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。
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。
＊副教授，博士。
研究方向：企业技术创新管理。
E-mail ：mny 523@ 医药制造业作为一个典型的技术驱动型产业，技术创新是其发展的基础。
我国政府及企业在技术进步、新药研发领域投入了大量的资金与人力。
然而，在技术创新方面的缺陷却日益凸显，尤其是技术创新效率低下已成为制约整个产业全面、健康发展的瓶颈。
与此同时，我国不同区域的技术创新水平和绩效也存在较大差异，并呈现出不断演变的动态发展趋势。
为了确保相关投入能实现有效的产出，评价技术创新的相对有效性就显得尤为重要。
国内诸多学者对其进行了有益的探索，其中，运用数据包络分析（DEA ）方法对技术创新效率进行评价已成为学者们研究的热点。
比如，李婧等[1]、官建成等[2]、刘顺忠等[3]运用DEA 方法对我国区域技术创新效率进行了实证分析；刘敬严[4]、段伟[5]基于DEA 方法对企业技术创新绩效进行了评价。
以往研究成果对本文研究的展开具有重要的借鉴意义，但仍有进一步研究的必要。
第一，关于技术创新效率指标的选取还值得商榷，指标选取的合理与否关系到最终结论是否正确。
技术创新是一个多投入、多产出的经济过程[6]。
对于技术创新活动的投入变量，相关文献一般采用R&D （研究与开发）资金投入和R&D 人力资源投入2项指标[3，7]。
R&D 资金投入和R&D 人力资源投入可以表征一个地区的创新规模与潜力，然而除了这2个常用指标外，无论从广义技术创新的角度还是从我国作为技术后进国的实际情况出发，研发活动还应包括技术引进、技术改造等活动，而国内许多学者也将上述活动的投入纳入到技术创新投入指标来考虑，即技术改造费用和技术引进费用[8，9]。
对于产出变量，很多文献都将专利列为产出指标之一[7，10]，本文也选用专利申请授权量作为技术创新产出的一项衡量指标。
专利作为非收益性指标能反映各行业的发明和创新信息，而国内很多学者认为收益性指标也是反映技术创新产出的重要指标[6，10，11]。
因此，本文参考相关研究成果将产品销售收入和新产品销售收入占主营业务收入比作为另外2项产出指标，综合反映行业内企业终端产品的科技含量及技术创新转化为现实成果的能力。
第二，以往多数研究都是对于某一区域技术创新效率的静态研究，少有对某一产业技术创新效率的动态研究。
每个产业的技术创新都有各自不同的特点，并且导致技术创新效率高低的原因也各不相同，这就需要结合具体产业的实际情基于DEA 方法的我国医药制造业技术创新效率的实证研究茅宁莹＊，张帅英，褚淑贞（中国药科大学医药产业发展研究中心，南京211198）中图分类号F 407.7；F 270文献标志码C文章编号1001-0408（2012）05-0391-04DOI 10.6039/j.issn.1001-0408.2012.05.03摘要目的：评价我国医药制造业技术创新效率，确保资源投入实现有效的产出。
方法：采用数据包络分析（DEA ）方法，在合理选取测度指标的基础上，选取1999－2008年我国主要省（区、市）医药制造业数据进行了技术创新效率的实证研究，并探究了其时间演变趋势及演变的政策影响因素。
结果：我国河北、河南、湖北等部分中、东部省（区、市）技术创新效率低，平均水平不足0.6；东、中、西部主要省（区、市）的纯技术效率平均都在0.7以上，而普遍都低于规模效率；整体看10年间技术创新效率没有明显的上升趋势，且具有很大的波动性。
结论：我国主要省（区、市）技术创新效率存在差异，且总体趋势受政策的影响较大。
国家应当借鉴国内、外经验制定并不断完善相关政策法规，以促进我国医药制造业技术创新效率的提高。
关键词数据包络分析；医药制造业；技术创新效率Empirical Research on Technology Innovation Efficiency of Pharmaceutical Manufacturing in China Based on DEA MethodMAO Ning-ying ，ZHANG Shuai-ying ，CHU Shu-zhen （Medical and Pharmaceutical Industry Development Re-search Center ，China Pharmaceutical University ，Nanjing 211198，China ）ABSTRACT OBJECTIVE ：To evaluate technology innovation efficiency of pharmaceutical manufacturing and ensure resources achieve effective output.METHODS ：Technology innovation efficiency of pharmaceutical manufacturing was researched on the ba-sis of a reasonable measure index selection ，using the data envelopment analysis （DEA ）method ，selecting the provincial panel da-ta.The time trends and policy factors of evolution were also explored.RESULTS ：Innovation efficiency of middle and eastern re-gions was low ，such as Hebei ，Henan and Hubei province （the average level was lower than 0.6）；in eastern ，middle and western regions ，the average level of pure technology efficiency was higher than 0.7，but was lower than the scale efficiency.On the whole ，technology innovation efficiency didn ’t show significant increasing tendency but great fluctuation during 10years.CON-CLUSION ：Technology innovation efficiency is different from each other ，and highly influenced by the national regulations.Relat-ed laws and regulations should be establised and perfected by referring to domestic and foreign experience in order to improve inno-vation efficiency of pharmaceutical manufacturing in China.KEY WORDS Data envelopment analysis ；Pharmaceutical manufacturing ；Technology innovation efficiency况，动态地分析技术创新效率变化趋势及其变化原因。
基于以上考虑，本文选取我国医药制造业27个省（区、市）1999－2008年的相关数据，应用效率测度的DEA方法，在合理选取测度指标的基础上，进行了技术创新效率的实证研究，并探究了其时间演变趋势及演变的政策影响因素，为有关部门制定医药产业扶持政策和医药制造业企业制定技术创新策略提供决策依据。
1DEA方法及模型简介DEA方法由Chames、Cooper和Rhodes于1978年提出，旨在评价“多投入多产出”模式下决策单元间的相对有效性。
现在应用较为广泛的是CCR模型和BCC模型，可分别处理“规模报酬不变”与“规模报酬变动”假设下的决策单元有效性问题[12]。
1.1DEA的CCR模型技术创新系统是把人力资源和财力资源投入转化为技术创新的经济系统，利用DEA的CCR模型可以对决策单元的规模有效性和技术有效性同时进行评价。
在DEA方法中，每个被研究单元被称作是决策单元（DMU），其基本特点是有多个输入和输出，在把输入转化为输出的过程中努力实现自身的决策目标。
对于某个选定的DMU（下标设为0），CCR评价模型可表示成如下的规划问题：min（θ）S.t.∑λi X i+s－＝θX0∑λi Y i－s+＝Y0λi≥0，i＝1，2，…，n s－≥0，s+≥0｛其中，θ为该决策单元DMU0投入相对于产出的有效利用程度（有效值，即技术创新效率值）；X i、Y i分别为DMU i的投入和产出要素集合，用一维数组（X i1，X i2，…，X im）、（Y i1，Y i2，…，Y ip）表示；λi为相对于DMU0重新构造一个有效DMU组合时，其中第i个DMU决策单元的组合比例；s－、s+为松驰变量[13]。
由CCR模型计算出的效率值为技术创新效率值，可以进一步分解成为规模效率值与纯技术效率值的乘积，即：技术创新效率＝规模效率×纯技术效率，而纯技术效率值可由BCC模型计算得出，由此便求出：规模效率＝技术创新效率/纯技术效率。
1.2DEA模型的经济学意义（1）DEA有效性。
当θ＝1时，称所对应的DMU为弱DEA 有效，进一步，如果成立s－＝s+＝0，称该DMU为DEA有效——既是技术有效，又是规模有效；当θ＜1时，称其为DEA无效——或不为技术有效，或不为规模有效，或两者均无效。
（2）技术有效性。
如果s－＝s+＝0，则所对应的生产活动从技术角度看，资源获得了充分利用，投入要素达到最佳组合，取得了最大的产出效果，称其为技术有效；否则称技术无效。
（3）规模有效性。
令k＝1θ∑λj，称k为DMU的规模收益值，当k＝1时，该DMU规模收益不变；k＜l时，规模收益递增；k＞l时，规模收益递减。
2DEA模型在技术创新效率评价中的运用2.1数据来源由于数据的可获得性以及DEA方法对数据的要求，本文选取了1999－2008年医药制造业27个省（区、市）组成样本，而西藏、新疆、青海、宁夏4省（区）数据缺失严重，不作为分析对象。
数据来自1999－2008年《中国高新技术统计年鉴》。
2.2指标选取技术创新系统是把人力资源和资金投入转化为技术创新的经济系统。
