旧版

[1]Multi-level multi-stage efficiency measurement:

the case of innovation systems

基于创新系统的多阶段多层次效率管理

Elias G.Carayannis,Yorgos Goletsis,Evangulos Grigoroudis

Abstract:

摘要：

由于近年来的经济危机以及提高公共资本使用有效性的需要，效率研究引起了广泛关注。尽管单阶段的效率研究已经得到广泛应用，但考虑到系统内部的结构，效率研究还应该更加深入，提供更多的有丰富更深入的结果。将研究过程进一步细化为各个子过程并构建基于系统内的组成部分构造多阶段多层级的模型。在此框架下，我们将DEA研究方法拓展至研究多层级多阶段的效率研究问题。

一个创新系统可以视为是包含有两个子过程的系统，第一阶段负责将相关的研究成果转化为知识产出；第二阶段负责将知识成果转化为商业现金流。同时，这两个子过程均可以在国家层级和地区层级两个层级的角度来考虑。因此，多阶段多层级的DEA模型在研究创新效率的问题时是可行的。

1.Introduction

简介：

1.1 DEA的主要思想

一个经济系统或者一个生产过程可以看成一个单元在一定可能范围内，通过投入一定数量的生产要素并产出一定数量的“产品”的活动。虽然这些活动的具体内容各不相同，但其目的都是尽可能地使这一活动取得最大的“效益”。由于从“投入”到“产出”需要经过一系列决策才能实现，或者说，由于“产出”是决策的结果，所以这样的单元被称为“决策单元”（Decision Making Units，DMU）。可以认为每个DMU都代表一定的经济含义，它的基本特点是具有一定的输入和输出，并且在将输入转换成输出的过程中，努力实现自身的决策目标。

1.2 DEA基本知识

（1）DEA的发展历史：选取DEA最初由Charnes,Cooper and Rhodes(1978)提出，是为第一个DEA模型——CCR模型。后Banker,Charnes and Cooper(1984)改变CCR模型中规模收益不变的假定，而改为规模收益变动的假定，是为BCC模型。发展到目前为止，最具代表性的DEA模型有CCR、BCC、FG和ST模型。其中，FG模型假定规模收益递减，ST模型假定规模收益递增。

（2）DEA有效性的经济含义：DEA中，企业的相对效率在（0，1）区间内分布，处于效率前缘企业的效率值为1。对任何一个决策单元，它达到100%的效率是指：1.在现有的输入条件下，任何一种输出都无法增加，除非同时降低其他种类的输出。2.要到达现有的输出，任何一种输入都无法降低，除非同时增加其他种类的输入。一个决策单元达到了100%的效率，该决策单元就是有效的。

2.Background

背景知识

（1）多阶段的DEA

由于单阶段的DEA模型可能导致效率计算的不准确，多阶段的DEA模型是基于将一个投入产出过程分解成多个子阶段来进行研究的。总效率为各阶段效率的乘积，若某个决策单元的某个阶段效率不为1，则整个过程的效率也不为1，即该决策单元是无效的。

（2）多层次的DEA

不同地理层次和功能层次的层级可以考虑到DEA模型当中，考虑效率研究的层级结构可能会得到更加丰富的结果。

3.Modeling

模型构建

标准的DEA模型是求一系列约束方程下的某决策单元的最优效率问题。将效率的测度拓展至多层级多阶段，有利于政策制定者更好地识别各个层级各个阶段的效率低下问题，提出解决方案。

一个创新系统是包含有两个子过程的系统，第一阶段负责将相关的研究成果转化为知识产出；第二阶段负责将知识成果转化为商业现金流。同时，这两个子过程均可以在国家层级和地区层级两个层级的角度来考虑。因此，多阶段多层级的DEA模型在研究创新效率的问题时是可行的。

4.The case of innovation system efficiency

创新系统效率研究实例

文章选取欧洲23个国家185个地区为研究对象进行两阶段的国家与地区层级的创新系统决策主体的效率测量。从输入量到中间量考虑三年的时间滞后效应，从中间量到最终输出结果考虑一年的时间滞后效应。

在国家层面的变量设置：

（1）投入变量：接受高等教育的理科毕业生；终身学习的参与度；总研究与试验发展经费；（R&D）研究与试验发展资本储备；风投资本量；

（2）中间产出变量：可引用文献；专利申请；知识密集型人员的雇佣量；中小企业合作；

（3）输出变量：高技术输出：创新带动的新的销售额；专利证书海外收益：官方商标申请量。

在地区层面的变量设置：

（1）投入变量：理科生人数；研究与试验发展支出；非研究与试验发展支出的其他创新支出；

（2）中间产出变量：中小企业内部创新；中小企业之间的创新项目合作；公私合作的出版物；专利；

（3）输出变量：科技创新成果；非科技类的创新成果；知识密集型劳动力的雇佣量；创新带动的新的销售额。

5.Results and concluding remarks

结果与评述

本文首先使用了经典的单阶段DEA模型进行创新系统的效率测度，然后使用两阶段单层级的DEA模型进行效率测度，最后使用两阶段两层级进行测度。结果显示，随着模型的复杂化，越来越多的无效率决策单元被识别出来，DEA模型的甄别能力越来越强。在本文中创新系统作为一个例子被使用，多阶段多模型的DEA方法还可以被用于各种其他可分解为多层级多阶段的效率问题研究中。

供稿人：元岳（区域经济学2015级研究生）