廖麗平，蔡 君，林俊龍，陳慶珊

(1.廣東技術(shù)師范大學(xué)管理學(xué)院；2.廣東技術(shù)師范大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，廣東廣州 510665）

2019 年2 月18 日中央發(fā)布《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》，明確要將粵港澳大灣區(qū)建成具有全球影響力的國際科技創(chuàng)新中心。而提升科技創(chuàng)新效率是獲取發(fā)展動(dòng)力和實(shí)現(xiàn)經(jīng)濟(jì)持續(xù)增長的重要前提。依據(jù)習(xí)近平總書記的指示，廣東要承擔(dān)廣東責(zé)任，體現(xiàn)廣東擔(dān)當(dāng)，作出廣東貢獻(xiàn)，并同步實(shí)現(xiàn)自身高質(zhì)量發(fā)展［1］。而科技創(chuàng)新效率是評(píng)價(jià)地區(qū)科技創(chuàng)新品質(zhì)的重要指標(biāo)，因此研究如何提升廣東自身的科技創(chuàng)新效率，對(duì)于更有效地推動(dòng)粵港澳國際科技創(chuàng)新中心建設(shè)、作出廣東貢獻(xiàn)具有極為重要的意義?，F(xiàn)有研究從科技創(chuàng)新發(fā)展的技術(shù)生態(tài)位階段對(duì)科技創(chuàng)新效率進(jìn)行探討不足，而在此階段如何跨越介于知識(shí)系統(tǒng)與經(jīng)濟(jì)系統(tǒng)的“死亡之谷”，正是提升科技創(chuàng)新效率的關(guān)鍵所在。本研究基于DEA-Tobit 模型，從科技創(chuàng)新發(fā)展的技術(shù)生態(tài)位視角出發(fā)，構(gòu)建廣東省各地級(jí)市科技創(chuàng)新效率的評(píng)價(jià)指標(biāo)體系，研究廣東省各地級(jí)市在科技創(chuàng)新培育階段和孵化階段的科技創(chuàng)新效率差異，分析影響科技創(chuàng)新效率的關(guān)鍵因素，促進(jìn)科技創(chuàng)新跨越“死亡之谷”，為政策制定者提供具有參考價(jià)值的可行建議。

1 相關(guān)文獻(xiàn)綜述

科學(xué)技術(shù)是第一生產(chǎn)力，是經(jīng)濟(jì)和社會(huì)發(fā)展的首要推動(dòng)力量；科技創(chuàng)新是第一生產(chǎn)力，是經(jīng)濟(jì)和社會(huì)發(fā)展的首要推動(dòng)力量［2］?？萍紕?chuàng)新的能力和水平已經(jīng)逐步成為衡量一個(gè)地區(qū)綜合競爭力的重要指標(biāo)。在技術(shù)生態(tài)位下，孵化階段的科技成果產(chǎn)出環(huán)節(jié)是科技創(chuàng)新的重要環(huán)節(jié)，被稱為“死亡之谷”［3］，也是廣東省科技創(chuàng)新推進(jìn)的關(guān)鍵“堵點(diǎn)”，而創(chuàng)新過程中投入與產(chǎn)出之間的轉(zhuǎn)化效率直接決定了技術(shù)生態(tài)位是否能夠成功推進(jìn)到市場生態(tài)位，即實(shí)現(xiàn)“一次躍遷”。

目前，學(xué)術(shù)界對(duì)科技創(chuàng)新效率的探討仍在持續(xù)。已有研究從研究工具上看，主要有數(shù)據(jù)包絡(luò)分析（DEA）、隨機(jī)前沿分析（SFA）、因子分析以及模糊綜合評(píng)價(jià)等，每種工具各有其優(yōu)劣。Charnes 等［4］提出的數(shù)據(jù)包絡(luò)分析方法對(duì)處理多投入多產(chǎn)出的效率衡量問題有很好的適應(yīng)性。這種測度方式運(yùn)用線性規(guī)劃技術(shù)，不需要設(shè)定函數(shù)的形式，因此能有效規(guī)避主觀設(shè)定函數(shù)的影響，并且不需要對(duì)所選指標(biāo)的數(shù)據(jù)進(jìn)行無量綱化處理、不需要任何權(quán)重假設(shè)，所有權(quán)重都源于決策單元的實(shí)際數(shù)據(jù)，在一定程度上避免了主觀賦權(quán)造成的誤差；然而該方法不考慮測量誤差存在的可能性，同時(shí)設(shè)置了確定邊界，因而在實(shí)際應(yīng)用中存在一定缺陷［5］。Zhang 等［6］提出的隨機(jī)前沿分析方法運(yùn)用計(jì)量方法估計(jì)前沿生產(chǎn)函數(shù)，可以統(tǒng)計(jì)檢驗(yàn)得出的參數(shù)。在測算過程中，SFA能夠控制個(gè)體差異對(duì)測量的影響，減小個(gè)體沖擊對(duì)測量的干擾，使測量結(jié)果能更真實(shí)地反映實(shí)際情況，在一定程度上避免了個(gè)體差異帶來技術(shù)無效率；然而一旦生產(chǎn)函數(shù)設(shè)定錯(cuò)誤，SFA 極有可能導(dǎo)致錯(cuò)誤的研究結(jié)論［7］。因子分析定權(quán)法是一種以因子分析為前提和基礎(chǔ)的、確定原始指標(biāo)權(quán)重的方法，它所得到的權(quán)重值是指標(biāo)體系中各個(gè)指標(biāo)的權(quán)重，而不是傳統(tǒng)因子分析中得到的公因子或主成分的權(quán)重。因子分析定權(quán)法的權(quán)重雖然來自客觀數(shù)據(jù)，但由于它以因子分析為基礎(chǔ)，在因子個(gè)數(shù)的確定和提取時(shí)存在犧牲原始數(shù)據(jù)信息的缺陷［8］。趙炎等［9］采用模糊綜合評(píng)價(jià)的方法進(jìn)行研究，該方法在體現(xiàn)研究者的個(gè)人偏好和具體評(píng)價(jià)目的的需要等方面具有較好的表現(xiàn)，然而該方法主觀性過強(qiáng)，致使評(píng)價(jià)結(jié)果難具有較高的說服力。由于每種研究方法各具優(yōu)劣，而數(shù)據(jù)包絡(luò)分析是評(píng)價(jià)地區(qū)或城市科技創(chuàng)新效率的主流方法［10］，因此，本研究采用數(shù)據(jù)包絡(luò)分析方法來測算廣東省科技創(chuàng)新效率，以期能夠更準(zhǔn)確可靠地揭示廣東省科技創(chuàng)新的發(fā)展?fàn)顩r。

已有研究從內(nèi)容上看，主要分行業(yè)和地區(qū)進(jìn)行研究。晏蒙等［11］采用DEA 方法對(duì)我國各省份行業(yè)的科技創(chuàng)新效率進(jìn)行橫、縱向比較分析，研究表明我國工業(yè)科技創(chuàng)新平均綜合效率一般，并且區(qū)域間的差異隨著經(jīng)濟(jì)的發(fā)展在進(jìn)一步縮小。王義新等［12］利用DEA-Tobit 模型，基于價(jià)值鏈視角對(duì)我國36 個(gè)工業(yè)行業(yè)效率進(jìn)行分析，同時(shí)研究其影響因素，通過實(shí)證研究發(fā)現(xiàn)，研發(fā)階段平均效率較低，純技術(shù)無效率是導(dǎo)致整體效率偏低的主要原因，并發(fā)現(xiàn)科技創(chuàng)新投入并非越多越好，根據(jù)行業(yè)特點(diǎn)合理配置資源十分重要?？凳缇辏?3］采取基于SFA 修正的三階段DEA 模型對(duì)我國高技術(shù)產(chǎn)業(yè)下屬17 個(gè)行業(yè)的3個(gè)創(chuàng)新價(jià)值鏈環(huán)節(jié)的創(chuàng)新效率進(jìn)行測度，研究結(jié)果表明該產(chǎn)業(yè)創(chuàng)新投入要素呈現(xiàn)出行業(yè)間不均衡，創(chuàng)新活動(dòng)過程中也同樣呈現(xiàn)出結(jié)構(gòu)不均衡。喬元波等［14］采用三階段DEA 分析方法對(duì)我國30 個(gè)省、自治區(qū)、直轄市的科技創(chuàng)新效率進(jìn)行評(píng)價(jià)，研究發(fā)現(xiàn)我國中西部地區(qū)的科技創(chuàng)新效率與東部地區(qū)相比仍存在較大差異，中西部地區(qū)在提升科技創(chuàng)新效率方面有較大的發(fā)展空間，并且30 個(gè)省份的科技創(chuàng)新效率演變處于收斂過程中。朱鵬頤等［15］運(yùn)用超效率數(shù)據(jù)包絡(luò)分析視窗模型分析福建省9 個(gè)地級(jí)市科技創(chuàng)新效率的動(dòng)態(tài)變化，并揭示其變動(dòng)的深層次原因，研究表明福建省多數(shù)城市科技創(chuàng)新效率DEA 無效，提升空間較大，且技術(shù)進(jìn)步是制約福建省全要素生產(chǎn)率增長的主要因素。

綜上文獻(xiàn)分析可知，現(xiàn)有研究大多從國家和地區(qū)層面以及工業(yè)企業(yè)科技創(chuàng)新效率的視角進(jìn)行研究。本研究將立足廣東省級(jí)層面，從技術(shù)生態(tài)位階段角度研究科技創(chuàng)新效率。

2 指標(biāo)體系和模型的構(gòu)建

2.1 指標(biāo)體系的建立

本研究從技術(shù)生態(tài)位視角構(gòu)建科技創(chuàng)新效率指標(biāo)體系。技術(shù)生態(tài)位與科技創(chuàng)新的關(guān)聯(lián)性可描述為：為具有發(fā)展前景的科技創(chuàng)新研究構(gòu)建一個(gè)生態(tài)位保護(hù)空間（即技術(shù)生態(tài)位），通過反復(fù)的試錯(cuò)實(shí)驗(yàn)和利益相關(guān)者（新技術(shù)研究者和推動(dòng)者、企業(yè)、潛在用戶、政府及其他組織共同構(gòu)成的）社會(huì)網(wǎng)絡(luò)的學(xué)習(xí)過程，給予新技術(shù)孵化和發(fā)展成熟的機(jī)會(huì)［16］。研究科技創(chuàng)新效率，基于技術(shù)生態(tài)位的培育與孵化階段這一視角，科學(xué)地、合理地選擇培育、孵化每個(gè)階段的投入產(chǎn)出指標(biāo)，對(duì)于研究結(jié)果的呈現(xiàn)具有極其關(guān)鍵性的影響。本研究結(jié)合廣東省的實(shí)際情況與相關(guān)研究成果，遵循科學(xué)性、合理性和可操作性的原則，分別從培育與孵化階段的投入和產(chǎn)出兩個(gè)方面選擇相關(guān)測算指標(biāo)［17-18］。

在培育階段，投入指標(biāo)主要考慮政府為科技創(chuàng)新研究構(gòu)建生態(tài)位保護(hù)空間所投入的政策、人力、物力和財(cái)力等方面。其中，政策投入可以用科技政策文件制定數(shù)量來表示；人力投入可以用R&D 人員折合全時(shí)當(dāng)量來表示；物力投入可以用儀器設(shè)備費(fèi)用來表示；財(cái)力投入可以用R&D 經(jīng)費(fèi)支出中的基礎(chǔ)研究費(fèi)用等來表示。產(chǎn)出指標(biāo)主要考慮知識(shí)產(chǎn)權(quán)的申請(qǐng)、受理、授權(quán)以及科技論文發(fā)表量等方面，因?yàn)橹R(shí)產(chǎn)權(quán)是新知識(shí)與新技術(shù)產(chǎn)生的代表，在科技創(chuàng)新活動(dòng)中是中間產(chǎn)出成果的重要體現(xiàn)，是技術(shù)創(chuàng)新和科學(xué)技術(shù)發(fā)明的產(chǎn)物［19］。

在孵化階段，主要考慮政府、新技術(shù)研究者和推動(dòng)者為技術(shù)孵化投入的人力、物力、財(cái)力和技術(shù)。其中，人力投入表現(xiàn)為科技活動(dòng)人員折合全時(shí)當(dāng)量；財(cái)力投入表現(xiàn)為R&D 經(jīng)費(fèi)支出中的應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用等；物力投入表現(xiàn)為國家級(jí)科技企業(yè)孵化器數(shù)量；技術(shù)投入表現(xiàn)為培育階段的產(chǎn)出，為知識(shí)產(chǎn)權(quán)的申請(qǐng)、受理、授權(quán)以及科技論文發(fā)表量等。新技術(shù)孵化和發(fā)展成熟后給企業(yè)及社會(huì)帶來的效益就是科技創(chuàng)新的最終體現(xiàn)，因此，選擇新產(chǎn)品產(chǎn)值、新產(chǎn)品銷售收入、高新技術(shù)和先進(jìn)制造業(yè)增加值和工業(yè)利潤總額作為產(chǎn)出指標(biāo)。

本研究構(gòu)建的廣東省各地級(jí)市科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系如表1 所示。

表1 廣東省各地級(jí)市科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系

2.2 模型的構(gòu)建

2.2.1 DEA-BCC 模型

數(shù)據(jù)包絡(luò)分析是運(yùn)籌學(xué)、管理科學(xué)和數(shù)理經(jīng)濟(jì)學(xué)交叉研究的一個(gè)新的領(lǐng)域［20］，它是在1978 年由Charnes 等［4］創(chuàng)建的，該方法采用數(shù)學(xué)規(guī)劃模型，對(duì)含有多項(xiàng)輸入、多項(xiàng)輸出決策單元間的相對(duì)有效性進(jìn)行評(píng)價(jià)，本質(zhì)上是用于判斷決策單元是否位于生產(chǎn)可能集的前沿面上。生產(chǎn)前沿面是經(jīng)濟(jì)學(xué)中生產(chǎn)函數(shù)向多產(chǎn)出情況的一種推廣，使用DEA 方法和模型可以確定生產(chǎn)前沿面的結(jié)構(gòu)，因此又可將DEA 方法看作是一種非參數(shù)的統(tǒng)計(jì)估計(jì)方法［21-22］。

DEA 方法有4 個(gè)最具代表性的模型：CCR 模型、BCC 模型、FG 模型、ST 模型［4,23-25］。其中，BCC模型是分析在規(guī)模報(bào)酬可變的假設(shè)前提下決策單元的效率問題，所測算的效率包括綜合效率（crste）、純技術(shù)效率（vrste）和規(guī)模效率（scale）（三者之間的關(guān)系為：crste ＝vrste×scale），能夠?qū)Q策單元的技術(shù)有效性以及規(guī)模有效性呈現(xiàn)出來［26］，與本研究的實(shí)際情況更加相符，因此，本研究構(gòu)建的模型為DEA-BCC 模型。其基本形式見式（1）：

式（1）中：θ為決策單元的效率值；X和Y分別為投人指標(biāo)和產(chǎn)出指標(biāo)的觀察值；λ為決策單元的規(guī)模收益；n為決策單元個(gè)數(shù)，和分別為投入和產(chǎn)出指標(biāo)的松弛改進(jìn)量。當(dāng)θ=1，且==0 時(shí)，該決策單元為強(qiáng)有效的決策單元；當(dāng)θ=1，而、≠0 時(shí)，該決策單元為弱有效的決策單元，可能存在投入沉余；當(dāng)θ＜1，則該決策單元是無效的，應(yīng)該減少投入提高效率。

2.2.2 Tobit 模型

Tobit 模型是美國經(jīng)濟(jì)學(xué)家Tobit［27］于1958 年提出，又稱為截?cái)嗍交貧w模型（censored regression model），一開始用于研究耐用消費(fèi)品需求的經(jīng)濟(jì)計(jì)量學(xué)。在科技創(chuàng)新效率的研究中，通過DEA 測算出廣東省各地級(jí)市的科技創(chuàng)新效率，以科技創(chuàng)新效率作為因變量（被解釋變量）、各階段的影響因素（包括人力、物力等方面的投入）作為解釋變量（自變量）進(jìn)行回歸分析，并由解釋變量的系數(shù)判斷各種因素對(duì)因變量的影響方向及程度，對(duì)于有計(jì)劃地調(diào)整資源配置有著重要的理論研究價(jià)值和現(xiàn)實(shí)指導(dǎo)意義［28］。由于科技創(chuàng)新投入產(chǎn)出的技術(shù)效率數(shù)值處在0～1之間，若運(yùn)用最小二乘法，其參數(shù)估計(jì)會(huì)有嚴(yán)重的偏差，因而當(dāng)被解釋變量受到限制時(shí)，采用Tobit 模型進(jìn)行測算效果更佳。其基本形式見式（2）：

式（2）中：Yi為因變量；Xi為自變量；β為系數(shù)；εi為殘差。下文同。

3 實(shí)證分析

3.1 數(shù)據(jù)來源

本研究所用數(shù)據(jù)源于2016—2018 年的《廣東科技統(tǒng)計(jì)年鑒》和《廣東統(tǒng)計(jì)年鑒》?？紤]到科技創(chuàng)新培育階段和孵化階段的創(chuàng)新效率研究具有一定的時(shí)滯性，將培育階段和孵化階段從投入至產(chǎn)出的科技成果分別向后推移1 個(gè)數(shù)據(jù)統(tǒng)計(jì)周期（1 年）。即為當(dāng)培育階段（孵化階段）的投入指標(biāo)為第A年的數(shù)據(jù)，產(chǎn)出指標(biāo)選取的則是第A+1 年的數(shù)據(jù)。

3.2 指標(biāo)相關(guān)性驗(yàn)證

DEA 模型中一個(gè)重要的前提是“等張性”，即投入產(chǎn)出指標(biāo)之間要求顯著正相關(guān)，當(dāng)投入增加時(shí)候，產(chǎn)出也相應(yīng)的增加，因此需要對(duì)投入和產(chǎn)出的指標(biāo)進(jìn)行Pearson 相關(guān)系數(shù)的檢驗(yàn)，以確定指標(biāo)選取的合理性［29］。運(yùn)用SPSS 軟件進(jìn)行相關(guān)性分析，數(shù)據(jù)結(jié)果顯示（見表2 和表3）：科技創(chuàng)新在培育階段和孵化轉(zhuǎn)化階段的投入和產(chǎn)出指標(biāo)的相關(guān)系數(shù)比較高，同時(shí)在0.01 的水平下存在著顯著的正相關(guān)關(guān)系，說明本研究選取的指標(biāo)符合“等張性”前提，具有一定的合理性，能夠運(yùn)用該模型進(jìn)行研究分析。

表2 2016—2018 年廣東省各地級(jí)市科技創(chuàng)新培育階段投入與產(chǎn)出指標(biāo)的相關(guān)性檢驗(yàn)

表3 2016—2018 年廣東省各地級(jí)市科技創(chuàng)新孵化階段投入與產(chǎn)出指標(biāo)相關(guān)性檢驗(yàn)

3.3 DEA-BCC 模型的效率評(píng)價(jià)

運(yùn)用DEAP2.1 軟件，分別評(píng)價(jià)廣東省各地級(jí)市科技創(chuàng)新培育階段和孵化階段創(chuàng)新價(jià)值鏈的效率，具體結(jié)果如表4 所示。

表4 2016—2018 年廣東省各地級(jí)市科技創(chuàng)新效率評(píng)價(jià)結(jié)果

表4 （續(xù)）

從廣東省整體水平出發(fā)，采用兩階段綜合效率的平均值作為劃分的標(biāo)準(zhǔn)，分別按綜合效率0.658 和0.813 劃分高低，21 個(gè)地級(jí)市一共可劃分為4 種類型，分別是：A 類高培育效率-高孵化效率；B 類高培育效率-低孵化效率；C 類低培育效率-高孵化效率；D 類低培育效率-低孵化效率。如圖1 所示。

圖1 2016—2018 年廣東省各地級(jí)市綜合培育效率-綜合孵化效率分布

A 類型城市具有培育效率較高、孵化效率較高的特點(diǎn)，主要分兩類：一類具有高投入高產(chǎn)出、科技創(chuàng)新效率較高的特點(diǎn)，包括深圳和佛山。它們具有發(fā)展基礎(chǔ)堅(jiān)實(shí)、技術(shù)成果易于產(chǎn)業(yè)化的特點(diǎn)，當(dāng)?shù)乜萍紕?chuàng)新較為貼合市場實(shí)際需求，并且能對(duì)市場變化進(jìn)行快速響應(yīng)，科技創(chuàng)新成果的孵化效率比較高，未來主要發(fā)展方向是繼續(xù)保持和提升科技創(chuàng)新效率，爭取良性循環(huán)發(fā)展。另一類具有低投入、低產(chǎn)出的特點(diǎn)，包括河源、清遠(yuǎn)和茂名。這類城市的行業(yè)發(fā)展對(duì)于技術(shù)的要求較低，低投入低產(chǎn)出也是這類城市科技創(chuàng)新效率較高的原因。這類城市應(yīng)該結(jié)合行業(yè)發(fā)展方向，加強(qiáng)科技創(chuàng)新培育投入總量，引進(jìn)相關(guān)人才。

B 類型城市具有培育效率較高、孵化效率較低的特點(diǎn)。其中，對(duì)于廣州、珠海和中山，可能緣于城市科技創(chuàng)新的主要技術(shù)成果更趨向于專業(yè)化應(yīng)用領(lǐng)域，實(shí)現(xiàn)規(guī)模效益的難度較大，因而這些城市的科技創(chuàng)新主要處于難實(shí)現(xiàn)規(guī)模效益的專業(yè)化研究領(lǐng)域，因此這些城市在維持現(xiàn)有研發(fā)效率的基礎(chǔ)上應(yīng)該加大推進(jìn)技術(shù)成果產(chǎn)業(yè)化的力度，推動(dòng)當(dāng)?shù)乜萍紕?chuàng)新成果向生產(chǎn)力轉(zhuǎn)化；而像潮州、韶關(guān)、湛江和梅州，可能的原因是目前科技創(chuàng)新與當(dāng)?shù)禺a(chǎn)業(yè)需求的契合度較低，因此這些城市應(yīng)結(jié)合當(dāng)?shù)禺a(chǎn)業(yè)需求，轉(zhuǎn)換科技創(chuàng)新方向。

C 類型城市具有培育效率較低、孵化效率較高的特點(diǎn)。其中，揭陽、陽江和汕尾的產(chǎn)業(yè)投入產(chǎn)出比相對(duì)較高，緣于上述城市的產(chǎn)業(yè)大多具有技術(shù)附加值相對(duì)較低，且較容易實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)的特點(diǎn)，因此這些城市的產(chǎn)業(yè)發(fā)展應(yīng)重點(diǎn)加強(qiáng)建設(shè)科研基礎(chǔ)設(shè)施，從而提升科技創(chuàng)新培育階段的創(chuàng)新效率；而東莞、惠州和江門，其原因可能是當(dāng)?shù)氐漠a(chǎn)業(yè)發(fā)展依靠技術(shù)引進(jìn)，并且這些產(chǎn)業(yè)的技術(shù)相對(duì)較難突破。

D 類型城市具有培育效率較低、孵化效率也較低的特點(diǎn)，包括汕頭。汕頭可能緣于在科技創(chuàng)新孵化階段不重視技術(shù)的消化吸收，投資策略缺乏科學(xué)性、規(guī)劃性，并且大力發(fā)展在科技創(chuàng)新培育階段需要投入大量人力、物力、資金的產(chǎn)業(yè)，而這些產(chǎn)業(yè)發(fā)展在短時(shí)間內(nèi)很難在技術(shù)上實(shí)現(xiàn)重大突破的產(chǎn)業(yè)（如醫(yī)藥制造業(yè)、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)等），因此，汕頭應(yīng)盡力提高資源利用率并引進(jìn)相關(guān)技術(shù)。

綜合以上分析，廣東省各地級(jí)市科技創(chuàng)新投入與產(chǎn)出配置結(jié)構(gòu)亟待優(yōu)化。研究考察期間，廣東省各地級(jí)市科技創(chuàng)新綜合效率無效是純技術(shù)無效率與規(guī)模無效率雙重作用的結(jié)果。在科技創(chuàng)新培育階段，整體綜合平均效率僅為0.685，且有8 個(gè)地級(jí)市的綜合效率不足0.500，其中純技術(shù)效率偏低是綜合效率偏低的主要原因，充分說明廣東省科技創(chuàng)新基礎(chǔ)培育階段的研發(fā)實(shí)力在各個(gè)地級(jí)市的分配不均衡現(xiàn)象較為嚴(yán)重，科技新知識(shí)和新技術(shù)產(chǎn)出不足，需努力提高科技的產(chǎn)出水平，提升科技創(chuàng)新培育階段的效率。在孵化階段，整體綜合平均效率為0.813，也是科技創(chuàng)新綜合無效率的表現(xiàn)，主要是科技創(chuàng)新投入中存在資源浪費(fèi)、配置不佳的現(xiàn)象，需對(duì)資源進(jìn)行統(tǒng)籌規(guī)劃、合理布局，綜合利用科技創(chuàng)新與創(chuàng)業(yè)、產(chǎn)業(yè)化，使三者充分融合，以此來解決科技創(chuàng)新綜合無效率的局面。

3.4 Tobit 模型的實(shí)證分析

3.4.1 Tobit 回歸分析

Tobit 回歸模型的基本形式見式（3）（4）：

3.4.2 理論假設(shè)

在建立Tobit 模型時(shí)，將科技創(chuàng)新培育階段和孵化階段的綜合效率作為被解釋變量、投入指標(biāo)作為解釋變量。一般來說，人力、物力、財(cái)力以及政策等要素的投入越多，科技創(chuàng)新的成果就越顯著，但當(dāng)投入出現(xiàn)冗余時(shí)資源就可能會(huì)出現(xiàn)浪費(fèi)的情況，整體的效率也就會(huì)降低，因此本文從投入指標(biāo)的角度提出一系列相關(guān)假設(shè)，具體如表5 所示。

表5 本研究相關(guān)假設(shè)

3.4.3 實(shí)證結(jié)果與分析

利用EViews 軟件進(jìn)行Tobit 回歸分析，驗(yàn)證本研究提出的假設(shè)。具體數(shù)據(jù)結(jié)果如表6 所示。從表6 可看出，在科技創(chuàng)新培育階段，科技政策文件制定數(shù)量、R&D 人員折合全時(shí)當(dāng)量與科技創(chuàng)新效率存在正相關(guān)關(guān)系，即科技政策文件制定數(shù)量與R&D 人員折合全時(shí)當(dāng)量投入越多，科技創(chuàng)新效率越高，因此假設(shè)H1與H2成立；R&D 經(jīng)費(fèi)內(nèi)部支出-基礎(chǔ)研究費(fèi)用、儀器設(shè)備費(fèi)用與科技創(chuàng)新效率存在負(fù)相關(guān)關(guān)系，即R&D 經(jīng)費(fèi)內(nèi)部支出-基礎(chǔ)研究費(fèi)用與儀器設(shè)備費(fèi)用投入越多，資源浪費(fèi)越多，科技創(chuàng)新效率越低，因此假設(shè)H3與H4不成立。在科技創(chuàng)新孵化階段，科技活動(dòng)人員折合全時(shí)當(dāng)量、R&D 經(jīng)費(fèi)支出-應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用、國家級(jí)科技企業(yè)孵化器數(shù)量存在正相關(guān)關(guān)系，即科技活動(dòng)人員折合全時(shí)當(dāng)量、國家級(jí)科技企業(yè)孵化器數(shù)量、應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用投入越多，科技創(chuàng)新效率越高，因此假設(shè)H5、H6與H7成立，且三者對(duì)孵化階段科技效率的貢獻(xiàn)度為：應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用＞國家級(jí)科技企業(yè)孵化器數(shù)量＞科技活動(dòng)人員折合全時(shí)當(dāng)量；專利申請(qǐng)受理量、科技論文數(shù)與科技創(chuàng)新效率存在負(fù)相關(guān)關(guān)系，即專利申請(qǐng)受理量與科技論文數(shù)投入越多，科技效率越低，因此假設(shè)H8、H9不成立。

表6 本研究相關(guān)假設(shè)的Tobit 模型實(shí)證分析結(jié)果

4 結(jié)論與政策建議

本研究以廣東省各地級(jí)市為研究對(duì)象，從技術(shù)生態(tài)位視角出發(fā)構(gòu)建科技創(chuàng)新效率評(píng)價(jià)體系，運(yùn)用DEA-Tobit 模型分析各地市級(jí)的創(chuàng)新效率情況與影響因素。DEA 分析結(jié)果表明：廣東省各地級(jí)市科技創(chuàng)新效率存在明顯的區(qū)域差異，且在培育階段的平均綜合效率為0.685，孵化階段的平均綜合效率為0.813，孵化階段的整體科技創(chuàng)新效率高于培育階段，尤其是培育階段仍有較大的效率提升空間。Tobit 回歸分析結(jié)果表明：在培育階段，科技政策文件制定數(shù)量、R&D 人員折合全時(shí)當(dāng)量與科技創(chuàng)新效率存在正相關(guān)關(guān)系，而R&D 經(jīng)費(fèi)內(nèi)部支出-基礎(chǔ)研究費(fèi)用、儀器設(shè)備費(fèi)用與科技創(chuàng)新效率存在負(fù)相關(guān)關(guān)系，且科技政策文件數(shù)量的影響程度最大，科技政策文件數(shù)量每提高1%，科技創(chuàng)新效率能夠提高23.827%；在孵化階段，R&D 經(jīng)費(fèi)支出-應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用、國家級(jí)科技企業(yè)孵化器數(shù)量與科技創(chuàng)新效率存在正相關(guān)關(guān)系，而專利申請(qǐng)受理量、科技論文數(shù)與科技創(chuàng)新效率存在負(fù)相關(guān)關(guān)系，且R&D 經(jīng)費(fèi)支出-應(yīng)用研究與實(shí)驗(yàn)發(fā)展費(fèi)用的影響程度最大，其次是國家級(jí)科技企業(yè)孵化器數(shù)量，若兩要素分別增加1%的投入，則能使科技創(chuàng)新效率分別提升24.516%和17.359%。

根據(jù)上述結(jié)論，本研究從技術(shù)生態(tài)位的角度為促進(jìn)廣東省科技創(chuàng)新跨越“死亡之谷”提出相關(guān)政策建議：

（1）充分利用粵港澳協(xié)同創(chuàng)新優(yōu)勢提供知識(shí)產(chǎn)權(quán)保障。統(tǒng)籌協(xié)調(diào)廣東省產(chǎn)業(yè)跨區(qū)域間的創(chuàng)新合作，充分利用廣東省各類科研設(shè)備、樣品樣本、科技創(chuàng)新載體平臺(tái)等資源，結(jié)合香港、澳門的金融、知識(shí)產(chǎn)權(quán)服務(wù)和高端人才等優(yōu)勢，建設(shè)粵港澳大灣區(qū)知識(shí)產(chǎn)權(quán)交易和服務(wù)中心，推動(dòng)粵港澳三地知識(shí)創(chuàng)新、科技應(yīng)用和金融服務(wù)的協(xié)同發(fā)展，建立知識(shí)產(chǎn)權(quán)服務(wù)保障體系，為三地創(chuàng)新技術(shù)知識(shí)產(chǎn)權(quán)的落地應(yīng)用提供制度保障。

（2）構(gòu)建需求導(dǎo)向的科技成果培育與轉(zhuǎn)化服務(wù)平臺(tái)。通過建立企業(yè)最新需求庫與企業(yè)直接溝通，有利于研發(fā)主體進(jìn)行有針對(duì)性的開發(fā)，并根據(jù)科研方向定期有針對(duì)性地推送企業(yè)需求，使科研活動(dòng)更有方向性；提供專業(yè)的科研成果產(chǎn)業(yè)化咨詢，由技術(shù)轉(zhuǎn)移咨詢專員幫助規(guī)劃科研成果產(chǎn)業(yè)化路徑，針對(duì)不同科研成果提供定制化產(chǎn)業(yè)落地方案。通過高效對(duì)接科技成果研發(fā)與市場化環(huán)節(jié)，實(shí)現(xiàn)資源互通，加速科技成果轉(zhuǎn)移轉(zhuǎn)化。

（3）加大政府對(duì)基礎(chǔ)研究的直接和間接投資，引導(dǎo)民間資金資助科技創(chuàng)新活動(dòng)。根據(jù)《科學(xué)技術(shù)指標(biāo)2019》，我國每年R&D 經(jīng)費(fèi)中基礎(chǔ)研究比重均較低，2017 年僅為5.5%，遠(yuǎn)低于美國（17%）、日本（15.7%）、韓國（14.5%）［30］。可見廣東省應(yīng)進(jìn)一步加大對(duì)基礎(chǔ)研究的財(cái)政投入。此外，可適當(dāng)借鑒歐美經(jīng)驗(yàn)創(chuàng)新資助方式，充分發(fā)揮資本市場力量，將政府資金投入金融市場轉(zhuǎn)變?yōu)殚g接的股權(quán)、債權(quán)形式，通過融資途徑引導(dǎo)民間資金流向科技創(chuàng)新活動(dòng)。同時(shí)，政府可與金融機(jī)構(gòu)同擔(dān)風(fēng)險(xiǎn)進(jìn)行共同資助，通過政府與銀行等金融機(jī)構(gòu)共同出資建立投資公司等，對(duì)科技創(chuàng)新活動(dòng)進(jìn)行投資。

（4）提高企業(yè)在基礎(chǔ)科研體系中的地位，引導(dǎo)企業(yè)加強(qiáng)原始性創(chuàng)新研究。2017 年我國R&D 經(jīng)費(fèi)中企業(yè)投入占比高達(dá)39.4%，但在基礎(chǔ)研究投入部分企業(yè)投入占比卻不足4%，基礎(chǔ)研究經(jīng)費(fèi)以中央財(cái)政投入為主，而新興工業(yè)化國家如韓國（約57.4%）、日本（約37%）等國家的基礎(chǔ)研究中企業(yè)投入均占比較高［30］。因此，廣東省應(yīng)從執(zhí)行主體結(jié)構(gòu)完善基礎(chǔ)研究體系，提高企業(yè)在基礎(chǔ)科研中的比例。對(duì)從事關(guān)鍵技術(shù)、核心技術(shù)基礎(chǔ)科研的企業(yè)給予一定的稅收優(yōu)惠和補(bǔ)貼；同時(shí)，通過政府技術(shù)采購、財(cái)政撥款、商業(yè)采購等多種方式降低企業(yè)研發(fā)風(fēng)險(xiǎn)，以政府資金為引力推動(dòng)企業(yè)資金注入科技創(chuàng)新中。

（5）扶持設(shè)立服務(wù)于科技創(chuàng)新的金融公司。鼓勵(lì)金融機(jī)構(gòu)積極加強(qiáng)對(duì)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等信息技術(shù)的運(yùn)用，優(yōu)化信貸流程和信用評(píng)價(jià)模型，打造數(shù)據(jù)化、自動(dòng)化、智能化的金融服務(wù)模式，并加速科技成果產(chǎn)業(yè)化。

（6）注重學(xué)科融合創(chuàng)新和執(zhí)行主體協(xié)同創(chuàng)新。注重學(xué)科交叉，知識(shí)、技術(shù)、產(chǎn)業(yè)之間深度融合，整合企業(yè)、高等院校、科研機(jī)構(gòu)等創(chuàng)新研發(fā)載體優(yōu)質(zhì)資源，鼓勵(lì)高等院校、科研院所與企業(yè)合作建設(shè)一批重點(diǎn)實(shí)驗(yàn)室、工程研究中心和技術(shù)創(chuàng)新平臺(tái)，在細(xì)分行業(yè)產(chǎn)業(yè)鏈、創(chuàng)新鏈、價(jià)值鏈關(guān)鍵核心領(lǐng)域開展創(chuàng)新項(xiàng)目合作，推動(dòng)創(chuàng)新成果轉(zhuǎn)化，形成全產(chǎn)業(yè)創(chuàng)新鏈。