楊 劍，程華東

（安徽大學(xué)管理學(xué)院，安徽合肥 230601）

0 引言

隨著創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略和長三角一體化戰(zhàn)略的深入推進(jìn)，長三角城市群作為我國重要的科技創(chuàng)新區(qū)域，在建設(shè)創(chuàng)新型國家的過程中發(fā)揮著重要的示范引領(lǐng)作用?？萍紕?chuàng)新資源的高效配置是支撐科技創(chuàng)新活動的基礎(chǔ)條件，政府在資源配置中扮演著重要的角色，通過政策的引導(dǎo)，維護(hù)科技活動的秩序并進(jìn)一步釋放創(chuàng)新活力。因此，明確長三角各城市的科技創(chuàng)新資源配置效率差異，并從政府干預(yù)視角出發(fā)分析其影響因素，對于優(yōu)化長三角城市群的科技創(chuàng)新資源整體布局，促進(jìn)區(qū)域科技創(chuàng)新資源的高效配置，加速推進(jìn)區(qū)域科技創(chuàng)新全面發(fā)展具有重要意義。

1 文獻(xiàn)回顧

目前，學(xué)界對科技創(chuàng)新資源配置的相關(guān)問題進(jìn)行了諸多探討，主要集中于科技創(chuàng)新資源配置的效率及其影響因素等方面。

在科技創(chuàng)新資源配置效率方面，學(xué)者們大多使用數(shù)據(jù)包絡(luò)分析（DEA）方法對不同類型研究對象的科技創(chuàng)新資源配置效率進(jìn)行評價。例如，鄭家喜等［1］運(yùn)用DEA-Malmquist 方法測算1999—2013 年我國中西部地區(qū)農(nóng)業(yè)科技運(yùn)行的技術(shù)效率、技術(shù)進(jìn)步和全要素生產(chǎn)率，探究區(qū)域農(nóng)業(yè)科技創(chuàng)新資源配置效率存在的差異；楊林等［2］運(yùn)用三階段DEA 模型對粵港澳大灣區(qū)2014—2016 年科技金融資源配置效率進(jìn)行了測算與分析；張海波等［3］則對我國31個省份2015—2017 年高?？萍紕?chuàng)新資源配置效率進(jìn)行了測算。

在科技創(chuàng)新資源配置效率影響因素方面，一是從研發(fā)主體的投入產(chǎn)出視角出發(fā)，認(rèn)為科研機(jī)構(gòu)發(fā)展水平、研發(fā)機(jī)構(gòu)R&D 經(jīng)費(fèi)支出等因素對科技創(chuàng)新資源配置效率具有顯著影響作用［4］；二是從研發(fā)主體所處的環(huán)境視角出發(fā)，認(rèn)為產(chǎn)業(yè)生產(chǎn)力發(fā)展水平、城市經(jīng)濟(jì)發(fā)展水平和經(jīng)濟(jì)開放程度、勞動力市場相關(guān)制度等因素都影響科技創(chuàng)新資源配置效率，相關(guān)觀點(diǎn)分別可見于吳國松［5］、梅姝娥等［6］、Elert 等［7］的研究；三是從研發(fā)主體行為視角出發(fā)，認(rèn)為協(xié)同創(chuàng)新、資源協(xié)調(diào)在提升科技資源配置效率方面具有積極作用，如付麗莉［8］、Heil 等［9］的研究。

綜合來看，學(xué)者們對科技創(chuàng)新資源配置問題開展了充分的學(xué)理探討和現(xiàn)實分析，相關(guān)研究成果頗豐，然而較少從政府干預(yù)視角對科技創(chuàng)新資源配置效率展開深入研究，且缺乏關(guān)于長三角城市群科技創(chuàng)新資源配置效率的分析。地方政府在科技創(chuàng)新過程中發(fā)揮著不可或缺的作用［10］，對于科技資源的政策導(dǎo)向和干預(yù)作用能夠提高科技資源的有效分配和使用效率，進(jìn)而實現(xiàn)經(jīng)濟(jì)效益和社會效益的最大化［11］。因此，本研究從政府干預(yù)視角出發(fā)，運(yùn)用超效率DEA 模型和DEA-Malmquist 模型對長三角城市群科技創(chuàng)新資源配置效率進(jìn)行測算，并實證分析資源配置效率的影響因素。

2 評價指標(biāo)構(gòu)建與影響因素選擇

2.1 科技創(chuàng)新資源投入與產(chǎn)出指標(biāo)

科學(xué)合理的評價指標(biāo)體系是對科技創(chuàng)新資源配置效率評價的前提基礎(chǔ)和必然要求。根據(jù)科技創(chuàng)新資源配置的特點(diǎn)，借鑒趙立雨等［12］和游達(dá)明等［13］的相關(guān)研究成果，從科技創(chuàng)新資源投入和產(chǎn)出兩個維度構(gòu)建長三角城市群科技創(chuàng)新資源配置效率評價指標(biāo)體系（見表1）。

表1 長三角城市群科技創(chuàng)新資源配置效率評價指標(biāo)體系

2.2 科技創(chuàng)新資源配置效率影響因素的選取

以政府干預(yù)為核心解釋變量，以經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、市場化進(jìn)程、城市化水平以及區(qū)域開放程度作為控制變量，構(gòu)建長三角城市群科技創(chuàng)新資源配置效率影響因素評價指標(biāo)體系（見表2）。其中，參照白俊紅等［14］、潘雅茹等［15］以及樊綱等［16］的衡量方法，采用各城市的一般公共預(yù)算支出占地區(qū)生產(chǎn)總值（GDP）比重、科技固定資產(chǎn)投資額占固定資產(chǎn)投資額的比重以及市場化指數(shù)3 項指標(biāo)來衡量政府的干預(yù)水平；借鑒劉玲利［17］的做法，用人均地區(qū)生產(chǎn)總值來衡量經(jīng)濟(jì)發(fā)展水平；借鑒徐冰鑫等［18］的衡量方法，用第三產(chǎn)業(yè)產(chǎn)值占GDP 的比重來表征產(chǎn)業(yè)結(jié)構(gòu)調(diào)整；參照秦國偉等［19］的衡量方法，用技術(shù)市場成交額占R&D 經(jīng)費(fèi)支出的比重來表征技術(shù)市場化程度；借鑒王星［20］的做法，將城鎮(zhèn)人口占總?cè)丝诘谋戎貋矸从吵鞘谢?；參照楊正軍等?1］的衡量方式，采用進(jìn)出口總額占GDP 比重作為區(qū)域開放程度的指標(biāo)。

表2 長三角城市群科技創(chuàng)新資源配置效率影響因素評價指標(biāo)體系

3 數(shù)據(jù)來源與研究方法

3.1 數(shù)據(jù)來源

2010 年國務(wù)院正式批準(zhǔn)實施《長江三角洲地區(qū)區(qū)域規(guī)劃》，明確了長三角發(fā)展的戰(zhàn)略定位，同時基于數(shù)據(jù)的可得性等，因此以2011—2020 年長三角城市群的26 個城市（以下簡稱“樣本城市”）為研究對象，數(shù)據(jù)來源于2012—2021 年的《中國城市統(tǒng)計年鑒》《安徽省統(tǒng)計年鑒》《江蘇省統(tǒng)計年鑒》《浙江省統(tǒng)計年鑒》《上海市統(tǒng)計年鑒》以及樣本城市的地方性統(tǒng)計年鑒、統(tǒng)計公報和科技局網(wǎng)站等。相關(guān)數(shù)據(jù)特征如表3 所示。

表3 變量描述性統(tǒng)計結(jié)果

3.2 研究方法

3.2.1 超效率DEA 模型

超效率DEA 模型克服了傳統(tǒng)DEA 模型無法對多個有效決策單元之間效率差異進(jìn)行區(qū)分的缺點(diǎn)，能夠?qū)λ袥Q策單元效率進(jìn)行比較，提高了決策單元效率值測算的準(zhǔn)確程度。其具體表達(dá)形式如下：

式（1）中：s+和s-表示松弛變量；θ表示模型測算出的決策單元投入相對產(chǎn)出的有效值，即效率值；ε為非阿基米德無窮小數(shù)；λj為模型的最優(yōu)解；n表示決策單元（DMU）。

3.2.2 DEA-Malmquist 指數(shù)

DEA-Malmquist 指數(shù)模型將Malmquist 指數(shù)與DEA 理論相結(jié)合，實現(xiàn)了DEA 模型對面板數(shù)據(jù)的動態(tài)分析。Malmquist 指數(shù)通常用來測量全要素生產(chǎn)率，模型的表達(dá)形式如下：

式（2）～（4）中：xt,yt分別表示第t時期的投入和產(chǎn)出向量；表示在t時期的技術(shù)水平下，決策單元DMU0 分別在t時期和t+1 時期與前沿面技術(shù)相比較所得到的距離函數(shù)值；表示在t+1 時期的技術(shù)水平下，決策單元DMU0分別在t時期和t+1 時期與前沿面技術(shù)相比較所得到的距離函數(shù)值；Effch 為技術(shù)效率變化指數(shù)；Techch 為技術(shù)變化指數(shù)；Pech 為純技術(shù)效率指數(shù)；Sech 規(guī)模效率指數(shù)。

3.2.3 Tobit 模型

Tobit 模型是實證分析研究對象影響因素時較為常用的一種分析方法，其特點(diǎn)是因變量滿足某種約束條件下進(jìn)行取值，符合本研究目的，因此結(jié)合托賓（Tobit）回歸模型的基本原理構(gòu)建如下回歸模型：

式（5）中：i表示城市，i=1,2,…,26；t表示年份；為i城市在t年的超效率值；為截距項；為隨機(jī)干擾項；變量governit包括govern_budgetit、govern_investit以及govern_miit。

4 實證分析

4.1 長三角城市群科技創(chuàng)新資源配置效率靜態(tài)評價

借助MaxDEA 8.0 軟件，采用投入導(dǎo)向的超效率DEA 模型測算出長三角城市群科技創(chuàng)新資源配置效率，如表4 所示?？梢?，大部分城市科技創(chuàng)新資源配置效率呈現(xiàn)逐年上升的趨勢，說明長三角城市群總體上科技創(chuàng)新資源配置處于不斷優(yōu)化之中，反映出近年來長三角城市群科技體制機(jī)制和科技創(chuàng)新資源管理制度改革取得了一定成效。從各城市的均值來看，安徽的合肥、滁州，江蘇的南京、無錫、蘇州、南通、鎮(zhèn)江，浙江的杭州、寧波、嘉興、湖州、紹興、金華，以及上海這14 個城市的科技創(chuàng)新資源配置效率均值在研究期間都超過1，表明這些城市科技創(chuàng)新資源配置屬于DEA 有效，資源配置有效的城市比例達(dá)到53.85%；另外12 個城市的科技創(chuàng)新資源配置效率均值低于1，說明其在科技創(chuàng)新資源配置活動中存在著資源閑置浪費(fèi)、資源分散、效率低下等問題，尤其是舟山、馬鞍山等的地的科技創(chuàng)新資源配置效率遠(yuǎn)落后于其他城市，亟需進(jìn)一步優(yōu)化以提升城市的科技創(chuàng)新資源配置水平。

表4 2011—2020 年樣本城市科技創(chuàng)新資源配置超效率DEA 值年度分布

從具體城市來看，上海市的科技創(chuàng)新資源配置效率處在領(lǐng)先地位，最高值為2016 年的7.321、最低值為2020 年的1.389，均大于1，但波動較大，需要保持穩(wěn)定；江蘇省9 個城市的科技創(chuàng)新資源配置效率整體相對較高，蘇州、南京、無錫的歷年均值分別排在樣本城市中的第3、5、6 位，其中蘇州和南京這兩個江蘇省經(jīng)濟(jì)最強(qiáng)城市不僅科技創(chuàng)新資源豐富，而且構(gòu)建了較為完善的引導(dǎo)創(chuàng)新資源配置的政策體系，在研究期間的創(chuàng)新資源配置效率都超過了1，而蘇中和蘇北地區(qū)科技創(chuàng)新資源配置效率相對較低，尤其是蘇北地區(qū)的鹽城，由于地理區(qū)位的原因，科技人才、科技創(chuàng)新投入等創(chuàng)新資源較為缺乏，科技創(chuàng)新管理能力不足，其科技創(chuàng)新資源配置效率均值排在樣本城市的末位；浙江省的8 個城市除金華外，科技創(chuàng)新資源配置效率基本呈現(xiàn)出逐年上升的總體趨勢，從均值來看，除了舟山和臺州，其他6 個城市科技創(chuàng)新資源配置效率均超過1，且波動較??；安徽省的8 個城市除了合肥和滁州外，其他城市科技創(chuàng)新資源配置效率均值均未超過1，其中作為國家科技創(chuàng)新型試點(diǎn)城市和國家四大綜合性科學(xué)中心之一的合肥，在2013 年明確提出“大湖名城，創(chuàng)新高地”的城市發(fā)展定位，作為彰顯自身特色、提升城市核心競爭力和綜合影響力的基本戰(zhàn)略，持續(xù)推進(jìn)科技力量體系建設(shè)，優(yōu)化科技資源投入結(jié)構(gòu)，加速實現(xiàn)科技成果轉(zhuǎn)化，在提升科技資源配置效率等方面取得了突出的成效，因而在2014 年實現(xiàn)了由科技創(chuàng)新資源配置效率無效向有效的轉(zhuǎn)變，并在此后的2015 年至2020 年保持有效，而滁州、蕪湖、銅陵三地科技創(chuàng)新資源配置效率均值處在樣本城市的中游位置，馬鞍山、安慶、池州以及宣城的科技創(chuàng)新資源配置效率均值則相對較低。

4.2 長三角城市群科技創(chuàng)新資源配置效率動態(tài)評價

考慮到科技創(chuàng)新資源配置是一個長期動態(tài)變化的活動過程，利用DEA-Malmquist 指數(shù)模型對樣本城市的科技創(chuàng)新資源配置效率進(jìn)行動態(tài)分析。如表5 所示，樣本城市科技創(chuàng)新資源的全要素生產(chǎn)率（Tfpch）基本都大于1，年均增長率達(dá)到了10.5%，說明近年來長三角城市群科技創(chuàng)新資源配置處于不斷優(yōu)化之中，其中全要素生產(chǎn)率的提升主要是因為技術(shù)效率指數(shù)和技術(shù)變化指數(shù)的交替增加而引起的，而全要素生產(chǎn)效率指數(shù)的降低主要是由規(guī)模效率指數(shù)下降造成的；技術(shù)效率指數(shù)和純技術(shù)效率指數(shù)值在1 上下波動，而技術(shù)變化指數(shù)則有明顯的增長，說明長三角城市群的技術(shù)進(jìn)步在提升科技創(chuàng)新資源配置效率方面發(fā)揮出較大作用，技術(shù)的更新迭代為科技創(chuàng)新資源的優(yōu)化配置提供了條件。

表5 樣本城市整體科技創(chuàng)新資源配置效率變動情況

由表6 可知，絕大部分樣本城市的全要素生產(chǎn)率指數(shù)大于1，其中上海最高；平均全要素生產(chǎn)率指數(shù)增長率為8.5%，反映出長三角城市群科技創(chuàng)新資源配置效率整體上都得到了改善和優(yōu)化。具體來看，上海的全要素生產(chǎn)率指數(shù)增長率增幅高達(dá)30.2%，充分體現(xiàn)了上海的科技創(chuàng)新實力；滁州、揚(yáng)州、紹興、金華、舟山的全要素生產(chǎn)率指數(shù)的增長主要是由于技術(shù)效率指數(shù)的增加，說明這些城市近年來技術(shù)效率水平增長勢頭強(qiáng)勁；銅陵、宣城、鹽城、鎮(zhèn)江、杭州、寧波、臺州的全要素生產(chǎn)率指數(shù)增長主要是由純技術(shù)效率和規(guī)模效率雙重作用推動的；合肥、蕪湖、南京、無錫、泰州主要是由于技術(shù)進(jìn)步推動全要素生產(chǎn)效率指數(shù)水平提高；而常州、蘇州、嘉興的全要素生產(chǎn)效率指數(shù)的增長主要得益于純技術(shù)效率的提高。就全要素生產(chǎn)效率指數(shù)下降的城市而言，馬鞍山和池州主要是由于技術(shù)進(jìn)步指數(shù)較低導(dǎo)致的，說明兩地技術(shù)發(fā)展相對滯后；安慶和南通主要是由于技術(shù)效率指數(shù)下降較多；嘉興則是由于受到規(guī)模效率指數(shù)降低的制約。

表6 2011—2020 年樣本城市科技創(chuàng)新資源配置效率Malmquist 指數(shù)均值及其分解

4.3 政府干預(yù)視角下科技創(chuàng)新資源配置影響因素分析

運(yùn)用Tobit 模型對2011—2020 年長三角城市群科技創(chuàng)新資源配置效率的影響因素進(jìn)行實證分析，結(jié)果如表7 所示，政府干預(yù)、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、城市化水平對長三角科技創(chuàng)新資源配置效率的影響顯著，而市場化水平和區(qū)域開放程度沒有通過顯著性檢驗。政府干預(yù)的3 項指標(biāo)均通過了顯著性檢驗，且回歸系數(shù)皆為正數(shù)，說明政府干預(yù)與科技創(chuàng)新資源配置效率呈顯著正相關(guān)，政府對科技創(chuàng)新資源配置的適當(dāng)干預(yù)能夠提高配置效率。其中，一般公共預(yù)算支出占地區(qū)生產(chǎn)總值比重均在1%的水平上顯著，且該比重每提高1%將促進(jìn)科技創(chuàng)新資源配置效率增加約1.5%；科技固定資產(chǎn)投資額占固定資產(chǎn)投資額比重均顯著為正，說明科技類固定資產(chǎn)投資的增加對提高科技創(chuàng)新資源配置效率具有重要作用；市場化指數(shù)均顯著，但系數(shù)估計值相對較小，說明市場化有助于促進(jìn)各類科技創(chuàng)新資源要素在市場上自由流動，在價格機(jī)制和經(jīng)濟(jì)收益的驅(qū)動下科技創(chuàng)新資源配置效率得到提高。

表7 樣本城市科技創(chuàng)新資源配置影響因素的Tobit 模型回歸結(jié)果

此外，第三產(chǎn)業(yè)產(chǎn)值占GDP 的比重對科技創(chuàng)新資源配置效率的影響顯著為正，說明產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級是科技創(chuàng)新資源配置效率提升的重要動力，為科技創(chuàng)新資源的合理分配和高效利用提供了強(qiáng)有力支撐。城市化水平的提升對科技創(chuàng)新資源配置效率的提升也具有積極作用。城市化的發(fā)展加速了人才、知識、信息、資金等技術(shù)創(chuàng)新要素的空間集聚，對科技創(chuàng)新資源的有效配置產(chǎn)生較強(qiáng)的正效應(yīng)。經(jīng)濟(jì)發(fā)展水平與科技創(chuàng)新資源配置效率之間存在負(fù)向關(guān)系，原因可能是經(jīng)濟(jì)發(fā)達(dá)的城市擁有充足的科技人才、資金以及基礎(chǔ)設(shè)施條件等資源，但是科技人才資源與科技發(fā)展不匹配、科技人才結(jié)構(gòu)不合理、管理制度不完善等問題造成科技創(chuàng)新資源未得到充分利用，導(dǎo)致科技產(chǎn)出水平落后于科技投入強(qiáng)度，而大量的科技資源投入放大了資源未能充分有效配置的問題。

5 結(jié)論與對策建議

綜合來看，長三角城市群綜合效率值整體呈現(xiàn)波動式上升的態(tài)勢，其中上海、寧波、蘇州、杭州、南京排在前5 位，而鹽城、舟山、馬鞍山、常州、池州等地處于較低水平。在對科技創(chuàng)新資源配置效率影響因素的分析中發(fā)現(xiàn)，政府對科技創(chuàng)新資源配置發(fā)揮著積極的引導(dǎo)作用，可以為提高科技創(chuàng)新資源配置效率營造出良好的環(huán)境，促進(jìn)科技創(chuàng)新資源合理規(guī)劃和流動，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和城市化水平對科技創(chuàng)新資源配置效率的提升也具有顯著作用。

因此，長三角各地政府應(yīng)積極為科技創(chuàng)新資源的優(yōu)化配置和有效整合提供制度保障和政策指引，通過強(qiáng)化頂層設(shè)計和制度化體系來對科技創(chuàng)新資源配置加以引導(dǎo)。對科技創(chuàng)新資源投入至產(chǎn)出的各個環(huán)節(jié)制定相關(guān)法律法規(guī)，將諸如“通知”“意見”“辦法”等行之有效的規(guī)范性文件按照法律法規(guī)程序上升為法律法規(guī)，以增強(qiáng)科技創(chuàng)新資源配置相關(guān)工作的權(quán)威性和穩(wěn)定性，進(jìn)一步規(guī)范科技創(chuàng)新資源配置方式，準(zhǔn)確把握科技創(chuàng)新資源配置規(guī)律，彌補(bǔ)在科技創(chuàng)新資源配置過程中的市場失靈，維護(hù)技術(shù)市場秩序，營造出公平、競爭的市場環(huán)境以提高科技創(chuàng)新資源的使用效率。另外，針對長三角城市群科技創(chuàng)新資源配置效率差異懸殊的問題，應(yīng)加強(qiáng)城市之間的交流與合作：一是破除區(qū)域行政壁壘的制約，繼續(xù)深入探索跨行政區(qū)域的合作體制機(jī)制，推動相關(guān)科技部門采取整體性、跨區(qū)域、跨部門的方式加強(qiáng)合作，注意城市之間各項法律法規(guī)以及相關(guān)科技政策之間的銜接性和協(xié)調(diào)性，從而建立長三角地區(qū)長效合作發(fā)展機(jī)制；二是立足于地方優(yōu)勢資源和特色產(chǎn)業(yè)，引導(dǎo)科技創(chuàng)新資源向基礎(chǔ)研究和應(yīng)用研究領(lǐng)域流動與重組，搭建更多的區(qū)域科技創(chuàng)新合作平臺，為促進(jìn)長三角城市群科技創(chuàng)新資源的優(yōu)勢互補(bǔ)和開放共享奠定基礎(chǔ)，從而促進(jìn)科技創(chuàng)新資源在長三角城市群的合理配置。