［提要］ 技术创新是一个企业的灵魂，是企业赖以生存和发展的源泉，更是一个国家经济发展的重要力量，是增强我国综合国力的重要途径。本文根据高新技术企业构建创新效率评价指标体系，以中国98家上市高新技术企业为研究对象，使用企业相关数据，运用BCC-DEA模型对企业的技术创新效率进行测算和分析，并提出提升我国高新技术企业技术创新效率的建议。
关键词：高新技术企业；技术创新效率；数据包络分析
中图分类号：F27 文献标识码：A
收录日期：2022年9月14日
创新是一个企业的灵魂，是企业生存和发展的根本，更是一个国家经济发展的重要力量。2020年全球创新指数报告指出，中国在全球创新指数榜单中保持着第14位的排名，在榜单前30名的国家中，只有中国是中等收入经济体，其他都是高收入国家。据介绍，中国在专利、实用新型等重要指标方面都排名靠前。随着全球新的经济形势，以及党中央所提出的新时代要求，为了促进我国更高质量的经济发展，我国应将创新发展作为整个国家发展的中心，以创新带动发展，并强调科技创新的重要性，以高水平的创新效率支撑创新型国家的建设。2013年，习近平在视察工作时提到，科技创新在提高社会生产力和国家综合国力方面具有十分重要的意义。2016年6月3日，习近平指出要继续加强我国在创新和科技方面的建设。2018年7月13日，习近平指出，关键核心技术创新能力的提高能够有效推动我国经济高速高质量的发展。2020年，《中国区域科技创新评价报告》指出，我国要进一步提高科技创新水平，完善区域创新体系。
高新技术产业是全球科技竞争的重要阵地，是提高我国创新水平的关键内在推动力。近年来，中国高新技术产业的发展呈不断上升的态势，其投入与产出也在逐年提高。根据《2019年全国国民经济和社会发展统计公报》可知，与前一年相比，2019年我国该行业增加值提高了8.8%，投资提高了17.3%。在日新月异的高科技领域中，作为高新技术产业的主力军，高新技术企业不仅需要持续开展高效高质量的技术创新，以此在竞争激烈的世界科技创新领域中占据一席之地，还需要衡量在技术创新方面的投入产出之比，进而分析企业的技术创新效率。鉴于我国目前还处于发展中国家，与发达国家相比，我国面临着创新资源紧缺的情况，高新技术企业所支配的资源是有限的。因此，精确地测算与客观地评价高新技术企业的技术创新效率，分析不同企业之间的效率差异以及创新效率的变化是提出改善措施的关键。
一、高新技术企业创新效率评价指标体系及模型构建
（一）指标选取及数据来源
1、评价指标体系设计。高新技术企业技术创新效率评价指标的选择确定了其结果是否正确、可信。在满足相关数据可获取的前提下，在选取过程中应注意指标应全面，整体具有系统性，在研究时能够操作，具有较强的实用性。从指标数量来看，过少的指标无法全面客观地衡量决策单元的实际情况，过多的指标则会造成一定的冗余，增加了不必要的工作量。从指标性质上看，投入产出指标的选取应当贴合实际，才能提供准确的评价结果。考虑到数据的可获取性，本文建立的技术创新效率评价指标包括投入指标和产出指标，其中投入指标包括研发人员数量和研发支出，而产出指标则选取营业收入来表示。
2、数据来源。本文选取沪、深两地上市的、符合条件的高新技术企业为研究样本，为保障估计结果有效，进行了如下筛选，最后得到98个研究样本。（1）剔除ST和*ST公司的数据，排除经营存在异常的公司，以免对结果造成偏差。（2）剔除部分指标数据缺失的样本，以保证数据的顺利处理。（3）对于未申请认证为“高新技术企业”的样本进行剔除，依据高新技术企业认定工作网来确定。相关数据从Wind数据库和CSMAR数据库整理得到，本文选取2019年的数据来对高新技术企业的技术创新效率进行测算和分析。
（二）模型选取与构建
1、模型选取。现有文献中有两种方法来衡量效率：第一种是参数法，以随机前沿法（SFA）为代表，该方法要求预先设定相应的生产函数和偶然误差分布等，并对生产函数中的参变量进行估算，再测算效率；第二种是非参数法，作为其中最典型的一种，数据包络分析法（DEA）不用对参数进行估算，也不用预设生产函数，能对随机误差和非效率项进行分离，避免了由于主观而对结果产生影响。此外，SFA是在单一产出多种投入的情况下选择的方法，而针对投入和产出都是大于1的情况，应选择数据包络分析法（DEA）；而高新技术企业的技术创新是一个动态、复杂的过程，很难设定一个准确的函数来表达企业的创新效率。因此，本文选取DEA模型进行接下来的测算、分析。
2、模型构建。数据包络分析法（DEA）最早由运筹学家Charnes及其他学者提出，现在广泛用于测算技术创新效率的一种方法。该方法一般包括规模报酬可变（BCC）和规模报酬固定（CCR）两种模型。如果全部企业在经营过程中都按其自身的最优规模进行，可以使用CCR模型，但是这个模型只能量度综合技术效率；而在不完全竞争和财政约束出现时，企业无法按照这个规模运转，此时，使用规模报酬可变模型可以在不受规模影响的情况下计算创新效率，且该模型将综合技术效率进行分解，使得对技术创新效率的分析能够从更具体的两方面进行，即技术水平和规模因素。本文采用BCC-DEA模型的表达式为：
min［θ-ε（■si-+■sr+）］■xijλj+si-=θxik■yrjλj+sr+=yrk■λj=1λj，si-，sr+≥0；j=1，2，…，n
式中，θ是目标规划值，λj 是规划决策变量，ε为非阿基米德无穷小，si-、sr+为松弛变量向量。若θ=1，s-=0，s+=0，则决策单元为DEA有效；若θ＜1，决策单元为DEA无效；若θ=1，s-≠0或s+≠0，决策单元为弱DEA有效。
二、高新技术企业技术创新效率实证分析
为了对本文98个研究样本的技术创新效率进行测算、分析，借助Deap2.1软件得到表1中的结果。（表1）
（一）决策单元综合技术效率分析。将98家企业按其综合效率值的高低划分为表2所示的4个区间。（表2）
由表1可知，从整体角度来看，所有被研究企业综合效率的均值是0.182，处在一个很低的程度，就其分解指标而言，其规模效率均值（0.748）与纯技术效率均值（0.291）相比处于较高的水平，这说明技术和管理水平是制约高新技术企业创新效率提升的主要因素。在98家样本企业中，万邦德、太安堂和云南白药三家企业的技术创新活动位于生产前沿面上，占总数的3.06%，这三家企业的综合效率及其分解后的两个效率指标都为1，表明这些企业在创新活动中，投入与产出从整体上而言处于最佳的状况，其在技术管理和资源配置方面处于相对最优。协鑫集成、安迪苏、昆药集团和仁和药业这4家企业综合效率值位于0.5～1之间，占企业总数的4.08%，且这4家企业的规模效率值均大于纯技术效率值，这说明纯技术效率在更大程度上阻碍了综合效率的提高。综合效率值位于0.1～0.5之间的企业有56家，说明在样本企业中，57.14%的企业的创新效率均处于较低水平。此外，有35家企业的综合效率甚至不足0.1，意味着其资源配置较差，投入的资源没有充分利用而造成这些企业综合效率过低的原因各有不同，其中，立讯精密、恒瑞医药、中国长城、中航光电和中兴通讯这5家企业的纯技术效率值大于规模效率值，表明抑制其综合创新效率提升的主要原因是企业的规模，而其他30家企业的主要制约因素为其技术管理水平。
（二）决策单元纯技术效率分析。纯技术效率是指在剔除企业规模这一因素的条件下技术创新资源的配置效率，纯技术效率值越高意味着企业技术创新资源配置越接近于纯技术有效。就整体上而言，2019年98家企业的纯技术效率均值为0.291，与生产前沿面相差0.709，整体处于较低水平。其中，纯技术创新效率处于生产前沿面上的企业有8个企业，包括万邦德、太安堂、云南白药、长江通信、中兴通讯、天津普林、欧菲光和立讯精密，意味着这些企业在其创新过程中对资源的使用达到了最有效的状态，没有浪费现象，且达到了最大产出。纯技术效率值位于0.5～1这个区间的企业占比10.20%，表明纯技术效率相对高效的企业较少，仅有10个企业；位于0.1～0.5之间的企业占企业总数的61.22%，有60家企业，表明多数企业的纯技术效率处于相对较低的水平；小于0.1的有20家企业，占比20.41%，表明超过1/5的样本企业的纯技术效率值位于过低的水平。低于纯技术效率均值的企业有72家，占企业总数的73.47%，这意味着大多数高新技术企业技术比较落后。此外，纯技术效率值不高也可能是企业管理效率低、管理体制不完善所致，所以企业应进一步提高在创新过程中的技术和管理水平。
（三）决策单元规模效率。规模效率反映企业的投入和产出之间是否处于一个最佳的匹配程度。由表2可知，98家企业的规模效率均值为0.748，与生产前沿面相差0.252，表明高新技术企业规模效率水平还有25.2%的上升空间。在所选的98个研究样本中，万邦德、太安堂、云南白药、和而泰、水晶光电5家企业的规模效率值为1。其中，万邦德、太安堂、云南白药3家企业的综合效率位于生产前沿面上，和而泰、水晶光电这两家企业由于其纯技术效率较低导致企业的综合技术创新效率处于较低的水平。规模效率值在0.5～1这个区间的企业有68家，占比69.39%，表明一半以上样本企业的规模效率值处于相对较高的水平；位于0.1～0.5之间的企业占样本企业的23.47%，有23家企业，表明规模效率值处于相对较低水平的企业也占据不小的份额，而规模效率值小于0.1的企业仅有立讯精密和中兴通讯两家，表明98家企业中规模效率过低的企业较少。
规模报酬递增的有葵花药业、中京电子等25家企业，占比为25.51%，这些企业应该进一步增加其在创新过程中的投入，以达到最佳的规模；万邦德、太安堂、云南白药等10家企业处于规模报酬不变的情况，占比10.20%，说明一小部分企业应该保持现有的规模；规模报酬递减的有沃华医药、四创电子等63家企业，占比为64.29%，表明多数企业由于投入的资源未得到有效利用，存在一定的效率损失问题，应该改善研发人员和资金投入的使用方向。
三、研究结论
本文采用BCC-DEA模型对沪、深上市的高新技术企业在2019年的技术创新效率问题进行了测算和分析，得到如下结论：98家企业2019年整体的创新效率较低，技术效率是抑制高新技术企业创新效率提高的主要原因，通过分解可知，纯技术效率是制约综合效率提高的直接原因，这意味着大多数高新技术企业技术水平落后是制约企业创新效率提高，进而制约企业创新发展的关键因素。因此，企业应增加创新活动中创新资源的投入水平，提高其投入质量和资源利用率，进一步提高企业的技术创新效率。具体到企业来看，在样本高新技术企业中，技术创新效率值相差悬殊，最高的企业达到了1，最低的企业只有0.027。万邦德、太安堂和云南白药三家企业的综合技术创新效率、纯技术效率和规模效率都达到了DEA有效；超过1/2企业的创新效率处于较低水平，技术效率或者技术进步在不同程度上制约了创新效率的提高；而研究样本中，35.71%企业的创新效率处于过低水平，这些企业在资源配置方面存在较大的不合理现象，其中大多数企业过低的创新效率是由于技术管理水平较低或者管理体制不完善导致的。样本高新技术企业中，约1/4的企业处于规模效益递增，有一半以上的企业处于规模效益递减的状况，说明多数企业在利用资源时存在一定的效率损失问题。 （通讯作者：孙玉忠）
（作者单位：黑龙江八一农垦大学经济管理学院）
主要参考文献：
［1］张宗益，周勇，钱灿，赖德林.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（02）.
［2］尹述颖，陈立泰.基于两阶段SFA模型的中国医药企业技术创新效率研究［J］.软科学，2016.30（05）.
［3］易明，彭甲超，吴超.基于SFA方法的中国高新技术产业创新效率研究［J］.科研管理，2019.40（11）.
［4］晁坤.基于SFA的装备制造业技术创新效率实证检验［J］.统计与决策，2020.36（20）.
［5］李健英，慕羊.基于DEA方法的我国上市企业创新绩效研究［J］.科学学与科学技术管理，2015.36（02）.
［6］刘满凤，李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究［J］.管理评论，2016.28（01）.
|
