崔志新 陳耀

摘 要？演基于DEA-BCC模型和Malmquist指數(shù)模型，分別測度2006～2016年京津冀和長三角區(qū)域技術協(xié)同創(chuàng)新效率及其演變趨勢，并對其進行對比分析。研究結果顯示：從靜態(tài)演變趨勢來看，2006～2016年京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率平均值處于DEA無效狀態(tài)，區(qū)域內(nèi)部效率變化分異現(xiàn)象明顯，其中京津冀技術協(xié)同創(chuàng)新效率低于長三角地區(qū)，尤其是津冀兩地的效率水平偏低，但這種差距也有逐漸縮小的趨勢;從動態(tài)演變趨勢來看，2006～2016年京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率呈現(xiàn)快速增長的趨勢，總體來看，技術進步是效率提升的重要動力源泉，但在不同階段，部分地區(qū)也出現(xiàn)了技術效率變化對總效率提升的拉動作用顯著。

關鍵詞？演區(qū)域技術創(chuàng)新;協(xié)同創(chuàng)新效率;DEA-BCC模型;DEA-Malmquist指數(shù)模型

[中圖分類號]F127[文獻標識碼] A[文章編號]1673-0461（2019）03-0061-06

一、引 言

技術創(chuàng)新是引領發(fā)展的第一動力，是區(qū)域實現(xiàn)跨越式發(fā)展和可持續(xù)發(fā)展的基本路徑。統(tǒng)計顯示，2016年京津冀和長三角兩個區(qū)域專利申請受理數(shù)分別為35萬件和119.8萬件，兩個區(qū)域的專利總量占到全國的一半，其中，京津冀的專利數(shù)不足長三角地區(qū)的三成。從多主體協(xié)同創(chuàng)新角度，京津冀和長三角兩個區(qū)域多主體合作專利數(shù)分別為4 188件和11 592件，長三角地區(qū)合作專利數(shù)約為京津冀的2.8倍?？梢?，總體上京津冀地區(qū)技術創(chuàng)新水平低于長三角地區(qū)。然而，從區(qū)域創(chuàng)新發(fā)展均衡性來看，長三角地區(qū)技術創(chuàng)新能力及創(chuàng)新單元分布相對均衡，但京津冀地區(qū)技術創(chuàng)新能力存在明顯的極化現(xiàn)象和梯度差異，這也為京津冀區(qū)域技術協(xié)同創(chuàng)新創(chuàng)造了發(fā)展機遇。在這些創(chuàng)新發(fā)展背景下，隨著區(qū)域創(chuàng)新發(fā)展上升為國家戰(zhàn)略以來，區(qū)域技術協(xié)同創(chuàng)新發(fā)展步伐加快，探討區(qū)域內(nèi)主體之間協(xié)同創(chuàng)新行為，以及未來應該如何改善主體創(chuàng)新要素使得區(qū)域技術協(xié)同創(chuàng)新和發(fā)展更加合理高效成為熱點話題。

學術界有關區(qū)域技術創(chuàng)新及協(xié)同創(chuàng)新效率的研究：呂榮杰，張冰冰，張義明（2018）[1]以2013～2015年北京技術輸出到國內(nèi)其他30個省份為研究對象，對北京跨區(qū)域技術轉移效率的系統(tǒng)性影響研究。董登珍，林曉霞，龔明（2018）[2]通過構建以研發(fā)資本存量作為創(chuàng)新投入變量建立省級區(qū)域技術創(chuàng)新指標體系，運用數(shù)據(jù)包絡分析方法對我國30個省級區(qū)域2004～2015年的技術創(chuàng)新效率進行測算與比較分析，研究結果表明：考慮研發(fā)資本存量后，可以顯著考察到前期的研發(fā)資本投入對當期的技術創(chuàng)新活動的影響。劉漢初，樊杰，周侃（2018）[3]利用阿爾蒙法分布滯后模型引入科技創(chuàng)新的滯后效應，并采用可變規(guī)模報酬VRS模型，評估中國30個省域單元的科技創(chuàng)新有效的累計投入規(guī)模和創(chuàng)新效率，結果表明：中國科技創(chuàng)新投入規(guī)模呈現(xiàn)出“沿海—內(nèi)陸”的極大差距，區(qū)域間科技創(chuàng)新投入差距已經(jīng)大于經(jīng)濟發(fā)展水平的差距;科技創(chuàng)新效率的空間分異明顯，高效率單元集中在北京、天津、上海、浙江、廣東等發(fā)達省份，科技創(chuàng)新效率在區(qū)域層面上總體呈現(xiàn)由東向西梯度遞減規(guī)律。Kuhlmarm（2004）[4]基于制度層面提出，區(qū)域協(xié)同創(chuàng)新體系應包括區(qū)域內(nèi)的行政系統(tǒng)、企業(yè)系統(tǒng)、教育系統(tǒng)、研究系統(tǒng)以及創(chuàng)新環(huán)境5個要素。Sun & Cao（2015）[5]構建區(qū)域創(chuàng)新框架，將區(qū)域協(xié)同創(chuàng)新分解為區(qū)域內(nèi)部的和區(qū)域之間兩種協(xié)同類型，采用二維度象限分析框架分析區(qū)域研究協(xié)同。吳傳清，黃磊，文傳浩（2017）[6]運用DEA-Malmquist指數(shù)和面板Tobit模型對2008～2014年長江經(jīng)濟帶技術創(chuàng)新效率進行了測度及影響因素分析，研究發(fā)現(xiàn)：長江經(jīng)濟帶技術創(chuàng)新效率呈上升趨勢，但仍有部分省市創(chuàng)新資源配置不合理未能實現(xiàn)DEA有效;上中下游地區(qū)技術創(chuàng)新效率分異顯著，呈典型“V型”分布，上下游地區(qū)較高而中游地區(qū)較低。邵漢華，鐘琪（2018）[7]利用SBM-DEA模型測算了2001～2015年我國30個省的協(xié)同創(chuàng)新效率，通過構建空間計量模型和門檻面板模型，實證檢驗了研發(fā)要素流動對協(xié)同創(chuàng)新效率的影響及其中的非線性調(diào)節(jié)作用，研究發(fā)現(xiàn)：各區(qū)域協(xié)同創(chuàng)新效率整體明顯提高，并趨向于均衡發(fā)展，但存在一些省份在高水平聚攏和低水平集聚。陳懷超等（2018）[8]采用Malmquist指數(shù)對中部6省產(chǎn)學研創(chuàng)新效率進行評價，研究發(fā)現(xiàn)，河南、安徽和湖南地區(qū)產(chǎn)學研三大主體創(chuàng)新效率均得到提升，湖北、江西和山西三大主體創(chuàng)新效率并未全部得到提升。魏國江（2018）[9]通過建立空間計量模型，測算我國產(chǎn)學研不同主體主導的協(xié)同創(chuàng)新效率發(fā)現(xiàn)，各主體創(chuàng)新更多依靠自主研發(fā)，對外部經(jīng)費投入的創(chuàng)新效率均較低;高校在協(xié)同創(chuàng)新中作用最弱，研究機構效果最佳;企業(yè)協(xié)同創(chuàng)新的空間擴散能力最差，高校在三者中距離擴散最遠。

總體上，學術界大多數(shù)研究成果是對區(qū)域技術創(chuàng)新的研究，而關于區(qū)域技術協(xié)同創(chuàng)新的研究更多是傾向于企業(yè)、高校、研究機構等多主體協(xié)同創(chuàng)新行為的理論分析，未能闡述區(qū)域技術協(xié)同創(chuàng)新效率及其及其演變特征。本文借鑒現(xiàn)有研究成果，選取占據(jù)我國創(chuàng)新近半水平的京津冀和長三角兩個區(qū)域，采用DEA-BCC模型和DEA-Malmquist指數(shù)模型，從靜態(tài)和動態(tài)兩個層面探討京津冀和長三角兩個區(qū)域技術協(xié)同創(chuàng)新效率及其演變特征。

二、研究方法

（一）DEA-BCC模型

本文采用的是規(guī)模報酬可變BCC模型。具體計算過程如下：

假設有n個決策單元，每個決策單元都有m種的投入變量x1j，x2j，…，xmj和s種的產(chǎn)出變量y1j，y2j，…，ysj，且=1滿足的約束條件，其中λj≥0，j=1，2，...，n。具體模型如下：

通過該模型可以計算出區(qū)域技術協(xié)同創(chuàng)新的靜態(tài)效率，可分解成技術協(xié)同創(chuàng)新純技術效率和規(guī)模效率，其中，綜合效率=純技術效率×規(guī)模效率。

（二）DEA-Malmquist指數(shù)模型

為了更好地研究區(qū)域技術協(xié)同創(chuàng)新的效率，本文采用了Malmquist指數(shù)來研究區(qū)域技術協(xié)同創(chuàng)新隨時間推移而產(chǎn)生的動態(tài)變化。Malmquist指數(shù)可以分解為技術效率和技術進步兩個指數(shù)，其中技術效率指數(shù)還可以進一步分解為純技術效率和規(guī)模效率兩個指數(shù)。Malmquist指數(shù)模型如下：

其中，y為區(qū)域技術協(xié)同創(chuàng)新產(chǎn)出，x為區(qū)域技術協(xié)同創(chuàng)新投入，d為距離函數(shù)，t和t+1代表時期。當指數(shù)大于1表示相應效率的改進，而小于1則表示相應效率退步。

三、效率測評實證分析

（一）指標選擇及數(shù)據(jù)來源

區(qū)域技術協(xié)同創(chuàng)新效率主要是基于要素投入和成果產(chǎn)出的研究思想來測算的。在要素投入方面，選取每萬人口擁有大學畢業(yè)生數(shù)、普通高等學校/機構數(shù)量、規(guī)上工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費與銷售收入之比、規(guī)上工業(yè)企業(yè)有R&D活動的企業(yè)數(shù)占比和全社會R&D投入強度等作為投入指標;在成果產(chǎn)出方面，選取高校、企業(yè)、研究機構等多主體合作的專利數(shù)量作為產(chǎn)出指標。本文重點研究了2005～2016年京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率，其中以2005年為基準年，文中所利用的數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》、京津冀和長三角各省市的統(tǒng)計年鑒、國家知識產(chǎn)權局專利檢索數(shù)據(jù)等。

（二）京津冀和長三角技術協(xié)同創(chuàng)新效率評價

1.靜態(tài)效率結果分析

依據(jù)投入導向型BCC模型，利用DEAP2.1軟件測算出2006～2016年京津冀和長三角區(qū)域技術協(xié)同創(chuàng)新靜態(tài)效率（綜合效率），具體結果如表1所示。

（1）區(qū)域層面。從橫向比較來看，京津冀和長三角兩個區(qū)域整體的效率水平均處于DEA無效狀態(tài)，但長三角的技術協(xié)同創(chuàng)新效率平均值為0.846，尤其是2016年達到0.961，接近DEA有效狀態(tài)，遠高于京津冀的效率水平，約為京津冀的2倍。從縱向比較來看，盡管2006～2016年京津冀和長三角各省市的技術協(xié)同創(chuàng)新效率平均值均小于1，但總體上呈上升的態(tài)勢，尤其是2013年以來上升趨勢明顯，說明在京津冀協(xié)同發(fā)展戰(zhàn)略、長江經(jīng)濟帶戰(zhàn)略和創(chuàng)新驅動發(fā)展戰(zhàn)略的深入布局下，大力推進區(qū)域創(chuàng)新資源有效配置，區(qū)域內(nèi)主體間協(xié)同創(chuàng)新取得一定進展，但由于區(qū)域創(chuàng)新資源發(fā)展不平衡不充分問題依然突出，致使京津冀和長三角各省市的技術協(xié)同創(chuàng)新效率仍處于DEA無效的狀態(tài)，區(qū)域技術協(xié)同創(chuàng)新效率仍有待提升。

（2）省市層面。從橫向比較來看，北京、上海、江蘇、浙江4個省市的技術協(xié)同創(chuàng)新效率平均值大于0.9，接近達到DEA有效的狀態(tài)，說明這些地區(qū)借助研發(fā)投入的驅動，充分利用知識型人力資本、企業(yè)及科研院所的創(chuàng)新資源，促使區(qū)域技術協(xié)同創(chuàng)新效率保持較高的水平;安徽的技術協(xié)同創(chuàng)新效率平均值為0.506，而2016年的效率值達到0.926，接近DEA有效的狀態(tài)，表現(xiàn)出從DEA無效向DEA有效快速過渡的狀態(tài);天津和河北兩個省市的技術協(xié)同創(chuàng)新效率的平均值表現(xiàn)出DEA無效的狀態(tài)，主要是因為這些省市的創(chuàng)新資源不足、創(chuàng)新能力不強，企業(yè)與研究院所等主體的技術需求與供給不匹配，故造成了這些地區(qū)的創(chuàng)新資源配置效率偏低，區(qū)域內(nèi)主體間協(xié)同意愿不高。從縱向比較來看，北京和浙江的技術協(xié)同創(chuàng)新效率，除個別年份稍低之外總體上處于DEA有效的狀態(tài);天津、江蘇和安徽3省市的技術協(xié)同創(chuàng)新效率呈上升態(tài)勢，其中天津的技術協(xié)同創(chuàng)新效率處于DEA無效狀態(tài)，而江蘇從2009年開始達到了DEA有效的狀態(tài)，安徽從2015年開始也臨近DEA有效的狀態(tài);河北的技術協(xié)同創(chuàng)新效率呈波動發(fā)展態(tài)勢，處于DEA無效狀態(tài);上海的技術協(xié)同創(chuàng)新效率呈先下降后上升態(tài)勢，前期表現(xiàn)出從DEA有效向DEA無效變化，但到2016年出現(xiàn)臨近DEA有效的狀態(tài)。

2.動態(tài)效率結果分析

依據(jù)投入導向型Malmquist指數(shù)模型，利用DEAP2.1軟件測算出2006～2016年京津冀和長三角區(qū)域技術協(xié)同創(chuàng)新動態(tài)效率（Malmquist效率指數(shù)），及2006～2010年、2010～2013年、2013～2016年三個階段的區(qū)域技術協(xié)同創(chuàng)新動態(tài)效率，具體結果如表2所示。

（1）區(qū)域層面。2006～2016年京津冀和長三角技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值均大于1，且京津冀技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值低于長三角的指數(shù)值，約低0.077;京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新要素生產(chǎn)率分別提升了25.1%和32.8%;這些說明京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率整體處于上升趨勢，一定程度上反映了兩個區(qū)域的創(chuàng)新效率有明顯改善。對Malmquist效率指數(shù)進一步分解發(fā)現(xiàn)，技術進步是促使區(qū)域技術協(xié)同創(chuàng)新要素生產(chǎn)率提升的主要因素，而純技術效率指數(shù)值始終處于1，故總體上技術效率的提升主要是由規(guī)模效率提升的帶動。

分階段來看，在2006～2010年、2010～2013年、2013～2016年三個時間段內(nèi)京津冀和長三角技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值均大于1，技術協(xié)同創(chuàng)新要素生產(chǎn)率在三個時間段內(nèi)分別提升了41.2%、30.4%和11.6%，其中，在2006～2010年和2010～2013年兩個時間段內(nèi)，京津冀技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值低于長三角的指數(shù)值，分別約低0.141和0.135，而在2013～2016年時段內(nèi)京津冀技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值則高于長三角的指數(shù)值，約高0.009。對Malmquist效率指數(shù)進一步分解發(fā)現(xiàn)，技術進步是促使區(qū)域技術協(xié)同創(chuàng)新要素生產(chǎn)率提升的主要因素，尤其是在2013～2016年時段內(nèi)京津冀的技術進步指數(shù)明顯比長三角區(qū)域高，說明自京津冀協(xié)同發(fā)展戰(zhàn)略實施以來，京津冀技術協(xié)同創(chuàng)新效率取得了顯著改進;純技術效率指數(shù)值始終處于1，說明相應的效率沒有得到改進;而促使三個時間段內(nèi)技術效率的提升主要是由規(guī)模效率提升的帶動。

（2）省市層面。2006～2016年京津冀和長三角各省市的技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值均大于1，即各省市的技術協(xié)同創(chuàng)新效率出現(xiàn)增長;其中，安徽的技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值最高，即安徽的技術協(xié)同創(chuàng)新效率增長最快，達到49.9%;相比，北京的技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值最低，但也增長了17%。參照Malmquist效率指數(shù)分解結果，分析技術進步是促進各省市技術協(xié)同創(chuàng)新效率變化的主導因素，特別是增長最快的安徽，其技術進步每年增長24.2%，而增長相對較慢的北京每年也增長了17%;技術效率變化屬于輔助推動要素，總體來看，除上海的技術效率指數(shù)值為0.999之外，各省市的技術效率指數(shù)值均大于1，對技術效率進一步分解發(fā)現(xiàn)，各省市的技術效率指數(shù)值均為1，而引起技術效率的變化主要是規(guī)模效率變化所引起的，其中，安徽的規(guī)模效率變化最大，每年增長了20.8%，而上海的規(guī)模效率每年降低了0.1%，除此之外的各省市規(guī)模效率也均出現(xiàn)不同程度的提升。

分階段來看，在2006～2010年、2010～2013年、2013～2016年三個時間段內(nèi)京津冀和長三角兩區(qū)域各省市的技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值均大于1，總體上各省市的技術協(xié)同創(chuàng)新效率處于上升的狀態(tài)。

在2006～2010年時間段內(nèi)，各省市技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值從大到小依次為安徽、河北、江蘇、浙江、天津、上海和北京，其中安徽較北京和上海分別高0.768和0.715，分別約為北京和上海的1.6倍和1.5倍，說明地區(qū)技術協(xié)同創(chuàng)新效率增長速度呈現(xiàn)區(qū)域創(chuàng)新分異化趨勢，一定程度上也反映了地區(qū)技術創(chuàng)新的不平衡不充分問題得到緩解。Malmquist效率指數(shù)分解結果顯示，在北京、天津、上海、江蘇和浙江地區(qū)，技術進步是驅動地區(qū)技術協(xié)同創(chuàng)新效率提升的主導因素，而技術效率變化也對地區(qū)技術協(xié)同創(chuàng)新效率提升起到了輔助作用;在河北和安徽地區(qū)，技術效率的變化是驅動地區(qū)技術協(xié)同創(chuàng)新效率提升的主導因素，而技術進步則發(fā)揮輔助作用。對技術效率進一步分解發(fā)現(xiàn)，北京、上海的技術效率指數(shù)值均是1，說明兩地的技術協(xié)同創(chuàng)新效率提升主要是由于技術進步的變化推動的;江蘇的純技術效率指數(shù)為1.001，規(guī)模效率指數(shù)為1.093，兩者均在技術效率提升中發(fā)揮了作用;而天津、河北、浙江和安徽的純技術效率變化均為1，技術效率提升主要依靠規(guī)模效率變化來拉動的。

在2010～2013年時間段內(nèi)，各省市技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值從大到小依次為安徽、江蘇、浙江、天津、北京、上海和河北，其中安徽較河北高0.321，約為其1.3倍。Malmquist效率指數(shù)分解結果顯示，盡管技術進步是驅動地區(qū)技術協(xié)同創(chuàng)新效率提升的主導因素，但除了北京和上海之外，各省市的技術效率變化也發(fā)揮了重要的作用，對這些地區(qū)的技術效率進一步分解發(fā)現(xiàn)，規(guī)模效率變化是拉動技術效率提升的重要要素。

在2013～2016年時間段內(nèi)，各省市技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值從大到小依次為天津、北京、浙江、上海、江蘇、安徽和河北，其中天津較河北高0.19，各省市的技術協(xié)同創(chuàng)新效率增長速度較2006～2010年和2010～2013年兩個時間段內(nèi)的地區(qū)創(chuàng)新分異化趨勢有所放緩，但區(qū)域分異化態(tài)勢依然存在。Malmquist效率指數(shù)分解結果顯示，安徽技術協(xié)同創(chuàng)新效率提升是由技術效率變化推動的，每年增長12.4%;而其余各省市的技術協(xié)同創(chuàng)新效率提升是則由技術進步推動的，其中天津和上海規(guī)模效率的變化也是推動技術協(xié)同創(chuàng)新效率提升的重要因素，對其技術效率進一步分解發(fā)現(xiàn)，這兩地的規(guī)模效率變化作用顯著，每年分別增長7.8%和2.8%。

綜上可知，京津冀和長三角兩區(qū)域各省市的技術協(xié)同創(chuàng)新效率呈現(xiàn)快速增長趨勢，總體來看，技術進步是效率提升的重要動力源泉，但在不同階段，部分地區(qū)也出現(xiàn)了技術效率變化對總效率提升的拉動作用顯著，同時，盡管區(qū)域的創(chuàng)新分異現(xiàn)象明顯，但在一定程度上隨著技術創(chuàng)新快速提升的同時，創(chuàng)新要素配置效率也在不斷改進。

四、結論與建議

（一）主要結論

本文通過構建區(qū)域技術協(xié)同創(chuàng)新投入和產(chǎn)出指標體系，利用DEA-BCC模型和Malmquist指數(shù)模型分別測算出了2006～2016年京津冀和長三角兩區(qū)域技術協(xié)同創(chuàng)新效率靜態(tài)演變趨勢和動態(tài)演變趨勢。

從靜態(tài)演變趨勢來看，2006～2016年兩個區(qū)域的技術協(xié)同創(chuàng)新效率均處于DEA無效狀態(tài)，其中京津冀技術協(xié)同創(chuàng)新效率低于長三角地區(qū)，但這種差距呈現(xiàn)縮小的趨勢。在各省市方面，地區(qū)技術協(xié)同創(chuàng)新效率發(fā)展趨勢中，長三角地區(qū)的技術協(xié)同創(chuàng)新效率相比更接近DEA有效狀態(tài)，其中，江蘇和浙江已達到DEA有效狀態(tài)，而上海和安徽接近DEA有效狀態(tài);京津冀地區(qū)僅北京的效率自2013年開始達到DEA有效狀態(tài)，而天津和河北的仍處于DEA無效狀態(tài)。

從動態(tài)演變趨勢來看，2006～2016年京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率呈現(xiàn)快速增長的趨勢，其中京津冀技術協(xié)同創(chuàng)新Malmquist效率指數(shù)值低于長三角地區(qū)，從增長動力方面來看，技術進步是主要因素，規(guī)模效率改變是輔助因素。在2006～2010年、2010～2013年、2013～2016年三個時間段內(nèi)，2013～2016年京津冀繼續(xù)協(xié)同創(chuàng)新效率增速出現(xiàn)快于長三角地區(qū)的趨勢，兩個區(qū)域的技術協(xié)同創(chuàng)新效率差距有所縮小。在各省市方面，總體上各省市的技術協(xié)同創(chuàng)新效率均呈現(xiàn)上升的趨勢，其中，安徽的技術協(xié)同創(chuàng)新效率增速最快，且在2006～2010年期間處于增速最快階段，而盡管北京的技術協(xié)同創(chuàng)新效率增速相比較慢，但在2013～2016年期間增速得到明顯提升，增長了15.3%?？傮w上，各省市的技術協(xié)同創(chuàng)新要素生產(chǎn)效率變動是由技術進步有效變動造成的，但同時規(guī)模效率變動也是另一個重要因素。

（二）建議

第一，加速高質量基礎平臺建設，充分引導區(qū)域技術創(chuàng)新要素有效流動。研究結果顯示：京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率盡管處于上升的趨勢，但區(qū)域技術協(xié)同創(chuàng)新效率差異顯著，區(qū)域創(chuàng)新要素不平衡不充分問題突出，恰恰加速區(qū)域技術創(chuàng)新要素實現(xiàn)高效流動是解決這種突出問題突破口。引進培育高水平、國際化的基礎研究機構，作為區(qū)域創(chuàng)新與可持續(xù)發(fā)展的重要支撐;加大財稅金融政策扶持，設立技術協(xié)同創(chuàng)新專項發(fā)展資金，運用風險補償?shù)却胧袃?yōu)勢創(chuàng)新資源，加快推進科技攻關，著力引導區(qū)域內(nèi)創(chuàng)新資源要素合理配置。

第二，完善技術創(chuàng)新市場體系，為創(chuàng)新主體營造更為良好的知識產(chǎn)權保護環(huán)境。研究結果顯示：京津冀和長三角兩個區(qū)域的技術協(xié)同創(chuàng)新效率處于DEA無效狀態(tài)，需要進一步提升技術創(chuàng)新要素生產(chǎn)率和管理效益。加強技術創(chuàng)新市場監(jiān)管，充分利用市場化的力量提升區(qū)域技術水平和協(xié)同創(chuàng)新效率，推動技術創(chuàng)新成果轉化;加強知識產(chǎn)權保護力度，激發(fā)技術創(chuàng)新市場主體的活力，探索多主體知識產(chǎn)權共贏機制。

第三，建立區(qū)域科技創(chuàng)新資源共享機制，實現(xiàn)跨區(qū)域、跨主體多層級交互。研究結果顯示，京津冀和長三角兩個區(qū)域的創(chuàng)新要素資源協(xié)同配置和利用水平仍有待進一步提升。可以充分借鑒如深圳市建立的科技資源共享機制，利用科技管理信息系統(tǒng)，實現(xiàn)大中型科研儀器設備向社會開放共享;建設一批開放式的重大科技設施、創(chuàng)新載體和服務平臺，其中政府建設的科技基礎設施，以及利用財政資金購置的重大科學儀器設備成本價開放，企業(yè)、科研機構等其自有科研設施鼓勵資源開放共享。

收稿日期：2018-12-03

網(wǎng)絡出版網(wǎng)址：http：//kns.cnki.net/kcms/detail/13.1356.F.20181212.1636.002.html 網(wǎng)絡出版時間：2018-12-14 ?08：51：56

基金項目：中國博士后科學基金面上資助項目《京津冀區(qū)域技術創(chuàng)新協(xié)同度測評及其提升要素研究》（2017M621007）;中國社會科學院京津冀協(xié)同發(fā)展智庫課題《京津冀協(xié)同發(fā)展指數(shù)跟蹤評價研究》（2018G07）;國家社會科學基金一般項目《京津冀協(xié)同發(fā)展的階段效果評價研究》（18BGL273）。

作者簡介：崔志新（1985-），女，滿族，河北秦皇島人，管理學博士，中國社會科學院工業(yè)經(jīng)濟研究所博士后、京津冀協(xié)同發(fā)展智庫研究人員，研究方向為區(qū)域經(jīng)濟、企業(yè)管理;陳耀（1958-），男，中國社會科學院工業(yè)經(jīng)濟研究所研究員、博士生導師，中國區(qū)域經(jīng)濟學會副理事長兼秘書長，研究方向為區(qū)域經(jīng)濟、產(chǎn)業(yè)經(jīng)濟。

[1] 呂榮杰，張冰冰，張義明. 跨區(qū)域技術轉移效率前因組態(tài)研究[J]. 科學學研究，2018，36（11）：1986-1994.

[2] 董登珍，林曉霞，龔明. 湖北省技術創(chuàng)新效率評價——基于研發(fā)資本存量角度[J]. 科技管理研究，2018（16）：81-87.

[3] 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.

[4] KUHLMARM S. Euronpean/German Effects and Policy Evaluation in Regional Innovation[C]// International workshop on comprehensive review of S&T basic plans in Japan： Towards the effective benchmarking of intergrated S&T policy. Tokyo： NISTEP， 2004： 1-25.

[5] SUN YUTAO， CAO CONG. Intra-and inter-regional research collaboration across organizational boundaries： evolving patterns in China[J]. Technological forecasting & social change， 2015， 96： 215-231.

[6] 吳傳清，黃磊，文傳浩. 長江經(jīng)濟帶技術創(chuàng)新效率及其影響因素研究[J]. 中國軟科學，2017（5）：160-170.

[7] 邵漢華，鐘琪. 研發(fā)要素空間流動與區(qū)域協(xié)同創(chuàng)新效率[J]. 軟科學，2018，32（11）：120-129.

[8] 陳懷超，張晶，費玉婷，范建紅. 中部六省產(chǎn)學研創(chuàng)新效率對省域創(chuàng)新的影響——基于Malmquist指數(shù)與灰色關聯(lián)度的分析[J]. 科技進步與對策，2018，35（20）：137-143.

[9] 魏國江. 產(chǎn)學研協(xié)同創(chuàng)新效率與空間擴散能力——不同主體主導的影響差異[J]. 產(chǎn)業(yè)經(jīng)濟評論，2018（9）：37-49.