摘要：以68家新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)為樣本，采用三階段數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）模型和Malmquist指數(shù)分解模型分別從靜態(tài)和動(dòng)態(tài)層面對(duì)中小型高技術(shù)企業(yè)的創(chuàng)新效率進(jìn)行測(cè)算。結(jié)果發(fā)現(xiàn)：在靜態(tài)層面，剝離了環(huán)境因素和隨機(jī)干擾后，新三板的醫(yī)療儀器設(shè)備及儀器儀表制造企業(yè)的整體綜合效率偏低，純技術(shù)效率被嚴(yán)重低估，規(guī)模效率被高估，主要的制約因素由純技術(shù)效率轉(zhuǎn)變?yōu)橐?guī)模效率；在動(dòng)態(tài)層面，全要素生產(chǎn)率（Total Factor Productivity，TFP）增速逐年下滑，后勁不足。因此，政府應(yīng)與企業(yè)一起努力，擴(kuò)大創(chuàng)新投入規(guī)模，深化“產(chǎn)、學(xué)、研”合作，保持企業(yè)創(chuàng)新效率的上升勢(shì)頭，實(shí)現(xiàn)中小型高技術(shù)企業(yè)的高質(zhì)量發(fā)展。

關(guān)鍵詞：新三板；企業(yè)創(chuàng)新效率；三階段DEA模型；Malmquist指數(shù)

中圖分類號(hào)：F276.44" " " "文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：1674-0688（2024）02-0034-07

0 引言

我國(guó)經(jīng)濟(jì)發(fā)展已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，社會(huì)主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長(zhǎng)的美好生活需要和不平衡不充分的發(fā)展之間的矛盾，發(fā)展中的矛盾和問(wèn)題集中體現(xiàn)在發(fā)展質(zhì)量上，而高質(zhì)量發(fā)展就是解決新時(shí)代主要矛盾的“鑰匙”。 習(xí)近平總書記在黨的二十大報(bào)告中指出，高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家的首要任務(wù)。要想實(shí)現(xiàn)高質(zhì)量發(fā)展，就必須實(shí)現(xiàn)依靠創(chuàng)新驅(qū)動(dòng)的內(nèi)涵型增長(zhǎng)，高技術(shù)企業(yè)作為推動(dòng)我國(guó)技術(shù)創(chuàng)新與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的中堅(jiān)力量，在構(gòu)建科技創(chuàng)新體系與促進(jìn)經(jīng)濟(jì)增長(zhǎng)的過(guò)程中占有舉足輕重的地位。同時(shí)，高技術(shù)產(chǎn)業(yè)中的中小企業(yè)在支撐經(jīng)濟(jì)增長(zhǎng)、提升創(chuàng)新能力、擴(kuò)大社會(huì)就業(yè)等方面發(fā)揮著重要作用。但是，當(dāng)前我國(guó)的中小型高技術(shù)企業(yè)在發(fā)展過(guò)程中存在一系列問(wèn)題，如創(chuàng)新效率有待提高、創(chuàng)業(yè)環(huán)境有待優(yōu)化、融資渠道有待拓寬等［1］。

2013年，全國(guó)中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)（NEEQ，簡(jiǎn)稱新三板）市場(chǎng)正式接受全國(guó)中小型企業(yè)掛牌申請(qǐng)，為無(wú)法順利上市的眾多中小型企業(yè)創(chuàng)造了融資機(jī)會(huì)和途徑，為其提供了更廣闊的發(fā)展空間，在一定程度上解決了當(dāng)前中小型企業(yè)融資難的問(wèn)題。新三板的定位是為創(chuàng)新型、創(chuàng)業(yè)型、成長(zhǎng)型中小型企業(yè)服務(wù)，涉及電子信息技術(shù)、新材料技術(shù)、新醫(yī)藥等知識(shí)和技術(shù)密集型產(chǎn)業(yè)，是創(chuàng)新生態(tài)系統(tǒng)中非常重要的一個(gè)環(huán)節(jié)，因此對(duì)新三板的中小型高技術(shù)企業(yè)的創(chuàng)新效率進(jìn)行深入研究，對(duì)我國(guó)實(shí)現(xiàn)依靠創(chuàng)新驅(qū)動(dòng)的經(jīng)濟(jì)內(nèi)涵型增長(zhǎng)具有重要意義。

1 文獻(xiàn)綜述

AFRIAT［2］首先提出了“企業(yè)創(chuàng)新效率”的概念，并將它創(chuàng)造性地與“生產(chǎn)前沿”聯(lián)系在一起，之后國(guó)內(nèi)外學(xué)者對(duì)企業(yè)創(chuàng)新效率展開了大量研究。例如，LEE 等［3］運(yùn)用DEA-malmquist模型和聚類分析法考察了合作和合作類型對(duì)中小企業(yè)創(chuàng)新效率的影響，并提出相應(yīng)的策略；VIPUT等［4］探究了企業(yè)對(duì)市場(chǎng)的控制權(quán)和企業(yè)創(chuàng)新效率之間的關(guān)系，實(shí)證得出更活躍的收購(gòu)市場(chǎng)在很大程度上遏制了創(chuàng)新。國(guó)內(nèi)對(duì)企業(yè)創(chuàng)新效率的研究大致可以歸納為兩類。一是研究企業(yè)內(nèi)部和外部因素對(duì)企業(yè)創(chuàng)新效率的影響，例如陳習(xí)定等［5］認(rèn)為管理層持股比例對(duì)企業(yè)技術(shù)創(chuàng)新效率具有顯著的正向影響，并表明管理層持股在技術(shù)創(chuàng)新實(shí)踐中具有激勵(lì)相容效應(yīng)；許冠南等［6］基于社會(huì)網(wǎng)絡(luò)視角，探討了創(chuàng)新生態(tài)系統(tǒng)知識(shí)網(wǎng)絡(luò)嵌入連通度和支配度對(duì)企業(yè)技術(shù)創(chuàng)新績(jī)效的影響機(jī)制。二是對(duì)各行業(yè)的企業(yè)創(chuàng)新效率進(jìn)行測(cè)算和評(píng)價(jià)，例如王乾宇等［7］運(yùn)用三階段DEA模型，對(duì)北京中關(guān)村科技園的科技企業(yè)進(jìn)行創(chuàng)新效率評(píng)價(jià)，認(rèn)為中關(guān)村科技園中技術(shù)密集型企業(yè)比資源密集型企業(yè)的創(chuàng)新效率更高。徐書彬等［8］采用三階段DEA模型對(duì)人工智能企業(yè)的創(chuàng)新效率進(jìn)行測(cè)算，得出多數(shù)人工智能企業(yè)的綜合效率和純技術(shù)效率處于較低水平。

目前，針對(duì)企業(yè)創(chuàng)新效率的研究成果眾多，但對(duì)新三板企業(yè)創(chuàng)新效率的研究成果較少，對(duì)其研究多集中于融資效率的分析方面［9-10］。新三板作為服務(wù)創(chuàng)新型中小企業(yè)的主陣地，其中的企業(yè)在很大程度上能代表目前我國(guó)中小型高技術(shù)企業(yè)的發(fā)展水平，所以對(duì)其開展研究具有重要的意義。但是，考慮到新三板的高技術(shù)企業(yè)眾多，數(shù)據(jù)獲取和整理難度大，因此選取高技術(shù)產(chǎn)業(yè)（制造業(yè)）六大類中于2022年投資增長(zhǎng)最快的醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)為例進(jìn)行研究。綜上所述，本文采用三階段DEA模型和Malmquist指數(shù)分解模型，從靜態(tài)和動(dòng)態(tài)兩個(gè)層面對(duì)新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)的創(chuàng)新效率進(jìn)行測(cè)算和評(píng)價(jià)，并分析影響其創(chuàng)新效率的環(huán)境因素。

2 研究方法與數(shù)據(jù)說(shuō)明

2.1 面板三階段DEA模型

三階段DEA模型由FRIED等［11］提出，是在傳統(tǒng)DEA模型的基礎(chǔ)上剔除環(huán)境因素和隨機(jī)干擾因素的影響，可以更加真實(shí)地反映決策單元的效率。但是，三階段DEA模型只適用于截面數(shù)據(jù)的效率測(cè)算，若將三階段DEA模型用于面板數(shù)據(jù)的效率測(cè)算，就會(huì)出現(xiàn)跨年效率值不在統(tǒng)一前沿面下的問(wèn)題，從而無(wú)法對(duì)不同年份的效率值進(jìn)行直接對(duì)比與分析。所以，本文借鑒劉自敏等［12］提出的面板三階段DEA模型，對(duì)新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)的創(chuàng)新效率進(jìn)行測(cè)算，具體步驟如下。

第一階段：傳統(tǒng)DEA（Data Envelopment Analysis）-BBC（Banker-Charnes-Cooper）模型。本文構(gòu)建投入導(dǎo)向下基于規(guī)模報(bào)酬可變的DEA-BCC模型，以原始的投入產(chǎn)出數(shù)據(jù)為基礎(chǔ)，將跨年的決策單元數(shù)據(jù)分解為橫截面數(shù)據(jù)，即將不同年份的同一決策單元看作不同的決策單元，從而測(cè)算出各自相應(yīng)的效率值與投入松弛值。鑒于傳統(tǒng)DEA模型已經(jīng)被學(xué)者廣泛地運(yùn)用于各類效率測(cè)算，因此本文不再贅述其表達(dá)式。其中，測(cè)算的效率值包括綜合效率（TE）、純技術(shù)效率（PTE）和規(guī)模效率（SE），綜合效率為純技術(shù)效率和規(guī)模效率的乘積，即TE=PTE×SE。當(dāng)TE、PTE、SE值均為1時(shí)，表示DEA有效；當(dāng)PTE、SE僅有一個(gè)值為1時(shí)，表示DEA弱有效；當(dāng)TE、PTE、SE都小于1時(shí)，表示DEA無(wú)效［13］。

第二階段：相似面板隨機(jī)前沿（SFA）模型。在第一階段得出的投入松弛值為原始投入值和投入目標(biāo)值之差，其包含管理效率、環(huán)境因素和統(tǒng)計(jì)噪聲。然而，傳統(tǒng)的DEA模型未考慮到環(huán)境因素和隨機(jī)干擾因素對(duì)效率值的影響，造成最終測(cè)算結(jié)果失真。所以，第二階段利用SFA模型對(duì)投入松弛值進(jìn)行分析，其計(jì)算公示如下：

Snit=f（Zit；βnt）+vnit+unit

（i=1，2，3，…，I；n=1，2，…，N；t=1，2，3，…，T）" " （1）

其中：Snit是第t年的第i個(gè)決策單位的第n項(xiàng)投入松弛值；Zit為環(huán)境變量集合；βnt為所選環(huán)境變量的待估參數(shù)；f（Zit；βnt）表示環(huán)境變量對(duì)松弛變量Snit的影響；vnit表示隨機(jī)干擾項(xiàng)，unit為管理無(wú)效率項(xiàng)，vnit+unit為混合誤差項(xiàng)?？紤]到unit是否具有時(shí)變性，使用SFA模型時(shí)，首先估計(jì)時(shí)變衰退模型的管理無(wú)效率項(xiàng)，時(shí)變衰退模型的特征為uit= exp {-η（ t-Ti） } ui，η為衰退系數(shù)，Ti是DMUi的最后一個(gè)時(shí)期；其次對(duì)估計(jì)的衰退系數(shù)η進(jìn)行檢驗(yàn)，如果拒絕η=0原假設(shè)，則說(shuō)明應(yīng)使用時(shí)變衰退模型（Time-invariant Model），反之則使用非時(shí)變模型（Time Varying Decay Model）。

基于公式（1）計(jì)算環(huán)境變量、隨機(jī)干擾項(xiàng)和管理無(wú)效率項(xiàng)對(duì)投入松弛值的影響后，接下來(lái)對(duì)投入變量進(jìn)行調(diào)整，使所有的決策單元都處于相同的環(huán)境條件和隨機(jī)干擾項(xiàng)下，調(diào)整公式如下：

[XAnit=Xnit+[max（f（Zit；βnt））-f（Zit；βnt）]+]

[[max（vnit）-vnit]]" " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（2）

（i=1，2，3，…，I；n=1，2，…，N；t=1，2，3，…，T）

其中：[XAnit]和[Xnit]分別表示調(diào)整后的投入變量和調(diào)整前的投入變量，[[max（f（Zit；βnt））-f（Zit；βnt）]]表示對(duì)環(huán)境變量進(jìn)行調(diào)整，[[max（vnit）-vnit]]表示對(duì)隨機(jī)誤差項(xiàng)進(jìn)行調(diào)整。

第三階段：調(diào)整后的DEA-BCC模型。將調(diào)整后的投入變量替代原始的投入變量，產(chǎn)出變量保持不變，運(yùn)用DEA-BCC模型對(duì)各個(gè)決策單元的效率進(jìn)行測(cè)算，最終得到剝離了環(huán)境因素和隨機(jī)干擾項(xiàng)的實(shí)際效率值。

2.2 Malmquist指數(shù)分析模型

Malmquist指數(shù)又被稱為全要素生產(chǎn)率，是以DEA模型為基礎(chǔ)的動(dòng)態(tài)效率分析方法［14］。Malmquist指數(shù)最早由Malmquist提出，此后有研究人員將其與DEA方法相結(jié)合，對(duì)全要素生產(chǎn)率進(jìn)行分解，其具體表達(dá)式如下：

M（[t+1，yt+1][，xt，yt]）[ Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2]（3）

其中：x表示投入變量，y表示產(chǎn)出變量，t表示時(shí)期數(shù)；Dt和Dt+1分別表示以t時(shí)期的技術(shù)為參照的t時(shí)期和t+1時(shí)期的距離方程。若M值大于1，表明從t時(shí)期到t+1期效率提升；若M值小于1，則表明從t時(shí)期到t+1時(shí)期效率下降；若M值等于1，則表明效率不變。

Malmquist指數(shù)分析模型將全要素生產(chǎn)率（TFP）進(jìn)一步分解為綜合技術(shù)效率變化（EFFCH）、技術(shù)進(jìn)步變化（TECHCH）、純技術(shù)效率變化（PECH）和生產(chǎn)規(guī)模變化（SECH），其關(guān)系公式如下：

TFP=EFFCH×TECHCH" " " " " " " " " " " （4）

EFFCH=PECH×SECH" " " " " " " " " " " "（5）

TFP=TECHCH×PECH×SECH" " " " " " " " "（6）

2.3 樣本選取

本文主要研究新三板高技術(shù)企業(yè)的創(chuàng)新效率，由于新三板的高技術(shù)企業(yè)數(shù)量眾多，因此根據(jù)國(guó)家統(tǒng)計(jì)局印發(fā)的《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類（2017）》，選取醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)作為研究對(duì)象。由于企業(yè)技術(shù)創(chuàng)新具有一定的滯后性，本文采取已有研究的做法［15］，將產(chǎn)出做1年的滯后處理，即需要收集2016—2020年的投入數(shù)據(jù)和相關(guān)環(huán)境數(shù)據(jù)及2017—2021的產(chǎn)出數(shù)據(jù)。對(duì)原始數(shù)據(jù)進(jìn)行清洗剔除：①ST（Special Treatment）、PT（Particular Transfer）類企業(yè)；②年報(bào)信息嚴(yán)重缺失的企業(yè)；③年度專利申請(qǐng)數(shù)為0的企業(yè)；④2016—2021年退出新三板的企業(yè)。最終，選取剩余的68家醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)作為樣本企業(yè)。

2.4 變量選取

2.4.1 投入和產(chǎn)出變量

根據(jù)以往學(xué)者的研究［16］，投入指標(biāo)一般從勞動(dòng)力及資本兩個(gè)角度考慮。借鑒以往學(xué)者的研究經(jīng)驗(yàn)及數(shù)據(jù)的可得性，本文選取研發(fā)技術(shù)人員數(shù)量和研發(fā)費(fèi)用作為投入指標(biāo)。創(chuàng)新產(chǎn)出有很多種類，根據(jù)屬性不同，可以將其分為知識(shí)產(chǎn)出和經(jīng)濟(jì)產(chǎn)出。知識(shí)產(chǎn)出水平一般采用專利數(shù)量衡量，而專利數(shù)量又分為專利申請(qǐng)數(shù)量和專利授權(quán)數(shù)量，但由于專利授權(quán)周期較長(zhǎng)，受其他因素影響較大，所以選取專利申請(qǐng)數(shù)量對(duì)創(chuàng)新知識(shí)產(chǎn)出水平進(jìn)行衡量。醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)定位為高技術(shù)企業(yè)，其主要業(yè)務(wù)與高技術(shù)類產(chǎn)品相關(guān)，所以選取企業(yè)的主營(yíng)業(yè)務(wù)收入對(duì)經(jīng)濟(jì)產(chǎn)出水平進(jìn)行衡量。因此，本文選取的產(chǎn)出指標(biāo)為專利申請(qǐng)數(shù)量和主營(yíng)業(yè)務(wù)收入。DEA模型要求投入和產(chǎn)出指標(biāo)符合“同向性”假定，即投入量增加時(shí)，產(chǎn)出量也增加。所以，為了保證選取指標(biāo)的科學(xué)性，需采取Pearson相關(guān)系數(shù)法對(duì)其進(jìn)行檢驗(yàn)。利用Stata16.0軟件計(jì)算，得到專利申請(qǐng)數(shù)量與研發(fā)技術(shù)人員數(shù)量和研發(fā)費(fèi)用的相關(guān)系數(shù)分別為0.255和0.335，主營(yíng)業(yè)務(wù)收入與研發(fā)技術(shù)人員數(shù)量和研發(fā)費(fèi)用的相關(guān)系數(shù)分別為0.474和0.545。各投入指標(biāo)與產(chǎn)出指標(biāo)之間的相關(guān)系數(shù)均在1%水平上顯著為正，符合“同向性”假定，指標(biāo)選取合理。

2.4.2 環(huán)境變量

根據(jù)SIMAR等［17］提出的“分離假設(shè)”，環(huán)境變量為能夠?qū)ζ髽I(yè)創(chuàng)新效率產(chǎn)生顯著影響但企業(yè)難以主觀控制或者短時(shí)間改變的因素。根據(jù)以往學(xué)者的研究［7-8，16］，環(huán)境變量通常包括外部經(jīng)濟(jì)因素、企業(yè)內(nèi)部因素、政府政策因素等。結(jié)合新三板的高技術(shù)企業(yè)發(fā)展的實(shí)際情況，本文選取如下環(huán)境變量。

（1）外部經(jīng)濟(jì)因素：區(qū)域經(jīng)濟(jì)結(jié)構(gòu)的不同導(dǎo)致經(jīng)濟(jì)發(fā)展不平衡的問(wèn)題一直存在，企業(yè)所處的區(qū)位不同，其經(jīng)濟(jì)發(fā)展水平差異也較大。地區(qū)經(jīng)濟(jì)發(fā)展水平較高的地區(qū)往往能夠吸引更多的人才和資金，協(xié)同創(chuàng)新的引領(lǐng)作用更強(qiáng)，企業(yè)也能享受更好的信息和基礎(chǔ)服務(wù)，更有利于企業(yè)開展創(chuàng)新。因此，本文選取地區(qū)發(fā)展水平和對(duì)外開放水平兩個(gè)變量分析外部經(jīng)濟(jì)因素。

（2）企業(yè)內(nèi)部因素：隨著企業(yè)的發(fā)展，企業(yè)的領(lǐng)導(dǎo)、戰(zhàn)略、規(guī)模和融資能力等因素都會(huì)對(duì)企業(yè)創(chuàng)新效率產(chǎn)生影響。因此，本文選取企業(yè)規(guī)模、股權(quán)集中度、資產(chǎn)負(fù)債率和企業(yè)所處市場(chǎng)層級(jí)分析企業(yè)內(nèi)部因素。

（3）政府政策因素：中小型高技術(shù)企業(yè)開展創(chuàng)新面臨的一大難題就是融資能力弱，但企業(yè)研發(fā)需要長(zhǎng)期、大量且穩(wěn)定的資金支持，離不開政府的財(cái)政補(bǔ)貼和支持。因此，本文選取政府補(bǔ)助金額分析政府政策因素。

各變量的具體說(shuō)明及數(shù)據(jù)來(lái)源見表1。為了使環(huán)境變量具有可比性，本文將其進(jìn)行標(biāo)準(zhǔn)化處理，使第二階段的結(jié)果更加準(zhǔn)確。

3 實(shí)證結(jié)果分析

3.1 三階段DEA的實(shí)證結(jié)果分析

3.1.1 第一階段的傳統(tǒng)DEA-BCC模型測(cè)量結(jié)果

根據(jù)68家新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)5年的原始投入和產(chǎn)出數(shù)據(jù)，利用DEAP2.1軟件對(duì)第一階段的創(chuàng)新效率進(jìn)行測(cè)算（見表2）。從總體上來(lái)看，綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率的平均值分別為0.369、0.491、0.758，說(shuō)明樣本企業(yè)的創(chuàng)新效率不高，有較大的上升空間，并且主要受純技術(shù)效率的制約，即企業(yè)的資源配置和管理水平都有待提高。規(guī)模報(bào)酬遞增的企業(yè)數(shù)量明顯多于規(guī)模報(bào)酬遞減的企業(yè)數(shù)量，達(dá)到DEA有效的企業(yè)數(shù)量為2～6家，達(dá)到DEA有效的企業(yè)數(shù)量占總樣本企業(yè)數(shù)量的比例不到7%，多數(shù)企業(yè)DEA無(wú)效，平均占比達(dá)到87.6%。從變化趨勢(shì)來(lái)看，在觀察期內(nèi)，樣本企業(yè)2017—2019年的綜合技術(shù)效率平均值呈上升趨勢(shì)，2020年的下降趨勢(shì)較明顯，2021年有略微上升，可能是受新型冠狀病毒感染疫情的影響。規(guī)模報(bào)酬遞增和DEA有效的企業(yè)數(shù)量呈輕微波動(dòng)變化，沒有明顯增加或減少。但是，由于本階段的測(cè)算結(jié)果沒有考慮到環(huán)境噪聲和隨機(jī)干擾項(xiàng)的影響，存在各企業(yè)創(chuàng)新效率測(cè)算失真的可能性，因此需要對(duì)投入變量進(jìn)行調(diào)整。

3.1.2 第二階段的SFA模型的回歸結(jié)果

本階段運(yùn)用Frontier4.1軟件，將第一階段測(cè)量結(jié)果中得到的研發(fā)人員及研發(fā)費(fèi)用投入的投入松弛值作為被解釋變量，7個(gè)環(huán)境變量作為解釋變量，得到環(huán)境因素SFA模型分析結(jié)果（見表3）。研發(fā)人員投入和研發(fā)費(fèi)用投入的單邊誤差似然比檢驗(yàn)LR值均在1%水平下顯著。拒絕了不存在管理無(wú)效率項(xiàng)的原假設(shè)，表明模型設(shè)置合理，可以運(yùn)用SFA模型進(jìn)行回歸分析。γ值分別為0.834和0.823，表明在混合誤差項(xiàng)中管理無(wú)效率的影響占主導(dǎo)地位。研發(fā)人員投入和研發(fā)費(fèi)用投入的單邊誤差似然比檢驗(yàn)LR值均在1%水平下顯著。拒絕了不存在管理無(wú)效率項(xiàng)的原假設(shè)，表明模型設(shè)置合理，可以運(yùn)用SFA模型進(jìn)行回歸分析。若回歸系數(shù)為負(fù)，則表示該環(huán)境變量的增加會(huì)導(dǎo)致松弛變量降低，對(duì)投入冗余的降低起正向作用，有利于提高企業(yè)的創(chuàng)新效率。據(jù)此，本文對(duì)表3中對(duì)投入松弛變量具有顯著影響的環(huán)境變量做出如下分析。

（1）地區(qū)發(fā)展水平。該變量與研發(fā)人員投入松弛值呈負(fù)相關(guān)但不顯著，與研發(fā)費(fèi)用投入松弛值存在正向影響且在1%水平下顯著。說(shuō)明隨著地方發(fā)展水平的提高，研發(fā)費(fèi)用投入冗余也會(huì)相應(yīng)增加，造成了資金浪費(fèi)，從而導(dǎo)致企業(yè)創(chuàng)新效率降低。較高的發(fā)展水平能為高技術(shù)企業(yè)提供更好的市場(chǎng)環(huán)境和融資環(huán)境，但是也意味著企業(yè)將會(huì)要面臨更大的競(jìng)爭(zhēng)壓力，從而導(dǎo)致企業(yè)盲目增加研發(fā)費(fèi)用。從樣本企業(yè)中也可以發(fā)現(xiàn)，人均GDP較高地區(qū)的企業(yè)的綜合效率普遍低于人均GDP較低地區(qū)的企業(yè)，但產(chǎn)出指標(biāo)卻相反，表明了處于經(jīng)濟(jì)發(fā)達(dá)地區(qū)的企業(yè)仍沒有逃脫高技術(shù)產(chǎn)業(yè)“高產(chǎn)出，低效益”的陷阱［18］。

（2）對(duì)外開放水平。該變量與研發(fā)人員和研發(fā)費(fèi)用的投入松弛值均存在正向影響且在10%水平下顯著。對(duì)外開放水平高可以破除區(qū)域間的壁壘，意味著該地區(qū)進(jìn)入壁壘低，進(jìn)入的企業(yè)多，從而導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)更加激烈，導(dǎo)致企業(yè)盲目增加研發(fā)資金，研發(fā)人才的引進(jìn)和研發(fā)資金的投入導(dǎo)致投入冗余，降低了企業(yè)創(chuàng)新效率。

（3）企業(yè)規(guī)模。該變量與研發(fā)人員和研發(fā)費(fèi)用的投入松弛值均存在正向影響且在1%水平下顯著。企業(yè)規(guī)模擴(kuò)大意味著企業(yè)有更多的資金及更強(qiáng)烈的意愿進(jìn)行研發(fā)，那么對(duì)于研發(fā)人員和研發(fā)費(fèi)用的投入就會(huì)增大，從而容易造成投入冗余。

（4）股權(quán)集中度。該變量與研發(fā)人員投入松弛值呈負(fù)相關(guān)但不顯著，與研發(fā)費(fèi)用投入松弛值存在反向影響且在1%水平下顯著。說(shuō)明股權(quán)集中度越高，越有利于減少投入冗余，提高企業(yè)創(chuàng)新效率，這與已有的研究結(jié)論一致。郭玉晶等［19］認(rèn)為，在一定的界限下，大股東持股比例越高，企業(yè)創(chuàng)新效率也會(huì)越高，起到了一定的促進(jìn)作用。從傳統(tǒng)的委托代理理論視角進(jìn)行分析，大股東持股能夠減輕股東與經(jīng)理之間的代理沖突，更有利于大股東對(duì)管理層的控制，降低代理成本，有利于企業(yè)綜合創(chuàng)新效率的提升。

（5）資產(chǎn)負(fù)債率。該變量與研發(fā)人員投入松弛值呈正相關(guān)但不顯著，與研發(fā)費(fèi)用投入松弛值存在正向影響且在5%水平下顯著。盡管資產(chǎn)負(fù)債率的上升意味著企業(yè)負(fù)債增多，償債能力下降，但說(shuō)明了企業(yè)是通過(guò)舉借外債籌集資金，企業(yè)有更多的資金用于發(fā)展和研發(fā)，導(dǎo)致研發(fā)費(fèi)用投入冗余增加，不利于企業(yè)創(chuàng)新效率的提升。

（6）市場(chǎng)層級(jí)。該變量與研發(fā)人員和研發(fā)費(fèi)用的投入松弛值均存在正向影響且在1%水平下顯著，說(shuō)明企業(yè)位于創(chuàng)新層會(huì)顯著加重研發(fā)人員和研發(fā)費(fèi)用的投入冗余情況。企業(yè)進(jìn)入創(chuàng)新層后，能夠獲得資本市場(chǎng)各參與方更多的關(guān)注，自身的融資能力得到增強(qiáng)，從而可以投入更多的人力、物力進(jìn)行研發(fā)，導(dǎo)致冗余現(xiàn)象的可能性增大。

各環(huán)境變量對(duì)于不同投入的影響方向和作用強(qiáng)度不同，從而造成測(cè)算結(jié)果存在一定的偏差，導(dǎo)致得到的結(jié)果缺乏真實(shí)性和科學(xué)性。因此，必須對(duì)原始投入變量進(jìn)行調(diào)整，使得各決策單元處于同樣的環(huán)境條件和隨機(jī)干擾項(xiàng)下，保證效率測(cè)算的準(zhǔn)確性。

3.1.3 第三階段調(diào)整后的DEA模型測(cè)量結(jié)果

第二階段應(yīng)用 SFA對(duì)原始投入變量進(jìn)行環(huán)境因素和隨機(jī)因素剝離分析后，利用DEAP2.1軟件對(duì)原始產(chǎn)出變量和修正后的投入變量重新進(jìn)行創(chuàng)新效率的測(cè)算（見表4）。對(duì)比第一階段和第三階段的數(shù)據(jù)，做出如下分析。

（1）總體創(chuàng)新效率分析。投入調(diào)整后，綜合效率平均值從0.369下降至0.332，降幅為10.0%左右，按年份來(lái)看，2017—2019年的綜合效率有所下降，但2020—2021年受剝離環(huán)境因素和隨機(jī)因素的影響，綜合效率有所上升，再一次證實(shí)了新型冠狀病毒感染疫情導(dǎo)致的外部環(huán)境變差，進(jìn)而對(duì)綜合效率造成影響。純技術(shù)效率平均值從0.491上升至0.913，增幅為85.9%左右，表明受外部環(huán)境影響，純技術(shù)效率被嚴(yán)重低估。規(guī)模效率由0.758下降至0.368，降幅為51.5%左右，同理可得，受外部環(huán)境的影響，規(guī)模效率被高估。綜上可以看出，新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)的整體創(chuàng)新效率不高，其主要制約因素由純技術(shù)效率轉(zhuǎn)變?yōu)橐?guī)模效率，這與實(shí)際情況相符。新三板主要面向中小微型企業(yè)，企業(yè)規(guī)模普遍較小，再加上中小型高技術(shù)企業(yè)普遍面臨融資難等問(wèn)題，難以形成規(guī)模優(yōu)勢(shì)。

（2）規(guī)模報(bào)酬分析。投入調(diào)整后，規(guī)模報(bào)酬遞增企業(yè)數(shù)量的平均值由57.6上至64.8，增幅為12.5%左右，規(guī)模報(bào)酬遞增的企業(yè)數(shù)量占總樣本企業(yè)數(shù)量的比例高達(dá)95.3%。說(shuō)明絕大部分的企業(yè)未達(dá)到最優(yōu)規(guī)模，限制了其總體創(chuàng)新效率的提升，與上文總體創(chuàng)新效率的分析結(jié)論相符。規(guī)模報(bào)酬不變企業(yè)數(shù)量的平均值由4.4下降至2.6，降幅為40.9%左右，數(shù)量在2～3家的范圍內(nèi)浮動(dòng)，達(dá)到最優(yōu)規(guī)模企業(yè)的數(shù)量及證券簡(jiǎn)稱見表5。

（3）DEA有效性分析。投入調(diào)整后，達(dá)到DEA有效和規(guī)模報(bào)酬不變的企業(yè)數(shù)量下降。達(dá)到弱有效的企業(yè)數(shù)量上升，平均值由4.2上升至9，增幅為114.3%左右。并且，第一階段和第三階段的弱有效企業(yè)均為純技術(shù)效率有效，規(guī)模效率無(wú)效，再次說(shuō)明了受環(huán)境因素的影響，純技術(shù)效率被低估，也說(shuō)明了提升規(guī)模效率可以讓弱有效的企業(yè)達(dá)到DEA有效，但仍有82.9%（平均值）的企業(yè)處于DEA無(wú)效的狀態(tài)，表明大部分企業(yè)沒有處于生產(chǎn)前沿面，仍有提升的空間。

3.2 基于面板數(shù)據(jù)Malmquist指數(shù)的動(dòng)態(tài)分析結(jié)果

由于三階段DEA模型測(cè)算的效率值僅能反映某一年份決策單元的靜態(tài)效率情況，不能進(jìn)行動(dòng)態(tài)的效率變動(dòng)時(shí)間序列比較分析，所以運(yùn)用DEAP2.1軟件，將剝離了環(huán)境影響因素和隨機(jī)干擾項(xiàng)后的投入變量和原始產(chǎn)出變量帶入Malmquist指數(shù)模型進(jìn)行測(cè)算，結(jié)果見表6。表6中的數(shù)據(jù)反映了新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)的整體變動(dòng)情況。

從整體來(lái)看，全要素生產(chǎn)率變化每年都處于增長(zhǎng)的狀態(tài)，變化指數(shù)均大于1，但增長(zhǎng)的比率逐年下降，說(shuō)明樣本企業(yè)的創(chuàng)新效率逐步上升，但是后勁不足。綜合技術(shù)效率變化整體較平穩(wěn)，變化指數(shù)均小于1，呈平均值-1.3%的負(fù)增長(zhǎng)趨勢(shì)，純技術(shù)效率與綜合技術(shù)效率一致，表明了企業(yè)管理水平從整體上降低了企業(yè)的創(chuàng)新效率。規(guī)模效率變化指數(shù)均接近1，整體變化也較平穩(wěn)，再次暴露了新三板高技術(shù)企業(yè)規(guī)模小、研發(fā)實(shí)力弱的缺陷。創(chuàng)新效率的增長(zhǎng)基本是由技術(shù)進(jìn)步帶來(lái)的，技術(shù)進(jìn)步平均增長(zhǎng)率為44.2%，增長(zhǎng)率和全要素生產(chǎn)率逐年下降?？偟膩?lái)說(shuō)，技術(shù)進(jìn)步對(duì)于創(chuàng)新效率的貢獻(xiàn)更顯著，技術(shù)效率和規(guī)模效率都在一定程度上降低了企業(yè)的創(chuàng)新效率。

表6 新三板醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)創(chuàng)新Malmquist指數(shù)及分解

[年份 EFFCH TECHCH PECH SECH TFPCH 2017—2018年 0.967 1.849 0.971 0.995 1.788 2018—2019年 0.996 1.436 0.992 1.005 1.431 2019—2020年 0.996 1.331 0.996 0.999 1.325 2020—2021年 0.987 1.224 0.987 1.001 1.208 平均值 0.987 1.442 0.987 1.000 1.423 ]

注：[EFFCH]代表綜合技術(shù)效率變化指數(shù)、[TECHCH]代表技術(shù)進(jìn)步效率變化指數(shù)、[PECH]代表純技術(shù)效率變化指數(shù)、[SECH]代表規(guī)模技術(shù)效率變化指數(shù)、[TFPCH]代表全要素生產(chǎn)率變化指數(shù)。

4 研究結(jié)論與建議

本文運(yùn)用面板三階段DEA模型以及Malmquist指數(shù)分解模型分別從靜態(tài)和動(dòng)態(tài)層面對(duì)我國(guó)68家新三板的醫(yī)療儀器設(shè)備及儀器儀表制造業(yè)企業(yè)進(jìn)行創(chuàng)新效率分析。在剝離了環(huán)境因素和隨機(jī)干擾后，創(chuàng)新效率發(fā)生明顯變化，結(jié)論如下：①樣本企業(yè)整體的綜合創(chuàng)新效率不高，純技術(shù)效率被嚴(yán)重低估，規(guī)模技術(shù)效率被高估，主要的制約因素由純技術(shù)效率轉(zhuǎn)變?yōu)橐?guī)模技術(shù)效率。②對(duì)外開放水平、企業(yè)規(guī)模、市場(chǎng)層級(jí)會(huì)增大研發(fā)技術(shù)人員投入冗余，地區(qū)發(fā)展水平、對(duì)外開放水平、企業(yè)規(guī)模、資產(chǎn)負(fù)債率、市場(chǎng)層級(jí)會(huì)增大研發(fā)費(fèi)用投入冗余，限制企業(yè)創(chuàng)新效率的提升；而股權(quán)集中度會(huì)減少研發(fā)費(fèi)用投入冗余，有利于企業(yè)創(chuàng)新效率的提升。③68家樣本企業(yè)絕大部分沒有達(dá)到最優(yōu)規(guī)模，表明大部分企業(yè)沒有處于生產(chǎn)前沿面，仍有提升的空間。④在動(dòng)態(tài)層面，全要素生產(chǎn)率的增長(zhǎng)率逐年下降，說(shuō)明樣本企業(yè)的創(chuàng)新效率雖然上升，但是后勁不足；技術(shù)進(jìn)步對(duì)創(chuàng)新效率的提升有較大的促進(jìn)作用。

綜上，本文從企業(yè)和政府兩個(gè)方面提出如下建議：①在企業(yè)層面，應(yīng)在適度擴(kuò)大創(chuàng)新投入規(guī)模的同時(shí)，減少資源浪費(fèi)。只有合理配置創(chuàng)新投入資源，才能優(yōu)化創(chuàng)新效率，實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展。②在政府層面，近年政府對(duì)新三板企業(yè)的扶持力度逐年增大，但實(shí)證發(fā)現(xiàn)，直接的政府補(bǔ)助未對(duì)樣本企業(yè)的研發(fā)技術(shù)人員和研發(fā)費(fèi)用投入冗余產(chǎn)生顯著影響，未來(lái)可以考慮通過(guò)加大對(duì)企業(yè)的間接補(bǔ)貼力度對(duì)新三板的高技術(shù)企業(yè)予以扶持，例如加大稅收優(yōu)惠、金融支持力度等。此外，政府應(yīng)積極優(yōu)化創(chuàng)新環(huán)境，鼓勵(lì)新三板的高技術(shù)企業(yè)進(jìn)行“產(chǎn)、學(xué)、研”合作，提高創(chuàng)新實(shí)力，構(gòu)建長(zhǎng)遠(yuǎn)的創(chuàng)新戰(zhàn)略，保持企業(yè)創(chuàng)新效率的上升勢(shì)頭。

5 參考文獻(xiàn)

［1］劉成坤，張秀武.中小型高技術(shù)企業(yè)Ramp;D效率的評(píng)價(jià)與分析——基于三階段DEA模型［J］.科技與經(jīng)濟(jì)，2017，30（6）：41-45，50.

［2］AFRIAT N S.Efficiency Estimation of Production Functions［J］. International Economic Review，1972，13（3）：568-598.

［3］LEE J，KIM C，CHOI G.Exploring data envelopment analysis for measuring collaborated innovation efficiency of small and medium-sized enterprises in Korea［J］. European Journal of Operational Research，2019，278（2）：533-545.

［4］VIPUT O，Pattanaporn C，Pornsit J.Does the market for corporate control impede or promote corporate innovation efficiency？ Evidence from research quotient［J］. Finance Research Letters，2022，46（PA）：102212.

［5］陳習(xí)定，戴曉震，張芳芳.管理層持股對(duì)企業(yè)技術(shù)創(chuàng)新效率的影響研究［J］.科研管理，2018，39（5）：11-18.

［6］許冠南，胡偉婕，周源，等.創(chuàng)新生態(tài)系統(tǒng)雙重網(wǎng)絡(luò)嵌入對(duì)企業(yè)創(chuàng)新的影響機(jī)制［J］.管理科學(xué)，2022，35（3）：73-86.

［7］王乾宇，薛彪，崔靜靜.基于三階段DEA的中關(guān)村科技企業(yè)創(chuàng)新效率研究［J］.內(nèi)蒙古大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，53（6）：652-659.

［8］徐書彬，黎新伍，李果.基于三階段DEA的人工智能上市企業(yè)創(chuàng)新效率評(píng)價(jià)［J］.科技管理研究，2020，40（5）：165-172.

［9］沈忱.中小企業(yè)在新三板市場(chǎng)融資效率研究——基于三階段DEA模型定向增發(fā)研究［J］.審計(jì)與經(jīng)濟(jì)研究，2017，32（3）：78-86.

［10］馬莉莉，李湘晉.分層制度、做市商制度與企業(yè)融資效率——基于我國(guó)新三板掛牌企業(yè)的實(shí)證研究［J］.經(jīng)濟(jì)問(wèn)題，2019（3）：56-64.

［11］FRIED O H，LOVELL K A C，SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis［J］. Journal of Productivity Analysis，2002，17（1/2）：157-174.

［12］劉自敏，張昕竹，楊丹.我國(guó)省級(jí)政府衛(wèi)生投入效率的時(shí)空演變——基于面板三階段DEA模型的分析［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（6）：97-104.

［13］胡麗娜.基于DEA的區(qū)域科技創(chuàng)新效率測(cè)算與評(píng)價(jià)［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2019，49（17）：95-101.

［14］陳杰，許朗.基于面板三階段DEA-Malmquist模型的中國(guó)農(nóng)業(yè)綠色水資源利用效率研究［J］.地理科學(xué)，2023，43（4）：709-718.

［15］王慶金，王強(qiáng)，周雪.區(qū)域高技術(shù)產(chǎn)業(yè)研發(fā)活動(dòng)效率評(píng)價(jià)及影響因素研究［J］.科技進(jìn)步與對(duì)策，2018，35（23）：59-65.

［16］馮琳潔.基于三階段DEA的創(chuàng)業(yè)板企業(yè)創(chuàng)新效率評(píng)價(jià)研究［J］.中國(guó)注冊(cè)會(huì)計(jì)師，2022（3）：49-54.

［17］Simar L，Wilson W P.Estimation and inference in two-stage，semi-parametric models of production processes［J］.Journal of Econometrics，2005，136（1）：31-64.

［18］陳凱華，官建成，寇明婷.中國(guó)高技術(shù)產(chǎn)業(yè)“高產(chǎn)出、低效益”的癥結(jié)與對(duì)策研究——基于技術(shù)創(chuàng)新效率角度的探索［J］.管理評(píng)論，2012，24（4）：53-66.

［19］郭玉晶，朱雅玲，張映芹.股權(quán)結(jié)構(gòu)與上市公司技術(shù)創(chuàng)新效率研究——基于三階段DEA與Tobit模型［J］.技術(shù)經(jīng)濟(jì)，2020，39（7）：128-139.