前言：寻找写作灵感？中文期刊网用心挑选的DEA模型企业管理论文，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
一、模型解释及评价指标体系构建
（一）投入产出指标的选取及数据来源
1.投入产出指标选取。
关于技术溢出效应的评价需要一个复杂的体系，某一个指标很难客观准确地反映出技术溢出的作用，我们选取了规模以上企业的R&D人员数量、人力资本水平、人均资本存量、R&D活动支出以及技术管理水平这五个投入变量。产出变量选取了企业发明专利数，新产品产出、新产品开发数和技术改造数。
2.环境变量的选取及说明。
本文在第二阶段，运用SFA模型，观测出各地区R&D经费外部支出和规模以上企业R&D外部经费支出的因素影响（R&D经费外部支出合计：指报告年度调查单位委托外单位或与外单位合作进行R&D活动而拨给对方的经费）。将环境因素和随机因素剔除，以便于更准确地分析由管理无效造成的低效率。
（二）数据选择
企业间技术溢出往往发生在同行业或是相似行业的企业之间，尤其是资金、人才和技术高度集中的规模以上企业，从而使得这些企业有能力对新技术的研发进行投资，因此在技术创新方面占有较大的比例。基于以上分析，本文在后面实证分析中的数据选取将主要考虑规模以上企业。（各数据来源于由国家统计局和科学技术部共同编著的2013年《中国科技统计年鉴》和《统计年鉴》）
三阶段DEA模型是由Fried等（2002）提出的一种能够剔除环境因素以便能更好地评估DMU（决策单元）效率的方法，即去除外部环境与随机误差对效率的影响。其构建和运用包括三个阶段：第一阶段，DEA方法具有CCR和BCC两个重要模型。本文主要借助CCR模型（传统的DEA模型）从投入的角度来核算DMU的有效性。该模型是在假设规模收益不变的技术条件下进行评价，将规模效率和技术效率合并为一个整体效率基于投入的CCR模型。第二阶段，第二阶段的分析目的是运用SFA模型分析第一阶段所得的投入差额值，从而使第三阶段以调整后的投入值和原产出值重新估计效率值。第三阶段，再次运用CCR模型对调整后的投入数据与原始产出数据进行效率评估，得到的结果就是剔除了环境因素后的效率值。
二、实证分析结果及解释
（一）第一阶段传统DEA实证结果
利用Deap2.1软件，对相关数据做分析，选择投入导向型CCR模型，得到各个决策单元的效率情况。结果显示：决策单元天津、吉林、上海、浙江、安徽、海南、重庆、四川、贵州、西藏均达到了相对有效状态，处于技术效率的前沿面，即投入产出均达到了最优状态。而其余决策单元均为相对无效状态，即投入产出比例失衡，造成一定的资源浪费。
（二）第二阶段SFA回归结果
第二阶段主要运用Frontier4.1软件来计算，运用SFA模型来调整投入变量，从而在第三阶段更加真实、准确地测算出各决策单元的效率。因为三阶段DEA的调整只针对那些非效率有效的DMU（松弛变量不为0）进行分析，而根据第一阶段的结果，非效率有效决策单元的投入指标的松弛变量结果为：所有的投入指标的松弛变量均存在不为0的情况，因此都需要进行相应的调整。用选取的环境变量分别对五个投入指标中非效率有效的DMU的投入差额值逐步分析，即以各决策单元的投入差额值作为因变量，以两个环境变量作为自变量，使用Frontier4.1计算五个回归方程的结果。在五个投入指标SFA回归中，对R&D人员数量、人力资本水平、R&D支出的回归，gamma值近似等于1，说明SFA结果有意义。而对人均资本的回归中，gamma值接近于0，说明SFA结果意义不大。
1.R&D人员数量。
各地区R&D经费外部支出系数为正数（0.002），说明该环境变量对R&D人员数量的差额值具有正向影响，即各地区R&D经费外部支出的提高会促进R&D人员数量的过度冗余，使效率下降；而规模以上企业R&D外部经费支出的系数为负数（-0.001），说明R&D人员数量的差额值具有负向影响，也就是说，规模以上企业R&D外部经费支出的增长，会抑制R&D人员数量的过度冗余，从而利用效率有效。
2.人力资本水平。
各地区R&D经费外部支出的系数为正数（0.010），说明该环境变量对人力资本水平的差额值具有正向影响，即各地区R&D经费外部支出的提高会促进人力资本水平的过度冗余，使效率下降；而规模以上企业R&D外部经费支出的系数为负数（-0.009），说明对人力资本水平的差额值具有负向影响，也就是说，规模以上企业R&D外部经费支出，会抑制人力资本水平的过度冗余，从而利用效率有效。
3.人均资本存量。
各地区R&D经费外部支出的系数为负数（-0.016），说明对人均资本存量的差额值具有负向影响，也就是说，各地区R&D经费外部支出的增长，会抑制人均资本存量的过度冗余，从而利用效率有效；而规模以上企业R&D外部经费支出的系数为正数（0.072），说明该环境变量对人均资本存量的差额值具有正向影响，即规模以上企业R&D外部经费支出的提高会促进人均资本存量的过度冗余，使效率下降。
4.R&D支出。
两个环境变量的系数均为正数，说明这两个环境变量对R&D支出的差额值均具有正向影响，即环境变量的提高会促进R&D支出的过度冗余，使效率下降。
5.技术管理水平。
两个环境变量的系数均为正数，且均在5%的显著水平上显著。说明这两个环境变量对技术管理水平的差额值均具有显著的正向影响，即环境变量的提高会促进技术管理水平的过度冗余，使效率下降。综上所述，在投入差额回归方程中，相关系数为正的环境变量，对投入差额值有促进作用，属于不利的环境变量；相关系数为负的环境变量，表示对投入差额值有抑制作用，属于有利的环境变量。通过SFA回归，调整投入值后，可以使各决策单元处于相同的外部环境与随机误差水平，再进行效率分析，从而使结果更加真实、准确。
（三）第三阶段的效率分析
利用第二阶段得到的调整投入变量，将调整后的投入变量数值与原始产出变量再次带入CCR模型进行分析，得到第三阶段个决策单元的效率值。对比可见，剔除环境变量和随机因素的影响后，效率相对有效的决策单元仍然为10个，说明一直处于技术效率前沿的地区企业间技术溢出效率稳定且好。其余非有效的决策单元的效率值均有所下降，尤其是宁夏，由0.997降到0.247，说明环境因子对企业间技术溢出具有正的效应，效率提高与环境因素有着密切关系。
三、结论与启示
本文通过三阶段DEA模型从技术溢出的角度对我国2013年各地区企业管理技术创新能力进行了分析，从我国各地区企业间技术溢出绩效综合效率来看，我国大部分省份的企业间技术溢出绩效水平很低，综合效率均值为0.779，说明大部分地区的资源配置、管理水平有待进一步提高。从地区排序来看，青海、内蒙和山西地区企业的发明专利数、新产品产值、新产品开发数量和技术改造数量的总量和相对量都较差，地区经济发展比较落后。天津、上海、浙江、重庆、四川、吉林、海南和贵州一直处于技术效率前沿，其中上海和浙江在总量和相对量上均处于较高水平，海南的各项产出指标都很靠前，也属于经济发达地区。然而北京地区在企业间技术溢出效率排名并不靠前，说明北京地区企业间技术流动的活性不高。贵州地区以较少的R&D人员数和人力资本水平创造了更多的专利数、技术改造数和新产品产值，综合效率值为1，处于技术效率前沿地区，说明贵州地区企业间技术溢出水平比较高，应当说是其他地区高技术产业学习的典范。在第二阶段调整前后效率嫌贵有效地区的企业间技术溢出效变化并不明显，说明环境效应和随机误差并没有对企业间技术溢出效率产生影响。将第一阶段及第三阶段得出的效率值进行对比分析发现，管理因素和随机因素对企业间技术溢出效率存在着一定的影响。另外，通过第二阶段的SFA回归分析发现，环境因素是企业间技术溢出效率的有利因素，在剔除环境变量和随机因素的影响后，全国的平均综合效率由0.779下降到0.624，尤其是宁夏地区，由0.997降到0.247。启示有以下两点：由于环境和随机因素对企业间技术溢出效率产生了显著影响，并其中随机因素是不可控的，所以控制环境因素是提高企业间技术溢出效率的必然选择之一。通过对两种环境因素的分析，提高R&D外部性支出，有针对性地进行支出，避免资源浪费、效率低下。只有增加技术流动的资金支持，技术、人员和信息在企业中的流通会更加活跃，只有在一个公平竞争的环境中，才能释放一个企业所有的潜力，激发其技术不断进步。
作者：王利晓 邵展翅 单位：西北大学经济管理学院 中国电建集团西北勘测设计研究院有限公司