科技投入与东北地区经济增长关系的实证分析

摘要：采用非参数的DEA分析方法，使用Malmquist指数计算我国东北三省2002—2014年科技投入的技术效率指数、技术进步指数和全要素生产率指数，分析科技投入与经济增长的关系。结果表明：东北三省13年平均技术效率为0.937，科技投入存在6.3%的资源浪费；科技投入产出效率总体增长不快主要是因为资源配置得不到有效优化。应推进建立市场机制，鼓励民营科技企业发展，形成良好的市场竞争氛围，促进科技资源的合理有效配置，加快技术进步。

关键词：数据包络分析法；东北地区；科技投入；经济增长；资源配置

中共中央在2016年4月26日发布意见提出新一轮东北振兴战略。在全球经济一体化的背景下，科技进步在国家战略中的作用日益显著。科技投入为科技进步提供了物质保障，日益成为推动经济发展的重要因素，因此振兴东北的一个关键在于提高科技投入对经济增长的贡献。

自1957年经济学家索洛在《技术变化和总量生产函数》一文中提出全要素分析方法，从而确立了技术进步能够决定经济增长的观点以来［1］，国内外学者对这一理论观点作了大量的研究。同时，也有学者对科技投入对经济的贡献进行了研究。

Nasierowski和Arcelus（2003）［2］运用DEA方法对45个国家的数据进行了实证研究，得出的结果是R＆D投入和技术创新是促进区域经济增长的重要因素。师萍等（2007）［3］根据1986—2004年的数据分析了我国科技投入的绩效及变化。徐春杰等（2006）［4］建立了内生增长模型以评价我国科技投入的产出绩效。李雄诒和李新杰（2010）［5］根据2000—2007年的R＆D投入数据，使用DEA方法分析了河南省R＆D投入的效率。卢方元和赵银虎（2012）［6］同样使用DEA方法分析了河南省R＆D的绩效情况。刘媛媛等（2014）［7］分析了新疆地区科技投入对经济增长的贡献。

从相关的文献可以看出，主要的研究对象还是国家或者某产业与行业，对东北地区的研究还较少。因此，本文立足于东北地区构建相应的指标体系，运用DEA方法分析东北地区科技投入与地区经济发展的关系，探索地区科技投入对经济发展的促进作用并分析关键影响因素，以期为东北地区的经济发展提供决策参考。

一、研究方法

科技投入是指从全社会的角度进行人力、资本等资源的配置，很难从投入和产出之间寻找出确切的函数。而DEA方法的优势在于不需要确定具体的输入和输出生产函数的表达式，取而代之的是通过决策单元（DMU）借助数学规划和统计来确定有效的生产前沿面，通过比较DMU偏离前沿面的程度来评价其有效性，具有很强的客观性。基于以上原因，本文采用DEA方法来分析东北地区科技投入与经济增长的关系。

式中：ε为非阿基米德无穷小量，常取

，θ为待估计参数［8］。

BCC模型比CCR模型多出一个

的约束条件。CCR模型假设的是规模报酬不变，BCC模型假设规模报酬可变。在BCC模型中，技术效率（TE）=纯技术效率（PE）×规模效率（SE）。

本文中纯技术效率（PE）表示科技资源的配置是否最优化，规模效率（SE）表示的是东北三省科技投入是否处于最佳的规模。

Malmquist指数是由Caves等人建立起来的用于测量全要素生产率（TFP）变化的指数，对分析科技投入产出的动态变化非常适用。基于DEA方法的Malmquist指数能够很客观地处理多输入多输出的情况，这是一般的生产函数方法所不具备的优势。更重要的是，该指数能被分解为几个有意义的指数，从而有助于深入了解产出动态变化的原因。

Malmquist指数在规模报酬不变的条件下可以分解为技术效率变动指数（EC）和技术变动指数（TC），其公式分别为

式中：EC体现了相对技术效率的变化，也被称为“追赶效应”，当EC＞1时，表明技术效率较原来有所提高；TC体现了技术的进步，也被称为“增长效应”，表明技术在原有基础上的创新［9-10］，当TC＞1时即出现了技术进步。

资源配置效率的改善和技术水平的提升能够加强科技投入对经济的促进作用。Malmquist指数运用面板数据，可弥补CCR模型的缺点，使分析更加完整。

二、指标及数据选择

生产活动研究中最重要的投入指标是劳动力和资本，科技投入产出也是如此。科技投入需要从人力投入、资金投入和环境输入三个方面考虑。根据数据可获得性，本文选择的投入指标为R＆D人员全时当量、R＆D经费内部支出额、R＆D经费支出中的资产性支出，产出指标为支出法衡量的GDP。R＆D人员全时当量体现了科技投入的劳动力投入情况，R＆D经费内部支出额体现了对科技的资本投入，R＆D经费支出中的资产性支出表现为研究环境的改善，如研究室的建立、设备仪器的更新等。进行科技投入主要的目的是改善生产方式，提高各行业的生产质量和数量从而促进经济增长，故本文将支出法衡量的GDP作为产出指标。

本文选取了东北地区2002—2014年R＆D人员全时当量、R＆D经费内部支出额、R＆D经费支出中的资产性支出等指标和支出法衡量的GDP这一产出指标。其中R＆D人员全时当量、R＆D经费内部支出额、R＆D经费支出中的资产性支出的数据来源于《中国科技统计年鉴2002—2014》，支出法GDP的数据来源于中国国家统计局网站。

三、实证分析

本文的实证研究过程分为两步：第一步是采用每年的截面数据，利用CCR模型和BCC模型求出东北地区各省的技术效率（TE）、纯技术效率（PE）和规模效率（SE）；第二步是求出Malmquist指数，将Malmquist指数分解为技术效率与技术进步效率，其中技术效率进一步分为纯技术效率和规模效率，判断各指数每年变化的情况以及变化产生的原因。本文使用DEAP 2.1软件对我国东北地区辽宁、吉林、黑龙江三省的科技投入对经济增长产出的效率进行了分析。

2002—2014年东北地区科技投入产出的TE值、PE值、SE值如表1所示。

如表1所示，2002—2014年东北地区每年的平均技术效率分别为0.913，0.934，0.948，0.945，0.890，0.939，0.866，0.934，0.935，1.000，1.000，0.936，0.941；总平均技术效率为0.937，这表明东北地区科技方面投入存在6.3%的投入资源浪费。从三省之间的比较可以看出：吉林省平均技术效率都为1，表明吉林省的技术利用充分，相对有效率；黑龙江省的平均技术效率为0.919，介于0.9～1之间，属于弱有效，即稍微调整投入量即可达到有效率的状态；辽宁省的平均技术效率为0.892，小于0.9，处于相对无效率状态，即存在相对较大的投入资源浪费。

表1 2002—2014年东北三省科技投入产出情况

年份技术效率_______________________________ _______________（TE）纯技术效率（PE）_____规模效率（SE）_ 2002 0.913 1.000 0.913 2003 0.934 1.000 0.934 2004 0.948 1.000 0.948 2005 0.945 1.000 0.945 2006 0.890 1.000 0.890 2007 0.939 1.000 0.939 2008 0.866 1.000 0.866 2009 0.934 0.971 0.960 2010 0.935 0.936 0.998 2011 1.000 1.000 1.000 2012 1.000 1.000 1.000 2013 0.936 0.944 0.992 ______2014 0.941_____ 0.966 0.974 0.892 1.000 0.892吉林1.000 1.000 1.000黑龙江0.919 0.958 0.960 __________________均值______辽宁年均值0.937_____ 0.986____________ _0.951_

通过BCC模型可以求得东北地区科技投入的纯技术效率值，该值能体现技术无效率多大程度上由纯技术无效率所造成。纯技术无效率反映的是日常管理的政策合理性及管理的水平。

由表1可知，东北地区13年平均纯技术效率为0.986，该数据表明东北地区的日常经营管理水平总体较高，但是各省之间还有差异。辽宁和吉林的平均纯技术效率都为1，表明两省的日常管理水平较高；黑龙江省的平均纯技术效率为0.958，大于0.9且小于1，属于弱有效，体现了其日常管理水平不高，需要加以改进。

黑龙江省2009、2010、2013、2014四年投入产出情况如表2所示，可见黑龙江省需在日常管理上进行提高。

表2 黑龙江省投入产出情况万元

___年份_____R＆D人员全时当量_____R＆D经费内部支出／（人·年 -1）____资产性支出冗余量GDP冗余量2009 9 696.33 93 771.06 64 676.24 0 2010 12 152.06 236 287.11 68 787.14 0 2013 13 095.13 342 604.70 38 623.40 0 __2014________ 10 582.60_________________ 166 169.60 109 554.50 0

BCC模型可求得东北地区科技投入的规模效率值，该值能体现东北地区的科技投入是否处于最佳的规模。如果结果显示规模报酬递减，则需要减小科技方面人力、资本等投入，且减少相关要素的投入；如果结果显示处于规模报酬递增状态，则需要扩大科技方面劳动、资本等的投入规模，增加相关要素的投入。

东北地区总的年平均规模效率为0.951。辽宁省2002—2014年的平均规模效率为0.892，小于总平均值；吉林省的平均规模效率为1；黑龙江省的平均规模效率为0.960。辽宁省除2011与2012两年外，其余年份一直处于规模递减阶段；黑龙江省在2006—2010年与2013—2014年处于规模递减阶段，应当缩减规模。其余的年份三省均处于规模报酬不变的状态，故需要保持原有规模即可。

以黑龙江省2014年的数据为例，规模效率值是0.943，处于规模递减阶段；纯技术效率低，反映了资源的投入中浪费较多且管理水平较低。根据最优的目标，黑龙江省2014年的R＆D人员全时当量、R＆D经费内部支出、资产性支出分别应该由62 648人／年、1 613 469万元、255 814万元缩减至52 065.4人／年、1 447 299.4万元、146 259.5万元。

经过以上分析可以看出：东北地区技术效率是比较低的，而其中的主要原因是其规模效率较低。其中辽宁省年平均规模效率只为0.892，相当大程度上影响了整体效率；黑龙江省在纯技术效率方面弱有效，可见其日常管理急需加强。

下面分析东北三省科技投入产出的动态变化。2003—2014年，东北三省科技投入数据Malmquist指数如表3所示。本文将2002年定为基期，其Malmquist指数为l。从表3中能够看出，之后12年东北地区的全要素生产率指数（TFP）分别为1.066，0.998，1.044，1.086，0.994，1.122，1.289，1.155，1.167，0.975，0.971，1.077；均值为1.076。可以看出，在之后12年中全要素生产率呈现波动趋势，在2004、2007、2012、2013年略有降低，其中2009年全要素生产率指数上升幅度较大。

表3 2003—2014年东北三省科技投入数据M alm quist指数

年份技术效率变动____________________指数（EC）技术变动指数（TC）______纯技术效率变动指数（PTEC）_______规模效率变动指数（SEC）_______全要素生产率指数（TFP）___ 2003 1.028 1.038 1.000 1.028 1.066 2004 1.017 0.982 1.000 1.017 0.998 2005 0.997 1.047 1.000 0.997 1.044 2006 0.940 1.156 1.000 0.940 1.086 2007 1.058 0.939 1.000 1.058 0.994 2008 0.920 1.220 1.000 0.920 1.122 2009 1.081 1.192 0.971 1.114 1.289 2010 0.999 1.156 0.960 1.041 1.155 2011 1.076 1.085 1.074 1.002 1.167 2012 1.000 0.975 1.000 1.000 0.975 2013 0.933 1.041 0.941 0.992 0.971 _______2014__________ 1.006________ 1.070___________ 1.025 0.981 1.077 1.024 1.103 1.000 1.024 1.129吉林1.000 1.096 1.000 1.000 1.096黑龙江0.986 1.017 0.991 0.995 1.003 ______________________均值_______辽宁年均值1.003________ 1.072___________________________________________________________ __0.997____________________________________________ __1.006_1.076

总体来说，东北地区技术进步的平均增长率为7.5%，是要素生产率的平均增长率上升的主要原因；全要素生产率指数均值为1.076，即全要素生产率的平均增长率为7.9%；技术效率的增长率为0.5%，规模效率增长率为0.8%，而纯技术效率却下降了0.2%。这说明东北地区总体科技投入的全要素生产率增长率不高，技术效率增长幅度不明显，其中纯技术效率负增长，说明东北地区在资源的配置与日常管理方面存在问题。

2003—2014年东北三省科技投入情况如图1所示，可见表现资源配置效率的EC的数值这12年间一直围绕1上下波动。仅2003、2004、2007、2009、2011年EC的数值大于1，即仅在这5年资源配置效率得到提高，其余年度资源配置效率都处在无效率状态或者临界状态。这种情形表明东北三省这12年间在资源配置方面的进步不明显，不能有效地将投入资源转化为应有的产出，体现了社会科技部门的日常管理水平比较低下，资源投入的浪费情况比较明显。

表现技术进步效率的TC数值总体在1的上方，表明大多数年度其都处在有效率的状态，即技术稳步提高，仅在2007年明显处在无效率的状态。TC数值2003—2014年总体上经历了先上升后下降的过程，在2008年达到峰值1.220，并且有4个年度的TC数值在1.1左右，说明东北三省在这12年间技术进步效应比较显著。

最后从两者结合的TFP数值来看，总体也经历了一个先上升后下降的过程，在2009年达到峰值1.289，并在2013—2014年有企稳回升的态势。所以从总体上看，东北地区的全要素生产率指数为有效率的状态，仅在2012、2013年处在无效率状态。从指数分解来看，整个地区技术进步效应明显，技术进步效应对全要素生产率指数的拉动作用显著；而资源配置效率不高，影响了整个地区科技投入全要素生产率的提高。经济理论表明，完全竞争市场的资源配置总是最有效的，资源配置效率指数最高［11］。由此来看，东北地区这12年间资源配置效率不高是因为科技产业的市场化程度不高，还不能最有效地分配科技投入资源。

从东北地区内部的比较来看，三省平均全要素生产效率指数均大于1，说明东北地区在资源配置的效率和科技进步方面都有所进步。其中，辽宁省总体上在资源配置效率和技术进步水平方面均有提高，使其全要素生产效率指数最高；吉林省资源配置效率没有提高，仅保持了不变，技术的小幅进步使其全要素生产效率指数大于1；黑龙江省资源配置效率是退步的，说明其在资源投入与日常管理方面存在问题，全要素生产效率指数约为1，可以说全要素生产效率基本没有进步。

东北三省整体全要素生产率指数上升幅度较小，主要原因是资源配置效率得不到提高、管理水平低下。今后，应加强区域内科研能力并提高管理部门的管理水平。

四、结论及建议

本文选择东北地区为样本，收集了2002—2014年间的科技投入数据，利用DEA方法，分别运用截面数据和面板数据分析了其科技投入的产出效率，得出以下结论与建议：

从截面数据分析来看，本文利用CCR模型与BCC模型测算了东北三省每年的技术效率值、纯技术效率值和规模效率值。东北地区13年平均的技术效率值为0.937，表明东北地区科技投入中的资源投入存在6.3%的浪费。东北地区技术效率均值小于1，处于非有效的状态，主要是因为辽宁省和黑龙江省的技术效率较低，并且黑龙江省多个年份出现投入冗余现象，原因是该地区科技产业的市场化程度不高，市场竞争不明显。

从面板数据分析来看，本文计算了东北地区Malmquist指数，将该指数分解为分别表现资源配置效率与技术进步效率的两种，以判断指标的变化情况以及变化来源。现阶段东北三省科技投入技术效率的提高快于资源配置优化，科技投入产出效率的总体增长受制于资源配置得不到有效提高。

东北地区科技投入的追赶效应不明显，对地区经济增长虽然有贡献，但是效果有限。应推进建立市场机制，鼓励支持民营科技企业发展，形成良好的市场竞争氛围，促进科技资源的合理有效配置，推进科技产业的市场化，提高管理部门的管理水平，以期在竞争的环境中提高科技进步的速度。

［1］Solow R M.Technical change and the aggregate production function［J］.M ind，1957，39（3）：554-562.

［2］NasierowskiW，Arcelus F J.On the efficiency of national innovation systems［J］.Socio-economic Planning Sciences，2003，37（3）：215-234.

［3］师萍，许治，张炳南.我国R＆D投入绩效的实证研究［J］.中国软科学，2007（6）：125-130.

［4］徐春杰，李强.科技投入产出绩效评价的内生增长模型研究［J］.中国软科学，2006（8）：65-72.

［5］李雄诒，李新杰.基于DEA的河南省R＆D投入效率实证分析［J］.河南商业高等专科学校学报，2010，23（5）：48-54.

［6］卢方元，赵银虎.基于DEA的河南省R＆D绩效研究［J］.地域研究与开发，2012，31（6）：40-43.

［7］刘媛媛，孙慧.新疆科技投入对区域经济增长的贡献度分析：基于扩展C-D生产函数和DEA分析法［J］.科研管理，2014，35（10）：26-32.

［8］魏权龄.数据包络分析（DEA）［J］.科学通报，2000，45（17）：1793-1808.

［9］单春霞.基于DEA-Malmquist指数方法的高新技术产业R＆D绩效评价［J］.统计与决策，2011（2）：70-74.

［10］秦琳贵，王青，马强.辽宁省装备制造业效率分析：基于DEA模型和Malmquist指数法［J］.沈阳工业大学学报（社会科学版），2016，9（4）：314-324.

［11］刘薇娜，李楠.我国东北地区经济增长、技术效率与技术进步增长率分析［J］.对外经贸，2008（9）：4-7.

Em pirical analysis of technology investment and econom ic grow th of Northeast China

JIANG Guo-qing，JU Run-lin
（School of Econom ics，Shenyang University of Technology，Shenyang 110870，China）

Abstract：Based on non-parametric Data Envelopment Analysis（DEA）and Malmquist index，the technical efficiency index，technical progress index and Total Factor Producitivity index of investment in science and technology are calculated for the three provinces of Northeast China between 2002 and 2014，so as to analyze the relationship between the science and technology investment and econom ic grow th.The results show that the average technical efficiency of investment in science and technology of the 13 years is0.937，indicates that 6.3%of the input are wasted；the overall slow grow th of the efficiency of investment in science and technology is due to the improper allocation of resources.The establishment of market mechanisms should be promoted，and the development of private technology enterprises should be encouraged.A good market climate should be formed，the rational and effective allocation of science and technology resources should be enhanced，so as to speed up the progress of technology.

Key words：Data Envelopment Analysis（DEA）；Northeast China；investment in science and technology；econom ic grow th；resource allocation

基金项目：沈阳经济区工作办公室委托项目（2016-0-32-215）。

作者简介：姜国庆（1960-），男，辽宁普兰店人，教授，主要从事国际贸易政策，国际贸易实务，区域经济和行业经济预测、评价及规划等方面的研究。

网络出版地址：http：∥www.cnki.net／kcms／detail／21.1558.C. 20170111.1329.026.htm l

科技投入与东北地区经济增长关系的实证分析 *

一、研究方法

二、指标及数据选择

三、实证分析

四、结论及建议