汪艷霞　陸新文　王苗苗

摘??? 要：通過測算安徽省各地級市科技創(chuàng)新效率評價安徽省科技創(chuàng)新綜合績效，并從科研環(huán)境、資金支持等方面考察對安徽省科技創(chuàng)新效率的影響.基于2012—2016年安徽省16個地級市的面板數(shù)據(jù)，利用數(shù)據(jù)包絡分析方法（DEA）對科技創(chuàng)新效率進行實證研究，進而采用Tobit模型探究影響科技創(chuàng)新效率的主要因素.研究結(jié)果表明：2012—2016年安徽省科技創(chuàng)新效率的整體水平有所提高，但地區(qū)發(fā)展不均衡;研發(fā)研究機構(gòu)的數(shù)量對科技創(chuàng)新的綜合效率沒有明顯的影響，而地區(qū)科研人才、科研經(jīng)費的投入比與政府科技活動資金對科技創(chuàng)新的綜合效率有著顯著的影響.在此基礎上，建議注重提升科研質(zhì)量、優(yōu)化高學歷人才的培養(yǎng)以及完善政府科技活動資助系統(tǒng)，來提升安徽省科技創(chuàng)新的綜合效率.

關鍵詞：科技創(chuàng)新效率;影響因素;DEA-Tobit模型

中圖分類號：O221??????????????????? DOI：10.16375/j.cnki.cn45-1395/t.2019.02.018

0??? 引言

創(chuàng)新是一個民族進步的靈魂，而科技創(chuàng)新能力決定一個國家、一個民族是否可以屹立于世界民族之林.安徽省作為一個科技大省，2004年省會合肥市成為首個國家科技創(chuàng)新型試點;2008年開始啟動創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，設立了合蕪蚌自主創(chuàng)新綜合配套改革試驗區(qū);2015年提出把創(chuàng)新作為引領發(fā)展的第一動力，科技創(chuàng)新綜合能力位于全國第九名;2017年合肥繼上海之后，成為被國家正式批準建設的第二個綜合性國家科學中心.科技創(chuàng)新已成為支撐安徽省地區(qū)經(jīng)濟發(fā)展的重要力量.

當今，經(jīng)濟日益趨近全球化，科技創(chuàng)新效率引起了國家的高度重視，國內(nèi)外學者對于科技創(chuàng)新效率及影響因素的研究也愈發(fā)深入.以創(chuàng)新效率的研究方法劃分，主要體現(xiàn)在兩個方面：一方面是通過設定參數(shù)，例如李靖等[1]以中國30個省份的面板數(shù)據(jù)為基礎，應用隨機前沿模型對各地區(qū)科技創(chuàng)新效率進行實證測評，并對影響創(chuàng)新效率的環(huán)境因素進行了更深層次的分析;童紀新等[2]構(gòu)建科技投入和科技產(chǎn)出兩方面的評價指標，用灰色關聯(lián)分析方法對江蘇省各城市科技創(chuàng)新效率進行了綜合評價.另一方面是非參數(shù)方法，主要是數(shù)據(jù)包絡模型（Data Envelopment Analysis，DEA），這種方法因為不會受到主觀因素和計量單位的不同而影響效率的評價結(jié)果等好處，近幾年來成為學者們研究效率等問題的重要手段.金懷玉等[3]運用三階段DEA模型，在考慮滯后效應的影響下對各地區(qū)科技創(chuàng)新效率及影響因素進行了實證分析;孫東[4]利用超效率DEA-Tobit模型對我國各省份的科技創(chuàng)新效率進行測算，并進一步研究了影響提高創(chuàng)新效率的因素;吳朝影[5]通過對傳統(tǒng)DEA與Malmquist指數(shù)兩種方法的比較，對科技創(chuàng)新的省域差異以及影響因素進行了實證分析;柳瑞禹等[6]采用BCC與Malmquist指數(shù)相結(jié)合的方法分別在測算了中部六省的科技創(chuàng)新效率后，對影響科技創(chuàng)新效率的因素利用Tobit模型進行了實證分析;張小甫等[7]通過構(gòu)建科技創(chuàng)新兩階段DEA模型，對甘肅省各市（州）的創(chuàng)新效率進行分析并探索了影響甘肅省科技創(chuàng)新綜合效率的因素;魯繼通[8]運用DEA、Malmquist指數(shù)以及Tobit相結(jié)合的3種方法，對我國的東部、中部、西部以及東北部這四大區(qū)域創(chuàng)新效率的發(fā)展歷程以及影響因素進行了實證分析.

學者們對省域范圍內(nèi)的科技創(chuàng)新效率的研究并不多，對安徽省各地級市的分析更是屈指可數(shù).鑒于此，本文在前人研究的基礎上，選取了安徽省2012—2016年16個地級市的面板數(shù)據(jù)，并運用DEA-Tobit模型分析安徽省各地級市科技創(chuàng)新效率及影響因素，為安徽省科技創(chuàng)新效率的提升提出政策建議和參考.

1??? 研究方法介紹

1.1?? DEA模型

數(shù)據(jù)包絡分析（Data Envelopment Analysis，簡稱DEA）用于解決多投入、多產(chǎn)出的決策評價問題，由著名的美國運籌學家A.Charnes等于1978年首次提出[9].DEA模型中最常用的是CCR模型，但該模型是在規(guī)模報酬不變的前提條件下來衡量效率的，這種理想的狀態(tài)現(xiàn)實生活中難以維持.因此本文選用BCC模型，即規(guī)模報酬可變的DEA模型，使得在計算技術(shù)效率的時候不會受到規(guī)模效率的影響[10].

假設有n個決策單元（DMU），每一個決策單元存在p種輸入和q種輸出，[Xir]表示第r個DMU的第i個輸入變量（i=1，2，…，p），[Yjr]表示第r個DMU的第j個輸出變量（j=1，2，…，q）.對應的線性規(guī)劃模型為：

[min? θ????????????????????????????????????? s.t.r=1nλrXr? +S-=θXrr=1nλrXr? -S+=Yrλr，S-，S+≥0r=1， 2， …， n]???????????????????????????????????????????????????????????????? （1）

式（1）中的[θ]表示被考察決策單元中的綜合技術(shù)效率值，當[θ=1]且[S+=S-=0]時，表示決策單元有效，DMU的規(guī)模效率和技術(shù)效率同時達到最佳狀態(tài);當[θ=1]，但[S+≠0]或[S-≠0]時，表示決策單元弱DEA有效，DMU的規(guī)模效率和技術(shù)效率并沒有同時達到最佳狀態(tài);當[θ<1]時，表示決策單元非DEA有效.

1.2?? Tobit模型

通過規(guī)模報酬可變的BCC模型進行效率評價后，可以發(fā)現(xiàn)計算出的效率值都介于（0，1]之間.如果運用普通的回歸方法來估計，結(jié)果可能會出現(xiàn)偏差.本文采用的是Tobit模型，又稱為樣本選擇模型或受限變量模型，是一種因變量滿足某種約束條件下取值的模型，如下：

[Y=Y*=αX+εY*>00???????????? Y*≤0]?????????????????????????????&nbsp;???????????????????????????????????????????????? （2）

其中，擾動項[ε～N（0，θ2）]，[Y]——效率值向量，[Y*]——因變量向量，[X]——自變量向量，[α]——回歸參數(shù)向量.

2??? 安徽省科技創(chuàng)新效率的評價

2.1?? 指標選取與數(shù)據(jù)說明

進行DEA實證分析之前，首先需要構(gòu)建科學合理的投入產(chǎn)出指標.在科技創(chuàng)新效率的投入指標方面，往往從人力投入和經(jīng)費投入這兩個角度來考慮，人力投入是科技創(chuàng)新活動成敗的關鍵，經(jīng)費投入是科技創(chuàng)新的前提和根本性保障.本文借鑒文獻[11-13]的研究，選取研究與發(fā)展（R&D）人員折合全時當量作為人力的投入指標，研究與發(fā)展（R&D）經(jīng)費作為經(jīng)費的投入指標;在科技創(chuàng)新效率的產(chǎn)出方面，選取了專利申請量、專利授權(quán)量以及有效發(fā)明專利量這3個指標（見表1）.在這3個指標之中，專利申請量反映了各個地區(qū)專利技術(shù)申請的一個總體狀況;專利授權(quán)量反映了各個地區(qū)發(fā)明專利、使用新型專利和外觀設計專利的授權(quán)數(shù)量;有效發(fā)明專利量則反映的是授權(quán)過后、并且持續(xù)繳納年費的一個專利數(shù)量，這3個指標從數(shù)量上和質(zhì)量上較全面的體現(xiàn)了科技創(chuàng)新行為.

在使用DEA模型對決策單元進行測度時，需要對各個投入與產(chǎn)出數(shù)據(jù)進行“同向性”和“自由度”的檢驗.所謂“同向性”，是指當投入量增加時，產(chǎn)出量也必須增加，投入與產(chǎn)出之間正相關;所謂“自由度”，是指投入變量與產(chǎn)出變量之和的2倍一定要小于決策單元的數(shù)量.本文中投入變量2個、產(chǎn)出變量3個，決策單元數(shù)為16個，顯然滿足“自由度”的要求，因此只需要進行“同向性”檢驗，常采用Pearson相關性檢測的方法進行檢測（見表2）.結(jié)果顯示文中的各個投入變量與產(chǎn)出變量的相關系數(shù)都為正，并且均在0.01顯著性通過雙尾檢驗，即同樣滿足“同向性”要求，文中各個投入與產(chǎn)出變量具有合理性.

注：**表示在0.01顯著性水平上顯著;括號內(nèi)數(shù)值為檢驗的P值

文中所使用的數(shù)據(jù)均來源于《安徽省統(tǒng)計年鑒》《安徽省科技統(tǒng)計公報》以及省財政廳官網(wǎng).雖然科技創(chuàng)新投入與科技產(chǎn)出在短期之間存在著一年時間上的滯后，但從長期的角度看，科技創(chuàng)新投入與科技產(chǎn)出之間存在著均衡穩(wěn)定的關系[14]，因此本文中選取的2012—2016年的投入產(chǎn)出數(shù)據(jù)在時間上不存在滯后.

2.2?? DEA結(jié)果分析

本文運用DEAP 2.1軟件，對2012—2016年安徽省16個地級市科技創(chuàng)新的綜合效率、純技術(shù)效率以及規(guī)模效率進行計算，運行結(jié)果分別如表3—表5所示.

綜合技術(shù)效率是綜合評價指標，是對決策單元的資源配置能力以及資源使用效率等多方面能力的一個衡量.從表3的實證結(jié)果可以看出，2012—2016年安徽省的平均綜合技術(shù)效率先增加，后小幅度的下滑.各地級市的平均科技創(chuàng)新綜合效率值除了阜陽以外均小于1，即除了阜陽以外的DEA均處于非有效狀態(tài).其中，銅陵5年的綜合技術(shù)效率均值最低，且2012年的銅陵綜合技術(shù)效率值為安徽省16個地級市5年內(nèi)的最低值，僅為0.250，離生產(chǎn)前沿面最遠.

另外如池州、亳州、宿州這樣的地級市雖然科研的規(guī)模比較小、科研投入與科研產(chǎn)出不及蕪湖這些科技創(chuàng)新發(fā)展較好的城市，但是這些地級市的科技創(chuàng)新綜合技術(shù)效率值卻較高.其原因在于本文測算的是科技投入資源的利用效率，與科研的規(guī)模以及科研的投入數(shù)量沒有直接的相關關系.這些地級市由于剛開始的時候科技創(chuàng)新規(guī)模比較小，整體上處于一個規(guī)模報酬遞增的趨勢，因而能夠利用一個較小的資源投入獲得一個較大的產(chǎn)出，從而在整體上提高了科技創(chuàng)新的綜合效率.

純技術(shù)效率所指的是決策單元在一定（最優(yōu)規(guī)模）投入要素的生產(chǎn)效率.根據(jù)表4的實證結(jié)果可以看出，2012—2016年安徽省科技創(chuàng)新的純技術(shù)效率均值為0.822 7，總體均值較高，但是各個地級市的純技術(shù)效率值還存在著明顯的差異.在16個地級市中，蕪湖、合肥、六安、阜陽以及亳州這5個地級市的純技術(shù)效率均值為1，處于DEA有效的狀態(tài).

在一些科技創(chuàng)新發(fā)展較好的地級市，如合肥、蕪湖等地級市，在大力發(fā)展科技創(chuàng)新的過程中，加上政府積極的政策以及金融方面的支持，達到了較高的資源配置效率.與之相對應的，淮南、淮北等地級市，由于薄弱的基礎能力，高新技術(shù)產(chǎn)業(yè)和R&D人員偏少，使得科技創(chuàng)新的純技術(shù)效率值偏小.可見，淮南、淮北等地級市科技創(chuàng)新純技術(shù)效率較低的原因在于科研資源的投入不足，因此需要適當?shù)脑黾舆@些地級市科研資源的轉(zhuǎn)移，提高科研資源的投入.

規(guī)模效率則反映的是實際規(guī)模與最優(yōu)規(guī)模之間的差距.根據(jù)表5的實證結(jié)果可以看出，2012—2016年安徽省科技創(chuàng)新的規(guī)模效率均值為0.870 7，整體上科技創(chuàng)新規(guī)模效率處于良好狀態(tài).在16個地級市，只有阜陽這5年的科技創(chuàng)新規(guī)模效率的均值為1，達到DEA有效.

可以看出各地級市科技創(chuàng)新的規(guī)模效率不一樣，而且并非科技創(chuàng)新發(fā)展較好的地級市規(guī)模效率就一定高于欠發(fā)達的地級市，比如合肥、蚌埠以及滁州，科技創(chuàng)新規(guī)模效率均值只有0.569 8、0.759 0、0.689 2，均小于安徽省這5年內(nèi)科技創(chuàng)新規(guī)模效率的均值.合肥作為安徽省的省會，是“一帶一路”和長江經(jīng)濟帶戰(zhàn)略的雙節(jié)點城市，受到國家的重視要高于其他地級市;蚌埠一直享有“珍珠城”的美譽，不僅僅是安徽省旅游的中心城市，而且也是國家區(qū)域的中心城市;同時滁州作為合肥都市圈核心圈層城市，南邊是長江，東邊是京杭大運河，這3個地級市都擁有著較高的R&D人員和高新技術(shù)產(chǎn)業(yè)，但因為管理體制的不健全導致科研資源的擁擠與堆積，造成科研資源的浪費，最終拉低了資源的配置效率.因此，需要對管理水平進行有效提升，才能更好地提高科研創(chuàng)新效率.

從整體來看，各地級市科技創(chuàng)新效率的差異仍然很大.2012—2016年安徽省16個地級市的綜合技術(shù)效率、純技術(shù)效率以及規(guī)模效率的均值分別為0.713 3、0.822 7、0.870 7，說明安徽省的科技創(chuàng)新效率在總體上還存在著很大的發(fā)展?jié)摿?又因為綜合技術(shù)效率受到純技術(shù)效率與規(guī)模效率的雙重影響，因此安徽省的科技創(chuàng)新效率要兩手抓，在提高規(guī)模效率的同時，增加科研投入，提高純技術(shù)效率，從而穩(wěn)步提升科技創(chuàng)新的綜合效率.

3??? 安徽省科技創(chuàng)新效率的影響因素分析

通過DEA模型所計算出的效率值不僅僅受到投入和產(chǎn)出指標的影響，還受到一些其他因素的影響.因此，為了進一步研究安徽省各地市科技創(chuàng)新效率的影響因素，本文緊接著采用Tobit回歸模型并結(jié)合第一步DEA測算的效率值進行因變量的受限回歸.

3.1?? Tobit模型指標說明

地區(qū)經(jīng)濟發(fā)展水平反映一個地區(qū)的總體發(fā)展情況[15]，經(jīng)濟發(fā)展水平較好的地區(qū)有著較高的生產(chǎn)力.各地區(qū)以科研項目為導向，通過R&D機構(gòu)的設置，將科研人員集合起來，形成一套合理有效的交互學習機制.一般而言，研發(fā)機構(gòu)對科技創(chuàng)新起到了促進作用.本研究采用“全社會研發(fā)研究機構(gòu)數(shù)（個）”來衡量科研機構(gòu)對科技創(chuàng)新的促進效應.由此，提出以下假設：

H1：研發(fā)研究機構(gòu)數(shù)量越多，該地區(qū)的科技創(chuàng)新綜合效率越高.

OECD在The Knowledge Based Economy報告中指出，知識經(jīng)濟時代要重視“know-how”和“know-who”，反映出了知識的生產(chǎn)、傳遞、轉(zhuǎn)換過程中具有較強的豁然性[16].隨著科技的迅猛發(fā)展，科研人才為社會帶來了越來越多的財富.一般而言，地區(qū)的科研人力投入越多，其科技創(chuàng)新能力也會越強.本研究采用“全社會研發(fā)碩士（人）”來表示科技創(chuàng)新的地區(qū)科研人才.由此，提出假設：

H2：地區(qū)科研人才越多，該地區(qū)的科技創(chuàng)新綜合效率越高.

互聯(lián)網(wǎng)、實驗室等基礎設施的建立，為科研創(chuàng)新活動提供了條件支撐.充足的科研經(jīng)費能夠幫助科研工作者購買先進的科研設備，更好保障科研活動的順利開展[15].科研經(jīng)費占地區(qū)GDP的比重可以反映出一個國家或地區(qū)對科研的一個重視程度，一般認為，科研經(jīng)費的投入比重與產(chǎn)出成正比.本研究采用“全社會研發(fā)R&D經(jīng)費內(nèi)部支出占GDP的比重”來表示科技創(chuàng)新的經(jīng)費投入比重.由此，提出假設：

H3：科研經(jīng)費投入比重越多，該地區(qū)的科技創(chuàng)新綜合效率越高.

科技的進步需要大量的經(jīng)費作為支撐，政府作為“看得見的手”，其科技活動資金的投入對于基礎性的研究以及引導戰(zhàn)略性的產(chǎn)業(yè)技術(shù)突破方面有著重要的現(xiàn)實意義.一般認為，政府科研活動經(jīng)費的投入與科技創(chuàng)新成正比.考慮到數(shù)據(jù)的可獲取性，本研究采用“規(guī)模以上工業(yè)企業(yè)研發(fā)使用來自政府部門的科技活動資金（萬元）”作為衡量指標.由此，提出假設：

H4：政府科技活動資金越多，該地區(qū)的科技創(chuàng)新綜合效率越高.

根據(jù)以上的假設，可以建立各地級市的科技創(chuàng)新效率模型：

[Yit=α0+α1X1+α2X2+α3X3+α4X4+μit]??????????????????????????????????????????????? （3）

其中，[Yit]——安徽省2012—2016年16個地級市的綜合技術(shù)效率值;X1——研發(fā)研究機構(gòu)的數(shù)量;X2——地區(qū)科研人才數(shù);X3——科研經(jīng)費投入比重;X4——政府科技活動資金;i=1，2，…，16;t=2012，2013，…，2016;[μit]為隨機誤差項.

3.2?? 影響因素分析

本文利用Eviews 6.0軟件對式（3）進行Tobit模型估計，回歸結(jié)果如表6所示.

根據(jù)表中的回歸結(jié)果，具體分析如下：

1）研發(fā)研究機構(gòu)數(shù)X1與科技創(chuàng)新綜合效率有一定的正相關性，但并不十分顯著.這說明各地級市應該重視科研情況，在增加R&D機構(gòu)的同時更要注重管理體制改善，促進科研成果的及時轉(zhuǎn)化與利用，以把握科研的質(zhì)量，最終提升科技創(chuàng)新的綜合效率.

2）地區(qū)科研人才數(shù)X2與科技創(chuàng)新綜合效率呈現(xiàn)負相關性，且在5%的水平下顯著.原因是近些年來研究生的教育趨向大眾化，研究生學位在授權(quán)的時候存在著一些不規(guī)范的現(xiàn)象，一些研究生即使獲得了研究生學位，也并不意味著具有相應的素質(zhì)和能力，但是科研機構(gòu)是需要為其高學歷付出成本的，因而使得科技創(chuàng)新的綜合效率偏低.

3）科研經(jīng)費投入比重X3與科技創(chuàng)新綜合效率呈現(xiàn)負相關性，且在1%的水平下顯著.原因是資源的投入都遵循著經(jīng)濟學中的邊際效益遞減規(guī)律，即在一定時間內(nèi)，當資源投入過多或者是配置不合理時，出現(xiàn)了投入多、產(chǎn)出少的不經(jīng)濟現(xiàn)象[17]，進而損害了科技創(chuàng)新效率.

4）政府科技活動資金X4與科技創(chuàng)新綜合效率呈現(xiàn)正相關性，且在1%的水平下顯著.這說明政府的科技活動資金對科技創(chuàng)新的綜合技術(shù)效率有著直接的積極意義.

4??? 結(jié)論與建議

本文選取了代表科技創(chuàng)新效率的2個投入指標和3個產(chǎn)出指標，在利用DEA模型測算安徽省各地市科技創(chuàng)新效率的基礎上，對影響科技創(chuàng)新效率的各個因素進行了計量分析.結(jié)果顯示，2012—2016年安徽省科技創(chuàng)新效率的整體水平是有所上升的，但是地區(qū)發(fā)展的差異化明顯，部分地級市科技創(chuàng)新的投入出現(xiàn)冗余，產(chǎn)出出現(xiàn)虧損.在科技創(chuàng)新效率影響因素的實證分析中發(fā)現(xiàn)，研發(fā)研究機構(gòu)數(shù)對科技創(chuàng)新綜合效率無明顯相關關系，政府科技活動資金這個變量與科技創(chuàng)新綜合效率具有顯著的正相關關系，而地區(qū)科研人才、科研經(jīng)費投入比重這兩個變量與科技創(chuàng)新綜合效率呈反方向變動關系.

基于以上實證分析的結(jié)論，為了能夠提高安徽省各地級市科技創(chuàng)新效率應該從以下幾個方面著手.

1）注重科研質(zhì)量的提升.資源的投入不協(xié)調(diào)或者是單一的投入某項要素都不會取得既定效果，在經(jīng)濟發(fā)展水平較好的地級市，僅僅擴大研發(fā)研究機構(gòu)的數(shù)量并不能有效提升科技創(chuàng)新的綜合效率，反而會造成科研資源的冗余與浪費.因此，一方面在加大研究機構(gòu)投入的同時，可以對現(xiàn)有研究機構(gòu)進行合并、重組，以實現(xiàn)科研資源的合理配置;另一方面，未來可以創(chuàng)建國家級、省部級的研發(fā)研究機構(gòu)以實現(xiàn)對現(xiàn)有研發(fā)研究的升級，從根本上來提升科研的質(zhì)量.

2）優(yōu)化高學歷人才培養(yǎng).科學技術(shù)是第一生產(chǎn)力，而人又是生產(chǎn)力中最具有決定性的因素.高學歷人才是科技創(chuàng)新的寶貴財富，科研機構(gòu)在給他們提供良好的工作條件和環(huán)境的同時，更重要的是加強人才的培養(yǎng)，強化內(nèi)部激勵約束機制，提升他們自身的素養(yǎng)和能力.激發(fā)他們的科研積極性，迅速提高科技創(chuàng)新能力和創(chuàng)新產(chǎn)出，進而從整體上提升科技創(chuàng)新的綜合效率.

3）完善政府科技活動資助系統(tǒng).從實證分析中可看出，政府科技活動資金對科技創(chuàng)新綜合效率起著顯著的促進作用，因此政府應該繼續(xù)完善科技活動資助系統(tǒng)，拓寬科技創(chuàng)新資金的投入渠道，加強引導以便提供更多的資金支持.政府的科技活動資助具體包括科研項目與設備的直接資助，以及對教育減免與稅收縮減的間接資助.此外，政府一方面可從法律上建立相關的政策，確?？萍紕?chuàng)新資金來源的穩(wěn)定;另一方面，也可以設立專門的政策性銀行，來支持科技創(chuàng)新的發(fā)展.

參考文獻

[1]???? 李婧，譚清美，白俊紅.中國區(qū)域創(chuàng)新效率及其影響因素[J].中國人口·資源與環(huán)境，2009，19（6）：142-147.

[2]???? 童紀新，陳繼興，蔡元成.基于灰色關聯(lián)分析的區(qū)域科技創(chuàng)新效率評價研究——以江蘇省為例[J].科技進步與對策，2011，28（10）：108-110.

[3]???? 金懷玉，菅利榮.考慮滯后效應的我國區(qū)域科技創(chuàng)新效率及影響因素分析[J].系統(tǒng)工程，2013，31（9）：98-106.

[4]???? 孫東.我國科技創(chuàng)新效率測算及影響因素研究——基于超效率DEA-TOBIT兩步法分析[J].稅收經(jīng)濟研究，2014，19（2）：76-84.

[5]???? 吳朝影. 科技創(chuàng)新效率的省域差異及影響因素研究[D].重慶：西南大學，2015.

[6]???? 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.

[7]???? 張小甫，徐吉宏，楊文靜.甘肅省區(qū)域科技創(chuàng)新效率的時空差異及影響因素[J].開發(fā)研究，2018（3）：73-79.

[8]???? 魯繼通.我國區(qū)域創(chuàng)新效率及其影響因素研究——基于創(chuàng)新成本控制視角的分析[J].價格理論與實踐，2018（2）：143-146.

[9]????? 孫慧婷，方曉，王紀，等.基于DEA模型的旅游網(wǎng)站效率評價研究[J].廣西科技大學學報，2018，29（3）：121-128.

[10]??? 張倩.基于DEA方法的跨境電商企業(yè)經(jīng)營績效評價[J].廣西科技大學學報，2018，29（2）：126-131，136.

[11]?? 李蘭冰.我國區(qū)域科技創(chuàng)新效率評價——以省際數(shù)據(jù)為樣本[J].科技管理研究，2008（9）：87-90.

[12]?? 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.

[13]?? 沈能，宮為天.我國省區(qū)高?？萍紕?chuàng)新效率評價實證分析——基于三階段DEA模型[J].科研管理，2013，34（S1）：125-132.

[14]?? 張繼紅，吳玉鳴，何建坤.專利創(chuàng)新與區(qū)域經(jīng)濟增長關聯(lián)機制的空間計量經(jīng)濟分析[J].科學學與科學技術(shù)管理，2007（1）：83-89.

[15]?? 陳樂穎. 安徽省科技創(chuàng)新效率評價與影響因素分析[D].合肥：安徽大學，2018.

[16]?? NONAKA I. A dynamic theory of organizational knowledge creation[J]. Organization Science，1994，5（1）：1-7.

[17]?? 汪彥，陳悅，曹賢忠，等.上海高?？蒲袆?chuàng)新效率與影響因素實證研究——基于DEA-Tobit模型[J].科技管理研究，2018，38（8）：100-109.

Research on the efficiency and influencing factors of science and

technology innovation in Anhui Province

WANG Yanxia， LU Xinwen*， WANG Miaomiao

（School of Economic Management， Anhui Agricultural University， Hefei 230036， China）

Abstract： By calculating the efficiency of S&T innovation in Anhui Province， the comprehensive???? performance of S&T innovation in Anhui Province is evaluated， and the impact on the efficiency of S&T innovation in Anhui Province from the research environment and financial support is studied. Based on panel data of 16 prefecture-level cities in Anhui Province in 2012-2016， the data envelopment analysis （DEA） is used to study the efficiency of STI， and then the Tobit model is used to explore the main factors that affect the efficiency of STI. The results show that the overall level of STI efficiency in Anhui Province increased from 2012 to 2016， but the regional development was uneven. The number of R&D institutions has no significant effect on the comprehensive efficiency of S&T innovation， and the ratio of investment in R&D personnel and R&D funds in regional R&D and government S&T activities has significant effect on the S&T efficiency. On this basis， it is suggested that we should improve the quality of scientific research， optimize the training of high-level talent and improve the government funding system for scientific and technological activities so as to improve the comprehensive efficiency of scientific and technological innovation in Anhui Province.

Key words： efficiency of science and technology innovation; influencing factors; DEA-Tobit model