基于DEA的我国R＆D知识转化效率评价研究-论文.pdf

《基于DEA的我国R＆D知识转化效率评价研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

2015年7月现代情报July，2015第35卷第7期JournalofModemInformationV01．35No．7·研究生园地·基于DEA的我国R&D知识转化效率评价研究尹极邓乾旺李卫明崔巍(湖南大学汽车车身先进设计制造国家重点实验室，湖南长沙410082)[摘要]知识转化效率影响知识的决策与发展，文章选取研究与开发机构(R&D)领域知识为研究对象并构建指标体系，以2002—2011共1O年间数据为面板数据，按照经济发达程度将全国3o个地区划分为5个区级，基于数据包络分析(BCC—DEA)方法对R&D知识转化效率进行区域维度的静态研究，基于DEA—Malmquist指数法对R&D知识转化效率进行区域及时间双重维度的动态研究。根据测度结果分析各区级R&D知识转化情况并得出各区域R&D知识转化效率平均值排名。[关键词]数据包络分析；R&D知识；转化效率；全要素生产率DOI：10．3969／i．issn．1008一O821．2015．07．031[中图分类号]G302(文献标识码]A[文章编号)1008—0821(2015)07—0162—05ResearchonEvaluationforConversionEficiencyintheKnowledgeofR&DBasedonDataEnvelopmentAnalysisYinJiDengQianwangLiWeimingCuiWei(StateKeyLaboratoryofAdvancedDesignandManufacturingforVehicleBody，HunanUniversity，Changsha410082，China)[Abstract]ThispaperconcentratedonR&Dknowledgeandestablishedanindexsystemtoevaluateitsconversioneficiency，inwhichthepaneldataoftenyearsareselectedandthirtydistrictsinChinaayedividedintofiveregionsdependingoneconomicdevelopmentdegree．ThenastaticanalysisonconversioneficiencyofR&DknowledgewasmadefromtheregiondimensionviaBCC—DEAmethod。whileadynamicresearchWascarriedinthedoubledimensionsofregionandtimebyutilizationoftheMalmquist—DEAmethod．Basedontheresults，conversionsituationsofR&Dknowledgeindiferentregionsareanalyzedandtherankingofaveragevalueofconversioneficiencyisobtained．[Keywords]dataenvelopmentanalysis；knowledgeofR&D；conversioneficiency；totalfactorproductivity随着经济时代的到来，“知识”已经成为社会发展、企对2005—2010年间我国知识密集型产业专利创新绩效进行业兴废的重要资源，对于知识的研究已然成为热点。一些分析；吴延兵l5J运用DEA—Malmquist指数法选取我国大中文献对知识转化效率进行了研究，王毓军等⋯从投入角度型工业企业数据为样本，从区域维度(省级)进行技术效对知识创新过程对我国东西部区域知识配置效率、成本效率的分析；郭淑芬等l6J选取20家文化产业上市公司为研究率进行分析；李建华等2J选取1998—2005年我国30省份为对象，运用超效率DEA模型及Malmquist指数法进行公司绩对象进行区域维度(东、中、西部)的知识生产效率及变效评价分析。在转化效率的研究中，很多学者选用科学研化率的测度；冯尧_3J运用DEA—Malmquist指数法选取我国究中非常重要的一个指标“R&D”为研究对象，部分文章1999—2008年间高新技术产业科技成果作为对象从区域选取我国多个地区为研究样本l’J，针对1年或几年的(东、中、西部)、时间维度进行转化效率研究；陈伟等¨4JR&D数据开展对每个区域(东、中、西部或省市地区)的运用DEA—Malmquist指数法从区域维度(省级)、时间维度效率分析；也有部分学者选择某个省(或市)[10-11』，针对收稿日期：2015—03—31基金项目：国家自然科学基金项目“不确定条件下退役机电产品回收与再制造的绿色绩效动态演化机制研究”(基金编号：71473077)成果之一。作者简介：尹极(1987一)，女，硕士研究生，研究方向：知识管理。通讯作者：邓乾旺(1972一)，男，教授，博士生导师，研究方向：知识管理、产品开发过程管理技术及应用、制造系统虚拟仿真及系统评价、制造业信息化。一162— 第203155卷年第7月7期基于DEA的我国R&D知识转化效率评价研究July，2015Vo1．35No．71年或几年的R&D数据，进行R&D效率的研究；也有部分学者针对不同领域如制造业R&D|1、高新区或高新技术产业R&D_】引，运用DEA方法进行R&D效率测度与分析。基于以上分析，由于“R&D”具备“知识”的衡量特点，故本文将“R&D”与“知识”相结合，从知识角度选取研究对象为“R&D知识”，合理构建投入产出指标体系；以2002—2011共10年间我国5个区级(30个地区)“R&D知识”投入产出数据为面板数据；采用BCC—DEA模型——DEA—Malmquist模型双阶段分析方法，从区域、空间图1R&D知识转化指标体系双重维度进行“R&D知识”的转化效率及效率变化情况分1．2数据来源析；在分析思路上，对于区域的分析结合地区经济发达情本文选用数据均来源于《中国科技统计年鉴》，包括况进行5个区级的划分，进而对2002—2011年间我国2002—2011年10年间全国30个地区(不含港澳台及西藏)“R&D知识”转化效率进行全面、客观、独特的分析研究。关于R&D知识的投入与产出数据。由于对知识的整理具有1指标选取与数据来源延后性，故本文通过对《中国科技统计年鉴》中相关数据进一步整理，最终根据2个投入、4个产出指标进行了面1．1指标选取板数据汇总。对于知识的研究，不仅要考虑知识的效果(即知识的产出)，对于知识的投入(即知识的成本)分析也至关重2研究方法与模型要。为了更好地对知识的转化效率进行研究，合理选取2．1DEA基础模型R&D知识投入与产出指标并构建出指标体系，本文根据所DEA方法针对具有投入产出的决策单元(DMU)进行选研究对象R&D知识的情况，参考和整理了大量文献并通分析评价，用来比较各决策单元之间的规模收益及相对效过对“中国知网”等网站相关可能指标词的出现频次进行率，显示其最优值(投影值)。DEA方法最常用的有CCR汇总，分析出R&D知识的投入主要包括人力成本及资金成模型和BCC模型。本，R&D知识的产出主要包括对衡量知识产出成果(如课BCC模型评价的是在可变规模报酬(VRS)条件下的题、专利、论文及合同等)的分析，最终选取具有代表性决策单元相对效率。模型分为输入导向模型和输出导向模的指标形成相对全面、客观的R&D知识投入产出指标体型，本文使用输出导向(output—BCC模型)模型。系，该指标体系构建如图1。选取我国30个区域为决策单元，即n=30，设n个决投入指标(2个)：R&D人员全时当量(人年)、R&D策单元DMVi(=1，2，⋯，n)，决策单元与区域对应关系见经费支出(万元)。表1。产出指标(4个)：课题数(个)、专利申请授权数(件)、论文数(篇)、国外技术引进合同数(件)。表1决策单元与区域对应关系某一决策单元DME．的输入、输出；每一决策单“课题数(个)”输出值，为第个决策单元的“专利申元有m个输入，即m=2，：i=1，2，⋯，m，5个输出，请授权数(件)”输出值，为第个决策单元的“论文数即=4，：r=1，2，⋯s。1为第个决策单元的“R&D(篇)”输出值，为第个决策单元的“国外技术引进合人员全时当量(人年)”输入值，为第个决策单元的同数(件)”输出值，构成知识转化过程。叶为第个“R&D经费支出(万元)”输入值，1为第个决策单元的决策单元的权重，max3。为所求转化效率最大值。一163— 2015年7月现代情报July，2015第35卷第7期JourndofModemInformationv01．35No．7BCC输出导向模型如下：时期决策单元DMU对最优知识活动前沿的追赶程度，佃max~o衡量的是从t到(t+1)时期最优知识活动前沿面的变化情况。该部分针对区域维度的横向研究中选取我国30个区域Xi0≥∑，i=l，2，⋯，m，为决策单元，即n=30，设n个决策单元DMUj(．=1，2，—1⋯，n)；具体DMUi情况与BCC—DEA方法同；针对时间8om≤，r=l，2，⋯，s，维度的横向研究中选取我国2002—2011年共10年间9个年∑=1，度为决策单元，即n=9，DMU2=2002—2003，DMU3=2003—2OO4，DMU4=2004—2005，DMU5=20o5—2006，≥0，=1，2，⋯，nDMU6=2006—200r7，DMU7=2007—2008，DMUs=2008—本文运用Bcc—DEA模型进行转化效率的测度分析，2OO9，DMU9=2009—2010，DMU】0=2010—2011；X代表输故在此不再介绍CCR—DEA模型。入，y代表输出，两个维度分别有2个输入指标(即m=2．2DEA—Malmquist指数模型2)和4个输出指标(即s=4)，输入及输出情况与BCC—Malmquist指数法是运用“距离函数”来描述多个输入DEA方法中相同。变量和多个输出变量的模型，距离函数Dn(，Y)：D(X，Y)=nfln{：(Y／d)∈P()}，其中P()为可能R&D知识转化3研究与开发机构R&D知识转化效率研究过程集合，为R&D知识输出效率指标。输出变量的距离为全面分析研究2002—2011年10年间我国30个地区函数Dn(，y)可以测定t时期技术条件下，从t到(t+1)的R&D知识的转化效率，选取全国30个地区为决策单元，时期的整体R&D效率变化情况；在t时刻的Malmquist指数参照2014年最新公布的一线城市、二线城市、三线城市名为：(，，，，，)=(，)／oi(t，，)，在单，依据城市所在地区(就高原则)属于一线城市、二线(t+1)时刻的Malmquist指数为：(，，，，，’)发达城市、二线中等发达城市、二线发展较弱城市、三线=On+(，)／(，，，)，将t时刻及(t+1)时城市划分为五级区域，侧重于所在地区进行横向对比分析。刻指数取几何平均值，即可作为从t时期到(t+1)时期同时，在Malmquist指数分析中还就10年间效率变化的Malmquist生产率指数：(，y，，)=进行时间维度的纵向分析，具体分析如下。[【tt，t)×筏(：，)J’Malmquist指数姒可3．1基于BCC—DEA方法的静态分析研究为对2002—2011年1O年间我国3O个地区的R&D知识分解为技术效率变化指数(Ec)和技术进步指数(1P)：的转化效率进行静态分析，该部分选用输出导向的Bcc—)×=×DEA模型，应用软件为DEAP2．1。测度结果见表2(第3—7列)。[【等D。(等。躺，)×，、D(，)J’Ec从∥、‘‘t·表22O02—2011年全国3o个地区R&D知识BCC-DEA及Malmquist—DEA模型区域维度测度结果一l64— 第35黧卷第7期基垄于DEA的我国目Rn&Du知刘识转午化卜乙效舣率平评价研究九VJ0u1ly，2015．35No．7注：dm表示规模报酬递减，_喁表示规模报酬递增，一表示规模报酬不变。综合技术效率为规模报酬不变的效率值，纯技术效率为规模报酬可变的效率值，综合技术效率等于纯技术效率与规模效率之积。基于表2，形成分区域的平均规模效率值见图2，结合区域规模效率均值分别为0．565、0．898、0．723、0．823、表2及图2，针对2OO2—2011年10年间全国30个地区的0．870，转化效率按照二级区域、五级区域、四级区域、三BCC-DEA测度情况，分析如下：级区域、一级区域依次递减，说明在相关资源的协调中，①一级区域、二级区域、三级区域、四级区域、五级二级区域最合理，一级区域相对比较欠缺。(分区域)平均规模效率趔碍薇地区图2各区级平均规模效率-——165-—— 2015年7月现代情报july，2015第35卷第7期JournalofModemInformationVo1．35No．7②五级区域30个地区综合技术效率、纯技术效率、规③二级区域测度平均值结果效率值变化(1．011)、技模效率总均值分别为0．621、0．736、0．814，其中二级区域、术变化(1．000)、纯技术效率变化(1．004)、规模效率变化四级区域、五级区域规模效率平均值在总规模效率平均值(1．007)、全要素生产率变化(1．012)全部大于1，说明该以上，一级区域、三级区域规模效率平均值在总规模效率区域在10年间平均变化值是增长的，效果最优。平均值以下。3．2．2时间维度纵向分析③全部30个地区只有浙江(二级区域)规模效率为1，运用Malmquist指数模型测算结果除以上各区域的效率说明浙江的R&D知识转化效率最优；规模效率排名在后三变化情况外，还反馈了2002—2011年10年间各效率值变化位的依次是北京(排名30、一级区域)、四川(排名29、的时间维度情况，由于比较的是第(t+1)年与第t年的三级区域)、陕西(排名28、三级区域)，可见知识效率的情况，故测度结果展示为第2—10共9个决策单元的情况，转化与区域发达级别没有明显的关联，合理优化资源的投见表3。人产出结构，才会获得转化效率的最优。④从2011年规模报酬来看，只有天津(一级区域)、表32002—2011年全国3o个地区R&D知识Malmquist模型时间维度变化值测度结果青海(五级区域)实现了规模报酬递增，上海等9个地区处于规模报酬不变状态，其余19个地区均处于规模报酬递减状态。3．2基于DEA—Malmquist指数法的动态分析研究由于DEA方法可以对研究对象的转化效率进行静态研究，为了更全面地分析转化效率动态变化情况，使用Malmquist方法进行R&D知识的第二阶段研究(包括基于区域维度的横向分析及基于时间维度的纵向分析)。该方法的运用可以得出效率值变化(e、技术变化(teeh)、纯技术效率变化(pe)、规模效率变化(Se)及全要素生产率变化(Ⅱb)5个重要参数及对应不同测度单元的测度值。其中全要素生产率变化指系统产出价值与全部投入价值之比，反映出生产或制造过程中全部生产要素综合生产率水平，效率值变化为技术变化与纯技术效率变化之积，全要素生产率变化为效率值变化与技术变化之积。本文使用产出导向基于表3，针对2002—2011年全国3O个地区R&D知识的Malmquist指数模型，通过对10年全国5个区级30个地时问维度变化值测度结果，分析如下：区的R&D知识的测度，对不同地区及不同年份的测度情况①第3、第5、第6、第7、第9决策单元全要素生产率进行分析。所用软件为DEAP2．1。变化值均大于1，即2003—2004年、2005—2006年、2006—3．2．1区域维度横向分析2007年、2007—2008年、2009—2010年这5年度效率变化该部分选取全国30个地区为决策单元，按照划分的五值效果良好，后一年均较前一年有所增长，特别是2005—级区域，侧重于所在区域及地区间进行横向对比分析，测2008年几年间实现了持续增长。其余几个年度全要素生产度结果见表2(第8～13列)。率变化值均小于1，说明后一年较前一年比较生产率变化基于表2，针对2002—2011年10年间全国30个地区的有所下降。全要素生产率变化情况，分析如下：②第9决策单元即2009—2010年度效率值变化①其中辽宁、吉林、江苏、浙江、湖北、湖南、四川、(1．056)、技术变化(1．059)、纯技术效率变化(1．032)、陕西8个地区测度值均大于1，说明该部分地区在10年间规模效率变化(1．024)、全要素生产率变化(1．119)全部平均变化值是增长的；其余地区测度值均小于1，说明该大于1，说明该年度在各项变化值都是增长的，效果最优。部分地区在10年间平均变化值是下降的。③第8决策单元即2008—2009年度全要素生产率变化②按照区域等级分析，只有二级区域的全要素生产率值为0．438，表明2009年较2008年测度值下降幅度非常大，变化平均值大于1，说明该区域地区在2002—2011年间平且主要体现在技术变化值为0．362，及时调整R&D知识的均变化值是增长的；其他区域全要素生产率变化平均值均投入产出结构，因此2009—2010年度实现各项测度值均大小于1，说明该区域地区在10年间平均变化值是下降的。于1。各区域全要素生产率变化平均值排名依次为二级区域4结束语(1．012)、一级区域(0．976)、三级区域(0．975)、四级区域(0．920)、五级区域(0．888)。本文选取2002—2011年全国30个地区(下转第171页)一】66一 2015年7月现代情报July，2015第35卷第7期JournalofModemInformationV01．35No．7事诉讼请求，所以赋予云提供商代表用户刑事民事赔偿权，tivesforcomputersandlaw[M]∥AIApproachestotheComple~tyof能够更好地惩罚网络犯罪分子，并形成强有力的威慑。Systems．ModelsandEthicalChallengesforLegalSystems，Le‘LanguageandLegalOntologies，ArgumentationandSoftw~eA一5结语genls．Spri“gerBedinHeidelberg，2012：73—92．『2]Martinet．LaurentandAkvurek．Ozan．“ThePeri】sofTakingDiscov一云计算环境下，很多传统的法律已经不能满足其需求。一唧0fF协。。，．，，TheP。alntigal[EB]．http：#www．。sdfdv．尽管云计算环境下具有角色的多重性、合同关系嵌套、参与。om／fil。／PIlhliati。n／a52851fa一6。10—4467一b-0894b8ae6e73／方的不稳定性、合同条款的动态变化、透明度不强、跨国化Preenion／PublicationAttac}t，2o6bf8l9一b8c9—41c8一bbe3一等特征，是个复杂的系统，在用户隐私、明确责任、管辖权odd390b8ed0／，2013—09．以及执法方面也存在不足，但这些会阻碍云计算的发展，但[3]IqbalA，BlackB，FishC，ela1．CloudComputig＆Na￡ionalSe一不能阻止云计算在各行各业的应用。随着法律的不断完善，curitvLaw_J_．云计算发展的逐步成熟，这些问题终将得到解决。[4]LetterfromPeterSchaart0PeterF1eischerdated16May2007，D(2007)6016，availableat[EB]．http：∥ee．europa．eu／justice一参考文献home／fsj／privacy／news／docs／prgoogle_16_05—07～en．pdf．[11BouI℃ierD，DeFillppiP．Cloudcomputting：newresearchperspec一(本文责任编辑：孙国雷)：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：(上接第166页)科学，2007，25(5)：655—659．R&D知识作为研究对象，合理构建“R&D知识”投入产出[3]冯尧．基于DEA方法的我国高技术产业科技成果转化效率研指标体系；对于区域的分析依据区域经济发达程度将所有究[J]．学术交流，2011，(3)：101—105．[4]陈伟，沙蓉，张永超，等．我国知识密集型产业专利创新绩效区域划分为5个等级，在此基础上，运用DEAP2．1软件，评价研究——基于DEA-Malmquist指数方法[J]．管理评论，采用输出导向的BCC—DEA模型——DEA—Malmquist模型2013，(8)：39—45，53．对“R&D知识”的转化效率进行双重阶段分析；在DEA—[5]吴延兵．用DEA方法评测知识生产中的技术效率与技术进步Malmquist方法运用中从区域维度、空间维度进行“R&D知[J]．数量经济技术经济研究，2008，25(7)：67—79．识”的双重维度转化效率分析；较为全面的实现对2002—[6]郭淑芬，郝言慧，王艳芬．文化产业上市公司绩效评价——基2011年问我国“R&D知识”转化效率的分析研究。基于分于超效率DEA和Malmquist指数[J]．经济问题，2014，(2)：析结果，为促进各地区R&D知识的稳定发展，提高知识转75—78．化效率，提出以下建议：通过R&D知识转化效率的横向分[7]申菊梅，赵建斌．基于DEA的我国区域R&D效率比较研究析，一级区域及三级区域的规模效率均值未达到5个区级[J]．科技管理研究，2009，(1O)：92—94．的平均值，说明这两个区级的R&D知识转化情况不够理[8]李伟红，胡宝民．基于Malmquist方法的我国区域R&D投入效想，R&D知识的投入与产出不够合理，因此建议该部分区率比较研究[J]．工业技术经济，2011，(8)：33—38．域及时分析造成知识转化效率低下的原因，不断完善R&D[9]RaabRA，KotamrajuP．TheEfficiencyoftheHigh—TeehEconomy：知识资源分配机制，合理规划资源投入；通过R&D知识转ConventionalDevelopmentIndexesVersusaPerformanceIndexlJJ．JournalofRe~onalScience，2006，46：545—562．化效率的纵向分析，R&D知识各年度之间的效率增长不够[10]时鹏将，许晓雯，蔡虹．R&D投入产出效率的DEA分析平稳(如2009年较2008年测度值下降幅度较大)，因此建[J]．科学学与科学技术管理，2004，25(1)：28—30．议优化知识结构，调整知识布局，确保知识转化效率平稳[11]穆智蕊．基于超效率DEA模型的北京R&D投入绩效评价增长；在同一个区级中，不同地区的知识转化效率差距较[J]．科技进步与对策，2012，29(5)：117—120．大(如全要素生产率排名中第三区级所有地区最高排名为[12]夏维力，钟培．基于DEA—Malmquist指数的我国制造业R&D第3名，最低排名为第3O名)，说明在同一经济发达维度动态效率研究[J]．研究与发展管理，2011，23(2)：58—66．中缺少相互的知识共享，因此建议加强R&D知识管理经验[13]叶丽莎，王学东，方婧．网络信息资源知识发现机理研究的学习交流，加强知识的共享互利，从而实现各地区知识[J]．现代情报，2014，34(8)：160—163．转化效率的优化。[14]周义刚．语义网下的动态知识管理相关研究述评[J]．现代情报，2014，34(9)：166—170．参考文献[15]陈金晓．超效率数据包络分析模型与评价方法的改进研究[1]王毓军，梁芳，李志学．东西部地区知识创造过程投入要素配[D]．浙江大学，2011．置效率的比较研究[J]．科技管理研究，2011，31(2)：190—[16]陈仲常，张泽东．我国不同所有制工业企业全要素生产率比192．较研究——基于Malmquist指数的实证分析[J]．工业技术经【2]李建华，刘玲利．我国区域知识生产效率测度研究[J]．情报济，2011，(1)：13—19．(本文责任编辑：郭沫含)一l71—