全世界 1377127 1589141 1581922 1544297 1528667 1269600 1037188 1337110 1150007 986718

RCA 3。58 2。93 2。62 2。63 2。62 2。56 2。46 2。52 2。36 2。24

数据来源：World Development Indicators

表 3 4 2006年-2015年中国高技术产业出口额及主要投入指标值

指标 2015年 2014年 2013年 2012年 2011年

高技术产业研究与试验发展人员全时当量(人年) 726983 701440 670222 623249 511175

高技术产业研究与试验发展经费支出(万元) 26266585 22742749 20343380 17338101 14409133

数据来源：国家统计局

近10年的出口竞争力用RCA指数 进行表示，可以得出中国高技术产业在全世界的显示性优势大小。由上表3 3可以得出，2006年-2015年中国的高技术产业出口竞争力提升缓慢，可推测中国高技术行业效率不高。高技术产业投入大小只有近5年的数据，短短五年高技术产业研究与试验发展人员全时当量就从2011年的511175人年变到了2015年726983人年，是原来的1。4倍，另一个投入指标——高技术产业研究与试验发展经费支出，2015年时的投入也变成了2011年的近两倍，可见近些年里高技术产业出口额是增加了，但是投入的人力、财力增加得更多，也就是说，提高高技术产品出口额所花的代价较高。由此可见，通过对现有资源进行优化配置，利用有限的人力和财力来提高技术创新效率从而使中国高技术产业出口竞争力得到提升是当务之急。

4 高技术产业技术创新效率的测度文献综述

4。1 DEA方法及模型选择

数据包络分析法（data envelopement analysis，简称DEA）是高等数学、经济学、运筹学交叉的一个新领域，由美国运筹学家A。Charnes和W。W。Cooper等人在相对效率概念的基础上发展的一种非参数统计方法，以决策单元的输入、输出数据为评价依据来评价具有相同类型的多投入多产出的决策单元是否技术有效[15]。此方法还可以对各个决策单元的投入规模是否恰当进行判断，并且可以给出各决策单元调整投入规模的正确方向和以及如何进行调整的具体建议：扩大还是缩小，应该调整多少等。

DEA方法中常被采用的传统模型是CCR模型，此模型需假设规模报酬不变，可用来评价具有多输入，尤其也同时具有多输出的决策单元是否同时技术有效与规模有效[16]。

CCR模型不仅需要将决策单元的规模报酬假设为维持不变，而且是对决策单元的综合技术效率进行测算，如果还想知道具体影响决策单元综合技术效率高低的因素——纯技术效率和规模效率的话，就需要进一步引入BCC模型。综合技术效率的高低是由技术和规模两部分的效率共同决定的，且综合技术效率的值等于纯技术效率的值与规模效率的值的乘积，因此将这两个模型结合在一起使用可以进一步分析出造成综合技术效率上升或者降低的主要原因。