《基于共享投入两阶段dea模型的中国省际高技术产业研发创新效率评价-杨佳伟.pdf》由会员分享，可在线阅读，更多相关《基于共享投入两阶段dea模型的中国省际高技术产业研发创新效率评价-杨佳伟.pdf（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、207年第s期 蹦肌燃霞需豢。叫R恍amhdoi：103969jissn1000-7695201703014基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率评价杨佳伟，王美强，李丹(贵州大学管理学院，贵州贵阳 550025)摘要：基于中国高技术产业技术开发和成果转化两阶段视角，考虑共享资源在两个子系统间的分配结构，构建包含共享投入在内的中国高技术产业研发创新效率评价指标体系，运用共享投入两阶段DEA模型对我国29个省份201(，-2014年的研发创新效率进行测算。研究结果表明：我国高技术产业综合效率水平不高，东部地区高技术产业效率高于西部和中部地区，研发创新综合效率基本呈现倒“u”
2、型变化特征，省际间高技术产业效率差距较大；中国高技术产业技术开发效率显著高于成果转化效率，高技术产业研发创新效率利用模式属于“高技术开发，高成果转化”型的省份仅占样本总数的275，且主要来自于东部地区。最后，根据中国高技术产业实际情况，给出一些政策建议。关键词：共享投入两阶段DEA模型；高技术产业；研发创新绩效；效率测度中图分类号：F2)4；F0629 文献标志码：A 文章编号：10007695(2017)03008407Research on R&D Innovation Efficiency Evaluation of ChinaS Provincial High-tech Industr
3、yBased on Two-stage DEA Model with Shared InputsYANG Jiawei，WANG Meiqiang，LI Dan(School of Management，Guizhou University，Guiyang 550025，China)Abstract：This paper，considering“the allocation information of shared resources in the tWO subsystems”，constructs anevaluation index system of the R&D innovati
4、on efficiency for Chinashightech industryfrom the twostage perspectiveof technological development and achievement transformation substageIt employs shared input tWOstage DEA modelto evaluate the R&D innovation efficiency of 29 provinces in China during 20082014The results show that the overalleffic
5、iency of China hightech industry R&D innovation is not high，and the efficiency of the eastern area is higher thanother regionsThere are significant differences in all provinces，and the overall efficiency of China hightech industryR&D innovation shows an inverse Ushape trendThe technological developm
6、ent efficiency is higher than achievementtransformation efficiency significantlyand 275of the R&D innovation efficiency utilization model across the countrybelongs to“high technological development，high achievement transformation”typeFinally，according to the actualsituation of high technology indust
7、ry in China，some policy suggestions are givenKey words：tWOstage DEA model、椭出shared input；hightech industries；R&D innovation performance；efficiency evaluation高技术产业引导着新兴产业的发展，是一个国家科技水平的主要代表【1】。近年来，中国高技术产业呈现快速发展的态势，201 1年中国高技术产业总产值已经跻身世界第二位，部分高技术产品产量位列世界第一2163。然而，中国高技术产业的技术创新具有粗放性，主要还是依靠高投入来支撑，而非效率的提升p
8、】。但随着对外开放的不断深化，中国高技术产业面临的市场竞争越来越激烈，依靠高投人支撑的粗放型增长和低效率运行必然会阻碍中国高技术产业竞争力的提高和进一步的发展。为此，只有不断地提升高技术产业的研发创新效率，才能缩小与发达国家之间的技术差距，促进中国经济结构的战略性调整，实现从“中国制造”到“中国智造”的根本性转变41。1 文献综述提高中国高技术产业研发创新效率的首要前提是客观有效地评价其效率，只有对当前高技术产业研发创新效率作出正确客观的评价，才能进一步研究如何提高效率510230目前，学术界关于高技术产业效率的测度方法主要包括参数方法和非参数方法两大类。参数方法以随机前沿分析(SFA)为代表
9、，该方法在测量误差以及统计干扰的处理方面具有优势，但SFA函收稿日期：20160507，修回日期：20160706基金项目：国家自然科学基金项目“基于模糊DEA的供应商评价理论与应用研究”(71261003)项目来源：贵州大学研究生创新基金项目“基于共享投入关联网络DEA模型的中国上市银行效率分析”(研人文2016002)万方数据杨佳伟等：基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率评价 85数形式的设定以及分布假设过于严格，使其应用范围受到一定的限制陋】。非参数方法主要以数据包络分析(DEA)方法为代表，该方法可以评价具有多投人、多产出决策单元之间的相对效率，且无需事先假定生
10、产前沿函数，在一定程度上避免了估计生产函数时的错误或不准确，而高技术产业一般又具有多投人多产出等特点。因此，本文采用DEA方法来研究中国高技术产业的研发创新效率。然而，传统DEA模型在对决策单元进行评价的过程中，将整个生产系统看成一个“黑箱”，缺乏对系统内部结构以及子过程的分析，往往造成高估系统整体效率的情况”。对此，Ffire等降1基于对多阶段生产转变过程的研究，首次提出了网络DEA模型。该模型通过将复杂的生产过程分解为多个相关的子过程，可以在考虑系统结构的前提下分析各个子阶段和系统整体的效率【9】。随后，Kao等01提出了一种串联的两阶段网络DEA模型；Yao等n”提出了一种系统整体效率的
11、子阶段效率加法模型；查勇等”21提出了一种系统整体效率的子阶段效率几何平均模型。其他运用两阶段DEA模型测度中国高技术产业效率的研究主要有陈建丽等2163-73、龚光明等131和宇文晶等1410但上述文献在效率测度过程中均未考虑共享投入情形，然而在实际生产中，不仅要分析生产系统内部子过程之问的结构从属关系，而且还要分析子过程之间是否存在共享投入(shared inputs)或共分产出(sharedoutputs)。已有文献表明，许多学者已经开始关注考虑共享资源的复杂生产系统的效率测度，其中，叶锐等【l 5|基于共享投人关联DEA模型对中国1999-2010年省际高技术产业的系统效率、科技成果产
12、出效率以及科技成果转化效率进行了测度；冯志军等陋】1203。12“基于资源约束型两阶段DEA模型，对中国高技术产业17个细分行业研发创新效率的整体以及各个子阶段效率进行了分析。但上述文献在利用包含共享投入的两阶段DEA模型测度生产系统子过程效率时，都忽略了由中间产品引起的两个子阶段之间的潜在冲突，比如第二阶段为了达到有效状态，希望减少它的投人(中间产品)，而这些“投入”要素又是第一阶段希望增加的产出。到目前为此，在笔者能力范围内还没有发现学者在运用共享投入两阶段DEA模型测度中国高技术产业效率过程中考虑到上述冲突。据此，本文将中国高技术产业的研发创新过程分解为“技术开发”和“成果转化”两个串联
13、的子阶段，将R&D活动人员折合全时当量、R&D经费内部支出和固定资产投资额等投入分为单阶段投人资源和两个子阶段的共享投入资源，通过构建相应的共享投人两阶段DEA模型，对中国29个省区市高技术产业研发创新过程的整体以及各个子阶段的效率进行测算。本文的贡献主要在于3个方面：一是运用共享投入两阶段DEA模型测度了中国高技术产业2008-2014年的研发创新系统及子过程效率，且在模型中考虑了由中间产品引起的两个子阶段间的潜在冲突。相对于传统两阶段DEA模型，该模型更符合中国高技术产业的生产实际，因此测度结果也更加准确、有效。二是将R&D活动人员折合全时当量、R&D经费内部支出和固定资产投资额作为共享投
14、人资源，并考虑了共享资源在两个子阶段系统问的分配结构，深入到中国高技术生产过程内部去寻找高技术研发创新效率低下的原因，为科学管理决策提供有效的支持。三是根据中国高技术产业的研发创新效率实际情况，提出了改善中国高技术产业研发创新效率的意见和建议。2 共享投入两阶段DEA模型概述假定现有n个决策单元，这里指中国29个省份；每个决策单元DMU，(=1，z)拥有m项初始投入x口O=1，m)、D项中间产品z面(d=1，D)和s项最终产出Yd(r=1，s)。其中，中间产品zaj(d=1，D)既是子阶段1的产出，又是子阶段2的投入。与传统两阶段生产系统所不同的是，初始投入x口【户l，m)一部分仅供子阶段使用
15、，另一部分则按一定比例分配给两个子阶段系统的共同使用。假设x“【蚝表示仅供子阶段1使用的资源，xj：J(炬2)表示被两个子阶段共享的资源，也就是共享投入，且，l U12=1,2，m)。如果令共享投入工u(i12)分配到子阶段1的投人量为口如X，(0口z。1)，则其余分配到子阶段2的投入量为(1一口。，)Xi：，(0 s Ofi：1)。根据Chen等m邯9。349的思想，在规模报酬不变的情形下，DMU。的综合效率可以通过求解模型(1)得到：t1D、1j矿：m。 叁=!生丝墨型!堡“ 。V。x。，+。，Vjx，+羔巩z“历溉引川，一i益坐盟rl：l，一，”。，、(1一口j，)V，：x。：，+2。7
16、7。z4 。E!，口b，Lw2，i212,J=l，n“，r。，V，V，占，r=1，S，d=1，-，D，il11上述模型为分式结构且存在非线性约束“，d如，yf2石u，通过CharnesCooper转化，同时令f2，20i：jvi：(，=1，川，可以将模型(1)转化为如模型(2)所示的线性规划形式：印=max量。+：”Y。n簟，钿一(。x。+。，&，x。)0 J=1：Y，一【。(r。一fl,。)x。+羔，一：。“0 J。”。+。_。+量，岛zm=1LIrj2尼!J吃fi22，=1，月H，氏，rrs，=I，一，s，d=1， ，D，il，I但模型(2)的最优解可能不唯一，使得子阶段万方数据杨佳伟等：
17、基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率评价效率的分解结果也可能不唯一。对此，可以在保证DMU。综合效率彰不变的前提下，分别求出最大化子阶段1或子阶段2效率来获得相应子阶段效率值的最优解。通过求解模型(3)可以得到子阶段1效率值的最优解：一。=max：=白：。“羔z4一(。，”，+。，屈，)-0 ，=l，一，”：，Y。一【。，一属：，)，。+2岛】0 J=l，一(卜OD，昴z“+“y，醇(。+-+tTi、，)=o f 3 1wi2品：。薛。，V。x，+。，rjx，=1rjJ sLw2 fi212,，=l，nr，。j 2。，7。1，54 2 1，DI 6I其中：晚为求解模型(
18、2)所得到的关于DMU。综合效率的最优解；w为求解模型(2)所得到的DMU。第一阶段效率相对于总效率的重要性或贡献程度的最优值，wl的计算公式为： w：r善孥车妥(4)w=一 (4)1。，fi4lXfI。+如。，：r：x，：。+：。COp+z，。、。此时，DMU。第二阶段效率相对于总效率的重要性W；=lW；，子阶段2效率值的计算公式为：爵=(彰一i醪)W2+。3 中国高技术产业研发创新效率实证分析31指标的选择高技术产业研发创新的实现过程包含高技术从研究到开发、从技术到生产以及从产品推向市场等一系列的经济活动【5】1024。本文基于已有文献研究成果，将我国高技术产业研发创新过程分为技术开发阶段
19、以及成果转化阶段等两个子过程。其中，技术开发阶段主要是通过R&D投入来开发高技术，该过程体现了高技术研发创新资源投入与研发创新成果之间的转换效率；在成果转化阶段，主要包含了将科技成果转化为供市场销售的物质性商品以及商品成果商业化的全过程筘”024。具体的生产过程如图1所示。图1 包含共享投入的中国高技术产业研发创新两阶段生产过程此外，在运用DEA方法测度高技术产业研发创新效率时，投人产出指标的选取是一个关键。本文考虑到指标选取的可获得性、可操作性以及全面性等原则，并基于已有文献的研究成果，选取如下指标：(1)技术开发阶段(第一阶段)投人指标。资本投入和劳动力投入是产业生产的基本要素，本文借鉴叶
20、锐等”5】7的研究成果，选取R&D活动人员折合全时当量xI(人、年)、R&D经费内部支出x2(万元)和固定资产投资额x3(亿元)作为高技术产业技术开发阶段的投入指标。其中，R&D活动人员折合全时当量反映的是高技术产业人力资本方面的投入，R&D经费内部支出和固定资产投资额反映的是高技术产业物质资本的投入。(2)技术开发阶段产出(成果转化阶段投入)指标。技术开发阶段的产出是整个研发创新活动的中间产出，该阶段产出主要以知识技术类的科技成果为主。本文通过结合叶锐等m17。8和冯志军等511024025的研究，选取专利申请数zl(项)、发明专利数Z2(项)以及新产品开发项目数Z3(项)3项指标作为中间产
21、品来衡量高技术产业的科技成果产出。其中，专利申请数可以代表高技术产业可获得的相应经济利益；发明专利表示对产品、方法或其改进所提出的新的技术方案；新产品开发项目是一个增量指标，能够较为全面地反映整个高技术行业研发活动的结果。(3)成果转化阶段(第二阶段)产出指标。本文选取新产品销售收入K(万元)和出口交货值砭(亿元)作为衡量高技术产业研发创新效率最终成果的指标。成果转化阶段的产出最能体现在该产业研发创新所带来的经济方面效益，考虑到数据的可获得性，可以采用新产品销售收入来测度嘲1025；出口交货值则可以比较全面地反映高技术产业投入产出的最终结果。32样本及数据来源在使用DEA方法进行效率的测算过程
22、中，一般要求决策单元的数量不少于投入和产出指标数量之和的两倍fl”，本文研究共有8个指标变量和29个省份决策单元，因而符合该准则。此外，高技术从研发创新投入再到最终成果转化为生产力，一般都具有一定的时滞11519因此，本文在实证分析过程中，高技术产业初始投入、技术开发阶段产出以及最终成果产出分别采用第t年、第t+1年和第t+2年数据。同时，考虑到数据的可获得性以及获取口径的一致性，最终整理选取我国29个省份20082014年的面板数据进行实证分析由于西藏自治区和青海省及港澳台地区数据缺失，故未将其作为决策单元。本文所有数据均来源于历年的中国高技术产业统计年鉴、中国科技统计年鉴、中国统计年鉴以及
23、中国经济与社会发展统计数据库。33结果分析根据公式(1)、(2)和(3)，运用LING01l进行数据处理和模型的运算，具体结果如表1所示，并根据表1结果绘制出如图2所示的我国29个省区市高技术产业的效率分解矩阵图。万方数据杨佳伟等：基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率评价 87表1 20102014年中国高技术产业综合效率测度结果40_|30 t20 斗1 0斗1一1T一年2010年2011年201二年2013每东部地区蚋中部地区西部地区，n一憩体均佰图2 20102014年中国29个省份高技术产业研发创新综合效率均值变化情况331综合效率水平分析由表l可知，从全国整体
24、来看2010-2014年我国29个省份高技术产业综合效率均值分别为0524 8、0652 0、0697 9、0590 0和0574 6，总体效率均值为0607 9，整个高技术产业研发创新综合效率处于较低水平，说明我国高技术产业仍未摆脱高投入、低产出的局面。从区域来看由图2可知，总体均值以及各区域的综合效率均值基本呈现倒“u”型变化特征，其中，东部地区的高技术产业研发创新综合效率均值(0743 4)最高，西部和中部地区研发创新效率依次递减。从各省份来看，上海、北京、天津、广东、重庆、福建和江苏等地2010-2014年高技术产业研发创新综合效率的5年均值大于08，处于全国领先水平。其中，上海、北京
25、、天津、重庆均属于直辖市，在经济、政治、文化等方面占据优势，因此，能够实现较高的研发创新效率；广东和江苏两省研发创新综合效率高的原因在一定程度上与它们作为我国经济强省，且在科技创新、人才培养等方面占据优势有关；福建与前面几个省份相比虽不具备经济、文化等方面的比较优势，但其5年的高技术研发创新综合效率达o883 7，超过全国平均水平453个百分点以上，可见福建在高技术产业的资金投入以及政策支持等方面做得比较好整个市场的创新活力比较足，在资源投入适当的前提下较好地实现了该地区研发创新产出最大化的目标。高技术产业综合效率较低的省份主要有黑龙江、陕西、江西和河北4个省，它们的5年综合效率均值分别为02
26、13 9、0307 2、0329 8和0334 5，均低于04，与综合效率较高的省份相差超过05个效率值，各省份高技术产业综合效率值之间的差距比较大。黑龙江、陕西和江西属于中西部地区省份，受地理位置、政策环境等因素影响，工业发展水平较低，高技术产业发展基础比较薄弱；河北的经济发展水平在全国来讲处于中游位置，但它的高技术产业研发创新综合效率却比较低。分析河北的投入产出数据可以发现，其初始投人指标数据的5年均值与全国平均水平相比差异并不明显，但它们的新产品销售收入以及出口交货值等指标却显著低于全国平均水平，其中全国新产品销售收入和m口交货值的5年均值分别为9043亿元和1 5473亿元，而河北这2
27、项指标的5年平均值分别只有1551亿元和1557亿元，均不足全国平均水平的20因此，在资源投入相当的情形下相应的高技术产出水平低下是导致这该省高技术研发创新综合效率低的重要原因。332子阶段效率水平分析由表2可知，全国29个省份2010-2014年高技术产业技术开发阶段效率水平均值为0825 7，高于效率平均值的省份有17个，约占样本总数的586；成果转化阶段效率水平均值为0508 4，高于效率平均值的省份有12个，约占样本总数的414。总体来讲，我国高技术产业技术开发效率水平较高，而成果转化效率水平相对偏低。万方数据88 杨佳伟等：基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率
28、评价表2 2010-2014年中国高技术产业研发创新效率分解 表3 2010-2014年中国高技术产业研发创新两个子阶段效率测算结果如表3所示。在技术开发阶段，北京、上海、广东和海南4个省市2010-2014年的技术开发效率值均为1。北京、上海和广东技术开发效率高的原因是它们的经济发展水平较高，科研院所和高校密集，整体高技术研发创新氛围比较浓厚；海南虽然位于中部地区，但高技术产业技术开发效率比较高，最主要原因是海南的高技术投入不是很高，但在投入不高的前提下其专利申请、发明专利数以及新产品开发项目等中间产出指标的数量相对全国来讲并不是很低，即资源的利用效率比较高。而从区域来看，东部地区技术开发效
29、率(o898 5)最高，西部以及中部地区技术开发效率依次递减。东部地区科技实力比较强、经济发展水平也明显高于其他地区，再加上地域优势所带来的人才集聚效应，使得东部地区技术开发效率明显领先全国其他地区。由图3可知，2011年全国以及各区域的技术开发效率增长比较明显，此后一直保持着小幅度上下波动的趋势。两个子阶段效率测算结果一一总体均值-东部地区中部地区一西部地区图3 2010一2014年中国高技术产业技术开发效率均值变化在成果转化阶段，只有上海一个地区2010_2014年的成果转化效率均值为1，且总体均值仅为0508 4，说明总体来讲，我国高技术产业欠缺将专利、新产品等高技术成果转化相应经济效益
30、的能力。高技术产业成果转化效率较低的省份有黑龙江、海南、陕西、甘肃、河北、贵州和江西，这7个省份2010-2014年高技术成果转化效率均值均低于o3。其中，黑龙江仅为0084 3，海南仅为o1 104，通过分析这两省的最终产出可以发现，黑龙江2010-2014年新产品销售额以及出口交货均值在所有省份的排名分别是22和21位，海南这两项指标的排名均为28位，几乎垫底，而它的中间产品指标值在全国的排名在24名左右，虽然“中问投人”量不是很高，但无法扭转效率低的事实。为此，这些省份应不断提高将相应高技术产品转化为经济效益的能力，具体来讲，可以学习其他具有比较高成果转化效率的省份，不应盲目追求高技术资
31、源投入规模的扩大，而更应该注重资源的优化配置，做到有针对性地提高本省高技术产业的成果转化效率水平。由图4可以看到，全国以及各区域的成果转化效率变化趋势与图2所示的综合效率均值变化趋势类似，都呈现倒“U”型变化趋势，除西部地区以外，全国以及其余地区基本以2012年为转折点，成果转化效率在一定时期内出现先升后降的趋势。T1十l11lr_r_+万方数据扬值伟等：琏1二共享投入两阶段1)F模型的中国省际高技术产业研发创新效率评价一总体均值_东部地区一 中部地区一西部地区图4 2010-2014年中国高技术产业成果转化效率均值变化333基于两阶段视角的中国高技术产业研发创新效率分析由上述分析可知，中国省
32、域高技术产业技术开发和成果转换效率的均值分别为0825 7和0508 4，我们以此为界限，将中国29各省份研发创新效率利用模式分为4类，即高开发高转化、低开发高转化、低开发低转化以及高开发低转化型，具体如图5所示一咖。1 擎l 枷。1学旷擎尝溪：东：。1二：。5j5未t内；!。一i ii纛 ：+H图5 2010-2014年中国省域高技术产业子阶段效率矩阵(1)高技术开发、高成果转化型。由图5可知，上海、北京、天津、广东、重庆、河南、湖南和浙江8个省份的高技术产业研发创新模式属于该类型。这些省份主要来自发达地区以及少数的中部省份。上海、北京、天津、广东、重庆、浙江等地一直以来都是我国高技术企业的
33、聚集地，在人才、资金等方面资源充足、制度安排相对合理，且整个市场环境相对完善，因而在技术开发以及成果转化方面均领先于其他地区；河南和湖南两省属于中部省份，虽然这些地区企业研发创新的规模有限，但它们通过调整自身产业结构、大力培养高科技人才以及实施高科技产品“引进来”和“走出去”战略等方式，使其技术开发以及成果转化效率处于较高水平。(2)低技术开发、高成果转化型。福建、江苏、山西和广西等4个省份的高技术产业研发创新模式属于该类型。这些省份在成果转化阶段的效率相对较高，但在技术开发阶段效率偏低，因此应将重心放在提升自身的科技实力上，具体可以通过加大技术引进、人才培养以及创新管理的力度等方式来提高本地
34、区的技术开发效率。(3)低技术开发、低成果转化型。四川、吉林、内蒙古、河北、湖北、陕西、黑龙江以及江西等8个省份的高技术产业研发创新模式属于该类型。这些省份主要来自于中西部地区以及少数东部地区省份，它们的高技术研发创新过程在技术开发阶段投入了大量的资源(包括R&D人员、R&D经费以及固定资产)，但不注重效率的提升，在高技术成果转化阶段盲目地追求的规模而不注重投资的质量(具体表现为不注重相应高技术成果以及高技术产品商业化的实现)。对此，这些省份应充分认识到自身高技术研发创新过程中的不足，通过制度优化、管理优化、思维转变等方式从根本上改变研发创新薄弱的局面。(4)高技术开发、低成果转化型。山东、新
35、疆、宁夏、云南、辽宁、安徽、甘肃、贵州以及海南等9个省份的高技术研发创新模式属于该类型。这些省份主要来自于中西部地区和少部分的东部地区省份，相较东部以及沿海省份而言，这些省份的科技实力偏弱，但它们在技术开发投入产出机制设计以及资源优化等方面做得比较好，因此在整个技术开发过程中取得了一定的成效，但由于这些地区主要来自中西部地区，一方面在风险投资等外部环境方面不如东部等发达地区优越，使得专利成果等高技术产出没能很好地转化为相应的经济效益。为此，这些省份应该在保持较高的技术开发效率优势的同时，大力发展以企业为核心的产学研等创新联盟，拓宽高技术产品的成果转化渠道，完善成果转化平台，帮助本地区实现高技术
36、产业又好又快的发展。4结论本文运用Chen等”6】33乳349提出的共享投人两阶段DEA模型测算了2010-2014年中国29个省份高技术产业的综合效率和子阶段效率，相较于传统两阶段DEA模型测算出来的结果，本文所采用的方法与实际生产过程更相符，因此效率测算及分析出来的结果也更加准确；之后基于区域视角，从总体上考察了我国高技术产业的发展水平以及两阶段效率分布情况。研究结果表明：我国高技术产业总体综合效率均值为0607 9，总体综合效率水平较低，还有39以上的提升空间，2010-2014年间整体以及各区域的综合效率均值基本呈现倒“u”型变化特征，各省份高技术产业综合效率值之间的差距较大；我国高技
37、术产业技术开发效率均值为0825 7，成果转化效率均值为0508 4，成果转化效率显著低于技术开发效率，从区域视角来看，东部地区子阶段效率最高，西部和中部地区子阶段效率依次递减；从研发创新的两个子阶段效率来看，除上海、北京、天津、广东、重庆、河南、湖南和浙如w如加如O0OOOOO万方数据杨佳伟等：基于共享投入两阶段DEA模型的中国省际高技术产业研发创新效率评价江8个省份属于高技术开发，高成果转化类型，大部分地区表现为两个子阶段效率双弱或一弱一强。基于以上结论，本文提出如下提高我国高技术产业效率的政策和建议。首先，根据不同省份高技术发展的实际情况，有针对性地制定适合当地高技术产业发展的策略，避免
38、传统“一刀切”的政策发布模式，针对中西部地区高技术发展较弱的实际情况，向这些地区颁布一些优惠政策，以缩小中西部地区省份与东部地区省份高技术产业发展的差距。其次，我国高技术产业成果转化为相应生产力的能力较低，因此，在保持高技术产业研发创新投入的同时，应增强相应高技术成果转化的能力。实施高技术产业集聚，辐射带动区域经济发展；重视高技术产业科技成果化为生产力的产出过程和高技术成果的市场价值11516-t7。最后，借鉴国内外先进的技术和管理经验，合理配置研发创新资源，创新人才培养机制实施技术“走出去”、人才“引进来”战略，完善高技术成果转化平台的建设建立健全相应成果转化后的奖励以及利益分配机制，为高技
39、术成果商品化和市场化提供全方位的支持。参考文献：1 1叶锐，刘洋中国高技术产业行业效率测度与分解基于共享投入关联DEA模型J】西安财经学院学报，2015，280)：3237f2】陈建丽，孟令杰，姜彩楼两阶段视角下高技术产业技术创新效率极其影响因素研究J】数学的实践与认识，2014，44(4)：6373【3】刘伟，李星星中国高新技术产业技术创新效率的区域差异分析I J】财经问题研究，2013，35(8)：2028f4i严太华，刘松涛，刘焕鹏中图高技术产业动态效率测度与收敛性分析：基于产出导向DSBM模型的实正J管理1二程学报，201 5,29(31：222-2305】冯志军，陈伟中国高技术产业研
40、发创新效率研究基于资源约束犁两阶段模型的新视角J1系统r程理论与实践，201434f51：12031210161朱有为徐康宁中同高技术产业研发效率的实证研究fJl中同丁、I【，经济，2006(1 1)：3845f71LIANG L，FENG Y，WADE D C，et al DEA models for Sllpply thainef6cieney evaluationJAnnMs ofOperations Research，2006，145(I)：35-9【8FARE R，GROSSKOPF SNelwork DEAJSocioEconomi(PlanningSciences200034：3
41、5499】马建峰，何枫包含共享投入与自由中间产出的技术创新两阶段DEA效率评价J系统T程，201432(1)：1-9f】0KAO cHWANG S NEfficiency decomposition in lwostage datadevelopment analysis：an application to nonlife insmante companies inTaiwanfJlEuropean Journal ofOperationalResearch，2008，185：418429l 1 1 YAn C，WADE D C，NING I。，et a1Additive efficiency
42、 decomposition intwostage DEAJ1European Journal of Operational Research，2009，l 96：1 170一1176f12】查勇，梁墚许传永基于BCC模型的几何平均最优意义卜的两阶段合作效率J系统工程理论与实践2008，28(10)：535913】龚光明，单虹基于动态网络DEA的中国高技术企业创新效率研究J】科学管理研究，9201533(1)：60-63f141宇文晶，马丽华，李海霞基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究m研究与发展管理201527(31：13714615l叶锐，杨建飞，常云昆中国省际高技术
43、产、fp效率测度与分解基于共享投入关联DEA模型J1数量经济技术经济研究，201 2，29(7)：3-176CHEN YAODU JUAN I)1I，DAVID SHERMAN tt，et a1DEA model withshared resources and emeienev decompositionJEuropean Journal ofOperational Researeh，201 0207(I)：33349【171 GOLANY B，ROIL YA n application procedure for DEAJ1Omega1 9891 7(3)：237-250作者简介：杨住伟(1992一)，男，江西南昌人，硕士研究生，主要研究方向为数据包络分析及应用。工美强(1972一)，通信作者，男，贵州人，博士，教授，主要研究方向为决策理论与方法，李丹(1991一、，女四JII遂宁人硕士研究生，主要研究方向为数据包络分析及应用。万方数据