您好, 访客   登录/注册

四川省科技投入产出效率分析研究

来源:用户上传      作者: 张婧

  【摘要】
  本文在系统梳理国内外相关文献的基础上,分析了国内外专家对科技投入产出效率的分析方法,选择出三阶段DEA模型,定量分析四川省21个市州科技投入产出效率情况,发现用传统DEA方法测算的投入产出综合技术效率值偏高。对于大部分地区,效率低下确实部分是由较差的外部环境导致的,而且大部分市州的科技投入产出规模没有达到最优生产规模。
  【关键词】
  科技;投入产出;效率;三阶段DEA
  一、背景介绍
  科技创新已成经济和社会发展的主要驱动力,我国经济增速放缓,经济增长由要素驱动、投资驱动向创新驱动转变,把创新作为动力之源,把全面深化改革作为活力之源,转方式、调结构,形成了中国经济的新常态。创新驱动离不开科技的进步与发展,科技进步依赖于科技活动的投入,科技投入是一切科技活动的基础和前提,有投入才有产出。因此,科技投入产出效率密切关系着国家和地区创新驱动发展能力。然而当前科技投入是否盲目,产出成果是否与投入相匹配,四川省各市州科技发展和投入产出情况如何,都是本文亟待研究和探讨的问题。
  二、国内外科技投入产出理论综述
  早在1958年,国外学者就对R&D收益率进行了较为系统的研究。具有代表性的研究是美国哈佛大学的Griliches教授,他以杂交高粱和玉米为例,采用收益――成本法对科研投资的收益率进行了研究。自2000年以来,国内涌现出众多的关于研究R&D活动效率的文献。按切入角度的不同大体可归纳为分析不同机构类型的R&D效率、分析比较不同地区的R&D效率、分析某一特定行业的R&D效率、分析某一特定地区的R&D效率四个方面。按分析方法的不同,又可以分为随机前沿生产函数(SFA)方法和数据包络分析(DEA)方法两类。其中,数据包络分析(DEA)方法,能够较好的弥补(SFA)方法的缺陷,在处理多投入、多产出问题上具有特别的优势,是在R&D效率评价中用的最为广泛的非参数方法。为了更加准确的测度效率,Fried等(2002)提出了三阶段DEA法,能够较好的克服传统DEA方法在效率测度中的缺陷。本文将建立科技投入和产出测度体系,对四川省21个市州的科技投入产出效率进行三阶段的DEA综合测评和分析。
  三、四川省科技活动现状
  科技活动是指在自然科学、农业科学、医药科学、工程与技术科学、人文与社会科学领域(简称科学技术领域)中与科技知识的产生、发展、传播和应用密切相关的有组织的活动,可分为R&D、R&D成果应用及相关的科技服务三类活动。研究与试验发展(简称研发或R&D)活动是指为增加人类知识总量以及运用知识创造新的应用而进行的系统性、创造性的活动。
  2013年,四川省R&D经费总支出达400.0亿元,比上年增长14.0%,比“十一五”末增长51.3%。R&D经费投入强度为1.52%,比上年提高0.05个百分点。全国平均R&D投入强度2.1%,四川位居全国第十二位,排在北京、天津、上海、浙江等东部省市之后,也低于西部地区的陕西省。近年来,四川省科技队伍稳步壮大。2013年,四川省共有专业技术人员274.8万人,其中地方企事业单位专业技术人员112.9万人。拥有中国科学院院士26人、中国工程院院士33人。从事科技活动人员32.1万人,比上年增长3.4%,较“十一五”末增长16.2%。四川省涌现了大量科技创新成果。2013年,四川省有25项重大成果获国家科技奖,247项成果获得四川省科技进步奖。四川省共申请专利82453件,比上年增长24.3%,其中发明专利23510件,增长43.6%;授权专利46171件,增长9.4%,其中发明专利4566件,增长2.5%。
  四、四川省21个市州科技投入产出效率分析
  本文综合文献指标,基于数据的可获得性和有效性,选择R&D经费内部支出、R&D经费投入强度、R&D人员全时当量作为投入指标。选择专利申请数、授权专利数、有效发明专利数、发表科技论文数作为产出指标。考虑到R&D活动自身属性和发展特点,本文选取地区GDP、科技拨款占财政支出的比重、地区职工平均工资、研究机构数4个因素作为环境变量。
  第一阶段,传统DEA模型。利用DEA2.1软件计算出2009年四川省21市州R&D投入产出的三中效率值――综合技术效率、纯技术效率、规模效率。其中,综合效率得分=纯技术效率得分规模效率得分。结果显示,全省21个市州平均综合效率得分是0.72,平均纯技术效率得分是0.83,平均规模效率得分是0.85。说明大部分市州的规模效率大于纯技术效率。
  第二阶段,SFA(Stochastic Frontier Analysis)分析。第二阶段利用随机边界函数(SFA),将外部环境因素、随机误差以及管理水平对决策单元效率值的影响进行分解,进而对原始投入数据进行调整,以得出剔除了环境因素和随机误差对效率影响的效率值。运用Frontier4.1软件进行SFA回归,外部环境变量确实对地区R&D效率有所影响,不同环境变量对R&D投入产出效率的影响方向有所不同。处于较好环境的决策单元的R&D效率值可能会被高估,而处于较差环境的决策单元的R&D效率值会被低估。基于第二阶段的分析使调整后的决策卑元处于相同的外部环境。
  第三阶段调整后的DEA模型。对原始投入变量值进行调整,然后对调整后的数据再次进行DEA分析,应用DEAP2.1软件进行效率测算。总体来看,综合技术效率平均值由调整前的0.72下降到调整后的0.71,变动幅度不大;纯技术效率平均值由0.83上升到0.86;规模效率平均值由0.85下降到0.81。显然,剔除环境影响后的纯技术效率值有一定幅度的提高,而规模效率值有一定幅度的下降。
  五、结论及政策意见
  四川省R&D活动存在科技投入强度较低,市州投入参差不齐,R&D人员高度集中于成都、绵阳两地,其他市州科技人才匮乏,企业科技经费投入相比科研院所略少,科技产出集中于成都、绵阳两市等问题。应将R&D经费在各研发活动间进行合理配置,形成和完善专利转让机制,为R&D成果转化为生产力提供平台,合理利用R&D经费,提高经费的利用效率,兼顾各地区的科技发展,营造良好创新环境,缩小地区间差距。
  参考文献:
  [1]洪亮.基于DEA模型的黑龙江省科技投入绩效评价研究[J].科技管理研究,2010.(16)
  [2]申菊梅,赵建斌.基于DEA的我国区域R&D效率比较研究[J].科技管理研究,2009.(10)
  [3]四川省科技统计中心.四川省科技统计报告[M].2011,2012,2013
  [4]王茨.四川省R&D投入效率DEA方法实证分析[D].西南财经大学硕士学位论文,2007
转载注明来源:https://www.xzbu.com/2/view-6909592.htm