科技創(chuàng)新效率的時空格局及影響因素分析

沙彥君 王慧 張學波

摘? ?要：基于山東省2012—2018年科技創(chuàng)新投入產(chǎn)出數(shù)據(jù)，利用DEA-BBC模型和Malmquist指數(shù)，分析山東省及各地市科技創(chuàng)新效率的時空演化和主要來源，運用Tobit模型分析山東省科技創(chuàng)新效率的主要影響因素。結果表明，2012—2018年，山東省科技創(chuàng)新效率呈現(xiàn)先上升后持續(xù)下降的特征；山東省科技創(chuàng)新效率整體不高，區(qū)域差異明顯，中部地區(qū)科技創(chuàng)新效率較高，并逐步向外圍地區(qū)擴展；技術進步是全省及各地市科技創(chuàng)新效率的主要來源；勞動者素質、經(jīng)濟發(fā)展水平和政府財政支持是影響山東省科技創(chuàng)新效率的顯著性因素。

關鍵詞：科技創(chuàng)新效率；DEA模型；時空分異；影響因素；山東省

中圖分類號：F123? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2023）05-0064-05

長期以來，我國依靠人力資源和自然資源的高投入實現(xiàn)經(jīng)濟的快速發(fā)展。近年來，我國勞動力成本的優(yōu)勢正在逐漸喪失，迫切需要新的經(jīng)濟增長點和推動力[1]。山東省位于中國東部沿海，黃河流域下游，是建設黃河三角洲高效生態(tài)區(qū)、環(huán)渤海經(jīng)濟圈的樞紐地帶。然而，山東省發(fā)展一直處于第一梯隊中游位置，長期面臨突破增長瓶頸的重要課題。山東新舊動能轉換綜合試驗區(qū)的建設為山東省邁向經(jīng)濟強省提供了新的機遇，如何提高科技創(chuàng)新效率，是山東省亟待解決的問題[2]。

科技創(chuàng)新效率直觀地表示了科技投入轉化為產(chǎn)出的質量和速度這一復雜過程[3]。測算區(qū)域科技創(chuàng)新效率的主要方法一般有：隨機前沿分析（SFA）[4]，數(shù)據(jù)網(wǎng)絡分析（DEA）[5]和Malmquist指數(shù)法[6]。分析關于區(qū)域科技創(chuàng)新效率的現(xiàn)有研究尺度分為三方面，全國尺度、省區(qū)尺度和地區(qū)尺度。從全國各省區(qū)來看，山東省經(jīng)濟大而不強，總體創(chuàng)新能力不高。為此，山東省近年來加快實施新舊動能轉換重大工程，旨在通過科技創(chuàng)新改善經(jīng)濟發(fā)展質量。因此，以山東省為案例區(qū)域，開展區(qū)域創(chuàng)新效率評價具有一定理論基礎和現(xiàn)實意義。本文試以山東省17個地市科技創(chuàng)新效率為研究對象，利用DEA-BBC模型、Malmquist指數(shù)和Tobit回歸模型從時間和空間兩方面探索山東省地區(qū)科技創(chuàng)新效率的演變格局及其影響因素，找到影響科技創(chuàng)新效率的關鍵因子，為建設科技創(chuàng)新型省份提供參考。

一、研究方法與指標選取

（一）研究方法

1.DEA模型。數(shù)據(jù)包絡分析（DEA模型）是用于效率評估的方法，基于已知數(shù)據(jù)可以評估具有多投入和多產(chǎn)出決策單元的相對有效性，能最大程度地保證客觀性[7]，可以測算科技創(chuàng)新效率并解釋決策單元投入產(chǎn)出結構是否合理。通過規(guī)模效率、純技術效率和科技創(chuàng)新效率的對比分析，找出區(qū)域科技創(chuàng)新失衡的主要原因，并判斷地區(qū)行業(yè)發(fā)展規(guī)模的合理性。

2.DEA-Malmquist模型。Malmquist指數(shù)主要用于測算全要素生產(chǎn)率的變化，運用該模型可以確定山東省科技創(chuàng)新效率變化指數(shù)[8]，主要指標為科技創(chuàng)新TFP指數(shù)（TFP）、技術變動指數(shù)（TC）、技術效率變動指數(shù)（EC）、純技術效率變動指數(shù)（PE）和規(guī)模效率變動指數(shù)（SE） [9]。

公式：科技創(chuàng)新TFP指數(shù)（TFP）=技術變動指數(shù)（TC）×技術效率變動指數(shù)（EC）

技術效率變動指數(shù)（EC）=純技術效率變動指數(shù)（PE）×規(guī)模效率變動指數(shù)（SE）

3.Tobit模型構建。運用Tobit模型進一步分析山東省17地市科技創(chuàng)新效率的影響因素[10]。以DEA-BBC模型實際測得的17地市科技創(chuàng)新效率為被解釋變量，可能的影響因素為解釋變量。由于DEA模型計算出的效率值具有截斷數(shù)據(jù)特點[11]，構建如下Tobit模型，運用Stata16.1進行回歸分析。

式中，TEit為第i市t期的科技創(chuàng)新效率，α0為常數(shù)項，α為回歸系數(shù)，ε為隨機誤差，Xit為i省t期的各解釋變量。

（二）指標選取

效率的本質是投入與產(chǎn)出，評價科技創(chuàng)新效率應從創(chuàng)新投入和創(chuàng)新產(chǎn)出兩方面分析?？紤]到統(tǒng)計數(shù)據(jù)的可得性、完整性，以及地方政府對地區(qū)科技的扶持力度和專利產(chǎn)權對于科技創(chuàng)新的特殊作用，并借鑒相關研究[12-16]，本文選取R&D人員折合全時當量、R&D經(jīng)費支出、地方財政撥款三個因素作為投入變量；專利申請數(shù)、專利授權量、發(fā)表論文篇數(shù)作為產(chǎn)出變量（見表1）。

各指標數(shù)據(jù)來自《山東省統(tǒng)計年鑒（2013—2019年）》《中國統(tǒng)計年鑒》，其中，發(fā)表科技論文數(shù)量來自中國知網(wǎng)，以地級市名稱為關鍵詞查詢?；谡砗蟮纳綎|省各地級市2012—2018年的數(shù)據(jù)，運用Deap2.1軟件對整理后的數(shù)據(jù)進行處理并對輸出結果進行分析。

二、山東省科技創(chuàng)新效率的時間序列分析

（一）DEA模型結果分析

山東省科技創(chuàng)新效率表現(xiàn)出先上升后持續(xù)下降的特征，各地級市創(chuàng)新效率差距較大。山東各地區(qū)大部分年份創(chuàng)新效率值低于1，自2014年以來持續(xù)下降，且山東省科技創(chuàng)新效率均值各年份小于1，進一步表明山東省科技創(chuàng)新能力有待提高。青島、濟南是山東創(chuàng)新效率較高的地區(qū)；聊城、萊蕪、菏澤科技創(chuàng)新效率近年來處上升趨勢；淄博、煙臺、濱州、德州的創(chuàng)新效率值低于全省平均水平；棗莊、濟寧、威海、臨沂、濰坊、日照等地市的科技創(chuàng)新效率起伏變化較大。山東省內部各地級市科技創(chuàng)新效率差距較大。

規(guī)模效率是決定山東省科技創(chuàng)新效率演變趨勢的關鍵因子，純技術效率偏低是山東省科技創(chuàng)新效率水平不高的主要原因。圖1顯示，山東省科技創(chuàng)新效率與規(guī)模效率近7年來的發(fā)展趨勢基本吻合，純技術效率折線則相對平緩，但規(guī)模效率一直處于較高水平，在7年中有5年規(guī)模效率值達到0.9，更在2017年達到最優(yōu)水平的96.8%，這說明山東省行業(yè)發(fā)展規(guī)模一直較為合理，與科技創(chuàng)新發(fā)展較為協(xié)調。從圖1中可以看出，純技術效率值一直低于規(guī)模效率值，是山東省科技創(chuàng)新效率偏低的主要原因，表明山東省整體經(jīng)營管理水平不高、資源配置能力有待進一步提升。

2015年是趨勢改變的分界線，2017—2018年出現(xiàn)科技創(chuàng)新效率的明顯下降。整體來看，2012—2015年科技創(chuàng)新發(fā)展平緩并未出現(xiàn)明顯下降趨勢甚至在有些年份出現(xiàn)效率值的上漲，但自2015年，純技術效率出現(xiàn)明顯下降而規(guī)模效率顯著上升，兩者相互抵消造成科技創(chuàng)新效率未有明顯變化。2017—2018年，雖然科技創(chuàng)新的純技術效率下降趨勢有所減緩，但在這一年里規(guī)模效率大幅度下降，由7年來的最高值0.968下降為歷年最低值0.799，這導致科技創(chuàng)新效率大幅下降，達到歷年來最低值0.618，說明2017年以來，山東省行業(yè)規(guī)模發(fā)展十分不合理。

（二）Malmuist指數(shù)動態(tài)分析

前文對研究期山東各地市的科技創(chuàng)新效率進行了測度，但無法反映各地市科技創(chuàng)新效率的動態(tài)變化情況。由此，使用DEA-Malmquist模型對科技創(chuàng)新效率做進一步分解。運用Deap2.1軟件，分別測算研究期山東省各地級市的EC、TC、PE、SE和TFP。

技術進步是山東省科技創(chuàng)新效率提升的主要來源，在山東省科技創(chuàng)新發(fā)展中承擔重要支撐作用。相較2012年，2018年科技創(chuàng)新TFP指數(shù)提高4.1%，其中技術進步提高8.9%；而技術效率下降4.4%，純技術效率下降2.3%，規(guī)模效率下降2.2%。這說明山東省近七年來科技創(chuàng)新提高主要靠技術進步拉動。2012—2018年TFP均值大于1的城市有12個，為青島、棗莊、東營、煙臺、濰坊、泰安、威海、萊蕪、臨沂、聊城、濱州、菏澤，其科技創(chuàng)新TFP指數(shù)分別上升15.4%、8.2%、4.2%、6.9%、11.9%、2.3%、2.9%、1.8%、4.9%、21.2%、2%、11%。這12個城市可以分為兩類，一類為技術進步推動（棗莊、東營、泰安、威海），一類為技術進步、規(guī)模效率、純技術效率綜合推動（青島、煙臺、濰坊、萊蕪、臨沂、聊城、濱州、菏澤），兩類城市科技創(chuàng)新效率增長均得益于技術進步。

產(chǎn)業(yè)規(guī)模不合理和企業(yè)管理水平不高是山東省科技創(chuàng)新發(fā)展面臨的主要問題。經(jīng)測算，2012—2018年山東省技術效率變動指數(shù)均值為0.956，技術效率對山東省科技創(chuàng)新的發(fā)展起到阻礙作用，期間純技術效率變動指數(shù)和規(guī)模效率變動指數(shù)均值皆小于1，兩者均起負向作用。研究期山東省科技創(chuàng)新TFP指數(shù)均值小于1的城市有濟南、淄博、濟寧、日照、德州，它們的科技創(chuàng)新TFP指數(shù)分別下降2.8%、5.8%、1.3%、3.7%、4.8%，這5個城市技術進步變動指數(shù)均大于1，技術進步起到一定推動作用，而技術效率變動指數(shù)均小于1，是科技創(chuàng)新效率下降的主要原因。各城市應該合理利用創(chuàng)新資源，加大科技、人才資源投入力度，不斷創(chuàng)新管理經(jīng)營方式，同時也要加強各城市之間的協(xié)同合作，發(fā)展規(guī)模效應，注意城市之間創(chuàng)新資源的合理配置。

三、山東省科技創(chuàng)新效率的空間格局演變

參考前文，山東省科技創(chuàng)新效率的發(fā)展具有階段性，可以看出在2012年、2015年和2018年山東省科技創(chuàng)新效率發(fā)展趨勢有明顯改變，所以本文以3年為間隔，以2012年、2015年、2018年三個典型年份為時間節(jié)點，分析山東省17地市科技創(chuàng)新效率的空間格局演變（見圖2），科技創(chuàng)新效率劃分為低、中等、較高、高四個等級。

1.高科技創(chuàng)新效率集中在少數(shù)地區(qū)，各城市之間差異巨大。整體上，3個年份科技創(chuàng)新效率均呈現(xiàn)明顯的空間分異特征，科技創(chuàng)新效率高的城市主要有青島、濟南、菏澤，而創(chuàng)新效率低的城市主要有濱州、泰安、煙臺、淄博。結合上文分析，2018年淄博的科技創(chuàng)新效率最低，為0.285，同年，有3個城市科技創(chuàng)新效率值達到最高值1，分別是青島、聊城、菏澤，可見各城市之間差異較大。

2.高科技創(chuàng)新效率城市逐漸由省域內部向外圍擴散。2012年，科技創(chuàng)新效率高的城市集中在省域內部，如濟南、泰安等，而省域外圍城市，如煙臺、威海、聊城等科技創(chuàng)新效率整體偏低；到2015年，位于山東省中部的泰安科技創(chuàng)新效率大幅降低，而外圍的青島、棗莊、菏澤、聊城等科技創(chuàng)新效率都出現(xiàn)了明顯增長；2018年，位于山東省域中部的濟南、萊蕪、淄博的科技創(chuàng)新效率明顯下降，同年出現(xiàn)科技創(chuàng)新效率最高值的青島、菏澤、聊城則都位于省域外圍。

3.城市協(xié)同性差，中心城市帶動作用不明顯，科技創(chuàng)新效率空間聚集性弱。山東省中心城市濟南、青島并沒有對區(qū)域科技創(chuàng)新起到明顯的輻射帶動作用，濟南和青島的周邊城市科技創(chuàng)新效率一直不高，濟南、青島兩個城市還沒有成長為帶動山東省科技創(chuàng)新的增長極。

4.市域科技創(chuàng)新效率空間分異過渡性愈加明顯。圖2顯示，2012年相鄰市域間的科技創(chuàng)新效率差異較大，例如，濟南、濱州、東營之間差距較大，由濟南到濱州出現(xiàn)了科技創(chuàng)新效率的突減，從濱州到東營出現(xiàn)了突增，城市之間科技創(chuàng)新效率的過渡性差。2015年市域間科技創(chuàng)新效率過渡性愈加明顯；2018年也表現(xiàn)出類似的特征，科技創(chuàng)新效率為1的菏澤、聊城、青島與科技創(chuàng)新效率最低的淄博，中間有明顯的城市過渡現(xiàn)象。

四、影響因素分析

（一）影響因素指標選取及其說明

借鑒已有成果[17-19]，本文從經(jīng)濟發(fā)展水平、創(chuàng)業(yè)水平、政府財政支持、對外開放程度和勞動者素質等5個方面考查可能影響科技創(chuàng)新效率的因素，分別選用人均GDP（X1）、高新技術產(chǎn)業(yè)占規(guī)模以上工業(yè)比重（X2）、各市一般科學技術支出（X3）、各市進口總值（X4）、科學研究和技術服務業(yè)就業(yè)人數(shù)（X5）表征。

（二）結果分析

經(jīng)檢驗，選擇Tobit隨機效應面板模型。結果如表2顯示，X2、X4、X5對科技創(chuàng)新效率具有正向相關影響，而X1、X3對科技創(chuàng)新效率具有負向相關影響。其中，X1、X3、X5對科技創(chuàng)新效率的影響顯著性水平較高。人均GDP對于地區(qū)的科技創(chuàng)新效率有顯著的負向影響。由此可以看出，地區(qū)經(jīng)濟發(fā)展水平高，居民收入高，但科學技術投入資金不足，說明社會和政府對科技創(chuàng)新不夠重視。一般科學技術支出對地區(qū)科技創(chuàng)新效率呈顯著的負相關影響。說明政府對科技創(chuàng)新效率的財政支持不夠，對科學技術的資金投入滿足不了發(fā)展速度的需要。另外，投入的資金與其他科技創(chuàng)新資源配置不合理，創(chuàng)新經(jīng)費可能存在利用效率不高的問題。勞動者素質與科技創(chuàng)新效率間存在明顯正相關關系。豐富的高素質人才是科技創(chuàng)新效率提高的基礎，山東省科技創(chuàng)新的勞動力資源比較充足且勞動者素質較高，對科技創(chuàng)新發(fā)展有顯著促進作用。創(chuàng)業(yè)水平對科技創(chuàng)新效率具有正向影響。科技創(chuàng)新效率的成果轉化較好，產(chǎn)出效率較高，產(chǎn)業(yè)結構具有科技型、創(chuàng)新型發(fā)展趨勢。應進一步提高企業(yè)創(chuàng)新積極性，引導高新技術產(chǎn)業(yè)集聚發(fā)展，形成規(guī)模效應。對外開放對科技創(chuàng)新效率有積極影響。地區(qū)對外開放程度越高，吸納資金、人才等各種創(chuàng)新資源越多，對科技創(chuàng)新效率提高的推動力越大。但總體來看，山東省對外開放對科技創(chuàng)新效率影響顯著性水平不高，山東省引進的高新技術與科技創(chuàng)新的適配度和融合水平有待進一步提升。

五、結論與建議

本文綜合使用多種定量方法，對山東省科技創(chuàng)新效率時空格局及影響因素進行分析，總結了山東省科技創(chuàng)新效率的時空演變格局特征，獲得影響科技創(chuàng)新效率的主要因素，得出以下主要結論：一是整體上，山東省科技創(chuàng)新效率不高，山東省科技創(chuàng)新的純技術效率值偏低是山東省整體科技創(chuàng)新效率不高的主要原因。二是山東各地級市創(chuàng)新效率差距較大。高科技創(chuàng)新效率集中在少數(shù)地區(qū)，濟南和青島兩個城市的帶動能力不夠強。三是技術進步在山東省各地級市提升科技創(chuàng)新水平過程中發(fā)揮了重要作用。四是山東省科技創(chuàng)新效率時間上呈現(xiàn)先上升后下降的趨勢，空間上表現(xiàn)出由省域內部向外部擴散的趨勢。五是勞動者素質是影響山東省科技創(chuàng)新效率的重要因素，創(chuàng)業(yè)水平和對外開放程度對其產(chǎn)生一定影響，而經(jīng)濟發(fā)展水平和政府財政支持卻對其產(chǎn)生負向影響。加大對科技創(chuàng)新的資金投入、引導合理配置創(chuàng)新資源、產(chǎn)生高新技術產(chǎn)業(yè)規(guī)模效應，以及積極引進高素質人才是山東省提高科技創(chuàng)新效率的必要措施。

通過以上分析，影響山東省科技創(chuàng)新效率提升的主要原因是資源配置不合理，政府應進一步增加科技創(chuàng)新資金投入，提高人才與科研投入的適配水平。另外，山東省地區(qū)科技協(xié)同性較弱，科技創(chuàng)新效率高的中心城市輻射帶動作用不明顯。山東省應加大科技創(chuàng)新資金投入，積極引入創(chuàng)新型人才，引導高新技術產(chǎn)業(yè)集聚發(fā)展，加大地區(qū)科技協(xié)調發(fā)展力度，建立分工合理、優(yōu)勢互補的區(qū)域產(chǎn)業(yè)結構，提升科技創(chuàng)新效率，推進實施新舊動能轉換重大工程。

參考文獻：

[1]? ?劉漢初，樊杰，周侃.中國科技創(chuàng)新發(fā)展格局與類型劃分——基于投入規(guī)模和創(chuàng)新效率的分析[J].地理研究，2018，37（5）：910-924.

[2]? ?姬志恒，李斐斐.山東省經(jīng)濟增長新動能的空間格局及其驅動機制[J].資源開發(fā)與市場，2020，36（8）：873-879.

[3]? ?柳瑞禹，何志明，范如國.中部六省科技創(chuàng)新效率與影響因素研究[J].資源開發(fā)與市場，2016，32（3）：277-283.

[4]? ?Zhang Dapeng，Tu Jinghua，Zhou Lingxu，et al.Higher tourism specialization，better hotel industry efficiency？[J].International Journal of Hospitality Management，2020，（87）：1-9.

[5]? ?魏權齡.數(shù)據(jù)包絡分析[M].北京：科學出版社，2004.

[6]? ?Fare R.，Grosskopf S.，Norris M.Productivity Growth，Technical Progress ，and Efficiency Change in Industrialized Countries[J].American Economic Review，1994，84（1）：66-83.

[7]? ?高天惠，王昱斐.城市科技創(chuàng)新效率DEA評價[J].長春工業(yè)大學學報：自然科學版，2019，40（3）：289-293.

[8]? ?徐小欽，黃馨，梁彭勇.基于DEA與Malmquist指數(shù)法的區(qū)域科技創(chuàng)新效率評價——以重慶市為例[J].數(shù)理統(tǒng)計與管理，2009，28（6）：974-985.

[9]? ?張潔.我國各省市科技創(chuàng)新效率的DEA測評[J].價值工程，2019，38（30）：293-296.

[10]? ?唐娟莉，倪永良，鄭麗娟.基于創(chuàng)新驅動視角的中國省際技術創(chuàng)新效率測度及影響因素分析[J].科學與管理，2019，39（4）：1-8.

[11]? ?陳升，扶雪琴.“一帶一路”沿線科技創(chuàng)新效率區(qū)域差異及影響因素分析——基于三階段DEA和Tobit模型[J].重慶大學學報：社會科學版， 2022， 28（1）： 154-169.

[12]? ?潘雄峰，張靜，孔新男.R&D經(jīng)費支出結構對企業(yè)績效的影響效應研究：基于中國上市公司的面板數(shù)據(jù)分析[J].管理工程學報，2019，33（3）：47-51.

[13]? ?彭曉靜.京津冀城市群創(chuàng)新效率及影響因素研究[J].技術經(jīng)濟與管理研究，2021，（2）：118-122.

[14]? ?侯靜璇，雷懷英.京津冀科技創(chuàng)新效率評價實證研究[J].天津經(jīng)濟，2020，（8）：25-31.

[15]? ?王元亮.河南城市科技創(chuàng)新效率評價及影響因素研究[J].區(qū)域經(jīng)濟評論，2020，（2）：75-83.

[16]? ?危懷安，平霰.區(qū)域協(xié)同視角下城市群科技創(chuàng)新與經(jīng)濟產(chǎn)出效率時空分異研究——以武漢城市圈為例[J].科技進步與對策，2019，36（11）：40-45.

[17]? ?張榮天.基于DEA-Tobit模型的城市科技創(chuàng)新效率評價及影響因素分析——以江蘇省揚州市為例[J].池州學院學報，2018，32（6）：55-58.

[18]? ?嚴紅.中國西部地區(qū)科技創(chuàng)新效率測算及其影響因素分析[J].中共四川省委黨校學報，2013，（3）：74-78.

[19]? ?高龍琪，程林，包耀東，等.基于DEA&Tobit模型的南通科技創(chuàng)新效率分析[J].市場周刊，2017，（6）：58-60.

Analysis of Space-time Pattern and Influencing Factors of Scientific and Technological Innovation Efficiency

— Taking Shandong Province as an Example

Sha Yanjun， Wang Hui， Zhang Xuebo

（College of Geography and Tourism， Qufu Normal University， Rizhao 276826， China）

Abstract： Based on the input-output data of science and technology innovation in Shandong Province from 2012 to 2018， using DEA-BBC model and Malmquist index， this paper analyzes the temporal and spatial evolution and main sources of scientific and technological innovation efficiency in Shandong Province and cities， and uses Tobit regression model to analyze the main influencing factors of scientific and technological innovation efficiency in Shandong Province. Results suggest that， from 2012 to 2018， S&T innovation efficiency in Shandong Province increased first and then decreased continuously; S&T innovation efficiency in Shandong Province is relatively low on the whole， with obvious regional differences， and the cities with high efficiency of scientific and technological innovation diffused from the central region of Shandong Province to the peripheral regions; technological progress is the primary source of S&T innovation efficiency of the whole province and its cities; the quality of workers， the level of economic development and government financial support are important factors affecting S&T innovation efficiency in Shandong Province.

Key words： efficiency of scientific and technological innovation;DEA model;spatiotemporal differentiation;influencing factor;Shandong Province

[責任編輯? ?衛(wèi)? ?星]