基于模型優(yōu)化的長(zhǎng)三角城市群科技資源配置效率研究

文章編號(hào)：1005-9679（2022）03-0021-08

摘要：對(duì)長(zhǎng)三角城市群2014—2020年7年間的科技資源配置狀況進(jìn)行實(shí)證分析，基于FANP賦權(quán)求解長(zhǎng)三角城市群各省市主要科技資源投入、產(chǎn)出指標(biāo)的相對(duì)發(fā)展水平，進(jìn)行區(qū)域間比較以了解各區(qū)域資源配置的優(yōu)劣勢(shì)并制定具有針對(duì)性的完善優(yōu)化措施。研究發(fā)現(xiàn)：（1）在國(guó)家城市群發(fā)展戰(zhàn)略政策指導(dǎo)下，長(zhǎng)三角各省市科技資源配置效率持續(xù)優(yōu)化，大多數(shù)地區(qū)配置水平呈現(xiàn)出快速提升的發(fā)展態(tài)勢(shì);（2）研發(fā)人員和投入仍是影響科技資源配置效率的核心要素;（3）市場(chǎng)化是提升資源配置效率的主要途徑;（4）科技成果轉(zhuǎn)化率的提升是科技資源配置效率提升的核心激勵(lì)要素。研究改進(jìn)了評(píng)價(jià)模型，結(jié)論為長(zhǎng)三角城市群科技資源合理配置提供了更為詳細(xì)的理論支撐。

關(guān)鍵詞：長(zhǎng)三角城市群;FANP;科技資源配置;效率評(píng)估及優(yōu)化

中圖分類號(hào)：F 062.4

文獻(xiàn)標(biāo)志碼：A

Research on the Efficiency of Science and Technology Resource Allocation ofYangtze River Delta Urban Agglomeration Based on Model Optimization

CAO Yuhong

（School of Management， Shanghai University， Shanghai 200444， China）

Abstract： This paper makes an empirical analysis on the allocation of scientific and technological resources in the Yangtze River Delta urban agglomeration from 2014 to 2020. Based on the previous research， the relative development level of main scientific and technological resource input and output indicators of provinces and cities in the Yangtze River Delta urban agglomeration is solved based on FANP weighting， Carry out inter regional comparison to understand the advantages and disadvantages of regional resource allocation and formulate targeted improvement and optimization measures. The results show that： （1） under the guidance of the national urban agglomeration development strategy and policies， the allocation efficiency of scientific and technological resources in provinces and cities in the Yangtze River Delta has been continuously optimized， and the allocation level in most regions has shown a rapid development trend; （2） R & D personnel and investment are still the core elements affecting the efficiency of scientific and technological resource allocation; （3） Marketization is the main way to improve the efficiency of resource allocation; （4） The improvement of the conversion rate of scientific and technological achievements is the core incentive factor to improve the efficiency of scientific and technological resource allocation. The conclusion of this paper provides a more detailed theoretical support for the rational allocation of scientific and technological resources in the urban agglomeration of the Yangtze River Delta.

Key words： Yangtze River Delta urban agglomeration; FANP; allocation of scientific and technological resources; efficiency evaluation and optimization

本文以長(zhǎng)三角城市群四省市為研究對(duì)象，通過(guò)對(duì)各省科技資源投入與產(chǎn)出變動(dòng)趨勢(shì)的相關(guān)分析，對(duì)科技資源配置效率進(jìn)行比較，以期進(jìn)一步了解城市群四省市科技資源配置效率的區(qū)位差距，找出癥結(jié)所在，為尋求解決對(duì)策提供依據(jù)。研究結(jié)論將對(duì)緩解長(zhǎng)三角地區(qū)的科技投入壓力，提高長(zhǎng)三角地區(qū)的科技創(chuàng)新能力和科技競(jìng)爭(zhēng)力，促進(jìn)長(zhǎng)三角協(xié)同發(fā)展具有重要的現(xiàn)實(shí)意義。

在科技資源配置效率研究方面，已有學(xué)者運(yùn)用不同的研究方法開(kāi)展了大量的定量研究。劉玲利運(yùn)用DEA-Malmquist指數(shù)模型與隨機(jī)效應(yīng)模型，對(duì)1998—2005年我國(guó)30個(gè)省份科技資源配置效率變化及影響因素進(jìn)行實(shí)證檢驗(yàn)。范斐等在構(gòu)建區(qū)域科技資源配置效率評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，運(yùn)用突變級(jí)數(shù)法對(duì)全國(guó)31個(gè)省區(qū)市的科技資源配置效率進(jìn)行了測(cè)度。Cao將23個(gè)能值指標(biāo)納入DEA-Malmquist生產(chǎn)率模型中，并從技術(shù)變化和效率變化兩個(gè)方面對(duì)2009—2015年我國(guó)“經(jīng)濟(jì)-生態(tài)”效率變化進(jìn)行探究。黃海霞等運(yùn)用DEA模型對(duì)戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率進(jìn)行了分析，結(jié)果發(fā)現(xiàn)戰(zhàn)略性新興產(chǎn)業(yè)間效率存在非均衡性。Luo基于Malmquist-data包絡(luò)分析指標(biāo)對(duì)我國(guó)綠色科技創(chuàng)新效率進(jìn)行評(píng)價(jià)。Cao運(yùn)用綜合評(píng)價(jià)法對(duì)長(zhǎng)三角區(qū)域的科技資源分配情況進(jìn)行了分析?？甸謩e采用主成分分析法、熵權(quán)TOPSIS法、超效率DEA法三種單一評(píng)價(jià)方法對(duì)我國(guó)31個(gè)省份區(qū)域科技資源配置效率進(jìn)行排名之后，又采用組合評(píng)價(jià)方法彌補(bǔ)單一方法的不足。吳獻(xiàn)金等應(yīng)用Cobb-Douglas生產(chǎn)函數(shù)和典型相關(guān)分析方法，從投入產(chǎn)出視角對(duì)泛珠三角區(qū)域1999—2007年科技資源配置行為進(jìn)行了測(cè)度。

現(xiàn)有關(guān)于區(qū)域科技資源配置效率的研究方法，主要包括數(shù)理經(jīng)濟(jì)學(xué)分析法、時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)分析法以及面板數(shù)據(jù)隨機(jī)效應(yīng)模型分析法，其中時(shí)序數(shù)據(jù)和截面數(shù)據(jù)分析法主要包括DEA法、生產(chǎn)經(jīng)濟(jì)函數(shù)計(jì)算法以及計(jì)量經(jīng)濟(jì)學(xué)回歸分析法。

借鑒各位學(xué)者的成果，本文認(rèn)為綜合評(píng)價(jià)法仍然具有較大的優(yōu)勢(shì)。但是，Cao的成果中進(jìn)行長(zhǎng)三角地區(qū)科技資源效率評(píng)價(jià)時(shí)僅簡(jiǎn)單借用現(xiàn)有研究的模型，沒(méi)有考慮科技資源配置效率影響因素的模糊性和相關(guān)信息的未確知性，研究具有局限性。因此，本文嘗試運(yùn)用FANP改進(jìn)評(píng)價(jià)模型，通過(guò)前后研究成果的比對(duì)，以提升研究成果水平，并期望為長(zhǎng)三角科技資源的高效分配提供更為科學(xué)的參考建議。

1基于FANP的長(zhǎng)三角城市群科技資源配置效率評(píng)價(jià)模型改進(jìn)

1.1指標(biāo)設(shè)置

作為一個(gè)修正性研究，本文的科技資源配置效率評(píng)價(jià)指標(biāo)體系依然延續(xù)作者前期的研究指標(biāo)，可以更好地將兩次的實(shí)證研究做一個(gè)較為科學(xué)的對(duì)比分析，指標(biāo)體系如表1、表2所示。同樣，統(tǒng)計(jì)年限為2014—2020年，共連續(xù)采集7年，數(shù)據(jù)總量1008個(gè)。數(shù)據(jù)主要來(lái)源于各省市的科技統(tǒng)計(jì)年鑒和省數(shù)據(jù)資源管理局?jǐn)?shù)據(jù)庫(kù)。

1.2數(shù)據(jù)處理

為解決各指標(biāo)量綱不一致的問(wèn)題，研究采用極差法將比較矩陣歸一化處理，構(gòu)建判斷矩陣，對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。設(shè)多指標(biāo)綜合評(píng)價(jià)問(wèn)題中的方案集為S={S1，S2，…，Sn}，指標(biāo)集為A={A1，A2，…，An}，則方案Si對(duì)指標(biāo)Aj的屬性值為

aij（i=1，2，…，n; j=1，2，…，m）

A=（aij）n*m表示方案集S對(duì)指標(biāo)集A的決策矩陣：

yij=（aij-ajmin）/（ajmax-ajmin）

（aij-ajmax）/（ajmax-ajmin）（1）

式中：yij為標(biāo)準(zhǔn)化后的數(shù)據(jù);amax，amin分別表示Aj項(xiàng)指標(biāo)的最大值和最小值。

本文所選指標(biāo)體系中的所有指標(biāo)均為正向指標(biāo)，其標(biāo)準(zhǔn)化后的yij值越大，所顯示的正向效應(yīng)越大。

1.3指標(biāo)權(quán)重確定方法

基于FANP思想，將給出一個(gè)改進(jìn)的不確定語(yǔ)言環(huán)境下的權(quán)重確定方法。首先構(gòu)建科技資源效率評(píng)價(jià)ANP網(wǎng)絡(luò)結(jié)構(gòu)，并輸入SD軟件;然后通過(guò)專家打分，對(duì)存在相互影響關(guān)系的各因素之間及各因素組之間，進(jìn)行兩兩比較判斷，利用語(yǔ)意變量評(píng)估集合的模糊區(qū)間值表建立模糊成對(duì)比較矩陣;接著采用期望值法對(duì)模糊判斷矩陣進(jìn)行非模糊化處理，將相對(duì)權(quán)重輸入SD軟件，生成超矩陣、加權(quán)超矩陣和極限矩陣。非模糊化處理主要步驟如下：

步驟1確定三角模糊數(shù)的模糊概率，三角模糊數(shù)用M=（1，m，u）表示，以m為界，分等概率情況考慮，根據(jù)l與m的偏離程度，確定結(jié)果是m的可能性大小是l的倍數(shù)N，同樣根據(jù)m與u的偏離程度，確定結(jié)果是m的可能性大小是u的倍數(shù)M，則l、m、u模糊概率分別為1/2（1+N）、（N+2NM+M）/2（1+N）（1+M）、1/2（1+M）。

步驟2由模糊概率確定方法得出lij、mij、uij的模糊概率分別為Pij（lij）、Pij（mij）、Pij（uij），且Pij（mij）≥Pij（lij），Pij（uij），則判斷結(jié)果的期望為

aij=Eij（lij，mij，mij）=Pij（lij）·lij+Pij（mij）·mij+Pij（uij）·uij

步驟3aij為非模糊數(shù)，并由aij構(gòu)成非模糊矩陣A=（aij）n×n，轉(zhuǎn)化后的An×n矩陣可能不為互反矩陣，即aii·aii≠1，可做如下調(diào)整：

aii=aii/aiiaii

調(diào)整后的矩陣A=（aii）n×n其因素滿足互反性aiiaii=aiiaii/aiiaiiaiiaii=1，若不一致，可利用傳遞矩陣的方法進(jìn)行調(diào)整。在此基礎(chǔ)上，運(yùn)用FANP通常計(jì)算方法，最終可以得到整體效率指標(biāo)的重要性權(quán)重向量。

比于Cao文中所借鑒的綜合評(píng)價(jià)模型，F(xiàn)ANP考慮了評(píng)估過(guò)程中的不確定性和含糊性問(wèn)題，并將要素之間的相互依賴關(guān)系和回饋關(guān)系納入決策過(guò)程，由其計(jì)算得到的權(quán)重結(jié)果更有效、更準(zhǔn)確。指標(biāo)權(quán)重計(jì)算結(jié)果如表1、表2所示。

1.4長(zhǎng)三角城市群科技資源配置綜合評(píng)價(jià)結(jié)果

在評(píng)價(jià)指標(biāo)權(quán)重確定后，運(yùn)用多指標(biāo)決策排序方法進(jìn)行綜合評(píng)價(jià)，計(jì)算公式為：

Ei（ω）=∑mj=1yijωi（5）

根據(jù)式（5）和表1、表2中的綜合評(píng)價(jià)指標(biāo)的權(quán)重，對(duì)2014—2020年各省加入城市群的城市科技資源配置的全部36項(xiàng)指標(biāo)進(jìn)行處理，本文僅列出各省每個(gè)年度的綜合評(píng)價(jià)結(jié)果（表3）。

2科技資源配置效率綜合評(píng)價(jià)結(jié)果分析

2.1整體分析

根據(jù)表3可發(fā)現(xiàn)：（1）7年中，綜合評(píng)價(jià)總分排名第一位的是上海市，科技投入水平和科技產(chǎn)出水平均排在第一位。作為全國(guó)創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的試點(diǎn)地區(qū)，7年間在各級(jí)政府的扶持下，除了科技資源總量得到大幅提升，其配置效率水平也快速提升。統(tǒng)計(jì)數(shù)據(jù)顯示2014年上海近70%的研發(fā)經(jīng)費(fèi)投向了傳統(tǒng)工業(yè)領(lǐng)域，高新技術(shù)領(lǐng)域僅有略高于30%的研發(fā)經(jīng)費(fèi)投入，2020年這兩項(xiàng)數(shù)據(jù)分別為40%和60%。這種改變讓上海的高技術(shù)產(chǎn)業(yè)帶動(dòng)作用顯著增強(qiáng)，高技術(shù)產(chǎn)業(yè)增加值年均增長(zhǎng)31.4%，增速高于全部規(guī)模以上工業(yè)11.4%。

（2）綜合評(píng)價(jià)總分排名第二位的是江蘇省，科技投入水平和科技產(chǎn)出水平均排在第二位。江蘇省于1989年就在全國(guó)率先提出實(shí)施“科技興省”戰(zhàn)略，7年間科技投入顯著增長(zhǎng)。2014年，全社會(huì)研發(fā)投入占地區(qū)生產(chǎn)總值的比重為2.2%，到2020年，全社會(huì)研發(fā)投入占地區(qū)生產(chǎn)總值的比重達(dá)2.9%，若干科技領(lǐng)域達(dá)到世界領(lǐng)先水平，科技進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率達(dá)65%以上，成為國(guó)家自主創(chuàng)新的戰(zhàn)略高地、全球有重要影響的產(chǎn)業(yè)科技創(chuàng)新中心。

（3）綜合評(píng)價(jià)總分排名第三位的是安徽省，其科技投入水平排第四位，科技產(chǎn)出水平排第三位。經(jīng)過(guò)7年努力，安徽省科技體制改革取得重要進(jìn)展，創(chuàng)新創(chuàng)業(yè)環(huán)境日益優(yōu)化。到2020年，全社會(huì)研發(fā)投入占地區(qū)生產(chǎn)總值的比重達(dá)3.2%，為科技和人才優(yōu)勢(shì)加快釋放奠定了堅(jiān)實(shí)基礎(chǔ)。

（4）綜合評(píng)價(jià)總分排名第四位的是浙江省，其科技投入水平排第三位，科技產(chǎn)出水平排第四位。2020年，全社會(huì)研發(fā)投入占地區(qū)生產(chǎn)總值的比重達(dá)2.3%，企業(yè)自主創(chuàng)新能力顯著提升，研發(fā)平臺(tái)體系日趨完善，本土大中型企業(yè)建有研發(fā)機(jī)構(gòu)的比例實(shí)現(xiàn)翻番，知識(shí)創(chuàng)新產(chǎn)出顯著提高。

從投入視角看，四省市科技資源投入水平整體上呈現(xiàn)出快速增長(zhǎng)趨勢(shì)，如圖1所示。2014年評(píng)價(jià)初期，四省市科技資源投入指標(biāo)的綜合評(píng)價(jià)結(jié)果由高到低依次為上海0.439、浙江0.392、江蘇0.332、安徽0.248。2020年評(píng)價(jià)末期的評(píng)價(jià)結(jié)果由高到低依次為上海0.951、江蘇0.756、浙江0.719、安徽0.708。就增長(zhǎng)幅度與資源投入水平而言，上海市最大，處于完全領(lǐng)先地位，穩(wěn)定居于第一的位次沒(méi)有改變，江蘇、浙江、安徽增加迅速，尤其是安徽省，表現(xiàn)尤為突出，充分體現(xiàn)出實(shí)施長(zhǎng)三角城市群科技領(lǐng)先發(fā)展戰(zhàn)略政策的強(qiáng)力影響。四省市整體投入水平的差距在逐步縮小，2014年評(píng)價(jià)初期，投入水平分布在0.2～0.5;2020年分布在0.7～0.9。安徽與上海相比，2014年安徽的科技資源投入水平僅相當(dāng)于上海的56.5%，到2020年相當(dāng)于上海的74.44%，投入水平差距顯著縮小。由于同一年度的評(píng)價(jià)權(quán)重相同，因此同年度的評(píng)價(jià)結(jié)果具有資源投入水平的可比性。

從產(chǎn)出視角看，上海優(yōu)勢(shì)明顯，江蘇、浙江兩省保持較為勻速上升，安徽省增長(zhǎng)勢(shì)頭明顯，四省市科技資源產(chǎn)出水平的變動(dòng)趨勢(shì)見(jiàn)圖2。2014年評(píng)價(jià)初期，產(chǎn)出指標(biāo)的綜合評(píng)價(jià)結(jié)果為上海0.719、浙江0.612、江蘇0.653、安徽0.508。2020年評(píng)價(jià)末期的評(píng)價(jià)結(jié)果由高到低依次為上海0.997、江蘇0.892、安徽0.868、浙江0.854。四省市整體產(chǎn)出水平的差距在縮小。安徽與上海相比，2014年安徽的科技資源產(chǎn)出水平僅相當(dāng)于上海的70.6%，到2020年快速上升到相當(dāng)于上海的87.1%，后期產(chǎn)出水平超過(guò)浙江。

2.2核心指標(biāo)分析

為了方便分析，本文從科技資源投入的23項(xiàng)三級(jí)指標(biāo)中選擇8項(xiàng)核心指標(biāo)作為對(duì)要素影響評(píng)價(jià)的依據(jù)，如表4所示。

從表4中可以看出，整體投入水平處于領(lǐng)先位置的是上海市，然后依次是江蘇、浙江、安徽。在8項(xiàng)投入指標(biāo)中，上海均排在領(lǐng)先位置，尤其是R&D人員、R&D經(jīng)費(fèi)支出以及其中的政府投入和企業(yè)投入水平都遠(yuǎn)遠(yuǎn)高于其他地區(qū)。在其他三個(gè)省份中，人員投入水平由高到低依次是江蘇、浙江、安徽。R&D經(jīng)費(fèi)總支出水平由高到低依次是浙江、江蘇、安徽。R&D經(jīng)費(fèi)中政府投入水平由高到低依次是江蘇、安徽、浙江。R&D經(jīng)費(fèi)中企業(yè)投入水平由高到低依次是浙江、江蘇、安徽。企業(yè)科研經(jīng)費(fèi)支出水平由高到低依次是江蘇、安徽、浙江。研發(fā)機(jī)構(gòu)數(shù)量水平由高到低依次是江蘇、浙江、安徽。承擔(dān)研發(fā)項(xiàng)目數(shù)量水平由高到低依次是江蘇、安徽、浙江?？傮w評(píng)價(jià)，江蘇、浙江兩省各有優(yōu)勢(shì)，江蘇省在R&D人員、R&D經(jīng)費(fèi)中政府投入水平、企業(yè)科研經(jīng)費(fèi)支出和承擔(dān)研發(fā)項(xiàng)目數(shù)量水平上占有優(yōu)勢(shì)，浙江省在R&D經(jīng)費(fèi)總支出、R&D經(jīng)費(fèi)中企業(yè)投入、研發(fā)機(jī)構(gòu)數(shù)量水平上占有優(yōu)勢(shì)。安徽省雖然在各項(xiàng)指標(biāo)上不占優(yōu)勢(shì)，但是在承擔(dān)研發(fā)項(xiàng)目數(shù)量等投入水平上表現(xiàn)非常突出，近幾年增長(zhǎng)飛速，說(shuō)明其科研活力較強(qiáng)，這與安徽政府近年來(lái)的強(qiáng)力關(guān)注和支持息息相關(guān)。

科技資源產(chǎn)出的7項(xiàng)二級(jí)指標(biāo)綜合評(píng)價(jià)水平的平均值如表5所示。

上海的各項(xiàng)產(chǎn)出指標(biāo)均以絕對(duì)優(yōu)勢(shì)處在長(zhǎng)三角城市群的領(lǐng)先位置。在其余三省中，專利申請(qǐng)量從高到低依次是江蘇、安徽、浙江。發(fā)表科技論文、出版科技著作量從高到低依次是安徽、浙江、江蘇。獲得標(biāo)準(zhǔn)量從高到低依次是江蘇、安徽、浙江。企業(yè)新產(chǎn)品銷售額浙江、江蘇、安徽三省水平相當(dāng)。而在專利轉(zhuǎn)讓與許可收入和技術(shù)市場(chǎng)交易額兩項(xiàng)指標(biāo)中，安徽省優(yōu)勢(shì)明顯，在一定程度上發(fā)映出安徽省技術(shù)市場(chǎng)較為完善，這與近兩年安徽積極推進(jìn)技術(shù)成果轉(zhuǎn)換息息相關(guān)。

綜上所述，上海的科技資源投入產(chǎn)出水平均處在長(zhǎng)三角城市群絕對(duì)領(lǐng)先位置，浙江、江蘇優(yōu)勢(shì)明顯。相比較而言，安徽省增長(zhǎng)迅速，R&D經(jīng)費(fèi)支出水平較高，政府資助力度較大，反映出資源配置的市場(chǎng)化程度較高。四省市的高投入水平與高產(chǎn)出水平呈現(xiàn)出顯著的正相關(guān)。

2.3投入與產(chǎn)出效率分析

本研究以指標(biāo)年均增長(zhǎng)率的形式反映科技資源投入及產(chǎn)出的效率，計(jì)算結(jié)果如表6所示。

在科技人力資源指標(biāo)中，四省市R&D人員總量年均增長(zhǎng)率為6.88%，增幅最大的江蘇省為7.72%。規(guī)模以上工業(yè)企業(yè)R&D人員年均增長(zhǎng)率為3.31%，增幅最大的也是江蘇省，為4.16%。高新技術(shù)產(chǎn)業(yè)R&D人員年均增長(zhǎng)率為4.86%，上海市為5.66%，處于第一位，安徽為5.32%，略高于浙江和江蘇，排第二位。高等學(xué)校和研發(fā)機(jī)構(gòu)R&D人員年均增長(zhǎng)率為18.02%，上海市為20.96%，仍處于第一位，安徽省為17.99%，排第二位，浙江增幅為16.93%，排最后一位。R&D人員總量全時(shí)當(dāng)量年均增長(zhǎng)率為11.86%，增幅最高的上海為14.88%，浙江為10.33%，排末位。R&D人員增長(zhǎng)速度的變化方面，上海以絕對(duì)值最高排在長(zhǎng)三角城市群首位，安徽省多項(xiàng)指標(biāo)增幅顯著，排在第二。該項(xiàng)指標(biāo)可反映人力資源政策的促進(jìn)作用，表明四省市人力資源政策均積極有效，尤其是安徽省，政府部門對(duì)吸引研發(fā)人才進(jìn)行了大量的投入。

在科技財(cái)力資源指標(biāo)中，長(zhǎng)三角城市群R&D經(jīng)費(fèi)總支出的年均增長(zhǎng)率為12.23%，各省市增幅均在11%以上，最高增幅為江蘇13.53%，最低增幅為浙江省11.14%。R&D經(jīng)費(fèi)支出中政府資金年均增長(zhǎng)率為3.93%，最大增幅為上海4.66%，其次為安徽4.23%，江蘇3.72%，浙江排在最后，為3.11%。R&D經(jīng)費(fèi)支出中企業(yè)資金年均增長(zhǎng)率為5.29%，增幅最高為安徽省5.99%，上海為5.82%，浙江為4.72%，江蘇為4.66%。在企業(yè)研發(fā)經(jīng)費(fèi)支出指標(biāo)中，選擇規(guī)模以上企業(yè)新產(chǎn)品開(kāi)發(fā)及技術(shù)引進(jìn)經(jīng)費(fèi)支出和高新產(chǎn)業(yè)新產(chǎn)品開(kāi)發(fā)及技術(shù)引進(jìn)經(jīng)費(fèi)支出指標(biāo)做比較。規(guī)模以上企業(yè)新產(chǎn)品開(kāi)發(fā)及技術(shù)引進(jìn)經(jīng)費(fèi)支出年均增長(zhǎng)率為12.39%，增幅最大為安徽13.42%，后面依次為浙江12.56%、江蘇12.34%、上海11.25%。高新產(chǎn)業(yè)新產(chǎn)品研發(fā)經(jīng)費(fèi)支出年均增長(zhǎng)率為9.63%，依次為江蘇10.32%、安徽9.88%、上海9.22%、浙江9.13%。

在科技物力資源指標(biāo)中，規(guī)模以上企業(yè)研發(fā)機(jī)構(gòu)年均增長(zhǎng)率為13.62%，增幅最大的是上海15.55%，江蘇省為14.96%，位居第二。高新產(chǎn)業(yè)研發(fā)機(jī)構(gòu)年均增長(zhǎng)率為16.27%，增幅最大是江蘇17.32%，其次是上海16.56%，浙江兩項(xiàng)指標(biāo)均處于末位。

在科技資源產(chǎn)出指標(biāo)中，長(zhǎng)三角城市群專利申請(qǐng)數(shù)量年均增長(zhǎng)率為10.74%，增幅最高的是上海13.32%，其次是江蘇10.09%，安徽和浙江持平。專利授權(quán)數(shù)量年均增長(zhǎng)率為7.61%，增幅最高的是上海9.32%，其次是江蘇7.33%。技術(shù)市場(chǎng)交易額年均增長(zhǎng)率為4.71%，上海為5.88%，排第一位，其次是安徽4.72%，江蘇和浙江分別為4.54%、3.69%。新產(chǎn)品產(chǎn)值年均增長(zhǎng)率為2.61%，增幅最高的是上海3.28%，江蘇2.79%，安徽2.22%，浙江2.15%排末位。高技術(shù)產(chǎn)品出口額年均增長(zhǎng)率為7.16%，增幅第一位的是上海7.97%，第二位的是安徽7.35%，浙江6.46%，排第四位。高新技術(shù)產(chǎn)業(yè)工業(yè)總產(chǎn)值年均增幅為8.84%，上海增幅最高為9.65%，浙江8.03%排在末位。高等學(xué)校發(fā)表論文和出版著作方面上海仍然是遙遙領(lǐng)先，增幅均超過(guò)9%。

對(duì)全部投入產(chǎn)出指標(biāo)年均增長(zhǎng)率進(jìn)行比較發(fā)現(xiàn)，長(zhǎng)三角城市群增長(zhǎng)最快的是上海。江蘇各項(xiàng)指標(biāo)增速較為穩(wěn)定。安徽增速顯著，在R&D人員增長(zhǎng)、R&D經(jīng)費(fèi)支出中政府資金、規(guī)模以上工業(yè)企業(yè)研發(fā)機(jī)構(gòu)、高新產(chǎn)業(yè)研發(fā)機(jī)構(gòu)、專利申請(qǐng)數(shù)量、高新技術(shù)產(chǎn)業(yè)新產(chǎn)品出口額等方面增長(zhǎng)顯著，顯示出充足的發(fā)展后勁，這和政府部門積極進(jìn)行財(cái)力和政策方面的投入息息相關(guān)。浙江在R&D人員增長(zhǎng)速度、R&D經(jīng)費(fèi)支出中政府資金、R&D經(jīng)費(fèi)支出中企業(yè)資金、發(fā)明專利授權(quán)數(shù)量、高新技術(shù)產(chǎn)業(yè)新產(chǎn)品出口額等方面均低于平均水平。

3政策建議

對(duì)于研究模型的構(gòu)建與運(yùn)用，必須以科學(xué)的態(tài)度重視其匹配問(wèn)題，簡(jiǎn)單借鑒會(huì)產(chǎn)生評(píng)估結(jié)果的差異，會(huì)降低研究成果的實(shí)用性。本文基于FANP改進(jìn)的綜合評(píng)價(jià)模型相比較于文獻(xiàn)[6]中的模型更能計(jì)算出影響長(zhǎng)三角地區(qū)科技資源分配效率的因素。通過(guò)計(jì)算結(jié)果和排名情況對(duì)長(zhǎng)三角城市群2014—2020年科技資源配置效率進(jìn)行二次實(shí)證綜合評(píng)價(jià)，可以形成以下優(yōu)化政策建議。

第一，R&D人員總量、R&D人員全時(shí)當(dāng)量、R&D經(jīng)費(fèi)總支出、R&D經(jīng)費(fèi)支出中政府資金以及研發(fā)項(xiàng)目投入數(shù)量等，在科技資源配置效率中發(fā)揮著極其重要的作用，與科技資源產(chǎn)出的專利申請(qǐng)量、企業(yè)新產(chǎn)品銷售額、出口額、技術(shù)市場(chǎng)交易額等多項(xiàng)指標(biāo)表現(xiàn)出較高的正相關(guān)關(guān)系，是政府優(yōu)化科技資源配置的核心要素。研究發(fā)現(xiàn)，現(xiàn)階段的長(zhǎng)三角城市群知識(shí)資本投入仍然不足，缺乏通過(guò)開(kāi)放創(chuàng)新有效利用世界的高端人才，導(dǎo)致前沿技術(shù)研發(fā)以及引領(lǐng)產(chǎn)業(yè)變革的顛覆性技術(shù)的研發(fā)較為欠缺。因此，需要不斷完善政府科技資源配置政策，穩(wěn)定并增加財(cái)政研發(fā)經(jīng)費(fèi)投入，注重發(fā)揮好政府計(jì)劃項(xiàng)目引導(dǎo)科技資源配置方式的重要作用，注重共性關(guān)鍵技術(shù)研發(fā)的產(chǎn)學(xué)研合作，注重社會(huì)與企業(yè)廣泛參與的鼓勵(lì)政策等。

第二，R&D經(jīng)費(fèi)支出中的企業(yè)資金、高新技術(shù)產(chǎn)業(yè)科研經(jīng)費(fèi)支出、規(guī)模以上工業(yè)企業(yè)科研經(jīng)費(fèi)支出等投入指標(biāo)，企業(yè)新產(chǎn)品銷售、專利交易收入、技術(shù)市場(chǎng)成交額等產(chǎn)出指標(biāo)，均易呈現(xiàn)出較大的波動(dòng)，這表明科技資源配置受到市場(chǎng)變化的影響。因此，應(yīng)不斷改善區(qū)域科技資源配置政策環(huán)境，完善有利于發(fā)揮市場(chǎng)決定作用的制度體系，同時(shí)發(fā)揮好政府服務(wù)和引導(dǎo)功能，促使科技資源的市場(chǎng)化配置更加暢通。

第三，企業(yè)新產(chǎn)品銷售、專利交易收入、技術(shù)市場(chǎng)成交額等產(chǎn)出指標(biāo)與專利申請(qǐng)數(shù)量、專利授權(quán)數(shù)量、發(fā)明專利授權(quán)數(shù)量等產(chǎn)出指標(biāo)增長(zhǎng)幅度差異較大，各種專利申請(qǐng)和專利授權(quán)數(shù)量增速顯著，但科技成果轉(zhuǎn)化率不高，大量專利未有實(shí)質(zhì)應(yīng)用，導(dǎo)致創(chuàng)新收益小于創(chuàng)新投入，嚴(yán)重阻礙了創(chuàng)新主體的創(chuàng)新動(dòng)力。除了出臺(tái)政策提升專利轉(zhuǎn)化率，也需要大力完善各項(xiàng)創(chuàng)新激勵(lì)政策，為創(chuàng)新活動(dòng)提供強(qiáng)大持久的激勵(lì)。

第四，R&D經(jīng)費(fèi)支出中的企業(yè)資金、高新技術(shù)產(chǎn)業(yè)科研經(jīng)費(fèi)支出在四省市中均有一定幅度的提升，但仍需大力促進(jìn)。要加快實(shí)施創(chuàng)新型領(lǐng)軍企業(yè)培育行動(dòng)，加大對(duì)高新技術(shù)企業(yè)的支持和引導(dǎo)力度，鼓勵(lì)企業(yè)加大研發(fā)投入，政府支持創(chuàng)新企業(yè)的方式應(yīng)從以點(diǎn)對(duì)點(diǎn)為主轉(zhuǎn)向以普惠性政策為主，通過(guò)完善標(biāo)準(zhǔn)體系、嚴(yán)格統(tǒng)一執(zhí)法和政府采購(gòu)政策等，打通創(chuàng)新產(chǎn)品、技術(shù)和服務(wù)進(jìn)入市場(chǎng)的通道，使創(chuàng)新企業(yè)能夠在市場(chǎng)上獲利。

參考文獻(xiàn)：

[1]劉玲利.對(duì)我國(guó)科技資源配置效率的測(cè)度[J].統(tǒng)計(jì)與決策，2008（14）：47-50.

[2]范斐，杜德斌，李恒.區(qū)域科技資源配置效率及比較優(yōu)勢(shì)分析[J].科學(xué)學(xué)研究，2012，30（8）： 1198-1205.

[3]CAO L，ZHOU Z H，WU Y.Is metabolism in all regions of China performing well：evidence from a new DEA-Malmquist productivity approach[J].Ecological Indicators，2019（106）：1-15.

[4]黃海霞，張治河.基于DEA模型的我國(guó)戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率研究[J].中國(guó)軟科學(xué)，2015（1）：150-159.

[5]LUO Q L，MIAO C H，SUN L Y.Efficiency evaluation of green technology innovation of China′s strategic emerging industries：an empirical analysis based on Malmquist-Data envelopment analysis index[J].Journal of Cleaner Production，2019（238）：1-10.

[6]CAO Y H，YOU J X，SHI Y J，et al.Research on the allocation efficiency and influencing factors of scientific and technological resources in the Yangtze River Delta City Group[J]. Sustainability， 2021， 13（14）：1240-1254.

[7]康楠，鄭循剛，母培松.基于組合評(píng)價(jià)的我國(guó)區(qū)域科技資源配置效率研究[J].華中科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2009（6）：79-83.

[8]吳獻(xiàn)金，陳卓.泛珠三角區(qū)域科技資源配置的實(shí)證研究[J].科技進(jìn)步與對(duì)策， 2010（9）：52-54.

[9]羅珊，安寧.泛珠三角區(qū)域科技資源配置的現(xiàn)狀、問(wèn)題及對(duì)策[J].科研管理， 2007（1）：181-187.

[10]管燕，吳和成，黃舜.基于改DE的江蘇省科技資源配置效率研究[J].科研管理， 2011（2）： 145-?149.

[11]張治河，焦貝貝，李怡.科技資源匱乏地區(qū)創(chuàng)新驅(qū)動(dòng)發(fā)展路徑研究[J].科研管理， 2018（2）：46-?59.

收稿日期：2022-02-22

基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（71871134）;上海市軟科學(xué)研究計(jì)劃重點(diǎn)項(xiàng)目（18692104400）

作者簡(jiǎn)介：曹玉紅（1977—），女，上海大學(xué)管理學(xué)院博士，副教授，研究方向?yàn)榻M織績(jī)效與內(nèi)控。