１文献综述
１．１知识经济理论背景亚当·史密斯发表于１７７６年的《国富论》，阐述了财富来源和经济增长原理，强调一国生产力主要取决于劳动力、土地和资本积累，并认为经济增长的主要动力来自于社会分工。随着经济及社会的发展，经济学家们渐渐发现在资源增量很少、资源存量不多的情况下经济仍有可能持续增长。这是传统经济增长理论所无法解释的。为了解释这一现象，Ｒｏｍｅｒ［１］在《收益递增和长期增长》一文中，提出生产要素应包括资本、非技术劳动、人力资本和新思想等４个方面。其中，新思想是经济增长的主要因素。ＬｕｃａｓＪｒ．［２］将劳动力分为纯体力的原始劳动力和表现为劳动技能的人力资本，并认为专业化的人力资本积累才是经济增长的动力泉源，他认为通过正式或非正式教育以及从工作中边做边学都可以提高人力资本积累，从而提高劳动生产率。两位学者的研究开创了新经济增长理论。新经济增长理论最重要的特征是承认创新和强调市场在推动知识交流方面的功能，并认为创新内生于经济系统。知识与土地、劳动力和资本这些传统投入同样重要，并已成为经济增长的主要动力［３］。在任何社会形态中，经济的增长总离不开土地、劳动、资本、知识等资源以及这些资源的有机结合［４］。在新经济增长理论发展背景下，知识经济的概念在９０年代逐渐成形，ＯＥＣＤ［５］发表的一份名为《以知识为基础的经济》的报告中正式提出“知识经济”的概念，强调知识经济应建立在知识与信息的生产、分配和使用上，并以知识为主要生产要素，通过持续不断的创新提升产品或服务附加值。知识创造是经济增长、社会发展和创造就业的主要驱动力，在全球化时代，知识已成为经济发展和国际竞争力的主要来源［６］。１．２知识经济相关研究知识经济作为人类经济发展的新阶段，自ＯＥＣＤ对知识经济作出明确定义后，学者们已对其作了深入研究。Ｈｕｉ＆Ｃｈｅｅ［７］运用ＤＥＡ方法，对发达国家和发展中国家两个样本群体进行比较，发现发达国家拥有更多的知识存量，同时发现小国比大国在知识产出上更有效率。朱强、周应恒、范金［８］以资本、劳动力和信息资源作为投入变量，ＧＤＰ作为产出变量，利用ＤＥＡ方法对中国内地各省市的知识经济效率进行评价，并在此基础上估算投入产出的最优生产函数。康梅娟［９］以资本、劳动力和信息资源作为投入，以ＧＤＰ作为产出，利用数据包络分析对中国知识经济效率进行测度，结果表明中东部地区技术效率相差不大，但中东部与西部地区有较大差距。在此基础上通过ＢＰ神经网络进行知识经济效率评价，从而为技术效率评价提供了一种新的手段。严成梁［１０］基于新增长理论关于知识生产函数的基本设定，给出扩张形式的知识生产函数，根据中国现实经济数据，在向量自回归框架下通过脉冲响应函数和方差分解考察各类因素对中国知识生产的影响。研究表明：Ｒ＆Ｄ经费、Ｒ＆Ｄ人员和知识存量对中国知识生产具有显著促进作用；外商直接投资和进口对中国知识生产的促进作用不显著。ＩｂｎｅＡｆｚａｌ＆Ｌａｗｒｅｙ［１１］参考ＯＥＣＤ及世界银行关于知识经济的框架，建立由知识获得、知识生产、知识分配和知识应用所组成的知识经济模型，对东盟五国知识经济进行了ＤＥＡ分析。
２研究方法
ＤＥＡ是一种数学模型，它通过线性规划产生一组最合适的权数，结合投入与产出项目，通过综合指标衡量ＤＭＵ的效率。其优点是：①无需预设生产函数的形态，亦无需估计函数参数系数，可避免函数形态的误设；②可同时处理多项投入与多项产出之间的效率衡量问题；③可通过数学规划方式客观产生权数，有效处理投入或产出项目单位不一致的问题；④不受观察值多寡之限制。２．１ＣＣＲ模型ＣＣＲ模型由Ｃｈａｒｎｅｓ，Ｃｏｏｐｅｒ，Ｒｈｏｄｅｓ［１２］提出，他们在固定规模报酬（ＣＲＳＲｅｔｕｒｎｔｏＳｃａｌｅ，ＣＲＳ）的假设下，以数学规划方法计算出各ＤＭＵ之间相对有效的生产前沿面，再将各ＤＭＵ投影到生产前沿面上作比较，以评价ＤＭＵ的相对有效性。假设现有ｎ个ＤＭＵ，其中ＤＭＵｋ有ｙｒｋ（ｒ＝１，…，ｓ）项产出以及ｘｉｋ（ｉ＝１，…，ｍ）项投入，如要计算出ＤＭＵｋ的效率，首先需要找出产出权重ｕｒ与投入权重ｖｉ。为能确定最佳权重，需定义以下数学规划问题：其中，θ是一个标量，λ是一个Ｎ×１常数向量。获得的θ值就是第ｋ个决策单元的效率值。根据Ｆａｒ－ｒｅｌｌ［１３］的定义，满足θ≤１，当值为１时表示该点在前沿面上，也就是说该ＤＭＵ具有效率，称为技术有效。２．２ＢＣＣ模型Ｂａｎｋｅｒ，Ｃｈａｒｎｅｓ，Ｃｏｏｐｅｒ［１４］和ＦａｒｅＧｒｏｓｓｋｏｐｆ，Ｌｏｇａｎ［１５］对ＣＣＲ模型进行了进一步扩展，他们认为并非所有的ＤＭＵ都处于固定规模报酬下，生产、技术无效率的原因可能是运作规模不当。因此，技术效率（ＴＥ）受规模效率（Ｓｃａｌｅｅｆｆｉｃｉｅｎｃｙ，ＳＥ）的影响。在ＣＣＲ模型的基础上，加入∑ｎｊ＝１λｊ＝１这一凸性限制条件，得出：比较ＢＣＣ模型与ＣＣＲ模型所得的效率值，可以将技术效率（ＴＥ）分解成纯技术效率（Ｐｕｒｅｔｅｃｈｎｉｃａｌｅｆｆｉ－ｃｉｅｎｃｙ，ＰＴＥ）和规模效率（Ｓｃａｌｅｅｆｆｉｃｉｅｎｃｙ，ＳＥ），即ＴＥ＝ＰＴＥ×ＳＥ。ＳＥ反映了规模效应对效率的影响。当ＳＥ＝１时，表示具有规模效率；反之，当ＳＥ＜１时，则不具有规模效率。但这种测量方法的缺点是不能根据ＳＥ值来判断ＤＭＵ不具规模效率的原因是规模报酬递增还是规模报酬递减。为弥补这一缺点，Ｆａｒｅ，Ｇｒｏｓｓｋｏｐｆ，Ｌｏｇａｎ［１６］在研究中提出，通过判断非递增规模报酬（ＮＩＲＳ）的技术效率值是否等于ＶＲＳ的技术效率值，可判定某ＤＭＵ的规模报酬状态，如两者不等代表ＤＭＵ处于报酬递增状态；若两者相等则代表处于报酬递减状态。其方法是将模型（３）的约束条件∑ｎｊ＝１λｊ＝１改为∑ｎｊ＝１λｊ≤１。当ＤＭＵ为规模报酬固定（ＣｏｎｓｔａｎｔｔｏＳｃａｌｅ，ＣＲＳ）时，表示ＤＭＵ已处于最佳规模；规模报酬递减（ＤｅｃｒｅａｓｉｎｇＲｅｔｕｒｎｓｔｏＳｃａｌｅ，ＤＲＳ）表示投入规模过大造成资源浪费，应缩减现时投入；而规模报酬递增（ＩｎｃｒｅａｓｉｎｇＲｅ－ｔｕｒｎｓｔｏＳｃａｌｅ；ＩＲＳ）则表示产出增长率高于投入增长率，应扩大投入以进一步提升规模效率。
３变量选取与数据
由于传统的工业型经济增长主要由土地、劳动力和资本投入所推动，与主要以知识作为经济增长力量的知识型经济有着根本区别，传统经济学框架难以对知识型经济进行合理测量。知识经济生产要素结构不同于工业化经济［１７］，需要一个新的框架以量度知识和技术进步对经济发展的贡献［１１］。本文参考ＩｂｎｅＡｆｚａｌ＆Ｌａｗｒｅｙ的研究，从投入产出的角度测量中国知识经济在４个不同维度中的效率，各维度投入产出变量如表１所示。知识获得反映知识的外生增长，是一个国家取得的外来知识和技术，是通过开放多边贸易、国外投资和许可协议等方式从其它国家获取的知识，其与本土知识同样重要［６］。特别对一些新兴国家而言，由于受本国发展程度及教育、科研和技术水平等因素的影响，较依赖从外部获取知识来推动经济发展。通过吸引外国企业到本国进行直接投资和引进新型设备以吸收新技术和知识，贸易开放程度直接影响知识流通。因此，本文以贸易开放度及ＦＤＩ净流入占ＧＤＰ百分比作为投入变量，以ＧＤＰ实际增长作为产出变量。知识生产是指研究和创造新知识，是一国知识存量的内生来源［５］。Ｐａｒｅｌｌｏ［１８］认为从长远角度看，知识产权保护很大程度上为发展中国家研发新知识与技术、消化和吸收发达国家的技术知识，促进经济增长提供了良好的环境。知识产权保护通过影响技术创新间接影响经济增长方式［１９］。加强知识产权保护对经济增长有正向促进作用［２０］。本文以科研投入经费占ＧＤＰ的百分比以及知识产权保护的执行程度作为投入变量，以每千人口平均科学文献出版量作为产出变量。知识分配可以通过多种途径进行，但一般认为学校教育在知识分配中起关键作用，新技术发展和创新取决于创新者所拥有的基本知识存量［２１］和更新。本文以教育支出占ＧＤＰ百分比及中学入学率作为投入变量，以接受高等教育人口百分比作为产出变量。知识应用是依据已有知识解决问题的过程，其水平高低决定了知识对经济影响的大小。世界银行在１９９９年的一份研究报告中指出，有效的创新依赖于科研支出、外商直接投资流入以及知识在大学和企业间的共享。经济活动中所运用的知识基本可分为外生和内生两类，外生知识是指从它国流入的知识，一般是因经济活动所需而引进的新技术；而内生知识一般是指本国产生的新知识，主要从大学或科研机构中产生［６］。本文以知识转移率和ＦＤＩ净流入占ＧＤＰ百分比为投入变量，以科技产品出口占制造业出口比率作为产出变量。
４实证分析
本文数据主要来自世界竞争力年报（ＩＭＤＷｏｒｌｄＣｏｍｐｅｔｉｔｉｖｅｎｅｓｓＹｅａｒｂｏｏｋ）、经济合作与发展组织（ＯＥＣＤ）以及世界银行（ＷｏｒｌｄＤｅｖｅｌｏｐｍｅｎｔＩｎｄｉｃａｔｏｒｓ，ＷＤＩ）数据库。考虑数据的完整性、可得性和代表性，以亚洲、美洲、欧洲共计３０个国家为样本，样本国家２０１０年ＧＤＰ总和约占全球的７０％，采用数据包络分析软件ＭａｘＤＥＡ５．２对样本２００６、２０１０年的数据进行分析，其中个别缺失数据以邻年数据补充。从知识获得、知识生产、知识分配及知识应用等４个维度计算样本知识经济技术效率、规模效率和规模报酬。通过比较分析，从投入产出角度探讨中国知识经济核心效率。表２至表５列出了中国在知识经济不同维度中的整体效率（ＴＥ）、技术效率（ＰＴＥ）、规模效率（ＳＥ）和规模报酬状况（ＲＴＳ），并与各大洲效率平均值进行比较。图１为中国以及各大洲在４个不同知识经济维度中的效率分布情况，可以看出我国在知识获得和知识应用两个维度上的效率较高，高出世界平均水平。而知识生产及知识分配效率较差。４．１知识获得知识获得是一国所获取的外生知识和技术，一般认为国外直接投资是为一国带来外生知识的主要途径之一。尤其对发展中国家而言，外来的知识溢出对国内产业发展具有重要影响。表２结果显示，２００６年３０个国家知识获得总平均效率为３７．８％，而中国知识获得效率为８６．６％，比总体平均效率高出４８．８％，反映中国获取外来知识的效率较高。中国在知识获得上的纯技术效率（ＰＴＥ）为１００％，说明获取外来知识的技术效率较高，但规模效率（ＳＥ）为８６．６％，其不足导致总体效率未能达至最佳水平。同时，规模报酬呈递减反映了资源投入高于产出增长，生产效率下降。２０１０年样本总平均效率为３６．７％，比２００６年略有下降。从地区层面来看只有亚洲的平均效率提升了１３．４％，而美洲和欧洲平均效率分别下降了１９．５％和１３％。中国２０１０年知识获得效率（ＴＥ）为９５．３％，比２００６年有所提高，主要是由于在保持良好技术效率的同时，规模效率有所提升（ＰＴＥ＝１００％；ＳＥ＝９５．３％），但规模报酬仍处于递减状况，需进一步控制投入规模。４．２知识生产知识生产主要来自于基础研究，大学和官方科研机构往往成为一国新知识的主要来源。政府在基础科研上的投入和政策取向对知识生产具有举足轻重的影响。表３结果显示，２００６年３０个国家知识生产总平均效率为２０．９％，中国２００６年知识生产效率（ＴＥ）为２％，远低于总平均水平。主要原因在于技术效率严重偏低，虽然规模效率（ＳＥ）为８９．３％，高于总平均值，但纯技术效率（ＰＴＥ）只有２．２％，对中国知识生产效率产生了较大的负面效应。虽然２０１０年中国知识生产效率有所提高（ＴＥ＝４．２％），但仍远低于总平均效率。中国２０１０年知识生产效率上升至４．２％，主要在于纯技术效率（ＰＴＥ）比２００６年有所提升，达到６．１％。２０１０年中国知识生产规模效率（ＳＥ）下跌至６９．１％，并低于总平均规模效率（７４．７％）。规模报酬在两个统计年度中都处于递增状态，反映中国知识生产投入不足，产出增长高于投入。４．３知识分配知识是一种无形要素，其分配、运用过程与传统资源不同，一般认为教育是知识分配的主要途径。从表４可以看出，２００６年中国知识分配效率（ＴＥ）为４８％，比总平均效率低６．７％。２０１０年知识分配效率下跌至３８．３％，与总平均效率的差距拉大至１８．２％，与亚洲地区平均效率的差距亦增至２１．３％。虽然中国知识分配的规模效率有较大提升（ＳＥ＝９８．６％），并高于总平均水平，但由于技术效率大幅下跌（ＰＴＥ＝３８．８％），导致中国知识分配效率出现较明显倒退，规４．４知识应用知识应用是知识与经济的最终结合，如何利用知识推动经济增长是知识型经济的核心问题之一。从表５可以看出，２００６年知识应用的总平均效率为３２．４％，其中亚洲平均效率最高，达到４７．６％；欧洲、美洲分别为２７．４％和１４．４％。中国知识应用效率（ＴＥ）为５３．３％，比总平均效率（ＴＥ）高出２０．９％。２０１０年３０个国家知识应用总平均效率为２３％，比２００６年下降了９．４％，亚洲、欧洲、美洲的平均效率亦有所下降，分别为３４．４％、１９．１％和１０．２％。中国知识应用效率（ＴＥ）为３８．３％，比２００６年下降了１５％，但仍高出总平均效率１５．３％。技术效率（ＰＴＥ）为４０．６％较２００６年下降，但规模效率上升至（ＳＥ）９４．３％。规模报酬（ＲＴＳ）由２００６年的递增转变为递减，反映中国在知识应用上的投入逐步加大。
５结语
本文运用ＤＥＡ方法，以３０个国家为样本，计算各国知识经济技术效率、规模效率和规模报酬，并将中国在知识经济４个维度中的效率与各大洲平均值进行比较。中国知识获得和知识应用效率已高出世界平均水平；知识获得技术效率已达最佳水平，但规模报酬递减导致规模效率不足，反映中国在知识获得中的投入高于产出，规模效率下降影响了知识获得效率；知识应用方面，中国技术效率及规模效率均未达最佳水平，其中技术效率在２０１０年有所下降，规模报酬从２００６年的递增变为２０１０年的递减，反映中国在知识应用方面的投入从不足逐步转为过盛。中国在知识生产及知识分配两个维度中的效率较差，知识生产技术效率低于总平均效率，反映中国在新知识创造和技术创新方面与国际平均水平仍存在很大差距。规模报酬在２００６年及２０１０年度均呈现递增，并且出现由２００６年高于总平均值到２０１０年低于总平均值的转变。反映中国知识生产投入不足越发显著，应加大科研投入，并加强知识产权保护，以鼓励创新。知识分配同样存在技术效率偏低的问题，且相比２００６年、２０１０年的知识分配技术效率出现大幅度下降，而规模效率（ＳＥ）却呈现较大幅度上升，这一现象可能反映了中国的教育侧重于规模扩张而忽略了技术效率提升，但这仍需进一步实证研究。
作者：胡逸彪 宋宇 单位：澳门理工学院 澳门科技大学商学院
相关专题：马路天使 1937 电影 经济论文网
