鄭黃山

（福建船政交通職業(yè)學(xué)院,福建 福州 350007）

科技創(chuàng)新不僅是推進(jìn)高校全面創(chuàng)新的源頭，也是推動(dòng)高校全面創(chuàng)新的永動(dòng)機(jī)。對(duì)高校辦學(xué)水平與質(zhì)量的評(píng)價(jià)，不能忽視對(duì)其科技創(chuàng)新能力與效率的考察。按照歸口管理可將中國(guó)的大學(xué)簡(jiǎn)單分為教育部直屬高校、中央部委所屬高校以及地方高校等，其中地方高校在整體結(jié)構(gòu)中居多數(shù)。因此，本文針對(duì)我國(guó)高校的科技創(chuàng)新效率，從地方高校的發(fā)展程度入手，以其發(fā)展水平為標(biāo)準(zhǔn)，檢驗(yàn)我國(guó)高校科技創(chuàng)新的整體質(zhì)量。

學(xué)術(shù)界圍繞高?？萍紕?chuàng)新效率的評(píng)價(jià)展開了諸多有益的討論，內(nèi)容涉及多個(gè)維度。在評(píng)價(jià)體系方面，部分學(xué)者立足于宏觀面板數(shù)據(jù)，設(shè)計(jì)以資本、人力為主的投入指標(biāo)和以創(chuàng)新成果為代表的科技產(chǎn)出指標(biāo)，對(duì)省域高?？萍紕?chuàng)新效率進(jìn)行衡量，并進(jìn)一步分析其演化趨勢(shì)[1-4]。評(píng)價(jià)方法方面，學(xué)者們?cè)谠u(píng)價(jià)高?？萍紕?chuàng)新效率時(shí)采用了數(shù)據(jù)包絡(luò)分析（DEA）、隨機(jī)前沿分析（SFA）、主成分分析（PCA）、社會(huì)網(wǎng)絡(luò)分析（SNA）等多種分析方法[5-8]。此外，部分學(xué)者在構(gòu)建評(píng)價(jià)體系的基礎(chǔ)上，或基于重點(diǎn)高校，或基于一流大學(xué)對(duì)某一類型高校的科技創(chuàng)新效率進(jìn)行測(cè)度，展現(xiàn)了學(xué)術(shù)界在此類研究中對(duì)不同類型高校與區(qū)域差異的思考[9-12]。

目前，在高校科技創(chuàng)新效率評(píng)價(jià)研究中，從歸口管理的視角，按照財(cái)政資金支持來源差異，對(duì)地方院?？萍紕?chuàng)新效率進(jìn)行評(píng)價(jià)的研究相對(duì)較少，而各省內(nèi)部的資金、政策支持是目前地方高校科研資金的主要來源，我國(guó)高?？萍紕?chuàng)新效率的地區(qū)差異取決于地方對(duì)科研的投入強(qiáng)度。因此，以省域地方高校為研究對(duì)象，評(píng)價(jià)其科技創(chuàng)新效率并對(duì)區(qū)域間效率差異進(jìn)行數(shù)據(jù)分析具有重要的意義。

1 研究方法、數(shù)據(jù)來源及指標(biāo)設(shè)置

1.1 研究方法

1.1.1 科技創(chuàng)新效率評(píng)價(jià)方法

DEA方法在實(shí)際應(yīng)用中具有很大的靈活性和適用性[13]。通過DEA方法，可以識(shí)別出相對(duì)有效的決策單元，并為低效單位提供改進(jìn)方向和參考。此外，DEA方法并不受限于特定的函數(shù)形式或線性假設(shè)，因此適用于各種類型的生產(chǎn)系統(tǒng)和評(píng)價(jià)對(duì)象。作為DEA方法中的典型代表，Malmquist指數(shù)模型旨在評(píng)價(jià)決策單元在一段時(shí)間內(nèi)的動(dòng)態(tài)效率，即年度間效率值的變動(dòng)指數(shù)。該模型能同時(shí)兼顧時(shí)間、地域兩個(gè)維度的比較，被廣泛應(yīng)用于科技、金融、醫(yī)療等眾多部門生產(chǎn)效率的評(píng)價(jià)。

本文應(yīng)用DEA-Malmquist模型，對(duì)省域地方高校科技創(chuàng)新效率進(jìn)行測(cè)算與評(píng)價(jià)。在模型中，科技創(chuàng)新全要素生產(chǎn)率（TFP）表示科技創(chuàng)新效率的變動(dòng)情況，同時(shí)，科技創(chuàng)新全要素生產(chǎn)率（TFP）可進(jìn)一步細(xì)分為技術(shù)效率（EFFCH）和技術(shù)進(jìn)步（TECHCH），其關(guān)系為TFP=EFFCH×TECHCH。技術(shù)效率代表高校科技創(chuàng)新資源要素的配置水平，技術(shù)進(jìn)步代表高?？萍紕?chuàng)新技術(shù)進(jìn)步水平。同樣，技術(shù)效率（EFFCH）可細(xì)分為純技術(shù)效率（PECH）和規(guī)模效率（SECH），用純技術(shù)效率表征資源管理水平，規(guī)模效率表征資源要素配置結(jié)構(gòu)的合理水平。模型中所有指數(shù)的取值范圍為[0,2]，指數(shù)大于1代表效率提升，小于1則代表效率下降。

1.1.2 收斂性檢驗(yàn)方法

收斂性分析是指在研究中對(duì)序列、函數(shù)或模型的趨近性質(zhì)進(jìn)行分析和檢驗(yàn)。它是用于判斷一個(gè)序列或函數(shù)是否會(huì)逐漸趨向于某個(gè)極限值或穩(wěn)定狀態(tài)。

本研究在已有研究的基礎(chǔ)上采用σ-收斂、β-絕對(duì)收斂和β-條件收斂等分析方法對(duì)省域地方高校科技創(chuàng)新效率的空間差異進(jìn)行收斂性檢驗(yàn)。其中，σ-收斂為統(tǒng)計(jì)指標(biāo)方法，用平均值與標(biāo)準(zhǔn)差的比值衡量；β-絕對(duì)收斂用來驗(yàn)證效率差異省份之間差異的縮小趨勢(shì)；β-條件收斂則用來檢驗(yàn)在控制一定條件下，具有差異的地域，其高?？萍紕?chuàng)新效率趨于均衡的態(tài)勢(shì)。

β-絕對(duì)收斂分析模型如下：

β-條件收斂分析模型如下：

式中，i表示樣本省份，TEi,t表示樣本省份檢驗(yàn)期的高?？萍紕?chuàng)新效率值，TEi0表示樣本省份基期的效率值，T或t表示年份跨度，a為常數(shù)項(xiàng)，b表示收斂速度（b＞0表示發(fā)散，b＜0表示收斂），ε為誤差項(xiàng)。

1.2 數(shù)據(jù)來源

為體現(xiàn)出我國(guó)省域地方高?？萍紕?chuàng)新效率的變化，本文選取2003—2020年的省級(jí)面板數(shù)據(jù)進(jìn)行分析，由于統(tǒng)計(jì)口徑及部分?jǐn)?shù)據(jù)缺失不全等原因，本研究中進(jìn)行效率測(cè)算的投入產(chǎn)出數(shù)據(jù)均來自2004—2021年《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》及EPS數(shù)據(jù)平臺(tái)中的教育板塊數(shù)據(jù)。

1.3 指標(biāo)設(shè)置

本文的研究對(duì)象為各省份地方高?？萍紕?chuàng)新效率，因此，選取地方高校當(dāng)年研究與發(fā)展經(jīng)費(fèi)支出作為科研資金投入，同時(shí)，考慮到科研人員中的兼職現(xiàn)象，選擇地方高校研究與發(fā)展全時(shí)人員（人年）作為人力投入，以避免數(shù)據(jù)偏差[14]。與此同時(shí)，將地方高校研究與發(fā)展課題數(shù)納入投入指標(biāo)序列。產(chǎn)出指標(biāo)方面，將科技論文數(shù)量、科技著作數(shù)量、專利授權(quán)數(shù)量作為科技創(chuàng)新產(chǎn)出指標(biāo)，并將地方高校技術(shù)轉(zhuǎn)讓收入作為衡量科技產(chǎn)出的重要標(biāo)準(zhǔn)。對(duì)比已有研究，在科技創(chuàng)新產(chǎn)出的評(píng)價(jià)維度，考察科技成果產(chǎn)出與科技創(chuàng)收產(chǎn)出能夠更為準(zhǔn)確地表征高?？萍紕?chuàng)新的真實(shí)水平。評(píng)價(jià)指標(biāo)體系如表1所示。

表1 省域地方高?？萍紕?chuàng)新效率評(píng)價(jià)指標(biāo)體系

2 省域地方高?？萍紕?chuàng)新效率的時(shí)空演變分析

2.1 年度省域地方高?？萍紕?chuàng)新效率演變趨勢(shì)分析

由圖1可知，2003—2020年間地方高?？萍紕?chuàng)新全要素生產(chǎn)率呈現(xiàn)明顯的波動(dòng)狀態(tài)。其中，在2003—2005 年、2006—2009 年、2011—2013 年、2014—2016年、2016—2019年間地方高?？萍紕?chuàng)新全要素生產(chǎn)率均出現(xiàn)較大程度的下降，其他年度呈現(xiàn)不同程度的上升態(tài)勢(shì)。技術(shù)進(jìn)步的變動(dòng)趨勢(shì)大體與全要素生產(chǎn)率年度間的浮動(dòng)相吻合，說明在全要素生產(chǎn)率的分解變量中，技術(shù)進(jìn)步對(duì)全要素生產(chǎn)率的作用力度較大，進(jìn)一步驗(yàn)證了地方高校在新知識(shí)、新技能、發(fā)明創(chuàng)造以及新的組織結(jié)構(gòu)在科技活動(dòng)的應(yīng)用上存在短板，一定程度上限制了其科技創(chuàng)新效率。在2007—2011年、2012—2014年以及2015—2018年，技術(shù)效率與全要素生產(chǎn)率的變動(dòng)趨勢(shì)相反，反映出技術(shù)效率對(duì)全要素生產(chǎn)率的影響較為薄弱。在技術(shù)效率的兩個(gè)分解變量中，規(guī)模效率年度間的變動(dòng)趨勢(shì)大體與技術(shù)效率吻合，說明地方高校的科技創(chuàng)新資源管理能力與配置水平并未對(duì)科技創(chuàng)新效率發(fā)揮較為明顯的貢獻(xiàn)作用，提高科技資源的配置水平是加強(qiáng)地方高?？萍紕?chuàng)新管理活動(dòng)的重要環(huán)節(jié)。

圖1 2003—2020年中國(guó)地方高?？萍紕?chuàng)新效率年度間變動(dòng)

2.2 省域地方高?？萍紕?chuàng)新效率的空間差異分析

表2為2003—2020年我國(guó)東部地區(qū)、東北地區(qū)、中部地區(qū)和西部地區(qū)地方高校科技創(chuàng)新全要素生產(chǎn)率及其構(gòu)成的取值情況。由表2可知，我國(guó)整體及其分區(qū)地方高?？萍紕?chuàng)新效率呈現(xiàn)明顯的區(qū)域差異特征，這一特征與以往一般性研究的結(jié)論相吻合[15]。具體來看，省域地方高校科技創(chuàng)新效率的空間差異特征如下：（1）不同省域的地方高?？萍紕?chuàng)新效率的平均水平差距較大。東部地區(qū)效率值最高，其次為中部地區(qū)和西部地區(qū)，東北地區(qū)最低。并且東部地區(qū)的高校科技資源投入遙遙領(lǐng)先于其他三個(gè)地區(qū)。地方高校科技創(chuàng)新全要素生產(chǎn)率平均超過1的僅有東部地區(qū)，中部、西部、東北地區(qū)的地方高校科技創(chuàng)新全要素生產(chǎn)率平均水平均未超過1，說明這三個(gè)地區(qū)的科技創(chuàng)新效率在2003—2020年間整體處于下降態(tài)勢(shì)。（2）地方高校科技創(chuàng)新效率的驅(qū)動(dòng)來源區(qū)域化明顯。東部地區(qū)地方高?？萍紕?chuàng)新的技術(shù)進(jìn)步平均值為1.028，雖然技術(shù)效率值不足1，但仍帶動(dòng)了全要素生產(chǎn)率的提升；而中部、西部?jī)蓚€(gè)地區(qū)地方高?？萍紕?chuàng)新的技術(shù)進(jìn)步平均值均未超過1，技術(shù)效率的平均值反而高于1，分別為1.008和1.011。這說明在科技創(chuàng)新活動(dòng)中，不同地區(qū)地方高校的發(fā)展?fàn)顩r以及發(fā)展優(yōu)勢(shì)差異明顯。（3）地區(qū)內(nèi)部地方高?？萍紕?chuàng)新效率差異明顯。東部地區(qū)大多數(shù)省份地方高?？萍紕?chuàng)新效率高于全國(guó)平均水平；東北地區(qū)3個(gè)省份的地方高?？萍紕?chuàng)新全要素生產(chǎn)率整體相差不大，但驅(qū)動(dòng)來源仍存在差異；中部地區(qū)有4個(gè)省份的地方高校科技創(chuàng)新效率低于全國(guó)平均水平，分別為山西、安徽、河南、湖南；西部地區(qū)有5個(gè)省份的地方高?？萍紕?chuàng)新效率高于全國(guó)平均水平，但西藏、青海、寧夏以及新疆四省的效率值較低，遠(yuǎn)落后于其他省份及全國(guó)平均水平。

表2 2003—2020年中國(guó)地方高校科技創(chuàng)新效率區(qū)域間比較

3 省域地方高?？萍紕?chuàng)新效率的收斂性分析

不同區(qū)域的地方高校科技創(chuàng)新效率的時(shí)空演變趨勢(shì)差異極為明顯，區(qū)域間的不平衡在時(shí)間維度上是否會(huì)出現(xiàn)變化，隨著時(shí)間的推移，地區(qū)間的差距會(huì)縮小還是擴(kuò)大，尚需通過收斂性檢驗(yàn)對(duì)地區(qū)間的差異進(jìn)行進(jìn)一步分析。

3.1 地方高?？萍紕?chuàng)新效率的σ-收斂檢驗(yàn)

σ-收斂指不同省份地方高校科技創(chuàng)新效率與整體平均水平的差異在時(shí)間維度上不斷降低的態(tài)勢(shì)。圖2顯示了我國(guó)整體與經(jīng)濟(jì)分區(qū)的地方高校科技創(chuàng)新效率的σ-收斂指數(shù)情況，無論是全國(guó)還是四個(gè)經(jīng)濟(jì)分區(qū)，地方高校科技創(chuàng)新效率的σ-收斂指數(shù)在2003—2020年間起伏態(tài)勢(shì)明顯，均未呈現(xiàn)穩(wěn)定的降低趨勢(shì)，故收斂狀態(tài)不明顯。在2004—2006年、2007—2011年，全國(guó)收斂指數(shù)持續(xù)下降，呈現(xiàn)明顯的收斂態(tài)勢(shì)；東部地區(qū)僅在2006—2008年呈現(xiàn)明顯的收斂態(tài)勢(shì)，其σ-收斂指數(shù)年度間的波動(dòng)幅度較其他地區(qū)更大；東北地區(qū)的收斂年度較多，在2010—2020年呈現(xiàn)明顯的收斂態(tài)勢(shì)，2003—2010年的收斂態(tài)勢(shì)不明顯；中部地區(qū)在2004—2006年、2008—2011年、2012—2015年這三個(gè)時(shí)間段收斂指數(shù)持續(xù)下降，呈現(xiàn)明顯收斂態(tài)勢(shì)，其他均呈現(xiàn)發(fā)散態(tài)勢(shì)；相比之下，西部地區(qū)僅在2004—2007年呈現(xiàn)收斂態(tài)勢(shì)，其他年度發(fā)散態(tài)勢(shì)明顯。

圖2 省域地方高校科技創(chuàng)新效率收斂指數(shù)的區(qū)域間比較

3.2 地方高?？萍紕?chuàng)新效率的β-絕對(duì)收斂檢驗(yàn)

根據(jù)表3的β-絕對(duì)收斂情況來看，收斂系數(shù)（相關(guān)系數(shù)b）為正,且通過了95%的置信檢驗(yàn)，說明2003—2020年全國(guó)各省份地方高校科技創(chuàng)新效率不存在β-絕對(duì)收斂，各省份之間地方高校科技創(chuàng)新效率的差距較大。從四個(gè)經(jīng)濟(jì)分區(qū)的具體數(shù)值可以看出，絕對(duì)收斂系數(shù)均為正，且均通過了95%的置信檢驗(yàn)，說明四個(gè)地區(qū)均不存在β-絕對(duì)收斂，不存在效率低省份，其效率提升更快的“追趕效應(yīng)”，在2003—2020年間，各地區(qū)內(nèi)部科技創(chuàng)新效率低的省份與效率高的省份之間的差距反而呈現(xiàn)擴(kuò)大的趨勢(shì)。按照差距拉開的速度來看，地區(qū)內(nèi)部發(fā)散速度由大到小依次為東北地區(qū)、東部地區(qū)、西部地區(qū)、中部地區(qū)。其中，中部地區(qū)的發(fā)散速度低于全國(guó)平均水平，東北地區(qū)與東部地區(qū)內(nèi)部省份地方高?？萍紕?chuàng)新效率的拉大趨勢(shì)較為明顯。整體來看，無論是全國(guó)總體還是四個(gè)經(jīng)濟(jì)分區(qū)，其內(nèi)部省份地方高?？萍紕?chuàng)新效率呈現(xiàn)出“馬太效應(yīng)”，效率低省份的科技創(chuàng)新效率提升速度較效率高省份略有不足。

表3 省域地方高?？萍紕?chuàng)新效率的β-絕對(duì)收斂檢驗(yàn)

3.3 地方高?？萍紕?chuàng)新效率的β-條件收斂檢驗(yàn)

本文根據(jù)2003—2020年省域地方高?？萍紕?chuàng)新活動(dòng)的面板數(shù)據(jù)，應(yīng)用固定效應(yīng)模型進(jìn)行條件收斂檢驗(yàn)。具體結(jié)果如表4所示。

表4 省域地方高?？萍紕?chuàng)新效率的β-條件收斂檢驗(yàn)

由表4可知，全國(guó)總體包括四個(gè)經(jīng)濟(jì)分區(qū)的β-條件收斂系數(shù)（相關(guān)系數(shù)b）取值均為負(fù)數(shù)，且均通過了99%的置信檢驗(yàn)，說明四個(gè)地區(qū)內(nèi)部各省份地方高?？萍紕?chuàng)新效率均呈現(xiàn)β-條件收斂態(tài)勢(shì)，地區(qū)內(nèi)部效率偏離均衡狀態(tài)的省份，其高?？萍紕?chuàng)新效率普遍增速更快。從四個(gè)經(jīng)濟(jì)分區(qū)收斂速度的呈現(xiàn)來看，四個(gè)經(jīng)濟(jì)分區(qū)的條件收斂速度以東北地區(qū)最高，中部地區(qū)、西部地區(qū)依次遞減，東部地區(qū)收斂速度落后于全國(guó)平均水平，四個(gè)分區(qū)的收斂速度排序與地方高?？萍紕?chuàng)新效率的排序相左，地方高?？萍紕?chuàng)新效率越高的地區(qū)，其內(nèi)部各省份之間的均衡趨勢(shì)并不突出。結(jié)合β-絕對(duì)收斂的檢驗(yàn)結(jié)果，各地區(qū)內(nèi)部省份間效率值不收斂，說明地區(qū)內(nèi)部省份間效率的差距呈擴(kuò)大態(tài)勢(shì)，全國(guó)各省份之間地方高?？萍紕?chuàng)新效率的分化愈發(fā)明顯。究其原因，地方高校的人才引進(jìn)、實(shí)驗(yàn)室建設(shè)、科研經(jīng)費(fèi)匹配等科技創(chuàng)新活動(dòng)投入依靠當(dāng)?shù)卣呢?cái)政支持，而地方高校的科技資源投入、科技成果轉(zhuǎn)化等在一定程度上取決于地方的經(jīng)濟(jì)發(fā)展?fàn)顩r，加之地方政府在進(jìn)行高等教育財(cái)政資金分配時(shí)每年的比例較為固定，因而對(duì)于科技創(chuàng)新能力較弱的地方高校想要尋求突破比較困難，所以地域間的差距拉大以及地區(qū)內(nèi)部的差距固化也就不難理解。

4 結(jié)論與建議

本文應(yīng)用DEA-Malmquist模型，對(duì)2003—2020年間我國(guó)31個(gè)省份的地方高?？萍紕?chuàng)新效率進(jìn)行數(shù)據(jù)分析，探討了全要素生產(chǎn)率及其分解變量的時(shí)空分布及變動(dòng)趨勢(shì)，進(jìn)而采用σ-收斂、β-絕對(duì)收斂以及β-條件收斂對(duì)地方高校科技創(chuàng)新效率的空間差異性進(jìn)行檢驗(yàn)分析。由此得出以下結(jié)論：其一，省域地方高?？萍紕?chuàng)新效率年度間增長(zhǎng)趨勢(shì)不明顯；技術(shù)進(jìn)步對(duì)創(chuàng)新效率的作用力度較大，技術(shù)效率對(duì)其影響較弱。其二，區(qū)域間地方高?？萍紕?chuàng)新效率差異較大，各分量的貢獻(xiàn)情況亦不相同。其三，全國(guó)及四個(gè)經(jīng)濟(jì)分區(qū)地方高?？萍紕?chuàng)新效率未出現(xiàn)明顯收斂態(tài)勢(shì)；四大經(jīng)濟(jì)分區(qū)內(nèi)部省份地方高?？萍紕?chuàng)新效率的差距在逐漸拉大；四個(gè)地區(qū)內(nèi)部各省份之間的差距逐漸固化，并趨于均衡狀態(tài)。

由此，本文建議加大對(duì)地方高?？萍紕?chuàng)新活動(dòng)的資金、政策、技術(shù)支持力度，激發(fā)其圍繞地方特色開展多維度的產(chǎn)學(xué)研合作；優(yōu)化地方院?？萍紕?chuàng)新資源配置，完善高校科研人員的引育與培養(yǎng)機(jī)制，積極開展科研團(tuán)隊(duì)的建設(shè)與服務(wù)工作，落實(shí)創(chuàng)新人才的激勵(lì)與保障政策；設(shè)置院校合作專項(xiàng)，積極推進(jìn)跨區(qū)域科技創(chuàng)新項(xiàng)目的孵化與培育，激勵(lì)高水平大學(xué)積極開展科技扶持與合作，鼓勵(lì)地方院校與部屬高等學(xué)校、科研機(jī)構(gòu)交流與學(xué)習(xí)，促進(jìn)科技創(chuàng)新資源共享。