中國(guó)區(qū)域科技創(chuàng)新效率研究
——基于三階段EBM-Windows模型

范建平，連嘉琪，吳美琴

(山西大學(xué)經(jīng)濟(jì)與管理學(xué)院，山西 太原 030006)

0 引言

科技創(chuàng)新是生產(chǎn)力的源泉，提高科技創(chuàng)新能力有助于一個(gè)國(guó)家和地區(qū)經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展。習(xí)近平總書(shū)記更是多次提到科技創(chuàng)新這一關(guān)鍵詞。近年來(lái)，伴隨中國(guó)綜合實(shí)力大幅提升，在提倡發(fā)展自主創(chuàng)新能力戰(zhàn)略并大力提高科技創(chuàng)新經(jīng)費(fèi)投入的背景下，中國(guó)各區(qū)域的科技創(chuàng)新效率是否得到相應(yīng)提升，以及存在哪些問(wèn)題，都受到社會(huì)各界的廣泛關(guān)注和思考。提升科技創(chuàng)新效率可解決中國(guó)現(xiàn)階段因創(chuàng)新資源不足所面臨的困境，能以更少投入得到更多產(chǎn)出成果，從而高效配置科技資源，提高各區(qū)域科技創(chuàng)新能力。

目前計(jì)算區(qū)域科技創(chuàng)新效率的主流方法一般有兩種，一是隨機(jī)前沿分析 (Stochastic Frontier Approach，SFA)，二是數(shù)據(jù)包絡(luò)分析 (Data Envelopm-

ent Analysis，DEA)。現(xiàn)有文章中很多學(xué)者如Li[1-3]等均利用SFA對(duì)區(qū)域科技創(chuàng)新效率及其影響因素進(jìn)行分析測(cè)算，并針對(duì)各區(qū)域?qū)嶋H情況提出建議。SFA作為一種參數(shù)方法，雖可利用經(jīng)濟(jì)學(xué)原理以生產(chǎn)函數(shù)投入產(chǎn)出的形式對(duì)影響效率的因素定量測(cè)算，但其缺點(diǎn)在于生產(chǎn)函數(shù)的形式需預(yù)先估計(jì)，一旦模型設(shè)定錯(cuò)誤，結(jié)果會(huì)偏差很大。相反，DEA是由Charnes等[4]在1978年提出的一種非參數(shù)方法，它不需要預(yù)先設(shè)定好投入產(chǎn)出具體的函數(shù)形式，且其權(quán)重不是人為給出，而是根據(jù)投入產(chǎn)出數(shù)據(jù)自動(dòng)計(jì)算所得，保證了結(jié)果的客觀性，也規(guī)避了函數(shù)設(shè)定錯(cuò)誤的風(fēng)險(xiǎn)，因此受到廣泛運(yùn)用，相關(guān)學(xué)者運(yùn)用超效率DEA、三階段DEA、SBM等模型對(duì)中國(guó)區(qū)域科技創(chuàng)新效率進(jìn)行了分析評(píng)價(jià)[5-10]。

目前，關(guān)于區(qū)域科技創(chuàng)新效率的研究成果為本文開(kāi)展研究夯實(shí)了基礎(chǔ)，但也存在一些缺陷。區(qū)域創(chuàng)新系統(tǒng)作為一個(gè)龐大的社會(huì)系統(tǒng)，外部環(huán)境因素在一定意義上會(huì)對(duì)其構(gòu)成影響，而大部分文章在測(cè)度時(shí)沒(méi)有考慮環(huán)境因素，僅將區(qū)域創(chuàng)新系統(tǒng)視為閉塞的投入產(chǎn)出系統(tǒng)，所得結(jié)果必然存在偏差，所提改進(jìn)意見(jiàn)也收效甚微。三階段DEA方法剝離了環(huán)境因素和隨機(jī)干擾的影響，所得效率值能更加客觀地貼近各區(qū)域?qū)嶋H情況。包括經(jīng)典三階段DEA在內(nèi)的方法中所使用的都是截面數(shù)據(jù)，當(dāng)面對(duì)面板數(shù)據(jù)時(shí)，由于各年份前沿面不同以致無(wú)法對(duì)特定決策單元 (Decision Making Unit，DMU)效率值進(jìn)行縱向比較。

本文針對(duì)上述問(wèn)題，構(gòu)建改進(jìn)三階段EBM(Epsilon-Based Measure)-Windows模型對(duì)中國(guó)區(qū)域科技創(chuàng)新效率進(jìn)行深入分析，以求發(fā)現(xiàn)不同省份間科技創(chuàng)新效率產(chǎn)生差異的原因，并為各省市自治區(qū)提高自身科技創(chuàng)新能力提供合理建議。本文的創(chuàng)新之處包括以下三點(diǎn)：①本文將EBM模型與傳統(tǒng)三階段DEA模型相結(jié)合，同時(shí)引入DEA-Windows方法和面板SFA模型；②本文對(duì)各省份科技創(chuàng)新效率進(jìn)行不同區(qū)域、不同年份、不同階段的綜合性分析；③本文剔除了環(huán)境因素和隨機(jī)因素干擾，能夠體現(xiàn)各異質(zhì)DMU科技創(chuàng)新效率在時(shí)間縱向上的客觀動(dòng)態(tài)變化。

1 研究方法：三階段EBM-Windows模型

1.1 第一階段：EBM-Windows

DEA利用數(shù)學(xué)規(guī)劃比較一組同質(zhì)DMU，使其加權(quán)后產(chǎn)出投入比最大，所得比值就是被評(píng)價(jià)DMU的相對(duì)效率值。由于DEA方法的客觀性，在評(píng)估效率問(wèn)題時(shí)大多數(shù)學(xué)者會(huì)采用傳統(tǒng)的CCR[4]或BCC[11]模型進(jìn)行測(cè)度。然而，傳統(tǒng)DEA模型利用的投入產(chǎn)出數(shù)據(jù)都是當(dāng)年的截面數(shù)據(jù)，只能計(jì)算當(dāng)年投入對(duì)當(dāng)年產(chǎn)出的影響，不能在時(shí)間序列上動(dòng)態(tài)研究DMU，也未考慮到松弛變量、環(huán)境因素及隨機(jī)因素對(duì)效率值的影響，因而測(cè)算結(jié)果不確切。

為了解決截面數(shù)據(jù)問(wèn)題，Klopp[12]在1985年首先提出針對(duì)DEA模型的面板數(shù)據(jù)處理對(duì)策，可同時(shí)做到從橫向和縱向兩個(gè)維度比較分析被評(píng)價(jià)DMU，即窗口分析方法 (Windows analysis approa-

ch)。該方法將不同時(shí)期的同一DMU視為一個(gè)新DMU，運(yùn)用縱向和橫向的面板數(shù)據(jù)研究效率動(dòng)態(tài)走向。Charnes等[13]在1985年將窗口分析引入DEA模型中，構(gòu)建了DEA-Windows方法，該方法中每個(gè)DMU都和窗口寬度為3的前沿面對(duì)比，繼而平均每個(gè)DMU三個(gè)時(shí)期的效率值，最終得到全部DMU效率值在時(shí)間序列上的對(duì)比。對(duì)于窗口寬度的設(shè)立，目前普遍接受的觀點(diǎn)是Charnes等[14]在1994年的研究結(jié)論，其認(rèn)為將窗口寬度設(shè)立為3或4可有效保持效率測(cè)度的可信性和穩(wěn)定性。

在松弛變量方面，經(jīng)典徑向模型要求全部投入和產(chǎn)出變量以相同比例收縮，未考慮單個(gè)變量的松弛或冗余程度，而至前沿最遠(yuǎn)距離(Slack Based Measwre,SBM模型)盡管測(cè)度了非徑向松弛，卻未體現(xiàn)出投入產(chǎn)出變量觀察值和目標(biāo)值之間的比例關(guān)系。針對(duì)這種情況，Tone等[15]在2010年提出混合距離函數(shù)EBM模型，該模型兼具徑向模型和非徑向模型特征，可愈發(fā)完整地測(cè)度效率。在環(huán)境因素方面，F(xiàn)ried等[16]提出三階段DEA方法，該方法充分借鑒參數(shù)方法和非參數(shù)方法優(yōu)勢(shì)，使DMU均處于同樣環(huán)境之中，最終所得效率值剔除了環(huán)境因素和隨機(jī)干擾的影響，只受各自DMU管理因素影響，結(jié)果比較客觀?；诖?，本文將EBM模型與三階段DEA方法相結(jié)合來(lái)測(cè)算區(qū)域科技創(chuàng)新效率。

第一階段，本文運(yùn)用非徑向非導(dǎo)向的EBM模型，將窗口寬度設(shè)為3，用DEA-Windows方法計(jì)算30個(gè)省市自治區(qū)2007—2016年的科技創(chuàng)新投入產(chǎn)出數(shù)據(jù)，測(cè)得各DMU的動(dòng)態(tài)效率得分和松弛變量。其中，非導(dǎo)向EBM模型如下：

1.2 第二階段：面板SFA估計(jì)

對(duì)不同時(shí)期DMU進(jìn)行效率評(píng)估時(shí)，由于每個(gè)時(shí)期前沿面和外部環(huán)境因素不同，無(wú)法比較各DMU效率得分以及松弛變量。目前學(xué)者普遍接受的觀點(diǎn)是效率一般會(huì)受到隨機(jī)干擾、環(huán)境因素及管理因素的影響。因此，本文假定在不考慮管理因素及隨機(jī)干擾的前提下，各DMU效率得分只與環(huán)境因素有關(guān)。針對(duì)不同時(shí)期前沿面無(wú)法評(píng)價(jià)效率得分問(wèn)題，以圖1為例對(duì)面板SFA進(jìn)行說(shuō)明。圖1中使用兩個(gè)投入X1和X2以及一個(gè)產(chǎn)出Y的投入導(dǎo)向形式，測(cè)算比較M、N、Q、P四個(gè)DMU在三個(gè)不同時(shí)期的效率得分。T1、T2、T3分別是三個(gè)時(shí)期的效率前沿面。

從圖1可知，N和Q有效，而M和P存在非徑向松弛。隨著環(huán)境因素逐漸改變，三個(gè)時(shí)期效率前沿面也逐漸向原點(diǎn)方向移動(dòng)。使用三個(gè)單獨(dú)SFA方程對(duì)各自DMU回歸，無(wú)法看出外部環(huán)境作用；使用一個(gè)整體SFA面板方程對(duì)三個(gè)時(shí)期所有DMU回歸，因前沿面不同，DMU松弛變量亦無(wú)法比較?；诖耍疚膶⒉煌瑫r(shí)期DMU置于相同效率前沿面下比較分析，即在圖1假設(shè)前提下，在圖2中將第三時(shí)期效率前沿面T3作為全部DMU共同前沿面，前兩個(gè)時(shí)期DMU在此前沿面下均為無(wú)效DMU。如此，利用面板SFA方法對(duì)所有DMU進(jìn)行回歸估計(jì)，可測(cè)算出環(huán)境因素對(duì)前兩個(gè)時(shí)期DMU低效率的影響程度。

將第一階段測(cè)度的各投入指標(biāo)松弛變量作為因變量，外部環(huán)境因素作為自變量，建立面板SFA方程：

圖1 面板SFA估計(jì)問(wèn)題

圖2 共同前沿面

根據(jù)面板SFA回歸結(jié)果，調(diào)整各DMU投入指標(biāo)值：

{νmj}-νmj]

m=1,2,…,M;j=1,2,…,J

在調(diào)整各DMU投入指標(biāo)值時(shí)，由于隨機(jī)干擾影響，需分離隨機(jī)干擾和管理因素，其中隨機(jī)干擾估計(jì)公式為：

νmj+μmj]

m=1,2,…,M;j=1,2,…,J

對(duì)于管理無(wú)效率分離公式，本文選擇使用羅登躍[17]提出的公式：

1.3 第三階段：調(diào)整后EBM-Windows

將第二階段調(diào)整后的各DMU新投入產(chǎn)出數(shù)據(jù)重新代入第一階段EBM-Windows中，窗口寬度設(shè)為3，再次計(jì)算各DMU效率得分。此時(shí)測(cè)度的效率得分已剔除環(huán)境因素和隨機(jī)干擾因素，能更加客觀準(zhǔn)確地反映各DMU真實(shí)效率水平。

2 指標(biāo)選取與數(shù)據(jù)處理

2.1 指標(biāo)選取

投入指標(biāo)方面，本文依據(jù)現(xiàn)有研究普遍做法，從資本和勞動(dòng)兩方面考量，選取各地區(qū)研發(fā)經(jīng)費(fèi)內(nèi)部支出和研發(fā)人員全時(shí)當(dāng)量作為科技創(chuàng)新投入變量。

在產(chǎn)出指標(biāo)方面，本文通過(guò)參考相關(guān)文獻(xiàn)[18,19]，從創(chuàng)新成果和市場(chǎng)收益兩方面進(jìn)行考量。專利作為創(chuàng)新活動(dòng)的成果展示，分為發(fā)明專利、實(shí)用新型專利和外觀專利，其中發(fā)明專利創(chuàng)新研發(fā)水平最高也最具商業(yè)價(jià)值，因而本文在專利選取方面只考慮發(fā)明專利。同時(shí)，由于申請(qǐng)的專利并不一定都能通過(guò)核查，因此專利授權(quán)數(shù)更能體現(xiàn)一個(gè)地區(qū)創(chuàng)新程度。在經(jīng)濟(jì)收益方面，新產(chǎn)品作為創(chuàng)新研發(fā)活動(dòng)成果，其銷售收入可體現(xiàn)一個(gè)地區(qū)創(chuàng)新水平。因而，本文選取專利授權(quán)數(shù)及新產(chǎn)品銷售收入作為科技創(chuàng)新產(chǎn)出指標(biāo)。

在研發(fā)環(huán)境因素方面，本文借鑒相關(guān)學(xué)者[5-6]的研究方法，從研發(fā)支持力度、經(jīng)濟(jì)教育發(fā)展、產(chǎn)業(yè)構(gòu)成等多方面綜合考量，選取各地區(qū)研發(fā)經(jīng)費(fèi)投入強(qiáng)度、技術(shù)市場(chǎng)成交合同金額、居民消費(fèi)支出、勞動(dòng)者素質(zhì)和產(chǎn)業(yè)結(jié)構(gòu)水平五個(gè)變量作為環(huán)境指標(biāo)。其中，勞動(dòng)者素質(zhì)用每十萬(wàn)人中在校大學(xué)生數(shù)量度量，產(chǎn)業(yè)結(jié)構(gòu)水平用高技術(shù)產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入占規(guī)模以上工業(yè)企業(yè)主營(yíng)業(yè)務(wù)收入比重度量。

2.2 數(shù)據(jù)收集與整理

在樣本選取方面，本文以中國(guó)大陸30個(gè)省市自治區(qū)作為研究對(duì)象，西藏由于多年數(shù)據(jù)短缺且無(wú)法填補(bǔ)不予以考量。在時(shí)間選取方面，本文選用各地區(qū)2007—2016年的科技創(chuàng)新投入產(chǎn)出數(shù)據(jù)進(jìn)行評(píng)估，原始數(shù)據(jù)出處為2008—2017年對(duì)應(yīng)的 《中國(guó)統(tǒng)計(jì)年鑒》和 《中國(guó)科技統(tǒng)計(jì)年鑒》。其中，R&D經(jīng)費(fèi)內(nèi)部支出、新產(chǎn)品銷售收入、技術(shù)市場(chǎng)成交合同金額、高技術(shù)產(chǎn)業(yè)和規(guī)模以上工業(yè)企業(yè)主營(yíng)業(yè)務(wù)收入及居民消費(fèi)支出均已利用各地區(qū)2007年居民消費(fèi)價(jià)格指數(shù) (CPI)作為基期，依據(jù)各地區(qū)各年份的居民消費(fèi)價(jià)格指數(shù) (CPI)進(jìn)行了可比價(jià)格換算。

3 實(shí)證分析

3.1 第一階段：EBM-Windows結(jié)果

第一階段，本文將窗口寬度設(shè)為3，利用非導(dǎo)向EBM模型測(cè)算2007—2016年各地區(qū)科技創(chuàng)新效率，結(jié)果見(jiàn)表1。上海、浙江、廣東、重慶、海南、江蘇、山東、北京等省市科技創(chuàng)新效率排名位列前茅，無(wú)獨(dú)有偶，這些科技創(chuàng)新效率較高省市均擁有優(yōu)越的地理位置，處于經(jīng)濟(jì)發(fā)展迅速的沿江沿海地區(qū)。而對(duì)山西、新疆、甘肅、江西、河南、河北、內(nèi)蒙古、陜西等地處內(nèi)陸的省市自治區(qū)來(lái)說(shuō)，其經(jīng)濟(jì)條件相對(duì)落后，科技創(chuàng)新效率相對(duì)低下。從時(shí)間序列來(lái)看，十年時(shí)間里東部各省市科技創(chuàng)新效率中天津下降、上海平穩(wěn)、海南波動(dòng)較大、北京穩(wěn)步上升；中部各省市科技創(chuàng)新效率呈逐步平穩(wěn)上升態(tài)勢(shì)；西部各地區(qū)科技創(chuàng)新效率中重慶相對(duì)平穩(wěn)，青海、寧夏波動(dòng)較大，廣西平穩(wěn)上升；東北各省科技創(chuàng)新效率中吉林波動(dòng)幅度大，遼寧較平穩(wěn)，黑龍江近年來(lái)有下降趨勢(shì)。

本文以北京市為例展現(xiàn)DEA-Windows計(jì)算過(guò)程，具體見(jiàn)表2。各窗口包含30個(gè)省市自治區(qū)3年數(shù)據(jù)即90個(gè)DMU，總計(jì)有8個(gè)窗口720個(gè)DMU。各DMU效率得分是平均各年份所在窗口效率值而得到，以北京市2009年效率得分為例，該效率值= (1.00+0.82+0.68)/3≈0.83。由此，北京市歷年效率得分在平均值行列示，科技創(chuàng)新效率整體上呈逐步上升趨勢(shì)。

表1 基于EBM-Windows的各省份科技創(chuàng)新效率 (調(diào)整前)

表2 窗口分析計(jì)算過(guò)程——以北京市為例

本文將30個(gè)省市自治區(qū)分為東部、中部、西部和東北四個(gè)地區(qū)，全國(guó)各地區(qū)效率動(dòng)態(tài)發(fā)展趨勢(shì) (見(jiàn)圖3)。全國(guó)整體效率水平呈上升態(tài)勢(shì)，近年趨于平穩(wěn)，東部地區(qū)效率始終高于其他三個(gè)地區(qū)，東北地區(qū)效率波動(dòng)較大，中西部地區(qū)效率逐步趨近全國(guó)平均水平。

3.2 第二階段：SFA回歸結(jié)果

第二階段，以第一階段兩個(gè)投入的松弛變量為因變量，環(huán)境因素為自變量，建立面板SFA回歸方程，估計(jì)結(jié)果見(jiàn)表3：各系數(shù)通過(guò)顯著性檢驗(yàn)，本文選取的5個(gè)環(huán)境因素對(duì)兩個(gè)投入的松弛變量有顯著影響，說(shuō)明環(huán)境因素會(huì)對(duì)科技創(chuàng)新效率產(chǎn)生作用。本文選取的因變量為投入指標(biāo)松弛變量，系數(shù)為負(fù)代表該環(huán)境變量越大，投入冗余越少，科技創(chuàng)新效率越高；系數(shù)為正則剛好相反。具體而言，研發(fā)經(jīng)費(fèi)投入強(qiáng)度和勞動(dòng)者素質(zhì)對(duì)研發(fā)人員全時(shí)當(dāng)量和研發(fā)經(jīng)費(fèi)內(nèi)部支出有正向影響，即研發(fā)經(jīng)費(fèi)投入強(qiáng)度過(guò)大、勞動(dòng)者素質(zhì)過(guò)高，反而可能使投入冗余過(guò)多，招致創(chuàng)新資源不必要的虛耗；技術(shù)市場(chǎng)成交合同金額和產(chǎn)業(yè)結(jié)構(gòu)對(duì)研發(fā)人員全時(shí)當(dāng)量和研發(fā)經(jīng)費(fèi)內(nèi)部支出有負(fù)向影響，即技術(shù)市場(chǎng)成交合同金額越高、高技術(shù)產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入占比越大，越有利于研發(fā)人員創(chuàng)新和合理支配研發(fā)經(jīng)費(fèi)。居民消費(fèi)支出對(duì)研發(fā)人員全時(shí)當(dāng)量有負(fù)向影響，對(duì)研發(fā)經(jīng)費(fèi)內(nèi)部支出有正向影響，說(shuō)明居民消費(fèi)支出水平越高，對(duì)研發(fā)人員需求量越大，人員投入冗余減少，而隨著研發(fā)經(jīng)費(fèi)投入增大，容易導(dǎo)致研發(fā)經(jīng)費(fèi)支出方面過(guò)量。

圖3 科技創(chuàng)新效率趨勢(shì)圖

項(xiàng)目研發(fā)人員全時(shí)當(dāng)量研發(fā)經(jīng)費(fèi)內(nèi)部支出系數(shù)t值系數(shù)t值常數(shù)項(xiàng)-0.04-1.48-0.18???-3.48研發(fā)經(jīng)費(fèi)投入強(qiáng)度0.07??2.510.11??2.18技術(shù)市場(chǎng)成交合同金額-0.02???-3.34-0.01-1.48產(chǎn)業(yè)結(jié)構(gòu)水平-0.06???-3.26-0.11???-4.06居民消費(fèi)支出-0.01-0.520.11???5.33勞動(dòng)者素質(zhì)0.07?1.670.13?1.80σ20.04???3.900.04???6.16γ0.87???24.020.36???3.34

注：***、**、*分別表示在1%、5%、10%顯著性水平上顯著。

3.3 第三階段：調(diào)整后EBM-Windows結(jié)果

第三階段，將窗口寬度設(shè)為3，用非導(dǎo)向EBM模型再次計(jì)算第二階段調(diào)整后的投入產(chǎn)出，結(jié)果見(jiàn)表4，一三階段效率變化情況見(jiàn)圖4。與第一階段相比，河北、山西、江西、河南、湖北、甘肅、寧夏、新疆和內(nèi)蒙古效率值大幅提高，且大部分位于中西部地區(qū)，這可能是由于東部地區(qū)人才、市場(chǎng)和研發(fā)經(jīng)費(fèi)資源已趨于飽和，而中西部地區(qū)在這些方面具有后發(fā)優(yōu)勢(shì)。上海、江蘇、浙江、山東、廣東和海南效率值在調(diào)整前后基本未改變，一直處于較高水平，說(shuō)明這些省市管理水平的基期值比較高。從各地區(qū)效率排名來(lái)看，北京、海南、四川和黑龍江排名出現(xiàn)明顯下降，而山西、甘肅、寧夏和新疆排名出現(xiàn)大幅提升，尤其寧夏更一躍成為第一位，可能是由于本文測(cè)度結(jié)果為相對(duì)效率，而北京、四川科技投入遠(yuǎn)高于寧夏、甘肅等地，投入處于過(guò)度飽和狀態(tài)，且受外部環(huán)境影響較大，科技創(chuàng)新效率較高依賴環(huán)境優(yōu)勢(shì)，寧夏、重慶等地本身管理制度甚為合理，創(chuàng)新能力受環(huán)境限制較大。全國(guó)整體除海南科技創(chuàng)新效率小幅下降外，其余各地區(qū)科技創(chuàng)新效率均呈不同程度上升。東部地區(qū)效率值變化較小，東北地區(qū)次之，中西部地區(qū)效率變化最大。剝離環(huán)境因素和隨機(jī)干擾影響后，處于同一環(huán)境的各省份效率值顯著改變，差距明顯縮短，效率值更接近真實(shí)管理情況，各地區(qū)間投入產(chǎn)出轉(zhuǎn)化能力差別不大，大部分地區(qū)效率較低的原因來(lái)自外部環(huán)境干擾。

表4 基于EBM-Windows的各省份科技創(chuàng)新效率 (調(diào)整后)

圖4 第一階段與第三階段各地區(qū)科技創(chuàng)新效率對(duì)比

調(diào)整后全國(guó)四大地區(qū)動(dòng)態(tài)效率變化情況見(jiàn)圖5。與第一階段情況相比，剔除環(huán)境因素和隨機(jī)干擾后，中西部地區(qū)效率值明顯逐年接近全國(guó)平均水平，東北地區(qū)依舊波動(dòng)較大，東部地區(qū)效率值也出現(xiàn)波動(dòng)，但仍穩(wěn)居第一。整體而言，東部地區(qū)效率依舊最高，中西部地區(qū)效率明顯超越東北地區(qū)。中西部和東北地區(qū)創(chuàng)新環(huán)境有待改善，科技創(chuàng)新效率有待提高。

圖5 科技創(chuàng)新效率趨勢(shì)圖 (調(diào)整后)

4 結(jié)論與建議

本文將非導(dǎo)向EBM模型與傳統(tǒng)三階段DEA模型結(jié)合，引入DEA-Windows方法和面板SFA模型，構(gòu)建同時(shí)考慮外部環(huán)境和異質(zhì)前沿面的改進(jìn)三階段EBM-Windows模型，剔除環(huán)境因素和隨機(jī)干擾的影響，測(cè)算中國(guó)大陸30個(gè)省市自治區(qū)2007—2016年科技創(chuàng)新效率，進(jìn)行橫向和縱向?qū)Ρ确治?，最終所得效率值更符合各地區(qū)真實(shí)情況。結(jié)果表明，在傳統(tǒng)效率測(cè)度方法下，各地區(qū)創(chuàng)新效率普遍較低，在剔除環(huán)境因素和隨機(jī)干擾的影響后，大部分地區(qū)科技創(chuàng)新效率有所提升。

目前，中國(guó)整體科技創(chuàng)新效率不高的原因在于中部和東北地區(qū)效率較低，受環(huán)境因素影響較大。因此為提高科技創(chuàng)新效率水平，本文根據(jù)上述結(jié)論和變量提出以下建議：

(1)各地區(qū)人才引進(jìn)策略和研發(fā)經(jīng)費(fèi)投入強(qiáng)度要適當(dāng)，尤其是東部發(fā)達(dá)省市，不可急功冒進(jìn)，在市場(chǎng)趨于飽和情況下，人員和經(jīng)費(fèi)過(guò)度投入會(huì)適得其反，使科技創(chuàng)新效率水平停滯不前甚至下降。

(2)各地區(qū)要大力推動(dòng)技術(shù)市場(chǎng)穩(wěn)步發(fā)展，完善技術(shù)市場(chǎng)管理認(rèn)定條例，鼓勵(lì)開(kāi)發(fā)、轉(zhuǎn)讓、咨詢等技術(shù)合作交流；積極調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加大高技術(shù)產(chǎn)業(yè)政策扶持力度，使高技術(shù)企業(yè)適應(yīng)市場(chǎng)需求變化，產(chǎn)生最優(yōu)收益。

(3)中西部和東北地區(qū)要借鑒上海和江蘇管理辦法，提高內(nèi)部管理能力，注重改善居民生產(chǎn)生活條件，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，提高居民消費(fèi)水平。

(4)各地政府要加大科技創(chuàng)新政策支持力度，鼓勵(lì)產(chǎn)學(xué)研協(xié)同創(chuàng)新，改善各地創(chuàng)新環(huán)境，使地區(qū)間保持良性互動(dòng)發(fā)展。