[摘 要] 科技投入产出效率评价有助于各省分析科技投入产出现状，实现投入产出的最佳配置。选取R&D人员全时当量、R&D经费内部支出作为输入指标，技术市场成交合同金额、专利申请受理数、专利申请授权数、国外主要检索工具收录中国科技论文数作为输出指标。运用数据包络分析对中国30个省2011年的科技投入产出效率进行评价；基于中国30个省2005—2011年的面板数据，运用Malmuist指数对中国科技投入产出效率进行动态评价，并进行分解分析。

　　[关键词] 科技投入产出；效率评价；数据包络分析；Malmquist指数

　　[中图分类号] F223；F124.3 [文献标识码]A [文章编号]1673-5595（2014）06-0016-05

　　一、引言

　　科学技术已经成为现代生产力发展和经济增长的关键性和主导性要素，其本身同样需要大量的投入。[1]对科技投入产出效率进行评价有助于认识投入产出过程中存在的不足，实现投入产出的最佳配置。由于数据包络分析（DEA）在全要素效率分析方面具有诸多优势，因此许多学者运用该方法对省域科技投入产出效率进行研究。张前荣以每万名经济活动人口中科技活动人数、国外高技术引进额等11个指标为投入，科技论文数、完成软科学课题数等8项指标为产出，对中国沿海、大城市等6个区域2004—2006年的科技投入产出效率等进行评价分析；[2]吕晨和曾明彬以R&D人员数量、重点实验室数量等6项指标为投入，每10万人平均发表的国内外检索论文数、发明专利申请数、高科技产业销售收入占总销售比例为产出，2006年的投入和2009年的产出为样本，对中国31个省的科技投入产出效率进行评价；[3]李燕萍等以研发经费投入、研发人员全时当量、科技活动人员数为投入，三种专利授权数、国际论文发表数、技术市场成交金额为产出，对各省2003—2008年的科技投入产出效率进行评价。[4]赵宏和王军以R&D科学家和工程师、R&D科研经费投入、企业其他经费支出为投入，国内中文期刊科技论文数、发明专利授权量等4项指标为产出，对各省2006—2008年的科技投入产出效率进行评价。[5]方爱平和李虹以R&D人员全时当量、大专以上受教育比重等7个指标为投入，以有效发明专利数、GDP中工业增加值等4项指标为产出，对2012年西部12个省的科技投入产出效率进行评价。[6]除了静态DEA方法外，Malmquist指数能进一步反映投入产出的动态效率，在地区科技投入产出效率评价方面也得到了广泛应用。陈燕武应用Malmquist指数对2004—2008年福建省9个地市的科技投入产出效率进行动态评价；[7]董洁和张体委运用Malmquist指数对长三角地区高技术产业的R&D效率进行测度分析。[8]可见，由于分析视角不同，不同学者构建的科技投入产出效率评价指标体系不尽相同，且多从静态的角度考察省域科技投入产出效率，缺乏省际间的动态、深入分析。本文借鉴上述研究成果，依据2005—2011年中国30个省市自治区的面板数据，对中国省域科技投入产出效率进行评价，找出影响各省域科技投入产出效率的重要原因，提出提高各省投入产出效率的对策建议，以实现各省科技投入产出的合理配置，促进中国科技进步。

　　二、科技投入产出效率评价指标体系和数据来源

　　本文选择DEA和Malmquist指数方法对中国省域科技投入产出效率进行评价，选取研究与试验发展（R&D）人员全时当量、研究与试验发展（R&D）经费内部支出作为输入指标，选取技术市场成交合同金额、专利申请受理数、专利申请授权数、国外主要检索工具收录中国科技论文数作为输出指标。决策单元选择中国2005—2011年30个省市自治区（由于缺乏部分数据，不包括台湾和西藏）科技投入产出的面板数据，所有数据均来自2006—2013年的《中国科技统计年鉴》。

　　三、2011年省域科技投入产出效率的DEA评价

　　DEA方法由Charnes、Cooper和Rhodes等人提出，由于其不需要事先假设生产函数形式，无需设置指标权重，因此特别适合多个决策单元多输入、多输出的评价问题。设有n个评价对象，第j个决策单元包含m种输入和s种输出，分别记为xij，i=1，2，…，m；yrj，r=1，2，…，s。对第k个评价对象进行DEA评价，投入导向的C2R模型为[9]：

　　求解模型（1）得到的目标函数值称为技术效率（Technological Efficiency，TE）。由于C2R模型假设规模报酬不变，因此与实际不符。Banker、Charnes和Cooper剔除该假设，提出BC2模型，即在模型（1）的约束条件中增加∑nj=1λj=1，得到的目标函数值称为纯技术效率（Pure Technological Efficiency，PTE）。

　　对2011年中国各地区科技投入产出的相关指标数据，分别应用投入导向的C2R和BC2模型进行科技投入产出效率横向评价，并计算TE和PTE的比值，得到规模效率（Scale Efficiency，SE）：SE=TE/PTE。很明显，TE≤PTE≤1，SE≤1。若TE=PTE=SE=1，表明决策单元DEA有效，实现了科技投入产出的最佳配置；若TE=PTE<1，SE=1，表明决策单元非DEA有效，其无效率均来自技术方面的因素；若TE　　中国石油大学学报（社会科学版） 2014年12月第30卷 第6期 宋杰鲲，等：中国省域科技投入产出效率评价由表1可知，2011年全国平均科技投入产出效率为71.5%，说明有28.5%的投入和产出未实现科学配置。北京、吉林、黑龙江、江苏、浙江、重庆、陕西、甘肃等8个省市的TE、PTE和SE均为1，表明它们同时实现了规模有效和技术有效，即这8个省市实现了科技投入与产出在规模和技术上的最佳配置；广东省的SE=1，但是PTE<1，表明其科技投入产出规模有效，但技术无效；海南和青海的PTE=1，但SE<1，表明其科技投入产出技术有效，但规模无效；其余19个省市自治区既非规模有效也非技术有效，表明其效率低下是由技术效率和规模效率不高导致的。

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。