我国高技术产业的投入产出效率分析_方福前

我国高技术产业的投入产出效率分析方福前1,张平2(1.中国人民大学经济学院,北京100872;2.大连银行北京分行,北京100083)摘要:本文借助数据包络分析(DE A)方法,对1999年至2006年我国高技术产业投入产出相对有效性的连续变化情况进行了研究,对造成有关行业非有效的因素进行了讨论。

在此基础上,对改善我国高技术产业的投入产出效率提出了建议。

关键词:高技术产业;DE A;效率;评价中图分类号:F223文献标识码:A文章编号:1002-9753(2009)07-0048-08Analyzing I nput-out put Efficiency of t he H igh-tech Industries Based on DEAFANG Fu-qian1,Z HANG P ing2(1.S choo l of E conom ics,Renm i n University of China,B eijing100872,Ch i na;2.Beijing B ranch,B ank of D alian,Beijing100083,China)Abstrac t:T h i s paper st udies t he situa tions o f i nput-output re l ative effic i ency fo r Ch i na.s high-tech i ndustry fro m 1999t o2006by usi ng D ata Enve l op m en tA nalysis(DEA),and discusses the causes o f the i ndustry.s non-effi c i ency. O n th i s basis,how to i m prove the effic i ency o f i nput and out put f o r Ch i na.s hi gh-tech i ndustry has been suggested. K ey word s:h i gh-tech i ndustries;DEA;efficiency;eva l uation一、引言20世纪后半叶以来,随着科学技术的飞速发展,人类社会进入了一个全新的时代,各国都凭借高新技术的力量大力发展经济。

技术已经超越资本、劳动这些生产要素而成为推动经济增长的最重要的因素。

技术创新使得科技发明转化为现实的产品和服务,技术扩散则进一步使得这种产品和服务形成新的产业,从而使产业结构得以改变,经济结构得以优化。

高技术产业往往担负着技术扩散使命,具有高投入、高产出、高风险和高收益的/四高0特征,从而成为推动国民经济不断发展的先行产业。

按照经济合作与发展组织(OECD)的定义:高技术产业是指研发(R&D)经费占总产值的比例远高于各产业平均水平的产业。

正是由于把投入-产出比(率)作为划分高技术产业的标准,所以研究高技术产业投入-产出效率问题就显得十分必要。

科技投入产出效率就是评价高技术产业科技资源利用效率的一种方法。

对于我们这个发展中国家来说,合理、有效率地利用稀缺资源,实现经济的可持续发展,提高R&D过程中的人力和财力投入的产出效率具有更加重要的现实意义。

收稿日期:2009-01-05修回日期:2009-06-08基金项目:国家自然科学基金重点项目/奥运科技产业化及基于奥运市场规则的国际化发展研究0(批准号70639002)。

作者简介:方福前(1954-),男,安徽庐江人,中国人民大学经济学院教授,博士生导师,5经济理论与经济管理6杂志主编,经济学博士,研究方向:西方经济学和中国宏观经济问题。

48近年来,分析高技术产业投入产出效率成为国内外学术界研究的热点之一,很多学者获得了富有创见的成果。

从国外来看,Jack E.T ri p lett(1995)用一个高技术产业的产业间模型分析并估算了三个相关高技术部门(高技术半导体制造设备,半导体和计算机设备)的投入产出效率[1];T.P.M a m uneas和M.I.Nad iri(1996)对美国制造业中的R&D的公共财政投入的溢出效应进行了分析,认为公共财政投入R&D虽然会节约成本,但是会排挤对R&D 的私人投资[2];Catheri n e J.M orrison(1997)利用管理学中的绩效测评方法对美国制造业中的信息技术设备的生产率及其经济绩效进行了测算[3];E llis Conno ll y和K ev i n J.Fox(2006)运用澳大利亚数据对高技术资本使用与生产率之间的关系进行了研究,发现这二者关系在市场部门存在正相关,但是没有证据证明高技术资本使用可以获得超额回报[4];Raab和Ko ta m ra j u(2006)运用数据包络分析(Data Envelopm entAnalysis,DE A)方法研究了美国50个州的高技术投入与产出,发现一些州的高技术产业是经济绩效的主要贡献者[5]。

从国内来看,邵一华、马庆国(2001)通过定量分析,研究我国高技术(制造)产业、传统产业生产要素投入的特点,要素投入对产出增长的贡献和要素生产率的变化[6];王艺明(2003)运用DE A方法对我国高新区的技术效率、规模效率与规模报酬进行了评价[7];许玉明(2005)运用增长速度方程测算了高技术产业的科技进步贡献率,他认为在高技术产业中,科学技术对资金和劳动力都有替代作用,尤其是对劳动力要素的替代作用[8];李明智、王娅莉(2005)分析和测算了R&D对高技术产业的全要素生产率的影响[9];许治和师萍(2005)利用DEA方法对我国1985-2003年科技投入相对效率进行了测度,结果表明,我国科技投入的产出对经济增长贡献偏低,科技投入效率的变动与经济增长率之间不存在显著的相关关系,同时,不同部门科技资源的使用对整个社会科技投入相对效率的影响也不同[10];刘志迎、叶蓁(2006)基于非参数的M al m qu ist指数方法对我国高技术产业各行业技术效率进行了实证分析[11];李双杰和刘亚楠(2008)用随机前沿分析和数据包络分析两种方法评估了中国制造业的研发效率[12];刘俊杰和傅毓维(2008)运用DEA方法,从综合有效性、技术有效性和规模收益等三方面对全国30个省(市、区)的高技术企业创新的有效性进行了实证分析[13];傅毓维、朱发根和刘拓(2008)运用复合DEA方法对我国各地区高新技术产业投入产出相对效率进行了评价,得出了投入产出相对效率与地区经济发展水平正相关的结论,并对相对效率值非DEA有效地区的形成原因及优化方向进行了分析[14];路永明(2008)利用DEA模型对2002-2006年我国高技术产业全部17个行业的科技投入产出效率进行评价,并分析各行业的规模收益状况[15]。

从现有成果来看,这些研究从不同角度研究了高技术产业的投入产出效率问题,有些发现是很有价值的。

但是,我们发现,迄今为止,还没有学者对高科技产业内部各行业进行投入产出效率分析,更没有分析效率背后的深层次原因。

本文使用DEA方法,比较分析了我国高技术产业内部各行业的投入-产出效率,这是本文与现有研究成果的不同之处。

本文的创新之处在于,通过各个行业的比较分析,力图说明在我国高技术产业内部,哪些行业的投入-产出相对有效(率)或相对非有效(率),同时分析了效率(或有效性)差别背后的原因,并对如何改善我国高技术产业的投入-产出效率提出了建议。

二、模型我们在下面的分析中使用的方法是DE A。

DEA是数学、运筹学、数理经济学和管理科学的一个新的交叉领域。

它是由Charnes等人于1978年开始创建(A.Charnes,W.W.Cooper&E Rhodes, 1978),而后发展成熟起来的[16]。

DE A主要使用数学规划模型来评价具有多个投入、特别是多个产出的/部门0或/单位0(称为决策单元:DMU)间的相对有效性[17]。

根据这种模型做出有效性的评价,实际上是判断DMU是否位于生产可能集的/生产前沿面0上,生产前沿面就是Pareto效率点49构成的面。

DEA 中所说的/(相对)有效性0就是经济学中的/效率0或/帕累托最优0。

DE A 一般有C 2R 模型、BC 2模型、FG 模型、ST 模型等综合性模型(魏权龄,2006;曾进等,2007;陈义华等,2007)。

我们在本文中采用含有多个产出的C 2R 模型。

在C 2R 模型中,/有效性0的经济含义有两种:技术有效(techn ica l efficiency)和规模有效(scale effic i e ncy),前者是指相对于投入来说产出已经达到最大,即决策单元已经位于生产可能性曲线上;后者是指决策单元处于规模报酬(或收益)不变的最优状态。

本文重点评价我国高技术产业中决策单元的技术有效性。

按照C 2R 模型方法,效率评估值介于0和1之间,1代表DMU 的相对有效率,否则代表无效率,而且效率评估值越小,其所对应的D MU 偏离有效前沿面的程度就越大。

在这种模型方法下,通过将非有效DMU 投影到有效前沿面上,还可以对比判断其投入-产出项目与有效前沿面上的D MU 相应投入-产出项目的偏离程度,从而可以揭示出导致无效率的具体原因。

C 2R 模型的基本原理如下:假设有n 个D MU,并且这些决策单元都是有可比性的。

每个DMU j 有m 种类型的投入X j 和s 种类型的产出Y j ,其中:X j =(x 1j ,x 2j ,,,x mj )T ,j =1,,,n Y j =(y 1j ,y 2j ,,,y sj )T ,j =1,,,nv 和u 分别为与m 种投入和s 种产出对应的权向量,记为:v =(v 1,v 2,,,v m )T ,u =(u 1,u 2,,,u s )T对于多个产出的C 2R 模型,决策者追求的是产出的最大化,于是对于第j 0(j 0=1,,,n )个决策单元DM U j 0我们可以得到下面的分式规划问题:m i n v T X 0u TY 0v T X j u TY j\1,j =1,2,,,nv \0,u \0(1)(1)式可以化为下面的等价的线性规划:m in w T X 0w T X j -L TY j \0,j =1,2,,,nw \0,L \0(2)考虑具有非阿基米德无穷小的C 2R 模型,则上面的线性规划问题可以转化为:m ax H +E (e CT S -+e T S +)E nj =1X j K j +S -=X 0E nj =1Y j K j -S +=H Y 0K j \0,j =1,,,n S -\0,S +\0(3)其中e C=(1,1,,,1)T I E m ,e =(1,1,,,1)TI E s 。