鄧 彬，張曉東

(中共湖南省委黨校，湖南 長沙 410006)

一、引言

隨著全球一體化進程的推進，科技創(chuàng)新能力越來越成為決定一個國家或地區(qū)核心競爭力強弱的關(guān)鍵因素[1]。為增強我國科技創(chuàng)新能力，提升經(jīng)濟發(fā)展質(zhì)量，早在2006年，黨中央就提出了建設(shè)創(chuàng)新型國家的重大戰(zhàn)略任務(wù)。2012年，黨的十八大報告進一步提出了要實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，強調(diào)科技創(chuàng)新是提高社會生產(chǎn)力與綜合國力的重要支撐，必須擺在國家發(fā)展全局的核心位置。2016年，習近平總書記在全國科技創(chuàng)新大會上強調(diào)“把科技創(chuàng)新擺在更加重要位置”。與此同時，湖南省一直是帶動中部地區(qū)科技創(chuàng)新能力提升的重要動力源，2020年9月，習近平總書記在湖南考察時勉勵湖南 “著力打造國家重要先進制造業(yè)、具有核心競爭力的科技創(chuàng)新、內(nèi)陸地區(qū)改革開放的高地”，這意味著在新的發(fā)展階段，湖南省承擔著更為重大的歷史使命。在這一背景下，深入研究湖南省各地市(州)的科技創(chuàng)新效率及其影響因素，對優(yōu)化湖南省科技創(chuàng)新投入結(jié)構(gòu)、提升整體科技創(chuàng)新能力、實現(xiàn)建設(shè)“三高地”目標以及推動湖南省經(jīng)濟高質(zhì)量發(fā)展均具備重要現(xiàn)實意義。

在現(xiàn)有的相關(guān)文獻中，學者們對科技創(chuàng)新效率的研究主要集中在創(chuàng)新效率測度方法、創(chuàng)新效率研究對象與影響因素分析三方面。從創(chuàng)新效率的研究方法來看，早期的研究中多采用數(shù)據(jù)包絡(luò)分析方法(DEA)[2-3]，學者在此基礎(chǔ)上進一步拓展出了將單純DEA模型與主成分分析法[4]、Malmquist指數(shù)[5]、熵權(quán)TOPSIS方法[6]、隨機前言分析(SFA)[7]等方法相結(jié)合的研究思路，從不同的視角對科技創(chuàng)新效率進行了測度和分析。從創(chuàng)新效率的研究對象來看，蘭海霞和趙雪雁(2020)[8]基于中國30個省市(自治區(qū))的創(chuàng)新數(shù)據(jù)研究了中國各區(qū)域間的創(chuàng)新效率特征，結(jié)果表明中國創(chuàng)新效率在2001—2015年間整體上呈上升態(tài)勢，但地區(qū)間存在著由東向西的遞減特征。尤瑞玲和陳秋玲(2017)[9]針對中國沿海省域間創(chuàng)新效率差異的研究表明，技術(shù)效率提高是導(dǎo)致沿海地區(qū)科技創(chuàng)新效率提高的主要原因。石薛橋和董茂峰(2017)[10]對中國中部六省份創(chuàng)新活動效率的研究則表明，中部地區(qū)整體的科技創(chuàng)新效率較低，其中湖北、湖南兩地是中部地區(qū)創(chuàng)新效率發(fā)展的重要的動力源。此外，還有學者[11-12]進一步研究了區(qū)域內(nèi)特定行業(yè)的科技創(chuàng)新效率。從創(chuàng)新效率影響因素的研究來看，肖仁橋等(2012)[13]的研究表明政府支持、金融環(huán)境等對區(qū)域的整體創(chuàng)新效率的影響較為顯著。吳傳清等(2017)[14]基于2008—2014年長江經(jīng)濟帶省市面板數(shù)據(jù)的研究發(fā)現(xiàn)，企業(yè)自主創(chuàng)新和政府積極有效的干預(yù)是促進綜合效率提升的關(guān)鍵。趙凱旭等(2019)[15]則基于其研究結(jié)果，提出在區(qū)域創(chuàng)新效率提升發(fā)展的過程中，要特別關(guān)注國外先進技術(shù)利用與中小企業(yè)的創(chuàng)新帶動作用。

以上研究主要從不同的視角對科技創(chuàng)新效率進行了深入有效的探索，拓展了科技創(chuàng)新效率的研究思路與方法。但研究對象較為宏觀，近年來，也有一些文獻對湖南省域內(nèi)的創(chuàng)新效率系統(tǒng)進行了研究。王鵬等(2009)[16]就測度了湖南省2006年制造行業(yè)的創(chuàng)新效率，其研究結(jié)果表明湖南省制造行業(yè)中創(chuàng)新處于非DEA有效的比例超過70%。郭平和何昊城(2012)[17]則基于DEA模型研究了湖南省創(chuàng)新基金的效率，結(jié)果表明創(chuàng)新基金的使用效率整體上有效，但其進一步提升受制于較低的規(guī)模效率。何燕子和瞿天蔚(2019)[18]基于2011—2016年間湖南省裝備制造業(yè)的相關(guān)數(shù)據(jù)，構(gòu)建了技術(shù)創(chuàng)新資源配置效率評價模型，對湖南省裝備制造業(yè)的技術(shù)創(chuàng)新資源配置效率進行了分析，結(jié)果表明行業(yè)內(nèi)存在著創(chuàng)新資源浪費和規(guī)模不經(jīng)濟等問題。

綜上所述，既有文獻涉及湖南省地區(qū)間科技創(chuàng)新效率差異的研究還較為缺乏，本文將湖南省14個地市(州)的科技創(chuàng)新效率作為研究對象，測算了相關(guān)效率值，并在此基礎(chǔ)上分析了各地區(qū)科技創(chuàng)新效率的影響因素。本文的主要貢獻有：(1)構(gòu)建了湖南省域內(nèi)的科技創(chuàng)新效率評價模型，并利用DEA-BCC模型測算了各地市(州)的創(chuàng)新效率；(2)運用Malmquist指數(shù)分解方法，測算了各地市(州)的科技創(chuàng)新活動的全要素生產(chǎn)率及其分解效率，并從技術(shù)效率、技術(shù)進步、純技術(shù)效率和規(guī)模效率四個角度分析了各地區(qū)間的科技創(chuàng)新效率差異。

二、研究方法、指標體系與數(shù)據(jù)說明

(一)研究方法

DEA模型最早由Charnes等(1978)[19]提出，該模型因在處理多項投入與產(chǎn)出指標時具備較大的優(yōu)勢而被廣泛使用。其基本思路是通過保持決策單元(DMU，Decision Making Units)的輸入或輸出不變，確保生產(chǎn)前沿面的相對有效，再將各決策單元投影到DEA的生產(chǎn)前沿面上，最后通過比較決策單元與DEA前沿面間的偏離程度來評價其有效性。DEA模型主要有CCR模型和BCC模型兩種，分別用于研究“規(guī)模報酬不變”和“規(guī)模報酬可變”前提下的決策單元有效性問題?；诒疚难芯康膶嶋H情況，選取投入導(dǎo)向的BCC模型，具體推導(dǎo)如下：

假設(shè)有m個決策單元DMUj(j=1,2,…，m)，每個決策單元均有n項投入(j=1,2,…，n)和s項產(chǎn)出(k=1,2,…，s)，分別用Xj=(x1j,x2j,…,xmj)T，Yj=(x1j,x2j,…,xkj)T表示DMUj的投入和產(chǎn)出向量，評價其有效性的BCC模型為：

(1)

(2)

其中，θ表示測算出的綜合或相對效率值；ε表示非阿基米德無窮小量；S+和S-表示松弛變量；λj表示權(quán)重系數(shù)。若θ<1，則該決策單元DEA無效；若θ=1，S+或S-不為0，則該決策單元弱DEA有效；若θ=1，S+和S-均為0，則該決策單元DEA有效。

由于傳統(tǒng)的DEA模型不能考慮時間維度的影響，在處理面板數(shù)據(jù)方面的適用度較低。Fare等(1992)[20]基于距離函數(shù)建立的DEA-Malmquist指數(shù)模型彌補了這一缺陷，能對多DMU的面板數(shù)據(jù)進行深入分析。具體的做法是通過定向輸入和輸出定義距離函數(shù)：

D0(x,y)=inf{δ:(x,y)/δ∈p(x)}

(3)

其中，x和y分別表示輸入、輸出矩陣；δ表示輸出效率；p(x)表示輸出效率的可能集合。進一步的，以t期為基礎(chǔ)的Malmquist生產(chǎn)效率指數(shù)表達式為：

M(xt+1,yt+1,xt,yt)=

(4)

(5)

(6)

根據(jù)式(6)的分解關(guān)系有：TFPC=EF*TE=PE*SE*TE。若TFPC大于1，則表明投入產(chǎn)出效率優(yōu)化；反之則表明投入產(chǎn)出效率出現(xiàn)了下降；若TFPC等于1，則表明效率值未發(fā)生改變。相應(yīng)的，全要素效率變化指數(shù)波動的原因可以依據(jù)公式關(guān)系依次分解為純技術(shù)效率、規(guī)模效率和技術(shù)進步指數(shù)的變動。

(二)指標選取

地區(qū)科技創(chuàng)新活動的數(shù)據(jù)分為兩大類：一是創(chuàng)新投入數(shù)據(jù)，主要包括研發(fā)資金和研發(fā)人員的投入；二是創(chuàng)新產(chǎn)出數(shù)據(jù)，主要包括經(jīng)濟效益和創(chuàng)新成果兩方面。本文參考相關(guān)學者的經(jīng)驗[8-9]，在考慮數(shù)據(jù)可得性、完整性和科學性的基礎(chǔ)上，從投入和產(chǎn)出兩方面選取了以下指標：

投入指標：使用R&D經(jīng)費內(nèi)部支出來體現(xiàn)地區(qū)科研創(chuàng)新活動中研發(fā)資金方面的投入；使用R&D人員全時當量來體現(xiàn)地區(qū)科研創(chuàng)新活動中人力資源的投入。

產(chǎn)出指標：使用新產(chǎn)品增加值來體現(xiàn)地區(qū)科研創(chuàng)新活動帶來的經(jīng)濟效益；使用專利申請數(shù)來體現(xiàn)地區(qū)科研創(chuàng)新活動中的創(chuàng)新成果。具體見表1：

表1 湖南省各地市(州)創(chuàng)新效率指標

(三)數(shù)據(jù)說明

本文選取了2011—2018年湖南省14個地市(州)的創(chuàng)新活動數(shù)據(jù)，來源于《湖南省統(tǒng)計年鑒》(2011—2018年)?；跀?shù)據(jù)可得性，選取了各地市(州)規(guī)模以上工業(yè)企業(yè)的創(chuàng)新活動數(shù)據(jù)作為各地區(qū)的創(chuàng)新活動數(shù)據(jù)。由于科技創(chuàng)新活動的投入—產(chǎn)出之間存在滯后期，本文將科技創(chuàng)新活動的滯后期定為一年[18]，并選取了湖南省14個地市(州)2011—2017年的投入數(shù)據(jù)和2012—2018年的產(chǎn)出數(shù)據(jù)進行對應(yīng)分析。其中2011年的投入數(shù)據(jù)對應(yīng)2012年的產(chǎn)出數(shù)據(jù)，以此類推至2017年的投入數(shù)據(jù)對應(yīng)2018年的產(chǎn)出數(shù)據(jù)，共得到湖南省各地市(州)7年的面板數(shù)據(jù)。

三、湖南省各地市(州)科技創(chuàng)新投入產(chǎn)出分析

從整體的科技創(chuàng)新投入與產(chǎn)出數(shù)據(jù)來看(見表2)，2011年至2018年間，湖南省各地市(州)的科技創(chuàng)新投入與產(chǎn)出均出現(xiàn)了大幅度的增長，但無論是科技創(chuàng)新投入還是產(chǎn)出方面，地區(qū)間的差距都較為明顯?？萍紕?chuàng)新投入方面，2011年，湖南省平均R&D經(jīng)費內(nèi)部支出和平均R&D人員全時當量分別為12.98億元和4104.50人/年，到2018年，該數(shù)據(jù)分別增長到36.91億元和7342.86人/年，增長幅度分別達到了184.36%和78.88%。其中，長沙市的各項科技創(chuàng)新投入總量穩(wěn)居全省首位，懷化市則在投入增速方面排在第一。2011—2018年，懷化市的R&D經(jīng)費內(nèi)部支出和R&D人員全時當量分別由0.19億元、233人/年增加至20.01億元、3509人/年，增幅均超過了14倍。這表明懷化地區(qū)對科技創(chuàng)新的重視程度在逐年增強，但由于其科技創(chuàng)新投入的基數(shù)較小，在經(jīng)歷了高速增長后，懷化市的科技創(chuàng)新投入總量依舊位于較低的水平，存在著較大的增長空間。

表2 2011年和2018年湖南省各地市(州)的創(chuàng)新投入與產(chǎn)出

續(xù)表

科技創(chuàng)新產(chǎn)出方面，2011—2018年間，湖南省平均新產(chǎn)品增加值和平均專利申請數(shù)分別由276.65億元、913.57件增加到575.82億元和1881.36件，增長幅度分別為108.04%和105.80%。其中，長沙、株洲、岳陽、湘潭的科技創(chuàng)新產(chǎn)出較高，以上四個地區(qū)的平均新產(chǎn)品增加值和平均專利申請數(shù)分別為1448.72億元和4412件，遠高于湖南省各地市(州)的平均值，而張家界、湘西州和懷化等地的科技創(chuàng)新產(chǎn)出則較為落后。增長速度方面，2011—2018年間，湘西州的新產(chǎn)品增加值增速和懷化市的專利申請數(shù)增速分別位列第一，分別由3.05億元和43件增長到21.32億元和736件。但同樣由于在2011年的科技創(chuàng)新產(chǎn)出基數(shù)較小，在經(jīng)歷了高速增長后總量依舊較小。其中值得注意的是，2018年，湘西州和婁底市均以較低的科技創(chuàng)新投入獲得了較高的科技創(chuàng)新產(chǎn)出，這可能意味著兩地有著較高的科技創(chuàng)新投入產(chǎn)出效率。

四、實證分析

(一)DEA-BCC效率分析

為了對各地區(qū)的科技創(chuàng)新投入產(chǎn)出效率進行更準確的分析，基于規(guī)模報酬可變的DEA模型，對湖南省各地市(州)在2012年和2018年的創(chuàng)新投入產(chǎn)出效率進行了測算和分解(表3)。整體上，湖南省各地市(州)的平均綜合創(chuàng)新效率由2012年的0.58上升到了2018年的0.64，純技術(shù)效率和規(guī)模效率也分別有不同程度的上升，分別上升了0.03和0.01，各效率值的增長幅度均較小。2018年，湖南省的平均綜合創(chuàng)新效率、純技術(shù)效率和規(guī)模效率的絕對值均處于較低的水平，且純技術(shù)效率值低于規(guī)模效率值。這說明，湖南省各地區(qū)的創(chuàng)新效率在2012年以后整體上處于上升的趨勢中，但是依舊存在著較大的優(yōu)化發(fā)展空間，其中較低的純技術(shù)效率是限制地區(qū)綜合創(chuàng)新效率提升的主要因素。

表3 2011年和2018年湖南省各地市(州)的創(chuàng)新效率及其分解效率

具體來看，2012年，衡陽市的綜合創(chuàng)新效率最低，僅為0.34，緊接著是湘西州和益陽市，綜合創(chuàng)新效率依次為0.36和0.37，張家界、懷化、株洲等地的綜合創(chuàng)新效率則較高。到了2018年，大部分地區(qū)的綜合創(chuàng)新效率都有所提升，婁底和湘西州的增長幅度較大，均超過了50%，只有邵陽、張家界、郴州、懷化等地的綜合創(chuàng)新效率出現(xiàn)了下降趨勢。其中，婁底、湘西、株洲等地的綜合創(chuàng)新效率較高，平均效率值達到了0.97；衡陽、常德、邵陽的綜合創(chuàng)新效率在各地市(州)中處于較為落后的位置，均低于0.5，這意味著以上地區(qū)創(chuàng)新投入指標的節(jié)約空間超過了50%。從DEA有效性來看，2012年僅有張家界達到了有效，2018年增加至2個，分別為婁底市和湘西州，而創(chuàng)新投入較大的長沙、岳陽、常德等地的綜合創(chuàng)新效率還有待進一步提高。

純技術(shù)效率和規(guī)模效率方面。2012年，益陽、永州、婁底和衡陽的純技術(shù)效率較低，分別為0.42、0.47、0.48、0.49，其中益陽、永州和婁底的規(guī)模效率較高，均大于0.9，但在純技術(shù)效率較低的限制下，使得上述地區(qū)的綜合創(chuàng)新效率較低。此外，純技術(shù)效率較低也是導(dǎo)致多數(shù)地區(qū)綜合創(chuàng)新效率較低的主要原因，只有長沙、岳陽、株洲等地的綜合創(chuàng)新效率發(fā)展主要受到規(guī)模效率的影響。2018年，純技術(shù)效率和規(guī)模效率均得到了不同程度的發(fā)展，分別由0.72、0.82增長到了0.75和0.86，但地區(qū)間的差異依舊十分明顯。其中，衡陽和常德的純技術(shù)效率分別為0.42和0.45，僅為地區(qū)平均值的56%和60%，而婁底、湘西、株洲等地由于純技術(shù)效率和規(guī)模效率均較高，因此在2018年帶來了較高的綜合創(chuàng)新效率。整體來看，2018年湖南省大部分地市(州)綜合創(chuàng)新效率的提高來源于規(guī)模效率的拉動，純技術(shù)效率的促進作用較小，甚至在一些地市(州)出現(xiàn)了下降，這說明純技術(shù)效率增長緩慢是限制湖南省各地市(州)創(chuàng)新效率發(fā)展的重要原因。

(二)Malmquist指數(shù)分解

在分析了湖南省各地市(州)科技創(chuàng)新相對效率的基礎(chǔ)上，為深入分析各地區(qū)科技創(chuàng)新效率的影響因素及其變化趨勢，需要對2012—2018年間湖南省各地市(州)的Malmquist指數(shù)進行測算和分解(見表4)。由于科技創(chuàng)新活動的投入與產(chǎn)出數(shù)據(jù)存在一年的滯后期，為了便于表述，下文中提及的年份均表示科技創(chuàng)新活動投入數(shù)據(jù)所在的年份。整體上，2012—2017年間，湖南省科技創(chuàng)新活動的全要素生產(chǎn)率變化指數(shù)呈現(xiàn)出上升態(tài)勢，年均增長幅度為4%，這表明湖南省科技創(chuàng)新活動的效率在不斷提高。從分解指數(shù)來看，技術(shù)進步變化指數(shù)的年均增速達到了6%，技術(shù)效率變化指數(shù)雖然在各年間出現(xiàn)過增長和下降的態(tài)勢，但總體上基本維持不變。這表明，湖南省科技創(chuàng)新活動效率的提升主要依賴于技術(shù)進步，二者間存在著較強的相關(guān)關(guān)系。

表4 2012—2018年湖南省創(chuàng)新Malmquist指數(shù)及分解

具體到各個年份。2012年，技術(shù)進步變化指數(shù)的增幅最大，達到了25.9%，雖然當年的技術(shù)效率變化指數(shù)出現(xiàn)了下降(下降了14%)，但全要素生產(chǎn)率指數(shù)依舊上升了8%；2013年，技術(shù)效率指數(shù)出現(xiàn)了明顯的下降，下降幅度為27%，這直接導(dǎo)致了全要素生產(chǎn)率的下滑；2014—2016年間，技術(shù)效率變化指數(shù)開始持續(xù)增長，且增長幅度均超過了技術(shù)進步變化指數(shù)，在這一階段，全要素生產(chǎn)率的增長主要得益于技術(shù)效率的提升；2017年，技術(shù)進步變化指數(shù)再次出現(xiàn)了大幅度增加，增幅達到了19%，從而帶動了全要素生產(chǎn)率的顯著提升(增長了16%)。從純技術(shù)效率和規(guī)模效率變化指數(shù)來看，2012—2017年間，二者既有上升，也有下降，但純技術(shù)效率變化指數(shù)高于規(guī)模效率變化指數(shù)的年份更多，可見技術(shù)效率變化主要依賴于純技術(shù)效率的提升。

表5進一步給出了湖南省各地區(qū)科技創(chuàng)新投入的Malmquist指數(shù)及分解結(jié)果。整體上，全要素生產(chǎn)率變化指數(shù)大于1的地區(qū)占據(jù)了絕大多數(shù)，只有常德、張家界、永州三地出現(xiàn)了負向增長，這說明湖南省絕大多數(shù)地市(州)科技創(chuàng)新的投入產(chǎn)出效率在提升。從增長的地市(州)來看，2012—2018年，僅有湘西、岳陽和株洲的增長幅度超過了10%，整體增速較慢，技術(shù)效率變化指數(shù)大于1的地區(qū)只有5個，而技術(shù)進步變化指數(shù)大于1的地區(qū)共有12個，這表明各地區(qū)科技創(chuàng)新效率的提升主要依賴于技術(shù)進步。

表5 湖南省各地市(州)Malmquist指數(shù)及分解

具體到各個地區(qū)，2012—2018年，全要素生產(chǎn)率變化指數(shù)出現(xiàn)下降的地區(qū)中，常德、張家界、永州分別下降了6%、17%、8%，其中張家界對應(yīng)的各項分解指數(shù)均小于1，全要素生產(chǎn)率變化指數(shù)下降幅度也最大，這說明張家界不僅存在著創(chuàng)新投入的冗余，在技術(shù)進步、科技成果轉(zhuǎn)化方面都落后于其他地區(qū)，在各項因素的共同作用下導(dǎo)致了科技創(chuàng)新的投入產(chǎn)出效率較低；常德的純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)分別為0.95和1.02，這說明純技術(shù)效率的下降是導(dǎo)致常德地區(qū)技術(shù)效率較低的主要原因；永州的技術(shù)進步變化指數(shù)為1.02，在2012—2018年間小幅度上升，但由于技術(shù)效率變化指數(shù)小于1，僅為0.90，導(dǎo)致了其科技創(chuàng)新投入的全要素生產(chǎn)率出現(xiàn)了下降。在全要素生產(chǎn)率正向增長的地區(qū)中，湘西州的增長幅度最大，達到了26%，其中技術(shù)效率變化指數(shù)增長了16%，而技術(shù)進步變化指數(shù)只增長了8%，這說明湘西州科技創(chuàng)新投入的效率提升主要依賴于技術(shù)效率的提高；岳陽和株洲兩地的全要素生產(chǎn)率變化指數(shù)增幅也較大，均增長了16%，其中岳陽的技術(shù)進步變化指數(shù)增長了14%，而技術(shù)效率變化指數(shù)只增長了2%，這說明技術(shù)進步是帶動岳陽科技創(chuàng)新效率提升的主要因素，株洲市技術(shù)進步變化指數(shù)的增幅也高于技術(shù)效率變化指數(shù)，分別為15%和1%，這表明技術(shù)進步提升對株洲市全要素生產(chǎn)率變化指數(shù)的貢獻更大。其他地區(qū)的全要素生產(chǎn)率變化指數(shù)的增幅均小于10%，且大多數(shù)地區(qū)的技術(shù)進步變化指數(shù)的增幅高于其他指標，這表明技術(shù)進步較快是帶動地區(qū)全要素生產(chǎn)率正向增長的主要動力，但技術(shù)效率較低導(dǎo)致了全要素生產(chǎn)率增長較慢。

五、結(jié)論和對策建議

本文基于2011—2018年湖南省各地市(州)科技創(chuàng)新投入產(chǎn)出的面板數(shù)據(jù)，使用DEA-BCC模型和Malmquist指數(shù)法，對湖南省各地市(州)科技創(chuàng)新投入產(chǎn)出的綜合效率、分解效率及其變化趨勢進行了分析，得出以下三點結(jié)論：

第一，整體上，2011—2018年間，湖南省各地市(州)的科技創(chuàng)新投入產(chǎn)出與綜合創(chuàng)新效率均處于上升態(tài)勢中，但各效率的絕對值較小，這意味著湖南省的科技創(chuàng)新效率依舊存在著較大的發(fā)展空間。從各地市(州)來看，婁底、湘西和株洲等地的綜合創(chuàng)新效率較高，而衡陽、常德和邵陽則處于較為落后的位置。其中，地區(qū)綜合創(chuàng)新效率的主要限制因素是純技術(shù)效率較低。

第二，基于DEA-BCC模型的靜態(tài)測算數(shù)據(jù)表明：2018年和2012年相比， 規(guī)模效率提高是拉動湖南省大部分地市(州)綜合創(chuàng)新效率提高的主要動力， 反映出純技術(shù)效率不高是抑制湖南省各地區(qū)科技創(chuàng)新投入產(chǎn)出效率提高的主要原因。

第三，從Malmquist指數(shù)對湖南省各區(qū)域綜合科技創(chuàng)新效率的動態(tài)分析來看，湖南省各地區(qū)的科技創(chuàng)新全要素生產(chǎn)率在穩(wěn)步提升，其中，技術(shù)進步變化指數(shù)的增幅明顯高于純技術(shù)效率和技術(shù)效率變化指數(shù)。從時間維度來看，2011—2018年間，各地區(qū)的全要素生產(chǎn)率及其分解效率均處在波動之中，但增長的年份占據(jù)了大多數(shù)；分地區(qū)來看，導(dǎo)致常德、張家界和永州全要素生產(chǎn)率下降的原因既有技術(shù)效率低下，也有技術(shù)進步緩慢，而技術(shù)進步加快則是帶動其他地區(qū)全要素生產(chǎn)率增長的主要動力。

根據(jù)以上結(jié)論，提出以下三點政策建議：

第一，加大科技創(chuàng)新投入。湖南省整體的科技創(chuàng)新投入還處在較低的水平，特別是湘西州、張家界、婁底等地的科技創(chuàng)新投入遠遠低于其他地區(qū)，在大多數(shù)行業(yè)中，只有當科技創(chuàng)新投入達到一定數(shù)量時，才有可能實現(xiàn)關(guān)鍵技術(shù)的突破，從而實現(xiàn)規(guī)模經(jīng)濟。因此，要提高地區(qū)的科技創(chuàng)新效率，必須加大科技創(chuàng)新資源的投入。

第二，提高資源配置效率。湖南省各地市(州)在增加科技創(chuàng)新投入的同時，要特別重視對各項創(chuàng)新投入結(jié)構(gòu)和規(guī)模的優(yōu)化。一方面，既要防止出現(xiàn)科技創(chuàng)新投入不足產(chǎn)生的產(chǎn)出不足，也要避免過多投入產(chǎn)生的邊際效率遞減問題；另一方面，要增加科技創(chuàng)新投入在地區(qū)間的流動效率，在縮小地市(州)之間科技創(chuàng)新能力差異的同時，也能達到提升科技創(chuàng)新資源投入回報率的目的。

第三，增強企業(yè)市場活力。在社會主義市場經(jīng)濟中，企業(yè)已經(jīng)成為提升地區(qū)科技創(chuàng)新效率的重要載體，不斷優(yōu)化市場環(huán)境，激發(fā)企業(yè)研發(fā)創(chuàng)新的動力與熱情，對提高湖南省科技創(chuàng)新效率有著重大意義。