李媛

摘 要：本文利用2009到2015年的省級面板數(shù)據(jù)，采用基于松弛項(xiàng)的DEA模型對我國30個(gè)省級行政區(qū)的科技投入效率進(jìn)行測算，發(fā)現(xiàn)東中西部的科技投入效率大致呈階梯狀分布，中西部省份對東部的追趕效應(yīng)很明顯。對Malmquist指數(shù)的分析顯示，2009年之后各省的科技投入效率出現(xiàn)了整體性的進(jìn)步，這源于全國性的創(chuàng)新環(huán)境改善?？萍纪度胄实挠绊懸蛩胤治霰砻鳎萍假Y金來源的市場化程度、R&D;投入強(qiáng)度和基礎(chǔ)研究資金占比對科技投入效率有正面影響，這說明政府在提高投入強(qiáng)度的同時(shí)，應(yīng)完善對企業(yè)科技投入的激勵(lì)機(jī)制，加強(qiáng)政府資金對企業(yè)資金的杠桿帶動作用，注重培養(yǎng)企業(yè)內(nèi)生的科技進(jìn)步動力，發(fā)達(dá)省份可適當(dāng)增加基礎(chǔ)研究資金的比例。

關(guān)鍵詞：科技投入效率；政府R&D;投入；基于松弛項(xiàng)的DEA模型；Malmquist指數(shù)

中圖分類號：F832.2 文獻(xiàn)標(biāo)識碼：B 文章編號：1674-0017-2017（10）-0025-07

一、引言

當(dāng)前中國經(jīng)濟(jì)的增長動力正面臨著深刻變革，由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變是大勢所趨，科技創(chuàng)新是其中的重要一環(huán)，也是經(jīng)濟(jì)社會可持續(xù)發(fā)展的重要支柱。從國際經(jīng)驗(yàn)看，政府在推動科技創(chuàng)新中扮演著重要角色，直接資金投入、產(chǎn)業(yè)政策、稅收政策等都是政府引導(dǎo)科技創(chuàng)新、推動高技術(shù)產(chǎn)業(yè)發(fā)展的重要手段。從R&D;投入強(qiáng)度看，投入呈逐年上升趨勢與主要科技強(qiáng)國相比仍有較大差距（見圖1）。

在評價(jià)我國科技投入效率的問題上，許多學(xué)者都進(jìn)行了有益的探索。Lee & Park（2005）采用DEA模型對R&D;投入效率進(jìn)行了跨國比較，結(jié)果顯示中國的R&D;投入效率遠(yuǎn)低于新加坡和日本。朱平芳.徐偉民（2003）在對上海市企業(yè)數(shù)據(jù)的研究中發(fā)現(xiàn)，政府的科技撥款資助和稅收減免兩項(xiàng)政策均對大中型工業(yè)企業(yè)增加自籌R&D;資金有著積極效果，該效果與政府科技撥款的穩(wěn)定程度成正比，且自籌資金對專利產(chǎn)出有著顯著的正面影響。童光榮、高杰（2004）構(gòu)建了政府部門與企業(yè)部門的R&D;支出回歸模型和分布滯后模型，證實(shí)了政府科技支出對企業(yè)支出的誘導(dǎo)作用及其時(shí)滯效應(yīng)。鄧向榮、劉乃輝和周密（2005）研究了我國六項(xiàng)科技計(jì)劃的投入效率，認(rèn)為我國政府投入存在一定的非效率狀況，政府應(yīng)盡量由“參與者”向“組織者”轉(zhuǎn)變，建立完善項(xiàng)目管理監(jiān)督機(jī)制。李盡法（2011）的研究采用超效率DEA模型測算了我國各省（區(qū)）的科技投入效率。王元地.潘雄鋒和楊越（2013）采用DEA模型分析了中國各省的科技投入效率，并用空間計(jì)量模型證實(shí)了政府科技投入效率具有空間外溢效應(yīng)。吳蕓（2014）基于40個(gè)國家1982到2010年的面板數(shù)據(jù)證實(shí)了政府科技投入對促進(jìn)科技創(chuàng)新起到了顯著作用，但其資金使用效率較低，仍需改進(jìn)。韓鳳芹.趙偉（2015）基于省級面板數(shù)據(jù)研究了中國各地區(qū)的R&D;政府科技投入效率，認(rèn)為地區(qū)間的效率差異正在縮小，但在2012年和2013年，制度和政策無法適應(yīng)科技創(chuàng)新的需要，阻礙了效率提升。

總體而言，學(xué)者們對我國科技投入效率的研究已經(jīng)日趨數(shù)量化、模型化和精確化。借鑒以往的研究成果，本文選取了三種投入變量與三種產(chǎn)出變量，采用基于松弛項(xiàng)的DEA模型來評估我國各省級行政區(qū)的科技投入效率，并探究效率的變化趨勢和影響因素。結(jié)果顯示，我國科技投入效率的分布呈現(xiàn)東高西低的態(tài)勢，但中西部省份對東部的追趕效應(yīng)也很明顯。對Malmquist指數(shù)的分析顯示，2009年之后各省的科技投入效率出現(xiàn)了整體性的進(jìn)步，這主要源于生產(chǎn)前沿面的移動和后進(jìn)省份的追趕，即全國性的創(chuàng)新環(huán)境改善?？萍纪度胄实挠绊懸蛩胤治霰砻?，科技資金來源的市場化程度、R&D;投入強(qiáng)度和基礎(chǔ)研究資金占比對科技投入效率有正面影響，這說明政府在提高投入強(qiáng)度的同時(shí)，應(yīng)完善激勵(lì)機(jī)制，加強(qiáng)政府資金對企業(yè)R&D;投入的杠桿帶動作用，發(fā)達(dá)省份可適當(dāng)增加基礎(chǔ)研究資金的比例，發(fā)揮基礎(chǔ)研究的長期性和外溢性優(yōu)勢，增強(qiáng)經(jīng)濟(jì)發(fā)展后勁，帶動落后地區(qū)進(jìn)步，而后進(jìn)省份應(yīng)更加注重有市場前景的應(yīng)用型研究，優(yōu)化產(chǎn)業(yè)政策、稅收政策、信貸政策和人才政策，著重提高企業(yè)經(jīng)濟(jì)效益，逐漸培養(yǎng)企業(yè)內(nèi)生的科技進(jìn)步動力。

二、模型與數(shù)據(jù)選擇

（一）研究思路

經(jīng)濟(jì)學(xué)意義上的“技術(shù)”，是對投入產(chǎn)出關(guān)系的描述，而技術(shù)效率是指投入與產(chǎn)出因素的配置狀態(tài)。Farrell（1957）最早提出了技術(shù)效率的概念，他將技術(shù)效率定義為相同產(chǎn)出下生產(chǎn)主體理想中的最小可能投入與其實(shí)際投入的比率。而Leibenstein（1966）則提出了產(chǎn)出角度的技術(shù)效率：即相同投入下生產(chǎn)主體的實(shí)際產(chǎn)出與理想中的最大可能產(chǎn)出的比率。

本文著重研究中國政府的科技投入效率。正如其他產(chǎn)業(yè)一樣，科技產(chǎn)業(yè)也有著自身獨(dú)特的投入產(chǎn)出過程：企業(yè)、研究機(jī)構(gòu)和高校等研發(fā)主體投入科研經(jīng)費(fèi)和科研人員的勞動，從而生產(chǎn)出專利、新產(chǎn)品和科技論文等產(chǎn)出，政府在這一過程中，往往充當(dāng)經(jīng)費(fèi)提供者和政策制定者的角色。在各地區(qū)之間，科技投入與產(chǎn)出的轉(zhuǎn)化機(jī)制顯然存在一定的差異，各地科技產(chǎn)業(yè)的技術(shù)效率也會各不相同，研究這種效率差異及其影響因素是本文的核心內(nèi)容。

目前，數(shù)量化的效率研究主要有兩種思路：數(shù)據(jù)包絡(luò)分析模型（Data Envelopment Analysis， DEA）和隨機(jī)前沿分析模型（Stochastic Frontier Analysis， SFA），這兩種模型都涉及到生產(chǎn)前沿面的構(gòu)建，其區(qū)別在于：DEA模型所構(gòu)建的是確定性前沿，而SFA模型則考慮了樣本隨機(jī)誤差的影響，而且，DEA模型作為非參數(shù)模型，更適合處理多種投入、多種產(chǎn)出的復(fù)雜情景。由于科技產(chǎn)業(yè)的投入產(chǎn)出種類十分多樣，所以本文采用基于松弛項(xiàng)的DEA模型測算中國各地區(qū)的科技投入效率，并采用基于DEA的Malmquist指數(shù)分析各地區(qū)效率變化情況。在以上研究的基礎(chǔ)上，本文采用面板Tobit模型估計(jì)科技投入效率的影響因素。

（二）模型設(shè)計(jì)

1.基于松弛項(xiàng)的效率測度與分解模型

本文采用DEA模型測算各地區(qū)政府科技投入的效率，并采用Malmquist指數(shù)度量和分解各地區(qū)效率的變化情況。DEA模型的基本思路是用分段超平面將有效的生產(chǎn)單元連接起來，構(gòu)成生產(chǎn)前沿面，再用各生產(chǎn)單元到生產(chǎn)前沿面的距離來測度各生產(chǎn)單元的效率。

對生產(chǎn)前沿面的不同假設(shè)會推導(dǎo)出不同的DEA模型：規(guī)模報(bào)酬不變（CRS）假設(shè)下的CCR模型，規(guī)模報(bào)酬可變（VRS）假設(shè)下的BCC模型，規(guī)模報(bào)酬遞增假設(shè)下的IRS模型以及規(guī)模報(bào)酬遞減假設(shè)下的DRS模型等。而從投入產(chǎn)出的視角，又可衍生出投入導(dǎo)向模型（Input Oriented Model）、產(chǎn)出導(dǎo)向模型（Output Oriented Model）以及無導(dǎo)向模型（Non-Oriented Model）。若考慮松弛項(xiàng)對效率的影響，可以衍生出基于松弛項(xiàng)的模型（Slacks-Based Model， SBM）。將以上各種假設(shè)按照實(shí)際需求組合起來，即可得到適用于不同情境的各種DEA分支模型。在政府科技投入效率的研究中，投入與產(chǎn)出變量的種類較多，為了盡可能全面地考察各種因素，并考慮松弛項(xiàng)的影響，本文采用規(guī)模報(bào)酬不變假設(shè)下的松弛項(xiàng)模型（CRS-SBM）來測算各地區(qū)的政府科技投入效率。

假設(shè)有n家DMU（Decision Making Unit），m種投入品，q種產(chǎn)出品，第i個(gè)DMU的投入產(chǎn)出由表示。如果要研究某個(gè)DMU的效率，則關(guān)于此DMU的CRS-SBM可以表示如下：

δ■（x■，y■）=■（1-■■φ■）/（1-■■ψ■） （1）

Subject to

（1-φ■）x■=■λ■x■ （i=1，...，m）

（1-ψ■）x■=■λ■y■ （i=1，...，q）

■λ■≥0 φ ≥0 ψ≥0 λ≥0

其中δ■代表效率函數(shù)，下標(biāo)C標(biāo)志著δ■是規(guī)模報(bào)酬不變假設(shè)下所測算出的效率，而∑λ■≥0是保證生產(chǎn)前沿面規(guī)模報(bào)酬不變的約束條件。SBM模型實(shí)質(zhì)上是一個(gè)分式規(guī)劃問題，它可以通過Charnes-Cooper變換轉(zhuǎn)化為等價(jià)的線性規(guī)劃問題來求解。

上述的效率是在規(guī)模報(bào)酬不變假設(shè)下的測算結(jié)果，如果考慮到不同的規(guī)模報(bào)酬假設(shè)，就可以將效率分解為純效率（PE）與規(guī)模效應(yīng)（SE）的乘積：

TE（x■，y■）=PE（x■，y■）·SE（x■，y■） （2）

這里的TE是指規(guī)模報(bào)酬不變假設(shè)下得到的效率值δ■，PE是指規(guī)模報(bào)酬可變假設(shè)下的效率值δ■1，它衡量了各地區(qū)的科技投入管理水平，而SE是TE與PE之商，衡量了科技投入的規(guī)模經(jīng)濟(jì)程度（即與最優(yōu)規(guī)模的偏離程度），只有當(dāng)科技投入處于最優(yōu)規(guī)模時(shí)，SE才等于1，其余情況下均小于1。

測算出各年度各地區(qū)的科技投入效率之后，本文將用Malmquist指數(shù)衡量效率變化情況。從時(shí)期t到時(shí)期s的基于規(guī)模報(bào)酬不變假設(shè)的Malmquist指數(shù)定義如下：

MI■■=■·■■ （3）

其中δ■■（（x■，y■）■）是指用t時(shí)期的生產(chǎn)前沿面衡量s時(shí)期的投入產(chǎn)出組合（x■，y■）■所得的效率值，其余項(xiàng)以此類推。該指數(shù)可以較為全面地反映省份o從時(shí)期t到時(shí)期s之間的效率變化。

與靜態(tài)效率類似，Malmquist指數(shù)也可分解為若干項(xiàng)的乘積，不同學(xué)者提出過多種不同的分解方式，本文采用F re， Grosskopf， Norris & Zhang（1994）提出的方法：

MI■=EFFCH·TECHCH=PECHV·SECH·TECHCH （4）

總體而言，跨年度的效率變化指數(shù)MI■可以劃分為兩個(gè)部分：第一部分是各地區(qū)相對于生產(chǎn)前沿面的效率變化，第二部分是生產(chǎn)前沿面自身的變化，前者用相對效率變化（EFFCH）表示，后者用技術(shù)變遷（TECHCH）表示。而相對效率變化又可分為兩個(gè)部分：第一是可變規(guī)模報(bào)酬下的純效率變化（PECHV），第二是規(guī)模效應(yīng)變化（SECH）。表1詳盡描述了對技術(shù)效率（TE）和Malmquist指數(shù)的分解，并闡述了政府在各分項(xiàng)的決定機(jī)制中所能發(fā)揮的作用。

2.影響因素分析模型

采用基于松弛項(xiàng)的DEA模型所得出的科技投入效率是一種相對效率，即每一個(gè)省份相對于生產(chǎn)前沿面的效率，構(gòu)成生產(chǎn)前沿面的省份效率為1，其余省份的效率小于1，每個(gè)省份的效率值必然介于0到1之間，屬于截?cái)鄶?shù)據(jù)。本文將采用專門處理截?cái)鄶?shù)據(jù)的面板Tobit模型來對科技投入效率的影響因素進(jìn)行分析：

TE■=α■+X■β+u■ （5）

其中TE■∈[0，1]。

（三）變量選擇與數(shù)據(jù)說明

1.科技投入產(chǎn)出變量選擇

本文將采用2009到2015年7年間的省級面板數(shù)據(jù)測算各地區(qū)政府科技投入效率，并探究其影響因素。科技產(chǎn)業(yè)的投入和產(chǎn)出多種多樣，為了測算出有意義的效率值，必須謹(jǐn)慎選取投入與產(chǎn)出變量?？萍纪度胫饕梢苑譃榭蒲薪?jīng)費(fèi)與科研人員的勞動，前者用各省研究與試驗(yàn)發(fā)展（R&D;）經(jīng)費(fèi)內(nèi)部支出表示，后者用各省R&D;人員全時(shí)當(dāng)量表示，為了突出政府科技投入的作用，本文將R&D;內(nèi)部支出按照資金來源分為政府資金與其他來源資金。

科技產(chǎn)業(yè)的產(chǎn)出主體主要分為三類：企業(yè)、研究與開發(fā)機(jī)構(gòu)和高等院校，科研成果種類繁多，既有能直接產(chǎn)生經(jīng)濟(jì)效益的新產(chǎn)品，也有不直接產(chǎn)生經(jīng)濟(jì)效益，但具備轉(zhuǎn)化出經(jīng)濟(jì)效益潛力的專利和論文，其中專利又可分為三種：發(fā)明專利、實(shí)用新型和外觀設(shè)計(jì)，總體而言，發(fā)明專利含金量更高，更能體現(xiàn)一個(gè)地區(qū)的科技創(chuàng)新實(shí)力。本文最終選定三項(xiàng)指標(biāo)作為科技產(chǎn)出的代表：規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入、發(fā)明專利申請授權(quán)數(shù)、研究機(jī)構(gòu)和高等院校的國外科技論文發(fā)表數(shù)。上述三項(xiàng)產(chǎn)出較為全面地涵蓋了一個(gè)地區(qū)的三種科研主體所取得的研究成果。投入產(chǎn)出變量數(shù)據(jù)可從《中國科技統(tǒng)計(jì)年鑒》獲得，詳見表2。

以往的研究在投入產(chǎn)出變量的選擇上往往有所疏漏，涵蓋不全，有些研究專注于專利申請，忽略了直接創(chuàng)造經(jīng)濟(jì)價(jià)值的企業(yè)新產(chǎn)品銷售，有些研究則忽略了論文發(fā)表，這會嚴(yán)重低估高校與研究機(jī)構(gòu)的科研成果，尤其是低估基礎(chǔ)研究成果。部分研究把專利存量（有效專利數(shù)）作為一種投入變量，但本文認(rèn)為，專利存量不像經(jīng)費(fèi)和勞動力那樣能夠全部投入到當(dāng)期的研發(fā)工作中，而且有效專利數(shù)據(jù)并未考慮折舊的概念，傾向于高估年代久遠(yuǎn)的專利對當(dāng)期研發(fā)的支持作用，因此有效專利數(shù)不適合直接作為投入變量，本文將把專利存量當(dāng)做一種效率影響因素納入到第二部分的模型中。

值得注意的是，專利申請與批準(zhǔn)大約要經(jīng)歷一年的周期，因此本文采用第二年的發(fā)明專利授權(quán)量代表當(dāng)年的專利產(chǎn)出。對規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入采用GDP平減指數(shù)進(jìn)行處理，對R&D;內(nèi)部支出采用R&D;支出價(jià)格指數(shù)處理，以降低通脹影響。

2.效率影響因素模型的變量選擇

本文采用面板Tobit模型探究政府科技投入效率的影響因素，著重探究資金投入強(qiáng)度與資金使用結(jié)構(gòu)的影響，詳見表3。

我們用R&D;內(nèi)部支出中政府資金占比來代表資金來源中政府與市場資金的比例，該變量也與科技投入的市場化程度成反比。投入強(qiáng)度可用R&D;經(jīng)費(fèi)投入強(qiáng)度（R&D;經(jīng)費(fèi)支出與地區(qū)GDP的比值）代表。資金的使用方向按照研究領(lǐng)域可分為三個(gè)部分：基礎(chǔ)研究、應(yīng)用研究與試驗(yàn)發(fā)展；按照執(zhí)行部門可分為三種：企業(yè)、研究與開發(fā)機(jī)構(gòu)和高等院校。因此，本文用基礎(chǔ)研究資金占比和企業(yè)支出資金占比來代表資金的使用結(jié)構(gòu)。此外，本文把專利存量作為控制變量，因?yàn)閷＠媪看砹艘粋€(gè)地區(qū)的科技積累與知識存量，能夠?qū)Ξ?dāng)期的科研提供一定的支持作用。

三、實(shí)證結(jié)果

（一）效率測算與分解

本文用Matlab （R2016b）實(shí)現(xiàn)了基于松弛項(xiàng)的DEA模型。圖2和圖3分別展示了2009年和2015年30個(gè)省級行政區(qū)的科技投入效率。

可以看出，2009年中國科技投入效率的地區(qū)分布呈現(xiàn)明顯的東高西低態(tài)勢，而到了2015年時(shí)，許多西部省份和自治區(qū)，如新疆、甘肅、四川、寧夏、陜西、貴州、廣西等，都有了一定的相對效率改進(jìn)，與東部發(fā)達(dá)省份的差距有所縮小，而中部地區(qū)所有省份的相對效率都有提升?？傮w而言，從2009年到2015年，落后地區(qū)與發(fā)達(dá)地區(qū)的科技投入效率差距明顯縮小，東、中、西部和東北地區(qū)省份的效率變遷詳見圖4。從靜態(tài)效率的分解看，各地區(qū)的效率差異的主要來源是純效率差異，中西部的平均純效率低于東部地區(qū)，但其差距有所縮?。ㄈ鐖D5所示），這說明中西部省份的科技投入結(jié)構(gòu)和資金管理水平正在追趕東部省份。

由于技術(shù)效率（TE）考察的是相對效率，即各省份相對于生產(chǎn)前沿的效率，所以直接對技術(shù)效率進(jìn)行跨年度比較會忽視生產(chǎn)前沿面自身的移動，難以全面衡量每個(gè)省份的效率進(jìn)步程度。為了深入探究各地區(qū)科技投入效率的變化，本文采用Malmquist指數(shù)來衡量各省份的效率變遷。利用式（3），我們既可以分年度考察各省份的效率變化，也可以考察從2009年到2015年這七年間總體的效率變化。圖6展示了各省份從2009到2015年的總體Malmquist指數(shù)及其各分項(xiàng)的情況。

除了天津和吉林的Malmquist指數(shù)略小于1外，全國其他省份的科技投入效率均有所提高。東中西部與東北地區(qū)的平均Malmquist指數(shù)分別為1.40，2.19，2.00和1.48，總體而言，中部和西部省份的效率提升程度高于東部地區(qū)。

從Malmquist指數(shù)三種分項(xiàng)的相對大小來看（詳見表4），近年來科技投入效率提升的最大源頭是技術(shù)進(jìn)步（TECHCH），即生產(chǎn)前沿面的進(jìn)步。在本文研究的30個(gè)省級行政區(qū)中，除了江蘇、安徽、廣西、新疆和吉林五省之外，其余省份的技術(shù)變遷的效果都大于純效率進(jìn)步和規(guī)模效應(yīng)進(jìn)步。而在生產(chǎn)前沿面整體改善的情況下，依然有23個(gè)省份取得了純效率進(jìn)步（PECH≥1），純效率進(jìn)步體現(xiàn)了大部分省份與生產(chǎn)前沿的差距進(jìn)一步縮小，落后省份對先進(jìn)省份的追趕依然強(qiáng)勁，生產(chǎn)前沿的改進(jìn)不僅反映了先進(jìn)省份的效率改善，也帶動了落后地區(qū)的效率改進(jìn)，使得科技投入效率呈現(xiàn)出全國性、整體性的進(jìn)步。而大部分省份的規(guī)模效應(yīng)變化都在1左右，說明全國大部分地區(qū)的科技投入的規(guī)模經(jīng)濟(jì)程度變化不大。

從分年度的Malmquist及其分項(xiàng)看，2012年和2013年的技術(shù)進(jìn)步（TECHCH）產(chǎn)生了較大下滑，TECHCH≥1的省份數(shù)量分別為0個(gè)和14個(gè)，取得效率改進(jìn)（Malmquist≥1）的省份僅分別為6個(gè)和18個(gè)，這與韓鳳芹，趙偉（2015）的實(shí)證發(fā)現(xiàn)相一致。但在2014年之后情況迅速改善，2014年和2015年取得技術(shù)進(jìn)步的省份分別為30個(gè)和21個(gè)，取得效率改進(jìn)的省份分別為27個(gè)和22個(gè)。

（二）科技投入效率的影響因素

本文用面板Tobit模型研究了2009到2015年中國各省級行政區(qū)的科技投入效率與資金投入強(qiáng)度和投入結(jié)構(gòu)的關(guān)系，回歸結(jié)果詳見表5。

資金來源中的政府資金占比對各省的科技投入效率有較為顯著的負(fù)向影響，這說明研發(fā)資金來源的市場化程度與科技投入效率正相關(guān)。此外，政府投入資金占比也從反面衡量了政府科技投入的杠桿效應(yīng)，一般來說，經(jīng)濟(jì)發(fā)達(dá)、技術(shù)實(shí)力較強(qiáng)的地區(qū)市場化程度較高，企業(yè)有較強(qiáng)的財(cái)力和動力進(jìn)行R&D;投入，而對于落后地區(qū)而言，如何培育企業(yè)自身的研發(fā)實(shí)力，提高政府科技投入的杠桿撬動效應(yīng)，形成企業(yè)內(nèi)生的技術(shù)進(jìn)步動力是一個(gè)關(guān)鍵問題，通過產(chǎn)業(yè)政策、稅收政策、信貸政策和人才政策構(gòu)建完善的企業(yè)科技投入激勵(lì)機(jī)制是當(dāng)務(wù)之急。

R&D;投入強(qiáng)度對科技投入效率有顯著的正面影響。從國際比較來看，我國整體的科技投入強(qiáng)度依然與發(fā)達(dá)國家有較大差距。2014年我國R&D;經(jīng)費(fèi)占GDP的比重僅為2.02%，而日本為3.59%，德國為2.90%，韓國為4.29%，中國臺北為3.00%，美國在2013年就達(dá)到了2.74%。我國的科技投入強(qiáng)度仍有較大的提升空間。

基礎(chǔ)研究占R&D;資金使用的比重對科技投入效率有較為顯著的正面影響。基礎(chǔ)研究屬于外溢性較強(qiáng)的研究領(lǐng)域，其產(chǎn)出主要體現(xiàn)為論文發(fā)表等成果，雖然不能直接轉(zhuǎn)化為經(jīng)濟(jì)效益，但這些成果對其他科研領(lǐng)域有著長遠(yuǎn)的帶動效應(yīng)，其作用不應(yīng)被忽視，這也是本文將科技論文發(fā)表作為一種產(chǎn)出變量的原因。

四、結(jié)論與建議

從2009到2015年，中國各地區(qū)科技投入效率有了整體性的提高，尤其是山西、安徽、江西、湖北、陜西、青海、寧夏等中西部省份提升明顯。在前沿地區(qū)（北京、上海、浙江、江蘇、重慶、吉林等）效率提升的同時(shí)，后進(jìn)省份的追趕效應(yīng)更加明顯，其科技投入結(jié)構(gòu)和管理水平與先進(jìn)省份的差距明顯縮小，但東中西部的階梯式分布依然存在。

一個(gè)地區(qū)的科技資金來源的市場化程度、R&D;投入強(qiáng)度和基礎(chǔ)研究資金占比對其科技投入效率均有正面影響。這說明政府在增加科技資金投入的同時(shí)，要完善激勵(lì)機(jī)制，加強(qiáng)政府資金對企業(yè)資金的杠桿帶動作用。對于市場化程度較高、科技企業(yè)實(shí)力雄厚的發(fā)達(dá)地區(qū)，政府可以加大對基礎(chǔ)研究的投入力度，利用基礎(chǔ)研究成果的長期性和外溢性，增強(qiáng)科技進(jìn)步的后勁和對落后地區(qū)的帶動作用，應(yīng)用型研究的投入應(yīng)更多地由企業(yè)承擔(dān)；而對于企業(yè)科技實(shí)力較弱、市場化程度不高的后進(jìn)地區(qū)，政府應(yīng)更加注重有市場前景和直接經(jīng)濟(jì)效益的應(yīng)用研究和商業(yè)研究，著重提高企業(yè)經(jīng)濟(jì)效益，通過更加合理的產(chǎn)業(yè)政策、稅收政策、信貸政策和人才政策，構(gòu)建起完善的科技投入激勵(lì)機(jī)制，培養(yǎng)企業(yè)自身的研發(fā)實(shí)力，提高政府科技投入的杠桿撬動效應(yīng)，逐漸形成企業(yè)內(nèi)生的科技進(jìn)步動力。

參考文獻(xiàn)

[1]Cooper W W， Seiford L M， Zhu J. Data envelopment analysis[J].Handbook on data envelopment analysis，2004：1-39.

[2]Fre R， Grosskopf S， Norris M， et al. Decomposition of productivity growth in industrialized countries into technical

change and change in performance[J].American Economic Review， 1994， 84：66-83.

[3]Guellec D， De La Potterie B P. R&D; and productivity growth[J].OECD Economic studies， 2002， 2001（2）：103-126.

[4]Lee H Y， Park Y T. An international comparison of R&D; efficiency： DEA approach[J]. Asian Journal of Technology

Innovation， 2005，13（2）： 207-222.

[5]鄧向榮，劉乃輝，周密.中國政府科技投入績效的考察報(bào)告——基于國家級六項(xiàng)科技計(jì)劃投入效率與問題的研究[J].經(jīng)濟(jì)與

管理研究，2005，（6）：24-28。

[6]韓鳳芹，趙偉.R&D;中政府投入效率測度及影響因素分析——基于省級面板數(shù)據(jù)的研究[J]. 財(cái)政研究，2015，（11）：75-85。

[7]李盡法.基于SE - DEA的財(cái)政科技投入效率測度實(shí)證研究[J].科技管理研究，2011， （15）：69-71。

[8]童光榮，高杰.中國政府R&D;支出對企業(yè)R&D;支出誘導(dǎo)效應(yīng)及其時(shí)滯分析[J].中國科技論壇， 2004 ，（4）： 97-99。

[9]王元地，潘雄鋒，楊越.中國地方政府科技投入效率的空間外溢效應(yīng)研究[J].中國人口資源與環(huán)境，2013，（12）：125-130。

Abstract：The paper uses provincial panel data from 2009 to 2015 and DEA model based on the relaxation item to measure the efficiency of the investment in science and technology of Chinas 30 province-level administrative regions， and finds that the efficiency of the investment in science and technology in eastern， middle and western areas is roughly a ladder-like distribution， and the catch-up effect of middle and western provinces to eastern provinces is obvious. The analysis on Malmquist index shows that the efficiency of the investment in science and technology of all provinces has improved overall since 2009 thanks to a national improvement of the innovation environment. The analysis on the influencing factors of efficiency of the investment in science and technology shows that the marketization degree of the sources of science and technology capital， R&D; input intensity and the ratio of the basic research funds have a positive impact on the efficiency of the investment in science and technology， which suggests that the government should increase the investment intensity， and at the same time， perfect the incentive mechanism of enterprises investment in science and technology， strengthen the leverage leading role of the government capital to the enterprise capital， attach importance to the cultivation of scientific and technological progress of enterprises endogenous impetus， and the developed provinces can appropriately increase the proportion of basic research funds.

Keywords： efficiency of the investment in science and technology； government R&D; investment； DEA model based on the relaxation item； Malmquist index

責(zé)任編輯、校對：仵永恒