两阶段链视角下的皖江城市带科技创新效率研究

两阶段链视角下的皖江城市带科技创新效率研究
冯锋;张淼;周琳慧
【摘要】在将科技创新过程分为技术研究开发和技术应用与改造两个阶段的基础上,运用链式DEA的方法对我国唯一的国家级承接产业转移示范区——皖江城市带的科技创新效率进行研究,并根据效率特点进行聚类分析,发现各城市及各重点产业效率差异较大,同一城市或重点产业其两个阶段的效率亦差异明显,而且大部分重点产业的科技成果转化及产业化不尽如人意,无法充分实现其经济效益,最后有针对性地提出了效率改进的政策建议.%Based on separating the innovation process of science and technology into technology development and technology application, the paper employs series network DEA to analyze the innovation efficiency of science and technology in national demonstration zone for industry transfer of China — " Anhui - Yangtze River City Zone" , and makes cluster analysis according to the characteristics of efficiency. The research indicates that the difference of efficiency among the cities or key industries is high; there is a distinction between the two stages of the same city or key industry. And in most key industries , the transformation and industrialization of innovation achievements are unsatisfactory, which makes the economic benefits of achievements unachieved completely. Finally, the paper proposes suggestions correspondingly.
【期刊名称】《科技管理研究》
【年(卷),期】2012(032)017
【总页数】6页(P86-90,106)
【关键词】皖江城市带;科技创新效率;两阶段链;技术研究开发;技术应用与改造【作者】冯锋;张淼;周琳慧
【作者单位】中国科学技术大学公共事务学院,安徽合肥 230026;中国科学技术大学公共事务学院,安徽合肥 230026;中国科学技术大学公共事务学院,安徽合肥230026
【正文语种】中文
【中图分类】G301
2010年1月12日，国务院正式批复《皖江城市带承接产业转移示范区规划》，将安徽省沿江城市带承接产业转移示范区建设纳入国家发展战略[1]。

这是迄今全国唯一以产业转移为主题的区域发展规划，是促进区域协调发展的重大举措，为推进安徽参与泛长三角区域发展分工及其加速崛起点燃了助推器。

皖江城市带承接产业转移并不是简单的承接，而是凭借其既有的创新优势，围绕产业承接发展重点，加快技术创新升级，强化技术创新要素支撑，构建开放型区域创新体系，实现在承接中创新，在创新中发展[2]。

在此背景下，对皖江城市带科技创新的效率进行研究，具有非常重要的现实意义。

目前，科技创新效率评价的方法众多，包括层次分析法、多元统计分析法、人工神经网络法、初步集成综合评价法、灰色关联度法、专家打分法、随机前沿分析法和数据包络分析法等[3-4]。

这其中尤以近年来兴起的随机前沿分析法和数据包络分析法应用最为广泛，已有学者采用这两种方法对我国高技术产业科技创新投入产出的有效性进行了研究[5]。

但当前对科技创新效率的研究主要集中于投入产出链的某一单一阶段，往往从投入或产出的单一角度进行评价[6]，鲜有学者从投入产出链及其各阶段进行研究。

而近年新发展起来的链式网络DEA方法能够在系统研究
投入产出链各阶段效率的基础上揭示出低效率根源，为我们提供了有力的研究方法。

本文构建科技创新投入产出两阶段链模型，应用链式网络DEA方法，从城市和产
业的角度对皖江城市带科技创新投入产出相对有效性进行研究，评价分析各阶段效率，给出分析结论并提出政策建议。

数据包络分析法(DEA)是一种被广泛应用于评价一组同质的决策单元(Decision Making Unit，DMU)之间相对效率的数学规划方法。

在传统DEA 模型中，每个
决策单元都被看作一个“黑箱”，只考虑初始投入到最终产出的相对有效性，忽视了系统内部过程和阶段特征，故无从得知内部阶段相对效率及各阶段对整体效率的影响，因而无法挖掘系统非有效性的来源。

1996年，Fre和Grosskopf首先提出了评价决策单元内部有效性的网络DEA方法[7]，在他们研究基础上发展起来的链式网络DEA模型，可以评价有链式网络结构的决策单元的整体及各阶段的有效性[8]。

本文在过往研究的基础上提出了适用于评价科技创新投入产出效率的两阶段链式DEA系统模型，如图1所示。

其中I1是子决策单元S的输入向量，I1∈EIS；O1
是子决策单元S的输出向量，同时也是子决策单元M的输入向量，我们称之为中间向量，O1∈EOS；I2是子决策单元M的输入向量，I2∈EIM；O2是子决策单
元M的输出变量，O2∈EOM。

在假设该链式系统每个子决策单元均满足规模报
酬不变的前提下，可以利用C2R模型评价每个子决策单元的效率，并且每个子决
策单元在其生产前沿面上都存在锥性投影。

对子决策单元S，仅考虑其在等产出前沿面上的锥性投入投影；而对于子决策单元M则只考虑其在等投入前沿面上的锥
性产出投影，则这两个投影(或称虚拟子决策单元)即构成一个虚拟的链型系统。

按照以上思路，实际链式系统的子系统可以改进为锥性前沿面投影，从而可以无冗余地组合成为虚拟链式系统。

子决策单元S的投影是中间向量不变而输入尽可能小，而子决策单元M的投影则是中间向量不变而输出尽可能大，中间向量实际并
未变化。

所有实际或者虚拟的链式系统共同确定了一个链式系统生产可能集，记作T。

不难得出T的表达式为：
T={(I1，O2)│∑λi≤I1,∑λiO1i≥O1,∑λiO1i≤O1,∑λiO2i/≥O2,λi≥0,∀i}
式中：N表示决策单元数，λ表示对应投入或产出的乘数，θ表示C2R效率值。

在可能集T下，任意链型系统的效率可以表示为如下线性规划问题：
式中：β0表示目标函数值，s.t.所列为约束条件，V和U分别表示投入和产出权重[9]。

科技研发从投入到经济产出要经过两个阶段，即技术研究开发阶段和技术应用与改造阶段阶段[9-10]。

在技术研究开发阶段，通过科技研发资源投入，产出专利、论文等创新成果；在技术应用与改造阶段，亦即科技成果转化阶段，通过科技应用资源投入，将技术研究开发阶段的成果进行产业化[11]。

据此，构造如图2所示两阶段科技投入产出链模型。

能够衡量科技创新投入产出的指标众多，在技术研究开发阶段投入指标有Ramp;D资金投入、Ramp;D人员折合全时当量、Ramp;D资本存量等，产出指
标有专利申请、论文发表、技术市场成交合同及金额等；在技术应用与改造阶段的投入指标有科技活动人员、科技活动经费、其他技术经费、企业经营设备以及技术研究开发阶段的产出等，产出指标有新产品产值、新产品销售收入等[11]。

为了科学的进行指标的选取，我们设定了如下三个原则：
(1)数量适中。

为保证模型的有效性，指标的数量以控制在待评价单元数量的二分
之一左右为宜。

皖江城市带共有10座城市①及13个重点发展产业②(以下简称重点产业)，即基于城市和重点产业的待评价单元数量分别为10个和13个。

经讨论，本文确定指标数量为6个，并且满足“2 - 1 - 2 - 1”的分布，即第一阶段2个投入指标，1个产出指标，第二阶段除了以第一阶段的产出指标作为投入指标之外，还有2个投入指标，以及1个产出指标，此产出指标同时也是整个科技创新投入
产出链的产出指标。

(2)有效性及重要性。

所选取的指标必须是能够反映科技创新效率的指标，在过往
的研究中已经得到了普遍的认可。

此外，因为原则一已经对两阶段四类指标的数量有了明确的规定，所以选取的指标在备选指标中的的重要性排序必须满足原则一的数量要求，即必须排在第一名或者前两名。

(3)数据的可收集性。

所选取的指标必须保证能通过一定的途径获得其权威、真实
的数据。

基于以上三个原则，参照已有的研究文献，结合本文的研究思路，我们最终选定的指标如下：第一阶段共涉及两个投入指标和一个产出指标，其中，投入指标为：(1)Ramp;D经费内部支出(万元)，(2)Ramp;D人员折合全时当量(人年)；产出指标为：(3)申请专利数量(项)。

第二阶段共涉及到三个投入指标和一个产出指标，三个投入指标中包括第一阶段的产出即申请专利数量，另外两个投入指标为：(4)固定
资产净值年平均余额(亿元)，(5)其他技术活动经费(万元)(3)；第二阶段的产出指标，亦即整个科技创新投入产出链的产出指标为：(6)新产品销售收入(万元)。

具体的
两阶段科技创新投入产出链式结构图见图3。

本文数据来源于《安徽省统计年鉴》。

我们在收集数据的过程中发现，安徽省在2008年及之前统计科技数据时并没有进行细分，在2009年按城市和产业进行了
细分，而2010年的数据则只对城市进行了细分，对产业则没有细分。

在本文的研究中，在分析城市科技创新效率时，考虑到科技创新投入到产出的时滞性，指标1和2的数据来源于《安徽省统计年鉴2010》，采用的是2009年的数据，指标3、4、5和6的数据来源于《安徽省统计年鉴2011》，采用的是2010年的数据；在分析重点产业科技创新效率时，受数据来源所限，无法兼顾科技创新投入产出的时滞性，6个指标的数据均来自于《安徽省统计年鉴2010》，采用的均为2009年
的数据。

根据前文规定，皖江城市带共包括10座城市。

根据所列链式网络DEA系统模型，
采用Matlab计算这10座城市的两阶段科技投入产出链效率。

为了探寻无效性的来源，采用C2R对两个分阶段效率进行了计算，结果见表1。

(1)总体评价
由表1可以看出，皖江城市带10座城市的科技投入产出链效率整体状况良好，两阶段效率平均达到0.7598，但是不同的城市之间有着较大的差异。

我们分别以
0.8和0.6作为“良好”和“及格”的分界线，则六安、芜湖、合肥和宣城为“满分”，滁州和铜陵为“良好”，马鞍山刚好“及格”，而巢湖、滁州和安庆则“不及格”。

分阶段看，第一阶段效率过低，平均只有0.3923，第二阶段的效率要明显优于第
一阶段，平均高出0.43以上，达到0.8256，说明皖江城市带将科技成果转化为产业产出的效率要高于将科技资源转化为科技成果的效率。

这与目前安徽省“工业立省”战略较为吻合，企业更加注重的是科技成果的产业化，将其转化为实实在在的收益，在一定程度上忽视了科技研发，这同时也反映出了皖江城市带在技术研究开发能力方面的落后，而且两阶段效率的巨大差异也说明皖江城市带科技创新投入产出链两阶段衔接不畅，协同效应不佳。

(2)聚类分析
为系统研究各城市效率特征，发掘城市之间的关联关系，运用聚类分析方法，采用欧式距离，使用SPSS 18.0软件，对表1的计算结果进行聚类分析，聚类结果见
图4。

根据聚类图谱，我们把10座城市归为3类，如表2所示。

* 注：城市编号与表1对应。

根据聚类结果，六安和滁州两阶段效率兼优；芜湖、宣城、合肥和铜陵第二阶段偏优，说明这四座城市重科技成果产业化、轻技术研究开发；马鞍山、巢湖、池州和安庆两阶段兼劣，无论是技术研究开发还是科技成果产业化，其效率均不让人满意。

此外，我们还注意到，皖江城市带科技资源最为丰富、科技研发投入也位居前列的合肥、芜湖和马鞍山市，第一阶段的效率却都“不及格”，这其中的一个重要原因在于这三座城市的很多科技研发的成果最终是以科技论文而不是技术专利的形式出现。

而我们在调研中还发现，马鞍山、巢湖、池州和安庆四座城市第二阶段效率低下的重要原因之一在于中试基地的缺乏。

目前皖江城市带的中试基地绝大多数都依托于重点高校、重点科研院所和大型企业进行建设。

因为历史选址的原因，这四座城市的重点高校、重点科研院所和大型企业屈指可数，也导致了中试基地的严重缺乏，在一定程度上影响了科技成果产业化的效率。

根据前文的遴选，皖江城市带共有13个重点产业。

根据所列链式网络DEA系统
模型，采用Matlab计算出这13个重点产业的两阶段科技投入产出链效率。

为了
探寻无效性的来源，采用C2R对两个分阶段效率进行了计算，结果见表3。

(1)总体结果评价
从表3可以看出，皖江城市带各重点产业的科技创新投入产出效率并不高，两阶
段效率平均仅为0.5522，低于0.6的“及格线”。

产业间差异也较大，排名前三
的产业效率均在0.9以上，而从第六名开始，其效率迅速滑落到“及格线”之下。

分阶段来看，第一阶段的平均效率只有0.6160，第二阶段的平均效率仅为0.6462，均刚好“及格”。

农副食品加工业(含食品及饮料制造业)、医药制造业和非金属制品制造业的第一阶段效率最高，均为1；电气机械及器材制造业、通信设备、计算机及其他电子设备制造业和黑色金属冶炼及压延加工业的第二阶段效率最高，也均为1。

但是，这六大产业在各自另外一个阶段的效率却难以让人满意：第一阶段效率为1的三个产业，在第二阶段的效率平均只有0.3130，第二阶段效率为1的三个产业在第一阶段效率平均只有0.5448，两阶段效率反差明显，“一条腿走路”
现象严重。

(2)聚类分析
为系统研究行业效率特征，发掘行业之间关联关系，运用聚类分析方法，采用欧式距离，使用SPSS 18.0软件，对表3内计算结果进行聚类分析，聚类结果见图5。

根据聚类图谱，我们将13个重点产业归为4类，如表4所示。

* 注：产业编号与表3对应。

第I类产业具有较高的研发效率，但成果的产业化效率欠佳。

以医药制造业为例，做为代表性的高科技产业以及重点打造的新兴战略性产业，皖江城市带医药制造业近年来科技研发成果斐然，申请专利数量紧随机械设备制造业和农副产品加工业等传统优势产业，在13个重点发展产业中位列第6。

但是医药制造业科研成果转化
具有时间长、投入大且成功率低的特性，这也大大降低了其产业化的效率。

第II类产业的研究创新水平较低，但能够对成果进行较好的产业化。

以通信设备、计算机及其他电子设备制造业为例，该产业是皖江城市带重点扶持的产业，鼓励外资进入，行业准入门槛低，主要是来料加工和组装的“三来一补”发展模式，行业发展偏重于技术成果应用和改造。

合肥国家级经济开发区和芜湖国家级经济开发区内拥有多家大型电子类企业，但大都是OEM的生产基地，科技研发和创新相对缺乏。

第III类产业的研发阶段、产业化阶段和整个投入产出链平均效率都差强人意。

以
交通运输设备制造业为例，皖江城市带素有“中国底特律”的美誉，拥有江淮汽车、奇瑞汽车和星马汽车等享誉国内的自主品牌，但是这些品牌产品的技术含量并不太高，这从其价格水平中便可见一斑。

第IV类产业的研发阶段、产业化阶段和整个投入产出链效率均难以让人满意。

这与产业自身的特性有很大的关系，纺织业、化工业和有色金属冶炼及压延加工业均为皖江城市带传统优势产业，为地方带来了众多的就业机会和高额的税收，但是其高能耗、高污染的特性也饱受争议，因此近年来发展缓慢。

本文将科技创新从研发投入到最终产业产出的过程分为技术研究开发和技术改造与
应用两个阶段，并构建了相应的科技创新投入产出两阶段链模型，应用链式网络DEA的方法，基于2009年和2010年的数据，分别从城市和产业的角度对皖江城市带科技创新效率进行了研究，并根据研究结果对各城市和各重点产业进行了聚类分析。

本文通过研究发现：皖江城市带科技创新效率整体状况差强人意，尚有较大的改善空间。

从城市的角度来看，整体水平良好，但是第一阶段效率严重偏低，且两个阶段的分效率差异巨大；从产业的角度来看，60%的重点产业的两阶段效率没有达到0.6的“及格线”，导致整体平均水平“不及格”，且大部分重点产业两个阶段的分效率反差明显。

这说明不论是城市还是产业，皖江城市带科技创新的两个阶段均衔接不畅，协同性亟待提升。

大部分重点产业的科技成果转化和产业化不尽如人意，科技成果的产出未能有效地对接到第二阶段的技术应用与改造中，无法充分实现其经济效益，对皖江城市带的经济发展带来了较为明显的负面影响。

因此，我们建议，针对皖江城市带科技创新投入产出链效率的特点，提出不同的措施予以改进。

(1)建立区域技术联盟，基于各城市在两个阶段效率上的比较优势鼓励科技成果在城市带内部跨城市转移。

(2)对于第一阶段效率偏优的产业，在重视研究开发的同时，更要注重产学研合作网络的构建，加快科技成果的产业化，并加大招商引资力度，积极培育和壮大市场规模，再以市场推动科技创新及成果产业化的发展；对于第二阶段效率偏优的产业，需从人才引进、知识产权保护、税收减免及信贷优惠等方面为企业科技创新营造良好的环境，激励企业进行自主创新；对于两阶段效率普通和兼劣的产业，则应运用研发创新激励和产业化促进策略相结合的综合措施。

(3)鼓励科研人员将科研成果申请专利，加大对中试基地的扶持力度。

相比较于过往的科技创新效率评价模型，本文所应用的两阶段科技投入产出链模型更加切合实际，但是由于待评价单元数量有限，导致评价指标数量偏少，加之对重点产业进行分析时受数据来源所限，忽视了科技创新投入产出的时滞性，这都对本
文的研究结果有一定的影响。

注释：
①皖江城市带在批复之时共包括合肥、芜湖、马鞍山、安庆、铜陵、滁州、池州、宣城、巢湖9座城市，以及六安市的金安区和舒城县。

本文为了研究方便，将六
安市整体纳入皖江城市带。

2011年8月22日，安徽省委、省政府正式宣布，撤
销地级巢湖市，其所辖一区四县分别划入合肥、芜湖、马鞍山三市。

但是本文在进行研究之时，地级巢湖市尚未撤销，而且所收集的数据均来自于撤销之前，故在本文中，我们最终仍规定皖江城市带包括上述10座城市。

②本文根据《皖江城市带承接产业转移示范区规划》第五章——产业承接发展重点，并结合《安徽省统计年鉴2010》的产业分类遴选出13个重点产业，详见表3。

③根据《中国科技统计年鉴》指标解释说明，其他技术活动经费支出包括购买国内技术经费、技术改造经费、技术引进经费和技术消化吸收经费，是企业与外部技术引入以及技术改造相关的费用支出。

【相关文献】
[1] 国家发展和改革委员会. 皖江城市带承接产业转移示范区规划[Z]. 2010
[2] 陆列嘉，丁玲. 皖江崛起——皖江城市带承接产业转移示范区建设上升为国家战略纪实[N]. 安
徽日报，2010-01-22(T1)
[3] 张洪辉，夏天，王宗军. 企业自主创新能力评价方法综述[J]. 科技管理研究，2009(12)：11-13
[4] 刘亚旭，龚小军，高蓉，等. 科技投入产出评价方法探析[J]. 中国科技论坛，2007(4)：36-41
[5] 韩晶. 中国高技术产业创新效率研究：基于SFA方法的实证分析[J]. 科学学研究，2010，28(3)：467-472
[6] 刘井健. 企业Ramp;D绩效测度与评价的国内外研究述评[J]. 科技管理研究，2009(3)：101-103
[7] FäRE R , GROSSKOPF S. Intertemporal production frontiers: With dynamic DEA[M]. Boston: Kluwer Academic Publishers , 1996
[8] 魏权龄，庞立永. 具有阶段最终产出的链式网络DEA模型[J]. 数学的实践与认识，2010，
40(10)：53-60
[9] 杨锋，翟笃俊，梁樑，毕功兵. 两阶段链系统生产可能集与DEA评价模型[J]. 系统工程学报，2010，25(3)：401-406
[10] 余泳泽. 我国高技术产业技术创新效率及其影响因素研究：基于价值链视角下的两阶段分析[J]. 经济科学,2009(4):62-74[11] 冯锋，马雷，张雷勇. 两阶段链视角下我国科技投入产出链效率研究——基于高技术产业17各子行业数据[J]. 科学学与科学技术管理，2011，32(10)：21-26。