摘要：文章基于DEA（數據包絡分析）分析法和Malmquist指數法構建了包含資金投入、人員投入、經濟產出和知識產出等指標的三級評價指標體系，對山西省高技術產業(yè)創(chuàng)新效率進行了分析評價。研究發(fā)現：2011—2021年山西省高技術產業(yè)技術效率平均值低于全國平均水平，其中2018—2021年技術效率逐年上升，到2021年純技術效率達到1，表明在技術層面已達到最優(yōu)；部分年度存在投入不當和產出不足的現象，需要削減投入冗余，調整投入比例；Malmquist指數分解結果表明，純技術效率是推動山西省高技術產業(yè)創(chuàng)新效率增長的核心驅動力，而技術進步則對效率改善產生了一定的“拖累”作用。

關鍵詞：高技術產業(yè)；創(chuàng)新效率；DEA分析；Malmquist指數

中圖分類號：C931" " " " 文獻標識碼：A" " " 文章編號：1674-0688（2024）04-0033-05

0 引言

近年來，隨著我國經濟的高速發(fā)展，高技術產業(yè)已逐漸成為我國經濟市場發(fā)展的中流砥柱，是國家實施創(chuàng)新驅動發(fā)展戰(zhàn)略的主要陣地，也是推動產業(yè)轉型升級的重要突破口。山西省作為我國重要的能源和重工業(yè)基地，面臨轉型升級的迫切需求，發(fā)展高技術產業(yè)、提升創(chuàng)新效率，對促進經濟結構優(yōu)化、增強核心競爭力具有重要意義。2022年，山西省共有120個高技術企業(yè)開展Ramp;D活動，全省研究與試驗發(fā)展（Ramp;D）經費投入高達273.7億元，高技術產業(yè)Ramp;D人員投入為9 089人，Ramp;D經費支出為15.7億元，新產品開發(fā)及技術改造經費支出為28.2億元。盡管政府和社會對創(chuàng)新的投入不斷增加，但是評估這些創(chuàng)新投入是否有效，是否真正推動高技術企業(yè)創(chuàng)新效率及生產率的提升，是很有必要的。

國內外學者運用不同的方法和模型，對高技術產業(yè)的創(chuàng)新效率進行了深入的探討。例如，沈俊鑫等［1］、張月明等［2］通過數據包絡分析法（DEA分析法），構建超效率DEA模型對我國各省區(qū)高技術產業(yè)創(chuàng)新效率進行評價；宋躍剛等［3］運用DEA-Malmquist模型對我國高技術產業(yè)區(qū)域創(chuàng)新效率進行測定；田逸飄等［4］則將隨機前沿分析（SFA）技術用于高技術產業(yè)技術效率的測度；范德成等［5］綜合運用DEA-Malmquist和BMA方法研究了高技術產業(yè)創(chuàng)新效率的影響因素及其作用機制。這些研究具有一定的理論意義和參考價值，但仍存在一些不足之處。首先，針對特定區(qū)域如山西省的高技術產業(yè)創(chuàng)新效率評價研究相對較少，缺乏對地方特色的深入挖掘；其次，現有研究構建的指標體系單一，未能全面反映高技術產業(yè)創(chuàng)新的復雜性和多元性。因此，構建一個全面而系統的創(chuàng)新效率評價指標體系，對山西省高技術產業(yè)創(chuàng)新效率進行綜合測度和評價，不僅必要，而且迫切。本研究能夠揭示山西省高技術產業(yè)創(chuàng)新效率的現狀和瓶頸，為相關部門制定針對性政策提供科學依據。

1 研究方法

1.1 DEA分析法

DEA分析法可以對不同類型的投入產出進行計算，在一定規(guī)模下設置最終收益不變作為背景，計算綜合效率及技術效率、規(guī)模效率。DEA分析法的計算公式如下：

[min]［[θ]-[ε]（[eT][s-]+[eT][s+]）］=[VD]（[ε]）

[s.t][j-1nXj（t）λj+s-=θXj（t）j=1nYjλj-s+=Yot=1nλi=1λj≥0，j∈J，s-≥0，s+≥0]" " " " " " " " （1）

其中：[s-]為各類投入產生的松弛向量，[s+]為各類產出相關的松弛向量，[θ]為預先設定的目標數值，[λ]為橫向設定為1的向量。如果[θ]=1，[s-]=[s+]=0，則表明目標單元具備效用性；如果[θ]＜1，則表明目標單位并不具備效用性。

1.2 Malmquist指數法

使用DEA方法中的Malmquist指數法對創(chuàng)新效率進行進一步分解。創(chuàng)新效率[M0]的變化，可以先分解為技術效率（TE）和技術進步（TP），再分解為規(guī)模效率（SE）、純技術效率（PE）和技術進步（TP），即

[Mo=TE×TP=SE×PE×TP]" " " " "（2）

Malmquist指數由3個變化指數構成，當某一指數變化率大于1時，表明該指數是全要素生產率增長的驅動力；反之，若低于1，則意味著該指數是導致全要素生產率下降的主要原因。Malmquist指數大于1、等于1或小于1，分別代表全要素生產率水平較上一期增長、不變或下降。

2 指標體系的構建與數據來源

2.1 評價指標體系的構建

采用DEA分析法進行的效率評價主要考慮投入和產出兩類變量，本研究將影響高技術產業(yè)創(chuàng)新效率的因素轉化或分解為創(chuàng)新投入和創(chuàng)新產出兩個一級指標，結合前人的研究經驗［3，5-7］，綜合考慮科學性、可行性等原則，選取資金投入、人員投入、經濟產出和知識產出4個二級指標，新產品開發(fā)經費支出、技術改造經費支出、Ramp;D 人員折合全時當量等10個三級指標作為高技術產業(yè)創(chuàng)新效率的評價指標（見表1）。

2.2 數據來源

本研究數據來源于2012—2022年《中國高技術產業(yè)統計年鑒》（其中2018年?？荒?，故缺失2017年的統計數據），選取2011—2021年（缺2017年）投入與產出數據，由于DEA為相對指標，為保證結論的可靠性，選取全國省域數據共同構建生產前沿面，剔除數據缺失的西藏、青海、內蒙古和寧夏，選擇我國27個省、區(qū)、市的數據，共27個評價單元，10個時間序列，10個指標，合計2 700個觀測值。

3 實證結果分析與評價

3.1 我國省域高技術產業(yè)的技術效率

運用DEAP2.1軟件對我國27個省、區(qū)、市2011—2021年高技術產業(yè)創(chuàng)新投入產出指標進行計算，選擇BCC模型產出導向模式，得到各地區(qū)各年度的技術效率值（見表2）。

從表2中可以看出，我國2011—2021年高技術產業(yè)各地區(qū)綜合技術效率平均值為0.911，其中北京、江蘇、安徽、河南、廣東、廣西6個地區(qū)的技術效率均值為1，說明這6個地區(qū)各年度產業(yè)創(chuàng)新績效均位于前沿面上，其投入產出的相對效率最大，也就是DEA有效；而其他地區(qū)都存在不同程度的非DEA有效，其中山西省的技術效率平均值為0.878，低于全國平均水平，技術創(chuàng)新投入產出效率較低，存在投入不當和產出不足的現象。

3.2 山西省高技術產業(yè)的技術效率分解

將技術效率進一步分解為純技術效率和規(guī)模效率，對山西省2011—2021年的技術效率分解情況進行分析，結果見表3。

從表3可以看出，山西省2011—2021年技術效率均值為0.878，其中2011、2012、2014、2015和2016年的技術效率值為1，說明山西省的產業(yè)創(chuàng)新績效在以上年份位于前沿面上，實現了最高的相對效率，即DEA有效，相比之下，2013、2018、2019、2020和2021年都存在不同程度的非DEA有效，即存在效率提升空間。2013年規(guī)模效率明顯偏低且處于規(guī)模收益的遞增階段，這意味著2013年山西省高技術產業(yè)規(guī)模效益有待進一步挖掘，增加投資規(guī)模將獲得規(guī)模收益。隨著投資規(guī)模的不斷增加，2018年呈現技術效率比規(guī)模效率低的情形，純技術效率僅為0.552且處于規(guī)模收益的遞減階段，說明2018年山西省高技術產業(yè)投資規(guī)模較大，存在大量投入冗余，需要適當縮減投資規(guī)模，否則不但不能帶來更多產出，不當的投資比例還會降低創(chuàng)新績效。2019—2021年，山西省的技術效率得到了顯著改善并呈逐年上升趨勢，產業(yè)規(guī)模逐步優(yōu)化，規(guī)模效率表現較好，處于規(guī)模報酬遞增階段，規(guī)模效應逐漸顯現。2021年，純技術效率為1，表明在技術上已無提升空間，但規(guī)模效率為0.975，低于純技術效率，說明此時生產規(guī)模與投入產出不匹配且處于規(guī)模收益的遞增階段，應增加投資規(guī)模以獲得規(guī)模收益。

3.3 山西省高技術產業(yè)技術效率的改進

依據DEA分析結果，山西省高技術產業(yè)2018—2021年度綜合技術效率值分別為0.549、0.752、0.824和0.975，投入產出效率逐年提升，2021年已高于全國平均水平，主要源于近年來在增加投入的同時，投入比例得到了不斷優(yōu)化，投入資源的使用率得到明顯改善，但依然沒有處于前沿面，均表現為非DEA有效。其中，2021年的純技術效率為1，而規(guī)模效率小于1，說明在當前規(guī)模下沒有投入需要減少、沒有產出需要增加，綜合效率沒有達到有效是因為其規(guī)模和投入、產出不匹配；2018、2019和2020年均存在技術效率低下的情況，也就是投入要素比例不當使得定量投入未能獲得最佳產出，表現為投入冗余（剩余變量si-）和產出不足（松弛變量sr+），為達到DEA有效，需要調整投入比例，削減冗余投入并增加產出。通過投影分析可以了解資源投入和產出狀況，找出非DEA有效的來源以及對應指標應該改善的程度。表4為山西省高技術產業(yè)2018—2020年的6項投入要素和4項產出要素的剩余變量和松弛變量。

從投入要素來看，2018年Ramp;D經費內部支出、新產品開發(fā)經費支出、技術改造經費支出、Ramp;D經費內部支出占主營業(yè)務收入的比例以及從業(yè)人員平均人數均存在大量無效投入，不但浪費了資源，還降低了創(chuàng)新效率，分別需要削減10 111.094萬元、24 057.444萬元、11 269.155萬元、0.277%以及28 471.383人；2019年，Ramp;D經費內部支出存在1 731.955萬元的投入冗余，Ramp;D人員折合全時當量存在946.723人年的投入冗余，從業(yè)人員平均人數存在19 221.424人的投入冗余，其他投入要素不需要削減；2020年，新產品開發(fā)經費支出需削減22 602.706萬元，Ramp;D人員折合全時當量需削減1 779.615人年，從業(yè)人員平均數需削減33 659.068人。從產出要素來看，專利申請數在2018年和2019年均產出不足，要達到DEA有效，2018年專利申請數需要增加454.068件，2019年需要增加607.492件；對于利潤總額，2019年需要增加14.631億元，2020年需要增加107.477億元；對于有效發(fā)明專利數，2019年和2020年分別需要增加505.77件和122.296件；新產品銷售收入在各年份均未顯示出產出不足，不需要增加。通過這些具體的削減和增加措施，山西省高技術產業(yè)可以優(yōu)化資源配置，減少無效投入，提高創(chuàng)新效率，并最終實現更有效的產出。

研究結果表明，在2018—2020年，山西省高技術產業(yè)可通過DEA投影分析改進投入產出數值，以降低資源浪費及無效生產，提高創(chuàng)新投入和產出的技術效率。綜合考慮剩余變量、松弛變量和徑向距離，可以得出調整后達到DEA有效的目標值，也就是最佳投入產出數值。2018—2020年山西省高技術產業(yè)調整后的目標值見表5、表6、表7。

從表5、表6、表7可以看出，通過改進投入比例可以得到如下效果：2018年改進投入比例可使得新產品銷售收入、利潤總額、專利申請數、有效發(fā)明專利分別增加1 465 283.301萬元、49.545億元、263.967件和821.952件；2019年分別增加549 353.969萬元、11.168億元、85.084件和225.701件；2020年分別增加457 659.998萬元、7.963億元、126.274件和194.104件。綜合考慮剩余變量、松弛變量和徑向距離，就可以得出調整后達到DEA有效的目標值，也就是最佳投入產出數值。綜上，通過采取一系列措施，山西省高技術產業(yè)在2018—2020年的投入產出規(guī)模及比例逐步得到優(yōu)化，優(yōu)化投入比例所能夠帶來的產出增加值逐年下降，投入產出逐漸趨近于最佳水平。

3.4 基于Malmquist指數的山西省高技術產業(yè)創(chuàng)新效率評價

運用DEAP2.1軟件基于Malmquist指數對2018—2021年全國27個省、區(qū)、市的高技術產業(yè)創(chuàng)新投入產出指標進行計算。選擇BCC模型產出導向模式，可以得到山西省高技術產業(yè)全要素生產率（TFP）變化及其分解指數（見表8）。

從表8可以看出，山西省高技術產業(yè)在2019—2021年的TFP值均大于1，說明近年來全要素生產率總體呈持續(xù)增長趨勢，并且全要素生產率增長情況高于全國平均水平，山西省對高技術產業(yè)技術創(chuàng)新活動人力和物力的投入取得了顯著的成績。通過Malmquist指數的分解發(fā)現，2019年山西省高技術產業(yè)的全要素生產率增長主要得益于純技術效率的提升，技術進步減緩了整體TFP的增長。2020年，盡管規(guī)模效率、技術進步都有所提升，但是由于純技數效率減緩，影響了整體TFP的增長。2021年，技術效率、技術進步、純技術效率和規(guī)模效率均實現了增長，分別提高了18.3%、1.9%、14.2%和3.6%。總體來看，山西省高技術產業(yè)的創(chuàng)新效率雖然低于全國平均水平，但是增長勢頭強勁，特別是純技術效率的提升對TFP增長起到了關鍵作用。未來，山西省應繼續(xù)加強技術創(chuàng)新和提高資源配置效率，以進一步提升產業(yè)競爭力。

4 結論

本文通過實證研究對2011—2021年山西省高技術產業(yè)的技術效率進行了深入分析，從結果來看，山西省技術效率平均值低于全國平均水平且部分年度非DEA有效。進一步分解技術效率發(fā)現，2018—2021年山西省的技術效率呈現逐年上升趨勢，到2021年，純技術效率達到1，表明在技術層面已經達到最優(yōu)，不需要減少投入或增加產出。然而，規(guī)模效率為0.975，意味著通過增加投資規(guī)?？蛇M一步獲得規(guī)模收益。在2018—2020年，山西省的純技術效率較低，反映其存在投入不當和產出不足的現象。通過進一步對2018—2021年度創(chuàng)新投入產出進行投影分析發(fā)現，近年來山西省的創(chuàng)新投入比例不斷優(yōu)化，投入資源的使用率得到明顯提高。Malmquist指數的分解結果進一步揭示了純技術效率是促進山西省高技術產業(yè)創(chuàng)新效率增長的核心驅動力，而技術進步則對創(chuàng)新效率的改善產生負面作用。

綜合來看，國家及山西省政府對高技術產業(yè)的重視和政策支持，促進了創(chuàng)新效率的顯著提升，并顯現較好的純技術效率，產業(yè)規(guī)模也得到了逐步優(yōu)化。為了進一步提升高技術產業(yè)的整體技術創(chuàng)新績效和發(fā)展水平，建議政府加強引導作用，逐步完善技術創(chuàng)新政策體系，不斷強化高技術企業(yè)在技術引進、技術學習、技術開發(fā)等環(huán)節(jié)的能力，持續(xù)提升企業(yè)的自主創(chuàng)新能力和水平。

5 參考文獻

［1］沈俊鑫，張超穎，李晶.中國高技術產業(yè)科技創(chuàng)新效率評價研究——基于三階段超效率DEA模型［J］.江蘇商論，2023（12）：117-122.

［2］張月明，蔣元濤.中國省際高技術產業(yè)創(chuàng)新效率評價研究——基于超效率DEA模型和Malmquist指數法［J］.科技和產業(yè)，2021，21（1）：1-7.

［3］宋躍剛，張欣.中國高技術產業(yè)創(chuàng)新效率測度［J］.統計與決策，2022，38（10）：86-91.

［4］田逸飄，郭佳欽，陽楊.西部陸海新通道制度環(huán)境對高技術產業(yè)技術效率的影響研究——基于SFA與中介變量法 ［J］.科技與經濟，2021，34（4）：86-90.

［5］范德成，谷曉梅.高技術產業(yè)技術創(chuàng)新效率關鍵影響因素分析——基于DEA-Malmquist和BMA方法的實證研究［J］.科研管理，2022，43（1）：70-78.

［6］王嘉麗，趙杭莉，張夏恒.創(chuàng)新鏈視角下中國高技術產業(yè)創(chuàng)新效率研究［J］.技術經濟與管理研究，2022（2）：41-46.

［7］李盛楠，范德成.中國高技術產業(yè)技術創(chuàng)新效率影響因素研究——一個理論框架［J］.科技進步與對策，2020，37（7）：43-51.