王雪瑩

（重慶工商大學(xué) 長(zhǎng)江上游經(jīng)濟(jì)研究中心，重慶 400067）

自創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略實(shí)施以來，創(chuàng)新與發(fā)展密不可分，創(chuàng)新績(jī)效快速提高，對(duì)經(jīng)濟(jì)發(fā)展和創(chuàng)新驅(qū)動(dòng)的實(shí)現(xiàn)有著極大的意義。如今，我國(guó)科技創(chuàng)新發(fā)展的步伐不斷加快，已基本形成了由沿海向內(nèi)陸地區(qū)延伸的區(qū)域發(fā)展格局。長(zhǎng)江經(jīng)濟(jì)帶是聚集多個(gè)經(jīng)濟(jì)增長(zhǎng)極的綜合體，要實(shí)現(xiàn)高效率創(chuàng)新對(duì)促進(jìn)該區(qū)域經(jīng)濟(jì)的增長(zhǎng)以及中東西部協(xié)同發(fā)展都有著舉足輕重的影響。本文對(duì)長(zhǎng)江經(jīng)濟(jì)帶9省2市的創(chuàng)新績(jī)效進(jìn)行實(shí)證分析和評(píng)價(jià)，為長(zhǎng)江經(jīng)濟(jì)帶創(chuàng)新績(jī)效的提升和東中西部的協(xié)調(diào)發(fā)展提供參考。

一、文獻(xiàn)綜述

從本質(zhì)上來看，區(qū)域創(chuàng)新系統(tǒng)是典型的投入產(chǎn)出過程[1]，社會(huì)經(jīng)濟(jì)資源的不斷投入才能實(shí)現(xiàn)價(jià)值。通過投入產(chǎn)出效應(yīng)來評(píng)價(jià)創(chuàng)新績(jī)效，具體是指在區(qū)域創(chuàng)新系統(tǒng)中投入必要的資源要素使生產(chǎn)效率和社會(huì)績(jī)效得到提高。因此，測(cè)度創(chuàng)新績(jī)效應(yīng)重點(diǎn)考察投入和產(chǎn)出兩方面。

區(qū)域創(chuàng)新績(jī)效的測(cè)度主要是通過參數(shù)法或非參數(shù)法。參數(shù)法以隨機(jī)前沿分析（SFA）為代表，如蘇屹、陳永康等人分別運(yùn)用隨機(jī)前沿分析方法對(duì)全國(guó)各個(gè)省市的區(qū)域創(chuàng)新效率進(jìn)行測(cè)算[2-3]。參數(shù)法具有扎實(shí)的理論基礎(chǔ)，但需要根據(jù)研究對(duì)象設(shè)定相應(yīng)的生產(chǎn)函數(shù)，而函數(shù)的設(shè)置較為復(fù)雜，一旦設(shè)定錯(cuò)誤，便會(huì)造成嚴(yán)重的結(jié)果誤差；非參數(shù)法則以數(shù)據(jù)包絡(luò)分析（DEA）為代表，運(yùn)用運(yùn)籌學(xué)中線性規(guī)劃理論對(duì)投入和產(chǎn)出進(jìn)行分析，進(jìn)而計(jì)算創(chuàng)新績(jī)效，該方法不需要設(shè)定具體函數(shù)，可避免主觀函數(shù)的設(shè)定所帶來的誤差，且技術(shù)方法簡(jiǎn)便。許多學(xué)者運(yùn)用數(shù)據(jù)包絡(luò)分析法來評(píng)價(jià)區(qū)域的創(chuàng)新績(jī)效，如周洪文等人運(yùn)用網(wǎng)絡(luò)DEA評(píng)價(jià)全國(guó)各個(gè)創(chuàng)新系統(tǒng)的創(chuàng)新績(jī)效，認(rèn)為各個(gè)地方創(chuàng)新能力均有很大提高[4]；候睿利用DEA-Malmquist指數(shù)度量28個(gè)省市的創(chuàng)新績(jī)效，并提出技術(shù)進(jìn)步是提升創(chuàng)新的核心[5]。目前用DEA對(duì)區(qū)域創(chuàng)新的評(píng)價(jià)側(cè)重于單階段，但創(chuàng)新資源從流動(dòng)到產(chǎn)出應(yīng)該是多層次、多路徑的網(wǎng)絡(luò)流動(dòng)程序，多階段的評(píng)價(jià)法更容易發(fā)現(xiàn)其低效率的深層原因。

基于以上原因，本文借鑒張博榕等人的研究[6]，構(gòu)建兩階段動(dòng)態(tài)DEA模型對(duì)創(chuàng)新績(jī)效進(jìn)行分析。本文將創(chuàng)新過程分為兩個(gè)階段：第一階段為科技成果研發(fā)，即知識(shí)投入和產(chǎn)出效率的分析；第二階段為科技成果商業(yè)化轉(zhuǎn)化效率的分析。兩階段并非是彼此獨(dú)立的關(guān)系，第一階段的產(chǎn)出作為第二階段的投入要素，兩階段相互銜接和配合，才能使創(chuàng)新實(shí)現(xiàn)價(jià)值。

二、研究設(shè)計(jì)和數(shù)據(jù)處理

（一）模型構(gòu)造和指標(biāo)選取

基于指標(biāo)選取的客觀性和科學(xué)性，本文將R&D人員數(shù)量和R&D投入強(qiáng)度作為第一階段的投入指標(biāo)，專利授權(quán)數(shù)和論文發(fā)表數(shù)作為第一階段的產(chǎn)出指標(biāo)；第二階段投入指標(biāo)除第一階段產(chǎn)出指標(biāo)外，增加了技術(shù)合同成交額，以人均GDP和工業(yè)企業(yè)新產(chǎn)品銷售收入為第二階段的產(chǎn)出指標(biāo)。用萬人中研究人員數(shù)量表示R&D人員數(shù)量，代表創(chuàng)新人力資源的投入；R&D投入強(qiáng)度為R&D研究經(jīng)費(fèi)對(duì)GDP的占比，代表創(chuàng)新財(cái)力資源的投入。為便于各省市間比較，參照張博榕等人的處理方法[6]，專利授權(quán)量用專利數(shù)與GDP比值表示 （單位：件/10億）；論文發(fā)表數(shù)用發(fā)文量與GDP比值表示（單位：篇/10億）；技術(shù)市場(chǎng)合同成交額表示區(qū)域的創(chuàng)新擴(kuò)散能力，因此作為第二階段的投入；人均GDP和工業(yè)企業(yè)新產(chǎn)品銷售收入作為創(chuàng)新經(jīng)濟(jì)效率的代表，研究模型如圖1所示。

（二）模型選取

圖1 兩階段創(chuàng)新模型

數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis）是由美國(guó)運(yùn)籌學(xué)家Charnes、Cooper和Rhodes提出的一種非參數(shù)統(tǒng)計(jì)方法。具體可分為CCR模型和BBC模型，其中CCR模型不考慮規(guī)模報(bào)酬因素，只能計(jì)算出綜合效率；而BCC模型考慮了規(guī)模報(bào)酬的可變性，并將技術(shù)效率分解為純技術(shù)效率和規(guī)模效率。純技術(shù)效率代表現(xiàn)有技術(shù)下決策單元的產(chǎn)出水平；規(guī)模效率用于衡量決策單元的生產(chǎn)是否達(dá)到規(guī)模最優(yōu)化。本文主要采用BBC模型對(duì)區(qū)域創(chuàng)新績(jī)效進(jìn)行評(píng)價(jià)。BBC模型的基本公式如下：

其中x和y代表決策單元的投入和產(chǎn)出集合，λj代表通過線性組合構(gòu)成有效決策單元時(shí)，第j個(gè)決策單元的組合比例，θ代表決策單元與有效前沿面的徑向優(yōu)化量，θ越靠近1則越有效，和分別代表投入過剩量和產(chǎn)出不足量。若θ=1且則該決策單元為DEA有效；若θ=1且或不為0，則該決策單元為DEA弱有效；若θ不為1，則表示該決策單元非DEA有效，且θ越小，越無效。

（三）數(shù)據(jù)的來源和預(yù)處理

本文選取《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)科技統(tǒng)計(jì)年鑒》中有關(guān)數(shù)據(jù)，測(cè)算長(zhǎng)江經(jīng)濟(jì)帶創(chuàng)新績(jī)效，考慮到創(chuàng)新從研發(fā)投入到成品產(chǎn)出需要一定的時(shí)間，借鑒官建成、劉順忠的做法[7]，分別把兩個(gè)階段的投入和產(chǎn)出延遲2年，即第一階段的投入時(shí)間為2009—2012年，產(chǎn)出時(shí)間為2011—2014年；第二階段的投入數(shù)據(jù)時(shí)間為2011—2014年，產(chǎn)出數(shù)據(jù)時(shí)間為2013—2016年。

由表1可以看出，各個(gè)省市對(duì)于創(chuàng)新投入逐年增加，但僅上海、江蘇和浙江3省市在考察期間內(nèi)R&D投入強(qiáng)度高于全國(guó)平均水平，且每萬人中的R&D人員數(shù)量遠(yuǎn)超其他各省市。長(zhǎng)三角地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)，可憑借自身雄厚的經(jīng)濟(jì)實(shí)力不斷加大研發(fā)資金的投入，吸引高層次創(chuàng)新人才集聚。很顯然，長(zhǎng)三角3省市應(yīng)屬于高投入城市。同時(shí)，長(zhǎng)江中游的武漢、上游的四川以及重慶對(duì)創(chuàng)新所需的人力和財(cái)力都有較大的投入。

由表2可以看出，僅有上海的科技論文發(fā)文量和專利授權(quán)數(shù)都超過全國(guó)平均水平，云南、貴州和江西三省的科技文章數(shù)量和專利授權(quán)量均遠(yuǎn)遠(yuǎn)低于全國(guó)平均水平，而其他城市與全國(guó)平均水平較為接近。值得關(guān)注的是，江蘇和浙江作為創(chuàng)新的高投入省份，其科技產(chǎn)出卻不盡如人意，雖然專利授權(quán)數(shù)高于全國(guó)水平，但授權(quán)量逐年遞減，其可能為規(guī)模有效性遞減，應(yīng)適當(dāng)縮減對(duì)創(chuàng)新的投入。上海、江蘇和湖北的技術(shù)市場(chǎng)合同成交數(shù)額較大，安徽、湖北、重慶和四川的成交額增長(zhǎng)較為顯著。

由表3可以看出，上海、江蘇、浙江和重慶在考察期間人均GDP大于全國(guó)人均GDP，其中上海穩(wěn)居榜首，貴州、云南與全國(guó)平均水平相差較大。就工業(yè)企業(yè)新產(chǎn)品銷售收入而言，江蘇、浙江、上海、湖南、湖北和安徽的銷售收入較為可觀，其他各省的銷售收入較低，可能是創(chuàng)新過程中科技成果的轉(zhuǎn)化出現(xiàn)了問題。

表1 2009—2012年長(zhǎng)江經(jīng)濟(jì)帶各省市第一階段創(chuàng)新投入指標(biāo)數(shù)據(jù)

三、實(shí)證分析

（一）技術(shù)效率結(jié)果評(píng)價(jià)及分析

使用DEAP2.1軟件對(duì)第一階段投入產(chǎn)出數(shù)據(jù)進(jìn)行分析，獲得各單元的相對(duì)效率值（見表4）。

由表4可以看出，2009—2011年長(zhǎng)江經(jīng)濟(jì)帶綜合效率逐年增加，但2012年較上年有所下降，若進(jìn)一步分析綜合效率降低的原因，可以看到純技術(shù)效率下降是造成整體綜合效率下降的首要原因，說明長(zhǎng)江經(jīng)濟(jì)帶創(chuàng)新資源的使用效率較低，應(yīng)在加大創(chuàng)新資源投入的同時(shí)提升資源的利用率。具體來說，2009—2012年綜合技術(shù)效率高的省市在不斷增加，其中浙江和重慶連續(xù)4年綜合效率值均為1，說明現(xiàn)階段該省的創(chuàng)新資源投入及效率處于合理狀態(tài)；而上海、江蘇、安徽和湖南綜合效率在降低，主要是受到規(guī)模效率的影響，這4個(gè)省份的規(guī)模有效性遞減，應(yīng)適量減少創(chuàng)新資源的投入；江西省綜合效率不斷提高，但總體偏低，其主要受到創(chuàng)新資源投入不足和資源利用度不高兩方面的影響，應(yīng)提高創(chuàng)新資源的投入以及利用率；其他省市均處于良好的發(fā)展態(tài)勢(shì)，區(qū)域創(chuàng)新的技術(shù)效率獲得較好成果。

表2 2011—2014年長(zhǎng)江經(jīng)濟(jì)帶各省市第二階段投入指標(biāo)數(shù)據(jù)

表3 2013—2016年長(zhǎng)江經(jīng)濟(jì)帶各省市產(chǎn)出指標(biāo)數(shù)據(jù)

（二）經(jīng)濟(jì)效率結(jié)果評(píng)價(jià)及分析

在第二階段的實(shí)證分析中，使用“每10億GDP科技文章篇數(shù)”“每10億GDP專利件數(shù)”和“技術(shù)合同成交額”作為投入指標(biāo)，使用“人均GDP”和“工業(yè)新產(chǎn)品總產(chǎn)值”作為產(chǎn)出指標(biāo)。運(yùn)用DEAP2.1軟件計(jì)算得出第二階段投入產(chǎn)出技術(shù)效率值（見表5）。

從表5可以看出，長(zhǎng)江經(jīng)濟(jì)帶技術(shù)創(chuàng)新第二階段效率在不斷提升，但科技成果轉(zhuǎn)化效率不高。四川、安徽和重慶的轉(zhuǎn)化效率小于0.8，而經(jīng)濟(jì)較為落后的云貴兩省效率卻很高，這與平常的認(rèn)知不符。但仔細(xì)思考后，本文認(rèn)為并不矛盾。云南、貴州兩省的經(jīng)濟(jì)水平?jīng)Q定其創(chuàng)新投入較少，較少的資源得到有效利用，獲得較高的經(jīng)濟(jì)產(chǎn)出，這正是云南、貴州科技成果轉(zhuǎn)化效率高的原因之一。安徽和四川轉(zhuǎn)化效率不高主要受到純技術(shù)效率和規(guī)模無效性兩方面的雙重作用，但純技術(shù)效率的影響更為突出；重慶轉(zhuǎn)化效率不高主要受到規(guī)模效率的影響，該市的規(guī)模有效性呈現(xiàn)遞減的狀態(tài)。

四、結(jié)論與對(duì)策

根據(jù)數(shù)據(jù)包絡(luò)分析法把長(zhǎng)江經(jīng)濟(jì)帶創(chuàng)新績(jī)效的測(cè)評(píng)分成兩個(gè)階段：第一階段評(píng)價(jià)區(qū)域科技成果研發(fā)效率；第二階段評(píng)價(jià)科技成果商業(yè)化效率。第一階段中，2009—2012年的技術(shù)綜合效率先增加后減少，主要是受到純技術(shù)效率的影響，整個(gè)長(zhǎng)江經(jīng)濟(jì)帶的資源利用率應(yīng)不斷提升；第二階段中，長(zhǎng)江經(jīng)濟(jì)帶整體的科技成果商業(yè)轉(zhuǎn)化效率不到0.9，并不算高，經(jīng)濟(jì)較為發(fā)達(dá)的安徽、四川和重慶的商業(yè)轉(zhuǎn)化轉(zhuǎn)換效率卻不盡如人意。創(chuàng)新績(jī)效的提高應(yīng)該是兩階段的銜接和配合，從而最終產(chǎn)生經(jīng)濟(jì)效益。結(jié)合兩階段結(jié)果，不難發(fā)現(xiàn)很多省市的投入產(chǎn)出效率和科技成果轉(zhuǎn)化效率不能匹配。上海、江蘇科技成果研發(fā)效率較低，而較高的科技成果轉(zhuǎn)化效率，使得區(qū)域創(chuàng)新不能長(zhǎng)久保持有效性，并且較低的研發(fā)效率直接降低了最終的經(jīng)濟(jì)利益；安徽、四川和重慶成果研發(fā)效率較高而科技成果轉(zhuǎn)換率較低，往往會(huì)導(dǎo)致創(chuàng)新資源的投入得不到理想的經(jīng)濟(jì)效益，從而造成經(jīng)濟(jì)浪費(fèi)和創(chuàng)新效率低的后果。

表4 第一階段科技成果研發(fā)效率

表5 第二階段科技成果商業(yè)化效率

提高地區(qū)的創(chuàng)新效率需要科技成果研發(fā)效率和科技成果商業(yè)化效率兩手抓，各省市根據(jù)自身發(fā)展現(xiàn)狀可以采取如下措施：

第一，投入適當(dāng)?shù)馁Y源，提高利用率。雖然近年來長(zhǎng)江經(jīng)濟(jì)帶9省2市的經(jīng)濟(jì)發(fā)展迅速，不過省市間還存在不少差距，各省市對(duì)創(chuàng)新資源的投入受到經(jīng)濟(jì)發(fā)展的限制。江西、貴州、云南等省份資源規(guī)模有效性遞增，應(yīng)加大創(chuàng)新資源的投入；上海、江蘇、安徽、湖南、湖北等省市資源規(guī)模遞減，應(yīng)重視創(chuàng)新資源的利用率，避免資源的浪費(fèi)。第二，推動(dòng)創(chuàng)新科技成果轉(zhuǎn)化，大力發(fā)展高新技術(shù)產(chǎn)業(yè)。企業(yè)是確保創(chuàng)新資源從科技成果向經(jīng)濟(jì)收益轉(zhuǎn)變的核心，高新技術(shù)產(chǎn)業(yè)屬于知識(shí)密集型、技術(shù)密集型產(chǎn)業(yè)，已在創(chuàng)新活動(dòng)中扮演著越來越重要的角色，應(yīng)設(shè)立高新產(chǎn)業(yè)園區(qū)，整合優(yōu)勢(shì)資源，優(yōu)化配置。第三，加大對(duì)落后地區(qū)的扶持，確保長(zhǎng)江經(jīng)濟(jì)帶的協(xié)同創(chuàng)新。相對(duì)而言，江西、安徽、云南、貴州等省份的綜合創(chuàng)新能力比較落后，應(yīng)該積極提升自身創(chuàng)新能力，加大創(chuàng)新資源的投入。長(zhǎng)江中下游地區(qū)應(yīng)利用自身區(qū)域優(yōu)勢(shì)，積極吸收“長(zhǎng)三角”創(chuàng)新溢出效應(yīng)，優(yōu)化創(chuàng)新環(huán)境；長(zhǎng)江上游地區(qū)位于內(nèi)陸，受到地理區(qū)位限制，難以得到下游地區(qū)的創(chuàng)新輻射效應(yīng)，需提高科技創(chuàng)新能力、培育創(chuàng)新人才，推進(jìn)科技創(chuàng)新開放合作，積極培育科技創(chuàng)新發(fā)展極。

參考文獻(xiàn)：

[1]尹凡，單瑩潔，蘇傳華，等.河北省區(qū)域創(chuàng)新績(jī)效評(píng)價(jià)模型的構(gòu)建[J].統(tǒng)計(jì)與決策，2011（14）：77-79.

[2]蘇屹，李柏洲.基于隨機(jī)前沿的區(qū)域創(chuàng)新系統(tǒng)創(chuàng)新績(jī)效分析[J].系統(tǒng)工程學(xué)報(bào)，2013（1）：125-133.

[3]陳永康，李凡，劉章.區(qū)域創(chuàng)新效率的參數(shù)估計(jì)：基于空間隨機(jī)前沿模型[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2017（10）：57-59.

[4]周洪文，宋麗萍，劉瑋.區(qū)域創(chuàng)新系統(tǒng)績(jī)效評(píng)價(jià)比較研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2014（9）：22-33.

[5]侯睿.基于Malmquist指數(shù)的我國(guó)區(qū)域技術(shù)創(chuàng)新效率提升與驅(qū)動(dòng)差異研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2016（1）：122-129.

[6]張博榕，李春成.基于兩階段動(dòng)態(tài)DEA模型的區(qū)域創(chuàng)新績(jī)效實(shí)證分析[J].科技管理研究，2016（12）：62-67.

[7]官建成，劉順忠.區(qū)域創(chuàng)新機(jī)構(gòu)對(duì)創(chuàng)新績(jī)效影響的研究[J].科學(xué)學(xué)研究，2003（2）：210-214.