1引言

在新世纪之初，人类正走进以信息技术为核心的知识经济时代，信息资源已成为与材料和能源同等重要的战略资源。在界定信息资源内涵的基础上，研究信息资源的投入产出效率，分析效率与经济发展水平的关系，有利于节省资源，减少浪费，增加信息资源产出，优化信息资源配置，缩小数字鸿沟。

在信息资源效率领域，马费成(2003)^[1]用经济学方法研究了信息资源的优化配置与共享效率。王英(2000)^[2]研究了组织结构对信息传递效率的影响，认为导致低效的主要原因是协调关系所导致的组织效率下降以及信息失真导致的弱化激励。周冰(1994)^[3]从宏观上分析了计划经济与市场经济体制对信息利用效率的影响，认为计划经济信息网络规模庞大，效率低下。贾晋(2004)^[4]认为信息资源的配置必须根据其具体特点进行分类，然后对其生产和交换进行分析，寻求信息资源配置的帕累托最优条件。赵筱媛、靖继鹏(2005)^[5]构建了企业信息资源配置效率评价指标体系，从信息资源开发、利用、环境协调等方面进行评价。

总体上，对信息资源效率的研究不多，侧重于组织结构和制度因素的分析。许多研究立足信息资源配置和利用效率，而不是信息资源的生产效率，方法上以理论研究为主，实证研究主要集中在指标体系上。还没有学者从宏观信息资源的生产角度，基于投入产出研究信息资源的效率。

研究宏观信息资源的生产效率可以从两个方面入手，一是建立指标体系，主要问题是数据获取困难，而且指标体系的权重设定很难得到公认。二是采用数据包络分析方法(DEA, Data Envelopment Analysis)，它是根据一组关于输入——输出的观察值来估计有效生产前沿面，能找出效率相对无效的样本，可以处理多输入输出情况，并且不需要知道投入产出之间的显式关系。该方法的现实意义在于，由于是基于我国目前技术经济条件及管理水平进行的相对效率分析，一旦发现问题，可以借鉴其他效率相对有效省市的经验，采取措施，改善管理，加快技术进步，从而提高信息资源的生产效率。

2研究方法

2.1可变规模报酬DEA模型（BCC）

DEA是一种测算具有相同类型投入和产出的若干系统或部门（简称决策单元，DMU）相对效率的有效方法。其实质是根据一组关于输入输出的观察值，采用数学规划模型，来估计有效生产的前沿面，再将各DMU与此前沿做比较，进而衡量效率。凡是处在前沿面上的DMU，DEA认定其投入产出组合最有效率，将其效率指标定为1；不在前沿面上的DMU则被认定为无效率，同时以效率前沿面之有效点为基准，给予一个相对的效率指标（大于0，小于1）。此外，DEA还可以判断各个DMU的投入规模的适合程度，给出各DMU调整其投入规模的方向和程度。

规模报酬不变模型是Charnes，Cooper和Rhodes（CCR，1978）^[6]所提出的最基本DEA模型，因此也成称为CCR模型。为了对DMU的有效性进行较简单的判别，Charnes和Cooper引入了非阿基米德无穷小量的概念，以便用线性规划的单纯形方法求解模型，对决策单元进行一次性判别。

用不变规模报酬模型进行效率测评时，必须假定各决策单元是位于最佳生产规模，否则所测的效率值中，就包含规模效应的影响。为测算生产单元的纯技术效率水平，Banker,  Charnes, Cooper(1984)^[7]提出了可变规模报酬（BCC）模型。

2.2 Malmquist指数

Malmquist指数最初由Malmquist（1953）^[8]提出，Caves et al.（1982）^[9]首先将该指数应用于生产率变化的测算，此后与Charnes et al.建立的DEA理论相结合，在生产率测算中的应用日益广泛。

以t时期技术T^t为参照，基于产出角度的Malmquist指数可以表示为：

                          （1）

类似地，以t+1时期技术T^t+1为参照，基于产出角度的Malmquist指数可以表示为：

                       （2）

为避免时期选择的随意性可能导致的差异，仿照Fisher理想指数的构造方法，Caves et al.用式（1）和式（2）的几何平均值即（3）式，作为衡量从t时期到t+1时期生产率变化的Malmquist指数。该指数大于1时，表明从t时期到t+1时期全要素生产率是增长的。

               （3）

式（3）中， 和 分别表示（t+1）时期和t时期的投入和产出向量； 和 分别表示以t时期技术T^t为参照，时期t和时期（t+1）的距离函数。

根据上述处理所得到的Malmquist指数具有良好的性质，它可以分解为不变规模报酬假定下技术效率变化指数（Efficiency change，Ech）和技术进步指数（Technical change，Tch），其分解过程如下：

 （4）

其中技术效率变化指数(Ech)还可进一步分解为纯技术效率指数（Pure efficiency change , Pech）和规模效率指数（Scale efficiency change, Sech）。即：

       （5）

从而：

       （6）

即技术效率是纯技术效率与规模效率的乘积，全要素生产率(Total factor productivity change，Tfpch)是技术效率与技术进步的乘积。

与单纯的截面数据DEA分析相比，Malmquist指数分析将技术进步因素剥离，结果更为精确。

3变量与数据

3.1变量的选取与说明

    投入变量为信息资源资本投入和劳动力，产出变量为信息资源，如表1所示。

表1 变量说明

3.1.1 信息资源变量

信息资源的量化是个复杂的问题，由于信息资源指标间的相互替代性，如报刊与互联网、电子邮件与信函、网络电话与长途电话等，导致某个指标增加或减少并不意味着信息资源增加或减少，因此用指标体系对信息资源进行量化是不合适的。

对信息资源进行测度可以从传播和存储角度进行。在信息发布前，对于信息资源的收集、整理能力进行测度是很难的，而且即使可以测度，如果没有信息传播过程，也没有任何意义。同样，对于信息接收者而言，其信息处理、信息应用能力的测度也相当复杂，几乎无法实现。本文选取邮电业务额作为信息资源的替代变量，邮电业务额包括了函件、特快专递、报刊发行、固定电话、移动电话、互联网等内容，是典型的信息资源传播与存储，用邮电业务额作为信息资源的替代变量是最为合适的。

3.1.2信息资源资本投入

由于本文中对信息资源界定的一般性和广泛性，要获取信息资源的资本投入存量数据是不可能的，虽然可以获取部分信息化资金投入、光纤里程等数据，但主要是个别部门的，没有一般意义上信息资源资本投入数据。本文采用信息资源基础设施指数作为信息资源资本投入数据，因为信息资源基础设施也是存量数据，反映了历年来信息资源资本投入累计成果。

信息资源基础设施指数包括电脑、电话、电视三类一级指标，下面还有若干二级指标。电脑是重要的信息存储与处理工具，电话是信息双向传播工具，电视机更是广泛的信息传播工具，为了计算简便，设置权重相等。信息基础设施指数计算公式如下：

         (10)

JC:信息基础设施指数

C：城镇百户居民电脑拥有量

C₀：基年全国城镇百户居民平均电脑拥有量

T：人均固定电话拥有量

T₀:基年全国人均固定电话平均拥有量

M:人均移动电话拥有量

M₀:基年全国人均移动电话平均拥有量

CT:城镇百户居民彩电拥有量

CT₀:基年全国城镇百户居民平均彩电拥有量

NT：农村百户居民彩电拥有量

NT₀: 基年全国农村百户居民平均彩电拥有量

3.1.2 劳动力

几乎所有的组织和个体都是信息源，因此，对信息资源投入劳动力的量化工作也比较复杂，采用各地区人口显然不合适，首先广大农村居民对信息资源建设的贡献相对较弱，其次，儿童、老人与正常劳动力的贡献也不尽相同。借用大多数学者利用生产函数研究经济增长的思路，本文选取职工人数作为信息资源投入劳动力的替代变量，由于Malmquist指数已经将技术进步因素剥离，某种程度上也降低了劳动力素质的个体差异对信息资源贡献的影响，因此这样处理是合适的。

3.2数据

所有数据均来自于2002～2005年中华人民共和国统计年鉴，实际数据为2001～2004年我国31个省市的面板数据。在计算信息基础设施指数时，为了进行无量纲转换，设定2001年全国相关指标的平均水平为100，再根据公式(10)计算信息资源基础设施指数，所有数据均是人均水平。

4实证结果

4.1 全要素生产率的变化及其分解

表2 2001～2004年我国Malmquist指数及其分解

采用Tim Coelli的DEAP2.1软件进行DEA分析，结果如表2、表3所示。从全国的平均水平看，近年来，我国信息资源生产效率总体较高，技术效率有所提高，纯技术效率基本维持不变，规模效率提高，说明技术效率提高的原因主要是规模效率增加所致。技术进步优势明显，全要素生产率提高的原因实际上是技术进步与规模效率提高所致。

表3 2001～2004我国地区Malmquist指数及其分解

     从规模效率看，19个省市规模效率都在增加，较好的10个省市依次是贵州、广州、山西、河北、山西、内蒙古、河南、吉林、宁夏、新疆；小于1的省市共有12个，依次是安徽、江苏、北京、西藏、青海、四川、云南、湖北、辽宁、山东、湖南。规模效率的东、中、西部区域差距并不明显。

    从纯技术效率看，有15个省市提高或维持不变，较好的10个省市分别为浙江、广东、湖南、天津、宁夏、安徽、云南、湖北、山西、河南；最差的10个省市依次是辽宁、湖北、贵州、江西、重庆、青海、海南、甘肃、黑龙江、广西。纯技术效率的东、中、西部区域差距并不明显，由于技术进步因素已经分离，纯技术效率反映了一定技术和管理条件下的产出水平。

    技术效率是规模效率与纯技术效率的乘积，近年来有18个省市技术效率提高或维持不变。最好的10个省市依次为河北、山西、贵州、广西、陕西、河南、浙江、内蒙古、宁夏、天津；最低的10个省市依此是辽宁、青海、江苏、湖北、北京、西藏、安徽、山东、四川、云南。技术效率的东、中、西部区域差距并不明显。

    技术进步态势良好，所有31个省市的技术进步指数都大于1，说明近年来随着信息技术的发展以及国家相关政策落实到位，信息资源生产技术进步态势明显，保持着良好的势头。

    全要素生产率是技术效率与技术进步的乘积，由于技术进步的贡献，仅辽宁、青海、江苏三省市全要素生产率下降，湖北维持不变，其余省市均有所提高。

5结论

    近几年来，我国信息资源建设取得了长足的进步，现代信息技术的发展、互联网的出现，带动了信息资源生产的技术进步，科技进步的贡献功不可没，并且现代信息技术的发展导致的技术进步在我国各地区是均衡的，这也得益于我国的信息化宏观政策。

从信息资源的生产效率看，总体态势较好，纯技术效率相对不变，规模效率有所提高，东、中、西部的效率差距并不明显，主要原因是信息资源的准公共物品属性所决定的。从规模报酬看，我国几乎所有地区都处于规模报酬递增阶段，增加规模能够提高效率。

需要注意的是，一些经济发达地区省市的效率值并不高，而一些经济欠发达地区却能达到较高效率，经济发展水平与信息资源资源生产效率不相关，因此，采取措施，加快中西部地区信息资源建设，缩小数字鸿沟，从而带动经济发展是可行的举措。

参考文献

[1]马费成. 信息资源的优化配置与共享效率[J]. 情报理论与实践，2003（4）：381～384

[2]王英. 组织结构与信息传递效率[J]. 系统工程理论与实践，2000（11）：46～50

[3]周冰. 计划经济与市场经济的信息结构与信息效率的比较[J]. 浙江财经学院学报，1994（5）：5～12

[4]贾晋. 关于信息资源配置效率的分析[J]. 情报杂志，2004（9）：33～34

[5]赵筱媛 靖继鹏. 企业信息资源配置效率的评价指标体系及实证研究[J]. 情报学报，2005（8）：467～472

[6]Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978(2): 429-444

[7]Banker, R.D., Charnes, A. and Cooper, W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J], Management Science, 1984,30（9）：1078-1092.

[8]Malmquist,S. Index Numbers and Indifference Surfaces[J].Trabajos de Estatistica,1953( 4): 209-242.

[9] Caves, D.W., L.R. Christensen and W.E. Diewert. The Economic Theory of Index Numbers and the Measurement of Input, Output and Productivity[J].  Econometrics, 1982(50): 1393-1414.

                                             俞立平 于扬州