蔣蘭陵

揚(yáng)州大學(xué)商學(xué)院 江蘇揚(yáng)州 225127

一、研究背景

創(chuàng)新這兩個(gè)字從《辭?！房梢缘玫浇忉專菏紫取皠?chuàng)”是“創(chuàng)始，首創(chuàng)”的意思；“新”指的是“初次出現(xiàn)”。創(chuàng)新連起來(lái)不外乎有這么兩層意思：一是拋去舊的，創(chuàng)造新的；二是在現(xiàn)有的基礎(chǔ)上改進(jìn)更新。創(chuàng)新一詞的運(yùn)用最早出現(xiàn)在經(jīng)濟(jì)學(xué)領(lǐng)域。美籍奧地利經(jīng)濟(jì)學(xué)家熊彼特在其代表作《經(jīng)濟(jì)發(fā)展理論》中提出了“創(chuàng)新理論”，這是經(jīng)濟(jì)發(fā)展理論的核心。他所界定的創(chuàng)新就是建立一種新的生產(chǎn)函數(shù)。而具有權(quán)威性的《新帕爾格雷夫經(jīng)濟(jì)學(xué)大辭典》中“創(chuàng)新”被定義為新產(chǎn)品、工藝、方法或制度引用到經(jīng)濟(jì)中的第一次嘗試。

科技創(chuàng)新作為原創(chuàng)性的科學(xué)研究與技術(shù)創(chuàng)新的總稱，其一般包含三種類型：知識(shí)創(chuàng)新、技術(shù)創(chuàng)新和管理創(chuàng)新。高等院校是科技創(chuàng)新不可或缺的基地，是原創(chuàng)性科學(xué)研究的搖籃，它可以將知識(shí)創(chuàng)新與技術(shù)創(chuàng)新兩個(gè)螺旋結(jié)構(gòu)有效地結(jié)合在一起，既能體現(xiàn)國(guó)家的創(chuàng)新能力，又能增加自身的學(xué)術(shù)研究競(jìng)爭(zhēng)能力。2020年，高等院校R&D人員127.39萬(wàn)人，相較于2009年(這一指標(biāo)從2010年的《中國(guó)科技統(tǒng)計(jì)年鑒》開始統(tǒng)一，因此數(shù)據(jù)從2009年開始)的50.93萬(wàn)人增加了150.13%；從研究與發(fā)展人員全時(shí)當(dāng)量來(lái)看，2009年是27.52萬(wàn)人年，2020年已經(jīng)增加至61.48萬(wàn)人年；而R&D經(jīng)費(fèi)支出的增速是最大的，2009年高等院校經(jīng)費(fèi)內(nèi)部支出僅僅468.17億元，2020年已經(jīng)達(dá)到1882.48億元，增長(zhǎng)了3倍之多；2009年時(shí)高等院校R&D課題一共47.67萬(wàn)項(xiàng)，2020年課題數(shù)量已經(jīng)達(dá)到128.86萬(wàn)項(xiàng)。以上四個(gè)指標(biāo)是從科技創(chuàng)新的投入視角來(lái)考量的，但是從產(chǎn)出角度來(lái)看，比如，專利所有權(quán)轉(zhuǎn)讓數(shù)量占比這一指標(biāo)在2009年是2.49%，到2020年確有增加，但也僅有4.49%，比重的增長(zhǎng)十分有限；2009年高等院校的重大科技成果占全國(guó)總數(shù)的比重是21.97%，2020年卻下降至15.40%(數(shù)據(jù)來(lái)源：2010年和2021年的《中國(guó)科技統(tǒng)計(jì)年鑒》并經(jīng)計(jì)算得出)。由此可以看出，科技創(chuàng)新的投入與產(chǎn)出的變化方向并不一致，為了進(jìn)一步激發(fā)科技創(chuàng)新活力、釋放更大的潛能，研究其真正的效率就具有較大的現(xiàn)實(shí)意義。

二、研究方法與數(shù)據(jù)選取

高等院校的科技創(chuàng)新屬于多投入與多產(chǎn)出的系統(tǒng)，因此DEA(由著名運(yùn)籌學(xué)家A.Charnes&W.W.Cooper提出)的研究方法比較適合。

DEA研究方法所采用的原理是運(yùn)用所需要決策的單元的多項(xiàng)投入和多項(xiàng)產(chǎn)出的項(xiàng)目數(shù)據(jù)，運(yùn)用坐標(biāo)空間從而求出最大的產(chǎn)出或最小的投入，以此來(lái)判斷各決策單元的效率如何。從具體操作過(guò)程來(lái)看，DEA運(yùn)算基本上常用的方法有兩個(gè)：一個(gè)是CCR模型，另一個(gè)是BCC模型。CCR模型考慮的是規(guī)模報(bào)酬不變，BCC模型是規(guī)模報(bào)酬可變。本文所研究的地方高等院校的科技創(chuàng)新效率首先涉及的是多投入與多產(chǎn)出的框架結(jié)構(gòu)，其次由于全國(guó)各地的異質(zhì)性因素的影響，規(guī)模報(bào)酬顯然不僅不可能是不變的，而且是動(dòng)態(tài)變化的。由此，本文選擇BCC模型作為研究的基礎(chǔ)模型，研究出來(lái)的創(chuàng)新效率進(jìn)一步分為(綜合)技術(shù)效率、純技術(shù)效率和規(guī)模效率。技術(shù)效率是決策單元(DMU)在最優(yōu)規(guī)模時(shí)的投入因素的生產(chǎn)效率；純技術(shù)效率是受管理水平等因素影響的生產(chǎn)效率；規(guī)模效率是受企業(yè)現(xiàn)有規(guī)模因素影響的生產(chǎn)效率。三者之間的關(guān)系可以由公式表明：

綜合技術(shù)效率=純技術(shù)效率×規(guī)模效率

縱觀歷年的《中國(guó)科技統(tǒng)計(jì)年鑒》，相關(guān)指標(biāo)并不具備延續(xù)性和統(tǒng)一性?？紤]到指標(biāo)的可選取性，經(jīng)過(guò)篩選，本文的投入與產(chǎn)出指標(biāo)選取如表1所示。

表1 BCC模型的指標(biāo)選取

三、地方高等院?？萍紕?chuàng)新效率的實(shí)證分析

以指標(biāo)開始統(tǒng)一的2009年作為初始年，選取27(因產(chǎn)出指標(biāo)值的常年缺失，數(shù)據(jù)選取剔除了內(nèi)蒙古自治區(qū)、西藏自治區(qū)、青海省、寧夏回族自治區(qū)這四個(gè)省份)個(gè)地方高等院校作為研究對(duì)象，應(yīng)用DEAP2.1軟件對(duì)2009—2020年的所有投入產(chǎn)出數(shù)據(jù)進(jìn)行測(cè)算。

(一)2009年地方高等院校的科技創(chuàng)新效率的測(cè)算結(jié)果

(1)從表2的測(cè)算結(jié)果可以清晰地看出，2009年上海市、江蘇省、浙江省、福建省、河南省、廣西壯族自治區(qū)、陜西省和新疆維吾爾自治區(qū)這八個(gè)地方的高等院校的綜合技術(shù)效率都是等于1的，說(shuō)明這八個(gè)地區(qū)的高校科技創(chuàng)新達(dá)到了DEA有效，投入與產(chǎn)出達(dá)到了最優(yōu)的狀態(tài)。而且更進(jìn)一步的是，這八個(gè)地區(qū)的純技術(shù)效率和規(guī)模效率也均等于1，當(dāng)然規(guī)模報(bào)酬都是不變的。這些既表明這些地區(qū)的高校具備較高的管理水準(zhǔn)、科技資源的配置效率較高，又說(shuō)明現(xiàn)有的規(guī)模已經(jīng)能夠讓所有的科技投入各種要素得到充分的運(yùn)用，實(shí)現(xiàn)了產(chǎn)出的最大化。在這八個(gè)地區(qū)中，陜西省的四個(gè)投入指標(biāo)排在了全國(guó)第八位，遠(yuǎn)遠(yuǎn)超過(guò)浙江省(第12位)和上海市(第14位)；新疆維吾爾自治區(qū)的四個(gè)投入指標(biāo)排名超過(guò)了海南省、寧夏回族自治區(qū)、青海省和西藏自治區(qū)。再?gòu)漠a(chǎn)出指標(biāo)的角度來(lái)觀察初始采集數(shù)據(jù)值，陜西省排在全國(guó)第九名，這也就可以解釋其DEA測(cè)算的結(jié)果了；而新疆維吾爾自治區(qū)的排名上升一位，又趕超了內(nèi)蒙古自治區(qū)，它的投入與產(chǎn)出雖然絕對(duì)值無(wú)法和江蘇、浙江相比，但是自身整體的效率已經(jīng)達(dá)到了最優(yōu)值。

(2)除了8個(gè)地區(qū)以外，其余各地的綜合技術(shù)效率均小于1，而且山西省的crste值最低，僅達(dá)到了0.591，同時(shí)純技術(shù)效率和規(guī)模效率在山西省也是小于1的，像山西省這樣的情況一共有12個(gè)地區(qū)，這些地方的高等院?？傮w上科技創(chuàng)新的效率是比較低的，既是受地方管理水平的限制，也受規(guī)模發(fā)展的阻礙，這也是投入與產(chǎn)出的松弛變量的結(jié)果不為0的原因。但是這12個(gè)地區(qū)的規(guī)模報(bào)酬卻都是irs(規(guī)模報(bào)酬遞增)，這在某種程度上也說(shuō)明科技產(chǎn)出的增加速度超過(guò)了科技投入的增長(zhǎng)速度，發(fā)展趨勢(shì)還是比較好的。

(3)北京市、河北省、山東省、廣東省以及海南省這五個(gè)地區(qū)的純技術(shù)效率值達(dá)到了1，其余的均小于1。這樣的結(jié)果表明在目前現(xiàn)有的技術(shù)層面及水平上，地方高等院校的科技投入資源的具體使用是有效率的(北京市2009年的四項(xiàng)產(chǎn)出指標(biāo)全國(guó)排名第一)，但因?yàn)楝F(xiàn)有規(guī)模與最優(yōu)規(guī)模存在差距，從而導(dǎo)致綜合技術(shù)效率小于1。

表2 2009年27個(gè)地方高等院?？萍紕?chuàng)新效率值與分解

(二)2020年地方高等院校的科技創(chuàng)新效率的測(cè)算結(jié)果

(1)DEA完全有效的地方增加了10個(gè)，超過(guò)了2009年的總數(shù)。新增的包括北京市、天津市、河北省、山西省、吉林省、山東省、廣東省、海南省、貴州省和青海省，投入與產(chǎn)出實(shí)現(xiàn)最優(yōu)效率、最優(yōu)規(guī)模的地區(qū)越來(lái)越多。不過(guò)，也包括上海市、浙江省和福建省在內(nèi)的三個(gè)地區(qū)從原先的隊(duì)列中退出。上海市的規(guī)模效率已經(jīng)達(dá)到1，規(guī)模報(bào)酬?duì)顟B(tài)處于不變，但是受純技術(shù)效率的影響，綜合技術(shù)效率的結(jié)果小于1，再?gòu)乃沙谧兞可蟻?lái)檢驗(yàn)，松弛產(chǎn)出變量中唯有第三個(gè)指標(biāo)(有效發(fā)明專利)為0，松弛投入變量中也只有一、三兩個(gè)指標(biāo)(研發(fā)從業(yè)人員、研發(fā)經(jīng)費(fèi)內(nèi)部支出)為0，可見投入資源的使用效率沒(méi)有達(dá)到極致。最后回到數(shù)據(jù)采集值來(lái)進(jìn)一步觀察，四個(gè)投入指標(biāo)的上海市排名分別是第五名、第二名、第四名和第四名，而上海市在四個(gè)產(chǎn)出指標(biāo)的全國(guó)排名分別是第四名、第八名、第四名和第五名，總體上產(chǎn)出排名是落后于投入排名的。

(2)技術(shù)效率的所有分解指標(biāo)均小于1的地區(qū)數(shù)量還是12個(gè)，原先數(shù)值最低的山西省在2020年已經(jīng)擠入了最強(qiáng)序列，現(xiàn)在最低的是安徽省和福建省，均是0.731，當(dāng)然這個(gè)數(shù)值也已經(jīng)比2009年要高出許多。在這些地區(qū)中，江西省、湖北省、湖南省、四川省以及甘肅省的規(guī)模報(bào)酬?duì)顟B(tài)是遞減的，這些指標(biāo)的表象說(shuō)明了科技投入與產(chǎn)出還沒(méi)有實(shí)現(xiàn)最優(yōu)效率，在管理以及規(guī)模上均出現(xiàn)了不同程度的低效率現(xiàn)象。與2009年的運(yùn)算結(jié)果進(jìn)行對(duì)比后，發(fā)現(xiàn)天津市、山西省(原來(lái)最低值)、吉林省和貴州省已經(jīng)上升到DEA有效序列，浙江省與湖北省是新增加的，2009年兩省的所有投入、產(chǎn)出的松弛變量值均為0，到了2020年浙江省出現(xiàn)了單一要素冗余，湖北省則是兩要素冗余。除此之外，江西省、湖南省與甘肅省的規(guī)模報(bào)酬?duì)顟B(tài)從2009年的遞增改變?yōu)檫f減，所有要素的生產(chǎn)規(guī)模未能實(shí)現(xiàn)最優(yōu)的配置。

表3 2020年27個(gè)地方高等院?？萍紕?chuàng)新效率值與分解

(三)2009—2020年地方高等院校的Malmquist指數(shù)運(yùn)算結(jié)果

經(jīng)過(guò)對(duì)2010—2021年《中國(guó)科技統(tǒng)計(jì)年鑒》相關(guān)數(shù)據(jù)的整理發(fā)現(xiàn)，在“有效發(fā)明專利”和“專利所有權(quán)轉(zhuǎn)讓及許可收入”這兩個(gè)指標(biāo)中，個(gè)別邊遠(yuǎn)省份有不少年份的值為0，因此在運(yùn)算前剔除了內(nèi)蒙古自治區(qū)、海南省、西藏自治區(qū)、青海省、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)這六個(gè)地區(qū)，DMU的選取一共有25個(gè)，再次運(yùn)用DEAP軟件進(jìn)行Malmquist指數(shù)運(yùn)算，結(jié)果如表4所示。

(1)所有效率指標(biāo)值均大于1的一共有11個(gè)地區(qū)(吉林省、黑龍江省、江蘇省、安徽省、福建省、江西省、廣東省、重慶市、貴州省、云南省和甘肅省)，占所有DMU的44%。這10個(gè)區(qū)域的地方高等院校在五個(gè)效率分指標(biāo)中的歷年均值是呈正增長(zhǎng)的變化趨勢(shì)，也就是說(shuō)這些地方高校的科技創(chuàng)新得到了技術(shù)進(jìn)步、管理水平提升、規(guī)模適宜等的綜合作用，多管齊下，帶來(lái)的全要素生產(chǎn)率也有了一定的增長(zhǎng)。

(2)山西省除了規(guī)模效率小于1外，其余的指標(biāo)值均大于1，并且山西省除了在技術(shù)進(jìn)步這個(gè)指標(biāo)中低于福建省之外，其他三個(gè)指標(biāo)的增長(zhǎng)率均排在全國(guó)第一位，全要素生產(chǎn)率的增長(zhǎng)高達(dá)120%?？v觀山西省近些年來(lái)的科技創(chuàng)新成果，2017年立法從制度上為科技創(chuàng)新保駕護(hù)航；2020年12月山西省與北京大學(xué)合作共同建設(shè)科技創(chuàng)新基地，從省級(jí)的高度提升了合作共贏的形式；山西大學(xué)作為領(lǐng)頭羊在物理、哲學(xué)學(xué)科的科技創(chuàng)新成果方面在全國(guó)遙遙領(lǐng)先，科技創(chuàng)新的成果轉(zhuǎn)化也形式多樣。如果山西省更多高校的科技創(chuàng)新發(fā)展能夠齊頭并進(jìn)，規(guī)模效率的作用就能在不久更好地體現(xiàn)出來(lái)。

表4 2009—2020年25個(gè)地方高等院校Malmquist指數(shù)運(yùn)算平均值Malmquist index summary of firm means

(3)有兩個(gè)指標(biāo)值小于1的地區(qū)共有8個(gè)，其中天津、浙江、遼寧和山東都是技術(shù)效率和純技術(shù)效率的增長(zhǎng)率為負(fù)數(shù)，問(wèn)題主要?dú)w結(jié)于地方高校的重視程度、管理水平?jīng)]有跟上，無(wú)論是科技創(chuàng)新所需的資金、從各方大力引進(jìn)、培養(yǎng)的人才，還是各級(jí)科研基地的設(shè)立、專利的發(fā)明數(shù)量等，在這些以接近兩位數(shù)大幅增長(zhǎng)的同時(shí)，制度保障、管理水平、各級(jí)協(xié)調(diào)一致等就顯得尤為關(guān)鍵。廣西壯族自治區(qū)、河南省與四川省的負(fù)增長(zhǎng)原因主要集中在科技進(jìn)步方面；陜西省主要是受規(guī)模效率的影響較大，對(duì)技術(shù)效率產(chǎn)生了較強(qiáng)的負(fù)面作用。

(4)上海市、湖北省與湖南省這三個(gè)地區(qū)所有計(jì)算指標(biāo)的值均小于1，均出現(xiàn)了不同程度的負(fù)增長(zhǎng)。其中湖北省的技術(shù)進(jìn)步與全要素生產(chǎn)率的下降程度是所有25個(gè)地區(qū)中最多的。觀察運(yùn)算的歷年結(jié)果可以發(fā)現(xiàn)，上海市有指標(biāo)出現(xiàn)小于1的情況始于2019年，先前的各項(xiàng)指標(biāo)尤其是綜合技術(shù)效率的值在全國(guó)都是名列前茅，無(wú)論是投入還是產(chǎn)出，均排在第四位、第五位。2020年R&D人員全時(shí)當(dāng)量已經(jīng)躍居全國(guó)第二，僅次于北京；專利申請(qǐng)數(shù)量下降到全國(guó)第八名，其余支出指標(biāo)也略有下降。同時(shí)，陳賓(2019)提到的科技體制機(jī)制問(wèn)題(如評(píng)價(jià)機(jī)制、行政部門的低效率等)也造成了上海市綜合效率下降的原因，這些因素在地方高校快速發(fā)展的初期不會(huì)有太大的影響，只有進(jìn)入成熟穩(wěn)定的發(fā)展期，想要再次突破時(shí)才會(huì)暴露得比較明顯。

四、結(jié)論與建議

通過(guò)對(duì)31個(gè)省、自治區(qū)、直轄市2009—2020年地方高等院校科技創(chuàng)新若干指標(biāo)的統(tǒng)計(jì)與整理，可以直觀地看出各個(gè)地方科技創(chuàng)新的投入和產(chǎn)出都發(fā)生了日新月異的變化，經(jīng)濟(jì)較發(fā)達(dá)地區(qū)全面“開花”，自主、合作、協(xié)作等齊頭并進(jìn)；偏遠(yuǎn)地區(qū)、經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)從星星之火到重點(diǎn)輻射，從無(wú)到有，時(shí)間的長(zhǎng)河記載著這些地方的變遷，留下了脫胎換骨的印跡。從2009年和2020年兩個(gè)時(shí)間點(diǎn)的運(yùn)算結(jié)果以及Malmquist指數(shù)的信息可以得到以下幾點(diǎn)啟示：

(1)諸如上海、北京、廣東等原先高?？萍紕?chuàng)新第一梯隊(duì)的地區(qū)，需要解決純技術(shù)效率的影響因素，也就是像科研評(píng)價(jià)機(jī)制落后、技術(shù)創(chuàng)新工作分散且單一等管理問(wèn)題，高校的科技體制改革的創(chuàng)新迫在眉睫，科研人員研究需要的行政流程要盡可能一站式，從根本上改變行政人員對(duì)待科研人員的服務(wù)意識(shí)；科研不是一蹴而就的，需要時(shí)間的累積，每年的量化考核改變了研究的初衷、研究必經(jīng)的過(guò)程等，這在一定時(shí)期后勢(shì)必會(huì)對(duì)科技創(chuàng)新起到負(fù)面作用。

(2)存在一兩個(gè)創(chuàng)新效率問(wèn)題的地區(qū)可以從創(chuàng)新的規(guī)模、范疇入手，科技創(chuàng)新的高校輻射面可以在未來(lái)更廣些，不要一味地增加投入，要拓寬創(chuàng)新的學(xué)科領(lǐng)域，盡可能地多交叉，多合作，改變產(chǎn)出與投入不完全匹配的現(xiàn)狀，實(shí)現(xiàn)最優(yōu)規(guī)?；l(fā)展。

(3)高?？萍紕?chuàng)新不能孤立地發(fā)展，要與高校其他部門、其他發(fā)展目標(biāo)相互融合，比如“雙創(chuàng)”、學(xué)科建設(shè)等。將高校各個(gè)部門職能打通，減輕科技創(chuàng)新過(guò)程中的較為煩瑣的運(yùn)作負(fù)擔(dān)，對(duì)整個(gè)運(yùn)轉(zhuǎn)系統(tǒng)的治理可以徹底釋放研發(fā)人員的能量，心無(wú)雜念地全身心地投入基礎(chǔ)研究。