毛 磊

(南京曉莊學(xué)院 商學(xué)院，江蘇 南京 211171)

0 引言

京津冀、長三角、粵港澳等地區(qū)一體化發(fā)展，逐步成為國家創(chuàng)新平臺和新的經(jīng)濟增長極。據(jù)《2020年中國統(tǒng)計年鑒》數(shù)據(jù)顯示，2019年京津冀、長三角和粵港澳大灣區(qū)的地區(qū)生產(chǎn)總值之和占全國比重已達43.4%，反映了近年來高質(zhì)量發(fā)展的動力源和增長極不斷拓展，京津冀、長三角和粵港澳大灣區(qū)的引領(lǐng)作用不斷凸顯。這三大地區(qū)地理位置優(yōu)越，均屬于我國東部沿海經(jīng)濟較為發(fā)達地區(qū)，自然資源較為充沛，吸引了全國乃至全球創(chuàng)新資源快速向其集聚。京津冀地區(qū)包括北京市、天津市和河北省，長三角地區(qū)涵蓋江蘇、上海、浙江和安徽，而粵港澳大灣區(qū)則包括廣東、香港和澳門。

京津冀、長三角和粵港澳大灣區(qū)作為東部沿海經(jīng)濟區(qū)的中心地區(qū)，是推動國家實施創(chuàng)新驅(qū)動發(fā)展的重點區(qū)域，其各省域的創(chuàng)新效率處于何種水平? 受哪些關(guān)鍵因素的影響? 未來應(yīng)重點從哪些方面著力提升東部沿海三大經(jīng)濟區(qū)的創(chuàng)新績效? 本文將主要圍繞這幾個問題展開研究，其有助于了解這些區(qū)域各省份創(chuàng)新績效的現(xiàn)狀以及發(fā)展差異，這對于管理者制定科學(xué)的創(chuàng)新促進和區(qū)域協(xié)同政策提供參考。

1 文獻綜述

目前國內(nèi)外學(xué)術(shù)界對于區(qū)域創(chuàng)新問題的研究主要運用統(tǒng)計分析方法、前沿面分析方法和系統(tǒng)分析方法，其中前沿面分析方法側(cè)重對于決策單元的效率評價及影響因素分析，主要包括數(shù)據(jù)包絡(luò)分析方法(DEA)和隨機前沿分析方法(SFA)。數(shù)據(jù)包絡(luò)分析法(DEA)最早是由查恩斯[1]提出，該方法現(xiàn)已在國內(nèi)外學(xué)界得到廣泛應(yīng)用。虞曉芬[2]、樊華[3]、吳傳清[4]、白俊紅[5-7]等分別以我國各省市、長江經(jīng)濟帶各省市和區(qū)域創(chuàng)新系統(tǒng)的創(chuàng)新效率為研究對象，應(yīng)用DEA模型實證分析其科技創(chuàng)新效率，結(jié)果顯示我國區(qū)域技術(shù)創(chuàng)新效率是東部地區(qū)大于中西部地區(qū)，但西部地區(qū)創(chuàng)新效率提高快于中部地區(qū)。通過構(gòu)建Tobit回歸模型發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)和人力資本水平是影響我國各省市技術(shù)創(chuàng)新效率的重要因素。官建成[8-9]、余永澤[10]、蘇屹[11-12]等分別以區(qū)域創(chuàng)新活動、高技術(shù)產(chǎn)業(yè)和企業(yè)的創(chuàng)新活動為研究對象，將其分為技術(shù)產(chǎn)出階段和技術(shù)轉(zhuǎn)化兩階段，運用兩階段DEA模型對各決策單元創(chuàng)新有效性進行了評價，研究結(jié)果表明我國各省份之間以及各省份所屬的高技術(shù)企業(yè)之間在技術(shù)創(chuàng)新水平上均存在較大差距。劉滿鳳等[13]應(yīng)用三階段DEA模型討論了我國高新區(qū)創(chuàng)新效率問題，研究結(jié)果表明長三角和珠三角是技術(shù)創(chuàng)新效率值最高的地區(qū)，并認為通過改善宏觀經(jīng)濟環(huán)境、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)等環(huán)境變量有利于提升高新區(qū)創(chuàng)新效率。許學(xué)國等[14]應(yīng)用三階段Malmquist指數(shù)對我國八大綜合經(jīng)濟區(qū)的綠色創(chuàng)新效率進行了測度，并運用概率神經(jīng)網(wǎng)絡(luò)方法對綠色創(chuàng)新效率進行了智能診斷。丁瑩瑩[15]使用兩階段DEA-Malmquist指數(shù)法對我國電子信息制造業(yè)的軍民融合技術(shù)創(chuàng)新效率進行了測度，通過實證分析得出所有制結(jié)構(gòu)、技術(shù)市場環(huán)境和勞動力素質(zhì)對技術(shù)創(chuàng)新效率有正向影響。李廉水等[16]使用DEA-Malmquist模型測算了我國制造業(yè)全要素生產(chǎn)率的變動情況，并著重檢驗了智能化對全要素生產(chǎn)率的影響。

綜上，對決策單元的創(chuàng)新效率評價大多采用數(shù)據(jù)包絡(luò)分析法(DEA)及基于DEA的Malmquist生產(chǎn)率指數(shù)來分析創(chuàng)新效率的靜態(tài)和動態(tài)狀況，并在此基礎(chǔ)上通過構(gòu)建Tobit模型分析創(chuàng)新效率的影響因素。本文選擇沿海三大經(jīng)濟區(qū)省域作為研究對象，通過沿海主要經(jīng)濟區(qū)內(nèi)部以及相互之間創(chuàng)新效率的比較分析找到差異并尋求應(yīng)對策略，這為相關(guān)科技管理決策者進行政策制定提供決策參考，因而具有較好的實踐價值。

2 沿海三大經(jīng)濟區(qū)省域創(chuàng)新效率的演化與測度

2.1 研究方法

本文選用DEA-Malmquist模型作為測度沿海經(jīng)濟區(qū)省域創(chuàng)新效率的主要工具。DEA分析方法是一種非參數(shù)統(tǒng)計方法，是用來評價多投入、多產(chǎn)出的相同決策單元是否技術(shù)有效的數(shù)學(xué)規(guī)劃模型[17]。查理斯等在“相對效率評價”概念基礎(chǔ)上，基于要素規(guī)模報酬不變(CRS)假設(shè)提出了首個DEA模型(CCR模型)，班克等[18]基于規(guī)模報酬可變(VRS)假設(shè)提出DEA方法的另一種模型即BCC模型，并將綜合技術(shù)效率值(TE)進一步分解為純技術(shù)效率值(PTE)和規(guī)模效率值(SE)。本文選用規(guī)模報酬可變的BCC模型對沿海三大經(jīng)濟區(qū)省域創(chuàng)新效率進行測評。由于 DEA 模型屬于靜態(tài)效率測度，即傳統(tǒng)的CCR、BCC模型只能反映決策單元的靜態(tài)效率情況，不能反映效率發(fā)展的動態(tài)變化，而基于DEA模型的 Malmquist 指數(shù)能更為全面地反映效率的發(fā)展演化過程?；贒EA的Malmquist生產(chǎn)率指數(shù)，是一種衡量決策單元生產(chǎn)率變化的工具。該指數(shù)由兩個元素組成：一個是度量技術(shù)前沿面的變化；另一個是度量技術(shù)效率的變化。它將全要素生產(chǎn)率變動指數(shù)(Tfpch)分解為技術(shù)效率變動指數(shù) (Effch) 和技術(shù)進步指數(shù)(Tech)的乘積，其中技術(shù)效率變動指數(shù)進一步分解為純技術(shù)效率指數(shù)(Pech)和規(guī)模效率指數(shù)(Sech)的乘積。

2.2 指標(biāo)選取

在借鑒官建成、吳傳清、韓兵、蘇屹等研究基礎(chǔ)上，本文在DEA-Malmquist指數(shù)模型創(chuàng)新投入階段選取R&D人員全時當(dāng)量(人年)和R&D經(jīng)費內(nèi)部支出(萬元)作為投入變量，這兩個指標(biāo)分別代表創(chuàng)新投入的關(guān)鍵要素即研發(fā)人員和研發(fā)資金的投入量。在模型創(chuàng)新產(chǎn)出階段則選取了有效發(fā)明專利數(shù)(件)和新產(chǎn)品銷售收入(萬元)作為創(chuàng)新產(chǎn)出變量。

由于本文以沿海三大經(jīng)濟區(qū)共8個省市為決策單元，而 DEA 分析要求樣本量(決策單元數(shù))是選取指標(biāo)數(shù)的2倍以上，選取4個投入產(chǎn)出指標(biāo)，樣本量能達到投入產(chǎn)出指標(biāo)的2倍，因此本文可以使用數(shù)據(jù)包絡(luò)分析法(DEA)進行分析。

本文所有數(shù)據(jù)均來源于2013-2020年《中國統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》。

2.3 靜態(tài)DEA效率演化與測度

首先使用DEAP Version 2.1軟件導(dǎo)入沿海三大經(jīng)濟區(qū)8省市在2012-2019年的投入產(chǎn)出變量數(shù)據(jù)，運用BCC模型(規(guī)模報酬可變模型)，得出如下DEA靜態(tài)效率值。

從表1可以看出，2012-2019年東部沿海三大經(jīng)濟區(qū)省域創(chuàng)新的綜合技術(shù)效率值(TE)的均值都大于0.9，整體而言技術(shù)創(chuàng)新效率較高。但具體來看，可以發(fā)現(xiàn)在沿海經(jīng)濟區(qū)內(nèi)每個省域的創(chuàng)新效率呈現(xiàn)差異，例如京津冀地區(qū)在2012-2019年，北京市技術(shù)創(chuàng)新的綜合技術(shù)效率值均為1，實現(xiàn)了DEA有效；天津市綜合技術(shù)效率值弱于北京，而河北省綜合技術(shù)效率值則位于三省市的末位，其技術(shù)創(chuàng)新是中等效率。而長三角三省一市綜合技術(shù)效率值均較高，其中上海市最高，2012-2019年綜合技術(shù)效率值均為1，實現(xiàn)了DEA有效，浙江和安徽次之，江蘇最低。上海市作為全國經(jīng)濟中心，集聚大量創(chuàng)新資源，產(chǎn)出效率較高。而浙江省綜合技術(shù)效率值較高，源于近年來數(shù)字經(jīng)濟和互聯(lián)網(wǎng)產(chǎn)業(yè)快速崛起以及產(chǎn)業(yè)結(jié)構(gòu)進一步優(yōu)化。安徽省近年來則利用政策傾斜和自身科教資源較為充足的優(yōu)勢，大力吸納各類科技創(chuàng)新資源，創(chuàng)新績效水平快速提升。而江蘇省作為制造業(yè)發(fā)達的沿海經(jīng)濟強省，其近年來綜合技術(shù)效率值一直相對偏低，這是因為在其內(nèi)部不同地域(蘇南、蘇中和蘇北)的產(chǎn)業(yè)發(fā)展水平和規(guī)模效率存在較大差異，從而影響整體的績效表現(xiàn)。

表1 2012-2019年沿海三大經(jīng)濟區(qū)8省市技術(shù)創(chuàng)新績效的綜合技術(shù)效率值(TE)

將表1所列示的綜合技術(shù)效率值進一步分解為純技術(shù)效率值和規(guī)模效率值。從表2和表3可以看出，在京津冀地區(qū)，其中北京市在2012-2019年純技術(shù)效率值和規(guī)模效率值均為1，即DEA有效。天津市純技術(shù)效率值較高，但仍在2014-2016年低于1；更重要的是天津市的規(guī)模效率仍有較大提升空間，表3所列示從2012-2019年的8年中天津市規(guī)模效率值均小于1，其中2012年、2016年、2017年、2018年和2019年的規(guī)模效率值均沒有達到東部沿海三大經(jīng)濟區(qū)8個省市的均值，盡快提升技術(shù)創(chuàng)新的規(guī)模效率，將是天津市在未來一段時間要努力的方向。與天津市相比較而言，河北省在創(chuàng)新的純技術(shù)效率和規(guī)模效率方面都存在短板，與京津兩市相比，甚至和沿海三大經(jīng)濟區(qū)的其他省份相比，河北省的純技術(shù)效率都是最低的，究其原因則是京津冀地區(qū)創(chuàng)新資源更傾向于向科教資源豐富且創(chuàng)新環(huán)境優(yōu)越的北京市集聚，天津市則次之，三地之中吸引力最弱的是河北省。長三角三省一市總體純技術(shù)效率值均較高，但四地之間又有差異，上海市和浙江省2012-2019年間純技術(shù)效率值均為1，為DEA有效；安徽省在2013年和2019年純技術(shù)效率值小于1，其余時期都等于1，在此期間規(guī)模效率值均高于江蘇省，原因在于安徽省高校資源較為豐富，近年來全力支持大科學(xué)裝置、合肥綜合性國家科學(xué)中心等重大平臺建設(shè)，不斷加快創(chuàng)新資源集聚，整體呈現(xiàn)技術(shù)創(chuàng)新效率快速提升的態(tài)勢。江蘇省在2012-2015年純技術(shù)效率值都等于1，但在2016-2019年純技術(shù)效率值都小于1，這主要是由于江蘇省純技術(shù)效率值總體較高，盡管全省創(chuàng)新支出不斷增長，但創(chuàng)新投入的邊際收益不高致使其創(chuàng)新績效并不顯著。另外江蘇省規(guī)模效率值低于長三角內(nèi)部的上海市、浙江省和安徽省，甚至還低于京津冀地區(qū)的河北省，處于三大經(jīng)濟區(qū)8個省市的最末位，這主要源于江蘇省內(nèi)不同地域城市的規(guī)模效率差異較大從而引致其整體規(guī)模效率值偏低。廣東省由于緊鄰香港和澳門特區(qū)，對高端創(chuàng)新資源的集聚吸納能力較強，從而會產(chǎn)生較高水平的純技術(shù)效率和規(guī)模效率，廣東省在2012-2019年，純技術(shù)效率值和規(guī)模效率值均為1。

表2 2012-2019年沿海三大經(jīng)濟區(qū)8省市技術(shù)創(chuàng)新績效的純技術(shù)效率值(PTE)

表3 2012-2019年沿海三大經(jīng)濟區(qū)8省市技術(shù)創(chuàng)新績效的規(guī)模效率值(SE)

2.4 動態(tài)DEA-Malmquist指數(shù)的演化與測度

同樣運用DEAP Version 2.1軟件測算了2012-2019年沿海經(jīng)濟區(qū)8省市全要素生產(chǎn)率變動及其分解情況，如表4所示。

表4 2012-2019年沿海三大經(jīng)濟區(qū)8省市全要素生產(chǎn)率變動及其分解

由表 4 可知，全要素生產(chǎn)率變化指數(shù)在2012-2019年的不同時期數(shù)值均大于1，這表明沿海三大經(jīng)濟區(qū)的8省市技術(shù)創(chuàng)新效率總體呈現(xiàn)增長的發(fā)展趨勢。同時將全要素生產(chǎn)率指數(shù)進行分解，可以看到技術(shù)進步指數(shù)變動比率除在2017-2018期間小于1，其余期間都大于1，說明沿海經(jīng)濟區(qū)省域技術(shù)進步穩(wěn)步提升，外生技術(shù)進步能力相對較強。一方面,技術(shù)效率變動指數(shù)則在2012-2019年呈現(xiàn)小幅波動的特征，但總體均值大于1，表示沿海經(jīng)濟區(qū)各省域創(chuàng)新效率呈現(xiàn)穩(wěn)步增長的趨勢，但總體上沿海經(jīng)濟區(qū)省域技術(shù)創(chuàng)新能力的提升更多是來自技術(shù)進步的增長率；另一方面對技術(shù)效率變化指數(shù)進行分解，沿海經(jīng)濟區(qū)純技術(shù)效率變動指數(shù)除 2014-2015年期間等于 1和2017-2018年大于1以外，其余時期純技術(shù)效率變動指數(shù)均小于1，說明沿海經(jīng)濟區(qū)各省域的技術(shù)和管理要素效率依然還有較大提升空間，而規(guī)模效率變化指數(shù)呈現(xiàn)出小幅波動且總體增長的發(fā)展趨勢，總體而言，沿海經(jīng)濟區(qū)各省域創(chuàng)新發(fā)展主要得益于外部技術(shù)進步，而綜合技術(shù)效率改善更多是得益于規(guī)模效率改善，純技術(shù)效率有待進一步提升。

由表5可以看出，2012-2019年我國沿海三大經(jīng)濟區(qū)8省市全要素生產(chǎn)率變動指數(shù)均值持續(xù)增長，這反映出8個省市總體全要素生產(chǎn)率處在不斷改善的狀態(tài)。具體而言，在京津冀地區(qū)，北京市在三地中全要素生產(chǎn)率增長最快，處于絕對領(lǐng)先優(yōu)勢，這得益于北京市擁有較高的科技創(chuàng)新資源集聚度，從表6 可以看出北京市全要素生產(chǎn)率的增幅主要是受技術(shù)進步的影響。表5顯示出天津市除2012-2013年、2018-2019年這兩個時期的全要素生產(chǎn)率增幅高于河北省外，其余時期均低于河北省，天津市對優(yōu)質(zhì)創(chuàng)新資源要素的吸納能力弱于北京市，全要素生產(chǎn)率變動指數(shù)呈現(xiàn)上下波動的特點。而河北省近年來由于區(qū)域協(xié)同發(fā)展政策的利好因素，創(chuàng)新資源不斷集聚，資源吸納能力不斷增強，從表6還可以看出，河北省創(chuàng)新全要素生產(chǎn)率增幅超過天津，主要是源自于技術(shù)效率快速提升，更具體分析是由于河北省近年來的規(guī)模效率增長較快而引致的技術(shù)效率的提升。在長三角地區(qū)，上海市對于創(chuàng)新資源的集聚吸納能力依然較強，但在2012-2019年中，2012-2013年、2014-2015年和2017-2018年的全要素生產(chǎn)率增幅均小于同期平均值。安徽省近年來科技創(chuàng)新效率較好，盡管增幅呈現(xiàn)出波動，但大部分時期全要素生產(chǎn)率增幅都高于平均值，這同樣受益于國家區(qū)域一體化發(fā)展政策促使創(chuàng)新資源大量集聚，促成該省科技創(chuàng)新能力和效率有較大幅度提升，2020年安徽省區(qū)域創(chuàng)新能力排名居全國前列，盡管安徽省的純技術(shù)效率還需進一步努力，但其規(guī)模效率和技術(shù)進步已經(jīng)實現(xiàn)了較快增長。江蘇省和浙江省近年來創(chuàng)新的全要素生產(chǎn)率增幅不明顯，大部分時期都低于同期平均值，其原因在于江蘇省和浙江省都是傳統(tǒng)沿海經(jīng)濟強省，兩省均是制造業(yè)強省，其產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，創(chuàng)新資源進一步匯集，創(chuàng)新產(chǎn)出較高，在這種技術(shù)水平下已難以持續(xù)快速提升全要素生產(chǎn)率，這與吳傳清(2017)得出的結(jié)論相一致。但江蘇和浙江兩省依然可以通過加大吸納高端創(chuàng)新資源要素來進一步提升技術(shù)進步率和通過提升管理和技術(shù)水平來提升技術(shù)效率以及進一步提升規(guī)模效率等路徑持續(xù)推進全要素生產(chǎn)率實現(xiàn)較快增長?？傮w而言，長三角地區(qū)近年來安徽省全要素生產(chǎn)率增長較快，上海市增速放緩，江蘇省和浙江省全要素生產(chǎn)率呈現(xiàn)出波動趨勢，增速低于平均值。處于粵港澳大灣區(qū)的廣東省，近年來全要素生產(chǎn)率增幅在2012-2013年、2017-2018年、2018-2019年小于同期均值，而其余時期則大于同期均值。從表6可以看出廣東省全要素生產(chǎn)率的增長都是源于技術(shù)進步的影響。綜上所述，從表5和表6可以看出，從省域來說，北京、廣東和上海全要素生產(chǎn)率增幅超過均值，處于第一方陣；而河北和安徽增長較快，處于第二方陣；天津、浙江和江蘇增長則較慢，處于靠后的位次。

表5 2012-2019年沿海三大經(jīng)濟區(qū)8省市全要素生產(chǎn)率變動指數(shù)(TFPCH)的演化

表6 2012-2019年沿海三大經(jīng)濟區(qū)8省市Malmquist指數(shù)及其分解

續(xù)表6 2012-2019年沿海三大經(jīng)濟區(qū)8省市Malmquist指數(shù)及其分解

3 沿海經(jīng)濟區(qū)省域創(chuàng)新效率影響因素分析

3.1 數(shù)據(jù)和模型

在借鑒樊華[3]、吳傳清[4]、李廉水[16]等的研究成果的基礎(chǔ)上，慎重選取產(chǎn)業(yè)結(jié)構(gòu)(IS)、對外開放度(DO)、政府扶持(GS)、技術(shù)市場成交額(TM)、城鎮(zhèn)化率(UR)、人力資本水平(HR)6個變量作為創(chuàng)新效率影響因素，分析其對創(chuàng)新效率的影響程度[19-20]。其中產(chǎn)業(yè)結(jié)構(gòu)(IS)用各省第二、三產(chǎn)業(yè)占 GDP 比重來表示，反映產(chǎn)業(yè)結(jié)構(gòu)的高端化對剩余創(chuàng)新效率的影響程度；對外開放度(DO)用進出口總額與地區(qū)生產(chǎn)總值的比值來表示，反映出該地區(qū)外向型經(jīng)濟的程度對區(qū)域創(chuàng)新的影響；政府扶持(GS)用R&D經(jīng)費內(nèi)部支出中政府資金的占比來表示，反映出公共財政支出對區(qū)域創(chuàng)新效率的影響程度；技術(shù)市場成交額(TM)用該地區(qū)技術(shù)市場成交額來表示，反映該地區(qū)技術(shù)市場活躍程度對區(qū)域創(chuàng)新效率的影響程度；城鎮(zhèn)化率(UR)則反映出當(dāng)?shù)爻擎?zhèn)化速度對區(qū)域創(chuàng)新效率的影響；人力資本水平(HR)用每10萬人中接受高等教育的人數(shù)來表示，這反映出該地區(qū)未來進行區(qū)域創(chuàng)新的R&D人員投入的潛力對區(qū)域創(chuàng)新效率的影響程度。數(shù)據(jù)來自2013-2020年《中國統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》。采用處理限值因變量的Tobit模型：

TEit=C+α1ISit+α2Doit+α3GSit+α4TMit+α5URit+α6HRit+εit

(1)

(1)式中TEit為各省域不同年份的綜合技術(shù)效率值，研究樣本時間為2012-2019年。另外Tobit模型針對的是面板數(shù)據(jù)，而粵港澳大灣區(qū)由于港澳特區(qū)難以獲取全部所需數(shù)據(jù)，因而只能以廣東省的數(shù)據(jù)來進行回歸，只能采用普通OLS方法。

3.2 結(jié)果分析

(1)從沿海經(jīng)濟區(qū)8省市總體回歸結(jié)果來看，產(chǎn)業(yè)結(jié)構(gòu)對沿海經(jīng)濟區(qū)省域創(chuàng)新效率具有顯著的正向作用，即第二、三產(chǎn)業(yè)產(chǎn)值在GDP總量中占比越高，區(qū)域創(chuàng)新效率越高.從區(qū)域和省域?qū)用婵?，廣東其產(chǎn)業(yè)結(jié)構(gòu)對省域創(chuàng)新效率的正向影響程度大于京津冀經(jīng)濟區(qū)，而京津冀又略高于長三角經(jīng)濟區(qū)。這反映出產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型和升級對于區(qū)域創(chuàng)新效率提升有積極作用。

(2)從表7可以看出，總體而言，對外開放度對于省域創(chuàng)新效率提升沒有顯著正向影響。分區(qū)域來看，除廣東的對外開放度對該地區(qū)創(chuàng)新效率有較弱的正向作用外，京津冀和長三角經(jīng)濟區(qū)的對外開放度均沒有對區(qū)域創(chuàng)新效率產(chǎn)生顯著的正向影響，這也反映出沿海經(jīng)濟區(qū)各省域?qū)σM外部技術(shù)的消化吸收再創(chuàng)新能力較弱，對外部資源的利用未能轉(zhuǎn)變?yōu)楦邉?chuàng)新產(chǎn)出。

表7 沿海三大經(jīng)濟區(qū)主要經(jīng)濟區(qū)創(chuàng)新效率影響因素的回歸結(jié)果

(3)從表7反映出政府R&D經(jīng)費的投入對沿海經(jīng)濟區(qū)總體創(chuàng)新效率有顯著的正向作用。但細分各區(qū)域又有差異，在長三角經(jīng)濟區(qū)，政府扶持資金對于該省域創(chuàng)新效率有著較為顯著的積極作用，而在京津冀和廣東，政府對于R&D的扶持資金并沒有對當(dāng)?shù)貏?chuàng)新效率產(chǎn)生較為明顯的積極影響，這說明在該地區(qū)政府科技資金的引領(lǐng)和導(dǎo)向作用沒有充分發(fā)揮，資金使用效率較低。

(4)從表7技術(shù)市場交易額對創(chuàng)新效率的影響來看，沿海經(jīng)濟區(qū)總體技術(shù)市場交易額對創(chuàng)新效率具有正向作用，也就是說我國沿海經(jīng)濟區(qū)技術(shù)市場交易比較活躍，交易金額規(guī)模較大，這有助于提升地區(qū)創(chuàng)新效率。具體而言，京津冀地區(qū)和廣東的技術(shù)市場交易對區(qū)域創(chuàng)新有較為明顯的正向作用，而長三角地區(qū)則不顯著。

(5)表7中城鎮(zhèn)化率總體而言對于區(qū)域創(chuàng)新效率有正向作用，從地區(qū)來看，長三角和京津冀地區(qū)的城鎮(zhèn)化率促進當(dāng)?shù)貏?chuàng)新效率提升，且長三角地區(qū)的正向影響程度略高于京津冀地區(qū)，而廣東的城鎮(zhèn)化率并沒有對區(qū)域創(chuàng)新效率有較為顯著的正向影響?？偟膩碚f，城鎮(zhèn)化率較高的地區(qū)，有利于創(chuàng)新的各類基礎(chǔ)設(shè)施較為完善，更有利于開展創(chuàng)新活動和有更多的創(chuàng)新產(chǎn)出。

(6)從表7可以看出，沿海經(jīng)濟區(qū)總體人力資本水平并沒有對創(chuàng)新效率提升產(chǎn)生明顯的正向促進作用。除京津冀地區(qū)的人力資本水平對于當(dāng)?shù)貏?chuàng)新效率有較弱的正向作用以外，長三角和廣東省的人力資本水平都沒有對當(dāng)?shù)貏?chuàng)新效率產(chǎn)生較為明顯的正向作用，究其原因在于高等院校對于人才培養(yǎng)依然還未實現(xiàn)產(chǎn)學(xué)研的協(xié)同培養(yǎng)，人才培養(yǎng)和產(chǎn)業(yè)對人才需求脫節(jié)，這也為今后沿海地區(qū)人才培養(yǎng)模式的轉(zhuǎn)型提供方向和目標(biāo)。

4 結(jié)論與建議

4.1 結(jié)論

本文使用2012-2019年我國沿海三大經(jīng)濟區(qū)8個省市面板數(shù)據(jù)，運用DEA-Malmquist 指數(shù)和面板Tobit模型對其創(chuàng)新效率進行了測度及影響因素分析。通過分析可以得出如下結(jié)論：

(1)從結(jié)果來看，北京、上海和廣東的綜合技術(shù)效率值均為1，達到了DEA有效；浙江、安徽緊隨其后；而天津、江蘇和河北則排在后三位。具體而言，北京、上海和廣東無論是純技術(shù)效率值還是規(guī)模效率值都為1，達到了DEA有效；而浙江除個別年份規(guī)模效率值低于1以外，其他年份規(guī)模效率值和純技術(shù)效率值均為1，達到了DEA有效；安徽無論是純技術(shù)效率值還是規(guī)模效率值均大于0.9，總體處于技術(shù)創(chuàng)新的高效率水平；影響天津和江蘇綜合技術(shù)效率水平的因素主要是規(guī)模效率相對偏低；河北則更需要在純技術(shù)效率水平上進一步提升。

(2)沿海三大經(jīng)濟區(qū)的8個省市Malmquist指數(shù)即全要素生產(chǎn)率變動指數(shù)總體在2012-2019年的不同時期數(shù)值均大于1，表明這8個省市的技術(shù)創(chuàng)新效率總體呈現(xiàn)增長的發(fā)展趨勢。沿海經(jīng)濟區(qū)各省域創(chuàng)新發(fā)展主要得益于外部技術(shù)進步，而綜合技術(shù)效率改善更多是得益于規(guī)模效率改善，純技術(shù)效率有待進一步提升。從省域來說，北京、廣東和上海全要素生產(chǎn)率變動指數(shù)增幅超過均值，處于第一方陣；而河北和安徽增長較快，處于第二方陣；天津、浙江和江蘇增長則較慢，處于靠后的位次，其原因分別是技術(shù)進步指數(shù)、規(guī)模效率變動指數(shù)和純技術(shù)效率變動指數(shù)增幅較低。

(3)Tobit模型回歸結(jié)果顯示產(chǎn)業(yè)結(jié)構(gòu)對沿海經(jīng)濟區(qū)省域創(chuàng)新效率具有顯著的正向作用，即產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型和升級對于區(qū)域創(chuàng)新效率提升有積極作用。政府R&D經(jīng)費的投入對沿海經(jīng)濟區(qū)總體創(chuàng)新效率有顯著的正向作用，但對各地的影響差異較大。技術(shù)市場交易額以及城鎮(zhèn)化率都對省域創(chuàng)新效率有正向作用，而對外開放度和人力資本水平并沒有對創(chuàng)新效率提升產(chǎn)生明顯的正向促進作用。

4.2 建議

4.2.1 積極推進區(qū)域創(chuàng)新體系與能力建設(shè)

具體可從以下幾方面著手：①鼓勵各地政府增加對創(chuàng)新活動的公共資金投入，以此帶動更多社會資本投入創(chuàng)新領(lǐng)域，強化對資金使用效率的監(jiān)督和考核；②積極構(gòu)建高水平區(qū)域協(xié)同創(chuàng)新體系，為區(qū)域內(nèi)創(chuàng)新主體吸收外部資源和開展合作提供平臺;③積極推動區(qū)域創(chuàng)新基礎(chǔ)設(shè)施與本地各類創(chuàng)新主體建立開放合作關(guān)系，構(gòu)建穩(wěn)定且緊密協(xié)作的區(qū)域創(chuàng)新共同體； ④以地區(qū)創(chuàng)新能力提升為目標(biāo)，應(yīng)強化高校人才培養(yǎng)模式與區(qū)域、產(chǎn)業(yè)發(fā)展深度融合，加強創(chuàng)新型人才培養(yǎng)，堅持理論型和應(yīng)用型高層次人才培養(yǎng)并重，增強人力資本服務(wù)當(dāng)?shù)貏?chuàng)新活動的支撐作用。

4.2.2 完善城鎮(zhèn)化空間布局，加快創(chuàng)新型城市群建設(shè)

從分析可以看出，城鎮(zhèn)化水平同樣對創(chuàng)新效率有正向影響作用，因而進一步優(yōu)化和完善城鎮(zhèn)化空間布局，將有利于省域創(chuàng)新效率提升。借鑒國外創(chuàng)新型經(jīng)濟體發(fā)展的經(jīng)驗，加快建立創(chuàng)新型城市群是優(yōu)化和完善城鎮(zhèn)化空間布局的較好發(fā)展路徑[21]。目前在我國應(yīng)通過將北京、上海、廣州、深圳等中心城市非核心功能向周邊中小城市疏解，這有利于優(yōu)化城市群整體空間布局，促進區(qū)域創(chuàng)新活動的空間協(xié)同和一體化發(fā)展，提升國土空間治理能力和效率。為此需要做到：①進一步優(yōu)化和完善交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)，提升大中小城市之間通達水平，不斷提高區(qū)域內(nèi)和區(qū)域間創(chuàng)新要素流動效能；②增強創(chuàng)新型中小城市的制造業(yè)基礎(chǔ)能力及產(chǎn)業(yè)轉(zhuǎn)移承接能力，優(yōu)化創(chuàng)新環(huán)境，提升公共服務(wù)的均等化水平。

4.2.3 通過調(diào)節(jié)創(chuàng)新資源配置緩解南北經(jīng)濟差距擴大

我國沿海經(jīng)濟區(qū)中只有京津冀地區(qū)地處北方，而長三角地區(qū)和粵港澳大灣區(qū)均位于南方，經(jīng)濟上南強北弱的現(xiàn)象較為明顯。從對各省域創(chuàng)新效率的分析看出，由于各省域各類資源稟賦的客觀差異，致使各地對創(chuàng)新資源要素的集聚和吸納能力呈現(xiàn)出較大差異，應(yīng)促進區(qū)域內(nèi)創(chuàng)新要素的有序流動和合理配置，統(tǒng)籌規(guī)劃創(chuàng)新資源在各地的空間布局，應(yīng)將京津冀、長三角與粵港澳大灣區(qū)三地協(xié)同對接，通過開展聯(lián)合基礎(chǔ)研究和共建重大科技基礎(chǔ)設(shè)施等，加強三地之間的互利合作，實現(xiàn)區(qū)域內(nèi)部和區(qū)域之間產(chǎn)業(yè)創(chuàng)新驅(qū)動轉(zhuǎn)型升級與優(yōu)勢整合，緩解南北經(jīng)濟差距擴大。