高技术产业创新效率的数据包络分析
摘要：本文利用数据包络分析（Data Envelopment Analysis，简称DEA） 的模型对我国2008年高技术产业中23个细分行业的技术创新效率进行了核算，结果表明通信业、电子计算机业与医疗设备及器械业的科技创新效率高，高技术产业资金效率较低创新基础能力薄弱，主要表现为设备经费利用效率低，专利产出不足。
关键词：科技创新效率 数据包络 高技术产业
创新是社会发展的直接动力，尤其是萨缪尔森等经济学家得出人均产出来源于技术创新的结论后，各国更加重视创新。我国在1998”2008年的R＆D资金投入和科技活动人数年增长率分别为19.28%、16.28%，2008年分别达到4616.02亿元、498.74万人。然而创新投入的高增长与生产率低增长形成鲜明的反差，促使研究人员反思创新过程中的效率问题，对行业尤其是高技术行业的技术创新效率的研究显得极为重要。
一、文献回顾
目前，研究技术创新效率的文献较多，研究的角度各异，主要集中在企业、区域与行业。有关高技术行业的研究，在方法上多利用参数法进行分析。当然也有一些学者采用非参数的DEA方法对高技术行业创新绩效进行了评价，但是在指标的选取上不尽一致，投入项多是科技人员、科研经费；产出项则多是从新产品销售的收入、专利项数进行选取。但是，不考虑资产投入的进一步细分，在投入项的选择上有失全面性；其次，在产出项的选择上，没有科研项目数与发明数，体现不了高技术产业的创新能力与创新基础。
二、效率分析模型
数据包络分析DEA是1978年由Charnes等人创建的，主要用来评价具有多个投入和多个产出的决策单元（Decision Making Unit, DMU）间的相对有效性（简称DEA有效），其本质是判断DMU是否位于生产可能集的'前沿面“上，它是一种非参数的效率测度方法。
我国高技术产业的一个突出特点是企业数目偏多、规模偏小。因此，有必要从投入角度分析在现有情况下高技术产业应如何进行调整才能提高整体效率，故本文将采用投入导向下的规模报酬可变的DEA模型进行分析，对各类型企业的技术创新效率进行评价。输入有效性模型如下：
在Ｃ2GS2模型中，θ为目标决策单元DMU O的有效值（指投入相对于产出的有效利用程度）；Xj=（xj1，xj2,...,xjm）表示DMUj的m种不同投入要素；Yj=(yj1,yj2,...yjm) 为DMUj的n种不同产出要素； λj为相对于DMU O重新构造一个有效DMU组合中第j个决策单元DMUj的组合比例；S-，S+为松弛变量。
...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
