李文輝，江涌芝，何秋銳，陳忠暖

(華南師范大學(xué) a.地理科學(xué)學(xué)院；b.公共管理學(xué)院，廣東 廣州 510631)

一、研究背景與思路

國內(nèi)外學(xué)者對科技創(chuàng)新能力的研究是從探討其評價指標(biāo)體系開始的，直到1972年美國第一份《科學(xué)指標(biāo)》出版，才標(biāo)志著科技創(chuàng)新能力評價指標(biāo)體系的誕生。隨后，隨著計算機技術(shù)的發(fā)展和信息技術(shù)的普及，學(xué)者從評價指標(biāo)體系、評價方法、評價原則、影響因素等方面進行了大量研究，特定區(qū)域以及區(qū)域間科技創(chuàng)新能力的評價也引起了學(xué)者的廣泛關(guān)注[1-6]。

與此同時，科技創(chuàng)新效率問題也漸漸成為研究熱點。Farrell在1957年提出了效率評價的具體意義和概念，對實際生產(chǎn)單位投入產(chǎn)出的數(shù)據(jù)進行分析，評價不同生產(chǎn)步驟的技術(shù)效率。1975年，Rhodes等人基于分段線性函數(shù)的基礎(chǔ)，引入了DEA方法對效率進行測算。經(jīng)過多年的探索，美國國會于1993年通過了《政府績效與結(jié)果法案》，效率評價的概念、制度和范圍首次以法律形式得到了明確。同樣，學(xué)者們對科技創(chuàng)新效率評價指標(biāo)、評價方法、影響要素，以及區(qū)域創(chuàng)新效率等問題開展了大量研究[7-9]。

約瑟夫·熊彼特于1912年出版其著作《經(jīng)濟發(fā)展理論》，提出“創(chuàng)新”的概念，首次明確地將經(jīng)濟發(fā)展與創(chuàng)新結(jié)合起來，認(rèn)為只有當(dāng)它應(yīng)用于經(jīng)濟活動并產(chǎn)生利益的時候才稱得上是創(chuàng)新，即創(chuàng)新具有經(jīng)濟性的特征[10]。測定科技進步對經(jīng)濟增長的作用，成了科技進步分析工作的重要任務(wù)之一，眾多學(xué)者開始研究經(jīng)濟增長中是否有技術(shù)進步、技術(shù)進步對經(jīng)濟增長的貢獻度等問題[11-12]。

發(fā)展經(jīng)濟學(xué)認(rèn)為，經(jīng)濟增長的主要源泉是科技創(chuàng)新，而科技創(chuàng)新能力與效率共同決定了科技創(chuàng)新的質(zhì)與量，它們通過促進生產(chǎn)關(guān)系調(diào)整和經(jīng)濟結(jié)構(gòu)變化，推動區(qū)域經(jīng)濟的發(fā)展和社會的進步[13]。高校作為科技創(chuàng)新、人才培養(yǎng)的主要基地，是推動科技進步與創(chuàng)新、促進經(jīng)濟發(fā)展的動力源泉和貢獻主體[14]。高校創(chuàng)新能力和效率的提高與國民經(jīng)濟的健康快速發(fā)展之間具有重要聯(lián)系[15]。學(xué)界對高?？萍紕?chuàng)新能力、效率、經(jīng)濟貢獻率某一維度問題的研究，取得了豐碩成果和廣泛共識，并在此基礎(chǔ)上把某兩個維度進行結(jié)合探討[16-19]。已有評價研究中，對科技創(chuàng)新服務(wù)人才培養(yǎng)、國際化等創(chuàng)新輻射方面的重視不夠，把三個維度問題結(jié)合在一起進行綜合分析的研究尚未出現(xiàn)?？梢?，高?？萍紕?chuàng)新能力、效率、經(jīng)濟貢獻率的綜合評價研究，是一個尚未形成一致認(rèn)識的難題。

基于此，本研究從科技創(chuàng)新能力、科技創(chuàng)新效率、科技創(chuàng)新經(jīng)濟貢獻率三個維度，以2004—2016年有關(guān)數(shù)據(jù)為依據(jù)，綜合評價中國高校的發(fā)展?fàn)顩r，以期為高校實施供給側(cè)結(jié)構(gòu)性改革、“雙一流”建設(shè)和國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略等提供參考。需要說明的是，研究數(shù)據(jù)截至2016年，這是目前能搜集到的最新數(shù)據(jù)，研究中的“省域”是指中國行政規(guī)劃中的省份，“省域高?！睘榻逃砍霭娴摹陡叩葘W(xué)?？萍冀y(tǒng)計資料匯編》中某個省份地域內(nèi)的全部高等學(xué)校。為確保評價數(shù)據(jù)前后的一致性和相關(guān)性，三個維度評價指標(biāo)涉及的數(shù)據(jù)均采用同一出處、同一口徑，評價科技創(chuàng)新效率和經(jīng)濟貢獻率的指標(biāo)，同時也是科技創(chuàng)新能力的指標(biāo)。涉及經(jīng)費指標(biāo)用價格指數(shù)進行可比化平減[20]。

科技創(chuàng)新能力評價數(shù)據(jù)來源是：(1)2004—2016年全國科技經(jīng)費投入統(tǒng)計公報(http://www.most.gov.cn/kjtj/)；(2)中國科技統(tǒng)計年鑒(2005-2017)[21]；(3)高等學(xué)?？萍冀y(tǒng)計資料匯編(2005—2017年)(http://www.moe.gov.cn/s78/A16/A16_tjdc/)；(4)“全省對創(chuàng)新的重視程度”一項由項目團隊根據(jù)各省份每年政府工作報告整理。科技創(chuàng)新效率評價數(shù)據(jù)來源是：高等學(xué)?？萍冀y(tǒng)計資料匯編(2005—2017年)?？萍紕?chuàng)新經(jīng)濟貢獻率評價數(shù)據(jù)來源是：(1)中國科技統(tǒng)計年鑒(2005—2017)；(2)高等學(xué)?？萍冀y(tǒng)計資料匯編(2005—2017年)；(3)國民經(jīng)濟和社會發(fā)展統(tǒng)計公報(http://www.stats.gov.cn/tjsj/tjgb/ndtjgb/)。根據(jù)數(shù)據(jù)科學(xué)性和可得性要求，青海、寧夏、西藏3個省份和港澳臺地區(qū)未作評價。

二、科技創(chuàng)新能力分析

(一)評價指標(biāo)體系

根據(jù)高校科技創(chuàng)新能力的內(nèi)涵特點，以及評價的科學(xué)性、可比性、系統(tǒng)性、可行性等原則要求[5,22]，項目團隊通過專家咨詢和指標(biāo)測算，確定表1為高?？萍紕?chuàng)新能力評價指標(biāo)體系。

表1 高?？萍紕?chuàng)新能力評價指標(biāo)體系

(二)實證分析

借助SPSS22．0統(tǒng)計工具，采用主成分分析法進行評價。主要理論步驟包括五步[23-24]。

1．對指標(biāo)的原始數(shù)據(jù)無量綱化

設(shè)有n個樣本，p項指標(biāo)，可得數(shù)據(jù)矩陣X=(Xij)nxp，i=1,2,…，n表示n個樣本，j=1,2,…，p表示p個指標(biāo)，Xij表示第i個樣本的第j項指標(biāo)值。用Z-score法對數(shù)據(jù)進行標(biāo)準(zhǔn)化變換，得出：

Zij=(xij-xj)/Sj。

2．計算其相關(guān)系數(shù)矩陣

R=(rjk)pXp，j=1,2,…,p，k=1,2,…,p，rjk為指標(biāo)j與指標(biāo)k的相關(guān)系數(shù)。

有rii=1，rjk=rkj，i=1,2…,n，j=1,2…,p，k=1,2,…，p。

3．求出各特征向量

由特征方程|λIp-R|=0，可求得p個特征根λg(g=1,2,…,p)，λ1將其按大小順序排列為λ1≥λ2≥…≥λp≥0，它是主成分的方差，它的大小描述了各個主成分在描述被評價對象上所起作用的大小。由特征方程，每一個特征根對應(yīng)一個特征向量Lg(Lg=lg1,lg2,…,lgp)，g=1,2,…,p。

將標(biāo)準(zhǔn)化后的指標(biāo)變量轉(zhuǎn)換為主成分：

Fg=lg1Z1+lg2Z2+…+lgpZp(g=1,2,…,p)。

F1稱為第一主成分，F(xiàn)2稱為第二主成分，…，F(xiàn)p稱為第p主成分。

4．根據(jù)因子累積方差貢獻率選出主成分

一般主成分個數(shù)等于原始指標(biāo)個數(shù)，如果原始指標(biāo)個數(shù)較多，進行綜合評價時就比較麻煩。主成分分析法就是選取盡量少的k個主成分(k

5．以各主成分的方差貢獻率為權(quán)數(shù)，將所選取的主成分進行綜合評價

根據(jù)以上步驟，分別對二級指標(biāo)和一級指標(biāo)進行主成分分析。在此，僅以創(chuàng)新投入能力(設(shè)為A)二級指標(biāo)為例進行推演說明。

對創(chuàng)新投入能力二級指標(biāo)的6個三級指標(biāo)(設(shè)為A1，A2，…，A6)的原始數(shù)據(jù)進行標(biāo)準(zhǔn)化，并計算特征值、貢獻率和累積貢獻率，確定如表2所示的主成分情況。

從表2可以看出，前2個主成分的累積貢獻率達(dá)到了84.803%，說明這3個主成分所包含的信息占84.803%。選用斜交旋轉(zhuǎn)法，得到因子得分系數(shù)矩陣和模型，如表3和表4。

表2 主成分分析各主成分的特征值和貢獻率

表3 因子分析的因子旋轉(zhuǎn)結(jié)果

表4 主成分得分函數(shù)的系數(shù)

由表3和表4可得以下線性組合模型：

F1=0.448A1+0.001A2+0.292A3-0.129A4+0.385A5-0.014A6。

F2=-0.242A1+0.021A2+0.194A3+0.618A4+0.009A5+0.455A6。

F3=0.000A1+0.992A2-0.037A3-0.059A4+0.030A5+0.086A6。

根據(jù)因子得分系數(shù)矩陣和各個主成分的貢獻率可以確定創(chuàng)新基礎(chǔ)能力的綜合評分函數(shù)：

A=0.39259F1+0.25815F2+0.16728F3。

根據(jù)組合模型統(tǒng)計，考察期各省份高?？萍紕?chuàng)新能力得分如表5所示，全國平均得分為0.063。高于平均值的有江蘇、北京、廣東、上海、山東、遼寧、浙江、湖北、陜西、四川、河南和安徽等12個省份，說明省域高校之間科技創(chuàng)新能力存在東部高、西部低的區(qū)域不均衡性。

表5 各省高?？萍紕?chuàng)新能力情況

通過對科技創(chuàng)新能力排名前3的江蘇、北京、廣東高校的36項指標(biāo)原始值分析可知，這3個省份高校有9項評價指標(biāo)均排名在全國各省份前5名(表6)。從表6可以發(fā)現(xiàn)，創(chuàng)新支撐能力方面，全省R&D人員、全省R&D經(jīng)費支出、全省對創(chuàng)新的重視程度3項指標(biāo)對科技創(chuàng)新能力影響較大，各地政府應(yīng)該高度重視創(chuàng)新工作，在人員和經(jīng)費方面提供保障。創(chuàng)新投入能力方面，高校研究與發(fā)展全時人員、固定資產(chǎn)購置費2項指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該增加科研人力投入，加強實驗儀器設(shè)備購置等基礎(chǔ)平臺建設(shè)工作。創(chuàng)新服務(wù)能力方面，高校研究與發(fā)展項目、培養(yǎng)學(xué)生數(shù)指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該支持和發(fā)展研究生教育，引導(dǎo)研究生積極參與科研項目創(chuàng)新研究工作。創(chuàng)新輻射能力方面，高校平均出席國際學(xué)術(shù)會議情況、人均提交國際學(xué)術(shù)會議特邀報告情況、高校主辦國際學(xué)術(shù)會議情況3項指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該更加重視科技國際交流合作工作，注重“走出去”參加國際學(xué)術(shù)會議，了解國際學(xué)術(shù)前沿，也要通過主辦國際學(xué)術(shù)會議“請進來”現(xiàn)場指導(dǎo)交流，同時重視通過提交國際學(xué)術(shù)會議特邀報告，在國際學(xué)術(shù)同行中提高學(xué)術(shù)知名度和影響力。

表6 江蘇、北京、廣東3省份高校評價指標(biāo)排名情況

三、科技創(chuàng)新效率分析

(一)評價指標(biāo)體系

在分析高?？萍紕?chuàng)新能力的基礎(chǔ)上，項目組采用數(shù)據(jù)包絡(luò)分析(DEA)模型構(gòu)建評價指標(biāo)體系[25]。數(shù)據(jù)包絡(luò)分析(DEA)將每一個被評價的經(jīng)濟系統(tǒng)或生產(chǎn)過程視為一個決策單元(DMU)，由決策單元組(DMUS)構(gòu)成評價群體，處于同一評價群體的每個決策單元都具有同樣種類的資源消耗，即各決策單元具有相同的投入項指標(biāo)和相同的產(chǎn)出項指標(biāo)，在指標(biāo)項和決策單元組確定以后，采用數(shù)學(xué)規(guī)劃模型比較決策單元之間的相對效率，進行投入與產(chǎn)出比率的綜合分析，得到每一決策單元綜合效率的量化指標(biāo)值，從而確定有效的決策單元，指明其他決策單元非有效的程度。

本項目研究認(rèn)為，高校科技創(chuàng)新過程具有復(fù)雜的階段特征，主要包括產(chǎn)出創(chuàng)新成果和創(chuàng)新成果轉(zhuǎn)化兩個階段。即：在第一階段，將創(chuàng)新投入要素轉(zhuǎn)化成知識創(chuàng)新產(chǎn)出成果；在第二階段，將知識創(chuàng)新產(chǎn)出成果投入生產(chǎn)，進行技術(shù)創(chuàng)新成果轉(zhuǎn)化，帶來經(jīng)濟效益，促進經(jīng)濟發(fā)展。具體評價指標(biāo)可參見表7。第一階段投入指標(biāo)包括人力、財力和物力投入，研究與發(fā)展全時人員反映了人力資源投入的情況，研究與發(fā)展經(jīng)費反映了財力資源投入的情況，固定資產(chǎn)購置費反映了物力資源投入的情況。第一階段產(chǎn)出指標(biāo)(第二階段投入指標(biāo))包括研究、開發(fā)、知識產(chǎn)出(投入)，發(fā)表學(xué)術(shù)論文數(shù)反映科學(xué)研究水平，專利授權(quán)數(shù)反映技術(shù)開發(fā)水平，出版科技著作數(shù)反映知識傳承水平。第二階段產(chǎn)出指標(biāo)包括轉(zhuǎn)讓、出售和委托產(chǎn)出，技術(shù)轉(zhuǎn)讓、專利出售實際收入代表開發(fā)技術(shù)、專利技術(shù)的市場應(yīng)用程度，企事業(yè)單位委托經(jīng)費代表創(chuàng)新對社會經(jīng)濟發(fā)展的促進程度。

表7 高校科技創(chuàng)新效率評價指標(biāo)體系

注：根據(jù)測算，與數(shù)據(jù)人均值相比，采用數(shù)據(jù)原始值時，全要素生產(chǎn)效率值的偏差比例更小，故此評價指標(biāo)體系采用原始數(shù)據(jù)

(二)實證分析

根據(jù)DEA模型構(gòu)建的評價指標(biāo)體系，采用基于DEA的Malmquist指數(shù)計算方法，分別考察各省高校兩個階段科技創(chuàng)新全要素生產(chǎn)效率(Total Factor Productivity)，第一、第二階段時滯均為1年[21]。

基于DEA的Malmquist全要素生產(chǎn)效率指數(shù)是通過距離函數(shù)來定義的[26-27]，可以定義投入距離函數(shù)和產(chǎn)出距離函數(shù)。本項目研究采用產(chǎn)出距離函數(shù)來定義Malmquist生產(chǎn)率指數(shù)。假定向量x表示投入量，x=(x1，x2，…，xm)；y表示產(chǎn)出量，y=(y1，y2，…，yn)；p(x)代表使用投入向量x所能生產(chǎn)的所有產(chǎn)出向量的集合。即：

產(chǎn)出距離函數(shù)可定義為：

d0(y,x)=min {φ:(y/φ)∈p(x)}

(1)

以時期t的技術(shù)T為參照，基于產(chǎn)出角度的Malmquist指數(shù)可以表示為：

(2)

以時期t+1的技術(shù)T+1為參照，基于產(chǎn)出角度的Malmquist指數(shù)可以表示為：

(3)

從t到t+1時期，度量全要素生產(chǎn)率指數(shù)增長的Malmquist指數(shù)可以分解為不變規(guī)模報酬假定下技術(shù)效率指數(shù)(EC)和技術(shù)進步指數(shù)(TP)，其中技術(shù)效率變化指數(shù)還可進一步分解為純技術(shù)效率指數(shù)(PC)和規(guī)模效率指數(shù)(SC)，其分解過程如下：

=EC×TP

=TP×PC×SC

(4)

全要素生產(chǎn)率是指全部生產(chǎn)要素(包括資本、勞動、土地，但通常分析時都略去土地不計)的投入量都不變時，而生產(chǎn)量仍能增加的部分[28]。根據(jù)組合模型和函數(shù)進行統(tǒng)計，得分如表8所示，全國平均得分為1.084。高于平均值的有遼寧、江西、吉林、山東、海南、內(nèi)蒙古、廣西、貴州、新疆、云南、江蘇、浙江、福建、廣東和陜西等15個省份，說明省域之間高?？萍紕?chuàng)新效率相對比較均衡。

表8 各省高?？萍紕?chuàng)新效率情況

圖1分析發(fā)現(xiàn)，由于受國家供給側(cè)結(jié)構(gòu)性改革、東北老工業(yè)基地振興等各項政策影響，高?？萍紕?chuàng)新效率排名前3的遼寧、江西和吉林，科技創(chuàng)新投入不足，如2016年全省研究與試驗發(fā)展經(jīng)費投入強度，遼寧、江西和吉林分別為1.69%、0.94%和1.13%，均低于全國平均的2.11%。但他們通過加強科技創(chuàng)新管理、優(yōu)化創(chuàng)新政策等方式，在投入相對不足的情況下，實現(xiàn)了創(chuàng)新效率的良好效果，吉林2011年實施了創(chuàng)新型吉林建設(shè)科技行動計劃、江西2013年實施了科技創(chuàng)新“六個一”工程、遼寧2014年出臺了自主創(chuàng)新促進條例，確保了創(chuàng)新效率的提升。

圖1 遼寧、江西和吉林三省高校科技創(chuàng)新效率評價指標(biāo)情況

四、科技創(chuàng)新經(jīng)濟貢獻率分析

(一)評價指標(biāo)設(shè)計

在上述分析基礎(chǔ)上，借鑒“柯布-道格拉斯(C-D)生產(chǎn)函數(shù)”和索洛“增長速度方程”，推導(dǎo)出科技進步速度：

a=y-αk-βl

式中，y表示產(chǎn)出(GDP)的年平均增長速度，k表示資金(固定資產(chǎn))投入的年平均增長速度，l表示勞動力投入的年平均增長速度。則科技進步的經(jīng)濟貢獻率為：

a/y*100%

根據(jù)GDP增長與全省研究與試驗發(fā)展(R&D)人員全時當(dāng)量的相關(guān)性校驗結(jié)果，采用高校R&D全時人員增加量與全省R&D全時人員增加量的比重，來對應(yīng)衡量高?？萍紕?chuàng)新進步對經(jīng)濟的貢獻率[29]。參照國家統(tǒng)計局推薦值，α=0.3，β=0.7[30]。

(二)實證分析

根據(jù)評價指標(biāo)和公式模型，考察周期各省份高?？萍紕?chuàng)新經(jīng)濟貢獻率平均得分如表9所示，全國平均得分為5.15%。高于平均值的有廣西、貴州、吉林、云南、湖南、湖北、上海、內(nèi)蒙古、陜西、重慶、北京、海南、遼寧、安徽、山東和天津等16個省份。

表9 各省高?？萍紕?chuàng)新經(jīng)濟貢獻率情況

從對高?？萍紕?chuàng)新經(jīng)濟貢獻率排前3名的廣西、貴州、吉林的測算指標(biāo)(表10)分析發(fā)現(xiàn)，3個省的平均GDP總量增長幅度分別為15.6%、17.4%和14.8%，均高于全國平均增幅的11.6%。全省固定資產(chǎn)投資總額增幅與全國增長較大(22.5%)類似，分別增長27.8%、31.5%和19.3%。而全社會從業(yè)(就業(yè))人員增幅遠(yuǎn)低于全國平均的3.12%，分別為0.67%、0.66%和1.70%，“全省高校R&D人員全時當(dāng)量/全省R&D人員全時當(dāng)量”則高于全國平均值的0.1，分別為0.33、0.18和0.34，科技進步對經(jīng)濟的貢獻率也高于全國平均水平的18.7%，分別為45.2%、68.9%和32.1%?？梢?，廣西、貴州和吉林GDP總量保持較快增長，主要原因是科技進步對經(jīng)濟的貢獻率較高，全省高校R&D人員所占比重也較大。因此，各省應(yīng)該高度重視科技創(chuàng)新工作，讓經(jīng)濟發(fā)展更多依靠科技創(chuàng)新驅(qū)動，各高校應(yīng)該注重科技人才引進和培養(yǎng)工作，增加或增強創(chuàng)新人才隊伍數(shù)量與質(zhì)量。

表10 廣西、貴州、吉林高?？萍紕?chuàng)新經(jīng)濟貢獻率測算指標(biāo)平均情況

五、研究結(jié)論與討論

根據(jù)上述分析，將高?？萍紕?chuàng)新能力、效率和經(jīng)濟貢獻率三項指標(biāo)分別取平均值，高于平均值的數(shù)界定為“高”(H)，低于平均值的數(shù)界定為“低”(L)，得出以下研究發(fā)現(xiàn)。

第一，三項指標(biāo)評價結(jié)果和省份之間有8種對應(yīng)關(guān)系。表現(xiàn)為H-H-H的是地處經(jīng)濟發(fā)展水平較好的遼寧、陜西和山東3個省份；表現(xiàn)為H-H-L的是地處經(jīng)濟最發(fā)達(dá)地區(qū)的江蘇、廣東和浙江3個省份；表現(xiàn)為H-L-H的是地處經(jīng)濟發(fā)達(dá)及發(fā)展水平較好的北京、上海、湖北和安徽4個省份；表現(xiàn)為L-H-H的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的吉林、廣西、云南、內(nèi)蒙古、貴州和海南6個省份；表現(xiàn)為H-L-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的四川和河南2個省份；表現(xiàn)為L-H-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的江西、福建和新疆3個省份；表現(xiàn)為L-L-H的是湖南、天津和重慶3個省份；表現(xiàn)為L-L-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的黑龍江、河北、山西和甘肅4個省份。

可以認(rèn)為，地處經(jīng)濟發(fā)達(dá)地區(qū)省份的高校，在科技創(chuàng)新能力方面表現(xiàn)更為突出，地處經(jīng)濟欠發(fā)達(dá)地區(qū)省份科技創(chuàng)新效率更高，科技創(chuàng)新對經(jīng)濟發(fā)展的貢獻率也更大。

第二，從圖2表現(xiàn)為H-H-H的遼寧、陜西和山東高校近5年情況可以看出，遼寧高?？萍紕?chuàng)新能力逐年平緩增長，創(chuàng)新效率波動較大，經(jīng)濟貢獻率比較平緩，陜西高?？萍紕?chuàng)新能力在波動中增長，創(chuàng)新效率在波動中有所下降，經(jīng)濟貢獻率也在波動中下降，山東高?？萍紕?chuàng)新能力略微上漲，創(chuàng)新效率在波動中有所下降，經(jīng)濟貢獻率也有所下降。根據(jù)圖2中3個省域高校實證結(jié)果來看，高?？萍紕?chuàng)新能力、科技創(chuàng)新效率和GDP增長率之間，并無明顯一致的線性關(guān)系，而經(jīng)濟貢獻率和GDP增長率之間有較為明顯的趨勢一致的線性相關(guān)性，擬合指數(shù)R2=0.3114。

由此說明，高?？萍紕?chuàng)新能力、科技創(chuàng)新效率并不能直接影響經(jīng)濟增長，而只有將高校科技創(chuàng)新有效轉(zhuǎn)化為促進經(jīng)濟貢獻率提升時，才對經(jīng)濟發(fā)展具有促進作用。因此，高校應(yīng)該更加注重產(chǎn)學(xué)研結(jié)合，讓科技創(chuàng)新向生產(chǎn)力進行有效轉(zhuǎn)化，更加深入服務(wù)社會經(jīng)濟發(fā)展。由此也可以發(fā)現(xiàn)，科技創(chuàng)新效率的波動幅度比較大，說明效率受各方面綜合因素影響較大，將在后續(xù)研究中進一步進行驗證。

第三，從公布的國家“雙一流”建設(shè)高校及建設(shè)學(xué)科名單來看[31]，三項指標(biāo)中其中兩項為H的省份高校“雙一流”建設(shè)情況如圖3所示。從圖3可以看出，表現(xiàn)為H-H-H的陜西有3所高校被列為世界一流大學(xué)建設(shè)行列，高校數(shù)量排在北京(8所)、上海(4所)之后，遼寧和山東分別有2所高校，并列排在北京、上海和陜西之后。表現(xiàn)為H-H-L的江蘇、廣東和浙江3個省份，分別有43個、18個和20個學(xué)科進入國家“雙一流”建設(shè)行列。表現(xiàn)為H-L-H的北京、上海、湖北和安徽4個省份，分別有153個、57個、29個和13個學(xué)科進入國家“雙一流”建設(shè)行列。表現(xiàn)為L-H-H的除廣西、內(nèi)蒙古、貴州和海南外，吉林有1所高校和12個學(xué)科、云南有1所高校和2個學(xué)科進入國家“雙一流”建設(shè)行列。

由此也從另一個側(cè)面反映出，科技創(chuàng)新能力、效率、經(jīng)濟貢獻率三者的協(xié)調(diào)發(fā)展，有利于提升高校學(xué)科建設(shè)水平和整體競爭實力，也將有利于促進國家“雙一流”建設(shè)。

圖2 遼寧、陜西和山東三省高?？萍紕?chuàng)新能力、效率、經(jīng)濟貢獻率和GDP增長情況(2010—2016年)

圖3 三項指標(biāo)中有其中兩項為H的省份“雙一流”建設(shè)情況

第四，由于中國省域之間經(jīng)濟發(fā)展水平差異較大，政府部門應(yīng)該出臺相應(yīng)政策，加大對經(jīng)濟欠發(fā)地區(qū)高校的科技創(chuàng)新投入，提高經(jīng)濟發(fā)達(dá)地區(qū)科技創(chuàng)新效率，促進地區(qū)之間科技創(chuàng)新資源的有效流動，促進區(qū)域間科技和經(jīng)濟健康、持續(xù)、協(xié)同發(fā)展。

回顧本研究對高?？萍紕?chuàng)新能力、科技創(chuàng)新效率、科技創(chuàng)新經(jīng)濟貢獻率的綜合分析可以發(fā)現(xiàn)，這項研究僅僅是一個探索性的研究，所以對評價指標(biāo)構(gòu)建、測算方法選取、參考數(shù)據(jù)來源等也只是試探性研究。不足之處以及影響因素、作用機理等將在今后的研究中進行彌補和深化。