基于DEA的高新技术产业创新效率研究

　　【摘要】为了更好地明晰西部地区高新技术产业技术创新能力现状，提升产业发展水平，本文构建了西部地区高新技术产业创新效率评价模型，以高新技术产业统计数据为依据，运用DEA分析法对西部地区高新技术产业的创新效率进行了实证分析。分析结果表明：2011年西部地区仅有四川、重庆、云南3个省份的创新效率处于DEA有效状态，而其余省份的创新效率均处于相对无效状态，西部地区多数省份的高新技术产业创新水平还存在较大的改进和提升空间。文章最后提出了提升西部地区高新技术产业创新水平的对策建议。

　　【关键词】高新技术产业创新效率数据包络分析

　　高新技术产业是国民经济的战略性、基础性、先导性产业，对优化产业结构和转变经济增长方式发挥着重要作用，是衡量一个国家或地区技术创新水平的重要尺度。大力发展高新技术产业已成为加快我国新型工业化进程、提高创新能力、建设创新型国家的重要任务。随着国家新一轮西部大开发战略的推进，西部地区高新技术产业获得了快速发展，逐步缩小了同东部地区的差距，但是仍然存在产业规模较小、技术创新投入不足、创新能力不强、创新效率较低等问题，严重制约了西部地区高新技术产业对区域经济的拉动作用。目前，技术创新能力不强、创新效率偏低是制约西部地区高新技术产业快速发展的主要瓶颈，基于此，为了更好地明晰西部地区高新技术产业发展现状，提升产业创新水平，本文采用DEA方法对西部地区10个省份的高新技术产业创新效率进行了实证分析，以求对西部地区高新技术产业的技术创新水平进行科学审视和系统研究。

　　一、评价方法与指标体系构建

　　1、评价方法

　　数据包络分析（DataEnvelopmentAnalysis，DEA）是由美国著名的运筹学家Charnes、Cooper和Rhodes等学者以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的决策单元（DMU）进行相对有效性评价的一种系统分析方法。DEA是以凸分析和线性规划为工具的一种评价方法，自从1978年提出第一个DEA模型——C2R模型并用于评价单元部门间的相对有效性以来，DEA方法不断完善并在实际中被广泛应用。DEA方法不必事先确定输入和输出数据之间的显性关系表达式，可以避免主观因素的影响，具有较强的客观性，特别是在对社会经济系统多投入和多产出相对有效性的评价方面具有独特优势，使得该方法适用于进行效率评价。该方法的主要思路是通过保持DMU决策单元的输入和输出不变，将各个DUM投影到DEA的前沿面上，通过比较各DMU偏离DEA前沿面的程度来评价各决策单元的相对有效性。

　　DEA的一般模型为：假设有n个需要评价的DMU，每个DMU有m项输入指标，s项输出指标，则对于任意的DMUj，其对应的输入、输出向量分别为xj=（x1j，x2j，…，xmj），yj=（y1j，y2j，…，yn），其中（j=1，2，…，n）。

　　对于决策单元DMUj，判断其有效性的BCC模型可表示为：

　　Min？兹j

　　（DBC2）■？姿■x■+s■■=？兹x■，h=1，2…m■？姿■y■-s■■=y■，i=1，2…s■？姿■=1？姿■？叟0，s■■？叟0，s■■？叟0

　　模型中，xhj、yij分别表示DMUj的第h项投入和第i项产出；？兹j表示DMUj的纯技术效率值，其取值位于0和1之间，且越接近1表示决策单元越有效；？姿■表示第h项投入和第i项产出的权重系数；s■■和s■■分别为第j个决策单元的第h项投入松弛变量和第i项产出剩余变量。