中國(guó)城市群財(cái)政科技投入績(jī)效的時(shí)空演化研究

曾 鵬，魏 然，魏 旭

（廣西民族大學(xué)a.民族學(xué)與社會(huì)學(xué)學(xué)院；b.經(jīng)濟(jì)學(xué)院；c.管理學(xué)院，南寧 530006）

0 引言

科技創(chuàng)新是實(shí)現(xiàn)中華民族偉大復(fù)興的強(qiáng)大驅(qū)動(dòng)力[1]。在我國(guó)的科技資源投入中，政府的財(cái)政科技投入是科技資源投入的重要來(lái)源，基于財(cái)政視角探究科技資源投入轉(zhuǎn)化效率對(duì)我國(guó)科技發(fā)展具有長(zhǎng)遠(yuǎn)意義。城市群作為城鎮(zhèn)化的新型主體單元，在科技創(chuàng)新發(fā)展中承擔(dān)著重要支撐作用，是科技創(chuàng)新的重要策源地[2]。探究和把握城市群財(cái)政科技投入績(jī)效的時(shí)空演化格局有助于整體把握城市群科技發(fā)展現(xiàn)狀，為制訂城市群科技產(chǎn)業(yè)政策、推動(dòng)科技產(chǎn)業(yè)高質(zhì)量發(fā)展奠定理論基礎(chǔ)。

財(cái)政科技投入績(jī)效，為財(cái)政科技項(xiàng)目投入產(chǎn)出所取得的實(shí)際效果，是科技產(chǎn)業(yè)效率評(píng)價(jià)研究的一方面，著重研究財(cái)政配置資源的有效性[3]。當(dāng)前關(guān)于科技產(chǎn)業(yè)投入績(jī)效評(píng)價(jià)的研究較為豐富，國(guó)內(nèi)較早可以追溯到袁嘉新（1992）[4]對(duì)測(cè)算科技進(jìn)步的方法進(jìn)行討論；國(guó)外較早可以追溯到Frsund（1980）[5]對(duì)隨機(jī)前沿生產(chǎn)函數(shù)及其與效率測(cè)度關(guān)系的分析。近年來(lái)，基于科技產(chǎn)業(yè)及績(jī)效評(píng)價(jià)的研究方法，學(xué)者們較多使用DEA模型、SFA模型、StoNED模型、Tobit 模型、三階段DEA 模型、DEA-Malmquist 指數(shù)模型等[6—8]。對(duì)于科技產(chǎn)業(yè)效率評(píng)價(jià)的研究而言，學(xué)者們較多集中于國(guó)別[9]、省域[10]和市域[11]等視角進(jìn)行研究。當(dāng)前以城市群為研究視域探究科技產(chǎn)業(yè)效率評(píng)價(jià)的學(xué)術(shù)研究較少，主要為單個(gè)城市群科技資源效率及績(jī)效的評(píng)價(jià)研究，對(duì)中國(guó)城市群整體的科技產(chǎn)業(yè)效率評(píng)價(jià)研究較少[12]。

綜上，本文建立三階段DEA 模型靜態(tài)評(píng)估城市群財(cái)政科技投入績(jī)效；基于三階段DEA 模型計(jì)算結(jié)果進(jìn)行趨勢(shì)面分析，探討城市群財(cái)政科技投入績(jī)效空間演化規(guī)律；引入Malmquist 指數(shù)，進(jìn)一步研究城市群財(cái)政科技投入績(jī)效在時(shí)間序列上的動(dòng)態(tài)演化。

1 研究設(shè)計(jì)

1.1 研究范圍

本文參照國(guó)務(wù)院、國(guó)家發(fā)展和改革委員會(huì)以及各?。ㄖ陛犑小^(qū)）級(jí)政府批復(fù)印發(fā)的19 個(gè)城市群發(fā)展規(guī)劃文件，確定中國(guó)的城市群分布狀況，其中包含重點(diǎn)建設(shè)五大國(guó)家級(jí)城市群（長(zhǎng)江三角洲、珠江三角洲、京津冀、長(zhǎng)江中游、成渝），穩(wěn)步建設(shè)八大區(qū)域級(jí)城市群（山東半島、粵閩浙沿海①“十四五”規(guī)劃綱要中，“海峽西岸城市群”的表述被“粵閩浙沿海城市群”所代替。、中原、關(guān)中平原、遼中南、哈長(zhǎng)、北部灣、天山北坡），引導(dǎo)培育六大地區(qū)級(jí)城市群（滇中、黔中、晉中、蘭西、呼包鄂榆、寧夏沿黃）的229 個(gè)城市。由于數(shù)據(jù)樣本可能出現(xiàn)重疊，且部分城市數(shù)據(jù)缺失嚴(yán)重，因此將部分城市剔除，對(duì)剩余203個(gè)城市進(jìn)行研究。

1.2 研究方法

1.2.1 三階段DEA模型

本文采用三階段DEA模型測(cè)算中國(guó)城市群的財(cái)政科技投入績(jī)效。具體可分為如下三階段：

第一階段為傳統(tǒng)DEA模型。通過(guò)使用傳統(tǒng)DEA模型將中國(guó)城市群的203個(gè)城市看作基本決策單元DMU以測(cè)算財(cái)政科技投入績(jī)效值，并進(jìn)一步求得科技投入的松弛值，為第二階段SFA回歸估計(jì)奠定基礎(chǔ)。由于現(xiàn)實(shí)科技投入生產(chǎn)中規(guī)模報(bào)酬是可變的，因此本文選取DEA-BBC 模型，并基于投入導(dǎo)向型測(cè)算決策單元的財(cái)政科技投入績(jī)效。

其中，j=1,2,…,203 表示基本決策單元DMU，即城市群所轄城市；X和Y分別為科技投入和科技產(chǎn)出向量。θ為決策單元的有效值；ε為常量，表示非阿基米德無(wú)窮??；s-和s+表示科技投入松弛變量和科技產(chǎn)出松弛變量。若θ=1，s+=s-=0，則決策單元DEA有效，DMU財(cái)政科技投入績(jī)效達(dá)到純技術(shù)效率最佳和規(guī)模效率最佳。若θ=1，s+≠0，或s-≠0，則決策單元弱DEA有效。若θ=1，則決策單元非DEA有效，DMU財(cái)政科技投入績(jī)效沒有達(dá)到純技術(shù)效率最佳和規(guī)模效率最佳。DEA-BBC模型的計(jì)算結(jié)果為綜合技術(shù)效率（TE），可以通過(guò)純技術(shù)效率（PTE）和規(guī)模效率（SE）對(duì)其進(jìn)行分解，即TE=PTE*SE。

第二階段為相似隨機(jī)前沿模型。由于第一階段DEA模型是選擇投入導(dǎo)向型，因此僅對(duì)投入松弛變量進(jìn)行SFA回歸分解，分析第一階段中的投入松弛變量與外生環(huán)境變量、隨機(jī)誤差項(xiàng)之間的關(guān)系，進(jìn)而調(diào)整投入變量。首先構(gòu)造類SFA回歸函數(shù)：

SFA回歸將所有決策單元調(diào)整到相同的外部環(huán)境中，消除環(huán)境因素和隨機(jī)因素對(duì)效率測(cè)度的影響，得到能夠直接反映管理水平的效率值，鑒于該模型使用較為成熟，不作詳細(xì)展示。其具體調(diào)整公式如下：

第三階段，將消除環(huán)境因素和隨機(jī)誤差因素的修正科技投入變量和原始科技產(chǎn)出變量導(dǎo)入DEA模型進(jìn)行截面數(shù)據(jù)的逐年測(cè)算，進(jìn)一步得到修正后的財(cái)政科技投入綜合技術(shù)效率（TE）、純技術(shù)效率（PTE）和規(guī)模效率（SE）。

1.2.2 DEA-Malmquist指數(shù)

三階段DEA模型是對(duì)財(cái)政科技投入績(jī)效進(jìn)行靜態(tài)分析，并不能具體反映全要素生產(chǎn)率隨時(shí)間的變動(dòng)趨勢(shì)，Malmquist指數(shù)是一種用來(lái)衡量全要素生產(chǎn)率變化率的方法，因此本文選取Malmquist 指數(shù)對(duì)科技投入全要素生產(chǎn)率進(jìn)行分析[13]。

設(shè)(Xt,Yt)和(Xt+1,Yt+1) 分別為t期和t+1 期的投入產(chǎn)出關(guān)系，生產(chǎn)率變化為由(Xt,Yt)向(Xt+1,Yt+1) 的變化。Dt(Xt,Yt)和Dt+1(Xt+1,Yt+1) 為規(guī)模報(bào)酬不變時(shí)的距離函數(shù)?；趖期和t+1期的全要素生產(chǎn)率指數(shù)M為：

若M＜1，則表明從t期至t+1 期，全要素生產(chǎn)率水平降低；若M＞1，則表明從t期至t+1 期，全要素生產(chǎn)率水平提高。對(duì)全要素生產(chǎn)率TFPch可進(jìn)一步分解如下[14]：

其中，PEch為純技術(shù)效率變化，TEch為技術(shù)變化，SEch為規(guī)模效率變化。

1.3 變量選取及預(yù)處理

本文基于三階段DEA-Malmquist 模型測(cè)算中國(guó)城市群財(cái)政科技投入績(jī)效，選取財(cái)政支出中科學(xué)技術(shù)支出和年末城鎮(zhèn)科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員作為科技投入變量，選取發(fā)明專利授權(quán)量、實(shí)用新型專利授權(quán)量、外觀設(shè)計(jì)專利授權(quán)量和專利授權(quán)總量作為科技產(chǎn)出變量，并選取人均地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重、財(cái)政支出中教育支出分別衡量經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)和教育支持等外部環(huán)境變量。

原始變量數(shù)據(jù)不能直接投入模型進(jìn)行計(jì)算，需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理使得數(shù)據(jù)模型計(jì)算更加精確合理。第一，由于各變量原始數(shù)據(jù)之間單位和數(shù)量級(jí)存在較大差異，為了簡(jiǎn)化計(jì)算，本文使用歸一化對(duì)原始數(shù)據(jù)指標(biāo)進(jìn)行無(wú)量綱化處理，此時(shí)變量數(shù)據(jù)范圍為0～1；第二，為了防止在SFA回歸模型計(jì)算時(shí)出現(xiàn)系數(shù)過(guò)小的情況，對(duì)歸一化后的數(shù)據(jù)范圍擴(kuò)充100倍，使得變量數(shù)據(jù)范圍為0～100；第三，由于在DEA模型計(jì)算處理時(shí)變量不能出現(xiàn)零值，因此在每項(xiàng)變量數(shù)據(jù)后增加0.001對(duì)數(shù)據(jù)整體進(jìn)行非負(fù)處理。最后，將經(jīng)過(guò)三步數(shù)據(jù)處理后的變量投入DEA模型進(jìn)行計(jì)算分析。

1.4 數(shù)據(jù)來(lái)源

本文用于中國(guó)城市群財(cái)政科技投入績(jī)效計(jì)算的空間面板數(shù)據(jù)區(qū)間為2011—2021年，其中經(jīng)濟(jì)相關(guān)數(shù)據(jù)、科技產(chǎn)業(yè)相關(guān)數(shù)據(jù)均來(lái)自2012—2022年《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》以及中國(guó)和各城市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)；部分科技產(chǎn)業(yè)相關(guān)數(shù)據(jù)來(lái)自2012—2022年各省份統(tǒng)計(jì)年鑒；少數(shù)漏缺數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局官網(wǎng)及各省統(tǒng)計(jì)局官網(wǎng)；極個(gè)別數(shù)據(jù)缺失通過(guò)平滑處理進(jìn)行補(bǔ)充。

2 城市群財(cái)政科技投入績(jī)效的空間格局分析

2.1 三階段DEA模型的結(jié)果分析

2.1.1 第一階段傳統(tǒng)DEA模型的結(jié)果分析

運(yùn)用DEAP 2.1 軟件測(cè)算中國(guó)城市群203 個(gè)城市2011—2021 年的綜合技術(shù)效率（TE）、純技術(shù)效率（PTE）、規(guī)模效率（SE）以及投入要素松弛變量，其中SE=TE/PTE。因受篇幅所限，本文僅將綜合技術(shù)效率和純技術(shù)效率結(jié)果作簡(jiǎn)單的描述性統(tǒng)計(jì)（見下頁(yè)表1）。

表1 城市群所轄城市財(cái)政科技投入績(jī)效統(tǒng)計(jì)表（第一階段）

由表1可知，在忽略外部環(huán)境和隨機(jī)因素的影響下，中國(guó)城市群城市間財(cái)政科技投入綜合技術(shù)效率和純技術(shù)效率差異較大，歷年TE的最小值和均值均遠(yuǎn)小于PTE。

通過(guò)對(duì)城市群203 個(gè)DMU（城市）2011—2021 年的財(cái)政科技投入綜合技術(shù)效率（TE）和純技術(shù)效率（PTE）進(jìn)行加總平均得到19 個(gè)城市群各自的效率均值，并繼而計(jì)算得出重點(diǎn)建設(shè)國(guó)家級(jí)、穩(wěn)步建設(shè)區(qū)域級(jí)和引導(dǎo)培育地區(qū)級(jí)城市群以及城市群的總體效率均值并進(jìn)行描述性統(tǒng)計(jì)分析（見表2）。

表2 城市群財(cái)政科技投入績(jī)效演化

由表2可知，從財(cái)政科技投入綜合技術(shù)效率（TE）整體水平來(lái)看，國(guó)家級(jí)城市群效率最高，區(qū)域級(jí)城市群次之，地區(qū)級(jí)城市群最末。從財(cái)政科技投入純技術(shù)效率（PE）來(lái)看，同樣，國(guó)家級(jí)城市群效率最高，區(qū)域級(jí)城市群次之，地區(qū)級(jí)城市群最末。

2.1.2 第二階段SFA回歸結(jié)果分析

將第一階段DEA模型所求得的科學(xué)技術(shù)行業(yè)從業(yè)人員和科學(xué)技術(shù)支出的投入松弛變量作為被解釋變量，以經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)和教育支持作為解釋變量分析外部環(huán)境變量對(duì)投入松弛變量的影響，運(yùn)用Frontier 4.1 軟件建立SFA回歸模型，結(jié)果如表3所示。

表3 第二階段SFA回歸結(jié)果

根據(jù)表3可知，第一階段DEA財(cái)政科技投入績(jī)效測(cè)算的兩項(xiàng)投入松弛變量的單邊誤差似然比檢驗(yàn)均通過(guò)顯著性檢驗(yàn)，拒絕原假設(shè)，表明SFA回歸模型合理。且投入松弛變量的γ值均趨近于1，σ2、γ同樣通過(guò)顯著性檢驗(yàn)，表明混合誤差項(xiàng)中的管理無(wú)效率對(duì)投入松弛變量影響較大，而隨機(jī)誤差的影響較小[15]。

從經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)和教育支持各項(xiàng)外部環(huán)境變量來(lái)看，其估計(jì)系數(shù)均通過(guò)了顯著性檢驗(yàn)，說(shuō)明環(huán)境因素對(duì)科技投入的松弛變量具有顯著影響。由表3 可知，經(jīng)濟(jì)水平、教育支持和產(chǎn)業(yè)結(jié)構(gòu)對(duì)投入松弛變量的估計(jì)系數(shù)為正，不利于財(cái)政科技投入績(jī)效的提升。

為了消除外部環(huán)境變量和隨機(jī)誤差因素影響，需要對(duì)科技投入變量進(jìn)行調(diào)整，重新進(jìn)行財(cái)政科技投入績(jī)效的測(cè)算，以增強(qiáng)結(jié)果的準(zhǔn)確性、可信性。

2.1.3 第三階段調(diào)整后的DEA模型實(shí)證結(jié)果分析

通過(guò)對(duì)2011—2021 年各科技投入變量進(jìn)行調(diào)整，并利用DEAP 2.1 軟件將其與原始產(chǎn)出變量合并，導(dǎo)入投入導(dǎo)向型DEA-BBC 模型進(jìn)行逐年測(cè)算，得到剔除外部環(huán)境和隨機(jī)誤差因素的城市群財(cái)政科技投入績(jī)效，即城市群財(cái)政科技投入綜合技術(shù)效率（TE）、規(guī)模效率（SE）和純技術(shù)效率（PTE），并將財(cái)政科技投入綜合技術(shù)效率、純技術(shù)效率作簡(jiǎn)單的描述性統(tǒng)計(jì)（見下頁(yè)表4）。

表4 城市群所轄城市財(cái)政科技投入績(jī)效統(tǒng)計(jì)表（第三階段）

由表4可知，調(diào)整科技投入變量后重新進(jìn)行財(cái)政科技投入績(jī)效運(yùn)算，結(jié)果顯示調(diào)整前后效率結(jié)果相差較多，其中純技術(shù)效率（PTE）大幅增長(zhǎng)，其203個(gè)DMU（城市）總體的平均效率水平趨近于1，接近效率前沿面；而203 個(gè)DMU（城市）總體的綜合技術(shù)效率（TE）歷年平均效率水平出現(xiàn)上升。綜合技術(shù)效率處于效率前沿面上的有效城市數(shù)量在8 個(gè)左右，相對(duì)于調(diào)整前有所下降，第三階段財(cái)政科技投入績(jī)效均值在0.2左右，相較于第一階段下降了0.2左右。第三階段位于效率前沿面上的城市相較于第一階段變動(dòng)較大，各個(gè)年份處于效率前沿面上的城市有所變動(dòng)，其中蘇州市、深圳市在9 個(gè)年份中效率值全部為1，為效率最高的城市；寧波市曾于7個(gè)年份中效率值為1，北京市曾于5個(gè)年份中效率值為1；溫州市、中山市曾于4個(gè)年份中效率值為1，這些城市在較多年份中位于效率前沿面上，是財(cái)政科技投入績(jī)效水平較高的城市。

通過(guò)對(duì)調(diào)整后的城市群203 個(gè)DMU（城市）2011—2021年的財(cái)政科技投入綜合技術(shù)效率（TE）和純技術(shù)效率（PTE）進(jìn)行加總平均，得出19 個(gè)城市群各自的效率均值，并繼而計(jì)算得出國(guó)家級(jí)、區(qū)域級(jí)和地區(qū)級(jí)城市群以及中國(guó)城市群總體的效率均值（見表5）。

表5 城市群財(cái)政科技投入純技術(shù)效率（三階段）

2.2 空間趨勢(shì)面分析

為了進(jìn)一步探究我國(guó)城市群財(cái)政科技投入績(jī)效空間演化規(guī)律，使用ArcGIS10.2 分別繪制2014 年、2016 年、2018 年和2020 年的中國(guó)城市群財(cái)政科技投入綜合技術(shù)效率的空間演化趨勢(shì)圖（見圖1）。

圖1 空間趨勢(shì)面分析圖

由表5 可知，在經(jīng)過(guò)調(diào)整投入變量后，純技術(shù)效率相較于調(diào)整前有了大幅提升，各個(gè)城市群的效率均值均在0.9 以上，接近效率前沿面，但不同城市群間差異較小，不同年份間變動(dòng)較少，因此將財(cái)政科技投入綜合技術(shù)效率作為靜態(tài)的城市群財(cái)政科技投入績(jī)效進(jìn)行空間格局分析。

由表6 可知，城市群財(cái)政科技投入平均效率值為0.176，其中高于平均效率水平的城市群有6 個(gè)，低于平均效率水平城市群有13 個(gè)，表明我國(guó)城市群間財(cái)政科技投入績(jī)效差距較大。將城市群歷年綜合技術(shù)效率值加總平均并進(jìn)行排名后可以發(fā)現(xiàn)，國(guó)家級(jí)城市群財(cái)政科技投入綜合技術(shù)效率水平最高，效率得分均值為0.325，且效率提升最為強(qiáng)勁；區(qū)域級(jí)城市群財(cái)政科技投入綜合技術(shù)效率水平略低于國(guó)家級(jí)城市群，效率得分均值為0.153；地區(qū)級(jí)城市群財(cái)政科技投入綜合技術(shù)效率水平最低，效率得分均值為0.067，與國(guó)家級(jí)、區(qū)域級(jí)城市群存在較大差距，效率提升也最緩慢。城市群財(cái)政科技投入綜合技術(shù)高效率區(qū)域由國(guó)家級(jí)城市群逐步向周邊的區(qū)域級(jí)城市群和地區(qū)級(jí)城市群擴(kuò)散，印證了當(dāng)前中國(guó)城市群發(fā)展規(guī)劃、發(fā)展定位的合理性。

圖1中，X軸和Y軸分別指向東方和北方，ZOX 面上的趨勢(shì)線和ZOY面上的趨勢(shì)線分別代表了財(cái)政科技投入綜合技術(shù)效率在東西、南北方向上的投影。可以看出，城市群財(cái)政科技投入綜合技術(shù)效率在東西方向上呈現(xiàn)“東高西低”的空間分布特征，在南北方向上呈現(xiàn)“南高北低”的空間分布特征。

3 城市群財(cái)政科技投入績(jī)效的時(shí)間動(dòng)態(tài)演化分析

為了進(jìn)一步研究城市群財(cái)政科技投入績(jī)效在時(shí)間序列上的動(dòng)態(tài)演化，運(yùn)用Malmquist指數(shù)對(duì)剔除了外部環(huán)境和隨機(jī)因素的投入變量與原始產(chǎn)出變量進(jìn)行測(cè)算，并進(jìn)一步對(duì)2011—2021 年中國(guó)城市群財(cái)政科技投入全要素生產(chǎn)率（TFP）進(jìn)行分解以及動(dòng)態(tài)演化分析，由于篇幅所限，僅將203 個(gè)DMU（城市）全要素生產(chǎn)率進(jìn)行加總平均得到中國(guó)城市群財(cái)政科技投入全要素生產(chǎn)率演化情況，結(jié)果見表7。

表7 城市群財(cái)政科技投入Malmquist指數(shù)及分解

由表7可知，財(cái)政科技投入全要素生產(chǎn)率（TFP）、技術(shù)效率變化指數(shù)（Effch）和技術(shù)進(jìn)步指數(shù)（Techch）均為正數(shù)，均有不同程度的提升，其中城市群財(cái)政科技投入TFP的增長(zhǎng)主要是源于技術(shù)效率帶來(lái)的促進(jìn)作用，技術(shù)進(jìn)步雖然存在，但對(duì)TFP增長(zhǎng)貢獻(xiàn)不如技術(shù)效率進(jìn)步作用大。其中寧夏沿黃城市群的年均全要素生產(chǎn)率最高，為1.409，代表其財(cái)政科技投入績(jī)效提升最為迅猛，山東半島和哈長(zhǎng)城市群的年均全要素生產(chǎn)率最低，為1.102，提升較為緩慢。城市群的年平均全要素生產(chǎn)率為1.193，表明城市群總體的財(cái)政科技投入績(jī)效年平均增長(zhǎng)率為19.3%。

由表8 可知，從2011—2021 年城市群所轄城市的財(cái)政科技投入Malmquist 指數(shù)分解可知，歷年城市總體的財(cái)政科技投入的技術(shù)效率變化、規(guī)模效率變化和全要素生產(chǎn)率變化均為上升態(tài)勢(shì)，而技術(shù)進(jìn)步變化和純技術(shù)效率變化在部分年份呈現(xiàn)下降態(tài)勢(shì)。

表8 城市群所轄城市財(cái)政科技投入Malmquist指數(shù)及分解

4 結(jié)論

本文以2011—2021年中國(guó)19個(gè)城市群內(nèi)所轄城市為研究樣本，構(gòu)建三階段DEA-Malmquist 模型，探究了中國(guó)城市群財(cái)政科技投入績(jī)效的時(shí)空演化規(guī)律。得出以下結(jié)論：（1）中國(guó)城市群財(cái)政科技投入綜合技術(shù)高效率區(qū)域由國(guó)家級(jí)城市群逐步向周邊的區(qū)域級(jí)城市群和地區(qū)級(jí)城市群擴(kuò)散，印證了中國(guó)城市群發(fā)展規(guī)劃、發(fā)展定位的合理性。（2）中國(guó)城市群財(cái)政科技投入綜合技術(shù)效率呈現(xiàn)“東高西低”“南高北低”的空間分布特征。（3）中國(guó)城市群總體的財(cái)政科技投入的技術(shù)效率變化、規(guī)模效率變化和全要素生產(chǎn)率變化均為上升態(tài)勢(shì)，而技術(shù)進(jìn)步變化和純技術(shù)效率進(jìn)步變化在部分年份呈現(xiàn)下降態(tài)勢(shì)。