北京科技创新效率研究（共9篇）
北京科技创新效率研究 篇1
北京作为我国的政治、文化中心, 得天独厚的区位优势所产生的资讯、交通、辐射力等方面的优势吸引众多高科技人才来此创业。正是凭借科技和人才优势, 北京在高新技术产业发展方面走在了全国的前列。统计数据显示:2006年, 北京高新技术产业增加值404.2亿元, 在全市工业增加值中所占比重高达48.9%, 成为推动北京经济增长的主要动力, 在全市经济中处于举足轻重的地位。高新技术产业已经成为北京产业结构调整, 实现经济增长方式转变的重要力量, 在北京经济、社会发展中的战略性、前导性地位越来越突出。然而, 在高科技产业发展的背后, 需要有资本的强劲推动。尽管具有位居全国前列的高新技术产业优势、人才优势、政策优势, 北京高科技产业的主力军高科技中小企业却仍被融资问题所困扰。因此, 本文对北京高科技中小企业融资效率状况进行研究, 以此为政府和企业提供参考。
1 DEA基本模型
企业融资效率评价设计的指标较多, 是一个典型的多输入、多输出的系统。传统的评价方法一般都是基于最优化原理和美国著名管理科学家H.A.西蒙的满足化原理, 例如模糊综合评价以及层次分析方法等。传统方法需要确定各指标的优先权重, 而权重的确定, 往往很难避免主观性, 同时不同的评价对象指标之间的重要性差异可能导致评价的非公正性。数据包络分析方法 (Data Envelopment Analysis, DEA) 是以相对效率概念为基础的一种目标决策方法, 1978年由美国学者Charnes等提出, 目前已成为评价具有相同类型投入和产出的若干决策单元 (Decision Making Units, 简记为DMU) 相对效率的有效方法, 并在军事、生产、经济、管理等多方面有广泛应用[1]。
基于DEA基本原1理构建融资效率评价的DEA模型可如下:
设有n个决策单元 (高科技企业) , 每个决策单元有输入向量X = (x1, x2……xm) T, 输出向量Y = (y1, y2……ys) T, 对任意决策单元DMU基于凸性、锥性、无效性和最小性的公理假设, 有生产可能集:
可以得到如下DEA模型 (VRS或BCC) :
其中符号的涵义同前[2]。
规模可变假设使得计算技术效率时可以去除规模效率的影响, 由此得到的效率是纯技术效率PTE (TEBCC) 。通过模型 (1-2) 计算, 得到纯技术效率PTE和规模效率SE。
这里的θ是一标量, λ是第N×1维常数向量。根据Farrell (1957) 的定义, θ即是第i家DMU的效率值, 满足0 ≤θ ≤1。当θ=1时, 表示该DMU是效率前沿面上的点, 因而处于技术有效状态。N是N×1维的向量, 即N = (1, 1, ……1) 1×N'。可以证明约束条件N'×λ=1满足了规模报酬可变的假设。
规模报酬可变时, 纯技术效率 (TEBCC) 反映在给定投入的情况下企业获取最大产出的能力 (从产出的角度) ;或者是在给定产出情况下企业所需要的最小投入的能力 (从投入角度) , 即所要研究的融资效率。
2 样本的选取与数据来源
样本选取即确定决策单元, 选择决策单元实际上就是确定相互比较的参考集。本文选取2005—2006年北京软件行业企业为样本, 来探讨北京高科技中小企业融资效率。数据来源于北京市科学技术委员会。由于数据需保密、样本较大, 仅将计算结果置于文中。
2.1 样本的统计描述
从2005—2006年各样本企业统计数据中获得各指标的相应数据, 统计整理结果如下见表 1和表 2。
从表 1中样本企业投入分布情况看, 企业资产规模未过亿的占70%以上, 超过亿元以上企业占20%以上。资产规模亿元以上企业负债均值大于股东权益均值, 而亿元以下企业则相反, 负债均值小于股东权益均值。
从表 2中样本企业的产出指标情况看, 企业总资产收益率随规模的增加而增加。主营业务收入也随企业资产规模的增大而增大, 符合常规。
2.2 评价指标的确定
高科技中小企业与一般企业不同之处在于技术创新性强、高投入性、高风险性、高收益性、知识密集型性强及研发与经营一体化。这些特性决定了在评价高科技企业融资效率的指标选取。结合高科技企业的特点与资金投入的要求以及研究重点, 本文将评价指标界定为:
(1) 投入指标。企业资产总额 (X1) 。反映高科技企业融资的规模大小。该指标从总体角度反映高科技企业融资情况, 是其进行资金经营的基础。
负债额 (X2) , 所有者权益 (X3) 。其大小综合反映了企业融资成本、资本结构等, 从而影响企业的融资效率。
(2) 产出指标。主营业务收入 (Y1) 。它反映了企业筹集资金获取报酬的高低。该指标通常也是越高越好。
总资产收益率 (Y2) 为, 总资产收益率表明投资者每一元钱的投资能够获得多少净收益。该指标通常也是越高越好。公式表示为:
上述指标较为全面地反映了高科技企业资金利用效率的状况, 虽然, 可以在模型中引入更多的指标, 但考虑到指标之间的交叉性和相关性对评价结果的影响, 本文所选指标可以充分体现资金投入与产出的各个方面。
原始指标数据的无量纲化在实际应用中, 投入指标和产出指标均有不同的量纲, 但这并不构成使用时的困难。决策单元的最优效率指标与输入输出指标值的量纲选取无关。但是, 在模型中要求输入输出指标值为非负, 实际应用时, 原始数据中可能会存在负数, 如企业处于亏损状态时利润总额就为负值。这时, 就需要对原始数据进行处理。这里, 将原始数据按一定函数关系归一到某一正值区间, 采用的方法如下:
其中:mj = min (xij) , Mj = max (xij) i = 1, 2, 3, ……n, yij = [0, 1]
3 实证结果分析
3.1 融资效率评价
运用DEAP 2.1软件计算求解所涉及到的DEA模型问题。根据样本企业的原始数据整理出689家高科技企业的有关输入输出数据, 分别建立689个模型。每个DMU有3种不同的输入指标X1、X2、X3以及2种不同的输出指标Y1、Y2。运用DEA的BCC模型求解。
利用DEAP2.1上机计算, 求得各决策单元最优解和相对效率值, 即得到2005、2006年北京高科技大、中、小型企业的技术效率 (TE) 、纯技术效率 (PTE) 、规模效率 (SE) 。
2005、2006年北京高科技企业融资效率整体情况如表3、表4 、表5 、表6 、表7、表8 所示。
3.2 规模影响分析
从效率评价表3、表4、表5中我们可知2005年北京高科技大、中、小型企业的融资效率 (纯技术效率) 为12.93%、8.07%和4.38%, 即可得2005年北京高科技企业规模与融资效率的关系, 如图1所示。同样根据表6、表7、表8可知2006年北京高科技大、中、小企业的融资效率 (纯技术效率) 为14.97%、8.55%和4.15%, 即可得2006年北京高科技企业规模与融资效率的关系, 如图2所示。
从图 1及图2可以看出, 2005年、2006年北京高科技企业融资效率均随规模的增加而变大, 且相关度明显。高科技中小企业的融资效率低下的实证结果与从内生化企业规模的信贷配给模型分析得出的理论结果是一致的。说明高科技中小企业资产规模小, 无形资产比例较高是造成高科技中小企业融资效率低下的重要原因。
3.3 规模报酬分析
规模报酬变化是指在其他条件不变的情况下, 企业内部生产要素按相同比例变化时带来的产量变化, 企业的规模报酬可以分为规模报酬递增、规模报酬不变和规模报酬递减三种情况。规模报酬递增是产量增加的比例大于带来这种变化的各种生产要素增加的比例。产生规模报酬递增的主要原因是由于企业生产规模扩大所带来的生产效率的提高。它可以表现为生产规模扩大以后, 企业能够利用更先进的技术和机器设备等生产要素, 而较小规模的企业可能无法利用这样的技术和生产要素。对于高科技企业而言, 如果企业有研发成功的项目, 而缺乏资金支持无法形成一定规模, 无法形成规模效益, 或者企业通过较高成本融通到相应资金, 在市场竞争中, 将影响到企业的融资效率与持续发展。规模报酬不变是产量增加的比例等于带来这种变化的各种生产要素增加的比例, 则企业处于规模收益不变的最佳状态。规模报酬递减是产量增加的比例小于带来这种变化的各种生产要素增加的比例。产生规模报酬递减的主要原因是由于企业生产规模过大, 使得生产的各个方面难以得到协调发展, 从而降低了生产效率。
(1) 高科技中小企业绝大多数处于规模报酬递增阶段, 但资金匮乏。
从北京高科技中小企业的实证数据可知:2005年北京221家高科技中型企业中, 规模报酬递减的有1家企业, 规模报酬不变的有13家企业, 其它207家均处于规模报酬递增阶段;320家高科技小企业中, 规模报酬递减的有4家, 规模报酬不变的有7家, 其它309家处于规模报酬递增阶段。2006年北京233家高科技中型企业中, 规模不变的有11家, 其它222家均处于规模报酬递增阶段;289家高科技小企业中, 规模报酬不变的有8家, 其它281家均处于规模报酬递增阶段。
从融资效率评价结果表中可以看出绝大部分北京高科技企业处于规模收益递增的企业, 但DEA效率值却较低。究其原因而言, 可能是由于缺乏发展资金, 因而制约了这些企业的进一步发展和转化项目的顺利实施。这些企业如果获得更多的投资资金且在实施转化项目时加强过程管理, 规模效应会使其有更大的产出, 融资效率也将得到进一步的提高。
(2) 高科技中小企业融资结构不合理, 造成融资效率低下。
从样本的统计描述可以得知北京高科技大、中、小型企业的融资结构的大概情况, 如图3。由图可知, 北京高科技中小企业的资产负债率是明显低于北京高科技大型企业的, 表明高科技中小企业财务杠杆并未达到充分利用, 规模效应小, 进而造成融资效率低下。
3.4 融资效率趋势分析
从趋势发展来看, 高科技中小企业的融资效率水平都有明显的提高, DEA效率值大多集中在0.6以上。这说明无论是企业和政府都要促进融资效率的提高, 高科技中小企业融资效率低下的问题并没有得到显著的解决。
在我们考查的高科技中小企业中, 在目前的技术水平下, 统计2005—2006年在各效率区间 (<0.5, 0.5-0.6, 0.6-0.7, 0.7-0.8, 0.8-0.9, 0.9-1, 1) 的均值, 并对比两年趋势走向, 如图 4、 图5所示。
4 结论
4.1 北京高科技中小企业的融资效率低下
北京高科技中小企业融资效率低下, 相较高科技大型企业融资效率差异明显, 且大部分北京高科技中小企业处于明显非效率单位。说明在现有资金投入情况下, 企业并未充分利用, 致使企业未达到最大产出。企业融资效率决定于从融资方式的选择到治理结构的形成再到资金的使用整个过程, 而融资方式的选择实质就是法人治理结构的选择, 法人治理结构影响资金的使用。因此, 北京高科技中小企业融资效率低下可以反映出融资方式的选择不合理。企业融资效率是企业和市场相互作用的结果, 由此也能反映出当前北京资金市场供给机制对融资方式选择存在约束, 北京高科技中小企业融资渠道狭窄。从以上分析可以看出, 北京高科技中小企业的融资问题并未因北京的区域优势 (经济、金融、科技中心) 而缓解, 其问题同样严峻。
4.2 北京高科技中小企业融资效率与规模显著相关
北京高科技企业融资效率随资产规模的增大而增大。高科技中小企业的资产规模与结构特点及高风险、高收益的特点, 造成其为信贷配给的主要排除对象。在现行金融体制下, 商业银行在当前及今后相当长的时间内仍将是中国经济发展的主要资金供给者, 以银行贷款为主、其他融资渠道为辅的资金供给格局短期内难以改变。尤其是近年来国内宏观调控政策及金融发展环境的变化, 使得原本就存在的高科技中小企业融资难问题更加突出。
4.3 北京高科技中小企业普遍处于规模报酬递增阶段, 资金缺口大
北京高科技中小企业普遍处于规模报酬递增阶段, 这说明其处在生命周期的成长阶段或扩张阶段。成长期企业己完成生产线的开发, 将新产品投放市场并取得了一定收入, 占据一定的市场份额, 市场正在逐步扩大。在成长期, 新产品得到了市场认可, 销售量和销售利润呈上升趋势, 企业规模逐步扩大, 信誉得以提高, 企业整体呈现出一个发展向上的态势, 但是企业仍然处于亏损阶段, 需要外部资金增加设备, 形成规模效应扭亏为盈。在扩张期, 企业已经占领了一部分市场, 并成功扭亏为盈, 但为了迅速抢占更大的市场, 需组织大规模生产, 并需要在短时期内获得大量资金。由上可以看出, 北京高科技中小企业发展的关键时刻, 资金缺口大。
4.4 2005—2006年北京高科技中小企业融资效率并未明显提高
2005—2006年北京高科技中小企业融资效率并未明显提高, 可看出我国的金融市场供求机制并未产生很大变化。从北京区域看, 虽然2004年中关村海淀园区管委会出台了20项扶持中小高新技术企业的优惠政策, 并设立1亿元资金作为对企业的直接资助。在这20项优惠政策中, 有15项涉及对企业资金上的直接资助。此前管委会还推出“蹬羚计划”。该计划将信用评价、信用激励及约束机制与担保贷款业务有机结合起来, 通过政府的引导和推动, 凝聚金融资源, 构建高效、低成本的担保贷款通道;但是高科技中小企业的融资效率仍然十分低下, 说明我国及北京市高科技产业中有关产业政策的激励与促进作用不明显, 政府的引导作用不明显。
参考文献
[1] CHARNES A, COOPER W W, RHODES E. Measuring Efficiency [J]. European Journal of Operations Research, 1978: 429-444.
[2]BANKE R D, CHARNES A, COOPER WW.Some Model of Estima-ting Technical and Scale Inefficiencies in Data Envelopment Analysis.Management Science[J].1984, 30:1078-1092.
北京科技创新效率研究 篇2
运用DEA方法评价青岛市科研院所和高等院校两类机构的海洋科技效率,对综合效率、技术效率、规模效率和规模报酬等指标进行量化分析,解出提高科技效率的`途径,并提出改进海洋科技效率的对策建议.
作 者：刘大海 臧家业 徐伟 作者单位：刘大海,臧家业(国家海洋局第一海洋研究所,青岛,266061)
徐伟(国家海洋技术中心,天津,300111)
北京科技创新效率研究 篇3
1 研究方法和数学模型
本文的研究方法采用数据包络分析法,简称DEA,即假设存在n个决策单元,每个决策单元均有m个投入X,s个产出Y,记X=(X1,X2,…,Xm)T,Y=(Y1,Y2,…,Ys)T,则数学模型为:
其中,Yj为第j个决策单元的输出指标;Xj为第j个决策单元的输入指标;Sj-为第j个决策单元输入指标的松弛变量,表示输入过剩;Sj+为第j个决策单元输出指标的松弛变量,表示输出不足;λj为第j个决策单元的决策变量;θ(0≤θ≤1)表示决策单元的效率指数。当θ=1,Sj-=0,Sj+=0时为DEA有效。
2 评价指标选取
在以往的研究文献中,用来表示科技投入和科技产出的指标很多,但为了保证DEA模型检验结果的有效性,笔者结合北京高技术产业的发展现状,选取了产业技术创新产出和投入的指标。创新投入指标(X)主要以研发人员投入、研发资金投入、自主创新为主,创新产出指标(Y)主要以创新成果转化和价值体现为主。具体指标如下:
创新投入指标(X):X1———R&D活动人员(单位:人年);X2———R&D经费内部支出(单位:万元);X3———技术引进经费支出(单位:万元);X4———消化吸收经费支出(单位:万元);X5———技术改造经费支出(单位:万元)。
创新产出指标(Y):Y1———新产品销售收入(单位:万元);Y2———专利拥有数(单位:项)。
3 实证计算与结果分析
3.1 数据来源及处理
本文采用北京市高技术产业2001—2009年科技投入和产出数据,数据来源于各年度《中国高技术产业统计年鉴》。高技术产业主要包括医药制造业、航空航天器制造业、电子及通讯设备制造业、电子计算机及办公设备制造业、医疗设备及仪器仪表制造业。考虑到技术创新从投入到产出有一段时期的滞后,一般的研究都假设了滞后的时间,本文选择的滞后期为一年。
3.2 计算结果分析
运用Deap2.1程序对DEA模型进行计算,得到北京高技术产业的技术创新效率、纯技术效率、规模效率水平和技术创新效率调整值,见表1、表2和表3。由表1可以看出,北京电子计算机及办公设备制造业的技术创新效率最高,电子及通信设备制造业居次,医疗设备及仪器仪表制造业、医药制造业、航空航天器制造业分列第三、四、五位。研究表明,北京技术创新效率水平与其高技术产业技术创新能力高度相关[7]。
注:“-”表示规模不变;“irs”表示规模递增;“drs”表示规模递减
从表2和表3的计算结果来看,2001—2009年的电子计算机及办公设备制造业的技术效率一直处于技术有效,并且一直处于规模报酬不变状态,投入产出比较稳定,也是技术创新能力较强的产业。
对于电子及通信设备制造业,其技术创新效率值在2001—2009年间相对比较稳定,除2006年有所降低外,其余年份该行业的技术创新效率一直处于技术有效。2005年,该行业处于规模递减后,技术创新效率有所降低,到2006年,该行业的发展规模递增,表明增加投入可以带来更大的产出增长,但如果与生产规模不相适应,则会导致投入冗余。2006年,R&D人员、R&D经费、技术经费投入都有冗余,R&D人员冗余度为75.17%,R&D经费冗余度为71.06%,技术经费冗余度为81.54%。总体看来,技术经费的冗余最为突出。由于技术创新效率的降低,投入与生产规模不相适应,投入加大了,但却导致了专利的产出不足,在2006年专利产出还需增加45项,而基于当年的投入,新产品销售收入已实现最优化。
从2001—2009年的医疗设备及仪器仪表制造业的技术效率值来看,除2008年和2009年外,其余年份生产规模都处于规模递增状态,但在2001年、2003年和2004年出现了投入冗余和产出不足的情况,投入与生产规模不相适应,R&D人员、R&D经费、技术经费投入都有冗余,而且三年的平均冗余度分别为35.45%、32.53%、55.66%,总的看来,技术经费的冗余最为突出。由于投入与生产规模不相适应,在2001年和2003年投入加大,不仅使投入产生了冗余,而且导致了专利的产出不足,2001年专利需增加5项,2003年专利也需要增加5项。在2004年,投入加大使专利基本实现最优化,但却导致了新产品的产出不足,当年新产品需增加30 993.148万元的销售收入。
从2001—2009年的医药制造业的技术效率的规模区间来看,除2005年生产规模处于不变状态,其余年份生产规模都处于规模递增状态;从2001—2009年医药制造业的技术效率值来看,除2003年外,其余年份的技术创新效率均达到技术有效。2003年该行业处于规模报酬递增,但由于投入过多,导致投入冗余。R&D人员、R&D经费、技术经费投入都有冗余,而且冗余度分别为16.26%、12.34%、19.54%,技术经费的冗余仍较为突出。基于现有投入,新产品的销售收入已实现最优化,专利产出2003年应增加13项。
从2001—2009年的航空航天器制造业技术创新效率的规模区间来看,该行业的生产规模都处于规模递增状态;从2001—2009年的航空航天制造业的技术效率值来看,除2005年和2006年外,其余年份的技术创新效率均达到技术有效。2005年和2006年该行业处于规模报酬递增,但由于投入过多,导致投入冗余。R&D人员、R&D经费、技术经费投入都有冗余,而且这两年的平均冗余度分别为31.12%、35.56%、25.93%,总的看来,R&D经费的冗余较为突出。基于现有投入,新产品的产出和专利的产出明显不足,2005年需增加新产品销售收入91598.603万元,增加专利43项;2006年需增加新产品销售收入106 827.492万元,增加专利71项。
4 结论与建议
4.1 研究结论
(1)对北京高技术产业技术创新效率的分析来看,技术创新效率发生变化,主要是由纯技术效率和规模效率的变化所致,因此,对高技术产业技术创新效率的研究应结合纯技术效率和规模效率加以综合考察。
(2)目前北京高技术产业正处于规模扩张阶段,其技术创新效率整体水平居于全国前列。从2007年至2009年,五大高技术产业的技术创新效率均达到技术有效,而且没有投入冗余和产出不足的情况,产业发展态势良好。但同时也要防止个别产业投资过大,造成投入冗余和产出不足,导致技术创新效率降低。
(3)从创新效率的高低来看,北京电子计算机及办公设备制造业的技术创新效率最高,而且均达到技术有效,航空航天制造业的技术创新效率最低,而且在2005年和2006年都出现了投入冗余和产出不足并存的情况。其余产业的技术创新效率在2001—2009年间均出现过波动,这主要是由于R&D人员、R&D经费、技术经费投入存在结构性过剩和使用效率低下所致。
(4)从投入冗余和产出不足的产业发展情况来看,投入冗余主要是由于技术经费和R&D经费投入过多,而使用效率较低,致使原始创新不足;产出不足主要体现在专利拥有量过低,新产品有效占领市场的能力不足等方面。
4.2 政策建议
(1)从本文的研究结果可以看出,阻碍北京高技术产业技术创新效率的主要因素在于企业原始创新不足,而增强企业的原始创新,关键在于提高其自主研发能力,这就要求企业在加大科研经费投入的同时,注重高技术人才的引进,制定相关政策,提高企业自主创新能力。
(2)针对科技投入结构不合理和经费使用率低下的状况,北京高技术企业在争取政府资金支持的同时,还要注重自身资金的积累,同时在技术引进、改造和吸收消化方面提高先进技术的利用率和消化吸收速度,尽量减少和克服滞后效应。
(3)在提高高技术企业专利的产出能力方面,政府应当适当对企业给予保护和支持,制定相关政策,鼓励企业积极申报国内外专利,提高企业创新产出能力。
总之,提高北京高技术产业的技术创新效率,必须制定科学的高技术产业发展政策,充分调动科技人员的积极性,优化科技经费投入结构,提高经费使用率,提高专利产出和新产品的市场占有能力。
参考文献
[1]BYUNG-ROK CHOI.High-technology development in regional eco-nomic growth[M].Farnham,uk:Ashgate Publishing,2003:3-11
[2]薛娜,赵曙东.基于DEA的高技术产业创新效率评价——以江苏省为例[J].南京社会科学,2007(5):135-141
[3]蓝庆新.我国高科技产业创新效率的经验分析:2001—2008年[J].财经问题研究,2010(10):26-31
[4]岳书敬.长三角地区高技术产业创新效率的经验分析[J].南京社会科学,2008(5):13-18
[5]冯缨,滕家佳.江苏省高技术产业技术创新效率评价[J].科学学与科学技术管理,2010(8):107-112
[6]罗亚非,焦玉灿.我国制药业技术创新效率分析[J].科研管理,2007(2):71-76
北京科技创新效率研究 篇4
考生报考前，应仔细阅读《2016年北京市硕士研究生招生考试公告》及《2016年硕士研究生招生考试北京科技大学考点报考公告》(yzxc.ustb.edu.cn/zsjz/sszs1/4787.htm)，确认符合我校报考点报考条件方可选择我校。
一、确认时间及地点
选择北京科技大学报考点参加考试的所有考生，应于11月9日――11月12日9：00―17：00，至北京科技大学学生公寓七斋一层东侧多功能厅(示意图附件1)，进行信息确认及拍摄照片(确认程序附件2)。
报考北京科技大学，但选择外地报考点考生，应按照当地具体规定进行现场确认，并到所选择报考点参加考试。
二、现场确认对象：
网上报名选择北京科技大学报考点(报考点代码：1108)，且符合我校考点报考条件的考生(考生是否符合条件请查询yzxc.ustb.edu.cn/zsjz/sszs1/4787.htm)。
三、现场确认须携带以下证件及证明材料：
1.截止到月27日前有效的第二代居民身份证原件;
2.往届生毕业证书原件;普通高校、成人高校、普通高校举办的成人高校学历教育应届本科生学生证;网络教育与自学考试考生须提供2016年9月1日前可毕业的证明;
3.学历/学籍认证报告(未通过网上学历、学籍审核及获得境外学历的`考生提供;查看认证报告原件，收复印件);
4.在校研究生报考者，须提供就读学校培养部门同意报考的正式公函;
5.应届生仅就读学校在北京的考生可选报我校考点，须提供学生证原件;北京市户口的往届生须提供户籍卡或户口本原件;
6.报考“大学生士兵计划”考生现场确认时还应提供本人《退出现役证》原件和复印件;
7.非京籍往届生(强军计划、单独考试、MBA/MPA考生除外)选报我校考点的条件请查询yzxc.ustb.edu.cn/zsjz/sszs1/4787.htm;
8.不符合我校报考点要求的考生名单，10月25日后将在我校研究生招生信息网上(yzxc.ustb.edu.cn/zsjz/sszs1/4821.htm)陆续更新。
四、考生信息确认与修改
2016年硕士研究生报考将于10月31日结束，报考北京科技大学(含选择外地报考点的考生)中，部分考生报考信息存疑，名单将在yzxc.ustb.edu.cn/zsjz/sszs1/4821.htm上公布并陆续更新，请仔细核对并更改。如因学校更名、本人更名、证件号码变更等原因导致学历验证不合格，请考生现场确认时携带相关证明;如属于个人填报有误，10月31日前更改即可;如学历确实存疑者，现场确认时须携带学历认证证书原件并提交复印件。
五、我校报考点现场确认注意事项
1.选择北京科技大学报考点的考生，应先仔细阅读《2016年全国硕士学位研究生招生考试北京科技大学考点报考公告》及本须知，按照要求携带相关证件，准时参加现场确认;
2.根据教育部要求，现场确认期间，仅考生身份证号、学历证书号等自然信息确实填报有误的，允许修改;考试方式、报考单位、报考点、报考专业、专项计划、报考类别等信息均不作修改;
3.学籍学历存在疑问者，请尽快取得电子认证报告或书面认证报告(获取方法附件3)，确认现场须出示原件并提交复印件;
4.现役军人网上报名时，报考类别应填“定向就业”，并在复试期间向我校研究生招生办公室备案;
5.经现场确认后，凭网报用户名和密码登录中国研究生招生信息网(yz.chsi.com.cn)下载打印《准考证》，我校不再寄发《准考证》。考生凭下载打印的《准考证》和本人二代身份证件参加初试。
附件请点击yzxc.ustb.edu.cn/zsjz/sszs1/4818.htm
以下内容摘自《北京科技大学报考点2016年硕士研究生报名及现场确认特别提示》
一、学历(学籍)验证
根据教育部文件规定，2016年硕士研究生网上报名期间，报名网站将对考生学历(学籍)信息进行网上校验，并在考生提交报名信息三天内反馈校验结果，考生可随时上网查看学历(学籍)校验结果。未通过学历(学籍)校验的考生应及时到教育部学历认证中心进行认证，在现场确认时将认证报告交报考点核验，否则，不予现场确认。
创新及创新效率研究综述 篇5
1.1 国外的创新理论
美籍奥地利经济学家约瑟夫·熊彼特在其1912年发表的《经济发展理论》中最早明确提出了创新概念及理论, 又于20世纪30年代和40年代相继在《经济周期》和《资本主义、社会主义和民主》两书中对该理论加以运用和发展, 形成了经济学领域的创新理论, 他将创新看做是对生产要素进行的重新组合, 同时将创新划分为五个方面的表现形式, 一是在当前生产条件下生产一种全新的产品, 即产品的创新;二是摒弃老旧生产方式而采用新的生产方法;三是在原有的社会关系下, 开辟新市场, 拓展新的生产关系;四是原材料方面的创新, 包括了原材料来源的创新, 以及原材料交易方式的改变与创新;五是在新旧制度交替的背景下, 进行工业组织的创新, 即形成全新的企业关系。
美国经济学家曼斯菲尔德 (Mansfield) 认为, 创新实际上是一项发明或一种技术在经济活动中的首次应用, 只有直接与新产品有关系的技术变动才是创新。他对创新的界定成就了他的“技术推广理论”。曼斯菲尔德对“创新”的界定为后来学者所认可并被广泛应用。
美籍德国经济学家门施 (Mensch) 认为, 创新是指技术的进步在经济发展中的应用的体现, 技术创新的扩散和新产品、新技术的应用, 使得经济处于发展的上升阶段, 当技术出现僵局, 经济则将停滞甚至下滑。
英国经济学家弗里曼 (Freeman) 认为, 创新是指“第一次引进一个新产品或新工艺中所包含的技术、涉及、生产、财政、管理和市场等诸步骤”, 其根据熊彼特在《经济发展理论》中有关技术创新、企业发展及经济发展的理论总结并提炼出一个重要的技术创新模型, 称为熊彼特创新模型 (I) , 即企业家创新模型, 在这个模型中突出了三个因素:第一, 重视和强调企业家的主体作用;第二, 追求超额利润是企业家进行创新的动机;第三, 技术活动是外生的经济变量, 处在现有企业和市场结构之外, 基本不受市场需求的影响。
上述三位学者代表了熊彼特之后对“创新”概念界定的一个趋势, 即将创新认定为新型生产方式或技术手段在生产中的应用, 而这种应用能够带来更好的经济效益。
在创新理论的基础上, 以经济学家索洛、罗默为代表的技术创新新古典学派, 运用新古典生产函数原理和数学技巧, 表明增加资本、劳动的投入量不是保持经济持续增长的核心要素, 而技术创新才是经济增长的核心源泉;而以兰斯·戴维斯和道格拉斯·诺期为代表的制度创新学派则是利用新古典经济学理论中的一般静态均衡和比较静态均衡方法对技术创新的外部环境进行制度分析, 并且充分肯定了制度创新对于技术创新的决定性作用, 但是也并不否定技术创新对改变制度安排的收益和成本的普遍影响。技术创新的新古典学派以索洛 (S.C.Solow) 等人为代表, 认为技术创新是经济增长的内生变量, 是经济增长的基本因素;技术与其他商品一样存在公共商品、创新收益和非独占性、外部性等市场特征, 适当的政府干预将极大地促进技术创新的进行, 其建立了著名的技术进步索洛模型, 专门用于测度技术进步对经济增长的贡献率。技术创新的新熊彼特学派坚持了熊彼特创新理论的传统, 强调技术创新和技术进步在经济发展中的核心作用, 提出了技术创新扩散、企业家创新和创新周期等模型, 侧重研究了企业的组织行为、市场结构等因素对技术创新的影响。
1.2 中国创新理论的研究
我国学者在吸收学习了国外创新理论的基础上, 于1999年首次正式提出了技术创新的概念, 具体认定为:企业应用创新的知识和新技术、新工艺, 采用新的生产方式和经营管理模式, 提升产品质量, 开发新产品, 提供新服务, 占据市场份额并实现市场价值的过程, 并结合我国国情相继对各行业、各产业进行了技术创新效率的研究。施伯琰 (2008) 等人对我国医药技术创新理论研究的概况做出了初步的总结, 为我国医药产业的技术创新能力研究提供了有益参考, 茅宁莹学者进一步阐述了医药企业技术创新能力的内涵, 指出医药技术创新能力构成要素应呈多元化趋势并且动态发展, 李建敏 (2002) 从技术创新角度出发, 根据我国医药企业的自身情况, 根据技术创新战略、医药企业的四种研发模式, 提出了我国医药企业技术创新的发展趋势。
2 效率及创新效率的研究综述
2.1 效率及创新效率的理论研究
现代经济学的核心是效率理论, 古典经济学的代表人物亚当·斯密在其鸿篇巨著《国富论》里就阐述了经济学的精髓是分工效率理论和竞争效率理论, 而新古典经济学继承了亚当·斯密竞争效率思想, 却摒弃了亚当·斯密的分工效率理论, 用配置效率-帕累托效率, 取代了效率概念, 之后的新奥地利学派和新制度经济学又提出了动态效率理论。
斯密提出了劳动生产力的概念, 劳动生产力就是属于劳动效率或生产效率的范畴。同时, 斯密认为通过分工可以有效地提升劳动效率 (劳动生产率) 。此外, 斯密阐述的“天赋自由与竞争体系”本质上就是竞争效率, 虽然斯密没有明确的提出竞争效率的概念但是其著作与言论却反映了竞争效率的思想, 并且他认为竞争效率在实现优胜劣汰的同时又促进了社会资源的优化配置, 是推动经济增长的最优保障。
一直以来占据微观经济学统治地位的新古典经济学 (以萨缪尔森为代表的新古典综合派被称为主流经济学) , 以稀缺资源在全社会范围内的配置效率为研究对象, 即研究稀缺资源在全社会各种不同用途之间的收益或效用, 该学派认为完全竞争市场可以实现社会福利最大化, 即配置效率最优。同时, 新古典经济学忽视和抛弃了生产过程中的效率思想, 认为配置效率等同于经济效率, 效率是配置效率的简称。
在新古典世界里, 由供、求双方组成的市场代表了经济社会。在此基础上, 新古典经济学对配置效率的研究, 由于分析方法的不同而分成两支:一支是马歇尔采用供求局部均衡分析方法的配置效率理论, 另一支是建立在瓦尔拉斯总体均衡分析基础之上的帕累托效率理论。
马歇尔将完全竞争的生产者假定为一个具有“代表性”的企业, 代表性企业的边际成本函数即为供给函数, 而市场供给函数为所有企业供给函数的代数和;消费者的边际效用函数即为需求函数, 供给函数与需求函数的联解即为均衡价格和均衡产量, 完全竞争市场由于满足均衡价格等于边际成本的条件, 从而可以实现配置效率的最优, 用社会总福利最大化表示, 社会总福利是消费者剩余与生产者剩余之和。
而意大利经济学家帕累托在瓦尔拉斯总体均衡分析基础之上, 对效率作如下定义:对于某种经济的资源配置, 如果不存在其他生产上可行的配置, 使得该经济中的所有个人至少和他们在初始时情况一样好, 而且至少有一个人的情况比初始时更好, 那么这个资源配置就是最优的, 实现社会福利最大化。后人将这种最优配置效率称为帕累托效率。
美国经济学家迈克尔·法雷尔 (Michael·Farrell) 将效率引入经济学评价中, 并用测度的方法对其进行了运算, 他认为“技术效率”就是控制生产的技术条件和市场规定价格不变的前提下, 按照既定要素投入生产定量产品所需要的最小成本 (CL) 占实际生产成本/投入水平 (CS) 的百分比。他认为技术效率是指控制技术投入这一要素不变的前提下, 最低成本占实际成本的比重, 即使用最优的成本来获取最大的产出的形式;规模效率是指控制技术投入这一要数不变的前提下, 由于生产规模的变化而导致经济收入变化。
2.2 创新效率评估方法研究
国外对于技术创新效率的研究起步较早, 始于20世纪60年代, 美国学者罗杰斯和拉森最早对区域创新效率评价进行研究。他们运用定性分析的方法对美国“硅谷”的起步和成长过程进行了系统的考察, 揭示了硅谷形成“凝聚经济效应”的条件。然而, 定性分析的方法很难对区域创新系统做出全面、科学的平价, 但其探索性的工作对后人进一步的研究具有启发意义。
20世纪70年代后, 自从美国运筹学家A·Charnes和W·W·Cooper提出数据包络分析 (DEA) 以及Aigner和Meesusen等人提出随机前沿分析 (SFA) 之后, 这两大测度企业技术创新效率的方法被广泛地用于业绩评价。但是随着时间的推移, 这些方法的基本模型也表现出了一定的局限性, 于是基本模型的众多衍生模型应运而生。
到20世纪80年代, 国外对技术创新效率的评价形成了以财务指标为主的业绩评价方法体系。该体系以投资报酬率、预算比较为核心, 包括利润、现金流量等财务比值指标。1993年, 创新调查委员会 (CIS) 在对西欧国家创新调查的基础上, 提出了两个创新效率指标, 分别是创新产品的销售比例以及产品命周期各阶段的企业销售收入。20世纪90年代后众多学者运用这两项指标来测度企业技术创新效率。
迄今为止, 学术界对于企业创新效率的研究主要有两种方法:第一种是算数比例法, 即用产出和投入的简单比例关系来表示技术创新效率的高低, 该方法仅适用于单指标的投入产出效率分析;第二种主要有参数方法和非参数方法, 这两种都是基于生产前沿面的理论产生的, 生产前沿面理论是指通过分析某一待测度单位与效率前沿单位的偏离程度来衡量待测度单位的效率。最为常用的非参数方法是数据包络分析法 (DEA) , 常用的参数方法则是SFA模型为主的参数前沿分析法。
(1) 算数比例法。
算术比例法指产出与投入的比值。国内学者王伟光 (2003) 利用工业行业技术比较创新效率指数, 对1990-1999年中国38个工业行业技术创新效率差异进行研究, 通过产出与投入的比值来直接反映技术创新效率, 但其技术创新效率也是以产出和投入的单指标来测算的, 不能综合反映技术创新效率的实质。
(2) 非参数法 (主要介绍DEA测度法) 。
数据包络分析法 (Date Envelopment Analysis) , 是一种多投入、多产出的相对效率评价方法, 适用用小样本量的测度。Michael Farrell在1957年研究英国的农业生产力时首次提出了包络思想, 然后A·Chamrs和W.W.Cooper等学者在相对效率概念的基础上, 结合运筹学的相关理论和模型将其发展成为了评价同类决策单元相对有效性的一种系统分析方法。DEA法的主要特征就是将单输入、单输出的工程效率概念推广到了多输入多输出的同类决策单元的有效性评价度量中, 可以在减少误差、简化算法的同时避免主观因素的影响。
DEA目前常用的模型是1978年A·Charnes提出的C2R模型、1984年R.D.Banker、A·Charnes和W.W.Cooper1提出的测度生产规模与技术有效的BC2模型, 以及1985年A·Charnes和W.W.Cooper为修订CR2模型中生产可能集凸性假设不合理的情况而提出的评价生产技术相对有效的C2GS2模型, 这些也是构成DEA方法的基本模型。
国内中国人民大学的魏权玲 (1989) 等学者针对Charnes (1988) 提出的综合DEA模型 (C2WY) 给出了DEA有效决策单元集合的几个恒等式, 使得决策单元进行分组评价成为可能, 并介绍了运用DEA模型建立生产函数的方法, 此外魏权玲 (1991) 等学者还对评估进步的几种方法进行了分析与归纳, 提出了测度进步水平和进步速度的模型。
(3) 随机前沿参数分析法-SFA。
效率研究的参数前沿分析方法是依据传统的生产函数估计思想, 首先构造一种具体的生产函数形式, 然后使用适当的方法估计出位于效率前沿面上的生产函数的参数, 从而完成效率前沿生产函数的构造。随机前沿分析方法 (Stoehastic Frontier Analysis简称SFA) , 它由Aigner、Lovell、Sehmidt (1977) , Meeuser、VandenBroeek (1977) 和Battese和Corra (1977) 分别独立发展出来的。该方法通常先估计一个生产函数, 其误差项是由无效率项和随机误差项构成的复合结构。SFA方法的基本表现形式是y=f (x;y) *exp (v-u) , y为产出, x为投入, β为待定参数, 当u=0时, 处于生产前沿, u>0时, 处于生产前沿下方。误差项ξ为复合结构, v服从N分布, u≥0时, 表示个体所有冲击。运用SFA方法估计的前沿面是随机的, 包含了噪声、测量误差和外生干预。
2.3 创新效率评估研究进展
对于创新效率的评价研究中, DEA数据包络方法和SFA随机前言方法运用的最为广泛。罗媛等人 (2007) 运用DEA的方法, 采用C2R模型分析了江苏省2004年的高新技术产业数据, 出了基于规模有效和技术有效的不同行业分类, 并评价了江苏省高技术产业技术创新的相对有效性;而郑姗姗等人 (2010) 也利用数据包络分析法, 对我国高技术产业的15个具体行业在2004-2007年期间的技术创新资源配置效率进行分析评价;刘和东 (2011) 运用DEA方法CCR模型测度了1999-2008年我国原创性高新技术产业在创新链不同阶段的技术效率、规模效应、投入与产出的冗余与松弛状况;王慰东 (2012) 采用DEA方法评价信息技术上市公司创新效率, 分析公司创新效率差异, 并探究其影响因素。朱皆笑 (2012) 通过带有AHP约束锥的DEA改进模型计算浙江省16家上市医药企业在2006-2010年间的各类技术创新效率值并进行分析和超效率排名;然后采用集合间相对有效性评价方法对浙江省16家上市医药企业和全球16家著名制药企业进行技术创新效率的差异分析和超有效率值排名。韩晶 (2010) 采用SFA方法, 对前沿生产函数进行估算, 对中国高新技术产业创新效率进行了实证分析, 研究发现中国高技术产业整体创新效率成改善状态。还有学者运用了其他的方法对创新效率进行了评估, 如于海 (2005) 等人采撷了15个省市的数据, 利用SPSS统计软件, 采用因子分析方法对区域创新能力指标进行降维处理, 并通过提取主因子及主因子得分对15个省市创新能力状况进行较全面的评估。
摘要：从创新以及创新效率的理论研究出发, 对国内外关于创新研究的相关文献进行了系统的梳理和述评, 希望能够借助创新、创新效率的研究综述为基于我国国情的企业创新行为的合理化以及创新效率效率的提高提供一定的理论基础和研究方向。
北京科技创新效率研究 篇6
现代服务业作为服务业的一个重要组成部分,包括依靠新技术发展起来的新兴服务业,也包括经过新技术改造提升的传统服务业。具体行业包括信息传输、计算机服务和软件业;金融业;房地产业;租赁和商务服务业;科学研究、技术服务和地质勘探业;水利、环境和公共设施管理业;教育;卫生、社会保障和社会福利业;文化、体育和娱乐业等九个细分行业。本文主要针对北京市现代服务业发展质量,进行细分行业的技术效率评价分析。
1 相关研究述评
随着服务业的快速增长,服务业在国民经济中的地位越来越重要,有关服务业发展质量评价亦成为一个研究热点。程大中在规模报酬不变、技术外生和竞争市场的假设下,根据人均产出增长率可以分解为资本产出比的增长率和全要素生产率增长率之和的理论,推算了中国服务业全要素生产［１］;顾乃华和李江帆应用随机前沿生产函数模型,分析了中国服务业技术效率区域差异及其对劳动服务业增加值区域不均衡的影响［２］。吴晓云选取除西藏外我国30个省区作为决策单位,运用数据包络分析方法对2008年各省区生产性服务业综合效率、纯技术效率、规模效率进行了测算［３］;许建平,任燕借助DEA-Malmquist指数法分析了我国服务业的效率特征及区域发展的差异［４］。臧霄鹏,林秀梅应用三阶段DEA模型对我国2004-2009年的服务业效率进行探索性研究［５］;黄森,蒲勇健运用三阶段Malmquist指数模型,对我国各省服务产业2000-2007年期间的相对效率及全要素生产率进行评估分析［６］。
综合现有文献可知,大部分服务业效率评价是从服务业整体时序变化和省际差异角度展开研究,很少基于细分行业的差异展开研究。本文采用北京市现代服务业细分行业而非省际面板数据,利用CoelliTJ开发的DEAP2.2软件对北京市2004-2013年现代服务业TFP进行测度,并对TFP各构成指数展开讨论。
2 研究方法及数据处理
2.1 测量方法
生产效率的度量方法可以归纳为增长率核算法、生产函数法、随机前沿分析(Stochastic Frontier A-nalysis,简称SFA)和数据包络分析(Data Envelope Analysis,简称DEA)等四种方法［７］。目前,比较常用的是SFA和DEA,二者都是通过构造生产前沿度量技术效率。但与SFA参数方法相比,DEA属于非参数方法,不需要设定生产函数,仅需要投入产出数据,应用更简便,并且可以避免因为生产函数设定错误而影响结果准确性［８］。而基于DEA-Malmquist指数方法可以用来处理面板数据,它既能提供判断服务业是否经济有效的综合效率指标,又能将综合效率分解为技术效率变化和技术进步率变化。技术效率变化表示服务业在t期至t+1期的技术效率变动程度,主要反映服务业管理水平的变化,技术进步率变化表明了技术进步或创新的程度。并且技术效率变化可以进一步分解为纯技术效率变化和配置效率变化,纯技术效率变化即指提出规模效应后完全由服务业管理水平变化带来的变化,规模效率变化则指服务业由于自身投入规模大小的改变对其效率的影响。
2.2 数据处理
在测算现代各行业生产效率前,需要确定各服务行业的产出、劳动投入和资本投入变量并收集相关数据。
2.2.1 产出变量
从2005-2014年《北京市统计年鉴》中选取各现代服务行业的生产值,并换算为2004年不变价,作为服务业各行业产出数据。
2.2.2 投入变量
1)劳动投入。理论上,劳动投入应综合考虑劳动人数、劳动时间、劳动质量(效率)等因素,因缺少劳动质量调整所需要的相关数据,本文将“年末从业人员数”作为劳动投入指标。现代服务各行业数据取自2005-2014年《北京市统计年鉴》,由于统计口径不一致,2008-2013年“年末从业人员数”可以直接从年鉴中获取,2004—2007年各服务行业年末从业人员数依据服务业分行业的城镇单位就业人数估算,即各服务行业年末从业人员数=服务业分行业的城镇单位就业人数×服务业全社会总就业人数/服务业城镇单位总就业人数的比值。
2)资本投入。各服务行业的资本投入用资本存量来衡量,由于缺乏资本存量的统计数据,需要根据有关资本形成以及每年的固定资产投资数据推算获得。本文采用国际上通用的永续盘存法(perpetual inventory method)估算各服务行业的资本存量,估算公式:
其中,Kｉｔ为行业i在t期的资本存量,Iｉｔ为行业i在t期的不变价格固定投资额,δ 为资本折旧率。利用公式(1)进行资本存量估算前,需要确定基期资本存量和折旧率δ,本文基期资本存量应用Kohli估算方法,估算公式［９］:
参考已有文献的经验做法,r取2004-2013年服务业行业实际增加值年均增长率,δ 折旧率取4%。2004-2013年全社会服务业分行业的固定资产投资数据直接从2005-2014年《北京市统计年鉴》中的“按主要行业分的全社会固定资产投资”获取,并按固定投资价格换算成2004年不变价格的固定资产投资额。
3 北京市现代服务业生产效率
3.1 服务业FTP总体分析
表1列出了北京市现代服务业全要素生产率变化指数及其分解指数,由统计结果可知:
注:全要素生产率变化指数=技术效率变化指数×技术进步变化指数;技术效率变化指数=纯技术效率变化指数×规模效率变化指数。
3.1.1 北京市现代服务业全要素生产率增长放缓
如表1所示,2004-2013年北京市现代服务业年均TFP增长率不高,为5.6%。从发展变化看,2005-2007 年TFP增长较快,分别是11.8%、12.4%、8.1%。2008 年由于受全球经济危机的影响,FTP下降1.7%。2009 年受国家一系列经济刺激政策影响,FTP增长9.4%,但增长势头并没维持多久,2010-2013年增长率均处于较低水平。
从总体上看,北京市生产性服务业生产率经过2005-2007年的高速增长,受2008年全球经济危机以及2009年的政策冲击影响后,出现大幅波动后,全要素生产效率提高变缓。
3.1.2 技术效率和技术进步交替变化
技术效率与技术进步交替变化,二者增长率变化方向相反(参见图1),这一特征与其他学者研究结果一致［１０］。相比前一年2005 年、2007 年、2008 年、2010年、及2013年技术效率均有所下降,下降幅度最大的是2008年,为-19.1%。而相对应这几年的技术进步方面均有提高,2005 年为12.9%,2007 年为12.7%,2008年为21.5%,2010年为2.2%,2013年5.2%,其中2008年的技术进步变化率最大。
3.1.3 纯技术效率和规模效率指数增长变化趋势基本一致
整体上看2004-2013年纯技术效率和规模效率变化不大,纯技术效率年均增产率为-0.1%,规模效率为2.3%。其中变化比较大的年份有2008年,纯技术效率下降了15.1%,规模效率下降了4.7%。规模效率普遍高于技术效率(参见图2)。
3.1.4 TFP贡献率偏低
2004-2013 年现代服务业年均增长率为14.17%,2005-2007 年增长率逐年上升,最高为23.80%,之后经过2008 年的大幅下降后,维持在10%左右的增长水平。而2004-2013年北京市现代服务业增长TFP平均贡献率为39.51%。 具体来说,2005年、2006 年TFP贡献率比较平稳,分别是61.18%和61.28%,2007年下降为34.04%,2008年为最低点,为-25.75%,之后2009年回升,甚至高于2005,2006 年水平,为67.04%,随后几年2010-2013年在一个较低水平波动。
说明近年北京市现代服务业增长TFP贡献率偏低,这也是北京市现代服务业增长速度下降的一个重要原因,因此,为促进服务业发展需进一步提高服务业的技术水平及管理水平。
3.2 分行业TFP分析
3.2.1 分行业FTP分析
如表2所示,各服务行业FTP年均增长较快的行业(大于8%)分别是卫生、社会保障和社会福利业(10.5%),教育业(9.3%),科学研究、技术服务和地质勘探业(8.3%),水利、环境和公共奢华似管理业(8.3%);增长一般的行业(大于8%)是租赁和商务服务业(7.5%),文化、体育和娱乐业(7.5%),房地产业(3.7%);技术效率下降行业是信息传输、计算机服务和软件业(-0.8%)和金融业(-3.4%)。
3.2.2 分行业Malquist分解指数分析
如表2所示,金融业FTP下降主要是受技术进步的影响,技术进步率下降3.4%,而租赁和商务服务业虽然也出现技术落后,技术进步率下降2.7%,但其技术效率年均增长率10.5%,是现代服务业中技术效率增长最高的行业,其中纯技术效率增长率为6.4%,规模效率3.8%,可以看出,技术效率是租赁和商务服务业FTP增长推动因素,特别是管理水平的提高。而信息传输、计算机服务和软件业、房地产业技术效率年均变化率分别是-5.7%、-1.5%,技术效率均有所下降,主要是因为管理水平较差,纯技术效率低(房地产-4.2%,信息计算机-5.6%),抑制了FTP的增长。卫生、社会保障和社会福利业,教育,科学研究、技术服务和地资勘探业,水利、环境和公共服务设施管理业,文化、体育和娱乐业FTP的增长受技术效率和技术进步共同推动,其中技术进步是主导因素。
3.2.3 分行业TFP贡献率
本文按照TFP贡献率将现代服务行业分成三类,一是贡献率较高(大于60%)的服务行业,分别是教育(92.08%),卫生、社会保障和社会福利业(74.10%),水利、环境和公共设施管理业(70.04%),文化、体育和娱乐业(66.49%);二是贡献率偏低的行业,分别是科学研究、技术服务和地质勘察业(46.52%),租赁和商务服务业(40.21%,房地产业(33.36%);三是贡献率很低,甚至抑制了行业的发展,如信息传输、计算机服务业和软件业(-24.20%),金融业(-5,61)。
因此,对TFP贡献率低的行业,特别是信息传输、计算机服务业和软件业,金融业,在关注其发展速度的同时,应着重提高行业的技术效率,提高科技水平。
4 结论
本文采用DEA-Malmquist生产率指数法,分析2004-2013年北京市现代服务行业TFP变化,主要结论如下:第一,从总体上看,北京市现代服务业技术效率增速放缓;技术效率与技术进步增长交替变化,二者增长率变化方向相反,技术进步是综合效率FTP变化的主导因素;金融业FTP下降主要是受技术进步的影响,而租赁和商务服务业虽然变现为技术落后,但近些年服务业发展主要依靠资本投入,而技术贡献率普遍较低。各服务行业科技管理水平和技术改进都有很大的提升空间。
摘要：基于时序DEA-Malmquist指数分析,通过测算北京市2004-2013年现代服务业细分行业的全要素生产率(TFP)及技术效率、技术进步、纯技术效率和规模效率指数,评价分析北京市现代服务业的效率变化。结果表明,北京市现代服务业TFP增速变缓,技术效率与技术进步交替变化,二者增长率变化方向相反;TFP对服务业增长贡献率较低,不同行业综合效率FTP变化及主导因素存在差异。
关键词：现代服务业,生产效率,DEA-MALQUIST
参考文献
[1]程大中.中国服务业的增长与技术进步[J].世界经济,2003(7):35-42.
[2]顾乃华,李江帆.中国服务业技术效率区域差异的实证分析[J].经济研究,2006(1):46-56.
[3]吴晓云.我国各省区生产性服务业效率测度——基于DEA模型的实证分析[J].山西财经大学学报,2010(6):72-77.
[4]许建平,任燕.我国服务业效率特征研究——基于区域发展差异影响因素的解释[J].产业经济研究,2012(1):70-77.
[5]臧霄鹏,林秀梅.中国服务业效率研究——基于2004-2009年的面板数据[J].华南农业大学学报:社会科学版,2012(1):68-76.
[6]黄森,蒲勇健.基于三阶段Malmquist模型的我国服务业效率研究[J].山西财经大学学报,2011(7):57-65.
[7]FOXJ T,V SMEETS.Does input quality drive measured differences in firm productivity?[J].International Economic Review,2011(4):961-989.
[8]李双杰,范超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策,2009(7):25-28.
[9]KOHLI U.A cross-national product function and the derived demand for imports and supply of exports[J].Canadian Journal of Economics,1982(18):369-386.
北京科技创新效率研究 篇7
关键词：文化传媒产业,数据包络分析,科技创新效率,纯技术效率
随着科技进步和全球竞争日趋激烈,文化传媒产业以其绿色的产业运作方式和高附加值优势,拓宽了一国或区域的经济增长空间,展示了其作为“朝阳产业”的无穷魅力。在我国文化传媒产业发展浪潮的鼓舞下,文化传媒产业已取得一定进展,但一窝蜂现象严重,科技资源整合水平不高,产品创新程度有限等问题突出,严重制约了我国文化传媒产业的竞争力和可持续发展的动力。因此,对我国文化传媒类企业科技创新效率问题的研究具有重要的现实意义,有利于引导文化传媒类企业提高创新元素的产业化效率,有利于提升文化传媒产业整体发展质量和核心竞争优势。
国内外学者对于科技创新效率的研究主要体现在对不同层面对象的研究和采用不同的研究方法上。韩先锋等[1]应用Malmquist指数方法,实证测评了我国各地区的科技创新效率的增长状况,研究显示,我国科技创新效率呈现增长趋势,技术进步是推动我国科技创新效率增长的最显著因素。蔡元成等[2]运用主成分分析法对我国中部六省进行科技创新效率研究,解释了中部六省科技创新具有的优势及不足,进而针对性地提出提升各省科技创新效率的对策和建议。余泳泽[3]基于价值链视角,将高技术产业的技术创新过程分为技术开发和技术成果转化两个阶段,并利用DEA模型分别对各阶段的效率及其影响因素进行了实证研究。樊华等[4]运用规模报酬可变的DEA模型测度了我国2000—2007年省域科技创新效率并分析其收敛性和影响因素,研究表明科技创新效率具有周期性波动演化的特点。段捷等[5]运用DEA方法对我国装备制造业技术创新效率进行评价,分析了我国装备制造业各行业技术创新效率普遍不高的原因。官建成等[6]综合运用数据包络分析的松弛测度和临界效率测度模型,对我国高技术产业技术创新效率进行了测度,研究显示中国高技术产业纯技术效率在逐年改善,但规模效率逐年削弱。郑逸芳等[7]从投入产出角度,采用阿尔蒙多项式分析方法,分析了福建省农业科技创新效率并分析其原因。代碧波等[8]运用DEA方法对东北地区2008年14家国家级科技企业孵化器进行运行效率实证分析,指出提高孵化器的孵化能力和经济效益是改进效率的重要途径。Lawrence[9]运用随机前沿分析法研究美国银行业合并对成本效率和利润效率的影响,运用非参数的数据包络分析法评估合并银行和非合并银行的生产结构。
综上所述,现有文献鲜有对我国文化传媒产业科技创新效率的研究,因此,本问采用DEA模型中的基本模型,CCR模型和BCC模型对我国30家文化传媒类上市公司的科技创新效率进行研究,探索提高文化传媒类企业科技创新效率的有效路径,提出相应的对策建议。
1 DEA模型的构建
DEA(data envelopment analysis)方法是由美国著名运筹学家A.Charnes等人以“相对效率”概念为基础发展而成的一种效率评估方法。其主要思想为运用线性规划的基本理论与方法得出处于效率最前沿的包络曲面,体现决策单元与前沿包络曲面的差异。如图1所示,OM是生产报酬不变(CRS)条件下的生产前沿面,VRS是可变生产报酬条件下的生产前沿面,则综合技术效率TE=BPc/BP,纯技术效率PU=BPV/BP,规模效率SE=BPc/BPv,可见TE=PE·SE。DEA方法分为投入导向与产出导向两种模式,文化传媒产业投入比产出更容易控制,因此本文选取DEA投入导向模式。
本文将每个文化传媒类上市公司作为一个决策单元(DMU)。模型假设有n个DMU,每个DMU均有h个输入指标和w个输出指标,则xij表示为第j个DMU的第i个输入指标观测值(其中,xij≥0,i=1,2,…,h),yrj表示为第j个DMU的第r个输出指标的产出值(其中,yrj≥0,r=1,2,…,w)。选取适当的权重矩阵Uj0,Vjo使得hj0≤1,将每个DMU的效率评价指数表示为
1)构造CCR模型。根据线性规划理论,引入松弛变量,对(1)式进行变换,得到线性规划模型如下
该线性规划问题的最优解为θ*,Ai*-,Br*+,λ*。最优解的经济意义可以解释为:(1)如果θ*=1,且同时有Ai*-=0,Br*+=0,第j0个DMU同时达到了技术有效和规模有效,说明此时第j0个DMU为DEA有效;(2)θ*如果=1,但Ai*-和Br*+不同时为零,第j0个DMU没有同时达到技术有效和规模有效,说明此时第j0个DMU为DEA弱有效;(3)如果θ*<1,第j0个DMU既不是技术有效也不是规模有效,说明此时第j0个DMU为DEA无效。(4)线性规划所引入的松弛变量Ai*-,Br*+体现了指标值的冗余量,表示DEA非有效的DMU在输入指标上的可减少量和输出指标上的多产出量。
2)构造BCC模型。CCR模型的前提是DMU都处于最优规模,即规模报酬不变阶段。这显然与我国文化传媒产业市场竞争环境以及企业发展等实际情况不符,这样计算出来的纯技术效率值会受到规模效率的影响,因此有必要引入BCC模型,将前提扩展为规模报酬可变,去除了规模方面的影响,真正体现了纯技术效率。
该线性规划问题的最优解为θ*,Ai*-,Br*+,λ*。此时,规模效率就可以用综合效率与纯技术效率的比值来表示,衡量决策单元生产规模的相对效率。
2 评价指标体系的构建
2.1 文化传媒类企业科技创新效率的内涵
文化传媒类企业优化整合科技资源,创新整合产业链,源源不断的将各种创意转变为创新产品,不断提高产品的独特性与创新性,是文化传媒类企业根本竞争优势所在。本文从人力资源的效应发挥以及整合科技资源的经济效益2个维度,引入文化传媒类企业科技创新效率这一概念,将文化传媒类企业科技创新效率界定为在现有产业环境和创新科技条件下,决策单元从事创新活动的创新产出与理想的最大可能性产出的比值,旨在体现文化传媒类企业科技资源的匹配成效,反映文化传媒类企业将科技资源转化为特色产品,并实现经济价值的能力。要高质量的发展文化传媒类企业,就必须在整个开发、生产、营销流程中充分关注核心资源的布局,从而促进科技创新效率的提高。
2.2 指标选取
对文化传媒类企业进行DEA科技创新效率评价,首先要建立评价指标体系,旨在全面反映文化传媒产业独特创新过程的系统性与科学性,保证输入、输出口径的一致性。输入指标包括企业对人力资源的投入力度(x1),用于科技资源整合的投入资金(x2);输出指标有主营产品的年产值(y1)和关联产品年收入(y2),如表1所示。
3 实证研究
3.1 数据来源
为使测度结果能够进行横向比较研究,反映我国文化传媒类企业科技创新效率差异,进行不同文化传媒类企业间科技创新效率比较,本文共选取30家文化传媒类上市公司作为决策单元,样本容量符合DEA评价结果的区分度要求。样本数据均来源于2011年上海、深圳证券交易所和各财经网站的相关统计数据。
3.2 结果分析
根据以上所获得的数据,选用DEAP 2.1软件,采用Input orientated计算方式直接得出各决策单元的综合效率、纯技术效率、规模技术效率以及规模收益状况,还可以进行松弛变量分析,即详细给出各决策单元投入产出指标原始数值、目标值和投入产出的不足或冗余值,即得到非DEA有效决策单元改进的路径。科技创新效率测算结果,如表2所示。
注:drs表示规模收益递减,irs表示规模收益递增
从综合效率来看,文化传媒类上市公司综合效率为0.727,具体分解为纯技术效率0.864和规模效率0.832。因为DEA衡量的是决策单元间的相对有效性,因此,导致决策单元整体均值非有效,理论上是由于多数文化传媒类企业DEA非有效,或是由于各文化传媒类企业科技创新效率水平差距较大,从而使得整体相对效率均值不大。纵观各文化传媒类企业综合效率,DEA综合效率有效的有7家,占样本总数的23.3%,可见,目前我国文化传媒类上市公司科技创新效率普遍不高。
从纯技术效率来看,在DEA非综合有效的决策单元中,纯技术效率有效的有3家,分别是吉视传媒、华策影视、华闻传媒,占样本总数的10%,其导致综合非有效的原因是规模无效,说明这几家文化传媒类企业在行业发展中处于科技资源优势,因此,这几家文化传媒类企业更需要关注规模效益,这几家企业均处于规模收益递增阶段,所以需要相应加大投入,充分发挥科技创新效率,增加主营业务覆盖的广度和深度,提高收益水平,进一步扩大市场影响力和市场份额。
其他DEA非综合有效的决策单元是由于纯技术效率和规模效率均无效共同导致的,因此,这些文化传媒类企业需要在这两方面同时着力。一方面要注重核心资源的布局以及核心人力资源的培养,逐步提升科技创新能力,加大创新资源的使用效率;另一方面,规模效率的提高要根据文化传媒类企业所处的规模阶段,关注企业发展规模。
进行松弛变量分析,得出非DEA有效的企业应该减少的投入量或应该增加的产出量的值,从而提供了各非DEA有效文化传媒类企业提高创新科技效率努力的方向和程度。本文以博瑞传播为例,如表3所示,博瑞传播要达到DEA有效,在产出不变的情况下,第二项投入指标应减少64795250个单位,以达到科技创新效率有效,这是由于博瑞传播传统媒体业务受到冲击,新媒体新项目拓展较多,收益还没有显现,是目前该企业整体无效率的主要原因。因此博瑞传播需要提高科技资源整合效率和管理水平,提高整体科技创新效率水平。
4 结论及建议
基于文化传媒产业创新发展需要各种创新要素资源融合的显著特征,提高文化传媒产业科技创新效率需要多方面共同推进,具体措施如下:
1)提高科技资源整合效率,凸显文化传媒产业资源价值。只有对文化传媒产业科技资源深入开发、高度整合,提高文化传媒产业科技创新效率,才能显现文化传媒产业资源价值。文化传媒产业资源需要以科技资源为技术支持,不断将信息、人才、传统文化等产业要素进行深入的发掘和融合性的系统再造,形成特色产品,实现资源价值转化的过程。
2)加大人力资源投入,培养创新型人才。创新型人才是文化传媒产业创新的主体,主导着创新的方向。文化传媒类企业要加大人力资源投入,以多种方式加大人员培训力度,加强文化科技复合型、文化市场营销复合型人才的培养,形成一批具有融合创新能力的复合型人才队伍,提高创意人员整体素质。
3)整合产业链提升,扩大延伸性创新。文化传媒类企业在注重创新产品开发,市场推广的同时,可以将上下游的开发结合起来,向产业链要长度,向产业空间上要高度,形成一条前后联动的动态产业链,不断形成新兴业态,提高综合收益能力,也是文化传媒产业提高整体科技创新效率的取胜之道,同时凸显了文化传媒产业的高附加值优势。
4)积极引导产业发展,强化政府服务功能。政府部门首先要转变观念,充分发挥服务功能,作好“铺路人”,尽最大努力为文化传媒产业的发展提供有利保障,以多种形式积极引导文化传媒类企业健康、持续、高效发展,带动文化传媒类企业综合效率的全面改善。其次,制定相关政策,加大扶持力度,设立专项基金,形成激励机制,提高文化传媒类企业创新积极性,不断提升文化传媒产业创新的新层次与新高度。
参考文献
[1]韩先锋,师萍,卫伟.我国区域科技创新效率:模式与收敛性分析[J].统计与决策,2010(16):57-60.
[2]蔡元成,赵敏.基于主成分分析的中部六省科技创新效率研究[J].当代经济管理,2011(5):52-55.
[3]余泳泽.我国高技术产业技术创新效率及影响因素研究[J].经济科学,2009(4):62-74.
[4]樊华,周德群.中国省域科技创新效率演化及其影响因素研究[J].科研管理,2012(1):10-26.
[5]段捷,刘勇,王艳红.基于DEA改进模型的装备制造业技术创新效率实证研究[J].科技进步与对策,2012(6):65-69.
[6]官建成,陈凯华.我国高技术产业技术效率的测度[J].数量经济技术经济研究,2009(10):19-33.
[7]代碧波,孙东生.基于DEA方法的科技企业孵化器运行效率评价:以东北地区14家国家级企业孵化器为例[J].科技进步与对策,2012(1):142-146.
[8]郑逸芳,王姿燕,苏时鹏,等.福建省农业科技创新效率分析[J].科技和产业,2010(6):76-78.
北京科技创新效率研究 篇8
1 文献综述
中国区域海洋科技创新效率研究几乎是一个空白, 但有关科技创新效率评价等研究可资借鉴。现有效率测评方法主要分为参数法和非参数法两类。国内外学术界广泛采用的非参数DEA方法对效率进行研究取得了积极的成果, 笔者亦采用此方法。
科技创新效率是科技投入产出的转化率, 其内涵为在一定的科技创新环境和创新资源配置条件下单位科技创新投入获得的产出, 或者单位科技创新产出消耗的科技创新投入。已有学者针对科技创新效率进行测量[6,7], 部分学者对效率差异进行了分析[8,9]。Nasierowski和Arcelus用两步骤DEA方法测度了45个国家的创新效率, 发现技术创新规模、资源配置对生产率的变化有重要影响[10,11,12]。池仁勇、虞晓芬和李正卫利用DEA方法, 对我国30个省域的技术效率进行了测定, 结果呈现东高西低的特征[8]。孙凯、李煜华用DEA方法对我国省域技术创新效率进行了分析与比较, 研究结论是大多数省份没有充分利用或低效率利用其创新投入, 而且区域技术创新效率未必与其技术创新能力以及经济发展水平相一致[13]。白俊红、江可申和李婧应用DEA分析方法对2004—2006年中国各省、市、自治区的创新效率进行了测评, 结果是区域创新效率普遍较低, 规模报酬出现递减态势, 规模效率区域差异大[14]。迟国泰、隋聪和齐菲首先运用聚类分析对评价对象进行分类, 再基于超效率DEA方法对14个省、市、自治区进行科技效率评价, 并建立了评价指标体系[15]。
DEA方法对区域创新效率分析, 实质是借助前沿分析法构造一个生产前沿面, 被评估的区域与该前沿面的相对差距就是它的效率, 在其估计过程中不需要设定具体的生产函数形式, 也不需要人为给定各种指标的权重, 避免因设定错误模型导致估计结果偏差, 尤其是科技创新效率是一个多投入多产出的系统, DEA方法具有明显的优势。同一国家因环境政策制度等类同使得区域间投入产出指标数据可比性强, 且通过对其效率差异影响因素分析, 能为各区域提升科技创新效率找寻到有效途径。
虽然国内外利用DEA评价创新效率的研究成果比较多, 但对于一个国家区域海洋科技创新效率研究鲜见, 对中国沿海地区海洋科技创新效率研究仍是空白。尤其是通过对创新效率的分解, 可以确定纯技术因素与规模因素影响作用, 从而为制定创新发展战略时提供建议, 同时通过影响创新效率因素的分析, 为政策制定参考。
2 模型、指标与数据
2.1 模型
DEA方法是用数学规划模型来评价相同类型的多投入、多产出的决策单元 (DMU) 是否是技术有效的一种非参数统计方法[16]。Farrell提出用逐段凸函数逼近的方法进行前沿面估计[17], 之后20多年间, 很少有学者继续做这方面的研究[18]。1978年, Charnes、Cooper和Rhodes第一次提出数据包络分析DEA[19], 很快成为管理科学领域重要的分析工具。
DEA采用线性规划方法, 构建成一个非参数逐段线性的包络面将数据包络起来, 根据包络面就可计算出效率测度。当所有决策单元 (DMU) 都以最佳规模运作时, 规模报酬不变 (CRS) 的假设是合理的。但由于竞争的不完全、政府法规和财政约束等环境因素, 导致DMU不能以最优规模运作, 使用CRS进行的技术效率测度会受规模效率的影响, 为测算DMU的纯技术效率水平, Banker、Charnes和Cooper提出了可变规模报酬模型 (VRS) , 使用VRS模型可以不受规模效率的影响计算纯技术效率[20]。
VRS模型如下:
在规模报酬可变的情况下, 技术效率或称综合技术效率 (TE) 可进一步分解为纯技术效率 (PTE) 和规模效率 (SE) 。纯技术效率反映的是DMU在一定 (最优规模) 时投入要素的生产效率, 规模效率反映的是实际规模与最优生产规模的差距。DMU只有同时达到纯技术有效和规模有效, 才是DMU的综合技术有效。如图1所示, CRS是规模报酬不变的前沿面, VRS为规模报酬可变的前沿面。在CRS下, 点P面向投入的技术无效率是PPc, 但在VRS下, 技术无效率只是PPv。这两种技术效率测度的差异是PcPv, 这是规模无效率引起的。从图1可知, TE=APc/AP, PTE=APv/AP, SE=APc/APv, 则有TE=PTE×SE, 即综合技术效率取决于纯技术效率和规模效率的状况。
为进一步了解海洋科技系统效率的影响因素, 以DEA效率值作为因变量, 以影响因素等作为自变量建立Tobit回归模型, 是学术界普遍采用的方法, 且在教育、银行、医院和区域科技系统等广泛应用[21]。
2.2 指标选择和数据
用DEA方法进行创新效率测度, 必须选取合适的投入与产出指标, 并要考量数据的可得性。投入指标一般从人力和资金两方面考虑[22]。科技人员是创新的主体, 因此, 科研机构专业技术人员作为人力投入指标。科研资金作为投入变量得到研究者的公认, 利用《中国海洋统计年鉴》的海洋科研机构科技经费筹集额作为海洋科技资金投入变量。产出指标反映科技创新的效益, 科技论文发表数、专利授权数和发明专利授权数是相关文献常用的指标[6,7,14,22]。上述投入产出指标数据均源于《中国海洋统计年鉴2007—2009》。
DEA模型要求样本数据个数不少于输入输出指标和的2倍[23]。考虑指标数据的可得性, 并有利于比较不同指标体系之间的效率差异, 以上述指标为基础, 分别计算双投入单产出、双投入双产出和双投入三产出的DEA值。
3 创新效率分析
以我国11个沿海地区为研究样本, 利用公开统计数据, 运用DEAP2.1软件包, 取面向投入的DEA的VRS模型对2006—2008年中国区域海洋科技创新效率进行研究。
为便于比较研究, 笔者以产出指标不同分别进行计算。表1是以地区海洋科研机构发表科技论文数单产出指标的效率值, 表2是以地区海洋科研机构专利授权数、地区海洋科研机构发表科技论文数双产出指标的效率值, 表3是以地区海洋科研机构专利授权数、地区海洋科研机构发明专利授权数和地区海洋科研机构发表科技论文数三产出指标的效率值。
*注:TE为综合技术效率;PTE为纯技术效率;SE为规模效率;RS为收益规模报酬.其中, irs表示收益规模报酬递增, -表示收益规模报酬不变, drs表示收益规模报酬减 (下表同) .
对上述效率值进行分析, 可以发现:
(1) 沿海11个省市海洋科技创新综合技术效率值低, 区域差异巨大, 且具有明显波动的特征。从计算结果分析, 综合技术效率最低, 均值仅为0.305, 最大均值仅为0.719, 表明中国沿海地区海洋科技创新效率普遍较低, 综合技术效率损失在28.1%～69.5%。2006—2008年始终位于前沿的仅有河北省, 综合技术效率最低值仅为0.094, 区域间技术效率差距大。从技术效率均值分布来看, 2006年和2008年均值大于2007年, 呈现技术效率值的显著波动。综合技术效率是对决策单元的资源配置能力和资源使用效率等多方面能力的综合衡量与评价, 计算结果表明中国沿海省区对海洋科技资源配置与使用管理能力有待提高。
(2) 纯技术效率、规模效率均值不高, 最高纯技术效率和规模效率均值分别为0.862和0.836, 最低纯技术效率和规模效率均值分别为0.674和0.536。从纯技术效率、规模效率年均值来看, 除2006年双产出和三产出、2008年单产出是纯技术效率小于规模效率外, 其他的均为纯技术效率大于规模效率。从各年份省区统计数据来看, 纯技术效率和规模效率值均为1的占19.2%, 纯技术效率值大于规模效率值的占42.4%, 纯技术效率值小于规模效率值的占38.4%。纯技术效率用于衡量决策主体以既定投入资源提供相应产出的能力, 与决策主体的管理水平直接相关, 规模效率用于衡量决策主体现有生产规模结构与最优生产规模结构之间的差距。因此, 制约中国区域海洋科技创新效率不仅体现在纯技术效率方面, 而且创新系统的规模扩张与加强技术创新、制度创新和提高管理效率等纯技术效率因素同样重要。
(3) 我国沿海海洋科技系统处于规模报酬递增阶段, 规模报酬不变和规模报酬递增单元占75.8%。以单产出计算结果反映规模报酬递减主要是江苏、山东、广东和上海, 以双产出计算结果反映规模报酬递减主要是江苏、广东, 以三产出计算结果反映规模报酬递减主要是江苏、广东和山东。上述结果说明, 现有海洋科技系统处于总体规模报酬递增阶段。
4 海洋科技创新效率影响因素
Furman等认为, 研发资源的投入并不是决定创新产出绩效的唯一因素, 制度、环境以及政策的改变都可能导致绩效的差异[24]。在借鉴相关研究的基础上[25,26], 笔者重点考察以下因素对海洋科技创新效率的影响:① 海洋经济发展水平 (HJL) , 以海洋生产总值占沿海地区生产总值的比重表示;② 海洋经济产业结构 (HJS) , 以海洋产业总产值中第二产业产值的比重表示;③ 海洋科技系统人员结构 (KRY) , 以具有研究生学历人员占海洋科研机构从事科技活动人员的比例表示;④ 海洋产业从业人员科技素养 (KRK) , 以海洋科研机构从业人员占地区涉海就业人员的比例表示;⑤ 海洋高等教育发展水平 (HEL) , 以万人区域涉海就业人员中在校大学生数表示;⑥ 政府影响力 (GYL) ;以政府海洋科技资金投入占海洋科技经费筹集额的比重表示。数据源2007—2009年《中国海洋统计年鉴》。
采用处理限值因变量的Tobit模型:
undefined
式中:E*it可分别为各省区不同年份的综合技术效率值、纯技术效率值和规模效率值;研究样本时间为2006—2008年, 表4至表6是双投入、双产出情况下运用Eviews6.0的回归结果。
综合技术效率值、纯技术效率值和规模效率值对影响因素的回归方程均通过了检验, 但每个因素对不同效率的影响有较大的差别。
(1) 海洋经济发展水平 (HJL) 对综合技术效率和纯技术效率呈负向影响, 并通过了显著性检验。海洋经济比重越大, 科技投入的人力和资金规模就越大, 要求决策主体有较强的资源配置能力和管理水平, 回归系数的负值表明了我国沿海地区海洋科技资源配置能力和管理水平必须得到提高, 才能提高海洋科技创新效率。海洋经济发展水平对规模效率影响没有通过检验, 但其系数的正向性可以预期海洋经济占地区经济比重越大, 越能使现有科技创新规模接近最优规模结构。
(2) 海洋经济产业结构 (HJS) 对纯技术效率为负向影响, 对规模效率有正向影响, 且通过了显著性检验。海洋第二产业比重对综合技术效率回归系数为正值, 但没有通过检验。因此海洋产业结构对海洋科技创新效率的影响方向仍需深入研究。
(3) 海洋科技系统人员结构 (KRY) 回归系数均为正, 且对综合技术效率和规模效率的回归通过了显著性检验, 表明了具有研究生学历人员占海洋科研机构从事科技活动人员的比例对海洋科技创新效率的正向的积极作用, 增加高学历科技人员是提升创新效率的关键, 同时也反映了海洋科技创新人才培养的重要基础作用。
(4) 海洋产业从业人员科技素养 (KRK) 的回归系数均为正值, 除对规模效率回归系数没有通过检验, 其他的通过了检验。结果表明, 海洋科研机构从业人员占地区涉海就业人员的比例直接影响海洋科技创新效率, 扩大涉海就业人员中从事科技工作的人员, 不断提高海洋产业从业人员的科技素养, 将会对海洋科技创新产生积极影响。
(5) 海洋高等教育发展水平 (HEL) 对海洋科技创新效率的回归系数均为负值, 且对综合技术效率和纯技术效率的回归通过了显著性检验。这一结果, 一方面揭示了我国区域海洋高等教育对海洋科技创新效率的负向贡献, 反映了海洋高等教育发展与海洋科技创新需求分离, 海洋高等教育创新人才培养任重道远;另一方面反映了我国区域海洋高等教育分布与海洋科技经济发展的不协调性。海洋高等教育必须走产学研相结合的发展道路, 增强海洋高等教育对海洋科技创新的影响力。
(6) 政府影响力 (GYL) 均为正向的, 因为回归系数均为正, 且对综合技术效率和纯技术效率回归系数通过了显著性检验。这一结果说明政府不仅要加大对海洋科技的投入, 而且要以提高海洋科技创新效率承担更大的责任。
综上分析, 海洋科技系统人员结构、海洋产业从业人员科技素养和政府影响力对海洋科技创新效率有直接的正向影响;海洋经济发展水平和海洋经济产业结构对海洋科技创新效率影响较为复杂, 负向性的回归系数要求不断提高决策主体的资源配置能力和管理水平;海洋高等教育需要与区域海洋经济发展相协调, 人才培养要与海洋科技创新的要求相适应。
5 结论
本研究采用面向投入DEA可变规模模型, 分别对双投入与单输出、双输出和三输出不同输出指标组合进行区域海洋科技创新效率进行分析和评价, 并运用Tobit回归方程探讨了海洋科技创新效率影响因素, 研究的主要结论如下。
(1) 我国海洋科技创新效率值低, 区域差异大, 且具有明显波动的特征。综合技术效率最低均值仅为0.305, 最大均值仅为0.719, 表明中国沿海地区海洋科技创新效率普遍较低。最高纯技术效率和规模效率均值分别为0.862和0.836, 最低纯技术效率和规模效率均值分别为0.674和0.536。因此, 制约中国区域海洋科技创新效率的不仅体现在纯技术效率方面, 而且创新系统的规模扩张与加强技术创新、制度创新和提高管理效率等纯技术效率因素也同样重要。
(2) 我国沿海海洋科技系统处于规模报酬递增阶段, 规模报酬不变和规模报酬递增单元占75.8%。加大对海洋科技的投入, 不仅是发展海洋事业的客观需要, 而且对提升海洋科技创新效率具有积极的作用。
(3) 海洋科技系统人员结构、海洋产业从业人员科技素养和政府影响力对海洋科技创新效率有直接的正向影响;海洋经济发展水平和海洋经济产业结构对海洋科技创新效率影响较为复杂, 负向性的回归系数要求不断提高决策主体的资源配置能力和管理水平;海洋高等教育要走产学研相结合人才培养道路, 与区域海洋经济、科技发展相协调, 提高海洋高等教育的影响力。
工业企业技术创新效率研究 篇9
张惠茹, 李荣平 (2010) 运用灰色关联度评价方法, 以产业技术升级、新产品产出、知识产权保护等产出为创新产出二级指标构成评价体系, 对河北省工业企业技术创新能力进行研究。吴岩 (2013) 采用因子分析、主成分分析法对科技型中小企业技术创新能力的影响因素以内部资源、创新条件、人才基础、产业状况、环境因素等五大模块展开实证研究, 并且提出了针对性战略意见。王刚 (2015) 基于超效率DEA模型和Malmquist生产率指数对湖北省科技投入产出效率进行纵向、横向比较, 探寻湖北省科技投入产出效率相对低下的原因以及优化政策性建议。
1 研究方法
借鉴已有相关文献, 重点考虑大中型工业企业R&D投入产出效率相关指标。在二级投入指标上, 细分为人力投入指标和经费投入指标, 以R&D人员全时当量、R&D经费内部支出、技术经费、新产品开发经费支出等作为三级投入指标;产出指标分为科技产出指标和效益产出指标, 分别以发明专利数、新产品销售收入作为其三级产出指标。如表1所示。
2 实证研究
本研究数据均来自2002-2014年中国统计局官方出具年鉴, R&D经费内部支出、技术经费、发明专利数、新产品销售收入等指标数据来自《江苏统计年鉴》, R&D人员全时当量、新产品开发经费支出等指标数据则来自《中国科技统计年鉴》。
运用DEA2.1软件, 基于BCC模型和2002-2014年江苏省R&D投入产于技术创新效率指标数据进行测算, 结果见表2。
江苏省担负着“两个率先”伟大使命, 仅从科技创新方面而言也具备较高的实力水平, 本研究观察2002-2014年江苏省大中型工业企业R&D投入产出技术创新综合技术效率呈波浪形变化, 均处在0.841-1.000之间, 2003-2005年、2007-2009年、2010-2012年、2012-2014年江苏省大中型工业企业R&D投入产出技术创新均达到DEA有效, 同时以上时间周期纯技术效率和规模效率均为1, 说明技术有效和规模有效, 意味着大中型工业R&D投入产出结构合理, 科学运筹, 在效益和规模上都产生了稳定且高效的影响。2004-2006年、2005-2007年、2006-2008年综合效率略有下降, 随后开始逐步反弹, 但仅显示其综合效率的小式增幅。同样, 2008-2010年综合效率下降后依旧快速取得反弹, 使技术创新效率维持在较高的水平。
3 研究结论与对策建议
3.1 拓宽R&D经费支出来源渠道, 寻求多元化R&D经费融资方式
2002年R&D经费内部支出总额仅110.31亿元, 2013年增加至891.16亿元, 增长近8倍, 加大经费投入是对科学技术产出的有力保障和重要前提, R&D经费充足不仅推动了江苏省R&D活动, 而且提升了工业企业技术创新能力。据统计, 江苏省2014年以1239.57亿元的内部支出规模高居全国首位。但江苏省R&D经费来源看出, 政府资金占1.85%, 企业资金占96.14%, 境外资金占0.52%, 其他资金占1.50%。江苏省应该进一步优化经费支出来源渠道, 强化政府投入、市场调配、民间资本以及外资补充, 以多途径、多方式的融资体系为工业企业技术创新打造坚实平台。一是政府给以R&D专项活动资金贷款补贴, 并对企业开展R&D活动风险给予制度保障;二是积极借助民间及外资力量, 帮扶R&D活动对口企业, 优先解决其融资问题;三是财税政策上给予R&D活动企业优惠制度, 通过技术筹备专项经费、设备折旧补税等制度缓减企业R&D经费压力。
3.2 提高经费使用效率, 合理配置技术、新产品等经费支出
技术经费是技术引进、消化吸收、技术购买、技术改造经费总和, 由2002年的179.61亿元增加至635.01亿元, 实现了3.55倍的增长, 同时新产品开发经费由47.99亿元增加至920.77亿元, 19倍的惊人增长幅度。据分析结果显示, 技术经费和新产品开发经费支出在2004-2006年, 2008-2010年五年的投入中相对不足, 虽然新产品销售收入产出结果理想, 但是依然导致发明专利数在2007、2008年出现产出不足状态。2014年的规上工业企业技术获取和技术改造数据显示, 技术改造经费占技术总经费的84.90%, 技术引进占6.94%, 消化吸收占2.70%, 技术购买占5.46%, 可见技术经费投入使用效率较低, 且配置相对不合理, 对技术创新的应用研究发展极为不利, 缺乏先进技术引进转化, 阻碍企业科技发展的速度及效率。因此, 江苏省应合理分配技术引进、技术改造、新产品开发等各个支出环节, 及时调整经费配置比例, 为R&D投入产出提供充分保障。
3.3 强化技术人才建设投入, 构建人才资源交流、合作、共创平台
R&D人员全时当量从2001年3.78万人年的增加至2011年的22.38万人年, 增长近6倍。截止2014年, 江苏省人均R&D经费是31.91万元/人年, 居全国首位, 但R&D人员全时当量为46.62万人年, 低于广东省50.17万人年。说明江苏省人均R&D经费投入强度较大, 但是科技人才建设投入总量依然不充足。R&D人员数为51.09万人, 而广东省以超出江苏省19621人的优势排位第一。因此, 稳定并强化技术人才队伍对企业R&D活动并实现技术创新起着重要基石作用, 江苏省在经济强省建设同时更要关注人才强省建设。一是构建技术人才交流平台, 搭建国内外先进技术研习通道, 合理制定适应区域及企业发展的人才战略规划, 提升科技工作者的劳动积极性与工作热情, 让技术创新工作具有吸引力;二是科学设置技术创新人才的激励机制, 树立“人才资源是战略发展第一要素”的理念, 合理资源配置与管理, 营造以人为本氛围, 搭建政府、高等院校、科研单位等科技人才与实体企业的服务对接。
3.4 增强基础研究和应用研究建设能力, 夯实知识产权保护基础
发明专利数从2012年的676件增加至18052件, 实现了近27倍的增长, 表明江苏省在人力、经费等方面的投入在发明专利方面的产出转化效率具有较高水平。据科技统计数据, 2014年江苏省规上工业企业专利发明数为3.31万件, 比广东省减少了1.41万件, 而有效发明专利数则为5.27万件, 仅为广东省的54.3%, 差距甚大。发明专利是以知识为基础, 创新能力为必要条件, 通过基础研究和应用研究而形成的。发明专利又转化为独立知识产权产品, 对企业保护知识产权、立足市场竞争具有不可替代的重要意义。因此, 江苏省规划在未来R&D活动时, 一方面合理配置R&D活动经费以及R&D人员全时当量, 增强对基础研究的扶持力度, 尤其是研究人员的创新方法及理念予以肯定及激励;另一方面重视基础研究项目的开发及资助, 科研基金单位向基础应用研究项目作立项及经费倾斜。
参考文献
[1]Daniel Shefer, Amnon Frenkel.R&D, Firm Size and Innovation:an Empirical Analysis[EB/OL].www.elsevier.com/locate/technovation, 2005, (25) :25-32.
[2]张惠茹, 李荣平.基于灰色关联度评价方法的河北省工业企业技术创新能力评价及分析[J].河北师范大学学报 (哲学社会科学版) , 2010, (03) :48-52.
[3]吴岩.基于主成分分析法的科技型中小企业技术创新能力的影响因素研究[J].科技管理研究, 2013, (14) :108-112.
【北京科技创新效率研究】推荐阅读：
考北京科技大学研究生06-03
描写北京科技馆作文11-02
北京科技大学体育馆06-09
高科技为北京奥运护航08-20
北京科技大学学生毕业感言05-16
北京科技博物馆作文初中07-16
北京科技大学2012年硕士学位研究生入学考试试题827思想政治教育原理07-03
北京市科技金融促进会06-13
北京农学院科技园论文11-02
游北京科技馆作文450字05-15