沈俊鑫，張超穎，李 晶

（1.昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院，云南 昆明 650500；2.寧波工程學(xué)院經(jīng)濟(jì)與管理學(xué)院，浙江 寧波 315000）

一、引言

當(dāng)今之世， 科技是一個(gè)國(guó)家發(fā)展的領(lǐng)航標(biāo)，若失去科技創(chuàng)新力，最終只會(huì)淪為世界加工廠。 2021年為“十四五”開(kāi)局之年，“關(guān)鍵核心技術(shù)實(shí)現(xiàn)重大突破，進(jìn)入創(chuàng)新型國(guó)家前列”被設(shè)定為2035 年基本實(shí)現(xiàn)社會(huì)主義現(xiàn)代化的遠(yuǎn)景目標(biāo)之一。 放眼全國(guó)，中國(guó)區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)榜單顯示，安徽省和河南省“擠進(jìn)”全國(guó)前10；長(zhǎng)三角、珠三角等東部沿海地區(qū)指數(shù)在87 分以上，是中國(guó)創(chuàng)新創(chuàng)業(yè)高地。 北方地區(qū)中，僅山東省和北京市位列全國(guó)前10 位，有3/4 的省份指數(shù)得分不足60 分。 由于中國(guó)地域遼闊，各方面資源配置無(wú)法保證完全均衡，各省對(duì)先進(jìn)的科學(xué)技術(shù)與創(chuàng)新人才投入不盡相同，區(qū)域創(chuàng)新分化才如此嚴(yán)重。

放眼全球，2021 年全球創(chuàng)新指數(shù)排名顯示，中國(guó)連續(xù)6 年保持穩(wěn)步上升態(tài)勢(shì)，列全球第12 位，在東南亞大洋洲地區(qū)處于中偏上水平。 在創(chuàng)新投入和科技集群上，中國(guó)僅次于美國(guó)排在世界第2 位。 但需要明確的是，中國(guó)創(chuàng)新能力依然不及持續(xù)在全球創(chuàng)新格局中遙遙領(lǐng)先的北美洲和歐洲，以創(chuàng)新為導(dǎo)向的政策對(duì)經(jīng)濟(jì)增長(zhǎng)和發(fā)展的影響還遠(yuǎn)遠(yuǎn)不夠。 鑒于此，本文從省際角度分析中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新水平，根據(jù)實(shí)證結(jié)果分析阻礙創(chuàng)新的因素，為探討全國(guó)高技術(shù)企業(yè)實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略、提升科技創(chuàng)新效率的機(jī)制路徑提供新思路。

二、文獻(xiàn)綜述

國(guó)內(nèi)外專家學(xué)者對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的研究在理論和實(shí)踐層面取得了豐碩的成果，對(duì)本文有非常多的借鑒意義。 國(guó)內(nèi)外專家學(xué)者主要從研究對(duì)象、內(nèi)容、方法等幾個(gè)方面進(jìn)行探究。

在研究對(duì)象方面， 學(xué)者們一般傾向立足于省域、城市群、地級(jí)市等，從區(qū)域?qū)用孢M(jìn)行研究。 如張?jiān)旅鞯葟氖‰H角度出發(fā)，對(duì)全國(guó)各省市生產(chǎn)效率進(jìn)行測(cè)算。 發(fā)現(xiàn)中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的總體水平較高，創(chuàng)新效率存在較大的區(qū)域差異。 李健等選擇京津冀地區(qū)， 發(fā)現(xiàn)京津冀三地存在資源分配不合理、協(xié)同機(jī)制不完善等不足情況。 戚湧等測(cè)算了長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)， 發(fā)現(xiàn)整體創(chuàng)新效率水平較高，各?。ㄊ校┲g的差距較大。邵青等則聚焦于浙江省11個(gè)地市，發(fā)現(xiàn)不同規(guī)模和不同區(qū)域?qū)用娴母呒夹g(shù)產(chǎn)業(yè)都存在知識(shí)創(chuàng)新階段的綜合效率高于科技成果轉(zhuǎn)化階段的綜合效率現(xiàn)象。

在研究方法方面， 常見(jiàn)的包括聚類分析法、層次分析法、灰色系統(tǒng)分析法、數(shù)據(jù)包絡(luò)分析法等。 其中，數(shù)據(jù)包絡(luò)方法在效率估計(jì)、變量賦權(quán)和量綱處理上具有明顯優(yōu)勢(shì)，因此國(guó)內(nèi)外學(xué)者普遍采用數(shù)據(jù)包絡(luò)方法。 既有單一運(yùn)用的數(shù)據(jù)包絡(luò)模型，如李健等采用傳統(tǒng)DEA 模型對(duì)2010—2017 年京津冀地區(qū)高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行測(cè)算，發(fā)現(xiàn)京津冀三地存在資源分配不合理、協(xié)同機(jī)制不完善等不足情況。 也有與其他方法相結(jié)合運(yùn)用的擴(kuò)展模型，如張?jiān)旅鞯炔捎贸蔇EA 模型對(duì)各省市生產(chǎn)效率進(jìn)行測(cè)算，進(jìn)而構(gòu)建DEA-Malmquist 模型對(duì)各省市綜合生產(chǎn)率指數(shù)進(jìn)行計(jì)算和分解。 劉鳳朝等建立兩階段網(wǎng)絡(luò)DEA 模型對(duì)東北三省高技術(shù)制造產(chǎn)業(yè)創(chuàng)新效率評(píng)價(jià)研究發(fā)現(xiàn)，東北三省的兩階段效率變化呈離散化態(tài)勢(shì)。

在研究?jī)?nèi)容方面，現(xiàn)有的一些研究運(yùn)用實(shí)證分析測(cè)算高技術(shù)產(chǎn)業(yè)科技創(chuàng)新效率、 勞動(dòng)人員素質(zhì)、政策支持、市場(chǎng)化水平、創(chuàng)新要素質(zhì)量、國(guó)際直接投資（Foreign direct Investment, FDI）等，這些因素被認(rèn)為對(duì)創(chuàng)新效率有著顯著影響。

總體看來(lái)，在高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的測(cè)度方面有較為豐富的研究。 但進(jìn)行效率評(píng)價(jià)時(shí)，以往大多數(shù)文獻(xiàn)采用的評(píng)價(jià)方法大多基于傳統(tǒng)DEA 模型，在實(shí)證分析后分析得到了影響創(chuàng)新效率的因素。 但是，卻不能規(guī)避統(tǒng)計(jì)噪聲與管理無(wú)效率等環(huán)境效應(yīng)對(duì)于所選取的投入量或產(chǎn)出量的影響，特別是對(duì)結(jié)果的可靠性帶來(lái)何種程度的影響估計(jì)不足，高技術(shù)產(chǎn)業(yè)創(chuàng)新活動(dòng)中所存在的問(wèn)題也無(wú)法真正被發(fā)現(xiàn)。由于傳統(tǒng)模型無(wú)法對(duì)效率值為1 的決策單元進(jìn)一步排名，高技術(shù)產(chǎn)業(yè)創(chuàng)新排名精確度不足。 而三階段DEA 模型能夠在一定程度上消除環(huán)境對(duì)投入產(chǎn)出變量的影響， 超效率DEA 模型能夠?qū)Q策單元進(jìn)行精確排名。 因此，本文運(yùn)用三階段DEA 與超效率DEA 模型相結(jié)合的三階段超效率DEA 模型，對(duì)2019 年全國(guó)30 個(gè)省份的高技術(shù)產(chǎn)業(yè)科技創(chuàng)新效率進(jìn)行測(cè)算與分析，針對(duì)實(shí)證結(jié)果提出相應(yīng)建議以提高國(guó)家高技術(shù)產(chǎn)業(yè)創(chuàng)新效率。

三、研究設(shè)計(jì)

（一）評(píng)價(jià)方法

數(shù)據(jù)包絡(luò)分析（DEA）是由Charnes 等于1978 年提出的一種針對(duì)多投入、 多產(chǎn)出指標(biāo)進(jìn)行的決策單元（DMU）間相對(duì)效率評(píng)價(jià)的非參數(shù)方法。 因在多投入、 多產(chǎn)出指標(biāo)的效率估計(jì)以及變量賦權(quán)和量綱處理上具有明顯優(yōu)勢(shì)， 國(guó)內(nèi)外學(xué)者普遍采用數(shù)據(jù)包絡(luò)方法進(jìn)行效率評(píng)價(jià)。 但傳統(tǒng)DEA 模型只能測(cè)算出的效率值是否為1， 并以此為據(jù)將眾多研究單元分為DEA 有效（效率值為1）和DEA 無(wú)效（效率值＜1）兩類。 對(duì)于有效決策單元出現(xiàn)多個(gè)的普遍情況， 傳統(tǒng)DEA 模型無(wú)法進(jìn)一步比較這些決策單元之間的效率。 為了解決這一問(wèn)題，Andersen 等于1988 年提出了超效率DEA 模型，使得有效決策單元的效率值可以大于1，從而能夠進(jìn)一步將有效與非有效決策單元進(jìn)行區(qū)分。

（二）模型構(gòu)建

傳統(tǒng)DEA 模型的兩大缺陷會(huì)影響到測(cè)算結(jié)果的準(zhǔn)確性和決策單元排名的可靠性。 為了規(guī)避模型本身對(duì)研究的不良影響， 本文構(gòu)建三階段超效率DEA 模型，以期得到不受外部干擾的效率值和具體的決策單元排名。 鑒于高技術(shù)產(chǎn)業(yè)科技創(chuàng)新發(fā)展效率涉及多投入和多產(chǎn)出并且受環(huán)境因素的影響，本文假定規(guī)模報(bào)酬可變來(lái)構(gòu)建模型。

1.超效率DEA 模型。三階段超效率模型在構(gòu)建上的特點(diǎn)是第一階段與第三階段均使用同一數(shù)據(jù)包絡(luò)DEA 模型。與傳統(tǒng)的DEA 模型有所區(qū)別的是，超效率DEA 模型評(píng)價(jià)某個(gè)決策單元時(shí)， 可以考慮產(chǎn)出與投入的比值大于1 的情況。 基于投入導(dǎo)向的超效率DEA 模型如式（1）所示：

其中，x 為投入指標(biāo)，y 為產(chǎn)出指標(biāo)，n 為獨(dú)立決策單元個(gè)數(shù)。 上述模型可以使用DEA solver Pro5.0軟件進(jìn)行計(jì)算。

2.SFA 回歸分析。 為了剔除掉影響評(píng)價(jià)結(jié)果的外部其他因素，第二階段的任務(wù)是構(gòu)建隨機(jī)前沿分析模型（SFA 模型）如式（2）所示：

上述模型可以使用frontier4.1 求出以上參數(shù)值的估計(jì)值。 本文選擇投入導(dǎo)向，對(duì)各省各項(xiàng)投入變量的松弛值進(jìn)行分析， 依據(jù)SFA 結(jié)果運(yùn)用Jondrow等于1982 年提出的思路編寫(xiě)Python 代碼分離管理無(wú)效率項(xiàng)后對(duì)投入變量進(jìn)行調(diào)整。

（三）指標(biāo)選取和數(shù)據(jù)來(lái)源

高技術(shù)產(chǎn)業(yè)通常包含多個(gè)投入和產(chǎn)出要素，創(chuàng)新活動(dòng)的投入一般反映區(qū)域?qū)θ瞬诺奈Α^(qū)域科技財(cái)力；而創(chuàng)新活動(dòng)的產(chǎn)出往往體現(xiàn)了地區(qū)創(chuàng)新能力水平、科技進(jìn)步帶來(lái)的經(jīng)濟(jì)效益、市場(chǎng)創(chuàng)新的接受程度。 高技術(shù)產(chǎn)業(yè)創(chuàng)新活動(dòng)還會(huì)受到宏觀經(jīng)濟(jì)政策、政府支持力度、地方科技基礎(chǔ)、對(duì)外開(kāi)放水平等諸多外界因素的限制或鼓勵(lì)，因此所選取的環(huán)境變量需體現(xiàn)以上因素對(duì)創(chuàng)新效率的顯著影響。 考慮到指標(biāo)體系構(gòu)建的科學(xué)性、 系統(tǒng)性及可行性原則，參考現(xiàn)有研究的指標(biāo)選擇，本文共選取2 個(gè)投入指標(biāo)，3 個(gè)產(chǎn)出指標(biāo)和4 個(gè)環(huán)境變量，具體指標(biāo)如表1所示。 本文所選樣本為中國(guó)內(nèi)陸30 個(gè)?。ㄖ陛犑校?019 年高技術(shù)產(chǎn)業(yè)，其中西藏地區(qū)有數(shù)據(jù)缺失的情況，使用線性插值法補(bǔ)全后計(jì)算效果不理想，因此將其數(shù)據(jù)剔除。

表1 指標(biāo)選取

四、實(shí)證分析

三階段超效率DEA 模型實(shí)證分析分以下三個(gè)階段進(jìn)行。

（一）第一階段超效率DEA 模型分析

利用DEA solver pro5.0 軟件，將處理后的數(shù)據(jù)代入Super-Radial（Super-BCC-I）模型，得到的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的測(cè)算結(jié)果如表2 所示，30 個(gè)省份的高技術(shù)產(chǎn)業(yè)綜合效率排名如表3 所示。

表2 2019 年中國(guó)省際高技術(shù)產(chǎn)業(yè)超效率DEA 結(jié)果

表3 2019 年中國(guó)省際高技術(shù)產(chǎn)業(yè)綜合效率排名

從表2 可以看出， 相關(guān)要素沒(méi)有達(dá)到DEA 有效（效率值≥1），說(shuō)明總體高技術(shù)產(chǎn)業(yè)創(chuàng)新態(tài)勢(shì)有待提高。 其中，北京、廣西、吉林、寧夏4 個(gè)省份創(chuàng)新效率呈現(xiàn)DEA 有效，處于技術(shù)效率前沿。 在非DEA有效（效率值＜1）的決策單元中，浙江、河南、廣東、海南、重慶、四川、甘肅、青海、新疆9 個(gè)省份未達(dá)到有效是由規(guī)模效率低而導(dǎo)致的。 而2/3 的省份因純技術(shù)效率低而無(wú)法達(dá)到DEA 有效， 面臨不同的管理與技術(shù)提升空間。 顯然，中國(guó)大部分省份投入冗余突出。

（二）第二階段SFA 模型分析

考察環(huán)境變量對(duì)于兩個(gè)投入松弛變量的影響，借助Frontier4.1 進(jìn)行SFA 回歸分析，分析結(jié)果如表4 所示。

表4 SFA 結(jié)果

由表4 可知，大部分參數(shù)的t 值都在1%的顯著性水平上通過(guò)正態(tài)檢驗(yàn)。 γ 值均接近1，表明存在環(huán)境因素對(duì)創(chuàng)新效率的干擾，且管理無(wú)效率項(xiàng)較隨機(jī)誤差項(xiàng)干擾更大，因而有必要通過(guò)公式對(duì)原始投入值進(jìn)行調(diào)整。根據(jù)Battese 和Coelli 的研究，LR 值高于自由度為4 的廣義單邊似然比檢驗(yàn)臨界值，說(shuō)明SFA 模型的設(shè)定有效。

由于環(huán)境變量是對(duì)投入差額值進(jìn)行的回歸，所以當(dāng)相關(guān)系數(shù)（參數(shù)）為正時(shí)，表示增加環(huán)境變量有利于投入指標(biāo)松弛值的增加，反之亦然。 也就是說(shuō)，系數(shù)為正時(shí)，說(shuō)明該環(huán)境變量的增加對(duì)效率的提高有副作用，會(huì)造成投入要素的浪費(fèi)。 系數(shù)為負(fù)時(shí)，則情況相反， 有利于提高效率。 以四個(gè)環(huán)境變量對(duì)R&D 人員投入松弛變量的影響為例，它們的回歸系數(shù)均通過(guò)1%的顯著性檢驗(yàn)。其中，如果系數(shù)在0—1之間，則會(huì)造成過(guò)度投入情況。 因此，根據(jù)Fried 等給出的調(diào)整方法對(duì)投入量進(jìn)行調(diào)整，以剔除環(huán)境變量對(duì)效率測(cè)度值的影響。

（三）第三階段超效率DEA 模型分析

將調(diào)整后的投入數(shù)據(jù)和30 個(gè)省份的高技術(shù)產(chǎn)業(yè)的原產(chǎn)出數(shù)據(jù)代入Super-Radial （Super-BCC-I）模型，超效率DEA 測(cè)算效率值如表2 所示，各省份DEA 效率排名如表3 所示。

從表2 可以看出，在考慮環(huán)境變量和隨機(jī)誤差的影響下，整體效率依舊低下。 說(shuō)明總體來(lái)看，中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新有繼續(xù)進(jìn)步的空間。 由表3 可知，DEA 綜合效率排名有了很大變化。 吉林、 上海、海南、寧夏、甘肅、青海、新疆7 個(gè)省份排名有所下降，也證明環(huán)境對(duì)創(chuàng)新效率有所影響。 其中， 寧夏、海南、甘肅、青海排名差額較大。 結(jié)合表4 結(jié)果可知，地區(qū)人均生產(chǎn)總值（Z1）和有R&D 活動(dòng)企業(yè)數(shù)（Z3）對(duì)X2 松弛變量的回歸系數(shù)為負(fù)， 可見(jiàn)宏觀經(jīng)濟(jì)狀況和科技基礎(chǔ)牽制這些地區(qū)的R&D 經(jīng)費(fèi)投入，從而影響高技術(shù)產(chǎn)業(yè)創(chuàng)新發(fā)展。

對(duì)各階段決策單元的效率進(jìn)行橫向分析能夠初步判斷中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新情況。 由于環(huán)境因素在這一判斷過(guò)程中產(chǎn)生大小未知的影響，因此縱向?qū)φ{(diào)整前后的三種效率進(jìn)行對(duì)比分析。 得出各省份高技術(shù)產(chǎn)業(yè)創(chuàng)新活動(dòng)綜合效率值的增減情況如圖1所示，規(guī)模效率值的增減情況如圖2 所示，純技術(shù)效率值的增減情況圖3 所示。

圖1 高技術(shù)產(chǎn)業(yè)調(diào)整前后的綜合效率對(duì)比圖

圖3 高技術(shù)產(chǎn)業(yè)調(diào)整前后的純技術(shù)效率對(duì)比圖

由圖1 可知，調(diào)整前后綜合效率存在一定程度的虛高，DEA 有效省份由4 個(gè)增加至5 個(gè)。北京、河南、廣西、吉林、廣東5 個(gè)省份創(chuàng)新效率呈現(xiàn)DEA有效，位于中部地區(qū)的河南省躋身前列，寧夏因剔除環(huán)境因素導(dǎo)致規(guī)模效率大幅下降而脫離DEA 有效列隊(duì)。 由圖2 可知，非DEA 有效（效率值＜1）的決策單元中，內(nèi)蒙古、海南、青海、寧夏、新疆5 個(gè)省份未達(dá)到有效是由規(guī)模效率低而導(dǎo)致的，并呈現(xiàn)出一定的區(qū)域性。 由圖3 可知，4/5 的省份因技術(shù)效率低而無(wú)法達(dá)到DEA 有效， 特別是陜西省技術(shù)效率受環(huán)境影響較大，可以依此為高技術(shù)產(chǎn)業(yè)企業(yè)提升運(yùn)行效率提出針對(duì)性的建議。 同時(shí)，第三階段采用超效率DEA 模型， 測(cè)算之后的效率存在大于1 的情況，也認(rèn)為其處于前沿面上。 為進(jìn)一步探究中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的區(qū)域差異，按照該劃分方式進(jìn)行劃分，如表5 所示。

表5 創(chuàng)新能力劃分表

由表5 可知， 在剔除環(huán)境因素的影響之后，創(chuàng)新能力較弱的三個(gè)省份位于西部地區(qū)，說(shuō)明西部地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新能力的確處于需要大大加強(qiáng)的狀況。 第三階段計(jì)算得出綜合效率均值為0.745，還未到較強(qiáng)水平。 可以看出，四大地區(qū)的大部分城市效率都為一般水平。

五、建議

高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的思路是：要進(jìn)行差別化創(chuàng)新，打造國(guó)內(nèi)大循環(huán)“新引擎”。 黨的十九屆五中全會(huì)作出“加快構(gòu)建以國(guó)內(nèi)大循環(huán)為主體、國(guó)內(nèi)國(guó)際雙循環(huán)相互促進(jìn)的新發(fā)展格局” 的重大戰(zhàn)略部署，部署中強(qiáng)調(diào)“注重激發(fā)基層的改革創(chuàng)新活力，支持開(kāi)展差別化創(chuàng)新”。 發(fā)展只有體現(xiàn)各自特色，才能避免同質(zhì)競(jìng)爭(zhēng)、資源閑置和過(guò)度開(kāi)發(fā)，才能實(shí)現(xiàn)生產(chǎn)要素有序流動(dòng)、合理配置和充分利用，形成良性的發(fā)展互動(dòng)。 要通過(guò)區(qū)域發(fā)展優(yōu)勢(shì)互補(bǔ)，激發(fā)區(qū)域經(jīng)濟(jì)活躍程度，提高區(qū)域間開(kāi)放力度，進(jìn)一步提高區(qū)域整體創(chuàng)新能力。 要從“引進(jìn)消化吸收”國(guó)外先進(jìn)技術(shù)起步，向“集成創(chuàng)新”深化。 要以點(diǎn)帶面，健全梯次聯(lián)動(dòng)的區(qū)域創(chuàng)新布局。 創(chuàng)新活動(dòng)的空間分布在客觀上存在區(qū)域梯次差異，因此，要促進(jìn)創(chuàng)新效率提升和科技成果轉(zhuǎn)化由東部向東北、中、西部協(xié)同發(fā)展轉(zhuǎn)變。