楊勝利 李 坤

(河北大學(xué) 經(jīng)濟(jì)學(xué)院，河北 保定 071000)

0 引言

黨的十九屆五中全會公報指出，到2035年我國關(guān)鍵核心技術(shù)將實現(xiàn)重大突破，進(jìn)入創(chuàng)新型國家前列。強(qiáng)調(diào)了科技創(chuàng)新與進(jìn)步已成為增強(qiáng)國家或地區(qū)綜合實力和核心競爭力的關(guān)鍵因素，甚至是推動社會進(jìn)步和經(jīng)濟(jì)發(fā)展的決定力量?？萍既瞬抛鳛樾畔⒑椭R的重要來源，是國家或地區(qū)科技創(chuàng)新與進(jìn)步的重要支撐。中國經(jīng)濟(jì)正處在從“粗放式”增長向精細(xì)化、內(nèi)涵式增長轉(zhuǎn)型的關(guān)鍵階段，增強(qiáng)科技創(chuàng)新對經(jīng)濟(jì)增長的促進(jìn)作用，是踐行“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”發(fā)展理念的最佳表現(xiàn)。當(dāng)前，我國積極推進(jìn)“創(chuàng)新驅(qū)動發(fā)展”戰(zhàn)略，政府以及企業(yè)不斷加強(qiáng)人才引進(jìn)力度、增加科技投入、提升治理水平、加強(qiáng)制度規(guī)范，有效地提升了科技人才創(chuàng)新效率，促進(jìn)了經(jīng)濟(jì)開放、持續(xù)、綠色、健康發(fā)展。

本文對不同地區(qū)的科技人才創(chuàng)新效率進(jìn)行客觀評價，以期能夠更有效地激發(fā)科技人才創(chuàng)新活力。首先，基于投入產(chǎn)出法對各區(qū)域科技人才創(chuàng)新效率進(jìn)行實證研究，在客觀評價基礎(chǔ)上對投入產(chǎn)出轉(zhuǎn)化機(jī)制以及提升策略進(jìn)行深入研究。其次，分析了某時間節(jié)點的創(chuàng)新效率狀況，還使用DEA-Malmquist動態(tài)評價模型分析了科技人才創(chuàng)新效率的發(fā)展變化情況，探索創(chuàng)新效率變動的區(qū)域差異和規(guī)律。旨在為政府制訂有效的區(qū)域發(fā)展政策、合理配置創(chuàng)新資源、提高區(qū)域科技人才創(chuàng)新效率提供科學(xué)的理論依據(jù)，以創(chuàng)新推動經(jīng)濟(jì)高質(zhì)量協(xié)調(diào)發(fā)展。

1 文獻(xiàn)綜述

關(guān)于“創(chuàng)新效率”的研究已經(jīng)頗多。已有研究主要集中在創(chuàng)新效率測度方法及創(chuàng)新效率的影響因素等方面。在測度方法方面，早前學(xué)者研究效率問題多采用數(shù)據(jù)包絡(luò)法，近年來學(xué)者們不滿足于研究傳統(tǒng)DEA模型，將傳統(tǒng)的DEA模型改進(jìn)為DEA二階段、DEA三階段模型去進(jìn)行效率測算和評價。陳升、扶雪琴[1]基于三階段DEA模型，根據(jù)2012-2016面板數(shù)據(jù)研究我國“一帶一路”沿線省域科技創(chuàng)新效率。姚彥雄，李豪[2]運用二階段DEA法，將科技創(chuàng)新分為研究階段和市場化階段，對中部6省2012-2017年科技創(chuàng)新效率進(jìn)行評價及分析。還有部分學(xué)者使用主成分分析法、因子分析法、Malmquist指數(shù)法、熵權(quán)TOPSIS法等方法單獨或者搭配DEA模型分析效率問題。

在影響創(chuàng)新效率的因素方面，學(xué)者們一般用最小二乘法、Tobit模型等方法去探究。如：張體勤[3]利用Tobit模型研究了省域科技創(chuàng)新效率的影響因素。周海燕[4]研究發(fā)現(xiàn)政府支持力度、勞動者素質(zhì)和金融環(huán)境對科技創(chuàng)新效率具有正向影響，科研經(jīng)費支出強(qiáng)度、“一帶一路”倡議政策和創(chuàng)業(yè)水平對科技創(chuàng)新效率具有負(fù)向影響。韋顏秋、李瑛[5]采用DEA-Tobit兩階段分析法對地區(qū)科技創(chuàng)新效率的主要影響因素進(jìn)行了分析。從影響科技人才創(chuàng)新效率的具體因素來看，薛建改[6]實證分析發(fā)現(xiàn)個人因素、人才環(huán)境、人才發(fā)展對創(chuàng)新效率具有顯著正相關(guān)影響。

關(guān)于科技人才的相關(guān)研究中，眾多學(xué)者認(rèn)為科技人才標(biāo)準(zhǔn)就是看其是否具備創(chuàng)新思維和創(chuàng)新能力，是否對科技事業(yè)作出了創(chuàng)造性貢獻(xiàn)。相關(guān)研究主要圍繞科技人才競爭力、開發(fā)效率、集聚、政策效率、發(fā)展環(huán)境等方面展開。如：李梓[7]以我國西部11個省2002-2013年的統(tǒng)計數(shù)據(jù)為研究對象，研究了西部科技人才開發(fā)效率及影響因素。崔宏鐵[8]通過主成分分析法對深圳科創(chuàng)人才發(fā)展環(huán)境的變化規(guī)律、因子特征進(jìn)行分析和評價。李思宏、羅瑾璉、田瑞雪[9]分析了我國科技人才評價與選拔體系中的問題并提出改進(jìn)思路。芮雪琴[10]分析了中國科技人才聚集的區(qū)域演化對區(qū)域創(chuàng)新效率的影響。

上述研究可以看出，科技人才與創(chuàng)新效率密切相關(guān)。綜合已有研究，無論是從研究方法還是從研究范圍上，學(xué)者對我國科技人才、創(chuàng)新效率等相關(guān)問題都已有較為深入的探索。但是對兩者結(jié)合，即科技人才創(chuàng)新效率的研究實踐較少，對科技人才創(chuàng)新效率的評價指標(biāo)體系也尚有待完善。因此，本文選擇DEA-BCC靜態(tài)分析和DEA-Malmquist動態(tài)分析相結(jié)合的方法，以全國30個省市自治區(qū)為對象，評價其科技人才創(chuàng)新效率?，F(xiàn)有的科技人才定義多從統(tǒng)計角度出發(fā)，而忽視人才成長特征。人才接受教育提升人力資本的過程可以培養(yǎng)創(chuàng)新思維，培養(yǎng)想象力與創(chuàng)造力，人在接受教育過程中很大可能會靈光乍現(xiàn)或產(chǎn)生與眾不同的顛覆性想法，并去實踐及創(chuàng)新創(chuàng)造。不論是創(chuàng)新的想法還是充足的執(zhí)行力，這些特質(zhì)實現(xiàn)的前提或多或少都需要教育的支撐。故而將教育經(jīng)費情況作為衡量科技人才創(chuàng)新投入的重要指標(biāo)加入到模型中進(jìn)行分析。

2 模型選取與評價指標(biāo)體系構(gòu)建

2.1 模型選取

2.1.1 DEA模型

DEA模型是一種結(jié)合運籌理論、管理學(xué)理論和數(shù)理統(tǒng)計理論的研究方法，用于衡量多投入、多產(chǎn)出下的綜合效率。DEA通過度量每個投入的最小水平或每個產(chǎn)出的最大水平來確定每個決策單元的相對效率，進(jìn)而建立最優(yōu)效率前沿面。只有處在最優(yōu)效率前沿面上的DEA投入產(chǎn)出組合才能被稱為有效的，而不在最優(yōu)效率前沿面上的稱其DEA無效。

DEA模型有兩種最經(jīng)典的模型就是：CCR模型和BCC模型。規(guī)模報酬不變(CRS)是CCR模型的前提，通過測算得到的決策單元(DMU)的綜合效率(TE)。但現(xiàn)實中每個生產(chǎn)單位的規(guī)模隨時都會調(diào)整。因此，本文采用基于規(guī)模報酬可變(VRS)前提下的BCC模型，將綜合效率拆開為純技術(shù)效率(PTE)和規(guī)模效率(SE)。將CCR模型和BCC模型的結(jié)果相除就可得到規(guī)模效率值。如公式(1)所示：

(1)

其中，xj、yj分別代表非負(fù)數(shù)的投入水平和產(chǎn)出水平，θ為決策單元的綜合效率值，取值范圍為[0,1]。當(dāng)θ=1時，決策單元處于DEA有效狀態(tài)。否則，決策單元就會產(chǎn)生1-θ程度的效率損失。DEA的綜合效率=純技術(shù)效率×規(guī)模效率。當(dāng)綜合效率等于1時，此決策單元生產(chǎn)規(guī)模處于當(dāng)前最優(yōu)狀態(tài)；當(dāng)綜合效率小于1時，此決策單元的生產(chǎn)規(guī)模應(yīng)做出調(diào)整，具體措施為擴(kuò)大規(guī)?；蚩s小規(guī)模。值得注意的是，純技術(shù)效率和規(guī)模效率兩者有任何一方測度小于1時，綜合效率一定小于1。

2.1.2 Malmquist指數(shù)法

Malmquist指數(shù)法可以在不考慮外部因素或制度因素的變化情況下來衡量決策單元資源配置效率的變化，從而反映創(chuàng)新效率的升降。本文借鑒Rolf等[11]的研究成果，采用Malmquist指數(shù)法進(jìn)一步測算科技人才創(chuàng)新效率，當(dāng)M0大于1時，表示創(chuàng)新效率提高；當(dāng)M0等于1時，表示創(chuàng)新效率保持不變；當(dāng)M0小于1時，表示創(chuàng)新效率有所下降。具體如下：

(2)

將Malmquist生產(chǎn)率指數(shù)分解為技術(shù)效率變動(TE)和技術(shù)進(jìn)步(TC)兩部分。綜合效率值在規(guī)模報酬可變的情況下可以分解為純技術(shù)效率變化(PTE)和規(guī)模效率(SE)變化。公式(3)如下：

TFP=TC*TE=TC*(PTE*SE)

(3)

技術(shù)進(jìn)步被稱為“前沿移動效應(yīng)”，指在某一時期對決策單元的投入之后，該時期的產(chǎn)出水平與前一時期的產(chǎn)出水平比較得出的結(jié)果，通過觀察生產(chǎn)前沿的移動去判斷是否實現(xiàn)了技術(shù)進(jìn)步。技術(shù)進(jìn)步體現(xiàn)在前沿向上移動，技術(shù)落后體現(xiàn)在前沿向下移動。純技術(shù)效率被稱為“追趕效應(yīng)”，是指保持規(guī)模和技術(shù)不變時，判斷兩個時期內(nèi)決策單元相對生產(chǎn)率的變化，從而判斷決策單元是否更接近前沿面。規(guī)模效率則代表了決策單元前后規(guī)模收益率的變化。如果TC、PTE和SE的最終值大于1，則表示相對技術(shù)進(jìn)步、相對生產(chǎn)率上升、規(guī)模收益遞增；如果TC、PTE和SE值等于1，則表示相對技術(shù)進(jìn)步、相對生產(chǎn)率、規(guī)模收益沒有改變；如果TC、PTE和SE值小于1，則表示相對技術(shù)倒退、相對生產(chǎn)率下降、規(guī)模收益遞減。

2.2 數(shù)據(jù)來源

鑒于數(shù)據(jù)可得性和準(zhǔn)確性，考慮到西藏的部分指標(biāo)缺失問題，本文剔除了西藏的數(shù)據(jù)，對30個省市自治區(qū)進(jìn)行實證研究，評價我國各地區(qū)科技人才創(chuàng)新效率的水平；時間跨度為2014-2018年。原始數(shù)據(jù)主要來自《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》以及各地區(qū)的歷年統(tǒng)計年鑒等。

2.3 科技人才創(chuàng)新效率評價指標(biāo)體系構(gòu)建

本文借鑒現(xiàn)有文獻(xiàn)的研究經(jīng)驗，結(jié)合十九屆五中全會公報中關(guān)于激發(fā)科技人才創(chuàng)新活力的論述，選取了12個投入指標(biāo)和8個產(chǎn)出指標(biāo)來構(gòu)建評價指標(biāo)體系(見表1)。收集2014-2018年的面板數(shù)據(jù)，并將30個省份作為決策單元，分析我國各地區(qū)科技人才創(chuàng)新效率。

表1 科技人才創(chuàng)新效率評價指標(biāo)體系

2.3.1 投入指標(biāo)

選取的投入指標(biāo)為企業(yè)投入和人才投入兩大類。主要指標(biāo)描述如下：R&D人員全時當(dāng)量是指從事研究開發(fā)活動的所有全時人員與非全時人員折合的全時工作量的總和。R&D經(jīng)費內(nèi)部支出是指本單位實際使用在R&D活動中的全部支出。規(guī)上工業(yè)企業(yè)中有R&D活動的企業(yè)數(shù)量是指從事研究開發(fā)活動的全部規(guī)模以上的工業(yè)企業(yè)數(shù)。研究與開發(fā)機(jī)構(gòu)R&D內(nèi)部經(jīng)費支出可以直接反映支持科技創(chuàng)新人才進(jìn)行研發(fā)活動的內(nèi)部支出總額。教育經(jīng)費支出情況指中央財政部門及地方財政部門的預(yù)算中用于實際教育的支出，反映科技人才的發(fā)展和培養(yǎng)的潛力，其他指標(biāo)含義與科技統(tǒng)計年和國民經(jīng)濟(jì)發(fā)展統(tǒng)計公報含義相同。

2.3.2 產(chǎn)出指標(biāo)

選取的產(chǎn)出指標(biāo)包括科技成果和成果應(yīng)用轉(zhuǎn)化兩大類。部分主要指標(biāo)描述：專利授權(quán)量是指在報告期內(nèi)由專利行政部門向申請人或單位機(jī)構(gòu)授予專利權(quán)的件數(shù)，是反映科技活動最重要的產(chǎn)出指標(biāo)。高等學(xué)校出版科技著作數(shù)量屬于科技成果登記數(shù)，是高等學(xué)?？萍既瞬艅?chuàng)新效率的重要衡量指標(biāo)。因為科技創(chuàng)新成果可以在技術(shù)市場進(jìn)行交易，所以將反映技術(shù)市場成交額作為一個重要指標(biāo)，即賣方技術(shù)合同成交額。其他指標(biāo)含義與科技統(tǒng)計年和國民經(jīng)濟(jì)發(fā)展統(tǒng)計公報含義相同。

3 科技人才創(chuàng)新效率綜合評價結(jié)果

本文運用DEAPVersion2.1軟件，基于DEA-BCC靜態(tài)分析和DEA-Malmquist動態(tài)分析模型，對全國30個省的科技人才創(chuàng)新效率進(jìn)行綜合評價分析。

3.1 DEA-BCC的靜態(tài)分析

通過DEA-BCC模型對全國30個省份科技人才創(chuàng)新的靜態(tài)效率進(jìn)行測度，測度結(jié)果包括綜合效率、規(guī)模效率和純技術(shù)效率，具體結(jié)果如表2所示。由于各省市自治區(qū)的投入差別較大，所以此處使用面向投入的DEA-BCC模型。

(1)從技術(shù)效率指數(shù)看，2014年和2018年科技人才創(chuàng)新的技術(shù)效率均值分別為0.853與0.966，整體呈現(xiàn)增長趨勢。2014年和2018年分別有12個和19個省份技術(shù)效率達(dá)到1，處于生產(chǎn)前沿面。且在兩個研究時段中均處于DEA有效的地區(qū)為北京、天津、遼寧、黑龍江、浙江、湖北、廣東、海南、重慶、貴州和青海，占比36.67%，這表明這些省份的人才創(chuàng)新效率投資實現(xiàn)了最優(yōu)配置，投資結(jié)構(gòu)合理，投入產(chǎn)出在不同組合下達(dá)到了最佳效果。

從省際角度來說，與2014年相比，2018年不同省份人才創(chuàng)新的技術(shù)效率變動存在一定差異，除江蘇、四川科等省份技人才創(chuàng)新的技術(shù)效率有所下降外，其他省份科技人才創(chuàng)新效率均有所上升或保持不變。2018年技術(shù)效率有效的省份有19個，仍有11個省份技術(shù)效率處于非有效狀態(tài)，且非有效省份中有10個低于全國平均水平，占技術(shù)效率無效省份數(shù)的90.91%，這也說明部分省份科技人才創(chuàng)新投入結(jié)構(gòu)不盡合理，技術(shù)效率還有較大的提升空間，在國內(nèi)大循環(huán)中，應(yīng)該重點關(guān)注提升這些省份科技人才創(chuàng)新的投入結(jié)構(gòu)。2018年技術(shù)效率排名后三位的省份是云南、安徽和河北，這3個省份應(yīng)該注重加強(qiáng)投入資源的優(yōu)化配置，設(shè)計合理的鼓勵科技人才創(chuàng)新、激發(fā)創(chuàng)新活力的政策和制度。

(2)科技人才創(chuàng)新的純技術(shù)效率呈現(xiàn)增長趨勢。2018年科技人才創(chuàng)新的純技術(shù)效率均值為0.982，與生產(chǎn)前沿面相差0.018，說明科技人才創(chuàng)新管理方面還有一定的改進(jìn)空間。科技人才創(chuàng)新的純技術(shù)效率低于規(guī)模效率，說明管理水平和技術(shù)水平是制約我國科技人才創(chuàng)新效率的主要因素。2014年有14個省份純技術(shù)效率未達(dá)到有效，分別是河北、內(nèi)蒙古、山西、上海、吉林、安徽、福建、山東、湖南、江西、廣西、云南、陜西和新疆；2018年有8個省份純技術(shù)效率未達(dá)到有效，分別是上海、安徽、山西、廣西、四川、河北、云南和陜西。說明這些省份在固定的投入下未能實現(xiàn)最大化產(chǎn)出，在未來發(fā)展應(yīng)該重點增強(qiáng)科技人才創(chuàng)新管理水平和新技術(shù)使用、普及水平。

(3)科技人才創(chuàng)新的規(guī)模效率能夠體現(xiàn)出各省份科技人才創(chuàng)新投入是否處于最優(yōu)規(guī)模。從表2可以看出2014年和2018年科技人才創(chuàng)新的規(guī)模效率均值分別為0.951和0.983，略有增長。其中規(guī)模效率兩年均無效的省份有10個，分別為：上海、廣西、河北、山西、山東、云南、江蘇、陜西、寧夏、安徽，說明這些省份應(yīng)重點擴(kuò)大對科技人才創(chuàng)新的投入規(guī)模，以達(dá)到最佳的規(guī)模。2018年規(guī)模報酬遞增的地區(qū)包括山西、寧夏、山東、廣西等省份，這些省份應(yīng)該謹(jǐn)慎調(diào)整科技人才相關(guān)的創(chuàng)新投入，將重點放在投入結(jié)構(gòu)優(yōu)化、管理水平提升、新技術(shù)應(yīng)用等方面。而規(guī)模報酬遞減的地區(qū)包括河北、上海、安徽、江蘇、山東、廣西、四川、云南和陜西等省份，這些省份因資金未得到有效利用，導(dǎo)致效率損失，因此要特別注意改善資金使用方向。

表2 分地區(qū)2014年和2018年科技人才創(chuàng)新效率值

(4)總體來看，2014年、2018年科技人才創(chuàng)新的技術(shù)效率均值、純技術(shù)效率均值和規(guī)模效率均值有所增大，但都小于1，整體處于DEA無效狀態(tài)。且經(jīng)過實證分析2018年數(shù)據(jù)，可以將科技人才創(chuàng)新效率概括為3種類型：第一類是已經(jīng)位于效率生產(chǎn)前沿面上的省份，主要有北京、天津、內(nèi)蒙古、遼寧、吉林、黑龍江、浙江、福建、江西、河南、湖北、湖南、廣東、海南、重慶、貴州、甘肅、青海和新疆，其純技術(shù)效率有效，規(guī)模效率也有效，這說明這19個省份當(dāng)前科技投入與產(chǎn)出規(guī)模已經(jīng)在最佳水平上；第二類是純術(shù)效率有效，但規(guī)模效率無效而導(dǎo)致技術(shù)效率無效的省份，主要有江蘇、山東和寧夏這3個省份，說明了這3個省份科技人才創(chuàng)新投入產(chǎn)出并不匹配，仍有調(diào)整空間，可以通過擴(kuò)大科技人才創(chuàng)新投入規(guī)模和優(yōu)化投資結(jié)構(gòu)來進(jìn)行相應(yīng)的調(diào)整；第三類是純技術(shù)效率和規(guī)模效率均無效的省份，主要有河北、山西、上海、安徽、廣西、四川、云南、陜西、寧夏等省份。其共同特征是技術(shù)效率無效，純技術(shù)效率無效，規(guī)模效率也無效。為了盡可能接近生產(chǎn)前沿面，這些省份一方面可以通過提高純技術(shù)效率，另一方面可以通過調(diào)整科技人才創(chuàng)新投入規(guī)模來提升效率。但由于在三種效率中這些省份技術(shù)效率最差，所以應(yīng)該重點突出優(yōu)化投入和產(chǎn)業(yè)結(jié)構(gòu)，提升技術(shù)效率。

3.2 DEA-Malmquist的動態(tài)分析

運用DEAP2.1軟件進(jìn)行DEA-Malmquist指數(shù)測度，目的是通過測度決策單元全要素生產(chǎn)率的變化，來反映科技人才創(chuàng)新效率的變動。如表3所示。

表3 2014-2018年科技人才創(chuàng)新效率Malmquist指數(shù)及其分解

(1)從整體效率變動來看，2014-2018年科技人才創(chuàng)新效率Malmquist指數(shù)均值為1.042，說明該測度期內(nèi)我國科技人才創(chuàng)新效率年均提高幅度為4.2%。2014-2015年的Mamlquist指數(shù)為1.186大于1，表明該時間段內(nèi)我國科技人才創(chuàng)新效率在不斷提高。而2015-2017年Mamlquist指數(shù)則分別為為0.911和0.995，Mamlquist指數(shù)小于1，表明該段時間內(nèi)我國科技人才創(chuàng)新效率出現(xiàn)了下降。2017-2018年Mamlquist指數(shù)為1.097，表明隨著我國調(diào)結(jié)構(gòu)、促轉(zhuǎn)型經(jīng)濟(jì)發(fā)展策略的實施，新的經(jīng)濟(jì)增長點不斷呈現(xiàn)，增長“疲軟”期已過，我國的科技人才創(chuàng)新效率出現(xiàn)了上升趨勢。

(2)從分解指數(shù)上看，2014-2018年度技術(shù)進(jìn)步的均值為1.006，年均上升幅度為0.6%；技術(shù)效率均值為1.035，年均上升幅度為3.5%；Malmquist指數(shù)均值1.042，年均上升幅度為4.2%。由此可見，技術(shù)效率、純技術(shù)效率和規(guī)模效率對Malmquist指數(shù)所帶來的貢獻(xiàn)遠(yuǎn)大于技術(shù)進(jìn)步。說明技術(shù)進(jìn)步是科技人才創(chuàng)新效率的主要條件，但科技創(chuàng)新資源配置是創(chuàng)新效率提升的關(guān)鍵。

(3)從全國的Mamlquist指數(shù)變化反映的整體情況上看，2015-2017年我國科技人才創(chuàng)新效率出現(xiàn)短暫的發(fā)展疲軟。隨著黨的十九大的召開，為提升科技投入以促進(jìn)我國經(jīng)濟(jì)結(jié)構(gòu)更快更優(yōu)轉(zhuǎn)型升級，我國實行了深化科技強(qiáng)國的經(jīng)濟(jì)政策，更加重視人才在經(jīng)濟(jì)發(fā)展中的作用，加強(qiáng)了對科技人才創(chuàng)新的支持力度，使得科技人才創(chuàng)新效率實現(xiàn)新增長。

(4)從各省份效率變化比較來看(見表4)，2014-2018年除遼寧、江蘇、湖南、海南、重慶5個省份的科技人才創(chuàng)新效率Mamlquist指數(shù)小于1外，其他25個省份的科技人才創(chuàng)新效率Mamlquist指數(shù)都大于1，說明我國絕大部分地區(qū)科技人才創(chuàng)新效率在不斷提升，發(fā)展態(tài)勢良好。遼寧、江蘇等省份需要在今后發(fā)展中強(qiáng)化科技人才創(chuàng)新效率提升策略。

表4 2018年各省市自治區(qū)科技人才創(chuàng)新效率Malmquist指數(shù)及其分解

(5)增長動因方面，內(nèi)蒙古、吉林、山西、河南、遼寧、湖南、海南、寧夏、廣西、重慶等省份的技術(shù)進(jìn)步小于1，且小于技術(shù)效率，故技術(shù)進(jìn)步是制約這些地區(qū)科技人才創(chuàng)新效率上升的重要原因。四川省的技術(shù)效率小于1，且低于技術(shù)進(jìn)步，其科技人才創(chuàng)新效率提升主要得益于技術(shù)進(jìn)步。除上述地區(qū)之外，其他地區(qū)技術(shù)效率變化和技術(shù)進(jìn)步變化是同步的，即技術(shù)效率與技術(shù)進(jìn)步因素協(xié)同發(fā)揮推動作用。但特殊的是江蘇省的技術(shù)效率和技術(shù)進(jìn)步均小于1，即技術(shù)進(jìn)步和技術(shù)效率均沒有足夠的的拉升力度，導(dǎo)致其科技人才創(chuàng)新效率出現(xiàn)了下降。

4 結(jié)論與建議

4.1 主要結(jié)論

本文通過DEA-BCC模型和DEA-Malmquist指數(shù)法對中國30個省份2014-2018年科技人才創(chuàng)新效率進(jìn)行了靜態(tài)和動態(tài)研究，得出如下結(jié)論：

(1)DEA-BCC模型的靜態(tài)分析發(fā)現(xiàn)，2014年、2018年全國科技人才創(chuàng)新的技術(shù)效率、純技術(shù)效率和規(guī)模效率均值有所提升，但仍均小于1，整體處于DEA無效狀態(tài)。2014年和2018年分別有18個和11個省份未達(dá)到最優(yōu)效率前沿面。這表示其都存在不同程度的純技術(shù)效率和規(guī)模效率的提升空間。2018年上海、安徽、山西、廣西、四川、河北、云 南和陜西8個省份純技術(shù)效率未達(dá)到有效，河北、山西、上海、江蘇、安徽、山東、廣西、四川、云南、廣西和寧夏11個省份規(guī)模效率未達(dá)到有效。

(2)DEA-Malmquist指數(shù)法的動態(tài)分析發(fā)現(xiàn)，2014-2018年我國科技人才創(chuàng)新效率整體上呈現(xiàn)上升態(tài)勢，年均增長4.2%。技術(shù)進(jìn)步年均上升幅度為0.6%，技術(shù)效率年均上升幅度為3.5%。技術(shù)效率對科技人才創(chuàng)新效率Malmquist指數(shù)所帶來的貢獻(xiàn)遠(yuǎn)大于技術(shù)進(jìn)步。技術(shù)進(jìn)步是制約山西、內(nèi)蒙古、河南、湖南、廣西等省份科技人才創(chuàng)新效率提升的主要原因。技術(shù)進(jìn)步和技術(shù)效率協(xié)同發(fā)展是推動科技人才創(chuàng)新效率提升關(guān)鍵因素。

4.2 啟示及建議

通過對研究結(jié)論的分析，全國及各省份的科技人才創(chuàng)新效率既具有有效性，又存在不充分、不均衡的一面，在今后有必要進(jìn)一步加以完善和改進(jìn)，建議從以下幾方面進(jìn)一步提高我國科技人才創(chuàng)新效率。

(1)科學(xué)合理地利用和調(diào)配科技創(chuàng)新資源?？萍既瞬艅?chuàng)新綜合效率高的省份，要進(jìn)一步減少無效投入或增加有效產(chǎn)出，促進(jìn)科技人才創(chuàng)新效率的提升?？萍既瞬艅?chuàng)新綜合效率低的省份，要不斷提高科技人才創(chuàng)新投入，加強(qiáng)科技企業(yè)、科研機(jī)構(gòu)、高端人才等創(chuàng)新主體培育。人才是科技創(chuàng)新最寶貴的資源，要注重引進(jìn)和培養(yǎng)具有創(chuàng)新效率的人才，打造技術(shù)創(chuàng)新平臺，加強(qiáng)科技人才創(chuàng)新交流，提升科技人才創(chuàng)新綜合效率。

(2)積極構(gòu)建科技人才高質(zhì)量創(chuàng)新生態(tài)系統(tǒng)。加強(qiáng)R&D投入強(qiáng)度、積極建設(shè)科技人才創(chuàng)新平臺。對于創(chuàng)新資源集聚、創(chuàng)新生態(tài)良好的省市自治區(qū)，需在市場、法治和科技創(chuàng)新政策之間加強(qiáng)集中聯(lián)結(jié)配合，構(gòu)建一流的創(chuàng)新創(chuàng)業(yè)生態(tài)系統(tǒng)，實現(xiàn)創(chuàng)新生態(tài)化，助力整體科技人才創(chuàng)新效率提升。

(3)優(yōu)化科技人才創(chuàng)新機(jī)制。推動創(chuàng)新成果向生產(chǎn)力轉(zhuǎn)化的政策創(chuàng)新，加強(qiáng)技術(shù)研發(fā)和創(chuàng)新成果應(yīng)用之間的銜接。嘗試讓投資者、發(fā)明專利的人和將專利權(quán)轉(zhuǎn)化為生產(chǎn)力的人各司其職、分類推進(jìn)，將發(fā)明創(chuàng)造者從生產(chǎn)力轉(zhuǎn)化的負(fù)擔(dān)中解放出來。圍繞主導(dǎo)產(chǎn)業(yè)制定引育頂尖、領(lǐng)軍、高端、青年等專項實用人才的政策機(jī)制，力爭對各類別、層次人才全覆蓋。