摘要：基于2011-2015年我國省級層面的數(shù)據(jù)，使用三階段DEA模型對我國30個省市的科技創(chuàng)新效率進(jìn)行了測算。結(jié)果表明，在2011-2015年期間，無論在技術(shù)效率、純技術(shù)效率還是規(guī)模效率層面，我國各省的區(qū)域科技創(chuàng)新效率總體上并未出現(xiàn)較大的變化，反映出我國區(qū)域科技創(chuàng)新能力總體提升空間并不明顯。進(jìn)一步分區(qū)域的研究表明，我國科技創(chuàng)新能力在地區(qū)之間發(fā)展極不平衡，主要表現(xiàn)在經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)技術(shù)效率水平較高，經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)技術(shù)效率水平比較低。造成這種現(xiàn)象的原因主要是由于經(jīng)濟(jì)發(fā)達(dá)的地區(qū)經(jīng)過較長時間的發(fā)展，其科技創(chuàng)新能力已經(jīng)形成了一定的規(guī)模，產(chǎn)生了規(guī)模效應(yīng)。

關(guān)鍵詞：

創(chuàng)新效率；三階段DEA；規(guī)模效率

中圖分類號：F064.1

文獻(xiàn)標(biāo)識碼：ADOI：10.3963/j.issn.16716477.2017.03.0008

科學(xué)技術(shù)是推動一個國家或地區(qū)經(jīng)濟(jì)發(fā)展的重要力量，而科技創(chuàng)新是一個國家或地區(qū)在經(jīng)濟(jì)發(fā)展中獲得競爭優(yōu)勢的決定性因素。區(qū)域科技創(chuàng)新能力是區(qū)域內(nèi)部科技要素相互作用的結(jié)果，該能力的強(qiáng)弱是衡量一個區(qū)域技術(shù)創(chuàng)新能力和科技實(shí)力的重要標(biāo)尺。近年來，區(qū)域科技創(chuàng)新已成為支持地區(qū)經(jīng)濟(jì)增長、提高產(chǎn)業(yè)整體競爭力的基礎(chǔ)，其發(fā)展程度直接影響到一個區(qū)域或整個國家創(chuàng)新體系的建設(shè)和發(fā)展。

區(qū)域科技創(chuàng)新能力是促進(jìn)區(qū)域經(jīng)濟(jì)增長，增加區(qū)域競爭能力的決定性因素，其強(qiáng)弱與否反映了一國或地區(qū)發(fā)展的內(nèi)在質(zhì)量。因此，科學(xué)、客觀地評價區(qū)域科技創(chuàng)新能力，對于國家或地區(qū)在一定范圍內(nèi)科學(xué)地定位自身發(fā)展優(yōu)勢，采取合理的科技創(chuàng)新戰(zhàn)略，高效配置技術(shù)資源，保持和提高競爭優(yōu)勢，獲得最佳的經(jīng)濟(jì)效益和社會效益等方面具有重要意義?？萍紕?chuàng)新效率能夠在一定程度上反映區(qū)域科技創(chuàng)新能力，因此，基于一個客觀、科學(xué)的效率評價模型，在此基礎(chǔ)上進(jìn)行測算，能夠較為準(zhǔn)確地評價區(qū)域科技創(chuàng)新能力，使有關(guān)部門及時調(diào)整相應(yīng)的投入，以提高科技創(chuàng)新效率。

近年來，國內(nèi)學(xué)者對區(qū)域科技創(chuàng)新效率進(jìn)行了一定程度的研究，但是通過梳理已有文獻(xiàn)發(fā)現(xiàn)，國內(nèi)研究區(qū)域科技創(chuàng)新效率的文獻(xiàn)在研究方向、方法選擇等方面存在著不足之處。隨著我國經(jīng)濟(jì)的高速發(fā)展，特別是國家提出了提高自主創(chuàng)新能力的發(fā)展戰(zhàn)略后，我國不同省份的科技創(chuàng)新具有什么樣的效率，以及存在哪些問題，這都是值得我們思考的。本文將在已有文獻(xiàn)的基礎(chǔ)上，尋求合適的區(qū)域科技創(chuàng)新效率研究方法，對我國區(qū)域科技創(chuàng)新效率進(jìn)行深入的分析，以求能夠發(fā)現(xiàn)不同省份之間科技創(chuàng)新效率產(chǎn)生差別的原因，為各省提高自身科技創(chuàng)新能力提供合理的建議。

一、相關(guān)文獻(xiàn)綜述

國外對科技創(chuàng)新效率的研究較早，并且已經(jīng)取得了一定的成果。對國外相關(guān)文獻(xiàn)進(jìn)行研究不僅能夠了解到國外相關(guān)研究的進(jìn)展，也能從中汲取經(jīng)驗(yàn)和教訓(xùn)。通過對國外相關(guān)文獻(xiàn)的梳理發(fā)現(xiàn)，基于DEA和SFA兩種方法的科技創(chuàng)新效率研究占主流位置。Li[1]應(yīng)用隨機(jī)前沿分析（SFA）對中國1998-2005年間30 個省市區(qū)域創(chuàng)新效率及其影響因素進(jìn)行了實(shí)證研究。結(jié)果表明，政府的支持、研發(fā)人員構(gòu)成和區(qū)域創(chuàng)新環(huán)境是創(chuàng)新效率的重要決定因素。由于區(qū)域之間企業(yè)創(chuàng)新模式的巨大差異，當(dāng)創(chuàng)新從由大學(xué)和科研機(jī)構(gòu)主導(dǎo)轉(zhuǎn)變?yōu)橛善髽I(yè)主導(dǎo)時，地區(qū)之間的整體創(chuàng)新效率差異越來越大，這實(shí)際上擴(kuò)大了區(qū)域創(chuàng)新效率的差距。

Fu和Yang[2]采用隨機(jī)前沿分析（SFA）對21個經(jīng)濟(jì)合作與發(fā)展組織國家的創(chuàng)新體系在1990-2002 年期間的專利產(chǎn)出效率及其影響因素進(jìn)行了分析。在專利效率方面，日本、德國和意大利在最近幾年已經(jīng)提高了它們的相對位置。Li結(jié)合核主成分分析（KPCA）和數(shù)據(jù)包絡(luò)分析（DEA）提出了一個區(qū)域科技創(chuàng)新發(fā)展的兩階段構(gòu)架。在第一階段中，使用KPCA提取特征值，在第二階段中，使用DEA對區(qū)域創(chuàng)新進(jìn)行評價。通過實(shí)證分析得出此方法對區(qū)域創(chuàng)新效率的評價具有很好的效果的結(jié)論。

國內(nèi)學(xué)者方面，萬勇[3]使用區(qū)域基礎(chǔ)創(chuàng)新投入、區(qū)域技術(shù)創(chuàng)新產(chǎn)生、技術(shù)擴(kuò)散、區(qū)域技術(shù)創(chuàng)新環(huán)境四個領(lǐng)域共21個指標(biāo)，運(yùn)用因子分析法，以各公共因子的信息貢獻(xiàn)率為權(quán)重，計算我國30個省級區(qū)域科技創(chuàng)新能力的綜合得分。該文指出，現(xiàn)階段我國區(qū)域科技創(chuàng)新能力具有由東向西梯度遞減、各區(qū)域間科技創(chuàng)新能力差距大且區(qū)域科技創(chuàng)新能力整體偏低等特征。梁平、梁彭勇、黃馨[4]使用Malmquist指數(shù)法，將創(chuàng)新效率的增長分解為技術(shù)進(jìn)步和資源配置效率變化兩個部分，刻畫了1995-2006年我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的動態(tài)變化。投入變量為RD活動人員折合全時當(dāng)量、RD經(jīng)費(fèi)內(nèi)部支出、技術(shù)改造經(jīng)費(fèi)支出、技術(shù)引進(jìn)經(jīng)費(fèi)支出、消化吸收經(jīng)費(fèi)支出，產(chǎn)出變量為專利申請數(shù)、新產(chǎn)品銷售利潤。結(jié)果顯示，20世紀(jì)90年代中期以來主要是技術(shù)進(jìn)步推動我國高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的增長。許楠[5]運(yùn)用SFA模型對北京、上海、天津、重慶、溫州、杭州、寧波、南京、廣州、濟(jì)南10個城市2011-2010年的科技創(chuàng)新效率進(jìn)行了定量測度。選擇研發(fā)經(jīng)費(fèi)支出總額和研發(fā)人員總數(shù)作為投入指標(biāo)，選擇科技成果成交金額作為產(chǎn)出指標(biāo)。該文指出，樣本城市之間科技創(chuàng)新效率不平衡，但是各城市科技創(chuàng)新效率有明顯的上升趨勢。杜軍、朱建新、馮志軍[6]基于二階段DEA模型對我國30個省市的區(qū)域科技創(chuàng)新效率進(jìn)行實(shí)證分析，第一階段重點(diǎn)研究了科技創(chuàng)新投入到科技產(chǎn)出過程的效率，投入指標(biāo)選擇科技活動人員數(shù)、RD活動人員折合全時當(dāng)量、科技經(jīng)費(fèi)內(nèi)部支出和經(jīng)費(fèi)內(nèi)部支出，產(chǎn)出指標(biāo)選擇國內(nèi)中文科技論文數(shù)、發(fā)明專利申請授權(quán)數(shù)和國外三系統(tǒng)收錄科技論文數(shù)。第二階段主要考察科技創(chuàng)新的經(jīng)濟(jì)轉(zhuǎn)化效率，以第一階段的產(chǎn)出指標(biāo)為投入指標(biāo)，以人均GDP、勞動生產(chǎn)率、高新技術(shù)產(chǎn)業(yè)產(chǎn)值占GDP的比例、大中型工業(yè)企業(yè)新產(chǎn)品產(chǎn)值、高新技術(shù)企業(yè)新產(chǎn)品銷售收入、技術(shù)市場成交合同額作為產(chǎn)出指標(biāo)。

綜合來看，不同研究的差別關(guān)鍵在于方法的選擇上。但事實(shí)上，已有的方法存在著不同程度的缺陷，例如，采用傳統(tǒng)的效率評價方法雖然在獲得和處理數(shù)據(jù)方面簡單易行，具有很強(qiáng)的操作性，但是這種方法難以深入地分析研究區(qū)域科技創(chuàng)新效率，同時，在指標(biāo)選取方面，該方法只是選取大量的相關(guān)指標(biāo)進(jìn)行分析，并沒有相關(guān)的理論依據(jù)。而隨機(jī)前沿分析（SFA）方法的問題在于需要自行構(gòu)造一個具體的函數(shù)形式，然后基于該函數(shù)形式對函數(shù)中各參數(shù)進(jìn)行估計。正是由于確定了函數(shù)形式，但如果確定的函數(shù)形式是錯誤的，將會使整個評價過程都出現(xiàn)偏差，這就是該方法的最大缺陷之處。最后，數(shù)據(jù)包絡(luò)分析（DEA）盡管能夠同時處理多個輸出變量和多個輸入變量，且該方法不用人為給定各指標(biāo)的權(quán)重， 也不用預(yù)先給定生產(chǎn)前沿面的生產(chǎn)函數(shù)形式，但無論是規(guī)模報酬不變的CCR模型還是規(guī)模報酬可變的BBC模型，都是對不同區(qū)域在同一時間點(diǎn)上的狀況進(jìn)行橫向的比較分析，在通過對歷史數(shù)據(jù)的比較，尤其在挖掘歷史數(shù)據(jù)的深層信息，形成對未來趨勢的判斷方面，DEA方法還存在明顯的不足，不適用于進(jìn)行不同時間點(diǎn)的縱向比較分析。

二、區(qū)域科技創(chuàng)新效率的研究設(shè)計

（一）研究方法

由于傳統(tǒng)DEA方法對區(qū)域科技創(chuàng)新效率進(jìn)行評價時存在一定的缺陷，無法剝離環(huán)境因素以及隨機(jī)誤差對區(qū)域科技創(chuàng)新效率的影響，所以很難準(zhǔn)確地測量各省的科技創(chuàng)新效率。本文采用Fried[7]提出的三階段DEA模型，可以克服傳統(tǒng)DEA方法存在的不足，并將該模型應(yīng)用在科技創(chuàng)新效率的評價中。該方法的具體步驟如下：

1.第一階段——BCC模型。第一階段，使用投入導(dǎo)向的可變規(guī)模收益的BCC模型，得到各決策單元的純技術(shù)效率值，再結(jié)合CCR模型求出的技術(shù)效率值求出規(guī)模效率值。并由此計算出投入松弛量，作為第二階段的投入變量。

2.第二階段——構(gòu)造相似SFA模型。以第一階段求出的松弛量為因變量，以諸多環(huán)境因素為自變量，通過構(gòu)建相似SFA模型，將環(huán)境效應(yīng)和隨機(jī)誤差剔除，從而僅保留管理無效造成的投入松弛。

首先建立松弛變量：

sni=xni-Xnλ≥0，n=1，2，…，M，i=1，2，…，S（1）

既包括徑向松弛值（1-θ）xni，又包括非徑向松弛值（θxni-Xnλ），θ為第一階段計算得到的第i個決策單元的效率值。以各投入的松弛量為因變量，以環(huán)境因素變量為自變量，對每一項投入的松弛量均建立一個SFA回歸方程，共建立S個回歸方程，其中第n個回歸方程如下：

sni=fn（Zi，βn）+vni+uni（2）

假定有K個環(huán)境變量，Zi=（z1i，z2i，…zKi），βn為待估計的參數(shù)，vni+uni為綜合誤差項，其中vni反映了統(tǒng)計噪聲，服從標(biāo)準(zhǔn)正態(tài)分布N（0，σ2v），uni反映了管理無效率，通常假定服從半正態(tài)分布N+（0，σ2u），并假設(shè)vni，uni相互獨(dú)立，并且與K個環(huán)境變量也相互獨(dú)立。采用極大似然技術(shù)估計未知參數(shù)。然后對原始投入按照如下的公式進(jìn)行調(diào)整：

xAni=xni+[maxi（Zin）-Zin]+[maxi（ni）-ni]（3）

[maxi（Zin）-Zin]代表的是將所有決策單元調(diào)整于相同環(huán)境，[maxi（ni）-ni]代表將所有的決策單元的統(tǒng)計噪聲調(diào)整為相同情形。

上式中，ni的可由條件估計[vni|vni+uni]估計得出。[vni|vni+uni]可由下面公式計算得出：

[vni|vni+uni]=sni-Zin-[uni|vni+uni]（4）

但是對其中的管理無效率[uni|vni+uni]進(jìn)行估計的時候，國內(nèi)一些學(xué)者誤用Jondrow et al.[8]的公式。通過比較，本文采用羅登躍[9]應(yīng)用JLMS方法推導(dǎo)出的對三階段DEA管理無效率進(jìn)行估計的公式，公式的形式為：

[uni|vni+uni]=

λσ1+λ2[φ（（vni+uni）σ）Φ（（vni+uni）σ）+vni+uniσ]（5）

其中，λ=σuσv，σ=σ2v+σ2u。φ（.）、Φ（.）分別是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)。

3.第三階段——重新運(yùn)用BCC模型。在第三階段，利用經(jīng)過第二階段調(diào)整后的投入xAni和原始產(chǎn)出重新運(yùn)行DEA模型，得出剔除了環(huán)境因素和隨機(jī)擾動影響后的效率。由于剔除了環(huán)境因素和隨機(jī)誤差的影響，調(diào)整后得出的效率值更能準(zhǔn)確地反映各決策單元的實(shí)際效率水平。

（二）指標(biāo)體系與數(shù)據(jù)

一般而言，運(yùn)用數(shù)據(jù)包絡(luò)分析方法（DEA）進(jìn)行效率測算時，應(yīng)先明確相應(yīng)的指標(biāo)體系。在本文中，根據(jù)三階段DEA模型的一般模式，我們分別從投入、產(chǎn)出及環(huán)境變量三個維度來構(gòu)建區(qū)域科技創(chuàng)新效率的變量體系。其中，投入變量方面，勞動力和資本是經(jīng)濟(jì)投入產(chǎn)出系統(tǒng)研究中的兩個基本投入，因此，在對區(qū)域科技創(chuàng)新效率進(jìn)行測算的時候，也是從這兩個方面選擇投入變量。本文選擇研究與試驗(yàn)發(fā)展（RD）人員全時當(dāng)量和研究與試驗(yàn)發(fā)展（RD）內(nèi)部支出作為投入變量。RD項目人員的全時當(dāng)量由參加基礎(chǔ)研究、應(yīng)用研究、試驗(yàn)發(fā)展三類項目人員的全時當(dāng)量相加計算得出。RD內(nèi)部支出指研究與開發(fā)機(jī)構(gòu)當(dāng)年用于本機(jī)構(gòu)內(nèi)部的實(shí)際支出。包括用于RD項目活動的直接支出，以及間接用于RD活動的管理費(fèi)、服務(wù)費(fèi)、與RD有關(guān)的基本建設(shè)支出以及外協(xié)加工費(fèi)等，但是不包括生產(chǎn)性活動支出、歸還貸款支出以及與外單位合作或委托外單位進(jìn)行RD活動而轉(zhuǎn)撥給對方的經(jīng)費(fèi)支出。

在產(chǎn)出指標(biāo)的選擇方面，應(yīng)該主要從區(qū)域科技創(chuàng)新創(chuàng)造的價值或者潛在價值方面選擇。其中，國內(nèi)發(fā)明專利申請授權(quán)數(shù)可以代表地區(qū)科技創(chuàng)新能力的潛在產(chǎn)出，大中型工業(yè)企業(yè)新產(chǎn)品總產(chǎn)值和技術(shù)市場成交合同金額可以代表地區(qū)科技創(chuàng)新能力的直接產(chǎn)出。

最后，環(huán)境變量是指那些對生產(chǎn)效率有影響但是又不在樣本主觀控制范圍之內(nèi)的因素，由于生產(chǎn)者自身在短時間內(nèi)無法控制或改變這些特征，因?yàn)榉Q之為外部環(huán)境因素。本文選擇了四個變量作為模型的環(huán)境變量，分別是：國內(nèi)生產(chǎn)總值（GDP），科技研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)固定資產(chǎn)投資，高等學(xué)校數(shù)，以及大中型工業(yè)企業(yè)辦研發(fā)機(jī)構(gòu)數(shù)。首先，國內(nèi)生產(chǎn)總值能全面反映一個地區(qū)的經(jīng)濟(jì)發(fā)展總體發(fā)展水平，經(jīng)常用來衡量一個地區(qū)的經(jīng)濟(jì)狀況，各省市的GDP的增長在一定程度上可以帶動科技創(chuàng)新的發(fā)展，因此對科技創(chuàng)新的發(fā)展是有利的。其次，固定資產(chǎn)投資是以貨幣表現(xiàn)的建造和購置固定資產(chǎn)活動的工作量，它是反映固定資產(chǎn)投資規(guī)模、速度、比例關(guān)系和使用方向的綜合性指標(biāo)。科技研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)固定資產(chǎn)投資是指用于科技研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)的固定資產(chǎn)投資，該變量反映了政府對于科技創(chuàng)新的支持力度，一般情況下，政府資助越高，越有利于科技創(chuàng)新的發(fā)展。最后，高等學(xué)校包括普通高等學(xué)校和成人高等學(xué)校，其中普通高等學(xué)校又包括研究生和本科層次、?？茖哟蝺蓚€研究層次。該變量反映了區(qū)域科技人才的輸出能力，在一定程度上也能夠代表區(qū)域科技科研能力。

本文數(shù)據(jù)來源于各年份的《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，研究對象為中國大陸的30個省（市），西藏由于數(shù)據(jù)不全，分析中暫時不予考慮。文中投入、產(chǎn)出和環(huán)境變量如表1所示。

三、區(qū)域科技創(chuàng)新效率的實(shí)證分析

本文測度的效率包括技術(shù)效率、純技術(shù)效率和規(guī)模效率，其中技術(shù)效率是在CCR模型下決策單元偏離生產(chǎn)前沿的距離，反映了在給定投入情況下決策單元獲得最大產(chǎn)出的能力；純技術(shù)效率測度的是在BCC模型下決策單元與生產(chǎn)前沿之間的距離，反映了在規(guī)模報酬可變情況下在給定投入情況下決策單元獲得最大產(chǎn)出的能力；規(guī)模效率衡量的是決策單元在規(guī)模報酬不變的生產(chǎn)前沿與規(guī)模報酬可變的生產(chǎn)前沿之間的距離，其值等于技術(shù)效率值與純技術(shù)效率值的商。

本文DEA階段使用軟件Deap 2.1進(jìn)行分析，SFA階段使用軟件Frontier 4.1進(jìn)行處理。在第一階段，我們運(yùn)用傳統(tǒng)BCC模型對我國30個省市的科技創(chuàng)新效率進(jìn)行分析，然后在此基礎(chǔ)上，可以得到30個省市科技創(chuàng)新投入變量的松弛量，包括徑向和非徑向松弛量。本文在第二階段SFA分析中，將投入變量的松弛量作為被解釋變量，將各省市的環(huán)境變量作為解釋變量，通過分析消除環(huán)境因素和隨機(jī)誤差因素對區(qū)域科技創(chuàng)新效率的影響。分析結(jié)果如表2所示：

由表2可知，三個模型的LR單邊檢驗(yàn)都通過了1%的檢驗(yàn)水平，即表明投入松弛變量和環(huán)境變量之間存在顯著關(guān)系，說明第二階段采用SFA模型分離環(huán)境變量的影響是十分有必要的。通過上表我們可以發(fā)現(xiàn)，γ的值接近于1，其顯著水平都達(dá)到了1%，說明在總方差中，管理無效率占比較大，這也進(jìn)一步說明在第二階段采用SFA方法是必要的。

在對各投入的松弛變量進(jìn)行分析前，要通過環(huán)境變量對其進(jìn)行回歸分析。當(dāng)環(huán)境變量與松弛變量之間的回歸系數(shù)為正值時，表明它們的變化方向是一致的，即外部環(huán)境變量的增加會導(dǎo)致松弛變量的增加；當(dāng)環(huán)境變量與松弛變量之間的回歸系數(shù)為負(fù)值時，表明它們的變化方向是相反的，即外部環(huán)境變量的增加會導(dǎo)致松弛變量的減少。由此可見以下各變量對科技創(chuàng)新效率的影響：

（1）國內(nèi)生產(chǎn)總值（GDP）：該變量對RD人員全時當(dāng)量和RD內(nèi)部支出來講都是有利的。GDP的增加會減少這兩個投入變量的浪費(fèi)。這可能是由于GDP的增加會促進(jìn)科技創(chuàng)新各種要素的投入，經(jīng)濟(jì)發(fā)達(dá)地區(qū)，所需要的設(shè)施和配套服務(wù)也比較完善，在一定程度上減少了科技創(chuàng)新產(chǎn)業(yè)所需要的人力和內(nèi)部支出。

（2）科技研究、技術(shù)服務(wù)和地質(zhì)勘察業(yè)固定資產(chǎn)投資：該變量對RD人員全時當(dāng)量和RD內(nèi)部支出來講都是有利的，這與我們的預(yù)期理論是一致的。政府在科技研究等固定資產(chǎn)投入的增加可以使企業(yè)增加相應(yīng)的要素投入，研究或采用新的技術(shù)成果，擴(kuò)大企業(yè)的經(jīng)營規(guī)模，以上都可以在一定程度上提高生產(chǎn)要素的使用效率。

（3）高等學(xué)校數(shù)：該變量對RD人員全時當(dāng)量和RD內(nèi)部支出來講都是不利的。這可能是由于高等學(xué)校數(shù)越多的地區(qū)，對RD人員和RD內(nèi)部支出的要求越多。

（4）大中型工業(yè)企業(yè)辦研發(fā)機(jī)構(gòu)數(shù)：該變量對RD人員全時當(dāng)量和RD內(nèi)部支出來講都是有利的。大中型工業(yè)企業(yè)辦研發(fā)機(jī)構(gòu)多的省份，對區(qū)域科技創(chuàng)新效率具有促進(jìn)作用，可以減少RD人員和RD內(nèi)部支出的投入。

最后，在第三階段，我們根據(jù)公式對投入變量進(jìn)行調(diào)整，剔除其環(huán)境變量因素和隨機(jī)誤差因素的影響，然后再一次運(yùn)用BCC模型計算30個省市的科技創(chuàng)新效率值，效率得分如表3所示：

從表3中可以看到，我國30個省市區(qū)域科技創(chuàng)新技術(shù)效率具有顯著的差別。首先，北京、上海兩市在2011-2015五年間一直處于效率前沿面上，技術(shù)效率值五年間一直處于較高水平的還有天津、吉林、江蘇、浙江、福建和山東六省市；技術(shù)效率值較低的省市有海南、甘肅、青海、寧夏、新疆等省份，且與技術(shù)效率較高的省市之間存在較大的差距。以2015年為例，有北京、上海、浙江、廣東和重慶五省市的技術(shù)效率處于效率前沿面上，其值為1；但是技術(shù)效率值最低的省份青海，其值僅為0.063。這說明我國科技創(chuàng)新能力在地區(qū)之間發(fā)展極不平衡，主要表現(xiàn)在經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)技術(shù)效率水平較高，經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)技術(shù)效率水平比較低。造成這種現(xiàn)象的原因主要是由于經(jīng)濟(jì)發(fā)達(dá)的地區(qū)由于經(jīng)過較長時間的發(fā)展，其科技創(chuàng)新能力已經(jīng)形成了一定的規(guī)模，產(chǎn)生了規(guī)模效應(yīng)。

剔除環(huán)境因素和隨機(jī)因素的影響后，2011年僅有廣東省處于規(guī)模收益遞減階段；2012年有江蘇、山東處于規(guī)模收益遞減階段；2013年有江蘇、浙江處于規(guī)模收益遞減階段；2014年僅有江蘇省處于規(guī)模收益遞減階段；2015年有江蘇、安徽、山東和湖南四省處于規(guī)模收益遞減階段。由于絕大部分省市處于規(guī)模收益遞增階段，表明要大力發(fā)展我國的區(qū)域科技創(chuàng)新能力，就要擴(kuò)大其生產(chǎn)規(guī)模，利用規(guī)模經(jīng)濟(jì)提高科技創(chuàng)新能力。

圖1為2011-2015年我國區(qū)域科技創(chuàng)新技術(shù)效率均值、純技術(shù)效率均值和規(guī)模效率均值?？梢钥闯?，我國區(qū)域科技創(chuàng)新技術(shù)效率均值、純技術(shù)效率均值和規(guī)模效率均值在這五年間沒有較大的變化，說明我國的科技創(chuàng)新水平?jīng)]有改變。我國的純技術(shù)效率值水平較高，接近技術(shù)前沿面，技術(shù)效率值不高的原因主要是規(guī)模效率值不高。這說明要想提高我國科技創(chuàng)新效率值，可以通過擴(kuò)大規(guī)模，提高區(qū)域科技創(chuàng)新的規(guī)模效應(yīng)達(dá)到。

圖12011-2015年TE、PTE、SE值

四、結(jié)論與建議

基于2011-2015年我國省級層面的數(shù)據(jù)，本文使用三階段DEA模型對我國30個省市的科技創(chuàng)新效率進(jìn)行了測算。結(jié)果表明，在2011-2015年期間，無論在技術(shù)效率、純技術(shù)效率還是規(guī)模效率層面，我國各省的區(qū)域科技創(chuàng)新效率總

體上并未出現(xiàn)較大的變化，反映出我國區(qū)域科技創(chuàng)新能力總體提升空間并不明顯。進(jìn)一步分區(qū)域的研究表明，我國科技創(chuàng)新效率在地區(qū)之間發(fā)展極不平衡，主要表現(xiàn)在經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)技術(shù)效率水平較高，經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)技術(shù)效率水平比較低。造成這種現(xiàn)象的原因主要是由于經(jīng)濟(jì)發(fā)達(dá)的地區(qū)由于經(jīng)過較長時間的發(fā)展，其科技創(chuàng)新能力已經(jīng)形成了一定的規(guī)模，產(chǎn)生了規(guī)模效應(yīng)。

長期以來，我國各級政府都高度重視創(chuàng)新體系的構(gòu)建和科學(xué)技術(shù)水平的提升。一個典型事實(shí)是，各級政府都大力強(qiáng)調(diào)調(diào)整區(qū)域經(jīng)濟(jì)的發(fā)展方式，尤其是從粗放型發(fā)展方式向集約型發(fā)展方式轉(zhuǎn)變，從依靠擴(kuò)大資本和勞動等生產(chǎn)要素的投入來實(shí)現(xiàn)增長向依靠技術(shù)進(jìn)步和提高要素生產(chǎn)率來實(shí)現(xiàn)增長轉(zhuǎn)變。而建立自主技術(shù)創(chuàng)新體系和增強(qiáng)持續(xù)開發(fā)新技術(shù)和新產(chǎn)品的能力是實(shí)現(xiàn)上述轉(zhuǎn)變的重要基礎(chǔ)，為此，各級政府圍繞創(chuàng)新體系的構(gòu)建投入了大量的資源。而本文的研究表明，各級政府應(yīng)該圍繞自身的比較優(yōu)勢，在科技創(chuàng)新體系的構(gòu)建上，應(yīng)該摒棄規(guī)模上的提升，而將科技創(chuàng)新效率的提升作為衡量本地區(qū)科技創(chuàng)新能力的重要指標(biāo)，正如同經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變一樣，科技創(chuàng)新能力的提高也應(yīng)以效率的提升作為最重要的衡量指標(biāo)。

[參考文獻(xiàn)]

[1]Li X. China’s Regional Innovation Capacity in Transition： An Empirical Approach[J]. Research Policy，2009，38（2）：338357.

[2]Fu X， Yang Q G. Exploring the Crosscountry Gap in Patenting： A Stochastic FrontierApproach[J]. Research Policy，2009，38（7）：12031213.

[3]萬勇，文豪.中國區(qū)域創(chuàng)新能力的評價指標(biāo)體系研究[J].中南大學(xué)學(xué)報：社會科學(xué)版，2009，15（5）：643646.

[4]梁平，梁彭勇，黃馨.中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的動態(tài)變化：基于Malmquist指數(shù)法的分析[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2009（3）：2328.

[5]許楠.基于SFA與DEA模型的創(chuàng)新型城市科技創(chuàng)新效率實(shí)證研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2011（9）：112117.

[6]杜軍，朱建新，馮志軍.基于二階段DEA模型的區(qū)域科技創(chuàng)新效率的實(shí)證分析[J].學(xué)術(shù)交流，2009（11）：9698.

[7]Fried O. Accounting for Environmental Effects and Statistical Noisein Data Envelopment Analysis[J]. Journal of Productivity Analysis，2002，17（2）：157174.

[8]Jondrow J， Lovell C A K， Materov I S， et al. On the estimation of technical inefficiency in the stochastic frontier production function model[J]. Journal of econometrics，1982，19（23）：233238.

[9]羅登躍.三階段DEA模型管理無效率估計注記[J].統(tǒng)計研究，2012（4）：104107.

（責(zé)任編輯王婷婷）

A Calculation of Regional Innovation Efficiency in China：

Based on Threestage Data Envelopment Analysis Method

JIAO Chenyang

（China Academy of Fiscal Science， Beijing 100036， China）

Abstract：Based on the data of China’s provincial level from 2011 to 2015， this paper used Threestage DEA Model to measure the efficiency of technological innovation in 30 provinces in China. The results showed that the technical efficiency of regional science and technology innovation capacity of 30 provinces and cities in China did not change on the whole in 2011-2015， showing that the overall level of China’s regional sciencetechnology innovation capacity was not high； There was a rise of 30% in space. Further regional studies show an obvious unbalance of China’s scientific and technological innovation capacity between the regions with high technical efficiency mainly in the more economically developed areas and low level in economic underdeveloped areas. This phenomenon is mainly due to the fact that after a long time of the development， the economically developed areas has formed a certain scale in scientific and technological innovation capacity， resulting in the scale effect.

Key words：innovation efficiency； Threestage DEA； scale efficiency