下载文档原格式
摘要创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。
科技创新是现代经济社会持续发展的重要力量。
对科技创新来说，科技资源优化配置至关重要，科技资源配置效率的高低对我国高技术产业发展、制造业高质量发展、区域协调发展产生着深远影响。
因此，研究科技资源优化配置效率的测度方法，科学测度我国各省科技资源配置效率并分析其区域差异及动态演进趋势，对提升科技资源配置效率，平衡地区之间的科技发展差异，真正实现经济转型升级，具有非常重要的理论和现实意义。
论文首先介绍科技资源配置效率相关理论和我国科技资源配置现状，然后以我国科技资源配置效率为研究对象,选取符合我国发展实际的投入产出指标，构建科技资源配置效率评价指标体系。
运用全局至强有效前沿最近距离模型测算30个省市科技资源配置效率，采用Dagum基尼系数、核密度估计方法分析科技资源配置效率的区域差异和分布动态，深入分析东、中、西部三大区域科技资源配置效率的区域差异及动态演进趋势；最终通过变异系数与静态面板模型对全国及东中西部收敛性进行研究。
旨在提高我国科技资源配置效率,提升区域科技竞争力,促进经济发展和深化科技体制改革。
研究结果表明:（1）样本期内,伴随着我国对于科技创新重视程度的加深，对于科技资源的投入呈现跃升的态势,但同时发现科技成果的市场化率较低，三大区域科技资源配置效率差异较为显著。
（2）基尼系数分解结果表明,样本期内东部区域与中西部区域的科技资源配置效率区域间差异明显下降，西部区域内部科技资源配置效率不均衡现象相较于东中部而言较为显著，东部区域不均衡态势在三者中最小。
科技资源配置效率区域间差异东-西部之间最为突出、中-西部区域间差异次之，东-中部区域间差异最小，科技资源配置效率区域差异的主要来源是区域间差异，区域内差异和超变密度的贡献率相对较为相近。
（3）Kernel 核密度估计结果表明,在样本期内，中国科技资源配置效率的区域差异经历了“上升-下降”的过程。
收稿日期:2004-03-19 基金项目:国家自然科学基金项目(编号:70273041);浙江省自然科学基金项目(编号:702045)的阶段成果。
作者简介:池仁勇(1959-),男,浙江瑞安人,浙江工业大学中小企业研究所教授,研究方向:技术创新与中小企业发展。
我国东西部地区技术创新效率差异及其原因分析池仁勇,虞晓芬,李正卫(浙江工业大学 中小企业研究所,浙江 杭州 310014)摘要:区域技术创新效率决定区域技术创新绩效,因而决定区域经济发展。
本文利用DEA 方法,对我国30个省市自治区的技术创新效率进行了测定,结果呈现东高西低的特征。
原因是多方面的,统计分析显示,劳动者素质、轻重工业比例结构等是显著影响因素。
因此,要提高区域技术创新效率,必须更加关注产业结构调整、提高劳动者素质和企业制度创新等。
关键词:技术创新;创新效率;区域经济;创新网络中图分类号:F124.3 文献标识码:A 文章编号:1002-9753(2004)08-0128-05An Analysis of Differences in Innovation Efficiency between the Eastern &the Western Regions in C hina and its C ausesCH I Ren -yong ,YU Xiao -fen ,LI Zheng -Wei(The Institute of S mall Business ,Zhejiang University of Technolo gy ,Hangzhou 310014,China )Abstract :It is presumed that regional technological innovation efficiency (RT IE )de termines regional innov ation per -formance ,thus it determines the development of regional economy .U sing DEA method ,w e tested RT IEs of 30provinces ,municipal cities and autonomous regions in China .The results reveal that RT IE is hig her in the eastern re -gions but lower in the western regions .T he causes are diverse .Statistic analysis show s that quality of laborers and percentages of light and heavy industries are significant factors affecting them .T herefore ,w e should pay more atten -tion to industrial restructure ,laborer quality improvement and enterprise system innovation to enlarg e RT IEs .Key words :technological innovation ;innovation efficiency ;regional economy ;innovation netwo rk 一、问题提出近几年来,在激烈的国内外市场竞争条件下,东西部的差距呈扩大趋势。
我国技术进步、技术效率的地区差异分析
李宗植;石风光
【期刊名称】《商丘师范学院学报》
【年(卷),期】2010(026)010
【摘要】利用DEA的非参数Malmquist指数方法对我国1985-2007年各地区TFP及其构成的地区差异和变化趋势进行分析,可以看出:我国各地区的TFP均实现了增长,技术进步是TFP增长的主要动力;纯技术效率的恶化导致了东、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;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.因此,需要针对分析结果提出相关政策建议.【总页数】6页(P1-6)
【作者】李宗植;石风光
【作者单位】南京航空航天大学,经济与管理学院,江苏,南京,210016;南京航空航天大学,经济与管理学院,江苏,南京,210016
【正文语种】中文
【中图分类】F127
【相关文献】
1.中国农业技术效率的地区差异分析 [J], 韩晓燕;翟印礼
2.我国环渤海地区主要港口技术效率的时空差异分析 [J], 刘涛;张广兴;霍静娟
3.我国东北地区经济增长、技术效率与技术进步增长率分析 [J], 刘薇娜;李楠
4.基于DEA模型的技术效率实证分析--浙江省地区农业效率差异分析 [J], 徐琼
5.乡镇企业技术效率的地区差异分析 [J], 刘国亮;钟甫宁
因版权原因，仅展示原文概要，查看原文内容请购买。
我国技术效率、技术进步与生产率区域差异的实证研究作者：乔钰涵孙丹蕾来源：《价值工程》2014年第26期摘要：本文用非参数Malmquist指数方法研究了我国全要素生产率的增长状况及其区域差异，并将其分解为技术进步和技术效率，同时采用增长回归法对我国地区之间TFP、技术效率、科技进步的差异进行了检验。
研究表明：1994-2007年间我国全要素生产率年均增长率达到1%，主要得益于技术进步水平的提高，技术效率总体上呈现下滑趋势；我国各省市区的科技进步、技术效率、TFP变化呈现出较为明显的差异，其中TFP和科技进步变化差异最为明显，而技术效率变化差异不大。
关键词：全要素生产率；技术进步；技术效率；Malmquit指数中图分类号：F424.3 文献标识码：A 文章编号：1006-4311（2014）26-0016-020 引言由经济增长理论知，促进产业增长的源泉是要素投入的增加和生产率的提高。
由于要素投入的不可持续性，生产率问题特别是全要素生产率问题成为研究产业经济增长的热点。
上世纪90年代以来，我国经济经一直保持着迅猛的发展势头，新世纪，我国一跃成为世界第三经济大国，经济发展战略也开始由依靠要素投入的粗放型发展向依靠科技进步的集约型发展转变。
那么，近几年来中国全要素生产率增长及变化趋势如何？全要素生产率的增长是由技术进步带来的还是由技术效率的改进引起的？这些情况在各省、自治区和直辖市有何区别？技术效率、技术进步、全要素生产率变动趋势如何？科学地回答并解释这些问题可以为今后产业政策的制订提供有力的支撑。
以期为转型时期经济的又好又快发展提供理论参考。
1 研究方法及数据本文采用基于数据包络分析（DEA）的Malmquist指数方法，来计算我国全要素生产率的增长。
Malmquist指数是由瑞典经济学和统计学家Sten Malmquist（1953）[1]年提出的，由Fare等人进一步发展而来。
根据Fare et al.（1994）[2]的方法，基于产出角度的全要素生产率可以用Malmquist生产率指数来表示，并可分解为技术效率变化和技术进步变化，而技术效率又可分解为规模效率变化和纯技术效率变化。
区域科技创新能力差异的实证分析———环渤海经济圈三省之比较杨莉1，翟新2（1.燕山大学外国语学院，河北秦皇岛066004；2.燕山大学经济管理学院，河北秦皇岛066004）［摘要］科技创新是经济增长的重要动力，科技创新能力的高低已经成为一个地区综合竞争力的集中体现，成为赢得竞争优势、获得跨越式发展的关键。
区域科技创新能力不仅代表着一个地区的经济增长动力，而且决定着其长期经济发展的能力，预示着一个地区经济发展趋势。
我国目前处于投资驱动阶段向创新驱动阶段发展的关键时期，各省科技创新能力发展十分不均衡，结合各省市区的具体发展状况、资源禀赋等比较优势对区域科技创新能力进行分析具有重要的研究价值和战略意义。
［关键词］环渤海经济圈；区域经济；科技创新；提升路径［中图分类号］G322.7；F127［文献标识码］A［文章编号］1005－6432（2014）37－0010－021研究背景在经济全球化与一体化、科学技术迅猛发展的时代背景之下，科技创新是经济增长的重要动力，科技创新能力已经成为一个地区综合竞争力的集中体现，成为赢得竞争优势、获得跨越式发展的关键。
区域科技创新是国家科技创新的重要组成部分，因此在国家科技创新的大背景下，面对世界科技迅猛发展，全球化速度不断加快。
区域已经成为参与全球竞争的“本垒”，成为国家竞争力的重要来源。
区域竞争力主要取决于区域自主创新能力，只有具有自主创新能力的区域，才能凝聚优秀的生产要素和创新资源。
区域科技创新能力不仅代表着一个地区的经济增长动力，而且决定着其长期经济发展的能力，预示着一个地区经济发展趋势。
我国目前处于投资驱动阶段向创新驱动阶段发展的关键时期，各省科技创新能力发展十分不均衡，东部沿海的一些省份已经处于创新驱动阶段，而西部的省份大多数还处于要素驱动阶段。
2020年，我国的目标是建设成创新型国家，因此结合各省市区的具体发展状况、资源禀赋等比较优势对区域科技创新能力进行分析具有重要的研究价值和战略意义。
第8期(总第357期) 2013年8月财经问题研究Research on Financial and Economic Issues Number8(General Serial No.357)August,2013·产业组织·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方法刘 伟1,李星星2(1.东北财经大学管理科学与工程学院,辽宁 大连 116025;2.东北财经大学数学与数量经济学院,辽宁 大连 116025)摘 要:创新效率是影响高新技术产业技术创新能力的关键问题,本文将三阶段DEA模型与Bootstrap方法相结合,在控制环境因素影响的基础上测算了中国省际高新技术产业的技术创新效率,同时计算了效率的置信区间。
研究表明,目前中国高新技术产业技术创新效率还比较低,且各省市之间差异较大。
所有制结构、政府支持、企业规模和市场结构等环境因素,对于中国不同地区高新技术创新效率影响显著。
纠偏后技术创新效率整体有所下降,但“东高西低”格局并未改变。
关键词:高新技术产业;创新效率;三阶段DEA;Bootstrap方法中图分类号:F276.44 文献标识码:A 文章编号:1000⁃176X(2013)08⁃0020⁃09一、引 言目前,高新技术产业已经成为中国国民经济中增长最为迅速的产业,形成了珠三角、长三角和环渤海三大高新技术产业发展密集区。
但是,与经济增长的粗放式类似,中国高新技术产业的技术创新同样具有粗放性,主要是依靠高投入来支撑的,而并非效率的提升。
如何对中国高新技术产业技术创新效率进行合理评价,分析效率的影响因素及作用机制,找到促进高新技术产业技术创新效率提高的现实途径,具有重要意义。
有关技术创新效率的内涵学术界还没有权威的界定,本文将技术创新效率定义为一种创新过程的技术效率,测度创新投入与创新产出之间的转换关系。
国内学者对高新技术产业技术创新的研究主要从创新能力和创新效率两个角度来进行的。
国家示范生产力促进中心科技服务效率区域差异分析 张明;刘春晓 【摘 要】The paper considers 174 national demonstration productivity promotion centers as the DMU,it uses the BCC model and super-efficiency model to do the technology service efficiency analysis,gets the regional technology service ef-ficiency of the national demonstration productivity promotion center and selects the best national demonstration productivity promotion center in our country,and also the best national demonstration productivity promotion center in every province. Besides,the paper gives some advices to enhance the efficiency of the national demonstration productivity promotion center.%以174家国家示范生产力促进中心为决策单元，利用BCC模型及超效率DEA模型进行科技服务效率分析，得到国家示范生产力促进中心区域科技服务效率，并遴选出全国优秀的国家示范生产力中心及各省际优秀的国家示范生产力中心，旨为国家示范生产力促进中心科技服务效率的提升提出有益建议。
【期刊名称】《科技管理研究》 【年(卷),期】2013(000)021 【总页数】5页(P239-242,246) 【关键词】国家示范生产力促进中心;科技服务效率;超效率DEA;区域差异 【作 者】张明;刘春晓 【作者单位】中国核科技信息与经济研究院，北京 100048;北京化工大学文法学院，北京 100029
【正文语种】中 文 【中图分类】F224.9;G322 生产力促进中心是国家创新体系的重要组成部分，是社会主义市场经济条件下，深化科技体制改革，推动企业尤其是中小企业技术创新的科技中介服务机构。生产力促进中心是一种非盈利性的科技服务实体，以中小企业和乡镇企业为主要服务对象，组织科技力量进入中小企业和乡镇企业为其提供科技服务，促进企业的技术进步，提高企业的市场竞争力。 生产力促进中心法人分为事业法人和企业法人两类。其背靠政府，面向企业，起到连接政府与企业、企业与企业之间桥梁和纽带作用，促进科技成果向现实生产力转化。 2010年，243家国家级示范中心共获得政府投入7.15亿元，占全国中心获得政府投入总额的53.59%，国家级示范生产力促进中心(以下简称“国家示范中心”)在占有政府资源尤其是科技部资源方面具有愈来愈大的优势，而地方政府资源也倾向于国家示范中心，对示范中心的支持力度也开始逐渐加强。为更好地发挥国家示范中心在区域经济发展中科技服务带头作用，本文采用超效率DEA(Super-Efficiency CCR-DEA,SE-CCR-DEA)模型对国家示范中心进行效率分析，并遴选出全国范围及各省际的优秀国家示范中心，以供其他中心学习其先进管理经验，提升管理水平，更好的以科技力量带动区域经济增长。 诸多学者对效率的实证研究已经很多，部分学者也曾对科技孵化器效率进行过研究，但对于生产力促进中心的效率实证分析较少。王邦祥、陈璐(2011)[1]采用DEA模型，利用重庆农民生产力截面数据，对各区县科技特派员行动对重庆农民生产力的促进效率进行分析。刘帅、钱士茹(2011)[2]采用BCC模型,实证分析了安徽省38家科技企业孵化器的运行效率,依据综合效率值将其分为有效、无效两类。分析结果表明安徽大部分科技企业孵化器都处于无效状态。代碧波，孙东生(2012)[3]在对科技企业孵化器运行效率的内涵进行界定的基础上从系统投入与产出的角度构建了科技企业孵化器运行效率的评价指标体系，运用DEA方法从综合效率、纯技术效率和规模效率3个方面对东北地区2008年14家国家级科技企业孵化器的运行效率进行了实证分析，通过对无效科技企业孵化器的分析指出：提高孵化器的孵化能力和经济效益是改进效率的重要途径。周吉，刘满凤，陈义平(2012)[4]采用超效率DEA方法分析了农业龙头企业的经营效率状况。分析结果表明，东、部南部地区企业经营效率整体水平不如其他地区，各地区经营效率靠前的1～2个企业与跟随者差距均较大，无效企业产出不足较为严重，存在很大的提升空间。 科技服务效率测算方面，赵前，焦捷，王以华(2011)[5]运用超效率DEA方法，对中国的31个省(市、自治区)的总量科技竞争力和结构科技竞争力进行效率评价。研究结果表明：各省份科技投入产出的效率值分布呈现两头小，中间大的格局，省际之间科技辐射与科技带动的效果明显。吕亮雯，何静(2011)[6]运用SE-DEA型对广东省2001年～2008年的地方财政科技投入效率进行分析和评价，实证分析发现：广东的地方财政科技投入总量和强度历年都不足，科技人才投入不足，对地方经济发展的拉动效应不够大。许多学者[7-10]对其他领域服务效率测算也曾做过一些研究。 DEA法进行效率分析可采用两种导向：一种是投入主导型，另一种是产出主导性。对于国家示范中心而言，对投入要素的控制远比产出要素控制容易。因此，本文对国家示范中心进行效率研究采用投入主导型。 2.1 超效率DEA模型 DEA的CCR模型将决策单元分为两类：有效和无效。其缺点是对于多个同时有效的决策单元无法进一步评价比较。Andersen和Peterson提出超效率DEA模型，其基本思想是：在对该决策单元进行效率评价时，将其排除在决策单元参考集外。对于DEA有效决策单元，超效率模型将其生产前沿面进行重新计算推移，使得最终计算出的效率值大于经典CCR模型效率值；而对于非有效的决策单元的效率值并不会发生变化，评价结果与CCR模型是一致的。即：超效率DEA模型能够区分出DEA有效单元之间的差异，能够对所评价的决策单元进行有效排序。其求解方程如下[11]： Minθ 其中，θ为规划目标值，(λj=1，2L n)为规划决策变量，S+和S-为松弛变量向量。 2.2 BCC模型 BCC模型为生产可能集合建立凸性性质、无效率性质、射线无限制性质、最小外插性质等，而且引进了距离函数概念。因此，技术效率可以分解成纯技术效率和规模效率。简言之，技术无效率除了来自投入产出配置不当因素外，也可能来自决策单位规模因素，因此我们可以通过调整规模因素来改进无效率状态。该模型如下： Min hj0=θ ≤θxij0， i=1，…，m ≥yrj0， r=1，…，s 此时，hj0代表纯技术效率。其对偶模型为： ≤0， j=1，…，n ur，vj≥0， i=1，…，m，r=1，…，s 其中，uj0表示规模报酬指标 3.1 样本选取 截至2010年，全国共有243家国家级示范生产力促进中心。但基于数据的可得及可信考虑，本文以174家国家示范中心的2010年投入产出数据为样本进行分析。该174家国家示范中心分布在我国内陆的27个省际，由于上海、西藏、宁夏等地区的国家示范中心数据统计不全，故不在决策单元之列。北京市有3家国家示范中心，但其中2家数据统计不全，北京市仅有1家国家示范中心在决策单元之列。 3.2 投入产出指标选取 投入-产出指标选取方法有很多，本文采用常用的增值法进行指标选取。本文选择的投入指标为：人员总数、总资产；基于国家示范中心为企业提供科技服务，能增加企业产值的考虑，将服务企业数量、企业增加销售额、增加利税、企业增加就业人数、中心总服务收入共5项作为产出指标。 4.1 国家示范生产力促进中心区域科技服务效率分析：分省(区、市)考虑 本部分以各省(区、市)为决策单元，综合各省际内国家示范中心投入产出指标，进行超效率(SE-CCR-DEA)分析，并进行排名。国家示范中心科技服务效率省际差异结果如表1所示。 由表 1可得： (1)规模报酬情况。河北、辽宁、江西、山东、湖北、云南等6省达到规模报酬不变；北京、天津、内蒙古、安徽、湖南、四川、甘肃、青海等8省际、地区达到规模报酬递增，约占30%；其余13省际处于规模报酬递减状态。处于规模报酬不变状态的省际数量最少，约占22%，处于规模报酬递减状态的省际数量最多，约占48%。 (2)采用规模报酬可变的BCC模型进行技术效率分析的结果。京、冀、辽、苏、浙、赣、鲁、鄂、渝、滇、陕等11省(区、市)纯技术效率有效。 (3)采用SE-CCR-DEA模型进行效率分析的结果。冀、鄂、辽、鲁、滇、赣等6省际的超效率值大于1。其余省际超效率值均低于1。 4.2 全国优秀国家示范中心科技服务效率分析：统筹全国考虑 本部分以174家示范中心为决策单元，进行超效率分析。选择超效率值大于1的国家示范中心为全国优秀示范中心，其超效率分析结果见表 2。 由表 2可得： (1)在174家国家示范中心中，有17家中心的超效率值大于1。其中，4家中心隶属河北省，3家隶属辽宁，3家隶属湖北，2家隶属浙江，山西、广西、重庆、云南各有1家示范中心的超效率值大于1。其余省际的示范中心无1家超效率值大于1。由此可见，技术效率有效的示范中心呈现明显的聚集现象，主要聚集在河北、辽宁、湖北等省份。 (2)衡水市生产力促进中心、武汉武钢工程技术生产力促进中心、广西现代物流生产力促进中心的超效率值名列前3名。 (3)上述17家全国优秀示范中心，有6家位于东部地区，约占35%；5家位于中部地区，约占29%；3家位于东北地区，约占18%；2家位于西部地区，约占12%；1家属于行业中心，约占6%。 (4)在上述17家全国优秀国家示范中心中，有12家中心的法人为事业性质，约占71%；5家中心法人为企业性质，约占29%。 4.3 各省际优秀国家示范中心科技服务效率分析：分省(区、市)考虑 本部分以174家国家示范中心为决策单元，分省际进行考虑，经超效率分析得到各省际超效率值最优的决策单元作为该省际的优秀示范中心。各省际的优秀示范中心科技服务效率结果请见表 3所示。 由表 3可得： (1)冀、晋、辽、浙、鄂、桂、渝、滇、行业等省域的优秀示范中心的超效率值大于1；京、津、蒙、吉、黑、苏、皖、闽、赣、鲁、豫、湘、粤、川、贵、陕、甘、清、新等省际的优秀示范中心的超效率值低于1。其中，青海、甘肃、天津、北京等省际的优秀示范中心的超效率值明显不占优势。
