Keywords:Late-comer Enterprises;Technology Learning;Haier.
创新型企业创新能力和创新潜力评估研究
王恰、崔晋川
(中国科学院应用数学研究所北京100190)
摘要:本文采用数据包络分析(DEA)和弹性分析的方法,对我国24个地区的创新型(试点)企业的创新能力和创新潜力进行实证研究。根据这些地区创新型企业的投入、产出数据建立CCR模型、BCC模型和潜力分析模型,实现对其创新能力和创新潜力的评估。评估结果表明,由于发展的侧重点不同各个地区创新型企业的创新能力有强有弱。但就整体而言,这些创新型企业的创新潜力都很好,适宜加大投入规模。在此基础上,本文还将就各个地区的创新型企业创新能力和创新潜力进行了灵敏度分析,从而为创新型企业的改进和调整提供相应的理论依据。
关键词:数据包络分析(DEA);弹性分析;创新能力评估;创新潜力评估
引言
当今时代,科学技术日新月异,科技创新成果不断涌现,科技竞争日益激烈。创新型企业代表的是一种崭新的企业运行和发展模式。为更好地对企业自主创新状况进行评价和激励,为完善相关政策提供决策依据,同时发挥评价的向导作用,引导更多企业走创新驱动发展道路,2008年科技部、国资委、全国总工会三部门决定开展创新型企业评价工作,由此也就提出了对创新型企业评价研究的需求。
目前国内外常用的综合评估方法有几十种之多,不同的评估方法各有利弊。从总体上看,可分为两类,一类是主观评估法,即数据信息来自专家打分。层次分析法(Analytic Hierarchy Process,AHP)是一种应用较为成熟的主观评价方法。它能够较好地考虑和集成综合评价过程中的各种定性和定量信息,方法简单、易于操作,但是在应用中仍摆脱不了评价过程中的随机性和评价专家主观上的不确定性及认识上的模糊性。这使得评价过程可能带有较大的主观臆断性,从而使结果的可信度下降。
另一类是客观评估法,即数据信息来自统计数据本身。数据包络分析方法(Data Envelopment Analysis,简称DEA) 是由运筹学家A.Charnes及W.W.Cooper和E.Rhodes于1978年提出的一种建立在投入(输入)、产出(输出)数据之上的系统分析方法。它是以“相对效率评价”概念为基础,评价具有相同类型的多项输入、多项输出的决策单元(Decision Making Units,简称DMU)相对有效性的非参数方法。DEA方法依据统计到的投入数据和产出数据,能够充分考虑对于决策单元本身最优的投入产出方案,因而能够更理想地反映评价对象自身的信息和特点。而且DEA方法不必预先确定输入输出之间可能存在的某种显式关系,这就排除了许多主观因素,因此具有很强的客观性。经过30年理论上与实践上的发展,如今应用DEA方法进行效率评价的领域已包括:学校、银行、农业、邮政、机场维护、医疗机构、交通运输系统、电力工业系统、矿业资源开发利用及生产企业等等,其应用领域还在扩大。
本文采用数据包络分析(DEA)和弹性分析的方法,对我国24个地区创新型(试点)企业的创新能力、创新潜力进行综合评价。输入指标选取研发费用支出总额和研发人员人数两项创新投入情况统计,输出指标选取增加值和主营业务收入两项经济指标总量情况统计。根据这些地区创新型企业的输入、输出数据建立CCR模型和BCC模型,得出创新能力评估值,从而实现对这些创新型企业的创新能力的评估。针对创新能力相对较低的企业,运用投影分析的方法,为其找出与其他企业之间存在的差距。在此基础上,本文还将应用弹性分析的方法,给出对这些创新型企业创新潜力高低的一种精确评估。这不仅有助于企业自身的改进与调整,还有助于政府掌握这些创新型企业的发展状态,通过政策等方式对个别企业给予重点扶持,从而有效的推进创新型企业建设工作。
1.数据包络分析方法(DEA)
1.1CCR模型
运筹学家A.Charnes及W.W.Cooper和E.Rhodes于1978年提出第一个DEA模型——CCR模型。每个决策单元都有m种输入和p种输出。
CCR-Output模型(3)所得出的结果是大于等于1的,在实际应用中CCR评估值通常使用的是它的倒数(小于等于1)。CCR有效是指CCR评估值等于1,CCR无效是指CCR评估值小于1。CCR生产可能集是指集合。CCR前沿面是指由CCR有效的决策单元所构成的超平面,它包络了CCR生产可能集里所有的点。这就是称为 “数据包络分析”的原因所在。
1.2BCC模型
BCC模型由Banker,Charnes and Cooper于1984年提出的。BCC模型是在CCR模型的基础上,深入讨论技术效率与规模效率的问题。技术有效是指输出相对输入而言已达最大,即该决策单元位于生产函数的曲线上。规模有效是指投入量既不偏大(冗余),也不过小(不足),处于规模收益不变的状态。
微观经济学中,所谓规模收益递增、不变、递减,是指落在生产函数曲面上评估对象生产状态的规模收益为递增、不变、递减。例如,图1曲线表示的生产函数y=f(x)。评估对象DMU1、DMU2、DMU3落在生产函数上,而DMU4仅落在生产可能集内,未落在生产函数上。称DMU1、DMU2、DMU3都处于技术有效的状态。但是,DMU1不是规模有效的,实际上它处于规模收益递增的状态。对DMU1增加一定的投入后,沿着y=f(x)产出的增加比例将会大于投入的增加比例。这意味着相对于其他决策单元来说,DMU1的投入量存在着一定程度的不足,适宜扩大投入规模。DMU3也不是规模有效的,它处于规模收益递减的状态。对DMU3增加投入后,沿着y=f(x)产出的增加比例将会小于投入的增加比例。这意味着相对于其他决策单元来说,DMU3的投入量存在着一定程度的冗余,适宜缩减投入规模。DMU2是规模有效的,它处于规模收益不变的状态,即投入规模大小相对适宜,不需要做调整。
如果用CCR模型来评估这4个决策单元的相对有效性,那么只有DMU2对应的最优值是1,DMU1、 DMU3、DMU3的CCR评估值均小于1。这是因为CCR模型评估的是在规模收益不变前提下的相对效率。因此CCR有效(CCR评估值等于1)的经济含义是:不仅仅是技术有效的,还是规模有效的。
对于CCR无效(CCR评估值小于1)的决策单元来说,无效性除了可能来自于本身的投入、产出配置不当导致CCR效率不高之外,还有可能是源自决策单元规模所处的规模收益状态这个因素。所以若能了解各个决策单元所处的规模收益状态,将有助于评估对象做规模上的调整,进而实现更有效的发展。由此提出BCC模型来评估在规模收益可变前提下的相对效率。
BCC-Output模型(4)所得出的结果也是大于等于1的,在实际应用中BCC评估值通常使用的是它的倒数(小于等于1)。BCC有效是指BCC评估值等于1,BCC无效是指BCC评估值小于1。BCC生产可能集是指集合。BCC前沿面是指由BCC有效的决策单元所构成的超平面,它包络了BCC生产可能集里所有的点。
比较BCC生产可能集和CCR生产可能集,增加了对的约束,这使得BCC模型建立在规模收益可变的前提下。如果用BCC模型来评估图1中这4个决策单元的相对有效性,那么DMU1、DMU2、DMU3对应的最优值都是1。因此,BCC有效(BCC评估值等于1)的经济含义仅仅是技术有效的,而BCC前沿面也通常被看作对评估体系构成的生产函数一种模拟。
应用BCC-Output模型的计算结果,还可以判别决策单元的规模收益情况。对于BCC有效的决策单元(落在BCC前沿面上的决策单元)而言,它处于规模收益递增的状态,当且仅当对模型(4)任意的最优解,有;它处于规模收益不变的状态,当且仅当对模型(4)存在一个最优解有;它处于规模收益递减的状态,当且仅当对模型(4)任意的最优解,有。而对于那些BCC无效的决策单元(没有落在BCC前沿面上的决策单元,如图1中的DMU4),判定他们的规模收益状态,通常的做法是考虑决策单元在BCC前沿面上的BCC投影点,由BCC投影点的规模收益状况所决定。BCC投影点是指由模型(4)最优解,得到的一组投入产出数据,其中,可以证明是位于BCC前沿面上的。
2.创新型企业创新能力评估
本文使用的数据来源于《2009中国创新型企业发展报告》,研究覆盖了2008年我国24个地区创新型(试点)企业的发展情况。由于辽宁省缺失数据较多,故将其排除在评估体系之外,不予评估。各地创新型(试点)企业是从所在地的重点骨干企业和龙头企业中选择,突出了地方经济建设的发展方向与重点。输入指标选取研发费用支出总额(亿元)、研发人员人数(人)两项创新投入情况统计;输出指标选取增加值(亿元)、主营业务收入(亿元)两项经济指标总量情况统计。
下面采用DEA的评价方法,对我国24个地区的创新型(试点)企业进行创新能力的综合评价。将表1中的输入、输出数据带入CCR-Output模型(1.3)和BCC-Output模型(1.4)中进行计算,得到各地区创新型(试点)企业的创新能力CCR评估值和BCC评估值,评估值的高低反映该地区创新型企业创新能力的高低。然后依据评估值的高低对这24个地区的创新型试点企业进行排序,结果如表2所示。
山东、四川这两个地区创新企业的创新能力CCR评估值是1(CCR有效的),它们的CCR排名为前两名。创新型企业创新能力的CCR前沿面由这两个地区构成。山东、四川、青海、新疆这四个地区创新企业的创新能力BCC评估值是1(BCC有效的)。由于山东、四川这两个地区创新型企业的创新能力CCR评估值也是1,说明这两个地区创新型企业达到了规模有效的状态。它们处于规模收益不变的状态,投入规模适宜,既不过大,也不过小。
而青海、新疆这两个地区创新型企业尽管创新能力BCC评估值是1,但创新能力CCR评估值却很小(青海:0.4169814,新疆:0.35662)。这意味着这两个地区创新型企业仅仅是处于技术有效的状态,尚未达到非规模有效的状态。相对于其他地区的创新型企业来说,青海、新疆这两个地区的创新型企业或者是投入规模过小,或者是投入规模过大,需要进行一定的调整。
其他20个地区创新型企业尚未达到技术有效的状态。这说明在当前投入水平下,它们的产出水平仍存在一定的提高空间,其创新能力有待进一步的提高。江苏、广东这两个地区的创新型企业投入规模过大,在创新能力评估中并不占优势,创新能力BCC评估值排名分别是第11名以及第8名。其中创新能力BCC评估值排名后5位的地区分别是:宁波、黑龙江、河北、浙江、湖南。这些地区的创新型企业,相对于其他地区的创新型企业来说,产出与投入的效率比过低,企业当务之急是提高自身增加值和主营业务收入。例如宁波地区,对其进一步考虑BCC-Output模型(4)的对偶形式,可以看到输出第二项(主营业务收入)比输出第一项(增加值)的权重大,因而提高主营业务收入可以使宁波地区尽快的提高创新能力BCC评估值排名。
对这尚未达到技术有效的20个地区创新型企业来说,BCC-Output模型计算得到的投影数据给出了一组在尽量维持当前投入规模下,实现技术有效(BCC有效)所需调整的投入规模和产出规模。表3列出了这20个地区创新型企业BCC投影数据情况。在当前评估体系下,表3中的数据可以使这些地区的创新型企业由原本BCC无效的状态改进为BCC有效的状态,实现技术有效。然而对比表1中的投入、产出数据可以发现,对某些地区来说由BCC-Output模型给出的投影数据,可能与原数据相差甚远,这意味着评估对象需要对其投入产出水平做很大的调整。例如宁波地区的创新型企业,投影数据保持了原始的投入规模不变,但产出规模做了相当大的调整,增加值由49.8需要扩大到286.83973,调整幅度为原来的475.98%;主营业务收入由266.8需要扩大到968.79152,调整幅度为原来的263.12%。