李文輝 江涌芝 何秋銳 陳忠暖

摘要：以中國省域高校2004—2016年數(shù)據(jù)為基礎(chǔ)，借助SPSS統(tǒng)計工具，采用主成分分析法評價分析了省域高校的科技創(chuàng)新能力;采用兩階段數(shù)據(jù)包絡(luò)分析模型（DEA）評價分析了省域高校的科技創(chuàng)新效率;借鑒“柯布-道格拉斯（C-D）生產(chǎn)函數(shù)”和索洛“增長速度方程”，評價分析了省域高校的科技創(chuàng)新經(jīng)濟貢獻(xiàn)率。將三個維度指標(biāo)分別取平均值，高于平均值的數(shù)界定為“高”，低于平均值的數(shù)界定為“低”。研究發(fā)現(xiàn)，三項指標(biāo)和省份產(chǎn)生了如下對應(yīng)結(jié)果：（1）高-高-高：遼寧、陜西、山東;（2）高-高-低：江蘇、廣東、浙江;（3）高-低-高：北京、上海、湖北、安徽;（4）低-高-高：吉林、廣西、云南、內(nèi)蒙古、貴州、海南;（5）高-低-低：四川、河南;（6）低-高-低：江西、福建、新疆;（7）低-低-高：湖南、天津、重慶;（8）低-低-低：黑龍江、河北、山西、甘肅。從表現(xiàn)為“高-高-高”的遼寧、陜西和山東3個省份情況看，科技創(chuàng)新能力、科技創(chuàng)新效率、經(jīng)濟貢獻(xiàn)率和GDP增長率之間有一定的線性相關(guān)關(guān)系，研究結(jié)論與國家“雙一流”高校建設(shè)情況也具有一定的一致性。

關(guān)鍵詞：科技創(chuàng)新能力;科技創(chuàng)新效率;經(jīng)濟貢獻(xiàn)率;高校;省域

中圖分類號：G644;G40-0581 文獻(xiàn)標(biāo)志碼：A 文章編號：1008-5831（2019）03-0108-14

一、研究背景與思路

國內(nèi)外學(xué)者對科技創(chuàng)新能力的研究是從探討其評價指標(biāo)體系開始的，直到1972年美國第一份《科學(xué)指標(biāo)》出版，才標(biāo)志著科技創(chuàng)新能力評價指標(biāo)體系的誕生。隨后，隨著計算機技術(shù)的發(fā)展和信息技術(shù)的普及，學(xué)者從評價指標(biāo)體系、評價方法、評價原則、影響因素等方面進(jìn)行了大量研究，特定區(qū)域以及區(qū)域間科技創(chuàng)新能力的評價也引起了學(xué)者的廣泛關(guān)注[1-6]。

與此同時，科技創(chuàng)新效率問題也漸漸成為研究熱點。Farrell在1957年提出了效率評價的具體意義和概念，對實際生產(chǎn)單位投入產(chǎn)出的數(shù)據(jù)進(jìn)行分析，評價不同生產(chǎn)步驟的技術(shù)效率。1975年，Rhodes等人基于分段線性函數(shù)的基礎(chǔ)，引入了DEA方法對效率進(jìn)行測算。經(jīng)過多年的探索，美國國會于1993年通過了《政府績效與結(jié)果法案》，效率評價的概念、制度和范圍首次以法律形式得到了明確。同樣，學(xué)者們對科技創(chuàng)新效率評價指標(biāo)、評價方法、影響要素，以及區(qū)域創(chuàng)新效率等問題開展了大量研究[7-9]。

約瑟夫·熊彼特于1912年出版其著作《經(jīng)濟發(fā)展理論》，提出“創(chuàng)新”的概念，首次明確地將經(jīng)濟發(fā)展與創(chuàng)新結(jié)合起來，認(rèn)為只有當(dāng)它應(yīng)用于經(jīng)濟活動并產(chǎn)生利益的時候才稱得上是創(chuàng)新，即創(chuàng)新具有經(jīng)濟性的特征[10]。測定科技進(jìn)步對經(jīng)濟增長的作用，成了科技進(jìn)步分析工作的重要任務(wù)之一，眾多學(xué)者開始研究經(jīng)濟增長中是否有技術(shù)進(jìn)步、技術(shù)進(jìn)步對經(jīng)濟增長的貢獻(xiàn)度等問題[11-12]。

發(fā)展經(jīng)濟學(xué)認(rèn)為，經(jīng)濟增長的主要源泉是科技創(chuàng)新，而科技創(chuàng)新能力與效率共同決定了科技創(chuàng)新的質(zhì)與量，它們通過促進(jìn)生產(chǎn)關(guān)系調(diào)整和經(jīng)濟結(jié)構(gòu)變化，推動區(qū)域經(jīng)濟的發(fā)展和社會的進(jìn)步[13]。高校作為科技創(chuàng)新、人才培養(yǎng)的主要基地，是推動科技進(jìn)步與創(chuàng)新、促進(jìn)經(jīng)濟發(fā)展的動力源泉和貢獻(xiàn)主體[14]。高校創(chuàng)新能力和效率的提高與國民經(jīng)濟的健康快速發(fā)展之間具有重要聯(lián)系[15]。學(xué)界對高?？萍紕?chuàng)新能力、效率、經(jīng)濟貢獻(xiàn)率某一維度問題的研究，取得了豐碩成果和廣泛共識，并在此基礎(chǔ)上把某兩個維度進(jìn)行結(jié)合探討[16-19]。已有評價研究中，對科技創(chuàng)新服務(wù)人才培養(yǎng)、國際化等創(chuàng)新輻射方面的重視不夠，把三個維度問題結(jié)合在一起進(jìn)行綜合分析的研究尚未出現(xiàn)?？梢?，高校科技創(chuàng)新能力、效率、經(jīng)濟貢獻(xiàn)率的綜合評價研究，是一個尚未形成一致認(rèn)識的難題。

基于此，本研究從科技創(chuàng)新能力、科技創(chuàng)新效率、科技創(chuàng)新經(jīng)濟貢獻(xiàn)率三個維度，以2004—2016年有關(guān)數(shù)據(jù)為依據(jù)，綜合評價中國高校的發(fā)展?fàn)顩r，以期為高校實施供給側(cè)結(jié)構(gòu)性改革、“雙一流”建設(shè)和國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略等提供參考。需要說明的是，研究數(shù)據(jù)截至2016年，這是目前能搜集到的最新數(shù)據(jù)，研究中的“省域”是指中國行政規(guī)劃中的省份，“省域高?！睘榻逃砍霭娴摹陡叩葘W(xué)校科技統(tǒng)計資料匯編》中某個省份地域內(nèi)的全部高等學(xué)校。為確保評價數(shù)據(jù)前后的一致性和相關(guān)性，三個維度評價指標(biāo)涉及的數(shù)據(jù)均采用同一出處、同一口徑，評價科技創(chuàng)新效率和經(jīng)濟貢獻(xiàn)率的指標(biāo)，同時也是科技創(chuàng)新能力的指標(biāo)。涉及經(jīng)費指標(biāo)用價格指數(shù)進(jìn)行可比化平減[20]。

科技創(chuàng)新能力評價數(shù)據(jù)來源是：（1）2004—2016年全國科技經(jīng)費投入統(tǒng)計公報（http：//www.most.gov.cn/kjtj/）;（2）中國科技統(tǒng)計年鑒（2005-2017）[21];（3）高等學(xué)?？萍冀y(tǒng)計資料匯編（2005—2017年）（http：//www.moe.gov.cn/s78/A16/A16_tjdc/）;（4）“全省對創(chuàng)新的重視程度”一項由項目團隊根據(jù)各省份每年政府工作報告整理?？萍紕?chuàng)新效率評價數(shù)據(jù)來源是：高等學(xué)?？萍冀y(tǒng)計資料匯編（2005—2017年）?？萍紕?chuàng)新經(jīng)濟貢獻(xiàn)率評價數(shù)據(jù)來源是：（1）中國科技統(tǒng)計年鑒（2005—2017）;（2）高等學(xué)?？萍冀y(tǒng)計資料匯編（2005—2017年）;（3）國民經(jīng)濟和社會發(fā)展統(tǒng)計公報（http：//www.stats.gov.cn/tjsj/tjgb/ndtjgb/）。根據(jù)數(shù)據(jù)科學(xué)性和可得性要求，青海、寧夏、西藏3個省份和港澳臺地區(qū)未作評價。

二、科技創(chuàng)新能力分析

（一）評價指標(biāo)體系

根據(jù)高校科技創(chuàng)新能力的內(nèi)涵特點，以及評價的科學(xué)性、可比性、系統(tǒng)性、可行性等原則要求[5，22]，

項目團隊通過專家咨詢和指標(biāo)測算，確定表1為高?？萍紕?chuàng)新能力評價指標(biāo)體系。

由表3和表4可得以下線性組合模型：

F1=0.448A1+0.001A2+0.292A3-0.129A4+0.385A5-0.014A6。

F2=-0.242A1+0.021A2+0.194A3+0.618A4+0.009A5+0.455A6。

F3=0.000A1+0.992A2-0.037A3-0.059A4+0.030A5+0.086A6。

根據(jù)因子得分系數(shù)矩陣和各個主成分的貢獻(xiàn)率可以確定創(chuàng)新基礎(chǔ)能力的綜合評分函數(shù)：

A=0.39259F1+0.25815F2+0.16728F3。

根據(jù)組合模型統(tǒng)計，考察期各省份高?？萍紕?chuàng)新能力得分如表5所示，全國平均得分為0.063。高于平均值的有江蘇、北京、廣東、上海、山東、遼寧、浙江、湖北、陜西、四川、河南和安徽等12個省份，說明省域高校之間科技創(chuàng)新能力存在東部高、西部低的區(qū)域不均衡性。

通過對科技創(chuàng)新能力排名前3的江蘇、北京、廣東高校的36項指標(biāo)原始值分析可知，這3個省份高校有9項評價指標(biāo)均排名在全國各省份前5名（表6）。從表6可以發(fā)現(xiàn)，創(chuàng)新支撐能力方面，全省R&D人員、全省R&D經(jīng)費支出、全省對創(chuàng)新的重視程度3項指標(biāo)對科技創(chuàng)新能力影響較大，各地政府應(yīng)該高度重視創(chuàng)新工作，在人員和經(jīng)費方面提供保障。創(chuàng)新投入能力方面，高校研究與發(fā)展全時人員、固定資產(chǎn)購置費2項指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該增加科研人力投入，加強實驗儀器設(shè)備購置等基礎(chǔ)平臺建設(shè)工作。創(chuàng)新服務(wù)能力方面，高校研究與發(fā)展項目、培養(yǎng)學(xué)生數(shù)指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該支持和發(fā)展研究生教育，引導(dǎo)研究生積極參與科研項目創(chuàng)新研究工作。創(chuàng)新輻射能力方面，高校平均出席國際學(xué)術(shù)會議情況、人均提交國際學(xué)術(shù)會議特邀報告情況、高校主辦國際學(xué)術(shù)會議情況3項指標(biāo)對科技創(chuàng)新能力影響較大，各省、高校應(yīng)該更加重視科技國際交流合作工作，注重“走出去”參加國際學(xué)術(shù)會議，了解國際學(xué)術(shù)前沿，也要通過主辦國際學(xué)術(shù)會議“請進(jìn)來”現(xiàn)場指導(dǎo)交流，同時重視通過提交國際學(xué)術(shù)會議特邀報告，在國際學(xué)術(shù)同行中提高學(xué)術(shù)知名度和影響力。

三、科技創(chuàng)新效率分析

（一）評價指標(biāo)體系

在分析高校科技創(chuàng)新能力的基礎(chǔ)上，項目組采用數(shù)據(jù)包絡(luò)分析（DEA）模型構(gòu)建評價指標(biāo)體系[25]。數(shù)據(jù)包絡(luò)分析（DEA）將每一個被評價的經(jīng)濟系統(tǒng)或生產(chǎn)過程視為一個決策單元（DMU），由決策單元組（DMUS）構(gòu)成評價群體，處于同一評價群體的每個決策單元都具有同樣種類的資源消耗，即各決策單元具有相同的投入項指標(biāo)和相同的產(chǎn)出項指標(biāo)，在指標(biāo)項和決策單元組確定以后，采用數(shù)學(xué)規(guī)劃模型比較決策單元之間的相對效率，進(jìn)行投入與產(chǎn)出比率的綜合分析，得到每一決策單元綜合效率的量化指標(biāo)值，從而確定有效的決策單元，指明其他決策單元非有效的程度。

本項目研究認(rèn)為，高?？萍紕?chuàng)新過程具有復(fù)雜的階段特征，主要包括產(chǎn)出創(chuàng)新成果和創(chuàng)新成果轉(zhuǎn)化兩個階段。即：在第一階段，將創(chuàng)新投入要素轉(zhuǎn)化成知識創(chuàng)新產(chǎn)出成果;在第二階段，將知識創(chuàng)新產(chǎn)出成果投入生產(chǎn)，進(jìn)行技術(shù)創(chuàng)新成果轉(zhuǎn)化，帶來經(jīng)濟效益，促進(jìn)經(jīng)濟發(fā)展。具體評價指標(biāo)可參見表7。第一階段投入指標(biāo)包括人力、財力和物力投入，研究與發(fā)展全時人員反映了人力資源投入的情況，研究與發(fā)展經(jīng)費反映了財力資源投入的情況，固定資產(chǎn)購置費反映了物力資源投入的情況。第一階段產(chǎn)出指標(biāo)（第二階段投入指標(biāo)）包括研究、開發(fā)、知識產(chǎn)出（投入），發(fā)表學(xué)術(shù)論文數(shù)反映科學(xué)研究水平，專利授權(quán)數(shù)反映技術(shù)開發(fā)水平，出版科技著作數(shù)反映知識傳承水平。第二階段產(chǎn)出指標(biāo)包括轉(zhuǎn)讓、出售和委托產(chǎn)出，技術(shù)轉(zhuǎn)讓、專利出售實際收入代表開發(fā)技術(shù)、專利技術(shù)的市場應(yīng)用程度，企事業(yè)單位委托經(jīng)費代表創(chuàng)新對社會經(jīng)濟發(fā)展的促進(jìn)程度。

（二）實證分析

根據(jù)DEA模型構(gòu)建的評價指標(biāo)體系，采用基于DEA的Malmquist指數(shù)計算方法，分別考察各省高校兩個階段科技創(chuàng)新全要素生產(chǎn)效率（Total Factor Productivity），第一、第二階段時滯均為1年[21]。

圖1分析發(fā)現(xiàn)，由于受國家供給側(cè)結(jié)構(gòu)性改革、東北老工業(yè)基地振興等各項政策影響，高?？萍紕?chuàng)新效率排名前3的遼寧、江西和吉林，科技創(chuàng)新投入不足，如2016年全省研究與試驗發(fā)展經(jīng)費投入強度，遼寧、江西和吉林分別為1.69%、0.94%和1.13%，均低于全國平均的2.11%。但他們通過加強科技創(chuàng)新管理、優(yōu)化創(chuàng)新政策等方式，在投入相對不足的情況下，實現(xiàn)了創(chuàng)新效率的良好效果，吉林2011年實施了創(chuàng)新型吉林建設(shè)科技行動計劃、江西2013年實施了科技創(chuàng)新“六個一”工程、遼寧2014年出臺了自主創(chuàng)新促進(jìn)條例，確保了創(chuàng)新效率的提升。

四、科技創(chuàng)新經(jīng)濟貢獻(xiàn)率分析

（一）評價指標(biāo)設(shè)計

在上述分析基礎(chǔ)上，借鑒“柯布-道格拉斯（C-D）生產(chǎn)函數(shù)”和索洛“增長速度方程”，推導(dǎo)出科技進(jìn)步速度：

式中，y表示產(chǎn)出（GDP）的年平均增長速度，k表示資金（固定資產(chǎn)）投入的年平均增長速度，l表示勞動力投入的年平均增長速度。則科技進(jìn)步的經(jīng)濟貢獻(xiàn)率為：

根據(jù)GDP增長與全省研究與試驗發(fā)展（R&D）人員全時當(dāng)量的相關(guān)性校驗結(jié)果，采用高校R&D全時人員增加量與全省R&D全時人員增加量的比重，來對應(yīng)衡量高?？萍紕?chuàng)新進(jìn)步對經(jīng)濟的貢獻(xiàn)率[29]。參照國家統(tǒng)計局推薦值，α=0.3，β=0.7[30]。

（二）實證分析

根據(jù)評價指標(biāo)和公式模型，考察周期各省份高?？萍紕?chuàng)新經(jīng)濟貢獻(xiàn)率平均得分如表9所示，全國平均得分為5.15%。高于平均值的有廣西、貴州、吉林、云南、湖南、湖北、上海、內(nèi)蒙古、陜西、重慶、北京、海南、遼寧、安徽、山東和天津等16個省份。

從對高?？萍紕?chuàng)新經(jīng)濟貢獻(xiàn)率排前3名的廣西、貴州、吉林的測算指標(biāo)（表10）分析發(fā)現(xiàn)，3個省的平均GDP總量增長幅度分別為15.6%、17.4%和14.8%，均高于全國平均增幅的11.6%。全省固定資產(chǎn)投資總額增幅與全國增長較大（22.5%）類似，分別增長27.8%、31.5%和19.3%。而全社會從業(yè)（就業(yè)）人員增幅遠(yuǎn)低于全國平均的3.12%，分別為0.67%、0.66%和1.70%，“全省高校R&D人員全時當(dāng)量/全省R&D人員全時當(dāng)量”則高于全國平均值的0.1，分別為0.33、0.18和0.34，科技進(jìn)步對經(jīng)濟的貢獻(xiàn)率也高于全國平均水平的18.7%，分別為45.2%、68.9%和32.1%?？梢姡瑥V西、貴州和吉林GDP總量保持較快增長，主要原因是科技進(jìn)步對經(jīng)濟的貢獻(xiàn)率較高，全省高校R&D人員所占比重也較大。因此，各省應(yīng)該高度重視科技創(chuàng)新工作，讓經(jīng)濟發(fā)展更多依靠科技創(chuàng)新驅(qū)動，各高校應(yīng)該注重科技人才引進(jìn)和培養(yǎng)工作，增加或增強創(chuàng)新人才隊伍數(shù)量與質(zhì)量。

五、研究結(jié)論與討論

根據(jù)上述分析，將高?？萍紕?chuàng)新能力、效率和經(jīng)濟貢獻(xiàn)率三項指標(biāo)分別取平均值，高于平均值的數(shù)界定為“高”（H），低于平均值的數(shù)界定為“低”（L），得出以下研究發(fā)現(xiàn)。

第一，三項指標(biāo)評價結(jié)果和省份之間有8種對應(yīng)關(guān)系。表現(xiàn)為H-H-H的是地處經(jīng)濟發(fā)展水平較好的遼寧、陜西和山東3個省份;表現(xiàn)為H-H-L的是地處經(jīng)濟最發(fā)達(dá)地區(qū)的江蘇、廣東和浙江3個省份;表現(xiàn)為H-L-H的是地處經(jīng)濟發(fā)達(dá)及發(fā)展水平較好的北京、上海、湖北和安徽4個省份;表現(xiàn)為L-H-H的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的吉林、廣西、云南、內(nèi)蒙古、貴州和海南6個省份;表現(xiàn)為H-L-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的四川和河南2個省份;表現(xiàn)為L-H-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的江西、福建和新疆3個省份;表現(xiàn)為L-L-H的是湖南、天津和重慶3個省份;表現(xiàn)為L-L-L的是地處經(jīng)濟欠發(fā)達(dá)地區(qū)的黑龍江、河北、山西和甘肅4個省份。

可以認(rèn)為，地處經(jīng)濟發(fā)達(dá)地區(qū)省份的高校，在科技創(chuàng)新能力方面表現(xiàn)更為突出，地處經(jīng)濟欠發(fā)達(dá)地區(qū)省份科技創(chuàng)新效率更高，科技創(chuàng)新對經(jīng)濟發(fā)展的貢獻(xiàn)率也更大。

第二，從圖2表現(xiàn)為H-H-H的遼寧、陜西和山東高校近5年情況可以看出，遼寧高?？萍紕?chuàng)新能力逐年平緩增長，創(chuàng)新效率波動較大，經(jīng)濟貢獻(xiàn)率比較平緩，陜西高?？萍紕?chuàng)新能力在波動中增長，創(chuàng)新效率在波動中有所下降，經(jīng)濟貢獻(xiàn)率也在波動中下降，山東高?？萍紕?chuàng)新能力略微上漲，創(chuàng)新效率在波動中有所下降，經(jīng)濟貢獻(xiàn)率也有所下降。根據(jù)圖2中3個省域高校實證結(jié)果來看，高?？萍紕?chuàng)新能力、科技創(chuàng)新效率和GDP增長率之間，并無明顯一致的線性關(guān)系，而經(jīng)濟貢獻(xiàn)率和GDP增長率之間有較為明顯的趨勢一致的線性相關(guān)性，擬合指數(shù)R2=0.3114。

由此說明，高?？萍紕?chuàng)新能力、科技創(chuàng)新效率并不能直接影響經(jīng)濟增長，而只有將高?？萍紕?chuàng)新有效轉(zhuǎn)化為促進(jìn)經(jīng)濟貢獻(xiàn)率提升時，才對經(jīng)濟發(fā)展具有促進(jìn)作用。因此，高校應(yīng)該更加注重產(chǎn)學(xué)研結(jié)合，讓科技創(chuàng)新向生產(chǎn)力進(jìn)行有效轉(zhuǎn)化，更加深入服務(wù)社會經(jīng)濟發(fā)展。由此也可以發(fā)現(xiàn)，科技創(chuàng)新效率的波動幅度比較大，說明效率受各方面綜合因素影響較大，將在后續(xù)研究中進(jìn)一步進(jìn)行驗證。

第三，從公布的國家“雙一流”建設(shè)高校及建設(shè)學(xué)科名單來看[31]，三項指標(biāo)中其中兩項為H的省份高?！半p一流”建設(shè)情況如圖3所示。從圖3可以看出，表現(xiàn)為H-H-H的陜西有3所高校被列為世界一流大學(xué)建設(shè)行列，高校數(shù)量排在北京（8所）、上海（4所）之后，遼寧和山東分別有2所高校，并列排在北京、上海和陜西之后。表現(xiàn)為H-H-L的江蘇、廣東和浙江3個省份，分別有43個、18個和20個學(xué)科進(jìn)入國家“雙一流”建設(shè)行列。表現(xiàn)為H-L-H的北京、上海、湖北和安徽4個省份，分別有153個、57個、29個和13個學(xué)科進(jìn)入國家“雙一流”建設(shè)行列。表現(xiàn)為L-H-H的除廣西、內(nèi)蒙古、貴州和海南外，吉林有1所高校和12個學(xué)科、云南有1所高校和2個學(xué)科進(jìn)入國家“雙一流”建設(shè)行列。

由此也從另一個側(cè)面反映出，科技創(chuàng)新能力、效率、經(jīng)濟貢獻(xiàn)率三者的協(xié)調(diào)發(fā)展，有利于提升高校學(xué)科建設(shè)水平和整體競爭實力，也將有利于促進(jìn)國家“雙一流”建設(shè)。

第四，由于中國省域之間經(jīng)濟發(fā)展水平差異較大，政府部門應(yīng)該出臺相應(yīng)政策，加大對經(jīng)濟欠發(fā)地區(qū)高校的科技創(chuàng)新投入，提高經(jīng)濟發(fā)達(dá)地區(qū)科技創(chuàng)新效率，促進(jìn)地區(qū)之間科技創(chuàng)新資源的有效流動，促進(jìn)區(qū)域間科技和經(jīng)濟健康、持續(xù)、協(xié)同發(fā)展。

回顧本研究對高?？萍紕?chuàng)新能力、科技創(chuàng)新效率、科技創(chuàng)新經(jīng)濟貢獻(xiàn)率的綜合分析可以發(fā)現(xiàn)，這項研究僅僅是一個探索性的研究，所以對評價指標(biāo)構(gòu)建、測算方法選取、參考數(shù)據(jù)來源等也只是試探性研究。不足之處以及影響因素、作用機理等將在今后的研究中進(jìn)行彌補和深化。參考文獻(xiàn)：

[1]TDTLING F， KAUFMANN A. Innovation systems in regions of Europe-a comparative perspective[J].European Planning Studies，1999，7（6）：699-717.

[2]KERSSENS-VAN DRONGELEN I C，COOKE A. Design principles for the development of measurement systems for research and development processes[J].R and D Management，1997，27（4）：345-357.

[3]ZABALA-ITURRIAGAGOITIA J M，VOIGT P，GUTIERREZ-GRACIA A. Regional innovation systems： How to assess performance[J].Regional Studies，2007，41（5）：661-672.

[4]FREEMAN C.The ‘National System of Innovation in historical perspective[J].Cambridge Journal of Economics，1995，19（1）：5-24.

[5]王章豹，徐樅巍. 高校科技創(chuàng)新能力綜合評價： 原則、指標(biāo)、模型與方法[J]. 中國科技論壇， 2005（2）： 55-59.

[6]譚恒.河南省科技創(chuàng)新能力評價研究[D].武漢：武漢大學(xué)， 2010.

[7]WANG E C，HUANG W. Relative efficiency of R&D activities： A cross-country study accounting for environmental factors in the DEA approach[J].Research Policy，2007，36（2）：260-273.

[8]JAYANTHI S，WITT E C，SINGH V. Evaluation of potential of innovations： A DEA-based application to US photovoltaic industry[J].IEEE Transactions on Engineering Management，2009，56（3）：478-493.

[9]劉玲利. 科技資源配置理論與配置效率研究[D]. 長春： 吉林大學(xué)， 2007.

[10]熊彼特. 經(jīng)濟發(fā)展理論[M]. 郭武軍，等譯. 北京：華夏出版社，2015： 16-26.

[11]GRILICHES Z. R&D and the productivity slowdown[R].National Bureau of Economic Research，1980：343-348.

[12]趙喜鳥，錢燕云，薛明慧. 技術(shù)進(jìn)步對經(jīng)濟增長的貢獻(xiàn)度分析——基于長三角和珠三角5個地區(qū)的實證分析[J].科技進(jìn)步與對策， 2012（2）： 23-26.

[13]史英慧. 遼寧省科技創(chuàng)新能力及效率評價[D]. 沈陽： 遼寧大學(xué)， 2015.

[14]周國華. 高校科技創(chuàng)新能力對江蘇區(qū)域經(jīng)濟影響的實證研究[J]. 中國商貿(mào)，2014（10）： 174-176.

[15]趙緒勝.山東省高?？萍紕?chuàng)新效率的評價研究[D]. 濟南： 山東大學(xué)， 2016.

[16]范斐，杜德斌，李恒，等.中國地級以上城市科技資源配置效率的時空格局[J]. 地理學(xué)報， 2013（10）： 1331-1343.

[17]張靜.我國農(nóng)業(yè)科技創(chuàng)新能力與效率研究[D]. 楊凌： 西北農(nóng)林科技大學(xué)， 2011.

[18]盛彥文， 馬延吉.東北三省科技資源產(chǎn)出效率及經(jīng)濟貢獻(xiàn)——基于34個地級城市的面板數(shù)據(jù)[J]. 中國科學(xué)院大學(xué)學(xué)報， 2016 （5）： 632-640.

[19]王青，潘桔. 高?？萍紕?chuàng)新能力對地區(qū)經(jīng)濟增長貢獻(xiàn)率研究——以遼寧省為例[J]. 沈陽工業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2017（2）： 129-133.

[20]林卓玲，黃英，賀浪萍.不同類型高等學(xué)校科技創(chuàng)新效率變化分析[J]. 華南師范大學(xué)學(xué)報（自然科學(xué)版），2014（4）：116-123.

[21]國家統(tǒng)計局社會科技和文化產(chǎn)業(yè)統(tǒng)計司，科學(xué)技術(shù)部創(chuàng)新發(fā)展司.中國科技統(tǒng)計年鑒（2005-2017）[M]. 北京：中國統(tǒng)計出版社， 2005-2017.

[22]李文輝，林卓玲. 地方高?？萍紕?chuàng)新能力評價指標(biāo)體系構(gòu)建思考[J]. 技術(shù)與創(chuàng)新管理， 2011（4）：325-327， 353.

[23]李艷雙， 曾珍香， 張閩，等. 主成分分析法在多指標(biāo)綜合評價方法中的應(yīng)用[J]. 河北工業(yè)大學(xué)學(xué)報， 1999（1）： 94-97.

[24]陳運平.高?？萍紕?chuàng)新體系、能力及其對經(jīng)濟增長的貢獻(xiàn)研究[D]. 南昌：南昌大學(xué)， 2007.

[25] 魏權(quán)齡. 數(shù)據(jù)包絡(luò)分析[M].北京：科學(xué)出版社， 2004.

[26]陳國生，楊鳳鳴， 陳曉亮，等. 基于Bootstrap-DEA方法的中國科技資源配置效率空間差異研究[J]. 經(jīng)濟地理，2014（11）： 36-42.

[27]劉為.大學(xué)科技園創(chuàng)新效率評價研究——基于兩階段共同邊界DEA模型[D]. 蘇州： 蘇州大學(xué)， 2015.

[28]石枕.怎樣理解和計算“全要素生產(chǎn)率”的增長——評一個具體技術(shù)經(jīng)濟問題的計量分析[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 1988（12）： 68-71.

[29]齊艷杰. 高?？萍紕?chuàng)新對河北省經(jīng)濟發(fā)展的貢獻(xiàn)作用的實證研究[D]. 石家莊： 河北師范大學(xué)， 2012.

[30]姜均露. 經(jīng)濟增長中科技進(jìn)步作用測算：理論與實踐[M]. 北京： 中國計劃出版社， 1998.

[31]趙蓉英，張心源.“雙一流”建設(shè)背景下中國高校人才與大學(xué)排名相關(guān)性分析[J]. 重慶大學(xué)學(xué)報（社會科學(xué)版）， 2018（3）： 117-127.

Abstract： Based on the data collected from provincial universities in China from 2004 to 2016， SPSS statistical tools were used to evaluate the scientific and technological innovation capability by principal component analysis. The efficiency of scientific and technological innovation was evaluated by two-stage data envelopment analysis model （DEA）. The contribution rate of scientific and technological innovation was evaluated by using the “Cobb-Douglas （C-D） production function” and Solow “growth rate equation”. Average number for each of the three indicators was calculated， data higher than the average number was defined as “high”， and data below the average number was defined as “l(fā)ow”. Provinces were divided by their grades of the three indicators： 1） high-high-high： Liaoning， Shaanxi， Shandong; 2） high-high-low： Jiangsu， Guangdong， Zhejiang; 3） high-low-high： Beijing， Shanghai， Hubei， Anhui; 4） low-high-high： Jilin， Guangxi， Yunnan， Inner Mongolia， Guizhou， Hainan; 5） high-low-low： Sichuan， Henan; 6） low-high-low： Jiangxi， Fujian， Xinjiang; 7） low-low-high： Hunan， Tianjin， Chongqing; 8） low-low-low： Heilongjiang， Hebei， Shanxi， Gansu. Found in Liaoning， Shaanxi and Shandong， there is a certain linear correlation between scientific and technological innovation capability， efficiency， economic contribution rate and GDP growth rate. The research conclusion is consistent with the situation of “Double First-Class” construction to a certain extent.

Key words：? scientific and technological innovation ability; scientific and technological innovation efficiency; economic contribution rate; universities; provinces

（責(zé)任編輯 彭建國）