浅谈我国区域科技创新效率评价以省际数据为样本

《浅谈我国区域科技创新效率评价以省际数据为样本》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、浅谈我国区域科技创新效率评价以省际数据为样本编辑。　　论文关键词：区域创新效率　综合技术效率　纯技术效率　规模效率　DEA模型　　论文摘要：以DEA模型为理论工具对我国31个省(直辖市)的区域科技创新效率进行总体评价，并利用Tobit模型对区域创新无效率的影响因素予以识别，最后对研究结论的相关政策含义予以阐释。　　在全球化的竞争新时代，区域正以多种复杂的方式进行着全球的资源、市场、生存空间和发展机会的争夺和较量，经济发展呈现出明显的区域化特征，区域层面的竞争力在国家经济发展中的地位日益凸现。随着区域竞争的不断升级，目前区域竞

2、争模式已经从资源、资本要素导向型转变为科技创新导向型。无论是区域内产业所形成的核心竞争力还是企业的核心竞争力，都是长期创新累积的结果。区域创新能力已经成为影响一个地区核心竞争力乃至国际竞争力的关键因素，已经成为区域经济发展的内生动力和重要驱动力。因此，区域创新绩效评价显得非常重要。　　区域创新效率是区域科技创新活动中投入与产出之间的对比关系，反映了区域创新系统对资源的配置能力与使用效率，是形成区域创新能力的关键要素。对于效率研究而言，Coelli(1996)指出两种方法最具代表性，一种是数据包络分析法(DataEnvelop

3、mentAnalysis；DEA)，另外一种就是随机边界法(StochasticFrontierAnalysis；SFA)。与SFA相比，DEA方法无需指定生产函数形态，更加适用于评价具有多投入、多产出的决策单位的生产效率。区域创新活动错综复杂，具有典型的多投入一多产出生产关系特性，因此本文将选择DEA方法对我国区域创新效率予以定量评价。　　1　理论模型与数据来源　　1．1数据包络分析法(DEA)　　DEA模型最早由Chames等(1978)提出，称为CCR模型，假设条件为规模报酬不变，CCR模型计算所得的效率称为综合技术效

4、率；后来，Bnaker等(1984)对CCR模型进行延伸，提出规模报酬可变的假定，即BCC模型，该模型计算所得的效率称为纯技术效率，综合技术效率除以纯技术效率即可得到规模效率。由此可见，DEA模型不仅适用于评价决策主体(DecisionMakingUnit；DMU)之间的相对效率，而且可以将综合技术效率分解为纯技术效率和规模效率，从纯技术效率和规模效率的视角进一步解构综合技术效率。此外，DEA模型还可以用于效率优化研究，分析每个DMU的闲置投入与产出亏空，进而指出其投入规模、产出规模的调整方向与具体程度。　　DEA模型具有投

5、入导向和产出导向两种基本形式：投入导向模型力求在现有产出条件下使投入最小化，而产出导向模型则力求在现有投入条件下使产出最大化。针对区域创新系统的相关投人具有灵活可调整性的特征，本文拟采用投入导向型DEA模型。对于DEA的数学原理本文不再赘述，主要评价DEA模型的优点与不足。概要地讲，DEA方法对投入、产出的价格信息不具备严格要求，投入、产出变量的权重由数学规划根据样本数据产生，不受人为主观因素影响，关键是该方法无需指定生产函数形态，因此适用于评价具有多投入、多产出的决策单位的生产效率。DEA方法的不足之处主要在于无法分离随机

6、因素和测量误差的影响。综合考虑DEA方法的特点和区域创新系统的特性，本文认为应用DEA方法研究区域创新效率具有合理性和可行性。　　1．2Tobit回归分析模型　　Tobit回归模型最早由诺贝尔经济学奖获得者JamesTobin(1958)率先提出，又称截断式回归模型(CensoredRegres．sionMode1)。该模型的一个重要特征就是被解释变量为截断数据，即被解释变量都大于或者小于某个确定值。由于区域创新效率值介于0与1之间，区域创新无效率(效率值的倒数减1)则为从0到无穷大之间的左界截断数据，若以普通最zb-乘法进

7、行参数估计将是有偏且不一致的。鉴于此，本文选择Tobit回归对我国各区域创新无效率的影响因素进行分析，可以证明用最大似然估计法估计出的Tobit模型参数将是一致估计量。　　1．3指标选择与数据来源　　科学合理地选择投入与产出指标对于有效地使用DEA模型十分重要。依据生产函数的基本变量，区域创新活动的投入指标应该主要从资本和劳动两个角度去衡量。鉴于数据可得性，本文拟采用从事科技活动的人员数量代表劳动指标、科技经费代表资本指标，这两个指标的相关数据主要来源于国家统计局专题统计数据。从区域创新产出的视角来看，本文拟选择专利申请数作

8、为产出的衡量指标，按照专利的不同类型，具体由发明专利申请受理数、实用新型专利申请受理数、外观设计专利申请受理数三个指标作为区域科技创新的产出指标。这三个指标的相关数据主要来源于《中国统计年鉴(XX)》。本文将以我国31个省(直辖市)作为决策评价主体，以XX年度相关数据作为样本数据。　　2