中國31個(gè)省（區(qū)、市）及重點(diǎn)省域科技創(chuàng)新效率評(píng)價(jià)研究
——基于超效率SBM-Malmquist模型

張 婷，王瑋蓉，姚昀辰

（西北工業(yè)大學(xué)公共政策與管理學(xué)院，陜西西安 710072）

我國的《“十四五”國家科技創(chuàng)新規(guī)劃》明確提出，堅(jiān)持以科技自立自強(qiáng)為戰(zhàn)略支撐，將創(chuàng)新置于國際發(fā)展和建設(shè)全局的中心位置。科技創(chuàng)新已成為中國社會(huì)進(jìn)步、經(jīng)濟(jì)發(fā)展、國家安全保障的重要路徑。2021年12月的中央經(jīng)濟(jì)工作會(huì)議上，也首次在七大政策取向中列入科技政策，并且提出要將重點(diǎn)放在科技政策的落實(shí)上，即將2022年作為科技政策落實(shí)年，更加有力地保障了國家科技方針政策貫徹到整個(gè)創(chuàng)新鏈的各個(gè)環(huán)節(jié)。在此關(guān)鍵之年，對(duì)我國31個(gè)?。▍^(qū)、市）的科技創(chuàng)新效率做出測算和評(píng)價(jià)，重新審視自2015年以來的科技創(chuàng)新效果尤為重要?；赟BM—Malmquist模型，本文通過構(gòu)建科技創(chuàng)新效率評(píng)價(jià)指標(biāo)，分別從靜態(tài)與動(dòng)態(tài)的視角系統(tǒng)且深入地剖析2015—2020年間我國整體、區(qū)域間以及《中國區(qū)域科技創(chuàng)新評(píng)價(jià)報(bào)告2021》（以下簡稱《報(bào)告》）中重點(diǎn)?。▍^(qū)、市）的科技創(chuàng)新效率發(fā)展特征，以期為我國科技創(chuàng)新效率提供優(yōu)化方案，為政府制定科技政策提供理論參考。

1 文獻(xiàn)綜述

1.1 科技創(chuàng)新效率測算方法

科技創(chuàng)新效率是指在某一階段科技創(chuàng)新投入與產(chǎn)出之間的數(shù)量關(guān)系，反映了科技創(chuàng)新投入資源的利用程度，一定程度上能夠表現(xiàn)科技創(chuàng)新能力和水平?，F(xiàn)有科技創(chuàng)新效率的研究主要集中于科技創(chuàng)新效率的測算、區(qū)域差異研究、科技創(chuàng)新效率影響因素研究等，其中科技創(chuàng)新效率的測算是學(xué)界最熱衷于研究的話題之一。

參數(shù)法與非參數(shù)法是當(dāng)前最常用的效率測算方法，這兩類方法中最為典型的分別是隨機(jī)前沿分析（SFA）和數(shù)據(jù)包絡(luò)分析（DEA）。參數(shù)法的優(yōu)勢(shì)是可對(duì)生產(chǎn)過程進(jìn)行描述，如李婧等［1］用SFA方法不僅對(duì)我國30個(gè)省（區(qū)、市）的創(chuàng)新效率進(jìn)行了評(píng)價(jià)，還對(duì)其影響因素進(jìn)行了分析。而就非參數(shù)法而言，避免了人為設(shè)定生產(chǎn)函數(shù)所帶來的主觀影響，且實(shí)施起來更加簡潔，在研究中的應(yīng)用更為廣泛?，F(xiàn)有研究使用頻率相對(duì)較高的是數(shù)據(jù)包絡(luò)分析（DEA）方法，它的優(yōu)勢(shì)在于能夠用于多項(xiàng)投入與產(chǎn)出的效率測算，不會(huì)因?yàn)橛?jì)量單位的差異而導(dǎo)致效率測算結(jié)果的偏差。DEA模型是美國運(yùn)籌學(xué)家Charnes等［2］于1978年提出的，其經(jīng)典形式有CCR模型和其改進(jìn)后形成的BBC模型。李政等［3］運(yùn)用DEA框架下的經(jīng)典模型CCR測算我國創(chuàng)新效率，發(fā)現(xiàn)我國各地區(qū)呈現(xiàn)出東、西、中部依次降低的現(xiàn)象，且中部區(qū)域創(chuàng)新效率顯著低于東部和西部。郭淑芬等［4］利用DEA框架下的BBC模型進(jìn)行效率測算與評(píng)價(jià)，并得出我國對(duì)科技創(chuàng)新投入資源配置需要進(jìn)一步優(yōu)化的結(jié)論。

經(jīng)典的CCR模型以及后來的BBC模型都是徑向、角度模型，但由于現(xiàn)實(shí)中大多數(shù)情況下無法達(dá)到這種狀態(tài)，故SBM模型等非徑向、非角度模型在部分研究中常被認(rèn)為是更適合采用的。如楊樹旺等［5］利用該模型評(píng)估了長江經(jīng)濟(jì)地區(qū)綠色創(chuàng)新效率，結(jié)果表明長江經(jīng)濟(jì)帶的總體綠色創(chuàng)新效率漲幅趨勢(shì)明顯。同時(shí)，由于DEA模型只能對(duì)靜態(tài)效率進(jìn)行測算，為了對(duì)其在時(shí)間序列數(shù)據(jù)動(dòng)態(tài)效率分析中的不足進(jìn)行完善，常將Malmquist指數(shù)與其結(jié)合使用，如董克勤等［6］運(yùn)用BBC-Malmquist模型對(duì)全國50個(gè)首批國家創(chuàng)新型縣（市）的創(chuàng)新效率進(jìn)行測算，得出它們總體上科技創(chuàng)新呈進(jìn)步趨勢(shì)的結(jié)論。賴一飛等［7］運(yùn)用超效率SBM-Malmquist模型測度2011—2019年我國30個(gè)?。▍^(qū)、市）的科技創(chuàng)新效率，發(fā)現(xiàn)全國科技創(chuàng)新效率大致呈上升趨勢(shì)，東、西、中部地區(qū)科技創(chuàng)新效率呈遞減趨勢(shì)且差異較大，且全國整體科技創(chuàng)新發(fā)展呈進(jìn)步趨勢(shì)。

1.2 科技創(chuàng)新效率區(qū)域評(píng)價(jià)

國內(nèi)主要針對(duì)我國31個(gè)?。▍^(qū)、市）的科技創(chuàng)新效率進(jìn)行研究，對(duì)區(qū)域關(guān)聯(lián)或差異進(jìn)行評(píng)價(jià)。蘭海霞等［8］則是用變異系數(shù)和泰爾指數(shù)揭示我國區(qū)域創(chuàng)新效率的差異與特征。

除了對(duì)我國整體科技創(chuàng)新效率進(jìn)行研究，有很多學(xué)者還會(huì)對(duì)我國的重要經(jīng)濟(jì)帶進(jìn)行研究，例如長江經(jīng)濟(jì)帶和“一帶一路”沿線省（區(qū)、市）。羅穎等［9］以長江經(jīng)濟(jì)帶各省和直轄市為研究對(duì)象，運(yùn)用三階段DEA方法進(jìn)行科技創(chuàng)新效率測算，并分析了其空間差異特征。陳升等［10］運(yùn)用三階段DEA模型剖析我國“一帶一路”沿線17個(gè)?。▍^(qū)、市）2012—2016年科技創(chuàng)新效率的地區(qū)差異性。除以上兩種研究對(duì)象的選擇，部分學(xué)者還對(duì)一些重點(diǎn)區(qū)域進(jìn)行了研究，如蘭海等［11］運(yùn)用DEA-Malmquist模型對(duì)青海省科技創(chuàng)新效率進(jìn)行了研究，董克勤等［6］則測度與評(píng)價(jià)了我國50個(gè)首批國家創(chuàng)新型縣（市）的創(chuàng)新效率。

綜上，科技創(chuàng)新效率評(píng)價(jià)的研究方法多樣且較為成熟，相比采用靜態(tài)或者動(dòng)態(tài)單一角度進(jìn)行分析，本文認(rèn)為運(yùn)用SBM-Malmquist模型，從動(dòng)、靜態(tài)相結(jié)合的角度來分析科技創(chuàng)新效率更為全面；就研究對(duì)象而言，現(xiàn)有研究多側(cè)重于國家整體層面和重要經(jīng)濟(jì)帶層面，缺乏針對(duì)科技創(chuàng)新水平較強(qiáng)的省市的比較分析。上海、北京、湖北、陜西等省市都是我國科技創(chuàng)新水平較強(qiáng)的地區(qū)，在經(jīng)濟(jì)發(fā)展水平、人力資源水平等因素相差較大的背景下，各自的特征和趨勢(shì)都值得深入分析?；诖?，本文對(duì)2015—2020年我國省級(jí)區(qū)域科技創(chuàng)新效率進(jìn)行測算和分析，著重探討以下3個(gè)問題：

（1）我國整體和科技創(chuàng)新水平較高的重點(diǎn)?。▍^(qū)、市）的科技創(chuàng)新效率的現(xiàn)狀如何？

（2）我國整體和科技創(chuàng)新水平較高的重點(diǎn)省（區(qū)、市）的科技創(chuàng)新效率的變化趨勢(shì)如何？

（3）基于本文研究結(jié)論，如何有效地提高我國科技創(chuàng)新效率？

2 研究方法、指標(biāo)構(gòu)建與數(shù)據(jù)來源

本文所采用的效率評(píng)價(jià)分析方法結(jié)合了超效率SBM模型與Malmquist指數(shù)，通過構(gòu)建科技創(chuàng)新投入與產(chǎn)出指標(biāo)，借助MATLAB和DEAP2.1軟件，對(duì)2015—2020年我國31個(gè)省份的科技創(chuàng)新效率進(jìn)行測算與對(duì)比分析。

2.1 研究方法

2.1.1 超效率SBM模型

在科技創(chuàng)新效率評(píng)價(jià)的實(shí)證研究中，DEA模型及其衍生模型的運(yùn)用最為廣泛。但傳統(tǒng)DEA模型無法對(duì)并列的有效決策單元進(jìn)行完全排序，并且多是徑向的或角度的，其松弛性和非期望產(chǎn)出的問題會(huì)使得效率值具有一定偏差。為此，國內(nèi)外學(xué)者對(duì)傳統(tǒng)DEA模型進(jìn)行了優(yōu)化和改進(jìn)。其中，Andersen等［12］提出的超效率模型為有效DUM的比較和排序提供了可能。Tone［13］所構(gòu)建的SBM模型，作為一種非徑向、非角度的DEA模型，在某種程度上克服了傳統(tǒng)DEA的缺點(diǎn)，提高了測算精度。Tone［14］進(jìn)一步將超效率模型與SBM模型的優(yōu)勢(shì)進(jìn)行綜合，構(gòu)建出超效率SBM模型。本文將基于超效率SBM模型進(jìn)行科技創(chuàng)新效率的靜態(tài)評(píng)估，具體模型構(gòu)建如下：

式（1）（2）中，P為效率值，P≥1表明效率相對(duì)有效，且越大代表DUM越有效率，反之P＜1表明效率仍有進(jìn)步和改進(jìn)的空間；x代表投入要素；yg和yb分別代表期望以及非期望產(chǎn)出要素；m、s1、s2分別對(duì)應(yīng)前三者的指標(biāo)個(gè)數(shù)，為權(quán)重向量。

2.1.2 Malmquist指數(shù)

DEA框架下的各種模型廣泛應(yīng)用于靜態(tài)效率評(píng)價(jià)，但無法測算時(shí)間序列下決策單元效率的動(dòng)態(tài)變化趨勢(shì)。為彌補(bǔ)DEA非連續(xù)性描述的不足，本文引入Malmquist指數(shù)評(píng)價(jià)跨期各?。▍^(qū)、市）科技創(chuàng)新效率的動(dòng)態(tài)變化特征。假設(shè)為t至t+1期數(shù)的Malmquist指數(shù)，則：

式（4）～（6）中，（xt+1，yt+1）和（xt，yt）表示投入產(chǎn)出，TEPCH＞1表示全要素生產(chǎn)率提高；EFFCH＞1表示技術(shù)效率提高，縮小了決策單元與效率前沿面的差距；TECH＞1表示技術(shù)和創(chuàng)新取得進(jìn)步，生產(chǎn)邊界外擴(kuò)；PECH＞1表示技術(shù)和管理優(yōu)化導(dǎo)致效率提升；SECH＞1表示規(guī)模效率提升，反之均成立。

2.2 指標(biāo)構(gòu)建

目前學(xué)術(shù)界對(duì)科技創(chuàng)新效率進(jìn)行評(píng)價(jià)時(shí)，主要基于科技創(chuàng)新能力的投入與產(chǎn)出進(jìn)行評(píng)價(jià)?；诳茖W(xué)性、可比性和可及性的基本原則，本文主要從科技創(chuàng)新投入和產(chǎn)出兩個(gè)角度構(gòu)建指標(biāo)體系（見表1）。為消除投入產(chǎn)出數(shù)量級(jí)的影響，文中均選擇相對(duì)指標(biāo)值。

表1 科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系

2.2.1 科技創(chuàng)新投入

在科技創(chuàng)新投入方面，本文借鑒國內(nèi)外Miller等［16］、劉順忠等［17］、吳和成等［18］研究的普遍做法，將科技創(chuàng)新投入分為資金和人力兩大類。在資金投入中，以研究與發(fā)展（R&D）經(jīng)費(fèi)內(nèi)部支出和R&D經(jīng)費(fèi)支出為主要指標(biāo)，學(xué)術(shù)界進(jìn)行了大量探討。譚俊濤等［19］和吳傳清等［20］以R&D經(jīng)費(fèi)內(nèi)部支出作為投入指標(biāo)之一測算創(chuàng)新效率并分析其影響因素。蔣天穎［21］以R&D經(jīng)費(fèi)支出測算創(chuàng)新效率并進(jìn)行比較。而R&D經(jīng)費(fèi)內(nèi)部支出是真實(shí)開支，更能體現(xiàn)科研活動(dòng)的支撐狀況，因此本文更認(rèn)可前者。在人力投入上，R&D人員全時(shí)當(dāng)量既是國際上常用的比較標(biāo)準(zhǔn)，也是被選取頻率較高的指標(biāo)。綜合以上，國內(nèi)許多學(xué)者在考量科技創(chuàng)新投入時(shí)，僅用R&D經(jīng)費(fèi)內(nèi)部支出和R&D人員全時(shí)當(dāng)量，如楊樹旺等［5］、范建平等［22］和蘭海霞［8］。以樊華等［23］為例的一部分學(xué)者也用相對(duì)指標(biāo)進(jìn)行考量，考慮了R&D人員占科技活動(dòng)人員的比重以及科技經(jīng)費(fèi)支出占GDP的比重，羅穎等［9］將R&D經(jīng)費(fèi)支出占GDP比重納入指標(biāo)體系?；跀?shù)據(jù)可得性，本文納入每萬人R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)內(nèi)部支出占GDP比重兩者，組成投入類指標(biāo)。

2.2.2 科技創(chuàng)新產(chǎn)出

在建立科技創(chuàng)新產(chǎn)出指標(biāo)上，本文在反映其成果產(chǎn)出的同時(shí)也體現(xiàn)了其經(jīng)濟(jì)效益。

科技成果方面，專利與科技論文是將大量人力和資金用于R&D研發(fā)的結(jié)果，它能夠充分反映一個(gè)區(qū)域的科技創(chuàng)新狀況，因而，衡量科技創(chuàng)新產(chǎn)出的主要標(biāo)志即為專利和科技論文。由于專利可重復(fù)申請(qǐng)且不一定能通過審核，不能客觀反映科技創(chuàng)新的最終產(chǎn)出，因此相對(duì)于專利申請(qǐng)量，專利授權(quán)量被作為指標(biāo)使用的頻率較高，楊樹旺等［5］將專利申請(qǐng)授權(quán)量納入產(chǎn)出指標(biāo)中，以測算綠色創(chuàng)新效率。由于發(fā)明專利具有極強(qiáng)的創(chuàng)新性和應(yīng)用價(jià)值，并且是在國際上公認(rèn)的產(chǎn)出指標(biāo)［24］，因此有很多研究用發(fā)明專利授權(quán)數(shù)代替專利授權(quán)數(shù)來作為衡量指標(biāo)，范建平等［22］在研究科技創(chuàng)新效率時(shí)將其納入產(chǎn)出指標(biāo)中；此外，專利中的實(shí)用新型專利在創(chuàng)新和經(jīng)濟(jì)效益上雖不如發(fā)明專利，但其對(duì)科技創(chuàng)新的貢獻(xiàn)卻不可忽視，故將各省每年度發(fā)明專利和實(shí)用新型專利數(shù)量相加，共同作為一項(xiàng)科技創(chuàng)新產(chǎn)出指標(biāo)。

在經(jīng)濟(jì)效益方面，已有研究多以技術(shù)市場成交額作為度量標(biāo)準(zhǔn)，部分研究選取新產(chǎn)品銷售收入來進(jìn)行量化。蘭海霞等［8］采用了技術(shù)市場成交額代表經(jīng)濟(jì)效益，而蘭海［11］等則采用了新產(chǎn)品銷售收入，羅穎等［9］將兩者均納入了產(chǎn)出指標(biāo)。

本文借鑒趙青霞等［25］和汪本強(qiáng)等［26］等人相對(duì)指標(biāo)的做法，選取每萬人發(fā)明和實(shí)用新型專利授權(quán)、每萬人科技論文、技術(shù)市場成交額占GDP比重構(gòu)成產(chǎn)出類指標(biāo)。

2.3 數(shù)據(jù)來源與說明

本文所采用的數(shù)據(jù)主要來自《中國統(tǒng)計(jì)年鑒》《中國科技科技統(tǒng)計(jì)年鑒》以及各?。▍^(qū)、市）的統(tǒng)計(jì)年鑒。由于數(shù)據(jù)缺失，港澳臺(tái)地區(qū)被剔除在外。

同向性假設(shè)原則是在構(gòu)建指標(biāo)體系時(shí)需要注意的，所以本文對(duì)所選樣本進(jìn)行Pearson檢驗(yàn)。由表2的結(jié)果顯示，本文所構(gòu)建的投入產(chǎn)出指標(biāo)之間相關(guān)性不但為正,且在顯著性為1%的情況下通過雙尾驗(yàn)證，這表明該投入產(chǎn)出指標(biāo)均滿足模型所要求的“同向性”要求，據(jù)此進(jìn)行效率測度和評(píng)價(jià)也具有一定合理性。

表2 Pearson 相關(guān)系數(shù)檢驗(yàn)

3 科技創(chuàng)新效率靜態(tài)分析與評(píng)價(jià)

對(duì)科技創(chuàng)新效率進(jìn)行靜態(tài)分析與評(píng)價(jià)，本文基于超效率SBM模型，以2015—2020年我國31個(gè)?。▍^(qū)、市）為研究對(duì)象，借助MATLAB軟件得出測算結(jié)果，結(jié)果如表3所示。

表3 2015—2020年31個(gè)省（區(qū)、市）科技創(chuàng)新效率

表3（續(xù)）

表3（續(xù)）

3.1 科技創(chuàng)新效率綜合分析

從整體看，2015—2020年我國科技創(chuàng)新效率沒有明顯變化，均值維持在0.632～0.699之間。每年科技創(chuàng)新效率達(dá)到有效水平的?。▍^(qū)、市）較少，集中在32.3%左右。2015年和2016年有9個(gè)省（區(qū)、市）達(dá)到有效水平，2017年和2018年有11個(gè)?。▍^(qū)、市）達(dá)到有效水平，2019年和2020年達(dá)到有效水平的省（區(qū)、市）則為10個(gè)。其中北京、甘肅、新疆和西藏每年均能達(dá)到有效水平，天津、吉林、浙江、陜西和青海在2015—2020年的6年里有4個(gè)及以上年份科技創(chuàng)新效率處于有效水平。根據(jù)各?。▍^(qū)、市）2015—2020年平均科技創(chuàng)新效率進(jìn)行排序，結(jié)果如表4所示。

表4 2015—2020年平均科技創(chuàng)新效率排序

從地區(qū)來看，西部地區(qū)的科技創(chuàng)新效率明顯高于東部和中部地區(qū)，而東部地區(qū)科技創(chuàng)新效率則稍高于中部。東部區(qū)域的科技創(chuàng)新效率在0.569～0.743區(qū)間內(nèi)波動(dòng)，與31個(gè)?。▍^(qū)、市）平均水平基本持平；中部地區(qū)均值在0.363～0.559之間波動(dòng)，在三大區(qū)域中排名最后；西部地區(qū)科技創(chuàng)新效率最高，均值波動(dòng)于0.682～0.833之間。

東部地區(qū)中，僅有北京市的科技創(chuàng)新處于效率前沿面，且穩(wěn)定處于較高水平，不僅是東部地區(qū)科技創(chuàng)新效率最高的?。▍^(qū)、市），在31個(gè)省（區(qū)、市）內(nèi)也一直處于最高水平。這也可以側(cè)面反映出東部地區(qū)效率主要靠北京市的拉動(dòng)，整體區(qū)域協(xié)同發(fā)展不足，北京市的輻射影響能力需要不斷提升。天津市近年來科技創(chuàng)新效率較高，且有穩(wěn)步上升的趨勢(shì)。浙江省2015—2019年科技創(chuàng)新效率均大于1，處于有效水平，整體科技創(chuàng)新效率較高。

中部地區(qū)中，吉林和黑龍江近年來科技創(chuàng)新效率較高，其中吉林省呈波動(dòng)上升趨勢(shì)，而黑龍江省則在2017和2018年均呈現(xiàn)跳躍式增長，說明該省這兩年的科技創(chuàng)新效率均有明顯進(jìn)步，投入產(chǎn)出結(jié)構(gòu)得到優(yōu)化，資源配置更加高效。

西部地區(qū)中，陜西、甘肅、貴州、青海、新疆和西藏科技創(chuàng)新效率都穩(wěn)定處于較高的水平。西藏經(jīng)濟(jì)、地理和政策等方面的特殊性可能為其科技創(chuàng)新效率提供了保障。除西藏之外，甘肅、貴州、青海和新疆雖然科技創(chuàng)新水平指數(shù)較低，但科技創(chuàng)新效率一直穩(wěn)定在有效水平，可能由于這三個(gè)省和自治區(qū)的科技創(chuàng)新投入力度較低，造成科技創(chuàng)新效率和科技創(chuàng)新水平看似相矛盾的情況。陜西的科技創(chuàng)新水平指數(shù)較高，科技創(chuàng)新效率逐步上升，且自2017年來穩(wěn)定于有效水平，說明該省科技創(chuàng)新投入力度較大，且投入產(chǎn)出較為合理，資源配置較為高效。

3.2 《報(bào)告》排名前十?。▍^(qū)、市）的比較分析

《報(bào)告》基于科技活動(dòng)投入、科技活動(dòng)產(chǎn)出、科技創(chuàng)新環(huán)境、高新技術(shù)產(chǎn)業(yè)化和科技促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展等5個(gè)方面，評(píng)價(jià)31個(gè)?。▍^(qū)、市）的綜合科技創(chuàng)新水平。其中排名前十的省（區(qū)、市）按順序排列分別為上海、北京、廣東、天津、江蘇、浙江、重慶、湖北、陜西和山東。可以看出十大?。▍^(qū)、市）中，7個(gè)?。▍^(qū)、市）屬于東部，分別為上海、北京、廣東、天津、江蘇、浙江和山東，中部地區(qū)僅有湖北省，而西部地區(qū)有重慶和陜西2個(gè)?。▍^(qū)、市），占據(jù)兩席。整體來看，東部地區(qū)科技創(chuàng)新水平遠(yuǎn)高于中部和西部，而在中西部二者間，西部略勝一籌。

在這十個(gè)?。▍^(qū)、市）中，平均科技創(chuàng)新效率最高的是北京，效率均值為2.251，遠(yuǎn)高于其他省（區(qū)、市）。說明北京具有堅(jiān)實(shí)的科技創(chuàng)新基礎(chǔ)、豐厚的科技創(chuàng)新資源和活躍的科技創(chuàng)新主體。然而從趨勢(shì)來看，北京市科技創(chuàng)新效率呈現(xiàn)波動(dòng)下降趨勢(shì)，總體增速呈現(xiàn)“W”型。同時(shí)根據(jù)表5可知，綜合科技創(chuàng)新水平指數(shù)排名前十的?。▍^(qū)、市）中東部地區(qū)科技創(chuàng)新效率的平均值最高，但是這其中北京做了巨大貢獻(xiàn)，除北京、浙江和天津外的其他?。▍^(qū)、市）科技創(chuàng)新效率均低于十省整體均值，原因可能為投入產(chǎn)出結(jié)構(gòu)不夠合理，科技創(chuàng)新投入存在冗余。

表5 2015—2020年《報(bào)告》前十的省（區(qū)、市）科技創(chuàng)新效率

僅次于北京的省（區(qū)、市）為浙江、陜西和天津。其中，陜西省作為西部科技創(chuàng)新大省，2015—2020年間科技創(chuàng)新效率實(shí)現(xiàn)了低效到高效的轉(zhuǎn)變，并持續(xù)處于有效水平。這要?dú)w功于陜西省深入推進(jìn)深化科技體制改革方案,將科技這第一生產(chǎn)力、創(chuàng)新這第一驅(qū)動(dòng)力發(fā)揮到了極致。

值得注意的是在《報(bào)告》中科技創(chuàng)新水平指數(shù)分別位于第一、第三和第五的上海市、廣東省和江蘇省，這3個(gè)?。▍^(qū)、市）作為經(jīng)濟(jì)較強(qiáng)的?。▍^(qū)、市），科技創(chuàng)新效率并不高，2015—2020年的均值都在0.4～0.6之間，可見科技創(chuàng)新水平高并不意味著科技創(chuàng)新效率一定優(yōu)異。究其原因，可能是由于區(qū)域內(nèi)大規(guī)?？萍紕?chuàng)新投入的邊際產(chǎn)出下降，從而使得科技創(chuàng)新效率不高。

4 科技創(chuàng)新效率動(dòng)態(tài)分析與評(píng)價(jià)

4.1 Malmquist指數(shù)綜合分析

本文借助DEAP2.1軟件計(jì)算得到科技創(chuàng)新效率Malmquist指數(shù)及分解量，結(jié)果如表6所示。

表6 31個(gè)?。▍^(qū)、市）科技創(chuàng)新效率的Malmquist指數(shù)及其分解

從總體上來看，近6年31個(gè)省份的科技創(chuàng)新全要素生產(chǎn)率雖然有很大幅度波動(dòng)，但數(shù)值基本都超過1，平均值為1.098，即年均增長率為9.8%，說明2015—2020年科技創(chuàng)新效率基本處于上升趨勢(shì)。從指數(shù)分解結(jié)構(gòu)來看，2015—2020年的技術(shù)進(jìn)步指數(shù)具有很大起伏性，平均增長10.9%；技術(shù)效率變化指數(shù)總體上呈現(xiàn)下滑態(tài)勢(shì)，并以每年1%的速度遞減。觀察圖1可知，2015—2020年技術(shù)進(jìn)步指數(shù)與全要素生產(chǎn)率波動(dòng)趨勢(shì)相近，說明技術(shù)進(jìn)步變化對(duì)全要素生產(chǎn)率變化的影響更大，技術(shù)的引進(jìn)、優(yōu)化和開發(fā)對(duì)技術(shù)創(chuàng)新進(jìn)步有著非常重要的作用。

圖1 31個(gè)?。▍^(qū)、市）科技創(chuàng)新效率的Malmquist指數(shù)變化趨勢(shì)

對(duì)分解指數(shù)進(jìn)行分析，發(fā)現(xiàn)技術(shù)效率和純技術(shù)效率變化指數(shù)之間存在一定關(guān)系，其變動(dòng)規(guī)律是一致的，并且數(shù)值非常接近，故純技術(shù)效率變化指數(shù)是影響技術(shù)效率指數(shù)的主要因素。在2015—2020年間的總體走勢(shì)下降，且2017—2020年期間均小于1，說明這期間我國科技創(chuàng)新資源配置能力和資源利用效率并不理想，需要進(jìn)一步完善。

從國家總體層面（見表7和圖2）來看，2015—2020年31個(gè)?。▍^(qū)、市）全要素生產(chǎn)率均大于1，說明我國科技創(chuàng)新效率總的來說是呈上升趨勢(shì)的。河北省全要素生產(chǎn)率以23.8%的年均增速位居全國前列，而重慶最低，只有0.2%。河北、江蘇、山東、內(nèi)蒙古、寧夏等13個(gè)?。▍^(qū)、市）的全要素生產(chǎn)率在10%以上，占比達(dá)到41.9%，其中東、中、西部?。▍^(qū)、市）分別有7個(gè)、2個(gè)和4個(gè)。這13個(gè)省中江蘇、內(nèi)蒙古、天津、廣東、福建和青海的各項(xiàng)指數(shù)值均大于1，說明這些省（區(qū)、市）技術(shù)創(chuàng)新進(jìn)步較為平衡和全面，管理水平、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)水平等方面的改善均有成效。寧夏、河南、山西、貴州和上海的技術(shù)效率都有些微衰退，而技術(shù)進(jìn)步彌補(bǔ)了這部分衰退，進(jìn)而使得科技創(chuàng)新綜合效率得到了增長。技術(shù)效率是由純技術(shù)效率和規(guī)模效率兩方面共同作用的，河南、山西和貴州技術(shù)效率的下降是受到了純技術(shù)效率衰退的影響，未來這3個(gè)省應(yīng)當(dāng)將重點(diǎn)放在技術(shù)效能提升、資源合理分配、管理水平提高以及制度水平提升方面；而寧夏和上海主要是受到規(guī)模效率的影響，應(yīng)當(dāng)優(yōu)化生產(chǎn)規(guī)模。山東省雖然技術(shù)效率和技術(shù)進(jìn)步均呈增長趨勢(shì)，但規(guī)模效率卻出現(xiàn)了一定的下滑，應(yīng)當(dāng)在未來對(duì)規(guī)模效率進(jìn)行改善。

圖2 2015—2020年31個(gè)?。▍^(qū)、市）科技創(chuàng)新效率Malmquist指數(shù)雷達(dá)圖

表7 2015—2020年31個(gè)?。▍^(qū)、市）科技創(chuàng)新效率Malmquist指數(shù)及其分解量

表7（續(xù)）

4.2 重點(diǎn)?。▍^(qū)、市）科技創(chuàng)新效率Malmquist指數(shù)分析

從重點(diǎn)?。▍^(qū)、市）層面看，《報(bào)告》中綜合科技創(chuàng)新水平指數(shù)位于前十的十個(gè)?。▍^(qū)、市）中，北京、天津、江蘇、廣東和陜西科技創(chuàng)新增長結(jié)構(gòu)較好，說明這些省（區(qū)、市）的投入產(chǎn)出結(jié)構(gòu)、創(chuàng)新管理水平和科技發(fā)展等方面均得到了優(yōu)化，并取得了成效。

前文測算發(fā)現(xiàn)，北京市科技創(chuàng)新效率在31個(gè)?。▍^(qū)、市）內(nèi)居于高位，但有下降趨勢(shì)。故本文通過其分解量來探究原因。從表8中指數(shù)的動(dòng)態(tài)演變來看，2015—2019年Malmquist指數(shù)下降了12.42%，說明“十三五”期間科技創(chuàng)新發(fā)展出現(xiàn)疲軟。此外，綜合技術(shù)效率始終為1，且全要素生產(chǎn)率與技術(shù)進(jìn)步的走勢(shì)一致，因此可以推斷北京市全要素生產(chǎn)率主要受技術(shù)進(jìn)步的影響。據(jù)統(tǒng)計(jì)，2020年北京市基礎(chǔ)研究環(huán)節(jié)的投入僅占研發(fā)投入總量的16.04%，明顯不足。同時(shí)首都科技發(fā)展戰(zhàn)略研究院院長關(guān)成華表示“目前雖然北京擁有龐大的人力資源，但是在一些重要的核心技術(shù)方面，尤其是在諸如人工智能這樣的新興技術(shù)方面，還是缺少一流的科學(xué)技術(shù)人員?！边@說明北京市科技創(chuàng)新雖常居榜首，但面對(duì)不斷增長發(fā)展需求，基礎(chǔ)環(huán)節(jié)投入不足以及關(guān)鍵核心領(lǐng)域人才缺口成為了阻礙技術(shù)進(jìn)步的“卡脖子”問題。即技術(shù)進(jìn)步遲緩是北京市科技創(chuàng)新效率波動(dòng)下降的最大問題所在。

表8 2015—2020年北京市科技創(chuàng)新效率Malmquist指數(shù)及其分解

前文測算出現(xiàn)異常低值的上海，其技術(shù)效率變化指數(shù)在1以下且低于技術(shù)進(jìn)步指數(shù)，技術(shù)進(jìn)步并不能抵消技術(shù)效率衰落（如表9所示）。這說明上海憑借經(jīng)濟(jì)和地理位置的優(yōu)勢(shì)，有著豐富的人力和財(cái)力的創(chuàng)新投入要素，但相對(duì)薄弱的環(huán)節(jié)在于科技成果轉(zhuǎn)化的經(jīng)濟(jì)產(chǎn)出。由于上海的工業(yè)產(chǎn)業(yè)集群規(guī)模不如江浙等周圍地域，而且獲取的成本相對(duì)較高，所以其經(jīng)濟(jì)收益并不是很好，導(dǎo)致科技創(chuàng)新效率處于較低水平。從分解結(jié)構(gòu)進(jìn)一步發(fā)現(xiàn)，導(dǎo)致技術(shù)效率衰退的最主要原因是規(guī)模效率變化，這也進(jìn)一步證明上?？萍紕?chuàng)新投入冗余現(xiàn)象。

表9 2015—2020年上海市科技創(chuàng)新效率Malmquist指數(shù)及其分解

表9（續(xù)）

與上海相同，浙江、湖北和重慶的癥結(jié)所在也為技術(shù)效率的下降，但與上海不同的是，這3個(gè)省份不僅規(guī)模效率出現(xiàn)了衰退，純技術(shù)效率也未實(shí)現(xiàn)增長，即資源配置能力、制度與管理水平、生產(chǎn)規(guī)模等多方面能力和要素均需要發(fā)展和完善。

5 結(jié)論與建議

5.1 結(jié)論

本文依據(jù)超效率SBM-Malmquist模型，剖析了2015—2020年中國31個(gè)?。▍^(qū)、市）的科技創(chuàng)新發(fā)展效率和發(fā)展趨勢(shì)，并對(duì)《報(bào)告》中綜合科技創(chuàng)新水平指數(shù)位于前十的10個(gè)?。▍^(qū)、市）進(jìn)行了重點(diǎn)探究，通過以上研究，本文得出以下結(jié)論：

5.1.1 科技創(chuàng)新效率現(xiàn)狀

從整體看，31個(gè)?。▍^(qū)、市）科技創(chuàng)新效率在2015—2020年處于0.632～0.699間的水平，屬于低效狀態(tài)。區(qū)域間呈現(xiàn)西部＞東部＞中部區(qū)域的態(tài)勢(shì)。西部科技創(chuàng)新效率較高，原因可能為其投入產(chǎn)出結(jié)構(gòu)較好，但因?yàn)榭萍紕?chuàng)新投入基數(shù)較少，造成了效率虛高的現(xiàn)象。雖然東部地區(qū)整體科技創(chuàng)新效率不低，但這主要是依賴于北京的拉動(dòng)，其中大部分?。▍^(qū)、市）科技創(chuàng)新效率處于較低的狀態(tài)，這說明東部地區(qū)區(qū)域間的協(xié)同發(fā)展不足，科技強(qiáng)省的輻射力不夠。

從《報(bào)告》排名前十的?。▍^(qū)、市）來看，我國東部科技創(chuàng)新水平遠(yuǎn)高于中部和西部，而在中西部之間，西部略勝一籌。另外，上海、廣東、江蘇等?。▍^(qū)、市）科技創(chuàng)新效率比較低，原因可能為這些地區(qū)科技創(chuàng)新環(huán)境、高新技術(shù)產(chǎn)業(yè)化成果等因素的支撐弱化了科技創(chuàng)新效率不高所帶來的負(fù)面影響。

5.1.2 科技創(chuàng)新效率發(fā)展趨勢(shì)

從整體看，2015—2020年31個(gè)省（區(qū)、市）科技創(chuàng)新全要素生產(chǎn)率均大于1，說明我國科技創(chuàng)新效率呈增長趨勢(shì)，科技創(chuàng)新發(fā)展形勢(shì)向好，其中技術(shù)進(jìn)步對(duì)科技創(chuàng)新效率增長作出的貢獻(xiàn)更大。此外，純技術(shù)效率的衰退對(duì)技術(shù)效率帶來的負(fù)面影響較大，說明科技創(chuàng)新資源合理分配、制度水平提升、創(chuàng)新管理等方面仍有很大發(fā)展空間。

5.2 建議

5.2.1 通過精準(zhǔn)施策提升各省的科技創(chuàng)新效率

我國科技創(chuàng)新效率整體效率偏低，且區(qū)域發(fā)展不平衡，一方面是科技強(qiáng)省的輻射帶動(dòng)力不足，另一方面西部地區(qū)存在虛高現(xiàn)象。對(duì)此，政府需要因地制宜，精準(zhǔn)施策。對(duì)于科技強(qiáng)省，在加強(qiáng)鞏固科技創(chuàng)新中心建設(shè)的同時(shí)充分發(fā)揮其火車頭作用，輻射帶動(dòng)周邊?。▍^(qū)、市）的發(fā)展。同時(shí)對(duì)科技創(chuàng)新效率較弱省（區(qū)、市），在著力打造自身的同時(shí)需要加強(qiáng)政策支持，尤其在財(cái)政資金、科技發(fā)展專項(xiàng)資金和人才引進(jìn)和培養(yǎng)方面的傾斜，從而提高整體科技創(chuàng)新水平。

5.2.2 加強(qiáng)要素的跨區(qū)域流動(dòng)

根據(jù)測算結(jié)果，部分?。▍^(qū)、市）（尤其是上海市）沒有達(dá)到效率前沿面主要是由于科技創(chuàng)新資源投入存在一定的冗余或資源浪費(fèi)情況，因此要加強(qiáng)要素的跨區(qū)域流動(dòng)，做到優(yōu)勢(shì)互補(bǔ)。首先需要各?。▍^(qū)、市）根據(jù)自身創(chuàng)新能力和規(guī)模，在資源配置合理化的基礎(chǔ)上促進(jìn)要素的有效利用；其次全國范圍內(nèi)建立“經(jīng)濟(jì)+聲譽(yù)”的雙重共享激勵(lì)機(jī)制和資源共享雙向補(bǔ)助政策，打破要素流動(dòng)壁壘，建立有效的資源要素協(xié)作網(wǎng)絡(luò)，探索“用工共享”“專利共享”的可能性；最后需要積極融入國際創(chuàng)新大環(huán)境中，擴(kuò)大對(duì)外開放程度，從而不斷提升自身科技創(chuàng)新能力。

5.2.3 進(jìn)一步發(fā)揮技術(shù)進(jìn)步在科技創(chuàng)新中的關(guān)鍵作用

我國雖然科技創(chuàng)新效率偏低，但發(fā)展形勢(shì)向好。根據(jù)Malmquist指數(shù)分解，本文發(fā)現(xiàn)技術(shù)進(jìn)步在其中的貢獻(xiàn)最大，因此為了更好地發(fā)揮技術(shù)進(jìn)步在科技創(chuàng)新中的關(guān)鍵作用，需要加快對(duì)“卡脖子”技術(shù)難題的攻克。首先需要加強(qiáng)對(duì)關(guān)鍵領(lǐng)域人才的引進(jìn)和培養(yǎng)，并建立創(chuàng)新人才的激勵(lì)機(jī)制增強(qiáng)人才創(chuàng)新動(dòng)力，促進(jìn)科技成果的形成。其次需要加快產(chǎn)學(xué)研協(xié)同發(fā)展，政府牽頭建設(shè)，由高校、企業(yè)、科技中介、新型研發(fā)機(jī)構(gòu)等組成的區(qū)域創(chuàng)新聯(lián)盟，健全科技成果與市場對(duì)接的創(chuàng)新網(wǎng)絡(luò)；最后通過“揭榜掛帥”等一系列改革措施推動(dòng)科技創(chuàng)新以需求為導(dǎo)向，促進(jìn)“一技一策”的有效對(duì)接，精準(zhǔn)突破關(guān)鍵技術(shù)。

5.2.4 優(yōu)化科技創(chuàng)新的投入產(chǎn)出結(jié)構(gòu)

我國技術(shù)效率衰退主要受純技術(shù)效率的影響，因此優(yōu)化科技創(chuàng)新投入產(chǎn)出結(jié)構(gòu)，使資源配置合理化尤為關(guān)鍵。一方面，需建立多元主體的科技創(chuàng)新投入機(jī)制，另一方面，在保證科技創(chuàng)新投入有效供給的基礎(chǔ)上，建立多元科技創(chuàng)新成果轉(zhuǎn)化機(jī)制；最后，在投入資源有限的情況下要使得科技創(chuàng)新產(chǎn)出最大化，這需要對(duì)投入的資金、方向以及效果收益建立合理的監(jiān)督或者反饋評(píng)價(jià)機(jī)制，確保科技創(chuàng)新效率可長效追蹤并溯源。