我国高新技术产业园区创新绩效评价研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国高新技术产业园区创新绩效评价研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
作者简介：崔晓露（1982-），女，河北唐县人，博士研究生，主要从事区域经济理论与应用研究。Email：xiaolucui@126com
摘要：自1988年北京中关村科技园区成立后，二十多年来我国的国家级高新产业技术园区如雨后春笋般蓬勃发展。本文运用数据包络分析（DEA）法，利用EMS Version130软件，各选取3个创新投入、创新产出指标对全国41个国家级高新区的创新绩效进行了评价研究，通过效率与规模报酬分析将我国的高新区按整体效率强度分为三类，并对各投入产出指标进行敏感度分析。研究发现，尽管各高新区发展状况有所不同，但从全国范围来看，2008年我国高新区整体效率较2007年略微下降，这主要是由纯技术效率下降所导致的，因此我国高新区应当更加重视提高创新资源的使用效率，从而提高国家级高新区整体创新绩效。
中图分类号：F4011 文献标识码：A
文章编号：1000176X（2013）08003506
一、引言
自1988年北京中关村科技园区成立后，截至2012年11月我国已有105个国家级高新技术产业园区（以下简称高新区）。近年来，随着我国高新区的快速发展，国内学者也开始关注高新区的评价研究，包括效率评价、创新能力评价、发展状况评价、经济评价和可持续发展评价等。一般都是通过构建评价指标体系来对高新区进行综合评价，并对多个高新区进行比较研究。权进民等[1]选取了9个国家级高新区，分别从纵向和横向角度对其可持续发展能力进行评价，由于选取的园区数太少，因此其分析具有片面性。许海东和许陈生[2]测算了我国51个国家级高新区2001—2004年间的Malmquist生产率指数，认为我国多数高新区处于规模报酬递增阶段，技术进步促进了我国高新区生产率的增长，但其贡献率逐年下降。
二、我国高新区创新绩效评价分析
1指标选取与数据来源
将要进行创新绩效评估的n个地区的高新区视为决策单元（Decision Making Unit，即DMU），各决策单元DMUj（j=1，2，…，n），使用m种创新投入xij（i=1，2，…，m），生产s种创新产出ykj（k=1，2，…，s）。将这些投入与产出利用权系数vi，uk分别转换成单一投入与产出，并以这种“虚拟”的投入产出比作为决策单元的效率衡量。因此，要对效率单元j进行评价，可以构造如式（1）所示的CCR模型。
（P-）max∑sk=1ukykj∑mi=1vixij=VP-st∑sk=1ukykj∑mi=1vixij≤1j=1，…，nuk≥0，k=1，…，svi≥0i=1，…，m（1）
其中，xij为第j个决策单元第i项创新投入量，ykj为第j个决策单元第k项创新产出量，vi为第i项投入的权重，uk为第k项产出的权重。使用Charnes-Cooper变换，可将其转化为一个等价的较容易处理的线性规划问题（用矩阵符号表示），见式（2）。
（P）maxμTy0=VPstωTxj-μTyj≥0j=1，…，nωTx0=1ω≥0μ≥0（2）
其中：
ω=tv，μ=tu，t=1vTx0
线性规划（P）的对偶规划如式（3）所示：
（D）minθ=VDst∑nj=1xjλj+s-=θx0∑nj=1yjλj-s+=y0λj≥0，j=1，…，ns+≥0，s-≥0（3）
在上述对偶问题中，通过对λi加总的限制构成了以下几种不同的DEA模型包络面：
①不做任何限制，包络面为固定规模报酬（CRS）形态，即CCR模型。
②∑ni=1λi=1，包络面为变动规模报酬（VRS）形态，即BCC模型。
③∑ni=1λi≤1，包络面为非递增规模报酬（NIRS）形态。
④∑ni=1λi≥1，包络面为非递减规模报酬（NDRS）形态。
通过CCR模型计算出的效率为整体效率（overall efficiency），整体效率为1时即表示该决策单元整体运作时最有效率的，处于最优状态。BCC模型计算出的效率为纯技术效率（pure technical efficiency），衡量投入要素的使用效率，即高新区每年的创新投入是否有效运用并使其实现产出最大化或投入最小化。整体效率除以纯技术效率即为规模效率（scale efficiency），其值越高说明区域的创新规模越适合，每年度的创新产出与投入比是适当的，其生产力也越大。
本文基于我国高新区的实际发展状况及相关数据的可获得性，各选取了3类创新投入和创新产出指标来评价我国各地高新区的创新绩效。投入指标选取高新区R&D经费支出、高新区科技活动人员数及大专以上学历占年末从业人员比重；产出指标选取专利授权数、高新区企业技术收入及工业增加值。高新区创新绩效的实质是其创新投入产出的转化效率，而本文采用的数据包络分析（Data Envelopment Analysis，即DEA）方法，是通过构造包含所有创新要素和创新产出的有效集合来测算投入产出效率，从而避免函数形式错误带来的问题，更为有效地测度高新区的创新绩效。
由于DEA模型要求产出与投入指标间符合同向性假设，即投入数量增加，产出数量不得减少。因此，选择的投入与产出指标必须具有正相关性。本文首先利用SPSS软件对指标数据进行Pearson相关分析，得到结果如表1所示。
由表1可知，所有创新产出及创新投入指标间都有较显著的正相关性，符合同向性要求，可以进行DEA分析。此外，还要考虑自由度的问题，由于投入产出变量的增加会降低DEA区分决策单元（Decision Making Unit，即DMU）效率高低的能力，为了确保效率评估的准确性，决策单元的个数至少应为投入产出变量个数和的3倍，本文也符合要求。
考虑到投入产出的时间延迟问题，这里采用官建成和刘顺忠[3-4]的做法，将延迟时间选定为两年，投入指标选取2007—2008年的高新区数据，产出指标选择2009—2010年的高新区数据，依照《国家火炬计划统计年鉴》共选取41个省市
以火炬计划所统计的省市为基准，由于部分指标缺乏、青海和宁夏的数据，为统一测算将其去除，最终选取41个省市。表中所列省数据已经剔除了单列市的数据。进行绩效评价分析。
2.高新区效率与规模报酬分析
采用EMS Version130软件选择投入导向的DEA模型，依次计算出整体效率CRS、纯技术效率VRS以及非递增规模报酬形态效率NIRS。将CRS除以VRS得到规模效率SE。实证结果如表2所示。判定标准参考Fare等[5]的标准，即：
当VRS =CRS时，决策单元处于固定规模报酬（CRS）阶段；
当VRS=NIRS时，决策单元处于递减规模报酬（DRS）阶段；
当VRS≠NIRS时，决策单元处于递增规模报酬（IRS）阶段。
由表2可知，从全国范围来看，2007—2008年平均整体效率略降了207%，各省市的整体效率则有升有降。进一步分析我国高新区整体效率下降的原因主要是由于纯技术效率下降了361%，因此我国高新区应当更加重视提高创新资源的使用效率，从而提高园区整体创新绩效。2007年和2008年我国高新区的平均规模效率均高于090，并且2008年较2007年提高了216%。
从表2可以看出，天津、河北、山西、大连、吉林、黑龙江、哈尔滨、上海、南京、南京、宁波、安徽、福建、江西、青岛、河南、湖北、武汉、湖南、深圳、四川、成都、贵州、云南、陕西和新疆这25个省市的高新区连续两年为非明显整体效率，且河北、山西、吉林、黑龙江、哈尔滨、上海、南京、宁波、安徽、福建、江西、青岛、河南、湖北、武汉、深圳、成都和陕西这18个省市连续两年也无明显纯技术效率，这些省市应当重视提高创新资源的使用效率。青岛、四川、贵州、云南、陕西和新疆连续两年无明显规模效率，这说明这些地区高新区的投入产出并非最适合其生产规模，并且从规模报酬分析中可以发现，这些省市连续两年都处于递增规模报酬状态，应当要加大创新资源的投入。而武汉和湖南则连续两年处于递减规模报酬状态，应当考虑适当减少其高新区创新资源的投入。两年间，哈尔滨整体效率下降最快，并且纯技术效率和规模效率均有大幅下降；此外，山西、内蒙古、吉林、安徽、福建、湖南和云南也有较大程度的整体效率和纯技术效率下降。而大连、上海、广西和西安的整体效率和纯技术效率则有较大幅度的提高，其高新区的发展值得肯定。其中上海的规模效率也有较大程度提高，并且连续两年都处于递增规模报酬状态，应当继续加大创新资源的投入。
如表3所示，2007年和2008年我国各有13个省市的整体效率值达到1，其中，北京、辽宁、沈阳、长春、江苏、浙江、厦门、山东、广东、广州、海南、重庆和甘肃连续两年整体效率值高于090，说明这些地区创新绩效相当好并且具有一定的稳定性。
三、我国高新区敏感度分析
由于不同投入产出项的选择可能影响DEA效率前沿的形状和位置，为了使结果更具说服力，应当进行敏感度分析（Sensitivity Analysis）。此外，也可以通过敏感度分析探讨目前创新资源的投入状况对高新区创新绩效的影响以及创新产出的改善空间，为相对效率值小于1的DMU提供改进的方向。这里采用CCR模式对所有DMU，针对各投入产出项进行单一要素敏感度分析，结果如表4和表5所示。由于篇幅所限，表4和表5省略，如有需求请与作者联系。
1.投入项去除高新区R&D经费支出
投入项去除高新区R&D经费支出后，2007年有29个DMU效率值不同程度的下降，占总数的7073%，下降了20%以上的地区有大连、哈尔滨、福建、湖南、贵州，而沈阳、厦门、广东、海南和重庆，由原本的效率值1各有不同程度的下降。2008年有25个DMU效率值不同程度的下降，占总数的6098%，下降了20%以上的地区有大连、湖南、贵州、新疆，而厦门、广东、广西、重庆和西安，由原本的效率值1各有不同程度的下降。
由此可见，R&D经费对DMU效率的提升有着重要的作用，并且是上述地区的优势项目，尤其是厦门、广东和重庆连续两年由效率值1下降为小于1，大连、湖南和贵州连续两年降幅超过20%。可见，R&D经费对其高新区创新绩效有着重要的影响，这一指标引入意义巨大。
2.投入项去除高新区科技活动人员数
投入项去除高新区科技活动人员数后，2007年有23个DMU效率值有不同程度的下降，占总数的5610%，其中吉林、宁波、安徽和云南下降幅度超过20%，而长春、广州由原本的效率值1各有不同程度的下降。2008年有20个DMU效率值有不同程度的下降，占总数的4880%，其中沈阳、广州下降幅度超过20%，吉林、上海、宁波和云南下降幅度超过10%，而长春、甘肃由原本的效率值1各有不同程度的下降。
由此可见，高新区科技活动人员数对DMU效率的提升有着重要的作用，并且是上述地区的优势项目，尤其是长春连续两年由效率值1下降为小于1，吉林、宁波和云南连续两年有较大幅度的下降。可见，科技活动人员数对其高新区创新绩效有着重要的影响。
3.投入项去除高新区大专以上学历占年末从业人员比重
投入项去除高新区大专以上学历占年末从业人员比重后，2007年有34个DMU效率值有不同程度的下降，占总数的8290%，其中内蒙古、哈尔滨、湖南有50%以上的降幅，河北、大连、吉林、黑龙江、南京、安徽、河南、武汉、广西、成都、贵州和陕西有25%以上的降幅，而北京、辽宁、长春、厦门、山东、广东、广州和重庆由原本的效率值1各有不同程度的下降。2008年有31个DMU效率值有不同程度的下降，占总数的7560%，其中内蒙古、上海、南京、湖南、广州和成都有20%以上的降幅，而北京、江苏、山东、广东、广西和西安由原本的效率值1各有不同程度的下降。
由此可见，高新区大专以上学历占年末从业人员比重对DMU效率的提升有着重要的作用，并且是上述地区的优势项目，尤其是北京、山东和广东连续两年由效率值1下降为小于1，内蒙古、南京、湖南、广州和成都连续两年都有20%以上的降幅。可见，高新区大专以上学历占年末从业人员比重对其高新区创新绩效有着重要的影响，这一指标引入意义巨大。
4.产出项去除高新区企业技术收入
产出项去除高新区企业技术收入后，2007年有22个DMU效率值有不同程度的下降，占总数的5370%，其中天津、西安下降幅度超过30%，大连、安徽、武汉和新疆下降幅度超过10%，而北京、沈阳、山东、广州和重庆由原本的效率值1各有不同程度的下降。2008年有33个DMU效率值有不同程度的下降，占总数的8050%，其中沈阳、广州和上海下降幅度超过40%，天津、大连和新疆下降幅度超过20%，而北京、辽宁、山东、广西、重庆和西安由原本的效率值1各有不同程度的下降。
由此可见，高新区企业技术收入对DMU效率的提升有着重要的作用，并且是上述地区的优势项目，尤其是北京、山东和重庆连续两年由效率值1下降为小于1，沈阳、广州、西安、天津、大连和新疆连续两年有较大幅度的下降。可见，高新区企业技术收入对其高新区创新绩效有着重要的影响，这一指标引入意义巨大。
5.产出项去除专利授权数
产出项去除专利授权数后，2007年仅有8个DMU效率值有不同程度的下降，占总数的1950%，且普遍下降幅度较少，其中福建下降幅度超过20%，吉林、宁波、安徽、青岛、湖北和贵州下降幅度不超过5%，而海南由原本的效率值1下降为036。2008年有10个DMU效率值有不同程度的下降，占总数的2440%，其中福建下降幅度超过10%，吉林、宁波、安徽、青岛、湖北、湖南、四川和贵州下降幅度不到10%，而海南由原本的效率值1有不同程度的下降。
由此可见，专利授权数对DMU效率值的影响作用不大，因此这一指标引入作用不明显。不过这一指标对海南、福建高新区创新绩效的影响较明显，尤其是海南连续两年由效率值1下降为小于1，福建连续两年有较大幅度的下降。可见，高新区企业技术收入对其高新区创新绩效有着重要的影响，是上述地区的优势项目。
6.产出项去除高新区企业工业增加值
产出项去除高新区企业工业增加值后，2007年有33个DMU效率值有不同程度的下降，占总数的8050%，其中内蒙古、吉林、黑龙江、哈尔滨、南京、安徽、湖南、云南和陕西的降幅高达50%以上，而辽宁、长春、厦门、山东和广东由原本的效率值1有不同程度的下降。2008年有36个DMU效率值有不同程度的下降，占总数的8780%，其中吉林、黑龙江、南京、云南、陕西有40%以上的降幅，内蒙古和湖南的降幅更是高达50%以上，而辽宁、长春、厦门、山东、广东、广西、西安和甘肃由原本的效率值1有不同程度的下降。
由此可见，高新区企业工业增加值对DMU效率的提升有着重要的作用，这一指标引入意义巨大。尤其是2007—2008年连续两年辽宁、长春、厦门、山东和广东由效率值1下降为小于1，吉林、黑龙江、南京、云南和陕西连续两年都有40%以上的降幅。可见，高新区企业工业增加值对高新区创新绩效有着重要的影响，是上述省市的优势项目。
由图1可知，整体来看，投入指标中高新区大专以上学历占年末从业人员比重和高新区R&D经费支出对DMU效率的提升有较大作用，去除高新区大专以上学历占年末从业人员比重后，2007年的平均效率值由7772%降至5134%，2008年由7565%降至6445%；去除高新区R&D经费支出后，2007年的平均效率值由7772%降至6784%，2008年则由7565%降至6821%。相对地，科技活动人员数对DMU效率的影响在投入指标中较不明显，将其去除后2007年的平均效率值降至7212%，2008年的平均效率值则降至7105%。
产出指标中，高新区企业工业增加值和高新区企业技术收入对DMU效率的提升有较大作用。尤其是高新区企业工业增加值，将其去除后，2007年的平均效率值由7772%明显地降至4454%，2008年则由7565%降至4646%。去除高新区企业技术收入后，2007年的平均效率值降至6715%，2008年则降为6160%。相对地，专利授权数对DMU效率的影响在产出指标中较不明显，也是所有产出指标中去除其后下降幅度最小的指标，2007年的平均效率由7772%降至7539%，2008年的平均效率则由7565%降至7450%，可见其对效率值的改变不大，引入作用不明显，不过选取它也有一定的意义，通过分析发现，这一指标对福建和海南高新区的绩效影响明显，是这两个地区的优势项目。
四、结论及政策建议
从全国范围来看，2007—2008年我国高新区整体效率略降了207%，这主要是由于纯技术效率下降了361%，因此我国高新区应当更加重视提高创新资源的使用效率，从而提高园区整体创新绩效。
2007年和2008年我国各有13个省市的整体效率值达到1，其中，北京、江苏和广东等地连续两年整体效率值高于090，说明这些省市创新绩效相当好并且具有一定的稳定性。青岛、四川、贵州、云南、陕西和新疆连续两年无明显规模效率，并且从规模报酬分析中可以发现，这些地区连续两年都处于规模报酬递增状态，应当加大创新资源的投入。武汉和湖南则连续两年处于规模报酬递减状态，应当考虑适当减少其高新区创新资源的投入。而连续两年无明显整体效率和纯技术效率的哈尔滨、山西等省市则应当重视提高创新资源的使用效率。两年间，哈尔滨整体效率下降最快，并且纯技术效率和规模效率均有大幅下降；此外，山西、内蒙古、吉林、安徽、福建、湖南和云南也有较大程度的整体效率和纯技术效率下降。而大连、上海、广西和西安的整体效率和纯技术效率则有较大幅度的提高，其高新区的发展值得肯定。其中上海的规模效率有较大程度提高，并且连续两年都处于规模报酬递增状态，应当继续加大创新资源的投入。
参考文献：
[1]权进民，姚兰，史本山基于DEA的国家级高新区可持续发展能力评价[J]软科学，2008，（1）
[2]许海东，许陈生我国高新区Malmquist生产率增长研究[J]商场现代化，2009，（3）
[3]官建成，刘顺忠区域创新系统测度的研究框架和内容[J]中国科技论坛，2003，（2）：24-26
[4]官建成，刘顺忠区域创新机构对创新绩效影响的研究[J]科学学研究，2003，（2）：210-214
[5]Fare， R， Grosskopf， S， Lovell， CAK The Measurement of Efficiency of Production [M] Kluwer Academic Publishers， 1985
[6]Link，AN， Scott ，JTThe Growth of Research Triangle Park[J]Small Business Economics， 2003， 20（2）： 167-175
[7]Link，AN， Scott，JT The Economics of University Research Parks[J]Oxford Review of Economic Policy， 2007， 23（4）： 661-674
[8]徐婕中国高新区经济增长驱动因素实证研究[J]北京航空航天大学学报（社会科学版），2009，（1）
[9]刘顺忠，官建成区域创新系统创新绩效的评价[J]中国管理科学，2002，（1）：75-78
[10]科技部火炬高技术产业开发中心中国火炬统计年鉴[S]北京：中国统计出版社，2011