盧小蘭，張可意

（1. 江漢大學 商學院，湖北 武漢 430056；2. 華中師范大學 數學與統(tǒng)計學學院，湖北 武漢 430079）

長江經濟帶橫跨中國東部、中部和西部等區(qū)域，覆蓋長江上游、中游和下游共11 個省市。2016 年，《國家創(chuàng)新驅動發(fā)展戰(zhàn)略綱要》《長江經濟帶創(chuàng)新驅動產業(yè)轉型升級方案》和《長江經濟帶發(fā)展規(guī)劃綱要》中均要求“將長江經濟帶建設成為引領全國轉型發(fā)展的創(chuàng)新驅動帶”，創(chuàng)新發(fā)展需成為長江經濟帶高質量發(fā)展的根本保證。但長江經濟帶面臨創(chuàng)新資源要素分布不均衡、創(chuàng)新體系不健全、協(xié)同創(chuàng)新不足等問題。優(yōu)化長江經濟帶區(qū)域創(chuàng)新資源配置，提升其創(chuàng)新效率，是解決上述問題的重要途徑，因此長江經濟帶創(chuàng)新效率研究具有重大理論與實踐意義。

基于區(qū)域視角對長江經濟帶創(chuàng)新效率評估主要從整體發(fā)展狀況、上中下游地區(qū)和沿線省份差異的角度進行研究。劉釩等［1］研究發(fā)現長江經濟帶上中下游地區(qū)創(chuàng)新效率差異顯著且這種差異呈增長趨勢，中游地區(qū)是創(chuàng)新發(fā)展“洼地”。毛良虎等［2］研究發(fā)現長江經濟帶創(chuàng)新效率呈“啞鈴”狀格局，中游地區(qū)創(chuàng)新效率較低；羅穎等［3］運用三階段DEA 方法，研究發(fā)現長江經濟帶創(chuàng)新綜合效率時空差異明顯，創(chuàng)新綜合效率值從東向西依次遞減。相關文獻還從空間角度對長江經濟帶創(chuàng)新效率進行了研究。毛良虎等［4］運用空間統(tǒng)計方法，發(fā)現長江經濟帶創(chuàng)新能力具有顯著的空間正相關關系，表現為“中心—外圍”空間格局。武曉靜等［5］和張建偉等［6］發(fā)現長三角地區(qū)和中上游的省會城市創(chuàng)新產出較高，各城市創(chuàng)新產出呈現空間正相關關系。

研究方法上，創(chuàng)新效率測算主要包括DEA 模型［1］、隨機前沿模型［7］以及結合其他方法的DEA 改進方法［3，8-12］和Tobit 計量模型［13］等方法。創(chuàng)新效率空間特征的研究中，主要分別利用空間統(tǒng)計和空間計量方法，檢驗創(chuàng)新效率的空間集聚及空間溢出特征［4-6，14-17］。

但目前大多文獻在研究創(chuàng)新效率時均未考慮環(huán)境因素和隨機干擾，且主要利用逐年的截面數據進行當年的創(chuàng)新效率測算，不能對同一個決策單元不同年份的創(chuàng)新效率進行縱向比較。針對上述問題，本文構建三階段DEA- windows 模型對長江經濟帶創(chuàng)新效率進行測算，并結合空間統(tǒng)計方法分析長江經濟帶整體和上中下游地區(qū)間創(chuàng)新效率的時空特點，旨在為長江經濟帶創(chuàng)新效率的提升提供借鑒。

1 研究方法和數據來源

1.1 方法與模型

傳統(tǒng)DEA 模型不能將管理無效率、環(huán)境因素和隨機擾動項等對決策單元（decision making unit，DMU）效率評價的不同影響分離開來，為準確地評價DMU 的效率，有必要剔除環(huán)境因素和隨機擾動的影響。三階段DEA- windows（DEA 窗口分析）方法不僅能剝離環(huán)境因素和隨機干擾的影響，還可彌補小樣本DMU 數量不足，在移動平均的原理下，對不同時點的DMU 進行效率測算，所得效率值更加客觀，而且能進行縱橫向比較。

1.1.1 三階段DEA- windows 方法 1）第一階段：DEA- windows 模型測算初始創(chuàng)新效率和投入冗余量

首先，假設有K個DMU，每個DMU 有M個投入和N個產出，DMUk的綜合效率值力θk。采用基于規(guī)模報酬不變（CRS）的投入角度模型，測算長江經濟帶各省市創(chuàng)新綜合效率值。CRS 模型為

其中，ε為無窮小量分別為DMUk的第m種投入松弛量和第n種產出松弛量；λk為第k個DMUk的權重；Xmk為DMUk的第m種投入量；Ynk為DMUk的第n種產出量。

基于上述傳統(tǒng)DEA 模型，DEA- windows 具體步驟如下：

①綜合考慮穩(wěn)定性和可信度，確定窗口寬度為3。

②本文研究期間為2006- 2017 年，時間長度為12 年，故需建立12- 3+ 1= 10 個窗口期，對每個窗口期中11 個地區(qū)共33 個DMU（即上述DEA 模型中，K= 3× 11= 33）進行效率測算，即得11 個地區(qū)在某個窗口期上的3 個效率值。

③基于相同年份，對每個地區(qū)的效率值（其中，2006、2017 年每個地區(qū)只有1 個效率值；2007、2016 年每個地區(qū)有2 個效率值；其他年份每個地區(qū)均有3 個效率值）進行平均。為保證綜合效率均值依然等于純技術效率均值與規(guī)模效率均值的乘積，本文對效率值的平均取其幾何平均數。

④類似于第③步，基于相同年份，對每個地區(qū)的投入冗余量進行算術平均，以每個地區(qū)相同時點投入冗余量的平均值ΔX′mkt作為下一步面板SFA 模型的因變量。

2）第二階段：面板SFA 模型測算調整的投入冗余量

為得到僅由管理無效率所引起的投入冗余，本文以第一階段得到的各投入冗余量ΔX′mkt作為因變量，以各外部環(huán)境變量作為自變量，建立面板SFA 模型為

式中，ΔX′mkt表示DMUk在t時期的第m項投入冗余；fm(Zkt;βm)表示外部環(huán)境對投入冗余的確定性影響；Zkt表示一組外部環(huán)境變量值；βm表示這組環(huán)境變量相應的系數，一般取fm(Zkt;βm)=Zkt βm。vmkt+umkt為混合誤差項，vmkt為隨機誤差，并且vmkt～N(0,σ2mv)。umkt為管理無效率項，且umkt～N+(0,σ2mu)。

根據面板SFA 模型回歸結果，對DMU 的初始投入量進行調整，使得所有的DMU 處于相同的外部環(huán)境和隨機條件下，調整方法為

Frontier4.1 在 估 計 面板SFA 模 型時 會 算 出β、σ2和γ極 大 似然 估 計 值，這 里為得到隨機誤差項的值，需先從混合誤差項分離出管理無效率umkt，本文根據文獻［18- 19］提出了如下公式

式中，εmkt=vmkt+umkt表示混合誤差項；λ=σmu/σmv，φ和Φ 分別表示標準正態(tài)分布的密度函數和分布函數。進而，隨機誤差項即為

3）第三階段：DEA- windows 模型測算調整后的創(chuàng)新效率

以第二階段調整后的各投入值為新的投入，窗口長度仍然為3，按照第一階段同樣方法利用DEA- windows 模型重新測算綜合效率、純技術效率和規(guī)模效率。此時測度的效率已剔除環(huán)境因素和隨機干擾，且利用窗口分析得到的不同時點的DMU 創(chuàng)新效率能進行縱橫向比較。

1.1.2 空間Moran′s I 指數 長江經濟帶各省市的綜合效率、純技術效率和規(guī)模效率是否存在空間相關性，可用Moran′s I 指數進行測度。全域的Moran′s I 可定義為

式中，Wij為采用鄰近標準或距離標準的空間權值矩陣；Yi為第i個區(qū)域的創(chuàng)新效率值；n為區(qū)域數

由于部分區(qū)域創(chuàng)新效率的正相關和另一部分區(qū)域間負相關可能抵消，全域Moran′s I 無法揭示某一特定區(qū)域的局域空間關聯效應，還需要使用局域Moran′s I 測算這種效應，計算公式為

1.2 變量、數據來源及處理

1.2.1 指標選取 全文變量類型及指標變量見表1。創(chuàng)新投入指標方面，主要考慮勞動力和資本的投入。選取R&D 人員全時當量（I1），體現對創(chuàng)新的人力資源投入；R&D 經費內部支出（I2）和高技術產業(yè)新產品開發(fā)經費（I3），分別體現原始創(chuàng)新和二次創(chuàng)新的資本投入。

創(chuàng)新產出指標方面，選取國內專利申請授權數（O1）作為衡量創(chuàng)新直接產出。同時，選取高技術產業(yè)新產品銷售收入（O2）和技術市場成交額（O3）作為創(chuàng)新實現的最終市場價值。

創(chuàng)新效率的環(huán)境變量方面，主要受環(huán)境規(guī)制、經濟環(huán)境、財政支持、教育水平、研發(fā)規(guī)模和產業(yè)結構等因素的影響。環(huán)境規(guī)制（E1）為創(chuàng)新設置了一定的限制條件，選取環(huán)境污染治理投資占GDP 比重表征該變量；經濟環(huán)境（E2）為創(chuàng)新提供一定的物質基礎，用人均GDP 表征該變量；財政支持（E3）將直接影響創(chuàng)新資源的配置能力，選擇政府科學技術財政支出占財政總支出比重表征該指標；教育水平（E4）為創(chuàng)新提供一定的智力支持，用每十萬人口高等學校平均在校生人數來測度該指標；研發(fā)規(guī)模（E5）對創(chuàng)新的影響存在兩種可能：大規(guī)模企業(yè)可利用其自身的規(guī)模優(yōu)勢，為創(chuàng)新提供充足資金，提升創(chuàng)新效率；中小規(guī)模企業(yè)更易掌握新技術，企業(yè)創(chuàng)新更高效快捷。本文選擇企業(yè)R&D 經費支出占主營業(yè)務收入比重表示該指標。產業(yè)結構（E6）主要度量產業(yè)結構升級情況，用高技術產業(yè)占規(guī)模以上工業(yè)企業(yè)主營業(yè)務收入比重來測度。

表1 創(chuàng)新的投入產出指標及外部環(huán)境變量Tab.1 Innovative input-output indicators and external environmental variables

1.2.2 數據來源及處理 長江經濟帶上游包括四川、云南、貴州和重慶等省市，湖北、湖南、江西和安徽位于中游地區(qū)，上海、江蘇和浙江屬下游地區(qū)。2006- 2017 年長江經濟帶11 省市相關數據主要來源于EPS 數據庫。利用各省市的價格指數，將R&D 經費內部支出（I2）、高技術產業(yè)新產品開發(fā)經費（I3）、高技術產業(yè)新產品銷售收入（O2）、技術市場成交額（O3）、經濟環(huán)境（E2）等價值量指標調整至以2005 年價格為計的值?？臻g統(tǒng)計分析中所用權重矩陣選取空間地理相鄰（0- 1）矩陣。第一階段和第三階段DEA- windows 分析主要利用DEAP2.1，第二階段面板SFA模型構建利用Frontier4.1，地理圖像處理利用ArcGis10.2，其他所有數據處理主要利用Stata15.0。

各投入產出變量的相關性檢驗見表2。結果顯示，在1% 的顯著性水平上，各投入產出變量間均具有顯著相關性，滿足利用DEA 進行效率測算的同向性要求。

表2 投入產出變量的相關系數Tab.2 Correlation coefficients of input-output variables

2 實證結果分析

2.1 第一階段構建DEA-windows 模型測算初始創(chuàng)新效率

第一階段初始創(chuàng)新效率的測度中窗口長度為3，計算得到10 個窗口期中每個窗口期的共33個決策單元的初始綜合效率、純技術效率和規(guī)模效率。以上海市綜合效率測算為例，其DEAwindows 測算過程見表3。同理，可得到第一階段各省市初始綜合效率、純技術效率和規(guī)模效率值如表4 所示，第一階段創(chuàng)新效率均值見表5。

表3 DEA-windows 測算綜合效率過程——以上海為例Tab.3 DEA-windows comprehensive efficiency measurement process with Shanghai as an example

表4 第一階段DEA-windows 測算綜合效率、純技術效率和規(guī)模效率結果Tab.4 Results of comprehensive efficiency, pure technical efficiency and scale efficiency in the first stage of DEA-windows measurement

續(xù)表4

2.1.1 區(qū)域整體創(chuàng)新效率特點 整體來看，2006- 2017 年間，長江經濟帶初始綜合效率、純技術效率和規(guī)模效率分別位于［0.625，0.898］、［0.744，0.915］和［0.840，0.982］等區(qū)間，3 種效率均先上升，于2015 年達到最高點后，于2016 年、2017 年小幅下降。2006- 2017 年間，長江經濟帶綜合效率平均為0.760，純技術效率平均為0.835，規(guī)模效率平均為0.911，仍然是弱DEA 效率，且綜合效率均值和規(guī)模效率均值變化幅度基本一致，綜合效率不足主要由純技術效率不足所導致。

2.1.2 各省市創(chuàng)新效率特點 由表4 可知，重慶、浙江和上海的綜合效率、純技術效率和規(guī)模效率變動不大，除個別年份外，其創(chuàng)新效率基本有效；江蘇的綜合效率較高，但其純技術效率和規(guī)模效率排名都不太靠前；安徽、江西的創(chuàng)新綜合效率、純技術效率和規(guī)模效率在各年份均未達到創(chuàng)新前沿面，3 種效率排名均靠后；湖南、湖北盡管在有些年份純技術效率有效，但波動幅度較大且排名最后，盡管該兩省規(guī)模效率較為有效，其綜合效率較差；四川的綜合效率、純技術效率和規(guī)模效率均較為穩(wěn)定，其綜合效率不高的原因主要由純技術效率不足所導致；云南、貴州的規(guī)模效率明顯較差，盡管其純技術效率基本有效，直接導致綜合效率排名最后。盡管11 個省市的創(chuàng)新綜合效率、純技術效率和規(guī)模效率存在明顯的空間差異，從各年度3 種創(chuàng)新效率的離散系數逐年下降的趨勢來看，這種空間差異在逐年減小。

從區(qū)域來看，長江下游地區(qū)綜合效率、純技術效率和規(guī)模效率均為最高；長江上游地區(qū)的綜合效率和純技術效率均高于長江中游地區(qū)，但上游地區(qū)的規(guī)模效率稍低于中游地區(qū)；長江中游地區(qū)的綜合效率和純技術效率均最低?？偟膩碚f，長江經濟帶區(qū)域創(chuàng)新效率表現為“啞鈴”狀形態(tài)，中游地區(qū)是創(chuàng)新發(fā)展的“洼地”。

2.1.3 各省市創(chuàng)新效率類型劃分 為進一步分析長江經濟帶各省市創(chuàng)新效率的空間差異，以純技術效率和規(guī)模效率均值（0.835，0.911）為依據，將各省市創(chuàng)新效率劃分為3 種類型，結果見圖1。

第一類為“雙高型”，主要有重慶、浙江、上海和江蘇等4 個省市，這些省市的綜合效率較高，還可繼續(xù)小幅提升純技術效率和規(guī)模效率。第二類為“高低型”，主要指純技術效率高（低），同時規(guī)模效率低（高）等兩種類型。純技術效率高、規(guī)模效率低的省市有云南和貴州。純技術效率低、規(guī)模效率高的省市為四川、湖北、湖南和安徽等。這些省市主要位于長江中上游地區(qū)，需繼續(xù)改進規(guī)模效率或提升純技術效率。第三類為“雙低型”，江西的純技術效率及規(guī)模效率均低于平均水平，需要同時提高純技術效率和規(guī)模效率。

圖1 第一階段長江經濟帶創(chuàng)新效率分布圖Fig.1 Innovation efficiency distribution diagram of the Yangtze River Economic Belt in the first stage

2.2 第二階段建立面板SFA 模型，剔除環(huán)境因素和隨機擾動

利用Frontier4.1，分別以投入指標R&D 人員全時當量（I1）、R&D 經費內部支出（I2）和高技術產業(yè)新產品開發(fā)經費（I3）的冗余量為被解釋變量，以環(huán)境變量為自變量，得到3 個面板SFA 模型，各極大似然估計值結果見表6。

首先，3 種投入冗余變量的面板SFA 模型估計的γ值分別為0.662、0.476 和0.247，在1% 的水平上均顯著，這說明面板SFA 模型管理無效率項的影響顯著。其次，面板SFA 模型的LR 單邊似然比檢驗拒絕了OLS 估計結果，面板SFA 模型估計的結果更有效。此外，I1 的面板SFA 模型中環(huán)境變量系數部分通過顯著性檢驗，I2 和I3 的面板SFA 模型中環(huán)境變量系數在1% 的顯著性水平上基本顯著。

以高技術產業(yè)新產品開發(fā)經費（I3）冗余量的面板SFA 模型為例，在其他條件不變的情況下，環(huán)境規(guī)制的系數顯著為負，表明環(huán)境污染治理要求的提升將使得高技術產業(yè)新產品開發(fā)經費的冗余減少；經濟環(huán)境的系數顯著為正，表明經濟的發(fā)展使得高技術產業(yè)新產品開發(fā)經費投入較多，可能產生投入冗余；財政支持系數顯著為負，表明政府的創(chuàng)新財政資助能夠引導區(qū)域創(chuàng)新行為，降低部分高技術產業(yè)新產品開發(fā)經費，提高創(chuàng)新效率；教育水平的系數為負，高的教育水平將降低高技術產業(yè)新產品開發(fā)經費冗余量；研發(fā)規(guī)模和高技術產業(yè)結構的系數均顯著為正，表明研發(fā)規(guī)模越大、高技術產業(yè)占比越大，高技術產業(yè)新產品開發(fā)經費投入越多。與I3 的面板SFA 模型各環(huán)境變量符號相比，除I1 面板SFA 模型中的環(huán)境規(guī)制系數和I2 面板SFA 模型中產業(yè)結構系數外，其他環(huán)境變量系數符號與I3 面板SFA 模型的系數符號均一致。

表6 第二階段面板SFA 模型的回歸結果Tab.6 Regression results of the second-stage panel SFA model

2.3 第三階段利用調整后DEA-windows 模型測算創(chuàng)新效率

利用公式（1）～（4）得到調整后的各投入指標值，再次利用DEA- window 測算長江經濟帶11 省市綜合效率、純技術效率和規(guī)模效率，其結果見表7，第三階段創(chuàng)新效率均值見表5。

表7 第三階段DEA-windows 測算綜合效率、純技術效率和規(guī)模效率結果Tab.7 Results of comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage of DEA-windows measurement

續(xù)表7

為檢驗第一階段與第三階段的3 種創(chuàng)新效率間是否存在顯著差異，利用Wilcoxon 符號秩方法進行檢驗，結果見表8。結果顯示，長江經濟帶創(chuàng)新效率在投入調整前后有顯著差異，進一步印證需對原始投入量進行調整再測算創(chuàng)新效率的必要性。

表8 Wilcoxon 配對樣本的符號秩檢驗結果Tab.8 Symbolic rank test results of Wilcoxon paired samples

2.3.1 調整前后區(qū)域整體創(chuàng)新效率變化 總體來看，2006- 2017 年間調整后的長江經濟帶創(chuàng)新平均綜合效率、純技術效率和規(guī)模效率變化區(qū)間分別為［0.294，0.761］、［0.962，0.986］和［0.301，0.775］，均未達到1，仍處于DEA 無效率狀態(tài)，較調整之前有很大變化。通過第二階段的調整，在濾除了環(huán)境因素和隨機擾動的影響后，綜合效率和規(guī)模效率的平均值分別從0.760 和0.911 下降至0.471 和0.482，而純技術效率由從0.835 上升至0.977。

3 種效率均值的時序圖見圖2，由圖2 可以看出，綜合效率均值和規(guī)模效率均值均單調上升，兩者變化幅度基本一致，各區(qū)域純技術效率波動幅度不大但趨勢各不相同，綜合效率不足主要受規(guī)模效率不足所導致。

圖2 第三階段各區(qū)域綜合效率、純技術效率和規(guī)模效率時序圖Fig.2 Sequence diagram of comprehensive efficiency, pure technical efficiency and scale efficiency of innovation in each region in the third stage

2.3.2 調整前后各省市創(chuàng)新效率變化 調整后，上海、江蘇、浙江、湖北和重慶等省市的綜合效率值在部分時間窗下處于DEA 有效，其余省市綜合效率均未實現DEA 有效。值得注意的是，除上述省市外，貴州和云南的純技術效率和規(guī)模效率在部分年份也為DEA 有效。調整后，11 個省市純技術效率均高于調整前，除上海和江蘇的綜合效率及規(guī)模效率高于調整前，其他省市的綜合效率和規(guī)模效率均低于調整前。類似于調整前，盡管綜合效率、純技術效率和規(guī)模效率空間差異明顯，但從3 類創(chuàng)新效率的離散系數來看，隨著時間的推移，這種空間差異在逐步縮小。

從區(qū)域來看，長江下游地區(qū)綜合效率和規(guī)模效率均為最高，純技術效率低于上游地區(qū)；長江中游地區(qū)的綜合效率和規(guī)模效率均高于長江上游地區(qū)，純技術效率最低；長江上游地區(qū)綜合效率和規(guī)模效率均為最低，但其純技術效率最高?？偟膩碚f，長江經濟帶區(qū)域創(chuàng)新效率呈現由東向西的遞減態(tài)勢。

2.3.3 調整后各省市創(chuàng)新效率的類型劃分 按照調整后的純技術效率和規(guī)模效率均值（0.977，0.482）為臨界點進行分類，結果見圖3。“雙高型”主要有上海、江蘇和重慶等3 省市，但重慶的綜合效率和規(guī)模效率均不太有效?！案叩托汀笔∈兄?，湖北、四川、云南和貴州的空間象限沒有發(fā)生改變，浙江由于純技術效率排名的下降而劃歸為“高低型”，江西由于純技術效率排名的上升而從“雙低型”轉歸為“高低型”?！半p低型”省市包括安徽和湖南，都是由于規(guī)模效率排名的下降而從“高低型”轉為“雙低型”。

圖3 第三階段長江經濟帶創(chuàng)新效率分布圖Fig.3 Innovation efficiency distribution diagram of the Yangtze River Economic Belt in the third stage

2.3.4 各省市創(chuàng)新效率的空間相關特點 以2006- 2017 年長江經濟帶綜合效率均值、純技術效率均值和規(guī)模效率均值繪制地理分布圖（見圖4）。從圖4 可知，盡管各省市創(chuàng)新效率空間差異明顯，但下游地區(qū)各省市創(chuàng)新效率明顯較高，上中游地區(qū)各省市創(chuàng)新效率較低，可能存在較強的空間相關性。

圖4 第三階段長江經濟帶綜合效率、純技術效率和規(guī)模效率分布圖Fig.4 Distribution of comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage of the Yangtze River Economic Belt

計算得到2016- 2017 年11 個省市的3 種創(chuàng)新效率的Moran′s I 指數和相應的伴隨概率如表9所示。由表9 可知，研究期內長江經濟帶綜合效率和規(guī)模效率呈現顯著的空間正相關，但這種空間正相關強度正逐步減弱。這表明各省市通過調整規(guī)模以提升綜合效率的方式具有借鑒和模仿意義，但這種借鑒作用在逐步降低。此外，長江經濟帶純技術效率表現為沒有或有微弱的空間負相關，表明各省市通過提升純技術效率的方式來增加綜合效率具有一定的擠出效應。

表9 第三階段綜合效率、純技術效率和規(guī)模效率的Moran′s I 指數Tab.9 Moran′s I index of the comprehensive efficiency, pure technical efficiency and scale efficiency in the third stage

3 結論與建議

本文在傳統(tǒng)三階段DEA 模型的理論基礎上，利用DEA- windows 方法和面板SFA 模型，研究2006- 2017 年長江經濟帶各省市創(chuàng)新效率的動態(tài)變化和空間差異，并利用空間統(tǒng)計方法，分析各省市創(chuàng)新效率的空間集聚特點。結論如下：

1）調整前，從整體來看，長江經濟帶平均綜合效率為0.760，純技術效率平均為0.835，規(guī)模效率平均為0.911，為弱DEA 效率。從區(qū)域來看，長江中游地區(qū)是創(chuàng)新發(fā)展的“洼地”，長江經濟帶區(qū)域創(chuàng)新效率呈現出“啞鈴”狀格局。從省市來看，重慶、浙江、上海和江蘇屬于“雙高型”，云南、貴州、四川、湖北、湖南和安徽等屬于“高低型”，江西屬于“雙低型”。

2）調整前后，長江經濟帶創(chuàng)新效率值差異明顯，綜合效率和規(guī)模效率的平均值分別從0.760和0.911 下降至0.471 和0.482，而純技術效率從0.835 上升至0.977。盡管調整前后的綜合效率、純技術效率和規(guī)模效率空間差異均明顯，但這種空間差異在逐步縮小。

3）調整后，整體來看長江經濟帶綜合效率均值和規(guī)模效率均值均單調上升，且兩者變化幅度基本一致，各區(qū)域純技術效率波動幅度不大但趨勢各不相同。從區(qū)域來看，長江經濟帶區(qū)域創(chuàng)新效率呈現由東向西的遞減態(tài)勢。從省市來看，“雙高型”有上海、江蘇和重慶，“高低型”省市包括湖北、四川、云南、貴州、浙江和江西，“雙低型”省市包括安徽和湖南。

4）從創(chuàng)新效率的空間相關的特點來看，綜合效率和規(guī)模效率呈現顯著的空間正相關，但這種空間正相關強度正在逐步減弱。處于“高- 高”區(qū)域的省市有上海、江蘇和浙江，位于“低-低”區(qū)域的省市有湖南、重慶、貴州和云南，湖北和四川位于“高- 低”區(qū)域，安徽和江西位于“低- 高”區(qū)域。

5）從環(huán)境變量對投入冗余的影響來看，環(huán)境變量對3 種投入冗余的影響基本一致，環(huán)境規(guī)制、財政支持和教育水平的加強有利于提升創(chuàng)新效率，而經濟條件、研發(fā)規(guī)模和產業(yè)結構的提升可能導致投入的冗余。

根據上述研究結論，提出如下建議：首先，為提高綜合效率、純技術效率和規(guī)模效率，需提升區(qū)域創(chuàng)新資源配置能力，調整創(chuàng)新資源投入結構和投向部門，以增加單位資源投入所獲得的創(chuàng)新產出；其次，為減輕投入冗余造成的創(chuàng)新效率低下問題，從環(huán)境變量影響角度出發(fā)，近階段可通過加大環(huán)境規(guī)制和財政支持力度以及繼續(xù)提升教育水平等手段減輕投入冗余壓力；最后，為縮小長江經濟帶下游與上中游地區(qū)創(chuàng)新效率的空間差異，可結合區(qū)域創(chuàng)新效率的空間相關等特點，建立區(qū)域創(chuàng)新協(xié)同機制，推動長江上中游地區(qū)創(chuàng)新高質量發(fā)展。