《基于Malmquist指数的珠三角经济区产学研合作创新效率评价研究》由会员分享，可在线阅读，更多相关《基于Malmquist指数的珠三角经济区产学研合作创新效率评价研究（7页珍藏版）》请在金锄头文库上搜索。
1、 基于Malmquist指数的珠三角经济区产学研合作创新效率评价研究 连志辉周海涛宋博韬摘要：产学研合作在推动地区科技进步与经济发展方面起着重要作用。产学研合作效率的高低可以通过测算其投入产出过程的有效性来衡量。在资源稀缺的条件下，合作效率的提高意味着同样的投入可以实现更大的产出。关键词：珠三角经济区；产学研；合作效率；Malmquist指数：F127 文献识别码：A ：1001-828X（2016）006-000-02在经济全球化的浪潮下，科技竞争力是一个地区科技总量实力以及科技水平与潜力的综合体现，它是构成地区间竞争力的重要组成部分和关键性要素。在整个地区的科技创新体系中，企业、高校、科研
2、院所占有举足轻重的地位。目前我国珠三角经济区（主要包括：广州、深圳、珠海、佛山、江门、东莞、中山、惠州和肇庆九市）产学研合作已经取得较好的经济和社会效益。但在发展过程中也显露了一些弊端：各方目标差异大、缺乏长效结合机制和科技成果转化率低等系列问题。因此如何通过提高产学研合作效率来带动珠三角经济区经济、社会的发展，是现阶段需要深入研究的问题。一、产学研合作效率理论构架效率评价是指获取和分析影响相关企业的计划目标的实现程度主要因素的信息的过程。进行效率评价需要考虑三个方面的因素：一要考虑企业预期的计划目标的实现程度；二要考虑利益相关者的满意程度；三要考虑影响计划目标实现的过去行为的效率。王浩、梁耀
3、明（2011）对产学研合作效率评价含义的界定：产学研合作效率评价是对包括对产学研合作的预期计划目标的实现程度、影响产学研合作过程中计划目标实现过去行为的效率和合作各方对产学研合作的满意程度等三个层次实施的分析和评价。本文认为产学研合作各方是具有独立经济利益的实体，其战略目标是不相同的，因此参与产学研合作的预期目标也是不相同的。产学研合作目标与计划的实现情况以及合作实施过程中的效率体现了各个利益相关主体对产学研合作的满意程度。同时，产学研合作效率的高低也会影响到产学研合作各方原先的合作关系，最后影响到产学研合作的持续性和此项合作的成败与效率。二、评价模型Malmquist指数方法，就是基于数据包
4、络分析（DEA）方法而提出的。它首先由Malmquist（1953）提出，1982年，Cavesetal.首度用来作为生产率指数使用。本文应用Malmquist指数分解技术来衡量产学研合作的技术效率的变化和技术进步。三、投入产出指标选择与数据来源对各市产学研合作投入产出指标进行选择时，本文借鉴已有的相关研究成果，基于数据可获得性和有效性，并咨询有关专家，选取了以下的投入、产出指标。投入指标有四项，分别是各地区研究与试验发展（R&D）经费内部支出、每万人从业人员中科技人员数、各地区研究与试验发展（R&D）活动项目（课题）数（项）和各地区高新企业数占规模以上工业企业数比例。R&D经费投入用于测度投
5、入到产学研中的实际支出；每万人从业人员中科技人员数投入测度结合各方投入的研发人员；各地区研究与试验发展（R&D）活动项目（课题）数（项）和各地区高新企业数占规模以上工业企业数比例则衡量产学研结合平台运转的质量，直接影响到产学研结合技术创新产出。产出指标有四项，分别是发明专利申请授权量、各地区高新技术产品总产值、各地区高新技术产品数、和高校发表科技论文数。发明专利申请授权量和高新技术产品数直接测度地区产学研合作创新能力的强弱；高新技术产品总产值测度地区产学研合作创新规模大小；高校发表科技论文数则测度产学研合作创新过程中科研能力。指标数据来源于2005-2013年广东科技统计年鉴、广东科技年鉴和广
6、东年鉴。四、合作创新效率评价结果与讨论1.DEA-BCC模型结果及分析运用DEAP2.1软件对9个城市产学研2012年的合作创新效率进行测算结果是效率值为1的决策单位有多少个，即存在多少个DEA有效单元；其次运用EMS软件进一步进行了超DEA测算。两次的测算结果如表1所示。综合效率又称规模技术效率，当被测度的决策单元同时表现为技术有效与规模有效，即效率值均为1时，称为有效决策单元，否则为无效。从表1中可看出，2012年的9个决策单元中有广州、深圳、珠海、佛山、惠州、东莞、和肇庆的效率值为1，即属于DEA有效，表明这7个决策单元都处在有效生产前沿面上，即均处于在满足同样产出标准条件下，投入最小的
7、理想状态，其中肇庆市由于本身规模小，也同样达到了DEA有效。江门和中山为非DEA有效，说明这2城市的资源没有达到最优配置，尚有改进和优化配置的空间。对于效率值为1的有效决策单元，仅运用BCC模型无法做出进一步的比较，也很难判别分析这些有效决策单元的相对投资价值。而超效率BCC-DEA模型能进一步测算出这些有效决策单元的效率值，并能求出大于1的相对效率评价值，从而能够对这些上城市的效率水平进行排序。从表1可以看出，广州市的超效率值为559.29%，效率值最高，达到DEA有效的决策单元的超效率值相对也较高。就非DEA有效的2家决策单元而言，从表1可以看出，达到DEA有效的方法需要从规模效率着手，这
8、也反映了珠三角城市圈的纯技术效率处于比较领先的地位，体现了作为世界第三大都市圈的优势。2.DEA-Malquist模型结果及分析采用投入的规模收益可变假设的DEA模型，进一步应用DEAP2.1进行对2006-2012年数据DEA测算，得到各市Malmquist生产率指数分解平均值。两次的运算结果如表1，表2所示。由表2可以看出，2006-2012年珠三角九市的全要素生产率平均水平为1.014，说明珠三角九市产学研合作创新效率呈现增长趋势，相对2006年之前每年的全要素生产率增加了1.4%。同样可以看出，技术效率和技术进步率分别为0.8%和0.6%。说明全要素生产率的增长主要是因为技术效率和技术
9、进步率的增长，因此技术效率和技术进步是实现我国产学研合作创新效率进一步快速发展的关键因素。从决策单元来看，深圳市的全要素生产率增长最快，为24.1%。这完全归功于技术效率的提高（24.1%）。其次是佛山市，达到13.7%。从整体上看，有4个城市的全要素生产率小于1，其中江门市的全要素生产率增长幅度为-9.2%。可以看出是由于其技术进步率为-8.8%所影响到。这也验证了技术进步已成为约束我国产学研合作创新效率发展的主要原因。因此技术进步率的高低直接决定了各市产学研合作全要素生产率的水平及波动值。五、结论与建议本文采用超效率DEA和Malmquist指数方法，对珠三角地区九个城市的产学研合作创新效
10、率进行综合评价和分析，主要测度各城市的投入产出效率。结果表明：9个城市中有7家达到了DEA有效，从整体上看珠三角都市圈的产学研合作创新效率较高；从超效率来看，达到DEA有效的城市，效率也很高；从Malmquist全要素生产率指数看，各市的全要素生产率在2006-2012期间的平均增长率为1.4%，处于相对平稳状态。从结果上看来，提高产学研合作创新效率就应当重视技术进步，因为技术进步在促进产学研发展中起到关键决定作用，其次，继续扩大规模，也是产学研合作过程中不可缺少的一环。参考文献：1车维汉，张琳.上海市产学研合作绩效评价基于分行业数据的DEA分析J.科技进步与对策，2010（03）：20-25.2王浩，梁耀明.产学研合作绩效评价研究综述J.科技管理研究，2011（11）：56-61.3仇冬芳，胡正平.我国省域产学研合作效率及效率持续性基于省域面板数据和DEA-Malmquist生产率指数法J.技术经济，2013，12：82-89.4刘民婷，孙卫.基于DEA方法的产学研合作效率评价研究以陕西省制造业为例J. 科学学与科学技术管理，2011，03：11-15. -全文完-
