论文部分内容阅读
摘要：本文采用非导向的SBM模型，对2015年我国高技术产业各细分行业和2014年各省份高技术产业的技术创新效率进行测算。研究发现，目前我国高技术产业整体技术创新效率仍旧不高，在相对无效的细分行业中，除信息化学品制造和计算机零部件制造行业的技术创新效率稍高于平均水平外，其他细分行业均低于平均水平且偏低；无论是综合技术效率还是纯技术效率，东部地区相对有效的省份最多，西部次之，中部最少。同时，三大地区高技术产业的规模效应都较高。东部地区综合技术效率较高的主要原因是纯技术效率高，而中部、西部地区纯技术效率都偏低。根据研究结论，就如何提升我国高技术产业技术创新效率及缩小相应的地区间差距给出了部分建议。
关键词：高技术产业；技术创新效率；地区差异；非导向SBM模型
中图分类号： F062.9 文献标识码： A
Measurement on Technology Innovation Efficiency of China’s High-tech Industries and Regional Difference Analysis：
Based on Non-oriented SBM Model
LIU Wei
（Faculty of Management and Economics， Kunming University of Science and Technology， Kunming 650093，China）
Abstract： This paper Used Non-oriented SBM model to calculate technology innovation efficiency of China’s high technology industry sub sectors in 2015 and technology innovation efficiency of province’s high technology industry in 2014. The study found that technology innovation efficiency of China's high technology industry is still not high at the present， the relatively ineffective segments of the industry， in addition to technology innovation efficiency of information chemical and computer manufacturing industry is slightly higher than the average level， other industry segments were lower than the average level and lower； No matter comprehensive technical efficiency and pure technical efficiency， the relative effectiveness of provinces， the most is eastern， Which followed by the western and middle area. At the same time， the scale effect of high technology industry are high in three areas. The reason for relatively higher of comprehensive technical efficiency in eastern area is that relatively higher pure technical efficiency， while the pure technical efficiency are relatively low in middle and western area. According to the conclusion of the study， giving some suggestions on how to enhance the innovation efficiency of high tech industries and narrow the regional gap.
Key Words： High-tech Industry； Technology Innovation Efficiency； Regional Difference； Non-oriented SBM Model
引言
高技术产业的发展在加快产业结构升级、推动经济增长和协调区域发展方面具有重要的作用，其开发和生产的产品附加值高，经济效益好，同时高技术产业又属于技术和知识密集型的产业，需要大量的科研人员以及经费的投入。为此，我国政府在这方面设立和制定了不少的项目和计划，并给予大量的财政支持，这有效地促进了我国高技术产业技术创新活动的开展。但目前我国高技术产业各行业技术创新效率水平究竟如何，地区间高技术产业技术创新效率差距有多大？这仍然是学术上的一个研究重要方向。学者们关于我国高技术产业技术创新效率的研究，往往因视角的不同、模型的设定以及变量指标的选取存在差异，具体的研究结论也存在着差别。多数研究认为，我国高技术产业技术创新效率低下，行业间存在差距，地区间存在不平衡问题。单春霞[1]（2011）在研究我国高技术产业五类行业的技术效率时，得出我国高技术产业整体技术效率偏低，这主要是受纯技术效率低的影响的结论。严夏、安庆贤[2]（2014）测算了高技术产业R&D活动效率，认为高技术产业约70%行业的R&D活动效率较低，同时存在各行业发展不均衡的问题。尹伟华[3]（2012）在研究我国高技术产业技术创新效率的区域差异时，将技术创新过程分为技术研发和技术转化两个子过程。研究发现，我国高技术产业技术创新活动的整體效率和两个子过程都偏低，省级差异也明显。刘伟、李星星[4]（2013）认为东部地区高技术产业技术创新效率最高，西部次之，中部最小，同时东部和中部地区高技术产业技术创新的规模效率较大，而纯技术效率较小。 就目前来分析，这种状况是否依然存在，高技术产业技术创新效率是否有所提高以及相应的区域不平衡问题是否有所改善？我们并不清楚，因此，本文利用我国高技术产业技术创新活动的投入、产出变量的数据，结合非导向的SBM模型，对2015年我国高技术产业各细分行业和2014年各省份高技术产业的技术创新效率进行测算，并对模型结果进行分析，同时针对如何提高我国高技术产业技术创新效率和缩小相应的地区间差距提出一些建议，这对加快我国高技术产业发展和促进区域经济协调发展具有一定的意义。
一、研究方法及模型的简单介绍
SBM模型是基于松弛变量测度的DEA模型，由Tone Kaoru[5]（2001）提出。属于非径向DEA模型，与传统的径向DEA模型——C2R、BC2模型相比，SBM模型同时考虑投入和产出的松弛程度，采用各项投入（产出）缩减（增加）的平均比例来衡量决策单元的非有效程度，模型中的非有效决策单元不必遵循射线方向进行同比例改进，所以SBM模型可以最大程度的提高投入和产出的改进程度。非导向的SBM模型的非线性规划模型表示为：
目标函数：
约束条件： ， ， 。 （1）
其中，目标函数中的 、 分别表示每个决策单元都有 种投入， 种产出； 、 分别表示第 个决策单元的第 种投入和第 种产出； 和 分别表示第 种投入的松弛
变量（冗余）和第 种产出的松弛变量（不足）； 、 分别表示第 种投入、第 种产出的非有效水平； 、 分别表示 种投入的平均非有效水平和 种产出的平均非有效水平。约束条件中的 和 分别表示第 个决策单元的投入和产出； 表示调整矩阵； 、 分别表示前沿生产线上的投入和产出； 和 分别表示投入
和产出的松弛变量。
非导向的SBM模型的求解，若令 ，则非线性规划模型（1）可化为线性规划模型。
目标函数：
约束条件： ， ，
， 。 （2）
若再令 ， ， 。进一步得到：
目标函数：
约束条件： ， ，
， 。 （3）
若线性规划模型（3）的最优解为 ，那么非线性规划模型（1）的最优解为： ， ， ， 。
当且仅当 时， 。即当投入不存在冗余和产出不存在不足时，被评价的决策单元处在生产前沿线上。当 时， 。表明被评价的决策单元非有效，可以通过减少投入和增加产出提高其效率值，且被评价的决策单元的投入和产出的目标值（在生产前沿线上的投影值）分别为 ， 。
SBM模型中的规模效率值虽然采用与径向模型中的规模效率值同样的方法求得，即由综合技术效率（CRS效率）与纯技术效率（VRS效率）之比得到，但一般称之为规模效应。另外，SBM模型中被评价的决策单元的投影点（目标值）是距离生产前沿线上最远的点，这与模型中的目标函数要求效率值最小化的目标相反，这也是SBM模型存在的不足之处。尽管如此，与传统的径向模型相比，其在测算效率上仍具有一定的优势 。
二、高技术产业不同行业的技术创新效率测算
按照国家统计局公布的《高技术产业统计分类目录》标准，我国高技术产业主要包括八大行业，但学者们在研究高技术产业相关问题时，一般考虑其中的五大行业，分别是医药制造业、航空航天器制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗设备及仪器仪表制造业。本文选取的高技术产业除这五大行业外还包括信息化学品制造业，同时按照行业细分，这六大行业又可以分为不同的小行业，本文选取的细分行业为19个。其中，信息化学品制造业1个，医药制造业3个，航空航天器制造业2个，电子及通信设备制造业7个，计算机及办公设备制造业4个，医疗设备及仪器仪表制造业2个。这些高技术产业细分行业将作为SBM模型中被评价的决策单元。
依据DEA模型对投入和产出指标的选取原则[7]，被评价的决策单元数量不应少于投入和产出指标数量的乘积，同时不少于投入和产出指标数量的3倍，并根据高技术产业技术创新活动的实际投入和产出，同时参考其他学者的研究，本文选取的高技术产业技术创新投入指标有4个，包括：（1）高技术产业R&D人员全时当量（人/年）；（2）高技术产业R&D经费支出（万元）；（3）高技术产业新产品开发项目数（项）；（4）高技术产业新产品开发经费支出（万元）。其中，（1）表示高技术产业技术创新的人员投入；（2）、（4）表示高技术产业技术创新的资金投入；（3）表示高技术产业技术创新活动情况。技术创新产出指标有2个，包括：（1）高技术产业有效发明专利数（件）；（2）高技术产业新产品销售收入（万元）。其中，（1）表示高技术产业技术创新活动的直接产出；（2）表示高技术产业技术创新活动产出的经济总量。以上指标的数据均来源于2015年《中国统计年鉴》 。
对于高技术产业来说，大部分行业应处于规模收益可变的情况，技术创新产出并非随着技术创新投入的增加而同比例增加[6]。因此，这里测算的是规模收益可变情况下2015年我国高技术产业19个细分行业的技术创新效率，具体得到的创新效率值如表1所示。
根据表1可以看出：高技术产业细分行业中的中成药生产、航天器制造、通信设备制造、雷达及配套设备制造、计算机整机制造、计算机外围设备制造、办公设备制造的技术创新效率值均为1，表明这些细分行业的技术创新都相对有效。同时，本文所选取的19个细分行业平均效率为0.6356，可以看出，我国高技术产业整体技术创新效率不高，处于一般水平。在相对无效的细分行业中，除信息化学品制造和计算机零部件制造行业的技术创新效率稍高于平均水平外，其他细分行业的技术创新效率均偏低，在平均水平之下。其中，除电子器件制造的技术创新效率值大于0.5外，剩下的细分行业效率值都不足0.5，医疗仪器设备及器械制造行业效率值最低，为0.2286。另外两个效率值低于0.3的行业为生物药品制造和飞机制造行业，其他细分行业效率值介于0.3433和0.4992之間。表明这些技术创新效率值较低的细分行业均存在技术创新投入和产出改进的可能，即在不考虑其他因素影响的情况下，可以通过减少技术创新投入和增加技术创新产出的方式提高其技术创新效率值。 相对无效的细分行业技术创新投入、产出指标松弛改进的考虑，根据表2可以看出，利用非导向的SBM模型测算得到的相对无效的高技术产业细分行业，都可以从投入和产出两个角度同时进行调整，这也体现了非导向与产出导向、投入导向在原始值向生产前沿线上的投影值调整过程中的不同之处。另外，相对无效的细分行业在投入、产出松弛改进过程中并非每项投入和产出都需要调整，有的行业只需调整技术创新投入中的部分项和产出中的部分项。如信息化学品制造行业要提高其技术创新效率值，只需缩减R&D经费支出和新产品开发经费支出，同时增加新产品销售收入，而飞机制造和电子元件制造行业则需通过减少R&D人员投入、R&D经费支出以及新产品开发项目，同时增加有效发明专利数和新产品销售收入使其技术创新达到相对有效水平。因此，细分行业不同，投入和产出在向目标值改进的过程中也存在差异。但总体来看，这种松弛改进都是从投入和产出角度出发，对投入和产出进行不同程度的调整。所以，合理配置技术创新投入资源，提高科研人员的专业技能，完善科研经费支出的管理机制，提升高技术产品的质量以及服务质量，都可以在一定程度上提升高技术产业的技术创新效率。
三、我国高技术产业技术创新效率的地区差异分析
在分析我国各地区高技术产业技术创新效率的地区差异时，根据目前数据的可获得性，样本数据选取年份为2014年。同时以我国30个省份（西藏除外）作为被评价的决策单元，选取一定量的高技术产业技术创新投入和产出指标，采用非导向的SBM模型分别测算不同地区在不同规模收益情况下的高技术产业技术创新效率，分析其地区差异的原因，并通过地图绘制来观察各地区高技术产业技术创新效率的空间分布特征。
与上述测算高技术产业各行业技术创新效率时选取的投入和产出指标略有不同，这里的投入指标增加了高技术产业技术改造经费支出（万元），产出指标则增加了高技术产品出口贸易额（百万美元），这主要是基于被评价的决策单元数量的增加以及指标变量的数据的可获得性考虑。其中，高技术产业技术改造经费支出也表示高技术产业技术创新的资金投入；高技术产品出口贸易额则是衡量高技术产业技术创新产出的重要指标，表示高技术产业技术创新产出的出口竞争力。各指标变量的数据均来源于2014年《中国科技统计年鉴》 。
模型结果及分析，根据表3中的2014年我国各地区高技术产业技术创新效率可以看出：（1）综合技术效率，北京、天津、上海、广东、海南、山西、河南、重庆、新疆省份的综合技术创新效率值为1，即这些省份的高技术产业综合技术创新效率相对有效。在高技术产业综合技术创新效率较低的省份中，除江苏省的效率值在0.5以上外，其余省份效率值均低于0.5，黑龙江的高技术产业综合技术创新效率最低，仅为0.0320。这也看出，我国大部分省份的高技术产业综合技术创新效率偏低。（2）纯技术效率，高技术产业纯技术创新效率相对有效的省份较多，与综合技术创新效率情况相比，增加了江苏、青海、宁夏三个省份。从整体上看，我国60%的省份高技术产业纯技术创新效率处于极低水平，高技术产业技术进步处于无效率状态。 黑龙江省的高技术产业纯技术创新效率仍是30个省份中最低的，与其综合技术创新效率接近，为0.0324。（3）规模效应，除个别省份外，我国高技术产业技术创新的规模效应均较大。综合技术创新相对有效的省份，其规模效应均为1。受规模效应相对较小的原因，江苏、青海、宁夏省份纯技术创新效率虽然达到了相对有效，但根据乘数模型，这三个省份的综合技术创新效率非常低。以江苏省为例，虽然江苏处于东部沿海地区，其高技术产业技术进步水平也相对高于其他省份，但受限于相对较低的产業规模效应，导致其相应的综合技术创新效率较低。所以，规模效应在一定程度上影响着高技术产业综合技术创新效率水平，这点与部分学者得出的结论一致[7]。青海、宁夏省份同样如此。
按三大地区划分来看，无论是综合技术创新效率还是纯技术创新效率，东部、中部、西部都有高技术产业技术创新效率相对有效的省份，其中东部地区相对有效的省份最多，西部次之，中部最少。同时，东部地区综合技术效率较高的主要原因是纯技术效率高，中部、西部地区纯技术效率都偏低。另外，无论是东部、中部、西部地区，它们的高技术产业规模效应差别较小，均处于较高水平。
图1.我国各地区高技术产业技术创新效率空间分布特征（2014年）
为了进一步观察我国高技术产业技术创新效率存在的地区差异情况，利用表3中的CRS效率数据，绘制了我国高技术产业技术创新效率的空间分布特征地图1，按高技术产业技术创新效率值大小的分级显示来看，处于不同级别高技术创新效率值的省份分布于三大地区，这种分布看似是随机分布，但还是可以看出局部地区呈现了一定的空间集聚现象，如北京和天津属于高高集聚区，同样广东和海南、山西和河南也属于高高集聚区；黑龙江和吉林则属于低低集聚区，青海和宁夏也属于低低集聚区。因此，我国高技术产业技术创新效率可能存在空间效应，由于地域上的近邻，某一省份高技术产业技术创新水平、效率可能会受到临近省份的影响，这种影响可能来源产业政策，也可能源于技术外溢效应。受其他因素的影响，高技术产业技术创新效率高的省份，其周围也存在技术创新效率较低的省份。尽管如此，我国高技术产业技术创新效率还是显现了一定的局部空间集聚效应。因此，空间集聚效应可能也是造成我国高技术产业技术创新效率大小地区分布差异的部分原因。
四、结论与建议
本文采用非导向的SBM模型，对2015年我国高技术产业各细分行业和2014年我国各省份的高技术产业技术创新效率进行测算，具体得出以下结论：
（1）我国高技术产业整体技术创新效率不高，处于一般水平。在相对无效的细分行业中，除信息化学品制造和计算机零部件制造行业的技术创新效率稍高于平均水平外，其他细分行业的技术创新效率均在平均水平之下且偏低。在不考虑其他因素影响的情况下，相对无效的细分行业可以通过不同程度地减少技术创新投入和增加技术创新产出的方式提高其技术创新效率值。 （2）无论是综合技术效率还是纯技术效率，按三大地区划分来看，东部、中部、西部都有高技术产业技术创新效率相对有效的省份，其中东部地区相对有效的省份最多，西部次之，中部最少。无论是东部、中部、西部地区，它们的高技术产业规模效应差别较小，均处于较高水平。同时，东部地区综合技术效率较高的主要原因是纯技术效率高，而中部、西部地区纯技术效率都偏低。另外，空间集聚效应也可能是造成我国高技术产业技术创新效率大小地区分布差异的部分原因。
因此，从提升我国高技术产业各细分行业技术创新效率角度考虑，一方面要合理配置技术创新投入资源，提高科研人员的专业技能，完善科研经费支出的管理机制；另一方面要发挥技术创新效率高的行业优势，注重新产品的开发与生产，提升新产品质量。对于科研创新效率低的行业，根据其行业特点，采取针对有效的策略，同时政府应制定一些倾向性政策，努力提升高技术产业整体技术创新效率。从缩小我国高技术产业技术创新效率地区差距来看，中部、西部地区在其高技术产业规模效应处于一定水平时，提高其技术创新效率关键在于提升技术进步水平；同时，要利用技术进步的外溢效应，加强地区间高技术产业技术的交流与研发项目的合作，东部地区应借助技术创新能力高的优势，为缩小区域间高技术技术创新效率差距做出贡献。
参考文献：
[1]单春霞. 基于DEA-Malmquist指数方法的高新技术产业R&D绩效评价[J]. 统计与决策，2011（2）：70-74。
[2]严夏，安庆贤. 基于SBM模型的我国高技术产业R&D效率评价实证分析[J].西南科技大学学报（哲学社会科学版），2014（4）：26-30。
[3]尹伟华. 中国区域高技术产业技术创新效率评价研究——基于客观加权的网络SBM模型[J]. 统计与信息论坛，2012（8）：99-106。
[4]刘伟，李星星.中国高新技术产业技术创新效率的区域差异分析——基于三阶段DEA模型与Bootstrap方法[J]. 財经问题研究，2013（8）：20-28。
[5]Tone Kaoru. A slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European journal of operational research，2001（130）：498-509.
[6]Cooper W W， Seiford L M， Tone K. Data envelopment analysis：a comprehensive text with models，applications， references and DEA—Solver software[M]. 2nd ed. New York： Springs Science & Business Media， 2007.
[7]唐善玲，白宪生. 山西省高新技术产业动态效率与我国发达地区比较研究——基于主成分分析和DEA-Malmquist生产率指数法[J]. 科技管理研究，2013（23）：50-61。
作者简介：
刘伟（1988- ），男，河南信阳人，昆明理工大学2013级硕士研究生。研究方向：数量经济学及宏观经济政策。
关键词：高技术产业；技术创新效率；地区差异；非导向SBM模型
中图分类号： F062.9 文献标识码： A
Measurement on Technology Innovation Efficiency of China’s High-tech Industries and Regional Difference Analysis：
Based on Non-oriented SBM Model
LIU Wei
（Faculty of Management and Economics， Kunming University of Science and Technology， Kunming 650093，China）
Abstract： This paper Used Non-oriented SBM model to calculate technology innovation efficiency of China’s high technology industry sub sectors in 2015 and technology innovation efficiency of province’s high technology industry in 2014. The study found that technology innovation efficiency of China's high technology industry is still not high at the present， the relatively ineffective segments of the industry， in addition to technology innovation efficiency of information chemical and computer manufacturing industry is slightly higher than the average level， other industry segments were lower than the average level and lower； No matter comprehensive technical efficiency and pure technical efficiency， the relative effectiveness of provinces， the most is eastern， Which followed by the western and middle area. At the same time， the scale effect of high technology industry are high in three areas. The reason for relatively higher of comprehensive technical efficiency in eastern area is that relatively higher pure technical efficiency， while the pure technical efficiency are relatively low in middle and western area. According to the conclusion of the study， giving some suggestions on how to enhance the innovation efficiency of high tech industries and narrow the regional gap.
Key Words： High-tech Industry； Technology Innovation Efficiency； Regional Difference； Non-oriented SBM Model
引言
高技术产业的发展在加快产业结构升级、推动经济增长和协调区域发展方面具有重要的作用，其开发和生产的产品附加值高，经济效益好，同时高技术产业又属于技术和知识密集型的产业，需要大量的科研人员以及经费的投入。为此，我国政府在这方面设立和制定了不少的项目和计划，并给予大量的财政支持，这有效地促进了我国高技术产业技术创新活动的开展。但目前我国高技术产业各行业技术创新效率水平究竟如何，地区间高技术产业技术创新效率差距有多大？这仍然是学术上的一个研究重要方向。学者们关于我国高技术产业技术创新效率的研究，往往因视角的不同、模型的设定以及变量指标的选取存在差异，具体的研究结论也存在着差别。多数研究认为，我国高技术产业技术创新效率低下，行业间存在差距，地区间存在不平衡问题。单春霞[1]（2011）在研究我国高技术产业五类行业的技术效率时，得出我国高技术产业整体技术效率偏低，这主要是受纯技术效率低的影响的结论。严夏、安庆贤[2]（2014）测算了高技术产业R&D活动效率，认为高技术产业约70%行业的R&D活动效率较低，同时存在各行业发展不均衡的问题。尹伟华[3]（2012）在研究我国高技术产业技术创新效率的区域差异时，将技术创新过程分为技术研发和技术转化两个子过程。研究发现，我国高技术产业技术创新活动的整體效率和两个子过程都偏低，省级差异也明显。刘伟、李星星[4]（2013）认为东部地区高技术产业技术创新效率最高，西部次之，中部最小，同时东部和中部地区高技术产业技术创新的规模效率较大，而纯技术效率较小。 就目前来分析，这种状况是否依然存在，高技术产业技术创新效率是否有所提高以及相应的区域不平衡问题是否有所改善？我们并不清楚，因此，本文利用我国高技术产业技术创新活动的投入、产出变量的数据，结合非导向的SBM模型，对2015年我国高技术产业各细分行业和2014年各省份高技术产业的技术创新效率进行测算，并对模型结果进行分析，同时针对如何提高我国高技术产业技术创新效率和缩小相应的地区间差距提出一些建议，这对加快我国高技术产业发展和促进区域经济协调发展具有一定的意义。
一、研究方法及模型的简单介绍
SBM模型是基于松弛变量测度的DEA模型，由Tone Kaoru[5]（2001）提出。属于非径向DEA模型，与传统的径向DEA模型——C2R、BC2模型相比，SBM模型同时考虑投入和产出的松弛程度，采用各项投入（产出）缩减（增加）的平均比例来衡量决策单元的非有效程度，模型中的非有效决策单元不必遵循射线方向进行同比例改进，所以SBM模型可以最大程度的提高投入和产出的改进程度。非导向的SBM模型的非线性规划模型表示为：
目标函数：
约束条件： ， ， 。 （1）
其中，目标函数中的 、 分别表示每个决策单元都有 种投入， 种产出； 、 分别表示第 个决策单元的第 种投入和第 种产出； 和 分别表示第 种投入的松弛
变量（冗余）和第 种产出的松弛变量（不足）； 、 分别表示第 种投入、第 种产出的非有效水平； 、 分别表示 种投入的平均非有效水平和 种产出的平均非有效水平。约束条件中的 和 分别表示第 个决策单元的投入和产出； 表示调整矩阵； 、 分别表示前沿生产线上的投入和产出； 和 分别表示投入
和产出的松弛变量。
非导向的SBM模型的求解，若令 ，则非线性规划模型（1）可化为线性规划模型。
目标函数：
约束条件： ， ，
， 。 （2）
若再令 ， ， 。进一步得到：
目标函数：
约束条件： ， ，
， 。 （3）
若线性规划模型（3）的最优解为 ，那么非线性规划模型（1）的最优解为： ， ， ， 。
当且仅当 时， 。即当投入不存在冗余和产出不存在不足时，被评价的决策单元处在生产前沿线上。当 时， 。表明被评价的决策单元非有效，可以通过减少投入和增加产出提高其效率值，且被评价的决策单元的投入和产出的目标值（在生产前沿线上的投影值）分别为 ， 。
SBM模型中的规模效率值虽然采用与径向模型中的规模效率值同样的方法求得，即由综合技术效率（CRS效率）与纯技术效率（VRS效率）之比得到，但一般称之为规模效应。另外，SBM模型中被评价的决策单元的投影点（目标值）是距离生产前沿线上最远的点，这与模型中的目标函数要求效率值最小化的目标相反，这也是SBM模型存在的不足之处。尽管如此，与传统的径向模型相比，其在测算效率上仍具有一定的优势 。
二、高技术产业不同行业的技术创新效率测算
按照国家统计局公布的《高技术产业统计分类目录》标准，我国高技术产业主要包括八大行业，但学者们在研究高技术产业相关问题时，一般考虑其中的五大行业，分别是医药制造业、航空航天器制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗设备及仪器仪表制造业。本文选取的高技术产业除这五大行业外还包括信息化学品制造业，同时按照行业细分，这六大行业又可以分为不同的小行业，本文选取的细分行业为19个。其中，信息化学品制造业1个，医药制造业3个，航空航天器制造业2个，电子及通信设备制造业7个，计算机及办公设备制造业4个，医疗设备及仪器仪表制造业2个。这些高技术产业细分行业将作为SBM模型中被评价的决策单元。
依据DEA模型对投入和产出指标的选取原则[7]，被评价的决策单元数量不应少于投入和产出指标数量的乘积，同时不少于投入和产出指标数量的3倍，并根据高技术产业技术创新活动的实际投入和产出，同时参考其他学者的研究，本文选取的高技术产业技术创新投入指标有4个，包括：（1）高技术产业R&D人员全时当量（人/年）；（2）高技术产业R&D经费支出（万元）；（3）高技术产业新产品开发项目数（项）；（4）高技术产业新产品开发经费支出（万元）。其中，（1）表示高技术产业技术创新的人员投入；（2）、（4）表示高技术产业技术创新的资金投入；（3）表示高技术产业技术创新活动情况。技术创新产出指标有2个，包括：（1）高技术产业有效发明专利数（件）；（2）高技术产业新产品销售收入（万元）。其中，（1）表示高技术产业技术创新活动的直接产出；（2）表示高技术产业技术创新活动产出的经济总量。以上指标的数据均来源于2015年《中国统计年鉴》 。
对于高技术产业来说，大部分行业应处于规模收益可变的情况，技术创新产出并非随着技术创新投入的增加而同比例增加[6]。因此，这里测算的是规模收益可变情况下2015年我国高技术产业19个细分行业的技术创新效率，具体得到的创新效率值如表1所示。
根据表1可以看出：高技术产业细分行业中的中成药生产、航天器制造、通信设备制造、雷达及配套设备制造、计算机整机制造、计算机外围设备制造、办公设备制造的技术创新效率值均为1，表明这些细分行业的技术创新都相对有效。同时，本文所选取的19个细分行业平均效率为0.6356，可以看出，我国高技术产业整体技术创新效率不高，处于一般水平。在相对无效的细分行业中，除信息化学品制造和计算机零部件制造行业的技术创新效率稍高于平均水平外，其他细分行业的技术创新效率均偏低，在平均水平之下。其中，除电子器件制造的技术创新效率值大于0.5外，剩下的细分行业效率值都不足0.5，医疗仪器设备及器械制造行业效率值最低，为0.2286。另外两个效率值低于0.3的行业为生物药品制造和飞机制造行业，其他细分行业效率值介于0.3433和0.4992之間。表明这些技术创新效率值较低的细分行业均存在技术创新投入和产出改进的可能，即在不考虑其他因素影响的情况下，可以通过减少技术创新投入和增加技术创新产出的方式提高其技术创新效率值。 相对无效的细分行业技术创新投入、产出指标松弛改进的考虑，根据表2可以看出，利用非导向的SBM模型测算得到的相对无效的高技术产业细分行业，都可以从投入和产出两个角度同时进行调整，这也体现了非导向与产出导向、投入导向在原始值向生产前沿线上的投影值调整过程中的不同之处。另外，相对无效的细分行业在投入、产出松弛改进过程中并非每项投入和产出都需要调整，有的行业只需调整技术创新投入中的部分项和产出中的部分项。如信息化学品制造行业要提高其技术创新效率值，只需缩减R&D经费支出和新产品开发经费支出，同时增加新产品销售收入，而飞机制造和电子元件制造行业则需通过减少R&D人员投入、R&D经费支出以及新产品开发项目，同时增加有效发明专利数和新产品销售收入使其技术创新达到相对有效水平。因此，细分行业不同，投入和产出在向目标值改进的过程中也存在差异。但总体来看，这种松弛改进都是从投入和产出角度出发，对投入和产出进行不同程度的调整。所以，合理配置技术创新投入资源，提高科研人员的专业技能，完善科研经费支出的管理机制，提升高技术产品的质量以及服务质量，都可以在一定程度上提升高技术产业的技术创新效率。
三、我国高技术产业技术创新效率的地区差异分析
在分析我国各地区高技术产业技术创新效率的地区差异时，根据目前数据的可获得性，样本数据选取年份为2014年。同时以我国30个省份（西藏除外）作为被评价的决策单元，选取一定量的高技术产业技术创新投入和产出指标，采用非导向的SBM模型分别测算不同地区在不同规模收益情况下的高技术产业技术创新效率，分析其地区差异的原因，并通过地图绘制来观察各地区高技术产业技术创新效率的空间分布特征。
与上述测算高技术产业各行业技术创新效率时选取的投入和产出指标略有不同，这里的投入指标增加了高技术产业技术改造经费支出（万元），产出指标则增加了高技术产品出口贸易额（百万美元），这主要是基于被评价的决策单元数量的增加以及指标变量的数据的可获得性考虑。其中，高技术产业技术改造经费支出也表示高技术产业技术创新的资金投入；高技术产品出口贸易额则是衡量高技术产业技术创新产出的重要指标，表示高技术产业技术创新产出的出口竞争力。各指标变量的数据均来源于2014年《中国科技统计年鉴》 。
模型结果及分析，根据表3中的2014年我国各地区高技术产业技术创新效率可以看出：（1）综合技术效率，北京、天津、上海、广东、海南、山西、河南、重庆、新疆省份的综合技术创新效率值为1，即这些省份的高技术产业综合技术创新效率相对有效。在高技术产业综合技术创新效率较低的省份中，除江苏省的效率值在0.5以上外，其余省份效率值均低于0.5，黑龙江的高技术产业综合技术创新效率最低，仅为0.0320。这也看出，我国大部分省份的高技术产业综合技术创新效率偏低。（2）纯技术效率，高技术产业纯技术创新效率相对有效的省份较多，与综合技术创新效率情况相比，增加了江苏、青海、宁夏三个省份。从整体上看，我国60%的省份高技术产业纯技术创新效率处于极低水平，高技术产业技术进步处于无效率状态。 黑龙江省的高技术产业纯技术创新效率仍是30个省份中最低的，与其综合技术创新效率接近，为0.0324。（3）规模效应，除个别省份外，我国高技术产业技术创新的规模效应均较大。综合技术创新相对有效的省份，其规模效应均为1。受规模效应相对较小的原因，江苏、青海、宁夏省份纯技术创新效率虽然达到了相对有效，但根据乘数模型，这三个省份的综合技术创新效率非常低。以江苏省为例，虽然江苏处于东部沿海地区，其高技术产业技术进步水平也相对高于其他省份，但受限于相对较低的产業规模效应，导致其相应的综合技术创新效率较低。所以，规模效应在一定程度上影响着高技术产业综合技术创新效率水平，这点与部分学者得出的结论一致[7]。青海、宁夏省份同样如此。
按三大地区划分来看，无论是综合技术创新效率还是纯技术创新效率，东部、中部、西部都有高技术产业技术创新效率相对有效的省份，其中东部地区相对有效的省份最多，西部次之，中部最少。同时，东部地区综合技术效率较高的主要原因是纯技术效率高，中部、西部地区纯技术效率都偏低。另外，无论是东部、中部、西部地区，它们的高技术产业规模效应差别较小，均处于较高水平。
图1.我国各地区高技术产业技术创新效率空间分布特征（2014年）
为了进一步观察我国高技术产业技术创新效率存在的地区差异情况，利用表3中的CRS效率数据，绘制了我国高技术产业技术创新效率的空间分布特征地图1，按高技术产业技术创新效率值大小的分级显示来看，处于不同级别高技术创新效率值的省份分布于三大地区，这种分布看似是随机分布，但还是可以看出局部地区呈现了一定的空间集聚现象，如北京和天津属于高高集聚区，同样广东和海南、山西和河南也属于高高集聚区；黑龙江和吉林则属于低低集聚区，青海和宁夏也属于低低集聚区。因此，我国高技术产业技术创新效率可能存在空间效应，由于地域上的近邻，某一省份高技术产业技术创新水平、效率可能会受到临近省份的影响，这种影响可能来源产业政策，也可能源于技术外溢效应。受其他因素的影响，高技术产业技术创新效率高的省份，其周围也存在技术创新效率较低的省份。尽管如此，我国高技术产业技术创新效率还是显现了一定的局部空间集聚效应。因此，空间集聚效应可能也是造成我国高技术产业技术创新效率大小地区分布差异的部分原因。
四、结论与建议
本文采用非导向的SBM模型，对2015年我国高技术产业各细分行业和2014年我国各省份的高技术产业技术创新效率进行测算，具体得出以下结论：
（1）我国高技术产业整体技术创新效率不高，处于一般水平。在相对无效的细分行业中，除信息化学品制造和计算机零部件制造行业的技术创新效率稍高于平均水平外，其他细分行业的技术创新效率均在平均水平之下且偏低。在不考虑其他因素影响的情况下，相对无效的细分行业可以通过不同程度地减少技术创新投入和增加技术创新产出的方式提高其技术创新效率值。 （2）无论是综合技术效率还是纯技术效率，按三大地区划分来看，东部、中部、西部都有高技术产业技术创新效率相对有效的省份，其中东部地区相对有效的省份最多，西部次之，中部最少。无论是东部、中部、西部地区，它们的高技术产业规模效应差别较小，均处于较高水平。同时，东部地区综合技术效率较高的主要原因是纯技术效率高，而中部、西部地区纯技术效率都偏低。另外，空间集聚效应也可能是造成我国高技术产业技术创新效率大小地区分布差异的部分原因。
因此，从提升我国高技术产业各细分行业技术创新效率角度考虑，一方面要合理配置技术创新投入资源，提高科研人员的专业技能，完善科研经费支出的管理机制；另一方面要发挥技术创新效率高的行业优势，注重新产品的开发与生产，提升新产品质量。对于科研创新效率低的行业，根据其行业特点，采取针对有效的策略，同时政府应制定一些倾向性政策，努力提升高技术产业整体技术创新效率。从缩小我国高技术产业技术创新效率地区差距来看，中部、西部地区在其高技术产业规模效应处于一定水平时，提高其技术创新效率关键在于提升技术进步水平；同时，要利用技术进步的外溢效应，加强地区间高技术产业技术的交流与研发项目的合作，东部地区应借助技术创新能力高的优势，为缩小区域间高技术技术创新效率差距做出贡献。
参考文献：
[1]单春霞. 基于DEA-Malmquist指数方法的高新技术产业R&D绩效评价[J]. 统计与决策，2011（2）：70-74。
[2]严夏，安庆贤. 基于SBM模型的我国高技术产业R&D效率评价实证分析[J].西南科技大学学报（哲学社会科学版），2014（4）：26-30。
[3]尹伟华. 中国区域高技术产业技术创新效率评价研究——基于客观加权的网络SBM模型[J]. 统计与信息论坛，2012（8）：99-106。
[4]刘伟，李星星.中国高新技术产业技术创新效率的区域差异分析——基于三阶段DEA模型与Bootstrap方法[J]. 財经问题研究，2013（8）：20-28。
[5]Tone Kaoru. A slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European journal of operational research，2001（130）：498-509.
[6]Cooper W W， Seiford L M， Tone K. Data envelopment analysis：a comprehensive text with models，applications， references and DEA—Solver software[M]. 2nd ed. New York： Springs Science & Business Media， 2007.
[7]唐善玲，白宪生. 山西省高新技术产业动态效率与我国发达地区比较研究——基于主成分分析和DEA-Malmquist生产率指数法[J]. 科技管理研究，2013（23）：50-61。
作者简介：
刘伟（1988- ），男，河南信阳人，昆明理工大学2013级硕士研究生。研究方向：数量经济学及宏观经济政策。