彭緒庶，張 笑

（1.中國(guó)社會(huì)科學(xué)院 數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，北京 100732；2.中國(guó)社會(huì)科學(xué)院大學(xué)數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)系，北京 100732）

一、引言

當(dāng)前，中國(guó)正處于由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展的關(guān)鍵時(shí)期，創(chuàng)新創(chuàng)業(yè)是實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的重要抓手。推動(dòng)從創(chuàng)新向創(chuàng)業(yè)轉(zhuǎn)化，培育發(fā)展新動(dòng)能，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展，具有不可替代的重要作用。近年來，中國(guó)各級(jí)政府對(duì)創(chuàng)新創(chuàng)業(yè)投入持續(xù)加大。從R&D 投入來看，中國(guó)自2013 年后R&D 經(jīng)費(fèi)穩(wěn)居世界第二位，且繼續(xù)保持快速增長(zhǎng)。2019 年，首次突破2 萬億元大關(guān)。2020 年，我國(guó)R&D 經(jīng)費(fèi)投入達(dá)到24426 億元，R&D 人員全時(shí)當(dāng)量也增長(zhǎng)至509.19 人年①數(shù)據(jù)來源：國(guó)家統(tǒng)計(jì)局（http：//www.stats.gov.cn/）。。在各級(jí)政府支持下，創(chuàng)新創(chuàng)業(yè)金融支持渠道不斷拓寬，創(chuàng)業(yè)投資規(guī)模持續(xù)增長(zhǎng)。據(jù)統(tǒng)計(jì)，2019 年全國(guó)創(chuàng)業(yè)風(fēng)險(xiǎn)投資累計(jì)投資金額達(dá)到5635.8 億元②數(shù)據(jù)來源：《中國(guó)科技統(tǒng)計(jì)年鑒》。。持續(xù)加大創(chuàng)新創(chuàng)業(yè)投入和政策支持，帶來了一系列成效，如專利申請(qǐng)授權(quán)量、技術(shù)市場(chǎng)成交額持續(xù)增加，創(chuàng)新型企業(yè)研發(fā)實(shí)力不斷增強(qiáng)，社會(huì)創(chuàng)造活力得到增強(qiáng)，涌現(xiàn)出了許多競(jìng)爭(zhēng)力強(qiáng)、成長(zhǎng)性好、知名度高的創(chuàng)新型企業(yè)，同時(shí)也催生出一批高技術(shù)、新業(yè)態(tài)的就業(yè)崗位。

但是，僅從上述統(tǒng)計(jì)指標(biāo)來評(píng)價(jià)創(chuàng)新創(chuàng)業(yè)活動(dòng)帶來的成效并不全面。學(xué)界和媒體關(guān)于中國(guó)創(chuàng)新資源配置不合理，創(chuàng)新投入高，經(jīng)濟(jì)效益低等問題的研究和報(bào)道時(shí)有發(fā)生。經(jīng)濟(jì)學(xué)研究必須重視效率問題，尤其是在新一輪科技革命和產(chǎn)業(yè)變革中，科技和經(jīng)濟(jì)領(lǐng)域的競(jìng)爭(zhēng)首先是對(duì)創(chuàng)新創(chuàng)業(yè)資源的競(jìng)爭(zhēng)，國(guó)際國(guó)內(nèi)普遍高度重視創(chuàng)新創(chuàng)業(yè)問題，對(duì)創(chuàng)新創(chuàng)業(yè)資源的競(jìng)爭(zhēng)日趨激烈，必須從創(chuàng)新創(chuàng)業(yè)的視角高度重視創(chuàng)新效率問題。

二、文獻(xiàn)綜述

創(chuàng)新效率研究始終是學(xué)術(shù)界研究的熱點(diǎn)。章成帥（2016）、胡良善（2017）、盛廣耀和孫聰麗（2021）分別對(duì)產(chǎn)業(yè)創(chuàng)新效率和區(qū)域創(chuàng)新效率研究進(jìn)行了較為詳細(xì)的綜述。綜合國(guó)內(nèi)外文獻(xiàn)和綜述研究可以發(fā)現(xiàn)，從創(chuàng)新效率測(cè)算方法來看，主要可分為三類：第一類是非參數(shù)方法，主要是數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）方法；第二類是參數(shù)方法，主要是隨機(jī)前沿分析（stochastic frontier analysis，SFA）方法，如盛彥文等（2020）對(duì)中國(guó)東部5 大城市群創(chuàng)新效率的測(cè)度。DEA 方法的應(yīng)用較為廣泛，該方法也是國(guó)際上公共政策效應(yīng)評(píng)估的重要模型。因此，第三類是以DEA 方法為基礎(chǔ)，對(duì)DEA 方法進(jìn)行改進(jìn)，或融合其他方法進(jìn)行分析研究。例如，顏莉（2012）綜合運(yùn)用主成分分析和DEA 的組合方法測(cè)量我國(guó)區(qū)域創(chuàng)新效率，并用我國(guó)30 個(gè)省份的創(chuàng)新數(shù)據(jù)進(jìn)行測(cè)量實(shí)證分析。Chen 和Guan（2012）利用關(guān)聯(lián)網(wǎng)絡(luò)數(shù)據(jù)包絡(luò)模型測(cè)算中國(guó)30 個(gè)地區(qū)創(chuàng)新效率。近年來，越來越多研究通過改進(jìn)傳統(tǒng)DEA 方法進(jìn)行創(chuàng)新效率測(cè)算，例如，白俊紅和蔣伏心（2011）利用三階段DEA 方法，發(fā)現(xiàn)控制環(huán)境影響因素后，中國(guó)區(qū)域創(chuàng)新效率平均值相較不控制情況下降低，且規(guī)模效率較低成為制約其發(fā)展的主要原因；羅穎等（2019）、易繼承和張璐（2021）分別利用三階段DEA 方法測(cè)算了長(zhǎng)江經(jīng)濟(jì)帶11 省市和27 個(gè)國(guó)家的創(chuàng)新效率。

從研究?jī)?nèi)容來看，研究重點(diǎn)除測(cè)算產(chǎn)業(yè)、園區(qū)、區(qū)域和國(guó)家創(chuàng)新效率外，還包括影響創(chuàng)新效率的因素，區(qū)域創(chuàng)新效率的空間差異性特征和時(shí)間演進(jìn)特征。例如，劉滿鳳和李圣宏（2016）、錢麗等（2015）、齊亞偉（2015）也分別從區(qū)域?qū)用?、企業(yè)層面及創(chuàng)新主體層面對(duì)創(chuàng)新效率進(jìn)行測(cè)量，并考慮了創(chuàng)新環(huán)境如基礎(chǔ)設(shè)施、政府支持、金融環(huán)境及勞動(dòng)者素質(zhì)等對(duì)創(chuàng)新效率的影響。歐光軍等（2013）采用DEA 方法分析國(guó)家高新區(qū)經(jīng)濟(jì)系統(tǒng)運(yùn)行效率，發(fā)現(xiàn)目前多數(shù)高新區(qū)無論是技術(shù)還是規(guī)模都處于無效的狀態(tài)。劉偉江等（2019）使用聚類分析，將我國(guó)31 個(gè)省份面板數(shù)據(jù)按照創(chuàng)新創(chuàng)業(yè)水平劃分為4 個(gè)區(qū)域，并構(gòu)建鏈?zhǔn)街薪榛貧w方程，探究科技政策對(duì)區(qū)域生產(chǎn)率增長(zhǎng)的作用機(jī)理。

黨的十八大后，隨著中央提出“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”，與“雙創(chuàng)”相關(guān)的創(chuàng)新效率研究日漸增多，如張靜進(jìn)和陳光華（2019）運(yùn)用DEA 方法對(duì)我國(guó)眾創(chuàng)空間的創(chuàng)新創(chuàng)業(yè)效率及各省份之間的差異進(jìn)行了測(cè)度；王元地和陳禹（2017）以我國(guó)31 個(gè)?。ㄊ校?shù)據(jù)為基礎(chǔ)，構(gòu)建區(qū)域“雙創(chuàng)”效率評(píng)價(jià)指標(biāo)體系，并運(yùn)用三階段DEA 方法，在控制環(huán)境因素的基礎(chǔ)上考察各地區(qū)“雙創(chuàng)”投入產(chǎn)出轉(zhuǎn)化效率；林冰儇（2020）運(yùn)用三階段DEA 方法，考察了我國(guó)各地區(qū)雙創(chuàng)投入產(chǎn)出轉(zhuǎn)化效率，并研究其在空間上的差異。

總體來看，區(qū)域創(chuàng)新效率研究取得了豐碩成果，但不足也相當(dāng)明顯。例如，相當(dāng)多研究都認(rèn)為DEA 方法是基于線性規(guī)劃方法，而忽視了該方法應(yīng)用的經(jīng)濟(jì)理論基礎(chǔ)。相當(dāng)多研究將創(chuàng)新和創(chuàng)新效率理解為基于科技研發(fā)活動(dòng)的創(chuàng)新和研發(fā)效率，忽視了創(chuàng)新本義上是一種經(jīng)濟(jì)行為。例如，F(xiàn)ritsch 和Slavtchev（2011）研究中創(chuàng)新投入和產(chǎn)出指標(biāo)分別為私營(yíng)部門R&D 就業(yè)數(shù)量和企業(yè)專利申請(qǐng)數(shù)量，Broeke（l2015）對(duì)德國(guó)270 個(gè)勞動(dòng)力市場(chǎng)地區(qū)創(chuàng)新效率的測(cè)算也大致如此。國(guó)內(nèi)研究對(duì)投入和產(chǎn)出指標(biāo)的選擇雖然更加豐富，尤其是在產(chǎn)出指標(biāo)方面增加了諸如新產(chǎn)品數(shù)量、新產(chǎn)品銷售收入等，突出了創(chuàng)新產(chǎn)出的經(jīng)濟(jì)效益，但包括近年基于創(chuàng)新創(chuàng)業(yè)或“雙創(chuàng)”的區(qū)域創(chuàng)新效率測(cè)度研究在內(nèi)，多數(shù)研究仍忽視了創(chuàng)新和創(chuàng)業(yè)內(nèi)在的關(guān)聯(lián)性，以及較少把創(chuàng)新創(chuàng)業(yè)作為一個(gè)有機(jī)整體分析其對(duì)創(chuàng)新效率的影響。

本文嘗試從創(chuàng)新創(chuàng)業(yè)促進(jìn)創(chuàng)新效率的理論機(jī)制出發(fā)，根據(jù)創(chuàng)新創(chuàng)業(yè)的目標(biāo)導(dǎo)向構(gòu)建測(cè)度創(chuàng)新效率的指標(biāo)體系，評(píng)估和比較分析省域創(chuàng)新效率的時(shí)空演進(jìn)特征，對(duì)認(rèn)識(shí)各地創(chuàng)新效率現(xiàn)狀和未來進(jìn)一步完善創(chuàng)新創(chuàng)業(yè)政策具有重要參考意義。

三、理論分析

（一）理論機(jī)制

效率實(shí)際上是一種投入產(chǎn)出之間的比例關(guān)系。但由于創(chuàng)新是一種復(fù)雜經(jīng)濟(jì)活動(dòng)，創(chuàng)新投入不僅僅是R&D經(jīng)費(fèi)和人力投入，創(chuàng)新產(chǎn)出也不僅僅表現(xiàn)為研究論文、專利或新產(chǎn)品，其投入和產(chǎn)出都需要從多重維度進(jìn)行度量。因此測(cè)度創(chuàng)新效率本身在理論上即存在較大困難，難以形成共識(shí)。總體上，創(chuàng)新效率衡量的是在一定政策支撐和環(huán)境影響下創(chuàng)新要素投入向創(chuàng)新產(chǎn)出的轉(zhuǎn)化水平，既是對(duì)創(chuàng)新績(jī)效的反映，也是創(chuàng)新能力的重要體現(xiàn)。在傳統(tǒng)研究中，可能是因?yàn)橛绊憚?chuàng)新效率的因素眾多，且創(chuàng)新效率測(cè)度困難，創(chuàng)新效率成為一個(gè)“黑匣子”；另外，創(chuàng)新活動(dòng)對(duì)創(chuàng)新效率有著顯著影響，其影響機(jī)制較易理解。創(chuàng)新與創(chuàng)業(yè)長(zhǎng)期被視作孤立的兩個(gè)領(lǐng)域，盡管近年來關(guān)于創(chuàng)新創(chuàng)業(yè)的研究日漸增多，但尚未有人系統(tǒng)分析創(chuàng)業(yè)對(duì)創(chuàng)新和創(chuàng)新效率的影響機(jī)制。

創(chuàng)業(yè)在提升創(chuàng)新效率過程中的作用主要可以概括為如下幾個(gè)方面：

第一，從產(chǎn)業(yè)鏈的視角看，科學(xué)研發(fā)與開發(fā)等創(chuàng)新活動(dòng)的直接產(chǎn)出成果是科學(xué)論文、研究報(bào)告、專利甚至是商業(yè)設(shè)計(jì)，創(chuàng)業(yè)活動(dòng)是利用這些創(chuàng)新產(chǎn)出付之于生產(chǎn)經(jīng)營(yíng)實(shí)踐，高質(zhì)量和活躍的創(chuàng)新有利于推動(dòng)創(chuàng)業(yè)，創(chuàng)業(yè)活動(dòng)是創(chuàng)新活動(dòng)的自然延伸。反過來，活躍和高質(zhì)量的創(chuàng)業(yè)衍生創(chuàng)新需求，有利于拉動(dòng)創(chuàng)新發(fā)展。創(chuàng)新創(chuàng)業(yè)緊密聯(lián)系在一起形成的閉環(huán)，不僅與從創(chuàng)新投入到創(chuàng)新產(chǎn)出的轉(zhuǎn)換過程高度耦合，也驅(qū)動(dòng)創(chuàng)新效率轉(zhuǎn)換成為不斷升級(jí)的循環(huán)過程。

第二，創(chuàng)業(yè)行為的直接產(chǎn)出是催生了大量中小微企業(yè)，同時(shí)還將帶動(dòng)科技中介服務(wù)發(fā)展，有利于形成不同規(guī)模企業(yè)和產(chǎn)學(xué)研相互促進(jìn)、相互協(xié)作、集聚發(fā)展的良好創(chuàng)新生態(tài)，能夠在一個(gè)特定區(qū)域內(nèi)更好匯聚和整合資本、創(chuàng)新型人才、創(chuàng)新信息、技術(shù)等創(chuàng)新要素，發(fā)揮提升創(chuàng)新效率的合力效應(yīng)。

第三，與創(chuàng)新相比，創(chuàng)業(yè)對(duì)區(qū)域政策、人才、金融等環(huán)境更加敏感。像重視創(chuàng)新一樣重視創(chuàng)業(yè)，必然要推動(dòng)政府簡(jiǎn)政放權(quán)，完善服務(wù)，營(yíng)造良好營(yíng)商環(huán)境和公平競(jìng)爭(zhēng)市場(chǎng)環(huán)境，充分發(fā)揮市場(chǎng)在資源配置中的作用，同時(shí)加強(qiáng)對(duì)創(chuàng)業(yè)政策支持，加大知識(shí)產(chǎn)權(quán)保護(hù)。顯然，重視創(chuàng)新創(chuàng)業(yè)與營(yíng)造創(chuàng)新創(chuàng)業(yè)環(huán)境密不可分，而良好的創(chuàng)新創(chuàng)業(yè)環(huán)境直接有利于提升創(chuàng)新效率。

第四，某種意義上，創(chuàng)業(yè)是希望利用知識(shí)商業(yè)潛力獲取超額收益。創(chuàng)業(yè)過程實(shí)際上是將創(chuàng)新人才具有的隱性知識(shí)顯性化，推動(dòng)區(qū)域知識(shí)存量商業(yè)化的重要過程。在這一過程中，不僅有利于促進(jìn)知識(shí)再生產(chǎn)，提升創(chuàng)新水平，也直接有利于科技創(chuàng)新成果轉(zhuǎn)化，加快由創(chuàng)新投入向創(chuàng)新產(chǎn)出的轉(zhuǎn)化。

第五，創(chuàng)業(yè)直接表現(xiàn)為開辦新企業(yè)，開發(fā)新產(chǎn)品，開拓新市場(chǎng)，培育新產(chǎn)業(yè)。創(chuàng)新創(chuàng)業(yè)緊密結(jié)合，與經(jīng)濟(jì)社會(huì)發(fā)展深度融合，不僅是培育發(fā)展新動(dòng)能，加速產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，而且有利于提升經(jīng)濟(jì)發(fā)展質(zhì)量，活躍的創(chuàng)新創(chuàng)業(yè)也能促進(jìn)提升經(jīng)濟(jì)發(fā)展效率。創(chuàng)新效率既是經(jīng)濟(jì)發(fā)展效率的重要內(nèi)容和重要支撐，也是經(jīng)濟(jì)發(fā)展效率的重要體現(xiàn)。反過來，經(jīng)濟(jì)發(fā)展效率的提升也有利于推動(dòng)提升創(chuàng)新效率。

（二）理論模型

數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）是一種非參數(shù)估計(jì)的效率評(píng)價(jià)方法，在經(jīng)濟(jì)計(jì)量領(lǐng)域，尤其是在分析公共政策效率的方面已經(jīng)得到了廣泛應(yīng)用。DEA 方法的主要原理是通過保持決策單元（decision making units，DMU）的輸入或輸出不變，運(yùn)用數(shù)學(xué)的線性規(guī)劃方法來構(gòu)建有效的最佳凸性生產(chǎn)前沿，然后計(jì)算出各決策單元的生產(chǎn)曲面，測(cè)度其與最佳生產(chǎn)前沿的距離來確定效率值，效率的結(jié)果可以判斷決策單元達(dá)到最優(yōu)的投入與產(chǎn)出量（李素梅等，2016）。DEA 方法可分為固定規(guī)模報(bào)酬的CCR（固定規(guī)模報(bào)酬）模型和規(guī)模報(bào)酬可變的BCC（規(guī)模報(bào)酬可變）模型，CCR 模型假設(shè)規(guī)模報(bào)酬不變，計(jì)算出的效率值是包含規(guī)模效率的綜合技術(shù)效率，BCC 模型可通過綜合技術(shù)效率中剔除規(guī)模效率的影響，得到純技術(shù)效率值。運(yùn)用DEA 方法進(jìn)行創(chuàng)新效率測(cè)度可以從投入和產(chǎn)出兩種模式進(jìn)行，其中，投入主導(dǎo)型（inputs）是指在不改變產(chǎn)出數(shù)量的前提下，得到使投入最小的方法；產(chǎn)出主導(dǎo)型（outputs）是在不改變投入要素的條件下，得到產(chǎn)出最大的方法。

如前所述，由于創(chuàng)新投入和創(chuàng)新產(chǎn)出都需要多維度指標(biāo)進(jìn)行衡量，且不同指標(biāo)量綱不一致，難以確定不同指標(biāo)的權(quán)重，而DEA 正好適合處理這種多輸入和多輸出的有效性評(píng)價(jià)。同時(shí)，在創(chuàng)新效率評(píng)價(jià)中，投入因素是創(chuàng)新政策可以施加影響的決策單元，且發(fā)揮著主要作用。因此，本文的基本理論模型選用投入導(dǎo)向的BCC 模型，具體可表示為

其中：i=1，2，…，n；n為決策單元的個(gè)數(shù)；xij（j=1，2，…，m）為第i個(gè)決策單元的第j個(gè)投入要素；yir（r=1，2，…，s）為第i個(gè)決策單元的第r個(gè)產(chǎn)出要素；xoj、yor分別表示第o個(gè)決策單元的第j個(gè)投入要素和第r個(gè)產(chǎn)出要素；λi為權(quán)重變量；s+和s-為松弛變量；ε為非阿基米德無窮小量，一般取ε為10-6；et=（1，1，…，1）；θ*為最優(yōu)解，表明該決策單元技術(shù)效率最佳，效率θ∈(0，1]。DEA 模型的原理是將處在前沿面上的決策單元認(rèn)定為其投入產(chǎn)出組合最有效，并把該決策單元的效率值定為1；不在前沿面上的決策單元?jiǎng)t被認(rèn)為是無效的，同時(shí)通過與前沿面對(duì)比，確定其相對(duì)的效率指標(biāo)。因此當(dāng)θ*=1 且s-*=0，s+*=0 時(shí)，表示決策單元j0為DEA 有效；當(dāng)0＜θ*＜1 且s-*≠0，s+*≠0，決策單元j0為非DEA 有效，表明該決策單元投入不當(dāng)，屬于非技術(shù)有效。

運(yùn)用DEA 方法可對(duì)眾多領(lǐng)域的效率問題進(jìn)行有效評(píng)價(jià)，但傳統(tǒng)的DEA 模型所測(cè)定的效率結(jié)果中通常會(huì)存在一個(gè)以上的有效決策單元（效率值為1），而效率值相同意味著無法對(duì)這些有效的決策單元進(jìn)行進(jìn)一步的比較。為了完善這一不足，本文借鑒Andersen 和Petersen（1993）利用提出的超效率模型進(jìn)一步對(duì)區(qū)域創(chuàng)新效率進(jìn)行測(cè)度。超效率DEA 模型評(píng)價(jià)思想是，要對(duì)某決策單元進(jìn)行效率評(píng)價(jià)時(shí)，先將其排除在外。因此，就無效的決策單元而言，其生產(chǎn)前沿面不變，但就有效決策單元而言，在其效率值不變的前提下，投入按比例增加，將投入增加的比例記為超效率評(píng)價(jià)值，因其生產(chǎn)前沿面后移，故測(cè)定出的效率值要大于利用傳統(tǒng)DEA模型測(cè)定的效率值（付麗娜等，2013）。

規(guī)模報(bào)酬可變的情況下，超效率DEA 模型變?yōu)?/p>

四、研究設(shè)計(jì)

（一）DEA 投入產(chǎn)出指標(biāo)設(shè)計(jì)

1.指標(biāo)選擇的基本考慮

利用DEA 方法進(jìn)行創(chuàng)新效率評(píng)估，首要關(guān)鍵點(diǎn)在于投入和產(chǎn)出能力的測(cè)度。表1 列出了部分代表性文獻(xiàn)在測(cè)度區(qū)域創(chuàng)新效率時(shí)的投入產(chǎn)出指標(biāo)情況。

表1 代表性文獻(xiàn)測(cè)度區(qū)域創(chuàng)新效率的指標(biāo)選擇情況

本文認(rèn)為，利用DEA 方法測(cè)度創(chuàng)新效率，根據(jù)創(chuàng)新創(chuàng)業(yè)影響創(chuàng)新效率的經(jīng)濟(jì)機(jī)理選擇投入和產(chǎn)出指標(biāo)至關(guān)重要，這是指標(biāo)科學(xué)性的基礎(chǔ)。即投入指標(biāo)必須體現(xiàn)創(chuàng)新創(chuàng)業(yè)的核心特征，產(chǎn)出指標(biāo)必須體現(xiàn)創(chuàng)新效率的基本內(nèi)涵，同時(shí)投入指標(biāo)和產(chǎn)出指標(biāo)之間應(yīng)具有內(nèi)在的因果關(guān)系或相關(guān)關(guān)系，符合經(jīng)濟(jì)邏輯的一致性。同時(shí)，在指標(biāo)的選擇和相應(yīng)的指數(shù)計(jì)算過程中，指標(biāo)和測(cè)算結(jié)果在時(shí)間維度上能進(jìn)行縱向?qū)Ρ龋诳臻g維度上能夠進(jìn)行橫向?qū)Ρ?，即同全?guó)范圍內(nèi)其他樣本的同一指標(biāo)進(jìn)行比較。這就要求數(shù)據(jù)指標(biāo)必須具有較好的規(guī)范性和通用性。

2.DEA 投入指標(biāo)設(shè)定

在選取DEA 投入指標(biāo)時(shí)，本文分別從創(chuàng)新投入、創(chuàng)業(yè)投入和發(fā)展環(huán)境的角度選取創(chuàng)新經(jīng)費(fèi)投入、創(chuàng)新人員投入、創(chuàng)業(yè)平臺(tái)投入、創(chuàng)業(yè)資金投入和創(chuàng)新創(chuàng)業(yè)環(huán)境5 個(gè)投入指標(biāo)。

（1）創(chuàng)新經(jīng)費(fèi)投入。創(chuàng)新是創(chuàng)業(yè)的先導(dǎo)，衡量創(chuàng)新投入的指標(biāo)之一，用研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)投入強(qiáng)度來度量。R&D 作為國(guó)際上反映一國(guó)科技實(shí)力和核心競(jìng)爭(zhēng)力的重要指標(biāo)，其投入強(qiáng)度指標(biāo)可用于反映地區(qū)創(chuàng)新研究經(jīng)費(fèi)投入的整體水平。

（2）創(chuàng)新人才投入，衡量創(chuàng)新投入的指標(biāo)之一，用研究與試驗(yàn)發(fā)展（R&D）人員全時(shí)當(dāng)量來度量。反映國(guó)家或地區(qū)創(chuàng)新研究在人才方面的投入和建設(shè)水平。

（3）創(chuàng)業(yè)平臺(tái)投入。科技孵化器是區(qū)域創(chuàng)新體系的重要核心內(nèi)容，是地方重視和推動(dòng)創(chuàng)業(yè)的重要載體。因此可以用來反映創(chuàng)新創(chuàng)業(yè)的平臺(tái)投入水平。

（4）創(chuàng)業(yè)資金投入。理論上，創(chuàng)業(yè)資金投入應(yīng)使用創(chuàng)業(yè)企業(yè)注冊(cè)資金總額或資本金投入總額來衡量，但考慮到該指標(biāo)缺乏相應(yīng)數(shù)據(jù)，這里用風(fēng)險(xiǎn)投資額來度量。這是因?yàn)椋L(fēng)險(xiǎn)投資的主體是創(chuàng)業(yè)投資，即向初創(chuàng)企業(yè)提供資金支持并取得該公司股份的一種融資方式，風(fēng)險(xiǎn)投資涉及的企業(yè)大多為新創(chuàng)企業(yè)或未上市企業(yè)。因此特定地區(qū)企業(yè)獲得的風(fēng)險(xiǎn)投資額能夠較好地反應(yīng)該地區(qū)的創(chuàng)業(yè)金融資金支持強(qiáng)度。

（5）創(chuàng)新創(chuàng)業(yè)環(huán)境。影響區(qū)域創(chuàng)新效率的因素不僅包括創(chuàng)新投入，還包括創(chuàng)新創(chuàng)業(yè)環(huán)境，包括財(cái)政金融環(huán)境、基礎(chǔ)設(shè)施狀況、社會(huì)經(jīng)濟(jì)發(fā)展水平和人文教育發(fā)展水平等（陳銀娥等，2021）。從創(chuàng)新創(chuàng)業(yè)的角度看，最重要的是環(huán)境因素就是營(yíng)商環(huán)境。

參考張三保等（2020）的做法，本文在原有評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，根據(jù)數(shù)據(jù)的可得性和可操作性，構(gòu)建新的中國(guó)省級(jí)營(yíng)商環(huán)境評(píng)價(jià)指標(biāo)體系（表2），計(jì)算2014—2019 年各省級(jí)營(yíng)商環(huán)境評(píng)價(jià)指數(shù)，其中，網(wǎng)上政務(wù)服務(wù)能力總體指數(shù)、政府透明度指數(shù)缺少省份數(shù)據(jù)的部分以省會(huì)數(shù)據(jù)代替，司法文明指數(shù)2014 年缺失的數(shù)據(jù)用臨近三年的均值代替。

表2 中國(guó)省級(jí)營(yíng)商環(huán)境評(píng)價(jià)指標(biāo)體系

具體計(jì)算過程為：采用效用值法處理原始數(shù)據(jù)，效用值值域?yàn)椋?，100］。正向評(píng)估內(nèi)容效用值計(jì)算公式如式5 所示，逆向評(píng)估內(nèi)容效用值計(jì)算公式如式（6）所示，其中，對(duì)地價(jià)和政府支出進(jìn)行逆向評(píng)估。

其中：a表示評(píng)估內(nèi)容；b表示區(qū)域；xab表示b區(qū)域a評(píng)估內(nèi)容原始數(shù)據(jù)；xamax表示a評(píng)估內(nèi)容最大值；xamin表示a評(píng)估內(nèi)容最小值；yab表示b區(qū)域a評(píng)估內(nèi)容效用值。

根據(jù)式（5）和式（6）計(jì)算出二級(jí)指標(biāo)下設(shè)的評(píng)估內(nèi)容效用值，對(duì)其進(jìn)行簡(jiǎn)單平均，形成二級(jí)指標(biāo)得分，若二級(jí)指標(biāo)僅設(shè)一個(gè)評(píng)估內(nèi)容，則將該評(píng)估內(nèi)容的效用值作為二級(jí)指標(biāo)得分，根據(jù)二級(jí)指標(biāo)的得分與指標(biāo)權(quán)重，計(jì)算得到各省營(yíng)商環(huán)境評(píng)價(jià)指數(shù)，結(jié)果以總分情況體現(xiàn)，通過對(duì)各項(xiàng)指標(biāo)的綜合處理，能夠有效地體現(xiàn)出各省級(jí)營(yíng)商環(huán)境的變化。

3.DEA 產(chǎn)出指標(biāo)設(shè)定

創(chuàng)新產(chǎn)出不僅包括科學(xué)出版物、科技論文和專利等，還可以體現(xiàn)在多個(gè)方面。但從宏觀效率的角度，這些產(chǎn)出都是效率的間接體現(xiàn)。另外，從創(chuàng)業(yè)的角度，創(chuàng)業(yè)產(chǎn)出也是提升創(chuàng)新效率的中間產(chǎn)出。根據(jù)前述對(duì)創(chuàng)新創(chuàng)業(yè)影響創(chuàng)新效率的經(jīng)濟(jì)機(jī)制分析，本文選擇如下5 個(gè)指標(biāo)作為產(chǎn)出指標(biāo)。

（1）專利產(chǎn)出。作為直接衡量創(chuàng)新產(chǎn)出的指標(biāo)之一，用地區(qū)發(fā)明專利授權(quán)量來度量。在創(chuàng)新研發(fā)成果中，獲得授權(quán)發(fā)明專利的質(zhì)量相對(duì)較高，能較好體現(xiàn)創(chuàng)新能力，也是創(chuàng)新主體科技創(chuàng)新成果轉(zhuǎn)化潛力的體現(xiàn)，是驅(qū)動(dòng)創(chuàng)業(yè)的重要先導(dǎo)因素之一。

（2）技術(shù)產(chǎn)出。新技術(shù)是創(chuàng)新產(chǎn)出的重要目標(biāo)，但考慮到缺乏標(biāo)準(zhǔn)的技術(shù)統(tǒng)計(jì)，本文用地區(qū)技術(shù)市場(chǎng)成交額來度量。技術(shù)市場(chǎng)是技術(shù)商品的營(yíng)銷場(chǎng)所和領(lǐng)域，包括軟件技術(shù)市場(chǎng)、硬件技術(shù)市場(chǎng)、一體化技術(shù)市場(chǎng)。技術(shù)市場(chǎng)成交額可用于反映技術(shù)成果的市場(chǎng)產(chǎn)出水平。

（3）就業(yè)質(zhì)量。創(chuàng)新帶動(dòng)創(chuàng)業(yè)，創(chuàng)業(yè)帶動(dòng)就業(yè)。提高就業(yè)數(shù)量的同時(shí)提升就業(yè)質(zhì)量，是創(chuàng)新創(chuàng)業(yè)的重要目標(biāo)之一?？紤]到我國(guó)就業(yè)統(tǒng)計(jì)情況，這里用地區(qū)高技術(shù)企業(yè)從業(yè)人員數(shù)來度量。我國(guó)的高技術(shù)產(chǎn)業(yè)在統(tǒng)計(jì)上包括醫(yī)藥制造業(yè)、生物生化制品、電子及通信設(shè)備制造業(yè)、電子器件制造業(yè)、醫(yī)療器械等高技術(shù)密集型產(chǎn)業(yè)，代表了前沿、發(fā)展速度快的產(chǎn)業(yè)領(lǐng)域。高技術(shù)企業(yè)就業(yè)人員數(shù)量變化能反映創(chuàng)新創(chuàng)業(yè)在勞動(dòng)力市場(chǎng)上的產(chǎn)出水平。

（4）創(chuàng)業(yè)規(guī)模。成立新企業(yè)是創(chuàng)業(yè)的重要目標(biāo)和標(biāo)志之一。創(chuàng)業(yè)越活躍，新企業(yè)數(shù)量越多，同理也可以認(rèn)為創(chuàng)業(yè)產(chǎn)出水平越高。因此，新企業(yè)數(shù)量是衡量創(chuàng)業(yè)規(guī)模，體現(xiàn)區(qū)域創(chuàng)業(yè)產(chǎn)出水平的重要指標(biāo)，本文用地區(qū)年度新成立企業(yè)法人單位數(shù)來度量。

（5）經(jīng)濟(jì)效率。如前述理論分析，經(jīng)濟(jì)效率的提高將帶動(dòng)創(chuàng)新效率提高，本文用地區(qū)全要素生產(chǎn)率來度量。全要素生產(chǎn)率即為資源，包括資金、勞動(dòng)力開發(fā)利用的效率，是技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)發(fā)展作用的綜合反映，能較為全面地衡量地區(qū)各項(xiàng)活動(dòng)的產(chǎn)出效率。具體測(cè)算方法使用隨機(jī)前沿分析法（SFA），產(chǎn)出和投入指標(biāo)包括總產(chǎn)出、勞動(dòng)投入和物質(zhì)資本投入，其中，總產(chǎn)出以GDP 進(jìn)行衡量，勞動(dòng)投入直接采用全社會(huì)從業(yè)人員數(shù)，物質(zhì)資本存量以固定資本形成額進(jìn)行衡量，采用永續(xù)盤存法進(jìn)行估算。

（二）樣本選取及數(shù)據(jù)來源

根據(jù)我國(guó)創(chuàng)新創(chuàng)業(yè)政策的實(shí)施特征和階段，選取首先提出“大眾創(chuàng)業(yè)萬眾創(chuàng)新”這一概念的2014 年作為初始年份，并結(jié)合現(xiàn)有公開數(shù)據(jù)的可得性，以我國(guó)省級(jí)行政單位為研究樣本，選取我國(guó)除西藏、港澳臺(tái)地區(qū)以外的30 個(gè)省（直轄市、自治區(qū)）2014—2019 年的年度數(shù)據(jù)。其中，發(fā)明專利授權(quán)量、技術(shù)市場(chǎng)成交額數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局，高新技術(shù)企業(yè)從業(yè)人員人數(shù)、科技孵化器數(shù)量來源于《中國(guó)火炬統(tǒng)計(jì)年鑒》，新成立企業(yè)法人單位數(shù)來源于《中國(guó)基本單位統(tǒng)計(jì)年鑒》，R&D 經(jīng)費(fèi)投入強(qiáng)度、R&D 人員全時(shí)當(dāng)量數(shù)據(jù)來源于《中國(guó)科技統(tǒng)計(jì)年鑒》，風(fēng)險(xiǎn)投資額數(shù)據(jù)根據(jù)WIND 數(shù)據(jù)庫(kù)VC/PE（venture capital/private equity）板塊中各省份風(fēng)險(xiǎn)投資事件數(shù)據(jù)整理而來。此外，營(yíng)商環(huán)境評(píng)價(jià)指數(shù)參考張三保等（2020）的做法計(jì)算得來，全要素生產(chǎn)率數(shù)據(jù)使用隨機(jī)前沿分析法（SFA）進(jìn)行測(cè)算，具體結(jié)果參見馬克數(shù)據(jù)網(wǎng)。具體投入產(chǎn)出指標(biāo)選取見表3。

表3 DEA 方法投入產(chǎn)出指標(biāo)選取

在DEA 模型中，決策單元（DUM）效率值的測(cè)算不受投入產(chǎn)出指標(biāo)量綱的影響，但要求輸入、輸出值為正值，但各省風(fēng)險(xiǎn)投資額出現(xiàn)零值情況（青海個(gè)別年份出現(xiàn)0 值，實(shí)際上的投資額不一定為0，只是尚未披露或數(shù)據(jù)庫(kù)收錄問題，導(dǎo)致統(tǒng)計(jì)上出現(xiàn)0）。因此本文參考孫愛軍等（2011）的方法，對(duì)該指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，歸一化處理并不會(huì)影響最后的分析結(jié)果，其作用機(jī)理在于使得各決策單元形成的生產(chǎn)前沿面發(fā)生平移和固定比例的縮放。處理后的樣本數(shù)據(jù)取值范圍為在［0.1，1］內(nèi)，具體公式為

其中：Xij是第i個(gè)省（直轄市、自治區(qū)）第j項(xiàng)指標(biāo)的值，∈[0.1，1]，Xmax=MAX(Xij)；Xmin=MIN(Xij)；i=1，2，…，m；j=1，2，…，n。

（三）數(shù)據(jù)描述性統(tǒng)計(jì)

DEA 模型投入產(chǎn)出指標(biāo)數(shù)據(jù)描述性統(tǒng)計(jì)見表4，為直觀展現(xiàn)指標(biāo)的特征，此次均采用未標(biāo)準(zhǔn)化的指標(biāo)數(shù)據(jù)統(tǒng)計(jì)。表4 展現(xiàn)了整個(gè)研究期間（2014—2019 年）DEA 模型的主要描述性統(tǒng)計(jì)，由表可知，我國(guó)各省6 年間創(chuàng)新創(chuàng)業(yè)相關(guān)投入產(chǎn)出指標(biāo)的差異較大，如科技孵化器數(shù)量的最大值為1013 個(gè)，最小值僅為1 個(gè)；技術(shù)市場(chǎng)成交額最大值為5695.28 億元，最小值為0.65 億元。

表4 DEA 模型指標(biāo)數(shù)據(jù)描述性統(tǒng)計(jì)表

五、實(shí)證分析

（一）傳統(tǒng)DEA 模型測(cè)算結(jié)果分析

本文基于投入導(dǎo)向型的DEA 模型對(duì)我國(guó)省級(jí)層面創(chuàng)新效率進(jìn)行分析，采取這一方法可以分析各省級(jí)行政區(qū)創(chuàng)新創(chuàng)業(yè)活動(dòng)投入要素的優(yōu)化方向。本文首先運(yùn)用Deap2.1 軟件對(duì)2014—2019 年除西藏、港澳臺(tái)地區(qū)以外的30 個(gè)省級(jí)行政區(qū)創(chuàng)新的綜合技術(shù)效率進(jìn)行測(cè)算，效率為1 說明該地區(qū)在模型的假設(shè)條件下相關(guān)松弛變量為0，該省域不存在創(chuàng)新投入冗余或產(chǎn)出不足，政策充分有效，而效率小于1 證明該省份未達(dá)到政策有效狀態(tài)。由表5 可以看出，有較多省份多數(shù)年份的創(chuàng)新的綜合技術(shù)效率均為1。按綜合技術(shù)效率③在DEA 方法測(cè)算的效率評(píng)估中，綜合技術(shù)效率等于純技術(shù)效率值與規(guī)模效率值的乘積，是對(duì)決策單元中要素配置、資源使用等的綜合衡量與評(píng)價(jià)。計(jì)算，2014年，省級(jí)行政區(qū)的平均值為0.97，DEA 有效省級(jí)行政區(qū)達(dá)23 個(gè)，2015 年和2016 年綜合技術(shù)效率平均值下降到0.93，2017 年上升到0.96，2018 年和2019 年省級(jí)行政區(qū)綜合技術(shù)效率平均值上升到0.99，DEA 無效省級(jí)行政區(qū)數(shù)量分別下降至5 個(gè)和6 個(gè)。2014—2019 年間，北京、河北、江蘇、浙江、安徽、江西、山東、湖北、湖南、廣東、海南、陜西、青海、新疆DEA 均保持有效，其他省份的綜合技術(shù)效率有所波動(dòng)但在2016 年后基本都呈現(xiàn)出上升趨勢(shì)。

表5 2014—2019 年DEA 綜合技術(shù)效率測(cè)度值

表6 列出了DEA 無效省份的效率值。具體來看，多數(shù)情況下，DEA 無效或說綜合效率低都是純技術(shù)效率和規(guī)模效率都無效共同作用的結(jié)果，但也有例外。例如，一些省份在某些年份情況下純技術(shù)效率是有效的，但可能存在規(guī)模效率無效的情況。例如，2014 年內(nèi)蒙古、遼寧、吉林、黑龍江、福建、河南、廣西7 個(gè)省份DEA 無效，但只有內(nèi)蒙古、遼寧、福建和河南4 個(gè)省份處于純技術(shù)效率和規(guī)模效率均未達(dá)到有效狀態(tài)，而其他3省份純技術(shù)效率均有效，而只有規(guī)模效率無效。與此類似，以2019 年為例，天津、吉林、上海、貴州和云南5 個(gè)省級(jí)行政區(qū)DEA 無效，但云南和上海仍然處于技術(shù)效率的有效狀態(tài)。即使是對(duì)那些DEA 綜合效率無效的省份而言，多數(shù)情況下規(guī)模效率的影響超過純技術(shù)效率的影響。因此，總體上，規(guī)模效率對(duì)綜合效率的影響更大。單從產(chǎn)出的角度看，這主要是由于這些省份創(chuàng)新創(chuàng)業(yè)規(guī)模不足，或者尚未處于最優(yōu)狀態(tài)。例如，從規(guī)模報(bào)酬變化來看，即使是DEA 無效省份，多數(shù)省份仍處于規(guī)模報(bào)酬遞增狀態(tài)，只有少數(shù)省份在個(gè)別年份呈現(xiàn)規(guī)模報(bào)酬遞減的情況。例如，2014 年的內(nèi)蒙古，2016 年的上海和重慶，2018 年的上海，2019年的上海和貴州。

表6 2014—2019 年DEA 無效省份效率值

從時(shí)間上來看，2014—2019 年省域創(chuàng)新效率呈U 形發(fā)展曲線，即先輕微下降后上升，總體呈上升趨勢(shì)。另外DEA 無效省級(jí)行政區(qū)呈先增多后減少趨勢(shì)，總體上DEA 無效省份數(shù)量逐步減少。這表明，創(chuàng)新創(chuàng)業(yè)可以有效促進(jìn)提升省域創(chuàng)新效率。從空間上來看，東部、中部、西部和東北地區(qū)均存在DEA 無效省份，總體上經(jīng)濟(jì)較發(fā)達(dá)的東部DEA 無效省份數(shù)量相對(duì)較少，而相對(duì)欠發(fā)達(dá)的西部和東北地區(qū)DEA 無效省份數(shù)量更多。

（二）超效率DEA 模型分析

由表5 可以發(fā)現(xiàn)，利用傳統(tǒng)DEA 方法，多數(shù)省份創(chuàng)新均處于綜合技術(shù)效率有效狀態(tài)，但根據(jù)該結(jié)果，不僅難以分析觀察同一省份在研究期間創(chuàng)新效率的動(dòng)態(tài)變化，也難以對(duì)不同省份創(chuàng)新效率進(jìn)行詳細(xì)比較分析。為了進(jìn)一步分析傳統(tǒng)DEA 方法下效率值為1 的省份的創(chuàng)新效率特征，本文運(yùn)用EMS1.30 軟件，進(jìn)一步采用投入導(dǎo)向的超效率DEA 模型對(duì)除西藏外30 個(gè)省級(jí)行政區(qū)2014—2019 年間創(chuàng)新效率進(jìn)行測(cè)度，結(jié)果見表7。

表7 2014—2019 年各地區(qū)超效率DEA 測(cè)度值

從結(jié)果來看，超效率DEA 測(cè)算的各省級(jí)行政區(qū)創(chuàng)新綜合技術(shù)效率值總體較高。從發(fā)展趨勢(shì)來看，研究期間（2014—2019 年），各地創(chuàng)新效率值略有波動(dòng)，在政策最初實(shí)施的2014 年，各省的DEA 效率均值為1.33，在2015 年（1.30）、2016 年（1.27）有所下降，其后在2017 年、2018 年、2019 年持續(xù)上升至最大值1.37。這一趨勢(shì)與利用傳統(tǒng)DEA 測(cè)算省級(jí)行政區(qū)創(chuàng)新綜合技術(shù)效率值U 形波動(dòng)和發(fā)展趨勢(shì)大體一致，表明總體上創(chuàng)新創(chuàng)業(yè)均能有效提升創(chuàng)新效率。

具體到各省級(jí)行政區(qū)而言，將30 個(gè)省級(jí)行政區(qū)2014—2019 年的DEA 效率值取均值并進(jìn)行排名，可以發(fā)現(xiàn)，排名前十的省級(jí)行政區(qū)依次為北京、青海、海南、廣東、山東、陜西、河北、云南、浙江、湖北。對(duì)效率值排名進(jìn)行分析，可發(fā)現(xiàn)具有如下特點(diǎn)：

第一，北京、廣東、江蘇、浙江等地向來為我國(guó)創(chuàng)新強(qiáng)省和創(chuàng)業(yè)大省，創(chuàng)新創(chuàng)業(yè)投入和產(chǎn)出均保持在較高水平，且與其他省份有較大差距。以北京和廣東為例，北京的高投入和高產(chǎn)出主要體現(xiàn)在資金方面，6 年間北京的R&D 經(jīng)費(fèi)投入強(qiáng)度、風(fēng)險(xiǎn)投資額和技術(shù)市場(chǎng)成交額均位于全國(guó)首位，而廣東的高投入和高產(chǎn)出主要體現(xiàn)在技術(shù)方面，R&D 人員全時(shí)當(dāng)量、科技孵化器數(shù)量和高新技術(shù)企業(yè)從業(yè)人員數(shù)均位于全國(guó)首位。高投入帶來的高產(chǎn)出使得其創(chuàng)新效率較高。在研究期內(nèi)，北京、河北、江蘇、浙江、山東、廣東、海南的效率值一直處于大于1 的有效狀態(tài)，其中北京的DEA 效率均值達(dá)到3.52，為各省級(jí)行政區(qū)排名第1，且2014—2019 年一直維持高水平。一個(gè)反面實(shí)例是天津。天津排名較低，創(chuàng)新效率表現(xiàn)不佳，從2015 年起處于效率值小于1 的無效狀態(tài)。究竟原因，主要是天津市2015 年和2016 年R&D 經(jīng)費(fèi)投入強(qiáng)度較低、科技孵化器數(shù)量較少、營(yíng)商環(huán)境不佳等，2017—2019 年則表現(xiàn)為R&D 經(jīng)費(fèi)投入強(qiáng)度不足和營(yíng)商環(huán)境不佳。內(nèi)蒙古（2014—2016 年）和河南?。?014）的情況與此類似。這從正面兩方面再次證實(shí)，創(chuàng)新創(chuàng)業(yè)能有效提升創(chuàng)新效率。

第二，創(chuàng)新創(chuàng)業(yè)投入直接影響創(chuàng)新效率。例如，山西、河南和東北三省等，創(chuàng)新效率相對(duì)較低，主要與這些地區(qū)由于特殊的戰(zhàn)略定位、產(chǎn)業(yè)結(jié)構(gòu)，導(dǎo)致創(chuàng)新創(chuàng)業(yè)投入不足有密切關(guān)系。如山西省R&D 經(jīng)費(fèi)支出規(guī)模小、強(qiáng)度低，東北作為老工業(yè)基地，面臨轉(zhuǎn)型發(fā)展困難，R&D 經(jīng)費(fèi)投入、人員投入、科技孵化器數(shù)量、營(yíng)商環(huán)境等方面與其他地區(qū)相比都存在一定差距。相反的典型例子是福建。超效率DEA 測(cè)度的福建創(chuàng)新效率較低，但隨著R&D 經(jīng)費(fèi)投入、科技孵化器數(shù)量和營(yíng)商環(huán)境這三個(gè)投入指標(biāo)逐年得到改善，福建的效率值呈現(xiàn)明顯的上升變化趨勢(shì)。

第三，創(chuàng)新創(chuàng)業(yè)關(guān)聯(lián)性對(duì)創(chuàng)新效率有顯著影響。例如，上海和福建，整體創(chuàng)新效率值并不高。這些地區(qū)經(jīng)濟(jì)相對(duì)發(fā)達(dá)，創(chuàng)新創(chuàng)業(yè)投入較高，但創(chuàng)新創(chuàng)業(yè)間并未能形成聯(lián)動(dòng)，導(dǎo)致創(chuàng)新產(chǎn)出并不高，或者是存在其他投入產(chǎn)出效率難以提高的情況。如上海的R&D 經(jīng)費(fèi)投入強(qiáng)度、風(fēng)險(xiǎn)投資額穩(wěn)居全國(guó)前三，但是產(chǎn)出情況表現(xiàn)不佳，專利授權(quán)量和高新技術(shù)企業(yè)從業(yè)人員數(shù)均未進(jìn)入前三，分別位于全國(guó)的第五和第六，高投入沒有帶來相應(yīng)的高產(chǎn)出。前述利用傳統(tǒng)DEA 模型測(cè)算發(fā)現(xiàn)上海存在規(guī)模報(bào)酬遞減也說明這一問題。

第四，青海、海南、陜西等省份，創(chuàng)新創(chuàng)業(yè)投入與產(chǎn)出遠(yuǎn)低于北京、上海等發(fā)達(dá)地區(qū)，但這些省份創(chuàng)新效率值排名卻比較高。以青海省為例，青海省的投入產(chǎn)出均位于全國(guó)較低水平，R&D 人員全時(shí)當(dāng)量、風(fēng)險(xiǎn)投資額和發(fā)明專利授權(quán)量連年位于全國(guó)末端，但是效率值在2014—2018 年位于全國(guó)前四。這一現(xiàn)象產(chǎn)生的原因可能在于，雖然這些地區(qū)創(chuàng)新創(chuàng)業(yè)產(chǎn)出低，但同時(shí)創(chuàng)新創(chuàng)業(yè)投入也低，形成一種“低水平均衡狀態(tài)”，使得創(chuàng)新效率看起來比較高。這也凸顯了DEA 方法的缺陷。

第五，創(chuàng)新效率與區(qū)域經(jīng)濟(jì)發(fā)展水平之間并無顯著相關(guān)關(guān)系。創(chuàng)新效率顯著、排名靠前的省份既有經(jīng)濟(jì)發(fā)達(dá)省份，也有相對(duì)欠發(fā)達(dá)省份。從區(qū)域來看，東部地區(qū)包括10 個(gè)省級(jí)行政區(qū)，創(chuàng)新效率平均值為1.60，高于全國(guó)平均水平，位于全國(guó)第一。但東部地區(qū)主要是由于北京、海南、廣東、山東、江蘇、浙江等省份效率值較高，且均處于大于1 的有效狀態(tài)。西部地區(qū)包括11 個(gè)省級(jí)行政區(qū)，創(chuàng)新效率平均值為1.25，低于全國(guó)平均水平，位于全國(guó)第二，創(chuàng)新效率均值總體處于穩(wěn)定狀態(tài)，除去青海外，各省份的效率值波動(dòng)差別不大，內(nèi)蒙古和寧夏的創(chuàng)新效率均值無效。中部地區(qū)包括6 個(gè)省級(jí)行政區(qū)，創(chuàng)新效率平均值為1.22，低于全國(guó)平均水平，位于全國(guó)第三，創(chuàng)新效率均值總體處于穩(wěn)定狀態(tài)。東北地區(qū)包括3 各省份，創(chuàng)新效率平均值為0.88，低于全國(guó)平均水平，位于全國(guó)第四，創(chuàng)新效率均值總體處于穩(wěn)步上升狀態(tài)，但是上升的幅度不大。在研究期內(nèi)，東北各省效率值大于1 的情況較少，吉林一直處于效率值小于1 的狀態(tài)，且波動(dòng)幅度較大。東北地區(qū)作為老工業(yè)基地，以資源消耗型產(chǎn)業(yè)為主，整體創(chuàng)新性不強(qiáng)，R&D 經(jīng)費(fèi)投入、人員投入、科技孵化器數(shù)量、營(yíng)商環(huán)境等方面與其他地區(qū)還有一定的差距，創(chuàng)新效率測(cè)度結(jié)果符合東北地區(qū)的現(xiàn)實(shí)困境。

六、結(jié)論和建議

（一）結(jié)論

本文運(yùn)用2014—2019 年中國(guó)30 個(gè)省級(jí)行政區(qū)的面板數(shù)據(jù)，選取投入導(dǎo)向的DEA 模型和超效率DEA 模型，根據(jù)創(chuàng)新創(chuàng)業(yè)影響創(chuàng)新效率的經(jīng)濟(jì)機(jī)理選擇投入產(chǎn)出指標(biāo)，測(cè)算除西藏外30 個(gè)省級(jí)行政區(qū)創(chuàng)新創(chuàng)業(yè)效率，得出以下主要結(jié)論：

第一，自我國(guó)雙創(chuàng)政策實(shí)施以來，我國(guó)各省份創(chuàng)新創(chuàng)業(yè)的綜合技術(shù)效率值總體較高，在傳統(tǒng)的DEA 方法下，多數(shù)省份達(dá)到了DEA 有效狀態(tài)。運(yùn)用超效率DEA 模型進(jìn)行進(jìn)一步分析，出現(xiàn)了高投入、高產(chǎn)出的北京、廣東、江蘇、浙江等地，以及低投入、低產(chǎn)出的青海、海南、陜西等地綜合效率值在各省間排名較高，而同樣處于高投入和高產(chǎn)出水平下的福建、上海等地，其綜合效率值卻不高。這表明，區(qū)域創(chuàng)新效率與不僅與創(chuàng)新創(chuàng)業(yè)投入有關(guān)，還與創(chuàng)新產(chǎn)業(yè)產(chǎn)出，以及從創(chuàng)新向創(chuàng)業(yè)轉(zhuǎn)化的創(chuàng)新環(huán)境密切相關(guān)。進(jìn)一步對(duì)我國(guó)四大區(qū)域的創(chuàng)新效率進(jìn)行分析，發(fā)現(xiàn)創(chuàng)新效率由高到低的排序?yàn)闁|部、西部、中部和東北地區(qū)，其中，我國(guó)東部地區(qū)創(chuàng)新效率平均值最高，高于全國(guó)平均水平，西部、中部和東北地區(qū)創(chuàng)新效率均值均低于全國(guó)平均水平。形成這一結(jié)果的原因可能在于東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)，區(qū)位優(yōu)勢(shì)明顯，在創(chuàng)新創(chuàng)業(yè)的政策扶持、人才引入等方面優(yōu)于其他地區(qū)，而中部、西部、東北地區(qū)區(qū)位優(yōu)勢(shì)不顯，中部、東北地區(qū)的一些省份是傳統(tǒng)的老工業(yè)基地，創(chuàng)業(yè)環(huán)境不佳，造成效率低下。

第二，對(duì)各省級(jí)行政區(qū)年度DEA 測(cè)算結(jié)果進(jìn)行分析時(shí)，發(fā)現(xiàn)導(dǎo)致綜合技術(shù)效率無效的原因主要分為兩種：一是純技術(shù)效率和規(guī)模效率均無效，二是規(guī)模效率無效。此外，由于各省份創(chuàng)新創(chuàng)業(yè)政策實(shí)施進(jìn)展不同，經(jīng)濟(jì)社會(huì)發(fā)展程度也不同。因此，出現(xiàn)規(guī)模效率無效的情況也不同。如寧夏（2017 年）、上海（2019 年）處于規(guī)模報(bào)酬遞減階段，廣西（2014 年）、吉林（2015 年）等地處于規(guī)模報(bào)酬遞增階段。因此，提升創(chuàng)新創(chuàng)業(yè)效率除了要提高區(qū)域內(nèi)的整體管控和技術(shù)水平，也要保證各省份內(nèi)部的創(chuàng)新創(chuàng)業(yè)規(guī)模達(dá)到最優(yōu)。

第三，超效率DEA 模型的引入，可以有效地區(qū)別傳統(tǒng)DEA 模型不能區(qū)分的效率值為1 的省份，進(jìn)而分析這些省份的創(chuàng)新效率特征和變化趨勢(shì)。通過這一模型，可以更加清晰地看到各省域和地區(qū)之間效率值的差異，進(jìn)而分析省域效率值對(duì)于全國(guó)整體效率值的影響，為提高創(chuàng)新效率提供了重要啟示。但總體而言，DEA方法能較好研究多投入多產(chǎn)出單元效率測(cè)度和政策效果評(píng)價(jià)問題，但無法進(jìn)一步識(shí)別更加詳細(xì)的影響因子及其貢獻(xiàn)大小問題。解決效率或政策效果“黑匣子”的缺陷需要借助其他研究方法。

（二）若干建議

第一，加大創(chuàng)新創(chuàng)業(yè)投入。本文的分析測(cè)度表明，盡管創(chuàng)新創(chuàng)業(yè)投入與創(chuàng)新效率之間尚無法證實(shí)存在顯著相關(guān)關(guān)系，但投入高的省份，DEA 效率值通常更高。同時(shí)，對(duì)于效率值低的省份，增加創(chuàng)新創(chuàng)業(yè)投入，通?？梢源龠M(jìn)提升DEA 效率值。因此，創(chuàng)新創(chuàng)業(yè)投入是影響創(chuàng)新效率的必要條件，包括既要增加R&D 經(jīng)費(fèi)和人員等投入，也要增加科技孵化平臺(tái)建設(shè)，鼓勵(lì)和支持創(chuàng)業(yè)風(fēng)險(xiǎn)投資等發(fā)展，促進(jìn)創(chuàng)業(yè)投入的持續(xù)增加。

第二，改善營(yíng)商環(huán)境。對(duì)各省份創(chuàng)新效率的測(cè)度也表明，營(yíng)商環(huán)境作為重要的政策因素和重要的投入變量，對(duì)提升創(chuàng)新效率有著重要影響。對(duì)于難以加大R&D 投入和創(chuàng)業(yè)投入的地區(qū)而言，解放思想，加大“放管服”改革力度，更好發(fā)揮市場(chǎng)在資源配置中的作用，優(yōu)化營(yíng)商環(huán)境，尤為重要。

第三，加強(qiáng)創(chuàng)新創(chuàng)業(yè)聯(lián)動(dòng)。重視創(chuàng)業(yè)在提升區(qū)域創(chuàng)新效率中的積極作用，一方面，要下大力氣加強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)，加大力度促進(jìn)科技成果轉(zhuǎn)化，加快科技人才體制改革，暢通創(chuàng)新人才流動(dòng)渠道，營(yíng)造有利于創(chuàng)業(yè)的宏觀制度環(huán)境和社會(huì)氛圍；另一方面，要加強(qiáng)對(duì)創(chuàng)業(yè)的微觀措施和具體政策支持，包括鼓勵(lì)和支持孵化器、加速器等創(chuàng)業(yè)載體建設(shè)，鼓勵(lì)和支持風(fēng)險(xiǎn)投資等科技金融發(fā)展，完善創(chuàng)業(yè)中介服務(wù)等。