科技專案績效評估Performance Evaluation of the Industrial Technology Development Programs

26  Download (0)

全文

(1)

行政院國家科學委員會專題研究計畫 成果報告

科技專案績效評估

計畫類別: 個別型計畫 計畫編號: NSC94-2416-H-110-016- 執行期間: 94 年 08 月 01 日至 95 年 07 月 31 日 執行單位: 國立中山大學傳播管理研究所 計畫主持人: 朱斌妤 報告類型: 精簡報告 報告附件: 出席國際會議研究心得報告及發表論文 處理方式: 本計畫可公開查詢

中 華 民 國 95 年 8 月 11 日

(2)

科技專案績效評估(NSC 94-2416-H-110 -016)結案報告

A.政府協助企業研發之動機與政策 研發產生的效果可分為廠商與社會二方面,廠商的目標在於追求報酬極大 化,社會報酬則是生活品質的提高與就業率增加(此為研發成果所產生的正向外 溢效果)。研發所產生的新知識提升產品品質與降低生產成本,廠商市場競爭力 提升、營運利潤增加,另一方面,其他廠商對新知識的吸收,促使其品質的提昇 與成本降低,並帶動其他產品的市場競爭,進而提高廠商的利潤與消費者的福利 (江雪嬌,2001);由於研發具有這些外部性,可視為典型的公共財(Arrow, 1962),考量研發的風險性,若純粹由民間企業投資,會有投資不足的現象(Tassey, 1999; Salmenkaita & Salo, 2002)。因此,世界各國多會對研發之投資採取不同的 鼓勵措施,以政府力量去彌補技術低度投資的缺口。政府資金協助研究發展採用 的政策工具主要有公共研究、減稅和直接資助私部門執行研究三種。

B.我國現行科專計畫

在世界各國發展創新科技之際,美國藉由加重政府介入民間研發之比重,在 競爭激烈的全球市場中保持領先之地位,其中以政府補助計畫最具規模,自 1990 年開始國家技術暨標準局(National Institute of Standards and Technology, NIST)推 動先進科技計畫(Advanced Technology Program, ATP)即是一例,NIST 與我國業 界科專執行機構經濟部技術處位階相當;ATP 計畫與我國業界開發產業技術計 畫之目的類似,皆以提升產業技術為主。

我國科技專案依據補助對象的不同主要分為三類:(1)法人科專;(2)學界科 專;(3)業界科專。業界科專目前共計 7 項,包括「業界開發產業技術計畫(Industrial Technology Development Program, ITDP)」、「鼓勵中小企業開發新技術推動計 畫(Small Business Innovation Research, SBIR)」、「策略性服務導向業界科專計畫 (Strategic Service Oriented Research & Development Program)」、「示範性應用資 訊開發計畫(IT Application Promotion Project, ITAP)」、「研發聯盟先期研究推動 計畫(Industrial Technology Development Alliance Program)」、「鼓勵國內企業在 台設立研發中心計畫(Industrial Technology Innovation Center Program)」以及「鼓 勵國外企業在台設立研發中心計畫」(經濟部技術處,2004)。 ITDP 計畫背景和規模 業界開發產業技術計畫的補助範圍分為四大領域,分別是電子資訊、機械自 動化、民生化工以及生技製藥,從 1999 年 2 月至 2004 年 10 月共 567 項計畫提出 申請,核定 250 項,核定比率為 44.09%。補助計畫中以電子資訊產業的核定計畫 最多,共計 111 項計畫,平均每項計畫補助款為 3,400 萬元,平均補助比率為 36%,

(3)

47 項計畫,平均每項計畫補助款維 3,500 萬元,平均補助比率為 35%;民生化工 共核定 59 項計畫,平均補助款 1,900 萬元,平均補助比率為 38%;生技與製藥產 業核定計畫最少,共計 33 項計畫,平均每項計畫補助 2,000 萬元,在核定總經費、 補助款、自籌款中均為各領域最低者(經濟部技術處業界開發產業技術計畫網站, http://innovation1.tdp.org.tw/group/application/tdp_itdp/index.php,2004)。 ITDP 計畫之經濟效益與成果 在績效部份,除了誘發廠商自主研發經費投入與培育及運用研發人材外,業 界開發產業技術計畫另包括了研發成果的產出,自 1997 年到 2002 年,1997 年 試辦以來,28 項委辦計畫執行完畢,累計至 2002 年度委辦計畫成果計有申請專 利 80 件、獲得專利 32 件、技術引進 21 件、轉委託 151 件。自 1999 年實施補助 計畫以來,累計至 2002 年度補助計畫成果計有申請專利 230 件、獲得專利 101 件、技術引進 27 件、轉委託 166 件。 C.科技研發專案績效評估方法 迴歸分析與科技專案 攸關研發專案計畫績效評估方法可分為:(1)經濟分析法-包括迴歸分析法 (Regression Analysis)、資料包絡分析法(Data Envelopment Analysis, DEA)等;以 及 (2) 非經濟分析法-包括德菲法(Delphi) 、多目標衡量分析法(Multi-criteria Analysis)等。經濟分析法又可分為參數化分析法(parametric approach)和非參數化 分析法(non-parametric approach)兩大類。參數化分析法須對母體特性進行假設, 即預先設定生產函數,並對誤差項進行估計,透過計量迴歸模式來說明自變數(投 入項)及因變數(產出項)關係,進一步評估生產者的效率。非參數化分析法則 不需預設生產函數,也不需估計生產函數的參數,以數學線性規劃求解方式,將 相對有效率之觀察值組成一包絡曲面,並求得各觀察值之相對效率。 迴歸方法基本的假設是產出 y 為各投入因素 X 的函數,由迴歸函數說明自變 數(投入項)及因變數(產出項)關係,比較預期與實際產出,以評估組織之效 率。其一般化的相關數學模型如下: ε δ β α+ + + = subsidy X y *( ) 依變數 y 是創新指標,變數 subsidy 是補助款,X 屬控制變數,政策預算。 資料包絡分析法與科技專案

Charnes, Cooper & Rhodes (1978)將 Farrell「單一產出/單一投入」衡量效率的 方法推廣到「多項投入/多項產出」,即所謂的 CCR 模式。其後 Banker, Charnes & Cooper (1984)將 CCR 模式修正為 BCC 模式,將 CCR 模式之固定規模報酬的

(4)

術效率、規模效率及規模報酬大小的問題。 DEA 最佳化基本數學模式如下:

= =      = m i ij i s r rj r jo u y vx h 1 0 1 0 Max subject to 1 1 1 ≤            

= = m i ij i s r rj ry vx u n j s r m i v ur, iε>0, =1,..., , =1,..., , =1,..., 其中 xij= 第j個廠商所之第i項生產投入量 yrj= 第j個廠商之第r項生產產出量 ur = 有待決定之生產產出r的權重 vr = 有待決定之生產投入i的權重 hjo = 相對效率值 DEA 被應用在探討比較個別專案廠商之相對效率,並提供個別廠商改善其 績效建議的研究相當多,包括軟體專案(Banker & Slaughter, 1997; Chatzoglou & Soteriou, 1999; Kitchenham, 2002; Mahmood, Pettingell & Shaskevich, 1996; Stensrud, & Myrtveit, 2003; Yang & Paradi, 2004)、產品發展(Yang, Lu, Gu et al., 2003; Borenstein, Becker, & do Prado, 2004)及研發製造(Linton & Cook, 1998; Verma & Sinha, 2002; Revilla, Sarkis, & Modrego, 2003; Cook & Green, 2004; Narasimhan, Talluri & Das, 2004)等。

DEA 與迴歸分析(Tobit) 廠商效率值除受DEA所選取之投入產出項外,可能會受其他廠商本身無法控 制投入(non-discretionary input)之外生變數之影響,有些既非投入亦非產出的(例 如產業生態、組織結構、軟 硬體資源、 管 理制度、策略目標等)環境 變數 (environment variables),會直接影響到生產效率,這些因素較難以DEA評量分 析,為進一步瞭解無效率之廠商其產生原因,除資源使用不當與規模無效率外, 是否有不當管理的因素存在,可以結合DEA與迴歸分析以進行實證研究(Ray, 1991; Chilingerian, 1995, Thanassoulis, 1996)。

Coelli, Prasada Rao & Battese (1998)、Fried, Schmidt & Yaisawarng (1999)指出 解決環境變數對效率的影響,可採用二階段方法(two-stage method):第一階段先 利用DEA推估每一受評估單位的效率;第二階段考量經由DEA計算得出的應變 值y(如技術效率值)都是介於0與1之間,如果以一般最小平方法來估計,會有 偏誤與不一致的情況發生,因此必須採間斷模型(censored model or truncated data) 評估,可利用Tobit迴歸分析去衡量哪些環境因素影響到效率,而McDonald &

(5)

Moffit (1980)所提供的期望值分配改善Tobit模式,可用來分析第i個解釋變數xi的 變動對應變數y的影響。 Tobit迴歸模型是用以有效估計截斷(truncated)或刪失(censored)依變數與解 釋變數之間的關係,其數學式如下: ε β β β + + + + = x nxn Y* 0 1 1 L Tobit迴歸是以Y*取代Y的一種線性迴歸修正模型。這種差異是必須的,因為 Tobit模型包含刪失或截斷的資料,因此使用兩條不同的方程式:若依變數超過刪 失值(如0),則使用傳統的線性迴歸;但如果依變數被刪失了(小於0),則令Y* 等於刪失值(0)1 DEA結合Tobit迴歸之二階段分析法於國內外曾被用於醫療(Bjurek, Kjulin, & Gustafsson, 1992;Chilingerian, 1995;Rosko, Chilingerian, Zinn, & Aaronson, 1995;Luoma, Jarvio, Suoniemi, & Hjerppe, 1996;Chu, Liu & Romeis, 2003;Linna, Nordblad, Koivu, 2003;董鈺琪,鍾國彪與張睿詒,2000;陳世能,2002)、農 林(Viitala, & Hanninen, 1998;Thiam, Bravo-Ureta & Rivas, 2001;Otsuki, Hardie & Reis, 2002;Audibert, Mathonnat & Henry, 2003;Hailu & Veeman, 2003;Binam, Sylla, Diarra, & Nyambi, 2003)、金融(Casu & Molyneux, 2003)、運輸(Kerstens, 1996; Gillen & Lall, 1997)等領域的效率分析。

D.科技研發專案績效評估變數

整體經濟效果正負向迴歸模型控制變數

各迴歸模型的建構最大的相同處係以私部門之研發支出(或變動百分比)為 產出變數,公部門資助研發經費(或變動百分比)為投入變數(Carmicahael, 1981; Higgins & Link, 1981; Howe & McFetridge, 1976; Hamberg, 1996; Lichtenberg, 1987, 1988; Toivanen & Niininen, 1999; Wallsten, 1999)。最大的差異乃在於控制變 數的選擇,普遍為眾學者所接受的是公司規模可能會導致政策效果不同,其他如 設立年數、研發強度等亦為可能影響之因素。其中專利數被認為代表一廠商其研 發能力為控制變數(參見表 1),但亦有學者認為專利數可代表一廠商創新活動 之成果應為產出變數。 1 此為傳統的 Tobit 模型設定;廣義而言,可進一步區分為左側刪失或是右側刪失的 Tobit 模型,

(6)

表 1:政府資助科技研發的經濟效果控制變數

控制變數 文獻出處

規模(總員工人數) 黃仟文(2003);陳正福(2001);陳嘉萍(2002);柯惠友(2002); Antonelli (1989); Busom (1999); Carmicahael (1981);

Hamberg (1996); Holemans & Sleuwaegen (1988); Howe & McFetridge (1976); Lichtenberg (1984); Shrieves (1978); Scott (1984); Wallsten (1999)

資本額 黃仟文(2003)、陳正福(2001)、柯惠友(2002)

營業額 陳正福(2001);陳嘉萍(2002);柯惠友(2002);Klette & Moen (1998)

專利數 陳正福(2001);陳嘉萍(2002);Busom (1999); Wallsten (1999) 研發強度 陳嘉萍(2002);Antonelli (1989); Leyden & Link (1991)

設立年數 黃仟文(2003);柯惠友(2002);Wallsten (1999)

-虛擬變數 Lightenberg (1987); Lichtenberg (1988)

產業虛擬變數 陳正福(2001);柯惠友(2002);Busom (1999); Wallsten (1999); Leyden et al. (1989); Scott (1984)

個別廠商績效 DEA 模型投入產出變數 表 2 列出國內以 DEA 評估科專計畫效率之相關研究,包括其研究對象、投 入與產出變數項目。嚴格說來,多以人力(大專以上研究人數)、經費(政府補 助款、廠商自籌款)兩大類做為資源投入的變數,而以智產權(專利審請數與獲 得數)、技術(引進與創新)、研究三大類做為衡量產出的指標。

E.研究方法、進行步驟及執行進度

研究假設

對應文獻回顧,研究假設包括兩大面向,首先為括政策整體經濟互補或替代 效果面向,研發投入資源代表廠商的研發努力,研發產出項如衍生計畫、智慧財 產權,就某個意義來說,代表廠商的報酬,基於政府補助、廠商自身的研發努力 對廠商創新活動應有正面效果的觀點,本研究提出以下假設: 假設一:政府投入研發經費對企業產出效率有正面影響 假說二:政府補助款與廠商自身投入資源,對廠商的衍生計畫、衍生產品及 智產權數有正面影響

(7)

表 2:國內運用 DEA 評估經濟部科技專案研發效率之研究 研究者(年代) 研究對象 投入項變數 產出項變數 黃志男(1997) 1994-1996 經 濟 部 能 源 科 技研究計畫 博士人力、碩士人 力、大專人力、總 經費 專利申請、專利獲得、著作 權、論文發表、技術報告、調 查報告、訓練報告、技術引 進、技術創新、技術研討會、 成果說明會、技術移轉、技術 服務、合作開發、委託研究、 新聞報導 蘇雲一(1998) 1995 經濟部 所 屬 之 科 技 研 究 發 展 專 案計畫 資 本 門 研 究 經 費、經常門研究經 費、博碩士研究人 數、大專及其他人 數數 專利數、論文發表數、報告 數、技術引進、技術移轉、合 作研究、轉委託研究、衍生委 託研究、衍生工服、研討會、 林治廷(2000) 1994-1998 經 濟 部 能 源 科 技研究計畫 博士人力、碩士人 力、大專人力、總 經費 專利申請、專利獲得、著作 權、論文發表、技術引進、技 術創新、技術移轉 董鍾明(2001) 1991-1998 經 濟 部 工 業 局 主 導 性 新 產 品開發計畫 補助款、配合款、 自籌款、博碩研究 人數、大專研究人 數 衍生產品、創新及非創新技 術、衍生技術、專利權、著作 權 林月珠(2002) 1995-1999 經 濟 部 電 子 資 訊 領 域 科 專 計畫 資本費用、經常費 用、研究員、副研 究 員 、 助 理 研 究 員、其他人力 專利申請數、論文數、技術研 究報告數、業界參與全額、研 討會人數 方彥永(2003) 1999-2002 經 濟 部 業 界 開 發 產 業 技 術 計畫 政府補助款、廠商 自籌款、投人總人 力 轉委託件數、技術引進數、研 究報告數、智慧財產數 此外,廠商控制變數(環境變數,如產業類別、產業競爭程度等),雖然對 投入或產出無直接影響,但對於廠商的執行績效(技術效率)有間接影響,提出 以下假說: 假說三:環境變數對廠商的執行效率有顯著影響

(8)

研究方法

為評估創新政策的整體績效及各別 DMU 效率,不同創新政策實施對象與申 請時程,相關投入和產出資料的蒐集與分析不可或缺。本研究蒐集 ITDP 自 1999 到 2004 年結案廠商之執行成果與國外相關政策評估進行評比。 根據與經濟技術處業界開發產業技術計劃辦公室方面多次接洽經驗,發現涉 及廠商資料保護,自經濟部取得個別計劃詳細成果資料相當困難。同時,依據執 行卓越計畫針對 SBIR 廠商調查訪問的子計畫,以問卷配合電話催收經驗,本研 究進行廠商問卷調查,以獲取相關資料。 本研究擬採用調查法進行郵寄問卷調查,調查對象為自 1999 年我國「業界 開發產業計畫」(ITDP)開放廠商申請後,獲得簽約補助並於 2006 年 2 月底前結 案之廠商。以計畫主持人或廠商負責人為填答對象,為提高回覆率將聘請 2~3 位工讀生進行電話催收,並輔以電子郵件及傳真的作法。 ITDP 整體計畫的研究補助效果實證(此部分結合次級資料分析與問卷分析) 將參照 Wallstern (2000)、Audretsch, Link, & Scott (2002)、黃仟文(2003)的研究結 果,修正並建立合適的迴歸模型;至於各別廠商的技術效率,則依方彥永(2003)、 蔣侑修(2004)的研究結果,配合 DEA 模型產生結構式問卷。故本研究問卷的整 體內容擬包括簽約補助計畫補助期間執行款項與各項資源投入、公司營運及研發 狀況、申請計畫預期與實際滿意度評比、政府協助創新相關需求調查等四個部份。 (1)簽約補助計畫補助期間執行款項與各項資源投入、公司營運及研發狀況 相關指標包括: l 基本資料:計畫名稱、公司名稱、計畫領域別、計畫執行期程、計畫 主持人、股票狀況、申請時至結案後之每年實收資本額、稅前營業額、 總員工人數、研發人數、研發部門經費; l 投入變項:政府補助款額、公司自籌款額、申請時至結案後之研發人 力(大專、碩士、博士、其他); l 產出變項:學界轉委託研究數、業界轉委託研究數、技術引進數、專 利權數、論文數、報告數、衍生產品數、計畫產值、引導投導額。 (2) 申請計畫預期與實際滿意度評比、政府協助創新相關需求部分 l 參與動機:政府研發經費之補助、培養公司研發人才、降低研發成本 和風險、提高公司生產力、降低成本、該技術或產品未來之高度商業 價值、因應國內外廠商競爭壓力 l 創新相關需求:增加與公司之互動、主動提供各項計畫成果之資訊、 簡化經濟部計畫審核流程及時間、提高政府補助款上限、增加媒體行 銷、提供公司不足之研發設備及相關資源、協助公司培養公司研發人

(9)

才、增加政府獎勵措施,提高研發績效及刺激研發投入、提供國內外 最新科技之資訊、績優廠商之經驗分享、協助公司行銷技術移轉等。

F.結果分析

本研究共回收有效問卷計 36 家廠商,其中通訊與光電領域 9 家,機械航太 領域 5 家,材料化工領域 17 家,生技製藥領域 5 家。 (一)基本資料 廠商基本資料分析包括:(1)執行前後廠商平均總員工數的變動;(2)執行前 後廠商營業額的變動;(3)執行前後廠商研發人數的變動;(4)執行前後廠商研發 經費的變動,整體數據陳列如表,各別敘述如下: 1.執行前後廠商平均總員工數的變動 從表 3 來看,全體受訪廠商的平均總員工數,執行前是 942.83 人,結案後 是 1,027.96 人,t-test 值 1.00 (p-value = 0.029),表示參與 ITDP 計畫前後,廠商 的總員工數增加;如果不考量其他環境因素,可間接推論 ITDP 計畫確實對於廠 商經營規模有正面的影響。 在總員工數方面,以個別領域而言,執行前及結案後的平均值由高而低皆是 通訊與光電領域(2752.50, 2918.50),機械航太領域(715.00, 800.60),材料化工領 域(447.28, 521.92),生技製藥領域(386.60, 403.60)。若進一步檢驗各領域廠商在 結案後與執行前總員工數是否顯著不同,通訊與光電領域 t-test 值 2.19,機械航 太領域 t-test 值 0.57,材料化工領域 t-test 值 1.41,生技製藥領域 t-test 值 1.27, 結果顯示 ITDP 計畫對於廠商的成長規模影響雖不顯著,但有正面的影響。 2.執行前後廠商營業額的變動

從表 3 來看,全體受訪廠商的平均營業額,執行前是 6,315,683 仟元,結案 後是 251,125,029 仟元,t-test 值 2.30 (p-value = 0.325),表示參與 ITDP 計畫前後, 廠商的營業額有所成長;但無法推論 ITDP 計畫對於廠商經營規模有顯著正面的 影響。 在營業額方面,以個別領域而言,執行前平均值由高而低是通訊與光電領域 (23,037,195.00),材料化工領域(2,470,984.71),機械航太領域(1,876,767.40),生 技 製 藥 領 域 (1,453,937.80) , 結 案 後 平 均 值 則 依 序 是 材 料 化 工 領 域 (527,300,041.71),通訊與光電領域(21,262,424.66),機械航太領域(3316555.20), 生技製藥領域(1,478,590.40)。若進一步檢驗各領域廠商在結案後與執行前營業額 是否顯著不同,結果顯示 ITDP 計畫對於廠商營運影響雖不顯著,但有正面影響。

(10)

3. 執行前後廠商研發人數的變動

從表 3 來看,全體受訪廠商的平均研發人數,在執行前是 127.20 人,結案 後是 146.90 人,t-test 值 2.91 (p-value = 0.007),表示參與 ITDP 計畫前後,廠商 的研發人數顯著增加;若其他因素的干擾程度非常微弱,則可能推論 ITDP 計畫 對於廠商研發人力有正面的影響。 在研發人數方面,以個別領域而言,執行前及結案後的平均值由高而低為通 訊與光電領域(448.33, 497.50),機械航太領域(53.00, 72.00),材料化工領域(47.64, 61.42),生技製藥領域(38.80, 40.40);若進一步檢驗各領域廠商在結案後與執行 前研發人數是否顯著不同,通訊與光電領域 t-test 值 1.90,機械航太領域 t-test 值 1.56,材料化工領域 t-test 值 1.90,生技製藥領域 t-test 值 1.11,結果顯示 ITDP 計畫對於廠商創新能量影響雖不顯著,但確實有正面影響。

4.執行前後廠商研發經費的變動

從表 3 來看,全體受訪廠商的平均研發經費,執行前是 307,739 仟元,結案 後是 400,968 仟元,t-test 值 1.53 (p-value = 0.136),表示參與 ITDP 計畫前後,廠 商的研發經費確實有成長,但無法推論 ITDP 計畫對於廠商研發經費有顯著正面 的影響。 在研發經費方面,以個別領域而言,執行前平均值由高而低是通訊與光電領 域(1298721.33),生技製藥領域(88616.60),材料化工領域(57381.64),機械航太 領域(38684.20),結案後平均值則依序是通訊與光電領域(1676337.50),生技製藥 領域(96634.40),材料化工領域(89117.64),機械航太領域(48039.20)。若進一步 檢驗各領域廠商在結案後與執行前研發經費是否顯著不同,通訊與光電領域 t-test 值 1.29,機械航太領域 t-test 值 1.56,材料化工領域 t-test 值 2.07,生技製 藥領域 t-test 值 0.45,結果顯示 ITDP 計畫對於廠商創新努力影響雖不顯著,但 確實有正面影響。推測參與 ITDP 計畫的廠商,願意持續投入研發資源,以追求 創新。 (二)相關成果統計 本次調查中,成果面向分為衍生產品與智慧財產權兩面向討論: 1.衍生產品的投資成本與總產值 計畫已投入衍生產品總數 2115 件。其產品/技術/服務上市後計畫的產 值,總計 48,389,525 萬元。以上數字,顯示 ITDP 計畫在帶領企業開發新產品方 面,已有著重要的影響力。

(11)

表 3 有效問卷之廠商基本資料 領域類別 通訊與光電 (N=6) 機械與航太 (N=5) 材料與化工 (N=14) 生技與製藥 (N=5) 全部廠商 (N=30) 總員工數(人) 執行前 平均數 2752.50 715.00 447.28 386.60 942.83 標準差 4359.31 392.42 347.40 335.35 2055.66 中位數 468.00 757.00 361.00 205.00 446.00 結案後 平均數 2918.50 800.60 521.92 403.60 1027.96 標準差 4403.97 617.94 478.77 349.81 2110.80 中位數 518.00 663.00 393.50 225.00 422.00 t-test value (p-value) 2.19 (0.080) 0.57 (0.597) 1.41 (0.180) 1.27 (0.271) 1.00 (0.029) 營業額(仟元) 執行前 平均數 23037195.00 1876767.40 2470984.71 1453937.80 6315682.73 標準差 45540857.48 1641860.97 3387163.26 1651737.60 20878954.91 中位數 2507582.50 2373389.00 1450601.50 448043.00 1459752.50 結案後 平均數 21262424.66 3316555.20 527300041.71 1478590.40 251125028.66 標準差 35626265.41 3175676.85 1960393891.8 1520579.30 1338691721.53 中位數 2846951.50 2905190.00 2373394.50 523515.00 2373394.50 t-test value (p-value) 0.36 (0.731) 1.63 (0.178) 1.00 (0.335) 0.15 (0.885) 2.30 (0.325) 研發人數(人) 執行前 平均數 448.33 53.00 47.64 38.80 127.20 標準差 649.07 51.63 35.40 31.45 316.84 中位數 203.50 33.00 33.00 29.00 34.50 結案後 平均數 497.50 72.00 61.42 40.40 146.90 標準差 661.76 56.95 53.27 32.00 330.52 中位數 256.50 75.00 47.00 29.00 60.50 t-test value (p-value) 1.90 (0.115) 1.56 (0.192) 1.90 (0.079) 1.11 (0.327) 2.91 (0.007) 研發經費(仟元) 執行前 平均數 1298721.33 38684.20 57381.64 88616.60 307739.16 標準差 2571540.46 28013.09 69697.41 62381.50 1182017.00 中位數 201031.50 31652.00 39630.00 84399.00 53277.50 結案後 平均數 1676337.50 48039.20 89117.64 96634.40 400968.00 標準差 3284354.64 32769.36 74836.77 89771.12 1511462.71 中位數 260288.50 40442.00 64820.00 76075.00 76997.00 t-test value (p-value) 1.29 (0.253) 1.56 (0.192) 2.07 (0.059) 0.45 (0.674) 1.53 (0.136)

(12)

2.智慧財產權 在智慧財產權方面,全體受訪廠商迄今共提出 252 件專利申請,獲得 62 件 專利權,另有 82 件專利應用、53 件期刊發表、84 件研討會發表、445 件技術報 告;顯示參與 ITDP 計畫的開發新產品方面,對於智財權亦有相當的關注。 必須提及的是,由於相當的比例的廠商這部份並未做答,可能原因在對於衍 生計畫或產品的定義了解不甚清楚,或是基於商業資料考量,攸關金費投入與智 慧財產權資訊提供意願不高,有可能低估這部份的成果。 政府補助款與廠商自身投入資源,對廠商的衍生產品及智產權數之相關性如 表 4。值得一提的是,36 家廠商中因有極端值(outliers)發生,故本研究將其剔 除,該廠商為聚陽實業股份有限公司。 結果補助款與自籌款相關係數為 0.678(p = 0.000)顯示補助款與自籌款有 顯著而且正面的影響,表示政府補助款的提高,相對廠商自籌款的金額也就越 高;補助款與衍生商品相關係數為 0.656(p =0.000)顯示補助款與衍生商品有顯 著而且正面的影響,可以推論補助款越高對衍生商品的開發有正面幫助;補助款 與智產權數相關係數為 0.670(p =0.000)顯示補助款與智產權數有顯著而且正面 的影響,可以推論補助款越高對智產權數有正面幫助;衍生商品與智產權數相關 係數為 0.445(p =0.007)顯示衍生商品與智產權數有顯著而且正面的影響。 表4 政府補助款、廠商自籌款與衍生產品、智產權數之相關性 衍生產品 智產權數 補助款 Pearson Correlation .656 ** .670 ** Sig. (2-tailed) .000 .000 N 35 35 配合款 Pearson Correlation .141 .217 Sig. (2-tailed) .419 .211 N 35 35 **表在雙尾檢定99%信心水準下,相關結果為顯著 (三)廠商以 DEA 分析結果 本研究選用作為 DEA 模型之投入項為總人力、政府補助款、廠商配合款, 產出項為轉委託件數(學轉件數+業轉件數)、研究報告(技術報告+調查報告+ 訓練報告)、智慧財產(專利申請+專利應用+專利獲得+期刊論文+研討會論文+ 衍生產品+創新技術)。原回收有效資料為 36 家廠商,但因部份廠商資料有連續 缺漏(產出項 1、2 均為 0)故剔除其中 3 家,部分 0 值資料則改以 0.001 代替。 DEA 分析結果如表 5,CRS 效率值為 1 的廠商計有 9 家,平均值為 0.458, 其餘廠商效率值均小於 0.9,代表改善幅度仍大;VRS 效率值為 1 的廠商計有 11 家,平均值為 0.598,除 2 家廠商大於 0.8 之外,其於廠商均小於 0.8,顯示仍有

(13)

除 1 家廠商大於 0.9 外,表示改善幅度仍大。對照規模報酬部份,19 家規模報酬 遞增,5 家規模報酬遞減,9 家規模報酬不變。顯示參加 ITDP 的廠商,均有規 模過小的問題,可透過規模的提升,增加其效率。

表 5 DEA:廠商各 CRS 效率值

Firm CRS T.E. VRS T.E. Scale Return to scale

A01 0.317 0.426 0.744 IRS A04 1.000 1.000 1.000 - A05 1.000 1.000 1.000 - A06 1.000 1.000 1.000 - A07 0.703 1.000 0.703 DRS A08 0.106 0.194 0.548 IRS A09 0.138 0.244 0.564 IRS A10 1.000 1.000 1.000 - A11 1.000 1.000 1.000 - A12 0.068 0.507 0.134 IRS A13 0.672 0.826 0.813 DRS A14 0.064 0.128 0.500 IRS A15 0.185 0.261 0.710 DRS A16 0.134 0.214 0.627 IRS A17 0.094 0.159 0.590 IRS A18 1.000 1.000 1.000 - A19 0.493 0.881 0.560 DRS A20 0.478 1.000 0.478 IRS A21 0.129 0.872 0.147 IRS A22 0.057 0.119 0.481 IRS A23 0.117 0.302 0.389 IRS A24 0.136 0.188 0.720 IRS A25 0.317 0.324 0.976 IRS A26 1.000 1.000 1.000 - A27 0.183 0.591 0.309 IRS A28 0.487 0.652 0.746 IRS A29 1.000 1.000 1.000 - A31 0.314 0.551 0.569 DRS A32 0.18 0.289 0.624 IRS A33 1.000 1.000 1.000 - A34 0.203 0.286 0.71 IRS A35 0.098 0.203 0.481 IRS A36 0.444 0.522 0.850 IRS

(14)

AVG 0.458 0.598 0.696 表 6 顯示廠商參考次數表,可以發現聯亞生技開發股份有限公司、聚陽實業 股份有限公司,兩家廠商被參考次數最多,是各廠商的改進標竿。 表 6 參考次數表 廠商代碼 廠商名稱 被參考次數 A05 榮湘工業股份有限公司 3 A07 美時化學製藥股份有限公司 4 A10 大東樹脂化學股份有限公司 13 A11 良澔科技企業股份有限公司 7 A20 聯亞生技開發股份有限公司 18 A26 永信藥品工業股份有限公司 3 A29 福懋興業股份有限公司 15 A33 聚陽實業股份有限公司 18 (四)環境變數對廠商執行效率之影響 由於 DMU 效率值除了 DEA 本身所選取之投入產出項外,可能會受其他 DMU 本身無法控制投入(non-discretionary input)之外生變數之影響,為進一步瞭 解無效率之 DMU 其產生原因,除資源使用不當與規模無效率外,是否有不當管 理的因素存在,結合 DEA 與迴歸分析以進行實證研究,目的在於瞭解如產業別 不同之背景等外生變數是否影響到 DMU 的效率評估,以增進 DEA 本身之解釋 力。 本研究以 DEA 執行結果效率值作為下一階段進行迴歸分析之應變項,以廠 商本身無法控制之要素作為迴歸分析之自變項。選定之自變項包括: 1. 碩博士人力佔所有員工人數比例; 2. 產業別。 結果顯示,「碩博士人力佔所有員工人數比例」之 Z 值為-0.51(p= 0.61 > 0.05),可推知碩博士人力並未對廠商執行效率造成影響,推論碩博士人力雖然 在產業中沒有顯著影響,但有可能是因為產業差異大,而將差異弱化。「產業別」 之 Z 值為 2.41(p = 0.02 < 0.05),顯示產業別會造成顯著影響,推論不同產業 在接受 ITDP 計畫補助後,會因產業特性而有不同的產出結果。

(15)

表 5 環境變數對廠商執行效率之影響 Z-Statistic Prob. 截距值(C) 0.876 0.380 碩博士人力佔所有員工 人數比例 -0.507 0.611 產業別 2.407 0.016

結論

根據分析結果,本研究有以下建議: 一、對政府單位的建議 ITDP 廠商對政府補助款有相當依賴性,同時與衍生商品、智產權數之間呈 顯著正相關,推論我國 ITDP 廠商多依賴政府經費支援 R&D 的龐大支出,未來 政府推動 ITDP 計畫時,可針對此一特性對廠商規模及研發需要給予必要之資助。 二、對 ITDP 計畫廠商的建議 根據 DEA 分析結果,我國 ITDP 廠商有著規模不足的困境,同時應提升管 理技術效率,以求更佳的執行績效。而在人力資源方面,雖然「碩博士人力比」 對 CRS 並未有顯著影響,但一般認為,引進具有高知識水準的碩博士生,在研 發與技術的專業訓練,成果較好。 三、對後續研究方向的建議 ITDP 計畫自 97 年試辦,99 年實施經費補助後,累計至 2002 年度補助計畫 成果計有申請專利 230 件、獲得專利 101 件、技術引進 27 件、轉委託 166 件。 而發展 IT 產業一直是政府推動的重點計畫,也是台灣發展重心,對於廠商的績 效與成果評估,也應該是持續且愈來愈專業的,未來持續推動與發展此一科技專 案績效評估,以提升評估精準、提供更為可靠的評估方法,應是後續研究方向應 持續努力的目標。 四、本文研究限制 針對 ITDP 計畫廠商來說,本計畫的回收家數偏低,以至於對各產業的分析 及了解可能不足。以 t-test 檢定來說,儘管全部廠商的分析結果是顯著的,但不 能推估到個別產業之廠商,各產業別的廠商家數,應再擴充其樣本,以利分析。

(16)

參考文獻

中文部分

中小企業廳(2004),http://www.chusho.meti.go.jp。 方彥永(2003),知識經濟體系下政府協助產業創新之研究-以業界開發產業技術 計畫為例,國立中山大學公共事務管理研究所碩士論文。 王文娟(1999),美、日產業技術政策之比較。經濟情勢暨評論季刊,5 卷3 期, 99-122。 朱豫文(2000),研發專案選擇決策模式之研究-以軟體研發專案為例,國立台灣 科技大學工業管理系未出版碩士論文。 江雪嬌(2001),我國鼓勵中小企業技術創新策略之研究。經濟情勢暨評論季刊, 7(2),169-184。 何雍慶(1987),工研院歷年來研究專案對產業影響之追蹤與分析,工業技術研究 院研究報告。 何蕙萍(2000),組織協調成本與虛擬組織特性之研究—以電腦軟體業為例,彰化 師範大學商業教育學研究所未出版碩士論文。 林月珠(2002),資料包絡分析法應用於電子、資訊領域科專計畫的效率評估,國 立交通大學工業工程與管理學程碩士論文。 林治廷(2000),科技研究發展專案的連續多期效率評估,國立交通大學工業工程 與管理所碩士論文。 林金祥(2002),台灣地區都市生產者服務業空間效率之研究,國立中山大學公共 事務管理研究所碩士論文 柯惠友(2002),政府研發補助經費對公司研發活動之影響效果―以經濟部所屬事 業協助中小企業推動研究發展計畫為例,國立台灣科技大學企業管理系碩士 論文。 英國科技辦公室(2004),http://www.ost.gov.uk/index_v4.htm。 徐村和、楊宗欣(2000),應用模糊層級分析法評選廣告媒體,管理與系統,7卷1 期,19-40。 袁建中,黃志男,張寶誠(1999),資料包絡分析法在科技專案執行效率評估的應 用-以能源科技研發專案為例。科技管理學刊,4卷1期,17-38。產業技術 綜合研究所(2004),http://www.aist.go.jp。 莊弘旻(2002),公共部門與民間部門研究發展經費之關聯性分析,國立台灣科技 大學企業管理系碩士論文。 莊明山(1994),目標導向研發專案評估方法研究,國立交通大學科技管理研究所 碩士論文。 陳世能(2002),臺灣地區安療養機構經營效率之分析-資料包絡法,經濟研究, 38卷1期,23-56。

(17)

陳正福(2001),研發活動之資源基礎分析-以主導性新產品開發計畫廠商為例, 國立台灣科技大學企業管理系碩士論文。 陳鼎誠(2002),主機板產業經營效率分析-資料包絡分析法之運用,東吳大學經 濟學研究所碩士論文。 陳嘉萍(2002),政府研發獎助與中小企業研發創新關係之研究-以新竹科學園區 廠商為例,國立中央大學產業經濟研究所碩士論文。 黃仟文、李鳳梧、朱斌妤(2003),評估政府資助中小企業創新之效果--以「鼓勵 中小企業開發新技術推動計畫」為例,2003科技政策與國家競爭力研討會, 台北:台灣大學,2003/12/19。(卓越計畫甲-91H-FA08-1-4) 黃志男(1997),資料包絡分析法在科技專案執行效率評估的應用-以能源科技研 發專案為例,國立交通大學科技管理研究所碩士論文。 經濟產業省(2004),http://www.meti.go.jp/policy/innovation_policy。 經濟部技術處(2002),業界開發產業技術計畫成果摘要彙編,經濟部:台北市。 經濟部技術處(2004),計畫執行機構http://doit.moea.gov.tw/03know/industries.asp 經濟部技術處全球資訊網。http://doit.moea.gov.tw/03know/product.asp 經 濟 部 技 術 處 業 界 開 發 產 業 技 術 計 畫 網 站 。 http://innovation1.tdp.org.tw/group/application/tdp_itdp/index.php 葉勝年(1991),科技發展專案計畫追蹤驗證評估模式之研究。經濟部科技顧問室。 董鈺琪,鍾國彪,張睿詒(2000),綜合教學醫院推行品質管理與營運績效之關係 研究,中華公共衛生雜誌,19卷3期,221-230。 董鍾明(2001),研發效率評估之資料包絡分析法實證研究-以主導性新產品開發 計畫為例,國立台灣科技大學企業管理系碩士論文。 劉俊儒(2002),行銷資源最適配置模式:Fuzzy AHP 之應用,國立中正大學企業 管理研究所未出版碩士論文。 蔣侑修(2004),科技專案評選的專家模糊多準則決策,國立中山大學公共事務管 理研究所碩士論文。 韓國科技部(2004),http://www.most.go.kr/。 蘇雲一(1998),資料包絡分析法與比例分析法運用於科技專案效率評估之研究, 國立交通大學管理科學研究所碩士論文。

英文部分

Al-Harbi, K. M. A. (2001). Application of AHP in project management. International Journal of Project Management,9, 19-27.

Alidi, A. (1996). Use of the analytic hierarchy process to measure the initial viability of industrial projects. International Journal of Project Management, 14(4), 205–208.

(18)

restrictions and value judgements in data envelopment analysis: Evolution, development and future directions. Annals of Operations Research, 73: 13-34. Al-Mazidi, S. & Ghosn, A.A. (1997). A management model for technology and R&D

selection. International Journal of Technology Management, 13(5/6), 525-541.

and Performance in CSIRO Australia.

http://www.apecevalu.org/content/Australia-2.htm

Anderson Wright Associates (1999). Report on Finland for the Industrial Innovation Working Group of the National Innovation Summit. Sep. 1999, 1-15.

Antonelli, C. (1989). A failure-inducement model of research and development expenditure. Journal of Economic Behavior and Organization, 12, 159-180. Arrow, K. (1962). Economic welfare and the allocation of resources for invention. In

Nelson, R. R. (Ed.), The Rate and Direction of Inventive Activity, 609-625. Princeton: Princeton University Press. Assessing the impact of the U.S. advanced technology program. Small Business

Audibert, M., Mathonnat, J., Henry, M. C. (2003). Social and health determinants of the efficiency of cotton farmers in Northern Cote d'Ivoire. Social Science & Medicine, 56(8), 1705-1717.

Audretsch, D. B., Link, A. N., & Scott, J. T. (2002). Public/private technology partherships: Evaluating SBIR-supported research. Research Policy, 31(1), 145-158.

Balachandra, R. & Friar, J.H. (1997). Factors for success in R&D projects and new product innovation: a contextual framework. IEEE Transactions on Engineering Baltes, B.B., Dickson, M.W., Sherman, M.P., Bauer, & LaGanke, J.S.

(2002).Computer-Mediated Communication and Group Decision Making: A Meta-Analysis. Organizational Behavior and Human Decision Processes, 87(1), 156-179.

Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis, Management Science, 30(9), 1078-1092.

Banker, R.D. & Slaughter S. A. (1997). A field study of scale economies in software maintenance. Management Science, 43(12), 1709-1725.

Binam, J. N., Sylla, K., Diarra, I., & Nyambi, G. (2003). Factors affecting technical efficiency among coffee farmers in Cote d'Ivoire: Evidence from the centre west region. African Development Review-Revue Africaine de Developpement, 15(1), 66-76.

Bjurek, H., Kjulin, U., Gustafsson, B. (1992). Efficiency, productivity and determinants of inefficiency at public day-care-centers in Sweden. Scandinavian Journal of Economics, 94, S173-S187.

(19)

Borenstein, D., Becker, J. L., and do Prado, V. J. 2004). Measuring the efficiency of Brazilian post office stores using data envelopment analysis. INTERNATIONAL JOURNAL OF OPERATIONS & PRODUCTION MANAGEMENT, 24(9-10): 1055-1078.

Brenner, M. S. (1994). Practical R&D project prioritization. Research. Technology. Management, 27(5), 38–42.

Brown, M. (1995). Impacts of National Technology Programs. Washington, D.C.: National Academy Press.

Buckley, J. J. (1985). Fuzzy hierarchical analysis. Fuzzy Sets and Systems, 17, 233-247.

Buckley, J.J., Feuring, T., & Hayashi, Y. (2001). Fuzzy hierarchical analysis revisited. European Journal of Operational Research, 129, 48-64.

Busom, I. (1999). An Empirical Evaluation of the Effects of R&D Subsidies. Working Paper No. B99-05, Universitat Autonoma de Barcelona.

Capron, H. (1992). Economic Quantitative Methods for Evaluation of Impact of R&D Programmes. A State of the Art, Monitor-Spear Series, European Community Commission, Brussels.

Carmichael, J. (1981). The effects of mission-oriented public R&D spending on private industry. Journal of Finance, 36, 617-627.

Casu, B., & Molyneux, P. (2003). A comparative study of efficiency in European banking. Applied Economics, 35(17), 1865-1876.

Charnes, A., Cooper W. W., & Rhodes, E., (1978). Measuring the Efficiency of Decision Marking Units, European Journal of Operations Research, 2, 429-44. Chatzoglou, P. D., Soteriou, A. C. (1999). A DEA framework to assess the efficiency

of the software requirements capture and analysis process. Decision Sciences, 30(2), 503-531.

Chien, C. F. (2002). A portfolio-evaluation framework for selection R&D projects. R&D Management, 32(4), 359-369.

Chilingerian, J. A. (1995). Evaluating physician efficiency in hospitals: A multivariate analysis of best practices. European Journal of Operational Research, 80(3), 548-574.

Chu, H. L., Liu, S. Z., & Romeis, J. C. (2002). Does the implementation of responsibility centers, total quality management, and physician fee programs improve hospital efficiency? Evidence from Taiwan hospitals. Medical Care, 40(12), 1223-1237.

Coelli, T., Prasada Rao, D. S., & Battese, G. E. (1998). An introduction to efficiency and productivity analysis. Boston: Kluwer Academic Publishers.

(20)

framework for R&D project selection. IEEE Engineering Management, 413-418. Cook, W. D., & Green, R. H. (2004). Multicomponent efficiency measurement and

core business identification in multiplant firms: A DEA model. European Journal of Operational Research, 157(3): 540-551.

Cooper, R., Edgett, S., & Kleinschmidt, E. (2001). Portfolio management for new product development: results of an industry practices study. R&D Management, 31(4), 361-380.

David,P. A., Toole A. A., & Hall, B. H. (2000). Is public R&D a complement or substitute for private R&D? A review of the econometric evidence. Research Policy, 29(4/5), 497-529.

Druker, J. (2003). Enabling Business Innovation: Government Policy in the UK. International Journal of Entrepreneurship and Innovation Management, 3(3), 211-226.

Economics, 20, 153-165.

Engineering Management, 34, 12–18.

Fahrni, P. & Spatig, M. (1990). An application-oriented guide to R&D project selection and evaluation methods. R&D Management, 20(2), 155-171.

Farrell, M. J. (1957). The measurement of productive efficiency, Journal of the Royal Statistical Society, 120(3), 253-281.

Feldman, M. P. & Kelly, M.R. (2003a). Leveraging research and development: Feldman, M. P. & Kelly, M.R. (2003b). http://www.atp.nist.gov/eao/ir-6577.pdf. Fried, H. O., Schmidt, S. S., & Yaisawarng, S. (1999). Incorporating the Operating

Environment Into a Nonparametric Measure of Technical Efficiency”, Journal of Productivity Analysis, 12, 249-267.

Gaber, M.T., Rabelo, L.C., & Hosny, O.A. (1992). An integrated artificial neural networks model for industrial projects risk assessment. Engineering Management Conference, 1992. “Managing in a Global Environment”. 1992 IEEE International , 206 – 210.

Gillen, D., Lall, A. (1997). Developing measures of airport productivity and performance: An application of data envelopment analysis. Transportation Research Part E-Logistics and Transportation Review, 33(4), 261-273.

Goldston, (2001). ATP’s Assessment Program: Introduction. In Wessner, C. W. (Ed.), The Advanced Technology Program: Assessing Outcomes. Washington, D. C.: National Academy Press.

Guellec D. & van Pottelsberghe de la Potterie, B. (2003). The Impact of Public R&D Expenditure on Business R&D. Economics of Innovation and New Technologies, 12(3), 225-243.

(21)

growth in Canadian regional boreal logging industries. Canadian Journal Of Forest Research-Revue Canadienne de Recherche Forestiere, 33(9): 1653-1660. Hamberg, D. (1966). Essays on the Economics of Research and Development. New

York: Random House.

Henriksen, A. D. & Traynor, A. J. (1999). A Practical R&D Project-Selection Scoring Tool. IEEE Transactions on Engineering Management, 46(2), 72.

Higgins, R. S. & Link, A. N. (1981). Federal support of technological growth in industry: some evidence of crowding out. IEEE transactions on Engineering Management, EM-28, 86-88.

Holemans, B., & Sleuwaegen, L. (1988). Innovation expenditures and the role of government in Belgium. Research Policy, 17, 375-379.

Howe, J. D., & McFetridge, D. G. (1976). The determinants of R&D expenditures. Canadian Journal of Economics, 9, 57-71.

Hsu, Y.G.., Tzeng,G. H., & Shyu, J.Z. (2003). Fuzzy multiple criteria selection of government-sponsored frontier technology. R&D projects. R&D Management, 33(5), 539-550 http://www.atp.nist.gov/atp/overview.htm

Kealy, T. (1996). The Economic Law of Scientific Research. New York: St Martin’s Press.

Kelly, J.R. & Kaarau, S.J. (1999). Group decision making: the effects of initial preferences and time pressure. Personality and Social Psychology Bulletin , 25(11), 1342.

Kerstens, K. (1996). Technical efficiency measurement and explanation of French urban transit companies. Transportation Research Part A-Policy and Practice, 30(6), 431-452.

Kitchenham, B. A. (2002). The question of scale economies in software - why cannot researchers agree?. Information and Software Technology, 44(1), 13-24.

Kondo, M. (2004). R&D Evaluation in Japanese MITI, http://www.apecevalu.org/content/Japan-1.htm.

Kutlaca, D. (1997). Multicriteria-based procedure as decision support in the selection of government financed R&D project. Yugoslav Journal of Operations Research, 7(1), 133-148.

Kutlaca, D. (1997). Multicriteria-based procedure as decision support in the selection of government financed R&D project. Yugoslav Journal of Operations Research, 7(1), 133-148.

Laarhoven, P.J.M. & Pedrycz, W. (1983). A Fuzzy Extension of Saaty's priority theory. Fuzzy Sets and Systems, 11(3), 229-241.

Lahdalma, R. & Salminen, P. (2001). SMAA-2: Stochasitc multicriteria acceptability analysis for group decision making. Operations Research,49(3), 444-455.

(22)

Lee, J. W. & Kim, S. H. (2000). Using analytic network process and goal.

Lee, M.& Om, K. (1996). Different factors considered in project selection at public and private R&D institutes. Technovation, 16(6), 271-276.

Lee, M., Son, B. & Om, K. (1996). Evaluation of national R&D projects in Korea. Lerner, J. (1999). The government as venture capitalist: The long-run impact of the

SBIR program. Journal of Business, 72(3), 285-318.

Liberatore, M.J. & Titus, G.J. (1983). The practice management science in R&D project management. Management Science, 29(8), 962-975.

Liberatore, M.J. (1987). An extension of the analytic hierarchy process for industrial R&D project selection and resource allocation. IEEE Transactions on

Lichtenberg, F. R. (1984). The relationship between federal contract R&D and company R&D. American Economic Review Papers and Proceedings, 74, 73-78. Lichtenberg, F. R. (1987). The effect of government funding on private industrial research and development: a re-assessment. The Journal of Industrial Economics, 36, 97-104.

Lichtenberg, F. R. (1988). The private R&D investment response to federal design and technical competitions. American Economic Review, 78, 550-559.

Link, A. N. (1982). An analysis of the composition of R&D spending. Southern Journal of Economics, 49, 342-349.

Linna, M., Nordblad, A, Koivu M. (2003), Technical and cost efficiency of oral health care provision in Finnish health centres. Social Science & Medicine, 56(2), 343-353.

Linstone, H. A. & Turoff, M. (1975). The Delphi Method: Techniques and Applications. Addison-Wesley, Reading, Massachusetts.

Linto, J.D., Walsh, S.T., Kirchhoff, B.A., Morabito, J., & Merges, M. (2000). Selection of R&D projects in a portfolio. IEEE, 506-511.

Linton, J. D., Cook, W. D. (1998). Technology implementation: A comparative study of Canadian and US factories. INFOR, 36(3), 142-150.

Linton, J. D., Walsh, S. T., Kirchhoff, B. A., Morabito, J., & Merges, M. (2000). Selection of R&D projects in a portfolio. IEEE, 506-511.

Lockett, G., Hetherington, B. & Yallup, P. (1986). Modeling a research portfolio Luoma, K, Jarvio, M. L., Suoniemi, I, Hjerppe, R. T. (1996). Financial incentives and

productive efficiency in Finnish health centres. Health Economics, 5(5), 435-445.

Mahmood, M. A., Pettingell, K. J., & Shaskevich, A. I. (1996). Measuring productivity of software projects: A data envelopment analysis approach. Decision Sciences, 27(1), 57-80.

(23)

Mayston, D. J., (2003). Measuring and managing educational performance, Journal of The Operational Research Society, 54(7), 679–691.

McDonald, J., & Moffit, R. (1980). The use of Tobit model analysis. Review of Economics and Statistics, 62(2), 318-321.

Meade, L.M. & Presley, A. (2002). R&D Project Selection Using the Analytic

Mechlin, G. & Berg, D. (1980). Evaluation research-ROI is not enough. Harvard Business Review, 59(5), 93-99.

Mechlin, G., & Berg, D. (1980). Evaluation research-ROI is not enough. Harvard Business Review, 59(5), 93-99.

Miller, M. (1993). Enhancing Regional Analysis With the Delphi Method. Review of Regional Studies, 23, 191-212.

Miller, M. (1993). Enhancing Regional Analysis With the Delphi Method. Review of Regional Studies, 23, 191-212.

Mitchell, G. & Hamilton, W. (1988). Managing R&D as a strategic option. Research Technology Management, 31(3), 15–22.

Mitchell, G. & Hamilton, W. (1988). Managing R&D as a strategic option. Res. Technol. Manage., 31(3), 15–22.

Mustafa, M.A. (1991). Project risk assessment using the Analysis Hierarchy Process. IEEE transactions on engineering management, 38(1), 46-52.

Narasimhan, R., Talluri, S., & Das, A. (2004). Exploring flexibility and execution competencies of manufacturing firms. Journal of Operations Management, 22(1): 91-106.

Network Process. IEEE Transactions on Engineering Management, 49(1), 59-66. Operation. Research, 27, 367–382.

Oral, M., Kettani, O., & Lang, P. (1991). A methodology for collective evaluation and selection of industrial R&D projects. Management Science, 37(7), 871-885. Oral, M., Kettani, O., & Lang, P. (1991). A methodology for collective evaluation and

selection of industrial R&D projects. Management Science, 37(7), 871-885. Organization for Economic Cooperation and Development. (1993). The Measurement

of Scientific and Technical Activities 1993: Standard Practice for Surveys of Research and Experimental Development – Frascati Manual. Paris: Organization for Economic Cooperation and Development.

Organization for Economic Cooperation and Development. (2000). Science, Technologyand Industry Outlook. Paris: Organization for Economic Cooperation and Development.

Otsuki, T., Hardie, I. W., Reis, E. J. (2002). The implication of property rights for joint agriculture-timber productivity in the Brazilian Amazon. Environment and Development Economics, 7, 299-323.

(24)

Pandy, I.N. & Jang, A. (1996). Venture capital for financial technology in Taiwan. Technovation, 16(9), 499-514.

Porter, M. E. 1996. What is Strategy. Journal of Harvard Business Review, 74, 133-149. programming for interdependent information system project selection. Computer

Ray, S. C. (1991). Resource Efficiency in Public Schools: A Study of Connecticut Data. Management Science, 37(12), 1620–1628.

Reasoning, 14, 281-310. Research Policy, 25, 808-818.

Revilla, E., Sarkis, J., & Modrego, A. (2003). Evaluating performance of public-private research collaborations: A DEA analysis. Journal of the Operational Research Society, 54(2), 165-174.

Rosko, M. D., Chilingerian, J. A., Zinn, J. S., & Aaronson, W. E. (1995). The effects of ownership, operating environment, and strategic choices on nursing-home efficiency. Medical Care, 33(10): 1001-1021.

Sackman, H. (1975). Delphi Critique: Expert Opinion, Forecasting, and Group Process. Lexington Books, Lexington, Massachusetts.

Salmenkaita, J. P., & Salo, A. (2002). Rationales for Government Intervention in the Commercialization of New Technologies. Technology Analysis & Strategic Management, 14(2), 183-200.

Santhanam, R. & Kyparisis, J. (1995). Multiple criteria decision model for information system project selection. Computers Operations Research, 22(8), 807-818.

Satty. T.L. (1980). A Analytic Hierarchy Process. New York: McGraw-Hill.

Scott, J. T. (1984). Firm versus industry variability in R&D intensity. In Griliches, Z. (Ed.), R&D, Patents and Productivity. Chicago: Univ. of Chicago Press.

Seiford, L. M. & Zhu, J. (1998). Identifying excesses and deficits in Chinese industrial productivity (1953-1990): A weighted data envelopment analysis approach. OMEGA, International Journal of Management Science, 26(2), 279-296.

Shrieves, R. E. (1978). Market structure and innovation: a new perspective. The Journal of Industrial Economics, 26, 329-347.

Sorensen, A., Kongsted, H. C., & Marcusson, M. (2003). R&D, Public Innovation Policy, and Productivity: The Case of Danish Manufacturing. Economics of Innovation and New Technology, 12(2), 163-178.

Stanley, M. G. (2004). Advance technology program. http://www.atp.nist.gov/atp/kit-04/chapt1.pdf.

(25)

Economics, 35(3), 361-370.

Stensrud ,E. & Myrtveit, I. (2003). Identifying high performance ERP projects. IEEE Transactions on Software Engineering, 29(5), 398-416.

Stewart, R. & Mohamed, S. (2002). IT/IS projects selection using multi-criteria utility theory. Logistic information management , 15(4), 254-270.

Stone, M, (2002). Can public service efficiency measurement be a useful tool of, government? The lesson of the spottiswoode report. Public Money & Management, 22(3), 33-39.

Tassey, G. (1999). R&D Policy Models and Data Needs. Retrieved June 24, 2003, from http://www.nist.gov/director/planning/dataneeds.pdf

Thanassoulis, E. (1996). A Comparison of Regression Analysis and Data Envelopment Analysis as Alternative Methods for Performance Assessments. Operational Research Society, 44(1), 1129-1144.

Thiam, A., Bravo-Ureta, B. E., & Rivas, T. E. (2001). Technical efficiency in developing country agriculture: A meta-analysis. Agricultural Economics, 25(2-3), 235-243.

Thurow, L. C. (1999). Building Wealth: The New Rules for Individuals, Companies, and Nations in a Knowledge-Based Economy, New York: Harper business. Tovianen, O. & Niininen, P. (1998). Investment, R&D, subsidies and credit

constraints. Working Paper, Department of Economics MIT and Helsinki School of Economcs.

Triantophyllou, E. & Lin, C. T. (1996). Development and Evaluation of Five Fuzzy Multiattribute Decision-Making Methods. International Journal of Approximate using AHP: A group decision process. R&D Manage,16(2), 151–160.

Verma, D. & Sinha, K. K. (2002). Toward a theory of project interdependencies in high tech R&D environments Journal of Operations Management, 20(5), 451-468.

Viitalac E. J., Hanninen, H. (1998). Measuring the efficiency of public forestry organizations. FOREST SCIENCE, 44(2), 298-307.

Wallsten, S. J. (1999). Do government-industry R&D programs increase private R&D?: The Case of the Small Business Innovation Research Program. Department of Economics. Working Paper, Stanford University.

Wallsten, S. J. (2000). The effects of government-industry R&D programs on private R&D: the case of the Small Business Innovation Research program. RAND Journal of Economics, 31(1), 82-100.

Wessner, C. W., (1999). Advanced Technology Program: Challenges and Opportunities. Washington, D.C.: National Academy Press.

(26)

Washington, D.C.: National Academy Press.

Yang Z. J., Paradi J. C. (2004). DEA evaluation of a Y2K software retrofit program. IEEE Transactions on Engineering Management, 51(3): 279-287.

Yang, Y. S., Lu, G.. H, Gu, X. Y., & Yamamoto, R. (2003). Greenness assessment of products in PLCA by DEA approach. Materials Transactions, 44(4), 645-648. Yapp, T. (2004). From Opportunities to Outcomes – Evaluating Research Priorities Zadeh, L.A. (1965). Fuzzy set. Information and control, 8(3), 338-353.

數據

表  1:政府資助科技研發的經濟效果控制變數

表 1:政府資助科技研發的經濟效果控制變數

p.6
表 2:國內運用 DEA 評估經濟部科技專案研發效率之研究  研究者(年代) 研究對象  投入項變數  產出項變數  黃志男(1997)  1994-1996 經 濟 部 能 源 科 技研究計畫  博士人力、碩士人 力、大專人力、總經費  專利申請、專利獲得、著作權、論文發表、技術報告、調查報告、訓練報告、技術引 進、技術創新、技術研討會、 成果說明會、技術移轉、技術 服務、合作開發、委託研究、 新聞報導  蘇雲一(1998)  1995 經濟部 所 屬 之 科 技 研 究 發 展 專 案計畫  資 本 門

表 2:國內運用

DEA 評估經濟部科技專案研發效率之研究 研究者(年代) 研究對象 投入項變數 產出項變數 黃志男(1997) 1994-1996 經 濟 部 能 源 科 技研究計畫 博士人力、碩士人 力、大專人力、總經費 專利申請、專利獲得、著作權、論文發表、技術報告、調查報告、訓練報告、技術引 進、技術創新、技術研討會、 成果說明會、技術移轉、技術 服務、合作開發、委託研究、 新聞報導 蘇雲一(1998) 1995 經濟部 所 屬 之 科 技 研 究 發 展 專 案計畫 資 本 門 p.7
表 3    有效問卷之廠商基本資料  領域類別  通訊與光電  (N=6)  機械與航太 (N=5)  材料與化工 (N=14)  生技與製藥 (N=5)  全部廠商 (N=30)  總員工數(人)  執行前  平均數  2752.50  715.00  447.28  386.60  942.83  標準差  4359.31  392.42  347.40  335.35  2055.66  中位數  468.00  757.00  361.00  205.00  446.00  結案後  平均數  2

表 3

有效問卷之廠商基本資料 領域類別 通訊與光電 (N=6) 機械與航太 (N=5) 材料與化工 (N=14) 生技與製藥 (N=5) 全部廠商 (N=30) 總員工數(人) 執行前 平均數 2752.50 715.00 447.28 386.60 942.83 標準差 4359.31 392.42 347.40 335.35 2055.66 中位數 468.00 757.00 361.00 205.00 446.00 結案後 平均數 2 p.11
表 5  DEA:廠商各 CRS 效率值

表 5

DEA:廠商各 CRS 效率值 p.13
表 5  環境變數對廠商執行效率之影響  Z-Statistic  Prob.  截距值(C)    0.876  0.380  碩博士人力佔所有員工 人數比例  -0.507  0.611  產業別    2.407  0.016  結論  根據分析結果,本研究有以下建議:  一、對政府單位的建議  ITDP 廠商對政府補助款有相當依賴性,同時與衍生商品、智產權數之間呈 顯著正相關,推論我國 ITDP 廠商多依賴政府經費支援 R&amp;D 的龐大支出,未來 政府推動 ITDP 計畫時,可針對此一特性對廠

表 5

環境變數對廠商執行效率之影響 Z-Statistic Prob. 截距值(C) 0.876 0.380 碩博士人力佔所有員工 人數比例 -0.507 0.611 產業別 2.407 0.016 結論 根據分析結果,本研究有以下建議: 一、對政府單位的建議 ITDP 廠商對政府補助款有相當依賴性,同時與衍生商品、智產權數之間呈 顯著正相關,推論我國 ITDP 廠商多依賴政府經費支援 R&amp;D 的龐大支出,未來 政府推動 ITDP 計畫時,可針對此一特性對廠 p.15

參考文獻

相關主題 :