我国高新技术产业技术创新效率评价及其影响因素分析_百度讲解

天津财经大学全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究论文作者:罗艳孙淑英吕鹏浩指导教师:曹景林二○○九年九月全国大学生统计建模大赛论文我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究TheEvaluationofTechnologicalInnovationEfficiencyofChina'sHigh-techIndustryandAnalysisofInfluencingFactors——BasedontheProvincialDatabyDEAApproach1我国高新技术产业技术创新效率评价及其影响因素分析——基于DEA方法的省级数据的研究摘要:本文采用数据包络分析方法,利用2003~2007年全国高新技术产业的投入产出数据,对其技术创新效率进行了评价;并用TOBIT模型分别分析全国的、东、中、西部地区的技术创新效率的影响因素。结果显示:我国技术创新效率整体水平偏低,区域间的差异也比较大。TOBIT模型回归结果表明:各地区的工业化水平、科学家和工程师数占科技活动人员总量的比重与我国整体的高新技术产业技术创新效率有显著的正相关关系;东部、中部地区的创新扩散与创新效率也有显著的正向关系;仅西部地区的科技活动中的企业投入资金对技术创新效率有显著的正向作用,要加大企业自有资金的科技投入但要严防固定资产投资和效率相背离的现象。关键词:技术创新效率;数据包络分析;TOBIT模型234大,带有一定的原创性,最能够代表我国技术创新整体水平。本文根据国家2002年颁布的高新技术产业统计分类目录,利用2003-2008年中国高新技术产业发展年鉴的数据,选取合适的技术创新的投入产出指标,采用DEA方法,考察全国范围内各省、市、自治区高新技术产业的技术创新效率,进而利用TOBIT模型分析影响技术创新效率的主要因素。二、高新技术产业技术创新效率的评价与分析方法(一高新技术产业技术创新效率的评价方法DEA(数据包络分析是由Farrell于1957年首次提出并应用于单一投入和单一产出的技术效率分析,后来Charnes、W.W.Cooper和E.Rhodes于1978年将其扩展为CCR模型。这是一种确定有效生产前沿面及评估具有多投入和多产出特点的相同类型决策单元(DMU相对有效性的非参数方法。它直接利用线性优化给出边界生产函数与距离函数的估算,通过界定各决策单元是否位于“生产前沿面”上来比较各决策单元之间的相对效率并显示最优值(投影值。该方法的突出优点是:所需投入、产出的指标数量少并具有较高的灵敏度与可靠性,可以直接使用无法价格化以及难以确定权重的指标进行分析,在保证了原始信息的完整同时也避免了人为确定权重时的主观作用。DEA方法无需对生产函数的形式和分布做出假设,从而避免较强的理论约束使其具有广泛的适用性。本文用的是CCR模型,该模型由最有效率的决策单元构成生产前沿面,将其效率定义为1,而在其前沿边界之内的决策单元视为相对无效,其效率值定义在0和1之间,并假设其规模报酬不变。当有n个决策单元(DUM,m种投入要素(X,s种产出(Y时,该模型可表示如下:[ijX]表示jDUM的投入向量,其中j=1,……,n;i=1,……,m;[rjY]表示jDUM的产出向量,其中r=1,……,s。则某一决策单元jDUM的相对效率jh表示成:Max11srrjrjmiijiuyhvx===∑∑①,s.t111srrjrjmiijiuyhvx===≤∑∑,其中,riuvo≥,,riuv分别表示第r个产出项和第i个投入项的权数。①式表示的是第j个决策单元最大化的相对效率,这是一个分数线性规划模型,方程解有无数多个,求解该方程需要将其转化为线性规划模式。假定决策单元j投入不变,让其产出最大,则表达式为:Maxjh=1srrjruy=∑②,s.t1miijivx=∑=1,1srrjruy=∑-1miijivx=∑≤0,ru,iv≥0。第一个约束条件表示投入要素的加权总和为1,第二个约束条件对应①式的约束条件。将②式及其约束条件转换成其对偶模式[2],使转换后包络形式的对偶模式有唯一解,表示如下:5Minjh=θ③,s.t1njijijjxxλ=≤∑,1njrjrjjyyλ=≥∑,0jλ≥。③式中,θ为第j个决策单元的相对效率,iλ为第r个产出项和第i个投入项的权数。利用Deap2.0软件输入投入、产出数据及其对应的参数后即可计算出各决策单元的相对效率。(二技术创新效率影响因素的分析方法--TOBIT模型Tobit回归模型研究的是观察资料被截断(Censored的回归问题,这种截断不是对观察个数(观察序列的截断,而是对因变量观察值界限的截断。本文通过第一步DEA模型得到各地区高新技术产业技术创新的效率值后,由于该值介于0和1之间,所以将其作为TOBIT回归的因变量,借助TOBIT回归,就DEA模型未纳入的外生变量为自变量,再加入控制变量,便可分析出作用于DEA模型效率值的影响因素。此种情况下,如果用最小二乘法直接回归,因为其因变量的取值范围是(0,1],估计结果将是有偏的[11]。为了解决这一问题,使用极大似然估计法。首先假设模型误差项服从N(0,2σ分布,Tobit模型可以表示为:''00,iiiiiiXXYβεβεε⎧++=⎨⎩,当,服从其它N(0,2σ,待估参数是β、2σ。设fi与Fi分别为标准正态分布的密度函数f(·与分布函数f(·在σβ/iX'处的函数值,即/(σβiiXff'=,/(σβiiXFF'=。对于0iY=时的自变量'0iiXβε+,所以事件{0iY=}发生的概率为:''(0((1iiiiiiXPYPXPFεβεβσσ==-=-=-,事件{Yi0}发生的概率仍然正态分布,因为2(Var(Var,(σεβ=='=iiiiYXYE。所以,'22((2(0iiYXiPYβσ--=。(5.2.57由此可以得到全体样本的似然函数:∏∏'---=-12/((exp(2(1(22212nniiiXYFlσβπσ(5.2.58其对数函数为(舍去常数项2/((1n21(1n1n22211σβσiininXYnFlL'----==∑∑最大似然估计方法就是要求2,βσ∧∧,使22(,max(,LLβσβσ∧∧=。这样得到的估计研活动的人数对创新的效率有着直接的影响,故将其选入作为投入的人力指标。财力指标如图1显示,包括技术改造、引进、消化吸收经费支出,科技活动经费筹集额中企业资金、政府资金和金融机构贷款。关于产出指标,因为专利比较接近创新的商业应用,专利数据能比较全面的反映各地区发明和创新的信息,故专利是常用来衡量地区创新能力和创新产出的指标。此外还选取了各地区高新产品的产值作为衡量技术创新产出的指标,因为该指标反映了科技成果转化为市场价值的程度,用新产品出口的销售收入反映新技术的扩散和转移,这也是本文指标的选取较以往研究技术创新效率文献的创新点。(三计算DEA效率67为了更直观的描述表1的内容,利用arcgis软件将各省份的相对效率值数据利用柱状图的形式在地图上表现出来,见图2。图2各省份的相对效率值柱状图根据表2的数据,我们发现:1.从总体看来,我国技术创新效率整体水平不高,各省市差别很大,但东部地区的创新效率明显高于中、西部地区。原因在于,沿海地区的开发开放是最早的,珠三角、长三角和环渤海地区已成为我国高新技术产业发展的主要基地,高新技术产业的高度集中同时也散发着强大的辐射作用带动了整个东部地区的创新和发展。中、西部地区相比,中部地区的技术创新效率略低于西部地区。这与实际国家的政策倾向相吻合。2.相对效率值为1的个体,即处于效率前沿面的省份包括:天津、广东、云南、新疆,此外,上海、北京、福建、山西的相对效率值接近1。产生这种情况的原因是:近几年世界500强企业纷纷在天津高新技术产业园区落户,设立总部及科研机构、从事高新技术研发及转化工作,以行业应用为导向重点建立实验室,同时国家对重大科技成果进入高新区实施产业化给予重点支持,促进了高新区对战略产业的关键技术进行协同创新。广东省属于对外开放较早的城市,1998年就作出了《关于依靠科技进步推动产业结构优化升级的决定》,明确提出了“要增创广东发展新优势,关键是争创科技新优势”。当前,全省一系列有助于高新技术发展的优惠政策随之纷纷出台,在税收、财政返还、吸纳人才、技术和设备进出口、对外合作交流等方面都为发展高新技术产业大开绿灯,形成了一个以广州、深圳为中心的珠江三角洲高新技术产业带和以电子信息、新材料、光机电一体化、生物工程技术为主体的高新技术产业群。相比之下,从投入产出的原始数据(由于篇幅原因这里未列示看,云南、新疆的技术创新投入和产出指标的数值都偏小,但不影响其效率,因为高新技术产业是该地区的新型产业,基本不存在投入要素冗余,所以在计算效率值时该个体同样位于效率前沿面,这与效率值的计算方法有关。3.从长期趋势看,我国高新技术产业技术创新效率呈现波动趋势,其中2005-2006年最高,2004-2005年最低。89(四高新技术产业技术创新效率的影响因素分析影响高新技术产业技术创新效率的因素有很多,有微观和宏观因素,内部和外部因素。因为科技创新主要集中在工业领域所以用工业增加值占GDP的比重[11]表示我国各地区的工业化水平。一般而言,工业化水平高其技术创新的基础好,所以,效率也高;由于高新技术产业是国家支持的对象,政府对此给与了许多财政、金融方面的优惠政策。通过人财物的投入支持,影响到高新技术产业技术创新效率。本文用科技活动中的金融机构贷款占科技活动经费总筹集额的比重代表金融政策、用高新技术产业发展年鉴统计出的微电子控制设备价值占年末固定资产原价的比重代表技术创新的硬件基础。一般情况是,技术创新的硬件基础越好高新技术产业技术创新效率越高,而金融政策在一定范围内也会促使高新技术产业技术创新效率提高;由于行业内的技术溢出效应导致创新扩散,这在一定程度上推进了技术创新,所以本文将新产品销售收入的增长率代表创新扩散也纳入到影响因素中;再以科技活动中科学家和工程师的数量占科技活动人员总量的比重,企业资金、政府资金占经费筹集额的比重为控制变量,用DEA方法测算出的2003~2007年各地区高新技术产业技术创新效率为因变量,设定回归模型为:1234567EFFGYSPKXJWDZXCPDKBZQYZJZFZJαβββββββ=+++++++利用上述TOBIT模型对我国总体及其东、中、西部各地区的数据分别进行回归,逐步剔除不显著的变量后对模型进行显著性检验(RedundantVariables--LikelihoodRatioTest方法[8],得到结果,见表3。表3TOBIT回归结果模型中，GYSP、KXJ、WDZ、XCP、DKBZ分别表示各地区的工业化水平、科学家和工程师的数量占科技活动人员总量的比重、技术创新的硬件基础、新产品销售收入的增长率、科技活动中金融机构贷款占科技活动经费总筹集额的比重，QYZJ、ZFZJ分别表示企业资金、政府资金占经费筹集额的比重。EFF是效率值，为因变量。1.各地区的工业化水平对技术创新效率的影响分析相对而言，以上四个模型中，工业化水平对技术创新的效率具有最大的显著的正向影响，这也说明工业化程度越高对创新的促进作用越大。而模型3和4中，GYSP的系数分别为1.9802、2.1776，明显高于模型1和2的系数。这说明中、西部地区的工业化水平提高1%比全国、东部地区工业化水平提高1%对技术创新效率的提高有更大的影响。2.科学家和工程师数占科技活动人员总量的比重对技术创新效率的影响从全国的、东西部地区三个模型的回归结果看，科学家和工程师的数量占科技活动人员总量的比重对技术创新的效率也是正向关系，所以客观上讲，我国高层次科技人才是匮乏的，尤其是研发人员，根据瑞士艺珂人力资源学院的报告，目前中国内地只有60万名研发人员，而到2010年，中国对研发人员的需求量会增加到100万人。所以，人才供应问