1引言

创新是由英文Innovation一词翻译过来的，其字面意义就是引入新事物。加强自主创新，建设创新型国家，是中国政府在综合分析世界发展大势和中国所处历史阶段的基础上，提出的面向未来的重大战略。创新是一个民族进步的灵魂，是国家兴旺发达的不竭动力。创新也是企业生存及发展的重要因素。我国已迅速发展成为世界制造业大国，仅次于美国、日本、德国，居第四位。研究大中型工业企业中不同性质企业的创新效率，有利于比较各种类型企业创新现状，分析存在的问题，优化创新投入，深化企业改革，给政府及相关部门提供决策参考。

对创新效率的实证研究，主要集中在区域创新和行业创新领域，其中以区域创新领域的研究为主。从方法上看，第一种是DEA方法，池仁勇（2003）^[1]选取R&D投入、新产品开发人员及总资产作为投入变量，新产品销售份额、新产品增长率、主要产品更新周期、重大产品创新比重作为产出变量，测算了浙江省不同规模企业的创新效率，认为国有企业创新效率偏低。李双杰、王海燕等（2006）^[2]利用技术创新活动人员、经费作为投入变量，专利申请受理量、发表科技论文及出版科技著作、行业总产值变化率作为产出变量，利用DEA方法对北京制造业的创新效率进行分析。官建成,刘顺忠（2003）^[3]利用研发人员与投入作为投入变量，发明专利作为产出变量研究区域创新效率。此外其他许多学者也用DEA方法进行过类似研究。第二种是随机前沿SFA法，张宗益、周勇等（2006）^[4]选取R&D人员、R&D经费作为投入变量，专利申请量作为产出变量，利用随机前沿估计我国的区域创新效率。第三种是指标体系法，黄鲁成、张红彩（2005）^[5]采用因子分析定权法测算了北京制造业行业的技术创新效率，选取产品项目数、专利申请数、新产品销售收入和新产品工业总产值作为技术创新的产出指标。王伟光（2003）^[6]建立了中国工业行业技术创新效率指数对中国38个行业的技术创新效率进行比较，发现效率差距呈缩小趋势。王广泽、张甦等（1999）^[7]建立了国家创新系统评价指标体系。此外还有许多学者分析创新绩效的影响因素。

总体上，对创新效率的研究成果比较丰厚，研究范围主要集中在区域创新领域，缺乏对不同性质企业创新效率的比较研究。DEA方法能在一定的投入产出下，对经济系统进行综合效率评价，其方法成熟，被应用到许多领域，但对投入产出变量的选取及异常值比较敏感，如果选取不当，会造成很大误差，如总资产作为创新投入明显不妥，主要产品更新周期能否作为年度创新产出值得斟酌，由于我国科技成果转化率偏低，仅用发明专利数量作为创新的产出指标也过于单薄。随机前沿需要事先确定解释变量与被解释变量的函数关系，在复杂经济系统中做到这一点并不容易。指标体系法存在着指标权重的赋值问题，存在人为因素，同时要注意行业及地区的可比性。

本文在科学选取创新绩效指标体系的基础上，应用DEA方法结合Malmquist指数全面分析比较我国大中型工业企业中不同性质企业的创新效率。

2研究方法

2.1可变规模报酬DEA模型（BCC）

DEA是一种测算具有相同类型投入和产出的若干系统或部门（简称决策单元，DMU）相对效率的有效方法。其实质是根据一组关于输入输出的观察值，采用数学规划模型，来估计有效生产的前沿面，再将各DMU与此前沿做比较，进而衡量效率。凡是处在前沿面上的DMU，DEA认定其投入产出组合最有效率，将其效率指标定为1；不在前沿面上的DMU则被认定为无效率，同时以效率前沿面之有效点为基准，给予一个相对的效率指标（大于0，小于1）。此外，DEA还可以判断各个DMU的投入规模的适合程度，给出各DMU调整其投入规模的方向和程度。

传统的统计方法是从大量样本数据中分析出样本集合整体的一般情况，其本质是平均性，DEA则是从样本数据中分析出样本集合中处于相对有效的样本个体，其本质是最优性。DEA在测定若干个决策单元的相对效率时注重的是对每一个决策单元进行优化，所得出的相对效率是其最大值，是最有利于该决策单元的相对效率。

规模报酬不变模型是Charnes，Cooper和Rhodes（CCR，1978）^[8]所提出的最基本DEA模型，因此也成称为CCR模型。为了对DMU的有效性进行较简单的判别，Charnes和Cooper引入了非阿基米德无穷小量的概念，以便用线性规划的单纯形方法求解模型，对决策单元进行一次性判别。

用不变规模报酬模型进行效率测评时，必须假定各决策单元是位于最佳生产规模，否则所测的效率值中，就包含规模效应的影响。为测算生产单元的纯技术效率水平，Banker,  Charnes, Cooper(1984)^[9]提出了可变规模报酬（BCC）模型。在可变规模报酬的假设下，生产可能集T_v为：

      （1）

建立在T_v上的纯技术效率评价的模型（加入松弛变量SA和SB及摄动量ε后）为：

                          （2）

则有：当该问题的解为 时，有如下结论：

(1)         若 ，且SA=SB=0，则DMU₀有效。

(2)         若 ，则DMU₀弱有效，

(3)         若  ，则DMU₀非有效。

如前所述，用不变规模报酬模型测算所得到的效率值，包含了规模效率和纯技术效率两方面的内容。而可变规模报酬模型所考察的，是生产单元的纯技术效率水平。则技术效率 、纯技术效率 和规模效率 的关系为：

                 （3）

通过分别运行CRS、VRS的DEA模型得到θ_c和θ_v，用他们便可以推算规模效率的水平。当θ_c=θ_v时，生产单元的规模效率为1，即生产处于最佳规模；否则生产单元的规模效率有所损失。造成规模效率损失的也有两种原因，分别是规模过大和规模过小造成。如上推算的θ_s<１时，并不能区分这两种情况。即无法判定生产是处于规模报酬递增、还是规模报酬递减阶段，这样就降低了规模效率分析的作用。为此Tim  Coelli T.J(1996)^[10]提出了非增规模报酬NIRS（Non-increase Returns to Scale）模型，即将VRS模型约束条件  改为 就变成NIRS模型。

当生产单元处于规模无效（θ_s<１）时，通过比较θ_s和θ_ｎ就可判别生产所处的规模报酬阶段。

（1）θ_s=θ_ｎ时，生产处于规模报酬递减阶段。

（2）θ_s≠θ_ｎ时，生产处于规模报酬递增阶段。

2.2 Malmquist指数

Malmquist指数最初由Malmquist（1953）^[11]提出，Caves et al.（1982）^[12]首先将该指数应用于生产率变化的测算，此后与Charnes et al.建立的DEA理论相结合，在生产率测算中的应用日益广泛。

以t时期技术T^t为参照，基于产出角度的Malmquist指数可以表示为：

                          （4）

类似地，以t+1时期技术T^t+1为参照，基于产出角度的Malmquist指数可以表示为：

                       （5）

为避免时期选择的随意性可能导致的差异，仿照Fisher理想指数的构造方法，Caves et al.用式（4）和式（5）的几何平均值即（6）式，作为衡量从t时期到t+1时期生产率变化的Malmquist指数。该指数大于1时，表明从t时期到t+1时期全要素生产率是增长的。

               （6）

式（6）中， 和 分别表示（t+1）时期和t时期的投入和产出向量； 和 分别表示以t时期技术T^t为参照，时期t和时期（t+1）的距离函数。

根据上述处理所得到的Malmquist指数具有良好的性质，它可以分解为不变规模报酬假定下技术效率变化指数（Efficiency change，Ech）和技术进步指数（Technical change，Tch），其分解过程如下：

 （7）

其中技术效率变化指数(Ech)还可进一步分解为纯技术效率指数（Pure efficiency change , Pech）和规模效率指数（Scale efficiency change, Sech）。即：

       （8）

从而：

       （9）

即技术效率是纯技术效率与规模效率的乘积，全要素生产率(Total factor productivity change，Tfpch)是技术效率与技术进步的乘积。

与单纯的截面数据DEA分析相比，Malmquist指数分析将技术进步因素剥离，结果更为精确。

3变量的选取与说明

本文重点以大中型工业企业为例，研究不同性质企业的创新效率。全部数据来自于国家统计信息网2005～2006年大中型工业企业自主创新统计资料，实际数据为2004～2005年的数据。表1为变量表。

表1 变量说明

    R&D人员和R&D经费作为创新系统的投入变量已经得到公认，这两项数据有两个来源，一是各个行业的R&D人员和经费投入，一是按项目统计的R&D人员和经费投入，很显然后者数据要低于前者，作为行业创新，并不都是以项目作为基本投入单位的，本文选取前者数据。

    消化吸收支出是消化吸收引进技术的支出，包括消化吸收引进国外技术和国内技术的支出。技术创新除了一部分自主创新外，相当一部分是在吸收消化国内外先进技术的基础上进行的，如我国的家电制造业、通信设备计算机制造业等都是如此。如果没有消化吸收的过程，就没有进一步的创新。需要说明的是，生产全新产品应该属于创新的范畴，但是如果技术及设备都来自引进，至多只能算是管理创新，并不是自主创新，因此本文没有将购买技术支出数据作为投入变量。

    新产品销售收入是典型的创新产出，之所以不选取新产品产值数据是因为部分新产品也许会面临失败，没有在市场上交换，不被市场承认。发明专利数是典型的创新成果，申请专利数虽然可以在一定程度上反映创新成果，但不如发明专利数准确，因为前者并没有被认定，而后者是认定后的结果。专利拥有量是存量数据，显然不能选取。

    以上投入产出变量的选取充分考虑了创新的实际成果而不是理论成果，较准确地反映了企业在创新中投入产出关系。用这些数据作为主要指标进行进一步的分析能科学合理地衡量各类企业效率情况。

4实证结果

4.1全要素生产率的变化及其分解

采用Tim Coelli的DEAP2.1软件进行DEA分析，结果如表2 所示。从平均值看，2005年纯技术效率和规模效率比2004年有所进步，分别为1.10和1.01，导致技术效率指数达到1.12。从技术进步看，2005年比2004年有所下降，仅为0.88，可能存在创新的结构变动，短期内应是正常现象。全要素生产率为0.99，略有下降，主要原因是技术进步下降所至。

纯技术效率反映了在一定的条件下创新的产出水平。各类企业的纯技术效率均较高，全部超过1。纯技术效率较高的有股份有限公司、有限责任公司、国有企业，其他类型的企业基本相当。

规模效率深层次反映了管理水平。从规模效率看，内资企业要超过港澳台及外商投资企业，反映了国有企业在创新制度建设与管理方面的深刻变化，从另外一个角度分析，这也反映了国有企业这方面的差距，正因为有差距，进步才比较显著。内资企业中，规模效率较高的有股份合作企业和集体企业，联营企业、股份有限公司、国有企业、有限责任公司偏低，独资企业的规模效率超过中外合资企业。

从技术进步看，港澳台企业的技术进步要超过内资企业与外商投资企业，但三类企业的技术进步指数均小于1，呈下降态势。内资企业中，技术进步指数较高的有集体企业和联营企业，反映了这些企业在创新活动中活跃程度。合资企业、私营企业、有限责任公司技术进步偏低。外资企业的技术进步要远远超过合资企业，并且在所有类型企业中，外资企业技术进步最高，这和实际情况是相符的。

全要素生产率是技术进步与技术效率的乘积，综合反映了企业创新在技术、管理方面的综合水平，外资企业、股份有限公司、集体企业的全要素生产率较高，中外合资企业、私营企业、港澳台企业的全要素生产率偏低。

表2 2004～2005我国大中型企业Malmquist指数及其分解

4.2 2005年技术效率的截面数据分析

为了进一步分析大中型工业企业规模收益的状况以及在维持产出不变的情况下投入要素的改进程度，继续利用2005年数据进行进一步分析，结果如表3所示。

从平均水平看，2005年纯技术效率较高，达到0.94，规模效率偏低，为0.86，导致技术效率不高，仅为0.80。

从纯技术效率看，总体不错，除国有企业及国有独资公司外，其余所有性质的企业都做到了完全有效。

从规模效率看，外资企业、合资企业、港澳台投资企业、股份合作企业、集体企业、私营企业完全有效。规模效率较低的有联营企业（包括国有联营企业）、有限责任公司、股份有限公司。

从规模报酬看，除6个技术效率完全有效的企业外，联营企业（包括国有联营企业）规模报酬递增，增加规模可以提高效率。国有企业、有限责任公司（包括国有独资公司）、股份有限公司规模报酬递减，需要减少规模才能提高效率，深层次反映了管理问题。

表3还给出了在维持现有创新产出最优的情况下，投入要素的节约程度。总体上看，国有企业中研发人员投入浪费比较严重，在减少64.75%研发人员的情况下可以维持产出不变。研发经费及消化吸收投入的改进程度相当，为45.51%。反映了国有企业管理体制的弊病。

表3 2005年不同性质企业效率及其分解

5结论与讨论

    我国大中型工业企业创新的纯技术效率普遍较高，宏观上内资企业、外资企业、港澳台企业水平基本相当。规模效率平均水平低于纯技术效率，内资企业要超过港澳台及外商投资企业，股份合作企业、集体企业规模效率较高，联营企业、股份有限公司、有限责任公司规模效率偏低。技术进步水平总体偏低，港澳台企业的技术进步要超过内资企业与外资企业。外资企业、集体企业、联营企业的技术进步较高，合资企业、私营企业、有限责任公司技术进步偏低。我国大中型企业创新正在进行结构调整，创新的技术进步有所下降应该是正常现象。

    我国是个资源缺乏型国家，在创新中必须考虑资源节约问题。国有企业及国有独资公司浪费比较严重，在短期内创新技术难以取得突破的情况下，首先应从制度及管理层面进行改进，以调动广大企业及创新人员的积极性。

    创新除了技术创新和产品创新外，还包括制度创新和管理创新，由于后者很难量化，因此，本文只能局限在技术创新和产品创新层面进行研究，而将制度创新和管理创新的成果隐含在整个制造业经济系统中。

参考文献

[1] 池仁勇. 企业技术创新效率及其影响因素研究[J]. 数量经济技术经济研究,2003(6):105-108

[2]李双杰、王海燕等. 基于ＤＥＡ模型的制造业技术创新资源配置效率分析[J]. 工业技术经济,2006(3):112-115

[3] 官建成,刘顺忠. 区域创新机构对创新绩效影响的研究[J]. 科学学研究,2003(4):210-214

[4] 张宗益、周勇等. 基于SFA模型的我国区域技术创新效率的实证研究[J]. 软科学,2006(2):125-128

[5]黄鲁成、张红彩. 北京制造业行业的技术创新效率评价[J]. 科学学研究,2005(12):279-282

[6] 王伟光. 中国工业行业技术创新效率的实证研究(1990-1999)[J]. 沈阳师范大学学报(社会科学版),2003(1):57-62

[7]王广泽、张甦等. 国家创新系统效率的评价指标体系[J]. 科技与管理,1999(3):27-31

[8]Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978(2): 429-444

[9]Banker, R.D., Charnes, A. and Cooper, W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J], Management Science, 1984,30（9）：1078-1092.

[10]Coelli, T.J.  A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program, CEPA Working Paper 1996/8, Department of Econometrics, University of New England, Armidale NSW Australia.08

[17]Malmquist,S. Index Numbers and Indifference Surfaces[J].Trabajos de Estatistica,1953( 4): 209-242.

[18] Caves, D.W., L.R. Christensen and W.E. Diewert. The Economic Theory of Index Numbers and the Measurement of Input, Output and Productivity[J].  Econometrics, 1982(50): 1393-1414.