基于网络dea交叉效率的工业企业科技创新效率研究

《基于网络dea交叉效率的工业企业科技创新效率研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

山西大学2018届硕士学位论文基于网络DEA交叉效率的工业企业科技创新效率研究作者姓名楚娟娟指导教师范建平副教授学科专业工业工程研究方向预测决策与评价培养单位经济与管理学院学习年限2015年9月至2018年6月二〇一八年六月 ThesisforMaster’sdegree,ShanxiUniversity,2018TheAssessmentofTechnologicalInnovationinIndustrialenterprisesBasedonDEAcross-efficiencyevaluationStudentNameJuan-juanChuSupervisorA.Prof.Jian-pingFanMajorIndustrialEngineeringSpecialtyDecisionforecastingandevaluationDepartmentSchoolofEconomicsandManagementResearchDuration2015.09-2018.06June,2018 目录中文摘要..........................................................................................................................IABSTRACT........................................................................................................................II第一章绪论.........................................................................................................................11.1研究背景与意义......................................................................................................11.1.1研究背景........................................................................................................11.1.2研究意义........................................................................................................21.2国内外研究现状......................................................................................................31.2.1工业企业科技创新效率评价研究现状........................................................41.2.2网络DEA研究现状.....................................................................................51.2.3DEA交叉效率研究现状...............................................................................61.2.4现有研究中存在的问题与不足...................................................................71.3研究内容、方法和技术路线..................................................................................71.3.1研究内容........................................................................................................71.3.2研究方法........................................................................................................71.3.3技术路线........................................................................................................91.4创新之处...............................................................................................................10第二章相关理论基础及模型...........................................................................................112.1传统DEA模型.....................................................................................................112.2两阶段DEA方法及模型.....................................................................................122.3DEA交叉效率研究方法.......................................................................................14第三章两阶段网络DEA交叉效率模型.........................................................................173.1构建资源共享的两阶段网络系统........................................................................173.2构建资源共享的两阶段网络DEA模型..............................................................183.3模型的最优求解....................................................................................................213.4资源共享的两阶段网络DEA的交叉效率..........................................................233.5两阶段网络DEA的交叉效率子阶段效率.........................................................24第四章工业企业科技创新效率评价...............................................................................274.1评价指标的选择....................................................................................................274.2科技创新效率评价................................................................................................294.3中国工业企业科技创新效率的省份及区域差异分析........................................37 4.4政策建议................................................................................................................40第五章结论与展望.........................................................................................................435.1全文结论................................................................................................................435.2研究展望................................................................................................................44附录...................................................................................................................................45参考文献.............................................................................................................................49致谢...................................................................................................................................53个人简况及联系方式.........................................................................................................55承诺书.........................................................................................................................57学位论文使用授权声明.....................................................................................................59 ContentsChineseAbstract..................................................................................................................IABSTRACT........................................................................................................................IIChapter1Introduction.......................................................................................................11.1ResearchBackgroundandsignificance....................................................................11.1.1Researchbackground.....................................................................................11.1.2Researchsignificance.....................................................................................21.2Researchreview.......................................................................................................31.2.1Evalucationmethodsoftechnologicalinnovationefficiencyreview............41.2.2ReviewofnetworkDEA................................................................................51.2.3ReviewofDEAcross-efficiencyevaluation..................................................61.2.4Problemsandinsufficientinreview...............................................................71.3Researchcontent,methodandtechnicalroute.........................................................71.3.1Researchcontent............................................................................................71.3.2Researchmethod............................................................................................71.3.3Technicalroute...............................................................................................91.4Innovations.............................................................................................................10Chapter2Basictheoryandmodel...................................................................................112.1TraditionalDEAmodel..........................................................................................112.2Two-stageDEAmethod.........................................................................................122.3DEAmodelforcross-efficiencyevaluation...........................................................14Chapter3Two-stagenetworkDEAcross-efficiencymodel...........................................173.1Two-stagenetworkprocesswithsharedresources.................................................173.2Two-stagenetworkDEAmodelwithsharedresources..........................................183.3Optimalsolutionofthemodel................................................................................213.4Thecross-efficiencyoftwo-stagenetworkDEA..................................................233.5Substageefficiencyoftwo-stagenetworkDEA....................................................24Chapter4Evaluationoftechnologicalinnovationefficiencyofindustrialenterprises274.1Selectionofevaluationindex................................................................................274.2Evaluationofthetechnologicalinnovationefficiency..........................................294.3Analysisofregionaldifferencesintheefficiencyoftechnologicalinnovation....37 4.4policysuggestion...................................................................................................40Chapter5ConclusionandFurtherReaearch.................................................................435.1Conclusionsofthispaper......................................................................................435.2FurtherReaearch...................................................................................................44Appendix............................................................................................................................45References..........................................................................................................................49Acknowledgment...............................................................................................................53Personalprofiles................................................................................................................55Letterofcommitment.......................................................................................................57Authorizationstatement...................................................................................................59 中文摘要在新科技革命的时代背景下，创新是一个国家、民族向前发展的重要动力，知识在经济社会中的作用日益突显，而把知识转化为生产力并赋予其价值的便是企业，工业的迅速崛起为我国的现代化建设提供了必要的物质基础和保障，工业企业的科技创新效率研究就及其重要。国家经济的重要构成之一区域经济，是国家发展的重要因素。而区域科技创新与区域经济紧密联系，因此提高全国各地区的科技创新能力是提高国家创新水平的关键点。所以，对全国各地区工业企业科技创新效率进行研究分析十分必要，本文选取2006-2015年全国各省份（除港澳台及西藏地区）的工业企业科技创新数据，使用两阶段网络DEA交叉效率模型，实证研究了各地区工业企业的科技创新效率。数据包络分析（DEA，DataEnvelopmentAnalysis）在进行多指标效率评价时具有一定优势，但传统的DEA模型把系统看做是一个“黑箱”，忽视了系统的内部过程，不能够全面把控系统的内部信息；且不能进一步分辨效率值为1的有效决策单元。为此本文构建了打破黑箱的两阶段网络DEA交叉效率模型，解决了上述问题。通过阅读大量文献，本文把两阶段网络DEA交叉效率模型应用到了工业企业的科技创新效率评价上，把科技创新过程分为科技研发过程和成果转化过程两个阶段，构建了工业企业科技创新过程的研究框架，确定了投入、产出、中间投入及产出指标体系，并使用本文构建的资源共享型的两阶段交叉效率模型对各地区工业企业的科技创新效率进行实证研究，得出以下结论：（1）通过计算各省份的科技创新效率值计算，本文提出的资源共享的两阶段网络DEA交叉效率模型更加适用于创新效率的评价，且排名更加客观。（2）通过计算分析，发现我国工业企业的科技创新水平及其不平衡，西部和中部地区的科技创新水平明显落后于东部地区。（3）通过对子阶段效率的测算，全国大部分省份科技创新的第一阶段效率高于第二阶段效率，即科技研发效率高于成果转化水平。最后通过实证研究结果，提出促进工业企业科技创新的对策建议。关键词：两阶段DEA；交叉效率；工业企业；科技创新效率I ABSTRACTUnderthebackgroundofthenewscientificandtechnologicalrevolution,innovationisansignificantmotivepowerforthedevelopmentofacountryandnation.Theimportanceofknowledgeineconomicsocietyisbecomingmoreandmoreprominent.Itisenterprisesthattransformknowledgeintoproductivityandgiveitvalue.Oneoftheimportantcomponentsofnationaleconomyisregionaleconomy,whichisanimportantfactorofnationaldevelopment.Andtheregionaltechnologyinnovationandtheregionaleconomyarecloselylinked.Therefore,improvingthecapacityoftechnologyinnovationinallregionsofChinaisthekeypointtoimprovethelevelofnationalinnovation.ItisnecessarytocarryoutresearchandanalysisontheefficiencyoftechnologyinnovationinindustrialenterprisesinallregionsofChina.Thispaperstudytheefficiencyoftechnologicalinnovationinindustrialenterprisesindifferentregionsusingthetwo-stagenetworkDEAcrossefficiencymodel,andthedataincludesallprovinces(exceptHongKong,Macao,TaiwanandTibet)from2006to2015.TheDEA(DataEnvelopeAnalysis)hassomeadvantagesinmulti-indexefficiencyevaluation,butthetraditionalDEAmodelregardsthesystemasa"blackbox",ignoreingtheinternalprocessofthesystem.Anditcan’tfurtherdistinguishtheeffectiveDMUs.Therefore,thecross-efficiencymodelofthetwo-stagenetworkDEAwhichbreakstheblackboxisconstructedinthisII paper.Weusearesourcesharingtwo-stagenetworkDEAcrossefficiencymodeltoevaluatetheefficiencyoftechnologicalinnovationinindustrialenterprises.Wedividetheprocessoftechnologyinnovationintotwophases:R&Dprocessandresultstransformationprocess.Thenthesystemofinputs,outputs,intermediateinputsandoutputindicatorsisdefined,andtheresearchframeworkoftechnologicalinnovationprocessinindustrialenterprisesisconstructed.Usingthetwo-stagecross-efficiencymodelofresourcesharing,wemakeanempiricalstudyoftheefficiencyoftechnologyinnovationinindustrialenterprisesindifferentregions.Theresultsshowthat:(1)Bycalculatingtheefficiencyoftechnologyinnovationineachprovince,thecross-efficiencymodeloftwo-stagenetworkDEAproposedinthispaperismoresuitableforevaluatinginnovationefficiency,anditsrankingismoreobjective.(2)Throughthecomputationalanalysis,wefoundthattheleveloftechnologicalinnovationinChineseindustrialenterprisesisverynon-equalizing.Theleveloftechnologicalinnovationinthecentralandwesternregionsismuchlowerthanthatintheeasternregion.(3)Bymeasuringtheefficiencyofthesub-processes,theefficiencyoftechnologyinnovationinthefirststageishigherthanthatinthesecondstage,thatis,theefficiencyofR&DprocessishigherthanthelevelofIII transformationprocess.Finally,weputforwardsomesuggestionsforpromotingtechnologicalinnovationinindustrialenterprises.Keywords：Two-stageDEA；Cross-efficiency；Industrialenterprises；EfficiencyoftechnologicalinnovatiIV 第一章绪论第一章绪论1.1研究背景与意义1.1.1研究背景近年来我国经济持续地高速发展，对全球经济增长的贡献率第一，取得了举世瞩目的成绩，经济总量GDP的众多经济指标在世界排名中名列前茅。以1978-2016年的数据为准，中国生产总值GDP从1978年的3678亿元增长到2016年的744127亿元。其中，第二产业——工业生产总值从1978年的1607亿元增长到2015年的203537亿元。高速的经济发展，尤其是工业的迅速崛起为我国的现代化建设提供了必要的物质基础和保障，同时也提高了人们的生活水平，满足并创造了人民生活的各方面需求，在现代化进程中有着不可磨灭的作用。但是同时我们也必须清楚地认识到，在整个经济高速增长的过程中，随之而来的一些问题，值得我们深思。我国的经济增长主要是依靠资源、能源等自然资源为生产来实现的，这种生产方式成本太高，甚至以牺牲环境为代价，过度消耗不可再生能源，属于粗放型的发展方式，且不符合可持续发展的理念。这种生产方式也远远落后与许多发达国家，我国传统工业的道路已经走到尽头，必须转变发展方向，以创新型的工业化为导向，推动经济发展，调整经济结构。创新是一个国家、民族向前发展的重要动力，在新科技革命的时代背景下，创新依赖的是日益更新的知识的积累，信息的获取，数据的掌握和收集，知识在经济社会中的作用日益突出，人民生活水平的提高和改善、国民财富的积累和增长都越来越依赖于知识的积累和创新。然而知识的积累和创新最终要体现在科技的创新和进步上来，把所积累的知识、收集的信息和掌握的数据转化为生产力和新产品，使其增值，这就是创新。从而解决当前存在的能源和环境问题，并改善之前带来的环境污染，实现资源的合理开发和配置，以更少的投入成本和代价，产出更大的经济效益，走“可持续”的“绿色”发展道路，达到以人为本的可持续发展。在工业领域越来越依赖于快速的技术进步，企业需要获得新的能力和技术，以争取创新和商业成功，最终获得市场主动权，提高市场占有率。习近平总书记也多次强调科技创新的重要性，强调企业在创新中的核心地位。在这种新的全球化背景下，技术创新能力不仅是工业企业发展和进步的动力和源泉，更是国家竞争力的体现，是国家综合国力的体现。科技创新是促进社会发展的首要动力，是建设现代化1 基于网络DEA交叉效率的工业企业科技创新效率研究经济体系的保障和支撑。将其落实到工业企业的具体生产工作过程中，就是要进行基础研究、技术改进与更新、新技术引进，提升把新技术转换成新产品的能力，最终以有价值的产品的形式投入市场，获取利润，实现传统产业升级。对工业企业进行科技创新效率评价是为了衡量企业投入资源的利用效率、科技投入的产出水平、基础研究的价值所在、找出科技创新效率的影响因素，从而优化资源配置，改善投入体系结构，提高科技创新效率水平。各单位、部门或地区只有在明确自身在行业中所处的位置、明白自身与处于前沿的单位之间的差别，才能进行有效的战略部署和调整，做出正确的改善措施。因此对工业企业的科技创新水平进行效率评价研究具有重要意义。因此，选择一种科学有效的评价方法对我国工业企业的区域科技创新效率进行评价，从而进行分析研究就显得尤为重要。数据包络分析（DEA，DataEnvelopmentAnalysis）针对多种投入、多种产出的决策单元进行相对有效性的分析，它是一种不受量纲影响的、非参数的效率评价方法，它对于评价科技创新效率具有很大的适用性。尤其是在网络DEA模型的提出后，打破了“黑箱”，考虑系统内部结果，更加全面地进行科技创新效率和效率评价研究。然而，使用网络DEA模型进行科技创新效率评价过程中，也会出现像传统评价模型一样的效率值虚高、权重不唯一等问题，不能对所有决策单元进行有效排序，不能对“DEA有效”的决策单元进行进一步的区分，且决策单元之间的自评容易形成夸大长处、回避缺陷的伪有效决策单元。因此，对科技创新效率进行交叉效率评价能够把各决策单元进行有效排序，这在科技创新效率研究中十分必要。1.1.2研究意义以工业企业为主体的区域科技创新效率评价是把企业作为科技创新投入和成果转化的研究对象，来评估地区的科技创新水平，从而反映出企业科技创新效率对整个地区科技创新能力的推动作用。国内外越来越多的学者对区域创新效率评价进行研究。本文研究工业企业的区域科技创新效率具有重要意义：现实中，本文选择我国工业企业为科技创新效率评价的研究对象，具有代表性作用。因为工业是唯一生产现代化劳动手段的部门，人类文明的进步、社会的发展、城市的建设都与工业有着密不可分的关系，工业的发展水平往往会引领一个时代，并改变人们的生活方式。由于工业是现代劳动资料生产的唯一部门，它还代表了国民经济的现代化水平。工业还为国民经济的别的单位提供原材料、燃料和动力，并提供各类工业产品消费品，以保证人们的日常生活需求，甚至发掘和引导出人们日2 第一章绪论常生活的新的需求，方便人们的生活，改变人们的生活、学习和思考方式。我国幅员辽阔，各地区不仅经济发展水平存在较大的差异，各省份的科技创新水平更是相差甚远。区域创新是国家创新的前提与基础，区域创新水平是构筑国家创新能力的重要组成部分。国家科技创新能力和国际竞争力的提升，所依赖的不仅仅是各别发达地区的经济发展和科技创新，更要关注全国范围和相对落后地区的经济发展的科技创新。所以要推动国家科技的综合创新能力，提高国家的综合国力，必须充分重视区域创新能力的提高。因此我国各个地区有必要对自身工业企业的科技创新水平有正确的认知，能够认识到自身水平与处于前沿面上的高水平地区之间的差距，并据此来进行提高和改善。本文选择我国各省域（因数据原因，港、澳、台和西藏地区不列入本研究）为对象进行工业企业科技创新效率评价具有重要意义。理论上，采用数据包络分析（DEA）的方法对区域创新效率进行评价分析，不需要事先确定科技创新系统的投入和产出关系的函数表达式，具有很强的客观性。同时大量研究表明，数据包络分析模型获得的效率分析前沿稳健性很强。但是，传统DEA方法也才能在一些不足。首先，传统DEA模型将决策单元系统视为一个“黑箱”，忽视了复杂系统的中间环节及各环节之间的联系，没有用到中间环节的输入数据和输出数据，丢掉了很多信息，且无法找到决策单元非有效的真正原因。两阶段网络DEA模型把“黑箱”分成了两个阶段进行研究，第一个阶段的产出可以作为第二个阶段的投入，分析了评价过程系统的内部结构，很好地解决了“黑箱”这一问题，可以对评价单元进行更加有效的排序。其次，传统DEA是通过自评的方法进行评价，这非常容易造成评价指标体系权重不唯一的问题，且极容易夸大长处、回避缺陷，从而导致决策单元的效率虚高，产生效率值虚高的伪有效决策单元。在工业企业科技创新效率评价的过程中，也会导致各地区不能正确的认识到自身在行业内所处的地位，从而导致各部门战略部署和决策上的失误。因此我们提出两阶段网络DEA的交叉效率评价方法来对我国工业企业科技创新效率进行评价研究，对各地区了解自身科技创新发展情况，从而进行改善方案的提出、战略部署和制定科技创新相关政策，进一步加强区域科技创新能力具有重要作用。1.2国内外研究现状由于工业在经济增长中占据的重要位置，有关工业企业的科技创新问题的研究受到国内外学者的广泛关注，且已经取得了极大的进展。很多学者针对创新的内涵3 基于网络DEA交叉效率的工业企业科技创新效率研究[1-2]、创新的影响因素[3-4]、创新的资源配置[5-7]、创新的效率评价方法等[8-11]进行了一系列的研究分析。科技创新是使我国实现工业现代化的关键因素，是使新兴工业化国家在国际市场中具有竞争优势的重要原因[12]。其中，工业企业的区域科技创新效率的影响因素与效率评价方法的研究和深入探讨，对各地区的政策建议均具有重要作用。本文中，我们主要关注工业企业的区域科技创新效率评价方法的研究。1.2.1工业企业科技创新效率评价研究现状现有文献中，针对科技创新效率研究的评价方法主要包括参数分析法与非参数分析法。使用参数分析方法进行科技创新效率评价，必须事先设定生产函数关系。例如，Nasierowski等人[13]应用非参数方法，基于47个国家的数据，验证了R&D创新效率对国家经济发展的推动作用，发现创新效率提高生产率具有重要意义；Wang等人[14]使用SFA方法对经济合作与发展组织国家（OECD）的23个国家进行科技创新效率评价，从而发现了科技创新效率与国家经济发展水平、生产能力等指标存在显著的相关关系。然而，使用参数分析方法进行科技创新效率评价，投入与产出之间必须确实存在某种生产关系，并事先分析和测算各变量之间的关系，然后据此假定前沿生产函数关系[15]。然而，这些评价方法由于不能摆脱量纲的影响、还需要事先确定各种参数，对于评价具有多种投入和多种产出的科技创新过程而言，太过局限，且适用性不强。非参数分析方法一个很大的优势是它不需要预设生产函数，避免了生产函数的任意性，在进行科技创新效率评价时具有很强大优势。数据包络分析（DEA，DataEnvelopmentAnalysis）作为一种最为有效的最优化的评价方法，最早由A.Charnes，W.W.Cooper和E.Rhodes[16]提出，是为了研究具有多项输入（投入）、多项输出（产出）的决策单元（DMUs，DecisionMakingUnits）之间的相对有效性所提出的一种数据驱动的非参数无量纲的效率评价研究方法。数据包络分析方法是利用投入和产出数据构建一个包络面（即生产前沿面），所有决策单元都处于包络面上或包络面内部，及生产可能集，然后建立数学模型并进行相对有效分析。评价的本质是判断决策单元是否位于生产前沿面上，若位于生产前沿面上则为DEA有效决策单元，否则为DEA无效的决策单元[17]。CCR[16]和BCC[18]模型是两种最基本的DEA模型，最近几年，DEA已经被用到各类实际背景中，在科技创新效率评价研究的应用也十分广泛。例如，孙凯等人[19]通过构建虚拟决策单元，建立了用来区分非有效决策单元的改进DEA模型，并将其应用在工业企业科技创新效率评价上。柴玮等人[20]采用DEA数据包络分析方法，针对6家资源型企业进行科技创新效率评价研究，并通过投影4 第一章绪论分析，为企业提高效率、提升科技创新能力和优化资源配置提出了建议。Astrid等人[21]应用数据包络分析方法对OECD成员国的科技研发效率进行了测算，并加以分析。Matei等人[22]利用数据包络分析方法以欧盟国家为对象进行区域创新评价研究，测算其创新效果及创新水平。1.2.2网络DEA研究现状然而，传统DEA模型将决策单元系统视为一个“黑箱”，忽视了复杂系统的中间环节及各环节之间的联系，没有用到中间环节的输入数据和输出数据，丢掉了很多信息，因此在进行分析的过程中几乎很难找到决策单元非有效的真正原因[23]。然而，DEA最大的优势不只是单纯的评价，重要的是对评价结果进行分析。这就要求我们打开“黑箱”，分析内部运行情况。只有打开“黑箱”，才能真正体现其优势，更加全面地进行评价分析。为了保证信息的完整性和评价结果的可靠性，Färe和Grosskopf[24]在传统DEA的基础上把决策单元的内部结构考虑进来，打开黑箱，提出了网络DEA(NetworkDEA)模型，通过中间产品将复杂系统分为若干个子系统。Sexton和Lewis[25]首次提出复合序贯型网络DEA模型（后被称为Sexton-LewisDEA序贯最优化方法），Kao和Hwan[26]在此基础上提出了两阶段网络DEA模型进行效率分析。之后许多学者将其运用到效率评价中，例如，SebastiánLozano[27]研究了一种考虑生产阶段和减排阶段的网络数据包络分析系统，提出了两种DEA模型，分别用于评估系统的技术效率和环境效率。PeterWanke和CarlosPestanaBarros[28]使用一个两阶段的DEA前沿数据挖掘模型，研究了异质性在保险业中的作用，并将巴西保险公司的平衡面板数据作为案例研究，结果证实了异质性对业绩的潜在影响。HirofumiFukuyama和RomanMatousek[29]使用两阶段DEA方法对日本银行效率进行测算并进行分析。赵树宽等人[30]于2010年采用网络DEA方法对我国15家汽车企业供应链的技术效率进行了实证分析，发现科技创新能力不足是现在企业效率提升的瓶颈。向小东和陈丽芬[31]从科技创新过程的内部着手，将制造业创新过程划分为技术研究与开发过程、技术应用与改造过程、环境污染治理过程三个阶段进行研究。关联两阶段DEA模型[32]是网络DEA的基本模型，它通过把第一阶段的产出当作第二阶段的投入把两阶段串联起来，进行效率评价；网络DEA的另一种模型为并联形式的网络DEA模型，是由Yang等人[33]提出来的，又称为独立子系统。JuanDo等人[34]提出了一系列的平行网络DEA模型，并将其应用到钢铁制造厂的四条生产线进行实证分析。根据资源分配方式的不同，两阶段DEA模型又可分为两类：一是序列型评价模型，系统总投入仅为第一阶段使用，第二阶段的投入全部来自第一阶段5 基于网络DEA交叉效率的工业企业科技创新效率研究的产出，且第一阶段的产出全部作为第二阶段的投入；二是资源共享型的DEA方法模型，两个子阶段需要消耗同一种投入，两个子阶段共享投入资源。He-BoongKwon等[35]利用数据包络分析(DEA)和反向传播神经网络(BPNN)，探索两阶段连续生产过程的创新效率模型，对美国各大金融银行业务的实际应用提供了实证支持。WadeD.Cook,LiangLiang,JoeZhu[36]将博弈的思想融入两阶段网络DEA，对相关方法和模型进行了系统地回顾，并讨论了未来的前景和挑战。JieWu等[37]提出资源共享且含有从非期望产出中资源回收的两阶段网络DEA模型，并将其应用到工业生产过程中。1.2.3DEA交叉效率研究现状已有的研究表明，原始的CCR模型只能分辨出决策单元的有效性，即只能得知决策单元是DEA有效或无效，而决策单元效率为1的DEA有效单元则不能够进一步对其进行排序和区分。同时，传统DEA模型是决策单元之间的自评易形成一系列效率值虚高的伪有效决策单元。主要原因是指标权重的选取及其不合理，容易夸大长处、回避缺陷。原始交叉效率是利用决策单元的CCR模型最优权重来评价其他决策单元的效率，解决了自评造成的效率虚高问题，却它忽视了CCR模型最优解不唯一问题。因此学者们纷纷对传统DEA模型进行进一步的改善和拓展，其中DEA交叉效率评价方法就是一个典型的改进方法[38]。针对这一问题，Sexton等人[38]和Doyle等人[39]结合了“自评”和“他评”过程，采用二次目标规划的方法，提出了交叉效率评价方法，求解全局最优解，从而对所有的DMUs进行充分的排序。括进取型方法(aggressiveapproach)和仁慈型方法(benevolentapproach)两个方法模型是交叉效率最基本的模型，可以很好地解决效率不唯一的问题和可能会出现多解的问题。吴杰等人[40]从全局最优的角度使用交叉效率对决策单元进行了完全排序。Liang等[41]通过引入不同的二次目标函数拓展了Sexton等和Doyle等人的模型。苏航[42]通过交叉评价得到的交叉评价矩阵满足AHP/ANP方法对DEA交叉效率模型进行研究。SungmookLim等人[43]提出了一种在投资组合选择中使用DEA交叉效率评估的方法，改进了它在投资组合选择中的应用，并证明该方法可以成为选择股票投资组合的一个有希望的工具。然而，解决传统交叉效率分数可能不是最优的，针对这一问题，JieWua等人[44]提出了一种基于帕累托改进的交叉率评价方法。但在进行进取型和仁慈型交叉效率方法两种评价策略往往会得到不同的评价结果，进行策略选择时没有统一的标准，容易给决策者带来困惑[45]。而这两种模型完全将其他决策单元看作是合作者或竞争者，这不符合现实中复杂的关系网。因此越来越多的学者对DEA交叉效率的评价策略就行研究。例如，Wang等[46]提出了中性6 第一章绪论DEA交叉效率评价模型（NeutralDEACross-efficiency），该方法在保证被评价决策单元效率值最优的基础上，使某个投入效率值最优，而不考虑是否利或有害于其他决策单元。Wang和Chin[47]在中立性交叉效率模型的基础上，又提出了基于理想和非理想条件下的决策单元的DEA交叉效率。1.2.4现有研究中存在的问题与不足现有的文献为本文的研究提供了极大的参考价值，然而现有文献中还存在着一些不足之处有待于我们进行改进。（1）科技创新过程是一个复杂系统，一个传统的CCR模型完全不能将其很好地概括。也有一些学者打破“黑箱”，使用两阶段DEA模型对科技创系统进行评价，但也只能抽象的把中间产物概括其中，并不能全面的把科技创新这个复杂系统进行描述。（2）在对决策单元进行交叉效率时鲜少由学者考虑到决策单元子阶段的效率值，并对其进行研究分析。（3）鲜少有学者对于两阶段网络DEA进行交叉效率进行研究，同时消除“黑箱”问题和自评带来的权重不唯一问题。对此，本文提出了资源共享的两阶段网络DEA交叉效率模型，并将其应用在工业企业的创新效率中。1.3研究内容、方法和技术路线1.3.1研究内容本文综合两阶段网络DEA模型和DEA交叉效率模型，构建了一个资源共享的两阶段网络DEA交叉效率模型，通过分析工业企业区域科技创新过程和构建网络系统结构及评价指标体系，构建了工业企业科技创新的网络结构。运用本文提出的两阶段网络DEA交叉效率模型对中国工业企业科技创新的两阶段网络DEA交叉效率进行测算，并对各省份及地区的工业企业科技创新效率进行评价及分析。并依据打破“黑箱”的原则，测算了各省份工业企业科技创新各子阶段的效率值，从而对比分析了各省份和各地区子阶段的不足及薄弱环节，最后针对各类问题提出对应了对策及建议。1.3.2研究方法（1）文献研究法。本文系统地回顾国内外相关文献，查找工业企业科技创新系统、工业企业科技创新效率评价、影响科技创新效率因素、网络DEA、DEA交叉效率方法等相关文献，7 基于网络DEA交叉效率的工业企业科技创新效率研究并对其进行分析、研究，从而发现现有文献存在的问题，并整理分析。（2）理论分析法。根据工业企业科技创新过程构建相关网络结构，并构建投入资源共享的两阶段网络DEA模型及其交叉效率模型，并将两种评价模型结合，使用资源共享的两阶段网络DEA交叉效率模型对工业企业的科技创新过程进行评价和分析。（3）实证分析法。利用提出的理论模型对我国各省份工业企业科技创新效率进行实证分析，并根据比较各省份及地区的子阶段创新效率值来推断各决策单元的薄弱环节与优势。（4）对策研究法。根据测算效率值和分析结果，结合我国工业企业科技创新相关的实际情况，有针对性的提出提高工业企业科技创新效率的对策建议。8 第一章绪论1.3.3技术路线我国工业企业区网络DEA研究交叉效率研域创新效率研究现状究现状现状文献用各种对工业两复传仁进研方法对企业区阶杂统慈取究工业企域创新段网交型型业区域效率的模络叉型交创新效影响因型两效交叉率评价素分析阶率叉效和分析段效率理各决策单元的交两阶段网络论叉效率模型DEA两阶段网络DEA交研叉效率模型究决策子单元的交交叉效率叉效率模型对工业企业区域创新进实行效率评价与排序证效率改善途径的对研策分析究区域创新的各子阶段的效率评估9 基于网络DEA交叉效率的工业企业科技创新效率研究1.4创新之处（1）进行效率分析时打破黑箱，把工业企业的科技创新过程进行详细，并构建投入资源共享型的两阶段网络结构，将其应用在工业企业的科技创新效率评价中。（2）本文把两阶段网络DEA与交叉效率相结合，构建了资源共享的两阶段网络DEA的交叉效率模型。（3）本文不仅针对各地区工业企业科技创新效率进行对比分析，还通过对其子过程进行效率分析，找出优劣势，然后进行对策分析。10 第二章相关理论基础模型第二章相关理论基础及模型1978年，A.Charnes,W.W.Cooker和E.Rhodes提出的一种非参数评价方法——数据包络分析（DEA，dataenvelopmentanalysis），它是使用数学规划方法评价具有多项输入和多项输出的决策单元（DMUs）之间的相对有效性，称为“DEA有效”。决策单元是否“DEA有效”的判决标准是其是不是在生产可能集的前沿面上，若该决策单元在前沿面上，则为“DEA有效”，否则为“非DEA有效”。其中生产前沿面是由所有“DEA有效”的决策单元构成的面，是由最少投入和最大产出为优化目标构成的面。最后，根据最终的排序结果进行分析的效率评价方法。DEA评价方法的优势有以下几点：（1）可用于评价具有多种投入和多种产出的决策单元效率，对于多指标决策单元的效率测量上具有绝对优势。（2）无需实现对参数进行设定，可通过数学规划模型直接计算指标权重大小，排除各种人为的主观权重判定，具有很强的客观性。（3）该方法地评价结果是用产出加权与投入加权和的比值形式来表示的，它不受指标原始数据量纲的影响，在进行模型计算时不需要进行去量纲处理。2.1传统DEA模型CCR模型是传统DEA模型的典型模型，它假设规模报酬不变。设有假设有n个过程为图1的同质决策单元（DMU，j1,...,n），每个决策单元使用m个投入jx,(i1,...m)，生产出s个产出y(r1,...,s)。对于第j个决策单元DMU，ijrj0j01jn，其投入、产出分别为x和y，则DMU的效率模型如公式（2.1）所示。0ij0rj0j0suryrj0r1maxj0mvixij0i1suryrjr1s.t.1,j1,...nmvixiji1v,u0（2.1）ir11 基于网络DEA交叉效率的工业企业科技创新效率研究通过Charnes-Cooper转换（此处省略转换过程），上述分式规划模型可转换成等价的线性规划模型，如模型（2.2）所示。sj0maxuryrj0r1sms.t.uryrjvixij0j1,2,...,nr1i1v,u0（2.2）ir2.2两阶段DEA方法及模型传统DEA模型将决策单元看作是一个“黑箱”，忽略了系统的内部结构，无法对非有效决策单元进行排序，也无法分辨其非有效的真正原因。为此，Charnes等人首次提出了一个两阶段的思想，之后很多学者对其进行研究，并应用到效率评价研究中。本节给出的两阶段DEA模型是最早于2008年由Kao和Hwan提出的两阶段DEA模型，也是最经典的两阶段DEA模型。xzyijdjrj阶段1阶段2图2.1两阶段过程考虑具有两个子阶段过程的网络结构，如图2.1所示。假设有n个过程为图1的同质决策单元（DMU，j1,...,n），其中阶段1中，每个决策单元使用m个投入jx,(i1,...m)，生产出h个中间产物z(d1,...,h)；阶段2中，阶段1的所有产出ijdjz(d1,...,h)作为阶段2的全部投入，生产出s个最终产出y(r1,...,s)。djrj打破“黑箱”，计算两阶段网络DEA模型效率，用传统CCR模型来计算阶段1和阶段2的效率值，即下列模型（2.3）和（2.4）所示：12 第二章相关理论基础模型h1dzdj01d1maxj0mvixij0i1h1dzdjd1s.t.1,j1,...nmvixiji11,v0（2.3）disuryrj02i1maxj0h2dzdj0d1suryrji1s.t.1,j1,...nh2dzdjd12,u0（2.4）dr为深入研究两阶段DEA模型系统的效率值，Kao和Hwan[48]认为连续两阶段过程12中，中间产物的权重在阶段1和阶段2应该是相同的()，即相同的中间ddd产物在不同子阶段的作用是相同的。Chen等[49]在此基础上将系统整体效率看做两子阶段效率加权和的形式，提出了加性效率分解的两阶段网络DEA模型，如下模型（2.5）所示。hsdzdj0uryrj0d1i1=maxww1m2hvixij0dzdj0i1d1hdzdjd1s.t.1,j1,...nmvixiji1suryrji11,j1,...nhdzdjd1,u,v0(2.5)dri通过代换和Charnes-Cooper转换（此处省略转换过程），上述分式规划模型（2.5）13 基于网络DEA交叉效率的工业企业科技创新效率研究可转换成等价的线性规划模型，如模型（2.6）所示：sh=maxryrj0dzdj0i1d1ms.t.ixij0dzdj01i1hmdzdjixij1,j1,...nd1i1shryrjdzdj1,j1,...ni1d1,,0(2.6)rid2.3DEA交叉效率研究方法传统DEA方法是一种决策单元之间的自评方法，存在很多不足，容易形成夸大长处、回避缺陷的伪有效决策单元。为了解决传统DEA方法存在的自评缺陷，Sexton等人结合了“自评”和“他评”过程，提出了一种交叉效率评价方法。不考虑决策单元的内部结构，将系统看做“黑箱”（如图1虚线长方形所示），即系统有n个同质决策单元（DMU，j1,...,n），每个决策单元使用m个投入jx,(i1,...m)，生产出s个最终产出y(r1,...,s)。不失一般性，考虑第k个决策单ijrj元DMU，其CCR效率模型如（2.7）所示。kskkmaxurkyrkr1ms.t.vikxik1i1,..,mi1smurkyrjvikxij0r1i1u,v0r1,...,sj1,...,n(2.7)rkik其中，变量u和v分别是评价决策单元DMU时第r种产出与第i种投入的权rkikk**重。通过该模型的求解，可得到决策单元DMUk的最优解为vik,urk。不失一般性，**其他决策单元DMU(j1,...,n)同样可以得到最优解v,u。DEA交叉效率评价的jijrj**实质是用每个决策单元（如DMUj）的最优投入权重vij和产出权重urj来计算其他决策单元的效率得分，可以得到一个nn的交叉效率矩阵。然后依次对决策单元的所14 第二章相关理论基础模型有效率值进行加权平均，最终对决策单元进行排序。s*uikyrjr1(2.8)kjm*vikxiji1那么，式中为用DMU的最优解计算得到的DMU的效率值。由此可得交叉kjkj效率的评价矩阵公式（2.9）如下：1112...1n...21222n(2.9)kj...............n1n2nnn1由此可得决策单元DMUj的基本交叉效率为jjk。nk1然而，必须意识到模型（2.7）所获得的最优权重值可能是非唯一的，从而导致最终的效率值和排序结果的不确定性。为解决权重非唯一的问题，Doyle和Green通过对模型进行二次目标规划，提出了仁慈型（benevolentmodels）和进取型（aggressivemodels）两种交叉效率模型。仁慈型模型主张决策单元之间是相互友好的关系，被评价决策单元在保证自身效率值最优的前提下，选择尽可能使其他决策单元的效率值最大的指标权重，其基本模型如式（2.10）。而进取型模型恰好相反，它主张决策单元之间是相互敌对的关系，被评价决策单元在保证自身效率值最优的前提下，选择尽可能使其他决策单元的效率值最小的指标权重，其基本模型如式（2.11）。snmaxurk(yrj)r1j1,jkmns.t.vik(xij)1i1j1,iksm*urkyrkkkvikxik0r1i1smurkyrjvikxij0j1,...,njkr1i1u,v0r1,...,si1,...,m(2.10)rkik15 基于网络DEA交叉效率的工业企业科技创新效率研究snminurk(yrj)r1j1,jkmns.t.vik(xij)1i1j1,iksm*urkyrkkkvikxik0r1i1smurkyrjvikxij0j1,...,njkr1i1u,v0r1,...,si1,...,m(2.11)rkik由于以上两种交叉效率模型是从相反方向求解的，往往会得到不同的交叉效率值和排序结果，因此决策者在进行选择时通常感到困惑。梁樑等[50]认为进行效率评价时，决策单元应该更加关注是否有利于自身的效率得分，而不是只注重如何使其他决策单元的效率值最大和最小化，并在此基础上提出了一种中性（neutral）DEA交叉效率模型，如式（2.12）所示。maxms.t.vikxik1i1s*urkyrkkkr1smurkyrjvikxij0j1,2,...,njkr1i1uy0r1,2,...,srkrku,v,0i1,2,...,mr1,2,...,s(2.12)rkik16 第三章两阶段网络DEA交叉效率模型第三章两阶段网络DEA交叉效率模型3.1构建资源共享的两阶段网络系统为了全面的描述科技创新复杂系统，本文使用了一个可以更加评价科技系统的资源共享的两阶段网络系统模型（如图3.1所示）。一、部分投入资源是共享的，即两个子阶段都消耗了这部分投入资源，且不易分割，现实中不容易区分这些共享资源在各阶段所消耗的比例。二、两个子阶段都各自需要其独有的投入，即在两个阶段还需要投入系统不同的资源，以供生产系统正常运转。三、有中间产物的产出，且部分中间产物作为子阶段1的产出直接退出系统，也可看作是整个系统的产出；另一部分中间产物作为子阶段2的投入资源，进入系统的第二阶段的生产过程。在本系统中，我们认为两类中间产物是可分割的，且可以直接退出系统的产物（即子阶段1的产出）和进入子阶段2的中间产物是相互分离的。xijxi2jx(1)xijijijijxzyi1jdjr2j阶段1阶段2yr1j图3.1资源共享的两阶段系统如图3.1，假设有n个决策单元DMU（j1,2,,n），共享资源x（i1,2,,m）在jij子阶段1的占比为ij，在子阶段2的占比为(1ij)；子阶段1消耗m1个投入xi（1ji11,2,,m1）和共享投入ijxij，其产出为s1个yr（1jr11,2,,s1）和h个z（djd1,2,,h）。子阶段2消耗m2个投入xi2（ji21,2,,m2）、共享投入1ijxij和17 基于网络DEA交叉效率的工业企业科技创新效率研究子阶段1的产出z（d1,2,,h），产出s个y（r1,2,,s）。dj2r2j22在不考虑决策单元内部结构的情况下（即忽略图1虚线内的系统结构），将其看作是一个“黑箱”，可用传统的CCR分式模型来计算系统效率，不失一般性，考虑第k个决策单元DMUk效率值的计算模型，如模型（3.1）所示。s1s2ur1yr1kur2yr2kmaxr1r2kmmm12vixikvi1xi1kvi2xi2kii1i2s1s2ur1yr1jur2yr2js.t.r1r21j1,2,...,nmm1m2vixijvi1xi1jvi2xi2jii1i2u,u,v,v,v0(3.1)r1r2ii1i2其中，v，v，v表示系统投入x，x，x的权重向量，u，u分别表示系统ii1i2iji1ji2jr1r2产出y，y的权重向量。r1jr2jmm1m2通过Charnes-Cooper变换（t1/(vixikvi1xi1kvi2xi2k),itvi,i1tvi1，ii1i2tv,tu,tu），分式规划模型（3.1）可转换成等价的线性规划模型，如i2i2r1r1r2r2模型（3.2）所示。s1s2kmaxr1yr1kr2yr2kr1r2mm1m2s.t.ixiki1xi1ki2xi2k=1ii1i2s1s2mm1m2r1yr1jr2yr2jixiji1xi1ji2xi2j0j1,2,...,nr1r2ii1i2,,,,0(3.2)r1r2ii1i23.2构建资源共享的两阶段网络DEA模型为了更准确地测量系统效率值，将系统的内部结构和资源共享考虑在内（即忽18 第三章两阶段网络DEA交叉效率模型略图3.1的虚线框，打破黑箱），则决策单元DMU的效率评价模型如下。k子阶段1的分式效率可以用模型（3.3）计算。s1h11ur1yr1kdzdk1maxr1d1kmm11vi1j0xi1kiij0xiki1is1h11ur1yr1jdzdjr1d1s.t.1j1,2，...,nm1m1vixi1jiijxiji1i11v,u,,0ir1id01(3.3)ij子阶段2的分式效率可以用模型（3.4）计算。s2uryrk222r2maxkmmh222i(1ij)xikvi2xi2kdzdkii2ds2uryrj22r2s.t.1j1,2,...,nms2h22i(1ij)xij+vi2xi2j+dzdjii2d22u,,v,0r2ii2d01(3.4)ij12其中，v，v，v表示系统投入x，x，x的权重向量，，分别表示共享资ii1i2iji1ji2jii源X分配到子阶段1和子阶段2的权重向量，u，u分别表示系统产出y，y的ijr1r2r1jr2j12权重向量，z在系统中具有双重角色，因此用和来表示子阶段1的产出和子阶djdd段2的投入的权重向量。根据两阶段网络DEA模型子阶段的效率计算系统的整体效率有多种方法，如根据各子阶段效率的加权平均值得出系统整体效率，Kao等提出的几何效率分解的两阶段模型法，但此方法必须保证子阶段1的产出与子阶段2的投入完全一致，适用范围较小；基于此问题，Chen等将系统整体效率看作两个子阶段效率加权和的形式，19 基于网络DEA交叉效率的工业企业科技创新效率研究提出了加性效率分解的两阶段网络DEA模型。本文采用加法模型的方法进行效率分析，决策单元DMU的整体效率如式（3.5）所示。k12（3.5）k1k2k则决策单元DMU考虑系统内部的投入资源共享两阶段网络DEA模型整体效率k的分式规划模型，如模型（3.6）所示。s1h1s21ur1yr1kdzdkur2yr2kr1d1r2k1mm2mmh11122vi1j0xi1kiij0xiki(1ij)xikvi2xi2kdzdki1iii2ds1s2ur1yr1jur2yr2jr1r2s.t.1j1,2,...,nmm1m2vixijvi1xi1jvi2xi2jii1i2s1h1ur1yr1jdzdjr1d11j1,2，...,nm1m1vixi1jiijxiji1is2uryrj22r21j1,2,...,nms2h22i(1ij)xij+vi2xi2j+dzdjii2d1122v,u,,,u,,v,0ir1idr2ii2d01(3.6)ij其中，为子阶段1和子阶段2效率的权重，是决策单元DMU在每个子阶段12k投入资源与整体资源的投入比例，即：s1mm1ms2h11=(vi1xi1kiikxik)/(vi1xi1kvixik+vi2xi2kdzdk)i1ii1ii2d20 第三章两阶段网络DEA交叉效率模型m2mhm1mm2h22=(vi2xi2ki(1ik)xikdzdk)/(vi1xi1kvixik+vi2xi2kdzdk)i2idi1ii2dm1mm2h令t1/(vi1xi1kvixik+vi2xi2kdzdk),tu,tv,t,wtv，可得到i1ii2d决策单元DMU考虑系统内部的投入资源共享两阶段网络DEA模型整体效率的线性k规划模型（3.7）。kmaxr1yr1kr2yr2kdzdkr1r2ds.t.ixiki1xi1ki2xi2kdzdk1ii1i2dr1yr1jr2yr2jixiji1xi1ji2xi2j0r1r2ii1i2r1yr1jdzdji1xi1jwixij0r1di1ir2yr2ji2xi2jdzdjixijwixij0r2i2diiw0ii,,,,,,w0(3.7)r1r2ii1i2di假设模型（3.7）的最优解为*******DMU的r1,r2,i,i1,i2,d,wi，则决策单元k整体效率及两个子阶段的效率可分别表示为：****kr1yr1kr2yr2kdzdk(3.8)r1r2d*ryrk111*r1（3.9）k***dzdki1xi1kwixikdi1i*ryrk222*r2（3.10）k****i2xi2kdzdkixikwixiki2dii3.3模型的最优求解根据模型（3.8）可以得到系统的整体效率及两个子阶段的效率，但需要注意的*******是，它所得到的各投入产出的权重最优解r1,r2,i,i1,i2,d,wi是不唯一的，在进行下一步子阶段效率的计算时会产生多种效率值，即式（3.8）、式（3.9）和式21 基于网络DEA交叉效率的工业企业科技创新效率研究（3.10）所计算得到的结果是不唯一的，造成了子阶段效率的不确定性。为了得到相对稳定的效率值，采用二次目标规划的方法：在保证系统整体效率值最优的前提下，*最大化某个子阶段的效率值。本文假设在保证决策单元DMU的整体效率最优值kk不变的前提下，优先子阶段1的效率值，可得到线性规划模型（3.11）。1*kmaxr1yr1kdzdkr1ds.t.i1xi1kwixik1i1ir1yr1jdzdji1xi1jwixij0r1di1ir2yr2ji2xi2jdzdjixijwixij0r2i2dii*r1yr1jr2yr2jdzdj（kixiji1xi1ji2xi2jdzdj）=0r1r2dii1i2dw0ikik,,,,,,w0(3.11)r1r2ii1i2di模型（3.11）在保证子阶段1和子阶段2的效率值不大于1的前提下和整体效率*最优（）的约束下，优先计算子阶段1的效率值，获得子阶段1在约束下的最优k1*效率值为。由式（3.5）可计算得到子阶段2的效率值为：k*2*2*k1k(3.12)。k2*不失一般性，同样在保证决策单元DMU的整体效率最优值不变的前提下，kk可以优先子阶段2的效率值，可得到线性规划模型（3.13）。22 第三章两阶段网络DEA交叉效率模型2*kmaxr2yr2kr2s.t.i2xi2kdzdkixikwixik1i2diir1yr1jdzdji1xi1jwixij0r1di1ir2yr2ji2xi2jdzdjixijwixij0r2i2dii*r1yr1jr2yr2jdzdj（kixiji1xi1ji2xi2jdzdj）=0r1r2dii1i2dw0ikik,,,,,,w0(3.13)r1r2ii1i2di模型（3.13）在保证子阶段1和子阶段2的效率值不大于1的前提下，并在整体*效率最优（）的约束下，优先计算子阶段2的效率值，可以获得子阶段2在约束k2*下的最优效率值为。由式（3.5）可得子阶段1的效率值为：k*2*1*k2k(3.14)k13.4资源共享的两阶段网络DEA的交叉效率模型（3.11）和模型（3.13）的二次目标规划可以解决模型（3.7）权重最优解的非唯一的问题，但是决策者在进行决策时通常会有所困惑，应该优先考虑哪个子阶段的效率。且优先考虑的子阶段不同会导致各子阶段效率值的不同，最终导致排序结果的不确定性。为了解决传统DEA的最优权重非唯一的问题，本文结合Sexton等人提出的DEA交叉效率思想，将资源共享的两阶段网络DEA模型与交叉效率模型相结合，提出了两阶段网络DEA的仁慈型和进取型交叉效率模型（本文省略了各模型的分式形式），如式（3.15）和式（3.16）所示。23 基于网络DEA交叉效率的工业企业科技创新效率研究nnnkmaxr1k(yr1j)r2k(yr2k)dk(zdk)r11j1,jkr21j1,jkd1j1,jknnnns.t.ik(xij)i1k(xi1j)i1k(xi2j)dk(zdj)1i1j1,iki11j1,iki21j1,ikd1j1,ik*r1kyr1kr2kyr2kdkzdk（kikxiki1kxi1ki2kxi2kdkzdk）=0r1r2dii1i2dr1kyr1jdkzdji1kxi1jwikxij0r1di1ir2kyr2ji2kxi2jdkzdjikxijwikxij0r2i2dii,,,,,,w0(3.15)r1kr2kiki1ki2kdkiknnnkjminr1k(yr1j)r2k(yr2j)dk(zdj)j1,jkj1,jkj1,jknnnns.t.ik(xij)i1k(xi1j)i2k(xi2j)dk(zdj)1i1j1,jki11j1,jki21j1,jkd1j1,jk*r1kyr1kr2kyr2kdkzdk（kikxiki1kxi1ki2kxi2kdkzdk）=0r1r2dii1i2dr1kyr1jdkzdji1kxi1jwikxij0r1di1ir2kyr2ji2kxi2jdkzdjikxijwikxij0r2i2diiw0ikik,,,,,,w0(3.16)r1kr2kiki1ki2kdkik3.5两阶段网络DEA的交叉效率子阶段效率*******根据模型（3.15）或模型（3.16）求得的最优解,,,,,,w，r1r2ii1i2di计算决策单元DMU的子阶段1和子阶段2的效率值可以分别由模型（3.17）和模型j（3.18）计算得到。*ryrj111*r1（3.17）k***dzdji1xi1jwixijdi1i*ryrj222*r2（3.18）k****i2xi2jdzdjixijwixiji2dii24 第三章两阶段网络DEA交叉效率模型通过对模型（3.15）-（3.16），可求得资源共享型的两阶段网络DEA的交叉效率值，然后通过模型（3.17）-（3.18）的求解，可求得系统子过程的效率值，这对后续的打开黑箱的子过程分析具有很大优势。25 第四章工业企业科技创新效率评价第四章工业企业科技创新效率评价创新过程是一个复杂两阶段过程，可以看成是一个复杂网络系统，本章利用上述提出的模型来解决工业企业科技创新效率评价的问题。考虑到过程指标的一致性和数据的可获得性等因素，本文主要研究了我国2006年至2015年30个省份（港、澳、台、西藏因数据原因不被列入本研究）的工业企业科技创新效率及其变化趋势。指标数据来源于《中国科技统计年鉴》和《工业企业科技活动统计年鉴》，使用软件MATLAB7.0对数据进行计算。4.1评价指标的选择引进与消化技技术术经费支出x改造3R&D人员折合经费全时当量x支出1x4科成R&D项目数z技1果R&D经费支出x2新产品销售收入y研转2发化专利申请数z2过过程程专利所有权转让及许可收入y1图4.1工业企业科技创新过程本文对工业企业的科技创新过程的描述如图4.1所示，为一个两阶段的复杂网络系统。第一阶段为科技研发过程，主要使用R&D经费和人员投入进行基础研究。其中，R&D，即研究与试验发展，是指在科学技术领域，为了增加知识总量、以及运用这些知识去创造新的应用而进行的系统的、创造性的活动。在子阶段1的科技研发过程中有两个投入指标：R&D人员折合全时当量和R&D经费支出。这里的R&D人员是指报告期内企业内部从事R&D活动的所有人员，R&D人员折合全时当量指报告期内企业R&D全时人员的工作量与非全时人员的实际工作时间折算的工作量27 基于网络DEA交叉效率的工业企业科技创新效率研究之和。本文的R&D经费支出指标是通过R&D经费的内部支出和外部支出之和来进行计算的。基于此，本文选择R&D人员折合全时当量和R&D经费支出作为第一阶段科技研发过程的投入指标。关于第一阶段的产出，R&D项目可看作创新过程的成果，它是科技研发过程与产品转化过程的相互连接的载体，是指企业在当年立项并开展研究工作，或之前已经立项当年仍在进行研究的研发项目。R&D专利是研发过程的产物，为产品转化提供特有的科技信息。R&D专利数是指报告期企业作为第一申请人向境内外知识产权行政部门提出专利申请并被受理的件数。而科技研发的成果不仅可以作为产品研发与转化过程的投入，也可以作为一种副产品输出给第三方，即获得专利转让即所有权收入。所以R&D项目数(z)和R&D专利数(z)作为第一阶段的中间产物进入第二12阶段，继续进行生产；而专利转让即所有权收入(y)作为第一阶段的最终产物退出生1产系统。第二阶段为成果转化过程，即把科研成果进行进一步转化，转化为可以产生经济价值的产品。因此第一阶段的产出R&D项目数(z)和R&D专利数(z)可作为成果12转化的投入指标，且共享投入资源R&D人员折合全时当量也是第二阶段的投入指标。而成果转化不仅指把自主研发的科研成果进行转化，还可以进行技术引进，把从外部购买的技术进行消化吸收为己所用。本文选择的引进与消化技术费用是通过引进技术经费支出和消化吸收经费支出之和的计算来获得的。其中，“引进技术经费支出”指企业由于购买外部技术而产生的费用，而对引进技术的学习、应用和复制而展开的一系列工作，以及在此基础上进行的创新而产生的费用称之为“引进技术的消化吸收”。技术改造费用指企业在进行技术改造时而产生的费用。技术改造指企业在坚持科技进步的前提下，将科技成果应用于生产的其他各个领域，从而产生的改造技术费用支出。因此第二阶段的单独投入还包括引进与消化技术费用(x)和技术3改造费用(x)。4第二阶段的成果转化过程，其目的就是把科研成果转化成具有经济价值的新产品，为企业带来效益。因此本文选择新产品销售收入作为阶段二的产出，同时也是整个创新系统的最终产出。相关指标数据的变量描述如表4.1所示。28 第四章工业企业科技创新效率评价表4.12006-2015年工业企业科技创新指标数据专利所R&D人引进与R&D经技术改有权转员折合消化技R&D项专利申新产品销售指标费支出/造费用/让及许全时当术费用/目数/项请数/项收入/亿元万元万元可收入/量/人年万元万元平均1.91E+066.18E+075.42E+063.75E+072.06E+053.36E+054.65E+052.25E+09值最大4.71E+061.05E+086.51E+064.29E+073.42E+056.38E+055.06E+051.51E+10值最小6.86E+053.11E+074.02E+062.91E+078.72E+046.90E+043.86E+053.12E+08值标准1.21E+062.80E+076.03E+054.52E+061.04E+052.30E+053.87E+044.53E+09差4.2科技创新效率评价为了证明两阶段网络DEA交叉效率的有效性，本文采用资源共享的两阶段网络与其他DEA方法作对比，对全国30个省域的工业企业科技创新效率进行评价（效率值由软件MATLAB7.0计算得出，程序见附录）。表4.22015年各省份工业企业科技创新CCR传统模型效率值CCR传统效CCR传统效地区排名地区排名率值率值北京1.00001河南1.00001天津1.00001湖北0.874711河北0.619821湖南1.00001山西0.370028广东0.869513内蒙古0.267129广西1.00001辽宁0.791216海南0.596322吉林0.88639重庆1.00001黑龙江0.265430四川0.741319上海0.831814贵州0.411326江苏0.807815云南0.391327浙江1.00001陕西0.460925安徽0.883910甘肃0.465324福建0.507923青海1.00001江西0.778118宁夏0.655220山东0.869612新疆0.783517平均效率值0.737629 基于网络DEA交叉效率的工业企业科技创新效率研究表4.32015年各省份工业企业科技创新DEA交叉模型效率值CCR传统效CCR传统效地区排名地区排名率值率值北京0.80115河南0.69757天津0.88661湖北0.66519河北0.492219湖南0.87362山西0.242327广东0.587214内蒙古0.173030广西0.83704辽宁0.600212海南0.444020吉林0.494218重庆0.665010黑龙江0.207328四川0.596613上海0.535915贵州0.277824江苏0.627611云南0.296423浙江0.86273陕西0.308522安徽0.75126甘肃0.260125福建0.379221青海0.257526江西0.529817宁夏0.204529山东0.68528新疆0.531716平均效率值0.5257表4.42015年各省份工业企业科技创新网络DEA模型效率值CCR传统效CCR传统效地区排名地区排名率值率值北京1.00001河南0.89228天津1.00001湖北0.864710河北0.624622湖南1.00001山西0.402529广东0.795514内蒙古0.348130广西1.00001辽宁0.782016海南0.653020吉林0.827413重庆1.00001黑龙江0.435328四川0.698619上海0.838212贵州0.504526江苏0.762818云南0.564424浙江1.00001陕西0.443427安徽0.87639甘肃0.540125福建0.572623青海1.00001江西0.778117宁夏0.643921山东0.839911新疆0.783515平均效率值0.749130 第四章工业企业科技创新效率评价表4.52015年各省份工业企业科技创新网络DEA仁慈型交叉模型效率值CCR传统效CCR传统效地区排名地区排名率值率值北京0.94474河南0.586814天津0.72019湖北0.704310河北0.647113湖南0.72088山西0.381321广东0.96153内蒙古0.231227广西0.375422辽宁0.675312海南0.279125吉林0.503719重庆0.554116黑龙江0.504418四川0.563315上海0.87635贵州0.356223江苏1.00001云南0.237726浙江0.96742陕西0.504917安徽0.73417甘肃0.318624福建0.692611青海0.140528江西0.492020宁夏0.111430山东0.80726新疆0.137329平均效率值0.5576表4.62015年各省份工业企业科技创新网络DEA进取型交叉模型效率值CCR传统效CCR传统效地区排名地区排名率值率值北京0.93962河南0.484720天津0.490318湖北0.629210河北0.561715湖南0.67478山西0.450021广东0.89934内蒙古0.269926广西0.397723辽宁0.488019海南0.232427吉林0.605111重庆0.590812黑龙江0.535217四川0.67129上海0.91463贵州0.427722江苏1.00001云南0.363424浙江0.87405陕西0.572614安徽0.546316甘肃0.341425福建0.69097青海0.214329江西0.585613宁夏0.145130山东0.73266新疆0.225428平均效率值0.5518首先，对未打破“黑箱”的决策单元进行传统CCR效率和交叉效率的对比分析，31 基于网络DEA交叉效率的工业企业科技创新效率研究如表4.2“2015年各省份工业企业科技创新CCR传统模型效率值”和表4.3“2015年各省份工业企业科技创新DEA交叉模型效率值”所示；对打破“黑箱”的资源共享的两阶段网络DEA决策单元进行传统效率和交叉效率的对比分析，如表4.4“2015年中国各省份的工业企业科技创新网络DEA模型效率值”、表4.5“2015年各省份工业企业科技创新网络DEA仁慈型交叉模型效率值”和表4.6“2015年各省份工业企业科技创新网络DEA进取型交叉模型效率值”所示。以2015年的数据为例对它们的得分、排名进行对比分析，更容易对各类模型进行对比。表4.72006-2015年工业企业科技创新CCR传统模型加权平均效率值CCR传统效CCR传统效地区排名地区排名率值率值北京0.940144河南0.6615515天津0.922846湖北0.6934912河北0.5470222湖南0.821610山西0.3029428广东0.929925内蒙古0.2944729广西0.962921辽宁0.6482117海南0.862078吉林0.88977重庆0.943683黑龙江0.2865930四川0.6931413上海0.950992贵州0.5351623江苏0.6568616云南0.4131727浙江0.857959陕西0.4685226安徽0.6653714甘肃0.4726725福建0.5573820青海0.556621江西0.6128918宁夏0.4778124山东0.797911新疆0.6092919平均效率值0.667761通过对表4.2-4.6的对比不难发现，交叉效率模型的效率值远低于传统自评效率值，这是因为交叉效率在自评的同时也注重各省份之间的互评，避免了过于夸大长处、掩盖短处的问题，各指标权重也更加合理化。同时，可以看到，表4.2和表4.4均属于自评，DEA有效（效率值为1）的省份不止一个，并不能进一步对它们进行排序。而交叉效率模型很好的解决了这个问题，很全面的对所有省份的工业企业科技创新水平进行评价。表4.4为资源共享的两阶段网络DEA模型的计算结果，它打破“黑箱”考虑了工业企业科技创新过程的内部关系，在保证企业运营数据全面性的同时，也可以直观的了解到内部各阶段的效率值。最后我们把打破“黑箱”的资源共享的两阶段网络DEA和自评加互评的DEA交叉效率相结合，对各省份进行资32 第四章工业企业科技创新效率评价源共享的两阶段网络DEA交叉效率进行评价，分为仁慈型和进取型两种类型结果如表4.5和表4.6所示。表4.82006-2015年各省份工业企业科技创新DEA交叉模型加权平均效率值DEA交叉效CCR传统效地区排名地区排名率值率值北京0.65815河南0.4767516天津0.709411湖北0.5190113河北0.4074219湖南0.625199山西0.2135527广东0.5880610内蒙古0.1916529广西0.650216辽宁0.4581517海南0.641778吉林0.69513重庆0.643967黑龙江0.2073628四川0.4898515上海0.660014贵州0.2935224江苏0.5101214云南0.2937623浙江0.705162陕西0.3056522安徽0.5314312甘肃0.2700625福建0.3937321青海0.1693230江西0.4389318宁夏0.2651626山东0.549511新疆0.398720平均效率值0.465353为了更加准确地分析各省份工业企业科技创新的效率，并考虑数据的可获得性，我们使用了2006年至2015年这10年间的数据，来进行效率评价和分析。考虑到时间的远近程度对现在效率的影响程度不同，年度久远对现在的效率影响程度不如临近年度的影响程度大，我们采用了一种年度权重为等差数列的加权平均算法来计算各省份10年来的效率值。2006-2015年各省份工业企业加权平均效率值如表4.7-11所示。33 基于网络DEA交叉效率的工业企业科技创新效率研究表4.92006-2015年工业企业科技创新网络DEA模型加权平均效率值网络DEA效率阶段1效率值阶段2效率值地区排名值北京0.8968960.898560.74661天津0.9243930.924390.35347河北0.55921230.647750.44511山西0.38622290.496790.33343内蒙古0.36635300.473410.24963辽宁0.67299160.708120.40252吉林0.8988950.813590.35898黑龙江0.45705280.507520.59147上海0.9509210.942010.54527江苏0.64501180.600860.56995浙江0.8772880.869480.75382安徽0.6997120.718150.63334福建0.55874240.629090.53833江西0.63246200.651910.40784山东0.74116110.761950.45036河南0.67465150.737870.43128湖北0.68431140.602970.4065湖南0.83246100.822440.31031广东0.8812770.84310.44622广西0.9278520.913450.26396海南0.8704990.711410.75509重庆0.9002440.838920.84145四川0.68707130.724850.78733贵州0.61644210.620260.69719云南0.53852250.526490.77236陕西0.507270.474970.62997甘肃0.53524260.482580.48264青海0.63638190.652190.36464宁夏0.59989220.560960.92153新疆0.66659170.616120.66994平均效率值0.6941890.6924050.53868534 第四章工业企业科技创新效率评价表4.102006-2015年工业企业科技创新网络DEA仁慈型交叉模型加权平均效率值阶段1效率值阶段2效率值网络DEA仁慈地区排名型交叉效率值北京0.86670640.7188480.298644天津0.66060890.7395120.141388河北0.59366130.51820.178044山西0.349811210.3787280.099852内蒙古0.212072270.3787280.099852辽宁0.619539120.5664960.161008吉林0.462143190.6508720.143592黑龙江0.462749180.4060160.236588上海0.80392650.7536080.218108江苏0.9253310.4806880.22798浙江0.88751720.6955840.301528安徽0.67350970.574520.253336福建0.635387110.5032720.215332江西0.451366200.5215280.163136山东0.74057560.609560.180144河南0.538341140.5902960.172512湖北0.646167100.4823760.1626湖南0.66125280.6579520.124124广东0.88209930.674480.178488广西0.344393220.730760.105584海南0.256049250.5691280.302036重庆0.508311160.6711360.33658四川0.516774150.579880.314932贵州0.326828230.4962080.278876云南0.218057260.4211920.308944陕西0.463181170.3799760.251988甘肃0.292332240.3860640.193056青海0.128856280.5217520.145856宁夏0.102172300.4487680.368612新疆0.12593290.4928960.267976平均效率值0.51190.5533010.21435735 基于网络DEA交叉效率的工业企业科技创新效率研究表4.112006-2015年工业企业科技创新网络DEA进取型交叉模型加权平均效率值阶段1效率值阶段2效率值网络DEA进取地区排名型交叉效率值北京0.8699620.7188480.298644天津0.453945180.7395120.141388河北0.520123150.51820.178044山西0.416628210.3787280.099852内蒙古0.249939260.3787280.099852辽宁0.451848190.5664960.161008吉林0.560299110.6508720.143592黑龙江0.495591170.060160.436588上海0.84688530.7536080.218108江苏0.9253310.4806880.22798浙江0.80930250.6955840.301528安徽0.505857160.574520.253336福建0.63972570.5032720.215332江西0.542182130.5215280.163136山东0.6783460.609560.180144河南0.448761200.5902960.172512湖北0.582556100.4823760.1626湖南0.62472180.6579520.124124广东0.83271940.674480.178488广西0.368264230.730760.105584海南0.215199270.0691280.302036重庆0.547078120.2711360.53658四川0.62146490.279880.314932贵州0.395984220.0596210.378876云南0.336437240.1211920.208944陕西0.53019140.1799760.351988甘肃0.316135250.3860640.193056青海0.198422290.5217520.145856宁夏0.134334300.1487680.268612新疆0.208692280.0928960.167976平均效率值0.5108970.4472190.22435736 第四章工业企业科技创新效率评价4.3中国工业企业科技创新效率的省份及区域差异分析为了更加直观的分析，2006-2015年间上述五类模型的中国各省份工业企业科技创新的效率值可以用雷达图4.1表示。我们可以发现，本文所提出的两阶段网络DEA的交叉效率模型所得到的效率值排序与传统模型的效率值排序大体结果是一致的，这证明本文所提出的模型是有效的。其中，网络DEA传统交叉效率值略大于CCR传统效率值，且二者都大于DEA交叉效率。且由于网络DEA考虑到了系统内部的信息量，其结果对各省份来说也更加有区分度。所以我们以网络DEA仁慈型模型交叉效率为例对中国各省份工业企业科技创新效率进行研究分析。通过分析我们得出以下结论：（1）2006-2015年我国工业企业科技创新效率（各省份效率平均值）发展呈现总体上升趋势，如图4.2所示。同时，山西省工业企业科技创新效率发展与我国总体发展趋势保持一致，呈波动性上升趋势，但其科技创新效率值明显低于各省效率平均值。山西省工业企业的科技创新能力还远远落后与全国平均水平，存在着很大的进步与改善空间。（2）我们地大物博、幅员辽阔，全国各地区工业企业的发展也是及其不平衡的。从图4.1可以看出，东部地区的工业企业科技创新效率远远高于中部和西部地区。其中排名靠前的6个省份分别为江苏、浙江、广东、北京、上海，均为东部地区的省份；而排名靠后的5个省份分别为云南、内蒙古、青海、新疆、宁夏，均为西部地区的省份；中部地区的效率排名相对比较中庸。这主要是因为中西部地区经济基础相对薄弱一些，尤其是西部地区更是严重，而东部地区由于地理优势，贸易往来相对比较发达，有一定的经济基础；改革开放后优先开发东部沿海的国家政策也使得东部地区的发展速度大幅超越中西部地区。但随着近年来国家对中西部的扶持，东部地区劳动力成本的增加，很多企业向内地开始转移，所以中西部的科技创新效率也呈现逐步上升的趋势。（3）从图4.4可以看出，全国大部分省份的子阶段1的效率值大于子阶段2，即科技研发过程的效率大于成果转化过程的效率。东部地区的省份除海南和黑龙江外，都是科技开发过程效率大于成果转化效率；中部地区所有省份的科技开发过程效率均大于成果转化效率；而西部地区的陕西省、云南省、贵州省、四川省、宁夏省、重庆、新疆的科技开发过程效率成果转化效率大于科技开发过程效率。37 基于网络DEA交叉效率的工业企业科技创新效率研究图4.1全国各省份的各计算模型效率值比较图4.22006-2015中国工业企业科技创新发展趋势38 第四章工业企业科技创新效率评价图4.3全国三大地区工业企业科技创新平均效率值比较39 基于网络DEA交叉效率的工业企业科技创新效率研究图4.4全国各省份科技创新子阶段效率值比较4.4政策建议基于以上实证分析的结果，提出以下促进工业企业科技创新发展的对策建议：（1）增加R&D投入，重视科技创新。企业应加强创新意识，重视自主研发，大力投入并引进研发型人才，把企业由代工厂型的企业变为有核心技术的创新型现代化企业，走低消耗、高科技、效益好的新型工业化道路。充分利用好人力资源的能动性作用，充分利用科技开发的科研成果，挖掘市场需求，做好科技成果转化工作，努力提高科技成果转化效率。（2）提高管理水平，避免管理浪费。提高管理水平，必须注重生产管理人员的技能培训，加快吸收并掌握新技术，学习科学的管理方式。使用先进的生产方式，协调好企业内部各部门、各车间、各产品、各生产资料的调度的配置，做到以最低的成本，达到最高的效率和效益。（3）引进先进技术，推动科技进步。科技无国界，企业若要融入国际现代化产业的核心供应链中，就必须抓住历史机遇，应用前沿技术，生产高端产品，积极引进先进技术，创造技术优势和价值优势。（4）加大成果转化，推进产学研相结合。创新是科技发展的源泉，是现代化经济建设的重要支柱。应该不断深化科技体制改革，建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强40 第四章工业企业科技创新效率评价对中小企业创新的支持，促进科技成果转化。加强产学研合作是打通创新链条、促进创新发展的重要支撑。构建完善的产学研协同创新平台，加大对科技创新的宣传和重视，鼓励创新型企业的发展，大力推进产学研相结合。（5）制定扶持策略，缩小区域差异。加大对中西部地区企业的扶持力度，人员密集型工业企业可以中西部地区转移，形成发达地区带动不发达地区的帮扶帮带政策。东部地区相对比较发达，其劳动成本也高，把企业转移至中西部地区，这样不仅可以降低企业成本，还可以促进中西部地区的发展，并解决当地的就业问题，可以一举多得。41 42 第五章结论与展望第五章结论与展望5.1全文结论创新是一个国家、民族向前发展的重要动力，在新科技革命的时代背景下，知识在经济社会中的作用日益突出，人民生活水平的提高和改善、国民财富的积累和增长都越来越依赖于知识的积累和创新。然而知识的积累和创新最终要体现在科技的创新和进步上来，把所积累的知识、收集的信息和掌握的数据转化为生产力和新产品，使其增值，这称之为创新。从而解决当前存在且亟待解决的能源和环境问题，实现资源的合理开发和配置，以更少的投入成本和代价，产出更大的经济效益，走“可持续”的“绿色”发展道路，达到以人为本的可持续发展。科技创新是国家发展、社会进步的核心要素，区域科技创新效率评价是科技创新问题的重要内容。本文参考大量国内外文献，采用定性与定量相结合的方法，对我国各省份工业企业科技创新效率进行实证研究，并提出促进工业企业科技创新发展的对策建议。通过研究分析，得出如下结论：（1）使用两阶段的网络DEA交叉效率模型来测量我国工业企业科技创新效率，其结果低于传统DEA模型计算所得的效率值，它能打破“黑箱”，全面识别科技创新系统中地内部数据，使用全面信息对系统进行有效评价。科技创新系统是一个典型的两阶段过程，第一阶段为科技研发过程，第二阶段为成果转化过程。传统的两阶段DEA模型只考虑到第一阶段的投入作为第二阶段的产出，不能够准确地描述科技创新过程，本文构建的资源共享、有中间投入和中间产出的两阶段复杂网络DEA模型更加形象地描绘了科技创新的过程。且我们使用交叉效率的互评方法，防止了自评带来的夸大长处、忽视不足的问题，是的评价效率结果更加准确、合理。（2）本文对全国各省份工业企业科技创新过程的整体效率和子阶段效率进行评价分析，发现大部分省份的科技研发效率高于成果转化效率，这表示他们把科研成果转化为现实生产力的能力还不够，需要加强成果转化效率，加快前沿技术的投产应用。而成果转化效率高于科技研发效率的省份多数为西部地区的不发达省份，其整体效率普遍偏低，这些地区不太重视科技研发，一味进行传统的工业生产，这显然也是需要改进的。企业必须科技研发和成果转化双管齐下，产学研相结合才能提高整体效率水平，走在科技的前沿。（3）工业企业科技创新水平的区域化差异巨大，发展极不平衡。国家加大对中43 基于网络DEA交叉效率的工业企业科技创新效率研究西部地区企业的扶持力度，人员密集型工业企业可以中西部地区转移，形成发达地区带动不发达地区的帮扶帮带政策。东部地区相对比较发达，其劳动成本也高，把企业转移至中西部地区，这样不仅可以降低企业成本，还可以促进中西部地区的发展，并解决当地的就业问题，可以一举多得。与此同时，各地区自身也应该分析问题找出原因，针对自身发展的不足进行改进和创新，提高本省份工业企业的科技创新水平，从而提高全国整体的科技创新水平。5.2研究展望本文做了关于工业企业科技创新的区域效率研究，虽较为全面，但还有些问题值得进行深入研究：（1）本文在构建两阶段网络DEA模型时，考虑到了整个系统的运行方式，并构建了复杂的网络结构——资源共享的两阶段网络DEA结构，但是在进行科技创新效率的测算过程中，没有考虑到科学研究本身具有的时间滞后性，即科技研发过程要经过很长时间的周期，才能投入到产品的生产过程，在这一方面未来可以进行深入研究。（2）在进行模型计算时，采用了交叉效率的方法来防止指标权重的极端化。未来的研究可以采用将指标权重进行进一步的约束的方法，来避免保证指标权重的过大或过小问题，以解决夸大长处、忽视不足的问题。44 附录附录附录为本文各模型使用matlab进行计算而编写程序。cleara=xlsread('data.xlsx',7);X=a(:,1);X1=a(:,2);X2=a(:,3:4);ZZ=a(:,5:6);Y1=a(:,7);Y2=a(:,8);[n,m]=size(X);[n,m1]=size(X1);[n,m2]=size(X2);[n,d]=size(ZZ);[n,s1]=size(Y1);[n,s2]=size(Y2);%%综合效率值forj=1:n;lb=zeros(2*m+m1+m2+d+s1+s2,1);f=[zeros(1,2*m+m1+m2),-ZZ(j,:),-Y1(j,:),-Y2(j,:)];Aineq=[zeros(n,m),-X,-X1,zeros(n,m2),ZZ,Y1,zeros(n,s2);%%子阶段1-X,X,zeros(n,m1),-X2,-ZZ,zeros(n,s1),Y2;%%子阶段2-X,zeros(n,m),-X1,-X2,zeros(n,d),Y1,Y2;%%整体-X,X,zeros(n,m1+m2+d+s1+s2)];%%xij阶段1占比大于0小于1bineq=zeros(4*n,1);Aeq=[X(j,:),zeros(1,m),X1(j,:),X2(j,:),ZZ(j,:),zeros(1,s1+s2)];%%综合投入为1beq=1;w(j,:)=linprog(f,Aineq,bineq,Aeq,beq,lb,[]);E(j,1)=ZZ(j,:)*w(j,6:7)'+Y1(j,:)*w(j,8)'+Y2(j,:)*w(j,9)';end45 基于网络DEA交叉效率的工业企业科技创新效率研究%%进取型交叉效率forj=1:nH=sum(a)-a(j,:);lb2=zeros(2*m+m1+m2+d+s1+s2,1);f2=[zeros(1,2*m+m1+m2),H(1,5:6)-ZZ(j,:),H(1,7)-Y1(j,:),H(1,8)-Y2(j,:)];Aineq2=[zeros(n,m),-X,-X1,zeros(n,m2),ZZ,Y1,zeros(n,s2);%%阶段1-X,X,zeros(n,m1),-X2,-ZZ,zeros(n,s1),Y2;%%阶段2-X,zeros(n,m),-X1,-X2,zeros(n,d),Y1,Y2];%%综合效率bineq2=zeros(3*n,1);Aeq2=[H(1,1)-X(j,1),zeros(1,m),H(1,2)-X1(j,:),H(1,3:4)-X2(j,:),H(1,5:6)-ZZ(j,:),zeros(1,s1+s2);%%交叉综合投入为1-E(j,1)*X(j,:),zeros(1,m),-E(j,1)*X1(j,:),-E(j,1)*X2(j,:),(1-E(j,1))*ZZ(j,:),Y1(j,:),Y2(j,:)];%%保证综合效率值不变beq2=[1;0];wq(j,:)=linprog(f2,Aineq2,bineq2,Aeq2,beq2,lb2,[]);%%交叉效率权重Eq(j,1)=ZZ(j,:)*wq(j,6:7)'+Y1(j,:)*wq(j,8)'+Y2(j,:)*wq(j,9)';%%综合交叉效率Eq1(j,1)=Y1(j,:)*wq(j,8)'+ZZ(j,:)*wq(j,6:7)';%%子阶段1交叉效率Eq2(j,1)=Y2(j,:)*wq(j,9)';%%子阶段2交叉效率%%仁慈型交叉效率forj=1:nH=sum(a)-a(j,:);lb1=zeros(2*m+m1+m2+d+s1+s2,1);f1=[zeros(1,2*m+m1+m2),-H(1,5:6)+ZZ(j,:),-H(1,7)+Y1(j,:),-H(1,8)+Y2(j,:)];Aineq1=[zeros(n,m),-X,-X1,zeros(n,m2),ZZ,Y1,zeros(n,s2);%%阶段1-X,X,zeros(n,m1),-X2,-ZZ,zeros(n,s1),Y2;%%阶段2-X,zeros(n,m),-X1,-X2,zeros(n,d),Y1,Y2];%%综合效率bineq1=zeros(3*n,1);Aeq1=[H(1,1)-X(j,1),zeros(1,m),H(1,2)-X1(j,:),H(1,3:4)-X2(j,:),H(1,5:6)-ZZ(j,:),zeros(1,s1+s2);%%交叉综合投入为1-E(j,1)*X(j,:),zeros(1,m),-E(j,1)*X1(j,:),-E(j,1)*X2(j,:),(1-E(j,1))*ZZ(j,:),Y1(j,:),Y2(j,:)];%%保证综合效率值不变46 附录beq1=[1;0];wr(j,:)=linprog(f1,Aineq1,bineq1,Aeq1,beq1,lb1,[]);%%交叉效率权重Er(j,1)=ZZ(j,:)*wr(j,6:7)'+Y1(j,:)*wr(j,8)'+Y2(j,:)*wr(j,9)';%%综合交叉效率Er1(j,1)=Y1(j,:)*wr(j,8)'+ZZ(j,:)*wr(j,6:7)';%%子阶段1交叉效率Er2(j,1)=Y2(j,:)*wr(j,9)';%%子阶段2交叉效率endwEwrErEr1Er2wEwqEqEq1Eq2%%十年加权平均效率值t1=xlsread('jieguoquan.xlsx',1,'P3:P32');t2=xlsread('jieguoquan.xlsx',2,'P3:P32');t3=xlsread('jieguoquan.xlsx',3,'P3:P32');t4=xlsread('jieguoquan.xlsx',4,'P3:P32');t5=xlsread('jieguoquan.xlsx',5,'P3:P32');t6=xlsread('jieguoquan.xlsx',6,'P3:P32');t7=xlsread('jieguoquan.xlsx',7,'P3:P32');t8=xlsread('jieguoquan.xlsx',8,'P3:P32');t9=xlsread('jieguoquan.xlsx',9,'P3:P32');t10=xlsread('jieguoquan.xlsx',10,'P3:P32');t=0.01*t10+0.03*t9+0.05*t8+0.07*t7+0.09*t6+0.11*t5+0.13*t4+0.15*t3+0.17*t2+0.19*t47 参考文献参考文献[1]虞晓芬,李正卫,池仁勇,施鸣炜.我国区域技术创新效率:现状与原因[J].科学学研究,2005,23(2):258-264.[2]Zasierowski,W.,Arcelus,F.J..Ontheefficiencyofnationalinnovationsystems.Socio-EconomicPlanningSciences,2003,37(3):215-234.[3]李晨光,张永安.区域创新政策对企业创新效率影响的实证研究[J].科研管理,2014(9):25-35.[4]孟卫东,王清.区域创新体系科技资源配置效率影响因素实证分析[J].统计与决策,2013(4):96-99.[5]范斐，杜德斌，李恒.区域科技资源配置效率及比较优势分析[J].科学学研究，2012，30(8):1198－1205.[6]李健,杨丹丹,高杨.面向区域自主创新的科技资源配置模式研究[J].科学管理研究,2013(6):13-16.[7]厉伟,李健,王辉龙.中国省际创新资源整合绩效评价——基于2009-2013省际面板数据的分析[J].2016(6):72-76.[8]马建峰,何枫.存在中间产品退出的混合型多阶段系统DEA效率评价[J].2015(11):2874-2885.[9]陈凯华,官建成.共享投入型关联两阶段生产系统的网络DEA效率测度与分解[J].系统工程理论与实践,2011,31(7):1211-1221.[10]LewisHF,MallikarjunS,SextonTR.Unorientedtwo-stageDEA:Thecaseofoscillatingintermediateproducts[J].EuropeanJournalofOperationalResearch,2013,229:529–539.[11]XiaQiong,YangFeng,LiangLiang,etal.DEAefficiencyevaluationoftwo-stageparallel-seriesproductionsystems[J].JournalofSystems&Management,2012,21(1):1–5.[12]秦宇.中国工业技术创新经济分析[M].北京:科学出版社,2006.[13]Nasierowski,W.,Arcelus,F.J..Ontheefficiencyofnationalinnovationsystems.Socio-EconomicPlanningSciences,2003,(37):215-234.[14]Wang,E.C..R&Defficiencyandeconomicperformance:Across-countryanalysisusingthestochasticfrontierapproach[J].JournalofPolicyModeling,2003,29(2):49 基于网络DEA交叉效率的工业企业科技创新效率研究345-360.[15]Seog-ChanOh,JaeminShin.Theimpactofmismeasurementinperformancebenchmarking_AMonteCarlocomparisonofSFAandDEAwithdifferentmulti-periodbudgetingstrategies[J].EuropeanJournalofOperationalResearch,2015(7):518-527.[16]A.Charnes,W.W.Cooper,E.Rhodes.Measuringtheefficiencyofdecisionmakingunits[J].EuropeanJournalofOperationalResearch,1978,2(6):429–444.[17]L.M.SeifordandR.M.Thrall.RecentdevelopmentinDEA,themathematicalprogrammingapproachtofrontieranalysis[J].JournalofEconometrics,1990(46),7-38.[18]R.D.Banker,A.Charnes,W.W.Cooper.SomemodelsforEstimatingTechnicalandScaleInefficienciesinDataEnvelopmentAnalysis[J].ManagementScience.1984(9),1078-1092.[19]孙凯,鞠晓峰.基于改进DEA模型的工业企业技术创新能力评价[J].系统管理学报,2008(4):134-137.[20]柴玮,申万.毛亚林基于DEA的我国资源型企业科技创新效率评价研究[J].科研管理,2015(10):28-34.[21]AstridC,JensSE,PetraZ.R&Defficiencyandbarrierstoentry:atwostagesemi-parametricDEAapproach[J].OxfordEconomicPapers,2012,64(1):176-196.[22]MateiSpircu.RankingRegionalInnovationSystemsAccordingtoTheirTechnicalEfficiencyANonparametricApproach[J].EconomicComputationalonandEconomicCyberneticsStudiesandResearch,2012,4,31-47.[23]王博.基于新型网络DEA模型的高技术产业创新活动效率研究[D].中国科学技术的大学,2014.[24]FäreR.,GrosskopfS.,LindgrenB.,etal.ProductivitydevelopmentsinSwedishpharmacies:Anon-parametricMalmquistapproach[J].JournalofProductivityAnalysis,1992(3):85-101.[25]Sexton,T.R.,Lewis,H.F.TwostageDEA:Anapplicationtomajorleaguebaseball[J].JournalofProductivityAnalysis,2003(19):227-249.[26]Kao,C.,Hwang,S.N.Efficiencydecompositionintwo-stagedataenvelopmentanalysis:Anapplicationtonon-lifeinsurancecompaniesinTaiwan[J].EuropeanJournalofOperationalResearch,2008(1):418-429.50 参考文献[27]SebastiánLozano1.Technicalandenvironmentalefficiencyofatwo-stageproductionandabatementsystem[J].AnnOperRes,2017(255):199–219.[28]PeterWankeandCarlosPestanaBarros.EfficiencydriversinBrazilianinsurance:Atwo-stageDEAmetafrontier-dataminingapproach[J].EconomicModelling,2016(53):8–22.[29]HirofumiFukuyama,RomanMatousek.Modellingbankperformance:AnetworkDEAapproach[J].EuropeanJournalofOperationalResearch,2017(259)721–732.[30]赵树宽，赵鹏飞.中国汽车业技术供应链技术效率评价研究［J］.中国软科学，2010(10):172-179.[31]向小东,陈丽芬.制造业技术创新效率评价模型及其应用研究[J].运筹与管理,2016(1):215-223.[32]Kao,C.Efficiencydecompositioninnetworkdataenvelopmentanalysis:Arelationalmodel[J].EuropeanJournalofOperationalReasearch,192(2009)3,949-962.[33]Yang,Y.,Ma,B.,Koike,M.Efficiency-measuringDEAmodelforproductionsystemwithkindependentsubsystems[J].JournalofOperationsResearchSocietyofJapan,2000(43):343-354.[34]JuanDo,YaoChen,JiazhenHuo.DEAfornon-homogenousparallelnetworks[J].Omega2015(56):122–132.[35]He-BoongKwon,JoohLee.Two-stageproductionmodelinglargeu.s.banksadea-neuralnetworkapproach[J].ExpertSystemswithApplication,2015(42):6758–6766.[36]WadeD.Cook,LiangLiang,JoeZhu.Measuringperformanceoftwo-stagenetworkstructuresbyDEA:Areviewandfutureperspective[J].Omega2010(38):423–430.[37]JieWu,QingyuanZhua,XiangJia.Two-stagenetworkprocesseswithsharedresourcesandresourcesrecoveredfromundesirableoutputs[J].EuropeanJournalofOperationalResearch,2016(251):182–197.[38]SextonTR，SilkmanRH，HoganAJ.Dataenvelopmentanalysis：Critiqueandextensions[M].Jossey·Bass，SanFrancisco，1986,32:73-105．[39]DoyleJ，GreenR.Efficiencyandcross-efficiencyinDEA：Derivations,meaningsanduses[J]．JournaloftheOperationsResearchSociety,1994(45)：567-578．[40]吴杰.数据包络分析(DEA)的交叉效率研究——基于博弈理论的效率评估方法[D].中国科学技术大学,2008.51 基于网络DEA交叉效率的工业企业科技创新效率研究[41]LiangL,CookWD,ZhuJ.DEAmodelfortwo-stageprocesses:Gameapproachandefficiencydecomposition[J].NavalResearchLogistics,2008,(55):643–653.[42]苏杭.DEA交叉效率模型研究[D].吉林大学,2013.[43]SungmookLim,KwangWukOh,JoeZhu.UseofDEAcross-efficiencyevaluationinportfolioselection_AnapplicationtoKoreanstockmarket[J].EuropeanJournalofOperationalResearch,2014(236):361–368.[44]JieWu,JunfeiChu,JiasenSun,QingyuanZhu.DEAcross-efficiencyevaluationbasedonParetoimprovement[J].EuropeanJournalofOperationalResearch2016(248):571–579.[45]GreenRH,DoyleJR,CookWD.PreferencevotingandprojectrankingusingDEAandcross-evaluation[J].EuropeanJournalofOperationalResearch,1996,(90):461-472.[46]YMWang,KSChin.AneutralDEAmodelforcross-efficiencyevaluation[J].ExpertSystemswithApplication,37(2010):3666-3675.[47]YMWang,KSChin.Cross-efficiencyevaluationbasedonidealandanti-idealdecisionmakingunits[J].ExpertSystemswithApplication,2011(38):10312-1-319.[48]KaoC,HwangS.Efficiencydecompositionintwo-stagedataenvelopmentanalysis:Anapplicationtonon-lifeinsurancecompaniesinTaiwan[J].EuropeanJournalofOperationalResearch.2008(185):418-429.[49]ChenY,CookW,LiN,ZhuJ.Additiveefficiencydecompositionintwo-stageDEA[J].EuropeanJournalofOperationalResearch.2009(196):1170-1176.[50]梁樑,吴杰.数据包络分析(DEA)的交叉效率研究进展与展望[J].中国科学技术大学学报,2013(11):84-90.52 致谢致谢时光如梭，3年的研究生生活即将结束，这也意味着我与山西大学的情缘要暂时画上句号了。在这3年的研究生生涯中，我学会了思考，学会了如何去发现问题、分析问题和解决问题，并顺利完成了论文的撰写，这是我的导师和众位老师的悉也栽培的成果。首先要向尊敬的导师范建平致以我最真诚的谢意！范老师的博淳教诲、对学术严谨谦逊的治学精神使我深受鼓舞和感动，也正是这种学高为师、身正为范的潜移默化激励着我在学术研究的道路上不断披荆斩棘。本文从选题、开题、查阅文献资料到撰写过程中都离不开范老师的悉心指导。他乐观积极乐观的生活态度也潜移默化地感染着我，为我原本平淡无奇的生活增添了一份色彩。导师对自我的严格要求和正直的为人深深地影响和激励着我，也使我深刻地理解了人生；导师对我亲切的关怀和帮助，健康向上的生活态度给了我极大的启发和信心。这一切都将使我终生收益，在此谨向导师致以深深的谢意！其次，我要感谢所有帮助过教育过我的老师和师兄师姐们，是他们让我的态度更加端正，理论基础更加扎实，视野更加开阔。感谢学姐、学弟、学妹们的帮助和支持，感谢三年来遇到的每一位良师益友，感谢论文评阅老师们的辛苦工作。最后感谢我亲爱朋友们在平时学习生活上的关和照顾，感谢我的家人，尤其是我的爸爸、妈妈，从始至终陪伴和支持着我，是我求学道路上最有动力的源泉和最强力的支撑。论文顺利撰写和学业顺利完成，都渗透着他们对我最无私的关爱和奉献！53 个人简况及联系方式个人简况及联系方式个人简况：姓名：楚娟娟性别：女籍贯：河南商丘个人简历：2011-2015年，福建工程学院，交通运输学院，工业工程；2015-2018年，山西大学，经济与管理学院，工业工程。联系电话：18937002911邮箱：1084019045@qqq.com55 承诺书承诺书本人郑重声明：所呈交的学位论文，是在导师指导下独立完成的，学位论文的知识产权属于山西大学。如果今后以其他单位名义发表与在读期间学位论文相关的内容，将承担法律责任。除文中已经注明引用的文献资料外，本学位论文不包括任何其他个人或集体已经发表或撰写过的成果。作者签名：20年月日57 学位论文使用授权声明学位论文使用授权声明本人完全了解山西大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关机关或机构送交论文的复印件和电子文档，允许论文被查阅和借阅，可以采用影印、缩印或扫描等手段保存、汇编学位论文。同意山西大学可以用不同方式在不同媒体上发表、传播论文的全部或部分内容。保密的学位论文在解密后遵守此协议。作者签名：导师签名：年月日59