西部典型城市創新效率測算及影響因素路徑分析

牛秀紅，劉海濱，周佳寧

(1.山東工商學院工商管理學院，山東 煙臺 264005;2.中國礦業大學 (北京)管理學院,北京 100083)

0 引言

21世紀經濟向全球化發展，知識經濟崛起，創新成為國際競爭中的關鍵因素，決定著一個國家或地區的綜合競爭能力[1]。城市聚集了國家創新資源中的主要部分，創新活動主要活躍在各個城市中。目前中國共有338個地級以上城市，城市可以貢獻60%以上的經濟總量和80%多的稅收，占有了90%以上的大學和科研資源。城市綜合能力決定了一個國家的綜合能力，而創新又決定了一個城市的綜合能力。要實現建設創新型國家的目標，前提是要擁有一大批創新型城市。不同城市在自然資源分布、社會經濟基礎和政策法規制定等方面各有不同，導致不同城市不但在技術創新投入方面差異明顯，技術創新所帶來的產出效應也存在很大區域差異。中國西部地區由于歷史發展原因，城市分布稀疏，規模不大，很多城市依舊存在交通不便、信息不發達等問題，尚屬于欠發達地區。大部分西部城市距離建設成為創新型城市的目標仍有很長一段路要走，西部城市創新水平與東部城市相比也有較大差距。雖然加大創新投入在一定程度上能夠帶動西部城市創新的發展，但隨著知識經濟的發展，投入型創新發展路線已經不適應新時代發展的要求，如何在與西部城市經濟社會相適應的創新投入下生產盡可能多的創新成果，發展城市創新，如何提高創新效率成為更加關注的問題。因此，基于西部地區城市的特點和創新發展基礎，選擇西部典型城市為例研究西部城市的創新效率并探索如何提升創新效率成為本研究的核心。

西部典型城市選擇以國家創新試點工作開展情況為依據。2008年國家發改委批準深圳成為首個國家創新型城市試點，建設國家創新型城市。2010年國家發改委擴大創建國家創新型城市試點范疇，原則同意東部16個城市開展創建國家創新型城市試點。科技部在2010—2011年分三批公布了42個城市為國家創新型試點城市，其中位于西部的國家創新試點城市有呼和浩特、包頭、南寧、成都、貴陽、遵義、昆明、西安、寶雞、蘭州、銀川、西寧、烏魯木齊、昌吉、石河子以及重慶沙坪壩區共16個市(區)，因此本文研究對象選擇成為創新型城市試點的城市。由于昌吉、石河子和重慶沙坪壩區創新數據難以統計，因此去除昌吉和石河子，以重慶市替代沙坪壩區，最終確定14個試點城市作為研究對象，簡稱西部典型城市。

1 創新效率測算

1.1 新型關聯兩階段DEA (TSS-DEA)模型構建

(1)必要性。在效率評價中，學者們采用的方法主要有參數前沿法和非參數前沿法，前者的代表是隨機前沿法(SFA)，后者的代表是數據包絡分析方法(DEA)。在分析不同的領域和案例時，根據研究對象及數據特點應圍繞解決問題的原則選擇適合的方法。在研究創新效率時，更多的學者選擇DEA的方法進行測算[2-5]，這是因為相對于SFA方法，DEA在測算時無需事先假定生產前沿函數，在一定程度上可以避免估計生產函數錯誤或者不準確而造成的測度誤差，因此在多投入與多產出的情境下更具優勢，而創新系統具有非常明顯的多投入和多產出特點。

經典DEA在評價過程中將整個生產系統看作一個 “黑箱”，系統內部如何生產運行并不在考慮范圍內，因此有時在效率測度上存在較大誤差[6]。對此，Fare 等[7]關注系統內部結構，將生產過程分解為幾個階段后構建了網絡DEA，計算各個階段和整體效率；隨后有學者[8-10]分別提出了串聯型的兩階段網絡DEA、子階段效率加法模型的DEA和階段效率幾何平均的DEA模型。從研究成果來看，充分考慮內部結構的關聯網絡DEA能夠更加準確測度系統效率，而現有文獻在此方面的研究剛剛起步，運用關聯DEA研究創新效率開始應用于產業、企業創新效率的測度，將其應用于區域創新效率測度的文獻稀少。從研究成果來看，充分考慮內部結構的網絡DEA能夠更加準確測度系統績效，城市創新可以看作創新主體通過創新活動聯結的一種鏈式結構，采用關聯兩階段網絡DEA模型進行創新績效的評價更加適合。

經典DEA進行測算時存在的第二個問題是無法繼續區分有效單元效率值。由于DEA是一種相對效率的評價方法，意味著效率得分是彼此比較得到的結果，DEA針對每個決策單元的投入和產出指標進行綜合比較來構建前沿面。如果決策單元數量太少，意味著參考集內部的信息量不足，而投入產出指標過多的話，傳統模型計算得到的效率值往往會出現多個決策單元同時位于前沿面上，即效率得分都等于1的情況，無法進一步區分DEA有效單元的效率排名。針對這個問題，國外P Anersen等學者提出了超效率DEA模型，對處于前沿面的決策單元進一步區分有效程度，超效率DEA在考察某個DMU的技術效率時，將其排除在參考集之外，對效率大于1的單元進行了重新排序，所以如果研究者希望得到各DMU的精確排名，應該選用超效率DEA方法。

基于以上分析，本文在進行西部典型城市創新效率問題研究時，既需要運用網絡DEA方法又需要運用超效率DEA方法，然而，目前尚未有學者將兩者結合應用。在此，本文創新性地將網絡DEA與超效率DEA結合應用，構建關聯兩階段超效率DEA(TSS-DEA)，更加準確地反映城市創新在各階段和整體上的有效程度，為繼續探究創新效率影響因素、尋找城市創新效率低下的原因做好鋪墊。

(2)模型構建難點。本文的建模難點體現在：首先，超效率DEA屬于包絡形式模型的擴展，無法直接與典型DEA模型進行結合，因此需要在把握超效率DEA模型建模思想的基礎上，建立乘數形式的超效率模型；其次，要充分考慮到網絡DEA模型的階段結構特點，才能夠科學地將超效率思想嵌入進去，形成準確的評價模型。

(3)TSS-DEA模型優點。TSS-DEA模型綜合了網絡DEA與超效率DEA兩種模型的特點，與傳統DEA方法相比，具有以下優點：一是既能夠測算出研究對象的整體效率，又可以將系統內部劃分階段計算各個階段的效率，有利于掌握研究對象內部運行情況，發現薄弱環節，制定更具針對性的措施；二是在進行階段和整體效率測算時均可以對處于有效前沿面的單位進行排序，避免出現有效單元過多而無法比較的問題，使效率研究結果更加明確，易于分析。

1.2 創新效率評價指標體系構建

(1)城市創新階段劃分。城市創新活動是一個知識生產和運用為主的投入產出過程，不同學者根據不同的角度和研究側重點對創新過程劃分也不同。本文將西部典型城市創新過程劃分為技術研發階段和經濟轉化階段兩大階段。技術研發階段是通過各方面的投入，主要是資金和人力，來進行創新知識和技術生產的過程，體現了研發資源投入和知識技術成果的轉換效率；經濟轉化階段是第一階段的成果進行經濟產品轉化的過程，是創新知識和技術實現經濟效益的過程。

(2)投入-產出指標體系構建。城市創新活動的各個階段都可以看作投入產出的過程，進行城市創新效率評價時，選擇各階段合適的投入產出指標對創新效率評價結果的準確性至關重要。在第一階段，主要是創新研發的投入和知識及技術成果的產出。創新投入通常分為兩大類，資金方面的投入和人力資源方面的投入，可以采用R&D經費投入總額和R&D人員全時當量兩個指標表示[11]。第一階段產出主要是知識和技術方面的產出，科技論文是新知識成果的直接表現，能夠反映出研發資源投入之后的知識創新結果，選取科技論文發表數量作為衡量知識產出的指標，而專利數據能夠較全面地反映各地區在技術發明方面的成果產出[12]，因此本文選擇科技論文發表數量和專利授權量衡量第一階段知識和技術的產出。

城市創新的第二階段是經濟轉化階段，承接第一階段的成果，因此要將科技研發階段的產出指標，即科技論文發表數量、專利授權量作為第二階段的投入指標。除此之外，企業引進及改造技術經費反映了對于引進技術和技術改造的投入狀況，是經濟轉化階段投入的一方面。產出方面，在經濟轉化階段，一方面科技創新成果直接轉化為地區經濟效益，選取新產品產值和高技術產業產值作為成果轉化產出指標；另一方面，技術創新帶來了生產和能源效率的提高，選取勞動生產率及工業產值能耗指標衡量此方面的產出，為保證指標方向性一致，取工業產值能耗倒數即單位能耗工業產值作為最終指標。

綜上，構建的西部典型城市創新效率評價指標體系,見表1。

1.3 數據來源與描述

本文研究對象為西部地區被確立為創新試點的14個西部典型城市，試點工作開始時間均在2010年，且2009年開始創新數據的統計方式與之前統計口徑發生較大變化，因此選取2009—2015年的數據進行評價分析。考慮創新投入及產出的滯后效應，每個階段的滯后期均設定為1年，因此第一階段投入指標的時間范圍是2009—2013年，第一階段產出與第二階段投入指標的時間范圍是2010—2014年，第二階段產出指標的時間范圍是2011—2015年，計算出的效率值時間范圍為2011—2015年。在收集西部典型城市數據過程中，查閱了包括國家層面、省級層面和市級層面的大量統計資料，還有部分數據通過向當地統計局及科技局咨詢收集得到。由于地級市統計資料較難收集、數據統計資料公布較少，同時城市與城市之間存在統計口徑不一致等問題，仍然出現部分數據缺失現象，對此類數據運用插值法、推算法等方式補充完整。

表1 城市創新效率評價指標體系

1.4 西部典型城市創新效率測算及結果分析

(1)傳統DEA模型效率測算。首先選取第一階段和第二階段3個投入指標和最終4個產出指標構建評價體系，利用MATLAB工具根據傳統DEA規劃公式編程運算得到西部典型城市2011—2015年創新綜合技術效率得分，見表2。

表2 西部典型城市創新效率計算結果

從結果可以看出，西安、蘭州、包頭、重慶創新綜合效率較高，遵義、寶雞、銀川和呼和浩特創新綜合效率值較低，其他城市處于中間水平。從計算結果雖然能夠看出城市創新效率的綜合比較，但是城市創新技術研發階段和經濟轉化階段的效率分別如何無法判斷。另外，70個結果中出現了14個效率為1的值，給城市創新效率時間序列變化分析造成不便，如西安市5年創新效率值中有4年為1，無法對西安創新發展進行判斷分析。綜上分析，傳統DEA在城市創新效率測算時存在的不足使得研究分析受到較大限制，因此需要利用新的DEA方法進行再次測算。

(2)TSS-DEA模型效率測算。利用MATLAB工具，根據關聯兩階段超效率DEA (TSS-DEA)規劃公式編程運算，得到西部典型城市2011—2015年創新綜合效率得分，見表3；創新階段效率得分見表4。

表3 西部典型城市創新綜合效率計算結果

表4 西部典型城市創新階段效率計算結果

針對西部典型城市創新效率整體發展情況，繪制2011—2015年創新效率變化趨勢圖,見圖1。

對西部典型城市2011—2015年創新綜合效率及分階段效率取平均值進行分析，結果見圖2。

圖1 2011—2015年西部典型城市平均效率變化趨勢

圖2 2011—2015年西部典型城市創新效率情況

從時間序列上看，西部典型城市2011—2015年綜合創新效率均值分別為0.5329、0.5130、0.5685、0.5825、0.6850，2012年創新效率最低，2012年之后西部典型城市創新效率呈現上升趨勢。技術研發階段效率平均值分別為0.470、0.482、0.578、0.585、0.671，可以看出第一階段的效率值保持增長趨勢，效率越來越高；經濟轉化階段效率值為0.585、0.576、0.523、0.512、0.620，與第一階段的增長趨勢相反，2011—2014年效率一直下降，直到2015年上升達到0.62并超過之前年份。可以看出，5年間西部典型城市整體在技術研發階段創新效率有了較大提升，而第二階段經濟轉化效率未能同樣增加，導致創新綜合效率出現下降情況或者增長緩慢，但到2015年，兩階段的效率均有了較大增長，經濟轉化效率轉為增加趨勢，因此創新效率上升明顯，發展趨勢良好。

根據城市綜合效率排序可以看出，成都綜合效率位于西部14個創新典型城市第一位，5年綜合效率平均值為0.9015，重慶和烏魯木齊分居2、3位，呼和浩特、西寧、包頭排在最后三位，包頭創新綜合效率平均值僅為0.2826。根據排序和綜合效率值可以將西部創新典型城市分為三類，第一類包括包頭、呼和浩特、西寧、蘭州、銀川、南寧，屬于綜合效率較低的城市，綜合效率值處于0.1～0.5之間；第二類包含西安、遵義、昆明、寶雞，綜合效率值處于0.5～0.7之間，屬于綜合效率一般的城市；第三類包含貴陽、烏魯木齊、重慶、成都，綜合效率值大于0.7，為綜合效率較高的城市。

通過階段創新效率值，技術研發階段效率值較高的城市有成都、西寧、重慶、西安等市，經濟轉化階段效率值較高的有貴陽、烏魯木齊、成都、重慶等市。根據兩階段效率值計算西部典型城市兩階段創新效率平均值為0.5571和0.5634，以此為界限將14個西部創新典型城市分為四類，二維分布如圖3所示。

圖3 西部典型城市階段效率二維矩陣分布

第一象限城市有包頭、南寧、呼和浩特、銀川、蘭州，為低研發低轉化型，技術創新階段和經濟轉化階段效率值均處于較低水平。這些城市綜合效率值屬于效率較低的城市，需要從源頭開始提高技術創新階段的效率，同時提高知識和技術轉化效率，同時提高兩階段創新效率；第二象限包括遵義、西安、西寧和昆明，為高研發低轉化型，這一類型城市第一階段的效率明顯強于第二階段的效率，經濟轉化效率是導致創新綜合效率落后的主要原因；第三象限包括貴陽、烏魯木齊和寶雞，為低研發高轉化型，第二階段的效率相對第一階段的效率較好，說明這部分城市相對于經濟轉化效率，技術研發階段效率不高，應著重提高技術研發能力；第四象限有重慶和成都，為高研發高轉化型，這兩個城市兩階段創新效率都較高，綜合創新效率也位于西部創新典型城市前列，說明創新兩階段發展良好且較為平衡。

2 創新效率影響因素路徑分析

2.1 創新效率影響因素

城市創新不同階段均是創新主體在一定創新環境下利用創新資源，開展創新活動，產出創新成果的過程，同時結合已有研究，本文從創新主體特征、創新環境和創新主體之間的聯結關系即創新交流三個維度對西部試點城市創新績效影響因素進行梳理。

(1)創新主體。創新主體是指在創新活動中處于主導地位、具有自主行和能動性的創新活動發動者和參與者，要包括企業、政府、高等院校、科研機構等[13]，這些組織既具有創新需求，也具備創新能力，二者缺一不可。僅參加創新活動而沒有創新需求的組織和具有創新需求卻不參與創新的組織均不能稱為創新主體。

(2)創新環境。城市創新環境是指城市內部各行為主體和周圍事物相互作用而形成的相對穩定的網絡系統。歐洲創新研討小組 (GREMI)將創新環境定義為 “在一定的地理區域內，創新主體通過彼此的互動過程，構建的能夠促進區域創新發展的非正式的一種復雜社會關系”[14]。城市創新環境與城市創新發展具有相互影響、相互作用的關系。一方面，城市的環境特點會對創新主體發起和參與的創新活動產生影響，良好的創新環境對創新活動能夠產生有利影響；另一方面，城市創新活動的進行又會對城市環境產生作用，通常創新活動的繁榮會促進環境的提升。城市創新環境是一個復雜的系統，從總體上看，城市創新環境可以分為硬環境和軟環境兩類：硬環境主要指城市提供創新活動的硬件設施和資源，包括綜合經濟實力、基礎設施、信息設施、生態環境等；軟件環境主要指城市創新活動的介質環境和調控環境，介質環境指文化水平、價值觀念等，調控環境指城市的科技政策、創新制度等，但由于西部城市中涉及政策種類較多，城市之間難以統一量化，政策方面的因素歸類于政府創新主體特征變量中進行衡量。鑒于西部試點城市創新實際情況和指標數據可獲得性，主要從經濟環境、基礎設施環境、文化環境和生態環境四個方面進行分析。

(3)創新交流。在當前知識經濟背景下，城市創新活動不僅需要各個主體發揮自身優勢開展創新活動，同時還需要主體之間的良性互動。從20世紀開始已有學者強調創新主體之間的合作關系，Rothwell等[15]將高校和科研機構作為同等于企業地位的創新主體進行研究，認為創新活動需要創新主體的動態整合；Fritsch[16]認為企業與高校之間的合作能夠促進產業結構升級，提高區域創新能力；連燕華等[17]認為產學研緊密結合對于推動科技和經濟的結合具有重要作用；2006年國務院頒布的 《國家中長期科技發展規劃綱要(2006—2020年)》中把建設 “以企業為主體、產學研結合的技術創新體系”作為全面推進國家創新體系建設的突破口，產學研合作就此被提升到了國家戰略層面。亨利·埃茲科維茨等基于政產學研三重螺旋體模型指出，創新模型由政府、產業和高校與科研機構分別代表的行政鏈、生產鏈和科學鏈纏繞構成，三方相互作用、密切合作形成一個有機整體，同時又保持相互獨立[18]。

高校與科研機構主要從事基礎性和應用性研究，為企業提供所需的基礎知識，而企業與市場直接接觸，其研發活動主要集中在應用與開發領域。高校與研究機構能為企業提供接近共性技術和新興技術的窗口，為企業的技術創新提供一種科學技術平臺，促使企業新產品開發取得突破性創新成果[19]，高校和科研機構進行基礎產生新的發現，企業認識到其實用價值與高校或科研機構進行合作，同時企業對于高校及科研機構在經費方面的直接資助，創新咨詢活動以及科研人才的交流也很重要。政府作為城市創新的另一大主體，一方面通過宏觀政策的引導、促進創新法律法規的實施、基礎設施等措施為高校和企業營造良好的創新環境；另一方面通過財政科技支出、稅收減免和政府采購等方式對創新活動進行直接資助作用于高校和企業的創新研發。三大主體之間的聯結關系越緊密，創新信息、資源的傳遞越迅速，合作效率越高。本文選擇高校科研經費中企業資金所占比重、企業研發經費中政府資金所占比重、技術市場交易金額占GDP比重對主體創新交流進行衡量，見表5。

2.2 創新效率影響因素因子分析

收集2009—2015年西部典型城市面板數據進行實證分析(數據來源同表2)，部分指標數據如 “科研機構從業人員” “高校與科研機構研發投入比重”在部分西部典型城市中未進行過統計，無法獲取，此種情況下統計所在省同一指標數據后根據一定比例計算獲得，比例數值參考當年城市研發經費投入與所在省區研發經費投入的比例值確定。為避免時間序列趨勢對于結果的影響，采用三項移動平均法處理各市數據，始端和末端數據使用插值法補齊。

從所選擇的影響因素可以看出，三部分的影響因素之間相互關聯、相互影響，為避免影響因素指標選取出現重復性，利用統計工具SPSS對西部典型城市創新效率影響因素指標消除時間趨勢后的數據進行全局因子分析，使各指標關系更加明確，提取更加合理的影響因素指標。

在進行因子分析之前，需要對KMO值和Bartlett球體檢驗的值進行計算，西部典型城市創新效率影響因素指標數據首輪檢驗顯示相關矩陣呈現非正定性，通過相關性分析剔除 “研發經費投入企業資金比重”和 “工業企業增加值占GDP比重”兩個指標。剩余20個指標再次檢驗，結果顯示KMO值分別為0.670,大于0.6，Bartlett顯著度P為0，表明樣本數據適合進行因子分析。將20個指標利用主成分分析法抽取主成分，表7的分析結果中各部分分別代表成分、初始特征值和提取平方和載入，根據結果西部典型城市數據總共提取6個主要成分，這6個成分可以解釋總變異的72.892%；變量解釋貢獻率和旋轉成分矩陣如表6和表7所示。命名提取的公因子為F1、F2、F3、F4、F5、F6，在SPSS中另存為新的變量。

表5 西部典型城市創新績效影響因素指標

表6 創新影響因素因子變量解釋貢獻率

表7 旋轉成分矩陣

注：旋轉方法為具有Kaiser標準化的正交旋轉法；旋轉在6次迭代后收斂。

繼續利用SPSS工具分析公因子與上文計算得到的效率值的相關性，最終剔除相關性較小的F3、F5和F6，保留具有良好相關度的F1、F2和F4。根據表7因子旋轉成分矩陣，F1可以看成是由 “萬人在校大學生數” “教育支出占公共預算支出比重” “人均GDP” “城鎮化率” “人均城市道路面積” “每百人公共圖書藏書量”所刻畫的反映城市創新環境的綜合指標；F2可以看成是由 “科研機構從業人員占總就業人員比重” “規模以上工業企業有研發活動的企業比重” “企業研發經費內部支出中政府資金比重” “科技支出占公共預算支出比重” “研發經費中政府資金比重”反映創新主體特征的綜合指標；F4可以看成是由 “進出口貿易總額占GDP比重” “互聯網普及率” “高校與科研機構研發經費中企業資金比重” “技術合同成交金額占GDP比重”所刻畫的反映城市創新交流的綜合指標。通過以上分析最終保留15個影響因素進行后續分析，如圖4所示。

圖4 西部典型城市創新效率影響因素

2.3 創新效率影響因素路徑分析

(1)PLS-SEM模型構建與假設。有關創新效率影響因素的分析方法主要有隨機前沿方法、因子分析法、回歸模型及結構方程等。

傳統方法大多分析因素與效率值的直接影響關系，不考慮因素之間的相互影響作用。影響城市創新效率的因素中包含多個因素，且因素之間和因素影響結果之間也屬于多種影響關系，為了能夠探討影響因素之間的作用關系、影響因素對創新效率的作用機理，需要采用更加適合的結構方程模型方法進行影響因素的分析。國內外常用的結構方程模型一種是基于協方差方法的結構方程模型(CB-SEM)，另一種是基于偏最小二乘法的結構方程模型(PLS-SEM)[20]，考慮到模型研究主要用于探索西部典型城市創新效率關鍵影響因素，要求通過測量變量對潛變量預測，而不是驗證參數估計的大小，且研究選擇樣本為西部14個創新典型城市5年樣本，有效樣本量低于100，變量數據分析無法全部滿足正態分布要求，因此更適宜采用能夠滿足數據要求量的PLS-SEM方法。

基于前文對西部典型城市創新效率的計算及效率影響因素變量提取及分類，潛在變量有創新環境、創新主體特征、創新交流以及創新效率，各自對應的因子即為測量變量，可構建測量模型。結構模型主要界定潛在變量之間的假設關系，根據影響因素分析理論基礎，構建西部典型城市創新效率影響PLS-SEM結構模型，并提出相應假設：H1：創新環境水平對創新主體特征有直接正向影響；H2：創新環境水平對創新交流有直接正向影響；H3：創新主體能力和結構對技術研發效率有直接正向影響；H4：創新交流程度對技術研發效率有直接正向影響；H5：創新主體能力和結構對經濟轉化效率有直接正向影響；H6：創新交流程度對經濟轉化效率有直接正向影響；H7：技術研發效率對創新綜合效率有直接正向影響；H8：經濟轉化效率對創新綜合效率有直接正向影響。最終構建西部典型城市創新效率影響因素結構方程模型，如圖5所示。

圖5 創新效率影響因素結構方程模型

(2)PLS-SEM模型檢驗。①Bootstrapping 檢驗。根據模型假設及標準化處理后的數據，運用SmartPLS3.0對西部典型城市創新影響因素路徑模型進行繪圖，采用SmartPLS中的Bootstrap程序對18個指標進行檢驗，考察觀察變量對潛變量的反映程度，Resample 數字設定為 500。檢驗結果顯示除了X34其余變量t檢驗結果在0.05水平上均顯著，表明指標反映程度良好，剔除X34指標，剩余17個變量可以進行SEM-PLS分析。②PLS檢驗。采用SmartPLS中的PLS Algorithm程序進行迭代運算，創新環境、創新主體特征的Cronbach’s Alpha值均大于0.7，創新交流接近0.7，但其合成信度大于0.7，考慮到合成信度判定指標優于Cronbach’s Alpha系數，因此可以認為模型信度指標符合要求。潛變量 AVE 值均大于0.5，表明模型的聚合效度指標符合要求；擬合優度R2均大于Falk等[21]推薦的10%基準，模型具有一定的解釋力。

(3)PLS-SEM模型運行結果與分析。運行得到西部典型城市創新效率影響因素路徑，如圖6所示。

圖6 創新效率影響路徑模型

根據路徑分析圖可知，創新主體特征和創新交流因素是西部典型城市創新效率的主要直接影響因素，創新環境通過創新主體特征和創新交流對創新效率有間接影響作用。創新環境對創新主體特征和創新交流的路徑系數分別為0.467和0.520，假設H1和H2得到支持。從創新環境測量指標中可知創新環境中主要包含教育人才方面、經濟方面、城市建設和文化方面的城市環境，這些方面的提升對于創新交流和創新主體指標代表的特征強度有正向影響。創新主體特征對技術創新效率的路徑系數為0.219，假設H3創新主體特征對于技術創新效率有直接正相關影響得到驗證。而對經濟轉化效率的路徑系數為-0.278，與假設H5相悖。從指標上看，反映創新主體特征五個指標中僅有一個反映企業創新機構建設情況，一個反映科研機構建設情況，其余三個指標均反映了政府在創新投入中所發揮的作用，路徑系數為負反映出政府投入占比對第二階段的創新效率為負相關作用，初步可以推斷在西部典型城市中以政府為主導的創新不利于經濟轉化效率的提升。創新交流對技術創新效率和經濟轉化效率的路徑系數分別為0.160和0.359，假設H4和H6得到支持。創新交流包含反映城市開放程度、城市信息交流水平和產學研合作水平的三個指標，說明創新主體之間、創新主體和外部之間的合作交流對于創新效率的提升有正相關影響。從路徑系數可以看出，創新交流對經濟轉化效率有更大的影響作用，技術創新效率受到創新主體特征的較大影響。從測量模型的路徑系數結果可以看到，保留的測量變量對于潛變量的路徑系數均大于0.5，各組變量對潛變量有較好的解釋能力。創新環境中保留6個影響因子，其中城鎮化率路徑系數最高，為0.892；創新主體特征的測量變量5個關鍵影響因子同樣全部保留，研發經費中政府資金比例變量路徑系數為0.861，是其中最大的路徑系數；創新交流的測量變量在模型檢驗過程中刪除技術合同成交金額占GDP比重，通過原始數據分析，可能原因是技術成交額在各市每年變動跳躍性較大，規律性不強導致。保留的3個變量中互聯網普及率的影響路徑系數最高，達到0.854。

3 結論與建議

西部典型城市綜合創新效率由技術創新效率和經濟轉化效率共同決定，兩階段的效率受到創新環境、創新主體特征和創新交流的共同影響，三組變量中共確定了不同意義的14個關鍵因子，這些方面的發展不同是城市創新效率差距的主要原因，提高西部城市創新效率可以從三個維度中包含的因素為導向制定政策和措施。

(1)強化企業創新主體地位。推進構建促進企業技術創新的激勵機制和約束機制，引導企業建立與自身發展相適應的技術研究開發機構。通過稅收等政策調控措施，引導加大創新投入，使企業逐步成為城市創新投入的主體。加強行業技術開發機構建設，按新的管理體制和運行機制，改造和組建一批行業技術開發中心，為企業提供技術保障和前沿技術創新成果。培育創新型企業，通過實施重點科技創新項目，開創企業試點，提升創新能力，發揮輻射帶動效應。

(2)重視高校與研究機構建設，推進 “產學研”一體化進程。加強高校在特色研究領域的建設，加大對已受到國家認定的工程研究中心，重點實驗室、企業技術中心等重要創新信息平臺的支持，充分發揮并利用這些平臺的帶動能力，促進地區的科技創新發展。以國家級檢測中心培養為依托，不斷加強技術機構的建立，創設西部地區檢測高地。優化科技創新平臺，完善創業孵化服務。以發展內容多樣化，投資方面多元化，管理經營信息化為整體著手點，建設出具備專業性和完整性的科技企業孵化器。加強科技創新創業服務中心的支撐作用，提升服務效能，助力提高創業成功幾率、實現孵化功能的新突破。支持研究主體，如高校和科研機構等，創立科技創新孵化器，加強產學研相互合作與共同發展。

(3)優化城市創新環境，實施綠色發展創新。①經濟環境。西部城市資源性產業優勢突出，資源較為豐富且生態環境的特點要求城市創新的主戰場應該立足城市優勢資源，積極研發和利用高新技術，培育一批優勢特色產業，推動創新發展；②基礎設施環境。一方面加強城市交通、信息網絡等硬件設施建設，保證創新資源整合的順暢；另一方面西部城市應積極爭取在當地建設國家工程技術研究中心及其他高層次研究機構和高等學校的建設，強化高校和科研機構在自主創新中的源頭作用，積極發揮高校、科研機構在創新過程中的基礎性研發和科技成果轉化的雙重作用；③政策環境。根據城市發展的實際情況，加快研究制定城市創新體系的總體戰略和重大政策，包括科技、經濟、產業、財政、稅收、教育、知識產權保護等相關的政策，引導和規范創新主體的行為，合理利用創新資源，資金統籌管理，形成良好創新政策環境，提高城市創新效率。④生態環境。環境優美、生態宜居的城市更能吸引創新人才的集聚，更適合高科技企業的發展。西部城市適宜從城市特色入手，加強生態文明建設，營造城市宜居宜業的環境，以此推動城市創新發展。