黃河流域科技創(chuàng)新效率評價與演變分析

王政翔

（招商銀行股份有限公司鄭州分行，河南 鄭州 450000）

0 引言

黨的十九屆五中全會提出，堅持創(chuàng)新在現(xiàn)代化建設(shè)全局中的核心地位，把科技自立自強作為國家發(fā)展的戰(zhàn)略支撐［1］，自此，科技創(chuàng)新上升至前所未有的歷史新高度。近年來，中國科技創(chuàng)新投入與產(chǎn)出規(guī)模不斷提升，研發(fā)投入、專利申請量、科技論文量等已居于世界前列，逐漸發(fā)展為國際公認的科技大國。但部分關(guān)鍵核心技術(shù)受制于人、高產(chǎn)出得益于高投入的局面尚未根本扭轉(zhuǎn)，“大”而不“強”是目前中國科技發(fā)展的顯著特征。為此，應(yīng)著重提升科技創(chuàng)新效率水平，以促進不變投入標準下產(chǎn)生更高的科技產(chǎn)出以及科技成果的轉(zhuǎn)移轉(zhuǎn)化。黃河流域流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、山東9個省份，隨著“黃河流域生態(tài)保護和高質(zhì)量發(fā)展”成為國家發(fā)展戰(zhàn)略，其地理位置、資源稟賦等方面的優(yōu)勢不斷凸顯［2］，同時對科技創(chuàng)新這一動力因素的需求更高，如何提高科技創(chuàng)新效率成了亟待解決的現(xiàn)實難題。因此，對黃河流域沿線省區(qū)科技創(chuàng)新效率進行評價和演變分析，能夠揭示黃河流域整體科技創(chuàng)新效率狀況，有利于各省份正確認識自身創(chuàng)新現(xiàn)狀與不足，對科學(xué)指導(dǎo)未來創(chuàng)新實踐，具有一定的現(xiàn)實意義。

1 文獻綜述

科技創(chuàng)新已成為國際博弈主戰(zhàn)場，如何提高科技創(chuàng)新效率是眾多學(xué)者關(guān)注的焦點。目前，關(guān)于科技創(chuàng)新效率的已有研究主要集中在高校、農(nóng)業(yè)和區(qū)域等方面。在高?？萍紕?chuàng)新效率研究方面，吳宏超和馬聰穎采用DEA-Malmquist模型、面板Tobit模型分析“一帶一路”沿線省份高校的科技創(chuàng)新效率和影響因素，提出“一帶一路”沿線省份應(yīng)采取提高高新技術(shù)產(chǎn)業(yè)占比、完善交通運輸系統(tǒng)等措施來提高高?？萍紕?chuàng)新效率［3］；高擎等基于兩階段DEA模型測算了66所部屬重點高校的科技創(chuàng)新效率，指出產(chǎn)學(xué)研協(xié)同創(chuàng)新背景下高校應(yīng)注重管理社會聲譽、加強基礎(chǔ)研究［4］；高蕾等研究發(fā)現(xiàn)“一帶一路”區(qū)域高校的科技創(chuàng)新效率在2012—2017年間呈“V”型變化，純技術(shù)效率是限制科技創(chuàng)新效率提高的主要因素［5］；徐哲根等以62所教育部直屬高校為樣本，運用因子分析法、BCC模型分析其科研成果轉(zhuǎn)化能力和效率，發(fā)現(xiàn)高校科研成果轉(zhuǎn)化能力和效率存在不匹配的情況［6］；李文輝等從科技創(chuàng)新能力、效率及經(jīng)濟貢獻三個維度對中國省域高校進行研究［7］。在農(nóng)業(yè)科技創(chuàng)新效率研究方面，陳振等分析河南省18地市農(nóng)業(yè)科技創(chuàng)新效率，指出河南省整體農(nóng)業(yè)科技創(chuàng)新力不高、投入要素未得到充分利用［8］；鄧燦輝等運用超效率DEA模型測算全國29個省區(qū)的農(nóng)業(yè)科技創(chuàng)新效率，并構(gòu)建Malmquist指數(shù)分析影響效率變動的因素［9］；郭翔宇等分別從動態(tài)和靜態(tài)角度分析我國農(nóng)業(yè)科技創(chuàng)新效率，提出未來應(yīng)合理配置科技創(chuàng)新資源、提高科研人員職業(yè)技能等建議［10］；紀浩和魏建良基于超效率DEA和Malmquist指數(shù)模型，發(fā)現(xiàn)浙江省55個縣域的農(nóng)業(yè)科技創(chuàng)新資源的配置效率兩極分化嚴重并提出相應(yīng)的對策建議［11］；李勇輝和白利鵬研究發(fā)現(xiàn)云南省農(nóng)業(yè)科技創(chuàng)新資源的配置效率整體處于較高水平［12］。在區(qū)域科技創(chuàng)新效率研究方面，陳聰聰和馬向平采用兩階段DEA模型測算“一帶一路”沿線省份的科技創(chuàng)新效率，發(fā)現(xiàn)多數(shù)省份DEA無效且規(guī)模無效是主要因素［13］；杜賽花等研究發(fā)現(xiàn)廣東省20個地級以上城市創(chuàng)新孵化能力與效率不匹配［14］；王元亮運用DEA-Tobit模型對河南省18地市科技創(chuàng)新效率及影響因素進行研究［15］；李蕓等對全國30個省份科技創(chuàng)新效率進行測算和分解，指出東、西部效率變動的影響因素不同，進一步通過Tobit回歸發(fā)現(xiàn)政府支持、人力資本等與科技創(chuàng)新效率顯著相關(guān)［16］；李向榮等基于PCA-SE-DEA組合模型分析長江經(jīng)濟帶11個省市的科技創(chuàng)新效率，指出長江經(jīng)濟帶科技創(chuàng)新效率目前未達到我國平均水平［17］。

綜上可知，學(xué)者們已從不同角度對多元主體的創(chuàng)新效率進行了考察，但關(guān)于黃河流域創(chuàng)新效率狀況的研究相對不足。黃河流域具備高水平科技創(chuàng)新效率是其高質(zhì)量發(fā)展的題中應(yīng)有之意。鑒于此，筆者綜合運用數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）方法和Malmquist生產(chǎn)率指數(shù)法，分別從靜態(tài)和動態(tài)角度分析2010—2018年黃河流域科技創(chuàng)新效率狀況，探究黃河流域科技創(chuàng)新效率水平變化情況，以期為政府制定推動黃河流域高質(zhì)量發(fā)展政策提供參考。

2 研究方法

2.1 DEA-BCC模型

1978年，Charnes等運籌學(xué)家以“相對效率”概念為基礎(chǔ)創(chuàng)建了DEA［18］。該方法特別適用于多輸入多輸出的復(fù)雜系統(tǒng)，測算效率時不需要任何權(quán)重假設(shè)，且不必確定輸入和輸出之間的表達式，目前最為成熟的兩個模型是規(guī)模報酬不變的CCR模型和規(guī)模報酬可變的BCC模型。由于黃河流域沿線省區(qū)的科技創(chuàng)新屬于一個多投入多產(chǎn)出的復(fù)雜系統(tǒng)，且難以滿足規(guī)模報酬不變的假定。因此，筆者選擇DEA-BCC模型對黃河流域沿線省區(qū)2018年的科技創(chuàng)新效率進行研究。

假設(shè)有n個決策單元（DMU），每個決策單元有m種輸入和s種輸出，第j個決策單元的輸入向量為xj=(x1j,x2j,…,xmj)T，輸出向量為yj=(y1j,y2j,…,ysj)T，且xj,yj∈R+，λj為權(quán)重系數(shù)，s+為松弛變量，s-為剩余變量，以DMUj0的效率指數(shù)為目標，建立投入導(dǎo)向的BCC模型的對偶規(guī)劃，如式（1）。

(DBC2)的最優(yōu)解θ滿足：0≤θ≤1，若θ=1，則稱該決策單元為DEA有效，否則稱該決策單元為非DEA有效。運用BCC模型得到的為決策單元的純技術(shù)效率（vrste），其與CCR模型下得到的綜合技術(shù)效率（crste）相除，可以得到?jīng)Q策單元的規(guī)模效率（scale），即：scale=crste/vrste。

2.2 Malmquist生產(chǎn)率指數(shù)法

Malmquist生產(chǎn)率指數(shù)法將技術(shù)進步對全要素生產(chǎn)率的貢獻考慮在內(nèi)，進一步將全要素生產(chǎn)率分解為技術(shù)進步指數(shù)和技術(shù)效率變化指數(shù)，可用于各個決策單元不同時期的動態(tài)效率分析。1994年，Rolf F?re等人將Malmquist指數(shù)與DEA相結(jié)合［19］，使得這一方法廣泛應(yīng)用于效率測算方面，其具體計算過程如下。t期技術(shù)條件下，基于產(chǎn)出角度的Malmquist指數(shù)為式（2）。

類似地，t+1期技術(shù)條件下，基于產(chǎn)出角度的Malmquist指數(shù)為式（3）。

t期到t+1期的生產(chǎn)率變化可以用式（2）和式（3）的幾何平均值表示為式（4）。

該幾何平均值表示的是決策單元t-t+1時期全要素生產(chǎn)率（Tfpch）的變化，當(dāng)Tfpch＞1時，說明決策單元在t-t+1時期效率提高，反之則效率下降。全要素生產(chǎn)率可以進一步被分解為技術(shù)進步指數(shù)（Techch）和技術(shù)效率變化指數(shù)（Effch），其中技術(shù)效率變化指數(shù)又可以被分解為純技術(shù)效率變化（Pech）和規(guī)模效率變化（Sech），它們之間的關(guān)系是：Tfpch=Techch×Effch=Techch×Pech×Sech。當(dāng)Techch＞1時，說明生產(chǎn)技術(shù)進步促進效率提高，反之則抑制；當(dāng)Pech＞1時，說明決策單元的管理正確，對投入資源能夠有效利用，進而提高整體生產(chǎn)效率，反之則管理不當(dāng)，影響效率提高；當(dāng)Sech＞1時，說明實際規(guī)模與最優(yōu)規(guī)模的差距在減小，反之則在擴大。

2.3 指標選取及數(shù)據(jù)來源

參考已有關(guān)于省域科技創(chuàng)新效率的研究，同時考慮指標的代表性、指標數(shù)據(jù)的可獲取性、科學(xué)性，結(jié)合黃河流域沿線省區(qū)的實際情況，選取以下投入產(chǎn)出指標對黃河流域沿線省區(qū)科技創(chuàng)新效率進行研究，如表1所示。

表1 黃河流域沿線省區(qū)科技創(chuàng)新效率評價指標體系

2.3.1 投入指標。黃河流域科技創(chuàng)新投入主要分為人力投入和財力投入兩方面。R&D人員全時當(dāng)量是比較研發(fā)人力的國際通用指標，故用該指標衡量黃河流域沿線省區(qū)科技人力投入；財力投入用R&D經(jīng)費投入和地方財政科學(xué)技術(shù)支出來衡量，R&D經(jīng)費包含全社會實際用于R&D活動的全部資金，地方財政科學(xué)技術(shù)支出包含政府及其相關(guān)部門在科技活動方面的支出，代表地方政府對科技活動的支持程度。

2.3.2 產(chǎn)出指標。黃河流域科技創(chuàng)新產(chǎn)出主要分為知識收益和經(jīng)濟收益兩方面。專利申請量包括發(fā)明專利、實用新型專利、外觀設(shè)計專利申請量，代表著一個地區(qū)技術(shù)活躍的程度；科技創(chuàng)新不僅能帶來技術(shù)上的進步，同時，對經(jīng)濟收益也有顯著的促進作用，經(jīng)濟收益用技術(shù)市場合同成交額和高技術(shù)產(chǎn)品出口額來衡量，技術(shù)市場合同成交額包括技術(shù)開發(fā)、技術(shù)轉(zhuǎn)讓等合同的金額總和，高技術(shù)產(chǎn)品出口額一定程度上反映該地區(qū)尖端技術(shù)的發(fā)展狀況。

筆者選取黃河流域沿線9個省區(qū)為決策單元，分別為青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南和山東?；谝陨现笜诉x定與研究內(nèi)容，所用原始數(shù)據(jù)皆來自2011—2019年的《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》，以及國家知識產(chǎn)權(quán)局年度統(tǒng)計公報和全國技術(shù)市場統(tǒng)計年度報告。

3 黃河流域沿線省區(qū)科技創(chuàng)新效率研究

3.1 基于DEA-BCC模型的靜態(tài)分析

運用DEAP2.1軟件，采用投入導(dǎo)向的規(guī)模報酬可變的DEA-BCC模型對2018年黃河流域沿線9省區(qū)的科技創(chuàng)新投入產(chǎn)出效率進行測算及分解，如表2所示。

表2 2018黃河流域沿線9省區(qū)科技創(chuàng)新投入產(chǎn)出效率

從表2可以看出，2018年黃河流域科技創(chuàng)新的綜合效率平均值為0.905，整體綜合效率較高，得益于純技術(shù)效率和規(guī)模效率均較高。其中，青海、四川、甘肅、陜西和河南5地的綜合效率為1.000，達到DEA有效，說明這些地區(qū)投入規(guī)模合理，管理人員采取措施得當(dāng)，能夠產(chǎn)生現(xiàn)行規(guī)模下的最佳效益。寧夏、內(nèi)蒙古、山西和山東4地的綜合效率小于1.000，為非DEA有效，尤其是綜合效率值排在末三位的內(nèi)蒙古、寧夏和山西3個地區(qū)，內(nèi)蒙古是由純技術(shù)效率和規(guī)模效率均較低導(dǎo)致，寧夏主要由純技術(shù)效率較低導(dǎo)致，山西省的純技術(shù)效率和規(guī)模效率雖然較高，但也都小于1.000，導(dǎo)致綜合效率較低，三者的規(guī)模收益均處于遞增狀態(tài)，說明這些地區(qū)應(yīng)進一步加大科技創(chuàng)新投入，同時提高管理人員水平以優(yōu)化資源配置效率，山東省主要由規(guī)模效率較低導(dǎo)致，且規(guī)模收益處于遞減狀態(tài)，說明應(yīng)減少投入。從全局來看，達到DEA有效的省份占到一半以上，黃河流域整體純技術(shù)效率和規(guī)模效率均較高，但仍存在發(fā)展不均衡的問題，內(nèi)蒙古的綜合科技創(chuàng)新效率及其分解指標都很低，可能會影響黃河流域整體高質(zhì)量發(fā)展。

3.2 基于Malmquist指數(shù)的動態(tài)分析

運用DEAP2.1軟件對2010—2018年黃河流域的Malmquist指數(shù)進行測算和分解，得到黃河流域科技創(chuàng)新效率的動態(tài)變化情況，如表3所示。

表3 2010—2018年黃河流域的Malmquist指數(shù)及其分解

從整體來看，2010—2018年黃河流域的全要素生產(chǎn)率呈上升趨勢，技術(shù)進步是促進效率上升的主要因素，純技術(shù)效率和規(guī)模效率對效率上升的貢獻較小，說明2010—2018年黃河流域的科技創(chuàng)新成績顯著，而現(xiàn)階段管理水平未使投入資源得到充分利用，存在管理不當(dāng)?shù)膯栴}，且實際規(guī)模與最優(yōu)規(guī)模仍有一定距離。技術(shù)進步率呈波動下降的趨勢，2010—2011年技術(shù)進步率最高為26.5%，逐步下降至2013—2014年的0.8%，之后呈“上升-下降-上升-下降”的趨勢，到2017—2018年甚至變?yōu)樨撛鲩L；技術(shù)效率呈波動變化，整體上對黃河流域科技創(chuàng)新效率有正的貢獻，說明應(yīng)該提升科技創(chuàng)新規(guī)模效率。分年度來看，除2013—2014年外，黃河流域全要素生產(chǎn)率變動指數(shù)均大于1，科技創(chuàng)新效率有所提升。其中，2010—2013、2014—2015、2016—2017年技術(shù)進步是主要影響因素，2015—2016年純技術(shù)效率變動值最大，2017—2018年主要是由規(guī)模效率較高導(dǎo)致的，說明2010—2018年間技術(shù)進步方面貢獻最大。純技術(shù)效率變動、規(guī)模效率變動大于1的年份占總年份的62.5%，達到一半以上，技術(shù)進步變動大于1的年份占總年份的87.5%，說明黃河流域在重視技術(shù)發(fā)展的同時，也要注重提高管理水平和優(yōu)化規(guī)模效率。

通過DEAP2.1軟件還可以得到黃河流域沿線省區(qū)2010—2018年的綜合Malmquist指數(shù)及其分解，如表4所示。

表4 2010—2018年黃河流域沿線省區(qū)的Malmquist指數(shù)及其分解

2010—2018年，黃河流域的全要素生產(chǎn)率上升12.8%，對其貢獻最大的技術(shù)進步平均上升11.4%，純技術(shù)效率和規(guī)模效率分別上升0.5%和0.7%，影響甚微。分地區(qū)來看，四川和山東兩省的全要素生產(chǎn)率分別為7.3%、2.3%，相比于其他地區(qū)較小，且山東省需要進一步提高規(guī)模效率。黃河流域沿線9省區(qū)的技術(shù)進步變動均大于1，但四川、寧夏、山西、河南和山東五地的技術(shù)進步指數(shù)低于黃河流域平均值。內(nèi)蒙古、山東兩地的技術(shù)效率小于1，且皆由規(guī)模效率較低導(dǎo)致，純技術(shù)效率小于1的僅有寧夏一地，規(guī)模效率較低的為內(nèi)蒙古、山東和山西三地。此外，各個省份的分解指標或多或少都存在低于黃河流域平均值的情況，技術(shù)進步變動、純技術(shù)效率變動和規(guī)模效率變動低于平均值的省份分別占總省份的55.6%、77.8%和88.9%，說明黃河流域沿線地區(qū)發(fā)展不均衡，多數(shù)地區(qū)存在管理不當(dāng)?shù)膯栴}，科技創(chuàng)新投入資源未能得到充分利用。

4 結(jié)論與建議

4.1 結(jié)論

筆者采用DEA-BCC模型和Malmquist生產(chǎn)率指數(shù)法分別從靜態(tài)、動態(tài)角度對黃河流域科技創(chuàng)新效率進行分析，主要得出兩點結(jié)論。①從靜態(tài)角度看，2018年黃河流域沿線各省區(qū)一半以上達到DEA有效，綜合效率平均值較高，得益于純技術(shù)效率和規(guī)模效率的平均值均較高，但同時存在綜合效率值過低的區(qū)域，地區(qū)之間科技創(chuàng)新效率差異明顯。從非DEA有效地區(qū)綜合效率的分解來看，發(fā)現(xiàn)這些地區(qū)均存在不同程度的純技術(shù)效率不足或規(guī)模效率不足，說明這些地區(qū)科技資源投入規(guī)模與結(jié)構(gòu)相對不合理，且現(xiàn)有資源利用不夠充分，管理者資源配置水平有待提升。②從動態(tài)角度看，2010—2018年黃河流域科技創(chuàng)新的全要素生產(chǎn)率呈上升趨勢，技術(shù)進步對其貢獻最大，純技術(shù)效率和規(guī)模效率的貢獻相對較低，但技術(shù)進步變動正呈波動下降的趨勢。黃河流域沿線各省區(qū)的全要素生產(chǎn)率均大于1，且多數(shù)有技術(shù)進步推動，僅寧夏純技術(shù)效率無效，內(nèi)蒙古、山西和山東三地規(guī)模效率無效，這些地區(qū)需要進一步對資源配置結(jié)構(gòu)或投入規(guī)模進行調(diào)整。

4.2 對策建議

基于研究發(fā)現(xiàn)，為優(yōu)化黃河流域科技創(chuàng)新資源配置，提高科技創(chuàng)新效率，提出三點對策建議。

4.2.1 加強資源分配管理，提高資源的使用效益?？萍紕?chuàng)新投入資源的充分利用與否關(guān)系到能否帶來高效的科技創(chuàng)新成果，若資源浪費造成的機會損失是巨大的。因此，要把創(chuàng)新資源用到實處，對創(chuàng)新產(chǎn)出進行評估，根據(jù)評估結(jié)果進行資源分配，同時，還要提高管理人員水平，避免出現(xiàn)盲目擴大規(guī)模，企圖通過高投入換來高產(chǎn)出的情況，提高資源的使用效益。

4.2.2 重視核心技術(shù)創(chuàng)新，以技術(shù)帶動發(fā)展。優(yōu)化配置結(jié)構(gòu)、調(diào)整投入規(guī)模對于區(qū)域長遠發(fā)展的影響并不明顯，技術(shù)進步才是區(qū)域發(fā)展保持強大動力的力量源泉。因此，黃河流域各省區(qū)面對技術(shù)進步波動下降的局面，要及時找出問題所在，建立強有力的合作機制，著力突破關(guān)鍵核心技術(shù)。

4.2.3 注重協(xié)調(diào)發(fā)展，尊重個體差異。黃河流域高質(zhì)量發(fā)展的前提是其構(gòu)成區(qū)域的高質(zhì)量發(fā)展，政府應(yīng)發(fā)揮宏觀調(diào)控作用，減少區(qū)域間科技創(chuàng)新效率的差異，但同時也應(yīng)考慮到某些地區(qū)的自身特點，對科技創(chuàng)新資源豐富、能力強的地區(qū)加大支持力度，形成創(chuàng)新示范區(qū)，進而帶動科技創(chuàng)新能力弱的地區(qū)。