高蕾 龍慧 羅曉娜 楊晚婷 袁媛 阮紅偉
[摘 要] 基于PCA-DEA模型和Malmquist指數對“一帶一路”區(qū)域18省市高校2012-2017年的科技創(chuàng)新效率進行了測度分析。研究結果表明:2012-2017年間,“一帶一路”區(qū)域高校科技創(chuàng)新效率波動變化,呈“V”趨勢;“一帶一路”區(qū)域高??萍紕?chuàng)新效率提升的主要限制因素為純技術效率;“21世紀海上絲綢之路”地區(qū)高校綜合技術效率較高,而“絲綢之路經濟帶”地區(qū)高校綜合技術效率普遍偏低。因此,建議通過實施差異化戰(zhàn)略、注重人力資本積累、優(yōu)化物質資本投入效率、加強產學研協(xié)同、擴大高校國際科技交流合作研究等措施實現“一帶一路”區(qū)域高??萍紕?chuàng)新效率的提升。
[關鍵詞] 一帶一路;科技創(chuàng)新效率;PCA-DEA組合模型;Malmquist指數
[中圖分類號] F720[文獻標識碼] A[文章編號] 1009-6043(2020)04-0181-04
Abstract: The technological innovation efficiency of 18 provinces and cities in the Belt and Road region from 2012 to 2017 is measured in terms of PCA-DEA and Malmquist index. The result shows that from 2012 to 2017, the technological innovation efficiency of colleges and universities in the region fluctuated in a "V" trend, the main restriction factor was pure technical efficiency, and that the comprehensive technical efficiency of colleges and universities in the 21st century maritime Silk Road area was relatively high. However, the comprehensive technical efficiency of colleges and universities in the Silk Road Economic Belt area was generally low. Therefore, it is suggested to take differentiation stragtegy, attach importance on human resource capital accumulation, improve physical capital investment efficiency, strengthen industry-university-research cooperation, and expand the international scientific and technological exchange and research cooperation, so as to promote the technological innovation efficiency in the Belt and Road region.
Key words: Belt and Road, technological innovation effeciency, PCA-DEA combined model, Malmquist index
一、引言
科技創(chuàng)新目前已成為引領全球經濟發(fā)展和社會進步的核心力量?!耙粠б宦贰焙w我國中西部省份和沿海發(fā)達地區(qū),承擔著促進改革,加大科技創(chuàng)新力度,形成參與和引領國際合作競爭新優(yōu)勢的重大使命和責任。高校在我國科教興國、人才強國和創(chuàng)新驅動發(fā)展戰(zhàn)略中扮演著參與者和執(zhí)行者的角色,在推進“一帶一路”向高質量發(fā)展轉變歷程中,具有一定的話語權。通過對“一帶一路”區(qū)域高??萍紕?chuàng)新效率進行評價,找尋其影響因素并探尋提升科技創(chuàng)新效率的有效路徑,具有理論與實踐相統(tǒng)一的雙重價值。
國外學者的研究多以針對高??蒲袆?chuàng)新績效測度和創(chuàng)新成果的轉化為主,且重視研究方法和研究工具的選用。例如,Johnes(1993)、Worthington(2008)、Abramo(2009)等使用DEA方法分別對英國、澳大利亞和意大利等高??蒲行蔬M行了評價。Jerry G Thursby(2002)等利用回歸分析方法,研究出高校科技創(chuàng)新成果的影響因素,歸納出校企合作程度與科研水平兩個主要影響變量。[1]Rahal AD(2006)通過對高校科技創(chuàng)新成果的轉讓效率進行評價,歸納出了一些對高??萍紕?chuàng)新轉化效率影響程度較大的因素。[2]
國內關于高??萍紕?chuàng)新的研究主要著力點在構建高??萍紕?chuàng)新能力評價指標體系及評價方法。馮光娣(2012)等,運用DEA方法和Malmquist指數對2000-2009我國30個省高??蒲行实恼w發(fā)展狀況進行分析評價;[3]李清賢(2013)等基于malmquist指數對教育部直屬高校的科技創(chuàng)新效率進行了動態(tài)分析;[4]王惠(2015)等采用數據包絡分析(DEA)中BCC模型和Malmquist生產率指數對江蘇省高??蒲徐o態(tài)效率和動態(tài)效率進行測算。[5]
基于國內外學者的研究,本文構建了“一帶一路”區(qū)域高??萍紕?chuàng)新效率指標評價體系,運用PCA-DEA組合模型和Malmquist指數分析方法對“一帶一路”區(qū)域18省市高校2012-2017年科技創(chuàng)新效率進行測度,分析影響“一帶一路”區(qū)域高校科技創(chuàng)新能力和效率提升的因素?;诖耍瑸檎南嚓P政策提供針對性的建議。
二、研究方法
(一)基于主成分分析的數據包絡分析評價法(PCA-DEA)
為了避免進行DEA分析時,由于多指標集的存在可能會因數據之間的相關性而干擾分析結果、失去分析意義,從而進行主成分提取對數據集降維。[6]采用PCA-DEA組合模型,指標間的相關性可以降低,同時有效削弱統(tǒng)計隨機波動對DEA的影響。
(二)Malmquist指數分析法
基于DEA模型的方法提出的Malmquist指數是通過距離函數的比率來計算投入產出效率的一種方法。與傳統(tǒng)DEA模型相比,Malmquist指數在分析面板數據方面占優(yōu)勢,可以縱向反映各高校的相對效率的動態(tài)變化,同時還可以把各高校的全要素生產率變化(Tfpch)分解為技術效率變化指數(Effch)和技術進步指數(Techch),而技術效率變化指數又是純技術效率指數(Pech)和規(guī)模效率指數(Sech)之積[7]。即Tfpch=Effch×Techch=Pech×Sech×Techch。
三、指標選取與數據來源
(一)指標選取
評價高??萍紕?chuàng)新效率需要建立一套科學、合理、可操作的評價指標體系。應遵循系統(tǒng)性原則、科學性原則、導向性原則、可操作性原則、可比性原則等構建原則,本文參考國內外進行相關研究的理論文獻,結合“一帶一路”區(qū)域高校的具體情況,選取11個投入指標(X1-X11)和6個產出指標(Y1-Y6)作為“一帶一路”區(qū)域高??萍紕?chuàng)新效率評價指標體系。
科技創(chuàng)新投入指標,用教學與科研人員、研究與發(fā)展人員兩二級指標來反映各省市高校對科技創(chuàng)新的支持力度,選取科技經費和科技課題撥入數和支出數代表各省市高校對科技創(chuàng)新的重視程度。
科技創(chuàng)新產出指標,從科技成果及技術轉讓角度衡量高??萍蓟顒觿?chuàng)新能力。專著數量和學術論文是科技產出成果的直接指標,選取鑒定成果數和技術轉讓指標反映創(chuàng)新環(huán)境的發(fā)展狀況。相關投入、產出指標匯總如表1所示。
(二)樣本選擇及數據來源
本文以“一帶一路”倡議敲定的18個省市高校作為研究對象,將按照“一帶”與“一路”2個板塊進行分析。數據主要來自2012-2017年《高等學??萍冀y(tǒng)計資料匯編》、《中國統(tǒng)計年鑒》和國家統(tǒng)計局網站。
經KMO檢驗與Bartlett球形度檢驗,各變量相關性較強且彼此獨立,可以進行主成分分析。
在進行主成分分析前,本文運用SPSS20.0對原始數據進行標準化處理,選取特征值大于或約等于1的主分量。從表2可以看出,投入指標集符合條件的有2個,產出指標集符合條件的有2個,它們的累計貢獻率分別為97.431%和88.828%,可以較好的替代原始指標集,所以可以以這4個主分量的得分矩陣代替上文建立的高??萍夹试u價指標體系進行效率分析。
考慮到對高??萍紕?chuàng)新效率進行分析時投入和產出變量數據的非負性要求,需要對提取的各主分量評分進行標準化處理。設定A為第i個單元標準化前的主分量得分,A′為標準化后的指標,則具體的標準化過程為:A′=0.1+0.9(A-minA)/(maxA-minA)。
四、“一帶一路”區(qū)域高校科技創(chuàng)新效率評價及區(qū)域差異
(一)“一帶一路”區(qū)域高??萍紕?chuàng)新效率評價
1.“一帶一路”區(qū)域高校科技創(chuàng)新效率靜態(tài)技術效率分析
運用DEAP2.1軟件的BCC模型,得出2012-2017年“一帶一路”區(qū)域高校科技創(chuàng)新效率及其分解效率,結果見表3
表3表示的是2012-2017年“一帶一路”區(qū)域高校科技創(chuàng)新效率及分解項目??梢钥闯?,從“一帶一路”區(qū)域高校平均技術效率來看,2017年的0.749比2012年的0.878有下降。其中,“一帶”與“一路”地區(qū)高校平均綜合技術效率差異明顯,“一帶”地區(qū)高校波動較大,波動幅度為0.228,而“一路”地區(qū)變動較小,波動幅度為0.053。
從省市高校個體維度看,“一帶一路”區(qū)域18省市中有占三分之一的6省市高校在2017年處于規(guī)模收益遞減階段,其中5省市位于“一帶”地區(qū)。這產生了顯著的冗余投入,各省市高校要素投入量已經超過了與其技術水平相適應的最優(yōu)規(guī)模的閾值,這與“一帶一路”倡議實施以來政府大力支持并給予高校較多的資源投人有直接關系??萍紕?chuàng)新資源投入的增加若未能被有效“消化、吸收”并轉化為科技創(chuàng)新產出,則將有可能導致高校科技創(chuàng)新效率低下。[9]
2.“一帶一路”區(qū)域高校科技創(chuàng)新效率動態(tài)變化分析
2012年至2017年的統(tǒng)計數據,運用PCA-DEA-Malm
quist指數分析方法,進一步分析得出年度平均的高??萍纪度氘a出全要素生產率(表4和圖1)。
從表4的數據可以看出,2012-2017年間,反映“一帶一路”區(qū)域高校科技創(chuàng)新效率變化的M指數呈“V”型趨勢,全要素生產率平均降低3.9%,其中只有規(guī)模效率指數上升0.5%,技術進步指數接近1,而純技術效率指數下降4.3%,由此可見,“一帶一路”區(qū)域高??萍紕?chuàng)新全要素生產率的下降主要源于純技術效率的降低。從“一帶”“一路”分地區(qū)高???,2012-2017年間,“一帶”地區(qū)高校全要素生產率下降了5.4%,而“一路”地區(qū)高校全要素生產率上升4.9%。“一帶”地區(qū)高??萍紕?chuàng)新效率拖了整體后腿。
(二)“一帶一路”區(qū)域高??萍紕?chuàng)新效率的空間差異分析
從全要素生產率變化來看,圖2給出了“一帶一路”區(qū)域高校2012-2017年全要素生產率變動情況,由TFP指數是否大于1進行劃分,“一帶”地區(qū)高校除陜西、西藏和寧夏高校外,余下10省市高校TFP指數小于1;而“一路”地區(qū)高校盡管平均全要素生產率指數為1.001,但除上海和廣東外,浙江、福建和海南高校TFP指數小于1,說明這些省市高校在2012-2017年全要素生產率呈現下降趨勢,科技創(chuàng)新效率有待提高。
從綜合技術效率變化來看,根據圖2,西藏、陜西、寧夏、上海和廣東的綜合技術效率指數大于等于1,其余13省市高校綜合技術效率指數均小于1。降幅最大的是吉林和黑龍江。在構成綜合技術效率變化的二要素中,“一帶”地區(qū)幾乎所有省市高校純技術效率指數低于規(guī)模效率指數,而“一路”地區(qū)高校則相反,表明通過提高“一帶”地區(qū)高校純技術效率,可以更有效的提高綜合技術效率進而提高全要素生產率。
從技術進步變化來看,由圖2可知,“一帶一路”區(qū)域18省市高校中8個省市高校技術進步指數大于1,同時其余省市高校接近于1,說明2012-2017年間,“一帶一路”區(qū)域高校在技術創(chuàng)新和進步方面表現平穩(wěn)和較好,沒有出現較大下滑現象。
五、結論與建議
(一)研究結論
1.總體來看,2012-2017年間,“一帶一路”區(qū)域高??萍紕?chuàng)新效率整體水平有波動,呈“V”型趨勢;“一帶”地區(qū)高校變動幅度較大,而“一路”地區(qū)高校變動較小;純技術效率是限制高效科技創(chuàng)新效率提升的主要因素。
2.從靜態(tài)技術角度對“一帶一路”區(qū)域高效科技創(chuàng)新的分析結果來看,2017年“一帶一路”區(qū)域三分之一省市高校處于規(guī)模報酬遞減階段,冗余投入明顯,使得受管理和技術等因素影響的純技術效率降低,從而滯后了“一帶一路”高??萍紕?chuàng)新能力的提高。
3.從動態(tài)變化角度對“一帶一路“區(qū)域高效科技創(chuàng)新效率的分析來看”,2012-2017年間“一帶一路”區(qū)域高效平均全要素生產效率為0.961,但呈“V”型變化走勢。這6年間,純技術效率下降的4.3%和規(guī)模效率增長的0.5%共同作用導致了綜合技術效率下降的3.7%,而綜合技術效率的下降又和技術進步下降0.2%共同導致了“一帶一路”區(qū)域全體高效平均全要素生產效率下降3.9%,技術進步效率還有待提升。
4.從空間差異角度對“一帶一路”區(qū)域高效科技創(chuàng)新效率的分析來看,“一路”地區(qū)高校綜合技術效率高于“一帶”地區(qū)高校;“一帶”地區(qū)高校純技術效率較低是重要原因,因此,在加大科研力量的同時,增強科研管理水平,提升技術進步能力,是提高綜合技術效率進而提高全要素生產率的關鍵所在。
(二)政策建議
針對上述研究結果,提出以下政策建議:
1.“一帶一路”區(qū)域高??萍紕?chuàng)新效率相差較大,提高“一帶”地區(qū)高校與“一路”地區(qū)高校科技創(chuàng)新效率應采用更有針對性的、能夠促進區(qū)域間協(xié)調的科技創(chuàng)新個性化、差異化發(fā)展戰(zhàn)略;利用“一帶一路”倡議互聯互通的優(yōu)勢,由“一路”地區(qū)高校帶動“一帶”地區(qū)高校科技創(chuàng)新共同進步。
2.注重“以人為本”。加強科研創(chuàng)新人才引進與培養(yǎng)計劃,注重人在高校科技創(chuàng)新中的核心地位,不斷提升高校科技創(chuàng)新型人力資本的累積水平。
3.提升純技術效率,優(yōu)化規(guī)模效率。改變盲目追求物質資本投入的發(fā)展模式,優(yōu)化高??萍紕?chuàng)新物質資本投入的結構和比例,采取“一帶”和“一路”地區(qū)高校相對均衡的科技經費分配模式,注重對各類資源要素投入的動態(tài)評價,強化科技創(chuàng)新管理,提高科技創(chuàng)新效率。
[參考文獻]
[1]Jerry G Thursby,Sukanya Kemp. Growth and productive efficiency of university intellectual property licensing [J]. Research Policy,2002,31(1).
[2]Assessment Framework for the Evaluation and Prioritization of University Inventions for Licensing and Commercialization[J]. Ahmad D. Rahal,Luis C. Rabelo.? Engineering Management Journal,2006 (4).
[3]馮光娣,陳佩佩,田金方.Research on Provincial High Education Scientific Research, Efficiency Based on the DEA-Malmquist Indexes Method: Empirical Research on the Panel Data from Thirty-one Provinces%基于DEA-Malmquist方法的中國高校科研效率分析——來自30個省際面板數據的經驗研究[J].現代財經:天津財經大學學報,2012(9):63-75.
[4]李清賢,曲紹衛(wèi),齊書宇.教育部直屬高校教師科技創(chuàng)新效率研究——基于2007~2011年Malmquist指數法的動態(tài)分析%On the Technological Innovation Efficiency for Teachers in Subordinate Universities of Ministry of Education[J].高等工程教育研究,2014(3):167-171.
[5]王惠,王樹喬,李小聰.基于DEA方法的江蘇省高??蒲行试u價研究[J].科技管理研究,2015,35(7):92-96.
[6]李忠斌,肖博華.基于PCA-DEA組合模型和Malmquist指數的我國各省區(qū)文化產業(yè)效率研究(2008-2012年)
[7]中南民族大學學報(自然科學版),2015,34(2):137-142.
[8]阮紅偉,趙西.基于PCA/DEA模型的科技創(chuàng)新效率評價——以山東高校為例[J].東方論壇,2019(3):94-106.
[9]汪彥,陳悅,曹賢忠,付全勝.上海高校科研創(chuàng)新效率與影響因素實證研究——基于DEA-Tobit模型[J].科技管理研究,2018,38(8):100-109.
[責任編輯:潘洪志]