效率不是分数：创新效率评价的指标陷阱与边界条件

那张表我看了三遍，还是觉得别扭。若干地区的创新效率值被列成 0.72、0.81、0.93，旁边还贴了颜色标签。说实话，效率值一旦被当成考试分数，后面的讨论基本就跑偏了。创新效率评价当然有用，但它量的不是“谁更行”，而是在给定样本、给定指标、给定技术前沿下，一个决策单元离前沿面有多远。这句话听着绕，可它决定了评价结果能不能用、该怎么用。

效率是相对距离，不是绝对成绩

数据包络分析（DEA）干的事，本质上是在投入产出空间里构造一个经验前沿面。某个企业、某个地区、某个实验室，落在前沿面上，效率值为 1；落在里面，就按径向或非径向距离折算。随机前沿分析（SFA）换了个思路，用计量模型把噪声和技术无效率拆开。两条路都依赖一个前提：样本里的决策单元得“可比”。

问题恰恰出在这里。把高校、药企、装备制造厂塞进同一个样本，投入是 R&D 人员全时当量，产出是发明专利和新产品销售收入——模型能跑出结果，解释力却可疑。为什么？因为它们面对的技术机会、制度约束、商业化周期压根不是一回事。效率值 0.65 不代表这家药企比那家高校“差”，只代表它在当前样本构造出的前沿面下浪费了更多可压缩投入。对吧，这话不讨喜，但必须说。

还有个更隐蔽的坑：DEA 对异常值和指标数量很敏感。投入产出指标一多，自由度被吃掉，很多单元会“被有效”。效率值只在给定模型里成立，换一组指标、换一个样本、换一种导向，结果可能翻脸。所以看到一张效率表，先别急着排座次，先问样本边界和技术可比性。没有这两样，数字越整齐，越值得警惕。

指标会说话，也会撒谎

创新效率评价的指标选择，从来不是技术活，而是理论主张。用 R&D 经费和 R&D 人员做投入，等于承认创新是资源驱动；用专利数做产出，等于把“申请”当成“创新”。这两件事之间的缝隙，大得能开卡车。专利补贴、高新企业认定、考核压力，都会把申请量推上去，可质量呢？引用、转化、维持年限，往往没人细看。

时滞也是老问题。今天的 R&D 投入，可能三五年后才变成产品；今天的专利，可能是五年前项目的余温。若评价周期和創新周期错配，效率值就会把“还在路上”的项目误判成低效。更麻烦的是零值和负值：新产品销售收入可能为零，DEA 对零值处理不友好；有些产出指标甚至出现负增长，径向模型直接失灵。

我不反对用专利，但得知道它在替谁说话。一个可行的做法是把指标分成“数量—质量—转化”三层，分别看申请量、授权率与维持率、新产品收入或许可收入。别指望一个综合效率值包打天下。稳健性检验也不是摆设：换投入变量、换产出口径、剔除异常单元，看结论是否还站得住。站不住，就老老实实说站不住。

多阶段不是把模型套娃

创新链常被切成研发、转化、商业化三段。于是有人把网络 DEA 一层层套上去，中间产出既当产出又当投入，模型很漂亮。可阶段划分得跟管理问题走，不是跟模型便利走。基础研究阶段的产出是论文、原型、专利，硬拿商业收入去卡它，等于让短跑运动员考马拉松。

网络 DEA 的关键假设是阶段可分离、中间变量可观测。现实里，研发和转化常常纠缠在一起，人员、设备、经费共享，中间产出难以干净归属。这时候，共享投入怎么分、中间变量归谁，都会影响效率值。阶段划分越细，模型越像精密仪器，也越容易在数据噪声里抖。我的建议是：先明确评价要回答什么问题——是找转化堵点，还是看资源配置冗余？问题不同，阶段就不同。别为了模型高级而切分。

评价之后，谁用、怎么用、何时别用

创新效率评价最适合干的事，是诊断。比如同一行业内，投入冗余主要卡在人员还是设备，转化阶段是否明显掉链子。它不适合干的事，是发奖、定级、直接分配资源。为什么？因为一旦效率值跟利益挂钩，指标就会被博弈。专利注水、研发费用归集操纵、产出口径挑挑拣拣，都是可预期的反应。

还有个边界得说清楚：效率评价回答“在既定技术下还有多少浪费”，不回答“方向对不对”。一个团队效率很高，可能只是在低价值方向上跑得快。突破性创新往往伴随高失败率、长周期，用短期效率去卡它，容易把探索性项目逼死。评价周期、容错机制、专家判断，得跟效率指标配合使用，而不是让效率值单独裁决。

趋势上，多源数据确实在改变这件事。文本挖掘可以看专利质量，因果推断可以处理政策冲击，动态基准可以缓解样本漂移。但工具越多，越要克制。评价结果要给置信区间，要给敏感性分析，要允许“无法判断”。这比硬凑一个精确到小数点后两位的效率值诚实得多。

所以，下次有人甩给你一张创新效率评价表，先别被颜色标签带跑。问三件事：样本是谁、指标怎么选、时滞怎么处理。问完再决定要不要信。真的，效率不是分数，它更像一把带刻度的尺子——尺子本身得先校准。