徐合帆，鄭 軍，余家鳳，，馬 艾

（1.長(zhǎng)江大學(xué)經(jīng)濟(jì)與管理學(xué)院 2.長(zhǎng)江大學(xué)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展研究院，湖北荊州 434023）

長(zhǎng)江經(jīng)濟(jì)帶由沿江的9 省2 市組成，橫跨東中西三大區(qū)域，人口和地區(qū)生產(chǎn)總值占比均超過(guò)全國(guó)的40%，發(fā)展?jié)摿薮螅谥袊?guó)經(jīng)濟(jì)體系中具有重要的地位。2014 年3 月，“建設(shè)長(zhǎng)江經(jīng)濟(jì)帶”被寫(xiě)入《政府工作報(bào)告》，長(zhǎng)江經(jīng)濟(jì)帶發(fā)展正式上升為國(guó)家戰(zhàn)略。同年9 月，國(guó)家發(fā)布《關(guān)于依托黃金水道推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展的指導(dǎo)意見(jiàn)》，明確提出以創(chuàng)新驅(qū)動(dòng)促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)是實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶綠色發(fā)展的重要任務(wù)，并在此后的多次會(huì)議及政府文件中對(duì)“創(chuàng)新驅(qū)動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)”進(jìn)行了明確部署。鑒于科技創(chuàng)新對(duì)于長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展的重要性，地方財(cái)政紛紛對(duì)其發(fā)展進(jìn)行大力扶持，財(cái)政科技投入力度不斷加大。目前長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效如何？未來(lái)應(yīng)從哪些方面著手提升長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效？本文的研究將圍繞這兩個(gè)核心問(wèn)題展開(kāi)。

1 文獻(xiàn)綜述

目前國(guó)內(nèi)外學(xué)者對(duì)財(cái)政科技投入問(wèn)題的研究成果主要集中在以下幾方面：

（1）財(cái)政科技投入與經(jīng)濟(jì)增長(zhǎng)關(guān)系研究方面。國(guó)外學(xué)者Romer［1］、Grossman 等［2］、Aghion 等［3］研究發(fā)現(xiàn)財(cái)政科技投入的增加會(huì)激勵(lì)企業(yè)將更多的資源投向科技產(chǎn)業(yè)，從而刺激經(jīng)濟(jì)的不斷增長(zhǎng)。而Jones［4］、Segerstrom［5］、Young［6］研究認(rèn)為財(cái)政科技投入能促進(jìn)短期的經(jīng)濟(jì)增長(zhǎng)，并不能促進(jìn)長(zhǎng)期的經(jīng)濟(jì)增長(zhǎng)。國(guó)內(nèi)學(xué)者張明喜［7］、胡欣然等［8］、吳丹等［9］從全國(guó)層面對(duì)我國(guó)財(cái)政科技投入與經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行了研究，結(jié)果表明，財(cái)政科技投入的增加促進(jìn)了經(jīng)濟(jì)增長(zhǎng)，且存在長(zhǎng)期均衡關(guān)系。劉曉東［10］、池自先等［11］、許俐等［12］從省級(jí)層面對(duì)財(cái)政科技投入與經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行了研究，也得出了相同的結(jié)論，即財(cái)政科技投入的增加促進(jìn)了當(dāng)?shù)氐慕?jīng)濟(jì)增長(zhǎng)。

（2）財(cái)政科技投入結(jié)構(gòu)研究方面。張君等［13］、崔衛(wèi)芳［14］、田園等［15］從全國(guó)層面對(duì)我國(guó)財(cái)政科技投入結(jié)構(gòu)及發(fā)展現(xiàn)狀進(jìn)行了研究，認(rèn)為我國(guó)財(cái)政科技投入存在區(qū)域差異大、投入強(qiáng)度不足、投入結(jié)構(gòu)不合理等問(wèn)題。馬燕玲［16］、曾繁英等［17］從省級(jí)層面對(duì)財(cái)政科技投入結(jié)構(gòu)進(jìn)行了研究，結(jié)果顯示財(cái)政科技支出投入規(guī)模偏低，結(jié)構(gòu)不合理，在企業(yè)和農(nóng)業(yè)科技方面投入較少。

（3）財(cái)政科技投入效率評(píng)價(jià)研究方面。國(guó)外學(xué)者Kerssens 等［18］、David 等［19］以及國(guó)內(nèi)學(xué)者馬乃云等［20］、田時(shí)中等［21］、何華武等［22］根據(jù)目的性、重要性、可操作性、數(shù)據(jù)可獲得性等原則，運(yùn)用層次分析法、主成分分析法、平衡計(jì)分卡方法等不同方法，從不同角度構(gòu)建了財(cái)政科技投入的績(jī)效評(píng)價(jià)體系。楊建飛等［23］從全國(guó)層面，運(yùn)用DEA 模型測(cè)算了財(cái)政科技投入效率，結(jié)果顯示技術(shù)效率偏低是我國(guó)財(cái)政科技投入效率偏低的主要原因，且規(guī)模效率也存在改進(jìn)的空間。黃科舫等［24］、胥朝陽(yáng)等［25］、徐海峰等［26］從省域?qū)用?，利用DEA 模型對(duì)各地財(cái)政科技投入效率進(jìn)行了評(píng)測(cè)，結(jié)果顯示各地區(qū)財(cái)政科技投入效率偏低，急需加大投入規(guī)模和進(jìn)行有效管理。

綜上，關(guān)于財(cái)政科技投入問(wèn)題的研究雖然整體上逐漸變得完整和系統(tǒng)，所涉及的角度和方法也越來(lái)越多樣化。但是，仍然存在一些不足。第一，研究大多停留在定性研究層面上，定量研究較為匱乏。第二，對(duì)全國(guó)和省域財(cái)政科技投入效率研究的比較多，而以“長(zhǎng)江經(jīng)濟(jì)帶”這樣的國(guó)家戰(zhàn)略性區(qū)域?yàn)檠芯繉?duì)象的幾乎沒(méi)有。第三，很多關(guān)于財(cái)政科技投入效率的研究成果是基于傳統(tǒng)DEA 模型進(jìn)行研究的，且在對(duì)財(cái)政科技支出效率進(jìn)行了測(cè)度之后，并沒(méi)有對(duì)其外部影響因素進(jìn)行分析，未能對(duì)提高財(cái)政科技投入效率提出具體有效的政策建議。因此，本研究以長(zhǎng)江經(jīng)濟(jì)帶沿江9 省2 市為研究對(duì)象，采用超效率SBM 模型和ML 指數(shù)模型從靜態(tài)和動(dòng)態(tài)兩個(gè)角度評(píng)測(cè)了長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效，并利用Tobit 回歸模型，從經(jīng)濟(jì)發(fā)展水平、市場(chǎng)化程度、對(duì)外開(kāi)放水平、政府規(guī)模、高等教育水平和產(chǎn)業(yè)現(xiàn)代化水平6 個(gè)方面實(shí)證檢驗(yàn)長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的外部影響因素，以期為長(zhǎng)江經(jīng)濟(jì)帶高質(zhì)量發(fā)展提供參考。

2 研究方法與數(shù)據(jù)說(shuō)明

2.1 研究方法

2.1.1 超效率SBM 模型

DEA 模型是一種既不用構(gòu)建函數(shù)模型，也不用預(yù)設(shè)指標(biāo)權(quán)重，更不用對(duì)指標(biāo)數(shù)據(jù)進(jìn)行量綱化處理的非參數(shù)效率評(píng)價(jià)方法。傳統(tǒng)DEA 模型是從徑向和角度兩方面對(duì)效率進(jìn)行測(cè)量的，誤差較大。為了更準(zhǔn)確地測(cè)量效率值，Tony［27］在2001 年對(duì)傳統(tǒng)DEA模型進(jìn)行了改進(jìn)，提出了一種考慮松弛變量的非徑向非角度的SBM 模型。隨后，Tony 等［28］又結(jié)合Anderson 構(gòu)建的超效率模型構(gòu)建了超效率SBM 模型，進(jìn)一步解決了相對(duì)有效單元排序問(wèn)題。因此，本文選擇用超效率SBM 模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入靜態(tài)效率進(jìn)行測(cè)量，具體公式如下：

式（1）中，n代表決策單元個(gè)數(shù)，m代表決策單元投入變量個(gè)數(shù)，r代表決策單元產(chǎn)出變量個(gè)數(shù)，分別表示第k個(gè)決策單元的投入、產(chǎn)出變量，分別代表投入、產(chǎn)出的松弛變量，是約束條件，代表財(cái)政科技投入績(jī)效，越大，投入績(jī)效越高。

2.1.2 ML（Malmquist-Luenberger）指數(shù)模型

Chung 等［29］提出的ML（Malmquist-Luenberger）指數(shù)可測(cè)量任意兩期全要素生產(chǎn)率的變化情況，因此文章選擇ML 指數(shù)來(lái)測(cè)量長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入的動(dòng)態(tài)績(jī)效，具體測(cè)算公式如下：

2.1.3 Tobit 回歸模型

為了進(jìn)一步探究長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的影響因素，本文建立了回歸模型，因變量選取超效率SBM 模型測(cè)出的效率值，自變量選取外部因素中具有代表性的變量，據(jù)此分析各外部因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的影響。由于超效率SBM模型測(cè)算的效率值為截?cái)嚯x散數(shù)據(jù)，如果采用OLS進(jìn)行回歸，則可能出現(xiàn)偏誤和不一致現(xiàn)象，因此本文采用了可處理截?cái)嚯x散數(shù)據(jù)的Tobit 模型進(jìn)行回歸分析，其具體形式如下：

2.2 變量選取與數(shù)據(jù)說(shuō)明

2.2.1 超效率SBM 模型及ML 指數(shù)模型變量選取與數(shù)據(jù)來(lái)源

本文在借鑒盧躍東等［30］、向軍等［31］的研究成果并結(jié)合長(zhǎng)江經(jīng)濟(jì)帶實(shí)際情況和考慮數(shù)據(jù)可得性、必要性的基礎(chǔ)上，以長(zhǎng)江經(jīng)濟(jì)帶9省2市為研究對(duì)象，初步選取了18 項(xiàng)財(cái)政科技投入產(chǎn)出指標(biāo)。然后運(yùn)用SPSS 23.0 軟件對(duì)投入產(chǎn)出指標(biāo)之間的正相關(guān)性及同類(lèi)指標(biāo)之間的相對(duì)獨(dú)立性進(jìn)行了檢驗(yàn)，最終構(gòu)建了長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效評(píng)價(jià)指標(biāo)體系，見(jiàn)表1。

表1 長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效評(píng)價(jià)指標(biāo)體系

2.2.2 Tobit 回歸模型變量選取與數(shù)據(jù)來(lái)源

本文借鑒國(guó)內(nèi)外的相關(guān)研究成果，從經(jīng)濟(jì)發(fā)展水平、市場(chǎng)化程度、對(duì)外開(kāi)放水平、政府規(guī)模、高等教育水平和產(chǎn)業(yè)現(xiàn)代化水平等6 個(gè)方面考慮影響長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的外部因素。經(jīng)濟(jì)發(fā)展水平用長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┮?006 年GDP 為基期計(jì)算出的對(duì)數(shù)實(shí)際人均GDP 表示；市場(chǎng)化程度用樊綱和王小魯?shù)氖袌?chǎng)化指數(shù)表示；對(duì)外開(kāi)放水平用長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┻M(jìn)出口額占GDP的比重表示；政府規(guī)模用長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┱M(fèi)性支出占GDP 比重表示；高等教育水平用取對(duì)數(shù)后的長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┐髮＜耙陨袭厴I(yè)人數(shù)表示；產(chǎn)業(yè)現(xiàn)代化水平用長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┑诙a(chǎn)業(yè)增加值占GDP 比重表示。上述數(shù)據(jù)均由長(zhǎng)江經(jīng)濟(jì)帶各省（市）《統(tǒng)計(jì)年鑒》（2008—2018 年）和《科技統(tǒng)計(jì)年鑒》（2008—2018 年）整理得來(lái)。

3 實(shí)證分析

3.1 基于超效率SBM 模型的靜態(tài)績(jī)效分析

運(yùn)用MaxDEA7.0 軟件，選取規(guī)模報(bào)酬不變情況下的超效率SBM 模型，對(duì)長(zhǎng)江經(jīng)濟(jì)帶9 省2 市2007—2017 年財(cái)政科技投入績(jī)效進(jìn)行測(cè)算，結(jié)果如表2 所示。

表2 2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技支出超效率SBM

從長(zhǎng)江經(jīng)濟(jì)帶整體來(lái)看，11 年間的財(cái)政科技投入的效率值均大于1，且均值達(dá)到了2.07，說(shuō)明在現(xiàn)有條件下長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入資金得到了充分利用。從區(qū)域來(lái)看，財(cái)政科技投入效率均值排名中游地區(qū)最高，上游地區(qū)次之，下游地區(qū)最低。且中游地區(qū)11 年間的財(cái)政科技投入效率值均大于1，財(cái)政科技投入得到了充分利用。下游地區(qū)財(cái)政科技投入效率值僅在2007—2008 年、2013—2015 年大于1，財(cái)政科技投入資金得到了充利用，其他年份財(cái)政科技投入資金均未得到了充分的利用。上游地區(qū)財(cái)政科技投入效率值僅在2007—2008 年小于1，即上游地區(qū)財(cái)政科技投入效率除在2007—2008 年沒(méi)有得到充分利用外，其余年份均得到了充分的利用。從不同省份來(lái)看，財(cái)政科技投入效率均值排名順序?yàn)榻K、四川、湖北、浙江、重慶、湖南、上海、江西、安徽、云南、貴州。財(cái)政科技投入效率均值大于1的有5個(gè)?。ㄊ校?，占整體的45%，效率均值在0.5～1.0之間的只有湖南省1 個(gè)，效率均值在0.5 以下的有5個(gè)?。ㄊ校舱颊w的45%。由此可以看出下游地區(qū)財(cái)政科技投入效率整體偏低是由于安徽和上海的財(cái)政科技投入效率長(zhǎng)期偏低造成的，而上游地區(qū)財(cái)政科技投入效率整體偏低則是由云南和貴州的財(cái)政科技投入效率長(zhǎng)期偏低造成的。

3.2 基于ML 指數(shù)的動(dòng)態(tài)分析

本文進(jìn)一步選取ML 指數(shù)及其分解對(duì)長(zhǎng)江經(jīng)濟(jì)帶9 省2 市2007 年—2017 年財(cái)政科技投入績(jī)效進(jìn)行動(dòng)態(tài)分析，結(jié)果如表3、表4 所示。

表3 2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入分年度ML 指數(shù)及分解

由表3 可知，2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入的ML 指數(shù)有超過(guò)半數(shù)的年份都小于1，其均值為0.997，說(shuō)明長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效并不穩(wěn)定，整體年均下降了0.3%。對(duì)ML 指數(shù)進(jìn)行分解可知，技術(shù)效率變化指數(shù)（Ech）只有3 年大于1，其均值為0.991，年均下降0.9%。而技術(shù)水平變化指數(shù)（Tch）大部分年份都大于1，其均值為1.006，年均提升0.6%。由此可以看出，長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入的ML 指數(shù)下降很大程度上是由于技術(shù)效率變化指數(shù)的下降造成的。再對(duì)技術(shù)效率變化指數(shù)進(jìn)行分解可知，純技術(shù)效率變化指數(shù)（Pech）只有3年大于1，其均值為0.989，年均下降1.1%。規(guī)模效率變化指數(shù)（Sech）也只有4 年大于1，但其均值為1.002，年均提升0.2%。綜上可以看出，制約長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技效率提升的因素有兩個(gè)，一是缺乏有效的管理，二是投入規(guī)模不合理。

表4 2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入分地區(qū)ML 指數(shù)及分解

由表4 可知，從區(qū)域?qū)用鎭?lái)看，2007—2017 年這11 年間的ML 指數(shù)下游地區(qū)最大，為1.015，生產(chǎn)效率提升了1.5%，中游地區(qū)次之，為0.998，略有退步，生產(chǎn)效率下降了0.2%，上游地區(qū)最小，僅為0.985，生產(chǎn)效率下降了1.5%。對(duì)ML 指數(shù)進(jìn)一步分解可知，下游地區(qū)技術(shù)水平變化指數(shù)（Tch）為1.015，提升了1.5%，出現(xiàn)了技術(shù)改進(jìn)，但純技術(shù)效率變化指數(shù)（Pech）和規(guī)模效率變化指數(shù)（Sech）都為1，并未改進(jìn)，說(shuō)明技術(shù)進(jìn)步是下游地區(qū)ML 指數(shù)提升的主要原因；中游地區(qū)技術(shù)水平變化指數(shù)（Tch）為0.998，下降了0.2%，出現(xiàn)了技術(shù)退步，且純技術(shù)效率變化指數(shù)（Pech）和規(guī)模效率變化指數(shù)（Sech）都為1，并未改進(jìn)，說(shuō)明技術(shù)退步是中游地區(qū)ML 指數(shù)提升的主要原因；上游地區(qū)技術(shù)水平變化指數(shù)（Tch）為0.984，下降了1.6%，出現(xiàn)了技術(shù)退步，且純技術(shù)效率變化指數(shù)（Pech）為1，并未改進(jìn)，但規(guī)模效率變化指數(shù)（Sech）為1.002，略有改進(jìn)，說(shuō)明技術(shù)退步也是上游地區(qū)ML 指數(shù)提升的主要原因。從省級(jí)層面來(lái)看，2007—2017 年這11 年間的ML 指數(shù)小于1的?。ㄊ校┯? 個(gè)，占總體的55%，分別是上海、安徽、江西、湖北、貴州和云南。對(duì)ML 指數(shù)進(jìn)一步分解可知，技術(shù)效率變化指數(shù)（Ech）小于1 的省（市）有4 個(gè)，分別為上海、安徽、江西和貴州。技術(shù)水平變化指數(shù)（Tch）小于1 的?。ㄊ校┯? 個(gè)，分別是安徽、江西、湖北、貴州和云南。說(shuō)明大部分?。ㄊ校┑膯?wèn)題都出在投入管理水平下降和技術(shù)退步兩方面。再對(duì)技術(shù)效率變化指數(shù)進(jìn)行分解可知，純技術(shù)效率變化指數(shù)（Pech）小于1 的有4 個(gè)省（市），分別為上海、安徽、江西和貴州。而規(guī)模效率變化指數(shù)（Sech）小于1 的只有上海和貴州兩個(gè)省（市），說(shuō)明大部分省（市）技術(shù)效率退步的主要原因是缺乏投入的有效管理。綜上分析可知，下游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于上海和安徽，其中上海的問(wèn)題出在投入管理上，存在缺乏有效管理和投入規(guī)模不合理等問(wèn)題，而安徽則存在技術(shù)退步和缺乏投入的有效管理兩個(gè)方面的問(wèn)題；中游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于江西和湖北，其中江西存在技術(shù)退步和缺乏投入的有效管理兩個(gè)方面的問(wèn)題，而湖北的問(wèn)題出在技術(shù)退步上；上游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于貴州和云南，其中貴州的問(wèn)題較大，存在技術(shù)退步、缺乏有效管理和投入規(guī)模不合理等問(wèn)題，而云南的問(wèn)題出在技術(shù)退步上。

3.3 影響因素分析

本文選取經(jīng)濟(jì)發(fā)展水平、市場(chǎng)化程度、對(duì)外開(kāi)放水平、政府規(guī)模、高等教育水平和產(chǎn)業(yè)現(xiàn)代化水平等6 個(gè)可能影響長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的外部因素，建立Tobit 回歸模型，進(jìn)一步探討長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效的影響因素。由于只有11 年的數(shù)據(jù)，單個(gè)省份的樣本量有限，回歸結(jié)果存在較大偏誤，故不適宜針對(duì)單個(gè)省份做回歸。因此，文章僅從整體和區(qū)域兩個(gè)角度進(jìn)行分析。用stata15.1軟件處理數(shù)據(jù)得到的回歸結(jié)果如表5 所示。

表5 2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效影響因素的Tobit 模型估計(jì)結(jié)果

表5（續(xù)）

由表5 可知，模型的Prob＞chi2 估計(jì)結(jié)果均小于0.01，故模型的擬合優(yōu)度較好，下面分別就長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效影響因素進(jìn)行分析。

（1）經(jīng)濟(jì)發(fā)展水平。由回歸結(jié)果可知，對(duì)數(shù)人均實(shí)際GDP 僅對(duì)下游地區(qū)的財(cái)政科技投入績(jī)效在1%顯著性水平下有明顯促進(jìn)作用，說(shuō)明經(jīng)濟(jì)發(fā)展水平的提升只能促進(jìn)下游地區(qū)財(cái)政科技投入績(jī)效的提升，并不能有效地促進(jìn)其他地區(qū)政科技投入績(jī)效的提升。原因可能是下游地區(qū)經(jīng)濟(jì)發(fā)展水平較高，隨著經(jīng)濟(jì)發(fā)展水平的提升，在科技方面的投入也會(huì)相應(yīng)增加，促進(jìn)了科技創(chuàng)新。而中游和上游地區(qū)，由于經(jīng)濟(jì)發(fā)展水平相對(duì)落后，隨著經(jīng)濟(jì)發(fā)展水平的提升，在科技方面的投入并沒(méi)有顯著增加，故對(duì)該地區(qū)的科技創(chuàng)新的促進(jìn)作用不大。

（2）市場(chǎng)化程度?；貧w結(jié)果顯示，市場(chǎng)化程度的提高對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體的財(cái)政科技投入績(jī)效在5%的顯著性水平下有明顯的促進(jìn)作用，對(duì)下游地區(qū)和上游地區(qū)的財(cái)政科技投入績(jī)效分別在10%和1%的顯著性水平下有明顯的促進(jìn)作用，且對(duì)上游地區(qū)的促進(jìn)作用要大于下游地區(qū)。市場(chǎng)化程度的提高加劇了高技術(shù)企業(yè)的競(jìng)爭(zhēng)，迫使其不斷優(yōu)化資源配置效率和提高創(chuàng)新管理水平，促進(jìn)科技創(chuàng)新，最終提高了財(cái)政科技投入績(jī)效。

（3）對(duì)外開(kāi)放水平。從回歸結(jié)果可知，對(duì)外開(kāi)放水平的提升對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體的財(cái)政科技投入績(jī)效在1%的顯著性水平下有明顯的抑制作用。而分區(qū)域來(lái)看，對(duì)外開(kāi)放水平的提升僅對(duì)中游地區(qū)在10%的顯著性水平下有明顯的抑制作用，對(duì)下游地區(qū)和上游地區(qū)的促進(jìn)作用不顯著。原因可能是在對(duì)外進(jìn)行技術(shù)貿(mào)易時(shí)引進(jìn)的大多是較為成熟的技術(shù)，可以拿來(lái)直接使用，相比自主研發(fā)成本更低，導(dǎo)致一些地區(qū)減少了科技創(chuàng)新的投入，阻礙科技創(chuàng)新效率的提升。

（4）政府規(guī)模。政府規(guī)模對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體財(cái)政科技投入績(jī)效的提升沒(méi)有顯著的影響，但是分區(qū)域來(lái)看，對(duì)下游地區(qū)和中游地區(qū)在5%的顯著性水平下有明顯的促進(jìn)作用，且下游地區(qū)的促進(jìn)作用要大于中游地區(qū)，而對(duì)上游地區(qū)在1%的顯著性水平下則有明顯的抑制作用。這是因?yàn)榻?jīng)濟(jì)越發(fā)達(dá)的地區(qū)，在科技方面投入越多，政府規(guī)模的擴(kuò)大，細(xì)化了科技投入資金的管理，提高了資金的使用效率，促進(jìn)了科技創(chuàng)新，進(jìn)而提升了財(cái)政科技投入績(jī)效。上游地區(qū)由于經(jīng)濟(jì)相對(duì)落后，政府規(guī)模的擴(kuò)大會(huì)擠占一部分用于科技創(chuàng)新的資金，不利于科技創(chuàng)新，故對(duì)財(cái)政科技投入績(jī)效的提升有抑制作用。

（5）高等教育水平。回歸結(jié)果顯示，高等教育水平的提升對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體的財(cái)政科技投入績(jī)效在5%的顯著性水平下有明顯的促進(jìn)作用。分區(qū)域來(lái)看，高等教育對(duì)各地區(qū)財(cái)政科技投入績(jī)效影響的差異很大，對(duì)下游地區(qū)有顯著的抑制作用，而對(duì)中游地區(qū)則有顯著的促進(jìn)作用，對(duì)上游地區(qū)的作用不顯著。下游地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)，就業(yè)崗位較多，企業(yè)待遇好，學(xué)歷越高越不愿意進(jìn)入政府基層工作，故高等教育水平的提升反而抑制了財(cái)政科技投入績(jī)效提升。中部地區(qū)由于經(jīng)濟(jì)欠發(fā)達(dá)，就業(yè)崗位有限，企業(yè)待遇差，且高校眾多，競(jìng)爭(zhēng)激烈，高學(xué)歷人才熱衷于考公務(wù)員，使政府基層工作人員整體素質(zhì)得以提升，增加了財(cái)政科技投入決策的科學(xué)性，進(jìn)而提升了財(cái)政科技投入績(jī)效。上游地區(qū)則因?yàn)榻?jīng)濟(jì)太過(guò)落后，高學(xué)歷人才一般更愿意到外地工作，所以高等教育水平的提高對(duì)財(cái)政科技投入績(jī)效的提升并沒(méi)有太大的影響。

（6）產(chǎn)業(yè)現(xiàn)代化水平。由回歸結(jié)果可知，產(chǎn)業(yè)現(xiàn)代化水平的提升對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體的財(cái)政科技投入績(jī)效有顯著的促進(jìn)作用。分區(qū)域來(lái)看，產(chǎn)業(yè)現(xiàn)代化水平的提升對(duì)下游地區(qū)和上游地區(qū)有顯著的促進(jìn)作用，而對(duì)中游地區(qū)的促進(jìn)作用不顯著。這是因?yàn)橄掠蔚拈L(zhǎng)三角地區(qū)產(chǎn)業(yè)現(xiàn)代化程度較高，戰(zhàn)略性新興產(chǎn)業(yè)已成為其主導(dǎo)產(chǎn)業(yè)，故更加注重科技創(chuàng)新。上游地區(qū)的成渝城市群近年來(lái)在大力發(fā)展新能源汽車(chē)、新材料以及云計(jì)算等戰(zhàn)略性新興產(chǎn)業(yè)，而這些產(chǎn)業(yè)的發(fā)展離不開(kāi)技術(shù)創(chuàng)新，因此上游地區(qū)也非常重視科技的創(chuàng)新。至于中游地區(qū)，目前依然是以傳統(tǒng)工業(yè)為主，戰(zhàn)略性新興產(chǎn)業(yè)占比不高，對(duì)科技創(chuàng)新的重視不夠。

4 結(jié)論與建議

4.1 研究結(jié)論

本文首先運(yùn)用超效率SBM 模型和ML 指數(shù)模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶2007—2017 年財(cái)政科技投入績(jī)效進(jìn)行評(píng)測(cè)，然后又運(yùn)用Tobit 回歸模型進(jìn)一步分析了長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技績(jī)效的影響因素，由此得出如下結(jié)論：

（1）基于超效率SBM 模型的靜態(tài)分析：就長(zhǎng)江經(jīng)濟(jì)帶整體而言，財(cái)政科技投入績(jī)效達(dá)到了現(xiàn)有條件下的最優(yōu)水平；但分區(qū)域來(lái)看，財(cái)政科技投入績(jī)效區(qū)域差異顯著，其均值排名中游地區(qū)最高，上游地區(qū)次之，下游地區(qū)最低。且只有中游地區(qū)連續(xù)11 年財(cái)政科技投入的效率值均大于1，財(cái)政科技投入得到了充分利用；從不同省份來(lái)看，財(cái)政科技投入效率均值大于1 的有5 個(gè)省（市），占整體的45%，效率均值在0.5～1.0 之間的只有湖南省一個(gè)，效率均值在0.5 以下的有5 個(gè)省（市），也占整體的45%。且安徽和上海的財(cái)政科技投入效率長(zhǎng)期偏低是造成下游地區(qū)財(cái)政科技投入效率整體偏低的原因，云南和貴州的財(cái)政科技投入效率長(zhǎng)期偏低是造成上游地區(qū)財(cái)政科技投入效率整體偏低的原因。

（2）基于ML 指數(shù)模型的動(dòng)態(tài)分析：從時(shí)間維度來(lái)看2007—2017 年長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效并不穩(wěn)定，究其原因，主要因素有兩個(gè)：一是缺乏有效的管理；二是投入規(guī)模不合理。從空間維度來(lái)看，下游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于上海和安徽，其中上海的問(wèn)題出在投入管理上，存在缺乏有效管理和投入規(guī)模不合理等問(wèn)題，而安徽則存在技術(shù)退步和缺乏投入的有效管理兩個(gè)方面的問(wèn)題；中游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于江西和湖北，其中江西存在技術(shù)退步和缺乏投入的有效管理兩個(gè)方面的問(wèn)題，而湖北的問(wèn)題出在技術(shù)退步上；上游地區(qū)財(cái)政科技績(jī)效提升的阻力來(lái)自于貴州和云南，其中貴州的問(wèn)題較大，存在技術(shù)退步、缺乏有效管理和投入規(guī)模不合理等問(wèn)題，而云南的問(wèn)題出在技術(shù)退步上。

（3）財(cái)政科技的外部影響因素：從長(zhǎng)江經(jīng)濟(jì)帶整體來(lái)看，市場(chǎng)化程度、高等教育水平和產(chǎn)業(yè)現(xiàn)代化水平對(duì)財(cái)政科技投入績(jī)效的提升有顯著的促進(jìn)作用，而對(duì)外開(kāi)放水平對(duì)財(cái)政科技投入績(jī)效的提升則有顯著的抑制作用，經(jīng)濟(jì)發(fā)展水平和政府規(guī)模對(duì)財(cái)政科技投入績(jī)效的提升并沒(méi)有顯著的作用。從區(qū)域來(lái)看，經(jīng)濟(jì)發(fā)展水平對(duì)財(cái)政科技投入績(jī)效提升的影響為下游地區(qū)有顯著的促進(jìn)作用，而中游地區(qū)和上游地區(qū)則沒(méi)有顯著的作用；市場(chǎng)化程度對(duì)財(cái)政科技投入績(jī)效提升的影響為下游地區(qū)和上游地區(qū)有顯著的促進(jìn)作用，而中游地區(qū)則沒(méi)有顯著的作用；對(duì)外開(kāi)放水平對(duì)財(cái)政科技投入績(jī)效提升的影響為中游地區(qū)有顯著的抑制作用，而下游地區(qū)和上游地區(qū)則沒(méi)有顯著的作用；政府規(guī)模對(duì)財(cái)政科技投入績(jī)效提升的影響為下游地區(qū)和中游地區(qū)有顯著的促進(jìn)作用，而上游地區(qū)則有顯著的抑制作用；高等教育水平對(duì)財(cái)政科技投入績(jī)效提升的影響為中游地區(qū)有顯著的促進(jìn)作用，下游地區(qū)有顯著的抑制作用，上游地區(qū)并沒(méi)有顯著的作用；產(chǎn)業(yè)現(xiàn)代化水平對(duì)財(cái)政科技投入績(jī)效提升的影響為下游地區(qū)和上游地區(qū)有顯著的促進(jìn)作用，而中游地區(qū)并沒(méi)有顯著的作用。

4.2 政策建議

為實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶的高質(zhì)量發(fā)展，提高長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技投入績(jī)效，基于上述結(jié)論，提出如下建議：

（1）加大財(cái)政科技投入規(guī)模，完善資金管理體制?？萍紕?chuàng)新具有高風(fēng)險(xiǎn)性、長(zhǎng)期性和非連續(xù)性等特性，應(yīng)加大政府財(cái)政投入規(guī)模，保證科技創(chuàng)新充分穩(wěn)定的要素支持，降低技術(shù)創(chuàng)新的不確定性。同時(shí)還應(yīng)完善資金管理體制，提高長(zhǎng)江經(jīng)濟(jì)帶財(cái)政科技資源配置效率，逐步減少對(duì)產(chǎn)能過(guò)剩行業(yè)的創(chuàng)新投入，將有限的資源更多的投入到關(guān)乎地區(qū)未來(lái)發(fā)展的戰(zhàn)略性新興產(chǎn)業(yè)，以提高財(cái)政科技投入績(jī)效。

（2）深化市場(chǎng)改革，增強(qiáng)自主創(chuàng)新能力。長(zhǎng)江經(jīng)濟(jì)帶應(yīng)繼續(xù)深化市場(chǎng)改革，盡可能地為企業(yè)創(chuàng)造一個(gè)良好的創(chuàng)新環(huán)境，加快形成科技創(chuàng)新企業(yè)集群，形成規(guī)模效應(yīng)和協(xié)同效應(yīng)，降低創(chuàng)新成本，提升長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新源動(dòng)力。同時(shí)在對(duì)外進(jìn)行技術(shù)貿(mào)易時(shí)要避免拿來(lái)主義，應(yīng)采取多樣化的創(chuàng)新扶持政策，充分調(diào)動(dòng)企業(yè)創(chuàng)新的積極性和創(chuàng)造性，增強(qiáng)其自主創(chuàng)新能力。

（3）優(yōu)化政府職能部門(mén)規(guī)模，提高政府工作人員素質(zhì)。長(zhǎng)江經(jīng)濟(jì)帶橫跨東中西三大區(qū)域，區(qū)域差異顯著，各地區(qū)應(yīng)因地制宜，優(yōu)化政府職能部門(mén)規(guī)模，改善目前財(cái)政科技資金使用分散、擠占挪用和到位不及時(shí)等問(wèn)題。同時(shí)還應(yīng)提高民眾參政議政意識(shí)，讓更多高學(xué)歷人才有機(jī)會(huì)參與政府決策，增加政府財(cái)政科技投入決策的科學(xué)性，提高財(cái)政科技投入績(jī)效。

（4）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，發(fā)展壯大戰(zhàn)略性新興產(chǎn)業(yè)。長(zhǎng)江經(jīng)濟(jì)帶特別是中游地區(qū)存在大量產(chǎn)能過(guò)剩產(chǎn)業(yè)，應(yīng)主動(dòng)有序地進(jìn)行淘汰轉(zhuǎn)移和改造升級(jí)，清理產(chǎn)能過(guò)剩行業(yè)潛伏的大量“僵尸企業(yè)”，增加技術(shù)創(chuàng)新人力和財(cái)力資源的有效供給。同時(shí)長(zhǎng)江經(jīng)濟(jì)帶特別是中上游地區(qū)要大力引進(jìn)和培育戰(zhàn)略性新興產(chǎn)業(yè)，如新一代信息產(chǎn)業(yè)、高端裝備制造業(yè)、新能源汽車(chē)產(chǎn)業(yè)、高端材料產(chǎn)業(yè)、生物產(chǎn)業(yè)等產(chǎn)業(yè)，這些產(chǎn)業(yè)科技含量極高，發(fā)展難度較大，需要投入大量的科技人才和發(fā)展資金。