福建省科技創(chuàng)新全要素生產(chǎn)率動(dòng)態(tài)實(shí)證分析
——基于DEA-Malmquist指數(shù)模型和城市面板數(shù)據(jù)

李曉青

(廈門理工學(xué)院 經(jīng)濟(jì)與管理學(xué)院，福建 廈門 361024)

一、研究背景

隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來，科技創(chuàng)新成為推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展的首要驅(qū)動(dòng)要素，其發(fā)展水平和增長狀況直接影響區(qū)域經(jīng)濟(jì)增長的速度與質(zhì)量。作為東南沿海省份，福建省是我國實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的重要區(qū)域，經(jīng)濟(jì)發(fā)展正處于從投資拉動(dòng)到創(chuàng)新驅(qū)動(dòng)的發(fā)展轉(zhuǎn)型期。為加快創(chuàng)新型省份建設(shè)，十二五時(shí)期福建各級(jí)政府加大科技創(chuàng)新投入，自主創(chuàng)新和科技支撐轉(zhuǎn)型發(fā)展能力顯著增強(qiáng)。2015年《全國及各地區(qū)科技進(jìn)步統(tǒng)計(jì)監(jiān)測結(jié)果》顯示，福建省科技活動(dòng)投入指數(shù)全國排名第10位，科技活動(dòng)產(chǎn)出指數(shù)第19位，綜合科技進(jìn)步水平指數(shù)第13位[1]。從這些指標(biāo)不難看出，福建省科技投入與產(chǎn)出水平存在明顯差距。福建省在增強(qiáng)科技創(chuàng)新能力的過程中，不僅要注重科技資源的總量增加，更要注重科技創(chuàng)新質(zhì)量的提高。特別是在創(chuàng)新資源有限的情況下，科技創(chuàng)新質(zhì)量就變得更為突出，提高創(chuàng)新效率和增強(qiáng)自主創(chuàng)新能力才是實(shí)現(xiàn)經(jīng)濟(jì)增長的主要?jiǎng)恿统志迷慈?。?chuàng)新驅(qū)動(dòng)戰(zhàn)略為福建省經(jīng)濟(jì)發(fā)展既創(chuàng)造了機(jī)遇，也帶來了挑戰(zhàn)，福建省區(qū)域經(jīng)濟(jì)增長要實(shí)現(xiàn)可持續(xù)發(fā)展，務(wù)必重視科技創(chuàng)新效率的提升。因此，對(duì)福建省十二五其間的科技創(chuàng)新生產(chǎn)率開展動(dòng)態(tài)研究并探尋變化的動(dòng)因，對(duì)福建省科技創(chuàng)新管理具有十分重要的理論和現(xiàn)實(shí)意義。

科技創(chuàng)新效率是對(duì)區(qū)域創(chuàng)新體系總體效率的衡量，一般以測量全要素生產(chǎn)率(Total Factor Productivity，TFP)為基礎(chǔ)。國外關(guān)于TFP的測度研究主要有參數(shù)方法和非參數(shù)方法。參數(shù)方法以素羅余值法、超越對(duì)數(shù)模型估計(jì)和隨機(jī)前沿分析(SFA)為代表；非參數(shù)方法以數(shù)據(jù)包絡(luò)分析(DEA)和基于DEA的Malmquist指數(shù)分析方法為代表。與參數(shù)法相比，非參數(shù)法無需設(shè)定具體的生產(chǎn)函數(shù)形式，無需主觀賦權(quán)，在測量多投入多產(chǎn)出的決策單元(Decision Making Unit,DMU)相對(duì)效率方面具有優(yōu)勢?？萍紕?chuàng)新活動(dòng)是一個(gè)多投入多產(chǎn)出的復(fù)雜生產(chǎn)過程，國內(nèi)外學(xué)者多用非參數(shù)法來測算科技創(chuàng)新全要素生產(chǎn)率。相對(duì)于DEA只能在截面上進(jìn)行靜態(tài)效率評(píng)價(jià)，在DEA基礎(chǔ)上提出的DEA-Malmquist指數(shù)分析模型能夠利用不同決策單元的跨期面板數(shù)據(jù)進(jìn)行動(dòng)態(tài)分析，近些年來受到國內(nèi)外學(xué)者的青睞。國外研究例如Sun等[2]、Hashimoto等[3]、Guan等[4]、Claudio等[5]、Han等[6]等，均利用DEA-Malmquist指數(shù)模型對(duì)創(chuàng)新效率及全要素生產(chǎn)率變化進(jìn)行了研究。在科技創(chuàng)新全要素生產(chǎn)率測度方面，國內(nèi)代表性研究有劉鳳朝和潘雄鋒[7]、王珍珍和黃茂興[8]、劉明廣[9]、朱鵬頤等[10]、向小東等[11]，DEA-Malmquist指數(shù)模型為科技創(chuàng)新全要素生產(chǎn)率測度提供了較好的解決方法。目前，關(guān)于福建省區(qū)域科技創(chuàng)新效率的實(shí)證研究非常少，科技創(chuàng)新全要素生產(chǎn)率研究更為缺乏。袁博使用隨機(jī)前沿分析(SFA)測度了福建省各地區(qū)創(chuàng)新型企業(yè)創(chuàng)新效率[12]，朱鵬頤等運(yùn)用超效率數(shù)據(jù)包絡(luò)分析視窗模型和Malmquist指數(shù)對(duì)福建城市科技創(chuàng)新效率進(jìn)行了評(píng)價(jià)研究[10]。鑒于此，為完整全面地分析近年來福建省科技創(chuàng)新效率的動(dòng)態(tài)發(fā)展變化，筆者采用DEA-Malmquist指數(shù)模型對(duì)福建省2011—2016年其間9個(gè)地級(jí)市的面板數(shù)據(jù)進(jìn)行分析，測量福建省科技創(chuàng)新全要素生產(chǎn)率變動(dòng)情況，為科技決策者找到效率變化的主要?jiǎng)右颍瑫r(shí)也給決策單元如何改進(jìn)、提高科技創(chuàng)新效率指明方向。

二、DEA-Malmquist指數(shù)模型

全要素生產(chǎn)率(Total Factor Productivity，TFP)的一般含義是資源投入開發(fā)利用的效率，DEA-Malmquist指數(shù)模型是一種用于分析多投入多產(chǎn)出決策單元的全要素生產(chǎn)率變化及其原因的有效方法。Malmquist指數(shù)最早由瑞典經(jīng)濟(jì)學(xué)家Malmquist提出[13]，后來Caves、Christensen和Diewert將其用于測量全要素生產(chǎn)率變化[14]，F(xiàn)are進(jìn)一步采用DEA方法來測算并分解Malmquist指數(shù)[15]，從而形成了DEA-Malmquist生產(chǎn)率指數(shù)模型。此后，該模型被廣泛用于測算全要素生產(chǎn)率(TFP)的變動(dòng)。該方法的基本思路是采用投入—產(chǎn)出數(shù)據(jù)構(gòu)造成生產(chǎn)前沿面函數(shù)，通過DEA的非參數(shù)線性規(guī)劃模型求解距離函數(shù)，通過計(jì)算每個(gè)決策單元(DMU)分別在t期和t+1期與生產(chǎn)前沿的距離來表示兩個(gè)不同時(shí)段的生產(chǎn)率變化，從而得到相對(duì)效率的變動(dòng)。

筆者將福建省9個(gè)地級(jí)市作為單獨(dú)的生產(chǎn)決策單元(DMU)，運(yùn)用DEA-Malmquist指數(shù)構(gòu)建各個(gè)時(shí)期科技創(chuàng)新生產(chǎn)的最佳前沿面，然后將每期的DMU生產(chǎn)狀況與當(dāng)期最優(yōu)前沿面進(jìn)行比較，分析全要素生產(chǎn)率的變化。全要素生產(chǎn)率變動(dòng)指數(shù)(TFP change,tfpch)計(jì)算公式如下：

(1)

其中，Xt、Yt分別表示決策單元在t期的投入指標(biāo)和產(chǎn)出指標(biāo)，Dt(Xt,Yt)是以t期的技術(shù)為參照表示的第t期的距離函數(shù)，Dt(Xt+1,Yt+1)是以t+1期的技術(shù)為參照表示的第t期的距離函數(shù)，Dt+1(Xt,Yt)、Dt+1(Xt+1,Yt+1)以此類推。Tfpch>1說明TFP呈增長趨勢，科技創(chuàng)新效率提高；Tfpch<1說明TFP呈下降趨勢，科技創(chuàng)新效率下降。

假設(shè)規(guī)模報(bào)酬不變(Constant Returns to Scale,CRS)，通過等價(jià)變化，Malmquist指數(shù)(tfpch)可以分解為綜合技術(shù)效率變動(dòng)指數(shù)(efficiency change,effch)和技術(shù)進(jìn)步變動(dòng)指數(shù)(technical change,techch)。(1)可分解表示為：

=effch×techch

(2)

在規(guī)模報(bào)酬可變(Variable Return to Scale,VRS)情況下，綜合技術(shù)效率變動(dòng)指數(shù)effch可以進(jìn)一步分解為純技術(shù)效率變動(dòng)指數(shù)(pure technical efficiency change,pech)和規(guī)模效率變動(dòng)指數(shù)(scale efficiency change,sech)。(2)可進(jìn)一步分解為：

(3)

全要素生產(chǎn)率變動(dòng)指數(shù)(tfpch)分解為綜合技術(shù)效率變動(dòng)指數(shù)(effch)和技術(shù)進(jìn)步變動(dòng)指數(shù)(techch)。effch衡量了決策單元從t時(shí)期到t+1時(shí)期科技創(chuàng)新要素投入配置效率的變動(dòng)程度，反映生產(chǎn)決策單元對(duì)生產(chǎn)前沿面的追趕程度。當(dāng)effch>1，表示與上一期相比當(dāng)期生產(chǎn)更接近前沿面，技術(shù)效率改善；當(dāng)effch<1，表示與上一期相比當(dāng)期生產(chǎn)更遠(yuǎn)離前沿面，技術(shù)效率惡化。techch衡量決策單元從t時(shí)期到t+1時(shí)期生產(chǎn)前沿面的抬升變化，反映了技術(shù)水平的變化。當(dāng)techch>1，表示與上一期相比決策單元技術(shù)水平有了進(jìn)步；當(dāng)techch<1，表示與上一期相比決策單元技術(shù)水平退步了。

在規(guī)模報(bào)酬可變的假設(shè)下，綜合技術(shù)效率變動(dòng)指數(shù)(effch)進(jìn)一步分解為純技術(shù)效率變動(dòng)指數(shù)(pech)和規(guī)模效率變動(dòng)指數(shù)(sech)。前者表示決策單元資源配置、組織變革和經(jīng)營管理水平對(duì)效率變動(dòng)的影響，反映的是在既定的資源投入和技術(shù)水平下要素的利用程度和資源配置效率；后者表示決策單元現(xiàn)有規(guī)模向最優(yōu)生產(chǎn)規(guī)?？繑n的變化情況，反映的是在既定技術(shù)水平下要素投入規(guī)模的合理化程度。

三、實(shí)證研究

(一)指標(biāo)選取及數(shù)據(jù)來源

測度全要素生產(chǎn)率要選取投入和產(chǎn)出指標(biāo)，根據(jù)DEA分析理論，一般來說，DMU的數(shù)量不應(yīng)少于投入和產(chǎn)出指標(biāo)數(shù)量之和的兩倍，否則DEA會(huì)失去對(duì)DMU效率的區(qū)分能力[16]?？紤]到模型的區(qū)分度，分別選擇2個(gè)投入指標(biāo)和2個(gè)產(chǎn)出指標(biāo)?？萍紕?chuàng)新是原創(chuàng)性科學(xué)研究和技術(shù)創(chuàng)新的總稱，科技創(chuàng)新活動(dòng)是一個(gè)多投入多產(chǎn)出的復(fù)雜系統(tǒng)。因此，投入產(chǎn)出指標(biāo)的選取必須考慮到“研發(fā)性”和“創(chuàng)新性”特征。本研究從資金投入和人才投入方面分別選取R&D(研究與試驗(yàn)發(fā)展)資本存量(億元)(x1)和每萬名勞動(dòng)力中R&D人員折合全時(shí)當(dāng)量(人年)(x2)作為投入指標(biāo)，從科技創(chuàng)新直接成果和科技創(chuàng)新價(jià)值貢獻(xiàn)兩方面分別選取專利申請(qǐng)授權(quán)量(件)(y1)和高新技術(shù)產(chǎn)業(yè)增加值(億元)(y2)來作為產(chǎn)出指標(biāo)。

R&D經(jīng)費(fèi)內(nèi)部支出是衡量當(dāng)期研發(fā)創(chuàng)新資金投入的重要指標(biāo)，但考慮到資金投入對(duì)科技創(chuàng)新的影響不僅僅表現(xiàn)在當(dāng)期，對(duì)以后若干時(shí)期的科技創(chuàng)新也有重要影響。由于它是一個(gè)流量指標(biāo)，因此本研究在度量科技創(chuàng)新投入時(shí)將R&D經(jīng)費(fèi)內(nèi)部支出換算為R&D資本存量，R&D資本存量的測算一般采用永續(xù)盤存法(Perpetual Inventory Method,PIM)[17-18]。測算公式是：RDit=(1-δ)RDi(t-1)+Ei(t-1)，其中，RDit表示i地市第t期的R&D資本存量，Ei(t-1)表示i地市第t-1期的R&D經(jīng)費(fèi)內(nèi)部支出，δ表示研發(fā)資本折舊率。期初R&D資本存量值為：RDi0=Ei0/(g+δ)，g為研發(fā)資本增長率(假定等于E的年均增長率)；參考朱有為等[18]、吳延兵的研究[19]，δ取15%。本研究將基年定為2010年，在測算研發(fā)資本存量之前，先采用研發(fā)價(jià)格指數(shù)將R&D經(jīng)費(fèi)內(nèi)部支出平減為以2010年為基期的不變價(jià)。研發(fā)價(jià)格指數(shù)計(jì)算式為：RDPI=0.75P+0.25W，P為工業(yè)生產(chǎn)者出廠價(jià)格指數(shù)(PPI),W為消費(fèi)者價(jià)格指數(shù)(CPI)。此外，高新技術(shù)產(chǎn)業(yè)增加值也以2010年為基期采用工業(yè)生產(chǎn)者出廠價(jià)格指數(shù)(PPI)進(jìn)行相應(yīng)平減。

福建省9個(gè)地市2010—2016年各投入產(chǎn)出指標(biāo)面板數(shù)據(jù)來源于《福建統(tǒng)計(jì)年鑒》、福建省統(tǒng)計(jì)局及各地市統(tǒng)計(jì)局網(wǎng)站統(tǒng)計(jì)信息公開數(shù)據(jù)、福建省科技廳及各地市科技局網(wǎng)站統(tǒng)計(jì)信息公開數(shù)據(jù)、福建省知識(shí)產(chǎn)權(quán)局網(wǎng)站專利統(tǒng)計(jì)信息以及各地市國民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。歷年價(jià)格指數(shù)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》?？萍紕?chuàng)新投入產(chǎn)出指標(biāo)的基本情況如表1?？梢钥闯?，投入產(chǎn)出指標(biāo)的標(biāo)準(zhǔn)差比較大，這也說明福建省科技創(chuàng)新發(fā)展水平有較大的地區(qū)差異。

表1 福建省9地市科技創(chuàng)新投入產(chǎn)出指標(biāo)的描述統(tǒng)計(jì)

(二)不同年度福建科技創(chuàng)新全要素生產(chǎn)率變動(dòng)及其分解

利用DEAP2.1軟件對(duì)福建省9地市科技創(chuàng)新生產(chǎn)的面板數(shù)據(jù)進(jìn)行Malmquist指數(shù)分析，測算得到年度平均的福建省科技創(chuàng)新全要素生產(chǎn)率變動(dòng)指數(shù)及分解(見圖1和表2)。總體而言，考察其間福建省科技創(chuàng)新全要素生產(chǎn)率(TFP)整體上比較平穩(wěn)，年均略微下降0.5%。分解來看，綜合技術(shù)效率提升，年均增長3.7%，同時(shí)技術(shù)進(jìn)步水平下降，年均下降4%。兩者變化幅度相當(dāng)，作用相互抵消，導(dǎo)致全要素生產(chǎn)率無明顯變化，略微有所下降。

圖1 2011—2016年福建省科技創(chuàng)新Malmquist生產(chǎn)率指數(shù)及分解指數(shù)均值趨勢

進(jìn)一步分析，2011—2016年科技創(chuàng)新全要素生產(chǎn)率呈現(xiàn)波動(dòng)變化趨勢:2011—2012年，生產(chǎn)率增長2%;2012—2014年均連續(xù)下降4%和9.7%;2014—2015年增長14%;2015—2016年又下降3.1%。全要素生產(chǎn)率變動(dòng)指數(shù)可分解為綜合技術(shù)效率變動(dòng)指數(shù)和技術(shù)進(jìn)步變動(dòng)指數(shù)。綜合技術(shù)效率變動(dòng)指數(shù)均大于1，這說明考察期內(nèi)各年度綜合技術(shù)效率均得到提升。綜合技術(shù)效率變動(dòng)與技術(shù)進(jìn)步變動(dòng)趨勢存在顯著差異，表現(xiàn)為多數(shù)時(shí)期內(nèi)當(dāng)技術(shù)效率增長時(shí)，技術(shù)進(jìn)步處于下降期，這說明福建省對(duì)現(xiàn)有研發(fā)創(chuàng)新技術(shù)的推廣和擴(kuò)散不太成功。全要素生產(chǎn)率變動(dòng)指數(shù)同技術(shù)進(jìn)步變動(dòng)指數(shù)變化趨勢一致(見圖1)，可見，技術(shù)進(jìn)步是科技創(chuàng)新全要素生產(chǎn)率變動(dòng)的主要驅(qū)動(dòng)因素?？疾炱趦?nèi)技術(shù)水平前沿面平均下降了4%，其中，除2014—2015年外，其余時(shí)期技術(shù)水平均出現(xiàn)退步。這里需要指出的是，這里的技術(shù)退步是指狹義的技術(shù)退步，DEA-Malmquist指數(shù)模型所測算的全要素生產(chǎn)率變動(dòng)并不包括科技投入部分的技術(shù)進(jìn)步，技術(shù)進(jìn)步變動(dòng)指數(shù)反映的是投入以外部分的技術(shù)水平變動(dòng)，例如管理水平、組織創(chuàng)新、專業(yè)化和生產(chǎn)創(chuàng)新等。確切的說，技術(shù)水平下降說明出現(xiàn)了不包括投入的技術(shù)退步，但包括投入在內(nèi)的技術(shù)進(jìn)步是可能存在的[20]。隨著科技投入的不斷增加，在研發(fā)創(chuàng)新沒有突破性進(jìn)展的情況下，創(chuàng)新空間逐漸減少，這時(shí)需要更多的創(chuàng)新投入才能獲得與原來相同的產(chǎn)出，導(dǎo)致生產(chǎn)前沿面的下移[19]，拖累了全要素生產(chǎn)率的增長。這一結(jié)論也說明2011—2016年福建省的科技進(jìn)步為體現(xiàn)型技術(shù)進(jìn)步，主要是依賴于科技投入要素的積累，并非單純的技術(shù)進(jìn)步力量起作用。但是，2014—2015年間福建科技創(chuàng)新全要素生產(chǎn)率顯著增長14%，這種科技進(jìn)步即為單純的技術(shù)進(jìn)步力量推動(dòng)。

表2 2011—2016年科技創(chuàng)新Malmquist生產(chǎn)率指數(shù)及其分解指數(shù)均值

表2顯示，綜合技術(shù)效率年均增長了3.7%，福建省科技創(chuàng)新資源配置效率得到了改善，主要源自兩方面的作用：純技術(shù)效率年均增長了5.6%，規(guī)模效率sech年均下降了1.8%，純技術(shù)效率的變動(dòng)幅度超過了規(guī)模效率的變動(dòng)，這說明純技術(shù)效率的提升是技術(shù)效率出現(xiàn)正增長的主要?jiǎng)恿?。隨著創(chuàng)新驅(qū)動(dòng)戰(zhàn)略的推行，福建省加大科技創(chuàng)新投入，注重創(chuàng)新內(nèi)涵建設(shè)，科技創(chuàng)新體系在資源配置、組織變革和經(jīng)營方面改善顯著，但是生產(chǎn)規(guī)模合理化程度有所下降。這說明在擴(kuò)大科技投入的同時(shí)，應(yīng)該重視生產(chǎn)規(guī)模的控制，改變當(dāng)前投入規(guī)模盲目擴(kuò)大的粗放型增長方式，向集約型轉(zhuǎn)變。

(三)不同地級(jí)市福建科技創(chuàng)新全要素生產(chǎn)率變動(dòng)及其分解

2011—2016年福建省9個(gè)地級(jí)市的科技創(chuàng)新Malmquist指數(shù)及分解情況(見表3)。整體看，考察其間科技創(chuàng)新全要素生產(chǎn)率平均下降0.5%。從各區(qū)域來看，城市科技創(chuàng)新發(fā)展不均衡，區(qū)域差異明顯。5個(gè)城市全要素生產(chǎn)率變動(dòng)指數(shù)大于1，從高到低依次是福州、漳州、南平、龍巖和泉州，提升幅度最大的是福州，年均增長率達(dá)到8.4%，提升幅度最小的是泉州，增長率為0.9%；廈門、莆田、三明和寧德全要素生產(chǎn)率變動(dòng)指數(shù)小于1，全要素生產(chǎn)率降幅最大的是莆田，下降15.5%。根據(jù)表3中全要素生產(chǎn)率變動(dòng)指數(shù)的分解，筆者將生產(chǎn)率正向增長的5個(gè)地級(jí)市分為兩類：一類是資源配置效率驅(qū)動(dòng)型，如福州、漳州、南平和龍巖科技創(chuàng)新全要素生產(chǎn)率的增長主要來自于資源配置效率的驅(qū)動(dòng)，而不是技術(shù)進(jìn)步；另一類是技術(shù)進(jìn)步驅(qū)動(dòng)型，如泉州科技創(chuàng)新生產(chǎn)率提升0.9%，主要由技術(shù)進(jìn)

表3 2011—2016年福建省各地級(jí)市科技創(chuàng)新Malmquist生產(chǎn)率指數(shù)及其分解指數(shù)均值

步驅(qū)動(dòng)。全要素生產(chǎn)率負(fù)增長的地級(jí)市有4個(gè)，根據(jù)造成生產(chǎn)率下降的原因也可以分為兩類：一類是資源配置效率和技術(shù)衰退共同阻滯型，廈門和莆田屬于這一類型，兩地的資源配置效率和技術(shù)水平均退步，共同影響生產(chǎn)率下降；另一類是技術(shù)衰退阻滯型，三明和寧德屬于這一類型，隨著整體科技創(chuàng)新水平的提升，兩地的生產(chǎn)前沿面相對(duì)后移，兩地的科技創(chuàng)新全要素生產(chǎn)率下降主要?dú)w因于技術(shù)退步。上述分析顯示，沒有出現(xiàn)資源配置效率和技術(shù)進(jìn)步“雙驅(qū)動(dòng)”的情況，這也說明福建各城市自身的科技創(chuàng)新發(fā)展存在不均衡，技術(shù)效率的改善和技術(shù)水平進(jìn)步不能兼顧。

從各地區(qū)綜合技術(shù)效率變動(dòng)情況來看，莆田綜合技術(shù)效率下降明顯，下降幅度為9.4%；廈門和泉州保持穩(wěn)定，其余城市綜合技術(shù)效率均得到提升，這說明福建省大部分地級(jí)市的科技創(chuàng)新資源要素配置效率得到提升。從技術(shù)進(jìn)步變動(dòng)來看，除了泉州技術(shù)進(jìn)步變動(dòng)指數(shù)大于1，生產(chǎn)前沿面略有抬升，其他城市技術(shù)進(jìn)步變動(dòng)指數(shù)均小于1，呈現(xiàn)技術(shù)退步。如前所述，這里的技術(shù)進(jìn)步反映的是科技創(chuàng)新投入要素以外的科技進(jìn)步水平，這至少說明福建省大部分城市自主創(chuàng)新實(shí)力存在不足，如果不考慮投入要素的積累，單純的技術(shù)進(jìn)步較為薄弱，無法抬升有效前沿面。進(jìn)一步地，根據(jù)DEA測度原理，綜合技術(shù)效率的變動(dòng)是純技術(shù)效率和規(guī)模效率共同推動(dòng)的。表3顯示，福建省大部分地市純技術(shù)效率變動(dòng)指數(shù)大于1，而規(guī)模效率變動(dòng)指數(shù)小于1。大部分地級(jí)市的科技創(chuàng)新綜合技術(shù)效率的提升由純技術(shù)效率的提升所驅(qū)動(dòng),而生產(chǎn)規(guī)模損失拖累了綜合技術(shù)效率的增長。

進(jìn)一步根據(jù)傳統(tǒng)地域區(qū)劃，將福建省9個(gè)地市劃分為閩東、閩西、閩南和閩北四大區(qū)域來分析。閩東包括福州和莆田，閩西包括三明和龍巖，閩北包括寧德和南平，閩南包括廈門、漳州和泉州。根據(jù)計(jì)算結(jié)果(見表4)，四大區(qū)域的科技創(chuàng)新全要素生產(chǎn)率均有提升，總體上研究其間福建省科技創(chuàng)新政策和創(chuàng)新投入提升了區(qū)域科技創(chuàng)新水平。從推動(dòng)力看，閩東主要由資源配置效率驅(qū)動(dòng)，閩南和閩北主要由技術(shù)進(jìn)步驅(qū)動(dòng)，閩西由資源配置效率和技術(shù)進(jìn)步共同驅(qū)動(dòng)。四大區(qū)域中，閩東全要素生產(chǎn)率提升幅度最大，增長率為7%。以福州為中心的閩東地區(qū)科技創(chuàng)新效率進(jìn)步最快，主要源于科技資源配置效率的大幅提升，但是投入要素以外的科技水平退步，說明還存在自主創(chuàng)新能力的提升空間。閩南和閩北地區(qū)的生產(chǎn)率提升水平相當(dāng)，約為4%。資源配置效率保持不變，全要素生產(chǎn)率提升由技術(shù)水平的進(jìn)步貢獻(xiàn)，這說明兩地科技管理水平、組織創(chuàng)新、專業(yè)化和生產(chǎn)創(chuàng)新方面改善顯著，自主創(chuàng)新能力得到增強(qiáng)。閩西區(qū)域的生產(chǎn)率提升2.3%，主要由綜合技術(shù)效率的提升和技術(shù)進(jìn)步共同拉動(dòng)。

表4 2011—2016年福建省四大區(qū)域科技創(chuàng)新Malmquist生產(chǎn)率指數(shù)及分解指數(shù)均值

四、結(jié) 語

基于福建省9個(gè)地級(jí)市2011—2016年的科技創(chuàng)新投入產(chǎn)出面板數(shù)據(jù)，采用DEA-Malmquist指數(shù)模型對(duì)福建省科技創(chuàng)新生產(chǎn)率變化情況進(jìn)行實(shí)證研究，將全要素生產(chǎn)率變動(dòng)分解為技術(shù)進(jìn)步變動(dòng)、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)，從技術(shù)水平、資源配置效率和生產(chǎn)規(guī)模方面來闡述十二五其間福建省科技創(chuàng)新效率的演化。主要得到如下結(jié)論：

2011—2016年，福建省科技創(chuàng)新全要素生產(chǎn)率總體上保持平穩(wěn)，年均略微下降0.5%。技術(shù)水平的變動(dòng)是全要素生產(chǎn)率變動(dòng)的主要驅(qū)動(dòng)力量，雖然綜合技術(shù)效率的增長對(duì)科技創(chuàng)新全要素生產(chǎn)率增長產(chǎn)生了正面影響，但是被技術(shù)水平的退步影響所抵消，導(dǎo)致全要素生產(chǎn)率略微有所下降。除泉州以外的其他城市均出現(xiàn)一定程度的技術(shù)衰退，這說明福建大部分區(qū)域科技創(chuàng)新的產(chǎn)出增長仍然是依賴于創(chuàng)新投入要素驅(qū)動(dòng)的增長方式，這種粗放型的增長方式將會(huì)阻礙福建省創(chuàng)新驅(qū)動(dòng)戰(zhàn)略的實(shí)施。因此，要真正提升福建省科技創(chuàng)新生產(chǎn)率水平，應(yīng)該高度重視提升科技自主創(chuàng)新能力，獲取投入要素以外的技術(shù)進(jìn)步，堅(jiān)持將經(jīng)濟(jì)發(fā)展動(dòng)力從投資驅(qū)動(dòng)、要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)、效率驅(qū)動(dòng)轉(zhuǎn)化。近年來，福建省科技創(chuàng)新發(fā)展迅速，但是技術(shù)水平仍然在較低層次徘徊，要真正提升技術(shù)水平，應(yīng)該尋求研發(fā)創(chuàng)新的進(jìn)一步突破。在全球一體化背景下，除依靠自主研發(fā)外，另外一個(gè)途徑就是技術(shù)轉(zhuǎn)移或技術(shù)外溢，主要可以通過國外技術(shù)引進(jìn)、國內(nèi)技術(shù)購買及外商直接投資企業(yè)研發(fā)活動(dòng)等實(shí)現(xiàn)對(duì)先進(jìn)經(jīng)驗(yàn)和技術(shù)的高效吸收和有效利用。此外，福建省整體上綜合技術(shù)效率有所提升，純技術(shù)效率增長是其主要推動(dòng)力，但是規(guī)模效率下降一定程度拖累了技術(shù)效率的增長。福建省在加大科技投入的同時(shí)，需要關(guān)注生產(chǎn)規(guī)模與投入產(chǎn)出的匹配程度，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，靠近最優(yōu)生產(chǎn)規(guī)模水平，促使科技創(chuàng)新生產(chǎn)從“粗放化”向“集約化”轉(zhuǎn)變。

福建省科技創(chuàng)新全要素生產(chǎn)率增長呈現(xiàn)出明顯的區(qū)域差異。從城市角度分析，9個(gè)地級(jí)市的全要素生產(chǎn)率增長存在明顯差異，其驅(qū)動(dòng)因素也存在不同。福州、漳州、南平、龍巖和泉州的全要素生產(chǎn)率呈現(xiàn)正增長，其中，福州、漳州、南平和龍巖的生產(chǎn)率增長是由資源配置效率驅(qū)動(dòng)，泉州的全要素生產(chǎn)率增長是依靠技術(shù)進(jìn)步驅(qū)動(dòng)。莆田、廈門、三明和寧德的全要素生產(chǎn)率呈現(xiàn)負(fù)增長，其中，廈門和莆田的生產(chǎn)率下降是由資源配置效率下降和技術(shù)衰退共同導(dǎo)致；三明和寧德的生產(chǎn)率下降是由于技術(shù)衰退造成。各地市需要依據(jù)自身的發(fā)展情況制定改善措施，除泉州外，其他8個(gè)城市需要高度重視技術(shù)水平的提高，除依靠自主研發(fā)外，還應(yīng)該加強(qiáng)技術(shù)引進(jìn)和技術(shù)轉(zhuǎn)化。福州、廈門和泉州作為福建科技創(chuàng)新的中心城市，三地發(fā)展并不均衡。福州發(fā)展速度最快，但是廈門的科技創(chuàng)新生產(chǎn)率存在退步，而且兩地均出現(xiàn)技術(shù)退步，要素投入以外的技術(shù)進(jìn)步提升不夠，值得警惕；泉州雖然綜合技術(shù)效率沒有變化，但科技進(jìn)步水平有所提升，引領(lǐng)科技創(chuàng)新的生產(chǎn)前沿。9個(gè)城市中，莆田發(fā)展滯后，莆田不僅要提升技術(shù)水平追趕最優(yōu)前沿，還要從制度安排、創(chuàng)新環(huán)境建設(shè)、管理創(chuàng)新等方面著手提升資源配置效率。另外，從區(qū)域角度看，福建省四大區(qū)域的科技創(chuàng)新全要素生產(chǎn)率均有所提升，但發(fā)展不均衡。提升幅度上，閩東>閩南>閩北>閩西。閩東有賴于資源配置效率的大幅改善，科技創(chuàng)新生產(chǎn)率進(jìn)步最大；閩南和閩北技術(shù)水平進(jìn)展顯著，促進(jìn)生產(chǎn)率顯著提升；閩西的科技創(chuàng)新生產(chǎn)率也有提高。政府應(yīng)該大力促進(jìn)區(qū)域之間的科技交流，各地要抓住創(chuàng)新引領(lǐng)跨越發(fā)展的歷史性機(jī)遇，以科技創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)增長，縮小地區(qū)差異，實(shí)現(xiàn)共同發(fā)展。

[1]2015全國及各地區(qū)科技進(jìn)步統(tǒng)計(jì)監(jiān)測結(jié)果(一)[EB/OL].(2017-09-20).http://www.sts.org.cn/tjbg/tjjc/tcindex.asp.

[2]SUN C H，KALIRAJAN K P. Gauging the sources of growth of high-tech and low-tech industries: the case of korean manufacturing[J]. Australian Economic Papers，2005，44(2)：170-185.

[3]HASHIMOTO A,HANEDA S.Measuring the change in R&D efficiency of the Japanese pharmaceutical Industry[J].Research Policy，2008，37(10)：1829-1836.

[4]GUAN J C，CHEN K H. Modeling macro-R&D production frontier performance：an application to Chinese province-level R&D[J]. Scientometrics，2010，82(1)：165-173.

[5]CLAUDIO，CRUZ C，CRISTINA，et al.You can’t manage right what you can’t measure well：technological innovation efficiency[J].Research Policy，2013，42(6-7)：1239-1250.

[6]HAN U，ASMILA M. Regional R&D efficiency in Korea from static and dynamic perspective[J].Regional Studies，2016，50(7)：1-15.

[7]劉鳳朝，潘雄鋒.基于Malmquist指數(shù)法的我國科技創(chuàng)新效率評(píng)價(jià)[J].科學(xué)學(xué)研究,2007, 25(5):986-990.

[8]王珍珍，黃茂興.我國科技創(chuàng)新效率的實(shí)證研究—基于DEA-Malmquist模型和中國省際面板數(shù)據(jù)[J].技術(shù)經(jīng)濟(jì),2013, 32(10):55-61.

[9]劉明廣.基于DEA-Malmquist指數(shù)法的廣東區(qū)域創(chuàng)新體系創(chuàng)新效率動(dòng)態(tài)評(píng)價(jià)[J].統(tǒng)計(jì)與管理,2017 (1):67-71.

[10]朱鵬頤，劉東華，黃新煥.動(dòng)態(tài)視角下城市科技創(chuàng)新效率評(píng)價(jià)研究——以福建九地級(jí)市為例[J].科研管理,2017,38(6):43-50.

[11]向小東，林健. 中國工業(yè)企業(yè)創(chuàng)新全要素生產(chǎn)率評(píng)價(jià)——基于雙前沿面網(wǎng)DEA-Malmquist指數(shù)模型[J].工業(yè)技術(shù)經(jīng)濟(jì),2017,35(9):93-103.

[12]袁博.基于SFA模型的福建創(chuàng)新型企業(yè)創(chuàng)新效率分析[J]. 發(fā)展研究，2016(3)：68-71.

[13]MALMQUIST S. Index numbers andindifferencecurves[J].Trabajos de Estatistica ,1953(4):209-242.

[14]CAVES D W, Christensen L R, Diewert W E. The economic theory of index numbers and the measurement of input,output,and productivity[J].Econometrica,1982,50(6):1393-1414.

[15]FARER,GROSSKOPF S,NORRISM. Productivitygrowth,technicalProgressand efficiency Changes inindustrializedcountries[J].American EconomicReview,1994, (84):66-83.

[16]BANKER R D,CHARNES A,COOPER W W,et al. An introduction to data envelopment analysis with some of its models and their users[J].Research in Government and nonprofit Accounting, 1989(5): 125-163.

[17]COE S M HELPMAN. International R&D spillovers[J]. European Economic Review, 1995, 39(5):859-887.

[18]朱有為，徐康寧.中國高技術(shù)產(chǎn)業(yè)研發(fā)效率的實(shí)證研究[J]. 中國工業(yè)經(jīng)濟(jì)，2006(11)：38-45.

[19]吳延兵. 用DEA方法評(píng)測知識(shí)生產(chǎn)中的技術(shù)效率與技術(shù)進(jìn)步[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2008(7):67-79.

[20]賴明勇，王文妮.全要素生產(chǎn)率和經(jīng)濟(jì)增長方式——基于1952—2006年的Malmquist指數(shù)分析[J].求索,2008 (11):3-8.