利用DEA数据包分析法评估集成半导体公司的研发活动
——台湾案例研究 陈智泰1 、林明汉2
1
副教授，工业工程与管理学系，大华工学院，新竹，307，台湾，中
华民国。
电话:+ 886-3-5927700分机2959，传真:+ 886-3-5926848 电子邮件:iectchen@thit.edu.tw.
2
副教授，自动化工程系，大华工学院，新竹，307，台湾，中华民国。
电话:+ 886-3-5927700分机2660，传真:+ 886-3-5921047 电子邮件:aemhlin@et4.thit.edu.tw.
摘要
研发活动的评估已经成为一个兼学术研究和实际需要的重要问题。本文使用DEA数据包分析方法对52家位于台湾新竹科学工业园区集成半导体公司的研发效率进行了实证研究。结果表明，尽管大多数公司的技术效率较高，它们的研发活动效率却大不相同。除此之外，本文还讨论了提高低研发效率公司研发效率的可能途径。特别地，我们分析发现大多数的低研发效率公司应该增加他们的经济规模来提高其研发效率。
关键词:研发效率、高效、数据包分析法、高科技公司 1、引言
研发活动的评估已经成为一个兼学术研究和实际需要的重要问题。在如今的高度经济全球化时代，一个高效运转的研发部门是公司
竞争优势的主要来源。当前的经济形势正迫使高科技公司通过提高研发效率，同时降低成本来相互竞争。为了评估机会成本和内部研发收入，以及将这些因素纳入成本考虑范围，研发的投入更加强烈地基于经济考虑[9]。针对研发这一话题，已经有许多研究及大量的文献报道。例如:(1)研发的组织[24]；(2)研发项目的评估[38][42]；(3)衡量研发进程的原则或指导思想 [20][37][48]；(4) 影响研发结果的因素[9][37]；(5)研发活动的衡量[9][10][20][29][37][48]等。这些研究从微水平视角专注研究了研发活动的某个方面。然而， 评估高科技公司研发活动效率的研究却是凤毛麟角。
高科技产业有着高风险和高投资回报的本质。由于研发活动的累积性、不确定性、边缘化及依赖于行业等特点，使得研发效率的评估变得尤为困难。然而，大多数高科技公司的管理者却依靠他们的经验来评估研发活动。特别地，管理者很难确定某个因素对研发活动贡献的多少。因此，管理者不知道应该增强哪个因素来提高公司的研发效率。
本文采用数据包分析(DEA)法对52家位于台湾新竹科学工业园区集成半导体公司的研发效率进行了实证研究。台湾是世界领先的半导体集成供应商之一。集成半导体行业由高灵活性、对行业环境变化反应迅速以便调整产品线来满足客户需求的公司组成。本文的其余部分组成如下。第二部分综述了现有文献对研发活动衡量的研究。第三部分描述了数据包分析法在这项研究中应用。第四部分是数据和影响因素。第五部分讨论了结果和分析方法。第六部分对结果进行了总结。
2、文献综述
为评估研发活动，已经有许多定量和定性的技术和方法被开发出来。例如，诸如利润/收入比率、投资回报、边际回报率和盈利/销售
[22][26][46]
等财务分析方法;为选则和评估研发效率的研发强度(研发支
出/销售)而开发的单比法 [7][36][46]等。然而，这些方法的关注点在于一个单一的方面，例如研发支出，实收资本，专利等。为了提高管理水平，管理者需要一种方法来理解研发的整体性能和发展方向。
考虑到评估研发效率的多重属性，一些研究人员依靠经验开发出了一些方法，如采用回归模型来分析研发的生产力。比如，Gilman[26]研究了股票价格和最优研发支出，指出本益比与研发强度呈正相关。Morbey和Reithner[37]使用回归模型研究了研发效果、生产力和盈利能力之间的关系。Zif 等[50]利用多元回归模型分析了高研发投资业务的特点。
此外，研究人员还基于决策科学建立了源于主观的模型，比如为优先权的设置和研发资源的分配而建立的层次分析法(AHP)。例如，Liberatore[33] 在研发评估上，为应用层次分析法(AHP)及相关支持方法建立了一个模型框架。Werner和Souder[48-49]综述了研发效能的衡量方法。Rouse和Boff [40]总结了研发/技术管理的研究现状。与此同时，Cordero[18]研究了公司研发性能衡量的总体情况。
然而，对于研发性能的评估来说，输入和输出之间的关系通常是不明显的。数据包分析（DEA）模型[14]不需要像其层次分析法等其他方法一样预先确定输入和输出的相对权重。数据包分析法（DEA）已
在包括中小学和大学、医院、银行等相对效率的衡量中得到有效应用。这些特性刚好符合研发活动的特点。然而，即便如此，很少有应用数据包分析法DEA来评估研发效率的相关研究。 3．方法
数据包分析法(DEA)通过将与之相关联的同组输入转化为输出的方式来计算公司的效率。Charnes等[14] 基于Farrel公司的高效率技术理念[23]，率先开发了数据包分析法(DEA)。数据包分析法（DEA）在本质上是一种将多元输入和输出转换成一个效率测量标量的线性程序技术。
这种转换是通过比较各公司提供的输出组合的值和使用的输入值与其他所有公司进行比较而实现的。作为一个高效公司的组合，每个公司都与一个假设的具有相同输出组合的公司进行评估。数据包分析法（DEA）在众多的公司中甄别最高效的公司，且为其他所有公司进行低效的衡量。最有效公司的效率得分为1，而其他较低效企业机构的得分在0和1之间。尽管数据包分析法（DEA）不对最优效率进行衡量，然而它却可以将所有公司中效率最低的几家公司区分开来。因此使用数据包分析法（DEA）来评估机构效率是构建了最佳的实践前沿。
在这项研究中， 使用数据包分析法（DEA）来评估研发活动的相对效率，这样能较好理解高科技产业中每家公司的资源利用率。特别地，该分析方法的结果在区分高效和低率公司的同时还能为各个公司效率的提高指明方向。
本研究采用了两个数据包分析法（DEA）模型，即CCR模型[14]
和BCC模型[5]。使用CCR模型来分析获得总体效率。利用BCC模型来衡量技术规模和技术规模回报。综合这两种分析模型得出的结论，可以判断低效归因于增加和减少规模回报的程度，除了可能的资源分配差异。以下是CCR模型和BCC模型的详细方程: A．CCR模型
Charnes等提出的CCR模型[14]被应用于衡量DMUs的效率。如果DMU可以增加输出变量或减少输入变量的值而不增加额外的输入变量或减少输出变量的生成，那么它就是高效的。
对于每个DMUo，CCR模型如下: