【摘要】:本书基于我国高新区的实际发展状况及相关数据的可获得性,选取了三类创新投入指标和三类创新产出指标来评价我国各地区高新区的创新绩效。投入指标选择了高新区R&D经费支出、科技活动人员数及大专以上学历占年末从业人员比重;产出指标选取了专利授权数、高新区企业技术收入及工业增加值。由于DEA模型要求投入数量增加时产出数量不得减少,即产出与投入指标间符合同向性假设。
本书基于我国高新区的实际发展状况及相关数据的可获得性,选取了三类创新投入指标和三类创新产出指标来评价我国各地区高新区的创新绩效。投入指标选择了高新区R&D经费支出(即研究与试验发展经费支出)、科技活动人员数及大专以上学历占年末从业人员比重;产出指标选取了专利授权数、高新区企业技术收入及工业增加值。
由于DEA模型要求投入数量增加时产出数量不得减少,即产出与投入指标间符合同向性假设。因此,选择的投入与产出指标必须具有正相关性。利用SPSS软件对数据进行Pearson相关分析,得到结果如表4.1所示。
表4.1 Pearson相关分析结果
由表4.1可知,所有创新产出及创新投入指标间都有较显著的正相关性,符合同向性要求,可以进行DEA分析。此外,还要考虑自由度的问题,由于投入产出变量的增加会降低DEA区分决策单元DMU效率高低的能力,为了确保效率评估的正确性,决策单位的个数至少应为投入产出变量个数和的三倍,这里也符合要求。
考虑到投入产出的时间延迟问题,这里将延迟时间选定为2年(官建成、刘顺忠,2003),产出指标选择2009—2010两年的数据,投入指标则选取2007—2008两年的数据,依照国家火炬计划统计年鉴共选取41个地区。[1]
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关高新区创新网络与区域创新的文章