基于三階段DEA-windows 和空間相關(guān)的長江經(jīng)濟(jì)帶創(chuàng)新效率時空特征研究

盧小蘭，張可意

（1. 江漢大學(xué) 商學(xué)院，湖北 武漢 430056；2. 華中師范大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院，湖北 武漢 430079）

長江經(jīng)濟(jì)帶橫跨中國東部、中部和西部等區(qū)域，覆蓋長江上游、中游和下游共11 個省市。2016 年，《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》《長江經(jīng)濟(jì)帶創(chuàng)新驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級方案》和《長江經(jīng)濟(jì)帶發(fā)展規(guī)劃綱要》中均要求“將長江經(jīng)濟(jì)帶建設(shè)成為引領(lǐng)全國轉(zhuǎn)型發(fā)展的創(chuàng)新驅(qū)動帶”，創(chuàng)新發(fā)展需成為長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展的根本保證。但長江經(jīng)濟(jì)帶面臨創(chuàng)新資源要素分布不均衡、創(chuàng)新體系不健全、協(xié)同創(chuàng)新不足等問題。優(yōu)化長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新資源配置，提升其創(chuàng)新效率，是解決上述問題的重要途徑，因此長江經(jīng)濟(jì)帶創(chuàng)新效率研究具有重大理論與實(shí)踐意義。

基于區(qū)域視角對長江經(jīng)濟(jì)帶創(chuàng)新效率評估主要從整體發(fā)展?fàn)顩r、上中下游地區(qū)和沿線省份差異的角度進(jìn)行研究。劉釩等［1］研究發(fā)現(xiàn)長江經(jīng)濟(jì)帶上中下游地區(qū)創(chuàng)新效率差異顯著且這種差異呈增長趨勢，中游地區(qū)是創(chuàng)新發(fā)展“洼地”。毛良虎等［2］研究發(fā)現(xiàn)長江經(jīng)濟(jì)帶創(chuàng)新效率呈“啞鈴”狀格局，中游地區(qū)創(chuàng)新效率較低；羅穎等［3］運(yùn)用三階段DEA 方法，研究發(fā)現(xiàn)長江經(jīng)濟(jì)帶創(chuàng)新綜合效率時空差異明顯，創(chuàng)新綜合效率值從東向西依次遞減。相關(guān)文獻(xiàn)還從空間角度對長江經(jīng)濟(jì)帶創(chuàng)新效率進(jìn)行了研究。毛良虎等［4］運(yùn)用空間統(tǒng)計(jì)方法，發(fā)現(xiàn)長江經(jīng)濟(jì)帶創(chuàng)新能力具有顯著的空間正相關(guān)關(guān)系，表現(xiàn)為“中心—外圍”空間格局。武曉靜等［5］和張建偉等［6］發(fā)現(xiàn)長三角地區(qū)和中上游的省會城市創(chuàng)新產(chǎn)出較高，各城市創(chuàng)新產(chǎn)出呈現(xiàn)空間正相關(guān)關(guān)系。

研究方法上，創(chuàng)新效率測算主要包括DEA 模型［1］、隨機(jī)前沿模型［7］以及結(jié)合其他方法的DEA 改進(jìn)方法［3，8-12］和Tobit 計(jì)量模型［13］等方法。創(chuàng)新效率空間特征的研究中，主要分別利用空間統(tǒng)計(jì)和空間計(jì)量方法，檢驗(yàn)創(chuàng)新效率的空間集聚及空間溢出特征［4-6，14-17］。

但目前大多文獻(xiàn)在研究創(chuàng)新效率時均未考慮環(huán)境因素和隨機(jī)干擾，且主要利用逐年的截面數(shù)據(jù)進(jìn)行當(dāng)年的創(chuàng)新效率測算，不能對同一個決策單元不同年份的創(chuàng)新效率進(jìn)行縱向比較。針對上述問題，本文構(gòu)建三階段DEA- windows 模型對長江經(jīng)濟(jì)帶創(chuàng)新效率進(jìn)行測算，并結(jié)合空間統(tǒng)計(jì)方法分析長江經(jīng)濟(jì)帶整體和上中下游地區(qū)間創(chuàng)新效率的時空特點(diǎn)，旨在為長江經(jīng)濟(jì)帶創(chuàng)新效率的提升提供借鑒。

1 研究方法和數(shù)據(jù)來源

1.1 方法與模型

傳統(tǒng)DEA 模型不能將管理無效率、環(huán)境因素和隨機(jī)擾動項(xiàng)等對決策單元（decision making unit，DMU）效率評價的不同影響分離開來，為準(zhǔn)確地評價DMU 的效率，有必要剔除環(huán)境因素和隨機(jī)擾動的影響。三階段DEA- windows（DEA 窗口分析）方法不僅能剝離環(huán)境因素和隨機(jī)干擾的影響，還可彌補(bǔ)小樣本DMU 數(shù)量不足，在移動平均的原理下，對不同時點(diǎn)的DMU 進(jìn)行效率測算，所得效率值更加客觀，而且能進(jìn)行縱橫向比較。

1.1.1 三階段DEA- windows 方法 1）第一階段：DEA- windows 模型測算初始創(chuàng)新效率和投入冗余量

首先，假設(shè)有K個DMU，每個DMU 有M個投入和N個產(chǎn)出，DMUk的綜合效率值力θk。采用基于規(guī)模報(bào)酬不變（CRS）的投入角度模型，測算長江經(jīng)濟(jì)帶各省市創(chuàng)新綜合效率值。CRS 模型為

其中，ε為無窮小量分別為DMUk的第m種投入松弛量和第n種產(chǎn)出松弛量；λk為第k個DMUk的權(quán)重；Xmk為DMUk的第m種投入量；Ynk為DMUk的第n種產(chǎn)出量。

基于上述傳統(tǒng)DEA 模型，DEA- windows 具體步驟如下：

①綜合考慮穩(wěn)定性和可信度，確定窗口寬度為3。

②本文研究期間為2006- 2017 年，時間長度為12 年，故需建立12- 3+ 1= 10 個窗口期，對每個窗口期中11 個地區(qū)共33 個DMU（即上述DEA 模型中，K= 3× 11= 33）進(jìn)行效率測算，即得11 個地區(qū)在某個窗口期上的3 個效率值。

③基于相同年份，對每個地區(qū)的效率值（其中，2006、2017 年每個地區(qū)只有1 個效率值；2007、2016 年每個地區(qū)有2 個效率值；其他年份每個地區(qū)均有3 個效率值）進(jìn)行平均。為保證綜合效率均值依然等于純技術(shù)效率均值與規(guī)模效率均值的乘積，本文對效率值的平均取其幾何平均數(shù)。

④類似于第③步，基于相同年份，對每個地區(qū)的投入冗余量進(jìn)行算術(shù)平均，以每個地區(qū)相同時點(diǎn)投入冗余量的平均值ΔX′mkt作為下一步面板SFA 模型的因變量。

2）第二階段：面板SFA 模型測算調(diào)整的投入冗余量

為得到僅由管理無效率所引起的投入冗余，本文以第一階段得到的各投入冗余量ΔX′mkt作為因變量，以各外部環(huán)境變量作為自變量，建立面板SFA 模型為

式中，ΔX′mkt表示DMUk在t時期的第m項(xiàng)投入冗余；fm(Zkt;βm)表示外部環(huán)境對投入冗余的確定性影響；Zkt表示一組外部環(huán)境變量值；βm表示這組環(huán)境變量相應(yīng)的系數(shù)，一般取fm(Zkt;βm)=Zkt βm。vmkt+umkt為混合誤差項(xiàng)，vmkt為隨機(jī)誤差，并且vmkt～N(0,σ2mv)。umkt為管理無效率項(xiàng)，且umkt～N+(0,σ2mu)。

根據(jù)面板SFA 模型回歸結(jié)果，對DMU 的初始投入量進(jìn)行調(diào)整，使得所有的DMU 處于相同的外部環(huán)境和隨機(jī)條件下，調(diào)整方法為

Frontier4.1 在 估 計(jì) 面板SFA 模 型時 會 算 出β、σ2和γ極 大 似然 估 計(jì) 值，這 里為得到隨機(jī)誤差項(xiàng)的值，需先從混合誤差項(xiàng)分離出管理無效率umkt，本文根據(jù)文獻(xiàn)［18- 19］提出了如下公式

式中，εmkt=vmkt+umkt表示混合誤差項(xiàng)；λ=σmu/σmv，φ和Φ 分別表示標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)。進(jìn)而，隨機(jī)誤差項(xiàng)即為

3）第三階段：DEA- windows 模型測算調(diào)整后的創(chuàng)新效率

以第二階段調(diào)整后的各投入值為新的投入，窗口長度仍然為3，按照第一階段同樣方法利用DEA- windows 模型重新測算綜合效率、純技術(shù)效率和規(guī)模效率。此時測度的效率已剔除環(huán)境因素和隨機(jī)干擾，且利用窗口分析得到的不同時點(diǎn)的DMU 創(chuàng)新效率能進(jìn)行縱橫向比較。

1.1.2 空間Moran′s I 指數(shù) 長江經(jīng)濟(jì)帶各省市的綜合效率、純技術(shù)效率和規(guī)模效率是否存在空間相關(guān)性，可用Moran′s I 指數(shù)進(jìn)行測度。全域的Moran′s I 可定義為

式中，Wij為采用鄰近標(biāo)準(zhǔn)或距離標(biāo)準(zhǔn)的空間權(quán)值矩陣；Yi為第i個區(qū)域的創(chuàng)新效率值；n為區(qū)域數(shù)

由于部分區(qū)域創(chuàng)新效率的正相關(guān)和另一部分區(qū)域間負(fù)相關(guān)可能抵消，全域Moran′s I 無法揭示某一特定區(qū)域的局域空間關(guān)聯(lián)效應(yīng)，還需要使用局域Moran′s I 測算這種效應(yīng)，計(jì)算公式為

1.2 變量、數(shù)據(jù)來源及處理

1.2.1 指標(biāo)選取 全文變量類型及指標(biāo)變量見表1。創(chuàng)新投入指標(biāo)方面，主要考慮勞動力和資本的投入。選取R&D 人員全時當(dāng)量（I1），體現(xiàn)對創(chuàng)新的人力資源投入；R&D 經(jīng)費(fèi)內(nèi)部支出（I2）和高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)（I3），分別體現(xiàn)原始創(chuàng)新和二次創(chuàng)新的資本投入。

創(chuàng)新產(chǎn)出指標(biāo)方面，選取國內(nèi)專利申請授權(quán)數(shù)（O1）作為衡量創(chuàng)新直接產(chǎn)出。同時，選取高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入（O2）和技術(shù)市場成交額（O3）作為創(chuàng)新實(shí)現(xiàn)的最終市場價值。

創(chuàng)新效率的環(huán)境變量方面，主要受環(huán)境規(guī)制、經(jīng)濟(jì)環(huán)境、財(cái)政支持、教育水平、研發(fā)規(guī)模和產(chǎn)業(yè)結(jié)構(gòu)等因素的影響。環(huán)境規(guī)制（E1）為創(chuàng)新設(shè)置了一定的限制條件，選取環(huán)境污染治理投資占GDP 比重表征該變量；經(jīng)濟(jì)環(huán)境（E2）為創(chuàng)新提供一定的物質(zhì)基礎(chǔ)，用人均GDP 表征該變量；財(cái)政支持（E3）將直接影響創(chuàng)新資源的配置能力，選擇政府科學(xué)技術(shù)財(cái)政支出占財(cái)政總支出比重表征該指標(biāo)；教育水平（E4）為創(chuàng)新提供一定的智力支持，用每十萬人口高等學(xué)校平均在校生人數(shù)來測度該指標(biāo)；研發(fā)規(guī)模（E5）對創(chuàng)新的影響存在兩種可能：大規(guī)模企業(yè)可利用其自身的規(guī)模優(yōu)勢，為創(chuàng)新提供充足資金，提升創(chuàng)新效率；中小規(guī)模企業(yè)更易掌握新技術(shù)，企業(yè)創(chuàng)新更高效快捷。本文選擇企業(yè)R&D 經(jīng)費(fèi)支出占主營業(yè)務(wù)收入比重表示該指標(biāo)。產(chǎn)業(yè)結(jié)構(gòu)（E6）主要度量產(chǎn)業(yè)結(jié)構(gòu)升級情況，用高技術(shù)產(chǎn)業(yè)占規(guī)模以上工業(yè)企業(yè)主營業(yè)務(wù)收入比重來測度。

表1 創(chuàng)新的投入產(chǎn)出指標(biāo)及外部環(huán)境變量Tab.1 Innovative input-output indicators and external environmental variables

1.2.2 數(shù)據(jù)來源及處理 長江經(jīng)濟(jì)帶上游包括四川、云南、貴州和重慶等省市，湖北、湖南、江西和安徽位于中游地區(qū)，上海、江蘇和浙江屬下游地區(qū)。2006- 2017 年長江經(jīng)濟(jì)帶11 省市相關(guān)數(shù)據(jù)主要來源于EPS 數(shù)據(jù)庫。利用各省市的價格指數(shù)，將R&D 經(jīng)費(fèi)內(nèi)部支出（I2）、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)（I3）、高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入（O2）、技術(shù)市場成交額（O3）、經(jīng)濟(jì)環(huán)境（E2）等價值量指標(biāo)調(diào)整至以2005 年價格為計(jì)的值?？臻g統(tǒng)計(jì)分析中所用權(quán)重矩陣選取空間地理相鄰（0- 1）矩陣。第一階段和第三階段DEA- windows 分析主要利用DEAP2.1，第二階段面板SFA模型構(gòu)建利用Frontier4.1，地理圖像處理利用ArcGis10.2，其他所有數(shù)據(jù)處理主要利用Stata15.0。

各投入產(chǎn)出變量的相關(guān)性檢驗(yàn)見表2。結(jié)果顯示，在1% 的顯著性水平上，各投入產(chǎn)出變量間均具有顯著相關(guān)性，滿足利用DEA 進(jìn)行效率測算的同向性要求。

表2 投入產(chǎn)出變量的相關(guān)系數(shù)Tab.2 Correlation coefficients of input-output variables

2 實(shí)證結(jié)果分析

2.1 第一階段構(gòu)建DEA-windows 模型測算初始創(chuàng)新效率

第一階段初始創(chuàng)新效率的測度中窗口長度為3，計(jì)算得到10 個窗口期中每個窗口期的共33個決策單元的初始綜合效率、純技術(shù)效率和規(guī)模效率。以上海市綜合效率測算為例，其DEAwindows 測算過程見表3。同理，可得到第一階段各省市初始綜合效率、純技術(shù)效率和規(guī)模效率值如表4 所示，第一階段創(chuàng)新效率均值見表5。

表3 DEA-windows 測算綜合效率過程——以上海為例Tab.3 DEA-windows comprehensive efficiency measurement process with Shanghai as an example

表4 第一階段DEA-windows 測算綜合效率、純技術(shù)效率和規(guī)模效率結(jié)果Tab.4 Results of comprehensive efficiency, pure technical efficiency and scale efficiency in the first stage of DEA-windows measurement

續(xù)表4

2.1.1 區(qū)域整體創(chuàng)新效率特點(diǎn) 整體來看，2006- 2017 年間，長江經(jīng)濟(jì)帶初始綜合效率、純技術(shù)效率和規(guī)模效率分別位于［0.625，0.898］、［0.744，0.915］和［0.840，0.982］等區(qū)間，3 種效率均先上升，于2015 年達(dá)到最高點(diǎn)后，于2016 年、2017 年小幅下降。2006- 2017 年間，長江經(jīng)濟(jì)帶綜合效率平均為0.760，純技術(shù)效率平均為0.835，規(guī)模效率平均為0.911，仍然是弱DEA 效率，且綜合效率均值和規(guī)模效率均值變化幅度基本一致，綜合效率不足主要由純技術(shù)效率不足所導(dǎo)致。

2.1.2 各省市創(chuàng)新效率特點(diǎn) 由表4 可知，重慶、浙江和上海的綜合效率、純技術(shù)效率和規(guī)模效率變動不大，除個別年份外，其創(chuàng)新效率基本有效；江蘇的綜合效率較高，但其純技術(shù)效率和規(guī)模效率排名都不太靠前；安徽、江西的創(chuàng)新綜合效率、純技術(shù)效率和規(guī)模效率在各年份均未達(dá)到創(chuàng)新前沿面，3 種效率排名均靠后；湖南、湖北盡管在有些年份純技術(shù)效率有效，但波動幅度較大且排名最后，盡管該兩省規(guī)模效率較為有效，其綜合效率較差；四川的綜合效率、純技術(shù)效率和規(guī)模效率均較為穩(wěn)定，其綜合效率不高的原因主要由純技術(shù)效率不足所導(dǎo)致；云南、貴州的規(guī)模效率明顯較差，盡管其純技術(shù)效率基本有效，直接導(dǎo)致綜合效率排名最后。盡管11 個省市的創(chuàng)新綜合效率、純技術(shù)效率和規(guī)模效率存在明顯的空間差異，從各年度3 種創(chuàng)新效率的離散系數(shù)逐年下降的趨勢來看，這種空間差異在逐年減小。

從區(qū)域來看，長江下游地區(qū)綜合效率、純技術(shù)效率和規(guī)模效率均為最高；長江上游地區(qū)的綜合效率和純技術(shù)效率均高于長江中游地區(qū)，但上游地區(qū)的規(guī)模效率稍低于中游地區(qū)；長江中游地區(qū)的綜合效率和純技術(shù)效率均最低。總的來說，長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新效率表現(xiàn)為“啞鈴”狀形態(tài)，中游地區(qū)是創(chuàng)新發(fā)展的“洼地”。

2.1.3 各省市創(chuàng)新效率類型劃分 為進(jìn)一步分析長江經(jīng)濟(jì)帶各省市創(chuàng)新效率的空間差異，以純技術(shù)效率和規(guī)模效率均值（0.835，0.911）為依據(jù)，將各省市創(chuàng)新效率劃分為3 種類型，結(jié)果見圖1。

第一類為“雙高型”，主要有重慶、浙江、上海和江蘇等4 個省市，這些省市的綜合效率較高，還可繼續(xù)小幅提升純技術(shù)效率和規(guī)模效率。第二類為“高低型”，主要指純技術(shù)效率高（低），同時規(guī)模效率低（高）等兩種類型。純技術(shù)效率高、規(guī)模效率低的省市有云南和貴州。純技術(shù)效率低、規(guī)模效率高的省市為四川、湖北、湖南和安徽等。這些省市主要位于長江中上游地區(qū)，需繼續(xù)改進(jìn)規(guī)模效率或提升純技術(shù)效率。第三類為“雙低型”，江西的純技術(shù)效率及規(guī)模效率均低于平均水平，需要同時提高純技術(shù)效率和規(guī)模效率。

圖1 第一階段長江經(jīng)濟(jì)帶創(chuàng)新效率分布圖Fig.1 Innovation efficiency distribution diagram of the Yangtze River Economic Belt in the first stage

2.2 第二階段建立面板SFA 模型，剔除環(huán)境因素和隨機(jī)擾動

利用Frontier4.1，分別以投入指標(biāo)R&D 人員全時當(dāng)量（I1）、R&D 經(jīng)費(fèi)內(nèi)部支出（I2）和高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)（I3）的冗余量為被解釋變量，以環(huán)境變量為自變量，得到3 個面板SFA 模型，各極大似然估計(jì)值結(jié)果見表6。

首先，3 種投入冗余變量的面板SFA 模型估計(jì)的γ值分別為0.662、0.476 和0.247，在1% 的水平上均顯著，這說明面板SFA 模型管理無效率項(xiàng)的影響顯著。其次，面板SFA 模型的LR 單邊似然比檢驗(yàn)拒絕了OLS 估計(jì)結(jié)果，面板SFA 模型估計(jì)的結(jié)果更有效。此外，I1 的面板SFA 模型中環(huán)境變量系數(shù)部分通過顯著性檢驗(yàn)，I2 和I3 的面板SFA 模型中環(huán)境變量系數(shù)在1% 的顯著性水平上基本顯著。

以高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)（I3）冗余量的面板SFA 模型為例，在其他條件不變的情況下，環(huán)境規(guī)制的系數(shù)顯著為負(fù)，表明環(huán)境污染治理要求的提升將使得高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)的冗余減少；經(jīng)濟(jì)環(huán)境的系數(shù)顯著為正，表明經(jīng)濟(jì)的發(fā)展使得高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)投入較多，可能產(chǎn)生投入冗余；財(cái)政支持系數(shù)顯著為負(fù)，表明政府的創(chuàng)新財(cái)政資助能夠引導(dǎo)區(qū)域創(chuàng)新行為，降低部分高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)，提高創(chuàng)新效率；教育水平的系數(shù)為負(fù)，高的教育水平將降低高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)冗余量；研發(fā)規(guī)模和高技術(shù)產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)均顯著為正，表明研發(fā)規(guī)模越大、高技術(shù)產(chǎn)業(yè)占比越大，高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)經(jīng)費(fèi)投入越多。與I3 的面板SFA 模型各環(huán)境變量符號相比，除I1 面板SFA 模型中的環(huán)境規(guī)制系數(shù)和I2 面板SFA 模型中產(chǎn)業(yè)結(jié)構(gòu)系數(shù)外，其他環(huán)境變量系數(shù)符號與I3 面板SFA 模型的系數(shù)符號均一致。

表6 第二階段面板SFA 模型的回歸結(jié)果Tab.6 Regression results of the second-stage panel SFA model

2.3 第三階段利用調(diào)整后DEA-windows 模型測算創(chuàng)新效率

利用公式（1）～（4）得到調(diào)整后的各投入指標(biāo)值，再次利用DEA- window 測算長江經(jīng)濟(jì)帶11 省市綜合效率、純技術(shù)效率和規(guī)模效率，其結(jié)果見表7，第三階段創(chuàng)新效率均值見表5。

表7 第三階段DEA-windows 測算綜合效率、純技術(shù)效率和規(guī)模效率結(jié)果Tab.7 Results of comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage of DEA-windows measurement

續(xù)表7

為檢驗(yàn)第一階段與第三階段的3 種創(chuàng)新效率間是否存在顯著差異，利用Wilcoxon 符號秩方法進(jìn)行檢驗(yàn)，結(jié)果見表8。結(jié)果顯示，長江經(jīng)濟(jì)帶創(chuàng)新效率在投入調(diào)整前后有顯著差異，進(jìn)一步印證需對原始投入量進(jìn)行調(diào)整再測算創(chuàng)新效率的必要性。

表8 Wilcoxon 配對樣本的符號秩檢驗(yàn)結(jié)果Tab.8 Symbolic rank test results of Wilcoxon paired samples

2.3.1 調(diào)整前后區(qū)域整體創(chuàng)新效率變化 總體來看，2006- 2017 年間調(diào)整后的長江經(jīng)濟(jì)帶創(chuàng)新平均綜合效率、純技術(shù)效率和規(guī)模效率變化區(qū)間分別為［0.294，0.761］、［0.962，0.986］和［0.301，0.775］，均未達(dá)到1，仍處于DEA 無效率狀態(tài)，較調(diào)整之前有很大變化。通過第二階段的調(diào)整，在濾除了環(huán)境因素和隨機(jī)擾動的影響后，綜合效率和規(guī)模效率的平均值分別從0.760 和0.911 下降至0.471 和0.482，而純技術(shù)效率由從0.835 上升至0.977。

3 種效率均值的時序圖見圖2，由圖2 可以看出，綜合效率均值和規(guī)模效率均值均單調(diào)上升，兩者變化幅度基本一致，各區(qū)域純技術(shù)效率波動幅度不大但趨勢各不相同，綜合效率不足主要受規(guī)模效率不足所導(dǎo)致。

圖2 第三階段各區(qū)域綜合效率、純技術(shù)效率和規(guī)模效率時序圖Fig.2 Sequence diagram of comprehensive efficiency, pure technical efficiency and scale efficiency of innovation in each region in the third stage

2.3.2 調(diào)整前后各省市創(chuàng)新效率變化 調(diào)整后，上海、江蘇、浙江、湖北和重慶等省市的綜合效率值在部分時間窗下處于DEA 有效，其余省市綜合效率均未實(shí)現(xiàn)DEA 有效。值得注意的是，除上述省市外，貴州和云南的純技術(shù)效率和規(guī)模效率在部分年份也為DEA 有效。調(diào)整后，11 個省市純技術(shù)效率均高于調(diào)整前，除上海和江蘇的綜合效率及規(guī)模效率高于調(diào)整前，其他省市的綜合效率和規(guī)模效率均低于調(diào)整前。類似于調(diào)整前，盡管綜合效率、純技術(shù)效率和規(guī)模效率空間差異明顯，但從3 類創(chuàng)新效率的離散系數(shù)來看，隨著時間的推移，這種空間差異在逐步縮小。

從區(qū)域來看，長江下游地區(qū)綜合效率和規(guī)模效率均為最高，純技術(shù)效率低于上游地區(qū)；長江中游地區(qū)的綜合效率和規(guī)模效率均高于長江上游地區(qū)，純技術(shù)效率最低；長江上游地區(qū)綜合效率和規(guī)模效率均為最低，但其純技術(shù)效率最高。總的來說，長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新效率呈現(xiàn)由東向西的遞減態(tài)勢。

2.3.3 調(diào)整后各省市創(chuàng)新效率的類型劃分 按照調(diào)整后的純技術(shù)效率和規(guī)模效率均值（0.977，0.482）為臨界點(diǎn)進(jìn)行分類，結(jié)果見圖3。“雙高型”主要有上海、江蘇和重慶等3 省市，但重慶的綜合效率和規(guī)模效率均不太有效?！案叩托汀笔∈兄?，湖北、四川、云南和貴州的空間象限沒有發(fā)生改變，浙江由于純技術(shù)效率排名的下降而劃歸為“高低型”，江西由于純技術(shù)效率排名的上升而從“雙低型”轉(zhuǎn)歸為“高低型”?！半p低型”省市包括安徽和湖南，都是由于規(guī)模效率排名的下降而從“高低型”轉(zhuǎn)為“雙低型”。

圖3 第三階段長江經(jīng)濟(jì)帶創(chuàng)新效率分布圖Fig.3 Innovation efficiency distribution diagram of the Yangtze River Economic Belt in the third stage

2.3.4 各省市創(chuàng)新效率的空間相關(guān)特點(diǎn) 以2006- 2017 年長江經(jīng)濟(jì)帶綜合效率均值、純技術(shù)效率均值和規(guī)模效率均值繪制地理分布圖（見圖4）。從圖4 可知，盡管各省市創(chuàng)新效率空間差異明顯，但下游地區(qū)各省市創(chuàng)新效率明顯較高，上中游地區(qū)各省市創(chuàng)新效率較低，可能存在較強(qiáng)的空間相關(guān)性。

圖4 第三階段長江經(jīng)濟(jì)帶綜合效率、純技術(shù)效率和規(guī)模效率分布圖Fig.4 Distribution of comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage of the Yangtze River Economic Belt

計(jì)算得到2016- 2017 年11 個省市的3 種創(chuàng)新效率的Moran′s I 指數(shù)和相應(yīng)的伴隨概率如表9所示。由表9 可知，研究期內(nèi)長江經(jīng)濟(jì)帶綜合效率和規(guī)模效率呈現(xiàn)顯著的空間正相關(guān)，但這種空間正相關(guān)強(qiáng)度正逐步減弱。這表明各省市通過調(diào)整規(guī)模以提升綜合效率的方式具有借鑒和模仿意義，但這種借鑒作用在逐步降低。此外，長江經(jīng)濟(jì)帶純技術(shù)效率表現(xiàn)為沒有或有微弱的空間負(fù)相關(guān)，表明各省市通過提升純技術(shù)效率的方式來增加綜合效率具有一定的擠出效應(yīng)。

表9 第三階段綜合效率、純技術(shù)效率和規(guī)模效率的Moran′s I 指數(shù)Tab.9 Moran′s I index of the comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage

3 結(jié)論與建議

本文在傳統(tǒng)三階段DEA 模型的理論基礎(chǔ)上，利用DEA- windows 方法和面板SFA 模型，研究2006- 2017 年長江經(jīng)濟(jì)帶各省市創(chuàng)新效率的動態(tài)變化和空間差異，并利用空間統(tǒng)計(jì)方法，分析各省市創(chuàng)新效率的空間集聚特點(diǎn)。結(jié)論如下：

1）調(diào)整前，從整體來看，長江經(jīng)濟(jì)帶平均綜合效率為0.760，純技術(shù)效率平均為0.835，規(guī)模效率平均為0.911，為弱DEA 效率。從區(qū)域來看，長江中游地區(qū)是創(chuàng)新發(fā)展的“洼地”，長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新效率呈現(xiàn)出“啞鈴”狀格局。從省市來看，重慶、浙江、上海和江蘇屬于“雙高型”，云南、貴州、四川、湖北、湖南和安徽等屬于“高低型”，江西屬于“雙低型”。

2）調(diào)整前后，長江經(jīng)濟(jì)帶創(chuàng)新效率值差異明顯，綜合效率和規(guī)模效率的平均值分別從0.760和0.911 下降至0.471 和0.482，而純技術(shù)效率從0.835 上升至0.977。盡管調(diào)整前后的綜合效率、純技術(shù)效率和規(guī)模效率空間差異均明顯，但這種空間差異在逐步縮小。

3）調(diào)整后，整體來看長江經(jīng)濟(jì)帶綜合效率均值和規(guī)模效率均值均單調(diào)上升，且兩者變化幅度基本一致，各區(qū)域純技術(shù)效率波動幅度不大但趨勢各不相同。從區(qū)域來看，長江經(jīng)濟(jì)帶區(qū)域創(chuàng)新效率呈現(xiàn)由東向西的遞減態(tài)勢。從省市來看，“雙高型”有上海、江蘇和重慶，“高低型”省市包括湖北、四川、云南、貴州、浙江和江西，“雙低型”省市包括安徽和湖南。

4）從創(chuàng)新效率的空間相關(guān)的特點(diǎn)來看，綜合效率和規(guī)模效率呈現(xiàn)顯著的空間正相關(guān)，但這種空間正相關(guān)強(qiáng)度正在逐步減弱。處于“高- 高”區(qū)域的省市有上海、江蘇和浙江，位于“低-低”區(qū)域的省市有湖南、重慶、貴州和云南，湖北和四川位于“高- 低”區(qū)域，安徽和江西位于“低- 高”區(qū)域。

5）從環(huán)境變量對投入冗余的影響來看，環(huán)境變量對3 種投入冗余的影響基本一致，環(huán)境規(guī)制、財(cái)政支持和教育水平的加強(qiáng)有利于提升創(chuàng)新效率，而經(jīng)濟(jì)條件、研發(fā)規(guī)模和產(chǎn)業(yè)結(jié)構(gòu)的提升可能導(dǎo)致投入的冗余。

根據(jù)上述研究結(jié)論，提出如下建議：首先，為提高綜合效率、純技術(shù)效率和規(guī)模效率，需提升區(qū)域創(chuàng)新資源配置能力，調(diào)整創(chuàng)新資源投入結(jié)構(gòu)和投向部門，以增加單位資源投入所獲得的創(chuàng)新產(chǎn)出；其次，為減輕投入冗余造成的創(chuàng)新效率低下問題，從環(huán)境變量影響角度出發(fā)，近階段可通過加大環(huán)境規(guī)制和財(cái)政支持力度以及繼續(xù)提升教育水平等手段減輕投入冗余壓力；最后，為縮小長江經(jīng)濟(jì)帶下游與上中游地區(qū)創(chuàng)新效率的空間差異，可結(jié)合區(qū)域創(chuàng)新效率的空間相關(guān)等特點(diǎn)，建立區(qū)域創(chuàng)新協(xié)同機(jī)制，推動長江上中游地區(qū)創(chuàng)新高質(zhì)量發(fā)展。