李俊龍，譚 濤

（1.陸軍軍醫(yī)大學西南醫(yī)院，重慶 400038；2.重慶醫(yī)科大學科研處，重慶 400016）

黨的十八大報告提出，科技創(chuàng)新是提高社會生產(chǎn)力和綜合國力的戰(zhàn)略支撐，必須擺在國家發(fā)展全局的核心位置。黨的十九屆五中全會強調，要堅持創(chuàng)新在我國現(xiàn)代化建設全局的核心地位，把科技自立自強作為國家發(fā)展的戰(zhàn)略支撐?？蒲袡C構是國家戰(zhàn)略科技力量的重要組成部分，擔負著履行高水平科技自立自強的使命和擔當，深入分析我國科研機構的科技創(chuàng)新效率現(xiàn)狀，找出短板和不足，并進行有針對性地改進，對加快建設科技強國的進程、盡快實現(xiàn)高水平科技自立自強具有重大的戰(zhàn)略意義和現(xiàn)實意義。

1 文獻綜述

梳理現(xiàn)有相關文獻發(fā)現(xiàn)，科技創(chuàng)新效率評價是科技創(chuàng)新領域的研究熱點，但國內學者對高校、企業(yè)的科技創(chuàng)新效率研究較多，而對科研機構的研究相對較少?，F(xiàn)有關于科研機構科技創(chuàng)新效率的研究主要集中在以下兩個方面：第一，以我國各地區(qū)科研機構為研究對象進行創(chuàng)新效率測算與分析。如，范旭等［1］運用超效率數(shù)據(jù)包絡分析（DEA）方法對2009—2017 年我國31 個省區(qū)市科研機構的基礎科研創(chuàng)新效率進行了評價，并結合高斯混合模型（GMM）探究了人力資本、經(jīng)濟發(fā)展、對外開放、產(chǎn)業(yè)創(chuàng)新等對科研機構創(chuàng)新效率的影響，提出了完善創(chuàng)新資源投入方式、優(yōu)化人才資本結構、擴大對外開放交流等建議；魏曉雪等［2］采用DEA 交叉評價模型對2006—2013 年我國高校、科研機構、企業(yè)的R&D投入產(chǎn)出效率進行了評價，并與主要發(fā)達國家進行了比較，提出應通過增加對高校及科研機構的R&D投入、企業(yè)部門組建高素質科技研發(fā)人才隊伍等方式來提高R&D 效率；盧方元等［3］根據(jù)我國30 個省區(qū)市研發(fā)機構2008—2012 年的R&D 投入產(chǎn)出數(shù)據(jù)，應用DEA-BCC 和超效率DEA 模型對其創(chuàng)新效率進行評價研究發(fā)現(xiàn)，處于DEA 有效的省份有17 個，其中北京、山東、福建、海南等地區(qū)的研發(fā)機構創(chuàng)新效率始終處于前列，內蒙古與遼寧的研發(fā)機構創(chuàng)新效率相對較低；秦天如等［4］選取我國30 個省區(qū)市2006—2014 年的面板數(shù)據(jù)，采用隨機前沿分析法（SFM）對高校、企業(yè)、研究機構3 類創(chuàng)新主體的研發(fā)創(chuàng)新效率及影響因素進行實證研究發(fā)現(xiàn)，創(chuàng)新無效率現(xiàn)象普遍存在，創(chuàng)新失衡問題突出，從而提出政府應從加快構建區(qū)域創(chuàng)新網(wǎng)絡體系、完善區(qū)域協(xié)作機制、提高全民教育水平等方面提高區(qū)域研發(fā)創(chuàng)新效率。

第二，選取單個省份或單個行業(yè)領域科研機構進行科技創(chuàng)新效率測算與分析。如，王曉夕等［5］采用DEA-Malmquist 方法對2011—2018 年河北省農(nóng)業(yè)科研機構的創(chuàng)新效率進行靜態(tài)和動態(tài)測算發(fā)現(xiàn)，其在全國居中下游水平，并從加快構建農(nóng)業(yè)科研機構創(chuàng)新體系、加快農(nóng)業(yè)領域創(chuàng)新人才培養(yǎng)、調整農(nóng)業(yè)科研機構投入模式等方面提出了建議；陳耀等［6］基于創(chuàng)新成果類型異質性角度，采用隨機前沿分析方法對2009—2016 年我國31 個省區(qū)市農(nóng)業(yè)科研機構創(chuàng)新投入產(chǎn)出效率進行測算和分析發(fā)現(xiàn)，整體效率較低，區(qū)域發(fā)展不均衡問題突出，人員素質結構、基礎設施對農(nóng)業(yè)科研機構產(chǎn)出具有促進作用；王維薇等［7］以2004—2014 年我國31 個省區(qū)市的農(nóng)業(yè)機械化系統(tǒng)的科研機構為研究對象，采用DEA 方法對其科技創(chuàng)新效率進行評價發(fā)現(xiàn)創(chuàng)新效率較低，其中華北、東北和西北地區(qū)的技術無效程度最高，且技術無效年份更多受純技術效率無效應影響，從而提出了加快農(nóng)業(yè)供給側結構性改革、優(yōu)化農(nóng)機化研發(fā)資源配置、加強創(chuàng)新成果產(chǎn)權保護等對策；過文浩等［8］利用DEA 方法對江蘇省新型研發(fā)機構的資源配置效率及影響因素進行研究發(fā)現(xiàn)，創(chuàng)新資源配置效率總體較好，但存在顯著的地區(qū)差異，研發(fā)人員數(shù)量、研發(fā)內部經(jīng)費支出、技術服務量和成果轉化數(shù)量差異是主要原因；韓東林等［9］運用DEA 模型測算我國高技術服務業(yè)研發(fā)機構的科技創(chuàng)新效率發(fā)現(xiàn)，科技創(chuàng)新效率總體良好，但細分行業(yè)的差異較大，并從優(yōu)化投入產(chǎn)出結構、促進科技成果轉化、建立高層次人才培養(yǎng)使用機制等方面提出促進我國高技術服務業(yè)發(fā)展的對策建議。

綜上所述，國內學者對科研機構科技創(chuàng)新效率評價研究已有一些成果，但仍存在一些不足。一是針對全國范圍科研機構科技創(chuàng)新效率分析時，主要考慮了靜態(tài)的科技創(chuàng)新效率，缺乏對不同年度間的效率水平進行對比分析，難以掌握各地區(qū)科研機構科技創(chuàng)新效率的動態(tài)變化情況。二是在對科研機構科技創(chuàng)新效率從靜態(tài)和動態(tài)進行分析時，側重于單個省份或單個行業(yè)領域，對大范圍內其他地區(qū)科研機構的科技創(chuàng)新效率提升指導意義有限。三是有關研究數(shù)據(jù)主要來源于“十三五”時期以前，而使用近5 年研究數(shù)據(jù)的研究成果較少，研究結論的時效性相對較差。鑒于此，本研究選取我國31 個省區(qū)市（未含港澳臺地區(qū)，下同）的研究與開發(fā)（R&D）機構為研究對象，對其科技創(chuàng)新效率進行靜態(tài)評價，并深入分析其科技創(chuàng)新效率變化情況，以摸清我國各區(qū)域R&D 機構的科技創(chuàng)新效率發(fā)展現(xiàn)狀，明確影響科技創(chuàng)新效率提升的重要因素。

2 數(shù)據(jù)與方法

2.1 指標體系構建

（1）構建指標體系?？萍紕?chuàng)新效率表示科技投入與科技產(chǎn)出之間的相互關系，反映了科技創(chuàng)新的能力和水平。通過梳理文獻發(fā)現(xiàn)，目前有關研究在確定科研機構投入指標時基本上是從人力和財力兩方面著手，且確定支出指標時基本上是基于科研活動產(chǎn)出的成果類型。借鑒范旭等［1］、陳耀等［6］的研究，選取如表1 所示的產(chǎn)出指標。

表1 研究與開發(fā)機構科技創(chuàng)新投入與產(chǎn)出評價指標體系

（2）投入產(chǎn)出指標相關性分析。為確?？萍紕?chuàng)新投入與產(chǎn)出指標選取的合理性，對各指標進行了皮爾遜（Pearson）非參數(shù)相關系數(shù)檢驗。結果顯示（見表2），科技創(chuàng)新投入要素與產(chǎn)出要素之間呈顯著正相關，因此對指標不再進行滯后性處理。

表2 研究與開發(fā)機構科技創(chuàng)新投入與產(chǎn)出的相關性檢驗結果

2.2 研究對象與數(shù)據(jù)來源

（1）研究對象。將納入《中國科技統(tǒng)計年鑒》統(tǒng)計范圍的我國31 個省區(qū)市的研究與開發(fā)機構作為研究對象，統(tǒng)計口徑為地級及以上獨立核算的政府屬科學研究與技術開發(fā)機構、科學技術信息和文獻機構。2015—2019 年31 個省區(qū)市的研究與開發(fā)機構數(shù)量為3 466 家。

（2）數(shù)據(jù)來源。研究數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》公布的研究與開發(fā)機構的統(tǒng)計數(shù)據(jù)。由于2021 年統(tǒng)計口徑變化，無法獲得2020 年各地區(qū)研究與開發(fā)機構的投入產(chǎn)出數(shù)據(jù)，因此最終僅選取了2015—2019 年的科技創(chuàng)新投入與產(chǎn)出指標數(shù)據(jù)進行分析。各省區(qū)市所在區(qū)域以國家統(tǒng)計局公布的經(jīng)濟區(qū)域劃分標準進行劃分，其中東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南；中部包括山西、安徽、江西、河南、湖北和湖南；西部包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆；東北地區(qū)包括遼寧、吉林和黑龍江。

2.3 研究方法

（1）數(shù)據(jù)包絡分析法。在科學計量學領域，關于科技創(chuàng)新效率的測度方法大多都是基于生產(chǎn)前沿分析，包括以隨機前沿分析為代表的參數(shù)法和以數(shù)據(jù)包絡分析為代表的非參數(shù)法，其中參數(shù)法多適用于多投入單產(chǎn)出，非參數(shù)法可以應用于多投入多產(chǎn)出場景，因此以數(shù)據(jù)包絡分析法為代表的非參數(shù)法應用更加廣泛［10］。數(shù)據(jù)包絡分析法由美國學者Charnes 等［11］于1978 年提出，可以通過比較各決策單元與前沿標準的偏離程度來衡量效率是否有效，同時在數(shù)據(jù)處理上不需要考慮數(shù)據(jù)的權重或標準化，被廣泛運用于運籌學、管理學、經(jīng)濟學等領域。考慮到R&D 機構科技創(chuàng)新活動是多投入多產(chǎn)出活動，且規(guī)模收益可變，因此選擇DEA-BCC 模型來測算R&D 機構的靜態(tài)科技創(chuàng)新效率。

（2）Malmquist 指數(shù)。Malmquist 指數(shù)由瑞典學者Malmquist［12］最早提出，通過定義構建投入距離函數(shù)和產(chǎn)出距離函數(shù)的比率可以動態(tài)測算加入時間因素后決策單元效率指數(shù)的變化情況。Malmquist 指數(shù)也叫全要素生產(chǎn)率，反映了生產(chǎn)活動在一定時間內的效率：全要素生產(chǎn)率大于1，則當期生產(chǎn)效率相比前一時期提高；全要素生產(chǎn)率等于1，則當期生產(chǎn)效率與前一時期保持持平；全要素生產(chǎn)率小于1，則當期生產(chǎn)效率比前一時期降低。全要素生產(chǎn)率可以細分為技術效率和技術進步效率，其中技術效率可以進一步分解為規(guī)模效率和純技術效率。技術進步效率反映了決策單元技術創(chuàng)新進步或衰退情況，純技術效率反映了決策單元組織管理水平，規(guī)模效率反映了決策單元規(guī)模的合理程度。Malmquist 指數(shù)可以用于測算不同時期科技創(chuàng)新效率動態(tài)變化值，因此常被用于分析時間序列的動態(tài)效率。

為全面掌握全國各地區(qū)R&D 機構的科技創(chuàng)新效率，既需獲得同一年度不同地區(qū)R&D 機構的科技創(chuàng)新效率情況，還需獲得同一地區(qū)R&D 機構在不同年度的科技創(chuàng)新效率情況，而通過DEA 模型可以測算R&D 機構靜態(tài)科技創(chuàng)新效率，Malmquist 指數(shù)可以用于分析R&D 機構動態(tài)科技創(chuàng)新效率，因此結合采用這兩種模型進行分析可以從靜態(tài)、動態(tài)2 個維度深入掌握R&D 機構的科技創(chuàng)新效率。

3 研究結果

3.1 靜態(tài)分析

2019 年我國31 個省區(qū)市R&D 機構的科技創(chuàng)新效率如表3 所示，具體分析如下：

表3 2019 年31 個省份研究與開發(fā)機構的科技創(chuàng)新效率及分析結果

表3 （續(xù)）

（1）綜合效率。從31 個省份R&D 機構的綜合效率均值來看，科技創(chuàng)新效率總體不高，R&D 機構分區(qū)域的效率梯度分布由高到低依次是東北、東部、西部、中部。廣東、寧夏、新疆3 個省份R&D 機構的效率處于DEA 有效狀態(tài)，綜合效率、純技術效率、規(guī)模效率均為1，說明這3 個省份R&D 機構的科技創(chuàng)新資源配置較為合理、科技創(chuàng)新投入規(guī)模適中，不存在投入冗余或產(chǎn)出不足的情況；其他28 個省份R&D 機構的科技創(chuàng)新綜合效率小于1，處于非DEA有效狀態(tài)，其中東部省份有9 個、東北地區(qū)省份有3 個、西部省份有10 個、中部省份有6 個。

（2）純技術效率。R&D 機構純技術效率等于1的省份有11 個，其中處于DEA 有效狀態(tài)的有3 個、非有效狀態(tài)的則有8 個。R&D 機構非有效狀態(tài)的為北京、遼寧、浙江、山東、廣西、海南、云南和西藏，管理和技術因素對科技創(chuàng)新效率影響較小，說明其資源組織調配和管理相對合理，因此影響科技創(chuàng)新效率提升主要是規(guī)模問題。R&D 機構純技術效率小于1 的省份有20 個，包括19 個規(guī)模效益遞減省份和1 個規(guī)模效益遞增省份，全部處于非DEA 有效狀態(tài)，表明管理和技術因素以及投入規(guī)模對其科技創(chuàng)新效率影響較大?？梢娪绊慠&D 機構科技創(chuàng)新效率的既有組織和管理問題，也有科技創(chuàng)新投入規(guī)模問題。

（3）規(guī)模效率。R&D 機構規(guī)模效率等于1 的只有廣東、寧夏、新疆3 個省份，占比僅為9.677%。規(guī)模效率小于1 的省份有28 個，占比超九成，說明大部分省份R&D 機構的科技創(chuàng)新投入規(guī)模存在問題。進一步分析可知，在R&D 機構規(guī)模效率小于1的28 個省份中，只有青海、西藏處于規(guī)模效應遞增狀態(tài)，科技創(chuàng)新投入過少，需要加大科技創(chuàng)新投入；其余26 個省份都處于規(guī)模效應遞減狀態(tài)，科技創(chuàng)新投入冗余，需要適度合理減少科技創(chuàng)新投入。

3.2 變化趨勢分析

通過DEA-BCC 模型只能獲得R&D 機構的科技創(chuàng)新靜態(tài)效率，無法獲得其變化趨勢，因此利用DEA-Malmquist 指數(shù)計算了2015—2019 年31 個省份R&D 機構科技創(chuàng)新的全生產(chǎn)要素變化，并對全生產(chǎn)要素進行了分解。根據(jù)表4 可知，我國R&D 機構的科技創(chuàng)新效率有一定程度提升，但技術進步指數(shù)小于1，表明技術創(chuàng)新水平有所降低。進一步分析發(fā)現(xiàn)，規(guī)模效率的年均增長率為4.2%，對科技創(chuàng)新效率提升發(fā)揮了重要作用。從歷年數(shù)據(jù)來看，只有2015—2016 年和2018—2019 年的全要素生產(chǎn)率指數(shù)大于1，2016—2018 年全要素生產(chǎn)率指數(shù)以及技術進步指數(shù)同步出現(xiàn)了明顯回落，原因主要在于技術創(chuàng)新水平大幅下滑。因此，提高技術創(chuàng)新水平是提高R&D 機構科技創(chuàng)新效率的一個重要方向。

表4 31 個省份研究與開發(fā)機構科技創(chuàng)新活動全要素生產(chǎn)率及其分解指數(shù)的年度趨勢

根據(jù)表5 可知，R&D 機構全要素生產(chǎn)率指數(shù)均值大于1 的省份有17 個，占比超五成，其中分布在東部、西部、東北地區(qū)和中部的分別有8、4、3、2個，表明這些省份R&D 機構的科技創(chuàng)新效率有所提高；全要素生產(chǎn)率指數(shù)小于1 的省份有14 個，其中分布在東部、中部和東北地區(qū)的分別有8、4、2 個，這些省份的R&D 機構的科技創(chuàng)新效率處于下降狀態(tài)。分區(qū)域來看，東部R&D 機構的全要素生產(chǎn)指數(shù)均值為1.056，技術效率變動指數(shù)均值為1.010，技術進步指數(shù)均值為1.045，全要素生產(chǎn)率指數(shù)年均增幅為5.6%，主要歸功于技術創(chuàng)新水平的進步；東北地區(qū)R&D 機構的全要素生產(chǎn)率指數(shù)均值為1.104，技術效率變動指數(shù)均值為1.104，技術進步指數(shù)均值為1.002，全要素生產(chǎn)指數(shù)年均增幅10.4%，主要歸功于組織管理水平的提高；中部R&D 機構的全要素生產(chǎn)率指數(shù)均值為0.991，技術效率變動指數(shù)均值為1.037，技術進步指數(shù)均值為0.956，全要素生產(chǎn)率指數(shù)下降，主要是技術創(chuàng)新水平衰退所致；西部R&D機構的全要素生產(chǎn)率指數(shù)均值為0.962，技術效率變動指數(shù)均值為1.053，技術進步指數(shù)均值為0.915，全要素生產(chǎn)率指數(shù)下降的原因也是技術創(chuàng)新水平衰退導致。可見，推動或阻礙R&D 機構科技創(chuàng)新效率提升的因素具有明顯的區(qū)域差異性。

表5 2015—2019 年各省份研究與開發(fā)機構科技創(chuàng)新活動全要素生產(chǎn)率及其分解指數(shù)值

4 結論與建議

本研究得到主要結論如下：第一，2019 年我國31 個省份的研究與開發(fā)機構的科技創(chuàng)新效率整體不高，其中有28 個省份處于非DEA 有效狀態(tài)。從區(qū)域來看，R&D 機構科技創(chuàng)新效率由高到低的區(qū)域依次是東北、東部、西部、中部。從影響因素來看，R&D 機構科技創(chuàng)新效率受投入規(guī)模因素影響的省份有8 個，同時受組織與管理水平和投入規(guī)模因素影響的省份有20 個；受投入規(guī)模因素影響的省份中，有26 個省份R&D 機構的科技創(chuàng)新投入冗余、2 個省份R&D 機構的科技創(chuàng)新投入不足。第二，2015—2019 年間31 個省份研究與開發(fā)機構的科技創(chuàng)新效率有升有降，呈現(xiàn)“M”型波動，技術創(chuàng)新水平提升或衰退是主要的影響因素。從區(qū)域來看，所有區(qū)域R&D 機構的科技創(chuàng)新組織和管理水平均有所改善，但在技術創(chuàng)新水平方面區(qū)域分化嚴重，其中東部和東北地區(qū)以技術創(chuàng)新進步為主，中部和西部以技術創(chuàng)新衰退為主。

針對上述研究結論，就提升我國R&D 機構的科技創(chuàng)新效率提出以下建議：

（1）優(yōu)化科研經(jīng)費配置，提高科研經(jīng)費使用效率。鑒于大部分省份的R&D 機構存在投入冗余現(xiàn)象，引發(fā)了邊際遞減效應，科研經(jīng)費使用效率不高，需要調整科研經(jīng)費投入規(guī)模，優(yōu)化科研經(jīng)費配置結構，因此建議相關地區(qū)一方面要組織開展R&D 機構科研績效評價，對R&D 機構的資金使用、產(chǎn)出成效等方面進行定期評估，對于資金使用進度合理、科研產(chǎn)出高的個人或團隊要加大投入，對于資金使用進度滯后、科研產(chǎn)出較少的個人或團隊要采取暫停或減少經(jīng)費投入，提高資金使用效率；另一方面要優(yōu)化R&D 機構的科技經(jīng)費投入的方式，堅持穩(wěn)定性經(jīng)費投入和競爭性經(jīng)費投入并重，其中競爭性經(jīng)費要重點支持面向世界科技前沿、經(jīng)濟主戰(zhàn)場、國家重大需求、人民生命健康的科學研究。

（2）持續(xù)深化“放管服”改革，充分激發(fā)科技創(chuàng)新活力。針對研究發(fā)現(xiàn)的我國約有2/3 的省份在科技創(chuàng)新活動組織與管理方面存在問題，導致科研人員創(chuàng)新活力不強、科研成果產(chǎn)出水平不高的問題，需要持續(xù)深化科研管理領域的“放管服”改革，優(yōu)化科技創(chuàng)新生態(tài)，充分激發(fā)廣大科研人員的創(chuàng)新活力。一方面要及時做好R&D 機構科研項目和經(jīng)費管理方面的簡政放權，充分賦予研究與開發(fā)機構和科研人員項目技術路線調整以及經(jīng)費使用方面的自主權；另一方面要做好R&D 機構的科研評價改革和強化激勵引導，建立與崗位、研究領域相適應的分類績效評價標準，全面推行以增加知識價值為導向的分配政策，鼓勵、引導科研人員多出成果、快出成果、出好成果。

（3）完善科研人才引育體系，夯實科技創(chuàng)新人才根基。我國R&D 機構的科技創(chuàng)新效率之所以呈現(xiàn)“M”型波動，技術創(chuàng)新水平提升或衰退是主要的影響因素，而影響技術創(chuàng)新水平的一個關鍵因素就是人才，因此各地區(qū)需要加強科技人才隊伍特別是高層次科技人才隊伍建設。一方面R&D 機構要圍繞科研人才的“引、育、留、用”全生命周期布局人才政策，完善人才分類認定、平臺建設、創(chuàng)新激勵、人才評價、安居保障等政策體系，并積極通過全職引進、柔性引進等方式面向全球招攬優(yōu)秀人才；另外一方面也要大力支持中青年本土科技人才的發(fā)展，給予穩(wěn)定的培育經(jīng)費，積極支持其牽頭大項目、建設大平臺、領導大團隊，幫助R&D 機構的中青年科技人才快速成長成才。

（4）打造高水平科研平臺，夯實科技創(chuàng)新基礎條件。我國R&D 機構的科技創(chuàng)新效率受技術創(chuàng)新水平影響較大，而技術創(chuàng)新水平的進步或衰退除與人才自身水平相關外，也受到研究所需的基礎條件影響，因此建議各地區(qū)要大力支持R&D 機構建設高水平科研平臺，既要聚焦優(yōu)勢領域、特色領域、新興交叉領域布局建設專業(yè)化科研平臺，也要加快公共服務平臺建設，促進科研平臺對外開放共享，為科學研究提供專業(yè)化的技術服務。此外，R&D 機構要進一步建立健全科研平臺建設保障體系，加大科研平臺建設和運行資金投入，優(yōu)化科研儀器設備配置；同時，建立科學合理的實驗技術人員評價制度，加快培養(yǎng)和建設一支穩(wěn)定的專業(yè)技術服務隊伍。