1（華南師范大學(xué)經(jīng)濟(jì)與管理學(xué)院,廣州 510006)

2（仲愷農(nóng)業(yè)工程學(xué)院人文與社會(huì)科學(xué)學(xué)院,廣州 510225)

引 言

具有國家 “世界級(jí)城市群”戰(zhàn)略定位的粵港澳大灣區(qū)依托香港、澳門和廣東三地，其吸納就業(yè)、發(fā)展經(jīng)濟(jì)、整合創(chuàng)新資源、培育創(chuàng)新能力在全國范圍內(nèi)具有領(lǐng)先優(yōu)勢(shì)。其工業(yè)經(jīng)濟(jì)十分發(fā)達(dá)，2018年工業(yè)增加值占國內(nèi)生產(chǎn)總值比重達(dá)21%以上。作為以創(chuàng)新為動(dòng)力驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展的重點(diǎn)戰(zhàn)略區(qū)域，大灣區(qū)工業(yè)科技創(chuàng)新效率處于何種水平、抑制工業(yè)科技創(chuàng)新效率提升的原因有哪些、空間分布情況如何，本文將重點(diǎn)圍繞這三大問題展開研究。

1 文獻(xiàn)綜述

科技創(chuàng)新效率是指創(chuàng)新活動(dòng)中的技術(shù)效率。趙傳松等［1］篩選出衡量科技創(chuàng)新水平的指標(biāo)，但并未給出度量科技創(chuàng)新效率的方法。關(guān)于科技創(chuàng)新效率度量的方法主要有兩種： （1）參數(shù)方法，即隨機(jī)前沿分析 （SFA）； （2）非參數(shù)方法，即數(shù)據(jù)包絡(luò)分析 （DEA）。 SFA由Aigner等［2］于1977年提出，基本思路是依據(jù)隨機(jī)前沿生產(chǎn)函數(shù)擾動(dòng)項(xiàng)中的技術(shù)損失誤差項(xiàng)來計(jì)算創(chuàng)新主體的技術(shù)非效率。目前SFA模型常被用于效率的度量及影響因素分析，如葉祥松和劉敬［3］通過隨機(jī)前沿模型測(cè)算科技創(chuàng)新效率，運(yùn)用面板門檻模型檢驗(yàn)了政府和技術(shù)市場(chǎng)發(fā)展在科技創(chuàng)新中的作用。余泳澤［4］將科技創(chuàng)新主體分為大學(xué)、科研機(jī)構(gòu)和企業(yè)，在采用隨機(jī)前沿分析各創(chuàng)新主體科技創(chuàng)新效率的基礎(chǔ)上，運(yùn)用空間面板計(jì)量模型，主要探究創(chuàng)新要素和政府支持對(duì)各創(chuàng)新主體科技創(chuàng)新效率的作用。SFA模型只能用于測(cè)量具有單一產(chǎn)出的技術(shù)效率，對(duì)于科技創(chuàng)新活動(dòng)而言，單一創(chuàng)新產(chǎn)出顯然是不現(xiàn)實(shí)的，因此大多數(shù)學(xué)者常用數(shù)據(jù)包絡(luò)分析 （DEA）度量科技創(chuàng)新效率。

Charnes等［5］于1978年提出DEA模型，其基本思想是根據(jù)多投入指標(biāo)和多產(chǎn)出指標(biāo)構(gòu)成的投入可能性集或生產(chǎn)可能性集，基于距離函數(shù)對(duì)效率值進(jìn)行測(cè)算，是一種有效的綜合評(píng)價(jià)法。已有學(xué)者將DEA方法用于企業(yè)、行政區(qū)域和產(chǎn)業(yè)科技創(chuàng)新效率的評(píng)價(jià)，熊飛等［6］運(yùn)用CCR和BCC模型測(cè)算科技創(chuàng)新效率，從綜合效率、純技術(shù)效率和規(guī)模效率3個(gè)不同的角度對(duì)北京市豐臺(tái)科技園42家高科技企業(yè)進(jìn)行評(píng)價(jià)。杜娟和霍佳震［7］認(rèn)為科技創(chuàng)新是城市創(chuàng)新能力的外在表現(xiàn)，將人才培養(yǎng)輸出作為科技創(chuàng)新的人力資源投入，從而構(gòu)建兩階段DEA模型評(píng)價(jià)重點(diǎn)城市整體創(chuàng)新能力，并進(jìn)一步得出子階段科技創(chuàng)新效率。Wang等［8］選取2009～2013年中國38家能源企業(yè)，將科技創(chuàng)新分為研發(fā)和市場(chǎng)化，構(gòu)建兩階段非徑向DEA模型研究能源企業(yè)科技創(chuàng)新效率。為驗(yàn)證科技創(chuàng)新能否有效驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展，王慧艷等［9］構(gòu)建網(wǎng)絡(luò)WSBM模型對(duì)中國各省科技創(chuàng)新促進(jìn)經(jīng)濟(jì)發(fā)展績(jī)效水平進(jìn)行評(píng)價(jià)。Li等［10］通過三階段DEA模型測(cè)度2009～2014年中國半導(dǎo)體產(chǎn)業(yè)的創(chuàng)新效率。Liu等［11］采用K均值聚類法將中國2008～2016年高科技產(chǎn)業(yè)分為4類，考慮到環(huán)境污染和隨機(jī)因素的影響，構(gòu)建SBM-DEA模型測(cè)算不同區(qū)域的綠色科技創(chuàng)新效率。DEA用于評(píng)價(jià)具有多投入多產(chǎn)出的決策單元相對(duì)效率時(shí)，不需要設(shè)定具體的生產(chǎn)函數(shù)形式，結(jié)果更客觀、可靠，因而被大多數(shù)學(xué)者所接受。但DEA方法只能度量相同時(shí)期不同決策單元的效率值，結(jié)果是靜態(tài)的，無法對(duì)跨期效率的動(dòng)態(tài)變化進(jìn)行分析。

為了解決這一問題，F(xiàn)are等［12］將 Malmquist指數(shù)應(yīng)用于效率評(píng)價(jià)。DEA-Malmquist模型不僅能分析效率的動(dòng)態(tài)變化，還可以進(jìn)一步探究全要素生產(chǎn)率變動(dòng)的原因，因此逐漸被學(xué)者接受并應(yīng)用，朱鵬頤等［13］運(yùn)用超效率DEA視窗模型測(cè)算出福建省9個(gè)地級(jí)市的科技創(chuàng)新效率，進(jìn)一步聯(lián)合Malmquist指數(shù)考察效率動(dòng)態(tài)變化的原因。晏蒙和孟令杰［14］采用DEA模型和Malmquist指數(shù)對(duì)中國各省市的工業(yè)科技創(chuàng)新效率進(jìn)行縱橫雙向?qū)Ρ确治?。吳傳清等?5］運(yùn)用DEA-Malmquist模型分析長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率，發(fā)現(xiàn)上、中、下游效率呈 “V”型分布。郭淑芬和張俊［16］采用DEAMalmquist模型測(cè)度中國31個(gè)省市的科技創(chuàng)新效率，對(duì)冗余情況進(jìn)行了詳細(xì)分析。Wang等［17］采用Malmquist-DEA模型測(cè)算中國284個(gè)城市的能源效率；Luo等［18］以中國戰(zhàn)略性新興產(chǎn)業(yè)子行業(yè)為研究對(duì)象，構(gòu)建DEA-Malmquist模型將全要素生產(chǎn)率分解為技術(shù)效率變化和技術(shù)進(jìn)步，以考察綠色技術(shù)創(chuàng)新效率變動(dòng)的原因。

現(xiàn)有文獻(xiàn)豐富了科技創(chuàng)新效率的研究成果，但在研究對(duì)象、研究方法等方面也存在一定的不足：（1）以區(qū)域城市工業(yè)科技創(chuàng)新系統(tǒng)為研究對(duì)象的文獻(xiàn)較少；（2）在研究方法上，傳統(tǒng)的DEA模型只能評(píng)價(jià)靜態(tài)的效率，難以分析效率的動(dòng)態(tài)變化；（3）從時(shí)空視角來看，現(xiàn)有研究注重時(shí)間維度的研究，忽視了研究對(duì)象在空間上的變化。

因此，本文以粵港澳大灣區(qū)工業(yè)科技創(chuàng)新系統(tǒng)為研究對(duì)象，采用超效率SBM （Slacks-Based Measure）-Malmquist模型，動(dòng)靜結(jié)合揭示科技創(chuàng)新效率變化的深層次原因；運(yùn)用GIS（Geographic Information System）技術(shù)探尋科技創(chuàng)新效率的空間分布規(guī)律，更有助于實(shí)際問題的解決。

2 研究方法

Tone［19］基于松弛變量提出測(cè)度效率的SBM模型。與傳統(tǒng)DEA模型采用徑向投影測(cè)度效率且非效率決策單元同比例縮減 （或擴(kuò)大）投入 （產(chǎn)出）相比，SBM模型采用非徑向投影估計(jì)效率。對(duì)技術(shù)有效的決策單元，Tone［19］進(jìn)一步提出超效率SBM模型進(jìn)行區(qū)分，較傳統(tǒng)的DEA模型具有更強(qiáng)的分辨能力。本文假設(shè)規(guī)模報(bào)酬不變，以產(chǎn)出導(dǎo)向的超效率SBM模型測(cè)算科技創(chuàng)新效率。

2.1 超效率SBM模型

假設(shè)有n個(gè)決策單元DMUj（x0，y0） （j＝1，2，…，n）， 每個(gè)決策單元j有m項(xiàng)投入xij（i＝1，2，…，m），s項(xiàng)產(chǎn)出yrj（r＝1，2，…，s）；X＞0，Y＞0，si、、Aj分別為第j個(gè)決策單元的第i項(xiàng)投入松弛、第r項(xiàng)產(chǎn)出松弛以及其影子價(jià)格。

2.1.1 SBM 模型［19］

ρ即為所求科技創(chuàng)新效率值，其取值范圍：0＜ρ≤1， 式 （1） 表示DMU（x0，y0）實(shí)際投入值相對(duì)于最優(yōu)投入存在投入冗余，冗余量為； 式 （2）表示DMU（x0，y0）實(shí)際產(chǎn)出相對(duì)于最優(yōu)產(chǎn)出存在產(chǎn)出不足，短缺量為；當(dāng)時(shí)，ρ＝1，DMU（x0，y0）是有效的。對(duì)上述模型的求解，可采用Charnes和Cooper［20］的方法轉(zhuǎn)化為線性規(guī)劃求解。

2.1.2 SBM超效率模型

若上述最優(yōu)解ρ*＝1的DMU（x0，y0）有多個(gè)，SBM模型無法對(duì)有效的DMU（x0，y0）進(jìn)行區(qū)分。因此，本文進(jìn)一步采用 Tone［19］拓展的產(chǎn)出導(dǎo)向SBM模型對(duì)超效率部分進(jìn)行分析，假設(shè)決策單元的生產(chǎn)可能性集為P（x0，y0）， 將不包括（x0，y0）的生產(chǎn)可能集定義為P＼（x0，y0）＝｛（，）｜≥，由于X＞0且Y＞0，非空子集（x0，y0）＝P＼（x0，y0）∩｛≥x0，≤y0｝，基于距離函數(shù)的（x0，y0）到（，）∈（x0，y0）的距離即為（x0，y0）的超效率， 記為δ＝

求解方法同上，超效率值δ*≥1，式 （3）和式 （4）表示對(duì)生產(chǎn)條件的約束，式 （5）表示從產(chǎn)出角度測(cè)算超效率值。

2.2 Malmquist指數(shù)

Fare等［12］將Malmquist指數(shù)與DEA方法結(jié)合，構(gòu)建DEA-Malmquist模型用于全要素生產(chǎn)率的測(cè)算，后被廣泛應(yīng)用。Malmquist指數(shù)根據(jù)產(chǎn)出距離函數(shù)計(jì)算生產(chǎn)率的變化，有如下計(jì)算公式：

（xt，yt）、 （xt+1，yt+1）分別表示第t期和第t+1期的投入、產(chǎn)出，表示規(guī)模報(bào)酬不變時(shí)，基于第t期 （第t+1期）技術(shù)水平來衡量產(chǎn)出效率的距離函數(shù)。Mt+1表示從t到t+1期生產(chǎn)率變化程度，Mt+1＞1表示科技創(chuàng)新生產(chǎn)率提高，Mt+1＝1表示科技創(chuàng)新生產(chǎn)率不變，Mt+1＜1表示科技創(chuàng)新生產(chǎn)率下降。Mt+1可以進(jìn)一步分解為技術(shù)效率指數(shù) （effch）和技術(shù)進(jìn)步指數(shù) （techch），計(jì)算公式為：

當(dāng)規(guī)模報(bào)酬可變時(shí)，技術(shù)效率指數(shù) （effch）又可以進(jìn)一步分解為純技術(shù)效率指數(shù) （pech）和規(guī)模指數(shù) （sech），計(jì)算公式如下：

最終，科技創(chuàng)新生產(chǎn)率計(jì)算公式：

tfpch＝techch×pech×sech

3 指標(biāo)體系

科技創(chuàng)新系統(tǒng)是一項(xiàng)多投入、多產(chǎn)出的復(fù)雜生產(chǎn)活動(dòng)，根據(jù)生產(chǎn)理論，在現(xiàn)有技術(shù)水平下，科技創(chuàng)新生產(chǎn)過程需要?jiǎng)趧?dòng)要素和資本要素的投入，科技成果的產(chǎn)出由勞動(dòng)投入量、資本投入量和技術(shù)水平共同決定。如郭淑芬和張俊［16］在評(píng)價(jià)中國31省的整體科技創(chuàng)新效率時(shí)，從勞動(dòng)、資本和技術(shù)水平3個(gè)方面選取投入指標(biāo)；在短期，技術(shù)進(jìn)步來不及實(shí)現(xiàn)，因此通常技術(shù)水平保持不變，朱鵬頤等［13］、 吳傳清等［15］從勞動(dòng)和資本兩方面選取科技創(chuàng)新投入指標(biāo)，從科技活動(dòng)的中間產(chǎn)出和最終產(chǎn)出過程選取產(chǎn)出指標(biāo)?？萍紕?chuàng)新效率反映的是科技產(chǎn)出與科技投入之間的關(guān)系，因此，投入產(chǎn)出指標(biāo)的選取直接關(guān)系到研究結(jié)果的可靠性。

本文在現(xiàn)有研究的基礎(chǔ)上，從投入產(chǎn)出角度，謹(jǐn)慎地借鑒吳傳清等［15］學(xué)者的評(píng)價(jià)指標(biāo)，科技勞動(dòng)要素投入選取規(guī)模以上工業(yè)企業(yè)R＆D活動(dòng)人員指標(biāo)，科技資本要素選取規(guī)模以上工業(yè)企業(yè)R＆D經(jīng)費(fèi)內(nèi)部支出作為投入指標(biāo)；科技創(chuàng)新產(chǎn)出包括直接產(chǎn)出和間接產(chǎn)出，選取專利申請(qǐng)授權(quán)量作為科技創(chuàng)新直接產(chǎn)出指標(biāo)，直接反映科技研發(fā)人員的知識(shí)轉(zhuǎn)化成果，從最終產(chǎn)品市場(chǎng)化獲得經(jīng)濟(jì)效益的角度，間接產(chǎn)出選取規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入和規(guī)模以上工業(yè)增加值反映工業(yè)科技創(chuàng)新活動(dòng)市場(chǎng)化產(chǎn)出成果，如表1所示。

表1 工業(yè)企業(yè)科技創(chuàng)新效率投入產(chǎn)出指標(biāo)

4 實(shí)證研究

4.1 數(shù)據(jù)來源

本文以粵港澳大灣區(qū)10個(gè)城市的工業(yè)企業(yè)為研究對(duì)象 （澳門經(jīng)濟(jì)發(fā)展主要是由以博彩業(yè)為主的服務(wù)業(yè)帶動(dòng)，工業(yè)占比極小，可忽略不計(jì)，故從研究樣本中剔除），考慮到科技創(chuàng)新活動(dòng)投入產(chǎn)出具有一定的時(shí)滯性，根據(jù)現(xiàn)有研究成果，將滯后期定為1年，即投入指標(biāo)時(shí)間為2010～2017年，產(chǎn)出指標(biāo)為2011～2018年，所有數(shù)據(jù)來源于《廣東統(tǒng)計(jì)年鑒》、《廣東科技年鑒》、《香港統(tǒng)計(jì)年刊》及各地市統(tǒng)計(jì)公報(bào)。其中，規(guī)模以上工業(yè)企業(yè)R＆D經(jīng)費(fèi)內(nèi)部支出指標(biāo)以2010年為基期，采用研發(fā)價(jià)格指數(shù)［13］進(jìn)行平減得到，規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入和規(guī)模以上工業(yè)增加值指標(biāo)也以2010年為基期，采用工業(yè)生產(chǎn)者出廠價(jià)格指數(shù) （PPI）進(jìn)行平減，將可變價(jià)格轉(zhuǎn)換成可比價(jià)格以消除通貨膨脹等價(jià)格波動(dòng)的影響。

4.2 結(jié)果分析

4.2.1 科技創(chuàng)新效率分析

本文基于粵港澳大灣區(qū)2010～2018年科技創(chuàng)新投入指標(biāo)和產(chǎn)出指標(biāo)的面板數(shù)據(jù)，求解上述SBM模型和SBM超效率模型，分別解出小于1和大于1的效率值，將結(jié)果匯總得到粵港澳大灣區(qū)各城市科技創(chuàng)新效率值，如表2所示。

表2 2011～2018年粵港澳大灣區(qū)工業(yè)科技創(chuàng)新效率

由表2可知，科技創(chuàng)新效率均值呈波動(dòng)上升趨勢(shì)，這表明粵港澳大灣區(qū)整體科技創(chuàng)新活動(dòng)資源利用能力處于提高狀態(tài)，但大灣區(qū)內(nèi)各城市科技創(chuàng)新效率存在較大差距。香港、惠州、江門3個(gè)城市產(chǎn)出完全有效，且香港科技創(chuàng)新效率值最大、惠州次之、江門最低，表明香港具有較強(qiáng)的科技資源轉(zhuǎn)化能力，重視產(chǎn)品研發(fā)和技術(shù)應(yīng)用，這與創(chuàng)新型城市的定位相符，惠州和江門的資源投入規(guī)模一般，卻表現(xiàn)出產(chǎn)出有效，說明其科技創(chuàng)新系統(tǒng)規(guī)模較小，創(chuàng)新體制機(jī)制完善、技術(shù)管理水平較佳，對(duì)新技術(shù)能較好的吸收轉(zhuǎn)化。另外，深圳、佛山和肇慶3個(gè)城市產(chǎn)出雖完全無效，效率值卻緩慢提升，值得注意的是，深圳有多家高科技企業(yè)，科技產(chǎn)出較其他城市應(yīng)該具有領(lǐng)先優(yōu)勢(shì)，但科技創(chuàng)新效率卻表現(xiàn)不佳。廣州、珠海、東莞和中山4個(gè)城市產(chǎn)出有效狀態(tài)不穩(wěn)定，4個(gè)城市有可能處于調(diào)整階段。

4.2.2 基于Malmquist指數(shù)的動(dòng)態(tài)分析

運(yùn)用Malmquist指數(shù)對(duì)粵港澳大灣區(qū)各城市科技創(chuàng)新效率進(jìn)行全要素生產(chǎn)率分解，進(jìn)一步挖掘科技創(chuàng)新效率變化的深層次原因。各城市的Malmquist指數(shù)及其分解結(jié)果，如表3所示。

表3 2011～2018年粵港澳大灣區(qū)工業(yè)科技創(chuàng)新平均Malmquist指數(shù)

由表3可知，2011～2018年粵港澳大灣區(qū)各城市科技創(chuàng)新全要素生產(chǎn)率 （tfpch）區(qū)域差異較大，大多數(shù)城市的tfpch呈上升趨勢(shì)，年均上升了1.9%。從Malmquist指數(shù)的分解效率來看，全要素生產(chǎn)率的上升是技術(shù)效率指數(shù) （effch）促進(jìn)的結(jié)果，技術(shù)效率指數(shù)年均提升了2.9%，其上升是純技術(shù)效率 （pech）和規(guī)模效率 （sech）共同作用的結(jié)果，分別上升了1.4%和1.5%，這表明各城市不僅注重科技創(chuàng)新組織內(nèi)部創(chuàng)新制度的完善和管理水平的提升，而且加強(qiáng)了外部科技創(chuàng)新資源投入。技術(shù)進(jìn)步指數(shù)年均降低了0.9%，技術(shù)進(jìn)步是抑制全要素生產(chǎn)率提升的主要因素。

從總體來看，大灣區(qū)有7個(gè)城市工業(yè)科技創(chuàng)新生產(chǎn)率呈上升趨勢(shì)，上升幅度最大的是東莞，tfpch提升了14%，其次是中山，tfpch提升了8.8%。在這7個(gè)城市中，工業(yè)科技創(chuàng)新生產(chǎn)率的提升主要源于3個(gè)方面：（1）技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)共同驅(qū)動(dòng)，有深圳、珠海、東莞和中山4個(gè)城市；值得注意的是，東莞的全要素生產(chǎn)率不僅在這4個(gè)城市中表現(xiàn)較佳，而且是大灣區(qū)城市中效率提升最大的城市，tfpch上升了14%，技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)分別上升了9.1%和4.5%，純技術(shù)效率提高了4.3%，規(guī)模效率提高了4.6%，說明東莞具有較好的工業(yè)發(fā)展基礎(chǔ)，另外，無論是在組織架構(gòu)、內(nèi)部管理、企業(yè)規(guī)模還是技術(shù)創(chuàng)新方面的先進(jìn)經(jīng)驗(yàn)，都值得其他城市的工業(yè)企業(yè)學(xué)習(xí)、借鑒；（2）技術(shù)效率指數(shù)促進(jìn)，技術(shù)進(jìn)步指數(shù)抑制，只有廣州；廣州的規(guī)模效率提升了2.2%，說明工業(yè)企業(yè)內(nèi)部結(jié)構(gòu)的調(diào)整使企業(yè)逐漸處于遞增規(guī)模，引起的技術(shù)效率提升效應(yīng)大于技術(shù)發(fā)展停滯帶來的不利影響，最終使全要素生產(chǎn)率得以提升；（3）技術(shù)效率指數(shù)不變，技術(shù)進(jìn)步指數(shù)促進(jìn)，包括香港和惠州；香港的技術(shù)進(jìn)步指數(shù)上升了1.5%，其他指數(shù)均為1，說明香港在其他方面經(jīng)驗(yàn)豐富，已無提升空間，只有通過R＆D創(chuàng)新這一途徑，才能提高全要素生產(chǎn)率；惠州的技術(shù)進(jìn)步指數(shù)上升了0.3%，表明惠州在技術(shù)創(chuàng)新方面具有發(fā)展?jié)摿Α?/p>

另外，佛山、江門、肇慶三個(gè)城市的工業(yè)科技創(chuàng)新生產(chǎn)率呈下降趨勢(shì)，導(dǎo)致下降的原因包括3個(gè)方面：（1）技術(shù)效率指數(shù)無影響，技術(shù)進(jìn)步指數(shù)抑制，如江門；（2）技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)共同抑制了全要素生產(chǎn)率的提升，如肇慶；（3）技術(shù)效率指數(shù)促進(jìn)，技術(shù)進(jìn)步指數(shù)抑制，只有佛山。從表3可以看出，技術(shù)進(jìn)步是抑制佛山、江門和肇慶全要素生產(chǎn)率提升的關(guān)鍵因素，技術(shù)進(jìn)步指數(shù)分別下降7.9%、9.8%、0.7%，因此，提高R＆D創(chuàng)新能力是改善全要素生產(chǎn)率的有效途徑。

4.2.3 科技創(chuàng)新效率時(shí)空演變

從時(shí)空視角來看，本文分別選取2011年、2013年、2015年和2018年作為時(shí)間節(jié)點(diǎn)，采用Arc-GIS繪圖軟件里的自然間斷法，將由超效率SBM模型得到的科技創(chuàng)新綜合效率分為5類。利用ArcGIS 10.5繪制出科技創(chuàng)新效率的時(shí)空演變圖（圖1），從時(shí)間序列來看，大灣區(qū)整體的科技創(chuàng)新效率不斷提高；從空間分布來看，科技創(chuàng)新效率高的地區(qū)向東部和中部集中，西部效率低但處于追趕階段，深圳效率最低。

圖1 粵港澳大灣區(qū)工業(yè)科技創(chuàng)新效率分布格局

從2011年科技創(chuàng)新效率分布的五大區(qū)域來看，以廣州為中心，大灣區(qū)東部和西南部的科技創(chuàng)新效率表現(xiàn)較好，中部、西部和東南地區(qū)具有一定差異，其中西部和東南地區(qū)效率較低。2013年中部和西部的效率得到提高，東南地區(qū)內(nèi)部差異較大，香港科技創(chuàng)新效率較高，深圳最低。到2015年，大灣區(qū)東部科技創(chuàng)新效率進(jìn)一步提高，中部地區(qū)存在波動(dòng)，2018年大灣區(qū)工業(yè)科技創(chuàng)新效率空間分布格局基本形成，西部和南部效率低，西南和東部效率高，東南地區(qū)差異明顯，深圳最低。

5 結(jié) 論

有關(guān)科技創(chuàng)新效率的研究中，評(píng)價(jià)指標(biāo)和評(píng)價(jià)模型的選取對(duì)研究結(jié)果具有十分重要的影響。在模型的選擇上，隨機(jī)前沿分析需要假設(shè)生產(chǎn)函數(shù)的具體形式，存在函數(shù)形式的設(shè)定誤差，影響結(jié)果的可信度，因而DEA模型常被用于評(píng)價(jià)科技創(chuàng)新效率。傳統(tǒng)的DEA模型在提高非有效單元科技創(chuàng)新效率時(shí)，采用徑向的方法對(duì)投入或產(chǎn)出進(jìn)行調(diào)整，靈活度較低；SBM模型基于松弛變量測(cè)算科技創(chuàng)新效率，可以非徑向調(diào)整非有效單元的投入或產(chǎn)出，但對(duì)有效單元無法進(jìn)行區(qū)分，在這種情況下，超效率SBM模型被提出。超效率SBM模型無法分析科技創(chuàng)新效率的動(dòng)態(tài)變化，更不能探究其空間分布及演變過程。

為了解決上述問題，本文以粵港澳大灣區(qū)工業(yè)科技創(chuàng)新系統(tǒng)為研究對(duì)象，運(yùn)用超效率SBM模型評(píng)價(jià)2011～2018年各城市工業(yè)科技創(chuàng)新系統(tǒng)的相對(duì)有效性。從動(dòng)態(tài)視角聯(lián)合Malmquist指數(shù)分析科技創(chuàng)新效率的變化，并將科技創(chuàng)新生產(chǎn)率進(jìn)一步分解為技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)，深挖抑制大灣區(qū)工業(yè)科技創(chuàng)新生產(chǎn)率提升的原因。隨后，從空間維度采用GIS技術(shù)研究科技創(chuàng)新綜合效率的空間分布及其變化規(guī)律。研究發(fā)現(xiàn)： （1）工業(yè)科技創(chuàng)新有效城市占比增大，非有效城市效率值逐漸增大，整體上，大灣區(qū)工業(yè)科技創(chuàng)新系統(tǒng)呈優(yōu)化提升狀態(tài)； （2）技術(shù)效率上升使廣州、深圳、珠海、東莞、中山5個(gè)城市的全要素生產(chǎn)率得以提高，技術(shù)進(jìn)步制約是江門、肇慶和佛山科技創(chuàng)新生產(chǎn)率下降的主要原因；（3）從空間分布格局來看，同一類工業(yè)科技創(chuàng)新效率逐漸呈現(xiàn)連片化趨勢(shì)，大灣區(qū)東部效率明顯優(yōu)于西部。