價值鏈視角下科技人才分布對區(qū)域創(chuàng)新系統(tǒng)效率的影響

徐 斌，羅 文

(1.江西財經(jīng)大學 協(xié)同創(chuàng)新中心；2江西財經(jīng)大學 產(chǎn)業(yè)經(jīng)濟研究院，江西 南昌 330013)

0 引言

近年來，我國不斷加大科技創(chuàng)新投入力度，著力培養(yǎng)、引進、挖掘各類人才，以期實現(xiàn)從要素驅動向創(chuàng)新驅動轉變。2009-2017年，全國研究與實驗發(fā)展(R&D)經(jīng)費投入從5 802.1億元增長至17 606.1億元，R&D經(jīng)費投入強度從1.66%提升至2.13%，每萬人中R&D人員從23.9人增至44.7人。然而，中國科學技術發(fā)展戰(zhàn)略研究院發(fā)布的《國家創(chuàng)新指數(shù)報告2018》、《中國區(qū)域科技創(chuàng)新評價報告2018》報告顯示，相對于科技投入增長表現(xiàn)，我國科技產(chǎn)出效率以及科技對社會的影響與之不匹配。在向創(chuàng)新驅動目標轉變下，各省一方面增加科技資金投入、提高研發(fā)投入強度；另一方面在人才引進上做文章，這一現(xiàn)象在近年來各城市上演的“搶人大戰(zhàn)”中可見一斑。然而，在區(qū)域創(chuàng)新方面，各區(qū)域一味加大要素投入、擺開大攤子，只在乎量上的增長，而忽略了效率提升。在向創(chuàng)新驅動轉型過程中，稀缺資金與科技人才資源未發(fā)揮應有潛力，無疑成為社會一大損失。如今，我國經(jīng)濟發(fā)展面臨的艱難轉型已經(jīng)證明，純粹依靠要素擴張驅動的發(fā)展模式不可持續(xù)，區(qū)域創(chuàng)新系統(tǒng)效率已成為一個必須重視的問題。

本文重點考慮創(chuàng)新要素省際分布對區(qū)域創(chuàng)新系統(tǒng)效率的影響，特別是科技人才的影響。因為資金投入內生于自身經(jīng)濟發(fā)展水平，而科技人才分布則具有更多外生性。在短期內，各區(qū)域可以提升研發(fā)經(jīng)費占經(jīng)濟總量的比重，但國內科技人才數(shù)量與結構在某種程度上卻是給定的，并且長時間以來大體延續(xù)著一定的分布特征，這種分布狀況潛在影響著我國各區(qū)域創(chuàng)新系統(tǒng)效率。而從長期看，區(qū)域創(chuàng)新部分差異可能藉由擴散效應、趨同效應予以彌補，但由于各區(qū)域技術發(fā)展水平不同，某些差異難以縮小并將長期存在，其中就有地區(qū)科技人才長期演化帶來的結果。

不同于一般文獻對區(qū)域創(chuàng)新效率的分析，本文基于創(chuàng)新價值鏈理論，將區(qū)域創(chuàng)新看作是一個系統(tǒng)過程，將創(chuàng)新活動分解為3個有序聯(lián)結的階段，即知識創(chuàng)新—專利創(chuàng)新—產(chǎn)品創(chuàng)新，分別考察科技人才分布狀況對3個階段創(chuàng)新效率的影響。芮雪琴等[1]和修國義等[2]都研究了科技人才聚集與區(qū)域創(chuàng)新效率間的關系，將區(qū)域創(chuàng)新當作一個復合單階段，但實證結果相左。鑒于此，有必要對區(qū)域創(chuàng)新效率進行深入分解，將區(qū)域創(chuàng)新分解成3個階段。但這3個階段產(chǎn)出不同，知識創(chuàng)新階段產(chǎn)出為科技論文或者專著，專利創(chuàng)新階段產(chǎn)出為技術專利，產(chǎn)品創(chuàng)新階段為上市的新產(chǎn)品。同時，3個階段主要創(chuàng)新主體也不同，高校與科研機構多從事基礎研究、開展知識創(chuàng)新，企業(yè)多從事應用、實驗與開發(fā)，進行專利與產(chǎn)品創(chuàng)新。

由此，考慮到區(qū)域創(chuàng)新系統(tǒng)包含多個子系統(tǒng)，而科技人才要素在地區(qū)層面以及子系統(tǒng)間流動，本文利用2009-2016年我國內地30個省級行政區(qū)(西藏由于數(shù)據(jù)缺失未納入統(tǒng)計)人才分布與研發(fā)數(shù)據(jù)，對現(xiàn)階段科技人才分布狀況與區(qū)域創(chuàng)新系統(tǒng)效率間關系進入深入分析。與之前研究相比，本文在兩個方面作了擴展：①將區(qū)域研發(fā)過程分解為3個有機結合階段，在控制其它環(huán)境因素后，分別考察科技人才分布特征對各階段研發(fā)效率的影響，進一步分析科技人才分布對區(qū)域創(chuàng)新效率的作用機理；②對科技人才分布狀況進行較為全面的考察，除考慮數(shù)量維度外，還有結構維度，即科技人才隊伍層次與性別結構。實際上，地區(qū)科技人才分布狀況正是通過數(shù)量與結構兩個維度共同影響創(chuàng)新效率。

1 文獻綜述與機理分析

1.1 科技人才與區(qū)域創(chuàng)新效率

我國科技人才分布區(qū)域演化狀況與地區(qū)創(chuàng)新系統(tǒng)密切相關，圍繞科技人才與區(qū)域創(chuàng)新系統(tǒng)效率，已有研究從以下幾個方面開展：

(1)科技人才開發(fā)效率。這類研究著眼于人力資源開發(fā)視角，在挖掘效率影響因素的基礎上，研究如何在科技活動中提升人才利用效率。張春海等[3]發(fā)現(xiàn)，東部與中西部地區(qū)效率差異集中在人均GDP、產(chǎn)業(yè)聚集度、企業(yè)平均規(guī)模和科技型人力資源豐裕度等方面，而科技企業(yè)孵化器與科技園建設可作為地區(qū)科技人才開發(fā)效率提升的有效路徑。對于西部地區(qū)而言，經(jīng)濟、城市建設、教育與對外聯(lián)系等因素作用較突出[4]；而對于中部六省，區(qū)域政府對科技人才的資助強度、經(jīng)濟發(fā)展水平、教育發(fā)展水平與基礎設施狀況等因素更為明顯[5]。將研究對象延伸至全國，孫健和丁雪萌[6]發(fā)現(xiàn)，勞動者素質、產(chǎn)業(yè)結構、企業(yè)結構、創(chuàng)新環(huán)境與對外開放程度均對地區(qū)科技人才開發(fā)效率有顯著正向影響，并且勞動者素質與創(chuàng)新環(huán)境對地區(qū)經(jīng)濟發(fā)展水平具有中介作用。

(2)區(qū)域研發(fā)效率影響因素及其測算改進建議。其中，早先一些學者專注于區(qū)域研發(fā)效率單一階段測度并探尋各種關鍵影響因素，典型做法如分析東西部技術創(chuàng)新效率的差異及原因、對比中部區(qū)域與京滬地區(qū)創(chuàng)新績效、評價各省市專利發(fā)展有效性，所考慮的因素從微觀層面[7]企業(yè)制度、性質到中觀層面[8-9]勞動者素質、基礎設施、金融支持、市場化進程與創(chuàng)新階段。與上文類似，但不同之處在于關于區(qū)域研發(fā)效率的測算沒有局限于數(shù)據(jù)包絡分析方法而同時采用隨機前沿分析方法，并且在因素分析中更多考慮了區(qū)域異質性[10]與空間溢出效應[11]。另外一些學者[12-13]則不滿足于傳統(tǒng)“黑箱”處理做法——單一階段測算，而是通過分解區(qū)域創(chuàng)新活動內部實際運作過程，全面考慮系統(tǒng)整體效率，在效率測度時將創(chuàng)新過程分解為兩個前后關聯(lián)的鏈式子階段，以鏈式網(wǎng)絡關聯(lián)DEA模型測算階段關聯(lián)度、子階段效率與整體效率；余永澤和劉大勇[11]基于Hansen & Birkinshaw[4]的創(chuàng)新價值鏈概念，結合我國區(qū)域技術創(chuàng)新實踐，提出一個可操作的區(qū)域創(chuàng)新系統(tǒng)框架：知識創(chuàng)新—科研創(chuàng)新—產(chǎn)品創(chuàng)新，這正是本文考察區(qū)域創(chuàng)新系統(tǒng)效率的應用視角。

(3)科技人才聚集與區(qū)域創(chuàng)新效率關系。牛沖槐等(2006)對人才聚集最早進行了論述，認為人才聚集是人才流動與區(qū)域經(jīng)濟要素配置的結果，會出現(xiàn)聚集經(jīng)濟效應與不經(jīng)濟效應。科技人員聚集有助于提升該區(qū)域科技創(chuàng)新產(chǎn)出，且已得到一些研究證實[15]。聚集首先帶來智力與知識資本積累，延伸至高校、企業(yè)或產(chǎn)業(yè)，而后增強主體消化吸收與自主創(chuàng)新能力，提升產(chǎn)出能力。以高技術產(chǎn)業(yè)為例，查成偉等[16]發(fā)現(xiàn)，科技人才聚集效應與技術創(chuàng)新復合系統(tǒng)協(xié)同度在整體上不斷上升；牛沖槐等[17]也發(fā)現(xiàn)，科技型人才聚集、高技術產(chǎn)業(yè)聚集與區(qū)域技術創(chuàng)新間存在某種正向互動機制；此外，芮雪琴等[1]以科技人才空間結構系數(shù)表示聚集演化狀況，指出科技人才區(qū)域演化對區(qū)域創(chuàng)新效率有重要影響，在經(jīng)濟發(fā)達地區(qū)出現(xiàn)了科技人才的過度聚集，欠發(fā)達地區(qū)是聚集不足；修國義等[2]直面科技人才聚集作用于區(qū)域創(chuàng)新效率的問題，與前者采用的度量人才聚集狀況指標相類似，樣本也大部分重合，但未發(fā)現(xiàn)明顯的“過度聚集或不足”現(xiàn)象。

1.2 評述與機理分析

綜上所述，關于科技人才與區(qū)域創(chuàng)新系統(tǒng)效率的文獻較為豐富，對人才聚集效應也有相應理論探討，但直接討論科技人才分布狀況對區(qū)域創(chuàng)新系統(tǒng)效率影響機理的實證研究較少，且結論并不一致，尤其是未考慮到區(qū)域創(chuàng)新系統(tǒng)是一個多階段復合過程，而且科技人才在地區(qū)之間以及與區(qū)內子系統(tǒng)之間流動時還受到各類環(huán)境因素的影響。事實上，科技人才分布狀況是地區(qū)人才不斷演化與集聚的結果，經(jīng)濟發(fā)達地區(qū)人才規(guī)模擴張會產(chǎn)生典型的知識溢出效應、信息共享效應、規(guī)模效應及激勵效應等[15]。在區(qū)內子系統(tǒng)中，高校、科研機構、企業(yè)等組織分別吸納科技人才，面臨著不同的環(huán)境與約束條件，進行不同階段和領域創(chuàng)新，這些效應的性質和大小也存在著微妙差異。

首先，人才聚集經(jīng)濟性效應的發(fā)揮取決于內外環(huán)境作用、組織動態(tài)變化是否適宜。在初始階段，地區(qū)內知識、人才集聚效應隨著規(guī)模擴大而增強，并與環(huán)境、組織狀態(tài)相適應，從而促進知識溢出、激勵效應等作用的有效發(fā)揮，使得區(qū)域創(chuàng)新效率提高；當達到某一階段且超出一定規(guī)模時，則可能出現(xiàn)過度集聚的負效應，或因為人才資源積壓浪費，或因為創(chuàng)新環(huán)境與組織體系變革不能適應創(chuàng)新隊伍擴大而導致集聚中的運行阻滯、競爭沖突，創(chuàng)新效率反而被抑制，從而導致人才集聚經(jīng)濟效應轉為不經(jīng)濟效應；其次，科技人才向局部地區(qū)聚集，全國人才集中度提高，將形成科技創(chuàng)新中心、人才高地，這些環(huán)境優(yōu)良、配套完善的科技中心聚集了巨量知識、技術、人才等資源，知識溢出效應、信息共享效應、規(guī)模效應以及激勵效應等將發(fā)揮巨大作用，從而在中心輻射擴散與空間溢出作用下，周邊地區(qū)創(chuàng)新效率也能得到提升；最后，在創(chuàng)新活動中，不同性別與不同層次人員所處科研環(huán)境、工作經(jīng)驗、思維方法不盡相同，又分布在不同崗位上，致力于不同創(chuàng)新階段或領域研究，因而這些區(qū)域層面結構因素也潛在影響著創(chuàng)新績效。

2 研究設計與經(jīng)驗背景

本文采用DEA-Tobit兩步法，先構建科技人才分布特征變量并測算出區(qū)域創(chuàng)新系統(tǒng)三階段效率值，用Tobit模型進行回歸。

2.1 科技人才分布特征

關于科技人才的定義不一而足，本文采用統(tǒng)計年鑒中對研究與試驗(R&D)人員的定義。借鑒芮雪琴等[1]和修國義等[2]的做法，定義規(guī)模、強度與集中度指標。在此基礎上，增加靜態(tài)聚集指數(shù)與動態(tài)集聚指數(shù)，以反映科技人才發(fā)展數(shù)量特征。

2.1.1 數(shù)量維度指標

2.1.2 結構維度指標

除上述定義的5個指標外，可對科技人才加以限定，由此考慮地區(qū)人才結構維度，如測算時僅包括具備中級以上職稱或博士畢業(yè)的R&D人員?；谡莆盏臄?shù)據(jù)，本文重點考察科技人才隊伍層次結構與性別結構，即R&D人員中擁有博士學位的人員比重、R&D人員中女性比重。

2.2 價值鏈視角下創(chuàng)新效率測算

Cooke[18]認為，由地理上相互關聯(lián)和分工的高校、研究機構、企業(yè)以及中介組織構成的區(qū)域創(chuàng)新組織體系，可看作是一個區(qū)域創(chuàng)新系統(tǒng)。系統(tǒng)內各要素相互作用使得創(chuàng)新投入轉化為創(chuàng)新產(chǎn)出，而轉化的投入產(chǎn)出比即為區(qū)域創(chuàng)新系統(tǒng)效率。在測算區(qū)域創(chuàng)新效率時，大多數(shù)學者根據(jù)研究重點有意識地選擇投入與產(chǎn)出指標，但較少考慮區(qū)域創(chuàng)新活動層次性與延續(xù)性。Hansen&Birkinshaw[14]提出創(chuàng)新價值鏈概念，認為創(chuàng)新價值鏈由創(chuàng)意產(chǎn)生、創(chuàng)意轉換和創(chuàng)意傳播3個關聯(lián)子階段構成，于是創(chuàng)新活動可看作是從知識生產(chǎn)、知識應用到知識擴散的不同形態(tài)疊加轉換的過程?；诖?，考慮到我國統(tǒng)計中將創(chuàng)新活動分為基礎研究、應用研究和試驗發(fā)展3部分，余泳澤和劉大勇[11]認為創(chuàng)新是一個從創(chuàng)新要素投入(內含中間投入、追加投入)轉化為創(chuàng)新成果產(chǎn)出的多階段、多層次、多要素價值傳遞過程，具體可分為3個階段：與創(chuàng)意產(chǎn)生和基礎研究相對應的是知識創(chuàng)新，由高校與部分科研機構完成，尋求知識原理、規(guī)律方法或者基礎理論模型；與創(chuàng)意轉換和應用研究相對應的是科研創(chuàng)新，由科研機構和部分企業(yè)承擔，進行研究開發(fā)、試制技術與技術測驗；與創(chuàng)意傳播和試驗發(fā)展相對應的是產(chǎn)品創(chuàng)新，創(chuàng)新主體是各類企業(yè)，其有針對性地整合知識、成果化技術以及開展生產(chǎn)設計與營銷推廣活動，最終實現(xiàn)成果轉化。結合我國區(qū)域創(chuàng)新實踐動態(tài)變化和創(chuàng)新產(chǎn)出形式，本文將上述創(chuàng)新分為知識創(chuàng)新—專利創(chuàng)新—產(chǎn)品創(chuàng)新表述3個階段。其中，專利創(chuàng)新不只由科研機構和部分企業(yè)承擔，還包括高校乃至個人，主要成果形式為專利，其邏輯如圖1所示。因此，本文將區(qū)域創(chuàng)新系統(tǒng)效率轉化成對子階段知識創(chuàng)新、專利創(chuàng)新及產(chǎn)品創(chuàng)新效率的測算，如表1所示。

圖1 創(chuàng)新價值鏈視角下區(qū)域創(chuàng)新系統(tǒng)三階段系統(tǒng)過程

表1 區(qū)域創(chuàng)新系統(tǒng)三階段投入產(chǎn)出與環(huán)境因素

注：根據(jù)余永澤和劉大勇(2013，2014)的創(chuàng)新三階段投入產(chǎn)出表改造而得

本文根據(jù)表1列示的投入產(chǎn)出分別測算各子階段創(chuàng)新效率。值得注意的是，子階段間的關聯(lián)在于將前一階段的部分產(chǎn)出作為后一階段的投入要素。例如，知識創(chuàng)新階段科技論文產(chǎn)出被當作專利創(chuàng)新階段投入，專利創(chuàng)新階段專利授權量被視作最終階段產(chǎn)品創(chuàng)新投入之一。其中，R&D人員均以全時當量計算，經(jīng)費支出根據(jù)合成價格指數(shù)(0.55*居民消費價格指數(shù)+0.45*固定資產(chǎn)投資價格指數(shù))平減(朱平芳和徐偉明，2003)[19]，新產(chǎn)品銷售收入與出口額則直接依據(jù)工業(yè)生產(chǎn)者出廠價格指數(shù)平減。考慮到3類專利的科技含量與商業(yè)價值，參考白俊紅等[20]的做法，對發(fā)明專利、實用新型專利與外觀設計專利分別賦權0.5、0.3與0.2，由此得到加權平均專利申請量與授權量。再者，考慮到從研發(fā)投入到產(chǎn)出存在一定的滯后期[21]，參照近來研究的通常做法，確定時滯為一年，即第t年投入對應于第t+1年產(chǎn)出。

關于研發(fā)效率測度方法，常用的是非參數(shù)數(shù)據(jù)包絡分析DEA和參數(shù)隨機前沿分析SFA。鑒于需要測算的3個階段效率包括多種投入與多種產(chǎn)出，因而優(yōu)先采用操作上較為簡單的DEA。拓展后的SFA能在分離隨機誤差與非效率項的基礎上定量分析各類因素對技術非效率的影響[22]，但需要與距離函數(shù)相結合才能處理多產(chǎn)出問題。然而，除需設定無效項與距離函數(shù)形式外，如果解釋變量和組合誤差項相關，距離函數(shù)不滿足假設上的凹性或擬凹性，在論及投入產(chǎn)出、環(huán)境變量變化對效率的影響時可能出現(xiàn)有偏估計和一些有違常規(guī)的結論[23]。相比之下，DEA雖然沒有考慮到數(shù)據(jù)噪聲的影響，也不能研究傳統(tǒng)經(jīng)驗假設，但畢竟主觀選擇隨意性較小。依據(jù)Coelli等[24]列示的DEA-BBC模型和DEA-Malmquist模型，本文利用軟件DEAP2.1計算區(qū)域創(chuàng)新系統(tǒng)各階段投入導向的DEA效率值與分解的TFP變化。

2.3 計量模型

(1)

其中，xi表示上文所構造的反映科技人才分布特征的關鍵變量，包括數(shù)量與結構，其系數(shù)正負號及顯著性是模型關注重點；zk系列作為控制變量，包括區(qū)域經(jīng)濟發(fā)展水平、產(chǎn)業(yè)技術水平、基礎設施、區(qū)域研發(fā)投入強度、地區(qū)市場化指數(shù)、技術市場交易規(guī)模與勞動者素質。很多研究表明，地區(qū)科技人才分布演化很大程度上是經(jīng)濟與科技因素共同作用的結果[25]。由此可以推斷，對科技人才分布演化有作用的因素也可能會對區(qū)域創(chuàng)新系統(tǒng)效率產(chǎn)生直接或間接影響。而上述諸變量都是相關文獻中提及與二者有關的重要因素，因此理論上應在模型中予以適當控制，但之前相關研究卻忽視了這一點。

本文所用基礎數(shù)據(jù)均來源于歷年《中國統(tǒng)計年鑒》(2010-2017)與《中國科技統(tǒng)計年鑒》(2010-2018)，受限于分析結構需求與年鑒數(shù)據(jù)列示，最終選取我國內地30個省級區(qū)域(因多年數(shù)據(jù)缺失，西藏未納入統(tǒng)計)2009-2017年數(shù)據(jù)作為樣本，預處理如前要求，整合成用于Tobit分析的30個省份2009-2016年的二次面板數(shù)據(jù)。綜合以上3部分，本文變量定義如表2所示。

2.4 經(jīng)驗背景與特征事實

2.4.1 科技人才分布狀況及變化

總體而言，表3反映的是我國科技人才分布狀況。首先，東部地區(qū)吸納了大部分科技人才，中部其次，西部再次，東北最少；其次，結合靜態(tài)指數(shù)與動態(tài)指數(shù)看，東部地區(qū)人才原本相對集中、人才強度遠高于全國平均水平，且集聚程度不斷強化；中部人才聚集不足，但動態(tài)增長稍稍高于全國，處于集聚最初階段；西部原本聚集不足，加之動態(tài)增長低于全國，依舊處于集聚劣勢；東北地區(qū)人才聚集退化明顯，2016年靜態(tài)指數(shù)已低于中部，動態(tài)增長遠落后于全國平均水平；最后，圖2顯示，我國科技人才集中度指數(shù)整體呈上升趨勢，表明在演化的合力作用下，我國科技人才分布越來越集中。

表2 變量定義

圖2 2009-2016年中國科技人才整體集中度指數(shù)

具體到板塊內部，對于東部需要注意的是北京、上海動態(tài)聚集指數(shù)低于1，說明兩地科技人才集聚出現(xiàn)退化，一般人才已經(jīng)滿足不了北京、上?？萍紕?chuàng)新發(fā)展需求，兩地對科技人才標準的門檻在提高，對一般科技人才吸納漸少而對高層次科技人才吸納漸多，若將上述表中科技人才定義為僅包括博士畢業(yè)的部分，便能發(fā)現(xiàn)北京、上海在高層次科技人才集聚方面有所強化。至于中部六省，山西靜態(tài)聚集指數(shù)持續(xù)降低、動態(tài)增長幾乎停滯；湖北為科技大省，但靜態(tài)指數(shù)有所降低、動態(tài)增長低于全國；江西則表現(xiàn)平平，動態(tài)增長與全國幾乎一致、差距依然；其余三省動態(tài)增長高于全國、靜態(tài)集聚指數(shù)有所提升，尤其是安徽。西部11個省份則分為兩種情況：一類包括重慶、貴州、云南，其動態(tài)增長指數(shù)高于全國、靜態(tài)集聚指數(shù)有所提升，與全國平均強度差距縮??；另一類是其余8個省份，其科技人才動態(tài)增長指數(shù)低于全國、靜態(tài)集聚指數(shù)下降，與全國平均水平差距拉大。東北地區(qū)遼寧、吉林、黑龍江三省變化極為一致，靜態(tài)指數(shù)持續(xù)走低、動態(tài)指數(shù)遠低于1，呈現(xiàn)出明顯的科技人才集聚退化現(xiàn)象。

表3 2009-2016年中國內地30個省級區(qū)域科技人才分布狀況

注：公式2.1.1小節(jié)定義

2.4.2 區(qū)域創(chuàng)新系統(tǒng)效率分析

本文用DEAP2.1軟件分別測算區(qū)域創(chuàng)新系統(tǒng)各子階段的DEA效率值與全要素生產(chǎn)率(TFP)的Malmquist分解，表4依次給出了各地區(qū)綜合技術效率的多年均值(TE)、分解的技術效率變化(effch)與技術進步變化(techch)。值得注意的是，由于生產(chǎn)技術前沿面不同，單純比較各階段效率沒有意義，但可以通過TFP變化發(fā)現(xiàn)一些動態(tài)特點。就全國整體而言，在考察期內，知識創(chuàng)新、專利創(chuàng)新與產(chǎn)品創(chuàng)新均在技術效率變化上有所改善，但在技術進步方面只有專利創(chuàng)新得到提高，知識創(chuàng)新與產(chǎn)品創(chuàng)新則表現(xiàn)為下降。最終，中間階段(專利創(chuàng)新)全要素生產(chǎn)率得到提升，知識創(chuàng)新與產(chǎn)品創(chuàng)新階段全要素生產(chǎn)率下降，在生產(chǎn)率變化上呈現(xiàn)出“兩頭降中間升”的特點。

理論上講，技術效率改善是指向現(xiàn)有生產(chǎn)技術前沿面逼近，技術進步則是指生產(chǎn)技術前沿面擴張。對應著現(xiàn)實，表明我國知識創(chuàng)新、產(chǎn)品創(chuàng)新仍然未突破原有創(chuàng)新體制障礙，只在固有框架內發(fā)揮作用，而專利創(chuàng)新在挖掘效率潛力的同時也在突破原有體制實現(xiàn)技術前沿擴張。區(qū)域創(chuàng)新系統(tǒng)3個階段過程與特點、風險與體制很不一樣，知識創(chuàng)新由高校與科研機構主導，近來科研體制變化較小，成果多以論文和著為導向；產(chǎn)品創(chuàng)新則以企業(yè)為主，其整合現(xiàn)有知識、轉化技術、分析市場需求，營銷并制造產(chǎn)品，但新時代面對人民的“美好生活需求”，我國企業(yè)供給高質量新產(chǎn)品的能力有待提升；專利創(chuàng)新體制則出現(xiàn)了巨大變革，高校、各級研發(fā)機構、企業(yè)乃至于個人都成為專利創(chuàng)新活躍主體，專利從申請到授權環(huán)節(jié)簡化、效率得以提升，以及專利交易規(guī)范化與規(guī)模化都進一步降低了各類交易成本，從而推動了近年來專利申請量與授權量的井噴式增長。這些或許就是區(qū)域創(chuàng)新系統(tǒng)3個階段TFP變化呈現(xiàn)“兩頭降中間升”特點的原因。

3 實證結果分析

3.1 數(shù)量維度與區(qū)域創(chuàng)新效率

對地區(qū)科技人才特征變量作皮爾遜相關分析，表5結果顯示，聚集強度I與靜態(tài)指數(shù)C的相關系數(shù)為0.962，且在0.001顯著性水平上異于0，而其它關鍵特征變量的相關系數(shù)不超過0.6，因此在實際回歸中以分布規(guī)模D、聚集強度I、整體集中度E作為反映地區(qū)科技人才發(fā)展特征的關鍵變量。另外，考慮到之前一些實證研究發(fā)現(xiàn)科技人才聚集規(guī)模對區(qū)域創(chuàng)新效率有負向或正向影響[1-2〗，本文在進一步檢驗中加入分布規(guī)模的二次項。

表4 2009-2016年區(qū)域創(chuàng)新系統(tǒng)三階段效率及其TFP分解

注：為節(jié)約篇幅，略去詳細的分省效率及TFP分解結果

表6和表7分別給出了未加入和加入控制變量情況下的Tobit回歸結果，所有模型的LR檢驗都強烈拒絕“H:=0”，認為存在個體效應，所以使用隨機效應面板Tobit回歸是恰當?shù)?。兩種情況下關鍵解釋變量系數(shù)符號基本一致，只是在值大小與顯著性水平方面存在差別。其中，差異最大的是產(chǎn)品創(chuàng)新階段，未加入控制變量時，科技人才分布規(guī)模對產(chǎn)品創(chuàng)新階段效率具有顯著正向影響，在引入系列控制變量后則不再顯著、甚至變成不顯著的負向影響。這說明，創(chuàng)新環(huán)境中的經(jīng)濟發(fā)展水平、基礎設施、市場化程度與勞動者素質等因素變量不僅影響地區(qū)創(chuàng)新能力、創(chuàng)新效率，還潛在作用于地區(qū)科技人才演化過程，故而研究后者對前者的實際作用，最好對其加以控制，因此本文主要討論加入控制變量后的結果，見表7。

表5 地區(qū)科技人才分布數(shù)量特征Pearson系數(shù)

注：*p< 0.05,**p< 0.01,***p< 0.001

表6 無控制變量下科技人才數(shù)量維度估計結果

注：括號內為相應t值，*p< 0.1,**p< 0.05,***p<0.01，下同

表7 有控制變量下科技人才數(shù)量維度估計結果

注：本表及以下各表σ_u、σ_e等有關參數(shù)均通過檢驗，為節(jié)約篇幅，之后省略類似部分

在知識創(chuàng)新階段，模型(1)顯示，僅有地區(qū)科技人才聚集強度對區(qū)域研發(fā)效率有負向顯著作用；模型(2)加入科技人才分布規(guī)模的二次項，聚集強度依舊是負向顯著，而分布規(guī)模系數(shù)在1%顯著性水平上為正，二次項系數(shù)顯著為負，表明現(xiàn)階段我國地區(qū)科技人才分布規(guī)模對知識創(chuàng)新階段效率具有非線性倒U型影響(轉折點約為6.93%)。初始，科技人才逐漸增多、規(guī)模日益擴大，科技人才聚集發(fā)揮正面效應，對知識創(chuàng)新效率有提升作用；當分布規(guī)模集聚到一定程度后，集聚效應的發(fā)揮需要組織和配套設施進行相應變革，即知識創(chuàng)新主體——高等院校和研發(fā)機構采取適應性變革，否則地區(qū)科技人才規(guī)模繼續(xù)擴張將轉而抑制知識創(chuàng)新效率，生產(chǎn)率研究中有投入冗余致使等產(chǎn)量線向后彎折的現(xiàn)象即對應此種情況。另外，聚集強度負系數(shù)結果表明，在其它要素投入或資源既定情況下，過高強度使得人員間發(fā)生資源爭奪，由此有損于效率。例如，在現(xiàn)實中，東部發(fā)達地區(qū)高校與科研機構憑借雄厚財力，提供優(yōu)越條件到中西部“挖掘”人才而往往忽視改善本校人員的科研條件，致使內外融合集聚效應難以顯現(xiàn)，“引得進用不好”反而在科技人員內部產(chǎn)生諸多矛盾。

在專利創(chuàng)新階段，模型(3)顯示，科技人才分布規(guī)模與集中度均對區(qū)域研發(fā)效率有顯著正向作用，在加入規(guī)模平方項的模型(4)中依舊如是，同時二次項系數(shù)在5%顯著性水平上為負。這也說明，地區(qū)科技人才分布規(guī)模與專利創(chuàng)新效率間存在非線性倒U型關系，且這一轉折點(11.24%)相對知識創(chuàng)新(6.93%)更為靠后，表明發(fā)揮集聚規(guī)模效應的區(qū)間更長。但是，由于專利創(chuàng)新參與者眾多，包括高校、科研機構、企業(yè)及個人，科技人才分布規(guī)模達到閾值后，上述微觀個體更加密集，彼此間無序競爭造成專利重復建設，在產(chǎn)學研一體化體系尚不健全情況下更加嚴重，加之各自分散研發(fā)、平均規(guī)模有限，直至集聚導致的過度競爭效應超過集聚規(guī)模效應，人才集聚規(guī)模對專利創(chuàng)新效率的影響由促進轉向抑制——倒U型關系。另外，集中度正向作用顯著表明，全國科技人才分布相對集中有助于提升各地區(qū)專利創(chuàng)新效率，作為人才高地的科創(chuàng)中心將通過擴散效應提高周邊地區(qū)創(chuàng)新效率，如具有國際影響力的北京、上海等科技創(chuàng)新中心以及粵港澳國際科技創(chuàng)新中心都將發(fā)揮出可觀的技術擴散效應和知識溢出效應。

在最終產(chǎn)品創(chuàng)新階段，模型(5)和模型(6)顯示僅集中度系數(shù)顯著為正，而地區(qū)科技人才分布規(guī)模、聚集強度對產(chǎn)品創(chuàng)新效率無顯著影響。產(chǎn)品創(chuàng)新主體為企業(yè)，對市場需求最為敏感，創(chuàng)新邊界清晰、目標明確，由微觀企業(yè)選擇和配置的科技人才往往接近最優(yōu)狀態(tài)，“市場起決定性作用”的機制使其能夠充分發(fā)揮出與能力相適應的產(chǎn)出效率。因此，地區(qū)層面科技人才規(guī)模與強度可能不會對產(chǎn)品創(chuàng)新效率產(chǎn)生顯著影響，與人才要素聚集有關的大部分效應都被市場與企業(yè)適當內部化，效率高低最終被充分定價。但國內科技人才高地擴散效應仍在一定程度上存在，如市場需求、產(chǎn)品設計與創(chuàng)新經(jīng)驗等對產(chǎn)品創(chuàng)新較為重要的信息會由“中心高地”向“周邊低地”溢出，因而部分地區(qū)可通過減少不必要的步驟與投入來提升產(chǎn)品創(chuàng)新效率。

3.2 結構維度與區(qū)域創(chuàng)新效率

從結構維度方面考察，依次在模型(1)、模型(3)、模型(5)中加入性別結構變量(R&D人員中女性比重)，在模型(2)、模型(4)、模型(6)中加入層次結構變量(R&D人員中博士比重)，結果見表8。其中，性別變量與層次變量系數(shù)雖然在6個模型中均為負，但只有在知識創(chuàng)新階段才較為顯著。模型(1)、模型(2)表明，在知識創(chuàng)新對應基礎研究階段，女性與博士研發(fā)人員越來越高的比重對創(chuàng)新效率具有抑制作用。

表8 科技人才結構維度估計結果

第四次全國科技工作者狀況報告(2017)顯示，女性R&D人員比重逐漸提升、科技人才隊伍高學歷化趨勢明顯，尤其是在高校與研發(fā)機構，這對應著知識創(chuàng)新階段。實際上，女性R&D人員比重對效率的抑制作用在于其所處的不公平的職業(yè)環(huán)境。于巧玲等[26]指出，相較于男性，女性面臨的科研阻礙更多，如可支配科研時間不足、工作中不受重視、科研項目與課題承接難度大，于是顯示出較少的科研產(chǎn)出，由此使得更高的女性比重表現(xiàn)出對知識創(chuàng)新效率的抑制作用。科技人才隊伍高學歷化是高層次科技人才比重提高的體現(xiàn)，而高層次科技人才通常掌握著先進技術、具有超強的研究能力[27]，其表面上的效率抑制作用可以這樣理解：一方面，地區(qū)要吸引、留住并支持高層次人才需要高昂的投入與良好的配套設施；另一方面，高層次人才研究工作多集中于目標與層級更高、風險與難度更大的領域，周期長、短期成果少，簡單地以論文和著作數(shù)量為導向的效率評價并不恰當，這里知識創(chuàng)新產(chǎn)出沒有考慮科技論文和著作的質量及層次，說明若與一般層次科技人才單純比較投入、產(chǎn)出數(shù)量，高層次科技人才并無數(shù)量效率上的優(yōu)勢。模型(2)驗證了這一說法，即真正識別高層次科技人才結構維度對研發(fā)效率的作用，還需兼顧創(chuàng)新產(chǎn)出數(shù)量與質量維度。

更進一步地，本文將高層次范圍擴大，即把表征高層次科技人才的博士比重換成博碩士比重，見表9，發(fā)現(xiàn)其系數(shù)負向程度有所降低。通俗地講，雖同為“高層次”，但碩士層次比博士層次低，“數(shù)量—質量”產(chǎn)出反差更小，所以囊括碩士后的結果顯示出負向效應更低。

表9 高層次變量替換后的估計結果

3.3 穩(wěn)健性討論

首先，上述科技人才都是按照一般省級R&D人員總量口徑，為檢驗結論的穩(wěn)健性，采納R&D人員中的全時人員口徑，根據(jù)表7和表8中的模型依次回歸，表10和表11給出了全時人員口徑下數(shù)量與結構維度估計結果。數(shù)量維度方面，分布規(guī)模對區(qū)域知識創(chuàng)新效率、專利創(chuàng)新效率的倒U型影響依然穩(wěn)健，整體集中度系數(shù)依舊為正，但只對產(chǎn)品創(chuàng)新顯著而不再對專利創(chuàng)新顯著；結構維度方面，女性比重、博士比重同樣顯著為負，總體上表現(xiàn)出一定程度的穩(wěn)健性。其次，考慮到之前效率測算所用平減后的R&D經(jīng)費支出是流量數(shù)據(jù)，將R&D經(jīng)費支出轉換成R&D資本存量重新進行效率計算[28]，得到的效率值變化與估計結果同樣穩(wěn)健，表略。

表10 數(shù)量維度估計結果

表11 結構維度估計結果

4 結論與啟示

本文主要探究現(xiàn)階段科技人才分布狀況對區(qū)域創(chuàng)新系統(tǒng)效率的影響，考慮到區(qū)域創(chuàng)新系統(tǒng)包含多個子系統(tǒng)，而科技人才在地區(qū)層面及子系統(tǒng)間流動，根據(jù)創(chuàng)新價值鏈理論將區(qū)域研發(fā)活動分解成前后有機相連的3個階段：知識創(chuàng)新—專利創(chuàng)新—產(chǎn)品創(chuàng)新，并分別從數(shù)量與結構維度考察地區(qū)科技人才分布特征對各階段創(chuàng)新效率的影響。

實證結果表明，就地區(qū)科技人才發(fā)展數(shù)量維度而言，分布規(guī)模對區(qū)域知識創(chuàng)新效率、專利創(chuàng)新效率具有非線性倒U型影響，都先后從人才規(guī)模聚集經(jīng)濟效應轉向不經(jīng)濟效應，但規(guī)模轉折點略有差異，原因也不同。其中，前者主要是知識創(chuàng)新主體——高校與研發(fā)機構未能適應人才規(guī)模擴張帶來的組織和配套設施變革，后者在于產(chǎn)學研缺位情況下的重復建設與各自為戰(zhàn)的小規(guī)模研發(fā)；整體集中度提高即全國科技人才分布相對集中有助于提升各地區(qū)專利創(chuàng)新效率、產(chǎn)品創(chuàng)新效率，作為人才高地的科技創(chuàng)新中心將經(jīng)由擴散效應促進周邊地區(qū)創(chuàng)新效率提升。就結構維度而言，在知識創(chuàng)新階段，女性科技人員處于更加不利的科研環(huán)境，所以創(chuàng)新效率受到較大程度的抑制；而以博士比重為表征的高層次科技人才在以論文為導向的知識創(chuàng)新效率測度中也表現(xiàn)為負向作用。

在新舊動能轉換背景下，地區(qū)間的人才競爭日趨激烈，而不少地區(qū)也陷入了“誤區(qū)”，以上結論則從效率方面提供了以下幾點啟示：①針對科技人才聚集地區(qū)，如東部諸省份，應著力挖掘人才集聚的經(jīng)濟效應而降低不經(jīng)濟效應，推進高校與各級科研機構改革，形成與人才規(guī)模擴張相適應的組織架構和配套設施體系，提高倒U型轉折臨界點；②推進和完善產(chǎn)學研一體化，避免彼此間無序競爭造成的專利重復建設，改變現(xiàn)存條件下各自為戰(zhàn)的小規(guī)模研發(fā)現(xiàn)狀，實現(xiàn)規(guī)模經(jīng)濟效應；③促進科技人才在全國范圍內合理而高效地流動，形成科技人才聚集高地，發(fā)揮北京科創(chuàng)中心、上?？苿?chuàng)中心及粵港澳國際科技創(chuàng)新中心的創(chuàng)新擴散效應，促進周邊地區(qū)創(chuàng)新效率提升；④有針對性地營造有利于女性科技人員發(fā)揮聰明才智的科研環(huán)境，并改善針對高層次科技人才的支撐體系與評價體系，以適應新時代科技人才隊伍發(fā)展新趨勢。