我國(guó)省際間財(cái)政科技支出效率分析基于DEA模型

趙志遠(yuǎn) 完顏志翰

摘要：本文選取了我國(guó)各省市2010年科技投入產(chǎn)出截面數(shù)據(jù)，利用CCR、BCC和超效率DEA模型分別測(cè)算出各地區(qū)財(cái)政科技投入的綜合效率、規(guī)模效率、純技術(shù)效率和超效率，通過(guò)分析對(duì)比發(fā)現(xiàn)，我國(guó)地方財(cái)政科技支出效率普遍較低，只有9個(gè)省市達(dá)到DEA完全有效；其次地方財(cái)政科技支出效率在不同省市間存在較大差異，而且與經(jīng)濟(jì)發(fā)展水平相一致；最后針對(duì)地方財(cái)政科技投入效率情況，給出了相應(yīng)的政策建議。

關(guān)鍵詞：財(cái)政科技；效率；DEA；超效率

序言

進(jìn)入21世紀(jì)以來(lái)，科學(xué)技術(shù)對(duì)經(jīng)濟(jì)發(fā)展的促進(jìn)作用日益受到重視，我國(guó)各省市對(duì)科技的投入也不斷加強(qiáng)，2010年全國(guó)研究與實(shí)驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)支出總額達(dá)到7062.6億元，較2009年增加了1260.5億元，增長(zhǎng)了21.7%，占到了我國(guó)國(guó)民生產(chǎn)總值的1.76%。財(cái)政科技資金是科研資金的重要組成部分，2010國(guó)家財(cái)政科技撥款為4114.4億元，比上年增加了889.5億元，增長(zhǎng)了27.6%，占到國(guó)家財(cái)政總支出的4.58%。顯然無(wú)論是R&D投入還是財(cái)政科技投入，其投入規(guī)模都在快速的增長(zhǎng)，而且已經(jīng)達(dá)到一個(gè)很高的水平。然而規(guī)模的不斷擴(kuò)大并不代表我國(guó)科技資金就得到了有效的利用，尤其是政府部門(mén)，由于其特殊性，更容易出現(xiàn)資金浪費(fèi)。

一、研究模型與變量選取

關(guān)于效率的測(cè)算學(xué)術(shù)界普遍采用的方法是前沿效率分析法，這是一個(gè)相對(duì)效率的概念。前沿效率法通過(guò)利用樣本中最佳單位或其組合構(gòu)建一個(gè)效率前沿面，每個(gè)觀測(cè)值與效率前沿面之間的距離即為無(wú)效率。前沿效率法又可根據(jù)是否需要估計(jì)函數(shù)中的參數(shù)分為：非參數(shù)方法和參數(shù)方法。參數(shù)方法以隨機(jī)前沿分析（SFA）為代表，在測(cè)量誤差和統(tǒng)計(jì)干擾處理上具有優(yōu)勢(shì)，但是SFA函數(shù)形式設(shè)定和分布假設(shè)過(guò)于嚴(yán)格，而且對(duì)于解決多投入多產(chǎn)出問(wèn)題具有一定局限性。非參數(shù)方法一般包括數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）和無(wú)界分析方法（Free Disposal Hull，F(xiàn)DH），其中DEA使用較廣，而且對(duì)于投入和產(chǎn)出變量的個(gè)數(shù)沒(méi)有限制，可以有效的解決多投入多產(chǎn)出問(wèn)題[1]。財(cái)政科技支出效率的測(cè)算是典型的多投入多產(chǎn)出的問(wèn)題，投入方面包括人力投入和資金投入，產(chǎn)出更是多樣，如專(zhuān)利、論文等。因此本文選用DEA模型對(duì)我國(guó)各省市財(cái)政科技支出效率進(jìn)行評(píng)價(jià)。

（一）DEA模型介紹

數(shù)據(jù)包絡(luò)分析方法（DEA）最早是由Farrell[2]（1957）提出，是用線(xiàn)性規(guī)劃方法和對(duì)偶原理，通過(guò)對(duì)公司投入—產(chǎn)出指標(biāo)的組合分析來(lái)評(píng)價(jià)效率水平。

1978年美國(guó)著名運(yùn)籌學(xué)家Charnes，Cooper和Rhodes[3]提出了第一個(gè)數(shù)據(jù)包絡(luò)分析模型即CCR模型，這也是應(yīng)用最廣泛的DEA模型。CCR模型是一個(gè)以投入為導(dǎo)向即在產(chǎn)出一定的情況下使用最少的投入，而且假設(shè)投入產(chǎn)出系統(tǒng)不存在規(guī)模效應(yīng)的DEA模型。學(xué)者通常用CCR模型測(cè)算決策單元的綜合效率，并通過(guò)綜合效率是否等于1來(lái)判斷決策單元是否有效。CCR模型的一般形式為：

模型計(jì)算出的θ即為第k個(gè)決策單元的綜合效率評(píng)分，根據(jù)θ是否等于1即可判斷決策單元是否有效。

Banker，Charnes和Cooper[4]（1984）在CCR模型的基礎(chǔ)上又提出BCC模型，和CCR模型不同的是該模型假設(shè)規(guī)模報(bào)酬是可變的，而且將CCR模型測(cè)算的綜合效率分解為規(guī)模效率和純技術(shù)效率，規(guī)模效率可以通過(guò)綜合效率除以純技術(shù)效率求得—即規(guī)模效率=綜合效率/純技術(shù)效率。純技術(shù)效率可以通過(guò)在CCR模型中添加限制條件求∑λi=1得，這是由于∑λi=1給生產(chǎn)前沿添加了凸性限制，代表了可變的規(guī)模報(bào)酬假定，這樣計(jì)算出的θ值即為純技術(shù)效率值。另外通過(guò)BCC模型還可以判斷決策單元處在規(guī)模報(bào)酬遞增還是規(guī)模報(bào)酬遞減。

然而B(niǎo)CC和CCR模型只能評(píng)價(jià)決策單元是否有效，對(duì)于同時(shí)出現(xiàn)的多個(gè)有效單元，無(wú)法進(jìn)行排序和比較。后來(lái)Andersen&Petersen根據(jù)傳統(tǒng)DEA模型提出了超效率數(shù)據(jù)包絡(luò)模型（Super Efficiency DEA，SE—DEA）[5]（1993）。超效率 DEA 模型彌補(bǔ)了傳統(tǒng) DEA 模型效率值不能大于1的不足，解決了有效單元之間的排序和比較問(wèn)題。

與CCR模型不同的是在模型中加入了的約束條件，即在計(jì)算生產(chǎn)前沿面時(shí)排除了第k個(gè)決策單元。從而在評(píng)價(jià)第k個(gè)決策單元時(shí)，將其與其他決策單元的線(xiàn)性組合做比較，不包括k決策單元自身，結(jié)果是有效決策單元有可能按比例增加投入，而保持其相對(duì)有效性。

本文首先利用CCR模型測(cè)算出我國(guó)各地區(qū)財(cái)政科技支出效率，再利用BCC模型測(cè)算出規(guī)模效率和純技術(shù)效率，最后用超效率DEA模型測(cè)算的效率值對(duì)各地區(qū)財(cái)政科技效率進(jìn)行排序。

（二）變量選取

從已有的研究成果來(lái)看，不同的學(xué)者在測(cè)算財(cái)政科技效率時(shí)選用的變量也不盡相同?？萍纪度敕矫?，賀德方（2006）選用國(guó)家科技經(jīng)費(fèi)籌集額和科學(xué)家與工程師人數(shù)作為科技投入變量[6]；漆世雄（2009）選用科技活動(dòng)人員、科學(xué)家與工程師人數(shù)、R&D投入、科技經(jīng)費(fèi)支出占GDP比例、地方財(cái)政科技撥款、地方財(cái)政科技撥款占地方財(cái)政支出比重作為科技投入變量[7]；徐薔等人（2010）以科技活動(dòng)單位人員數(shù)、科技活動(dòng)單位科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出作為科技投入變量[8]?？梢钥闯觯瑢W(xué)者們?cè)谶x取科技投入變量時(shí)，主要是從資金投入和人力投入兩方面來(lái)考慮的。因此本文遵循學(xué)術(shù)界的普遍觀點(diǎn)，從資金投入和人力投入兩方面來(lái)考慮科技投入，同時(shí)考慮到數(shù)據(jù)的完整性、連續(xù)性和可得性，在資金投入方面選取R&D經(jīng)費(fèi)內(nèi)部支出額和財(cái)政科技撥款：R&D經(jīng)費(fèi)內(nèi)部支出額反映了一個(gè)地區(qū)科技資金的整體投入水平，而且R&D投入是科學(xué)研究最重要的投入部分，國(guó)際上通常用R&D經(jīng)費(fèi)支出規(guī)模衡量一個(gè)國(guó)家或地區(qū)的科技實(shí)力和核心競(jìng)爭(zhēng)力；而財(cái)政科技撥款則反映了一個(gè)地區(qū)政府對(duì)科學(xué)技術(shù)的支持水平，是科研資金的重要補(bǔ)充。在人力投入方面選取R&D人員全時(shí)當(dāng)量，這是國(guó)際上通用的、用于比較科技人力投入的指標(biāo)。

科技產(chǎn)出方面，本文主要從三方面考慮：1. 反映科技創(chuàng)新成果：國(guó)內(nèi)專(zhuān)利申請(qǐng)受理數(shù)、國(guó)外主要檢索工具收錄我國(guó)科技論文數(shù)（包括SCI、EI、ISTP）。2. 反映科技成果的市場(chǎng)化效應(yīng)：技術(shù)市場(chǎng)成交合同金額。3. 反映科學(xué)技術(shù)產(chǎn)生的經(jīng)濟(jì)效應(yīng)：高技術(shù)產(chǎn)業(yè)出口額。

（三）數(shù)據(jù)來(lái)源

本文選取2010年我國(guó)30個(gè)省市的科技活動(dòng)相關(guān)數(shù)據(jù)作為分析對(duì)象（西藏?cái)?shù)據(jù)不完整，被剔除）。數(shù)據(jù)來(lái)自《中國(guó)科技統(tǒng)計(jì)年鑒（2011）》、《中國(guó)統(tǒng)計(jì)年鑒（2011）》。各模型的運(yùn)算過(guò)程主要通過(guò)deap2.1軟件實(shí)現(xiàn)，超效率DEA模型的計(jì)算利用EMS1.3軟件實(shí)現(xiàn)。

二、模型運(yùn)算結(jié)果分析

模型運(yùn)行結(jié)果如表2所示：

從綜合效率（TE）來(lái)看，2010年我國(guó)30個(gè)省市中只有北京、吉林、上海、江蘇、安徽、廣東、重慶、陜西、甘肅9個(gè)省市的財(cái)政科技綜合效率等于1，即只有這9個(gè)省市的地方財(cái)政科技支出是有效的，而其他21個(gè)省市均處于無(wú)效率狀態(tài)，而且全國(guó)綜合效率的均值只有0.708，說(shuō)明我國(guó)地方財(cái)政科技支出效率普遍較低，需要進(jìn)一步加強(qiáng)財(cái)政科技管理，提高科技效率。另外從東、中、西三個(gè)區(qū)域來(lái)看，9個(gè)綜合效率得分等于1的省市中有4個(gè)省市（北京、上海、江蘇、廣東）屬于東部地區(qū)，3個(gè)省市（重慶、陜西、甘肅）是西部地區(qū)，中部地區(qū)只有2個(gè)省（吉林、安徽）。同時(shí)從各區(qū)域效率的均值來(lái)看，東部地區(qū)為0.803，中部地區(qū)為0.736，西部地區(qū)為0.607，說(shuō)明我國(guó)地方財(cái)政科技支出效率存在區(qū)域性差異，而且由西向東依次遞增，與各地區(qū)經(jīng)濟(jì)發(fā)展水平表現(xiàn)一致。地區(qū)間財(cái)政科效率出現(xiàn)差異可能與經(jīng)濟(jì)發(fā)展水平有關(guān)，首先經(jīng)濟(jì)發(fā)展水平高的地區(qū)能夠?yàn)榭茖W(xué)研究提供充足的資金，而經(jīng)濟(jì)落后地區(qū)由于資金缺乏，科技資金投入不足，從而導(dǎo)致科技效率較低；其次經(jīng)濟(jì)發(fā)達(dá)地區(qū)通常能夠接觸到世界先進(jìn)的管理經(jīng)驗(yàn)，科技管理水平相應(yīng)也會(huì)比經(jīng)濟(jì)落后地區(qū)高，能夠更有效的利用科技資金。地區(qū)間財(cái)政科技效率出現(xiàn)差異的另外一個(gè)可能原因是我國(guó)教育資源分布不均，我國(guó)高等院校主要分布在東部地區(qū)和中部地區(qū)，西部地區(qū)則較少，從而造成東部地區(qū)科技人員集中，而西部地區(qū)則相對(duì)缺乏，尤其是高等學(xué)歷的科研人員。

從純技術(shù)效率和規(guī)模效率來(lái)看，Banker，Charnes和Cooper將綜合效率分解為純技術(shù)效率和規(guī)模效率，通過(guò)比較純技術(shù)效率和規(guī)模效率可以找出影響決策單元無(wú)效率主要是由哪種效率造成的。在財(cái)政科技投入產(chǎn)出中純技術(shù)效率可以用財(cái)政科技管理水平解釋?zhuān)醇兗夹g(shù)效率高說(shuō)明科技管理水平高，反之科技管理水平低。而規(guī)模效率說(shuō)明財(cái)政科技投入規(guī)模是否合適。從表2種可以看出，在綜合效率小于1的省市中，有三個(gè)省市（黑龍江、海南、青海）的純技術(shù)效率是等于1的，即這三個(gè)省市綜合效率沒(méi)有達(dá)到完全有效主要是由于這三個(gè)地區(qū)財(cái)政科技投入規(guī)模無(wú)效造成的，同時(shí)從規(guī)模報(bào)酬變化來(lái)看，黑龍江和海南兩個(gè)省處于規(guī)模報(bào)酬遞減階段，青海省處于規(guī)模報(bào)酬不變階段，因此對(duì)于這三個(gè)省來(lái)說(shuō)，可以適當(dāng)控制財(cái)政科技投入規(guī)模，通過(guò)改變科技投入結(jié)構(gòu)來(lái)提高財(cái)政科技投入效率。相反，對(duì)于遼寧省來(lái)說(shuō)，其規(guī)模效率達(dá)到了效率前沿，而純技術(shù)效率較低，因此遼寧省可以通過(guò)增加財(cái)政科技投入規(guī)模來(lái)提高地區(qū)的科技效率。而對(duì)于其他沒(méi)有達(dá)到完全有效的省市來(lái)說(shuō)，不僅要提高科技管理水平也要增加科技的投入規(guī)模。

從規(guī)模報(bào)酬變化來(lái)說(shuō)，2010年我國(guó)有16個(gè)省市處于規(guī)模報(bào)酬遞增階段，有4個(gè)省市出現(xiàn)了規(guī)模報(bào)酬遞減，說(shuō)明我國(guó)大部分地方財(cái)政科技投入規(guī)模需要進(jìn)一步的擴(kuò)大。

從超效率得分來(lái)看，本文利用超效率DEA模型，測(cè)算出了我國(guó)各省市超效率得分，并對(duì)其進(jìn)行排序（如表2所示），排在前五位的省市分別為北京、江蘇、上海、廣東、陜西，其中北京最高為3.135，其次是江蘇為1.659；排在后5位的省市分別是江西、山西、廣西、內(nèi)蒙古、寧夏，效率得分最低的是寧夏自治區(qū)只有0.249；可以看出北京的效率得分是江蘇省的近2倍，更是遠(yuǎn)遠(yuǎn)的超過(guò)了效率最低省份寧夏的效率得分。這說(shuō)明我國(guó)地方財(cái)政科技支出效率水平相差很大。

三、結(jié)論與建議

本文選取了我國(guó)2010年各地區(qū)財(cái)政科技投入產(chǎn)出截面數(shù)據(jù)，利用CCR、BCC和超效率DEA模型對(duì)我國(guó)省際間財(cái)政科技支出效率進(jìn)行了分析評(píng)價(jià)。主要結(jié)論如下：

在選取的30個(gè)省市（西藏被剔除）中，達(dá)到完全DEA有效的省市只有9個(gè)省市（北京、吉林、上海、江蘇、安徽、廣東、重慶、陜西、甘肅），其余21個(gè)省市財(cái)政科技支出均沒(méi)有達(dá)到有效前沿面，而且全國(guó)綜合效率的均值只有0.708，說(shuō)明我國(guó)地方財(cái)政科技支出效率普遍較低；從中東西三大區(qū)域來(lái)看，東部地區(qū)綜合效率為0.803，中部地區(qū)為0.736，西部地區(qū)為0.607，說(shuō)明地方財(cái)政科技效率存在較大差異。超效率排名中，排在第一名北京（為3.135）的超效率得分是排在最后一位寧夏（為0.249）的12.6倍，說(shuō)明財(cái)政科技支出效率區(qū)域性差異在各省市之間表現(xiàn)更加明顯；另外筆者發(fā)現(xiàn)財(cái)政科技支出效率區(qū)域性差異與經(jīng)濟(jì)發(fā)展水平相一致，即經(jīng)濟(jì)發(fā)達(dá)地區(qū)效率高，經(jīng)濟(jì)發(fā)展水平低的地區(qū)效率低，說(shuō)明加快當(dāng)?shù)亟?jīng)濟(jì)發(fā)展可以促進(jìn)財(cái)政科技效率的提高；從綜合效率的分解來(lái)看，不同地區(qū)影響綜合效率水平的指標(biāo)不同，如黑龍江、海南、青海三省沒(méi)有達(dá)到DEA完全有效主要是由于這三個(gè)省市的規(guī)模效率低造成，而遼寧省則是規(guī)模效率達(dá)到了有效前沿面，而沒(méi)有純技術(shù)效率，說(shuō)明遼寧省綜合效率低的原因是純技術(shù)效率沒(méi)有達(dá)到有效，因此為了提高當(dāng)?shù)刎?cái)政科技投入效率應(yīng)該有真對(duì)性的采取措施；從規(guī)模報(bào)酬變化來(lái)看，我國(guó)大部分省市財(cái)政科技投入仍處于規(guī)模報(bào)酬遞增階段，說(shuō)明地方財(cái)政科技規(guī)模投入不足，需要進(jìn)一步加強(qiáng)財(cái)政科技的投入。

參考文獻(xiàn)：

[1]唐齊鳴，王彪.中國(guó)地方政府財(cái)政支出效率及影響因素的實(shí)證研究[J].金融研究，2012，（2）：48-60.

[2]Farrell， M.J. The Measurement of Productive Efficiency[J]. Journal of the Royal Statistical Society，1957，120（3）：253-281.

[3]Charnes， A.， W.W. Cooper， E. Rhodes. Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Re-search，1978，（2）：429-432.

[4]Banker， R. D， A. Charnes， W. W. Cooper. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，（30）.

[5]Per Andersen， N. C. Petersen. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993（39）： 1261–1264.

[6]賀德方.我國(guó)科技投入效率、效果評(píng)價(jià)研究[J].情報(bào)學(xué)報(bào)，2006，25（6）：740-748.

[7]漆世雄.基于DEA方法的我國(guó)地方財(cái)政科技投入效率的實(shí)證分析[J].生產(chǎn)力研究，2009，（23）：33-35.

[8]徐薔，范純?cè)?地區(qū)科技投入產(chǎn)出效率的測(cè)度與評(píng)價(jià)[J].科技管理研究，2010，（7）：38-40.