投入產(chǎn)出視角下區(qū)域科技創(chuàng)新效率差異性研究
——基于2009—2018年面板數(shù)據(jù)

彭佑元，申文文

（中北大學(xué)經(jīng)濟(jì)與管理學(xué)院，太原 030051）

綜合國(guó)力的競(jìng)爭(zhēng)體現(xiàn)在創(chuàng)新的競(jìng)爭(zhēng).近年來(lái)國(guó)內(nèi)學(xué)者對(duì)科技創(chuàng)新的研究較多，主要集中在高校、企業(yè)、區(qū)域、不同行業(yè)和不同領(lǐng)域等方面.

在高?？萍紕?chuàng)新方面，李文輝等采用主成分分析法和兩階段DEA模型研究省域校的科技創(chuàng)新能力、效率及其經(jīng)濟(jì)貢獻(xiàn)率，結(jié)果表明，在前提為將科技創(chuàng)新有效轉(zhuǎn)化為促進(jìn)經(jīng)濟(jì)貢獻(xiàn)率的情況下，高校對(duì)經(jīng)濟(jì)發(fā)展有促進(jìn)作用［1］.蔡文伯等運(yùn)用DEA-Malmquist指數(shù)法分析了區(qū)域高?？萍紕?chuàng)新效率的差異性，結(jié)果表明，我國(guó)高?？萍紕?chuàng)新全要素生產(chǎn)率整體呈增長(zhǎng)態(tài)勢(shì)，其中東部地區(qū)增長(zhǎng)率最高［2］.連嘉琪采用超效率DEA模型分析了我國(guó)31個(gè)?。ㄊ校┳灾螀^(qū)高校2016年的科技創(chuàng)新效率并探究創(chuàng)新效率低下的原因，結(jié)果表明，我國(guó)各省份高?？萍紕?chuàng)新效率總體較高，但規(guī)模效率低下和產(chǎn)出不足是導(dǎo)致DEA無(wú)效的主要因素［3］.石薛橋等采用熵值法探究我國(guó)中部六省的高?？萍紕?chuàng)新發(fā)展水平及發(fā)展方式，結(jié)果表明，湖北省高校科技創(chuàng)新能力最強(qiáng)，山西省高?？萍紕?chuàng)新能力最弱，但也呈現(xiàn)出逐漸增強(qiáng)的趨勢(shì)［4］.王輝等采用兩階段DEA探究我國(guó)31個(gè)省份高?？萍紕?chuàng)新對(duì)區(qū)域創(chuàng)新績(jī)效的影響，結(jié)果表明，對(duì)比科技成果產(chǎn)出和科技成果轉(zhuǎn)化兩個(gè)階段大多數(shù)省份存在不平衡的現(xiàn)象，并且提升技術(shù)效率是使DEA有效的關(guān)鍵［5］.

在企業(yè)科技創(chuàng)新方面，彭佑元等采用DEA-Malmquist指數(shù)法對(duì)我國(guó)林業(yè)上市公司經(jīng)營(yíng)績(jī)效進(jìn)行了評(píng)價(jià)，結(jié)果表明，各上市公司資源配備合理，但仍有規(guī)模經(jīng)濟(jì)、技術(shù)水平不佳等缺陷［6］.杜丹利等采用PMC指數(shù)模型評(píng)價(jià)了北京、天津和河北中小企業(yè)科技創(chuàng)新政策，結(jié)果表明，京津冀在反饋和監(jiān)督環(huán)節(jié)尚有不足［7］.張麗華采用DEA-Malmquist兩階段模型對(duì)山西上市煤炭企業(yè)金融支持進(jìn)行效率評(píng)價(jià)和影響因素分析，結(jié)果表明，煤炭企業(yè)在配置效率上呈現(xiàn)較多問(wèn)題［8］.王文濤等采用三階段DEA模型評(píng)價(jià)了我國(guó)涉海企業(yè)的科技創(chuàng)新效率，結(jié)果表明，規(guī)模效率不高導(dǎo)致中國(guó)涉海企業(yè)科技創(chuàng)新效率整體處于偏低水平［9］.

不同行業(yè)科技創(chuàng)新方面，劉敏等基于VRS模型對(duì)我國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新績(jī)效進(jìn)行評(píng)價(jià)，結(jié)果表明，六大區(qū)域農(nóng)業(yè)科技創(chuàng)新績(jī)效存在差異，華東地區(qū)發(fā)展最好［10］.鐘小榮等基于DEA-Malmquist指數(shù)法對(duì)銅仁市新技術(shù)企業(yè)技創(chuàng)新效率進(jìn)行動(dòng)態(tài)評(píng)價(jià)，結(jié)果表明，銅仁市新技術(shù)企業(yè)整體實(shí)現(xiàn)增長(zhǎng)，但增幅不夠大，新技術(shù)企業(yè)之間的技術(shù)進(jìn)步率存在較大差異［11］.王希勝基于DEA-Malmquist模型對(duì)2012—2018年河南省技術(shù)密集型制造業(yè)的企業(yè)的創(chuàng)新效率進(jìn)行測(cè)度，結(jié)果表明，河南省技術(shù)密集型制造業(yè)全要素生產(chǎn)率指數(shù)增長(zhǎng)緩慢，而純技術(shù)效率和規(guī)模效率變化則為年均負(fù)增長(zhǎng)［12］.范瑞等采用調(diào)節(jié)路徑分析法探究了科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的間接效益，結(jié)果表明，科技創(chuàng)新的中介作用效果顯著［13］.

在不同領(lǐng)域科技創(chuàng)新方面，彭佑元等采用超效率DEA模型對(duì)產(chǎn)業(yè)集群類(lèi)型和所屬區(qū)域進(jìn)行實(shí)證分析，結(jié)果表明，我國(guó)產(chǎn)業(yè)集群內(nèi)部差異性比較大，產(chǎn)業(yè)集群的創(chuàng)新效率受到集群類(lèi)型的影響［14］.魏巍等采用灰色關(guān)聯(lián)法以及耦合協(xié)調(diào)模型探究科技創(chuàng)新與經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)系，結(jié)果表明，北京發(fā)展水平最高，各地區(qū)制約因素突出［15］.楊春宇等構(gòu)建面板聯(lián)立方程模型檢驗(yàn)對(duì)2008—2017年我國(guó)31個(gè)省（市）自治區(qū)的旅游科技創(chuàng)新、產(chǎn)業(yè)升級(jí)與經(jīng)濟(jì)增長(zhǎng)之間的相互關(guān)系進(jìn)行研究，結(jié)果表明，旅游產(chǎn)業(yè)升級(jí)對(duì)旅游經(jīng)濟(jì)增長(zhǎng)的影響更大，旅游科技創(chuàng)新、產(chǎn)業(yè)升級(jí)與旅游經(jīng)濟(jì)發(fā)展總體協(xié)調(diào)［16］.

綜上所述，國(guó)內(nèi)學(xué)者對(duì)科技創(chuàng)新取得了較多的成果，但已有文獻(xiàn)在以下兩方面存在不足：第一，科技創(chuàng)新效率研究多停留在單個(gè)省（市）地級(jí)市區(qū)域評(píng)價(jià)，對(duì)全國(guó)各?。ㄊ校﹨^(qū)域科技創(chuàng)新效率的研究較少.第二，已有文獻(xiàn)中對(duì)?。ㄊ校﹨^(qū)域科技創(chuàng)新研究時(shí)效跨度較短，大多為一年或者近3年.針對(duì)以上問(wèn)題，選擇2009—2018年為研究期，選取我國(guó)30個(gè)?。ㄊ校└黜?xiàng)指標(biāo)數(shù)據(jù)，對(duì)這些?。ㄊ校┛萍紕?chuàng)新效率進(jìn)行靜態(tài)和動(dòng)態(tài)評(píng)價(jià)，分析區(qū)域科技創(chuàng)新效率的差異性，有利于探究區(qū)域科技創(chuàng)新發(fā)展中的優(yōu)勢(shì)和不足，彌補(bǔ)科技創(chuàng)新發(fā)展中的短板，提高區(qū)域的科技創(chuàng)新效率，推動(dòng)全國(guó)科技創(chuàng)新水平的進(jìn)步.

1 方法選擇及指標(biāo)構(gòu)建

在實(shí)際生產(chǎn)當(dāng)中能夠影響科技活動(dòng)的因素有R&D經(jīng)費(fèi)投入、R&D人員數(shù)、新產(chǎn)品開(kāi)發(fā)支出、專(zhuān)利申請(qǐng)量、技術(shù)市場(chǎng)成交額、新產(chǎn)品銷(xiāo)售收入等.邱奇等用DEA模型選取中國(guó)11個(gè)區(qū)域城市以R&D投入經(jīng)費(fèi)支出、技術(shù)引進(jìn)消化吸收經(jīng)費(fèi)支出為投入指標(biāo)，以國(guó)內(nèi)專(zhuān)利申請(qǐng)量、國(guó)內(nèi)專(zhuān)利授權(quán)量和國(guó)內(nèi)專(zhuān)利有效量為產(chǎn)出指標(biāo)，分析了城市科技創(chuàng)新資本效率［17］.陳聰聰利用兩階段DEA模型以R&D人員全時(shí)當(dāng)量、R&D經(jīng)費(fèi)內(nèi)部支出、規(guī)模以上工業(yè)企業(yè)研發(fā)機(jī)構(gòu)數(shù)作為投入指標(biāo)，以科技論文專(zhuān)著量、國(guó)內(nèi)3種專(zhuān)利申請(qǐng)授權(quán)量作為產(chǎn)出指標(biāo)，分析了“一帶一路”沿線省際科技創(chuàng)新效率［18］.張榮天用DEA-Tobit模型以企業(yè)R&D活動(dòng)人員占比、全社會(huì)R&D支出總額占GDP比重、政府科技撥款占財(cái)政支出的比重為投入指標(biāo)，以萬(wàn)人口專(zhuān)利授權(quán)數(shù)、高新技術(shù)產(chǎn)業(yè)產(chǎn)值、萬(wàn)人口發(fā)明專(zhuān)利授權(quán)數(shù)和發(fā)表科技論文數(shù)量為產(chǎn)出指標(biāo)，分析了江蘇省揚(yáng)州市科技創(chuàng)新效率［19］.陳升等用三階段DEA和Tobit模型以R&D人員全時(shí)當(dāng)量和R&D資本存量為投入指標(biāo)，以發(fā)明專(zhuān)利授權(quán)數(shù)、國(guó)外科技論文發(fā)表數(shù)和高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷(xiāo)售收入為產(chǎn)出指標(biāo)，分析了“一帶一路”沿線科技創(chuàng)新效率區(qū)域差異及影響因素［20］.通過(guò)對(duì)現(xiàn)有文獻(xiàn)的參考以及指標(biāo)選取的科學(xué)性、全面性、可比性、易獲得性等，選取R&D人員全時(shí)當(dāng)量、R&D經(jīng)費(fèi)內(nèi)部支出和R&D活動(dòng)企業(yè)數(shù)為投入指標(biāo)，專(zhuān)利申請(qǐng)量、新產(chǎn)品銷(xiāo)售收入和技術(shù)市場(chǎng)成交額為產(chǎn)出指標(biāo)（表1），以2009—2018年我國(guó)30個(gè)?。ㄊ校?shù)據(jù)為例，研究了這些省（市）的創(chuàng)新效率.指標(biāo)的相關(guān)數(shù)據(jù)來(lái)源于2010—2019年的《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)科技年鑒》.

1.1 DEA模型

數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）是根據(jù)多項(xiàng)投入產(chǎn)出指標(biāo)，利用線性規(guī)劃，對(duì)決策單元（簡(jiǎn)稱(chēng)DMU）進(jìn)行有效性評(píng)價(jià)的一種數(shù)量分析方法.DEA方法有CCR和BCC兩種模型，BCC模型不僅可以體現(xiàn)決策單元的技術(shù)效率和規(guī)模效率，還可以決策單元的投入產(chǎn)出松弛變量取值進(jìn)行測(cè)量.因此，本文選取BCC模型對(duì)我國(guó)30個(gè)省（市）科技創(chuàng)新效率進(jìn)行分析，深入研究我國(guó)區(qū)域科技創(chuàng)新效率，并給出非DEA有效的省（市）調(diào)整方案.建立如下BCC模型：

表1 區(qū)域科技創(chuàng)新評(píng)價(jià)指標(biāo)Tab.1 Evaluation index of regional science and technology innovation

1.2 Malmquist指數(shù)法

由于DEA—BCC模型只能對(duì)決策單元進(jìn)行靜態(tài)分析，如果數(shù)據(jù)較多，就要考慮時(shí)間維度帶來(lái)的影響，因此引用Malmquist指數(shù)法進(jìn)行動(dòng)態(tài)分析.M指數(shù)可以進(jìn)一步分解為兩個(gè)部分，一是技術(shù)效率的變動(dòng)，用effch來(lái)表示；二是技術(shù)進(jìn)步的變動(dòng)，用techch來(lái)表示，兩者乘積構(gòu)成了M指數(shù).具體公式如下：

2 結(jié)果分析

2.1 科技創(chuàng)新效率靜態(tài)分析

通過(guò)運(yùn)行DEAP Version2.1軟件，得出在2009—2018年我國(guó)30個(gè)?。ㄊ校┑膭?chuàng)新效率，結(jié)果見(jiàn)圖1.由圖1可以看出，我國(guó)科技創(chuàng)新水平雖然總體在提高，但綜合效率＜1，說(shuō)明我國(guó)科技創(chuàng)新依舊沒(méi)有達(dá)到最佳的投入產(chǎn)出效率比，存在資源使用不合理的情況.由表2可以看出，規(guī)模報(bào)酬遞增的省（市）數(shù)量在2012年之后不斷減少，從2016年開(kāi)始又有上升趨勢(shì)，并且規(guī)模報(bào)酬遞增的?。ㄊ校?shù)量在逐漸增加，截至2018年，共有14個(gè)?。ㄊ校┻_(dá)到DEA最優(yōu).由于2018年我國(guó)創(chuàng)新驅(qū)動(dòng)的深入發(fā)展，特別是“雙創(chuàng)”深入開(kāi)展，高技術(shù)制造業(yè)和戰(zhàn)略性新興產(chǎn)業(yè)的增加值都是兩位數(shù)的增長(zhǎng)，給科技創(chuàng)新帶來(lái)了良好的發(fā)展勢(shì)頭.

圖1 我國(guó)2009—2018年平均科技創(chuàng)新效率圖Fig.1 Average efficiency of science and technology innovation in China from 2009 to 2018

表2 我國(guó)2009—2018年規(guī)模報(bào)酬遞增、不變、遞減省（市）數(shù)量Tab.2 Number of provinces and cities with increasing，unchanged and decreasing returns to scale during 2009-2018 單位：個(gè)

此外，還計(jì)算了我國(guó)30個(gè)?。ㄊ校?009—2018年創(chuàng)新效率，由于文章篇幅有限，只列舉3個(gè)有代表性年份，結(jié)果見(jiàn)表3.通過(guò)分析研究期內(nèi)的科技創(chuàng)新效率，可以得出以下結(jié)論：

1）從綜合效率值來(lái)看，北京在研究期內(nèi)一直保持著適合的投入產(chǎn)出比例，即DEA最優(yōu)狀態(tài)，說(shuō)明北京可以充分地利用各種創(chuàng)新資源，有較強(qiáng)的資源管理能力，技術(shù)能力相對(duì)要高；吉林DEA基本穩(wěn)定，只有在2013年數(shù)值為0.647，其余年份均為1；廣西呈上升趨勢(shì)，并在2015年達(dá)到DEA最優(yōu)，之后一直保持不變；內(nèi)蒙古、黑龍江、安徽、河南、湖北、廣東、海南、陜西、青海和新疆呈波動(dòng)上升的趨勢(shì)，其中青海在2015—2018年趨于穩(wěn)定，新疆雖然呈波動(dòng)上升趨勢(shì)，但是在0.5～0.8之間，科技創(chuàng)新效率明顯不如其他?。ㄊ校?；天津、上海和浙江在研究期內(nèi)DEA變化幅度不大，在0.8～1.0之間，云南變動(dòng)也不明顯，但是在0.4～0.7之間，距離其他?。ㄊ校┛萍紕?chuàng)新效率差距較大；河北、山西、遼寧、福建、山東、湖南、貴州、甘肅和寧夏2009—2018年來(lái)變化幅度較大；江蘇、重慶和四川2009—2018年綜合效率值在下降.

2）從純技術(shù)效率值來(lái)看，北京、上海和廣東在研究期內(nèi)保持穩(wěn)定，均處在最優(yōu)狀態(tài)；吉林、江蘇、浙江、四川、青海純技術(shù)效率基本穩(wěn)定，只有一兩個(gè)年份不在最優(yōu)狀態(tài)，山東也基本穩(wěn)定，但是2016—2018年有下降趨勢(shì)；湖北、湖南和廣西呈上升趨勢(shì)，其中湖北和廣西在近2015—2018年達(dá)到最優(yōu)；河北、安徽、江西、河南、貴州、陜西和寧夏呈波動(dòng)上升趨勢(shì)，其中安徽在2015—2018年保持最優(yōu)狀態(tài)，陜西和寧夏在2017—2018年保持最優(yōu)狀態(tài)；天津波動(dòng)范圍不大在0.8～1之間，并且在2014年之后一直沒(méi)有達(dá)到最優(yōu)值，云南雖然波動(dòng)也不大，但在0.4～0.7之間，因此云南應(yīng)該加大對(duì)技術(shù)的投入；山西、遼寧、黑龍江、福建、甘肅和新疆2009—2018年純技術(shù)效率變動(dòng)幅度較大，不穩(wěn)定.

3）從規(guī)模效率值來(lái)看，只有北京在研究期內(nèi)保持穩(wěn)定，為規(guī)模報(bào)酬有效；吉林和重慶基本穩(wěn)定，大部分年份都處于規(guī)模效率最優(yōu)；江蘇在2009—2013年規(guī)模效率有效，2014—2018年波動(dòng)范圍較大；四川變動(dòng)幅度不大，但2014—2018年在0.8左右變動(dòng)，低于0.9，因此應(yīng)該增加規(guī)模；廣西的規(guī)模效率值在研究期內(nèi)穩(wěn)步上升，2015達(dá)到最優(yōu)并保持到2018年；廣西、青海、寧夏和新疆近2010—2018年處于波動(dòng)上升狀態(tài)，其中甘肅2015—2018年都是最優(yōu)，寧夏2017—2018年達(dá)到最優(yōu)，新疆則還有進(jìn)步空間；甘肅在研究期內(nèi)呈波動(dòng)下降趨勢(shì)，應(yīng)該增加規(guī)模；其余17個(gè)?。ㄊ校┑囊?guī)模效率值均變動(dòng)幅度不大，其中天津、河北、山西、遼寧、黑龍江、浙江、湖北、陜西的規(guī)模效率值在0.9～1之間變動(dòng)，內(nèi)蒙古、上海、安徽、福建、江西、河南、湖南、貴州和云南在0.8～1之間變動(dòng).

表3 2009—2018年我國(guó)30個(gè)省（市）科技創(chuàng)新DEA計(jì)算結(jié)果Tab.3 DEA calculation results of science and technology innovation of 30 provinces（cities）in China from 2009 to 2018

2.2 科技創(chuàng)新效率動(dòng)態(tài)分析

以上分析不能體現(xiàn)創(chuàng)新效率隨時(shí)間的變化趨勢(shì)以及不同指標(biāo)對(duì)創(chuàng)新效率的影響程度，因此需要進(jìn)行Malmquist指數(shù)分析，測(cè)算結(jié)果見(jiàn)表4.

表4 2009—2018年科技創(chuàng)新動(dòng)態(tài)評(píng)價(jià)結(jié)果Tab.4 Dynamic evaluation results of science and technology innovation from 2009 to 2018

從表4整體可以看出，Malmquist指數(shù)均值為1.017，說(shuō)明2009—2018年來(lái)我國(guó)科技創(chuàng)新的資源配置較為合理，科技創(chuàng)新效率在不斷上升，平均年增長(zhǎng)率達(dá)到1.7%.技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)也在不斷上升，平均年增長(zhǎng)率分別為0.6%，1.1%.

從年份變化分析來(lái)看，2009—2011年技術(shù)進(jìn)步變化指數(shù)降幅最大，達(dá)到了16.4%，由此導(dǎo)致了全要素生產(chǎn)率下降了13.7%；2012—2013年除技術(shù)進(jìn)步變化指數(shù)外，其余指數(shù)都大于1，說(shuō)明這兩個(gè)期間技術(shù)進(jìn)步指數(shù)是全要素生產(chǎn)率下降的主要因素；2009—2010年技術(shù)進(jìn)步變化指數(shù)達(dá)到76.8%的增幅，直接帶動(dòng)了全要素生產(chǎn)率的大幅增長(zhǎng)，說(shuō)明技術(shù)進(jìn)步是全要素生產(chǎn)率提高的關(guān)鍵因素；純技術(shù)效率和規(guī)模效率在2012年之后既沒(méi)有增長(zhǎng)也沒(méi)有下降.

此外，對(duì)2009—2018年我國(guó)30個(gè)?。ㄊ校┑目萍紕?chuàng)新進(jìn)行動(dòng)態(tài)分析，使每一個(gè)省份的變化更加直觀，如表5所示.

表5 2009—2018年我國(guó)30個(gè)省（市）全要素指數(shù)變化統(tǒng)計(jì)表Tab.5 Change statistics of TFI of 30 provinces and cities in China from 2009 to 2018

從全要素生產(chǎn)率看，2009—2018年全要素生產(chǎn)率指數(shù)除吉林之外數(shù)值均大于1，表明有29個(gè)?。ㄊ校┰?009—2018年全要素生產(chǎn)率實(shí)現(xiàn)增長(zhǎng).各?。ㄊ校┲心昃鲩L(zhǎng)率在10%以上的有北京、內(nèi)蒙古、黑龍江、安徽、江西、湖北、貴州、陜西、甘肅和青海10個(gè)?。ㄊ校?；年增長(zhǎng)率在5%～10%的有河北、山西、遼寧、河南、廣西、海南、四川、云南和新疆9個(gè)?。ㄊ校?；年增長(zhǎng)率1%～5%的省（市）有8個(gè)；重慶和山東增長(zhǎng)速度最慢，年增率僅0.3%，吉林的全要素生產(chǎn)率在下降.

從技術(shù)效率變動(dòng)指數(shù)來(lái)看，2009—2018年共有23個(gè)省（市）大于1，內(nèi)蒙古的年增率最高，為10.7%；北京、吉林、浙江和廣東的技術(shù)效率變動(dòng)指數(shù)未發(fā)生變化，值為1；天津、江蘇、山東、重慶、四川、云南和陜西技術(shù)效率變動(dòng)指數(shù)在下降，其中重慶降幅最大，年下降率為2.9%.

純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)共同影響技術(shù)效率變動(dòng).因此，從純技術(shù)效率來(lái)看，有6個(gè)?。ㄊ校┑闹笖?shù)值在下降，分別是天津、山東、重慶、四川、云南和陜西，其中重慶降幅最大.從規(guī)模效率來(lái)看，指數(shù)值下降的?。ㄊ校┯?個(gè)，分別是天津、江蘇、福建、山東、河南、四川、陜西.天津、山東、四川和陜西純技術(shù)效率和規(guī)模效率都下降，說(shuō)明這4個(gè)省（市）的資源配置效率低下.

在技術(shù)進(jìn)步方面，共有27個(gè)?。ㄊ校┘夹g(shù)進(jìn)步變動(dòng)指數(shù)在增長(zhǎng)，占比90%，說(shuō)明這些?。ㄊ校┯休^大的技術(shù)進(jìn)步和創(chuàng)新.其中青海的增長(zhǎng)幅度最大，這是由于青海經(jīng)歷西部大開(kāi)發(fā)之后，經(jīng)濟(jì)高速增長(zhǎng)，并且深化改革激發(fā)科技創(chuàng)新活力，使青海省科技進(jìn)步指數(shù)提高14.5%.由表4可以看出，河北、吉林和寧夏2010—2018年的技術(shù)進(jìn)步指數(shù)均有不同程度的下降，但其中吉林由于技術(shù)進(jìn)步指數(shù)下降導(dǎo)致全要素生產(chǎn)率下降，該省份應(yīng)該大力引進(jìn)人才、重視科技研究、充分利用有優(yōu)勢(shì)的科技資源.

根據(jù)我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展的新形勢(shì)將選取的全國(guó)30個(gè)?。ㄊ校┗癁闁|部、中部、西部和東北部4個(gè)經(jīng)濟(jì)區(qū)域，經(jīng)過(guò)Malmquist指數(shù)計(jì)算，得出其差異性如圖2所示.

圖2 四大經(jīng)濟(jì)區(qū)域科技創(chuàng)新動(dòng)態(tài)評(píng)價(jià)圖Fig.2 Dynamic evaluation of science and technology innovation in four economic regions

由圖2可以看出，西部地區(qū)全要素生產(chǎn)率的增長(zhǎng)率達(dá)遠(yuǎn)超東部、中部和東北部，年增長(zhǎng)率達(dá)到11.3%.技術(shù)效率變動(dòng)方面只有中部在增長(zhǎng)，年增長(zhǎng)率為2.8%，東部、西部和東北部既沒(méi)有增長(zhǎng)也沒(méi)有下降.技術(shù)進(jìn)步變動(dòng)方面4個(gè)區(qū)域均有所增長(zhǎng)，并且西部的增長(zhǎng)速度最快.整體來(lái)看，推動(dòng)全要素生產(chǎn)率增長(zhǎng)的主要由于技術(shù)變動(dòng)指數(shù)的增長(zhǎng).東部地區(qū)人才集聚，創(chuàng)新資源豐富，但是全要素生產(chǎn)率低于西部地區(qū)，說(shuō)明東部地區(qū)對(duì)創(chuàng)新資源沒(méi)有有效利用.中部地區(qū)作為連接?xùn)|西部地區(qū)的樞紐，應(yīng)該進(jìn)行結(jié)構(gòu)產(chǎn)業(yè)優(yōu)化、重視自身技術(shù)提升來(lái)提高純技術(shù)效率.

3 結(jié)論與建議

3.1 結(jié)論

基于2009—2018年全國(guó)各地科技創(chuàng)新投入產(chǎn)出的面板數(shù)據(jù)，運(yùn)用DEA和Malmquist指數(shù)法測(cè)算了各?。ㄊ校┚C合創(chuàng)新效率和動(dòng)態(tài)變化差異，得出以下結(jié)論：

從靜態(tài)效率來(lái)看，我國(guó)科技創(chuàng)新效率整體上在研究期內(nèi)呈波動(dòng)上升趨勢(shì)，其中規(guī)模效率在2009—2018年變動(dòng)幅度不大；平均每年DEA有效的省（市）數(shù)量不足一半，說(shuō)明我國(guó)科技創(chuàng)新投入產(chǎn)出不合理，存在資源浪費(fèi)的情況.其中河北、山西、內(nèi)蒙古、江西、遼寧、云南、河南、甘肅、新疆、重慶的純技術(shù)效率低下，上海、江蘇、山東、海南、寧夏、四川的規(guī)模技術(shù)低下.

從動(dòng)態(tài)效率來(lái)看，我國(guó)科技創(chuàng)新效率在不斷提高.選取的30個(gè)?。ㄊ校┲腥厣a(chǎn)率基本呈上升趨勢(shì)，只有吉林省因?yàn)榭萍歼M(jìn)步變動(dòng)指標(biāo)的下降導(dǎo)致該省份全要素生產(chǎn)率的下降.另外，西部地區(qū)全要素生產(chǎn)率的年增長(zhǎng)率最高，中部次之.東部、西部和東北部地區(qū)雖然全要素生產(chǎn)率在增加，但純技術(shù)效率和規(guī)模效率在2009—2018年沒(méi)有變化，說(shuō)明這3個(gè)區(qū)域內(nèi)部要素發(fā)展不均衡，過(guò)分依賴(lài)技術(shù)變動(dòng).

3.2 建議

1）適當(dāng)縮減科研經(jīng)費(fèi)，建立健全科學(xué)、有效的科研經(jīng)費(fèi)管理機(jī)制提高科研經(jīng)費(fèi)的使用效率，建立正確的科技成果轉(zhuǎn)化機(jī)制，充分發(fā)揮市場(chǎng)的能動(dòng)性，提高成果轉(zhuǎn)化效率，從而解決投入冗余和產(chǎn)出不足、資源浪費(fèi)的情況.

2）建議純技術(shù)效率低下的?。ㄊ校┨岣呖萍紕?chuàng)新技術(shù)能力，充分發(fā)揮各類(lèi)科技園區(qū)和科技創(chuàng)新平臺(tái)的功能，完善人才培養(yǎng)模式和科技獎(jiǎng)勵(lì)制度，對(duì)重大科技成果給予重獎(jiǎng).規(guī)模技術(shù)低下的?。ㄊ校┰鰪?qiáng)資源管理水平，改進(jìn)資源配置機(jī)制，引入更加環(huán)保的產(chǎn)業(yè)，對(duì)原有技術(shù)進(jìn)行改進(jìn)，有序進(jìn)行產(chǎn)業(yè)規(guī)模擴(kuò)大.

3）對(duì)于全要素生產(chǎn)率下降的省份激發(fā)其創(chuàng)新能力，提高科研效率，建立以企業(yè)為主體、市場(chǎng)為導(dǎo)向、產(chǎn)學(xué)研結(jié)合的技術(shù)創(chuàng)新體系，使企業(yè)成為技術(shù)創(chuàng)新的主體，并促進(jìn)科技成果向市場(chǎng)轉(zhuǎn)化.

4）東部地區(qū)應(yīng)當(dāng)激發(fā)高新區(qū)創(chuàng)新能力，提高科研創(chuàng)新效率，加速知識(shí)外溢.西部地區(qū)和東北地區(qū)應(yīng)當(dāng)提升自身創(chuàng)新能力，優(yōu)化傳統(tǒng)產(chǎn)業(yè)結(jié)構(gòu)，提升產(chǎn)業(yè)效率，積極引進(jìn)外資和科學(xué)技術(shù)，加快創(chuàng)新資源的流動(dòng).