下载文档原格式
一、引言当今世界正经历百年未有之大变局，在激烈的国际竞争面前，在单边主义、保护主义上升的大背景下，加快提高我国科技自主创新能力显得更加重要和紧迫。
习近平总书记在召开科学家座谈会上强调，抓创新就是抓发展，谋创新就是谋未来，我国经济社会发展比过去任何时候都更加需要增强创新这个第一动力。
十九届五中全会提出，十四五期间要坚持创新在我国现代化建设全局中的核心地位，要提升企业技术创新能力。
因此，研究影响我国创新能力的影响因素以及找到改善的措施，是当下需要解决的时代命题。
一个国家的创新能力，不仅体现为“量”，更多地体现为“质”，也就是创新的效率。
国家的创新效率主要体现在该国企业的创新效率上，企业的创新阶段主要分为知识创新、科研创新、产品创新三个阶段。
其中，知识创新和科研创新在目前的研究中得到了较多关注，而产品创新则容易被忽略。
产品创新是创新的最后阶段，是把研究专利转化为现实可用的新产品的活动。
因此产品创新是最接近消费者的阶段，是与产生经济利润最接近的阶段，它的重要性不言而喻，然而对此阶段的创新效率研究显然少于前两个阶段。
考虑到产品创新阶段的重要性以及当前研究的不基于DEA-Tobit模型的中国各省市产品创新效率影响因素研究黄荣义（中国人民大学商学院 博士研究生）摘 要：在激烈的国际竞争大背景下，加快提高我国科技自主创新能力是重要而紧迫的时代命题。
我国经过改革开放40多年来的发展，在知识创新和科研创新两个阶段有了很大提高，而产品创新阶段稍显不足，因此本文重点对产品创新效率的影响因素进行探究。
本文构建了DEA模型对产品创新阶段的综合效率、纯技术效率、规模效率进行测算，并建立随机面板Tobit模型对影响这三种效率的相关因素进行了实证分析。
结果发现，产业结构和人均技术市场成交金额对产品创新的纯技术效率有显著的影响，而研发经费投入偏向性对纯技术效率和规模效率的影响方向相反，同时一个地区的平均企业规模越大，会造成产品创新的规模效率越低。
基于DEA的区域技术创新效率研究作者：王奇珍朱英明杨连盛来源：《南京理工大学学报·社会科学版》2014年第02期摘要：本文简单回顾国内外技术创新效率的研究现状，建立东部沿海十省市的技术创新效率评价指标体系，利用数据包络分析的CCR和BCC模型测算了2006—2010年东部沿海十省市的综合效率、纯技术效率、规模效率和规模收益趋势。
结果表明：（1）东部沿海十省市的技术创新效率总体较高，但我国经济最发达的北上广地区，技术创新效率并不是最高。
（2）综合效率、纯技术效率、规模效率和规模收益趋势存在差异，且技术创新效率并没有表现出随时间变化的趋势。
（3）在非DEA有效的省市中，产出不足远远大于投入冗余。
在此基础上，本文提出提高东部沿海十省市技术创新效率的政策建议。
关键词：DEA；技术创新效率；东部十省市中图分类号：F263文献标识码：A文章编号：1008-2646（2014）02-0019-08一、引言随着经济全球化和一体化的发展，知识经济时代已然来临。
在知识经济时代，技术创新对经济增长的推动作用越来越强，技术创新驱动的产业规模扩大、产业结构调整对于区域经济增长及增长方式的转变有着重要的推动作用[1]。
十八届三中全会指出，要深化科技体制改革，加快建设创新型国家，推动经济更有效率、更加公平、更可持续发展。
所以在发挥创新技术作用的同时，更应该注重技术创新的效率。
长江三角洲、珠江三角洲、京津唐、辽中南等城市群区，是我国经济最发达、最具经济活力、城市化水平最高的地区。
改革开放以来，这些群区经济呈现出持续高速发展态势[2]。
特别是东部沿海十省市的经济发展远高于全国平均水平，领跑中国经济，成为我国经济发展的“标杆”省市。
2011年，东部沿海十省市GDP占全国的62.77%，研发经费占全国的71.05%。
全国研发强度1.84%，东部沿海十省市超过全国水平的有北京、上海、天津、江苏、浙江、山东和广东7个省市。
尽管东部沿海十省市具有技术创新的优势，但目前针对东部沿海十省市的技术创新效率的研究却很少。
我国工业企业绿色技术创新效率及其区域差异研究基于共同前沿理论和DEA模型1. 本文概述随着全球环境问题的日益突出，绿色技术创新已成为推动企业可持续发展、提升国家竞争力的重要手段。
特别是在我国，作为世界上最大的工业国家，工业企业的绿色技术创新效率及其区域差异问题，不仅关系到我国经济的健康发展，也对全球环境治理具有重要影响。
本文旨在探讨我国工业企业绿色技术创新效率的现状，以及其在不同区域间的差异性，以期为我国工业的绿色转型提供理论支撑和决策参考。
本文首先回顾了绿色技术创新的相关理论和研究进展，明确了研究的理论基础和研究方向。
在此基础上，采用共同前沿理论和数据包络分析（DEA）模型，对我国工业企业绿色技术创新效率进行实证分析。
共同前沿理论能够反映不同地区或企业在相同技术水平下的最佳实践前沿，而DEA模型则能有效评估各区域工业企业的绿色技术创新效率，揭示其效率差异及其原因。
本文的研究内容主要包括以下几个部分：构建我国工业企业绿色技术创新效率的评估指标体系，明确评估标准和数据来源运用DEA模型对各区域工业企业的绿色技术创新效率进行测算，分析各区域的效率特征再次，结合共同前沿理论，比较不同区域工业企业在绿色技术创新上的最佳实践前沿和效率差距探讨影响各区域工业企业绿色技术创新效率的关键因素，并提出相应的政策建议。
通过本文的研究，期望能够为我国工业企业的绿色技术创新提供科学的评估方法和决策依据，促进各区域工业企业在绿色技术创新上的协同发展，推动我国经济实现绿色、低碳、循环的可持续发展。
2. 研究方法与理论框架本研究旨在深入探究我国工业企业绿色技术创新效率及其区域差异，为此，我们结合了共同前沿理论与数据包络分析（DEA）模型，构建了一个全面而系统的研究框架。
共同前沿理论为我们提供了一个评估不同地区绿色技术创新效率的统一标准。
在这一理论框架下，我们将全国各地区的绿色技术创新活动视为一个整体，并假定存在一个共同的技术前沿，即所有地区在最佳实践下所能达到的最高创新效率。
基于DEA的技术创新效率评价研究——以江西为例技术创新是推动社会经济发展的重要引擎，而技术创新效率评价是评估一个地区或企业在技术创新过程中所达到的效益与投入之间的关系。
数据包络分析（DEA）是一种有效的评价方法，它可以帮助我们定量地评估技术创新效率，并找出存在的问题和改进的方向。
本文以江西省为例，探讨基于DEA的技术创新效率评价研究。
首先，我们需要确定评价指标。
技术创新效率评价指标主要包括技术投入指标和技术产出指标。
技术投入指标可以包括研发投入、人才引进、科研设备等，而技术产出指标可以包括专利数量、科技成果转化率、企业竞争力等。
在确定评价指标时，需要考虑到各个指标之间的互相关联性，以确保评价结果的科学性和客观性。
其次，我们需要构建评价模型。
DEA方法是一种效率评价方法，通过比较各个评价单位的输入和输出指标，可以找出效率较低的单位，并提出改进措施。
在构建评价模型时，我们需要设定技术创新效率评价的目标，确定评价的输入和输出指标，并建立数学模型进行计算。
然后，我们需要收集数据进行实证分析。
江西省是中国的一个经济欠发达地区，技术创新水平相对较低。
我们可以通过收集江西省各个地区或企业的相关数据，如研发经费投入、专利申请数量、科技人员比例等，然后利用DEA方法对其技术创新效率进行评价和比较。
最后，我们可以分析评价结果并提出改进建议。
通过DEA方法评价江西省各地区或企业的技术创新效率，我们可以找出效率较低的单位，进一步分析其问题所在，并提出改进建议，如增加研发投入、加强科技人才培养等，以提高技术创新效率和推动经济发展。
总之，基于DEA的技术创新效率评价是一种有效的评价方法，可以帮助我们发现问题、找出改进的方向，并提高技术创新效率，推动经济社会发展。
希望通过本文的研究和探讨，可以为江西省的技术创新和经济发展提供一定的参考和借鉴。
应用DEA方法评测中国各地区健康生产效率一、本文概述本文旨在运用数据包络分析（DEA）方法，对中国各地区的健康生产效率进行深入的评测和比较。
健康生产效率作为衡量一个地区在卫生资源配置、医疗服务提供以及健康产出效率的重要指标，对于提升我国整体健康水平、优化卫生资源配置具有重要的理论和现实意义。
数据包络分析（DEA）作为一种非参数的前沿效率分析方法，能够在不设定具体生产函数形式的情况下，通过对多投入、多产出数据的分析，客观地评价决策单元（如各地区）的相对效率。
因此，本文选择DEA方法作为主要的分析工具，以期望得到更为准确和客观的健康生产效率评价结果。
在具体的研究过程中，本文将首先构建健康生产效率的评价指标体系，包括卫生资源投入、医疗服务提供以及健康产出等多个方面。
然后，收集中国各地区的相关数据，运用DEA方法进行效率评价，并对评价结果进行深入的分析和比较。
根据评价结果，提出针对性的政策建议，以期为我国卫生事业的健康发展提供有益的参考。
通过本文的研究，我们希望能够全面了解中国各地区健康生产效率的现状和差异，揭示影响健康生产效率的关键因素，为提升我国健康生产效率提供科学依据和决策支持。
二、文献综述在过去的几十年里，数据包络分析（DEA）作为一种非参数的生产效率评估方法，已经在多个领域得到了广泛的应用，包括健康生产领域。
DEA方法通过比较决策单元（Decision Making Units, DMUs）之间的相对效率，为评价不同地区的健康生产效率提供了有效的工具。
在国内外学者的研究中，DEA方法已经被广泛应用于评估医院、地区乃至国家的健康生产效率。
在国内研究方面，随着我国医疗卫生体制改革的不断深化，越来越多的学者开始关注健康生产效率问题。
例如，等（）利用DEA方法对我国各省份的医疗卫生服务效率进行了评价，发现我国医疗卫生服务效率存在明显的地区差异。
等（）则运用DEA方法对我国不同地区的基层医疗服务效率进行了研究，结果显示基层医疗服务效率与地区经济发展水平密切相关。
基于超效率DEA模型的中国高技术产业创新资源配置效率评价在当今全球化、信息化和数字化的快速发展背景下，高技术产业在中国经济发展中扮演着越来越重要的角色。
高技术产业的快速发展需要充足的创新资源支持，而如何高效地配置这些资源成为了一个重要的问题。
本文将使用超效率DEA模型对中国高技术产业的创新资源配置效率进行评价。
一、超效率DEA模型的原理超效率DEA模型是数据包络分析（Data Envelopment Analysis，DEA）的一种扩展形式，用于评估决策单元的相对效率。
相比传统DEA模型，超效率DEA模型考虑到了每个决策单元在效率前沿上的位置，即使在最佳决策单元之外也能被评价出效率。
这使得超效率DEA模型更具有鲁棒性和准确性。
二、高技术产业创新资源配置效率评价指标在评价中国高技术产业的创新资源配置效率时，可以考虑以下指标：1.研发投入效率：评估企业在研发活动中投入资源的效率。
2.创新产出效率：评估企业通过研发活动获得的创新产出的效率。
3.人才资源配置效率：评估企业在吸引、培养和管理人才方面的效率。
4.技术转移效率：评估企业将研发成果转化为实际生产力的效率。
三、实证分析以中国高技术产业为例，选择一批代表性企业作为研究对象，收集各项创新资源配置数据，包括研发投入、创新产出、人才资源及技术转移等方面数据。
然后构建超效率DEA模型，评价每个企业在创新资源配置效率上的表现。
根据超效率DEA模型的评价结果，可以对企业的创新资源配置进行优化和调整，提高效率水平。
四、结论与展望通过超效率DEA模型的评价，可以深入了解中国高技术产业的创新资源配置效率水平，并找出存在的问题和改进的空间。
未来，可以进一步完善超效率DEA模型，引入更多因素和权重，使评价结果更加全面和准确。
同时，可以根据评价结果，制定相关政策和措施，促进中国高技术产业的创新发展，为中国经济的高质量增长贡献力量。
综上所述，基于超效率DEA模型的中国高技术产业创新资源配置效率评价是一项重要的研究课题，可以帮助决策者更好地了解和优化创新资源配置，推动高技术产业的发展和经济的持续增长。
技术效率、技术进步与生产率增长基于DEA的实证分析一、本文概述1、研究背景：阐述当前技术效率、技术进步与生产率增长的重要性，以及它们在经济发展中的作用。
随着全球经济的飞速发展，技术效率、技术进步与生产率增长已成为决定一个国家或地区经济发展水平和竞争力的重要因素。
在当前的全球化浪潮中，高效、先进的生产技术和管理方法不仅能够帮助企业降低成本、提高产品质量，还能在激烈的市场竞争中占据有利地位，从而实现可持续发展。
技术效率，主要指的是现有技术在生产过程中的实际运用效率，它反映了生产系统在既定投入下实现最大产出的能力。
一个高技术效率的生产系统能够最大限度地减少资源浪费，提高生产要素的利用价值。
而技术进步则是指通过研发、创新等活动，推动生产技术和管理方法的不断升级和完善。
技术进步是推动生产率增长的核心动力，它能够显著提升生产系统的潜在能力，为经济增长提供源源不断的动力。
生产率增长，作为技术效率和技术进步的综合体现，直接反映了一个国家或地区经济增长的质量和效益。
在资源有限、环境压力日益增大的背景下，实现生产率增长对于提升经济增长质量、促进可持续发展具有重要意义。
因此，深入探讨技术效率、技术进步与生产率增长之间的关系及其内在机制，对于指导实践、推动经济发展具有重要意义。
本研究旨在通过数据包络分析（DEA）方法，对技术效率、技术进步与生产率增长进行实证分析。
通过对相关数据的收集和处理，运用DEA模型对生产系统的技术效率和技术进步进行评估，进而分析它们对生产率增长的影响。
通过这一研究，希望能够为提升我国生产系统的技术效率和技术进步水平、促进生产率增长提供有益的参考和借鉴。
2、研究目的：明确本研究旨在通过数据包络分析（DEA）方法，实证分析技术效率、技术进步对生产率增长的影响。
本研究的核心目的在于通过数据包络分析（Data Envelopment Analysis，简称DEA）这一前沿方法，对技术效率、技术进步与生产率增长之间的关系进行深入的实证分析。
基于DEA方法的我国地区技术效率研究作者：石风光来源：《商业时代》2013年第08期内容摘要：本文利用DEA方法对我国1985-2007年各地区技术效率的地区差异及变化趋势进行了分析，结果表明，纯技术效率的恶化导致了我国东、中部技术效率的下降，而西部的纯技术效率和规模效率均实现了增长；我国多数地区存在投入拥挤和产出不足的状况，其中西部地区最严重，其次是中部和东部地区。
关键词：数据包络分析技术效率纯技术效率规模效率引言近年来，我国地区差距问题日益凸显，探究地区差距的原因成为了学术界关注的焦点，而作为影响经济增长的重要因素—全要素生产率及构成的地区差异自然也受到关注，相关的研究文献逐渐涌现，如颜鹏飞、王兵（2004）运用DEA的方法测度了1978-2001年中国30个省（自治区、直辖市）的技术效率、技术进步及曼奎斯特生产率指数，通过比较分析发现，1992年以前中国经济出现了效率的趋同，1992年以后追赶效应消失，技术进步成为各个地区生产率差异的主要原因。
郭庆旺等（2005）利用非参数的DAE-Malmquist指数方法估算出中国各省份1979-2003年间的TFP增长、技术效率变化和技术进步率，分析了省份经济的TFP增长差异。
郑京海、胡鞍钢（2005）采用以DEA为基础的曼奎斯特生产率指数法对中国改革时期省际生产率增长的变化情况进行了实证分析，发现省际生产率的增长主要是由技术进步带来的，而效率改善的速度明显落后于技术进步的速度。
王志刚等（2006）采用超越对数生产函数的随机前沿模型，对改革开放以来中国地区间生产效率演进进行了研究。
上述研究对我国全要素生产率及其构成的变化及地区差异进行了有益的探讨，但它们在测算全要素生产率及构成时仅考虑了劳动者的数量，而没有包含任何有关劳动者质量的信息，即人力资本水平随时间、地区变化的信息，所以这种测算是不准确的。
另外，上述有关区域范围的全要素生产率研究主要集中在技术进步、技术效率的地区差异及其对生产率的贡献上，而没有对技术效率本身进行相关分析。
有鉴于此，本文拟利用包含人力资本要素的省区面板数据，采用DEA方法对中国地区技术效率进行重新测算和分析，以弥补相关研究的不足。
方法与数据（一）数据包络分析（DEA）方法数据包络分析（DEA）是由美国著名运筹学家Charnes和 Cooper等于1978年提出的，是在Farrell测度基础上发展起来的一种评价决策单元（decision making unit，DMU）相对业绩的非参数方法，其中应用最普遍的模型是C 2R模型。
假设有n个决策单元（DMU），每个决策单元（DMUj）都有m种输入和种S输出，其中xj=（x1 j，x2 j，…，xm j）T，yj=（y1 j，y2 j，…，ys j）T，xij>0为第j个决策单元DMUj的第i种输入类型的输入量；yrj>0表示DMUj 的第r种输出类型的输出量（ j =1，2，…，n；i =1，2，…，m；r =1，2，…，s）。
x0=xj0，y0=yj0分别为决策单元DMUj0的输入和输出。
对于选定的DMUj0，判断其有效性的DEA模型可以表示为：（1）其中si-和sr+分别为剩余变量和松弛变量，ε为非阿基米德无穷小量，一般取ε=10-6，θ为该决策单元DMUj0的有效值，当θ=1时，称DMUj0为DEA有效，当θ（二）样本及相关数据说明本文分析样本为内陆28个省、自治区和直辖市，为了行文方便我们将其统称为省区，海南和西藏由于相关数据缺失较多，未包括在内，重庆由于成立直辖市时间相对较短，本文把其相关数据并入四川计算。
本文还采用了传统三大地带划分方法，其中东部地区包括北京、天津、河北、辽宁、山东、江苏、上海、浙江、福建、广东等10个省区；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8省区；西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等10个省区。
由于受到人力资本数据的限制，本文分析时段为1985-2007年。
模型涉及的变量及相关数据说明如下：省区产出水平用GDP数据表示，其中1985-1999年数据来源于《新中国五十年统计资料汇编》，2000-2007年数据来自于历年《中国统计年鉴》，各省区GDP数据均按1978年不变价格进行了折算。
投入包括两种，一是资本存量K，二是人力资本增强型劳动力L。
资本存量K采用永续盘存法进行估算，相关数据来源于历年《中国统计年鉴》。
人力资本增强型劳动力L为人力资本h与劳动力l的乘积，即L=h×l。
人力资本h用人均受教育年限表示，采用陈钊等（2004）的方法计算得来，其中1985、1986年数据来自相应年份的人口抽样估算数据，2002-2007年数据来自相应年份的《中国统计年鉴》。
劳动力l为各省区全社会从业人员数，为了保持数据的连续性，本文采用各省历年统计年鉴公布的全社会从业人员数据。
实证结果分析我们利用DEAP软件计算出了全国各省区历年的技术效率值及其构成，限于篇幅，本文仅给出1985-2007年相关指标的平均值，结果如表1所示。
根据DEA模型中关于效率评价指数的定义，效率值介于0-1之间，值越大效率越高，表明较少的输入能够产生较多的输出。
由表1可以看到，我国东部平均技术效率值较高，为0.733，其中上海和福建的技术效率值均达到了1，说明这两个地区在考察期内始终处于全国技术效率的前沿，在经济发展过程中，它们更好地实现了经营管理的创新和资源的优化配置。
中部地区的平均技术效率在三大地带中是最高的，为0.745，其中湖南、湖北的技术效率均超过了0.9，这说明中部地区较好地学习了先进的组织形式和管理经验，通过优化产业结构，调动各种生产要素的积极性，实现了生产的高效率。
尽管西部地区技术效率的增长率在所有地区中是最高的，但其平均技术效率值与其他地区相比却是最低的，仅为0.55，这说明西部地区在挖掘自身生产潜力提高自身技术效率方面仍然任重道远。
从表1中技术效率的构成来看，绝大多数地区的纯技术效率都小于规模效率，这说明多数地区都是靠规模效率来提高其技术效率的。
就三大地带来看，东部的纯技术效率最高，为0.825，其次是中部，为0.772，纯技术效率最低的是西部，为0.754。
三大地带规模效率最高的是中部，为0.959，其次是东部，为0.892，最低的依然是西部，为0.757。
具体到省份来看，除东部的上海、福建的纯技术效率和规模效率都为1外，东部的江苏和广东以及西部的四川、青海和宁夏等省区的纯技术效率都达到了1，而中部的湖南的规模效率也达到了1。
这说明这些地区的资源配置或生产规模都实现了最优。
青海和宁夏的纯技术效率为1，而规模效率却极低，可能的原因是这两个地区资源比较匮乏，有限的资本和劳动投入均能转化为产出，不存在要素投入过剩而导致效率下降的可能，同时由于它们处在规模收益递增阶段，要素投入的不足使得其生产规模与最优规模相差较远。
除上述省区外，其他地区的纯技术效率和规模效率均小于1，说明这些地区的资源配置有待进一步改善，生产规模需要作进一步的调整。
要素投入冗余率和产出不足率是地区技术效率水平特别是纯技术效率水平的具体体现，它可以反映出该地区的资源配置的合理程度和产出进一步提高的潜力。
由表1可以看到，东部地区资本、劳动投入冗余率和产出不足率最低，分别为17.49%、17.51%和25.53%。
其次是中部，其资本、劳动投入冗余率和产出不足率分别为22.78%、22.77%和41.59%。
西部资本、劳动的投入冗余率和产出不足率最高，分别为24.60%、24.62%和54.82%。
这说明东部的纯技术效率水平最高，其次是中部，而西部最低。
这实际上也反映出了一种关系，即纯技术效率越高的地区其投入冗余率和产出不足率就会越低。
从具体省区来看，上海、江苏、福建、广东、四川、青海及宁夏的纯技术效率为1，这些地区就不存在投入冗余和产出不足的问题。
而山西在所有的省区中纯技术效率最低，为0.468，其资本、劳动投入冗余率和产出不足率在所有的地区中最高，分别为53.18%、53.32%和135.98%，这说明山西在要素投入上的配置极不合理，没有实现最大产出，通过调整要素投入比例，其产出可以在原有基础上提高135.98%。
结论本文利用DEA方法分析了1985-2007年中国各地区的技术效率差异，主要结论如下：第一，中部的技术效率和规模效率值最高，其次是东部和西部，而东部的纯技术效率值最高，其次是中部和西部。
第二，除少数省区外，绝大多数省区的纯技术效率都小于其规模效率。
第三，要素投入冗余率和产出不足率均与纯技术效率呈反向关系，东部的要素投入冗余率和产出不足率最低，而西部则最高。
需要说明的是，本文仅采用了DEA这种非参数方法进行了技术效率的研究，而没有同时采用其他参数方法如SFA进行生产率的分解与比较，今后应进一步加强这方面的研究。
参考文献：1.颜鹏飞，王兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究，2004（12）2.郭庆旺，赵志耘，贾俊雪.中国省份经济的全要素生产率分析[J].世界经济，2005（5）3.郑京海，胡鞍钢.中国改革时期省际生产率增长变化的实证分析（1979-2001）[J].经济学季刊，2005（2）4.王志刚，龚六堂，陈玉宇.地区间生产效率与全要素生产率增长率分解（1978-2003）[J].中国社会科学，2006（2）5.Charnes A， Cooper W W， Rhodes E. Measuring the Efficiency of Decision Making Units [J]. EuropeanJournal of Operational Research，1978，2：429-444.6.陈钊，陆铭，金煜.中国人力资本和教育发展的区域差异：对于面板数据的估算[J].世界经济，2004（12）7.范爱军，王丽丽.中国技术效率的地区差异与增长收敛—基于省际数据的研究[J].经济学家，2009（4）。
