东的创新性投入过高,造成了资源冗余较多,所以应该加强区域创新管理,适当调节创新投入量,并提高对创新资源投入使用的监管力度,以提升资源配置效率。

河北、安徽、辽宁的创新投入偏低,效率处于较低水平,但近年来三者的效率水平逐步提升,说明存在边际产出递增现象,从自身发展来看,需要改善区域创新环境和完善区域技术创新体系,出台各项政策措施,进一步加大创新投入,吸引优质创新资源。从国家宏观层面来看,需要统筹区域发展,引导创新资源从过剩地区流向不足地区,促进创新资源在各区域的均衡分布。

摘要:考虑不同区域对技术创新资源的竞争性及技术创新效率呈阶段性变化特征,构建了基于DEA对抗型交叉评价模型和差异驱动方法的动态评价模型,以区域技术创新效率评价指标体系为基础,运用2001—2011年的面板数据对环渤海、长三角地区所含9个省市的区域技术创新效率开展了实证研究,并结合相关文献对研究结论进行了验证与分析。

技术转移服务效率评价研究 篇5

[摘要]为了对青岛的技术转移服务效率进行评价,选择16个有代表性的城市,运用DEA模型评价市场交易活跃度、政府支持等因素对技术转移服务效率的影响。研究表明,青岛的技术转移服务效率在入选城市中排名较靠后:纯技术效率得分较高,规模效率较低;技术市场活跃度较强,但转移技术后的实际直用效果不明显;政府支持力度较弱。青岛技术转移服务效率的提升,仅靠增加规模并不可行,需不同程度地对模型输入指标进行改进,以提升技术交易市场活跃度;还需加大政府支持力度。

[关键词]技术转移服务;市场活跃度;政府支持;DEA效率;青岛

[中图分类号]F045.6 [文献标识码]A [文章编号]1671-8372(2015)02-063-05

一、模型与指标体系

(一)模型选择

技术转移服务效率评价通常采用相对比较的方法,而相对比较方法中较常用的是在建立评价指标体系的基础上,通过构造效用函数对技术转移服务效率加以评价。有些学者曾经提出用生产前沿函数、利润函数、成本函数等作为技术转移服务效率的衡量标准,但这些衡量标准对多输入、多输出情况的具体函数形式的确定十分困难,建立效用函数时也不可避免地引入较大的主观性,使得研究结果的客观性受到影响。而且技术转移需要多部门、多机构、多平台的合作,其某些指标是很难用价格或相对价值进行衡量的。因此,本研究采用前沿面分析手段的数据包络分析方法(DEA)。

DEAX{DMU的评价是在输入不变的情况下,令输出最大化,或者在输出不变的情况下,令输入最小化来实现的,因而相对有效的DMU必然处于帕累托最优的前沿面上,即DEA的有效性分析与具有多输入多输出问题的帕累托最优解等价。

DEA要解决的问题是度量n个DMU的相对有效

由表5可知,各城市DEA效率的总体测算中,北京、哈尔滨、上海、深圳、沈阳、武汉、西安、厦门、重庆等9城市达到DEA有效。青岛的总效率得分为0.25,在16城市中排名第15。其中纯技术效率得分为0.85,排名第12;规模效率得分为0.30,排名第15。纯技术效率得分较高,总效率的损失主要来自规模效率低。青岛市技术转移各输出要素的结构配比及促进效率水平尚可,需整体提高技术转移服务规模,扩大科技创新服务面,以提供更多、更有效的技术转移交易。

从各输入维度的改进率来看,消化吸收经费支出,改进率为92.92%,说明企业对引进技术的掌握、应用、复制等后期研发工作投入不足;企业研究开发费用加计扣除减免税的改进率为89.44%,企业研发费用的减免税力度不高;技术改造经费支出改进率为83.89%,企业对提高技术水平、改造落后工艺的技术创新动力不足,这些方面也存在一定的改进空间。

从输出角度的增长比来看,青岛市的技术转移处于规模报酬递增阶段,技术合同成交额需提高2.92倍才能实现DEA有效,需要大幅度提升技术交易额度和数量,提高技术转移的规模效率。这对总效率值提升作用的敏感度要大于对输入维度的改进。

(二)市场交易维度的DEA效率测算及其有效性改进

在市场交易维度中,包括输出技术成交金额(X1)、吸纳技术成交金额(X2)、消化吸收经费支出(X3)、购买国内技术经费支出(X4)、技术改造经费支出(X5)等5个指标。以技术合同成交金额(Y)为输出指标,以市场交易维度相关指标为输入指标,计算16城市的样本数据。DEA计算结果见表6。

由表6可知,各城市在技术市场活跃度方面的DEA相对有效性中,北京、沈阳、西安、重庆等4个城市达到了DEA相对有效。青岛的总效率值为0.56,在16城市中排名第15;纯技术效率值为0.94,排名第11;规模效率值为0.60,排名第15。说明青岛现有的技术市场活跃度较强,输出技术和吸纳技术指标所反映的技术供需较为活跃。但存在的主要问题是技术交易的规模仍需大幅度提升。同时,在技术交易后,吸纳技术企业在技术的消化吸收和技术改造经费等方面的投入力度不大,影响了引入技术的实际应用。

从输出维度的改进率来看,青岛技术需求企业在购入技术后的消化吸收方面改进率最大,为92.94%。技术引进的消化吸收再创新可以促进产业升级和自主创新能力的提高,企业需增强对引进技术进行再创新的意识,提升消化吸收再创新投入。政府部门应出台鼓励消化吸收再创新的政策,以形成鼓励再创新的良好氛围。技术改造经费支出的改进率为84.63%,企业需着力提高企业自主创新意识,全面提高企业决策人对开展技术创新活动、科技活动、R&D活动重要性的认识。另外,在输出技术成交金额、吸纳技术成交金额、购买国内技术经费支出等指标上也有一定程度的提升空间。

从输出维度来看,技术合同成交金额的提升率为78.48%,青岛技术市场的活跃度仍对技术转移服务效率的提升具有递增作用,应进一步提升技术交易的活跃程度。

(三)政府支持维度的DEA效率测算及其有效性改进

政府支持维度包括企业使用来自政府部门的科技活动资金(X6)、企业研究开发费用加计扣除减免税(X7)、高新技术企业减免税(X8)、火炬计划专利授权数(X9)、火炬计划自有技术(X10)等5个指标。以技术合同成交金额(Y)为输出指标,以政府支持维度为输入指标,计算16城市的样本数据。DEA计算结果见表7。

由表7可知,在政府支持维度的DEA效率比较中,北京、西安、重庆实现了DEA相对有效。青岛的总效率值仅为0.06,在16城市中排名第15;纯技术效率值为0.64,在16城市中排名第12;规模效率值为0.10,排名最后。说明青岛应进一步提高技术转移中的政府支持力度。

从输入维度的改进率来看,青岛企业使用来自政府部门的科技活动资金、企业研究开发费用加计扣除减免税、高新技术企业减免税、火炬计划专利授权数、火炬计划自有技术等指标上的改进率都较大,需切实提升政府在技术转移服务中的作用。

从输出的改进率来看,若青岛仅依靠扩大技术交易市场规模来提升DEA效率,则需增加15倍的市场交易量。由此可见,仅靠规模的增大来提升总效率并不可行。

四、对青岛市的政策启示

(一)提升技术交易市场活跃度

1.建立技术引进和消化吸收再创新的信息服务平台。通过多种渠道和手段为企业提供更多了解国外先进技术的机会。

鼓励企业引进先进技术。采取财税、金融等手段,引导和鼓励企业引进国内急需的先进技术。加大政策扶持,保障重点技术引进项目的消化吸收再创新投入,支持重点项目的消化吸收再创新。对企业消化吸收再创新给予财政、税收、金融等多方面政策支持。对关键技术和重大装备的消化吸收和再创新,政府给予引导性资金支持。

培育技术引进和消化吸收再创新的主体。鼓励大中型企业的技术引进和消化吸收再创新。同时,鼓励大中企业将技术向中小企业扩散,促进中小企业的技术进步,提高消化吸收再创新能力。进一步促进外资的技术溢出。制定促进外资技术溢出的支持政策,鼓励外商转让关键和核心技术,通过构建开放型的创新体系,鼓励外资参与国内科技研究合作项目,促进产学研结合。

完善市场制度和环境。青岛需要形成公平竞争讲究诚信的市场环境;完善知识产权保护制度,建立有利于自主知识产权产生和转移的法制环境;培育社会创新的文化氛围,培育创新人才和创新精神,培育尊重个性、恪守诚信、公平竞争、激励探索、提倡冒尖、宽容失败的良好创新文化和创新环境。

2.着力提高企业自主创新意识,全面提高企业决策人对开展技术创新活动、科技活动、R&D活动重要性的认识非常有必要。

加快构建多元化科技创新投入体系。应尽快建立健全多元化的科技投入体系,切实增加科技经费投入,着力解决资金短缺的羁绊。尽快建立和健全市场机制,使企业成为科技创新的主体。

强化和完善产学研合作机制。要把政府的组织力、科研机构的创造力、企业的市场竞争力融汇起来,加大政府科技投入,明确政策导向,通过资金、政策等引导机制,激励工业企业加大新技术、新装备和新产品的研发投入,建立企业研发投入体系,确立企业成为全社会研究与发展(R&D)经费投入的主体。

(二)加大政府支持力度

1.制定和实施促进技术转移的政策。主要包括分配政策、技术产权归属政策、金融政策、税收政策、进出口政策、军民双向技术转移政策、大学和科研院所技术转移促进政策等。

在激励政策方面,下放知识产权的所有权,由国家资助形成的知识产权成果归完成单位所有。通过权力下放来提高完成单位的积极性,促进技术转移。同时,允许发明人分享知识产权成果的收入,能够通过知识产权转移得到好处。

2.组织和提供专业服务。通过转变观念、创新制度、建立机制组织和提供专业的技术转移服务,一是可以对技术商品配置转化的程度进行等级评价,进行技术经济的分析和评价,为企业提供判断标准;二是可以提供担保制度,完善合同程序。

3.争取国家技术转移政策试点。营造鼓励科技创新的政策环境,深化科技成果处置和收益权改革,推动股权和分红激励,加大科技创新人才爪人所得税的优惠力度,激发科技人员实施和转化科技成果的积极性,探索建立与市场需求相适应的系统性政策体系,解决成果转化中确权、知识产权价值评估、无形资产处置和收益分配等技术转移的关键问题,积极争取国家技术转移政策的综合试点。

4.进一步加大技术转移的财政金融支持。青岛可以借鉴国外做法,与民间资本共同组建投资基金和风险投资公司,作为提升技术转移服务效率的投融资平台,按市场机制和规律推动成果科技转化和技术转移。

在金融支持方面,加强中小企业信用担保体系建设,对创新活力强的企业予以重点扶持,促进科技型中小企业与商业银行建立稳定的银企关系。加强各类征信机构发展,加快建设企业和个人征信体系建设,促使商业银行给予中小企业金融支持并改善对科技型中小企业的金融服务。

创新效率评价 篇6

四川省制造业近年来发展较快, 2009年实现制造业总产值增加值1.9亿元, 2006年至2009年平均增长率86.9%, 较其他行业而言增长速度明显, 新产品销售收入2006年为0.55亿元, 2009年为1.4亿元, 实现制造业新产品销售收入增加值0.85亿元, 2006年至2009年平均增长率达到160%, 就单一新产品产值率来看, 2009年全省制造业新产品仅占行业总值的25%, 较全国同行业平均水平低, 2009年新产品中竟未能达到国内水平, 制造业作为技术密集型行业, 其对创新有什么严格的要求, 新产品产值率偏低说明该行业进行技术创新效率不足。因此本文以数量化指标为基础, 从技术创新投入、产出角度构建了针对制造业的技术创新效率评价指标, 为评价制造业技术创新效率提供量化的标准, 同时运用投入产出效率评价模型, 综合计算出评价结果, 能够客观、全面地反映四川省制造业技术创新效率, 而且通过对制造业技术创新效率的分析, 找出制造业技术创新中存在的问题, 为制造业技术创新效率的提高提供向导和帮助。

1 数据及结果分析

1.1 模型建立及其指标体系的构建

研究过程中我们依据指标体系法建立四川省制造业技术创新效率分析评价模型, 以四川省制造业系统技术创新资源作为投入, 创新效果作为产出, 应用所选取的指标建立适当的模型进行投入产出的综合比较, 进而分析四川省制造业最终的技术创新效率和资源配置的合理性以及各个行业的效率大小。四川省制造业技术效率模型为:

其中Ei为第i个行业的技术创新效率值;Ci为第i个行业的技术创新产出指标综合测度值, Cij为第i个行业第j个产出指标值, λi为第j个产出指标的权重;Ti为第i个行业的技术创新投入指标综合测度值, Tij为第i个行业第i个投入指标值, θi为第i个投入指标的权重。Ei越大, 表明该行业技术创新效率越高, 据此可以比较各行业技术创新效率的差异。

通过上面的表达式, 确定适当的权重, 分别计算出产出和投入指标的综合值, 然后将两者作比, 得到相应行业的技术创新效率值, Ei越大则表明资源配置效果越好, 进一步, 可以比较各行业技术创新效率的差异。在具体计算前, 需要解决模型中出现的两个问题, 即无量纲化和权重的确定。

首先是对各指标原始数据进行无量纲化处理, 以此具有不同的单位各指标值能够进行归一化处理, 由于本文选取的指标均为正向指标, 具体公式为:

其中, Li表示该指标无量纲化后的值, Li表示该指标的实际值, Lmin、Lmax分别代表各行业该指标中的最大和最小值。

其次是各个指标权重的确定。指标体系设计是否合理直接关系到评价的质量。为了确保对四川省制造业技术创新效率做出客观、真实的评价, 必须建立一套科学合理、切实可行的综合评价指标体系。文章按照设计制造业技术创新效率评价指标体系的原则和基本思路, 构建如下评价指标体系:

技术创新最重要的两个投入指标即劳动和资金。技术创新投入既包括R&D投入也包括非R&D投入, 但考虑到四川省制造业技术机会存在的差异, 本文选择科技活动人员和R&D人员, 选择科技经费内部支出和R&D经费作为技术创新投入指标。相比较而言, 这种指标选取更加全面。所以本文选择投入指标R&D经费 (X1) 、R&D经费内部支出 (X2) 、R&D人员 (X3) 和科技活动人员 (X4) 。

我们以新产品项目数和专利申请数作为衡量潜在技术创新产出的指标。本文选取了四个产出指标分别为新产品总产值 (Y1) 、新产品销售收入 (Y2) 、新产品项目数 (Y3) 及专利申请数 (Y4) 。

2.2 数据来源及研究对象

来源:《四川省科技统计年鉴》《四川省统计年鉴》。

本文选取2006的到2010年的四川省制造业技术创新数据平均值作为原始数据, 而数据来源于四川省科技统计年鉴 (2006-2010) , 数据统计口径是大中型制造业企业。考虑到数据的完整性, 和有些产业包含不同技术层次行业的统计数据, 数据不易分离, 不便于按技术层次划分, 因此要剔除一些行业。最终选取了20个产业作为本次的研究对象, 这些产业分别是:食品制造业H1、饮料制造业H2、纺织服装、鞋、帽制造业H3、造纸及纸制品业H4、石油加工、炼焦与核燃料加工业H5、化学原料及化学制品制造业H6、医药制造业H7、化学纤维制造业H8、橡胶制造业H9、塑料制品业H10、非金属矿物制品业H11、黑色金属冶炼及压延加工业H12、有色金属冶炼及压延加工业H13、金属制品业H14、通用设备制造业H15、专用设备制造业H6、交通运输设备制造业H17、电气机械及器材制造业H18、通信设备、计算机及其他电子设备制造业H19、仪器仪表及文化、办公用机械制造业H20。

2.3 四川省制造业技术创新效率的测算

本文采用因子分析的方法。因子分析中公共因子所反映的变量间的内在联系, 正表现了评价指标对评判对象的相对影响程度, 因而可以利用该方法从样本中直接定权。而在本文中运用SPSS19.0软件来计算这一过程。

在上述数据的基础上, 利用因子分析法分别对四个投入和四个产出指标作分析, 以便确定各自的权重, 技术创新投入指标的主成分分析结果为:KMO and Bartlett'Test检验值为0.799, 第一主成分的贡献率为89.56%, 因子负荷阵见表3, 由于只有一个主成分, 只需将因子负荷阵中各投入指标前的负荷系数除以各系数和, 便可得到它们的权重, 计算结果为:

同理可以得到各个产出指标的权重:λ1=0.262, λ2=0.258, λ3=0.236, λ4=0.244。

在表2数据的基础上, 根据效率评价模型的公式 (1) (2) (3) , 可计算出制造业各行业的技术创新效率值及其排名情况, 详见表5。从表5可以看出, 四川省制造业各行业技术创新效率差别大, 而且效率值都比较低。我们可以对制造业进行分类, 20个行业中, 前4个属于轻纺制造业, 中间10个属于资源加工业, 最后6个属于机械电子制造业。为了比较不同类型的技术创新效率, 将每类所包含的制造业行业的效率求平均值, 结果为:轻纺制造业的平均效率值是0.804, 资源加工业的平均效率值是1.298, 机械电子制造业的平均效率值是1.414。显然, 各类型制造业之间的技术创新效率的差距显著, 在相关的研究过程中, 对这20个行业作技术创新能力的评价, 其结果是机械电子制造业的技术创新能力最强, 其次是资源加工业, 最后则是轻纺制造业, 两者的比较说明, 四川省制造业行业的技术创新效率与技术创新能力之间发展还是很协调的, 资源的利用是合理的, 或者说一定程度上实现了资源的优化配置。

4 结论及建议

以上结果显示, 技术含量高的制造业行业, 其技术创新效率较低, 而技术含量低的行业, 其技术创新效率反而较高。对此, 解释如下:

第一, 技术含量低的制造业对技术创新投入的要求较低, 产品创新度不高, 多是改进型的产品创新, 创新模式也多是模仿创新, 这些特征使得该类行业的技术开发周期短, 产品易被市场接受, 因此技术创新效率相对较高, 而技术含量高的制造业对技术创新投入的要求很高, 产品的创新度高, 多是全新型的产品创新, 创新模式大多是自主创新, 这些特征使得该类行业的技术开发周期长, 且市场对产品的接受需要较长时间, 存在一定的时滞, 因此技术创新效率相对较低。

第二, 技术创新活动作为一种生产活动也存在规模有效性的问题, 技术含量低的行业由于投入少, 处于“S”型生产曲线的第一阶段, 该阶段的典型特征是规模报酬递增, 因而作为产出与投入比的效率值就相对较高, 而技术含量高的行业由于投入多, 处于“S”型曲线的第二或者第三阶段, 即规模报酬递减的阶段, 反映在效率上就显得其值相对较低。

通过以上分析可以得到以下建议:

1) 加强电子信息、机械制造、医药、化工等行业企业技术中心建设。对于技术创新能力较强的电子信息、机械制造、医药、化工等行业, 鼓励具备条件的企业建立技术中心, 鼓励企业加大对技术中心创新能力建设所需重点研发试验设施、检测设施、关键工程软件的购置, 提高企业研发装备水平。结合企业研发能力整合, 组织实施并扶持一批省级企业技术中心创新能力建设项目。

2) 营造积极的技术创新环境。由于四川是一个农业大省, 制造业的发展受到经济、环境、文化等方面的因素的影响, 很多高技术行业没有受到足够的重视, 技术创新效率相对低下, 要针对不同的行业特点选择正确的技术创新战略, 营造积极的技术创新环境, 大力发展四川省的制造业。

参考文献

[1]郑洁.我国医药制造行业技术创新效率研究[D].合肥工业大学, 2008.

[2]白俊红, 李靖.政府R&D资助与企业技术创新——基于效率视角的实证分析[J].金融研究, 2011:181-193.

[3]陈克禄.我国自主创新效率评价研究[J].生产力研究, 2009:74-76.

[4]李智, 李贵才.基于C-D生产函数的深圳市高新技术企业自主创新效率研究[J].特区经济, 2009:31-33.

[5]方福前, 张平.我国高新技术的投入产出效率分析[J].中国软科学, 2009:55-58.

[6]谢建国, 周璐昭.中国区域技术创新绩效——一个基于DEA的两阶段研究[J].学习与实践, 2007:112-115.

创新效率评价 篇7

关键词:技术创新效率,数据包络分析,分类变量,Gini准则

技术创新作为经济发展的动力源之一, 特别是随着知识经济的发展在区域竞争中显示出了日益强劲的作用。技术创新在提高生产率和创造新兴产业方面起到了根本作用, 成为影响区域产业升级和结构转换的核心因素。区域技术创新效率和能力已成为衡量区域经济是否拥有国际竞争优势的决定性因素。如何提升区域技术效率成为区域关注的重点, 这就需要对区域技术创新效率进行测度并通过横向对比为提升效率提供基础。对区域进行技术创新效率评价, 可以判断区域发展过程中资源是否合理利用, 资源配置是否合理等问题, 据此提出针对性的改进建议, 对于提升技术投入资源的利用效率进而提高区域的科技竞争力具有十分重要的现实意义。从理论角度对技术创新效率进行评价成为研究热点, 如何选择一种有效的评价方法对区域技术创新效率进行评价, 从而制定出适合各区域的发展战略以提高区域经济效益成为了关键问题。而不同的经济发展阶段对技术创新的要求也不同, 从形态的角度是模仿创新、自主创新、工艺创新和产品创新。在初级发展阶段可能倾向于模仿创新, 而经济发展到一定阶段以后开始注重自主创新; 在降低成本阶段注重工艺创新, 在差异化发展阶段注重产品创新。我国区域间差异很大, 创新的取向存在着差异, 因此在技术创新效率评价时需要充分考虑这种差异。既有的技术创新效率评价方法包括DEA、SFA和综合评价方法等。如何选用一种有效的评价方法对区域进行技术创新效率评价, 从而制定区域技术创新发展战略, 确立区域间的效率基准, 提高我国整体技术创新水平成为关键问题。本文将对DEA方法进行分析, 常见的用于评级技术创新效率的DEA模型包括BCC、CCR、交叉效率模型和分类DEA模型, 由于BCC、CCR方法得到的结果不唯一, 所以很多人引进了交叉效率模型, 但该方法将所有决策单元全部归结为合作关系或竞争关系, 不符合实际情况。因此, 本文提出分类DEA模型、采用Gini算法来评价区域技术创新效率, 既解决了效率不唯一的问题, 也考虑了区域发展的不同阶段对技术创新效率的要求不同的问题。

1相关文献综述

由于传统DEA模型计算得到的决策单元效率会出现多个1, 无法进一步区分, 因此针对这一问题提出了许多改进模型。常见的方法有交叉效率方法、超效率方法、最劣前沿面法、标杆排序法、DEA - Gini算法和分类变量法。其中分类变量法是在传统DEA模型的基础上根据研究问题的所处环境提出的进一步改进。Banker和Morey提出了分类DEA模型, 先对处于不同环境的美国艾奥瓦州药店进行分类, 再对它们进行绩效评价。[1]Cooper根据决策单元的非可控因素对图书馆进行分类, 然后计算它们的绩效; 与此同时Cooper按照决策单元的可控因素进行分类, 来评价商店服务质量的运营效率。[2]Gerrit Lober对Banker的分类模型进行了改进提出了规模收益不变分类DEA模型和规模收益可变分类DEA模型。[3]Golany应用分类DEA模型评估了以色列发电厂的运营效率, 将空气污染这一定性指标作为发电厂的分类标准。[4]Jha应用分类DEA模型对尼泊尔水电站的运营效率进行测评, 通过灵敏度分析指出水电站的改进方向。[5]在国内关于分类DEA的文献较少, 其中王海燕等运用DEA - Gini准则对南京市公共交通企业进行绩效评价, 将指标集分解成若干个指标子集, 提高了DEA模型的有效性。[6]庞瑞芝应用分类DEA模型对我国26个省市的392家城市二级以上医院2004年和2005年的经营效率进行了分析与比较。[7]梁樑、 毕功兵提出了一种基于属性变量的DEA效率评价模型。[8]本文基于分类变量方法, 同时考虑Gini准则进行区域创新效率评价。

2基于分类变量的DEA评价步骤

2. 1评价指标体系构建

从评价的角度, 技术创新效率就是指技术创新投入与产出的比例。在充分考虑国内技术创新现状的基础上, 从投入产出角度设计评价指标体系。在进行技术创新效率评价时, 能否选取合理的技术创新指标是评价结果是否准确的关键。结合国内外既有文献, 选择研发全时人员当量数、研发内部支出额以及技术流入合同额作为投入指标, 国内专利申请授权数、新产品销售收入以及地区技术市场成交合同额作为产出指标。对于投入指标, 研发全时人员当量数和研发内部支出额用以衡量各地区研发投入强度; 技术流入合同额用以衡量地区吸收外部技术, 进行技术升级和改造的能力。对于产出指标, 尽管使用国内专利申请授权数作为技术创新效率评价产出指标过于片面, 但由于各省市专利数容易获取, 并且和技术创新密切相关, 因此使用国内专利申请授权数作为产出指标还是相当可靠的; 考虑数据的可获性以及创新的主要的表现, 另外选取新产品销售收入、地区技术市场成交合同额作为产出指标。这六个指标分别从人力、物力、财力三方面对技术创新活动的直接产出和最终目的进行衡量和评价。本研究中的数据均来自 《中国统计年鉴2010》和 《中国统计年鉴2011》, 数据信息准确、可靠, 具有很强的代表性。

2. 2决策单元分类

为了使效率评价过程公平有效, 本文对各地区进行分阶段处理。不同经济发展阶段的创新要求不同, 目前对经济发展阶段常见的判断标准有两个: 一个为罗伯托的起飞理论, 另一个为钱纳里的经济工业化发展阶段理论。前者为一个相对定性的判别标准, 后者则是一个以人均GDP为划分标准将经济增长划分为6个不同时期, 本文拟采用钱纳里的工业发展阶段理论。根据文献 《区域战略规划编制中关于发展阶段判断方法的选择》, 依据美元指数和汇率计算得出不同发展阶段。平均汇率选择6. 83; 美元指数2009年为125. 8, 2008年的为125, 因此可以进行折算, 2009年的经济发展阶段的划分具体区间见表1。

单位: 美元

2. 3引入Gini准则的DEA评价方法

数据包络分析 ( DEA) 自创立以来, 一直受到广大研究者的青睐。DEA与其他评价方法相比最突出的优点是DEA把评价指标的权重当成未知变量, 可以有效地避免主观因素; 其次传统评价方法一般需要掌握决策单元 ( DMU) 的生产运营内部机制, 这会给评价过程带来众多麻烦, 而DEA却无须打开决策单元生产 “黑箱”, 只需知道决策单元输入输出数据就可以对决策单元进行效率评价, 是一种非常实用的数学规划方法。建立DEA - CCR模型 ( 投入导向) 如下:

其中 νi和 μr是需求变量, 即对应的输入输出指标权重。上式是一个分式计算模型, 使用C2———变换, 将模型 ( 1) 变成线性规划模型, 如下所示:

DEA对决策单元进行效率评价时, 当决策单元数量n相对于指标数量 ( m + s) 较多时, 通常规定n ≥ max ( m × n; 3 ( m + n) ) 时, 计算出来的效率值越有效, 适合使用DEA方法。反之, 当指标相对于决策单元数量较多时则不适合使用DEA方法。在现实生产管理实践中, 影响决策单元的效率指标往往有很多个, 而又找不到相应数量的同类决策单元, 如果盲目使用DEA对评价对象进行效率评价, 往往会高估决策单元效率, 使DEA作用失效, 因此本文提出一种将决策单元指标分解的准则———DEA - Gini准则。

首先确定影响决策单元效率评价的指标集N, 将指标集N分解成L个指标子集, 每个子集有至少一个投入指标和至少一个产出指标, 假设有p个投入指标, q个产出指标, 要求:

在满足式 ( 3) 的条件下任取p、q值, 通过枚举法生成L个子集。在每个子集下分别用模型 ( 2) 对决策单元进行效率计算生成一个n × L的效率矩阵:

得到效率矩阵后通过Gini准则将L组效率值组合成一组更为有效合理的评价结果, 具体步骤如下, 先对效率矩阵按列进行归一化处理。

步骤3对cl进行归一化:

通过以上4个步骤的计算, 即得到基于DEA - Gini准则的决策单元最终效率。在指标数量相对决策单元数量较多时, 这种方法得出的效率值比传统DEA方法更为适合。

3实证结果与讨论

3. 1区域分类

2009年的数据显示, 中国大陆地区处于工业化阶段, 由于数据靠近下限, 同时考虑指标的构建, 将全部省市调整到发展阶段的第二区域。其中处于工业化第四阶段的只有上海, 考虑到数据的方便将其划入第三阶段。据此共有9个省市处于工业化Ⅰ阶段, 14个处于工业化Ⅱ阶段, 7个处于工业化Ⅲ阶段, 具体见表2。

基于分类结果应用模型 ( 2) 首先对最低工业化阶段的地区进行效率评价, 此时决策单元参考集仅含工业化最低的地区; 再对工业化阶段次低的地区进行效率评价, 此时决策单元参考集包含工业化阶段为最低和次低的地区。 依此类推, 当评价工业化阶段最高的地区时, 参考集为所有区域。

3. 2评价结果

本文以我国30个省、市、自治区为评价对象, 技术创新投入产出数据均来自于 《中国统计年鉴2010》和 《中国统计年鉴2011》, 考虑西藏自治区存在指标数据不完整的缺陷, 因此决策单元中排除西藏自治区, 运用上面的Gini - DEA方法对各地区进行技术创新效率评价。作为对比, 使用传统DEA模型和相同数据进行效率评价, 评价结果如表2所示。

3. 3评价结果分析

从表2中利用Gini - DEA方法得出的评价结果可以看出, 全部30个省市的技术创新效率均未达到1, 表明所有省市的资源都没有完全有效的利用。其中, 技术创新效率较高的地区是四川、福建、重庆和江苏等, 表明这些省市的投入产出比较高, 能够较为充分地利用技术创新资源, 将其较好的转化为创新产出。而内蒙古、山西和新疆等省市的技术创新效率较低, 均低于0. 3, 表明这些地区的资源利用率极低, 存在较大的资源浪费的情况, 同时也预示着这些地区的技术创新效率具有巨大的提升空间。

作为对比, 表2中利用传统CCR模型计算得出的结果显示, 有多个省市的技术创新效率达到了完全有效, 即效率值为1, 包括江苏、广东、北京、浙江、上海和天津。这种结果显然不符合实际情况, 因为任何省市的技术创新效率都应该具有一定的提升空间, 而不是绝对的完美。同时, 这种结果也无法对这六个省份进行排名。Gini - DEA方法对上述的问题有很好的解决, 不仅克服了多个省市效率值都为1的问题, 也消除了不能对决策单元进行充分排序的问题。

此外, Gini - DEA方法对各省、市、自治区按发展阶段进行归类, 不会产生评价过程偏袒发展阶段较高的地区, 而对发展阶段低的地区要求苛刻的现象。例如表2右侧数据所示, 处于第Ⅲ发展阶段的省市中, 除内蒙古外效率值都为1, 排在前几名, 而处于发展阶段较低的地区效率排名偏低, 这势必会使评价结果有失公正。应用Gini - DEA, 可以发现第Ⅰ发展阶段的大部分地区效率值明显下降, 说明这些地区实际上并未达到完全有效, 但由于传统CCR的缺陷, 使得评价结果失真, 高估了发展阶段较高地区的效率。

由于不同的发展阶段有其不同的发展特点与条件限制, 因此应针对不同的发展阶段选择不同的改进基准, 以每个阶段中排名第一的省市为基准, 而不是全部地区都向总排名第一的地区看齐, 保证了效率比较的公平性。对于处于第Ⅰ发展阶段的省市, 大部分都处于我国西部地区, 资源条件有限, 这些地区应以四川省为基准, 结合自身情况调整各自的资源配置, 以提高其技术创新效率。同理, 处于第Ⅱ发展阶段的省市应以福建为基准, 按照福建的投入产出比率来调整。对于处于第Ⅲ发展阶段的省市来说, 由于其发展位于我国前列, 对我国的发展有着重大的影响, 国家对其投入大大高于其他地区, 因此这些地区的技术创新效率也必须提高, 努力达到完全有效。第Ⅲ阶段的省市中, 效率最高的为江苏, 因此可以将江苏作为改进基准, 进行资源配置的调整, 吸引国内外优秀人才, 加大技术创新产出, 达到提高效率的目的。

4结论

本文在前人的基础上首次应用分类DEA模型和Gini算法来评价各区域的技术创新效率, 为了更有针对性地指导技术创新效率较低的区域选择参考基准从而寻找提高效率途径, 对区域进行发展阶段分类, 同类区域之间具有可比性, 不同类地区无可比性, 使创新效率评价过程较传统DEA方法更为公正。应用Gini算法可以有效地消除指标数量相对决策单元数量过多的问题, 使分类DEA计算出的效率值更为有效。本文实证结果表明: 不同分类区域按照所在区域的标准来提升自身的技术创新效率, 全部30个地区都存在效率提升空间。进一步分析表明理清技术创新过程的运行机理是解释各地区技术创新差异的关键, 也是需要紧迫研究的方向所在。

参考文献

[1]Rajiv D BANKER, Richard C MOREY.Efficiency Analysis for Exogenously Fixed Inputs and Outputs[J].Operations Research.1986, 34 (4) :513-521.

[2]William COOPER, Lawrence SEIFORD, Kaoru TONE.Data envelopment analysis:a comprehensive text with models, applications, references and DEA-solver software[J].Journal Operational, 2006.

[3]Gerrit LBER, Matthias STAAT.Integrating Categorical Variables in Data Envelopment Analysis Models:a Simple Solution Technique[J].European Journal of Operational Research, 2010, 202 (3) :810-818.

[4]B.GOLANY, Y.ROLL, D.RYBAK.Measuring Efficiency of Power Plants in Israel By Data Envelopment Analysis[J].Engineering Management, 1994, 41 (3) :291-301.

[5]D.K.JHA, N.YORINO, Y.ZOKA.A Modified DEA Model for Benchmarking of Hydropower Plants[C].Power Tech, 2007 IEEE Lausanne, 2007:1374-1379.

[6]张庆民, 王海燕, 欧阳俊.基于DEA的城市群环境投入产出效率测度研究[J].中国人口资源与环境, 2011 (2) :18-23.

[7]庞瑞芝.我国城市医院经营效率实证研究——基于DEA模型的两阶段分析[J].南开经济研究, 2006 (4) :71-81.

创新效率评价 篇8

关键词:科技金融,科技创新,协同发展,效率

一、引言

我国在《国家中长期科学和技术发展规划纲要 (2006-2020年) 》和“十三五”规划纲要中, 强调了自主创新的极端重要性。国家战略实施过程中, 金融在引导和推动科技创新方面发挥着重要作用。科技成果从实验室走向产业化, 客观上存在着规模不断扩张的金融需求。考虑到金融在科技创新中的极端重要性, 科技部会同中国人民银行等金融监管部门, 颁布实施了一系列旨在促进金融支持科技创新的政策性文件, 在科技金融导向创新资源方面做出了积极的探索和贡献。但通常是将科技金融视为为科技创新服务、提供金融支持来促进科技成果转化, 对二者协同发展重视不够。本文从系统科学等角度, 探析科技金融与科技创新协同发展的系统特征, 对二者协同发展机理进行分析, 并对科技金融与科技创新协同发展的效率进行了实证研究, 以期对以科技金融和科技创新促进国家战略实现提供制度设计方面的启示。

二、科技金融与科技创新系统分析

根据系统科学的基本观点, 科技金融和科技创新尽管存在不同且以各自相对独立的系统运行、发展和演进, 但由于二者之间的紧密联系和协同关系, 可以将科技金融和科技创新两个子系统整合为一个相对复杂的整合系统, 在更宽广的视阈中分析两者之间的相互作用和共同发展的条件和机制。

(一) 科技金融与科技创新的基本内涵

科技创新是基于新的思想的形成、开发至新知识的形成、新技术的提出以和应用, 到新产品的制造加工、新产业及其产业链形成, 最终实现新的价值创造的系统性复杂过程。这个基本过程包含了创新思想出现到新知识的形成、新知识引导的新技术出现以及新产业的形成和不断完善三个重要阶段。第一阶段主要是通过深入系统的科学研究, 导致创新想法出现, 进而经由实验室工作, 获取新的技术知识, 这个过程主要通过科研机构实现。第二个阶段主要是在新产品、新技术的研发与试制中应用新知识, 推动了创新技术形成, 其创新主导机构是企业。第三个阶段主要是从研究机构的实验室试制最终走向规模化产出并不断满足市场需求, 进而诱导了其他相关企业加入, 最终导致新产业形成和产业链的完善, 创新主体机构也是企业。在科学研究深入进行的基础上, 创新知识形成并促进技术创新和产品创新, 创新成果的应用与孵化, 使得经济社会需求不断在更高层面上被满足, 科技创新成果最终以其产业化的形式推动了其市场价值的实现。

科技金融是在我国金融改革和科技体制改革中出现并不断发展的, 是以金融工具、金融服务、金融制度等促进科技开发、成果转化和产业化发展等的系统性的制度创新安排。国家科技发展“十二五”规划中, 将科技金融定义为政府通过创新财政科技投入模式, 引导和带动银行等金融机构与金融资源, 为初创期到成熟期等各个生命周期阶段的企业提供金融支持和各项金融服务的系统性制度安排。因此, 科技金融的实质是金融资源主体如政府、投资者向科技创新主体如企业与科研机构提供各种金融资源和服务, 从而实现科技创新与金融发展的有机结合的系统性制度安排。

(二) 科技金融与科技创新系统的要素

科技金融与科技创新系统的要素可以区分为主体要素、客体要素和系统的环境特征。从主体要素看, 科技创新体系的主体包括企业、科研机构和高等教育机构。企业是创新主体中最重要的部分, 企业的科技创新表现为新产品和新技术开发应用。科研机构和高等教育机构拥有较深厚的人才梯队, 创新思维活跃、拥有丰富的各类创新基础资源, 是知识学习、研究与创新的综合体, 在基础研究和应用研究的早期阶段能起到重要作用, 其创新成果通常表现为论文、专利和专业数据, 通过创新成果的转化来实现其对经济社会效益的积极作用。科技金融系统的主体要素包括政府财政部门、科技部门等政府公共科技金融投入机构, 银行、风险投资机构等市场科技金融主体。前者主要是通过科技计划、创新补贴、政策性科技融资等形式形成对科技创新的倡导和鼓励, 并通过创业引导基金等形式引导市场科技金融投资主体进入科技创新体系。银行等传统的市场金融机构主要是通过科技贷款、咨询等科技金融服务形成对科技创新的支持。风险投资等市场金融机构通常在创新产品的早期研发阶段即介入, 提供研发到产业化所需的金融资源, 最终通过退出获取创新成果的高额利润。

在科技金融与科技创新系统中, 资金流是链接科技创新主体和科技金融主体的关键客体要素。通过科技金融主体提供的资金融通便利, 形成由科技金融主体向科技创新主体的资金流。其中, 政府等公共性科技金融主体通过政策性融资、创新补助等差异化手段实现财政资金向创新主体的流动;市场型科技金融主体主要通过股权、债权等金融手段, 在追求自身利益的同时实现了金融资源向创新主体的流动。最终, 公共性科技金融投入以税收形式、市场科技金融主体以创新回报形式现实资金回流, 保证了后续资金流的持续性。再者, 科技金融和科技创新系统的融汇发展也需要与系统外进行物质、信息等方面的交换。这些系统外的环境包括法律、制度习俗、各种服务中介、人力资本环境等。法律环境涉及政府为促进科技金融和科技创新协同发展而制定的各项法律法规及其执行与落实情况;社会制度习俗等环境会影响科技创新过程中的融资偏好等方面;各种服务中介环境涉及技术咨询、技术交易等第三方服务机构, 人力资本环境包括了人才供给与需求状况、创新人才的培养等方面。有效运行的外部环境能为企业科技创新和科技金融主体提供高质量的金融服务发挥重要的作用。

三、科技金融与科技创新协同发展机理

(一) 科技金融对科技创新的作用

科技金融通过有效资本供给对科技创新产生积极作用。首先, 科技金融为科技创新提供了重要的资金支持。科技创新的三个阶段中, 客观上存在着规模不断增长的金融服务需求, 有效的金融服务是科技创新必要的基础性条件之一。政府的公共性科技金融服务通过创新补贴等财政性科技投入来不断满足科技创新的资金流需求, 并建立创新创业引导基金等金融机构将社会闲散资金导向创新过程;市场性科技金融服务通过银行科技信贷、风险资本注入等将资金导向科技创新企业, 来保障科技创新过程中的资金流需求;其次, 科技金融对科技创新的事前和事中监督有效地提升了科技创新活动的质量, 保障了资金资源向效率最高的创新领域的流动。科技金融机构通过特定的项目审查机制来保障科技创新项目的品质。公共性科技金融在政府科技资金配置的整个过程中, 通过项目评估、专家审查、第三方评估等方式对创新活动的品质进行甄别, 优选项目;市场性科技金融通过资金进入前的审慎性评估等进行项目筛查和前景预判, 在降低资金风险的同时, 对优质创新创业当前的创新活动和预期结果进行甄别并引导资源流动。最后, 科技金融对科技创新的事后监督有力地保障了科技创新活动的健康发展。科技金融部门通过全过程监控和管理, 监督创新项目的完成情况, 监测其现金流的安全性, 市场前景的稳健性, 以及对企业管理层的约束与激励, 帮助企业建立完善的内部治理机制, 帮助企业不断健康发展。

(二) 科技创新对科技金融的作用

科技创新不断发展, 市场深度不断提升, 经济社会需求在广度和深度的不断拓展和延伸为科技金融提供了广阔的发展空间, 科技创新的深入发展为科技金融活动提供了金融服务技术提升和利润增长的潜在空间。首先, 科技创新发展过程中的资金需求是科技金融发展的前提。科技创新中的基础研发、关键技术创新、成果应用与转化等多角度、多层次的科技创新活动, 以及产学研的密切协调发展, 既为金融工具设计提出了更要要求, 也为金融服务技术进步提供了客观条件, 从而有力地推动了金融效率的提高。其次, 科技创新活动本身的质量及其市场前景, 决定了科技金融主体资金投入效率。只有科技含量高, 创新性强, 前景广阔, 能不断适应市场需求的科技创新项目才能取得较高的成功率和收益空间, 这为科技金融主体收益率提高提供的客观条件;也决定了公共性科技金融投入的趋势和力度。最后, 科技创新发展也为科技金融发展提供必备的技术条件。以电子信息技术如大数据技术为代表的科技创新发展, 为科技金融投入的预算、评估、过程监督、资源配置和效率评价等方面的工作效率提升提供了巨大的技术便利。科技金融和科技创新是相互作用, 共同发展的有机整体, 协同发展有利于带来经济和社会发展的协同效应, 促进了国家战略的实现。

四、科技金融与科技创新协同发展系统效率的实证分析

(一) 评价方法与评价指标的选择

科技创新和科技金融作为协同发展的整合系统, 综合考虑系统的投入和产出来进行协同发展效率的评价, 协同发展的最优状态是在一定条件下, 投入带来的产出实现最大化。考虑到整合系统投入具有的多元投入和产出的特征, 系统前沿分析方法表现出相当的优势。数据包络分析 (DEA) 是前沿分析方法中应用最为广泛的方法之一, 通过将科技创新和科技金融的整合系统作为决策单元, 避免了对现实产出函数的构造和量纲对评价结果的影响。DEA法测算得到的帕累托有效前沿面对二者协同发展效率提升具有重要的启示意义。考虑到科技创新和科技金融投入具有多元投入和多元产出的特征, 结合DEA法的特点和实际数据的可得性, 本文构建了3项输入指标和3项产出指标的评价指标体系, 如表1所示。

(二) 协同发展效率评价的数据包络分析方法及其应用

DEA法采用线性规划模型来评价多元投入和产出部门的有效性, 这些部门即决策单元 (记为DMU) , 判断DMU有效与否的实质是看DMU是否位于产出前沿上。根据线性规划技术得到科技创新和科技金融整合系统的投入—产出超平面, 比较被考察金融机构与其差异进而得到效率判断。这个过程无须得到产出函数, 也没有随机项的干扰和分布假设所带来的影响, 也无须进行统计检验。测算整合系统的效率时, 构建模型的基本思路为, 先构造一个由n个决策单元组成 (线性组合成) 的假想决策单元, 即假定存在n (j=1, 2…n) 个DMU, 每个DMU有相同的m (i=1, 2…m) 项投入, 每个DMU有相同的s (r=1, 2…s) 项产出, 第j个DMU的第i项投入记为xij, 第j个DMU的第r项产出记为yrj, 目标是衡量第j0个DMU是否DEA有效。如下图:

假设投入、产出的权向量分别为v= (v1, v2, …, vm) T和u= (u1, u2, …, us) T, 然后定义第j个DMU的效率指数为:

判断DMU0在n个DMU中是否最优时, 需要测算u和v变化时θ0的最大值。即若假想决策单元各项产出均不低于j0的各项产出, 各项投入均低于j0的各项投入, 即存在:

则j0不在产出前沿面上。据此得到相关线性规模模型:

当E<1时说明j0非DEA有效, 否则说明j0DEA有效, 此时同时实现了技术有效和规模有效。

表1中的指标在数据包络分析法的应用中, 相关数据来源于《中国科技统计年鉴 (2015) 》《中国高新技术产业统计年鉴 (2015) 》《中国金融统计年鉴 (2015) 》《中国创业风险投资发展报告 (2015) 》《风险投资年鉴 (2015) 》《中国证券期货统计年鉴 (2015) 》、Wind资讯和科技部网站, 同时剔除了数据不完整的内蒙古、广西、西藏、青海、新疆、贵州、海南等省、自治区。采用根据式 (1) - (3) , 用Matlab2013计算其余省份科技创新与科技金融协同发展系统的效率评价结果, 如表2所示。

从表2可以看出, 我国不同省、自治区和直辖市科技创新与科技金融协同发展系统的效率水平存在比较大的差异。三大直辖市和东部主要省份的科技创新与科技金融协同发展的效率较高, 中部省份其次, 效率最低的省份主要集中于西部地区, 呈现出比较明显的东、中和西部梯层关系。不同省、自治区和直辖市科技创新与科技金融协同发展系统效率大致可以区分为3类, 如表3。

尽管我们已经可以得到不同省、自治区科技创新与金融创新协同发展系统的效率水平并展开分析, 但每一类型的地区中存在多个省、自治区, 不易区分相对效率关系, 为此, 在DEA法中进一步进行交叉评估, 得到表4。

(三) 基本结论与政策启示

不同省、自治区和直辖市科技创新和科技金融协同发展系统的效率水平呈现东、中和西部的梯层特征。基本原因在于, 不同的省、自治区和直辖市尽管都出台了促进科技创新和科技金融发展的政策规章, 但其在创新的产业资源、金融资源和人力资源方面存在的客观上的明显差异。从科技金融的发展来看, 地方财政对区域公共性财政科技投入有着明显的影响, 发达地区的公共性财政科技投入较高, 而欠发达地区的投入较低;在经济和金融较发达的地区, 市场性科技金融投入的规模较大, 而欠发达地区较小;使得不同地方的科技创新和科技金融协同发展系统的效率呈现差异。经济社会较发达地区的创新企业数量多, 规模大, 集聚效应较明显, 而欠发达地区则落后很多。缺乏科技金融的促动, 欠发达地区的科技成果的产业化程度明显低于发达地区, 产学研结合程度低, 大量的创新成果因各种原因不能及时向产业转化。

直辖市和少数东部发达省份的科技创新和科技金融协同发展系统富有效率, 其他省份的效率都比较低, 存在不同程度的资源配置无效率。国家创新战略实现是个全局性的系统工程, 只有少数发达地区的科技创新和科技金融的快速发展并不能保证国家战略目标的实现。在创新战略实施的过程中, 欠发达地区的相关政策制定, 必须能因地制宜, 突出创新资源优势, 创新差异化政策, 执行适当的科技金融优先发展战略, 以市场性科技金融资源流入来弥补公共性科技金融资源的不足, 从而促进科技金融市场整体水平提升;加大区域创新人力资本积累, 以科技金融发展反哺科技创新及其产业化, 不断提升科技创新和科技金融协同发展效率, 从而带动区域经济发展, 助力国家创新战略的实现。

参考文献

[1]陈凤娣.论科技创新的运行机制[D].福州:福建师范大学, 2009.

[2]段世德, 徐璇.科技金融支撑战略性新兴产业发展研究[J].科技进步与对策, 2011 (7) .

[3]李毅光, 毛道维, 倪文新.政府主导型科技金融服务平台运行模式研究[J].经济体制改革, 2016 (2) .

[4]李新功.金融促进技术创新市场化工具运行的机制研究[J].科技进步与对策, 2011 (10) .

[5]徐义国.科技金融支持创新的双重机理:微观重构与要素协同[J].银行家, 2016 (4) .

[6]叶子荣, 贾宪洲.金融支持促进了中国的自主创新吗[J].财经科学, 2011 (3) .

创新效率评价 篇9

区域创新网络是指由地方行为主体企业、大学、科研院所、地方政府等组织及其个人之间在长期正式或非正式的合作与交流关系的基础上所形成的相对稳定的系统 (王缉慈, 1999) [1]。区域创新网络的建立和完善, 有利于增强区域技术创新能力, 提高企业自主创新能力, 推动当地的经济和社会发展。近年来, 广东省高度重视区域创新网络建设, 在打通产学研互动通道、构建工业技术创新体系、搭建知识创新平台以及建立技术创新服务网络等方面做了大量的工作, 区域创新网络的体系框架已初步形成[2]。经过几年努力, 广东省现已成为全国企业技术创新能力最强的地区之一, 企业创新能力、大中型企业的R&D投入、综合区域创新能力等指标均居全国前列。但同时应引起重视的是, 综合得分广东与位居第一、第二的北京和上海相比还有不小差距, 与位居第四的江苏相比, 也不再有太大优势;同时反映科技综合实力可持续性的知识创造和企业创新能力得分也大大低于京、沪, 甚至不如江苏。在此背景下, 提升广东省各地区创新体系的运行效率对于提高企业自主创新能力、促进区域经济发展显得尤为重要。但由于区域创新体系本身是多投入多产出的复杂系统, 对于区域创新网络创新效率的评价较为困难。本文运用数据包络分析的理论和方法, 通过对具有多输入多输出指标的同类主体间的相对有效性比较, 对广东省的区域创新网络进行实证分析, 并以此为依据提出促进广东省区域创新网络发展的政策建议。

2 数据包络分析 (DEA) 的概述

数据包络分析 (Data Envelopment Analysis, DEA) [3]是美国著名运筹学家查恩斯 (A Charnes) 、库伯 (W Cooper) 和罗兹 (E Rhodes) 等于1978年首先提出的评价具有多个输入和多个输出的决策单元相对有效性的方法。该方法主要是通过保持决策单元 (DMU) 的输入或输出不变, 借助于数学规划将DMU投影到DEA前沿面上, 并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。与传统的绩效评价方法相比, 该方法无需对评价指标赋予权重, 而仅仅假定由评价DMU输入输出指标组成的状态可能集所满足的凸性、无效性以及最小性。由于该方法采用多指标输入/输出来评估创新绩效, 因此有效地避开了其他方法的主观人为性及评估指标单一性的缺点。

DEA方法的一般模型是:记Xj= (xij, ..., xmj) T, Yj= (yij, ..., ymj) T, j=1, 2, ..., n, 其中, xij为第j个决策单元对第i种类型输入的投入量;yrj为第j个决策单元对第r种类型输出的产出量, 可用 (xj, yj) 表示第j个决策单元DMUj。对应于权系数v= (v1, ..., vm) T, u= (u1, ..., us) T, 每个决策单元都有相应的效率评价指标hj= uTYj/ vTXj, 可以适当的选择权系数vu, 使其满足hj≤1。对第j0个决策单元进行效率评价时, 简记DMUj0为DMU0, (xj0, yj0) 为 (x0, y0) , hj0为h0, 1≤j0≤n。在决策单元的效率评价指标均不超过1的条件下, 选择权系数vu, 使h0最大。对于某个选定的DMU0, 判断其有效性的C2R模型对偶规划可以表示为:

(Ρ) {minθ=VDs.t.j=1nXjλj+s-=θX0j=1nYjλj-s+=Y0λ0j=12ns+0s-0 (1)

模型 (1) 中, s+与s-为松弛变量, 规划问题 (P) 的最优解为θ*、λ*js-*、s+*。

(1) 综合效率。

θ*=1, 则称DMU0为弱DEA有效;若θ*=1, 且s-*=s+*=0, 则DMU0为DEA有效。当θ*<1, 则DMU0为DEA无效。

(2) 技术有效性。

技术效率表示创新网络与同一规模的最大产出下最小的要素投入成本, 可衡量在投入导向下综合效率有多少是由技术无效率所造成。如果s-=s+=0, 则所对应的生产活动从技术角度看, 资源获得了充分利用, 投入要素达到最佳组合, 取得了最大的产出效果, 称其为技术有效;否则称技术无效。

(3) 规模有效性。

规模效率表示企业在最大产出下综合效率的生产边界的投入量与最佳规模下的投入量的比值, 可以衡量在产出导向下企业是否处于最佳生产规模。若∑λj*<1, 规模收益递增;若∑λj* >1, 规模收益递减。

3 区域创新网络创新绩效评价的指标体系设计

区域创新网络是由结点及其结点之间的联结关系构成。其基本结点包括企业、大学及科研院所、中介服务机构及政府等要素。区域创新网络结点间的联结关系是针对网络组织的整体架构、以不同结点间的互动合作与协同进化为导向, 旨在凭借政府、高校、科研院所等相关主体要素的联结, 发挥异质技术、信息、资源、管理经验的互补和乘数效果。从结点间的长期互动合作角度出发, 区域创新网络结点间的联结关系主要包括信息和技术联结、项目合作联结和人员流动联结三大类。其中, 信息和技术联结是区域创新网络技术进步的动力机制和创新网络各主体间技术链接的发生机制。技术和信息的链接过程同时也是技术的扩散与创新过程。区域创新网络对于各结点的技术链接具有独特的优势[4]。由于地理的接近性和产业相关性, 使得创新网络内企业在技术上关联性较强。而技术又是由众多技术因子组成的, 各技术因子并不是同步发展的, 它们间必然存在着技术势差。由于技术内部各因子的关联性和群体技术的关联性, 当某一技术因子发生变化时, 必然相应地使另一技术因子发生变化, 从而产生多米诺骨牌一样的连锁效应。项目合作联结是结点之间的联结渠道和信任机制。网络中结点间的项目合作越频繁、合作越广泛, 它们之间的联结就越紧密。在区域创新网络形成过程中, 企业通过与其他主体的项目合作联结, 可以促进企业和科研机构间、企业间的相互了解, 建立信任, 并建立起相应的利益分配机制。人员流动联结是区域创新网络的发展和形成机制。人员本身作为技术和商业信息的载体, 从一个单位向另一个单位流动会产生一系列的信息交换, 这对于促进企业的技术创新会产生积极的作用。

企业作为区域创新网络的主体结点, 通过信息技术联结、项目合作联结、人员流动联结等形式, 实现了与大学、科研院所、中介机构和政府等其他结点的互动, 从而构建了区域创新网络。通过网络效益, 企业进一步实现了新产品数量、销售收入和利润等技术创新绩效的增长。基于此, 本文给出相应的区域创新网络创新效率评价指标体系, 如表1。

4 基于DEA的区域创新网络创新效率评价——以广东省为例

4.1 评价对象及数据来源

近年来, 广东省高度重视区域创新网络建设, 在打通产学研互动通道、构建工业技术创新体系、搭建知识创新平台以及建立技术创新服务网络等方面做了大量的工作, 区域创新网络的体系框架已初步形成[5]。经过几年努力, 广东省现已成为全国企业技术创新能力最强的地区之一, 企业创新能力、大中型企业的R&D投入、综合区域创新能力等指标均居全国前列。至2007年底, 全省已组建182家省级企业技术中心, 这批技术中心所依托的企业总产值占全省工业总产值的20%以上, 成为广东省区域创新网络的核心。由此, 本文选择广东省目前已批准成立的182家省级企业技术中心为研究对象, 运用DEA模型和方法分行业评价其在各自创新网络内部与大学、科研院所、中介机构和政府的网络联结关系。在进行DEA模型计算时, 考虑到数据的可比性问题, 本文首先对数据进行了指数化处理, 以指标的最大值和最小值的差距进行数学计算, 其结果介于0-1之间。具体计算公式如下:

zi=xi-xminxmax-xmin

其中:zi为指标的标准分数, xi为某指标的指标值, xmax为某指标的最大值, xmin为某指标的最小值。

经过上述标准化处理, 原始数据均转换为无量纲化指标测评值, 即各指标值都处于同一个数量级别上。经标准化处理之后的DEA数据结构模型如表2。

4.2 综合效率评价

根据表2, 应用LINDO软件求解, 可得出不同行业创新网络联结的综合创新效率评价值, 如表3。在评价的16个行业中, 除冶金行业的DEA (C2R) 有效外, 其它行业均为DEA (C2R) 无效, 其综合效率平均值为0.609298, 说明广东省区域创新网络联结的投入有近40%的资源被浪费掉, 而未对产出有任何效率或贡献。

DEA (C2R) 无效的15个行业中, 创新联结转化效率的综合效率较低的有医药行业、有色行业和其它行业, 其中又以医药行业的创新综合效率最低, 综合效率有效性系数仅为0.298826。分析广东省区域创新网络创新效率较低的原因, 主要有以下几点:一是广东省区域创新网络的建设尚属于起步阶段, 网络内各结点的合作层次较低、规模较小。二是企业单纯引进技术或生产线, 而忽视对企业技术开发人员的培养和高素质人才的引进。三是产学研合作项目主要是技术转让、委托开发的形式, 基本上是学校和院所出人才和技术, 企业出课题和资金, 而如共建研究开发机构、实验室、研发基地、战略联盟等全方位、高层次的合作还较少。四是区域创新网络内结点间的合作还主要局限在企业与高校、科研院所在项目上的“点对点”合作, 高校之间、研究机构之间、企业之间的合作规模比较小。同时中介机构如工商团体、融资机构以及有关政府部门的服务意识、介入意识还比较差, 网络化区域合作体系还远远未能形成。

4.3 技术效率和规模效益评价

为识别和分析导致非DEA (C2R) 有效的深层原因, 本文通过求解DEA (C2GS2[6]) 模型, 分析了广东省各行业创新网络投入与产出的技术有效性和规模效率, 并对其进行了简单的区分与归类:

(1) 技术有效、规模有效。这一类的行业仅有冶金行业1个。该行业位于有效前沿面上, 创新投入的规模和结构相对于其它行业的来说是最佳的, 创新投入的转换效率也很高。

(2) 技术有效、规模无效。这一类的行业有船舶、电器、建材、农业、轻工I、有色和综合等7个。这些行业的区域创新网络具有较强的科研与科技转化能力, 创新效率较高, 当产出一定时, 其相应的投入已经不能再少。但其投入规模上未达到合理水平。其中, 电器、有色和综合行业的规模收益为递增, 船舶、建材、农业和轻工I行业的规模收益为递减。

(3) 技术无效、规模无效。这一类的行业包含电子、纺织、化工、机械、轻工II、石化、医药和其它等8个行业。这些行业在创新的投入规模与转化效率上均存在有较大改进的余地, 需要在快速提高技术创新绩效, 大力推动科技成果转化的同时, 合理调整创新投入的整体规模, 向生产前沿面上的规模效益最佳点靠近。

5 结论及启示

通过DEA方法的实证研究, 可以发现广东省的区域创新网络尚处于建设阶段, 区域创新网络的创新效率不高。要使得区域创新网络真正促进企业发展, 广东省要进行有效创新, 需进一步加大创新投入, 调整创新资源的投入产出结构, 提高资源的利用效率。针对本文的实证分析, 广东省应重点加强以下两个方面的工作:

一是强化制度建设, 提高区域创新网络创新投入与产出的转化效率。本文实证研究表明, 区域创新网络创新投入与产出的转化效率低下是导致广东省区域创新网络创新效率低下的根本原因。而掌握创新方法, 从而提高创新的效率和速度是增强区域自主创新能力、实现跨越式发展的捷径。政府应重视和培育本地企业之间的网络化联系, 培育网络组织意识, 优化区域创新环境。创新是一个集体化的过程。本地企业之间的隔绝和相互不信任, 会大大降低竞争的有效性和合作创新的可能性。面对外部竞争常常会感到孤立无援, 尤其是对不正当竞争, 如低价倾销、以次充好、冒牌等。为此, 政府可以帮助企业寻找它们的一些共同兴趣和要求, 定期或不定期地召开一些座谈会、展览会, 打破企业界限;建立一些民间的文化活动组织, 提供一些共同活动场所, 从而鼓励企业间以及企业与机构间相互合作。加强本地企业网络化联系, 形成自组织企业群。维护本地企业之间健康的竞争合作, 逐步形成本地化创新网络, 提高本地企业竞争能力和自主创新能力。

二是提升区域创新网络内各结点的合作层次和规模。目前, 广东省区域创新网络内结点间的合作还主要局限在企业与高校、科研院所在项目上的“点对点”合作, 高校之间、研究机构之间、企业之间的合作规模比较小。产学研合作项目也主要是技术转让、委托开发的形式, 基本上是学校和院所出人才和技术, 企业出课题和资金, 而缺乏如共建研究开发机构、实验室、研发基地、战略联盟等全方位、高层次的合作。广东省的区域创新网络建设, 可以省部产学研战略联盟为载体, 将部属高校优势科技资源系统地注入广东支柱产业、新兴产业的发展过程中, 变个别的合作为整体的活动, 变分散的合作为集中的合作, 变间断的合作为经常性的合作, 加速部属高校科技成果的转化和产业化, 提升广东产业的自主创新能力和核心竞争力。

摘要:在对区域创新网络进行结构性分析的基础上, 研究探讨了区域创新网络的主要结点及其相互联结关系, 提出了基于区域创新网络结构的效率评价指标体系, 并以广东省为研究对象, 运用数据包络分析方法, 对广东省区域创新网络的创新效率进行了评价, 并提出了相应的政策建议。

关键词:区域创新网络,创新绩效,数据包络分析

参考文献

[1]盖文启.创新网络[M].北京:北京大学出版社, 2003.

[2]王学力.广东工业技术创新状况实证研究[J].科学学与科学技术管理, 2005 (4) :71-75.

[3]CHARNES A, COOPER WW, PHODES E.Measuring the Efficiencyof Decision Making Units[J].European Journal of Operational Re-search, 1978 (2) :429-444.

[4]池仁勇.区域中小企业创新网络评价与构建研究:理论与实证[D].2005.

[5]王学力.广东工业技术创新状况实证研究[J].科学学与科学技术管理, 2005 (4) :71-75.

妙用评价艺术提升课堂效率 篇10

【中图分类号】G 【文献标识码】A

【文章编号】0450-9889(2014)3A-0101-02

“评价要关注学生学习的结果,也要关注学习的过程;要关注学生数学学习的水平,也要关注学生在数学活动中所表现出来的情感与态度,帮助学生认识自我,建立信心。”这一论述为我们探求小学数学课堂评价艺术提供了思路。我们只有紧紧围绕新课程标准关于学习评价的基本理念,不断提升小学数学课堂评价方式、语言艺术等,才能充分发挥课堂评价的积极作用,提升小学数学课堂教学效率。

一、小学数学课堂评价方式艺术

(一)实施差异性评价

小学生的数学学习能力、水平各不相同,我们不能用一把尺子衡量所有的学生,也不能寄希望于通过一段时间的学习消除差异。只有客观正视学生个体学习上的差异,实施个体差异性课堂学习评价,才能有效激发全体小学生数学学习的兴趣与主动性。

例如,在教学人教版三年级数学上册《周长》时,笔者设计了一道题目:在一个围墙边上,用一根绳子围了一个正方形菜地和一个长方形菜地,正方形菜地的边长是5米,长方形的菜地长8米,宽4米;

目标1:正方形菜地和长方形菜地周长各是多少米?

目标2:围这样两个菜地总共需要多少米绳子?

针对不同类别的学生采用的不同的解题方法以及学习完成情况,笔者进行了积极的评价,使不同类型的学生都能在目标达成中增强学习数学的信心。

(二)拓展课堂评价内容

长期以来,受应试教育的影响,我们对学生的评价更多地关注学生的学业成绩,以知识技能评价为主要内容、以书面评价为主要方式。要改变这种现象,我们需要拓展小学数学课堂评价的内容,包括学习态度、习惯养成、学习方法、学习主动性、课堂参与度等。例如,在教学人教版五年级数学上册《图形的面积》时,笔者设计了这样一个题目供学生讨论:一个正方形与长方形的周长相等,它们的面积是否相等?在学生讨论过程中,笔者发现一个学生拿出纸笔在稿纸上画图,并且用一个数值带入验算。笔者及时肯定了这个学生的学习行为:“同学们,这位同学养成的数学习惯很好,很多知识我们不能停留在表象,或者依靠猜测,而要像这个同学一样,多动笔、多实验,这样数学的大门才能为我们打开。”这种拓展课堂评价的内容能够有效发掘学生的闪光点,使各层次的学生都受到激励。

(三)发挥多元评价主体作用

传统的小学数学课堂评价主体较为单一,教师是唯一主体,学生往往处于被管理的角色,对于教师的评价学生也只能是被动接受。引入多元评价主体,有利于增强评价的科学性与客观性。我们可以将教师的评价与学生、组员、家长等评价结合起来,发挥不同评价主体的作用,提升数学课堂教学效率。引入学生自评是帮助学生强化自我学习主体意识的重要手段,也是帮助学生了解自我学习情况的重要手段。小组评价是在一种较为自然的环境下进行的,更容易为学生所接受,效果更显著。我们还可以根据小学数学教学的需要,邀请家长参与数学课堂观摩,对学生数学课堂的学习情况进行评价,有效督促学生的数学学习。

二、小学数学课堂评价语言艺术

人们都希望听到来自别人的赞美之词,小学生更是如此,他们特别希望得到老师的激励性评价,得到老师的肯定。因此,数学教师的每一句评价都会对小学生的数学学习产生深远的影响。教师语言的表达方式和质量直接影响着学生对知识的接受,教师语言的情感也引发着学生的情感。富有艺术的评价语言能够有效激发学生数学学习的兴趣与主动性,反之,不当的语言可能会使学生对数学学习产生消极心理。因此,小学数学教师要不断优化教师评价语言,做到准确、亲切、激励、人性化等,充分展现教师评价的激励功能。

1.准确性。教师的评价是为了更好地促进学生的数学学习。因此,评价的语言要做到准确,突出“评价点”。所谓“评价点”就是教师要肯定的地方,不能笼统地用“很好”“不错”进行评价,要让学生明白自己在数学学习中哪方面表现很好,哪一点不错。例如,在学生第一次学习乘法概念时,笔者让学生先自学教材,然后说说乘法的概念。在交流时,有一个学生发问:“老师,我妈妈在农贸市场卖菜,她经常给人家算数,她运用的是不是乘法?”面对这个“答非所问”的“问题”,笔者及时给予鼓励:“你好聪明哦,能够运用生活中的数学现象来学习数学了。”这样的评价不仅可以让学生得到激励,还可以教给学生学习数学的方法。

2.亲切性。教师亲切的评价往往能够有效拉近师生之间的距离,让学生乐于接近,从而产生“亲其师,信其道”的效果。教师亲切的评价能够使师生融为一体,营造宽松自由的课堂气氛,在这样的氛围中,学生的思维最活跃。因此,在数学课堂评价中,教师要使自己的评价语言具有亲和力,例如“小宝贝,今天你发言真积极,老师真喜欢你”等。

3.激励性。小学生普遍存在好胜心理,教师富有激励的评价能够有效激发学生数学学习的兴趣与主动性。在课堂评价中,教师要少一些批评,多一些激励,例如“好棒,你今天表现不错”“只要再多一些努力,相信你将来能够成为数学家哦”等,帮助学生树立信心,以积极的心态来学习。

4.人文关怀。教育是人的教育,人的教育在于深入学生心灵世界,给予人性关怀,用爱激发学生的学习潜能。因此,在课堂评价中,教师的评价语言要透出浓浓的人文关怀,呵护每一个学生的心灵。例如,在数学课堂中,经常会遇到学生在课堂上回答错误的现象,教师要善于运用诸如“虽然你思考的角度不对,但失败乃成功之母,相信下一次你会更好”“尽管你答错了,但是你比其他同学多收获了一份勇气”之类的语言,保护学生的自尊心,使他们爱上数学学习。

总之,课堂评价是一门艺术,需要每一位教师具有探究意识,深入发掘、妙用课堂评价艺术,充分发挥课堂评价对小学数学学习的促进作用,激发学生数学学习的兴趣与潜能,有效提升小学数学课堂学习效率。

创新效率评价 篇11

金融危机后,为应对疲软的外部经济环境,提升经济发展水平,中国内地各省市区纷纷提出要加快进行产业转型升级。高技术产业作为一个面向未来的、发展潜力巨大的行业,成为各省市区产业转型升级的主战场。2009年,我国高技术产业总产值历史性的突破了6万亿元,达60430亿元;高技术产业R&D经费规模达892.1亿元,占制造业R&D投入的1/4;产业中内资企业的规模不断扩大,所占比重呈上升趋势,2009年内资企业占比超过1/3,而三资企业的比例下降到65.7% [1]。在取得长足进步的同时,考虑到高技术产业是技术密集型产业,产业的发展需要大量的技术创新为支撑,结合资源的稀缺性和投入的有限性,对投入到技术创新中资源作用的发挥情况进行分析,评价其资源配置效率是一个必须重视的问题。

内生经济增长理论认为,经济增长最主要的源泉是知识的生产和人力资本的积累,技术创新和发展是推动经济发展的首要动力,而高技术产业的技术进步更主要来源于创新能力[2]。近年来,国内关于高技术产业技术创新效率的研究逐渐兴起。范凌钧等应用面板数据随机前沿方法考察了中国高技术产业R&D与技术效率之间的关系,认为R&D对技术效率具有显著的正向促进作用[3]。陈伟等从技术价值、经济价值和社会效益三个维度,运用两阶段DEA模型研究认为高技术产业存在一定的地区差异[4]。李雪冬采用非参数Malmquist指数法,对2001—2006年我国高科技产业全要素生产率进行估算,结果表明其增长率大幅下降,技术进步呈衰退趋势,而技术效率大体为增长趋势[5]。邓路等运用高技术产业1999—2007年13个行业面板数据,定量评估内资企业自身研发投入及行业内R&D溢出对该行业自主创新效率的影响机制[6]。韩晶利用SFA方法对中国高技术产业创新效率进行实证分析,认为产业整体创新效率呈改善趋势[7]。

从现有研究来看,大多数研究局限于从研发投入或技术溢出的角度分行业来进行分析,而忽视了在中国实际上是各省市区在主导各自高技术产业的发展。本文以中国内地各省市区高技术产业为研究对象,运用超效率DEA模型测量其资源配置水平,探究影响效率水平的因素,为制定各省市区高技术产业发展政策提供理论参考。

1评价模型

DEA方法于1978年由Charnes和Cooper等人创建,是一种以相对效率概念为基础,评价具有相同类型的多投入、多产出的决策单元(Decision Making Unit,简称DMU)运作效率的非参数统计方法。与其他参数评价方法相比,DEA不需要预先估计参数,在避免主观因素和简化运算、减少误差等方面有着明显优势。因此,本文选用DEA作为评价模型。但是,基本DEA模型(C2R模型)最终将所有DMU分为有效和无效两类,且有效单元的效率值均为1,当DMU数量较大时,在多数情况下会有较多DMU成为有效DMU而无法进一步细化比较。因此,PerAnersen对基本的C2R模型进行改进,提出超效率DEA模型来解决这一问题[08,8]。其基本原理是在进行第j0个DMU效率评价时,将其自身排除在外(C2R模型中其自身是包含在内的)。即第j0个DMU的投入产出完全由其他DMU投入产出的线性组合来代替。设每个DMUj分别有m种类型的输入和s种类型的输出,分别记为:

Xj=(x1j,x2j,…,xij,…,xmj)T>0 (1)

i=1,2,…,m; j=1,2,…,n

Yj=(y1j,y2j,…ykj,…,ysj)T>0 (2)

k=1,2,…,s; j=1,2,…,n

则基于输出的DEA超效率模型如下:

minθj

undefined

解n次线性规划,即可得到各DMUj的相对效率评价值θj(j=1,2,…,n)。θj值大于等于1的DMU为有效单元,θj值小于1的DMU为无效单元。s-,s+为松弛变量,分别代表无效决策单元投入的冗余和产出的不足。

2评价指标体系及数据

2.1评价指标体系设计

目前,在前沿效率分析方法中,对投入产出指标的确定主要有生产法、中介法和资产法3种[9]。根据前人的研究成果和专家意见,结合高技术产业技术创新的特征,本文采用生产法确定投入产出指标。高技术产业生产投入方面主要表现在高技术人员人力投入和研发经费投入上,以及一定的固定资产投资。具体人员投入指标为国际通用的、用于比较科技人力投入的R&D人员全时当量;财力投入指标为R&D经费内部支出、新产品开发经费支出和技术改造经费支出;考虑到实物投资从建设到作用发挥具有一定的滞后期,物力指标为前一年固定资产购建费。产出指标可分为直接产出和潜在产出两种。技术创新最直接的产出表现为新产品的问世。因此我们用新产品销售收入来表征技术创新的经济效益,用新产品的出口额来表征技术创新的国际竞争力。同时,有效发明专利可以在未来转化为新产品,是技术创新的潜在经济产出。

2.2数据来源及说明

因本文主要研究金融危机后中国内地高技术产业技术创新资源配置效率问题,所以采用2009年的截面数据,其中财力投入为2008年截面数据,数据均来源于中国科技统计年鉴(2009,2010),因部分数据缺失,西藏、新疆两区未纳入评价范围。

3实证结果及分析

3.1超效率值实证结果

采用EMS1.30软件对搜集整理的数据进行超效率DEA效率评价。评价结果见表2。

3.2超效率评价结果分析

① 中国高技术产业创新资源配置效率总体尚可,全国平均效率为84.13%。21世纪以来,全国各省市区纷纷把高技术产业的发展作为经济建设的重要领域,通过设立高技术园区等方法来帮助扶持高技术产业的发展。金融危机中,各地抓住机遇,逆流而上,出台了一系列促进自主创新的政策措施,有力地推动了中国高技术产业的发展进步。如辽宁推出“双百工程”,力争在2009年并购100家国家高端科技型企业和100家国际领先的科研团队;广东、云南、上海、安徽等地都出台了促进战略性新兴产业发展的规划政策。2010年,我国高技术产业总产值创历史新高,突破了7万亿元,达到74709亿元。各省市区在高技术领域的激烈竞争不仅推动了我国高技术产业的快速发展,而且有力地促进了创新资源在全国范围内的有效配置。2010年,东部地区高技术产业占比达到85.3%,几乎是中西部地区的6倍。其中,广东、江苏两省产值所占比重,达到全国产值的一半[10]。

② 各地区创新资源配置效率差异明显。东部地区作为传统的高技术产业优势发展区域,其平均配置效率值达到106.97%,为唯一有效区域。而在承接东部产业转移上,西部地区表现较中部地区抢眼,其效率值达到83.41%,接近全国平均值,远高于中部地区的53.62%。其中,青海和云南更是实现了资源的有效配置,在各省市区效率值排名中分列第3、4位。从研发经费的投入上也可以初略看出西部地区在创新资源配置效率上的优越表现。2010年R&D经费投入强度呈现出西高东低的特点,西部地区的R&D强度达到2.31%,中部地区略低,为2.03%,而东部地区仅为1.53%。从“十一五”以来各省市区高技术产业总产值占全国比例的变化情况看,2005年与2010年相比,广东省占比从31.2%下降到28.2%,上海从11.4%降到9.2%,重庆由0.4%上升到0.7%,四川从1.8%上升到2.9%,高技术产业正由东部经济发达省市逐步向中西部地区转移和扩散[10]。

③ 在环渤海、长三角、珠三角这三大中国高技术产业集聚度最高的经济圈中,环渤海和珠三角经济圈的创新资源配置较优,北京、天津和广东都实现了完全有效配置,分列各省市区效率值排名的第1、2和5位。而长三角经济圈中的上海、浙江、江苏均只位居效率值排名的中游,与其经济大省市的身份极为不符。一种合理的解释是,受金融危机影响,外贸依存度历来较高的长三角地区高技术产品的出口急剧萎缩,影响了其资源作用的有效发挥。如江苏省R&D经费投入强度2010年处于全国中下水平,为0.99%,远低于同期全国1.6%的平均水平[10] ,浙江省2009年高新技术产品出口98.5亿美元,同比下降7.5%[11]。

④ 各省市区之间创新资源配置效率差异极大,发展极不平衡。在29个省市区中,超效率值的方差达到5139.07,仅8个省市区效率值在平均值(84.13%)以上,在平均值以下的省市区数占72.41%,其中,效率值在50%以下的省份有9个。各省市区的发展也极不平衡,最高超效率值(北京,359.81%)是最低超效率值(甘肃,23.11%)的15.6倍,说明在其他条件不变的情况下,在北京市高科技产业每一单位的投入,其产出是在甘肃省高科技产业每一单位投入产出的15.6倍。

从效率值排名表可以看出,在29个省市区中仅有5个省市区达到了资源配置有效,而其他24个省市区均未达到有效,存在严重的投入和产出不相匹配的问题。下面我们从投入冗余和产出不足两方面来分析影响效率的原因。

3.3各省市区创新资源配置无效原因分析

EMS1.30软件在计算出超效率值的同时,也能给出各无效DMU在各个投入指标上的冗余s-和产出上的不足s+,本文用s-/实际投入和s+/实际产出的比值来分别表征各投入的冗余度和产出的不足率,计算结果见表3。

① 从全国范围看,在投入冗余方面,对创新资源配置效率影响从高到低排序依次为:技术改造经费投入冗余、前一年固定资产构建冗余、R&D人员全时当量冗余、新产品开发经费支出冗余和R&D经费内部支出。最大的投入冗余是技术改造经费投入的冗余,平均有38.47%的投入资金没有发挥效应,其原因在于高技术产业是一个发展迅速的产业,其技术发展速度快、设备更新快,一般的技术改造难以适应技术发展趋势。高技术产业技术密集度高、仪器设备更新换代步伐快,固定资产的投入如果不能赶上技术发展的水平,则其投入势必成为影响资源配置的重要因素。在我国整体科研水平不高、科研激励制度尚不完善的今天,R&D人员全时工作当量并不能完全反映研发人员的工作投入,有相当部分属于重复研发、无效研发。冗余度最小的投入是R&D经费内部支出,为1.19%,说明高技术产业普遍实现了内部研发经费的有效配置。

注:s-1~s-5分别为R&D人员全时当量、R&D经费内部支出、新产品开发经费支出、技术改造经费支出和前一年固定资产购建费的投入冗余度,s+1~s+3分别为新产品销售收入、新产品出口额和有效发明专利的产出不足率。

②在全国范围内,在产出不足方面对创新资源配置效率影响从高到低排序依次为:新产品出口额、新产品销售收入和有效发明专利数。产出不足率最大的为出口额,平均高达732.88%,西部地区甚至高达1023.13%,既证明了金融危机对我国高技术产业出口产生了巨大负面影响,又从一个侧面反映了我国高技术产品国际竞争力偏弱的事实。新产品销售收入不足率全国平均达到45.36%,对资源的有效配置也有较大的影响。

③ 各地区在创新资源的配置上各有优缺点。东部地区R&D人员全时当量、固定资产构建费和新产品开发经费方面的冗余度最低,基本实现了人力、物力和新产品开发资金的有效配置;不足之处在于有效专利数的产出效率偏低。西部地区在企业内部研发经费上控制的最好,冗余度最低。中部地区技术改造经费支出效率最高,且在有效专利的产出上达到有效。

④ 资源配置非有效的各省市区在部分资源的配置上各有其长处,也各有严重短板,拖累了其资源的有效配置。如上海市,除技术改造经费支出和前一年固定资产购建费的投入冗余度较高外,在R&D人员全时当量、R&D经费内部支出、新产品开发经费支出等方面均实现了最优化;而甘肃省则受新产品出口额的严重影响,导致其资源配置整体效率欠佳。

4对策建议

高技术产业作为推动经济增长的重要部分,其发展状态、竞争力高低、配置资源的效率发挥一直是政府、企业和学界关注的问题。从分析结果来看,当前我国高技术产业创新资源的配置效率并不尽如人意,需进一步优化资源配置,促进技术进步,为经济可持续发展提供保证。

① 完善政策体系,营造良好发展环境。面对世界高技术产业的迅猛发展,我国政府应抓住机遇,大力发展高技术产业,贯彻落实现有的法规和政策,完善高技术产业的相关财政政策、税收政策、金融政策、信贷政策、知识产权政策、人才政策、国际贸易政策、科技立项政策、科技成果奖励制度、科技成果评价制度等政策法规体系。建立基于高技术及其产品研发与产业化政策支持体系,营造促进高技术产业发展的良好政策环境,加强政府政策对高技术产业发展的引导作用。

② 加强各区域交流与合作,实现区域优势互补。我国各省份、各地区在高技术创新资源的配置上各有优缺点,应积极加强相互学习和合作,合理产业布局,分工合作,共享信息和人力资源,打造特色各异的高技术产业,促进区域产业转移和结构升级,提升经济发展水平。

③ 优化创新资源结构,避免盲目投入。当前,我国高技术产业在创新资源投入上均有程度不一的冗余。各省市区应根据自身情况,着眼于资源优化配置和绩效提升,开展科技投入的规模、结构、绩效评价以及管理体制改革等方面的研究,合理调整人力、物力、财力的投入分配比重,避免人浮于事、盲目投资。

④ 加强自主创新和原始创新,提升高技术产品国际竞争力。在我国内需未完全启动、外贸依存度仍然偏高的现实背景下,必须进行自主创新和原始创新,坚持以企业为技术创新的主体,强化企业在推动高技术产业化中的主导作用;加强产学研相结合,不断完善高技术产业链条;深入实施以标准、专利为核心的知识产权战略;实施重大科技专项攻关,集成资源,实现重点突破;不断提高产品技术含量,增强国际竞争力,逐步实现“研发投入——技术创新——效率提升”的良性循环。

摘要:高技术产业是技术密集型产业,其发展需要大量的技术创新为支撑,由于资源的稀缺性和投入的有限性,对资源配置效率进行评价十分重要。利用超效率DEA方法,对中国内地29个省市区高技术产业2009年的技术创新资源配置效率进行评价,并从投入冗余和产出不足两方面对创新资源配置无效的省市区进行原因分析,最后提出改进和提高配置效率的对策和建议。

关键词:高技术产业,技术创新,资源配置效率,超效率DEA模型

参考文献

[1]科学技术部发展计划司.科技统计报告[EB/OL].[2011-07-

[08]].http://www.sts.org.cn/tjbg/gjscy/documents/2010/20101220.htm.

[2]张海洋.R&D两面性、外资活动与中国工业生产率增长[J].经济研究,2005(5):107-117.

[3]范凌钧,陈燕儿,李南.R&D对中国高技术产业技术效率的影响研究[J].研究与发展管理,2010(6):37-43.

[4]陈伟,赵富洋,林艳.基于两阶段DEA的高技术产业R&D绩效评价研究[J].软科学,2010(4):6-10.

[5]李雪冬.我国高技术产业全要素生产率变动分解——基于非参数的Malmquist指数法[J].科技管理研究,2010(8):247-249.

[6]邓路,高连水.研发投入、行业内R&D溢出与自主创新效率——基于中国高技术产业的面板数据(1999-2007)[J].财贸研究,2009(5):9-14.

[7]韩晶.中国高技术产业创新效率研究——基于SFA方法的实证分析[J].科学学研究,2010(3):467-472.

[8]PerAnersen P,Petersen N C.A Procedure for Ranking EfficientUnit in Data Envelopmeng Analysis[J].Management Science,1993(10):1261-1264.

[9]马占新.数据包络分析方法的研究进展[J].系统工程与电子技术,2002(24):37-42.

[10]科学技术部发展计划司.科技统计报告[EB/OL].[2012-01-17].http://www.sts.org.cn/tjbg/gjscy/documents/2012/20120206.htm.

注:本文为网友上传,旨在传播知识,不代表本站观点,与本站立场无关。若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:iwenmi@163.com

上一篇:库存采购下一篇:专业理论水平

付费复制
期刊天下网10年专业运营,值得您的信赖

限时特价:7.98元/篇

原价:20元
微信支付
已付款请点这里联系客服
欢迎使用微信支付
扫一扫微信支付
微信支付:
支付成功
已获得文章复制权限
确定
常见问题