基于SE DEA的中国省域技术创新效率评价
廖友国 沈波
摘要：创新是引领发展的第一动力，充分认识当前科技创新水平，是提升创新能力的必要前提。本文利用交叉效率DEA模型，对2015年中国三十个省（市）进行科技创新效率评价，有效避免了传统DEA模型中决策单元的效率值整体偏高、与实际情况出入较大、多个决策单元效率值相同无法相互比较等缺陷，得出我国整体科技创新效率处于中等水平，高创新效率的省（市）主要集中在东部及沿海地区，中等创新效率的省份集中于东北部和中部地区，西南和西北地区相对落后等结论；在此基础上划分出五种科技创新类型：高投入高效率型、中投入高效率型、中投入中效率型、中投入低效率型以及低投入低效率型，并对各自典型代表省（市）进行了分析。
关键词：科技创新效率交叉效率数据包络法
一、引言
创新是中国未来转变发展方式的新动能、是提升经济质量和增强国际竞争力的主要推动力，习近平总书记在党的十九大报告中指出：以科技创新为核心，坚定不移地实施创新驱动发展战略，是决胜全面建设小康社会，夺取新时代中国特色社会主义伟大胜利的重要环节。
目前我国整体创新能力在世界上提升至了第22名，但区域之间的创新能力还存在着比较大的差异。迄今为止，已有不少的专家学者就我国的区域创新水平进行了深入的研究。曹霞等人（2015）从绿色低碳视角出发，对中国三十个省市在十年内的面板数据进行创新效率实证分析，指出中国各个区域还普遍存在着无效率现象曹霞，于娟绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2015，25（05）：10—19；马大来等人（2017）基于空间经济学视角，发现中国的区域创新效率具有明显的空间自相关性与集群趋势马大来，陈仲常，王玲中国区域创新效率的收敛性研究：基于空间经济学视角[J].管理工程学报，2017，31（01）：71—78；刘军等人（2017）指出协同创新效率存在着空间异质性，邻近地区协同创新效率的提高可以显著地提高本地区的协同创新效率刘军，王佳玮，程中华产业聚集对协同创新效率影响的实证分析[J].中国软科学，2017（06）：89—98；乔元波等人（2017）结合三阶段DEA和DEA—Windows法，解决了某些区域因技术效率始终为1而无法观察其时间纵向变化的问题；尤瑞玲等人（2017）利用Malmquist指数分解和Ward聚类分析法发现我国沿海地区科技创新效率的提高主要依赖于技术效率的提高，科技创新效率的高地与经济增长速度不完全成正比尤瑞玲，陈秋玲我国沿海地区科技创新效率的省域差异研究[J].技术经济与管理研究，2017（05）：119—123。
数据包络法（data envelopment analysis，DEA）因其客观性、可操作性以及模型的易扩展性等优点泛应用于多维评价指标体系中，是当前评价效率的主要方法之一。目前大多数DEA模型都基于“自评系统”展开评价，在实际运用中就往往出现多个决策单元的效率值为1而无法相互比较的情况，为克服这一缺陷，本文引入交叉效率DEA模型，充分结合“自评”和“他评”的信息，从而提高科技创新效率评价的科学性与合理性。
二、交叉效率DEA模型
假设决策单元为DMUi（i=1，2，…，n），共有m个投入指标和s个产出指标，组成的投入向量与产出向量分别为xj=（x1i，x2i，…，xmi）T和yj=（y1i，y2i，…，ysi）T，构成的投入矩阵与产出矩阵分别为X=（x1，x2，…，xn）和Y=（y1，y2，…，yn），输入权重v=（ν1，ν2，…，νm）T，输出权重u=（u1，u2，…，us）T， 那么第i个决策单元的效率值表示为hi=uTyivTxi，（i=1，2，…，n），在DEA—CCR模型下，即可建立一个线性规划模型P（CCR）：
CCR模型往往会在计算各单元决策的效率值中选择最有利于自己权重，也就是会对有优势的指标赋予更多的权重，而劣势指标赋予较少的权重，甚至是不赋权，从而影响了决策单元效率值的真实性。同时，当多个决策单元的效率值等于1的时候，CCR模型效率高低就难以判断。
交叉效率的引入，其实就是在CCR模型的基础上，用第j个决策单元DMUj的最佳权重ωj和μj来计算第i个决策单元DMUi的效率值孙钰，王坤岩，姚晓东基于交叉效率DEA模型的城市公共基础设施经济效益评价[J].中国软科学，2015（1）：172—183，计算交叉效率评价值：
将第j个决策单元的n个效率值求平均，即可得最终判定决策单元效率高低的数值，公式如2—5所示：
在实际运用过程中，为解决可能出现的ωj与μj的解不唯一导致Eij的解不唯一的情况，可在CCR模型第一目标函数max μTyi的基础上引入第二目标函数，如公式2—6所示：
其中，uTykjvTxj指的是第j个决策单元第k个输出指标的效率值，目标函数的含义则是求出第 k个输出指标效率值中最小的那个输出指标效率值的最大值⑤，借此在公式（2-2）的基础上构成新的线性规划模型如下：
三、实证分析
本文基于数据的可比性、易获取性等原则，从国家科技统计年鉴的统计指标中展开评价指标的选择。科技力量的投入以人力和财力为基础，考虑到研发活动在科技活动中处于核心地位，故而选取了“R&D;人员当时全量”和“R&D;经费内部支出”两个指标，它们是科技创新投入中最直观的数据；科技产出通常划分为直接产出和间接产出两个方面，直接产出指標在此选取了“国外主要检索机构收录科技论文数”和“专利申请受理量”，间接产出指标则选取“技术市场成交额”和“高技术产品出口额”，利用这六个指标，构建出中国省域科技创新效率评价指标体系，如表1所示。
本文选取2015年中国内地三十个省（由于数据的缺失未选取西藏）的数据进行科技创新效率评价，数据来源于《中国科技统计年鉴》。利用Matlab程序计算出三十个省在2015年的交叉效率值，并与传统CCR模型结果进行比较，如表2所示。
从表2中可以看出，采用传统BCC模型求出的各省市科技创新效率值中，存在多个决策单元效率值等于1的省市，比如北京与上海，它们之间无法进行比较，同时，广西、甘肃、青海的效率值也为1，这明显有悖于实际情况。
（市）CCR交叉效率效率排名效率排名青海110161430宁夏04125200293929新疆05592150385221全国均值07376—04682—东北部均值09228—05630—东部均值07670—05581—中部均值06317—04448—西部均值07182—03734—在引入了交叉效率之后，不再出现效率值等于1的情况，因而不同省市之间可以进行相互比较和排序。其中，全国平均效率值为04682，表明我国整体科技创新效率处于中等水平；东北部和东部整体科技创新效率分别为0563和05581，高于全国平均值；中部地区的科技创新效率略低于全国平均值；西部地区的科技创新效率与东部、东北部地区差距相对较大，但陕西、四川两省却表现优异，排名分别达到了第6位和第8位。以06和04两个值为分界点，将科技创新效率分为较高、中等以及较低三个类型，国内三十个省（市）分布状况如
高投入高效率模式。北京、上海、广东、江苏、浙江及山东六个省（市），其两个科技投入和四个科技产出指标均在全国的排名前十位，属于国内经济发达的省份，GDP全国领先，拥有雄厚的经济实力、优渥的教育资源和丰富的科技资源，故而实现了科技创新活动的高投入高效率。
中投入高效率模式。陕西作为中投入高效率类型的省份，从科技投入来看，R&D;人员当时全量为92618人，排名第16位；R&D;经费内部支出39317亿元，排名第14位。从科技产出来看，国外主要检索机构收录科技论文数达到26677篇，排名第5位；专利申请受理量为74904项，排名第12位；技术市场成交额达到72182亿元，排名第3；高技术产品出口额为9916亿美元，排名第13位。陕西可以继续依托自身深厚的历史文化底蕴和丰富的教育资源，完善市场运行机制，充分发挥学术和技术两个方面优势，增强科技资源投入力度，力求实现水平更高的科技创新效率。
中投入中效率模式。以四川、湖北、天津三省为典型代表。从科技投入来看，其“R&D;人员当时全量”分别是116842人、135481人和124321人，排名第13位、第9位和第12位；R&D;经费内部支出分别是5029亿元、5617亿元和51018亿元，分别是第10名、第8名、第9名，但与高投入高效率模式中六个省（市）基本在一千亿以上的经费支出差距较大。从科技产出来看，国外主要检索机构收录湖北和四川两省的科技论文数均在两万篇以上，湖北略高于四川，各自排名第7位和第10位，天津较低，总计13977篇，排名第14位；在专利申请受理量上，四川受理110746项，排名第8，天津为79963项，排名第11位，湖北为74240项，排名第14位；在技术市场成交额上，湖北和天津表现优异，分别达到了78934 亿元和50344亿元，排名第2位和第8位，四川则为26569亿元，处于中等偏上水平；在高技术产品出口额上，天津以地理条件的优势排在全国第7位，出口额达到19716亿美元，四川和湖北分别为15151亿美元和8013亿美元，均处于中等水平。总的来说，这三个省份起步较晚，但经济发展迅速，科技创新效率高于国内平均水平，今后工作的重点是深化体制改革，充分发挥现有科技创新机制，整合科技资源，建立以企业为核心的产学研紧密结合的体系，进一步提高科技成果的转化能力。
中投入低效率模式。以河北省为代表，两个科技投入指标在国内处于中等水平，但科技产出却处于中下游，科技创新效率水平相对较低。政府可以从改善当前创新环境入手，加大教育投入，大力实行人才引进战略，制定鼓励创新的优惠政策，为科技创新活动营造出一个公正、有序、充满活力的市场环境。
低投入低效率模式。主要以内蒙古、宁夏、海南、青海为代表，其共同点在于经济发展水平相对较低，或经济发展过于依赖传统方式，比如内蒙古的矿业和农牧业、海南的农业和旅游业，使得科技创新活动的投入偏低，高科技产业相对不够发达，较为缺乏新技术产品的开发能力，今后可以通過大力引进现有技术来弥补科技产出的不足。
四、总结
本文利用交叉效率DEA模型，对全国三十个省（市）进行了科技创新效率评价，通过对比传统DEA，可以看到交叉效率DEA方法结合了“自评”和“他评”，避免了决策单元效率值整体偏高、多个决策单元效率值为1、与实际情况出入较大的问题。利用求得的交叉效率值，结合实际科技投入产出情况，本文划分出高投入高效率、中投入高效率、中投入中效率、中投入低效率以及低投入低效率五大类型，以典型省份（市）为代表进行综合分析，并针对性地提出改进途径，有助于地区政府定位当前科技创新水平，为因地制宜制定本地区的创新发展策略提供有益的思路。
参考文献：
[1]曹霞，于娟绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2015，25（05）：10—19
[2]马大来，陈仲常，王玲中国区域创新效率的收敛性研究：基于空间经济学视角[J].管理工程学报，2017，31（01）：71—78
[3]刘军，王佳玮，程中华产业聚集对协同创新效率影响的实证分析[J].中国软科学，2017，（06）：89—98
[4]尤瑞玲，陈秋玲我国沿海地区科技创新效率的省域差异研究[J].技术经济与管理研究，2017（05）：119—123
[5]孙钰，王坤岩，姚晓东 基于交叉效率DEA模型的城市公共基础设施经济效益评价[J].中国软科学，2015（1）：172—183
[6]余泳泽，刘大勇创新价值链视角下的我国区域创新效率提升路径研究[J].科研管理，2014，35（05）：27—37
[7]韩晶，宋涛，陈超凡，曲歌基于绿色增长的中国区域创新效率研究[J].经济社会体制比较，2013（03）：100—110
[8]乔元波，王砚羽基于三阶段DEA—Windows分析的中国省域创新效率评价[J].科学学与科学技术管理，2017，38（01）：88—97
[9]杨国梁，刘文斌，郑海军数据包络分析方法（DEA）综述[J].系统工程学报，2013，28（06）：840—860
[10]韩民春，朱森林湖北省城市经济效率的测评[J].统计与决策，2016（09）：68—71
[11]刘涛，金英淑，杨金帅，霍静娟基于博弈交叉效率DEA模型的中国工业企业创新绩效测度[J].科技和产业，2017，17（09）：75—79
[12]范建平，赵园园，吴美琴基于改进交叉效率的中国科技创新资源配置研究[J].中国科技论坛，2017（12）：32—40
[13]朱鹏颐，刘东华，黄新焕动态视角下城市科技创新效率评价研究——以福建九地级市为例[J].科研管理，2017，38（06）：43—50
[14]白雪飞产学研协同创新体系科技资源配置效率测度研究[A].辽宁省高等教育学会辽宁省高等教育学会2016年学术年会暨第七届中青年学者论坛三等奖论文集[C].辽宁省高等教育学会：辽宁省高等教育学会，2016：9
[15]樊华，周德群中国省域科技創新效率演化及其影响因素研究[J].科研管理，2012，33（01）：10—18，26
[16]陈搏全球科技创新中心评价指标体系初探[J].科研管理，2016，37（S1）：289—295
[17]牛方曲，刘卫东中国区域科技创新资源分布及其与经济发展水平协同测度[J].地理科学进展，2012，31（02）：149—155
（廖友国，达州职业技术学院。沈波，达州职业技术学院。）
