用DEA方法评测知识生产中的技术效率与技术进步_吴延兵

用DEA方法评测知识生产中的

技术效率与技术进步

吴延兵

(中国社会科学院经济研究所)

=摘要>本文以1996~2003年我国29个省区市大中型工业企业面板数据为样本,运用数据包络分析技术将知识生产率分解为技术效率变化和技术进步,并检验

了各省份知识生产中技术效率和技术进步的收敛情况。研究发现,1996~2003年

期间我国工业企业知识生产中的技术效率有所提高、技术进步出现下降,知识生产

率下降主要源于技术进步的下降。研究还表明,知识生产中的技术效率和技术进步

存在着条件收敛,但不存在绝对收敛。

关键词知识生产技术效率技术进步DEA

中图分类号F42416文献标识码A

Evaluating Technical Efficiency and Technical Progress of Knowledge Production by Using DEA

Abstract:Based o n the panel data o f industrial sector across regions o f China during the period of1996~2003,the paper decom po ses know ledge production eff-i

ciency into technical efficiency chang e and technical progr ess by using data envelop-

m ent analy sis(DEA)1T he paper finds that technical efficiency of know ledg e pr o-

ductio n has improv ed and technical progr ess has declined since19961Co nditional

convergence of technical efficiency and technical pro gress of know ledge production

is also found in this paper1

Key words:Kno w ledge Pro duction;Technical Efficiency;Technical Pr o-

g ress;DEA

引言

对于创新投入与创新产出之间的关系,经济学文献中称之为知识生产函数,其研究的主要内容包括知识生产的动力、性质及其影响因素。对知识函数的研究最早可追溯到20世纪60年代(Scherer,1965;Comanor,1965)。20世纪80年代以后,学者们在考虑了创新投入产出间的时滞关系和创新产出的数据性质后,对知识函数进行了更深入细致的研究(Pa-kes和Griliches,1984;H ausman、H all和Griliches,1984、1986;Cr pon和Dug uet, 1997;Blundell、Gr iffith和Van Reenen,1995、1999)。这些研究尽管分析方法、数据来

源、变量设定不尽相同,但几乎所有研究均表明创新投入与创新产出之间存在着显著的正向关系。

关于中国的知识生产函数问题也引起了国内外学者的关注。Jeffer son等(2004)利用中国1997~1999年大中型制造企业面板数据,运用线性形式知识生产函数模型研究发现,研发支出强度对新产品销售收入份额有显著正效应。Zhang等(2003)利用1995年中国工业普查数据中的8341个大中型工业企业截面数据,运用随机前沿生产函数模型研究发现, R&D支出和R&D人员均对新产品销售收入有显著正影响。吴延兵(2006)利用中国1993~2002年大中型工业企业行业面板数据,运用柯布-道格拉斯生产函数模型研究发现, R&D人员比R&D资本对知识生产做出了更大贡献,且知识生产过程具有规模报酬不变或递减的特征。

上述关于知识函数的研究都采用了参数化的生产函数方法。这种方法首先设定特定的生产函数形式,然后通过回归分析估计出创新投入的弹性系数,从而判断各项创新投入对创新产出的影响程度,进一步还可以分析知识生产效率的各种影响因素。参数化分析方法的优点是可以明确得出各种创新投入的参数估计值,进而判断知识生产的主导因素和性质。但是参数化方法需要设定生产函数的具体形式,并进行相关的行为假设;而且参数化方法只能局限于考察知识生产中的静态效率问题,无法考察效率的动态变化。在本研究中,我们首次采用非参数分析方法中的数据包络分析(DEA)对知识生产函数进行研究。数据包络分析法不需要设定生产函数的具体形式,可以规避参数方法的多种限制,而且能够将生产率变化进一步分解为技术效率变化和技术进步。相对于参数化方法而言,用非参数DEA方法分解出知识生产中的技术效率和技术进步,能够更深入地了解我国工业企业的知识生产发展状况。

运用DEA对知识生产中的生产率进行分解是以有效地衡量创新投入和创新产出为前提的。相对于已有文献而言,本文对创新投入和创新产出采用了更为合理的衡量指标。在创新产出方面,鉴于专利统计中存在的诸多缺陷,本文采用了一种更为直接衡量创新产出的指标)))新产品开发项目数。新产品开发项目数所包含的创新范围更加广泛,可以克服以专利数量作为创新产出指标时存在的某些缺陷。在创新投入方面,把投入要素细分为研发支出和研发人员两因素;而且考虑到研发支出对创新的滞后效应,首先测算了研发资本存量,在此基础上再运用DEA对知识生产函数进行研究。

本文以1996~2003年我国29个省区市大中型工业企业面板数据为样本,运用DEA方法对知识生产函数的研究表明,1996~2003年期间我国工业企业知识生产中的技术效率有所提高、技术进步出现下降;各省区知识生产中的生产率增长主要来源于技术效率的提高。研究还表明,我国工业知识生产中的技术效率和技术进步存在着条件收敛,但不存在绝对收敛。这说明我国各省份知识生产中的技术效率和技术进步都在向各自的稳态水平趋近,但各省份之间的技术效率和技术进步最终不会达到相同的稳态水平。

一、研究方法

数据包络分析法是一种面向数据的评测方法,用于测评一组具有多种投入和多种产出的决策单元的绩效和相对效率。数据包络分析方法的基本思想是,首先确定每一时期各决策单元的最佳生产前沿,再用每一决策单元的实际生产同最佳生产前沿进行比较,从而可以测算出每个决策单元的技术效率,在此基础上还可以进一步测算出全要素生产率变化及其构成)))技术效率变化和技术进步。运用DEA测算生产率可以基于投入或基于产出两种不同的