鄭黃山

（福建船政交通職業(yè)學院,福建 福州 350007）

科技創(chuàng)新不僅是推進高校全面創(chuàng)新的源頭，也是推動高校全面創(chuàng)新的永動機。對高校辦學水平與質量的評價，不能忽視對其科技創(chuàng)新能力與效率的考察。按照歸口管理可將中國的大學簡單分為教育部直屬高校、中央部委所屬高校以及地方高校等，其中地方高校在整體結構中居多數(shù)。因此，本文針對我國高校的科技創(chuàng)新效率，從地方高校的發(fā)展程度入手，以其發(fā)展水平為標準，檢驗我國高校科技創(chuàng)新的整體質量。

學術界圍繞高校科技創(chuàng)新效率的評價展開了諸多有益的討論，內容涉及多個維度。在評價體系方面，部分學者立足于宏觀面板數(shù)據(jù)，設計以資本、人力為主的投入指標和以創(chuàng)新成果為代表的科技產(chǎn)出指標，對省域高?？萍紕?chuàng)新效率進行衡量，并進一步分析其演化趨勢[1-4]。評價方法方面，學者們在評價高?？萍紕?chuàng)新效率時采用了數(shù)據(jù)包絡分析（DEA）、隨機前沿分析（SFA）、主成分分析（PCA）、社會網(wǎng)絡分析（SNA）等多種分析方法[5-8]。此外，部分學者在構建評價體系的基礎上，或基于重點高校，或基于一流大學對某一類型高校的科技創(chuàng)新效率進行測度，展現(xiàn)了學術界在此類研究中對不同類型高校與區(qū)域差異的思考[9-12]。

目前，在高?？萍紕?chuàng)新效率評價研究中，從歸口管理的視角，按照財政資金支持來源差異，對地方院校科技創(chuàng)新效率進行評價的研究相對較少，而各省內部的資金、政策支持是目前地方高校科研資金的主要來源，我國高?？萍紕?chuàng)新效率的地區(qū)差異取決于地方對科研的投入強度。因此，以省域地方高校為研究對象，評價其科技創(chuàng)新效率并對區(qū)域間效率差異進行數(shù)據(jù)分析具有重要的意義。

1 研究方法、數(shù)據(jù)來源及指標設置

1.1 研究方法

1.1.1 科技創(chuàng)新效率評價方法

DEA方法在實際應用中具有很大的靈活性和適用性[13]。通過DEA方法，可以識別出相對有效的決策單元，并為低效單位提供改進方向和參考。此外，DEA方法并不受限于特定的函數(shù)形式或線性假設，因此適用于各種類型的生產(chǎn)系統(tǒng)和評價對象。作為DEA方法中的典型代表，Malmquist指數(shù)模型旨在評價決策單元在一段時間內的動態(tài)效率，即年度間效率值的變動指數(shù)。該模型能同時兼顧時間、地域兩個維度的比較，被廣泛應用于科技、金融、醫(yī)療等眾多部門生產(chǎn)效率的評價。

本文應用DEA-Malmquist模型，對省域地方高?？萍紕?chuàng)新效率進行測算與評價。在模型中，科技創(chuàng)新全要素生產(chǎn)率（TFP）表示科技創(chuàng)新效率的變動情況，同時，科技創(chuàng)新全要素生產(chǎn)率（TFP）可進一步細分為技術效率（EFFCH）和技術進步（TECHCH），其關系為TFP=EFFCH×TECHCH。技術效率代表高校科技創(chuàng)新資源要素的配置水平，技術進步代表高校科技創(chuàng)新技術進步水平。同樣，技術效率（EFFCH）可細分為純技術效率（PECH）和規(guī)模效率（SECH），用純技術效率表征資源管理水平，規(guī)模效率表征資源要素配置結構的合理水平。模型中所有指數(shù)的取值范圍為[0,2]，指數(shù)大于1代表效率提升，小于1則代表效率下降。

1.1.2 收斂性檢驗方法

收斂性分析是指在研究中對序列、函數(shù)或模型的趨近性質進行分析和檢驗。它是用于判斷一個序列或函數(shù)是否會逐漸趨向于某個極限值或穩(wěn)定狀態(tài)。

本研究在已有研究的基礎上采用σ-收斂、β-絕對收斂和β-條件收斂等分析方法對省域地方高?？萍紕?chuàng)新效率的空間差異進行收斂性檢驗。其中，σ-收斂為統(tǒng)計指標方法，用平均值與標準差的比值衡量；β-絕對收斂用來驗證效率差異省份之間差異的縮小趨勢；β-條件收斂則用來檢驗在控制一定條件下，具有差異的地域，其高?？萍紕?chuàng)新效率趨于均衡的態(tài)勢。

β-絕對收斂分析模型如下：

β-條件收斂分析模型如下：

式中，i表示樣本省份，TEi,t表示樣本省份檢驗期的高?？萍紕?chuàng)新效率值，TEi0表示樣本省份基期的效率值，T或t表示年份跨度，a為常數(shù)項，b表示收斂速度（b＞0表示發(fā)散，b＜0表示收斂），ε為誤差項。

1.2 數(shù)據(jù)來源

為體現(xiàn)出我國省域地方高?？萍紕?chuàng)新效率的變化，本文選取2003—2020年的省級面板數(shù)據(jù)進行分析，由于統(tǒng)計口徑及部分數(shù)據(jù)缺失不全等原因，本研究中進行效率測算的投入產(chǎn)出數(shù)據(jù)均來自2004—2021年《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》及EPS數(shù)據(jù)平臺中的教育板塊數(shù)據(jù)。

1.3 指標設置

本文的研究對象為各省份地方高?？萍紕?chuàng)新效率，因此，選取地方高校當年研究與發(fā)展經(jīng)費支出作為科研資金投入，同時，考慮到科研人員中的兼職現(xiàn)象，選擇地方高校研究與發(fā)展全時人員（人年）作為人力投入，以避免數(shù)據(jù)偏差[14]。與此同時，將地方高校研究與發(fā)展課題數(shù)納入投入指標序列。產(chǎn)出指標方面，將科技論文數(shù)量、科技著作數(shù)量、專利授權數(shù)量作為科技創(chuàng)新產(chǎn)出指標，并將地方高校技術轉讓收入作為衡量科技產(chǎn)出的重要標準。對比已有研究，在科技創(chuàng)新產(chǎn)出的評價維度，考察科技成果產(chǎn)出與科技創(chuàng)收產(chǎn)出能夠更為準確地表征高?？萍紕?chuàng)新的真實水平。評價指標體系如表1所示。

表1 省域地方高?？萍紕?chuàng)新效率評價指標體系

2 省域地方高?？萍紕?chuàng)新效率的時空演變分析

2.1 年度省域地方高校科技創(chuàng)新效率演變趨勢分析

由圖1可知，2003—2020年間地方高校科技創(chuàng)新全要素生產(chǎn)率呈現(xiàn)明顯的波動狀態(tài)。其中，在2003—2005 年、2006—2009 年、2011—2013 年、2014—2016年、2016—2019年間地方高?？萍紕?chuàng)新全要素生產(chǎn)率均出現(xiàn)較大程度的下降，其他年度呈現(xiàn)不同程度的上升態(tài)勢。技術進步的變動趨勢大體與全要素生產(chǎn)率年度間的浮動相吻合，說明在全要素生產(chǎn)率的分解變量中，技術進步對全要素生產(chǎn)率的作用力度較大，進一步驗證了地方高校在新知識、新技能、發(fā)明創(chuàng)造以及新的組織結構在科技活動的應用上存在短板，一定程度上限制了其科技創(chuàng)新效率。在2007—2011年、2012—2014年以及2015—2018年，技術效率與全要素生產(chǎn)率的變動趨勢相反，反映出技術效率對全要素生產(chǎn)率的影響較為薄弱。在技術效率的兩個分解變量中，規(guī)模效率年度間的變動趨勢大體與技術效率吻合，說明地方高校的科技創(chuàng)新資源管理能力與配置水平并未對科技創(chuàng)新效率發(fā)揮較為明顯的貢獻作用，提高科技資源的配置水平是加強地方高校科技創(chuàng)新管理活動的重要環(huán)節(jié)。

圖1 2003—2020年中國地方高校科技創(chuàng)新效率年度間變動

2.2 省域地方高?？萍紕?chuàng)新效率的空間差異分析

表2為2003—2020年我國東部地區(qū)、東北地區(qū)、中部地區(qū)和西部地區(qū)地方高?？萍紕?chuàng)新全要素生產(chǎn)率及其構成的取值情況。由表2可知，我國整體及其分區(qū)地方高?？萍紕?chuàng)新效率呈現(xiàn)明顯的區(qū)域差異特征，這一特征與以往一般性研究的結論相吻合[15]。具體來看，省域地方高校科技創(chuàng)新效率的空間差異特征如下：（1）不同省域的地方高?？萍紕?chuàng)新效率的平均水平差距較大。東部地區(qū)效率值最高，其次為中部地區(qū)和西部地區(qū)，東北地區(qū)最低。并且東部地區(qū)的高?？萍假Y源投入遙遙領先于其他三個地區(qū)。地方高校科技創(chuàng)新全要素生產(chǎn)率平均超過1的僅有東部地區(qū)，中部、西部、東北地區(qū)的地方高?？萍紕?chuàng)新全要素生產(chǎn)率平均水平均未超過1，說明這三個地區(qū)的科技創(chuàng)新效率在2003—2020年間整體處于下降態(tài)勢。（2）地方高?？萍紕?chuàng)新效率的驅動來源區(qū)域化明顯。東部地區(qū)地方高?？萍紕?chuàng)新的技術進步平均值為1.028，雖然技術效率值不足1，但仍帶動了全要素生產(chǎn)率的提升；而中部、西部兩個地區(qū)地方高?？萍紕?chuàng)新的技術進步平均值均未超過1，技術效率的平均值反而高于1，分別為1.008和1.011。這說明在科技創(chuàng)新活動中，不同地區(qū)地方高校的發(fā)展狀況以及發(fā)展優(yōu)勢差異明顯。（3）地區(qū)內部地方高?？萍紕?chuàng)新效率差異明顯。東部地區(qū)大多數(shù)省份地方高校科技創(chuàng)新效率高于全國平均水平；東北地區(qū)3個省份的地方高?？萍紕?chuàng)新全要素生產(chǎn)率整體相差不大，但驅動來源仍存在差異；中部地區(qū)有4個省份的地方高?？萍紕?chuàng)新效率低于全國平均水平，分別為山西、安徽、河南、湖南；西部地區(qū)有5個省份的地方高?？萍紕?chuàng)新效率高于全國平均水平，但西藏、青海、寧夏以及新疆四省的效率值較低，遠落后于其他省份及全國平均水平。

表2 2003—2020年中國地方高校科技創(chuàng)新效率區(qū)域間比較

3 省域地方高?？萍紕?chuàng)新效率的收斂性分析

不同區(qū)域的地方高?？萍紕?chuàng)新效率的時空演變趨勢差異極為明顯，區(qū)域間的不平衡在時間維度上是否會出現(xiàn)變化，隨著時間的推移，地區(qū)間的差距會縮小還是擴大，尚需通過收斂性檢驗對地區(qū)間的差異進行進一步分析。

3.1 地方高?？萍紕?chuàng)新效率的σ-收斂檢驗

σ-收斂指不同省份地方高校科技創(chuàng)新效率與整體平均水平的差異在時間維度上不斷降低的態(tài)勢。圖2顯示了我國整體與經(jīng)濟分區(qū)的地方高?？萍紕?chuàng)新效率的σ-收斂指數(shù)情況，無論是全國還是四個經(jīng)濟分區(qū)，地方高?？萍紕?chuàng)新效率的σ-收斂指數(shù)在2003—2020年間起伏態(tài)勢明顯，均未呈現(xiàn)穩(wěn)定的降低趨勢，故收斂狀態(tài)不明顯。在2004—2006年、2007—2011年，全國收斂指數(shù)持續(xù)下降，呈現(xiàn)明顯的收斂態(tài)勢；東部地區(qū)僅在2006—2008年呈現(xiàn)明顯的收斂態(tài)勢，其σ-收斂指數(shù)年度間的波動幅度較其他地區(qū)更大；東北地區(qū)的收斂年度較多，在2010—2020年呈現(xiàn)明顯的收斂態(tài)勢，2003—2010年的收斂態(tài)勢不明顯；中部地區(qū)在2004—2006年、2008—2011年、2012—2015年這三個時間段收斂指數(shù)持續(xù)下降，呈現(xiàn)明顯收斂態(tài)勢，其他均呈現(xiàn)發(fā)散態(tài)勢；相比之下，西部地區(qū)僅在2004—2007年呈現(xiàn)收斂態(tài)勢，其他年度發(fā)散態(tài)勢明顯。

圖2 省域地方高?？萍紕?chuàng)新效率收斂指數(shù)的區(qū)域間比較

3.2 地方高校科技創(chuàng)新效率的β-絕對收斂檢驗

根據(jù)表3的β-絕對收斂情況來看，收斂系數(shù)（相關系數(shù)b）為正,且通過了95%的置信檢驗，說明2003—2020年全國各省份地方高?？萍紕?chuàng)新效率不存在β-絕對收斂，各省份之間地方高?？萍紕?chuàng)新效率的差距較大。從四個經(jīng)濟分區(qū)的具體數(shù)值可以看出，絕對收斂系數(shù)均為正，且均通過了95%的置信檢驗，說明四個地區(qū)均不存在β-絕對收斂，不存在效率低省份，其效率提升更快的“追趕效應”，在2003—2020年間，各地區(qū)內部科技創(chuàng)新效率低的省份與效率高的省份之間的差距反而呈現(xiàn)擴大的趨勢。按照差距拉開的速度來看，地區(qū)內部發(fā)散速度由大到小依次為東北地區(qū)、東部地區(qū)、西部地區(qū)、中部地區(qū)。其中，中部地區(qū)的發(fā)散速度低于全國平均水平，東北地區(qū)與東部地區(qū)內部省份地方高校科技創(chuàng)新效率的拉大趨勢較為明顯。整體來看，無論是全國總體還是四個經(jīng)濟分區(qū)，其內部省份地方高?？萍紕?chuàng)新效率呈現(xiàn)出“馬太效應”，效率低省份的科技創(chuàng)新效率提升速度較效率高省份略有不足。

表3 省域地方高校科技創(chuàng)新效率的β-絕對收斂檢驗

3.3 地方高?？萍紕?chuàng)新效率的β-條件收斂檢驗

本文根據(jù)2003—2020年省域地方高校科技創(chuàng)新活動的面板數(shù)據(jù)，應用固定效應模型進行條件收斂檢驗。具體結果如表4所示。

表4 省域地方高?？萍紕?chuàng)新效率的β-條件收斂檢驗

由表4可知，全國總體包括四個經(jīng)濟分區(qū)的β-條件收斂系數(shù)（相關系數(shù)b）取值均為負數(shù)，且均通過了99%的置信檢驗，說明四個地區(qū)內部各省份地方高?？萍紕?chuàng)新效率均呈現(xiàn)β-條件收斂態(tài)勢，地區(qū)內部效率偏離均衡狀態(tài)的省份，其高?？萍紕?chuàng)新效率普遍增速更快。從四個經(jīng)濟分區(qū)收斂速度的呈現(xiàn)來看，四個經(jīng)濟分區(qū)的條件收斂速度以東北地區(qū)最高，中部地區(qū)、西部地區(qū)依次遞減，東部地區(qū)收斂速度落后于全國平均水平，四個分區(qū)的收斂速度排序與地方高?？萍紕?chuàng)新效率的排序相左，地方高?？萍紕?chuàng)新效率越高的地區(qū)，其內部各省份之間的均衡趨勢并不突出。結合β-絕對收斂的檢驗結果，各地區(qū)內部省份間效率值不收斂，說明地區(qū)內部省份間效率的差距呈擴大態(tài)勢，全國各省份之間地方高?？萍紕?chuàng)新效率的分化愈發(fā)明顯。究其原因，地方高校的人才引進、實驗室建設、科研經(jīng)費匹配等科技創(chuàng)新活動投入依靠當?shù)卣呢斦С郑胤礁咝５目萍假Y源投入、科技成果轉化等在一定程度上取決于地方的經(jīng)濟發(fā)展狀況，加之地方政府在進行高等教育財政資金分配時每年的比例較為固定，因而對于科技創(chuàng)新能力較弱的地方高校想要尋求突破比較困難，所以地域間的差距拉大以及地區(qū)內部的差距固化也就不難理解。

4 結論與建議

本文應用DEA-Malmquist模型，對2003—2020年間我國31個省份的地方高?？萍紕?chuàng)新效率進行數(shù)據(jù)分析，探討了全要素生產(chǎn)率及其分解變量的時空分布及變動趨勢，進而采用σ-收斂、β-絕對收斂以及β-條件收斂對地方高?？萍紕?chuàng)新效率的空間差異性進行檢驗分析。由此得出以下結論：其一，省域地方高校科技創(chuàng)新效率年度間增長趨勢不明顯；技術進步對創(chuàng)新效率的作用力度較大，技術效率對其影響較弱。其二，區(qū)域間地方高?？萍紕?chuàng)新效率差異較大，各分量的貢獻情況亦不相同。其三，全國及四個經(jīng)濟分區(qū)地方高?？萍紕?chuàng)新效率未出現(xiàn)明顯收斂態(tài)勢；四大經(jīng)濟分區(qū)內部省份地方高?？萍紕?chuàng)新效率的差距在逐漸拉大；四個地區(qū)內部各省份之間的差距逐漸固化，并趨于均衡狀態(tài)。

由此，本文建議加大對地方高?？萍紕?chuàng)新活動的資金、政策、技術支持力度，激發(fā)其圍繞地方特色開展多維度的產(chǎn)學研合作；優(yōu)化地方院?？萍紕?chuàng)新資源配置，完善高?？蒲腥藛T的引育與培養(yǎng)機制，積極開展科研團隊的建設與服務工作，落實創(chuàng)新人才的激勵與保障政策；設置院校合作專項，積極推進跨區(qū)域科技創(chuàng)新項目的孵化與培育，激勵高水平大學積極開展科技扶持與合作，鼓勵地方院校與部屬高等學校、科研機構交流與學習，促進科技創(chuàng)新資源共享。