吳道友 夏 雨 畢利娜

(1.浙江財經(jīng)大學(xué) 工商管理學(xué)院，浙江 杭州 310018;2.浙江財經(jīng)大學(xué) 人力資源管理研究所，浙江 杭州 310018)

一、引言

創(chuàng)新是引領(lǐng)發(fā)展的第一動力?？萍紕?chuàng)新是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的關(guān)鍵環(huán)節(jié)，促進(jìn)科技自主創(chuàng)新對新時代我國科技發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級等都會起到重要作用。自改革開放以來，我國科技創(chuàng)新能力顯著提升?，F(xiàn)在，我國對科技創(chuàng)新提出更高的目標(biāo)，即到中華人民共和國成立100年時成為世界科技創(chuàng)新強(qiáng)國。

中國東部地區(qū)處于科技創(chuàng)新發(fā)展的前沿，一直是我國關(guān)注的重點區(qū)域。十九大報告指出，要實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略。其中，強(qiáng)調(diào)要率先實現(xiàn)東部地區(qū)優(yōu)化發(fā)展，繼而促進(jìn)東部帶動中西部，建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機(jī)制。各地也在不斷增加科技創(chuàng)新資源投入，力圖增強(qiáng)自身創(chuàng)新能力。然而，我國東部地區(qū)各省市自主創(chuàng)新能力如何？科技自主創(chuàng)新效率達(dá)到何種水平？是否能以示范作用帶領(lǐng)中西部科技創(chuàng)新？這些問題還需探究。

因此，本文在此背景下，以中國東部11個省市為研究對象，研究我國東部科技自主創(chuàng)新投入產(chǎn)出效率，探討人、財、物等資源投入是否得到充分有效利用，科技創(chuàng)新投入是否實現(xiàn)了最大化產(chǎn)出以及影響投入產(chǎn)出效率的因素。了解影響科技自主創(chuàng)新效率提升的原因，對調(diào)整投入結(jié)構(gòu)，合理、有效地利用現(xiàn)有資源具有重要意義。本文以期為我國今后推動科技自主創(chuàng)新，實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展等方面提供科學(xué)參考。

二、文獻(xiàn)綜述

本文主要探討的是我國東部地區(qū)各省市的自主科技創(chuàng)新能力和科技創(chuàng)新效率，因此對以往關(guān)于科技創(chuàng)新效率、科技創(chuàng)新能力、科技創(chuàng)新的綜合評價的研究進(jìn)行梳理。

(一)科技創(chuàng)新效率

科技創(chuàng)新效率是指科技投入與產(chǎn)出的比率，用以衡量科技資源投入的有效性。Carayannisa等通過對其他學(xué)者以往的研究發(fā)現(xiàn)，DEA方法在測量國家科技創(chuàng)新效率上是行之有效的[1]。當(dāng)前，諸多學(xué)者基于不同的DEA模型對不同對象的科技創(chuàng)新效率展開了一系列的研究。一方面，學(xué)者對我國整體科技創(chuàng)新效率進(jìn)行了研究。葉祥松等構(gòu)建超越對數(shù)生產(chǎn)函數(shù)并使用隨機(jī)前沿分析法測算了中國30個地區(qū)的創(chuàng)新效率[2]。李政等采用超效率DEA法對科技創(chuàng)新效率進(jìn)行測量，在此基礎(chǔ)上分析了政府參與對區(qū)域創(chuàng)新效率的影響[3]。劉漢初等構(gòu)建包括科技經(jīng)費、科技人員、論文與專利、產(chǎn)品增加值和銷售額在內(nèi)的投入產(chǎn)出指標(biāo)來評價科技創(chuàng)新效率，采用VRS模型評估了我國30個省市的科技創(chuàng)新效率，揭示創(chuàng)新效率的變化趨勢及空間分異規(guī)律[4]。田紅宇等用DEA技術(shù)計算我國30個省市的科技創(chuàng)新效率[5]。趙麗娟運用超對數(shù)SFA模型和面板門檻模型分析我國農(nóng)業(yè)科技創(chuàng)新效率[6]。

另一方面，對某一城市或地區(qū)的科技創(chuàng)新效率的研究也較為豐富。蘇日古嘎等基于廣義DEA模型對“一帶一路”重點省區(qū)企業(yè)科技創(chuàng)新效率進(jìn)行評價，并對“一帶一路”沿線省區(qū)創(chuàng)新效率進(jìn)行了比較，提出了平衡各省區(qū)的科技創(chuàng)新投入，提升創(chuàng)新效率的建議[7]。王默等構(gòu)建了以創(chuàng)新投入、創(chuàng)新中介服務(wù)與知識成果和創(chuàng)新績效產(chǎn)出為二級指標(biāo)的創(chuàng)新評價指標(biāo)體系，并采用共享投入型兩階段DEA模型對長三角地區(qū)10個創(chuàng)新型城市的創(chuàng)新效率進(jìn)行評價[8]。席增雷等運用Malmquist TFP模型對京津冀地區(qū)的科技創(chuàng)新效率進(jìn)行了評價[9]。危懷安等采用DEA兩階段模型，研究了武漢城市圈科技創(chuàng)新和經(jīng)濟(jì)產(chǎn)出兩階段的綜合效率，并對中心城市和成員城市進(jìn)行了對比分析[10]。

(二)科技創(chuàng)新能力

科技創(chuàng)新能力是指企事業(yè)單位、機(jī)構(gòu)或個人等在某一科學(xué)技術(shù)領(lǐng)域具備發(fā)明創(chuàng)新的綜合實力。在科技創(chuàng)新能力測評上，吳丹等分析了包括中國在內(nèi)的11個國家1991—2014年的科技創(chuàng)新能力差異[11]。顧偉男等分析了我國35個中心城市2000—2015年的科技創(chuàng)新能力的演變特征[12]。陳國宏等基于改進(jìn)的“縱橫向”拉開檔次動態(tài)綜合評價法，對中國31個省市的科技創(chuàng)新能力進(jìn)行了動態(tài)綜合評價[13]。姜文仙采用灰色關(guān)聯(lián)度方法，分析了廣東省在2000—2013年間的科技創(chuàng)新能力[14]。

在科技創(chuàng)新能力模型構(gòu)建上，于小琳等構(gòu)建科技創(chuàng)新能力評價模型，選取投入、產(chǎn)出、資源和環(huán)境四個一級指標(biāo)，采用比較分析法，評價了山東、江蘇、浙江和廣東四個省的科技創(chuàng)新能力[15]。陳耀等認(rèn)為科技創(chuàng)新能力除了主要的投入和產(chǎn)出指標(biāo)之外，還需考慮創(chuàng)新基礎(chǔ)、科研活動和成果產(chǎn)出等方面，并在此基礎(chǔ)上構(gòu)建了科技創(chuàng)新能力評價指標(biāo)體系，運用熵權(quán)TOPSIS模型對我國31個省區(qū)的農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新能力進(jìn)行了實證分析[16]。覃艷華等從人口及經(jīng)濟(jì)基礎(chǔ)、科技人力資源、科研經(jīng)費投入、科技創(chuàng)新載體和科技產(chǎn)出與技術(shù)交易5個方面綜合分析粵港澳城市群科技創(chuàng)新能力[17]。楊玄酯等依據(jù)相關(guān)性、可比性和易獲取性的原則，構(gòu)建了包括科技創(chuàng)新需求、資源、技術(shù)和制度在內(nèi)的四維度指標(biāo)體系，基于生態(tài)位視角分析長江經(jīng)濟(jì)帶科技創(chuàng)新競爭力[18]。

(三)科技創(chuàng)新的綜合評價

除了以科技創(chuàng)新效率和科技創(chuàng)新能力為主的研究文獻(xiàn)外，還有部分學(xué)者從科技創(chuàng)新發(fā)展階段、政策效率等方面進(jìn)行了綜合分析。李黎明等將創(chuàng)新驅(qū)動發(fā)展評價分為創(chuàng)新發(fā)展和全面發(fā)展兩階段評價。其中，創(chuàng)新發(fā)展階段包括技術(shù)創(chuàng)新、制度創(chuàng)新、文化創(chuàng)新、創(chuàng)新發(fā)展4個評價指標(biāo)，而在全面發(fā)展階段則再加上協(xié)調(diào)發(fā)展、綠色發(fā)展、開放發(fā)展和共享發(fā)展這4個指標(biāo)[19]。袁健紅等分析了1978年以來江蘇省科技創(chuàng)新的階段性特征與成就經(jīng)驗[20]。閻東彬?qū)萍紕?chuàng)新政策效率進(jìn)行了評價體系構(gòu)建，其中投入指標(biāo)包括總科技投入情況、科技人員和機(jī)構(gòu)、科技固定投資和規(guī)模以上工業(yè)企業(yè)研發(fā)投入四個指標(biāo)類別，產(chǎn)出指標(biāo)包括全省科學(xué)技術(shù)獎勵、專利與發(fā)明、國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)企業(yè)研發(fā)與應(yīng)用成果和技術(shù)市場交易量五個指標(biāo)類別[21]。李文輝等以我國高校為研究對象，綜合分析了2004—2016年科技創(chuàng)新能力、效率以及經(jīng)濟(jì)貢獻(xiàn)率現(xiàn)狀[22]。

綜上可知，現(xiàn)有文獻(xiàn)圍繞科技創(chuàng)新效率和科技創(chuàng)新能力展開了一系列研究，其中以整個國家或者某一省市作為主體對象的研究居多，對我國東部地區(qū)科技創(chuàng)新效率和能力的研究較為少見。東部省市作為領(lǐng)跑我國科技創(chuàng)新發(fā)展的核心區(qū)域，在帶動我國中西部科技發(fā)展上起著重要作用，同時也是我國區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的關(guān)鍵組成部分之一。然而，我國東部地區(qū)科技創(chuàng)新效率、區(qū)域內(nèi)協(xié)調(diào)程度還尚未明確。因此，本研究以我國東部地區(qū)為研究區(qū)域，利用三階段DEA模型對我國東部11個省市的科技創(chuàng)新效率進(jìn)行測算分析，以期為我國東部地區(qū)提高科技創(chuàng)新效率提供科學(xué)參考。

三、研究方法

數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis, DEA)方法是Charnes等人于1978年提出的一種用來評價決策單元(Decision Making Analysis, DMA)相對有效性的數(shù)學(xué)線性規(guī)劃方法[23]，主要應(yīng)用于測算當(dāng)非營利組織有多個投入指標(biāo)和多個產(chǎn)出指標(biāo)時的運行效率。近年來，不少學(xué)者采用DEA方法研究資源配置問題，在全要素生產(chǎn)效率評估和能源效率評估等實際問題的分析上起到了重要作用。三階段DEA模型是由Fried等提出的[24]，當(dāng)外部環(huán)境因素和隨機(jī)因素會對決策單元效率產(chǎn)生影響時，相較于其他DEA方法，采用三階段DEA模型可以排除這些因素的影響，從而可以得到更為準(zhǔn)確的效率值。

在第一階段，進(jìn)行初始效率評價。本文選用基于投入導(dǎo)向的傳統(tǒng)DEA模型(BCC模型)計算各決策單元的科技自主創(chuàng)新效率，表示為線性規(guī)劃問題時如公式(1)所示。

minθ0

(1)

s.t.λXT+t-≤θ0X0

YT-t+≥Y0

Σλi=1

λ≥0

其中λ表示由λi組成的i×1常數(shù)向量，t為松弛變量。該模型的最優(yōu)解為θ0，λi，t-，t+，當(dāng)公式(1)的最優(yōu)值θ0=1，t-=t-=0時，決策單元是BCC有效的；當(dāng)θ0=1，但不滿足t-=t-=0時，決策單元是BCC弱有效的；若θ0≠1，則決策單元是BCC無效的。在第一階段，可以得到各決策單元的綜合效率、純技術(shù)效率和規(guī)模效率。其中，綜合效率值為純技術(shù)效率和規(guī)模效率的乘積。當(dāng)綜合效率值為1時，表示決策單元處于技術(shù)和規(guī)模的前沿面，此時的投入規(guī)模無需進(jìn)行增減；當(dāng)綜合效率值小于1時，表示決策單元在管理水平或投入規(guī)模上還存在調(diào)整空間，此時模型中存在松弛變量。這一階段得到的松弛變量值用于第二階段SFA回歸分析。

在第二階段，構(gòu)建似SFA研究模型。Fried(2002)認(rèn)為，決策單元的績效受到管理無效率、環(huán)境因素和統(tǒng)計噪聲的影響。因此，本階段運用SFA回歸模型來分離這三種影響，并計算調(diào)整后的投入值?；貧w函數(shù)如公式(2)所示。

Sni=f(Zi;βn)+vni+μni；i=1,2,…，I；n=1,2,…,N

(2)

其中，Sni是第i個決策單元第n項投入的松弛值；Zi是環(huán)境變量，βn是環(huán)境變量的系數(shù)；vni+μni是混合誤差項，vni是隨機(jī)干擾，表示隨機(jī)干擾因素對投入松弛變量的影響；μni是管理無效率，表示管理因素對投入松弛變量的影響。其中，vni服從正態(tài)分布。

在第三階段，再次運用傳統(tǒng)DEA模型對調(diào)整后的投入產(chǎn)出值進(jìn)行測算，得到各決策單元調(diào)整后的效率值。此時，環(huán)境因素和隨機(jī)因素的影響已經(jīng)被排除，得到的效率值是相對真實準(zhǔn)確的，因此各省市的科技自主創(chuàng)新效率水平也較為接近實際。

四、指標(biāo)選取和數(shù)據(jù)來源

本文所運用的數(shù)據(jù)指標(biāo)分為投入產(chǎn)出指標(biāo)和環(huán)境變量指標(biāo)，本研究的數(shù)據(jù)主要來自國家統(tǒng)計局官網(wǎng)。具體如下：

(一)投入產(chǎn)出指標(biāo)選取

科技自主創(chuàng)新效率反映了科技資源的配置情況與資源價值實現(xiàn)程度。科技自主創(chuàng)新效率體現(xiàn)著科技資源的綜合利用程度，與一定范圍內(nèi)科技經(jīng)費、勞動力和基礎(chǔ)設(shè)施投入以及當(dāng)?shù)厣鐣⒔?jīng)濟(jì)效益密切相關(guān)。因此，在科技自主創(chuàng)新效率評價指標(biāo)選取方面，本文基于前人研究[25-26]，同時遵循指標(biāo)的代表性和可獲取性原則，從資本、勞動力及基礎(chǔ)設(shè)施的投入和科技產(chǎn)出兩方面構(gòu)建評價體系。投入指標(biāo)選取R&D全時當(dāng)量人數(shù)、R&D經(jīng)費日常支出、儀器設(shè)備共3項，分別用來衡量勞動力投入、資本投入和基礎(chǔ)設(shè)施投入；產(chǎn)出指標(biāo)選取論文、科技著作、有效發(fā)明專利數(shù)共3項指標(biāo)，前兩項統(tǒng)一用來衡量論文方面的產(chǎn)出，后者用來衡量專利產(chǎn)出。

(二)環(huán)境變量指標(biāo)選取

環(huán)境變量是指能夠影響投入產(chǎn)出效率的外生變量。在選取環(huán)境變量時，需要遵循“分離假設(shè)”的要求，即環(huán)境變量會對投入產(chǎn)出效率產(chǎn)生影響，但同時在短時間內(nèi)不能發(fā)生主觀上的更改或預(yù)測。以往研究發(fā)現(xiàn)，科技自主創(chuàng)新效率會受到外部各種因素的影響，李沃源[27]和陳林生[28]等學(xué)者專門就科技創(chuàng)新環(huán)境進(jìn)行研究，綜合考慮了包括經(jīng)濟(jì)、基礎(chǔ)設(shè)施、人文教育、政策、市場、文化等在內(nèi)的因素。本文根據(jù)已有的研究成果，考察科技發(fā)展水平、教育水平、政府支持和成果保護(hù)四個方面對科技自主創(chuàng)新效率可能產(chǎn)生的影響。首先，地區(qū)的科技發(fā)展水平和教育水平會影響科技資源轉(zhuǎn)向科技創(chuàng)新的效率和能力，一般來說，地區(qū)科技發(fā)展水平和教育水平越高，科技自主創(chuàng)新能力也越強(qiáng)。其次，政府行為也會影響科技創(chuàng)新，主要體現(xiàn)在政府支持力度和對科技成果的保護(hù)力度上，前者會影響科技創(chuàng)新的投入，后者會影響科技成果的持續(xù)產(chǎn)出。上述投入、產(chǎn)出和環(huán)境變量指標(biāo)與測量具體見表1。

表1 中國東部地區(qū)科技自主創(chuàng)新效率評價指標(biāo)體系

(三)數(shù)據(jù)來源及處理

根據(jù)國家統(tǒng)計局2011年公布的《東西中部和東北地區(qū)劃分方法》，本文的研究對象包括東部地區(qū)的北京市、天津市、河北省、遼寧省、廣東省、山東省、上海市、江蘇省、福建省、浙江省、海南省共11個省市。選擇2013—2017年作為樣本研究時間，研究東部地區(qū)科技自主創(chuàng)新效率。本研究中全部投入產(chǎn)出指標(biāo)以及環(huán)境變量指標(biāo)中的政府資金和R&D經(jīng)費內(nèi)部支出來自《中國科技統(tǒng)計年鑒》。環(huán)境變量指標(biāo)中的每10萬人口高等教育學(xué)校平均在校生數(shù)取自《中國統(tǒng)計年鑒》，綜合科技進(jìn)步水平指數(shù)取自《全國及各地區(qū)科技進(jìn)步統(tǒng)計監(jiān)測結(jié)果》和《國家創(chuàng)新指數(shù)報告》，全國與各地區(qū)的專利授權(quán)數(shù)量和知識產(chǎn)權(quán)執(zhí)法案件數(shù)量取自《國家知識產(chǎn)權(quán)局統(tǒng)計年報》。

五、實證結(jié)果分析

本文采用DEA模型來進(jìn)行三階段分析。在第一階段進(jìn)行原始投入產(chǎn)出效率分析；在第二階段進(jìn)行隨機(jī)前沿回歸分析；在第三階段進(jìn)行調(diào)整后投入產(chǎn)出效率分析。

(一)第一階段原始投入產(chǎn)出效率分析

在第一階段，運用Deap2.1軟件對投入產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行計算，得到我國東部11個省市科技自主創(chuàng)新投入產(chǎn)出的原始效率。通過表2的結(jié)果，本研究得出以下幾個結(jié)論。

1.2013—2016年間的平均綜合技術(shù)效率呈上升態(tài)勢。

綜合技術(shù)效率是對決策單元的資源配置效率等多方面的綜合評價。在不考慮環(huán)境因素的影響時，我國東部11個省市科技自主創(chuàng)新投入產(chǎn)出的平均綜合效率在0.75-0.85之間，從2013年至2016年呈現(xiàn)持續(xù)的上升趨勢，到2016年達(dá)到最高點，為0.842。其中，浙江省和海南省在這5年間的綜合效率均為1，表明了這兩個城市的科技自主創(chuàng)新效率處在技術(shù)效率前沿面上。北京和上海的綜合技術(shù)效率較高，5年間的綜合效率均超過0.8。而天津、河北和山東的綜合技術(shù)效率水平則相對較低，5年間的綜合效率均未超過0.7。我國東部科技自主創(chuàng)新效率在2017年有所下降，主要原因是北京和遼寧相較于2016年退出技術(shù)效率前沿面，下降水平超過0.2，上海的綜合技術(shù)效率也出現(xiàn)較明顯下降。綜合技術(shù)效率較低說明了決策單元在投資分配、管理水平等方面均有較大的提升空間。

2.平均純技術(shù)效率在2013—2017年間基本保持穩(wěn)定。

純技術(shù)效率是由管理和技術(shù)所帶來的效率，由表2可知，東部11個省市5年間的平均純技術(shù)效率基本保持在8.7左右，處于較高水平。其中，北京、浙江、海南和遼寧5年間的純技術(shù)效率均為1，說明這些城市在目前的技術(shù)水平上，其投入資源的使用是有效率的。上海、江蘇和廣東5年間的純技術(shù)效率在0.8以上，福建的純技術(shù)效率則呈現(xiàn)上升態(tài)勢，從2013年的0.698到2016年達(dá)到0.852。而山東和天津的純技術(shù)效率相對較低，但天津在2017年有較為明顯的上升，達(dá)到0.722。

3.東部11個省市還需優(yōu)化生產(chǎn)規(guī)模以提高創(chuàng)新效率。

從表2中可以看出，在不考慮環(huán)境因素的影響時，大部分城市的科技自主創(chuàng)新效率還未達(dá)到最優(yōu)，但造成的原因有所不同。從整體上看，除了浙江和海南，有超過一半的省市規(guī)模報酬處于遞減階段，這些省市的資源投入規(guī)模需要調(diào)整。其中， 北京、 廣東和遼寧近5年的純技術(shù)效率都達(dá)到1，說明這3個城市主要需要通過調(diào)整投入規(guī)模來提升效率。而天津、河北、江蘇、福建和山東的純技術(shù)效率未達(dá)平均值，除了投入規(guī)模需要調(diào)整以外，其內(nèi)部管理水平還需提升。

表2 第一階段中國東部科技自主創(chuàng)新投入產(chǎn)出效率

(二)第二階段隨機(jī)前沿回歸分析

在第二階段，構(gòu)建隨機(jī)前沿SFA模型，利用Frontier4.1軟件進(jìn)行SFA回歸分析。其中，科技自主創(chuàng)新的3個投入指標(biāo)的松弛變量是被解釋變量，科技發(fā)展水平、教育水平、政府支持和成果保護(hù)是解釋變量，回歸分析結(jié)果如表3所示。

從表3可以看出，三個投入指標(biāo)的松弛變量的γ值均大于0.9，且都在1%水平下顯著，這充分驗證了我國東部地區(qū)科技自主創(chuàng)新效率確實受到外部環(huán)境因素和隨機(jī)因素的影響，且管理因素對科技自主創(chuàng)新效率的影響占據(jù)主導(dǎo)地位。因此，應(yīng)進(jìn)一步將管理因素和隨機(jī)因素剝離分析。除了結(jié)果顯著以外，各個環(huán)境因素對應(yīng)參數(shù)值的正負(fù)也將影響決策單元的DEA效率。當(dāng)參數(shù)值為正時，環(huán)境因素不利于決策單元DEA效率的提升；當(dāng)參數(shù)值為負(fù)時，環(huán)境因素有利于決策單元效率提升。以下對科技發(fā)展水平、教育水平、政府支持和成果保護(hù)四個環(huán)境因素進(jìn)行了具體分析。

表3 第二階段中國東部科技自主創(chuàng)新效率SFA回歸結(jié)果

1.科技發(fā)展水平

從表3可以看出，科技發(fā)展水平對人員投入、資金投入和基礎(chǔ)設(shè)施的松弛變量的回歸系數(shù)均大于0，這表明科技發(fā)展水平越高，會使得地區(qū)不斷增加人員、資金和基礎(chǔ)設(shè)施的投入，從而導(dǎo)致這些投入變量冗余增加。從現(xiàn)實情況來看，科技水平越發(fā)達(dá)的地區(qū)，越要利用好現(xiàn)有的投入經(jīng)費和基礎(chǔ)設(shè)施資源，不能盲目追求科技人才人數(shù)和資金投入的增加，以免造成資源浪費。

2.教育水平

從回歸結(jié)果中得知，教育水平對人員投入和基礎(chǔ)設(shè)施的松弛變量的回歸系數(shù)小于0，這表明教育水平的提高帶來了人員、資金和基礎(chǔ)設(shè)施投入松弛變量的節(jié)約，地區(qū)教育水平越高越有利于科技資源的優(yōu)化配置。

3.政府支持

表3中的數(shù)據(jù)顯示，政府支持對人員投入和基礎(chǔ)設(shè)施的松弛變量的回歸系數(shù)大于0，對資金投入松弛變量的回歸系數(shù)小于0。這表明，政府支持會帶來資金投入松弛變量的節(jié)約，這使政府更注重在勞動力和基礎(chǔ)設(shè)施上的支出。

4.成果保護(hù)

由表3可以看出，成果保護(hù)對人員投入、資金投入和基礎(chǔ)設(shè)施的松弛變量的回歸系數(shù)均小于0，表明成果保護(hù)能減少人員、資本和基礎(chǔ)設(shè)施三大投入松弛變量所產(chǎn)生的浪費，提升科技自主創(chuàng)新效率水平。

從上述結(jié)果分析來看，環(huán)境因素會對效率產(chǎn)生影響，同時，在不同環(huán)境條件下，決策單元受到的影響也會存在差異。因此，本研究基于第二階段的結(jié)果對各決策單元的原始投入進(jìn)行相應(yīng)調(diào)整，排除環(huán)境影響后再測算各省市的科技自主創(chuàng)新效率。

(三)第三階段調(diào)整后投入產(chǎn)出效率分析

根據(jù)第二階段得到的調(diào)整后投入變量和原始產(chǎn)出變量，再次運用DEA-BCC模型測算出2013—2017年中國東部11個省市在相同環(huán)境下的科技自主創(chuàng)新效率水平，如表4所示。通過結(jié)果數(shù)據(jù)可以看出， 各省市的綜合效率、 純技術(shù)效率均出現(xiàn)了一定變化，具體體現(xiàn)在以下三個方面。

表4 第三階段中國東部科技自主創(chuàng)新投入產(chǎn)出效率

1.我國東部整體科技自主創(chuàng)新效率被高估。

由表4可以看出，考慮環(huán)境因素后，除了2017年以外，其余年份我國東部11個省市的平均綜合技術(shù)效率出現(xiàn)下降，2013—2016年間均未超過0.8。主要原因是歷年純技術(shù)效率上升至0.9以上，但純技術(shù)效率上升的水平未超過規(guī)模效率下降的水平，這表明提升東部整體科技自主創(chuàng)新效率的關(guān)鍵還在于規(guī)模優(yōu)化。其中，海南省的綜合技術(shù)效率出現(xiàn)明顯下降，退出有效前沿面，表明調(diào)整前的值受有利環(huán)境因素影響較大，真實效率被高估。然而，海南省的純技術(shù)效率仍保持在1，說明海南省目前對科技資源的使用是有效的，但是資源投入規(guī)模還需要做出調(diào)整。

2.東部各省市科技自主創(chuàng)新效率變化明顯。

由表4數(shù)據(jù)可知，在調(diào)整投入后，2013年到2017年浙江省的綜合技術(shù)效率仍為1，表明浙江省確實處在技術(shù)有效的生產(chǎn)前沿上，不受環(huán)境因素的影響。此外，除了上述提到海南省的科技自主創(chuàng)新出現(xiàn)較為顯著的下降外，其他省市在消除環(huán)境因素的影響后，科技自主創(chuàng)新效率均出現(xiàn)不同程度的上升或下降。其中，北京的綜合技術(shù)效率在5年間達(dá)到1，達(dá)到有效前沿面。天津、河北、江蘇、山東調(diào)整后的綜合技術(shù)效率在整體上出現(xiàn)上升，其中河北上升最為顯著，到2017年綜合技術(shù)效率達(dá)到0.952，較之前增長了0.362，但天津與山東的綜合技術(shù)效率仍然偏低，5年間不超過0.7。上海的綜合技術(shù)效率雖然出現(xiàn)了下降，但仍然保持較高水平，5年間的綜合技術(shù)效率均為0.8以上。而廣東和福建的綜合技術(shù)效率在2013年到2015年間有所提升，近兩年則出現(xiàn)了下降。

3.規(guī)模優(yōu)化是提升科技自主創(chuàng)新效率的首要任務(wù)。

從表4可以看出，在考慮環(huán)境因素后，我國東部11個省市的綜合技術(shù)效率在2017年達(dá)到最高值0.819，除了北京和浙江外，天津、河北、福建、廣東、海南和遼寧這6個省市的純技術(shù)效率在2017年也達(dá)到了1，說明這些省市提升科技自主創(chuàng)新效率的重心應(yīng)該放在優(yōu)化資源投入規(guī)模上。而對于上海、江蘇和山東，這些省市還需要提高內(nèi)部管理水平。從規(guī)模報酬情況來看，中國東部有2個省市處于規(guī)模報酬不變階段，7個省市調(diào)整后的規(guī)模報酬都處于遞增階段，處于規(guī)模報酬遞減的省市只有江蘇省和廣東省。與第一階段結(jié)果對比可見，環(huán)境因素影響了各省市規(guī)模報酬的擴(kuò)大。對于規(guī)模報酬在調(diào)整后處于遞增階段的省市，可以增加要素投入規(guī)模，從而有效促進(jìn)科技自主創(chuàng)新效率的提升。而對于規(guī)模報酬處于遞減階段的省市，則應(yīng)將重心放在提高資源的合理配置和利用效率上，以實現(xiàn)科技自主創(chuàng)新效率的提高。

六、結(jié)論和建議

本文通過運用三階段DEA模型對中國東部地區(qū)科技自主創(chuàng)新效率進(jìn)行評價和比較，結(jié)果發(fā)現(xiàn)：

(一)外部環(huán)境因素對我國東部地區(qū)科技自主創(chuàng)新效率有顯著影響

教育水平的提高和成果保護(hù)力度的加大能減少在人員、資本和基礎(chǔ)設(shè)施投入上的冗余，促進(jìn)科技自主創(chuàng)新效率的提升?？萍及l(fā)展水平的提高將造成人員、資本和基礎(chǔ)設(shè)施投入松弛變量的增加，不利于科技自主創(chuàng)新效率的提升。政府不盲目進(jìn)行資金投入，而是通過多方面來支持科技創(chuàng)新，但對人員和基礎(chǔ)設(shè)施利用效率還不高，從而產(chǎn)生了一定的資源浪費。

(二)在剔除外部因素影響后，大多數(shù)省市科技自主創(chuàng)新效率有所提升

其中，北京、浙江的綜合技術(shù)效率5年間均位于技術(shù)前沿面，超過一半省市的綜合技術(shù)效率大于0.8。但是，中國東部11個省市的平均科技自主創(chuàng)新效率下降，主要原因是海南省的綜合技術(shù)效率下降幅度大于其他省市增長幅度。

(三)為達(dá)到最佳規(guī)模收益，各省市還需對科技資源的投入規(guī)模進(jìn)行優(yōu)化

在考慮環(huán)境要素后，東部11個省市的純技術(shù)效率有較為明顯提升，說明提升科技自主創(chuàng)新效率重點在于規(guī)模投入優(yōu)化。除了北京和浙江，我國東部其余省市均處于規(guī)模報酬遞增或遞減階段，因此，為了提升科技自主創(chuàng)新效率，各省市需調(diào)整資源要素投入規(guī)模。

基于上述結(jié)論，針對我國東部地區(qū)在促進(jìn)科技自主創(chuàng)新過程中存在的問題，從加快區(qū)域協(xié)調(diào)發(fā)展，提升科技自主創(chuàng)新效率的角度出發(fā)，提出以下對策建議。

首先，合理增加科研資金投入。目前，我國東部大多省市還處于規(guī)模報酬遞增階段，增加投入有助于效率提升。同時，科研資金投入有較強(qiáng)的靈活性，可以在吸引、激勵科技人才上發(fā)揮作用，也可以為科技人才提供必備的科研條件。

其次，營造良好的科技創(chuàng)新環(huán)境。地區(qū)的教育水平、政府支持和成果保護(hù)均會對科技自主創(chuàng)新效率產(chǎn)生影響，加強(qiáng)教育有利于培養(yǎng)科技人才隊伍、提高人才素質(zhì)，政府加大對科技創(chuàng)新的支持、加強(qiáng)對科研成果的保護(hù)能提高參與科研活動的積極性與安全感。

最后，各省市間加強(qiáng)合作與交流。區(qū)域協(xié)調(diào)發(fā)展是促進(jìn)我國科技進(jìn)步、經(jīng)濟(jì)發(fā)展的重要途徑。目前我國東部各省市的科技發(fā)展水平還存在差距，部分省市科技自主創(chuàng)新效率還需要提升?？萍甲灾鲃?chuàng)新效率較低的省市可以向科技自主創(chuàng)新效率高的省市學(xué)習(xí)借鑒，爭取實現(xiàn)我國東部地區(qū)科技創(chuàng)新內(nèi)部協(xié)調(diào)與優(yōu)先發(fā)展，從而更好地帶動我國其他地區(qū)科技水平的提升，進(jìn)而增強(qiáng)我國整體科技競爭實力。