楊 捷，秦遠建

（1.武漢學院，湖北 武漢430212；2.武漢理工大學，湖北 武漢430070）

一、引言

2014年9月10日夏季達沃斯論壇開幕式上，李克強總理提出：從中國國情出發(fā)，借改革創(chuàng)新的東風，推動中國經(jīng)濟科學發(fā)展，把“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”打造成推動中國經(jīng)濟繼續(xù)前行的“雙引擎”之一，由此，科技創(chuàng)新逐步成為我國經(jīng)濟轉型發(fā)展的重要驅動力。自20世紀70年代以來，“風靡”全球的高新技術產(chǎn)業(yè)開發(fā)區(qū)，逐步成為高技術、高科技和“大眾創(chuàng)業(yè)萬眾創(chuàng)新”的代名詞，也成為各地區(qū)發(fā)展高新技術的成功模式，是技術革新和經(jīng)濟持續(xù)發(fā)展的領頭羊和排頭兵，在新一輪產(chǎn)業(yè)轉型升級和經(jīng)濟結構轉換中發(fā)揮著重要的作用。

截至2016 年底，我國共建設國家級高新技術產(chǎn)業(yè)開發(fā)區(qū)達146個，這些高新技術產(chǎn)業(yè)開發(fā)區(qū)利用大中城市和沿海地區(qū)的技術密集、知識密集和開放環(huán)境的優(yōu)勢，吸收和借鑒國外先進科技資源、資金和管理手段，推動中國高新技術產(chǎn)業(yè)不斷邁步前行，并在中國經(jīng)濟轉軌、迎接經(jīng)濟新常態(tài)和跨越中等收入陷阱等方面做出了巨大的貢獻。技術和管理不斷發(fā)展的同時，我國各地區(qū)的高新區(qū)也出現(xiàn)了良莠不齊和過于龐雜的問題，一些高新區(qū)前期投入巨大，但由于領導層對產(chǎn)品市場飽和度前景的認識不足、資源配置機制不完善等原因，導致部分高新區(qū)投入大、產(chǎn)出低，長期依賴地方或國家補貼經(jīng)營。國家投入大量的科技資源和研發(fā)資金，國家級高新區(qū)的創(chuàng)新技術成效如何？科技投入與產(chǎn)出是否成正比？國家級高新區(qū)的創(chuàng)新效率呈現(xiàn)出怎樣的空間分布特點？這些問題對于我國高新技術產(chǎn)業(yè)區(qū)認清現(xiàn)實問題、把握轉型方向和相互對比提高具有重要意義。

長期以來，測算創(chuàng)新效率的方法以參數(shù)方法索羅余值核算方法（SRA）、隨機前沿生產(chǎn)函數(shù)分析方法（Stochastic Frontier Approach，SFA）和非參數(shù)方法數(shù)據(jù)包絡分析（data envelopment analysis，DEA）最為常見。從已有文獻來看，對于高新區(qū)創(chuàng)新效率的研究，部分學者從定性角度出發(fā)，具有一定的主觀臆斷性；一些學者利用索羅余值這樣的參數(shù)性加權指標模型計算，存在權重賦值上的不確定性；還有一些學者運用簡單的SFA模型或二階的DEA模型，無法避免隨機干擾項和政策、市場等環(huán)境變量對決策單元管理水平的影響，且大多數(shù)研究對于高新區(qū)創(chuàng)新效率的分析多關注于單一指標，較少從創(chuàng)新效率出發(fā)對我國國家級高新區(qū)進行對比分類。為了彌補當前主流DEA模型存在的不足，避免單一指標分析的片面性，本文以Jun-Yen Lee、喬元波等人提出的三階段DEA模型為基礎，剝離地區(qū)外部因素和隨機干擾項對效率值的影響，建立創(chuàng)新效率投入產(chǎn)出指標體系，客觀地評價我國國家級高新區(qū)，并將DEA 模型與SOM 拓撲網(wǎng)絡分類相結合，對比分析不同等級梯隊的國家級高新區(qū)創(chuàng)新效率，使國家級高新區(qū)在創(chuàng)新效率評價和分類基礎上，診斷自身不足，明確未來轉型發(fā)展的合理方向。

二、模型與指標選取

1.三階段的DEA模型

數(shù)據(jù)包絡分析（Data Envelopment Analysis，DEA）是美國著名運籌學家A.Charnes W.W.Cooper和E.Rhodes于1978年提出的一種效率測度法。它主要是用規(guī)劃原理，再將原始樣本數(shù)據(jù)劃分為輸入、輸出兩類指標，對決策單元DMU（Decision Making Units）進行有效性評價。DEA 模型本身是無法避免隨機誤差與環(huán)境變量對測算結果的影響，本文選取三階段DEA 模型來彌補原DEA 模型的缺陷，測算出具有較強客觀性的國家級高新區(qū)的創(chuàng)新效率。三階段DEA 模型對決策單元的評價包括以下步驟：

（1）第一階段：BCC修正模型

第一階段采用的是BCC修正模型，BCC模型假定規(guī)模報酬可變，得到的純技術效率比傳統(tǒng)的CCR模型要更準確，將規(guī)模效率進一步分解為技術效率和純技術效率的乘積，表示為：

TE=SE×PTE

式中TE 表示投入一定產(chǎn)出最大或產(chǎn)出一定投入最小的國家級高新區(qū)生產(chǎn)領域的能力，SE表示規(guī)模經(jīng)濟性的發(fā)揮程度，PTE表示剔除規(guī)模因素的效率。BCC模型的不足在于其沒有考慮隨機誤差和環(huán)境變量的影響，但在計算決策單元的最小投入量上具有相對優(yōu)勢，因而本文選取BCC修復模型計算決策單元的松弛變量之和。

（2）第二階段：調整的SFA模型

第二階段選用Fried 修正的SFA 模型，其目的主要是通過使用隨機前沿分析方法對第一階段BCC模型計算的投入松弛值再次分析，將環(huán)境變量等外部因素對松弛變量的影響估計出來，把處于不同環(huán)境下決策單元的投入產(chǎn)出調整到相同環(huán)境下的投入產(chǎn)出，隨機干擾項也一并考慮進來，目的在于得到優(yōu)化的松弛變量和解決決策單元可節(jié)約投入量不同的現(xiàn)象。首先構建以實際投入和目標投入差額值為被解釋變量，以環(huán)境變量為解釋變量的修正SFA模型：

式中，Sij表示第i個決策單元的第j種投入的差額，f j表示與每種投入差額對應的函數(shù)形式，zki表示可獲得的k個外生環(huán)境變量數(shù)值，βj是被估計的環(huán)境變量系數(shù)，f j(zki，βj)則是確定可行的松弛前沿函數(shù)，vij+uij則表示混合誤差，vij表示隨機誤差，uij表示管理無效率，服從半正態(tài)分布，兩者之間相互獨立。

隨后利用fronter 4.1，通過測算參數(shù)值的估計量，逐步求出管理無效率uij的條件估計量E(uij/uij+vij)和vij的估計E(vij/vij+uij)，最后利用SFA 模型輸出結果，將處于相對有利經(jīng)營環(huán)境的DMU值，帶入經(jīng)過矯正后的投入量公式：

式中，xni表示經(jīng)過SFA 模型調整后的投入指標值，max(zi β)表示松弛值最大、效率最低的DMU，因而右邊第二項就表示在出現(xiàn)效率最低DMU 時需要增加的投入量，max(vij)表示出現(xiàn)的最大隨機誤差，因而右邊第三項表示在出現(xiàn)最大隨機誤差時需要增加的投入量。這一公式就假定并保證每一個DMU 處于同一環(huán)境中，排除掉隨機誤差和環(huán)境變量對創(chuàng)新效率的影響。

（3）第三階段：調整的DEA模型

將第二階段SFA模型測算的投入產(chǎn)出再次帶入BCC修正模型，計算新的DMU 效率值。這樣經(jīng)過三階段模型運算，能夠利用投入松弛變量所包含的信息，在排除環(huán)境變量和隨機干擾項影響的前提下，反映出DMU 的經(jīng)營管理實際效率值，也能夠說明環(huán)境變量對DMU的效率影響程度。

2.指標選取與數(shù)據(jù)來源

（1）創(chuàng)新效率

綜合考慮國家級高新區(qū)發(fā)展的實際情況，同時參考現(xiàn)行的《國家高新技術產(chǎn)業(yè)開發(fā)區(qū)考核標準》和《國家高新技術產(chǎn)業(yè)開發(fā)區(qū)指標體系》，本研究將科技活動人員數(shù)、科技機構個數(shù)、科技活動經(jīng)費內部支出、年末固定資產(chǎn)作為投入指標，選取工業(yè)總產(chǎn)值、技術性收入、專利申請數(shù)、新產(chǎn)品銷售利潤作為產(chǎn)出指標。

（2）環(huán)境變量

環(huán)境變量是指對國家級高新區(qū)創(chuàng)新效率研究起到冗余影響作用的外部因素，本文認為環(huán)境變量可概括為經(jīng)濟背景實力、市場開放程度、政策支持力度、基礎設施完善程度四個方面。其中經(jīng)濟實力背景：以人均GDP來表示。市場開放程度：以外商直接投資占GDP的比重來表示。政策支持力度：以地區(qū)研究資金中政府財政支出的比重（滯后一期）來表示。基礎設施完善程度：以貨物周轉量、郵電業(yè)務總量、本地電話和移動電話年末用戶數(shù)、國際互聯(lián)網(wǎng)用戶數(shù)、城市道路面積的主成分分析綜合得分來表示。

表1 創(chuàng)新效率控制指標體系

（3）數(shù)據(jù)來源

本文選取的146個國家級高新區(qū)涵蓋截止到2017年全部國家級高新區(qū)，上述數(shù)據(jù)中創(chuàng)新效率目標層數(shù)據(jù)均取自《中國火炬統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國高新技術統(tǒng)計年鑒》對相關指標的記錄，因國家級高新區(qū)所受影響的環(huán)境變量很大程度上受到所在城市的直接影響，且高新區(qū)個體環(huán)境變量難以統(tǒng)計，本文以國家級高新區(qū)所在城市各項指標為基礎測算。

三、國家級高新區(qū)創(chuàng)新效率評價

1.BCC修正模型計算結果

運用DEAP 軟件，以修正的BCC 模型對我國146 個國家級高新區(qū)的純技術效率、規(guī)模效率和技術效率進行運算，結果見表2。2015年146個國家級高新區(qū)的綜合效率平均為0.625，純技術效率平均為0.793，規(guī)模效率平均為0.773。從BCC模型計算結果來看，總體上規(guī)模效率要大于純技術效率，表明在國家級高新區(qū)的創(chuàng)新技術發(fā)展中規(guī)模因素起到了重要作用，技術因素處于次要位置。在第一階段，146個國家級高新區(qū)中，有超過一半的評價單元規(guī)模效率、純技術效率達不到平均值，這表明我國的國家級高新區(qū)創(chuàng)新效率總體水平還較低。值得注意的是，太原、廈門、深圳、蘇州、重慶5個國家級高新區(qū)綜合效率、技術效率、純技術效率均為1，表明這些地區(qū)的高新區(qū)對創(chuàng)新資源的分配和使用較為合理，能夠發(fā)揮較強的創(chuàng)新效能，創(chuàng)新技術和創(chuàng)新服務在全國也處于前沿地位。而北京、上海、天津、沈陽、廣州、惠州、成都等14 個高新區(qū)，純技術效率達到1，但因為規(guī)模效率相對較低，導致整個綜合效率在全部國家級新區(qū)中并不突出。

2.調整的SFA隨機前沿分析

以表2中環(huán)境變量各指標作為解釋變量做回歸分析，旨在考察環(huán)境變量對投入項松弛變量的影響，若回歸系數(shù)為正，表示環(huán)境變量對投入項松弛變量有促進作用，會造成資源浪費的增加；若回歸系數(shù)為負，表示環(huán)境變量的增加有利于減少投入項松弛變量，能夠降低投入的浪費。結果見表3。

表3 SFA隨機前沿分析估計結果

人均GDP——人均GDP 與科技活動人員數(shù)、科技機構個數(shù)、科技活動經(jīng)費內部支出、年末固定資產(chǎn)四個投入項松弛變量的SFA模型回歸分析系數(shù)為正，表明人均GDP對于投入冗余有刺激作用，人均GDP 提高，科技活動人員數(shù)、科技機構個數(shù)、科技活動經(jīng)費內部支出、年末固定資產(chǎn)松弛變量也會隨之提高。它能解釋在我國一些發(fā)達城市（如北京、上海、天津），自身經(jīng)濟實力雄厚，創(chuàng)新資源豐富，對高新區(qū)的扶持和投入較大，但因為沒有得到合理配置，導致創(chuàng)新技術綜合效率不高。

外商直接投資占GDP 的比重——外商直接投資占GDP 的比重與科技活動人員數(shù)、科技機構個數(shù)、年末固定資產(chǎn)三個投入項松弛變量的SFA模型回歸分析系數(shù)為正，而與科技活動經(jīng)費內部支出的投入松弛變量的回歸分析系數(shù)為負值。這表明外商直接投資占GDP 的比重不斷增加，會引起科技活動人員數(shù)、科技機構個數(shù)、年末固定資產(chǎn)的投入冗余增加，造成資源與產(chǎn)業(yè)的浪費，也會影響技術效率的提高，而外商直接投資占GDP的比重與科技活動經(jīng)費內部支出的回歸系數(shù)為負，表明外商直接投資占GDP的比重與科技活動經(jīng)費內部支出的松弛變量反向增長，能夠促進科技活動經(jīng)費的使用。

地區(qū)研究資金中政府財政支出的比重——地區(qū)研究資金中政府財政支出的比重與科技機構個數(shù)、科技活動經(jīng)費內部支出的回歸系數(shù)為正，但與科技活動人員數(shù)、年末固定資產(chǎn)的回歸系數(shù)為負，這表明地區(qū)研究資金中政府財政支出的比重的增加，雖然會導致科技機構個數(shù)、科技活動經(jīng)費內部支出的冗余增加，但有利于遏制科技活動人員和年末固定資產(chǎn)的浪費。說明地區(qū)研究資金的合理利用有利于促進地區(qū)科技創(chuàng)新效率的提高，推動區(qū)域創(chuàng)新活動的發(fā)展。

基礎設施綜合得分——基礎設施綜合得分與科技活動人員數(shù)、年末固定資產(chǎn)、科技機構個數(shù)的回歸系數(shù)為正，而與科技活動經(jīng)費內部支出的回歸系數(shù)為負值?？梢越忉尀?，地區(qū)基礎設施建設的不斷投入能夠吸引科技人才的集聚、促進科研機構的建設，也有利于地區(qū)經(jīng)濟和固定資產(chǎn)的增加，但若不合理地配置地區(qū)基礎設施資源將會造成科技活動人員、年末固定資產(chǎn)

創(chuàng)新綜合效率分析——經(jīng)三階段DEA 模型調整的我國146 個國家級高新區(qū)的平均綜合效率有所提高，達到0.643，表明環(huán)境變量和隨機干和科技機構的冗余增加，造成資源浪費，最終將對創(chuàng)新效率產(chǎn)生反向作用。

3.調整的DEA創(chuàng)新效率分析

圖1 三階段DEA調整后國家級高新區(qū)創(chuàng)新效率

將去除環(huán)境變量和隨機干擾項影響后的投入產(chǎn)出數(shù)據(jù)，輸入原修正的BCC 模型，利用DEAP 軟件重新計算各個國家級高新區(qū)的綜合效率、純技術效率和規(guī)模效率，結果如下圖所示（受篇幅限制，僅顯示各指標排名前15 位國家級高新區(qū)）。擾項的影響對我國國家級高新區(qū)真實的綜合效率會起到一定的抑制作用。綜合效率排名首位的由原來的太原、廈門、深圳、蘇州、重慶拓展為太原、廈門、深圳、蘇州、重慶、北京、天津、上海張江、南京、廣州等10個國家級高新區(qū)，其中北京、天津、上海張江在第一階段的綜合效率并不突出，驗證了環(huán)境變量和隨機干擾對這三個國家級高新區(qū)的綜合效率產(chǎn)生影響。從國家級高新區(qū)的效率變化來看，綜合效率提升最明顯的是發(fā)達地區(qū)國家級高新區(qū)，例如揚州調整前綜合效率達0.892，調整后達0.931，福州也從0.798 提升到0.912，而中西部地區(qū)尤其是西部地區(qū)出現(xiàn)了劇烈的下降，例如南寧綜合效率從0.823降至0.672，銀川從0.561 降至0.509，這表明中西部地區(qū)的綜合創(chuàng)新效率受外部環(huán)境因素影響出現(xiàn)虛高，在剔除環(huán)境變量后，才顯現(xiàn)符合實際的創(chuàng)新效率。

創(chuàng)新純技術效率分析——國家級高新區(qū)創(chuàng)新純技術效率原平均值為0.793，調整后達到0.858，且有近1/3 的國家級高新區(qū)純技術效率達到1，這表明我國國家級高新區(qū)實際的創(chuàng)新純技術效率是值得肯定的，創(chuàng)新技術發(fā)展取得了良好成果。尤其值得注意的是如宜昌、延吉、長治等中小城市，在環(huán)境變量和隨機干擾項的影響下，純技術效率被低估，而在調整后純技術效率轉而提高。

創(chuàng)新規(guī)模效率——國家級高新區(qū)規(guī)模效率平均值由0.773下降至0.737。就具體國家級高新區(qū)而言，在去除隨機干擾和環(huán)境變量影響后，全國146個國家級高新區(qū)中有58 個規(guī)模效率上升，其中最為明顯的是北京（0.771 上升至1）、沈陽（0.508上升至0.934）、上海張江（0.508上升至1），這不僅表明環(huán)境變量和隨機干擾項掩蓋了國家級高新區(qū)的實際規(guī)模效率，同時也說明規(guī)模效率的大小影響著國家級高新區(qū)的規(guī)模收益拓展（調整后的收益遞增數(shù)由19 位上升至32 位）。未來，國家級高新區(qū)可走規(guī)模擴展提升創(chuàng)新綜合效率的道路，繼續(xù)提高規(guī)模要素投入，提升創(chuàng)新實力和能力，但對于北京中關村、上海張江高新區(qū)、天津濱海高新區(qū)等部分發(fā)展水平較高的國家級高新區(qū)，應重點加強創(chuàng)新資源的合理有效配置和創(chuàng)新投入冗余的弱小化，通過開源節(jié)流的方式提升創(chuàng)新綜合技術效率的水平和質量。

四、SOM神經(jīng)映射模型下創(chuàng)新效率分類

在以往的研究中，對于三階段的DEA模型結果，多數(shù)學者是采用降序分類、地區(qū)分類或聚類分析的方法來深入探討分析，而本文擬引入神經(jīng)學網(wǎng)絡拓撲概念，即SOM模型（自組織特征映射神經(jīng)網(wǎng)絡）來對我國國家級高新區(qū)創(chuàng)新效率進行梯度等級分析。SOM是由芬蘭學者KOHO-NENT根據(jù)人腦的自組織特性所提出來的一種無監(jiān)督學習的神經(jīng)網(wǎng)絡模型，一個神經(jīng)網(wǎng)絡接收外界輸入模式時，會將其分成不同的對應區(qū)域，各區(qū)域對輸入模式具有不同的響應特征，這個過程是一種無監(jiān)督的分類方法，可以避免傳統(tǒng)聚類分析所難以克服的一些問題，并利用其強大的學習功能和良好的自組織性為非線性分類研究提供信息處理方法。本文將三階段DEA 模型所得，置于MATLAB軟件的神經(jīng)網(wǎng)絡工具箱中，利用SOM網(wǎng)絡拓撲結構模型對我國146個國家級高新區(qū)的創(chuàng)新綜合效率進行分類。在MATLAB 的神經(jīng)網(wǎng)絡工具箱中，設置網(wǎng)絡訓練每50 步為一次，迭代最大次數(shù)為1000 次，初始學習率為0.5，經(jīng)過計算將全部國家級高新區(qū)按創(chuàng)新綜合效率分類，并聯(lián)系國家級高新區(qū)所屬的地區(qū)得出如下表格。

表4 146家國家級高新區(qū)創(chuàng)新效率值SOM神經(jīng)網(wǎng)絡拓撲結構分類

從上述結果來看，國家級高新區(qū)按SOM分類可分為五個梯隊，又可綜合分為四種類型：

領先型創(chuàng)新效率國家級高新區(qū)——即上述分類中第一梯隊國家級高新區(qū)，這類國家級高新區(qū)以北京、上海、深圳、廣州等東部地區(qū)的發(fā)達城市國家級高新區(qū)為代表，他們在全部國家級高新區(qū)中綜合效率、純技術效率、規(guī)模效率排位均相對靠前，在經(jīng)濟實力、科研實力和出口創(chuàng)匯上均與其他高新區(qū)有較大差別。其創(chuàng)新效率處在第一類的原因是：①這類國家級高新區(qū)所在地區(qū)科研機構和高校密集，具有良好的創(chuàng)新創(chuàng)業(yè)人才基礎；②基礎設施完善，與國內外的空間聯(lián)系便捷，便于展開高水平的技術、知識交流和產(chǎn)品輸出；③經(jīng)濟實力雄厚，地方政府有能力扶持國家級高新區(qū)的前期發(fā)展，同時科技研發(fā)上的利好政策也推動國家級高新區(qū)創(chuàng)新效率不斷發(fā)展。

發(fā)展型創(chuàng)新效率國家級高新區(qū)——即以成都、長春等為代表的第二梯隊國家級高新區(qū)，這類國家級高新區(qū)的創(chuàng)新效率在全部排位相對靠前，目前處于快速發(fā)展階段。從地緣上看，第二梯隊高新區(qū)與第一梯隊相同，都是以東部中小城市的國家級高新區(qū)為主導力量，而西部和東北部地區(qū)的高新區(qū)在其中占據(jù)較少比例。其主要原因是：①東部沿海的中小城市在地緣上與第一梯隊相對靠近，在技術轉移和經(jīng)驗借鑒上更具優(yōu)勢，能夠實現(xiàn)創(chuàng)新效率和科研實力的快速發(fā)展，同時地處東部沿海地區(qū)，具有較強的出口創(chuàng)匯能力；②受國家戰(zhàn)略決策的引導，這類東部沿海中小城市均納入長三角、珠三角、海西經(jīng)濟區(qū)、環(huán)渤海經(jīng)濟圈等大型城市圈或城市發(fā)展群組，經(jīng)濟實力和人才吸引力強于中西部地區(qū)，工業(yè)基礎也較為優(yōu)良，在創(chuàng)新效率的提升上具有先天優(yōu)勢。

趕超型創(chuàng)新效率國家級高新區(qū)——即是指以長沙、武漢、鄭州為代表的第三、四梯隊國家級高新區(qū)。從地區(qū)分布上來看，趕超型國家級高新區(qū)主要分布于中部地區(qū)和東北地區(qū)，且多位于省會城市或區(qū)域性次級中心，政策資源、基礎設施、文化教育等方面發(fā)展較為良好，并且隨著國家優(yōu)惠政策的扶持力度不斷加大，這些地區(qū)的國家級高新區(qū)發(fā)展環(huán)境逐步改善，也將發(fā)展視野投向生物醫(yī)藥、新能源、新材料等前沿科技領域，但由于地理位置居于內陸，僅依靠航空港、水運港和保稅區(qū)等有限手段來開展對外貿易，使其出口創(chuàng)匯和國際影響力較差，對創(chuàng)新效率起到了一定的抑制作用。但隨著綜合交通運輸和國際交通大串聯(lián)的快速發(fā)展，這類國家級高新區(qū)的創(chuàng)新效率將不斷提高，管理經(jīng)驗不斷豐富。

落后型創(chuàng)新效率國家級高新區(qū)——主要指包括大部分西部地區(qū)國家級高新區(qū)在內的第五梯隊，這類國家級高新區(qū)在創(chuàng)新效率上表現(xiàn)最弱，在產(chǎn)業(yè)選擇上仍然是以傳統(tǒng)的第二產(chǎn)業(yè)為主，高新技術產(chǎn)業(yè)發(fā)展較為落后，以攀枝花、齊齊哈爾、白銀為代表的部分城市還是建國后國家重點支持的重工業(yè)城市。但由于這些城市的發(fā)展模式未實現(xiàn)成功轉型；科研機構、高等院所較少，對人才的吸引力較差；深居內陸，交通相對閉塞，與外界的技術交流較為困難。使得這些國家級高新區(qū)在創(chuàng)新效率發(fā)展上處于劣勢。應由地府政府牽頭，以財政轉移支付為主加大對國家級高新區(qū)創(chuàng)新技術的扶持力度，改善當?shù)氐膭?chuàng)新環(huán)境，同時要不斷提高國家級高新區(qū)經(jīng)營管理水平，降低資源要素的冗余，提高創(chuàng)新效率。

五、對策建議

本文選用三階段DEA模型測度我國146個國家級高新區(qū)的創(chuàng)新效率，并以SOM網(wǎng)絡拓撲模型將我國國家級高新區(qū)按創(chuàng)新效率分為5個梯隊。結果表明，在排除環(huán)境變量和隨機干擾項的影響后，國家級高新區(qū)的創(chuàng)新綜合效率明顯增長，純技術效率顯著提高，規(guī)模效率有所下降。也說明我國國家級高新區(qū)在外部環(huán)境因素的影響下，出現(xiàn)了發(fā)達地區(qū)綜合效率被低估，欠發(fā)達地區(qū)規(guī)模效率和綜合效率被高估的問題，SOM網(wǎng)絡拓撲結構分類結果表明我國高新區(qū)的創(chuàng)新效率存在地域梯隊差異，創(chuàng)新效率較高的高新區(qū)多分布于東部地區(qū)，而中西部地區(qū)的創(chuàng)新效率較為落后，資源配置現(xiàn)狀不佳。為進一步提升我國國家級高新區(qū)創(chuàng)新效率，合理利用各類創(chuàng)新資源，增強創(chuàng)新實力，本文基于以上研究提出三點建議。

（1）進一步提升我國高新區(qū)創(chuàng)新效率仍然是當下國家級高新區(qū)創(chuàng)新發(fā)展的重點，各地區(qū)的國家級高新區(qū)應采取強有力的人才引進政策，吸引優(yōu)質人才資源進入國家級高新區(qū)，同時地方政府、管委會可通過金融扶持、財政補貼、土地優(yōu)惠、稅收減免等政策吸引高水平、高技術的企業(yè)入駐，提升各地區(qū)國家級高新區(qū)的創(chuàng)新實力和創(chuàng)新效率。

（2）我國國家級高新區(qū)創(chuàng)新效率西高東低，高創(chuàng)新效率的國家級高新區(qū)多集中于東部沿海省、市。中部和西部地區(qū)應積極引進高新技術人才，在當?shù)刭Y源優(yōu)勢的基礎上發(fā)展高新技術特色產(chǎn)業(yè)，打造創(chuàng)新效率亮點；中部、西部和東北地區(qū)應加快國家級高新區(qū)的產(chǎn)業(yè)轉型升級，積極承接東部高新技術產(chǎn)業(yè)轉移；東部地區(qū)要加強創(chuàng)新技術輻射能力，積極開展技術交流與合作活動，點對點展開國家級高新區(qū)間的技術項目對接與交流，構建跨區(qū)域的產(chǎn)業(yè)發(fā)展協(xié)同機制，實現(xiàn)國家級高新區(qū)創(chuàng)新實力的共同進步和創(chuàng)新效率的互利共贏。

（3）調整后的創(chuàng)新綜合效率反映部分國家級高新區(qū)處于低創(chuàng)新效率的狀態(tài)，說明我國一部分國家級高新區(qū)仍然處于要素增長階段，因此要不斷提高國家級高新區(qū)的管理水平，優(yōu)化資源配置，把要素增長的創(chuàng)新模式轉變?yōu)橐约夹g投入為主的創(chuàng)新模式，不斷提高應對技術新環(huán)境和經(jīng)濟新常態(tài)的能力，提升創(chuàng)新資源的利用效率和決策管理能力。