于愛(ài)水 張繼如 于得水

摘 要：基于2011—2020年中國(guó)內(nèi)地30個(gè)省份面板數(shù)據(jù)，采用二次動(dòng)態(tài)加權(quán)法測(cè)算創(chuàng)新全要素生產(chǎn)率的連續(xù)動(dòng)態(tài)演變特征，并借助時(shí)空分異模型探究創(chuàng)新全要素生產(chǎn)率時(shí)空差異。結(jié)果發(fā)現(xiàn)：①中國(guó)多數(shù)省份創(chuàng)新全要素生產(chǎn)率隨時(shí)間推移呈穩(wěn)定上升趨勢(shì)；②創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境在不同省份表現(xiàn)出較大差異；③不同樣本期內(nèi)，影響創(chuàng)新全要素生產(chǎn)率的子系統(tǒng)有所差別，其中創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率的作用強(qiáng)度波動(dòng)較大，知識(shí)創(chuàng)新對(duì)創(chuàng)新全要素生產(chǎn)率同樣表現(xiàn)為促進(jìn)作用，且作用強(qiáng)度遠(yuǎn)大于創(chuàng)新資源；④知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策對(duì)全國(guó)創(chuàng)新全要素生產(chǎn)率提升均具有顯著正向促進(jìn)作用，創(chuàng)新環(huán)境效應(yīng)表現(xiàn)出東部促進(jìn)、中西部作用不明顯的空間分布格局。據(jù)此，提出實(shí)施差異化導(dǎo)向型政策、優(yōu)化區(qū)域要素資源配置、主動(dòng)加入全球創(chuàng)新網(wǎng)絡(luò)等措施，以提升中國(guó)創(chuàng)新能力與水平。

關(guān)鍵詞：創(chuàng)新全要素生產(chǎn)率；時(shí)空差異分解；二次加權(quán)因子分析；動(dòng)態(tài)演變趨勢(shì)

DOI：10.6049/kjjbydc.2022090437

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：F204

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）08-0011-11

0 引言

高質(zhì)量發(fā)展源于創(chuàng)新，創(chuàng)新為高質(zhì)量發(fā)展提供持續(xù)動(dòng)力。2021年《政府工作報(bào)告》指出：“必須將創(chuàng)新擺在國(guó)家發(fā)展全局與現(xiàn)代化建設(shè)的核心位置?！绷?xí)近平總書(shū)記在中共二十大報(bào)告中指出：“必須堅(jiān)持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動(dòng)力，深入實(shí)施科教興國(guó)戰(zhàn)略、人才強(qiáng)國(guó)戰(zhàn)略、創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，開(kāi)辟發(fā)展新領(lǐng)域新賽道，不斷塑造發(fā)展新動(dòng)能新優(yōu)勢(shì)?！睂?shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略就是將科技創(chuàng)新作為全面創(chuàng)新的關(guān)鍵，圍繞產(chǎn)業(yè)化方向與現(xiàn)代化需求導(dǎo)向，形成助推經(jīng)濟(jì)增長(zhǎng)與高質(zhì)量發(fā)展的動(dòng)力源泉。加快各領(lǐng)域創(chuàng)新，堅(jiān)持將創(chuàng)新視作引領(lǐng)發(fā)展的第一動(dòng)力，走中國(guó)特色自主創(chuàng)新道路，既是實(shí)現(xiàn)“兩個(gè)一百年”奮斗目標(biāo)的關(guān)鍵，也是助力中華民族偉大復(fù)興中國(guó)夢(mèng)的動(dòng)力源泉。尤其是伴隨著經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段，我國(guó)已邁入“劉易斯拐點(diǎn)”，若要防止資本報(bào)酬遞減并順利跨越“中等收入陷阱”，需要不斷優(yōu)化創(chuàng)新要素配置，激活創(chuàng)新要素生產(chǎn)活力，提高創(chuàng)新全要素生產(chǎn)率，進(jìn)而推動(dòng)經(jīng)濟(jì)增長(zhǎng)。創(chuàng)新全要素生產(chǎn)率在一定程度上可有效判斷各類創(chuàng)新要素投入對(duì)產(chǎn)出增長(zhǎng)的貢獻(xiàn)程度，是衡量經(jīng)濟(jì)體增長(zhǎng)質(zhì)量和潛力的一個(gè)重要指標(biāo)（柳卸林等，2021）。因此，展開(kāi)創(chuàng)新全要素生產(chǎn)率評(píng)價(jià)研究，對(duì)于我國(guó)持續(xù)保持創(chuàng)新活力以及提高創(chuàng)新能力具有重要意義。但不可忽視的是，中國(guó)創(chuàng)新全要素生產(chǎn)率處于持續(xù)動(dòng)態(tài)變化狀態(tài)^[1]。剖析中國(guó)創(chuàng)新全要素生產(chǎn)率增長(zhǎng)時(shí)空差異，厘清差異形成和演變的內(nèi)在機(jī)理，可為中國(guó)創(chuàng)新全要素生產(chǎn)率提升提供決策參考。那么，如何連續(xù)測(cè)度中國(guó)創(chuàng)新全要素生產(chǎn)率的動(dòng)態(tài)演變過(guò)程及時(shí)段特征？中國(guó)創(chuàng)新全要素生產(chǎn)率是否存在區(qū)域性差異？若絕對(duì)增長(zhǎng)水平存在較大差異，區(qū)域創(chuàng)新全要素生產(chǎn)率增速差異是否較為顯著？解決上述問(wèn)題，不僅可以從連續(xù)、動(dòng)態(tài)視角拓展測(cè)度創(chuàng)新全要素生產(chǎn)率的方法，還能為政府相關(guān)部門制定創(chuàng)新全要素生產(chǎn)率提升政策提供借鑒。

1 文獻(xiàn)綜述

目前，學(xué)術(shù)界對(duì)創(chuàng)新全要素生產(chǎn)率展開(kāi)測(cè)度與分析的文獻(xiàn)較少，但涉及創(chuàng)新與全要素生產(chǎn)率的相關(guān)研究成果頗豐。就創(chuàng)新而言，由于創(chuàng)新內(nèi)涵較豐富，學(xué)界從多個(gè)維度圍繞創(chuàng)新這一主題展開(kāi)研究。第一，在科技創(chuàng)新層面，姜玉梅等^[2]基于TVP-VAR模型，實(shí)證分析科技創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量增長(zhǎng)的時(shí)變特征，發(fā)現(xiàn)科技創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量增長(zhǎng)經(jīng)歷基礎(chǔ)創(chuàng)新、增量創(chuàng)新、技術(shù)體系變革及技術(shù)經(jīng)濟(jì)模式變革4個(gè)階段；劉波和李湛^[3]研究指出，中國(guó)城市群科技創(chuàng)新資源配置效率表現(xiàn)出波浪式上升態(tài)勢(shì)，且中心城市對(duì)科技創(chuàng)新存在集聚擴(kuò)散效應(yīng)；孫青（2022）研究發(fā)現(xiàn)，適度財(cái)政縱向失衡可提升地區(qū)科技創(chuàng)新水平，而過(guò)度財(cái)政縱向失衡則會(huì)阻礙科技創(chuàng)新。第二，在創(chuàng)新要素層面，郝漢舟等^[4]通過(guò)構(gòu)建創(chuàng)新要素、綠色技術(shù)創(chuàng)新能力與市場(chǎng)化評(píng)價(jià)指標(biāo)體系評(píng)價(jià)創(chuàng)新要素集聚水平，發(fā)現(xiàn)創(chuàng)新要素集聚通過(guò)綠色技術(shù)創(chuàng)新促進(jìn)產(chǎn)業(yè)升級(jí)；王素素等^[5]研究發(fā)現(xiàn)，中國(guó)創(chuàng)新要素集聚水平雖然整體偏低，卻表現(xiàn)出逐步向好趨勢(shì)；張冕和俞立平^[6]綜合采用面板數(shù)據(jù)模型、門檻模型分析創(chuàng)新要素投入偏向效應(yīng)和特征，發(fā)現(xiàn)我國(guó)高技術(shù)產(chǎn)業(yè)研發(fā)要素投入總體向資本偏向發(fā)展。除此之外，還有諸多學(xué)者從創(chuàng)新績(jī)效^[7-8]、創(chuàng)新能力^[9]、創(chuàng)新政策（張杰，2021）等方面展開(kāi)分析。

就全要素生產(chǎn)率而言，國(guó)內(nèi)外學(xué)者對(duì)全要素生產(chǎn)率進(jìn)行大量研究并漸成體系。一是全要素生產(chǎn)率測(cè)度。An等^[10]采用隨機(jī)前沿分析法（SFA）測(cè)算中國(guó)內(nèi)地30個(gè)省份全要素生產(chǎn)率；李紅艷等（2022）基于DEA-Malmquist評(píng)價(jià)法，實(shí)證得出黃河流域農(nóng)業(yè)全要素生產(chǎn)率整體偏低，但增速明顯高于全國(guó)平均水平的結(jié)論；周祎慶和聶元昆（2022）研究發(fā)現(xiàn)，我國(guó)綠色全要素生產(chǎn)率整體呈平穩(wěn)上升態(tài)勢(shì)；趙玉林和陳泓兆^[11]采用SYS-GMM模型測(cè)算制造業(yè)細(xì)分行業(yè)綠色全要素生產(chǎn)率，發(fā)現(xiàn)基礎(chǔ)創(chuàng)新、產(chǎn)品創(chuàng)新和工藝創(chuàng)新有助于促進(jìn)綠色全要素生產(chǎn)率提升。二是全要素生產(chǎn)率影響因素。孫向偉和丁成日^[12]考察科研創(chuàng)新產(chǎn)出對(duì)城市全要素生產(chǎn)率的影響發(fā)現(xiàn)，科技經(jīng)費(fèi)投入、科研產(chǎn)出對(duì)全要素生產(chǎn)率的影響顯著為正；郭秋秋和馬曉鈺^[13]探討數(shù)字經(jīng)濟(jì)對(duì)城市綠色全要素生產(chǎn)率的影響發(fā)現(xiàn)，綠色創(chuàng)新水平、產(chǎn)業(yè)結(jié)構(gòu)對(duì)城市綠色全要素生產(chǎn)率具有間接影響；史丹和孫光林^[14]實(shí)證檢驗(yàn)大數(shù)據(jù)對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響，指出企業(yè)創(chuàng)新、要素配置、數(shù)據(jù)賦能、資本優(yōu)化等因素對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率具有正向影響；彭有為等（2022）從靜態(tài)和動(dòng)態(tài)兩個(gè)方面挖掘中國(guó)高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率深層次因素，發(fā)現(xiàn)剝離外部環(huán)境和隨機(jī)擾動(dòng)項(xiàng)后，純技術(shù)效率是提升全要素生產(chǎn)率的主要原因。

通過(guò)上述文獻(xiàn)梳理可知，現(xiàn)有研究多從農(nóng)業(yè)、綠色等視角探究全要素生產(chǎn)率，缺乏對(duì)創(chuàng)新全要素生產(chǎn)率的系統(tǒng)性分析。并且，針對(duì)中國(guó)創(chuàng)新全要素生產(chǎn)率的研究較少，缺乏科學(xué)合理的度量指標(biāo)，尤其是針對(duì)創(chuàng)新全要素生產(chǎn)率時(shí)空演變特征分析較少。本文主要貢獻(xiàn)在于：①在合理界定創(chuàng)新全要素生產(chǎn)率內(nèi)涵的基礎(chǔ)上，從創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策和創(chuàng)新環(huán)境5個(gè)方面構(gòu)建評(píng)價(jià)指標(biāo)體系進(jìn)行科學(xué)測(cè)度；②從時(shí)空演化視角出發(fā)，對(duì)創(chuàng)新全要素生產(chǎn)率的時(shí)空格局演化特征進(jìn)行系統(tǒng)性分析，可為勾勒中國(guó)創(chuàng)新格局提供科學(xué)參考。

2 創(chuàng)新全要素生產(chǎn)率評(píng)價(jià)指標(biāo)體系構(gòu)建

立足于可獲取性、實(shí)用性和客觀性原則，借鑒相關(guān)學(xué)者研究^[15-16]，并參考《中國(guó)區(qū)域創(chuàng)新能力評(píng)價(jià)報(bào)告》《中國(guó)創(chuàng)新城市評(píng)價(jià)報(bào)告》《歐洲創(chuàng)新報(bào)告》等權(quán)威報(bào)告遴選的經(jīng)典指標(biāo)，選取創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境5個(gè)二級(jí)指標(biāo)以及19個(gè)三級(jí)指標(biāo)測(cè)度創(chuàng)新全要素生產(chǎn)率。

（1）創(chuàng)新資源。創(chuàng)新資源是創(chuàng)新過(guò)程中所需人力、物力、財(cái)力等投入要素的集合，也是創(chuàng)新全要素生產(chǎn)率提升的基礎(chǔ)。一方面，創(chuàng)新資源具備有價(jià)值、稀缺性、不可模仿與替代等優(yōu)勢(shì)特征，能夠?yàn)橹袊?guó)創(chuàng)新全要素生產(chǎn)率逐年攀升帶來(lái)長(zhǎng)期競(jìng)爭(zhēng)優(yōu)勢(shì)^[17]；另一方面，創(chuàng)新資源是助力知識(shí)創(chuàng)新、協(xié)同創(chuàng)新的核心動(dòng)能，能夠保證知識(shí)創(chuàng)新、協(xié)同創(chuàng)新持續(xù)運(yùn)轉(zhuǎn)，進(jìn)而提高創(chuàng)新全要素生產(chǎn)率。創(chuàng)新資源包括每萬(wàn)人R&D人員全時(shí)當(dāng)量、具有本科及以上學(xué)歷人數(shù)占常住人口數(shù)量比重等5個(gè)三級(jí)指標(biāo)。

（2）知識(shí)創(chuàng)新。知識(shí)創(chuàng)新包括基礎(chǔ)研究和應(yīng)用研究，其既是新技術(shù)和新發(fā)明的動(dòng)力源泉，也是促進(jìn)技術(shù)進(jìn)步與經(jīng)濟(jì)持續(xù)增長(zhǎng)的革命性力量，能夠?yàn)橹袊?guó)創(chuàng)新全要素生產(chǎn)率提升提供不竭動(dòng)力^[18]。創(chuàng)新資源是創(chuàng)新全要素生產(chǎn)率的基礎(chǔ)支撐，知識(shí)創(chuàng)新則是助力創(chuàng)新全要素生產(chǎn)率提升的根本途徑，能夠?yàn)閰f(xié)同創(chuàng)新、創(chuàng)新政策和創(chuàng)新環(huán)境提供有效引導(dǎo)。知識(shí)創(chuàng)新包括基礎(chǔ)研究與應(yīng)用研究經(jīng)費(fèi)支出占GDP的比重、每萬(wàn)人有效發(fā)明專利擁有數(shù)等3個(gè)三級(jí)指標(biāo)。

（3）協(xié)同創(chuàng)新。協(xié)同創(chuàng)新是以知識(shí)創(chuàng)新增值為核心，以政府、知識(shí)生產(chǎn)機(jī)構(gòu)、第三方中介機(jī)構(gòu)、企業(yè)等為參與主體，為實(shí)現(xiàn)重大科技創(chuàng)新而進(jìn)行大跨度整合的創(chuàng)新模式^[19]。協(xié)同創(chuàng)新通過(guò)促進(jìn)地區(qū)內(nèi)各主體發(fā)揮自身能力優(yōu)勢(shì)，實(shí)現(xiàn)資源、優(yōu)勢(shì)互補(bǔ)，加速技術(shù)推廣與產(chǎn)業(yè)化，是支撐中國(guó)創(chuàng)新全要素生產(chǎn)率提升的重要“催化劑”。協(xié)同創(chuàng)新包括R&D經(jīng)費(fèi)支出中來(lái)自國(guó)外資金的比重、R&D經(jīng)費(fèi)支出中來(lái)自企業(yè)的比重等3個(gè)三級(jí)指標(biāo)。

（4）創(chuàng)新政策。政府創(chuàng)新政策具有較強(qiáng)的探索性和嘗試性特征，是中國(guó)創(chuàng)新全要素生產(chǎn)率提升的重要保障^[20]。創(chuàng)新政策實(shí)施既為知識(shí)創(chuàng)新、協(xié)同創(chuàng)新開(kāi)展與創(chuàng)新環(huán)境營(yíng)造提供制度保障，又通過(guò)處理好財(cái)政政策與貨幣政策的關(guān)系促進(jìn)創(chuàng)新全要素生產(chǎn)率提升。創(chuàng)新政策包括政府R&D支出占GDP的比重、技術(shù)支出占一般財(cái)政預(yù)算支出比重等5個(gè)三級(jí)指標(biāo)。

（5）創(chuàng)新環(huán)境。無(wú)論是知識(shí)創(chuàng)新、協(xié)同創(chuàng)新的開(kāi)展，抑或是創(chuàng)新政策的制定，均離不開(kāi)創(chuàng)新環(huán)境的不斷優(yōu)化。換言之，創(chuàng)新環(huán)境是支撐中國(guó)創(chuàng)新全要素生產(chǎn)率提升的重要載體。尤其是在中國(guó)技術(shù)發(fā)展突飛猛進(jìn)的背景下，中國(guó)創(chuàng)新環(huán)境愈發(fā)趨向良好和包容，持續(xù)為創(chuàng)新全要素生產(chǎn)率提升賦能。良好的創(chuàng)新環(huán)境可為高技術(shù)產(chǎn)業(yè)發(fā)展?fàn)I造良好的市場(chǎng)環(huán)境，為創(chuàng)新全要素生產(chǎn)率快速提升注入動(dòng)能。創(chuàng)新環(huán)境包括促進(jìn)行為主體不斷創(chuàng)新的區(qū)域環(huán)境、調(diào)節(jié)功能強(qiáng)的區(qū)域創(chuàng)新系統(tǒng)兩個(gè)三級(jí)指標(biāo)。

根據(jù)上述分析，圍繞指標(biāo)選取原則，最終形成創(chuàng)新全要素生產(chǎn)率評(píng)價(jià)指標(biāo)體系，如表1所示。

3 研究方法

3.1 “縱橫向”拉開(kāi)檔次法

創(chuàng)新全要素生產(chǎn)率是隨時(shí)間變化表現(xiàn)出不同屬性特征的系統(tǒng)工程，子系統(tǒng)時(shí)序變化會(huì)引致相關(guān)指標(biāo)根據(jù)不同時(shí)間節(jié)點(diǎn)進(jìn)行適當(dāng)調(diào)整，因此需要采用動(dòng)態(tài)化處理方式評(píng)估創(chuàng)新全要素生產(chǎn)率各項(xiàng)指標(biāo)。由于靜態(tài)測(cè)度法難以綜合測(cè)度創(chuàng)新全要素生產(chǎn)率動(dòng)態(tài)演變特征，因此亟需引入動(dòng)態(tài)測(cè)度法。本文借鑒郭國(guó)峰等^[21]的“縱橫向”動(dòng)態(tài)拉開(kāi)檔次法解決上述問(wèn)題?！翱v橫向”拉開(kāi)檔次法主要具有兩方面優(yōu)勢(shì)：一是可從橫向上表現(xiàn)出中國(guó)不同省份間創(chuàng)新全要素生產(chǎn)率差異；二是可從縱向上體現(xiàn)出各省份創(chuàng)新全要素生產(chǎn)率2011—2020年的總體發(fā)展規(guī)律?！翱v橫向”拉開(kāi)檔次法能夠最大程度上反映研究對(duì)象的總體差異，解決三維數(shù)據(jù)權(quán)重問(wèn)題，并從時(shí)空視角揭示研究對(duì)象規(guī)律，具體實(shí)施步驟如下：

首先，對(duì)需要測(cè)度的時(shí)間t₁，t₂，…，t_n段內(nèi)n個(gè)測(cè)度主體u₁，u₂，…，u_n進(jìn)行綜合測(cè)度；其次，根據(jù)各測(cè)度主體m個(gè)測(cè)度指標(biāo)y₁，y₂，…，y_m的初始數(shù)據(jù)建成初始化三維數(shù)據(jù)矩陣y_ij（t_k）（i=1，2，...，n;j=1，2，...，m;k=1，2，...，N）。其中，由于數(shù)據(jù)類型與初始數(shù)據(jù)量綱不一致，且數(shù)據(jù)間差異較大，故先對(duì)初始數(shù)據(jù)進(jìn)行預(yù)處理。若數(shù)據(jù)類型與初始數(shù)據(jù)一致，則對(duì)初始數(shù)據(jù)實(shí)施無(wú)量綱化與標(biāo)準(zhǔn)化處理，得到完善的數(shù)據(jù)矩陣u_ij（t_k），即u_ij（t_k）=y_ij－y_j（t-_k）/s_j（t_k）（i=1，2，...，n;j=1，2，...，m;k=1，2，...，N）。其中，s_j（t_k）為標(biāo)準(zhǔn)差；y_j（t-_k）代表樣本平均值；最后，“縱橫向”拉開(kāi)檔次法需要確定測(cè)度模型。測(cè)度模型為常見(jiàn)的數(shù)學(xué)表達(dá)形式，一般會(huì)將測(cè)度模型集結(jié)成測(cè)度值以有效獲取研究對(duì)象的綜合權(quán)重。加之所構(gòu)測(cè)度指標(biāo)具有較強(qiáng)的關(guān)聯(lián)性，因此本文采用線性加權(quán)集結(jié)方式進(jìn)行測(cè)算。假設(shè)w_j為指標(biāo)未知權(quán)重系數(shù)，則將被測(cè)度對(duì)象i在t_k時(shí)刻的綜合測(cè)度值u_i（t_k）設(shè)定為：

在解決上式未知權(quán)重系數(shù)w_j值的基礎(chǔ)上，“縱橫向”拉開(kāi)檔次法可最大程度上反映各權(quán)重系數(shù)的總差異值，即確保測(cè)度值數(shù)據(jù)矩陣u_i（t_k）差異最大化、總體離差平方和δ²最大化，公式如下：

值得注意的是，式 （2）中均對(duì)所有指標(biāo)的初始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，分別得到樣本方差、平均值為1和0，并得到如下公式：

對(duì)此，δ²可進(jìn)一步簡(jiǎn)化為：

在權(quán)重系數(shù)w取值約束下，當(dāng)w^TH_w取最大值時(shí)，w取值即為權(quán)重系數(shù)，公式如下：

maxw^TH_w

綜上所述，采用“縱橫向”拉開(kāi)檔次法雖然可獲得各評(píng)價(jià)主體在不同時(shí)間段內(nèi)的測(cè)度值，卻無(wú)法獲取測(cè)度主體的全部測(cè)度值，故難以展現(xiàn)研究主體整體發(fā)展情況，亦無(wú)法解決各測(cè)度主體在不同時(shí)間段的權(quán)重系數(shù)。對(duì)此，進(jìn)一步將二次加權(quán)法引入模型，在動(dòng)態(tài)測(cè)度法的基礎(chǔ)上求解時(shí)間權(quán)重系數(shù)。

二次加權(quán)法能夠反映時(shí)間對(duì)研究對(duì)象的影響作用，以此確定第t_k時(shí)刻的權(quán)重系數(shù)w_k。參考相關(guān)學(xué)者研究成果，利用“厚今薄古”法確定時(shí)間權(quán)重系數(shù)^[22]，即距離現(xiàn)期愈近權(quán)重愈大，距離現(xiàn)期愈遠(yuǎn)權(quán)重愈小。因此，第t_k時(shí)刻在時(shí)間段［t₁，t_N］內(nèi)的時(shí)間權(quán)重系數(shù)為：

解決時(shí)間權(quán)重難題后，便能獲取被測(cè)對(duì)象在［t₁，t_N］時(shí)間段內(nèi)的總測(cè)度值，以探究被測(cè)對(duì)象在固定時(shí)間內(nèi)的規(guī)律。對(duì)此，構(gòu)建被測(cè)對(duì)象i測(cè)度值T_i的具體表達(dá)公式：

3.2 兼顧均衡性與功能性的組合集結(jié)模式

為使二次加權(quán)法測(cè)算結(jié)果更加貼近實(shí)際，參考郭亞軍^[23]提出的兼顧均衡性有序加權(quán)幾何平均算子（owga）和功能性有序加權(quán)平均算子（owa）組合集結(jié)模式，構(gòu)建如下公式：

owa－owga=λ₁owa+λ₂owga??? （9）

是在owa算子基礎(chǔ)上計(jì)算的評(píng)價(jià)值方差，?₂是根據(jù)算子得到的評(píng)價(jià)值方差。

3.3 時(shí)間差異分解模型

為測(cè)度中國(guó)創(chuàng)新全要素生產(chǎn)率區(qū)域差異在時(shí)間維度上的縱向變化特征，參考LMDI（Logarithmic Mean Divisia Index）因素分解法構(gòu)建時(shí)間差異分解模型，公式如下：

式（10）中，F(xiàn)_i代表i省份創(chuàng)新全要素生產(chǎn)率指數(shù)；S_i代表創(chuàng)新資源；I_i代表知識(shí)創(chuàng)新；Z_i代表協(xié)同創(chuàng)新；C_i代表創(chuàng)新政策；X_i代表創(chuàng)新環(huán)境。

假定時(shí)間由t－1發(fā)展到t，全要素生產(chǎn)率變化量ΔF^t－1，t能夠分解成5個(gè)驅(qū)動(dòng)效應(yīng)：

其中：

其中，ΔF^t－1，t_S為創(chuàng)新資源效應(yīng)，反映創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率的貢獻(xiàn)；ΔF^{t－1，t}_I為知識(shí)創(chuàng)新效應(yīng)，反映知識(shí)創(chuàng)新對(duì)創(chuàng)新全要素生產(chǎn)率的貢獻(xiàn)；ΔF^{t－1，t}_Z為協(xié)同創(chuàng)新效應(yīng)，反映協(xié)同創(chuàng)新對(duì)創(chuàng)新全要素生產(chǎn)率的貢獻(xiàn)；ΔF^t－1，t_C為創(chuàng)新政策效應(yīng)，反映創(chuàng)新政策對(duì)創(chuàng)新全要素生產(chǎn)率的貢獻(xiàn)；ΔF^{t－1，t}_X為創(chuàng)新環(huán)境效應(yīng)，反映創(chuàng)新環(huán)境對(duì)創(chuàng)新全要素生產(chǎn)率的貢獻(xiàn)。

3.4 空間差異分解模型

假設(shè)有兩個(gè)地區(qū)分別用R₁與R₂表示，兩地區(qū)創(chuàng)新全要素生產(chǎn)率差異ΔF^R₁^－R₂表示為：

式（17）中，F(xiàn)^R₁、F^R₂分別表示R₁地區(qū)與R₂地區(qū)的創(chuàng)新全要素生產(chǎn)率；F^R_1i、F^R_2i分別表示R₁地區(qū)與R₂地區(qū)的i產(chǎn)業(yè)全要素生產(chǎn)率。

隨后，將公式（17）轉(zhuǎn)換為：

式（18）中，S^R_1i、S^R_2i分別代表R₁與R₂地區(qū)創(chuàng)新全要素生產(chǎn)率指數(shù)中的創(chuàng)新資源情況；I^R_1i、I^R_2i分別代表R₁與R₂地區(qū)的知識(shí)創(chuàng)新情況；Z^R_1i、Z^R_2i分別代表R₁與R₂地區(qū)的協(xié)同創(chuàng)新情況；C^R_1i、C^R_2i分別代表R₁與R₂地區(qū)的創(chuàng)新政策情況；X^R_1i、X^R_2i分別代表R₁與R₂地區(qū)的創(chuàng)新環(huán)境情況。結(jié)合上述分析，創(chuàng)新全要素生產(chǎn)率地區(qū)差異ΔF^R₁^－R₂可分解為5個(gè)驅(qū)動(dòng)效應(yīng)：

其中，ΔF^R₁^－R_2G主要反映地區(qū)創(chuàng)新全要素生產(chǎn)率指數(shù)對(duì)全國(guó)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)；ΔF^R₁^－R_2S代表創(chuàng)新資源效應(yīng)，用于反映地區(qū)創(chuàng)新資源差異對(duì)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)；ΔF^R₁^－R_2I代表知識(shí)創(chuàng)新效應(yīng)，用于反映地區(qū)知識(shí)創(chuàng)新差異對(duì)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)；ΔF^R₁^－R_2Z代表協(xié)同創(chuàng)新效應(yīng)，用于反映地區(qū)協(xié)同創(chuàng)新差異對(duì)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)；ΔF^R₁^－R_2C代表創(chuàng)新政策效應(yīng)，用于反映地區(qū)創(chuàng)新政策差異對(duì)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)；ΔF^R₁^－R_2X代表創(chuàng)新環(huán)境效應(yīng)，用于反映地區(qū)創(chuàng)新環(huán)境差異對(duì)創(chuàng)新全要素生產(chǎn)率提升的貢獻(xiàn)。

4 實(shí)證檢驗(yàn)

4.1 數(shù)據(jù)說(shuō)明

本文選取2011—2020年中國(guó)內(nèi)地30個(gè)省份（西藏地區(qū)由于數(shù)據(jù)缺失嚴(yán)重，故未納入統(tǒng)計(jì)）面板數(shù)據(jù)，所選數(shù)據(jù)均來(lái)源于《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》以及各省份統(tǒng)計(jì)年鑒。為保證數(shù)據(jù)精準(zhǔn)性、可靠性，針對(duì)部分地區(qū)缺失數(shù)據(jù)，利用均值插補(bǔ)法補(bǔ)齊。

4.2 創(chuàng)新全要素生產(chǎn)率綜合評(píng)價(jià)

在一次因子研究的基礎(chǔ)上，對(duì)創(chuàng)新全要素生產(chǎn)率5個(gè)維度指標(biāo)進(jìn)行二次因子加權(quán)分析，最終得到中國(guó)內(nèi)地30個(gè)省份創(chuàng)新全要素生產(chǎn)率綜合評(píng)價(jià)數(shù)據(jù)，結(jié)果如表2所示。由表2可知，我國(guó)多數(shù)省份2011—2020年創(chuàng)新全要素生產(chǎn)率處于穩(wěn)定上升態(tài)勢(shì)，山東、云南、遼寧、貴州和重慶呈現(xiàn)下滑趨勢(shì)。這是因?yàn)?，上述省市存在較大技術(shù)缺口，未縮小與經(jīng)濟(jì)發(fā)達(dá)地區(qū)技術(shù)前沿差距，從而導(dǎo)致本地區(qū)創(chuàng)新全要素生產(chǎn)率分值較低。從平均值排名看，排名靠前的是上海、北京、浙江、廣東、江蘇、天津。其中，北京創(chuàng)新全要素生產(chǎn)率從2016年開(kāi)始便居于領(lǐng)先地位。另外，上海、廣東、天津、浙江經(jīng)濟(jì)較為發(fā)達(dá)，基礎(chǔ)設(shè)施較為完善，故創(chuàng)新全要素生產(chǎn)率綜合排名同樣靠前。

4.3 混合算子動(dòng)態(tài)綜合評(píng)價(jià)

考慮到時(shí)間越近，數(shù)據(jù)對(duì)創(chuàng)新全要素生產(chǎn)率的影響作用越大，故依據(jù)“厚今薄古”原理并參考相關(guān)學(xué)者研究成果^[24-25]，選取時(shí)間度λ=0.3，先測(cè)算時(shí)間權(quán)重，結(jié)果如表3所示。在此基礎(chǔ)上，運(yùn)用Lingo軟件求解線性規(guī)劃方程。

基于公式（2）計(jì)算OWGA算子、OWA算子所改進(jìn)升級(jí)的混合算子，得到中國(guó)內(nèi)地30個(gè)省份創(chuàng)新全要素生產(chǎn)率的綜合值，結(jié)果如表4所示。由表4可知，在綜合考慮時(shí)間因素及評(píng)價(jià)對(duì)象功能性、均衡性之后，之前排在首位的北京變?yōu)榈诙唬瑥V東由第二位升至第一位。《中國(guó)區(qū)域創(chuàng)新能力評(píng)價(jià)報(bào)告》發(fā)布的數(shù)據(jù)顯示，2021年廣東省科技企業(yè)孵化器數(shù)量新增51家，研發(fā)投入較上年增長(zhǎng)38.09%，研究與試驗(yàn)發(fā)展全時(shí)人員當(dāng)量增加5.31%。這表明，廣東尤為重視基礎(chǔ)研究，強(qiáng)化創(chuàng)新載體搭建，為區(qū)域創(chuàng)新要素生產(chǎn)率提升奠定了堅(jiān)實(shí)基礎(chǔ)。浙江、天津、重慶、福建、遼寧創(chuàng)新全要素生產(chǎn)率排名出現(xiàn)下降，分別為第5、15、12、13和20名。原因可能在于，上述省市技術(shù)市場(chǎng)交易額排名降幅較大，且規(guī)模以上研發(fā)人員數(shù)量、專利申請(qǐng)數(shù)量、科技企業(yè)孵化金額等指標(biāo)值均有不同程度下降，從而造成區(qū)域創(chuàng)新全要素生產(chǎn)率下降。

4.4 中國(guó)創(chuàng)新全要素生產(chǎn)率時(shí)空分解分析

4.4.1 時(shí)間分解分析

基于上述所構(gòu)時(shí)間分解模型，對(duì)中國(guó)創(chuàng)新全要素生產(chǎn)率逐年進(jìn)行分解分析，得到時(shí)序變化驅(qū)動(dòng)下的估計(jì)結(jié)果，如表5所示。若結(jié)果為正值，表明中國(guó)創(chuàng)新全要素生產(chǎn)率得到顯著提升，反之亦反。由表5可知，除2011年外，其余年份創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率均產(chǎn)生促進(jìn)效應(yīng)，平均指數(shù)達(dá)1.379 9，說(shuō)明創(chuàng)新資源豐富程度影響創(chuàng)新全要素生產(chǎn)率。從縱向演變趨勢(shì)看，創(chuàng)新資源的促進(jìn)作用較為明顯，說(shuō)明全國(guó)范圍內(nèi)創(chuàng)新資源分布與開(kāi)發(fā)程度對(duì)創(chuàng)新全要素生產(chǎn)率的影響走勢(shì)較為穩(wěn)定。2011—2020年，知識(shí)創(chuàng)新對(duì)創(chuàng)新全要素生產(chǎn)率的影響同樣表現(xiàn)為促進(jìn)作用，且作用強(qiáng)度遠(yuǎn)大于創(chuàng)新資源，是提升創(chuàng)新全要素生產(chǎn)率的主要因素。分時(shí)間段發(fā)現(xiàn)，2011—2018年知識(shí)創(chuàng)新平均指數(shù)為1.242 1，創(chuàng)新全要素生產(chǎn)率平均水平呈上下波動(dòng)趨勢(shì)；2019-2020年，知識(shí)創(chuàng)新的促進(jìn)效應(yīng)開(kāi)始下降，平均促進(jìn)效應(yīng)指數(shù)為1.115 5，且影響作用呈降低態(tài)勢(shì)。知識(shí)創(chuàng)新主要由每萬(wàn)人專利擁有數(shù)與單位科研人員發(fā)表技術(shù)論文表征，既能反映全國(guó)有效發(fā)明專利擁有數(shù)，又能彰顯我國(guó)對(duì)創(chuàng)新投入、創(chuàng)新產(chǎn)出與創(chuàng)新成效的重視。受新冠肺炎疫情沖擊以及國(guó)外技術(shù)貿(mào)易壁壘限制，國(guó)內(nèi)專利發(fā)明與科技論文數(shù)增速有所放緩，引致創(chuàng)新全要素生產(chǎn)率開(kāi)始下滑。2011—2020年協(xié)同創(chuàng)新表現(xiàn)出先促進(jìn)后抑制效應(yīng)，即2011—2018年協(xié)同創(chuàng)新顯著促進(jìn)國(guó)內(nèi)創(chuàng)新全要素生產(chǎn)率提升，但2019-2020年協(xié)同創(chuàng)新影響效應(yīng)有所下降。這主要是因?yàn)?，新冠肺炎疫情?dǎo)致國(guó)外資金難以順利注入國(guó)內(nèi)研發(fā)機(jī)構(gòu)，從而阻滯國(guó)內(nèi)技術(shù)創(chuàng)新與研發(fā)，導(dǎo)致創(chuàng)新全要素生產(chǎn)率下降。創(chuàng)新政策對(duì)中國(guó)創(chuàng)新全要素生產(chǎn)率的影響表現(xiàn)為顯著促進(jìn)作用，平均促進(jìn)指數(shù)為1.761 4，表明創(chuàng)新政策是保障國(guó)內(nèi)創(chuàng)新全要素生產(chǎn)率提升的主要因素。由縱向演變趨勢(shì)可知，創(chuàng)新政策與創(chuàng)新環(huán)境影響效應(yīng)走勢(shì)存在較強(qiáng)的正相關(guān)性，相關(guān)系數(shù)高達(dá)0.911 3，說(shuō)明創(chuàng)新政策與創(chuàng)新環(huán)境為我國(guó)創(chuàng)新全要素生產(chǎn)率提升提供了強(qiáng)有力支撐。此外，從總效應(yīng)看，由于能產(chǎn)生負(fù)面抑制效應(yīng)的因素較少，所以中國(guó)創(chuàng)新全要素生產(chǎn)率整體表現(xiàn)出遞升態(tài)勢(shì)。

4.4.2 空間分解分析

僅了解時(shí)序特征無(wú)法全面揭示創(chuàng)新全要素生產(chǎn)率總體變化規(guī)律，可能會(huì)導(dǎo)致結(jié)果存在一定偏差，從而難以為國(guó)家持續(xù)創(chuàng)新提供理論依據(jù)。因此，為深入分析我國(guó)創(chuàng)新全要素生產(chǎn)率演變規(guī)律，需要從空間角度進(jìn)一步探究創(chuàng)新全要素生產(chǎn)率的省際貢獻(xiàn)度及演變規(guī)律^[26]。為此，對(duì)中國(guó)內(nèi)地30個(gè)省份進(jìn)行分解，探究創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境驅(qū)動(dòng)創(chuàng)新全要素生產(chǎn)率提升的空間分布特征與演化規(guī)律。

考慮到研究期限為10年，本文采用等距劃分標(biāo)準(zhǔn)，將2011—2020年劃分為3個(gè)時(shí)間段，即2011—2013年、2014—2016年和2016-2020年。在此基礎(chǔ)上，綜合分析3個(gè)時(shí)間段內(nèi)創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境驅(qū)動(dòng)創(chuàng)新全要素生產(chǎn)率提升的空間分布特征與動(dòng)態(tài)演變規(guī)律。表6列示了中國(guó)創(chuàng)新全要素生產(chǎn)率分解因素變化的空間分布結(jié)果。時(shí)間分解因素結(jié)果表明，創(chuàng)新資源、知識(shí)創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境是促進(jìn)創(chuàng)新全要素生產(chǎn)率提升的主要因素，協(xié)同創(chuàng)新效應(yīng)表現(xiàn)出先促進(jìn)后抑制態(tài)勢(shì)。為全面把握我國(guó)創(chuàng)新全要素生產(chǎn)率區(qū)域分布特征，本文將驅(qū)動(dòng)效應(yīng)分解到中國(guó)內(nèi)地30個(gè)省份。從創(chuàng)新資源視角看，2011—2013年，除安徽、青海、新疆、寧夏、內(nèi)蒙古外，其余省份創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率均呈現(xiàn)正向促進(jìn)作用。其中，促進(jìn)作用較大的6個(gè)省份分別為上海、北京、江蘇、浙江、廣東、湖北，總計(jì)占創(chuàng)新資源效應(yīng)的29%。不難發(fā)現(xiàn)，這些省份主要集中于經(jīng)濟(jì)發(fā)達(dá)與資源要素集聚區(qū)。2014—2016年，山東、湖南創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率提升的驅(qū)動(dòng)作用下降，而福建、河南、江蘇、廣東與浙江驅(qū)動(dòng)效應(yīng)提升，總計(jì)占創(chuàng)新資源效應(yīng)的24%。同時(shí)，黑龍江創(chuàng)新資源驅(qū)動(dòng)效應(yīng)由正轉(zhuǎn)負(fù)，成為唯一抑制創(chuàng)新全要素生產(chǎn)率提升的省份。原因在于，黑龍江創(chuàng)新人才流失、專利數(shù)量持續(xù)減少，導(dǎo)致該地區(qū)創(chuàng)新全要素生產(chǎn)率下降。

（1）從知識(shí)創(chuàng)新入手，2011—2013年，知識(shí)創(chuàng)新對(duì)全國(guó)創(chuàng)新全要素生產(chǎn)率提升發(fā)揮顯著正向促進(jìn)作用，其中江蘇、北京、廣東、湖北、四川、湖南影響作用較大，總計(jì)占知識(shí)創(chuàng)新效應(yīng)的26%。2014—2016年，知識(shí)創(chuàng)新促進(jìn)效應(yīng)較強(qiáng)省份主要包括江蘇、上海、廣東、浙江、安徽、湖北，總計(jì)占32%。進(jìn)入第3階段，知識(shí)創(chuàng)新總效應(yīng)緩慢下降，降幅為19%，其中福建、安徽、湖南、新疆、湖北等省份影響作用較大。這說(shuō)明，各省份知識(shí)創(chuàng)新驅(qū)動(dòng)創(chuàng)新全要素生產(chǎn)率提升的空間分布漸趨穩(wěn)定，知識(shí)創(chuàng)新驅(qū)動(dòng)全國(guó)創(chuàng)新全要素生產(chǎn)率提升的影響差距逐漸縮小。

（2）從協(xié)同創(chuàng)新效應(yīng)看，2011—2013年協(xié)同創(chuàng)新效應(yīng)顯著促進(jìn)全國(guó)創(chuàng)新全要素生產(chǎn)率提升，其中作用較強(qiáng)省份包括北京、廣東、廣西、上海、湖南、江蘇，總計(jì)占知識(shí)創(chuàng)新效應(yīng)的31%。從中可見(jiàn)，在協(xié)同創(chuàng)新促進(jìn)效應(yīng)較強(qiáng)省份，知識(shí)創(chuàng)新促進(jìn)效應(yīng)也較顯著。2014—2016年，協(xié)同創(chuàng)新促進(jìn)效應(yīng)省份變?yōu)榻K、湖南、上海、四川、福建、廣東，總體占比為27%。2017—2020年，協(xié)同創(chuàng)新效應(yīng)同知識(shí)創(chuàng)新總效應(yīng)走勢(shì)一致，表現(xiàn)出較強(qiáng)的抑制作用，導(dǎo)致創(chuàng)新全要素生產(chǎn)率下降，降幅為21%。由表6可知，我國(guó)協(xié)同創(chuàng)新影響效應(yīng)在空間集中度上表現(xiàn)出先促進(jìn)后抑制趨勢(shì)。這表明，我國(guó)創(chuàng)新主力仍集中在東部地區(qū)，造成協(xié)同創(chuàng)新效應(yīng)空間分布從分散走向集中。

（3）從創(chuàng)新政策效應(yīng)看，2011—2013年創(chuàng)新政策對(duì)全國(guó)創(chuàng)新全要素生產(chǎn)率提升存在正向促進(jìn)作用，其中北京、江蘇、上海、廣東、浙江等省份影響較大，總計(jì)占創(chuàng)新政策效應(yīng)的25%。2014—2016年，創(chuàng)新政策促進(jìn)效應(yīng)較強(qiáng)省份主要包括北京、上海、浙江、江蘇、廣東、安徽，總計(jì)占31%。過(guò)渡至3個(gè)階段，創(chuàng)新政策總效應(yīng)提升速度加快，增幅高達(dá)44%，其中湖北、北京、江蘇、廣東等省份促進(jìn)作用最明顯。這主要是因?yàn)?，?guó)家為提振經(jīng)濟(jì)發(fā)展水平和增強(qiáng)技術(shù)創(chuàng)新能力，陸續(xù)出臺(tái)了諸多支持創(chuàng)新的政策。在創(chuàng)新政策的支持與指引下，我國(guó)創(chuàng)新全要素生產(chǎn)率始終保持穩(wěn)定提升態(tài)勢(shì)。

（4）從創(chuàng)新環(huán)境看，2011—2013年，創(chuàng)新環(huán)境對(duì)全國(guó)創(chuàng)新全要素生產(chǎn)率的提升作用呈現(xiàn)東部地區(qū)顯著、中西部地區(qū)不顯著的空間分布格局。東部地區(qū)多數(shù)省份創(chuàng)新環(huán)境影響作用較大，主要包括北京、天津、河北、廣東、江蘇、上海，總計(jì)占41%；中西部地區(qū)中部省份創(chuàng)新環(huán)境對(duì)當(dāng)?shù)貏?chuàng)新全要素生產(chǎn)率提升有一定促進(jìn)作用，包括湖北、湖南、四川、重慶，總計(jì)占創(chuàng)新環(huán)境效應(yīng)的14%。2014-2016年，創(chuàng)新環(huán)境效應(yīng)影響較強(qiáng)省份主要包括北京、上海、廣東、廣西、江蘇，總計(jì)占創(chuàng)新環(huán)境效應(yīng)的36%。進(jìn)入第3個(gè)階段，東部創(chuàng)新環(huán)境對(duì)省域創(chuàng)新全要素生產(chǎn)率的影響作用較為顯著。

5 結(jié)論與建議

5.1 研究結(jié)論

本研究主要利用二次加權(quán)因子分析法對(duì)中國(guó)創(chuàng)新全要素生產(chǎn)率進(jìn)行分項(xiàng)，引入OWGA算子和OWA算子改進(jìn)升級(jí)的混合因子對(duì)中國(guó)創(chuàng)新全要素生產(chǎn)率進(jìn)行綜合評(píng)價(jià)，運(yùn)用LMDI法探究中國(guó)創(chuàng)新全要素生產(chǎn)率提升水平，同時(shí)剖析創(chuàng)新資源、知識(shí)創(chuàng)新、協(xié)同創(chuàng)新、創(chuàng)新政策、創(chuàng)新環(huán)境的時(shí)空差異驅(qū)動(dòng)效應(yīng)，得出如下結(jié)論：

（1）創(chuàng)新全要素生產(chǎn)率動(dòng)態(tài)測(cè)度。我國(guó)多數(shù)省份創(chuàng)新全要素生產(chǎn)率隨時(shí)間推移呈現(xiàn)穩(wěn)定增長(zhǎng)態(tài)勢(shì)，僅少數(shù)省份因?yàn)橘Y金缺乏、生產(chǎn)設(shè)備陳舊、交通不暢等問(wèn)題使創(chuàng)新全要素生產(chǎn)率出現(xiàn)下滑。

（2）創(chuàng)新全要素生產(chǎn)率時(shí)空差異分解。一是時(shí)間分解。從縱向演變趨勢(shì)看，創(chuàng)新資源對(duì)創(chuàng)新全要素生產(chǎn)率的作用表現(xiàn)出波動(dòng)性特征；知識(shí)創(chuàng)新對(duì)創(chuàng)新全要素生產(chǎn)率的影響同樣表現(xiàn)為促進(jìn)作用，且作用強(qiáng)度遠(yuǎn)大于創(chuàng)新資源；協(xié)同創(chuàng)新表現(xiàn)出先促進(jìn)后抑制效應(yīng)；創(chuàng)新政策與創(chuàng)新環(huán)境影響效應(yīng)走勢(shì)持續(xù)向上。二是空間分解?？臻g集中度最強(qiáng)且最顯著的是知識(shí)創(chuàng)新效應(yīng)，創(chuàng)新資源、協(xié)同創(chuàng)新、創(chuàng)新政策與創(chuàng)新環(huán)境效應(yīng)空間集中度呈現(xiàn)交錯(cuò)分布態(tài)勢(shì)。東部地區(qū)除協(xié)同創(chuàng)新效應(yīng)下降外，其余四大驅(qū)動(dòng)效應(yīng)均保持穩(wěn)定上升趨勢(shì)；中西部地區(qū)五大驅(qū)動(dòng)效應(yīng)對(duì)區(qū)域創(chuàng)新全要素生產(chǎn)率的影響作用較弱。

5.2 政策建議

根據(jù)上述研究結(jié)論，本文提出如下政策建議：

（1）實(shí)施差異化、導(dǎo)向型政策。由上述結(jié)論可知，全國(guó)創(chuàng)新全要素生產(chǎn)率存在顯著時(shí)空差異，且創(chuàng)新全要素生產(chǎn)率五大子系統(tǒng)綜合得分較高省份多集中于東部地區(qū)。因此，為實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展，改善區(qū)域創(chuàng)新資源要素使用效率和提升創(chuàng)新能力，亟需國(guó)家、地方政府實(shí)施差異化、導(dǎo)向型政策予以支撐，促進(jìn)全國(guó)創(chuàng)新全要素生產(chǎn)率穩(wěn)定提升。針對(duì)不同地區(qū)，中央、地方政府部門要聯(lián)合起來(lái)印發(fā)與頒布針對(duì)性創(chuàng)新扶持政策，因地制宜地對(duì)相關(guān)科研人員給予資金支持，促進(jìn)中國(guó)創(chuàng)新全要素生產(chǎn)率提升。

（2）優(yōu)化區(qū)域要素資源配置。由結(jié)論可知，創(chuàng)新全要素生產(chǎn)率在不同省份存在顯著差異。鑒于此，相關(guān)政府部門要不斷優(yōu)化區(qū)域資源要素配置，提高區(qū)域資源要素使用效率，解決區(qū)域創(chuàng)新發(fā)展結(jié)構(gòu)不平衡問(wèn)題。相關(guān)政府部門應(yīng)深入探究區(qū)域人才、資金、信息等資源要素分布規(guī)律，借助信息平臺(tái)為各地區(qū)提供多元化資源配置方案，推進(jìn)區(qū)域創(chuàng)新資源要素配置模式優(yōu)化與完善。另外，打破資源要素在空間層面的集聚與累積，優(yōu)化創(chuàng)新產(chǎn)業(yè)空間布局，形成以技術(shù)、創(chuàng)新為支撐的區(qū)域工具體系，加快資源要素在區(qū)域內(nèi)流動(dòng)。

（3）積極主動(dòng)加入全球創(chuàng)新網(wǎng)絡(luò)。政府應(yīng)積極統(tǒng)籌社會(huì)安全與發(fā)展，以全球視野參與國(guó)際創(chuàng)新，主動(dòng)加入全球創(chuàng)新網(wǎng)絡(luò)，提升創(chuàng)新國(guó)際話語(yǔ)權(quán)。一方面，主動(dòng)牽頭國(guó)際大科學(xué)工程，聯(lián)合其它國(guó)家不斷研發(fā)與攻關(guān)新興技術(shù)，提高創(chuàng)新能力；另一方面，構(gòu)建開(kāi)放型創(chuàng)新生態(tài)體系，積極與其它國(guó)家開(kāi)展創(chuàng)新交流與合作，將最新技術(shù)、創(chuàng)新方案納入開(kāi)放生態(tài)體系，方便各國(guó)合理使用創(chuàng)新技術(shù)。

5.3 不足與展望

本文存在如下不足：①盡管指標(biāo)選取過(guò)程充分考慮了可能影響創(chuàng)新全要素生產(chǎn)率提升的各個(gè)環(huán)節(jié)，但未覆蓋創(chuàng)新全要素生產(chǎn)率所有維度，未來(lái)將進(jìn)一步完善評(píng)價(jià)指標(biāo)體系，確保研究結(jié)果更加準(zhǔn)確；②從時(shí)間傳遞性與動(dòng)態(tài)效率層面分析中國(guó)創(chuàng)新全要素生產(chǎn)率，未從效率、靜態(tài)等視角展開(kāi)對(duì)比分析，未來(lái)將從效率、靜態(tài)層面分析與測(cè)度中國(guó)創(chuàng)新全要素生產(chǎn)率；③本文所關(guān)注的創(chuàng)新全要素生產(chǎn)率屬于大類，其內(nèi)部不同子行業(yè)之間創(chuàng)新邏輯存在諸多差異，未來(lái)將進(jìn)一步拆分創(chuàng)新全要素生產(chǎn)率，比較創(chuàng)新全要素生產(chǎn)率對(duì)不同行業(yè)的異質(zhì)性影響；④由于創(chuàng)新全要素生產(chǎn)率影響因素涵括較廣，可能涉及人力資本、專利數(shù)量、技術(shù)進(jìn)步等因素，未來(lái)將從上述視角進(jìn)行補(bǔ)充與完善。

參考文獻(xiàn)：

[1] 謝謙，郭楊.數(shù)字技術(shù)、創(chuàng)新要素結(jié)構(gòu)優(yōu)化與企業(yè)全要素生產(chǎn)率[J].北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，67（6）：134-144.

[2] 姜玉梅，孟慶春，李新運(yùn).區(qū)域科技創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的績(jī)效評(píng)價(jià)[J].統(tǒng)計(jì)與決策，2021，37（16）：76-80.

[3] 劉波，李湛.中國(guó)科技創(chuàng)新資源配置體制機(jī)制的演進(jìn)、創(chuàng)新與政策研究[J].科學(xué)管理研究，2021，41（4）：8-16.

[4] 郝漢舟，徐新創(chuàng)，左珂怡，等.創(chuàng)新要素集聚與產(chǎn)業(yè)升級(jí)：中介效應(yīng)和調(diào)節(jié)效應(yīng)研究[J].長(zhǎng)江流域資源與環(huán)境，2022，31（11）：2357-2368.

[5] 王素素，盧哲凡，盧現(xiàn)祥.中國(guó)創(chuàng)新要素集聚水平測(cè)度、空間差異及形成機(jī)理[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，40（5）：1-12.

[6] 張冕，俞立平.創(chuàng)新要素投入偏向：機(jī)制、測(cè)度及其效應(yīng)研究——研發(fā)勞動(dòng)力與研發(fā)資本之比合理嗎[J].數(shù)理統(tǒng)計(jì)與管理，2022，41（5）：883-898.

[7] 黃遠(yuǎn)浙，鐘昌標(biāo)，葉勁松，等.跨國(guó)投資與創(chuàng)新績(jī)效——基于對(duì)外投資廣度和深度視角的分析[J].經(jīng)濟(jì)研究，2021，67（1）：138-154.

[8] 易靖韜，曹若楠.流程數(shù)字化如何影響企業(yè)創(chuàng)新績(jī)效——基于二元學(xué)習(xí)的視角[J].中國(guó)軟科學(xué)，2022，36（7）：94-104.

[9] 崔新蕾，劉歡.國(guó)家創(chuàng)新型城市設(shè)立與區(qū)域創(chuàng)新能力[J].科研管理，2022，43（1）：32-40.

[10] AN KE，SHAN YIKE，SHI SHENG. Impact of industrial intelligence on total factor productivity[J].Sustainability，2022，14（21）：14535-14535.

[11] 趙玉林，陳泓兆.異質(zhì)性技術(shù)創(chuàng)新與綠色全要素生產(chǎn)率提升[J].財(cái)會(huì)月刊，2020，41（18）：145-152.

[12] 孫向偉，丁成日.高?？蒲挟a(chǎn)出對(duì)城市全要素生產(chǎn)率的影響研究[J].城市發(fā)展研究，2020，27（3）：132-140.

[13] 郭秋秋，馬曉鈺.數(shù)字經(jīng)濟(jì)對(duì)城市綠色全要素生產(chǎn)率的影響研究[J].現(xiàn)代管理科學(xué)，2022，41（5）：156-166.

[14] 史丹，孫光林.大數(shù)據(jù)發(fā)展對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響機(jī)理研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2022，43（9）：85-100.

[15] ZHONG S， WANG H， WEN H， et al. The total factor productivity index of science and technology innovations in the coastal regions of China between 2006 and 2016[J]. Environmental Science and Pollution Research International，2020，28： 1-13.

[16] 武宵旭，韓永楠，葛鵬飛.中國(guó)制造業(yè)自主創(chuàng)新與全要素生產(chǎn)率的耦合協(xié)調(diào)性研究[J].經(jīng)濟(jì)問(wèn)題探索，2021，42（8）：141-154.

[17] 解佳龍，熊曉雪.國(guó)家高新區(qū)創(chuàng)新資源集聚分異與空間極化格局[J].管理現(xiàn)代化，2022，42（6）：14-21.

[18] 楊坤，吳金玉，胡斌.創(chuàng)新網(wǎng)絡(luò)中知識(shí)協(xié)同演化機(jī)理模型及計(jì)算實(shí)驗(yàn)分析[J].科技進(jìn)步與對(duì)策，2020，37（8）：124-133.

[19] 徐維祥，周建平，周夢(mèng)瑤，等.長(zhǎng)三角協(xié)同創(chuàng)新網(wǎng)絡(luò)韌性演化及驅(qū)動(dòng)機(jī)制研究[J].科技進(jìn)步與對(duì)策，2022，39（3）：40-49.

[20] 陳強(qiáng)，沈天添.中國(guó)科技創(chuàng)新政策體系演變研究——基于1978—2020年157份政策文本的量化分析[J].中國(guó)科技論壇，2022，38（12）：35-46.

[21] 郭國(guó)峰，高一帆，張穎穎.基于縱橫向拉開(kāi)檔次法的區(qū)域經(jīng)濟(jì)發(fā)展能力綜合評(píng)價(jià)研究——以我國(guó)中部六省科技創(chuàng)新能力為例[J].征信，2020，38（8）：18-22，83.

[22] 范巧，HUDSON DARREN.一種新的包含可變時(shí)間效應(yīng)的內(nèi)生時(shí)空權(quán)重矩陣構(gòu)建方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（1）：131-149.

[23] 郭亞軍.綜合評(píng)價(jià)理論、方法及應(yīng)用[M].北京：科學(xué)出版社，2007.

[24] 鄭堅(jiān)，陳斌.基于時(shí)間權(quán)重序列的GM（1，1）初始條件優(yōu)化模型[J].控制與決策，2018，33（3）：529-534.

[25] 徐慧君，王忠，馬麗萍，等.改進(jìn)Mini Batch K-Means時(shí)間權(quán)重推薦算法[J].計(jì)算機(jī)工程，2020，46（3）：73-78，86.

[26] KANG CHAOGUI，JIANG ZHUOJUN，LIU YU. Measuring hub locations in time-evolving spatial interaction networks based on explicit spatiotemporal coupling and group centrality[J].International Journal of Geographical Information Science， 2022， 36（2）： 360-381.

（責(zé)任編輯：王敬敏）

Continuous Dynamic Measurement and Decomposition of Temporal and

Spatial Differences of Innovation Total Factor Productivity in China

Yu Aishui¹，Zhang Jiru²，Yu Deshui³

（1.School of Government，Beijing Normal University，Beijing 100875， China；

2.School of Public Management， Inner Mongolia University，Hohhot 010021，China；

3.Wuhai Energy Co.， Ltd， National Energy Investment Group Co.， Ltd. Wuhai 016000，China）

Abstract：Innovation total factor productivity is an essential factor to enhance international competitiveness， and also the driving force for China′s economic growth. Confronted with the reality that the traditional production factors of labor and capital have a declining contribution to the national economic growth， China needs to rely more on the rise of innovation total factor productivity to promote industrial digitization and digital industrialization， and to help traditional energy-intensive industries upgrade in an innovative direction. However， prior research has little to say with regard to China′s innovation total factor productivity， and the in-depth discussion on the continuous dynamic measurement of total factor productivity of innovation and the decomposition of temporal and spatial differences are scarce.

The absence of relevant research is at odds with the importance attributed to China′s innovation total factor productivity. Then what are the continuous dynamic evolution process and time characteristics of China′s innovation total factor productivity？ Is there regional heterogeneity？? In order to answer the above questions， it is necessary to sort out relevant data and conduct an empirical test based on the development status of China′s innovation total factor productivity. Therefore， drawing on the panel data of 30 provinces from 2011 to 2020， this study uses the secondary weighted factor analysis method to conduct a sub-item and comprehensive evaluation of China′s innovation total factor productivity， and introduces the OWGA operator and OWA operator to implement the transformation and upgrading of mixed factors， with the aim to clarify its dynamic evolution process. In order to further reveal the vertical changes of the regional differences of China′s innovation total factor productivity in the temporal dimension， the LMDI factor decomposition method is used to explore the driving effect of temporal and spatial differences on innovation resources， knowledge innovation， collaborative innovation， innovation policy and innovation environment.

In terms of the dynamic measurement， the innovation total factor productivity of most provinces in China has shown a steady growth trend over time， while only a few provinces have experienced a decline in innovation total factor productivity due to a lack of funds， outdated production equipment and inconvenient transportation. In terms of the decomposition of temporal and spatial differences， the first is the temporal decomposition. The effect of innovation resources on innovation total factor productivity shows volatility， and the impact of knowledge innovation on the total factor productivity of innovation presents a promoting effect， and the effect intensity is far greater than that of innovation resources. Collaborative innovation shows the effect of promotion first and then inhibition， and there is a continuous upward trend of the impact of innovation policy and innovation environment . The second is spatial decomposition. The strongest and most significant spatial concentration is the effect of knowledge innovation， while the spatial concentration of innovation resources， collaborative innovation， innovation policy and innovation environment effects all present staggered distribution trends. In the eastern region， except for the decline of collaborative innovation effect， the other four driving effects have maintained a steady upward trend. The five driving effects in the central and western regions have a weak impact on regional innovation total factor productivity.

Compared with the existing literature， this paper makes a reasonable explanation of innovation total factor productivity， and then establishes an indicator system for scientific measurement based on a comprehensive consideration of innovation resources， knowledge innovation， collaborative innovation， innovation policy and innovation environment. Second， from the perspective of temporal and spatial evolution， this paper systematically analyzes the evolution of temporal and spatial patterns and temporal characteristics of innovation total factor productivity， and reveals the regional differences in China′s innovation total factor productivity. The paper sheds light on the continuous dynamic measurement and decomposition of temporal and spatial differences in innovation total factor productivity in China. The findings are conducive to further improving China′s innovation capability and levels， and? provide a reference for relevant government departments to formulate development strategies to improve innovation total factor productivity.

Key Words：Innovation Total Factor Productivity; Decomposition of Temporal and Spatial Differences ;Quadratic Weighted Factor Analysis;Dynamic Evolution Trend