高校科技創新與地區經濟發展

李 明，李 鵬(.沈陽農業大學 馬克思主義學院，遼寧 沈陽 0866；.遼寧大學 經濟學院，遼寧 沈陽 036)

一、問題的提出

改革開放三十多年來，科學技術在我國得到了迅猛發展，而隨著科技創新步伐的不斷加快，依托新技術而產生的新經濟增長點也得以大量涌現。“科學技術是第一生產力”，而科技創新恰恰是提高生產力和綜合國力的重要戰略支撐。一國對于科技創新的強烈渴望，往往體現在對于人才的需求之中。在科技創新過程中，唯有緊緊抓住人才培養這一突破口，才能真正實現我國經濟的跨越式發展。而我國的高校，在人才培養方面無疑起著中流砥柱的作用。高校是培養高素質人才的搖籃，更是拓展學科前沿、推動科技成果轉化的重要力量。如何提高高校的科技創新水平和能力自然成了政府、高校及社會各界關注的焦點。

事實上，多年來國家非常重視高校的科技創新，2012年，黨的十八大提出了加快建設國家創新體系的號召，特別提出構建產學研相結合的技術創新體系。2017年3月出臺的《關于深化體制機制改革加快實施創新驅動發展戰略的若干意見》也為高校科研成果轉化指明了方面。此外，對于高校的科研投入也持續增加，2000年以來，年均增幅達到16.6%的水平，明顯高于GDP的平均增速。關于激發高校科技創新活力助力經濟發展的研究主要集中于如何激發高校創新主體活力、高校創新型人才的培養模式、高校創新能力評價體系的構建和高效科研效率的衡量四個方面。在激發高校創新主體活力方面，徐金梧[1]指出，目前大學科研急功近利、重理論輕實踐的傾向，助長了浮躁的學術風氣，從而抑制了科技創新的積極性。李永剛[2]研究了高校教學與科研結合的人才培養模式構建，提出大學評價制度和教師職稱評定的科研導向，造成了高校、教師、學生三者角色錯位，應當結合一系列保障措施對處于不同研究水平的學生進行差異化指導、因材施教的觀點。在探討高校創新型人才的培養模式方面，涂銘旌等[3]提出“四創”教育，鼓勵學生提出新穎創意、培養創新思維、鼓勵勤勞創業，并最終實現創富。吳志華和廖志豪[4]梳理了創新型人才培養中存在的一系列問題，指出高校過分看重學歷和智力，忽略了對于情商、思維和人格等方面開發的問題。在高校科技創新能力評價體系構建方面，李恒等[5]在測算科技創新與高等教育的融合度時，給出了基于AHP和EVM共同確定權重的“主客觀綜合賦權法”，實現了主客觀的有機結合，在一定程度上克服了僅使用單一方法的不足。安蓉和馬亮[6]采用因子分析方法，對我國西部地區地方高校的科技創新能力進行評價，發現西部地區在科研基礎、創新經費投入、創新產出和成果轉化方面均與中東部地區地方高校存在較大差距。此外，從21世紀初開始，對于創新能力評估的研究更加關注創新效率，即投入與產出的相對關系。周靜等[7]運用DEA模型對我國29個不同地區高校科技創新的制度效率與規模效率進行了評價。梳理近年來對于高校科研產出效率的研究發現，對于高校科研產出效率的研究逐漸從對技術效率等單獨要素的研究轉向對全要素效率的研究，所選用的模型方法也逐步精細化且更符合現實狀況。張惠琴和尚甜甜[8]通過對高校科研創新全要素生產率的測算發現，東部地區的增長率要高于中西部地區，而規模效率是造成這種差異的主要原因。

區別于以往的研究，本文著重探討的是高校科技創新對地方經濟發展的實際作用效果或轉化效率，通過將高校科技創新這一子系統串聯到經濟發展的大系統中，從相互關聯的系統觀角度分析高校科技創新的產出效率及對經濟的轉化效率。因此，本文采用擴展的網絡數據包數模型，是對現有DEA理論模型的拓展，通過將科技創新產出最優化來論證轉化效率等相關問題。

二、模型方法與變量選取

(一)模型方法

目前，對于效率評價的研究方法主要包括參數法和非參數法。參數法主要有三種：隨機前沿法(SFA)、自由分布法(DFA)和厚邊界法(TFA)。非參數法主要有兩種：數據包絡分析法(DEA)和無界分析法(FDH)。兩者之間的主要區別在于對于邊界估計的過程中對非效率項以及隨機干擾項的分布等假設不同。相比于參數法，非參數法不需要事先設定函數，避免了主觀因素造成的設定誤差，應用線性規劃來進行求解。在眾多非參數方法中，DEA是應用最為廣泛、發展也最為成熟的一種方法，它可以同時對多種投入與產出指標進行處理，并在效率測算時無需將指標進行標準化，大大簡化了計算過程。

DEA 最初由Charnes等[9]提出，為規模報酬不變的CCR 模型。但是對于由彼此相關的幾個子系統所組合而成的大系統而言，這一模型忽視了對單個子系統效率的衡量。由于高校科技創新經常會通過企業等部門的成果轉化過程最終作用于地區經濟，而且高校科技創新僅是整個社會創新體系中的一個組成部分，需要了解高校科技創新在整個社會創新體系中的作用，因而研究高校科技創新對于經濟的作用效果有著較為復雜的多階段、網絡化特征，需要運用更為符合現實狀況的評估效率模型。

對于在一較為復雜的多階段系統中考察高校科研創新的效果問題，F?re和Grosskopf[10]提出了網絡數據包絡分析，用以探求每個子系統對于大系統整體效率的影響。顯而易見的是，作為各子系統間的用于衡量前一系統的輸出值和后一系統輸入值的樞紐變量就非常重要，在本文中衡量高校科技創新的輸出值就符合這一特征。但由于該方法在考察各子系統相互聯系時只是對傳統CCR模型的簡單疊加，并未考慮系統間內在關聯的情況，對于我們分析高校科技創新產出效率的準確性存在問題。

Kao和Hwang[11]所建立的兩階段DEA模型解決了內在關聯性問題，該模型考慮了系統間相關作用約束的情況，不僅能對整個系統的效率進行估計，還能在考慮子系統間關聯性的情況下，評估子系統的效率。另外，考慮到由于高校在科技創新過程中往往會有追加投入等情況發生，因而本文進一步采用了Kao[12]對于兩階段DEA模型的拓展模型，該模型由一個并聯的子系統模型與另一個子系統模型串聯而成，形成了如圖1所示的兩階段三系統網絡DEA模型。

圖1 兩階段三系統的網絡DEA模型

由圖1可知，系統1和系統3為能產生實際作用的系統，而系統2為一虛擬系統，本文中系統1指代高校科技創新過程，該過程需要大量的科技創新資源投入(X1，X2)，進而產生最終的創新成果(Z1，Z2)，該創新成果與非創新資源投入(X3，X4)共同作為系統3經濟發展過程的投入要素，并最終轉化為經濟產出(Y1，Y2)。由于經濟發展是一個非常復雜的系統，高校科技創新僅是其中的作用要素之一，還有其他資源投入也可作用其中，為了突出對高校科技創新的研究，因而設計了虛擬系統2。無論是高校科技創新系統還是經濟發展系統，在從投入到最終形成產出的過程中都要經過一系列的決策行為才能實現，這被稱為“決策單元”(Decision Making Units，DMU)。

在本文中，可以假設有n個DMU，那么其產出效率應該滿足：

(1)

其中，vi,ur,wp≥ε，j=1,2,…,n。

由于模型(1)為線性模型，因而其對偶模型*對偶模型更易于從理論及經濟意義上做深入分析。為：

maxθk

(2)

其中，αj,βj≥ε，j=1,2,…,n。

(3)

(4)

由于本文另一個重點是要考察高校科技創新效率，而由圖1可知，中間產出(Z1，Z2)既是階段的產出又是階段Ⅱ的投入，考慮到整體效率達到最優并不意味著子系統也能達到最優，因而階段的產出和階段Ⅱ的投入未必相互匹配，故而再引入一個“最優產出”集合

(5)

(6)

模型(2)進一步演化為：

maxθk

(7)

(二)變量選取與處理

本文選取2009—2013年我國31個省份(除港、澳、臺地區)的高校科技投入、產出及宏觀經濟數據，樣本數據均來源于《中國科技統計年鑒》(2010—2014年)和《中國統計年鑒》(2010—2014年)。將參與教學與科研的人員總數相加形成高校科技人力資源(X1)，與代表財力投入的高校科技經費(X2)共同作為高校科研工作的投入變量；將各省高校專利授權數(Z1)和技術轉讓成交額(Z2)作為中間產出；X3為各省地區資本存量，X4為各省地區從業人員(剔除高校科技人力資源)；用地區GDP剔除當年高技術產業產值(Y1)和地區高技術產業總產值(Y2)代表經濟產出，以期根據高校科研投入的效率來衡量高校科技創新對地區經濟增長的推動作用。表1是對模型(7)所涉及統計量的簡單描述。

表1 樣本相關變量描述性統計(2008—2013年)

高校科技創新對經濟發展的作用，需要從創新資源的投入，到中間產出，最后作用于地方經濟發展，并不能立即產生效果，在時間上需要有一定的滯后期，結合Kao[12]的處理方法，本文對高校科技創新產出進行滯后一期處理。即將模型(7)中的X1和X2指標選用t-1期的數據，而Z1、Z2、X3、X4、Y1和Y2選用t期的數據。另外，由于沒有關于各省資本存量的數據，因而本文用固定資本投資額對各省資本存量進行估算，關于資本存量的核算，借鑒了張軍和章元[14]的公式：

Kt=Kt-1(1-δ)+It

(8)

其中，Kt為t年的資本存量，It為t年的固定資產投資額，δ為資產折舊率，本文δ=9.60%。

三、經驗分析

(一)高校科技創新對地區經濟發展的支撐作用

1. 高校科技創新對地區經濟發展的支撐效率總體偏低

從總體上看，在樣本期內的5年間，高校科技創新對經濟的支撐效率平均值為0.589，如表2所示，2009—2013年始終徘徊在0.450—0.650的水平，從均值來看僅有半數的省份達到了60%的水平，這表明高校科技創新對地區經濟發展的支撐作用有限，還有很大的提升空間。2009—2013年用于高校科技創新的經費支出平均增長率為16.56%，高于同期GDP平均增長率14.33%，但高校技術轉讓實際收入的增幅卻僅有6.12%，這表明高校科技創新對地方經濟發展的支撐作用仍然有限，如何激發高校科技創新的活力，將高校的科技成果更好地轉化為生產力是極為迫切的任務。

表2 高校科技創新對地區經濟發展的支撐效率(2009—2013年)

排 名省 份20092010201120122013均 值19湖 南03730535045304870628049520貴 州03350488053004760531047221湖 北03990493043705170454046022廣 西02910419048804960573045323江 西02500491084203170323044524甘 肅02810472044604960524044425四 川02680395054004930390041726海 南02750194023210000261039227新 疆03080403043004350365038828吉 林02890433033504440434038729內蒙古02240313025903050325028530寧 夏00970243041203030267026431青 海011600570102008900560084東部地區066807540776078607190741中部地區035506140643055406080555西部地區039705070486051604530472全國平均048206220630062205880589

2.省際間高校科技創新對經濟發展的支撐效率差異明顯

從各省支撐效率均值差異來看，樣本期間31個省份支撐效率具有明顯差異。只有浙江高校科技創新支持經濟發展的支撐效率達到了1.000，表明處于生產前沿面，區域發展達到DEA 有效。除浙江、北京、江蘇和福建高于0.900的水平外，其他省份均存在較大的效率改進余地，遼寧在東部地區省份中僅排在海南之前，位列全國第18位，還不及全國的平均水平。從全國范圍看，超過全國平均水平的省份只有16個，剛過半數，排名后三位的內蒙、寧夏和青海與其他省份有比較明顯的差距，尤其是青海高校科技創新支撐效率的均值僅為0.084。同時，重慶(0.872)和云南(0.850)等西部省份的支撐效率甚至超過了上海、廣東、山東和天津等經濟發達地區，這似乎不合常理，但這恰好說明了科技創新對經濟發展的支撐其實是一復雜的體系，不僅僅取決于地區的經濟實力和對高校的要素投入，更重要的是高校科技創新成果的轉化及其對經濟的作用。雖然有些地區的經濟發展水平相對偏低，對高校的要素投入有限，但其成果轉化快以及創新成果對于地區經濟發展起到了巨大作用，因此，顯示出這些省份的高校科技創新對于地區經濟發展的支撐效率較高。另外，從高校教育經費的投入強度來看，福建、河北、河南、云南和山西的投入強度分別為0.076%、0.056%、0.051%、0.076%和0.069%，顯著低于北京的0.980%和上海的0.480%，但這些省份卻能充分利用有限的高校創新資源投入，獲得較為豐碩的科技創新成果。北京、上海等地區雖然依托強大的經濟基礎，對高校創新投入巨大，但總體效果并不理想。此外，按照投入強度這一指標來看，湖北、四川和吉林的反差最大。總之，在全國范圍內，高校的科技創新并沒有對經濟發展起到明顯的支撐作用。

3.高校科技創新對經濟發展的支撐效率具有明顯的區域差異

由表2可知，高校科技創新對地區經濟發展的支撐作用存在明顯的區域差異。雖然，從個體省份而言，東部地區省份存在投入強度相對高但支撐效果并不高的現象，但從總體而言，東部地區高校科技創新對經濟發展的支撐效率卻要顯著高于中部和西部地區，并高于全國平均水平。另外，也應注意到，從2014—2016年支撐效率的全國平均水平來看，呈逐年下降態勢，尤其是2016年下降更為明顯，究其原因主要是由于東部地區的支撐效率顯著降低，也不能不值得我們警惕，應時刻關注這種下降是暫時性的還是趨勢性的，并采取切實可行的措施，激發高校科技創新活力，加快高質量科技創新成果的轉化效率。

(二)高校科技創新系統與經濟系統的兩階段效率分析

1．高校科技創新對地區經濟發展的支撐作用受制于高校科技創新支持下的經濟發展階段

在樣本期內，高校科技創新從要素投入到產出的轉化效率(階段Ⅰ)較創新成果對地區經濟發展的支撐效率(階段Ⅱ)要低，如表3所示。階段Ⅰ的效率均值為0.647，與階段Ⅱ的效率均值0.909相比有明顯差距。由此可見，整體高校科技創新對地區經濟發展的支撐作用不強是受到階段Ⅰ的拖累，即高校科技創新成果轉化率制約了整體效率的提升，也可以進一步表明，促進高校科技創新成果轉化率將極大地助益地區經濟發展。

表3 整體效率值及兩階段效率值

2.兩階段內區域間的效率差異程度顯著不同

通過對我國東中西部高校科技創新階段(階段Ⅰ)和高校科技創新支持下的經濟發展階段(階段Ⅱ)效率均值的分析，采用非參數多組秩和K-W檢驗法進行檢驗，結果如表4所示，在東中西部之間階段Ⅰ和階段Ⅱ確實存在顯著的差異。

表4 階段效率的顯著性檢驗

注：***和**分別表示在1%和5%的水平下顯著。 3.省際間的高校科技創新成果轉化效率存在明顯差異

根據各省高校科技創新過程中兩階段效率差異的比較，31個省份大致可分為三種類型：第一類是高校科技創新對地方經濟發展有較強的支撐作用，表現為兩個階段的效率值都較高，如浙江、北京、江蘇和福建等。第二類是高校科技創新成果未能實現很好的轉化進而制約了地區經濟發展，表現為階段Ⅰ的值明顯低于階段Ⅱ的值，如內蒙古、吉林、新疆和四川等，其差值基本高于50%，事實上，符合這一條件的省份很多，只是差值的高低不同。第三類算是一種特例，是高校科技創新成果轉化率高，但在生產階段的效率較低，表現為階段Ⅰ的效率高于階段Ⅱ，西藏就屬于這種情況，一定程度說明了其高校科技創新質量亟待提升。

總之，高校科技創新支撐地區經濟發展的效率受到高校科技創新生產階段和高校科技創新支撐下的經濟發展階段兩個系統的影響，兩個階段中的任何一環出現問題都會影響最終的整體效率提升。另外，由于我國各省和區域之間的階段效率亦存在顯著的差異，因此，各地區在指定政策的過程中應該基于本地的實際情況有的放矢地進行實施。

四、政策建議

本文以全國31個省份2009—2013 年相關數據為樣本，利用基于擴展了的網絡數據包絡模型，測算并分析了高校科技創新推動地區經濟發展的支撐效率。通過上述對經驗研究結果的分析，進而給出關于提高高校科技創新支撐地區經濟發展的四點概要性政策建議：

首先，高校科技創新對于地區經濟發展的作用不能僅重視高校創新要素投入的絕對量，更重要的是注重高校科技創新的成果轉化率即高校科技創新成果的質量。因此，如何激發高校科技創新的活力，提高高校科技創新的成果轉化率和科技創新成果的質量，是最終支撐地區經濟發展的關鍵。

其次，高校科技創新支撐地區經濟發展的效率受到高校科技創新生產階段和高校科技創新支持下的經濟發展階段兩個系統的影響，兩個階段中的任何一環出現問題都會影響最終的整體效率提升，因此，既要重視高校科技創新的生產階段又要重視經濟發展階段的表現，注重高校科技創新成果的高質量和高轉化率。

再次，由于我國各省和區域之間的階段效率亦存在顯著的差異，不同省份高校科技創新要素投入對于地區經濟產出的效率不同，各省應當結合本省高校科技創新的特點，在充分分析高校科技效率的優勢和劣勢的基礎上，探尋提升高校科技創新效率的路徑。

最后，從全國平均水平來看，由于東部地區支撐效率顯著降低，導致2014—2016年我國高校科技創新對地區經濟發展的支撐效率呈逐年下降的態勢，2016年下降尤為明顯。對于這一現象應該給予足夠重視，深入探究這種現象是否會形成趨勢，并研究制定解決這一問題的切實可行的措施，從而刺激高校科技創新活力，加快高質量科技創新成果的轉化率。

[1] 徐金梧. 大學科技創新與人才培養模式改革問題的思考[J]. 中國高教研究,2008,(1):10-12.

[2] 李永剛. 金融結構調整對經濟效果影響的比較研究——基于58個經濟體1998—2013年數據的實證分析[J]. 經濟社會體制比較,2014,(2):63-73.

[3] 涂銘旌,唐英,張進,等. 創新型人才培養的思路、方法及路徑(一)[J]. 西華大學學報(自然科學版),2012,(4):1-4+118.

[4] 吳志華,廖志豪. 創新型人才培養中存在的問題與建議[J]. 中國高校科技與產業化,2010,(5):9-11.

[5] 李恒,杜德斌,肖剛. 區域知識創新系統中科技創新與高等教育的融合關系研究——基于長三角城市群的案例研究[J]. 上海經濟研究,2015,(5):86-94.

[6] 安蓉,馬亮. 西部地區地方高校科技創新能力評價研究[J]. 科研管理,2015,(S1):15-21.

[7] 周靜,王立杰,石曉軍. 我國不同地區高校科技創新的制度效率與規模效率研究[J]. 研究與發展管理,2005,(1):109-117.

[8] 張惠琴,尚甜甜. 高校科研創新效率對比分析——基于全國30個省份的面板數據[J]. 科研管理,2015,(S1):181-186.

[9] Charnes,A.,Cooper,W.W.，Rhodes,E.Measuring the Efficieney of Decision-Making Units[J].European Journal of Operational Research,2007,2(6):429-444.

[10] F?re，R., Grosskopf，S. Intertemporal Production Frontiers: With Dynamic DEA [M].Kluwer Academic Publishers,1996.

[11] Kao,C., Hwang, S.N.Efficiency Decomposition in Two-Stage Date Envelopment Analysis: An Application to Non-Life Insurance Companies in Taiwan[J]. European Journal of Operational Research,2008,185(1): 418-429.

[12] Kao,C.Efficiency Decomposition in Network Data Envelopment Analysis:With Slacks-Based Measures[J]. European Journal of Operational Research, 2009,192(3):949-962.

[13] 龐瑞芝,范玉,李揚. 中國科技創新支撐經濟發展了嗎?[J]. 數量經濟技術經濟研究,2014,(10):37-52.

[14] 張軍,章元. 對中國資本存量K的再估計[J]. 經濟研究,2003,(7):35-43+90.